Globale Konfigurator-Datenanalyse für Bentley Motors
Sessionisierung von 200 Millionen monatlichen Requests für Marketing-Intelligence
In vier Sprints entwickelte unser Expertenteam für Bentley Motors eine skalierbare Big-Data-Pipeline zur Analyse der weltweiten Nutzung des Car-Konfigurators. Aus fragmentierten Logfiles entstanden belastbare Insights zu regionalen Kaufmustern und Nutzungsverhalten im Premiumsegment.
| Kategorie | Details |
|---|---|
| Kunde | Bentley Motors in Zusammenarbeit mit Audi Business Innovation |
| Format | Big-Data-Projekt über 4 Sprints |
| Datenvolumen | ~200 Mio. Requests pro Monat, weltweit |
| Fokus | Session-Rekonstruktion, regionale Clusterbildung, Marketing-Insights |
| Team | Data Engineers & Backend-Entwickler:innen |
Der weltweit eingesetzte Online-Car-Konfigurator von Bentley Motors generiert täglich enorme Mengen an Log-Daten. Dennoch fehlte ein belastbares Verständnis darüber, wie sich Nutzer:innengruppen regional unterscheiden und welche Konfigurationsmuster tatsächliche kaufrelevanz darstellen. Zentrale Fragen waren: Welche Fahrzeugkonfigurationen sind in welchen Regionen besonders gefragt? Wo befinden sich potenzielle Käufer:innen und wo eher Markenfans? Die Antwort lag irgendwo in fragmentierten Rohdaten aus Logfiles in S3 vor, ohne Sessionisierung und ohne direkte Business-Aussage.
Unsere Aufgabe: Aufbau einer skalierbaren Datenpipeline zur Session-Rekonstruktion, regionalen Clusterbildung und Identifikation kaufrelevanter Muster – datenschutzkonform und produktionsfähig.
Rund 200 Millionen Requests pro Monat wurden AWS-basiert mit Python und Golang verarbeitet und aggregiert. Dabei wurden vollständig anonymisierte User-Sessions aus fragmentierten Log-Daten rekonstruiert. Die gesamte Verarbeitung erfolgte als robuste, nachvollziehbare Datenpipeline mit Fokus auf produktionsfähigkeit statt experimenteller Ansätze.
Ein globales Grid-System ermöglicht eine datenschutzkonforme, regionale Clusterbildung. Komplexe Logstrukturen wurden auf businessrelevante Features reduziert, während kontrollierte Geo-Resolution und Anonymisierung Datenschutzkonformität sicherstellten.
API-basierte Zugriffspunkte wurden für Audi Business Innovations und interne Auswertungen aufgebaut. Die entwickelte, skalierbare Infrastruktur bildet fortan die Grundlage für weiterführende Analysen sowie der geplante Zugriff auf die Konfigurator-Daten über ein LLM Sprachmodell mittels unserer AI-Plattform Atlas.
Die von uns entwickelte Pipeline transformiert globale Logfiles in eine strukturierte, datenschutzkonforme und skalierbare Entscheidungsgrundlage für strategische Maßnahmen bei Bentley Motors.