Comparación de fuentes de datos en Customer Journey Analytics y Adobe Analytics
Las fuentes de datos tanto en Customer Journey Analytics como en Adobe Analytics permiten exportar datos sin procesar a plataformas de terceros.
Si anteriormente utilizaba fuentes de datos en Adobe Analytics, utilice la siguiente información para comprender las diferencias en las funciones y los conceptos disponibles.
Para ver una comparación de las fuentes de datos con otros métodos de exportación de Customer Journey Analytics, como Exportación de tabla completa, consulte Comparación de productos de Analytics.
Funciones disponibles solo en fuentes de datos de Customer Journey Analytics
Las siguientes funciones están disponibles en las fuentes de datos de Customer Journey Analytics, pero no están disponibles en las fuentes de datos de Adobe Analytics:
-
Campos derivados: Componentes personalizados creados a partir de transformaciones basadas en reglas que se pueden incluir en el esquema de la fuente de datos.
-
Configuración de componentes: la configuración de componentes de vista de datos, como la persistencia, la anulación de duplicación de métricas y la agrupación de valores, puede transformar el valor de un componente directamente en la salida de la fuente de datos, sin necesidad de SQL.
-
Vinculación: resolución de identidad entre dispositivos que vincula eventos entre dispositivos a una sola persona.
-
Modelo de datos estructurado: las fuentes se crean y entregan con datos estructurados en lugar de cadenas planas como post_product_list. Refleja la estructura existente del esquema XDM y la vista de datos.
-
Salida de parquet: los archivos se entregan en formato parquet, que admite de forma nativa datos complejos anidados y estructurados. Esto significa que es más fácil acceder a los datos de una base de datos mediante las prácticas estándar del sector.
-
Segmentación: los segmentos aplicados a la vista de datos se heredan automáticamente y los segmentos adicionales se pueden aplicar directamente a la fuente.
-
Rutas de partición de estilo Hive: los archivos de salida utilizan rutas de acceso de estilo Hive para realizar consultas eficientes en entornos de lago de datos.
-
Las actualizaciones de componentes se aplican de forma retroactiva: los cambios en los componentes de la vista de datos se reflejan históricamente en los rellenos.
-
Búsquedas: Las clasificaciones no se incluyen en las fuentes de datos de Adobe Analytics. En Customer Journey Analytics, todas las búsquedas están incrustadas directamente en los datos.
-
Interfaz familiar para los usuarios de Analysis Workspace: Los componentes provienen directamente de la vista de datos y también están disponibles en Analysis Workspace. Puede seleccionar dimensiones y métricas utilizando el mismo carril de componentes que Analysis Workspace, en lugar de una lista estática de nombres de variables.
-
Más modelos de persistencia disponibles: Hay cinco modelos de persistencia diferentes que se pueden usar en las fuentes de datos de Customer Journey Analytics.
La tabla Comparación de funcionalidades que aparece a continuación trata cada una de estas características en detalle, junto con las diferencias en las características que existen en ambos productos.
Comparación de funcionalidades
La siguiente tabla compara los conceptos clave y las opciones de configuración entre las fuentes de datos de Customer Journey Analytics y las fuentes de datos de Adobe Analytics.
Tipo de datos que se pueden recopilar e incluir en las fuentes de datos.
Los datos se procesan en diferentes etapas, según el producto que esté usando.
Resolución de identidad en canales múltiples y entre dispositivos que vincula eventos a una sola persona.
Determina la frecuencia con la que se envía la fuente de datos y el período de tiempo incluido en la fuente.
Diario (de medianoche a medianoche en el huso horario del grupo de informes) o Por hora.
Las fuentes de 15 minutos son posibles, pero no están disponibles de forma predeterminada.
Visitas que llegan tarde
Las visitas cuyas marcas de tiempo pertenecen a una ventana de frecuencia de envío anterior pero llegan después de que esa ventana ya haya transcurrido.
Por ejemplo, las visitas que llegan tarde podrían proceder de una aplicación móvil que almacena en búfer los eventos sin conexión y los envía cuando se vuelve a conectar.
Las visitas que llegan tarde pueden ser incluidas o excluidas mediante la opción de configuración Visitas que llegan tarde.
La configuración de la ventana retrospectiva 1} controla hasta dónde llega el sistema para incluir datos retrasados.
Visitas cuyas marcas de tiempo no coinciden con el orden en que se recibieron.
Como Customer Journey Analytics acepta datos de flujo continuo y por lotes, no hay garantías de que los eventos de una persona determinada lleguen en orden de marca de hora. Aunque Customer Journey Analytics realiza nuevos pedidos por marca de tiempo por persona, solo puede exportar los datos que han llegado. Esto significa que las visitas que llegan tarde pueden exportarse después de las visitas con una marca de tiempo posterior.
La configuración Demora el procesamiento ayuda a reducir los eventos desordenados en la salida de la fuente de datos, ya que concede más tiempo para que los datos por lotes lleguen antes de la exportación. No se garantiza el orden de los eventos en la entrega.
Importante: el consumidor final de los datos de la fuente de datos debe poder controlar las marcas de tiempo desordenadas por persona, ya que no se garantiza el orden de visitas en la entrega de la fuente de datos.
Exporta datos históricos entre dos fechas pasadas.
El esquema de la fuente de datos determina qué columnas están disponibles para incluirlas en una fuente de datos.
eVar1 / post_eVar1), lo que representa gran parte del recuento de columnas.La interfaz utilizada para configurar qué columnas se incluyen en una fuente de datos.
eVar1, prop5) seleccionados de un conjunto predefinido de ~1,100+ columnas. Los componentes no se denominan ni se describen más allá de su identificador de variable.Componentes personalizados definidos mediante transformaciones basadas en reglas aplicadas en el tiempo del informe.
Configuración de componentes de vista de datos, como persistencia, anulación de duplicación de métricas y agrupamiento de valores, que transforman el valor de un componente en el momento del informe.
Si los cambios en la configuración de componentes se reflejan en los resultados de fuentes de datos pasadas y futuras.
Los cambios se aplican a futuros envíos y rellenos. Los archivos enviados anteriormente no se actualizan.
- Configuración de componentes: la salida refleja la configuración actual, como la persistencia o el agrupamiento de valores.
- Lógica de campo derivada: los cambios se aplican a todas las fuentes de datos que utilizan el campo derivado.
- Tipo de datos: los cambios compatibles (como cadena a número) se convierten cuando es posible. Los cambios incompatibles (como cadena a matriz) dan como resultado valores nulos.
- Agregar o quitar componentes: los nuevos componentes deben agregarse manualmente a las fuentes de datos existentes. Los componentes eliminados dan como resultado valores nulos, por lo que es aconsejable quitar un componente de las fuentes de datos antes de eliminarlo de la vista de datos.
- Nombre descriptivo, Id. de componente o Id. de salida: Solo el Id. de salida cambia el nombre de columna.
- Definición de sesión: Los ID de sesión y los valores basados en sesión cambian. Los ID de sesión no coincidirán con las entregas anteriores.
Los conjuntos de datos de búsqueda de Customer Journey Analytics son el equivalente de las clasificaciones de Adobe Analytics.
Cómo se define el límite de una visita o sesión, lo cual afecta a la forma en que se agrupan y atribuyen los eventos.
Capacidad para filtrar el resultado de las fuentes de datos mediante segmentos.
Métricas personalizadas que puede crear a partir de métricas existentes.
Cómo persisten los valores de dimensión de un evento a otro, o si lo hacen.
Cómo se representan los subeventos en la salida de la fuente de datos.
El formato usado para los archivos de salida de fuentes de datos enviados a su destino de nube.
Parquet
Admite de forma nativa datos anidados y estructurados complejos. Los campos como post_product_list se representan como matrices estructuradas u objetos anidados.
Requiere una herramienta compatible con Parquet para leer, como BigQuery, Snowflake o Apache Spark.
La estructura del esquema está incrustada en el archivo de salida.
TSV
Filas planas legibles por humanos. No admite de forma nativa los datos estructurados; los campos complejos, como las listas de productos, deben codificarse como cadenas delimitadas por propiedad que requieran una lógica de análisis personalizada.
La estructura de directorio utilizada para los archivos de salida enviados.
year=2024/month=01/day=15/), lo que permite una eliminación eficiente de particiones al consultar datos en entornos de lago de datos como Databricks o Apache Spark.Ubicaciones de almacenamiento en la nube a las que se pueden enviar archivos de salida de fuentes de datos.
Amazon S3, Azure RBAC, Azure SAS, Google Cloud Platform.
También admite SFTP.
Indica si el generador de fuentes de datos utiliza los mismos componentes y terminología que Analysis Workspace.
Los modelos de persistencia disponibles para las dimensiones de una fuente de datos.