Pitney Bowes rastrea más de 800 millones de paquetes en tiempo real con Fivetran

«Cuando incorporamos Fivetran al procesamiento de datos de nuestras instalaciones, revolucionó el flujo y pudimos lograr datos casi en tiempo real de los 16 sitios al mismo tiempo. Ahora puedo entender todas las métricas operativas de los sitios en un panel único y rastrear un paquete individual para saber dónde se encuentra en ese momento.»
— Vishal Shah, Gerente de Arquitectura de Datos en Pitney Bowes

Pitney Bowes es una empresa tecnológica global que simplifica las complejidades del e-commerce, el envío y el correo. Con más de 11,000 empleados, gestiona 400 millones de paquetes de correo al año en 16 instalaciones de distribución y atiende a 750,000 empresas en todo el mundo.

Gracias a su reciente modernización del stack de datos, Pitney Bowes puede rastrear cada paquete individual y predecir cambios en los volúmenes de correo, y por ende pronosticar las necesidades de personal por instalación. Sus pronósticos de datos ayudan a sus equipos a cumplir los SLAs de envío y a ofrecer visualizaciones detalladas y actualizadas que impulsan sus decisiones de negocio. Alcanzar este punto les habría tomado años de arduo trabajo, pero con la ayuda de Fivetran y Snowflake aceleraron su iniciativa de modernización.

Datos de negocio: valor y potencial transformador

Pitney Bowes carecía de los datos de alta calidad y en tiempo real que necesitaba para tomar decisiones de negocio críticas. Su equipo de Enterprise Information Management (EIM) enfrentaba tres desafíos: datos en silos, falta de escalabilidad y gasto tecnológico ineficiente. Los empleados intentaban sortear estas limitaciones pegando datos en hojas de cálculo de Excel para reportes ejecutivos y analytics — lo que frecuentemente agravaba los problemas.

Las limitaciones de datos también estaban generando problemas aguas abajo, como paquetes que llegaban tarde e impactaban los objetivos de SLA. Les faltaba la sofisticación necesaria para detectar retrasos y notificar a los clientes a tiempo, lo que generaba un riesgo reputacional. La pandemia de COVID agravó los desafíos de datos cuando las compras en línea aumentaron diez veces — lo que implicó un incremento equivalente en el volumen de paquetes.

Las operaciones de datos basadas en eventos y correo electrónico para 800 millones de paquetes al día eran demasiado para la infraestructura de datos legada de Pitney Bowes. Los datos capturados eran críticos, pero agregarlos y consolidarlos en el warehouse central de analytics tardaba días. Para cuando llegaban al equipo directivo, la ventana crítica de toma de decisiones ya había pasado.

El equipo EIM construyó soluciones personalizadas, pero carecía de los recursos para eliminar las consecuencias en cascada sobre el rendimiento. Intentaron acelerar el sistema con costoso hardware y software de centro de datos para soportar la carga, pero no era escalable, eficiente ni rentable. Vishal Shah, Gerente de Arquitectura de Datos en Pitney Bowes, vio la oportunidad de automatizar sus data pipelines con Fivetran, centralizar en Snowflake y aprovechar la facilidad y escalabilidad de los recursos infinitos de la nube.

[CTA_MODULE]

Adiós restricciones, bienvenidos los datos en tiempo real

La migración a una plataforma en la nube con Snowflake y Fivetran rindió frutos rápidamente y eliminó múltiples restricciones.

Fivetran reemplazó todos sus scripts de lotes personalizados y sus procesos de extracción, transformación y carga (ETL). El equipo de Shah utilizó los conectores listos para usar de Fivetran para construir rápidamente pipelines para varias aplicaciones críticas para el negocio como SAP, Salesforce, Facebook, Kafka y Kinesis. Fivetran funcionaba tan bien que el equipo decidió abordar los trabajos de agregación de datos que tardaban días.

Fivetran redujo una carga por lotes de 31 horas a menos de dos horas (una reducción del 94% en el tiempo) y otra de días a menos de una hora. Este nuevo flujo de datos recopilaba y agregaba de forma eficiente datos de 700,000 dispositivos IoT en 16 instalaciones. Y aún mejor: los problemas de rendimiento de los scripts personalizados desaparecieron. En lugar de consultar bases de datos directamente y añadir carga al procesamiento general de datos, los conectores de captura de datos de cambios (CDC) basada en logs de Fivetran capturan todos los cambios de datos y eliminan el tiempo de carga de procesamiento y el impacto en los sistemas fuente.

Fivetran ayudó a Pitney Bowes a mover grandes volúmenes de datos y eliminó sus cuellos de botella de infraestructura. Por primera vez en su historia, contaron con entrega de datos eficiente y en tiempo real para todas sus instalaciones, vehículos y paquetes.

Datos financieros de SAP productizados sin fricciones

Muchas organizaciones enfrentan el desafío de aprovechar los datos alojados en SAP. Aunque SAP tiene un potente ecosistema de productos y servicios, no todas las empresas quieren construir un ecosistema de datos alrededor del stack de productos SAP. Tienen datos de otras fuentes que quieren relacionar con sus datos SAP, lo cual es difícil de hacer dentro del ecosistema.

Los intentos anteriores de Shah para llevar datos SAP a Snowflake terminaron en frustración. Cuanto más datos extraían, más aumentaban los costos y los retrasos. En el mejor de los casos, Shah solo podía sincronizar los datos SAP a Snowflake una vez cada dos o tres días — un retraso demasiado grande para cualquier toma de decisiones en tiempo real.

Usó Fivetran para sincronizar los datos SAP y el proceso resultó sencillo. El conector SAP de Fivetran realizó sincronizaciones completas de datos de alto volumen a Snowflake en menos de siete horas — un aumento del 85% en el rendimiento. Ahora el equipo podía sincronizar al menos cuatro veces al día sin ningún impacto en el rendimiento de los sistemas SAP.

Analítica predictiva, eficiencia operativa y crecimiento de ingresos

Con el éxito de la integración de datos SAP, EIM está avanzando para convertir a Fivetran en el estándar en toda la empresa — desde aplicaciones SaaS en la nube hasta sistemas CRM empresariales y transaccionales como Oracle, IBM y DB2. Shah y su equipo construyeron rápidamente una variedad de nuevos productos innovadores que transformaron tanto la capacidad de Pitney Bowes como la de sus clientes para planificar y predecir el crecimiento.

Uno de los productos de datos más prometedores fue un dashboard de análisis operativo en tiempo real — una vista de panel único sobre el volumen, la mano de obra y la eficiencia en todas las instalaciones de Pitney Bowes. Los ejecutivos podían ver y entender exactamente lo que ocurría en todo el negocio en un mismo momento. Los gerentes de instalaciones podían profundizar para ver el volumen de paquetes y evaluar la capacidad de personal correspondiente.

Cuando la pandemia multiplicó por diez las compras en línea, Pitney Bowes no pudo satisfacer la demanda de personal, lo que derivó en problemas escalados de SLA. Shah y su equipo respondieron definiendo nuevas métricas proactivas en torno a la eficiencia laboral prevista. Luego construyeron dashboards predictivos para el volumen de instalaciones, el volumen de red, las fechas estimadas de entrega y devolución, la clasificación de productos del sistema armonizado (SA) y la programación de camiones de reparto.

Estos dashboards podían:

• Predecir la estacionalidad y el volumen próximo para ayudar a los gerentes de sitio a programar el personal con anticipación
• Determinar las rutas más eficientes con base en el volumen por paquete
• Estimar con precisión las fechas de entrega a instalaciones y destinos finales
• Mitigar los riesgos de fechas de entrega incumplidas antes de que se incumplan los SLAs
• Reducir significativamente la capacidad desaprovechada de los camiones

Las capacidades de programación predictiva de camiones han incrementado la precisión de las estimaciones de entrega de Pitney Bowes al 93%. También rastrean datos de salud y observación de su vasta red de dispositivos IoT distribuidos globalmente, lo que permite nuevos análisis y mitigación de riesgos ante fallas de hardware. A partir de estos datos se logró el rastreo en tiempo real de cualquier paquete en cualquier lugar del mundo — algo que no era posible antes de usar Fivetran.

Finalmente, la arquitectura de datos actualizada proporcionó la base para un nuevo programa generador de ingresos llamado «Guaranteed Delivery». Gracias a que Pitney Bowes podía predecir los volúmenes de las instalaciones y las fechas de entrega, podía ofrecer garantías de entrega aguas abajo a través de sus proveedores. Incluso podían identificar comportamientos de churn y mitigar ese riesgo de forma proactiva.

Fivetran permitió a Pitney Bowes alcanzar resultados de negocio extraordinarios. La implementación de Fivetran modernizó todo el ecosistema de datos de Pitney Bowes, lo que transformó el flujo de datos en toda la empresa y eliminó todos sus problemas de rendimiento de datos. Su equipo de datos ya no tiene que lidiar con trabajo ETL manual y poco confiable, procesos legados, proliferación de datos ni riesgos de seguridad. En cambio, habilita la innovación a la velocidad del negocio con datos fiables, actualizados y de confianza.

[CTA_MODULE]