Quick Audience接入數據源后，您就可以將要導入的數據表存儲在計算源，然后在Quick Audience聲明數據表的表結構，執行調度任務，將表中的數據導入到Quick Audience，準備用于后續的分析、應用。
數據導入流程
進行ID類型管理，設置Quick Audience支持的用戶ID類型，以及用戶ID參與ID Mapping的策略。
進行用戶屬性管理，構建用戶屬性信息體系。
配置表結構：
說明Quick Audience對以下各類型數據表的格式要求，請參見數據表要求。
用戶標簽表：用戶標簽表記錄用戶的一系列特征屬性，用于透視分析、人群篩選等。
配置用戶標簽表結構時，將同時指定哪些標簽攜帶了用戶屬性信息。
用戶行為表：用戶行為表記錄用戶的瀏覽、加購、收藏、購買等行為。基于用戶行為數據，可以進行人群篩選，還可以生成AIPL模型、偏好類標簽等自定義標簽，AIPL模型可用于AIPL用戶分析、AIPL流轉分析、人群篩選等。
訂單明細表：訂單明細表記錄子訂單粒度的訂單信息。基于用戶行為數據，可以進行人群篩選，還可以生成RFM模型、偏好類標簽等自定義標簽，RFM模型可用于RFM分析、人群篩選等。
訂單匯總表：訂單匯總表記錄將近N天內的訂單數據按用戶粒度進行匯總而成的數據。導入的數據可生成RFM模型，RFM模型可用于RFM分析、人群篩選等。
說明您也可以通過API接口導入以上所有類型的數據表，請向接口人獲取API說明。
各類表生成AIPL/RFM模型、自定義標簽、人群的鏈路如下圖所示。
執行調度任務：
針對已配置的表結構，通過調度任務，手動調度或周期性調度執行數據導入，同時進行計算整合。
一個導入任務至少需要調度執行一次，否則Quick Audience側無相應數據；若計算源側數據已更新，請再次調度執行導入任務，以便在后續的分析中使用最新數據。
導入時，系統將基于ID進行用戶身份識別（將同一個ID識別為同一個用戶，進行去重），對去重后的用戶賦予一個QAID，這一計算過程稱為ID Mapping。具體計算邏輯，請參見ID Mapping與用戶唯一標識QAID。
說明由于每次調度時都需要對所有數據表涉及的用戶重新進行ID Mapping計算，為了避免頻繁占用計算資源，建議您將所有數據表的調度創建為同一個任務。
在后續的用戶分析、人群篩選等操作中，QAID將作為用戶的唯一身份標識。不論用戶或人群來自哪個表，均通過其QAID去查詢所有ID類型和標簽、行為等數據，實現跨渠道數據整合，最終構建一個全域標簽系統。
FAQ
導入數據表時有哪些注意事項？
答：在您進行數據表結構配置和調度任務配置時，請注意：
由于數據表在MaxCompute計算源中存儲時名稱均為英文，設置數據表別名能更方便地識別已導入的表，您可以在數據表別名中加入數據來源、品牌、表類型、用途等信息。
配置表結構時，請正確選擇ID字段的類型和當前加密狀態，支持選擇MD5、SHA256、AES、未加密。
其中，若ID字段已AES加密，則您需要在組織系統配置中輸入密鑰，導入后系統將對密文進行解密，在使用時將使用原文。
在后續的推送、營銷等使用場景下，某些渠道僅支持特定的ID類型和加密類型。
由于每次調度時都需要對所有數據表涉及的用戶重新進行ID Mapping計算，為了避免頻繁占用計算資源，建議您將所有數據表的調度創建為同一個任務。
不支持為同一個數據表配置多個數據表結構。不支持將同一個數據表加入多個調度任務。
若一個調度任務顯示為執行成功，代表該任務包含的所有表導入成功；若顯示執行失敗，請將鼠標移動到執行失敗上方查看每個表的報錯信息，整改后單擊
圖標手動重試。