Integración con Databricks

Introducción

Outdoo AI analiza los datos de sus llamadas comerciales (reuniones grabadas con clientes) en tiempo real y los datos de sus oportunidades (pipeline y oportunidades del CRM) a intervalos programados. Integrar estos datos analizados en Databricks permite a los equipos de RevOps y de datos unificar la inteligencia conversacional con otros datos del negocio.

Esto permite un análisis más profundo de las tendencias de las oportunidades, el rendimiento de los miembros del equipo, el comportamiento de los clientes y los riesgos del pipeline con sus herramientas de BI y flujos de trabajo actuales. Conectar Outdoo AI a su almacén de datos le permite correlacionar los insights de las llamadas y las métricas de oportunidades obtenidas por la IA con los datos del CRM, de uso del producto y de ingresos, para tomar decisiones mejor fundamentadas.

Descripción general de la integración y métodos admitidos

Outdoo AI ofrece opciones de integración directa para sincronizar datos con su almacén de datos sin necesidad de herramientas ETL de terceros. Se admiten los siguientes métodos:

Extracción mediante API REST: Outdoo AI ofrece API RESTful para obtener los datos de llamadas y oportunidades en integraciones personalizadas. Requiere más desarrollo personalizado, pero ofrece flexibilidad si los demás métodos no cubren sus requisitos.

Área de staging en almacenamiento en la nube (S3 o ADLS): Outdoo AI puede exportar archivos de datos en formato JSON a un bucket de almacenamiento en la nube de su propiedad. Databricks puede cargar automáticamente archivos desde el almacenamiento en la nube. Este método resulta útil si no es posible establecer conexiones directas con la base de datos, aunque puede introducir ligeros retrasos (por ejemplo, entregas diarias de archivos por lotes).

Configuración de seguridad y autenticación

Antes de empezar, asegúrese de haber preparado un acceso seguro para Outdoo AI:

• Cree credenciales dedicadas: aprovisione un usuario o rol dedicado en Databricks para Outdoo AI. Para las integraciones a largo plazo, utilice una entidad de servicio (Service Principal) con un token en lugar de un token personal. Conceda solo los privilegios mínimos necesarios para crear los esquemas que utiliza Outdoo AI y escribir en ellos.

• Acceso de red: si su almacén de datos está detrás de un cortafuegos o en una VPC, añada a la lista de permitidos las direcciones IP de salida de Outdoo AI o utilice un método de conectividad privada.

• Claves de API y tokens: genere tokens seguros para las conexiones. Outdoo AI almacenará de forma segura los tokens o secretos que proporcione.

• Certificados y cifrado: todas las integraciones utilizan canales cifrados (HTTPS para las API, TLS para JDBC).

• Auditoría y revocación: trate las credenciales de la integración de Outdoo AI como cualquier cuenta de servicio. Supervise la actividad y rote las claves y tokens periódicamente.

Integración con Databricks

En el caso de Databricks (Lakehouse en AWS o Azure), Outdoo AI se integra mediante escritura directa en su entorno de Databricks a través de la interfaz de SQL Warehouse. Outdoo AI se conecta a un endpoint de Databricks SQL Warehouse mediante JDBC o HTTP y crea las tablas de datos como tablas Delta. Así no se necesitan archivos intermedios ni procesos ETL independientes.

Pasos de configuración

• Prepare un Databricks SQL Warehouse: en su espacio de trabajo de Databricks, cree un nuevo SQL Warehouse dedicado a las integraciones. Active Unity Catalog si lo utiliza. Outdoo AI puede escribir en el catálogo y el esquema concretos que usted designe. Anote el nombre de host y el HTTP Path del warehouse.

• Genere un token de acceso: cree un Personal Access Token en la configuración de usuario de Databricks, o cree una Service Principal dedicada para Outdoo AI y genere un token para ella. Asegúrese de que el token tenga permiso para acceder al warehouse de destino y escribir en el catálogo y esquema de destino.

• Configure el esquema de destino: decida en qué catálogo y esquema de Databricks debe escribir los datos Outdoo AI (por ejemplo, el catálogo main y un esquema llamado outdoo_data). Asegúrese de que la identidad de Outdoo AI pueda ejecutar CREATE TABLE en ese esquema.

• Facilite a Outdoo AI los datos de conexión de Databricks: en Outdoo AI, vaya a Company Settings > Ecosystem > Data Cloud, abra Databricks e indique los datos necesarios: Server Hostname, HTTP Path, Port (normalmente 443), el nombre del catálogo y del esquema, y el Access Token. Haga clic en Connect para autorizar la integración.

• Proceso de sincronización de datos: una vez establecida la conexión, Outdoo AI crea tablas Delta en el esquema de Databricks especificado. Outdoo AI inserta primero por lotes los datos históricos y, después, envía los nuevos registros de llamadas cuando termina el análisis de cada llamada. La tabla DEALS se actualiza a intervalos programados (por ejemplo, una vez al día). Outdoo AI utiliza upserts (MERGE) en las tablas cuyos registros pueden cambiar, como las actualizaciones de la fase de una oportunidad.

• Verifique las tablas en Databricks: consulte las tablas Delta para verificar los datos. Por ejemplo, ejecute SELECT count(*) FROM outdoo_data.calls; para ver si el recuento coincide con el número de llamadas esperado.

Consideraciones sobre el esquema y los datos

La tabla calls contiene columnas como call_id, call_datetime, participant_names, duration, sentiment_score, talk_ratio y keywords. La tabla deals contiene deal_id, deal_name, owner, stage, amount, close_date, last_call_date y deal_risk_score. Outdoo AI también puede crear una tabla DEAL_HISTORY o FORECAST_SUBMISSIONS para el seguimiento histórico.

Las tablas serán tablas de Delta Lake, que admiten actualizaciones ACID. Outdoo AI puede usar un indicador como is_deleted para los registros eliminados de forma lógica.

Con los datos de Outdoo AI en Databricks, puede combinarlos con cualquier otro dato de su Lakehouse. Por ejemplo, un equipo de ciencia de datos podría combinar la tabla outdoo_data.calls con los registros de uso del producto para ver si el sentimiento de las llamadas se correlaciona con la adopción del producto. Un equipo de análisis podría crear un panel de BI que combine los insights de conversación de Outdoo AI con datos financieros. Un pipeline de aprendizaje automático podría entrenarse con transcripciones de llamadas combinadas con los resultados de las oportunidades para predecir su éxito.

Esperamos que este artículo le haya resultado útil. Si tiene alguna consulta, escríbanos a support@outdoo.ai

Artículos relacionados

• Integración con Snowflake

• Integración con Amazon Redshift

• Outdoo Open API