一、认识数据格局与 Data 360
学习目标
完成本单元后，你将能够：
- 描述当前数据格局及其面临的挑战
- 解释为什么需要一个集中统一的数据平台
- 定义 Data 360 及其核心能力
当今企业的数据困局
如今的企业面临着一个极其复杂的数据格局——数据源、系统和技术的种类繁多，各有各的用途。很多组织投入大量时间和资金来管理各种数据湖、数据仓库和业务系统，但这些系统虽然在设计上本应协同工作，数据却往往散落各处、难以访问。
当前企业面临三大关键数据挑战：
- 数据孤岛：数据分散在各个系统中，以 Slack 对话、PDF、Google 文档、视频、工单等非结构化格式存储，企业难以打造无缝的客户体验。
- 洞察不可靠：要将所有结构化和非结构化数据转化为可靠、可安全使用的客户洞察极其困难。分散的企业数据无法整合和治理，导致洞察支离破碎。
- 行动力不足：从洞察到行动之间存在延迟和瓶颈，组织无法及时响应市场需求以及员工和客户的需求。
数据也印证了这些挑战的普遍性。根据 MuleSoft《2025 年连接性基准报告》：
- 71% 的企业内部应用是相互断开的
- 43% 的业务领导者不信任自己的数据质量
- 80% 的领导者难以用数据驱动业务优先级
要解决这些挑战，来自不同来源的数据需要被整合。传统方式是将数据物理复制到一个集中式平台，但这种方法耗时、资源密集且效果不佳。答案不是移动数据，而是连接和统一数据。企业需要一个全面的平台，能够统一来自不同来源的数据，提供完整的客户 360 视图，并将数据转化为行动——这就是 Data 360。
什么是 Data 360？
Data 360 不仅仅是一个客户数据平台，它是一个统一、分析和激活数据的平台，贯穿整个 Salesforce 和 Agentforce。
Data 360 是一个集中式平台，能够：
- 连接和统一来自不同来源的数据，无需物理复制
- 创建分析与洞察，生成可执行的商业情报
- 激活数据，在工作流、应用和 Agentforce 中加以使用
Data 360 将分散的数据源转变为统一的行动力，赋能整个组织围绕客户凝聚起来。
实时、零拷贝与 AI 的基石
Data 360 的三个核心特性使其从根本上区别于传统数据平台：
实时平台：Data 360 对跨系统的客户交互提供近即时访问，在不到一秒内分析数据并更新客户画像。你可以在客户行为发生的同时理解和响应，从而提升客户体验和运营效率。了解更多：Real-Time Use Cases in Data 360。
零拷贝能力：Data 360 可以在不复制数据的情况下共享和访问外部数据。它与数据仓库、数据湖等外部数据源建立双向通信，实现更快洞察、更低成本和更强治理。了解更多：Data 360 with Zero Copy。
AI 的基石：Data 360 将统一、可信的数据输送给 AI 代理和预测模型。它为 Agentforce 提供了关键能力支撑，包括：
- 检索增强生成（RAG）：将代理的回复扎根于企业真实数据，避免幻觉
- Einstein 信任层：建立安全和合规护栏，确保数据使用安全可控
了解更多：Data 360-Powered Agentforce。
二、探索 Data 360 的数据处理阶段
学习目标
完成本单元后，你将能够：
- 识别 Data 360 的数据处理阶段
- 定义每个阶段的关键功能和特性
Data 360 的三个阶段总览
在将数据导入 Data 360 之前，先了解 Data 360 如何将分散的数据转化为统一行动。Data 360 中的数据流可以分为三个阶段：
- 连接数据（Connect）：摄取所有企业数据
- 协调与统一（Harmonize and Unify）：建立治理并创建统一客户画像
- 分析与行动（Analyze and Act）：生成洞察并激活数据
每个阶段都在前一个阶段的基础上构建——从原始数据到统一行动，形成完整的端到端管道。
阶段一：连接数据 — Data Cloud One
Data 360 是一个灵活且可扩展的平台，适用于从小型到大型的各种业务模型。
对于拥有多个 Salesforce org 的公司，Data Cloud One 可以把 Data 360 的功能扩展到多个 org 之间：
- 将多个伴随 org（companion orgs）连接到你的 Data 360 主 org
- 让伴随 org 能够访问 Data 360 的数据和功能
- 保持集中化治理的同时实现分散化应用
了解更多：Data Cloud One。
阶段一：连接数据 — 建立连接
Data 360 能够连接所有企业数据，无论是结构化的还是非结构化的，无论数据存储在何处。
预置连接器：Data 360 提供超过 275 个预置连接器，覆盖 SAP、NetSuite、Stripe 等第三方应用和系统。借助 MuleSoft，你还可以连接遗留系统、行业专用系统和本地部署系统。
零拷贝数据联邦（Zero Copy Data Federation）：Data 360 可以在不物理复制或重复数据的情况下，镜像来自企业现有数据湖和仓库的数据。支持的数据源包括：
- AWS、Azure、Google Cloud
- Snowflake、Databricks
- Amazon Redshift
零拷贝方式带来更快的洞察速度、更低的成本和更强的治理能力。
阶段一：连接数据 — 非结构化数据处理
Data 360 不仅处理结构化数据，还能处理和连接非结构化数据，如视频、音频、PDF 和文本。对于非结构化数据，Data 360 执行五个关键步骤：
- 连接（Connect）：使用预置连接器（包括 Amazon S3、Azure、Google Cloud Storage）摄取非结构化数据。
- 处理（Process）：使用分块和转写策略解包数据，提取元数据（实体、关键词、摘要、问题、主题），并进行分类。
- 存储（Store）：将处理后的数据向量化（转换为数值表示），存储在向量数据库中。
- 索引（Index）：创建关键词和知识图谱索引，实现超越简单文本匹配的高效检索。
- 激活（Activate）：使数据可在 Agentforce、分析、Apex 代码、自动化、Customer 360 和搜索中使用，借助无代码检索器、混合搜索和 RAG。
这意味着 AI 给出的回答扎根于企业自身可信的信息，而非凭空编造。
阶段二：协调与统一 — 数据治理
数据连接完成后，首先要做的就是建立数据治理。数据治理对于安全、合规地管理数据至关重要：
- 自动标记与分类：通过自动标记和分类（metadata tags），对结构化和非结构化数据同时进行治理。
- 基于策略的数据访问：使用基于策略的框架在所有数据源上强制执行访问控制。策略可设置在字段、对象或记录级别，并自动应用于 Data 360 的所有区域，包括 Agentforce、Analytics 和 Segmentation。
- 平台加密：通过平台加密为敏感数据添加额外安全层。
- 数据空间（Data Spaces）：按品牌、业务单元或区域隔离数据、元数据和流程，让每个单元在单个 Data 360 实例中自主控制其数据。
阶段二：协调与统一 — 数据转换与统一画像
治理到位后，接下来是转换数据和创建统一客户画像：
数据准备与转换：通过批处理和流式数据转换来准备和转换数据，确保数据一致性。数据在进入分析之前得到清洗和标准化。
统一数据模型：将数据映射到与 Salesforce 元数据框架深度集成的统一元数据模型。这意味着外部数据可以像标准 Salesforce 对象和字段一样行为——无缝融入你团队已经在使用的工具中。
身份解析与统一画像：跨不同来源解析客户身份，为每个客户构建统一的画像。这意味着：
- 将分散的邮箱、电话、姓名等触点信息匹配为同一个人
- 为每个客户创建最完整、最准确的视图
- 整个企业的各个团队都可以轻松访问和使用这个完整的客户画像
阶段三：分析与行动 — 查询与细分
数据经过协调和治理后，就可以生成有价值的洞察并驱动更智能的决策。
计算洞察（Calculated Insights）：通过组合来自不同来源的数据创建新的指标和洞察。这些洞察可以自动更新，让团队始终使用最新的数据。
细分群体（Segments）：基于统一的客户画像创建精准的目标受众细分，然后为这些受众精确投放定制化的营销活动。
从原始数据到精准行动——全部在一个平台中完成。
阶段三：分析与行动 — 预测与激活
预测模型：主动预判客户行为和结果。你可以在 AI Models（原 Einstein Studio）中开发和部署预测模型，也可以通过 Bring Your Own Model 接入现有的预测模型。
在整个组织中激活数据：
- 对象与组织充实（Org and Object Enrichment）：数据和洞察可以直接显示在 Salesforce 对象记录上，如客户或联系人档案——为每一次交互提供更丰富的工作上下文。
- Data 360 触发流（Triggered Flows）：使用 Flow Builder 基于实时数据和洞察自动化工作流并触发操作。
在应用和 AI 中激活：
- Salesforce 应用：为 Sales Cloud、Service Cloud 和 Marketing Cloud 提供完整的客户视图。
- Agentforce：为 AI 代理提供可信、有上下文的数据，使用 RAG 和混合搜索来交付有效回复、解决问题并自动化任务。
- 分析（Analytics）：为强大的分析和仪表板提供数据，支撑全面的商业智能。
- 广告平台：精准触达目标受众，开展定向广告活动。
- 第三方业务应用：将数据价值扩展到生态系统中的其他业务应用。
总结
在本模块中，你学到了：
- 当今数据格局的挑战——95% 的组织面临数据孤岛、洞察不可靠和行动力不足等问题，71% 的企业应用相互断开
- Data 360 是什么——一个统一、分析和激活数据的集中式平台，不仅是客户数据平台，更是整个 Customer 360 和 Agentforce 的数据基础
- 三个核心能力——实时处理（亚秒级更新）、零拷贝架构（无需复制即可访问外部数据）、AI 基石（为 Agentforce 提供 RAG 和 Einstein 信任层）
- Data 360 的三个阶段：连接 → 协调与统一 → 分析与行动，将分散的原始数据转化为统一的、可执行的客户洞察与行动
接下来，了解如何制定企业数据战略：Customer-Centric Data Strategies。