TAPESTRY DESARROLLA SU PROPIA PLATAFORMA DE ANALÍTICAS DE CLIENTES CON SNOWFLAKE

Con la magia de Coach, Kate Spade y Stuart Weitzman, Tapestry es una tienda líder de complementos de lujo modernos y marcas de estilo de vida que tiene su sede en Nueva York (EE. UU.). En el sector del retail de moda, cuanto más rápido lleva una marca sus productos al mercado, mejor sirve a sus clientes. 

Tapestry no depende de las marcas a la hora de gestionar sus datos empresariales. Dispone de un equipo central de ingeniería de datos que controla los datos de manera segura y legal para todas las marcas y regiones, excepto en los casos necesarios por ley. “Lo diseñamos así para poder progresar en conjunto, pero dejando que Coach, Kate Spade y Stuart Weitzman puedan tomar decisiones de forma independiente y servir a sus clientes”, afirma Luzzi.

Sin embargo, la plataforma de datos heredada de la empresa, que se basaba en Hadoop, era difícil de escalar y su mantenimiento exigía mucho tiempo y recursos. Luzzi y su equipo comenzaron a buscar una plataforma empresarial de datos moderna que estuviera a la altura de la velocidad y a la escala que necesitaban, y Snowflake fue la mejor opción.  

Para lograr su enfoque de centrarse en el cliente, Tapestry eligió Snowflake como su moderna plataforma de datos empresariales para respaldar todas sus marcas. A medida que Tapestry sigue generando más datos exponencialmente, desde datos de secuencia de clics hasta tráfico web, la separación de Snowflake de almacenamiento y cómputo elástico, la tecnología Zero-Copy Cloning y las opciones multinube son opciones excelentes. 

“Cada día, Tapestry procesa unos 4000 millones de filas y ejecuta más de 100 procesos de primer nivel”, afirma Muhammad Chaudhry, Head of Data Engineering en Tapestry. “Prácticamente hemos duplicado nuestras fuentes de datos y hemos logrado un importante ahorro de costes respecto a nuestra solución heredada, todo con un alto rendimiento y un mantenimiento mínimo”. 

Snowflake elimina los silos de datos en Tapestry, lo que ha permitido a la empresa consolidar sus recursos tecnológicos. Por ejemplo, en lugar de hacer que Google BigQuery procese los archivos JSON para obtener analíticas de sitios web, los datos ahora se pueden conectar fácilmente a los datos internos existentes de los clientes para crear modelos de datos directamente en Snowflake. Según Lexie Ye, Head of Data Science Consulting en Tapestry, “al incorporar Tableau y otras herramientas al mismo entorno de Snowflake, hemos podido desarrollar herramientas como Apollo, nuestra plataforma de autoservicio de analíticas de clientes”.

Con la plataforma Apollo, Coach identificó los principales productos a los que aplicar rebajas estratégicas durante un evento con clientes del sector del retail, y comprobó cómo aumentaba el negocio gracias a las exclusiones de productos seleccionados. Gracias a esta información, la empresa sabe cuándo activar y desactivar promociones. Otro equipo de Coach descubrió que podían identificar a nuevos clientes multicanal y descubrir los factores que les llevaban a realizar su primera compra en un canal de retail.

Tapestry usa Snowflake Secure Data Sharing para obtener nuevos clientes. “Actualmente estamos usando las capacidades nativas de data sharing de Snowflake con nuestros partners”, afirma Chaudhry. “Compartir los datos usando el flujo de datos tradicional de nuestro sistema heredado requería de 6 a 8 semanas de trabajo, y de 10 a 15 personas para organizarlo todo. Con Snowflake, tardamos menos de medio día en la configuración y unos pocos días más en la validación”. 

Chaudhry prosigue: “La gestión de la infraestructura no es algo estratégico para nosotros. Snowflake nos permite centrarnos en crear productos de datos estratégicos para nuestras marcas que les ayuden a crecer”.

Antes, el equipo de analíticas de la cadena de suministro tenía que extraer los datos manualmente desde muchos sistemas a Excel, un proceso tedioso que no garantizaba ni la exactitud ni la gobernanza de los datos. Ahora, todos los almacenes de datos de la cadena de suministro han migrado a Snowflake y los usuarios empresariales disponen de paneles de Tableau con unas analíticas mucho más potentes y flexibles que antes. 

A medida que los modelos de ciencia de datos con tecnología de Snowflake se vuelvan más avanzados, el data sharing desempeñará un papel más importante para optimizar la cadena de suministro en sentido ascendente y descendente. Ya sea recibiendo los datos directamente de los fabricantes o compartiéndolos con los partners de transporte, esto hará que Tapestry pueda superar complejos retos empresariales, como la optimización de plazos de desarrollo de productos.

Ahora que ha consolidado Snowflake como su plataforma de datos básica, Tapestry tiene la intención de aprovechar sus funciones avanzadas, como Snowpark y Unistore, para tomar decisiones más centradas en el cliente.

Según Chaudhry, “Con Snowflake Unistore se puede crear un futuro en el que todas las aplicaciones dispongan de datos transaccionales de clientes en tiempo real. Además, con Snowpark, Python y otros lenguajes disponibles, podemos desarrollar aplicaciones directamente en Snowflake mediante su Native Application Framework”. Tapestry está probando Unistore en diferentes aplicaciones pequeñas en su entorno de preproducción, como herramientas de gestión de datos de clientes o de vista integral de los clientes.