피드로 돌아가기
Dev.toDatabase
원문 읽기
SFMC Data Extension 최적 설계를 통한 데이터 무결성 확보 및 리소스 낭비 제거
Seven Types of Data Extensions We Use on SFMC Projects
AI 요약
Context
SFMC 환경에서 Data Extension(DE)의 유형별 동작 특성에 대한 이해 부족으로 인한 데이터 불일치 및 아키텍처 재설계 리스크 존재. 잘못된 DE 타입 선택 시 캠페인 전송 실패나 스태일 데이터 기반의 타겟팅 오류가 발생하는 한계점 분석.
Technical Solution
- Sendable DE 설정을 통한 Subscriber Key 매핑 및 이메일 발송 가능 구조 설계
- AMPscript Lookup() 함수 기반의 실시간 참조 데이터 처리를 위한 Non-sendable Lookup DE 분리
- 단순 속성 필터링에는 Filtered DE를 사용하되, 데이터 최신성 유지를 위한 Automation Studio 내 Refresh 액티비티 구성
- 복잡한 Join 및 연산 처리를 위해 Filtered DE 대신 SQL Query Activity 기반의 표준 DE 생성 방식 채택
- Enterprise 계정 내 Business Unit 간 데이터 중복 제거를 위해 Shared DE를 통한 Single Source of Truth 구현
- 데이터 무한 증식 방지 및 PII 보호를 위해 생성 시점에 Data Retention Policy를 설정한 자동 퍼지 구조 설계
실천 포인트
- 캠페인 발송 대상 리스트 생성 시 Is Sendable 설정 및 EmailAddress 필드 포함 여부 확인 - 실시간 렌더링 시 필요한 참조 데이터는 Lookup DE로 분리하여 발송 리스트 크기 최적화 - Filtered DE 사용 시 Automation Studio 스케줄을 통한 데이터 갱신 주기 설정 - 다수 BU에서 공통으로 사용하는 마스터 데이터는 Shared DE 폴더에 배치하여 동기화 비용 제거 - 임시 이벤트 데이터 및 로그성 데이터 생성 시 생성 단계에서 Retention Policy 정의