Schema und Datensatz für Einzelhandelsumsätze erstellen

In diesem Tutorial erhalten Sie die Voraussetzungen und Assets, die für alle anderen Tutorials Adobe Experience Platform Data Science Workspace erforderlich sind. Nach Abschluss sind das Schema und die Datensätze für Einzelhandelsumsätze für Sie und Mitglieder Ihres Unternehmens unter Experience Platform verfügbar.

Erste Schritte

Bevor Sie mit diesem Tutorial beginnen, müssen Sie folgende Voraussetzungen erfüllen:

Schema und Datensatz für Einzelhandelsumsätze erstellen

Das Schema und die Datensätze für Einzelhandelsumsätze werden mithilfe des bereitgestellten Bootstrap-Skripts automatisch erstellt. Führen Sie folgende Schritte in der richtigen Reihenfolge aus:

Dateien konfigurieren

  1. Navigieren Sie im Ressourcenpaket des Tutorials Experience Platform zum Verzeichnis bootstrap und öffnen Sie config.yaml mit einem entsprechenden Texteditor.

  2. Geben Sie unter dem Abschnitt Enterprise die folgenden Werte ein:

    code language-yaml
    Enterprise:
        api_key: {API_KEY}
        org_id: {ORG_ID}
        tech_acct: {technical_account_id}
        client_secret: {CLIENT_SECRET}
        priv_key_filename: {PRIVATE_KEY}
    
  3. Bearbeiten Sie die Werte, die Sie im Abschnitt Platform finden, wie im folgenden Beispiel:

    code language-yaml
    Platform:
        platform_gateway: https://platform.adobe.io
        ims_token: {ACCESS_TOKEN}
        ingest_data: "True"
        build_recipe_artifacts: "False"
        kernel_type: Python
    
    • platform_gateway: Der Basispfad für API-Aufrufe. Ändern Sie diesen Wert nicht.
    • ims_token: Ihr {ACCESS_TOKEN} geht hierhin.
    • ingest_data: Setzen Sie für diese Anleitung den Wert auf "True" , um die Schemas und Datensätze für Einzelhandelsumsätze zu erstellen. Beim Wert "False" werden nur die Schemata erstellt.
    • build_recipe_artifacts: Setzen Sie für diese Anleitung den Wert auf "False" , um zu verhindern, dass das Skript ein Rezeptartefakt generiert.
    • kernel_type: Der Ausführungstyp des Rezeptartefakts. Lassen Sie diesen Wert unverändert bei Python, wenn build_recipe_artifacts auf "False" gesetzt ist; geben Sie andernfalls den entspechenden Ausführungstyp an.
  4. Geben Sie unter dem Abschnitt Titles die folgenden Informationen für die Beispieldaten der Einzelhandelsumsätze ein; speichern und schließen Sie die Datei, nachdem Sie die Änderungen vorgenommen haben. Beispiel:

    code language-yaml
    Titles:
        input_class_title: retail_sales_input_class
        input_mixin_title: retail_sales_input_mixin
        input_mixin_definition_title: retail_sales_input_mixin_definition
        input_schema_title: retail_sales_input_schema
        input_dataset_title: retail_sales_input_dataset
        file_replace_tenant_id: DSWRetailSalesForXDM0.9.9.9.json
        file_with_tenant_id: DSWRetailSales_with_tenant_id.json
        is_output_schema_different: "True"
        output_mixin_title: retail_sales_output_mixin
        output_mixin_definition_title: retail_sales_output_mixin_definition
        output_schema_title: retail_sales_output_title
        output_dataset_title: retail_sales_output_dataset
    

Bootstrap-Skript ausführen

  1. Öffnen Sie die Terminal-Anwendung und navigieren Sie zum Ressourcenverzeichnis des Tutorials "Experience Platform".

  2. Legen Sie das Verzeichnis bootstrap als aktuellen Arbeitspfad fest und führen Sie das Skript bootstrap.py Python aus, indem Sie den folgenden Befehl eingeben:

    code language-bash
    python bootstrap.py
    
    note note
    NOTE
    Das Skript kann mehrere Minuten in Anspruch nehmen.

Nächste Schritte

Nach erfolgreichem Abschluss des Bootstrap-Skripts können die Ein- und Ausgabeschemas und -datensätze für Einzelhandelsumsätze auf Experience Platform angezeigt werden. Weiterführende Informationen finden Sie in der Anleitung zum Anzeigen einer Vorschau von Schemadaten.

Sie haben auch mit dem bereitgestellten Bootstrap-Skript erfolgreich Beispieldaten für Einzelhandelsumsätze in Experience Platform erfasst.

So arbeiten Sie weiter mit den aufgenommenen Daten:

  • Daten mit Jupyter Notebooks analysieren
    • Verwenden Sie Jupyter Notebooks in Data Science Workspace, um auf Ihre Daten zuzugreifen, sie zu untersuchen, zu visualisieren und zu verstehen.
  • Quelldateien in einem Rezept verpacken
    • In diesem Tutorial erfahren Sie, wie Sie Ihr eigenes Modell in Data Science Workspace bringen, indem Sie Quelldateien in einer wichtigen Rezeptdatei verpacken.
recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9