创建数据集

概述

您可以创建并管理自定义数据集，用于存储和分析特定业务场景下的数据。无论是客户信息、交易记录还是行为数据，您都可以灵活定义字段结构，并通过多种方式接入数据，快速构建高质量的数据基础。

前提条件

有权限登录进入客悦ONE客户洞察。

操作步骤

1、登录进入客悦ONE客户洞察，点击【数据集管理】，在数据集管理下可看到系统预置的数据集。

2、点击【+新建数据集】，弹出新建数据集页面。

3、填写基本信息：填写数据集中英文名称、数据类型及数据集描述。

数据类型

• 事实数据：

  • 事实数据表，是数据仓库中的核心表，用于存储大量的业务数据，如行为表、订单表、交易表，这些数据是可以被汇总和记录的。事实表通常包含大量的行，并且体积远大于其他表。
  • 如需基于idmaping结果串联使用该数据集，可以将该数据集加入到oneid生成任务中。

• 维度数据：

  • 维度表是与事实表相对应的表，用于存储与数据中心的各个业务领域相关的维度信息，如用户表、商品表，日期表等，维度表保存了维度的属性值，可以与事实表做关联。

储存引擎

• Doris：适合存储结构化数据
• ElasticSearch：适合存储文本类数据，选择es后该数据集不参与和其他Doris数据集的关联。

4、数据字段配置：您可自定义添加字段，也可使用「AI生产字段」。添加字段后，可通过鼠标拖拽灵活调整字段排序。 方法一：点击【添加字段】：输入字段中英文名称、数据类型、字段描述等信息。

方法二：点击【AI生产字段】：输入对数据集对描述，便于AI根据实际业务场景快速而全面的抽取字段。

数据字段配置下包含的字段信息如下：

字段支持的数据类型

• 数字类：int、tinyint (主要用于枚举类型)、bigint （大数id）
• 文本类：varchar(255) （主要用于短文本类）、text （长文本）
• 时间类：datetime
• 其他：json (嵌套结构数据体)

字段标记 通过为数据项添加标签，提高数据的可查找性、分类管理能力，优化搜索过滤功能，有助于您进行数据分析和挖掘。系统根据不同字段设置对应字段标记，一共包含7种标记：

• 无（默认）
• 唯一id：用于唯一标识表中的每一行记录。
• 事件（维度表无该选项）：在事实表中标识行为动作的字段，用于判断不同表中行为的识别。
• 度量（维度表无该选项，且为数字类型字段）：度量字段具有可加性，即可以在不同的维度上进行聚合计算，如求和、平均值等，是数据分析的重要基础。
• id字段：标识id类的字段。
• 敏感：‌字段加密，md5/sha256加密。
• 分区：根据该字段的值将数据存储在不同的分区中。每个分区都可以独立地进行查询、加载和删除操作，提高数据管理的效率和性能。

是否作为筛选条件 当您需要从一个数据集中筛选出满足特定条件的用户时，可选择一个或多个字段作为筛选条件，您可在此设置该字段是否要作为筛选条件。

5、点击【高级配置】，可定义字段的取值范围或枚举值。如对于city（城市）、tags（标签）等字段，用户可根据实际需求选择文本类或枚举类作为取值方式：

• 文本类：选用文本类时，字段的取值范围不受限制，可以包含任意文本信息，适用于取值不可预知或不可穷尽的场景。
• 枚举类：若选择枚举类，字段的取值将限定于系统预先设置的枚举值范围内。但用户具备对这些枚举值进行修改、添加或删除的权限，且枚举项的key支持中文输入。适用于取值范围明确且可穷尽的情况。

若字段类型为“枚举值”，点击「AI生成枚举值」后，抽取的结果会覆盖现有的key值、value值。

系统默认勾选「数据记录中该字段显示为value值」，方便您在数据查询或导出时直观查看数据。例如，如果字段是“性别”，勾选后可能直接显示“男”或“女”，而不是显示“1”或“0”这样的代码。