À mesure qu’Unicorne développait sa pratique-conseil sur AWS, un constat s’est imposé : une part trop importante du temps était consacrée à collecter les données plutôt qu’à les analyser.

Les AWS Well-Architected Framework Reviews sont incontournables, mais ils peuvent aussi devenir très lourds à exécuter, surtout dans des environnements complexes comptant plusieurs comptes. Chez Unicorne, la collecte manuelle des données liées à la sécurité et à l’optimisation des coûts ralentissait la livraison des mandats et limitait le nombre de revues pouvant être réalisées.

En s’appuyant sur CloudQuery pour automatiser l’extraction des données dans les environnements AWS de ses clients, Unicorne a réussi à faire passer le temps de traitement de 50 heures à 20 heures par mandat pour certaines parties clés du processus. Ce gain a permis à l’équipe de consacrer davantage de temps à ce qui compte vraiment : pousser l’analyse plus loin, formuler des recommandations plus ciblées et offrir un accompagnement plus stratégique aux clients.

Cette même fondation de données a aussi contribué à accélérer le lancement de Stable, le produit SaaS FinOps d’Unicorne. Au lieu de consacrer des mois à bâtir une couche de données à partir de zéro, l’équipe a pu avancer plus vite et se concentrer sur les éléments du produit qui créent une vraie valeur, comme les recommandations, les alertes et la visibilité au niveau des ressources.

Pour Unicorne, c’était une façon concrète de mieux déployer son expertise, d’augmenter sa capacité de livraison et de mettre un nouveau produit en marché plus rapidement.