Sainsbury’s migliora gli insight e facilita la conformità al GDPR con Snowflake

Il quartier generale di Sainsbury’s aveva in cantiere grandi progetti. "Avevamo deciso di provare a unire tutte le nostre diverse offerte in un unico business multibrand e multicanale e passare da un modello in cui i dati erano localizzati, isolati e duplicati a uno in cui i dati sono democratizzati e disponibili per tutti", spiega il Principal Data Engineer di Sainsbury’s, Graeme Forbes. Inoltre, Sainsbury’s voleva conoscere i suoi clienti meglio di chiunque altro, comprendere il costo delle sue decisioni e rimuovere gli ostacoli all’innovazione e alla curiosità.

In quel periodo, l’UE aveva introdotto il Regolamento generale sulla protezione dei dati (GDPR), che disciplinava il trattamento dei dati e la privacy. Conformarsi al GDPR e rispondere alle richieste di informazioni dei clienti presentava una nuova serie di sfide per Sainsbury’s.

“Quando i dati sono sparsi in tutta l’azienda, analizzarli è un processo molto lento e intenso. Trovare tutte le informazioni su un particolare cliente dovrebbe essere semplice e veloce, ma con molti business differenti è un lavoro complesso che richiede un team molto numeroso”, afferma Graeme.

Questo punto dolente ha indotto Graeme a esplorare modi per consolidare i dati e semplificare il supporto delle richieste di conformità e degli audit. Invece di cercare in sette o otto sistemi diversi, voleva consolidare i dati in un unico sistema, che fungesse da "unica fonte di verità”.

Sainsbury’s ha scelto Snowflake Data Cloud per creare un’unica fonte di verità per i dati business-critical di tutti i suoi brand. “Abbiamo preso tutti i nostri dati, li abbiamo rimodellati e li abbiamo inseriti in Snowflake come punto di consumo principale”, afferma Graeme.

Sainsbury’s utilizza Streams e Tasks di Snowflake per elaborare i flussi di transazioni e dati clickstream dei suoi siti web.

Sainsbury’s ha implementato Data Vault, un metodo e un approccio di modellazione per data warehouse aziendali agili, flessibili e scalabili. Data Vault ha consentito a Graeme di mappare la proprietà al modello di dati. “Potrei dire che un vault contiene tutti i dati dei prodotti, un altro vault tutti i dati delle interazioni con i clienti e un altro ancora tutte le informazioni finanziarie e commerciali”.

Data Vault è l’hub in cui sono scritti i dati. Le tabelle satellite si basano su chiavi scritte nell’hub. Le tabelle satellite valorizzano i dati. “Le tabelle di collegamento sono i veri engine della soluzione. Sono l’elemento che collega tra loro i dati su più satelliti e hub diversi e sono quindi molto tracciabili”, afferma Graeme.

Con Data Vault, Graeme può vedere dove si trovano i dati, conoscerne l’origine e definirne la complessità. Oltre a garantire la proprietà dei dati, Data Vault consente a Sainsbury’s di creare una mappa incentrata sul business piuttosto che sui dati.

Graeme dichiara: “In passato, il nostro archivio dati aveva prestazioni limitate, poiché i join complessi avvenivano sulla stessa risorsa in cui erano archiviati i dati. Con la separazione dello storage dalla capacità di calcolo in Snowflake, questa limitazione scompare”.

Snowflake Time Travel consente di accedere ai dati storici (dati che sono stati modificati o cancellati) in qualsiasi momento entro un periodo definito. Time Travel ha aiutato Sainsbury’s ad applicare i principi del software engineering all’elaborazione dei dati, continuando a iterare finché non è stato trovato l’approccio più adatto. L’iterazione è stata possibile perché Time Travel può clonare i database in determinati punti nel tempo con una granularità di minuti o addirittura secondi.

“Possiamo continuare l’elaborazione finché non è completa o apportare molte piccole modifiche finché non è finalmente pronta. Prima di adottare Snowflake, dovevamo creare e gestire un database secondario. In Snowflake, possiamo procedere in parallelo con il sistema di produzione”, dichiara Graeme.

Con Snowflake, Sainsbury’s è stata in grado di lanciare un servizio di product-matching che mette a confronto i suoi prodotti con quelli della concorrenza. Si tratta di un servizio molto utilizzato sui suoi siti web. “La funzionalità utilizza una piattaforma di data science abilitata dai dati in un unico posto in Snowflake”.

Graeme e il suo team hanno creato modelli di business per calcolare i vantaggi aziendali derivanti dall’engine di data science su Snowflake. “Valutiamo il nostro punto di partenza e i metodi usati in precedenza e li confrontiamo con l’output predittivo. Elaboriamo diversi eventi e metodi di logging e creiamo un dashboard in tempo reale che mostra vantaggi come risparmio di tempo e precisione”.

Prima di adottare Snowflake, la gestione delle richieste GDPR e la generazione di report comportavano processi complessi su più sistemi, come IBM MDM, Oracle e Postgres. Graeme e il suo team spesso non riuscivano a rintracciare l’origine autorevole di un particolare tipo di dati.

Avere Snowflake come unica fonte di verità rende le cose più facili per tutti.

Sainsbury’s ha grandi ambizioni. Graeme desidera utilizzare tecnologie come Snowflake per creare un laboratorio di software engineering interno con la piena proprietà dei sistemi end-to-end. Snowflake aiuterà Sainsbury’s a passare da un modello in cui team separati gestiscono parti della soluzione a un modello in cui tutti i team sono responsabili della soluzione end-to-end, dal supporto operativo alla governance fino alla customer experience. Con Snowflake, Sainsbury’s fornirà ai clienti prodotti durevoli e di alta qualità in modo ancora più efficiente.