Datenbereinigung und -vorbereitung

Nachdem Sie Ihre Daten in Data 360 aufgenommen haben, bereiten Sie sich mithilfe der Bibliotheksfunktionen, Operatoren und Rohdatenfelder auf die Datenzuordnung vor.

• Transformationen von Streaming-Daten
  Eine Streaming-Datentransformation liest einen Datensatz in einem Quellobjekt, formt die Datensatzdaten neu und schreibt einen oder mehrere Datensätze in ein Zielobjekt. Beim Quell- und Zielobjekt muss es sich um verschiedene Objekte handeln. Eine Streaming-Datentransformation wird als Streaming-Prozess fortlaufend ausgeführt, um neue oder geänderte Daten abzurufen.
• Batch-Datentransformationen
  Verwenden Sie eine Batch-Datentransformation, um Ihre Daten für die weitere Verwendung umzuwandeln, beispielsweise für die Identitätsbestimmung, die Segmentierung oder berechnete Statistiken, oder um Statistiken in Salesforce-Berichten abzuleiten. Eine Batch-Transformation ist eine wiederholbare Reihe von Vorgängen, die Sie bei Datenaktualisierungen ausführen können. Wenn Sie eine Batch-Datentransformation zum ersten Mal ausführen, werden Daten abgerufen und entsprechend Ihren Schritten definiert. Sie können eine Transformation dann manuell ausführen oder so einrichten, dass sie in geplanten Intervallen ausgeführt wird.
• Überlegungen zur Abrechnung für Datentransformationen
  Die Verwendung von Datentransformationen wirkt sich auf den Verbrauch von Gutschriften aus, die für die Abrechnung von Organisationen verwendet werden, die Data 360 mit einer Data 360-Lizenz betreiben.
• Erstellen eines Plattformereignis-Flows für Datentransformationen
  Erstellen Sie einen durch eine Plattform ausgelösten Flow für Ereignisaktionen der Datentransformation.
• Erstellen eines Datentransformation-Datensatzereignis-Flows
  Erstellen Sie einen durch einen Datensatz ausgelösten Flow für Ereignisaktionen der Datentransformation. Mit einem durch einen Datensatz ausgelösten Flow können Sie einen anderen Datensatz aktualisieren, eine Benachrichtigung senden oder einen Prozess initiieren.
• Normalisierte und denormalisierte Daten
  Daten stammen aus mehreren Quellen und können normalisiert oder denormalisiert werden. Das Data 360-Standarddatenmodell ist normalisiert. Daher müssen eingehende Daten normalisiert werden, bevor sie dem Datenmodell zugeordnet werden können. Da nicht alle Quellsysteme normalisierte Exportoptionen bereitstellen oder Daten normalisieren, bewerten Sie Ihre Daten auf Feldebene, um festzustellen, wie die Quelldaten umgewandelt und dem Standarddatenmodell zugeordnet werden sollen.
• Anwendungsfall für das Normalisieren denormalisierter Daten
  In diesem Anwendungsfall stammen die Daten aus einer einzelnen Marketing Cloud Engagement-Data Extension, müssen jedoch normalisiert werden, um den Data 360-Datenmodellobjekten (DMO) zugeordnet zu werden.