Visão 360º do Consumidor

Visão 360º do Consumidor

Parte I – Conceituação

Muitas vezes, vimos equipes técnicas entenderem os benefícios do pensamento gráfico, no contexto de discutir um problema de dados que a maioria das grandes empresas enfrenta: tentando extrair valor entre fontes de dados diferentes.

Ficar em um quadro branco esboçando o problema produz inevitavelmente um grafo com muitas ramificações. Você pode imaginar esse mesmo cenário. Enquanto está desenhando em um quadro branco e discutindo ativamente como os dados do seu sistema são espalhados em diferentes silos nos sistemas da empresa.

Sua equipe concorda que o que realmente precisa é de acesso direto aos seus clientes e aos dados deles. Para ilustrar isso, quase sempre, seu colega de trabalho coloca o cliente no centro do quadro branco e conecta os dados relevantes ao mesmo.

Depois de recuar, todos percebem que seu colega acabou de desenhar um grafo. Em nossa experiência, esses exercícios de quadro branco ilustram o poder do uso do pensamento grafo para criar uma solução de gerenciamento de dados.

Os aplicativos de Grafos começam com o gerenciamento de dados porque, conceitualmente ou fisicamente, as escolhas tecnológicas anteriores nos forçaram a transformar os dados em grafos em soluções tabulares.

O problema é que os dados em forma de tabela não são mais um design único para os aplicativos de hoje. Isso é especialmente verdadeiro para os aplicativos que precisam atender à demanda do usuário por contexto personalizado.

A crescente demanda por personalização colocou pressão top down na disponibilidade e relevância dos dados. Essa pressão forçou as organizações a integrar dados díspares e garantir que os dados vinculassem os usuários à sua experiência digital.

Quando as equipes se juntam à prancheta para re-arquitetar seus sistemas para oferecer personalização, encontram um novo problema. Como um sistema único unifica dados, funciona em tempo real e relaciona os dados com o usuário final?

As ferramentas relacionais existentes são ótimas para as partes do processo que exigem que os dados se ajustem bem em um formato de linha e coluna.

No entanto, as ferramentas relacionais não são adequadas para fornecer determinadas formas de dados – especificamente dados profundamente conectados. Na sessão de whiteboard, chegamos a um tópico de discussão significativo: identificar e comparar soluções.

O processo de design da solução geralmente introduz várias tecnologias. O debate subsequente em torno de qual tecnologia escolher pode ser divisiva e interminável.

O caso de uso básico para dados de grafo: C360

Como ilustramos com a história do quadro branco, as equipes de tecnologia de todo o mundo estão percebendo a utilidade dos dados gráficos para resolver seus problemas de gerenciamento de dados. Para esse tipo de problema, a diferença entre soluções antigas e novas está na utilidade de modelar, armazenar e recuperar relacionamentos dentro de seus dados.

Os aplicativos que visam se concentrar nos relacionamentos em seus dados têm o desafio inicial de transformar e unificar dados entre eles. sistemas relacionais. Essa transformação exige que reorganizemos nossos pensamentos e processos, desde entidades organizadoras até organizações organizadoras. Semelhante ao desenho do quadro branco anterior, a nova abordagem para organizar seus dados de acordo com seus relacionamentos geralmente é muito próxima do que temos na figura abaixo.

Um exercício de pensamento em grafo para gerar um modelo conceitual

Os adotantes de tecnologias em grafos convergiram independentemente para nomear esse tipo de solução como um aplicativo Customer 360, geralmente abreviado como C360. A visão de um projeto C360, como o ilustrado na figura acima, é projetar um aplicativo em torno dos relacionamentos entre as entidades importantes em seus negócios.

Você pode imaginar o objetivo de um aplicativo C360; existe um objeto central, seu cliente e os relacionamentos do cliente com outras partes integrais dos dados. Esses dados provavelmente são os mais relevantes para o domínio da sua empresa. Geralmente, vemos equipes começarem com a família do cliente, métodos de pagamento ou detalhes importantes de identificação. Esse aplicativo específico em serviços financeiros foi desenvolvido para responder aos seguintes tipos de perguntas sobre seu cliente:

  1. Quais cartões de crédito esse cliente utiliza?
  2. Quais contas o cliente possui?
  3. Quais empréstimos esse cliente deve?
  4. O que sabemos sobre esse cliente?

A ideia de unificar dados do consumidor em um único aplicativo não é nova. As soluções existentes, como data warehouses ou data lake, fornecem sistemas únicos nos quais os dados do consumidor são armazenados. O problema aqui não está na integração dos dados de uma empresa, mas em sua acessibilidade. A era do pensamento em grafos nos fez revisitar essas soluções em busca de uma maneira de tornar esses dados mais disponíveis e representativos da experiência do indivíduo.

Pense desta forma: você prefere passar o dia pescando ou gostaria de ter acesso rápido ao seu jantar?

A diferença entre pescar ou pedir seu jantar é semelhante a colocar seus dados em um data lake ou organizar seus dados para recuperação rápida. As demandas dos aplicativos digitais de hoje exigem que os arquitetos se concentrem na entrega rápida de dados. As tecnologias de gráficos permitem que os arquitetos construam sistemas de recuperação profundamente conectados para complementar expedições de pesquisa mais longas nos data lakes.

Parte II – Em breve

Tags: , ,

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *