Vestiaire Collective libère l’utilisation massive des données grâce à Snowflake

Snowflake, la plateforme de données dans le cloud, annonce que Vestiaire Collective, le leader français de la vente d’articles de mode et de luxe d’occasion a choisi sa solution pour adopter une stratégie de données centralisées. Le déploiement de Snowflake permet à l’entreprise de développer plus rapidement et plus simplement de nouveaux cas d’usages métiers à partir des données, notamment pour le marketing.

Avec 9 millions de membres, Vestiaire Collective est un leader de la vente d’articles de mode et de luxe d’occasion. L’enseigne a rapidement compris l’intérêt d’avoir une plateforme de données unifiées. D'une part pour alimenter sa BI, et d'autre part pour permettre à ses différents métiers, notamment le marketing, de développer plus facilement de nouveaux cas d’usages autour des données. « Quand je suis arrivé chez Vestiaire Collective, nous utilisions Amazon RedShift mais nous étions limités, notamment en termes de volumes de données », déclare Aleksander Djurka, DSI de Vestiaire Collective. L’entreprise ne pouvait en effet pas déverser toutes les données qu’elle aurait voulu dans la solution pour des raisons de coûts car il était impossible, au niveau de Redshift, d’augmenter la capacité de stockage sans augmenter la puissance de calcul.

Pour pouvoir mettre en place une plateforme centralisée de données unifiées et vérifiées, Vestiaire Collective décide à l’été 2019 d’étudier le recours à une autre solution. L'entreprise engage donc en septembre un PoC avec Snowflake pour tester les capacités de la solution. « C’était très important pour nous de faire ce PoC. Non seulement, cela nous permet de bien comprendre ce qu’implique la solution en termes de performances et d’usages, mais aussi de promouvoir son utilisation aux décideurs métiers avec des cas d’usages et des KPI très concrets et faciliter ainsi l'accompagnement du changement », déclare le DSI, alors VP Data au début du projet.

Convaincu par le PoC, Vestiaire Collective lance son projet de migration en septembre 2019 en toute autonomie. L’architecture choisie prévoit d’utiliser Airflow et Matillion pour l'alimentation en données avec, de l’autre côté, Tableau pour la restitution des informations. Vestiaire Collective est ainsi passée en production sur Snowflake au mois de décembre avec, à date une vingtaine de data sources connectées à son datawarehouse Snowflake et 100 To de données, en constante augmentation.

« Le premier avantage de Snowflake, c’est que nous avons pu rassembler toutes nos données en un point unique, avec une grande granularité et une grande facilité d’accès pour les différents utilisateurs, sans avoir à nous soucier du stockage », explique Aleksander Djurka. « Cela nous permet en outre de développer plus rapidement et plus simplement de nouveaux uses cases que nous n’aurions pas forcément pu mettre en place avant. Même pour ajouter une nouvelle data source, cela ne prend plus que quelques clics contre quelque semaines auparavant ».

Par exemple, Vestiaire Collective a pu s’appuyer sur l’agilité de Snowflake pour développer à destination des équipes marketing des outils de suivi du parcours clients en ligne, de l’efficacité des bannières, etc. Ces outils ont non seulement permis aux équipes marketing d’améliorer l’expérience client, mais aussi d’être plus autonomes dans l’usage des données, permettant aux data scientiste de Vestiaire Collective de consacrer plus de temps sur des projets à forte valeur ajoutée, plutôt que sur la création de rapport. En outre les équipes métiers se montrent très satisfaites de Snowflake, tant pour la simplicité d’utilisation que pour la qualité, la fiabilité et la diversité des données auxquelles la solution permet d’accéder.

« Même le top management est ravi des améliorations apportées par Snowflake qui leur permettent de prendre les bonnes décisions. La plupart de nos utilisateurs internes devaient auparavant composer avec des tableurs Excel. Maintenant ils savent accéder aux données et savent facilement les utiliser. Pour l’avenir, nous allons continuer d’ajouter des sources de données et des uses cases à Snowflake. Nous allons notamment mettre en place des moteurs de recommandation pour nos utilisateurs et de l’AB testing », conclut Aleksander Djurka.