Lancée à l'été 2017, la néobanque Qonto propose aujourd'hui ses services à plus de 65 000 professionnels et indépendants dans quatre pays européens : France, Allemagne, Italie et Espagne. En complément des services bancaires classiques, la société, qui emploie actuellement plus de 200 collaborateurs, fournit également des solutions pour simplifier la comptabilité et la création d'entreprise. Les données occupent une place centrale dans la stratégie et les activités de la fintech. Elles permettent ainsi à Qonto d'offrir des services intelligents, comme la détection automatique de la TVA sur les factures ou la réactivation automatique de clients. Les applications analytiques aident également à lutter contre la fraude et à respecter les obligations réglementaires sectorielles et européennes. Enfin, la startup fait un grand usage des données pour améliorer en continu ses offres.
Pour aider ses analystes métiers à effectuer ces analyses de façon plus efficace, l'entreprise a décidé en 2019 de mettre en place un entrepôt de données. « Nos outils de business intelligence pointaient vers une réplique de notre base de données principale pour la restitution. Les business analysts de Qonto accédaient difficilement aux données nécessaires à leur travail », explique Amaury Dumoulin, Lead Data de Qonto. Cette solution était lente et ne permettait pas de mener toutes les investigations souhaitées. Pour auditer les changements sur les différentes transactions, il fallait par exemple lancer des analyses sur des tables de plusieurs centaines de Go, ce qui ne pouvait se faire dans des délais raisonnables. En outre, la base de données était complexe à maintenir et freinait les développements, notamment en raison de problématiques d'accès concurrents.
Un déploiement et une utilisation simples
Afin de faciliter le partage des données, Qonto a étudié différentes solutions de datawarehouse. A l'issue de cette étape, la fintech a retenu l'offre de Snowflake, appréciant notamment le support du langage SQL ainsi que l'absence de maintenance liée au choix d'une solution cloud.
La mise en oeuvre de la solution s'est révélée très aisée. « J'ai réalisé le projet en quasi-autonomie en commençant à verser différents jeux de données sur Snowflake pour de premières applications, notamment analytiques. Le ramp-up a été impressionnant » témoigne Amaury Dumoulin. Pour alimenter son datawarehouse, Qonto utilise un ETL Stitch et intègre aussi bien les données depuis les bases de données internes que les données de sa solution de ticket de service client Zendesk, ce qui devait auparavant se faire à la main.
Des gains de performance très conséquents
La facilité d'utilisation a été le premier bénéfice direct. « Dès que certains utilisateurs ont commencé à prendre la solution en main, d'autres, de différentes entités de l'entreprise, sont venus spontanément me demander des accès pour réaliser leurs traitements », raconte Amaury Dumoulin. Grâce à l'interface en SQL, les équipes travaillant sur les applications analytiques sont autonomes. « Nous n'avons plus à gérer les conflits entre les différentes workloads », ajoute le Lead Data.
Ce déploiement a également permis des gains de performance notables, qui ouvrent la voie à de nouveaux usages. Ainsi, un audit qui nécessitait auparavant 20 minutes pour un mois de données prend désormais 5 secondes sur l'ensemble de l'historique. Par ailleurs, les équipes peuvent maintenant effectuer des analyses croisées des transactions et de leurs modifications en 10 secondes, alors que c'était précédemment impossible.