Come Brilliant Earth guida la democratizzazione dei dati con Snowflake e Posit

Brilliant Earth, azienda di gioielleria di lusso specializzata in anelli di fidanzamento con una solida presenza ecommerce e una rete di showroom in continua crescita negli Stati Uniti, aggiorna quotidianamente e in modo automatico i prezzi del suo vasto inventario di diamanti. Questo modello di prezzo funziona direttamente all’interno di Snowflake, una capacità automatizzata che ha spinto Brilliant Earth ad adottare Snowflake fin dall’inizio.

Il successo di questa automazione ha alzato l’asticella per il resto dell’azienda. Con l’espansione di Brilliant Earth su più canali, la richiesta di insight è cresciuta più rapidamente di quanto il reporting tradizionale potesse soddisfare. Il reporting settimanale di data science, costruito con cura, catturava istantanee nel tempo, ma il team ha individuato un’opportunità nella velocità di consegna: e se i decision maker di tutta l’azienda avessero accesso diretto e self-service agli stessi dati affidabili?

“Brilliant Earth aveva già un team di data science altamente qualificato e dati ben governati”, ha osservato Natallia Drobau, Senior Solutions Advisor di Posit. “L’opportunità era estendere la portata di quel team, in modo che i suoi modelli e insight potessero guidare le decisioni in tutta l’azienda, invece di passare attraverso un unico canale di reporting.”

Matthias Mueller, Senior Director of Analytics and Data Science di Brilliant Earth, ha visto in questo talento interno proprio il motivo per cambiare l’approccio dell’azienda. “Abbiamo un talento incredibile in Brilliant Earth. Alcune delle persone migliori con cui abbia mai lavorato lavorano qui”, ha dichiarato Mueller. “È stato davvero un esercizio per portare le persone nello stesso ecosistema governato e nella stessa piattaforma, per valorizzare tutto quel talento.”

Per colmare il divario tra data science ed esecuzione in tempo reale, Brilliant Earth si è affidata a Snowflake e Posit. Posit è l’azienda software dietro a strumenti open source di data science ampiamente utilizzati come RStudio, Shiny e Quarto, oltre a Posit Team, una piattaforma enterprise per creare, pubblicare e condividere lavori di data science in Python e R. Scopriamo come Brilliant Earth ha implementato Posit in modo nativo all’interno di Snowflake per trasformare la sua funzione centrale di analisi dei dati da un ufficio di reporting transazionale a un costruttore strategico di prodotti dati self-service.

Eliminare i colli di bottiglia della governance a livello di infrastruttura

In molte aziende retail, la democratizzazione dei dati si blocca perché i team adottano strumenti isolati, con il risultato di report contraddittori e veri incubi amministrativi per l’IT.

Brilliant Earth ha risolto questo dilemma di governance installando Posit Team come Snowflake Native App in esecuzione su Snowpark Container Services. Invece di mantenere un server separato con protocolli di sicurezza ridondanti che richiedono manutenzione e supervisione, l’azienda ha integrato Posit direttamente nel proprio ambiente Snowflake.

Il provisioning degli utenti è ora completamente automatizzato. Un dipendente richiede l’accesso a Posit facendo clic su un riquadro nel sistema di ticketing IT. Il manager del richiedente e il team di analisi dei dati approvano la richiesta, e il sistema assegna automaticamente l’utente al gruppo corretto del provider di single sign-on (SSO), attivando il provisioning dei ruoli Snowflake corretti e delle impostazioni dell’account Posit Connect.

“La cosa fantastica dell’implementare Posit all’interno dell’ecosistema Snowflake è che i controlli che abbiamo implementato in Snowflake continuano a governare tutti gli accessi, tutti i ruoli utente, tutte le tabelle a cui qualcuno può accedere”, ha spiegato Mueller. “Posit Connect deduce in modo nativo le strutture dei permessi da Snowflake, consentendo al nostro team IT di gestire i permessi al massimo livello, governati tramite il nostro provider SSO”, ha osservato, aggiungendo che questa governance funziona senza problemi, già pronta all’uso.

“Dopo aver implementato Posit su server stand-alone separati in aziende precedenti, il passaggio a un’app nativa all’interno di Snowflake ha rappresentato un cambiamento architetturale”, ha osservato Mueller. “Ma la governance fluida rende questo sistema incredibilmente potente. Non ho rimpianto questa scelta di implementazione nemmeno per un minuto, e lo rifarei assolutamente allo stesso modo.”

Passare dai PDF statici alla pianificazione di scenari interattiva

Ancora prima della trasformazione, il team di data science di Mueller in Brilliant Earth utilizzava modelli di data science sofisticati per ottimizzare le proprie scelte di investimento. Un esempio è il modello di marketing mix bayesiano (MMM) proprietario dell’azienda. Prima di unire Posit a Snowflake, questi modelli erano accessibili principalmente al team di data science stesso; ai leader aziendali venivano fornite statistiche di sintesi, presentazioni PowerPoint e altre raccomandazioni statiche.

Per mettere il potere del MMM direttamente nelle mani dei decision maker, il team di data science di Mueller ha basato il modello sui dati di Snowflake e ha sviluppato, sopra di esso, un’app Streamlit interattiva ospitata su Posit Connect. Oggi, il team growth di Brilliant Earth può esplorare autonomamente le curve di risposta, valutare le prestazioni dei canali, impostare i budget, applicare vincoli come i punti di saturazione dei canali ed eseguire simulazioni di scenario personalizzate, complete di metriche di fatturato previsto e ROI.

“La migliore competenza di dominio necessaria per eseguire realmente questi scenari si trova nei nostri team business”, ha osservato Mueller. “Sviluppando questa interfaccia frontend, vogliamo mettere il potere direttamente nelle mani dei decision maker, permettendo loro di interagire con il modello di dati senza dover scrivere codice.” Secondo Mueller, l’impatto sul team growth è stato profondo.

Modernizzare le operazioni per oltre 100 responsabili di showroom

Il successivo grande test ha riguardato la migrazione di oltre 100 utenti operativi degli showroom (responsabili del monitoraggio delle prestazioni a livello di punto vendita) da una piattaforma BI legacy. Sebbene il passaggio abbia generato risparmi significativi eliminando le vecchie licenze software, favorire l’adozione è stata anche un’opportunità per creare una user experience superiore.

“Siamo tutti abitudinari”, ha detto Mueller. “In definitiva, si tratta di costruire qualcosa che qualcuno percepisca come un miglioramento rispetto a ciò che già ha.”

Invece di limitarsi a ricreare le familiari tabelle statiche, il team di analisi dei dati ha integrato le nuove dashboard Posit in querychat, un’interfaccia conversazionale governata. Invece di navigare tra filtri complessi, un responsabile di showroom può ora inviare un prompt in linguaggio naturale come “Sto cercando le prestazioni delle prenotazioni degli ultimi 14 giorni per il mio showroom” e ottenere istantaneamente una vista personalizzata.

Generare report descrittivi affidabili con l’intelligenza artificiale

Per sostituire il reporting settimanale manuale senza sacrificare la precisione matematica, Brilliant Earth ha stabilito una netta separazione tra il calcolo quantitativo e la generazione di testo.

Il codice Python e R calcola le metriche necessarie direttamente sui dati di Snowflake. Solo dopo che i numeri sono stati validati vengono trasmessi all’API di un LLM per riassumere le tendenze e scrivere report settimanali in linguaggio naturale.

“Usiamo l’LLM per riassumere in prosa, ed è davvero bravo in questo. Ma voglio che le funzioni matematiche siano responsabili del calcolo. Quello che mettiamo su Posit Connect è basato su codice, il che significa che possiamo verificarlo; è ripetibile, manutenibile e affidabile”, ha detto Mueller.

Accelerare la prototipazione rapida e l’analisi dei dati usa e getta

Con la codifica assistita dall’intelligenza artificiale e Posit in esecuzione senza problemi all’interno di Snowflake, lo sviluppo di app personalizzate è diventato incredibilmente rapido. Il team può ora permettersi di sviluppare strumenti analitici leggeri pensati per esigenze immediate e a breve termine.

“Avere una dashboard Shiny, ospitarla su Posit e collegarla a Snowflake è ora così rapido che ho davvero abbracciato l’idea di generare artefatti usa e getta”, ha spiegato Mueller. “Nella maggior parte dei casi, spiegano il problema o l’analisi molto meglio, ed è ora possibile crearli senza dover passare ore e ore a svilupparli.”

In Brilliant Earth, anche gli esperti di dominio stanno prototipando attivamente le proprie soluzioni. Collegando modelli frontier come Claude agli agenti AI Snowflake CoWork costruiti su layer semantici governati, un merchandiser può prototipare un report personalizzato in base alle proprie metriche specifiche, come il peso in carati e i tassi di sell-through. Se un prototipo si rivela ampiamente utile, il team di analisi dei dati lo ricostruisce su dati Snowflake validati e lo pubblica su Posit Connect come app di livello enterprise.

Scalare la governance in tutta l’azienda

Mentre Brilliant Earth si prepara a integrare i team merchandising, digital e finance, l’obiettivo è la reinvenzione piuttosto che la replica, mentre l’azienda immagina il proprio passaggio alla prossima fase dell’analisi dei dati aziendale. 

“Non voglio ricostruire un numero sempre crescente di dashboard”, ha dichiarato Mueller. “Voglio solo capire cosa qualcuno vorrebbe avere, lavorare con quello stakeholder e poi sviluppare queste cose come soluzioni completamente personalizzate. Stiamo cercando di sviluppare qualcosa che vorremo ancora usare tra due anni.”

Questo approccio riflette una lezione fondamentale per la moderna strategia dati del retail. Come ha avvertito Sem Sergunin, Retail and Consumer Goods Industry Lead di Snowflake, implementare agenti AI su dati grezzi e non preparati serve solo a “amplificare il proprio caos”. Brilliant Earth ha evitato questa trappola stabilendo dati governati in Snowflake, offrendo ai data scientist un ambiente solido in Posit proprio accanto a quei dati e mettendo strumenti interattivi direttamente nelle mani degli esperti business.

Scopri di più sul cliente e la soluzione

Segui il webinar on demand “Inside Brilliant Earth’s AI Transformation With Snowflake + Posit” per saperne di più da Matthias Mueller e Natallia Drobau sulla trasformazione dei dati di Brilliant Earth con Snowflake e Posit, con una demo di un pianificatore di scenari di marketing mix. Per portare app di analisi dei dati personalizzate e governate ai tuoi team business, esplora Posit Team Native App su Snowflake Marketplace, dove puoi iniziare con una prova gratuita di 30 giorni.