Más de un millón de pequeñas empresas utilizan la plataforma de comercio electrónico Shopify para llegar a una audiencia global de consumidores. Esto incluye Directo al Consumidor (DTC) All-Stars como Allbirds, Rothy’s y Beefcake Swimwear.

Pero los vendedores en línea como estos también ingieren datos de plataformas como Google Analytics, Klaviyo, Attentive y Facebook Ads, lo que rápidamente dificulta los informes semanales.

Aquí es donde entra en juego la transformación de datos.

dbt y preql

Como sugiere el nombre, las herramientas de transformación de datos ayudan a convertir los datos de su formato sin procesar a datos limpios y utilizables permitir el análisis y la elaboración de informes.Centralizar y almacenar datos es más fácil que nunca, pero crear conjuntos de datos listos para informes requiere alinearse con las definiciones comerciales, diseñar tablas de salida y codificar la lógica en una serie de secuencias de comandos SQL interdependientes o «transformaciones». Las organizaciones están realizando importantes inversiones en herramientas de infraestructura de datos, como herramientas de ingestión, almacenamiento de datos y visualización/BI sin tener la experiencia interna para transformar sus datos de manera efectiva. Pero aprenden rápidamente que si no puede estructurar de manera efectiva sus datos para generar informes, no obtendrán valor de los datos que almacenan ni de la inversión que realizan.

El espacio incluye dos jugadores principales: dbt y startups.

Fundada en 2016, dbt “«creó la herramienta principal en la caja de herramientas de ingeniería de análisis», dice la empresa, y ahora la utilizan más de 9000 empresas, y está respaldada con más de 414 millones de dólares.

Pero dbt es una herramienta para desarrolladores en empresas establecidas. Equipos de ingeniería analítica.

Preql, por otro lado, es una startup que desarrolla una herramienta de transformación de datos sin código dirigida a usuarios comerciales que pueden no tener experiencia con lenguajes de programación pero que aún tienen una necesidad. datos confiables y accesibles.

El objetivo de Preql es automatizar los pasos más difíciles y que consumen más tiempo en el proceso de transformación de datos para que las empresas puedan estar en funcionamiento en días, en comparación con la ventana de seis a 12 meses de otras herramientas.

«Construimos Preql porque la capa de transformación es la parte más crítica de la pila de datos, pero los recursos y el talento necesarios para administrarla hacen que los informes y análisis confiables sean inaccesibles para las organizaciones sin capacidades de big data», dijo. Gabi Steele, cofundadora y codirectora ejecutiva por Preql.

Por lo tanto, la startup se está posicionando como una alternativa a la contratación de equipos de ingeniería de análisis completos únicamente para modelar y administrar definiciones comerciales, particularmente para empresas en etapa inicial que inicialmente están expandiendo sus capacidades de datos.

En otras palabras, Preql es el amortiguador entre el equipo de ingeniería y las personas que realmente necesitan usar los datos.

“Los equipos de datos tienden a ser muy reactivos. La empresa solicita constantemente datos para guiar la toma de decisiones, pero en el ecosistema de transformación actual, incluso los pequeños cambios en los modelos de datos requieren tiempo y experiencia. Cuando los usuarios comerciales realmente pueden administrar sus propias métricas, el talento de datos puede salir del constante ir y venir de satisfacer las necesidades de informes y enfocarse en análisis más sofisticados”, dijo Leah Weiss, cofundadora y codirectora ejecutiva de Preql.

Pero eso no significa que dbt y preql sean rivales acérrimos. De hecho, son parte de la misma comunidad de transformación de datos y hay una próxima integración.

“Una forma de pensarlo es que queremos ayudar a las organizaciones a ponerse en marcha muy rápidamente y aprovechar los datos que ya recopilan y almacenan con el tiempo, sin necesidad de contar con talento especializado que sea realmente bueno en eso, como lo sabe dbt. —agregó Steele—. «Pero a medida que estas empresas se vuelvan más sofisticadas, emitiremos dbt para que las usen si esa es la herramienta con la que se sienten más cómodos».

Una mirada más cercana a Preql

La startup recaudó una ronda inicial de $ 7 millones en mayogestionado por Bessemer Venture Partners, con la participación de Felicis.

Preql recopila definiciones de métricas y contexto comercial y luego abstrae el proceso de transformación de datos. Ayuda a las empresas a ponerse en marcha con una única fuente de verdad para generar informes sin un equipo de datos o escribir SQL.

Preql lee datos del almacén y vuelve a escribir esquemas limpios y reportables. Funciona con herramientas de ingestión de datos que mueven datos al almacén desde aplicaciones de origen, como Airbyte y Fivetran, así como almacenes de datos en la nube como Snowflake, Redshift y BigQuery. Para empresas que utilizan datos en herramientas de BI, también funciona con Looker, Tableau y Sigma Computing.

objetivo DTC

Inicialmente, Preql se enfoca parcialmente en el mercado de DTC porque las métricas como el costo de adquisición del cliente (CAC), la tasa de conversión y el valor de por vida (LTV) están estandarizadas. También tienden a procesos lean.

«Descubrimos que estas empresas están trabajando muy duro para descargar datos de diferentes fuentes (plataformas de terceros que usan, Shopify, sus plataformas de marketing pagas) para tener una idea de la salud y el rendimiento del negocio subyacente», dijo Weiss.

También tienden a usar procesos de informes manuales, lo que significa que «a menudo es un trabajador de operaciones quien descarga datos de varias fuentes, los consolida en hojas de cálculo, realiza una serie de intervenciones manuales y luego emite informes semanales o trimestrales», agregó. .

Pero gran parte de lo que estas empresas quieren medir sobre el rendimiento es consistente, y muchas de las fuentes de datos están estructuradas de la misma manera.

«Preql nos permitió hacer algunas suposiciones sobre lo que queríamos medir, con la flexibilidad de personalizar algunas de esas definiciones que son específicas de nuestro negocio», agregó Cynthia Plotch, cofundadora de Stix, una empresa de comercio electrónico de salud. lado añadido? sitio. “Preql nos brindó datos limpios y utilizables para los informes. Estuvimos listos y funcionando en días con informes semanales, lo que nos ahorró meses de esfuerzo al invertir en equipos de ingeniería de datos”.

Transformación de datos en 2027

Steele y Weiss creen que los próximos cinco años se tratarán de «cumplir la promesa de la pila de datos moderna».

En otras palabras, responder preguntas como: ahora que tenemos almacenamiento e ingesta escalables, ¿cómo podemos asegurarnos de que realmente podemos usar los datos para la toma de decisiones? ¿Y cómo podemos generar confianza en los informes para que podamos crear flujos de trabajo a su alrededor y actuar en consecuencia?

Esto se debe a que muchas empresas luchan por hacer la transición al análisis predictivo y al aprendizaje automático porque nunca resolvieron el problema fundamental de crear datos confiables y accesibles.

Además, Preql cree que la próxima fase de las herramientas irá más allá de la creación de infraestructura para ofrecer más valor a medida que el talento de datos se sienta más cerca de la empresa.

“El análisis de datos se vuelve cada vez más complicado a medida que la cantidad de fuentes de datos crece junto con su complejidad y la necesidad de resultados en tiempo real se vuelve más aguda. Y cuantos más datos tenga, más detalladas se vuelven las preguntas y más se espera de ellas”, agregó Amit Karp, socio de Bessemer Venture Partners. “Creo que estamos al comienzo de una ola muy larga, en cinco, diez o incluso 20 años. Es un mercado enorme”.

f83a9dee6f3f63eb97147cbb77f0bbb1?s=125&d=mm&r=g

Rekha Ravindra

Rekha tiene más de 20 años de experiencia liderando empresas de tecnología B2B de alto crecimiento y ha desarrollado una amplia experiencia en infraestructura de datos, ayudando a tomar tecnologías e ideas a menudo muy complejas y hacerlas comprensibles para una audiencia empresarial y tecnológica más amplia.

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí