No.# このシナリオでコンサルタントが推奨すべき最も適切なソリューションは C です。

C. 3 つのカスタム アプリを作成します。1 つはマーケティングを「閲覧者」とするマーケティング ダッシュボード用、1 つは営業を「閲覧者」とする営業ダッシュボード用、そして 1 つはマーケティングと営業が「閲覧者」となるデータセット用です。

解説
これは、CRM Analyticsにおけるアセット（資産）の共有とセキュリティに関するベストプラクティスを問う典型的な問題です。

CRM Analyticsのセキュリティの基本ルールは以下の通りです。

**App（アプリケーション）**は、ダッシュボードやデータセットを整理し、共有するためのフォルダです。

ユーザーがダッシュボードを閲覧するためには、①そのダッシュボードが含まれるAppと、②そのダッシュボードが使用しているデータセットが含まれるAppの両方に対して、少なくとも「閲覧者」権限を持っている必要があります。

このルールに基づいて各選択肢を評価します。

Cの解決策（正しいアプローチ）
この方法は、表示（ダッシュボード）とデータ（データセット）の置き場所を分離するという、非常にクリーンで拡張性の高い構成です。

マーケティング用App:

内容: マーケティングダッシュボード（3つ）

共有先: マーケティングチーム（閲覧者）

→ これにより、営業チームはこのAppにアクセスできず、マーケティングダッシュボードを見ることはできません。

営業用App:

内容: 営業ダッシュボード（4つ）

共有先: 営業チーム（閲覧者）

→ これにより、マーケティングチームはこのAppにアクセスできず、営業ダッシュボードを見ることはできません。

データセット共有用App:

内容: 共通データセット（2つ）

共有先: マーケティングチーム および 営業チーム（両方とも閲覧者）

→ これにより、マーケティング担当者も営業担当者も、それぞれのダッシュボードを開いた際に、その元となるデータにアクセスする権限を持つことができます。

この3つのApp構成により、データの重複を避つつ、ダッシュボードへのアクセス権を部署ごとに完全に分離するという要件を完璧に満たすことができます。

他の選択肢がなぜ不適切か
A. 2 つのカスタム アプリを使用します...

この方法では、データセットをどこに置くかが問題になります。もしデータセットをマーケティング用Appに置けば、営業チームがデータにアクセ...

No.# 提示された選択肢の中では、**B**が最も正確な最初のステップです。

**B. Analytics 設定で Tableau 出力接続を有効にします。**

### 解説

CRM Analyticsから外部のシステム（この場合はTableau Online）へデータを送るためには、まずその外部システムへの「出口」を作ってあげる必要があります。この設定が「出力接続の有効化」です。

1. **接続を有効化する（ステップB）:**
* まず、CRM Analyticsの管理設定画面で、「Tableau Onlineへの出力接続を許可します」というスイッチをオンにする必要があります。
* これが、Salesforce組織とTableau Onlineとの間にデータの通り道を作るための、最も基本となる最初の手順です。

2. **レシピで出力先として指定する（ステップA）:**
* 上記のステップBで接続が有効になって初めて、レシピの出力先（データの書き込み先）としてTableau Onlineを選択できるようになります。
* したがって、AはBの**後に行う**ステップです。

3. **MuleSoftを使用する（ステップC）:**
* MuleSoftは、異なるシステム間を連携させるための強力なツールですが、CRM AnalyticsからTableauへデータを送るという目的のためには、通常は標準の出力コネクタ機能を使用します。
* わざわざMuleSoftでAPIを開発するのは、より複雑な要件がある場合を除き、一般的ではありません。CRM Analyticsコンサルタントが最初に取るべき標準的な手順とは言えません。

よって、コンサルタントが最初に取るべき行動は、**設定画面でTableauへの出力接続機能を有効にすること**です。

No.# 提示された選択肢の中では、**B**が最も正確な原因です。

**B. sfdcDigest ノードを含むデータフロー/レシピは、同期が初めて実行されるまで失敗します。**

### 解説

CRM Analytics（旧称 Tableau CRM, Einstein Analytics）のデータ処理は、大きく分けて2つのステップで行われます。

1. **データ同期 (Data Sync):**
* Salesforceのオブジェクトなど、外部のソースからデータをCRM Analyticsの内部ストレージにコピーする最初のステップです。
* このステップが完了して初めて、CRM Analyticsはデータにアクセスできるようになります。

2. **データフロー/レシピの実行 (Dataflow/Recipe Execution):**
* データ同期によってコピーされたデータを使用して、加工、結合、計算などを行います。
* この処理の起点となるのが **sfdcDigestノード**（レシピでは**入力ノード**に相当）です。このノードの役割は、データ同期によって準備されたSalesforceオブジェクトのデータを「読み込む」ことです。

**問題のシナリオの分析**

「データ同期を手動で有効にした」直後、まだその**最初のデータ同期が一度も正常に完了していない**場合、CRM Analyticsの内部にはデータフロー/レシピが読み込むべきデータがまだ存在しません。

その状態でデータフロー/レシピを実行すると、`sfdcDigest`ノードは指定されたオブジェクトのデータを読み込もうとしますが、データが見つからないためエラーとなり、その時点で処理全体が失敗します。

**他の選択肢がなぜ正しくないか**

* **A. computeExpression ノード:** このノードは、データがデータフローに読み込まれた**後で**、項目を計算するために使用されます。`sfdcDigest`が失敗すれば、このノードにデータが渡されることさえないため、これが失敗の根本原因ではありません。
* **C. Augment ノード:** このノードは、2つのデータセットを結合するために使用されます。これも`sfdcDigest`などによってデータが読み込まれた**後で**実行されるため、根本原因ではありません。

結論として、データフロー/レシピが失敗する最初の引き金は、データ同期が未完了のために**`sfdcDigest`ノードがデータを読み込めないこと**です。...

No.# cがただしい。解説と答えが合ってない

No.# 正解は C. レシピをクラスタ化し、クラスタ化に使用するメトリックを選択します。


---

✅ 理由と背景

🎯 要件の整理：

Cloud Kicks のマネージャーは、商談ごとの数値情報（金額・数量・連絡先数・見積もり数など）をもとにアカウントを分類（セグメント化）して分析したいと考えています。

このような目的には、複数の数値指標を同時に使って顧客を「類似するグループ」に分ける必要があり、それを最も自然に実現できるのが **クラスタ変換（Cluster Transformation）**です。


---

🧠 各選択肢の評価

A. 関連データをアカウントレベルで集計

これは指標をアカウント単位に要約する処理であり、「分類を行う」には不十分。

クラスタリングの前処理として使うことは可能ですが、分類そのものはできません。


B. 各メジャーをバケット化しグローバルバケットで分類

バケット変換は各指標をレンジ別に分類する方法ですが、単一指標に対する分類が中心。

複数指標を組み合わせてパターンを明示的に分類するには向いていません（例：「高売上だが少数量」などの複雑なパターン分析には非適切）。


C. レシピでクラスタ変換

CRM Analytics の Data Prep レシピには、**Cluster transformation（クラスタ変換）**機能があり、指定した数値メトリックをもとに、AI によって自動的に類似パターンを抽出・分類することができます。

これにより、異なる指標を複合的に評価し、「大型顧客」「多数量顧客」「連絡先多だが成約少」「見積多数だが未成約」などのセグメントが可視化可能です。



---

✅ 実務イメージ

レシピ設計の流れ：

1. Opportunity（商談）と Account（アカウント）を結合し、アカウントごとの関連指標を集約（集計処理）


2. Cluster transform を使用し、「商談金額合計」「製品数量」「見積数」「連絡先数」などをクラスタの指標に選択


3. 最適なクラスタ数を設定（またはモデルに最適化させる）


4. 各アカウントに ClusterID を付与し、セグメントごとに分析・可視化



このアプローチにより、複数指標を組み合わせた高度な分類と分析が可能になります。


---

📋 まとめ表

選択肢 内容 評価

A アカウントごとに集計（合計や平均など） 🟠 前処理には有効だが分類ではない
B 各メジャーをラベル付きレンジに分類（バケット化） 🟡 単一指標向けで多変量分類には不向き
C 複数指標を使ってクラスタ...

No.# CRM Analytics コンサルタントが、CRM Analytics にアップロードする CSV ファイルを準備しました。誤って、列​​ヘッダーの 1 つがランダムな非英数字文字「*&**(&*(%」に変更されましたが、ファイルのアップロード前には気付きませんでした。
アップロードされた CSV 列の予想される動作は何ですか?
A. アップロード時に列ヘッダーの先頭に「X」が付きます。
B. 列ヘッダーは「列」+ 列番号に自動的に更新されます。
C. 列ヘッダーは *&**(&*(% に設定されています。

No.# 正解は C.「Tablet」または「Phone」レイアウトが、小さなフレームや狭いブラウザウィンドウ上でデスクトップでも表示される可能性がある、という点を認識しておくべき、です。


---

✅ 適切な選択肢：C

選んだ理由：

CRM 分析では、レイアウト（Desktop / Tablet / Phone）は minWidth／maxWidth プロパティに基づいて、表示環境に最も適したレイアウトが自動で選択されます。

その結果、デスクトップ上でもビューポートが小さい場合は、Tablet や Phone 用のレイアウトが適用されることがあり得ます。

これは、モバイル設計プロセス時に意図しないビューへの影響を防ぐために理解しておくべき重要な点です。



---

❌ 他の選択肢について

A.「phone」プロパティを使ってモバイルレイアウトを作る
→ ダッシュボードのレイアウトを新規に追加し「Phone」テンプレートを選ぶことでモバイル用レイアウトを作成しますが、これは Desktop 用レイアウトとは別管理であり、単に「phone プロパティを使えばよい」というだけでは正しくありません。

B. モバイル用レイアウトがないとエラーとなる
→ そのような挙動はなく、デフォルト（Desktop）レイアウトが常時表示されます。エラーにはなりません。



---

🧠 実務での注意点まとめ

モバイル（Phone／Tablet）レイアウトは Desktop レイアウトとは別に作成・編集され、他のレイアウトに影響を与えません。

表示されるレイアウトは、各レイアウトの device プロパティ（minWidth／maxWidth）とのマッチングにより決まります。

よって、ダッシュボードが埋め込まれた環境や狭い表示領域ではモバイル向けレイアウトが予期せず適用される可能性がある点を前提に設計すべきです。



---

ご希望であれば、実際の minWidth／maxWidth 設定例や、**Dashboard Layout Properties（JSONも含めて

No.# 正解は B. 選択バインディング/インタラクションを使用して、チャート内のグループ化を更新します。


---

✅ 理由

Universal Containers の要件としては、月別・四半期別・年別という複数のグループ化キーをユーザーが切り替えて 1 つのチャートで表示できるようにしたい、ということです。このようなケースでは、チャート内の group（グループ化）を動的に切り替える必要があるため、「グループバインディング」が適しています。

Salesforce CRM Analytics（旧 Tableau CRM）では、グループバインディングを使用すると、以下が可能になります：

他のウィジェット（例：トグルやリスト）で選択された値を元に、チャートの grouping（groups プロパティ）を動的に更新する

さらに、チャート widget の columnMap セクションも binding を使って同期することで、グラフに対する表示項目（軸、分割など）を正しく反映できる


これにより、月・四半期・年といった異なる時間軸を切り替えて、同じチャート上でデータを視覚的に比較・分析することが可能となります。


---

❌ 他の選択肢について

A. 結果バインディングを使用してグループ化を更新
→ 結果バインディング（result binding）は、ユーザーの選択ではなく他クエリの結果を参照する際に用いられます。今回はユーザー操作に応じてグループ化を変えたいケースなので、適していません。

C. 選択バインディングでメジャー（測定値）を更新
→ メジャーの切り替え（例：売上額／件数といった切り替え）ではなく、グループ化の切り替えが求められているため、誤りです。



---

🛠 実装の概要イメージ

1. Static リストやトグル ウィジェットを作成し、ユーザーが ClosedDate_month、ClosedDate_quarter、ClosedDate_year を選択可能にします。


2. それを選択元ステップ（例：GroupSelectorなど）として使い、selection binding を作成:

"groups": [
"{{cell(GroupSelector.selection, 0, \"value\").asString()}}"
]


3. チャート側のステップ（例：ClosedCounts）およびチャート widget の columnMap を binding 対象として更新し、グループ切り替えの反映を保証します




---

✅ まとめ

選択肢 内容 適性

A（結果バインディング） 他クエリの結果を引き渡す × （ユーザー操作による切替ではない）
B（選択バインディングでグループ化更新） ユーザーの選択に応じて grou...

No.# 正解は B. Einstein Discovery フローアクションを使用して、Flow 内で予測を行う です。


---

✅ 理由と背景

🌟 正しい選択 — Einstein Discovery フローアクション

Flow Builder に標準で提供されている 「Einstein Discovery core action」 を利用することで、事前に展開されたモデルに基づいてフロー内で直接予測を取得できます 。

このアクションをフローに組み込むと、入力項目（例：Case の詳細やフィーチャ）を渡し、予測スコアやトップの要因、改善提案を返すことができます。

その後、取得した予測結果を使って、ケースの優先度判定や ルーティング、 通知処理などの自動化ロジックに組み込むことが可能です。



---

❌ 誤った選択肢の理由

A. Apex クラスを作成して Einstein Discovery Predictions を呼び出す

Apex で呼び出すことも 技術的には可能ですが、より複雑・冗長で保守性が低いというデメリットがあります 。

標準機能として Flow アクションが提供されているため、Apex での実装は不必要に重い手段です。


C. Case オブジェクトにトリガーを作成し REST API を使って予測を取得

こちらも実現可能ではありますが、API の呼び出し設定、認証、HTTP コード管理などが必要となり、導入や運用コストが大幅に増加します。

公式には、主要なユースケースとして Flow からのコネクタ利用（標準アクション） が推奨されています 。



---

🧭 まとめ：最適なアプローチ

実現手段 主なメリット 注意点

Einstein Discovery フローアクション（選択肢 B） 標準機能、導入しやすく保守性高い、リアルタイム処理可能 モデルが展開済みである必要がある
Apex 経由で Predictions 呼び出し 完全制御が可能 複雑・冗長、保守コスト高
REST API + Apex トリガー 柔軟な実装が可能 設定やセキュリティ、エラー処理などの負荷が大きい



---

⚙️ 実装手順（一例）

1. Einstein Discovery でモデルを作成および展開


2. Salesforce Setup → Flow Builder を開く


3. Record‑Triggered Flow（例：新規 Case 作成時）を設定


4. Action 要素で「Get Einstein Discovery Prediction」（Flow Action）を挿入し、必要な入力項目をマッピング


5. 取得した 予測スコアや 改善提案 を変数に格納


6. 条件判断や通知、所有者変更などに予測結果を活用


7. Flow を保存して有効化




---

この方法により、ケースの満足度...

No.# 正解は A. 使用する権限セットにシステム権限「Manage Analytics Custom Maps（Analytics カスタム マップの管理）」を追加する です。


---

✅ 理由：

Salesforce の公式ドキュメントによると、GeoJSON をUI経由でアップロードしたり、カスタムマップを作成・編集するには、「Manage CRM Analytics Custom Maps」権限が必須です 。

管理者やコンサルタントが UI の「Upload GeoJSON」ボタンを見えない、または動作しないといった状況は、この権限が付与されていないことが原因です 。



---

❌ B・C 選択肢の評価：

**B. 分析設定で GeoJSON を使用したカスタム マップを有効にします。**
→ Salesforce の UI 操作で GeoJSON をアップロードするための明示的な分析設定やフラグは存在せず、権限付与が主な要件です 。

**C. API 経由で GeoJSON をアップロードします。**
→ API 経由でも可能ですが、一般的には UI 経由（GeoJSON のアップロードボタン）で扱えるため、まずは UI アクセスを確保する方が標準的です。そしてそのためにはまず権限セットに適切な権限を割り当てることが最優先です 。



---

🧭 次のステップ：

1. 対象のユーザー（例：Cloud Kicks の分析担当者）に割り当てる 権限セットを編集します。


2. 権限リストにある 「Manage CRM Analytics Custom Maps」システム権限をオンにします。


3. ユーザーはログアウト・再ログイン後、Analytics Studio のダッシュボード作成時に「Upload GeoJSON」オプションが表示されるようになります。


4. GeoJSON のアップロード後、ダッシュボード作成中に カスタムマップを選択して使用可能になります。




---

Cloud Kicks のような CRM 分析チームが地理空間データを可視化する際、この権限付与が鍵となります。必要であれば、Trailhead の手順や JSON プロパティでのバインディング設定方法などもご案内できますので、お気軽にお知らせください。...

No.# このケースでは、非構造化／テキスト データを案件の優先順位付けに活用したいという目的から、最適な選択肢は次のとおりです：


---

✅ 正解：C. レシピ内の感情変換を検出する


---

理由：

感情変換（Sentiment Detection）は、非構造化テキスト（例：メール、チャット、メモなど）からポジティブ／ネガティブ／ニュートラルな感情を自動的に分類する機能です。

案件のメモややりとりの内容にネガティブな感情が多い＝案件リスクが高いなど、優先度判断に重要な要素になります。

Salesforce CRM Analytics（旧Einstein Analytics）のData Prep レシピでは、テキスト列に対して感情分析を適用できます。



---

他の選択肢の解説：

A. レシピのバケット変換
→ 数値やカテゴリを手動でグループ化するもの。非構造化テキストには適していません。

B. レシピのクラスター変換
→ 機械学習により**レコードを自動でグループ化（クラスタリング）**しますが、主に数値データが対象。テキストの意味理解や感情分析には不向きです。



---

補足：

感情変換の結果（たとえばスコアやラベル）は構造化データとして扱えるため、レポート、ダッシュボード、優先度スコアリングなどに活用可能です。



---

ご希望であれば、レシピで感情変換を設定する手順もご案内できます。

No.# 正解は C. ウィジェットのコンポーネントを作成／編集します。 です。


---

✅ 解説

Cloud Kicks のマーケティングチームアプリでは、同一ウィジェット（視覚化）が複数のダッシュボードで繰り返し使用されている状況です。これらを効率的に管理・保守するには、再利用可能なコンポーネント（Reusable Dashboard Components） が最も適しています。

🔹 再利用可能なダッシュボード コンポーネントとは？

Salesforce が提供する機能で、一度作成したウィジェットの集合を「コンポーネント」化して管理できます。

一つのダッシュボード／Lens ではなく、複数のダッシュボード間で同一の構成を共有・再利用できる仕組みですturn0search0turn0search14。

コンポーネントを編集すると、その変更が利用されているすべてのダッシュボードに自動で反映されるため、メンテナンスが大幅に効率化されます。



---

🔁 他の選択肢との比較

選択肢 内容 コメント

A. レンズを作成／編集しダッシュボードに追加 レンズは分析用途には優れるが、ダッシュボード間のウィジェット管理には不向き。レンズを更新しても既存のダッシュボードでは反映されない場合があります。
B. 各ダッシュボードでウィジェットを個別作成／編集 毎回手動で編集が必要となり、手間がかかる上、一貫性の維持が難しい。



---

🧩 メンテナンスと一貫性の観点から

最大のメリットは、一箇所を修正すればすべてのダッシュボードに変更が適用される点。

複数ダッシュボードで同じウィジェット構成（例：同じチャートやKPI、フォーマット）を使う場合、⟶ Reusable Components による設計が最適です。



---

✅ 結論

Cloud Kicks のように、複数のダッシュボードで同じウィジェットを使用しているケースでは、**「ウィジェットのコンポーネントを作成／編集」**するアプローチこそが最も効果的かつ保守性の高い選択肢です。

したがって、正解：C です。

No.# 正解は C. 統合ユーザーには「すべてのデータの表示」アクセス権があります。 です。


---

✅ 解説

CRM Analytics（旧称：Einstein Analytics）で データフローやレシピの実行時に使われる「統合ユーザー（Integration User）」 は、次のような特徴を持っています：

🔐 統合ユーザーは「View All Data（すべてのデータの表示）」権限を持っている

この権限により、組織内のすべてのオブジェクトやフィールドのデータを読み取ることができます（たとえ通常のユーザーに制限されていても）。

結果として、機密情報や制限付きのデータが誤ってダッシュボードやレポートで公開されるリスクが生じます。



---

⚠️ 注意すべき理由

ユーザーやロールによって閲覧が制限されているフィールドであっても、統合ユーザーは制限なく取得できる。

そのため、共有継承（Row-Level Security） や セキュリティ述語（Security Predicate） を適切に設定しないと、CRM Analytics 上で想定外のユーザーに機密データが表示される恐れがあります。



---

❌ 他の選択肢との比較

選択肢 内容 コメント

A. 統合ユーザーにはすべてのデータの作成および変更アクセス権がある 誤り 統合ユーザーは主に読み取り専用で、作成・更新は行いません
B. 統合ユーザーには「すべてのデータの変更」アクセス権がある 誤り 「View All Data（すべてのデータの表示）」はあるが、「Modify All Data（すべてのデータの変更）」は持っていないのが通常
C. 統合ユーザーには「すべてのデータの表示」アクセス権がある ✅ 正解 データ抽出時のセキュリティ考慮が必要な最大の理由



---

✅ 結論

統合ユーザーは 全てのオブジェクト・フィールドのデータを読み取れるため、機密情報も取得対象に含まれる可能性がある。

したがって、セキュリティを担保するためには、

共有継承の活用

セキュリティ述語の適用

データセットレベルのアクセス制御


などの追加対策が必要となります。

正解は C です。

「結合ユーザー（統合ユーザー / Integration User）」とは、CRM Analytics（旧称 Einstein Analytics） や 外部システムとのデータ連携において、Salesforce からデータを抽出・同期・更新する際に使用される専用のユーザーアカウントです。


---

✅ 結合ユーザー（統合ユーザー）とは

🔹 主な特徴

項目 内容

目的 データフロー／レシピ／データ同期／接続な...

No.# 正解は A. 接続された各オブジェクトの接続モードを評価します。 です。


---

✅ 解説

CRM Analytics でローカルデータ同期のパフォーマンスを最適化するには、以下の観点が重要です：

🔹 接続モードの評価

Salesforce から同期するオブジェクトには、「Standard」「Incremental（増分）」「Full」 などの接続モードがあります。

例えば、「Incremental（増分同期）」 に設定できる場合は、毎回フル同期するよりはるかに高速になります。

特に大量データ（例：Activity、OpportunityHistory 等）の場合は 増分同期の利用が非常に効果的です。



---

❌ 他の選択肢

B. Salesforce サポートに問い合わせる
　→ サポートは技術的な問題の相談先ですが、パフォーマンス改善の初期アクションとしては不適切です。まずは自組織でできる設定確認・最適化を優先すべきです。

C. 高速同期の有効化
　→ 「高速同期（Fast Sync）」という設定は存在しません。これは Salesforce の機能として誤りです。



---

📌 補足：ローカルデータ同期の改善チェックリスト

対策 内容

✅ 未使用フィールド・オブジェクトの削除 データ量を削減
✅ 接続モードの最適化 増分同期に切り替え可能か評価
✅ フィルタの設定 同期対象を必要なレコードに絞る
✅ スケジュール調整 深夜等の非ピーク時間に同期



---

✅ 結論

ローカルデータ同期のパフォーマンス向上には、
「各オブジェクトの接続モード（特に増分同期の利用可否）」を評価するのが最も効果的です。

したがって、正解は A です。

No.# 正解は B. 結合レポートからトレンドダッシュボードを作成することはできません。 です。


---

✅ 解説

Salesforce の 結合レポート（Joined Reports） は、複数のレポートタイプを 1 つに統合し、比較表示できる便利な機能ですが、以下のような制限があります：

CRM Analytics では 結合レポートはサポートされていない

Salesforce レポートから CRM Analytics に データを取り込む際、サポート対象は「表形式レポート（Tabular Report）」のみ

よって、結合レポートをデータソースにすることはできず、トレンド分析も不可



---

❌ 他の選択肢について

A. Analytics 統合ユーザーの権限
　→ これはよくある問題ですが、「結合レポートがトレンドダッシュボードに使用できない」根本原因ではありません。

C. フィルタリングされた四半期データ
　→ トレンド分析には十分なデータが必要ですが、たとえ少量でも分析自体は可能です。
　→ よって「期待どおりに動作していない」主因ではありません。



---

📌 補足

結合レポートを使っていたことが、CRM Analytics で「期待どおりに動作しない」決定的な原因です。


---

✅ 結論

CRM Analytics において、結合レポートはサポート対象外のため、
B が正解です。

No.# 正解は B. データセットを登録する前に、array_join マルチ値関数を使用してこのフィールドをテキストに変換します。


---

✅ 解説

Salesforce の 複数選択リスト（Multi-Select Picklist）は、CRM Analytics（旧 Einstein Analytics）に取り込むと 配列（array）形式として表現されます。

しかし、CRM Analytics のダッシュボード上でこれを 1つのテキスト文字列として表示したい場合、配列のままでは望ましい表示になりません。
たとえば、['A', 'B', 'C'] を "A, B, C" として表示したいケースです。


---

🔧 使用する関数

array_join(array, delimiter)
　→ 配列を、指定した区切り文字で連結してテキストに変換します。


例：

array_join(MultiSelectField, ", ")

これにより、複数の選択肢がコンマ区切りの文字列として表示されるようになります。


---

❌ 他の選択肢について

A. 配列の複数値関数
　→ 具体的な関数名が不明瞭で、array_join ではないため誤り。

C. 文字列の複数値関数
　→ こちらも曖昧で、テキスト変換の正確な処理には array_join が最適です。



---

✅ 結論

複数選択リストフィールドをテキスト表示するには array_join を使うべきなので、
正解は B です。

No.# 正解は C. 増分データ同期は大きなオブジェクトではサポートされません。 です。


---

✅ 解説

Salesforce ビッグオブジェクト（Big Objects） は、数十億レコードのような大容量データを保持できるストレージ向けの仕組みですが、CRM Analytics（旧 Einstein Analytics）との連携には制限があります。

❗ビッグオブジェクトに関する重要な制限：

CRM Analytics のデータ同期では増分同期（incremental sync）をサポートしていません。

ビッグオブジェクトは通常の SObject と異なり、標準的な同期スケジュールやインクリメンタルフィルター機能が使えません。


代替手段としては、事前に外部でフィルター処理・抽出し、CSV や API 経由で CRM Analytics に取り込む必要があります。



---

❌ 他の選択肢の誤り

A. データ同期フィルターとして使用できるのは SOSL クエリのみ

誤り。CRM Analytics のデータ同期は SOSL を使わず、**オブジェクトベースのフィルタロジック（UI または設定画面で指定）**で制御されます。


B. カスタム ビッグ オブジェクトは CRM Analytics ではサポートされていません

誤り。サポートはされていますが制限があるというのが正確です。読み込み可能だがインクリメンタル同期は不可です。




---

✅ 結論

CRM Analytics で カスタムビッグオブジェクトからデータを同期する場合、増分同期はサポートされていないため、正解は
C. 増分データ同期は大きなオブジェクトではサポートされません。 です。

No.# 正解は B. Salesforce 外部オブジェクトは、CRM Analytics レシピ ダイジェスト変換ではサポートされていません。 です。


---

✅ 解説

Salesforce の 外部オブジェクト（External Objects）は、Salesforce Connect を通じて外部システムと統合された仮想オブジェクトであり、実際のデータは Salesforce 内に保存されていません。

🔹 CRM Analytics における制限事項：

外部オブジェクトは sfdcDigest ノードでは直接サポートされていません。

そのため、データフローやレシピで直接ダイジェスト変換（データ取り込み）することができないという制約があります。

外部オブジェクトのデータを CRM Analytics に取り込みたい場合、**事前にカスタムオブジェクトへ複製（ETL処理など）**するか、中間テーブルを経由するなどの対処が必要です。



---

❌ 他の選択肢について

A. カスタムコネクタを使用して… → 誤り

Salesforce 外部オブジェクトの同期には Salesforce Connect を使用します。

CRM Analytics に「カスタムコネクタ」経由で同期されるわけではありません。


C. 外部オブジェクト データを CRM Analytics にロードすると… → 誤り

外部オブジェクトはレシピやフローで直接使用できないため、結合処理にも影響があります。

事前に内部オブジェクトに変換・保存しないと、CRM Analytics 上で結合はできません。



---

✅ 結論

Salesforce 外部オブジェクトは CRM Analytics のダイジェスト変換では直接サポートされていないため、正解は
B. Salesforce 外部オブジェクトは、CRM Analytics レシピ ダイジェスト変換ではサポートされていません。 です。

No.# 正解は A. データがシステムを通過するときに自動的に更新されるリピーター ウィジェットを使用します。 です。


---

✅ 解説

Cloud Kicks の要件は：

ダッシュボードに現在のアカウントマネージャーだけを表示したい

組織の変更に自動的に対応できるようにしたい（メンテナンス不要）


この要件に最も適しているのが、リピーター（Repeater）ウィジェットです。

🔹 リピーターウィジェットとは？

動的にデータを反映するビジュアルコンポーネント。

データソースに基づいて、1つのテンプレートを繰り返し表示します（たとえば、アカウントマネージャーごとのカードなど）。

データ更新のたびに自動で表示内容が変わるため、手動でダッシュボードを編集する必要がありません。



---

❌ 他の選択肢の誤り

B. @ウォッチリストを作成し、ダッシュボードを更新

@ウォッチリストは、KPI 変動を追跡して通知を受ける機能です。

これは数値的な監視には使えますが、動的なダッシュボードの更新には対応していません。


C. レポートを作成して手動でダッシュボード編集

この方法は 手作業が発生し、新しいメンバー追加のたびに更新が必要。

CK の要望（「自動で反映されるようにしたい」）に合っていません。



---

✅ 結論

リピーターウィジェットを使えば、アカウントマネージャーの変化に柔軟に対応でき、常に最新の状態を保てます。

よって、正解は A です。

No.# 正解は B. Salesforce フローの予測関数 です。


---

✅ 解説

「Salesforce オブジェクトに接続せずにデプロイする」オプションを使ってモデルをデプロイした場合、スコアの自動書き戻しや Einstein Prediction Builder の UI との統合は行われません。その代わりに使えるのが Salesforce フローでの Predict 関数です。

✔ 利用可能な機能（このオプションで有効）

Predict 関数を Salesforce フロー内で利用可能

Flow Builder で「予測を取得」要素を追加し、デプロイしたモデルに接続して予測値を得ることが可能。

予測スコアをもとに分岐処理や通知を行うなど、柔軟な自動化ができる。



❌ 利用できない機能

A. アインシュタイン予測コンポーネントスコア
→ これは Salesforce オブジェクトに接続しているモデルに限定されます。オブジェクト上に直接予測スコアを表示するためです。

C. SFDC オブジェクトへのコードなしの書き戻し
→ これもオブジェクトに接続している必要があります。Predict 関数単体では書き戻し機能は自動的に提供されません。



---

📝 補足：いつ「Salesforce オブジェクトに接続せずにデプロイ」を使う？

まだ本番オブジェクトに統合する準備が整っていないとき

まずフローや他のプロセスから予測ロジックを試験運用したいとき

特定のユースケースで予測値を一時的に利用したいとき（例：ケース優先度予測→フロー分岐）



---

✅ 結論

したがって、「Salesforce オブジェクトに接続せずにデプロイする」オプションで使用できるのは：

B. Salesforce フローの予測関数

です。これは Flow の中で Predict を呼び出すことで、柔軟な業務処理を実現できます。