Real teams, real impact.Team reali, impatto reale.

The ChallengeLa Sfida

A global marketing team drowning in manual work.Un team di marketing globale sommerso dal lavoro manuale.

ServiceNow's marketing team was running large-scale digital campaigns across paid search, social, and programmatic, but everything was slow. Getting a campaign live took an average of three months of setup across multiple teams. Reporting was assembled manually in spreadsheets, making it nearly impossible to understand true ROAS per channel or attribute pipeline accurately.Il team marketing di ServiceNow gestiva campagne digitali su larga scala tra paid search, social e programmatic, ma tutto era lento. La messa online di una campagna richiedeva in media tre mesi di configurazione tra più team. Il reporting veniva assemblato manualmente in fogli di calcolo, rendendo quasi impossibile comprendere il vero ROAS per canale.

What We DidCosa Abbiamo Fatto

Automated the end-to-end campaign lifecycle.Automatizzato l'intero ciclo di vita delle campagne.

Two embedded with ServiceNow's marketing operations team and mapped every manual touchpoint, from brief intake to trafficking, from ad ops setup to finance reconciliation. We built automated workflows that took brief requests from account teams, generated structured campaign plans with standardised taxonomy, and pushed trafficking instructions directly to ad ops platforms.Two si è integrato nel team di marketing operations di ServiceNow e ha mappato ogni punto di contatto manuale, dall'acquisizione dei brief al trafficking, dalla configurazione ad ops alla riconciliazione finanziaria. Abbiamo costruito workflow automatizzati che acquisivano le richieste di brief, generavano piani campagna strutturati con tassonomia standardizzata e inviavano le istruzioni di trafficking direttamente alle piattaforme ad ops.

For reporting, we created a unified data layer that pulled spend, impression, click, and conversion data from every active platform and connected it to CRM pipeline data. Real-time dashboards replaced monthly spreadsheet decks.Per il reporting, abbiamo creato un layer dati unificato che raccoglieva dati di spesa, impression, click e conversioni da ogni piattaforma attiva e li collegava ai dati della pipeline CRM. Dashboard in tempo reale hanno sostituito i report mensili in fogli di calcolo.

ResultsRisultati

From 3 months of setup to 3 weeks, and clarity on every dollar.Da 3 mesi di setup a 3 settimane, e chiarezza su ogni euro.

The ChallengeLa Sfida

A fragmented data landscape across dozens of platforms and markets.Un panorama dati frammentato su decine di piattaforme e mercati.

Dentsu managed Microsoft's media planning, buying, and reporting across multiple countries and dozens of digital platforms: search, social, programmatic, native, video. Each platform had its own naming conventions, its own dashboards, and its own way of reporting. Campaign data lived in siloed spreadsheets, PowerPoint decks, and platform-native UIs. There was no single source of truth.Dentsu gestiva la pianificazione media, l'acquisto e il reporting di Microsoft in più paesi e su decine di piattaforme digitali: search, social, programmatic, native, video. Ogni piattaforma aveva le proprie convenzioni di naming, i propri dashboard e il proprio modo di reportare. I dati delle campagne vivevano in fogli di calcolo isolati, presentazioni PowerPoint e UI native delle piattaforme. Non esisteva un'unica fonte di verità.

What We DidCosa Abbiamo Fatto

Built an exclusive data model that unified every source into one truth.Costruito un modello dati esclusivo che ha unificato ogni fonte in un'unica verità.

Two designed a proprietary data model connecting campaign data from every platform (Google Ads, Meta, DV360, LinkedIn, Twitter, DSPs) into a unified, normalised architecture. Each campaign, line item, and creative was tagged with a standardised taxonomy and a unique identifier.Two ha progettato un modello dati proprietario che collegava i dati delle campagne da ogni piattaforma (Google Ads, Meta, DV360, LinkedIn, Twitter, DSP) in un'architettura unificata e normalizzata. Ogni campagna, line item e creatività era taggata con una tassonomia standardizzata e un identificativo unico.

We built automated extraction pipelines that pulled data from dirty, inconsistent sources, including PowerPoint media plans and Excel billing sheets, and cleaned, mapped, and loaded them into a structured database. Ad ops teams received automated trafficking sheets. Account teams submitted briefs through structured workflows that auto-generated purchase orders.Abbiamo costruito pipeline di estrazione automatizzate che raccoglievano dati da fonti sporche e incoerenti, inclusi media plan in PowerPoint e fogli di fatturazione Excel, li pulivano, mappavano e caricavano in un database strutturato. I team ad ops ricevevano schede di trafficking automatizzate. I team account inviavano brief tramite workflow strutturati che generavano automaticamente ordini d'acquisto.

ResultsRisultati

255 working days saved annually. One source of truth across every market.255 giorni lavorativi risparmiati all'anno. Un'unica fonte di verità in ogni mercato.

The ChallengeLa Sfida

High-tempo performance campaigns with zero room for error.Campagne performance ad alto ritmo senza margine di errore.

Unibet's performance marketing engine runs at extraordinary speed: hundreds of campaigns live at any time across paid search, social, and programmatic, spanning multiple regulated markets. Campaign setup was bottlenecked by manual trafficking and inconsistent naming conventions. Understanding true CPA, LTV, and ROAS by channel was taking days, not minutes. A/B testing was ad hoc with no systematic way to track variants or allocate spend to winners.Il motore di performance marketing di Unibet opera a velocità straordinaria: centinaia di campagne attive in qualsiasi momento tra paid search, social e programmatic, in diversi mercati regolamentati. La configurazione delle campagne era rallentata dal trafficking manuale e da convenzioni di naming incoerenti. Comprendere il vero CPA, LTV e ROAS per canale richiedeva giorni, non minuti. Il testing A/B era occasionale, senza un modo sistematico per tracciare le varianti.

What We DidCosa Abbiamo Fatto

Built a performance automation layer from spend to optimisation.Costruito un layer di automazione performance dalla spesa all'ottimizzazione.

Two built an end-to-end performance automation system. We deployed our data extraction layer pulling real-time spend, conversion, and revenue data from every platform and normalising it into a unified performance model with granular taxonomy down to the creative variant level.Two ha costruito un sistema di automazione performance end-to-end. Abbiamo implementato il nostro layer di estrazione dati che raccoglie dati di spesa, conversione e ricavo in tempo reale da ogni piattaforma e li normalizza in un modello di performance unificato con tassonomia granulare fino al livello della variante creativa.

We built automated A/B optimisation workflows: the system tracked variant performance in real time, flagged underperformers, and surfaced budget reallocation recommendations. Real-time dashboards gave the team instant visibility into CPA, ROAS, and LTV by channel, market, and campaign, updated hourly.Abbiamo costruito workflow di ottimizzazione A/B automatizzati: il sistema tracciava le performance delle varianti in tempo reale, segnalava gli underperformer e suggeriva raccomandazioni di riallocazione del budget. Dashboard in tempo reale davano al team visibilità istantanea su CPA, ROAS e LTV per canale, mercato e campagna, aggiornati ogni ora.

ResultsRisultati

Performance gains across the board: more spend on winners, less on waste.Miglioramenti delle performance a tutto campo: più budget sui vincenti, meno sugli sprechi.

The ChallengeLa Sfida

40+ suppliers, 10 invoice formats, one overwhelmed finance team.Più di 40 fornitori, 10 formati fattura, un team finanziario sommerso.

Meridian Group, a mid-market consumer goods company with 180 employees across three countries, was drowning in billing complexity. Every month, their finance team received invoices from over 40 suppliers: some arrived as PDF attachments in email, others as scanned paper documents, some as Excel files with inconsistent column layouts, and a handful through supplier portals that each required separate login credentials.Meridian Group, un'azienda di beni di consumo di medie dimensioni con 180 dipendenti in tre paesi, era sommersa dalla complessità della fatturazione. Ogni mese, il team finanziario riceveva fatture da oltre 40 fornitori: alcune arrivavano come allegati PDF via email, altre come documenti cartacei scansionati, alcune come file Excel con layout di colonne incoerenti, e un pugno tramite portali fornitori che richiedevano ciascuno credenziali di accesso separate.

The process was entirely manual. A finance analyst would open each email, download the attachment, visually identify the invoice number, amounts, line items, and tax, then type everything by hand into their accounting system (Xero). Purchase orders lived in a separate spreadsheet, so matching invoices to POs required switching between tools, cross-referencing supplier names, dates, and amounts. Discrepancies were flagged by pasting data into yet another spreadsheet and running VLOOKUP formulas. When a mismatch was found, the analyst would compose an email to the supplier, wait for a corrected invoice, and start the cycle again.Il processo era interamente manuale. Un analista finanziario apriva ogni email, scaricava l'allegato, identificava visivamente numero fattura, importi, voci e imposte, poi digitava tutto a mano nel sistema contabile (Xero). Gli ordini d'acquisto vivevano in un foglio di calcolo separato, quindi l'abbinamento fatture-PO richiedeva di passare tra strumenti diversi, incrociando nomi fornitori, date e importi. Le discrepanze venivano segnalate incollando i dati in un altro foglio di calcolo ed eseguendo formule CERCA.VERT. Quando si trovava un disallineamento, l'analista scriveva un'email al fornitore, aspettava una fattura corretta e ricominciava il ciclo.

Month-end close regularly slipped by 5 to 8 working days. The team had zero real-time visibility into outstanding payables, making cash flow forecasting unreliable. Duplicate payments occurred roughly once a quarter, and late payment penalties were a recurring line item on the P&L.La chiusura di fine mese slittava regolarmente di 5-8 giorni lavorativi. Il team non aveva visibilità in tempo reale sui debiti in sospeso, rendendo le previsioni di cash flow inaffidabili. I pagamenti duplicati si verificavano circa una volta a trimestre, e le penali per ritardato pagamento erano una voce ricorrente nel conto economico.

How it worked beforeCome funzionava prima

What We DidCosa Abbiamo Fatto

Built an intelligent intake layer that reads every format, matches every PO, and flags every discrepancy automatically.Costruito un layer di acquisizione intelligente che legge ogni formato, abbina ogni PO e segnala automaticamente ogni discrepanza.

Two built a centralised invoice ingestion pipeline. Emails forwarded to a dedicated inbox are automatically parsed: PDFs are run through OCR with field extraction (invoice number, date, line items, VAT, total), Excel files are normalised regardless of column layout, and supplier portal data is pulled via scheduled API integrations. Every invoice is assigned a unique internal ID and mapped against the supplier master list.Two ha costruito una pipeline centralizzata di acquisizione fatture. Le email inoltrate a una casella dedicata vengono analizzate automaticamente: i PDF passano attraverso OCR con estrazione campi (numero fattura, data, voci, IVA, totale), i file Excel vengono normalizzati indipendentemente dal layout delle colonne, e i dati dei portali fornitori vengono estratti tramite integrazioni API pianificate. Ogni fattura riceve un ID interno univoco e viene mappata rispetto all'anagrafica fornitori.

The system then runs three-way matching automatically: invoice data is compared against the purchase order and the goods received note. Exact matches are auto-approved and pushed directly to Xero with the correct GL codes, cost centres, and tax treatment. Partial matches and discrepancies are routed to a review queue with the specific mismatch highlighted (wrong quantity, price variance, missing PO). A real-time dashboard shows outstanding payables by supplier, aging buckets, and projected cash outflow for the coming 30/60/90 days.Il sistema esegue poi automaticamente l'abbinamento a tre vie: i dati della fattura vengono confrontati con l'ordine d'acquisto e la nota di ricevimento merci. Le corrispondenze esatte vengono auto-approvate e inviate direttamente a Xero con i codici GL, centri di costo e trattamento fiscale corretti. Le corrispondenze parziali e le discrepanze vengono indirizzate a una coda di revisione con la specifica difformità evidenziata (quantità errata, variazione prezzo, PO mancante). Una dashboard in tempo reale mostra i debiti in sospeso per fornitore, le fasce di scadenza e il flusso di cassa previsto per i prossimi 30/60/90 giorni.

How it works nowCome funziona ora

ResultsRisultati

Month-end close on time, every time. Zero duplicate payments in 12 months.Chiusura mensile puntuale, sempre. Zero pagamenti duplicati in 12 mesi.

The ChallengeLa Sfida

Seven properties, four banks, three POS systems, one spreadsheet to rule them all.Sette strutture, quattro banche, tre sistemi POS, un foglio di calcolo per governarli tutti.

Vela Hospitality operates seven boutique hotels across Italy and Southern France. Each property runs its own POS system (a mix of Oracle MICROS, Lightspeed, and a legacy on-premise system), feeds revenue into a local bank account, and pays suppliers from a combination of entity-specific and shared accounts across four banking relationships (Intesa Sanpaolo, BNP Paribas, Unicredit, Crédit Agricole).Vela Hospitality gestisce sette boutique hotel tra Italia e Sud della Francia. Ogni struttura utilizza il proprio sistema POS (un mix di Oracle MICROS, Lightspeed e un sistema legacy on-premise), versa i ricavi in un conto bancario locale e paga i fornitori da una combinazione di conti specifici per entità e condivisi tra quattro relazioni bancarie (Intesa Sanpaolo, BNP Paribas, Unicredit, Crédit Agricole).

The finance team of three people spent the first two weeks of every month reconciling the previous month. The workflow was painful: download CSV bank statements from each of the four banking portals (each with different date formats, transaction descriptions, and currency handling for EUR transactions). Export revenue data from each POS system, again in different formats. Paste everything into a master Excel workbook with one tab per property. Manually match bank transactions to POS entries and supplier invoices line by line. When a transaction could not be matched, such as a guest chargeback, a bank fee, or an intercompany transfer, it was flagged with a comment and escalated by email to the property manager for clarification.Il team finanziario di tre persone dedicava le prime due settimane di ogni mese alla riconciliazione del mese precedente. Il workflow era penoso: scaricare gli estratti conto CSV da ciascuno dei quattro portali bancari (ognuno con formati data, descrizioni transazioni e gestione valuta diversi per le transazioni in EUR). Esportare i dati di ricavo da ogni sistema POS, ancora in formati diversi. Incollare tutto in una cartella di lavoro Excel principale con una scheda per struttura. Abbinare manualmente le transazioni bancarie alle registrazioni POS e alle fatture fornitori riga per riga. Quando una transazione non poteva essere abbinata, come un chargeback ospite, una commissione bancaria o un trasferimento intercompany, veniva contrassegnata con un commento e inoltrata via email al responsabile della struttura per chiarimenti.

The master spreadsheet grew to over 12,000 rows per month and frequently broke due to formula errors, misaligned rows, or accidental deletions. Intercompany transactions were double-counted or missed entirely, leading to P&L discrepancies that took days to trace. Consolidated reporting to ownership was consistently late, and the finance team had no bandwidth for forward-looking analysis or cash flow planning.Il foglio di calcolo principale superava le 12.000 righe al mese e si rompeva frequentemente a causa di errori nelle formule, righe disallineate o cancellazioni accidentali. Le transazioni intercompany venivano conteggiate due volte o perse completamente, causando discrepanze nel conto economico che richiedevano giorni per essere rintracciate. Il reporting consolidato alla proprietà era costantemente in ritardo, e il team finanziario non aveva capacità residua per analisi prospettiche o pianificazione del cash flow.

How it worked beforeCome funzionava prima

What We DidCosa Abbiamo Fatto

Built a unified reconciliation engine that connects every bank, every POS, and every entity into a single source of truth.Costruito un motore di riconciliazione unificato che collega ogni banca, ogni POS e ogni entità in un'unica fonte di verità.

Two built automated connectors to all four banking APIs and all three POS systems. Bank transactions and POS revenue data are pulled daily into a normalised data model where every transaction is tagged with property, entity, source system, currency, and category. Date formats, transaction descriptions, and amount conventions are standardised at the ingestion layer, so the finance team never touches a raw CSV again.Two ha costruito connettori automatizzati verso tutte e quattro le API bancarie e tutti e tre i sistemi POS. Le transazioni bancarie e i dati di ricavo POS vengono estratti quotidianamente in un modello dati normalizzato dove ogni transazione è taggata con struttura, entità, sistema sorgente, valuta e categoria. Formati data, descrizioni transazioni e convenzioni importi vengono standardizzati al livello di acquisizione, così il team finanziario non tocca mai più un CSV grezzo.

The reconciliation engine runs rule-based matching: POS revenue entries are matched to bank deposits using amount, date range, and property. Supplier payments are matched to approved invoices. Intercompany transfers are automatically identified and eliminated in consolidation. Bank fees, chargebacks, and FX adjustments are auto-categorised and posted. Anything unmatched is surfaced in a focused exception queue with suggested matches and one-click approval. A consolidated P&L by property, region, and group is generated automatically, with drill-down to any individual transaction.Il motore di riconciliazione esegue l'abbinamento basato su regole: le registrazioni di ricavo POS vengono abbinate ai depositi bancari usando importo, intervallo date e struttura. I pagamenti fornitori vengono abbinati alle fatture approvate. I trasferimenti intercompany vengono automaticamente identificati ed eliminati nel consolidamento. Commissioni bancarie, chargeback e aggiustamenti FX vengono auto-categorizzati e registrati. Tutto ciò che non trova corrispondenza viene visualizzato in una coda di eccezioni mirata con corrispondenze suggerite e approvazione in un click. Un conto economico consolidato per struttura, regione e gruppo viene generato automaticamente, con drill-down fino alla singola transazione.

How it works nowCome funziona ora

ResultsRisultati

From two weeks to two days. Ownership gets consolidated numbers on the 3rd of every month.Da due settimane a due giorni. La proprietà riceve i numeri consolidati il 3 di ogni mese.