Simfoni bietet Lösungen zur Ausgabenanalyse und -automatisierung und nutzt KI, um Beschaffungsprozesse für globale Unternehmen zu optimieren. Die Plattform hilft Unternehmen bei der Optimierung des Einkaufzu optimieren, Kosten zu senken und Beschaffungsabläufe zu modernisieren.
Herausforderung
Trotz ihrer Expertise in KI und Automatisierung verließ sich Simfoni immer noch auf manuelle, ressourcenintensive Prozesse über virtuelle Maschinen, um Cloud-Workflows zu verwalten. Dies führte zu Ineffizienzen, verlangsamte die Produktentwicklung und zwang das Team, sich auf die Wartung der Infrastruktur statt auf Innovationen zu konzentrieren.
Diese alten Prozesse sollten durch skalierbare, automatisierte Workflows ersetzt werden, die die Datenerfassung, -kategorisierung und -anreicherung verbessern und es dem Team ermöglichen, sich auf die kundenorientierte Produktentwicklung zu konzentrieren.
Lösung
Firemind hat zwei Proof-of-Concept-Lösungen entwickelt, um Daten-Workflows zu automatisieren und cloudbasierte Prozesse zu modernisieren. Der erste PoC konzentrierte sich auf die Produktanreicherung durch maschinelles Lernen. Kundendaten wurden über SFTP oder Amazon S3 eingelesen, nach Ordnerpräfixen gruppiert und in das Parquet-Format konvertiert, um eine effizientere Abfrage zu ermöglichen. Ein AWS Lambda-Ereignis löste die Klassifizierungsbewertung aus und speicherte die Metadaten in Amazon DynamoDB und die angereicherten Datensätze in PostgreSQL zur Verwendung in BI-Plattformen.
Im zweiten PoC wurde eine Pipeline für die Datenaufnahme und -umwandlung eingeführt. AWS Transfer speiste Rohdateien in Amazon S3, wobei Lambda-Funktionen sie in Parquet konvertierten. Die Daten wurden dann mit AWS Glue DataBrew oder Amazon SageMaker für die Bereinigung, Modellierung und Bereitstellung verarbeitet, bevor sie in Amazon S3 für die zukünftige Verwendung gespeichert wurden. Diese kombinierten
Genutzte Dienste
- PostgreSQL
- AWS Lambda
- Amazon DynamoDB
- Amazon S3
Die Ergebnisse
- Vollständig automatisierte, skalierbare Arbeitsabläufe ersetzten manuelle Prozesse
- Erhebliche Kosteneinsparungen durch geringeren manuellen Aufwand
- Schnellerer Einblick mit angereicherten, abfrageoptimierten Daten
- Moderne Cloud-Architektur zur Unterstützung des künftigen AI/ML-Wachstums
- Freisetzung interner Ressourcen zur Konzentration auf Produktinnovationen
