Pitney Bowes suit plus de 800 millions de colis en temps réel avec Fivetran

« Lorsque nous avons introduit Fivetran dans le traitement des données de nos installations, cela a révolutionné le flux et nous avons pu obtenir des données quasi en temps réel de nos 16 sites simultanément. Je peux désormais comprendre toutes les métriques opérationnelles des sites sur un tableau de bord unique et suivre un colis individuel pour savoir où il se trouve actuellement. »
- Vishal Shah, Responsable Architecte de Données chez Pitney Bowes

Pitney Bowes est une entreprise technologique mondiale qui simplifie les complexités du commerce électronique, de l'expédition et de l'envoi de courrier. Avec plus de 11 000 employés, elle gère 400 millions de colis postaux par an dans 16 centres de distribution et sert 750 000 entreprises dans le monde entier.

Grâce à la modernisation récente de sa pile de données, Pitney Bowes peut suivre chaque colis individuel et prédire les variations des volumes de courrier, et ainsi prévoir les besoins en main-d'œuvre par installation. Ses prévisions de données aident ses équipes à respecter leurs accords de niveau de service (SLA) d'expédition et à fournir des visualisations détaillées et à jour qui éclairent leurs décisions commerciales. Y parvenir leur aurait demandé des années de travail acharné, mais avec l'aide de Fivetran et Snowflake ils ont accéléré leur initiative de modernisation

Libérer des données commerciales précieuses et transformatrices

Pitney Bowes manquait de données de haute qualité et en temps réel dont elle avait besoin pour prendre des décisions commerciales cruciales. Son équipe de gestion de l'information d'entreprise [EIM] était confrontée à trois défis : des données cloisonnées, un manque d'évolutivité et des dépenses technologiques inefficaces. Les employés tentaient de contourner ces contraintes en copiant des données dans des feuilles de calcul Excel pour les rapports de direction et l'analyse, ce qui aggravait souvent les problèmes.

Les limitations des données causaient également des problèmes en aval, comme des colis arrivant en retard, ce qui affectait les objectifs des SLA. Ils manquaient de la sophistication nécessaire pour détecter les retards et en informer les clients à temps, entraînant un risque pour la réputation. La pandémie de COVID a amplifié les défis liés aux données lorsque les achats en ligne ont décuplé, ce qui signifiait une augmentation par dix du volume de colis.

Les opérations de données basées sur les événements et les e-mails pour 800 millions de colis par jour étaient tout simplement trop lourdes pour l'infrastructure de données existante de Pitney Bowes. Les données collectées étaient cruciales, mais leur agrégation et leur consolidation vers l'entrepôt d'analyse central prenaient des jours. Au moment où elles parvenaient à l'équipe de direction, la fenêtre de décision cruciale était déjà passée.

L'équipe EIM a développé des solutions personnalisées mais manquait des ressources pour éliminer les conséquences en cascade sur les performances. Ils ont tenté d'accélérer les choses avec du matériel et des logiciels coûteux pour centres de données afin de gérer la charge, mais ce n'était ni évolutif, ni efficace, ni rentable. Vishal Shah, Responsable Architecte de Données chez Pitney Bowes, a vu une opportunité d'automatiser leurs pipelines de données avec Fivetran, de centraliser sur Snowflake et de tirer parti de la facilité et de l'évolutivité des ressources cloud infinies.

Adieu les contraintes, bonjour les données en temps réel

Le passage à une plateforme basée sur le cloud sur Snowflake et Fivetran a rapidement porté ses fruits et éliminé de nombreuses contraintes.

Fivetran a remplacé tous ses scripts de traitement par lots personnalisés et ses processus d'extraction, de transformation et de chargement (ETL). L'équipe de Shah a utilisé les connecteurs prêts à l'emploi de Fivetran pour créer rapidement des pipelines pour plusieurs applications critiques pour l'entreprise comme SAP, Salesforce, Facebook, Kafka et Kinesis. Fivetran fonctionnait si bien que l'équipe a décidé de s'attaquer aux tâches d'agrégation de données qui prenaient des jours.

Fivetran a réduit un chargement par lots de 31 heures à moins de deux heures (une réduction de temps de 94 %), et un autre de plusieurs jours à moins d'une heure. Ce tout nouveau flux de données a collecté et agrégé efficacement les données de 700 000 appareils IoT répartis sur 16 sites. Mieux encore, les problèmes de performance des scripts personnalisés ont disparu. Au lieu d'interroger directement les bases de données et d'ajouter à la charge globale de traitement des données, la solution basée sur les journaux de Fivetran capture des changements de données (CDC) Les connecteurs capturent toutes les modifications de données et éliminent le temps de chargement de traitement ainsi que l'impact sur les systèmes sources.

HVR de Fivetran a aidé Pitney Bowes à déplacer de grands volumes de données et a éliminé ses goulots d'étranglement d'infrastructure. Pour la toute première fois, ils disposaient d'une livraison de données efficace et en temps réel pour toutes nos installations, véhicules et colis.

Données financières rendues opérationnelles en toute transparence depuis SAP

De nombreuses organisations sont confrontées au défi d'exploiter les données hébergées dans SAP. Bien que SAP dispose d'un puissant écosystème de produits et services, toutes les entreprises ne souhaitent pas construire un écosystème de données autour de la pile de produits SAP. Elles disposent d'autres données sources qu'elles souhaitent relier à leurs données SAP, ce qui est difficile à réaliser au sein de cet écosystème.

Les précédentes tentatives de Shah pour intégrer les données SAP dans Snowflake s'étaient soldées par de la frustration. Plus ils extrayaient de données, plus les coûts et les délais augmentaient. Au mieux, Shah ne pouvait synchroniser les données SAP avec Snowflake qu'une fois tous les deux ou trois jours — un délai bien trop long pour toute prise de décision en temps réel.

Il a tiré parti de HVR pour synchroniser les données SAP, et cela s'est fait sans effort. Le connecteur SAP de Fivetran a effectué des synchronisations complètes de données à haut volume vers Snowflake en moins de sept heures — soit une augmentation de 85 % des performances. Désormais, l'équipe pouvait synchroniser au moins quatre fois par jour sans aucun impact sur les performances des systèmes SAP. 

Analyse prédictive, efficacité opérationnelle et croissance des revenus

Fort du succès de l'intégration des données SAP, EIM s'apprête à faire de Fivetran la norme à l'échelle de l'entreprise — des applications SaaS basées sur le cloud aux systèmes CRM d'entreprise et transactionnels comme Oracle, IBM et DB2. Shah et son équipe ont rapidement développé une variété de nouveaux produits innovants qui ont transformé la capacité de Pitney Bowes et de ses clients à planifier et à prévoir la croissance.

L'un des produits de données les plus passionnants était un tableau de bord d'analyse opérationnelle en temps réel — une vue unifiée du volume, de la main-d'œuvre et de l'efficacité dans toutes les installations de Pitney Bowes. Les dirigeants pouvaient voir et comprendre exactement ce qui se passait dans l'ensemble de l'entreprise en même temps. Les responsables d'installations pouvaient explorer les données pour visualiser le volume de colis et évaluer la capacité de main-d'œuvre correspondante.

Lorsque la pandémie a multiplié par 10 les achats en ligne, Pitney Bowes n'a pas pu faire face à la demande de main-d'œuvre, ce qui a entraîné une aggravation des problèmes de SLA. Shah et son équipe ont réagi en définissant de nouvelles métriques proactives autour de l'efficacité de la main-d'œuvre prévue. Ils ont ensuite développé des tableaux de bord prédictifs pour le volume des installations ; le volume du réseau ; les dates estimées de livraison et de retour ; la classification des produits selon le Système Harmonisé (SH) et la planification des camions de livraison. 

Ces tableaux de bord permettaient de :

• Prévoir la saisonnalité et les volumes à venir pour aider les responsables de site à planifier la main-d'œuvre à l'avance
• Déterminer les itinéraires les plus efficaces en fonction du volume par colis
• Estimer avec précision les dates de livraison vers les installations et les destinations finales
• Atténuer les risques de non-respect des dates de livraison avant le non-respect des SLA
• Réduire considérablement le gaspillage de capacité des camions

Les capacités de planification prédictive des camions ont augmenté la précision des estimations de livraison de Pitney Bowes à 93 %. Ils suivent également les données de santé et d'observation de leur vaste réseau d'appareils IoT distribués mondialement, permettant de nouvelles analyses et une atténuation des risques liés aux pannes matérielles. L'exploitation de ces données a conduit à un suivi en temps réel de n'importe quel colis, partout dans le monde — ce qui n'était pas possible avant l'utilisation de Fivetran.

Enfin, l'architecture de données mise à jour a jeté les bases d'un nouveau programme générateur de revenus appelé « Livraison garantie ». Parce que Pitney Bowes pouvait prévoir les volumes des installations et les dates de livraison, ils pouvaient offrir des garanties de livraison en aval par l'intermédiaire de leurs fournisseurs. Ils pouvaient même identifier les comportements d'attrition et atténuer ce risque de manière proactive. 

Fivetran a permis à Pitney Bowes de créer des résultats commerciaux incroyables. La mise en œuvre de Fivetran a modernisé l'écosystème de données de Pitney Bowes tout l'écosystème de données, révolutionnant le flux de données dans toute l'entreprise tout en éliminant tous leurs problèmes de performance des données. Leur équipe de données n'a plus à gérer le travail ETL manuel et peu fiable, les processus hérités, la prolifération des données ou les risques de sécurité. Au lieu de cela, ils favorisent l'innovation à la vitesse de l'entreprise avec des données fiables, récentes et dignes de confiance.

Téléchargez ce rapport IDC pour découvrir comment Fivetran génère des millions d'impact financier et permet de nouvelles initiatives commerciales pour les entreprises.