이 페이지는 무료 시험 덤프 자료 [ http://exams.dumpsmaterials.com ]에서 가져온 것입니다. 내보내기 날짜:Thu Dec 5 2:06:31 2024 / +0000 GMT ___________________________________________________ 제목: [2024년 5월 신규 출시] Salesforce 데이터 클라우드 인증을 위한 데이터 클라우드-컨설턴트 덤프 [Q30-Q52] --------------------------------------------------- [2024 년 5 월 새로 출시] Data-Cloud-Consultant 덤프 for Salesforce Data Cloud 인증 업데이트된 검증된 Data-Cloud-Consultant 덤프 Q&A - 100% 합격 Salesforce Data-Cloud-Consultant 시험 강의 계획서 주제: 주제내용주제 1데이터 클라우드의 기능, 주요 용어 및 비즈니스 가치 설명 활성화 및 기본 사용 사례 정의 주제 2세분화 및 사용 사례의 기본 개념 정의 데이터 탐색기, 프로필 탐색기 및 API를 사용하여 데이터 진단 및 탐색 주제 3데이터 클라우드의 일반적인 사용 사례 식별 사용 가능한 데이터 스트림 유형 및 데이터 번들 설명 및 구성 주제 4데이터 클라우드 내의 다양한 변환 기능 식별 사용 가능한 도구를 사용하여 수집 및 모델링 된 데이터 검사 및 유효성 검사 NO.30 컨설턴트가 12시간마다 게시하도록 설정된 활성화가 있지만 활성화 전에 데이터 업데이트가 최대 24시간까지 지연되는 것을 발견했습니다.이 문제를 해결하기 위해 컨설턴트가 검토해야 하는 영역은 다음 중 두 가지입니다(정답 2 개 선택). 데이터 변환을 검토하여 계산된 인사이트 후에 실행되는지 확인합니다. 계산된 인사이트를 검토하여 세그먼트가 새로 고쳐지기 전에 실행되는지 확인합니다. 세그먼트를 검토하여 데이터가 수집된 후에 새로 고쳐지는지 확인합니다. 계산된 인사이트를 검토하여 세그먼트가 새로 고쳐진 후에 실행되는지 확인합니다. 계산된 인사이트와 세그먼트는 모두 데이터 수집 프로세스에 따라 달라지므로 정답은 B와 C입니다. 계산된 인사이트는 데이터 모델 개체에서 파생되며 세그먼트는 특정 기준을 충족하는 데이터 모델 개체의 하위 집합입니다. 따라서 최신 변경 사항을 반영하려면 데이터를 수집한 후 둘 다 업데이트해야 합니다. 데이터 변환은 데이터 모델 개체에 매핑되기 전에 데이터 스트림에 적용할 수 있는 선택적 단계이므로 이 문제와 관련이 없습니다. 계산된 인사이트를 검토하여 세그먼트가 새로 고쳐진 후에 실행되는지 확인하는 것(옵션 D)도 계산된 인사이트는 세그먼트와 독립적이며 세그먼트 이후에 새로 고칠 필요가 없으므로 올바르지 않습니다. 참조: Salesforce Data Cloud 컨설턴트 시험 가이드, 데이터 수집 및 모델링, 계산된 인사이트, 세그먼트NO.31 Northern Trail Outfitters는 마케팅 클라우드 스타터 데이터 번들을 사용하여 마케팅 클라우드 데이터를 데이터 클라우드로 가져옵니다.마케팅 클라우드 스타터 데이터 번들에서 사용 가능한 데이터 집합 중 두 가지는 무엇입니까? 답 2개를 선택하십시오. 개인화 MobileConnect 로열티 관리 모바일푸시 설명 마케팅 클라우드 스타터 데이터 번들은 마케팅 클라우드에서 데이터 클라우드로 데이터를 쉽게 수집할 수 있도록 미리 정의된 데이터 번들입니다1. 마케팅 클라우드 스타터 데이터 번들에서 사용 가능한 데이터 세트는 이메일, 모바일 커넥트, 모바일 푸시2입니다. 이러한 데이터 세트에는 이메일, SMS, 푸시 알림2과 같은 다양한 마케팅 클라우드 채널의 참여 이벤트와 지표가 포함되어 있습니다. 이러한 데이터 세트를 사용하면 마케팅 클라우드 데이터로 데이터 클라우드 데이터 모델을 보강하고 마케팅 캠페인 및 여정을 기반으로 세그먼트 및 활성화를 만들 수 있습니다1. 다른 옵션은 마케팅 클라우드 스타터 데이터 번들에서 사용할 수 있는 데이터 세트가 아니므로 올바르지 않습니다. 개인화는 데이터 세트가 아니라 콘텐츠와 메시지를 대상에 맞게 조정할 수 있는 마케팅 클라우드의 기능이기 때문에 옵션 A는 올바르지 않습니다3. 로열티 관리는 데이터 세트가 아니라 고객을 위한 로열티 프로그램을 생성하고 관리할 수 있는 마케팅 클라우드의 제품이기 때문에 옵션 C는 올바르지 않습니다4. 참조: 마케팅 클라우드의 마케팅 클라우드 스타터 데이터 번들, 데이터 소스 연결, 마케팅 클라우드의 개인화, 마케팅 클라우드의 로열티 관리NO.32 다음 중 데이터 클라우드의 웹 및 모바일 애플리케이션 커넥터에 대한 설명은 어느 것이 맞습니까? 이벤트, 프로필 및 트랜잭션 데이터를 포함하는 표준 스키마는 커넥터가 구성될 때 생성됩니다. 테넌트별 엔드포인트는 커넥터를 설정할 때 Data Cloud에서 자동으로 생성됩니다. 커넥터와 연결된 모든 데이터 스트림은 Data Cloud 설정에서 앱을 삭제하면 자동으로 삭제됩니다. 커넥터 스키마를 업데이트하여 기존 필드를 삭제할 수 있습니다. 설명 웹 및 모바일 애플리케이션 커넥터를 사용하면 웹사이트와 모바일 앱의 데이터를 Data Cloud로 수집할 수 있습니다. 이 커넥터를 사용하려면 Data Cloud에서 TSE(테넌트별 엔드포인트)를 설정해야 하는데, 이는 Data Cloud 조직을 식별하는 고유 URL입니다. TSE는 Data Cloud 설정에서 커넥터 앱을 만들 때 자동으로 생성됩니다. 그런 다음 TSE를 사용하여 웹사이트 및 모바일 앱용 SDK를 구성할 수 있으며, 이 앱은 TSE를 통해 데이터를 DataCloud로 전송합니다. 참조: 웹 및 모바일 애플리케이션 커넥터, 웹사이트 및 모바일 앱 연결, 웹 또는 모바일 앱 데이터 스트림 만들기NO.33 Data Cloud 고객은 일치 정확도를 높이기 위해 신원 확인 규칙을 조정하려고 합니다. 이메일 주소로 일치하는 대신 CRM 연락처를 마케팅 연락처와 결합하는 규칙을 검토하려고 하는데, 둘 다 CRM ID를 기본 키로 사용합니다.이 새로운 사용 사례를 해결하기 위해 컨설턴트가 취해야 할 두 단계는 다음 중 2가지를 선택하세요. 두 시스템의 기본 키를 CRM ID를 둘 다의 식별 이름으로 사용하여 당사자 식별에 매핑합니다. 두 시스템의 기본 키를 당사자 식별에 매핑하여 CRM에서 오는 개인에 대한 식별 이름으로 CRM ID를 사용하고 마케팅 플랫폼에서 오는 개인에 대한 식별 이름으로 마케팅 ID를 사용합니다. 개인 ID 속성에서 정확히 일치하는 사용자 지정 매칭 규칙을 만듭니다. CRM ID를 당사자 식별 이름으로 일치하는 당사자 식별을 기반으로 하는 매칭 규칙을 만듭니다. 설명이 새로운 사용 사례를 해결하려면 컨설턴트가 두 시스템의 기본 키를 CRM ID를 두 시스템의 식별 이름으로 사용하여 당사자 식별에 매핑하고 CRM ID에서 일치하는 당사자 식별에 기반한 일치 규칙을 당사자 식별 이름으로 만들어야 합니다. 이렇게 하면 컨설턴트는 각 개인의 고유 식별자인 CRM ID를 기준으로 CRM 연락처와 마케팅 연락처가 일치하는지 확인할 수 있습니다. 당사자 식별을 사용함으로써 컨설턴트는 여러 법인 및 소스에서 일치시킬 수 있고 동일한 개인에 대해 여러 값을 처리할 수 있는 등 이 속성의 이점을 활용할 수도 있습니다. 다른 옵션은 CRM ID를 기본 키로 사용하지 않거나 당사자 식별을 속성 유형으로 사용하지 않기 때문에 올바르지 않습니다. 참조: 신원 확인 규칙 집합 구성, 신원 확인 일치 규칙, 데이터 클라우드 신원 확인 규칙 집합, 데이터 클라우드 신원 확인 구성 입력 NO.34 컨설턴트가 트랜잭션 데이터로 데이터 스트림을 설정하는 경우 구매 주문 번호의 선행 소문자가 보존되도록 하려면 어떤 필드 유형을 선택해야 하나요? 텍스트 숫자 Decimal Serial 구매 주문 번호의 선행 0이 보존되도록 하려면 텍스트 필드 유형을 선택해야 합니다. 텍스트 필드는 영숫자 문자를 문자열로 저장하고 선행 또는 후행 문자를 제거하지 않기 때문입니다. 반면 숫자, 십진수 및 일련 번호 필드는 숫자 값을 숫자로 저장하고 데이터를 표시하거나 내보낼 때 선행 0을 자동으로 제거합니다123. 따라서 텍스트 필드는 구매 주문 번호, 우편 번호, 전화번호 등과 같이 원래 형식을 유지해야 하는 데이터를 저장하는 데 더 적합합니다. 참고 사항: * 필드 시작 부분의 0은 데이터 내보내기에서 생략* CSV 파일을 가져올 때 첫 번째 '0'을 유지* 0으로 시작하거나 더하기 기호가 포함된 주소 필드 가져오기 및 내보내기NO.35 NTD(Northern Trail Outfitters)는 통합된 개인에 대한 컴퓨터 효율성, 빈도, 화폐 {RFM) 점수를 계산된 인사이트를 생성합니다. 그런 다음 NTO는 이러한 점수를 기반으로 세그먼트를 생성하여 마케팅 클라우드 활성화 대상에 활성화합니다.활성화를 구성할 때 필요한 두 가지 작업은 다음 중 2개를 선택하세요. 추가 속성을 추가합니다. 세그먼트를 선택합니다. 접점을 선택합니다. 활성화에 계산된 인사이트를 추가합니다. 설명마케팅 클라우드 활성화 대상에 대한 활성화를 구성하려면 세그먼트를 선택하고 연락처 지점을 선택해야 합니다. 세그먼트를 선택하면 활성화할 통합 개인을 지정할 수 있으며, 연락처 지점을 선택하면 세그먼트의 속성을 Marketing Cloud 데이터 확장의 필드에 매핑할 수 있습니다. 이러한 속성은 이미 세그먼트 정의의 일부이므로 활성화에서 추가 속성을 추가하거나 계산된 인사이트를 추가할 필요가 없습니다. 참조: 마케팅 클라우드 활성화 대상 만들기, 데이터 클라우드의 데이터 대상 유형NO.36 데이터 스트림이 삭제되지 않도록 하는 두 가지 종속성은 무엇입니까? 2가지 정답을 선택하세요. 기본 데이터 레이크 개체가 활성화에 사용됩니다. 기초 데이터 레이크 개체가 데이터 변환에 사용됩니다. 기초 데이터 레이크 개체가 데이터 모델 개체에 매핑됩니다. 기초 데이터 레이크 개체가 세분화에 사용됩니다. Data Cloud에서 데이터 스트림을 삭제하려면 기초 데이터 레이크 개체(DLO)에 다른 개체 또는 프로세스에 대한 종속성이나 참조가 없어야 합니다. 다음 두 가지 종속성으로 인해 데이터 스트림이 삭제되지 않습니다.1:* 데이터 변환: 수집된 데이터를 데이터 모델을 위한 표준화된 형식과 구조로 변환하는 프로세스입니다. 데이터 변환은 하나 이상의 DLO를 입력 또는 출력으로 사용할 수 있습니다. 데이터 변환에 DLO가 사용된 경우 데이터 변환을 제거하거나 수정하기 전까지는 삭제할 수 없습니다.2.* 데이터 모델 개체: 데이터 모델에서 엔티티 또는 관계 유형을 나타내는 객체입니다. 데이터 모델 개체를 하나 이상의 DLO에 매핑하여 해당 속성 및 값을 정의할 수 있습니다. DLO가 데이터 모델 개체에 매핑된 경우 매핑을 제거하거나 변경할 때까지 삭제할 수 없습니다.3.참조:* 1: Salesforce 도움말의 데이터 스트림 문서 삭제* 2: Trailhead의 [데이터 클라우드의 데이터 변환] 단원* 3: Trailhead의 [데이터 클라우드의 데이터 모델] 단원NO.37 고객이 중단된 탐색 동작에 대한 여정을 트리거하기 위한 요구 사항을 설명해 주었습니다. 컨설턴트는 요구 사항에 따라 스트리밍 인사이트를 사용하여 매 시간마다 여정 빌더에 데이터 액션을 트리거하기로 결정했습니다. 컨설턴트는 필요한 주기로 데이터 액션이 트리거되도록 솔루션을 어떻게 구성해야 하나요? 활성화 일정을 매시간으로 설정합니다. 데이터를 매시간 일괄적으로 수집하도록 구성합니다. 여정 입력 일정을 매시간 실행되도록 설정합니다. 인사이트 집계 시간 창을 1시간으로 설정합니다. 스트리밍 인사이트는 실시간 참여 이벤트에서 계산되며, 미리 설정된 규칙에 따라 데이터 작업을 트리거하는 데 사용할 수 있습니다. 데이터 작업은 데이터 클라우드에서 여정 빌더와 같은 다른 시스템으로 데이터를 전송하는 워크플로우입니다. 데이터 작업이 매 시간마다 트리거되도록 하려면 컨설턴트는 인사이트 집계 시간 창을 1시간으로 설정해야 합니다. 즉, 스트리밍 인사이트가 지난 1시간 이내에 발생한 이벤트를 평가하고 조건이 충족되면 데이터 작업을 실행합니다. 다른 옵션은 스트리밍 인사이트 및 데이터 작업과 관련이 없습니다. 참조: 스트리밍 인사이트 및 데이터 작업 제한 및 동작, 스트리밍 인사이트, 스트리밍 인사이트 및 데이터 작업 사용 사례, 데이터 클라우드에서 인사이트 사용, 최신 마케팅 클라우드 릴리스로 캠페인을 향상시킬 수 있는 6가지 방법NO.38 고객이 최근 통합율이 증가한 것을 발견했습니다. 고객이 컨설턴트에게 연락하여 그 이유를 묻습니다.이 증가에 대한 두 가지 가능한 설명은 무엇입니까? 답 2개를 선택하세요. 기존 프로필과 대부분 겹치는 새로운 데이터 소스가 Data Cloud에 추가되었습니다. 소스 시스템 데이터 스트림에서 중복이 제거되었습니다. 일치하는 프로필의 수를 줄이기 위해 신원 확인 규칙이 제거되었습니다. 일치하는 프로필 수를 늘리기 위해 규칙 세트에 신원 확인 규칙이 추가되었습니다. 통합률은 소스 프로필을 결합하여 Data Cloud에서 통합 프로필을 생성하는 양을 측정하는 메트릭으로, 1 - (통합 프로필 수 / 소스 프로필 수)로 계산됩니다. 통합률이 높을수록 더 많은 소스 프로필이 일치되어 더 적은 수의 통합 프로필로 병합되고, 통합률이 낮을수록 더 적은 수의 소스 프로필이 일치되어 더 많은 수의 통합 프로필이 생성됩니다. 최근 고객의 통합 비율이 증가한 이유는 두 가지로 설명할 수 있습니다. * 기존 프로필과 대부분 겹치는 새 데이터 소스가 Data Cloud에 추가되었습니다. 즉, 새 데이터 소스에는 기존 데이터 소스의 프로필과 유사하거나 동일한 프로필이 많이 포함되어 있습니다. 예를 들어, 고객이 기존 CRM 시스템과 동일한 고객 레코드가 있는 새 CRM 시스템을 추가하는 경우, 새 데이터 소스는 기존 데이터 소스와 겹치게 되며, Data Cloud는 새 데이터 소스를 수집할 때 ID 확인 규칙 집합을 사용하여 겹치는 프로필을 일치시키고 통합 프로필로 병합하여 통합률을 높입니다.* 일치하는 프로필의 수를 늘리기 위해 규칙 집합에 ID 확인 규칙이 추가되었습니다. 즉, 고객이 더 많은 일치 규칙 또는 더 많은 프로필을 동일한 개인에 속하는 것으로 식별할 수 있는 일치 기준을 포함하도록 신원 확인 규칙 집합을 수정했음을 의미합니다. 예를 들어 고객이 이메일 주소 대신 이메일 주소와 전화번호를 기준으로 프로필을 일치시키는 일치 규칙을 추가하면 규칙 세트가 동일한 이메일 주소와 전화번호를 가진 더 많은 프로필을 일치시킬 수 있으므로 통합률이 높아집니다: 신원 확인 계산된 인사이트: 통합 프로필의 통합 비율, ID 확인 규칙 세트 구성NO.39 고객에게는 서로 다른 시간대에 근무하는 세그먼트 대상을 만드는 여러 팀원이 있습니다. 한 팀원은 조직 표준 시간대 설정과 일치하는 태평양 표준 시간대의 본사에서 근무하고 다른 팀원은 동부 표준 시간대에서 원격으로 근무하는데, 어떤 사용자가 세그먼트 및 활성화 일정 영역에서 자신의 표준 시간대를 볼 수 있을까요? 태평양 표준 시간대에 있는 팀원입니다. 동부 표준 시간대에 있는 팀원. 둘 다 팀원 없음; Data Cloud는 모든 일정을 GMT로 표시합니다. 두 팀원 모두; 데이터 클라우드가 로그인한 사용자의 표준 시간대에 맞게 세그먼트 및 활성화 일정을 조정합니다. 설명 정답은 D, 팀원 모두; Data Cloud는 세그먼트 및 활성화 일정을 로그인한 사용자의 표준 시간대에 맞게 조정합니다. Data Cloud는 로그인한 사용자의 표준 시간대 설정을 사용하여 세그먼트 및 활성화 일정을 표시합니다. 즉, 각 사용자는 조직 표준 시간대 설정이나 다른 팀원의 위치에 관계없이 자신의 자택 표준 시간대의 일정을 볼 수 있습니다. 이 기능은 사용자가 서로 다른 시간대에 걸쳐 세그먼트 및 활성화를 예약할 때 혼동이나 오류를 피하는 데 도움이 됩니다. 다른 옵션은 Data Cloud가 시간대를 처리하는 방식을 반영하지 않으므로 올바르지 않습니다. 태평양 표준 시간대에 있는 팀원은 개인 표준 시간대 설정이 조직 표준 시간대 설정과 일치하지 않는 한 조직 표준 시간대 설정과 동일한 표준 시간대를 볼 수 없습니다. 동부 표준 시간대에 있는 팀원은 개인 표준 시간대 설정이 조직 표준 시간대 설정과 일치하지 않는 한 조직 표준 시간대 설정에 있는 일정이 표시되지 않습니다. Data Cloud는 모든 일정을 GMT로 표시하지 않고 사용자의 현지 표준 시간대로 표시합니다. 참조: * 데이터 클라우드 표준 시간대* 사용자 및 조직의 기본 표준 시간대 변경* Salesforce, Google 및 Outlook에서 표준 시간대 설정 변경* 날짜/시간 필드 및 Salesforce의 표준 시간대 설정NO.40 컨설턴트는 여러 브랜드 팀이 관리하는 모든 세그먼트가 매월 업데이트되는 동일한 제외 기준 집합을 준수하도록 하고 싶습니다.이 기능을 사용할 수 있는 가장 효율적인 옵션은 무엇인가요? 데이터 키트를 만들고, 게시하고, 배포하세요. 공통 기준을 사용하여 재사용 가능한 컨테이너 블록을 만듭니다. 중첩된 세그먼트를 만듭니다. 세그먼트를 만들고 각 브랜드에 대해 복사합니다. 설명 이 기능을 사용할 수 있는 가장 효율적인 옵션은 공통 기준을 사용하여 재사용 가능한 컨테이너 블록을 만드는 것입니다. 컨테이너 블록은 여러 세그먼트에서 재사용할 수 있는 세그먼트 구성 요소입니다. 컨테이너 블록에는 필터, 중첩 세그먼트 및 제외 기준의 모든 조합을 포함할 수 있습니다. 컨설턴트는 여러 브랜드 팀에서 관리하는 모든 세그먼트에 적용되는 제외 기준을 사용하여 컨테이너 블록을 만든 다음 각 세그먼트에 컨테이너 블록을 추가할 수 있습니다. 이렇게 하면 컨설턴트가 한 곳에서 제외 기준을 업데이트하여 컨테이너 블록을 사용하는 모든 세그먼트에 반영할 수 있으며 다른 옵션은 이 기능을 허용하는 데 가장 효율적인 옵션이 아닙니다. 데이터 키트 생성, 게시 및 배포는 여러 데이터 공간에서 데이터와 세그먼트를 공유하는 방법이지만 매월 제외 기준을 업데이트할 수 없습니다. 중첩 세그먼트 생성은 논리 연산자를 사용하여 세그먼트를 결합하는 방법이지만 특정 기준에 따라 개인을 제외할 수는 없습니다. 세그먼트를 생성하고 각 브랜드에 대해 복사하는 것은 동일한 제외 기준을 가진 여러 세그먼트를 생성하는 방법이지만 한 곳에서 제외 기준을 업데이트할 수 없습니다.참조: * 컨테이너 블록 생성* 데이터 클라우드에서 세그먼트 생성* 데이터 키트 생성 및 게시* 중첩 세그먼트 생성NO.41 컨설턴트가 Amazon 53 활성화 캠페인을 고객의 대상 시스템과 통합하고 있습니다.대상 시스템에서 세그먼트의 메타데이터를 찾으려면 53에서 이 정보를 처리할 파일에는 어떤 것이 포함됩니까? .txt 파일 json 파일 .csv 파일 .zip 파일 처리할 세그먼트에 대한 메타데이터를 포함할 Amazon S3의 파일은 B. json 파일입니다. json 파일은 세그먼트가 Amazon S3에 활성화될 때 csv 파일과 함께 생성되는 메타데이터 파일입니다. json 파일에는 세그먼트 이름, 세그먼트 ID, 세그먼트 크기, 세그먼트 속성, 세그먼트 필터 및 세그먼트 일정과 같은 정보가 포함되어 있습니다. 대상 시스템은 이 파일을 사용하여 세그먼트 및 해당 속성을 식별하고 세그먼트 데이터를 대상 시스템의 해당 필드와 일치시킬 수 있습니다. 참조: Salesforce 데이터 클라우드 컨설턴트 시험 가이드, Amazon S3 활성화 NO.42 소매업체가 고객의 고유 ID와 다른 로열티 ID를 사용하여 프로필을 통합하려고 합니다. 컨설턴트가 로열티 ID에 대한 정확한 일치 규칙을 수행하기 위해 ID 확인에서 어떤 개체를 사용해야 합니까? 당사자 식별 개체 로열티 식별 개체 개인 개체 연락처 식별 개체 설명 당사자 식별 개체는 로열티 ID에 대한 정확한 일치 규칙을 수행하기 위해 ID 확인에 사용할 수 있는 올바른 개체입니다. 당사자 식별 개체는 이메일, 전화, 로열티 ID, 소셜 미디어 핸들 등 개인에 대한 다양한 유형의 식별자를 저장하는 개인 개체의 하위 개체입니다. 각 식별자에는 유형, 값 및 소스가 있습니다. 컨설턴트는 당사자 식별 개체를 사용하여 여러 소스에서 로열티 ID 유형과 값을 비교하고 해당 개인을 연결하는 일치 규칙을 만들 수 있으며, 다른 옵션은 로열티 ID에 대한 정확한 일치 규칙을 수행하기 위해 신원 확인에 사용하기에 적합한 개체가 아닙니다. 로열티 식별 개체가 데이터 클라우드에 존재하지 않습니다. 개인 개체는 개인의 통합 프로필을 나타내는 상위 개체이지만 로열티 ID를 직접 저장하지는 않습니다. 연락처 식별 개체는 연락처 개체의 하위 개체로 이메일, 전화 등과 같은 연락처의 식별자를 저장하지만 로열티 ID는 저장하지 않습니다.참조:* ID 확인을 위한 데이터 모델링 요구 사항* 데이터 공간에서의 ID 확인* ID 확인 규칙 집합 구성* 필수 개체 매핑* 데이터 클라우드의 데이터 및 IDNO.43 고객의 Data Cloud 조직에서 일하는 컨설턴트가 기존 ID 확인 규칙 집합을 삭제해야 합니다.이 작업의 결과로 컨설턴트가 전달해야 할 영향은 다음 중 두 가지입니다.2가지 답안 중 선택하세요. 모든 개별 데이터가 제거됩니다. 이 규칙 집합과 연결된 통합 고객 데이터가 제거됩니다. 데이터 모델 개체에 대한 종속성이 제거됩니다. 모든 소스 프로필 데이터가 제거됩니다. ID 확인 규칙 집합을 삭제하면 컨설턴트가 고객에게 전달해야 하는 두 가지 주요 영향이 있습니다. 첫째, 규칙 집합에 의해 생성된 모든 통합 고객 데이터가 영구적으로 제거되므로 통합 프로필과 해당 속성을 더 이상 Data Cloud1에서 사용할 수 없게 됩니다. 둘째, 규칙 세트에서 사용하던 데이터 모델 개체에 대한 종속성이 제거되므로 규칙 세트에 영향을 주지 않고 데이터 모델 개체를 수정하거나 삭제할 수 있습니다1. 이러한 영향은 고객의 데이터 품질, 세분화, 활성화 및 분석에 중대한 결과를 초래할 수 있으므로 컨설턴트는 고객에게 규칙 집합 삭제의 의미를 신중하게 고려한 후 진행하도록 조언해야 합니다. 다른 옵션은 규칙 집합 삭제의 영향이 아니므로 올바르지 않습니다. 규칙 집합을 삭제하면 모든 개별 데이터가 제거되지 않고 통합된 고객 데이터만 제거되므로 옵션 A는 올바르지 않습니다. 소스 시스템의 개별 데이터는 Data Cloud1에서 계속 사용할 수 있습니다. 규칙 집합을 삭제하면 모든 소스 프로필 데이터가 제거되지 않고 통합된 고객 데이터만 제거되므로 옵션 D는 올바르지 않습니다. 데이터 스트림의 소스 프로필 데이터는 Data Cloud1에서 계속 사용할 수 있습니다. 참조: ID 확인 규칙 집합 삭제하기NO.44 빈 값 무시 옵션은 ID 확인에서 어떤 기능을 하나요? 사용자 지정 일치 규칙을 실행할 때 빈 필드를 무시합니다. 조정 규칙을 실행할 때 빈 필드 무시 ID 확인 규칙을 실행할 때 빈 필드가 있는 개별 개체 레코드 무시 표준 일치 규칙을 실행할 때 빈 필드 무시 설명 ID 확인의 빈 값 무시 옵션을 사용하면 고객이 조정 규칙을 실행할 때 빈 필드를 무시할 수 있습니다. 조정 규칙은 서로 다른 소스의 값을 기반으로 통합된 개인 프로필에 대한 속성의 최종 값을 결정하는 데 사용됩니다. 조정 규칙의 각 속성에 대해 빈 값 무시 옵션을 참 또는 거짓으로 설정할 수 있습니다. true로 설정하면 조정 규칙은 해당 속성에 대해 빈 값이 있는 소스를 건너뛰고 우선순위에 따라 다음 소스로 이동합니다. false로 설정하면 조정 규칙은 해당 속성에 대해 빈 값이 있는 모든 소스를 유효한 소스로 간주하여 통합된 개인 프로필의 속성 값을 채우는 데 사용합니다.다른 옵션은 ID 확인에서 빈 값 무시 옵션이 수행하는 작업에 대한 올바른 설명이 아닙니다. 빈 값 무시 옵션은 사용자 지정 일치 규칙이나 표준 일치 규칙에 영향을 주지 않으며, 이는 속성을 기반으로 여러 소스에서 개인을 식별하고 연결하는 데 사용됩니다. 또한 ID 확인 규칙은 레코드 수준이 아닌 속성 수준에서 작동하므로 빈 값 무시 옵션은 ID 확인 규칙을 실행할 때 빈 필드가 있는 개별 개체 레코드를 무시하지 않습니다.참조:* Data Cloud ID 확인 조정 규칙 입력* ID 확인 규칙 세트 구성* Data Cloud의 데이터 및 신원NO.45 컨설턴트가 클라우드 파일 스토리지 대상의 명명 규칙에 맞게 속성 이름을 어떻게 수정할 수 있나요? 수식 필드를 사용하여 활성화에서 필드 이름을 업데이트합니다. 데이터 스트림 구성에서 속성 이름을 업데이트합니다. 활성화를 구성할 때 기본 속성 이름을 설정합니다. 데이터 모델 개체에서 필드 이름을 업데이트합니다. 설명 클라우드 파일 저장소 대상은 Amazon S3 또는 Google 클라우드 스토리지와 같은 클라우드 저장소 서비스로 데이터를 보낼 수 있는 Data Cloud의 데이터 작업 대상 유형입니다. 클라우드 파일 스토리지 대상에 대한 활성화를 구성할 때 컨설턴트는 Data Cloud에서 기본 설정 속성 이름을 설정하여 명명 규칙에 맞게 속성 이름을 수정할 수 있습니다. 기본 속성 이름은 대상 파일의 필드 이름을 제어하는 데 사용할 수 있는 별칭입니다. 활성화 구성에서 각 속성에 대해 설정할 수 있으며, 데이터 모델 개체의 기본 필드 이름을 재정의합니다. 다른 옵션은 대상 파일의 필드 이름에 영향을 주지 않으므로 올바르지 않습니다. 수식 필드를 사용하여 활성화에서 필드 이름을 업데이트하면 필드 이름은 변경되지 않고 필드 값만 변경됩니다. 데이터 스트림 구성에서 속성 이름을 업데이트해도 기존 데이터 레이크 개체 또는 데이터 모델 개체에는 영향을 미치지 않습니다. 데이터 모델 개체의 필드 이름을 업데이트하면 해당 개체를 사용하는 모든 데이터 소스 및 활성화의 필드 이름이 변경되며, 이는 바람직하지 않거나 일관성이 없을 수 있습니다. 참조: 기본 속성 이름, 데이터 클라우드 활성화 대상 만들기, 클라우드 파일 저장소 대상NO.46 컨설턴트는 매일 평가되는 생일 캠페인의 세그먼트를 만들 때 어떤 연산자를 사용해야 하나요? Is Today Is Birthday Is Between Is 기념일 매일 평가되는 생일 캠페인에 대한 세그먼트를 만들려면 컨설턴트는 Is Anniversary Of 연산자를 사용해야 합니다. 이 연산자는 날짜 필드를 현재 날짜와 비교하여 연도에 관계없이 월과 일이 같으면 참을 반환합니다. 예를 들어 날짜 필드가 1990-01-01이고 현재 날짜가 2023-01-01인 경우 연산자는 참을 반환합니다. 이렇게 하면 상담원이 현재 날짜와 같은 날짜에 생일이 있는 모든 고객을 포함하는 세그먼트를 만들 수 있으며 세그먼트는 매일 새로운 생일로 업데이트됩니다. 다른 옵션은 다음과 같은 이유로 이 목적에 사용하기에 적합한 연산자가 아닙니다. A. Is Today 연산자는 날짜 필드와 현재 날짜를 비교하여 연도를 포함하여 날짜가 같으면 참을 반환합니다. 예를 들어 날짜 필드가 1990-01-01이고 현재 날짜가 2023-01-01인 경우 연산자는 거짓을 반환합니다. 이 연산자는 현재 날짜와 같은 날짜 및 연도에 태어난 고객만 포함하므로 생일 캠페인에 적합하지 않으며, 이는 매우 드문 경우입니다.* B. Is Birthday 연산자는 Data Cloud에서 유효한 연산자가 아닙니다. 세그먼트 캔버스 또는 계산된 통찰력 편집기에는 이러한 연산자를 사용할 수 없습니다.* C. Is Between 연산자는 날짜 필드를 날짜 범위와 비교하고 끝점을 포함하여 날짜가 범위 내에 있는 경우 참을 반환합니다. 예를 들어 날짜 필드가 1990-01-01이고 범위가 2022-12-25~2023-01-05인 경우 연산자는 참을 반환합니다. 이 연산자는 고정된 날짜 범위 내에 생일이 있는 고객만 포함하며 세그먼트가 매일 새로운 생일로 업데이트되지 않으므로 생일 캠페인에는 적합하지 않습니다.47번 Data Cloud가 CRM 데이터를 수집하는 방식과 관련된 고려 사항은 어느 것이 맞습니까? CRM 데이터는 수동으로 새로 고칠 수 없으며 다음 예약된 동기화를 기다려야 합니다, CRM 커넥터의 동기화 시간은 최대 15분 간격으로 사용자 지정할 수 있습니다. 공식 필드는 정기적인 동기화 간격으로 새로 고쳐지며 다음 전체 새로 고침 시 업데이트됩니다. CRM 커넥터를 사용하면 표준 필드를 Data Cloud로 실시간으로 스트리밍할 수 있습니다. 정답은 D. CRM 커넥터를 사용하면 표준 필드를 실시간으로 Data Cloud로 스트리밍할 수 있으며, 이는 CRM 데이터 소스의 표준 필드에 대한 모든 변경 사항이 다음 예약된 동기화를 기다리지 않고 거의 즉시 Data Cloud에 반영된다는 의미입니다. 이 기능을 통해 Data Cloud는 세분화 및 활성화를 위한 가장 최신의 정확한 CRM 데이터를 보유할 수 있습니다.1.다른 옵션은 다음과 같은 이유로 올바르지 않습니다.* A. 데이터 스트림 세부 정보 페이지에서 새로 고침 버튼을 클릭하여 언제든지 CRM 데이터를 수동으로 새로 고칠 수 있습니다.2. 이 옵션은 거짓입니다.* B. CRM 커넥터의 동기화 시간은 15분 간격이 아닌 최대 60분 간격으로 사용자 지정할 수 있습니다3. 이 옵션은 거짓입니다.* C. 공식 필드는 정기적인 동기화 간격으로 새로 고쳐지지 않고 다음 전체 새로 고침4 시에만 새로 고쳐집니다. 전체 새로 고침은 24시간에 한 번 또는 수동으로 트리거될 때 발생하는 완전한 데이터 수집 프로세스입니다.* 이 옵션은 거짓입니다.* 참조: 1: Salesforce 도움말의 Data Cloud에서 데이터 연결 및 수집 문서* 2: Trailhead의 Data Cloud의 데이터 소스 단위* 3: Trailhead의 관리자용 Data Cloud 모듈* 4: Trailhead의 [Data Cloud의 수식 필드] 단위* : Trailhead*의 [Data Cloud의 데이터 스트림] 단위 NO.48 고객이 데이터 웨어하우스의 트랜잭션 데이터를 Data Cloud에서 사용하려고 하는데, SFTP 사이트를 통해서만 데이터를 내보낼 수 있는데, 파일을 어떻게 Data Cloud로 가져와야 하나요? SFTP 커넥터로 파일을 수집합니다. 클라우드 스토리지 커넥터를 통해 파일을 수집합니다. 데이터 가져오기 마법사를 사용하여 파일을 수동으로 가져옵니다. Salesforce의 Dataloader 애플리케이션을 사용하여 데스크톱에서 일괄 업로드를 수행합니다. 설명 SFTP 커넥터는 Data Cloud가 SFTP 서버에서 데이터를 수집할 수 있도록 하는 데이터 소스 커넥터로, 고객은 SFTP 커넥터를 사용하여 내보낸 파일에서 데이터 스트림을 만들어 데이터 레이크 개체로 Data Cloud로 가져올 수 있습니다. 다른 옵션은 다음과 같은 이유로 파일을 Data Cloud로 가져오는 가장 좋은 방법이 아닙니다.* B. 클라우드 스토리지 커넥터는 Data Cloud가 Amazon S3, Azure Storage 또는 Google Cloud Storage와 같은 클라우드 스토리지 서비스에서 데이터를 수집할 수 있도록 하는 데이터 소스 커넥터입니다. 고객은 이러한 서비스 중 어느 곳에도 데이터를 가지고 있지 않고 SFTP 사이트에만 있습니다.* C. 데이터 가져오기 마법사는 사용자가 계정, 연락처, 리드, 솔루션 및 캠페인 멤버와 같은 많은 표준 Salesforce 개체에 대한 데이터를 가져올 수 있는 도구입니다. SFTP 사이트 또는 Data Cloud의 사용자 지정 개체에 대한 데이터를 가져오도록 설계되지 않았습니다.* D. 데이터 로더는 사용자가 Salesforce 레코드를 삽입, 업데이트, 삭제 또는 내보낼 수 있는 애플리케이션입니다. SFTP 사이트 또는 Data Cloud에서 데이터를 수집하도록 설계되지 않았습니다. 참조: SFTP 커넥터 - Salesforce, Data Cloud에서 SFTP 커넥터로 데이터 스트림 만들기 - Salesforce, 데이터 가져오기 마법사 - Salesforce, Salesforce 데이터 로더 NO.49 고객이 데이터 웨어하우스의 트랜잭션 데이터를 Data Cloud에서 사용하려고 하는데 SFTP 사이트를 통해서만 데이터를 내보낼 수 있는데 파일을 어떻게 Data Cloud로 가져와야 하나요? SFTP 커넥터로 파일을 수집합니다. 클라우드 스토리지 커넥터를 통해 파일을 수집합니다. 데이터 가져오기 마법사를 사용하여 파일을 수동으로 가져옵니다. Salesforce의 Dataloader 애플리케이션을 사용하여 데스크톱에서 일괄 업로드를 수행합니다. SFTP 커넥터는 Data Cloud가 SFTP 서버에서 데이터를 수집할 수 있도록 하는 데이터 소스 커넥터로, 고객은 SFTP 커넥터를 사용하여 내보낸 파일에서 데이터 스트림을 만들어 데이터 레이크 개체로 Data Cloud로 가져올 수 있습니다. 다른 옵션은 다음과 같은 이유로 파일을 Data Cloud로 가져오는 가장 좋은 방법이 아닙니다.* B. 클라우드 스토리지 커넥터는 Data Cloud가 Amazon S3, Azure Storage 또는 Google Cloud Storage와 같은 클라우드 스토리지 서비스에서 데이터를 수집할 수 있도록 하는 데이터 소스 커넥터입니다. 고객은 이러한 서비스 중 어느 곳에도 데이터를 가지고 있지 않고 SFTP 사이트에만 있습니다.* C. 데이터 가져오기 마법사는 사용자가 계정, 연락처, 리드, 솔루션 및 캠페인 멤버와 같은 많은 표준 Salesforce 개체에 대한 데이터를 가져올 수 있는 도구입니다. SFTP 사이트 또는 Data Cloud의 사용자 지정 개체에 대한 데이터를 가져오도록 설계되지 않았습니다.* D. 데이터 로더는 사용자가 Salesforce 레코드를 삽입, 업데이트, 삭제 또는 내보낼 수 있는 애플리케이션입니다. SFTP 사이트 또는 Data Cloud에서 데이터를 수집하도록 설계되지 않았습니다. 참조: SFTP 커넥터 - Salesforce, Data Cloud에서 SFTP 커넥터로 데이터 스트림 만들기 - Salesforce, 데이터 가져오기 마법사 - Salesforce, Salesforce 데이터 로더NO.50 컨설턴트가 Interaction SDK 또는 모바일 SDK를 통해 수집한 데이터를 15분 단위로 집계를 수행할 때 어떤 방법을 사용해야 하나요? 일괄 변환 계산된 인사이트 스트리밍 인사이트 수식 필드 설명 스트리밍 인사이트는 인터랙션 SDK 또는 모바일 SDK