Bewerken

Verbeterde klantdimensie met Dynamics 365 Customer Insights

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

Ideeën voor oplossingen

Dit artikel is een oplossingsidee. Als u wilt dat we de inhoud uitbreiden met meer informatie, zoals mogelijke gebruiksvoorbeelden, alternatieve services, implementatieoverwegingen of prijsrichtlijnen, kunt u ons dit laten weten door gitHub-feedback te geven.

Deze architectuur op hoog niveau toont de stroom van gegevens van de bronsystemen van een organisatie (ERP, CRM, POS, enzovoort) naar een data lake in Azure. Dezelfde data lake kan worden geconfigureerd als de back-end voor Dynamics 365 Customer Insights. Wanneer het een data lake-back-end heeft, kan Customer Insights schone verbeterde klantgegevens in de data lake laden voor gebruik als dimensie door downstream datawarehouses en apps.

Architectuur

Diagram met een referentiearchitectuur voor het bouwen van een verbeterde klantdimensie.

Een Visio-bestand van deze architectuur downloaden.

Azure Synapse serverloze SQL gebruikt de verbeterde Customer Insights-gegevens. Azure Synapse serverloze SQL introduceert een kosteneffectief ontwerppatroon dat bekend staat als Logical Data Warehouse (LDW). Het LDW-patroon introduceert een abstractielaag boven op externe gegevensarchieven, zoals data lakes, om vertrouwde relationele databaseconstructies zoals tabellen en weergaven te bieden. Hulpprogramma's die SQL Server-eindpunten ondersteunen, kunnen deze tabellen en weergaven vervolgens gebruiken. In de context van dit voorbeeld kan Power BI de verbeterde Customer Insights-gegevens als een dimensietabel uit een database ophalen met behulp van Azure Synapse serverloze SQL-pools.

Gegevensstroom

  1. Stel met behulp van Data Factory of Azure Synapse pijplijnen gekoppelde services tot stand met bronsystemen en gegevensarchieven. Data Factory- en Azure Synapse-pijplijnen ondersteunen meer dan 90 connectors, waaronder algemene protocollen voor gegevensbronnen wanneer er geen systeemeigen connector beschikbaar is.

  2. Laad gegevens uit de bronsystemen in Data Lake met behulp van het hulpprogramma Copy Data. Vervolgens moet u gegevens in de data lake transformeren om te voldoen aan een Common Data Model-schema. Data Factory-toewijzingsgegevensstromen ondersteunen het tot zinken brengen van gegevens in de Common Data Model-indeling. Zie Common Data Model-indeling in Azure Data Factory en Synapse Analytics voor meer informatie.

  3. Als u gegevens wilt importeren in Customer Insights, moet u een verbinding met een Common Data Model-map configureren met behulp van een Data Lake-account. Nadat u gegevens hebt geïmporteerd in Customer Insights, kan het customer insights-proces voor gegevenshereniging (toewijzen, vergelijken en samenvoegen) de verschillende klantgegevens verwerken. Vervolgens kunt u geïntegreerde gegevens in Customer Insights verder verrijken met behulp van gegevensverrijking, gegevenssegmenten en AI-voorspellingen.

  4. In Customer Insights moet u een export van gegevens naar de data lake configureren. Zie De verbinding met Azure Data Lake Storage Gen2 instellen voor meer informatie.

  5. Maak een logische Data Warehouse in de Azure Synapse-werkruimte. Zie de best practices voor Azure Synapse serverloze SQL-pool om te bepalen of u meer transformaties moet uitvoeren op de geëxporteerde Customer Insights-gegevens en of weergaven beter geschikt zijn dan tabellen.

  6. Customer Insights-gegevens in de data lake worden nu weergegeven als logische SQL Server tabellen en weergaven die eenvoudig kunnen worden gebruikt door Power BI. Zie Zelfstudie voor het gebruik van serverloze SQL-pools met Power BI voor een voorbeeld.

Onderdelen

  • Azure Data Lake Storage. Schaalbare en kosteneffectieve cloudopslag die Customer Insights ondersteunt als doel voor het exporteren van gegevens.
  • Azure Data Factory. Gegevensintegratieservice op cloudschaal voor het organiseren van gegevensstromen.
  • Inzichten van het publiek. De module Customer Insights waarmee gegevensbronnen van klanten worden gecombineerd. Het biedt ook verrijkingen zoals segmentatie, totale levensduur van klanten (CTLV) en klantverloopscore.
  • Azure Synapse serverloze SQL-pools. Wordt gebruikt om query's uit te voeren op klantgegevens in een data lake via T-SQL en SQL Server-eindpunt.

Alternatieven

Deze oplossing maakt gebruik van het patroon Logische Data Warehouse (LDW) om de verbeterde gegevens van Customer Insights te gebruiken. U kunt ook andere datawarehousepatronen gebruiken.

Data Factory en Azure Synapse bieden beide pijplijnen voor gegevensintegratie. Zie de uitsplitsing van functiepariteit voor een vergelijking.

Scenariodetails

Dynamics 365 Customer Insights kan een klantweergave van 360 graden maken door gegevens uit transactionele, gedrags- en observationele bronnen te combineren. Vervolgens kunt u deze 360-graden klantweergave beschikbaar maken in enterprise data lakes en/of datawarehouses als een verbeterde klantdimensie.

In dit artikel worden de gegevensstroom, productintegraties en configuraties beschreven die beschikbaar zijn voor het bouwen van een verbeterde klantdimensie die kan worden gebruikt door analyseplatforms buiten Dynamics 365 en Customer Insights. Doelgroep-inzichten is de functie van Customer Insights die de mogelijkheid biedt om gegevensbronnen van klanten te combineren en klantprofielen te verbeteren. Zie het overzicht van inzichten voor doelgroepen voor meer informatie.

In de volgende tabel ziet u een voorbeeld van verbeterde klantrecords die worden geproduceerd door het customer insights-proces voor gegevenshereniging. In dit proces worden klantgegevens uit meerdere bronsystemen opgehaald en opgeschoond en samengevoegd. Customer Insights kan ook klantrecords verrijken met kenmerken zoals verloopscores en merkaffiniteit. Hier volgen enkele fictieve voorbeelden van dit type record:

Voorbeeld van klantrecords in een databasetabel.

Voorbeeld van klantrecords met merkaffiniteitskenmerken in een databasetabel.

Potentiële gebruikscases

Deze architectuur is van toepassing op elke organisatie die records moet maken die gegevens uit meerdere bronnen halen.

Deze oplossing is geoptimaliseerd voor de detailhandel.

Medewerkers

Dit artikel wordt onderhouden door Microsoft. Het is oorspronkelijk geschreven door de volgende inzenders.

Hoofdauteur:

Volgende stappen