Mapear fontes de dados para o Data Cloud
Objetivos de aprendizagem
Após concluir esta unidade, você estará apto a:
- Modelar seus dados usando objetos de modelo de dados a partir do Modelo de dados do Customer 360.
- Identificar as partes importantes do seu modelo de dados e desenvolvê-lo a partir daí.
Iniciar seu modelo de dados
No exemplo da Northern Trail Outfitters, Pia já começou a planejar seu modelo de dados na primeira unidade deste emblema. Ela identificou todas as fontes de dados que entram na instância do Data Cloud da NTO. Ela conversou com todas as partes interessadas dessas origens de dados para garantir que está interpretando os dados corretamente. Depois de planejar e trabalhar muito no quadro branco, ela está pronta para acessar o Data Cloud e começar a mapear os relacionamentos de dados entre as origens dos dados da NTO e os objetos de modelo de dados disponíveis. Ela não se esquece das melhores práticas à medida que avança.
- Entenda a chave primária (o valor que identifica exclusivamente uma linha de dados) de cada origem de dados.
- Lembre-se que a ID individual representa um recurso valioso para o processo de resolução de identidade. Não se esqueça de manter a integridade desse valor.
- Identifique chaves estrangeiras no conjunto de dados. Essas chaves auxiliares na fonte podem ser vinculadas à chave primária de um conjunto de dados diferente. (Por exemplo, o conjunto de dados de detalhes do pedido de vendas tem a ID de um produto que corresponde ao item comprado. Essa ID do produto está vinculada a uma tabela totalmente diferente com mais detalhes sobre esse produto, como cor ou tamanho. A instância da ID do produto no conjunto de dados de detalhes do pedido de vendas é a chave externa, e a instância da ID do produto no conjunto de dados do produto é a chave primária.)
- Determine se os dados são imutáveis (ou seja, eles não estão sujeitos a alterações após o envio de um registro) ou se os dados de origem precisarão ser atualizados posteriormente.
- Determine se há transformações que você gostaria de aplicar aos dados. (Por exemplo, você pode usar fórmulas simples para limpar nomes ou fazer cálculos baseados em linhas. Talvez você também queira criar campos calculados que transformam dados para serem usados como chaves primárias.)
- Analise os atributos, ou campos, provenientes de cada origem dos dados. Se o mesmo campo for monitorado em várias origens, decida qual delas é a mais confiável. Posteriormente, você poderá definir uma preferência ordenada de origens usando a resolução de identidade.
- Não se esqueça de ter os detalhes da autenticação à disposição para conectar cada fluxo de dados.
- Tome nota da frequência com que os dados são atualizados.
Levar tudo em consideração
Depois de planejar tudo, é hora de começar a criar a versão real no Data Cloud. No nosso exemplo, Pia está vinculando um fluxo de dados da NTO a um DMO de engajamento pelo site, parte da área de assunto do engajamento. Acompanhe para ver como ela cria um mapeamento.
- Na conta do Data Cloud, Pia clica na guia Data Streams (Fluxos de dados).
- Ela clica no fluxo de dados que ela deseja mapear.
- Ela clica em Start Data Mapping (Iniciar mapeamento de dados) para acessar os campos disponíveis.
- Ela clica em Select Objects (Selecionar objetos) e, em seguida, clica no ícone + ao lado de Individual (Indivíduo).
- Ela clica em Done (Concluído) e volta para a tela de mapeamento.
- Ela clica em First Name (Nome) (1) na seção do fluxo de dados da tela e, em seguida, clica em First Name (Nome) (2) na seção do objeto de modelo de dados da tela. Ela repete essa ação com Last Name (Sobrenome) e Last Name (Sobrenome).
- Pia realiza outros mapeamentos necessários e, em seguida, clica em Save & Close (Salvar e fechar) (3).
O fluxo de dados é mapeado para o objeto de modelo de dados individual e a Id individual, que Pia sabe que é um mapeamento necessário para usar a resolução de identidade. Esse mapeamento ajuda Pia a vincular informações sobre as interações de Rachel com o site da NTO para usar na segmentação e resolução de identidade. O mapeamento também dá à NTO uma perspectiva das experiências de compra na loja online.
Pia também configura o processo de resolução de identidade para preencher os objetos de modelo de dados individual unificado e Link unificado individual. Essa etapa ajuda o sistema a monitorar todas as origens de dados diferentes e a garantir que ele consiga fazer as conexões adequadas para manter os dados organizados.
Planejar para o futuro
Claro que esse processo exige um pouco de tempo, um pouco de paciência e muita pesquisa e planejamento. O objetivo é mapear os fluxos de dados para os objetos mais úteis e padrão do modelo de dados para garantir que você receberá os dados esperados nos formatos corretos. A maior parte do seu trabalho é realizada no início, mas esse modelo também requer manutenção. Um modelo de dados evolui e muda à medida que novos fluxos de dados são adicionados ou outros são removidos. Você deve revisar regularmente seu modelo de dados e origens de dados para garantir que eles estejam oferecendo os melhores resultados. Talvez não seja necessário alterar os mapeamentos existentes, mas talvez seja necessário criar espaço para dados adicionais.
Qual é o objetivo final?
A resposta mais simples é que você quer ter uma visão holística de cada cliente da sua conta. A resposta um pouco mais detalhada é que seu modelo de dados e estratégia de mapeamento devem disponibilizar todas as informações necessárias para você criar um perfil unificado desse cliente. O culminar desse processo é a execução de regras de resolução de identidade que recolhem todas essas informações e criam o objeto de modelo de dados de link individual unificado sobre o qual falamos na segunda unidade.
O objeto de modelo de dados não existe na conta antes que esse processo ocorra. Esse processo é o motivo pelo qual é importante configurar corretamente o modelo de dados e os mapeamentos. Você obtém o perfil unificado mais limpo e preciso de um cliente quando reserva tempo para entender seus dados, fazer os mapeamentos corretos e configurar seu modelo de dados para ter eficiência e clareza.
Recursos