Princess Polly réinvente l'analyse du commerce de détail avec la Modern Data Stack

La situation‍

Princess Polly a vu le jour en 2010, dans le plus pur style startup : dans un appartement en bord de mer sur la Gold Coast, en Australie. Aujourd'hui, Princess Polly compte une équipe de plus de 200 personnes, réparties entre la Gold Coast et Los Angeles. Anand Bhatt a rejoint la startup de mode en mai 2020 en tant que Head of Business Analytics, peu après le lancement de l'entreprise aux États-Unis. 

Princess Polly souhaitait faire passer à la vitesse supérieure l'utilisation de ses données — en période d'incertitude, l'accès à des données fiables et actualisées revêtait la plus haute importance.

« Au début, quand la COVID est arrivée, nous étions tous inquiets », raconte Anand. « Il y a évidemment eu un impact initial sur l'activité le premier mois. Mais ensuite, l'entreprise a commencé à connaître une croissance. Nous avons commencé à comparer les tendances saisonnières pour déterminer quel devait être notre budget. La valeur de cette tendance provenait des données fournies par Fivetran. »

Le problème  

Lorsqu'Anand a rejoint Princess Polly, il a rapidement bâti une infrastructure analytique avec Fivetran pour soutenir le lancement crucial de l'entreprise sur le marché américain. Il était vital qu'Anand démontre rapidement et efficacement la valeur ajoutée et accompagne les services internes dans leurs prises de décision. Dans ses fonctions précédentes, Anand avait constaté de première main les inefficacités de l'ETL traditionnel :

« J'avais constaté qu'une méthodologie ETL traditionnelle peut prendre du temps. Recruter des ingénieurs et des analystes prend du temps. La valeur que je voulais créer chez Princess Polly, c'était celle de l'automatisation de l'analyse : je voulais fournir des indicateurs, plutôt que de passer du temps à nettoyer et à déplacer les données », explique Anand.

En tant qu'équipe d'une seule personne, Anand devait maximiser le temps consacré à générer de la valeur pour l'entreprise et minimiser les tâches manuelles et chronophages qui alourdissent les services analytiques. Un autre axe majeur était l'analyse des flux de trésorerie — comprendre quelles décisions influaient sur les résultats de l'entreprise, afin de prendre des décisions plus efficaces.

« C'est essentiellement l'objectif : prévoir le chiffre d'affaires de l'entreprise, prévoir les ventes de vos SKU ou de vos produits. Il était vraiment important pour nous d'avoir une source unique de vérité et une source unique de définition. Ensuite, il faut un certain temps pour instaurer une culture de la donnée. Cela ne se fait pas du jour au lendemain. Les fondateurs ont clairement pris conscience de l'importance de la culture de la donnée et de la nécessité de la développer au fil du temps. »

La solution

Anand avait une idée précise de ses besoins en matière de connecteurs pour un fournisseur ELT, grâce à son expérience de Fivetran dans un poste précédent. Il était essentiel que le fournisseur dispose d'un connecteur Shopify bien établi, capable de prendre en charge à la fois les comptes Shopify australien et américain de l'entreprise. Il était également vital que le connecteur offre la possibilité de réunir à terme les données des deux comptes à des fins d'analyse.

Anand voulait une solution proposant un connecteur pour acheminer les données de leur système de RP (micro-influenceurs) vers leur entrepôt de données, avec la prise en charge de Klaviyo pour importer tous les scores NPS dans leur système. Princess Polly a également créé une fonction AWS Lambda pour son pool de données Inventory Planner et Returns (Loop), en utilisant le connecteur Fivetran pour l'ingestion.

« ​​Fivetran était une évidence. Le pool de données de schéma — la structure de tables extraite de Shopify et d'autres sources de données comme Klaviyo — était nettement plus simple. Le processus était aussi plus fluide. Nous devions nous connecter à toute une série de Google Sheets différents, ce qui était également plus facile avec Fivetran », explique Anand.

En commençant par un essai de deux semaines, Anand a pu rapidement connecter les API Shopify à Fivetran, effectuer des tests concluants et lancer une synchronisation des données historiques. En parallèle, Anand a mis en place Mode Analytics pour donner à l'équipe l'accès aux jeux de données qui commençaient à se remplir. « Le processus a été simple et fluide », explique Anand. « Nous avions accès aux données Shopify en moins de 10 jours. »

« Depuis Fivetran, nous planifions l'exécution de scripts de transformation dbt à la suite d'un chargement de données. Les transactions, les stocks et les produits font partie des domaines de données fonctionnels qui sont transformés de manière à être directement exploitables par nos analystes », explique Anand.

Les résultats

Là où l'entreprise fonctionnait autrefois avec des données cloisonnées, l'équipe est désormais en mesure de poser des questions plus approfondies et plus pertinentes sur les leviers de l'activité et de recueillir des informations exploitables pour dégager un avantage concurrentiel.

« Nous avons commencé à nous intéresser davantage aux tendances. Nous avons commencé à fonder nos décisions moins sur l'intuition et davantage sur les données, sur les tendances saisonnières et les tendances historiques, pour décider combien nous devions dépenser, avec qui travailler et quoi acheter », explique Anand.

L'impact s'est fait sentir dans toute l'entreprise, du service Finance aux équipes RP, Marketing, Sourcing et Merchandising. De nouveaux tableaux de bord et des rapports hebdomadaires permettent à l'ensemble de l'entreprise de comprendre son chiffre d'affaires, son nombre de nouveaux clients ainsi que l'efficacité des campagnes marketing et les taux de conversion dans le temps.

La nouvelle capacité de Princess Polly à associer les données transactionnelles aux données de stock — issues de Shopify et de Klaviyo — a permis aux analystes de découvrir de nouveaux thèmes de sourcing et de suivre les réussites, rapprochant ainsi les équipes Sourcing et Merchandising. 

Comme toute entreprise d'e-commerce, Princess Polly doit traiter des remboursements. En centralisant et en analysant les jeux de données de ventes de Shopify et les jeux de données de remboursement, l'entreprise est en mesure de prévoir avec précision à quoi ressembleront les remboursements dans les semaines ou les mois à venir, en fonction de ce qui a déjà été vendu.

L'équipe RP peut désormais suivre l'impact des collaborations avec les influenceurs sur les stocks, en fonction d'objectifs incitatifs fixés chaque semaine ou chaque mois. Le service Finance est également en mesure de comprendre les performances quotidiennes de l'entreprise, grâce à une structure de données de bout en bout couvrant les données de chiffre d'affaires, de l'expédition à la livraison. 

« Nous voulons recruter des analystes capables de fournir les indicateurs ou les KPI de ce service, puis de collaborer avec les parties prenantes de ce service pour leur apporter une analyse expliquant pourquoi quelque chose fonctionne bien, pourquoi le score NPS a baissé, en consacrant plus de temps à l'analyse et davantage de temps à la prévision, afin que nous puissions anticiper. »

[CTA_MODULE]

‍