UN PIPELINE DE DONNÉES ETL EFFICACE POUR L’ÉTABLISSEMENT DE RAPPORTS EN SELF-SERVICE EN TEMPS QUASI RÉEL
ÉTUDE DE CAS
UNE ÉTUDE DE CAS SUR L’INGÉNIERIE DES DONNÉES ET L’ANALYSE D’ENTREPRISE

Une importante société de crédit à la consommation comptant plus de 500 succursales réparties dans vingt-deux États américains souhaitait disposer d’un tableau de bord principal automatisé des opérations commerciales jusqu’à chaque succursale afin d’améliorer l’agilité et l’efficacité de l’allocation des ressources.
L’objectif du client était de réorganiser l’architecture de données interne pour une solution futuriste offrant une visibilité à 360 degrés de l’activité pour une prise de décision rapide.
UNE ÉTUDE DE CAS SUR L’INGÉNIERIE DES DONNÉES ET L’ANALYSE D’ENTREPRISE

Une importante société de crédit à la consommation comptant plus de 500 succursales réparties dans vingt-deux États américains souhaitait disposer d’un tableau de bord principal automatisé des opérations commerciales jusqu’à chaque succursale afin d’améliorer l’agilité et l’efficacité de l’allocation des ressources.
L’objectif du client était de réorganiser l’architecture de données interne pour une solution futuriste offrant une visibilité à 360 degrés de l’activité pour une prise de décision rapide.

Notre client est une société de financement fondée en 2002 pour offrir aux clients des options de prêt créatives, flexibles et pratiques. Elle fournit des prêts personnels, des financements pour la réparation automobile, des cartes de crédit et d’autres services financiers à ses clients dans tout le pays.
La société est connue pour son accès rapide aux fonds, ses conditions transparentes et son service clientèle exceptionnel.
À PROPOS DU CLIENT
À PROPOS DU CLIENT

Notre client est une société de financement fondée en 2002 pour offrir aux clients des options de prêt créatives, flexibles et pratiques. Elle fournit des prêts personnels, des financements pour la réparation automobile, des cartes de crédit et d’autres services financiers à ses clients dans tout le pays.
La société est connue pour son accès rapide aux fonds, ses conditions transparentes et son service clientèle exceptionnel.
ÉNONCÉ DU PROBLÈME
Le client souhaitait améliorer sa capacité à offrir 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 vision globale des données clients issues de ces canaux numériques qui lui permettrait de développer de meilleurs produits et services.
Mais deux problèmes se dressaient sur la route de cet objectif.
Le premier était les problèmes de latence :
Le processus existant de génération de rapports était extrêmement manuel et prenait quelques heures. En conséquence, les données n’étaient mises à jour qu’une fois tous les 30 à 60 jours, ce qui les empêchait de tirer le meilleur parti de la connaissance de la campagne.
ÉNONCÉ DU PROBLÈME
Le client souhaitait améliorer sa capacité à offrir 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 vision globale des données clients issues de ces canaux numériques qui lui permettrait de développer de meilleurs produits et services.
Mais deux problèmes se dressaient sur la route de cet objectif.
Le premier était les problèmes de latence :
Le processus existant de génération de rapports était extrêmement manuel et prenait quelques heures. En conséquence, les données n’étaient mises à jour qu’une fois tous les 30 à 60 jours, ce qui les empêchait de tirer le meilleur parti de la connaissance de la campagne.
La seconde était les problèmes de performance :
Lorsqu’il s’agissait de rafraîchir des pages ou de traiter des données en temps réel sur les tableaux de bord et les rapports existants, le client constatait que le système n’était pas assez rapide pour répondre aux exigences de rapidité nécessaires à la prise de décisions concurrentielles. 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 optionnels. Une solution utile pour le stockage des données mais difficile lorsqu’il s’agit de construire des tableaux de bord et des couches de rapport 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 de ses capacités de reporting. Ils avaient besoin d’une infrastructure de données très efficace pour une plateforme d’analyse commerciale unifiée en temps réel, afin de générer des informations sur les activités et les clients.
Pour surmonter ces difficultés, 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 des données intelligentes.
ÉNONCÉ DU PROBLÈME
ÉNONCÉ DU PROBLÈME
La seconde était les problèmes de performance :
Lorsqu’il s’agissait de rafraîchir des pages ou de traiter des données en temps réel sur les tableaux de bord et les rapports existants, le client constatait que le système n’était pas assez rapide pour répondre aux exigences de rapidité nécessaires à la prise de décisions concurrentielles. 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 optionnels. Une solution utile pour le stockage des données mais difficile lorsqu’il s’agit de construire des tableaux de bord et des couches de rapport 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 de ses capacités de reporting. Ils avaient besoin d’une infrastructure de données très efficace pour une plateforme d’analyse commerciale unifiée en temps réel, afin de générer des informations sur les activités et les clients.
Pour surmonter ces difficultés, 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 des données intelligentes.
OBJECTIFS D’AFFAIRES
Architecture de données centralisée pour des analyses plus rapides, en temps quasi réel, et des rapports automatisés.
Développer une source unique de vérité pour le suivi et le diagnostic de toutes les fonctions de la branche.
Analyse quotidienne, mensuelle, trimestrielle et annuelle du processus global de l’entreprise sous forme de visualisations faciles à comprendre.
Filtres détaillés pour le suivi des ressources, la conformité et l’analyse des performances en fonction des événements liés au traitement des prêts.
L’ingestion automatisée de données provenant de sources multiples permet d’obtenir des informations plus rapidement.
OBJECTIFS D’AFFAIRES
Architecture de données centralisée pour des analyses plus rapides, en temps quasi réel, et des rapports automatisés.
Développer une source unique de vérité pour le suivi et le diagnostic de toutes les fonctions de la branche.
Analyse quotidienne, mensuelle, trimestrielle et annuelle du processus global de l’entreprise sous forme de visualisations faciles à comprendre.
Filtres détaillés pour le suivi des ressources, la conformité et l’analyse des performances en fonction des événements liés au traitement des prêts.
L’ingestion automatisée de données provenant de sources multiples permet d’obtenir des informations plus rapidement.
Lorsque le client a contacté Zuci Systems, il avait des problèmes de latence et de performance. Le traitement des données en temps réel retardait leurs rapports. La base de données NoSQL qu’ils utilisaient -ongoDB, qui utilise des documents de type JSON avec des schémas optionnels – rendait difficile la création de tableaux de bord et de rapports d’entreprise.
Zuci Systems a compris les besoins du client et a développé un pont entre MongoDB et le serveur SQL en utilisant notre solution interne de hub de données d’entreprise ZIO. Les pipelines de données ETL ont permis de parquer les données au format JSON dans un format de lignes et de colonnes et de les déverser dans le serveur SQL pour un tableau de bord rapide et un temps de traitement des requêtes plus court. Grâce à ZIO, nous avons automatisé l’ingestion de données, intégré de multiples sources de données avec des API, et mis à l’échelle les couches de rapports et de prévisions dans Power BI pour des informations en temps quasi réel.
Le client a ainsi pu réduire la latence de 90 % et accéder rapidement à des données précises sur la performance de ses prêts, ce qui a permis d’augmenter le taux de fidélisation des clients et d’améliorer le taux de croissance de 11 %.
LA SOLUTION
LA SOLUTION
Lorsque le client a contacté Zuci Systems, il avait des problèmes de latence et de performance. Le traitement des données en temps réel retardait leurs rapports. La base de données NoSQL qu’ils utilisaient -ongoDB, qui utilise des documents de type JSON avec des schémas optionnels – rendait difficile la création de tableaux de bord et de rapports d’entreprise.
Zuci Systems a compris les besoins du client et a développé un pont entre MongoDB et le serveur SQL en utilisant notre solution interne de hub de données d’entreprise ZIO. Les pipelines de données ETL ont permis de parquer les données au format JSON dans un format de lignes et de colonnes et de les déverser dans le serveur SQL pour un tableau de bord rapide et un temps de traitement des requêtes plus court. Grâce à ZIO, nous avons automatisé l’ingestion de données, intégré de multiples sources de données avec des API, et mis à l’échelle les couches de rapports et de prévisions dans Power BI pour des informations en temps quasi réel.
Le client a ainsi pu réduire la latence de 90 % et accéder rapidement à des données précises sur la performance de ses prêts, ce qui a permis d’augmenter le taux de fidélisation des clients et d’améliorer le taux de croissance de 11 %.
SCHÉMA FONCTIONNEL DE LA SOLUTION

SCHÉMA FONCTIONNEL DE LA SOLUTION

Étude de la conception et des défis du système interne de tableaux de bord et rédaction du BRD (Business Requirement Document) global.
Après avoir compris le flux de données et les systèmes, notre équipe a analysé l’infrastructure de données existante pour fournir la solution optimale et a préparé un calendrier pour le déploiement de la solution.
Finalisation des exigences techniques sur les besoins de développement et les outils tiers pour le projet.
Après la phase d’analyse globale, notre équipe de projet a commencé par la conception et l’architecture générale du projet, qui est facile à utiliser, sécurisée et évolutive.
COMMENT ZUCI SYSTEMS A AIDÉ
COMMENT ZUCI SYSTEMS A AIDÉ
Étude de la conception et des défis du système interne de tableaux de bord et rédaction du BRD (Business Requirement Document) global.
Après avoir compris le flux de données et les systèmes, notre équipe a analysé l’infrastructure de données existante pour fournir la solution optimale et a préparé un calendrier pour le déploiement de la solution.
Finalisation des exigences techniques sur les besoins de développement et les outils tiers pour le projet.
Après la phase d’analyse globale, notre équipe de projet a commencé par la conception et l’architecture générale du projet, qui est facile à utiliser, sécurisée et évolutive.
COMMENT ZUCI SYSTEMS A AIDÉ
Les données étant stockées dans MongoDB, une base de données NoSQL, nous avons construit un pont (pipelines de données) entre MongoDB et le serveur SQL en utilisant notre solution interne de concentrateur de données d’entreprise, ZIO.
Déplacement de l’ensemble des données d’une base de données non structurée vers un serveur SQL.
Grâce à ZIO, nous avons intégré plusieurs sources de données avec des API et l’ingestion automatisée de données pour obtenir des informations en temps quasi réel.
Connexion de la base de données SQL à Power BI et construction de tableaux de bord facilement compréhensibles grâce à un effort cumulatif du client et de l’équipe de business intelligence de Zuci.
COMMENT ZUCI SYSTEMS A AIDÉ
Les données étant stockées dans MongoDB, une base de données NoSQL, nous avons construit un pont (pipelines de données) entre MongoDB et le serveur SQL en utilisant notre solution interne de concentrateur de données d’entreprise, ZIO.
Déplacement de l’ensemble des données d’une base de données non structurée vers un serveur SQL.
Grâce à ZIO, nous avons intégré plusieurs sources de données avec des API et l’ingestion automatisée de données pour obtenir des informations en temps quasi réel.
Connexion de la base de données SQL à Power BI et construction de tableaux de bord facilement compréhensibles grâce à un effort cumulatif du client et de l’équipe de business intelligence de Zuci.
Création d’un ensemble de 12 tableaux de bord pour l’analyse des demandes, des prêts, des émissions et des paiements sur une base quotidienne, mensuelle, trimestrielle et annuelle. Suivez les fonctions des branches primaires, le suivi des ressources, et plus encore pour les différentes équipes commerciales.
Déploiement et test de la solution sur l’environnement de staging du client et remise des directives d’application.
Après l’acceptation des parties prenantes, notre équipe est passée à la production, suivie d’un soutien continu pour les nouvelles exigences avec des ateliers et des sessions de questions-réponses.
COMMENT ZUCI SYSTEMS A AIDÉ
COMMENT ZUCI SYSTEMS A AIDÉ
Création d’un ensemble de 12 tableaux de bord pour l’analyse des demandes, des prêts, des émissions et des paiements sur une base quotidienne, mensuelle, trimestrielle et annuelle. Suivez les fonctions des branches primaires, le suivi des ressources, et plus encore pour les différentes équipes commerciales.
Déploiement et test de la solution sur l’environnement de staging du client et remise des directives d’application.
Après l’acceptation des parties prenantes, notre équipe est passée à la production, suivie d’un soutien continu pour les nouvelles exigences avec des ateliers et des sessions de questions-réponses.
RÉSULTAT COMMERCIAL
Visibilité en temps quasi réel sur
Mesures et indicateurs clés de performance (ICP) opérationnels
RÉSULTAT COMMERCIAL
Visibilité en temps quasi réel sur
Mesures et indicateurs clés de performance (ICP) opérationnels