Snowflake

Snowflake ist ein speziell entwickeltes SQL Data Warehouse in der Cloud, das als SaaS (SaaS) angeboten wird. Snowflake bietet ein Data Warehouse, das schneller, benutzerfreundlicher und wesentlich flexibler ist als herkömmliche Data-Warehouse-Angebote. Mit der einzigartigen und patentierten Architektur von Snowflake ist es ein Leichtes, all Ihre Daten zu sammeln, schnelle Analytics zu ermöglichen und datengestützte Insights für alle Ihre Nutzer:innen zu gewinnen.

Braze bietet zwei Integrationen mit Snowflake an. Zusammen ermöglichen sie eine vollständige, bidirektionale Datenpipeline zwischen Ihren Braze- und Snowflake-Umgebungen.

Eine Integration auswählen

Data Sharing (Braze zu Snowflake)

Snowflake Secure Data Sharing bietet Ihnen sicheren Realtime-Zugriff auf Braze-Engagement- und Kampagnendaten direkt in Ihrer Snowflake-Instanz. Dabei werden keine Daten zwischen Konten kopiert oder übertragen – die gesamte Freigabe erfolgt über die eindeutige Dienstebene und den Metadatenspeicher von Snowflake.

Verwenden Sie Data Sharing, wenn Sie Folgendes tun möchten:

• Braze-Event- und Kampagnendaten mit Snowflake SQL abfragen
• Komplexe Berichte erstellen und Attributionsmodelle umsetzen
• Braze-Daten mit anderen Daten in Ihrem Snowflake Data Warehouse verknüpfen
• Ihre Engagement-Daten kanal-, branchen- und geräteplattformübergreifend vergleichen

Eine Anleitung zur Einrichtung finden Sie unter Snowflake Datenfreigabe.

Cloud Data Ingestion (Snowflake zu Braze)

Mit Cloud Data Ingestion (CDI) können Sie Daten aus Ihrer Snowflake-Instanz direkt mit Braze synchronisieren. So halten Sie Nutzerattribute, Events und Käufe in Braze auf dem gleichen Stand wie Ihr Data Warehouse, das als Single Source of Truth dient.

Verwenden Sie Cloud Data Ingestion, wenn Sie Folgendes tun möchten:

• Nutzerattribute aus Snowflake mit Braze-Nutzerprofilen synchronisieren
• Event- oder Kaufdaten aus Snowflake an Braze senden
• Braze mit den Datentransformationen in Ihrem Warehouse synchron halten
• Den Aufbau und die Pflege angepasster ETL-Pipelines von Snowflake zu Braze vermeiden

Weitere Informationen zur Datenfreigabe in Snowflake finden Sie unter Introduction to Secure Data Sharing.

Identitätsauflösung mit Snowflake

Snowflake bietet einen Solution Accelerator für Identity Resolution Data (IDR). Damit können Sie Graphen zur Identitätsauflösung mit First-Party- und Third-Party-Daten direkt in Ihrer Snowflake-Umgebung erstellen. Die Lösung führt Kundenidentitäten über Ihre Datenquellen hinweg zusammen. Dazu nutzt sie deterministisches Matching, Fuzzy Matching, probabilistisches Matching und Matching auf Basis von maschinellem Lernen (ML) sowie eine abschließende Bewertung durch ein Large Language Model (LLM).

So verwenden Sie Braze zusammen mit Snowflake IDR:

1. Senden Sie Braze-Engagement- und Kampagnendaten per Data Sharing an Ihre Snowflake-Instanz. Dort dienen sie als Quelle für die Identitätsauflösung.
2. Erstellen Sie mit dem IDR Solution Accelerator Ihren Graphen zur Identitätsauflösung in Snowflake. Beziehen Sie dabei die Braze-Daten zusammen mit Ihren anderen Touchpoints mit Kund:innen ein.
3. Synchronisieren Sie die aufgelösten Identitäten per Cloud Data Ingestion zurück zu Braze. So bleiben Ihre Nutzerprofile einheitlich und aktuell.

Mit diesem Workflow behalten Sie in allen Systemen eine einzige, deduplizierte Ansicht jeder Kundin und jedes Kunden. Gleichzeitig können Sie diese Daten in Braze für Campaigns und Messaging nutzen.

Für den Einstieg in den IDR Solution Accelerator von Snowflake wenden Sie sich an Ihr Snowflake-Account-Team oder lesen Sie die Dokumentation zum IDR Solution Accelerator.

Voraussetzungen

Bevor Sie dieses Feature nutzen können, müssen Sie die folgenden Voraussetzungen erfüllen:

Secure Data Sharing einrichten

In Snowflake erfolgt die Datenfreigabe zwischen einem Datenanbieter und einem Datenverbraucher. In diesem Kontext ist Ihr Braze-Konto der Datenanbieter, da es den Datashare erstellt und sendet. Ihr Snowflake-Konto ist hingegen der Datenverbraucher, da es den Datashare verwendet, um eine Datenbank zu erstellen. Weitere Informationen finden Sie unter Snowflake: Consuming Shared Data.

Schritt 1: Datashare von Braze senden

1. Gehen Sie in Braze zu Partnerintegrationen > Data Sharing.
2. Geben Sie Ihre Snowflake-Kontodetails und den Locator ein. Um Ihren Account-Locator zu erhalten, führen Sie SELECT CURRENT_ACCOUNT() im Zielkonto aus.
3. Wenn Sie einen CRR-Share verwenden, geben Sie den Cloud-Anbieter und die Region an.
4. Wenn Sie fertig sind, wählen Sie Create Datashare aus. Dadurch wird der Datashare an Ihr Snowflake-Konto gesendet.

Schritt 2: Datenbank in Snowflake erstellen

1. Nach einigen Minuten sollte der eingehende Datashare in Ihrem Snowflake-Konto ankommen.
2. Erstellen Sie mithilfe des eingehenden Datashares eine Datenbank, um die Tabellen anzuzeigen und abzufragen. Zum Beispiel:

   
   1
   
    CREATE DATABASE <name> FROM SHARE <provider_account>.<share_name>
   
   

3. Erteilen Sie die Berechtigungen zum Abfragen der neuen Datenbank.

Warnung

Wenn Sie einen Share im Braze-Dashboard löschen und neu erstellen, müssen Sie die zuvor erstellte Datenbank löschen und mit CREATE DATABASE <name> FROM SHARE <provider_account>.<share_name> neu erstellen, um den eingehenden Share abfragen zu können. Wenn mehrere Workspaces Daten für dasselbe Snowflake-Konto freigeben, finden Sie in den FAQ zu Snowflake Data Sharing Hinweise zur Verwaltung von Konfigurationen mit mehreren Workspaces.

Nutzung und Visualisierung

Nachdem die Datenfreigabe bereitgestellt wurde, müssen Sie aus der eingehenden Datenfreigabe eine Datenbank erstellen. Dadurch erscheinen alle freigegebenen Tabellen in Ihrer Snowflake-Instanz und lassen sich wie alle anderen Daten in Ihrer Instanz abfragen. Beachten Sie jedoch, dass die freigegebenen Daten schreibgeschützt sind. Sie können sie nur abfragen, aber in keiner Weise ändern oder löschen.

Ähnlich wie bei Currents können Sie Snowflake Secure Data Sharing für Folgendes nutzen:

• Komplexe Berichte erstellen
• Attribution-Modellierung durchführen
• Sicheres Teilen innerhalb Ihres eigenen Unternehmens
• Rohe Event- oder Nutzerdaten einem CRM zuordnen (wie Salesforce)
• Und mehr

Eine vollständige Liste der verfügbaren Tabellen und Spalten finden Sie in der SQL-Tabellenreferenz. Snowflake Data Sharing umfasst alle Tabellen dieser Referenz sowie zusätzliche, exklusiv in Snowflake verfügbare Tabellen für Snapshots, Changelogs von Kampagnen und Canvases, Events der Agent-Konsole und Events zu erneuten Zustellversuchen von Nachrichten.

Sie können die Rohschemata der Tabellen auch als Textdatei herunterladen.

Schema der Nutzer-IDs

Beachten Sie die folgenden Unterschiede zwischen den Namenskonventionen von Braze und Snowflake für Nutzer-IDs.

Wichtige Informationen und Einschränkungen

Breaking Changes und Non-Breaking Changes

Non-Breaking Changes

Nicht-brechende Änderungen können jederzeit auftreten und bieten in der Regel zusätzliche Funktionalität. Beispiele für nicht-brechende Änderungen:

• Hinzufügen einer neuen Tabelle oder Ansicht
• Hinzufügen einer Spalte zu einer bestehenden Tabelle oder Ansicht

Wichtig

Da neue Spalten als Non-Breaking Changes gelten, empfiehlt Braze dringend, in jeder Abfrage die relevanten Spalten explizit aufzulisten, anstatt SELECT *-Abfragen zu verwenden. Alternativ können Sie Views erstellen, in denen die Spalten explizit benannt sind, und dann diese Views abfragen statt direkt die Tabellen.

Breaking Changes

Wenn möglich, werden Breaking Changes vorab angekündigt und es wird eine Migrationsfrist eingeräumt. Beispiele für Breaking Changes sind:

• Entfernen einer Tabelle oder Ansicht
• Entfernen einer Spalte aus einer bestehenden Tabelle oder Ansicht
• Ändern des Typs oder der Nullbarkeit einer bestehenden Spalte

Snowflake-Regionen

Braze hostet derzeit alle Daten auf Nutzerebene in den Snowflake-Regionen AWS US East-1, EU-Central (Frankfurt), AP-Northeast-1 (Tokio), AP-Southeast-2 (Sydney) und AP-Southeast-3 (Jakarta). Für Nutzer:innen außerhalb dieser Regionen kann Braze gemeinsamen Kund:innen, die ihre Snowflake-Infrastruktur in einer beliebigen AWS-, Azure- oder GCP-Region hosten, Data Sharing bereitstellen.

Datenaufbewahrung

Aufbewahrungsrichtlinie

Alle Daten, die älter als zwei Jahre sind, werden archiviert und in einen Langzeitspeicher verschoben. Im Rahmen der Archivierung werden alle Events anonymisiert und alle sensiblen Felder mit personenbezogenen Daten (PII) entfernt (dazu gehören auch optionale PII-Felder wie properties). Archivierte Daten enthalten weiterhin das Feld user_id, das Analytics pro Nutzer:in über alle Event-Daten hinweg ermöglicht.

Sie können die Daten der letzten zwei Jahre für jedes Event in der entsprechenden View USERS_*_SHARED abfragen. Zusätzlich gibt es für jedes Event eine View USERS_*_SHARED_ALL, die Sie abfragen können, um sowohl anonymisierte als auch nicht anonymisierte Daten zu erhalten.

Historische Daten

Das Archiv historischer Event-Daten in Snowflake reicht bis April 2019 zurück. In den ersten Monaten, in denen Braze Daten in Snowflake gespeichert hat, wurden Produktänderungen vorgenommen, die dazu geführt haben können, dass einige dieser Daten etwas anders aussehen oder einige Nullwerte enthalten (da wir zu diesem Zeitpunkt nicht in jedes verfügbare Feld Daten übertragen haben). Gehen Sie am besten davon aus, dass Ergebnisse, die Daten von vor August 2019 enthalten, leicht von den Erwartungen abweichen können.

Einhaltung der Datenschutz-Grundverordnung (DSGVO)

Nahezu jeder Ereignisdatensatz, den Braze speichert, enthält einige Felder, die Nutzer:innen persönlich identifizierbare Informationen (PII) liefern. Einige Ereignisse können E-Mail Adresse, Telefonnummer, ID des Geräts, Sprache, Geschlecht und Standortinformationen enthalten. Wenn die Anfrage eines Nutzers auf Vergessenwerden an Braze übermittelt wird, löschen wir diese PII-Felder für alle Ereignisse, die diesen Nutzer:innen gehören. Auf diese Weise wird die historische Aufzeichnung des Ereignisses nicht gelöscht, aber das Ereignis kann nun nicht mehr mit einer bestimmten Person in Verbindung gebracht werden.

Freigegebene Daten abfragen: TIME und Abfrage-Performance

Event-Daten in den Data-Sharing-Views (zum Beispiel USERS_BEHAVIORS_CUSTOMEVENT_SHARED) sind nach dem Feld TIME geclustert. Wenn Sie danach filtern, wann das Event aufgetreten ist, verwenden Sie bevorzugt TIME als Filter. Abfragen, die Zeilen über TIME einschränken, sind in der Regel performanter als Abfragen, die nach SF_CREATED_AT filtern, da das Clustering am Event-Zeitpunkt ausgerichtet ist.

Geschwindigkeit, Performance und Kosten von Abfragen

Geschwindigkeit, Performance und Kosten jeder Abfrage auf den Daten hängen von der Warehouse-Größe ab, die Sie für die Abfrage verwenden. Je nachdem, wie viele Daten Sie für Analytics abrufen, kann es in manchen Fällen erforderlich sein, ein größeres Warehouse zu verwenden, damit die Abfrage erfolgreich ist. Snowflake bietet hervorragende Ressourcen dazu, wie Sie die passende Größe am besten bestimmen, darunter Overview of warehouses und Warehouse considerations.

Beispielabfragen, die Sie bei der Einrichtung von Snowflake als Referenz verwenden können, finden Sie in unseren Beispielen zu Beispielabfragen und zur Einrichtung einer ETL-Ereignis-Pipeline.

Anweisungen zur Einrichtung finden Sie unter Cloud Data Ingestion: Data-Warehouse-Integrationen.