Zuora Secure Data Share pour Snowflake cr\u00e9e une pipeline de donn\u00e9es automatis\u00e9e pour les donn\u00e9es Order-to-Revenue. En savoir plus<\/p>","knowledge_hub_featured_image":206420,"knowledge_hub_hero_media_content_group":{"knowledge_hub_is_vidyard_video":false,"knowledge_hub_vidyard_video_group":{"vidyard_id":""}},"knowledge_hub_show_toc":true,"toc_card_title":"Why Zuora?","toc_card_description":"From subscriptions and hybrid bundles to complex usage and AI tokens, Zuora has the right solutions to solve the biggest CFO challenges with one monetization platform.","toc_cta_label":"Watch demo","toc_cta_link":"https:\/\/www.zuora.com\/resources\/demo-on-demand\/","knowledge_hub_content":[{"acf_fc_layout":"knowledge_hub_intro","title":"","content":"Parmi toutes les t\u00e2ches que doivent accomplir les data engineers, la cr\u00e9ation de pipelines de donn\u00e9es sur mesure pour contourner les silos de donn\u00e9es ne devrait pas constituer une mission prioritaire. Pourtant, pour de nombreuses \u00e9quipes de data engineering d\u00e9j\u00e0 \u00e0 flux tendu et submerg\u00e9es, c\u2019est le cas. Selon \u00ab The State of Data Management Report \u00bb de Wakefield Research, un data engineer moyen consacre pr\u00e8s de la moiti\u00e9 de son temps \u00e0 construire et \u00e0 g\u00e9rer des pipelines de donn\u00e9es.En moyenne, les entreprises d\u00e9pensent 520\u00a0000\u00a0$ par an pour r\u00e9mun\u00e9rer des sp\u00e9cialistes talentueux du data engineering afin qu\u2019ils r\u00e9alisent une t\u00e2che qui ne mobilise qu\u2019une partie de leurs comp\u00e9tences\u00a0; un temps qui pourrait \u00eatre consacr\u00e9 \u00e0 des activit\u00e9s \u00e0 plus forte valeur ajout\u00e9e, comme l\u2019exploitation des donn\u00e9es au travers de requ\u00eates pertinentes.\n
Il n\u2019est donc pas surprenant que de nombreuses entreprises cherchent \u00e0 adopter, partout o\u00f9 cela est possible, des pipelines de donn\u00e9es automatis\u00e9s \u2014 offrant ainsi des avantages consid\u00e9rables \u00e0 leurs data engineers, data analysts et \u00e0 tout collaborateur travaillant avec des donn\u00e9es issues de multiples sources.<\/p>
Quels sont, concr\u00e8tement, ces avantages\u00a0? Nous aborderons\u00a0:<\/p>
Avec une solution de pipeline de donn\u00e9es automatis\u00e9, les donn\u00e9es sont automatiquement extraites, transform\u00e9es et charg\u00e9es dans le warehouse. Elles sont nettoy\u00e9es et d\u00e9dupliqu\u00e9es \u00e0 l\u2019entr\u00e9e, et les sch\u00e9mas sont mis \u00e0 jour automatiquement au fur et \u00e0 mesure de l\u2019\u00e9volution des mod\u00e8les de donn\u00e9es\u00a0: les data engineers peuvent ainsi d\u00e9placer leur attention de la maintenance d\u2019int\u00e9grations fiables vers l\u2019\u00e9criture des meilleures requ\u00eates et la production d\u2019insights plus pertinents pour leurs parties prenantes.<\/p>
#2 Visualiser et tirer des insights de vos donn\u00e9es sans cloisonnement<\/b>
\nLes silos de donn\u00e9es rendent difficile l\u2019obtention d\u2019une vision globale. Lorsque les donn\u00e9es sont dispers\u00e9es entre diff\u00e9rents services et syst\u00e8mes, les enseignements qu\u2019une vue unique de donn\u00e9es connexes pourrait r\u00e9v\u00e9ler se perdent. Cela peut entra\u00eener des inefficacit\u00e9s et des occasions manqu\u00e9es d\u2019identifier des sch\u00e9mas r\u00e9v\u00e9lant des tendances de satisfaction client, des opportunit\u00e9s d\u2019upsell, voire un risque de churn.<\/p>
Un pipeline de donn\u00e9es automatis\u00e9 aide \u00e0 r\u00e9soudre ces probl\u00e9matiques en offrant un moyen simple de regrouper des donn\u00e9es issues de sources disparates dans un emplacement central. Avec un point unique pour interroger des donn\u00e9es li\u00e9es, les data engineers peuvent plus facilement r\u00e9diger les requ\u00eates permettant de d\u00e9tecter ces sch\u00e9mas et corr\u00e9lations, et consacrer davantage de temps \u00e0 produire des rapports exploitables, plus simples \u00e0 comprendre pour les parties prenantes.<\/p>
#3 Exploiter des indicateurs en temps r\u00e9el pour prendre rapidement des d\u00e9cisions strat\u00e9giques<\/b>
\nO\u00f9 se trouvent vos donn\u00e9es cl\u00e9s\u00a0? Qu\u2019il s\u2019agisse d\u2019informations sur le trafic de votre site, de donn\u00e9es sur la mani\u00e8re dont les clients interagissent avec votre produit, ou de donn\u00e9es financi\u00e8res critiques susceptibles d\u2019indiquer comment les march\u00e9s vont r\u00e9agir ce trimestre, pouvoir acc\u00e9der rapidement aux donn\u00e9es est indispensable pour prendre des d\u00e9cisions en temps utile.<\/p>
Par exemple, en utilisant les donn\u00e9es pour comprendre quand et\u00a0quels clients sont les plus susceptibles de r\u00e9silier<\/a>, les \u00e9quipes Customer Success peuvent prendre des mesures proactives pour r\u00e9duire le churn, en intensifiant leurs efforts afin de les maintenir satisfaits et engag\u00e9s.<\/p> Avec vos outils actuels, combien de temps faudrait-il pour organiser toutes ces donn\u00e9es au m\u00eame endroit\u00a0? Combien de rapports devriez-vous ex\u00e9cuter\u00a0? L\u2019alimentation d\u2019un dashboard \u00e0 partir d\u2019un warehouse central, utilisant des pipelines rapides pour streamer les donn\u00e9es au fil des changements, peut r\u00e9duire la mise \u00e0 jour de vos tableaux de bord de direction \u00e0 quelques minutes, au lieu d\u2019heures, de jours, voire de semaines.<\/p> #4 Cr\u00e9er des dashboards de parcours client centr\u00e9s sur les parties prenantes<\/b> Un pipeline de donn\u00e9es automatis\u00e9 peut vous aider \u00e0 mieux comprendre les retours clients et \u00e0 ajuster vos offres en cons\u00e9quence, en mettant en forme des donn\u00e9es combin\u00e9es sous la forme d\u2019une visualisation du parcours client. Les dashboards de parcours client sont un moyen efficace de montrer aux parties prenantes \u00ab\u00a0ce qui se passe\u00a0\u00bb dans les donn\u00e9es et de mettre en \u00e9vidence les zones o\u00f9 de petits ajustements peuvent am\u00e9liorer les r\u00e9sultats business.<\/p> #5 Entretenir en continu la relation client gr\u00e2ce \u00e0 des insights comportementaux<\/b> Avec un pipeline de donn\u00e9es automatis\u00e9, vous n\u2019avez m\u00eame pas besoin d\u2019attendre qu\u2019il soit trop tard pour observer les effets d\u2019un changement sur le parcours client et intervenir. Vous pouvez au contraire d\u00e9tecter rapidement si une \u00e9volution des produits utilis\u00e9s par un client entra\u00eene une avalanche de tickets de support, et mobiliser des ressources suppl\u00e9mentaires avant que cela ne se traduise par une baisse du score NPS (Net Promoter Score).<\/p> Vous pouvez aller plus loin en mettant en place un \u00ab\u00a0Customer Health Program\u00a0\u00bb en r\u00e9ponse aux difficult\u00e9s rencontr\u00e9es par plusieurs clients\u00a0: suivre en temps r\u00e9el, via des m\u00e9triques d\u2019usage, si les participants au nouveau programme utilisent davantage vos fonctionnalit\u00e9s, et identifier rapidement quels clients sont susceptibles d\u2019investir davantage aupr\u00e8s de votre entreprise en cons\u00e9quence \u2014 et lesquels restent susceptibles de r\u00e9silier.<\/p>","show_striped_bar":false,"related_post":null,"include_in_toc":true},{"acf_fc_layout":"knowledge_hub_text_block","title":"Signes indiquant que vous auriez d\u00e9j\u00e0 d\u00fb adopter un pipeline de donn\u00e9es automatis\u00e9","content":"Il y a de fortes chances que votre \u00e9quipe ait d\u00e9j\u00e0 besoin d\u2019un pipeline de donn\u00e9es automatis\u00e9. Mais comment le savoir\u00a0? Voici quelques situations courantes indiquant que votre \u00e9quipe data engineering gagnerait \u00e0 automatiser les pipelines de donn\u00e9es, lorsque cela est possible.\n\n\n\n\n\n\n\n\n\n\n\n Voici quelques conseils pour trouver l\u2019outil d\u2019automatisation des pipelines de donn\u00e9es adapt\u00e9 \u00e0 votre \u00e9quipe.<\/p> Les pipelines de donn\u00e9es peuvent varier consid\u00e9rablement en termes de complexit\u00e9, de fonctionnalit\u00e9s et du niveau d\u2019implication attendu de l\u2019\u00e9quipe data engineering. Lors du choix d\u2019un pipeline de donn\u00e9es, concentrez-vous sur les besoins sp\u00e9cifiques et l\u2019exp\u00e9rience de votre \u00e9quipe data engineering. Par exemple, vous devriez vous demander\u00a0:<\/p> Ensuite, vous devrez dresser la liste de toutes les autres exigences pour votre pipeline de donn\u00e9es. Pour ce faire, prenez en compte des facteurs tels que\u00a0:<\/p> Y a-t-il des fonctionnalit\u00e9s indispensables pour que votre pipeline de donn\u00e9es r\u00e9ponde aux besoins de votre entreprise ou de votre secteur\u00a0? Conformit\u00e9 HIPAA\u00a0? Conformit\u00e9 PCI\u00a0?<\/p> Si vous vendez des produits dans l\u2019\u00e9conomie de l\u2019abonnement (Subscription Economy), vous souhaitez probablement produire des m\u00e9triques sp\u00e9cifiques. Le pipeline de donn\u00e9es que vous choisissez doit vous permettre de calculer des indicateurs cl\u00e9s tels que le taux de churn, la valeur vie client (CLV), le MRR et l\u2019ARR.<\/p> Avant de choisir un logiciel de pipeline de donn\u00e9es, planifiez des d\u00e9monstrations avec les meilleurs candidats. Cela vous donnera l\u2019occasion de voir comment chacun fonctionne et de d\u00e9terminer celui qui r\u00e9pond le mieux aux besoins de votre entreprise.<\/p>","show_striped_bar":false,"related_post":null,"include_in_toc":true},{"acf_fc_layout":"knowledge_hub_text_block","title":"Automatisation des pipelines de donn\u00e9es avec Zuora Secure Data Share for Snowflake","content":"
\nLes pipelines de donn\u00e9es constituent le socle n\u00e9cessaire pour alimenter vos outils de data visualisation. Et sans data visualisation, il ne vous reste qu\u2019un ensemble de donn\u00e9es difficile \u00e0 interpr\u00e9ter \u2014 et encore plus difficile \u00e0 transformer en actions.<\/p>
\nAvec l\u2019ensemble de vos donn\u00e9es clients centralis\u00e9es, vous pouvez commencer \u00e0 suivre les comportements et interactions sur l\u2019ensemble des canaux. Vous obtenez ainsi une vision compl\u00e8te de bout en bout du parcours client, afin de mieux comprendre leurs besoins et de continuer \u00e0 leur apporter de la valeur.<\/p>\n
\n
\nParce que les int\u00e9grations de donn\u00e9es sont complexes, elles peuvent parfois produire des donn\u00e9es peu fiables. Dans l\u2019enqu\u00eate de Wakefield Research, 71\u00a0% des data engineers et des analystes ont indiqu\u00e9 que ces limitations avaient conduit leur entreprise \u00e0 prendre des d\u00e9cisions \u00e0 partir de donn\u00e9es anciennes ou sujettes \u00e0 des erreurs. Et si l\u2019une de ces d\u00e9cisions \u00e9tait du type \u00ab\u00a0enjeu vital pour l\u2019entreprise\u00a0\u00bb\u00a0? Voil\u00e0 une perspective inqui\u00e9tante, lorsque l\u2019emploi de vos collaborateurs est en jeu\u00a0! Si vous devez en permanence contr\u00f4ler la qualit\u00e9 des donn\u00e9es et corriger manuellement les erreurs, un pipeline de donn\u00e9es automatis\u00e9 pourrait bien vous faire gagner en s\u00e9r\u00e9nit\u00e9.\u00a0<\/li>\n
\n\u00c0 mesure que les API \u00e9voluent et que de nouvelles sources de donn\u00e9es sont ajout\u00e9es, les int\u00e9grations et les sch\u00e9mas peuvent rapidement devenir obsol\u00e8tes. 80\u00a0% des m\u00eames data engineers interrog\u00e9s ont \u00e9galement d\u00e9clar\u00e9 passer encore plus de temps \u00e0 reconstruire des pipelines de donn\u00e9es d\u00e9j\u00e0 d\u00e9ploy\u00e9s. Si votre \u00e9quipe doit constamment mettre \u00e0 jour des pipelines de donn\u00e9es manuellement, il est temps d\u2019envisager une automatisation capable de suivre les \u00e9volutions sans ralentir l\u2019\u00e9quipe.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
\nSelon la m\u00eame enqu\u00eate, 76\u00a0% des data engineers utilisant des int\u00e9grations de donn\u00e9es d\u00e9velopp\u00e9es sur mesure ont indiqu\u00e9 que la pr\u00e9paration des donn\u00e9es pour des d\u00e9cisions ayant un impact sur le chiffre d\u2019affaires pouvait prendre jusqu\u2019\u00e0 une semaine \u2014 y compris dans des entreprises r\u00e9alisant plus de 500\u00a0millions de dollars de chiffre d\u2019affaires. Si vous utilisez les donn\u00e9es pour prendre des d\u00e9cisions business sensibles au facteur temps, oubliez l\u2019id\u00e9e de disposer des ressources n\u00e9cessaires pour r\u00e9pondre aux demandes de rapports\u00a0: c\u2019est un temps que vous n\u2019avez tout simplement pas. Vous avez besoin d\u2019automatisation pour pr\u00e9parer rapidement les donn\u00e9es n\u00e9cessaires aux rapports, sans potentiellement sacrifier la pr\u00e9cision et la fiabilit\u00e9 des donn\u00e9es.<\/li>\n<\/ul>","show_striped_bar":false,"related_post":null,"include_in_toc":true},{"acf_fc_layout":"knowledge_hub_text_block","title":"Comment choisir le bon outil d\u2019automatisation des pipelines de donn\u00e9es","content":"Concentrez-vous sur les exigences sp\u00e9cifiques de votre \u00e9quipe data engineering<\/h3>
\n
\u00c9tablissez la liste de toutes les autres exigences techniques et fonctionnelles<\/h3>
\n
D\u00e9terminez les exigences sp\u00e9cifiques \u00e0 votre entreprise ou \u00e0 votre secteur<\/h3>
Planifiez des d\u00e9monstrations des logiciels qui r\u00e9pondent \u00e0 vos exigences<\/h3>