Einstein Analyticsでのデータ取り込みと加工
2 likes6,268 views
＜セミナー概要＞ Einstein Analytics では、あらゆる業界やユーザーに適した可視化分析を提供します。 こちらのウェブセミナー資料では、Einstein Analytics のインプリメンテーションを行う際に必須となるデータの加工および、注意が必要なポイントなどをご紹介します。Salesforce 開発経験は問いません。Einstein Analytics にご興味のある方は、是非ご参考にしてください。 ＜ご紹介内容＞ データセットビルダー データフロー レシピなど 対象者 : Einstein Analytics を使用したことがある方、もしくは使用を考えている方 Salesforce オブジェクトだけでなく外部データを取り込んでデータを分析したい方
Einstein Analyticsでのデータ取り込みと加工
- 1. Einstein Analytics データ取り込みと加工 ２０１９年７月３０日 セールスエンジニアリング統括本部 ソリューション セールスエンジニアリング本部 アナリティクススペシャリスト 木浦武志
- 2. Forward-Looking Statements Statement under the Private Securities Litigation Reform Act of 1995 This presentation may contain forward-looking statements that involve risks, uncertainties, and assumptions. If any such uncertainties materialize or if any of the assumptions proves incorrect, the results of salesforce.com, inc. could differ materially from the results expressed or implied by the forward-looking statements we make. All statements other than statements of historical fact could be deemed forward-looking, including any projections of product or service availability, subscriber growth, earnings, revenues, or other financial items and any statements regarding strategies or plans of management for future operations, statements of belief, any statements concerning new, planned, or upgraded services or technology developments and customer contracts or use of our services. The risks and uncertainties referred to above include – but are not limited to – risks associated with developing and delivering new functionality for our service, new products and services, our new business model, our past operating losses, possible fluctuations in our operating results and rate of growth, interruptions or delays in our Web hosting, breach of our security measures, the outcome of any litigation, risks associated with completed and any possible mergers and acquisitions, the immature market in which we operate, our relatively limited operating history, our ability to expand, retain, and motivate our employees and manage our growth, new releases of our service and successful customer deployment, our limited history reselling non-salesforce.com products, and utilization and selling to larger enterprise customers. Further information on potential factors that could affect the financial results of salesforce.com, inc. is included in our annual report on Form 10-K for the most recent fiscal year and in our quarterly report on Form 10-Q for the most recent fiscal quarter. These documents and others containing important disclosures are available on the SEC Filings section of the Investor Information section of our Web site. Any unreleased services or features referenced in this or other presentations, press releases or public statements are not currently available and may not be delivered on time or at all. Customers who purchase our services should make the purchase decisions based upon features that are currently available. Salesforce.com, inc. assumes no obligation and does not intend to update these forward-looking statements
- 4. Analytics PlusのAnalytics,Discovery共に、 データセットを元にしている。 AIBI Einstein Analytics 自動分析 自動機械学習 予測および診断 自然言語で説明 アクションの自動化 Predictive: 何が起きるのか? Prescriptive: 何をすればいいのか? Descriptive: 何がおきたのか? Diagnostic: なぜおきたのか? 自由分析 データ可視化 ダッシュボード Einstein Analytics Einstein Discovery データセット
- 5. データ取り込み手法
- 7. データフローの設計 ● １つのデータセットに複数オブジェクトのデータを結合可能 ● １つのデータセットと外部ソースのデータを結合可能 ● １つのデータフローで複数データセットの作成・更新が可能 ● Einstein Analyticsでは非正規化されたデータを推奨 データフローの設計に関しての前提知識
- 13. データ同期に関して
- 16. データ同期の取り込み方法 （SFDC_LOCALを含む全てのデータ同期） 同期されているデータ一覧 同期したデータを使用する場合はDigestを使用してデータフロー内で参照します。 digest変換
- 18. データフローの作成、実行、監視
- 19. データフローの設計の例 外部データの読み込み Salesforceデータの読み込み API ETL ツール データソース 外部 Salesforce データフローの実行 データセットの変換 データセットの登録 SIC コードの説明 JSON 外部 抽出 読み込み 変換 取引先 ユーザー 商談 augment augment 注 – 外部データのデータ セットは自動的に登録され ます。 augment JSON データフロー
- 20. データフローでSalesforceデータと外部データの結合 データフローを使用することで、作成したデータセットや、データ同期に対して項目追加やフィルター、 データの縦結合や横結合が可能ですので、目的に応じた様々なデータの加工が可能になります。 データセットビ ルダー データ取り込み データ結合 データ変換 予測 フィルター 項目削除 データセット 作成 セキュリ ティー
- 21. データセットの結合 augment変換を使用すると既存のデータセットを結合することができます。 キーをレコードの一致条件として、左のデータセットの全ての列と、右のデータセット内の指定された列を 結合します。 顧客ID 商談名 金額 ステージ 111 A 100 3 222 B 200 4 333 C 300 2 顧客ID 顧客名 業種 従業員数 111 AT 小売 240 222 BW 製造 450 333 CZ 通信 293 顧客ID 商談名 金額 ステージ 111 A 100 3 222 B 200 4 333 C 300 2 顧客名 業種 従業員数 AT 小売 240 BW 製造 450 CZ 通信 293 商談 取引先 商談と取引先を顧客IDをキーにして結合するイメージ 結果データセット 左 右
- 22. augmentを使用したデータセットの結合のパラメータ 左のソース 左のデータセットを識別するノード名 左のキー データセットの結合に使用されるキー リレーション 出力データセットの右の列名の先頭に追記される文字列 右のソース 右のデーセットを識別するノード名 右のキー データセットの結合に使用されされるキー 右の項目 出力データセットに含める右のデータセットの列 演算子 キーが一致した際に返すレコードが複数か制御する パラメータ
- 23. Augmentを使用した合計値の算出 Augmentは通常キーが１：１のデータを結合するのに使用します。ただ１：Nのような右の行数が複数存在する場合 は、「演算子」で「複数値を検索」を選択することで集計値を付与することが可能です。 ID B C ID Val B 2 B 3 B 8 C 10 C 20 ID Sum Val B 13 C 30 Augment 複数値を検索 Left Right LeftとRight（ID重複あり）をIDをキーにしてAugment結 合、その際に演算子で「複数値を検索」にしておくと合計 値が集計される。 演算子の設定
- 24. その他、覚えておきたい変換 computeExpression 変換を使用すると、派生項目をデータセットに追加できます データ の項目または他の派生項目を基にSAQL 式を使用して計算できます。たとえば、テキスト項 目の連結、数値項目で数学的計算などができます。 computeRelative 変換を使用すると、他の行の値に基づく派生項目をデータセットに追加 することができます。たとえば、販売トレンドを分析するために、商談が各フェーズに滞在し た日数を計算することができます。また、商談のフェーズ間で商談金額の変化を計算するこ ともできます。 filter 変換では、既存のデータセットか らレコードを削除します。 sliceDataset 変換を使用すると、データフローの データセットから項目が削除され、新規データセッ トまたは他の変換で使用する項目のサブセットが 残ります。
- 25. データフローのスケジューリング
- 26. データフローのスケジュール設定 データフローはスケジューリングによる定期実行が可能です。 次のようなタイミングで実行が可能です。 ● 特定の時刻に起動 ● 特定の期間（１時間ごとなど）で起動 ● Salesforce ローカル接続の同期後（イベントベースの実行）
- 28. レシピによるデータセットの加工
- 30. レシピ レシピでは、次のことができます。 ● 別のデータセットまたは接続オブジェクトから項目を追加する。 ● 項目名を変更する ● 項目を削除する。 ● 行を絞り込む。 ● バケット項目を追加する。 ● 数式項目を追加する。 ● 項目値を変換する。 ● API名の変更（レシピで追加列のみ）
- 35. コネクターの使用
- 38. その他、オススメ情報