Anwendungsfälle für BI-Erweiterungen

In diesem Artikel wird beschrieben, wie Sie eine Reihe von Anwendungsfällen mit der Customer Journey Analytics BI-Erweiterung durchführen. In jedem Anwendungsfall wird die Customer Journey Analytics-Funktionalität erläutert, gefolgt von Details zu jedem der unterstützten BI-Tools:

  • Power BI-Desktop. Die verwendete Version ist 2.137.1102.0 64-Bit (Oktober 2024).
  • Tableau Desktop. Die verwendete Version ist 2024.1.5 (20241.24.0705.0334) 64-Bit.
  • Looker. Online-Version 25.0.23, verfügbar über looker.com
  • Jupyter-Notebook. Die verwendete Version ist 7.3.2.
  • RStudio Die verwendete Version ist 2024.12.0, Build 467.

Die folgenden Anwendungsfälle sind dokumentiert:

Der Anwendungsfall connect konzentriert sich auf die Verbindung von BI-Tools mithilfe der Customer Journey Analytics BI-Erweiterung.

Die Anwendungsfälle Bericht und) geben Hinweise, wie ähnliche Customer Journey Analytics-Visualisierungen in den derzeit unterstützten BI-Tools durchgeführt werden können.

Die verstehen-Anwendungsfälle bieten weitere Details zu:

  • Umwandlungen, die auftreten, wenn Sie BI-Tools für Berichte und Analysen verwenden.
  • Visualisierungsähnlichkeiten und -unterschiede zwischen Customer Journey Analytics- und BI-Tools.
  • Einschränkungen der einzelnen BI-Tools, die Sie beachten sollten.

Verbinden und validieren

In diesem Anwendungsbeispiel wird die Verbindung des BI-Tools mit Customer Journey Analytics eingerichtet, die verfügbaren Datenansichten aufgelistet und eine zu verwendende Datenansicht ausgewählt.

Customer Journey Analytics

Die Anweisungen beziehen sich auf eine Beispielumgebung mit den folgenden Objekten:

  • Datenansicht: C&C - Datenansicht ??.
  • Dimensionen: Produktname ?? und Produktkategorie ??.
  • Metriken: Kaufumsatz ?? und Käufe ??.
  • Filter: Fischereierzeugnisse ??.

Customer Journey Analytics-Basis-Setup {modal="regular"}

Ersetzen Sie diese Beispielobjekte durch Objekte, die für Ihre spezifische Umgebung geeignet sind, wenn Sie die Anwendungsfälle durchlaufen.

BI-Tools
tabs
Power BI Desktop
  1. Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.

    1. Navigieren Sie zu Ihrer Experience Platform-Sandbox.

    2. Wählen Sie Abfragen Abfragen in der linken Leiste aus.

    3. Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.

    4. Wählen Sie prod:cja aus dem Dropdown Menü "".

      Anmeldeinformationen für den Abfrage-Service {modal="regular"}

  2. Starten Sie Power BI Desktop.

    1. Wählen Sie in der Hauptbenutzeroberfläche Daten aus anderen Quellen abrufen.

    2. Im Dialogfeld Daten abrufen:

      PowerBI PostgreSQL-Datenbank {modal="regular"}

      1. Suchen Sie nach (PostgreSQL **Datenbank) und wählen Sie** aus. 1. Wählen Sie **Verbinden** aus.

    3. Im Dialogfeld PostgreSQL-Datenbank:

      PowerBI Desktop-Server- und Datenbankeinstellungen {modal="regular"}

      1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um die Werte **Host** und **Port** aus dem Bedienfeld Experience Platform **​**​Abfrage **Ablaufende Anmeldeinformationen** zu kopieren und einzufügen, getrennt durch `:` als Wert für **Server**. Beispiel: `examplecompany.platform-query.adobe.io:80`. 1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um den **Datenbank**-Wert aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform zu kopieren. Fügen Sie `?FLATTEN` zum eingefügten Wert hinzu. Zum Beispiel `prod:cja?FLATTEN`. 1. Wählen Sie **DirectQuery** als **Datenkonnektivitätsmodus** aus. 1. Klicken Sie **OK**.

    4. Im Dialogfeld PostgreSQL-Datenbank - Datenbank:

      PowerBI Desktop-Benutzer und -Kennwort {modal="regular"}

      1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um die Werte **Benutzername** und **Kennwort** aus dem Bedienfeld "**​** Abfrage **Ablaufende Anmeldeinformationen** von Experience Platform in die Felder **Benutzername** und **Kennwort** zu kopieren. Wenn Sie eine [nicht ablaufende Berechtigung](https://experienceleague.adobe.com/de/docs/experience-platform/query/ui/credentials?lang=de#use-credential-to-connect) verwenden, verwenden Sie das Kennwort Ihrer nicht ablaufenden Berechtigung. 1. Stellen Sie sicher, dass das Dropdown-Menü für **Wählen Sie, auf welche Ebene diese Einstellungen angewendet werden sollen** auf den **Server** eingestellt ist, den Sie zuvor definiert haben. 1. Wählen Sie **Verbinden** aus.

    5. Im Navigator werden die Datenansichten abgerufen. Dieser Abruf kann einige Zeit dauern. Nach dem Abrufen sehen Sie Folgendes in Power BI Desktop.

      Power BI-Desktop-Ladedaten {modal="regular"}

      1. Wählen **public.cc_data_view** aus der Liste im linken Bereich aus. 1. Es gibt zwei Optionen: 1. Wählen Sie **Laden** aus, um fortzufahren und die Einrichtung abzuschließen. 1. Wählen Sie **Daten transformieren** aus. Es wird ein Dialogfeld angezeigt, in dem Sie im Rahmen der Konfiguration optional Umwandlungen anwenden können.

      code language-none
        <img src="https://experienceleague.adobe.com/docs/analytics-platform/assets/powerbi-transform-data.png?lang=de" alt="Power BI Desktop Transform-Daten" class="modal-image">
        * Wählen Sie **Schließen und anwenden** aus.
      
    6. Nach einiger Zeit wird public.cc_data_view im Bereich Daten angezeigt. Wählen Sie ChevronRight aus, um Dimensionen und Metriken anzuzeigen.

      Power BI-Desktop-Server-Daten geladen {modal="regular"}

REDUZIEREN

Power BI Desktop unterstützt die folgenden Szenarien für den FLATTEN. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.

table 0-row-4 1-row-4 2-row-4 3-row-4 3-align-center 8-align-center 13-align-center 18-align-center
FLATTEN-Parameter Beispiel Unterstützt Bemerkungen
Keine prod:cja CheckmarkCircle
?FLATTEN prod:cja?FLATTEN CheckmarkCircle Empfohlene Option zum Verwenden!
%3FFLATTEN prod:cja%3FFLATTEN CloseCircle Power BI Desktop zeigt folgenden Fehler an: Wir konnten uns mit den angegebenen Anmeldeinformationen nicht authentifizieren. Bitte erneut versuchen.

Weitere Informationen

Tableau Desktop
  1. Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.

    1. Navigieren Sie zu Ihrer Experience Platform-Sandbox.

    2. Wählen Sie Abfragen Abfragen in der linken Leiste aus.

    3. Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.

    4. Wählen Sie prod:cja aus dem Dropdown Menü "".

      Anmeldeinformationen für den Abfrage-Service {modal="regular"}

  2. Tableau starten.

    1. Wählen Sie PostgreSQL in der linken Leiste unter „An Server aus. Falls nicht verfügbar, wählen Sie Mehr… und wählen Sie PostgreSQL aus der Liste Installierte Connectoren.

      Tableau-Connectoren {modal="regular"}

    2. Im Dialogfeld PostgreSQL auf der Registerkarte Allgemein:

      Tableau-Anmelde-Dialogfeld {modal="regular"}

      1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um den **Host** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform in den **Server** zu kopieren. 1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um den **Port** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform in den **Port** zu kopieren. 1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um den **Datenbank** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform in **Datenbank** zu kopieren. Fügen Sie `%3FFLATTEN` zum eingefügten Wert hinzu. Beispiel: `prod:cja%3FFLATTEN`. 1. Wählen Sie **Benutzername und Kennwort** aus dem Dropdown **Menü** Authentifizierung“ aus. 1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um den **Benutzernamen** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform in den **Benutzernamen** zu kopieren. 1. Verwenden Sie ![Kopieren](https://experienceleague.adobe.com/docs/analytics-platform/assets/Copy.svg?lang=de), um das **Kennwort** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldeinformationen** von Experience Platform in **Kennwort** zu kopieren. Wenn Sie eine [nicht ablaufende Berechtigung](https://experienceleague.adobe.com/de/docs/experience-platform/query/ui/credentials?lang=de#use-credential-to-connect) verwenden, verwenden Sie das Kennwort Ihrer nicht ablaufenden Berechtigung. 1. Stellen Sie sicher **dass „SSL**" aktiviert ist. 1. Wählen Sie **Anmelden** aus.

      Während Tableau Desktop Verbindung validiert, wird Dialogfeld „Anfrage läuft“ angezeigt.

    3. Im Hauptfenster sehen Sie auf der Seite Data Source im linken Bereich:

      • Der Name der Verbindung, unterhalb von Verbindungen.

      • Der Name der Datenbank unter Datenbank.

      • Eine Liste von Tabellen unter Tabelle.

        Tableau Connected {modal="regular"}

      1. Ziehen Sie den Eintrag cc_data_view und legen Sie ihn in der Hauptansicht mit dem Text Tabellen ziehen ab.
    4. Das Hauptfenster zeigt Details der Datenansicht cc_data_view an.

      Tableau Connected {modal="regular"}

REDUZIEREN

Tableau Desktop unterstützt die folgenden Szenarien für den FLATTEN. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.

table 0-row-4 1-row-4 2-row-4 3-row-4 3-align-center 8-align-center 13-align-center 18-align-center
FLATTEN-Parameter Beispiel Unterstützt Bemerkungen
Keine prod:cja CheckmarkCircle
?FLATTEN prod:cja?FLATTEN CheckmarkCircle
%3FFLATTEN prod:cja%3FFLATTEN CheckmarkCircle Empfohlene Option zum Verwenden. Hinweis: %3FFLATTEN ist eine URL-codierte Version von ?FLATTEN.

Weitere Informationen

Looker
  1. Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.

    1. Navigieren Sie zu Ihrer Experience Platform-Sandbox.

    2. Wählen Sie Abfragen Abfragen in der linken Leiste aus.

    3. Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.

    4. Wählen Sie prod:cja aus dem Dropdown Menü "".

      Anmeldeinformationen für den Abfrage-Service {modal="regular"}

  2. Bei Looker anmelden

    1. Wählen Admin in der linken Leiste aus.

    2. Wählen Sie Verbindungen aus.

    3. Wählen Sie Verbindung hinzufügen aus.

    4. Im Bildschirm Datenbank mit Looker verbinden.

      Looker-Verbindung zur Datenbank {modal="regular"}

      1. Geben Sie einen Namen für Ihre Verbindung ein, z. B. Example Looker Connection.
      2. Stellen Sie sicher dass Alle Projekte“ als "" ausgewählt.
      3. Wählen Sie PostgreSQL 9.5+ als Dialekt aus.
      4. Verwenden Sie Kopieren , um den Host-Wert aus dem Bedienfeld Abfrage Ablaufende Anmeldedaten von Experience Platform als Wert für Host zu kopieren. Beispiel: examplecompany.platform-query.adobe.io.
      5. Verwenden Sie Kopieren , um den Port-Wert aus dem Bedienfeld Abfrage Ablaufende Anmeldedaten von Experience Platform als Wert für Port zu kopieren. Beispiel: 80.
      6. Verwenden Sie Kopieren , um den Datenbank-Wert aus dem Bedienfeld Abfrage Ablaufende Anmeldedaten von Experience Platform als Wert für Datenbank zu kopieren. Fügen Sie %3FFLATTEN zum eingefügten Wert hinzu. Zum Beispiel prod:cja%3FFLATTEN.
      7. Verwenden Sie Kopieren , um den Wert Benutzername aus dem Bedienfeld Abfrage Ablaufende Anmeldeinformationen von Experience Platform als Wert für Benutzername zu kopieren.
      8. Verwenden Sie Kopieren , um den Kennwort-Wert aus dem Bedienfeld Abfrage Ablaufende Anmeldeinformationen von Experience Platform als Wert für Kennwort zu kopieren.
      9. Wählen Sie Alle erweitern unter Optionale Einstellungen aus.
      10. Legen Sie Max. Verbindungen pro Knoten auf 5 fest.
      11. Stellen Sie sicher dass "" aktiviert ist.
      12. Wählen Sie Test aus, um die Verbindung zu testen. Oben im Bildschirm sollte ein Banner mit einer Meldung wie Erfolg, kann JDBC verbinden …. erscheinen.
      13. Wählen Sie Verbinden aus, um die Verbindung herzustellen und zu speichern.
    5. Die neue Verbindung wird in der Benutzeroberfläche Verbindungen angezeigt.

    6. Wählen Sie von Admin aus, um zur Hauptnavigation in der linken Leiste zu wechseln.

    7. Wählen Sie Entwickeln aus.

    8. Wählen Sie Projekte aus.

    9. Wählen Sie Neues Modell in LookML-Projekten aus.

    10. So stellen Sie sicher, dass Sie keine Auswirkungen auf andere Benutzende haben. Wählen Sie bei Aufforderung Entwicklungsmodus aktivieren aus.

    11. Im Erlebnis Modell erstellen:

      1. Wählen Sie Datenbankverbindung aus:

        1. Wählen Sie Ihre Datenbankverbindung unter Datenbankverbindung auswählen aus. Beispiel: example_looker_connection.
        2. Benennen Sie Ihr Projekt in Neues LookML-Projekt für dieses Modell erstellen. Für example: example_looker_project.
        3. Klicken Sie auf Weiter.
      2. Wählen Sie in Tabellen aus:

        1. Wählen Sie öffentlich und stellen Sie sicher, dass Ihre Customer Journey Analytics-Datenansicht ausgewählt ist. Beispiel: SelectBox cc_data_view.
        2. Klicken Sie auf Weiter.
      3. Wählen Sie Primäre Schlüssel aus:

        1. Klicken Sie auf Weiter.
      4. Wählen Sie in die zu erstellenden Explorer aus:

        1. Stellen Sie sicher, dass Sie Ihre Ansicht auswählen. Beispiel: cc_data_view.view.
        2. Klicken Sie auf Weiter.
      5. Geben Sie ➎ Modellnamen ein:

        1. Benennen Sie Ihr Modell. Beispiel: example_looker_model.
      6. Wählen Sie Vervollständigen und Daten erkunden.

    Sie werden zur Benutzeroberfläche Erkunden von Looker weitergeleitet, die bereit ist, die Daten zu untersuchen.

REDUZIEREN

Looker unterstützt die folgenden Szenarien für den FLATTEN. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.

table 0-row-4 1-row-4 2-row-4 3-row-4 3-align-center 8-align-center 13-align-center 18-align-center
FLATTEN-Parameter Beispiel Unterstützt Bemerkungen
Keine prod:cja CheckmarkCircle
?FLATTEN prod:cja?FLATTEN CheckmarkCircle
%3FFLATTEN prod:cja%3FFLATTEN CheckmarkCircle Empfohlene Option zum Verwenden. Hinweis: %3FFLATTEN ist eine URL-codierte Version von ?FLATTEN.

Weitere Informationen

Jupyter-Notebook
  1. Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.

    1. Navigieren Sie zu Ihrer Experience Platform-Sandbox.

    2. Wählen Sie Abfragen Abfragen in der linken Leiste aus.

    3. Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.

    4. Wählen Sie prod:cja aus dem Dropdown Menü "".

      Anmeldeinformationen für den Abfrage-Service {modal="regular"}

  2. Stellen Sie sicher, dass Sie eine dedizierte virtuelle Python-Umgebung für die Ausführung Ihrer Jupyter-Notebook-Umgebung eingerichtet haben.

  3. Stellen Sie sicher, dass Sie die erforderlichen Bibliotheken in Ihrer virtuellen Umgebung installiert haben:

    • ipython-sql: pip install ipython-sql.
    • psycopg2-binary: pip install psycopg-binary.
    • In: SQLAlchemy: PIP install sqlalchemy.
  4. Starten Sie Jupyter Notebook aus Ihrer virtuellen Umgebung: jupyter notebook.

  5. Erstellen Sie ein neues Notebook oder laden Sie dieses Beispielnotebook).

  6. Geben Sie in Ihrer ersten Zelle ein und führen Sie Folgendes aus:

    code language-none
    %config SqlMagic.style = '_DEPRECATED_DEFAULT'
    
  7. Geben Sie in einer neuen Zelle die Konfigurationsparameter für Ihre Verbindung ein. Verwenden Sie Kopieren , um Werte aus dem Bedienfeld Abfrage Ablaufende Anmeldeinformationen von Experience Platform in die für die Konfigurationsparameter erforderlichen Werte zu kopieren und einzufügen. z. B.:

    code language-none
    import ipywidgets as widgets
    from IPython.display import display
    
    config_host = widgets.Text(description='Host:', value='example.platform-query-stage.adobe.io',
                            layout=widgets.Layout(width="600px"))
    display(config_host)
    config_port = widgets.IntText(description='Port:', value=80,
                               layout=widgets.Layout(width="200px"))
    display(config_port)
    config_db = widgets.Text(description='Database:', value='prod:cja',
                          layout=widgets.Layout(width="300px"))
    display(config_db)
    config_username = widgets.Text(description='Username:', value='EC582F955C8A79F70A49420E@AdobeOrg',
                                layout=widgets.Layout(width="600px"))
    display(config_username)
    config_password = widgets.Password(description='Password:', value='***',
                                    layout=widgets.Layout(width="600px"))
    display(config_password)
    
  8. Ausführen der Zelle.

  9. Verwenden Sie Kopieren , um das Kennwort aus dem Bedienfeld Abfrage Ablaufende Anmeldeinformationen von Experience Platform in das Feld Kennwort in Jupyter Notebook zu kopieren.

    Jupter-Notebook-Konfiguration - Schritt 1

  10. Geben Sie in einer neuen Zelle die Anweisungen zum Laden der SQL-Erweiterung, der erforderlichen Bibliothek und der Verbindung mit Customer Journey Analytics ein.

    code language-python
    %load_ext sql
    from sqlalchemy import create_engine
    %sql postgresql://{config_username.value}:{config_password.value}@{config_host.value}:{config_port.value}/{config_db.value}?sslmode=require
    

    Ausführen der Shell. Es sollte keine Ausgabe angezeigt werden, die Zelle sollte jedoch ohne Warnung ausgeführt werden.

    Jupyer Notebook-Konfiguration - Schritt 4

  11. Geben Sie bei einem neuen Aufruf die -Anweisungen ein, um eine Liste der verfügbaren Datenansichten basierend auf der Verbindung zu erhalten.

    code language-python
    %%sql
    SELECT n.nspname as "Schema",
       c.relname as "Name",
       CASE c.relkind WHEN 'r' THEN 'table' WHEN 'v' THEN 'view' WHEN 'm' THEN 'materialized view' WHEN 'i' THEN 'index' WHEN 'S' THEN 'sequence' WHEN 's' THEN 'special' WHEN 't' THEN 'TOAST table' WHEN 'f' THEN 'foreign table' WHEN 'p' THEN 'partitioned table' WHEN 'I' THEN 'partitioned index' END as "Type",
       pg_catalog.pg_get_userbyid(c.relowner) as "Owner"
    FROM pg_catalog.pg_class c
    LEFT JOIN pg_catalog.pg_namespace n ON n.oid = c.relnamespace
    WHERE c.relkind IN ('v','')
       AND n.nspname <> 'pg_catalog'
       AND n.nspname !~ '^pg_toast'
       AND n.nspname <> 'information_schema'
       AND pg_catalog.pg_table_is_visible(c.oid)
       AND c.relname NOT LIKE '%test%'
       AND c.relname NOT LIKE '%ajo%'
    ORDER BY 1,2;
    

    Ausführen der Shell. Die Ausgabe sollte ähnlich wie im folgenden Screenshot aussehen.

    Jupyter-Notebook-Konfiguration - Schritt 5

    Die cc_data_view sollte in der Liste der Datenansichten angezeigt werden.

REDUZIEREN

Jupyter Notebook unterstützt die folgenden Szenarien für den FLATTEN. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.

table 0-row-4 1-row-4 2-row-4 3-row-4 3-align-center 8-align-center 13-align-center 18-align-center
FLATTEN-Parameter Beispiel Unterstützt Bemerkungen
Keine prod:cja CheckmarkCircle
?FLATTEN prod:cja?FLATTEN CloseCircle
%3FFLATTEN prod:cja%3FFLATTEN CheckmarkCircle Empfohlene Option zum Verwenden. Hinweis: %3FFLATTEN ist eine URL-codierte Version von ?FLATTEN.

Weitere Informationen

RStudio
  1. Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.

    1. Navigieren Sie zu Ihrer Experience Platform-Sandbox.

    2. Wählen Sie Abfragen Abfragen in der linken Leiste aus.

    3. Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.

    4. Wählen Sie prod:cja aus dem Dropdown Menü "".

      Anmeldeinformationen für den Abfrage-Service {modal="regular"}

  2. Starten Sie RStudio.

  3. Erstellen Sie eine neue Markdown-Datei für R oder laden Sie diese Beispiel-Markdown-Datei für R.

  4. Geben Sie in Ihrem ersten Chunk die folgenden Anweisungen zwischen {r} ` und ` ein. Verwenden Sie Kopieren , um Werte aus dem Bedienfeld Abfrage Ablaufende Anmeldeinformationen von Experience Platform in die Werte zu kopieren, die für die verschiedenen Parameter erforderlich sind, z. B. host, dbname und user. z. B.:

    code language-r
    library(rstudioapi)
    library(DBI)
    library(dplyr)
    library(tidyr)
    library(RPostgres)
    library(ggplot2)
    
    host <- rstudioapi::showPrompt(title = "Host", message = "Host", default = "orangestagingco.platform-query-stage.adobe.io")
    dbname <- rstudioapi::showPrompt(title = "Database", message = "Database", default = "prod:cja?FLATTEN")
    user <- rstudioapi::showPrompt(title = "Username", message = "Username", default = "EC582F955C8A79F70A49420E@AdobeOrg")
    password <- rstudioapi::askForPassword(prompt = "Password")
    
  5. Führt den Block aus. Sie werden nach Host, Database und User gefragt. Akzeptieren Sie einfach die Werte, die Sie im vorherigen Schritt angegeben haben.

  6. Verwenden Sie Kopieren , um das Kennwort aus dem Bedienfeld Abfrage Ablaufende Anmeldeinformationen von Experience Platform in die Dialogaufforderung Kennwort in RStudio zu kopieren.

    RStudio-Konfiguration - Schritt 1

  7. Erstellen Sie einen neuen Chunk und geben Sie die folgenden Anweisungen zwischen ```` {r} und ein.

    code language-r
    con <- dbConnect(
       RPostgres::Postgres(),
       host = host,
       port = 80,
       dbname = dbname,
       user = user,
       password = password,
       sslmode = 'require'
    )
    
  8. Führt den Block aus. Wenn die Verbindung erfolgreich hergestellt wurde, sollte keine Ausgabe angezeigt werden.

  9. Erstellen Sie einen neuen Chunk und geben Sie die folgenden Anweisungen zwischen ```` {r} und ein.

    code language-r
    views <- dbListTables(con)
    print(views)
    
  10. Führt den Block aus. Sie sollten character(0) als einzige Ausgabe sehen.

  11. Erstellen Sie einen neuen Chunk und geben Sie die folgenden Anweisungen zwischen ```` {r} und ein.

    code language-r
    glimpse(dv)
    
  12. Führt den Block aus. Die Ausgabe sollte ähnlich wie im folgenden Screenshot aussehen.

    RStudio-Konfiguration - Schritt 2

REDUZIEREN

RStudio unterstützt die folgenden Szenarien für den FLATTEN. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.

table 0-row-4 1-row-4 2-row-4 3-row-4 3-align-center 8-align-center 13-align-center 18-align-center
FLATTEN-Parameter Beispiel Unterstützt Bemerkungen
Keine prod:cja CheckmarkCircle
?FLATTEN prod:cja?FLATTEN CheckmarkCircle Empfohlene Option zum Verwenden.
%3FFLATTEN prod:cja%3FFLATTEN CloseCircle

Weitere Informationen

Täglicher Trend

In diesem Anwendungsbeispiel möchten Sie eine Tabelle und eine einfache Linienvisualisierung anzeigen, die einen täglichen Trend der Vorfälle (Ereignisse) vom 1. Januar 2023 bis zum 31. Januar 2023 zeigt.

Customer Journey Analytics

Ein Beispiel Bedienfeld Täglicher Trend“ für den Anwendungsfall:

Bedienfeld „Täglicher Trend“ für Customer Journey Analytics {modal="regular"}

BI-Tools
note prerequisites
PREREQUISITES
Stellen Sie sicher, dass Sie eine erfolgreiche Verbindung“ validiert haben und Datenansichten fürBI-Tool auflisten und verwenden können, für das Sie diesen Anwendungsfall ausprobieren möchten.
tabs
Power BI Desktop
  1. Im Bereich Daten:

    1. Wählen Sie daterangeday aus.
    2. Wählen Sie ∑ Vorfälle aus.

    Es wird eine Tabelle mit den Vorkommen für den aktuellen Monat angezeigt. Zur besseren Sichtbarkeit vergrößern Sie die Visualisierung.

  2. Im Bereich Filter:

    1. Wählen Sie daterangeday is (All) unter Filter auf dieser visuellen) aus.
    2. Wählen Sie Erweiterte) als Filtertyp.
    3. Filter definieren, um Elemente anzuzeigen, wenn der Wert auf oder nach 1/1/2023 Und ​**** liegt, 2/1/2023. Sie können das Kalendersymbol verwenden, um ein Datum auszuwählen.
    4. Wählen Sie Filter anwenden aus.

    Die Tabelle wird mit dem angewendeten Filter daterangeday aktualisiert.

  3. Wählen Bereich Visualisierungen“ die Visualisierung Liniendiagramm aus.

    Eine Liniendiagramm-Visualisierung ersetzt die Tabelle, wobei dieselben Daten wie die Tabelle verwendet werden. Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop-Anwendungsfall 2 - Datumsbereichsfilter {modal="regular"}

  4. Visualisierung im Liniendiagramm:

    1. Wählen Sie Mehr aus.
    2. Wählen Sie im Kontextmenü die Option Als Tabelle anzeigen aus.

    Die Hauptansicht wird aktualisiert, um sowohl eine Linienvisualisierung als auch eine Tabelle anzuzeigen. Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop-Anwendungsfall: 2. Visualisierung des endgültigen täglichen Trends {modal="regular"}

Tableau Desktop
  1. Wählen Sie unten Registerkarte Blatt 1 aus, um aus der Ansicht Datenquelle zu wechseln. In der Ansicht Blatt 1:

    1. Ziehen Sie den Daterange aus der Liste Tabellen im Bereich Daten und legen Sie den Eintrag auf dem Regal Filter ab.

    2. Wählen Sie im Dialogfeld Filterfeld [Datumsbereich] die Option Datumsbereich und wählen Sie Weiter >.

    3. Wählen Sie Dialogfeld Filter [Daterange] die Option Datumsbereich und geben Sie einen Zeitraum von 01/01/2023 bis 01/02/2023 an.

      Tableau Desktop-Filter {modal="regular"}

    4. Ziehen Sie daterangeday per Drag-and-Drop aus der Liste Tabellen in den Bereich Daten und legen Sie den Eintrag im Feld neben Spalten ab.

      • Wählen Sie Tag aus dem Dropdown Menü daterangeday aus, sodass der Wert auf "(daterangeday) aktualisiert wird.
    5. Ziehen Sie Vorfälle per Drag-and-Drop aus der Liste Tabellen (Kennzahlennamen) in den Bereich Daten und legen Sie den Eintrag im Feld neben Zeilen ab. Der Wert wird automatisch in SUM(Occurrences) umgewandelt.

    6. Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop Graph {modal="regular"}

  2. Wählen Sie Duplizieren aus dem Blatt 1 Kontextmenü, um ein zweites Blatt zu erstellen.

  3. Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1, um das Blatt in Graph umzubenennen.

  4. Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1 (2) aus, um das Blatt in Data umzubenennen.

  5. Stellen Sie sicher, dass Daten-Blatt ausgewählt ist. In der Daten Ansicht:

    1. Wählen Sie oben die Option „Anzeigen“ aus und wählen Sie Texttabelle (Visualisierung oben links) aus, um den Inhalt der Datenansicht in eine Tabelle zu ändern.

    2. Wählen Sie Zeilen und Spalten austauschen in der Symbolleiste aus.

    3. Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop-Daten {modal="regular"}

  6. Klicken Sie auf Schaltfläche Neues Dashboard“ unten, um eine neue Ansicht Dashboard 1 zu erstellen. In der Ansicht Dashboard 1:

    1. Ziehen Sie das Blatt Graph aus dem Blätter-Regal auf die Ansicht Dashboard 1 mit dem Titel Blätter hier ablegen.

    2. Ziehen Sie das Daten-Blatt aus dem Blätter-Regal unter das Diagramm-Blatt auf die Ansicht Dashboard 1.

    3. Wählen Sie das Daten-Blatt in der Ansicht aus und ändern Sie Gesamte Ansicht so Breite festlegen.

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop Dashboard 1 {modal="regular"}

Looker
  1. Achten Sie in der Explore-Oberfläche von Looker darauf, dass Sie über ein sauberes Setup verfügen. Wenn nicht, wählen Sie Einstellung Felder und Filter entfernen.

  2. Wählen Sie + Filter unter Filter aus.

  3. Im Dialogfeld Filter hinzufügen:

    1. Wählen Sie ‣ CC-Datenansicht

    2. Wählen Sie aus der Liste der Felder ‣ DateRange und DateRange aus.

      Looker-Filter {modal="regular"}

  4. Geben Sie den Filter CC Datenansicht Datumsbereich als liegt im Bereich 2023/01/bis (davor) 2023/02/01 an.

  5. Im Abschnitt CC-Datenansicht in der linken Leiste

    1. Wählen Sie ‣ Datumsbereich und dann Datum aus der Liste DIMENSIONEN aus.
    2. Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
  6. Wählen Sie Ausführen aus.

  7. Wählen Sie ‣ Visualisierung aus, um die Linienvisualisierung anzuzeigen.

Es sollte eine Visualisierung und eine Tabelle ähnlich wie unten dargestellt angezeigt werden.

Looker-Ergebnis - täglicher Trend {modal="regular"}

Jupyter-Notebook
  1. Geben Sie die folgenden Anweisungen in eine neue Zelle ein.

    code language-python
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT daterangeday AS Date, COUNT(*) AS Events \
              FROM cc_data_view \
              WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \
              GROUP BY 1 \
              ORDER BY Date ASC
    df = data.DataFrame()
    df = df.groupby('Date', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.lineplot(x='Date', y='Events', data=df)
    plt.show()
    display(data)
    
  2. Ausführen der Zelle. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.

    Jupyter Notebook-Ergebnisse

RStudio
  1. Geben Sie die folgenden Anweisungen zwischen {r} ` und ` in einen neuen Block ein.

    code language-r
    ## Daily Events
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>%
       group_by(daterangeday) %>%
       count() %>%
       arrange(daterangeday, .by_group = FALSE)
    ggplot(df, aes(x = daterangeday, y = n)) +
       geom_line(color = "#69b3a2") +
       ylab("Events") +
       xlab("Date")
    print(df)
    
  2. Führt den Block aus. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.

    RStudio Ergebnisse

Stündlicher Trend

In diesem Anwendungsbeispiel möchten Sie eine Tabelle und eine einfache Linienvisualisierung anzeigen, die einen stündlichen Trend der Vorfälle (Ereignisse) für den 1. Januar 2023 anzeigt.

Customer Journey Analytics

Ein Beispiel Bedienfeld „Stündlicher" für den Anwendungsfall:

Visualisierungen von Customer Journey Analytics-Stündlich-Trends {modal="regular"}

BI-Tools
note prerequisites
PREREQUISITES
Stellen Sie sicher, Sie für das BI-Tool, für das Sie diesen Anwendungsfall ausprobieren möchten, (eine erfolgreiche Verbindung, Datenansichten auflisteneine Datenansicht verwenden) validiert haben.
tabs
Power BI Desktop AlertRed Power BI versteht nicht wie Datums-/Uhrzeitfelder verarbeitet werden, sodass Dimensionen wie daterangehour und daterangeminute nicht unterstützt werden.
Tableau Desktop
  1. Wählen Sie unten Registerkarte Blatt 1 aus, um aus Datenquelle zu wechseln. In der Ansicht Blatt 1:

    1. Ziehen Sie den Daterange aus der Liste Tabellen im Bereich Daten und legen Sie den Eintrag auf dem Regal Filter ab.

    2. Wählen Sie im Dialogfeld Filterfeld [Datumsbereich] die Option Datumsbereich und wählen Sie Weiter >.

    3. Wählen Sie Dialogfeld Filter [Daterange] die Option Datumsbereich und geben Sie einen Zeitraum von 01/01/2023 bis 02/01/2023 an.

      Tableau Desktop-Filter {modal="regular"}

    4. Ziehen Sie daterangehour per Drag-and-Drop aus der Liste Tabellen in den Bereich Daten und legen Sie den Eintrag im Feld neben Spalten ab.

      • Wählen Sie Mehr > Stunden aus dem daterangeday Dropdown-Menü aus, sodass der Wert auf HOUR(daterangeday) aktualisiert wird.
    5. Ziehen Sie Vorfälle per Drag-and-Drop aus der Liste Tabellen (Kennzahlennamen) in den Bereich Daten und legen Sie den Eintrag im Feld neben Zeilen ab. Der Wert wird automatisch in SUM(Occurrences) umgewandelt.

    6. Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop Graph {modal="regular"}

  2. Wählen Sie Duplizieren aus dem Blatt 1 Kontextmenü, um ein zweites Blatt zu erstellen.

  3. Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1, um das Blatt in Graph umzubenennen.

  4. Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1 (2) aus, um das Blatt in Data umzubenennen.

  5. Stellen Sie sicher, dass Daten-Blatt ausgewählt ist. In der Daten Ansicht:

    1. Wählen Sie oben die Option „Anzeigen“ aus und wählen Sie Texttabelle (Visualisierung oben links) aus, um den Inhalt der Datenansicht in eine Tabelle zu ändern.

    2. Ziehen Sie HOUR(DateRangeDay) von Columns nach Rows.

    3. Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop-Daten {modal="regular"}

  6. Wählen Sie Schaltfläche Neues Dashboard) unten aus, um eine neue Ansicht Dashboard 1 zu erstellen. In der Ansicht Dashboard 1:

    1. Ziehen Sie das Blatt Graph aus dem Blätter-Regal auf die Ansicht Dashboard 1 mit dem Titel Blätter hier ablegen.

    2. Ziehen Sie das Daten-Blatt aus dem Blätter-Regal unter das Diagramm-Blatt auf die Ansicht Dashboard 1.

    3. Wählen Sie das Daten-Blatt in der Ansicht aus und ändern Sie Gesamte Ansicht so Breite festlegen.

      Ihre Ansicht Dashboard 1 sollte wie folgt aussehen.

      Tableau Desktop Dashboard 1 {modal="regular"}

Looker
  1. Achten Sie in der Explore-Oberfläche von Looker darauf, dass Sie über ein sauberes Setup verfügen. Wenn nicht, wählen Sie Einstellung Felder und Filter entfernen.

  2. Wählen Sie + Filter unter Filter aus.

  3. Im Dialogfeld Filter hinzufügen:

    1. Wählen Sie ‣ CC-Datenansicht

    2. Wählen Sie aus der Liste der Felder ‣ DateRange und DateRange aus.

      Looker-Filter {modal="regular"}

  4. Geben Sie den Filter CC Datenansicht Datumsbereich als liegt im Bereich 2023/01/01bis (davor) 2023/01/02 an.

  5. Im Abschnitt CC-Datenansicht in der linken Leiste

    1. Wählen Sie ‣ DateRangeHour und Time aus der Liste DIMENSIONS aus.
    2. Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
  6. Wählen Sie Ausführen aus.

  7. Wählen Sie ‣ Visualisierung aus, um die Linienvisualisierung anzuzeigen.

Es sollte eine Visualisierung und eine Tabelle ähnlich wie unten dargestellt angezeigt werden.

Looker-Ergebnis - täglicher Trend {modal="regular"}

Jupyter-Notebook
  1. Geben Sie die folgenden Anweisungen in eine neue Zelle ein.

    code language-python
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT daterangehour AS Hour, COUNT(*) AS Events \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2023-01-02' \
                GROUP BY 1 \
                 ORDER BY Hour ASC
    df = data.DataFrame()
    df = df.groupby('Hour', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.lineplot(x='Hour', y='Events', data=df)
    plt.show()
    display(data)
    
  2. Ausführen der Zelle. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.

    Jupyter Notebook-Ergebnisse

RStudio
  1. Geben Sie die folgenden Anweisungen zwischen {r} ` und ` in einen neuen Block ein.

    code language-r
    ## Hourly Events
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-01-02") %>%
       group_by(daterangehour) %>%
       count() %>%
       arrange(daterangehour, .by_group = FALSE)
    ggplot(df, aes(x = daterangehour, y = n)) +
       geom_line(color = "#69b3a2") +
       ylab("Events") +
       xlab("Hour")
    print(df)
    
  2. Führt den Block aus. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.

    RStudio Ergebnisse

Monatlicher Trend

In diesem Anwendungsbeispiel möchten Sie eine Tabelle und eine einfache Linienvisualisierung anzeigen, die einen monatlichen Trend des Vorkommens (Ereignisse) für 2023 zeigt.

Customer Journey Analytics

Ein Beispiel Bedienfeld " Trend“ für den Anwendungsfall:

Visualisierung des monatlichen Customer Journey Analytics-Trends {modal="regular"}

BI-Tools
note prerequisites
PREREQUISITES
Stellen Sie sicher, Sie für das BI-Tool, für das Sie diesen Anwendungsfall ausprobieren möchten, (eine erfolgreiche Verbindung, Datenansichten auflisteneine Datenansicht verwenden) validiert haben.
tabs
Power BI Desktop
  1. Im Bereich Daten:

    1. Wählen Sie daterangemonth aus.
    2. Wählen Sie ∑ Vorfälle aus.

    Es wird eine Tabelle mit den Vorkommen für den aktuellen Monat angezeigt. Zur besseren Sichtbarkeit vergrößern Sie die Visualisierung.

  2. Im Bereich Filter:

    1. Wählen Sie daterangemonth is (All) unter Filter auf diesem Bild aus.
    2. Wählen Sie Erweiterte) als Filtertyp.
    3. Filter definieren, um Elemente anzuzeigen, wenn der Wert auf oder nach 1/1/2023 Und ​**** liegt, 1/1/2024. Sie können das Kalendersymbol verwenden, um ein Datum auszuwählen.
    4. Wählen Sie Filter anwenden aus.

    Die Tabelle wird mit dem angewendeten Filter daterangemonth“.

  3. Im Bereich Visualisierungen:

    1. Wählen Sie die Visualisierung Liniendiagramm aus.

    Eine Liniendiagramm-Visualisierung ersetzt die Tabelle, wobei dieselben Daten wie die Tabelle verwendet werden. Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop-Anwendungsfall 2 - Datumsbereichsfilter {modal="regular"}

  4. Visualisierung im Liniendiagramm:

    1. Wählen Sie Mehr aus.
    2. Wählen Sie im Kontextmenü die Option Als Tabelle anzeigen aus.

    Die Hauptansicht wird aktualisiert, um sowohl eine Linienvisualisierung als auch eine Tabelle anzuzeigen. Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop-Anwendungsfall: 2. Visualisierung des endgültigen täglichen Trends {modal="regular"}

Tableau Desktop
  1. Wählen Sie unten Registerkarte Blatt 1 aus, um aus Datenquelle zu wechseln. In der Ansicht Blatt 1:

    1. Ziehen Sie den Daterange aus der Liste Tabellen im Bereich Daten und legen Sie den Eintrag auf dem Regal Filter ab.

    2. Wählen Sie im Dialogfeld Filterfeld [Datumsbereich] die Option Datumsbereich und wählen Sie Weiter >.

    3. Wählen Sie Dialogfeld Filter [Daterange] die Option Datumsbereich und geben Sie einen Zeitraum von 01/01/2023 bis 01/01/2024 an.

      Tableau Desktop-Filter {modal="regular"}

    4. Ziehen Sie daterangeday per Drag-and-Drop aus der Liste Tabellen in den Bereich Daten und legen Sie den Eintrag im Feld neben Spalten ab.

      • Wählen Sie MONTH aus dem Dropdown Menü daterangeday aus, sodass der Wert auf MONTH(daterangeday) aktualisiert wird.
    5. Ziehen Sie Vorfälle per Drag-and-Drop aus der Liste Tabellen (Kennzahlennamen) in den Bereich Daten und legen Sie den Eintrag im Feld neben Zeilen ab. Der Wert wird automatisch in SUM(Occurrences) umgewandelt.

    6. Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop Graph {modal="regular"}

  2. Wählen Sie Duplizieren aus dem Blatt 1 Kontextmenü, um ein zweites Blatt zu erstellen.

  3. Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1, um das Blatt in Graph umzubenennen.

  4. Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1 (2) aus, um das Blatt in Data umzubenennen.

  5. Stellen Sie sicher, dass Daten-Blatt ausgewählt ist. In der Datenansicht

    1. Wählen Sie oben die Option „Anzeigen“ aus und wählen Sie Texttabelle (Visualisierung oben links) aus, um den Inhalt der Datenansicht in eine Tabelle zu ändern.

    2. Ziehen Sie MONTH(daterangeday) von Columns nach Rows.

    3. Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop-Daten {modal="regular"}

  6. Wählen Sie Schaltfläche Neues Dashboard) unten aus, um eine neue Ansicht Dashboard 1 zu erstellen. In der Ansicht Dashboard 1:

    1. Ziehen Sie das Blatt Graph aus dem Blätter-Regal auf die Ansicht Dashboard 1 mit dem Titel Blätter hier ablegen.

    2. Ziehen Sie das Daten-Blatt aus dem Blätter-Regal unter das Diagramm-Blatt auf die Ansicht Dashboard 1.

    3. Wählen Sie das Daten-Blatt in der Ansicht aus und ändern Sie Gesamte Ansicht so Breite festlegen.

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop Dashboard 1 {modal="regular"}

Looker
  1. Achten Sie in der Explore-Oberfläche von Looker darauf, dass Sie über ein sauberes Setup verfügen. Wenn nicht, wählen Sie Einstellung Felder und Filter entfernen.

  2. Wählen Sie + Filter unter Filter aus.

  3. Im Dialogfeld Filter hinzufügen:

    1. Wählen Sie ‣ CC-Datenansicht

    2. Wählen Sie aus der Liste der Felder ‣ DateRange und DateRange aus.

      Looker-Filter {modal="regular"}

  4. Geben Sie den Filter CC Datenansicht Datumsbereich als liegt im Bereich 2023/01/01bis (davor) 2024/01/01 an.

  5. In der linken CC-Datenansicht-Leiste

    1. Wählen Sie ‣ DatumMonat und dann Monat aus der Liste von DIMENSIONEN.
    2. Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
  6. Wählen Sie Ausführen aus.

  7. Wählen Sie ‣ Visualisierung aus, um die Linienvisualisierung anzuzeigen.

Es sollte eine Visualisierung und eine Tabelle ähnlich wie unten dargestellt angezeigt werden.

Looker-Ergebnis - täglicher Trend {modal="regular"}

Jupyter-Notebook
  1. Geben Sie die folgenden Anweisungen in eine neue Zelle ein.

    code language-python
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT daterangemonth AS Month, COUNT(*) AS Events \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \
                GROUP BY 1 \
                ORDER BY Month ASC
    df = data.DataFrame()
    df = df.groupby('Month', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.lineplot(x='Month', y='Events', data=df)
    plt.show()
    display(data)
    
  2. Ausführen der Zelle. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.

    Jupyter Notebook-Ergebnisse

RStudio
  1. Geben Sie die folgenden Anweisungen zwischen {r} ` und ` in einen neuen Block ein.

    code language-r
    ## Hourly Events
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-01-02") %>%
       group_by(daterangehour) %>%
       count() %>%
       arrange(daterangehour, .by_group = FALSE)
    ggplot(df, aes(x = daterangehour, y = n)) +
       geom_line(color = "#69b3a2") +
       ylab("Events") +
       xlab("Hour")
    print(df)
    
  2. Führt den Block aus. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.

    RStudio Ergebnisse

Rangfolge einzelner Dimensionen

In diesem Anwendungsbeispiel möchten Sie eine Tabelle und eine einfache Balkenvisualisierung anzeigen, die die Käufe und Käufe von Produktnamen für das Jahr 2023 anzeigt.

Customer Journey Analytics

Ein Beispiel Bedienfeld „Single Dimension Ranked für den Anwendungsfall:

Visualisierung mit einer Rangansicht für Customer Journey Analytics-Dimension {modal="regular"}

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