Spegla och använda modellbaserade data

Logga in på Google BigQuery.

Välj BigQuery > Studio.

Välj projekt, datauppsättning och register. På fliken Schema visas en översikt över schemat för händelsedata.

Välj Query.

Kör en exempelfråga i frågeredigeraren, där project är namnet på ditt projekt och datasets är namnet på dina datauppsättningar:

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

Kör följande SQL-sats i frågeredigeraren för att kontrollera inställningen, där project är namnet på ditt projekt och datasets är namnet på dina datauppsättningar:

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;

Om resultatet inte är TRUE använder du följande SQL-sats för att aktivera ändringshistorik, där project är namnet på ditt projekt och datasets är namnet på dina datauppsättningar:

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

I Adobe Experience Platform-gränssnittet väljer du Schemas i Data Management till vänster.

Välj Create schema.

Välj Model-based i listrutan.

Om du ser ett popup-fönster med möjlighet att välja mellan Create manually eller Upload a DDL file:

1. Välj select Create manually.

   

2. Välj Next.

I gränssnittet Schemas > Create model-based schema:

1. Ange Schema display name. Till exempel: Sample Event Feed Schema.

2. Ange Description. Till exempel: Sample event feed schema for a model-based schema.

3. Välj Time series som Schema behavior. Du väljer Time series för tidsseriebaserade data och Record för postbaserade data. Beteendet definierar schemats struktur och de egenskaper som ingår.

   Experience Platform Data Mirror för Customer Journey Analytics används mest för tidsseriedata (till exempel händelsedata).

   

4. Välj Finish.

I gränssnittet Schemas > Sample Event Feed Schema visas en varning om att modellbaserade scheman stöder inmatning som ändringsrader.

Inmatning som ändringsrader kallas även för registrering av ändringsdata (CDC). Schemat kräver följande för att kunna hantera registrering av ändringsdata:

• Primärnyckel.
• Versionsbeskrivare.
• Tidsstämpelbeskrivare för tidsseriedata.

Välj bredvid Sample Event Feed Schema för att börja lägga till fält i schemat. Lägg till följande fält med datatyp och ytterligare attribut i schemat.

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
Fältnamn	Visningsnamn	Typ	Ytterligare attribut
id	Id	Integer	- versionsbeskrivning
orders	Orders	Integer
pagename	Page Name	String
personid	Person Id	String	Primär nyckel Identity Välj CRMID för identitetsnamnområde.
revenueamount	Revenue Amount	Double
timestamp	Timestamp	DateTime	Tidsstämpelbeskrivning
trackingcode	Tracking Code	String

• Fältet id har konfigurerats som Version descriptor.

  

• Fältet personid är konfigurerat och timestamp är Primary key. Välj Create composite primary key om du vill skapa en sammansatt nyckel.

  

  Fältet personid är även konfigurerat som Identity, med CRMID som Identity namespace.

  

• Fältet timestamp är konfigurerat och fältet personid är Primary key. Fältet timestamp har även konfigurerats som Timestamp descriptor. Du behöver bara definiera ett fält som Timestamp descriptor för tidsseriens modellbaserade data.

  

Om du har definierat Primary key, Version descriptor och Timestamp descriptor korrekt försvinner varningen ovanför schemadefinitionen.

Välj Save om du vill spara ditt schema.

Markera tabellen i listan med tabeller. Till exempel: eventdata.

Ett exempel på data visas för verifiering.

Välj Next om du vill fortsätta.

Välj Enable change data capture. En Change data capture requirement-informationsruta visas med mer information.

Välj New dataset för Target dataset om du vill skapa en ny datauppsättning som innehåller speglade data.

Ange en Output dataset name. Till exempel: event-data-mirror.

Välj det modellbaserade schema som du skapade tidigare i listrutan Schema. Till exempel: Sample Event Feed Schema.

Ange annan information.

Välj Next.

Mappa fälten. Från schemat i Google BigQuery (Source data) till fälten i schemat som du har definierat i Experience Platform (Target fields).

Om alla fält är korrekt mappade väljer du Next för att fortsätta.

Ange Frequency och Interval för att schemalägga synkroniseringen av speglade data.

Ange Start time för schemat.

Välj Next om du vill fortsätta.

Granska konfigurationen för källkopplingen.

Välj Finish. Du dirigeras till det konfigurerade dataflödet.

Välj Connections på menyn Data Management.

Välj Create new connection.

Ange obligatoriska Connection name, Sandbox, Average number of daily evens och andra valfria parametrar.

Välj Add datasets.

1. I Select datasets-steget i Add datasets:

   1. Markera den datauppsättning som innehåller speglade data. Till exempel: event-data-mirror. Datauppsättningen har Model som Dataset type.

      

   2. Lägg till ytterligare datauppsättningar som är relevanta för anslutningen.

   3. Välj Next.

2. I Dataset settings-steget i Add datasets:

   För den modellbaserade datamängden event-data-mirror

   1. Välj Event som Dataset type.

   2. Välj fältet PersonId som Person ID.

   3. Timestamp fylls automatiskt i som Timestamp.

   4. Välj Other som Data source type.

   5. Ange Google BigQuery Event Data som Data source description.

   6. Ange annan information, som Import all new data och Backfill all existing data.

      

   Du kan också ange information för andra datauppsättningar.

3. Välj Add datasets.

Välj Save.

I Customer Journey Analytics-gränssnittet väljer du Data views, eventuellt från Data management, på den översta menyn.

Välj Create new data view.

I steget Configure:

1. Välj din anslutning i listan Connection.

2. Namn och (eventuellt) beskrivning av anslutningen.

3. Välj Save and continue.

I steget Components:

1. Lägg till alla schemafält och/eller standardkomponenter som du vill inkludera i komponentrutorna METRICS eller DIMENSIONS. Se till att du lägger till relevanta fält från datauppsättningen som innehåller speglade data. Så här kommer du åt fälten:

   1. Välj Event datasets.

   2. Välj Adhoc & Model-based fields.

   3. Dra och släpp fält från modellbaserade scheman till METRICS eller DIMENSIONS.

      

2. Definiera härledda fält för fält som inte har rätt typ, som inte har rätt format eller som du vill ändra av andra orsaker. Till exempel för Revenue Amount.

   1. Välj Create derived field.

   2. I den härledda fältredigeraren:

      1. Definiera ett nytt Revenue Amount (Numeric)-fält, som nedan.

         

      2. Välj Save.

   3. Dra det nya härledda fältet Revenue Amount (Numeric) och släpp fältet i METRICS.

      

3. Välj Save and continue.

I steget Settings:

Låt inställningarna vara som de är och välj Save and finish.

I Customer Journey Analytics-gränssnittet väljer du Workspace på den översta menyn.

Välj Projects i den vänstra navigeringen.

Välj Create project. I popup-fönstret:

1. Välj Blank Workspace project.

2. Välj Create.

Kontrollera att New project datavyn​ är markerad på arbetsytan ​. Datavyn länkar till anslutningen som innehåller speglade data.

Om du vill skapa din första rapport drar och släpper du mått och mått på Freeform table på panelen Freeform. Dra till exempel Revenue Amount (Numeric) till Dra ett mätvärde hit. Dra PersonId och släpp fältet på den första kolumnrubriken. Gör andra justeringar som du vill.

Slutresultatet är en översikt över profiler och deras intäkter baserat på speglade data från en Google BigQuery-tabell.