Documentatie Experience Platform Gids voor gegevensopname

Een CSV-bestand toewijzen aan een XDM-schema met behulp van door AI gegenereerde aanbevelingen

Laatst bijgewerkt: 20 augustus 2024

Onderwerpen:
Gegevens opnemen

Gemaakt voor:

Ontwikkelaar

NOTE

Voor informatie over algemeen beschikbare CSV afbeeldingsmogelijkheden in Platform, zie het document op afbeelding een Csv- dossier aan een bestaand schema.

Als u CSV-gegevens in Adobe Experience Platform wilt invoeren, moeten de gegevens worden toegewezen aan een Experience Data Model (XDM)-schema. U kunt verkiezen om aan een bestaand schemain kaart te brengen, maar als u niet precies weet welk schema te gebruiken of hoe het zou moeten worden gestructureerd, kunt u dynamische aanbevelingen gebruiken die op machine-leert (ML) modellen binnen Platform UI worden gebaseerd.

Aan de slag

Deze zelfstudie vereist een goed begrip van de volgende componenten van Platform :

Experience Data Model (XDM System): Het gestandaardiseerde framework waarmee Platform gegevens voor de klantervaring indeelt.
- Bij een minimum, moet u het concept gedrag in XDMbegrijpen, zodat kunt u besluiten of om uw gegevens aan een Profile klasse (verslaggedrag) of ExperienceEvent klasse (tijd-reeksen gedrag) in kaart te brengen.
Inname van de Partij: De methode waardoor Platform gegevens van user-provided gegevensbestanden opneemt.
Prep van Gegevens van Adobe Experience Platform: Een reeks mogelijkheden die u toestaan om opgenomen gegevens in kaart te brengen en om te zetten om met schema's in overeenstemming te zijn XDM. De documentatie over Prep functies van Gegevensis specifiek relevant voor schemaafbeelding.

Gegevens over gegevensstroom opgeven

Selecteer Sources in de gebruikersinterface van het Experience Platform in de linkernavigatie. Navigeer in de weergave Catalog naar de categorie Local system . Selecteer onder Local file upload de optie Add data .

de Sources catalogus in Platform UI, met Add data onder Local file upload die wordt geselecteerd.

De Map CSV XDM schema -workflow wordt weergegeven, vanaf de Dataflow detail -stap.

Selecteer Create a new schema using ML recommendations , zodat er nieuwe besturingselementen worden weergegeven. Kies de juiste klasse voor de CSV-gegevens die u wilt toewijzen (Profile of ExperienceEvent). U kunt optioneel het vervolgkeuzemenu gebruiken om de relevante branche voor uw bedrijf te selecteren of leeg laten als de opgegeven categorieën niet op u van toepassing zijn. Als uw organisatie onder a zaken-aan-zaken (B2B)model werkt, selecteer B2B data checkbox.

de Dataflow detail stap met de geselecteerde de aanbeveling van ML optie. Profile wordt geselecteerd voor de klasse en Telecommunications geselecteerd voor de industrie

Van hier, verstrek een naam voor het schema dat van de CSV- gegevens zal worden gecreeerd, en een naam voor de outputdataset die de gegevens zal bevatten die onder dat schema worden opgenomen.

U kunt naar keuze de volgende extra eigenschappen voor dataflow vormen alvorens te werk te gaan:

Invoernaam

Beschrijving

Description

Een beschrijving voor de gegevensstroom.

Error diagnostics

Wanneer toegelaten, worden de foutenmeldingen geproduceerd voor onlangs opgenomen partijen, die kunnen worden bekeken wanneer het halen van de overeenkomstige partij in API.

Partial ingestion

Als deze optie is ingeschakeld, worden geldige records voor nieuwe batchgegevens opgenomen binnen een opgegeven foutdrempel. Deze drempel staat u toe om het percentage aanvaardbare fouten te vormen alvorens de volledige partij ontbreekt.

Dataflow details

Geef een naam en een optionele beschrijving voor de gegevensstroom op die de CSV-gegevens naar Platform overbrengt. Aan de gegevensstroom wordt automatisch een standaardnaam toegewezen wanneer u deze workflow start. Het wijzigen van de naam is optioneel.

Alerts

Selecteer uit een lijst van in-product alarmdat u betreffende de status van dataflow wilt ontvangen zodra het in werking is gesteld.

Wanneer u klaar bent met het configureren van de gegevensstroom, selecteert u Next .

de Dataflow detail sectie wordt voltooid.

Gegevens selecteren

Gebruik in de stap Select data de linkerkolom om het CSV-bestand te uploaden. U kunt Choose files selecteren om een dialoogvenster voor bestandsverkenning te openen waarin u het bestand kunt selecteren. U kunt het bestand ook rechtstreeks naar de kolom slepen.

de Choose files knoop en belemmering-en-dalingsgebied binnen de Select data stap wordt benadrukt.

Na het uploaden van het bestand wordt een voorbeeldgegevenssectie weergegeven met de eerste tien rijen van de ontvangen gegevens, zodat u kunt controleren of deze correct zijn geüpload. Selecteer Next om door te gaan.

de gegevensrijen van de Steekproef zijn bevolkt binnen de werkruimte

Schema-toewijzingen configureren

De modellen van XML worden in werking gesteld om een nieuw schema te produceren dat op uw dataflow configuratie en uw geupload Csv- dossier wordt gebaseerd. Wanneer het proces is voltooid, wordt de stap Mapping gevuld om de toewijzingen voor elk afzonderlijk veld weer te geven naast de volledig navigeerbare weergave van de gegenereerde schemastructuur.

de Mapping stap in UI, die alle in kaart gebrachte gebieden CSV en de resulterende schemastructuur toont.

NOTE

U kunt alle velden in uw schema filteren op basis van verschillende criteria tijdens de toewijzingsworkflow van bron naar doel voor velden. Standaard worden alle toegewezen velden weergegeven. Om de getoonde gebieden te veranderen, selecteer het filterpictogram naast het gebied van de onderzoeksinput en kies van de dropdown opties.

het kaartingsstadium van CSV aan het werkschema van de het schemaverwezenlijking XDM met het benadrukte filterpictogram en dropdown menu.

Van hier, kunt u naar keuze de gebiedstoewijzingenof uitgeven de gebiedsgroepen zij metvolgens uw behoeften worden geassocieerd. Selecteer Finish als u tevreden bent om de toewijzing te voltooien en de dataflow die u eerder hebt geconfigureerd, te starten. De gegevens CSV wordt opgenomen in het systeem en bevolkt een dataset die op de geproduceerde schemastructuur wordt gebaseerd, klaar om door de stroomafwaartse diensten van het Platform worden verbruikt.

de Finish knoop die wordt geselecteerd, die het proces voltooit van de afbeelding CSV.

Veldtoewijzingen bewerken

Gebruik de voorvertoning van de veldtoewijzing om bestaande toewijzingen te bewerken of volledig te verwijderen. Voor meer informatie over hoe te om een afbeelding te beheren die in UI wordt geplaatst, verwijs naar de gids UI voor de afbeelding van de Prep van Gegevens.

Veldgroepen bewerken

De CSV-velden worden automatisch toegewezen aan bestaande XDM-veldgroepen met behulp van XML-modellen. Als u de veldgroep voor een bepaald CSV-veld wilt wijzigen, selecteert u Edit naast de schemastructuur.

de Edit knoop die naast de schemaboom wordt geselecteerd.

Er wordt een dialoogvenster weergegeven waarin u de weergavenaam, het gegevenstype en de veldgroep voor een veld in de toewijzing kunt bewerken. Selecteer uitgeven pictogram ( uit) naast een brongebied om zijn details in de juiste kolom uit te geven alvorens Apply te selecteren.

de geadviseerde gebiedsgroep voor een brongebied dat wordt veranderd.

Wanneer u klaar bent met het aanpassen van de schemaaanbevelingen voor uw brongebieden, uitgezocht Save om de veranderingen toe te passen.

Volgende stappen

Deze gids behandelde hoe te om een Csv- dossier aan een XDM- schema in kaart te brengen gebruikend AI-Gegenereerde aanbevelingen, die u toestaan om die gegevens in Platform door partijingesetion te brengen.

Voor stappen bij het in kaart brengen van een Csv- dossier aan een bestaand schema, verwijs naar het bestaande schema in kaart brengende werkschema. Voor informatie bij het stromen gegevens aan Platform in real time door prebuilt bronverbindingen, verwijs naar het overzicht van bronnen.

U kunt het Leren van de Machine (ML) algoritmen ook gebruiken om een schema van steekproefCSV gegevens te produceren. Deze workflow maakt automatisch een nieuw schema op basis van de structuur en inhoud van het CSV-bestand. Dit nieuwe schema past het formaat van uw gegevens aan om u tijd te besparen en nauwkeurigheid te verhogen wanneer het bepalen van de structuur, de gebieden, en de gegevenstypes voor grote complexe datasets. Zie de ML-Begeleidde van de schemaverwezenlijkingvoor meer informatie over dit werkschema.

recommendation-more-help