Utilisation de noms de périodes pour le filtrage

1. Dans le volet Données :

   1. Sélectionnez daterangemonth.
   2. Sélectionnez daterangeName.
   3. Sélectionnez somme des occurrences.

   Une visualisation s’affiche Erreur de récupération des données pour ce visuel.

2. Dans le volet Filtres :

   1. Sélectionnez le daterangeName is (All) dans Filtres sur ce visuel.
   2. Sélectionnez Filtrage de base comme type de filtre.
   3. Sous le champ Rechercher, sélectionnez Année dernière 2023, qui est le nom de votre période définie dans Customer Journey Analytics.
   4. Sélectionnez pour supprimer daterangeName de Columns.

   Le tableau est mis à jour avec le filtre daterangeName appliqué. Votre bureau Power BI doit se présenter comme suit :

   

1. Sélectionnez l’onglet Feuille 1 en bas pour basculer depuis Source de données. Dans la vue Feuille 1 :

   1. Faites glisser l’entrée Nom de la plage de dates de la liste Tables vers le plateau Filtres.

   2. Dans la boîte de dialogue Filtrer [Nom de la plage de données], assurez-vous que Sélectionner dans la liste est sélectionné, puis sélectionnez Dernière année 2023 dans la liste. Sélectionnez Appliquer et OK.

   3. Faites glisser l’entrée Daterangemonth de la liste Tables et déposez-la dans le champ en regard de Lignes. Sélectionnez Daterangemonth puis Month. La valeur devient MONTH(Daterangemonth).

   4. Faites glisser l’entrée Occurrences de la liste Tableaux et déposez-la dans le champ en regard de Colonnes. La valeur devient SUM(Occurrences).

   5. Sélectionnez Tableau de texte dans Afficher.

   6. Sélectionnez Permuter les lignes et les colonnes dans la barre d’outils.

   7. Sélectionnez Ajuster la largeur dans le menu déroulant Ajuster.

      Votre Tableau Desktop devrait ressembler à ce qui suit.

      

1. Dans l’interface Explorer de Looker, assurez-vous que vous disposez d’une configuration propre. Sinon, sélectionnez Supprimer les champs et les filtres.

2. Sélectionnez + filtre sous filtres.

3. Dans la boîte de dialogue Ajouter un filtre :

   1. Sélectionnez ‣ Cc Vue De Données
   2. Dans la liste des champs, sélectionnez ‣ Daterange Name.

4. Spécifiez le filtre Nom de plage de dates de la vue de données Cc tel quel ​​et sélectionnez Année dernière 2023 dans la liste de valeurs.

5. Dans la section ‣ Cr Vue des données rail de gauche :

   1. Sélectionnez Mois de la période, puis Mois.
   2. Sélectionnez Nombre sous MESURES dans le rail de gauche (en bas).

6. Sélectionnez Exécuter.

7. Sélectionnez ‣ Visualisation.

Vous devriez voir une visualisation et un tableau similaires à ceux présentés ci-dessous.

1. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-python
   data = %sql SELECT daterangeName FROM cc_data_view; style = {'description_width': 'initial'} daterange_name = widgets.Dropdown( options=[d for d, in data], description='Date Range Name:', style=style ) display(daterange_name)

2. Exécutez la cellule. Vous devriez voir une sortie similaire à la capture d’écran ci-dessous.

   

3. Sélectionnez Produits de la pêche dans le menu déroulant.

4. Saisissez les instructions suivantes dans une nouvelle cellule.

   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 daterangeName = '{daterange_name.value}' \ 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)

5. Exécutez la cellule. Vous devriez voir une sortie similaire à la capture d’écran ci-dessous.

   

1. Saisissez les instructions suivantes entre {r} ` et ` dans un nouveau bloc. Veillez à utiliser le nom de période approprié. Par exemple : Last Year 2023.

   code language-r
   ## Monthly Events for Last Year df <- dv %>% filter(daterangeName == "Last Year 2023") %>% group_by(daterangemonth) %>% count() %>% arrange(daterangemonth, .by_group = FALSE) ggplot(df, aes(x = daterangemonth, y = n)) + geom_line(color = "#69b3a2") + ylab("Events") + xlab("Hour") print(df)

2. Exécutez le bloc. Vous devriez voir une sortie similaire à la capture d’écran ci-dessous.