Schema und Datensatz für Einzelhandelsumsätze erstellen

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

Erste Schritte

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

  • Zugriff auf Adobe Experience Platform. Wenn Sie keinen Zugriff auf eine IMS-Organisation in Experience Platform haben, wenden Sie sich an Ihren Systemadministrator, bevor Sie fortfahren.
  • Autorisierung zum Ausführen von Experience Platform API-Aufrufen. Führen Sie die Anleitung zum Authentifizieren und Aufrufen von Adobe Experience Platform-APIs aus, um die folgenden Werte abzurufen, damit die Anleitung erfolgreich abgeschlossen werden kann:
    • Authorization: {ACCESS_TOKEN}
    • x-api-key: {API_KEY}
    • x-gw-ims-org-id: {IMS_ORG}
    • Client-Geheimnis: {CLIENT_SECRET}
    • Client-Zertifikat: {PRIVATE_KEY}
  • Beispieldaten und Quelldateien für das Rezept „Einzelhandelsumsätze“. Laden Sie die für dieses und andere Data Science Workspace-Tutorials erforderlichen Assets aus dem öffentlichen Git-Repository der Adobe herunter.
  • >= 2.7 Python und die folgenden Python-Pakete:
  • Ein grundlegendes Verständnis der folgenden in dieser Anleitung verwendeten Konzepte:

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

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

    Enterprise:
        api_key: {API_KEY}
        org_id: {IMS_ORG}
        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:

    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} gehört hier hin.
    • 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 Schemas 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:

    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 Ihre 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:

    python bootstrap.py
    
    HINWEIS

    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.

Auf dieser Seite