Wichtige Details

Maßgeschneiderte SaaS-Plattformarchitektur zur Gewährleistung einer proaktiven Kundenstrategie.

Kunde

Als großer Einzelhändler wollte unser Kunde das Kundenverhalten verstehen und musste daher seine Cloud-Infrastruktur modernisieren, um eine Customer 360-Plattform zu entwickeln. Die zunehmende Vielfalt an siloartigen Datenquellen machte es für das Unternehmen unmöglich, diese effizient zu verwalten.

Das Unternehmen war sich der Notwendigkeit bewusst, eine reibungslose Datenpipeline mit ausgereiften Diensten und Triggern zu entwickeln, um eine robuste Software-as-a-Service-Architektur aufzubauen. Letztere war erforderlich, um eine einheitliche und zentralisierte Kundendatenbank zu erstellen, die alle Berührungspunkte und Interaktionen mit ihrem Produkt umfasst. Der bestehende Datenverwaltungsansatz verfügte über keine zentrale Datenbank mit siloartigen Daten, die aus verschiedenen Quellen in unterschiedlichen Formaten stammten.

Dazu musste das bestehende Datenökosystem zu einer konsolidierten Cloud-SaaS-Architektur umgestaltet werden, um Kundendaten aus allen Quellen zentralisieren und stellen sie für weitere Analysen zur Verfügung.

Herausforderung: Integration heterogener Datenquellen, um eine einheitliche 360-Grad-Sicht auf einen Kunden zu erhalten

Der Hauptengpass auf dem Weg zu einem einheitlicher Datenfluss war die unstrukturierte und siloartige Natur der Daten. Die Kundendaten befanden sich in verschiedenen Quellen, darunter SAP, Salesforce, API, Flat Files, CSV und andere. Vor dem Aufbau der SaaS-Produktarchitektur musste unser Team die vorhandenen Informationen umwandeln, einschließlich der damit verbundenen Aufgaben der Datenbereinigung, -zuordnung und -zusammenführung.

Darüber hinaus war eine Kundendatenplattform erforderlich, die nahtlos in jedes der SaaS-Produkte integriert werden konnte. Eine CDP benötigte auch fortschrittliche Automatisierungsfunktionen, um ein kohärentes Verständnis für jeden Kunden aufzubauen.

Lösung: Kundenspezifisches CDP-System auf der Grundlage von MDM-Verfahren und ML-basiertem Datenabgleich

Der Entwicklungsprozess begann damit, dass unser Team von Big Data-Ingenieuren die Anforderungen des Kunden und die Feinheiten der aktuellen Datenarchitektur analysierte. Das Projekt wurde in mehreren Phasen durchgeführt und umfasste Design, Implementierung und Bereitstellung der SaaS-Anwendungsarchitektur.

Die folgenden Projektaufgaben wurden durchgeführt, um eine umfassende Kundendatenbank für die Analyse zu erstellen:

• Unterschiedliche Datentypen und -formate wurden in ein gemeinsames Datenformat gezogen mit Azurblau Datenfabrik
• Das Speichersystem wurde innerhalb von Azure Data Lake eingerichtet
• Die Daten wurden in ADLS Gen2 Azure Blob als Rohdaten im CDM-Format geladen.
• Reinigung, Kartierung und Zusammenführung wurden durchgeführt mit Azure DataBricks
• Es wurde ein Profiling durchgeführt, um die Datensätze von verschiedenen Einrichtungen abzugleichen und ein einheitliches Profil zu erstellen.
• Map-Match und Merge wurden für drei verschiedene Pipelines für eine regelbasierte Lösung durchgeführt, die auf
• Algorithmen des maschinellen Lernens in Verbindung mit Graph-Algorithmen.

Ergebnis: eine maßgeschneiderte SaaS-Datenarchitektur zur Gewährleistung einer proaktiven und umsetzbaren Kundenstrategie

Das Team von ESSID Solutions entwickelte ein CDP-System, um die Daten aus verschiedenen Quellen zu erhalten und sie in andere SaaS-Geschäftsanwendungen zu integrieren. Wir kombinierten die Daten mit Hilfe des MDM-Prozesses und Machine Learning Matching, um eine vollständige 360-Grad-Sicht auf den Kunden zu erhalten.

Die endgültigen zusammengeführten Daten können dann über eine geeignete Benutzeroberfläche präsentiert werden - praktisch ein einfaches Dashboard, das ein einzigartiges granulares Kundenprofil in Bezug auf viele wichtige KPIs und Analysemodelle anzeigt.

Als Ergebnis kann der Kunde nun Kundendaten über eine Vielzahl von Berührungspunkten hinweg zusammenfassen und organisieren und diese Daten für weitere Analysen, gezielte Marketingmaßnahmen und andere personalisierte Dienste nutzen.