Tutoriels, échantillons et vidéos Snowflake Data Clean Room¶
Tutoriels¶
Voici des tutoriels pour vous aider à vous familiariser avec Snowflake Data Clean Rooms lorsque vous débutez :
Tutoriel d’UI basique, un seul compte : Présente une analyse simple des chevauchements et l’activation du consommateur à l’aide d’un seul compte Snowflake. Le test par un seul compte prend en charge la plupart des fonctionnalités des salle blanches, mais pas toutes. Pour tester toutes les fonctionnalités d’une salle blanche, plusieurs comptes Snowflake doivent être utilisés.
Tutoriel d’UI basique, deux comptes : Présente une analyse simple des chevauchements et l’activation du fournisseur à l’aide de deux comptes Snowflake.
Tutoriel d’API basique, un seul compte : Présente l’utilisation de l’API pour créer et exécuter un modèle personnalisé à l’aide d’un seul compte Snowflake.
Échantillons de notebooks et de feuilles de calcul¶
De nombreux cas d’utilisation comprennent des échantillons complets d’exécution de Snowflake Data Clean Rooms sous forme de notebooks ou de feuilles de calcul téléchargeables. Vous avez besoin d’un compte Snowflake sur lequel l’environnement d’API des salles blanches est installé pour exécuter l’un de ces échantillons, et vous devez pouvoir utiliser le rôle SAMOOHA_APP_ROLE.
Astuce
Pour charger un notebook, suivez les instructions relatives au chargement d’un notebook.
Pour charger une feuille de calcul :
Ouvrez le volet des espaces de travail : Dans le menu de navigation, sélectionnez Projects » Workspaces.
Charger la feuille de calcul SQL : Dans le menu de l’espace de travail, sélectionnez. + Add new » Upload Files.
Liste des fichiers d’échantillon¶
Salle blanche de tests internes : notebook Jupyter montrant comment utiliser un seul compte pour agir à la fois en tant que fournisseur et consommateur à des fins de test.
Analyse exécutée par le consommateur : code permettant d’exécuter une salle blanche d’analyse basique par le consommateur à l’aide de comptes de fournisseur et de consommateur distincts.
Analyse exécutée par le fournisseur : notebook Jupyter montrant comment un fournisseur peut exécuter une analyse dans une salle blanche.
Activation du consommateur exécutée par le consommateur : code permettant d’activer les résultats d’analyse sur le compte Snowflake du consommateur, avec configuration et activation pour le consommateur et le fournisseur.
Activation du fournisseur exécutée par le consommateur : code permettant d’activer les résultats d’analyse sur le compte Snowflake du fournisseur, avec configuration et activation pour le consommateur et le fournisseur.
Activation du fournisseur exécutée par le fournisseur : code permettant l’analyse exécutée par le fournisseur avec activation du fournisseur.
Modèles définis par le consommateur : code permettant de créer, de soumettre et de gérer des modèles écrits par le consommateur dans une salle blanche.
Modèles définis par le fournisseur : code permettant de créer, de soumettre et de gérer des modèles écrits par le fournisseur dans une salle blanche.
**UDFs écrits par le consommateur : ** code permettant le chargement et l’utilisation de fonctions Python personnalisées dans une salle blanche.
**UDFs écrits par le fournisseur : ** code permettant le chargement et l’utilisation de fonctions Python personnalisées chargées par le fournisseur dans une salle blanche.
UDF de la zone de préparation : notebook Jupyter montrant comment charger des fonctions définies par l’utilisateur à partir d’une zone de préparation Snowflake.
**UDFs Snowpark : ** code permettant de créer et d’utiliser des fonctions basées sur Snowpark et définies par l’utilisateur dans des salles blanches.
UDF écrit par le consommateur exécuté par le fournisseur : un UDF chargé par le consommateur peut être exécuté par le fournisseur.
Intégration de Snowpark Container Services : notebooks Jupyter pour l’intégration de Snowpark Container Services dans les salles blanches.
Audience Overlap & Segmentation : notebook Jupyter montrant le modèle Audience Overlap & Segmentation.
Exemples de modèles¶
Snowflake Data Clean Rooms fournit quelques échantillons de modèles que vous pouvez télécharger sous forme de feuilles de calcul Snowflake et mettre en œuvre ou personnaliser à l’aide de l’API des salles blanches :
- Modèle de prévision de l’inventaire:
Ce modèle aide les éditeurs et les annonceurs à prévoir la disponibilité de l’inventaire publicitaire dans une salle blanche de données sécurisée. En savoir plus et télécharger la feuille de calcul
- Modèle d’attribution au dernier contact:
Ce modèle fournit une analyse complète d’attribution au dernier contact qui permet aux entreprises de mesurer l’efficacité de leurs canaux marketing. En savoir plus et télécharger la feuille de calcul
- Modèle de modélisation des audiences similaires:
Ce modèle vous permet de découvrir et de cibler de nouveaux clients à forte valeur ajoutée qui reflètent vos clients existants les plus rentables. En savoir plus et télécharger la feuille de calcul
Vidéos¶
Nos ingénieurs ont créé les vidéos suivantes pour illustrer l’utilisation des salles blanches. Regardez-les individuellement, ou abonnez-vous à notre liste de lecture.
- Installation de l’application native:
Comment installer l’environnement Snowflake Data Clean Room sur votre compte.
- Freeform SQL:
Comment effectuer des requêtes Freeform SQL dans Snowflake Data Clean Rooms.
- Modifier une salle blanche:
Comment configurer une salle blanche dans l’API ou l’UI.
- Exécution automatique inter-Cloud:
Comment activer l’exécution automatique inter-Cloud dans vos salles blanches.