实例探究.
添加案例
我们的案例数据库覆盖了全球物联网生态系统中的 18,927 家解决方案供应商。
您可以通过筛选条件进行快速浏览。
Download Excel
筛选条件
-
(32)
- (32)
-
(26)
- (10)
- (8)
- (7)
- 查看全部
-
(18)
- (9)
- (4)
- (2)
- 查看全部
-
(14)
- (12)
- (1)
- (1)
-
(10)
- (6)
- (3)
- (1)
- 查看全部
- 查看全部 9 技术
- (23)
- (16)
- (16)
- (7)
- (6)
- 查看全部 20 行业
- (39)
- (17)
- (14)
- (8)
- (8)
- 查看全部 9 功能区
- (31)
- (11)
- (9)
- (8)
- (7)
- 查看全部 32 用例
- (26)
- (25)
- (23)
- (5)
- (5)
- 查看全部 6 服务
- (62)
Selected Filters
|
一个建筑市场，使用 Fivetran 作为其数字构建块
支持数据驱动的决策Schüttflix 成立于 2018 年，使命明确，希望将数字流程带入“纸笔行业”，并转变高度本地化的供应链。创始人知道数据很重要，为内部和外部利益相关者提供最佳数据以做出明智的决策。负责构建现代数据堆栈的数据和商业智能主管 Alexander Rupp 首先评估了可以利用关键数据源的连接器。 Fivetran 成为该业务的最佳选择，因为它快速且可靠。 Rupp 在一小时内设置了连接器，否则这需要数周时间。
|
|
|
|
Lendi 使用 Fivetran 做出数据驱动的决策
建立每个客户的准确档案需要利用第三方参与平台（如 Facebook、Google 和 Bing）上的行为数据。 Lendi 很容易获得这些数据，但来自每个平台的洞察力都是孤立的，不能很容易地集成。即使可以将数据引入同一个存储库，数据结构也经常不一致，因此需要在数据投入使用之前对其进行清理。 Lendi 的数据架构师 Daniel Deng 有责任确保整个公司的利益相关者——例如营销人员、会计师、经纪人和客户服务代表——能够分析并从第三方数据中创建可操作的见解。
|
|
|
|
捷蓝航空利用 Fivetran 和 Snowflake 进行实时分析转型
捷蓝航空是一家大型航空公司，每天运营 900 多个航班，飞往 110 多个城市，该航空公司正在努力应对管理和分析其运营产生的大量数据的挑战。每个人、每个飞机和每个旅程都会生成数据点，这些数据点可以提供有关客户情绪、收入预测、燃油消耗、飞机维护和运营准备情况的见解。然而，来自 130 个不同系统的数据量巨大且难以组织。该航空公司需要一种能够集中这些数据的解决方案，以便可以轻松地进行分析和决策。面临的挑战是将所有这些数据快速准确地整合到一个平台中进行分析。
|
|
|
|
丹佛野马队利用 Fivetran 的自动化 ELT 流程增强球迷体验
丹佛野马队是一支成功的职业橄榄球队，在维护数据管道方面面临着重大挑战。该团队的票务策略和分析高级总监 Clark Wray 和他的精益团队在自制数据集成上花费了过多的时间。每当原始数据源或 API 发生变化时，就会破坏它们建立的数据连接，通常会导致信息流中断数小时。如果这些问题没有得到及时解决，企业将面临使用不准确数据进行运营的风险。此外，该团队不断添加新的数据源来沟通和接触下一代粉丝。对于他们来说，连接和集中 Dynamics 365 中的电子邮件数据、Eloqua 中的营销自动化数据以及 Qualtrics 中的粉丝反馈至关重要。
|
|
|
|
波莉公主利用现代数据堆栈增强零售分析
澳大利亚时尚精品店波莉公主 (Princess Polly) 在不确定的时期面临着有效利用数据的挑战。该公司正在准备进军美国市场，需要支持内部部门做出明智的决策。业务分析主管阿南德·巴特 (Anand Bhatt) 的任务是构建能够快速有效地展示价值的分析基础设施。作为团队中的唯一成员，阿南德需要最大限度地利用自己的时间为业务创造价值，并尽量减少耗时的手动任务。重点关注的领域是现金流量分析，目的是了解哪些决策正在影响企业的利润，从而做出更有效的决策。
|
|
|
|
Red Ventures 通过数据和人工智能增强客户支持
Red Ventures (RV) 是一家专注于对人们的生活和社区产生积极影响的跨国公司，在有效管理营销数据方面面临着挑战。该公司的 Red Digital 部门提供端到端效果营销服务，帮助企业对消费者 (B2C) 服务提供商吸引新客户。为了给客户带来更大的价值，RV 需要及时利用数据洞察来吸引合适的消费者。然而，事实证明，在单独的云环境中维护每个客户的数据并集成每个客户的数据以进行机器学习预测是一项乏味且耗时的任务。数据工程师必须编写自定义脚本来为每个客户获取数据，这并不能有效利用他们的时间和技能。
|
|
|
|
康泰纳仕 (Condé Nast) 使用 Fivetran 绘制旅程图：案例研究
康泰纳仕 (Condé Nast) 是一家全球媒体领导者，拥有 37 个品牌，覆盖数百万消费者，面临着管理和货币化其数字资产生成的数万亿数据点的挑战。该公司缺乏管理和维护数据集成源的中央机制，导致下游消费者无法轻松获取数据。在全球范围内集成更多资源的需求持续增长，而使用自定义脚本将数据拉入数据湖的成本却令人望而却步。每个营销技术平台都有自己的 API、数据结构和其他需要自己的自定义脚本的属性。动态创建连接器并持续管理它们是不可扩展的，这给公司带来了重大挑战。
|
|
|
|
Fivetran 支持 Kilo Health 快速增长
Kilo Health 是数字健康和保健领域的全球领导者，在快速扩张过程中面临着重大挑战。该公司在 2013 年成立时只有 7 名员工，现已发展到拥有 700 多名员工，管理着 30 多种产品，在全球拥有超过 500 万客户。这种快速增长导致数据点呈指数级增长，公司需要对其进行有效管理，以成为完全数据驱动的组织。我们面临的挑战是找到一个能够支持这种快速增长并为利益相关者提供明智且公正的见解的解决方案。
|
|
|
|
Kuda Bank 通过数据可见性实现盈利的旅程
Kuda 是一家于 2019 年在尼日利亚推出的数字银行，六个月内客户数量增加了四倍。作为一家移动优先的数字公司，Kuda 认识到数据驱动的必要性，并认为现代数据堆栈对于实现其目标至关重要。最初，一个五人数据团队手动构建数据管道，并依靠 SQL Server Reporting Services (SSRS) 从事务数据库中提取见解。他们的数据被分成 12 个不同的 Azure SQL 数据库，无法成功连接内部源中的数据。该团队希望不再在 OLTP 数据库上运行 OLAP 查询，事实证明这是一项具有挑战性的任务。他们需要一个更具可扩展性的解决方案，使他们不必构建和管理数据管道。
|
|
|
|
Pitney Bowes 通过 Fivetran 彻底改变包裹追踪
Pitney Bowes 是一家简化电子商务、运输和邮寄的全球科技公司，其数据管理面临着重大挑战。该公司缺乏关键业务决策所需的高质量实时数据。其企业信息管理 (EIM) 团队正在努力解决孤立的数据、缺乏可扩展性和低效的技术支出等问题。员工将数据粘贴到 Excel 电子表格中以进行执行报告和分析，这往往会加剧问题。该公司还遇到了下游问题，例如影响服务水平协议 (SLA) 目标的延迟到达的软件包。他们缺乏检测延误并及时通知客户的能力，从而导致声誉风险。当在线购物增加十倍时，新冠疫情加剧了这些数据挑战，导致包裹数量增加十倍。该公司的旧数据基础设施无法处理每天 8 亿个包裹的基于事件和电子邮件的数据操作。捕获的数据至关重要，但将其聚合并整合到中央分析仓库需要数天时间，当到达领导团队时，这些数据就已经过时了。
|
|
|
|
利用物联网进行数据驱动决策：睡鸭案例研究
Sleeping Duck 是一家澳大利亚床垫公司，面临着管理分散在各个来源的数据并从中获取可行见解的挑战。这些数据驻留在软件即服务 (SaaS) 平台、网络应用程序、Facebook 和 Google Ads 等营销平台以及公司自己的产品中。从这些不同来源提取相关信息的过程非常复杂且需要手动操作。该公司的工程师必须编写和维护自定义脚本来提取数据，这种做法既不可扩展也不可持续。该公司需要一种解决方案，能够有效地从这些来源提取数据，对其进行管理，并将其输入到商业智能解决方案中，以进行数据驱动的决策。
|
|
|
|
Swapfiets 通过 Fivetran 数据洞察增强客户服务
Swapfiets 是世界上第一家“自行车即服务”公司，在理解新兴市场的行为方面面临着挑战。该公司的增长战略依赖于确定新城市、以经济高效的方式赢得新用户以及建立高效的本地支持网络。然而，该公司在数据管理方面遇到了困难。数据工程团队构建了自定义 Python 脚本来将数据提取到其中央 Redshift 实例中，当仅从几个数据源提取数据时，该实例是易于管理的。然而，随着业务开始扩展，这种方法被证明是不切实际的。 Swapfiets 需要一种更简化的数据摄取方法，以理解关键的订阅和使用数据。对于 Swapfiets 来说，了解其目标人群以及如何最好地提供本地支持、仔细定位其营销并避免过度供应库存至关重要。
|
|
|
|
Fivetran 为 CarOnSale 提供数据分析功能，以增强在线汽车交易
CarOnSale 是一个面向汽车经销商的颠覆性泛欧洲平台，将数据视为其市场的关键差异化因素。作为一个在线平台，他们的目标是通过收集和分析汽车拍卖的数据来降低传统汽车交易的复杂性。这将为他们提供独特的市场情报。该公司认识到需要一个托管在云中的集中式架构来快速、大规模地收集和分析数据。他们探索了支持 ELT（提取、加载和转换）而不是传统 ETL 方法的不同选项。选择 Snowflake 作为基于云的数据仓库后，他们需要找到理想的数据集成解决方案。数据团队负责人 Aynaz Bagherynezhad 在之前的职位中曾使用 Fivetran，当 Snowflake 推荐它作为连接数据源的最佳方式时，这证实了她自己的经验。
|
|
|
|
Databricks 从数据孤岛过渡到统一数据湖屋
Chris Klaczynski 是 Databricks 的营销分析经理，其任务是支持推动管道生成、扩大数据库和提高投资回报率等主要营销目标。然而，随着 Databricks 的迅速扩张，对集中化和记录数据的需求变得越来越明显。数据孤岛出现在企业周围，包括克里斯的营销团队，数据存储在自己的数据仓库中。为克里斯新建的仪表板提供可靠、及时的数据对于营销运营保持平稳运行至关重要。然而，如果没有专门的工程资源，并且面对迅速扩大的营销团队，根据需求进行扩展几乎是不可能的。 Databricks 的传统数据仓库面临着许多挑战，包括 Salesforce 和 Marketo 管道的问题、将数据本地附加到现有表的问题，以及总是破坏管道的架构更改，导致中断和陈旧、不可信的数据。
|
|
|
|
汉莎航空：使用 Fivetran 进行实时飞行规划
Lufthansa Systems 是汉莎航空公司的一个部门，是航空业领先的 IT 服务提供商，为全球约 300 家航空公司提供服务。其产品之一是 Lido/FPLS（飞行规划服务），可在成本、燃油和时间方面优化航线，每年为客户带来数百万美元的额外利润。挑战在于，创建这些优化的飞行计划需要大量数据，包括最新的天气报告、空中交通数据以及航空公司特定的数据，例如航班时刻表、有效载荷、运行条件和合同汽油价格。 Lufthansa Systems 需要一种解决方案，使其中央数据存储库能够从这些数据源接收持续更新，并将优化的飞行计划和其他数据分发到每个客户的站点。
|
|
|
|
Paul Hewitt 通过 Fivetran 和 Databricks 转型为数据驱动型企业
Paul Hewitt 是一个珠宝和配饰品牌，由于其现有工具 Supermetrics 的局限性，在管理和分析其广告支出方面面临着挑战。由三名员工组成的分析团队必须手动将数据输入电子表格，以确定最有效的营销渠道，这个过程既耗时又容易出错。为了满足日益复杂的供应链的需求，该公司投资了 ERP 系统 Microsoft Dynamics NAV，并开始使用 Microsoft Power BI 提供数据进行分析。然而，该公司希望通过将整个业务的数据集成到云数据平台上的一个位置，将其数据战略提升到一个新的水平，目标是转型为数据驱动的业务。
|
|
|
|
Redwood Logistics 利用 Fivetran 和 Snowflake 进行供应链转型
Redwood Logistics 是一家第三方物流和运输管理公司，该公司在管理依赖于多个孤立仓库的复杂报告结构方面遇到了困难。快速增长的业务需要一个现代化的数据堆栈来支持其并购战略，为领导层提供近乎实时的业务绩效的准确概览。该公司每小时生成 500,000 个数据点，这对管理和处理来说是一项重大挑战。旧系统每天只能加载一次数据，并且每天容易出现大量故障，成为巨大的维护负担。 Redwood 最初对使用 Fivetran 的大容量数据复制持谨慎态度，因为团队需要了解它如何与现有数据库交互。
|
|
|
|
Super Dispatch 利用 Fivetran 和现代数据堆栈提高收入影响
Super Dispatch 是一个汽车运输在线平台，在吸引新用户和优化活跃用户体验方面面临挑战。该公司的数据是分散的，分散在各种数字资产、业务系统和营销工具中。员工依赖公司内部共享的电子表格来实现不同目的，例如营销、计费和销售。数据是从业务系统或软件即服务 (SaaS) 平台单独下载并在 Excel 中进行分析。这对营销、销售和运营分析行业的资深人士阿曼·马尔霍特拉（Aman Malhotra）提出了重大挑战，他被聘用是为了通过使用数据来提高用户激活、保留和货币化。
|
|
|
|
Vida Health 的转型：通过现代数据堆栈实现个性化医疗保健
Vida Health 是一家数字健康公司，其数据基础设施面临着挑战。该公司收集客户的病史、过去的保险索赔、实验室测试结果以及来自健康技术设备的日志数据的数据，以提供个性化的虚拟护理。然而，他们使用 Python 脚本和 cron 作业在 BigQuery 中加载和转换数据的定制解决方案不可扩展，并且在数据量激增时经常失败。该管道的记录很少，只有数据团队中的少数人了解，导致出现问题时报告停机时间为 2-3 天。该公司最近将其数据工程、数据科学和数据分析职能整合到一个团队中，旨在改善协作。然而，现有的数据基础设施不够可靠或易于访问，无法为客户提供最佳服务，也无法实现在不到六个月内吸引十多个新客户的目标。
|
|
|
|
零售业数据管理转型：IJsvogel Retail 案例研究
IJsvogel Retail 是一家拥有近 130 年历史的荷兰宠物和园艺产品连锁店，该公司正在努力应对管理和利用其庞大且分散的数据的挑战。该公司拥有 180 多家商店、1,600 多名员工和 800 多名批发客户，生成了大量数据。然而，这些数据并未被有效利用来为业务决策提供信息。相反，旧的数据和日志文件经常被丢弃而不是编译和分析。该公司规模较小的 IT 部门发现很难在整个公司内推广新应用程序的采用。缺乏统一、可靠和稳定的数据源阻碍了公司做出明智的业务决策的能力。
|
|
|
|
MyCamper 借助 Fivetran 进行数据驱动转型
MyCamper 是一家被喻为露营车领域的 Airbnb 的瑞士初创企业，在管理和分析其网络平台上收集的数据方面面临着重大挑战。该公司认识到这些数据的重要性，但最初的分析尝试既费力又耗时，需要从 Excel 电子表格中手动提取数据。事实证明，使用 Google Analytics 更容易，但范围有限。作为一家早期初创企业，MyCamper 有更紧迫的优先事项，并且缺乏手动构建数据管道的内部技能。这导致了需要填补的数据分析空白。该公司还努力以可检索分析的方式对数据进行历史记录。他们无法跟踪特定的数据集，无法将历史数据与当前数据进行比较，甚至无法拥有可比较的基线。
|
|
|
|
Fivetran 和 Hightouch：为 Nando 的数据驱动型增长提供动力
Nando's 是一家颇受欢迎的快餐连锁店，以其火焰烤 peri-peri 风格的鸡肉而闻名，其现有基础设施正面临着重大挑战。该公司在 30 个国家/地区运营着 1,200 多个网点，一直在努力满足其数据驱动的营销策略的需求，特别是围绕客户忠诚度和奖励计划的需求。现有基础设施缓慢且不灵活，使得数据团队难以有效管理数据管道并做出明智的业务决策。该团队由工程团队技术主管 Miquel Puig 领导，手动处理数据管道并根据摄取阶段的数据做出业务决策。关键用例之一是将来自商店的日终数据转化为为忠诚度和奖励计划提供信息的见解。
|
|
|
|
Fivetran 和 Snowflake 推动世界燃料服务业务敏捷性
World Fuel Services (WFS) 是一家财富 150 强公司，在有效管理和利用其数据方面面临着重大挑战。该公司通过多次收购而发展壮大，每次收购都有自己的客户名单和数据源，因此很难全面了解整个组织的客户。此外，该公司现有的 ETL 管道每天一次将数据批量提取到本地 Oracle 数据库中，该数据库很快就变得太大而无法有效运行实时查询。该公司还面临着管理来自其子公司的数十个 ERP 和计费信息服务的数据的挑战，这在全球大流行期间尤其重要，因为该公司需要加大应收账款力度以维持收入。
|
|
|
|
WeWork 通过 Fivetran 增强数据协作和合规性
WeWork 是一家全球灵活办公空间提供商，面临着安全管理和利用其庞大数据资源来推动业务决策的挑战。作为一家上市公司，WeWork 必须满足严格的监管合规要求，确保跨不同来源和孤岛的数据治理。该公司需要随着时间的推移跟踪数据移动和用户访问，向审计人员和监管机构证明客户信息不会受到内部和外部威胁。挑战不仅在于提取数据和提供访问，还在于维护数据摄取、数据库更改和访问的历史记录。该公司还旨在创建一种数据素养和创新文化，通过数据的使用增强业务敏捷性。
|
|
|
|
YipitData 的转型：从数据过载到洞察分析
YipitData 是使用另类数据的值得信赖的洞察来源，在开始快速增长时面临着重大挑战。该公司的分析活动在数十个 Amazon Redshift 集群上运行，公司内的每个团队都维护自己的集群。这种安排变得很麻烦，尤其是当 YipitData 需要跨团队共享公共数据集时。该公司的产品团队每天分析数十亿个数据点，提供精细的见解，推动数百家投资基金和高度创新的公司做出成功的决策。然而，现有系统正在减慢分析速度，使公司难以保持市场领先地位。
|
|
|
|
Billie 创新地使用 Apache Airflow 和 Fivetran 实现经济高效的仓储
Billie.io 是一家总部位于柏林的金融科技初创公司，通过为发票提供即时融资以及外包收款流程和违约风险承保，正在彻底改变企业处理付款的方式。然而，该公司在管理其数据架构方面面临着重大挑战。该公司需要一种解决方案，能够高效且经济高效地处理生产数据库到数据仓库的提取、加载和转换 (ELT) 过程。该公司还需要避免延迟问题或服务级别协议 (SLA) 问题，并防止过早发生转型。此外，该公司希望对事情发生的时间进行细粒度控制，并了解包含管道、其依赖性及其执行的任务。
|
|
|
|
Canva 与 Fivetran 的 360 度客户视图
Canva 是一种在线设计和发布工具，面临着在三个服务级别（免费、专业和企业）扩大客户群的压力。销售、营销和参与团队需要确定目标，了解他们的行为，并在正确的时间在正确的平台上传递正确的信息。这需要跨 Canva 的数字资产和第三方平台（例如 Google、Facebook 以及其他社交媒体和 SaaS 工具）对客户进行 360 度视角。主要挑战是缺乏比较洞察力。无法根据 Google 数据或任何其他平台分析 Facebook 数据。构建点对点架构来将数据拉入竞争平台将是混乱且维护成本高昂的。定制的解决方案按预期运行，但对连接更多数据源的连接器的需求不断增长，并且构建这些连接器所需的时间和资源不可扩展。
|
|
|
|
Coupa 使用 Fivetran 加速 S3 数据湖：案例研究
Coupa 是一家商业支出管理 (BSM) 公司，提供一个云平台，可数字化和整合各个部门的支出信息，从而创建有关支出行为的可行见解。然而，Coupa 面临着其平台和客户使用情况数据的挑战。数据是孤立的，阻碍了更好的洞察和决策。收集这些数据并将其提供给相关人员的过程非常复杂、成本高昂且占用大量资源。 Coupa 投资了一个数据团队来管理其数据，目标是将数据从各种来源提取到一个地方，以创建可操作的见解。然而，分析策略尚不成熟，并且主要由临时程序组成。如果用户体验设计师想知道客户如何与特定功能交互，他们必须要求工程团队从头开始构建脚本，这个过程可能需要数周时间。
|
|
|
|
Fivetran 加快 Daydream 的上市时间：物联网案例研究
Daydream 是一家早期初创公司，为现代企业的利益相关者提供财务见解。该公司的业务建模和规划工具通过将通常孤立的流程和数据源整合在一起，实现了对财务信息的访问民主化。然而，Daydream 的工程主管 Shubham Sinha 面临着一个关键的决定。该初创公司的成功取决于其将大量数据从客户基于云的业务系统（每个系统都有自己的登录凭据和访问挑战）转移到 Daydream 平台进行分析的能力。这两种选择是要么要求客户提供其业务系统的登录凭据（这会带来潜在的安全风险），然后使用定制的数据管道来加载数据，要么依靠 Fivetran 来代理凭证共享交换并使用其预置数据来加载数据。 - 构建数据管道。维护也带来了挑战，因为每个云平台都有自己的 API、流程和数据结构，其中许多需要通过脚本进行自定义集成。
|
|
|
|
DPD Polska 的实时数据复制可增强包裹递送能力
波兰快递市场的领导者 DPD Polska 面临着现有数据管理系统的挑战。该公司使用一系列本地 PostgreSQL 和 Microsoft SQL Server 数据库来跟踪其卡车、包裹和人员。然而，一系列自定义 SQL 数据库阻碍了 DPD 及时生成报告、满足灾难恢复时间目标、测试新数据和分析产品、扩大收入并增加客户群。例如，DPD 的数据库之一具有三种不同的使用上下文。该公司需要一种不会影响其源系统的基于日志的复制解决方案。主要痛点是复制时间滞后、手动数据分发出错的风险，以及需要更大的灵活性、更高的可靠性和更高的操作可扩展性。
|
|
