Criar o esquema de vendas de varejo e o conjunto de dados
Este tutorial fornece os pré-requisitos e os ativos necessários para todos os outros Adobe Experience Platform Data Science Workspace tutoriais. Após a conclusão, o esquema de Vendas de varejo e os conjuntos de dados estarão disponíveis para você e os membros de sua organização em Experience Platform.
Introdução
Antes de iniciar este tutorial, você deve ter os seguintes pré-requisitos:
-
Acesso a Adobe Experience Platform. Se você não tiver acesso a uma organização no Experience Platform, entre em contato com o administrador do sistema antes de continuar.
-
Autorização para efetuar Experience Platform Chamadas de API. Conclua o Autenticar e acessar APIs do Adobe Experience Platform tutorial para obter os seguintes valores para concluir com sucesso este tutorial:
- Autorização:
{ACCESS_TOKEN}
- x-api-key:
{API_KEY}
- x-gw-ims-org-id:
{ORG_ID}
- Segredo do cliente:
{CLIENT_SECRET}
- Certificado do cliente:
{PRIVATE_KEY}
- Autorização:
-
Dados de amostra e arquivos de origem para o Receita de vendas de varejo. Baixar os ativos necessários para esta e outras Data Science Workspace tutoriais da Repositório Git público do Adobe.
-
Python >= 2,7 e o seguinte Python pacotes:
-
Uma compreensão funcional dos seguintes conceitos usados neste tutorial:
Criar conjunto de dados e esquema de Vendas de Varejo
O esquema de vendas de varejo e os conjuntos de dados são criados automaticamente usando o script de inicialização fornecido. Siga as etapas abaixo para:
Configurar arquivos
-
Dentro do Experience Platform pacote de recursos de tutorial, navegue até o diretório
bootstrap
e abrirconfig.yaml
usando um editor de texto apropriado. -
No
Enterprise
insira os seguintes valores: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}
-
Edite os valores encontrados em
Platform
, Exemplo mostrado abaixo: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
: o caminho base para chamadas de API. Não modifique esse valor.ims_token
: Seu{ACCESS_TOKEN}
aqui.ingest_data
: Para a finalidade deste tutorial, defina este valor como"True"
para criar os esquemas e conjuntos de dados de Vendas de varejo. Um valor de"False"
O só criará os esquemas.build_recipe_artifacts
: Para a finalidade deste tutorial, defina este valor como"False"
para impedir que o script gere um artefato de fórmula.kernel_type
: o tipo de execução do artefato Receita. Deixe este valor comoPython
sebuild_recipe_artifacts
está definido como"False"
, caso contrário, especifique o tipo de execução correto.
-
No
Titles
forneça as seguintes informações apropriadamente para os dados de amostra de Vendas de varejo, salve e feche o arquivo após as edições estarem em vigor. Exemplo mostrado abaixo: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
Executar o script de inicialização
-
Abra o aplicativo de terminal e navegue até o Experience Platform diretório de recursos do tutorial.
-
Defina o
bootstrap
como o caminho de trabalho atual e execute obootstrap.py
Python insira o seguinte comando:code language-bash python bootstrap.py
note note NOTE O script pode levar vários minutos para ser concluído.
Próximas etapas
Após a conclusão bem-sucedida do script de inicialização, os esquemas de entrada e saída de Vendas de Varejo e os conjuntos de dados podem ser exibidos em Experience Platform. Consulte a visualizar tutorial de dados do esquema
para obter mais informações.
Você também assimilou com êxito dados de amostra de Vendas de varejo em Experience Platform usando o script de inicialização fornecido.
Para continuar trabalhando com os dados assimilados:
- Analise seus dados usando o Jupyter Notebooks
- Use o Jupyter Notebooks no Data Science Workspace para acessar, explorar, visualizar e entender seus dados.
- Compactar arquivos de origem em uma fórmula
- Siga este tutorial para saber como trazer seu próprio modelo para o Data Science Workspace empacotando arquivos de origem em um arquivo de fórmula importável.