使用 MongoDB Atlas构建客户单一视图
开展一项持久、成功的业务，关键在于了解客户。如果你真正了解你的客户，你便掌握了他们的需求和欲望，进而在对的时间以对的方式交付适宜的商品。然而，对于绝大多数 B2C 企业而言，由于存在大量分散的数据，很难构建单一的客户视图。
企业收集客户数据的场景有很多，比如电商平台、CRM、ERP、忠诚度计划、支付端口、网络 APP、手机 APP 等等。各数据集可能是结构化、半结构化或非结构化，以流处理的形式交付或需要批处理，进一步加重了让碎片化的客户数据编辑工作。一些企业开始寻求定制解决方案，但只能提供部分客户视图。
孤岛数据集让运营变得极具挑战性，包括客户服务、定向市场营销和高级分析（如流失预测和推荐）等。只有获得 360 度的客户视图，企业才能真正理解客户的需要、欲望和要求，进而谈及满足客户需求。因此，360 度数据的单一视图成为实现持久客户关系的关键。
在本篇文章中，我们将详细分析如何通过 MongoDB 数据库和 Cogniflare Calledio Customer 360 工具架构客户单一视图，并依照现实世界中的使用案例了解情感分析。
使用 Calleido Customer 360 构建单一视图
借助 Customer 360 数据库，企业机构能够获得和分析多种类型的个体交互和触点，进而构建客户整体视图。实现途径是通过一系列不同的资源获取数据。不过，这些数据信息的发送和转换既复杂又耗时，
现有的许多大数据手段也并不适配云环境。为了解决这些挑战和困难，Cogniflare 推出了 Calleido。
Calleido 是一个数据处理平台，基于久经考验的开源工具，如 Apache NiFi。Calleido 拥有 300 个处理器，可轻松异动结构化和非结构化数据，打破地域束缚。它提供批量和实时更新，处理简单的数据转换。
更重要的是，Calleido 能够与 Google Cloud 无缝整合，实现一键式部署。它利用 Google Kubernetes Engine 按需进行纵向和横向扩展，打造直观、流畅的低代码开发环境。
现实世界用例：客户电子邮件的情感分析
下面通过对客户电子邮件的情感分析用例来演示 Cogniflare Calleido、MongoDB Atlas 和 Customer 360 视图。
为简化 Customer 360 数据库的构建，Cogniflare 团队创建了工作流模板，可在几秒钟完成数据管道部署。在接下来的章节中，我们将详细介绍一些常用的数据转移模式，来演示本 Customer 360 用例和控制面板样本。
-
自处理器从电子邮件服务器 (ConsumeIMAP) 提取 IMAP 消息起，工作流便开始了。进入所选收件箱（即客户服务）的每封新邮件都会触发一次事件。
-
接着，会提取电子邮件标题来判断有关电子邮件内容的重要详情 (ExtractEmailHeaders)。
-
Calleido 会借助发送人的电子邮件识别客户 (UpdateAttribute)，并通过执行脚本来提取电子邮件全文 (ExecuteScript)。
-
此时，基于已收集到的所有数据，可形成消息有效负载，并通过 Google Cloud Platform (GCP) Pub/Sub（还可使用 Kafka）发布，满足下游工作流和其他服务的使用。
- 接着，会用到前一工作流中的 GCP Pub/Sub 消息 (ConsumeGCPPubSub)。此时，我们会借助 MongoDB Atlas 的整合功能来验证MongoDB 数据库中的每一位发件人 (GetMongo)。如果某位客户已存在于我们的系统中，那么我们会把该电子邮件数据发送至下一工作流，然后忽略其他电子邮件。
-
随后，开始分析电子邮件正文。在本工作流中，我们使用处理器准备一份请求正文，发送至 Google云自然语言AI获取消息的语气和情感信息。
-
语言处理 API 的结果会直接发送至 MongoDB Atlas，进入控制面板。
控制面板中的最终结果
Customer 360 数据库可用于内部后台业务系统，补充和通知客户支持。在单一视图的加持下，故障排除、退货和投诉处理都变得更加便捷、高效。
利用之前的客户通话信息，可确保为每一位客户提供最恰当、有效的回应。这些数据集还可导入分析系统，促进学习和优化，例如将负面情感和流失率相关联。
MongoDB 文档数据库的作用
在上述示例中，Calleido 负责将企业源系统中的数据复制和发送至 MongoDB Atlas——运营数据存储 (ODS)。
得益于 MongoDB 灵活的数据架构，我们能够以原始格式传输数据，后续还能够以迭代的方式执行必要的模式转换，无需运行复杂的模式迁移，快速交付单一视图数据库。
Calleido 可以让我们通过简单的几步便完成此转变。
-
此工具运行自定义 SQL 查询 (ExecuteSQL)，汇总来自外部图表的全部所需数据，编译结果，以便进行并行处理。
-
收到的数据为 Avro 格式，Calleido 随后将其转换为 JSON (ConvertAvroToJSON)，并转移至 MongoDB (JoltTransformJSON) 的模式中。
Customer 360 控制面板中的最终结果
MongoDB Atlas 是面向 Customer 360 数据库的行业领先之选。以下是其称为世界级标杆的主要原因：
-
MongoDB 可有效处理来自原有系统的非标准化模式，并存储为任意自定义属性
-
数据模型包括作为嵌套文档的所有相关数据。有别于 SQL 数据库，MongoDB 可规避难以写入和操作的复的加入查询。
-
MongoDB 非常快速，当前的客户视图能够在几毫秒内呈现，无需引入缓存层。
-
MongoDB 灵活的模式模型可通过迭代的方式实现敏捷性。在最初的提取中，数据几乎可以按照原始形状进行复制，进而大幅降低延迟。在后续阶段中，无需繁琐的 SQL 迁移，即可标准化模式，提升数据质量。
-
MongoDB 可跨越多个数据中心存储几十 TB 数据，轻松实现横向扩展
-
可跨越多个区域分享数据，有效应对合规性要求。
-
可设置独立的分析节点，避免影响生产系统的性能。
-
MongoDB 在作为单一视图数据库运行上具有有迹可循的业绩记录，曾有多家大型传统组织在两周内即运行原型，一个业务季度内即投入生产。
-
MongoDB Atlas 可直接自动扩展，降低成本，应对流量高峰。
-
数据可实现动态和静态加密，有助于满足安全和隐私标准，包括 GDPR、HIPAA、PCI-DSS 和 FERPA。
向客户追加销售：产品推荐
向客户追加销售是现代业务的关键环节之一，其成功的诀窍在于：减少直接推销，更多专注培养和引导。即使用数据识别客户所处的购买阶段，他们的所思所想以及通过何种产品或服务能够满足需求。
基于客户的购买记录，Calleido 可将数据发送至相应的工具（如 BigQuery ML），进而协助完成产品推荐。接着，这些内容可通过客服中心和市场营销团队进行线上或手机 APP 推送。
实现这一目标，涉及两个工作流：准备训练数据和生成产品推荐：
准备训练数据
-
首先，使用 ExecuteSQL 处理器将合适的数据从 PostgreSQL 转移至 BigQuery。数据管道可以编排为定期执行。
-
下一步，从 PostgreSQL 获取合适的数据，借助 ExecuteSQLRecord 处理器分割为 1,000 行的数据块。
-
接着，这些文件会传送至下一个处理器，通过负载平衡利用所有可用的节点。
-
然后，所有上述数据会通过 PutBigQueryStreaming 处理器插入至 BigQuery 表中。
生成产品推荐
接下来，我们介绍产品推荐的生成。
-
首先，必须购买 Big Query 容量槽，以最经济的方式使用 BigQuery ML 的各项功能。
-
此时，Calleido 会通过 ExecuteSQL 处理器调用 SQL 程序，确保所需的 BigQuery 容量可正常使用。
-
下一个处理器 (ExecuteSQL) 将执行 SQL 查询，使用从第一个工作流中复制的数据创建和训练 Matrix Factorization 机器学习模型。
-
随后，Calleido 使用 ExecuteSQL 处理器查询已受训的模型获取所有预测，并存储在专属的 BigQuery 表格中。
-
最后，Wait 处理器等待所有容量槽的移除，因为已不再需要。
- 接着，我们借助两个处理器移除旧的推荐。首先，ReplaceText 处理器会更新即将开始的工作流文件内容，设置查询主体，方便DeleteMongo 处理器用于执行移除操作。
- 将推荐复制到 MongoDB 便完成了整个工作流。ExecuteSQL 处理器获取和集合每位用户的前 10 项推荐，均以 1,000 行的数据块呈现。接着，以下两个处理器（ConvertAvroToJSON 和 ExecuteScript）备好数据，通过 PutMongoRecord 处理器插入 MongoDB 集合。
Customer 360 控制面板中的最终结果（本示例中所用的数据为自动生成）：
MongoDB Atlas 上 Calleido 360 客户数据库的优势
如果数据位于集中操作数据存储（如 MongoDB）中，那么可通过 Calleido 与分析数据存储（如 Google BigQuery）进行同步。借助Customer 360 数据库，内部相关方可将数据用于：
-
通过细分和定向市场营销来提升客户满意度
-
精准、快速访问合规性审计
-
构建需求规划展望和市场趋势分析
-
奖励客户忠诚，降低流失率
最终，客户单一视图不仅能够帮助企业机构向潜在的买家精准交付消息，还能将处于品牌认知阶段的客户引流到转化阶段，并确保客户保留和售后机制高效运转。
在过去，客户 360 视图是个繁杂、碎片化的过程；但现在依托 Cogniflare 的 Calleido 和 MongoDB Atlas，Customer 360 数据库已成为企业机构放心使用的功能强大、成本可控的数据管理堆栈。