テレコムネクストベストアクションリファレンスアーキテクチャ
このアーキテクチャは、テレコムの一般的なネクストベストアクションのユースケースに対する一般的な業界のソースとシンクとの統合を理解するのに役立ちます。これは、レイクハウスアーキテクチャ全体でのベストプラクティスデザインパターンを概説しています。
リアルタイムのネクストベストアクションをスケールで実現するテレコムアーキテクチャを確立します
データとプラットフォームのフロー：
次善の行動（NBA）、次善の体験（NBX）
- テルコ運用システムからのデータ取り込み
顧客の行動、請求、CDR（通話/データ/SMS記録）、CRM、リチャージ、フィンテックの取引データは、BSS/OSS統合インターフェースやInformatica、LakeFlowのようなサードパーティのデータコネクタを通じてハイブリッド/オンプレミスシステムから収集されます。これらのデータストリームは、ほぼリアルタイムまたはバッチでストリーミング取り込みレイヤー（例：Kafka、Azure Event Hub）に送信され、軽量の前処理（例：PIIフィルタリング、プロトコル変換）が行われます。 - 統一されたLakehouseストレージと生データのステージング
取り込まれたデータは、OpCos、サイトID、チャネルなどの属性でパーティション化されたDelta Lake Bronzeテーブルに格納されます。この段階では、スキーマの強制やPIIマスキングなどの操作が行われることがあります。そこからデータはSilverテーブルに進み、重複を削除し、結合し、Customer 360プロファイル、使用サマリー、チャーンインジケーターを作成するためにデータを豊かにします。これにより、分析に適した基盤が作成されます。 - 特徴量エンジニアリングとモデルの訓練
クリーニングされたSilverデータは、Lakehouse Pipelinesを使用した高度な変換パイプラインに供給されます。この段階には以下が含まれます：- 意図特徴を導出し、それらをチャネルや地域/国に特化したロジックから切り離された中央の特徴量ストアに登録します。
- 時点でのエンリッチメントとオーディエンスのアイデンティティステッチングを可能にします。
- Mosaic AIを使用してNBAモデルを訓練します。これには、チャーン予測、オファー受け入れスコアリング、動的オファー最適化のための強化学習などのユースケースが含まれます。
- モデルは、Unity Catalogを通じて系統、観測可能性、ガバナンスを持つ統一プラットフォーム内で訓練され、管理されます。
- このアーキテクチャの重要なフィードバックループはA/Bテストです：
- モデルは、ビジネスインパクト（例：アップリフト、リテンション、コンバージョン）を測定するCICDプロセスに組み込まれたバッチリフトテストを通じて継続的に評価されます。
- これらの洞察は、現在のモデルがベースラインを上回っているかどうかを判断し、ロールアウトまたは再訓練についての客観的な決定を可能にします。
- ビジネスインサイトとCXアクティベーション
MLパイプラインからのスコア付き出力は、BIとリアルタイムCXアプリケーションに対応したGoldテーブルに保存されます：- Databricks SQL は、リアルタイムのKPI、加入者の行動分析、NBAキャンペーンのROI測定を可能にします。
- 経営陣とマーケティングチームは、Power BI、Tableau、Lookerのような馴染みのあるツールを通じてこのデータにアクセスします。
- Lakehouseアプリは、CXチーム向けのオーディエンスセグメンテーション、キャンペーンシミュレーション、およびクロスセル/アップセルターゲティングを可能にします。
- モデルのデプロイメントとリアルタイム推論
訓練されたNBAモデルは、リアルタイムでのアクティベーションのために公開されます：- モデル提供APIはMosaic AIまたはDatabricks Model Servingでホストされ、ハイブリッドデプロイメントをサポートします。
- APIは、SMSシステム、コールセンター、モバイルアプリ、またはIVRと直接統合するためにクラウドベースおよび/またはオンプレミスの運用環境にデプロイまたはプロキシされます。
- NBAの結果は、ダッシュボード、A/Bテストの結果、およびモデルのパフォーマンス追跡を通じて継続的に監視され、関連性を保ち、ドリフトを最小限に抑えます。
