Analice el comportamiento de los clientes para crear una experiencia personalizada
Esta guía le permite mejorar la retención de clientes mediante la recopilación y el análisis de datos sobre demografía, comportamiento y preferencias de los clientes. Puede lograr la optimización de los datos creando una plataforma moderna de datos de clientes y una canalización de los análisis de datos que genere información procesable sobre sus clientes. Con una arquitectura de datos moderna en AWS, puede utilizar servicios de datos personalizados para crear rápidamente lagos de datos escalables, garantizar el cumplimiento y compartir datos con facilidad más allá de los límites de la organización.
Diagrama de la arquitectura
Paso 1
Los datos se recopilan a partir de múltiples orígenes de datos en toda la empresa, incluidas aplicaciones de software como servicio (SaaS), dispositivos periféricos, registros, medios de transmisión y redes sociales.
La actividad web en línea procede de sitios web, plataformas de redes sociales, correos electrónicos y campañas en línea. Los orígenes fuera de Internet incluyen el historial de compras y las suscripciones (principalmente la gestión de las relaciones con los clientes [CRM] y los datos de terceros).
Paso 2
En función del tipo de origen de datos, puede ingerir los datos en un lago de datos en AWS mediante AWS Database Migration Service (AWS DMS), AWS DataSync, Amazon Kinesis, Amazon Managed Streaming para Apache Kafka (Amazon MSK) o Amazon AppFlow.
Paso 3
AWS Data Exchange puede utilizarse para integrar datos de terceros en el lago de datos.
Paso 4
Cree un lago de datos escalable mediante AWS Lake Formation y utilice Amazon Simple Storage Service (Amazon S3) para el almacenamiento del lago de datos.
Paso 5
También puede utilizar Lake Formation para habilitar la gestión unificada, la cual le permite administrar de forma centralizada la seguridad, el control de acceso (seguridad en cuanto a tabla, fila o columna) y los registros de auditoría. También permite la detección automática de esquemas y su conversión a los formatos necesarios.
Paso 6
AWS Glue extrae, transforma, cataloga e ingiere datos de varios almacenes de datos. Utilice Glue DataBrew para la preparación visual de datos y AWS Lambda para el enriquecimiento y la validación.
Paso 7
Amazon QuickSight proporciona inteligencia empresarial basada en el machine learning (ML). Amazon Redshift se utiliza como almacenamiento de datos en la nube. Amazon SageMaker y los servicios de ML de AWS se pueden utilizar para crear, entrenar e implementar modelos de ML y agregar inteligencia a las aplicaciones.
Redshift Spectrum y Amazon Athena disponen de funciones interactivas de consulta, análisis y procesamiento. Amazon Managed Service para Apache Flink se usa para transformar y analizar los datos de streaming en tiempo real.
Paso 8
Almacene información unificada sobre el perfil del cliente en Amazon OpenSearch Service.
Paso 9
Cree una vista única del perfil del cliente gracias a los datos de resolución de identidades procedentes de Amazon Neptune.
Paso 10
Con Amazon API Gateway, puede exponer las API desarrolladas como microservicios.
Paso 11
Active los datos unificados de los clientes y envíelos a las partes internas y externas.
Pilares de Well-Architected
AWS Well-Architected Framework le permite comprender las ventajas y desventajas de las decisiones que tome durante la creación de sistemas en la nube. Los seis pilares de este marco permiten aprender las prácticas recomendadas arquitectónicas para diseñar y explotar sistemas confiables, seguros, eficientes, rentables y sostenibles. Con la Herramienta de AWS Well-Architected, que se encuentra disponible gratuitamente en la Consola de administración de AWS, puede revisar sus cargas de trabajo con respecto a estas prácticas recomendadas al responder a un conjunto de preguntas para cada pilar.
El diagrama de arquitectura mencionado es un ejemplo de una solución que se creó teniendo en cuenta las prácticas recomendadas de una buena arquitectura. Para tener completamente una buena arquitectura, debe seguir todas las prácticas recomendadas de buena arquitectura posibles.
-
Excelencia operativa
La arquitectura de referencia de la Plataforma de análisis de datos de clientes (CDAP) es una arquitectura sin servidor. Su solución puede desplegarse con infraestructura como código y automatización para una iteración rápida y despliegues coherentes. Use Amazon CloudWatch para la supervisión de aplicaciones e infraestructuras.
-
Seguridad
Use Lake Formation para una gestión unificada y centralizada de la seguridad, el control de acceso (en cuanto a seguridad de tablas, filas y columnas) y los registros de auditoría. También permite la detección automática de esquemas y su conversión a los formatos necesarios. API Gateway aplica políticas que controlan aspectos de la seguridad, como la autenticación, la autorización o la administración del tráfico.
-
Fiabilidad
La arquitectura sin servidor permite que la solución sea automáticamente escalable, esté disponible y se despliegue en todas las zonas de disponibilidad.
-
Eficiencia en el rendimiento
Mediante el uso de tecnologías sin servidor, solo aprovisiona los recursos exactos que necesita. Para maximizar el rendimiento de la solución de CDAP, realice pruebas con varios tipos de instancias. Use los puntos de conexión de periferia de API Gateway para los clientes que estén dispersos geográficamente. Utilice Regional para clientes regionales (y cuando utilice otros servicios de AWS dentro de la misma región).
-
Optimización de costos
Al utilizar tecnologías sin servidor y escalar automáticamente, solo pagará por los recursos que utilice. Los servicios sin servidor no cuestan nada mientras estén inactivos.
-
Sostenibilidad
Minimice su impacto ambiental. El lago de datos utiliza procesos para transferir automáticamente los datos de acceso poco frecuente al almacenamiento en frío con las configuraciones deAmazon S3 Lifecycle. Al utilizar ampliamente los servicios administrados y el escalamiento dinámico, esta arquitectura minimiza el impacto ambiental de los servicios backend.
Recursos de implementación
Se proporciona una guía detallada para experimentar y utilizar dentro de su cuenta de AWS. Se examina cada etapa de la creación de la guía, incluida la implementación, el uso y la limpieza, con el fin de prepararla para su implementación.
El código de muestra es un punto de partida. Está validado por el sector, es prescriptivo pero no definitivo, y le permite profundizar en su funcionamiento para que le sea más fácil empezar.
Contenido relacionado
[Título]
Descargo de responsabilidad
El código de muestra; las bibliotecas de software; las herramientas de línea de comandos; las pruebas de concepto; las plantillas; o cualquier otra tecnología relacionada (incluida cualquiera de las anteriores que proporcione nuestro personal) se brinda como contenido de AWS bajo el Contrato de cliente de AWS, o el contrato escrito pertinente entre usted y AWS (lo que sea aplicable). No debe utilizar este contenido de AWS en sus cuentas de producción, ni en producción ni en otros datos críticos. Es responsable de probar, proteger y optimizar el contenido de AWS, como el código de muestra, según corresponda para el uso de grado de producción en función de sus prácticas y estándares de control de calidad específicos. La implementación de contenido de AWS puede incurrir en cargos de AWS por crear o utilizar recursos con cargo de AWS, como ejecutar instancias de Amazon EC2 o utilizar el almacenamiento de Amazon S3.
Las referencias a servicios u organizaciones de terceros en esta Guía no implican un respaldo, patrocinio o afiliación entre Amazon o AWS y el tercero. La orientación de AWS es un punto de partida técnico, y puede personalizar su integración con servicios de terceros al implementar la arquitectura.