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.

För snabbare sökfrågor vid användning av stora mängder data med miljoner eller miljarder rader, läs in datan i datauppsättningar. En datauppsättning är en samling relaterade data som lagras i en indexerad, denormaliserad och mycket komprimerad form.

Recept låter dig förbereda dina data innan du läser in dem i datauppsättningar. Till exempel, med ett recept kan du utföra dataförberedelseuppgifter innan du läser in det i en datauppsättning. Du kan rensa, samla och transformera dina data. Du kan även skapa kolumner baserat på beräkningar av befintliga data. CRM Analytics erbjuder dock flera olika sätt att läsa in dina data i datauppsättningar, som .csv-uppladdning och dataflöden,—välj den metod som passar dina behov bäst.

Recept följer en process för extrahering, transformation och laddning för att förbereda data med hjälp av dataförberedelse-verktyget. För att snabba på processen med att hämta data till datauppsättningar hämtar en datasynkronisering data från datakällan i förväg och lagrar dem i anslutna objekt inuti CRM Analytics. Ett recept använder sedan de anslutna objekten som källor, förbereder dessa data, och läser sedan in resultaten till en eller flera datauppsättningar.

Konfigurera åtkomst till källdata genom att skapa en anslutning. När du skapar en anslutning, välj objekt och kolumner att hämta data från. Du kan lägga till ett filter för anslutningen för att extrahera en underuppsättning av alla rader. I anslutningens egenskaper anger du även ett användarkonto som avgör vilken data anslutningen kan komma åt. Till exempel, för att komma åt data i Amazon S3, specificera ett Amazon S3-användarkonto. Om användarkontot inte har åtkomst till ett objekt kan ingen anslutning hämta data från det objektet.

När du har skapat en anslutning, kör dess datasynkronisering för att extrahera data från varje valt objekt i datakällan och lagra dem i motsvarande anslutna CRM Analytics-objekt. När du har kört en datasynkronisering för första gången kan du lägga till de anslutna objekten som källor för recept. I dataförberedelse kan du lägga till transformationer för att förbereda data i de anslutna objekten och köra resultaten i datauppsättningar.

Kör receptet för att skapa datauppsättningar. Fortsätt att köra dem för att uppdatera data. Du kan köra datasynkronisering och recept på begäran. Du kan också schemalägga dem för att köras på regelbunden basis. För att säkerställa att dina recept använder senaste data ska du schemalägga datasynkroniseringsjobben innan beroende recept körs.

Tips Med Salesforce Direct-data behöver du inte läsa in Salesforce-data i en datauppsättning för att analysera dem i en Analytics-instrumentpanel. Istället kan en instrumentpanelwidget fråga ett Salesforce-objekt direkt. Direktdatafrågor är speciellt användbara om en datauppsättning inte uppdateras tillräckligt snabbt, till exempel när du vill analysera data var 2:a minut, men datauppsättningen uppdateras var 15:e minut.

Det är dock viktigt att bevaka sökfrågeprestandab vid användning av direktdata för stora objekt. Om Salesforce-objektet innehåller miljoner poster kan ibland sökfrågor vara snabbare för en datauppsättning än direktfrågor på Salesforce-objektet.

• Om datauppsättningar
  En datauppsättning i CRM Analytics är en samling relaterade data som kan visas i ett tabellformat. Datan kan komma från många källor, inklusive Salesforce-objekt, externa datakällor, eller andra datauppsättningar.
• Sätt att hämta data från datakällor till datauppsättningar
  För att fylla datauppsättningar med data från datakällor kan du importera data direkt från källan. Eller så kan du extrahera data från källan och förbereda dem innan du läser in dem till en datauppsättning.
• Planera ditt dataintegreringsprojekt
  Innan du bygger din dataintegreringslösning, tänk på det användningsfall du vill analysera och de data du behöver för att komma dit.
• Att tänka på innan integrering av data i datauppsättningar
  Denna sektion handlar om förväntat beteende och begränsningar att tänka på innan integrering av data i datauppsättningar.