Campaña de fidelización: seguimiento del rendimiento con Amazon QuickSight.

autor
.
2024

Visión general

Una importante empresa de servicios financieros se embarcó en un proyecto para desarrollar un flujo de trabajo que permitiera a las personas personalizar su panel de control. El objetivo era crear un tablero que facilitara la detección de anomalías y el mapeo de modelos, lo que permitiera a los usuarios identificar de manera eficiente el modelo más adecuado.

Desafío

  • Los resúmenes de rendimiento precisos requerían datos financieros precisos, en particular debido a los cálculos únicos que se requerían para cada usuario.
  • La definición y recopilación de métricas se vieron obstaculizadas por la limitada información disponible. Esta limitación afectó al progreso del proyecto, especialmente a la hora de comprender los requisitos de los usuarios y optimizar el flujo de trabajo.
  • El volumen de datos involucrado alcanzó los terabytes, por lo que fue necesario realizar optimizaciones para garantizar un acceso eficiente a los datos dentro de la latencia requerida. Este desafío añadió complejidad al proceso de desarrollo y requirió una consideración cuidadosa de las estrategias de administración de datos.

Solución

  • Se utilizaron varios servicios de AWS para crear nuevas bases de datos con tablas diseñadas para agregar información en función de parámetros específicos para los requisitos individuales de los paneles de control de los clientes. Estos servicios incluían Amazon Step Functions, Amazon Lambda, Amazon S3, Amazon Athena, AWS CloudWatch y AWS Glue.
  • Tras realizar cálculos complejos sobre los datos agregados, se formuló y utilizó una vista completa para rellenar el conjunto de datos en Amazon QuickSight, lo que permitió crear los paneles necesarios.
  • Se adoptó un enfoque programático para la creación de paneles para brindar a los usuarios una experiencia personalizada. Las imágenes, los filtros, los parámetros, etc., estaban predefinidos y guardados. Un flujo de trabajo automatizado, impulsado por Amazon Lambdas en una función escalonada, ejecutó la creación automática de varios paneles de control de clientes en función de las selecciones de los usuarios y las definiciones predefinidas.
  • Para garantizar la privacidad de los datos entre los usuarios, a cada usuario se le asignó su propia base de datos en Amazon Glue, junto con políticas de acceso.
  • Los paneles se desarrollaron inicialmente como herramientas exploratorias para que los usuarios detectaran anomalías. Las etapas posteriores implicaron la integración de los resultados de los modelos de aprendizaje automático en estos paneles.

Impacto

Mediante el análisis de datos, el equipo identificó los picos, las tendencias y las debilidades en las distintas etapas del proceso empresarial, lo que les permitió proponer mejoras precisas. Además, optimizaron las operaciones al reducir la capacidad de SPICE y los costos asociados en un 20%, optimizando la eficiencia sin comprometer las capacidades analíticas.

Puntos de datos clave

  • Detección de picos, tendencias y puntos débiles en varias etapas del proceso empresarial
  • Reducción de la capacidad de SPICE y los costos asociados en un 20%.