En esta guía se muestra cómo los servicios de AWS le permiten automatizar la recopilación de datos de origen y de terceros de los clientes, posibilitando la colaboración sin compartir datos sin procesar, y generar segmentos predictivos mediante el machine learning. Utilice estos segmentos predictivos para enviar mensajes personalizados a través de varios canales, como el envío push móvil, dentro de la aplicación, el correo electrónico, los SMS o los canales personalizados para aumentar la interacción entre usted y sus clientes.
Tenga en cuenta: [Descargo de responsabilidad]
Diagrama de la arquitectura
Paso 1
Amazon Pinpoint registra los datos de primera mano sobre la interacción con los clientes necesarios para la segmentación predictiva. Estos datos se cargan en Amazon Simple Storage Service (Amazon S3) mediante Amazon Kinesis Data Firehose.
Paso 2
Utilice AWS Glue Data Catalog (Catálogo de datos de AWS Glue) para catalogar los datos de origen almacenados en Amazon S3 y ponerlos a disposición de AWS Clean Rooms en forma de tabla.
Paso 3
Limpie y normalice los datos de los socios externos y almacénelos en un bucket de Amazon S3 dentro de la cuenta de AWS del socio. Utilice Glue Data Catalog para catalogar los archivos y ponerlos a disposición de AWS Clean Rooms en forma de tabla.
Paso 4
Configure una colaboración de AWS Clean Rooms con la cuenta de terceros como proveedor de datos y la cuenta de origen como ejecutora de consultas.
Paso 5
Ejecute la consulta de colaboración de datos en AWS Clean Rooms y almacene los resultados de la consulta en la cuenta de datos de origen.
Paso 6
Si lo desea, cargue el conjunto de datos en Amazon Neptune, una graph database (base de datos de grafos) totalmente gestionada, para visualizar las relaciones entre los datos (como los datos de los usuarios entre dispositivos o los datos de los hogares).
Paso 7
Si lo desea, utilice Amazon QuickSight para crear paneles, visualizar sus análisis y generar información.
Paso 8
Utilice Amazon SageMaker para crear, entrenar e implementar modelos de machine learning (ML) que generen segmentos predictivos a partir de datos propios y de terceros.
Paso 9
Importe los segmentos predictivos generados en Amazon Pinpoint para utilizarlos en las campañas de Amazon Pinpoint.
Paso 1
Amazon Pinpoint registra los datos de primera mano sobre la interacción con los clientes necesarios para la segmentación predictiva. Estos datos se cargan en Amazon Simple Storage Service (Amazon S3) mediante Amazon Kinesis Data Firehose.
Paso 2
Utilice AWS Glue Data Catalog (Catálogo de datos de AWS Glue) para catalogar los datos de origen almacenados en Amazon S3 y ponerlos a disposición de AWS Clean Rooms en forma de tabla.
Paso 3
Limpie y normalice los datos de los socios externos y almacénelos en un bucket de Amazon S3 dentro de la cuenta de AWS del socio. Utilice Glue Data Catalog para catalogar los archivos y ponerlos a disposición de AWS Clean Rooms en forma de tabla.
Paso 4
Configure una colaboración de AWS Clean Rooms con la cuenta de terceros como proveedor de datos y la cuenta de origen como ejecutora de consultas.
Paso 5
Ejecute la consulta de colaboración de datos en AWS Clean Rooms y almacene los resultados de la consulta en la cuenta de datos de origen.
Paso 6
Si lo desea, cargue el conjunto de datos en Amazon Neptune, una graph database (base de datos de grafos) totalmente gestionada, para visualizar las relaciones entre los datos (como los datos de los usuarios entre dispositivos o los datos de los hogares).
Paso 7
Si lo desea, utilice Amazon QuickSight para crear paneles, visualizar sus análisis y generar información.
Paso 8
Utilice Amazon SageMaker para crear, entrenar e implementar modelos de machine learning (ML) que generen segmentos predictivos a partir de datos propios y de terceros.
Paso 9
Importe los segmentos predictivos generados en Amazon Pinpoint para utilizarlos en las campañas de Amazon Pinpoint.
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, 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 operativaLea el documento técnico sobre excelencia operativa
Con Amazon CloudWatch, puede recopilar y realizar un seguimiento de todas las métricas operativas y los archivos de registro y configurar alarmas en caso de fallo. Este servicio le permite mantener la visibilidad de los detalles de las operaciones, como las consultas que se ejecutan en AWS Clean Rooms.
-
SeguridadLea el documento técnico sobre seguridad
Todas las interacciones entre los servicios de esta guía utilizan funciones de administración de identidad y acceso (IAM) de AWS con políticas de IAM configuradas para proporcionar los privilegios mínimos necesarios para los servicios. Además, AWS Clean Rooms permite el uso de herramientas informáticas criptográficas avanzadas para mantener los datos cifrados, incluso durante el procesamiento de consultas, a fin de cumplir con las estrictas políticas de gestión de datos de AWS.
Al utilizar Amazon S3 para el almacenamiento, puede cifrar todos los datos en reposo de forma predeterminada. Amazon S3 ofrece la opción de que AWS o el cliente administren las claves de cifrado. Esto le ayuda a adaptarse a sus diferentes criterios de seguridad. Al utilizar las políticas de bucket de Amazon S3, puede definir un control de acceso detallado. Además, al habilitar el cifrado del lado del servidor en Kinesis Data Firehose, puede cifrar todos los datos confidenciales mientras los transfiere a los servicios posteriores.
-
FiabilidadLea el documento técnico sobre fiabilidad
Como esta Guía utiliza servicios gestionados, todos los datos almacenados a través de los distintos servicios tienen una alta disponibilidad y no dependen del fallo poco frecuente, pero posible, de una zona de disponibilidad. Los servicios gestionados le ayudan a evitar errores debidos al aumento de los volúmenes de datos debido a la escalabilidad subyacente de cada servicio, como Amazon S3 y Kinesis Data Firehose. Amazon S3 es una forma fiable y duradera de almacenar sus datos, y Kinesis Data Firehose garantiza una entrega de datos fácil y fiable al destino para su análisis en el proceso posterior. Además, le recomendamos que utilice AWS Backup para hacer copias de seguridad de todos los datos almacenados en los buckets de Amazon S3.
-
Eficiencia en el rendimientoLea el documento técnico sobre la eficacia del rendimiento
Esta guía utiliza una arquitectura sin servidor que permite el auto sclaling (escalamiento automático) de los recursos necesarios a través de servicios gestionados. Con Amazon Pinpoint, puede gestionar grandes volúmenes de clientes y sus interacciones. Además, con AWS Clean Rooms, puede crear rápidamente numerosas colaboraciones multipartitas sin necesidad de implementar ninguna infraestructura subyacente.
-
Optimización de costosLea el documento técnico sobre la optimización de costes
Cuando utiliza servicios gestionados a través de una arquitectura sin servidor, puede escalar sus aplicaciones para adaptarse a la demanda y pagar solo por lo que utiliza. Amazon S3 Intelligent-Tiering automatiza el ahorro de costes de almacenamiento al mover los datos cuando cambian los patrones de acceso, lo que le permite optimizar su rendimiento y, al mismo tiempo, contener los costes.
-
SostenibilidadLea el documento técnico sobre sostenibilidad
Mediante el uso generalizado de servicios gestionados junto con una arquitectura sin servidor, esta guía le ayuda a escalar continuamente para adaptarse al volumen de su carga de trabajo y, al mismo tiempo, garantiza que solo se utilicen los recursos mínimos. También recomendamos administrar los objetos para que se almacenen de forma eficaz durante todo su ciclo de vida mediante la configuración de Amazon S3 Lifecycle.
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
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.