Ein Cloud-basiertes Unternehmen für Markenmanagement-Plattformen entwickelt mit der Snowflake Data Cloud ein vertrauenswürdiges Datenökosystem

Industrie

Technologie

Datentechnik Datenwissenschaft Gemeinsame Nutzung von Daten Snaowflake Datenwolke

Einführung

Eine einfache Implementierung half ihnen, schnell Prototypen von Datenpipelines zu erstellen, um einen robusten, genauen und zukunftssicheren Ansatz für Daten zu finden.

Über den Kunden

Die Vision des Unternehmens ist es, eine Welt zu schaffen, in der jeder am Aufbau geliebter Marken beteiligt ist. Die Saas-Plattform bringt alles, was mit Marken zu tun hat, in einem Ökosystem zusammen, einschließlich Markenrichtlinien, DAM, einem Raum für Zusammenarbeit und mehr. Ein einzigartiges Netzwerk von Integrationen, ein offenes Entwickler-Toolkit und zukünftige Angebote zur Erweiterung des Ökosystems sorgen dafür, dass sich Marken in jeder Größenordnung mit ihnen weiterentwickeln und erfolgreich sein können.

Auswirkungen

Einfache Implementierung und Entwicklung: Eine einfache Implementierung half ihnen, schnell Prototypen von Datenpipelines zu erstellen, um einen robusten, genauen und zukunftssicheren Ansatz für Daten zu finden.
Starke, konsistente Leistung: Durch die Entwicklung seiner Datenpipelines in Snowflake erhält das Unternehmen die Leistung, die es für die ThoughtSpot-Analyseumgebungen benötigt.
Zuverlässige Daten und Erkenntnisse: Mit einer robusten Analyse-Pipeline und flexiblen Verbindungen zu Tools wie Fivetran und ThoughtSpot wissen die Nutzer, dass sie ihren Daten und Erkenntnissen vertrauen können.

Herausforderungen

Durch die Aufrechterhaltung der Abfrageleistung und des Vertrauens bei wachsendem Datenvolumen hat das Unternehmen eine rasante Entwicklung vom Startup zum weltweit führenden Markenmanagementunternehmen durchlaufen. Doch mit dem Wachstum des Unternehmens wuchsen auch seine Daten. “Als ich in das Unternehmen eintrat, waren wir ein Team von 80 Mitarbeitern”, erklärt Sibel Atasoy Wuersch, Leiterin der Datenabteilung. “Aber selbst für ein Unternehmen dieser Größe generierten wir eine Menge Daten über alle unsere Tools.

Zunächst verwendete das Unternehmen benutzerdefinierte Python-Skripte, um Daten in eine MySQL-Datenbank zu verschieben, und nutzte dann Tableau für die Berichterstattung. Mit der Zeit blieb die Leistung der Datenbank jedoch hinter den Erwartungen zurück.

“Wir hatten Probleme mit unseren Skripten, die zu inkonsistenten, unzuverlässigen Daten führten”, so Atasoy Wuersch. “Es dauerte zu lange, bis unser Führungsteam die benötigten Einblicke erhielt, und es war nicht skalierbar.

Lösung

Eine bewährte, moderne und zukunftssichere Datenplattform
Atasoy Wuersch und ihr Team begannen mit dem Vergleich von Datenplattformlösungen. Und als sie Proof-of-Concept-Projekte (PoC) durchführten, wurde die Entscheidung schnell klar.

“Wir haben eine ganze Reihe von Kriterien berücksichtigt”, sagte Atasoy Wuersch. “Wie einfach ist es, eine Verbindung zu verschiedenen Quellen herzustellen? Wie einfach ist es, den Zugang zu verwalten? Wie sieht es mit den Kosten aus? Ist sie flexibel? Als wir diese Fragen stellten, hatte eine Plattform alle Antworten: Snowflake war der klare Sieger.”

Innerhalb von drei Monaten haben sie zwei Proof-of-Concept-Projekte durchgeführt, darunter einen Vergleich zwischen Fivetran und Stitch. Das Unternehmen entschied sich schließlich für Snowflake und Fivetran und verbrachte neun Monate mit der Migration von Arbeitslasten und der Verbindung größerer Datensätze durch benutzerdefinierte Skripte.

“Wir haben schnell gehandelt, aus jeder Phase gelernt und schließlich einige unserer drängendsten Probleme in Bezug auf Datenvalidierung und Vertrauen gelöst.”

MICHAL LAPINSKI, Leiter der Dateninfrastruktur

Ergebnisse

Eine einfache Einrichtung hilft ihnen, zu experimentieren und eine robuste Datenpipeline aufzubauen

Dank der einfachen Dokumentation von Snowflake konnte das Team seine beiden PoC-Projekte gleichzeitig mit nur einem Data Engineer, Lukas Jaeger, verwalten. “Die Umstellung von unserer MySQL-Umgebung auf Snowflake war recht einfach. Wir mussten nur die Zieldatenbank ändern und waren im Grunde genommen startklar”, so Jaeger. Sie haben Snowflake in mehreren Phasen eingeführt. Zunächst wurden Datenquellen über Fivetran in Snowflake integriert, aber diese Phase umfasste nur die Aufnahme und Speicherung von Rohdaten. In der zweiten Phase wurde die Datenbank entworfen und Data Marts entwickelt, um weitere in Snowflake gespeicherte Daten zu analysieren. In dieser Phase wurde auch ThoughtSpot eingeführt – das Team musste also seine Data Marts zum Laufen bringen und gleichzeitig Daten für die ersten ThoughtSpot-Anwendungsfälle vorbereiten.

Zu dieser Zeit wurde auch das Datenteam umstrukturiert. Michal Lapinski, Leiter der Dateninfrastruktur, wurde hinzugezogen, um sicherzustellen, dass die letzten Phasen der Einführung reibungslos verliefen. Nach der Markteinführung von ThoughtSpot wurde das Team weiter ausgebaut, um die Datenerfassung, -validierung und -bereitstellung zu skalieren und das Bewusstsein, die Akzeptanz und das Enablement zu steigern.

“Es gab viele Dinge, die wir sorgfältig geplant und mehrmals überarbeitet haben, wie z. B. unsere Datenschemata und Datenbanken sowie unsere Herangehensweise an die Benutzerzugriffsrechte”, erinnert sich Lapinski. “Wir sind ein paar Umwege gegangen, aber wir haben sie schnell genommen, aus jeder Phase gelernt und schließlich einige unserer dringendsten Herausforderungen in Bezug auf Datenvalidierung und Vertrauen gelöst.”

Vertrauenswürdige Daten sind die Grundlage für vertrauenswürdige Geschäftsentscheidungen.

ThoughtSpot und Snowflake liefern genaue, zuverlässige Informationen, die Führungskräften und Mitarbeitern helfen, sichere Entscheidungen zu treffen. “Vertrieb, Marketing, Kundenerfolg, Finanzen und sogar unsere Produktteams nutzen Snowflake und ThoughtSpot, um auf Daten zuzugreifen”, erklärt Lapinski. “ThoughtSpot Liveboards, die von unserer Datenpipeline in Snowflake unterstützt werden, helfen diesen Teams, die Leistung anhand unserer KPIs jede Woche zu analysieren, um sicherzustellen, dass das Unternehmen auf dem richtigen Weg ist, unsere Ziele zu erreichen.

Und wenn sie diese Ziele nicht ganz erreichen, vertrauen die Teams darauf, dass sie über die richtigen Daten verfügen, um das Problem zu erkennen und eine Lösung zu finden. “Eine zentrale Quelle der Wahrheit zu haben, die aufzeigt, was die Leute falsch machen, ist wirklich wertvoll”, sagte Lapinski. “Wenn wir alle unsere Tools über Snowflake und ThoughtSpot miteinander verbinden, können wir sehen, wo wir Lücken haben.

“Was wir in ThoughtSpot erreicht haben, braucht eine leistungsfähige Umgebung, in der die Daten richtig gestaltet sind”, erklärt Lapinski. “Wir machen das mit Snowflake. Wir nutzen die Plattform, um Pipelines zu erstellen und das Backbone für Self-Service-Analysen für unsere Nutzer zu entwickeln.” Die Zahlen sprechen für sich. Die Teams verzeichnen durchschnittliche Abfrage-Antwortzeiten von 0,22 Sekunden bei 660 Millionen Datenzeilen in ThoughtSpot-Produktionsumgebungen. “Ich kann nur sagen: Danke, Snowflake, für die fantastische Leistung”, sagte Lapinski. “Früher hätten wir das einfach nicht geschafft.

“Vielen Dank, Snowflake, für die fantastische Leistung. Das hätten wir vorher einfach nicht geschafft.”

MICHAL LAPINSKI, Leiter der Dateninfrastruktur