Editar

Share via

Dimensión de cliente mejorada con Dynamics 365 Customer Insights

Azure Data Lake Storage
Azure Synapse Analytics
Azure Data Factory
Customer Insights - Data

Ideas de solución

Este artículo es una idea de solución. Si te gustaría que ampliemos este artículo con más información, como posibles casos de uso, servicios alternativos, consideraciones de implementación o una guía de precios, comunícalo a través de los Comentarios de GitHub.

Esta arquitectura de alto nivel muestra el flujo de datos de los sistemas de origen de una organización (ERP, CRM, POS, entre otros) a un lago de datos en Azure. Este mismo lago de datos se puede configurar como back-end para Dynamics 365 Customer Insights. Cuando tiene un back-end dl lago de datos, Customer Insights puede cargar datos de cliente mejorados limpios en el lago de datos para su consumo como dimensión mediante aplicaciones y almacenamientos de datos de bajada.

Architecture

Diagrama que muestra una arquitectura de referencia para la elaboración de una dimensión mejorada del cliente.

Descargue un archivo Visio de esta arquitectura.

Azure Synapse sin servidor SQL los datos de Customer Insights mejorados. Azure Synapse sin servidor SQL un patrón de diseño rentable conocido como Data Warehouse lógico (LDW). El patrón LDW presenta una capa de abstracción sobre almacenes de datos externos, como lagos de datos, para proporcionar construcciones de base de datos relacionales conocidas, como tablas y vistas. Las herramientas que admiten puntos de conexión de SQL Server pueden consumir estas tablas y vistas. En el contexto de este ejemplo, Power BI puede obtener los datos de Customer Insights mejorados como una tabla de dimensiones desde una base de datos mediante grupos QLS sin servidor de Azure Synapse.

Flujo de datos

  1. Utilizando las canalizaciones de Data Factory o Azure Synapse, establezca servicios vinculados a sistemas de origen y almacenes de datos. Las canalizaciones de Data Factory y Azure Synapse admiten más de 90 conectores, incluidos protocolos genéricos para orígenes de datos cuando un conector nativo no está disponible.

  2. Cargue los datos de los sistemas de origen en Data Lake mediante la herramienta Copiar datos. A continuación, debe transformar los datos del lago de datos para ajustarse a un esquema de Common Data Model (Modelo de datos comunes). Los flujos de datos de asignación de Data Factory admiten la recepción de datos en formato Common Data Model. Para obtener información adicional, consulte Formato Common Data Model en Azure Data Factory y Synapse Analytics.

  3. Para importar datos en Customer Insights, debe configurar una conexión a una carpeta Common Data Model mediante una cuenta de Data Lake. Después de importar datos en Customer Insights, el proceso de unificación de datos de Customer Insights (asignación,coincidencia y combinación) puede procesar los datos dispares del cliente. A continuación, puede enriquecer todavía más los datos unificados en Customer Insights utilizandoenriquecimiento de datos, segmentos de datosy predicciones de IA.

  4. En Customer Insights, debe configurar una exportación de datos de vuelta al lago de datos. Para obtener más información, consulte Configuración de la conexión a Azure Data Lake Storage Gen2.

  5. Cree un Almacenamiento de datos lógico en el área de trabajo de Azure Synapse. Consulte las mejores prácticas de grupos de SQL sin servidor de Azure Synapse para determinar si necesita realizar más transformaciones en los datos exportados de Customer Insights y si las vistas son más adecuadas que las tablas.

  6. Los datos de Customer Insights en el lago de datos ahora se exponen como tablas y vistas del servidor SQL lógico que puede consumir con facilidad Power BI. Consulte Tutorial para usar grupos de SQL sin servidor con Power BI para ver un ejemplo.

Componentes

  • Azure Data Lake Storage. Almacenamiento en la nube escalable y rentable compatible con Customer Insights como destino para exportar datos.
  • Azure Data Factory. Servicio de integración de datos a escala de nube para orquestar el flujo de datos.
  • Audience insights. Un módulo de Customer Insights que unifica los orígenes de datos del cliente. También proporciona enriquecimientos como la segmentación, el valor total de duración del cliente (CTLV) y la puntuación de abandono de clientes.
  • Grupos de SQL sin servidor de Azure Synapse. Se usa para consultar los datos de los clientes en un lago de datos mediante un punto de conexión de servidor T-SQL y SQL.

Alternativas

Esta solución usa el patrón Data Warehouse lógico (LDW) para consumir los datos mejorados de Customer Insights. También puede usar otros patrones de almacenamiento de datos.

Data Factory y Azure Synapse proporcionan canalizaciones de integración de datos. Consulte el desglose de la paridad de características para ver una comparación.

Detalles del escenario

Dynamics 365 Customer Insights puede crear una vista de cliente de 360 grados mediante la unificación de datos de orígenes transaccionales, de comportamiento y de observación. A continuación, puede hacer que esta vista de cliente de 360 grados esté disponible en lagos de datos empresariales o almacenes de datos como una dimensión de cliente mejorada.

En este artículo se describen el flujo de datos, las integraciones de productos y las configuraciones disponibles para crear una dimensión de cliente mejorada que pueden consumir las plataformas de análisis externas a Dynamics 365 y Customer Insights. Información de audiencia es la característica de Customer Insights que proporciona la capacidad de unificar los orígenes de datos de los clientes y mejorar los perfiles de los clientes. Para obtener más información, consulte descripción general de la información de audiencia.

En la tabla siguiente se muestra un ejemplo de registros de clientes mejorados generados por el proceso de unificación de datos de Customer Insights. Este proceso toma los datos del cliente de varios sistemas de origen y los limpia y combina. Customer Insights puede enriquecer los registros de clientes con atributos como puntuaciones de renovación y afinidades de marca. Estos son algunos ejemplos ficticios de este tipo de registro:

Ejemplo de registros de un cliente en una tabla de base de datos.

Ejemplo de registros de un cliente con atributos de afinidad de marca en una tabla de base de datos.

Posibles casos de uso

Esta arquitectura es aplicable a cualquier organización que necesite crear registros que dibujen datos de varios orígenes.

Esta solución está optimizada para el sector minorista.

Colaboradores

Microsoft mantiene este artículo. Originalmente lo escribieron los siguientes colaboradores.

Autor principal:

Pasos siguientes