Anwendungsfälle für BI-Erweiterungen
- Themen:
- Datenansichten
Erstellt für:
- Benutzende
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:
-
Verbinden
-
Berichte und Analysen
- Täglicher Trend
- Stündlicher Trend
- Monatlicher Trend
- Rangfolge einzelner Dimensionen
- Rangfolge mehrerer Dimensionen
- Unterschiedliche Dimensionswerte zählen
- Verwenden von Datumsbereichsnamen zum Filtern
- Filternamen zum Filtern verwenden
- Verwenden von Dimensionswerten zum Filtern
- Sortieren
- Beschränkungen
-
verstehen
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.
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 ??.
Ersetzen Sie diese Beispielobjekte durch Objekte, die für Ihre spezifische Umgebung geeignet sind, wenn Sie die Anwendungsfälle durchlaufen.
-
Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.
-
Navigieren Sie zu Ihrer Experience Platform-Sandbox.
-
Wählen Sie
-
Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.
-
Wählen Sie
prod:cja
aus dem Dropdown Menü "".
-
-
Starten Sie Power BI Desktop.
-
Wählen Sie in der Hauptbenutzeroberfläche Daten aus anderen Quellen abrufen.
-
Im Dialogfeld Daten abrufen:
1. Suchen Sie nach (PostgreSQL **Datenbank) und wählen Sie** aus. 1. Wählen Sie **Verbinden** aus.
-
Im Dialogfeld PostgreSQL-Datenbank:
1. Verwenden Sie , 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 , 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**.
-
Im Dialogfeld PostgreSQL-Datenbank - Datenbank:
1. Verwenden Sie , 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.
-
Im Navigator werden die Datenansichten abgerufen. Dieser Abruf kann einige Zeit dauern. Nach dem Abrufen sehen Sie Folgendes in Power BI Desktop.
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.
<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.
-
Nach einiger Zeit wird public.cc_data_view im Bereich Daten angezeigt. Wählen Sie
-
REDUZIEREN
Power BI Desktop unterstützt die folgenden Szenarien für den FLATTEN
. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
Weitere Informationen
-
Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.
-
Navigieren Sie zu Ihrer Experience Platform-Sandbox.
-
Wählen Sie
-
Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.
-
Wählen Sie
prod:cja
aus dem Dropdown Menü "".
-
-
Tableau starten.
-
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.
-
Im Dialogfeld PostgreSQL auf der Registerkarte Allgemein:
1. Verwenden Sie , um den **Host** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform in den **Server** zu kopieren. 1. Verwenden Sie , um den **Port** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform in den **Port** zu kopieren. 1. Verwenden Sie , 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 , um den **Benutzernamen** aus dem Bedienfeld **Abfrage** **Ablaufende Anmeldedaten** von Experience Platform in den **Benutzernamen** zu kopieren. 1. Verwenden Sie , 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.
-
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.
- Ziehen Sie den Eintrag cc_data_view und legen Sie ihn in der Hauptansicht mit dem Text Tabellen ziehen ab.
-
-
Das Hauptfenster zeigt Details der Datenansicht cc_data_view an.
-
REDUZIEREN
Tableau Desktop unterstützt die folgenden Szenarien für den FLATTEN
. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
%3FFLATTEN
ist eine URL-codierte Version von ?FLATTEN
.Weitere Informationen
-
Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.
-
Navigieren Sie zu Ihrer Experience Platform-Sandbox.
-
Wählen Sie
-
Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.
-
Wählen Sie
prod:cja
aus dem Dropdown Menü "".
-
-
Bei Looker anmelden
-
Wählen Admin in der linken Leiste aus.
-
Wählen Sie Verbindungen aus.
-
Wählen Sie Verbindung hinzufügen aus.
-
Im Bildschirm Datenbank mit Looker verbinden.
- Geben Sie einen Namen für Ihre Verbindung ein, z. B.
Example Looker Connection
. - Stellen Sie sicher dass Alle Projekte“ als "" ausgewählt.
- Wählen Sie PostgreSQL 9.5+ als Dialekt aus.
- Verwenden Sie
examplecompany.platform-query.adobe.io
. - Verwenden Sie
80
. - Verwenden Sie
%3FFLATTEN
zum eingefügten Wert hinzu. Zum Beispielprod:cja%3FFLATTEN
. - Verwenden Sie
- Verwenden Sie
- Wählen Sie Alle erweitern unter Optionale Einstellungen aus.
- Legen Sie Max. Verbindungen pro Knoten auf
5
fest. - Stellen Sie sicher dass "" aktiviert ist.
- Wählen Sie Test aus, um die Verbindung zu testen. Oben im Bildschirm sollte ein Banner mit einer Meldung wie Erfolg, kann JDBC verbinden …. erscheinen.
- Wählen Sie Verbinden aus, um die Verbindung herzustellen und zu speichern.
- Geben Sie einen Namen für Ihre Verbindung ein, z. B.
-
Die neue Verbindung wird in der Benutzeroberfläche Verbindungen angezeigt.
-
Wählen Sie ← von Admin aus, um zur Hauptnavigation in der linken Leiste zu wechseln.
-
Wählen Sie Entwickeln aus.
-
Wählen Sie Projekte aus.
-
Wählen Sie Neues Modell in LookML-Projekten aus.
-
So stellen Sie sicher, dass Sie keine Auswirkungen auf andere Benutzende haben. Wählen Sie bei Aufforderung Entwicklungsmodus aktivieren aus.
-
Im Erlebnis Modell erstellen:
-
Wählen Sie Datenbankverbindung aus:
- Wählen Sie Ihre Datenbankverbindung unter Datenbankverbindung auswählen aus. Beispiel: example_looker_connection.
- Benennen Sie Ihr Projekt in Neues LookML-Projekt für dieses Modell erstellen. Für
example: example_looker_project
. - Klicken Sie auf Weiter.
-
Wählen Sie in Tabellen aus:
- Wählen Sie öffentlich und stellen Sie sicher, dass Ihre Customer Journey Analytics-Datenansicht ausgewählt ist. Beispiel:
- Klicken Sie auf Weiter.
- Wählen Sie öffentlich und stellen Sie sicher, dass Ihre Customer Journey Analytics-Datenansicht ausgewählt ist. Beispiel:
-
Wählen Sie Primäre Schlüssel aus:
- Klicken Sie auf Weiter.
-
Wählen Sie in die zu erstellenden Explorer aus:
- Stellen Sie sicher, dass Sie Ihre Ansicht auswählen. Beispiel: cc_data_view.view.
- Klicken Sie auf Weiter.
-
Geben Sie ➎ Modellnamen ein:
- Benennen Sie Ihr Modell. Beispiel:
example_looker_model
.
- Benennen Sie Ihr Modell. Beispiel:
-
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“.
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
%3FFLATTEN
ist eine URL-codierte Version von ?FLATTEN
.Weitere Informationen
-
Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.
-
Navigieren Sie zu Ihrer Experience Platform-Sandbox.
-
Wählen Sie
-
Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.
-
Wählen Sie
prod:cja
aus dem Dropdown Menü "".
-
-
Stellen Sie sicher, dass Sie eine dedizierte virtuelle Python-Umgebung für die Ausführung Ihrer Jupyter-Notebook-Umgebung eingerichtet haben.
-
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
.
- ipython-sql:
-
Starten Sie Jupyter Notebook aus Ihrer virtuellen Umgebung:
jupyter notebook
. -
Erstellen Sie ein neues Notebook oder laden Sie dieses Beispielnotebook).
-
Geben Sie in Ihrer ersten Zelle ein und führen Sie Folgendes aus:
%config SqlMagic.style = '_DEPRECATED_DEFAULT'
-
Geben Sie in einer neuen Zelle die Konfigurationsparameter für Ihre Verbindung ein. Verwenden Sie
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)
-
Ausführen der Zelle.
-
Verwenden Sie
-
Geben Sie in einer neuen Zelle die Anweisungen zum Laden der SQL-Erweiterung, der erforderlichen Bibliothek und der Verbindung mit Customer Journey Analytics ein.
%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.
-
Geben Sie bei einem neuen Aufruf die -Anweisungen ein, um eine Liste der verfügbaren Datenansichten basierend auf der Verbindung zu erhalten.
%%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.
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“.
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
%3FFLATTEN
ist eine URL-codierte Version von ?FLATTEN
.Weitere Informationen
-
Greifen Sie über die Benutzeroberfläche des Abfrage-Service von Experience Platform auf die erforderlichen Anmeldeinformationen und Parameter zu.
-
Navigieren Sie zu Ihrer Experience Platform-Sandbox.
-
Wählen Sie
-
Wählen Sie Registerkarte Anmeldeinformationen“ in der Benutzeroberfläche Abfragen aus.
-
Wählen Sie
prod:cja
aus dem Dropdown Menü "".
-
-
Starten Sie RStudio.
-
Erstellen Sie eine neue Markdown-Datei für R oder laden Sie diese Beispiel-Markdown-Datei für R.
-
Geben Sie in Ihrem ersten Chunk die folgenden Anweisungen zwischen
{r} ` und `
ein. Verwenden Siehost
,dbname
unduser
. z. B.: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")
-
Führt den Block aus. Sie werden nach Host, Database und User gefragt. Akzeptieren Sie einfach die Werte, die Sie im vorherigen Schritt angegeben haben.
-
Verwenden Sie
-
Erstellen Sie einen neuen Chunk und geben Sie die folgenden Anweisungen zwischen ```` {r}
und
ein.
con <- dbConnect( RPostgres::Postgres(), host = host, port = 80, dbname = dbname, user = user, password = password, sslmode = 'require' )
-
Führt den Block aus. Wenn die Verbindung erfolgreich hergestellt wurde, sollte keine Ausgabe angezeigt werden.
-
Erstellen Sie einen neuen Chunk und geben Sie die folgenden Anweisungen zwischen ```` {r}
und
ein.
views <- dbListTables(con) print(views)
-
Führt den Block aus. Sie sollten
character(0)
als einzige Ausgabe sehen. -
Erstellen Sie einen neuen Chunk und geben Sie die folgenden Anweisungen zwischen ```` {r}
und
ein.
glimpse(dv)
-
Führt den Block aus. Die Ausgabe sollte ähnlich wie im folgenden Screenshot aussehen.
REDUZIEREN
RStudio unterstützt die folgenden Szenarien für den FLATTEN
. Weitere Informationen Sie unter „Reduzierenverschachtelten Daten“.
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
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.
Ein Beispiel Bedienfeld Täglicher Trend“ für den Anwendungsfall:
Bedienfeld „Täglicher Trend“ für
-
Im Bereich Daten:
- Wählen Sie daterangeday aus.
- Wählen Sie ∑ Vorfälle aus.
Es wird eine Tabelle mit den Vorkommen für den aktuellen Monat angezeigt. Zur besseren Sichtbarkeit vergrößern Sie die Visualisierung.
-
Im Bereich Filter:
- Wählen Sie daterangeday is (All) unter Filter auf dieser visuellen) aus.
- Wählen Sie Erweiterte) als Filtertyp.
- 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. - Wählen Sie Filter anwenden aus.
Die Tabelle wird mit dem angewendeten Filter daterangeday aktualisiert.
-
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.
-
Visualisierung im Liniendiagramm:
- Wählen Sie
- 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.
- Wählen Sie
-
Wählen Sie unten Registerkarte Blatt 1 aus, um aus der Ansicht Datenquelle zu wechseln. In der Ansicht Blatt 1:
-
Ziehen Sie den Daterange aus der Liste Tabellen im Bereich Daten und legen Sie den Eintrag auf dem Regal Filter ab.
-
Wählen Sie im Dialogfeld Filterfeld [Datumsbereich] die Option Datumsbereich und wählen Sie Weiter >.
-
Wählen Sie Dialogfeld Filter [Daterange] die Option Datumsbereich und geben Sie einen Zeitraum von
01/01/2023
bis01/02/2023
an. -
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.
-
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.
-
Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Wählen Sie Duplizieren aus dem Blatt 1 Kontextmenü, um ein zweites Blatt zu erstellen.
-
Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1, um das Blatt in
Graph
umzubenennen. -
Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1 (2) aus, um das Blatt in
Data
umzubenennen. -
Stellen Sie sicher, dass Daten-Blatt ausgewählt ist. In der Daten Ansicht:
-
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.
-
Wählen Sie Zeilen und Spalten austauschen in der Symbolleiste aus.
-
Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Klicken Sie auf Schaltfläche Neues Dashboard“ unten, um eine neue Ansicht Dashboard 1 zu erstellen. In der Ansicht Dashboard 1:
-
Ziehen Sie das Blatt Graph aus dem Blätter-Regal auf die Ansicht Dashboard 1 mit dem Titel Blätter hier ablegen.
-
Ziehen Sie das Daten-Blatt aus dem Blätter-Regal unter das Diagramm-Blatt auf die Ansicht Dashboard 1.
-
Wählen Sie das Daten-Blatt in der Ansicht aus und ändern Sie Gesamte Ansicht so Breite festlegen.
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Achten Sie in der Explore-Oberfläche von Looker darauf, dass Sie über ein sauberes Setup verfügen. Wenn nicht, wählen Sie
-
Wählen Sie + Filter unter Filter aus.
-
Im Dialogfeld Filter hinzufügen:
-
Wählen Sie ‣ CC-Datenansicht
-
Wählen Sie aus der Liste der Felder ‣ DateRange und DateRange aus.
-
-
Geben Sie den Filter CC Datenansicht Datumsbereich als liegt im Bereich 2023/01/ bis (davor) 2023/02/01 an.
-
Im Abschnitt CC-Datenansicht in der linken Leiste
- Wählen Sie ‣ Datumsbereich und dann Datum aus der Liste DIMENSIONEN aus.
- Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
-
Wählen Sie Ausführen aus.
-
Wählen Sie ‣ Visualisierung aus, um die Linienvisualisierung anzuzeigen.
Es sollte eine Visualisierung und eine Tabelle ähnlich wie unten dargestellt angezeigt werden.
-
Geben Sie die folgenden Anweisungen in eine neue Zelle ein.
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)
-
Ausführen der Zelle. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.
-
Geben Sie die folgenden Anweisungen zwischen
{r} ` und `
in einen neuen Block ein.## 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)
-
Führt den Block aus. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.
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.
Ein Beispiel Bedienfeld „Stündlicher" für den Anwendungsfall:
-
Wählen Sie unten Registerkarte Blatt 1 aus, um aus Datenquelle zu wechseln. In der Ansicht Blatt 1:
-
Ziehen Sie den Daterange aus der Liste Tabellen im Bereich Daten und legen Sie den Eintrag auf dem Regal Filter ab.
-
Wählen Sie im Dialogfeld Filterfeld [Datumsbereich] die Option Datumsbereich und wählen Sie Weiter >.
-
Wählen Sie Dialogfeld Filter [Daterange] die Option Datumsbereich und geben Sie einen Zeitraum von
01/01/2023
bis02/01/2023
an. -
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.
-
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.
-
Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Wählen Sie Duplizieren aus dem Blatt 1 Kontextmenü, um ein zweites Blatt zu erstellen.
-
Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1, um das Blatt in
Graph
umzubenennen. -
Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1 (2) aus, um das Blatt in
Data
umzubenennen. -
Stellen Sie sicher, dass Daten-Blatt ausgewählt ist. In der Daten Ansicht:
-
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.
-
Ziehen Sie HOUR(DateRangeDay) von Columns nach Rows.
-
Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Wählen Sie Schaltfläche Neues Dashboard) unten aus, um eine neue Ansicht Dashboard 1 zu erstellen. In der Ansicht Dashboard 1:
-
Ziehen Sie das Blatt Graph aus dem Blätter-Regal auf die Ansicht Dashboard 1 mit dem Titel Blätter hier ablegen.
-
Ziehen Sie das Daten-Blatt aus dem Blätter-Regal unter das Diagramm-Blatt auf die Ansicht Dashboard 1.
-
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.
-
-
Achten Sie in der Explore-Oberfläche von Looker darauf, dass Sie über ein sauberes Setup verfügen. Wenn nicht, wählen Sie
-
Wählen Sie + Filter unter Filter aus.
-
Im Dialogfeld Filter hinzufügen:
-
Wählen Sie ‣ CC-Datenansicht
-
Wählen Sie aus der Liste der Felder ‣ DateRange und DateRange aus.
-
-
Geben Sie den Filter CC Datenansicht Datumsbereich als liegt im Bereich 2023/01/01 bis (davor) 2023/01/02 an.
-
Im Abschnitt CC-Datenansicht in der linken Leiste
- Wählen Sie ‣ DateRangeHour und Time aus der Liste DIMENSIONS aus.
- Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
-
Wählen Sie Ausführen aus.
-
Wählen Sie ‣ Visualisierung aus, um die Linienvisualisierung anzuzeigen.
Es sollte eine Visualisierung und eine Tabelle ähnlich wie unten dargestellt angezeigt werden.
-
Geben Sie die folgenden Anweisungen in eine neue Zelle ein.
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)
-
Ausführen der Zelle. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.
-
Geben Sie die folgenden Anweisungen zwischen
{r} ` und `
in einen neuen Block ein.## 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)
-
Führt den Block aus. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.
Monatlicher Trend
In diesem Anwendungsbeispiel möchten Sie eine Tabelle und eine einfache Linienvisualisierung anzeigen, die einen monatlichen Trend des Vorkommens (Ereignisse) für 2023 zeigt.
Ein Beispiel Bedienfeld " Trend“ für den Anwendungsfall:
Visualisierung des monatlichen Customer Journey Analytics-Trends
-
Im Bereich Daten:
- Wählen Sie daterangemonth aus.
- Wählen Sie ∑ Vorfälle aus.
Es wird eine Tabelle mit den Vorkommen für den aktuellen Monat angezeigt. Zur besseren Sichtbarkeit vergrößern Sie die Visualisierung.
-
Im Bereich Filter:
- Wählen Sie daterangemonth is (All) unter Filter auf diesem Bild aus.
- Wählen Sie Erweiterte) als Filtertyp.
- 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. - Wählen Sie Filter anwenden aus.
Die Tabelle wird mit dem angewendeten Filter daterangemonth“.
-
Im Bereich Visualisierungen:
- 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.
-
Visualisierung im Liniendiagramm:
- Wählen Sie
- 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.
- Wählen Sie
-
Wählen Sie unten Registerkarte Blatt 1 aus, um aus Datenquelle zu wechseln. In der Ansicht Blatt 1:
-
Ziehen Sie den Daterange aus der Liste Tabellen im Bereich Daten und legen Sie den Eintrag auf dem Regal Filter ab.
-
Wählen Sie im Dialogfeld Filterfeld [Datumsbereich] die Option Datumsbereich und wählen Sie Weiter >.
-
Wählen Sie Dialogfeld Filter [Daterange] die Option Datumsbereich und geben Sie einen Zeitraum von
01/01/2023
bis01/01/2024
an. -
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.
-
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.
-
Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Wählen Sie Duplizieren aus dem Blatt 1 Kontextmenü, um ein zweites Blatt zu erstellen.
-
Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1, um das Blatt in
Graph
umzubenennen. -
Wählen Sie Umbenennen aus dem Kontextmenü der Registerkarte Blatt 1 (2) aus, um das Blatt in
Data
umzubenennen. -
Stellen Sie sicher, dass Daten-Blatt ausgewählt ist. In der Datenansicht
-
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.
-
Ziehen Sie MONTH(daterangeday) von Columns nach Rows.
-
Ändern Sie Standard im Dropdown-Menü Anpassen in der Symbolleiste auf Gesamte).
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Wählen Sie Schaltfläche Neues Dashboard) unten aus, um eine neue Ansicht Dashboard 1 zu erstellen. In der Ansicht Dashboard 1:
-
Ziehen Sie das Blatt Graph aus dem Blätter-Regal auf die Ansicht Dashboard 1 mit dem Titel Blätter hier ablegen.
-
Ziehen Sie das Daten-Blatt aus dem Blätter-Regal unter das Diagramm-Blatt auf die Ansicht Dashboard 1.
-
Wählen Sie das Daten-Blatt in der Ansicht aus und ändern Sie Gesamte Ansicht so Breite festlegen.
Ihr Tableau-Desktop sollte wie folgt aussehen.
-
-
Achten Sie in der Explore-Oberfläche von Looker darauf, dass Sie über ein sauberes Setup verfügen. Wenn nicht, wählen Sie
-
Wählen Sie + Filter unter Filter aus.
-
Im Dialogfeld Filter hinzufügen:
-
Wählen Sie ‣ CC-Datenansicht
-
Wählen Sie aus der Liste der Felder ‣ DateRange und DateRange aus.
-
-
Geben Sie den Filter CC Datenansicht Datumsbereich als liegt im Bereich 2023/01/01 bis (davor) 2024/01/01 an.
-
In der linken CC-Datenansicht-Leiste
- Wählen Sie ‣ DatumMonat und dann Monat aus der Liste von DIMENSIONEN.
- Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
-
Wählen Sie Ausführen aus.
-
Wählen Sie ‣ Visualisierung aus, um die Linienvisualisierung anzuzeigen.
Es sollte eine Visualisierung und eine Tabelle ähnlich wie unten dargestellt angezeigt werden.
-
Geben Sie die folgenden Anweisungen in eine neue Zelle ein.
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)
-
Ausführen der Zelle. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.
-
Geben Sie die folgenden Anweisungen zwischen
{r} ` und `
in einen neuen Block ein.## 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)
-
Führt den Block aus. Es sollte eine ähnliche Ausgabe wie im folgenden Screenshot angezeigt werden.
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.
Ein Beispiel Bedienfeld „Single Dimension Ranked für den Anwendungsfall:
Visualisierung mit einer Rangansicht für