IBM App Connect a introduit une nouvelle fonctionnalité d’intelligence artificielle (IA) capable de générer automatiquement des expressions de transformation de données et qui permet d’accélérer votre expérience de création de flux d’intégration.
La cartographie des données reste un élément fondamental du développement de l’intégration, mais cela prend du temps. Le nombre croissant d’applications, le manque de normes de nommage et les structures de champs imbriquées aggravent encore la complexité pour les développeurs d’intégration. Une fois le mappage terminé, la transformation des données est le prochain défi pour les utilisateurs, car chaque application s’attend à ce que les données soient dans un certain format. De plus, lors de la création du flux d’intégration, les développeurs doivent comprendre le format des champs de données source et cible et proposer des expressions de transformation qui peuvent modifier les données du format source au format cible. Cet exercice est fait manuellement et il faut beaucoup de temps et de compétences pour construire une telle expression de transformation.
De plus, avec l’adoption d’outils d’intégration par une ligne d’utilisateurs professionnels, les outils doivent devenir plus intelligents pour répondre aux besoins des utilisateurs aux compétences variées. C’est là qu’IBM App Connect comble le manque de compétences pour la ligne d’utilisateurs métier avec des fonctionnalités de transformation de données basées sur l’IA.
Grâce à cette solution d’IA, nous demandons aux utilisateurs de fournir des échantillons de données pour les systèmes source et cible, ce qui aide le système à comprendre le modèle de données et à générer automatiquement l’expression de transformation complexe qui convertit le format source en format cible. Cette fonctionnalité permet d’accélérer la vitesse de développement, de raccourcir le délai de rentabilisation et d’améliorer l’expérience utilisateur globale.
Nous démontrons cette fonctionnalité avec deux cas d’utilisation :
-
Fonctionnalité AI Pattern/Format Transformation utilisant le cas d’utilisation « Inform Support Team »
-
Fonctionnalité Enum Transformation utilisant le cas d’utilisation « Synchroniser le traitement des prospects de HubSpot CRM vers Salesforce »
Exemple de flux pour démontrer la fonctionnalité « AI Pattern/Format Transformation » d’App Connect
Ci-dessous, nous montrons un flux App Connect avec Salesforce Retrieve Cases comme connecteur source et Slack Create Message comme connecteur cible à remplir d’abord avec les suggestions Mapping Assist, puis générant des règles de transformation pour convertir/mapper les données du connecteur source au connecteur cible.
L’utilisateur doit d’abord trouver le mappage des champs à l’aide de la fonction d’assistance au mappage d’App Connect (pour plus de détails, veuillez vous référer au blog Mapping Assist suivant). Une fois le mappage des champs généré, l’étape suivante consiste à trouver un programme de transformation JSONata pour convertir un format source en un autre.
L’utilisateur doit cliquer sur le champ pour lequel il souhaite générer le programme, et cela ouvrira un nouvel écran comme indiqué sur la figure. Prenons un scénario dans lequel l’utilisateur souhaite modifier le format du contenu du champ « Description » de Salesforce vers Slack.
Source Format
{ Mover Employee Id:235290nMover Name:Andy.SharmanMover Email:Andy.Sharma@gmail.com }Target Format
{ 'Mover_Employee_Id': '235290','Mover_Name': 'Andy.Sharma','Mover_Email': 'Andy.Sharma@gmail.com'}Un moyen simple de convertir le format de ces champs est que l’utilisateur analyse des échantillons de jeu de données, puis écrive manuellement l’expression de transformation JSONata. C’est une tâche qui prend du temps. À l’aide de la fonctionnalité basée sur l’IA, l’utilisateur peut simplement cliquer sur l’option « Générer la transformation », puis fournir quelques exemples qui aident le système à comprendre l’intention de générer automatiquement l’expression JSONata.
Une fois que l’utilisateur a cliqué sur l’option de génération de transformation, il ouvrira la fenêtre de génération de transformation. L’utilisateur doit fournir quelques échantillons d’entrée et de sortie, qui aident l’algorithme d’IA à comprendre l’intention de l’utilisateur. Il est recommandé de fournir un ensemble diversifié d’échantillons pouvant capturer toutes les variations possibles des échantillons d’entrée.
Après avoir fourni des échantillons d’entrée et de sortie, l’utilisateur doit cliquer sur le bouton de génération de transformation en bas de l’écran, et le système comprendra automatiquement l’intention de l’utilisateur en utilisant un ensemble d’échantillons d’entrée et de sortie et générera l’expression JSONata qui être cohérent avec l’ensemble fourni d’échantillons divers.
Les utilisateurs peuvent simplement cliquer sur le bouton d’insertion et insérer l’expression JSONata générée dans l’écran principal. Les utilisateurs peuvent également tester l’expression JSONata générée, en utilisant la fonction de test du panneau de droite.
Exemple de flux pour démontrer la fonctionnalité « Transformation Enum » d’App Connect :
Ci-dessous, vous voyez un flux App Connect avec HubSpot CRM Get Retrieve leads comme connecteur source et Salesforce Create lead comme connecteur cible à remplir d’abord avec les suggestions Mapping Assist, puis générer des règles de transformation enum pour convertir/mapper les données du connecteur source vers connecteur cible.
Pour la transformation des champs Enum, l’utilisateur doit cliquer sur l’option de génération de transformation pour générer l’expression JSONata. Prenons un exemple : le champ « Lead Source » du connecteur HubSport CRM est un type de champ enum, qui a été mappé au champ « Original Source » du connecteur Salesforce à l’aide de la fonction d’assistance au mappage). À présent, l’utilisateur souhaite générer une expression JSONata pour mapper les valeurs d’énumération du champ « Lead Source » au champ « Original Source ». Les étapes de génération automatique des expressions JSONata pour les champs enum sont illustrées ci-dessous :
Disons que l’utilisateur doit mapper les sources de génération de leads sources pour cibler une application telle que ORGANIC_SEARCH dans le connecteur source. Cela équivaut à une recherche basée sur le WEB dans le connecteur cible et, de la même manière, d’autres valeurs doivent être mappées. Cette fonctionnalité générera automatiquement l’expression de transformation pour ces mappages.
ORGANIC_SEARCH -> Web
REFERRALS -> Partner Referrals
Pour les colonnes Enum, le système fournira des valeurs enum pour la colonne source. Pour la colonne cible, l’utilisateur doit fournir un mappage en sélectionnant le mappage approprié à l’aide d’un outil basé sur l’interface utilisateur. Après avoir fourni le mappage, l’utilisateur doit cliquer sur le bouton « Générer la transformation », et il générera automatiquement un programme pour effectuer une transformation de colonne enum.
L’utilisateur peut cliquer sur le bouton d’insertion et insérer l’expression générée dans l’éditeur de mappage.
Conclusion
Comme vous le voyez avec les cas d’utilisation ci-dessus, l’IA peut aider les utilisateurs à cartographier les champs et à générer des transformations complexes avec des exemples de données et moins de clics. IBM App Connect fournit des outils d’automatisation à la pointe de la technologie, à faible code et sans code, qui peuvent simplifier considérablement le cycle de vie de l’intégration de bout en bout pour les développeurs d’intégration.