breadcrumbDescription
Hvorfor skal jeg bruge opskrifter i stedet for dataforløb?
Opskrifter og dataforløb forbereder begge data. I sammenligning med dataforløb er opskrifter nyere og anbefales for ydeevne, funktionalitet og brugervenlighed. Opskrifter tillader dig at se eksempler på data, når du transformerer dem, mens dataforløb kun viser dit nodeskema. Opskrifter har f.eks. flere forbindelsestyper og transformationer med indbygget maskinlæring - f.eks. Forudsig manglende værdier og Registrer sentiment -, der ikke er tilgængelige i dataforløb. Opskrifter kan også aggregere data til et højere niveau.
Opskrifter og dataforløb udelukker ikke hinanden. Du kan bruge begge til at opfylde mere komplekse dataforberedelseskrav. Du kan f.eks. bruge et dataforløb til at generere et midlertidigt datasæt, og derefter bruge det pågældende datasæt som kilden for en opskrift til at udføre yderligere transformationer.
Opskrifter
Opskrifter er fantastiske for Salesforce-administratorer og dataeksperter, der ønsker at få vist eksempler og transformere data.
Med en opskrift kan du:
- Arbejd i en brugervenlig grafisk grænseflade.
- Vis eksempel på dine data, og hvordan de ændres, når du anvender hver transformation.
- Fjern hurtigt kolonner eller skift kolonnebetegnelser.
- Analyser kvaliteten af dine data med kolonneprofiler.
- Aggreger og sammenføj data.
- Brug indbygget maskinlæring, f.eks. registrere sentiment, dataklynge og tidsserieprognoser.
- Opdel værdier uden at du behøver at skrive komplekse SAQL-udtryk.
- Opret beregnede kolonner med en visuel formelkonstruktør.
- Brug en peg og klik-grænseflade til nemt at transformere værdier for at sikre dataensartethed. Du kan f.eks. inddele, trimme, droppe og erstatte værdier uden en formel.
- Se historikken for alle dine ændringer, og sikkerhedskopier eller fortsæt og afspil den igen.
- Overfør dine forberedte data til andre systemer med outputforbindelser.
Når du opretter en direkte datareference i en opskrift, lagres der ingen data i CRM Analytics. Når en opskrift bruger direkte data, får en forespørgsel de aktuelle data. I Datamanager repræsenterer SFDC_Local-forbindelser data, der er lagret i CRM Analytics. Derfor er en direkte datareference ikke inkluderet i SFDC_Local-forbindelser.
Når en opskrift køres, opdateres den sidste kørselsdato for de SFDC_Local-objekter, som den bruger, ikke. Hvis en opskrift kører ved brug af SFDC_Local-data, bruger opskriften de data, der er gemt i objektet under den sidste synkronisering. Planlæg derfor det lokale objekt til at synkronisere, før opskriften kører, f.eks. ved at bruge begivenhedsplanlægning.
Dataforløb
Dataforløb er fantastiske for CRM Analytics-udviklere, der foretrækker at arbejde i en visuel editor, og hvis det er nødvendigt, JSON.
Med et dataforløb kan du:
- Designe komplekse dataforberedelsesforløb med den visuelle dataforløbseditor.
- Rediger den underliggende JSON for større kontrol.
- Foretag beregninger på tværs af rækker for at aflede nye data til tendensanalyser.
- Anvend komplekse filtre.
Slutdatoen for dataforløb er endnu ikke angivet. Du kan fortsætte med at bruge dataforløb, hvis de er effektive og ikke kræver nogen af de avancerede opskriftsfunktioner. Hvis du starter en ny dataforberedelsesproces, kan du overveje at bruge opskrifter først.
Transformationssammenligning ved et enkelt blik
Er du stadig usikker på, hvilket værktøj, du skal vælge? Brug denne tabel til at sammenligne, hvilket transformationer der er tilgængelige i opskrifter og dataforløb.
| Funktion | Opskrift | Dataforløb |
|---|---|---|
| Aggreger |
|
|
| Vedhæft |
|
|
| Inddeling |
|
(computeExpression-transformation) |
| Beregn udtryk (på tværs af rækker) |
(Formel-transformation) |
(computeRelative-transformation) |
| Beregn udtryk (samme række) |
(Formel-transformation) |
(computeExpression-transformation) |
| Klynge |
|
|
| Konverter kolonnetyper |
|
|
| Dato og tidspunkt |
|
|
| Delta |
|
|
| Registrer sentiment |
|
|
| Drop kolonner |
|
(sliceDataset-transformation) |
| Rediger (kolonne)attributter |
|
|
| Udtræk datakomponent |
|
|
| Udtræk datasætdata |
(Inputnode) |
(edgemart-transformation) |
| Udtræk Salesforce-data |
(Inputnode) |
(sfdcDigest-transformation) |
| Udtræk synkroniserede data |
(Inputnode) |
(digest-transformation) |
| Filter |
|
|
| Flatten-hierarkier |
|
|
| Formater datoer |
|
|
| Deltag |
|
|
| Opslag |
|
(augment-transformation) |
| Forudsig manglende værdier |
|
|
| Forudsig værdier |
|
(prediction-transformation) |
| Profilkolonne |
|
|
| Opdel |
|
|
| Tidsserieprognoser |
|
|
| Opdater værdier |
(opdateringsnode) |
(update-transformation) |
