Mappa en CSV-fil till ett XDM-schema med AI-genererade rekommendationer

För att kunna importera CSV-data till Adobe Experience Platform måste data mappas till ett Experience Data Model (XDM)-schema. Du kan mappa till ett befintligt schema, men om du inte vet exakt vilket schema som ska användas eller hur det ska struktureras kan du i stället använda dynamiska rekommendationer baserade på ML-modeller (Machine Learning) i plattformsgränssnittet.

Komma igång

Den här självstudien kräver en fungerande förståelse av följande komponenter i Platform:

Ange information om dataflöde

I användargränssnittet för Experience Platform väljer du Sources i den vänstra navigeringen. Navigera till kategorin Local system i vyn Catalog. Välj Add data under Local file upload.

Arbetsflödet Map CSV XDM schema visas med början i steget Dataflow detail.

Välj Create a new schema using ML recommendations, vilket gör att nya kontroller visas. Välj lämplig klass för de CSV-data som du vill mappa (Profile eller ExperienceEvent). Du kan också använda listrutan för att välja den bransch som är relevant för ditt företag, eller lämna den tom om de angivna kategorierna inte gäller för dig. Om din organisation arbetar under en business-to-business-modell (B2B) markerar du kryssrutan B2B data .

Här anger du ett namn för schemat som ska skapas från CSV-data och ett namn för den utdatauppsättning som ska innehålla data som hämtas under det schemat.

Du kan även konfigurera följande ytterligare funktioner för dataflödet innan du fortsätter:

Välj Next när du är klar med konfigurationen av dataflödet.

Markera data

I steget Select data använder du den vänstra kolumnen för att överföra din CSV-fil. Du kan välja Choose files om du vill öppna en dialogruta för filutforskaren och välja filen från. Du kan också dra och släppa filen direkt i kolumnen.

När du har överfört filen visas ett exempeldataavsnitt som visar de första tio raderna i de mottagna data så att du kan kontrollera att de har överförts korrekt. Välj Next om du vill fortsätta.

Konfigurera schemamappningar

ML-modellerna körs för att generera ett nytt schema baserat på dataflödeskonfigurationen och den överförda CSV-filen. När processen är klar fylls steget Mapping i så att mappningarna för varje enskilt fält visas bredvid den fullt navigerbara vyn för den genererade schemastrukturen.

NOTE

Du kan filtrera alla fält i schemat baserat på en rad olika villkor under arbetsflödet för att mappa fält från källa till mål. Standardbeteendet är att alla mappade fält visas. Om du vill ändra de fält som visas markerar du filterikonen bredvid sökinmatningsfältet och väljer ett alternativ i listrutan.
{width="100" modal="regular"}

Härifrån kan du redigera fältmappningarna eller ändra de fältgrupper som de är kopplade till efter dina behov. När du är nöjd väljer du Finish för att slutföra mappningen och initiera dataflödet som du konfigurerade tidigare. CSV-data hämtas in till systemet och fyller i en datauppsättning som baseras på den genererade schemastrukturen, klar att användas av plattformstjänster längre fram i kedjan.

Redigera fältkopplingar edit-mappings

Använd förhandsgranskningen av fältmappningen för att redigera befintliga mappningar eller ta bort dem helt. Mer information om hur du hanterar en mappningsuppsättning i användargränssnittet finns i Användargränssnittshandboken för datapersonmappning.

Redigera fältgrupper edit-field-groups

CSV-fälten mappas automatiskt till befintliga XDM-fältgrupper med hjälp av ML-modeller. Om du vill ändra fältgruppen för ett visst CSV-fält väljer du Edit bredvid schematrädet.

En dialogruta visas där du kan redigera visningsnamn, datatyp och fältgrupp för alla fält i mappningen. Markera redigeringsikonen ( ) bredvid ett källfält om du vill redigera informationen i den högra kolumnen innan du väljer Apply.

När du är klar med justeringen av schemarekommendationerna för dina källfält väljer du Save för att tillämpa ändringarna.

Nästa steg

I den här guiden beskrivs hur du mappar en CSV-fil till ett XDM-schema med hjälp av AI-genererade rekommendationer, så att du kan överföra data till plattformen genom batchingång.

Anvisningar om hur du mappar en CSV-fil till ett befintligt schema finns i det befintliga arbetsflödet för schemamappning. Mer information om direktuppspelning av data till plattformen i realtid via färdiga källanslutningar finns i källans översikt.

Du kan också använda HTML-algoritmer (Machine Learning) för att generera ett schema från CSV-exempeldata. Det här arbetsflödet skapar automatiskt ett nytt schema baserat på CSV-filens struktur och innehåll. Det nya schemat matchar dataformatet så att du sparar tid och får större exakthet när du definierar struktur, fält och datatyper för stora komplexa datauppsättningar. Mer information om det här arbetsflödet finns i guiden Skapa ML-stödda scheman.