使用基于 API 的导入 (后续导入) (预览) 导入组织数据

在本文中，我们将讨论两种类型的导入：完全导入和增量导入。 这些导入将刷新在设置到Viva Insights的连接时提供的数据。

关于后续导入

将数据导入Viva Insights时，将执行完全刷新或增量刷新。 如果要删除字段，可以使用完全刷新来执行此作。

在 导入组织数据中创建的自定义导出应用 (首先导入) ，以及我们在 GitHub 上创建的描述性DataUploadApp，有助于我们在下面讨论的刷新。 作为一个快速回顾，当描述性DataUploadApp 运行时，它会从从 GitHub 下载的压缩文件夹中拉取数据。 此压缩文件夹包含以下文件：

• data.csv，其中包含要导入的字段。
• metadata.json，它将源字段映射到Viva Insights字段。 你还将使用metadata.json来告知Viva Insights刷新是完全刷新还是增量刷新，如下一部分所述。

如何指示完全刷新或增量刷新

1. 在metadata.json，转到第 3 行。
2. 将 “IsBootstrap”: 属性更新为以下项之一：
   • 若要进行完全刷新，请使用 “IsBootstrap” : “true”。
   • 对于增量刷新，请使用 “IsBootstrap” : “false”。

在描述性数据UploadApp 运行时，Viva Insights将开始以完整刷新或增量刷新的形式处理数据，具体取决于metadata.json此处指定的内容。

刷新类型

完整

执行完全刷新时，将替换Viva Insights中的所有组织数据，即覆盖已导入的内容。 执行完全刷新时，请确保为所有已授权和未授权的员工提供数据， (这意味着拥有Viva Insights订阅的员工和未) 的员工。 本文 稍后 将介绍要提供哪些字段。

可以使用完全刷新来删除字段，因为省略的字段不会显示在数据中。 我们将在下一部分讨论删除数据。

删除完全刷新的字段

若要删除完全刷新的字段，请将数据导出为包含除要删除的字段 以外的 所有字段的 .csv。 由于完全刷新会替换现有数据，因此，除了在导入过程中遗漏的字段之外，你最终会获得每个字段。

增量

如果只想将一些新信息添加到已上传到Viva Insights的组织数据，则执行增量刷新。 下面是可以使用增量刷新执行的作：

• 添加新员工
• 为现有员工添加新属性
• 为新员工添加新属性
• 编辑现有员工的属性

下面是可能执行增量刷新的几个示例：

添加新员工

假设要向组织数据添加 5 名新员工。 在导入过程中，你将包括：

• 包含新员工数据的五行。
• 必需属性： PersonId、 ManagerId、 Organization 和 EffectiveDate。
• 所有保留的可选字段 (例如，已导入到Viva Insights的 HireDate) 。

导入完成后，唯一会注意到的更改是五个新行及其值。

添加新属性

也许你希望为所有现有员工添加之前不在数据中的可选保留属性（例如 Location）。 导入数据时，只会在 .csv 文件中包括 Location、 PersonId 和 EffectiveDate 以及每个员工的当前值和历史值。 导入完成后，你会发现之前存在的数据相同，但每个员工都有一个新列 ，即“位置”。

要包含在 data.csv 中用于完全刷新和增量刷新的字段

对于下面列出的刷新类型，请在 data.csv 文件中包含以下字段。 请确保：

• 根据准备 组织数据中的指南设置这些字段的格式。
• 从 metadata.json 文件中删除未包含的任何字段。
• 将 data.csv 和metadata.json文件保存在从 GitHub 下载的压缩文件夹中。 运行描述性数据UploadApp 时，将提供压缩的文件夹路径。 然后，Viva Insights将从此位置拉取数据。