Fivetran aide Frontify à améliorer sa brand plateforme

Une brand plateforme innovante qui aide les entreprises à perfectionner leurs marques affine et adapte son offre à l’aide d’une pile de data moderne.
« Plus personne ne pose la question : “ les data sont-elles correctes ? “ Et nous ne recevons plus de notifications indiquant l’échec d’un chargement. Fivetran fonctionne, tout simplement. »

—  Michal Lapinski, analyste data, Frontify


Principaux avantages

  • Les rapports qui prenaient un mois sont désormais accessibles en 30 minutes
  • La pile de data moderne élimine les points de blocage
  • Les data fiables deviennent une source unique de vérité
  • L’équipe data peut se concentrer sur des projets à plus forte valeur ajoutée
  • L’objectif « Data pour tous » devient atteignable

Pile de data

  • Pipeline : Fivetran
  • Source : Hubspot, Zuora, Intercom, Recurly
  • Destination : Snowflake
  • Analyse : ThoughtSpot

Fondée en 2013, Frontify aide les entreprises à améliorer leurs marques en connectant chaque élément et personne nécessaire au développement d’une marque au même endroit. Un écosystème puissant, la brand plateforme cloud fournit un ensemble complet de solutions, d’outils, d’intégrations et de modèles qui couvrent chaque aspect du parcours de marque. Dans le cadre de la récente levée de fonds de 50 millions de dollars du programme Scale-up suisse, Frontify se concentre sur le développement de sa technologie et sur l’ajout d’une capacité d’analyse qui est au cœur de sa mission.

Défi : comment construire une source unique de vérité ?

Afin de construire une solution qui serait intuitive pour tous les services des entreprises clientes, Frontify devait impérativement comprendre de quelle manière les utilisateurs travaillaient avec la brand plateforme. Les équipes produit et de réussite client devaient déterminer s’il existait ou non des problèmes en matière d’engagement qui détérioraient l’expérience client. Dans le même temps, les équipes de marketing et de vente souhaitaient optimiser leurs ressources et optimiser le retour sur investissement de la génération de prospects. Le service financier avait quant à lui besoin d’une visibilité sur les bénéfices et les revenus récurrents. Toutes ces personnes avaient besoin d’informations extraites des data.

Au départ, l’équipe d’analyse data était composée de seulement trois personnes et aucune infrastructure data stable n’était en place. Des scripts Python personnalisés étaient utilisés pour extraire les data des applications commerciales vers une database MySQL. S’ajoute à cela un outil de business intelligence que personne ne voulait utiliser car il était souvent trop lent et les data étaient incomplètes en raison de l’échec des scripts. Cet outil n’était pas le plus simple à utiliser non plus. L’accès était accordé en fonction de l’utilisateur, l’équipe data était donc chargée de la mise à jour des rapports et des tableaux de bord.

« C’était un véritable point sensible, se souvient Sibel Atasoy Wuersch, responsable data. Nous étions sans cesse bloqués par la nécessité de mise à jour constante des rapports. »

— Sibel Atasoy Wuersch, responsable data chez Frontify

L’équipe data savait exactement ce dont elle avait besoin pour traiter ces blocages et devenir une entreprise véritablement orientée data. Elle souhaitait disposer d’une source unique de vérité construite avec une pile de data puissante et évolutive, accessible par tous les employés de Frontify. Heureusement, la direction avait le même objectif.


SOLUTION : la pile de data déclenche l’explosion des cas d’utilisation

L’équipe data de Frontify a commencé une évaluation minutieuse des composants de pile de data moderne afin de trouver la solution la mieux adaptée à l’entreprise. Snowflake était le premier investissement, en tant que fournisseur de data warehouse. L’ELT automatisée est venue ensuite. Frontify a opté pour Fivetran plutôt que Stitch pour de nombreuses raisons, notamment la quantité et la variété de connecteurs, une meilleure gestion du chiffrement, la facilité d’utilisation et les capacités de transformation. L’outil de business intelligence (BI) sélectionné était ThoughtSpot, pour permettre aux utilisateurs d’interagir directement avec les data via des recherches. Cela était impossible avec leur ancien système BI. Après la mise en œuvre de ThoughtSpot, la pile de data moderne était complète.

La transition entre la database MySQL et la nouvelle pile de data a pris du temps. Une couche de data brutes générales a été construite dans Snowflake, à partir des sources de data Fivetran et des scripts ETL personnalisés. Un data mart a été créé pour la génération de rapports et les analyses, complétée par des analyses en libre-service basées sur la recherche. La connexion de Fivetran aux principales sources de data comme HubSpot constituait l’étape la plus simple. Une fois les contrôles de validation effectués, l’équipe data avait totalement confiance en Fivetran et en l’étape d’ingestion du processus.

Snowflake gère maintenant 760 tableaux et 670 millions de lignes. ThoughtSpot présente deux millions de lignes, 34 tableaux et six feuilles de travail. Cinq feuilles de travail et 260 millions de lignes sont en cours de développement, ce qui reflète l’explosion des cas d’utilisation. Les connecteurs Fivetran transfèrent des data vers Snowflake à partir de diverses sources, notamment HubSpot pour les ventes et le marketing et Zuora ou Recurly pour les revenus récurrents.

L’équipe data compte désormais quatre personnes. L’équipe consacre la majeure partie de son temps à l’ingénierie data et à l’analyse plutôt qu’à la création de connecteurs personnalisés. Son rôle a été transformé par la nouvelle infrastructure de data qui lui permet de se concentrer sur ce qui est le plus important, les data, au lieu de corriger et de construire manuellement des pipelines de data.

« Fivetran nous fournit des data fiables, Snowflake exécute des transformations stables et ThoughtSpot nous permet de le montrer à tout le monde. Cette structure est très efficace », explique Michal Lapinski.


RÉSULTATS : indicateurs clés issus de data fiables

La combinaison de Fivetran, Snowflake et ThoughtSpot a facilité la mise en place de databases spécifiques à chaque service, pouvant être interrogées par les différentes parties prenantes de Frontify. Au lieu de s’appuyer sur des analystes qui avaient besoin d’un mois pour créer des rapports, les employés peuvent désormais réduire la complexité en synchronisant plus rapidement les data dans leur data warehouse à l’aide de Fivetran et créer leurs propres « liveboards » ThoughtSpot, qui sont comme des tableaux de bord interactifs et peuvent être configurés en seulement quelques minutes.

Les indicateurs clés sont désormais présentés lors des réunions hebdomadaires sur les revenus, en parallèle des revenus récurrents et des gains d’intégration. Le pipeline des transactions est examiné, la croissance annuelle est répartie par marché et les valeurs moyennes des opportunités sont analysées.

« Notre infrastructure précédente ne permettant tout simplement pas de gérer les grosses requêtes, explique Sibel Atasoy Wuersch. Nous bénéficions de résultats beaucoup plus rapides grâce à notre nouvelle infrastructure. Il n’y a plus de blocage. »

Grâce à Fivetran, Frontify dispose de data fiables pour tous, ce qui représente un changement considérable par rapport aux débuts de l’entreprise.

« Plus personne ne pose la question “ les data sont-elles correctes ? “, ajoute Michal Lapinski. Nous ne recevons plus de notifications indiquant l’échec d’un chargement. Fivetran fonctionne, tout simplement. Je me connecte de temps en temps pour vérifier les coûts, et c’est tout. »

Sibel Atasoy Wuersch est particulièrement fière de la manière dont son équipe a modifié sa façon de travailler. « Nous n’avons plus à passer notre temps à corriger des scripts pour que les data soient distribuées à nos partenaires commerciaux, explique-t-elle. Nous pouvons désormais exécuter des requêtes simultanément. Auparavant, il fallait demander à son collègue d’arrêter son travail pour effectuer une tâche essentielle aux activités commerciales. »

Le libre-service, qui permet aux utilisateurs de compiler leurs propres « liveboards », a permis à l’équipe data de ne plus s’occuper des tâches rudimentaires et de se concentrer sur des projets qui apportent une valeur ajoutée à long terme à l’entreprise. « Nous nous efforçons de faire en sorte que chaque personne au sein de notre entreprise dispose des data dont elle a besoin pour qu’elle puisse les utiliser, ajoute Sibel Atasoy Wuersch. C’est notre objectif. »

Commencer gratuitement

Rejoignez les milliers d’entreprises qui utilisent Fivetran pour centraliser et transformer leur data.

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Taille de l'entreprise
Région
Industrie
B2B technology
Sources
No items found.
Destinations
No items found.
Sources
No items found.
Destinations
No items found.
BI tool
No items found.
Essayez Fivetran gratuitement
Chiffres clés
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

Mistertemp’ : l’intérim digital grandit et gagne en compétitivité avec Fivetran

Case study

Stuart, leader de la livraison à la demande, améliore son expérience client grâce à Fivetran

Case study

La Migration de SumUp vers le Modern Data Stack avec Fivetran

Case study

Libeo choisit Fivetran pour faciliter le paiement en entreprise grâce à la Data

Case study

Interflora accélère sa stratégie d’expansion data en Europe grâce à Fivetran

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

Fivetran contribue à la cohésion des données du groupe Emeria

Let's get you moving data