Hunt, Gather 是一家总部位于奥斯汀的创意机构，其报告工具有限，阻碍了他们与客户共享深度绩效数据的能力。该机构迫切需要一种整体方法来报告其数字营销工作。他们需要一套工具来收集和分析数据，并最终生成关键见解，所有这些都在一个位置完成。开发团队此前曾自行构建过一些管道，但这些管道既耗时又昂贵。内部构建管道可能需要长达六个月的时间，而且该团队还在 ELT 平台上花费了大量资金，但事实证明这些平台效率低下。

IJsvogel Retail 是一家拥有近 130 年历史的荷兰宠物和园艺产品连锁店，该公司正在努力应对管理和利用其庞大且分散的数据的挑战。该公司拥有 180 多家商店、1,600 多名员工和 800 多名批发客户，生成了大量数据。然而，这些数据并未被有效利用来为业务决策提供信息。相反，旧的数据和日志文件经常被丢弃而不是编译和分析。该公司规模较小的 IT 部门发现很难在整个公司内推广新应用程序的采用。缺乏统一、可靠和稳定的数据源阻碍了公司做出明智的业务决策的能力。

Imperfect Foods 是一家致力于消除食物浪费的在线杂货商，在管理和利用其庞大的客户数据方面面临着重大挑战。由于拥有数十万客户和越来越多的数据源，该公司很难根据这些信息有效采取行动。由于缺乏客户数据的集中视图，因此很难了解哪些特征导致了高价值客户或哪些因素影响了客户的订购。 Imperfect Foods 需要一种方法来整合整个数据堆栈中的所有客户数据，以利用其进行营销激活，从而增加注册量和产品使用量。该公司的工程资源也有限，这使得情况变得更加复杂。

Involve.ai 是一个客户智能平台，由于无法有效地从多个数据源提取数据，因此在为客户提供客户整体视图方面面临着挑战。数据集成的过程非常耗时且耗费资源，而且数据模式不可靠且难以修改。该公司的客户需要针对其销售和交付流程量身定制的不同方法和特定应用程序，而以前的数据集成解决方案无法扩展以满足这些要求。由于无法访问源系统中的数据，Involve.ai 无法产生全面的见解，从而导致数据分析采用更加被动的方法。这些挑战包括无法产生全面而准确的见解、计划数据复制的自动化不灵活、无法在导入 Snowflake 之前执行数据转换以及上市时间较慢，从而限制了公司的增长率。

全球范围内的 Covid-19 大流行迫使世界各地的餐馆迅速转向送货和外卖服务。 ItsaCheckmate 帮助这些餐厅将来自各种订购应用程序的订单直接整合到其现有的销售点 (POS) 系统中，从而无需手动将订单传输到 POS 并在多个平台上管理菜单。随着业务的蓬勃发展，ItsaCheckmate 决定需要使用数据来维持客户的优质体验，并使支持人员能够处理订单的增加。数据是可用的，但公司以任何有意义的方式组织和管理这些数据的成本过高。 ItsaCheckmate 平台与 Uber Eats、Grubhub 和 DoorDash 等在线订购应用程序以及大型连锁店或小型夫妻餐厅可能使用的所有 POS 系统进行了数十种集成。当订单无法正确处理时，ItsaCheckmate 可以实时解决每个单独的错误，但分析师需要进行彻底、快速的事后分析，以解决导致这些错误出现的根本问题。对这些孤立数据的系统分析是一个手动过程，需要分析师将订单错误列表提取到 Excel 电子表格中，这个过程可能需要一天的时间。

捷蓝航空是一家大型航空公司，每天运营 900 多个航班，飞往 110 多个城市，该航空公司正在努力应对管理和分析其运营产生的大量数据的挑战。每个人、每个飞机和每个旅程都会生成数据点，这些数据点可以提供有关客户情绪、收入预测、燃油消耗、飞机维护和运营准备情况的见解。然而，来自 130 个不同系统的数据量巨大且难以组织。该航空公司需要一种能够集中这些数据的解决方案，以便可以轻松地进行分析和决策。面临的挑战是将所有这些数据快速准确地整合到一个平台中进行分析。

Kilo Health 是数字健康和保健领域的全球领导者，在快速扩张过程中面临着重大挑战。该公司在 2013 年成立时只有 7 名员工，现已发展到拥有 700 多名员工，管理着 30 多种产品，在全球拥有超过 500 万客户。这种快速增长导致数据点呈指数级增长，公司需要对其进行有效管理，以成为完全数据驱动的组织。我们面临的挑战是找到一个能够支持这种快速增长并为利益相关者提供明智且公正的见解的解决方案。

Kuda 是一家于 2019 年在尼日利亚推出的数字银行，六个月内客户数量增加了四倍。作为一家移动优先的数字公司，Kuda 认识到数据驱动的必要性，并认为现代数据堆栈对于实现其目标至关重要。最初，一个五人数据团队手动构建数据管道，并依靠 SQL Server Reporting Services (SSRS) 从事务数据库中提取见解。他们的数据被分成 12 个不同的 Azure SQL 数据库，无法成功连接内部源中的数据。该团队希望不再在 OLTP 数据库上运行 OLAP 查询，事实证明这是一项具有挑战性的任务。他们需要一个更具可扩展性的解决方案，使他们不必构建和管理数据管道。

Learnerbly 是一个学习和发展市场，在管理和利用其数据方面面临着重大挑战。该公司没有专门的数据组织，导致数据分散在不同部门。由于缺乏一致的事实来源，因此很难比较和证实不同来源的记录。连接跨数据源的记录也是不切实际的，这削弱了他们在整个生命周期中有效服务客户的能力。此外，工程师经常从产品开发转向数据操作。该公司需要更好地访问和控制其数据，以扩展和吸引企业客户，这些客户拥有更多的员工人数，并且对采用新平台的投资回报率的可见性有更严格的要求。

Lendi 是一家澳大利亚抵押贷款经纪人，其住房贷款结算金额超过 120 亿澳元，其数据管理面临着重大挑战。该公司的专有技术允许借款人搜索来自 40 多家贷方的 2,000 多种贷款产品，使其成为市场上的竞争者。然而，行业的竞争力以及在正确的时间在正确的数字平台上向正确的人提供正确的体验的需要需要对借款人的需求和偏好进行可靠、准确的洞察。问题在于，建立每个客户的准确档案需要利用 Facebook、Google 和 Bing 等第三方参与平台上的行为数据。 Lendi 可以随时获取这些数据，但每个平台的见解都是孤立的，并且不容易集成。即使可以将数据引入同一个存储库，数据结构也常常不一致，从而需要在使用数据之前清理数据。

Lufthansa Systems 是汉莎航空公司的一个部门，是航空业领先的 IT 服务提供商，为全球约 300 家航空公司提供服务。其产品之一是 Lido/FPLS（飞行规划服务），可在成本、燃油和时间方面优化航线，每年为客户带来数百万美元的额外利润。挑战在于，创建这些优化的飞行计划需要大量数据，包括最新的天气报告、空中交通数据以及航空公司特定的数据，例如航班时刻表、有效载荷、运行条件和合同汽油价格。 Lufthansa Systems 需要一种解决方案，使其中央数据存储库能够从这些数据源接收持续更新，并将优化的飞行计划和其他数据分发到每个客户的站点。

Malt 是一个在线自由职业者市场，其数据摄取过程面临着挑战，该过程减慢了分析速度。现有的定制摄取框架缺乏性能和可靠性，而且该公司花费了太多时间来调试数据管道。该公司的数据主管 Olivier Girardot 的任务是让小型分析团队能够利用更少的资源获取见解并为企业提供最大价值。该公司需要一种一致的、自动化的方法，可由两名工程师运行。主要目标之一是分析数字广告数据，以最大限度地提高广告支出。另一个挑战是监管合规性。 Malt 需要一种解决方案，在自由职业者的数据转移到数据仓库时保护其个人信息，确保其保存在欧盟范围内。

Memrise 是一款全球超过 5000 万人使用的语言学习应用程序，在识别客户参与度方面面临着重大挑战。尽管拥有强大的基于云的平台并致力于数据分析，但小型数据团队仍因编码、手动构建数据管道和修复损坏的 API 而不堪重负。随着客户群的增长，对更加集中的分析方法的需求变得越来越重要。该团队需要一种解决方案，让他们能够减少花在技术问题上的时间，而将更多时间花在分析数据上，以改善用户体验并推动业务增长。

Mighty Digital 是一家总部位于乌克兰的增长、分析和战略咨询公司，面临着帮助一家交通初创公司优化其广告预算效率、用户激活率和活动参与度的挑战。由于使用 Airflow 和 Python 转换构建的 ETL 管道效率低下，该初创公司对各种广告活动的成本效益没有清晰的了解。数据架构容易出错、丢失数据点，整体效率低下，导致广告结果不准确。现有的解决方案非常复杂，涉及将多个软件拼接在一起以创建一个无法提供任何见解的复杂架构。这导致缺乏数据洞察力、可靠性和可用性、营销活动和广告支出效率低下、无法将数据转化为客户保留优化，以及由于错误而降低对数据的信任。

MyCamper 是一家被喻为露营车领域的 Airbnb 的瑞士初创企业，在管理和分析其网络平台上收集的数据方面面临着重大挑战。该公司认识到这些数据的重要性，但最初的分析尝试既费力又耗时，需要从 Excel 电子表格中手动提取数据。事实证明，使用 Google Analytics 更容易，但范围有限。作为一家早期初创企业，MyCamper 有更紧迫的优先事项，并且缺乏手动构建数据管道的内部技能。这导致了需要填补的数据分析空白。该公司还努力以可检索分析的方式对数据进行历史记录。他们无法跟踪特定的数据集，无法将历史数据与当前数据进行比较，甚至无法拥有可比较的基线。

Nando's 是一家颇受欢迎的快餐连锁店，以其火焰烤 peri-peri 风格的鸡肉而闻名，其现有基础设施正面临着重大挑战。该公司在 30 个国家/地区运营着 1,200 多个网点，一直在努力满足其数据驱动的营销策略的需求，特别是围绕客户忠诚度和奖励计划的需求。现有基础设施缓慢且不灵活，使得数据团队难以有效管理数据管道并做出明智的业务决策。该团队由工程团队技术主管 Miquel Puig 领导，手动处理数据管道并根据摄取阶段的数据做出业务决策。关键用例之一是将来自商店的日终数据转化为为忠诚度和奖励计划提供信息的见解。

Nauto 是一家提供预测人工智能技术以提高道路安全性的公司，在管理其复杂的工作流程方面面临着重大挑战。该公司在整个销售过程中必须与多个系统和利益相关者打交道，这常常导致难以找到单一的事实来源。 Nauto 依靠脆弱的点对点集成来接受新订单、处理付款、向客户运送硬件以及管理客户对其云数据处理服务的订阅。任何损坏的集成都可能导致其业务用户数天无法为客户提供服务。此外，不同的业务系统很少共享相同版本的事实。这种情况促使 Nauto 寻求一种方法来建立一个可以使用灵活的现代工具进行内部管理的单一数据存储库。

市场网站上第三方卖家的兴起导致假冒和歪曲产品增加，给消费者造成伤害并损害品牌声誉。

7Learnings 是一家总部位于柏林的初创公司，利用机器学习工具帮助零售商优化定价。他们需要一种解决方案来存储和分析大量数据以做出准确的预测。

90 Seconds 在其托管数据中心的内容交付和存储方面面临可扩展性和成本问题。他们需要一个解决方案来支持其快速扩张和对云视频制作不断增长的需求。

99.co 需要增强用户体验并拓展新市场，同时改善人才招聘。

AB Tasty 之前的数据架构无法处理每天生成的大量交易事件，限制了他们向客户提供实时数据洞察的能力。

AB Tasty 已达到其技术基础设施的极限，需要一个新的架构来处理业务运营的规模。

abastece-aí 是一家拥有 3600 万客户的金融科技公司，缺乏结构化数据环境来交叉引用不同来源的数据并分析较长的历史时期。获取数据的延迟阻碍了运营，公司需要自动化仪表板。

交通运输是二氧化碳排放增长最快的来源，导致气候变化。 Acciona Mobility 旨在通过提供由可再生能源驱动的电动滑板车共享服务，实现交通部门脱碳并减少交通拥堵。

ACH 哥伦比亚希望提供简单、即时的电子转账服务，以促进金融包容性并满足 COVID-19 大流行期间对非接触式交易的需求。

Aclima 着手测量、绘制地图并更好地了解美国城市的空气质量，但以前从未进行过地面实时测量。

据 Serasa Experian 称，违约问题影响了超过 6300 万巴西人。银行、零售商、电信公司和其他债权人长期以来完全依赖收债机构的工作，这些机构通过呼叫中心联系消费者，采用同质且往往不恰当的策略。 2017 年，Acordo Certo 作为传统收藏模式的替代方案出现。该公司没有聘请专门的团队来联系债务人，而是建立了一个平台，让消费者在全数字化流程中自行检查、协商和偿还债务。这种模式为债权人提供了规模，并为那些寻求偿还债务的人提供了便利。

ADEO 是全球 DIY 领导者，面临着来自在线零售商日益激烈的竞争，并希望对公司进行数字化转型。配置用于构建新应用程序的完整环境需要长达四天的时间，这阻碍了速度和敏捷性。

ADEO 是一家家居装修公司，需要制定数据驱动的战略来了解客户并保持竞争力。然而，已有 15 年历史的本地数据仓库基础设施阻碍了其有效管理和分析数据。