ChowNow souhaitait disposer d'une meilleure visibilité globale en termes de rentabilité, de marge et de coûts/revenus par unité au niveau client et au niveau transaction, 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, le tout dans une seule et même solution. L'entreprise peut facilement identifier qui et combien elle facture pour les abonnements et les commandes de repas.

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 au niveau de 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 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 Data Engineer devait s'atteler à identifier la cause de chaque divergence, ce qui lui coûtait jusqu'à deux heures de son temps pour 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 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, ce qui lui permet d'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.