Přeskočit navigaci

Customer 360

Důkladné pochopení vztahu mezi zájmy zákazníka a vzory jeho chování při nákupu je v rámci maloobchodu nezbytnou součástí každé operace business intelligence. Toto řešení implementuje proces agregování zákaznických dat do komplexního profilu a využívá pokročilé modely strojového učení podporované spolehlivostí a výpočetním výkonem Azure k zajištění prediktivních přehledů o simulovaných zákaznících.

Customer 360Důkladné pochopení vztahu mezi zájmy zákazníka a vzory jeho chování při nákupu je v rámci maloobchodu nezbytnou součástí každé operace business intelligence. Toto řešení implementuje proces agregování zákaznických dat do komplexního profilu a využívá pokročilé modely strojového učení podporované spolehlivostí a výpočetním výkonem Azure k zajištění prediktivních přehledů o simulovaných zákaznících.Python Web JobEvent HubETL (Python)Machine LearningTrained modelStream AnalyticsAzure StorageBrowsing DataBatch ETL and Predictive Pipeline12SQL DWDemographics, products, purchasesMerged customer profilew/ engineered featuresEnriched customer profile with predictionsHD Insight(Spark R Server)Enriched customer profilesPower BI Dashboard3456

Právní omezení

© 2017 Microsoft Corporation. Všechna práva vyhrazena. Tyto informace se poskytují „tak, jak jsou“ a mohou se bez předchozího upozornění změnit. Společnost Microsoft neposkytuje s ohledem na uvedené informace žádné záruky, ať už výslovné, nebo implikované. K vytvoření řešení byla použita data třetích stran. Zodpovídáte za respektování práv ostatních, včetně pořízení náležitých licencí pro vytváření podobných datových sad a jejich dodržování.

Customer 360Důkladné pochopení vztahu mezi zájmy zákazníka a vzory jeho chování při nákupu je v rámci maloobchodu nezbytnou součástí každé operace business intelligence. Toto řešení implementuje proces agregování zákaznických dat do komplexního profilu a využívá pokročilé modely strojového učení podporované spolehlivostí a výpočetním výkonem Azure k zajištění prediktivních přehledů o simulovaných zákaznících.Python Web JobEvent HubETL (Python)Machine LearningTrained modelStream AnalyticsAzure StorageBrowsing DataBatch ETL and Predictive Pipeline12SQL DWDemographics, products, purchasesMerged customer profilew/ engineered featuresEnriched customer profile with predictionsHD Insight(Spark R Server)Enriched customer profilesPower BI Dashboard3456

Generátor dat předá simulované zákaznické události do Event Hubu.

Úloha Stream Analytics načítá data z Event Hubu a provádí agregace.

Služba Stream Analytics udržuje data seskupená podle času v Azure Storage Blobu.

Úloha Sparku spuštěná ve službě HDInsight slučuje nejnovější data o prohlížení internetu s historickými údaji o nákupech a demografickými daty a vytváří konsolidovaný profil uživatele.

Druhá úloha Sparku vyhodnocuje profily jednotlivých zákazníků pomocí modelu strojového učení a predikuje budoucí vzory chování při nákupu (to znamená, je pravděpodobné, že si daný zákazník něco koupí v následujících 30 dnech, a pokud ano, v jaké produktové kategorii?).

Předpovědi a další data profilů se vizualizují a sdílejí jako grafy a tabulky v Power BI Online.

  1. 1 Generátor dat předá simulované zákaznické události do Event Hubu.
  2. 2 Úloha Stream Analytics načítá data z Event Hubu a provádí agregace.
  3. 3 Služba Stream Analytics udržuje data seskupená podle času v Azure Storage Blobu.
  1. 4 Úloha Sparku spuštěná ve službě HDInsight slučuje nejnovější data o prohlížení internetu s historickými údaji o nákupech a demografickými daty a vytváří konsolidovaný profil uživatele.
  2. 5 Druhá úloha Sparku vyhodnocuje profily jednotlivých zákazníků pomocí modelu strojového učení a predikuje budoucí vzory chování při nákupu (to znamená, je pravděpodobné, že si daný zákazník něco koupí v následujících 30 dnech, a pokud ano, v jaké produktové kategorii?).
  3. 6 Předpovědi a další data profilů se vizualizují a sdílejí jako grafy a tabulky v Power BI Online.