Einführung
Eine der größten Herausforderungen für Organisationen besteht heute darin, dass es schwierig sein kann zu verstehen, wer Ihre Kunden sind und was für sie wichtig ist. Kundendaten können auf mehrere Datensilos verteilt werden. Das von der Einzelhandelswebsite Ihrer Organisation verwendete Transaktionssystem könnte beispielsweise unabhängig von dem Point-of-Sale System arbeiten, das in Ihren Einzelhandelsgeschäften eingesetzt wird. Darüber hinaus könnten die Support‑ und Callcenter Ihrer Organisation eine separate Anwendung verwenden, die speziell für Call-Center-Szenarien entwickelt wurde. Wie können Sie sich ein klares Bild von Ihren Kunden machen, wenn alle Kundendaten über die verschiedenen Systeme verstreut sind?
Dynamics 365 Customer Insights - Data hilft Ihrer Organisation dabei, Erkenntnisse zu gewinnen, um ein tieferes Verständnis Ihrer Kunden aufzubauen. Mit Customer Insights - Data werden Daten aus all Ihren verschiedenen Datenquellen in einem einzigen vereinheitlichten Kundenprofil erfasst. Innerhalb des Kundenprofils können Sie Daten über verschiedene demografische Merkmale hinweg verfolgen und Trends basierend auf den Schlüsseldaten erkennen, die Sie verfolgen möchten.
Um eine 360-Grad-Ansicht Ihrer Kunden zu erhalten, müssen Sie zunächst die spezifischen Daten erfassen, mit denen Sie in allen verschiedenen Datensilos Ihrer Organisation arbeiten müssen.
Nachstehend finden Sie einige mögliche Quellen:
Transaktionsdaten wie Point-of-Sale-Systeme
Überwachungsdaten wie Produkttestanwendungen
Verhaltensbasierte Quellen wie Customer Service-, Sales‑ und weitere Anwendungen
Jede Datenquelle, in der kundenbezogene Daten gespeichert werden
Extrahieren, transformieren, laden (ETL)
Bevor Anwendungen, die Daten aus unterschiedlichen Quellen wie Customer Insights - Data nutzen, sie verwenden können. Die Daten müssen gesammelt und so verfeinert werden, das sie von der Anwendung verwendet werden können. Dieser Prozess ist entscheidend, um sicherzustellen, dass die Daten ordnungsgemäß verwendet werden. Dieser Prozess wird als ETL bezeichnet, was Extrahieren, Transformieren, Laden bedeutet.
Wie der Name schon sagt, besteht der ETL-Prozess aus drei Schritten, mit denen Daten von der Quelle zum Ziel integriert werden können.
Datenextraktion – Extrahiert Rohdaten aus einer Datenquelle wie Legacy-Systemen, Cloudumgebungen, CRM/ERP-Anwendungen, Data Warehouses usw.
Datentransformation – Verbessert die Datenqualität und Zugänglichkeit durch Prozesse wie Datenbereinigung, Standardisierung, Sortierung usw.
Laden von Daten – Lädt die Daten in ihren neuen Speicherort
Abhängig von der Datenerfassungsmethode, die Sie verwenden möchten, wird ETL möglicherweise im Rahmen des Erfassungsprozesses oder vor der Erfassung der Daten durchgeführt. Während wir die verschiedenen verfügbaren Erfassungsmethoden untersuchen, werden wir uns ansehen, wann ETL durchgeführt werden sollte.
Erfassen von Daten
In Customer Insights - Data erfasste Daten werden in einem Dataset gespeichert. Ein Dataset ist im Wesentlichen eine Tabelle, die die Daten enthält, die Sie verwenden möchten. Dies können profilbezogene Daten sein, die aus einer CRM-Anwendung stammen, oder Käufe, die von einem PoS-System stammen. Datasets werden in Datenquellen gespeichert. Hierbei handelt es sich um Organisationseinheiten, mit denen Sie Ihre Datasets besser organisieren und leichter gruppieren/finden können. Beispielsweise können Sie eine Datenquelle mit dem Namen „eCommerce“ definieren, um Daten aus einer E-Commerce-Anwendung zu erfassen. Die E-Commerce-Anwendung enthält wahrscheinlich sowohl Kundenprofil‑ als auch Kundenkaufdaten. Für jede von ihnen ist in der Datenquelle ein Dataset vorhanden.
Abhängig vom Datenvolumen, das Sie erfassen möchten, und dem Ort, an dem sich die Daten befinden, müssen Sie entscheiden, welche Erfassungsmethode verwendet werden soll.
Customer Insights - Data bietet mehrere Datenquellenoptionen zur Auswahl:
Azure Data Lake – Wird verwendet, wenn Sie eine Verbindung zu einem Azure Data Lake Storage Gen 2-Konto herstellen möchten. Weitere Informationen finden Sie unter Common Data-Ordner.
Microsoft Dataverse – Wird verwendet, wenn Sie eine Verbindung zu Datasets im Dataverse Data Lake herstellen möchten. Weitere Informationen finden Sie unter Dataverse.
Microsoft Power Query – Wird verwendet, wenn Sie eine Verbindung zu Daten Microsoft Dataverse, Azure Blobs, OData-Quellen usw. herstellen möchten. Weitere Informationen erhalten Sie unter Power Query-Konnektoren.
In den noch verbleibenden Lerneinheiten wird jede dieser Optionen detaillierter besprochen.