Architecture de référence Telecom Next Best Action

Établir une architecture de télécommunication qui permet une action optimale en temps réel à grande échelle

Flux de données et de plateformes :

Next Best Action (NBA), Next Best Experience (NBX)

1. Collecte de données à partir des systèmes opérationnels de Telco
   Les données sur le comportement des clients, la facturation, les CDR (enregistrements d'appels/données/SMS), le CRM, la recharge et les transactions fintech sont collectées à partir de systèmes hybrides/sur site via des interfaces d'intégration BSS/OSS ou des connecteurs de données tiers comme Informatica et LakeFlow. Ces flux de données sont envoyés en temps réel ou par lots à la Couche d'ingestion en streaming (par exemple, Kafka, Azure Event Hub), où un prétraitement léger a lieu (par exemple, filtrage des PII, conversion de protocole).
2. Stockage unifié de Lakehouse et mise en scène de données brutes
   Les données ingérées atterrissent dans les tables Delta Lake Bronze, partitionnées par des attributs tels que les OpCos, l'ID du site ou le canal. À ce stade, des opérations comme l'application du schéma et le masquage des PII peuvent avoir lieu. De là, les données progressent vers les tables Silver, où elles sont dédoublées, jointes et enrichies pour construire des profils Customer 360, des résumés d'utilisation et des indicateurs de churn—créant une base harmonisée, prête pour l'analytique.
3. Ingénierie des caractéristiques et entraînement du modèle
   Les flux de données Silver nettoyés sont introduits dans des pipelines de transformation avancés en utilisant Lakehouse Pipelines. Cette étape comprend :
   • Dérivation des caractéristiques d'intention et leur enregistrement dans un magasin de caractéristiques centralisé, indépendant de la logique spécifique aux canaux ou aux régions/pays.
   • Activation de l'enrichissement en temps réel et de la couture d'identité de l'audience.
   • Entraînement des modèles NBA en utilisant Mosaic AI, y compris des cas d'utilisation tels que la prédiction de churn, le scoring d'acceptation d'offres, et l'apprentissage par renforcement pour l'optimisation dynamique des offres.
   • Les modèles sont formés et gérés au sein de la plateforme unifiée avec la lignée, l'observabilité et la gouvernance via le catalogue Unity.
   • Une boucle de rétroaction critique dans cette architecture est le test A/B:
     1. Les modèles sont continuellement évalués via des tests de levée de lots intégrés dans le processus CICD mesurant l'impact commercial (par exemple, l'augmentation, la rétention, la conversion).
     2. Ces informations indiquent si les modèles actuels surpassent les références pour permettre des décisions objectives sur le déploiement ou la rééducation.
4. Informations commerciales et activation de l'expérience client
   Les résultats notés des pipelines de ML sont stockés dans les tables Gold, prêts pour les applications BI et CX en temps réel :
   • Databricks SQL permet des KPIs en temps réel, l'analyse du comportement des abonnés, et la mesure du ROI des campagnes NBA.
   • Les équipes exécutives et marketing accèdent à ces données via des outils familiers tels que Power BI, Tableau et Looker.
   • Les applications Lakehouse permettent la segmentation de l'audience, la simulation de campagne, et le ciblage cross-sell/up-sell pour les équipes CX.
5. Déploiement du modèle et inférence en temps réel
   Les modèles NBA formés sont exposés pour une activation en temps réel via :
   • APIs de service de modèles hébergées sur Mosaic AI ou Databricks Model Serving, supportant les déploiements hybrides.
   • Les API sont déployées ou relayées dans des environnements opérationnels basés sur le cloud et/ou sur site pour une intégration directe avec les systèmes SMS, les centres d'appels, les applications mobiles, ou les IVR.
   • Les résultats de la NBA sont continuellement surveillés avec des tableaux de bord, les résultats des tests A/B, et le suivi des performances du modèle pour garantir la pertinence et minimiser la dérive.