JetBlue fliegt mit Fivetran in neuen Sphären der Echtzeit-Analyse

Mit der Verwendung von Fivetran und Snowflake spart die Airline Zeit und deckt dabei Erkenntnisse unter Terabytes verstreuter Daten auf.

Wichtige Vorteile

  • Dank Fivetran und Hightouch spart Nando’s durch Automatisierung der ELT- und Datenintegrations-Workflows 80 % des Zeitaufwands ein.
  • Nando’s verwendet Google BigQuery als Data Warehouse, um fundierte Entscheidungen rund um das Kundentreue-Programm treffen zu können, was sich positiv auf das Geschäftsergebnis auswirkt.
  • Fivetran und Hightouch ermöglichen besseren Zugriff auf Daten in Marketing-Tools und eine gezieltere Segmentation von Kampagnen.
  • Das Datenteam bekommt mehr Zeit für wichtigere Aufgaben
  • Die Integration von Datenquellen bietet neue Erkenntnisse

Data Stack

  • Pipeline: Fivetran, Serverless und Google Cloud Resources
  • Quelle: Stripe, Zendesk, SQL Server, GitHub, SFTP
  • Destination: Google BigQuery
  • Business Intelligence: Looker
  • Reverse ETL: Hightouch

Die Fast-Food-Kette Nando’s, die für ihr Piri-Piri-Grillhähnchen bekannt ist, hat die Welt im Sturm erobert und betreibt inzwischen über 1.200 Filialen in 30 Ländern. Allein im Vereinigten Königreich und in Irland betreibt das Unternehmen über 450 Filialen und bedient 12 Millionen Kunden – das Ziel besteht darin, durch den Wechsel zu datengetriebenen Abläufen im Vereinigten Königreich und in Irland immer noch besser zu werden und den Kunden ein noch besseres Erlebnis zu bieten.

Die Herausforderung: Langsame und unflexible Infrastruktur

Der Erfolg von Nando’s beruht darauf, dass die Kunden ein erstklassiges kulinarisches Erlebnis haben, und diese Mission möchte das Unternehmen fortführen, indem es Daten nutzt, um noch besser mit Kunden zu kommunizieren. Miquel Puig, Technical Lead des Engineering-Teams, ist gemeinsam mit dem Team dafür verantwortlich, sicherzustellen, dass die Infrastruktur datengetriebene Marketing-Strategien unterstützen kann, insbesondere in Bezug auf Kundentreue und das Belohnungsprogramm.

Das Problem, dem sich Puig gegenübersah, bestand darin, dass die bereits vorhandene Infrastruktur nicht den Anforderungen des Unternehmens entsprach.

„Es war eine ziemliche Herausforderung, insbesondere aus Marketing-Sicht. Das Team braucht schnellen Zugriff auf Berichte und Dashboards, um erfolgreiche Kampagnen zu ermöglichen und auf die datenbasierten Erkenntnisse zu reagieren, und ebendiese Flexibilität fehlte uns“, sagte er.

Neben Puig umfasst das Datenteam drei Analysten, zwei Datentechniker, einen Produktmanager und einen Plattform-Manager. Unter Verwendung eines ELT-Ansatzes haben die Techniker manuell an Data Pipelines gearbeitet, während die Analysten geschäftliche Entscheidungen auf der Grundlage von Daten in der Erfassungsphase getroffen haben. Ein Anwendungsfall bestand dabei in der Umwandlung der erfassten End-of-Day-Daten in Erkenntnisse, die als Grundlage für Treue- und Belohnungsprogramme herangezogen werden können.

„Es mussten jeden Tag ganze Datenbanken repliziert werden, und die Modellerstellung war sehr problematisch“, so Puig. „Die Situation war natürlich alles andere als ideal. Das Team wendete viel Zeit auf das Erstellen einer solchen Pipeline auf, und die Ergebnisse waren bei Weitem nicht perfekt.“

Die Lösung: Klare Ansicht vertrauenswürdiger Daten

Man traf die Entscheidung, von Grund auf neu zu beginnen und die Unternehmensdaten von SQL Server zu Google Cloud Plattform zu migrieren. Als Data Warehouse im Herzen eines Modern Data Stacks wurde BigQuery ausgewählt; als Data Source-Konnektor entschied man sich für Fivetran sowie für Google Cloud Resources, Looker für BI und Hightouch als Reverse ETL- und Datenaktivierungslösung.

Das Ziel bestand darin, eine Infrastruktur aufzubauen, die Flexibilität und Transparenz bietet und dem Unternehmen eine übersichtliche Ansicht von Daten gibt, auf die es sich verlassen kann. Das Team wollte den Prozess standardisieren und dokumentieren. Dabei wollte man sich für das Erstellen einer Pipeline in der Erfassungsphase nicht nur auf einen einzigen Datentechniker verlassen, der gleichzeitig auch noch geschäftliche Entscheidungen treffen musste.

„Wir wollten so schnell wie möglich im Data Warehouse und unseren Marketing-Tools auf die Daten zugreifen können, im Idealfall sogar in Echtzeit. Dies war vom technischen Standpunkt aus betrachtet unser Hauptkriterium für den Erfolg“, sagte Puig.

Für die Datenintegration entschied man sich wegen der Flexibilität, Nutzerfreundlichkeit und Geschwindigkeit für Fivetran anstelle von Stitch.

„Wir haben Fivetran und den Stripe-Konnektor von Stitch miteinander verglichen. Am Ende entschieden wir uns für Fivetran, da die mengenbasierte Preisgestaltung transparenter war. Ein weiterer Faktor war die Nähe zu unserem Tech Stack in GCP“, so Miguel Puig Garcia.

Stripe und Zendesk waren unter den ersten Anwendungen, die für Daten in Bezug auf Transaktionen bzw. Kundeninteraktionen verbunden wurden, gefolgt von Drittanbieter-Daten über SFTP. Die enge Integration mit Google Cloud Platform war eine weitere Eigenschaft von Fivetran, die für Nando’s wichtig war.

Wegen seiner klaren Benutzeroberfläche, die sowohl für Datentechniker als auch für Marketing-Experten ansprechend ist, wurde Hightouch als Reverse ETL-Lösung ausgewählt. Hightouch übermittelt Daten aus dem Data Warehouse, die dann als Grundlage für die Nutzung geschäftlicher Tools und Workflows dienen. Hightouch bot überlegene Integrationen mit dem Marketing-Stack von Nando’s, mit deren Hilfe eine 360-Grad-Übersicht über die Kunden an das Kampagnen-Tool und Werbenetzwerke wie Facebook und Google Ads übermittelt werden konnten, um personalisierte Werbekampagnen zu starten. Außerdem profitierte das Team von den erweiterten Datenfunktionen von Hightouch, die die Verarbeitung großer Datenmengen ermöglichen, beispielsweise die automatische Wiederholung von Datenzeilen, wenn Fehler auftreten oder API-Grenzwerte erreicht werden.

Die Ergebnisse: Detaillierte Erkenntnisse für gezielteres Marketing  

Der größte Vorteil des Modern Data Stacks besteht darin, die Leistung des Unternehmens im Detail sehen zu können, von den umsatzstärksten Restaurants bis hin zu den beliebtesten Bestellungen bei Kunden. Fivetran ruft Zahlungsdaten aus Stripe ab und speist sie in Looker-Dashboards ein. Dadurch kann das Unternehmen schnell Erkenntnisse zu den verschiedensten Dingen erhalten, von Rabatten auf Mahlzeiten bis hin zu möglichen Betrugsfällen. Wenn die Daten in das Warehouse übertragen und modelliert worden sind, verwendet Nando’s Hightouch, um modellierte Daten zu Kunden, wie beispielsweise deren aktuellste Bestellungen und ihren Treuestatus, in die Kampagnen- und Segmentierungstools zu übertragen. Anschließend ist das Marketing-Team in der Lage, Kampagnen anhand dieser Daten wesentlich schneller als zuvor in Gang zu setzen. Beispiele sind die Kontaktaufnahme mit Platin-Kunden mit Spezialangeboten während Feiertagen oder individualisierte E-Mails für Gold-Kunden. Somit konnte Nando’s seine Kunden auch während des Covid-Lockdowns auf dem Laufenden halten. Warehouse-Daten haben es dem Unternehmen ermöglicht, Kunden auf Basis der Postleitzahl gezielt anzusprechen und auf anstehende Neueröffnungen von Filialen in ihrer Nähe hinzuweisen.

Der neue Stack machte nicht nur das Marketing effektiver, sondern entlastete das Datenteam auch von zeitaufwendigen Aufgaben.

„Früher haben wir 80 % der Zeit damit verbracht, Daten zu übertragen, um Kampagnen zu erstellen; inzwischen ist die Zeit auf 20 % zurückgegangen. Das bedeutet, dass wir uns mehr darauf konzentrieren können, ansprechende E-Mails zu erstellen und sicherzustellen, dass wir die Daten aus den Kampagnen zur Analyse zurückbekommen“, so Puig.

Die Integration unterschiedlicher Datenquellen hat den Weg für fortschrittlichere Arten der Analyse geebnet. Durch die Korrelation von Transaktionsdaten der Kassensysteme mit den Bestellungen von Platin- und Goldkunden kann das Kundenbindungs-Team die Effektivität seiner Programme analysieren und sie bei Bedarf anpassen. „Wir möchten auch genauer verstehen, von wo aus unsere Kunden bestellen“, so Puig, „also ob über einen Lieferpartner oder in unseren Filialen.“

Der Plan sieht vor, anstelle von E-Mails ab sofort andere digitale Kanäle auszuprobieren, beispielsweise Push-Benachrichtigungen. „Das ist alles Teil eines Weges, der ohne den Modern Data Stack nicht möglich wäre – wir fügen all die Teile zusammen, um dies möglich zu machen“, so Puig.

„Ich würde nicht sagen, dass wir aktuell bereits ein vollständig datengetriebenes Unternehmen sind, aber wir kommen dem näher. Wir möchten auf der Grundlage unserer Daten wesentlich demokratischer vorgehen“, sagte er. „Wir haben vor, Anfang des kommenden Jahres weitere Daten über verschiedene Produktteams hinweg einzusetzen, damit anhand dieser Daten entschieden werden kann, was wir unseren Kunden bieten möchten. Die Infrastruktur ist bereits vorhanden, jetzt müssen unsere Teams nur noch die Pipelines erstellen.“

Kostenlos starten

Schließen auch Sie sich den Tausenden von Unternehmen an, die ihre Daten mithilfe von Fivetran zentralisieren und transformieren.

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Company size
Region
Industry
Transportation & logistics
Sources
No items found.
Destinations
No items found.
Sources
No items found.
Destinations
No items found.
BI tool
No items found.
Try Fivetran for free
Key results
The total economic impact of Fivetran

Learn how automated data movement boosts productivity and accelerates insights for your business.

Download the report
Are you a true data pioneer?

Our quiz will tell you where you are on your data journey and what tools you can unlock to level up.

Take the quiz
Why they chose Fivetran

Further reading
No items found.
No items found.
Related customer stories
Case study

National Australia Bank enhances customer experiences and powers GenAI

Case study

Envision Pharma Group and Fivetran: Pioneering faster paths in pharma

Case study

Raiffeisen Bank International uses real-time data to win more customers

Case study

Saks achieves data efficiency & enables AI with Fivetran

Case study

Cemex connects 1,800+ global facilities in real-time

Case study

Gill Capital unlocks SAP data with Fivetran, boosts sales by 25%

Case study

HubSpot spart bei GenAI mit Fivetran 100.000 US-Dollar ein

Case study

Deliveroo verwandelt die Essenslieferung in eine datengesteuerte Unternehmung

Case study

Paylocity transforms its go-to-market strategy with Fivetran

Case study

Group 1001 increases productivity by 10X

Let's get you moving data