Data 360 驱动的体验 | Salesforce 中文站

一、了解 Data 360 如何运作（Learn How Data 360 Works）

Salesforce Data 360 是一个数据平台，把 Salesforce Platform 的能力与可处理实时数据的基础设施的可扩展性结合起来。本单元讲清 Data 360 是什么、它的端到端运作方式，以及如何连接、转换、统一、增强数据并据其行动——这是 Data 360 驱动一切体验的基础。

完成本单元后，你将能够：

解释 Salesforce Data 360 的关键特性；
理解数据如何跨 Salesforce 产品被使用。

什么是 Salesforce Data 360？

Data 360 是一个数据平台，结合了 Salesforce Platform 的能力与为实时数据处理而生的基础设施的可扩展性。它架起一座桥，把分散在多个 org、Agentforce Marketing、Web 互动、仓库与湖仓（lakehouse）中的数据汇聚起来，用于 AI、分析与自动化。

它的规模极其庞大——Data 360 能处理数万亿条记录、PB 级数据、每个客户每秒数千个请求。

Data 360 是客户数据平台（CDP）的演进——CDP 最初面向营销人员，如今服务于远超营销的更广泛用例。注意：它于 2025 年 10 月 14 日由 Data Cloud 更名为 Data 360，功能与内容保持不变。

如何运作（How It Works）

Data 360 的端到端流程从连接所有来源的任意类型数据（批处理、流式或实时）开始，然后：

通过转换与治理准备数据；
将数据协调（harmonize）到标准数据模型；
用身份解析规则集统一数据；
用 insights 查询与分析数据；
用 AI 预测行为；
为 Agentforce 使用接地数据；
跨任何渠道分析、扩展并对数据采取行动；
细分受众、创建个性化体验；输出数据到多个源；持续审视、衡量与优化。

这是一条从原始数据到业务成果的完整生命周期。

连接与摄取数据（Connect and Ingest Data）

一切都从把数据引入 Data 360 开始。Data 360 可以连接任何数据——结构化或非结构化，来源广泛：

Salesforce 源：Sales、Service、Commerce 和 Marketing Engagement 连接器；
第三方源：Amazon S3、Google 存储连接器；
零拷贝（zero-copy）源：Snowflake、Databricks、BigQuery；
Ingestion API 与 Salesforce Interaction SDK；
Web 与移动连接器；MuleSoft 连接器；等等。

总而言之，Data 360 让你更容易把全部数据——无论是流式还是批处理——汇聚到你的 Salesforce 应用中。

转换与建模数据（Transform and Model Data）

数据需要转换，因为它们是多样的。如果你曾在表单里拼错自己的名字，就能理解为什么。同一个实体在不同来源中可能看起来不同——一个产品订单、Agentforce Sales 里的一个联系人、或一个匿名 Web 浏览者。

Data 360 让你在使用数据前对其进行准备、清洗与转换，然后把来自不同来源的数据协调到一个标准数据模型——Customer 360 Data Model。协调正是让数据能在整个 Salesforce 中一致使用的关键。

统一数据（身份解析）

身份解析（Identity Resolution）通过整合来自不同来源的数据，创建全面的客户与账户视图。它用匹配与协调规则把关于人或账户的数据链接成统一档案。

一旦所需数据映射到 Customer 360 Data Model，就在身份解析功能中创建规则集（rulesets）来定义如何找到匹配——例如，一条规则可指定「所有邮箱地址和姓名相同的记录应合并为一个档案」。Data 360 还让你选择并协调哪些信息出现在该客户的统一档案中。

用 Insights 增强数据

有了统一、规范化、协调后的客户信息视图，就可以用 Calculated Insights（CI，计算洞察）来增强数据——基于批处理或流式数据创建强大的指标与 KPI。

批处理（batch）洞察：创建诸如「客户总价值」或「超过 500 美元的产品」这类指标。
流式（streaming）洞察：基于滚动时间窗口计算——例如识别过去 30 分钟在线店铺所有产品的点击率。

洞察把原始的统一数据变成可供决策的信号。

使用 AI 模型

你也可以在 AI Models（原 Einstein Studio）中点击式地（无需代码）创建 AI 模型或连接现有模型。训练模型、评估其质量、并激活模型。

一旦激活，模型就会分析你的数据，基于机器学习生成 AI 驱动的预测或洞察。然后可以用输出来优化流程：在 Flow Builder 中使用实时预测来自动化操作、用输出来转换 DMO 等等。

分析与行动（上）：细分 + 分析

从数据中获取价值的两种方式：

细分（Segment）：营销人员在 Data 360 中创建受众细分，在 Journey Builder 的个性化营销活动中激活，还可以激活到 Facebook（Meta）、Google 等丰富的广告合作伙伴生态。
分析（Analyze）：由于 Tableau 与 Data 360 集成，所有标准数据模型对象和关系都能在 Tableau 中查看。通过 Direct Query 功能，你可以在 CRM analytics 中一键分析洞察或任何其他数据。

分析与行动（下）：对数据采取行动

对数据采取行动才是魔力所在。Data 360 数据可用于在 Agentforce Sales、Service、Commerce、Marketing Personalization 等中创建体验。

流式事件驱动各处或各目标中的动作；数据操作（data actions）用事件、流式洞察和数据变更来触发 Flow。

一个具体例子：某汽车公司用一个数据操作，在客户车辆里程超过 75,000 英里时触发警报、创建自动服务电话。实时数据，真实世界的行动。

二、看 Data 360 的实际应用（See Data 360 in Action）

本单元展示 Data 360 的实际应用。我们将回顾营销、服务、销售、电商与分析等具体用例，然后讲清伴随强大数据而来的伦理责任，最后解释为什么 Data 360 是 Salesforce 生成式 AI 与 Agentforce 的基础。

完成本单元后，你将能够：

理解 Data 360 的用例；
遵循数据伦理最佳实践；
了解 Data 360 在 Agentforce 中的角色。

用例（上）：营销 · 服务 · 应用

Data 360 为任何行业和角色创造强大的体验：

营销：营销人员精细调整细分，为针对高端客户的广告活动激活数据。

服务：客服代理在 Agentforce Service 中查看统一、协调的数据，提供更好的支持。
开发人员：基于强大、及时的数据构建应用——例如用内置对象和洞察计算患者健康评分的健康评分应用。

核心模式是：统一的数据让每个角色都更高效。

用例（下）：销售 · 电商 · 分析

销售：销售代表通过 Data Enrichments 查看客户前景洞察——转化可能性、终身价值、购买倾向——把 Data 360 数据添加到相关列表和字段。

电商：电商经理根据客户的浏览行为和当前库存水平个性化网站。
Web 互动：团队摄取 Google Analytics 数据，用 Web 互动数据丰富客户信息，更好地细分受众、个性化互动。
分析：分析师把 Data 360 连接到 Tableau，查看统一档案、快速获取客户与业务影响洞察——例如按支持工单的数量和主题理解客户，从而制定减少工单的计划。