Eseguire il mirroring e utilizzare dati basati su modelli

Accedi a Google BigQuery.

Seleziona BigQuery > Studio.

Seleziona il progetto, il set di dati e la tabella. Nella scheda Schema viene visualizzata una panoramica dello schema per i dati dell'evento.

Seleziona Query.

Eseguire una query di esempio nell'editor delle query, dove project è il nome del progetto e datasets è il nome dei set di dati:

SELECT * FROM `project.datasets.eventdata` LIMIT 100

Eseguire l'istruzione SQL seguente nell'editor delle query per verificare l'impostazione, dove project è il nome del progetto e datasets è il nome dei set di dati:

SELECT
   table_name,
   MAX(CASE WHEN option_name = 'enable_change_history' THEN option_value END) AS enable_change_history
FROM `project.datasets.INFORMATION_SCHEMA.TABLE_OPTIONS`
WHERE table_name = 'eventdata'
GROUP BY table_name
ORDER BY table_name;

Se il risultato non è TRUE, utilizzare la seguente istruzione SQL per abilitare la cronologia delle modifiche, dove project è il nome del progetto e datasets è il nome dei set di dati:

ALTER TABLE `project.datasets.eventdata`
SET OPTIONS (enable_change_history = TRUE);

Nell’interfaccia utente di Adobe Experience Platform, nella barra a sinistra, seleziona Schemas (Set di dati) all’interno di Data Management (GESTIONE DATI).

Seleziona Create schema (Crea set di dati).

Dal menu a discesa, selezionare Model-based.

Se viene visualizzata una finestra a comparsa con l'opzione di selezionare tra Create manually o Upload a DDL file:

1. Seleziona select Create manually.

   

2. Seleziona Next.

Nell'interfaccia Schemas > Create model-based schema:

1. Immetti Schema display name. Ad esempio: Sample Event Feed Schema.

2. Immetti Description. Ad esempio: Sample event feed schema for a model-based schema.

3. Seleziona Time series (Schema predefinito) come Schema behavior (Schema di destinazione). Selezionare Time series per i dati basati su serie temporali e Record per i dati basati su record. Il comportamento definisce la struttura dello schema e le proprietà incluse.

   Experience Platform Data Mirror per Customer Journey Analytics viene utilizzato principalmente per i dati delle serie temporali (ad esempio, i dati degli eventi).

   

4. Seleziona Finish.

Nell'interfaccia Schemas > Sample Event Feed Schema viene visualizzato un avviso che indica che gli schemi basati su modelli supportano l'acquisizione come righe di modifica.

L’acquisizione come righe di modifica è nota anche come Change Data Capture (CDC). Per supportare l’acquisizione dei dati di modifica, lo schema richiede:

• Chiave primaria.
• Descrittore della versione.
• Descrittore della marca temporale per i dati della serie temporale.

Seleziona accanto a Sample Event Feed Schema per iniziare ad aggiungere campi allo schema. Aggiungi i campi seguenti con tipo di dati e attributi aggiuntivi allo schema.

table 0-row-4 1-row-4 2-row-4 3-row-4 4-row-4 5-row-4 6-row-4 7-row-4
Nome campo:	Nome visualizzato	Tipo	Attributi aggiuntivi
id	Id	Integer	Descrittore di versione
orders	Orders	Integer
pagename	Page Name	String
personid	Person Id	String	Chiave primaria Identity Selezionare CRMID per lo spazio dei nomi Identity.
revenueamount	Revenue Amount	Double
timestamp	Timestamp	DateTime	descrittore timestamp
trackingcode	Tracking Code	String

• Campo id configurato come Version descriptor.

  

• Il campo personid è configurato insieme a timestamp come Primary key. Selezionare Create composite primary key per creare una chiave composita.

  

  Anche il campo personid è configurato come Identity, con CRMID come Identity namespace.

  

• Il campo timestamp è configurato insieme al campo personid come Primary key. Anche il campo timestamp è configurato come Timestamp descriptor. È sufficiente definire un campo come Timestamp descriptor per i dati basati su modello della serie temporale.

  

Se Primary key, Version descriptor e Timestamp descriptor sono stati definiti correttamente, l'avviso sopra la definizione dello schema scompare.

Seleziona Save (Salva) per salvare lo schema.

Selezionare la tabella dall'elenco delle tabelle. Ad esempio: eventdata.

Viene visualizzato un esempio dei dati per la verifica.

Seleziona Next (Avanti) per continuare.

Seleziona Enable change data capture. Viene visualizzata una casella di informazioni Change data capture requirement con ulteriori informazioni.

Selezionare New dataset per Target dataset per creare un nuovo set di dati contenente i dati con mirroring.

Immetti un Output dataset name. Ad esempio: event-data-mirror.

Selezionare lo schema basato su modello creato in precedenza dal menu a discesa Schema. Ad esempio: Sample Event Feed Schema.

Specifica altri dettagli.

Seleziona Next.

Mappa i campi. Dallo schema in Google BigQuery (Source data) ai campi nello schema definiti in Experience Platform (Target fields).

Se tutti i campi sono mappati correttamente, selezionare Next per continuare.

Specificare Frequency e Interval per pianificare la sincronizzazione dei dati con mirroring.

Specificare Start time per la pianificazione.

Seleziona Next (Avanti) per continuare.

Controlla la configurazione del connettore di origine.

Seleziona Finish. Viene visualizzato il flusso di dati configurato.

Seleziona Connections dal menu Data Management.

Seleziona Create new connection.

Specificare i parametri obbligatori Connection name, Sandbox, Average number of daily evens e altri parametri facoltativi.

Seleziona Add datasets.

1. Nel passaggio Select datasets di Add datasets:

   1. Seleziona il set di dati contenente i dati con mirroring. Ad esempio: event-data-mirror. Il set di dati ha Model come Dataset type.

      

   2. Aggiungi eventuali set di dati aggiuntivi rilevanti per la connessione.

   3. Seleziona Next.

2. Nel passaggio Dataset settings di Add datasets:

   Per il set di dati basato su modello event-data-mirror

   1. Seleziona Event come Dataset type.

   2. Selezionare il campo PersonId come Person ID.

   3. Timestamp viene popolato automaticamente come Timestamp.

   4. Seleziona Other come Data source type.

   5. Immetti Google BigQuery Event Data come Data source description.

   6. Specificare altri dettagli, ad esempio Import all new data e Backfill all existing data.

      

   Facoltativamente, specifica i dettagli per altri set di dati.

3. Seleziona Add datasets (Aggiungi set di dati).

Seleziona Save (Salva).

Nell'interfaccia di Customer Journey Analytics, selezionare Data views, facoltativamente da Data management, nel menu principale.

Seleziona Create new data view (Crea nuova visualizzazione dati).

Nel passaggio Configure (Configura):

1. Seleziona la connessione dall’elenco Connection (Connessioni).

2. Assegna un nome e (facoltativamente) una descrizione alla connessione.

3. Seleziona Save and continue (Crea nuova visualizzazione dati).

Nel passaggio Components (Configura):

1. Aggiungere qualsiasi campo schema e/o componente standard che si desidera includere nelle caselle del componente METRICS o DIMENSIONS. Assicurati di aggiungere campi rilevanti dal set di dati che contiene i dati con mirroring. Per accedere a questi campi:

   1. Seleziona Event datasets (Aggiungi set di dati).

   2. Seleziona Adhoc & Model-based fields (Salva).

   3. Trascinare i campi dagli schemi basati su modelli in METRICS o DIMENSIONS.

      

2. Definire i campi derivati per i campi che non hanno il tipo corretto, non sono nel formato corretto o che si desidera modificare per altri motivi. Ad esempio, per Revenue Amount.

   1. Seleziona Create derived field.

   2. Nell’editor campi derivati:

      1. Definisci un nuovo campo Revenue Amount (Numeric), come indicato di seguito.

         

      2. Seleziona Save.

   3. Trascina il nuovo campo derivato Revenue Amount (Numeric) e rilascia il campo in METRICS.

      

3. Seleziona Save and continue (Crea nuova visualizzazione dati).

Nel passaggio Settings (Configura):

Lascia le impostazioni così come sono e seleziona Save and finish (Salva e fine).

Nell'interfaccia di Customer Journey Analytics, seleziona Workspace nel menu principale.

Seleziona Projects (Progetti) nel pannello di navigazione a sinistra.

Seleziona Create project. Nel popup:

1. Seleziona Blank Workspace project (Aggiungi set di dati).

2. Seleziona Create (Salva).

Nell'area di lavoro New project, accertati che la visualizzazione dati sia selezionata. La visualizzazione dati è collegata alla connessione che contiene i dati con mirroring.

Per creare il primo rapporto, trascina dimensioni e metriche su Freeform table nel pannello Freeform. Trascinare Revenue Amount (Numeric) su Trascinare una metrica qui. Trascinare PersonId e rilasciare il campo sull'intestazione della prima colonna. Effettua altre regolazioni che ritieni opportune.

Il risultato finale è una panoramica dei profili e dei relativi ricavi basati su dati con mirroring provenienti da una tabella BigQuery di Google.