Détails clés

Une architecture de plateforme SaaS sur mesure pour garantir une stratégie client proactive.

Client

En tant que grand détaillant, notre client souhaitait comprendre le comportement de ses clients et avait donc besoin de moderniser son infrastructure en nuage pour développer une plateforme Customer 360. La variété croissante de sources de données cloisonnées rendait impossible une gestion efficace de la part de l'entreprise.

Ils étaient conscients de la nécessité de développer un pipeline de données fluide avec des services bien conçus et des déclencheurs pour établir une architecture robuste de logiciel en tant que service. Cette dernière était nécessaire pour créer une base de données clients unifiée et centralisée qui comprenait tous les points de contact et toutes les interactions avec leur produit. L'approche existante de la gestion des données n'avait pas de base de données centralisée avec des données cloisonnées provenant de sources multiples dans des formats divers.

Pour ce faire, l'écosystème de données existant a dû être réorganisé en une architecture SaaS consolidée pour centraliser les données clients provenant de toutes les sources et le mettre à disposition pour une analyse plus approfondie.

Défi : intégrer des sources de données hétérogènes pour obtenir une vue unifiée à 360 degrés d'un client

Le principal goulet d'étranglement sur la voie d'une flux de données unifié était la nature non structurée et cloisonnée des données. Les données clients se trouvaient dans de multiples sources, notamment SAP, Salesforce, API, Flat Files, CSV, etc. Avant de construire l'architecture du produit SaaS, notre équipe a dû transformer les informations existantes, y compris les tâches connexes de nettoyage, de mappage et de fusion des données.

En outre, une plateforme de données clients devait être intégrée de manière transparente à chacun des produits SaaS. Une CDP devait également disposer de capacités d'automatisation avancées pour construire une compréhension cohérente de chaque client.

Solution : système CDP personnalisé basé sur un processus MDM et une mise en correspondance des données basée sur la ML

Le processus de développement a commencé par l'analyse, par notre équipe d'ingénieurs Big data, des besoins du client et des subtilités de l'architecture de données actuelle. Le projet a été livré en plusieurs phases et a couvert la conception, la mise en œuvre et le déploiement de l'architecture de l'application SaaS.

Les tâches suivantes ont été réalisées pour établir une base de données complète sur les clients à des fins d'analyse :

• Les différents types et formats de données ont été regroupés dans un format de données commun à l'aide de L'azur Usine de données
• Le système de stockage a été mis en place dans le lac de données Azure.
• Les données ont été chargées dans ADLS Gen2 Azure Blob en tant que couche brute au format CDM.
• Le nettoyage, la cartographie et la fusion ont été réalisé avec Azure DataBricks
• Le profilage a été effectué pour faire correspondre les enregistrements des différentes entités et créer un profil unifié.
• La correspondance et la fusion des cartes ont été effectuées pour trois pipelines différents, pour une solution basée sur trois règles fondées sur les éléments suivants
• Algorithmes d'apprentissage automatique couplés à des algorithmes graphiques.

Résultat : une architecture de données SaaS conçue sur mesure pour garantir une stratégie client proactive et exploitable.

L'équipe d'ESSID Solutions a créé un système CDP pour obtenir les données à partir de sources multiples et les intégrer à d'autres applications commerciales SaaS. Nous avons combiné les données à l'aide du processus MDM et de l'apprentissage automatique afin d'obtenir une vue à 360 degrés du client.

Les données fusionnées finales peuvent alors être présentées via une interface utilisateur appropriée - en fait un simple tableau de bord, qui affiche un profil client granulaire unique en termes de nombreux KPI et modèles d'analyse significatifs.

En conséquence, le client peut désormais regrouper et organiser les données des clients à travers une variété de points de contact et utiliser ces données pour des analyses plus approfondies, des efforts de marketing ciblés et d'autres services personnalisés.