Data Mapping Regels
Data mapping regels zijn instructies die elk veld uit een bron, zoals een leveranciersbestand, koppelen aan een veld in je eigen systeem en bepalen hoe de waarde onderweg verandert.
Wat is Data Mapping Regels?
Data mapping regels zijn instructies die bepalen waar elk veld uit een bron in je doelsysteem terechtkomt en hoe de waarde onderweg verandert. Een mapping regel zegt bijvoorbeeld: neem de kolom Item_Desc uit het leveranciersbestand, zet die in het productveld Omschrijving en reken kilo's om naar grammen. Mapping regels doen meestal vier dingen: een bronveld aan een doelveld koppelen, waarden hernoemen of opmaken, eenheden of datatypes omzetten en voorwaarden toepassen, zoals Maat alleen vullen voor producten in de categorie Schoenen. Ze verschillen van datatransformatie in reikwijdte: de mapping bepaalt waar data naartoe gaat, de transformatie wat er met de waarde gebeurt. Wil je productdata mapping automatiseren, zorg dan eerst voor consistente attribuutnamen en waarden. De gids over attribuutstandaardisatie helpt je daarbij.
Waarom Data Mapping Regels belangrijk is voor e-commerce
Elke leverancier, elk ERP en elke marktplaats gebruikt eigen veldnamen, eenheden en waardelijsten. Zonder mapping regels kopieert en corrigeert iemand die waarden bij elk nieuw bestand met de hand, en dan glippen er fouten door: een gewicht in ponden belandt in een veld voor grammen, of er staat een kleurcode op de productpagina in plaats van een kleurnaam. Met duidelijke regels worden imports herhaalbaar. Hetzelfde leveranciersbestand wordt elke week op dezelfde manier gemapt, nieuwe leveranciers volgen een vast patroon en exports naar kanalen krijgen de veldnamen en waarden die elk kanaal verwacht. Gaat er toch iets mis, dan zie je aan een vastgelegde regel precies waar een waarde vandaan kwam en hoe die is aangepast.
Voorbeelden van Data Mapping Regels
- 1Bronveld: Item_Desc, Doelveld: Omschrijving, Regel: Waarde ongewijzigd overnemen
- 2Bronveld: Weight_kg (2,5), Doelveld: Gewicht in grammen, Regel: Vermenigvuldigen met 1.000 (2500)
- 3Bronvelden: Size (10) en Unit (cm), Doelveld: Productmaat, Regel: Samenvoegen met een spatie (10 cm)
- 4Bronwaarde: Leverbaar, Doelwaarde: in_stock, Kanaal: Google Merchant Center, Regel: Waardevertaling per kanaal
The Data Mapping Rule Checklist: Avoid Costly E-Commerce Errors
Hoe WISEPIM helpt
- Importeer je een CSV-bestand in WISEPIM, dan koppel je elke bronkolom aan een productveld voordat producten worden aangemaakt of bijgewerkt.
- Met de Category map koppel je je eigen categorieën aan de categorieën die elk kanaal verwacht, zodat één categorieboom meerdere kanalen voedt.
- Template Strings en Content Logic bouwen kanaalwaarden op uit velden die je al hebt, zoals een titel uit merk, model en kleur.
- Automations met een schedule trigger draaien dezelfde import elk uur, elke dag, week of maand, zodat een terugkerend leveranciersbestand steeds op dezelfde manier wordt verwerkt.
Veelgemaakte fouten met Data Mapping Regels
- Live gaan zonder testrun, waardoor foute waarden op productpagina's staan voordat iemand het merkt.
- Vervuilde brondata ongewijzigd mappen. De regels kopiëren dezelfde fouten dan naar je eigen systeem.
- Niet vastleggen waarom een regel bestaat, zodat de volgende collega hem niet veilig kan aanpassen.
- Eén ingewikkelde regel schrijven waar twee simpele volstaan, zodat niemand de uitkomst kan voorspellen.
- Ervan uitgaan dat een leveranciersbestand nooit verandert. Een hernoemde of verschoven kolom breekt de mapping zonder waarschuwing.
Tips voor Data Mapping Regels
- Breng eerst de structuur van bron en doel in kaart. Je kunt geen goede regels schrijven voor velden die je niet begrijpt.
- Test elke regel met normale waarden en met randgevallen, zoals lege cellen, vreemde eenheden en heel lange teksten.
- Leg per regel vast wat hij doet en waarom, direct bij de regel zelf.
- Laat de mensen die met de data werken, zoals inkopers en contentredacteuren, het gemapte resultaat controleren.
- Houd één mapping per leverancier of bron aan en loop hem na zodra een leverancier een nieuwe bestandsindeling stuurt.
Trends rondom Data Mapping Regels
- Mappingvoorstellen door AI: tools stellen per bronkolom een doelveld voor op basis van de naam en voorbeeldwaarden, en een mens bevestigt.
- Validatie tijdens het mappen: controles draaien terwijl data wordt gemapt, zodat ongeldige waarden opvallen voordat ze in het doelsysteem staan.
- No-code mappingschermen: zakelijke gebruikers maken regels in een visuele interface in plaats van een developer te vragen.
- Signaleren van schemawijzigingen: tools waarschuwen als een bron een kolom toevoegt, hernoemt of weglaat.
- Data lineage: teams volgen een gepubliceerde waarde terug naar het bronveld en de regels die hem hebben aangepast.
Tools voor Data Mapping Regels
- WISEPIM: een PIM met kolommapping bij CSV-import, een Category map voor kanaalcategorieën en Template Strings voor kanaalwaarden.
- Akeneo: een PIM met flexibele datamodellering en mappingopties voor inkomende en uitgaande productdata.
- Salsify: een platform voor product experience management met mapping voor syndicatie naar retailers en marktplaatsen.
- Informatica PowerCenter: een ETL-tool voor grote organisaties, voor complexe data-integratie en mapping.
- Microsoft Azure Data Factory: een clouddienst voor data-integratie waarmee je mappingpipelines bouwt en inplant.