詳細情報:
データフローではなくレシピを使用すべき理由
レシピとデータフローの両方でデータの準備を行います。データフローと比較して、レシピのほうが新しいため、機能および使いやすさの点でお勧めです。レシピでは変換するときにデータをプレビューできますが、データフローではノードスキーマのみが表示されます。たとえば、レシピには、データフローでは使用できない組み込みの機械学習 ([欠損値を予測]、[センチメントを検出] など) を使用した追加の結合種別と変換があります。レシピでは、より高いレベルにデータを集計することもできます。
レシピとデータフローは相互に排他的ではありません。この両方を使用して、より複雑なデータプレップ要件に対応することができます。たとえば、データフローを使用して中間データセットを生成し、そのデータセットをレシピのソースとして使用して追加の変換を実行できます。
レシピ
レシピは、データのプレビューと変換を行う Salesforce システム管理者やデータエキスパートに最適です。
レシピを使用して、次の操作を実行できます。
- 使いやすいグラフィカルインターフェースで作業する。
- データと、各変換を適用したときのデータの変更内容をプレビューする。
- 列の削除や列の表示ラベルの変更をすばやく行う。
- 列のプロファイルを使用してデータの品質を分析する。
- データを集計および結合する。
- センチメントを検出、データのクラスター化、時系列予測など、組み込み機械学習を使用する。
- 複雑な SAQL 式を作成することなく値をバケット化する。
- ビジュアル数式ビルダーを使用して、計算列を作成する。
- ポイント & クリックインターフェースを使用して値を容易に変換し、データの一貫性を確保する。たとえば、数式なしで値のバケット化、切り取り、分割、置換を実行できます。
- すべての変更の履歴を表示し、前後に移動して再実行する。
- 出力コネクタを使用して、準備したデータを他のシステムに転送する。
レシピで直接データ参照を行う場合、データは CRM Analytics に保存されません。レシピでダイレクトデータを使用する場合、クエリで現在のデータが取得されます。データマネージャーでは、SFDC_Local 接続は CRM Analytics に保存されているデータを表します。そのため、直接データ参照は SFDC_Local 接続に含まれません。
レシピを実行すると、レシピが使用する SFDC_Local オブジェクトの最終実行日時は更新されません。SFDC_Local データを使用してレシピを実行すると、前回の同期中にオブジェクトに保存されたデータが使用されます。そのため、イベントスケジュールなどを使用して、レシピの実行前にローカルオブジェクトを同期するようにスケジュールします。
データフロー
データフローは、ビジュアルエディターおよび必要に応じて JSON で作業する CRM Analytics 開発者に最適です。
データフローを使用して、次の操作を実行できます。
- ビジュアルデータフローエディターで複雑なデータプレップフローを設計する。
- 基盤となる JSON を編集して詳細に制御する。
- 行全体を計算してトレンド分析用の新しいデータを取得する。
- 複雑な検索条件を適用する。
データフローの有効期限の終了日がまだ設定されていません。データフローが有効で、高度なレシピ機能が不要な場合は、引き続きデータフローを使用できます。新しいデータプレッププロセスの使用を開始する場合は、最初からレシピを使用することを検討してください。
変換の比較表
どのツールを選択すればよいか、まだわかりませんか?次の表を使用して、レシピとデータフローでどの変換を使用できるかを比較してください。
| 機能 | レシピ | データフロー |
|---|---|---|
| 集計 |
|
|
| 追加 |
|
|
| バケット |
|
(computeExpression 変換) |
| 式を計算 (複数行) |
(数式変換) |
(computeRelative 変換) |
| 式を計算 (同一行) |
(数式変換) |
(computeExpression 変換) |
| クラスター |
|
|
| 列の型を変換 |
|
|
| 日時 |
|
|
| デルタ |
|
|
| センチメントを検出 |
|
|
| 列を削除 |
|
(sliceDataset 変換) |
| (列) 属性を編集 |
|
|
| 日付コンポーネントを抽出 |
|
|
| データセットデータを抽出 |
(入力ノード) |
(edgemart 変換) |
| Salesforce データを抽出 |
(入力ノード) |
(sfdcDigest 変換) |
| 同期されたデータを抽出 |
(入力ノード) |
(digest 変換) |
| 検索条件 |
|
|
| 階層をフラット化 |
|
|
| 日付を書式設定 |
|
|
| 結合 |
|
|
| ルックアップ |
|
(augment 変換) |
| 欠損値を予測 |
|
|
| 値を予測 |
|
(prediction 変換) |
| 列のプロファイル |
|
|
| 分割 |
|
|
| 時系列売上予測 |
|
|
| 値を更新 |
(更新ノード) |
(update 変換) |
