Ordnen Sie die Eingabedaten mithilfe eines passenden Workflows zu - AWS Entity Resolution
Passende Workflowtypen Optionen für die Datenausgabe Passende Workflow-Ergebnisse

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Ordnen Sie die Eingabedaten mithilfe eines passenden Workflows zu

Ein Abgleichs-Workflow ist ein Datenverarbeitungsjob, der Daten aus verschiedenen Eingabequellen kombiniert und vergleicht und anhand verschiedener Abgleichstechniken bestimmt, welche Datensätze übereinstimmen.AWS Entity Resolution liest Ihre Daten von den angegebenen Speicherorten, findet Übereinstimmungen zwischen Datensätzen und weist jedem übereinstimmenden Datensatz eine Match-ID zu.

Das folgende Diagramm fasst zusammen, wie Sie einen passenden Workflow erstellen.

A summary of the four steps to create a matching workflow in AWS Entity Resolution

Topics

Passende Workflowtypen

AWS Entity Resolution unterstützt drei Arten von passenden Workflows:

Regelbasierter Abgleich

Verwendet konfigurierbare Regeln, um übereinstimmende Datensätze auf der Grundlage einer exakten oder unscharfen Übereinstimmung bestimmter Felder zu identifizieren. Sie definieren die Übereinstimmungskriterien, z. B. übereinstimmende Namen, die ähnlich geschrieben sind, oder Adressen, die unterschiedlich formatiert sind.

Auf maschinellem Lernen basierender Abgleich

Verwendet Modelle für maschinelles Lernen, um ähnliche Datensätze zu identifizieren, auch wenn die Daten Variationen, Fehler oder fehlende Felder aufweisen. Mit diesem Ansatz können komplexere Übereinstimmungen erkannt werden als beim regelbasierten Abgleich.

Auf Diensten basierender Abgleich durch Anbieter

Nutzt externe Datenanbieter, um Ihre Daten vor dem Abgleich anzureichern und zu validieren. Diese Art des Abgleichs ist nicht mit der Ausgabe von Amazon Connect Connect-Kundenprofilen kompatibel.

Optionen für die Datenausgabe

AWS Entity Resolution kann Datenausgabedateien schreiben in:

  • Ein Amazon S3 S3-Standort, den Sie angeben

  • Amazon Connect Connect-Kundenprofile (für die Deduplizierung von Kundendaten)

Wichtig

Der Export in Amazon Connect Connect-Kundenprofile ist mit dem anbieterbasierten Abgleich nicht kompatibel. Um in Amazon Connect Connect-Kundenprofile zu exportieren, müssen Sie den regelbasierten Abgleich oder den auf maschinellem Lernen basierenden Abgleich verwenden.

Falls gewünscht AWS Entity Resolution, können Sie die Ausgabedaten mit einem Hashwert versehen, sodass Sie die Kontrolle über Ihre Daten behalten.

Die folgende Tabelle zeigt die drei Typen von Abgleichs-Workflows und ihre unterstützten Ausgabeziele.

Übereinstimmender Typ S3-Ausgabe Ausgabe von Kundenprofilen
regelbasiert Ja Ja
basiert auf maschinellem Lernen Ja Ja
dienstleistungsbasiert Ja Nein

Passende Workflow-Ergebnisse

Nachdem Sie einen passenden Workflow erstellt und ausgeführt haben, können Sie die Ergebnisse an Ihrem angegebenen S3-Standort oder in Amazon Connect Connect-Kundenprofilen anzeigen. Passende Workflows werden generiert, IDs nachdem die Daten indexiert wurden.

Ein passender Workflow kann mehrere Durchläufe haben, und die Ergebnisse (Erfolge oder Fehler) werden in einen Ordner mit dem jobId Namen geschrieben.

Gehen Sie für jeden Lauf für S3-Ausgabeziele wie folgt vor:

  • Die Datenausgabe enthält sowohl eine Datei für erfolgreiche Treffer als auch eine Datei für Fehler

  • Erfolgreiche Ergebnisse werden in einen success Ordner geschrieben, der mehrere Dateien enthält

  • Fehler werden in einen error Ordner mit mehreren Feldern geschrieben

Für jeden Lauf der Ausgabeziele von Amazon Connect Customer Profiles:

  • Deduplizierte Kundendatensätze werden direkt an Ihre Amazon Connect Connect-Instance gesendet

  • Sie können Ihren aktuellen Jobverlauf in der Konsole einsehen AWS Entity Resolution

  • Bestehende Profile in Amazon Connect sind nicht im Deduplizierungsprozess enthalten

Nachdem Sie einen Abgleichs-Workflow erstellt und ausgeführt haben, können Sie die Ausgabe des regelbasierten Abgleichs oder des maschinellen Lernens (ML) als Eingabe für den dienstbasierten Abgleich von Anbietern verwenden oder umgekehrt, um Ihre Geschäftsanforderungen zu erfüllen.

Um beispielsweise Abonnementkosten für Anbieter zu sparen, können Sie zunächst einen regelbasierten Abgleich durchführen, um Übereinstimmungen in Ihren Daten zu finden. Anschließend können Sie eine Teilmenge nicht übereinstimmender Datensätze an den dienstbasierten Abgleich des Anbieters senden. Beachten Sie, dass Sie, wenn Sie in Kundenprofile exportieren möchten, nur den auf Regeln oder maschinellem Lernen basierenden Abgleich verwenden sollten.

Weitere Informationen zur Behebung von Fehlern finden Sie unter. Problembehandlung bei passenden Workflows