Talend Cloud Data Preparation - Beispiele
Die in diesem Dokument beschriebenen Anwendungsfälle zeigen verschiedene Möglichkeiten der Verwendung von Talend Cloud Data Preparation, um Formatierungs- und Bereinigungsoperationen für Daten durchzuführen.
- Der Datensatz Customers (Kunden) dient als Quelle für die Datenaufbereitung Standardize (Standardisieren). Anhand dieses Datensatzes erfahren Sie, wie Sie die Namen von Bundesstaaten standardisieren, ungültige Datenelemente löschen, Telefonnummern konsolidieren, das Nummernformat sowie Datumsformate ändern oder eine Maskierungsfunktion zum Schutz der Daten verwenden können. Und nicht zuletzt wird die Funktion „Magic Fill“ zur Konvertierung von Datumsangaben in die entsprechenden Wochentage eingesetzt.
- Bei der Datenaufbereitung Build_email (E_Mail_generieren) werden die Datensätze Marketing Leads und Emails Reference (E_Mail_Referenz) verknüpft, um ausgehend von den Namen und Firmennamen der Kunden und den entsprechenden Domänenadressen die E-Mailadressen wiederherzustellen.
Zusätzlich zu diesen Datenaufbereitungen, die direkt in der Anwendung zur Verfügung stehen, können Sie weitere Datensätze herunterladen und sie zur Durchführung der folgenden Beispielaktionen verwenden:
- Auf der Grundlage des Datensatzes CRM_export.csv generieren Sie eine Datenaufbereitung, um in einer neuen Spalte alle Mobil- und Festnetznummern Ihrer Kunden zu konsolidieren und dadurch sicherzustellen, dass für jeden Kunden mindestens eine funktionierende Nummer verfügbar ist.
Weitere Informationen finden Sie unter „Konsolidieren einer Liste von Telefonnummern aus einer CRM-Lösung“.
- Die Datensätze marketing_leads.zip und emails_reference.zip können gemeinsam in derselben Datenaufbereitung über eine Lookup-Operation verwendet werden, um die Informationen zu den Domänenadressen von Unternehmen miteinander zu verbinden und dadurch die vollständigen E-Mailadressen wiederherzustellen.
Weitere Informationen finden Sie unter „Wiederherstellen der E-Mailadressen vor dem Upload in eine Marketinglösung“.
- Anhand des Datensatzes HRMS_export.xlsx lernen Sie, wie Sie Datumsformate ändern und spezifische Zeichenfolgen aus jeder beliebigen Spalte extrahieren können.
Weitere Informationen finden Sie unter „Bereinigen von Daten aus einem Personalmanagementsystem“.
- Der Datensatz customer_contact_data.csv kann durch Bereinigung der leeren und ungültigen Datenelemente und Entfernen unnötiger Leerzeichen in Textelementen verbessert werden.
Weitere Informationen finden Sie unter „Aufbereiten von Kundendaten zum Upload in eine Marketinglösung“.
- Mit dem Datensatz video_customers.xlsx folgen Sie einem Szenario, in dem Sie Filter miteinander kombinieren und „if“-Bedingungen erstellen, um die Daten einer spezifischen Kundengruppe zu isolieren.
Weitere Informationen finden Sie unter „Verwenden von Filtern zur Erstellung von „if“-Bedingungen für Kundendaten“.
- Der Datensatz car_dealership.xlsx dient als Grundlage für eine Datenaufbereitung, die die Verwendung eines regulären Ausdrucks zur Abstimmung von Daten illustriert, wenn eine Auswahl der Daten mithilfe der üblichen Filter nicht möglich ist.
Weitere Informationen finden Sie unter „Verwenden von regulären Ausdrücken und Filtern zur Erstellung von „or“-Bedingungen für Kundendaten“.
Hat diese Seite Ihnen geholfen?
Wenn Sie Probleme mit dieser Seite oder ihren Inhalten feststellen – einen Tippfehler, einen fehlenden Schritt oder einen technischen Fehler –, teilen Sie uns bitte mit, wie wir uns verbessern können!