Red Ventures accompagne 30 % de clients supplémentaires sans nouvelles embauches

Taille de l'entreprise
2000+
Région
Amérique du Nord
Industrie
Services professionnels

Lancez-vous gratuitement

Essayez le transfert de données de niveau entreprise — sans engagement

Essai gratuitRéserver une démo en direct
Sources des connecteurs
S3 Data Lake
PostgreSQL
SQL Server
Google Ads
Iterable
+50 de plus
Cloud Platform
Amazon Web Services
Chiffres clés
  • Atteint les bons clients grâce aux données et à l'IA
  • Économise 100 heures par intégration de données classique
  • Consacre 80 % de temps en moins aux tâches de traitement des données

Red Ventures (RV) place l'adaptabilité et le changement au cœur de son activité. Les milliers de collaborateurs de cette entreprise mondiale s'efforcent d'influencer positivement le parcours de vie des personnes et des communautés qu'ils touchent. La division Red Digital de RV a pour objectif d'offrir aux clients marketing un retour sur investissement supérieur à ceux qu'ils avaient obtenus jusque-là. Souhaitant gérer ses données marketing plus efficacement, RV a déployé Databricks aux côtés de Fivetran et de dbt™. Rapidement, RV a réalisé ses tâches de traitement des données en une fraction du temps auparavant nécessaire, libérant ses ingénieurs de données pour qu'ils se concentrent sur l'analyse. Aujourd'hui, grâce à des solutions de données plus intuitives, RV peut se consacrer davantage aux transformations de données et aider l'entreprise à obtenir de meilleurs résultats pour ses clients.

« Avec Databricks, Fivetran et dbt™, nous pouvons exploiter les données et l'IA de manière à toucher les bons clients avec les campagnes marketing de nos clients. Cela nous permet d'offrir de meilleurs résultats pour leur investissement. »
— Brandon Beidel, Director of Product Management chez Red Ventures

L'ingestion de données entre les clouds crée un goulet d'étranglement

Lorsque les entreprises souhaitent optimiser leur stratégie marketing, elles se tournent vers RV. La division Red Digital de l'entreprise propose des services de marketing à la performance de bout en bout qui aident les prestataires de services business-to-consumer (B2C) à attirer de nouveaux clients. RV s'appuie sur une solution de données moderne et évolutive pour optimiser les campagnes de recherche, les campagnes sur les réseaux sociaux, l'affichage et les pages de destination, de façon à transformer les prospects marketing situés en haut du tunnel de conversion en clients fidèles pour ses clients.

« Pour certains de nos clients, nous gérons l'intégralité du parcours client », explique Brandon Beidel, Director of Product Management chez Red Ventures. « De nombreux clients ne disposent pas de l'expertise marketing en interne pour mener des campagnes sophistiquées. Notre rôle est de les aider à développer leur clientèle dans la durée, et nous exploitons les données et l'IA pour leur offrir les meilleurs résultats possibles. »

Pour RV, apporter plus de valeur à ses clients — et aux consommateurs — consiste à exploiter au bon moment les enseignements tirés des données pour s'adresser aux bons consommateurs. Mais l'entreprise ne pense pas qu'à ses résultats financiers. Red Ventures souhaite que ses clients et prospects bénéficient d'une expérience utilisateur exceptionnelle lorsqu'ils explorent des produits et décident de passer à l'achat.

« Le consommateur d'aujourd'hui s'attend à pouvoir réaliser l'intégralité du processus d'achat en ligne pour la plupart des produits », déclare Brandon Beidel. « Mais lorsqu'il achète des services complexes, il est difficile pour les entreprises de faire passer efficacement leur message. Notre objectif est de créer pour nos clients une expérience publicitaire optimale, ou de multiples versions d'un site web, puis de connecter chacun de leurs clients à l'expérience utilisateur qui l'aidera le mieux à comprendre le produit. Pour personnaliser le marketing à ce niveau, nous devons exploiter efficacement les données et l'IA. »

Pour garantir l'intégrité des données, RV conserve les données de chaque client dans un environnement cloud distinct. À partir de là, RV doit intégrer les données de chaque client et réaliser des transformations intensives afin de générer des prédictions de machine learning. Jusqu'à récemment, les ingénieurs de données rédigeaient des scripts sur mesure pour ingérer les données de chaque client — une tâche fastidieuse et chronophage.

Une architecture de données moderne aide à simplifier et automatiser les charges de travail ETL

Cherchant à traiter les données plus efficacement, RV a déployé Databricks pour faire évoluer ses pipelines d'ingénierie des données et accélérer l'obtention d'enseignements. L'entreprise utilise également Fivetran pour l'ingestion des données et dbt™ pour appliquer les transformations de données. Databricks est désormais le moteur qui exécute les tâches de calcul les plus lourdes de RV. Pour chaque environnement client, RV a mis en place un espace de travail Databricks dédié, des connecteurs Fivetran et des projets dbt™ auxquels seuls les collaborateurs désignés peuvent accéder. Ces trois solutions alimentent en données un pipeline de machine learning qui pilote des fonctions telles que la budgétisation des dépenses publicitaires des clients.

« En raison de la nature de notre activité, nous devons maintenir une architecture de données distincte pour chaque client », explique Brandon Beidel. « Mais Databricks, Fivetran et dbt™ nous aident à éviter de réinventer la roue lorsque nous construisons les briques de traitement, de calcul et de gestion des données pour chaque client. Nous avons pu reprendre le travail réalisé par nos ingénieurs et le réutiliser pour plusieurs clients. Nous avons également mis Fivetran entre les mains de nos équipes marketing afin qu'elles configurent elles-mêmes les intégrations permettant d'ingérer les données de nos clients, et nous leur avons donné accès à dbt™ pour définir les transformations de données. Ces outils sont si simples que nous n'avons souvent pas besoin de solliciter nos ingénieurs. »

La plupart des événements enregistrés sur les sites web des clients sont transmis en flux à RV. L'entreprise reçoit dans son entrepôt les données de clics, les vues d'événements, les vues de pages, la profondeur de défilement et bien plus encore. À partir de là, RV a simplifié et automatisé ses charges de travail ETL.

« Databricks nous permet de ne plus avoir à nous soucier de la gestion de l'infrastructure », indique Brandon Beidel. « Pour de nombreuses charges de travail, il nous suffit de sélectionner la taille de calcul, de définir notre script et de le laisser s'exécuter. Nos ingénieurs de données n'ont pas besoin d'être des experts de la gestion des clusters Spark. Avec Databricks, ils peuvent se concentrer sur la structure des données et la logique métier. »

[CTA_MODULE]

Offrir de meilleurs résultats aux clients avec moins de travail sur les données

RV traite désormais les données de ses clients plus efficacement que jamais. L'entreprise consacrait auparavant 100 à 150 heures à chaque intégration de données. Aujourd'hui, ce chiffre est de 10 heures, ce qui libère les ingénieurs de données pour des tâches à plus forte valeur ajoutée. Des tâches de traitement qui s'exécutaient la nuit et prenaient jusqu'à 20 heures se terminent maintenant en quatre ou cinq heures. Et parce que Fivetran fournit le même jeu de données pour chaque client et que dbt™ offre à tous une vision claire des transformations de données, l'équipe d'ingénierie de RV a réduit le temps consacré au dépannage de 50 % à moins de 20 % de son temps. Les capacités de gestion automatisée des clusters de la plateforme Databricks Lakehouse ont permis de réaliser des gains de temps supplémentaires.

« Ne plus avoir à gérer les clusters représente un gain de temps considérable pour nous », souligne Brandon Beidel. « Notre principal reproche à l'égard des autres technologies d'entreposage est l'absence d'un autoscaling efficace. C'est une fonctionnalité indispensable lorsqu'on travaille avec un volume important de charges de travail analytiques et que la demande fluctue tout au long de la journée. Le fait que Databricks prenne en charge cette variabilité d'utilisation nous fait probablement économiser un ingénieur sur 10. »

Ce gain d'efficacité a permis à RV d'accompagner 30 % de clients supplémentaires. « L'un des éléments qui m'ont séduit dans dbt™, c'est que tout est en SQL », explique Brandon Beidel. « Il sert de langage commun à notre équipe. Tout le monde ne sait pas écrire du SQL, mais chacun peut le lire et mieux comprendre ce qui se passe en coulisses. »

Parce que dbt™ et Fivetran sont si simples à utiliser, davantage de collaborateurs de RV participent aux transformations de données. Les ingénieurs utilisent souvent dbt™ pour montrer aux équipes marketing comment certaines valeurs ont été calculées, ce qui donne lieu à des échanges plus approfondis sur les données et à un transfert de connaissances de l'ingénierie vers les utilisateurs métier.

Cette démocratisation des données contribue à de meilleurs résultats pour les clients de RV. « Grâce au pipeline de machine learning extrêmement intuitif que nous avons conçu, nous avons aidé nos clients à améliorer leur efficacité en matière de coûts de 20 à 30 % sur certains canaux », conclut Brandon Beidel.

Further reading
No items found.
No items found.
Témoignages de clients
Case study

Fivetran structure l’alimentation data en temps réel de Saint-Maclou

Case study

Shutterstock développe une infrastructure de données ouvertes compatible IA avec Fivetran

Case study

Canva unifie et active les données pour permettre la personnalisation de plus de 260 millions d'utilisateurs

Case study

Lion Corporation automatise l'intégration des données SAP pour alimenter la transformation numérique

Case study

First Hawaiian Bank déploie un reporting en temps réel et une vue client 360

Case study

Activision met en place un marketing personnalisé pour des millions de joueurs

Case study

Coke One North America accélère les aperçus SAP en temps réel pour 35 000 utilisateurs

Case study

Sharp HealthCare révèle des informations cliniques grâce aux données de santé en temps réel

Case study

LVMH obtient des informations en temps réel et parvient à une excellence opérationnelle

Case study

Tinuiti construit un data lake évolutif pour un marketing piloté par l'IA