Filtrere rækker og kolonner fra kildedata til bedre behandling
Vigtigt
Nogle af de funktioner, der beskrives i denne udgivelsesplan, er ikke blevet udgivet endnu. Tidslinjerne for levering ændres muligvis, og de forventede funktioner udgives muligvis ikke (se Microsofts politik). Få mere at vide: Nyheder og planlagte tiltag
| Aktiveret for | Offentlig forhåndsversion | Generel tilgængelighed |
|---|---|---|
| Administratorer, udviklere, marketingmedarbejdere eller analytikere automatisk | nov. 2024 | febr. 2025 |
Forretningsværdi
Forbedre kvaliteten af dine samlede kundeprofiler og indsigt ved at filtrere uønskede rækker og unødvendige kolonner fra dine kildedata direkte i Customer Insights - Data. Fjernelse af gamle eller ufuldstændige data og fjernelse af kolonner, der ikke giver værdi, giver mulighed for at skabe indsigt af højere kvalitet på kortere tid Customer Insights - Data.
Funktionsdetaljer
En almindelig udfordring, når man arbejder med kundekildedata, er at håndtere uønskede rækker eller kolonner, hvilket øger behandlingstiden og lagringen i Customer Insights - Data. Forbehandling af disse data kan være tidskrævende og ressourcekrævende.
Nu tillader Customer Insights - Data, at du kan anvende række- og kolonnefiltre direkte på enhver kildetabel, du indlæser, hvilket reducerer dataomfanget til lige det, du har brug for. Filtre anvendes én gang på siden Tabeller, hvor kildetabeller er adskilt fra output. Vælg række- eller kolonnefiltersammenkæde for en tabel, og indstil filtrene. Disse filtrerede tabeller vil derefter blive brugt på tværs af alle processer i Customer Insights - Data, herunder unifikation, segmenter, målinger, aktiviteter og prædiktive modeller.
Denne funktion giver flere vigtige fordele:
- Forbedret behandlingstid: Ved at fjerne uønskede rækker behandler systemet ikke længere data, der ikke er nødvendige, hvilket reducerer tid og ressourcer.
- Strømlinede datasæt: Fjernelse af unødvendige søjler forbedrer behandlingstiden, især med store datasæt. Kolonner, der ikke bruges til at matche eller er nødvendige i det endelige output, kan nu filtreres fra før behandling.
- Målrettet endeligt output: Frafiltrering af irrelevante data, f.eks. gamle poster eller data fra områder, hvor du ikke længere driver forretning, resulterer i et mere fokuseret og relevant output.
Ved at bruge filtre effektivt kan du optimere både behandlingstid og lagring, hvilket gør dine resultater mere målrettede og effektive.
