Case Study Datenabfrage und Transformationen in Data Virtuality

Case Study

Ein international agierendes Unternehmen führt diverse Marketingkampagnen auf unterschiedlichen Kanälen durch. Ziel ist eine ganzheitliche, tägliche Analyse von Marketingkampagnen über alle Kanäle hinweg.

Herausforderung

  • Viele verschiedene Datenquellen mit unterschiedlichen Datenstrukturen
  • Festlegung der Metriken für alle Datenquellen: (1) Google Analytics (Besuche, verknüpfte Besuche, Downloads, Seitenaufrufe), (2) Hubspot (Abonnenten, E-Mail-Leistungsdaten), (3) LinkedIn (Verbindungen, Follower, Eindrücke, Engagement), (4) Meltwater (Reichweite, Clippings) und (5) Excel (zusätzliche KPIs pro Kampagne, z.B. Teilnehmer)
  • Manuelle Codeanpassungen bei Änderung der API

Lösung

  • Abfrage von APIs mithilfe der von Data Virtuality bereitgestellten Konnektoren
  • Zusammenführung der Daten unter Sicherstellung der gleichen Datenstruktur

Ergebnis

  • Automatische Datenabfrage zur langfristigen Speicherung der Daten aus den verschiedenen Tools
  • Ganzheitliche und tägliche Analyse von Marketingkampagnen über alle Kanäle hinweg möglich
  • Speicherung der transformierten Daten über Data Virtuality in einem Data-Warehouse, auf welches mit einem Visualisierungstool zugegriffen wird
  • Automatische Aktualisierung eines Konnektors durch Data Virtuality bei Änderung einer API

Datenumwandlungen mithilfe von Views, Procedures, Jobs und Schedules in Data Virtuality

  • Views verwenden SQL-Befehle zur Datentransformation: Dabei werden Daten aus den verschiedenen Konnektoren in dieselbe Struktur gebracht und können so gemeinsam visualisiert und analysiert werden.
  • Procedures speichern SQL-Befehle für Abfragen, arbeiten mit temporären Tabellen, gehen durch Ergebnismengen und verwenden Schleifen.
  • Jobs können verwendet werden, um SQL-Befehle auszuführen, die in Views und Prozeduren gespeichert sind, und um Daten zur Speicherung in Tabellen zu schreiben, z. B. werden Batch-Replikationen verwendet, um Daten zu einer bestehenden Tabelle hinzuzufügen, Copy-over-Replikationen werden verwendet, um alle Datensätze in einer Tabelle neu zu erstellen.
  • Schedules werden verwendet, um Aufträge auszuführen, z. B. täglich, wöchentlich, monatlich, mit einem Intervall (z. B. jede Stunde), mit einem abhängigen Zeitplan (z. B. nach einem anderen erfolgreich ausgeführten Auftrag).
TOP