ナビゲーションをスキップする

顧客の興味と購入パターンの間の関係を深く理解することは、すべての小売業のビジネス インテリジェンス操作にとって重要な要素です。このソリューションでは、顧客データを「360 度」のプロファイルに集計するプロセスを実装し、Azure の信頼性と処理能力を備えた高度な機械学習モデルを使ってシミュレーションした顧客に関して予測的な分析情報を提供します。

Customer 360顧客の興味と購入パターンの間の関係を深く理解することは、すべての小売業のビジネス インテリジェンス操作にとって重要な要素です。このソリューションでは、顧客データを「360 度」のプロファイルに集計するプロセスを実装し、Azure の信頼性と処理能力を備えた高度な機械学習モデルを使ってシミュレーションした顧客に関して予測的な分析情報を提供します。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

免責事項

©2017 Microsoft Corporation.All rights reserved.本情報は "現状のまま" 提供され、通知なく変更されることがあります。Microsoft はここで提供される情報に関し、明示または暗示にかかわらず、いかなる保証も行わないものとします。ソリューションの生成にはサード パーティのデータが使用されています。お客様には他者の権利を尊重する責任があり、それには、類似のデータセットを作成するための関連ライセンスの購入や、そうした関連ライセンスへの準拠が含まれます。

Customer 360顧客の興味と購入パターンの間の関係を深く理解することは、すべての小売業のビジネス インテリジェンス操作にとって重要な要素です。このソリューションでは、顧客データを「360 度」のプロファイルに集計するプロセスを実装し、Azure の信頼性と処理能力を備えた高度な機械学習モデルを使ってシミュレーションした顧客に関して予測的な分析情報を提供します。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

データ ジェネレーターがイベント ハブにシミュレーションした顧客イベントを送信します。

Stream Analytics ジョブがイベント ハブから読み取り、集計を実行します。

Stream Analytics が時間でグループ化したデータを Azure Storage Blob に保持します。

HDInsight で実行される Spark ジョブが最新の顧客閲覧データと過去の購入および人口統計データをマージして、統合ユーザー プロファイルを作成します。

2 番目の Spark ジョブが機械学習モデルに対する各顧客プロファイルにスコアを付け、さらに購入パターン (特定の顧客が次の 30 日以内に購入しそうか、購入する場合はどのカテゴリの製品か) を予測します。

予測とその他のプロファイル データが Power BI Online のチャートとテーブルとして視覚化され共有されます。

  1. 1 データ ジェネレーターがイベント ハブにシミュレーションした顧客イベントを送信します。
  2. 2 Stream Analytics ジョブがイベント ハブから読み取り、集計を実行します。
  3. 3 Stream Analytics が時間でグループ化したデータを Azure Storage Blob に保持します。
  1. 4 HDInsight で実行される Spark ジョブが最新の顧客閲覧データと過去の購入および人口統計データをマージして、統合ユーザー プロファイルを作成します。
  2. 5 2 番目の Spark ジョブが機械学習モデルに対する各顧客プロファイルにスコアを付け、さらに購入パターン (特定の顧客が次の 30 日以内に購入しそうか、購入する場合はどのカテゴリの製品か) を予測します。
  3. 6 予測とその他のプロファイル データが Power BI Online のチャートとテーブルとして視覚化され共有されます。