Dokumentation Customer Journey Analytics Handbuch zu Customer Journey Analytics

Customer Journey Analytics-BI-Erweiterung

Last update: Thu Apr 17 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Themen:

Erstellt für:

Admin

NOTE

Sie müssen über das Select-Paket oder höher verfügen, um die in diesem Abschnitt beschriebenen Funktionen nutzen zu können. Wenden Sie sich an Ihre Admins, wenn Sie sich nicht sicher sind, welches Customer Journey Analytics-Paket Sie besitzen.

Der Customer Journey Analytics BI extension ermöglicht SQL-Zugriff auf Datenansichten, die Sie in Customer Journey Analytics definiert haben. Ihre Dateningenieurinnen und -ingenieure sowie Ihre Datenanalytikerinnen und -analytiker sind möglicherweise besser mit Power BI, Tableau Desktop oder anderen Business Intelligence- und Visualisierungs-Tools (im Folgenden „BI-Tools“ genannt) vertraut. Sie können jetzt Berichte und Dashboards basierend auf denselben Datenansichten erstellen, die Benutzerinnen und Benutzer von Customer Journey Analytics beim Erstellen ihrer Analysis Workspace-Projekte verwenden.

Der Abfrage-Service von Adobe Experience Platform ist die SQL-Schnittstelle zu Daten, die im Data Lake von Experience Platform verfügbar sind. Wenn der Customer Journey Analytics BI extension aktiviert ist, wird die Funktionalität von Query Service erweitert, damit Ihre Datenansichten von Customer Journey Analytics als Tabellen oder Ansichten in einer Query Service-Sitzung zu sehen sind. Daher profitieren Business-Intelligence-Tools, die Query Service als Ihre PostgresSQL-Schnittstelle verwenden, nahtlos von dieser erweiterten Funktion.

Die wichtigsten Vorteile sind:

Es ist nicht erforderlich, eine äquivalente Darstellung von Datenansichten aus Customer Journey Analytics im BI-Tool selbst zu erstellen.
Unter Datenansichten finden Sie weitere Informationen zur Funktionalität von Datenansichten, um zu verstehen, was neu erstellt werden muss.
Mehr Konsistenz bei Reporting und Analyse zwischen BI-Tools und Customer Journey Analytics.
Kombinieren Sie Customer Journey Analytics-Daten mit anderen Datenquellen, die bereits in BI-Tools verfügbar sind.

Voraussetzungen

Um diese Funktion zu verwenden, können Sie befristete oder unbefristete Anmeldedaten verwenden, um BI-Tools mit der Customer Journey Analytics BI extension zu verbinden. Das Handbuch zu Anmeldedaten enthält weitere Informationen zum Festlegen befristeter oder unbefristeter Anmeldeinformationen.
Im Folgenden finden Sie zusätzliche Schritte zum Einrichten von CJA-Berechtigungen

Ablaufende Anmeldeinformationen

Um ablaufende Anmeldeinformationen zu verwenden, können Sie wie folgt vorgehen:

Zugriff auf Experience Platform und Customer Journey Analytics gewähren.
Gewähren Sie Produktadministratorzugriff auf Customer Journey Analytics, damit Sie Verbindungen und Datenansichten anzeigen, bearbeiten, aktualisieren oder löschen können.

Oder Sie können:

Zugriff auf die Datenansichten gewähren, auf die Sie zugreifen möchten.
Zugriff auf die Customer Journey Analytics-BI-Erweiterung gewähren.

Unbefristete Anmeldedaten

So verwenden Sie unbefristete Anmeldedaten:

Erstellen Sie unbefristete Anmeldedaten in Experience Platform.
Gewähren Sie Zugriff auf die unbefristeten Anmeldedaten, indem Sie die unter Befristete Anmeldedaten genannten Schritte ausführen.

Unter Customer Journey-Zugriffssteuerung finden Sie weitere Informationen, insbesondere zu Zusätzlichen Produktadministratorberechtigungen und Customer Journey Analytics-Berechtigungen in der Admin Console.

Nutzung

Um die Funktion Customer Journey Analytics BI extension zu verwenden, können Sie SQL entweder direkt verwenden oder das Drag-and-Drop-Erlebnis verwenden, das im jeweiligen BI-Tool verfügbar ist.

SQL

Sie können die Funktion direkt in SQL-Anweisungen verwenden, indem Sie entweder den Abfrageeditor oder einen standardmäßigen Client der Befehlszeilenschnittstelle (CLI) von Postgres verwenden.

Abfrageeditor

In Adobe Experience Platform:

Wählen Sie **** Abfragen **** unter  DATEN-MANAGEMENT  in der linken Leiste aus.
Wählen Sie  Abfrage erstellen  aus.
Wählen Sie die cja-Datenbank für Ihre Sandbox aus der Liste der Datenbanken im Dropdown-Menü Datenbank aus. Zum Beispiel prod:cja.
Um die Abfrage auszuführen, geben Sie Ihre SQL-Anweisung ein und wählen Sie die Schaltfläche (oder drücken Sie [SHIFT] + [ENTER]).

PostgresSQL-CLI

Suchen und Kopieren Ihrer PostgresSQL-Anmeldedaten in Adobe Experience Platform:
1. Wählen Sie **** Abfragen **** aus der linken Leiste (unter  DATEN-MANAGEMENT ) aus.
2. Wählen Sie  Anmeldeinformationen  aus der oberen Leiste aus.
3. Wählen Sie die cja-Datenbank für Ihre Sandbox aus der Liste der Datenbanken im Dropdown-Menü Datenbank aus. Zum Beispiel prod:cja.
4. Um die Befehlszeichenfolge zu kopieren, verwenden Sie im Abschnitt  PSQL-Befehl .
Öffnen Sie ein Befehls- oder Terminal-Fenster.
Um sich anzumelden und Ihre Abfragen auszuführen, fügen Sie die Befehlszeichenfolge in Ihr Terminal ein.

Weitere Informationen finden Sie in der Anleitung zur Benutzeroberfläche des Abfrage-Editors.

BI-Tools

Derzeit wird die Customer Journey Analytics BI extension für die unten aufgeführten Tools unterstützt und getestet. Andere BI-Tools, die die PSQL-Oberfläche verwenden, funktionieren möglicherweise ebenfalls, werden aber noch nicht offiziell unterstützt.

Power BI

Suchen der Details Ihrer PostgresSQL-Anmeldedaten in Adobe Experience Platform:
1. Wählen Sie **** Abfragen **** aus der linken Leiste (unter  DATEN-MANAGEMENT ) aus.
2. Wählen Sie  Anmeldeinformationen  aus der oberen Leiste aus.
3. Wählen Sie die cja-Datenbank für Ihre Sandbox aus der Liste der Datenbanken im Dropdown-Menü Datenbank aus. Zum Beispiel prod:cja.
4. Verwenden Sie , um jeden Parameter der Postgres-Anmeldeinformationen (Host, Port, Datenbank, Benutzername und andere) zu kopieren, wenn sie in Power BI benötigt werden.
In Power BI:
1. Wählen Sie im Hauptfenster  Daten abrufen  aus der oberen Symbolleiste aus.
2. Wählen Sie Mehr… in der linken Leiste aus.
3. Suchen Sie im Bildschirm Daten abrufen nach PostgresSQL und wählen Sie die  PostgresSQL-Datenbank  aus der Liste aus.
4. Im Dialogfeld  PostgresSQL-Datenbank :
  1. Fügen Sie den Parameter **** Host **** aus den Anmeldeinformationen von Experience Platform-Abfragen in das Textfeld  Server  ein.
  2. Fügen Sie den Parameter **** Datenbank **** aus den Anmeldedaten von Experience Platform-Abfragen in das Textfeld  Datenbank  ein.
    
    Fügen Sie ?FLATTEN zum Parameter  Datenbank  hinzu, damit er sich beispielsweise liest wie prod:cja?FLATTEN. Weitere Informationen finden Sie unter Reduzieren verschachtelter Datenstrukturen für die Verwendung mit BI-Tools von Drittanbietern.
  3. Wenn Sie zur Wahl des Modus Datenkonnektivität aufgefordert werden, wählen Sie DirectQuery aus.
  4. Sie werden aufgefordert, Benutzername und Passwort einzugeben. Verwenden Sie die entsprechenden Parameter aus den Anmeldeinformationen von Experience Platform-Abfragen.
5. Nach erfolgreicher Anmeldung sehen Sie die Datenansichtstabellen von Customer Journey Analytics im  Navigator  von Power BI.
6. Wählen Sie die Datenansichtstabellen aus, die Sie verwenden möchten, und wählen Sie dann  Laden  aus.
Alle Dimensionen und Metriken, die mit einer oder mehreren ausgewählten Tabellen verknüpft sind, werden im rechten Bereich angezeigt und können in Ihren Visualisierungen verwendet werden.

Weitere Informationen finden Sie unter Verbinden von Power BI mit dem Abfrage-Service. Ein ausführliches Beispiel finden Sie unter Anwendungsfälle für BI-Erweiterungen.

Tableau Desktop

Suchen der Details Ihrer PostgresSQL-Anmeldedaten in Adobe Experience Platform:
1. Wählen Sie **** Abfragen **** aus der linken Leiste (unter  DATEN-MANAGEMENT ) aus.
2. Wählen Sie  Anmeldeinformationen  aus der oberen Leiste aus.
3. Wählen Sie die cja-Datenbank für Ihre Sandbox aus der Liste der Datenbanken im Dropdown-Menü Datenbank aus. Zum Beispiel prod:cja.
4. Verwenden Sie , um jeden Parameter der Postgres-Anmeldedaten (Host, Port, Datenbank, Benutzername und andere) bei Bedarf in Tableau Desktop zu kopieren.
In Tableau Desktop:
1. Wählen Sie **** Mehr **** aus  Zu einem Server  in der linken Leiste aus.
2. Wählen Sie  PostgresSQL  aus der Liste aus.
3. Im Dialogfeld PostgresSQL:
  1. Fügen Sie den Parameter **** Host **** aus den Anmeldedaten von Experience Platform-Abfragen in das Textfeld  Server  ein.
  2. Fügen Sie den Parameter **** Port **** aus den Anmeldedaten von Experience Platform-Abfragen in das Textfeld  Port  ein.
  3. Fügen Sie den Parameter **** Datenbank **** aus den Anmeldedaten von Experience Platform-Abfragen in das Textfeld  Datenbank  ein.
    
    Fügen Sie %3FFLATTEN zum Parameter  Datenbank  hinzu, damit er sich beispielsweise liest wie prod:cja%3FFLATTEN. Weitere Informationen finden Sie unter Reduzieren verschachtelter Datenstrukturen für die Verwendung mit BI-Tools von Drittanbietern.
  4. Wählen Sie **** Benutzername und Passwort **** aus der Liste  Authentifizierung  aus.
  5. Fügen Sie den Parameter **** Benutzername **** aus den Anmeldeinformationen von Experience Platform-Abfragen in das Textfeld  Benutzername  ein.
  6. Fügen Sie den Parameter **** Passwort **** aus den Anmeldeinformationen von Experience Platform-Abfragen in das Textfeld  Passwort  ein.
  7. Wählen Sie  Anmelden  aus.
4. Datenansichten von Customer Journey Analytics werden als Tabellen in der Liste  Tabellen  angezeigt.
5. Ziehen Sie die Tabellen, die Sie verwenden möchten, auf die Arbeitsfläche.
Sie können jetzt mit den Daten aus den Datenansichtstabellen arbeiten, um Ihre Berichte und Visualisierungen zu erstellen.

Weitere Informationen finden Sie unter Verbinden von Tableau mit dem Abfrage-Service. Ein ausführliches Beispiel finden Sie unter Anwendungsfälle für BI-Erweiterungen.

Looker

Suchen der Details Ihrer PostgresSQL-Anmeldedaten in Adobe Experience Platform:
1. Wählen Sie **** Abfragen **** aus der linken Leiste (unter  DATEN-MANAGEMENT ) aus.
2. Wählen Sie  Anmeldeinformationen  aus der oberen Leiste aus.
3. Wählen Sie die cja-Datenbank für Ihre Sandbox aus der Liste der Datenbanken im Dropdown-Menü Datenbank aus. Zum Beispiel prod:cja.
4. Verwenden Sie , um jeden Parameter der Postgres-Anmeldedaten (Host, Port, Datenbank, Benutzername und andere) bei Bedarf in Looker zu kopieren.
In Looker:
1. Wählen Sie Admin in der linken Leiste aus.
2. Wählen Sie Verbindungen aus.
3. Wählen Sie Datensätze hinzufügen aus.
4. Fügen Sie im Bildschirm Datenbank mit Looker verbinden die entsprechenden Werte ein, wenn Sie Ihre neue Verbindung einrichten. Stellen Sie sicher, dass Sie PostgreSQL 9.5+ als Dialekt auswählen.
5. Wählen Sie Testen aus, um Ihre Verbindung zu testen.
6. Klicken Sie bei Erfolg auf Aktualisieren, um Ihre Verbindung zu speichern.
Sie können jetzt mit den Daten aus den Datenansichtstabellen arbeiten, um Ihre Berichte und Visualisierungen zu erstellen.

Weitere Informationen finden Sie unter Verbinden von Looker mit dem Abfrage-Service. Ein ausführliches Beispiel finden Sie unter Anwendungsfälle für BI-Erweiterungen.

Jupyter Notebook

Suchen der Details Ihrer PostgresSQL-Anmeldedaten in Adobe Experience Platform:
1. Wählen Sie **** Abfragen **** aus der linken Leiste (unter  DATEN-MANAGEMENT ) aus.
2. Wählen Sie  Anmeldeinformationen  aus der oberen Leiste aus.
3. Wählen Sie die cja-Datenbank für Ihre Sandbox aus der Liste der Datenbanken im Dropdown-Menü Datenbank aus. Zum Beispiel prod:cja.
4. Verwenden Sie , um jeden Parameter der Postgres-Anmeldedaten (Host, Port, Datenbank, Benutzername und andere) zu kopieren, wenn sie in Jupyter Notebook werden.
In Jupyter Notebook:
1. Stellen Sie sicher, dass Sie die erforderlichen Bibliotheken verwenden.
2. Verwenden Sie beim Einrichten und Ausführen der Verbindung die richtigen Werte.
3. Testen Sie die Verbindung, indem Sie eine entsprechende Abfrage ausführen.
Nach erfolgreicher Ausführung können Sie mit den Daten arbeiten, um Ihre Berichte und Visualisierungen zu erstellen.

Weitere Informationen finden Sie unter Verbinden von Jupyter Notebook mit dem Abfrage-Service. Ein ausführliches Beispiel finden Sie unter Anwendungsfälle für BI-Erweiterungen.

RStudio

Suchen der Details Ihrer PostgresSQL-Anmeldedaten in Adobe Experience Platform:
1. Wählen Sie **** Abfragen **** aus der linken Leiste (unter  DATEN-MANAGEMENT ) aus.
2. Wählen Sie  Anmeldeinformationen  aus der oberen Leiste aus.
3. Wählen Sie die cja-Datenbank für Ihre Sandbox aus der Liste der Datenbanken im Dropdown-Menü Datenbank aus. Zum Beispiel prod:cja.
4. Verwenden Sie , um jeden Parameter der Postgres-Anmeldedaten (Host, Port, Datenbank, Benutzername und andere) zu kopieren, wenn sie in Jupyter Notebook werden.
In RStudio:
1. Stellen Sie sicher, dass Sie die erforderlichen Bibliotheken verwenden.
2. Verwenden Sie beim Einrichten und Ausführen der Verbindung die richtigen Werte.
3. Testen Sie die Verbindung, indem Sie eine entsprechende Abfrage ausführen.
Nach erfolgreicher Ausführung können Sie mit den Daten arbeiten, um Ihre Berichte und Visualisierungen zu erstellen.

Weitere Informationen finden Sie unter Verbinden von RStudio mit dem Abfrage-Service. Ein ausführliches Beispiel (in dem stattdessen das RPostgres-Paket verwendet wird) finden Sie unter Anwendungsfälle für BI-Erweiterungen.

Siehe Verbinden von Clients mit dem Abfrage-Service, um einen Überblick und weitere Informationen über die verschiedenen verfügbaren Tools zu erhalten.

Unter Anwendungsfälle erfahren Sie, wie Sie eine Reihe von Anwendungsfällen mit der Customer Journey Analytics-BI-Erweiterung durchführen.

Funktionalität

Standardmäßig wird für Ihre Datenansichten ein tabellensicherer Name aus ihrem Anzeigenamen generiert. Beispielsweise hat die Datenansicht mit dem Namen Meine Web-Daten den Anzeigenamen my_web_data_view. Sie können einen bevorzugten Namen definieren, der in Ihrem BI-Tool für Ihre Datenansicht verwendet werden soll. Weitere Informationen finden Sie unter Datenansichtseinstellungen.

Wenn Sie die Datenansichts-IDs als Tabellennamen verwenden möchten, können Sie beim Verbinden die optionale Einstellung für CJA_USE_IDS auf Ihren Datenbanknamen festlegen. Zum Beispiel zeigt prod:cja?CJA_USE_IDS Ihre Datenansichten mit Namen wie dv_ABC123 an.

Data Governance

Einstellungen in Bezug auf die Data Governance in Customer Journey Analytics werden von Adobe Experience Platform übernommen. Die Integration zwischen Customer Journey Analytics und Adobe Experience Platform Data Governance ermöglicht die Kennzeichnung sensibler Daten von Customer Journey Analytics und die Durchsetzung von Datenschutzrichtlinien.

Datenschutz-Label und -richtlinien, die für von Experience Platform genutzte Datensätze erstellt wurden, können im Datenansichts-Workflow von Customer Journey Analytics angezeigt werden. Daher zeigen Daten, die mit der Customer Journey Analytics BI extension abgefragt wurden, die entsprechenden Warnungen oder Fehler an, wenn sie nicht den definierten Datenschutzbeschriftungen und Richtlinien entsprechen.

Auflisten von Datenansichten

In der standardmäßigen PostgresSQL-CLI können Sie Ihre Ansichten mithilfe von \dv auf folgende Arten anzeigen:

prod:all=> \dv
                       List of relations
 Schema |                    Name                    | Type |  Owner
--------+--------------------------------------------+------+----------
 public | my_web_data_view                           | view | postgres
 public | my_mobile_data_view                        | view | postgres

Verschachtelt oder reduziert

Standardmäßig verwendet das Schema Ihrer Datenansichten verschachtelte Strukturen wie die ursprünglichen XDM-Schemata. Die Integration unterstützt auch die Option FLATTEN. Mit dieser Option können Sie erzwingen, dass das Schema für die Datenansichten (und jede andere Tabelle in der Sitzung) reduziert wird. Die Reduzierung ermöglicht eine einfachere Verwendung in BI-Tools, die keine strukturierten Schemata unterstützen. Weitere Informationen finden Sie unter Arbeiten mit verschachtelten Datenstrukturen im Abfrage-Service.

Standardwerte und Einschränkungen

Die folgenden zusätzlichen Standardwerte und Einschränkungen gelten für die Verwendung der BI-Erweiterung:

Die BI-Erweiterung erfordert eine Zeilenbegrenzung für die Abfrageergebnisse. Der Standardwert ist 50. Sie können diesen jedoch in SQL mit LIMIT n überschreiben, wobei n 1 - 50000 ist.
Die BI-Erweiterung erfordert einen Datumsbereich, um die für Berechnungen verwendeten Zeilen zu begrenzen. Der Standardwert ist die letzten 30 Tage. Sie können diesen jedoch in Ihrer SQL-WHERE-Klausel überschreiben, indem Sie die speziellen Spalten timestamp oder daterange verwenden.
Die BI-Erweiterung erfordert Aggregatabfragen. Sie können kein SQL wie SELECT * FROM ... verwenden, um die rohen, zugrunde liegenden Zeilen abzurufen. Ihre Aggregatabfragen sollten auf allgemeiner Ebene Folgendes verwenden:
- Auswählen von Gesamtsummen mit SUM und/oder COUNT.
  Zum Beispiel SELECT SUM(metric1), COUNT(*) FROM ...
- Auswählen von Metriken, die nach einer Dimension aufgeschlüsselt sind.
  Zum Beispiel SELECT dimension1, SUM(metric1), COUNT(*) FROM ... GROUP BY dimension1
- Auswählen unterschiedlicher Metrikwerte.
  Zum Beispiel SELECT DISTINCT dimension1 FROM ...
  
  Weitere Informationen finden Sie unter Unterstütztes SQL.

Unterstützte SQL

Die vollständige Referenz dazu, welcher SQL-Typ unterstützt wird, finden Sie unter SQL-Referenz für den Abfrage-Service.

Beispiele für SQL, das Sie verwenden können, finden Sie in der folgenden Tabelle.

Beispiele

table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 10-row-2 layout-auto

Muster Beispiel

Schema-Erkennung

code language-none
`SELECT * FROM dv1 WHERE 1=0`

Mit Rangfolge oder Aufschlüsselung

code language-none
SELECT dim1, SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' GROUP BY dim1

code language-none
SELECT dim1, SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' AND filterId = '12345' GROUP BY dim1

code language-none
SELECT dim1, SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' AND AND (dim2 = 'A' OR dim3 IN ('X', 'Y', 'Z')) GROUP BY dim1

HAVING -Klausel

code language-none
SELECT dim1, SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' GROUP BY dim1 HAVING m1 > 100

Unterschiedlich, oben Dimensionswerte

code language-none
`SELECT DISTINCT dim1 FROM dv1`

code language-none
SELECT dim1 AS dv1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' GROUP BY dim1

code language-none
SELECT dim1 AS dv1 FROM dv1 WHERE `timestamp` >= '2022-01-01' AND `timestamp` < '2022-01-02' GROUP BY dim1 ORDER BY SUM(metric1) LIMIT 15

Metriksummen

code language-none
SELECT SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'

Mehrdimensional Aufschlüsselungen und Top-Distincts

code language-none
SELECT dim1, dim2, SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' GROUP BY dim1, dim2

code language-none
SELECT dim1, dim2, SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' GROUP BY 1, 2 ORDER BY 1, 2

code language-none
`SELECT DISTINCT dim1, dim2 FROM dv1`

Unterauswahl: Zusätzliche Filter Ergebnisse

code language-none
SELECT dim1, m1 FROM ( SELECT dim1, SUM(metric1) AS m1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' GROUP BY dim1 ) WHERE dim1 in ('A', 'B')

Unterauswahl: Querabfragen Datenansichten

code language-none

SELECT key, SUM(m1) AS total
FROM (
  SELECT dim1 AS key, SUM(metric1) AS m1
  FROM dv1
  WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
  GROUP BY dim1


  UNION


  SELECT dim2 AS key, SUM(m1) AS m1
  FROM dv2
  WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
  GROUP BY dim2
)
GROUP BY key
ORDER BY total

Unterauswahl: Schichtenquelle, Filtern, und Aggregation

Ebenenweise mithilfe von Unterauswahlen:

code language-none

SELECT rows.dim1, SUM(rows.m1) AS total
FROM (
  SELECT _.dim1,_.m1
  FROM (
    SELECT * FROM dv1
    WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
  ) _
  WHERE _.dim1 in ('A', 'B', 'C')
) rows
GROUP BY 1
ORDER BY total

Ebenen, die CTE verwenden MIT:

code language-none

WITH rows AS (
  WITH _ AS (
    SELECT * FROM data_ares
    WHERE `timestamp` BETWEEN '2021-01-01' AND '2021-02-01'
  )
  SELECT _.item, _.units FROM _
  WHERE _.item IS NOT NULL
)
SELECT rows.item, SUM(rows.units) AS units
FROM rows WHERE rows.item in ('A', 'B', 'C')
GROUP BY rows.item

Wählt aus, wo die Metriken kommen vor oder werden mit gemischt Die Dimensionen

code language-none
SELECT SUM(metric1) AS m1, dim1 FROM dv1 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' GROUP BY 2

Dimensionen

Sie können jede der Dimensionen auswählen, die standardmäßig verfügbar oder in der Datenansicht definiert sind. Sie wählen eine Dimension anhand ihrer ID aus.

Metriken

Folgende Metriken stehen zur Auswahl:

Metriken, die standardmäßig verfügbar sind;
Metriken, die in der Datenansicht definiert wurden;
berechnete Metriken, die mit der Datenansicht kompatibel sind, auf die die Benutzerin bzw. der Benutzer Zugriff hat.

Sie wählen eine Metrik anhand ihrer ID aus, die in einen SUM(metric)-Ausdruck eingeschlossen ist, wie Sie es mit jeder SQL-Quelle tun würden.

Sie können:

SELECT COUNT(*) oder COUNT(1) verwenden, um die Metrik Vorfälle zu erhalten.
SELECT COUNT(DISTINCT dimension) oder SELECT APPROX_COUNT_DISTINCT(dimension) verwenden, um die ungefähren eindeutigen Werte einer Dimension zu zählen. Details finden Sie unter Zählen von eindeutigen Werten.
Inline-Berechnungen verwenden, um Metriken spontan zu kombinieren und/oder mathematisch zu verarbeiten.

Zählen von eindeutigen Werten

Aufgrund der zugrunde liegenden Funktionsweise von Customer Journey Analytics ist die einzige Dimension, für die Sie die Anzahl der eindeutigen Werte genau bestimmen können, die Dimension adobe_personid. Die folgenden SQL-Ausdrücke SELECT COUNT(DISTINCT adobe_personid) oder SELECT APPROX_COUNT_DISTINCT(adobe_personid) geben den Wert der Standardmetrik Personen zurück, die der Anzahl der eindeutigen Personen entspricht. Bei anderen Dimensionen wird eine ungefähre Zählung der eindeutigen Personen zurückgegeben.

Bedingte Metriken

Sie können eine IF- oder CASE-Klausel in die SUM- oder COUNT-Funktionen einbetten, um eine zusätzliche Segmentierung hinzuzufügen, die für eine ausgewählte Metrik spezifisch ist. Das Hinzufügen dieser Klauseln ähnelt dem Anwenden eines Segments auf eine Metrikspalte in einer Workspace-Berichtstabelle.

Beispiele:

SUM(IF(dim1 = 'X' AND dim2 = 'A', metric1, 0)) AS m1

SUM(CASE WHEN dim1 = 'X' AND dim2 = 'A' THEN metric1 END) AS m1

Inline-Berechnungen

Sie können zusätzliche Mathematik auf Metrikausdrücke in SELECT anwenden. Statt die Mathematik in einer berechneten Metrik zu definieren, kann diese Mathematik verwendet werden. In der folgenden Tabelle ist aufgeführt, welche Arten von Ausdrücken unterstützt werden.

Operator oder Funktion

Details

+, -, *, /, und %

Addieren, subtrahieren, multiplizieren, dividieren und modulo/Rest

-X oder +X

Ändern des Zeichens oder einer Metrik, wobei X der Metrikausdruck ist

PI()

Konstante π

POSITIVE, NEGATIVE, ABS, FLOOR, CEIL, CEILING, EXP, LN, LOG10, LOG1P, SQRT, CBRT, DEGREES, RADIANS, SIN, COS, TAN, ACOS, ASIN, ATAN, COSH, SINH und TANH

Unäre mathematische Funktionen

MOD, POW, POWER, ROUND, LOG

Binäre mathematische Funktionen

Sonderspalten

Zeitstempel

Die spezielle Spalte timestamp wird verwendet, um die Datumsbereiche für die Abfrage bereitzustellen. Ein Datumsbereich kann durch einen BETWEEN-Ausdruck oder ein mit AND verbundenes Paar aus den Überprüfungen timestamp >, >=, <, <= definiert werden.
timestamp ist optional, und falls kein vollständiger Bereich angegeben wird, werden die Standardwerte verwendet:

Wenn nur ein Minimum angegeben wird (timestamp > X oder timestamp >= X), reicht der Bereich von X bis jetzt.
Wenn nur ein Maximum angegeben wird (timestamp < X oder timestamp <= X), reicht der Bereich von X bis die 30 Tage vor X.
Wenn nichts angegeben wird, umfasst der Bereich die letzten 30 Tage bis jetzt.

Der Zeitstempelbereich wird in der Rangfolgenanfrage in ein globales Segment für den Datumsbereich konvertiert.
Das Zeitstempelfeld kann auch als Datums-/Uhrzeitfunktion verwendet werden, um den Zeitstempel des Ereignisses zu analysieren und zu kürzen.

Datumsbereich

Die daterange Spalte funktioniert ähnlich wie timestamp. Die Segmentierung ist jedoch auf volle Tage beschränkt. daterange ist ebenfalls optional und hat denselben Standardbereich wie timestamp.
Das Feld daterange kann auch in Datums-/Uhrzeitfunktionen verwendet werden, um das Datum des Ereignisses zu analysieren und ggf. zu kürzen.

Die daterangeName Spalte kann verwendet werden, um Ihre Abfrage mithilfe eines benannten Datumsbereichs wie Last Quarter zu segmentieren.

NOTE

Power BI unterstützt keine Metriken vom Typ daterange, die weniger als einen Tag umfassen (Stunde, 30 Minuten, 5 Minuten usw.).

Segment-ID

Die Spalte Speziell filterId ist optional und wird verwendet, um ein extern definiertes Segment auf die Abfrage anzuwenden. Das Anwenden eines extern definierten Segments auf eine Abfrage ähnelt dem Ziehen eines Segments in einen Bereich in Workspace. Es können mehrere Segment-IDs verwendet werden, indem sie AND werden.

Neben filterId können Sie filterName verwenden, um den Namen eines Segments anstelle der ID zu verwenden.

Klausel „Where“

Die Klausel WHERE wird in drei Schritten umgesetzt:

Suche des Datumsbereichs aus dem Sonderfeld timestamp, daterange oder daterangeName.
Suchen Sie alle extern definierten filterId oder filterName, die in das Segment aufgenommen werden sollen.
Wandeln Sie die verbleibenden Ausdrücke in Ad-hoc-Segmente um.

Die Umsetzung erfolgt durch Parsen der ersten Ebene von ANDs in der WHERE-Klausel. Jeder Ausdruck mit AND auf oberster Ebene muss mit einem der oben genannten übereinstimmen. Alles, was tiefer als die erste Ebene von ANDs liegt oder wenn die WHERE-Klausel ORs auf der obersten Ebene verwendet, wird als Ad-hoc-Segment gehandhabt.

Sortierreihenfolge

Standardmäßig sortiert die Abfrage die Ergebnisse nach der ersten ausgewählten Metrik in absteigender Reihenfolge. Sie können die Standardsortierreihenolge überschreiben, indem Sie ORDER BY ... ASC oder ORDER BY ... DESC angeben. Wenn Sie ORDER BY verwenden, müssen Sie in der ersten ausgewählten Metrik ORDER BY angeben.

Sie können die Reihenfolge auch umdrehen, indem Sie - (Minus) vor der Metrik verwenden. Die beiden folgenden Anweisungen ergeben dieselbe Reihenfolge:

ORDER BY metric1 ASC

ORDER BY -metric1 DESC

Unterstützung für allgemeine Funktionen

Funktion

Beispiel

Details

Umwandeln

CAST(`timestamp` AS STRING) oder
`timestamp`::string

Typumwandlung wird derzeit nicht unterstützt, aber es wird kein Fehler ausgegeben. Die CAST-Funktion wird ignoriert.

Zeitstempel

WHERE `timestamp` >= TIMESTAMP('2022-01-01 00:00:00') AND `timestamp` < TIMESTAMP('2022-01-02 00:00:00')

Parsen einer Uhrzeitzeichenfolge als Zeitstempel zur Verwendung innerhalb einer WHERE-Klausel.

Bis Zeitstempel

WHERE `timestamp` >= TO_TIMESTAMP('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_TIMESTAMP('01/02/2022', 'MM/dd/yyyy')

Parsen einer Uhrzeitzeichenfolge als Zeitstempel für die Verwendung innerhalb einer WHERE-Klausel, wobei optional ein Format für diese Zeitzeichenfolge angegeben werden kann.

Datum

WHERE `timestamp` >= DATE('2022-01-01') AND `timestamp` < DATE('2022-01-02')

Parsen einer Datumszeichenfolge als Zeitstempel zur Verwendung innerhalb einer WHERE-Klausel.

Bis Datum

WHERE `timestamp` >= TO_DATE('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_DATE('01/02/2022', 'MM/dd/yyyy')

Parsen einer Datumszeichenfolge als Zeitstempel für die Verwendung innerhalb einer WHERE-Klausel, wobei optional ein Format für diese Datumszeichenfolge angegeben werden kann.

Unterstützung für Dimensionsfunktionen

Diese Funktionen können für Dimensionen in der WHERE- oder SELECT-Klausel oder in bedingten Metriken verwendet werden.

Zeichenfolgen-Funktionen

Funktion

Beispiel

Details

Kleinschreibung

SELECT LOWER(name) AS lower_name

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Funktionen für Datum/Uhrzeit

Funktion

Beispiel

Details

Jahr

SELECT YEAR(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Monat

SELECT MONTH(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Tag

SELECT DAY(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Wochentag

SELECT DAYOFWEEK(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld. Verwenden Sie die Element-ID anstelle des Werts, wo Sie die Nummer und nicht den Anzeigenamen benötigen.

Tag des Jahres

SELECT DAYOFYEAR(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Woche

SELECT WEEK(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Quartal

SELECT QUARTER(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Stunde

SELECT HOUR(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld. Verwenden Sie die Element-ID anstelle des Werts, wo Sie die Nummer und nicht den Anzeigenamen benötigen.

Minute

SELECT MINUTE(`timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.

Extract

SELECT EXTRACT(MONTH FROM `timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld. Verwenden Sie die Element-ID anstelle des Werts für einige Teile dieser Funktion, wo Sie die Nummer und nicht den Anzeigenamen benötigen.
Folgende Teile werden unterstützt:
-Suchbegriffe: YEAR, MONTH, DAYOFMONTH, DAYOFWEEK, DAYOFYEAR, WEEK, QUARTER, HOUR, MINUTE.
-Zeichenfolgen: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR' oder 'MINUTE'.

Date (part)

SELECT DATE_PART('month', `timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld. Verwenden Sie die Element-ID anstelle des Werts für einige Teile dieser Funktion, wo Sie die Nummer und nicht den Anzeigenamen benötigen.
Unterstützte Zeichenfolgenteile sind: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR'o der 'MINUTE'.

Datum (gekürzt)

SELECT DATE_TRUNC('quarter', `timestamp`)

Generiert eine dynamische Dimensionsidentität für das übergebene Feld.
Folgende Zeichenfolgengranularitäten werden unterstützt: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY, 'W', 'QUARTER', 'QOY', 'Q', 'HOUR' oder 'MINUTE'.

Teilweise Unterstützung

Einige SQL-Funktionen werden von der BI-Erweiterung nur teilweise unterstützt und geben nicht dieselben Ergebnisse zurück, die Sie bei anderen Datenbanken sehen. Diese spezifische Funktion wird in SQL verwendet, das von verschiedenen BI-Tools generiert wurde, für die die BI-Erweiterung keine exakte Übereinstimmung aufweist. Daher konzentriert sich die BI-Erweiterung auf eine begrenzte Implementierung, die die minimale Verwendung von BI-Tools abdeckt, ohne Fehler auszulösen. Weitere Informationen finden Sie in der Tabelle unten.

Funktion

Beispiel

Details

MIN() und MAX()

MIN(daterange) oder
MAX(daterange)

MIN() für timestamp, daterange oder eines der Elemente vom Typ daterangeX wie daterangeday gibt die letzten zwei Jahre zurück.

MAX() für timestamp, daterange oder eines der Elemente vom Typ daterangeX wie daterangeday gibt das aktuelle Datum/die aktuelle Uhrzeit zurück.

MIN() oder MAX() für eine andere Dimension, Metrik oder einen anderen Ausdruck gibt 0 zurück.

recommendation-more-help

080e5213-7aa2-40d6-9dba-18945e892f79