当前的经济环境正在对零售和消费品行业产生重大影响。消费者购物方式的快速变化正迫使企业重新思考其销售、营销和供应链战略。企业仍然可以降低成本，赢得市场份额，以推动更强劲的增长，但这需要以新的方式来理解和对待消费者。通过使用大数据和人工智能，零售商和消费品公司可以重新将精力集中在那些能够迅速实现价值并推动未来增长的领域。多年来，Spark+AI峰会一直是希望使用领先的开源技术（如apachesparktm、Delta-Lake和MLflow）大规模构建人工智能应用程序的首选会议场所。2020年，我们将继续传统，将峰会完全虚拟化。来自世界各地的数据科学家和工程师将能够与2020年6月22日至26日一起学习和分享实现人工智能好处的最佳实践。今年，我们为零售和消费包装产品行业的数据团队提供了丰富的经验。与成千上万的同行一起探索数据和人工智能的最新创新如何提供优化供应链的新方法，并与现代购物者更深入地联系。注册Spark+AI峰会，参观零售和CPG酒廊，充分利用所有会议和活动。以下是我们在今年峰会上最受期待的零售和CPG会谈的概述：星巴克主旨：星巴克如何实现其"企业数据使命"，实现数据和ML的规模化，并提供世界级的客户体验星巴克的一个重要方面就是数据，以确保顾客体验的卓越而闻名。大量的数据。本主题演讲重点介绍了公司如何在规模上做出数据驱动的决策，包括在PB级别上使用受管流程处理客户数据，以业务速度部署平台，以及在整个企业中启用ML。加入我们，了解构建世界级企业数据平台以驱动世界级CX的来龙去脉。哥伦比亚Columbia从传统的数据仓库迁移到了Delta Lake的开放数据平台今天，Columbia无缝集成了来自所有业务线系统的数据，以管理其批发和零售业务，但情况并非总是如此。在本演示文稿中，您将了解他们是如何将管道创建时间缩短70%，并将ETL工作负载时间从4小时减少到几分钟，从多个旧数据仓库切换到Azure Databricks和Delta Lake，从而大大提高了效率和近乎实时的分析能力。沃尔玛异构数据上的身份图构建客户和服务提供商以各种模式和渠道进行交互，这使得统一的身份视图成为一项经常复杂的挑战。由于每个交互或事务事件都包含某种形式的身份，因此需要一个高度可伸缩的平台来识别和链接属于单个用户的身份，并将其作为连接的组件。沃尔玛通过使用Spark处理引擎构建身份图平台解决了这个问题。加入本次演讲，听听他们是如何创建一个解决方案，处理250多亿个顶点和300多亿个边，以及每天递增的2亿个新链接。火星使用Delta Lake和"Kyte"构建Petcare数据平台：我们的Spark ETL管道Mars Petcare专注于构建未来宠物护理数据平台，为其众多宠物护理品牌（如Iams、Whiskas、Pedigree和Nutro）提供分析和客户见解。在这篇演讲中，学习Mars如何利用Spark和Databricks来构建"Kyte"，这是一个定制的管道工具，它极大地提高了它们吸收、清理和处理新数据源的能力。了解更多为什么他们选择Spark重ETL设计和Delta Lake驱动平台，以及为什么他们承诺将Spark和Delta Lake作为其平台的核心，以支持他们的使命：为宠物创造一个更美好的世界！伊福在iFood建立实时功能商店iFood是拉丁美洲最大的食品科技公司。为了保持他们的顶级地位，他们建立了几个机器学习模型，为诸如：完成订单需要多长时间？；向消费者推荐哪些最好的餐厅和菜肴？付款方式是否欺诈？；等等。为了生成这些模型的训练数据集，并实时服务于特征，以便正确地进行预测，有必要创建高效的分布式数据处理管道。在这篇演讲中，学习iFood如何使用Databricks和Spark Structured Streaming来处理事件流，将它们存储在历史Delta-Lake表和Redis低延迟访问集群中，以及它们如何构建开发过程。您可以在我们的零售和消费包装商品峰会页面上看到完整的会谈清单。零售及消费品论坛请于6月25日星期四上午11:30-下午1:00参加Spark+AI峰会上的互动零售和CPG论坛。在这个免费的虚拟活动中，您将有机会与您的同行建立联系，并参与与行业领袖的小组讨论，讨论数据和机器学习如何推动整个零售价值链的创新。小组成员包括：罗伯特·鲁奇高级副总裁、首席信息官布拉德肯特分析与见解副总裁伊瓦图里莎丽数据系统总监零售和CPG中流行数据+人工智能用例演示参加我们的峰会，现场演示零售和消费品行业最热门的用例：需求预测迫使公司放弃需求预测的计算限制已经成为过去。在这个演示中，我们将向您展示如何利用许多公司使用的弹性可伸缩模式，以过去几年无法达到的粒度级别生成及时的预测。安全库存分析需求预测的一个关键应用是计算所需的缓冲库存（又称安全库存），以确保客户对货物的需求立即得到满足。随着传统企业在COVID危机后转向限制侧面交货和在家交货，库存管理的这一方面变得更为关键随着客户忠诚度转向那些最有能力履行其在线应用程序承诺的零售商。在这个演示中，我们将检查在安全库存计算中所做的一个常见的替换是如何将寻源置于风险之中的。顾客终身价值与客户保持健康、有利可图的关系需要了解他们的个人收入潜力。客户生命周期价值（CLV）是捕捉这一潜力的常用指标，但在非订阅零售模型中，确定可能的未来支出和可变保留率非常困难。在本演示中，我们将介绍BTYD模型作为克服这些挑战的一种手段，并提供可靠的CLV估计值。客户细分由于时间序列的时间依赖性，为预测而对时间序列数据进行争论、分析和系统建模需要一套独特的技术。在本次培训中，沃尔玛将讨论构建和部署时间序列预测的一些最基本的概念和技术。加入学习时间序列数据的关键特征，总结时间序列的统计，描述时间序列特征的图形技术，以及在实践中适当应用自回归类型和神经网络模型所需的基本概念和技术。零售业的实际问题解决：使用apachespark进行实时数据分析数据库培训在这半天的课程中，您将学习Databricks和Spark如何帮助您解决在处理零售数据时遇到的实际问题。您将学习如何处理脏数据，并开始使用结构化流和实时分析。学生们还将获得一个较长的带回家的顶石练习，作为课堂的奖励内容，在那里他们可以应用所提出的所有概念。这门课是用Python和Scala同时教授的。报名参加Summit零售和消费品体验！要充分利用Spark+AI峰会上的零售和消费包装商品体验，只需注册我们的免费虚拟会议，并在注册过程中选择零售和消费包装商品论坛。如果您已经注册了会议，请登录您的注册帐户，编辑"其他活动"并检查您想参加的论坛。免费试用Databricks。今天就开始吧