Cas client

Acteur mondial de la beauté

Audit et optimisation d’une architecture Data basée sur Snowflake

Secteur d'activité

Cosmétique

Expertise(s)

Data Architecture & Platform

Partenaire(s)

Snowflake

Contexte

Entreprise familiale française spécialisée dans la beauté, le client est un leader du soin et du maquillage d’origine naturelle présent dans près de 150 pays.

 

Depuis plusieurs années, le client a placé la Data et l’Intelligence Artificielle au cœur de sa stratégie afin de devenir une entreprise Data Driven. D’un point de vue technologique, la stratégie Data du client repose ainsi principalement sur Azure et divers services Azure Data (dont Azure Open AI) ainsi que Snowflake.

 

Très récemment, le client a mis en œuvre un chatbot intelligent et personnalisé basé sur ChatGPT et déployé pour les consommateurs aux États-Unis depuis son site ecommerce.

Enjeux

Dans un contexte de transformation vers une approche et une gouvernance Data Mesh pour soutenir les ambitions du client, l’implémentation initiale de Snowflake a été considérée comme n’étant plus en adéquation avec les attendus et est devenue trop complexe en termes d’administration et de maintenance.

 

Devenue un frein à la transformation engagée, cette implémentation doit donc refaire l’objet d’une refonte en profondeur ainsi qu’un renforcement de la sécurité et du FinOps.

 

Dans ce contexte, la direction Data & Analytics du client a souhaité être accompagnée par un cabinet de conseil spécialiste Data capable de préconiser et d’implémenter les recommandations permettant de réaligner l’architecture Snowflake avec les ambitions et l’organisation du client.

#WeHelpDataPeople

DES BESOINS ET DES
ENJEUX SIMILAIRES ?

Démarche et réalisations

Aubay Data & AI a mobilisé auprès du client un Data Architect spécialisé sur la plateforme Snowflake afin d’analyser l’existant, de définir et implémenter les recommandations les plus appropriées.

 

Liste des activités adressées dans le cadre de la mission d’expertise Data :

  • Prise de connaissance du contexte client (organisation basée sur une approche Data Mesh, usages Data, écosystème technologique, …) et analyse de l’existant reposant sur Snowflake ;
  • Refonte du modèle « Role-Based Access Control » (RBAC) en supprimant les rôles jugés inutiles et en mettant à jour les rôles et privilèges associés ;
  • Renforcement de la sécurité du compte Snowflake en mettant en place le MFA sur tous les profils administrateurs, en désactivant les mots de passe de tous les utilisateurs se connectant en SSO afin de garantir la sécurité du compte ;
  • Mise en place d’une politique de gestion des mots de passes pour les comptes techniques (rotation, complexité du mot de passe, …) ;
  • Optimisation de la consommation des crédits (optimisation du cache des « Virtual Warehouses », diminution du timeout sur les requêtes SQL, optimisation de la fonctionnalité « auto-suspend » des « Virtual Warehouses », …) ;
  • Implémentation d’un suivi FinOps amélioré et renforcé.

Bénéfices

  • Gouvernance des données plus claire et en adéquation avec les ambitions et les besoins du client
  • Amélioration notable de la sécurité de la plateforme Snowflake
  • Meilleure gestion des coûts et optimisation de la consommation des « Virtual Warehouses »

Découvrez nos autres cas clients