Fournir aux commerçants des insights en temps réel pour des décisions plus intelligentes
Worldline unifie les données des commerçants et des transactions pour simplifier le reporting
Réduction des coûts d'infrastructure mensuels
Augmentation de la vitesse du reporting de schéma
Augmentation de la productivité de l'équipe
Worldline, premier processeur de paiement en Europe et quatrième à l'échelle mondiale, soutient des millions de commerçants et de banques dans 50 pays. Avec son offre de services variée, allant du traitement des paiements à l'analyse financière en passant par la conversion de devises, Worldline souhaitait consacrer davantage de ses ressources à la business intelligence (BI) à des fins de reporting interne et externe, mais aussi pour alimenter des projets de machine learning devant mettre fin une fois pour toutes à la manipulation des données. Cet acteur de la fintech souhaitait également utiliser les données de transaction et analyser les interactions client pour améliorer la prédiction de l'attrition et la détection des anomalies. Mais au fil de son expansion par le biais d'acquisitions, le paysage numérique de Worldline était devenu très fragmenté. Difficile, dans ces conditions, d'unifier les données et d'effectuer des analyses à grande échelle sur 50 milliards de transactions et des milliers de milliards d'euros. Les systèmes traditionnels sur site étaient un frein de plus. Pour surmonter ces obstacles, Worldline s'est associé à Databricks, ce qui lui a permis de réduire les coûts d'infrastructure de 200 000 € par mois.
Gérer les systèmes déconnectés provenant d'acquisitions successives
Worldline avait une ambition : fournir des données et des informations de reporting complètes aux équipes internes. Cette stratégie était essentielle pour maintenir sa position en tant que principal processeur de paiement en Europe. L'entreprise a donc lancé une initiative majeure, baptisée « Drive », afin de consolider les données de sources diverses et de créer une vue unifiée des transactions, des clients et des commerçants. Ce projet visait à équiper la direction et les analystes commerciaux de Worldline de tableaux de bord complets pour surveiller les principaux indicateurs clés de performance (KPI) liés au reporting financier, aux prévisions et aux performances de vente. Cette vue unifiée permettrait aux équipes de direction et d'exploitation de prendre rapidement des décisions basées sur les données. Quant aux cubes BI, des structures de données multidimensionnelles, ils allaient donner aux analystes les moyens d'explorer les données en profondeur, d'effectuer des requêtes complexes et de créer des tableaux de bord en libre-service. Les équipes n'avaient plus à faire intervenir l'équipe IT : l'analyse des données est devenue bien plus accessible et les équipes interfonctionnelles, plus compétentes dans leurs rôles respectifs.
Pour ses solutions orientées client, Worldline souhaitait en priorité fournir aux commerçants des insights basés sur les données pour les aider à évaluer leurs performances, à traiter les remboursements et à visualiser les tendances des transactions. Ces services soutiennent un large éventail de clients : petites boutiques, grands détaillants et même plusieurs compagnies aériennes. Ils leur permettent à tous d'utiliser les données de transaction quotidiennes pour mieux planifier leurs opérations et produire des rapports internes. Parallèlement, Worldline tenait à consolider ses capacités en data science pour mettre en place des systèmes plus sophistiqués de détection de la fraude et des anomalies pour protéger ces mêmes clients. Ces améliorations ont pour but d'aider l'entreprise à identifier et atténuer les activités suspectes, pour protéger à la fois les données des commerçants et de leurs clients.
Au fil de la croissance de l'entreprise, il devenait de plus en plus difficile d'unifier les données des clients, des transactions et des commerçants plus de 50 milliards de transactions par an. Pour mettre ce chiffre en perspective, cela représente 10 000 transactions par seconde. Comme le résume Stephan Pirson, Chief Data Officer, Merchant Services Division chez Worldline, « nous devions passer d'un patchwork de systèmes à une solution capable de traiter les données à grande échelle, pour passer des tendances générales aux détails les plus fins des transactions ». C'est finalement pour cette raison que l'entreprise a décidé d'investir dans la Databricks Data Intelligence Platform.
Créer un système multicouches pour les données commerciales en temps réel
En adoptant une plateforme de données cohérente et évolutive, Worldline a relevé le défi unique posé par son expansion rapide due à une série de fusions et acquisitions : un écosystème de données fragmenté avec des sources déconnectées. Pour constituer le cœur de sa pile technologique, l'équipe a déployé Apache Spark™ et des clusters Databricks pour centraliser et rationaliser le traitement des données, de manière à gérer l'échelle massive des opérations de Worldline, de l'ingestion des données au traitement en temps réel. L'architecture ACID de Delta Lake assure l'intégrité et la fiabilité des données pour les rapports internes et externes, essentiels pour gérer plus de 50 milliards de transactions annuellement. « Databricks a fondamentalement transformé notre approche des données, explique S. Pirson. Avec Databricks, nous avons centralisé nos données en un seul endroit pour produire des analyses sur des millions de transactions tout en maintenant la précision et la vitesse. Ce changement nous permet de donner la priorité à l'innovation, et donc de maintenir notre avantage compétitif sur le marché. »
Sur le socle Delta Lake, Worldline a mis en place une architecture en médaillon : ce cadre conçu pour les données structurées assure leur conformité, leur précision et leur accessibilité tout au long de leur cycle de vie. Sur la couche Bronze, Worldline stocke les données brutes et non traitées provenant de diverses sources pour créer un référentiel traçable à des fins de traitement et de conformité réglementaire. La couche Silver transforme et affine ces données afin de les optimiser pour générer des rapports opérationnels et des analyses. La couche Gold agrège et sélectionne les données, puis les prépare pour les applications commerciales de haut niveau telles que les tableaux de bord internes de KPI et les analyses orientées client. Superposée à Apache Spark et à un data lake Azure, cette architecture crée un pipeline efficace qui transforme les données brutes en insights exploitables pour les équipes et les clients de Worldline.
Sur ces fondements, Worldline a intégré Databricks avec Power BI dans le cadre de l'initiative Drive, et consolidé des sources de données déconnectées au sein de tableaux de bord unifiés pour le suivi en temps réel des KPI. Pour améliorer la collaboration, Unity Catalog encadre et documente l'accès aux données. Plus de 85 data engineers et 200 analystes explorent et analysent les données en toute sécurité grâce aux Notebooks Databricks partagés. Pour améliorer encore sa solution, Worldline a adopté MLflow pour gérer le cycle de vie des modèles de machine learning, et ainsi optimiser l'entraînement et le déploiement des modèles dédiés à la détection de la fraude et l'identification des anomalies grâce à l'IA. Les opérations ML de l'entreprise ne sont pas encore pleinement matures, mais cette configuration permet à l'équipe de data science de se consacrer à la modélisation stratégique plutôt qu'à la manipulation des données. En bout de ligne, grâce à cette suite Databricks intégrée, Worldline a abandonné des workflows fragmentés pour une plateforme évolutive prête à piloter des initiatives d'analyse avancée et d'IA.
Donner les clés du succès aux équipes tout en réduisant les coûts d'infrastructure
En adoptant Databricks, Worldline a rationalisé son infrastructure de données et allégé la charge de gestion de l'infrastructure des équipes, qui se consacrent maintenant à fournir des insights commerciaux exploitables. En centralisant le traitement et la gouvernance des données avec Databricks, les data engineers et les analystes de Worldline accèdent plus efficacement aux données et dépendent moins des solutions sur site peu pratiques. Ce changement favorise également la collaboration entre les équipes : les analystes travaillent directement avec les données en temps réel, effectuent des analyses approfondies et contribuent même aux efforts de débogage, aux côtés des ingénieurs de données. Ces workflows plus performants encouragent les bonnes pratiques entre les équipes, ce qui a pour effet de réduire les délais des projets et d'accélérer la prise de décision data-driven. « Avec Databricks, nous n'avons pas seulement rationalisé nos processus de données, nous avons aussi atteint un niveau d'efficacité supérieur chez toutes les équipes. Nous avons maintenant toutes les cartes en main pour fournir à nos commerçants et à nos partenaires internes des insights plus précis et pertinents, » conclut S. Pirson.
D'un point de vue quantitatif, le passage à Databricks a apporté des gains financiers et opérationnels majeurs. Worldline prévoit une réduction des coûts d'infrastructure de 200 000 € par mois, principalement en déplaçant les données jusque-là stockées dans Cosmos DB vers Delta Lake sur Databricks, plus économique. Les gains d'efficacité opérationnelle sont tout aussi convaincants : la productivité s'est améliorée de 40 % et les vitesses de reporting de schéma ont augmenté de 93 %. Désormais en mesure de gérer davantage de rapports et d'analyses complexes à grande échelle, Worldline maintient des normes de service élevées pour les équipes internes et les clients externes.
Outre ces impacts immédiats, Worldline a des objectifs à long terme, et notamment un engagement à élargir l'accessibilité et la maîtrise des données dans toute l'entreprise. Worldline prévoit de procéder à une intégration complète des données d'ici 2025 et de lancer un programme de maîtrise des données pour encourager la création d'analyses en libre-service grâce à Databricks. En développant ces compétences chez ses équipes, Worldline veut leur permettre d'analyser les données, de produire des insights et de passer à l'action en toute autonomie. Pour stimuler sa croissance, l'entreprise explore également des outils d'IA plus avancés, tels que Databricks AI/BI Genie, pour démocratiser davantage l'accès aux informations en permettant aux utilisateurs non techniques d'effectuer des requêtes en langage naturel.
