Ideias de soluções
Este artigo é uma ideia de solução. Se você quiser que expandamos o conteúdo com mais informações, como possíveis casos de uso, serviços alternativos, considerações de implementação ou orientação de preços, informe-nos fornecendo feedback do GitHub.
A Previsão de Churn do Cliente usa a plataforma de IA do Azure para prever a probabilidade de churn e ajuda a encontrar padrões nos dados existentes associados à taxa de churn prevista.
Arquitetura
Transfira um ficheiro do Visio desta arquitetura.
Fluxo de dados
Use os Hubs de Eventos do Azure para transmitir todos os dados ao vivo para o Azure.
Processe dados em tempo real usando o Azure Stream Analytics. O Stream Analytics pode exportar dados processados para o Azure Synapse . Isso permite que os clientes combinem dados existentes e históricos para criar painéis e relatórios no Power BI.
Ingerir dados históricos em escala no Armazenamento de Blobs do Azure usando o Azure Synapse ou outra ferramenta de extração, transformação e carregamento (ETL).
Use o Azure Synapse para combinar dados de streaming com dados históricos para relatórios ou experimentação no Azure Machine Learning.
Use o Aprendizado de Máquina do Azure para criar modelos para prever a probabilidade de rotatividade e identificar padrões de dados para fornecer insights inteligentes.
Use o Power BI para criar relatórios operacionais e painéis sobre o Azure Synapse. Os modelos do Azure Machine Learning podem ser utilizados para melhorar ainda mais os relatórios e ajudar as empresas nos processos de tomada de decisão.
Componentes
- Os Hubs de Eventos do Azure são um serviço de ingestão de eventos que pode processar milhões de eventos por segundo. Os dados enviados para o hub de eventos podem ser transformados e armazenados usando qualquer provedor de análise em tempo real.
- O Azure Stream Analytics é um mecanismo de análise em tempo real projetado para analisar e processar um grande volume de dados de streaming rápido. As relações e os padrões identificados nos dados podem ser usados para acionar ações e iniciar fluxos de trabalho, como criar alertas, alimentar informações para uma ferramenta de relatório ou armazenar dados transformados para uso posterior.
- O Armazenamento de Blobs do Azure é um serviço de nuvem para armazenar grandes quantidades de dados não estruturados, como texto, dados binários, áudio e documentos, de forma mais fácil e econômica. O Armazenamento de Blobs do Azure permite que os cientistas de dados tenham acesso rápido aos dados para experimentação e criação de modelos de IA.
- O Azure Synapse Analytics é um armazém de dados rápido e fiável com análises ilimitadas que reúne integração de dados, armazenamento de dados empresariais e análise de big data. Ele oferece a liberdade de consultar dados em seus termos, usando recursos sem servidor ou dedicados e fornecer dados para necessidades imediatas de BI e aprendizado de máquina.
- O Azure Machine Learning pode ser usado para qualquer aprendizado de máquina supervisionado e não supervisionado, quer você prefira escrever Python de código R. Você pode criar, treinar e rastrear modelos de aprendizado de máquina em um espaço de trabalho do Azure Machine Leaning.
- O Power BI é um conjunto de ferramentas que fornece informações poderosas às organizações. O Power BI liga-se a várias origens de dados, simplifica a preparação de dados e a criação de modelos a partir de fontes diferentes. Aprimore a colaboração da equipe em toda a organização para produzir relatórios analíticos e painéis para apoiar as decisões de negócios e publicá-los na Web e em dispositivos móveis para os usuários consumirem.
Detalhes do cenário
Manter clientes existentes é cinco vezes mais barato do que o custo de obter novos clientes. Por esta razão, os executivos de marketing veem-se frequentemente na posição de tentar calcular a probabilidade de abandono por parte dos clientes e de determinar as ações necessárias para minimizar a taxa de abandono.
Potenciais casos de utilização
Esta solução utiliza o Azure Machine Learning para prever a probabilidade de rotatividade e ajuda a encontrar padrões nos dados existentes associados à taxa de rotatividade prevista. Usando dados históricos e quase em tempo real, os usuários são capazes de criar modelos preditivos para analisar características e identificar preditores do público existente. Essas informações fornecem às empresas inteligência acionável para melhorar a retenção de clientes e as margens de lucro.
Esta solução é otimizada para o setor de varejo.
Implementar este cenário
Para obter mais detalhes sobre como criar e implantar essa solução, visite o guia da solução no GitHub.
Este guia serve para demonstrar os pipelines de dados preditivos que os revendedores utilizam para prever o abandono dos clientes. Os revendedores podem utilizar estas predições para impedir o abandono dos clientes ao aplicarem os conhecimentos da respetiva área e as estratégias de marketing adequadas para abordar clientes em risco. O guia também mostra como os modelos de rotatividade de clientes podem ser retreinados para usar mais dados à medida que ficam disponíveis.
Recursos subjacentes
A solução ponto a ponto é implementada na cloud através do Microsoft Azure. A solução é composta por vários componentes do Azure, incluindo ingestão de dados, armazenamento de dados, movimentação de dados, análise avançada e visualização. As análises avançadas são implementadas no Azure Machine Learning, onde você pode usar a linguagem Python ou R para criar modelos de ciência de dados. Ou você pode reutilizar bibliotecas internas ou de terceiros existentes. Com a ingestão de dados, a solução pode fazer previsões com base nos dados transferidos para o Azure a partir de um ambiente local.
Dashboard de soluções
O instantâneo abaixo mostra um exemplo de painel do Power BI que fornece informações sobre as taxas de rotatividade previstas em uma base de clientes.
Próximos passos
- Sobre os Hubs de Eventos do Azure
- Bem-vindo ao Azure Stream Analytics
- O que é o Azure Synapse Analytics?
- Introduction to Azure Blob Storage (Introdução ao Armazenamento de Blobs do Azure)
- O que é o Azure Machine Learning?
- O que é Power BI?
Recursos relacionados
Guias de arquitetura:
- Inteligência artificial (IA)
- Compare os produtos e tecnologias de aprendizado de máquina da Microsoft
- Estrutura de operações de aprendizado de máquina (MLOps)
Arquiteturas de referência: