Règles de traitement, VISTA, et classifications par rapport à la préparation des données

Les règles de traitement et les règles VISTA d’Adobe Analytics offrent un moyen de transformer et de manipuler les données transmises à la collecte de données d’Adobe Analytics. Ces transformations se produisent dans le cadre du traitement des données par Adobe avant leur stockage à des fins de création de rapports et d’analyse dans Adobe Analytics.

La préparation de données est un outil qui vous permet d’appliquer des mappages et des transformations reposant sur des lignes aux données ingérées dans Adobe Experience Platform. Les données sont ensuite mises à la disposition des applications Experience Platform, notamment Customer Journey Analytics et d’autres. La préparation des données est intégrée à de nombreux connecteurs source de Platform ainsi qu’au connecteur source Analytics. Ce connecteur permet d’ingérer des données de suite de rapports d’Adobe Analytics dans Platform.

Transformations supplémentaires au moyen de la préparation des données data-prep

Les données collectées et stockées dans Adobe Analytics peuvent être transformées par des règles de traitement ou des règles VISTA, ou par les deux. Cependant, les suites de rapports qui sont après cela transférées vers Platform par le biais du connecteur source Analytics peuvent être de nouveau transformées au moyen de la préparation de données. Cela peut être utile dans plusieurs buts :

  • Résoudre les différences de schémas entre les suites de rapports à utiliser dans Customer Journey Analytics et/ou RTCDP. Par exemple, supposons que la suite de rapports A définit eVar1 comme un « terme de recherche » et que la suite de rapports B définit eVar2 comme un « terme de recherche ». Vous pouvez utiliser la préparation de données pour mapper les deux eVars différentes dans un champ commun qui contient les données des deux eVars. Cela permet de combiner des suites de rapports avec différents schémas dans une connexion Customer Journey Analytics ou de les utiliser dans la Real-time Customer Data Platform.
  • Mapper des champs eVars à des noms à la signification sémantique. eVars et props passant par le connecteur source Analytics sont mappées à des champs tels que _experience.analytics.customDimensions.eVars.eVar1. La préparation des données peut servir à mapper les champs eVar et prop à de nouveaux champs aux noms plus significatifs pour vos utilisateurs et utilisatrices ou correspondant à des noms provenant d’autres sources de données. (Cette opération peut également être effectuée d’autres façons, comment en modifiant le nom des champs dans une vue de données Customer Journey Analytics.)
  • En général, transformer des données. La préparation des données rassemble des centaines de fonctions de mappage qui peuvent être utilisées pour calculer de nouveaux champs en fonction des données passant par le connecteur source Analytics. Vous pouvez diviser les champs délimités en champs distincts. Vous pouvez combiner des champs. Vous pouvez manipuler des chaînes. Vous pouvez extraire des informations d’un champ en fonction d’expressions régulières, et bien plus encore.

Préparation et classification des données classifications

La préparation de données rejoint les classifications dans certains cas.

Par exemple, dans un champ délimité, vous pouvez utiliser la préparation des données pour diviser ce champ en plusieurs champs individuels sans utiliser de classifications. En règle générale, les classifications servent à ajouter des métadonnées à un champ en chargeant un fichier de recherche fourni en dehors du flux des événements Analytics entrants.

Vous pouvez par exemple charger un fichier de classification qui regroupe les SKU en fonction de leur « taille », « marque », « couleur », etc. Une autre différence entre les classifications et la préparation de données réside dans le fait que les classifications s’appliquent à la fois aux données historiques et futures. Les mappages de la préparation de données, en revanche, s’appliquent aux données futures à partir du moment où le mappage est créé.

recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79