了解 Data Cloud 的工作原理
学习目标
完成本单元后，您将能够：
- 解释 Salesforce Data Cloud 的关键功能。
- 了解数据在 Salesforce 产品中的使用方式。
什么是 Salesforce Data Cloud？
Data Cloud 是一个数据平台，它将 Salesforce Platform 的强大功能与基础设施的可扩展性相结合，实现实时数据处理。Salesforce Data Cloud 提供了一个桥梁，可以利用跨多个组织、Marketing Cloud、网络参与、跨仓库和湖屋的数据，将其用于 AI、分析和自动化。它还可以处理巨大规模的数据。Data Cloud 可以处理数万亿条记录、拍字节级数据以及每个客户每秒数千个请求。作为参考，1 拍字节等于 1,000 太字节。而 1 太字节等于 1,000 吉字节。您的第一台计算机有多少吉字节？
Data Cloud 通过使用对开发人员友好的 Salesforce Platform 的最佳部分并添加高度可扩展的基础设施来扩展 Salesforce 的功能。Data Cloud 由 Customer Data Platform 演变而来，最初是为营销人员设计的，但现在适用于营销之外的更广泛用例。
在这个徽章中，我们从产品专家的视角揭示 Salesforce Data Cloud 的奥秘。本模块是一个基于视频的模块，Agentforce、Data Cloud、MuleSoft 和 Tableau 总裁兼首席技术官 Muralidhar Krishnaprasad 将带您了解 Data Cloud 的功能。
工作原理
那么 Data Cloud 是如何工作的呢？
- 连接来自所有数据源的任何类型的数据，无论是批量数据、流媒体数据还是实时数据。
- 通过转换和数据治理功能准备您的数据。
- 将您的数据调整为标准数据模型。
- 使用身份解析规则集统一数据。
- 使用见解查询和分析数据。
- 利用 AI 预测行为。
- 对数据进行基础训练，以便与 Agentforce 结合使用。
- 跨任何渠道分析、扩展数据并采取行动。
- 细分受众并创造个性化体验。
- 将数据输出到多个源，以便根据业务需求处理数据。
- 继续审查、测量和优化数据。
连接和摄取数据
一切始于将数据引入 Data Cloud。
Data Cloud 可连接任何结构化或非结构化数据。它还可以连接各种 Salesforce 和外部数据源，包括：
- Salesforce 源：Sales、Service、Commerce 和 Marketing Cloud Engagement 连接器
- 第三方源：Amazon S3、Google 存储连接器
- 零拷贝源：Snowflake、Databricks、BigQuery
- Ingestion API 和 Salesforce Interaction SDK
- Web 和 Mobile Connector
- MuleSoft Connector
- 等等！
总体而言，Data Cloud 助您更轻松地将所有数据应用（无论是流数据还是批量数据）整合到您的 Salesforce 应用程序中。
在 Data Cloud 连接器和集成模块中了解有关连接和摄取数据的更多信息。
转换和建模数据
如果您曾经在表单字段中拼错过名字，就会理解为什么需要转换数据。好消息是，Data Cloud 使客户能够在使用数据之前完成准备、清理和转换工作。数据是多样化的，可能在不同的来源中以不同的形式呈现——例如，一个产品订单，Sales Cloud 中的一个联系人，或者一个匿名的 Web 浏览器。借助 Data Cloud，在一个标准的数据模型中对这些不同来源的数据进行调整——即 Customer 360 数据模型。
探索 Data Cloud 的 Customer 360 数据模型模块中的数据映射。
统一和增强您的数据
一旦 Data Cloud 中有了数据，您就可以将客户数据统一到一个简档中，借助见解和 AI 增强数据。
统一数据
身份识别解决方案通过整合不同来源的数据，创建全面的客户和帐户视图。它使用匹配和整合规则，将有关人员或客户的数据连接到统一简档中。当必填数据映射到 Customer 360 数据模型后，就会在身份解析 (IR) 功能中创建规则集，以确定如何找到匹配项。例如，一项规则可能规定，所有具有相同电子邮件地址和姓名的个人记录应合并到同一个简档中。Data Cloud 使您能够选择和整合要在客户的统一简档中使用的信息。
Data Cloud 中的数据和身份模块侧重于使用身份解析功能来统一数据。
通过见解增强数据
通过统一化、规范化和协调化的客户信息视图，您可以使用已计算见解 (CI) 来增强数据。基于批处理或流数据创建强大的度量和关键绩效指标 (KPI)。批量已计算见解创建了“总客户价值”或“超过 500 美元的产品”等度量。流式传输见解基于滚动时间窗口创建。例如，您可以确定过去 30 分钟内一家在线店面中所有产品的点击率。
在 Data Cloud 见解模块中查找有关构建见解的更多信息。
使用 AI 模型
您还可以在 Einstein Studio 中通过点击而不是代码来创建 AI 模型或连接现有模型。训练模型、评估质量并激活模型。一旦激活，您的模型就会分析数据，并基于机器学习生成 AI 预测或见解。
一旦有了工作模型，就可以利用其输出结果来优化流程。在 Flow Builder 中使用实时预测来自动执行操作，用您的输出转换 DMO 等。
有关构建 AI 模型的更多信息，请参阅在 Einstein Studio 中构建 AI 模型模块。
分析数据并根据数据采取操作
您可以利用见解创建有用的指标，并优化 AI 流程。您还可以将数据分组，使用不同的分析工具进行分析，然后在 Salesforce 内外使用这些数据。Data Cloud 的魔力在于创造令客户惊叹的体验。Data Cloud 为用户提供了多种实现方式。
细分
营销人员在 Data Cloud 中创建的受众细分用于 Journey Builder 中的个性化营销活动。Data Cloud 细分也可以被激活，以形成一个由广告合作伙伴组成的丰富生态系统，包括 Facebook (Meta) 和 Google。
在细分和激活模块中学习如何在 Data Cloud 中构建细分。
分析
由于 Tableau 与 Data Cloud 集成，所有标准数据模型对象和关系都可以在 Tableau 中查看。通过使用直接查询功能，在 CRM Analytics 中单击一次即可分析见解或任何其他数据。
操作数据
Data Cloud 数据可以用于在 Sales Cloud、Service Cloud Commerce Cloud、Marketing Cloud 个性化等中创建体验。借助 Data Cloud，流事件可在各种位置或针对各种目标驱动操作。然后，数据操作使用事件、流式传输见解和数据更改来触发流程。例如，一家汽车公司使用数据操作触发警报，以便在客户车辆的里程达到 75,000 英里时自动创建服务呼叫。
在下一个单元中，我们将深入探讨用例并分享演示。
资源