Création de flux de données

Objectifs d’apprentissage

Après avoir terminé cette unité, vous pourrez :

• Intégrer des sources de données standard et personnalisées dans Data Cloud
• Créer un flux de données dans Marketing Cloud Engagement
• Manipuler vos données pour mieux les adapter à vos tâches marketing
• Tirer profit des cas d’utilisation d’expressions de formule

Diffusion du flux de données

Warren Mehta, spécialiste apprenti des systèmes informatiques chez Northern Trail Outfitters (NTO), est la personne responsable du transfert de toutes les données dans Data Cloud. Warren et Isabelle Givens, responsable du marketing numérique de NTO, planifient la manière dont ils vont importer les données de Marketing Cloud Engagement, ainsi que des sources distinctes pour les données relatives aux emplacements des magasins, au commerce digital, aux enquêtes et au journal des coureurs. Ils répertorient d’abord toutes leurs sources de données sur un tableau blanc, puis détaillent les caractéristiques clés de chaque source (reportez-vous à la liste de contrôle de l’unité 1). Ensuite, ils commencent à faire des spaghettis, du moins, cela y ressemble. Ils tracent en réalité des lignes d’une source de données à une autre pour voir leur relation. Ensuite, ils se concentrent sur les données dont ils ont réellement besoin. Les données Marketing Cloud Engagement, Sales Cloud et Service Cloud sont facilement gérées à l’aide de paquets et de connecteurs prédéfinis. Cependant, ils prévoient également d’intégrer les données relatives au commerce digital, aux enquêtes et au journal des coureurs hébergées sur S3. Une fois un plan élaboré, Warren est prêt à se mettre au travail.

Northern Trail Outfitters étend sa suite Salesforce pour inclure Data Cloud. Compte tenu de toutes les données de marketing par e-mail, d’engagement Web, d’achat et de fidélité générées à la fois en ligne et dans ses magasins, l’entreprise a besoin de Data Cloud pour segmenter ses clients et interagir correctement avec eux. NTO doit également maintenir des profils unifiés pour tous ses clients et inclure d’autres formes d’informations, telles que les types de produits, l’emplacement des magasins, les modèles d’e-mails et d’autres éléments utilisés dans la segmentation des audiences. Toutes ces informations nécessitent une évaluation et un mappage minutieux.

La première étape

Warren rassemble depuis longtemps des sources de données disparates, mais il apprécie la facilité qu’offre ce système. Il s’est vu attribuer l’ensemble d’autorisations de l’utilisateur spécialiste des données dans Data Cloud, ce qui lui permet d’accéder aux outils dont il aura besoin pour tout organiser. Warren commence par ingérer les données d’Email Studio de Marketing Cloud Engagement. Comme vous l’avez appris dans la première unité, ce processus utilise l’un des connecteurs qui (1) importe les données sources et (2) mappe automatiquement ces données au modèle de données, puisque les jeux de données sont tous standard. Voici comment il procède.

1. Dans l’onglet Data Streams (Flux de données), Warren clique sur New (Nouveau).
2. Il sélectionne la source de données Marketing Cloud Engagement et clique sur Next (Suivant).
3. Warren choisit le paquet de démarrage Email Studio et clique sur Next (Suivant).
4. Il examine la liste proposée de flux de données et les champs ingérés pour chacun, puis clique sur Next (Suivant).
5. Une dernière étape de confirmation résume tous les flux sur le point d’être déployés. Après validation, il clique sur Deploy (Déployer).
6. Il voit que plusieurs flux de données ont été automatiquement ajoutés à sa liste de flux de données et il clique sur l’un d’eux pour l’examiner.
7. Sur l’écran de résumé du flux de données, il clique sur Review Mappings (Vérifier les mappages) dans le panneau de droite pour constater par lui-même que les données sources sont automatiquement partagées via le mappage avec la couche de modèle de données.
8. Il trouve le flux contenant « Ent Profile Attribute (Saisir un attribut de profil) » dans son nom et complète le mappage de ce flux de données unique. Étant donné que ce flux représente des données personnalisées, c’est le seul du paquet qui ne peut pas être automatiquement mappé à sa place.

Ce processus permet à Warren d’accomplir une partie de sa mission, mais ce dernier doit désormais également intégrer deux sources de données personnalisées. NTO suit les informations sur les coureurs et l’activité de course qu’ils consignent. Les profils des coureurs sont stockés dans une extension de donnée Marketing Cloud Engagement et le journal d’activité est stocké sur AWS S3.

Jetez un œil à ces deux jeux de données. La clé principale du jeu de données des profils des coureurs est l’ID d’annonceur mobile (MAID), tandis que la clé principale du jeu de données des statistiques des coureurs est RunID. RunID est la clé principale car, comme vous pouvez le constater, le même coureur (indiqué par un MAID) peut consigner plusieurs courses. Notez que les deux tables ont un MAID (concept de clé étrangère), car cela sera important lors de la modélisation afin de relier les tables entre elles à l’aide d’une relation.

Jeu de données 1 : données sur les profils des coureurs

Jeu de données 2 : données statistiques des coureurs

Grâce à sa liste de contrôle, Warren sait qu’il doit utiliser la bibliothèque d’expressions de formules afin d’écrire une formule qui identifie tous les clients du Minnesota afin qu’ils puissent bénéficier d’offres spéciales sur les équipements destinés au temps froid. Il s’attend à extraire chaque jour la liste complète des profils de coureurs afin de capturer tous les changements dans sa liste principale. Il sait qu’une telle extraction complète n’est pas nécessaire pour le jeu de données statistiques, car une fois les statistiques des coureurs consignées, l’enregistrement ne change pas.

Fort de cette prévoyance, Warren est prêt à passer à l’action !

1. Une fois que Warren a lancé le processus d’ajout d’une autre source de données Marketing Cloud Engagement, il sélectionne l’onglet Data Extensions (Extensions de données) et trouve l’unité commerciale dont il a besoin dans la liste déroulante.
2. Il parcourt ensuite la liste des extensions de données et sélectionne RUNNER_PROFILES.
3. Le champ Source est préconfiguré et il examine les champs Object Label (Étiquette d’objet) et Object API Name (Nom d’API de l’objet) proposés qui ressemblent beaucoup au nom de son jeu de données.
4. Sur l’écran suivant, il définit la catégorie comme Profil puisque ce jeu de données représente une liste de coureurs.
5. Il choisit le champ MAID (ID d’annonceur mobile) comme clé principale.
6. Warren clique sur New Formula Field (Nouveau champ de formule) pour identifier les clients du Minnesota afin de leur proposer des équipements destinés au temps froid.
7. Il définit l’étiquette de champ sur Is Minnesota et le nom d’API du champ sur Is_Minnesota.
8. Il définit le type de renvoi de formule sur Text (Texte).
9. Warren saisit la formule suivante dans l’éditeur de syntaxe : IF(EXTRACT(sourceField['City State'], ", ", 1) == "MN", "TRUE", "FALSE").
10. Dans la zone de saisie du test, il saisit ces combinaisons pour valider la formule :
    • « City State » (Ville, État) avec la valeur « Minneapolis, MN » renvoie « TRUE ».
    • « City State » (Ville, État) avec la valeur « Hopkins, MN » renvoie « TRUE ».
    • « City State » (Ville, État) avec la valeur « New York, NY » renvoie « FALSE ».
11. Il enregistre la formule et vérifie que « Is Minnesota » est ajouté comme nouveau champ.
12. Il clique sur Next (Suivant) et, se rappelant qu’il a besoin que la liste principale complète soit mise à jour régulièrement, il s’assure que le jeu de données est configuré pour être exporté depuis Marketing Cloud Engagement (mode d’extraction de l’extension de données) en tant que Full Refresh (Actualisation complète) et que Data Cloud est prêt à accepter une Full Refresh (Actualisation complète) (mode d’actualisation).
13. Warren clique sur Deploy (Déployer). Son nouveau flux de données est prêt !

Plus de données depuis le Cloud

Maintenant que Warren a importé les profils des coureurs dans Data Cloud, il est prêt à importer les journaux de course (données d’engagement) que ces coureurs ont complétés. Pour cela, il doit établir une connexion à AWS S3. 

Il accède à l’onglet Data Streams (Flux de données) et clique sur New (Nouveau).

1. Il sélectionne la source de données de stockage Cloud, clique sur Next (Suivant), puis saisit les identifiants S3 de NTO. Ces informations incluent la clé d’accès et le secret ainsi que l’emplacement des données dans le compartiment S3, avec les champs Directory (Répertoire) et File Name (Nom de fichier).
2. Warren ajoute également les informations sur la source, l’étiquette de l’objet et le nom d’API de l’objet. L’étiquette de l’objet et le nom d’API sont semblables au nom du jeu de données. Il choisit donc de les nommer tous les deux RUNNER_STATS.
3. Il choisit la catégorie Engagement, car ces données sont orientées vers l’action et disposent d’un suivi du temps associé à chaque action. Il sélectionne Date comme valeur du champ Event Time (Heure de l’événement) et il définit RunID comme clé principale. Notez que si RunID n’avait pas été inclus dans le jeu de données de Warren, il aurait pu créer un champ de formule concaténant les champs et définir le champ de formule résultant comme clé principale.
4. Tous les champs semblent corrects et Warren confirme que le format Date de son champ Event Time (Heure de l’événement) a été correctement interprété comme MM/jj/aa (soit deux chiffres pour le mois, pour le jour et pour l’année). Il passe donc aux détails du déploiement. Puisqu’il va uniquement envoyer de nouveaux enregistrements, il n’a pas besoin de sélectionner Full Refresh (Actualisation complète) cette fois-ci et choisit à la place Upsert (Mettre à jour et insérer).
5. Enfin, il indique Daily (Tous les jours) pour la récupération du jeu de données, et clique sur Deploy (Déployer).

Ces exemples montrent comment importer des données de catégorie Profile (Profil) et Engagement. Puisque Warren prévoit également d’inclure des données de la catégorie Other (Autre), telles que les données d’emplacement des magasins, il continue de suivre le processus de création d’un flux pour chaque jeu de données jusqu’à ce que toutes les données sources soient copiées dans Data Cloud.

Croisement des flux

De toute évidence, Warren inclura beaucoup plus de flux de données dans son compte Data Cloud. Ces trois exemples ne représentent qu’une petite partie de ce que NTO doit prendre en compte dans la planification à grande échelle des activités de marketing. Ce processus démontre la puissance et la facilité de la connexion de vos données Marketing Cloud Engagement et de stockage sur le Cloud à Data Cloud. Alors, quelle est la prochaine étape à suivre après avoir connecté tous vos flux de données à votre compte (à part leur laisser un peu de temps pour que toutes les données soient correctement ingérées) ? Vous pouvez indiquer à Data Cloud la relation entre les flux de données, afin que vous puissiez créer et segmenter correctement vos audiences. Pour ce faire, vous devez mapper les flux de données au modèle de données. Il s’agit de l’étape suivante.

Ressources

• Aide Salesforce : Onglet Flux de données
• Aide Salesforce : Sources de données Marketing Cloud Engagement
• Aide Salesforce : Bibliothèque d’expressions de formule
• Aide Salesforce : Planification de flux de données dans Data Cloud