דלגו לתוכן
HPI — High Tech Professions Institute

Data Cloud ואיחוד נתונים

תמונת לקוח אחת — בלי להעתיק את כל הארגון ל-CRM.

תכנון שכבת נתונים מאוחדת: איחוד זהויות, הרמוניזציה, גישה למידע ממערכות חיצוניות והזנת תהליכים, דוחות ו-Agentforce ממקור נשלט.

מפת יכולות

מה נכלל ובאיזה סדר

המפה מציגה את שכבות העבודה בשירות זה, מהתשתית ועד היכולות שהמשתמשים רואים.

Data Cloud — Capability Map

  1. איחוד זהויות

    כללי התאמה, מפתחות ופתרון קונפליקטים בין מקורות.

  2. הרמוניזציה

    נרמול שדות וערכים כדי שאפשר יהיה להשוות ביניהם.

  3. גישה למידע חיצוני

    צפייה בנתון ממערכת מרוחקת במקום העתקה מיותרת.

  4. פילוחים וקהלים

    בניית קהלים על בסיס מאוחד לשימוש בשיווק ובשירות.

  5. הזנת תהליכים

    הפעלת אוטומציה, התראה או משימה על בסיס אירוע בנתונים.

  6. ממשל ואיכות

    בעלות, מדדי איכות ומעקב אחר סטיות.

כל שכבה נשענת על זו שמעליה. דילוג על שכבה מוקדמת הוא הסיבה השכיחה ביותר לעבודה חוזרת בהמשך.

הרקע

מה באמת מכריע כאן

איחוד נתונים אינו פרויקט טכני אלא סדרת הכרעות: מהי ישות הלקוח, אילו מזהים קובעים התאמה, ומה עושים בקונפליקט בין מקורות.

לא כל נתון צריך לעבור ל-CRM. חלק נכון יותר לצפות ממקום מרוחק, וחלק נכון להביא רק בצורה מסוכמת. ההחלטה הזאת קובעת גם ביצועים וגם עלות.

Data Cloud הופך משמעותי במיוחד לפני AI: סוכן שמסתמך על מידע לא מאוחד ייתן תשובות שנשמעות סבירות ואינן נכונות.

תחומי עבודה

מה אנחנו עושים בפועל

איחוד זהויות

כללי התאמה, מפתחות ופתרון קונפליקטים בין מקורות.

הרמוניזציה

נרמול שדות וערכים כדי שאפשר יהיה להשוות ביניהם.

גישה למידע חיצוני

צפייה בנתון ממערכת מרוחקת במקום העתקה מיותרת.

פילוחים וקהלים

בניית קהלים על בסיס מאוחד לשימוש בשיווק ובשירות.

הזנת תהליכים

הפעלת אוטומציה, התראה או משימה על בסיס אירוע בנתונים.

ממשל ואיכות

בעלות, מדדי איכות ומעקב אחר סטיות.

מטריצת החלטה

ההחלטות שקובעות את התוצאה

העתקה מול צפייה

אפשרות א
העתקת הנתון ל-CRM
אפשרות ב
גישה למקור המרוחק
מה מכריע
תדירות השימוש ורגישות לביצועים

מפתח איחוד

אפשרות א
מזהה טכני
אפשרות ב
מפתח עסקי מורכב
מה מכריע
אמינות המזהים בכל מקור

טיפול בקונפליקט

אפשרות א
המקור העדכני מנצח
אפשרות ב
היררכיית מקורות מוגדרת
מה מכריע
האם קיים מקור אמת מוסכם

היקף ראשון

אפשרות א
ישות לקוח בלבד
אפשרות ב
לקוח ועסקאות
מה מכריע
הבשלות של המקורות

אופן העבודה

שלבי הביצוע

  1. 01

    מיפוי מקורות

    אילו מערכות מחזיקות אילו ישויות.

  2. 02

    הגדרת ישות מאוחדת

    שדות, מפתחות וכללי התאמה.

  3. 03

    הרמוניזציה

    נרמול ערכים ופורמטים.

  4. 04

    בדיקת התאמה

    מדידת שיעור התאמות שגויות והחמצות.

  5. 05

    הזנת צריכה

    חיבור לדוחות, תהליכים ו-Agentforce.

  6. 06

    ממשל שוטף

    מדדי איכות ובעלות מוגדרת.

שאלות נפוצות

שאלות שחוזרות

מתי Data Cloud מוצדק?
כאשר זהות הלקוח מפוזרת בין מספר מערכות ואי אפשר לענות על שאלות בסיסיות בלי לאחד ידנית. אם יש מקור אמת אחד ברור, פתרון פשוט יותר יספיק.
האם זה מחליף Data Warehouse?
לא. מחסן נתונים מיועד לניתוח היסטורי רחב, ואילו שכבת נתוני לקוח מיועדת להפעלה תפעולית בזמן קרוב לאמת. בארגונים רבים שניהם מתקיימים במקביל ומשלימים זה את זה.
מה הקשר ל-Agentforce?
סוכן יכול להיות מדויק רק כשהמידע שמאחוריו מאוחד ונשלט. איחוד נתונים הוא לרוב תנאי מקדים אמיתי לשימוש עסקי ב-AI, לא שיפור אופציונלי.
כמה זמן לוקח איחוד זהויות?
הזמן נקבע לפי איכות המזהים במקורות. כאשר קיימים מזהים עסקיים אמינים התהליך קצר; כאשר ההתאמה מתבססת על שם וכתובת נדרש סבב כיול ארוך יותר.

השלב הבא

תכנון שכבת נתונים מאוחדת

נבחן את המקורות ואת איכות המזהים — ונגדיר מסלול איחוד ריאלי.