Verwerkingsregels, VISTA, en classificaties versus Prep van Gegevens
Adobe Analytics verwerkingsvoorschriften en VISTA-regels een middel bieden om gegevens die in Adobe Analytics worden doorgegeven, om te zetten en te manipuleren gegevensverzameling. Deze transformaties maken deel uit van de gegevensverwerking van de Adobe voordat de gegevens voor rapportage- en analysedoeleinden in Adobe Analytics worden opgeslagen.
Gegevensprep is een gereedschap waarmee u op rijen gebaseerde toewijzingen en transformaties kunt toepassen op gegevens die u in Adobe Experience Platform. Vervolgens worden de gegevens ter beschikking gesteld van toepassingen in de Experience Platform, waaronder Customer Journey Analytics en andere. Data prep is geïntegreerd met veel van het platform bronconnectors, alsmede met de Bronconnector voor analyse. Deze aansluiting biedt een manier om gegevens uit de rapportsuite van Adobe Analytics in Platform in te voeren.
Verdere transformatie met Data Prep data-prep
Gegevens die door Adobe Analytics worden verzameld en in worden opgeslagen, kunnen worden getransformeerd aan de hand van verwerkingsregels, VISTA-regels of beide. Maar de rapportsuites die dan aan Platform via de Analytics bronschakelaar worden doorgestuurd kunnen nog een tijd worden omgezet gebruikend Prep van Gegevens. Dit kan voor een aantal doeleinden wenselijk zijn:
- Schema-verschillen oplossen tussen rapportsuites voor gebruik in Customer Journey Analytics en/of RTCDP. Stel bijvoorbeeld dat rapportsuite A definieert
eVar1als "Zoekterm" en rapportsuite BeVar2als "Zoekterm". U kunt data prep gebruiken om de twee verschillende eVars in een gemeenschappelijk gebied in kaart te brengen dat gegevens van beide eVars bevat. Hierdoor is het mogelijk rapportsuites combineren met verschillende schema's in een Verbinding met Customer Journey Analytics of voor gebruik in Real-time Customer Data Platform. - Toewijzing
eVarsvelden naar semantische betekenisvolle namen.eVarsenpropsdie door de bronschakelaar van de Analyse komen wordt in kaart gebracht aan gebieden zoals _experience.analytics.customDimensions.eVars.eVar1. Gegevensvoorbeeld kan worden gebruikt omeVarenpropvelden naar nieuwe velden met betekenisvollere namen voor uw gebruikers of met dezelfde namen die afkomstig zijn uit andere gegevensbronnen. (Dit kan ook op andere manieren worden gedaan, bijvoorbeeld door de namen van de velden in een Gegevens Customer Journey Analytics, weergave.) - Gegevens doorgaans transformeren. Data prep heeft honderden toewijzingsfuncties die kunnen worden gebruikt om nieuwe gebieden te berekenen en te berekenen die op de gegevens worden gebaseerd die door de de bronschakelaar van de Analyse komen. U kunt gescheiden velden splitsen in afzonderlijke velden. U kunt velden combineren. U kunt tekenreeksen manipuleren. U kunt informatie uit een veld extraheren op basis van reguliere expressies en nog veel meer.
Gegevensprep en classificatie classifications
Data Prep heeft cross-over met classificaties in sommige situaties.
In een veld met scheidingstekens kunt u bijvoorbeeld Data Prep gebruiken om dat veld in meerdere afzonderlijke velden te splitsen zonder classificaties te gebruiken. Over het algemeen zijn classificaties een manier om metagegevens aan een veld toe te voegen door een opzoekbestand te uploaden dat buiten de stroom van inkomende gebeurtenissen Analytics wordt geleverd.
U kunt bijvoorbeeld een classificatiebestand uploaden waarin SKU's worden gegroepeerd in 'grootte', 'merk', 'kleur' enzovoort. Een ander verschil tussen classificaties en Data Prep is dat classificaties van toepassing zijn op gegevens zowel historisch als in de toekomst. Aan de andere kant worden gegevenprep-toewijzingen toegepast doorsturen aan gegevens vanaf het moment dat de toewijzing wordt gemaakt.