آموزش دوره جامع مشاور دیتا کلاد (Data 360) با سناریوهای واقعی [ویدئویی] - آخرین آپدیت

دانلود Data Cloud Consultant (Data 360) with Real-World Scenarios [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک مسیر عملی و کامل در Salesforce Data Cloud (Data 360) با تمرکز بر موارد استفاده واقعی در سازمان‌های بزرگ ارائه می‌دهد. دوره با معرفی چالش‌های اصلی در سیستم‌های داده مدرن، از جمله پراکندگی و شکاف‌های ادغام آغاز شده و توضیح می‌دهد که Data 360 چگونه داده‌های مشتریان را یکپارچه می‌کند. یادگیرندگان مفاهیم بنیادی مانند انبار داده (Data Warehouse)، دریاچه داده (Data Lake)، دریاچه-انبار داده (Data Lakehouse)، تامین منابع (Provisioning)، سندباکس‌ها و مدیریت دسترسی را بررسی می‌کنند. سپس دوره به سراغ مدل‌سازی داده‌ها، حاکمیت داده و ورود داده‌ها (Ingestion) می‌رود. شما خواهید آموخت که چگونه مدل‌های داده مقیاس‌پذیر را با استفاده از موجودیت‌ها، روابط، ساختارهای DMO، کلیدها و کاردینالیتی طراحی کنید. ماژول‌های کاربردی، ورود داده‌ها از Salesforce، S3 و APIها را به همراه تکنیک‌های تبدیل، نگاشت (Mapping) و هماهنگ‌سازی پوشش می‌دهند. همچنین موضوع Resolution Identity به طور عمیق بررسی شده تا ایجاد پروفایل‌های یکپارچه مشتری از طریق قوانین تطبیق و استراتژی‌های حل تعارض میسر شود. در نهایت، دوره بر قابلیت‌های پیشرفته‌ای مانند بخش‌بندی (Segmentation)، فعال‌سازی (Activation)، بینش‌ها (Insights) و جریان‌های غنی‌سازی تمرکز می‌کند. همچنین ویژگی‌های مبتنی بر هوش مصنوعی شامل RAG، ایندکس‌گذاری جستجو، بازیابی‌کننده‌ها و Document AI برای پردازش اسناد سازمانی (مانند موارد استفاده KYC) معرفی می‌شوند. در پایان، یادگیرندگان قادر خواهند بود راهکارهای جامع Data Cloud را برای یکپارچه‌سازی داده‌های مشتری و تصمیم‌گیری‌های هوشمند تجاری پیاده‌سازی و مدیریت کنند. طراحی مدل‌های داده مقیاس‌پذیر در Salesforce Data Cloud ورود و تبدیل داده‌ها از منابع مختلف سازمانی پیاده‌سازی Resolution Identity برای پروفایل‌های یکپارچه مشتری ساخت جریان‌های بخش‌بندی و فعال‌سازی برای کاربردهای تجاری به‌کارگیری RAG و Document AI برای پردازش هوشمند داده‌ها ارائه راهکارهای جامع داده‌های Customer 360 ایده‌آل برای مهندسان داده، توسعه‌دهندگان Salesforce، معماران راهکار و متخصصان CRM که با پلتفرم‌های داده سازمانی کار می‌کنند. داشتن درک پایه از پایگاه داده‌ها، سیستم‌های CRM و مفاهیم ابری توصیه می‌شود. پیاده‌سازی جامع پلتفرم داده‌های مشتری Salesforce Data Cloud * Resolution Identity، بخش‌بندی و فعال‌سازی برای Customer 360 * قابلیت‌های RAG، Document AI و هوش داده در سطح سازمانی

سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره Course Introduction

  • بررسی سناریو و شخصیت‌های دوره: آنچه در این دوره خواهید ساخت Course Scenario and 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 and How to Connect

مبانی دیتا کلاد و شروع به کار Data Cloud Foundations and Getting Started

  • چرا داده‌ها دچار مشکل هستند؟ چالش‌ها، شکاف‌های ادغام و معرفی Data 360 Why Data Is Broken? Challenges, Integration Gaps and Introduction to Data 360

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

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

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

  • توضیح Provisioning در دیتا کلاد: تنظیمات تک-ارگی در مقابل چند-ارگی Data Cloud Provisioning Explained: Single Org vs Multi-Org Setup

  • توضیح سندباکس‌های دیتا کلاد Data Cloud Sandboxes Explained

  • کاوش در داده‌های دیتا کلاد: Data Explorer، Profile Explorer و Query Editor Exploring Data in Data Cloud: Data Explorer, Profile Explorer and Query Editor

  • شروع کار با دیتا کلاد: ثبت‌نام در Developer Org و تنظیمات اولیه Getting Started with Data Cloud: Developer Org Signup and Initial Setup

  • مدیریت دسترسی در دیتا کلاد: توضیح پروفایل‌ها و مجموعه‌های مجوز (Permission Sets) Managing Access in Data Cloud: Profiles and Permission Sets Explained

  • درک مفهوم Data Spaces در دیتا کلاد Understanding Data Spaces in Data Cloud

  • ثبت نظرات شما Post Your Review

اصول مدل‌سازی داده برای Data Cloud (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 and Cardinality Explained

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

  • انواع داده در دیتا کلاد: چرا در هنگام ورود داده‌ها اهمیت دارند؟ Data Types in Data Cloud - Why They Matter During Data Ingestion

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

  • نرمال‌سازی در مقابل غیرنرمال‌سازی در دیتا کلاد: مزایا، معایب و موارد استفاده Normalization vs Denormalization in Data Cloud - Benefits, Trade-offs and Use Cases

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

حاکمیت داده، اخلاق و اکتشاف در دیتا کلاد Data Governance, Ethics and Discovery in Data Cloud

  • اخلاق داده در دیتا کلاد: توضیح حریم خصوصی، رضایت و کنترل‌های حاکمیتی Data Ethics in Data Cloud: Privacy, Consent and Governance Controls Explained

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

  • ساخت دیکشنری داده برای دیتا کلاد: اجزای کلیدی و بهترین روش‌ها Building a Data Dictionary for Data Cloud: Key Components and Best Practices

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

  • درک آبجکت‌های داده در دیتا کلاد: توضیح DSO، DLO و BMO Understanding Data Objects in Data Cloud: DSO, DLO and BMO Explained

  • دسته‌بندی داده‌ها در دیتا کلاد: توضیح پروفایل، تعامل (Engagement) و سایر موارد Data Categories in Data Cloud: Profile, Engagement and Other Explained

  • تنظیم کلیدهای اصلی در دیتا کلاد: بهترین روش‌ها در هنگام ورود داده‌ها Setting Primary Keys in Data Cloud: Best Practices During Data Ingestion

ورود داده‌ها به Data 360 Ingesting Data into Data 360

  • ورود داده‌ها به دیتا کلاد: فرآیند گام به گام Data Ingestion in Data Cloud: Step-by-Step Process

  • ورود داده‌های Salesforce: حالت Bulk در مقابل Streaming Salesforce Data Ingestion: Bulk vs Streaming

  • جریان ورود داده و فیلدهای فرمولی در دیتا کلاد: مفاهیم و مزایا Data Ingestion Flow and Formula Fields in Data Cloud: Concepts and Benefits

  • مجموعه‌های داده (Data Kits) Data Kits

  • تمرین عملی: آماده‌سازی سازمان (Org) Hands-On Activity: Get Org Ready

  • تمرین عملی: ورود داده‌ها از Salesforce Hands-On Activity: Data Ingestion From Salesforce

  • تمرین عملی: ورود داده‌ها از S3 Hands-On Activity: Data Ingestion From S3

  • نمای کلی Ingestion API به همراه تمرین عملی Overview of Ingestion API With Hands-On Activity

  • نمای کلی تبدیل داده‌ها (Data Transformation) Overview of Data Transformation

  • تمرین عملی: تبدیل داده‌ها از آبجکت Booking Hands-On Activity: Data Transformation From Booking Object

  • تمرین عملی: تبدیل داده‌ها برای دریافت داده‌های جستجوی فروشگاه Hands-On Activity: Data Transformation to Get Store Lookup Data

  • تمرین عملی: ایجاد Data Kit Hands-On Activity: Create Data Kit

نمای کلی نگاشت و هماهنگ‌سازی داده‌ها Overview of Data Mapping and Harmonization

  • نمای کلی نگاشت داده‌ها (Data Mapping) Overview of Data Mapping

  • چک‌لیست نگاشت داده‌ها Data Mapping Checklist

  • بررسی رابط کاربری (UI) نگاشت داده‌ها Data Mapping UI Walkthrough

  • نگاشت داده‌ها از CRM: بخش مخاطبان (Contact) Data Mapping From CRM - Contact

  • نگاشت داده‌ها از CRM: بخش رزرو (Booking) Data Mapping From CRM - Booking

  • نگاشت داده‌ها برای استریم‌های S3 Data Mapping for S3 Streams

شناسایی و یکپارچه‌سازی هویت (Identity Resolution) Identity Resolution

  • نمای کلی شناسایی و یکپارچه‌سازی هویت (Identity Resolution) Overview of Identity Resolution

  • فرآیند یکپارچه‌سازی پروفایل Process of Profile Unification

  • اصطلاحات کلیدی در Identity Resolution Key Terminologies of Identity Resolution

  • قوانین تطبیق و متدهای تطبیق Match Rules and Match Methods

  • مدل آبجکت Identity Resolution Identity Resolution Object Model

  • تمرین عملی: پیکربندی Identity Resolution Hands-On Activity: Configure Identity Resolution

  • بررسی نتایج Identity Resolution Inspect Result of Identity Resolution

  • تمرین عملی: بازبینی نتایج Identity Resolution Hands-On Activity: Review Result of Identity Resolution

  • بررسی نتایج Identity Resolution Inspect Result of Identity Resolution

بینش‌های Data 360 Data 360 Insights

  • نمای کلی بینش‌های Data 360 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

  • تمرین عملی: بینش‌های Data 360 Hands-On Activity: Data 360 Insights

بخش‌بندی (Segmentation) Segmentation

  • نمای کلی 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 محاسبه شده Container Path and Calculated Insights

  • تمرین عملی: پیکربندی بخش‌بندی Hands-On Activity: Segmentation Configuration

فعال‌سازی (Activation) Activation

  • نمای کلی فعال‌سازی (Activation) Overview of Activation

  • فرآیند فعال‌سازی بخش‌ها (Segments) Process of Segment Activation

  • تمرین عملی: فعال‌سازی بخش‌ها در دیتا کلاد Hands-On Activity: Segment Activation on Data Cloud

  • اکشن‌های داده (Data Action) و تمرین عملی Data Action and Hands-On Activity

  • نمای کلی غنی‌سازی داده‌ها Overview of Data Enrichment

  • مورد استفاده: غنی‌سازی لیست‌های مرتبط Use Case - Related List Enrichment

  • گراف داده (Data Graph) Data Graph

تولید محتوای بازیابی تقویت شده (RAG) RAG

  • نمای کلی RAG RAG Overview

  • نحوه تنظیم RAG در دیتا کلاد How to Set Up RAG in Data Cloud

  • ایندکس جستجو Search Index

  • بازیابی‌کننده‌ها (Retrievers) Retrievers

  • توضیح ADL ADL

  • سیاست‌های آپلود فایل ADL ADL File Upload Policies

  • مقالات دانش (Knowledge Articles): بخش اول Knowledge Articles - Part 1

  • مقالات دانش (Knowledge Articles): بخش دوم Knowledge Articles - Part 2

هوشمندسازی اسناد (Document AI) Document AI

  • نمای کلی Document AI Overview of Document AI

  • عملی: درک مورد استفاده Hands-On: Understand Use Case

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

  • عملی: تنظیم Document AI و فراخوانی آن Hands-On: Set Up Document AI and Callout Document AI

  • عملی: تنظیم جریان کامل برای اسناد KYC Hands-On: Set Up End-to-End Flow for KYC Document

سپاسگزاری Thanks

  • سخن پایانی و سپاسگزاری Thanks Note

نمایش نظرات

آموزش دوره جامع مشاور دیتا کلاد (Data 360) با سناریوهای واقعی [ویدئویی]
جزییات دوره
12h 54m
85
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Tech Journey With Ankit Tech Journey With Ankit

آنکیت جین (Ankit Jain) معمار Salesforce با بیش از ۱۱ سال تجربه در طراحی و ارائه راهکارهای مقیاس‌پذیر برای استارتاپ‌ها و سازمان‌های Fortune 500 است. او متخصص در Sales Cloud، Service Cloud و Salesforce CPQ بوده و دارای ۱۱ گواهینامه Salesforce، تاییدیه خبرگی Salesforce و رتبه 4x Salesforce Ranger است. علاوه بر معماری راهکار، آنکیت یک مدرس تایید شده Salesforce است که برنامه‌های آموزشی، ورکشاپ‌ها و وبینارهای تاثیرگذاری را برای کمک به سازمان‌ها در جهت به حداکثر رساندن ارزش پلتفرم Salesforce برگزار کرده است. او مشتاق یادگیری مداوم، منتورینگ و بهره‌گیری از نوآوری‌های Salesforce برای پیشبرد موفقیت‌های تجاری است.