Data Cloud가 작동하는 방식
학습 목표
이 유닛을 완료하면 다음을 수행할 수 있습니다.
- Salesforce Data Cloud의 주요 기능을 이해합니다.
- 데이터가 Salesforce 제품 전반에서 어떻게 사용되는지 파악합니다.
Salesforce Data Cloud란?
Data Cloud는 Salesforce Platform의 장점과 거의 실시간으로 데이터를 처리할 수 있는 인프라의 확장성을 결합한 데이터 플랫폼입니다. Salesforce Data Cloud는 웨어하우스와 레이크하우스에 걸쳐 존재하는 여러 조직, Marketing Cloud, 웹 인게이지먼트에 흩어져 있는 데이터를 AI, 분석, 자동화에 활용할 수 있는 가교를 제공합니다. Data Cloud는 엄청난 규모의 데이터를 처리할 수도 있습니다. 또한 수조 건에 이르는 레코드, 수 페타바이트의 데이터, 각 초마다 고객당 수천 건의 요청을 처리할 수 있습니다. 참고로 1페타바이트는 1,000테라바이트에 해당합니다. 그리고 1테라바이트는 1,000기가바이트와 같습니다. 처음으로 사용했던 컴퓨터의 용량이 몇 기가바이트였는지 기억하시나요?
Data Cloud는 개발자 친화적인 Salesforce Platform의 장점을 활용하고 확장성이 뛰어난 인프라를 추가하여 Salesforce 기능의 폭을 한층 더 넓힙니다. Data Cloud는 원래 마케터를 위해 설계되었지만 이제는 마케팅을 넘어 광범위한 사용 사례를 지원하는 Customer Data Platform의 진화 버전입니다.
이 뱃지에서는 제품 전문가의 시각에서 Salesforce Data Cloud에 대해 명확히 설명해 드립니다. 이 모듈은 Agentforce, Data Cloud, MuleSoft, Tableau 엔지니어링 조직의 대표자 겸 CTO인 Muralidhar Krishnaprasad가 Data Cloud 기능에 대한 이해를 돕기 위해 준비한 비디오 기반 모듈입니다.
작동 방식
그렇다면 Data Cloud 규칙은 어떻게 적용될까요?
- 모든 데이터 소스에서 배치, 스트리밍, 또는 실시간 데이터를 포함한 모든 유형의 데이터를 연결하세요.
- 변환 및 데이터 거버넌스 기능을 통해 데이터를 준비하세요.
- 데이터를 표준 데이터 모델에 맞게 조정하세요.
- ID 확인 규칙 집합으로 데이터를 통합하세요.
- 인사이트를 사용하여 데이터를 쿼리하고 분석하세요.
- AI를 사용하여 행동을 예측하세요.
- 데이터를 Agentforce와 함께 사용할 수 있도록 기반을 마련하세요.
- 모든 채널에서 데이터를 분석 및 확장하고 적극적으로 활용하세요.
- 대상 그룹을 세분화하고 개인화된 익스피리언스를 생성하세요.
- 여러 소스로 데이터를 출력하여 비즈니스 요구 사항에 맞게 데이터를 활용하세요.
- 데이터를 지속적으로 검토, 측정 및 최적화하세요.
데이터 연결 및 수집
먼저 데이터를 Data Cloud로 가져와야 합니다.
Data Cloud는 정형 및 비정형 데이터 모두에 연결됩니다. 또한 다음과 같이 다양한 Salesforce 및 외부 데이터 소스에 연결할 수 있습니다.
- Salesforce 소스: Sales, Service, Commerce 및 Marketing Cloud Engagement 커넥터
- 타사 소스: Amazon S3, Google 저장소 커넥터
- 제로 카피 소스: Snowflake, Databricks, BigQuery
- 수집 API 및 Salesforce 인터랙션 SDK
- 웹 및 모바일 커넥터
- MuleSoft 커넥터
- 기타
전반적으로 Data Cloud를 사용하면 스트리밍이든 일괄 처리든 관계 없이 모든 데이터를 Salesforce 애플리케이션으로 더 쉽게 가져올 수 있습니다.
Data Cloud 커넥터 및 통합 모듈에서 데이터 연결 및 수집에 대해 자세히 알아보세요.
모델 변환 및 모델링
양식 필드에 이름을 잘못 입력한 적이 있다면 데이터 변환이 필요한 이유를 이해할 수 있을 것입니다. Data Cloud를 사용하면 고객이 데이터를 사용하기 전에 미리 준비하고 정제 및 변환할 수 있습니다. 데이터는 다양하게 존재하며 제품 주문, Sales Cloud의 연락처, 익명 웹 브라우저 등 다양한 소스에서 서로 다르게 표시될 수 있습니다. Data Cloud를 사용하면 이렇게 다양한 소스의 데이터를 표준 데이터 모델인 Customer 360 데이터 모델로 통합할 수 있습니다.
Data Cloud용 Customer 360 데이터 모델 모듈에서 데이터 매핑에 대해 알아보세요.
데이터 통합 및 개선
Data Cloud에 데이터를 통합하면 고객 데이터를 하나의 프로필로 통합하고, 인사이트와 AI를 사용하여 데이터를 개선할 수 있습니다.
데이터 통합
ID 확인은 다양한 소스의 데이터를 통합하여 고객 및 계정에 대한 종합적인 보기를 제공합니다. 매칭 및 조정 규칙을 활용하여 사람이나 계정에 대한 데이터를 연결하고 통합된 프로필을 생성합니다. 필수 데이터를 Customer 360 데이터 모델에 매핑한 후에는 일치 항목을 찾는 방법을 식별하는 규칙 세트가 ID 확인(IR) 기능에서 생성됩니다. 예를 들어, 이메일 주소와 이름이 동일한 개인의 모든 레코드는 하나의 프로필로 결합되어야 한다는 규칙을 지정할 수 있습니다. Data Cloud를 사용하면 해당 고객에 대한 통합 프로필에서 어떤 정보를 사용할지를 선택 및 조정할 수 있습니다.
Data Cloud의 데이터 및 ID 모듈에서는 ID 확인을 사용한 데이터 통합에 집중합니다.
인사이트로 데이터 개선하기
통합, 정규화 및 조정된 고객 정보 뷰를 통해 계산된 인사이트(CI)로 해당 데이터를 개선할 수 있습니다. 일괄 처리 또는 스트리밍 데이터를 기반으로 강력한 지표와 핵심 성과 지표(KPI)를 생성하세요. 일괄 계산된 인사이트는 "총 고객 가치" 또는 "500달러 이상의 제품"과 같은 지표를 생성합니다. 스트리밍 인사이트는 롤링 기간을 기준으로 생성됩니다. 예를 들어, 온라인 스토어프런트에 있는 모든 제품에 대한 지난 30분 동안의 클릭률을 확인할 수 있습니다.
Data Cloud 인사이트 모듈에서 인사이트 구축에 대해 자세히 알아보세요.
AI 모델 사용
Einstein Studio에서 코드 작성 없이 클릭만으로 AI 모델을 생성하거나 기존 모델을 연결할 수 있습니다. 모델을 학습시키고 품질을 평가한 후 활성화하세요. 활성화된 모델은 데이터를 분석하고 머신 러닝 기반의 AI 예측 및 인사이트를 생성합니다.
작동 중인 모델이 있으면 그 결과를 사용해 프로세스를 최적화할 수 있습니다. Flow Builder에서 실시간 예측을 활용하여 작업을 자동화하고, 결과를 사용하여 DMO를 변환하는 등의 작업을 수행할 수 있습니다.
Einstein Studio에서 AI 모델 구축 모듈에서 AI 모델 구축에 대한 자세한 정보를 확인하세요.
데이터 분석 및 활용
인사이트를 활용하여 유용한 지표를 생성하고 Ai에 프로세스를 최적화할 수 있습니다. 또한 데이터를 그룹화하고 다양한 분석 도구로 분석한 후 Salesforce 안팎에서 활용할 수 있습니다. Data Cloud의 특장점은 고객에게 탁월한 익스피리언스를 선사하는 데 있습니다. Data Cloud는 사용자에게 다양한 방법을 제공합니다.
세그먼트
마케터는 Data Cloud에서 대상 그룹 세그먼트를 생성하여 Journey Builder에서 개인화된 마케팅 캠페인에 사용할 수 있습니다. Data Cloud 세그먼트는 Facebook(Meta) 및 Google 등의 풍부한 광고 파트너 협력체계에 활용할 수도 있습니다.
세분화 및 활성화 모듈에서 Data Cloud를 통해 세그먼트를 구축하는 방법을 알아보세요.
분석
Tableau는 Data Cloud와 통합되어 있으므로 모든 표준 데이터 모델 개체 및 관계를 Tableau에서 볼 수 있습니다. 직접 쿼리 기능을 사용하면 CRM 분석에서 클릭 한 번으로 인사이트 또는 기타 데이터를 분석할 수 있습니다.
데이터 활용하기
Data Cloud 데이터는 Sales Cloud, Service Cloud, Commerce Cloud, Marketing Cloud 개인화 등에서 익스피리언스를 생성하는 데 사용할 수 있습니다. Data Cloud를 사용하면 다양한 위치 또는 대상에서 스트리밍 이벤트를 통해 작업을 수행할 수 있습니다. 그런 다음 데이터 작업에서는 이벤트, 스트리밍 인사이트 및 데이터 변경 사항을 활용하여 플로를 트리거합니다. 예를 들어, 자동차 회사는 데이터 작업을 사용하여 고객 차량의 주행 거리가 75,000마일을 넘으면 자동 서비스 호출을 생성하는 알림을 트리거할 수 있습니다.
다음 유닛에서는 사용 사례를 더 자세히 살펴보고 데모를 공유하겠습니다.
리소스