Editar

Previsão de rotatividade de clientes usando análises em tempo real

Azure Machine Learning

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

Diagrama de arquitetura: prevendo a rotatividade do cliente com aprendizado de máquina

Transfira um ficheiro do Visio desta arquitetura.

Fluxo de dados

  1. Use os Hubs de Eventos do Azure para transmitir todos os dados ao vivo para o Azure.

  2. 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.

  3. Ingerir dados históricos em escala no Armazenamento de Blobs do Azure usando o Azure Synapse ou outra ferramenta de extração, transformação e carregamento (ETL).

  4. Use o Azure Synapse para combinar dados de streaming com dados históricos para relatórios ou experimentação no Azure Machine Learning.

  5. 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.

  6. 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.

Painel do Power BI que fornece informações sobre as taxas de rotatividade previstas em uma base de clientes.

Próximos passos

Guias de arquitetura:

Arquiteturas de referência: