Diese Seite wurde automatisch übersetzt und kann Ungenauigkeiten enthalten. Um einen Übersetzungsfehler zu melden, nutzen Sie das Feedback unten im Inhaltsverzeichnis rechts auf der Seite.

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

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

Verwenden Sie Datenfreigabe, wenn Sie Folgendes möchten:

Braze-Ereignis- und Kampagnendaten mit Snowflake SQL abfragen
Komplexe Berichte erstellen und Attribution-Modelle durchführen
Braze-Daten mit anderen Daten in Ihrem Snowflake Data Warehouse verknüpfen
Ihre Engagement-Daten über Kanäle, Branchen und Geräteplattformen hinweg benchmarken

Eine Einrichtungsanleitung finden Sie unter Snowflake Datenfreigabe.

Cloud-Datenaufnahme (Snowflake an Braze)

Cloud-Datenaufnahme (CDI) ermöglicht es Ihnen, Daten aus Ihrer Snowflake-Instanz direkt mit Braze zu synchronisieren. So können Sie Nutzer:innen-Attribute, Ereignisse und Käufe in Braze stets mit Ihrem Data Warehouse als zentraler Datenquelle auf dem neuesten Stand halten.

Verwenden Sie Cloud-Datenaufnahme, wenn Sie Folgendes möchten:

Nutzer:innen-Attribute von Snowflake mit Braze-Nutzerprofilen synchronisieren
Ereignis- oder Kaufdaten aus Snowflake an Braze senden
Braze mit Datentransformationen synchron halten, die in Ihrem Data Warehouse stattfinden
Die Erstellung und Wartung benutzerdefinierter ETL-Pipelines von Snowflake zu Braze vermeiden

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

Voraussetzungen

Bevor Sie dieses Feature nutzen können, müssen Sie Folgendes abschließen:

Anforderung	Beschreibung
Braze-Zugang	Um auf dieses Feature in Braze zuzugreifen, müssen Sie sich an Ihren Braze-Konto- oder CSM wenden.
Snowflake-Konto	Ein Snowflake-Konto mit `admin`-Berechtigungen. Für Nicht-HIPAA-Kund:innen wird die Snowflake Standard oder Enterprise Edition unterstützt. Für HIPAA-konforme Datenfreigabe ist die Business Critical Edition erforderlich.

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

Schritt 1: Den Datashare von Braze senden

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

Schritt 2: Die Datenbank in Snowflake erstellen

Nach einigen Minuten sollten Sie den eingehenden Datashare in Ihrem Snowflake-Konto erhalten.

Erstellen Sie mithilfe des eingehenden Datashares eine Datenbank, um die Tabellen anzuzeigen und abzufragen. Zum Beispiel:

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

Erteilen Sie Berechtigungen, um die neue Datenbank abzufragen.

Warnung

Wenn Sie einen Share im Braze-Dashboard löschen und neu erstellen, müssen Sie die zuvor erstellte Datenbank verwerfen und sie mit CREATE DATABASE <name> FROM SHARE <provider_account>.<share_name> neu erstellen, um den eingehenden Share abzufragen. Wenn Sie mehrere Workspaces haben, die Daten an dasselbe Snowflake-Konto freigeben, lesen Sie die Snowflake FAQ zur Datenfreigabe für Hinweise zur Verwaltung von Multi-Workspace-Konfigurationen.

Nutzung und Visualisierung

Nachdem der Data Share bereitgestellt wurde, müssen Sie eine Datenbank aus dem eingehenden Data Share erstellen, damit alle freigegebenen Tabellen in Ihrer Snowflake-Instanz erscheinen und wie alle anderen Daten, die Sie in Ihrer Instanz speichern, abgefragt werden können. Beachten Sie jedoch, dass die freigegebenen Daten schreibgeschützt sind und nur abgefragt, aber in keiner Weise geändert oder gelöscht werden können.

Ähnlich wie bei Currents können Sie Snowflake Secure Data Sharing verwenden, um:

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 in dieser Referenz sowie zusätzliche Snowflake-exklusive Tabellen für Snapshots, Campaign- und Canvas-Changelogs, Agent-Konsolen-Ereignisse und Nachrichten-Wiederholungsereignisse.

Sie können auch die Rohtabellenschemata herunterladen als Textdatei.

Nutzer:innen-ID-Schema

Beachten Sie die folgenden Unterschiede zwischen den Braze- und Snowflake-Benennungskonventionen für Nutzer:innen-IDs.

Braze-Schema	Snowflake-Schema	Beschreibung
`braze_id`	`"USER_ID"`	Der eindeutige Bezeichner, der automatisch von Braze zugewiesen wird.
`external_id`	`"EXTERNAL_USER_ID"`	Der eindeutige Bezeichner eines Nutzerprofils, der von den Kund:innen festgelegt wird.

Wichtige Informationen und Einschränkungen

Nicht-kompatible versus kompatible Änderungen

Kompatible Änderungen

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 kompatible Änderungen gelten, empfiehlt Braze dringend, die gewünschten Spalten in jeder Abfrage explizit aufzulisten, anstatt SELECT *-Abfragen zu verwenden. Alternativ können Sie Views erstellen, die Spalten explizit benennen, und dann diese Views anstelle der Tabellen direkt abfragen.

Nicht-kompatible Änderungen

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 Nutzer:innen-Ebene 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 Data Sharing für gemeinsame Kund:innen bereitstellen, die ihre Snowflake-Infrastruktur in beliebigen AWS-, Azure- oder GCP-Regionen betreiben.

Datenaufbewahrung

Aufbewahrungsrichtlinie

Alle Daten, die älter als zwei Jahre sind, werden archiviert und in den Langzeitspeicher verschoben. Im Rahmen des Archivierungsprozesses werden alle Ereignisse anonymisiert und alle Felder mit persönlich identifizierbaren Informationen (PII) entfernt (dazu gehören auch optionale PII-Felder wie properties). Archivierte Daten enthalten weiterhin das Feld user_id, das nutzer:innenbezogene Analysen über alle Ereignisdaten hinweg ermöglicht.

Sie können die jeweils letzten zwei Jahre an Daten für jedes Ereignis in der entsprechenden USERS_*_SHARED-View abfragen. Zusätzlich verfügt jedes Ereignis über eine USERS_*_SHARED_ALL-View, die abgefragt werden kann, um sowohl anonymisierte als auch nicht-anonymisierte Daten zurückzugeben.

Historische Daten

Das Archiv historischer Ereignisdaten 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 leicht anders aussehen oder Nullwerte enthalten (da wir zu diesem Zeitpunkt nicht alle verfügbaren Felder befüllt haben). Gehen Sie am besten davon aus, dass Ergebnisse, die Daten vor August 2019 umfassen, leicht von den Erwartungen abweichen können.

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.

Abfrage gemeinsam genutzter Daten: `TIME` und Abfrage-Performance

Ereignisdaten in den Data-Sharing-Views (z. B. USERS_BEHAVIORS_CUSTOMEVENT_SHARED) sind nach dem Feld TIME geclustert. Wenn Sie nach dem Zeitpunkt des Ereignisses filtern, verwenden Sie TIME als bevorzugten Filter. Abfragen, die Zeilen mithilfe von TIME einschränken, sind in der Regel performanter als Abfragen, die auf SF_CREATED_AT filtern, da das Clustering an der Ereigniszeit ausgerichtet ist.

Feld	Bedeutung
`TIME`	Unix-Zeitstempel, zu dem das Ereignis stattgefunden hat. Bevorzugen Sie dieses Feld, wenn Sie nach dem Zeitpunkt des Vorkommens filtern.
`SF_CREATED_AT`	Zeitstempel, zu dem die Zeile in Snowflake geladen wurde (Aufnahmezeit).

Geschwindigkeit, Performance und Kosten von Abfragen

Die Geschwindigkeit, Performance und Kosten jeder Abfrage, die auf den Daten ausgeführt wird, werden durch die Warehouse-Größe bestimmt, die Sie für die Abfrage verwenden. In einigen Fällen – abhängig davon, wie viel Daten Sie für Analysen abrufen – kann es notwendig sein, eine größere Warehouse-Größe zu verwenden, damit die Abfrage erfolgreich ausgeführt werden kann. Snowflake bietet hervorragende Ressourcen dazu, wie Sie die richtige Größe bestimmen, darunter Übersicht über Warehouses und Warehouse-Überlegungen.

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

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

New Stuff!