Integrera och förbereda data för analys

Du kan använda CRM Analytics-linser och -instrumentpaneler för att analysera dina data. För att förbereda data för analys och öka prestandan vid behandling av stora mängder data, ska du först läsa in, rensa och transformera dessa data till datauppsättningar.

• Datahanterare för CRM Analytics
  I datahanteraren övervakar du dina datajobb, förbereder datauppsättningar med recept och dataflöden och ansluter till data.
• Kom igång med dataintegrering
  I CRM Analytics innefattar dataintegrering att samla in och förbereda de Salesforce-data och externa data du vill analysera. Externa data är data som finns utanför den Salesforce-organisation som du använder för Analytics, som data från en annan Salesforce-organisation, andra program, kalkylblad och databaser. När du har integrerat data förbereder du dem i datauppsättningar. Dataförberedelse är processen att transformera dina data till ett format som är användbart och värdefullt för de personer som använder dem. Du kan till exempel definiera dataförberedelselogik som kombinerar data från två datakällor och rensar bort inkonsekvens, som till exempel datum och koder med olika format. Användare utforskar och visualiserar sedan datauppsättningar genom CRM Analytics linser och instrumentpaneler.
• Förbered och läs in data i datauppsättningar med recept och dataflöden
  Använd CRM Analytics för att förbereda, synkronisera och ansluta dina data. Du kan även utforma datauppsättningar och köra jobb för att skapa och uppdatera datauppsättningar.
• Anslut och synkronisera dina data till CRM Analytics
  Använd CRM Analytics-anslutarna för att ansluta data inuti och utanför Salesforce. Du kan komma åt data i din lokala organisation och externa Salesforce-organisationer, appar, datalager och databastjänster.
• Rensa, transformera och läs in data med Dataförberedelse
  Dataförberedelse ger ett intuitivt, visuellt gränssnitt i CRM Analytics som gör det enkelt att peka-och-klicka på för att bygga recept som förbereder data och laddar in dem till ett mål. Använd grafen för ett recept för att få en överblick av var dina data kommer från och hur de flödar genom receptet till målet. För att validera receptet medan du bygger, förhandsgranska hur rådata transformeras i varje steg på vägen.
• Åtkomst till dataförberedelse baserat på din användartyp
  Inte alla användare av Dataförberedelse i CRM Analytics behöver åtkomst till alla funktioner för dataförberedelse. Till exempel behöver en affärsanalytiker inte ändra säkerheten för datauppsättningar för att ge sig själv och andra åtkomst till mer data. För att stödja avancerade och begränsade användartyper för dataförberedelse levereras CRM Analytics med två användarbehörigheter: Redigera Analytics-dataflöden och Redigera datauppsättningsrecept.
• Skapa ett recept med dataförberedelse
  Använd ett dataförberedelserecept i CRM Analytics för att rensa, transformera och berika data innan du läser in dem till ett eller flera mål. Förhandsgranska dina resultat medan du bygger receptet för att bekräfta att logiken är korrekt.
• Förhandsgranska resultat i ett dataförberedelserecept
  Som en rekommenderad metod i CRM Analytics, upptäck misstag tidigt genom att förhandsgranska resultaten för varje nod och transformation som du lägger till i ditt dataförberedelserecept.
• Profilkolumner för att förstå data i ett dataförberedelserecept
  I CRM Analytics, kör kolumnprofilering på exempeldata för att uppskatta nyckelstatistik om kolumner, som frekvens för värden och procent av kolumner med saknade värden. Kolumnprofilering är särskilt användbart om du kombinerar data från olika källor, då det ofta skapar inkonsekvens. Kolumnprofiler är endast tillgängliga för kolumner som visas i förhandsvisningen.
• Begränsningar vid användning av Dataförberedelse
  Tänk på följande begränsningar för Dataförberedelse innan du bygger recept.
• Hantera recept
  Efter att du har skapat ett recept, använd fliken Recept för att redigera och ta bort dem.
• Kör datasynkronisering och recept för att skapa och uppdatera datauppsättningar
  Oavsett om du använder lokala Salesforce-data eller hämtar data från en extern källa måste du konfigurera CRM Analytics för att läsa in datan, göra dem tillgängliga för CRM Analytics och hålla dem uppdaterade.
• Andra sätt att integrera data
  Dataflöden och recept kan integrera de flesta data från interna till externa datakällor. CRM Analytics tillhandahåller dock ytterligare sätt att integrera data som är mer effektiva för specifika användningsfall. Om du till exempel inte behöver transformera data innan du läser in dem till en datauppsättning kan du importera data direkt från CSV- eller Excel-filer. Om du behöver transformera dem kan du ladda upp filen för att skapa en mellanliggande datauppsättning, och sedan använda ett recept eller ett dataflöde för att ändra dessa data innan du läser in resultaten till en annan datauppsättning. Eller, för att analysera Salesforce-rapportdata över tid, kan du skapa en datauppsättning och instrumentpanel som trendanalyserar rapporten med bara några klick. Med trendanalyser skapar CRM Analytics en datauppsättning baserat på ögonblicksbilder av dina Salesforce-rapportdata.
• Kom igång snabbare med datamallar
  Salesforce Datapipelines använder syftesbyggda datamallar för vanlig användning av datauppgifter för kundcase för att snabba på din ROI. Dessa datamallar skapar de dataanslutare som behövs, dataförberedelserecept och sökfrågor för appar som kan schemaläggas för körning regelbundet.
• Hantera datauppsättningar
  Redigera en datauppsättning för att uppdatera dess data, ändra dess utökade metadata, tillämpa säkerhet på radnivå, eller återställa den till en tidigare version.
• Rekommenderade metoder för dataintegrering
  Gå igenom dessa tips för att förbättra prestandan för dina recept, snabba på redigeringen av stora recept och effektivisera datasynkronisering.
• Felsökning för dataintegrering
  Använd dessa tips för att lösa problem med dataintegrering i CRM Analytics.