Les équipes data sont le cœur et l'âme des entreprises modernes orientées data. Elles sont chargées d'alimenter les opérations quotidiennes de l'entreprise avec des informations essentielles et actualisées, modélisées pour chaque cas d'utilisation spécifique dont leurs équipes commerciales ont besoin.
Cependant, ces responsabilités clés s'accompagnent de certaines difficultés pour de nombreuses équipes data, qu'il s'agisse d'une équipe composée d'une seule personne ou d'une équipe complète d'ingénieurs et d'analystes data.
Selon une enquête menée par Snowplow Analytics, 28,9 % des équipes data ont du mal à faire valoir leur impact au sein de l'organisation, à communiquer le véritable potentiel des data avec lesquelles elles travaillent et à mettre en avant les capacités de leur équipe auprès des principales parties prenantes.
Ce manque de communication et de compréhension du pouvoir et de l'importance des data est souvent dû à une érosion de la qualité et de la disponibilité des data (et, par conséquent, de la confiance dans les data). Sans les outils adéquats, il est difficile pour les équipes data de fournir rapidement à leurs collègues commerciaux toutes les data dont ils ont besoin ou de démontrer l'impact réel de data de qualité sur leurs objectifs.
Voici comment trois leaders du secteur — Canva, Clearbit et Loom — ont résolu ce problème grâce au Reverse ETL.
[CTA_MODULE]
Canva : L'histoire du potentiel inexploité des outils
Canva propose un produit de conception SaaS et utilise une stratégie de croissance axée sur le produit. Lorsque la société a commencé à tester le Reverse ETL, elle cherchait à transférer des data de Snowflake vers Braze, Salesforce, Facebook Ads et Google Ads afin de favoriser la segmentation granulaire, la personnalisation des e-mails et le reciblage publicitaire.
Sa principale difficulté consistait à intégrer les data correctes et de haute qualité dont elle avait besoin dans Braze, une plateforme d'engagement client. De plus, les analystes data savaient qu'ils avaient besoin de modèles de segmentation plus complexes, basés sur le ML, pour prendre en charge l'utilisation de Braze par leur entreprise et un volume de data élevé. En conséquence, la société gaspillait en fait de l'argent, sans exploiter pleinement le potentiel de Braze en tant qu'outil, ce qui frustrait ses équipes commerciales.
Mais malgré tous ses efforts, l'équipe data devait encore passer des semaines, voire des mois, à créer des intégrations manuelles pour transférer les data d'un point A à un point B. C'est là qu'intervient le Reverse ETL.
Après avoir intégré le Reverse ETL à leur pile, les ingénieurs peuvent désormais déployer des modèles plus complexes dans le produit en quelques minutes. Ils consacrent moins de temps à la construction et plus de temps à la création de valeur.
« Un analyste de données examine les données, analyse les tableaux de bord, identifie des insights, puis peut les activer grâce au [reverse ETL], le tout en une seule étape. C’est vraiment, vraiment puissant et je pense que nous allons énormément l’utiliser. »
- Cuong Duong, Data Analyst chez Canva
Le résultat ? Davantage de data, une segmentation plus puissante et une meilleure utilisation des data par les équipes commerciales pour proposer des messages plus pertinents aux utilisateurs, le tout avec des fonctionnalités d'observabilité et d'alerte que l'équipe d'ingénierie data n'avait pas les moyens d'intégrer dans ses alternatives DIY auparavant.
Les équipes commerciales comprennent désormais comment elles peuvent utiliser les data pour être plus efficaces et comment l'équipe data peut les aider dans leurs campagnes. Les analystes data travaillent directement avec les équipes chargées de la croissance pour concevoir des modèles en SQL, en exploitant le data warehouse comme source de vérité opérationnelle pour tous.
Le Reverse ETL a accéléré les expérimentations visant à stimuler la croissance chez Canva et permis aux analystes data de mieux communiquer et défendre l'importance de data sophistiquées et enrichies dans toute l'organisation.
« Avant, je passais mon temps à travailler uniquement sur les intégrations, sans presque jamais interagir avec les équipes métier. Je recevais un brief indiquant qu’il fallait un connecteur Facebook, je passais plusieurs semaines à le développer et au final cela me prenait du temps que je ne pouvais pas consacrer à l’amélioration de l’expérience data au sein de l’entreprise, qui est aujourd’hui une priorité majeure. Par exemple, l’optimisation des performances des requêtes ou une meilleure organisation du data warehouse. »
- Krishna Naidu, Data Engineer chez Canva
Clearbit : Une astuce pour donner à chaque équipe accès aux data
Clearbit est un outil SaaS B2B qui aide les équipes à améliorer leurs efforts de vente et de marketing en agrégeant les data publiques sur les clients d'une entreprise. La société disposait d'une base d'utilisateurs considérable et d'un moteur de croissance qui génère de nombreuses data à partir d'une liste de clients en constante augmentation. Elle a identifié un besoin de Reverse ETL, car elle souhaitait synchroniser les data de Redshift vers Salesforce et Customer.io afin d'alimenter l'attribution des leads, les vues à 360 degrés des clients, les e-mails personnalisés et la segmentation granulaire.
Avant le Reverse ETL, Clearbit était confrontée à un problème bien connu : l'entreprise ne disposait pas d'une source unique de vérité en matière de data, ce qui signifiait que les data client et produit étaient cloisonnées dans différents outils.
Elle ne parvenait pas à établir une vue unifiée des clients et souffrait de la duplication des data dans l'ensemble de ses plus de 6 produits. Il n'existait aucun moyen simple de rassembler les data relatives au parcours client de bout en bout. Tout le monde comptait sur les équipes d'ingénierie et d'informatique pour importer manuellement les data dans les outils opérationnels via des intégrations personnalisées. De plus, l'équipe data passait beaucoup de temps à nettoyer toutes les data pour créer des rapports, mais cela ne se reflétait pas dans les outils de vente et de marketing.
Lorsque l’entreprise a réalisé que le Reverse ETL pouvait résoudre tous ces problèmes, elle a compris qu'il était temps d’opérer un changement. Elle a donc mis en place une architecture durable pour ingérer, stocker, modéliser et analyser ses data d’événements, ce qui lui a permis d'unifier tous ses schémas utilisateur et toutes ses sources de data dans Redshift. À partir de là, elle a créé des modèles pour générer des informations et des attributs clients avec dbt, puis a synchronisé les modèles avec Salesforce.
Cela a permis à l'équipe data de Clearbit de fournir une vue à 360 degrés des clients dans Salesforce, afin que les chargés de compte et les responsables de compte puissent agir plus efficacement. Ses data ont alimenté des campagnes d'e-mails hyper-personnalisées basées sur l'utilisation des produits, les canaux d'acquisition, l’étape dans le parcours client et la réussite client. Ainsi, grâce à l'équipe data, davantage d'équipes ont utilisé plus de data que jamais auparavant.
« Avec Fivetran Activations, nos équipes commerciales et marketing disposent en permanence de données à jour dans leurs outils et l’équipe data peut facilement activer des expérimentations de croissance. »
- Julie Beynon, Head of Analytics chez Clearbit
Loom : Une histoire de segmentation de la clientèle et de promotion de l'équipe data
Loom est un logiciel de messagerie vidéo qui permet aux utilisateurs de communiquer facilement et de manière asynchrone avec les membres de leur équipe, leurs étudiants et leurs collaborateurs. L’entreprise a commencé à explorer le Reverse ETL pour synchroniser les data de Snowflake vers Zendesk et Intercom afin de créer des vues à 360 degrés des clients, hiérarchiser les tickets et alimenter une segmentation granulaire.
Avant le Reverse ETL, les data chez Loom étaient bloquées. Buddy Marshburn, alors data scientist (aujourd'hui responsable de l'ingénierie data) et premier employé recruté dans ce domaine, commençait à explorer l'infrastructure data de l'entreprise. Il s'est rendu compte qu'il avait besoin d'aide pour transférer les data dans le data warehouse afin d'obtenir une image plus claire des data client avec Segment. Mais cela s'est avéré plus facile à dire qu'à faire.
« Je cherchais un outil permettant de récupérer les data capturées à partir de notre produit et de les envoyer à des sources tierces. Avec Segment, nous ne pouvions envoyer aucune information en dehors des data d'événement brutes, ce qui était très restrictif ».
- Buddy Marshburn, Data Engineering Manager chez Loom
D'après son expérience, il fallait faire appel à plusieurs personnes pour créer rapidement des pipelines de data personnalisés et en assurer la maintenance par la suite. Comme il était seul, il savait qu'il avait besoin d'outils pour faciliter une partie du travail. Il avait besoin de Reverse ETL.
Après s’être renseigné au sein de la communauté dbt, on l’a orienté vers Fivetran Activations. Il a rapidement compris qu’il s’agissait en quelque sorte de Fivetran à l’envers, exactement ce qu’il recherchait. Grâce au reverse ETL, il a pu utiliser ses données transformées sur les plans clients et renseigner le champ correspondant dans Zendesk, afin d’aider son équipe de Customer Success à prioriser le flux important de tickets qu’elle recevait.
« Le [reverse ETL] a rendu pleinement fonctionnel quelque chose qui était auparavant impossible.Fivetran Activations a résolu des problèmes fondamentaux que nous devions absolument corriger.»
- Buddy Marshburn, Data Engineering Manager chez Loom
Le reverse ETL n’a pas seulement rendu possible ce qui ne l’était pas auparavant, il a aussi permis à Buddy d’en faire plus avec moins. Plutôt que de recruter de nouveaux membres dans l’équipe data, il a pu s’appuyer sur Activations pour absorber une partie de la charge de travail.
« Tout au long de ma carrière — en tant que data scientist puis dans des rôles de data engineering — j’ai travaillé à la mise en place de briques d’architecture fondamentales. J’ai donc très vite compris la proposition de valeur de Fivetran Activations. Toute personne cherchant à envoyer des données vers l’un des connecteurs proposés par Fivetran Activations en verra rapidement l’intérêt. »
- Buddy Marshburn, Data Engineering Manager chezLoom
Grâce au Reverse ETL, Buddy a pu rapidement organiser les data de Loom et les centraliser dans son data warehouse afin de tirer parti de tout le travail qu'il avait déjà effectué dans la couche de transformation avec dbt. Cela a permis d'éliminer les frais généraux liés à la maintenance et à la surveillance intensives.
« J’avoue que ça me rend presque nerveux de montrer à l’équipe commerciale à quel point Activations et Salesforce fonctionnent bien ensemble — je sais que ça risque de déclencher un véritable raz-de-marée. »
- Buddy Marshburn, Data Engineering Manager chez Loom
Prenez le contrôle de l’histoire de vos data grâce au Reverse ETL
Les équipes data peuvent faire une réelle différence pour les opérations, la vision et les clients de l’ensemble de leur organisation grâce au Reverse ETL. Le Reverse ETL ne vous permet pas seulement d'exploiter vos data comme jamais auparavant, mais aussi de les opérationnaliser, d'optimiser votre temps, de générer davantage de valeur commerciale et de vous concentrer sur les tâches qui vous motivent, vous et votre équipe.
[CTA_MODULE]
