Wie lange dauert ein Onedot Produktdaten-Onboarding?

Der Lieferantenkatalog wird direkt durchprozessiert (straight through processing) und ein ERP/PIM-Import File generiert. Die Zwischenergebnisse der Kategorisierung, Attributmapping, Normalisierung etc. werden dem User über sogenannte Feedback-Tasks angezeigt, in welchen ein Validieren, Übersteuern der automatisieren Vorschläge möglich ist.

Das Feedback wird in einer erneuten Prozessierung dann umgesetzt und ein aktualisiertes ERP/PIM-Import-File erstellt. Bei einem Katalog Update ist der Feedback-Aufwand minimal, da das Mapping-Profil von der initialen Anbindung angewendet wird.

Wie weiss die Onedot Plattform wie Produktdaten aufzubereiten sind?

Zu Beginn der Zusammenarbeit wird das Produktdatenmodell (PDM) vom Händler in der Onedot Plattform abgebildet und über einen Synchronisationsprozess mit dem ERP/PIM kontinuierlich aktuell gehalten.

Dadurch sind der Onedot die Kategorien, Attribute, Wertelisten etc. bekannt für das erstellen der automatisierten Mappingvorschläge. Der Produktdatenexport (PDE), sprich der Auszug vom Händler ERP/PIM wird für das initiale Training der Onedot Plattform genutzt. Somit steht dem Händler eine händler-spezifisches Machine Learning Modell zur Verfügung für das automatisierte Onboarding.

Was passiert, wenn der Lieferant das Datenformat oder die Katalogstruktur ändert?

Onedot unterstützt das automatisierte Einlesen von den gängigen Formaten wie CSV, Excel, XML, TXT. Bei spezifischen Formaten muss das Einlesen teilw. einmalig konfiguriert werden durch einen Onedot Datenspezialisten. Es gibt keine Anforderung an die Katalogstruktur und die Struktur darf sich ändern. Onedot mapped automatisiert neue Kategorien, Attribute, Werte auf das Händler-Zielmodell. Beim erstmaligen Mapping wird empfohlen, dass der User die automatischen Vorschläge validiert. Je mehr der Lieferant auf seiner Seite ändert, desto mehr Validierung wird durch Onedot empfohlen.

Wie lange braucht ein User durchschnittlich, um Feedbacktasks abzuschliessen?

Der Zeitaufwand hängt von der Grösse vom Katalog ab, sprich Anzahl SKUs, Attribute, Kategorien und kann von wenigen Minuten bis mehreren Stunden dauern. Um den Feedback-Aufwand für den User so gering wie möglich zu halten, werden Zwischenergebnisse aggregiert dargestellt. Das heisst, dass der User bei der Kategorisierung z.B. nicht jedes Produkt, sondern auf Produktsegment-Ebene prüfen kann. Das Attributmaping ist so aufgebaut, dass Attribute wie “global” gemapped geprüft werden können, die Software dies aber kategoriespezifisch abbildet.

Wie läuft ein Produktdaten-Onboarding über die Onedot Produktdatenplattform ab?

Der Kunde kann zu Beginn der Zusammenarbeit die relevanten Onboarding Module festlegen. Der Onboarding Prozess beinhaltet in der Regel folgende Module:

1. Einlesen Produktdaten
2. Produktdatenabgleich mit ERP PIM
3. Extraktion (Attribute werden aus Fliesstext extrahiert)
4. Kategorisierung (Produkte werden Händler-Kategorien zugeordnet)
5. Attributmapping (Lieferanten-Attribute werden Händler-Attribute zugeordnet)
6. Normalisierung (von Zahlen, Einheiten, Wertelisten)
7. Erstellung ERP/PIM Import Datei

Wie funktioniert das Preismodell für ein Onboarding?

Onedot hat ein verbrauchsbezogenes Preismodell, d.h. Sie müssen nur für das bezahlen, was Sie effektiv auch nutzen. Der Preis setzt sich aus 2 Komponenten zusammen.

a) Grundgebühr der Platform, eingeteilt in sogenannte Tiers

b) Einzelpreis pro Lieferant, je mehr Lieferanten desto günstiger der Einzelpreis

Die Grundgebühr wird in der Regel durch den Händler, der Einzelpreis normalerweise durch den Lieferant selber bezahlt. Die Anzahl SKUs und die Anzahl User sind sind kein Preistreiber und unlimitiert.

Wie hoch ist das Konfidenz-Level der Onedot KI erfahrungsgemäss?

Dies ist stark abhängig von der Datenqualität vom Lieferantenkatalog sowie der Datenqualität von ihrem heutigen PIM/ERP, welches für das Training der Onedot Machine Learning Algorithmen verwendet wird.

Beim initialen Onboarding liegt die Genauigkeit der Ergebnisse in der Regel zwischen 60% und 70%. Die Genauigkeit der Resultate steigt durch die Iterationen an, wodurch zeitnah Werte von über 80%, teilweise sogar bis zu 96% erreicht werden. Zum Vergleich, der Mensch hat eine Genauigkeit von etwa 80%.

Wie kommen Produktdaten auf die Onedot Plattform?

Es gibt vier Wege wie Produktdaten auf die Plattform gebracht werden können:

1. Onedot Applikation: manuelles hoch/runterladen (drag and drop) per app.onedot.com

2. Onedot SFTP: automatisierter Datenaustausch per sftp.onedot.com

3. Onedot API: automatisierter Datenaustausch (www.onedot.com/api)

4. Email: senden der Produktdaten an eine spezifische Onedot Email-Adresse, wodurch der Katalog in der Onedot App hinterlegt wird

Kann die Onedot Produktdaten Plattform PDFs einlesen?

Bei PDF Dokumenten wird zwischen PDFs für Produktdaten-Onboarding und PDF für Assetdaten-Onboarding unterschieden. Erstere werden semi-manuell/automatisch ausgelesen und in ein maschinenlesbares Format gebracht, dass dann den normalen Onboarding Prozess durchläuft. Welche Daten vom PDF extrahiert werden, wird im Vorfeld mit dem Kunden definiert. Asset PDFs durchlaufen normale Schritte wie zB. Dateiumbenennung oder die Bereitstellung als Public Link.

Wo werden die Produktdaten gespeichert und wer hat die Rechte an den prozessierten Daten?

Die Onedot läuft auf Amazon Web Services (AWS) und die Daten werden in der EU Jurisdiktion gespeichert. Über SLAs wird definiert wie lange die Daten gespeichert werden. Die Rechte der Prozessierungs-Ergebnisse liegen vollständig beim Kunden. Weitere Informationen finden Sie in den Onedot Nutzungsbedingungen: www.onedot.com/terms-of-service

Wie wird Machine Learning auf der Onedot Plattform eingesetzt?

Machine Learning wird bei Onedot so genutzt, dass die Mappings für die einzelnen Onboarding Schritte nicht durch den User selber erstellt werden müssen, sondern dass die Software diese Zuordnungen automatisiert durchführt. Es kommen verschiedene syntaktische, und semantische Textanalysen zum Einsatz, darunter zählen Word Embedding Techniken sowie auch Deep-Learning / Transformer basierte Sprachmodelle. Durch das Onedot Machine Learning Research Team wird sichergestellt, dass die Onedot Platform auf den jeweils neusten Machine Learning Techniken basiert und eigene, sich am Markt differenzierende Algorithmen entwickelt werden.

Erleben Sie Onedot mit ihren eigenen Augen.
Sehen Sie selbst, wie viel hochqualitative Produktdaten für ihr Unternehmen bringen. Kostenlos und unverbindlich.
Demo vereinbaren