一、规划你的 Data 360 实施
学习目标
完成本单元后，你将能够：
- 评估数据的质量和结构
- 确定连接方法
数据评估
Data 360 作为 Agentforce 等 AI 解决方案基础的有效性，取决于它所摄取和使用数据的质量。数据质量差可能导致：
- 缺失或不准确的洞察
- 效率低下
- 对数据和 AI 信任的侵蚀
在审查实施时，考虑第一个用例所需数据源的质量至关重要：
- 哪些数据源的数据最新？
- 各个数据源的唯一标识符是什么？
- 数据源中包含哪些数据类型？
虽然你可以在 Data 360 中使用公式以及批量和流式转换来转换数据，但提前审查和理解数据可以节省时间。了解更多：Data Quality。
集成决策——摄取数据
组织的数据存储在各种数据湖、仓库和系统中。根据用例，不仅要考虑数据的质量和格式，还要考虑如何与 Data 360 集成。
方式一：摄取（Ingest）数据——将数据作为批量、流式或实时数据摄取进 Data 360。适合以下场景：
- 数据量很大
- 数据已经存在于 Salesforce，但分散在多个云中，需要统一
- 源数据需要复杂转换以达到质量标准
选择正确的时机：
- 批量（Batch）：数据量大、可按计划间隔处理、不要求时效性——例如季度报告的历史分析
- 流式（Streaming）：需要持续处理数据但可接受短暂延迟——例如监控网站使用情况
- 实时（Real-Time）：需要即时处理关键和时效性任务——例如信用卡欺诈检测
Data 360 支持内部 Salesforce 数据源以及数百个第三方集成。
集成决策——零拷贝连接
方式二：零拷贝（Zero Copy）连接——无需复制或重复数据，直接从外部数据仓库和湖中访问、查询和激活数据。支持 Snowflake、Google BigQuery、Databricks、Amazon Redshift 等。
零拷贝适合以下场景：
- 实时用例
- 现有数据湖
优势：
- 保留现有集成投资
- 降低集成复杂度
- 减少数据移动成本
如何选择：取决于你的用例——为什么使用一种方法而不是另一种？需要什么时间节奏（实时、每天、每月）？数据需要驻留在哪里？摄取 vs 零拷贝 = 不同工具用于不同工作。了解你的数据、了解你的用例，据此选择。
数据背后的人
成功的 Data 360 实施需要的不仅仅是正确的数据和集成——还需要正确的人跨团队协作。在下一个单元中，你将了解：
- 跨职能实施团队所需的关键角色
- 实施后成功所需的技能
- 如何在业务中跨部门协作以避免实施停滞
二、组建你的 Data 360 团队
学习目标
完成本单元后，你将能够：
- 列出 Data 360 团队的关键数据管理角色和职责
- 解释跨职能协作的重要性
实施角色详解（上）
Data 360 实施是一项跨职能工作，需要传统上各自为政的团队为一个共同平台目标聚在一起：将各部门的数据汇聚在一起。
| 角色 | 职责描述 |
|---|---|
| 执行发起人 / CDO | 保持项目意识、确保目标定义和对齐、召集高层领导进行关键审查、担任审批签署人。在某些公司由首席数据官（CDO）担任，负责组织的整体数据管理战略，提供数据治理和质量管理的要求与方向。 |
| 项目经理 | 管理内部资源可用性、协调会议、向所有利益相关者传达信息。 |
| 业务分析师 | 确保 Data 360 解决方案和用例与业务需求对齐，就在现有工作流中激活 Data 360 洞察和输出提供建议。 |
| 企业 / 数据架构师 | 确保 Data 360 与公司现有技术架构的集成对齐，就整体数据战略和 Data 360 使用路线图提供建议，提供数据主题专业知识和内部系统与数据来源知识，执行数据质量评估。 |
实施角色详解（下）
| 角色 | 职责描述 |
|---|---|
| 解决方案 / 技术架构师 | 领导用例识别和细化，确保架构设计符合业务和 IT 需求，执行实际 Data 360 配置和开发，确保平台与源系统的正确连接。实施后识别额外用例、设计并监督技术实施。 |
| 业务负责人 / 最终用户 | 明确业务需求和期望功能，参与审查并在原型阶段提供反馈，支持测试工作。实施后日常使用数据执行任务并做出决策，提供数据可用性和相关性的关键反馈。 |
| 质量保证（QA） | 领导上线前的 UAT 和单元测试活动，确保生产策略与实施路线图对齐。 |
| 开发人员 / 数据工程师 | 开发与数据交互的自定义应用、集成和自动化，实施和管理数据管道以实现高效的数据收集和处理。 |
| 应用管理员 | 管理平台配置，包括数据模型、访问权限、用户界面布局和数据管理控制，确保数据能够准确捕获、访问和维护。 |
| IT 与安全团队 | 保护数据免受未授权访问和泄露，实施访问控制、加密和其他安全措施。应在整个实施过程中持续参与，至少保持知情。 |
实施后的团队技能
你还需要考虑实施后谁将与 Data 360 一起工作。识别此阶段所需的技能：
- 熟悉 Salesforce 生态系统和客户数据管理
- 了解 CRM 和数据管理原则
- 数据集成流程的专业知识
- 理解 Customer 360 数据模型
- 对 AI 和机器学习的熟悉
- 分析和解读客户数据以识别趋势和洞察的能力
接下来应审查 Data 360 标准权限集，决定谁需要什么级别的访问权限，并规划团队的持续发展和学习。
跨业务协作
Data 360 旨在跨系统、部门和触点统一数据。因此，跨职能团队合作至关重要。如果团队不协作，实施进度可能完全停滞。
为避免这些问题，利益相关者需要在以下方面达成一致：
- 正在实施的用例
- 需要哪些数据
- 你的业务目标
- 清晰的数据战略
有了这些基础上的对齐，你就能够确保拥有所需数据的访问权，并跟踪 Data 360 在所有部门中对业务的收益。接下来，了解集成选项：Data 360 Connectors and Integrations。