Présentation des avantages du modèle de données
Datorama est désormais Marketing Cloud Intelligence.
Objectifs de formation
Une fois cette unité terminée, vous pourrez :
- Expliquer comment les données sont naturellement harmonisées à l’aide du modèle de données Marketing Cloud Intelligence
- Comprendre les entités globales dans Marketing Cloud Intelligence
Jusqu’à présent, vous avez appris ce qu’est un modèle de données, comment les modèles de données fonctionnent dans Marketing Cloud Intelligence et comment les flux de données facilitent l’ingestion de données dans le système. Dans cette unité, nous nous intéresserons aux avantages offerts par le modèle de données Marketing Cloud Intelligence.
Harmonisation des données grâce aux dimensions mutuellement mappées
Dans le domaine de la publicité numérique, une même campagne est généralement active sur plusieurs plates-formes et associée à plusieurs types de données. Ainsi, l’entité de campagne (ainsi que d’autres entités publicitaires telles que le site et media buy) est disponible dans différents types de flux de données. Le mappage des valeurs de nom de campagne de différentes sources à une même dimension de nom de campagne dans Marketing Cloud Intelligence, quel que soit le type de flux de données, la source ou le nombre de sources, harmonise automatiquement vos données au niveau du nom de campagne pour la valeur correspondante, entre les différentes sources.
Par exemple, si les mêmes campagnes sont actives sur Google Ads, Marketing Cloud et Google Analytics, lors de la visualisation des données, vous pourrez voir les mesures de toutes les sources pour les valeurs de nom de campagne correspondantes.
Cette harmonisation automatique des données dans Marketing Cloud Intelligence présente plusieurs avantages.
- Elle structure et organise vos données, et établit des relations claires entre elles.
- Elle unifie les informations commerciales provenant de différentes sources.
- Elle fusionne plusieurs sources et formats de données, permettant à ces sources d’être comparées et analysées facilement à l’aide de critères uniformes.
Entités globales
À des fins d’analyse et de classification de niveau supérieur, le modèle de données Marketing Cloud Intelligence dispose d’un ensemble d’entités qui existent dans tous les types de flux de données, appelées entités globales. Les entités globales sont des entités qui se trouvent au niveau de l’espace de travail, et non au niveau du flux de données. Cela signifie qu’elles ne s’appliquent pas seulement aux données d’un flux de données particulier, mais plutôt à toutes les données de l’espace de travail. Cela permet aux données de plusieurs sources d’être classées ou regroupées selon leurs valeurs communes. Cette image illustre les entités globales et leur relation avec l’entité principale de chaque type de flux de données.
L’entité de produit est un exemple d’entité globale. Elle harmonise les données dans tous les flux de données pour les valeurs de produit correspondantes. Cette image montre les deux mêmes produits avec des données intégrées de Facebook Ads, Marketing Cloud et Google Analytics.
Les entités globales se trouvent à un niveau hiérarchique plus élevé que les entités spécifiques, telles que l’entité de campagne. Un seul produit peut être associé à plusieurs valeurs de campagne, qui ne doivent pas nécessairement être identiques au sein de leurs plates-formes source, tant que la valeur de produit elle-même correspond. Ainsi, par exemple, vous pouvez lancer des campagnes sur Facebook et Google Ads avec des valeurs de nom de campagne différentes dans chaque source, les deux faisant la promotion du même produit. Celles-ci ne s’harmoniseront pas automatiquement au niveau du nom de campagne, car les valeurs ne correspondent pas. Toutefois, comme il s’agit du même produit, si sa valeur est mappée à l’entité globale du produit dans les deux cas, les données de l’une ou l’autre source sont harmonisées pour le même produit.
La beauté du modèle de données Marketing Cloud Intelligence réside dans le faire que, pour les données orientées marketing, les valeurs de dimension correspondantes sont automatiquement harmonisées et les mesures correspondantes sont automatiquement agrégées sur plusieurs sources de données.
Dans ce module, vous avez appris ce qu’est un modèle de données, comment les données sont classées en tant que dimensions et mesures, comment les relations de données sont définies et comment les flux de données sont structurés. Vous avez également découvert les avantages du modèle de données. Vous êtes maintenant prêt à mapper manuellement vos données correctement à l’aide du modèle de données si besoin est, ainsi qu’à comprendre les façons dont vos données provenant de diverses sources peuvent naturellement s’harmoniser.
