説明
計算されたインサイトとは、SQL 式を使用してデータから定義および計算される多次元メトリックです。計算されたインサイトには、ディメンションとメジャーを含めることができます。ディメンションとは、顧客 ID、製品カテゴリ、地域など、データをグループ化またはフィルタリングするために使用されるフィールドです。メジャーとは、収益、数量、平均注文額など、計算または集計を実行するために使用されるフィールドです。計算されたインサイトは、SQL 式を編集するか、データ スペースを変更することで変更できます。ただし、コンサルタントは、計算されたインサイトを変更する際に、次の制限と考慮事項に注意する必要があります 12:
* 既存のディメンションは削除できません。SQL 式からディメンションを削除すると、計算されたインサイトの実行に失敗し、エラー メッセージが表示されます。これは、ディメンションが計算されたインサイト オブジェクトの主キーを作成するために使用されているため、削除すると既存のデータと競合が発生するためです。したがって、正解は B です。
* 新しいディメンションを追加できます。SQL式にディメンションを追加すると、計算済みインサイトが実行され、計算済みインサイトオブジェクトにそのディメンションの新しいフィールドが作成されます。ただし、ディメンションを追加しすぎると、計算済みインサイトのパフォーマンスと使いやすさに影響が出る可能性があるため、コンサルタントは注意が必要です。
* 既存のメジャーは削除できます。SQL式からメジャーを削除すると、計算インサイトが実行され、計算インサイトオブジェクトからそのメジャーのフィールドが削除されます。ただし、コンサルタントは、メジャーを削除すると、計算インサイトを使用している既存のセグメントやアクティベーションに影響が出る可能性があることに注意してください。
* 新しいメジャーを追加できます。SQL 式にメジャーを追加すると、計算済みインサイトが実行され、計算済みインサイト オブジェクトにそのメジャーの新しいフィールドが作成されます。ただし、コンサルタントはメジャーを追加しすぎないように注意する必要があります。メジャーが多すぎると、計算済みインサイトのパフォーマンスと使いやすさに影響する可能性があるためです。参照: 計算済みインサイト、データ スペースの計算済みインサイト。

セグメンテーションとアクティベーションのデザインは、まず基本から始まります。つまり、オーディエンスが誰または何を表すのか、そしてどのような属性をそれに付随させる必要があるのか​​を明確にします。製品の色と製品の種類に関する属性は、単一のコンテナにまとめます。
Data 360 のセグメンテーションとアクティベーションは、オーディエンスの粒度、関係パス、およびアクティベーション ペイロード ルールを尊重する必要があるため、この仕組みが機能します。セグメントはオーディエンスを分類できますが、実際に下流に送信される関連属性やコンタクト ポイントはアクティベーションによって決定されます。他の手法は、問題を誤ったシステムに移動させたり、不要な重複を追加したり、Data 360 オブジェクトの関係を無視したり、異なるライフサイクル ステージ向けに構築された機能に依存したりするため、不十分です。実際の実装では、これらの選択によって、脆弱なパイプライン、古いデータ、セキュリティ上のリスク、または紙面上では正しく見えるがアクティベーション時に失敗するセグメントが生成されることがよくあります。
建築家のように考えると、選択されたオプションは、Data 360がロジックを管理し、確実に再利用できる場所にロジックを配置します。これは、試験問題でよく問われるニュアンスです。プラットフォームの機能は、データに関連するだけでなく、技術レイヤーとビジネスのタイミング要件の両方に適合する必要があります。

新しくインポートされたデータがどのセグメントでもすぐに使用できる状態になっていることを確認するには、次の順序でプロセスを実行する必要があります。データストリームの更新 > ID解決 > 計算されたインサイト。理由は次のとおりです。
要件の理解
Northern Trail Outfittersは、毎日新しい顧客データをAmazon S3バケットにアップロードし、それをData Cloudに取り込んでいます。
過去30日間における顧客一人当たりの総支出額を示す、計算に基づいた分析結果が作成されます。
目標は、データがセグメント内で使用される前に、適切に更新、解決、処理されていることを確認することです。
なぜこの順番なのか？
ステップ1：データストリームを更新する
処理を開始する前に、データストリームを更新して、Amazon S3バケットから最新のデータを取り込む必要があります。
これにより、データクラウドに常に最新の顧客データが保存されることが保証されます。
ステップ2：ID解決
データストリームを更新した後、関連するレコードを統合プロファイルにマージするために、ID解決を実行する必要があります。
この手順により、顧客データが統合され、分析準備が整います。
ステップ3：計算された洞察
本人確認が完了すると、過去30日間の顧客一人当たりの総支出額を算出するための分析結果が生成されます。
これにより、得られた知見が最新かつ最も正確なデータに基づいていることが保証されます。
その他の選択肢は正しくありません。
B. データストリームの更新 > 計算されたインサイト > ID解決: 計算されたインサイトは統合プロファイルに依存するため、ID解決の前に生成することはできません。
C. 計算されたインサイト > データ ストリームの更新 > ID 解決: 計算されたインサイトには、新しいデータと解決された ID の両方が必要なので、このシーケンスは無効です。
D. ID解決 > データストリームの更新 > 計算されたインサイト: ID解決は、まずデータストリームを更新して最新のデータを取り込まなければ実行できません。
結論
正しい手順は、[データストリームの更新] > [ID解決] > [計算されたインサイト] です。これにより、データがセグメントで使用される前に適切に更新、解決、処理されることが保証されます。

統合率とは、ソースプロファイルを組み合わせて統合プロファイルを作成する割合であり、1 - (統合された個体数 / ソース個体数) として計算されます。たとえば、取り込んだ場合
100件のソースレコードから80個の統合プロファイルを作成すると、統合率は20%になります。統合率を上げるには、ソースプロファイル間のマッチング数を増やす必要があります。これは、マッチングルールを追加することで実現できます。マッチングルールは、ソースプロファイルの属性に基づいてマッチングを行うための基準を定義します。
一致ルールの数を増やすことで、ソースプロファイル間の一致を見つける可能性が高まり、統合率が向上します。一方、調整ルールの変更、追加属性の挿入、または一致ルールの数の削減は、一致の数を減らしたり、統合プロファイルの数を増やしたりする可能性があるため、統合率を低下させる可能性があります。参照：ID解決計算インサイト：統合プロファイルの統合率、ID解決ルールセット処理結果、ID解決ルールセットの構成

高可用性と耐障害性の確保：
* 高可用性とは、システムが継続的に稼働し、アクセス可能であることを指し、耐障害性とは、障害が発生した場合でも機能を継続できる能力を指します。