通信業界向けネクストベストアクションのリファレンスアーキテクチャ - クローン

リアルタイムのネクストベストアクションを大規模に実現する通信向けアーキテクチャの構築

データとプラットフォームのフロー：

ネクストベストアクション（NBA）、ネクストベストエクスペリエンス（NBX）

1. 通信事業者の基幹システムからのデータ取り込み
   顧客の行動、課金、CDRs（通話/データ/SMSレコード）、CRM、チャージ、フィンテックの取引データが、BSS/OSS統合インターフェースやInformatica、Lakeflowなどのサードパーティ製データコネクタを介して、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インジェクションレイヤー（Kafka、Azure Event Hubなど）に送信され、そこで軽量な前処理（PIIフィルタリング、プロトコル変換など）が行われます。
2. 統合レイクハウス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ニングされ、Delta Lakeのブロンズテーブルに格納されます。この段階で、スキーマ強制やPIIマスキングなどの処理が行われることがあります。そこからデータはシルバーテーブルへと進み、重複排除、結合、エンリッチメントが行われ、カスタマー360プロファイル、利用状況のサマリー、解約指標（チャーンインジケーター）が構築され、分析に適した調和のとれた基盤が作成されます。
3. 特徴量エンジニアリングとモデルトレーニング
   クリーンアップされたシルバーデータは、レイクハウスパイプラインを使用して高度な変換パイプラインに供給されます。このステージには以下が含まれます：
   • チャネルや地域/国固有のロジックから切り離された、中央集中型のフィーチャーストア（Feature Store）にインテント特徴量を導出して登録する。
   • ポイントインタイム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統合（ステッチング）を可能にする。
   • 解約予測、オファー受託スコアリング、動的なオファー最適化のための強化学習などのユースケースを含む、Databricksを使用したNBAモデルのトレーニング。
   • モデルは、Unity Catalogによるリネージ、オブザーバビリティ、ガバナンスを備えた統合プラットフォーム内でトレーニングおよび管理されます。
   • このアーキテクチャにおける重要なフィードバックループは、A/Bテストです：
     1. モデルは、ビジネスへの影響（アップリフト、リテンション、コンバージョンなど）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。
     2. これらのインサイトにより、現在のモデルがベースラインを上回っているかどうかが判断され、ロールアウトまたは再トレーニングに関する客観的な意思決定が可能になります。
4. ビジネスインサイトとCXのアクティベーション
   MLパイプラインからのスコアリング出力はゴールドテーブルに保存され、BIやリアルタイムのCXアプリケーションですぐに利用できるようになります：
   • Databricks SQL により、リアルタイムのKPI、加入者の行動分析、およびNBAキャンペーンのROI測定が可能になります。
   • エグゼクティブやマーケティングチームは、Power BI、Tableau、Lookerなどの使い慣れたツールを介してこのデータにアクセスします。
   • レイクハウスアプリにより、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/アップセルのターゲティングが可能になります。
5. モデルデプロイメントとリアルタイム推論
   トレーニングされたNBAモデルは、以下を介してリアルタイムのアクティベーション用に公開されます：
   • ハイブリッドデプロイメントをサポートする、DatabricksまたはDatabricks Model Serving上でホストされるModel Serving API。
   • 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経由で接続されます。
   • NBAの結果は、関連性を確保しドリフトを最小限に抑えるために、ダッシュボード、A/Bテスト結果、およびモデルパフォーマンスのトラッキングによって継続的に監視されます。