TAPESTRY CREA LA PROPRIA PIATTAFORMA DI CUSTOMER ANALYTICS SU SNOWFLAKE

Tapestry è un gruppo globale con sede a New York a cui fanno capo importanti brand di lifestyle e accessori di lusso come Coach, Kate Spade e Stuart Weitzman. Nel settore della moda retail, quanto più rapidamente un marchio riesce a proporre i prodotti giusti sul mercato, tanto meglio può servire i propri clienti. 

Tapestry gestisce tutti i propri dati aziendali senza distinzioni tra brand. Un team centrale di data engineering gestisce in modo sicuro e legale i dati per tutti i brand e tutte le aree geografiche, tranne dove questo non è consentito dalla legge. “Questo approccio è nel nostro DNA, perché vogliamo muoverci insieme come una sola entità, dando comunque la possibilità a Coach, Kate Spade e Stuart Weitzman di servire i loro clienti e prendere le decisioni in modo autonomo”, commenta Luzzi.

Tuttavia, la piattaforma dati legacy basata su Hadoop era difficile da scalare e la sua manutenzione richiedeva grandi quantità di tempo e risorse. Luzzi e il suo team hanno quindi iniziato a cercare una piattaforma dati moderna capace di offrire la velocità e la scalabilità richieste dall’azienda trovando in Snowflake quello che volevano.  

Per realizzare il suo obiettivo di mettere il cliente al centro di ogni cosa, Tapestry ha scelto Snowflake come moderna piattaforma dati aziendale capace di supportare tutti i suoi brand. Mentre l’azienda continua a generare un numero sempre maggiore di dati, dai flussi di clic al traffico web, la separazione tra lo storage e l’elaborazione elastica, Zero‑Copy Cloning e le funzionalità multi-cloud di Snowflake sono tutti fattori vincenti. 

“Tapestry gestisce ogni giorno circa 4 miliardi di righe ed esegue oltre 100 importanti processi di dati”, afferma Muhammad Chaudhry, Head of Data Engineering di Tapestry. “Nonostante le nostre sorgenti dati siano pressoché raddoppiate, siamo riusciti a risparmiare notevolmente rispetto ai costi della nostra soluzione legacy, con prestazioni elevate e manutenzione minima”. 

Grazie a Snowflake, Tapestry ha eliminato i silos di dati e consolidato il proprio stack tecnologico. Ad esempio, invece di elaborare i file JSON con Google BigQuery per l’analisi dei dati dei siti web, adesso è possibile connettere quei dati senza difficoltà ai dati dei clienti disponibili internamente e creare direttamente dei modelli di dati in Snowflake. Secondo Lexie Ye, Head of Data Science Consulting di Tapestry, “l’introduzione di Tableau e altri strumenti nello stesso ambiente Snowflake ci ha consentito di mettere a punto strumenti come Apollo, la nostra piattaforma di analisi dei dati dei clienti self-service”.

Con la piattaforma Apollo, Coach ha identificato i prodotti più idonei a ribassi strategici durante eventi promozionali specifici e ha potuto comprendere come sono aumentati i ricavi escludendo prodotti selezionati. Questi dati approfonditi servono a capire quando intensificare o ridurre l’attività promozionale. Un altro team di Coach ha scoperto chi sono i nuovi clienti multi-canale e che cosa li spinge a completare un primo acquisto in un canale retail.

Tapestry usa il Secure Data Sharing di Snowflake per acquisire nuovi clienti. “Oggi usiamo le funzionalità di condivisione dei dati native di Snowflake con i nostri partner”, afferma Chaudhry. “Condividere i dati attraverso la nostra pipeline di dati tradizionale dal nostro sistema legacy richiedeva tra le sei e le otto settimane, con almeno 10‑15 persone dedicate all’orchestrazione. Con Snowflake, la configurazione ha richiesto meno di mezza giornata e qualche altro giorno per la convalida”. 

Chaudhry aggiunge: “Gestire l’infrastruttura non è un’attività strategica per noi, dobbiamo piuttosto concentrarci su creare data product strategici che aiutino i nostri marchi a crescere. Ed è quello che stiamo facendo con Snowflake”.

In passato, il team addetto all’analisi dei dati della supply chain doveva estrarre manualmente i dati da una molteplicità di sistemi in Excel, un processo disorganizzato che non garantiva né pulizia né governance dei dati. Dopo la migrazione di tutti i datastore della supply chain in Snowflake, gli utenti aziendali trovano funzionalità di analisi solide e flessibili tutte nuove nelle dashboard di Tableau. 

I modelli di data science basati su Snowflake sono diventati più avanzati e la condivisione dei dati avrà un ruolo sempre più preponderante nella possibilità di ottimizzare la supply chain a monte e a valle. Potendo utilizzare i dati forniti direttamente dai produttori e condividere i dati con i principali partner di spedizioni, Tapestry potrà affrontare sfide aziendali complesse, come ottimizzare le tempistiche di sviluppo dei prodotti.

Con Snowflake come piattaforma dati di base, Tapestry vuole sfruttare le sue funzionalità avanzate, come Snowpark e Unistore, per migliorare i processi decisionali incentrati sul cliente.

Secondo Chaudhry, “la funzionalità Unistore di Snowflake può aprire le porte a un futuro in cui possiamo fornire a qualsiasi applicazione i dati delle transazioni dei clienti in tempo reale. In più, con Snowpark, Python e altri linguaggi, possiamo sviluppare le applicazioni direttamente tramite Snowflake Native App Framework”. Tapestry sta al momento testando Unistore in diverse piccole applicazioni nell’ambiente di pre-produzione, come la gestione dei dati dei clienti e Customer 360.