Jupiter 전자 필기장의 쿼리 서비스
Adobe Experience Platform 에서는 구조화된 쿼리 언어(SQL)를 사용할 수 있습니다 Data Science Workspace 통합 Query Service 변환 JupyterLab 를 표준 기능으로 사용합니다.
이 자습서에서는 일반적인 사용 사례를 탐색, 변환 및 분석하는 샘플 SQL 쿼리를 보여 줍니다 Adobe Analytics 데이터.
시작하기
이 자습서를 시작하기 전에 다음 전제 조건이 있어야 합니다.
-
액세스 권한 Adobe Experience Platform. 에서 IMS 조직에 액세스할 수 없는 경우 Experience Platform을(를) 진행하기 전에 시스템 관리자에게 문의하십시오
-
An Adobe Analytics 데이터 세트
-
이 자습서에서 사용되는 다음 주요 개념에 대한 작업 이해:
액세스 JupyterLab 및 Query Service
-
in Experience Platform, 다음 위치로 이동합니다. 노트북 왼쪽 탐색 열 JupiterLab이 로드될 때까지 잠시 기다려 주십시오.
노트새 시작 관리자 탭이 자동으로 나타나지 않으면 을 클릭하여 새 시작 관리자 탭을 엽니다 파일 을(를) 선택합니다. 새 시작 관리자.
-
시작 관리자 탭에서 비어 있음 아이콘을 클릭하여 빈 전자 필기장을 엽니다.
노트현재 Python 3은 전자 필기장에서 쿼리 서비스에 대해 지원되는 유일한 환경입니다.
-
왼쪽 선택 레일에서 데이터 아이콘을 클릭하고 두 번 클릭합니다 데이터 세트 모든 데이터 세트를 나열할 디렉토리입니다.
-
찾기 Adobe Analytics 목록을 탐색하고 마우스 오른쪽 단추로 클릭할 데이터 세트 전자 필기장의 쿼리 데이터 빈 전자 필기장에서 SQL 쿼리를 생성하려면
-
함수를 포함하는 첫 번째 생성된 셀을 클릭합니다
qs_connect()재생 버튼을 클릭하여 실행합니다. 이 함수는 전자 필기장 인스턴스와 Query Service.
-
아래에 복사 Adobe Analytics 두 번째 생성된 SQL 쿼리의 데이터 세트 이름입니다. 다음 값이 됩니다
FROM.
-
을 클릭하여 새 전자 필기장 셀을 삽입합니다. + 버튼을 클릭합니다.
-
새 셀에서 다음 가져오기 구문을 복사, 붙여넣기 및 실행합니다. 다음 문은 데이터를 시각화하는 데 사용됩니다.
import plotly.plotly as py import plotly.graph_objs as go from plotly.offline import iplot -
그런 다음 다음 다음 변수를 복사하여 새 셀에 붙여넣습니다. 필요에 따라 값을 수정한 다음 실행합니다.
target_table = "your Adobe Analytics dataset name" target_year = "2019" target_month = "04" target_day = "01"target_table: 사용자 이름 Adobe Analytics 데이터 세트.target_year: 대상 데이터가 시작되는 특정 연도입니다.target_month: 대상이 되는 특정 월입니다.target_day: 대상 데이터가 시작되는 특정 날짜입니다.
노트이러한 값은 언제든지 변경할 수 있습니다. 그렇게 할 때 적용할 변경 사항에 대한 변수 셀을 실행해야 합니다.
데이터 쿼리
개별 전자 필기장 셀에 다음 SQL 쿼리를 입력합니다. 셀에서 선택한 다음 을(를) 선택하여 쿼리를 실행합니다 play 버튼을 클릭합니다. 성공적인 쿼리 결과 또는 오류 로그가 실행된 셀 아래에 표시됩니다.
일정 기간 동안 노트북이 비활성 상태이면 노트북과 노트북의 연결이 Query Service 깨질 수 있습니다. 이러한 경우 를 다시 시작합니다 JupyterLab 다음을 선택하여 다시 시작 버튼 
전원 단추 옆에 있는 오른쪽 위 모서리에 있습니다.
전자 필기장 커널이 재설정되지만 셀이 남아 있게 되고, 모든 셀을 다시 실행하여 사용자가 떠난 위치를 계속합니다.
시간별 방문자 수
다음 쿼리는 지정된 날짜에 대한 시간별 방문자 수를 반환합니다.
쿼리
%%read_sql hourly_visitor -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10) AS Day,
Substring(timestamp, 12, 2) AS Hour,
Count(DISTINCT concat(enduserids._experience.aaid.id,
_experience.analytics.session.num)) AS Visit_Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY Day, Hour
ORDER BY Hour;
위의 쿼리에서 WHERE 절은 의 값으로 설정되어 있습니다. target_year. 중괄호({}).
쿼리의 첫 번째 줄에는 선택적 변수가 포함되어 있습니다 hourly_visitor. 쿼리 결과는 이 변수에 Pendder 데이터 프레임으로 저장됩니다. 결과를 데이터 프레임에 저장하여 나중에 원하는 결과를 사용하여 쿼리 결과를 시각화할 수 있습니다 Python 패키지. 다음을 실행합니다 Python 막대 그래프를 생성하기 위한 새 셀의 코드:
trace = go.Bar(
x = hourly_visitor['Hour'],
y = hourly_visitor['Visit_Count'],
name = "Visitor Count"
)
layout = go.Layout(
title = 'Visit Count by Hour of Day',
width = 1200,
height = 600,
xaxis = dict(title = 'Hour of Day'),
yaxis = dict(title = 'Count')
)
fig = go.Figure(data = [trace], layout = layout)
iplot(fig)
시간별 활동 수
다음 쿼리는 지정된 날짜에 대한 시간별 작업 수를 반환합니다.
쿼리
%%read_sql hourly_actions -d -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10) AS Day,
Substring(timestamp, 12, 2) AS Hour,
Count(concat(enduserids._experience.aaid.id,
_experience.analytics.session.num,
_experience.analytics.session.depth)) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY Day, Hour
ORDER BY Hour;
위의 쿼리를 실행하면 결과를 hourly_actions 를 데이터 프레임으로 사용 새 셀에서 다음 함수를 실행하여 결과를 미리 봅니다.
hourly_actions.head()
위의 쿼리를 수정하여 위치 절:
쿼리
%%read_sql hourly_actions_date_range -d -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10) AS Day,
Substring(timestamp, 12, 2) AS Hour,
Count(concat(enduserids._experience.aaid.id,
_experience.analytics.session.num,
_experience.analytics.session.depth)) AS Count
FROM {target_table}
WHERE timestamp >= TO_TIMESTAMP('2019-06-01 00', 'YYYY-MM-DD HH')
AND timestamp <= TO_TIMESTAMP('2019-06-02 23', 'YYYY-MM-DD HH')
GROUP BY Day, Hour
ORDER BY Hour;
수정된 쿼리를 실행하면 결과를 hourly_actions_date_range 를 데이터 프레임으로 사용 새 셀에서 다음 함수를 실행하여 결과를 미리 봅니다.
hourly_actions_date_rage.head()
방문자 세션당 이벤트 수
다음 쿼리는 지정된 날짜에 대한 방문자 세션당 이벤트 수를 반환합니다.
쿼리
%%read_sql events_per_session -c QS_CONNECTION
SELECT concat(enduserids._experience.aaid.id,
'-#',
_experience.analytics.session.num) AS aaid_sess_key,
Count(timestamp) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY aaid_sess_key
ORDER BY Count DESC;
다음을 실행합니다 Python 코드 : 방문당 세션 수의 이벤트에 대한 히스토그램을 생성합니다.
data = [go.Histogram(x = events_per_session['Count'])]
layout = go.Layout(
title = 'Histogram of Number of Events per Visit Session',
xaxis = dict(title = 'Number of Events'),
yaxis = dict(title = 'Count')
)
fig = go.Figure(data = data, layout = layout)
iplot(fig)
특정 날짜에 대한 방문 빈도가 높은 페이지
다음 쿼리는 지정된 날짜에 대해 가장 방문 빈도가 높은 10개의 페이지를 반환합니다.
쿼리
%%read_sql popular_pages -c QS_CONNECTION
SELECT web.webpagedetails.name AS Page_Name,
Sum(web.webpagedetails.pageviews.value) AS Page_Views
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY web.webpagedetails.name
ORDER BY page_views DESC
LIMIT 10;
지정된 날의 활성 사용자
다음 쿼리는 지정된 날짜에 대해 10명의 가장 활성 사용자를 반환합니다.
쿼리
%%read_sql active_users -c QS_CONNECTION
SELECT enduserids._experience.aaid.id AS aaid,
Count(timestamp) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY aaid
ORDER BY Count DESC
LIMIT 10;
사용자 활동별 활성 도시
다음 쿼리는 지정된 날짜에 대한 대부분의 사용자 활동을 생성하는 10개 도시를 반환합니다.
쿼리
%%read_sql active_cities -c QS_CONNECTION
SELECT concat(placeContext.geo.stateProvince, ' - ', placeContext.geo.city) AS state_city,
Count(timestamp) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY state_city
ORDER BY Count DESC
LIMIT 10;
다음 단계
이 자습서에서는 을 활용하기 위한 몇 가지 샘플 사용 사례를 보여줍니다 Query Service in Jupyter 노트북. 다음을 수행합니다 Jupiter 노트북을 사용하여 데이터 분석 데이터 액세스 SDK를 사용하여 유사한 작업을 수행하는 방법을 보기 위한 자습서입니다.
