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

« Fivetran a complètement transformé nos opérations de données. Ce qui prenait auparavant 2 à 4 semaines ne prend désormais que quelques minutes. Cela a permis à nos équipes de se concentrer sur des tâches à forte valeur ajoutée et de les mener à bien, comme notre nouveau data lake qui alimente des insights pilotés par l'IA pour nos clients. »
— Lakshmi Ramesh, VP of Data Services chez Tinuiti

Tinuiti, la plus grande agence indépendante de marketing à la performance full-funnel des États-Unis, gère près de 4 milliards de dollars de dépenses média pour ses clients sur tous les principaux canaux du marketing digital. Son produit de mesure innovant, Bliss Point by Tinuiti, apporte une visibilité claire sur l'impact de chaque dollar dépensé. Le succès de ce produit repose sur la fourniture d'insights marketing extrêmement précis et en temps réel, grâce à des techniques avancées de data science comme l'inférence causale et le machine learning (ML).

En tant que leader du marketing piloté par les données, Tinuiti recherchait un socle de données moderne pour faire évoluer ses capacités analytiques. Ce défi est revenu à Lakshmi Ramesh, VP of Data Services chez Tinuiti, dont l'équipe gère le reporting client, la business intelligence et les opérations de données. Avant d'adopter Fivetran pour bâtir une architecture de data lake moderne, l'architecture de données précédente de l'entreprise était truffée de processus manuels qui ralentissaient l'onboarding des clients et créaient des goulots d'étranglement en matière de performances.

Parvenir à un système évolutif impliquait de construire un data lake centralisé et interopérable — capable d'ingérer les données automatiquement, de s'adapter à des campagnes mondiales et de fournir des insights en temps réel.

Construire un socle de données évolutif pour le marketing moderne

Tinuiti faisait face à un défi de données considérable avec son entrepôt de données managé : des plateformes fragmentées, des schémas incohérents et des inefficacités coûteuses. Chaque source arrivait avec des schémas, des formats et des cycles de mise à jour d'API différents, créant plusieurs défis majeurs :

• Contrôle limité sur les données : l'entrepôt de données de Tinuiti n'offrait pas un accès complet, limitant la flexibilité et l'évolutivité.
• Charge opérationnelle élevée : les ingénieurs passaient jusqu'à 150 heures par mois à maintenir les connecteurs d'API, au lieu de se concentrer sur l'analytique.
• Goulots d'étranglement de performances Amazon Redshift : à mesure que les volumes de données augmentaient, les performances et l'évolutivité des requêtes se dégradaient.

De plus, la gestion manuelle des pipelines de données internes et les changements de schéma constants s'avéraient intenables. Il fallait jusqu'à 6 semaines pour onboarder de nouveaux clients pendant une période cruciale de construction de la relation. Ramesh devait centraliser rapidement et de manière fiable les données marketing des clients afin d'améliorer les performances des campagnes clients et d'instaurer la confiance dès le début. 

Elle a choisi Fivetran pour sa bibliothèque de plus de 700 connecteurs afin d'intégrer en toute fluidité les données de plus de 100 plateformes marketing et sources de données différentes dans Amazon S3. En plus de gagner un contrôle et une flexibilité totale en s'éloignant de leur entrepôt de données, l'équipe de Ramesh a réduit le temps d'onboarding des nouvelles sources de données à moins d'une heure grâce à l'API Fivetran pour une configuration programmatique. 

Cette transition a établi une couche de stockage universelle, permettant à Tinuiti de stocker l'ensemble de ses données brutes et traitées dans un environnement unique et évolutif. Avec cette architecture, les équipes peuvent interroger les données directement depuis Amazon S3, envoyer des données structurées vers un entrepôt ou alimenter des modèles de ML sans dupliquer les jeux de données. Les résultats incluent des insights plus rapides, une réduction des coûts de calcul et de stockage, des contrôles d'accès granulaires et la capacité de servir une base de clients plus large.

Auparavant, avec l'ancienne architecture, Ramesh ne pouvait servir que 20 % des clients de Tinuiti, mais avec l'architecture de data lake Amazon S3, elle sert l'ensemble de la base de clients à partir d'une plateforme unique, évolutive et centralisée. Grâce à Fivetran, la migration a également mis fin au reporting manuel et à la fastidieuse maintenance mensuelle des pipelines faits maison.

« Fivetran a complètement transformé notre time to value. Je peux remplir 2 champs dans le formulaire de configuration de Fivetran et onboarder un client sur jusqu'à 80 plateformes. Ce qui prenait auparavant 2 à 4 semaines prend désormais moins d'une heure, car Fivetran est tellement self-service et simple. En quelques minutes seulement, nous fournissons des insights sur des millions de points de données. »
— Lakshmi Ramesh, VP of Data Services chez Tinuiti

Des pipelines manuels à des données prêtes pour l'IA 

Le Fivetran Managed Data Lake Service a apporté une nouvelle valeur aux opérations de données de Tinuiti, remplaçant des pipelines fragmentés et maintenus manuellement par une intégration de données entièrement automatisée. Contrairement aux entrepôts traditionnels qui exigent des données structurées en amont, le data lake ingère des données structurées, semi-structurées et non structurées pour une flexibilité et une évolutivité accrues.

L'ingestion de données automatisée de Fivetran offre une conversion à la volée vers un format de table ouvert, permettant aux équipes d'exécuter des analyses exploratoires, de construire des modèles prédictifs et d'alimenter des workflows d'IA/ML sur des données prêtes à être interrogées. Les analystes et les data scientists interrogent des données en pleine fidélité dans Amazon S3 avant de ne déplacer que le nécessaire vers l'entrepôt, réduisant ainsi les coûts de stockage et de calcul.

Pour optimiser davantage les performances, Tinuiti utilise Fivetran pour convertir automatiquement les données au format Apache Iceberg pour des requêtes conformes, éliminant le besoin de conversions de format manuelles. Fivetran alimentant automatiquement le catalogue AWS Glue, Tinuiti a renforcé sa gouvernance et sa sécurité des données tout en réduisant sa charge opérationnelle.

« Le Fivetran Managed Data Lake Service nous donne la flexibilité de diriger les données où nous le voulons et de les consommer comme nous le voulons. Nous pouvons choisir ce que nous amenons dans l'entrepôt ou envoyons ailleurs, ce qui a réduit nos coûts, renforcé la sécurité et amélioré notre gouvernance des données. »
— Lakshmi Ramesh, VP of Data Services chez Tinuiti

Améliorer le marketing grâce aux insights en temps réel et à l'automatisation

Avec Fivetran, Tinuiti a éliminé au moins 80 % du travail manuel de maintenance et de configuration des pipelines. Cela permet à l'équipe des data services de se concentrer davantage sur l'analytique, le ML et la data science. Tinuiti explore l'IA et les grands modèles de langage (LLM) pour améliorer l'efficacité opérationnelle et analyser plus en profondeur les performances des médias sur les différents canaux. Avec un accès aux données en temps réel, l'agence peut désormais prédire les performances des campagnes, optimiser les dépenses publicitaires et personnaliser les stratégies marketing.

Fivetran a considérablement réduit la charge d'ingénierie, libérant l'équipe pour construire des outils avancés d'analytique prédictive et de prévision par-dessus le media mix marketing. Tinuiti étend également sa base de clients à l'international et mène des campagnes internationales, Fivetran garantissant que les données sont fournies avec les bonnes étiquettes de pays et de devise — ce que l'agence ne parvenait pas à réaliser facilement il y a 2 ans.

Plus important encore, les données que Tinuiti fournit à ses clients sont plus dignes de confiance, précises et fiables que jamais. Bliss Point by Tinuiti peut désormais informer proactivement les clients en cas de retards ou de problèmes de données, en grande partie grâce à la visibilité offerte par Fivetran.

« Fivetran a fourni un socle de données extrêmement solide, si bien que nous pouvons désormais ouvrir grand les vannes des données. Sans Fivetran, il nous faudrait une immense équipe d'ingestion de données dont le seul travail serait de construire et de maintenir des connecteurs d'API. »
— Lakshmi Ramesh, VP of Data Services chez Tinuiti

Fournir des insights au bon moment chez Tinuiti

Un socle de données nouvellement centralisé a conduit à des avancées majeures en matière de données précises et fiables. Il ouvre la voie à une analytique plus avancée et à des insights pilotés par l'IA, adossés à des données standardisées, taxonomisées et facilement accessibles dans toute l'organisation, sans être liées à un système ou une plateforme unique.

Un nouveau modèle de media mix marketing (MMM) permet aux marques et aux marketeurs d'allouer stratégiquement leurs budgets entre les canaux en fonction de données de performance actualisées. Parallèlement, l'analytique alimentée par l'IA et le ML offre des capacités de prévision, aidant les marques à prédire plus précisément les futures performances de campagne et le ROI.

Fivetran a ouvert de nouvelles opportunités pour l'expansion mondiale de Tinuiti, permettant à l'entreprise de faire évoluer ses opérations à l'international et de soutenir une base de clients croissante et diversifiée. Ce qui était impossible il y a seulement 2 ans — centraliser des données sur des centaines de plateformes et intégrer en toute fluidité des insights marketing mondiaux — constitue désormais le socle de ce qui vient ensuite.

« Avant Fivetran, ingérer des données était un processus chronophage et lourd sur le plan opérationnel, et nous n'avions aucun contrôle sur leur qualité ou leur fiabilité. Avec Fivetran, nous pouvons arriver sur le marché plus vite et j'entrevois un avenir où nous partagerons facilement des données puissantes directement depuis notre data lake vers nos clients. »
— Lakshmi Ramesh, VP of Data Services chez Tinuiti

[CTA_MODULE]