보험을 위한 유통 최적화 참조 아키텍처
이 아키텍처는 보험사가 Databricks 데이터 인텔리전스 플랫폼을 사용하여 견적 체결률을 개선하고 에이전트 생산성을 향상시키기 위해 유통을 최적화하는 방법을 보여줍니다.
데이터 흐름
다음은 유통 최적화 아키텍처 다이어그램에 표시된 데이터 흐름에 대한 설명입니다.
- 첫째, 네이티브 변경 데이터 캡처(CDC) 기능이 있는 Lakeflow Connect를 사용하여 Salesforce에서 구조화된 고객 데이터를 캡처하여 실시간 업데이트 및 이력 추적을 수행합니다. 둘째, 운영 시스템에서 정책 데이터 소스를 수집하여 에이전트 및 정책 데이터를 가져옵니다. Databricks Auto Loader를 사용하여 데이터를 Delta Lake로 수집하고, medallion 아키텍처(Bronze는 원시 CDC 데이터, Silver는 정리된 레코드, Gold는 통합된 고객 뷰)를 통해 데이터를 구성합니다.
- Lakeflow pipelines을 구축하여 엔터티 확인, 중복 제거, 스키마 적용, 비즈니스 규칙 적용을 통해 여러 계층에 걸쳐 데이터 변환하여 정확한 고객 프로필을 생성합니다.
- Databricks SQL을 활용하여 큐레이션된 고객 데이터를 query함으로써 마케팅, 영업, 서비스팀을 위한 KPI 대시보드, 고객/에이전트 NPS, 분석 및 페르소나 기반 교차 판매 및 상향 판매 인사이트를 지원합니다.
- MLflow를 사용하여 분류 및 예측 ML 모델(예: 이탈 위험, 상향 판매 가능성)을 학습 및 배포하고, 출력을 골드 테이블에 통합하여 실시간 의사 결정을 지원합니다.
- Databricks Apps를 사용하여 비즈니스 사용자를 위한 대시보드와 자연어 query 인터페이스를 개발하여 교차 판매, 상향 판매 및 갱신 기회에 대한 고객 및 에이전트 인사이트에 대한 대화형의 안전하고 개인화된 액세스를 지원하고, 고객 이탈을 방지하기 위해 고객 문의에 시기적절하게 개입할 수 있도록 합니다.
장점
유통 최적화 아키텍처에 Databricks Platform을 사용하면 다음과 같은 이점이 있습니다.
- 유통 최적화 사용 사례를 위한 모범 사례 아키텍처 구축
- 고객 프로필에 대한 AI 솔루션과 이를 통해 Databricks가 산업 리더로서 어떻게 차별화되는지 알아보기
