Principais pormenores

Arquitetura de plataforma SaaS adaptada para garantir uma estratégia proactiva para o cliente.

Cliente

Sendo um grande retalhista, o nosso cliente queria compreender o comportamento dos clientes e, por isso, precisava de modernizar a sua infraestrutura na nuvem para desenvolver uma plataforma Customer 360. A crescente variedade de fontes de dados em silos impossibilitava a gestão eficiente da empresa.

Estavam conscientes da necessidade de desenvolver um pipeline de dados sem problemas com serviços e accionadores bem concebidos para estabelecer um software robusto como uma arquitetura de serviço. Esta última era necessária para criar uma base de dados de clientes unificada e centralizada que incluísse todos os pontos de contacto e interações com o seu produto. A abordagem de gestão de dados existente não tinha uma base de dados centralizada com dados em silos provenientes de várias fontes em diversos formatos.

Para isso, o ecossistema de dados existente teve de ser reorganizado numa arquitetura SaaS em nuvem consolidada para centralizar os dados dos clientes de todas as fontes e disponibilizá-lo para análise posterior.

Desafio: integrar fontes de dados heterogéneas para obter uma visão unificada de 360 graus de um cliente

O principal estrangulamento no caminho para um fluxo de dados unificado foi a natureza não estruturada e em silos dos dados. Os dados dos clientes residiam em várias fontes, incluindo SAP, Salesforce, API, ficheiros simples, CSV, entre outros. Antes de criar a arquitetura do produto SaaS, a nossa equipa precisava de transformar a informação existente, incluindo tarefas relacionadas com a limpeza, mapeamento e fusão de dados.

Além disso, era necessária uma plataforma de dados do cliente para ser perfeitamente integrada com cada um dos produtos SaaS. Uma CDP também necessitava de capacidades avançadas de automatização para construir uma compreensão coerente de cada cliente.

Solução: sistema CDP personalizado baseado no processo MDM e na correspondência de dados baseada em ML

O processo de desenvolvimento começou com a nossa equipa de engenheiros de Big Data a analisar os requisitos do cliente e as subtilezas da atual arquitetura de dados. O projeto foi entregue em várias fases e abrangeu a conceção, a implementação e a implantação da arquitetura da aplicação SaaS.

As seguintes tarefas do projeto foram realizadas para estabelecer uma base de dados abrangente de clientes para análise:

• Diferentes tipos e formatos de dados foram reunidos num formato de dados comum com Azure Fábrica de dados
• O sistema de armazenamento foi estabelecido no Data lake do Azure
• Os dados foram carregados no ADLS Gen2 Azure Blob como uma camada bruta no formato CDM
• A limpeza, o mapeamento e a fusão foram realizado com o Azure DataBricks
• A definição de perfis foi feita para fazer corresponder os registos de diferentes entidades e criar um perfil unificado
• A correspondência e fusão de mapas foi efectuada para três condutas diferentes para uma solução baseada em três regras baseada em
• Algoritmos de aprendizagem automática associados a algoritmos de grafos.

Resultado: uma arquitetura de dados SaaS concebida à medida para garantir uma estratégia de cliente proactiva e acionável

A equipa da ESSID Solutions criou um sistema CDP para obter os dados de várias fontes e integrá-los com outras aplicações comerciais SaaS. Combinámos os dados utilizando o processo MDM e a correspondência de Aprendizagem Automática para mostrar a visão completa de 360 graus do cliente.

Os dados finais combinados podem então ser apresentados através de uma interface de utilizador adequada - efetivamente um painel simples, que apresenta um perfil granular único do cliente em termos de muitos KPIs e modelos analíticos significativos.

Como resultado, o cliente pode agora agregar e organizar os dados dos clientes através de uma variedade de pontos de contacto e utilizar estes dados para análises adicionais, esforços de marketing direcionados e outros serviços personalizados.