Wallapop accélère sa stratégie orientée données  grâce à l’automatisation Fivetran

Taille de l'entreprise
0-499
Région
Latin America
Industrie
Technologie B2C
Chiffres clés
  • Configuration réduite, analyse accrue 
  • Les tâches qui occupaient 60 à 70 % du temps de l’équipe Data sont désormais automatisées 
  • Élimination des pertes de données et des données non exploitables
  • Plus de temps pour affiner les rapports en libre-service et les tests A/B

La start-up espagnole Wallapop gère une marketplace de seconde main florissante via une application mobile et une plateforme Web sur laquelle les clients publient des photos d’articles à vendre. Depuis son lancement en 2013, la société a développé une base de 30 millions d’utilisateurs avec plus de 100 millions d’articles vendus à travers l’Espagne.

Le défi : Difficultés d’extraction

En tant que société orientée données dont le processus décisionnel repose exclusivement sur l’analyse, Wallapop ne manque pas de sources pour développer ses perspectives. Environ 15 millions d’utilisateurs actifs par mois exécutent plus de huit millions de recherches par jour dans un catalogue de plusieurs millions de produits. Le service Informatique décisionnelle est chargé d’analyser tous les aspects liés à l’accroissement de la base client, et partage des rapports avec les équipes Logistique, Ventes et Marketing.

Plus de la moitié du personnel de Wallapop a accès aux données et les utilise pour informer les décisions, en particulier au niveau du conseil d’administration. La mise en œuvre d’une voie d’extraction fluide depuis les bases de données clés vers le data warehouse était un aspect essentiel – depuis MySQL, qui collecte toutes les données de l’application Wallapop et Zendesk, qui capture les interactions du service client et d’autres sources, telles que les réseaux sociaux. 

Toutefois, le code propriétaire dans MySQL rendait le processus ETL chronophage et imprécis. En raison de l’ajustement continuel des produits dans Zendesk, les équipes devaient suivre en permanence les nouvelles itérations. Les deux bases de données étaient exploitables, mais l’extraction des données et leur ingestion au format approprié dans Amazon Redshift, le data warehouse cloud de la société, prenait trop de temps. 

« Nos analystes passaient 60 à 70 % de leur temps à s’assurer que les données étaient correctement téléchargées. On se demandait en permanence si les données étaient exploitables ou non, ce qui n’est simplement pas viable pour une entreprise, », explique Sergio Rubio, Responsable de l’informatique décisionnelle chez Wallapop. « Nous voulions consacrer plus de temps à l’analyse stratégique. »

La solution :

Élimination de la complexité de configuration

Fivetran a résolu le problème. Un autre produit Amazon avait initialement été envisagé et testé avec Zendesk, mais la solution manquait de profondeur, de capacités, « et n’était pas au niveau de Fivetran, » selon Sergio Rubio. L’automatisation l’a particulièrement impressionné. Lorsque son équipe autorise les connecteurs Fivetran à transférer les données depuis MySQL vers le data warehouse, les tables de base de données sont présélectionnées, nettoyées, organisées et synchronisées à la fréquence souhaitée – que ce soit à intervalles de cinq minutes ou toutes les 24 heures.

L’équipe de données ne perd plus de temps à créer manuellement des processus ETL, en extrayant et en téléchargeant les données, car Fivetran utilise des schémas pré-construits permettant aux bases de données d’exécuter automatiquement ces opérations. Toutes les nouvelles tables ou colonnes sont synchronisées avec le data warehouse, sans duplication. Il n’existe aucune opération complexe en termes de configuration ou susceptible d’affecter les performances des bases de données lors du transfert ; ce processus s’exécute à présent en parallèle.

« Il n’est plus nécessaire de passer une semaine à configurer les processus, puis de tout arrêter, en perdant l’accès aux données. Dans cette optique, Fivetran est extrêmement performant et simple d’utilisation, » ajoute M. Rubio.

Un gain de temps pour des analyses approfondies

Les cycles d’analyse définissent comment les informations sont collectées, traitées, puis analysées pour générer des perspectives. Optimiser chaque étape accélère la rentabilité, et les opérations traitées par Fivetran offrent souvent les meilleurs résultats. Depuis que Wallapop utilise Fivetran, aucune donnée n’a été perdue - grâce à l’élimination de la configuration manuelle - et il n’y a plus à se soucier de la qualité des données chargées dans Redshift. 

Mais surtout, la solution a permis à l’équipe Informatique décisionnelle de Wallapop de se concentrer sur les analyses critiques, d’approfondir les tests A/B et d’identifier plus facilement les points d’amélioration qui apporteront des résultats tangibles à l’entreprise.

« L’un des objectifs de notre équipe était de faciliter les analyses en libre-service dans Looker. Au lieu de passer notre temps à vérifier que les données sont correctes dans Redshift, nous pouvons à présent nous concentrer sur cette tâche, » affirme M. Rubio. « Le connecteur Fivetran établit des connexions rapides pour stocker toutes les données dont nous avons besoin dans notre data warehouse. Depuis que nous l’utilisons, nous avons largement réduit l’impact des problèmes de perte ou de qualité des données. Il nous offre une réelle tranquillité d’esprit. »

The total economic impact of Fivetran

Learn how automated data movement boosts productivity and accelerates insights for your business.

Download the report
Are you a true data pioneer?

Our quiz will tell you where you are on your data journey and what tools you can unlock to level up.

Take the quiz
Why they chose Fivetran

Further reading
No items found.
No items found.
Related customer stories
Case study

Mistertemp’ : l’intérim digital grandit et gagne en compétitivité avec Fivetran

Case study

Stuart, leader de la livraison à la demande, améliore son expérience client grâce à Fivetran

Case study

La Migration de SumUp vers le Modern Data Stack avec Fivetran

Case study

Libeo choisit Fivetran pour faciliter le paiement en entreprise grâce à la Data

Case study

Interflora accélère sa stratégie d’expansion data en Europe grâce à Fivetran

Case study

Fivetran contribue à la cohésion des données du groupe Emeria

Case study

HubSpot exploite l’IA générative et réalise 100 000 $ d’économies grâce à Fivetran

Case study

Deliveroo transforme la livraison de repas en une entreprise orientée data

Case study

Big data architecture : Westwing optimise son ROI marketing

Case study

Condé Nast cartographie son parcours client à travers ses marques mondiales avec Fivetran