Skapa ett dataflöde med en analyskälla i användargränssnittet
Ett dataflöde är en schemalagd aktivitet som hämtar och importerar data från en källa till en datauppsättning i Adobe Experience Platform. I den här självstudiekursen beskrivs hur du skapar ett dataflöde för en analyskälla med hjälp av plattformsgränssnittet.
Komma igång
Den här självstudiekursen kräver en fungerande förståelse av följande plattformskomponenter:
-
Källor: Plattformen tillåter att data hämtas från olika källor samtidigt som du kan strukturera, etikettera och förbättra inkommande data med Platform tjänster.
-
Experience Data Model (XDM) System: Det standardiserade ramverk som Experience Platform använder för att ordna kundupplevelsedata.
- Grunderna för schemakomposition: Lär dig mer om de grundläggande byggstenarna i XDM-scheman, inklusive viktiga principer och bästa praxis när det gäller schemakomposition.
- Schemaredigeraren, genomgång: Lär dig hur du skapar anpassade scheman med hjälp av gränssnittet i Schemaredigeraren.
-
Real-Time Customer Profile: Ger en enhetlig konsumentprofil i realtid baserad på aggregerade data från flera källor.
-
Data Prep: Tillåter datatekniker att mappa, omvandla och validera data till och från Experience Data Model (XDM).
Ange information om dataflöde
The Dataflow detail kan du välja om du vill använda en befintlig datamängd eller en ny datamängd. Under den här processen kan du även konfigurera inställningar för Profile dataset, Error diagnostics, Partial ingestionoch Alerts.
Använd en befintlig datamängd
Om du vill importera data till en befintlig datauppsättning väljer du Existing dataset. Du kan antingen hämta en befintlig datauppsättning med Advanced search eller genom att bläddra igenom listan med befintliga datauppsättningar i listrutan. När du har valt en datauppsättning anger du ett namn och en beskrivning för dataflödet.
Använd en ny datauppsättning
Om du vill importera till en ny datauppsättning väljer du New dataset och ange sedan ett namn och en valfri beskrivning för utdatauppsättningen. Välj sedan ett schema att mappa till med Advanced search eller genom att bläddra igenom listan med befintliga scheman i listrutan. När du har valt ett schema anger du ett namn och en beskrivning för dataflödet.
Aktivera Profile och feldiagnostik
Nästa steg är att välja Profile dataset växla för att aktivera datauppsättningen för Profile. På så sätt kan du skapa en helhetsbild av en enhets attribut och beteenden. Data från alla Profile-aktiverade datauppsättningar kommer att inkluderas i Profile och ändringarna tillämpas när du sparar dataflödet.
Error diagnostics möjliggör detaljerad generering av felmeddelanden för alla felaktiga poster som inträffar i dataflödet, medan Partial ingestion gör att du kan importera data som innehåller fel, upp till ett visst tröskelvärde som du manuellt anger. Se partiell batchingång - översikt för mer information.
Aktivera aviseringar
Du kan aktivera varningar för att få meddelanden om status för ditt dataflöde. Välj en avisering i listan om du vill prenumerera och få meddelanden om statusen för ditt dataflöde. Mer information om varningar finns i guiden på prenumerera på källvarningar med användargränssnittet.
När du är klar med informationen om dataflödet väljer du Next.
Mappa datafält till ett XDM-schema
The Mapping visas med ett gränssnitt för att mappa källfälten från källschemat till rätt mål-XDM-fält i målschemat.
Plattformen ger intelligenta rekommendationer för automatiskt mappade fält baserat på det målschema eller den datamängd du valt. Du kan justera mappningsreglerna manuellt så att de passar dina användningsfall. Beroende på dina behov kan du välja att mappa fält direkt eller använda förinställningsfunktioner för data för att omvandla källdata för att härleda beräknade eller beräknade värden. Mer information om hur du använder mappningsgränssnittet och beräkningsfälten finns i Användargränssnittsguide för dataprep.
När källdata har mappats väljer du Next.
Schemalägg körning av inmatning
The Scheduling visas så att du kan konfigurera ett matningsschema att automatiskt importera valda källdata med de konfigurerade mappningarna. Som standard är schemaläggning inställd på Once
. Om du vill justera din matningsfrekvens väljer du Frequency och välj sedan ett alternativ i listrutan.
Om du ställer in din matningsfrekvens på Minute
, Hour
, Day
, eller Week
måste du ange ett intervall för att skapa en fast tidsram mellan varje intag. Till exempel en matningsfrekvens som är inställd på Day
och ett intervall anges till 15
innebär att ditt dataflöde är schemalagt att importera data var 15:e dag.
Under det här steget kan du även aktivera bakfyllning och definiera en kolumn för stegvis inmatning av data. Backfill används för att importera historiska data, medan kolumnen som du definierar för inkrementellt intag gör att nya data kan skiljas från befintliga data.
Se tabellen nedan för mer information om schemaläggningskonfigurationer.
Once
, Minute
, Hour
, Day
och Week
.
Granska ditt dataflöde
The Review visas så att du kan granska det nya dataflödet innan det skapas. Informationen är grupperad i följande kategorier:
- Connection: Visar källtypen, den relevanta sökvägen till den valda källfilen och mängden kolumner i källfilen.
- Assign dataset & map fields: Visar vilken datauppsättning källdata hämtas till, inklusive det schema som datauppsättningen följer.
- Scheduling: Visar den aktiva perioden, frekvensen och intervallet för intag-schemat.
När du har granskat dataflödet väljer du Finish så att dataflödet kan skapas.
Övervaka dataflödet
När dataflödet har skapats kan du övervaka de data som importeras genom det för att se information om hur mycket data som har intagits, hur bra de är och vilka fel som har uppstått. Mer information om hur du övervakar dataflöde finns i självstudiekursen om övervaka konton och dataflöden i användargränssnittet.
Ta bort ditt dataflöde
Du kan ta bort dataflöden som inte längre är nödvändiga eller som har skapats felaktigt med Delete finns i Dataflows arbetsyta. Mer information om hur du tar bort dataflöden finns i självstudiekursen om ta bort dataflöden i användargränssnittet.
Nästa steg
Genom att följa den här självstudiekursen har du skapat ett dataflöde för att överföra data från analyskällan till plattformen. Inkommande data kan nu användas av underordnade Platform tjänster som Real-Time Customer Profile och Data Science Workspace. Mer information finns i följande dokument: