Création de connaissances dans Data Cloud

Objectifs d’apprentissage

Après avoir terminé cette unité, vous pourrez :

• Identifier les méthodes de création de connaissances
  
• Créer des connaissances calculées et en continu
  

Avant de commencer

Dans ce module, nous partons du principe que vous disposez de l’autorisation adéquate pour créer des connaissances. Nous supposons également que vous êtes un architecte de données ou un spécialiste du marketing technique qui connaît le langage SQL. Même s’il n’est pas nécessaire d’être un expert SQL pour utiliser les connaissances (il existe un générateur pour vous aider), il est utile de comprendre les concepts fondamentaux du langage SQL. Nous vous recommandons de passer en revue le module Connaissances Data Cloud à l’aide de SQL avant de commencer à créer des connaissances. Enfin, n’essayez pas de suivre ces étapes dans votre Trailhead Playground. Data Cloud n’y est pas disponible.

Création de connaissances calculées

Il existe quatre façons de créer des connaissances dans Data Cloud. 

1. Création avec le générateur
   
2. Création à partir d’un package
   
3. Création avec SQL
   
4. Création de connaissances en continu
   

Examinons chaque type de création.

Création d’une expression SQL

Puisque les connaissances sont fondées sur le langage SQL, passons en revue l’interface SQL et la façon dont vous pouvez créer une expression. Sur l’interface de création avec SQL, vous disposez de diverses options, notamment des onglets pour les champs, les connaissances et les fonctions (1). Vous pouvez également consulter des exemples (2) et vérifier votre travail directement dans l’interface en cliquant sur Check Syntax (Vérifier la syntaxe) (3). 

Passons en revue vos options d’interface.

• Champs : choisissez parmi les champs de votre modèle de données pour ajouter directement le nom d’API du champ à votre expression.
  
• Connaissances : choisissez parmi toutes les connaissances créées précédemment.
  
• Fonctions : sélectionnez certaines fonctions regroupées par Aggregation (Agrégation), Datetime (Date/heure) ou Other (Autre).
  

Création de votre expression

À l’aide des options d’interface, vous pouvez insérer les champs et fonctions nécessaires dans une structure d’expression SQL fournie. 

SELECT <Attributes>, <Aggregation[_Measures_]>
FROM <Data Model Object>
JOIN [Inner | Left | Right | Full] <Data Model Object> [Optional]
WHERE <predicate on rows> [Optional]
GROUP BY <columns[_Dimensions_]>

Lorsque vous ajoutez les éléments nécessaires à votre expression, il est important de noter quelques exigences si vous envisagez d’utiliser vos connaissances calculées dans la segmentation.

• Incluez le flux de données sur lequel vous segmentez à l’aide de JOIN.
  
• La clé principale du flux de données doit également être répertoriée en tant que dimension.
  

Une dimension est une valeur qualitative utilisée pour classer une mesure. Par exemple, supposons que vous souhaitiez créer un segment d’audience fondé sur vos individus unifiés. Vous utiliserez JOIN pour l’individu unifié et inclurez GROUP BY pour l’ID d’individu unifié comme dimension et clé principale. 

Création d’une expression de connaissance en continu

L’interface d’expression des connaissances en continu ressemble beaucoup à celle des connaissances calculées, sauf que vous n’avez pas la possibilité d’utiliser les connaissances existantes. De plus, vous devez tenir compte d’une période donnée comme dans cet exemple. 

SELECT COUNT( RealTimeMobileEvents__dlm.pageviews__c ) as page_views__c,
ssot__Individual__dlm.ssot__Id__c as customer_id__c,
RealTimeMobileEvents__dlm.product__c as product__c,
WINDOW.START as start__c,
WINDOW.END as end__c
FROM
RealTimeMobileEvents__dlm
JOIN
ssot__Individual__dlm
ON
ssot__Individual__dlm.ssot__Id__c = RealTimeMobileEvents__dlm.deviceId__c
GROUP BY
window( RealTimeMobileEvents__dlm.dateTime__c ,'5 MINUTE'),
customer_id__c

Besoin d’un rappel et de plus d’exemples ? Passez en revue le module Connaissances Data Cloud à l’aide de SQL.

À suivre : Utilisation de vos connaissances

Maintenant que vous savez comment créer des connaissances calculées et en continu, voyons comment vous pouvez afficher et utiliser vos connaissances dans Data Cloud. 

Ressources

• Trailhead : Connaissances Data Cloud à l’aide de SQL
• Aide Salesforce : Connaissances en continu
• Aide Salesforce : Connaissances calculées
• Aide Salesforce : Utilisation du générateur de connaissances visuelles
• Externe : Salesforce GitHub, Connaissances calculées
• Développeur Salesforce : Interrogation des connaissances calculées