- Platform-Tutorials
- Einführung in Platform
- Ein Kundenerlebnis auf Basis von Experience Platform
- Hinter den Kulissen: Ein Kundenerlebnis auf Basis von Experience Platform
- Übersicht zu Experience Platform
- Wichtigste Funktionen
- Anwendungen und intelligente Dienste
- Integrationen mit Experience Cloud-Applikationen
- Wichtige Anwendungsfälle
- Grundlegende Architektur
- Benutzeroberfläche
- Rollen und Projektphasen
- Einführung in Real-Time CDP
- Erste Schritte: Datenarchitekten und Dateningenieure
- Bei Experience Platform-APIs authentifizieren
- Importieren von Beispieldaten nach Experience Platform
- Administration
- Zielgruppen und Segmentierung
- Einführung in Audience Portal und Komposition
- Hochladen von Zielgruppen
- Übersicht über Audience Rule Builder
- Erstellen von Zielgruppen
- Inhaltsbasierte Zielgruppen erstellen
- Erstellen von Konversionszielgruppen
- Erstellen von Zielgruppen aus vorhandenen Zielgruppen
- Sequenzielle Zielgruppen erstellen
- Dynamische Zielgruppen erstellen
- Erstellen von Audiences mit mehreren Entitäten
- Erstellen von Zielgruppen mit B2B-Daten
- Demo der Streaming-Segmentierung
- Bewerten einer Zielgruppenregel
- Erstellen eines Datensatzes zum Exportieren von Daten
- Einrichten der Segment Match-Verbindung
- Data Governance bei Segment Match
- Konfiguration von Segment Match
- Einblicke vor der Freigabe durch Segment Match
- Segment Match erhält Daten
- Audit-Protokolle
- Datenerfassung
- Dashboards
- Data Governance
- Datenhygiene
- Datenaufnahme
- Übersicht
- Batch-Erfassung - Übersicht
- Datensatz erstellen und ausfüllen
- Zuordnen einer CSV-Datei zu XDM
- Quellen – Übersicht
- Daten aus Adobe Analytics erfassen
- Daten aus Audience Manager erfassen
- Daten aus Cloud-Speicher erfassen
- Daten aus CRM erfassen
- Daten aus Datenbanken aufnehmen
- Streaming-Erfassung – Übersicht
- Streamen von Daten mit der HTTP-API
- Streamen von Daten mithilfe von Source Connectors
- Web SDK-Tutorials
- Mobile SDK-Tutorials
- Data Science Workspace
- Übersicht
- Architektur
- Laden von Daten in JupyterLab-Notebooks
- Daten in JupyterLab-Notebooks abfragen und aufdecken
- Explorative Datenanalyse
- Rezepte, Modelle und Dienste - Übersicht
- Erstellen eines Modells mithilfe der Rezept-Builder-Vorlage
- Leistung des Modells analysieren
- Erstellen und Veröffentlichen eines trainierten Modells (Benutzeroberfläche)
- Planen automatisierter Schulungen und Auswertungen für einen Dienst
- Anreicherung von Echtzeit-Kundenprofilen mit Einblicken aus maschinellem Lernen
- Packen von Quelldateien in ein Rezept
- Gepacktes Rezept importieren (Benutzeroberfläche)
- Importieren eines gepackten Rezepts (API)
- Ziele
- Ziele – Übersicht
- Verbindung zu Zielen herstellen
- Ziele erstellen und Daten aktivieren
- Profile und Segmente für ein Ziel aktivieren
- Konfigurieren eines Datensatzexport-Ziels
- Integration mit Google-Kundenabgleich
- Konfigurieren des Azure Blob-Ziels
- Konfigurieren des Marketo-Ziels
- Dateibasierter Cloud-Speicher oder E-Mail-Marketing-Ziele konfigurieren
- Konfigurieren eines sozialen Ziels
- Adobe Target und benutzerdefinierte Personalisierung
- Webinar zur Datenaktivierung für Nicht-Adobe-Anwendungen
- Identitäten
- Intelligent Services
- Überwachung
- Unterstützung von Partnerdaten
- Profile
- Datenschutz und Sicherheit
- Einführung in Privacy Service
- Identitätsdaten in Datenschutzanfragen
- Datenschutz-JavaScript-Bibliothek
- Datenschutzbezeichnungen in Adobe Analytics
- Erste Schritte mit der Privacy Service-API
- Benutzeroberfläche von Privacy Service
- Privacy Service-API
- Datenschutzereignisse abonnieren
- Einrichten von kundenverwalteten Schlüsseln
- 10 Überlegungen zum verantwortungsvollen Kundendaten-Management
- Erhöhen der Rolle des Marketingexperten als Data Steward
- Abfragen
- Übersicht
- Benutzeroberfläche von Query Service
- Query Service-API
- Daten durchsuchen
- Daten vorbereiten
- Adobe-definierte Funktionen
- Datennutzungsmuster
- Abfragen ausführen
- Generieren von Datensätzen aus Abfrageergebnissen
- Tableau
- Daten analysieren und visualisieren
- Erstellen von Dashboards mit BI-Tools
- Kundendaten neu berechnen
- Clients mit Query Service verbinden
- Validieren von Daten im Datensatz
- Schemata
- Übersicht
- Bausteine
- Planung Ihres Datenmodells
- Konvertieren Ihres Datenmodells in XDM
- Erstellen von Schemata
- Erstellen von Schemata für B2B-Daten
- Erstellen von Klassen
- Erstellen von Feldergruppen
- Erstellen von Datentypen
- Konfigurieren von Beziehungen zwischen Schemas
- Verwendung von Aufzählungsfeldern und empfohlenen Werten
- Kopieren von Schemas zwischen Sandboxes
- Aktualisieren von Schemas
- Erstellen eines Ad-hoc-Schemas
- Quellen
- Quellen – Übersicht
- Daten aus Adobe Analytics erfassen
- Daten aus Audience Manager erfassen
- Daten aus Marketo erfassen
- Daten aus Cloud-Speicher erfassen
- Daten aus CRM erfassen
- Daten aus Datenbanken aufnehmen
- Streamen von Daten mit der HTTP-API
- Streamen von Daten mithilfe von Source Connectors
- Fehlerbehebung: SFTP Connector
- Experience Cloud-Integrationen
- Trends in der Branche
Dokumentation
Abfragen und Entdecken von Daten in Data Science Workspace
Mit Adobe Experience Platform können Sie SQL (Structured Query Language) in Data Science Workspace verwenden, indem Sie Query Service als Standardfunktion in JupyterLab integrieren. In diesem Tutorial werden einige gängige Anwendungsfälle zur Untersuchung, Transformation und Analyse von Daten vorgestellt. Weitere Informationen finden Sie unter Dokumentation zu Query Service in Data Science Workspace.
Ressourcen für Business.Adobe.com
Ressourcen
Adobe-Konto
Sprache ändern
Copyright © 2023 Adobe. All Rights Reserved.
