Le aziende che operano a livello globale, e propongono i propri prodotti in diversi Paesi, ben conoscono le difficoltà legate al bisogno di adattare la proposizione alle esigenze del luogo ed alle preferenze dei clienti, di doversi adeguare alle differenti normative, soddisfare i requisiti legali, e di dover operare all’interno di supply chain articolate.
I dati anche in questo caso rappresentano una risorsa importante ma, allo stesso tempo, complessa da gestire. Si tratta spesso di sincronizzare ed aggregare informazioni da fonti esterne ed interne (negozi al dettaglio, Gdo, clienti, etc.), in varie forme, provenienti da diverse attività e di poterli trattare per estrarne valore, per supportare il processo decisionale grazie all’analisi puntuale.
Sono le esigenze che hanno mosso anche il brand di prodotti per la bellezza e la cura della persona L’Oréal. L’azienda opera nel mercato beauty da più di 100 anni, oggi è presente in 150 Paesi, con un organico di 85mila dipendenti ed un fatturato nel 2021 di circa 32 miliardi di euro.
Il contesto ed il bisogno
Si può immaginare la complessità di un data warehouse strutturato per servire i bisogni di un’azienda di queste dimensioni. E infatti, “l’impronta” di L’Oréal è diventata nel tempo talmente estesa e ampia da non consentire di fatto l’approccio con un metodo standardizzato per gestire i dati, anche per tutte le problematiche relative a processi specifici legati a un singolo fornitore e quindi ad un’infrastruttura poco agile. Da qui l’esigenza quindi di un data warehouse sicuro, sostenibile e compliant, in grado di coniugare l’efficienza alle esigenze di business.
L’azienda decide quindi di valutare i criteri irrinunciabili relativi a come dovrebbe essere un data warehouse effettivamente funzionale e li individua in queste caratteristiche: No Ops, sicuro, sostenibile, in grado di offrire una supervisione end-to-end, di facile deployment, con un’architettura event driven, e la disponibilità dei dati in modalità As a Service.
L’Oréal in primis considera quindi come risparmiare risorse preziose relative alle competenze degli sviluppatori che non è vantaggioso occupare nella gestione delle risorse infrastrutturali. E punta su un’infrastruttura flessibile e scalabile on demand, in modo da permettere ai developer di concentrarsi sull’offerta di esperienze beauty personalizzate e inclusive per tutti i consumatori, non sulla gestione dei server. Si considerano il tema di sicurezza e sostenibilità come mandatori.
I requisiti di conformità variano da Paese a Paese, serve una strategia di sicurezza zero trust, serve poter mantenere alcuni dati interni e dei clienti sicuri e criptati, ma allo stesso tempo è importante accedere e analizzare questi dati in modo sicuro, evitando le complessità e gli impatti ambientali legati allo spostamento e alla duplicazione degli stessi.
Un’architettura davvero funzionale è poi solo quella che continua ad offrire la visibilità necessaria per un monitoraggio rapido e omnicomprensivo, così come è importante poter implementare il codice in modo sicuro e L’Oréal ha specifici bisogni riguardo la disponibilità di strumenti integrati che rendano il processo di distribuzione del codice lineare e sicuro.
Un aspetto importante considerato come la stessa disponibilità di dati, quasi in tempo reale affinché siano effettivamente utilizzati dai dipendenti in modo fruttuoso, è alla base di processi di business davvero virtuosi. E per questo, ultimo ma forse anche l’aspetto più importante, tra gli obiettivi di L’Oréal c’è l’implementazione di pattern per il caricamento dei dati nel data warehouse in tempi brevi per beneficiare delle trasformazioni Sql.
La soluzione
“Dopo aver considerato diversi fornitori presenti sul mercato e sulla base delle esigenze espresse – racconta Antoine Castex, enterprise architect di L’Oréal – abbiamo optato per l’end-to-end serverless e gli strumenti per la gestione dei dati di Google Cloud. Utilizzavamo già Google Cloud per alcuni processi, per esempio BigQuery, e ne abbiamo ampliato l’utilizzo per supportare completamente la L’Oréal Beauty Tech Data Platform”.
Entriamo nei dettagli: la nuova Tech Data Platform integra dati da fonti dirette tramite Api – inseriti as is in BigQuery – con quelli invece frutto di integrazioni, di natura event-driven che devono essere trasformati (in Cloud Run, Cloud Functions o direttamente in Sql), e utilizzano meccanismi Eventarc. Per dare un’idea dei volumi si parla di 8.500 flussi per circa 5mila utenti contemporanei, indirizzati attraverso Google Cloud Platform. E più nello specifico la Beauty Tech Data Platform immagazzina 100 Terabyte di dati di produzione in BigQuery elaborando 20 Terabyte di dati ogni mese. L’Oréal dispone di oltre 8.000 dataset gestiti, 2 milioni di piattaforme BigQuery provenienti da diverse fonti di dati come Salesforce, Sap, Microsoft e Google Ads.
Al centro, per L’Oréal, proprio le potenzialità di BigQuery: consente di adottare Sql standard come linguaggio universale per il data warehouse, ma anche caricare i dati originali usando caratteristiche come le query aggregate e migrare da Etl al caricamento dei dati Elt, gestendo i dati semi-strutturati con Sql. Oltre a questo, pur con applicazioni collocate in ambienti diversi (su Google Cloud, ma anche on-premise e in altri public cloud), la funzionalità BigQuery Omni permette di accedere ed analizzare i dati tra i cloud a livello globale grazie ad un unico pannello di controllo e con l’interfaccia utente nativa di BigQuery, sarebbe stato altrimenti impossibile l’analisi cross-cloud o procedere senza continuare a spostare dati sensibili, con i relativi rischi e costi.
Le trasformazioni più complesse invece sono indirizzate attraverso Cloud Workflows, per le orchestrazioni dei passaggi nei container attraverso Cloud Run, Cloud Functions e i processi in BigQuery, il metodo più utilizzato per trasformare e creare valore dai dati di L’Oréal.
I vantaggi
I vantaggi, anche architetturali, si possono leggere nella possibilità di mantenere l’intero sistema entro un unico perimetro sicuro e a un prezzo ridotto grazie al caricamento di dati in blocco e le trasformazioni post-loading.
L’Oréal, oltre che dei modelli flessibili di ingest, e delle trasformazioni on-demand dichiara di beneficiare di “un modello pay as you go dei servizi che si adatta perfettamente alla strategia di L’Oréal di pagare unicamente nel momento in cui si usufruisce di un servizio”. Prosegue Castex: “Google Cloud ha soddisfatto tutti i requisiti della nostra Beauty Tech Data Platform. Inoltre, offrendoci una piattaforma no-ops, sicura, semplice da implementare, con personalizzazione gratuita, event-based e con una supervisione end-to-end, Google Cloud ci supporta anche nei nostri impegni di sostenibilità“.
La capacità di misurare e analizzare l’impronta ambientale nell’utilizzo del cloud pubblico è uno dei principi cardine della nostra roadmap per una tecnologia sostenibile. Sono gli strumenti Google Cloud Carbon Footprint a renderlo possibile. In particolare a L’Oréal permettono di “osservare l’impatto dell’approccio all’infrastruttura e dei criteri di architettura sostenibile”.
© RIPRODUZIONE RISERVATA
