IT/Données
Des données en temps réel en neuf jours.
Aurélien
Le détaillant
Un détaillant outdoor de 11 magasins, sans capacité IT et avec un calendrier serré.
Notre détaillant exploite 11 magasins partout en France dans le segment outdoor et montagne technique. L'équipe est petite mais pointue : une équipe achats de 2 personnes, avec une expertise catégorie approfondie, gérant environ 5 000 SKU en saison.
Le stack est standard pour le secteur — Ginkoia pour le socle retail, Shopify pour l'e-commerce, et Excel comme liant entre tout le reste. Cela fonctionne. Jusqu'au moment où ce n'est plus le cas.
"Nous n'avions pas d'équipe IT. Il y avait moi, deux acheteurs et un calendrier serré."
— Responsable opérations
Contexte
Un détaillant de 11 magasins sans temps à perdre avec l'IT.
Printemps 2025. Le détaillant outdoor venait tout juste de décider de déployer Solya sur l'ensemble du réseau. L'équipe achats avait besoin d'une analyse live du sell-through avant le démarrage de la saison FW — dans huit semaines.
La responsable opérations connaissait le playbook SaaS habituel : kick-off, atelier de mapping des données, ticket IT, interventions consultant, puis les données commencent à remonter trois mois plus tard. Elle n'avait pas trois mois. Elle avait neuf jours avant la première réunion de revue FW.
La problématique
La plupart des plateformes B2B prennent des trimestres. L’équipe n’avait que des jours.
Les outils précédemment évalués par l’enseigne suivaient tous le même playbook : un data engineer côté éditeur, un data engineer côté client, un projet de mapping de six semaines, des connecteurs personnalisés, puis la recette utilisateur (UAT).
L’enseigne outdoor n’avait aucun data engineer. Aucune capacité IT interne. Aucun budget pour des consultants. Elle avait une petite équipe qui avait besoin de réponses rapides — et un éditeur dont l’intégration standard prenait plus de temps que la saison qu’elle voulait influencer.
Trois blocages s’additionnaient :
L’onboarding B2B standard nécessitait une capacité IT que l’enseigne n’avait pas.
Des ateliers de mapping de schéma auraient consommé des semaines de temps senior.
La saison démarrait dans 8 semaines, sans aucune marge pour les retards.
L’équipe avait besoin de données en temps réel. Pas d’une feuille de route vers des données en temps réel.
La solution
Ingestion auto-configurée. Détection de schéma par Solya. Aucun IT requis.
L’onboarding de Solya ne commence pas par un workshop — il commence par les identifiants. Le responsable opérations a fourni l’accès à Ginkoia, Shopify et au système d’entrepôt. Les connecteurs de Solya ont détecté automatiquement les schémas, mappé les champs au modèle retail canonique, et remonté les ambiguïtés pour une revue de 30 minutes.
Jour 3 : les données circulent dans l’environnement de staging. Jour 6 : premiers dashboards en ligne. Jour 9 : environnement de production avec deux ans de données historiques prêts pour l’analyse. L’équipe achat est arrivée à la revue FW avec des données en temps réel en main.
Identifiants fournis, jour 1 — aucune exportation de données, aucune préparation manuelle.
Schémas détectés automatiquement, ambiguïtés remontées pour revue.
2 ans reconstitués en parallèle du streaming en temps réel.
L’onboarding a cessé d’être un projet. Il est devenu une mise en place.
Comment nous avons procédé
Dans la boucle.
L’onboarding de neuf jours s’est déroulé sur la Data Layer, Solya réalisant de manière autonome la majeure partie du travail de configuration. Voici comment le système fonctionne, de bout en bout.
01 — Fournissez les identifiants, jour 1.
Le responsable opérations a donné à Solya l’accès à Ginkoia, Shopify et au système d’entrepôt. Pas d’export de données, pas de préparation manuelle.
02 — Détection automatique des schémas, jours 1-2.
Solya a analysé la structure de données de chaque système, identifié les entités produits, transactions, stock et clients, puis les a mappées au modèle canonique.
03 — Mettre en évidence les ambiguïtés, jour 3.
Lorsque le mapping n’était pas totalement clair, Solya a posé des questions. Le responsable opérations les a résolues lors d’un seul appel de 30 minutes.
04 — Diffusion des données, jours 4-6.
Les données en direct ont été envoyées depuis chaque système vers l’environnement de staging de Solya. Deux ans d’historique ont été chargés rétroactivement en parallèle.
05 — Mise en production, jours 7-9.
Solya a validé l’intégrité des données, exécuté des contrôles de cohérence et ouvert l’accès en production. L’équipe achats disposait de tableaux de bord en direct dès le jour 9.
L’onboarding a cessé d’être un projet. C’est devenu une mise en place.
Les impacts
Des données en direct avant le début de la saison.
L’ingestion auto-configurée de Solya a compressé ce qui aurait été un projet d’un trimestre en une mise en place de neuf jours. L’équipe a réalisé la revue FW avec deux ans d’historique prêts à interroger.
9 jours — Du contrat aux données en direct.
0 — Tickets IT, 0 consultants.
2 ans — D’historique chargé rétroactivement.
30 min — De revue humaine nécessaire pour le mapping des schémas.
"Nous avons intégré une plateforme retail en moins de temps qu’il ne nous faut habituellement pour intégrer un modèle Excel."
— Responsable opérations
Découvrez d'autres cas d'usage
Une seule plateforme. Chaque décision retail.
Stocks, allocation, tarification, planification, exécution — réunis dans une seule couche opérationnelle.
