Terug naar alle cases Het ontwikkelen van een geavanceerde Best-Next-Action Orchestrator bij T-Mobile
Veel klanten raken gefrustreerd wanneer bedrijven niet goed of op het juiste moment communiceren, wat kan leiden tot het opzeggen van contracten. Om dit te voorkomen en de klantbetrokkenheid te verbeteren, zetten innovatieve bedrijven machine learning in voor een Next-Best-Action-platform T-Mobile heeft exact deze stap gezet
De uitdaging
Slechte klantcommunicatie voorkomen en klantverloop beperken.
Overstappen op real-time machine learning om klantgegevens direct te verwerken en ML-modellen continu te voeden.
Continuïteit waarborgen: BNA Orchestrator v2 ontwikkelen en bouwen terwijl v1 operationeel bleef, gecombineerd met de uitdagingen van thuiswerken
De oplossing
Microservices-architectuur op AWS: Gebouwd met Python, FastAPI en Uvicorn op een ECS Fargate-cluster, met Docker-images in ECR en CI/CD via GitLab.
Infrastructure-as-Code & Data Management: Inzet van Terraform, Pydantic voor datamodellen, JSON voor uitwisseling, Parquet voor opslag, en AWS Kinesis Firehose met Glue-schema's voor het her-trainen van ML-modellen.
Strenge beveiliging: Welgedefinieerde IAM-rollen, API Gateway met WAF, en een afgeschermde omgeving zonder directe internettoegang via VPC endpoints en een Transit Gateway naar het interne netwerk van T-Mobile.
Het resultaat
- Omzetstijging
- Real-time verwerking
- MLOps-volwassenheid
- Verbeterde klantbetrokkenheid