説明
アイデンティティ照合は、データクラウドが複数のデータソースから個人に関するデータを照合し、単一の統合プロファイルに統合する機能です。アイデンティティ照合では、ルールセットを使用して、名前、メールアドレス、電話番号、当事者IDなどの共通属性に基づいて、ソースプロファイルの照合と統合方法を定義します。アイデンティティ照合により、データクラウドは、異なるデータソースやシステムにわたって各顧客の360度ビューを作成できます12。他のオプションは、以下の理由により、この顧客ニーズに最適な機能ではありません。
* A. データクレンジングとは、重複、欠損値、無効な形式など、データ内のエラーや不整合を検出し、修正するプロセスです。データクレンジングはデータの品質と精度を向上させますが、異なるデータソース間のデータの照合や調整を行うものではありません3。
* B. ハーモナイゼーションとは、異なるデータソースから取得したデータを標準化し、共通の形式と構造に変換するプロセスです。ハーモナイゼーションによってデータの統合と相互運用性は実現できますが、異なるデータソース間でデータの整合性や調整を行うことはできません4。
* C. データ統合とは、異なるソースからのデータを単一のデータセットまたはシステムに統合するプロセスです。データ統合によってデータの冗長性と複雑さを軽減できますが、異なるデータソース間のデータのマッチングや調整は行いません5。参考文献：1: Data and Identity in Data Cloud | Salesforce Trailhead、2: Data Cloud Identiy Resolution | Salesforce AI Research、3: [データクレンジング - Salesforce]、4: [Harmonization - Salesforce]、5: [データ統合 - Salesforce]

Data Cloud では、セグメントメンバーシップデータモデルオブジェクトを使用して、個人のセグメントメンバーシップ履歴を分析できます。このオブジェクトには、個人がセグメントに参加または離脱した時期に関する情報が保存されており、レポートやダッシュボードを作成してセグメントのパフォーマンスを時系列で追跡できます。Cumulus Financial はこのオブジェクトを使用して、過去 2 年以内にセグメントに所属していた個人をフィルタリングし、他の指標と比較することができます。
その他のオプションは、この分析を可能にするData Cloudコンポーネントではありません。セグメント除外は、別のセグメントに基づいてセグメントから個人を除外できる機能です。ネストされたセグメントは、論理演算子を使用して他のセグメントから作成されたセグメントです。計算されたインサイトは、既存のデータから数式を使用して作成された派生属性です。
参照：
セグメントメンバーシップデータモデルオブジェクト
データクラウドレポートとダッシュボード
データクラウドでセグメントを作成する

* データストリームのカテゴリ:
プロファイル データ: 顧客プロファイルと人口統計情報。
連絡先データ: 電子メールや電話番号などの連絡先。
その他のデータ: 他のカテゴリに当てはまらないさまざまなデータ。
エンゲージメント データ: インタラクションと行動のデータ。
参照：
* 従業員データの取り込み:
従業員データは通常、顧客データ用のプロファイル、連絡先、エンゲージメントのカテゴリには当てはまりません。
「その他のデータ」は、従業員情報など、顧客固有ではないデータに適しています。
* 従業員データを取り込む手順:
Salesforce Data Cloud のデータ取り込み設定に移動します。
「新しいデータ ストリームの作成」を選択し、「その他のデータ」カテゴリを選択します。
HR データベースのフィールドを Data Cloud の対応するフィールドにマップします。
* 実用的な応用:
例: 企業は従業員データを取り込んで、社内コミュニケーションをセグメント化したり、従業員の指標を分析したりします。
「その他のデータ」カテゴリを選択すると、顧客以外のデータが正しく管理および利用されるようになります。

顧客生涯価値（CLV）に基づいてユーザーセグメントを作成するには、コンサルタントが「データの取り込み」>「データモデルへのデータのマッピング」>「計算されたインサイトの作成」>「セグメンテーションでの使用」という手順に従う必要があります。これは、最初のステップでデータストリーム1を使用してソースデータをData Cloudに取り込むためです。2番目のステップでは、ソースデータをデータモデルにマッピングし、データの構造と属性を定義します2。3番目のステップでは、計算されたインサイトを作成します。これは、ソースデータまたは統合データに基づいて計算される派生属性です3。この場合、計算されたインサイトはCLVであり、販売注文データ4に基づく数式またはクエリを使用して計算できます。4番目のステップでは、計算されたインサイトをセグメンテーションで使用します。セグメンテーションとは、個人またはエンティティの属性と行動に基づいてグループを作成するプロセスです。CLV計算されたインサイトを使用することで、コンサルタントはブランドとの関係の存続期間から予測される収益に基づいてユーザーをセグメント化できます。その他のオプションは、要件を満たすための正しい手順に従っていないため、正しくありません。選択肢Bは不正解です。計算されたインサイトはデータモデルオブジェクト3に依存するため、データの取り込みとマッピング前には作成できません。選択肢Cは不正解です。計算されたインサイトはデータモデルオブジェクト3に依存するため、データのマッピング前には作成できません。選択肢Dは不正解です。計算されたインサイトは正しいデータモデル構造と属性3を反映していない可能性があるため、データのマッピング前に作成することは推奨されません。参考資料：データストリームの概要、データモデルオブジェクトの概要、計算されたインサイトの概要、Salesforceを使用した顧客生涯価値（CLV）の計算、[セグメンテーションの概要]

説明
数式フィールドとは、他のフィールドまたは定数に基づいて値を計算するフィールドです。S3 コネクタを使用して Amazon S3 バケットからデータを取り込む場合、Data Cloud は、S3 ソースのデータを格納するデータレイクオブジェクト (DLO) 上の数式フィールドの作成と更新をサポートします。ただし、数式フィールドの更新はすぐには適用されず、データストリームの次回の増分アップサート更新時に適用されます。増分アップサート更新とは、主キーフィールドに基づいて、S3 ソースから DLO に新しいレコードを追加し、既存のレコードを更新するプロセスです。したがって、コンサルタントは、数式フィールドの更新は新しいレコードと既存のレコードの両方に影響しますが、データストリームの次回の増分アップサート更新後にのみ適用されることを念頭に置く必要があります。Data Cloud は S3 からのデータの完全更新を開始せず、新しいレコードに対してのみ数式を更新せず、アップサートタイプのデータストリームに対する数式フィールドの更新をサポートしているため、他のオプションは正しくありません。参考資料: 数式フィールドの作成、Amazon S3 接続、Data Lake オブジェクト