Mit Fivetran spart Banxware 140.000 Euro pro Jahr beim Data Engineering

„Wir automatisieren so viel wie möglich. Dank Fivetran und seinem gesamten Ökosystem gelingt uns das unter Einhaltung sämtlicher Governance-, Sicherheits- und Datenschutzvorschriften.“
– Nicolas Kipp, Mitbegründer und CRO bei Banxware

Das deutsche Fintech-Startup Banxware möchte die Unternehmensfinanzierung modernisieren. Es ermöglicht digitalen Plattformen wie Marktplätzen, Zahlungsanbietern, POS-Anbietern und sonstigen Aggregatoren, ihren Händlern White-Label-Finanzprodukte einschließlich Krediten anzubieten.

Zu den größten Kunden gehören Lieferando (die größte Lieferdienstplattform in Deutschland), everstox, PAYONE, ECOMMERCE ONE, TeleCash, Qonto, AGICAP, Fyrst, ALPHA POOL und Forto. Die Software lässt sich unkompliziert über eine API integrieren; der Vorgang für Verkäufer ist genauso schnell und einfach. Sie beantragen direkt auf der Plattform einen Kredit und legen die Bedingungen fest. In 15 Minuten ist der Kredit genehmigt und der Verkäufer erhält sein Geld. Banxware hält für seine Kunden die gesetzlichen Vorgaben von Know Your Customer (KYC) und Anti-Money Laundering (AML) ein.

Als Banxware als Unternehmen reifte, musste es – besonders während der Corona-Pandemie – aussagekräftige und umsetzbare Erkenntnisse gewinnen, um gründlicher informierte Geschäftsentscheidungen zu treffen und seine Kunden besser zu unterstützen. Es stellte sich jedoch als beinahe unmöglich heraus, die richtigen Mitarbeiter zu finden, um Datenpipelines manuell zu erstellen und zu warten.  Nach der Evaluierung mehrerer ELT-Tools entschied sich Banxware aus den folgenden Gründen für Fivetran:

• Integrierte Sicherheits-, Datenschutz- und Governance-Funktionen – die auf dem Finanzmarkt absolut entscheidend sind. Diese Funktionen sorgen auch dafür, dass Banxware die Vorgaben der DSGVO und anderer Banking-Verordnungen einhält.
• die Möglichkeit, zur Einhaltung der DSGVO das AWS-Hosting in der Europäischen Union auszuwählen
• die größte Anzahl an wartungsfreien Konnektoren (mehr als 300)
• Ausfallsicherheit mit einer Uptime von 99,9 Prozent
• Pipelines, die sich automatisch an Änderungen von Quell-APIs und Schemas anpassen    

Die Implementierung von Fivetran war bereits nach wenigen Tagen abgeschlossen. Banxware tat sich außerdem mit KEMB zusammen, einem Beratungsunternehmen, das sich auf Business Intelligence und digitale Transformation spezialisiert hat, und setzte für die Modernisierung seines Data Stack auf dbt.

„Das Ökosystem von Fivetran stellte einen großen Vorteil dar, weil es sich nicht nur um die Kooperation zwischen Unternehmen handelt, sondern um ein Netzwerk aus Menschen, die sich kennen und sehr eng zusammenarbeiten. So gut, wie diese Personen vernetzt sind, so einfach können wir auch unsere Daten vernetzen.“
– Nicolas Kipp, Mitbegründer und CRO bei Banxware

Heute nutzt Banxware Fivetran für die Aufnahme von Daten aus Postgres, S3, Dynamo und HubSpot in Snowflake, um Tableau-Dashboards und Berichte zu erstellen. Die Daten liefern wertvolle Erkenntnisse für die Mitarbeiter aus Vertriebs- und Kundensupport. Diese Teams können nun besser nachvollziehen, auf welche Vertriebskanäle sie sich konzentrieren sollte und wie es um das Kundenbefinden bestellt ist. Außerhalb erhalten sie Informationen zu den Workloads. Aufgrund dessen profitiert das Unternehmen von einer höheren Transparenz bei allen Bereichen des Unternehmens und allen Banxware-Mitarbeitern stehen die Daten zur Verfügung, die sie tagtäglich für bessere Entscheidungen benötigen.

Jetzt arbeitet das Team daran, auch Daten von Google Analytics aufzunehmen, um ein präziseres Bild seines Marketingtrichters zu erhalten. Um weitere Einblicke zu gewinnen, plant Banxware darüber hinaus die Erstellung zusätzlicher dbt-Modelle. Das Unternehmen orchestriert mit Fivetran Transformations für dbt Core benutzerdefinierte Datenbanktransformationen, die mit den ELS- und Postgres-Konnektoren synchronisiert werden.      

„Noch vor wenigen Jahren mussten Unternehmen alles selbst entwickeln und neue Hardware kaufen, um ihre Systeme skalieren zu können. Heute nutzen wir den Modern Data Stack, um unsere Business Intelligence zu automatisieren und die Einrichtung basierend auf unseren Anforderungen komplett flexibel zu gestalten.“

[CTA_MODULE]