リレーショナルデータのミラー化と使用

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、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、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。projectはプロジェクトの名前、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 ステートメントを使用して変更履歴を有効にします。ここで、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の左側のパネルで、Data Management​内の​ Schemas ​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、リレーショナル​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. 「手動作成を選択」を選択します。

   

2. 「次へ」を選択します。

スキーマ / リレーショナルスキーマ インターフェイスで、次の操作を行います。

1. スキーマの表示名​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 relational schema。

3. 時系列​を​ スキーマ動作 ​として選択します。 時系列ベース データには​ 時系列 ​を、レコードベース データには​ レコード ​を選択します。 ビヘイビアーは、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、主に時系列データ（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 インターフェイスで、リレーショナル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。 変更データキャプチャをサポートするには、スキーマに次のものが必要です。

• 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。

サンプルイベントフィードスキーマ​の横にある を選択して、スキーマにフィールドを追加します。 データタイプと追加属性を含む次のフィールド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名前空間に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 ​として設定されています。

  

  実際のシナリオでは、​ バージョン記述子としてより適切なフィールドを使用することをお勧めします。 例えば、最終更新時間を追跡するフィールドがあります。

• personid フィールドが設定され、さらに​ timestamp ​が​ プライマリキー ​として設定されています。 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。

  

  personid フィールドも​ ID ​として設定され、CRMID​が​ ID名前空間 ​として使用されます。

  

  personid フィールドが​ プライマリキー ​である必要はありません。 実際のシナリオでは、personid​とは別に、プライマリキーを追跡するための異なるフィールドを持っている可能性が高いです。

• タイムスタンプ フィールドが設定され、さらに​personid フィールドが​ プライマリキー ​として設定されています。 タイムスタンプ フィールドも​ タイムスタンプ記述子 ​として設定されます。 時系列リレーショナルデータのフィールドを​ 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、タイムスタンプ記述子​を正しく定義すると、スキーマ定義の上の警告が消えます。

「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。

確認のために表示されたデータのサンプルが表示されます。

「次へ」をクリックして続行します。

「変更データキャプチャを有効にする」を選択します。 詳細が記載された「データキャプチャ要件の変更」情報ボックスが表示されます。

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、以前に作成したリレーショナル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てください。

「次へ」を選択します。

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

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​ 開始時間 ​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。

「完了」を選択します。 設定された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 ステップで：

   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​ リレーショナル ​が​ データセットタイプ ​として含まれています。

      

   2. 接続に関連する追加のデータセットを追加します。

   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 ステップで：

   event-data-mirror リレーショナルデータセット

   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、タイムスタンプ​として自動的に入力されます。

   4. その他​を​ データソースタイプ ​として選択します。

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

   6. すべての新しいデータの読み込み、すべての既存データのバックフィル​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、Data views、オプションで​ Data management ​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追加します。 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. 「アドホックおよびリレーショナルフィールド」を選択します。

   3. リレーショナルスキーマから​ 指標 ​または​ ディメンション ​にフィールドをドラッグ&ドロップします。

      

2. 適切なタイプを持たないフィールド、適切な形式でないフィールド、または他の理由で変更したいフィールドに対して、派生フィールドを定義します。 例えば、収益金額​の場合です。

   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​ 売上額（数値） ​派生フィールドをドラッグし、指標​に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 インターフェイスで、上部メニューの​ 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。 ポップアップで以下を行います。

1. 空白の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。 このデータビューは、ミラー化された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、自由形式 パネルの​ 自由形式テーブル ​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、売上額（数値）​を​ 指標をここにドラッグ ​します。 PersonId​をドラッグして、最初の列ヘッダーにフィールドをドロップします。 その他の調整も必要に応じて行います。

最終的な結果は、Google BigQuery テーブルからのミラーデータに基づくプロファイルとその収益の概要です。