--- schema_version: "1" id: 5441c02f46213c083fa8b7e64d2ddde59900360fdd855aefefaa7fd061bc75d0 title: Grundlegendes zu Salesforce- und Data Cloud-Begriffen collection: tableau version: next locale: de-de portal_url: https://docs.salesforce.com/tableau/next/de-de/tableau-next/tableau_next_sf_datacloud_terms.md canonical_url: https://help.tableau.com/v0.0/tableau-next/de-de/tableau_next_sf_datacloud_terms.htm source_site: help.tableau.com content_type: documentation content_hash: b7c3cabd5ed7f332944e142c0cde243f067383e1243527404dd652a398656387 description: Understand Salesforce and Data 360 terms for Tableau Next. --- [Zum Hauptinhalt springen](#main-content) # Grundlegendes zu Salesforce- und Data Cloud-Begriffen > [!WARNING] > > Ab 14. Oktober 2025 wird Data Cloud unter der neuen Marke „Data 360“ geführt. Während dieser Umstellung kann es vorkommen, dass Sie in unserer Anwendung und Dokumentation noch Verweise auf Data Cloud finden. Auch wenn der Name neu ist, bleiben die Funktionalität und Inhalte unverändert. Im Zuge der immer stärkeren Integration von [Tableau Next und Tableau](https://help.tableau.com/current/online/de-de/tableau_next_tableau_product_overview.htm) fügen wir die Fähigkeit hinzu, Analysen dort durchzuführen, wo Sie möchten, unabhängig davon, wo sich Ihre Daten befinden. Das bedeutet, dass sich die Terminologie und die Philosophien von Tableau und Data 360 immer stärker aneinander angleichen. Benutzer, die mit dem einen Ökosystem vertraut sind, mögen das andere Ökosystem verwirrend oder fremd finden, aber am Ende des Tages geht es überall nur um Daten. Dieses Thema soll Benutzern die Orientierung erleichtern, unabhängig davon, an welches System sie gewöhnt sind oder in welchem sie arbeiten. ## Grundlegende Datenbegriffe und -konzepte Es gibt viele Worte, um Daten zu beschreiben. Im allgemeinsten Sinne ist ein **Datensatz** die Sammlung von Daten, mit denen Sie arbeiten. - Eine **Datenbank** ist die Technologieplattform, auf der die Daten gespeichert werden, z. B. Amazon Redshift, Firebird, Google Sheets oder Oracle. - Daten werden häufig als **Datentabelle** gespeichert. In einer Datenbank können mehrere Tabellen oder Ansichten vorhanden sein. In Excel oder Google Tabellen ist jede Blattregisterkarte eine Tabelle. In einer CSV-Datei ist die gesamte Datei die Tabelle. - Wenn die benötigten Daten auf mehrere Tabellen verteilt sind, müssen sie in einem **Datenmodell** verbunden werden. Ein Datenmodell ist die abstrakte Darstellung der Verbindungen zwischen Tabellen (der Datenobjekte und ihrer Beziehungen zueinander). ## Daten in Salesforce In Data 360 werden Daten in verschiedene Konzepte aufgeschlüsselt.
DatentypBeschreibung
Datenstrom

Diese Verbindungsinformationen – wie z. B. die Originalquelle (S3, Amazon, SF, Google BigQuery usw.) – sowie die Angabe, welche Felder eingebracht werden, welches Feld der primäre Schlüssel ist, wie oft die Daten aktualisiert werden usw.

Data-Lake-Objekt (DLO)

Daten, die in Data 360 aufgenommen oder aus einem externen System (wie Snowflake) referenziert werden, werden in einem DLO gespeichert. Die in einem DLO gespeicherten Daten werden bereinigt, umgewandelt und für die Berechnung und Analyse vorbereitet.

Jede Datentabelle ist ein eigenes DLO.

Datenmodellobjekt (DMO)

Ein Data 360-Objekt, das die Struktur und das Schema der in einem oder mehreren Data-Lake-Objekten gespeicherten Daten beschreibt. Bei einem DMO handelt es sich um eine Datentabelle, die jedoch aus einem oder mehreren DLOs stammen kann. Das DMO nimmt die DLO-Daten und ordnet sie in einem zuverlässigen Format zu. Identitätsauflösungsregeln und andere Formatierungen mit Vorlagen werden im DMO angewendet. Es gibt Standard- und benutzerdefinierte DMOs.

Das Datenmapping von einem DLO zu einem DMO und der vorlagenbasierte Charakter der meisten DMOs sind es, was die Leistungsfähigkeit von Data 360 in Sachen Harmonisierung ausmacht.

Berechnetes Erkenntnisobjekt (Calculated insight object, CIO)Ein Datenmodellobjekt, das nach der Verarbeitung einer berechneten Erkenntnis erstellt wurde. Berechnete Statistiken helfen beim Erstellen von Metriken im Cube-Stil mit Kennzahlen und Dimensionen für Data 360-Daten. Sie können eine Verbindung zu einem vorhandenen CIO in Data 360 herstellen und es als Daten-Asset in Ihrem Arbeitsbereich hinzufügen.
Durch Komma getrennte Werte (Comma-separated values, CSV)

Eine Textdatei, die Daten in einem tabellenähnlichen Format speichert. CSV-Dateien werden normalerweise verwendet, um Daten zwischen Anwendungen und Programmen zu verschieben.

For Tableau Next: Eine CSV-Datei kann in einen Tableau Next-Arbeitsbereich eingebracht werden, und die Daten werden in Data 360 hochgeladen und als DLO gespeichert.

### Eine Randbemerkung zu Salesforce-Datenobjekten für das Tableau-Publikum Der Datenstrom sind die Verbindungsinformationen. Das DLO ist das Rohdump von Daten aus dem Datenstrom. Jedes DLO ist eine einzelne Tabelle. Ein DMO hat keine direkte Entsprechung in Tableau. Ein DMO kann aus mehreren DLOs zugeordnet werden (ähnlich wie eine „Ansicht“ in einer Datenbank), und jedes DMO ist eine einzelne Tabelle. Für ein CIO gibt es in Tableau keine Entsprechung. Berechnungen sind dort einfach Felder in der Datenquelle wie alle anderen. ## Daten in Tableau Eine [Tableau-Datenquelle](https://help.tableau.com/current/pro/desktop/de-de/publish_datasources_about.htm) enthält Datenbankverbindungsinformationen, das Datenmodell, Informationen darüber, wie auf die Daten zugegriffen wird (Zugriffsdaten usw.) oder sie aktualisiert werden, semantische Informationen und möglicherweise sogar die Daten selbst. Die beiden wichtigsten UI-Elemente zum Erstellen und Bearbeiten einer Datenquelle sind die Registerkarte „Datenquelle“ und der Bereich „Daten“. **Registerkarte „Datenquelle“:** Auf der Registerkarte „Datenquelle“ werden die Datenverbindungen zu der zugrunde liegenden Datenbank oder den zugrunde liegenden Dateien hergestellt. Das Datenmodell wird erstellt, indem Tabellen aus einer oder mehreren Datenbanken mithilfe von [Beziehungen, Verknüpfungen und Vereinigungen](https://help.tableau.com/current/pro/desktop/de-de/datasource_plan.htm#methods-of-combining-data) zu einer einzelnen Datenquelle kombiniert werden. Wenn die Daten in der ursprünglichen Datenbank verbleiben, handelt es sich um eine Direktverbindung. Eine Kopie der Daten kann auch als Extrakt in Tableau selbst eingebracht und bei Bedarf aktualisiert werden. **Datenbereich:** Im Datenbereich werden semantische Informationen erfasst, darunter Feldnamen, Elementaliasse, Hierarchien, Gruppen, Sätze, Berechnungen, Standardaggregationen und -farben sowie Feldbeschreibungen. **Datenquelle:** Die auf der Registerkarte „Datenquelle“ und im Datenbereich vorgenommenen Änderungen bilden zusammen die _Datenquelle_. Eine Datenquelle kann ein veröffentlichtes Asset oder eine Datei sein, oder sie ist in der Arbeitsmappe enthalten, in der sie erstellt wurde. - Eine veröffentlichte Datenquelle (published data source, PDS) ist ein eigenständiges Asset in Tableau Cloud oder Tableau Server. - Lokal können Sie auch über dateibasierte Versionen einer Tableau-Datenquelle verfügen: - `.tds` ist die Dateierweiterung für eine Tableau-Datenquelle, die die Nicht-Dateninformationen enthält (nur Verbindung und Semantik). - `.tdsx` ist die Dateierweiterung für ein gepacktes Tableau-Datenquellenpaket, das sowohl die Nicht-Daten-Informationen als auch die Daten selbst enthält. - `.hyper` ist die Dateierweiterung für einen Extrakt (früher `.tde`), der eine Kopie der Daten (die Daten selbst) enthält. **Hinweis**: Eine veröffentlichte Datenquelle ist das nächstliegende Äquivalent von Tableau zu einer semantischen Ebene oder einem semantischen Modell. ### Eine Randbemerkung zu Tableau-Daten für die Salesforce-Zielgruppe Tableau arbeitet mit Daten aus einer Vielzahl von Datenbanken und Technologien, sowohl lokal als auch cloudbasiert. Da die Daten nicht aus einer Salesforce-Cloud mit all den spezifischen Datenobjekten stammen, die dies impliziert, gibt es eine große Flexibilität dabei, wie die Daten modelliert und formatiert werden, und kein wirkliches Konzept für vorgefertigte Datenformate. Standardisierungs- und semantische Modelle werden meist mit veröffentlichten Datenquellen (PDS) erfasst. ![](/tableau/next/de-de/tableau-next/de-de/Img/tab_next_data_flow_500x708.png) ## Grundlagen der Datensemantik - **Daten** sind die rohen Fakten (Zahlen, Beobachtungen und Messungen). - **Information** ist die Interpretation dieser Daten oder das Wissen, das durch die Verarbeitung und das Verständnis der Daten entsteht. - Die **Semantik** ist das Sprungbrett zwischen den zugrunde liegenden Daten und den daraus resultierenden Informationen. Der Begriff leitet sich vom linguistischen Konzept der Semantik vs. Syntax ab. Syntax ist die Art und Weise, wie Sie etwas sagen, Semantik ist das, was es bedeutet. Dieses Konzept _Semantik ist, was es bedeutet_ wird bis hin zur Semantik im Kontext von Daten durchgesetzt. Die Semantik umfasst Dinge wie die Kombination von Tabellen im Datenmodell, Informationen zu den Feldern oder Spalten mit Daten und wie sie möglicherweise miteinander interagieren, zusätzliche Informationen wie die Standardaggregation und Berechnungen, die zusätzlich zu den Rohdaten durchgeführt werden. Ein Datensatz enthält möglicherweise alle Informationen, die Sie benötigen, aber [wenn Sie nicht herausfinden können, wie Sie ihm einen Sinn verleihen können, ist er nutzlos](https://help.tableau.com/current/pro/desktop/de-de/find_good_datasets.htm#4-a-good-data-set-has-metadata-or-a-data-dictionary). Semantik ist erforderlich, um nützlich zu sein. Der geschäftliche Anwendungsfall lâsst sich nicht von den Details der Semantik trennen. Semantik ist die Beschreibung der Daten oder ihres Geschäftskontextes. Die Semantik kann in Kategorien unterteilt werden wie Datenmodellierung; Feldmetadaten und -beschreibungen; Standardaggregationen; Hierarchien, Gruppen und Sätze; und Berechnungen. Einige Beispiele: - **Datenmodellierung** - Wie die Datentabellen miteinander verbunden werden könnten. Sollen die vier Quartalstabellen „Umsatz“ vereinigt werden? Soll die Tabelle „Ärzte“ direkt mit der Tabelle „Patienten“ verknüpft sein, oder sollten beide mit der Tabelle „Termine“ verknüpft sein? - **Feldmetadaten** (Feldname, Datentyp, Aliasse der Mitglieder) - Ist _Name_ der Name einer Firma oder eines Kontakts? - Ist _Rabatt_ ein boolesches Feld, das angibt, ob ein Rabatt angewendet wird, ein Zeichenfolgenfeld des Rabatttyps oder eine diskrete Kennzahl für den Rabattbetrag? - **Feldbeschreibungen** - Zum Beispiel ein Kommentar für eine mehrdeutige Abkürzung wie das englische _APR_, um anzugeben, dass es für diesen Datensatz nicht um die jährliche prozentuale Rendite geht, sondern um „Bereinigte Pitching-Runs“, und dass diese wie folgt berechnet werden: `APR = L * IP - R / pf(P)`. Dabei ist L: Durchschnittliche Anzahl der Runs pro geworfenem Inning in der Liga, IP: Geworfene Innings, R: Erlaubte Runs, pf(P): Parkfaktor für den Heimpark P des Spielers. - **Standardaggregationen** - Sollen Angebote als COUNT (Zählung jeder Instanz) oder COUNTD (jeder Wert wird nur einmal gezählt) aggregiert werden? - Soll die Standardaggregation einer Kennzahl SUM oder AVG sein? - **Hierarchien, Sätze, Gruppen** - In einer Sammlung von Fachbereichen an einer Universität kann die technische Fakultät eine eigene Hochschule sein, während die Fachbereiche Geschichte, Literatur, Philosophie und Politikwissenschaft alle die Fakultät für Geisteswissenschaften bilden können. - **Berechnungen** - Felder, die aus Feldern abgeleitet sind, die nativ in den Daten vorhanden sind, aber bearbeitet oder kombiniert werden müssen, z. B. die Definition eines veralteten Supportfalls: Für ein Standardkonto kann es sein, dass ein Supportfall als veraltet gilt, wenn er seit 10 Tagen offen ist, für ein Premiumkonto hingegen bereits nach 2 Tagen. ## Semantik in Tableau und Tableau Semantics Ohne eine wiederverwendbare semantische Ebene kann es sein, dass Datenmodelle, semantische Definitionen und berechnete Felder immer wieder als einmalige Dinge erstellt werden, was zu Ineffizienzen und dem Potenzial für Fehler oder Fehlausrichtungen führt. ### Semantik in Tableau Semantik ist für die Zielgruppe von Tableau nichts Neues. Sie war einfach ein Teil der Datenquelle – insbesondere einer veröffentlichten Datenquelle (PDS). In der veröffentlichten Datenquelle steuern Sie die semantischen Definitionen Ihrer Daten. Aufgrund der Tableau-Philosophie des [Zyklus der visuellen Analytik](https://help.tableau.com/current/blueprint/de-de/bp_cycle_of_visual_analysis.htm)wurde die Semantik in der Vergangenheit nicht in eine separate Ebene abstrahiert. Die Erstellungsumgebung ist der Ort, an dem das Datenmodell (auf der Registerkarte „Datenquelle“) und die Semantik (im Datenbereich) zusammen entwickelt werden. ### Tableau Semantics [Tableau Semantics](https://help.salesforce.com/de-de/s/articleView?id=analytics.semantics.htm&type=5) trennt die Semantik von der Analyse und bildet dafür eine eigene Ebene. Auf diese Weise können semantische Modelle einmal erstellt und für vielfältige Analysen oder sogar Produkte verwendet werden. Tableau Semantics dient in Data 360- und Tableau Next\-Umgebungen als Zwischenschritt zwischen Daten und Analyse. Die Einheit einer semantischen Ebene ist ein _semantisches Modell_. Das semantische Modell enthält sowohl das Datenmodell als auch semantische Definitionen für die Daten. In Tableau Semantics dient der Semantic Model Builder als Benutzeroberfläche zum Erstellen eines semantischen Modells. Diese semantischen Modelle können in Data 360 oder Tableau Next erstellt werden. ## Interoperabilität Mit dem [Tableau Semantics-Connector](https://help.tableau.com/current/pro/desktop/de-de/examples_tableau_semantics.htm) für Tableau können Sie unter Verwendung eines semantischen Modells aus Tableau Next Analysen in Tableau durchführen. Alternativ dazu können Sie auch, indem Sie ein [semantisches Modell aus einer veröffentlichten Datenquelle (PDS)](https://help.salesforce.com/de-de/s/articleView?id=analytics.c360_a_sl_data_models_create_from_pds.htm&type=5) erstellen, Analysen in Tableau Next durchführen und dabei eine Datenquelle aus Tableau verwenden.