このシナリオでは、次の理由からパターンが最適なアプローチです。
スケーラビリティ：パターンは非常にスケーラブルで、Facebook 広告ストリームを100件、LinkedIn 広告ストリームを50件追加しても容易に対応できます。命名規則に基づいて、新しいデータストリームに自動的に適用されるパターンマッチングルールを定義できます。
柔軟性とメンテナンス性：パターンを使用すると、ロジックのメンテナンスと調整が容易になります。「マーケット」を決定するロジックは、定義済みの命名規則（例：メディア購入タイプ）に基づいているため、パターンはこれらのルールを手動で更新したり、静的なテーブルを作成したりすることなく、効果的に処理できます。
効率的な調和: パターンは定義されたルールに基づいてデータを自動的に分類するため、データの変更に応じて頻繁に更新が必要になる可能性がある VLOOKUP やマッピング数式などのアプローチと比較して、継続的な手動メンテナンスの必要性が軽減されます。
他の選択肢はないのでしょうか?
マッピング式: マッピング式は静的マッピングには適していますが、データセットが拡大したり頻繁に変更される場合には、スケーラビリティや保守性が低下します。
計算ディメンション: このオプションは単純なロジックには有効ですが、特に新しいデータ ストリームが追加された場合、大規模なデータセットでは保守性が低くなります。
VLOOKUP: この方法は手動で行う必要があり、スケーラブルではありません。新しいデータストリームごとに参照テーブルを更新する必要があり、予想されるデータの増加を考えると非効率的です。

提供されたデータと1月11日に設定された日付フィルターに基づくと、商談ファイルにはその日付の「確認済み関心」のレコードがありません。したがって、1月11日の「確認済み関心」ステージにある商談数はゼロ（0）になります。Salesforce Marketing Cloud Intelligenceでは、ピボットテーブルを作成する際に、選択したフィルターに基づいてデータが集計されます。フィルター条件を満たすレコードがない場合、そのカテゴリの結果はゼロになります。この答えは、Salesforce Marketing Cloud Intelligenceにおけるデータ分析とレポート作成のベストプラクティスによって裏付けられています。日付フィルターはデータのセグメント化と分析に使用されます。

命名規則は異なりますが、Harmonization Centerのパターンを使用することで、データの調和を図ることができます。各プラットフォームの命名規則から「市場」と「目的」の要素を抽出することで、Facebook広告、Twitter広告、Google広告のデータ全体でこれらの共通フィールドを一貫してマッピングするための3つの個別のパターンが作成されます。

不安定な測定値とは、さまざまなデータ粒度にわたって標準的な方法で集計されていないメトリックのことを指し、さまざまなディメンションや時間枠にわたってレポートするときに、一貫性のない、または予測できない結果が生じる可能性があります。
オプションCは、測定値の集計設定が手動（自動ではない）の場合のシナリオです。つまり、レポートの集計レベルに合わせて自動的に調整されません。粒度設定が「なし」の場合、指標が特定の粒度に縛られず、不安定になる可能性があります。その結果、様々な詳細レベルで分析を行った際に、データの不整合や誤った解釈が生じる可能性があります。

Salesforce Marketing Cloud Intelligence の上位エンティティは、複数のデータストリームにまたがる高度なデータ整理を実現するために設計されています。上位エンティティの主なポイントは以下のとおりです。
B . リレーションシップの種類: 上位エンティティは、メイン エンティティと多対多または 1 対多のリレーションシップを持つことができます。これにより、データの性質と、データの分析およびレポートの方法に基づいて、柔軟なデータ モデリングとリレーションシップの定義が可能になります。
C. メインエンティティとしての役割：特定の状況ではメインエンティティとして機能し、データ分析の視点を変えることができます。これは、ビジネス要件により合致した異なる次元からデータを見る必要がある場合に特に役立ちます。
E . ストレージ レベル: これらのエンティティの値は、単一のデータ ストリームに関連付けられておらず、ワークスペース レベルで維持されるため、さまざまなデータセット間で一貫して適用できます。これは、データの整合性を維持し、分類が均一に適用されることを保証するために重要です。