導入事例
機械学習によるパソナラゼション
60%
Etlパ▪▪プラ▪▪ンの高速化による処理時間の削減率
50%
它運用コストの削減率
迅速化
洞察时间带来了业务的显著增长
“数据库は,強力なエンド。専門分野や経験に関わらず,チーム全員が大規模なデータに素早くアクセスし,実践的な気づきを得られるようになりました。」
コンデナストaiンフラ部門
プリンシパルエンジニア
ポ、ル、フラ、ゼル氏
时尚,《纽约客》,《连线》杂志など著名な雑誌を発行する米コンデナスト社は,データを駆使することで,印刷物,オンライン媒体,動画,SNSを通じて10億人を超える読者にコンテンツを提供しています。しかし,膨大なデータを活用することは容易ではなく,インフラの管理や,データサイエンスの生産性向上に苦心してきました。数据库が,この問題を解決しました。クラスタを自動化することでDevOpsの手間を省き,三角洲湖により,一月当たり1兆のデータポイントを処理するデータパイプラインの構築を実現しました。さらに,MLflowとの連携によりデータサイエンスのイノベーションを活性化させ,機械学習のライフサイクル全体の管理を可能にしました。これらの実現により,ブランド全体を通じてパーソナライズされたコンテンツを顧客に提供し,顧客の囲い込みと維持率向上に成功しました。
无法使用客户数据来改善内容体验
米出版大手のコンデナスト社は,20を超えるブランドを運営しています。月当たりのWebコンテンツ閲覧者数は1億を超え,ページビューは8億回を超え,膨大なデータが蓄積されていました。データ部門は,機械学習の利用を通じてパーソナライズされたコンテンツ提案とターゲティング広告を配信し,ユーザーエンゲージメントの向上を図りました。しかし,実際にやってみると,いわゆるバニラ状態の火花を使用してデータプラットフォームを構築することは,困難であることがわかりました。
- インフラの複雑さ:火花クラスタの構築と管理は多くの準備と頻繁なメンテナンスを要し,結果的に,より重要な業務に十分な時間を確保できなくなっていました。
- 現状からの脱却:現状の問題を解決し,チームとしての活動を促進するために,データパイプラインの構築と,より高度な分析のための共通のプラットフォームが必要でした。
- 数据太多:数据集的增长超过了现有的数据湖解决方案。
简化数据管道和ML生命周期
コンデナスト社は,砖の提供する完全管理のクラウドプラットフォームを導入することで,オペレーションの簡素化、性能の向上,データサイエンスのイノベーションを実現しました。
- 互动工作区:数据科学家可以协作、共享和跟踪数据和见解,从而营造一个协作的环境。
- 三角洲湖:随着数据集数量的增长(每月超过1万亿个数据点),Delta Lake可以跟上并允许更多的用例,如数据重写和数据合并。
- MLflow管理:通过MLflow, Condé Nast可以轻松地管理整个机器学习生命周期,从跟踪实验到监控生产模型。
用人工智能驱动的个性化内容取悦客户
データ分析と機械学習の基盤として砖を導入することで,20を超えるブランドにおいて,顧客に関する新たな洞察を活用した顧客エンゲージメントの強化戦略が可能になりました。
- 提高客户参与度:通过改进的数据管道,Condé Nast可以做出更好、更快、更准确的内容推荐,改善用户体验。
- 统一的方法:数据工程和数据科学团队现在正在一起解决问题,并合作构建新的内容产品和体验。
- 为规模而建:数据集不再增长Condé纳斯特的处理和收集见解的能力。
- 更多产品型号:通过MLflow, Condé Nast的数据科学团队可以更快地创新他们的产品。他们已经在生产中部署了1200多种型号。