Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Mencocokkan data input menggunakan alur kerja penyesuaian *Alur kerja yang cocok* adalah pekerjaan pemrosesan data yang menggabungkan dan membandingkan data dari sumber input yang berbeda dan menentukan catatan mana yang cocok berdasarkan teknik pencocokan yang berbeda. Resolusi Entitas AWS membaca data Anda dari lokasi yang ditentukan, menemukan kecocokan antar catatan, dan menetapkan [ID Pencocokan](glossary.md#match-id-defin) ke setiap kumpulan data yang cocok. Diagram berikut merangkum cara membuat alur kerja yang cocok. ![\[A summary of the four steps to create a matching workflow in Resolusi Entitas AWS\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/HIW-Matching-Workflow.png) **Topics** + [Jenis alur kerja yang cocok](#matching-workflow-types) + [Opsi keluaran data](#data-output-options) + [Mencocokkan hasil alur kerja](#matching-workflow-results) + [Membuat alur kerja pencocokan berbasis aturan](creating-matching-workflow-rule-based.md) + [Membuat alur kerja pencocokan berbasis pembelajaran mesin](create-matching-workflow-ml.md) + [Membuat alur kerja pencocokan berbasis layanan penyedia](create-matching-workflow-provider.md) + [Mengedit alur kerja yang cocok](edit-matching-workflow.md) + [Menghapus alur kerja yang cocok](delete-matching-workflow.md) + [Memodifikasi atau membuat ID Pencocokan untuk alur kerja pencocokan berbasis aturan](generate-match-id.md) + [Mencari ID Pencocokan untuk alur kerja pencocokan berbasis aturan](find-match-id.md) + [Menghapus catatan dari alur kerja pencocokan berbasis aturan atau berbasis ML](delete-records.md) + [Memecahkan masalah alur kerja yang cocok](troubleshooting.md) ## Jenis alur kerja yang cocok Resolusi Entitas AWS mendukung tiga jenis alur kerja yang cocok: Pencocokan berbasis aturan Menggunakan aturan yang dapat dikonfigurasi untuk mengidentifikasi catatan yang cocok berdasarkan pencocokan yang tepat atau kabur dari bidang tertentu. Anda menentukan kriteria yang cocok, seperti nama yang cocok yang dieja sama atau alamat yang diformat berbeda. Pencocokan berbasis machine learning Menggunakan model pembelajaran mesin untuk mengidentifikasi catatan serupa, bahkan ketika data memiliki variasi, kesalahan, atau bidang yang hilang. Pendekatan ini dapat mendeteksi kecocokan yang lebih kompleks daripada pencocokan berbasis aturan. Pencocokan berbasis layanan penyedia Menggunakan penyedia data pihak ketiga untuk memperkaya dan memvalidasi data Anda sebelum mencocokkan. Jenis pencocokan ini tidak kompatibel dengan keluaran Amazon Connect Customer Profiles. ## Opsi keluaran data Resolusi Entitas AWS dapat menulis file output data ke: + Lokasi Amazon S3 yang Anda tentukan + Profil Pelanggan Amazon Connect (untuk deduplikasi data pelanggan) **penting** Mengekspor ke Profil Pelanggan Amazon Connect tidak kompatibel dengan pencocokan berbasis penyedia. Untuk mengekspor ke Profil Pelanggan Amazon Connect, Anda harus menggunakan pencocokan berbasis aturan atau pencocokan berbasis pembelajaran mesin. Anda dapat menggunakan Resolusi Entitas AWS untuk hash data output jika diinginkan - membantu Anda mempertahankan kontrol atas data Anda. Tabel berikut menunjukkan tiga jenis alur kerja yang cocok dan tujuan output yang didukung. | Jenis pencocokan | Keluaran S3 | Output Profil Pelanggan | | --- | --- | --- | | [berbasis aturan](creating-matching-workflow-rule-based.md) | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | | [berbasis pembelajaran mesin](create-matching-workflow-ml.md) | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | | [penyedia layanan berbasis](create-matching-workflow-provider.md) | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/negative_icon.svg)Tidak | ## Mencocokkan hasil alur kerja Setelah membuat dan menjalankan alur kerja yang cocok, Anda dapat melihat hasilnya di lokasi S3 yang ditentukan atau di Profil Pelanggan Amazon Connect. Alur kerja yang cocok dihasilkan IDs setelah data diindeks. Alur kerja yang cocok dapat memiliki beberapa proses dan hasilnya (keberhasilan atau kesalahan) ditulis ke folder dengan nama `jobId` sebagai. Untuk setiap proses untuk tujuan keluaran S3: + Output data berisi file untuk kecocokan yang berhasil dan file untuk kesalahan + Hasil yang berhasil ditulis ke `success` folder yang berisi banyak file + Kesalahan ditulis ke `error` folder dengan beberapa bidang Untuk setiap proses untuk tujuan keluaran Amazon Connect Customer Profiles: + Catatan pelanggan yang tidak digandakan dikirim langsung ke instans Amazon Connect + Anda dapat melihat riwayat pekerjaan terbaru Anda di Resolusi Entitas AWS konsol + Profil yang ada di Amazon Connect tidak termasuk dalam proses deduplikasi Setelah Anda membuat dan menjalankan alur kerja yang cocok, Anda dapat menggunakan output [pencocokan berbasis aturan atau pencocokan](creating-matching-workflow-rule-based.md) [pembelajaran mesin (ML) sebagai masukan untuk pencocokan](create-matching-workflow-ml.md) [berbasis layanan penyedia](create-matching-workflow-provider.md) atau sebaliknya untuk memenuhi kebutuhan bisnis Anda. Misalnya, untuk menghemat biaya berlangganan penyedia, Anda dapat menjalankan [pencocokan berbasis aturan](creating-matching-workflow-rule-based.md) terlebih dahulu untuk menemukan kecocokan pada data Anda. Kemudian, Anda dapat mengirim subset catatan yang tak tertandingi ke pencocokan berbasis [layanan penyedia](create-matching-workflow-provider.md). Perhatikan bahwa jika Anda berencana untuk mengekspor ke Profil Pelanggan, Anda harus menggunakan pencocokan berbasis aturan atau pembelajaran mesin saja. Untuk informasi selengkapnya tentang kesalahan pemecahan masalah, lihat. [Memecahkan masalah alur kerja yang cocok](troubleshooting.md) # Membuat alur kerja pencocokan berbasis aturan *[Pencocokan berbasis aturan](glossary.md#rule-based-matching-defn)* adalah seperangkat hierarkis aturan pencocokan air terjun, disarankan oleh Resolusi Entitas AWS, berdasarkan data yang Anda masukkan dan sepenuhnya dapat dikonfigurasi oleh Anda. Alur kerja pencocokan berbasis aturan memungkinkan Anda membandingkan cleartext atau data hash untuk menemukan kecocokan yang tepat berdasarkan kriteria yang Anda sesuaikan. Ketika Resolusi Entitas AWS menemukan kecocokan antara dua atau lebih catatan dalam data Anda, ia menetapkan: + [ID Pencocokan](glossary.md#match-id-defin) dengan catatan dalam kumpulan data yang cocok + [Aturan pertandingan](glossary.md#match-rule-defn) yang menghasilkan pertandingan. Saat membuat alur kerja pencocokan berbasis aturan Resolusi Entitas AWS, Anda harus memilih jenis aturan **Simple** atau **Advanced**. Jenis aturan menentukan kompleksitas kondisi aturan yang dapat Anda buat. Anda tidak dapat mengubah jenis aturan setelah membuat alur kerja. Anda dapat menggunakan bagan berikut untuk membandingkan dua **jenis Aturan** dan menentukan mana yang sesuai dengan kasus penggunaan Anda. **Bagan perbandingan tipe aturan** | Kasus penggunaan | Jenis aturan lanjutan | Jenis aturan sederhana | | --- |--- |--- | | Pemetaan skema dipetakan dengan tipe input one-to-one | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | Tidak | | --- |--- |--- | | Pemetaan skema dengan beberapa kolom data dipetakan ke jenis input yang sama | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/negative_icon.svg) Tidak | Ya | | --- |--- |--- | | Mendukung pencocokan Tepat dan Fuzzy | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | Tidak (Hanya pencocokan yang tepat) | | --- |--- |--- | | Mendukung operator AND, OR, dan tanda kurung | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | Tidak (dan operator saja) | | --- |--- |--- | | Mendukung alur kerja batch | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | Ya | | --- |--- |--- | | Mendukung alur kerja inkremental | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/success_icon.svg) Ya | Ya | | --- |--- |--- | | Mendukung alur kerja real-time | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/negative_icon.svg)Tidak | Ya | | --- |--- |--- | | Mendukung alur kerja pemetaan ID | ![\[alt text not found\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/negative_icon.svg) Tidak | Ya | | --- |--- |--- | Setelah menentukan jenis aturan yang ingin Anda gunakan, gunakan topik berikut untuk membuat alur kerja pencocokan berbasis aturan dengan tipe aturan **Lanjutan** atau **Sederhana**. **Topics** + [Membuat alur kerja pencocokan berbasis aturan dengan tipe aturan Lanjutan](rule-based-mw-advanced.md) + [Membuat alur kerja pencocokan berbasis aturan dengan tipe aturan Sederhana](rule-based-mw-simple.md) # Membuat alur kerja pencocokan berbasis aturan dengan tipe aturan Lanjutan **Prasyarat** Sebelum membuat alur kerja pencocokan berbasis aturan, Anda harus: 1. Buat pemetaan skema. Untuk informasi selengkapnya, lihat [Membuat pemetaan skema](create-schema-mapping.md). 1. Jika menggunakan Profil Pelanggan Amazon Connect sebagai tujuan keluaran, pastikan izin yang sesuai telah dikonfigurasi. Prosedur berikut menunjukkan cara membuat alur kerja pencocokan berbasis aturan dengan tipe aturan **Lanjutan** menggunakan Resolusi Entitas AWS konsol atau API. `CreateMatchingWorkflow` ------ #### [ Console ] **Untuk membuat alur kerja pencocokan berbasis aturan dengan tipe aturan **Lanjutan** menggunakan konsol** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pada halaman **Pencocokan alur kerja**, di sudut kanan atas, pilih **Buat alur kerja yang cocok**. 1. Untuk **Langkah 1: Tentukan detail alur kerja yang cocok**, lakukan hal berikut: 1. Masukkan **nama alur kerja yang cocok** dan **deskripsi** opsional. 1. Untuk **input Data**, pilih **AWS Glue database **Wilayah AWS****, **AWS Glue tabel**, dan kemudian **pemetaan Skema** yang sesuai. Anda dapat menambahkan hingga 19 input data. **catatan** Untuk menggunakan aturan **Lanjutan**, pemetaan skema Anda harus memenuhi persyaratan berikut: Setiap bidang input harus dipetakan ke kunci pencocokan unik, kecuali jika bidang tersebut dikelompokkan bersama. Jika kolom input dikelompokkan bersama, mereka dapat berbagi kunci kecocokan yang sama. Misalnya, pemetaan skema berikut akan berlaku untuk aturan **Lanjutan**: `firstName: { matchKey: 'name', groupName: 'name' }` `lastName: { matchKey: 'name', groupName: 'name' }` Dalam hal ini, `lastName` bidang `firstName` dan dikelompokkan bersama dan berbagi kunci pencocokan nama yang sama, yang diizinkan. **Tinjau pemetaan skema Anda dan perbarui agar mengikuti aturan one-to-one pencocokan ini, kecuali jika bidangnya dikelompokkan dengan benar, untuk menggunakan aturan Lanjutan.** Jika tabel data Anda memiliki kolom DELETE, tipe pemetaan skema harus `String` dan Anda tidak dapat memiliki `matchKey` dan. `groupName` 1. Opsi **Normalisasi data** dipilih secara default, sehingga input data dinormalisasi sebelum pencocokan. Jika Anda tidak ingin menormalkan data, batalkan pilihan opsi **Normalisasi data**. **catatan** Normalisasi hanya didukung untuk skenario berikut di **Buat pemetaan skema**: Jika sub-tipe **Nama** berikut dikelompokkan: **Nama depan, Nama** **tengah, **Nama** belakang**. Jika sub-tipe **Alamat** berikut dikelompokkan: **Alamat jalan 1, Alamat** **jalan 2, Alamat** **jalan 3**, **Kota**, **Negara Bagian, **Negara****, **Kode pos**. Jika sub-tipe **Telepon** berikut dikelompokkan: **Nomor telepon, Kode** **negara telepon**. 1. Untuk menentukan izin **akses Layanan**, pilih opsi dan lakukan tindakan yang disarankan. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/rule-based-mw-advanced.html) 1. (Opsional) Untuk mengaktifkan **Tag** untuk sumber daya, pilih **Tambahkan tag baru**, lalu masukkan pasangan **Kunci** dan **Nilai**. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 2: Pilih teknik pencocokan**: 1. Untuk **metode Pencocokan**, pilih Pencocokan **berbasis aturan**. 1. Untuk **tipe Rule**, pilih **Advanced**. ![\[Pilih layar teknik pencocokan dengan opsi pencocokan berbasis aturan lanjutan yang dipilih.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/choose-matching-method-rule-based-advanced.PNG) 1. Untuk **Memproses irama**, pilih salah satu opsi berikut. + Pilih **Manual** untuk menjalankan alur kerja sesuai permintaan untuk pembaruan massal + Pilih **Otomatis** untuk menjalankan alur kerja segera setelah data baru ada di bucket S3 Anda **catatan** Jika Anda memilih **Otomatis**, pastikan EventBridge notifikasi Amazon diaktifkan untuk bucket S3 Anda. Untuk petunjuk cara mengaktifkan Amazon EventBridge menggunakan konsol S3, lihat [Mengaktifkan Amazon di Panduan EventBridge](https://docs.aws.amazon.com/AmazonS3/latest/userguide/enable-event-notifications-eventbridge.html) Pengguna Amazon *S3*. 1. Untuk **aturan Pencocokan**, masukkan **nama Aturan** dan kemudian buat **kondisi Aturan** dengan memilih fungsi dan operator pencocokan yang sesuai dari daftar tarik-turun berdasarkan tujuan Anda. Anda dapat membuat hingga 25 aturan. ****Anda harus menggabungkan fungsi pencocokan fuzzy (**Cosine, **Levenshtein****, atau **Soundex**) dengan fungsi pencocokan yang tepat (Exact,) menggunakan operator AND. **ExactManyToMany****** Anda dapat menggunakan tabel berikut untuk membantu menentukan jenis fungsi atau operator yang ingin Anda gunakan, tergantung pada tujuan Anda. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/rule-based-mw-advanced.html) **Example Kondisi aturan yang cocok dengan nomor telepon dan email** Berikut ini adalah contoh kondisi aturan yang cocok dengan catatan pada nomor telepon (Kunci pencocokan **telepon**) dan alamat email (Kunci pencocokan **alamat email**): `Exact(Phone,EmptyValues=Process) AND Levenshtein("Email address",2)` ![\[Contoh kondisi aturan yang cocok dengan catatan pada nomor telepon dan alamat email.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/matching-rule-condition-example.png) Tombol pencocokan **Telepon** menggunakan fungsi pencocokan **Tepat** untuk mencocokkan string yang identik. Kunci pencocokan **Telepon** memproses nilai kosong dalam pencocokan menggunakan **EmptyValues=Process modifier**. Kunci pencocokan **alamat Email** menggunakan fungsi pencocokan **Levenshtein** untuk mencocokkan data dengan kesalahan ejaan menggunakan ambang algoritma Levenshtein Distance default 2. Tombol pencocokan **Email** tidak menggunakan pengubah opsional apa pun. Operator **AND** menggabungkan fungsi pencocokan **Exact** dan fungsi pencocokan **Levenshtein**. **Example Kondisi aturan yang digunakan ExactManyToMany untuk melakukan pencocokan matchkey** Berikut ini adalah contoh kondisi aturan yang cocok dengan catatan pada tiga bidang alamat (kunci pencocokan, kunci **HomeAddress**BillingAddress****pencocokan, dan kunci **ShippingAddress**kecocokan untuk menemukan kecocokan potensial dengan memeriksa apakah ada di antara mereka yang memiliki nilai yang identik. `ExactManyToMany`Operator mengevaluasi semua kemungkinan kombinasi bidang alamat yang ditentukan untuk mengidentifikasi kecocokan yang tepat antara dua atau lebih alamat. Misalnya, itu akan mendeteksi apakah `HomeAddress` cocok dengan `BillingAddress` atau`ShippingAddress`, atau jika ketiga alamat sama persis. ``` ExactManyToMany(HomeAddress, BillingAddress, ShippingAddress) ``` **Example Kondisi aturan yang menggunakan pengelompokan** Dalam Advanced Rule Based Matching dengan kondisi fuzzy, sistem pertama-tama mengelompokkan catatan ke dalam cluster berdasarkan kecocokan yang tepat. Setelah cluster awal ini terbentuk, sistem menerapkan filter pencocokan fuzzy untuk mengidentifikasi kecocokan tambahan dalam setiap cluster. Untuk kinerja optimal, Anda harus memilih kondisi pencocokan tepat berdasarkan pola data Anda untuk membuat klaster awal yang terdefinisi dengan baik. Berikut ini adalah contoh kondisi aturan yang menggabungkan beberapa kecocokan tepat dengan persyaratan kecocokan fuzzy. Ini menggunakan `AND` operator untuk memeriksa bahwa tiga bidang —`FullName`, Tanggal Lahir (`DOB`), dan `Address` — cocok persis di antara catatan. Hal ini juga memungkinkan untuk variasi kecil di `InternalID` lapangan menggunakan jarak Levenshtein. `1` Jarak Levenshtein mengukur jumlah minimum pengeditan karakter tunggal yang diperlukan untuk mengubah satu string menjadi string lainnya. Jarak 1 berarti akan cocok `InternalIDs` yang berbeda hanya dengan satu karakter (seperti salah ketik tunggal, penghapusan, atau penyisipan). Kombinasi kondisi ini membantu mengidentifikasi catatan yang sangat mungkin mewakili entitas yang sama, bahkan jika ada perbedaan kecil dalam pengenal. ``` Exact(FullName) AND Exact(DOB) AND Exact(Address) and Levenshtein(InternalID, 1) ``` 1. Pilih **Berikutnya**. 1. Untuk **Langkah 3: Tentukan output dan format data**: 1. **Untuk **tujuan dan format keluaran Data**, pilih **lokasi Amazon S3** untuk output data dan apakah **format Data akan dinormalisasi data** **atau Data asli**.** 1. Untuk **Enkripsi**, jika Anda memilih untuk **menyesuaikan pengaturan enkripsi**, masukkan **AWS KMS kunci** ARN. 1. Lihat **output yang dihasilkan Sistem**. 1. Untuk **keluaran Data**, tentukan bidang mana yang ingin Anda sertakan, sembunyikan, atau tutupi, lalu lakukan tindakan yang disarankan berdasarkan sasaran Anda. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/rule-based-mw-advanced.html) 1. Pilih **Berikutnya**. 1. Untuk **Langkah 4: Tinjau dan buat**: 1. Tinjau pilihan yang Anda buat untuk langkah-langkah sebelumnya dan edit jika perlu. 1. Pilih **Buat dan jalankan**. Sebuah pesan muncul, menunjukkan bahwa alur kerja yang cocok telah dibuat dan bahwa pekerjaan telah dimulai. 1. Pada halaman detail alur kerja yang cocok, pada tab **Metrik**, lihat yang berikut ini di bawah Metrik **pekerjaan terakhir**: + **ID Job**. + **Status** ****pekerjaan alur kerja yang cocok: **Antrian, **Sedang berlangsung**, Selesai**, Gagal**** + **Waktu selesai** untuk pekerjaan alur kerja. + Jumlah **Rekaman yang diproses**. + Jumlah **Rekaman yang tidak diproses**. + **Pertandingan Unik IDs yang dihasilkan**. + Jumlah **catatan Input**. Anda juga dapat melihat metrik pekerjaan untuk mencocokkan pekerjaan alur kerja yang sebelumnya telah dijalankan di bawah riwayat **Job**. 1. Setelah pekerjaan alur kerja yang cocok **selesai (**Status** Selesai**), Anda dapat pergi ke tab **Output data** dan kemudian pilih lokasi **Amazon S3** Anda untuk melihat hasilnya. 1. (Hanya jenis pemrosesan **manual**) Jika Anda telah membuat alur kerja **pencocokan berbasis Aturan** dengan jenis pemrosesan **Manual**, Anda dapat menjalankan alur kerja yang cocok kapan saja dengan memilih Jalankan alur kerja pada **halaman detail alur kerja yang cocok**. 1. (Hanya jenis pemrosesan **otomatis**) Jika tabel data Anda memiliki kolom DELETE, maka: + Rekaman yang disetel ke *true* dalam kolom DELETE akan dihapus. + Rekaman yang disetel ke *false* dalam kolom DELETE dicerna ke dalam S3. Untuk informasi selengkapnya, lihat [Langkah 1: Siapkan tabel data pihak pertama](prepare-input-data.md#prepare-first-party-tables). ------ #### [ API ] **Untuk membuat alur kerja pencocokan berbasis aturan dengan tipe aturan **Lanjutan** menggunakan API** **catatan** Secara default, alur kerja menggunakan pemrosesan standar (batch). Untuk menggunakan inkremental (pemrosesan otomatis, Anda harus mengkonfigurasinya secara eksplisit. 1. Buka terminal atau command prompt untuk membuat permintaan API. 1. Buat permintaan POST ke titik akhir berikut: ``` /matchingworkflows ``` 1. Di header permintaan, atur Content-type ke application/json. **catatan** Untuk daftar lengkap bahasa pemrograman yang didukung, lihat *[Referensi Resolusi Entitas AWS API](https://docs.aws.amazon.com/entityresolution/latest/apireference/Welcome.html)*. 1. Untuk badan permintaan, berikan parameter JSON yang diperlukan berikut: ``` { "description": "string", "incrementalRunConfig": { "incrementalRunType": "string" }, "inputSourceConfig": [ { "applyNormalization": boolean, "inputSourceARN": "string", "schemaName": "string" } ], "outputSourceConfig": [ { "applyNormalization": boolean, "KMSArn": "string", "output": [ { "hashed": boolean, "name": "string" } ], "outputS3Path": "string" } ], "resolutionTechniques": { "providerProperties": { "intermediateSourceConfiguration": { "intermediateS3Path": "string" }, "providerConfiguration": JSON value, "providerServiceArn": "string" }, "resolutionType": "RULE_MATCHING", "ruleBasedProperties": { "attributeMatchingModel": "string", "matchPurpose": "string", "rules": [ { "matchingKeys": [ "string" ], "ruleName": "string" } ] }, "ruleConditionProperties": { "rules": [ { "condition": "string", "ruleName": "string" } ] } }, "roleArn": "string", "tags": { "string" : "string" }, "workflowName": "string" } ``` Di mana: + `workflowName`(wajib) - Harus unik dan antara 1-255 karakter yang cocok pola [A-za-Z\$10-9-] \$1 + `inputSourceConfig`(wajib) — Daftar konfigurasi sumber input 1-20 + `outputSourceConfig`(wajib) - Tepat satu konfigurasi sumber keluaran + `resolutionTechniques`(required) - Setel ke “RULE\$1MATCHING” sebagai resolutionType untuk pencocokan berbasis aturan + `roleArn`(wajib) - ARN peran IAM untuk eksekusi alur kerja + `ruleConditionProperties`(wajib) - Daftar kondisi aturan dan nama aturan yang cocok. Parameter opsional meliputi: + `description`— Hingga 255 karakter + `incrementalRunConfig`— Konfigurasi tipe run inkremental + `tags`— Hingga 200 pasangan nilai kunci 1. (Opsional) Untuk menggunakan pemrosesan inkremental alih-alih pemrosesan standar (batch) default, tambahkan parameter berikut ke badan permintaan: ``` "incrementalRunConfig": { "incrementalRunType": "AUTOMATIC" } ``` 1. Kirim permintaan . 1. Jika berhasil, Anda akan menerima respons dengan kode status 200 dan badan JSON yang berisi: ``` { "workflowArn": "string", "workflowName": "string", // Plus all configured workflow details } ``` 1. Jika panggilan tidak berhasil, Anda mungkin menerima salah satu kesalahan berikut: + 400 - ConflictException jika nama alur kerja sudah ada + 400 - ValidationException jika input gagal validasi + 402 - ExceedsLimitException jika batas akun terlampaui + 403 - AccessDeniedException jika Anda tidak memiliki akses yang memadai + 429 - ThrottlingException jika permintaan dibatasi + 500 - InternalServerException jika ada kegagalan layanan internal ------ # Membuat alur kerja pencocokan berbasis aturan dengan tipe aturan Sederhana **Prasyarat** Sebelum membuat alur kerja pencocokan berbasis aturan, Anda harus: 1. Buat pemetaan skema. Untuk informasi selengkapnya, lihat [Membuat pemetaan skema](create-schema-mapping.md). 1. Jika menggunakan Profil Pelanggan Amazon Connect sebagai tujuan keluaran, pastikan izin yang sesuai telah dikonfigurasi. Prosedur berikut menunjukkan cara membuat alur kerja pencocokan berbasis aturan dengan tipe aturan **Simple** menggunakan Resolusi Entitas AWS Console atau API. `CreateMatchingWorkflow` ------ #### [ Console ] **Untuk membuat alur kerja pencocokan berbasis aturan dengan tipe aturan **Sederhana** menggunakan konsol** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pada halaman **Pencocokan alur kerja**, di sudut kanan atas, pilih **Buat alur kerja yang cocok**. 1. Untuk **Langkah 1: Tentukan detail alur kerja yang cocok**, lakukan hal berikut: 1. Masukkan **nama alur kerja yang cocok** dan **deskripsi** opsional. 1. Untuk **input Data**, pilih **AWS Glue database **Wilayah AWS****, **AWS Glue tabel**, dan kemudian **pemetaan Skema** yang sesuai. Anda dapat menambahkan hingga 19 input data. 1. Opsi **Normalisasi data** dipilih secara default, sehingga input data dinormalisasi sebelum pencocokan. Jika Anda tidak ingin menormalkan data, batalkan pilihan opsi **Normalisasi data**. **catatan** Normalisasi hanya didukung untuk skenario berikut di **Buat pemetaan skema**: Jika sub-tipe **Nama** berikut dikelompokkan: **Nama depan, Nama** **tengah, **Nama** belakang**. Jika sub-tipe **Alamat** berikut dikelompokkan: **Alamat jalan 1, Alamat** **jalan 2, Alamat** **jalan 3**, **Kota**, **Negara Bagian, **Negara****, **Kode pos**. Jika sub-tipe **Telepon** berikut dikelompokkan: **Nomor telepon, Kode** **negara telepon**. 1. Untuk menentukan izin **akses Layanan**, pilih opsi dan lakukan tindakan yang disarankan. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/rule-based-mw-simple.html) 1. (Opsional) Untuk mengaktifkan **Tag** untuk sumber daya, pilih **Tambahkan tag baru**, lalu masukkan pasangan **Kunci** dan **Nilai**. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 2: Pilih teknik pencocokan**: 1. Untuk **metode Pencocokan**, pilih Pencocokan **berbasis aturan**. 1. Untuk **tipe Rule**, pilih **Simple**. ![\[Pilih layar teknik pencocokan dengan opsi Pencocokan berbasis aturan sederhana yang dipilih.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/choose-matching-method-rule-based-simple.PNG) 1. Untuk **Memproses irama**, pilih salah satu opsi berikut. + Pilih **Manual** untuk menjalankan alur kerja sesuai permintaan untuk pembaruan massal + Pilih **Otomatis** untuk menjalankan alur kerja segera setelah data baru ada di bucket S3 Anda **catatan** Jika Anda memilih **Otomatis**, pastikan EventBridge notifikasi Amazon diaktifkan untuk bucket S3 Anda. Untuk petunjuk cara mengaktifkan Amazon EventBridge menggunakan konsol S3, lihat [Mengaktifkan Amazon di Panduan EventBridge](https://docs.aws.amazon.com/AmazonS3/latest/userguide/enable-event-notifications-eventbridge.html) Pengguna Amazon *S3*. 1. (Opsional) Untuk **Indeks hanya untuk pemetaan ID**, Anda dapat memilih untuk **Mengaktifkan** kemampuan untuk hanya mengindeks data dan tidak menghasilkan IDs. Secara default, alur kerja yang cocok dihasilkan IDs setelah data diindeks. 1. Untuk **aturan Pencocokan**, masukkan **nama Aturan** dan kemudian pilih **tombol Cocokkan** untuk aturan itu. Anda dapat membuat hingga 15 aturan dan Anda dapat menerapkan hingga 15 kunci pencocokan yang berbeda di seluruh aturan Anda untuk menentukan kriteria kecocokan. ![\[Mencocokkan antarmuka aturan dengan bidang untuk memasukkan nama aturan dan memilih tombol kecocokan.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/matching-rules.PNG) 1. Untuk **tipe Perbandingan**, pilih salah satu opsi berikut berdasarkan tujuan Anda. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/rule-based-mw-simple.html) ![\[Opsi tipe perbandingan: Beberapa bidang input untuk menemukan kecocokan di seluruh data yang disimpan di beberapa bidang, atau Bidang input tunggal untuk membatasi perbandingan dalam satu bidang.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/comparison-type.PNG) 1. Pilih **Berikutnya**. 1. Untuk **Langkah 3: Tentukan output dan format data**: 1. **Untuk **tujuan dan format keluaran Data**, pilih **lokasi Amazon S3** untuk output data dan apakah **format Data akan dinormalisasi data** **atau Data asli**.** 1. Untuk **Enkripsi**, jika Anda memilih untuk **menyesuaikan pengaturan enkripsi**, masukkan **AWS KMS kunci** ARN. 1. Lihat **output yang dihasilkan Sistem**. 1. Untuk **keluaran Data**, tentukan bidang mana yang ingin Anda sertakan, sembunyikan, atau tutupi, lalu lakukan tindakan yang disarankan berdasarkan sasaran Anda. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/rule-based-mw-simple.html) 1. Pilih **Berikutnya**. 1. Untuk **Langkah 4: Tinjau dan buat**: 1. Tinjau pilihan yang Anda buat untuk langkah-langkah sebelumnya dan edit jika perlu. 1. Pilih **Buat dan jalankan**. Sebuah pesan muncul, menunjukkan bahwa alur kerja yang cocok telah dibuat dan bahwa pekerjaan telah dimulai. 1. Pada halaman detail alur kerja yang cocok, pada tab **Metrik**, lihat yang berikut ini di bawah Metrik **pekerjaan terakhir**: + **ID Job**. + **Status** ****pekerjaan alur kerja yang cocok: **Antrian, **Sedang berlangsung**, Selesai**, Gagal**** + **Waktu selesai** untuk pekerjaan alur kerja. + Jumlah **Rekaman yang diproses**. + Jumlah **Rekaman yang tidak diproses**. + **Pertandingan Unik IDs yang dihasilkan**. + Jumlah **catatan Input**. Anda juga dapat melihat metrik pekerjaan untuk mencocokkan pekerjaan alur kerja yang sebelumnya telah dijalankan di bawah riwayat **Job**. 1. Setelah pekerjaan alur kerja yang cocok **selesai (**Status** Selesai**), Anda dapat pergi ke tab **Output data** dan kemudian pilih lokasi **Amazon S3** Anda untuk melihat hasilnya. 1. (Hanya jenis pemrosesan **manual**) Jika Anda telah membuat alur kerja **pencocokan berbasis Aturan** dengan jenis pemrosesan **Manual**, Anda dapat menjalankan alur kerja yang cocok kapan saja dengan memilih Jalankan alur kerja pada halaman **detail alur kerja** yang cocok. ------ #### [ API ] **Untuk membuat alur kerja pencocokan berbasis aturan dengan tipe aturan **Simple** menggunakan API** **catatan** Secara default, alur kerja menggunakan pemrosesan standar (batch). Untuk menggunakan inkremental (pemrosesan otomatis, Anda harus mengkonfigurasinya secara eksplisit. 1. Buka terminal atau command prompt untuk membuat permintaan API. 1. Buat permintaan POST ke titik akhir berikut: ``` /matchingworkflows ``` 1. Di header permintaan, atur Content-type ke application/json. **catatan** Untuk daftar lengkap bahasa pemrograman yang didukung, lihat *[Referensi Resolusi Entitas AWS API](https://docs.aws.amazon.com/entityresolution/latest/apireference/Welcome.html)*. 1. Untuk badan permintaan, berikan parameter JSON yang diperlukan berikut: ``` { "description": "string", "incrementalRunConfig": { "incrementalRunType": "string" }, "inputSourceConfig": [ { "applyNormalization": boolean, "inputSourceARN": "string", "schemaName": "string" } ], "outputSourceConfig": [ { "applyNormalization": boolean, "KMSArn": "string", "output": [ { "hashed": boolean, "name": "string" } ], "outputS3Path": "string" } ], "resolutionTechniques": { "providerProperties": { "intermediateSourceConfiguration": { "intermediateS3Path": "string" }, "providerConfiguration": JSON value, "providerServiceArn": "string" }, "resolutionType": "RULE_MATCHING", "ruleBasedProperties": { "attributeMatchingModel": "string", "matchPurpose": "string", "rules": [ { "matchingKeys": [ "string" ], "ruleName": "string" } ] }, "ruleConditionProperties": { "rules": [ { "condition": "string", "ruleName": "string" } ] } }, "roleArn": "string", "tags": { "string" : "string" }, "workflowName": "string" } ``` Di mana: + `workflowName`(wajib) - Harus unik dan antara 1-255 karakter yang cocok pola [A-za-Z\$10-9-] \$1 + `inputSourceConfig`(wajib) — Daftar konfigurasi sumber input 1-20 + `outputSourceConfig`(wajib) - Tepat satu konfigurasi sumber keluaran + `resolutionTechniques`(wajib) - Setel ke “RULE\$1MATCHING” untuk pencocokan berbasis aturan + `roleArn`(wajib) - ARN peran IAM untuk eksekusi alur kerja + `ruleConditionProperties`(wajib) - Daftar kondisi aturan dan nama aturan yang cocok. Parameter opsional meliputi: + `description`— Hingga 255 karakter + `incrementalRunConfig`— Konfigurasi tipe run inkremental + `tags`— Hingga 200 pasangan nilai kunci 1. (Opsional) Untuk menggunakan pemrosesan inkremental alih-alih pemrosesan standar (batch) default, tambahkan parameter berikut ke badan permintaan: ``` "incrementalRunConfig": { "incrementalRunType": "AUTOMATIC" } ``` 1. Kirim permintaan . 1. Jika berhasil, Anda akan menerima respons dengan kode status 200 dan badan JSON yang berisi: ``` { "workflowArn": "string", "workflowName": "string", // Plus all configured workflow details } ``` 1. Jika panggilan tidak berhasil, Anda mungkin menerima salah satu kesalahan berikut: + 400 - ConflictException jika nama alur kerja sudah ada + 400 - ValidationException jika input gagal validasi + 402 - ExceedsLimitException jika batas akun terlampaui + 403 - AccessDeniedException jika Anda tidak memiliki akses yang memadai + 429 - ThrottlingException jika permintaan dibatasi + 500 - InternalServerException jika ada kegagalan layanan internal ------ # Membuat alur kerja pencocokan berbasis pembelajaran mesin *[Pencocokan berbasis pembelajaran mesin](glossary.md#ml-matching-defn)* adalah proses preset yang mencoba mencocokkan catatan di semua data yang Anda masukkan. Alur kerja pencocokan berbasis pembelajaran mesin memungkinkan Anda membandingkan data cleartext untuk menemukan berbagai kecocokan menggunakan model pembelajaran mesin. **catatan** Model pembelajaran mesin tidak mendukung perbandingan data hash. Ketika Resolusi Entitas AWS menemukan kecocokan antara dua atau lebih catatan dalam data Anda, ia menetapkan: + [ID Pencocokan](glossary.md#match-id-defin) dengan catatan dalam kumpulan data yang cocok + Persentase [tingkat kepercayaan](glossary.md#confidence-level-defn) pertandingan. Anda dapat menggunakan output alur kerja pencocokan berbasis ML sebagai masukan untuk pencocokan penyedia layanan data, atau sebaliknya untuk memenuhi tujuan spesifik Anda. Misalnya, Anda dapat menjalankan pencocokan berbasis ML untuk menemukan kecocokan di seluruh sumber data pada catatan Anda sendiri terlebih dahulu. Jika subset tidak cocok, Anda dapat menjalankan [pencocokan berbasis layanan penyedia](create-matching-workflow-provider.md) untuk menemukan kecocokan tambahan. **Prasyarat** Sebelum Anda membuat alur kerja pencocokan berbasis ML, Anda harus: 1. Buat pemetaan skema. Untuk informasi selengkapnya, lihat [Membuat pemetaan skema](create-schema-mapping.md). 1. Jika menggunakan Profil Pelanggan Amazon Connect sebagai tujuan keluaran, pastikan izin yang sesuai telah dikonfigurasi. **Untuk membuat alur kerja pencocokan berbasis ML:** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pada halaman **Pencocokan alur kerja**, di sudut kanan atas, pilih **Buat alur kerja yang cocok**. 1. Untuk **Langkah 1: Tentukan detail alur kerja yang cocok**, lakukan hal berikut: 1. Masukkan **nama alur kerja yang cocok** dan **deskripsi** opsional. 1. Untuk **input Data**, pilih **AWS Glue database **Wilayah AWS****, **AWS Glue tabel**, dan kemudian **pemetaan Skema** yang sesuai. Anda dapat menambahkan hingga 20 input data. 1. Opsi **Normalisasi data** dipilih secara default, sehingga input data dinormalisasi sebelum pencocokan. Jika Anda tidak ingin menormalkan data, batalkan pilihan opsi **Normalisasi data**. Pencocokan berbasis pembelajaran mesin hanya menormalkan[Nama](glossary.md#normalization-ML-defn-name),, [Telepon](glossary.md#normalization-ML-defn-phone) dan. [Email](glossary.md#normalization-ML-defn-email) 1. Untuk menentukan izin **akses Layanan**, pilih opsi dan lakukan tindakan yang disarankan. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-ml.html) 1. (Opsional) Untuk mengaktifkan **Tag** untuk sumber daya, pilih **Tambahkan tag baru**, lalu masukkan pasangan **Kunci** dan **Nilai**. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 2: Pilih teknik pencocokan**: 1. Untuk **metode Pencocokan**, pilih Pencocokan **berbasis pembelajaran mesin**. ![\[Resolusi Entitas AWS mencocokkan antarmuka pembuatan alur kerja dengan opsi untuk pencocokan berbasis aturan atau pembelajaran mesin.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/choose-matching-method-machine-learning.PNG) 1. Untuk **irama Pemrosesan**, opsi **Manual** dipilih. Opsi ini memungkinkan Anda menjalankan alur kerja sesuai permintaan untuk pembaruan massal. **catatan** Pemrosesan otomatis (inkremental) tidak didukung untuk alur kerja pencocokan berbasis pembelajaran mesin. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 3: Tentukan output dan format data**: 1. **Untuk **tujuan dan format keluaran Data**, pilih **lokasi Amazon S3** untuk output data dan apakah **format Data akan dinormalisasi data** **atau Data asli**.** 1. Untuk **Enkripsi**, jika Anda memilih untuk **menyesuaikan pengaturan enkripsi**, masukkan **AWS KMS kunci** ARN. 1. Lihat **output yang dihasilkan Sistem**. 1. Untuk **keluaran Data**, tentukan bidang mana yang ingin Anda sertakan, sembunyikan, atau tutupi, lalu lakukan tindakan yang disarankan berdasarkan sasaran Anda. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-ml.html) 1. Pilih **Berikutnya**. 1. Untuk **Langkah 4: Tinjau dan buat**: 1. Tinjau pilihan yang Anda buat untuk langkah-langkah sebelumnya dan edit jika perlu. 1. Pilih **Buat dan jalankan**. Sebuah pesan muncul, menunjukkan bahwa alur kerja yang cocok telah dibuat dan bahwa pekerjaan telah dimulai. 1. Pada halaman detail alur kerja yang cocok, pada tab **Metrik**, lihat yang berikut ini di bawah Metrik **pekerjaan terakhir**: + **ID Job**. + **Status** ****pekerjaan alur kerja yang cocok: **Antrian, **Sedang berlangsung**, Selesai**, Gagal**** + **Waktu selesai** untuk pekerjaan alur kerja. + Jumlah **Rekaman yang diproses**. + Jumlah **Rekaman yang tidak diproses**. + **Pertandingan Unik IDs yang dihasilkan**. + Jumlah **catatan Input**. Anda juga dapat melihat metrik pekerjaan untuk mencocokkan pekerjaan alur kerja yang sebelumnya telah dijalankan di bawah riwayat **Job**. 1. Setelah pekerjaan alur kerja yang cocok **selesai (**Status** Selesai**), Anda dapat pergi ke tab **Output data** dan kemudian pilih lokasi **Amazon S3** Anda untuk melihat hasilnya. 1. (Hanya jenis pemrosesan **manual**) Jika Anda telah membuat alur kerja **pencocokan berbasis pembelajaran Mesin** dengan jenis pemrosesan **Manual**, Anda dapat menjalankan alur kerja yang cocok kapan saja dengan memilih Jalankan alur kerja pada halaman detail **alur kerja** yang cocok. # Membuat alur kerja pencocokan berbasis layanan penyedia *[Pencocokan berbasis layanan penyedia memungkinkan Anda mencocokkan](glossary.md#provider-service-matching)* pengenal yang dikenal dengan penyedia layanan data pilihan Anda. Resolusi Entitas AWS saat ini mendukung layanan penyedia data berikut: + LiveRamp + TransUnion + ID Terpadu 2.0 Untuk informasi selengkapnya tentang layanan penyedia yang didukung, lihat[Mempersiapkan data input pihak ketiga](prepare-third-party-input-data.md). Anda dapat menggunakan langganan publik untuk penyedia ini AWS Data Exchange atau menegosiasikan penawaran pribadi langsung dengan penyedia data. Untuk informasi selengkapnya tentang membuat langganan baru atau menggunakan kembali langganan yang sudah ada ke layanan penyedia, lihat[Langkah 1: Berlangganan layanan penyedia di AWS Data Exchange](prepare-third-party-input-data.md#subscribe-provider-service). Bagian berikut menjelaskan cara membuat alur kerja pencocokan berbasis penyedia. **Topics** + [Membuat alur kerja yang cocok dengan LiveRamp](#create-mw-liveramp) + [Membuat alur kerja yang cocok dengan TransUnion](#create-mw-transunion) + [Membuat alur kerja yang cocok dengan UID 2.0](#create-mw-uid) ## Membuat alur kerja yang cocok dengan LiveRamp LiveRamp Layanan ini menyediakan pengenal yang disebut rampID. RampID adalah salah satu yang paling umum digunakan IDs dalam platform sisi permintaan untuk menciptakan audiens untuk kampanye iklan. Dengan menggunakan alur kerja yang cocok LiveRamp, Anda dapat menyelesaikan alamat email yang di-hash. RAMPIDs **catatan** Resolusi Entitas AWS mendukung penugasan RAMPID berbasis PII. **Prasyarat** Sebelum Anda membuat alur kerja yang cocok dengan LiveRamp, Anda harus: 1. Buat pemetaan skema. Untuk informasi selengkapnya, lihat [Membuat pemetaan skema](create-schema-mapping.md). 1. Memiliki langganan ke LiveRamp layanan 1. Memiliki izin yang sesuai dikonfigurasi ke bucket pementasan data Amazon S3 di mana Anda ingin output alur kerja yang cocok ditulis sementara Sebelum membuat alur kerja pemetaan ID LiveRamp, tambahkan izin berikut ke bucket pementasan data S3. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "AWS": "arn:aws:iam::715724997226:root" }, "Action": [ "s3:PutObject", "s3:GetObject", "s3:GetObjectVersion", "s3:DeleteObject" ], "Resource": [ "arn:aws:s3:::", "arn:aws:s3:::/*" ] }, { "Effect": "Allow", "Principal": { "AWS": "arn:aws:iam::715724997226:root" }, "Action": [ "s3:ListBucket", "s3:GetBucketLocation", "s3:GetBucketPolicy", "s3:ListBucketVersions", "s3:GetBucketAcl" ], "Resource": [ "arn:aws:s3:::", "arn:aws:s3:::/*" ] } ] } ``` ------ Ganti masing-masing ** dengan informasi Anda sendiri. | | | | --- |--- | | staging-bucket | Bucket Amazon S3 yang menyimpan sementara data Anda saat menjalankan alur kerja berbasis layanan penyedia. | **Untuk membuat alur kerja yang cocok dengan LiveRamp:** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pada halaman **Pencocokan alur kerja**, di sudut kanan atas, pilih **Buat alur kerja yang cocok**. 1. Untuk **Langkah 1: Tentukan detail alur kerja yang cocok**, lakukan hal berikut: 1. Masukkan **nama alur kerja yang cocok** dan **deskripsi** opsional. 1. Untuk **input Data**, pilih **AWS Glue database **Wilayah AWS****, **AWS Glue tabel**, dan kemudian **pemetaan Skema** yang sesuai. Anda dapat menambahkan hingga 20 input data. 1. Opsi **Normalisasi data** dipilih secara default, sehingga input data dinormalisasi sebelum pencocokan. **catatan** Normalisasi hanya didukung untuk skenario berikut di **Buat pemetaan skema**: Jika sub-tipe **Nama** berikut dikelompokkan: **Nama depan, Nama** **tengah, **Nama** belakang**. Jika sub-tipe **Alamat** berikut dikelompokkan: **Alamat jalan 1, Alamat** **jalan 2: Nama alamat** **jalan 3, Nama** **kota**, **Negara Bagian, **Negara****, **Kode pos**. Jika sub-tipe **Telepon** berikut dikelompokkan: **Nomor telepon, Kode** **negara telepon**. Jika Anda menggunakan proses resolusi email saja, batalkan pilihan **Normalisasi data** opsi, karena hanya email hash yang digunakan untuk memasukkan data. 1. Untuk menentukan izin **akses Layanan**, pilih opsi dan lakukan tindakan yang disarankan. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-provider.html) 1. (Opsional) Untuk mengaktifkan **Tag** untuk sumber daya, pilih **Tambahkan tag baru**, lalu masukkan pasangan **Kunci** dan **Nilai**. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 2: Pilih teknik pencocokan**: 1. Untuk **metode Pencocokan**, pilih **Layanan penyedia**. 1. Untuk **layanan Penyedia**, pilih **LiveRamp**. **catatan** Pastikan format file input data dan normalisasi selaras dengan pedoman layanan penyedia. Untuk informasi selengkapnya tentang pedoman pemformatan file input untuk alur kerja yang cocok, lihat [Melakukan Resolusi Identitas Melalui ADX dalam dokumentasi](https://docs.liveramp.com/identity/en/perform-identity-resolution-through-adx.html). LiveRamp 1. Untuk **LiveRamp produk**, pilih produk dari daftar dropdown. ![\[Opsi layanan penyedia dengan layanan LiveRamp penyedia yang dipilih.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/choose-matching-method-liveramp.png) **catatan** Jika Anda memilih **PII Penugasan,** maka Anda harus menyediakan setidaknya satu kolom non-pengenal saat melakukan resolusi entitas. Misalnya, GENDER. 1. Untuk **LiveRamp konfigurasi**, masukkan **manajer ID Klien ARN dan manajer** **rahasia Klien ARN**. ![\[LiveRamp formulir konfigurasi dengan bidang untuk manajer ID Klien ARN dan manajer rahasia Klien ARN.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/choose-matching-method-liveramp-config.png) 1. Untuk **pementasan Data**, pilih lokasi **Amazon S3** untuk penyimpanan sementara data Anda saat diproses. Anda harus memiliki izin untuk pementasan data lokasi **Amazon S3**. Untuk informasi selengkapnya, lihat [Membuat peran pekerjaan alur kerja untuk Resolusi Entitas AWS](create-workflow-job-role.md). 1. Pilih **Berikutnya**. 1. Untuk **Langkah 3: Tentukan output data**: 1. **Untuk **tujuan dan format keluaran Data**, pilih **lokasi Amazon S3** untuk output data dan apakah **format Data akan dinormalisasi data** **atau Data asli**.** 1. Untuk **Enkripsi**, jika Anda memilih untuk **menyesuaikan pengaturan enkripsi**, masukkan **AWS KMS kunci** ARN. 1. Lihat **output LiveRamp yang dihasilkan**. Ini adalah informasi tambahan yang dihasilkan oleh LiveRamp. 1. Untuk **keluaran Data**, tentukan bidang mana yang ingin Anda sertakan, sembunyikan, atau tutupi, lalu lakukan tindakan yang disarankan berdasarkan sasaran Anda. **catatan** **Jika Anda memilih **LiveRamp**, karena filter LiveRamp privasi yang menghapus Informasi Identifikasi Pribadi (PII), beberapa bidang akan menampilkan status **Keluaran Tidak Tersedia**.** [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-provider.html) ![\[Resolusi Entitas AWS Antarmuka pembuatan alur kerja pemetaan ID dengan opsi untuk menentukan lokasi keluaran data.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/specify-data-output.PNG) 1. Pilih **Berikutnya**. 1. Untuk **Langkah 4: Tinjau dan buat**: 1. Tinjau pilihan yang Anda buat untuk langkah-langkah sebelumnya dan edit jika perlu. 1. Pilih **Buat dan jalankan**. Sebuah pesan muncul, menunjukkan bahwa alur kerja yang cocok telah dibuat dan bahwa pekerjaan telah dimulai. 1. Pada halaman detail alur kerja yang cocok, pada tab **Metrik**, lihat yang berikut ini di bawah Metrik **pekerjaan terakhir**: + **ID Job**. + **Status** ****pekerjaan alur kerja yang cocok: **Antrian, **Sedang berlangsung**, Selesai**, Gagal**** + **Waktu selesai** untuk pekerjaan alur kerja. + Jumlah **Rekaman yang diproses**. + Jumlah **Rekaman yang tidak diproses**. + **Pertandingan Unik IDs yang dihasilkan**. + Jumlah **catatan Input**. Anda juga dapat melihat metrik pekerjaan untuk mencocokkan pekerjaan alur kerja yang sebelumnya telah dijalankan di bawah riwayat **Job**. 1. Setelah pekerjaan alur kerja yang cocok **selesai (**Status** Selesai**), Anda dapat pergi ke tab **Output data** dan kemudian pilih lokasi **Amazon S3** Anda untuk melihat hasilnya. ## Membuat alur kerja yang cocok dengan TransUnion Jika Anda berlangganan TransUnion layanan, Anda dapat meningkatkan pemahaman pelanggan dengan menautkan, mencocokkan, dan meningkatkan catatan terkait pelanggan yang disimpan di saluran yang berbeda dengan TransUnion Person and Household E Keys dan lebih dari 200 atribut data. TransUnion Layanan ini menyediakan pengidentifikasi yang dikenal sebagai TransUnion Individu dan Rumah Tangga IDs. TransUnion memberikan penugasan ID (juga dikenal sebagai pengkodean) pengidentifikasi yang dikenal seperti nama, alamat, nomor telepon, dan alamat email. **Prasyarat** Sebelum Anda membuat alur kerja yang cocok dengan LiveRamp, Anda harus: 1. Buat pemetaan skema. Untuk informasi selengkapnya, lihat [Membuat pemetaan skema](create-schema-mapping.md). 1. Memiliki langganan ke TransUnion layanan 1. Memiliki izin yang sesuai dikonfigurasi ke bucket pementasan data Amazon S3 di mana Anda ingin output alur kerja yang cocok ditulis sementara Sebelum membuat alur kerja yang cocok TransUnion, tambahkan izin berikut ke bucket pementasan data S3. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "AWS": "arn:aws:iam::381491956555:root" }, "Action": [ "s3:PutObject", "s3:GetObject", "s3:GetObjectVersion", "s3:DeleteObject" ], "Resource": [ "arn:aws:s3:::", "arn:aws:s3:::/*" ] }, { "Effect": "Allow", "Principal": { "AWS": "arn:aws:iam::381491956555:root" }, "Action": [ "s3:ListBucket", "s3:GetBucketLocation", "s3:GetBucketPolicy", "s3:ListBucketVersions", "s3:GetBucketAcl" ], "Resource": [ "arn:aws:s3:::", "arn:aws:s3:::/*" ] } ] } ``` ------ Ganti masing-masing ** dengan informasi Anda sendiri. | | | | --- |--- | | staging-bucket | Bucket Amazon S3 yang menyimpan sementara data Anda saat menjalankan alur kerja berbasis layanan penyedia. | **Untuk membuat alur kerja yang cocok dengan TransUnion:** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pada halaman **Pencocokan alur kerja**, di sudut kanan atas, pilih **Buat alur kerja yang cocok**. 1. Untuk **Langkah 1: Tentukan detail alur kerja yang cocok**, lakukan hal berikut: 1. Masukkan **nama alur kerja yang cocok** dan **deskripsi** opsional. 1. Untuk **input Data**, pilih **AWS Glue database **Wilayah AWS****, **AWS Glue tabel**, dan kemudian **pemetaan Skema** yang sesuai. Anda dapat menambahkan hingga 20 input data. 1. Opsi **Normalisasi data** dipilih secara default, sehingga input data dinormalisasi sebelum pencocokan. Jika Anda tidak ingin menormalkan data, batalkan pilihan opsi **Normalisasi data**. **catatan** Normalisasi hanya didukung untuk skenario berikut di **Buat pemetaan skema**: Jika sub-tipe **Nama** berikut dikelompokkan: **Nama depan, Nama** **tengah, **Nama** belakang**. Jika sub-tipe **Alamat** berikut dikelompokkan: **Alamat jalan 1, Alamat** **jalan 2: Nama alamat** **jalan 3, Nama** **kota**, **Negara Bagian, **Negara****, **Kode pos**. Jika sub-tipe **Telepon** berikut dikelompokkan: **Nomor telepon, Kode** **negara telepon**. 1. Untuk menentukan izin **akses Layanan**, pilih opsi dan lakukan tindakan yang disarankan. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-provider.html) 1. (Opsional) Untuk mengaktifkan **Tag** untuk sumber daya, pilih **Tambahkan tag baru**, lalu masukkan pasangan **Kunci** dan **Nilai**. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 2: Pilih teknik pencocokan**: 1. Untuk **metode Pencocokan**, pilih **Layanan penyedia**. 1. Untuk **layanan Penyedia**, pilih **TransUnion**. **catatan** Pastikan format file input data dan normalisasi selaras dengan pedoman layanan penyedia. ![\[Opsi layanan penyedia dengan layanan TransUnion penyedia yang dipilih.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/choose-matching-method-transunion.PNG) 1. Untuk **pementasan Data**, pilih lokasi **Amazon S3** untuk penyimpanan sementara data Anda saat diproses. Anda harus memiliki izin untuk pementasan data lokasi **Amazon S3**. Untuk informasi selengkapnya, lihat [Membuat peran pekerjaan alur kerja untuk Resolusi Entitas AWS](create-workflow-job-role.md). 1. Pilih **Berikutnya**. 1. Untuk **Langkah 3: Tentukan output data**: 1. **Untuk **tujuan dan format keluaran Data**, pilih **lokasi Amazon S3** untuk output data dan apakah **format Data akan dinormalisasi data** **atau Data asli**.** 1. Untuk **Enkripsi**, jika Anda memilih untuk **menyesuaikan pengaturan enkripsi**, masukkan **AWS KMS kunci** ARN. 1. Lihat **output TransUnion yang dihasilkan**. Ini adalah informasi tambahan yang dihasilkan oleh TransUnion. 1. Untuk **keluaran Data**, tentukan bidang mana yang ingin Anda sertakan, sembunyikan, atau tutupi, lalu lakukan tindakan yang disarankan berdasarkan sasaran Anda. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-provider.html) 1. Untuk **keluaran yang dihasilkan Sistem**, lihat semua bidang yang disertakan. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 4: Tinjau dan buat**: 1. Tinjau pilihan yang Anda buat untuk langkah-langkah sebelumnya dan edit jika perlu. 1. Pilih **Buat dan jalankan**. Sebuah pesan muncul, menunjukkan bahwa alur kerja yang cocok telah dibuat dan bahwa pekerjaan telah dimulai. 1. Pada halaman detail alur kerja yang cocok, pada tab **Metrik**, lihat yang berikut ini di bawah Metrik **pekerjaan terakhir**: + **ID Job**. + **Status** ****pekerjaan alur kerja yang cocok: **Antrian, **Sedang berlangsung**, Selesai**, Gagal**** + **Waktu selesai** untuk pekerjaan alur kerja. + Jumlah **Rekaman yang diproses**. + Jumlah **Rekaman yang tidak diproses**. + **Pertandingan Unik IDs yang dihasilkan**. + Jumlah **catatan Input**. Anda juga dapat melihat metrik pekerjaan untuk mencocokkan pekerjaan alur kerja yang sebelumnya telah dijalankan di bawah riwayat **Job**. 1. Setelah pekerjaan alur kerja yang cocok **selesai (**Status** Selesai**), Anda dapat pergi ke tab **Output data** dan kemudian pilih lokasi **Amazon S3** Anda untuk melihat hasilnya. ## Membuat alur kerja yang cocok dengan UID 2.0 Jika Anda berlangganan layanan Unified ID 2.0, Anda dapat mengaktifkan kampanye iklan dengan identitas deterministik dan bersandar pada interoperabilitas dengan banyak peserta yang UID2 diaktifkan di seluruh ekosistem periklanan. Untuk informasi selengkapnya, lihat [Ikhtisar Unified ID 2.0]( https://unifiedid.com/docs/intro). Layanan Unified ID 2.0 menyediakan UID 2 mentah, yang digunakan untuk membangun kampanye iklan di platform The Trade Desk. UID 2.0 dihasilkan menggunakan kerangka open source. Dalam satu alur kerja Anda dapat menggunakan salah satu **Email Address** atau **Phone number** untuk UID2 generasi mentah tetapi tidak keduanya. Jika keduanya hadir dalam pemetaan skema, maka alur kerja akan memilih **Email Address** dan **Phone number** akan menjadi bidang pass-through. Untuk mendukung keduanya, buat pemetaan skema baru di mana dipetakan tetapi **Email Address** tidak **Phone number** dipetakan. Kemudian, buat alur kerja kedua menggunakan pemetaan skema baru ini. **catatan** Mentah UID2s dibuat dengan menambahkan garam dari ember garam yang diputar kira-kira setahun sekali, UID2 menyebabkan bahan mentah juga diputar dengannya. Oleh karena itu, disarankan agar Anda menyegarkan mentah UID2s setiap hari. Untuk informasi selengkapnya, lihat [https://unifiedid.com/docs/getting-started/gs-faqs\$1 2 -incremental-updates how-often-should-uid](https://unifiedid.com/docs/getting-started/gs-faqs#how-often-should-uid2s-be-refreshed-for-incremental-updates). s-be-refreshed-for **Prasyarat** Sebelum Anda membuat alur kerja yang cocok dengan UID 2.0, Anda harus: 1. Buat pemetaan skema. Untuk informasi selengkapnya, lihat [Membuat pemetaan skema](create-schema-mapping.md). 1. Memiliki langganan ke layanan UID 2.0 **Untuk membuat alur kerja yang cocok dengan UID 2.0:** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pada halaman **Pencocokan alur kerja**, di sudut kanan atas, pilih **Buat alur kerja yang cocok**. 1. Untuk **Langkah 1: Tentukan detail alur kerja yang cocok**, lakukan hal berikut: 1. Masukkan **nama alur kerja yang cocok** dan **deskripsi** opsional. 1. Untuk **input Data**, pilih **AWS Glue database **Wilayah AWS****, **AWS Glue tabel**, dan kemudian **pemetaan Skema** yang sesuai. Anda dapat menambahkan hingga 20 input data. 1. Biarkan opsi **Normalisasi data** dipilih, sehingga input data (**Email Address**atau**Phone number**) dinormalisasi sebelum pencocokan. Untuk informasi selengkapnya tentang **Email Address** normalisasi, lihat [Normalisasi Alamat Email](https://unifiedid.com/docs/getting-started/gs-normalization-encoding#email-address-normalization) dalam dokumentasi UID 2.0. Untuk informasi selengkapnya tentang **Phone number** normalisasi, lihat [Normalisasi Nomor Telepon](https://unifiedid.com/docs/getting-started/gs-normalization-encoding#phone-number-normalization) di dokumentasi UID 2.0. 1. Untuk menentukan izin **akses Layanan**, pilih opsi dan lakukan tindakan yang disarankan. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-provider.html) 1. (Opsional) Untuk mengaktifkan **Tag** untuk sumber daya, pilih **Tambahkan tag baru**, lalu masukkan pasangan **Kunci** dan **Nilai**. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 2: Pilih teknik pencocokan**: 1. Untuk **metode Pencocokan**, pilih **Layanan penyedia**. 1. Untuk **layanan Penyedia**, pilih **Unified ID 2.0**. ![\[Opsi layanan penyedia dengan layanan penyedia ID Terpadu dipilih.\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/images/choose-matching-method-uid.PNG) 1. Pilih **Berikutnya**. 1. Untuk **Langkah 3: Tentukan output data**: 1. **Untuk **tujuan dan format keluaran Data**, pilih **lokasi Amazon S3** untuk output data dan apakah **format Data akan dinormalisasi data** **atau Data asli**.** 1. Untuk **Enkripsi**, jika Anda memilih untuk **menyesuaikan pengaturan enkripsi**, masukkan **AWS KMS kunci** ARN. 1. Lihat keluaran **Unified ID 2.0 yang dihasilkan**. Ini adalah daftar semua informasi tambahan yang dihasilkan oleh UID 2.0 1. Untuk **keluaran Data**, tentukan bidang mana yang ingin Anda sertakan, sembunyikan, atau tutupi, lalu lakukan tindakan yang disarankan berdasarkan sasaran Anda. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/create-matching-workflow-provider.html) 1. Untuk **keluaran yang dihasilkan Sistem**, lihat semua bidang yang disertakan. 1. Pilih **Berikutnya**. 1. Untuk **Langkah 4: Tinjau dan buat**: 1. Tinjau pilihan yang Anda buat untuk langkah-langkah sebelumnya dan edit jika perlu. 1. Pilih **Buat dan jalankan**. Sebuah pesan muncul, menunjukkan bahwa alur kerja yang cocok telah dibuat dan bahwa pekerjaan telah dimulai. 1. Pada halaman detail alur kerja yang cocok, pada tab **Metrik**, lihat yang berikut ini di bawah Metrik **pekerjaan terakhir**: + **ID Job**. + **Status** ****pekerjaan alur kerja yang cocok: **Antrian, **Sedang berlangsung**, Selesai**, Gagal**** + **Waktu selesai** untuk pekerjaan alur kerja. + Jumlah **Rekaman yang diproses**. + Jumlah **Rekaman yang tidak diproses**. + **Pertandingan Unik IDs yang dihasilkan**. + Jumlah **catatan Input**. Anda juga dapat melihat metrik pekerjaan untuk mencocokkan pekerjaan alur kerja yang sebelumnya telah dijalankan di bawah riwayat **Job**. 1. Setelah pekerjaan alur kerja yang cocok **selesai (**Status** Selesai**), Anda dapat pergi ke tab **Output data** dan kemudian pilih lokasi **Amazon S3** Anda untuk melihat hasilnya. # Mengedit alur kerja yang cocok Mengedit alur kerja yang cocok memungkinkan Anda untuk menjaga proses resolusi entitas Anda up-to-date dan responsif terhadap perubahan persyaratan organisasi Anda dari waktu ke waktu. Anda mungkin ingin menyesuaikan kriteria, teknik, atau keluaran data yang cocok untuk meningkatkan akurasi dan efisiensi proses resolusi entitas. Jika Anda mengidentifikasi masalah atau kesalahan dalam hasil alur kerja saat ini, mengeditnya dapat membantu Anda mendiagnosis dan menyelesaikan masalah tersebut. **Untuk mengedit alur kerja yang cocok:** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pilih alur kerja yang cocok. 1. Pada halaman detail alur kerja yang cocok, di sudut kanan atas, pilih **Edit alur kerja**. 1. Pada halaman **Tentukan detail alur kerja yang cocok**, buat perubahan yang diperlukan lalu pilih **Berikutnya**. 1. Pada halaman **Pilih teknik pencocokan**, buat perubahan yang diperlukan dan kemudian pilih **Berikutnya**. **penting** Anda dapat mengubah **irama Pemrosesan** dari **Manual** ke **Otomatis**, tetapi setelah Anda mengubahnya menjadi **Otomatis**, Anda tidak dapat mengubahnya kembali ke **Manual**. Jika **irama Pemrosesan** sudah diatur ke **Otomatis**, Anda tidak dapat mengubahnya menjadi **Manual**. 1. Pada halaman **Tentukan keluaran data**, buat perubahan yang diperlukan lalu pilih **Berikutnya**. 1. Pada halaman **Tinjau dan simpan**, buat perubahan yang diperlukan lalu pilih **Simpan**. # Menghapus alur kerja yang cocok Jika alur kerja yang cocok tidak lagi digunakan atau sudah usang, menghapusnya dapat membantu menjaga ruang kerja Anda tetap teratur dan rapi. Jika Anda telah mengembangkan alur kerja baru yang ditingkatkan yang menggantikan yang lebih lama, menghapus alur kerja lama dapat membantu memastikan Anda hanya menggunakan sebagian besar proses. up-to-date **Untuk menghapus alur kerja yang cocok:** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pilih alur kerja yang cocok. 1. Pada halaman detail alur kerja yang cocok, di sudut kanan atas, pilih **Hapus**. 1. **Konfirmasikan penghapusan dan kemudian pilih Hapus.** # Memodifikasi atau membuat ID Pencocokan untuk alur kerja pencocokan berbasis aturan *ID Pencocokan* adalah pengidentifikasi yang dihasilkan oleh Resolusi Entitas AWS dan diterapkan ke setiap set rekaman yang cocok setelah alur kerja yang cocok dijalankan. Ini adalah bagian dari metadata alur kerja yang cocok yang disertakan dalam output. Saat Anda perlu memperbarui catatan untuk pelanggan yang sudah ada atau menambahkan pelanggan baru ke kumpulan data Anda, Anda dapat menggunakan Resolusi Entitas AWS konsol atau `GenerateMatchID` API. Memodifikasi ID kecocokan yang ada membantu menjaga konsistensi saat memperbarui informasi pelanggan, sementara membuat ID kecocokan baru diperlukan saat menambahkan pelanggan yang sebelumnya tidak dikenal ke sistem Anda. **catatan** Biaya tambahan berlaku, apakah Anda menggunakan konsol atau API. Jenis pemrosesan yang Anda pilih memengaruhi akurasi dan waktu respons operasi. **penting** Jika Anda mencabut Resolusi Entitas AWS izin ke bucket S3 saat pekerjaan sedang berlangsung, masih Resolusi Entitas AWS akan memproses dan mengenakan biaya untuk mengeluarkan hasil ke S3 tetapi tidak dapat memberikan hasilnya ke bucket Anda. Untuk menghindari masalah ini, pastikan bahwa Resolusi Entitas AWS memiliki izin yang benar untuk menulis ke bucket S3 Anda sebelum memulai pekerjaan. Jika izin dicabut selama pemrosesan, Resolusi Entitas AWS cobalah untuk mengirimkan kembali hasil hingga 30 hari setelah pekerjaan selesai setelah Anda memulihkan izin bucket yang benar. Prosedur berikut memandu Anda melalui proses mencari atau membuat ID Pencocokan, memilih jenis pemrosesan, dan melihat hasilnya. ------ #### [ Console ] **Untuk mengubah atau membuat ID Pencocokan menggunakan konsol** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. **Pilih alur kerja pencocokan berbasis aturan yang telah diproses (**Status Job Selesai**).** 1. Pada halaman detail alur kerja yang cocok, pilih IDs tab **Cocokkan**. 1. Pilih **Ubah atau buat ID kecocokan**. **catatan** Opsi **Ubah atau buat ID kecocokan** hanya tersedia untuk alur kerja yang cocok yang menggunakan irama pemrosesan **Otomatis**. Jika Anda telah memilih irama pemrosesan **Manual**, opsi ini akan muncul tidak aktif. Untuk menggunakan opsi ini, edit alur kerja Anda untuk menggunakan irama pemrosesan **otomatis**. Untuk informasi selengkapnya tentang mengedit alur kerja, lihat[Mengedit alur kerja yang cocok](edit-matching-workflow.md). 1. Pilih **AWS Glue tabel dari daftar** dropdown. Jika hanya ada satu AWS Glue tabel dalam alur kerja, itu dipilih secara default. 1. Pilih **jenis Processing**. + **Konsisten** — Anda dapat mencari ID kecocokan yang ada atau membuat dan menyimpan ID kecocokan baru dengan segera. Opsi ini memiliki akurasi tertinggi dan waktu respons yang lebih lambat. + **Latar Belakang** (ditampilkan seperti `EVENTUAL` di API) — Anda dapat mencari ID kecocokan yang ada atau segera menghasilkan ID kecocokan baru. Catatan yang diperbarui disimpan di latar belakang. Opsi ini memiliki respons awal yang cepat, dengan hasil lengkap tersedia di S3 nanti. + **Pembuatan ID cepat** (ditampilkan seperti `EVENTUAL_NO_LOOKUP` di API) - Anda dapat membuat ID kecocokan baru tanpa mencari yang sudah ada. Catatan yang diperbarui disimpan di latar belakang. Opsi ini memiliki respons tercepat. Disarankan hanya untuk catatan unik. 1. Untuk **atribut Rekam**, 1. Masukkan **Nilai** untuk **ID Unik**. 1. Masukkan **Nilai** untuk setiap **tombol Pencocokan** yang akan cocok dengan catatan yang ada berdasarkan aturan yang dikonfigurasi dalam alur kerja Anda. 1. Pilih **Temukan ID kecocokan dan simpan catatan**. Pesan sukses muncul, yang menyatakan bahwa ID Pencocokan ditemukan atau ID Pencocokan baru dibuat dan catatan disimpan. 1. Lihat ID Pencocokan terkait dan aturan terkait yang disimpan ke alur kerja yang cocok dalam pesan sukses. 1. (Opsional) Untuk menyalin ID kecocokan, pilih **Salin**. ------ #### [ API ] **Untuk memodifikasi atau membuat ID Pencocokan menggunakan API** **catatan** [Agar berhasil memanggil API ini, Anda harus terlebih dahulu berhasil menjalankan alur kerja pencocokan berbasis aturan menggunakan API. StartMatchingJob ](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_StartMatchingJob.html) Untuk daftar lengkap bahasa pemrograman yang didukung, [lihat Lihat juga](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GenerateMatchId.html#API_GenerateMatchId_SeeAlso) bagian [GenerateMatchID](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GenerateMatchId.html). 1. Buka terminal atau command prompt untuk membuat permintaan API. 1. Buat permintaan POST ke titik akhir berikut: ``` /matchingworkflows/workflowName/generateMatches ``` 1. Di header permintaan, atur Content-type ke application/json. 1. Dalam URI permintaan, tentukan file Anda`workflowName`. `workflowName`Keharusan: + Panjangnya antara 1 dan 255 karakter + Cocokkan pola [A-za-Z\$10-9-] \$1 1. Untuk badan permintaan, berikan JSON berikut: ``` { "processingType": "string", "records": [ { "inputSourceARN": "string", "recordAttributeMap": { "string" : "string" }, "uniqueId": "string" } ] } ``` Di mana: + `processingType`(opsional) - Default ke. `CONSISTENT` Pilih salah satu dari nilai-nilai ini: + `CONSISTENT`- Untuk akurasi tertinggi dengan waktu respons yang lebih lambat + `EVENTUAL`- Untuk respons awal yang lebih cepat dengan pemrosesan latar belakang + `EVENTUAL_NO_LOOKUP`- Untuk respons tercepat ketika catatan diketahui unik + `records`(wajib) - Array yang berisi tepat satu objek rekaman 1. Kirim permintaan . Jika berhasil, Anda akan menerima respons dengan kode status 200 dan badan JSON yang berisi: ``` { "failedRecords": [ { "errorMessage": "string", "inputSourceARN": "string", "uniqueId": "string" } ], "matchGroups": [ { "matchId": "string", "matchRule": "string", "records": [ { "inputSourceARN": "string", "recordId": "string" } ] } ] } ``` Jika panggilan tidak berhasil, Anda mungkin menerima salah satu kesalahan berikut: + 403 - AccessDeniedException jika Anda tidak memiliki akses yang memadai + 404 - ResourceNotFoundException jika sumber daya tidak dapat ditemukan + 429 - ThrottlingException jika permintaan dibatasi + 400 - ValidationException jika input gagal validasi + 500 - InternalServerException jika ada kegagalan layanan internal ------ # Mencari ID Pencocokan untuk alur kerja pencocokan berbasis aturan Setelah menyelesaikan alur kerja pencocokan berbasis aturan, Anda dapat mengambil ID Pencocokan dan aturan terkait untuk setiap rekaman yang diproses. Informasi ini membantu Anda memahami bagaimana catatan dicocokkan dan aturan mana yang diterapkan. Prosedur berikut menunjukkan cara mengakses data ini menggunakan Resolusi Entitas AWS konsol atau `GetMatchID` API. ------ #### [ Console ] **Untuk mencari ID Pencocokan menggunakan konsol** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. **Pilih alur kerja pencocokan berbasis aturan yang telah diproses (**Status Job Selesai**).** 1. Pada halaman detail alur kerja yang cocok, pilih IDs tab **Cocokkan**. 1. Pilih **Cari ID kecocokan**. **catatan** Opsi **Cari ID kecocokan** hanya tersedia untuk alur kerja yang cocok yang menggunakan irama pemrosesan **Otomatis**. Jika Anda telah memilih irama pemrosesan **Manual**, opsi ini akan muncul tidak aktif. Untuk menggunakan opsi ini, edit alur kerja Anda untuk menggunakan irama pemrosesan **otomatis**. Untuk informasi selengkapnya tentang mengedit alur kerja, lihat[Mengedit alur kerja yang cocok](edit-matching-workflow.md). 1. Lakukan salah satu tindakan berikut: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/entityresolution/latest/userguide/find-match-id.html) 1. Untuk **atribut Rekam**, masukkan **Nilai** untuk **kunci Pencocokan** yang ada untuk mencari setiap rekaman yang ada. **Tip** Masukkan nilai sebanyak yang Anda bisa untuk membantu menemukan ID Pencocokan. 1. Opsi **Normalisasi data** dipilih secara default, sehingga input data dinormalisasi sebelum pencocokan. Jika Anda tidak ingin menormalkan data, batalkan pilihan opsi **Normalisasi data**. 1. Jika Anda ingin melihat aturan yang cocok, perluas **Lihat aturan pencocokan**. 1. Pilih **Lihat**. Pesan sukses muncul, yang menyatakan bahwa ID Pencocokan ditemukan. 1. Lihat ID Pencocokan yang sesuai dan aturan terkait yang ditemukan. ------ #### [ API ] **Untuk mencari ID Pencocokan menggunakan API** **catatan** [Agar berhasil memanggil API ini, Anda harus terlebih dahulu berhasil menjalankan alur kerja pencocokan berbasis aturan menggunakan API. StartMatchingJob ](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_StartMatchingJob.html) Untuk daftar lengkap bahasa pemrograman yang didukung, [lihat bagian Lihat Juga](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GetMatchId.html#API_GetMatchId_SeeAlso) pada [GetMatchID API](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GetMatchId.html). 1. Buka terminal atau command prompt untuk membuat permintaan API. 1. Buat permintaan POST ke titik akhir berikut: ``` /matchingworkflows/workflowName/matches ``` 1. Di header permintaan, atur Content-type ke application/json. 1. Dalam URI permintaan, tentukan file Anda`workflowName`. `workflowName`Keharusan: + Panjangnya antara 1 dan 255 karakter + Cocokkan pola [A-za-Z\$10-9-] \$1 1. Untuk badan permintaan, berikan JSON berikut: ``` { "applyNormalization": boolean, "record": { "string" : "string" } } ``` Di mana: `applyNormalization`(opsional) - Setel `true` untuk menormalkan atribut yang didefinisikan dalam skema `record`(wajib) - Catatan untuk mengambil ID Pertandingan untuk 1. Kirim permintaan . Jika berhasil, Anda akan menerima respons dengan kode status 200 dan badan JSON yang berisi: ``` { "matchId": "string", "matchRule": "string" } ``` Ini `matchId` adalah pengenal unik untuk grup rekaman yang cocok ini, dan `matchRule` menunjukkan aturan mana yang cocok dengan rekaman. Jika panggilan tidak berhasil, Anda mungkin menerima salah satu kesalahan berikut: + 403 - AccessDeniedException jika Anda tidak memiliki akses yang memadai + 404 - ResourceNotFoundException jika sumber daya tidak dapat ditemukan + 429 - ThrottlingException jika permintaan dibatasi + 400 - ValidationException jika input gagal validasi + 500 - InternalServerException jika ada kegagalan layanan internal ------ # Menghapus catatan dari alur kerja pencocokan berbasis aturan atau berbasis ML Jika Anda perlu mematuhi peraturan manajemen data, Anda dapat menghapus catatan dari alur kerja pencocokan berbasis aturan atau berbasis ML. **Untuk menghapus catatan dari alur kerja pencocokan berbasis aturan atau berbasis ML** 1. Masuk ke Konsol Manajemen AWS dan buka Resolusi Entitas AWS konsol di [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. **Di panel navigasi kiri, di bawah **Alur Kerja**, pilih Pencocokan.** 1. Pilih alur kerja pencocokan berbasis aturan atau berbasis ML. 1. Pada halaman detail alur kerja yang cocok, pilih **Hapus unik IDs** dari daftar **dropdown Tindakan**. 1. Masukkan ID unik yang ingin Anda hapus di IDs bagian **Unik**. Anda dapat memasukkan hingga 10 unik IDs. 1. Tentukan **sumber Input** dari mana untuk menghapus unik IDs. Jika hanya ada satu **sumber Input** untuk alur kerja, **sumber Input** dicantumkan secara default. Jika Anda hanya menentukan satu **sumber Input**, keunikan IDs di sumber input lain tidak akan terpengaruh. 1. Pilih **Hapus unik IDs**. # Memecahkan masalah alur kerja yang cocok Gunakan informasi berikut untuk membantu Anda mendiagnosis dan memperbaiki masalah umum yang mungkin Anda temui saat menjalankan alur kerja yang cocok. ## Saya menerima file kesalahan setelah menjalankan alur kerja yang cocok ### Penyebab umum Alur kerja yang cocok dapat memiliki beberapa proses dan hasilnya (keberhasilan atau kesalahan) ditulis ke folder dengan nama `jobId` sebagai. Hasil yang berhasil untuk alur kerja yang cocok ditulis ke `success` folder yang berisi banyak file, dan setiap file berisi subset dari catatan yang berhasil. Kesalahan untuk alur kerja yang cocok ditulis ke `error` folder dengan beberapa bidang, dengan masing-masing berisi subset catatan kesalahan. File kesalahan dapat dibuat karena alasan berikut: + [ID Unik](glossary.md#unique-id-defn) adalah: + null + hilang dalam deretan data + hilang dalam catatan di tabel data + diulang di baris data lain dalam tabel data + tidak ditentukan + tidak unik dalam sumber yang sama + tidak unik di berbagai sumber + tumpang tindih antar sumber + melebihi 38 karakter (hanya alur kerja pencocokan berbasis aturan) + Salah satu bidang dalam [pemetaan skema menyertakan nama](glossary.md#schema-mapping-definition) yang dicadangkan: + EmailAddress + InputSourceARN + MatchRule + MatchID + HashingProtocol + ConfidenceLevel + Sumber **catatan** Jika catatan dalam file kesalahan dibuat karena alasan yang tercantum sebelumnya, Anda dikenakan biaya, karena menimbulkan biaya pemrosesan untuk layanan. Jika catatan dalam file kesalahan disebabkan oleh kesalahan server internal, Anda tidak dikenakan biaya. ### Resolusi **Untuk mengatasi masalah ini** 1. Periksa untuk melihat apakah [ID Unik](glossary.md#unique-id-defn) valid. Jika [ID Unik](glossary.md#unique-id-defn) tidak valid, perbarui ID Unik di tabel data Anda, simpan tabel data baru, buat pemetaan skema baru, dan jalankan alur kerja yang cocok lagi. 1. Periksa apakah salah satu bidang dalam [pemetaan skema](glossary.md#schema-mapping-definition) menyertakan nama cadangan. Jika salah satu bidang menyertakan nama cadangan, buat pemetaan skema baru dengan nama baru, dan jalankan alur kerja yang cocok lagi.