ChowNow quería entender mejor la rentabilidad y los datos económicos por unidad —tanto por el cliente como por transacción— de su negocio sin tener que desarrollar una integración de API o compartir sus datos a través de un data pipeline de ETL.

Con Stripe Data Pipeline, ChowNow tiene una visión más completa de sus clientes (restaurantes y cafeterías) desde un mismo sitio. Gracias a esto, puede identificar de manera sencilla cuánto y a quién están cobrando por las suscripciones y pedidos de comida.

También puede proporcionar información nueva a sus restaurantes y mejorar la detección del fraude mediante el análisis de los indicios de fraude (por ejemplo, los contracargos) de forma individual para cada restaurante.

Al desglosar el margen neto por restaurante, ChowNow podría optimizar los precios de su producto, seguir trabajando con un modelo sin comisiones y mejorar la retención de los restaurantes.

Lime utilizaba una canalización de ETL de terceros para exportar datos de Stripe a su almacén de datos y se dio cuenta de que los datos exportados no siempre coincidían con los datos en Stripe. Un ingeniero de datos solía tener que investigar la causa de cada discrepancia, lo que le suponía dos horas de su tiempo para cada transacción que no fuese coherente.

Mediante el uso de Stripe Data Pipeline, Lime ahorró invertir semanas en esfuerzos de ingeniería, ya que no tuvo que desarrollar y mantener una API para cada uno de los conjuntos de datos de Stripe. Al estar listo para usar, Lime pudo acceder a sus datos actuales de Stripe directamente en su almacén de datos. El equipo financiero de Lime ahora puede hacer un seguimiento de los rembolsos prácticamente en tiempo real, lo que les permite informar de manera fiable sobre el último estado de efectivo de la empresa. El equipo antifraude de Lime también se está beneficiando de los modelos mejorados de fraude.