ChowNow quería comprender mejor la rentabilidad, el margen y la economía unitaria tanto a nivel del cliente como de las transacciones sin tener que desarrollar una integración de API ni compartir sus datos con una canalización de ETL.

Con Stripe Data Pipeline, ChowNow tiene un panorama completo de su restaurante y de los clientes, todo en el mismo sitio. Se puede identificar de manera sencilla quién y cuánto está cobrando por las suscripciones y los pedidos de comida.

También puede proporcionar información nueva a sus restaurantes y mejorar la detección del fraude buscando señales de fraude por restaurante, como contracargos.

Mediante la división del margen neto por restaurante, ChowNow podría optimizar las tarifas de su producto sin comisiones y mejorar la retención del restaurante.

Lime utilizaba una canalización de ETL de terceros para exportar datos de Stripe a su almacén de datos y se dio cuenta de que los datos exportados no siempre coincidían con los datos en Stripe. Un ingeniero de datos solía tener que investigar la causa de cada discrepancia, lo que le suponía dos horas de su tiempo para cada transacción que no fuese coherente.

Mediante el uso de Stripe Data Pipeline, Lime ahorró invertir semanas en esfuerzos de ingeniería, ya que no tuvo que desarrollar y mantener una API para cada uno de los conjuntos de datos de Stripe. Al estar listo para usar, Lime pudo acceder a sus datos actuales de Stripe directamente en su almacén de datos. El equipo financiero de Lime ahora puede hacer un seguimiento de los rembolsos prácticamente en tiempo real, lo que les permite informar de manera fiable sobre el último estado de efectivo de la empresa. El equipo antifraude de Lime también se está beneficiando de los modelos mejorados de fraude.