Idées de solution
Cet article présente une idée de solution. Votre architecte cloud peut s’appuyer sur ces conseils pour visualiser les principaux composants d’une implémentation typique de cette architecture. Utilisez cet article comme point de départ pour concevoir une solution bien conçue qui répond aux exigences spécifiques de votre charge de travail.
Les services Azure peuvent extraire des insights des réseaux sociaux que vous pouvez utiliser dans des campagnes marketing avec Big Data.
Architecture
Téléchargez un fichier Visio de cette architecture.
Flux de données
- Azure Synapse Analytics enrichit les données dans des pools SQL dédiés avec le modèle inscrit dans Azure Machine Learning via une procédure stockée.
- Azure AI Services enrichit les données en effectuant une analyse des sentiments, en prédisant la signification globale, en extrayant les informations pertinentes et en appliquant d’autres fonctionnalités d’IA. Machine Learning permet de développer un modèle Machine Learning et de l’inscrire dans le registre Machine Learning.
- Azure Data Lake Storage fournit un stockage pour les données de Machine Learning et un cache pour l’entraînement du modèle Machine Learning.
- La fonctionnalité Web Apps d’Azure App Service permet de créer et de déployer des applications web stratégiques évolutives. Power BI fournit un tableau de bord interactif avec des visualisations qui utilisent des données stockées dans Azure Synapse Analytics pour déterminer des décisions concernant les prédictions.
Composants
Azure Synapse Analytics est un service d’analytique intégré qui accélère la génération d’insights dans les entrepôts de données et les systèmes de Big Data.
Azure AI Services se compose de services basés sur le cloud qui fournissent des fonctionnalités d’IA. Les API REST et les Kits de développement logiciel (SDK) de bibliothèque de client vous aident à créer de l’intelligence cognitive dans des applications même si vous n’avez pas de compétences en IA ou en science des données.
Machine Learning est un environnement basé sur le cloud qui vous permet d’effectuer l’apprentissage, le déploiement, l’automatisation, la gestion et le suivi des modèles Machine Learning.
Le référentiel Data Lake Storage est un lac de données éminemment évolutif et sécurisé pour vos charges de travail d’analytique hautes performances.
Le service App Service fournit une infrastructure pour la génération, le déploiement et la mise à l’échelle d’applications web. La fonctionnalité Web Apps est un service HTTP pour l’hébergement d’applications web, d’API REST et de back-ends mobiles.
Power BI est une collection de services et d’applications d’analyse. Vous pouvez utiliser Power BI pour connecter et visualiser des sources de données non liées.
Détails du scénario
Les campagnes marketing ne se limitent pas au message que vous délivrez. Le moment et la manière dont vous délivrez ce message sont tout aussi importants. À défaut d’approche analytique pilotée par les données, les campagnes peuvent facilement manquer des opportunités ou avoir du mal à gagner du terrain.
De nos jours, les campagnes marketing sont souvent basées sur l’analyse des réseaux sociaux, qui est devenue de plus en plus importante pour les entreprises et les organisations du monde entier. L’analyse des réseaux sociaux est un puissant outil que vous pouvez utiliser pour recevoir des commentaires instantanés sur les produits et services, améliorer les interactions avec les clients afin d’augmenter la satisfaction des clients, suivre la concurrence, etc. Les entreprises manquent souvent de moyens efficaces et viables pour surveiller les conversations sur les réseaux sociaux. Dès lors, elles passent à côté de nombreuses occasions d’utiliser ces insights pour étayer leurs stratégies et leurs plans.
Cas d’usage potentiels
Si vous pouvez extraire des informations sur vos clients à partir des réseaux sociaux, vous pouvez améliorer l’expérience client, accroître la satisfaction des clients, obtenir de nouveaux prospects et prévenir l’attrition clients. Ces applications d’analytise des réseaux sociaux se répartissent en trois grands domaines :
Mesure de l’intégrité de la marque :
- Capture des réactions et commentaires des clients pour les nouveaux produits sur les réseaux sociaux.
- Analyse des sentiments sur les interactions des réseaux sociaux pour un produit nouvellement introduit.
Établissement et maintien des relations avec les clients :
- Identification rapide des préoccupations des clients.
- Écoute des mentions de marques non balisées.
Optimisation des investissements marketing :
- Extraction d’insights à partir de réseaux sociaux pour l’analyse des campagnes.
Contributeurs
Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.
Auteur principal :
- Christina Skarpathiotaki | Architecte solutions cloud IA
Autres contributeurs :
- Nicholas Moore | Architecture cloud/Données/Intelligence artificielle
Étapes suivantes
Apprenez-en plus avec les parcours d’apprentissage suivants :
- Créer des modèles Machine Learning
- Créer des solutions d’IA avec Azure Machine Learning
- Intégration des données à grande échelle avec un pipeline Azure Data Factory ou Azure Synapse
- Analyse des sentiments avec Azure AI Services dans Azure Synapse Analytics
- Tutoriel : Analyse de texte avec Azure AI services
Pour plus d’informations sur les composants de la solution, consultez les ressources suivantes :
- Documentation Azure Machine Learning
- Documentation Azure Synapse Analytics
- Documentation Azure AI services
- Documentation Power BI
- Vue d’ensemble d’App Service
- Entraîner des modèles Machine Learning dans Azure Synapse Analytics
- Scoring de modèle Machine Learning pour des pools SQL dédiés dans Azure Synapse Analytics
- Machine Learning avec Apache Spark dans Azure Synapse Analytics