Data Explorer
Der Data Explorer ist das zentrale Tool, um Datensätze einzusehen, die in der Connect-Datenbank gespeichert sind.
1. Tabellarische Übersicht
Du findest den Data Explorer im Connect-Backend im Hauptmenü unter:
Daten → Data Explorer
Hinweis:
In der neuen Connect UI sin die Bereiche "Datenstrukturen" und "Data Explorer" zusammengelegt. Du findest den Data Explorer, indem du unter "Datenstrukturen" auf das Lupe-Icon klickts.
Die Hauptansicht zeigt eine Liste aller verfügbaren Datenstrukturen bzw. Datasets, jeweils mit Metainformationen und möglichen Aktionen.
Die Übersichtsliste zeigt mehrere Spalten:
1.1 Bezeichnung
Der Name der Datenstruktur oder des Datasets.
Entspricht exakt der hinterlegten Datenstruktur.
1.2 Quelle
Hier erkennst du, woher die Daten kommen:
📁 Struktur-Icon
Quelle ist eine Datenstruktur
⏳ Filter-Icon
Quelle ist ein Dataset (z. B. erzeugt über Dataset-Workflows)
1.3 Anzahl Datensätze
Zeigt die Gesamtzahl der in dieser Struktur gespeicherten Datensätze.
1.4 Verarbeitungsstatus (Dirty Flag)
Jeder Datensatz besitzt ein Dirty Flag:
true (unverarbeitet) – Datensatz wurde noch nicht gelesen/weiterverarbeitet
false (verarbeitet) – Datensatz wurde bereits verarbeitet
Damit kannst du Workflows so konfigurieren, dass sie z. B. nur unverarbeitete Datensätze holen.
Beispiel: Wenn 44 Datensätze existieren, davon 35 „dirty“, wirst du im Workflow bei einem Filter auf unverarbeitet nur diese 35 erhalten.
1.5 Letzte Änderung
Zeitstempel der letzten Modifikation eines Datensatzes in dieser Struktur.
2. Aktionen im Data Explorer
Über das Drei-Punkte-Menü kannst du für jede Datenstruktur folgende Aktionen ausführen:
2.1 Daten einsehen
Öffnet eine Liste aller Datensätze dieser Struktur. Hier siehst du:
alle gespeicherten Datensätze
deren Dirty-Status
Details per Klick auf die Lupe
Die Lupe öffnet den kompletten Datensatz als JSON-Ansicht.
Hinweis
Die Bearbeitung einzelner Felder ist zwar möglich, aber nur für Notfälle gedacht. Connect ist kein PIM-System – es dient nicht zur regulären Datenpflege.
2.2 Daten aus JSON importieren
Erlaubt dir, Datensätze direkt als JSON zu importieren. Voraussetzungen:
Die JSON-Struktur muss exakt zur Datenstruktur passen.
Feldnamen, Datentypen und Struktur müssen identisch sein.
2.3 Datenstruktur bearbeiten
Öffnet direkt den Bereich Datenstrukturen, wo du:
Felder ändern
neue Felder hinzufügen
Datentypen anpassen
kannst.
2.4 Alle Datensätze löschen
Löscht sämtliche Datensätze dieser Struktur (mit Sicherheitsabfrage). Wichtig: Die Struktur selbst bleibt bestehen.
2.5 Dirty Flag setzen
Du kannst alle Datensätze gleichzeitig:
auf verarbeitet setzen
auf unverarbeitet setzen
Auch hier erfolgt eine Sicherheitsabfrage.
3. Zusammenspiel von Data Explorer und Datenstrukturen
Der Data Explorer basiert immer auf einer zugrunde liegenden Datenstruktur.
Datenstrukturen definieren die Form der Daten
Data Explorer zeigt die konkreten Datensätze
Zusätzlich können auch Datasets (erzeugt durch Dataset-Workflows) als Quelle dienen – sie verhalten sich im System wie eine Datenstruktur.
4. Verwendung im Workflow
Die Datenstruktur-Komponente in Workflows ermöglicht:
Lesen von Datensätzen aus dem Data Explorer
Schreiben neuer Datensätze
Filtern nach Dirty-Status
Aktualisieren von Datensätzen
Damit kannst du z. B.:
periodisch unverarbeitete Datensätze abarbeiten
neue Daten aus APIs speichern
Logs oder temporäre Werte persistieren
5. Best Practices
Nutze das Dirty Flag, um Datensätze nur einmalig zu verarbeiten.
Achte darauf, dass dein JSON beim Import exakt zur definierten Datenstruktur passt.
Bearbeite Datensätze manuell nur im Ausnahmefall.
Behalte die Datenstruktur sauber und konsistent, um Verarbeitungsfehler zu vermeiden.
Zuletzt aktualisiert
War das hilfreich?