Industria: Comercio minorista

Productos de JetBrains utilizados: Datalore

Tamaño de la organización: 1-50

País: Reino Unido

Acerca de GreenJinn

GreenJinn es una plataforma de cashback que ofrece a los usuarios promociones personalizadas a través de una aplicación móvil y les permite comprar artículos a precio completo, enviar recibos y recibir cashback. Además de prestar un servicio a los consumidores, GreenJinn proporciona a las marcas de bienes de consumo información valiosa sobre los clientes, lo que les ayuda a impulsar la adopción de productos y a convertir la publicidad en oportunidades de venta en las tiendas. Como empresa, GreenJinn está comprometida con la simplificación de los procesos, la mejora continua y el mantenimiento de un enfoque centrado en el cliente.

Cómo GreenJinn redujo la carga de trabajo de su equipo técnico y logró un retorno de la inversión del 200 % con Datalore

Atrapados en el bucle de la información

A medida que GreenJinn crecía, su equipo técnico y de ingeniería se vio desbordado por las solicitudes de extracción de datos por parte de equipos no técnicos, lo cual incluía operaciones, información, ventas y marketing. Estos equipos dependían del departamento técnico para todas sus necesidades de datos, lo que creaba un cuello de botella que ralentizaba las operaciones e interrumpía el desarrollo de productos.

«Si me hubieran preguntado hace unos meses, habría dicho que estábamos totalmente atascados. Estábamos en una lucha constante por satisfacer las solicitudes de información. El equipo técnico estaba ocupado con tareas de poco valor, como extraer datos y realizar revisiones interminables, lo que nos impedía centrarnos en el desarrollo de productos de alta prioridad.»

— Daniel Sonny Agliardi, responsable técnico de GreenJinn

El bucle de información era un ciclo repetitivo. El equipo de operaciones e información enviaba solicitudes de datos, pero a menudo las solicitudes iniciales estaban incompletas, lo que provocaba múltiples seguimientos y retrasos. Esta ineficacia hacía que el equipo técnico dedicara hasta 11 horas a la semana a tareas de extracción de datos, en lugar de centrarse en el trabajo de desarrollo principal.

«Identificamos nuestra dependencia del equipo técnico para la extracción de datos como la causa principal de las ineficiencias. La necesidad constante de seguimientos y aclaraciones nos impedía ofrecer información de manera oportuna.»

— Marco Patrini, jefe de operaciones e información de GreenJinn

El pequeño equipo técnico de GreenJinn tenía problemas con la deuda técnica y los paneles obsoletos, lo que añadía más tensión al sistema. Esto provocaba retrasos, falta de comunicación y, en última instancia, ralentizaba la toma de decisiones en toda la empresa.

Capacitar a los equipos no técnicos con Datalore

GreenJinn se dio cuenta de que carecía de las herramientas adecuadas para permitir a sus equipos no técnicos gestionar los datos de forma independiente, lo que les llevaba a depender en gran medida del equipo técnico. Para solucionarlo, implantaron Datalore, una plataforma de ciencia de datos colaborativa que permitía a sus equipos de operaciones e información gestionar la extracción y el análisis de datos por sí mismos, lo cual redujo la carga del equipo técnico.

«Datalore nos dio la flexibilidad para gestionar la extracción y el análisis sin depender del equipo técnico para cada solicitud.»

— Marco Patrini, jefe de operaciones e información de GreenJinn

Con notebooks de Python y SQL colaborativos y la programación automatizada de informes, Datalore agilizó significativamente los flujos de trabajo de datos de GreenJinn, y permitió una gestión de datos más eficiente y fluida entre los equipos. La sencilla interfaz de la plataforma permitió al personal no técnico acceder a los datos, extraerlos y analizarlos de forma independiente, al tiempo que se integraba a la perfección con herramientas como Google Looker.

Caso de uso 1: informes de clientes B2B

El proceso de informes de clientes de GreenJinn era manual y lento, y tardaba hasta dos días por informe. El equipo de operaciones dependía del equipo técnico para extraer, limpiar y configurar los datos para los informes de clientes.

Con Datalore, el equipo de operaciones automatizó todo el proceso, desde la extracción de datos hasta la generación de informes. Mediante consultas SQL y código Python, pudieron extraer datos en Datalore, analizarlos y generar informes listos para usar en menos de medio día. La flexibilidad de la plataforma permitió al equipo mantener los mismos formatos de informes y, al mismo tiempo, ampliar la producción en un 70 % para satisfacer la creciente demanda de los clientes sin la necesidad de recursos adicionales.

«Redujimos drásticamente los plazos de entrega y escalamos nuestros informes sin interrupciones.»

— Daniel Sonny Agliardi, responsable técnico de GreenJinn

Caso de uso 2: elaboración de informes de indicadores de rendimiento internos

El proceso de elaboración de informes de indicadores de rendimiento internos de GreenJinn estaba igualmente fragmentado, con los datos repartidos en varias hojas de cálculo y exigía un importante esfuerzo manual. Datalore permitió al equipo consolidar la extracción, el análisis y la visualización de datos en una única plataforma.

Mediante el uso de notebooks de Python y SQL compartidos, varios miembros del equipo colaboraron en tiempo real en el análisis de indicadores de rendimiento. El Generador de informes simplificó la conversión de los notebooks de Jupyter en informes limpios, mientras que las Celdas de métricas resaltaban los indicadores clave de rendimiento. Con las visualizaciones interactivas, el equipo podía realizar fácilmente un seguimiento de las métricas de rendimiento y ajustar las estrategias. Gracias a este acceso a los datos en tiempo real, GreenJinn mejoró el logro de sus indicadores de rendimiento en un 35 %, lo que permitió responder con mayor rapidez a los comentarios continuos.

«Convertimos nuestros informes de indicadores de rendimiento en un proceso optimizado, lo que nos ayudó a responder más rápido a los comentarios internos.»

— Marco Patrini, jefe de operaciones e información de GreenJinn

Resultados: más de un 200 % de retorno de la inversión, eficiencia y escalabilidad

Al implementar Datalore, GreenJinn logró más de un 200 % de retorno de la inversión (ROI), gracias al tiempo ahorrado y a la mejora de la eficiencia en todos los procesos internos y de cara al cliente.

Entre los resultados clave se incluyen los siguientes:

  • 60 % más de rapidez en la entrega de información y reducción en el plazo de entrega de informes de 1,5–2 días a menos de medio día.
  • 70 % de aumento en la producción de informes de clientes, lo que permite elaborar más informes con los mismos recursos.
  • 35 % de mejora en el logro de los indicadores de rendimiento internos, impulsada por el acceso a los datos en tiempo real y la optimización de los informes.
  • Liberación de un día completo a la semana para el equipo técnico, lo que les permite centrarse en el desarrollo del producto principal en lugar de realizar tareas de datos repetitivas.

«Datalore proporcionó un impresionante retorno de la inversión del 200 % al liberar nuestros recursos y agilizar los flujos de trabajo internos y de los clientes. Tan solo el ahorro de tiempo ha sido de un valor incalculable.»

— Daniel Sonny Agliardi, responsable técnico de GreenJinn

«Datalore ha transformado la forma en que abordamos los datos, al capacitar a nuestros equipos y mejorar la eficiencia en todos los ámbitos.»

— Marco Patrini, jefe de operaciones e información de GreenJinn

La adopción de Datalore ha permitido a GreenJinn escalar las operaciones, optimizar la toma de decisiones y liberar recursos valiosos, lo que ha dado lugar a mejoras sustanciales en el rendimiento empresarial y un retorno de la inversión significativo.

Historias de clientes similares

neXDos

Dr. Steffen Möllenhoff, socio director de neXDos

Anteriormente, neXDos creaba prototipos, realizaba pruebas retrospectivas y preparaba sus algoritmos de negociación para el futuro alojando JupyterLab y JupyterHub. Pero este enfoque era problemático debido a la complejidad en muchas áreas, incluida la gestión del entorno del servidor, la realización de actualizaciones frecuentes y el manejo de los complementos asociados dentro de JupyterLab.

Venerable

Alexandria Morales-García, analista de riesgos de inversión de Venerable

Uno de los principales problemas a los que se enfrentaba nuestra eficacia era esta red interrelacionada de hojas de cálculo. Ahora, imagine que una de estas hojas de cálculo tiene un error y no se ha dado cuenta. Entonces, tres hojas de cálculo después, ahora tiene que volver atrás, corregir esa hoja y todas las demás hojas que dependían de ella y, con suerte, no la envió de forma interna o, peor aún, externa.

Drama & Company

Youngrae Lee, responsable del equipo del Centro de big data de Drama & Company

Antes de adoptar Datalore, Drama & Company utilizaba un servidor Jupyter independiente para sus necesidades de investigación de datos. Sin embargo, esta configuración se enfrentaba a menudo a problemas de rendimiento. La transferencia de los resultados de la investigación a un proceso de datos, la distribución del código escrito por los investigadores y otras tareas similares resultaban ser arduas y requerían mucho tiempo. Drama & Company se dio cuenta de que necesitaba una plataforma de ciencia de datos más sólida y escalable.

Más historias de clientes