BlaBlaCar accélère l'ingestion de ses données marketing en simplifiant la gestion de ses API
La plateforme de transports et de covoiturage BlaBlaCar a opté pour la solution ELT en mode SaaS Rivery pour simplifier et accélérer l'ingestion de ses données marketing, notamment grâce à la mise à jour automatique des API assurant la connexion aux sources de données.
PublicitéLa plateforme BlaBlaCar, qui propose des services de mise en relation pour le covoiturage et des transports par bus, compte aujourd'hui près de 100 millions d'utilisateurs. Pour mieux gérer ses données marketing, l'entreprise a déployé la solution ELT (extract, load and transform) en mode SaaS Rivery.
BlaBlaCar dispose de nombreuses données marketing et de géolocalisation des bus. Toutefois, l'entreprise peinait à les exploiter, notamment sur des sujets de court terme comme le lancement de Proof of Concept ou le test de nouvelles fonctionnalités. En effet, la gestion complexe des connecteurs ralentissait l'ingestion des données. Les fréquentes mises à jour des sources de données nécessitaient beaucoup de maintenance, avec des délais moyens de deux semaines pour créer ou adapter les API. L'entreprise s'est donc mise en quête d'une solution capable de simplifier la gestion des connecteurs et d'en fournir suffisamment pour accéder à ses différentes sources de données, afin d'accélérer ses processus.
Après une étude comparative du marché, BlaBlaCar a retenu la solution sans code de Rivery, appréciant notamment ses fonctionnalités de gestion de pipeline de données et sa tarification flexible, basée sur la consommation. Avec le déploiement de la solution, le délai de création des API s'est réduit à 2 jours. « Nous avons choisi Rivery parce qu'ils sont capables de simplifier la mise en place des API REST. Les connecteurs sont mis à jour automatiquement en toute transparence grâce à un système de mise en conformité des données automatique », explique Antoine Lefebvre, data engineering product owner. BlaBlaCar souhaite désormais réaliser un reverse ETL pour récupérer les datas de BigQuery vers une base de données transactionnelle.
Article rédigé par
Aurélie Chandeze, Rédactrice en chef adjointe de CIO
Suivez l'auteur sur Linked In,
Commentaire
INFORMATION
Vous devez être connecté à votre compte CIO pour poster un commentaire.
Cliquez ici pour vous connecter
Pas encore inscrit ? s'inscrire