Filtrer rader og kolonner fra kildedata for bedre behandling
Viktig
Noen av funksjonene som beskrives i denne lanseringsplanen, er ikke lansert ennå. Lanseringstidslinjer kan endres, og planlagt funksjonalitet blir kanskje ikke lansert (se Microsoft-policy). Finn ut mer: Hva er nytt og planlagt
| Aktivert for | Forhåndsversjon | Tilgjengelig |
|---|---|---|
| Administratorer, utviklere, markedsførere eller analytikere, automatisk | mars 2025 | juni 2025 |
Forretningsverdi
Forbedre kvaliteten på de enhetlige kundeprofilene og innsikten ved å filtrere ut uønskede rader og unødvendige kolonner fra kildedataene direkte i Customer Insights - Data. Ved å fjerne gamle eller ufullstendige data og eliminere kolonner som ikke gir verdi, kan Customer Insights - Data opprette innsikt av høyere kvalitet på kortere tid.
Funksjonsdetaljer
En vanlig utfordring når du arbeider med kundekildedata er å håndtere uønskede rader eller kolonner, noe som øker behandlingstiden og lagringsplassen i Customer Insights - Data. Forhåndsbehandling av disse dataene kan være tid- og ressurskrevende.
Med Customer Insights - Data kan du nå bruke rad- og kolonnefiltre direkte på alle kildetabeller du inntar, noe som reduserer dataomfanget til akkurat det du trenger. Filtre brukes én gang på siden Tabeller, der kildetabeller er atskilt fra utdata. Velg koblingen for rad- eller kolonnefilter for en hvilken som helst tabell, og angi filtrene. Disse filtrerte tabellene blir deretter brukt på tvers av alle prosesser i Customer Insights - Data, inkludert forening, segmenter, tiltak, aktiviteter og prediktive modeller.
Denne funksjonen byr på flere viktige fordeler:
- Forbedret behandlingstid: Ved å fjerne uønskede rader behandler ikke systemet lenger data som ikke er nødvendige, noe som reduserer tid og ressurser.
- Strømlinjeformede datasett: Fjerning av unødvendige kolonner forbedrer behandlingstiden, spesielt med store datasett. Kolonner som ikke brukes til sammenligning eller er nødvendige i de endelige utdataene, kan nå filtreres ut før behandlingen.
- Målrettede endelige resultater: Filtrering av irrelevante data, for eksempel gamle poster eller data fra områder der du ikke opererer lenger, resulterer i et mer fokusert og relevant resultat.
Ved å bruke filtre effektivt kan du optimalisere både behandlingstid og lagring, noe som gjør resultatene mer målrettede og effektive.
