Ignorar Navegação

Cliente 360

Um profundo entendimento entre os interesses e os padrões de compra do cliente é um elemento essencial de qualquer operação de business intelligence do setor de retalho. Esta solução implementa um processo de agregação de dados do cliente num perfil “360 graus” e utiliza modelos avançados de aprendizagem automática, apoiados pela fiabilidade e potência de processamento do Azure, para fornecer informações preditivas sobre clientes simulados.

Cliente 360Um profundo entendimento entre os interesses e os padrões de compra do cliente é um elemento essencial de qualquer operação de business intelligence do setor de retalho. Esta solução implementa um processo de agregação de dados do cliente num perfil “360 graus” e utiliza modelos avançados de aprendizagem automática, apoiados pela fiabilidade e potência de processamento do Azure, para fornecer informações preditivas sobre clientes simulados.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

Exclusão de Responsabilidade

©2017 Microsoft Corporation. Todos os direitos reservados. A informação é fornecida "tal como está" e pode ser alterada sem aviso prévia. A Microsoft não faz garantias, de forma expressa ou implícita, em relação à informação aqui fornecida. Foram utilizados dados de terceiros para gerar a Solução. É responsável por respeitar os direitos de outros, incluindo a aquisição e conformidade com as licenças relevantes para criar conjuntos de dados semelhantes.

Cliente 360Um profundo entendimento entre os interesses e os padrões de compra do cliente é um elemento essencial de qualquer operação de business intelligence do setor de retalho. Esta solução implementa um processo de agregação de dados do cliente num perfil “360 graus” e utiliza modelos avançados de aprendizagem automática, apoiados pela fiabilidade e potência de processamento do Azure, para fornecer informações preditivas sobre clientes simulados.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

Um Gerador de Dados encaminha os eventos de cliente simulados para um Hub de Eventos

Uma tarefa do Stream Analytics lê a partir do Hub de Eventos, executa agregações

O Stream Analytics mantém os dados agrupados por tempo num Azure Storage Blob

Uma tarefa Spark em execução no HDInsight intercala os dados de navegação de cliente mais recentes com os dados históricos de compra e demográficos para criar um perfil de utilizador consolidado

Uma segunda tarefa Spark pontua cada perfil de utilizador em comparação com um modelo de aprendizagem automática para prever padrões de compra futuros (ou seja, se é provável que um determinado cliente faça uma compra nos próximos 30 dias e, se for, em que categoria de produto?)

As predições e outros dados de perfil são visualizados e partilhados como gráficos e tabelas no Power BI Online

  1. 1 Um Gerador de Dados encaminha os eventos de cliente simulados para um Hub de Eventos
  2. 2 Uma tarefa do Stream Analytics lê a partir do Hub de Eventos, executa agregações
  3. 3 O Stream Analytics mantém os dados agrupados por tempo num Azure Storage Blob
  1. 4 Uma tarefa Spark em execução no HDInsight intercala os dados de navegação de cliente mais recentes com os dados históricos de compra e demográficos para criar um perfil de utilizador consolidado
  2. 5 Uma segunda tarefa Spark pontua cada perfil de utilizador em comparação com um modelo de aprendizagem automática para prever padrões de compra futuros (ou seja, se é provável que um determinado cliente faça uma compra nos próximos 30 dias e, se for, em que categoria de produto?)
  3. 6 As predições e outros dados de perfil são visualizados e partilhados como gráficos e tabelas no Power BI Online