El viaje de Clip desde la codificación de datos a la basada en datos

Acerca de la empresa

De México Clip es el principal ecosistema integral financiero de su país. Nació con la misión de ayudar a las empresas a tener una plataforma para pagos digitales. Proporciona servicios de pago móvil, lo que permite a las empresas y los consumidores realizar transacciones convirtiendo sus dispositivos móviles en terminales de tarjetas. Clip atiende a clientes de todo el mundo. Promueven la inclusión financiera de las personas y las empresas a través de soluciones innovadoras y confiables desde el punto de vista tecnológico, que hacen que sea fácil, accesible y transparente para todos.

Desafío

Se ayudó a Clip a comprender lo que implicaría la modernización de la arquitectura de datos y, al mismo tiempo, a evaluar cuáles serían los mejores pasos en diferentes opciones, como un almacén de datos, un lago de datos o un Lakehouse.

Al mismo tiempo, Clip quería reforzar sus sistemas de replicación de datos de múltiples fuentes y replantearse la forma en que realizaban el modelado de datos.

Además, el equipo financiero de Clip buscaba ayuda para automatizar sus informes, consolidar sus fuentes de datos en una única fuente de verdad (SSOT) y poder reducir el tiempo dedicado a la entrada, el procesamiento y la validación manuales de los datos. Mutt Data respondió a esta llamada. Clip acordó iniciar una fase de descubrimiento, que nos permitiría evaluar sus puntos débiles y sus necesidades empresariales actuales, así como su arquitectura de datos y sus capacidades analíticas actuales. El objetivo era encontrar una solución adecuada y ajustada a las necesidades específicas de Clip.

Teniendo en cuenta el desafío, la participación de Mutt en el proyecto arrojó hallazgos y datos profundos sobre la estructura de datos, las fuentes de datos, los procesos y las necesidades de Clip.

En las ocho semanas que duró esta fase de descubrimiento, Mutt evaluó los puntos débiles, la deuda técnica y el alcance de Clip, al tiempo que analizó de cerca las tecnologías, las arquitecturas y los procesos que ya estaban en marcha.

Durante la fase de descubrimiento y mientras escuchaba al cliente, Mutt propuso diferentes alternativas en arquitectura de datos, proveedores para esa arquitectura de datos, un plan claro y una hoja de ruta para la implementación.

Mutt redactó y propuso la solución más personalizada para Clip, que se ajustaba a sus necesidades y puntos débiles, teniendo en cuenta el tamaño de su negocio, el volumen de datos y su manejo de datos.

Mutt quería que la solución cumpliera con KPI específicos y, al mismo tiempo, ayudara a integrar múltiples fuentes de datos en un SSOT, mejorar la calidad de los datos y mejorar el rendimiento.

Solución

Durante nuestra rápida fase de descubrimiento, decidimos diseñar una solución que implicara la migración del almacén de datos a los lagos de datos. Mutt también encontró limitaciones en la plataforma que proporcionaba el almacén de datos, por lo que fue necesario incorporar otra plataforma. Mutt también descubrió la necesidad de mejorar el control de acceso y el manejo de la información de identificación personal. Además, descubrimos que era urgente mejorar el modelado y la orquestación de los datos.

Tras revisar minuciosamente la arquitectura actual y alinear la propuesta con la decisión de utilizar una plataforma de datos específica, se hizo evidente la necesidad de crear un lago de datos utilizando una arquitectura de saltos múltiples como base.

En este contexto, se decidió estandarizar cada capa para permitir las integraciones de fuentes de datos, que pueden aplicar la calidad de los datos y transformarlos a medida que avanzan capa por capa.

Esta arquitectura permitirá las siguientes funciones: - La integración de varias fuentes de datos, incluidas las que actualmente no se replican en el almacén, en un SSOT. - El control de calidad de los datos garantiza la coherencia. - Gobernanza de los datos y acceso a la información confidencial. - Orquestación de procesos más sólida y flexible. - Canalizaciones más fáciles, simples y reutilizables. - Revalorización del modelado de datos. - Rendimiento mejorado. - Reducción de los costos.

El diseño modular y abierto de Data Lakehouse le permite evolucionar fácilmente la arquitectura de acuerdo con lo que Clip pueda necesitar en el futuro.

Impacto

Una vez que se completó la fase de descubrimiento, pudimos encontrar, identificar y estudiar soluciones para los puntos débiles de Clip. Si bien no existen métricas claras y mensurables, la determinación de cada una de las necesidades de Clip pone de relieve lo que se debe medir en función del trabajo realizado durante la implementación. Algo muy importante que hay que destacar es que las soluciones propuestas para los problemas encontrados se adaptan estrictamente a las necesidades de Clip, no hay soluciones predefinidas ni únicas, sino soluciones que se adaptan a sus necesidades específicas.