Tutoriais e amostras do Snowflake Data Clean Room¶
Tutoriais¶
Estes são alguns tutoriais para explorar usando o Snowflake Data Clean Rooms quando você estiver apenas começando:
Tutorial de UI básico, conta única: demonstra uma análise simples de sobreposição e ativação do consumidor, usando uma única conta Snowflake. Os testes de conta única oferecem suporte à maioria dos recursos de sala limpa, mas não a todos eles. Para testar a funcionalidade completa de uma sala limpa, é necessário usar vários contas Snowflake.
Tutorial de UI básico, duas contas: demonstra uma análise simples de sobreposição e ativação de provedor usando duas contas Snowflake.
Tutorial de API básico, conta única: demonstra o uso de API para criar e executar um modelo personalizado usando uma única conta Snowflake.
Notebooks e pastas de trabalho¶
Muitos dos tópicos de casos de uso incluem notebooks ou pastas de trabalho para download para experimentar amostras completas em execução de Snowflake Data Clean Rooms. Você vai precisar de uma conta Snowflake com o ambiente da API de salas limpas instalado para executar qualquer uma dessas amostras, e você deve ser capaz de usar a função SAMOOHA_APP_ROLE.
Sala limpa de testes internos: notebook Jupyter que demonstra como usar uma única conta para atuar como provedor e consumidor para fins de teste.
Análise executada pelo consumidor: código para executar uma sala limpa de análise básica do consumidor usando contas de provedor e consumidor separadas.
Análise executada pelo provedor: notebook Jupyter que mostra como um provedor pode executar uma análise em uma sala limpa.
Ativação do consumidor executada pelo consumidor: código para ativar resultados de análise na própria conta Snowflake do consumidor, com configuração e ativação para consumidor e provedor.
Ativação do provedor executada pelo consumidor: código para ativar resultados de análise para a conta Snowflake do provedor, com configuração e ativação para consumidor e provedor.
Ativação do provedor executada pelo provedor: código para análise executada pelo provedor com ativação do provedor.
Modelos definidos pelo consumidor: código para criar, enviar e gerenciar modelos escritos pelo consumidor em uma sala limpa.
Modelos definidos pelo provedor: código para criar, gerenciar e usar modelos criados pelo provedor em uma sala limpa.
UDFs escritas pelo consumidor: código para carregar e usar funções Python personalizadas em uma sala limpa.
UDFs escritas pelo provedor: código para carregar e usar funções Python personalizadas carregadas pelo provedor em uma sala limpa.
UDF da preparação: notebook Jupyter que demonstra como carregar funções definidas pelo usuário de uma preparação do Snowflake.
UDFs Snowpark: código para criar e usar funções definidas pelo usuário baseadas em Snowpark em salas limpas.
UDF escrita pelo consumidor executada pelo provedor: a UDF carregada pelo consumidor pode ser executada pelo provedor.
Integração do Snowpark Container Services: notebooks Jupyter para integração do Snowpark Container Services em salas limpas.
Audience Overlap & Segmentation: notebook Jupyter que demonstra o modelo Audience Overlap & Segmentation.
Modelos de amostra¶
O Snowflake Data Clean Rooms fornece alguns modelos de exemplo que você pode baixar como pastas de trabalho do Snowflake e implementar ou personalizar usando a API do Clean Rooms:
- Modelo de previsão de inventário:
Este modelo ajuda editores e anunciantes a prever a disponibilidade de inventário de listagens em uma sala limpa de dados segura. Saiba mais e baixe a pasta de trabalho.
- Modelo de atribuição de último clique:
Este modelo fornece uma análise abrangente de atribuição de último clique que permite às empresas medir a eficácia dos canais de marketing. Saiba mais e baixe a pasta de trabalho.
- Modelo de modelagem de público semelhante:
Este modelo permite que você descubra e segmente novos clientes de alto valor semelhantes aos clientes mais lucrativos que você já tem. Saiba mais e baixe a pasta de trabalho.