Snowflake baut mit Fivetran einen erstklassigen Data Stack auf

Wichtige Ergebnisse:

• Hat über 900 Fivetran-Konnektoren über mehr als 400 Mio. Monthly Active Rows hinweg eingerichtet.
• Hat eine 360-Grad-Ansicht des Kundenverhaltens erstellt, dank deren das Marketing Team die Effizienz im Hinblick auf Marketing-Kosten und zielgerichtete Werbung erheblich steigern konnte.
• Hat einen umfassenden Data Consumption Layer eingerichtet, der Hunderten internen Kunden und nichttechnischen Analysten den Zugriff auf erfolgsentscheidende Daten ermöglicht.

Hintergrund:

• Unternehmensgröße: 4.000+ Mitarbeiter
• ELT: Fivetran, Fivetran Transformations für dbt Core™
• Destination: Snowflake Data Cloud
• Fivetran-Konnektoren: Connections Service, Marketo, Jira, Salesforce, Salesforce Sandbox, Github, Servicenow, Webhooks, Greenhouse, Hubspot, Snowplow, Google Analytics, Bing Ads, Google Ads, LinkedIn Ads, Workday, Youtube Analytics, Qualtrics, Google Sheets, Facebook Pages, Facebook Ads, Instagram Business, E-Mail, Google Drive, Stripe, Survey Monkey
• BI: Tableau, ThoughtSpot
• Weitere Daten-Technologien: dbt Core™, Alation, ThoughtSpot, Airflow
• Fivetran-Abo: Enterprise
  ‍
  

Nach der Gründung im Jahr 2012 ist Snowflake im wachsenden Ökosystem von Modern Data Stacks inzwischen omnipräsent und ermöglicht mehr als 6.000 Kunden auf der ganzen Welt den Zugriff auf die Data Cloud. Das eigene Wachstum von Snowflake wurde durch eine schnelle Iteration und erstklassige Datenpraktiken gefördert, einschließlich der Entwicklung eines leistungsstarken internen Data Stacks, der jedem Mitarbeiter im Unternehmen den Zugriff auf Daten ermöglicht.

Ausschlaggebend für diesen kometenhaften Aufstieg ist die Marketing Intelligence-Funktion von Snowflake, ein Team mit einer kühnen Vision: der Vorhersage des ROI in Echtzeit mit dem Ziel, sämtliche Marketing-Programme von Snowflake dynamisch zu optimieren, wodurch veraltete Marketing Analytics-Abläufe im B2B-Bereich unterbrochen und erhebliche Effizienzen geschaffen werden sollen.

„Bei den meisten Unternehmen werden 40 % der Marketing-Budgets aufgrund ineffektiver Kampagnen verschwendet. Messung und Transparenz sind für eine Optimierung des Marketings von zentraler Bedeutung.“ – Lourenço Mello, Product Marketing Lead – Solutions, Snowflake

Das Marketing Intelligence-Team von Snowflake erkannte eine Gelegenheit, seine Daten in „Snowhouse“, der Snowflake-Instanz des Unternehmens, zu zentralisieren, um Segmentierungsmodelle und Empfehlungsmaschinen zu betreiben und letztendlich eine 360-Grad-Sicht auf die Kunden aufzubauen.

Aufbrechen von Datensilos

Fivetran ist ein kritischer Bestandteil des Modern Data Stacks von Snowflake, bei dem mehr als 900 Fivetran-Konnektoren über mehr als 400 Millionen Monthly Active Rows hinweg zum Einsatz kommen, sowohl über Marketing Analytics-Konnektoren wie Google, Bing und Facebook Ads als auch über führende SaaS-Tools wie Marketo, Salesforce und Jira.

„Fivetran macht alles einfacher. Mit einigen wenigen Klicks können wir eine Authentifizierung bei jeder beliebigen relevanten Plattform durchführen, und schon werden die Daten nahtlos und fast sofort in Snowflake angezeigt.“ – Carl-Johan Wehtje, BI & Analytics, Snowflake

Das Marktanalyse-Ökosystem von Snowflake umfasst jetzt mehr als eintausend Tabellen für Marketingzwecke und wird vollständig über die Data Cloud betrieben.

‍

Ermöglichen von Analysen mit Fivetran dbt Core™-kompatiblen Datenmodellen

‍

In der Vergangenheit hat Snowflake seine Datenmodellierungs- und Transformationslogiken über ein separates BI-Tool verwaltet – doch dieser Ansatz ging mit einigen Nachteilen einher. Jedes Mal, wenn Unternehmen Modelle außerhalb des Tools ausführen oder Ad-hoc-Analysen durchführen mussten, waren Analysten gezwungen, ihre Modelle von Grund auf neu zu erstellen. Dieser Ansatz war zeitaufwendig und fehleranfällig.

Die Einführung von dbt Core™ ermöglicht den Endbenutzern innerhalb des Unternehmens ein flexibleres Erlebnis. Das Team konnte eine bessere allgemeine Leistung beobachten, da der Großteil der Computing-intensiven Berechnungen bereits früher im Prozess durchgeführt wurde.

„Wir nutzen Google, Facebook und LinkedIn für digitale Anzeigen, und wir integrieren die dabei generierten Daten in Fivetran“, so Carl-Johan Wehtje. „Die Datenmodelle von Fivetran bereinigen automatisch die Rohdaten aus unseren Datenquellen und geben sie in einem Modell aus. So erhalten wir sofort einen bereinigten und normalisierten Berichterstellungssatz, sodass wir uns auf komplexere Berechnungen und das Zusammenführen von Daten konzentrieren können. Das bedeutet, dass wir diese Daten schneller für unsere Endnutzer verfügbar machen können, damit sie Erkenntnisse daraus gewinnen können.“

Außerdem verwendet Snowflake Airflow, um dbt™-Aufträge zu verwalten und zu definieren, wie oft die Modelle und Tabellen aktualisiert werden sollen. Somit erhalten Analysten die Möglichkeit, die Aktualisierungszeiten für Daten mit Erwägungen in Bezug auf Leistung und Kosten in Einklang zu bringen.

‍

Erstellen eines Data Consumption Layers

Der „Consumption Layer“ ist der Ort, an dem das Snowflake-Team für Marketing Analytics die Zusammenarbeit ermöglicht und seine Geschäftspartner einlädt, selbst mit den Daten zu interagieren.

Mit einem starken Framework für die Integration und Transformation kann sich das Marketing Analytics-Team darauf konzentrieren, den Wert für das Unternehmen mit fortschrittlichen Modellen für Datenwissenschaft und maschinelles Lernen, Attributionsbewertung, Prognosen und Segmentierung voranzutreiben. Die Ergebnisse dieser prädiktiven Modelle werden an Datennutzungsplattformen wie Snowsight, Tableau, ThoughtSpot und andere Tools gesendet:

• Snowsight ermöglicht schnelle und einfache Datenanalysen. Dies ist ein großartiger Ausgangspunkt, wenn Nutzer Daten erkunden und so einfache Trends und Muster in umfangreichen Datensätzen erkennen möchten. „Es ist ein großartiger Ausgangspunkt für die Entwicklung fortschrittlicherer Berichte, da es direkt über SQL funktioniert“, sagte Wehtje. „Ich kann sehr schnell Dinge ausprobieren und sie überarbeiten oder weiterentwickeln.“
• Tableau ist das Tool der Wahl, wenn es um geschäftskritische Dashboards und die Berichterstellung in häufigeren Intervallen geht. Analysten können Metriken für eine breiter gefasste geschäftliche Zielgruppe freigeben, die gegebenenfalls nicht unbedingt über denselben Referenzrahmen verfügt. „Diese Dashboards machen es für die Führungskräfte in Unternehmen wesentlich einfacher, die Leistung im Quartals- oder Jahresvergleich zu beurteilen“, sagte Wehtje. „Dashboards sind eine großartige Möglichkeit, Daten in einem verständlichen Format zu präsentieren – was sogar noch wichtiger ist, wenn sie für eine breiter gefasste Zielgruppe freigegeben werden, in der womöglich nicht alle über den vollen Kontext oder ein umfassendes Verständnis der wichtigsten Kennzahlen verfügen.“
• ThoughtSpot bietet eine umfassende Selfservice-Umgebung für die Berichterstellung, über die Berichte individueller angepasst werden können. ThoughtSpot bietet eine intuitive Möglichkeit für nichttechnische Analysten, die Daten aufzugliedern und in mehreren Schichten zu analysieren. Und auch die Aussicht, mehrere Informationsquellen zu erstellen, bereitet Wehtje kein Kopfzerbrechen. „Da wir eindeutige Modelle erstellt haben, nutzen wir letzten Endes dasselbe Modell, egal, ob es sich um Ad-hoc-Analysen, Tableau-Dashboards oder ThoughtSpot-Dashboards handelt. So arbeiten alle mit denselben Daten und erhalten dementsprechend dieselben Ergebnisse und Datenoutputs.“
  
  

Die letzte Komponente des Data Stacks von Snowflake ist die Lösung für Datenherkunft und Katalogisierung. Mit wachsender Datenmenge steigt auch die Notwendigkeit eindeutiger Datenherkunft, Katalogisierung und Governance – es ist wichtig zu verstehen, woher die Daten kommen und wie aktuell sie sind. „Als Datenteam benötigen wir Transparenz dahingehend, woher die Daten extrahiert werden“, so Wehtje. „Natürlich ist die Dokumentation von größter Wichtigkeit, doch sie kann auch extrem zeitaufwendig sein.“ Snowflake hat sich dieser Anforderungen mit Alation angenommen, einem Tool, das die Metadaten aus Snowflake nimmt, um automatisch Informationen zur Datenherkunft und die Inhalte verschiedener Tabellen bereitzustellen.

„Mit einem Blick in die Zukunft kann ich sagen, dass dies erst der Anfang unserer Pläne ist“, sagte Wehtje. „Wir arbeiten an einer Vielzahl anderer Dinge. Zum Beispiel erstellen wir für unsere internen Kunden noch bessere Möglichkeiten zur Interaktion mit den Daten. Wir freuen uns darauf, sie schon bald mit dem Unternehmen zu teilen.“