Introduzione ai dati non strutturati in Data 360

Obiettivi di apprendimento

Al completamento di questa fase, sarai in grado di:

• Definire i dati non strutturati in Data 360.
  
• Spiegare in che modo i dati non strutturati migliorano l’IA e le strategie di automazione dell’azienda.
  
• Descrivere come collegare i dati da un archivio BLOB esterno, ad esempio Amazon S3.
  

Nota

Stai seguendo la formazione in italiano? Inizia la sfida in un Trailhead Playground in italiano e utilizza le traduzioni fornite tra parentesi per la navigazione. Per quanto riguarda i valori da inserire, copia e incolla solo quelli in lingua inglese, perché la convalida della sfida è basata sul fatto che i dati siano in inglese. Se non superi la sfida nella tua organizzazione italiana, ti consigliamo di (1) selezionare Stati Uniti per le impostazioni internazionali, (2) selezionare Inglese per la lingua seguendo le istruzioni riportate qui e, successivamente, (3) fare nuovamente clic sul pulsante "Controlla la sfida".

Visita il badge Trailhead nella tua lingua per informazioni dettagliate su come usufruire dell'esperienza Trailhead in altre lingue.

Che cosa sono i dati non strutturati

I dati raccolti dall’organizzazione in genere sono di tre tipi: strutturati, semi-strutturati e non strutturati. Le organizzazioni raccolgono una quantità sempre più ingente di dati non strutturati, eppure ne utilizzano efficacemente solo una piccolissima parte. Integrare efficacemente grandi quantità di dati nei flussi di lavoro può essere un’impresa, specialmente se per scopi di ricerca e recupero. Grazie al supporto dei dati non strutturati in Data 360, non è più così.

I dati non strutturati sono dati che non hanno un formato specifico e uniforme e che non è facile archiviare in un tipico database relazionale. Non avendo una struttura, risulta particolarmente difficile analizzarli o eseguire ricerche al loro interno. Tuttavia, le tecnologie IA, come i Large Language Model (LLM), riescono a elaborare efficacemente i dati non strutturati. Grazie a questa funzionalità, sono molte le imprese che incorporano quantità sempre più ampie di dati non strutturati nelle loro strategie basate sui dati.

I formati più comuni di dati non strutturati sono le trascrizioni di chat, i file audio e video, le email, i documenti legali e altri testi estesi, come i libri. Tra gli esempi di dati non strutturati in Salesforce rientrano i dati degli Articoli Knowledge o le trascrizioni delle chiamate alle vendite.

Usare i dati non strutturati per potenziare le strategie IA e di automazione

Quando si collegano i dati non strutturati in Data 360, è possibile creare risultati incentrati sul cliente nell’IA generativa Einstein (Generatore di prompt e Agentforce), automazione (Flow Builder) e applicazioni analitiche (Tableau e CRM Analytics). Ad esempio, puoi migliorare i consigli offerti nella risposta dell’assistenza generando risposte basate sui dati degli articoli Knowledge o creare modelli di prompt che usano email precedenti per generare messaggi personalizzati. O ancora, puoi usare Flow Builder e Agentforce per mostrare agli agenti dell’assistenza dati di casi simili, per aiutarli a risolvere un caso oppure per registrare nuovi casi.

Collegare i dati non strutturati da archivi BLOB esterni

Data 360 può fare riferimento a dati non strutturati nei formati HTML, TXT e PDF (altri formati saranno aggiunti nelle versioni future). Inoltre, poiché Data 360 supporta già connessioni da Amazon S3, Archiviazione BLOB di Azure e Google Cloud Storage, bastano pochi clic nella configurazione per importare i dati non strutturati, se hai già impostato le connessioni.

Dopo aver creato la connessione tra l’archivio BLOB esterno e Data 360, puoi fare riferimento ai dati non strutturati in Data 360 creando un oggetto data lake non strutturato (Unstructured Data Lake Object, UDLO) e mappandolo su un oggetto modello di dati non strutturato (Unstructured Data Model Object, UDMO).

Data 360 crea automaticamente mappature a livello di campo tra gli UDLO e gli UDMO perché gli schemi dei due oggetti sono identici. Puoi trovare più informazioni sugli schemi nella Guida di Salesforce.

La relazione tra gli UDLO e gli UDMO può essere 1:1 o N:1. In altre parole, ogni UDLO può essere mappato al massimo su un UDMO, mentre più UDLO possono essere mappati su un unico UDMO. Facciamo un esempio.

Stai facendo riferimento ai dati di registrazione dei casi contenuti in più archivi BLOB esterni. Tre UDLO diversi fanno riferimento ai dati di queste tre origini: CaseRecordingsFromAWSBucket1, CaseRecordingsFromAWSBucket2 e CaseRecordingsfromGCS. Poiché a livello di logica le fonti sono lo stesso oggetto, i singoli UDLO sono mappati su un unico UDMO: CaseRecordings.

Quando colleghi i dati non strutturati dei tuoi archivi BLOB esterni a Data 360, gli amministratori e gli utenti ricevono contenuti più pertinenti, che li aiutano a risolvere i problemi, gestire i casi e creare prompt efficaci per le applicazioni di IA generativa Einstein.

Data 360 non importa i dati non strutturati: gli UDMO vi fanno riferimento dall’archivio BLOB esterno.

Registrarsi per un playground personalizzato con Data 360

Per completare questo progetto è necessario un playground personalizzato in cui siano disponibili Data 360 e i nostri dati di esempio. Se non hai già fatto clic sul pulsante Crea Playground in cima a questa pagina, fallo adesso, quindi segui i passaggi per creare un playground personalizzato e collegarlo a Trailhead.

Questo playground personalizzato è destinato a funzionare con le sfide presenti in questo badge e potrebbe non funzionare per altri badge. Controlla sempre se stai utilizzando un Trailhead Playground o la speciale organizzazione Developer Edition consigliata da noi.

Dopo aver avviato il tuo playground personalizzato puoi iniziare a importare i contenuti di un articolo Knowledge come dati non strutturati. Fai clic su Verifica il passaggio per guadagnare 100 punti nella sezione della sfida per passare alla fase successiva del progetto.