Souvent, les données provenant des systèmes sources doivent être préparées et transformées avant d'être chargées dans un autre système. La plateforme Workiva offre un certain nombre de possibilités de transformation par le biais des chaînes et de la préparation des données.
Ce parcours d'apprentissage connecté (CLP) se concentre de manière interactive sur les différentes caractéristiques techniques et fonctionnelles légères de la transformation des chaînes. Pour une transformation plus avancée, nous recommandons fortement l'utilisation de Data Prep. Data Prep est une application incroyablement puissante qui augmente les capacités de transformation fonctionnelle (mapping) de la plateforme Workiva.
Ce parcours de formation connecté à la transformation vous aidera à configurer les chaînes pour qu'elles exécutent diverses fonctions utiles afin de démontrer comment les données peuvent être transformées par les chaînes lors de leur transfert d'une source de données vers une cible. Plusieurs ensembles de données simples ont été fournis sur la base de cas d'utilisation courants. Ces exemples peuvent être utilisés sans tenir compte des différentes technologies prises en charge par Chains.
Voici une liste de chemins et le temps approximatif qu'il faut pour les parcourir. L'objectif de ces parcours est de vous familiariser avec les concepts de transformation de la lumière au sein d'une chaîne. La solution pour chacun de ces chemins existe sous Modèles de chaînes dans la section Modèles du module Chaînes sous le dossier Chemins d'apprentissage connectés.
| Exercice | Résumé | Temps (min.) |
| Configurer les connexions | Effectuez les tâches d'installation nécessaires à la réalisation de ce parcours de formation connectée. Il s'agit d'un prérequis pour entamer les parcours définis ci-dessous. | 15 |
| Transformation des variables | Apprenez les opérations de transformation variable des dates pour l'analyse, le formatage et les opérations mathématiques. Nous apprenons également à connaître le très puissant connecteur Handlebars et les entrées d'exécution, et nous introduisons les données JSON. | 15 |
| Données tabulaires | Apprenez quelques-unes des commandes du connecteur de transformation tabulaire couramment utilisées, notamment Maps Headers, Unpivot, Find & Replace, Smart Filter et Insert Column, pour modifier les ensembles de données tabulaires. | 30 |
| Données XML | Apprenez à traiter des ensembles de données XML, notamment en appliquant des filtres lors de la transformation. Nous étudierons également comment comparer différents ensembles de données et identifier les différences. | 30 |
| Données JSON simples | Apprenez à transformer un simple jeu de données JSON en données tabulaires, notamment en appliquant des filtres lors de la transformation. Nous explorons également l'exécution de requêtes simples et l'itération. | 30 |
| Objets imbriqués JSON | Apprenez à traiter des données JSON plus complexes contenant des objets imbriqués. Nous présentons également une requête simple, mais puissante, qui peut être utilisée pour aplatir un ensemble de données JSON contenant des objets imbriqués. | 30 |
| Tableau JSON d'objets imbriqués | Apprenez à traiter des données JSON complexes contenant un tableau d'objets JSON imbriqués. Cet exercice combine et renforce un certain nombre de concepts enseignés tout au long de ce guide, notamment l'exécution de requêtes, l'itération et la transformation de variables. | 30 |
| Handlebars | Apprenez comment les connecteurs guidon peuvent être utilisés pour modéliser les variables dans les chaînes. Cet exercice illustre comment exploiter la commande handlebars pour analyser des données à partir de variables d'exécution, de la sortie d'une commande Workiva et d'une réponse http. | 30 |