Salesforce DMP Leverages AWS for Efficient Data Processing and Enhanced Customer Engagement

技术

分析与建模 - 机器学习
应用基础设施与中间件 - 数据库管理和存储

适用行业

水泥
设备与机械

用例

施工管理
基础设施检查

服务

数据科学服务
系统集成

挑战

Salesforce DMP 的基础架构在每个客户的数字足迹中持续存在，包括网站、设备、应用程序和活动，并且 Salesforce DMP 嵌入在其客户与其消费者之间的每次数字交互中。快速的性能和无限的扩展能力对于向消费者提供实时个性化体验和向客户提供数据驱动的洞察力至关重要。

Salesforce DMP 收集、存储每条受众数据并使其持续提供给客户，管理超过 10 PB 的按需数据。跨媒体全面观察行为，而不仅仅是活动减少偏见，并为客户提供更高的准确性和更复杂的定位和分析细分。 Salesforce DMP 不要求其客户使用预先确定的受众分类；相反，它使他们能够根据需要独立更改其受众分类，以便他们能够快速适应不断变化的业务需求。

然而，这种方法对 Salesforce DMP 系统提出了巨大的要求，以快速有效地处理大量数据。 Salesforce DMP 需要工具来确保它能够为客户提供高投资回报，同时不断开发新的平台功能并将其推向市场。

客户

销售人员 DMP

关于客户

Salesforce DMP（前身为 Krux）是领先的数据管理平台 (DMP)，它统一、细分和激活受众以增加与用户、潜在客户和客户的互动。借助 Salesforce DMP，营销人员可以通过在每个设备（台式机、移动设备、平板电脑和机顶盒）和每个渠道（显示、社交、搜索和视频）上捕获、统一和激活数据签名来提供更相关和更有价值的客户体验实时。 Salesforce DMP 每月与超过 30 亿个浏览器和设备交互，支持超过 2000 亿个数据收集事件，处理超过 30 亿个 CRM 记录，并协调超过 2000 亿个个性化消费者体验。

解决方案

Salesforce DMP 求助于 AWS 来管理涵盖多种模式的数据处理要求（包括近实时、按需和批处理模式），并对 PB 级数据执行按需分析。 Salesforce DMP 结合使用 Amazon Elastic MapReduce 上的 Apache Hadoop、(Amazon EMR) 和 Apache Spark 来运行机器学习作业和提取/转换/加载 (ETL) 工作负载，并将 Amazon Simple Storage Service (Amazon S3) 作为其核心分布式存储系统。 Salesforce DMP 利用 Amazon EMR 基础设施，使用 Amazon EC2 Spot 实例以降低成本访问计算功能。

Salesforce DMP 使用 AWS Data Pipeline（一种在不同 AWS 计算和存储服务之间移动数据的服务）来安排 Apache Hadoop 和 Apache Spark 作业。 Salesforce DMP 使用 Amazon EMR 随时管理集群，以支持其按需批处理和数据科学数据处理框架。它还使用 Amazon DynamoDB 存储用户细分会员数据，这些数据可在全球不同的设备和应用程序上使用。

运营影响

The AWS services have helped Salesforce DMP scale and deliver a highly flexible data-processing service to a global customer base. By using Apache Spark with Amazon EMR and AWS Data Pipeline, Salesforce DMP has seen an increase in the performance of its iterative jobs, making its systems faster and more efficient. The use of Amazon EC2 Spot instances has resulted in significant cost savings. The flexibility provided by AWS allows Salesforce DMP's clients to change their segmentation strategies without limits, enabling them to experiment and innovate using the platform to ensure their business results. This would not have been possible with traditional, non-cloud-based infrastructure environments.

数量效益

Increased the processing speed for its data science and ETL work by 100 percent.
Saved up to 40 percent over Amazon EC2 Reserved-instance pricing.
Saved up to 80 percent over on-demand pricing.