Chaque jour, Brilliant Earth, spécialiste de la joaillerie fine de luxe et des bagues de fiançailles, doté d’une forte présence dans l’e-commerce et d’un réseau croissant de showrooms aux États-Unis, réévalue automatiquement son vaste stock de diamants. Ce modèle de formation des prix s’effectue directement dans Snowflake. C’est d’ailleurs cette fonctionnalité automatisée qui a initialement conduit Brilliant Earth à adopter Snowflake.
Le succès de cette automatisation a placé la barre plus haut pour le reste du business. À mesure que Brilliant Earth développait ses différents canaux, la demande d’informations exploitables augmentait plus vite que les capacités du reporting traditionnel. Les rapports hebdomadaires de data science, élaborés avec soin, offraient des instantanés de la situation. Mais l’équipe a identifié une occasion d’accélérer la mise à disposition des informations : et si les décideurs de toute l’entreprise pouvaient accéder directement et en libre-service aux mêmes données fiables ?
« Brilliant Earth disposait déjà d’une équipe de data science très compétente et de données gouvernées », observe Natallia Drobau, Senior Solutions Advisor chez Posit. « L’enjeu consistait à étendre la portée de cette équipe afin que ses modèles et ses informations exploitables éclairent les décisions dans l’ensemble de nos activités, plutôt que de passer par un seul canal de reporting. »
Pour Matthias Mueller, Senior Director of Analytics and Data Science chez Brilliant Earth, ces talents internes étaient précisément la raison de repenser l’approche de l’entreprise. « Brilliant Earth réunit des talents exceptionnels. Certaines des meilleures personnes avec lesquelles j’ai travaillé sont ici », confie Mueller. « L’objectif était vraiment de réunir tout le monde au sein du même écosystème gouverné et sur la même plateforme, afin d’exploiter pleinement tous ces talents. »
Pour combler le fossé entre la data science et l’exécution en temps réel, Brilliant Earth s’est tournée vers Snowflake et Posit. Posit est l’éditeur de logiciels à l’origine d’outils open source de data science largement utilisés, comme RStudio, Shiny et Quarto, ainsi que de Posit Team, une plateforme d’entreprise permettant de créer, publier et partager des travaux de data science en Python et R. Découvrons comment Brilliant Earth a déployé Posit nativement dans Snowflake pour transformer sa fonction analytique centrale, autrefois cantonnée au reporting transactionnel, en créatrice stratégique de produits data en libre-service.
Éliminer les obstacles à la gouvernance au niveau de l’infrastructure
Dans de nombreuses entreprises du retail, la démocratisation des données s’enlise lorsque les équipes adoptent leurs propres outils isolés, ce qui génère des rapports contradictoires et de véritables casse-têtes administratifs pour l’IT.
Brilliant Earth a résolu ce dilemme de gouvernance en installant Posit Team sous la forme d’une Snowflake Native App exécutée sur Snowpark Container Services. Au lieu de maintenir un serveur distinct avec des protocoles de sécurité redondants exigeant maintenance et supervision, l’entreprise a directement intégré Posit à son environnement Snowflake.
Le provisionnement des utilisateurs est désormais entièrement automatisé. Pour demander l’accès à Posit, un collaborateur clique simplement sur une vignette dans le système de gestion des tickets IT. Le manager de la personne à l’origine de la demande et l’équipe analytique valident celle-ci. Le système affecte alors automatiquement l’utilisateur au groupe approprié du fournisseur d’authentification unique (SSO), ce qui déclenche le provisionnement des rôles Snowflake et la configuration du compte Posit Connect adéquats.
« Tout l’intérêt de déployer Posit dans l’écosystème Snowflake, c’est que les contrôles mis en place dans Snowflake continuent de gouverner tous les accès, tous les rôles utilisateur et toutes les tables auxquelles chacun peut accéder », explique Mueller. « Posit Connect déduit nativement les structures d’autorisation de Snowflake. Notre équipe IT peut donc gérer les autorisations au plus haut niveau, avec une gouvernance assurée par notre fournisseur SSO », souligne-t-il, ajoutant que cette gouvernance fonctionne de manière fluide dès le départ.
« Après avoir déployé Posit sur des serveurs autonomes distincts dans d’autres entreprises, passer à une application native dans Snowflake représentait un changement d’architecture », note Mueller. « Mais la fluidité de la gouvernance en fait un système incroyablement puissant. Je n’ai pas regretté une seule minute de l’avoir déployé ainsi, et je referais exactement le même choix. »
Passer des PDF statiques à la planification interactive de scénarios
Avant même cette transformation, l’équipe de data science de Mueller chez Brilliant Earth utilisait des modèles sophistiqués de data science pour optimiser ses décisions d’investissement. Citons notamment le modèle bayésien propriétaire de marketing mix (MMM) de l’entreprise. Avant l’intégration de Posit à Snowflake, ces modèles étaient principalement accessibles à l’équipe de data science. Les dirigeants business recevaient uniquement des statistiques de synthèse, des présentations PowerPoint et d’autres recommandations statiques.
Pour placer toute la puissance du MMM entre les mains des décideurs, l’équipe de data science de Mueller a adossé le modèle aux données de Snowflake, puis créé une application Streamlit interactive hébergée sur Posit Connect. Aujourd’hui, l’équipe croissance de Brilliant Earth peut explorer en toute autonomie les courbes de réponse, évaluer la performance des canaux, définir des budgets, appliquer des contraintes comme les seuils de saturation des canaux et exécuter des simulations de scénarios personnalisés, avec des projections de chiffre d’affaires et des indicateurs de retour sur investissement.
« Les équipes business détiennent la meilleure expertise métier pour exécuter efficacement ces scénarios », souligne Mueller. « En créant cette interface frontend, nous voulons placer ce pouvoir directement entre les mains des décideurs, afin qu’ils puissent interagir avec le modèle de données sans avoir à écrire de code. » Selon Mueller, l’impact sur l’équipe croissance a été considérable.
Moderniser les opérations pour plus de 100 showroom managers
L’étape suivante consistait à faire migrer plus de 100 utilisateurs chargés des opérations des showrooms et du suivi de la performance de chaque magasin depuis une plateforme de Business Intelligence (BI) héritée. Cette migration a permis de réaliser d’importantes économies grâce à l’abandon d’anciennes licences logicielles. Favoriser l’adoption offrait également l’occasion de proposer une expérience utilisateur supérieure.
« Nous sommes tous attachés à nos habitudes », souligne Mueller. « En fin de compte, il faut créer une solution que les utilisateurs considèrent comme meilleure que celle dont ils disposent déjà. »
Plutôt que de simplement recréer les tableaux statiques habituels, l’équipe analytique a enrichi les nouveaux tableaux de bord Posit avec querychat, une interface conversationnelle gouvernée. Au lieu de parcourir des filtres complexes, un showroom manager peut désormais saisir un prompt en langage naturel, par exemple « Je souhaite consulter les performances de réservations de mon showroom au cours des 14 derniers jours », et obtenir instantanément une vue personnalisée.
Générer avec l’IA des rapports narratifs fiables
Pour remplacer le reporting hebdomadaire manuel sans sacrifier la précision mathématique, Brilliant Earth a instauré une séparation stricte entre le calcul quantitatif et la génération de texte.
Le code Python et R effectue le calcul des indicateurs nécessaires directement à partir des données Snowflake. Ce n’est qu’une fois les chiffres validés qu’ils sont transmis à l’API d’un LLM, qui résume les tendances et rédige les rapports hebdomadaires en langage naturel.
« Nous utilisons le LLM pour produire des synthèses rédigées, et il excelle dans cet exercice. Mais je veux que les calculs restent confiés à des fonctions mathématiques. Ce que nous publions sur Posit Connect repose sur du code : nous pouvons donc le vérifier, le reproduire et le maintenir, en toute fiabilité », explique Mueller.
Accélérer le prototypage rapide et les analyses éphémères
Grâce au codage assisté par l’IA et à l’exécution fluide de Posit dans Snowflake, le développement d’applications personnalisées est devenu extrêmement rapide. L’équipe peut désormais créer des outils analytiques légers conçus pour répondre à des besoins immédiats et ponctuels.
« Créer un tableau de bord Shiny, assurer son hébergement sur Posit et le connecter à Snowflake est désormais si rapide que j’adhère pleinement à l’idée de générer des artefacts éphémères », explique Mueller. « Dans la plupart des cas, ils expliquent bien mieux le problème ou l’analyse, et nous pouvons désormais les produire sans passer des heures et des heures à les créer. »
Chez Brilliant Earth, les experts métier prototypent eux aussi activement leurs propres solutions. En connectant des modèles de pointe comme Claude à des agents Snowflake CoWork reposant sur des couches sémantiques gouvernées, un merchandiser peut prototyper un rapport personnalisé adapté à ses indicateurs spécifiques, comme le poids en carats et les taux d’écoulement. Si un prototype se révèle utile à grande échelle, l’équipe analytique le recrée à partir de données Snowflake validées, puis le publie sur Posit Connect sous la forme d’une application adaptée aux exigences de l’entreprise.
Étendre la gouvernance à toute l’entreprise
Alors que Brilliant Earth prévoit désormais d’intégrer ses équipes merchandising, digital et finance, l’objectif est de réinventer plutôt que de procéder par réplication, afin d’aborder la prochaine phase de l’analytique business.
« Je ne veux pas recréer un nombre toujours croissant de tableaux de bord », explique Mueller. « Je veux simplement comprendre ce dont une personne a besoin, travailler avec elle, puis créer une solution entièrement personnalisée. Nous cherchons à créer quelque chose que nous voudrons encore utiliser dans deux ans. »
Cette approche illustre une leçon essentielle pour toute stratégie data moderne dans le retail. Comme l’a averti Sem Sergunin, Retail and Consumer Goods Industry Lead chez Snowflake, déployer des agents d’IA sur des données brutes et non préparées ne fait que « propager votre désordre ». Brilliant Earth a évité cet écueil en établissant des données gouvernées dans Snowflake, en offrant aux data scientists un environnement efficace dans Posit, au plus près de ces données, et en plaçant des outils interactifs directement entre les mains des experts business.
Découvrir l’histoire complète
Regardez le webinaire à la demande « Dans les coulisses de la transformation par l’IA de Brilliant Earth avec Snowflake + Posit » pour écouter Matthias Mueller et Natallia Drobau présenter plus en détail la transformation data de Brilliant Earth avec Snowflake et Posit, et assister à leur démo d’un outil de planification de scénarios de marketing mix. Pour proposer à vos équipes business des applications analytiques personnalisées et gouvernées, découvrez la Posit Team Native App sur la Marketplace Snowflake et profitez d’un essai gratuit de 30 jours.




