Permettere all'intelligenza artificiale di interpretare le vostre configurazioni EDI in MapForce

Tra tutti i formati di dati con cui un sviluppatore di integrazione deve confrontarsi, EDI è quello che più probabilmente può rallentare il processo di mappatura. Gli standard sono datati, gli identificatori sono volutamente concisi e la struttura è profondamente complessa. Un segmento come NAD o un gruppo come SG29 hanno un significato commerciale preciso, ma il nome stesso non fornisce alcuna indicazione su tale significato. Prima di poter collegare un singolo campo EDI a un database di destinazione, è necessario capire cosa rappresenta, il che di solito implica la consultazione delle specifiche del messaggio.

Quella fase di decodifica è la parte dell'integrazione EDI che è più difficile da automatizzare. Stabilire a quale elemento sorgente corrisponde ogni colonna di destinazione è un processo lento e manuale, che dipende interamente da qualcuno che già conosce il formato.

È proprio in questo che Altova AI in MapForce offre il massimo aiuto. Comprende il significato che si cela dietro quegli identificativi EDI spesso poco chiari, suggerisce le connessioni corrette e permette di accettarle una alla volta, senza che sia necessario tradurre prima la specifica.

Mappatura dei dati EDI

MapForce supporta un'ampia gamma di standard EDI e le loro versioni attuali e precedenti, tra cui:

• EDIFACT
• ANSI X12
• HL7 (Health Level 7) è uno standard per lo scambio di informazioni sanitarie
• HIPAA in formato X12
• SAP IDOC
• IATA PADIS
• TRADACOMS
• SWIFT
• ODETTE
• VDA EDI
• FORTRAS

Questo significa che è possibile mappare e convertire i dati EDI tra qualsiasi altro formato dati supportato, che include database, XML, JSON, Excel, PDF e molti altri.

Esempio pratico di integrazione dei dati EDI

Esaminiamo un requisito comune nel mondo dell'integrazione dei dati e dell'ETL: la mappatura di un documento EDI verso un database backend e vediamo come funziona utilizzando Altova AI.

Iniziamo creando un nuovo progetto in MapForce, inserendo prima il file EDI contenente l'ordine di partenza e poi lo schema del database di destinazione. Il database contiene diverse tabelle, come "Clienti", "Ordini", "Articoli" e così via, collegate tra loro da relazioni, il che è tipico di uno schema di gestione degli ordini normalizzato.

Invece di applicare l'intelligenza artificiale all'intero schema contemporaneamente, costruiremo la tabella di corrispondenza tabella per tabella. Questo permette di mantenere i suggerimenti focalizzati e li rende più facili da esaminare.

Selezioniamo Clienti utilizzare una tabella nel database di destinazione come punto di partenza e chiedere ad Altova AI di trovare le corrispondenze per mappare i dati relativi ai clienti provenienti da da qualche parte nella sorgente EDI.

Analizza la struttura dei dati di origine e propone un insieme di connessioni, evidenziate in verde.

In realtà, propone più funzionalità di quelle che ci servono al momento: oltre ai campi relativi ai clienti, suggerisce anche connessioni per gli articoli e gli ID degli articoli. Poiché stiamo intenzionalmente concentrandoci prima sulla tabella dei clienti, decliniamo queste funzionalità deselezionandole, e poi clicchiamo su Applica per mantenere solo le connessioni pertinenti ai clienti.

Questo è il valore del flusso di lavoro interattivo di accettazione o rifiuto: l'intelligenza artificiale propone una prima bozza completa, e noi decidiamo quali elementi includere.

Completare i campi dell'indirizzo

Una volta definiti i campi principali relativi al cliente, passiamo all'indirizzo. Chiediamo ad Altova AI di trovare correlazioni per i campi dell'indirizzo, e il sistema restituisce corrispondenze per "Indirizzo" e "Città".

Abbiamo ancora bisogno di collegamenti per "State" e "Street", quindi vi chiediamo di fornirci anche quelli. Per le richieste successive, il sistema individua correttamente gli elementi di origine pertinenti per entrambi.

È importante sottolineare questo: quando una prima analisi non copre tutti i dati, non si ricorre al lavoro manuale. Si indirizza l'intelligenza artificiale verso i campi specifici che necessitano ancora di elaborazione e si lascia che generi ulteriori suggerimenti solo per quei campi. Ogni richiesta restringe il lavoro rimanente.

Elencare gli articoli inclusi nell'ordine

Ora possiamo gestire gli elementi della tabella. Nel database di destinazione, la tabella "Articoli" è collegata all'interno della tabella "Ordini", quindi la selezioniamo lì e chiediamo nuovamente ad Altova AI di trovare le connessioni a partire dalla sorgente.

Questa è la parte di una mappatura EDI che di solito risulta più complessa, perché i dati relativi alle singole voci si trovano all'interno di un gruppo di segmenti nidificati, spesso con nomi di campi poco chiari. Altova AI gestisce questa operazione in modo efficiente: individua gli elementi corretti all'interno di SG29, il gruppo di segmenti che contiene i dettagli delle singole voci, e suggerisce le connessioni appropriate.

Perché questo è particolarmente importante per l'EDI (scambio elettronico di dati)

L'esempio precedente è piuttosto semplice, ma rappresenta il tipo di lavoro che rende l'integrazione EDI lenta quando si tratta di grandi volumi di dati:

• Gli identificativi criptici vengono decodificati automaticamente per voi. Non è necessario sapere in anticipo cosa rappresentano NAD, LIN o SG29. Altova AI analizza i dati e suggerisce la corrispondenza.

• La struttura nidificata viene gestita correttamente. Le voci di dettaglio, anche se inserite all'interno di gruppi di segmenti, vengono individuate e collegate automaticamente, senza la necessità di navigare manualmente attraverso la gerarchia.

• Mantenete sempre il controllo. Ogni suggerimento viene esaminato e accettato o rifiutato individualmente (o tutti insieme, quando è opportuno), in modo che una prima bozza ben strutturata non diventi mai un elemento opaco e incomprensibile.

• Le ripetizioni sono economiche. Quando un'operazione automatizzata non riesce a elaborare un determinato campo, è più efficiente richiedere nuovamente l'elaborazione solo di quel campo specifico, invece di doverlo correggere manualmente.

• Il risultato è un progetto MapForce completo. Tutto viene caricato nell'ambiente grafico standard, pronto per essere eseguito, automatizzato con MapForce Server, o ulteriormente perfezionato, come qualsiasi altro progetto di mappatura.

Per i team che scambiano regolarmente dati EDI nei formati EDIFACT, X12, HL7, HIPAA e negli altri standard supportati da MapForce, questo strumento trasforma la parte più lenta e specializzata del processo in una bozza da rivedere, invece di un documento da decifrare.

Provatelo sulle vostre configurazioni EDI

Altova AI è disponibile come servizio in abbonamento aggiuntivo alla vostra licenza MapForce e richiede un pacchetto di supporto e manutenzione (SMP) attivo. Il modo più rapido per capire cosa fa è puntarlo su un file EDI e su un formato di destinazione che già conoscete, e osservare come gestisce le connessioni che normalmente dovete tracciare manualmente.

Esaminate le opzioni disponibili e iniziate un abbonamento presso il [negozio online di Altova](https://shop.altova.com/\), oppure scoprite di più su Altova AI in MapForce.