ANC301

课程介绍

今天我们来聊聊Salesforce中的“连接数据”。听起来有点技术性，但其实很简单。想象一下，你有一个大箱子，里面装满了各种信息卡片，比如客户信息、销售记录、产品详情等等。这些卡片如果散乱地放在箱子里，找起来会很麻烦，对吧？ Salesforce就像是一个超级智能的箱子，它不仅能帮你把这些卡片整理得井井有条，还能让它们之间产生联系。这就是“连接数据”的意思。比如，你可以把客户信息和他们的购买记录连接起来，这样你就能一眼看出某个客户买了什么、什么时候买的、花了多少钱。 在Salesforce中，这种连接是通过“关系”来实现的。你可以把不同的数据表（就像不同的卡片堆）通过某种关系（比如客户ID）连接起来。这样，当你查看一个客户的信息时，系统会自动显示出与之相关的所有购买记录、服务请求等等。 这种连接数据的方式，不仅让信息查找变得轻松，还能帮助你更好地理解客户的需求，做出更精准的决策。所以，连接数据在Salesforce中是非常重要的一个功能，它让你的数据不再是孤立的点，而是一个相互关联的网络。 好了，今天的内容就到这里。希望你能理解“连接数据”的概念，并且在实际操作中灵活运用。下次课我们会继续深入探讨Salesforce的其他功能，记得准时来听哦！

课程章节

本课程共有 94 个章节

• 1

  Lesson 3: Connecting Data

  第 41 页

  今天我们来聊聊Salesforce中的“连接数据”。听起来有点技术性，但其实很简单。想象一下，你有一个大箱子，里面装满了各种信息卡片，比如客户信息、销售记录、产品详情等等。这些卡片如果散乱地放在箱子里，找起来会很麻烦，对吧？ Salesforce就像是一个超级智能的箱子，它不仅能帮你把这些卡片整理得井井有条，还能让它们之间产生联系。这就是“连接数据”的意思。比如，你可以把客户信息和他们的购买记录连接起来，这样你就能一眼看出某个客户买了什么、什么时候买的、花了多少钱。 在Salesforce中，这种连接是通过“关系”来实现的。你可以把不同的数据表（就像不同的卡片堆）通过某种关系（比如客户ID）连接起来。这样，当你查看一个客户的信息时，系统会自动显示出与之相关的所有购买记录、服务请求等等。 这种连接数据的方式，不仅让信息查找变得轻松，还能帮助你更好地理解客户的需求，做出更精准的决策。所以，连接数据在Salesforce中是非常重要的一个功能，它让你的数据不再是孤立的点，而是一个相互关联的网络。 好了，今天的内容就到这里。希望你能理解“连接数据”的概念，并且在实际操作中灵活运用。下次课我们会继续深入探讨Salesforce的其他功能，记得准时来听哦！

  ▶ 播放视频 查看详情
• 2

  Lesson 3: Connecting Data - 42

  第 42 页

  同学们，今天我们来聊聊Salesforce中的数据连接和数据流。想象一下，你有一个装满各种信息的宝箱，但如果你不知道怎么打开它，里面的宝藏就永远无法被利用。Salesforce中的数据连接和数据流，就像是打开这个宝箱的钥匙。 首先，我们来看看，数据映射，。这就像是你有一张地图，告诉你如何从一个地方到另一个地方。在Salesforce中，数据映射就是告诉你如何将数据从一个系统转移到另一个系统。比如，你可能需要将客户的名字从Excel表格中转移到Salesforce的客户记录中。数据映射就是确保这些信息能够准确无误地转移过去。 接下来是，数据流概述，。数据流就像是河流，数据从源头流向目的地。在Salesforce中，数据流就是数据从一个地方流向另一个地方的过程。你可以设计这个流程，确保数据在流动的过程中被正确地处理和转换。 ，设计数据流，就像是你设计一条河流的路线。你需要考虑从哪里开始，经过哪些地方，最后到达哪里。在Salesforce中，你需要考虑数据的来源、如何处理数据、以及数据最终要到达的地方。 ，将CSV数据加载到EA，，这里的EA指的是Einstein Analytics。你可以把CSV文件中的数据加载到Einstein Analytics中，这样你就可以利用Salesforce的强大分析工具来分析和可视化这些数据。 ，创建数据流，就是实际搭建这条河流的过程。你需要选择数据源、定义数据处理的步骤、以及指定数据的目的地。 ，数据同步和连接器，是确保数据在不同系统之间保持一致的工具。连接器就像是桥梁，连接不同的系统，确保数据能够顺畅地流动。 ，运行、监视和安排数据流，就像是管理这条河流。你需要确保数据流正常运行，监视它的状态，并在需要的时候安排它的运行时间。 ，使用数据集食谱准备数据，，数据集食谱就像是烹饪食谱，告诉你如何准备数据。你可以使用它来清洗、转换和准备数据，以便更好地进行分析。 最后，，其他数据流转换，，这就像是在河流中加入一些额外的处理步骤，比如过滤掉不需要的数据，或者将数据转换成不同的格式。 好了，同学们，这就是我们今天的内容。希望你们对Salesforce中的数据连接和数据流有了更清晰的理解。下次课我们会深入探讨这些概念，记得准时来上课哦！

  ▶ 播放视频 查看详情
• 3

  Data in Analytics

  第 44 页

  同学们，今天我们来聊聊如何将数据传输到EA（Enterprise Architect）中进行分析。首先，我们要明确一点，EA是一个强大的工具，它可以帮助我们更好地理解和分析数据。但是，要使用EA，我们首先需要把数据“搬”进去。 那么，怎么把数据传输到EA呢？其实，方法有很多种。比如，你可以直接从数据库导入数据，或者通过CSV文件、Excel表格等格式将数据导入EA。这些方法都很常见，也很实用。 不过，无论你选择哪种方法，最重要的是要确保你传输的数据是完整的、准确的。因为只有数据准确，我们才能做出正确的分析。所以，在传输数据之前，一定要仔细检查数据的完整性和准确性。 好了，这就是我们今天要讲的内容。希望大家能够理解并掌握这些方法，把数据传输到EA中，为后续的分析工作打下坚实的基础。

  ▶ 播放视频 查看详情
• 4

  Methods to bring data to EA

  第 45 页

  今天我们来聊聊如何将数据带到EA 45。这里有两种主要的方法：使用API和拉取数据。 首先，我们来说说API。API是一种编程接口，它允许你以编程的方式将数据推送到EA 45。想象一下，API就像是一座桥梁，连接着EA 45和你外部的数据源。通过这座桥，你可以把数据从外部系统“推送”到EA 45。这个过程是自动的，意味着你可以设置好程序，让数据在需要的时候自动传输，不需要手动操作。 接下来是拉取数据。这个方法是指你使用EA 45自带的功能，从外部数据源“拉取”数据到EA 45。这就像是你去图书馆借书，EA 45是图书馆，而数据是书。你告诉EA 45你需要哪些数据，它就会去外部数据源那里“借”来给你。 总结一下，推送数据是你主动把数据送到EA 45，而拉取数据是EA 45主动去获取数据。两种方法各有优势，选择哪种方式取决于你的具体需求和场景。希望这个解释能帮助你更好地理解如何将数据带到EA 45。

  ▶ 播放视频 查看详情
• 5

  Data in Einstein Analytics

  第 46 页

  同学们，今天我们来聊聊爱因斯坦分析中的数据讲师注释。首先，我们要明白，当我们上传CSV文件或者推送数据时，这些操作会帮助我们创建数据集。但是，如果我们使用内部工具，也就是说，除了上传CSV文件之外的其他方式，来获取数据，那么这些数据会被同步到我们的系统中。 这里有一个小细节需要注意，那就是灰色虚线。在爱因斯坦分析中，灰色虚线代表的是EA，也就是爱因斯坦分析的一个标识。这个标识帮助我们区分不同的数据来源和分析方式。 所以，总结一下，上传CSV和推送数据会创建数据集，而使用内部工具获取数据则会同步数据。灰色虚线则是EA的标识，帮助我们更好地理解数据的来源和分析方式。希望这个解释能帮助大家更好地理解爱因斯坦分析中的数据讲师注释。

  ▶ 播放视频 查看详情
• 6

  Data Sync

  第 47 页

  让我们来聊聊数据同步这个话题。想象一下，你有一个装满数据的宝箱，这个宝箱就是你的CSV文件。当你把这个CSV文件上传到Salesforce时，就像打开宝箱，把里面的数据倒出来，Salesforce会帮你把这些数据整理好，变成一个新的数据集。这个过程就像是你把一堆散乱的乐高积木，按照颜色和形状分类放好，方便你以后使用。 但是，Salesforce不仅仅能处理你上传的CSV文件，它还有一些内部的工具，这些工具就像是魔法棒，可以直接从其他地方获取数据，然后同步到Salesforce中。这就像是有人用魔法棒一挥，数据就自动飞进了Salesforce，不需要你手动上传CSV文件。 所以，总结一下，上传CSV文件和使用内部工具都是把数据带到Salesforce的方法，但它们的方式不同。上传CSV文件是你手动操作，而使用内部工具则是自动化的过程。希望这个比喻能帮助你更好地理解数据同步的概念。

  ▶ 播放视频 查看详情
• 7

  Lesson 3: Connecting Data - 48

  第 48 页

  今天我们来聊聊Salesforce中的数据连接和数据流。想象一下，你有一堆数据，它们可能来自不同的地方，比如Excel表格、数据库，甚至是其他软件系统。我们的目标就是把这些数据有效地整合到Salesforce中，让它们为我们所用。 首先，我们来看看“数据映射”。这就像是给数据搬家，我们需要知道哪些数据要搬到哪里去。比如，你有一个客户名单在Excel里，我们需要把这个名单中的客户信息搬到Salesforce的客户对象中。数据映射就是确保每个字段都能正确对应，比如Excel中的“姓名”对应Salesforce中的“客户名称”。 接下来是“数据流概述”。数据流就像是数据的传送带，它负责把数据从一个地方传送到另一个地方。在Salesforce中，我们可以设计一个数据流，指定数据从哪里来，经过哪些处理，最后到哪里去。 设计数据流时，我们需要考虑数据的来源、转换方式和目的地。比如，你可能需要从外部CSV文件中加载数据到Salesforce的数据集中。CSV文件是一种常见的电子表格格式，我们可以通过数据流把它导入到Salesforce中。 创建数据流后，我们还需要进行数据同步。这就像是确保传送带上的数据是最新的。Salesforce提供了各种连接器，可以帮助我们连接到不同的数据源，比如数据库、云服务等。 运行、监视和安排数据流也很重要。我们需要确保数据流按计划运行，并且能够实时监控数据流的状态，确保一切顺利。 最后，我们还可以使用数据集食谱来准备数据。这就像是在烹饪前准备好所有食材，确保数据在进入Salesforce之前是干净、准确的。 此外，数据流还可以进行各种转换，比如合并数据、过滤数据等，确保最终的数据符合我们的需求。 好了，这就是今天的内容。希望你们对Salesforce中的数据连接和数据流有了更清晰的理解。下次我们会深入探讨更多细节，记得继续关注哦！

  ▶ 播放视频 查看详情
• 8

  Create a Dataset for the Sales Team

  第 49 页

  同学们，今天我们来聊聊如何为销售团队创建一个数据集，特别是针对分析机会的需求。这个数据集需要非常灵活，能够满足销售团队的各种分析需求。 首先，我们知道销售团队需要的是一个能够显示所有机会价值的数据集。这意味着数据集需要包含每个机会的详细信息，比如机会的名称、价值、阶段、以及与之相关的客户信息等。 接下来，Courtney提到他们有时需要根据SIC Code来分析机会。SIC Code，也就是标准行业分类代码，是用来标识不同行业的。但是，目前他们还不清楚每个SIC Code具体代表什么行业。所以，我们的数据集还需要包含SIC Code的描述信息，这样销售团队就能清楚地知道每个机会所属的行业。 此外，销售团队还需要能够以多种方式对这些数据进行切片和切块。这意味着数据集需要支持多种维度和度量的组合，比如按地区、按销售代表、按时间等来查看数据。这样，他们就能从不同的角度来深入分析机会。 最后，Courtney还提到这个数据集需要每小时刷新一次。这意味着我们需要确保数据集的更新频率足够高，以便销售团队能够实时获取最新的数据。 总结一下，我们需要创建一个包含机会详细信息、SIC Code描述、支持多种分析维度和度量的数据集，并且这个数据集需要每小时刷新一次。这样，销售团队就能灵活地分析机会，做出更明智的决策。 希望这个解释对你们有帮助！如果有任何问题，随时问我。

  ▶ 播放视频 查看详情
• 9

  Mapping Your Data

  第 50 页

  今天我们来聊聊“映射您的数据”这个话题。想象一下，你有一堆散落的数据，就像一堆拼图碎片，而你的任务就是把这些碎片拼成一幅完整的图画。那么，如何开始呢？ 首先，你需要明确用户的问题是什么。比如，用户可能想知道“上个月的销售额是多少？”或者“哪些客户最近没有下订单？”这些问题就是你的拼图框架，它们决定了你需要哪些数据碎片。 接下来，你要确定回答这些问题需要哪些具体的数据。比如，要回答“上个月的销售额”，你可能需要销售记录、产品价格、折扣信息等。这些数据就是你的拼图碎片。 然后，你还需要定义这些数据的其他重要信息。比如，数据的来源是什么？是来自销售系统、客户管理系统，还是其他系统？数据的格式是什么样的？是数字、文本，还是日期？这些信息就像是拼图碎片的边缘，帮助你更好地把它们拼接在一起。 最后，别忘了检查数据的准确性和完整性。就像拼图时，如果有一块碎片缺失或者放错了位置，整个图画就不完整了。所以，确保你使用的数据是准确和完整的，这样才能给出用户满意的答案。 好了，这就是“映射您的数据”的基本步骤。希望这个比喻能帮助你更好地理解这个过程。如果你有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 10

  Mapping Your Data (cont.)

  第 51 页

  今天我们来聊聊在Salesforce中如何映射您的数据。想象一下，您有一堆数据，就像一堆散落的拼图，我们需要把它们正确地拼在一起，才能看到完整的画面。那么，哪些方面或措施在这个过程中很重要呢？ 首先，，数据的准确性，是最关键的。如果数据不准确，那么分析出来的结果也会是错误的。其次，，数据的完整性，也很重要，确保所有需要的信息都包含在内。最后，，数据的一致性，，确保数据在不同对象和来源之间是一致的，这样分析起来才不会混乱。 接下来，我们来看看哪些对象或来源包含这些数据。在Salesforce中，常见的对象包括，Opportunity（商机），、，Account（客户），、，Contact（联系人），等。这些对象就像是数据的容器，每个容器里都装着不同类型的信息。 那么，这些对象或来源是如何相关的呢？举个例子，假设销售运营需要分析一些数据。他们可能会关注，Account（客户），、，Opportunity Owner（商机所有者），、，Close Date（关闭日期），和，SIC Description（SIC描述），。这些信息可以帮助他们了解哪些客户有潜在的商机，谁在负责这些商机，以及这些商机预计何时关闭。 具体来说，，Opportunity Name（商机名称），、，Amount（金额），、，Stage（阶段），、，Close Date（关闭日期），、，Account Name（客户名称），、，A/C SIC Description（客户SIC描述），、，Owner Name（所有者名称），和，Owner Title（所有者头衔），都是重要的字段。通过这些字段，销售运营可以清楚地看到每个商机的状态、金额、负责人以及相关的客户信息。 总结一下，映射数据时，确保数据的准确性、完整性和一致性是关键。了解哪些对象包含这些数据，以及这些对象之间的关系，可以帮助您更好地分析和利用这些数据。希望这些信息对您有帮助！

  ▶ 播放视频 查看详情
• 11

  Mapping Your Data: Considering Dataset Grain

  第 53 页

  让我们来聊聊这个数据集Grain 53。首先，每一行数据代表的是一个“机会”。在Salesforce中，机会通常指的是一个潜在的销售交易，比如一个客户可能购买的产品或服务。所以，每一行就是一个潜在的业务机会。 现在，关于汇总数字数据，你可以汇总一些关键的测量值，比如预计的销售额、预计的关闭日期、或者机会的阶段等。这些数据可以帮助你分析销售趋势，预测未来的收入，或者评估销售团队的表现。 但是，为什么我们不想汇总年度收入呢？这是因为年度收入通常是一个累积的数据，它可能包含了多个机会的销售额。如果你直接在数据集里汇总年度收入，可能会导致数据重复计算，或者混淆不同机会的贡献。这样，你的分析结果就会不准确。 最后，关于数据集的粒度，这是一个非常重要的概念。粒度指的是每一行数据所代表的具体内容。在这个数据集中，每一行都是一个独立的机会。这意味着，你的所有测量和分析都应该基于单个机会来进行，而不是混合不同层次的数据。如果你需要分析不同层次的数据，比如机会和机会产品，最好的做法是创建多个数据集，然后在仪表板上将它们组合起来。这样可以确保你的分析既准确又清晰。 希望这些解释能帮助你更好地理解如何处理和分析Salesforce中的数据。如果有任何疑问，随时问我哦！

  ▶ 播放视频 查看详情
• 12

  Lesson 3: Connecting Data - 54

  第 54 页

  今天我们来聊聊如何在Salesforce中连接和处理数据。想象一下，你有一堆数据，它们可能来自不同的地方，比如Excel表格、数据库，甚至是其他软件系统。我们的目标是把这些数据整理好，放到Salesforce里，这样你就能更好地分析它们，做出更聪明的决策。 首先，我们来说说，数据映射，。这就像是你有一张地图，告诉你如何把外部的数据字段对应到Salesforce里的字段。比如，外部的“客户姓名”字段可能对应Salesforce里的“Name”字段。这一步很重要，因为它确保数据能正确地进入系统。 接下来是，数据流概述，。数据流就像是一条管道，数据从一端流进来，经过一些处理，然后从另一端流出去。你可以设计这个管道，决定数据怎么流动、怎么转换。 然后我们谈谈，设计数据流，。这一步你要决定数据从哪里来，到哪里去，中间要经过哪些处理。比如，你可能需要过滤掉一些不必要的数据，或者把数据格式统一一下。 ，将外部CSV数据加载到数据集中，。CSV文件是一种常见的文件格式，你可以把CSV文件里的数据导入到Salesforce的数据集中。这样，你就能在Salesforce里看到这些数据了。 ，创建数据流，。这一步就是把前面设计的管道真正搭建起来。你可以选择数据源、目标，以及中间的转换步骤。 ，数据同步和连接器，。有时候，数据是动态变化的，你需要定期同步外部数据和Salesforce里的数据。连接器就是帮助你实现这个同步的工具。 ，运行、监视和安排数据流，。数据流创建好后，你可以手动运行它，也可以设置自动运行。运行后，你还可以监视它的状态，确保一切正常。 ，使用数据集食谱准备数据，。数据集食谱就像是一个食谱，告诉你如何准备数据。你可以用它来清洗数据、转换数据，让数据更适合分析。 最后是，其他数据流转换，。除了前面提到的，还有很多其他的数据转换方式，比如合并数据、拆分数据等。 好了，这就是我们今天的内容。希望你能通过这些步骤，更好地理解如何在Salesforce中连接和处理数据。下次我们会深入探讨每一个步骤，让你更熟练地掌握这些技能。

  ▶ 播放视频 查看详情
• 13

  Einstein Analytics Data Loading Options

  第 55 页

  今天我们来聊聊Salesforce中的Einstein Analytics（爱因斯坦分析）数据加载选项。这个功能非常强大，它可以帮助我们把Salesforce里的数据，还有其他基于云的系统中的数据，都整合到一起。 首先，Einstein Analytics允许我们“拉”数据。这是什么意思呢？就是说，我们可以直接从Salesforce的对象或者其他云系统中，把数据同步过来。这些同步过来的数据会被用来创建数据集。有了这些数据集，我们就可以通过镜头或者仪表板来查询和分析数据了。 但是，除了“拉”数据，我们还可以“推”数据。也就是说，我们可以从不同的数据源，把数据推送到Einstein Analytics中，这样也会自动创建数据集。 这里有个小细节要注意：不是所有的数据都可以被“拉”进来的。比如，有些数据是存储在本地系统的，这些数据就不能直接拉进来。对于这些数据，我们需要用“推”的方式，把它们送到Einstein Analytics中。 一旦数据进入了Einstein Analytics，不管是“拉”进来的还是“推”进来的，它们都可以被混合到其他数据集中。这样，我们就可以把来自不同源的数据结合起来，进行更全面的分析。 简单来说，Einstein Analytics的数据加载选项就是通过“拉”和“推”两种方式，把各种数据整合到一起，帮助我们更好地理解和分析业务情况。希望这个解释能帮助你更好地理解这个概念！

  ▶ 播放视频 查看详情
• 14

  Overview of the Dataflow Process

  第 56 页

  让我们来聊聊数据流流程的概述。想象一下，数据流就像是一条河流，它把数据从一个地方带到另一个地方，同时还可以在途中对数据进行一些处理。这个过程可以分为几个步骤，我们一起来看一下。 首先，，设计，阶段。在这个阶段，你需要规划好数据从哪里来，到哪里去。就像画地图一样，你要画出Salesforce和外部数据之间的流程。同时，你还需要确定数据在流动过程中需要做哪些转换，比如可能需要添加一些新的字段或者改变数据的格式。如果外部数据还没有准备好，你可能还需要先加载这些数据。 接下来是，配置，阶段。在这个阶段，你需要设置数据流的具体细节。你可以使用一些工具，比如DataSet Builder或者数据流编辑器，来帮助你完成这个任务。这些工具会生成一个数据流定义的JSON文件，这个文件就像是数据流的“说明书”，告诉系统数据应该如何流动和处理。如果你需要加入外部数据，数据流编辑器可以帮助你完成这个配置。 然后是，启动和监控，阶段。在这个阶段，你需要运行数据流，并密切关注它的运行情况。如果数据流在运行过程中出现了问题，你需要及时排除错误。同时，你还需要验证新生成的数据集，确保它们是正确的。 最后是，进度表，阶段。在这个阶段，你需要安排数据流的运行时间。当数据流运行时，它会更新在数据流中创建的数据集。这意味着，任何依赖于这些数据集的仪表板或者透镜也会被自动刷新，保持数据的实时性和准确性。 总结一下，数据流流程就是设计、配置、启动和监控、以及安排进度表的过程。通过这个过程，你可以确保数据能够准确、高效地流动，并且保持最新的状态。希望这个解释能帮助你更好地理解数据流流程！

  ▶ 播放视频 查看详情
• 15

  Multiple Dataflows

  第 57 页

  让我们来聊聊Salesforce中的Einstein Analytics和数据流。想象一下，你有一个大花园，里面种了各种各样的蔬菜。每种蔬菜都需要不同的照顾方式，比如浇水、施肥的时间都不一样。Einstein Analytics中的数据流就像是这些蔬菜，每个数据流都需要根据不同的需求来安排更新和处理的计划。 首先，Einstein Analytics允许你最多创建30个数据流。这就像是你有30个不同的花盆，每个花盆里种着不同的蔬菜。这样做的好处是，你可以为每个数据流设置独立的更新计划，确保每个数据集都能在最合适的时间得到更新。 接下来，我们来看看数据流的运行次数。每天，你有60次的“低运行”机会。这里的“低运行”指的是那些运行时间不超过2分钟的数据流更新。如果你的数据流更新能在2分钟内完成，那么这次更新就不会计入那60次的限制。这就像是，如果你只是给花盆浇一点水，不需要太多时间，那么这次浇水就不算在你一天的总浇水次数里。 最后，关于如何安排这些数据流，这里有几个小技巧。比如，如果你的公司有多个业务部门，比如销售和财务，你可以为每个部门创建一个独立的数据流。这样，每个部门的数据都能根据自己的需求来更新，互不干扰。另外，对于那些需要频繁更新的数据，比如每小时都需要更新的数据，你可以为它们单独创建一个数据流，这样就不会影响到其他不需要频繁更新的数据。 总之，合理规划和使用数据流，可以让你的Einstein Analytics运行得更加高效和有序。就像管理一个花园一样，每个植物都需要适当的照顾，每个数据流也需要适当的安排。希望这些小技巧能帮助你在Salesforce的世界里，种出更加茂盛的“数据花园”！

  ▶ 播放视频 查看详情
• 16

  Lesson 3: Connecting Data - 58

  第 58 页

  今天我们来聊聊Salesforce中的数据连接和数据流。这一部分内容对于理解如何在Salesforce中处理和分析数据非常重要。 首先，我们来看一下，数据连接，。在Salesforce中，数据连接是指将外部数据源与Salesforce平台连接起来的过程。这可以是来自数据库、API、CSV文件等的数据。通过数据连接，我们可以将外部数据引入Salesforce，以便进行进一步的分析和处理。 接下来是，数据映射，。数据映射是指将外部数据源中的字段与Salesforce中的字段对应起来。比如，外部数据中的“客户名称”字段可以映射到Salesforce中的“Account Name”字段。这一步非常重要，因为它确保了数据在导入后能够正确地存储和使用。 然后我们来看，数据流，。数据流是指数据从外部源流入Salesforce的过程。设计数据流时，我们需要考虑数据的来源、数据的转换方式以及数据最终存储的位置。数据流的设计直接影响到数据的质量和可用性。 接下来是，将外部CSV数据加载到数据集中，。CSV文件是一种常见的数据格式，我们可以通过Salesforce的数据加载工具将CSV文件中的数据导入到Salesforce的数据集中。这个过程通常包括上传CSV文件、映射字段、验证数据等步骤。 然后是，创建数据流，。在Salesforce中，我们可以通过创建数据流来定义数据从外部源到Salesforce的流动路径。数据流可以包括多个步骤，比如数据提取、数据转换、数据加载等。 ，数据同步，是指确保外部数据源和Salesforce中的数据保持一致。通过数据同步，我们可以定期更新Salesforce中的数据，以确保其与外部数据源的一致性。 接下来是，运行、监视和安排数据流，。一旦数据流创建好了，我们需要运行它来实际导入数据。同时，我们还需要监视数据流的运行状态，确保数据能够顺利导入。此外，我们还可以安排数据流在特定的时间自动运行，比如每天凌晨。 然后是，使用数据集食谱准备数据，。数据集食谱是Salesforce中的一个工具，它允许我们对数据进行清洗、转换和准备，以便更好地进行分析。通过数据集食谱，我们可以对数据进行筛选、合并、计算等操作。 接下来是，使用连接器，。连接器是Salesforce中用于连接外部数据源的工具。Salesforce提供了多种连接器，比如数据库连接器、API连接器等。通过连接器，我们可以轻松地将外部数据源与Salesforce连接起来。 最后是，其他数据流转换，。在数据流中，我们还可以进行其他类型的数据转换，比如数据聚合、数据过滤、数据排序等。这些转换可以帮助我们更好地理解和分析数据。 好了，这就是我们今天的内容。希望这些内容能帮助你更好地理解Salesforce中的数据连接和数据流。如果你有任何问题，随时问我！

  ▶ 播放视频 查看详情
• 17

  Designing a Dataflow

  第 59 页

  让我们来聊聊这个数据流的设计。想象一下，你有一个大箱子，里面装满了各种信息，比如机会、账户和用户的数据。现在，你需要把这些信息整理出来，做成一个新的、更有用的数据集。 首先，数据流会从“机会”这个对象里提取出所有关于机会的数据，比如销售机会的名称、金额、阶段等。然后，它还会从“账户”对象里提取账户相关的信息，比如公司名称、地址等。最后，它还会从“用户”对象里提取用户的数据，比如销售人员的名字、联系方式等。 接下来，数据流会把这些提取出来的数据像拼图一样组合在一起，形成一个全新的数据集。这个新数据集包含了机会、账户和用户的所有重要信息，这样你就可以更方便地查看和分析这些数据了。 最后，你可以选择只注册这个最终的数据集，也就是说，只有这个新组合的数据集会被保存下来。但是，如果你觉得有必要，你也可以选择注册数据流在过程中创建的任何中间数据集。这样，你就可以根据需要保存尽可能多的数据集了。 简单来说，数据流就像是一个智能的整理助手，它帮你从不同的地方收集信息，然后把它们组合成一个更有用的整体。你可以选择只保存最终的结果，也可以保存过程中的每一步，完全取决于你的需要。

  ▶ 播放视频 查看详情
• 18

  Dataflow Design

  第 60 页

  今天我们来聊聊Einstein Analytics中的数据流设计。首先，你要知道，一个好的数据流设计对于Einstein Analytics的成功是非常关键的。这就像是建房子，如果地基打得好，房子就会稳固耐用。 在Einstein Analytics中，我们使用一种叫做反规范化的数据存储方式。这和我们熟悉的Force.com平台不太一样。在Force.com中，数据通常是规范化的，也就是说，数据会被分散存储在多个相关的表中。但在Einstein Analytics中，我们可以把来自不同对象的数据，甚至是来自Salesforce和非Salesforce的数据，都放在同一个数据集中。这样做的好处是，当我们需要分析数据时，可以更快地获取和处理信息，因为数据已经在一个地方准备好了。 另外，一个数据流可以创建或更新多个数据集。这意味着你可以通过一个操作，同时管理多个数据集，这大大提高了效率。 最后，记住，业务需求是决定你需要创建哪些数据集以及需要多少个数据集的关键。你需要根据业务的具体需求来设计数据流，这样才能确保你的数据分析既准确又高效。 总之，设计一个好的数据流，就像是给你的数据分析工作搭建了一座桥梁，让数据能够顺畅地流动，帮助你更好地理解业务，做出更明智的决策。希望这些信息对你有所帮助！

  ▶ 播放视频 查看详情
• 19

  Lesson 3: Connecting Data - 62

  第 62 页

  同学们，今天我们来聊聊如何在Salesforce中连接和处理数据。想象一下，你有一堆数据，它们可能来自不同的地方，比如Excel表格、数据库，甚至是其他软件系统。我们的目标是把这些数据“搬”到Salesforce里，让它们变得有用。 首先，我们得知道什么是，数据映射，。简单来说，就是把外部数据的字段和Salesforce里的字段对应起来。比如，外部数据里有个“客户姓名”，Salesforce里也有个“客户姓名”，我们就把它们连起来。这样，数据就能顺利“搬家”了。 接下来是，数据流流程，。你可以把数据流想象成一条河流，数据就是河里的水。我们要设计这条河流的流向，确保数据能从源头（比如一个CSV文件）流到目的地（Salesforce里的某个对象）。设计数据流时，我们需要考虑数据的格式、大小，以及如何处理数据中的错误。 现在，假设你有一个外部的CSV文件，里面有很多客户信息。你想把这些信息加载到Salesforce的一个数据集中。怎么做呢？首先，你得，创建数据流，。数据流就像是一个管道，连接着CSV文件和Salesforce。创建好数据流后，你可以选择，数据同步，，这样数据就会自动从CSV文件流入Salesforce。 当然，数据流不是一劳永逸的。你需要，运行、监视和安排数据流，。运行数据流就是让数据开始流动；监视数据流是确保数据流动过程中没有出错；安排数据流则是设定数据流动的时间，比如每天凌晨自动更新数据。 有时候，数据并不完美，可能需要一些“烹饪”才能使用。这就是，数据集食谱，的作用。你可以把数据集食谱想象成一个厨房，数据在这里被清洗、切片、调味，最后变成一道美味的菜肴，也就是我们需要的干净、有用的数据。 最后，我们还可以使用，连接器，来连接不同的数据源。连接器就像是一个桥梁，把Salesforce和其他系统连接起来。此外，还有一些，数据流转换，工具，可以帮助我们在数据流动的过程中对数据进行一些处理，比如合并、拆分或者计算。 好了，今天的课程就到这里。希望你们对如何在Salesforce中连接和处理数据有了更清晰的理解。下次课我们会深入探讨更多细节，记得准时来上课哦！

  ▶ 播放视频 查看详情
• 20

  Loading CSV data into a Dataset

  第 63 页

  同学们，今天我们来聊聊如何将CSV数据加载到Salesforce的数据集中。这个过程其实很简单，但有几个关键点需要大家注意。 首先，CSV文件是一种常见的电子表格格式，你可以把它想象成一个装满数据的“盒子”。当我们把这个“盒子”上传到Salesforce时，Salesforce会读取里面的数据，并创建一个新的数据集。这个数据集就像是一个新的“书架”，用来存放我们从CSV文件中提取出来的“书籍”（也就是数据）。 但是，这里有个小细节需要注意。当我们上传CSV文件时，Salesforce会自动创建一个数据集，这个过程是“一次性”的。也就是说，如果你之后更新了CSV文件，Salesforce不会自动更新这个数据集。你需要重新上传新的CSV文件，或者使用Salesforce的内部工具来同步数据。 Salesforce的内部工具，比如Data Loader或者API，可以帮助我们更灵活地管理数据。通过这些工具，我们可以定期或者实时地将外部数据同步到Salesforce中，而不需要每次都手动上传CSV文件。这样，我们的数据集就能始终保持最新状态。 总结一下，上传CSV文件是一个快速创建数据集的方法，但如果你需要持续更新数据，使用Salesforce的内部工具会是更好的选择。希望这个解释能帮助大家更好地理解这个过程。如果有任何问题，随时提问哦！

  ▶ 播放视频 查看详情
• 21

  Loading CSV Data into a Dataset

  第 64 页

  今天我们来聊聊如何将CSV数据加载到Salesforce的数据集中。这个过程其实就像是我们把一堆散乱的书籍整理到书架上一样，需要有条不紊地进行。 首先，我们有两种主要的方式来加载数据：一种是从外部数据源加载，另一种是直接从Salesforce内部加载。今天我们先讲从外部加载CSV数据。 1. ，提取数据，：首先，我们需要从外部数据源提取数据。这个数据源可能是你电脑上的一个CSV文件，里面包含了客户信息、销售数据等。你可以使用API或者ETL工具来帮助提取这些数据。 2. ，变换数据，：提取出来的数据可能并不完全符合Salesforce的格式要求，这时候我们就需要进行数据变换。比如，你可能需要将日期格式统一，或者将某些字段的值进行转换，以便它们能够被Salesforce正确识别。 3. ，加载数据，：数据变换完成后，下一步就是将这些数据加载到Salesforce的数据集中。这个过程就像是把整理好的书籍放到书架上。你可以通过Salesforce的数据导入工具或者使用API来完成这个步骤。 4. ，增强数据，：有时候，加载到Salesforce的数据还需要进一步的增强。比如，你可能需要将某些字段的值自动填充，或者根据某些条件自动更新记录。 5. ，运行数据流，：最后，我们需要运行数据流来确保所有的数据都被正确处理和加载。这个过程就像是检查书架上的书籍是否都按照正确的顺序摆放。 通过以上步骤，我们就可以成功地将CSV数据加载到Salesforce的数据集中了。这个过程虽然看起来有点复杂，但只要你按照步骤来，就会发现其实并不难。希望这个讲解能帮助你更好地理解这个过程。如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 22

  Preparing Your CSV Data

  第 65 页

  同学们，今天我们来聊聊在Salesforce中处理CSV数据时的一些小细节，特别是关于货币符号、逗号以及日期格式的问题。 首先，如果你在CSV文件中有一列数字，但这些数字前面有货币符号，比如美元符号“$”，或者数字之间有逗号分隔，比如“1,000”，Salesforce会把这些数字当作文本处理，而不是数字。这意味着，这些列会被识别为“维度”而不是“度量”。如果你想在Salesforce的用户界面（UI）中把这些文本值改成数字值，也就是从维度改成度量，你可能会遇到问题。因为当你尝试加载这些数据时，Salesforce会期待看到的是纯数字，而不是带有符号或逗号的文本，所以加载会失败。 接下来，我们来看看日期格式的问题。Salesforce的Einstein Analytics功能会查看CSV文件的前100行，试图确定每一列日期的格式。如果它发现这一列中有多种不同的日期格式，或者有些日期的天数或月份超过了12（比如“2018年12月12日”可能是美国的“月/日/年”格式，也可能是欧洲的“日/月/年”格式），那么Salesforce就无法确定具体的日期格式。在这种情况下，Salesforce会默认使用欧洲的日期格式，也就是“日/月/年”。 所以，同学们，当你在准备CSV数据时，记得检查一下数字列是否包含了不必要的符号或逗号，以及日期列是否统一了格式。这样可以避免在Salesforce中处理数据时遇到不必要的麻烦。希望这些小贴士对你们有帮助！

  ▶ 播放视频 查看详情
• 23

  Uploading External CSV Data through the User Interface

  第 66 页

  同学们，今天我们来聊聊如何在Salesforce中通过用户界面重新上传外部的CSV数据。这个过程其实很简单，我会一步步带你们走一遍。 首先，你需要给你的数据集起个名字，然后选择一个应用程序。这个应用程序就是你要把数据上传到的地方。 接下来，选择你要上传的CSV文件。CSV文件是一种常见的表格数据格式，你可以用Excel或者任何文本编辑器来创建和编辑它。 在文件上传之前，你可以编辑文件的属性。比如，你可以指定哪些列是测量值，哪些是维度，或者哪些是日期。这些信息会帮助Salesforce更好地理解你的数据。 如果你已经编辑好了文件，你可以直接上传它。Salesforce会自动创建一个SON文件，这个文件包含了关于你数据的元数据信息。元数据就是描述数据的数据，比如数据的类型、格式等。 如果你想要查看或者编辑这个SON文件，你可以下载它，进行修改后再上传。 最后，你只需要点击路径，就可以通过用户界面将CSV数据直接上传到数据集中了。Salesforce会自动处理剩下的工作。 记住，这个过程的关键是确保你的CSV文件格式正确，并且你已经正确地设置了文件的属性。这样，Salesforce就能准确地导入你的数据了。 好了，这就是今天的内容。希望你们都能掌握这个技能，如果有任何问题，随时问我。我们下次课再见！

  ▶ 播放视频 查看详情
• 24

  Previewing Your Data and Metadata: What Should You Check?

  第 67 页

  同学们，今天我们来聊聊如何在Salesforce的Einstein Analytics中预览和编辑你的数据和元数据。这个过程其实很简单，但非常重要，因为它能确保你的数据在分析时表现得准确无误。 首先，当你上传数据后，系统会给你一个预览的机会。这时候，你应该检查什么呢？主要是看看数据的格式是否正确，比如日期格式是否和你CSV文件中的一致。如果日期格式不对，那么后续的分析可能会出错。 接下来，你可以点击列来编辑元数据。这里有几个问题你需要问自己：这列数据是日期类型吗？它是用来衡量某个维度的吗？如果这一列是日期类型，那么所有类似的列是否应该使用相同的设置？这些问题的答案将帮助你确保数据的一致性和准确性。 如果你选择上传自己的元数据文件，那么预览和编辑元数据的步骤就会被跳过。这是因为系统会直接使用你提供的元数据，而不需要再猜测或调整。 最后，记得查看和更改所需的元数据属性。如果你不提供元数据，Einstein Analytics会尝试猜测每个字段的类型，比如是字符串还是测量值。但这样的猜测可能不总是准确的，所以最好还是自己来定义这些属性。 总之，预览和编辑元数据是一个确保数据质量的关键步骤，不要忽视它哦！

  ▶ 播放视频 查看详情
• 25

  Lesson 3: Connecting Data - 69

  第 69 页

  同学们，今天我们来聊聊Salesforce中的数据连接和数据流。想象一下，你有一个装满各种信息的宝箱，但宝箱的钥匙散落在不同的地方。数据连接就是帮你找到这些钥匙，打开宝箱的过程。 首先，我们来看看，数据映射，。这就像是你有一张地图，告诉你哪些数据应该去哪里。比如，你可能有一个客户的名字在Excel表格里，而Salesforce里也有一个字段叫“客户名称”。数据映射就是确保这两个地方的数据能够对应起来。 接下来是，数据流概述，。数据流就像是数据的河流，它把数据从一个地方带到另一个地方。你可以设计这条河流的路径，决定数据从哪里来，到哪里去，以及在这个过程中需要做哪些处理。 ，设计数据流，就是规划这条河流的路线。你需要考虑数据的来源、目的地，以及中间需要经过哪些处理步骤。比如，你可能需要把数据从一个外部系统导入到Salesforce中，或者把Salesforce中的数据导出到另一个系统。 ，将外部CSV数据加载到数据集中，是一个常见的任务。CSV文件就像是一个装满数据的篮子，你可以把这个篮子里的数据倒入Salesforce的数据集中。这样，你就可以在Salesforce中使用这些数据了。 ，创建数据流，就是实际搭建这条河流的过程。你需要选择数据的来源、目的地，以及中间的转换步骤。Salesforce提供了很多工具来帮助你完成这个过程。 ，数据同步和连接器，是确保数据在不同系统之间保持一致的关键。连接器就像是桥梁，把不同的系统连接起来，而数据同步则是确保这些系统之间的数据保持一致。 ，运行、监视和安排数据流，是管理这条河流的过程。你可以手动运行数据流，也可以设置自动运行的时间表。同时，你还需要监视数据流的运行情况，确保一切顺利。 ，使用数据集食谱准备数据，就像是为数据流准备食材。数据集食谱可以帮助你清洗、转换和准备数据，确保它们在进入数据流之前是干净和整齐的。 最后，，其他数据流转换，是指除了基本的映射和同步之外，你还可以对数据进行更多的处理。比如，你可以合并多个数据源的数据，或者对数据进行计算和汇总。 好了，同学们，这就是我们今天的内容。希望你们对数据连接和数据流有了更清晰的理解。下次课我们会继续深入探讨这些内容。记得复习哦！

  ▶ 播放视频 查看详情
• 26

  Loading Salesforce data into a Dataset

  第 70 页

  同学们，今天我们要学习如何将Salesforce中的数据加载到一个新的数据集中。这个数据集将包含来自三个主要Salesforce对象的信息：机会（Opportunities）、账户（Accounts）和用户（Users）。 首先，我们需要明确的是，Salesforce是一个非常强大的客户关系管理（CRM）工具，它允许我们存储和管理大量的业务数据。在我们的案例中，我们关注的是销售过程中的关键数据点，这些数据点可以帮助我们更好地理解销售机会、客户账户以及负责这些账户的销售人员。 接下来，我们来看看如何操作： 1. ，选择对象，：在Salesforce中，我们首先需要选择我们想要从中提取数据的对象。在这里，我们选择了机会、账户和用户这三个对象。 2. ，选择字段，：每个对象都有许多字段，我们需要选择那些对我们分析最有用的字段。例如，在机会对象中，我们可能会选择“机会名称”、“金额”、“阶段”等字段。在账户对象中，我们可能会选择“账户名称”、“行业”、“年收入”等字段。在用户对象中，我们可能会选择“用户名”、“角色”、“部门”等字段。 3. ，创建数据集，：一旦我们选择了所需的字段，我们就可以开始创建数据集了。在Salesforce中，这通常通过使用报告或数据导出功能来完成。我们可以创建一个报告，选择我们之前选择的字段，然后导出这个报告到一个文件中，比如CSV文件。 4. ，加载数据，：最后，我们将这个CSV文件加载到我们的数据集中。这可以通过多种方式完成，比如使用数据集成工具、编写脚本或使用Salesforce的数据加载器。 通过这个过程，我们就可以创建一个包含Salesforce中关键业务数据的丰富数据集，这将帮助我们进行更深入的分析和洞察。 记住，数据是决策的基础，确保我们选择正确的字段和对象对于获得有价值的洞察至关重要。希望这个过程对你们来说既简单又有趣！如果有任何疑问，随时提问。

  ▶ 播放视频 查看详情
• 27

  Loading Salesforce Data into a Dataset

  第 71 页

  今天我们来聊聊如何将Salesforce的数据加载到数据集中。这个过程其实并不复杂，但有几个关键步骤我们需要掌握。 首先，我们需要明确的是，Salesforce数据可以来自两个地方：一个是Salesforce本身，另一个是外部数据源。无论是哪种数据，我们都需要通过一些工具或方法来提取、转换和加载这些数据。 ### 1. ，提取数据， 提取数据是第一步。我们可以通过Salesforce提供的API来直接提取数据。API就像是一个桥梁，连接Salesforce和我们的数据集。通过API，我们可以获取到Salesforce中的各种数据，比如账户信息、用户信息、机会信息等等。 如果你不想直接使用API，也可以使用一些ETL工具。ETL是“提取、转换、加载”的缩写，这些工具可以帮助我们自动化地从Salesforce中提取数据。 ### 2. ，转换数据， 提取出来的数据可能并不完全符合我们的需求，这时候就需要进行数据转换。比如，我们可能需要将某些字段进行合并，或者将数据格式进行统一。转换的过程可以通过编写脚本来实现，也可以使用ETL工具中的转换功能。 举个例子，假设我们从Salesforce中提取了账户信息，但我们需要将这些信息与外部数据源中的数据进行合并，这时候就需要进行数据转换。 ### 3. ，加载数据， 最后一步就是将转换后的数据加载到我们的数据集中。这个数据集可以是一个数据库，也可以是一个数据仓库。加载的过程通常是通过数据流来完成的。数据流就像是一条管道，将数据从Salesforce传输到我们的数据集中。 在加载数据的过程中，我们还可以对数据进行增强。比如，我们可以根据某些规则对数据进行分类，或者添加一些额外的字段来丰富数据。 ### 4. ，运行数据流， 一旦我们设置好了数据流，就可以运行它了。运行数据流的过程是自动化的，这意味着我们不需要手动干预，数据就会自动从Salesforce加载到我们的数据集中。 ### 5. ，验证数据， 最后，别忘了验证一下加载到数据集中的数据是否正确。我们可以通过查看数据集中的数据，或者运行一些查询来确保数据的准确性和完整性。 总结一下，将Salesforce数据加载到数据集中的过程可以分为提取、转换、加载和验证四个步骤。通过API或ETL工具，我们可以轻松地完成这些步骤，确保数据能够顺利地从Salesforce传输到我们的数据集中。 希望这个讲解能帮助你更好地理解这个过程！如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 28

  Creating a Dataflow with the Dataset Builder

  第 72 页

  今天我们来聊聊如何在Salesforce中使用数据集构建器来创建数据流。首先，数据集构建器是一个非常强大的工具，它可以帮助我们轻松地整合和处理数据，以便在Salesforce中进行分析和报告。 当你开始创建数据流时，有一个关键点需要注意，那就是集成用户和分析云集成用户配置文件。这些配置文件决定了数据流中的现场级安全性。简单来说，就是这些配置文件控制着哪些数据可以被访问，哪些不可以。 默认情况下，集成用户是有权限访问大多数现有字段的。这意味着，如果你在创建数据流时使用的是这些默认设置，那么大部分数据都可以顺利地被处理和显示。但是，这里有一个小陷阱——如果你创建了新的自定义字段，并且没有特别授予集成用户配置文件对这些字段的访问权限，那么这些新字段在数据流中将无法被访问。这会导致数据流失败，因为系统无法读取这些字段的数据。 所以，为了避免这种情况，当你添加新的自定义字段时，记得检查并确保集成用户配置文件有权限访问这些新字段。这样，你的数据流就可以顺利运行，不会因为权限问题而中断。 总结一下，使用数据集构建器创建数据流时，集成用户配置文件的权限设置非常重要。确保所有必要的字段，尤其是新创建的自定义字段，都有适当的访问权限，这样才能保证数据流的成功运行。希望这个解释对你有帮助！如果有任何疑问，随时提问哦！

  ▶ 播放视频 查看详情
• 29

  Creating a Dataflow with the Dataset Builder (cont.)

  第 73 页

  让我们来聊聊如何使用数据集生成器来创建数据流。这个过程其实很简单，我会一步步带你走。 首先，你需要选择相关的对象字段。这些字段是你想要在数据流中使用的数据点。比如，如果你正在处理客户信息，你可能会选择“客户名称”、“客户地址”这样的字段。 接下来，选择应用程序。这一步是为了确定你的数据流将在哪个Salesforce应用中使用。不同的应用可能会有不同的数据需求和结构，所以选择合适的应用很重要。 这里有个小提示：每个对象都可以通过“关系”选项卡包含其自己的相关对象。这意味着你可以轻松地将相关联的数据整合在一起，比如将客户信息与其订单历史关联起来。 最后，关于“键”的注意点：键是用来唯一标识记录的重要字段。确保你选择的键是唯一的，这样你的数据流才能准确无误地运行。 希望这些信息对你有帮助！如果你有任何问题，随时问我。

  ▶ 播放视频 查看详情
• 30

  What code does the Dataset Builder generate?

  第 74 页

  让我们来聊聊Salesforce的数据集生成器。想象一下，数据集生成器就像是一个聪明的助手，它帮助我们从Salesforce的对象中提取数据，然后把它们组合在一起，最终生成一个用户可以轻松访问的数据集。 这个助手的工作是通过一系列的步骤，我们称之为“节点”，每个节点都包含一个操作，或者叫“转变”。这些操作可以是增强数据、连接不同的数据源，或者最终让数据集准备好供用户使用。 举个例子，假设我们有两个数据源：一个是账户数据，另一个是机会数据。我们可以使用一个叫做“增强”的节点，把这两个数据源连接起来，这样我们就可以看到每个账户对应的机会了。 接下来，我们使用一个叫做“sfdcRegister”的节点，这个节点的作用是把我们刚刚创建的数据集注册到Salesforce中，这样最终用户就可以访问这个数据集了。 需要注意的是，数据集生成器一次只能注册一个数据集。如果你需要注册多个数据集，那么你需要为每个数据集单独运行一次数据集生成器。 总结一下，数据集生成器通过一系列的节点操作，帮助我们提取、组合并最终注册数据集，使得用户能够轻松访问这些数据。希望这个解释能帮助你更好地理解数据集生成器的工作原理！

  ▶ 播放视频 查看详情
• 31

  Backing Up the Dataflow Definition File

  第 75 页

  同学们，今天我们来聊聊Salesforce中的备份数据流定义文件。首先，为什么要备份呢？很简单，就像你写作业前先保存一下，防止电脑突然死机，你的努力就白费了。在Salesforce中，对数据流定义文件进行任何更改之前，先下载一个备份，这样即使修改过程中出了问题，你也能轻松恢复到之前的状态。 那么，如何下载这个备份呢？其实很简单，你只需要在Salesforce中找到数据流定义文件，然后选择下载选项就可以了。这样，你就有了一个安全的备份，可以随时使用。 接下来，我们来看看Einstein Analytics。每个Salesforce实例都会自带一个默认的数据流，这个数据流是用来提取Salesforce中的用户和用户角色数据的。这个功能非常有用，尤其是在处理安全相关的问题时。你可以利用这个数据流来确保数据的安全性和完整性。 所以，记住，在进行任何重要更改之前，先备份你的数据流定义文件，这样你就可以安心地进行修改，而不用担心数据丢失了。希望这个小技巧对你们有帮助！

  ▶ 播放视频 查看详情
• 32

  Augmenting Data

  第 77 页

  同学们，今天我们来聊聊如何增强数据。具体来说，我们有一个目标：就是把SIC Code的描述字段加入到我们的OpptiesActsUsers数据集中。这个数据集包含了机会、活动和用户的信息。 那么，为什么我们要这么做呢？因为SIC Code，也就是标准行业分类代码，它能告诉我们一个公司属于哪个行业。通过把这个信息加入到我们的数据集中，我们就能更好地理解我们的客户和潜在客户，看看他们属于哪个行业，这样我们就能更有针对性地进行销售和市场活动。 接下来，我们会讨论一个通用的程序，这个程序可以用来连接“外部”数据和“内部”数据。这里的“外部”数据指的是像SIC Code这样的信息，它们通常来自公共数据库或者第三方服务。而“内部”数据就是我们自己系统里的数据，比如销售机会、客户活动记录等。 通过这个程序，我们可以把这两部分数据结合起来，让我们的数据集更加丰富，分析起来也更加有深度。这样，我们就能做出更明智的业务决策了。 好了，这就是我们今天要讲的内容。希望大家能理解为什么要做这个数据增强，以及我们接下来要怎么做。如果有任何问题，随时提问哦！

  ▶ 播放视频 查看详情
• 33

  Combining Salesforce Data with non-Salesforce Data using the Dataflow Editor

  第 78 页

  让我们来聊聊如何将Salesforce的数据和非Salesforce的数据结合起来，使用数据流编辑器来完成这个任务。 首先，想象一下，你手头有两堆数据：一堆是Salesforce里面的，比如客户信息、销售机会等；另一堆是外部的，比如从其他系统或者API获取的数据。我们的目标是把这两堆数据合并起来，让它们能够一起工作，帮助我们做出更好的决策。 ### 第一步：加载数据 首先，我们需要把这两堆数据都加载到数据流编辑器里。你可以通过API或者ETL工具（这是一种专门用来提取、转换和加载数据的工具）来加载外部数据。Salesforce的数据则可以直接从系统里提取出来。 ### 第二步：变换数据 接下来，我们需要对这些数据进行一些变换。比如，你可能需要把外部数据的格式调整成和Salesforce数据一样的格式，或者把某些字段合并起来。这个过程就像是在做数据的“翻译”工作，确保它们能够互相理解。 ### 第三步：增强数据 现在，我们有了两堆格式一致的数据，接下来就是增强它们。比如，你可以把Salesforce里的客户信息和外部数据里的市场趋势结合起来，看看哪些客户更有可能购买你的产品。这个过程就像是给数据“加料”，让它们变得更丰富、更有用。 ### 第四步：运行数据流 最后，我们把所有这些步骤整合到一个数据流里，然后运行它。数据流编辑器会自动按照你设定的步骤来处理数据，最终生成一个增强后的数据集。 ### 关于SIC描述 你提到的SIC描述指向“sfdcDigest of Accounting”，这是因为SIC代码（标准行业分类代码）同时存在于Salesforce数据和外部数据中。通过这个共同的代码，我们可以把这两部分数据结合起来，增强它们的信息量。 总结一下，使用数据流编辑器将Salesforce数据和非Salesforce数据结合起来，主要分为四个步骤：加载数据、变换数据、增强数据和运行数据流。通过这个过程，你可以得到一个更全面、更有用的数据集，帮助你更好地理解业务和做出决策。 希望这个解释对你有帮助！如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 34

  Dataflow Editor

  第 79 页

  今天我们来聊聊Salesforce中的数据流编辑器，特别是如何使用搜索功能来定位节点，以及如何向数据流中添加转换。 首先，想象一下数据流编辑器就像是一个大画布，上面有各种各样的节点，每个节点代表数据处理的一个步骤。有时候，当你的数据流变得复杂，节点很多的时候，找到一个特定的节点就像是在大海捞针。这时候，搜索功能就派上用场了。你只需要在编辑器的搜索栏中输入节点的名字或者关键词，编辑器就会帮你快速定位到那个节点，非常方便。 接下来，我们说说如何向数据流中添加转换。转换，简单来说，就是对数据进行某种处理或改变。比如，你可能需要将数据从一个格式转换成另一个格式，或者对数据进行计算、过滤等操作。在数据流编辑器中，你可以轻松地添加这些转换。你只需要从工具栏中选择你需要的转换类型，然后拖放到数据流中的适当位置。编辑器会提供视觉化的界面，让你无需编写任何代码，就能完成这些复杂的操作。 最后，记住，数据集生成器是一个帮助你创建数据集的向导，而数据集编辑器则是数据流文件的视觉表示，让你可以直观地编辑数据流，无需担心代码的复杂性。 希望这些信息能帮助你更好地理解和使用Salesforce中的数据流编辑器。如果有任何疑问，随时提问哦！

  ▶ 播放视频 查看详情
• 35

  Dataflow Editor (cont.)

  第 80 页

  让我们来聊聊数据流编辑器，简称DFE。你可以把它想象成一个工具箱，里面装满了各种小工具，这些小工具就是紫色的块，我们叫它们节点。每个节点都代表一种转换或者动作，就像是你用不同的工具来完成不同的任务一样。 在上一个练习中，我们已经创建了一个数据流。你可以把它想象成一条流水线，每个节点就是流水线上的一个工作站，负责处理数据的一部分。比如，一个节点可能负责清洗数据，另一个节点可能负责转换数据的格式，还有一个节点可能负责把数据发送到另一个系统。 通过这些节点的协作，数据流编辑器帮助我们自动化地处理数据，让整个过程更加高效和准确。所以，下次当你看到这些紫色的节点时，就知道它们是你的小助手，帮你把数据从一种形式转换成另一种形式。

  ▶ 播放视频 查看详情
• 36

  Editing a Dataflow with the Dataflow Editor

  第 81 页

  同学们，今天我们来聊聊如何使用Dataflow编辑器来编辑Dataflow。这个过程其实挺直观的，但有几个关键点需要我们特别注意。 首先，Dataflow编辑器里的每一个按钮都代表一个转换操作。你可以把这些转换看作是数据处理的一个个小步骤。比如，你可能需要过滤掉一些数据，或者把数据从一种格式转换成另一种格式。每一个转换都有它自己的任务。 接下来，当你点击一个按钮进行转换时，你会看到一些参数需要你输入。这些参数就像是给转换操作的具体指令，告诉它应该怎么处理数据。比如，如果你在进行一个过滤操作，你可能需要指定过滤的条件是什么。 最后，当你完成了所有的转换操作，编辑器会自动把这些转换的代码写入到物理的Dataflow文件中。这个文件就是你的数据处理流程的“蓝图”，它记录了所有你设定的转换步骤和参数。 所以，总结一下，使用Dataflow编辑器就是通过点击不同的按钮来添加转换操作，然后为每个操作输入必要的参数，最后所有这些操作都会被编译成一个Dataflow文件。这个过程虽然看起来简单，但每一步都需要我们仔细考虑，确保数据的处理是准确和高效的。希望这个解释能帮助大家更好地理解如何使用Dataflow编辑器。如果有任何疑问，随时提问哦！

  ▶ 播放视频 查看详情
• 37

  What Transformations Are Needed to Combine Datasets in the Dataflow?

  第 82 页

  让我们来聊聊如何在Salesforce的数据流中合并数据集，特别是当你想把SIC代码描述数据集和OpptiesActsUsers数据集结合起来的时候。 首先，你需要理解的是，合并数据集通常意味着你要把来自不同来源的数据整合在一起，以便进行更全面的分析或报告。在Salesforce中，这通常涉及到使用所谓的“edgemart”转换。 “Edgemart”这个词听起来可能有点技术性，但其实它只是指Salesforce中已经存在的数据集。比如，如果你有来自SAP的数据集和来自Oracle的数据集，你可以通过引用这两个edgemart来增强它们，也就是说，你可以把它们合并起来。 现在，假设你想把SIC代码描述数据集和OpptiesActsUsers数据集合并。你需要做的第一步是确保这两个数据集都已经在Salesforce中作为edgemart存在。如果它们已经是edgemart，那么你就可以开始进行合并了。 合并的过程通常包括以下几个步骤： 1. ，选择数据集，：首先，你需要在数据流中选择你想要合并的两个数据集，即SIC代码描述数据集和OpptiesActsUsers数据集。 2. ，应用edgemart转换，：接下来，你需要应用edgemart转换。这个转换会告诉Salesforce，你想要把这两个数据集合并起来。你可以通过数据流中的转换工具来做到这一点。 3. ，定义合并规则，：在合并数据集时，你需要定义如何合并它们。这可能包括指定哪些字段应该匹配，以及如何处理重复的数据。例如，你可能想要基于某个共同的字段（如客户ID）来合并数据。 4. ，执行合并，：一旦你定义了合并规则，你就可以执行合并操作了。Salesforce会根据你的规则，把两个数据集中的数据整合在一起。 5. ，验证结果，：最后，别忘了验证合并后的数据集，确保数据是准确和完整的。你可以通过查看合并后的数据集，或者运行一些测试查询来做到这一点。 总之，合并数据集在Salesforce中是一个相对直接的过程，只要你理解了edgemart的概念，并且知道如何应用转换和定义合并规则。希望这个解释能帮助你更好地理解如何在Salesforce中合并数据集！

  ▶ 播放视频 查看详情
• 38

  Format of a Transformation

  第 83 页

  同学们，今天我们来聊聊Deliverlow编辑器中的转换操作。想象一下，Deliverlow编辑器就像是一个魔法工具箱，每个紫色的节点块都是一个小工具，而每个工具都有一个特定的任务，这就是我们说的“转换”。 每个转换都有两个关键部分：名称和参数。名称就像是这个工具的名字，告诉我们它是用来做什么的。而参数呢，就像是调整工具的小旋钮，让我们可以精确地控制这个工具怎么工作。 举个例子，如果你有一个节点是用来发送邮件的，那么它的名称可能就是“发送邮件”，而参数可能包括邮件的主题、收件人地址等等。 这里有个小贴士：当你给节点命名时，尽量用描述性的名字。比如，如果你有一个节点是用来计算总销售额的，你可以直接命名为“计算总销售额”，这样一看就知道它是干嘛的。 接下来，我们会详细讲解如何将SICs（假设这是一个特定的数据或功能）连接到账户上，每一步都会用到不同的转换操作。记住，不同的节点类型，它们的参数也会有所不同，所以每次使用新节点时，都要仔细看看它的参数设置哦。 好了，这就是今天的内容，希望你们能对Deliverlow编辑器中的转换操作有个初步的了解。下次课我们会更深入地探讨每个转换的具体应用。记得复习哦，我们下次见！

  ▶ 播放视频 查看详情
• 39

  Format of the sfdcDigest Transformation

  第 84 页

  今天我们来聊聊Salesforce中的sfdcDigest转换。这个转换器的作用是从Salesforce的单个对象中提取指定的字段数据。听起来很简单，对吧？但这里有个小细节需要注意：sfdcDigest并不是万能的，它不能从所有的对象和字段中提取数据。比如说，文件类型的数据就不支持。 那么，如果你在使用sfdcDigest时遇到了问题，比如发现某些数据无法提取，这时候你可以去Salesforce的帮助和培训资源中查找哪些对象和字段是不被支持的。这样可以帮助你更好地理解和使用这个工具。 总结一下，sfdcDigest是一个很有用的工具，可以帮助我们从Salesforce中提取数据，但使用时要注意它的限制，特别是哪些对象和字段是不支持的。希望这个小讲解对你有帮助！

  ▶ 播放视频 查看详情
• 40

  Default Values in a sfdcDigest Transformation

  第 85 页

  今天我们来聊聊Salesforce中的sfdcDigest转换，特别是关于默认值85的设置。 首先，sfdcDigest转换是Salesforce数据集成中的一个重要环节，它允许我们在数据从源系统传输到Salesforce时，对数据进行一些预处理和转换。这就像是给数据“化妆”一样，让它们以更好的状态进入Salesforce。 在这个转换过程中，有一个非常实用的功能，就是可以为每个字段设置默认值。这意味着，如果某个字段在源数据中是空的，或者我们希望在数据进入Salesforce之前给它一个特定的值，我们就可以通过设置默认值来实现。 现在，我们来说说这个默认值85。这个数字其实是一个例子，它代表了你为某个字段设置的默认值。在实际操作中，这个值可以是任何你需要的数字、文本或者日期等。设置默认值的好处是，它可以确保你的数据在进入Salesforce时，总是有一个基础的值，避免了数据缺失或者不完整的情况。 举个例子，假设你有一个客户信息表，其中有一个字段是“客户等级”。如果有些客户在源系统中没有明确的等级信息，你就可以在sfdcDigest转换中为这个字段设置一个默认值，比如“普通客户”。这样，当这些数据进入Salesforce时，所有的客户都会有一个明确的等级，即使源数据中没有提供。 总的来说，sfdcDigest转换中的默认值设置是一个非常灵活且强大的工具，它可以帮助我们更好地管理和控制数据质量。希望这个解释能帮助你理解这个概念，并在实际工作中灵活运用。如果有任何问题，随时欢迎提问！

  ▶ 播放视频 查看详情
• 41

  Default Values in a sfdcDigest Transformation - 86

  第 86 页

  同学们，今天我们来聊聊Salesforce中的一个小知识点——sfdcDigest转换中的默认值86，以及日期字段的会计日期抵消。 首先，sfdcDigest转换中的默认值86，这个数字其实是一个预设的默认值，它通常用于某些特定的字段或转换过程中。这个值并不是随意设定的，而是根据Salesforce的系统逻辑和业务需求来确定的。所以，当你在进行数据转换时，如果看到这个默认值86，不要觉得奇怪，它只是系统的一个预设值而已。 接下来，我们来说说日期字段的会计日期抵消。这个功能特别有用，尤其是当你的财年不是从1月1日开始的时候。比如，如果你的财年是从2月1日开始，那么你可以设置一个抵消量，这个抵消量就是1。这样，系统就会自动调整日期，确保所有的会计日期都符合你的财年起始时间。 举个例子，如果你有一个日期字段，记录的是某个交易的日期，而这个日期是在1月31日，那么系统会根据你设置的抵消量1，自动将这个日期调整为2月1日，这样它就符合你的财年起始时间了。 所以，同学们，理解这个功能的关键在于，它可以帮助你更好地管理和调整日期字段，确保所有的会计日期都符合你的业务需求。希望这个解释能帮助你们更好地理解这个知识点。如果有任何问题，随时提问哦！

  ▶ 播放视频 查看详情
• 42

  Format of edgemart Transformation

  第 87 页

  让我们来聊聊edgemart转换，特别是Transformation87的格式。这个转换在Salesforce中非常有用，它允许数据流访问现有的数据集，并且通常用于将两个数据集连接起来，以增强数据的丰富性和可用性。 首先，edgemart转换的定义很简单：它就像是一个桥梁，连接不同的数据集，让数据流能够轻松地访问和利用这些数据。想象一下，如果你有两个不同的数据源，比如一个包含客户信息，另一个包含订单信息，通过edgemart转换，你可以将这两个数据集连接起来，得到一个更全面的视图，比如每个客户的订单历史。 接下来，我们来看看edgemart转换的参数。参数就像是设置中的小开关，你可以调整它们来控制转换的行为。虽然具体的参数可能会根据你的需求有所不同，但通常你会设置一些基本的参数，比如源数据集的名称、目标数据集的名称，以及如何连接这些数据集的规则。 最后，edgemart讲师注释是一个非常有用的部分。这些注释通常是由经验丰富的讲师或开发者添加的，用来解释转换的某些部分是如何工作的，或者为什么要这样设置。这些注释可以帮助你更好地理解转换的逻辑，甚至在你自己进行类似操作时提供参考。 总的来说，edgemart转换是一个强大的工具，可以帮助你更好地管理和利用你的数据。通过理解它的定义、参数和讲师注释，你可以更有效地使用这个工具来增强你的数据集。希望这个解释对你有帮助！

  ▶ 播放视频 查看详情
• 43

  Augmenting Data with the augment Transformation

  第 88 页

  让我们来聊聊增强转换中的一些关键点，特别是关于关系参数和操作参数的使用。 首先，关系参数。你可以把它想象成一个“前缀”，它会被添加到右字段参数中指定的内容前面。举个例子，如果你在右字段参数中指定了“地区”，而关系参数是“销售”，那么最终的结果可能就是“销售地区”。这个关系参数只是用来修饰或补充右字段参数的内容，让数据更有层次感。如果你对这个概念还不太清楚，可以随时回到上一张幻灯片，那里有更详细的解释。 接下来是操作参数。当你选择“查找多个值”这个选项时，结果列可能会在一个单元格中包含多个值。比如，你可能会看到“东北\东南”这样的结果出现在数据集的某个单元格中。这意味着，系统找到了多个匹配的值，并把它们都放进了同一个单元格里，用反斜杠（\）分隔开。这在处理复杂数据时非常有用，因为它能让你在一个地方看到所有相关的信息。 总的来说，增强转换是一个非常强大的工具，能帮助你更好地组织和理解数据。希望这些解释能让你对关系参数和操作参数有更清晰的认识。如果还有任何疑问，随时提问哦！

  ▶ 播放视频 查看详情
• 44

  Joining Data with the augment Transformation

  第 89 页

  让我们来聊聊如何将数据与增强转换（Transformation 89）结合起来。这个过程其实就像是在做一场精心的拼图游戏，我们要把左边的数据和右边的数据巧妙地拼接在一起，最终形成一个完整的画面。 首先，想象一下你手上有两张表格，左边那张表格里有很多列数据，比如账户信息、SIC代码描述等等。右边那张表格呢，也有一些列数据，但可能只有一部分是你需要的。我们的目标就是把这两张表格里的数据合并起来，形成一个更全面的数据集。 在这个过程中，关键是要找到一个“桥梁”，也就是我们说的“关键字段”。这个关键字段就像是拼图上的凸起和凹槽，只有匹配的才能拼在一起。在左边的表格里，我们有一个“左键”，在右边的表格里，我们有一个“右键”。这两个键就是我们的关键字段，它们帮助我们把左右两边的数据对应起来。 接下来，我们要注意一个叫做“Relationship”的参数。这个参数的作用是，当我们把右边的数据添加到左边的数据中时，它会在右边的字段前面加上一个前缀。这样做的好处是，我们可以清楚地知道哪些数据是来自右边的表格。 最后，我们要记住的是，左边的所有数据都会保留在最终的输出中。而右边表格中指定的字段，也就是我们说的“右字段”，会被添加到左边的数据中。这样，我们就得到了一个包含了左右两边所有重要信息的新数据集。 所以，总结一下，增强转换就是一个把左右两边数据合并的过程，通过关键字段匹配记录，然后把右边的字段添加到左边的数据中，最终形成一个更全面的输出数据集。希望这个解释能帮助你更好地理解这个过程！

  ▶ 播放视频 查看详情
• 45

  Implications of Augmenting Data “Up the Grain”

  第 90 页

  让我们来聊聊Salesforce中的“向上”增强数据的影响90这个概念。想象一下，你有一个家庭，爸爸是父对象，孩子们是子对象。在Salesforce中，我们通常会把父对象的信息“往下”传递到子对象上，这就像爸爸告诉孩子们家里的规矩一样。 但是，有时候我们可能需要反过来，把孩子们的信息“往上”传递给爸爸，这就是所谓的“向上”增强。在Einstein Analytics中，如果你这样做，它不会只返回一个孩子的信息，而是会把所有孩子的信息都组合在一起，形成一个多值维度。 这种情况其实比较少见，因为大多数时候我们更关心的是父对象对子对象的影响，而不是反过来。但如果你真的需要这样做，Einstein Analytics也能帮你处理。 所以，简单来说，“向上”增强数据的影响90就是当你需要把子对象的信息传递给父对象时，Einstein Analytics会把所有相关的子对象信息都整合在一起，形成一个多值维度。这种情况虽然不常见，但在特定情况下还是很有用的。

  ▶ 播放视频 查看详情
• 46

  Create a Dataset with the sfdcRegister Transformation

  第 91 页

  让我们来聊聊如何使用`sfdcRegister Transformation`来创建数据集。首先，想象一下，你有一个收件箱，就像你家里的邮箱一样。这个收件箱是EA（也就是我们的数据流引擎）在运行数据流时，用来查找数据集的地方。 当数据流开始运行时，EA会去这个收件箱里看看，是不是已经有一个数据集在那里了。如果它找到了一个和当前数据流同名的数据集，它就会更新这个数据集，就像你更新你的通讯录一样。如果它没有找到同名的数据集，那么它就会创建一个新的数据集，就像你在邮箱里收到一封新邮件一样。 这里有一个小提示，就是关于警报的。当EA在更新或创建数据集时，如果有什么不对劲的地方，它会发出警报。这就像是你的手机收到一条提醒，告诉你有什么需要注意的地方。所以，当你在操作时，一定要留意这些警报，确保你理解它们的意思。 最后，还有一点很重要。当你创建了一个新的数据集后，你可能需要手动把它移动到一个不同的应用程序中。这就像是你把一封重要的邮件从收件箱移动到特定的文件夹里。你可以在代码中指定这个应用程序，但通常如果你遇到问题，你就会知道需要这么做。 所以，简单来说，使用`sfdcRegister Transformation`创建数据集，就像是在管理你的邮箱一样，你需要留意更新、创建新数据集，并且在必要时移动它们。希望这能帮助你更好地理解这个过程！

  ▶ 播放视频 查看详情
• 47

  Editing a Dataflow: Propagate and Override Attributes

  第 92 页

  让我们来聊聊在Salesforce的Einstein Analytics中编辑数据流时的一个常见操作——删除字段或更改字段属性。 想象一下，你正在处理一个数据流，这个数据流就像是一条河流，数据从上游流到下游，经过不同的节点。每个节点都可能对数据进行一些处理或转换。现在，假设你在某个节点上决定删除一个字段，或者更改某个字段的属性，比如它的数据类型或格式。 当你做出这样的更改时，Einstein Analytics会自动帮你把这个更改传播到下游的所有相关节点。这意味着，如果你在一个节点上删除了一个字段，那么这个字段也会从所有依赖于它的下游节点中消失。这样做的目的是确保数据流的一致性，避免因为某个字段的缺失而导致下游节点出错。 举个例子，假设你有一个数据流，其中第一个节点是“客户信息”，第二个节点是“订单信息”。如果你在“客户信息”节点中删除了“客户ID”这个字段，那么Einstein Analytics会自动把这个删除操作传播到“订单信息”节点，确保“订单信息”节点也不会再使用“客户ID”这个字段。 所以，当你编辑数据流时，不用担心手动去每个节点调整，Einstein Analytics会帮你自动处理这些更改，确保数据流的顺畅和准确。这就是为什么我们说，Einstein Analytics是一个非常智能和高效的工具，它让数据管理变得更加简单和直观。

  ▶ 播放视频 查看详情
• 48

  Update the Dataflow

  第 93 页

  同学们，今天我们来聊聊如何在Salesforce中更新Dataflow。首先，当你完成了对Dataflow的编辑后，你需要点击一个叫做“更新数据流”的按钮。这个操作就像是保存你的工作一样，但它并不会立即运行这个数据流。也就是说，你做的更改不会马上生效，只有等到数据流下次运行时，你才能看到这些更改带来的结果。 这里有一个非常重要的点需要注意：当你点击“更新数据流”时，它会覆盖掉现有的数据流。这意味着，如果你之前有做过一些设置或更改，这些都会被新的更改所取代。所以，在更新之前，一定要确保你已经做好了所有必要的检查和确认。 另外，如果你担心更新后可能会丢失一些重要的设置，你可以选择点击“下载SON”按钮。这个操作会将你当前的工作保存为一个SON文件，这就像是给你的数据流做了一个备份。这样，即使更新后出现问题，你也可以通过这个备份文件恢复到之前的状态。 总之，更新Dataflow是一个需要谨慎操作的过程，确保在更新前做好备份，以免丢失重要数据。希望这些信息对你们有所帮助！

  ▶ 播放视频 查看详情
• 49

  Troubleshooting Dataflow Errors

  第 94 页

  同学们，今天我们来聊聊在Salesforce中使用爱因斯坦分析时，如何排除数据流错误的一些注意事项。首先，当你编辑完数据流后，记得点击“更新数据流”来保存你的更改。这时，爱因斯坦分析会开始验证你的数据流，确保所有必需的属性值都已经正确填写。如果发现错误，系统会阻止你继续操作，直到你修正这些错误。 在验证过程中，爱因斯坦分析主要检查两件事：一是每个节点中的参数是否有效，二是节点引用是否正确。比如，它会检查是否有重复的节点名称或者循环引用的问题。如果系统发现错误，它会给出具体的错误描述，帮助你快速定位和修复问题。 如果你没有启用数据同步功能，即使数据流中有错误，你也可以选择继续上传。这在你想要稍后再修复数据流，或者想在数据流编辑器中进一步查看时非常有用。但是，如果你启用了复制功能，那么爱因斯坦分析就不允许你上传有错误的数据流了。 总之，处理数据流错误时，关键是要仔细检查每个节点的参数和引用，确保它们都是正确和有效的。如果遇到问题，利用系统提供的错误描述来帮助你快速修复。这样，你就可以顺利地使用爱因斯坦分析来优化你的Salesforce数据了。

  ▶ 播放视频 查看详情
• 50

  Restore Previous Datasets

  第 95 页

  同学们，今天我们来聊聊Salesforce中一个非常实用的功能——数据集的恢复。想象一下，你在使用Salesforce Analytics时，突然发现数据集出了问题，或者有人不小心输入了错误的数据，这时候该怎么办呢？别担心，Salesforce提供了数据集恢复的功能，可以帮助我们解决这些问题。 首先，如果Analytics无法自动恢复数据集，那么你的作业可能会失败。这时候，你可以尝试恢复数据集的较新版本。不过，需要注意的是，恢复数据集可能会影响到使用它的仪表板、镜头和流水线。所以，在恢复之前，一定要确保你已经了解了这些潜在的影响。 接下来，我们来看一个实际的例子。假设有一个销售人员不小心为1B（十亿）创建了一个机会，而实际上他们应该输入的是1M（百万）。这种情况下，仪表板上显示的反对金额就会远远超出正常范围。这时候，你可以选择恢复数据集，然后要求用户修正这个错误，并重新处理数据。这样，仪表板上的数据就会恢复正常，避免了误导性的信息。 总之，数据集的恢复功能在Salesforce中非常有用，尤其是在处理数据错误或意外情况时。希望今天的讲解能帮助大家更好地理解和使用这个功能。如果有任何问题，欢迎随时提问！

  ▶ 播放视频 查看详情
• 51

  Lesson 3: Connecting Data - 97

  第 97 页

  今天我们来聊聊Salesforce中的数据连接和数据流。想象一下，你有一堆数据，它们可能来自不同的地方，比如Excel表格、数据库，甚至是其他软件系统。我们的目标是把这些数据整合到Salesforce中，让它们能够为我们所用。 首先，我们得理解什么是数据映射。简单来说，数据映射就是确定外部数据中的每一列如何对应到Salesforce中的字段。比如，外部数据中的“客户名称”这一列，应该映射到Salesforce中的“客户名称”字段。这一步很重要，因为它确保了数据能够正确地流入Salesforce。 接下来是数据流概览。数据流就像是一条管道，数据通过这条管道从外部系统流入Salesforce。设计数据流时，我们需要考虑数据的来源、数据的转换方式，以及数据最终要流向Salesforce中的哪个对象。 假设我们有一个CSV文件，里面包含了一些客户信息。我们可以通过Salesforce的数据加载工具，将这个CSV文件加载到一个数据集中。数据集就像是Salesforce中的一个临时存储区，数据在这里等待进一步的处理。 创建数据流的过程其实很简单。我们只需要在Salesforce中设置好数据源、数据映射，以及数据的目标对象。然后，Salesforce会自动处理数据的传输和转换。 数据同步和连接器也很重要。数据同步确保外部系统和Salesforce之间的数据保持一致。连接器则是用来连接Salesforce和外部系统的工具，它们使得数据传输变得更加容易。 运行、监控和安排数据流是确保数据能够按时、准确地流入Salesforce的关键。我们可以设置数据流在特定的时间自动运行，也可以手动触发数据流。同时，我们还需要监控数据流的运行状态，确保一切正常。 使用数据集食谱准备数据是一个高级功能。它允许我们对数据进行更复杂的转换和清洗，确保数据在进入Salesforce之前是干净、准确的。 最后，我们还可以使用其他数据流转换功能，比如合并数据、过滤数据等，来进一步处理数据。 总的来说，连接数据和设计数据流是Salesforce中非常重要的技能。掌握了这些技能，你就能够轻松地将外部数据整合到Salesforce中，为你的业务提供强大的数据支持。

  ▶ 播放视频 查看详情
• 52

  Data Sync - 98

  第 98 页

  今天我们来聊聊Salesforce中的数据同步功能。想象一下，数据同步就像是一个勤劳的邮递员，它的工作是确保你的Salesforce数据和外部数据源之间的信息是最新的、一致的。 首先，数据同步会查看一个叫做sfdcDigest的节点，这个节点就像是邮递员的路线图，告诉它需要去哪些Salesforce对象和字段提取数据。然后，数据同步会把这些数据保存起来，就像邮递员把信件分类放进邮袋一样。 数据同步不仅仅依赖Salesforce的数据，它还可以从连接器那里获取数据，就像是邮递员也会从不同的邮局收集信件。当数据流开始运行时，它会从数据同步那里收集所有必要的数据，然后继续向下游的转换过程传递，就像邮递员把信件送到每家每户。 这里有几个关键点需要注意： - 数据同步可以处理多种数据源，比如SQL数据库、Oracle数据库、外部数据工具、API、数据湖等。 - 数据同步还可以处理CSV文件，这些文件可能是手动上传的，也可能是外部系统按自己的时间表提供的。 - 数据同步还可以连接到外部的Salesforce组织，比如Marketing Cloud，或者像红移这样的数据仓库。 如果你关闭了数据同步功能，那么每次数据流运行时，它就会直接去Salesforce提取数据，然后再把数据送回Einstein Analytics。这就像是邮递员每次送信都要亲自去邮局取信，然后再送到你家。而使用数据同步，所有的数据提取都会作为一个单独的过程执行，你甚至可以安排在数据流运行之前就完成这个过程。 最后，紫色的部分在我们的图表中代表数据同步，它就像是整个数据流动过程中的一个关键节点，确保数据能够高效、准确地传递到需要的地方。 希望这个比喻能帮助你更好地理解数据同步的功能和重要性。如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 53

  How Does Data Sync Work?

  第 99 页

  让我们来聊聊数据同步是如何工作的。想象一下，你有一个大仓库，里面装满了各种商品。现在，你需要把这些商品从一个地方搬到另一个地方。数据同步就像是这个搬运过程，只不过我们搬运的是数据，而不是实物商品。 在Salesforce中，当我们打开数据同步功能时，系统会自动处理数据的搬运工作。这里有一个关键点，就是“sfdcDigest”节点。你可以把它想象成是一个搬运工，负责把数据从一个地方搬到另一个地方。 现在，假设你有多个这样的搬运工（也就是多个sfdcDigest节点），他们都在同时工作。当数据同步运行时，这些搬运工会把各自搬运的数据合并到一起，形成一个统一的“pull”操作。这个“pull”操作就像是把所有的数据打包成一个包裹，然后一次性送到目的地。 所以，简单来说，数据同步就是通过多个sfdcDigest节点，把分散的数据合并到一起，然后一次性同步到目标系统中。这样不仅提高了效率，还确保了数据的一致性和完整性。 希望这个解释能帮助你更好地理解数据同步的工作原理。如果还有任何疑问，随时问我哦！

  ▶ 播放视频 查看详情
• 54

  How Does Data Sync Work? - 100

  第 100 页

  让我们来聊聊数据同步是如何工作的。想象一下，你有一个账户，这个账户有两个不同的数据源，我们称之为sfdcDigests。这两个数据源就像是两个不同的信息库，它们各自存储了一些关于账户的数据。 现在，虽然有两个数据源，但我们只需要一个同步对象。这个同步对象是什么呢？它其实是一个组合体，包含了那两个数据源中所有的字段信息。你可以把它想象成一个超级信息库，里面包含了所有你需要的数据。 当数据同步关闭的时候，sfdcDigests会在Dataflow运行的时候，从Salesforce那里获取对象的数据。这就像是说，当你不主动去同步数据的时候，系统会在后台默默地为你收集信息。 而当数据同步开启的时候，系统就会从那个同步的对象数据中提取出你需要的信息。这就像是你在需要的时候，去那个超级信息库里拿取你需要的数据。 这里有个小提示：在新创建的组织中，数据同步是默认开启的。当然，如果你不需要，也可以选择关闭它。 简单来说，数据同步就是一个确保你从不同地方获取的数据能够保持一致和最新的过程。希望这个解释能帮助你更好地理解数据同步的工作原理。

  ▶ 播放视频 查看详情
• 55

  Connectors

  第 101 页

  我们来聊聊连接器这个概念。想象一下，连接器就像是一个桥梁，它帮助数据在不同的系统之间流动。但是，这个桥梁有两种工作方式：一种是“推”，另一种是“拉”。 首先，我们来说说“推”。想象一下，你有一个装满数据的仓库，这个仓库就是你的数据库。现在，你想要把这些数据送到另一个地方，比如说一个叫做EA的系统。这时候，你可以使用一个工具，比如Mulesoft，或者通过API，把数据从你的数据库“推”到EA。就像是你把货物从仓库里推出来，送到目的地一样。 然后，我们再来看看“拉”。这次，EA系统变成了主动的一方。它使用内部的工具，去其他地方收集数据，然后“拉”到自己这里。这就像是你去超市购物，自己挑选商品，然后带回家一样。 所以，简单来说，“推”是数据从源头主动送到目的地，而“拉”是目的地主动去获取数据。这两种方式各有优势，选择哪一种，取决于你的具体需求和场景。希望这个解释能帮助你更好地理解连接器的工作原理。

  ▶ 播放视频 查看详情
• 56

  Available Connectors

  第 102 页

  同学们，今天我们来聊聊Salesforce中的连接器。想象一下，连接器就像是一座桥梁，它把Salesforce和其他系统连接起来，让数据可以自由流动。 当你点击一个连接器时，就像是你准备过桥去另一个地方。这时候，系统会弹出一个新页面，要求你输入登录名和其他一些安全凭证，这就像是过桥前需要出示通行证一样。 一旦你输入了正确的信息，连接就建立成功了。这时候，数据就会开始流动，它们会被存储在Salesforce的数据同步中。数据同步就像是一个大仓库，所有的数据都会暂时存放在这里。 接下来，根据你设置的数据同步计划，这些数据会定期更新或刷新。这就像是仓库里的货物会定期检查，确保它们都是最新的、最准确的。 所以，连接器的作用就是确保Salesforce和其他系统之间的数据能够及时、准确地同步，帮助我们更好地管理和使用这些数据。希望这个比喻能帮助大家更好地理解连接器的工作原理。

  ▶ 播放视频 查看详情
• 57

  Available Connectors - 103

  第 103 页

  同学们，今天我们来聊聊Salesforce中的连接器。想象一下，连接器就像是一座桥梁，它把Salesforce和其他系统连接起来，让数据可以自由流动。 当你点击一个连接器时，就像是你准备过桥了。系统会打开一个新页面，要求你输入登录名和其他凭据，这就像是过桥前需要出示通行证一样。输入正确的信息后，你就成功建立了连接，数据就可以开始流动了。 建立连接后，数据会被存储在数据同步中。这就像是把货物暂时存放在桥边的仓库里。然后，根据数据同步计划，这些数据会定期更新或刷新，确保你总是能拿到最新的信息。 所以，简单来说，连接器就是帮助你轻松地在Salesforce和其他系统之间传递数据的工具。希望这个比喻能帮助大家更好地理解连接器的作用。如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 58

  Connectors - 104

  第 104 页

  同学们，今天我们来聊聊连接器。想象一下，连接器就像是一座桥梁，它连接了两个不同的地方。在我们的Salesforce世界里，这座桥梁连接的是Salesforce和另一个系统，比如你的电子邮件服务或者一个外部数据库。 当你点击连接器的时候，就像是你按下了这座桥梁的开关，它会打开一个新页面。这个页面会问你一些问题，比如你的登录名和密码，这些都是为了确保只有你才能通过这座桥梁。 一旦你输入了正确的信息，桥梁就建好了，数据就可以开始流动了。这些数据会被存储在Salesforce的一个特殊地方，我们叫它“数据同步”。数据同步就像是一个大仓库，所有的信息都会被安全地存放在这里。 但是，数据不是一成不变的，它会随着时间的推移而变化。所以，我们有一个数据同步计划，这个计划就像是仓库的管理员，它会定期检查数据是否需要更新或者刷新。这样，你的Salesforce系统里的信息就总是最新的了。 简单来说，连接器就是帮助你安全地连接和同步数据的小助手。希望这个解释能帮助你们更好地理解连接器的作用。如果还有疑问，随时问我哦！

  ▶ 播放视频 查看详情
• 59

  Einstein Analytics Connectors

  第 105 页

  同学们，今天我们来聊聊Salesforce中的Einstein Analytics连接器。这个工具非常强大，能帮助我们更好地管理和分析数据。 首先，如果你已经在本地Salesforce组织中使用了数据同步，那么你其实已经在使用这个连接器了。它的好处是，你可以复制其他对象的数据，而不需要每次都把它们添加到数据流中。这就像是你已经有了一个万能钥匙，可以打开更多的门，而不需要每次都去找新的钥匙。 但是，在使用Einstein Analytics连接器之前，有几个重要的注意事项需要了解： 1. ，数据量限制，：Einstein Analytics可以从一个对象中提取最多2000万行数据，或者10GB的数据，具体取决于哪个限制先达到。这就像是你有一个大箱子，但它的容量是有限的，装满了就不能再装了。 2. ，对象数量限制，：你可以在Einstein Analytics中同步多达100个对象的数据。这个总数包括了本地和外部对象。想象一下，你有100个文件夹，每个文件夹里都可以放不同的文件，但总数不能超过100个。 3. ，增量提取和过滤器，：这些功能只适用于Salesforce Local连接器。这意味着你可以只提取那些自上次同步以来发生变化的数据，或者根据特定条件过滤数据。这就像是你只更新你需要的部分，而不是每次都从头开始。 总之，Einstein Analytics连接器是一个非常实用的工具，但使用时需要注意这些限制和功能。希望这些信息对你们有所帮助！如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 60

  Using Data from Connectors in Dataflows

  第 106 页

  让我们来聊聊在Salesforce中如何使用来自连接器的数据，特别是在数据流和配方中准备这些数据。 首先，当你设置好数据同步并运行它之后，你就可以在数据流和配方中使用这些同步的数据了。这里要注意的是，我们使用的不是复制的对象，而是通过数据同步生成的sfdcDigest对象。在数据流中，你可以使用一种叫做“摘要转换”的工具来从这些同步对象中提取你需要的数据。 但是，这里有一个重要的步骤不能忘记：在你开始在数据流和配方中使用新的同步对象之前，你必须先运行数据同步。每次你运行数据同步时，它都会刷新外部同步对象中的所有数据。这意味着，如果你有新的数据或者数据有更新，你需要通过运行数据同步来确保这些变化被捕获。另外，需要注意的是，对于外部连接，增量刷新和筛选功能是不可用的。 接下来，我们来看看数据同步的可见性问题。在数据流编辑器中，你能看到哪些对象和字段，这取决于你登录用户的权限。有时候，你可能会看到一些Analytics不支持的对象或字段，或者集成用户看不到的对象和字段。如果你不小心选择了这些对象或字段，那么在数据流运行时，你可能会遇到错误，因为这些对象或字段实际上是不可用的。 但是，一旦你启用了数据同步，情况就会有所变化。在数据流编辑器中，你能看到的对象和字段将基于登录用户和集成用户的重叠权限。这意味着，只有那些能够被Analytics数据集消化的对象和字段才会显示出来。这样，你就可以避免选择那些不可用的对象和字段，从而减少运行时错误的可能性。 总结一下，使用来自连接器的数据在数据流和配方中准备数据时，你需要先运行数据同步，然后使用摘要转换来提取数据。同时，要注意数据同步的可见性问题，确保你选择的对象和字段是Analytics支持的，并且集成用户也能看到。这样，你就可以更有效地使用Salesforce中的数据了。

  ▶ 播放视频 查看详情
• 61

  Updates to Synced Objects and Connectors

  第 107 页

  今天我们来聊聊Salesforce中的同步对象和连接器的更新。想象一下，你正在使用Salesforce来管理你的数据，你可能已经创建了一些数据集，这些数据集是通过“食谱”来构建的。现在，假设你需要添加一些新的字段到你的数据集中。你可能会想，为什么不直接在数据流中添加这些字段呢？ 这里有个小技巧。如果你直接在同步对象中添加字段，这些字段并不会自动出现在你之前创建的数据集中。但是，它们会在“食谱”中变得可用。这意味着，如果你想让这些新字段出现在你的数据集中，你需要通过“食谱”来重新配置你的数据集。 另外，有时候你可能需要禁用某些字段。在Salesforce中，你不能直接在字段选择器或预览页面中禁用这些字段。要禁用它们，你需要从sfdcDigest节点中删除这些字段。这样做可以确保这些字段不会出现在你的数据流中。 总结一下，当你需要更新同步对象和连接器时，记得考虑这些字段如何影响你的数据集和“食谱”。通过直接从sfdcDigest节点管理字段，你可以更有效地控制你的数据流。希望这个小技巧能帮助你在Salesforce中更高效地工作！

  ▶ 播放视频 查看详情
• 62

  Lesson 3: Connecting Data - 108

  第 108 页

  今天我们来聊聊Salesforce中的数据连接和数据流。想象一下，你有一个装满各种信息的宝箱，但这些信息分散在不同的地方。我们的目标就是把这些信息集中起来，让它们能够一起工作，帮助你做出更好的决策。 首先，我们来看看，数据映射，。这就像是你有一张地图，告诉你如何从一个地方到另一个地方。在数据的世界里，数据映射就是告诉你如何把一种数据格式转换成另一种格式。比如，你可能有一个Excel表格，里面有很多客户信息，但Salesforce需要这些信息以特定的格式存在。数据映射就是帮你把Excel里的数据“翻译”成Salesforce能理解的语言。 接下来是，数据流概览，。数据流就像是一条河流，数据从源头流向目的地。在这个过程中，数据可能会经过一些“加工站”，比如清洗、转换等。数据流就是描述这个过程的蓝图，告诉你数据从哪里来，经过哪些步骤，最后到哪里去。 ，设计数据流，就是画出这条河流的路线图。你需要决定数据从哪里开始，经过哪些步骤，最后到达哪里。这个过程需要你仔细思考，确保数据在流动的过程中不会“迷路”或者“变质”。 现在，假设你有一个外部的CSV文件，里面有很多有用的数据。你想把这些数据加载到Salesforce的数据集中。这个过程就像是你把一箱货物从外面搬进仓库。你需要确保货物（数据）在搬运的过程中不会损坏，并且能够准确地放到仓库（数据集）里。 ，创建数据流，就是把所有这些步骤整合在一起。你需要告诉Salesforce从哪里获取数据，如何处理数据，最后把数据放到哪里。这个过程可能需要一些技术知识，但一旦你掌握了，就会变得非常简单。 ，数据同步和连接器，是确保数据在不同系统之间能够顺畅流动的工具。想象一下，你有一个水管连接两个水桶，数据同步和连接器就是确保水能够顺利从一个水桶流到另一个水桶，而不会漏出来。 ，运行、监控和安排，是确保数据流能够按照计划进行。你可以设置数据流在特定的时间自动运行，比如每天晚上12点。你还可以监控数据流的运行情况，确保一切正常。 ，使用数据集食谱准备数据，就像是你有一个食谱，告诉你如何把原材料变成美味的菜肴。数据集食谱就是告诉你如何把原始数据变成有用的信息。你可以通过添加一些“调料”（比如计算公式、过滤条件等）来让数据变得更加有用。 最后，，其他数据流转换，是一些额外的工具，可以帮助你在数据流中进行更复杂的操作。比如，你可以把多个数据源合并在一起，或者对数据进行分组、排序等。 好了，今天的内容就到这里。希望你能对Salesforce中的数据连接和数据流有一个初步的了解。如果你有任何问题，随时问我！

  ▶ 播放视频 查看详情
• 63

  Scheduling

  第 109 页

  让我们来聊聊Salesforce中的Einstein Analytics调度程序。这个工具非常强大，它可以帮助你精确控制数据作业的运行时间、频率，以及你接收通知的方式。想象一下，你有一个自动化的助手，它知道什么时候该工作，什么时候该休息，还能及时告诉你工作的进展。 首先，你需要考虑的是数据的时效性。你肯定希望在你需要的时候，数据是最新的。比如，如果你每天早上9点需要查看最新的销售数据，那么你可以设置调度程序在8点运行，确保数据在你查看前已经更新完毕。 其次，考虑到工作效率，你可能希望一些数据作业在工作时间之外执行。这样，它们不会占用工作时间的网络资源，也不会打扰到你的日常工作。比如，你可以设置数据同步在晚上10点进行，这时候大多数人已经下班，网络也相对空闲。 再者，你可以安排数据流在数据同步之后自动运行，或者基于某些特定事件来触发。这样，你可以确保数据的处理流程是连贯和高效的。 最后，从2019年冬季开始，Salesforce允许你设置作业每15、20、30或60分钟运行一次。这是一个很大的进步，因为它提供了更多的灵活性。但是，需要注意的是，这个功能默认是不开启的。如果你想要使用这个更频繁的调度选项，你需要联系Salesforce的支持团队来开启这个功能。如果不这样做，你最多只能设置作业每小时运行一次。 总之，Einstein Analytics调度程序是一个非常灵活和强大的工具，可以帮助你更好地管理和自动化你的数据处理任务。只要你合理设置，它就能成为你工作中的得力助手。

  ▶ 播放视频 查看详情
• 64

  Scheduling Data Sync

  第 110 页

  今天我们来聊聊Salesforce中的数据同步。想象一下，数据同步就像是你每周五晚上整理你的书架。通常，你只需要把新书放上去，或者把已经看过的书重新整理一下，这就是所谓的增量刷新。但是，有时候你可能想要彻底清理一下书架，把所有的书都重新排列一遍，这就是完全同步。 在Salesforce中，默认情况下，数据同步会进行增量刷新，也就是说，它只会提取那些新添加的或者已经更新的数据。但是，如果你需要，你也可以为每个对象关闭这个功能。 另外，有一个很贴心的设置，就是每周五晚上11点之后，Salesforce会自动进行一次完全同步。这就像是你每周五晚上都会彻底整理一次书架，确保所有的书都整整齐齐的。 要进行数据同步，你可以点击“数据管理器”，然后选择“连接”，再点击“同步数据集”。在这里，你可以选择为单个对象或者所有对象运行数据同步。 最后，有一个小提示，如果你要从Salesforce中提取公式字段，最好关闭增量同步，选择完全刷新。因为公式字段可能会因为其他字段的变化而变化，所以完全刷新可以确保你得到的数据是最新、最准确的。 好了，这就是今天关于Salesforce数据同步的小知识，希望对你们有所帮助！

  ▶ 播放视频 查看详情
• 65

  Scheduling Data Sync and Dataflow

  第 111 页

  同学们，今天我们来聊聊关于Salesforce中数据同步和数据流的一些注意事项。首先，当你启用了数据同步功能后，一定要确保数据同步已经成功运行，并且在下次数据同步之前，所有操作都已经完成。这是非常重要的，因为如果数据同步没有完成，可能会影响到后续的数据流操作。 在数据同步首次运行之前，如果你尝试运行一个依赖于sfdcDigest节点的数据流，这个数据流可能会失败。这是因为sfdcDigest节点需要数据同步提供的数据才能正常工作。不过，不用担心，Salesforce的EA（企业架构）会“知道”什么时候需要在数据流之前运行数据同步。 所以，简单来说，记得在启用数据同步后，先让它运行完成，然后再进行数据流操作。这样，你的数据流就能顺利运行，不会出现意外情况。希望这个解释对你们有帮助！如果有任何疑问，随时提问哦。

  ▶ 播放视频 查看详情
• 66

  Event-Based Scheduling

  第 112 页

  同学们，今天我们来聊聊基于事件的营销，特别是在Salesforce中如何利用基于事件的调度来优化我们的数据流。 首先，想象一下，你有一堆数据需要处理，但这些数据需要先更新才能使用。这时候，基于事件的调度就派上用场了。你可以设置一个规则，让数据流在数据同步完成更新后自动启动。这样，你就不用担心数据流会在数据还没准备好之前就开始运行了。 具体来说，如果你使用的是Salesforce Local连接，你可以在安排数据流的时候选择“基于事件”这个选项。这样，一旦数据同步完成更新，数据流就会自动开始运行。 这里有个小提示：基于事件的调度主要适用于本地连接和连接器，而不是sfdcDigest中的对象。如果你的数据是在sfdcDigest中的对象里，同步会自动运行，不需要你手动设置。 简单来说，基于事件的调度就像是一个聪明的助手，它会在数据准备好后自动启动数据流，让你省心省力。希望这个解释对你们有帮助！如果有任何问题，随时问我哦。

  ▶ 播放视频 查看详情
• 67

  Lesson 3: Connecting Data - 114

  第 114 页

  同学们，今天我们来聊聊Salesforce中的数据连接和数据流。想象一下，你有一堆数据，它们可能来自不同的地方，比如Excel表格、数据库，甚至是其他软件。我们的目标是把这些数据“搬”到Salesforce里，让它们能为我们所用。这就是数据连接和数据流的作用。 首先，，数据连接，就像是搭一座桥，把Salesforce和外部数据源连接起来。你可以通过Salesforce的“连接器”来做到这一点。连接器就像是桥梁的工程师，它知道怎么把数据从外部世界安全、准确地搬到Salesforce里。 接下来是，数据映射，。想象一下，你有一堆箱子，每个箱子里装着不同的东西。数据映射就是告诉Salesforce，哪个箱子里的东西应该放在哪个架子上。比如，外部数据中的“客户姓名”应该对应Salesforce中的“联系人姓名”。这样，数据就能正确地进入Salesforce的各个模块。 然后，我们来看看，数据流，。数据流就像是数据的传送带，它负责把数据从外部源传送到Salesforce。设计数据流时，你需要考虑数据的来源、目的地，以及数据在传送过程中是否需要做一些处理，比如过滤掉不需要的数据，或者把数据格式转换成Salesforce能理解的格式。 如果你有一个CSV文件，你可以通过数据流把它加载到Salesforce的数据集中。数据集就像是Salesforce里的一个大仓库，专门用来存放数据。加载数据后，你可以使用，数据集食谱，来准备数据。食谱就像是烹饪指南，告诉你如何清洗、整理数据，让它们更适合分析或使用。 数据流还支持，数据同步，，这意味着你可以设置数据流定期运行，确保Salesforce里的数据总是最新的。你可以安排数据流在特定的时间自动运行，比如每天晚上12点，这样你每天上班时，数据就已经更新好了。 最后，数据流还支持多种，转换，操作。比如，你可以把数据从一种格式转换成另一种格式，或者把多个数据源的数据合并在一起。这些转换操作让数据流变得更加强大和灵活。 总结一下，数据连接和数据流是Salesforce中非常重要的功能，它们帮助我们把外部数据整合到Salesforce中，确保数据的准确性和实时性。通过合理设计数据流，你可以让数据为你所用，提升工作效率。 好了，今天的课程就到这里。希望大家对数据连接和数据流有了更清晰的理解。如果有任何问题，随时提问！

  ▶ 播放视频 查看详情
• 68

  Create Another Dataset

  第 115 页

  同学们，今天我们来聊聊如何创建一个新的数据集，这个数据集将帮助我们的销售团队更好地跟踪他们的开放机会。这个数据集的名字叫做“115”，听起来是不是很酷？ 首先，销售团队告诉我们，他们只需要关注那些还没有关闭的机会，也就是说，他们不需要那些已经“Closed Won”（赢了）或者“Closed Lost”（输了）的机会。所以，我们的第一步就是从现有的“OpptiesActsSICsUsers”数据集中，去掉这些已经关闭的机会。这样，我们就得到了一个只包含开放机会的新数据集。 接下来，销售团队还希望把这些开放的机会按照交易的大小进行分类。他们希望把交易分为小型、中型和大型。这样，销售代表们就可以更清楚地知道他们正在处理的是哪种类型的交易，从而更好地制定销售策略。 所以，我们的任务就是在这个新的数据集中，添加一个字段来标识每个机会的交易规模。这个字段可以根据交易金额或者其他相关指标来定义。比如，我们可以设定，如果交易金额小于10,000美元，那就是小型交易；如果金额在10,000到50,000美元之间，那就是中型交易；如果金额超过50,000美元，那就是大型交易。 最后，当我们完成了这些步骤，我们就得到了一个全新的数据集“115”，它不仅只包含开放的机会，还根据交易规模进行了分类。这样，销售团队就可以更有效地跟踪和管理他们的销售机会了。 好了，这就是我们今天的内容。希望你们都能理解如何创建一个满足特定需求的数据集。如果有任何问题，随时提问哦！

  ▶ 播放视频 查看详情
• 69

  Create Datasets with Recipes

  第 116 页

  今天我们来聊聊如何在Salesforce中使用食谱来创建数据集。首先，你需要知道的是，创建或编辑食谱的权限是通过权限集来分配的。这意味着，不是每个人都能随意创建或修改食谱，只有那些被赋予了相应权限的用户才能进行这些操作。 在一些公司里，这个权限会被赋予给超级用户，这样他们就能快速创建数据集，而不需要每次都去麻烦IT部门。但是，这里有个小提示：如果你获得了查看所有食谱的权限，那么你就能看到公司里所有的食谱，这可能会涉及到一些敏感数据。 因此，很多公司会选择在数据流中创建所有“主要”的数据集。这样做的好处是，可以更好地控制谁能够编辑这些数据流。通常，只有少数几个关键用户会被授予编辑数据流的权限，这样可以确保数据的安全性和准确性。 总结一下，使用食谱创建数据集是一个强大的功能，但同时也需要谨慎管理权限，以确保数据的安全和正确使用。希望这个小讲解能帮助你更好地理解这个过程。如果有任何疑问，随时欢迎提问！

  ▶ 播放视频 查看详情
• 70

  Using Recipes To Create Datasets (cont.)

  第 117 页

  让我们来聊聊如何在Salesforce中使用食谱来创建数据集。想象一下，你正在厨房里准备一顿美味的晚餐。你需要一份食谱，对吧？这份食谱会告诉你需要哪些食材，以及如何将这些食材变成一道菜。在Salesforce中，创建数据集的过程其实和这个非常相似。 首先，你需要一个“食谱”，也就是我们所说的数据集食谱。这个食谱里会列出你需要的“食材”——这些就是你现有的数据集。然后，食谱还会告诉你如何“烹饪”这些食材，也就是你需要对这些数据集进行哪些转换或操作。 当你按照食谱的步骤操作完成后，你就可以得到一个“成品”——也就是你的目标数据集。这个数据集是根据你的需求定制出来的，包含了所有你需要的、经过处理的数据。 而且，Salesforce的Einstein Analytics还会帮你保存这份食谱。这意味着，如果你以后需要再次创建类似的数据集，或者想要对现有的数据集进行更新，你都可以直接使用这份保存好的食谱，而不需要从头开始。 所以，简单来说，使用食谱创建数据集就像是在厨房里按照食谱做菜一样，既简单又高效。你只需要准备好你的“食材”，然后按照“食谱”一步步操作，就能得到你想要的数据集了。

  ▶ 播放视频 查看详情
• 71

  Using Data Prep to Create Datasets (cont.)

  第 118 页

  同学们，今天我们来聊聊如何在Salesforce中使用数据准备功能来创建数据集，并且通过列配置文件来查看哪些地方需要改进。这个过程其实就像是在厨房里准备一顿美味的晚餐，我们需要先准备好所有的食材，然后根据食谱一步步来。 首先，我们打开Salesforce的数据准备工具。这里，你可以看到所有的数据列，就像是你面前的食材架。我们的目标是创建一个新的数据集，这就像是决定今晚要做的主菜。 接下来，我们使用列配置文件功能。这个功能就像是我们的厨房助手，它会告诉我们哪些食材可能不够新鲜，或者哪些调料可能需要补充。通过这个功能，我们可以轻松地看到哪些数据列需要改进，比如数据格式不对，或者数据缺失等问题。 当我们发现问题后，就可以开始进行数据转换了。这就像是根据食谱调整食材的用量或者更换调料。在Salesforce中，我们只需要点击数据列旁边的向下箭头，就可以看到各种转换选项。比如，我们可以将文本数据转换为日期格式，或者将数字数据进行四舍五入。 最后，如果我们想要添加一些额外的信息或者注释，我们可以点击“添加”按钮。这就像是在食谱旁边写下一些个人的小贴士，比如“这道菜可以多加一点辣椒”。 总的来说，这个过程虽然听起来有点复杂，但只要你跟着步骤一步步来，就会发现其实很简单。而且，通过这种方式处理数据，可以大大提高我们的工作效率，确保我们的数据集既准确又实用。希望今天的讲解对你们有所帮助，下次再见！

  ▶ 播放视频 查看详情
• 72

  Viewing Data in Your Dataset Recipes

  第 119 页

  同学们，今天我们来学习如何在Salesforce中查看数据集食谱中的数据119，以及如何在数据预览和列列表之间进行切换。 首先，打开你的Salesforce环境，找到数据集食谱。在数据集食谱中，你会看到很多数据记录，我们需要找到编号为119的那一条。你可以通过滚动列表或者使用搜索功能来快速定位到这条数据。 找到数据119后，你可以点击它来查看详细信息。这时，你会看到两个主要的视图选项：数据预览和列列表。 数据预览视图会以表格的形式展示数据，你可以看到每一列的具体内容。这对于快速浏览数据非常有用。 列列表视图则更侧重于展示数据的结构，它会列出所有的列名和数据类型。这对于了解数据的整体结构非常有帮助。 你可以通过点击界面上的切换按钮，轻松地在数据预览和列列表之间进行切换。这样，你就可以根据需要选择最适合的视图来查看和分析数据了。 希望这个简单的讲解能帮助你们更好地理解如何在Salesforce中查看和切换数据视图。如果有任何问题，随时提问哦！

  ▶ 播放视频 查看详情
• 73

  Data Attributes

  第 120 页

  今天我们来聊聊Salesforce中的数据属性，特别是如何更改列的属性，比如标签。 想象一下，你正在整理你的书架。每本书都有一个书名，这个书名就像是数据表中的“标签”。在Salesforce中，每个数据列也有一个标签，这个标签是用来描述这个列的内容的。比如，如果你有一个列是用来存储客户的名字的，那么这个列的标签可能就是“客户姓名”。 有时候，你可能觉得这个标签不够直观，或者你想让它更符合你的业务需求。这时候，你就可以更改这个列的属性，包括它的标签。比如，你可能想把“客户姓名”改成“客户全名”，这样更清楚地表达了这个列的内容。 更改列的属性其实很简单。你只需要进入Salesforce的设置界面，找到你想要更改的列，然后点击编辑。在编辑界面中，你可以看到这个列的所有属性，包括标签。你只需要在标签的输入框中输入新的标签，然后保存就可以了。 记住，更改列的标签不会影响数据本身，它只是改变了这个列在界面上的显示方式。所以，你可以放心地根据你的需求来调整这些标签，让它们更好地服务于你的业务。 好了，这就是关于如何更改Salesforce中数据列的属性的简单介绍。希望这对你有所帮助！如果你有任何问题，随时问我。

  ▶ 播放视频 查看详情
• 74

  Transform Your Data

  第 121 页

  同学们，今天我们来聊聊如何在Salesforce中转换你的数据。想象一下，你正在准备一顿美味的晚餐，你需要根据食谱来调整食材。在Salesforce中，你的数据就像是这些食材，而转换数据的过程就像是根据食谱来调整它们。 首先，当你开始构建你的“食谱”——也就是你的数据模型时，Salesforce会提供一些建议。这些建议是基于你的业务需求和数据的特性来给出的。你可以选择接受这些建议，让Salesforce自动帮你调整数据，这样就像是有个经验丰富的厨师在帮你准备食材。 如果你觉得这些建议不完全符合你的需求，你也可以选择手动调整。这就像是你自己动手，根据口味来调整食谱中的调料。你可以通过列菜单来查看和修改数据的属性，比如更改数据类型、调整字段长度等。 最后，当你对数据的调整感到满意时，就可以应用这些更改了。这就像是把调整好的食材放入锅中，开始烹饪你的美味佳肴。 记住，数据转换是一个重要的步骤，它确保你的数据能够更好地服务于你的业务需求。所以，不要害怕尝试不同的调整，找到最适合你的“食谱”。 好了，这就是今天的内容，希望你们能够理解并应用到实际操作中去。如果有任何问题，随时提问，我会在这里帮助你们。

  ▶ 播放视频 查看详情
• 75

  Join Data using a Recipe

  第 122 页

  今天我们来聊聊如何在Salesforce中使用“食谱”来加入数据。你可以把“食谱”想象成一个烹饪指南，它告诉Salesforce如何将不同的数据源混合在一起，就像你在厨房里把不同的食材混合在一起做出一道美味的菜一样。 首先，你需要选择一个起点。这个起点可以是你已经有的数据集，或者是一个同步对象。就像你开始做饭前，得先决定是用冰箱里现有的食材，还是去超市买新的。 接下来，点击“添加数据”按钮。这就像你在食谱里决定要加入哪些新的食材。点击后，你会看到一个选项，让你选择要加入的数据。这一步很重要，因为你要确保选择的数据来源是正确的，就像你要确保买的食材是新鲜的、适合这道菜的。 选择好数据后，Salesforce就会按照你的“食谱”开始工作了。它会将你选择的数据和你现有的数据混合在一起，生成一个新的、更有用的数据集。 记住，使用“食谱”加入数据的过程就像烹饪一样，需要耐心和细心。确保每一步都按照指示来，这样你就能得到一个完美的结果。希望这个比喻能帮助你更好地理解这个过程！

  ▶ 播放视频 查看详情
• 76

  Join Data Using a Recipe – Join Types

  第 123 页

  今天我们来聊聊如何在Salesforce中使用“食谱”功能来加入数据，特别是关于“加入类型123”的操作。 首先，想象一下你有一个大厨房，里面有很多不同的食材。这些食材就像是你的数据，来自不同的地方。现在，你想要把这些食材混合在一起，做出一道美味的菜。在Salesforce中，这个“混合”的过程就是数据的“加入”。 “加入类型123”其实是指三种不同的数据加入方式： 1. ，加入类型1，：这就像是你把两种食材直接混合在一起，比如把面粉和水混合成面团。在数据中，这意味着你把两个数据集直接合并，没有特别的规则。 2. ，加入类型2，：这更像是你按照一定的比例来混合食材，比如按照食谱上的指示，加入适量的糖和盐。在数据中，这意味着你按照某些特定的规则或条件来合并数据。 3. ，加入类型3，：这就像是你不仅混合食材，还要对它们进行一些处理，比如把面团揉成特定的形状。在数据中，这意味着你在合并数据的同时，还要对数据进行一些转换或计算。 当你使用Salesforce的“食谱”功能时，你需要先定义你想要执行的加入类型。这就像是你在做菜之前，先决定你要做的是哪种类型的菜。 所以，总结一下，使用“食谱”加入数据，特别是“加入类型123”，就是根据你的需求，选择合适的方式来合并和处理你的数据。希望这个比喻能帮助你更好地理解这个过程！

  ▶ 播放视频 查看详情
• 77

  Join Data using a Recipe - 124

  第 124 页

  同学们，今天我们来学习如何在Salesforce中使用“食谱”来加入数据。这个过程其实就像是在厨房里按照食谱做菜一样，我们需要按照一定的步骤来操作。 首先，我们要“加入数据124”。这里的“124”可能是指数据的编号或者是某种特定的数据格式。我们需要确保这些数据是准确的，这样才能保证后续的操作顺利进行。 接下来，我们要“验证加入密钥”。这个密钥就像是打开数据大门的钥匙，只有验证通过了，我们才能继续操作。这一步非常重要，因为它确保了数据的安全性和准确性。 然后，我们会用到“Left和向右键”。这里的“Left”和“向右键”可能是指我们在选择数据时的方向键。我们需要用这些键来选择我们想要添加的字段。就像是在菜单上选择你想要的食材一样。 在“右字段”这一步，我们要选择具体的字段来添加数据。这些字段就像是食谱中的配料表，我们需要根据需求来选择合适的字段。 最后，我们会有步骤“4”和“5”。这两个步骤可能是具体的操作步骤，比如保存数据或者进行数据校验。我们需要按照提示来完成这些步骤，确保数据的完整性和准确性。 讲师注释：在整个过程中，我们要特别注意数据的准确性和安全性。每一步操作都要仔细检查，确保没有错误。这样，我们才能确保最终的数据是准确和可靠的。 好了，这就是今天的内容。希望大家能够理解并掌握如何在Salesforce中使用食谱来加入数据。如果有任何问题，随时提问哦！

  ▶ 播放视频 查看详情
• 78

  Aggregates

  第 125 页

  让我们来聊聊Salesforce中的聚合功能。想象一下，你有一大堆数据，比如销售机会、活动、客户信息等等。这些数据可能来自不同的州，你想要看看每个州的情况如何。这时候，聚合功能就派上用场了。 聚合功能允许你把数据按照某个条件分组，比如按州。这样，你就可以看到每个州的销售机会有多少，活动有多少，客户有多少，用户有多少。这就像是你把一堆杂乱无章的纸张，按照不同的文件夹分类整理，每个文件夹代表一个州，里面放着这个州的所有相关信息。 举个例子，假设你有一个数据集，里面包含了125条记录，每条记录都有州的信息。你可以使用聚合功能，把这些记录按照州来分组。这样，你就能一目了然地看到，比如加利福尼亚州有多少销售机会，纽约州有多少活动，德克萨斯州有多少客户，佛罗里达州有多少用户。 这种分组和汇总的方式，不仅让你的数据更加清晰，还能帮助你做出更明智的决策。比如，如果你发现某个州的销售机会特别多，你就可以考虑在那里投入更多的资源。 所以，聚合功能就像是你的数据整理助手，帮你把复杂的数据变得简单易懂。希望这个解释能帮助你更好地理解Salesforce中的聚合功能。如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 79

  Append Data Using a Recipe

  第 126 页

  今天我们来聊聊如何在Salesforce中使用“食谱”功能来添加数据。想象一下，你有一个食谱，就像你在厨房里用的那种，但这次是用来处理数据的。这个食谱可以帮助你快速地把不同来源的数据合并到一起，就像把不同的食材混合在一起做出一道美味的菜。 首先，你需要在数据集食谱中添加一个“收件箱快速添加”的食谱。这就像是你准备了一个大碗，准备把所有的食材放进去。你可以选择你想要合并的数据，就像选择你喜欢的蔬菜和肉类一样。Salesforce会帮你检查这些数据的字段是否匹配，就像检查食材是否新鲜一样。如果一切都准备好了，你就可以开始合并了。 接下来，你可以使用“附加”功能来组合来自不同来源的数据。比如说，你可能有一些数据来自远程的Salesforce组织，或者是一些快速变化的数据，比如日志和传感器数据。这就像是你从不同的市场买来了食材，然后把它们都放到你的大碗里。 最后，你还可以创建一种叫做“脱节”的数据集。这就像是你在做菜时，有些食材没有完全准备好，或者有些调料你暂时没有。所以，当你把这些数据添加到食谱中时，可能会有一些字段没有映射，导致数据中有很多空值。这就像是你的菜里有些地方味道不够，但没关系，你可以以后再调整。 总的来说，使用食谱添加数据就像是在厨房里做菜，你需要选择好食材，检查它们是否合适，然后把它们混合在一起。有时候，你可能会有一些不完整的食材，但这并不妨碍你做出美味的菜肴。希望这个比喻能帮助你更好地理解如何在Salesforce中使用食谱功能来添加数据。

  ▶ 播放视频 查看详情
• 80

  Running Recipes

  第 127 页

  同学们，今天我们来聊聊跑步食谱教练的注释部分。在开始练习之前，我会先给大家演示一下如何使用这个食谱。这个演示可能包括几个步骤，比如加入一些数据（我们称之为SOC和Opps），创建一些分类（我们叫它“桶”），还有替换一些值等等。这些操作听起来可能有点复杂，但别担心，我会一步步来，确保大家都能跟上。 在正式练习之前，我会先给大家一个概述，这样你们就能对接下来要做的事情有个大致的了解。这也是一个很好的时机，如果你们有任何问题，随时可以提出来，我会一一解答。这样，等到我们真正开始练习的时候，大家就会更加自信，也能更好地掌握这些技巧。 所以，准备好了吗？我们开始吧！

  ▶ 播放视频 查看详情
• 81

  Scenario: Create a Recipe to Categorize Opportunities by Amount.

  第 128 页

  让我们一步一步来完成这个任务。首先，我们需要创建一个食谱，这个食谱会根据机会的数量和金额来对机会进行分类。同时，我们还需要过滤出那些已经完成的交易。 ### 第一步：创建食谱 1. ，打开数据准备工具，：在Salesforce中，找到数据准备工具，点击“创建新食谱”。 2. ，命名食谱，：给这个食谱起一个名字，比如“机会分类食谱”。 ### 第二步：添加数据源 1. ，选择数据集，：在“数据源”部分，选择“OpptiesActsSICsUsers”数据集。 2. ，添加过滤器，：我们需要过滤出那些已经完成的机会。点击“添加过滤器”，选择“状态”字段，然后设置条件为“等于”并输入“已完成”。 ### 第三步：添加分类字段 1. ，添加“数量”字段，：在食谱中，找到“数量”字段，点击“添加成分”。 2. ，设置“桶”，：选择“桶”功能，将数量分为几个区间。比如，你可以设置3-5为一个区间。 3. ，添加“金额”字段，：同样地，找到“金额”字段，点击“添加成分”，然后设置“桶”功能，将金额分为几个区间。 ### 第四步：确认并保存食谱 1. ，检查成分，：确保所有的字段和过滤器都正确添加。 2. ，保存食谱，：点击“保存”按钮，保存你的食谱。 ### 第五步：运行食谱 1. ，运行食谱，：在食谱页面，点击“运行”按钮，让食谱处理数据。 2. ，验证数据，：运行完成后，检查新生成的数据集，确保机会已经按照数量和金额正确分类，并且只包含已完成的机会。 ### 总结 通过以上步骤，你已经成功创建了一个食谱，这个食谱可以根据机会的数量和金额对机会进行分类，并且过滤出已经完成的交易。这样，你就可以更清晰地分析和管理你的销售机会了。 希望这个解释对你有帮助！如果有任何问题，随时问我。

  ▶ 播放视频 查看详情
• 82

  Create Another New Dataset

  第 129 页

  让我们来聊聊如何为营销团队创建一个新的数据集，这样他们就能在Einstein Analytics中跟踪那些合格的潜在客户了。 首先，我们需要明确什么是“合格的潜在客户”。通常，这些是那些对我们的产品或服务表现出浓厚兴趣，并且有可能转化为实际客户的潜在客户。营销团队希望通过分析这些潜在客户的数据，来优化他们的营销策略。 接下来，我们需要在Einstein Analytics中创建一个新的数据集。这个数据集将包含所有相关的潜在客户信息，比如他们的联系方式、互动历史、以及他们是否达到了我们设定的“合格”标准。 创建数据集的第一步是确定数据源。Salesforce中的数据通常存储在对象中，比如“潜在客户”对象。我们需要从这个对象中提取数据，并将其导入到Einstein Analytics中。 在Einstein Analytics中，我们可以使用数据流（Dataflow）来定义如何从Salesforce中提取数据，并将其加载到数据集中。数据流可以包括多个步骤，比如过滤、转换和聚合数据，以确保我们得到的数据是准确和有用的。 一旦数据流设置好了，我们就可以运行它，将数据加载到新的数据集中。这个数据集现在就可以被营销团队用来创建报告和仪表板，帮助他们更好地理解和管理合格的潜在客户。 最后，别忘了定期更新这个数据集，以确保营销团队总是能访问到最新的信息。这样，他们就能持续优化他们的营销活动，提高转化率。 希望这个解释对你有帮助！如果你有任何问题，随时问我。

  ▶ 播放视频 查看详情
• 83

  Scenario: Use the Local Connector to pull data from the Leads Object.

  第 130 页

  同学们，今天我们来学习如何使用本地连接器从Salesforce的Leads对象中拉取数据，并在我们的食谱中使用这些数据。这个过程其实很简单，我们一步一步来。 首先，我们需要创建一个到Lead对象的本地连接。这个连接就像是一座桥梁，让我们的系统能够和Salesforce的Leads对象进行沟通。创建连接的时候，我们需要确保所有的设置都是正确的，比如认证信息、API版本等，这样我们的连接才能成功建立。 接下来，我们需要同步对象。这一步是为了确保我们的系统和Salesforce中的Leads对象数据是一致的。同步完成后，我们就可以在系统中看到Salesforce中的Leads数据了。 然后，我们可以在我们的食谱中使用这些Lead数据。食谱在这里可以理解为一个数据处理流程，我们可以在这个流程中使用Lead数据来进行各种操作，比如筛选、转换、分析等。 最后，我们需要运行更新后的食谱。这一步是为了让我们的数据处理流程开始工作，使用我们刚刚同步的Lead数据。运行食谱后，我们就可以看到处理后的结果了。 总结一下，我们的目标就是创建一个到Leads对象的连接，并在食谱中使用它。通过这个过程，我们可以轻松地从Salesforce中获取Lead数据，并在我们的系统中进行各种操作。希望这个过程对你们来说既简单又有趣！

  ▶ 播放视频 查看详情
• 84

  Lesson 3: Connecting Data - 131

  第 131 页

  同学们，今天我们来聊聊Salesforce中的数据连接和数据流。听起来可能有点复杂，但别担心，我会用简单的方式来解释。 首先，，连接数据，是什么意思呢？想象一下，你有很多不同的数据来源，比如Excel表格、数据库，甚至是其他软件系统。这些数据可能分散在不同的地方，而Salesforce就像一个桥梁，帮助你把它们连接起来，让它们能够互相“对话”。 接下来是，数据映射，。这就像是你把不同语言的数据翻译成Salesforce能理解的语言。比如，你在Excel表格里有一列叫“客户姓名”，而在Salesforce里，这个字段可能叫“联系人名称”。数据映射就是告诉Salesforce：“嘿，这两个其实是一回事！” 然后我们来说说，数据流，。数据流就像是一条管道，数据从一端流进来，经过一些处理，再从另一端流出去。你可以设计这个管道，决定数据怎么流动、怎么转换。比如，你可以把数据从外部系统导入到Salesforce，或者把Salesforce的数据导出到其他地方。 ，设计数据流，就是规划这条管道的路线。你需要考虑数据从哪里来，到哪里去，中间需要做什么处理。比如，你可能需要过滤掉一些不必要的数据，或者把数据格式统一一下。 接下来是，将外部CSV数据加载到数据集中，。CSV文件是一种常见的表格文件格式，你可以把它想象成一个Excel表格。通过Salesforce，你可以把这些表格数据导入到系统中，变成数据集。数据集就是Salesforce里存储数据的地方，方便你后续使用。 ，创建数据流，就是把这些步骤组合起来，形成一个完整的流程。你可以设置数据从哪里来，怎么处理，最后到哪里去。 ，数据同步和连接器，也很重要。数据同步就是确保不同系统的数据保持一致。比如，你在Salesforce里更新了一个客户的电话号码，系统会自动把这个更新同步到其他相关的系统中。连接器则是帮助Salesforce和其他系统“握手”的工具，让它们能够顺利交换数据。 ，运行、监视和安排数据流，是最后一步。你可以手动运行数据流，也可以设置它自动运行。监视就是看看数据流有没有正常运行，有没有出错。安排则是设定数据流在什么时间、什么频率运行，比如每天凌晨自动更新数据。 ，使用数据集食谱准备数据，听起来有点奇怪，但其实很简单。数据集食谱就像是一个菜谱，告诉你如何准备数据。你可以用它来清洗数据、转换数据格式，或者合并多个数据集。 最后，，其他数据流转换，是指一些额外的数据处理步骤。比如，你可以把数据分成不同的类别，或者计算一些新的字段。 好了，今天的课程就到这里。希望你们对Salesforce中的数据连接和数据流有了更清晰的理解。如果有任何问题，随时问我！

  ▶ 播放视频 查看详情
• 85

  Additional Dataflow Transformations

  第 132 页

  让我们来聊聊这些数据流转换。首先，想象一下你手头有几个数据集，比如每个月的销售目标。你可能想要把这些数据合并成一个季度的大数据集，这样你就能一目了然地看到整个季度的销售情况。这就是第一个转换的作用——把多个数据集的记录合并到一个数据集中。 接下来，假设你有一个数据集，里面包含了客户的年龄信息。你可能想要根据这些年龄信息来创建一个新的衡量标准，比如“Inbox Value”。这个新的衡量标准可以帮助你更好地理解不同年龄段的客户行为。这就是第二个转换的作用——基于维度创建新的衡量标准。 最后，有时候你的数据集中可能有一些你不再需要的字段。比如，在机会数据集中，你可能不需要ID这个字段了。这时候，你就可以使用第三个转换——从数据集中删除选择字段。这样，你的数据集就会更加简洁，只保留你真正需要的信息。 这些转换在Deliverlow编辑器中都是可以轻松实现的。希望这些解释能帮助你更好地理解这些数据流转换的作用和用法。如果有任何疑问，随时问我哦！

  ▶ 播放视频 查看详情
• 86

  Additional Dataflow Transformations (cont.)

  第 133 页

  同学们，今天我们来聊聊Salesforce中的数据流转换。数据流转换听起来可能有点复杂，但其实它就像是我们处理数据的一种方式，帮助我们更好地管理和使用数据。 首先，我们来看一个例子：，删除记录，。假设你有一个数据集，里面有很多记录，但有些记录可能已经不再需要了。比如，你可能只想保留那些已经“关闭并获胜”的记录，其他的都可以删掉。这时候，你就可以使用数据流转换中的“删除记录”功能，把不需要的记录清理掉，让数据集更干净、更有用。 接下来是，拉平分层数据，。这个听起来有点抽象，但其实很简单。想象一下，你有一个数据集，里面的数据是分层的，比如有父角色和子角色。有时候，我们可能需要把这些分层的数据“压平”，变成一层。比如，你可能想把父角色的ID放到一个字段里，这样你就可以更方便地对数据集进行基于角色的行级安全性管理。也就是说，你可以根据不同的角色来控制谁能看到哪些数据。 再来看一个例子：，更新字段值，。有时候，我们可能需要根据另一个数据集的数据来更新当前数据集的某些字段。比如，你有一个账户数据集，里面有一些账户名称可能已经过时了。这时候，你可以用另一个数据集中的新名称来更新这些账户名称。这样，你的数据集就会始终保持最新、最准确的状态。 总结一下，数据流转换就是帮助我们更好地处理数据的工具。无论是删除不需要的记录、拉平分层数据，还是更新字段值，这些操作都能让我们的数据更整洁、更有用。如果你还想了解更多关于数据流转换的信息，可以去搜索“转换帮助”，那里会有更详细的解释和示例。 好了，今天的课程就到这里，希望你们对数据流转换有了更清晰的理解。如果有任何问题，随时问我哦！

  ▶ 播放视频 查看详情
• 87

  Project

  第 134 页

  同学们，今天我们来聊聊一个非常实用的Salesforce项目场景。这个场景是关于支持团队如何利用Salesforce的数据来更好地管理他们的工作。 首先，我们有一个名叫Courtney Brown的同事，她向Analytics Builder提出了一个需求。她希望支持团队能够有一个数据集，这个数据集要包含所有的案例和相关的客户数据。具体来说，她想要知道在不同状态下有多少案例，并且这些数据要能够按照账户的详细信息和案例的所有者来进行细分。此外，这个数据集需要每天自动更新，以确保数据的实时性。 那么，我们如何实现这个需求呢？首先，我们需要在Salesforce中创建一个数据集。这个数据集将包含案例对象和客户（账户）对象的数据。我们可以使用Salesforce的报告和仪表板功能来创建这个数据集。在创建报告时，我们需要选择案例对象，并添加我们需要的字段，比如案例状态、账户名称和案例所有者。 接下来，我们需要设置报告的过滤器，以便只显示我们感兴趣的数据。例如，我们可以设置过滤器来只显示特定状态下的案例，或者只显示特定账户的案例。 然后，我们需要确保这个数据集每天都能自动更新。在Salesforce中，我们可以设置报告的自动刷新频率，确保数据是最新的。 最后，我们可以将这个报告添加到仪表板中，这样支持团队的成员就可以轻松地查看和分析数据了。仪表板可以包含多个报告，这样团队成员就可以在一个页面上看到所有相关的信息。 总之，通过Salesforce的报告和仪表板功能，我们可以轻松地创建一个详细的数据集，帮助支持团队更好地管理他们的案例和客户数据。希望这个解释对你们有所帮助，如果你们有任何问题，随时提问哦！

  ▶ 播放视频 查看详情
• 88

  Creating Datasets

  第 135 页

  让我们来聊聊如何在Salesforce中创建数据集，以及选择哪种方法最适合你的需求。 首先，我们来看一下创建数据集的几种方法。在这个例子中，唯一不推荐的方法是使用现有的默认销售团队Deliverlow。为什么呢？因为Deliverlow的时间表与Courtney请求的时间表不一致，这会导致数据同步出现问题。 接下来，我们来讨论一下数据集构建器。数据集构建器是用来填充数据流的工具，你可以选择使用现有的数据流或者创建一个新的数据流。如果你选择使用现有的数据流，那么新创建的数据集必须遵循该数据流的时间表。如果你选择创建一个新的数据流，那么你可以为这个新数据流设置自己的时间表。在这个例子中，我们需要一个新的数据流，因为现有的数据流时间表不符合我们的需求。 然后，我们来看看Dataflow Editor。这是创建数据集时最重要的工作之一。你可以选择重复使用现有的sfdcDigest for Accountant，但这可能不是最理想的选择，因为数据同步已经打开，可能会导致数据不一致的问题。 最后，我们来谈谈食谱（Recipe）。食谱可能是创建数据集最简单的方法，但有一个需要注意的地方：如果其他用户也能够创建食谱，那么他们也将能够看到并编辑这个食谱。这可能会带来一些安全性和数据一致性的问题。 总结一下，创建数据集时，你需要考虑数据流的时间表、数据同步的状态以及食谱的可见性和可编辑性。在这个例子中，最好的选择是创建一个新的数据流，并确保它符合Courtney请求的时间表。希望这些信息对你有所帮助！

  ▶ 播放视频 查看详情
• 89

  Knowledge Check

  第 137 页

  让我们来聊聊这个问题。题目问的是关于“sfdcRegister Transform”的正确性，我们需要选择两个正确的选项。 首先，选项A说“注册的数据集计入您的存储总数”。这个是对的。当你使用sfdcRegister Transform注册一个数据集时，这个数据集会占用你的存储空间。所以，这个选项是正确的。 接下来，选项B说“它将数据集保存到您的私人应用程序”。这个不太对。sfdcRegister Transform并不是把数据集保存到私人应用程序，而是让数据集在爱因斯坦分析中可用。所以，这个选项是错误的。 然后，选项C说“它使数据集在爱因斯坦分析主页上可用，如果您有权访问它”。这个也是对的。当你注册一个数据集后，如果你有权限，你就可以在爱因斯坦分析的主页上看到并使用这个数据集。所以，这个选项是正确的。 最后，选项D说“只有当数据集包含SFDC数据时才需要它们”。这个也不对。sfdcRegister Transform不仅仅适用于包含SFDC数据的数据集，它适用于各种数据集。所以，这个选项是错误的。 综上所述，正确的答案是A和C。希望这个解释能帮助你更好地理解这个问题。如果有任何疑问，随时问我哦！

  ▶ 播放视频 查看详情
• 90

  Knowledge Check - 138

  第 138 页

  让我们来聊聊这个“Relationship”参数在增强变形中的作用。首先，想象一下你手上有两张表格，左边一张，右边一张。这两张表格之间有一些共同的信息，比如名字或者编号。这个“Relationship”参数，就像是给这两张表格之间搭了一座桥，让它们能够通过这个共同的信息连接起来。 这个参数有几个作用：首先，它定义了左边和右边表格之间的公共字段，也就是说，它告诉系统，这两张表格是通过哪个字段来连接的。其次，它还会验证这些连接字段是否正确，确保数据的一致性和准确性。 如果系统提示说“这很复杂”，那可能意味着这个连接关系比较复杂，可能需要更多的信息或者更复杂的设置来处理。这时候，可能就不太适合继续深入提问了。 最后，这个参数还会在从右边表格增加的字段前面加上一些前置信息，这样在查看数据时，就能更清楚地知道这些字段是从哪里来的。 所以，正确答案是D，它涵盖了“Relationship”参数在增强变形中的主要功能。希望这个解释能帮助你更好地理解这个概念！

  ▶ 播放视频 查看详情
• 91

  Knowledge Check - 139

  第 139 页

  让我们来聊聊“去正规化”这个概念。想象一下，你有一堆整理得井井有条的文件，每个文件都放在不同的文件夹里，这就是我们说的“规范化”。但是，有时候我们需要把这些文件合并到一起，方便查看和使用，这个过程就是“去正规化”。 具体来说，去正规化就是把原本分散在多个表或对象中的数据，合并到一个表或对象中。比如，你有一个表记录客户信息，另一个表记录订单信息。去正规化后，你可能在一个表里同时看到客户信息和他们的订单信息，这样查询起来就方便多了。 在Salesforce中，去正规化通常用于数据集成或报告生成，使得数据更易于访问和分析。所以，选项A“从多个独立（规范化）表/对象组合到一行中的数据”是正确的描述。 希望这个解释能帮助你更好地理解去正规化的概念！如果还有其他问题，随时问我哦。

  ▶ 播放视频 查看详情
• 92

  Recap

  第 140 页

  让我们来回顾一下Einstein Analytics中的几个关键概念，这样你们可以更好地理解它们是如何协同工作的。 首先，我们来看，数据集，。数据集是Einstein Analytics中的一项资产，它包含了经过处理的数据，用户可以基于这些数据创建镜头（Lenses）和仪表板（Dashboards）。简单来说，数据集就是你们用来分析和展示数据的基础。 接下来是，Dataflow，。Dataflow是Einstein Analytics中的一个文件，它包含了如何收集、转换、连接和过滤数据的指令。这些指令最终会生成数据集。Dataflow文件会按照EA管理员设定的频率自动运行，确保数据集中的数据是最新的。 然后是，数据集生成器，。数据集生成器是一个“向导”，它帮助你们创建数据集。当你们使用数据集生成器时，实际上是在向Dataflow文件中写入指令（代码）。这个过程简化了数据集的创建，因为你们不需要手动编写复杂的代码。 最后是，数据流编辑器，。数据流编辑器是Dataflow文件的视觉表示。通过这个可视化的用户界面，你们可以轻松地添加、删除或编辑Dataflow文件中的指令。这让你们能够更直观地管理和调整数据处理流程。 总结一下，数据集是你们分析的基础，Dataflow是生成数据集的指令文件，数据集生成器帮助你们创建这些指令，而数据流编辑器则提供了一个可视化的方式来管理这些指令。希望这些解释能帮助你们更好地理解Einstein Analytics中的这些关键概念。

  ▶ 播放视频 查看详情
• 93

  Recap - 141

  第 141 页

  让我们来回顾一下第141课的内容，今天我们要聊的是关于数据集创建和数据同步的一些有趣功能。 首先，我们提到了“食谱”。你可以把食谱想象成一个视觉化的工具，它帮助你更直观地创建数据集。就像你按照食谱做菜一样，食谱在这里帮助你一步步地设置和调整数据集，让整个过程更加直观和易于理解。 接下来是“数据同步”。这是一个在EA（假设是某个系统或平台）中的功能，它允许你将数据复制到EA内部并存储在那里。一旦你启用了这个功能，当数据流开始运行时，它会直接从EA内部收集数据，而不是从外部收集后再发送回EA。这样做的好处是提高了效率，减少了数据传输的复杂性。 最后，我们提到了“连接器”。连接器是数据同步功能的一部分，它允许你连接到基于Web的服务、其他Salesforce组织，甚至是你当前的组织，以便在EA中存储数据。你可以把连接器想象成一个“拉动”机制，因为它负责将数据通过连接器带入EA。这样，你就可以轻松地从不同的来源获取数据，并在EA中进行统一管理和分析。 希望这些解释能帮助你更好地理解这些概念。如果有任何疑问，随时提问哦！

  ▶ 播放视频 查看详情
• 94

  Recommended Trailhead

  第 142 页

  同学们，今天我们来聊聊如何利用Trailhead这个强大的资源来复习和提升你们的Salesforce技能。Trailhead是Salesforce提供的一个在线学习平台，里面有大量的模块和项目，可以帮助你们更深入地理解和掌握Salesforce的各种功能和技巧。 首先，我推荐你们去完成一个叫做“Wave Enable Data Integration Basics”的模块。这个模块会教你们如何将数据集成到Salesforce的Wave Analytics中，这对于数据分析来说是非常重要的一步。你们可以通过这个链接直接访问这个模块：[Wave Enable Data Integration Basics](https://trailhead.salesforce.com/modules/wave_enable_data_integration_basics)。 这个模块是作为家庭作业来完成的，所以不需要在课堂上做。你们可以在课后或者周末的时候，花点时间去完成它。这样不仅能巩固你们在课堂上学到的知识，还能让你们在实际操作中更好地理解和应用这些技能。 记住，Trailhead上的模块设计得非常友好，每个步骤都有详细的说明和指导，所以不用担心会太难。只要你们按照步骤一步步来，相信很快就能掌握这些技能。 好了，这就是今天的推荐。希望你们能好好利用Trailhead这个资源，不断提升自己的Salesforce技能。加油！

  ▶ 播放视频 查看详情