Comment Braze utilise Currents
Braze utilise Currents en interne avec des partenaires sélectionnés.
Nous filtrons nos données issues des campagnes d’e-mail et de push dans un outil d’informations commerciales, Looker, mais il faut emprunter un chemin légèrement différent pour y parvenir. Nous utilisons une version inversée de la méthodologie Extraire, Transformer, Charger (ETL) - en changeant l’ordre en Extraire, Charger, Transformer (ELT).
Étape 1 : Intake et agrégation des Données d’événements
Après avoir lancé des campagnes à l’aide de l’un de nos outils d’engagement (comme les campagnes ou Canvas), nous suivons les données de l’événement à l’aide de notre propre système ainsi que de certains de nos partenaires en matière d’e-mail. Certaines de ces données sont agrégées et affichées dans le tableau de bord, mais nous voulions creuser plus profond !
Étape 2 : Envoi des données d’événement à un partenaire de stockage de données
Nous avons configuré Currents pour envoyer les données d’événements Braze à Amazon S3 pour stockage et extraction. Nous savons bien sûr que vous pouvez utiliser Athena avec S3 pour lancer des requêtes. C’est une excellente solution à court terme. Mais nous voulions une solution à long terme utilisant une base de données relationnelle et un outil analytique d’aide à la décision. (Nous vous recommandons de faire de même).
S3 offre des options de stockage et de routage flexibles pour déplacer, pivoter et analyser les données. Nous ne transformons pas les données dans S3, car nous leur conservons une structure spécifique.
Étape 3 : Transformer les données d’événements avec une base de données relationnelle
Depuis S3, nous choisissons un entrepôt (Partage de données Snowflake ou Comptes en Lecture de Snowflake, dans notre cas). Nous les transformons sur place puis nous les déplaçons vers Looker, où nous avons des blocs pour structurer et organiser nos données.
Snowflake n’est pas la seule option d’entrepôt. Parmi les autres options, citons Redshift, Google BigQuery et bien d’autres encore !
Comptes Lecture Snowflake
Les comptes de lecteur Snowflake offrent aux utilisateurs un accès aux mêmes données et fonctionnalités que le partage de données Snowflake, le tout sans nécessiter de compte Snowflake ou de relation client avec Snowflake. Avec les comptes Lecture, Braze créera et partagera vos données dans un compte et vous donnera les identifiants pour vous connecter et accéder à vos données. Cela se traduira par le fait que tout le partage des données et la facturation de l’utilisation seront entièrement gérés par Braze.
Pour en savoir plus, contactez votre gestionnaire satisfaction client.
Ressources complémentaires
Pour obtenir des ressources de surveillance d’utilisation utiles, consultez les articles Dispositif de surveillance de ressources et Afficher l’utilisation de crédits de l’entrepôt de Snowflake.
Étape 4 : Utilisez un outil d’aide à la décision (BI) pour manipuler vos données.
Enfin, nous utilisons un outil de BI pour analyser nos données, les transformer en graphiques et autres outils visuels, et plus encore en utilisant Looker et Looker Blocks pour ne pas avoir à extraire/élaborer les données à chaque fois qu’elles sont transférées de Currents.
Vous avez envie de faire de même ? Consultez les documents suivants pour obtenir plus d’informations et voir comment vous pouvez les utiliser pour créer votre base de données !
Modifier cette page sur GitHub