Představení nového konceptu Data Mesh, který spojuje byznys a IT do datových produktů, aby už v datech nebyl nepořádek. Ukázka z praxe jak funguje implementace Data Meshe, propojení dat na science odvětví a perosnalizační use-case české banky za pomocí marketingových dat

1. AI product studio
Data Mesh a personalizačný
use-case v realite
Absolvent FI MUNI s
diplomovou prácou o Data
Mesh. V DataSenticts na
pozícií dátového
architekta/team-leadra
pomáha byť klientom data-
driven s pomocou data-
science, Databricks a Spark.
Tomáš Bouma

2. AI product studio
Making data science & machine learning have
a real impact on organisations.
Gold partner &
Partner
of the Year 2022
Professional
partner
Partners &
Awards: Delivery partner &
Professional partner
Other verticals:
Insurance:
Retail banking:
25
+
140+
Data
scientists and
engineers
Engineers in
ODAP product &
frameworks team
Outcome driven
AI-Platform (ODAP)
Accelerating your internal teams &
use cases delivery on top of
by our products &
frameworks.
FS&I Retail CV Labs Health
Manufacturing

3. 3
Prečo dátove projekty zlihávajú?
© 2022 DataSentics an Atos company. All rights reserved.
Cross-function
Domain Oriented Source Teams
Hyper-specialized
Data & ML Platform Engineers
Cross-functional
Domain Oriented Consumer Teams

4. 4
Data Mesh
© 2022 DataSentics an Atos company. All rights reserved.
Data
Distributed
Domain
Driven
Architecture
Self-Serve
Platform
Design
Product
Thinking
Building a successful
Data Mesh–More than just
a technology initiative
Published on July 18, 2021
Nazia S.
Data Mesh — A Data
Movement and Processing
Platform @ Netflix
Published on August 1, 2022
Bo LEI
Build a modern,
distributed Data Mesh
with Google Cloud
Published on February, 2022
Firat Tekiner

5. 5
Personalizačný use-case v banke
• Segmentácia zákazníkov podľa komunikovanosti
• Podkomunikovaný zákazníci su normálny zákazníci ktorý
nemajú affinitu k pôžičke alebo hypotéke.
• Analýza podkomunikovaných zákazníkov
• NLP model na identifikáciu kľúčových slov z online dát
• Propensity to buy model na vyhodnotenie affinity k
pôžičke/hypotéke
• Podkomunikovaný zákazníci by radšej svoje peniaze
investovali alebo sa zaujímali o iné produkty
• Vytvorenie personalizovanej komunikácie na tento typ
zákazníkov
0K
100K
200K
300K
400K
500K
600K
700K
800K
MALO STREDNE HODNE
Pocket
klientu
Segmenty
© 2022 DataSentics an Atos company. All rights reserved.

6. 6
Hľadanie klientov so záujmom o investície
pomocou NLP
• Špecifikovať segment ľudí, čo si vzali nedávno investície
• Roztokenizovať URL adresy z Adform dát
• Použiť JLH na zvolenie tokenov ktoré sú špecifické pre ľudí
ktorý si vzali investície
História klientov o čom si
čítali 30 dní pred a po tom,
čo si zjednali Investíciu u
ČSAS
Charakteristické
slová
Word2vec
obohatenie
Target based interest
Investície
investování
investovat
investuj
reinvesticni
splitek
Finálny výber persony 350k
z toho 30k spĺňalo kritéria
PT_KEY
Datum zjednania
investície
123t 1.3.2019
124 1.5.2019
125 2.4.2019
126 1.3.2020
127 1.3.2020
Key words Skóre
sporoinvest 3.0
akcie 2.8
podilove 2.5
erste 2.1
investice 2.1
© 2022 DataSentics an Atos company. All rights reserved.

7. 7
Vytvorenie dátového produktu
Adform
Offline Data
Raw Data Sources Data Products Business Use-cases
Personalized
Communication
Personalized Web
Marketing
Personalized Rate
Optimization
Loans
Mixed team of
business and
data people
Profile 360
Mixed team of
business and
data people
Investments
Mixed team of
business and
data people
© 2022 DataSentics an Atos company. All rights reserved.

8. 8
Výsledky
• 3,7x viac návštev na blogu z
personalizovaných emailov, po tom čo
zákazníci videli reklamu v porovnaní s
tradičnou one-off komunikáciou
• 2,4x viac návštev na blogu z emailu pri
personalizovanej komunikácií v porovnaní
s nepersonalizovanímy emailami
• 2,4x viac návštev na blogu od klientov s
veľkou ML modelovou affinitou v
porovnaní s kontrolnou skupinou
• 1,5x viac návštev na blogu z omni-
channel scenárov v porovnaní s one-off
komunikáciou
Type of Communication Blog Visits
Omnichannel scenario 11,9%
One-way communication 7,7%
Control group 0,4%
Type of Targeting Blog Visits
ML model affinity 14,2%
Digi interest in investments 9,1%
Control group 5,9%
Offline Start Online Start
E-mail
Open Rate
Blog Visits
from E-mail
Link
E-mail
Open Rate
Blog Visits
from E-mail
Link
Personalised 51% 17% 52% 26%
Non-personalised 43% 7% 43% 15%
Source
© 2022 DataSentics an Atos company. All rights reserved.

9. 9
Čo si treba odniesť
Čo to je Data Mesh a prečo má hype
Prečo je dôležité tvoriť dátové produkty
Konkrétná podoba týmu vrámci
personalizačného oddelenia
Thinking outside of the box
• Nerobme marketing iba na primárne produkty
• Dajme šancu novým technológiám
Case study s viac informáciami
© 2022 DataSentics an Atos company. All rights reserved.