[PaaS uniquement]{class="badge informative" title="S’applique uniquement aux projets Adobe Commerce on Cloud (infrastructure PaaS gérée par Adobe) et aux projets On-premise."}

Normalisation des données avec des tables de mappage

Imaginez que vous êtes en train de Report Builder un rapport Revenue by State. Tout se passe bien jusqu’à ce que vous essayiez d’ajouter un regroupement billing state à votre rapport et que vous voyiez ceci :

Comment cela a-t-il pu arriver ?

Malheureusement, un manque de normalisation peut parfois entraîner des données désordonnées et des problèmes lors de la création de rapports. Dans cet exemple, il se peut qu’il n’y ait pas eu de menu déroulant ou de méthode normalisée permettant à vos clients de saisir leurs informations de statut de facturation. Cela conduit à différentes valeurs (pa, PA, penna, pennsylvania et Pennsylvania), toutes pour le même état, ce qui entraîne des résultats étranges dans le Report Builder.

Il est possible qu’une ressource technique vous aide à nettoyer les données ou à insérer les colonnes dont vous avez besoin directement dans votre base de données. Sinon, il existe une autre solution : la table de mappage. Une table de mappage vous permet de nettoyer et de normaliser rapidement et facilement toutes les données corrompues en mappant les données à une sortie unique.

Comment puis-je le créer ? how

Actualisation de la mise en forme des données :

Avant de vous lancer, Adobe vous recommande d’ exporter les données brutes du tableau. Examiner d’abord les données brutes signifie que vous pouvez explorer toutes les combinaisons possibles pour les données à nettoyer, en vous assurant ainsi que le tableau de mappage couvre tout.

Pour créer une table de mappage, vous devez créer une feuille de calcul à deux colonnes qui suit les règles de formatage pour les chargements de fichiers.

Dans la première colonne, saisissez les valeurs stockées dans votre base de données avec une seule valeur par ligne. Par exemple, pa et PA ne peuvent pas se trouver sur la même ligne : chaque entrée doit avoir sa propre ligne. Voir ci-dessous pour un exemple.

Dans la deuxième colonne, saisissez ce que ces valeurs doivent être. Pour poursuivre avec l’exemple d’état de facturation, si vous souhaitez que pa, PA, Pennsylvania et pennsylvania soient simplement PA, vous devez saisir PA dans cette colonne pour chaque valeur d’entrée.

Que dois-je faire pour lCommerce Intelligenceutiliser ? use

Une fois la création de la table de mappage terminée, vous devez charger le fichier dans Commerce Intelligence et créer une colonne jointe qui déplace le nouveau champ dans la table souhaitée. Vous pouvez le faire une fois le fichier synchronisé avec votre Data Warehouse.

Cet exemple montre comment déplacer la colonne que vous avez créée dans le tableau mapping_state (state_input) vers le tableau customer_address à l'aide d'une colonne jointe. Cela nous permet d’effectuer un regroupement en fonction de la colonne state_input propre dans vos rapports au lieu de la colonne state.

Pour créer la colonne joined, accédez à la table vers laquelle le champ sera déplacé dans le gestionnaire Data Warehouse. Dans cet exemple, il s’agit de la table customer_address.

Que dois-je faire maintenant ? wrapup

Une fois le cycle de mise à jour terminé, vous pourrez utiliser votre nouvelle colonne jointe pour segmenter correctement vos données au lieu de la colonne désordonnée de votre base de données. Examinez vos options de regroupement maintenant - plus de stress :

Les tables de mappage sont pratiques si vous souhaitez nettoyer des données potentiellement désordonnées dans votre Data Warehouse. Cependant, les tables de mappage peuvent également être utilisées pour d’autres cas d’utilisation intéressants, comme la réplication de votre Google Analytics channels dans Commerce Intelligence.

Connexe