创建统一个人简档
学习目标
完成本单元后，您将能够：
- 说明统一简档的优势所在。
- 描述如何创建统一简档。
Data Cloud
Data Cloud 是一款功能强大的工具，可帮助您将多个系统中的数据统一在一起。Data Cloud 中的统一简档根据规则集中用户标识的身份解析规则，将这些源中的数据合并为单个简档。但是，若要创建这些统一简档，需要正确映射数据。在本模块中，我们将介绍数据和身份相关概念，包括统一简档、数据建模、Customer 360 数据模型和身份解析数据映射要求。了解了这些重要的数据统一概念后，您便可以充分利用 Data Cloud 了。
数据和身份
首先，让我们观看一段概述数据和身份相关概念的视频。
想了解更多关于如何创建公司数据策略的信息吗？查看 Trailhead 模块 Customer Data Platform 策略。
统一简档
这是 Rachel Rodriguez，户外装备和服装零售商 Northern Trail Outfitters (NTO) 的客户（也是超级粉丝）。NTO 在多个系统中拥有有关 Rachel 的数据，例如 Commerce Cloud 和 Marketing Cloud Engagement 中的客户简档、Service Cloud 中的客户支持个案历史记录等。然而，每个系统中关于她的信息都不相同（比如不同的电子邮件地址）。我们将这些独特的数据称为接触点（电话号码、电子邮件地址或常规邮寄地址）。
像 Rachel 这样的客户由多个联系记录和跨不同系统的系统特定简档来代表，这是每个云平台和产品的独立运行所必需的。对于营销人员或服务代表来说，要将这些点联结起来以向 Rachel 发送营销活动或找到她的支持历史的单一视图，可能很棘手。
这就是 Data Cloud 数据映射和身份解析可以发挥作用的地方。统一简档由来自多个来源的数据组成，这些数据根据身份解析匹配和调整规则关联在一起。如果同一数据存在于多个位置，简档将根据既定规则关联在一起。
应用适当的身份解析规则后，NTO 关于 Rachel Rodriguez 的视图包括来自多个来源的统一 ID。
更好的是，当新增简档或更新现有简档时，您可以通过一个名为 Profile Explorer 的工具查看统一的个人信息。确保您拥有的数据是对 Rachel 最准确的表述。
创建统一简档
那么，它是如何实现的呢？无论是您还是其他同事在设置数据时，在开始数据建模和映射之前了解以下步骤和概念会很有帮助。让我们了解一下可帮助您将原始数据转化为统一简档的实施步骤。
步骤 |
描述 |
|---|---|
从数据源摄取原始数据。 |
从捆绑包、数据扩展、Amazon Simple Storage Service (S3) 和其他系统按原样添加数据。将原始数据作为数据流添加到 Data Cloud 后，需要将数据映射到数据模型中。 |
进行数据映射和建模。 |
Customer 360 数据模型是一种后台工具，可以将来自多个源的数据标准化为可读格式，并且易于映射。需要将数据流中的数据映射到“当事人标识”和“个人”等对象，以使身份解析规则集发挥作用。 |
创建身份解析规则集。 |
在建模和映射步骤完成后，创建身份解析规则集。添加匹配和调整规则，以帮助查找和统一各个数据流中的简档。 |
创建统一简档。 |
在设置规则集之后，系统会创建可用于细分和激活的统一简档。 |
讨论数据
现在您已经了解了统一简档的相关概念，接下来要做什么？为了取得成功，花时间分析您想在 Data Cloud 中使用的数据非常重要。
召集团队成员，使用一块白板，并探讨以下问题。
- 您的数据放在哪里？
- 列出所有位置，包括电子表格、S3、Salesforce CRM、Marketing Cloud Engagement 等。
- 您是否为每个数据源创建资产清单？
- 您如何在每个数据源中识别个人？
- 您使用电子邮件、姓名、生日或系统 ID 吗？
- 您使用联系人密钥、潜在客户 ID 或订阅者密钥作为唯一系统识别码吗？
- 哪些数据在系统之间共享？
- 您是否一直使用名字、姓氏或电子邮件？
- 您的客户体验之旅看起来会是怎样的？
- 您是否规划了每一次的客户互动？
- 您需要哪些数据来支持每次互动？
- 对于受众细分，您真正需要哪些数据？
- 每个数据源中的数据质量如何？
- 是否有拼写错误？
- 哪些数据经常缺失（生日、电话号码或其他）？
不要跳过这个部分！我们保证这是值得花时间的。了解您的数据对于成功实施 Data Cloud 至关重要。在下一单元中，我们将介绍创建身份解析规则集时需要重点考虑的数据映射注意事项。
资源