Intégration de mesures
L’outil d’intégration de mesures vous permet de gérer vos données tierces Gestion de la durabilité opérationnelle en normalisant et en chargeant en masse les données à l’aide d’un fichier plat. Les termes fichier plat et données normalisées font référence à la façon dont les données sont stockées électroniquement.
Intégrations de mesures est un outil utilitaire d’importation commun pour GRC: Metrics, qui peut être utilisé par plusieurs intégrations pour importer des données à partir d’une source externe, telle qu’une feuille de calcul, dans les données de mesure. Cet outil utilise différentes configurations de mappage pour obtenir les données nécessaires à la création ou à la mise à jour des données de mesure existantes.
Les avantages de l’outil d’intégration de mesures sont les suivants :
- Fournit une normalisation de fichier plat pour les chargements de données en bloc.
- Active les configurations pour vos propres intégrations ou utilise les configurations par défaut fournies par ServiceNow, telles que l’intégration Watershed .
- Active la création automatique de définitions de mesures.
- Permet d’automatiser la création ou la mise à jour de données en bloc.
- Fournit la possibilité d’automatiser la création de types et d’entités d’entités.
- Fournit la possibilité de configurer vos propres règles de normalisation et de chargement pour les mesures.
- Permet d’indexer les données pour vérifier le format de chargement des données en cours de mise à jour ou de création.
- Permet aux utilisateurs de nettoyer les données avant de les charger dans la base de données à l’aide du journal d’erreurs.
Le formulaire Intégration de mesures vous permet également de créer des mappages de données. Les mappages de données vous permettent de mapper les colonnes à partir de n’importe quelle source de données, telle que la Watershed feuille de calcul contenant les définitions de mesures. Vous devez vous assurer que les données sont mappées en fonction de votre système. Par exemple, Watershed peut nommer une entité comme Bureau à Atlanta, États-Unis, alors que la définition de mesure peut avoir le nom d’entité comme Atlanta, États-Unis. Cette différence entraînerait une incohérence lors de l’importation des données. Pour éviter ce problème, vous devez vous assurer que le mappage des données est exact. Lorsque vous mappez des données, il est important de comprendre que les mesures sont dérivées de la combinaison de l’entité, du type d’entité et de la définition de mesure. Par conséquent, vous devez avoir les tables suivantes dans votre mappage de données.
- sn_grc_profile
- sn_grc_profile_type
- sn_grc_metric_definition