Armstrong Transportgruppe
Der Logistikdienstleister reduzierte die Zeit für die Datenkonsolidierung um 98 % und ermöglichte mehr als 300 Mitarbeitern die Nutzung von Self-Service-Analysen.
Geschäftliche Ziele
Die Armstrong Transport Group, ein bedeutender nicht-vermögensbasierter Logistikdienstleister mit einem landesweiten Agentennetzwerk, musste die Verwaltung und den Zugriff auf Daten innerhalb ihres proprietären TMS modernisieren. Um wettbewerbsfähig zu bleiben, strebte Armstrong an, manuelle Datenprozesse zu automatisieren, den Datenzugriff über den Finanzbereich hinaus auf Teams wie das Marketing auszuweiten und die Arbeitsbelastung des Datenteams durch die Rationalisierung der Extraktion und Konsolidierung zu reduzieren. Das Unternehmen suchte außerdem nach einer skalierbaren, automatisierten Dateninfrastruktur, um eine schnellere, datengestützte Entscheidungsfindung im gesamten Unternehmen zu unterstützen.
Herausforderungen bei der Integration
Die Einrichtung von Power Automate und Power BI bei Armstrong führte zu erheblichen Ineffizienzen. Senior-Analysten verbrachten jährlich 1.500 Stunden damit, Sage-ERP-Daten für den Monatsabschluss manuell zu extrahieren und zu konsolidieren. Der Datenzugriff war auf die Finanzabteilung beschränkt, sodass andere Teams keine Einblicke erhielten. Die Integration wichtiger Quellen wie des Frachtmarktplatzes von DAT war aufgrund veralteter Technologie und fehlender Konnektoren schwierig. Den Marketingteams fehlte außerdem die Transparenz über den ROI ihrer Kampagnen auf Facebook, LinkedIn, Google und Instagram, da komplexe API-Integrationen zu einer Isolierung der Daten führten.
Wie Boomi geholfen hat
Nach der Bewertung von sechs Anbietern anhand von 94 Anforderungen entschied sich Armstrong für Boomi Integration. Boomi innerhalb weniger Minuten die Anbindung von mehr als 37 Datenquellen, darunter auch Nischen-Fracht-Apps, unter Verwendung von serverlosem Python und vorgefertigten Kits. Das Team migrierte sein Lager, indem es SQL Server-Anwendungsdaten Snowflake CDC und SQL-Abfragen in Snowflake verschob. Intuitive Pipelines ermöglichten einen schnellen Neuaufbau ohne aufwendige Programmierung, beschleunigten die Bereitstellung, reduzierten die Abhängigkeit von erfahrenen Analysten und optimierten gleichzeitig die Erfassung aus allen wichtigen Plattformen.
Ergebnisse
Boomi die Datenarchitektur von Armstrong und ermöglichte so eine schnelle Integration und einen schnellen Datenzugriff im gesamten Unternehmen. Die Datenextraktionszyklen verkürzten sich von 10 Stunden auf 8 Minuten, wodurch jährlich 1.500 Analystenstunden eingespart werden konnten. Die Demokratisierung der Daten wurde durch Sigma von der Finanzabteilung auf über 300 Benutzer ausgeweitet. Das Marketing erhielt mithilfe der vorgefertigten Kits Boomivollständige Transparenz über den ROI von Kampagnen auf allen wichtigen Plattformen, wodurch monatelange manuelle Integrationsarbeiten entfielen und eine schnellere, fundiertere Entscheidungsfindung im gesamten Unternehmen ermöglicht wurde.
