La canalización de ETL existente de Anthropic tenía dificultades para gestionar el aumento del volumen de transacciones: alcanzaba con frecuencia los límites de frecuencia de la API, lo que provocaba retrasos en los datos y requería intervención manual diaria para mantener el proceso en marcha.

Con Data Pipeline, Anthropic aceleró el cierre de fin de mes en seis días y eliminó el trabajo de ingeniería continuo. Ahora los datos de Stripe fluyen de manera confiable hacia BigQuery, donde cientos de modelos de datos combinan los datos de Stripe y de la empresa para producir registros financieros auditables e informes confiables para los líderes y los inversores.

Cursor necesitaba un acceso confiable a los datos de Stripe para cerrar los libros contables y hacer un seguimiento del rendimiento, pero con un equipo de ingeniería pequeño, la empresa no quería gastar recursos en la creación y el mantenimiento de una infraestructura de datos personalizada.

Data Pipeline sincroniza los datos de Stripe de Cursor en Databricks e impulsa los dashboards de rendimiento para generar informes sobre métricas clave, como ingresos y rotación. También impulsa un dashboard de operaciones de facturación, lo que permite al equipo resolver consultas de facturación complejas y gestionar las operaciones de los clientes de forma más eficiente.

ChowNow quería comprender mejor la rentabilidad, el margen y la economía por unidad, tanto a nivel de cliente como de transacción, sin tener que desarrollar una integración de API ni compartir sus datos con un pipeline ETL.

Con Data Pipeline, los datos de Stripe de ChowNow ahora fluyen hacia Snowflake, donde la empresa puede realizar un seguimiento de los contracargos por restaurante, optimizar la inversión publicitaria con visibilidad completa del recorrido del cliente y analizar el margen neto por restaurante para optimizar su estrategia de precios.

A la hora de exportar datos de Stripe a Snowflake a través de un ETL de terceros, Lime se topaba de manera constante con discrepancias en los datos, las cuales les tomaban a los ingenieros hasta dos horas para investigar.

Data Pipeline resolvió las discrepancias de datos de Lime y redujo el tiempo de entrega de tres días a uno. Los ingenieros ya no pasan horas investigando las diferencias, el equipo de finanzas genera informes con confianza sobre el estado de caja y los reembolsos, y el equipo antifraude puede crear mejores modelos mediante la combinación de las puntuaciones de riesgo de Stripe con datos de propiedad exclusiva.