Solemos creer que las empresas que nacieron en Internet usan los datos de una forma mucho más eficiente que las tradicionales, sin embargo, esto no siempre es así. Más abajo les contamos cómo ayudamos a una startup a centralizar su arquitectura de datos para que, en cinco meses, pudiera democratizar la información a toda la empresa y ahorrar un 30% del tiempo del equipo de analytics.
Nuestro cliente es una startup nacida hace cinco años con presencia en la mayoría de los países de Latinoamérica. La empresa es innovadora en su industria, ya que fue pionera en proponer un modelo de negocio que integra a diferentes actores de la cadena de valor. Tienen un marketplace donde hay más de 80.000 productos publicados y unas 5.000 empresas que venden. Todos los meses, su sitio web recibe más de 3 millones de visitas y alcanza más de 100 millones de registros de actividad de los usuarios. ¡Esto es muchísima información!
Todos los meses, su sitio web recibe más de 3 millones de visitas y alcanza más de 100 millones de registros de actividad de los usuarios.
La startup conocía perfectamente el potencial que había allí, sin embargo tenía algunas dificultades vinculadas al uso de los datos. Su arquitectura era rígida, monolítica y generaba cuellos de botella. Por lo tanto, y con el objetivo de democratizar la información, confiaron en Datalytics para liderar la construcción de su plataforma de datos. Esto les permitió conocer mejor a sus usuarios y hacer accesible ese conocimiento a toda la empresa.
Desarrollamos de manera integral una plataforma con una arquitectura compuesta por un data lake y un data warehouse que lo complementa. Es decir, organizamos la información a partir de distintas dimensiones de análisis, la centralizamos y la pusimos a disposición de los usuarios de negocio de forma automática.
Para obtener información y conocimiento de los usuarios, migramos datos de Google Analytics, Google Ads, Facebook, sumados a otro tipo de información de negocio. De esta manera ganaron velocidad, además el data lake permitió importar cantidades significativas de datos que recuperamos desde diferentes fuentes y pusimos en su formato original. Este proceso permitió escalar a datos de cualquier tamaño y ahorrar tiempo.
El proyecto se llevó a cabo en cinco meses y logramos cumplir con los objetivos iniciales. Nuestro cliente ganó tiempo debido a lo fácil que se volvió el acceso a los datos y pudo automatizar reportes para miles de merchants. Ahora tiene un repositorio de datos centralizado que le permite integrar servicios, promover la autogestión (ya que capacitaron a las personas) y generar una mejora sustancial del trabajo del equipo de BI & Analytics, que ahorró un 30% de tiempo en los reportes que ahora se generan en forma automática.
El equipo de BI & Analytics ahorró un 30% de tiempo en los reportes que ahora se generan en forma automática.
Un marketplace presta servicio de forma masiva tanto a sus clientes finales como a las empresas que lo utilizan para poner sus productos a la venta. Con este proyecto, se buscó brindar un servicio a escala, orientado optimizar el tiempo de los analistas y a brindar un servicio personalizado, que permita encontrar la forma en que cada producto de cada empresa sea ofrecido al cliente correcto en el momento justo.
De cara al futuro, trabajamos para migrar los datos de todos los países donde operan, integrar nuevas fuentes, desarrollar proyectos de análisis de datos en tiempo real, desplegar más modelos de machine learning y sumar más capacitaciones para los usuarios de negocio.
