Comment Braze utilise Currents
Braze utilise Currents ! C’est exact, nous aimons tant notre propre produit que nous l’utilisons conjointement avec quelques-uns de nos partenaires.
Nous filtrons les données de nos campagnes de notification push et d’e-mail dans Looker, un outil de visualisation de données, et le chemin qu’elles prennent pour y arriver est intéressant. Nous utilisons une version légèrement différente de la méthodologie ETL (Extract, Transform, Load) - nous avons changé l’ordre et nous faisons de l’ELT (Extract, Load, Transform) !
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 d’événements avec notre propre système et avec certains de nos partenaires 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 (et nous vous recommandons) une solution à long terme utilisant une base de données relationnelle et un outil analytique d’aide à la décision.
Pour nous, S3 est « la clé du château » ! Il nous ouvre la porte à tant de possibilités pour déplacer, pivoter et analyser nos données, en les transférant là où nous en avons besoin. Cependant, nous faisons attention à ne pas transformer nos données dans S3, car nous avons une structure très 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 votre seule option pour l’entreposage. Vous pouvez également choisir Redshift, Google BigQuery, etc.
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. Tous les partages et facturations de données seront alors gérés intégralement par Braze.
Contactez votre gestionnaire du succès des clients pour en savoir plus.
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 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.
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