ChowNow quería entender mejor la rentabilidad y los datos económicos por unidad —tanto por cliente como por transacción— de su negocio sin tener que desarrollar una integración de API o compartir sus datos a través de un data pipeline de ETL.

Con Stripe Data Pipeline, ChowNow tiene una visión más completa de sus clientes (los restaurantes y cafeterías) desde un mismo sitio. Gracias a ello, puede identificar de manera sencilla cuánto y a quién están cobrando por las suscripciones y pedidos de comida.

También puede proporcionar nueva información a sus restaurantes y mejorar la detección del fraude al poder analizar los indicios de fraude (por ejemplo, los contracargos) de forma individual para cada restaurante.

Al desglosar el margen neto por restaurante, ChowNow pudo optimizar las tarifas de su producto, seguir trabajando con un modelo sin comisiones, y mejorar la retención de los restaurantes.

Lime utilizaba un data pipeline de ETL de otro proveedor para exportar datos de Stripe a su almacén de datos, pero se dio cuenta de que los datos exportados no siempre coincidían con los de Stripe. Tenían que encargarle a un ingeniero de datos que investigase la causa de cada discrepancia, lo que le suponía hasta dos horas de trabajo por cada transacción revisada.

Tras empezar a usar Stripe Data Pipeline, Lime ahorró semanas de trabajo de ingeniería, ya que no tuvo que desarrollar y mantener una API para cada uno de los conjuntos de datos de Stripe. Desde el primer minuto, 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 reembolsos prácticamente en tiempo real, lo que les permite informar de manera fiable del último estado del flujo de caja de su empresa. El equipo antifraude de Lime también se está beneficiando de poder mejorar sus modelos antifraude.