تجاوز حواجز الوصول إلى بيانات الإيجار

تُعد فواتير إيجار الأصول مثل الأسطوانات والخزانات السائلة جزءاً حيوياً من إيرادات موزعي الغاز واللحام، إلا أن هذه البيانات كانت غالباً محبوسة في أنظمة متفرقة لا يمكن الوصول إليها إلا عبر فرق تقنية متخصصة. هذا الوضع كان يحد من القدرة على فهم معدلات استخدام الأسطول وأداء الأسعار واسترداد الإيرادات بدقة.

تسعى Datacor، وهي مزود موثوق بحلول البرمجيات لصناعات التصنيع الكيميائي والتوزيع، إلى تغيير هذه المعادلة من خلال منصة TrackAbout التي تساعد العملاء على تتبع وإدارة ملايين الأصول. مع إدارة أكثر من 27.5 مليون أصل وأكثر من 725 ألف فاتورة شهرياً، أصبح من الضروري تحويل البيانات غير المتاحة إلى قرارات استراتيجية فورية لتقليل أيام الإيجار غير المفوترة واستعادة الإيرادات المفقودة.

تجربة تحليلية ذاتية الخدمة

لحل مشكلة تشتت بيانات الإيجار واعتمادها على تقارير تقنية بطيئة، قامت Datacor بدمج Amazon Quick Sight مباشرة في حل TrackAbout. يتيح هذا التكامل للمستخدمين التجاريين استكشاف أداء الإيجار وطرح أسئلة بلغة طبيعية دون الحاجة لتقديم طلبات تقنية أو انتظار تقارير مخصصة قد تستغرق أياماً أو أسابيع.

تعتمد التجربة على قدرات الذكاء الاصطناعي التوليدي للتحليلات التجارية، مما يسمح للمستخدمين بطرح أسئلة بسيطة مثل "أظهر لي إيرادات الإيجار حسب نوع المنتج في الربع الماضي" أو "ما متوسط معدل الإيجار حسب فئة الأصل في حساباتي العشرين الأولى؟". توفر هذه الميزة إجابات دقيقة ومحدثة تعتمد على مجموعات بيانات منتظمة التحديث، مما يعيد سلطة اتخاذ القرار إلى يد العميل مباشرة.

بنية تحتية سحابية متكاملة

تقوم هذه التجربة التحليلية على خط أنابيب بيانات سحابي أوتوماتيكي يمتد عبر بيئات متعددة. تبدأ العملية باستخراج البيانات التشغيلية من قواعد بيانات Azure SQL وتحويلها إلى ملفات Parquet، ثم تدفقها إلى Amazon S3. يدعم هذا الخط عمليات التحميل الكامل والتدريجي، مما يضمن نقل الصفوف المعدلة فقط عند الحاجة، مما يقلل من استهلاك الموارد ويحافظ على كفاءة النظام.

عند وصول البيانات الجديدة، يتم تفعيل طبقة تنسيق مبنية على AWS Lambda و AWS Glue و Amazon DynamoDB. تتولى هذه الطبقة توزيع مهام المعالجة لكل جدول وتنفيذها بشكل متسلسل ومنظم. يقوم AWS Glue بعد ذلك بدمج التحديثات التدريجية في جداول Iceberg، بينما يتولى AWS Step Functions التحقق من أعداد الصفوف وبناء الجداول النهائية الجاهزة للتحليل.

الأمان والعزل متعدد المستأجرين

يولي Sundar Kuppuswamy، كبير مسؤولي الذكاء الاصطناعي في Datacor، أهمية كبيرة للجانب غير المرئي من النظام، مشيراً إلى أن العمل الشاق في الاستهلاك السحابي والتحقق من أعداد الصفوف ونموذج عزل المستأجرين هو ما منحهم الثقة في تقديم الاستعلام اللغوي لبيانات الإيرادات الحساسة. يؤكد أن المعيار الحقيقي للنجاح هو إعادة القرار إلى يد العميل، مع الحفاظ على حذر شديد لضمان دقة الإجابات.

يعتمد النظام على نموذج أمان متعدد المستأجرين على مستوى الصف (Row-Level Security) لضمان عدم اختلاط بيانات عميل بآخر. هذا العزل الدقيق يسمح لكل موزع بالوصول إلى بياناته فقط، مما يوفر بيئة آمنة وموثوقة لاستخدام أدوات الذكاء الاصطناعي التوليدي في تحليلات الإيرادات الحساسة دون مخاطر تسرب المعلومات بين الحسابات المختلفة.

تحديث البيانات في الوقت شبه الحقيقي

لضمان دقة التحليلات، يقوم النظام بتحديث مجموعات البيانات في محرك Amazon Quick Sight SPICE بشكل مجدول. يتيح هذا التحديث المنتظم للمستخدمين رؤية لوحات بيانات تعكس أحدث البيانات التشغيلية المتوفرة، مما يجعل التحليلات ذات صلة مباشرة بالوضع الحالي للأسطول والفواتير بدلاً من الاعتماد على بيانات قديمة أو تقارير أرشيفية.

توفر هذه البنية لوحات جاهزة وذكية سياقياً تعرض مقاييس رئيسية مثل معدلات استخدام الأسطول، وملخصات استثناءات الفوترة، واتجاهات استرداد الإيرادات، وعمر الأصول على مستوى العميل. صُممت هذه اللوحات بصرياً لتناسب المستخدمين التجاريين وليس محللي البيانات فقط، مما يسهل فهم المعقدة التقنيات دون الحاجة إلى خبرة تقنية عميقة.

دروس مستفادة من التنفيذ

أبرزت تجربة Datacor أهمية التوازن بين الابتكار التقني والموثوقية التشغيلية. بدلاً من التركيز فقط على واجهات الذكاء الاصطناعي، ركزت الشركة على بناء أساس صلب من خطوط أنابيب البيانات والتحقق من الجودة. هذا النهج الحذر يضمن أن تكون الإجابات المقدمة للمستخدمين دقيقة وموثوقة، وهو أمر حاسم عند التعامل مع بيانات مالية تؤثر مباشرة على قرارات التسعير والإيرادات.

تُظهر هذه المبادرة كيف يمكن للشركات الصناعية تحويل بياناتها التشغيلية إلى ميزة تنافسية حقيقية من خلال دمج التحليلات الذاتية الخدمة. من خلال التعاون مع AWS، نجحت Datacor في إزالة الحواجز التقنية التي كانت تعيق عملاءها، مما يفتح الباب أمام قرارات أكثر استنارة وسرعة في قطاع يعتمد بشدة على كفاءة إدارة الأصول والإيرادات.

المصادر

• AWS Machine Learning BlogHow Datacor built self-service rental analytics with Amazon Quick Sight