SNOWFLAKE
Ivan SMETS
RVP Europe du Sud
88 avenue Charles de Gaulle
92 200 Neuilly-sur-Seine FRANCE
+442 03 86 55 61 24
Analytique
API
Applications
Dataviz
Infrastructure
Institutionnels
Consultants/SSII
Intégrateurs
RetailMeNot dit adieu aux problèmes de latence de son infrastructure analytique grâce à Snowflake Computing.
Le data warehouse en mode cloud de Snowflake a été choisi par RetailMeNot pour supporter son infrastructure analytique. Avant cette migration, les équipes du spécialiste de la promotion en ligne étaient prisonnières d’une infrastructure vieillissante, manquant d’agilité, d’évolutivité, de puissance et surtout de flexibilité.
Le leader mondial de la promotion digitale qui opère aujourd’hui 7 sites à travers le monde, dont deux en France, assure le référencement de millions de produits vendus par plus de 70 000 partenaires retailers. Évidemment, l’analyse des multiples données générées par ces objets est un enjeu majeur pour la société. « Le travail de l’équipe analytique consiste à enregistrer un maximum d’événements utilisateurs pour personnaliser nos moyens de communication, orienter les décisions produits, soutenir les décisions business et deviner quelles seront les opportunités de demain », explique Guillaume Coquio, Business & Data Analyst de Retailmenot. Ce dernier travaille en outre main dans la main avec les équipes CRM à renforcer l’engagement des clients sur les différentes plateformes de la firme ainsi qu’avec les équipes dirigeantes pour les accompagner dans leurs prises de décision.
Avant que l’infrastructure de Snowflake ne soit choisie, les équipes analytiques de RetailMeNot étaient prisonnières d’une solution vieillissante, manquant d’agilité, d’évolutivité, de puissance et surtout de flexibilité. Historiquement, l’équipe analytique prenait le parti de ne pas tout enregistrer : elle savait pertinemment qu’elle n’aurait pas la capacité de tout analyser et de tout ingérer. Il n’était par ailleurs même pas pensable d’appliquer des algorithmes de machine learning aux données historiques qui représentaient une volumétrie bien trop élevée. « Nous avions des choix à faire quant aux jeux de données que nous devions analyser. Par ailleurs, pour un client qui était dans un processus d’achat, nous avions une latence de 24 heures avant de pouvoir récupérer les données et les traiter. Il était donc impossible d’adapter nos messages en temps réel.
« C’est pourtant aujourd’hui un des principaux enjeux de la vente en ligne », poursuit Guillaume Coquio. De plus, les équipes analytiques de RetailMeNot étaient largement tributaires des équipes IT quant au dimensionnement de leurs infrastructures. Il était impossible pour ses membres de dimensionner un serveur, lancer un cluster ou ajouter de la puissance de calcul sans passer par un processus impliquant la DSI. Il fallait donc à RetailMeNot une solution non seulement capable de remédier aux problèmes de performances mais également facile à utiliser et agile pour les équipes analytiques. L’autre gros impératif de Guillaume Coquio était que le projet devait se faire le plus simplement du monde sans qu’il ait besoin de modifier son écosystème déjà en place.
Le luxe de ne pas avoir à changer d’écosystème
C’est après avoir mené un POC de deux mois que RetailMeNot a alors choisi la solution de data warehouse en mode cloud de Snowflake. « Ce PoC nous a rassuré quant à la compatibilité du data warehouse avec notre écosystème existant. Nous avons vu que nous n’aurions pas à modifier ni notre ETL, ni nos outils de reporting et nos scripts de machine learning », s’est réjoui Guillaume Coquio. La solution a été implantée conjointement par les équipes de Snowflake et celles de RetailMeNot au sein de l’écosystème analytique. Les collaborateurs du spécialiste de la promotion en ligne ont ensuite pu rapidement passer en production sur la nouvelle solution sans avoir à suivre une phase d’adaptation trop longue et à apprendre de nouvelles compétences. « L’interopérabilité de notre solution a grandement facilité son intégration au sein de l’écosystème de travail de l’équipe analytique de RetailMeNot. C’est un point fort de notre modèle cloud qui assure une compliance maximale avec un maximum de solutions du marché », commente Ivan Smets, RVP Europe du Sud chez Snowflake.
La pleine puissance en toute autonomie
En choisissant la solution Snowflake, Guillaume Coquio a pu dire adieu aux problèmes de performance et de volumétrie qu’il rencontrait auparavant avec sa précédente solution de data warehouse. La flexibilité du data warehouse cloud s’adapte directement aux besoins de l’équipe analytique. Cette dernière a par ailleurs entièrement la main sur la solution. Elle peut rapidement dimensionner ses clusters et créer des serveurs à la volée afin d’assurer des performances optimales, quelles que soient les requêtes à exécuter, et ce sans avoir à solliciter les équipes IT dont elle était auparavant tributaire. RetailMeNot a ainsi réglé ses problèmes de volumétrie, de performance et d’autonomie. « Chaque membre de mon équipe peut maintenant mettre en place un serveur supplémentaire, un cluster ou ajouter de la puissance de calcul sans avoir à solliciter la DSI », se réjouit Guillaume Coquio. Sa division peut ainsi répondre beaucoup plus rapidement aux demandes des autres équipes, et ce, en temps réel. Grâce à la fonctionnalité Snowpipe qui assure une remontée des données immédiate, RetailMeNot a en outre gagné en instantanéité. Sa précédente solution ne permettait de récupérer ses données que toutes les 24 heures.
En sommes, l’entrepôt de données de Snowflake a apporté aux équipes analytiques de RetailMeNot une plus grande efficacité dans le traitement de leurs processus quotidiens. Elles ont gagné en performance, en flexibilité et en autonomie sans avoir à faire de compromis quant à leur écosystème existant. « Dans le même temps et avec les mêmes ressources, nous arrivons maintenant à produire bien plus », résume Guillaume Coquio. Il se réjouit de ne plus avoir à se soucier de l’infrastructure pour pouvoir se consacrer à de nouveaux sujets comme le machine learning. « Avec RetailMeNot, nous avons pu prouver que notre solution s’adapte efficacement et rapidement à des écosystèmes de travail complexes tout en garantissant des performances et une flexibilité élevée, qu’importe les volumes et la variété des données à traiter », ajoute Ivan Smets.
Snowflake
Ivan
SMETS
RVP Europe du Sud
interview
INTERVIEW
Nous entendons beaucoup parler de data lake de data warehouse en parallèle du phénomène Big Data ? Quelle est la place de Snowflake dans ce domaine ?
Ivan Smets : Snowflake est aujourd’hui la seule solution de data warehouse pensée pour le cloud. C’est un entrepôt de données qui résout à la fois les problèmes d’aujourd’hui et permet d’anticiper ceux de demain. Pour les problèmes actuels, Snowflake bénéficie de tous les avantages du cloud appliqués aux problématiques des entrepôts de données. Nous facilitons ainsi directement la vie des équipes d’administration puisque notre solution ne requiert aucune maintenance, aucune installation et toutes les données sont nativement sécurisées et cryptées. Elle est par ailleurs facilement interopérable avec les systèmes en place pour simplifier son déploiement et son intégration. Pour les défis de demain, Snowflake est une solution élastique capable de fournir en moins d’une seconde de la puissance de calcul et du stockage supplémentaire pour accompagner l’explosion des volumes de données. Il est en effet possible de provisionner des machines virtuelles, de créer des clusters ou encore d’augmenter la puissance de calcul à la volée. Nos clients peuvent ainsi s’appuyer sur une base solide et évolutive pour leurs projets de BI, de data science, de création de tableaux de bord, de machine et deep learning. Et ce sur des données structurées et semi-structurées.
En France, nous avons beaucoup entendu parler de Snowflake Computing ces derniers mois. Pouvez-vous nous en dire plus sur vos origines ?
Ivan Smets : C’est une société qui a été créée par deux Français, Thierry Cruanes et Benoît Dageville dans la Silicon Valley. Nous avons fêté cette année le premier anniversaire de notre implantation sur le marché français. Nous y comptons aujourd’hui une quinzaine de collaborateurs et ce chiffre est appelé à grandir dans les prochains mois. En tout nous avons plus de 800 collaborateurs dans le monde.
Quelles sont aujourd’hui les entreprises qui utilisent Snowflake Computing ?
Ivan Smets : Nous comptons parmi nos clients de grandes entreprises ayant de forts besoins en termes de data-management comme Nielsen, Adobe ou Loyaltics, SMCP et Deliveroo en Europe mais aussi des entreprises de plus petite taille. Comme Snowflake est élastique et basé sur un paiement à l’usage, toutes les entreprises de tous les secteurs peuvent l’utiliser. Pour toutes ces sociétés, la donnée est aujourd’hui une ressource primordiale et une grande partie de leur business repose dessus. RetailMeNot, un spécialiste de la promotion en ligne base ainsi l’ensemble de ses processus analytique sur Snowflake. Ils peuvent ainsi analyser en temps réel le comportement de leurs clients et les événements qu’ils génèrent pour adapter leurs stratégies et accélérer leurs processus de décision.
Auxquelles de leurs problématiques répond Snowflake Computing ?
Ivan Smets : Parmi les grandes problématiques que rencontrent nos clients, la première est la modernisation de leur entrepôt de données. Les data warehouse traditionnels atteignent aujourd’hui leurs limites. Ils sont chers et chronophages. Ces derniers ont été conçus entre les années 60 et 2000, donc avant l’essor de l’Internet, des devices mobiles, du edge computing ou encore du big data et n’ont pas été prévus pour accompagner, l’explosion des volumes de données. Les entreprises ont aujourd’hui besoin de renouveler leurs entrepôts de données pour répondre à ces nouvelles problématiques. Snowflake s’inscrit également directement dans le cas d’usage de la vision « 360 ». Les entreprises cherchent à avoir une vision complète de leurs clients, de leur supply chain, de leurs fournisseurs, etc. Pour y arriver, elles doivent regrouper et corréler les données issues de sources traditionnelles comme les applications métiers ou les ERP avec celles issues de sources nouvelles comme les mobiles, les réseaux sociaux, ou les objets connectés. Tout ceci doit en outre se faire sans qu’ils aient besoin d’acquérir de nouvelles compétences. Il y a également l’enjeu de ce que les américains appellent les « Lakehouse » qui permettent de combiner les fonctionnalités d’un datalake et d’un data warehouse tout en évitant la dérive des coûts des systèmes Hadoop. Enfin, plusieurs de nos clients utilisent nos solutions pour l’analyse massive de logs.
Que pouvons-nous attendre de Snowflake dans les prochains mois ?
Ivan Smets : Snowflake est très à l’écoute des besoins de ses clients. Aujourd’hui, nous avons identifié avec eux plusieurs axes de développement. Afin de suivre l’augmentation de leurs volumes de données et des charges de travail, nous menons un gros travail de fond pour leur apporter encore plus de puissance sans pour autant impacter les coûts. La question du temps réel est également impérative. Afin d’augmenter les capacités d’analyse de nos clients, nous devons poursuivre notre travail sur la réduction des temps de latence à leur strict minimum. Et ce, que ce soit pour la récolte et l’analyse des données, que pour l’administration ou l’orchestration. Par ailleurs, la donnée doit pouvoir circuler aussi bien à l’intérieur qu’à l’extérieur des organisations. Les fonctionnalités de data sharing sont ainsi renforcées pour permettre à nos clients de partager rapidement des données et des jeux de données avec des partenaires directement depuis Snowflake. Enfin, comme les entreprises qui utilisent Snowflake deviennent de plus en plus internationales, il est important pour nous de pouvoir les accompagner sur leurs différents marchés en hébergeant nos infrastructures sur ces mêmes marchés.
