위치:
Data 360 자동 매핑 모델 카드
자동 매핑 모델은 데이터 모델 개체(DMO) 대상 필드에 데이터 레이크 개체(DLO) 소스 필드를 자동 매핑합니다. 모델은 Data 360에서 새 데이터 스트림을 구성하는 데 필요한 수동 작업량과 시간을 줄입니다.
- 모델 세부 사항
자동 매핑 모델은 데이터 모델 개체(DMO) 대상 필드에 데이터 레이크 개체(DLO) 소스 필드를 자동 매핑합니다. 모델은 Data 360에서 새 데이터 스트림을 구성하는 데 필요한 수동 작업량과 시간을 줄입니다. - 용도
Marketing Cloud Engagement의 Einstein 콘텐츠 선택 항목 및 테스트 모델은 다음 사용 사례에 적합합니다. - 관련 요소
다음 요소는 Data 360 자동 매핑 모델과 연결되어 있습니다. - 메트릭
Data 360은 모델 성능 메트릭을 평가 및 모니터링하여 모델 품질을 유지하고 향상합니다. - 윤리적 고려 사항
모델은 메타데이터를 기반으로 하며 인구 통계 데이터는 포함하지 않습니다. 참조되는 머리글은 Salesforce Platform 내에서 표준화되거나 조직별로 사용자 정의됩니다. 성별, 인종 또는 기타 인구 통계 데이터에 대한 특정 값을 필드 레이블로 사용하지 않는 것이 좋습니다.
모델 세부 사항
자동 매핑 모델은 데이터 모델 개체(DMO) 대상 필드에 데이터 레이크 개체(DLO) 소스 필드를 자동 매핑합니다. 모델은 Data 360에서 새 데이터 스트림을 구성하는 데 필요한 수동 작업량과 시간을 줄입니다.
개인 또는 조직
Salesforce Data 360
모델 날짜 및 버전
- MPNet을 기반으로 하는 사전 학습된 모델이 자동 매핑 메커니즘으로 통합됩니다.
- 익명 메타데이터 컬렉션은 2023년 6월(Summer '23)에 시작됩니다.
- Winter '24에서는 조직당 사전 학습된 모델의 개별 인스턴스가 도입됩니다.
- 릴리스 전반에서 작은 변경이 발생할 수 있습니다.
- 주요 변경 사항이 발생할 수 있으며, 이는 릴리스 노트를 통해 전달됩니다.
모델 유형
자동 매핑 모델은 두 텍스트의 유사성을 기반으로 점수를 할당하는 다중 클래스 STS(Semantic Textual Similarity) 모델입니다. 모델은 개방된 데이터 집합에서 사전 학습되며 환경 내에서 사용할 데이터를 미세 조정하는 기초를 제공합니다. 데이터가 거의 없거나 데이터가 없는 경우에도 모델이 자동 매핑 기능을 제공합니다. 다운스트림 모델은 개별 데이터만 사용하도록 구축됩니다. 전역 모델은 고객의 데이터를 사용하여 교육되지 않습니다.
일반 정보
솔류션은 10억 개가 넘는 문장 쌍을 통해 정밀 조정되는문장-변환기 사전 학습된 모델 "all-mpnet-base-v2"를 기반으로 합니다. 사전 학습된 모델은 HuggingFace에서 사용할 수 있으며, 자동 매핑 솔루션에 통합되어 데이터 및 요구를 기반으로 고객별로 사용자 정의할 수 있습니다.
라이센스
자동 매핑은 Data Cloud 라이센스가 있는 Salesforce 고객이 사용할 수 있습니다.
질문 또는 댓글
모델에 대한 질문 또는 댓글을 support@salesforce.com으로 보냅니다.
용도
Marketing Cloud Engagement의 Einstein 콘텐츠 선택 항목 및 테스트 모델은 다음 사용 사례에 적합합니다.
주요 용도
자동 매핑 모델을 사용하여 메타데이터를 매핑할 수 있습니다. 기본 사용 사례는 데이터 모델에 DLO를 매핑하는 플랫폼 관리자 및 Data 360 솔루션을 구현하는 솔루션 아키텍처입니다. 이 사용 사례를 제외한 모든 사항은 범위를 벗어나며 권장되지 않습니다.
- 데이터 모델에 DLO를 매핑하는 플랫폼 관리자
- Data 360 솔루션을 구현하는 솔루션 아키텍처
범위 외 사용 사례
- 기본 사용 사례 이외의 항목은 범위를 벗어나지 않으며 권장되지 않습니다.
관련 요소
다음 요소는 Data 360 자동 매핑 모델과 연결되어 있습니다.
모델 입력
- DLO 필드 머리글 이름 및 데이터 유형(메타데이터)
- DMO 필드 머리글 이름 및 데이터 유형(표준 DMO 및 사용자 정의 DMO 모두)
문자열 유사성 및 의미 있는 유사성
- 자동 매핑 모델은 필드 간의 문자열 유사성 및 의미 있는 유사성 찾기를 기반으로 합니다. STS가 두 텍스트의 유사성에 대한 점수를 할당합니다.
이전 매핑
- 모델이 특정 테넌트에서 수행한 이전 매핑 등 사용 데이터를 사용합니다. 이전 매핑은 잠재적인 제안 매핑으로 사용됩니다.
- 모든 모델은 교차 고객 또는 전역 모델이 없는 단일 고객 모델입니다. 매핑은 고객 간에 공유되지 않습니다.
메트릭
Data 360은 모델 성능 메트릭을 평가 및 모니터링하여 모델 품질을 유지하고 향상합니다.
모델 성능 측정값
모델의 품질을 모니터링, 유지, 개선하기 위해 집계된 모델 성능 메트릭이 수집됩니다. 모델 성능은 승인, 거부 또는 수정한 자동 매핑 권장 사항의 개수를 기반으로 합니다.
- 회수 = 사용자가 승인한 매핑 권장 사항 수/올바른 매핑의 최종 수
- 정확도 = 사용자가 승인한 매핑 권장 사항 수/매핑 권장 사항 총 수
- 정확도 = 1 - (변경됨 + 추가됨)/(매핑 권장 사항의 총 수) = 회수*(2-1/정확도)
모든 메트릭이 집계되고 익명화됩니다. 매핑 권장 사항은 특정 임계값 이상만 표시됩니다. 정확한 임계값은 Winter '24부터 결정될 예정입니다.
윤리적 고려 사항
모델은 메타데이터를 기반으로 하며 인구 통계 데이터는 포함하지 않습니다. 참조되는 머리글은 Salesforce Platform 내에서 표준화되거나 조직별로 사용자 정의됩니다. 성별, 인종 또는 기타 인구 통계 데이터에 대한 특정 값을 필드 레이블로 사용하지 않는 것이 좋습니다.
유의 사항 및 권장 사항
변수 컨텍스트 내의 요소를 이해하고 모델링하는 것이 중요합니다. DLO 및 DMO 필드의 의미 있는 유사성은 컨텍스트에 따라 결정되며, 결과적으로 모호합니다.
고객 데이터 프라이버시
Data 360 모델은 OrgService를 사용하여 데이터를 암호화하여 모든 관련 규정을 준수하고 고객 개인 정보를 보호합니다. 모델을 사용하면 데이터 과학자만 데이터 추출 없이 안전한 환경에서 디버깅, 유효성 검사, 확인 목적으로 고객 데이터에 액세스할 수 있습니다.
