Bearbetningsregler, VISTA och klassificeringar jämfört med Data Prep

Adobe Analytics bearbetningsregler och VISTA-regler erbjuder ett sätt att omvandla och hantera data som skickas till Adobe Analytics datainsamling. Dessa omvandlingar sker som en del av databearbetningen i Adobe innan data lagras för rapportering och analys i Adobe Analytics.

Dataprep är ett verktyg som gör att du kan använda radbaserade mappningar och omformningar på data som hämtas in till Adobe Experience Platform. Dessa uppgifter görs sedan tillgängliga för Experience Platform, inklusive Customer Journey Analytics och andra. Dataförberedelsen är integrerad med många av plattformarna källkopplingar, liksom med Källanslutning för analyser. Den här kopplingen är ett sätt att importera rapportsvitsdata från Adobe Analytics till Platform.

Ytterligare omformning med Data Prep data-prep

Data som samlas in av och lagras i Adobe Analytics kan omformas antingen med bearbetningsregler eller VISTA-regler eller både och. Men rapportsviter som sedan vidarebefordras till plattformen via Analytics-källkopplingen kan omvandlas ytterligare en gång med Data Prep. Detta kan vara önskvärt av flera skäl:

  • Lösa schemaskillnader mellan rapportsviter för användning i Customer Journey Analytics och/eller RTCDP. Låt oss till exempel säga att rapportsviten A definierar eVar1 som"Sökord" och rapportsvit B definierar eVar2 som sökterm. Du kan använda dataprep för att mappa de två olika eVars-elementen till ett gemensamt fält som innehåller data från båda eVars-elementen. Detta gör det möjligt att kombinera rapportsviter med olika scheman i en Customer Journey Analytics-anslutning eller för användning i Real-time Customer Data Platform.
  • Mappning eVars fält till semantiskt meningsfulla namn. eVars och props som kommer via Analytics-källkopplingen mappas till fält som _experience.analytics.customDimensions.eVars.eVar1. Dataförinställningen kan användas för att mappa eVar och prop fält till nya fält som har mer meningsfulla namn för användarna eller som matchar namn från andra datakällor. (Detta kan även göras på andra sätt, t.ex. genom att byta namn på fälten i en Datavy för Customer Journey Analytics.)
  • Generellt omformande data. Datapersonen har hundratals mappningsfunktioner som kan användas för att beräkna och beräkna nya fält baserat på data som kommer via Analytics-källkopplingen. Du kan dela upp avgränsade fält i separata fält. Du kan kombinera fält. Du kan ändra strängar. Du kan extrahera information från ett fält baserat på reguljära uttryck och mycket annat.

Förberedelse och klassificering av data classifications

Data Prep har korsning med klassificeringar i vissa situationer.

I ett avgränsat fält kan du till exempel använda Data Prep för att dela upp fältet i flera enskilda fält utan att använda klassificeringar. I allmänhet är klassificeringar ett sätt att lägga till metadata i ett fält genom att överföra en uppslagsfil som tillhandahålls utanför strömmen med inkommande Analytics-händelser.

Du kan till exempel överföra en klassificeringsfil som grupperar SKU:er till"size","brand","color" osv. En annan skillnad mellan klassificeringar och Data Prep är att klassificeringar tillämpas på data både historiskt och framåt. Dataprexamappningar tillämpas å andra sidan vidarebefordra till data från den tidpunkt då mappningen skapades.

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