TAPESTRY CRÉE SA PROPRE PLATEFORME D’ANALYSE CLIENT SUR SNOWFLAKE

Basée à New York, Tapestry est une grande société qui regroupe des marques emblématiques d’accessoires de luxe et de style de vie modernes comme Coach, Kate Spade et Stuart Weitzman. Dans le secteur du retail de la mode, plus une marque peut commercialiser rapidement les produits pertinents, mieux elle est à même de satisfaire ses clients. 

Tapestry gère ses données d’entreprise sans opérer de distinction entre les marques. Une équipe centralisée de data engineering gère en toute sécurité et dans le respect de la loi les données de toutes les marques pour toutes les régions, sauf autre disposition légale applicable. « C’est un choix de notre part, car nous voulons progresser ensemble tout en laissant Coach, Kate Spade et Stuart Weitzman prendre des décisions et répondre aux besoins de leurs clients de façon indépendante », explique Fabio Luzzi.

Cependant, l’ancienne plateforme data de la société, basée sur Hadoop, était difficilement adaptable et sa gestion demandait beaucoup de temps et de ressources. Fabio Luzzi et son équipe ont commencé à rechercher une plateforme data d’entreprise moderne, capable de fournir la rapidité et l’échelle nécessaires. Snowflake rassemblait tous ces critères.  

Pour atteindre son objectif visant à placer le client au centre de son activité, Tapestry a choisi Snowflake comme plateforme data d’entreprise moderne pour prendre en charge toutes ses marques. À l’heure où la quantité de données que génère Tapestry augmente de façon exponentielle, des données de flux de clic au trafic web, la séparation du stockage et du calcul élastique de Snowflake, le clonage zéro copie et les fonctionnalités multi‑cloud sont des atouts clés. 

« Au quotidien, Tapestry traite environ 4 milliards de lignes et exécute plus de 100 processus de données majeurs », souligne Muhammad Chaudhry, Head of Data Engineering chez Tapestry. « Nous avons approximativement doublé nos sources de données, et pourtant, nous avons réalisé des économies considérables par rapport à notre ancienne solution, tout en maintenant des performances élevées et une maintenance minimale. » 

En éliminant les silos de données dans toute l’entreprise, Snowflake a permis à Tapestry de consolider sa pile technologique. Par exemple, au lieu de traiter des fichiers JSON avec Google BigQuery pour l’analyse de sites web, l’entreprise peut désormais connecter facilement ces données aux données clients internes existantes et construire directement des modèles de données dans Snowflake. Selon Lexie Ye, Head of Data Science Consulting chez Tapestry, « en consolidant Tableau et d’autres outils dans un même environnement Snowflake, nous avons pu créer des outils comme Apollo, notre plateforme d’analyse client en libre‑service ».

Grâce à la plateforme Apollo, Coach a pu identifier les produits les plus propices à des démarques stratégiques lors d’un événement client retail, et a pu suivre l’augmentation de l’activité suite à l’exclusion de certains produits. Ces informations ont permis à l’entreprise de savoir quand appliquer et retirer des promotions. Une autre équipe de Coach a découvert qu’elle pouvait reconnaître les nouveaux clients multicanaux et la raison de leur premier achat sur un canal retail.

Tapestry utilise le Secure Data Sharing de Snowflake pour acquérir de nouveaux clients. « Nous exploitons actuellement les capacités natives de data sharing de Snowflake avec nos partenaires », explique Muhammad Chaudhry. « Le partage de données à partir de notre ancien système via notre pipeline de données prenait environ six à huit semaines, et sa gestion nécessitait au moins 10 à 15 personnes. Avec Snowflake, la configuration a pris moins d’une demi‑journée, et la validation quelques jours. » 

Muhammad Chaudhry poursuit : « La gestion de l’infrastructure n’est pas une activité stratégique pour nous. Snowflake nous permet donc de nous concentrer sur la construction de produits de données stratégiques qui contribuent à la croissance de nos marques. »

L’équipe d’analyse de la chaîne d’approvisionnement devait auparavant extraire les données de nombreux systèmes et les importer dans Excel. Ce processus fastidieux n’assurait ni la propreté ni la gouvernance des données. Maintenant que tous les magasins de données de la chaîne d’approvisionnement ont été migrés dans Snowflake, les utilisateurs professionnels disposent de tableaux de bord Tableau, qui offrent des fonctionnalités d’analyse performantes et flexibles auxquelles ils n’avaient pas accès auparavant. 

À mesure que les modèles de data science basés sur Snowflake progressent, le partage de données va jouer un rôle plus vaste dans l’accès à l’optimisation de la chaîne d’approvisionnement, en amont comme en aval. De la collecte de données directement auprès des fabricants au partage de données avec les principaux partenaires d’expédition, Tapestry sera en mesure de relever des défis professionnels complexes, tels que l’optimisation des calendriers de développement des produits.

Maintenant que Tapestry a choisi Snowflake comme plateforme data fondamentale, la société cherche à exploiter des fonctionnalités avancées (Snowpark et Unistore, par exemple) pour pouvoir prendre des décisions plus éclairées axées sur ses clients.

Selon Muhammad Chaudhry, « la fonctionnalité Unistore de Snowflake peut ouvrir les portes d’un avenir où nous pouvons fournir à n’importe quelle application des données transactionnelles en temps réel sur les clients. Grâce à Snowpark, à Python et aux autres langages disponibles, nous pouvons développer des applications directement dans Snowflake via son Native Application Framework ». Tapestry mène actuellement un essai d’Unistore sur plusieurs petites applications de son environnement de préproduction, telles que ses applications de gestion des données clients et de vue client à 360 degrés.