ChowNow souhaitait améliorer la visibilité de sa rentabilité, de ses marges et des coûts unitaires (tant au niveau des clients qu'au niveau transactionnel), 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 l'ensemble de ses clients (restaurants et cafés) au sein d'une seule et même solution. L'entreprise peut facilement identifier qui et combien elle facture, que ce soit pour les abonnements ou pour les commandes de repas.

Elle peut également fournir de nouvelles informations à ses clients et améliorer son processus de détection des fraudes grâce à divers indicateurs spécifiques à chaque restaurant, tels que les contestations de paiement.

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.

Lime s'appuyait sur un pipeline ETL tiers pour exporter ses données Stripe vers son entrepôt de données. Après avoir constaté que les données exportées ne correspondaient pas toujours aux données de Stripe, l'entreprise a dû faire appel à un ingénieur de données pour identifier la cause de ces divergences (chacune d'entre elle nécessitant jusqu'à deux heures de travail).

Lime a gagné des semaines en travail d'ingénierie en adoptant Stripe Data Pipeline, qui lui a évité d'avoir à construire et à maintenir une API pour chaque jeu de données Stripe. Dès le départ, Lime a pu accéder à ses données Stripe à jour directement dans son entrepôt de données. L'équipe financière de Lime peut désormais suivre les remboursements en temps quasi-réel, et par conséquent établir des rapports fiables sur la dernière situation de trésorerie de l'entreprise. L'équipe anti-fraude de Lime bénéficie également de modèles de fraude optimisés.