DocumentationExperience PlatformGuide de Data Science Workspace

Création de jeux de données et de schéma de vente au détail

Last update: Wed Apr 12 2023 00:00:00 GMT+0000 (Coordinated Universal Time)

Créé pour :

  • User
  • Developer

Ce tutoriel vous fournit les prérequis et les ressources requis pour tous les autres Adobe Experience Platform Data Science Workspace tutoriels. Une fois l’opération terminée, les jeux de données et le schéma de vente au détail seront disponibles pour vous et les membres de votre organisation sur Experience Platform.

Prise en main

Avant de commencer ce tutoriel, vous devez disposer des éléments suivants :

Création de jeux de données et de schéma de vente au détail

Les jeux de données et le schéma de vente au détail sont créés automatiquement à l’aide du script de bootstrap fourni. Suivez les étapes ci-dessous dans l’ordre :

Fichiers de configuration

  1. Dans le Experience Platform module de ressources de tutoriel, accédez au répertoire bootstrapet ouvrez config.yaml à l’aide d’un éditeur de texte approprié.

  2. Dans la section Enterprise, saisissez les valeurs suivantes :

    code language-yaml 
    Enterprise:
    api_key: {API_KEY}
    org_id: {ORG_ID}
    tech_acct: {technical_account_id}
    client_secret: {CLIENT_SECRET}
    priv_key_filename: {PRIVATE_KEY}

  3. Modifiez les valeurs figurant dans la section Platform, comme indiqué ci-dessous :

    code language-yaml 
    Platform:
    platform_gateway: https://platform.adobe.io
    ims_token: {ACCESS_TOKEN}
    ingest_data: "True"
    build_recipe_artifacts: "False"
    kernel_type: Python
    • platform_gateway : le chemin d’accès de base des appels API. Ne modifiez pas cette valeur.
    • ims_token : emplacement de votre {ACCESS_TOKEN}.
    • ingest_data : pour les besoins de ce tutoriel, définissez cette valeur comme "True" pour créer les jeux de données et les schémas de vente au détail. Une valeur "False" crée uniquement les schémas.
    • build_recipe_artifacts : pour les besoins de ce tutoriel, définissez cette valeur comme "False" pour empêcher le script de générer un artefact de recette.
    • kernel_type : type d’exécution de l’artefact de recette. Laissez la valeur Python si build_recipe_artifacts est définie comme "False", sinon spécifiez le type d’exécution correct.

  4. Dans la section Titles, fournissez les informations suivantes adaptées aux données d’exemple de ventes au détail, enregistrez et fermez le fichier une fois les modifications effectuées. Exemple illustré ci-dessous :

    code language-yaml 
    Titles:
    input_class_title: retail_sales_input_class
    input_mixin_title: retail_sales_input_mixin
    input_mixin_definition_title: retail_sales_input_mixin_definition
    input_schema_title: retail_sales_input_schema
    input_dataset_title: retail_sales_input_dataset
    file_replace_tenant_id: DSWRetailSalesForXDM0.9.9.9.json
    file_with_tenant_id: DSWRetailSales_with_tenant_id.json
    is_output_schema_different: "True"
    output_mixin_title: retail_sales_output_mixin
    output_mixin_definition_title: retail_sales_output_mixin_definition
    output_schema_title: retail_sales_output_title
    output_dataset_title: retail_sales_output_dataset

Exécution du script de bootstrap

  1. Ouvrez votre application de terminal et accédez au Experience Platform répertoire des ressources du tutoriel.

  2. Définissez le répertoire bootstrap comme chemin d’accès opérationnel actuel et exécutez le script bootstrap.py en saisissant la commande suivante :Python

    code language-bash 
    python bootstrap.py
    note note
    NOTE
    l’exécution du script peut prendre plusieurs minutes.

Étapes suivantes

Une fois l’exécution du script de bootstrap terminée, il est possible d’afficher les jeux de données et schémas d’entrée et de sortie de ventes au détail dans Experience Platform. Pour plus d’informations, consultez le tutoriel de présentation des données de schéma.

Vous avez également ingéré avec succès des données d’exemple de ventes au détail dans Experience Platform à l’aide du script de bootstrap fourni.

Pour continuer à travailler sur les données ingérées, procédez de la façon suivante :

recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9