ChowNow souhaitait mieux comprendre la rentabilité, la marge et l'économie unitaire au niveau des clients et des transactions sans avoir à construire une intégration API ou à partager ses données avec un pipeline ETL.

Grâce à Stripe Data Pipeline, ChowNow dispose d'une vision à 360° de ses clients restaurateurs et traiteurs, le tout sur un seul et même outil. L'entreprise peut facilement savoir qui sont les clients à qui elle facture les abonnements et les commandes de repas ainsi que les montants facturés.

Elle est également en mesure de fournir de nouvelles informations à ses restaurants et optimise sa détection des fraudes en suivant divers signaux de fraude, tels que les contestations de paiement, par restaurant.

En ventilant la marge nette par restaurant, ChowNow a pu optimiser la tarification de son produit sans commission et améliorer la fidélisation de ses clients restaurateurs.

Lime utilisait un pipeline ETL tiers pour exporter ses données Stripe vers son entrepôt de données et constatait que ses données exportées ne correspondaient pas toujours aux données de Stripe. Un ingénieur des données devait s'atteler à identifier la cause de chaque divergence, ce qui nécessitait jusqu'à deux heures de travail pour traiter chaque transaction incohérente.

En adoptant Stripe Data Pipeline, Lime a gagné des semaines de temps d'ingénierie en s'évitant d'avoir à construire et à entretenir une API pour chaque jeu de données Stripe. Dès le départ, Lime a pu accéder à ses données Stripe existantes directement dans son entrepôt de données. L'équipe financière de Lime peut désormais suivre les remboursements en temps quasi-réel, ce qui lui permet d'établir des rapports fiables sur le dernier état de la trésorerie de l'entreprise. L'équipe anti-fraude de Lime bénéficie également de modèles de fraude optimisés.