Comment Snowflake permet l’unification des données et l’apprentissage automatique à grande échelle pour les prêts immobiliers Embrace

Comment Snowflake permet l’unification des données et l’apprentissage automatique à grande échelle pour les prêts immobiliers Embrace

Embrace Home Loans a récemment organisé un webinaire avec Snowflake pour expliquer comment ils se sont associés à travers l’informatique et le marketing pour briser les silos de données et réduire les coûts et les retards associés à l’enrichissement des données par des tiers.

Les données commerciales d’Embrace Home Loans vivaient dans des silos. Les rapports entre les départements étaient incohérents et les décisions commerciales étaient prises sans une vue complète des données. Le reporting fonctionnait comme une chaîne de montage, les données passant d’une station à l’autre. Les données se déplaçant en série, il était difficile pour l’organisation de voir les tendances à travers le pipeline de données. Face aux nouvelles exigences réglementaires et à l’évolution des attentes des consommateurs, l’entreprise a dû s’adapter.

Selon Dana Fortin, directrice des revenus d’Embrace Home Loans, « Nous avions besoin d’une meilleure communication, de données cohérentes et de meilleurs rapports pour croître et réussir. Nous nous sommes lancés dans un effort concerté pour unifier nos données à des fins d’analyse. Nous voulions utiliser les données pour fédérer nos équipes internes.

Défis liés à la plate-forme et à l’architecture de données héritées

La plate-forme de données d’Embrace Home Loans faisait partie d’une conception de topologie héritée.

Selon Joel Kehm, architecte principal des données chez Embrace Home Loans, « les plus grands défis étaient l’inaccessibilité des données et le manque de flexibilité. Nous devions devenir plus flexibles et agiles dans notre modèle opérationnel. Nous avons réalisé que nos données, plutôt que de nous permettre, nous freinaient en fait. »

La conception de la topologie héritée a créé plusieurs défis :

  • Les transferts aveugles dans le déplacement des données ont entraîné des retards de traitement
  • La gestion du changement était lente et coûteuse
  • La récupération des erreurs a pris trop de temps en raison de problèmes liés à la conception du déplacement des données
  • De nombreux processus critiques n’ont pu être mis à jour qu’une fois par semaine
  • Les données étaient stockées chez un fournisseur tiers et étaient difficiles d’accès
  • Les coûts mensuels étaient très élevés
  • Il était difficile de tirer parti des avancées technologiques

Documenter les objectifs pour moderniser la gestion des données

Avant de choisir une nouvelle plate-forme de données, Kehm a d’abord documenté les objectifs de l’organisation pour moderniser sa gestion des données. Les moteurs commerciaux de la modernisation comprenaient la nécessité de :

  • Augmenter la fréquence des activités et des campagnes marketing
  • Adopter de nouvelles technologies pour des analyses avancées (telles que l’apprentissage automatique)
  • Accroître la capacité d’adaptation à un environnement d’affaires changeant
  • Récupérez plus rapidement des erreurs
  • Ajouter de nouvelles données et systèmes pour augmenter la richesse des données
  • Stockez des données plus larges et plus profondes

Unifier les données fragmentées avec Snowflake

Keith Portman, responsable de la science des données et de l’analyse, savait qu’Embrace bénéficierait d’une gestion des données modernisée. Portman a découvert que les données résidaient dans différentes applications sur différentes plates-formes. Cela signifiait qu’Embrace n’était pas en mesure de :

  • Enrichir les profils clients pour un ciblage et une segmentation profonde
  • Optimiser le timing et la personnalisation de l’engagement client
  • Mesurez le retour sur investissement sur les points de contact et les canaux des clients

Kehm, Portman et leur équipe ont choisi Snowflake pour rassembler les données disparates dans une source unifiée. Selon Portman, « l’unification des données dans Snowflake permettrait une consommation de données beaucoup plus rapide et un délai d’exécution plus rapide pour l’analyse. Une source unifiée signifie que nous pouvons extraire les données, les exécuter, développer des rapports et recueillir des informations en temps opportun. »

Permettre l’apprentissage automatique à grande échelle

Dans le passé, Portman exécutait ses modèles d’apprentissage automatique sur un serveur local qui manquait souvent de mémoire lors de l’entraînement de très grands modèles d’apprentissage automatique. Le passage à Snowflake a résolu les problèmes de performances.

Selon Portman, « Maintenant, avec Snowflake et notre capacité à tirer parti du cloud, ces problèmes sont derrière nous. Je peux monter et descendre les types de conteneurs que j’utilise en fonction de mes besoins en mémoire. Je peux former des modèles d’apprentissage automatique sur des ensembles de données avec des millions d’enregistrements et des milliers d’attributs très rapidement et efficacement. »

Avec Snowflake, Portman peut tirer parti d’outils open source écrits en Python et R. Les outils entraînent ses modèles d’apprentissage automatique, que Portman déploie directement via Snowflake dans des campagnes marketing.

Utiliser l’apprentissage automatique pour permettre des ventes et un marketing plus efficaces

Avec les données commerciales centralisées dans Snowflake, Portman peut former un modèle d’apprentissage automatique qui génère des résultats rapidement. Ses modèles aident l’organisation à mieux comprendre l’efficacité des campagnes de publicité et de marketing sur tous les canaux, ce qui améliore l’efficacité et l’efficacité des ventes et du marketing.

Fortin a déclaré : « Vous pouvez imaginer tous nos différents canaux de marketing et de publicité, avec différents KPI. Snowflake nous permet de rassembler nos données dans une source unique, de récupérer ces données, de créer nos ensembles de données de modélisation et de nous informer de la manière dont nous attribuons nos ventes. Ces solutions d’apprentissage automatique stimulent notre activité et nous aident à prendre des décisions plus éclairées. »

Fédérer l’organisation autour des données

Lorsque les données d’entreprise sont unifiées en un seul endroit, elles peuvent rassembler toute l’organisation. Selon Fortin, « La technologie, les données, les ventes et le marketing forment désormais une seule unité. Ce ne sont plus des départements séparés. Leurs priorités sont définies ensemble. Pour une entreprise de 37 ans qui a été construite de manière traditionnelle, les données nous ont permis de nous unir.

Voir le webinaire complet ici

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.