Howard Hughes
Un'azienda immobiliare globale ha ridotto i tempi di ETL dell'80%, ha integrato nuove fonti di dati e ha ridotto i costi del data warehouse dell'83% grazie a Boomi.
Obiettivi aziendali
Howard Hughes è uno sviluppatore immobiliare leader che gestisce comunità per oltre 387.000 residenti in sei regioni. Per le sue operazioni di pianificazione, vendita e finanza su larga scala, l'azienda voleva semplificare il suo complesso e frammentato stack di dati, migliorare la velocità di ingestione e trasformazione dei dati e consentire nuove integrazioni di dati per supportare previsioni più accurate e automazione finanziaria. Un altro obiettivo era quello di consentire al team di dati interno di creare pipeline di dati e dashboard affidabili e utilizzabili per gli utenti aziendali, riducendo i costi operativi e la dipendenza da consulenti esterni.
Sfide tecnologiche
Howard Hughes ha dovuto affrontare molteplici problemi di integrazione che hanno ostacolato l'efficienza operativa e la scalabilità:
- Uno stack legacy complesso con strumenti sovrapposti (Talend, dbt, Jenkins, MySQL) che era difficile da mantenere
- Finestre ETL lunghe, fino a 12 ore al giorno, che causano ritardi e gestione manuale degli errori.
- Sono stati richiesti più consulenti esterni, con un aumento dei costi e della complessità.
- L'integrazione incompleta dei dati ha impedito un'analisi completa.
- Il caricamento inefficiente di batch su Snowflake ha gonfiato i costi del cloud warehouse
Come Boomi ha aiutato
Howard Hughes ha adottato Boomi Data Integration per unificare l'ingestione, la trasformazione e l'orchestrazione dei dati su un'unica piattaforma. Le principali implementazioni includono:
- Replica di Change Data Capture (CDC) per SQL Server a Snowflake, riducendo drasticamente i tempi di carico
- Migrazione delle trasformazioni basate su SQL da dbt ai fiumi ELT push-down di Boomi
- Integrazione di sistemi immobiliari precedentemente scollegati (Chatham, Blackline) utilizzando i connettori personalizzati senza codice e gestiti da Python di Boomi.
- Dare al team di dati interno, composto da due persone, la possibilità di gestire pipeline che in precedenza richiedevano sei consulenti esterni.
Risultati
Consolidando il proprio stack di dati con Boomi, Howard Hughes ha ottenuto:
- Il tempo di ETL è stato ridotto da 12 ore a meno di 40 minuti, con un aumento dell'agilità.
- Risparmio annuale di 300.000 dollari grazie all'eliminazione di consulenti esterni per l'ingegneria dei dati.
- Riduzione dell'83% dei costi di Snowflake grazie ai carichi di dati incrementali basati su CDC.
- Aggiunta di tre nuove fonti di dati che consentono previsioni di vendita automatizzate e l'automazione dei processi finanziari.
- Riduzione complessiva del 60-70% dei costi dell'architettura dei dati, che ha permesso al team di concentrarsi sulle analisi critiche per il business.
