Schema und Datensatz für Einzelhandelsumsätze erstellen

This tutorial provides you with the prerequisites and assets required for all other Adobe Experience Platform Data Science Workspace tutorials. Upon completion, the Retail Sales schema and datasets will be available for you and members of your IMS Organization on Experience Platform.

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. Inside the Experience Platform tutorial resource package, navigate into the directory bootstrap, and open config.yaml using an appropriate text editor.

  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. Open your terminal application and navigate to the Experience Platform tutorial resource directory.

  2. Set the bootstrap directory as the current working path and run the bootstrap.py Python script by entering the following command:

    python bootstrap.py
    
    Hinweis

    Das Skript kann mehrere Minuten in Anspruch nehmen.

Nächste Schritte

Upon successful completion of the bootstrap script, the Retail Sales input and output schemas and datasets can be viewed on Experience Platform. Weiterführende Informationen finden Sie in der Anleitung zum Anzeigen einer Vorschau von Schemadaten.

You have also successfully ingested Retail Sales sample data into Experience Platform using the provided bootstrap script.

So arbeiten Sie weiter mit den aufgenommenen Daten:

Auf dieser Seite