Cómo Comcast Advertising Acelera las Previsiones de Campaña con Databricks Apps
Comcast Advertising conecta marcas con casi 125 millones de hogares estadounidenses a través de campañas de televisión multipantalla en plataformas tradicionales y de streaming. El equipo de ciencia de datos de la empresa utilizó Databricks Apps para transformar modelos predictivos complejos en paneles de previsión interactivos accesibles directamente por los equipos de ventas y marketing. Los ciclos de desarrollo se redujeron entre un 10 y un 30%, y los gestores de campañas ganaron la capacidad de ejecutar escenarios hipotéticos en tiempo real sin necesitar apoyo de científicos de datos.
Impacto
10–30%
Reducción en el tiempo de desarrollo de productos de datos
125 million
Hogares estadounidenses alcanzables a través de las campañas de Comcast Advertising
Desafío
Los científicos de datos construyeron modelos predictivos precisos para la optimización de campañas, pero no tenían una forma práctica de entregar salidas interactivas de los modelos a los usuarios de negocio: el desarrollo de aplicaciones personalizadas requería alojamiento separado y herramientas de frontend desconocidas, ralentizando el camino desde el análisis hasta la decisión.
Solución
Comcast Advertising desplegó Databricks Apps para construir paneles de previsión interactivos basados en Python directamente dentro de su plataforma Databricks existente, usando Unity Catalog para el control de acceso, MLflow para el servicio de modelos y SQL Serverless para consultas gobernadas.
Herramientas y tecnologías
Lo que dicen los líderes
“Queríamos una forma de que los usuarios de negocio pudieran interactuar directamente con los resultados de los modelos sin necesidad de entender la ciencia de datos subyacente. Eso significaba que necesitábamos una plataforma que nos permitiera construir aplicaciones rápidamente, personalizarlas e integrarlas con nuestros pipelines de datos.”
“Hemos ahorrado tiempo, pero lo más importante es que hemos mejorado la calidad de lo que estamos construyendo al mantener todo dentro de una plataforma unificada.”
Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.
Historia completa
Comcast Advertising opera a una escala que convierte la ciencia de datos en algo indispensable y, a la vez, en un cuello de botella. Llegar a 125 millones de hogares en las 210 áreas de mercado designadas genera enormes volúmenes de datos de audiencia, interacción y rendimiento de campañas. Los científicos de datos de la organización construyeron sofisticados modelos predictivos para optimizar estrategias publicitarias, pero esos modelos vivían en entornos técnicos a los que los usuarios de negocio no podían acceder ni interpretar.
La brecha entre el resultado del modelo y la decisión de negocio era costosa. Las herramientas de BI tradicionales carecían de flexibilidad para permitir a los usuarios finales interactuar dinámicamente con las salidas del modelo. Crear aplicaciones personalizadas para los equipos de negocio requería infraestructura de alojamiento separada, frameworks de frontend desconocidos y una sobrecarga de ingeniería considerable que nada tenía que ver con mejorar el rendimiento de las campañas. Los científicos de datos invertían tiempo en la fontanería de aplicaciones en lugar de mejorar los modelos.
Cuando Databricks Apps estuvo disponible, el equipo de ciencia de datos de Comcast Advertising reconoció la oportunidad de cerrar este ciclo. Ya utilizando Databricks para Lakeflow Spark Declarative Pipelines, experimentación con ML, gobierno de Unity Catalog y seguimiento de modelos con MLflow, el equipo podía ahora construir aplicaciones interactivas basadas en Python directamente dentro de su plataforma de datos existente. Sin alojamiento separado, sin cambios de contexto, sin nuevas pilas tecnológicas que mantener.
La primera aplicación fue un panel de previsión que permite a los usuarios de negocio ajustar parámetros de entrada —asignaciones de presupuesto, objetivos de audiencia, parámetros de campaña— y ver predicciones de ingresos de forma inmediata. Los equipos de ventas, estrategia y experiencia del cliente pueden ejecutar escenarios hipotéticos ilimitados sin necesidad de hacer cola para solicitar ayuda a los científicos de datos. El ciclo de retroalimentación se acortó drásticamente, con los resultados del modelo llegando a los responsables de decisiones más rápido y con mayor interacción contextual que cualquier informe estático.
El tiempo de desarrollo de nuevos productos de datos cayó entre un 10 y un 30%, consecuencia directa de mantener todo dentro de una plataforma unificada. El panel de previsión está actualmente en pruebas de aceptación de usuario, con planes de expandirlo a cientos de usuarios. El equipo también está explorando las capacidades de IA generativa dentro de Databricks, incluidos chatbots asistentes de IA y la arquitectura Lakebase para unificar aún más los datos operativos y analíticos.
Amazon SageMaker