쿼리 가속화 스토어 보고 인사이트 안내서
쿼리 가속 저장소를 사용하면 데이터에서 중요한 통찰력을 얻는 데 필요한 시간과 처리 능력을 줄일 수 있습니다. 일반적으로 데이터는 집계 보기가 생성되고 보고되는 정기적인 간격(예: 시간별 또는 일별)으로 처리됩니다. 집계된 데이터에서 생성된 이러한 보고서를 분석하면 비즈니스 성과를 향상시키기 위한 통찰력을 도출합니다. 쿼리 가속 저장소는 캐시 서비스, 동시성, 대화형 경험 및 상태 비저장 API를 제공합니다. 단, 데이터는 원시 데이터 쿼리가 아닌 집계된 쿼리에 대해 사전 처리되고 최적화된다고 가정합니다.
쿼리 가속 저장소를 사용하면 사용자 지정 데이터 모델을 구축하거나 기존 Adobe Real-time Customer Data Platform 데이터 모델을 확장할 수 있습니다. 그런 다음 보고 통찰력을 참여하거나 선택한 보고/시각화 프레임워크에 포함할 수 있습니다. SQL 쿼리 템플릿을 사용자 지정하여 마케팅 및 KPI(주요 성능 지표) 사용 사례에 대한 Real-Time CDP 보고서를 만드는 방법을 알아보려면 Real-time Customer Data Platform 통찰력 데이터 모델 설명서를 참조하십시오.
Adobe Experience Platform의 Real-Time CDP 데이터 모델은 프로필, 대상 및 대상에 대한 인사이트를 제공하며 Real-Time CDP 인사이트 대시보드를 사용할 수 있습니다. 이 문서에서는 Reporting Insights 데이터 모델을 만드는 과정을 안내하고 필요에 따라 Real-Time CDP 데이터 모델을 확장하는 방법을 안내합니다.
전제 조건
이 자습서에서는 사용자 정의 대시보드를 사용하여 Platform UI 내에서 사용자 정의 데이터 모델의 데이터를 시각화합니다. 이 기능에 대한 자세한 내용은 사용자 정의 대시보드 설명서를 참조하세요.
시작하기
Data Distiller SKU는 보고 통찰력에 대한 사용자 지정 데이터 모델을 구축하고 풍부한 플랫폼 데이터를 포함하는 Real-Time CDP 데이터 모델을 확장하는 데 필요합니다. Data Distiller SKU와 관련된 패키징, 보호 기능 및 라이선스 설명서를 참조하십시오. Data Distiller SKU가 없는 경우 Adobe 고객 서비스 담당자에게 자세한 내용을 문의하십시오.
보고 통찰력 데이터 모델 구축
이 자습서에서는 대상 통찰력 데이터 모델 구축의 예를 사용합니다. 한 개 이상의 광고주 플랫폼을 사용하여 대상자에게 도달하는 경우 광고주의 API를 사용하여 대상자의 대략적인 일치 수를 얻을 수 있습니다.
처음에는 소스(잠재적으로 광고주 플랫폼 API)의 초기 데이터 모델이 있습니다. 원시 데이터를 집계하여 보려면 아래 이미지에 설명된 대로 보고 통찰력 모델을 만드십시오. 이를 통해 하나의 데이터 세트가 대상 일치의 상한과 하한을 얻을 수 있습니다.
이 예에서 externalaudiencereach 테이블/데이터 집합은 ID를 기반으로 하며 일치 횟수의 하한과 상한을 추적합니다. externalaudiencemapping 차원 테이블/데이터 집합은 외부 ID를 플랫폼의 대상 및 대상에 매핑합니다.
Data Distiller을 사용하여 보고 통찰력에 대한 모델 만들기
그런 다음 보고 인사이트 모델(audienceinsight 이 예제에서는 )을 만들고 SQL 명령 ACCOUNT=acp_query_batch and TYPE=QSACCEL을(를) 사용하여 가속화된 저장소에 만들도록 합니다. 그런 다음 쿼리 서비스를 사용하여 audienceinsight 데이터베이스에 대한 audienceinsight.audiencemodel 스키마를 만듭니다.
ACCOUNT=acp_query_batch 명령에 Data Distiller SKU가 필요합니다. 이 기능이 없으면 데이터 레이크에 일반 데이터 모델이 만들어집니다.CREATE database audienceinsight WITH (TYPE=QSACCEL, ACCOUNT=acp_query_batch);
CREATE schema audienceinsight.audiencemodel;
테이블, 관계 만들기 및 데이터 채우기
audienceinsight 보고 인사이트 모델을 만들었으므로 이제 externalaudiencereach 및 externalaudiencemapping 테이블을 만들고 테이블 간의 관계를 설정하십시오. 그런 다음 ALTER TABLE 명령을 사용하여 테이블 사이에 외래 키 제약 조건을 추가하고 관계를 정의합니다. 다음 SQL 예제에서는 이 작업을 수행하는 방법을 보여 줍니다.
CREATE TABLE IF NOT exists audienceinsight.audiencemodel.externalaudiencereach
WITH ( DISTRIBUTION = REPLICATE ) AS
SELECT cast(null as int) approximate_count_upper_bound,
cast(null as string) deliverystatusdescription,
cast(null as timestamp) timeupdated ,
cast(null as int) operationstatuscode ,
cast(null as string) operationstatusdescription,
cast(null as int) approximate_count_lower_bound,
cast(null as timestamp)timecreated ,
cast(null as timestamp)timecontentupdated ,
cast(null as int) deliverystatuscode ,
cast(null as int) ext_custom_audience_id
WHERE false;
CREATE TABLE IF NOT exists audienceinsight.audiencemodel.externalaudiencemapping
WITH ( DISTRIBUTION = REPLICATE ) AS
SELECT cast(null as int) audience_id,
cast(null as int) destination_id,
cast(null as int) ext_custom_audience_id
WHERE false;
ALTER TABLE externalaudiencereach ADD CONSTRAINT FOREIGN KEY (ext_custom_audience_id) REFERENCES externalaudiencemapping (ext_custom_audience_id) NOT enforced;
ALTER TABLE 명령이 모두 성공적으로 실행되면 팩트 테이블과 차원 테이블 간의 관계가 형성됩니다.
문이 실행되면 SHOW datagroups; 명령을 사용하여 audienceinsight.audiencemodel에서 가속화된 저장소에서 사용 가능한 데이터 세트 목록을 반환합니다. 표 작성된 결과는 아래 제공된 예와 유사해야 합니다.
POST /data/foundation/query/accelerated-queries에서 액세스할 수 있습니다. Database | Schema | GroupType | ChildType | ChildName | PhysicalParent | ChildId
-----------------+---------------+-----------+----------------------+-------------------------+----------------+--------------------------------------
audienceinsight | audiencemodel | QSACCEL | Data Warehouse Table | externalaudiencemapping | true | 9155d3b4-889d-41da-9014-5b174f6fa572
audienceinsight | audiencemodel | QSACCEL | Data Warehouse Table | externalaudiencereach | true | 1b941a6d-6214-4810-815c-81c497a0b636
보고 통찰력 데이터 모델 쿼리
쿼리 서비스를 사용하여 audiencemodel.externalaudiencereach 차원 테이블을 쿼리합니다. 예제 쿼리는 아래에 표시됩니다.
SELECT a.ext_custom_audience_id,
a.approximate_count_upper_bound
FROM audiencemodel.externalaudiencereach AS a
LEFT OUTER JOIN audiencemodel.externalaudiencemapping AS b
ON ( ( a.ext_custom_audience_id ) =
( b.ext_custom_audience_id ) )
GROUP BY a.ext_custom_audience_id,
a.approximate_count_upper_bound
LIMIT 5000 ;
표로 정리된 결과에는 카운트와 ID가 포함됩니다.
ext_custom_audience_id | approximate_count_upper_bound
------------------------+-------------------------------
23850912218170554 | 1000
23850808585120554 | 1012000
23850808585220554 | 100000
23850814978560554 | 1000
23850808585180554 | 421000
23850814978510554 | 3001000
23850814978530554 | 300000
23850912218160554 | 105000
23850808584990554 | 1000
23850809520110554 | 1000
(10 rows)
Real-Time CDP 통찰력 데이터 모델을 사용하여 데이터 모델 확장
추가 세부 정보로 대상 모델을 확장하여 더 풍부한 차원 테이블을 만들 수 있습니다. 예를 들어 대상 이름 및 대상 이름을 외부 대상 식별자에 매핑할 수 있습니다. 이렇게 하려면 쿼리 서비스 를 사용하여 새 데이터 세트를 만들거나 새로 고친 후 대상 및 대상을 외부 ID와 결합하는 대상 모델에 추가하십시오. 아래 다이어그램은 이 데이터 모델 확장의 개념을 보여 줍니다.
차원 테이블을 생성하여 보고 통찰력 모델 확장
쿼리 서비스를 사용하여 보강된 Real-Time CDP 차원 데이터 세트의 주요 설명 특성을 audienceinsight 데이터 모델에 추가하고 팩트 테이블과 새 차원 테이블 간의 관계를 설정하십시오. 아래 SQL에서는 기존 차원 테이블을 Reporting Insights 데이터 모델에 통합하는 방법을 보여 줍니다.
CREATE TABLE audienceinsight.audiencemodel.external_seg_dest_map AS
SELECT ext_custom_audience_id,
destination_name,
audience_name,
destination_status,
a.destination_id,
a.audience_id
FROM externalaudiencemapping AS a
LEFT OUTER JOIN adwh_dim_audiences AS b
ON ( ( a.audience_id ) = ( b.audience_id ) )
LEFT OUTER JOIN adwh_dim_destination AS c
ON ( ( a.destination_id ) = ( c.destination_id ) );
ALTER TABLE externalaudiencereach ADD CONSTRAINT FOREIGN KEY (ext_custom_audience_id) REFERENCES external_seg_dest_map (ext_custom_audience_id) NOT enforced;
SHOW datagroups; 명령을 사용하여 추가 external_seg_dest_map 차원 테이블 만들기를 확인합니다.
Database | Schema | GroupType | ChildType | ChildName | PhysicalParent | ChildId
-----------------+----------------+-----------+----------------------+----------------------------------------------------+----------------+--------------------------------------
audienceinsight | audiencemodel | QSACCEL | Data Warehouse Table | external_seg_dest_map | true | 4b4b86b7-2db7-48ee-a67e-4b28cb900810
audienceinsight | audiencemodel | QSACCEL | Data Warehouse Table | externalaudiencemapping | true | b0302c05-28c3-488b-a048-1c635d88dca9
audienceinsight | audiencemodel | QSACCEL | Data Warehouse Table | externalaudiencereach | true | 4485c610-7424-4ed6-8317-eed0991b9727
확장 가속 저장소 보고 통찰력 데이터 모델 쿼리
audienceinsight 데이터 모델이 증강되었으므로 쿼리할 준비가 되었습니다. 다음 SQL은 매핑된 대상 및 대상 목록을 보여 줍니다.
SELECT a.ext_custom_audience_id,
b.destination_name,
b.audience_name,
b.destination_status,
b.destination_id,
b.audience_id
FROM audiencemodel.externalaudiencereach1 AS a
LEFT OUTER JOIN audiencemodel.external_seg_dest_map AS b
ON ( ( a.ext_custom_audience_id ) = (
b.ext_custom_audience_id ) )
LIMIT 25;
쿼리는 쿼리 가속 저장소의 모든 데이터 세트를 반환합니다.
ext_custom_audience_id | destination_name | audience_name | destination_status | destination_id | audience_id
------------------------+------------------+---------------------------+--------------------+----------------+-------------
23850808595110554 | FCA_Test2 | United States | enabled | -605911558 | -1357046572
23850799115800554 | FCA_Test2 | Born in 1980s | enabled | -605911558 | -1224554872
23850799115790554 | FCA_Test2 | Born in 1970s | enabled | -605911558 | 1899603869
23850798177620554 | FCA_Test1 | Billionaires | enabled | 321720439 | 1401872665
23850814978560554 | FCA_Test3 | Canada - Saskatchewan | enabled | 1182494936 | -1917996562
23850808585180554 | FCA_Test3 | United States | enabled | 1182494936 | -1357046572
23850814978530554 | FCA_Test3 | Canada - British Columbia | enabled | 1182494936 | -652840507
23850808585120554 | FCA_Test3 | Canada - Quebec | enabled | 1182494936 | -519557860
23850809520110554 | FCA_Test3 | Born in 1960s | enabled | 1182494936 | 237824266
23850808585220554 | FCA_Test3 | Western Canada | enabled | 1182494936 | 1075937528
23850808584990554 | FCA_Test3 | Canada - Ontario | enabled | 1182494936 | 1593438041
23850814978510554 | FCA_Test3 | Canada - Alberta | enabled | 1182494936 | 1862946783
23850912218170554 | FCA_Test4 | Canada - Alberta | enabled | 1549248886 | 1862946783
23850912218160554 | FCA_Test4 | Born in 1970s | enabled | 1549248886 | 1899603869
사용자 정의 대시보드를 사용하여 데이터 시각화
사용자 정의 데이터 모델을 만들었으므로 이제 사용자 정의 쿼리 및 사용자 정의 대시보드를 사용하여 데이터를 시각화할 준비가 되었습니다.
다음 SQL은 대상의 대상별 일치 카운트 분류와 대상의 대상별 각 대상 분류를 제공합니다.
SELECT b.destination_name,
a.approximate_count_upper_bound,
b.audience_name
FROM audiencemodel.externalaudiencereach AS a
LEFT OUTER JOIN audiencemodel.external_seg_dest_map AS b
ON ( ( a.ext_custom_audience_id ) = (
b.ext_custom_audience_id ) )
GROUP BY b.destination_name,
a.approximate_count_upper_bound,
b.audience_name
ORDER BY b.destination_name
LIMIT 5000
아래 이미지는 Reporting Insights 데이터 모델을 사용하여 가능한 사용자 지정 시각화의 예를 제공합니다.
사용자 지정 데이터 모델은 사용자 정의 대시보드 작업 영역의 사용 가능한 데이터 모델 목록에서 찾을 수 있습니다. 사용자 지정 데이터 모델을 활용하는 방법에 대한 지침은 사용자 정의 대시보드 안내서를 참조하세요.