我们的数据架构 在 The Zebra，我们始终致力于打造面向未来的技术堆栈，并采用能够随着数据增长而扩展的技术，以便我们能够利用这些数据为用户创造价值。为此，我们已在 Snowflake、dbt 和 Fivetran 等现代数据工具上投入巨资。在我们的数据仓库中，我们的数据团队构建了数千个 dbt 模型，以便我们能够更好地了解用户。
其中包括我们可以 澳大利亚电报数据库 用来提供个性化推荐和其他第一Zebra 的数据架构 我们的营销数据需求 我们花了大量时间将我们的数据在 Snowflake 中汇总到真正可靠的程度，但挑战始终在于如何将其交到我们的营销团队手中。 在 The Zebra，我们有两个核心营销渠道：效果营销（广告）和生命周期营销（电子邮件和短信）。
我们希望使用第一方数据来丰富我们上传回广告平台的转化事件，以便提高匹配率，确保我们没有定位错误的用户，从而提高广告支出回报率。我们还需要一种方法来可靠地将仓库中定义的自定义受众的数据同步到 Iterable，以便我们能够向个人用户提供个性化的优惠和内容。 将数据从 Snowflake 移到这两个渠道一直是一个巨大的挑战，因为我们的数据团队被迫下载临时 CSV 或为每个营销目标构建和维护自定义集成。