آموزش مشاور دیت کلود (Data 360) همراه با سناریوهای واقعی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• معرفی دوره Course Introduction

• مرور سناریو و شخصیت‌های دوره: آنچه در این دوره خواهید ساخت Course Scenario & Persona Overview: What You’ll Build in This Course

• آشنایی با مدرس: درباره من، خدمات من و نحوه ارتباط Meet Your Instructor: About Me, What I Offer & How to Connect

• در ارتباط بمانید و کمک‌های شخصی‌سازی شده دریافت کنید Stay Connected & Get Personalized Help

• بررسی سایر دوره‌های من Explore My Other Courses

• یادداشت‌ها و مستندات دوره Course Notes and Documentation

پایه‌های دیت کلود و شروع به کار Data Cloud Foundations & Getting Started

• چرا داده‌ها پراکنده و ناقص هستند؟ چالش‌ها، شکاف‌های یکپارچه‌سازی و مقدمه‌ای بر Data 360 Why Data is Broken? Challenges, Integration Gaps & Introduction to Data 360

• نحوه عملکرد Data 360: از شناسایی منابع داده تا فعال‌سازی (جریان جامع) How Data 360 Works: From Identify Data Sources to Activation (End-to-End Flow)

• قابلیت‌ها و محدودیت‌های Data 360: ایجاد انتظارات درست What Data 360 Can and Cannot Do: Setting the Right Expectations

• توضیح مفاهیم کلیدی داده‌ها: انبار داده در مقابل دریاچه داده و Lakehouse Key Data Concepts Explained: Data Warehouse vs Data Lake vs Data Lakehouse

• توضیح تخصیص (Provisioning) دیت کلود: تنظیمات تک-سازمانی در مقابل چند-سازمانی Data Cloud Provisioning Explained: Single Org vs Multi-Org Setup

• توضیح سندباکس‌های دیت کلود Data Cloud Sandboxes Explained

• کاوش در داده‌های دیت کلود: Data Explorer، Profile Explorer و Query Editor Exploring Data in Data Cloud: Data Explorer, Profile Explorer & Query Editor

• شروع کار با دیت کلود: ثبت‌نام در Developer Org و تنظیمات اولیه Getting Started with Data Cloud: Developer Org Signup & Initial Setup

• مدیریت دسترسی در دیت کلود: توضیح پروفایل‌ها و Permission Setها Managing Access in Data Cloud: Profiles & Permission Sets Explained

• درک فضاهای داده (Data Spaces) در دیت کلود Understanding Data Spaces in Data Cloud:

• ثبت نظر شما Post your review

• قابلیت‌های Data 360 Data 360 Capabilities

مبانی مدل‌سازی داده‌ها برای دیت کلود (Data 360) Data Modeling Fundamentals for Data Cloud (Data 360)

• مدل داده چیست؟ توضیح موجودیت‌ها، ویژگی‌ها، روابط و کاردینالیتی What is a Data Model? Entities, Attributes, Relationships & Cardinality Explain

• توضیح مدل داده Customer 360: حوزه‌های موضوعی و بهترین روش‌ها Customer 360 Data Model Explained: Subject Areas & Best Practices

• انواع داده‌ها در دیت کلود: چرا در هنگام جذب داده‌ها اهمیت دارند؟ Data Types in Data Cloud: Why They Matter During Data Ingestion

• DMO استاندارد در مقابل سفارشی: چه زمانی از هر کدام در دیت کلود استفاده کنیم؟ Standard vs Custom DMO: When to Use What in Data Cloud

• نرمال‌سازی در مقابل غیرنرمال‌سازی در دیت کلود: مزایا، نقاط ضعف و موارد کاربردی Normalization vs Denormalization in Data Cloud: Benefits, Trade-offs & Use Cases

• کلیدهای اصلی، کلیدهای خارجی و کاردینالیتی: ساخت روابط داده‌ای قوی Primary Keys, Foreign Keys & Cardinality: Building Strong Data Relationships

• مدل‌سازی داده‌ها Data Modelling

حاکمیت داده‌ها، اخلاق و اکتشاف در دیت کلود Data Governance, Ethics & Discovery in Data Cloud

• اخلاق داده در دیت کلود: توضیح حریم خصوصی، رضایت و کنترل‌های حاکمیتی Data Ethics in Data Cloud: Privacy, Consent & Governance Controls Explained

• توضیح مرحله اکتشاف داده: فعالیت‌های کلیدی و بهترین روش‌ها Data Discovery Phase Explained: Key Activities & Best Practices

• ساخت دیکشنری داده‌ها برای دیت کلود: اجزای کلیدی و بهترین روش‌ها Building a Data Dictionary for Data Cloud: Key Components & Best Practices

• آماده‌سازی داده‌ها Data Preperation

تعریف مفاهیم مدل داده در Data 360 Define Data Model Concepts in Data 360

• درک اشیاء داده در دیت کلود: توضیح DSO، DLO و BMO Understanding Data Objects in Data Cloud: DSO, DLO & BMO Explained

• دسته‌بندی داده‌ها در دیت کلود: توضیح Profile، Engagement و سایرین Data Categories in Data Cloud: Profile, Engagement & Other Explained

• تنظیم کلیدهای اصلی در دیت کلود: بهترین روش‌ها در هنگام جذب داده‌ها Setting Primary Keys in Data Cloud: Best Practices During Data Ingestion

• مدل داده در Data 360 Data Model in Data 360

جذب داده‌ها در Data 360 Ingesting Data into Data 360

• جذب داده در دیت کلود: فرآیند گام به گام Data Ingestion in Data Cloud: Step-by-Step Process

• جذب داده‌های سیلزفورس: Bulk در مقابل Streaming Salesforce Data Ingestion: Bulk vs Streaming

• جریان جذب داده و فیلدهای فرمولی در دیت کلود: مفاهیم و مزایا Data Ingestion Flow & Formula Fields in Data Cloud: Concepts & Benefits

• کیت‌های داده (Data Kits) Data Kits

• فعالیت عملی: آماده‌سازی سازمان (Org) Hands on Activity- Get Org Ready

• فعالیت عملی: جذب داده‌ها از سیلزفورس Hands on Activity - Data Ingestion From Salesforce

• فعالیت عملی: جذب داده‌ها از S3 Hands on Activity - Data Ingestion From S3

• مرور API جذب داده‌ها همراه با فعالیت عملی Overview of Ingestion API With Hand's on Activity

• مروری بر تبدیل داده‌ها (Data Transformation) Overview of Data Transformation

• فعالیت عملی: تبدیل داده‌ها از شیء Booking Hands on Activity - Data Transformation From Booking Object

• فعالیت عملی: تبدیل داده‌ها برای دریافت داده‌های جستجوی فروشگاه Hands on Activity - Data Transformation To get Store Lookup Data

• فعالیت عملی: ایجاد کیت داده Hands on Activity - Create Data Kit

• جذب و تبدیل داده‌ها در Data 360 Data 360 Ingestion and Transformation

هماهنگ‌سازی (Harmonization) Harmonization

• مروری بر نگاشت داده‌ها (Data Mapping) و هماهنگ‌سازی Overview of Data Mapping - Harmonization

• چک‌لیست نگاشت داده‌ها Data Mapping Checklist

• راهنمای رابط کاربری نگاشت داده‌ها Data Mapping UI Walkthrough

• فعالیت عملی: نگاشت داده‌ها برای استریم‌های سیلزفورس (Contact) Hands on Activity - Data Mapping for Salesforce Streams - Contact

• فعالیت عملی: نگاشت داده‌ها برای استریم‌های سیلزفورس (Booking) Hands On Activity - Data Mapping for Salesforce Streams - Booking

• فعالیت عملی: نگاشت داده‌ها برای استریم‌های S3 Hands on Activity - Data Mapping for S3 Streams

• نگاشت داده‌ها Data Mapping

تشخیص هویت (Identity Resolution) Identity Resolution

• مروری بر تشخیص هویت (Identity Resolution) Overview Of Identity Resolution

• فرآیند یکپارچه‌سازی پروفایل Process Of Profile Unification

• اصطلاحات کلیدی تشخیص هویت Key Terminologies Of Identity Resolution

• قوانین تطبیق و روش‌های تطبیق (Match Rules & Methods) Match Rules and Match Methods

• مدل شیء تشخیص هویت Identity Resolution Object Model

• فعالیت عملی: پیکربندی تشخیص هویت Hands on Activity - Configure Identity Resolution

• بررسی نتایج تشخیص هویت Inspect Result of Identity Resolution

• فعالیت عملی: بازبینی نتایج تشخیص هویت Hands on Activity - Review Result of Identity Resolution

• ملاحظات کلیدی برای تشخیص هویت Key Considerations For Identity Resolutions

• تشخیص هویت Identity Resolution

بینش‌های Data 360 (Insights) Data 360 Insights

• مروری بر بینش‌های Data 360 (Insights) Overview Of Data 360 Insights

• انواع بینش‌های Data 360 Types Of Data 360 Insights

• نحوه ایجاد بینش‌های Data 360 How to Create Data 360 Insights

• توابع پایه SQL Basic SQL Functions

• فعالیت عملی: بینش‌های Data 360 Hands on Activity - Data 360 Insights

• بینش‌های Data 360 Data 360 Insights

بخش‌بندی (Segmentation) Segmentation

• مروری بر بخش‌بندی (Segmentation) Overview of Segmentation

• فرآیند بخش‌بندی در سطح بالا High Level Segmentation Process

• بررسی بوم (Canvas) بخش‌بندی Review Segmentation Canvas

• اجزای سازنده قوانین بخش‌بندی Building Blocks Of Segmentation Rules

• مسیر کانتینر و بینش‌های محاسباتی در بخش‌بندی Container Path and Calculated Insights in Segmetation

• فعالیت عملی: پیکربندی بخش‌بندی Hands on Activity - Segmentation Configuration

• بخش‌بندی Segmentation

فعال‌سازی (Activation) Activation

• مروری بر فعال‌سازی (Activation) Overview Of Activation

• فرآیند فعال‌سازی بخش‌ها (Segments) Process Of Segment Activation

• فعالیت عملی: فعال‌سازی بخش‌ها در دیت کلود Hands on Activity - Segment Activation on Data Cloud

• اکشن‌های داده (Data Action) و فعالیت عملی Data Action and Hands on Activity

• مروری بر غنی‌سازی داده‌ها (Data Enrichment) Overview of Data Enrichment

• فعالیت عملی روی غنی‌سازی لیست‌های مرتبط Hands on Activity on Related List Enrichment

• فعالیت‌سازی Activation

• گراف داده‌ها (Data Graph) Data Graph

RAG و کتابخانه داده Agentforce: استفاده از فایل‌ها و دانش برای ایجنت‌ها RAG and Agentforce Data Library: Using Files and Knowledge for Agents

• RAG چیست؟ What is RAG

• نحوه عملکرد RAG How RAG Works

• شاخص جستجو (Search Index) Search Index

• بازیاب‌ها (Retrievers) Retrievers

• درک کتابخانه داده Agentforce Understanding the Agentforce Data Library

• عملی: استفاده از فایل‌های آپلود شده با کتابخانه داده Agentforce Hands-On: Using Uploaded Files with the Agentforce Data Library

• عملی: استفاده از مقالات دانشی با کتابخانه داده Agentforce - بخش اول Hands-On: Using Knowledge Articles with the Agentforce Data Library - Part 1

• عملی: استفاده از مقالات دانشی با کتابخانه داده Agentforce - بخش دوم Hands-On: Using Knowledge Articles with the Agentforce Data Library - Part 2

هوش مصنوعی اسناد (Document AI) Document AI

• مروری بر هوش مصنوعی اسناد (Document AI) Overview Of Document AI

• عملی: درک مورد کاربردی (Use Case) Hands-On: Understand Use Case

• عملی: تنظیم ارائه‌دهنده هویت خارجی و Named Credential Hands-On: Set Up External Identity Provider and Named Credential

• عملی: راه‌اندازی Document AI و فراخوانی آن Hands-On: Setup Document AI and Callout Document AI

• عملی: راه‌اندازی جریان جامع برای اسناد KYC Hands-On: Setup End To End Flow - For KYC Document

سپاسگزاری Thanks

• یادداشت سپاسگزاری! Thanks Note !