Reading Time: 23 mins

CONCEPTION D’UN PIPELINE DE DONNÉES ETL EFFICACE POUR DES RAPPORTS EN LIBRE-SERVICE EN PRESQUE TEMPS RÉEL

ÉTUDE DE CAS

UNE ÉTUDE DE CAS SUR L’INGÉNIERIE DES DONNÉES ET L’ANALYSE COMMERCIALE

Une société de crédit à la consommation de premier plan avec plus de 500 succursales dans vingt-deux États à travers les États-Unis voulait un tableau de bord automatisé des opérations commerciales principales jusqu’à chaque succursale pour améliorer l’agilité et l’efficacité dans l’allocation des ressources.

L’objectif du client était de repenser l’architecture de données interne pour une solution futuriste qui offre une visibilité commerciale à 360 degrés pour une prise de décision rapide.

UNE ÉTUDE DE CAS SUR L’INGÉNIERIE DES DONNÉES ET L’ANALYSE COMMERCIALE

Une société de crédit à la consommation de premier plan avec plus de 500 succursales dans vingt-deux États à travers les États-Unis voulait un tableau de bord automatisé des opérations commerciales principales jusqu’à chaque succursale pour améliorer l’agilité et l’efficacité dans l’allocation des ressources.

L’objectif du client était de repenser l’architecture de données interne pour une solution futuriste qui offre une visibilité commerciale à 360 degrés pour une prise de décision rapide.

Notre client est une société financière fondée en 2002 pour offrir aux clients des options de prêt créatives, flexibles et pratiques. Elle fournit des prêts personnels, du financement de réparation automobile, des cartes de crédit et d’autres services financiers à des clients dans tout le pays.

La société est connue pour son accès rapide aux fonds, ses conditions transparentes et son service client exceptionnel.

À PROPOS DU CLIENT

À PROPOS DU CLIENT

Notre client est une société financière fondée en 2002 pour offrir aux clients des options de prêt créatives, flexibles et pratiques. Elle fournit des prêts personnels, du financement de réparation automobile, des cartes de crédit et d’autres services financiers à des clients dans tout le pays.

La société est connue pour son accès rapide aux fonds, ses conditions transparentes et son service client exceptionnel.

ÉNONCÉ DU PROBLÈME

Le client souhaitait améliorer sa capacité à proposer à ses clients des options de prêt créatives, flexibles et pratiques. Pour ce faire, elle devait innover de deux manières : premièrement, en développant ses canaux numériques, et deuxièmement, en créant une vue holistique des données clients de ces canaux numériques qui lui permettrait de développer de meilleurs produits et services.

Mais deux problèmes s’opposaient à cet objectif.

Le premier était des problèmes de latence :
Le processus existant de génération de rapports était extrêmement manuel et prenait quelques heures à générer. En conséquence, les données n’étaient mises à jour qu’une seule fois tous les 30 à 60 jours, ce qui les limitait à tirer le meilleur parti des informations sur la campagne.

ÉNONCÉ DU PROBLÈME

Le client souhaitait améliorer sa capacité à proposer à ses clients des options de prêt créatives, flexibles et pratiques. Pour ce faire, elle devait innover de deux manières : premièrement, en développant ses canaux numériques, et deuxièmement, en créant une vue holistique des données clients de ces canaux numériques qui lui permettrait de développer de meilleurs produits et services.

Mais deux problèmes s’opposaient à cet objectif.

Le premier était des problèmes de latence :
Le processus existant de génération de rapports était extrêmement manuel et prenait quelques heures à générer. En conséquence, les données n’étaient mises à jour qu’une seule fois tous les 30 à 60 jours, ce qui les limitait à tirer le meilleur parti des informations sur la campagne.

Le second concernait les problèmes de performances :
Lors de l’actualisation des pages ou du traitement des données en temps réel sur les tableaux de bord et les rapports existants, le client a constaté que le système n’était pas assez rapide pour les exigences de rythme élevé pour la prise de décision concurrentielle. Ce problème a été causé par l’utilisation par notre client d’une base de données NoSQL (MongoDB), qui utilise des documents de type JSON avec des schémas facultatifs. Une solution utile pour stocker des données mais difficile lorsqu’il s’agit de créer des tableaux de bord métier et des couches de reporting par-dessus.

Notre client savait qu’il avait besoin d’une meilleure solution qui lui permettrait de répondre aux besoins de ses clients tout en maintenant l’agilité dans ses capacités de reporting. Ils avaient besoin d’une infrastructure de données hautement efficace pour une plate-forme d’analyse commerciale unifiée en temps réel afin de générer des informations sur les entreprises et les clients.

To overcome these challenges, they turned to Zuci Systems, an intelligent automation solutions provider that helps businesses transform digitally through smart data engineering solutions.

ÉNONCÉ DU PROBLÈME

ÉNONCÉ DU PROBLÈME

Le second concernait les problèmes de performances :
Lors de l’actualisation des pages ou du traitement des données en temps réel sur les tableaux de bord et les rapports existants, le client a constaté que le système n’était pas assez rapide pour les exigences de rythme élevé pour la prise de décision concurrentielle. Ce problème a été causé par l’utilisation par notre client d’une base de données NoSQL (MongoDB), qui utilise des documents de type JSON avec des schémas facultatifs. Une solution utile pour stocker des données mais difficile lorsqu’il s’agit de créer des tableaux de bord métier et des couches de reporting par-dessus.

Notre client savait qu’il avait besoin d’une meilleure solution qui lui permettrait de répondre aux besoins de ses clients tout en maintenant l’agilité dans ses capacités de reporting. Ils avaient besoin d’une infrastructure de données hautement efficace pour une plate-forme d’analyse commerciale unifiée en temps réel afin de générer des informations sur les entreprises et les clients.

Pour surmonter ces défis, ils se sont tournés vers Zuci Systems, un fournisseur de solutions d’automatisation intelligentes qui aide les entreprises à se transformer numériquement grâce à des solutions d’ingénierie de données intelligentes.

OBJECTIFS D’AFFAIRES

OBJECTIFS D’AFFAIRES

Lorsque le client a contacté Zuci Systems, il a rencontré des problèmes de latence et de performances. Le traitement des données en temps réel retardait leurs rapports. La base de données NoSQL qu’ils utilisaient (MongoDB, qui utilise des documents de type JSON avec des schémas facultatifs) rendait difficile la création de tableaux de bord et de rapports commerciaux.

Zuci Systems a compris les besoins du client et a développé un pont entre MongoDB et le serveur SQL à l’aide de notre solution de hub de données d’entreprise interne ZIO. Les pipelines de données ETL ont aidé à stocker les données au format JSON dans un format de ligne et de colonne et à les vider dans le serveur SQL pour un tableau de bord à grande vitesse et un temps de traitement des requêtes plus rapide. En tirant parti de ZIO, nous avons automatisé l’ingestion de données, intégré plusieurs sources de données avec des API et mis à l’échelle les couches de rapport et de prévision dans Power BIpour obtenir des informations en temps quasi réel.

Cela a permis au client de réduire la latence de 90 % et d’accéder rapidement à des données précises sur la performance de ses prêts, d’augmenter les taux de fidélisation des clients et d’améliorer les taux de croissance de 11 %.

LA SOLUTION

LA SOLUTION

Lorsque le client a contacté Zuci Systems, il a rencontré des problèmes de latence et de performances. Le traitement des données en temps réel retardait leurs rapports. La base de données NoSQL qu’ils utilisaient (MongoDB, qui utilise des documents de type JSON avec des schémas facultatifs) rendait difficile la création de tableaux de bord et de rapports commerciaux.

Zuci Systems a compris les besoins du client et a développé un pont entre MongoDB et le serveur SQL à l’aide de notre solution de hub de données d’entreprise interne ZIO. Les pipelines de données ETL ont aidé à stocker les données au format JSON dans un format de ligne et de colonne et à les vider dans le serveur SQL pour un tableau de bord à grande vitesse et un temps de traitement des requêtes plus rapide. En tirant parti de ZIO, nous avons automatisé l’ingestion de données, intégré plusieurs sources de données avec des API et mis à l’échelle les couches de rapport et de prévision dans Power BI pour obtenir des informations en temps quasi réel.

Cela a permis au client de réduire la latence de 90 % et d’accéder rapidement à des données précises sur la performance de ses prêts, d’augmenter les taux de fidélisation des clients et d’améliorer les taux de croissance de 11 %.

SCHÉMA BLOC DE SOLUTIONS

SCHÉMA BLOC DE SOLUTIONS

COMMENT ZUCI SYSTEMS A AIDÉ

COMMENT ZUCI SYSTEMS A AIDÉ

COMMENT ZUCI SYSTEMS A AIDÉ

COMMENT ZUCI SYSTEMS A AIDÉ

COMMENT ZUCI SYSTEMS A AIDÉ

COMMENT ZUCI SYSTEMS A AIDÉ

RÉSULTAT COMMERCIAL

0Hour
SLA de disponibilité des données dans Power BI
0mins
SLA d’ingestion de données (incrémentiel)
0mins
SLA de traitement des données (incrémental)
0%
Collecte et enrichissement plus rapides des données
0+
Tactiques surveillées avec des visualisations interactives

Visibilité en temps quasi réel sur
Indicateurs opérationnels et KPI

RÉSULTAT COMMERCIAL

0Hour
SLA de disponibilité des données dans Power BI
0mins
SLA d’ingestion de données (incrémentiel)
0mins
SLA de traitement des données (incrémental)
0%
Collecte et enrichissement plus rapides des données
0+
Tactiques surveillées avec des visualisations interactives

Visibilité en temps quasi réel sur
Indicateurs opérationnels et KPI

PILE TECHNIQUE

PILE TECHNIQUE

PRÊT À CONSTRUIRE UN SYSTÈME DE SOURCE UNIQUE DE VÉRITÉ POUR LE REPORTING, L’OPTIMISATION ET L’ANALYSE EN TEMPS RÉEL ?

ENVOYEZ-NOUS VOTRE COURRIEL ET NOS EXPERTS VOUS CONTACTERONT.