DokumentationExperience PlatformAnvändarhandbok om Data Science Workspace

Skapa försäljningsschema och datauppsättning för återförsäljning

Last update: Tue Aug 06 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Skapat för:

  • Användare
  • Utvecklare
NOTE
Data Science Workspace finns inte längre att köpa.
Denna dokumentation är avsedd för befintliga kunder med tidigare tillstånd till Data Science Workspace.

I den här självstudiekursen får du de krav och resurser som krävs för alla andra Adobe Experience Platform Data Science Workspace självstudiekurser. När du är klar är schema och datauppsättningar för detaljhandelsförsäljning tillgängliga för dig och medlemmar i din organisation den Experience Platform.

Komma igång

Innan du startar den här självstudiekursen måste du ha följande krav:

  • Åtkomst till Adobe Experience Platform. Om du inte har åtkomst till en organisation i Experience Platform, ska du tala med systemadministratören innan du fortsätter.

  • Behörighet att göra Experience Platform API-anrop. Slutför självstudiekursen Autentisera och få tillgång till Adobe Experience Platform API:er för att få tillgång till följande värden för att slutföra den här självstudiekursen:

    • Behörighet: {ACCESS_TOKEN}
    • x-api-key: {API_KEY}
    • x-gw-ims-org-id: {ORG_ID}
    • Klienthemlighet: {CLIENT_SECRET}
    • Klientcertifikat: {PRIVATE_KEY}

  • Exempeldata och källfiler för Retail Sales Recipe. Hämta resurserna som krävs för den här och andra Data Science Workspace självstudiekurser från den offentliga Git-databasen Adobe.

  • Python >= 2.7 och följande Python-paket:

  • En arbetsförståelse för följande koncept som används i den här självstudiekursen:

Skapa schema och datauppsättning för butiksförsäljning

Butiksförsäljningsschemat och datauppsättningarna skapas automatiskt med det angivna Bootstrap-skriptet. Följ stegen nedan i ordning:

Konfigurera filer

  1. I resurspaketet Experience Platform för självstudier navigerar du till katalogen bootstrap och öppnar config.yaml med en lämplig textredigerare.

  2. Ange följande värden under avsnittet Enterprise:

    code language-yaml 
    Enterprise:
    api_key: {API_KEY}
    org_id: {ORG_ID}
    tech_acct: {technical_account_id}
    client_secret: {CLIENT_SECRET}
    priv_key_filename: {PRIVATE_KEY}

  3. Redigera värdena som finns under avsnittet Platform, exempel som visas nedan:

    code language-yaml 
    Platform:
    platform_gateway: https://platform.adobe.io
    ims_token: {ACCESS_TOKEN}
    ingest_data: "True"
    build_recipe_artifacts: "False"
    kernel_type: Python
    • platform_gateway: Bassökvägen för API-anrop. Ändra inte det här värdet.
    • ims_token: Din {ACCESS_TOKEN} placeras här.
    • ingest_data: I den här självstudiekursen anger du det här värdet som "True" för att skapa försäljningsscheman och datauppsättningar för detaljhandeln. Värdet "False" skapar bara scheman.
    • build_recipe_artifacts: I den här självstudiekursen anger du det här värdet som "False" för att förhindra att skriptet genererar en mottagarartefakt.
    • kernel_type: Körningstypen för mottagarartefakten. Låt det här värdet vara Python om build_recipe_artifacts har angetts som "False", annars anger du rätt körningstyp.

  4. Under avsnittet Titles anger du följande information korrekt för exempeldata för försäljning (butik). Spara och stäng filen när redigeringarna är på plats. Exempel som visas nedan:

    code language-yaml 
    Titles:
    input_class_title: retail_sales_input_class
    input_mixin_title: retail_sales_input_mixin
    input_mixin_definition_title: retail_sales_input_mixin_definition
    input_schema_title: retail_sales_input_schema
    input_dataset_title: retail_sales_input_dataset
    file_replace_tenant_id: DSWRetailSalesForXDM0.9.9.9.json
    file_with_tenant_id: DSWRetailSales_with_tenant_id.json
    is_output_schema_different: "True"
    output_mixin_title: retail_sales_output_mixin
    output_mixin_definition_title: retail_sales_output_mixin_definition
    output_schema_title: retail_sales_output_title
    output_dataset_title: retail_sales_output_dataset

Kör bootstrap-skriptet

  1. Öppna terminalprogrammet och gå till resurskatalogen för självstudiekursen Experience Platform.

  2. Ange katalogen bootstrap som aktuell arbetssökväg och kör skriptet bootstrap.py Python genom att ange följande kommando:

    code language-bash 
    python bootstrap.py
    note note
    NOTE
    Skriptet kan ta flera minuter att slutföra.

Nästa steg

När bootstrap-skriptet har slutförts kan indata- och utdatamodeller och datamängder för butik visas på Experience Platform. Se självstudiekursen för förhandsgranskning av schemadata
för mer information.

Du har även inläst exempeldata för butiksförsäljning till Experience Platform med det angivna bootstrap-skriptet.

Så här fortsätter du att arbeta med inkapslade data:

  • Analysera dina data med Jupyter Notebooks
    • Använd Jupyter Notebooks i Data Science Workspace för att få tillgång till, utforska, visualisera och förstå era data.
  • Paketera källfiler i en mottagare
    • Följ den här självstudiekursen för att lära dig hur du kan ta med din egen modell till Data Science Workspace genom att paketera källfiler i en importerbar Recipe-fil.
recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9