Accès aux données

Automatisez l'évolution de votre CDM SAS CI360 sur BigQuery avec SASIOGBQ

Expert Download code Présentation Le Code Astuces Voir aussi Docs
Niveau de difficulté
Débutant
Publié le :
Michael

Le Conseil de l'Expert

Michael
Responsable de l'infrastructure Viya.

Ce script de configuration transforme votre environnement BigQuery en un véritable laboratoire d'expérimentation. Il permet de réconcilier les actions marketing précises avec les comportements clients réels, offrant ainsi une traçabilité complète de chaque décision de ciblage au sein du modèle de données de référence (CDM)

Attention : Ce code nécessite des droits administrateur.
Le script établit une connexion à BigQuery en utilisant le moteur SASIOGBQ. Il exécute ensuite des commandes SQL pour :
  • Modifier la table `cdm_contact_history` en ajoutant la colonne `control_group_flg`.
  • Modifier la table `cdm_response_history` en ajoutant la colonne `properties_map_doc`.
  • Modifier la table `cdm_task_detail` en ajoutant trois nouvelles colonnes : `control_group_action_nm`, `stratified_sampling_action_nm`, et `segment_tests_flg`.
  • Créer une nouvelle table nommée `cdm_segment_test` avec plusieurs colonnes définissant les tests de segment.
  • Créer une nouvelle table nommée `cdm_segment_test_x_segment` pour lier les tests aux segments.
Analyse des données

Type : EXTERNAL

Le script se connecte à des tables externes résidant dans BigQuery. Les tables cdm_contact_history, cdm_response_history, et cdm_task_detail sont modifiées. Deux nouvelles tables, cdm_segment_test et cdm_segment_test_x_segment, sont créées dans le schéma BigQuery spécifié par la macro variable SCHEMA.

1 Bloc de code
PROC SQL
Explication :
Établit une connexion à BigQuery via le moteur SASIOGBQ en utilisant les paramètres fournis par les macros %let. Exécute ensuite des commandes SQL pour modifier trois tables existantes : cdm_contact_history, cdm_response_history, et cdm_task_detail. Des colonnes sont ajoutées à chacune pour stocker des informations relatives au contrôle de groupe, aux propriétés et aux tests de segmentation.
Copié !
1/*=====================================================================*/
2/* Enter Customer Specific Target Source Connection Values - BigQuery */
3/*=====================================================================*/
4 
5%let project = ; /* ProjectID - Do Not Quote This Value */
6%let schema = ; /* BigQuery Schema - Do Not Quote This Value */
7%let cred_path = ; /* Credentials File Path - Do Not Quote This Value */
8 
9/*!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!*/
10/* */
11/* Note: This code alters the CI360 Common Data Model 2.0 */
12/* tables to align with Schema10 modifications. */
13/* */
14/*!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!*/
15 
16PROC SQL NOERRORSTOP;
17 
18CONNECT TO SASIOGBQ (PROJECT="&PROJECT" CRED_PATH="&CRED_PATH" SCHEMA="&SCHEMA");
19 
20/*** cdm_contact_history ***/
21EXECUTE(ALTER TABLE &SCHEMA..cdm_contact_history ADD COLUMN control_group_flg STRING) BY SASIOGBQ;
22 
23/*** cdm_response_history ***/
24EXECUTE(ALTER TABLE &SCHEMA..cdm_response_history ADD COLUMN properties_map_doc STRING) BY SASIOGBQ;
25 
26/*** cdm_task_detail ***/
27EXECUTE(ALTER TABLE &SCHEMA..cdm_task_detail ADD COLUMN control_group_action_nm STRING) BY SASIOGBQ;
28EXECUTE(ALTER TABLE &SCHEMA..cdm_task_detail ADD COLUMN stratified_sampling_action_nm STRING) BY SASIOGBQ;
29EXECUTE(ALTER TABLE &SCHEMA..cdm_task_detail ADD COLUMN segment_tests_flg STRING) BY SASIOGBQ;
2 Bloc de code
PROC SQL Data
Explication :
Crée deux nouvelles tables dans BigQuery : `cdm_segment_test` et `cdm_segment_test_x_segment`. La table `cdm_segment_test` stocke les détails des différents tests appliqués aux segments, tandis que `cdm_segment_test_x_segment` établit la relation entre ces tests et les identifiants de segment. La connexion à BigQuery est ensuite fermée.
Copié !
1EXECUTE (CREATE TABLE &SCHEMA..cdm_segment_test
2(
3 test_cd STRING NOT NULL ,
4 task_version_id STRING NOT NULL ,
5 task_id STRING NOT NULL ,
6 test_nm STRING ,
7 test_type_nm STRING ,
8 test_enabled_flg STRING ,
9 test_sizing_type_nm STRING ,
10 test_cnt INT64 ,
11 test_pct NUMERIC ,
12 stratified_sampling_flg STRING ,
13 stratified_samp_criteria_txt STRING ,
14 updated_dttm TIMESTAMP
15)) BY SASIOGBQ;
16 
17EXECUTE (CREATE TABLE &SCHEMA..cdm_segment_test_x_segment
18(
19 test_cd STRING NOT NULL ,
20 task_version_id STRING NOT NULL ,
21 task_id STRING NOT NULL ,
22 segment_id STRING ,
23 updated_dttm TIMESTAMP
24)) BY SASIOGBQ;
25 
26DISCONNECT FROM SASIOGBQ;
27QUIT;
L'Astuce Pro
Pour optimiser les performances et minimiser les couts BigQuery, privilégiez toujours le mode Explicit Pass-Through via l'instruction EXECUTE comme utilisé ici : cela permet de déléguer l'intégralité du traitement DDL au moteur Google sans que SAS n'ait à interpréter le schéma localement, évitant ainsi les erreurs de conversion de types complexes (comme STRING ou INT64) qui ne sont pas supportés nativement dans le format de table classique SAS7BDAT
Ce matériel est fourni "tel quel" par We Are Cas. Il n'y a aucune garantie, expresse ou implicite, quant à la qualité marchande ou à l'adéquation à un usage particulier concernant le matériel ou le code contenu dans les présentes. We Are Cas n'est pas responsable des erreurs dans ce matériel tel qu'il existe maintenant ou existera, et We Are Cas ne fournit pas de support technique pour celui-ci.
Copyright © WeAreCAS 2014-2026
SAS et tous les autres noms de produits ou de services de SAS Institute Inc. sont des marques déposées ou des marques de commerce de SAS Institute Inc. aux États-Unis et dans d'autres pays. ® indique un enregistrement aux États-Unis. WeAreCAS est un site communautaire indépendant et n'est pas affilié à SAS Institute Inc.