モデルベースのデータのミラーリングと使用

Google BigQuery にログインします。

BigQuery/Studio を選択します。

プロジェクト、データセット、テーブルを選択します。 「スキーマ」タブには、イベントデータのスキーマの概要が表示されます。

クエリ を選択します。

クエリエディターでサンプルクエリを実行します。project はプロジェクトの名前で、datasets はデータセットの名前です。

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

クエリエディターで次の SQL ステートメントを実行して、設定を確認します。ここで、project はプロジェクトの名前で、datasets はデータセットの名前です。

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;

結果が TRUE でない場合は、次の SQL 文を使用して変更履歴を有効にします。project はプロジェクトの名前、datasets はデータセットの名前です。

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

Adobe Experience Platform UI の左パネルの「Data Management」で、「スキーマ」を選択します。

「スキーマを作成」を選択します。

ドロップダウンメニューから、「モデルベース」を選択します。

手動で作成 または DDL ファイルをアップロード のいずれかを選択するオプションを含むポップアップが表示される場合：

1. 「手動で作成を選択」を選択します。

   

2. 「次へ」を選択します。

スキーマ/モデルベースのスキーマを作成 インターフェイスで、

1. スキーマ表示名 を入力します。 例：Sample Event Feed Schema。

2. 説明 を入力します。 例：Sample event feed schema for a model-based schema。

3. スキーマの動作 として 時系列 を選択します。 時系列ベースのデータには 時系列 を選択し、レコードベースのデータには レコード を選択します。 動作は、スキーマの構造と含まれるプロパティを定義します。

   Customer Journey Analytics用Experience Platform Data Mirrorは、ほとんどの場合、時系列データ（イベントデータなど）に使用されます。

   

4. 「完了」を選択します。

スキーマ/サンプルイベントフィードスキーマ インターフェイスに、モデルベースのスキーマが変更行としての取り込みをサポートしているという警告が表示されます。

変更行としての取り込みは、change data capture （CDC）とも呼ばれます。 CHANGE DATA CAPTURE をサポートするには、スキーマに次の項目が必要です。

• プライマリキー。
• バージョン記述子。
• 時系列データのタイムスタンプ記述子。

の横にある「AddCircle」を選択して、スキーマへのフィールドの追加を開始します。 データタイプを含む次のフィールドと追加の属性をスキーマに追加します。

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
フィールド名	表示名	タイプ	追加の属性
id	Id	整数	バージョン記述子
orders	Orders	整数
pagename	Page Name	文字列
personid	Person Id	文字列	プライマリキー ID ID 名前空間の CRMID を選択します。
revenueamount	Revenue Amount	倍精度浮動小数点
timestamp	Timestamp	日時	タイムスタンプ記述子
trackingcode	Tracking Code	文字列

• id フィールドは バージョン記述子 として設定されます。

  

• personid フィールドは、{timestamp と共に 4}プライマリキー として設定されます。「 複合プライマリキーを作成」を選択して、複合キーを作成します。

  

  また、「personid」フィールドは「ID としても設定され、「ID 名前空間 として CRMID が使用されます。

  

• timestamp フィールドは、{personid フィールドと共に 4}プライマリキー として設定されます。​timestamp フィールドは Timestamp 記述子 としても設定されます。 時系列モデルベースのデータの場合、フィールドを タイムスタンプ記述子 として定義するだけで済みます。

  

プライマリキー、バージョン記述子 および タイムスタンプ記述子 を正しく定義している場合、スキーマ定義の上部にある警告が表示されなくなります。

「保存」を選択してスキーマを保存します。

テーブルのリストからテーブルを選択します。 例：eventdata。

検証用に表示されたデータのサンプルが確認できます。

「次へ」をクリックして続行します。

Enable change data capture を選択します。 データ キャプチャ要件を変更 情報ボックスが表示され、詳細情報が表示されます。

ターゲットデータセット の 新しいデータセット を選択して、ミラー化されたデータを含む新しいデータセットを作成します。

出力データセット名 を入力します。 例：event-data-mirror。

スキーマ ドロップダウンメニューから、前に作成したモデルベースのスキーマを選択します。 例：サンプルイベントフィードスキーマ。

その他の詳細を指定します。

「次へ」を選択します。

フィールドをマッピングします Google BigQuery のスキーマ（Source data）から、Experience Platformで定義したスキーマ内のフィールド（Target フィールド）へ。

すべてのフィールドが正しくマッピングされている場合は、「次へ」を選択して続行します。

頻度 と 間隔 を指定して、ミラーデータの同期をスケジュールします。

スケジュールの 開始時刻 を指定します。

「次へ」をクリックして続行します。

ソースコネクタの設定を確認します。

「終了」を選択します。 設定済みのデータフローに移動します。

データ管理 メニューから 接続 を選択します。

「新しい接続を作成」を選択します。

必要な 接続名、サンドボックス、1 日のイベントの平均数 およびその他のオプションのパラメーターを指定します。

「データセットを追加」を選択します。

1. データセットを追加 の データセットを選択 手順で、次の操作を行います。

   1. ミラーデータを含むデータセットを選択します。 例：event-data-mirror。 データセットには データセットタイプ として モデル があります。

      

   2. 接続に関連する追加のデータセットがあれば追加します。

   3. 「次へ」を選択します。

2. データセットを追加 の データセット設定 手順で、次の操作を行います。

   event-data-mirror モデルベースのデータセットの場合

   1. イベント を データセットタイプ として選択します。

   2. 「PersonId」フィールドを Person ID として選択します。

   3. タイムスタンプ は、自動的に タイムスタンプ として入力されます。

   4. データソースタイプ として その他 を選択します。

   5. Google BigQuery Event Data データソースの説明 として を入力します。

   6. すべての新しいデータをインポート、すべての既存データをバックフィル など、その他の詳細を指定します。

      

   オプションで、他のデータセットの詳細を指定します。

3. 「データセットを追加」を選択します。

「保存」を選択します。

Customer Journey Analytics インターフェイスの上部メニューで、必要に応じて データ管理 から「データビュー」を選択します。

「新しいデータ表示を作成」を選択します。

設定​手順で、次の操作を行います。

1. 接続​リストで接続を選択します。

2. 接続に名前を付け、（オプションで）説明します。

3. 「保存して続行」を選択します。

コンポーネント​手順で、次の操作を行います。

1. 指標 または ディメンション コンポーネントボックスに含めるスキーマフィールドや標準コンポーネントを追加します。 ミラーデータを含むデータセットから関連フィールドを必ず追加してください。 これらのフィールドにアクセスするには：

   1. イベントデータセット を選択します。

   2. アドホックおよびモデルベースのフィールド を選択します。

   3. モデルベースのスキーマから METRICS または DIMENSIONS にフィールドをドラッグ&ドロップします。

      

2. 適切なタイプがない、適切な形式でない、または他の理由で変更するフィールドの派生フィールドを定義します。 例えば、売上高 の場合は次のようになります。

   1. 「派生フィールドを作成」を選択します。

   2. 派生フィールドエディターで、次の操作を行います。

      1. 以下のように、新しい Revenue Amount (Numeric) フィールドを定義します。

         

      2. 「保存」を選択します。

   3. 新しい 収益額（数値） 派生フィールドをドラッグして、指標 のフィールドをドロップします。

      

3. 「保存して続行」を選択します。

設定​手順で、次の操作を行います。

設定をそのままにし、「保存して終了」を選択します。

Customer Journey Analyticsのインターフェイスで、上部のメニューの「Workspace」を選択します。

左側のナビゲーションの「プロジェクト」を選択します。

プロジェクトを作成 を選択します。 ポップアップで、

1. 空のWorkspace プロジェクト を選択します。

2. 「作成」を選択します。

新規プロジェクト ワークスペースで、​ データビュー ​ が選択されていることを確認します。 そのデータビューは、ミラーデータを含む ​ 接続 ​ にリンクしています。

最初のレポートを作成するには、フリーフォーム パネルの フリーフォームテーブル にディメンションと指標をドラッグ&ドロップします。 例えば、売上高（数値） を 指標をここにドラッグ にドラッグします。 PersonId をドラッグして、フィールドを最初の列ヘッダーにドロップします。 必要に応じて、他の調整も行います。

最終的には、Googleの BigQuery テーブルから取得したミラーデータに基づいて、プロファイルとその売上高の概要を示します。