Tinuiti baut einen skalierbaren Data Lake für KI-gestütztes Marketing auf

„Fivetran hat unsere Datenprozesse vollständig transformiert. Was früher 2–4 Wochen dauerte, nimmt heute nur noch Minuten in Anspruch. Es hat unseren Teams ermöglicht, sich auf hochwertige Aufgaben zu konzentrieren und diese umzusetzen – wie unseren neuen Data Lake, der KI-gestützte Erkenntnisse für unsere Kunden liefert.“
— Lakshmi Ramesh, VP of Data Services bei Tinuiti

Tinuiti, die größte unabhängige Full-Funnel-Performance-Marketing-Agentur in den USA, verwaltet für ihre Kunden Media-Ausgaben von nahezu 4 Milliarden US-Dollar über alle wichtigen digitalen Marketingkanäle hinweg. Das innovative Messprodukt Bliss Point by Tinuiti schafft Klarheit über die Wirkung jedes ausgegebenen Dollars. Der Erfolg des Produkts beruht darauf, dank fortschrittlicher Data Science wie kausaler Inferenz und maschinellem Lernen (ML) hochpräzise Marketingerkenntnisse in Echtzeit zu liefern.

Als führendes Unternehmen im datengetriebenen Marketing suchte Tinuiti nach einer modernen Datengrundlage, um seine Analytics-Fähigkeiten zu skalieren. Die Herausforderung lag bei Lakshmi Ramesh, VP of Data Services bei Tinuiti, deren Team das Kunden-Reporting, Business Intelligence und die Datenprozesse verantwortet. Bevor Tinuiti Fivetran einsetzte, um eine moderne Data-Lake-Architektur aufzubauen, war die frühere Datenarchitektur des Unternehmens von manuellen Prozessen durchzogen, die das Kunden-Onboarding verlangsamten und Performance-Engpässe verursachten.

Der Weg zu einem skalierbaren System bedeutete, einen zentralisierten, interoperablen Data Lake aufzubauen – einen, der Daten automatisch aufnehmen, über globale Kampagnen hinweg skalieren und Echtzeit-Erkenntnisse ermöglichen kann.

Aufbau einer skalierbaren Datengrundlage für modernes Marketing

Mit ihrem verwalteten Data Warehouse stand Tinuiti vor einer enormen Datenherausforderung: fragmentierte Plattformen, inkonsistente Schemata und kostspielige Ineffizienzen. Jede Quelle brachte unterschiedliche Schemata, Formate und API-Aktualisierungszyklen mit sich, was mehrere große Herausforderungen schuf:

• Eingeschränkte Kontrolle über die Daten: Das Data Warehouse von Tinuiti bot keinen vollständigen Zugriff, was Flexibilität und Skalierbarkeit einschränkte.
• Hoher operativer Aufwand: Ingenieure verbrachten bis zu 150 Stunden pro Monat mit der Wartung von API-Connectors, anstatt sich auf Analytics zu konzentrieren.
• Performance-Engpässe bei Amazon Redshift: Mit zunehmendem Datenvolumen litten Abfrageleistung und Skalierbarkeit.

Zudem erwies sich die manuelle Verwaltung interner Datenpipelines und ständiger Schemaänderungen als nicht nachhaltig. Das Onboarding neuer Kunden dauerte bis zu 6 Wochen – in einer entscheidenden Phase des Beziehungsaufbaus. Ramesh musste Marketingdaten der Kunden schnell und zuverlässig zentralisieren, um die Kampagnen-Performance zu verbessern und frühzeitig Vertrauen bei den Kunden aufzubauen. 

Sie entschied sich für Fivetran aufgrund seiner Bibliothek mit über 700 Connectors, um Daten aus über 100 verschiedenen Marketingplattformen und Datenquellen nahtlos in Amazon S3 zu integrieren. Neben der vollständigen Kontrolle und Flexibilität durch die Abkehr von ihrem Data Warehouse reduzierte das Team von Ramesh die Onboarding-Zeit für neue Datenquellen mithilfe der Fivetran-API für die programmatische Einrichtung auf unter eine Stunde. 

Durch diesen Schritt entstand eine universelle Speicherebene, die es Tinuiti ermöglicht, alle Roh- und verarbeiteten Daten in einer einzigen, skalierbaren Umgebung zu speichern. Mit dieser Architektur können Teams Daten direkt aus Amazon S3 abfragen, strukturierte Daten an ein Warehouse senden oder ML-Modelle speisen, ohne Datensätze zu duplizieren. Zu den Ergebnissen zählen schnellere Erkenntnisse, geringere Compute- und Speicherkosten, granulare Zugriffskontrollen und die Fähigkeit, einen größeren Kundenstamm zu bedienen.

Mit der alten Architektur konnte Ramesh zuvor nur 20 % der Kunden von Tinuiti bedienen, doch mit der Amazon S3 Data Lake-Architektur bedient sie den gesamten Kundenstamm mit einer einzigen, skalierbaren und zentralisierten Plattform. Dank Fivetran setzte die Migration zudem dem manuellen Reporting und der mühsamen monatlichen Wartung selbstgebauter Pipelines ein Ende.

„Fivetran hat unsere Time-to-Value vollständig transformiert. Ich kann in Fivetrans Einrichtungsformular 2 Felder ausfüllen und einen Kunden auf bis zu 80 Plattformen onboarden. Was früher 2–4 Wochen dauerte, dauert jetzt weniger als eine Stunde, weil Fivetran so self-service-orientiert und einfach ist. In nur wenigen Minuten liefern wir Erkenntnisse zu Millionen von Datenpunkten.“
— Lakshmi Ramesh, VP of Data Services bei Tinuiti

Von manuellen Pipelines zu KI-fähigen Daten 

Fivetrans Managed Data Lake Service brachte neuen Mehrwert für die Datenprozesse von Tinuiti und ersetzte fragmentierte, manuell gewartete Pipelines durch eine vollständig automatisierte Datenintegration. Anders als herkömmliche Warehouses, die im Vorfeld strukturierte Daten erfordern, nimmt der Data Lake strukturierte, semistrukturierte und unstrukturierte Daten auf – für mehr Flexibilität und Skalierbarkeit.

Die automatisierte Datenaufnahme von Fivetran ermöglichte eine Konvertierung in ein offenes Tabellenformat in Echtzeit, sodass Teams explorative Analysen durchführen, Predictive-Modelle erstellen und KI/ML-Workflows auf abfragebereiten Daten betreiben können. Analysten und Data Scientists fragen vollständige Daten in Amazon S3 ab und übertragen anschließend nur das Nötigste ins Warehouse, was Speicher- und Compute-Kosten senkt.

Um die Performance weiter zu optimieren, nutzt Tinuiti Fivetran, um Daten automatisch in das Apache-Iceberg-Format für konformes Abfragen zu konvertieren, wodurch manuelle Formatkonvertierungen entfallen. Da Fivetran den AWS-Glue-Katalog automatisch befüllt, stärkte Tinuiti Data Governance und Sicherheit und reduzierte gleichzeitig den operativen Aufwand.

„Fivetrans Managed Data Lake Service gibt uns die Flexibilität, Daten überall dorthin zu leiten, wohin wir wollen, und sie auf beliebige Weise zu nutzen. Wir können auswählen, was wir ins Warehouse bringen oder anderswohin senden, was unsere Kosten gesenkt, die Sicherheit erhöht und unsere Data Governance verbessert hat.“
— Lakshmi Ramesh, VP of Data Services bei Tinuiti

Marketing mit Echtzeit-Erkenntnissen und Automatisierung verbessern

Mit Fivetran hat Tinuiti mindestens 80 % der manuellen Pipeline-Wartung und Konfigurationsarbeit eliminiert. Dadurch kann sich das Data-Services-Team stärker auf Analytics, ML und Data Science konzentrieren. Tinuiti setzt auf KI und große Sprachmodelle (LLMs), um die operative Effizienz zu steigern und tiefere Analysen zur kanalübergreifenden Media-Performance durchzuführen. Mit dem Zugriff auf Echtzeitdaten kann die Agentur nun die Kampagnen-Performance vorhersagen, Werbeausgaben optimieren und Marketingstrategien personalisieren.

Fivetran hat den Engineering-Aufwand drastisch reduziert und dem Team Freiräume verschafft, um fortschrittliche Predictive-Analytics- und Forecasting-Tools auf Basis des Marketing-Media-Mix zu entwickeln. Tinuiti erschließt zudem einen globalen Kundenstamm und führt internationale Kampagnen durch, wobei Fivetran sicherstellt, dass Daten mit den richtigen Länder- und Währungskennzeichnungen bereitgestellt werden – etwas, das der Agentur vor 2 Jahren nicht ohne Weiteres möglich war.

Am wichtigsten ist, dass die Daten, die Tinuiti seinen Kunden bereitstellt, vertrauenswürdiger, präziser und zuverlässiger sind als je zuvor. Bliss Point by Tinuiti kann Kunden nun proaktiv informieren, wenn es zu Datenverzögerungen oder -problemen kommt – größtenteils dank der Transparenz, die Fivetran bietet.

„Fivetran hat eine grundsolide Datengrundlage geschaffen, sodass wir jetzt die Schleusen für Daten öffnen können. Ohne Fivetran bräuchten wir ein riesiges Datenaufnahme-Team, dessen einzige Aufgabe der Aufbau und die Wartung von API-Connectors wäre.“
— Lakshmi Ramesh, VP of Data Services bei Tinuiti

Zeitnahe Erkenntnisse bei Tinuiti ermöglichen

Eine neu zentralisierte Datengrundlage hat zu Durchbrüchen bei präzisen, zuverlässigen Daten geführt. Sie ebnet den Weg für fortschrittlichere Analytics und KI-gestützte Erkenntnisse, gestützt auf standardisierte, taxonomierte und leicht zugängliche Daten aus dem gesamten Unternehmen, ohne an ein einzelnes System oder eine einzelne Plattform gebunden zu sein.

Ein neues Marketing-Mix-Modell (MMM) ermöglicht es Marken und Marketingfachleuten, Budgets auf Basis zeitnaher Performance-Daten strategisch über Kanäle hinweg zu verteilen. Gleichzeitig bieten KI- und ML-gestützte Analytics Forecasting-Funktionen, die Marken helfen, die künftige Kampagnen-Performance und den ROI präziser vorherzusagen.

Fivetran hat neue Möglichkeiten für die globale Expansion von Tinuiti erschlossen und ermöglicht es dem Unternehmen, seinen Betrieb international zu skalieren und einen wachsenden, vielfältigen Kundenstamm zu unterstützen. Was vor gerade einmal 2 Jahren unmöglich war – Daten über Hunderte von Plattformen hinweg zu zentralisieren und globale Marketingerkenntnisse nahtlos zu integrieren – ist heute die Grundlage für alles Weitere.

„Vor Fivetran war die Datenaufnahme ein zeitaufwändiger und operativ aufwendiger Prozess, und wir hatten keine Kontrolle über deren Qualität oder Zuverlässigkeit. Mit Fivetran können wir schneller auf den Markt kommen, und ich sehe eine Zukunft, in der wir leistungsstarke Daten problemlos direkt aus unserem Data Lake mit Kunden teilen.“
— Lakshmi Ramesh, VP of Data Services bei Tinuiti

[CTA_MODULE]