Wie Brilliant Earth die Datendemokratisierung mit Snowflake und Posit vorantreibt

Brilliant Earth, ein Luxusunternehmen für feine Schmuckstücke und Verlobungsringe mit starkem E-Commerce-Fußabdruck und einem wachsenden US-Showroom-Netzwerk, passt täglich automatisch seinen riesigen Diamantenbestand an. Dieses Preismodell läuft direkt in Snowflake – eine automatisierte Funktion, die Brilliant Earth dazu veranlasst hat, Snowflake überhaupt erst zu nutzen.

Diese erfolgreiche Automatisierung legte die Messlatte für den Rest des Unternehmens höher. Als Brilliant Earth auf sämtlichen Kanälen expandierte, wuchs der Erkenntnishunger schneller, als es herkömmliche Berichte hergeben konnten. Sorgfältig entwickelte wöchentliche Data-Science-Berichte erfassten Zeitpunkte, aber das Team sah eine Chance in der Geschwindigkeit der Bereitstellung: Was, wenn Entscheidungsträger im gesamten Unternehmen direkten Self-Service-Zugriff auf dieselben vertrauenswürdigen Daten hätten?

„Brilliant Earth verfügte bereits über ein hochleistungsfähiges Data-Science-Team und gut kontrollierte Daten“, bemerkt Natallia Drobau, Senior Solutions Advisor bei Posit. „Die Möglichkeit bestand darin, die Reichweite des Teams zu erweitern, damit ihre Modelle und Einblicke Entscheidungen im gesamten Unternehmen treffen können, anstatt über einen einzigen Berichtskanal zu fließen.“

Matthias Mueller, Senior Director of Analytics and Data Science bei Brilliant Earth, sah in diesem internen Talent genau den Grund, den Ansatz des Unternehmens zu ändern. „Wir haben unglaubliche Talente bei Brilliant Earth. Hier arbeiten einige der besten Leute, mit denen ich je gearbeitet habe“, so Mueller. „Es war wirklich eine Übung, Menschen in dasselbe kontrollierte Ökosystem und dieselbe Plattform zu bringen, um all diese Talente zu nutzen.“

Um die Lücke zwischen Data Science und Echtzeit-Umsetzung zu schließen, entschied sich Brilliant Earth für Snowflake und Posit. Posit ist das Softwareunternehmen hinter weit verbreiteten Open-Source-Tools für Data Science wie RStudio, Shiny und Quarto sowie Posit Team, einer Unternehmensplattform für den Aufbau, die Veröffentlichung und den Austausch von Data Science-Arbeiten in Python und R. Sehen wir uns an, wie Brilliant Earth Posit nativ in Snowflake einsetzte, um seine zentrale Analysefunktion von einem transaktionalen Reporting-Desk in einen strategischen Entwickler von Self-Service-Datenprodukten zu verwandeln.

Beseitigung von Governance-Engpässen auf Infrastrukturebene

In vielen Handelsunternehmen stockt die Datendemokratisierung, weil Teams ihre eigenen isolierten Tools einsetzen, was zu widersprüchlichen Berichten und administrativen Albträumen für die IT führt.

Brilliant Earth löste dieses Governance-Dilemma, indem es Posit Team als Snowflake Native App installierte, die auf Snowpark Container Services ausgeführt wurde. Anstatt einen separaten Server mit redundanten Sicherheitsprotokollen zu unterhalten, die Wartung und Überwachung erfordern, integrierte das Unternehmen Posit direkt in seine Snowflake-Umgebung.

Die Benutzerbereitstellung erfolgt nun vollständig automatisiert. Ein Mitarbeiter fordert Posit-Zugriff durch Klicken auf eine Kachel im IT-Ticketing-System. Der Manager des Antragstellers und das Analyseteam genehmigen dies, und das System weist den Benutzer automatisch der Gruppe des richtigen Single Sign-On (SSO)-Anbieters zu, was die Bereitstellung der richtigen Snowflake-Rollen und Posit Connect-Kontoeinstellungen auslöst.

„Das Schöne an der Bereitstellung von Posit im Snowflake-Ökosystem ist, dass die Kontrollen, die wir in Snowflake implementieren, weiterhin den gesamten Zugriff regeln, alle Benutzerrollen und alle Tabellen, auf die jemand zugreifen kann“, erklärt Mueller. „Posit Connect leitet Berechtigungsstrukturen nativ von Snowflake ab, sodass unser IT-Team auf höchster Ebene für Berechtigungen zuständig sein kann, die über unseren SSO-Anbieter kontrolliert werden“, merkt er an und fügt hinzu, dass diese Governance nahtlos von der Stange funktioniere.

„Nachdem wir Posit bei früheren Unternehmen auf separaten Stand-alone-Servern bereitgestellt hatten, war der Wechsel zu einer nativen App innerhalb von Snowflake eine Veränderung der Architektur“, merkt Mueller an. „Doch die nahtlose Governance macht es zu einem unglaublich leistungsfähigen System. Ich habe es nicht eine Minute lang bereut, es so einzusetzen, und ich würde es auf jeden Fall wieder so machen.“

Von statischen PDFs zur interaktiven Szenarioplanung

Schon vor der Transformation nutzte Muellers Data-Science-Team bei Brilliant Earth ausgefeilte Data-Science-Modelle, um seine Investitionsentscheidungen zu optimieren. Ein Beispiel hierfür ist das firmeneigene Bayesian Marketing Mix Model (MMM). Bevor Posit und Snowflake zusammengeführt wurden, waren diese Modelle größtenteils dem Data-Science-Team selbst zugänglich. Führungskräfte erhielten zusammenfassende Statistiken, PowerPoint-Decks und andere statische Empfehlungen.

Um die Leistungsfähigkeit des MMM direkt in die Hände der Entscheidungstragenden zu legen, gründete Muellers Data-Science-Team das Modell auf Daten von Snowflake und entwickelte darauf eine interaktive Streamlit-Anwendung, die auf Posit Connect gehostet wurde. Heute kann das Wachstumsteam von Brilliant Earth selbstständig Antwortkurven erkunden, die Kanalleistung bewerten, Budgets festlegen, Einschränkungen wie Kanalsättigungspunkte anwenden und benutzerdefinierte Szenariosimulationen mit prognostizierten Umsatz- und ROI-Metriken durchführen.

„Das beste Fachwissen, das wir brauchen, um diese Szenarien umzusetzen, haben unsere Geschäftsteams“, merkt Mueller an. „Mit der Entwicklung dieser Frontend-Schnittstelle wollen wir die Entscheidungstragenden direkt in die Hände legen, sodass sie mit dem Datenmodell interagieren können, ohne Code schreiben zu müssen.“ Mueller zufolge hat sich dies tiefgreifend auf das Wachstumsteam ausgewirkt.

Modernisierung des Betriebs für mehr als 100 Showroom-Manager

Der nächste große Test bestand darin, über 100 Benutzer des Showroom-Betriebs – die für die Verfolgung der Performance auf Ladenebene verantwortlich sind – von einer veralteten BI-Plattform zu wechseln. Zwar führte der Umzug zu erheblichen Kosteneinsparungen durch das Ablösen alter Softwarelizenzen, doch die Einführung von Software war auch eine Chance, eine ausgezeichnete Benutzererfahrung zu schaffen.

»Wir sind alle Gewohnheitstiere«, sagte Müller. „Letzten Endes geht es darum, etwas zu entwickeln, das jemand als Verbesserung gegenüber dem wahrnimmt, was er hat.“

Anstatt einfach nur vertraute statische Tabellen neu zu erstellen, verpackte das Analyseteam die neuen Posit-Dashboards in Querychat, eine kontrollierte dialogorientierte Oberfläche. Anstatt durch komplexe Filter zu navigieren, kann ein Showroom-Manager nun eine Aufforderung in natürlicher Sprache senden, wie z. B. „Ich suche nach den letzten 14 Tagen Buchungsperformance für meinen Showroom“, und sofort eine individuelle Ansicht abrufen.

Erstellung zuverlässiger Erzählberichte mit KI

Um die manuelle wöchentliche Berichterstattung zu ersetzen, ohne dabei auf mathematische Genauigkeit verzichten zu müssen, hat Brilliant Earth eine strikte Trennung zwischen quantitativer Berechnung und Textgenerierung eingeführt.

Python- und R-Code berechnen die nötigen Kennzahlen direkt anhand von Snowflake-Daten. Erst wenn die Zahlen validiert sind, werden sie an die API eines LLM übergeben, um Trends zusammenzufassen und wöchentliche Berichte in natürlicher Sprache zu schreiben.

„Wir nutzen das LLM, um es in Prosa zusammenzufassen, und darin ist es wirklich gut. Aber mathematische Funktionen sollen Rechenressourcen besitzen. Posit Connect basiert auf Code, was bedeutet, dass wir ihn verifizieren können. Es ist wiederholbar, wartbar und zuverlässig“, so Mueller.

Schnellere Entwicklung und schnellere Wegwerfanalytik

Da KI-gestützte Programmierung und Posit nahtlos in Snowflake ausgeführt werden, ist die benutzerdefinierte Anwendungsentwicklung unglaublich schnell. Das Team kann es sich nun leisten, leichte analytische Tools zu entwickeln, die für den unmittelbaren, kurzfristigen Bedarf entwickelt wurden.

„Ein Shiny-Dashboard zu haben, es auf Posit zu hosten und mit Snowflake zu verbinden, geht jetzt so schnell, dass ich wirklich auf die Idee gekommen bin, Wegwerfartefakte zu generieren“, erklärt Mueller. „In den meisten Fällen erklären sie das Problem oder die Analyse viel besser und es ist jetzt möglich, sie auszuspucken, ohne sie stundenlang zu erstellen.“

Bei Brilliant Earth entwickeln auch Domänenexpert:innen aktiv eigene Lösungen. Indem Merchandiser:innen Frontier-Modelle wie Claude mit Snowflake CoWork-Agenten verbinden, die auf kontrollierten semantischen Ebenen entwickelt wurden, können sie einen Prototyp eines benutzerdefinierten Berichts erstellen, der auf ihre spezifischen Metriken wie Karatgewichte und Durchverkaufsraten zugeschnitten ist. Wenn sich ein Prototyp als äußerst wertvoll erweist, erstellt das Analyseteam diese auf der Grundlage validierter Snowflake-Daten neu und veröffentlicht sie in Posit Connect als unternehmensgerechte Anwendung.

Skalierung der Governance im gesamten Unternehmen

Brilliant Earth plant als Nächstes das Onboarding seiner Merchandising-, Digital- und Finanzteams. Das Ziel ist also die Neuerfindung statt die Replikation, wie sich das Unternehmen den Schritt in die nächste Phase der Geschäftsanalytik vorstellt. 

„Ich möchte keine ständig wachsende Anzahl von Dashboards neu erstellen“, erklärt Mueller. „Ich möchte nur herausfinden, was jemand haben möchte, mit diesen Stakeholdern zusammenarbeiten und diese Dinge dann stattdessen als vollständig individuelle Lösungen entwickeln. Wir versuchen, etwas zu entwickeln, das wir in zwei Jahren nutzen wollen."

Der Ansatz spiegelt eine wichtige Lektion für eine moderne Handelsdatenstrategie wider. Sem Sergunin, Retail and Consumer Goods Industry Lead bei Snowflake, warnte, dass der Einsatz von KI-Agenten auf unvorbereiteten Rohdaten nur dazu diene, "Ihr Chaos zu skalieren". Brilliant Earth hat diese Falle vermieden, indem es kontrollierte Daten in Snowflake eingerichtet, Data Scientists eine robuste Umgebung in Posit direkt neben diesen Daten bereitgestellt und interaktive Tools direkt in die Hände von Geschäftsexpert:innen gelegt hat.

Die komplette Customer Story lesen

Sehen Sie sich das On-Demand-Webinar „Inside Brilliant Earth's AI Transformation with Snowflake + Posit“ an, um von Matthias Müller und Natallia Drobau mehr über die Datentransformation von Brilliant Earth mit Snowflake und Posit zu erfahren, und sehen Sie sich an, wie sie einen Marketing Mix Szenario Planer demonstrieren. Um individuelle, kontrollierte Analytics-Apps für Ihre eigenen Geschäftsteams bereitzustellen, erkunden Sie die Posit Team Native App auf dem Snowflake Marketplace, wo Sie mit einer 30-tägigen kostenlosen Testversion beginnen können.