Vida Health utilise Fivetran et dbt pour offrir des soins de santé personnalisés

Une santé numérique pilotée par les données

Vida Health est une entreprise de santé numérique qui propose des soins virtuels personnalisés, via des plans parrainés par l'employeur, à des personnes atteintes de maladies chroniques comme le diabète, l'obésité et la dépression.

Pour adapter son accompagnement et ses ressources aux besoins de chacun, Vida Health collecte des données sur l'historique médical du client, les demandes de remboursement d'assurance passées, les résultats d'analyses de laboratoire et les données de journal issues d'appareils de santé connectés comme les trackers d'activité et les balances numériques.

« Avec les données, vous obtenez un très bon profil (de santé) du membre avant même qu'il ne s'inscrive », déclare Trenton Huey, Senior Director of Data chez Vida Health. « Cela nous aide à personnaliser son onboarding et à identifier les bons programmes pour lui. »

Les données permettent à Vida Health de suivre les progrès des utilisateurs, d'ajuster les plans de traitement si nécessaire et de donner aux utilisateurs de la visibilité sur les résultats via l'application mobile Vida Health.

« Les données ne servent pas uniquement au reporting et à l'analytique, mais aussi à guider directement l'expérience de l'utilisateur final dans notre application », déclare Trenton.

S'affranchir d'un pipeline personnalisé inefficace 

Avant de passer à Fivetran et dbt, l'équipe de Vida Health s'appuyait sur une solution développée sur mesure, utilisant des scripts Python et des tâches cron pour charger et transformer les données dans BigQuery. Cette approche présentait plusieurs problèmes :

• La solution n'était pas évolutive : le pipeline maison peinait et échouait souvent lorsque le volume de données grimpait en flèche.
• Le pipeline était opaque et fragile : les composants étaient mal documentés et compris par quelques personnes seulement de l'équipe data. Lorsque des problèmes survenaient, il fallait parfois des semaines pour trouver et corriger la cause première. 

Ces problèmes entraînaient parfois des interruptions de reporting de 2 à 3 jours. Les données n'étaient pas accessibles de manière fiable aux équipes qui en avaient besoin pour servir au mieux leurs clients.

« Les équipes non techniques peinaient à accomplir quoi que ce soit », confie Trenton. « Elles finissaient par construire leurs propres pipelines individuels en local. Mais nous ne pouvions pas réutiliser ce travail ni l'intégrer à d'autres systèmes. »

[CTA_MODULE]

Repartir de zéro : les besoins et les objectifs d'une nouvelle stack de données

Renforcer la collaboration au sein d'une équipe data nouvellement unifiée

Vida Health avait récemment regroupé ses fonctions d'ingénierie des données, de data science et d'analytique des données au sein d'une seule équipe — cherchant à faire tomber les silos et à améliorer la collaboration entre ces rôles. 

« C'était plus qu'une simple question de composants techniques. Nous nous demandions : "comment toutes ces équipes peuvent-elles mieux travailler ensemble ?" », déclare Trenton. 

Avec une interface utilisateur accessible dans Fivetran et de solides capacités de transformation dans dbt, les analystes de données de Vida Health pouvaient s'approprier davantage le processus de chargement et de transformation des données et faire avancer leur travail de manière plus autonome. Ils pouvaient consulter les ingénieurs de données pour obtenir des conseils, au lieu de dépendre d'eux pour créer et maintenir chaque modification du pipeline. 

« Nous avons ouvert de nouvelles voies de collaboration en utilisant dbt et Fivetran », déclare Trenton. « Par exemple, les recherches menées par les chercheurs cliniques peuvent désormais être [reflétées] plus rapidement et plus finement dans le produit. »

Et cette nouvelle collaboration a aidé l'équipe à atteindre son objectif : elle avait moins de six mois pour onboarder plus de dix nouveaux clients. Cela signifiait qu'elle avait besoin d'un pipeline capable d'ingérer, de transformer et de déployer les données d'éligibilité, de remboursement et de laboratoire — à grande échelle. Ils savaient qu'ils pouvaient relever ce défi avec Fivetran + dbt.

Assurer le mouvement des données à grande échelle avec Fivetran 

La première étape de l'onboarding de ces nouveaux clients consistait à centraliser leurs données provenant de sources SaaS et propriétaires dans un entrepôt unique faisant office de source de vérité. Ils avaient besoin d'un moyen d'y parvenir à grande échelle, avec une automatisation et une sécurité intégrées — en particulier lors du traitement de données de santé. C'est pourquoi ils se sont tournés vers Fivetran.

« La réputation de Fivetran parlait d'elle-même. Nous savions qu'il pouvait déplacer nos volumes de données importants — et croissants — depuis toutes nos sources en toute sécurité. Nous n'avons même pas évalué d'autres solutions. » Mais, pour Trenton, « Le fait que les données de remboursement stockées sous forme de fichiers plats dans GCS puissent être déplacées a été l'élément décisif. Tout le monde, des ingénieurs de données aux analystes, était convaincu par Fivetran. »

Avec les connecteurs entièrement managés de Fivetran, Vida Health déplace des données depuis toutes ses applications SaaS — comme Salesforce, Stripe, Zendesk et Google Analytics. Ces données SaaS, couvrant les ventes, le marketing et le produit, alimentent le reporting métier et contribuent à stimuler la croissance de l'entreprise.

Ils déplacent également des informations de santé protégées (PHI) propriétaires — notamment des données de laboratoire, des demandes de remboursement médicales passées et des commandes de pharmacie, entre autres — depuis de multiples sources, telles que PostgreSQL, MySQL et Google Cloud Storage. Ils peuvent le faire dans différents formats vers la même instance BigQuery. Avec le plan Enterprise de Fivetran, ils bénéficient également d'une sécurité maximale, garantissant que ces données sont protégées et conformes à la loi HIPAA. Ces données sécurisées et centralisées constituent un socle fiable permettant à Vida Health de fournir des soins personnalisés à ses clients.

Aujourd'hui, Vida Health utilise Fivetran pour centraliser les données de 148 connexions différentes dans une seule instance BigQuery.

« Fivetran a contribué à moderniser notre infrastructure et à démocratiser l'ingestion des données. Auparavant, la centralisation des données était un processus lent, car elle nécessitait des tâches Python personnalisées. Mais désormais, de nombreuses équipes configurent des pipelines et c'est plus facile à maintenir. Lorsque nous démarrons de nouveaux projets avec de nouveaux systèmes ou de nouvelles sources de données, nous disons souvent "tout commence par Fivetran". »
— Trenton Huey, Senior Director of Data chez Vida Health

[CTA_MODULE]

Accélérer le développement produit avec dbt

Une fois les données chargées dans BigQuery avec Fivetran, l'équipe a utilisé dbt pour refactoriser l'ancien code de pipeline, lourd et difficile à manier, en requêtes SQL modulaires plus faciles à lire, à réutiliser et à maintenir. 

« Nous avons pu supprimer des milliers de lignes de code », déclare Trenton. « Dans mon entreprise précédente, nous avions besoin de plusieurs tâches Spark pour transformer les données. Avec dbt, il nous faut bien moins de ressources pour effectuer le même travail. »

Avant leur migration vers dbt, les équipes de recherche et produit de Vida Health utilisaient des pipelines distincts pour traiter les données, s'appuyant souvent sur des notebooks locaux. Cela cloisonnait les connaissances de l'équipe et entravait parfois leur capacité à représenter les données cliniques avec la nuance appropriée dans leur produit. 

Grâce à sa data lineage à mise à jour automatique, dbt a rendu le processus de transformation des données accessible aux employés de Vida Health dans les équipes de recherche clinique, produit et data. Cela a permis aux équipes de partager leurs connaissances, d'apporter plus de précision à leurs insights et à leur produit — et d'avancer plus vite. 

dbt a « rendu possibles des choses qui n'arrivaient tout simplement pas du tout auparavant. C'est comme passer de zéro à un sur certains sujets », déclare Trenton. 

« L'analyse du traitement d'une certaine pathologie prenait autrefois des mois, voire des trimestres. Et une fois qu'elle était prête, il fallait encore attendre des mois avant que ces insights ne soient intégrés au produit », déclare Trenton. « Désormais, nous accédons aux données plus rapidement avec Fivetran et nous construisons la logique directement dans dbt, si bien que nous avons réduit ce délai de trimestres à des semaines, voire parfois des jours. »

Un pipeline plus résilient et maintenable avec Fivetran et dbt 

Vida Health utilise désormais des fonctionnalités intégrées de dbt et Fivetran pour prévenir les problèmes susceptibles de provoquer des interruptions de pipeline et garantir une reprise rapide lorsque des incidents surviennent (rarement). 

En amont du pipeline, « avoir accès à la création et à la surveillance du pipeline (avec alertes) au même endroit avec Fivetran est très utile. Nous pouvons facilement identifier les problèmes d'ingestion de données dès qu'ils apparaissent », déclare Trenton. Ils « apprécient également de disposer de connecteurs entièrement managés avec migration de schéma et automatisation intégrées, pour toutes les sources de données qui alimentent notre technologie ». Cela garantit que les données sont toujours disponibles.

L'équipe utilise la data lineage de dbt pour tracer les bugs et les snapshots pour détecter les changements de données au fil du temps.

« Nous avons désormais beaucoup plus de précision sur ce que nous créons », déclare Trenton. « Nous pouvons remonter jusqu'à la source des problèmes. Avant, nous avions des problèmes qui mettaient deux semaines à être élucidés, et maintenant nous avons une réponse en un jour. »

Trenton a expliqué à quel point « Cela a également augmenté notre vélocité, car nous passons moins de temps sur la maintenance. » 

Avec un modern data stack, Vida Health dispose du socle nécessaire pour offrir des soins de premier ordre à ses clients — portés par les données.