Data Prep felsökningsguide

Det här dokumentet innehåller svar på vanliga frågor om Adobe Experience Platform Data Prep samt en felsökningsguide för vanliga fel. Om du har frågor och felsökningsinformation om Experience Platform API:er i allmänhet kan du läsa felsökningsguiden för Adobe Experience Platform API.

Vanliga frågor och svar

Nedan följer en lista med vanliga frågor om Data Prep och deras svar.

Hur åtgärdas transformeringsfel?

Data Prep lokaliserar alla transformeringsfel till den kolumn där de inträffade. Det innebär att kolumnen har värdet null och att resten av raden kommer att fortsätta att bearbetas. Dessa transformeringsproblem loggas som Varningar. Vi rekommenderar att du granskar varningarna med jämna mellanrum och justerar omformningslogiken för att ta hänsyn till omformningsproblemen. Detta ökar kvaliteten på de data som hämtas in till Experience Platform.

Om kolumnerna som markerats som Obligatorisk har värdet null på grund av transformeringsproblem, kommer raden inte att kapslas in. När partiell datainmatning är aktiverat kan du ange tröskelvärdet för sådana avvisningar innan hela flödet misslyckas. Om attributet null inte påverkade några valideringar på schemanivå kommer raden att fortsätta att kapslas.

Alla rader som är ogiltiga, även utan omformningsfel, kommer också att refuseras. Ett datainmatningsflöde kan till exempel ha en genomströmningsmappning (ingen omformningslogik) till ett obligatoriskt fält och det finns inget inkommande värde för det attributet. Den här raden kommer att refuseras.

Hur kan jag undgå specialtecken i ett fält?

Du kan undvika specialtecken i ett fält genom att använda ${...}. JSON-filer som innehåller fält med en punkt (.) stöds dock inte av den här funktionen. Om ett underordnat attribut har en punkt (.) vid interaktion med hierarkier måste du använda ett omvänt snedstreck (\) för att undvika specialtecken. address är till exempel ett objekt som innehåller attributet street.name, som sedan kan kallas address.street\.name i stället för address.street.name.

Vilken är maxlängden för beräknade fält?

Beräknade fält får innehålla högst 4 096 tecken.

Det gick inte att fylla i på grund av validering av ett attribut, men attributet finns korrekt i min fil. Exakt vad är fel?

Kontrollera att datatypen för varje fält matchar den typ som är definierad i schemat. Dessutom måste villkor som"Obligatorisk","Uppräkning" och"format" följas.

De data som importeras måste följa XDM-schemat (Experience Data Model) som har definierats i Experience Platform. Om attributet inte matchar den förväntade typen eller det förväntade formatet som anges i schemat, kommer importen att misslyckas.

Om dataförinställningsfunktionerna används kontrollerar du att omvandlingen resulterar i rätt attribut. Du kan granska attributen under konfigurationen av arbetsflödet för källor. Under mappningssteget väljer du New field type och sedan Add calculated field. Använd sedan beräkningsfältets gränssnitt för att förhandsgranska varje funktion.

Hur tar jag bort felaktiga datavärden från direktuppspelnings- eller batchmatningsposter?

Du kan använda gränssnittet Data Prep-mappning för att utföra filtrering på kolumnnivå endast genom att mappa kolumner som har nödvändiga data. Du kan också använda beräkningsfält för att omforma data med hjälp av stödfunktionerna.

Filtrering på radnivå är för närvarande bara tillgängligt för Adobe Analytics-källkopplingen.

Efter intag kan du använda databearbetaren för att rengöra, forma och hantera data med hjälp av SQL. Den här processen kräver dock att gruppen tas bort med de felaktiga posterna och att en ny grupp som skapats från SQL-resultatet hämtas igen.

Vad är bästa sättet att använda beräkningsfält i GIF-data?

Du kan använda funktionerna för dataprep-mappning under mappningssteget för källdata till XDM-schema för att skapa ett nytt beräknat fält.

När du hämtar in Adobe Analytics-data som en källa, aktiveras schemat automatiskt för profilen?

Analysdata konfigureras inte automatiskt för profilen. När du har konfigurerat källkopplingen måste du gå in i datauppsättningen och schemat och aktivera dem för profilinmatning.

När du skapar ett datakällflöde för Analytics i en produktionssandlåda skapas två dataflöden:

Hur kan jag skriva ned ett värde i ett kartobjekt med dataförinställningsfunktionerna?

Du kan hämta värdet med funktionen map_get_values och sedan göra det med gemener med hjälp av funktionen lower:

lower(map_get_values(mapObject, 'keyName'))

Du kan använda samma funktion för att skapa ett mappningsobjekt med gemener. Du kan emellertid inte göra en slinga genom en hel karta och göra varje objekt i gemener.

Kan jag använda dataprep-funktioner på ett kapslat sätt?

Ja, du kan använda en Data Prep-funktion i en annan funktion för att lösa komplex dataförberedelsefunktion under dataimporten.

Om du till exempel vill definiera ett fält som null baserat på ett visst villkor, kan du använda funktionen"iif" för att kontrollera det fältet. Om funktionen returnerar true kan du använda "nullify()" och om den returnerar false kan du använda respektive fält.

Om marketing_type var fältet kan du använda ".equals" för att kontrollera värdet i fältet marketing_type och det kan kapslas i en "iif"-funktion. Om den returnerar true kan du använda funktionen "nullify()" enligt nedan:

iif(marketing_type.equals("phyMail"), nullify(), marketing_type)

I följande exempel visas exempel på hur du kan kapsla förinställningsfunktioner för data med if, equals och null:

Följande är ett exempel på hur funktionerna kan kapslas, under förutsättning att fältet som utvärderas är "marketing_type".

iif(marketing_type.equals("phyMail"), nullify(), marketing_type)

Nu när du har följande tre fält:

Du kan använda och kapsla de tre funktionerna som listas ovan för att ändra de tre fälten: