Data Cloud のしくみを学習する

学習の目的

この単元を完了すると、次のことができるようになります。

Salesforce Data Cloud の主要な機能を説明する。
Salesforce 製品全般でデータがどのように使用されるかを理解する。

Salesforce Data Cloud とは何か

Data Cloud は、Salesforce Platform のパワーと、リアルタイムデータを処理できるインフラストラクチャの拡張性を組み合わせたデータプラットフォームです。さまざまな組織、Marketing Cloud、Web エンゲージメント、各種ウェアハウスやレイクハウスごとに分割されたデータを、Salesforce Data Cloud がそれらをつなぐ懸け橋となって、AI、分析、自動化に活用できるようにします。また、非常に大規模なスケールにも対応できます。Data Cloud は、数兆件のレコード、数ペタバイトのデータを処理でき、顧客あたり毎秒数千件の要求に対応できます。ちなみに 1 ペタバイトは 1,000 テラバイト、1 テラバイトは 1,000 ギガバイトです。自分が最初に使ったコンピューターのハードディスク容量は何ギガバイトあったか覚えていますか?

Data Cloud は、開発者が使いやすい Salesforce Platform の機能を利用し、拡張性の高いインフラストラクチャを追加することで、Salesforce の能力を拡張します。Data Cloud は Customer Data Platform が進化した製品で、もともとはマーケティング担当者向けに設計されましたが、今ではマーケティング以外にも幅広いユースケースに対応しています。

このバッジでは、製品エキスパートの視点から Salesforce Data Cloud について解説します。このモジュールは、動画を中心としており、皆さんが Data Cloud の機能を理解できるように、Agentforce、Data Cloud、MuleSoft、Tableau 担当プレジデント兼 CTO である Muralidhar Krishnaprasad がお手伝いします。

しくみ

では、Data Cloud のしくみを見ていきましょう。

Data Cloud のデータと機能の図。

すべてのデータソースからバッチ、ストリーミング、リアルタイムを問わず、あらゆる種類のデータを接続できます。
変換機能やデータガバナンス機能でデータを準備します。
標準データモデルにデータをハーモナイズします。
ID 解決ルールセットでデータを統合します。
インサイトを使用してデータを照会して分析します。
AI を使用して行動を予測します。
Agentforce で使用するためにデータをグラウンディングします。
あらゆるチャネルでデータを分析、拡張し、データに基づいたアクションを実行します。
オーディエンスをセグメント化して、パーソナライズされたエクスペリエンスを作成します。
複数のソースにデータを出力し、ビジネスニーズに応じてデータに基づいたアクションを実行します。
データを継続的にレビュー、測定、最適化します。

データの接続と取り込み

最初は Data Cloud へのデータの取り込みから開始します。

Data Cloud は、構造化データや非構造化データを問わず、あらゆるデータに接続します。また、次のようなさまざまな Salesforce および外部データソースにも接続できます。

Salesforce ソース: Sales、Service、Commerce、および Marketing Cloud Engagement コネクタ
サードパーティソース: Amazon S3、Google Storage コネクタ
ゼロコピーソース: Snowflake、Databricks、BigQuery
取得 API および Salesforce Interaction SDK
Web およびモバイルコネクタ
MuleSoft コネクタ
その他多数

Data Cloud を利用すれば、ストリーミングでも一括処理でも、あらゆるデータを Salesforce アプリケーションに簡単に取り込むことができます。

データの接続と取り込みについては、「データの接続と取り込み」モジュールを参照してください。

データの変換とモデリング

フォーム項目に名前を間違えて記入した経験があれば、データの変換が必要な理由を理解できると思います。Data Cloud では、データを使用する前の準備としてクレンジングおよび変換できます。データは多様であり、商品の注文、Sales Cloud の連絡先、匿名の Web ブラウザーなど、ソースごとに見た目も異なります。Data Cloud なら、これらの異なるソースからのデータを標準データモデルである Customer 360 データモデルにハーモナイズできます。

データマッピングの詳細については、「Data Cloud の Customer 360 データモデル」モジュールをご覧ください。

データの統合と強化

Data Cloud にデータを取り込んだら、顧客データを 1 つのプロファイルに統合したり、インサイトや AI によってデータを強化したりできます。

データの統合

ID 解決は、さまざまなソースからのデータを統合することで、ユーザーやアカウントの包括的なビューを作成します。マッチングと調整ルールを使用して、人やアカウントに関するデータをリンクし、統合されたプロファイルを作成します。必要なデータが Customer 360 Data Model にマッピングされると、ID 解決 (IR) 機能によって一致するレコードを見つけるためのルールセットが作成されます。たとえば、メールアドレスと名前が同じであれば、それらの個人レコードをすべて 1 つのプロファイルに統合するといったルールです。Data Cloud では、それぞれの顧客の統合プロファイルで使用する情報を選択して調整できます。

「Data Cloud のデータと ID」モジュールでは、ID 解決を使用したデータの統合に焦点を当てています。

インサイトでデータを強化

統一され、正規化され、ハーモナイズされた顧客情報のビューでは、計算済みインサイト (CI) でデータを強化できます。一括データまたはストリーミングデータに基づいて、強力なメトリクスと重要業績評価指標 (KPI) を作成します。一括データに基づいた計算済みインサイトであれば、「総顧客価値」や「500 ドルを超える商品」といったメトリクスを作成します。ストリーミングインサイトは、ローリング時間枠に基づいて作成されます。たとえば、あるオンラインストアフロントで過去 30 分間におけるすべての商品のクリックスルー率を特定できます。

インサイトの作成については、「Data Cloud インサイト」モジュールをご覧ください。

AI モデルを使用

また、AI モデルを作成するか、既存のモデルを Einstein Studio に接続してノーコードで操作できます。モデルをトレーニングし、品質を評価し、モデルを有効化します。有効化されると、モデルがデータを分析し、機械学習に基づいた AI 主導の予測やインサイトを生成します。

有効なモデルが完成したら、その出力を使用してプロセスを最適化します。Flow Builder でリアルタイム予測を使用してアクションを自動化したり、出力を使用して DMO を変換したりできます。

「Einstein Studio で AI モデルを作成する」モジュールでは、AI モデル構築について詳しく学べます。

データの分析とアクション

インサイトを使用して有用な指標を作成し、AI のプロセスを最適化できます。データをグループ化し、さまざまな分析ツールを使用してデータを分析して、そのデータを Salesforce の内部や外部で使用できます。Data Cloud の魅力は、顧客を喜ばせるエクスペリエンスを作成できる能力にあります。Data Cloud には、そのための多くの方法が用意されています。

セグメント

マーケティング担当者は、Data Cloud を使用して、Journey Builder のパーソナライズされたマーケティングキャンペーンで使用する視聴者セグメントを作成します。Data Cloud で作成したセグメントは、Facebook (Meta) や Google といった充実した広告パートナーエコシステムでも利用できます。

Data Cloud でのセグメントの作成方法については、「セグメンテーションと有効化」モジュールをご覧ください。

分析

Data Cloud には Tableau が統合されているため、すべての標準データモデルオブジェクトとリレーションを Tableau で表示できます。ダイレクトクエリ機能を使用すると、1 クリックの操作でインサイトや他のデータを CRM Analytics で分析できます。

データに基づいた行動

Data Cloud のデータは、Sales Cloud、Service Cloud、Commerce Cloud、Marketing Cloud Personalization などでエクスペリエンスを作成するためにも利用できます。Data Cloud のストリーミングイベントは、さまざまな場所や対象でのアクションを推進します。そして、これらのデータアクションは、イベント、ストリーミングインサイト、あるいはデータの変更によってフローをトリガーします。たとえば、自動車販売会社であれば、顧客の車の走行距離が 75,000 マイルを超えた時点でデータアクションによってアラートをトリガーすることで、サービスコールを自動的に発生させることができます。

次の単元では、ユースケースとデモを紹介します。

予想時間

トピック

ヘルプをお探しですか?

Data Cloud のリソース