MVFが最新のデータ分析基盤を実装することでどのように収益の回復を実現したか？
MVFは、Fivetran、Snowflake、およびLookerを使用して、データ取り込みの問題を解決し、クエリをシームレスに実行し、ダッシュボードの可視化を通じてデータ駆動型の文化を作り出しました。
重要ポイント
- Fivetranの導入により、MVFのデータ取り込みを迅速に処理し、パイプラインのメンテナンス・コストを削減、エンジニアリングにかかる時間を節約しました。
- Snowflakeを使うことで、クエリをシームレスに実行することができました。
- 同社には、複数の部門にまたがるLookerのユーザーが合計350人近くおり、ほとんどのユーザーが独自のレポートを積極的に作成しています。
- 以前は2〜3週間かかっていたレポート作成が最新のダッシュボードに迅速に表示されるようになりました。
Data Stack
- Pipeline: Fivetran
- Sources: Bing Ads, Google Ads, Google Analytics, Iterable, LinkedIn Ad Analytics, MySQL, Optimizely, Outbrain, Pinterest Ads, Amazon S3, Snapchat Ads, Taboola, Webhooks, Yahoo Gemini
- Destination: Snowflake
- BI Tool: Looker
唯一の情報源を求めて
MVF内の各部門が独自のインサイトを生み出すことに成功していた一方で、ビジネス全体で活用すべき情報源を持っていませんでした。
「データの一元化は出来ていませんでした。」とMVFのアナリティクス部門の責任者、Stephen Coyne氏は言います。「自社の社員は、誰もが独自のバージョンのデータを持っていたために時折衝突が起きました。同じ指標と考えていたものが、人によって異なることを意味していました。」
同時に、テクノロジーの限界がレポートの作成を妨げていました。3〜4か月以上のトレンドが把握できず、短期的な分析と意思決定が行われていました。
また、過去のデータにアクセスはできましたが、財務チームが月次データを年度末レポートにまとめるのに、数日かかる場合がありました。
これらの問題に対処するために、技術チーム以外のスタッフは、Excelレポート、Accessデータベース、アドホックSQLクエリ、急増するGoogle Sheetsを組み合わせて、データのニーズに対する独自のソリューションを構築し始めました。しかし、その方法はしばしば失敗し、人々はその理由を理解できていませんでした。MVFは、この課題を解決するために、適切なソリューションを見つけ、そのデータの整合性と信頼性を向上させることを目的としました。
「データ駆動型であることは、私たちが日々行なっていることに関係しています。」とCoyne氏は説明します。「我々のビジネスモデルは本質的にアービトラージモデルなので、価格差を分析できるようになる必要があります。そのためには、データ・インフラストラクチャに投資する必要がありました。」
Lookerによる真の評価
MVFは、ビジネスユーザーとアナリストの両方のためにデータを民主化する柔軟なプラットフォームとしてBIツールのLookerを選びました。
「Lookerを使えば、企業内のユーザーは複雑な質問をすることができ、アナリストは特定のクエリではなく標準化されたデータモデルを自由に構築できます。」とCoyne氏は言います。「アナリストはメジャーな定義方法と計算方法、およびテーブル間の関係を管理し、ビジネスユーザーは必要に応じてデータを取得することができます。次にLookerは、独自の、そしてパフォーマンスの高いSQLクエリを生成します。」
Lookerを導入し、可視化とダッシュボードの構築に何ヶ月も費やしましたが、同社のデータに対する考え方に大きな変化をもたらしました。
Looker導入以前は、最も一般的な可視化はテーブルであったため、トレンドの特定が困難でした。現在ではデータに対する見方や考え方を変えつつあります。同社にはLookerのユーザーが350人近くおり、毎週198人のアクティブユーザーがいます。「当社のLookerユーザーの90%以上が、営業担当者、役員、コールセンターのスタッフなど、データを積極的に調査しています。」とCoyne氏は言います。「我々は、スタッフが疑問に思っていることを解決するために、データのインサイトと分析を民主化したかったのです。その結果、分析チームが追いつかなかった様々なインサイトや報告がもたらされました。」
Snowflakeで拡張性を実現
多くのLookerユーザが企業内でクエリを実行しているため、MVFは既存のAmazon Redshiftで同時実行性の課題に直面するようになり、より拡張性の高いソリューションが必要となったのです。「Redshiftは、大量のデータを扱うアナリストが少ない場合に最適な選択肢だ。」とCoyne氏は言います。「妥当な量のデータがありますが、クエリを同時に実行したいユーザーはたくさんいます。」
同氏は、特にSnowflakeが処理とストレージを分離している点で際立っており、ビジネスを独立して拡大できることを発見しました。「必要に応じて拡張できます」と彼は言います。「つまり、朝みんなが検索をしているときには規模を拡大し、夜ユーザーがLookerを使っていないときには料金が発生しない。」Snowflakeはすべてのメンテナンスとチューニングを行い、同社のデータエンジニアによるメンテナンスはほとんど必要ありません。
Fivetranによるデータ取り込み問題の解決
多くのキャンペーンやマーケティングソースがあり、MVFはデータ統合の課題に直面していました。これに対処するため、同社はデータアナリストとデータエンジニアの組み合わせによってデータチームを構築しました。
エンジニアたちはデータパイプラインの構築に注力したが、すぐにスケーラビリティの問題に直面しました。「たった二人のデータ・エンジニアで、20から30の異なるデータ・ソースをどのように扱うのでしょうか。」とCoyne氏は問います。「たとえば、新しいフィールドをレポートに追加したい場合、データ・エンジニアを通す必要があります。アナリストが自分で追加することはできません。柔軟性は全くありませんでした。」
MVFは以前にFivetranの競合製品を使用していましたが、すぐにその限界に直面しました。「私たちが求めていたような広範なデータソースに対応する機能が不足しており、インターフェースやAPIの状態や遅延の監視に関しても、万全ではなかったのです。」とCoyne氏は説明する。「データの取り込みを処理するエンタープライズ・レベルのツールを必要としていましたが、要求に応じてより多くのコネクタを開発できるようにしたいと考え、Fivetranにリプレイスしました。」
Fivetranは、新しいデータソースまたはMySQLテーブルを含むMVFのデータ取り込みの全て引き受けました。これまで MVFは、パイプラインを作成してデータをウェアハウスに取り込むのに4〜8週間を費やしていましたが、数分でコネクタをセットアップし、1週間で大きな同期を完了することができました。
パイプラインのメンテナンスコストやバグの修正についてもFivetranが肩代わりしてくれることで心配する必要がなくなり、より戦略的なプロジェクトにエンジニアを割り当てることができるようになりました。
Fivetranはまた、顧客サービスと製品改善への貢献という点でも際立っていました。MVFの最初のデータソースの一つはGoogle Adwordsでした。特定の測定基準や属性を比較的複雑な方法で扱うマーケティングAPIの一つです。Coyneのチームは、比較的複雑なソリューションを設計しましたが、その複雑さのために、特定のデータ取り込みツールを扱う能力が制限されていました。FivetranはAdwordsをどう扱うかを説明し、APIの問題とCoyneの懸念を完全に理解していることを証明しました。「コネクタのカバー範囲は非常に広く、アラート監視の可視性は非常に高く、サポートも優れています。これが重要です。」とCoyne氏は言います。
データ・インサイトによる収益の向上
MVFは、最新のデータ分析基盤を活用することで、8つのデータ・ソースを追加することができ、作成に2〜3週間かかっていたレポートが最新のダッシュボードに迅速に表示されるようになりました。これにより、会社全体の業績が劇的に向上しました。
例えば、コールセンターのレポートを通じて、収益の損失を特定することができました。これにより、月間収益が5万ポンド増加しました。Qualificationチームは、Lookerで見込み客の数を可視化することができ、見込み客による収益 (マーケティングを通じて獲得されたがまだ販売されていない見込み客) を、月間約300ポンドから約700ポンドに増やすことができました。これにより買い手のいない見込み客を特定し、新しいサプライヤーが現れたときに将来適切な状態で販売するための自動システムに、技術リソースを投資する機会を生み出しました。Qualificationチームは、その専門知識を活用して、自動化できない複雑な調査を必要とする成約見込先の処理に専念できるようになりました。
MVFの場合、それぞれが特定の1つのことを非常にうまく行うソリューションで構成される最新のデータスタックを持つことが理想的です。 Coyne氏はオールインワンのソリューションを「ブラックボックス」と呼び、何が行われているかわかりません。と説明しています。Fivetran、Snowflake、およびLookerは、データ分析基盤のそれぞれの部分で卓越しており、MVFにとって組織面とビジネス面の両方で変革をもたらしました。
最新のデータスタックによってビジネスを変革する準備ができていますか？
パーソナライズされたデモをリクエストして詳細を確認するか、今すぐ無料トライアルをはじめてみてください。
Fivetranについて：Fivetranテクノロジーは、データ・アナリストの現実のニーズによって形作られており、アプリケーション、データベース、イベント、およびファイルを高性能クラウド・ウェアハウスに複製するための、最もスマートで最速の方法です。Fivetranコネクタは数分で導入でき、メンテナンスは不要で、ソースの変更に合わせて自動的に調整されるため、データチームはエンジニアリングに煩わされることなく、洞察力の向上に専念できます。
Snowflakeについて：Snowflakeはクラウド向けに構築された最先端のデータウェアハウスです。独自のアーキテクチャにより、パフォーマンス、同時実行性、シンプルさにおいて実証済みのブレークスルーを実現します。初めて、複数のグループがPB(ペタバイト)規模のデータに同時にアクセスできるようになりました。これは、クラウド向けに構築されていないソリューションと比べて、最大200倍高速で、10倍低コストになります。Snowflakeは、構造化されたデータと半構造化されたデータを扱う従量課金制の完全管理型サービスです。
Lookerについて：Lookerは、データ分析とビジネス洞察をあらゆる部門に提供し、意思決定プロセスに直接データを配信するために、アプリケーションを簡単に統合するデータ用の最新のプラットフォームです。
