Data Distiller 101
Denna översikt över Data distiller visar hur man övervinner vanliga datatillverkares utmaningar och hur man använder bästa praxis för att lyckas.
Viktiga diskussionspunkter
- Översikt över databearbetaren
- Frågor och svar om databearbetning och deras lösningar
- Viktiga användningsexempel
Viktiga uppgifter
Översikt och syfte med Data Distiller
Data Distiller är avsett att ge en översikt över dess viktigaste användningsfall och kundlösningar. Det stöder dataarkitekter, datatekniker, datavetare och marknadsföringsföretag genom att möjliggöra datasegmentering, kurering och sammanhangsbaserad datainsamling.
Exempel på primärt bruk
På webbinariet framhävdes fem huvudsakliga användningsfall för Data Distiller:
- Skapa varumärkesorienterade datamodeller för ett sydamerianskt detaljhandelsföretag.
- Förbättra nästa bästa erbjudande med e-post med personaliserade data för ett telekommunikationsföretag.
- Optimera data för rapportering och attribuering för en lyxåterförsäljare.
- Skräddarsy insikter för Dashboarding.
- Utnyttja AI och ML har rörledningar för utbildning och poängmodeller.
Nyckelfunktioner
Data Distiller erbjuder SQL-baserad bearbetning, skalbar datahantering, Adobe-definierade funktioner, automatisering och schemaläggning, övervakning och varningar samt integrering med tredjepartsverktyg för utökade insikter.
Dataomvandling och databerikning
Data som Distiller möjliggör rengöring, formning, manipulering och berikning av data. Detta inkluderar standardiserade data, omformning av dataformat, datainsamling för granularitet samt härledning av ytterligare attribut för användning i senare led.
Driftinstrumentpaneler och AI/ML-integrering
Med data från Distiller kan man skapa driftinstrumentpaneler i realtid och ha stöd för AI/ML-rörledningar. På så sätt kan man utbilda modeller med Adobe data, poängmodeller och integrera prognoser i Adobe Experience Platform för bättre datadrivet beslutsfattande.