탐색 건너뛰기

고객 360

고객 관심과 구매 패턴을 깊이 이해하는 것은 소매업 인텔리전스 작업의 중요한 구성 요소입니다. 이 솔루션은 고객 데이터를 “360도” 프로필로 집계하는 프로세스를 구현하고 Azure의 안정성 및 처리 능력으로 지원되는 고급 기계 학습 모델을 사용하여 시뮬레이트된 고객에 대한 예측 정보를 제공합니다.

Customer 360A deep understanding between customer interests and purchasing patterns is a critical component of any retail business intelligence operation. This solution implements a process of aggregating customer data into a “360 degree” profile, and uses advanced machine learning models backed by the reliability and processing power of Azure to provide predictive insights on simulated customers.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

고지 사항

©2017 Microsoft Corporation. All rights reserved. 이 정보는 “있는 그대로” 제공되며 예고 없이 변경될 수 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적 또는 묵시적 보증도 하지 않습니다. 타사 데이터는 솔루션을 생성하는 데 사용되었습니다. 유사한 데이터 집합을 만들기 위해 관련 라이선스를 확보하고 준수하는 것을 비롯한 다른 사람의 권리를 존중하는 것은 귀하의 책임입니다.

Customer 360A deep understanding between customer interests and purchasing patterns is a critical component of any retail business intelligence operation. This solution implements a process of aggregating customer data into a “360 degree” profile, and uses advanced machine learning models backed by the reliability and processing power of Azure to provide predictive insights on simulated customers.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

데이터 생성기는 시뮬레이트된 고객 데이터를 Event Hub로 파이프합니다.

Stream Analytics 작업은 EventHub에서 읽고 집계를 수행합니다.

Stream Analytics는 시간으로 그룹화된 데이터를 Azure Storage Blob에 유지합니다.

HDInsight에서 실행되는 Spark 작업은 최신 고객 브라우징 데이터를 과거 구매 및 인구 통계 데이터와 병합하여 통합 사용자 프로필을 작성합니다.

두 번째 Spark 작업은 기계 학습 모델을 기준으로 각 고객 프로필의 점수를 매겨 장래 구매 패턴을 예측합니다(해당 고객이 이후 30일 내에 구매할 가능성이 있는가? 그렇다면 어떤 제품 범주인가?).

예측 및 기타 프로필 데이터는 Power BI Online에서 시각화되고 차트 및 테이블로 공유됩니다.

  1. 1 데이터 생성기는 시뮬레이트된 고객 데이터를 Event Hub로 파이프합니다.
  2. 2 Stream Analytics 작업은 EventHub에서 읽고 집계를 수행합니다.
  3. 3 Stream Analytics는 시간으로 그룹화된 데이터를 Azure Storage Blob에 유지합니다.
  1. 4 HDInsight에서 실행되는 Spark 작업은 최신 고객 브라우징 데이터를 과거 구매 및 인구 통계 데이터와 병합하여 통합 사용자 프로필을 작성합니다.
  2. 5 두 번째 Spark 작업은 기계 학습 모델을 기준으로 각 고객 프로필의 점수를 매겨 장래 구매 패턴을 예측합니다(해당 고객이 이후 30일 내에 구매할 가능성이 있는가? 그렇다면 어떤 제품 범주인가?).
  3. 6 예측 및 기타 프로필 데이터는 Power BI Online에서 시각화되고 차트 및 테이블로 공유됩니다.