Caso di studio

Pitney Bowes accelera la crescita e l'innovazione

La storia di Pitney Bowes

Conosciuta come l'artigiano del commercio, Pitney Bowes (PB) innova continuamente per tenere il passo con l'evoluzione della complessità del commercio, dal lancio del Modello M di affrancatrice negli anni '20 all'introduzione più recente di soluzioni transfrontaliere. Per continuare a stabilire nuovi record nel commercio, PB si affida ai dati per prendere decisioni aziendali con precisione.

La sfida

Nel 2015, l’azienda ha intrapreso il proprio percorso di trasformazione digitale con l’obiettivo di garantire agli stakeholder un accesso frequente ai dati, al fine di individuare nuove opportunità e aree di miglioramento per stimolare la crescita aziendale. In precedenza, i dipendenti di diversi reparti utilizzavano e condividevano dati che diventavano obsoleti non appena venivano scaricati sui propri computer locali. Senza un flusso continuo e frequente di dati, prendere decisioni aziendali critiche al momento giusto era praticamente impossibile presso PB.

La trasformazione digitale a livello tattico ha richiesto al team Big Data di PB di archiviare ed eseguire il backup dei dati provenienti da tutte le loro fonti disparate in un data lake, nonché di ospitare i dati selezionati in un data warehouse di tipo " cloud " (in-memory) per consentire agli utenti di accedere direttamente ai dati. Consentendo agli utenti di accedere ai dati tramite un data warehouse di tipo " cloud ", il team Big Data è stato in grado di ridurre al minimo i rischi legati alla sicurezza dei dati, fornire i dati agli utenti autorizzati e selezionare i dati presenti nel data lake prima che fossero condivisi con gli utenti.

Il team Big Data ha inizialmente sviluppato uno strumento di integrazione interno per trasferire i dati provenienti da fonti e sistemi disparati, sia on-premise che cloud , nel data lake basato su Amazon S3. Lo strumento di integrazione, tuttavia, non era in grado di supportare le integrazioni con molte delle nuove applicazioni native per l’ cloud e adottate per sostenere il percorso di trasformazione digitale. Di conseguenza, il team ha dedicato una quantità enorme di tempo alla programmazione di integrazioni personalizzate e alla creazione di soluzioni alternative per ovviare alle carenze dello strumento.

Il team Big Data ha dovuto rivalutare la propria strategia su come trasferire i dati dalle applicazioni dell’ cloud e al proprio data lake nel lungo termine. “Abbiamo dedicato troppo tempo alla programmazione delle pipeline ETL invece di concentrarci sul nostro progetto di data lake e consentire agli utenti di accedere ai dati di cui avevano bisogno”, ha affermato Vishal Shah, Solutions & Deployment Architect presso PB. “Non eravamo strutturati per supportare la strategia aziendale al ritmo necessario”.

La soluzione

Shah e il suo team erano alla ricerca di una piattaforma di integrazione dei dati di livello aziendale e di un data wareh cloud . Hanno valutato gli strumenti di integrazione in base ai seguenti criteri: la capacità di supportare le integrazioni delle applicazioni esistenti, sia on-premises che cloud , la capacità di caricare e aggiornare grandi volumi di dati con la frequenza richiesta dall’azienda nel proprio data warehouse e data lake cloud , il tutto con una manutenzione minima. Sono stati così meticolosi nella fase di valutazione da identificare e testare persino casi d’uso di integrazione non ancora necessari, al fine di eliminare la necessità di sviluppare o acquistare altri strumenti di integrazione in futuro. È stato allora che hanno scoperto SnapLogic, la piattaforma leader nel settore dell’integrazione aziendale come servizio (iPaaS), che è stata in grado di dimostrare la fattibilità di tutti i casi d’uso di integrazione.

Una volta implementato nel proprio ambiente, SnapLogic ha accelerato i processi ETL/ELT e le integrazioni di dati e applicazioni. Il team ha collegato endpoint chiave — tra cui Salesforce, SAP HANA, MongoDB, Oracle, SQL Server, MySQL e molti altri — ad Amazon S3 utilizzando i connettori intelligenti di SnapLogic, per realizzare il proprio data lake. Il team è stato inoltre in grado di collegare praticamente qualsiasi applicazione cloud grazie ai connettori REST di SnapLogic. «SnapLogic ha reso possibile l’implementazione del nostro data lake e del data warehouse aziendale», ha affermato Shah. «Solo SnapLogic è stato in grado di supportare le nostre iniziative a livello aziendale, tra cui le implementazioni di big data e i progetti di machine learning che richiedono integrazioni da più fonti».

Dopo un'attenta valutazione, Shah ha scelto Snowflake come data warehouse " cloud " aziendale, in grado di integrarsi con estrema facilità con SnapLogic. Shah sapeva che un numero sempre maggiore di utenti avrebbe consultato e condiviso i dati provenienti dal data warehouse " cloud " e che Snowflake rappresentava la soluzione più conveniente rispetto alle altre disponibili sul mercato. Insieme, Snowflake e SnapLogic hanno consentito al team dedicato ai Big Data di centralizzare i dati senza difficoltà e di fornire agli utenti l'accesso a informazioni in tempo reale.

Risultati aziendali

Da quando ha implementato SnapLogic per archiviare i dati nel proprio data lake e su Snowflake, il team Big Data ha aiutato gli utenti ad accelerare i tempi di presa delle decisioni aziendali, dal lancio dei prodotti all’implementazione di campagne di marketing mirate. Oltre 500 utenti provenienti dai reparti Vendite, Marketing, Finanza, E-commerce e Operazioni aziendali possono ora condividere e analizzare i dati. Il reparto e-commerce, ad esempio, ha analizzato i dati relativi alle spedizioni e alle consegne per individuare i colli di bottiglia nelle prestazioni, elaborare previsioni sulle consegne, analizzare il volume dei resi e altro ancora. Il reparto marketing, invece, ha analizzato le tendenze per comprendere il comportamento dei clienti sulla base delle campagne e delle offerte, valutare l’andamento del proprio portafoglio prodotti e creare offerte mirate personalizzate in base alla spesa e all’utilizzo dei clienti.

“Man mano che un numero sempre maggiore di utenti aziendali avrà accesso a Snowflake, crescerà inevitabilmente l’esigenza di collegare un numero sempre maggiore di applicazioni aziendali”, ha affermato Shah. “Abbiamo collegato più di 25 applicazioni, portato a termine oltre 1.000 progetti di integrazione nell’ambito della nostra implementazione del data lake e elaborato oltre 900 miliardi di documenti utilizzando SnapLogic. Non vediamo l’ora di proseguire la nostra collaborazione con SnapLogic per stimolare la crescita di Pitney Bowes”.