العميل 360 (C360) يوفر رؤية كاملة وموحدة لتفاعلات العميل وسلوكه عبر جميع نقاط الاتصال والقنوات. يتم استخدام طريقة العرض هذه لتحديد الأنماط والاتجاهات في سلوك العملاء، والتي يمكن أن تفيد القرارات المستندة إلى البيانات لتحسين نتائج الأعمال. على سبيل المثال، يمكنك استخدام C360 لتقسيم وإنشاء حملات تسويقية من المرجح أن تلقى صدى لدى مجموعات محددة من العملاء.
في عام 2022، كلفت AWS بإجراء دراسة أجراها المركز الأمريكي للإنتاجية والجودة (APQC) لتحديد حجم القيمة التجارية للعميل 360. ويبين الشكل التالي بعض المقاييس المستمدة من الدراسة. حققت المؤسسات التي تستخدم C360 انخفاضًا بنسبة 43.9% في مدة دورة المبيعات، وزيادة بنسبة 22.8% في القيمة الدائمة للعميل، ووقت وصول أسرع إلى السوق بنسبة 25.3%، وتحسينًا بنسبة 19.1% في صافي تصنيف المروج (NPS).
بدون C360، تواجه الشركات فرصًا ضائعة وتقارير غير دقيقة وتجارب عملاء مفككة، مما يؤدي إلى رحيل العملاء. ومع ذلك، قد يكون إنشاء حل C360 أمرًا معقدًا. أ استطلاع جارتنر للتسويق وجدت أن 14% فقط من المؤسسات نجحت في تنفيذ حل C360، وذلك بسبب عدم وجود توافق في الآراء حول ما تعنيه الرؤية الشاملة، والتحديات المتعلقة بجودة البيانات، والافتقار إلى هيكل حوكمة متعدد الوظائف لبيانات العملاء.
في هذا المنشور، نناقش كيف يمكنك استخدام خدمات AWS المصممة لهذا الغرض لإنشاء إستراتيجية بيانات شاملة لـ C360 لتوحيد وإدارة بيانات العملاء التي تعالج هذه التحديات. نقوم بهيكلتها في خمس ركائز تدعم C360: جمع البيانات، والتوحيد، والتحليلات، والتنشيط، وإدارة البيانات، إلى جانب بنية الحلول التي يمكنك استخدامها للتنفيذ.
الركائز الخمس لطائرة C360 الناضجة
عندما تشرع في إنشاء C360، فإنك تعمل مع حالات استخدام متعددة وأنواع بيانات العملاء والمستخدمين والتطبيقات التي تتطلب أدوات مختلفة. يتطلب بناء C360 على مجموعات البيانات الصحيحة، وإضافة مجموعات بيانات جديدة بمرور الوقت مع الحفاظ على جودة البيانات، والحفاظ عليها آمنة، استراتيجية بيانات شاملة لبيانات عملائك. تحتاج أيضًا إلى توفير الأدوات التي تسهل على فرقك إنشاء منتجات تنضج جهاز C360 الخاص بك.
نوصي ببناء استراتيجية البيانات الخاصة بك حول خمس ركائز لـ C360، كما هو موضح في الشكل التالي. يبدأ ذلك بجمع البيانات الأساسية، وتوحيد البيانات وربطها من القنوات المختلفة المتعلقة بالعملاء الفريدين، ثم التقدم نحو التحليلات الأساسية إلى المتقدمة لاتخاذ القرار والمشاركة الشخصية من خلال قنوات مختلفة. ومع نضجك في كل من هذه الركائز، فإنك تتقدم نحو الاستجابة لإشارات العملاء في الوقت الفعلي.
يوضح الرسم البياني التالي البنية الوظيفية التي تجمع بين العناصر الأساسية لـ a منصة بيانات العملاء على AWS مع المكونات الإضافية المستخدمة لتصميم حل C360 الشامل. وهذا يتماشى مع الركائز الخمس التي نناقشها في هذا المنشور.
الركيزة 1: جمع البيانات
عندما تبدأ في بناء منصة بيانات العملاء الخاصة بك، يتعين عليك جمع البيانات من أنظمة ونقاط اتصال مختلفة، مثل أنظمة المبيعات، ودعم العملاء، والويب ووسائل التواصل الاجتماعي، وأسواق البيانات. فكر في ركيزة جمع البيانات باعتبارها مزيجًا من إمكانيات الاستيعاب والتخزين والمعالجة.
استيعاب البيانات
يتعين عليك إنشاء مسارات استيعاب استنادًا إلى عوامل مثل أنواع مصادر البيانات (مخازن البيانات المحلية، والملفات، وتطبيقات SaaS، وبيانات الجهات الخارجية)، وتدفق البيانات (تدفقات غير محدودة أو بيانات مجمعة). توفر AWS خدمات مختلفة لبناء مسارات استيعاب البيانات:
- غراء AWS هي خدمة تكامل بيانات بدون خادم تستوعب البيانات على دفعات من قواعد البيانات المحلية ومخازن البيانات في السحابة. وهو يتصل بأكثر من 70 مصدر بيانات ويساعدك على إنشاء خطوط أنابيب الاستخراج والتحويل والتحميل (ETL) دون الحاجة إلى إدارة البنية التحتية لخطوط الأنابيب. جودة بيانات AWS Glue يقوم بالتحقق من البيانات الضعيفة والتنبيه بها، مما يجعل من السهل اكتشاف المشكلات وإصلاحها قبل أن تلحق الضرر بعملك.
- الأمازون AppFlow يستوعب البيانات من تطبيقات البرامج كخدمة (SaaS) مثل Google Analytics وSalesforce وSAP وMarketo، مما يمنحك المرونة اللازمة لاستيعاب البيانات من أكثر من 50 تطبيق SaaS.
- تبادل بيانات AWS يجعل من السهل العثور على بيانات الطرف الثالث والاشتراك فيها واستخدامها للتحليلات. يمكنك الاشتراك في منتجات البيانات التي تساعد في إثراء ملفات تعريف العملاء، على سبيل المثال البيانات الديموغرافية، والبيانات الإعلانية، وبيانات الأسواق المالية.
- أمازون كينسيس يستوعب الأحداث المتدفقة في الوقت الفعلي من أنظمة نقاط البيع، وبيانات النقر من تطبيقات الهاتف المحمول ومواقع الويب، وبيانات الوسائط الاجتماعية. يمكنك أيضًا التفكير في استخدام Amazon Managed Streaming لأباتشي كافكا (Amazon MSK) لبث الأحداث في الوقت الفعلي.
يوضح الرسم البياني التالي المسارات المختلفة لاستيعاب البيانات من أنظمة المصدر المختلفة باستخدام خدمات AWS.
مخزن البيانات
يتم تخزين البيانات الدفعية المنظمة أو شبه المنظمة أو غير المنظمة في وحدة تخزين الكائنات لأنها فعالة من حيث التكلفة ومتينة. خدمة تخزين أمازون البسيطة (Amazon S3) هي خدمة تخزين مُدارة مع ميزات أرشفة يمكنها تخزين بيتابايت من البيانات أحد عشر 9 من المتانة. يتم تخزين البيانات المتدفقة ذات زمن الاستجابة المنخفض الأمازون كينسيس دفق البيانات للاستهلاك في الوقت الحقيقي. يتيح ذلك إجراء تحليلات وإجراءات فورية لمختلف المستهلكين — كما هو موضح في مركز Riot Games حافلة أحداث الشغب.
معالجة البيانات
غالبًا ما تكون البيانات الأولية مزدحمة بالنسخ المكررة والأشكال غير المنتظمة. تحتاج إلى معالجة هذا لجعله جاهزًا للتحليل. إذا كنت تستهلك بيانات دفعية وبيانات متدفقة، ففكر في استخدام إطار عمل يمكنه التعامل مع كليهما. نمط مثل عمارة كابا ينظر إلى كل شيء على أنه تيار، مما يبسط خطوط أنابيب المعالجة. فكر في استخدام خدمة أمازون المُدارة لـ Apache Flink للتعامل مع أعمال المعالجة. باستخدام الخدمة المُدارة لـ Apache Flink، يمكنك تنظيف بيانات التدفق وتحويلها وتوجيهها إلى الوجهة المناسبة بناءً على متطلبات زمن الوصول. يمكنك أيضًا تنفيذ معالجة البيانات المجمعة باستخدام أمازون EMR على أطر عمل مفتوحة المصدر مثل Apache Spark بأداء أفضل 3.5 مرات من النسخة المدارة ذاتيا. يعتمد قرار الهندسة المعمارية لاستخدام نظام المعالجة الدفعية أو المتدفقة على عوامل مختلفة؛ ومع ذلك، إذا كنت تريد تمكين التحليلات في الوقت الفعلي لبيانات العميل الخاصة بك، فإننا نوصي باستخدام نمط بنية Kappa.
الركيزة الثانية: التوحيد
لربط البيانات المتنوعة الواردة من نقاط الاتصال المختلفة بعميل فريد، تحتاج إلى إنشاء حل لمعالجة الهوية يحدد عمليات تسجيل الدخول المجهولة، ويخزن معلومات العملاء المفيدة، ويربطهم بالبيانات الخارجية للحصول على رؤى أفضل، ويجمع العملاء في مجالات الاهتمام. على الرغم من أن حل معالجة الهوية يساعد في إنشاء ملف تعريف موحد للعميل، إلا أننا نوصي باعتبار ذلك جزءًا من إمكانيات معالجة البيانات لديك. ويوضح الرسم البياني التالي مكونات هذا الحل.
المكونات الرئيسية هي كما يلي:
- دقة الهوية – تحليل الهوية هو حل لإلغاء البيانات المكررة، حيث تتم مطابقة السجلات لتحديد عميل فريد ومحتمل من خلال ربط معرفات متعددة مثل ملفات تعريف الارتباط ومعرفات الأجهزة وعناوين IP ومعرفات البريد الإلكتروني ومعرفات المؤسسة الداخلية بشخص معروف أو ملف تعريف مجهول باستخدام الخصوصية- أساليب متوافقة. يمكن تحقيق ذلك باستخدام حل كيان AWS، والتي تتيح استخدام القواعد وتقنيات التعلم الآلي (ML) لتحقيق ذلك مطابقة السجلات وحل الهويات. بدلا من ذلك ، يمكنك بناء الرسوم البيانية الهوية استخدام أمازون نبتون للحصول على رؤية موحدة لعملائك.
- تجميع الملف الشخصي - عندما تحدد هوية العميل بشكل فريد، يمكنك ذلك إنشاء تطبيقات في الخدمة المُدارة لـ Apache Flink لتوحيد جميع البيانات الوصفية الخاصة بهم، بدءًا من الاسم وحتى سجل التفاعل. ثم يمكنك تحويل هذه البيانات إلى تنسيق موجز. بدلاً من إظهار كل تفاصيل المعاملة، يمكنك تقديم قيمة إنفاق مجمعة ورابط إلى سجل إدارة علاقات العملاء (CRM). بالنسبة لتفاعلات خدمة العملاء، قم بتوفير متوسط درجة CSAT ورابطًا لنظام مركز الاتصال للتعمق أكثر في تاريخ اتصالاتهم.
- إثراء الملف الشخصي – بعد أن تقوم بتحليل العميل إلى هوية واحدة، قم بتحسين ملفه الشخصي باستخدام مصادر البيانات المختلفة. يتضمن الإثراء عادةً إضافة بيانات ديموغرافية وسلوكية وبيانات تحديد الموقع الجغرافي. يمكنك استخدام منتجات بيانات الجهات الخارجية من AWS Marketplace التي يتم تسليمها من خلال AWS Data Exchange للحصول على رؤى حول الدخل وأنماط الاستهلاك ودرجات مخاطر الائتمان والعديد من الأبعاد الأخرى لتحسين تجربة العملاء بشكل أكبر.
- فئات الزبائن – بعد تحديد الملف الشخصي للعميل وإثرائه بشكل فريد، يمكنك تقسيمه استنادًا إلى المعلومات السكانية مثل العمر والإنفاق والدخل والموقع باستخدام التطبيقات في الخدمة المُدارة لـ Apache Flink. مع تقدمك، يمكنك دمجها خدمات الذكاء الاصطناعي لتقنيات استهداف أكثر دقة.
بعد الانتهاء من معالجة الهوية وتقسيمها، تحتاج إلى إمكانية تخزين لتخزين ملف تعريف العميل الفريد وتوفير إمكانات البحث والاستعلام فوقه للمستهلكين النهائيين لاستخدام بيانات العميل الغنية.
يوضح الرسم البياني التالي ركيزة التوحيد لملف تعريف العميل الموحد وعرض واحد للعميل للتطبيقات النهائية.
ملف تعريف العميل الموحد
تتفوق قواعد بيانات الرسم البياني في نمذجة تفاعلات العملاء وعلاقاتهم، مما يوفر رؤية شاملة لرحلة العميل. إذا كنت تتعامل مع مليارات الملفات الشخصية والتفاعلات، فيمكنك التفكير في استخدام Neptune، وهي خدمة قاعدة بيانات رسومية مُدارة على AWS. منظمات مثل زيتا و Activision لقد نجحنا في استخدام Neptune لتخزين مليارات المعرفات الفريدة والاستعلام عنها شهريًا وملايين الاستعلامات في الثانية في وقت استجابة بالمللي ثانية.
وجهة نظر عميل واحدة
على الرغم من أن قواعد بيانات الرسم البياني توفر رؤى متعمقة، إلا أنها يمكن أن تكون معقدة بالنسبة للتطبيقات العادية. ومن الحكمة دمج هذه البيانات في عرض واحد للعميل، ليكون بمثابة مرجع أساسي للتطبيقات النهائية، بدءًا من منصات التجارة الإلكترونية إلى أنظمة إدارة علاقات العملاء. يعمل هذا العرض الموحد كحلقة وصل بين منصة البيانات والتطبيقات التي تركز على العملاء. لمثل هذه الأغراض، نوصي باستخدام الأمازون DynamoDB لقدرتها على التكيف وقابلية التوسع والأداء، مما يؤدي إلى قاعدة بيانات عملاء حديثة وفعالة. ستقبل قاعدة البيانات هذه الكثير من الاستعلامات المكتوبة من أنظمة التنشيط التي تتعلم معلومات جديدة عن العملاء وتغذيهم مرة أخرى.
الركيزة 3: التحليلات
تحدد ركيزة التحليلات الإمكانات التي تساعدك على إنشاء رؤى أعلى بيانات عملائك. تنطبق استراتيجية التحليلات الخاصة بك على الاحتياجات التنظيمية الأوسع، وليس فقط C360. يمكنك استخدام نفس الإمكانات لتقديم التقارير المالية أو قياس الأداء التشغيلي أو حتى تحقيق الدخل من أصول البيانات. قم بوضع إستراتيجية بناءً على كيفية قيام فرقك باستكشاف البيانات، وإجراء التحليلات، ومناقشة البيانات لمتطلبات المصب، وتصور البيانات على مستويات مختلفة. خطط لكيفية تمكين فرقك من استخدام تعلم الآلة للانتقال من التحليلات الوصفية إلى التحليلات الإرشادية.
• AWS هندسة البيانات الحديثة يعرض طريقة لإنشاء منصة بيانات مصممة لهذا الغرض وآمنة وقابلة للتطوير في السحابة. تعلم من هذا لبناء قدرات الاستعلام عبر بحيرة البيانات الخاصة بك ومستودع البيانات.
يقسم الرسم البياني التالي القدرة التحليلية إلى استكشاف البيانات، والتصور، وتخزين البيانات، والتعاون في البيانات. دعنا نتعرف على الدور الذي يلعبه كل مكون من هذه المكونات في سياق C360.
استكشاف البيانات
يساعد استكشاف البيانات في اكتشاف التناقضات أو القيم المتطرفة أو الأخطاء. ومن خلال اكتشاف هذه الأمور في وقت مبكر، يمكن لفرقك الحصول على تكامل أكثر وضوحًا للبيانات لـ C360، مما يؤدي بدوره إلى تحليلات وتنبؤات أكثر دقة. ضع في اعتبارك الأشخاص الذين يستكشفون البيانات، ومهاراتهم الفنية، والوقت المناسب للحصول على نظرة ثاقبة. على سبيل المثال، يمكن لمحللي البيانات الذين يعرفون كيفية كتابة SQL الاستعلام مباشرة عن البيانات الموجودة في Amazon S3 باستخدام أمازون أثينا. يمكن للمستخدمين المهتمين بالاستكشاف البصري القيام بذلك باستخدام AWS Glue Data Brew. يمكن لعلماء البيانات أو المهندسين استخدامها ستوديو أمازون إي إم آر or أمازون ساجميكر ستوديو لاستكشاف البيانات من دفتر الملاحظات، وللحصول على تجربة ذات تعليمات برمجية منخفضة، يمكنك استخدامها أمازون سيج ميكر داتا رانجلر. نظرًا لأن هذه الخدمات تستعلم مباشرةً عن حاويات S3، يمكنك استكشاف البيانات عند وصولها إلى مستودع البيانات، مما يقلل الوقت اللازم للوصول إلى الرؤى.
تصور
يؤدي تحويل مجموعات البيانات المعقدة إلى صور مرئية بديهية إلى كشف الأنماط المخفية في البيانات، وهو أمر بالغ الأهمية لحالات استخدام C360. باستخدام هذه الإمكانية، يمكنك تصميم تقارير لمستويات مختلفة تلبي احتياجات متنوعة: التقارير التنفيذية التي تقدم لمحات عامة استراتيجية، وتقارير الإدارة التي تسلط الضوء على المقاييس التشغيلية، والتقارير التفصيلية التي تتعمق في التفاصيل. يساعد هذا الوضوح البصري مؤسستك على اتخاذ قرارات مستنيرة عبر جميع المستويات، مما يؤدي إلى مركزية وجهة نظر العميل.
يُظهر الرسم التخطيطي التالي نموذجًا للوحة معلومات C360 مبنية عليها أمازون QuickSight. يوفر QuickSight إمكانات تصور قابلة للتطوير وبدون خادم. يمكنك الاستفادة من عمليات تكامل تعلم الآلة للحصول على رؤى تلقائية مثل التنبؤ واكتشاف الحالات الشاذة أو الاستعلام باللغة الطبيعية أمازون كيو في QuickSight، والاتصال المباشر بالبيانات من مصادر مختلفة، و تسعير الدفع لكل جلسة. مع QuickSight، يمكنك ذلك تضمين لوحات المعلومات في مواقع الويب والتطبيقات الخارجية، و SPICE يتيح المحرك تصورًا سريعًا وتفاعليًا للبيانات على نطاق واسع. تعرض لقطة الشاشة التالية مثالاً للوحة تحكم C360 المبنية على QuickSight.
مستودع البيانات
تتميز مستودعات البيانات بالكفاءة في دمج البيانات المنظمة من مصادر متنوعة وخدمة الاستعلامات التحليلية من عدد كبير من المستخدمين المتزامنين. يمكن أن توفر مستودعات البيانات عرضًا موحدًا ومتسقًا لكمية هائلة من بيانات العملاء لحالات استخدام C360. الأمازون الأحمر يعالج هذه الحاجة من خلال التعامل ببراعة مع كميات كبيرة من البيانات وأعباء العمل المتنوعة. فهو يوفر اتساقًا قويًا عبر مجموعات البيانات، مما يسمح للمؤسسات باستخلاص رؤى موثوقة وشاملة حول عملائها، وهو أمر ضروري لاتخاذ قرارات مستنيرة. يقدم Amazon Redshift رؤى في الوقت الفعلي وقدرات تحليلية تنبؤية لتحليل البيانات من التيرابايت إلى البيتابايت. مع أمازون Redshift ML، يمكنك تضمين تعلم الآلة أعلى البيانات المخزنة في مستودع البيانات مع الحد الأدنى من تكاليف التطوير. أمازون Redshift Serverless يبسط عملية بناء التطبيقات ويجعل من السهل على الشركات تضمين إمكانات تحليل البيانات الغنية.
تعاون البيانات
يمكنك بشكل آمن التعاون وتحليل مجموعات البيانات الجماعية من شركائك دون مشاركة أو نسخ البيانات الأساسية لبعضهم البعض باستخدام غرف AWS النظيفة. يمكنك جمع البيانات المتباينة من خلال قنوات المشاركة ومجموعات بيانات الشركاء لتكوين عرض 360 درجة لعملائك. يمكن لـ AWS Clean Rooms تحسين C360 من خلال تمكين حالات الاستخدام مثل تحسين التسويق عبر القنوات، وتقسيم العملاء المتقدم، والتخصيص المتوافق مع الخصوصية. ومن خلال الدمج الآمن لمجموعات البيانات، فإنه يوفر رؤى أكثر ثراءً وخصوصية قوية للبيانات، مما يلبي احتياجات العمل والمعايير التنظيمية.
الركيزة الرابعة: التنشيط
تتضاءل قيمة البيانات كلما تقدمت في السن، مما يؤدي إلى ارتفاع تكاليف الفرصة البديلة بمرور الوقت. في استطلاع أجرتها شركة Intersystems، 75% من المؤسسات التي شملتها الدراسة تعتقد أن البيانات غير المناسبة تمنع فرص الأعمال. وفي استطلاع آخر، 58 ٪ من المنظمات (من بين 560 مشاركًا في المجلس الاستشاري والقراء في HBR) ذكروا أنهم رأوا زيادة في الاحتفاظ بالعملاء وولائهم باستخدام تحليلات العملاء في الوقت الفعلي.
يمكنك تحقيق النضج في C360 عندما تبني القدرة على التصرف بناءً على جميع الأفكار المكتسبة من الركائز السابقة التي ناقشناها في الوقت الفعلي. على سبيل المثال، في مستوى النضج هذا، يمكنك التصرف بناءً على معنويات العملاء استنادًا إلى السياق الذي تستمده تلقائيًا من خلال ملف تعريف العميل المثري والقنوات المتكاملة. ولهذا تحتاج إلى تنفيذ عملية اتخاذ قرار توجيهية بشأن كيفية التعامل مع مشاعر العميل. وللقيام بذلك على نطاق واسع، يتعين عليك استخدام خدمات الذكاء الاصطناعي/التعلم الآلي لاتخاذ القرار. يوضح الرسم البياني التالي البنية لتنشيط الرؤى باستخدام التعلم الآلي للتحليلات الإرشادية وخدمات الذكاء الاصطناعي للاستهداف والتجزئة.
استخدم ML لمحرك صنع القرار
باستخدام تعلم الآلة، يمكنك تحسين تجربة العملاء بشكل عام، حيث يمكنك إنشاء نماذج تنبؤية لسلوك العملاء، وتصميم عروض مخصصة للغاية، واستهداف العميل المناسب بالحافز المناسب. يمكنك بنائها باستخدام الأمازون SageMaker، والذي يتميز بمجموعة من الخدمات المُدارة المعينة لدورة حياة علم البيانات، بما في ذلك معالجة البيانات، والتدريب على النماذج، واستضافة النماذج، واستدلال النماذج، واكتشاف انحراف النماذج، وتخزين الميزات. يمكّنك SageMaker من ذلك بناء وتشغيل نماذج ML الخاصة بك، وإعادتها إلى تطبيقاتك لتقديم الرؤية الصحيحة للشخص المناسب في الوقت المناسب.
تخصيص أمازون يدعم التوصيات السياقية، والتي يمكنك من خلالها تحسين مدى صلة التوصيات عن طريق إنشائها ضمن سياق — على سبيل المثال، نوع الجهاز أو الموقع أو الوقت من اليوم. يمكن لفريقك البدء دون أي خبرة سابقة في تعلم الآلة باستخدام واجهات برمجة التطبيقات لبناء قدرات تخصيص متطورة ببضع نقرات. لمزيد من المعلومات، راجع قم بتخصيص توصياتك من خلال الترويج لعناصر محددة باستخدام قواعد العمل باستخدام Amazon Personalize.
قم بتنشيط القنوات عبر التسويق والإعلان والتوجيه المباشر إلى المستهلك والولاء
الآن بعد أن عرفت من هم عملاؤك ومن يجب أن تتواصل معهم، يمكنك إنشاء حلول لتشغيل حملات الاستهداف على نطاق واسع. مع الأمازون التحديد، يمكنك تخصيص الاتصالات وتقسيمها لجذب العملاء عبر قنوات متعددة. على سبيل المثال، يمكنك استخدام Amazon Pinpoint بناء تجارب جذابة للعملاء من خلال قنوات الاتصال المختلفة مثل البريد الإلكتروني والرسائل النصية القصيرة والإشعارات الفورية والإشعارات داخل التطبيق.
الركيزة 5: حوكمة البيانات
إن إنشاء الحوكمة الصحيحة التي توازن بين التحكم والوصول يمنح المستخدمين الثقة في البيانات. تخيل تقديم عروض ترويجية على منتجات لا يحتاجها العميل، أو إرسال إشعارات إلى العملاء الخطأ. يمكن أن يؤدي ضعف جودة البيانات إلى مثل هذه المواقف، ويؤدي في النهاية إلى رحيل العملاء. يتعين عليك إنشاء عمليات تتحقق من صحة جودة البيانات وتتخذ الإجراءات التصحيحية. جودة بيانات AWS Glue يمكن أن تساعدك في بناء حلول تتحقق من جودة البيانات أثناء النقل والثبات، بناءً على قواعد محددة مسبقًا.
لإعداد هيكل إدارة متعدد الوظائف لبيانات العملاء، فإنك تحتاج إلى القدرة على إدارة البيانات ومشاركتها عبر مؤسستك. مع أمازون داتازونيمكن للمسؤولين ومشرفي البيانات إدارة الوصول إلى البيانات والتحكم فيه، ويمكن للمستهلكين مثل مهندسي البيانات وعلماء البيانات ومديري المنتجات والمحللين ومستخدمي الأعمال الآخرين اكتشاف تلك البيانات واستخدامها والتعاون معها لتوجيه الرؤى. فهو يعمل على تبسيط الوصول إلى البيانات، مما يتيح لك العثور على بيانات العملاء واستخدامها، ويعزز تعاون الفريق مع أصول البيانات المشتركة، ويوفر تحليلات مخصصة إما عبر تطبيق ويب أو واجهة برمجة التطبيقات على البوابة. تكوين بحيرة AWS يتأكد من الوصول إلى البيانات بشكل آمن، مما يضمن للأشخاص المناسبين رؤية البيانات الصحيحة للأسباب الصحيحة، وهو أمر بالغ الأهمية للحوكمة الفعالة متعددة الوظائف في أي مؤسسة. يتم تخزين بيانات تعريف الأعمال وإدارتها بواسطة Amazon DataZone، والتي تدعمها بيانات التعريف الفنية ومعلومات المخطط، والتي يتم تسجيلها في كتالوج بيانات AWS Glue. يتم استخدام بيانات التعريف الفنية هذه أيضًا من خلال خدمات الحوكمة الأخرى مثل Lake Formation وAmazon DataZone، وخدمات التحليلات مثل Amazon Redshift وAthena وAWS Glue.
جلب كل ذلك معا
باستخدام الرسم التخطيطي التالي كمرجع، يمكنك إنشاء مشاريع وفرق لبناء القدرات المختلفة وتشغيلها. على سبيل المثال، يمكنك جعل فريق تكامل البيانات يركز على ركيزة جمع البيانات - ويمكنك بعد ذلك مواءمة الأدوار الوظيفية، مثل مهندسي البيانات ومهندسي البيانات. يمكنك بناء ممارسات التحليلات وعلوم البيانات الخاصة بك للتركيز على ركائز التحليلات والتنشيط، على التوالي. ومن ثم يمكنك إنشاء فريق متخصص لمعالجة هوية العميل وبناء رؤية موحدة للعميل. يمكنك إنشاء فريق لإدارة البيانات يضم مشرفي بيانات من وظائف مختلفة ومسؤولي الأمان وواضعي سياسات إدارة البيانات لتصميم السياسات وأتمتتها.
وفي الختام
يعد بناء قدرة C360 قوية أمرًا أساسيًا لمؤسستك للحصول على رؤى حول قاعدة عملائك. يمكن أن تساعد قواعد بيانات AWS والتحليلات وخدمات الذكاء الاصطناعي/تعلم الآلة في تبسيط هذه العملية، مما يوفر قابلية التوسع والكفاءة. باتباع الركائز الخمس لتوجيه تفكيرك، يمكنك إنشاء إستراتيجية بيانات شاملة تحدد طريقة عرض C360 عبر المؤسسة، وتتأكد من دقة البيانات، وتؤسس حوكمة متعددة الوظائف لبيانات العملاء. يمكنك تصنيف المنتجات والميزات وتحديد أولوياتها التي يتعين عليك بنائها ضمن كل ركيزة، واختيار الأداة المناسبة للوظيفة، وبناء المهارات التي تحتاجها في فرقك.
قم بزيارتنا AWS لقصص عملاء البيانات للتعرف على كيفية قيام AWS بتحويل رحلات العملاء، بدءًا من أكبر المؤسسات في العالم وحتى الشركات الناشئة المتنامية.
حول المؤلف
اسماعيل مخلوف هو أحد كبار مهندسي الحلول المتخصصة لتحليلات البيانات في AWS. يركز إسماعيل على تصميم الحلول للمؤسسات عبر مجموعة تحليلات البيانات الشاملة، بما في ذلك التدفق المجمع وفي الوقت الفعلي، والبيانات الضخمة، وتخزين البيانات، وأعباء عمل بحيرة البيانات. يعمل بشكل أساسي مع مؤسسات في مجال البيع بالتجزئة والتجارة الإلكترونية والتكنولوجيا المالية والتكنولوجيا الصحية والسفر لتحقيق أهداف أعمالهم من خلال منصات بيانات مصممة جيدًا.
سانديبان بوميك (ساندي) هو أحد كبار مهندسي الحلول المتخصصة في التحليلات في AWS. فهو يساعد العملاء على تحديث منصات البيانات الخاصة بهم في السحابة لإجراء التحليلات بشكل آمن على نطاق واسع، وتقليل النفقات التشغيلية، وتحسين الاستخدام لتحقيق فعالية التكلفة والاستدامة.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/big-data/create-an-end-to-end-data-strategy-for-customer-360-on-aws/
