Häufig müssen Daten aus Quellsystemen aufbereitet und umgewandelt werden, bevor sie in ein anderes System geladen werden können. Die Workiva Plattform bietet eine Reihe von Transformationsmöglichkeiten sowohl durch Chains als auch durch Data Prep.
Dieser Connected Learning Path (CLP) konzentriert sich interaktiv auf die verschiedenen technischen und leichtgewichtigen funktionalen Transformationsmerkmale von Chains. Für fortgeschrittene Transformationen empfehlen wir dringend die Verwendung von Data Prep. Data Prep ist eine unglaublich leistungsfähige Anwendung, die die funktionalen Transformationsfähigkeiten (Mapping) der Workiva Plattform erweitert.
Dieser Transformations-Lernpfad führt Sie durch die Einrichtung von Chains, um verschiedene wertvolle Funktionen auszuführen und zu zeigen, wie Daten durch Chains transformiert werden können, während sie von einer Datenquelle zu einem Ziel übertragen werden. Es wurden mehrere einfache Datensätze bereitgestellt, die auf gängigen Anwendungsfällen basieren. Diese Beispiele können unabhängig von den verschiedenen Technologien, die Chains unterstützt, verwendet werden.
Hier finden Sie eine Liste der Wege und die ungefähre Zeit, die Sie für einen Weg benötigen. Das Ziel dieser Pfade ist es, Ihnen die Konzepte der Lichttransformationen innerhalb einer Kette näher zu bringen. Die Lösung für jeden dieser Pfade gibt es als Kettenvorlagen im Abschnitt Vorlagen des Moduls Ketten unter dem Ordner Vernetzte Lernpfade.
Übung | Zusammenfassung | Zeit (Min.) |
Verbindungen konfigurieren | Erledigen Sie die Einrichtungsaufgaben, die für diesen Connected Learning Path erforderlich sind. Dies ist eine Vorbedingung für die Aufnahme der unten beschriebenen Pfade. | 15 |
Variable Transformation | Lernen Sie die Datumsoperationen der Variablenumwandlung für Parsing, Formatierung und mathematische Operationen kennen. Wir lernen auch den sehr leistungsfähigen Handlebars Connector und Runtime Inputs kennen und führen JSON-Daten ein. |
15 |
Tabellarische Daten | Lernen Sie einige der häufig verwendeten Tabular Transformation Connector-Befehle kennen, wie z. B. Überschriften zuordnen, Unpivot, Suchen und Ersetzen, Smart Filter und Spalte einfügen, um Tabellendatensätze zu ändern. | 30 |
XML-Daten | Lernen Sie, wie man XML-Datensätze verarbeitet, einschließlich der Anwendung von Filtern während der Umwandlung. Wir untersuchen auch, wie man verschiedene Datensätze vergleichen und Unterschiede feststellen kann. | 30 |
Einfache JSON-Daten | Lernen Sie, wie man einen einfachen JSON-Datensatz in eine Tabelle umwandelt, einschließlich der Anwendung von Filtern während der Umwandlung. Wir untersuchen auch die Ausführung einfacher Abfragen und Iterationen. | 30 |
Verschachtelte JSON-Objekte | Erfahren Sie, wie Sie komplexere JSON-Daten verarbeiten können, die verschachtelte Objekte enthalten. Außerdem wird eine einfache, aber leistungsstarke Abfrage vorgestellt, mit der ein JSON-Datensatz, der verschachtelte Objekte enthält, reduziert werden kann. | 30 |
JSON-Array aus verschachtelten Objekten | Erfahren Sie, wie Sie komplexe JSON-Daten verarbeiten können, die ein Array von verschachtelten JSON-Objekten enthalten. Diese Übung kombiniert und vertieft eine Reihe von Konzepten, die in diesem Schnellstart gelehrt werden, einschließlich der Ausführung von Abfragen, Iteration und Variablentransformation. | 30 |
Lenker | Lernen Sie, wie Handlebars verwendet werden können, um Variablen in Ketten zu schablonisieren. Diese Übung veranschaulicht, wie der handlebars-Befehl genutzt werden kann, um Daten aus Laufzeitvariablen, der Ausgabe eines Workiva-Befehls und einer http-Antwort zu parsen. | 30 |