Die Customer Journey Analytics-Objekte sind im Bereich Daten verfügbar und werden aus der Tabelle abgerufen, die Sie in Power BI Desktop ausgewählt haben. Beispiel: public.cc_data_view. Der Tabellenname entspricht der externen Kennung, die Sie für Ihre Datenansicht in Customer Journey Analytics definiert haben. Beispiel: Datenansicht mit Titel C&C - Data View und Externe ID cc_data_view.

Dimensionen
Dimensionen von Customer Journey Analytics werden durch die Komponenten-ID identifiziert. Die Komponenten-ID wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise hat die Dimension Produktname in Customer Journey Analytics eine Komponenten-ID Produktname, die den Namen für die Dimension im Power BI Desktop darstellt.
Datumsbereichsdimensionen von Customer Journey Analytics, wie Tag, Woche, Monat und mehr sind als daterangeday, daterangeweek, dateronth und mehr verfügbar.

Metriken
Metriken von Customer Journey Analytics werden durch die Komponenten-ID identifiziert. Die Komponenten-ID wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise verfügt die Metrik Kaufumsatz in Customer Journey Analytics über eine Komponenten-ID Einkauf_Umsatz, die den Namen für die Metrik in Power BI Desktop darstellt. Eine ∑ gibt Metriken an. Wenn Sie eine Metrik in einer Visualisierung verwenden, wird die Metrik in **Summe der *Metrik ***​umbenannt.

Filter
Filter, die Sie in Customer Journey Analytics definieren, sind als Teil des Felds filterName verfügbar. Wenn Sie ein filterName -Feld im Power BI Desktop verwenden, können Sie angeben, welcher Filter verwendet werden soll.

Berechnete Metriken
Berechnete Metriken, die Sie in Customer Journey Analytics definieren, werden durch die Externe ID identifiziert, die Sie für die berechnete Metrik definiert haben. Beispielsweise weist die berechnete Metrik Produktname (Count Distinct) die externe ID product_name_count_distinct auf und wird im Power BI Desktop als cm_product_name_count_distinc ​t angezeigt.

Datumsbereiche
Datumsbereiche, die Sie in Customer Journey Analytics definieren, sind im Feld daterangeName verfügbar. Wenn Sie ein daterangeName -Feld verwenden, können Sie angeben, welcher Datumsbereich verwendet werden soll.

Benutzerdefinierte Umwandlungen
Power BI Desktop bietet benutzerdefinierte Umwandlungsfunktionen mit DAX (Data Analysis Expressions). Beispiel: Sie möchten den Anwendungsfall Einzeldimension - Rangansicht mit Produktnamen in Kleinbuchstaben ausführen.

1. Wählen Sie in der Berichtsansicht die Balkenvisualisierung aus.

2. Wählen Sie product_name im Datenbereich aus.

3. Wählen Sie in der Symbolleiste die Option Neue Spalte aus.

4. Definieren Sie im Formeleditor eine neue Spalte mit dem Namen product_name_lower, z. B. product_name_lower = LOWER('public.cc_data_view[product_name]).
   {modal="regular"}

5. Stellen Sie sicher, dass Sie die neue Spalte product_name_lower im Datenbereich anstelle der Spalte product_name auswählen.

6. Wählen Sie in der Tabellenvisualisierung Bericht als Tabelle aus aus.

   Ihr Power BI Desktop sollte wie unten dargestellt aussehen.
   {modal="regular"}

Die benutzerdefinierte Transformation führt zu einer Aktualisierung von SQL-Abfragen. Siehe Verwendung der Funktion lower im SQL-Beispiel unten:

select "_"."product_name_lower",
    "_"."a0",
    "_"."a1"
from
(
    select "rows"."product_name_lower" as "product_name_lower",
        sum("rows"."purchases") as "a0",
        sum("rows"."purchase_revenue") as "a1"
    from
    (
        select "_"."daterange" as "daterange",
            "_"."product_name" as "product_name",
            "_"."purchase_revenue" as "purchase_revenue",
            "_"."purchases" as "purchases",
            lower("_"."product_name") as "product_name_lower"
        from
        (
            select "_"."daterange",
                "_"."product_name",
                "_"."purchase_revenue",
                "_"."purchases"
            from
            (
                select "daterange",
                    "product_name",
                    "purchase_revenue",
                    "purchases"
                from "public"."cc_data_view" "$Table"
            ) "_"
            where ("_"."daterange" < date '2024-01-01' and "_"."daterange" >= date '2023-01-01') and ("_"."product_name" in ('4G Cellular Trail Camera', '4K Wildlife Trail Camera', 'Wireless Trail Camera', '8-Person Cabin Tent', '20MP No-Glow Trail Camera', 'HD Wildlife Camera', '4-Season Mountaineering Tent', 'Trail Camera', '16MP Trail Camera with Solar Panel', '10-Person Family Tent'))
        ) "_"
    ) "rows"
    group by "product_name_lower"
) "_"
where not "_"."a0" is null or not "_"."a1" is null
limit 1000001

Die Customer Journey Analytics-Objekte sind in der Seitenleiste Daten verfügbar, wenn Sie in einem Blatt arbeiten. und werden aus der Tabelle abgerufen, die Sie als Teil der Seite Datenquelle in Tableau ausgewählt haben. Beispiel: cc_data_view. Der Tabellenname entspricht der externen Kennung, die Sie für Ihre Datenansicht in Customer Journey Analytics definiert haben. Beispiel: Datenansicht mit Titel C&C - Data View und Externe ID cc_data_view.

Dimensionen
Dimensionen von Customer Journey Analytics werden durch den Komponentennamen identifiziert. Der Komponentenname wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise hat die Dimension Produktname in Customer Journey Analytics einen Komponentennamen Produktnamen, der für die Dimension in Tableau steht. Alle Dimensionen werden durch Abc identifiziert.
Datumsbereichsdimensionen von Customer Journey Analytics, wie Tag, Woche, Monat und mehr sind als Tag Datumsangabe, Daterangeweek, Monat und mehr verfügbar. Wenn Sie eine Datumsbereichsdimension verwenden, müssen Sie eine geeignete Definition des Datums oder der Uhrzeit auswählen, die auf diese Datumsbereichsdimension im Dropdown-Menü angewendet werden soll. Beispiel: Year, Quarter, Monat, Tag.

Metriken
Metriken von Customer Journey Analytics werden durch den Komponentennamen identifiziert. Der Komponentenname wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise verfügt die Metrik Kaufumsatz in Customer Journey Analytics über einen Komponentennamen Einkaufsumsatz, der für die Metrik in Tableau festgelegt ist. Alle Metriken werden durch # identifiziert. Wenn Sie eine Metrik in einer Visualisierung verwenden, wird die Metrik in Summe(metric) umbenannt.

Filter
Filter, die Sie in Customer Journey Analytics definieren, sind im Feld Filtername verfügbar. Wenn Sie ein Feld vom Typ Filtername in Tableau verwenden, können Sie festlegen, welcher Filter verwendet werden soll.

Berechnete Metriken
Berechnete Metriken, die Sie in Customer Journey Analytics definieren, werden durch den Titel identifiziert, den Sie für die berechnete Metrik definiert haben. Beispielsweise hat die berechnete Metrik Produktname (Count Distinct) den Wert Titel Produktname (Count Distinct) und wird in Tableau als cm Produktname Count Distinct angezeigt.

Datumsbereiche
Datumsbereiche, die Sie in Customer Journey Analytics definieren, sind im Feld Datumsbereichsname verfügbar. Wenn Sie ein Feld vom Typ Datumsbereichname verwenden, können Sie angeben, welcher Datumsbereich verwendet werden soll.

Benutzerdefinierte Umwandlungen
Tableau Desktop bietet benutzerdefinierte Umwandlungsfunktionen mit berechneten Feldern. Beispiel: Sie möchten den Anwendungsfall Einzeldimension - Rangansicht mit Produktnamen in Kleinbuchstaben ausführen.

1. Wählen Sie Analyse > Berechnetes Feld erstellen aus dem Hauptmenü.

   1. Definieren Sie Kleinbuchstaben Produktname mit der Funktion LOWER([Product Name]).

      {modal="regular"}

   2. Wählen Sie OK aus.

2. Wählen Sie das Blatt Daten aus.

   1. Ziehen Sie Produktname mit Kleinbuchstaben aus Tabellen und legen Sie den Eintrag im Feld neben Zeilen ab.
   2. Entfernen Sie Produktname aus Zeilen.

3. Wählen Sie die Ansicht Dashboard 1 aus.

Ihr Tableau-Desktop sollte wie unten dargestellt aussehen.

{modal="regular"}

Die benutzerdefinierte Transformation führt zu einer Aktualisierung von SQL-Abfragen. Siehe Verwendung der Funktion LOWER im SQL-Beispiel unten:

SELECT LOWER(CAST(CAST("cc_data_view"."product_name" AS TEXT) AS TEXT)) AS "Calculation_1562467608097775616",
  SUM("cc_data_view"."purchase_revenue") AS "sum:purchase_revenue:ok",
  SUM("cc_data_view"."purchases") AS "sum:purchases:ok"
FROM "public"."cc_data_view" "cc_data_view"
WHERE (("cc_data_view"."daterange" >= (DATE '2023-01-01')) AND ("cc_data_view"."daterange" <= (DATE '2023-12-31')))
GROUP BY 1
HAVING ((SUM("cc_data_view"."purchase_revenue") >= 999999.99999998999) AND (SUM("cc_data_view"."purchase_revenue") <= 2000000.00000002))

Vergleich

Für die meisten Customer Journey Analytics-Visualisierungen bietet Power BI Desktop gleichwertige Erlebnisse. Siehe Tabelle unten.

table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3 8-row-3 9-row-3 10-row-3 11-row-3 12-row-3 13-row-3 14-row-3 15-row-3 16-row-3 17-row-3 18-row-3 19-row-3 20-row-3 21-row-3 22-row-3 23-row-3 1-align-center 5-align-center 9-align-center 13-align-center 17-align-center 21-align-center 25-align-center 29-align-center 33-align-center 37-align-center 41-align-center 45-align-center 49-align-center 53-align-center 57-align-center 61-align-center 65-align-center 69-align-center 73-align-center 77-align-center 81-align-center 85-align-center 89-align-center 93-align-center
Symbol	Customer Journey Analytics-Visualisierung	Power BI Desktop-Visualisierung
	Bereich	Flächendiagramm, gestapeltes Flächendiagramm und 100% Flächendiagramm
	Balken	Spaltendiagramm mit Clustern
	Balken gestapelt	Gestapeltes Spaltendiagramm und 100 % gestapeltes Spaltendiagramm
	Bullet
	Kohortentabelle
	Kombination	Linien- und gestapelte Spaltendiagramm sowie Linien- und geclustertes Spaltendiagramm
	Ringdiagramm	Ringdiagramm
	Fallout	Trichter.
	Fluss	Dekomposition Baum?
	Freiformtabelle	Tabelle und Matrix
	Histogramm
	Horizontalbalken	Balkendiagramm mit Clustern
	Horizontalbalken gestapelt	Gestapeltes Balkendiagramm und 100 % gestapeltes Balkendiagramm
	Journey canvas	Decomposition tree
	Zusammenfassung der Schlüsselmetriken
	Linie	Liniendiagramm
	Streuung	Streudiagramm
	Bereichs header	Textfeld
	Zusammenfassungsänderung	Card
	Zusammenfassungszahl	Card
	Text	Textfeld
	Treemap	Treemap
	Venn

Drilldown

Power BI unterstützt einen Drillmodus, um detaillierte Details zu bestimmten Visualisierungen zu untersuchen. Im folgenden Beispiel analysieren Sie den Umsatz der Einkäufe für Produktkategorien. Im Kontextmenü einer Leiste, die eine Produktkategorie darstellt, können Sie Drilldown durchführen auswählen.

{modal="regular"}

Drilldown aktualisiert die Visualisierung mit dem Kaufumsatz für Produkte innerhalb der ausgewählten Produktkategorie.

{modal="regular"}

Der Drilldown führt zu der folgenden SQL-Abfrage, die eine WHERE -Klausel verwendet:

select "_"."product_category" as "c25",
    "_"."product_name" as "c26",
    "_"."a0" as "a0"
from
(
    select "_"."product_category",
        "_"."product_name",
        "_"."a0"
    from
    (
        select "_"."product_category",
            "_"."product_name",
            "_"."a0"
        from
        (
            select "rows"."product_category" as "product_category",
                "rows"."product_name" as "product_name",
                sum("rows"."purchase_revenue") as "a0"
            from
            (
                select "_"."product_category",
                    "_"."product_name",
                    "_"."purchase_revenue"
                from "public"."cc_data_view" "_"
                where ("_"."daterange" >= date '2023-01-01' and "_"."product_category" = 'Fishing') and "_"."daterange" < date '2024-01-01'
            ) "rows"
            group by "product_category",
                "product_name"
        ) "_"
        where not "_"."a0" is null
    ) "_"
) "_"
order by "_"."product_category",
        "_"."product_name"
limit 1001

Vergleich

Für die meisten Customer Journey Analytics-Visualisierungen bietet Tableau gleichwertige Erlebnisse. Siehe Tabelle unten.

table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3 8-row-3 9-row-3 10-row-3 11-row-3 12-row-3 13-row-3 14-row-3 15-row-3 16-row-3 17-row-3 18-row-3 19-row-3 20-row-3 21-row-3 22-row-3 23-row-3 1-align-center 5-align-center 9-align-center 13-align-center 17-align-center 21-align-center 25-align-center 29-align-center 33-align-center 37-align-center 41-align-center 45-align-center 49-align-center 53-align-center 57-align-center 61-align-center 65-align-center 69-align-center 73-align-center 77-align-center 81-align-center 85-align-center 89-align-center 93-align-center
Symbol	Customer Journey Analytics-Visualisierung	Power BI Desktop-Visualisierung
	Bereich	Flächendiagramm
	Balken	Balkendiagramm
	Balken gestapelt
	Bullet	Lineardiagramm
	Kohortentabelle
	Kombination	Kombinationstabellen
	Ringdiagramm
	Fallout
	Fluss
	Freiformtabelle	Texttabelle
	Histogramm	Histogramm
	Horizontalbalken	Balkendiagramm
	Horizontalbalken gestapelt	Balkendiagramm
	Journey canvas
	Zusammenfassung der Schlüsselmetriken
	Linie	Liniendiagramm
	Streuung	Streudiagramm
	Bereichs header
	Zusammenfassungsänderung
	Zusammenfassungszahl
	Text
	Treemap	Treemap
	Venn

Drilldown

Tableau unterstützt den Drillmodus bis Hierarchien. Im folgenden Beispiel erstellen Sie eine Hierarchie, wenn Sie das Feld Produktname in Tabellen auswählen und es auf Produktkategorie ziehen. Wählen Sie dann im Kontextmenü einer Leiste, die eine Produktkategorie darstellt, + Drilldown aus.

{modal="regular"}

Mit der Drilldown-Liste wird die Visualisierung mit dem Kaufumsatz für Produkte innerhalb der ausgewählten Produktkategorie aktualisiert.

{modal="regular"}

Der Drilldown führt zur folgenden SQL-Abfrage, die eine GROUP BY-Klausel verwendet:

SELECT CAST("cc_data_view"."product_category" AS TEXT) AS "product_category",
  CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."purchase_revenue") AS "sum:purchase_revenue:ok"
FROM "public"."cc_data_view" "cc_data_view"
WHERE (("cc_data_view"."daterange" >= (TIMESTAMP '2023-01-01 00:00:00.000')) AND ("cc_data_view"."daterange" < (TIMESTAMP '2024-01-01 00:00:00.000')))
GROUP BY 1,
  2

Die Abfrage beschränkt die Ergebnisse nicht auf die ausgewählte Produktkategorie. Nur die Visualisierung zeigt die ausgewählte Produktkategorie an.

{modal="regular"}

Alternativ können Sie ein Drilldown-Dashboard erstellen, bei dem eine Visualisierung das Ergebnis der Auswahl in einer anderen Visualisierung ist. Im folgenden Beispiel wird die Visualisierung Produktkategorien als Filter verwendet, um die Tabelle Produktnamen zu aktualisieren. Dieser Visualisierungsfilter ist nur Client-seitig und führt nicht zu einer zusätzlichen SQL-Abfrage.

{modal="regular"}

• Power BI Desktop Advanced Datumsbereichfilterung ist exklusiv. Für Ihr Enddatum müssen Sie ein Datum nach dem Tag auswählen, für den Sie einen Bericht erstellen möchten. Beispiel: ist auf oder nach 1/1/2023 und vor 1/2/2023.

• Power BI Desktop wird standardmäßig auf Import gesetzt, wenn Sie eine Verbindung erstellen. Stellen Sie sicher, dass Sie Direct Query verwenden.

• Power BI Desktop stellt Datentransformationen über Power Query bereit. Power Query funktioniert in erster Linie mit Verbindungen vom Typ Import, sodass bei vielen von Ihnen angewendeten Umwandlungen wie Datum- oder Zeichenfolgen-Funktionen ein Fehler ausgegeben wird, der besagt, dass Sie zu einer Verbindung vom Typ Import wechseln müssen. Wenn Sie Daten zur Abfragezeit transformieren müssen, sollten Sie abgeleitete Dimensionen und Metriken verwenden, damit Power BI die Transformationen nicht selbst durchführen muss.

• Power BI Desktop versteht nicht, wie Datums-/Uhrzeitspalten verarbeitet werden, sodass die Dimensionen **daterange *X ***​wie​ daterangehour ​ ​und​ daterangeminute ​ ​nicht unterstützt werden.

• Power BI Desktop versucht standardmäßig, mehrere Verbindungen herzustellen, indem mehr Query Service-Sitzungen verwendet werden. Wechseln Sie zu den Projekteinstellungen und deaktivieren Sie die parallelen Abfragen.

• Power BI Desktop führt alle Sortierungen und Begrenzungen clientseitig durch. Power BI Desktop verfügt auch über verschiedene Semantik für Top-Filter X , die gebundene Werte enthalten. Sie können also nicht die gleiche Sortierung und Begrenzung wie in Analysis Workspace erstellen.

• Frühere Versionen der Power BI Desktop-Version vom Oktober 2024 brechen PostgreSQL-Datenquellen aus. Stellen Sie sicher, dass Sie die in diesem Artikel erwähnte Version verwenden.

• Die Filterung nach Tableau Desktop Range of Dates ist exklusiv. Für Ihr Enddatum müssen Sie ein Datum nach dem Tag auswählen, für den Sie einen Bericht erstellen möchten.

• Wenn Sie den Zeilen eines Arbeitsblatts standardmäßig eine Datums- oder Datums-/Uhrzeitdimension wie Daterangemonth hinzufügen, bricht Tableau Desktop das Feld in eine Funktion YEAR() ein. Um das zu erhalten, was Sie möchten, müssen Sie diese Dimension auswählen und aus dem Dropdown-Menü die Datumsfunktion auswählen, die Sie verwenden möchten. Ändern Sie beispielsweise Year in Month, wenn Sie versuchen, Daterangemonth zu verwenden.

• Die Begrenzung der Ergebnisse auf die Top X ist im Tableau-Desktop nicht offensichtlich. Sie können die Ergebnisse explizit einschränken oder ein berechnetes Feld und die Funktion INDEX() verwenden. Durch Hinzufügen eines Top X -Filters zu einer Dimension wird eine komplexe SQL-Konfiguration mithilfe eines inneren Joins generiert, der nicht unterstützt wird.