Data 360 连接器与集成完全指南 — 从策略制定到数据映射

Data 360 支持超过 200 个连接器，可将各类数据通过摄取或零拷贝联邦引入平台。本文完整覆盖数据流入流出机制、四步连接流程、三类数据策略、数据矩阵文档化方法、Salesforce/连接器服务/第三方三大连接器类型，以及数据流创建、公式字段、刷新设置、Customer 360 数据模型映射和关系管理等实操内容。...

首页/ 文章列表/ Data 360 连接器与集成完全指南 — 从策略制定到数据映射
📅 2026/2/1 ✍️ ponybai 🏷️ headless-360, salesforce, data-360

一、了解连接步骤

学习目标

完成本单元后，你将能够：

  • 解释数据如何进入 Data 360
  • 识别连接数据到 Data 360 的实施步骤

一切始于数据

一个人一天产生的参与和行为数据量令人惊叹。一次简单的购物之旅就能产生与销售信息、网站流量、购买记录、偏好、位置等多种来源相关的客户数据。对于任何企业来说，从何入手理解客户数据的复杂性可能令人望而生畏。

好消息是 Data 360 可以帮你。了解数据结构、数据间的关系、所需凭证、数据卫生和存储需求需要时间。但有了清晰的计划后，Data 360 为你提供工具，将所有这些数据纳入单一、有用的客户视图。

释放被困的数据

数据可以有多种形式，存储在各种位置，往往难以访问。Data 360 提供一个集中位置来统一、分析和处理任何类型的数据：

  • 客服代表的聊天记录
  • 网站的实时参与数据
  • 笔记本上的 CSV 电子表格
  • 你不想移动的遗留数据湖
  • PDF 手册和销售电话的录音

此外，Data 360 还在不断扩展对非结构化数据的支持格式。无论你有什么类型的数据源，Data 360 都能应对。

Data 360 中的数据流——数据流入

数据可以作为源流入 Data 360，也可以作为目标流出，或两者兼有。连接器通过数据流（Data Streams）在数据源和 Data 360 之间建立连接。

数据流入的两种方式：

1. 摄取（Ingestion）：

  • 通过 Salesforce 连接器、连接器服务或第三方连接器以流式或批量数据形式摄取
  • 原始数据通过数据流添加到 Data 360，存储为数据湖对象（DLO）
  • 数据不被修改，原始结构和数据类型保持不变
  • 数据流决定连接建立的频率和时机

2. 零拷贝数据联邦（Zero Copy Data Federation）：

  • 数据不需要摄取进 Data 360，可直接连接外部数据源
  • 创建外部 DLO 存储元数据，作为指向外部物理存储数据的引用

在任何数据可用于 Data 360 之前，DLO 中的字段需要映射到 Customer 360 数据模型，才能用于下游的细分、洞察或激活。

Data 360 中的数据流——数据流出

数据在 Data 360 中被操作、协调或细分后，可以发送到目标（Targets）：

  • 通过安全文件传输（SFTP）导出
  • 通过 Data Shares 与 Snowflake、Google BigQuery 等外部集成共享
  • 将细分激活到 Marketing Cloud Engagement 或 Meta、Google 广告平台
  • 使用数据动作在 Sales Cloud 或 Service Cloud 中执行任务

本模块重点关注通过连接器将数据引入 Data 360。

连接数据的四个步骤

将数据源连接到 Data 360 的高级步骤（也是 Data 360 入门的核心实施步骤）：

  1. 创建连接：系统管理员根据连接器类型在 Data Cloud Setup 中配置。安装数据包、添加配置和认证信息，或创建事件定义来建立源与 Data 360 之间的连接。
  2. 创建数据流：为每个连接创建数据流，生成数据湖对象（DLO）来存储数据、元数据或两者兼有。
  3. 转换数据：添加关键限定符、使用简单公式更新名称或执行行计算，或创建流式/批量数据转换来塑造数据。
  4. 映射数据：将数据映射到 Customer 360 数据模型（Data 360 的标准数据模型）。部分连接器的字段已预映射，否则需手动映射。正确映射是使用身份解析规则集进行数据统一的必要条件。

这四个步骤为各种业务用例奠定了基础——无论你是用数据来支撑 AI 提示、创建统一的定向营销细分，还是在 Tableau 中深入分析数据。

二、制定数据连接策略

学习目标

完成本单元后，你将能够：

  • 定义与连接数据相关的关键术语
  • 审视用例和数据源，创建数据矩阵
  • 识别连接到 Data 360 的数据源

关键术语与注意事项

创建数据流时，正确识别数据的类别（Category）至关重要，因为它会影响下游行为：

  • 个人资料（Profile）：关于客户的数据，如忠诚度俱乐部信息（含生日和邮箱偏好）
  • 参与行为（Engagement）：关于行为的数据，如客户网站浏览历史——需要包含时间信息（创建日期、最后修改等）
  • 其他（Other）：其他类型的数据，如产品库存信息

其他重要概念：

  • 不可变数据（Immutable）：不会改变的数据，一旦写入就保持原样
  • 规范化数据（Normalized）：已组织和结构化以减少冗余、提高数据完整性的数据
  • 协调（Harmonization）：将来自多个源的原始数据进行规范化的过程
  • 主键（Primary Key）：唯一标识数据集中每条记录的字段——确保数据唯一且可检索
  • 外键（Foreign Key）：可链接到不同数据集主键的辅助键——用于跨表关联

制定计划——审视你的用例

了解术语后，下一步是了解所有潜在数据源以及你的用例真正需要哪些数据——这是绝对不能跳过的步骤！

首先审视用例和衡量指标：你的团队需要什么数据？你希望向销售人员/支持代表/营销人员提供哪些数据？考虑所有可能的选项：全球销售数据、网站参与数据、第三方非结构化数据等。

记录你的数据：为每个数据源及其关联的数据集创建数据矩阵或数据字典：

  • 盘点所有可能的数据源——即使你暂不纳入所有数据
  • 识别每个源中的所有数据集（如营销数据可能含行为数据和画像信息）
  • 标注该数据的具体用例——并非所有数据都需要连接到 Data 360
  • 识别主键和外键
  • 确定数据是不可变的还是需要支持更新
  • 确定是否需要转换（如日期时间格式不统一）
  • 审查属性/字段，决定哪个数据源最可靠

记录你的数据——示例矩阵

以下是如何组织数据源信息的示例：

数据源数据集（DLO）关键信息
公司网站电商点击数据结构化/参与类/非不可变/主键:订单ID/实时更新/用例:识别客户网站参与度
门店CSV门店位置信息结构化/其他类/不可变/主键:门店ID/不更新/用例:识别客户附近门店
忠诚度数据库客户忠诚度等级结构化/画像类/非不可变/主键:客户ID/每日更新/用例:统一客户与忠诚度数据/需公式字段(年龄>18)

无论使用什么格式，在连接每个数据集时请随身携带这些信息。

可用的数据源与连接器概览

Data 360 通过连接器和数据流连接和摄取来自各种内置和外部数据源的数据。支持超过 200 个连接器，包括 Salesforce 连接器、连接器服务以及第三方连接器和集成。

Salesforce 连接器：Salesforce CRM 数据（Sales、Service、Industries）、B2C Commerce 和 Marketing Cloud Engagement 提供灵活的连接器。初学者可使用数据包（Data Bundles）自动预映射 DLO 到 DMO，也可手动创建数据流，或使用数据套件（Data Kits）简化创建过程。

连接器服务：通过 Ingestion API（RESTful 接口）、MuleSoft Anypoint Connector、Web 和 Mobile App 连接器、以及 Salesforce Interactions SDK 等方式连接数据。

第三方集成：覆盖云存储、数据湖、流式内容和广告源等数百个连接器——从 Adobe 到 Zendesk。Data 360 持续新增连接器。

三大连接器类型详解

1. Salesforce 连接器：

  • 数据包（Data Bundles）：使用预映射字段和关系，自动将 DLO 映射到关联的 DMO——适合快速入门
  • 手动数据流：从可用对象列表中选择，手动映射到 DMO
  • 数据套件（Data Kits）：自定义数据套件，简化跨 org 的数据流和映射创建

2. 连接器服务：

  • Ingestion API：提供 RESTful 接口，支持流式和批量交互模式，用于程序化加载数据
  • MuleSoft Anypoint Connector：基于 Ingestion API，支持批量/流式摄取，自动化第三方系统和业务应用的数据摄取
  • Web/Mobile SDK：通过 Interactions SDK 或事件捕获直接连接网站和移动数据，提供预定义映射

3. 第三方集成：覆盖云存储（S3、Azure、GCS）、数据湖（Snowflake、BigQuery、Databricks、Redshift）、流式内容和广告源的数百个连接器。每个连接器的设置步骤不同，详情查阅文档。

三、连接与映射数据

学习目标

完成本单元后，你将能够：

  • 创建连接和数据流
  • 了解公式字段
  • 映射数据并建立关系
  • 审查相关注意事项

连接数据与创建数据流

现在你已经规划好要引入哪些数据并了解了所有可用连接器，可以开始使用数据流连接数据了。管理员需要先在 Data Cloud Setup 中连接数据源，然后拥有正确权限集的用户即可创建数据流。

创建数据流时需指定：

  • 类别（Category）——画像/参与行为/其他
  • 主键（Primary Key）
  • 可选的公式字段（Formula Fields）

重要注意事项：

  • DMO 从其映射的第一个数据源对象继承类别，后续映射的数据源对象必须类别相同
  • 确保连接和映射的字段数据类型相似（文本、数字、日期），否则需使用数据转换或公式字段先行标准化
  • 映射参与行为类数据对象时必须同时映射事件时间字段

公式字段与刷新设置

公式字段（Formula Fields）：在创建数据流时或创建后，可添加公式字段来清洗和调整原始数据。连接器获取原始字段列表，但某些数据源可能需要额外处理。例如，连接器获取年龄为原始数字，你希望将数据分组（18-24岁、25-34岁等），即可通过添加公式实现。

公式函数分为四类：

  • 文本函数：EXTRACT(), FIND(), LEFT(), SUBSTITUTE()
  • 转换函数：ABS(), MD5(), NUMBER(), PARSEDATE()
  • 日期函数：DATE(), DATEDIFF(), DAYPRECISION()
  • 逻辑函数：IF(), AND(), OR(), NOT()

还可使用完全限定键（FQK）避免来自不同数据源的数据在协调时出现键冲突。

刷新设置：根据数据源不同，数据流支持不同的刷新计划——增量刷新、每小时刷新、每周刷新，也可手动触发刷新。根据你的用例选择适当的刷新频率。

数据映射与关系

所有数据流被摄取后，通过 Customer 360 数据模型进行源到目标的映射，实现数据源规范化。该模型涵盖参与方、产品、销售订单、邮件互动等多个主题领域，可扩展——可向标准对象添加自定义属性或创建全新自定义对象。

映射要点：特别关注姓名、ID、邮箱、电话等标识符字段，这些信息帮助链接个人数据，最终构建客户的统一画像。

关系（Relationships）与基数（Cardinality）：如果使用标准对象，当 DLO 中映射的对象之间共享关键字段时，关系会自动填充。关系类型分为：

  • 一对一：一个人只有一个出生日期
  • 多对一：一个人可以有多个邮箱或多个信用卡

基数确定后不可更改，且会影响细分和激活行为。映射完成后可通过图形视图查看 DMO 及其关系。

数据流信息监控

数据流创建后，可从数据流主页查看详细信息并持续监控：

  • 处理记录状态：已处理记录数、错误数
  • 已映射字段：检查映射是否完整
  • 刷新历史：监控常规处理、排查错误

从此页面还可添加字段、公式字段和刷新数据流。定期监控确保数据管道健康运行，信用消费受控。

接下来，动手实操：Explore Data 360 Core Functionality。

文章来源：Trailhead - Data 360 Connectors and Integrations