Quick Audience接入数据源后，您就可以将要导入的数据表存储在计算源，然后在Quick Audience声明数据表的表结构，执行调度任务，将表中的数据导入到Quick Audience，准备用于后续的分析、应用。
数据导入流程
进行ID类型管理，设置Quick Audience支持的用户ID类型，以及用户ID参与ID Mapping的策略。
进行用户属性管理，构建用户属性信息体系。
配置表结构：
说明Quick Audience对以下各类型数据表的格式要求，请参见数据表要求。
用户标签表：用户标签表记录用户的一系列特征属性，用于透视分析、人群筛选等。
配置用户标签表结构时，将同时指定哪些标签携带了用户属性信息。
用户行为表：用户行为表记录用户的浏览、加购、收藏、购买等行为。基于用户行为数据，可以进行人群筛选，还可以生成AIPL模型、偏好类标签等自定义标签，AIPL模型可用于AIPL用户分析、AIPL流转分析、人群筛选等。
订单明细表：订单明细表记录子订单粒度的订单信息。基于用户行为数据，可以进行人群筛选，还可以生成RFM模型、偏好类标签等自定义标签，RFM模型可用于RFM分析、人群筛选等。
订单汇总表：订单汇总表记录将近N天内的订单数据按用户粒度进行汇总而成的数据。导入的数据可生成RFM模型，RFM模型可用于RFM分析、人群筛选等。
说明您也可以通过API接口导入以上所有类型的数据表，请向接口人获取API说明。
各类表生成AIPL/RFM模型、自定义标签、人群的链路如下图所示。
执行调度任务：
针对已配置的表结构，通过调度任务，手动调度或周期性调度执行数据导入，同时进行计算整合。
一个导入任务至少需要调度执行一次，否则Quick Audience侧无相应数据；若计算源侧数据已更新，请再次调度执行导入任务，以便在后续的分析中使用最新数据。
导入时，系统将基于ID进行用户身份识别（将同一个ID识别为同一个用户，进行去重），对去重后的用户赋予一个QAID，这一计算过程称为ID Mapping。具体计算逻辑，请参见ID Mapping与用户唯一标识QAID。
说明由于每次调度时都需要对所有数据表涉及的用户重新进行ID Mapping计算，为了避免频繁占用计算资源，建议您将所有数据表的调度创建为同一个任务。
在后续的用户分析、人群筛选等操作中，QAID将作为用户的唯一身份标识。不论用户或人群来自哪个表，均通过其QAID去查询所有ID类型和标签、行为等数据，实现跨渠道数据整合，最终构建一个全域标签系统。
FAQ
导入数据表时有哪些注意事项？
答：在您进行数据表结构配置和调度任务配置时，请注意：
由于数据表在MaxCompute计算源中存储时名称均为英文，设置数据表别名能更方便地识别已导入的表，您可以在数据表别名中加入数据来源、品牌、表类型、用途等信息。
配置表结构时，请正确选择ID字段的类型和当前加密状态，支持选择MD5、SHA256、AES、未加密。
其中，若ID字段已AES加密，则您需要在组织系统配置中输入密钥，导入后系统将对密文进行解密，在使用时将使用原文。
在后续的推送、营销等使用场景下，某些渠道仅支持特定的ID类型和加密类型。
由于每次调度时都需要对所有数据表涉及的用户重新进行ID Mapping计算，为了避免频繁占用计算资源，建议您将所有数据表的调度创建为同一个任务。
不支持为同一个数据表配置多个数据表结构。不支持将同一个数据表加入多个调度任务。
若一个调度任务显示为执行成功，代表该任务包含的所有表导入成功；若显示执行失败，请将鼠标移动到执行失败上方查看每个表的报错信息，整改后单击
图标手动重试。
- 本页导读 （0）