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. Um sicherzustellen, dass der Datumsbereich für alle Visualisierungen gilt, ziehen Sie daterangeday aus dem Bereich Daten auf Filter dieser Seite.

    1. Wählen Sie daterangeday is (All) unter Filter auf dieser Seite aus.
    2. Wählen Sie Erweiterte) als Filtertyp.
    3. Definieren Sie den Filter für Elemente anzeigen, wenn der Wert auf oder nach 1/1/2023 Undvor 2/1/2023 liegt.
    4. Wählen Sie Filter anwenden aus.
  2. Im Bereich Daten:

    1. Wählen Sie datarangeday aus.
    2. Wählen Sie ∑ cm_product_name_count_distinct, die in Customer Journey Analytics definierte berechnete Metrik.
  3. Um das vertikale Balkendiagramm in eine Tabelle zu ändern, stellen Sie sicher, dass Sie das Diagramm ausgewählt haben, und wählen Sie Tabelle aus dem Bereich Visualisierungen aus.

    Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI Desktop Multiple Count Distinct-Tabelle {modal="regular"}

  4. Wählen Sie die Tabellenvisualisierung aus. Wählen Sie im Kontextmenü die Optionen Kopieren > Visuell kopieren aus.

  5. Fügen Sie die Visualisierung mithilfe von Strg+V ein. Die genaue Kopie der Visualisierung überschneidet sich mit der ursprünglichen Visualisierung. Verschieben Sie sie nach rechts im Berichtsbereich.

  6. Um die kopierte Visualisierung von einer Tabelle auf eine Karte zu ändern, wählen Sie Karte unter Visualisierungen aus.

    Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI Desktop Multiple Count Distinct-Tabelle {modal="regular"}

Alternativ können Sie die Funktion „Distinct Count“ von Power BI verwenden.

  1. Wählen Sie die Dimension product_name aus.

  2. Wenden Sie die Funktion Anzahl (Distinct) auf die Dimension product_name in Columns an.

    Power BI-Anzahl unterschiedlich {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 Dialogfeld Filter [Daterange] die Option Datumsbereich und wählen Sie 01/01/2023 - 31/1/2023. Wählen Sie Übernehmen und OK aus.

    4. Ziehen Sie cm Product Name Count Distinct in Rows. Der Wert ändert sich in SUM(CM Product Name Count Distinct). Dieses Feld ist die berechnete Metrik, die Sie in Customer Journey Analytics definiert haben.

    5. Ziehen Sie DateRangeDay und legen Sie neben Spalten ab. Wählen Sie DateRangeDay und wählen Sie im Dropdown-Menü Day aus.

    6. Um die Visualisierungslinien einer Tabelle zu ändern, wählen Sie Texttabelle unter Anzeigen aus.

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

    8. Wählen Breite anpassen aus dem Dropdown-Menü Anpassen aus.

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop-Filter mit mehreren Dimension-Rankings {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 Data umzubenennen.

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

  5. Stellen Sie sicher, dass Sie die Ansicht Karte ausgewählt haben.

  6. Wählen Sie DAY(DateRangeDay) und wählen Sie im Dropdown-Menü Month. Der Wert ändert sich in MONTH(DateRangeDay).

  7. Wählen Sie SUM(CM Product Name Count Distinct) in Marks und aus dem Dropdown-Menü Format aus.

  8. Um die Schriftgröße zu ändern, wählen Sie im Bereich Format SUM(CM Product Name Count Distinct) die Option Font in Default und wählen Sie 72 für die Schriftgröße aus.

  9. Um die Zahl auszurichten, wählen Sie Automatisch neben Ausrichtung und setzen Horizontal auf Zentriert.

  10. Um ganze Zahlen zu verwenden, wählen Sie 123.456 neben Zahlen und wählen Sie Zahl (Benutzerdefiniert). Legen Sie Dezimalstellen auf 0 fest.

    Ihr Tableau-Desktop sollte wie folgt aussehen.

    Tableau Desktop-Filter mit mehreren Dimension-Rankings {modal="regular"}

  11. 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 Karte aus dem Blätter-Regal auf die Ansicht Dashboard 1, auf der Blätter hier ablegen steht.
    2. Ziehen Sie das Blatt Daten aus dem Blätter-Regal unter das Blatt Karte auf der Ansicht Dashboard 1.

    Ihre Ansicht Dashboard 1 sollte wie folgt aussehen.

    Tableau Desktop Dashboard 1 {modal="regular"}

Alternativ können Sie die Funktion Anzahl der verschiedenen Elemente von Tableau Desktop verwenden.

  1. Verwenden Sie Produktname anstelle von cm Product Name Count Distinct.

  2. Anwenden Kennzahl > Anzahl (Distinct) auf Produktname in Marks.

    Tableau-Anzahl unterschiedlich {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 dateRange, dann date aus.

    2. Wählen Sie Aggregate ‣ Count) aus dem Kontextmenü ⋮ Mehr unter Produktname.

      Kontextmenü für Looker-Produktnamen {modal="regular"}

  6. Wählen Sie Ausführen aus.

  7. Wählen Sie ‣ Visualisierung und wählen Sie 6︎⃣ in der Symbolleiste aus, um eine Visualisierung mit einem Wert anzuzeigen.

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

Looker-Anzahl unterschiedlich {modal="regular"}

Verwenden von Datumsbereichsnamen zum Filtern

In diesem Anwendungsfall möchten Sie einen Datumsbereich verwenden, den Sie in Customer Journey Analytics definiert haben, um die Vorfälle (Ereignisse) des letzten Jahres zu filtern und darüber zu berichten.

Customer Journey Analytics

Um Berichte in einem Datumsbereich zu erstellen, richten Sie in Customer Journey Analytics einen Datumsbereich mit dem Last Year 2023 Titel ein.

Customer Journey Analytics Verwenden Sie Datumsbereichsnamen, um zu filtern {modal="regular"}

Anschließend können Sie diesen Datumsbereich in einem Beispiel im Bedienfeld Verwenden von Datumsbereichsnamen zum Filtern für den Anwendungsfall verwenden:

Unterschiedliche Customer Journey Analytics-Zählungswerte {modal="regular"}

Beachten Sie, dass der in der Freiformtabellen-Visualisierung definierte Datumsbereich den auf das Bedienfeld angewendeten Datumsbereich überschreibt.

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 daterangeName aus.
    3. Wählen Sie ∑ Vorfälle aus.

    Es wird eine Visualisierung mit Fehler beim Abrufen von Daten für dieses visuelle Element angezeigt.

  2. Im Bereich Filter:

    1. Wählen Sie daterangeName is (All) unter Filter auf diesem visuellen Element aus.
    2. Wählen Sie Standardfilter als Filtertyp.
    3. Wählen Sie unter Feld die Option Letztes Jahr 2023 aus. Dies ist der Name Ihres in Customer Journey Analytics definierten Datumsbereichs.
    4. Wählen Sie CrossSize aus, um daterangeName aus Columns zu entfernen.

    Die Tabelle wird mit dem angewendeten Filter daterangeName aktualisiert. Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop, der Datumsbereichsnamen zum Filtern verwendet {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 Eintrag Daterange Name aus der Liste Tabellen in die Ablage Filter.

    2. Stellen Sie im Dialogfeld Filter [Daterange-Name] sicher, Aus Liste auswählen ausgewählt ist, und wählen Sie Letztes Jahr 2023 aus der Liste aus. Wählen Sie Übernehmen und OK aus.

    3. Ziehen Sie Daterangemonth-Eintrag aus der Liste Tabellen und legen Sie den Eintrag im Feld neben Zeilen ab. Wählen Sie DateMonth und wählen Sie Month. Der Wert ändert sich in MONTH(daterangemonth).

    4. Ziehen Sie Eintrag Vorfälle“ aus der Liste Tabellen und legen Sie den Eintrag im Feld neben Spalten ab. Der Wert ändert sich in SUM(Occurrences).

    5. Wählen Sie Texttabelle unter Anzeigen aus.

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

    7. Wählen Breite anpassen aus dem Dropdown-Menü Anpassen aus.

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop-Filter mit mehreren Dimension-Rankings {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 ‣ Datumsbereichsname aus.
  4. Geben Sie den Filter Cc-Datenansicht - Datumsbereichsname wie ​an und wählen Sie Letztes Jahr 2023 aus der Werteliste aus.

  5. Im Abschnitt ‣ CC-Datenansicht in der linken Leiste:

    1. Wählen daterange month, dann month.
    2. Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
  6. Wählen Sie Ausführen aus.

  7. Wählen Sie ‣ Visualisierung aus.

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

Looker-Anzahl unterschiedlich {modal="regular"}

Filternamen zum Filtern verwenden

In diesem Anwendungsfall möchten Sie einen vorhandenen Filter für die Fischereiproduktkategorie verwenden, den Sie in Customer Journey Analytics definiert haben. Filtern Sie Produktnamen und Ereignisse (Ereignisse) im Januar 2023 und erstellen Sie Berichte dazu.

Customer Journey Analytics

Überprüfen Sie den Filter, den Sie in Customer Journey Analytics verwenden möchten.

Customer Journey Analytics verwendet Filternamen zum Filtern {modal="regular"}

Anschließend können Sie diesen Filter in einem Beispiel im Bedienfeld Verwenden von Datumsbereichsnamen zum Filtern für den Anwendungsfall verwenden:

Unterschiedliche Customer Journey Analytics-Zählungswerte {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 daterange aus.
    2. Wählen Sie filterName aus.
    3. Wählen Sie product_name aus.
    4. Wählen Sie ∑ Vorfälle aus.

Es wird eine Visualisierung mit Fehler beim Abrufen von Daten für dieses visuelle Element angezeigt.

  1. Im Bereich Filter:

    1. Wählen Sie filterName is (All) aus Filter für dieses visuelle Element.
    2. Wählen Sie Standardfilter als Filtertyp.
    3. Wählen Sie unter dem Suche die Option Fischereierzeugnisse aus. Dies ist der Name des in Customer Journey Analytics definierten vorhandenen Filters.
    4. Wählen Sie daterange is (All) aus Filter auf dieser visuellen.
    5. Wählen Sie Erweiterte) als Filtertyp.
    6. Definieren Sie den Filter für Elemente anzeigen, wenn der Wert auf oder nach 1/1/2023 Undvor 2/1/2023 liegt.
    7. Wählen Sie CrossSize75 aus, um filterName aus "".
    8. Wählen Sie CrossSize75 aus, um daterange aus "".

    Die Tabelle wird mit dem angewendeten Filter filterName aktualisiert. Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop, der Datumsbereichsnamen zum Filtern verwendet {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 Filtername aus der Liste Tabellen in die Ablage Filter.

    2. Stellen Sie im Filter [Filtername] sicher, dass Aus Liste ist, und wählen Sie Fischereierzeugnisse aus der Liste. Wählen Sie Übernehmen und OK aus.

    3. Ziehen Sie Daterange-Eintrag aus der Liste Tabellen in die Ablage Filter.

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

    5. Wählen Dialogfeld Filter [Daterange] die Option Datumsbereich und wählen Sie 01/01/2023 - 01/02/2023. Wählen Sie Übernehmen und OK aus.

    6. Ziehen Sie Produktname aus der Liste Tabellen in Zeilen.

    7. Ziehen Sie Eintrag Vorfälle“ aus der Liste Tabellen und legen Sie den Eintrag im Feld neben Spalten ab. Der Wert ändert sich in SUM(Occurrences).

    8. Wählen Sie Texttabelle unter Anzeigen aus.

    9. Wählen Breite anpassen aus dem Dropdown-Menü Anpassen aus.

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop-Filter mit mehreren Dimension-Rankings {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. Wählen Sie + Filter unter Filter aus, um einen weiteren Filter hinzuzufügen.

  6. Im Dialogfeld Filter hinzufügen:

    1. Wählen Sie ‣ CC-Datenansicht
    2. Wählen Sie aus der Liste der Felder ‣ Filtername aus.
  7. Stellen Sie sicher dass Auswahl für den Filter ist.

  8. Wählen Sie Fischereierzeugnisse aus der Liste der möglichen Werte aus.

  9. Im Abschnitt ‣ CC-Datenansicht in der linken Leiste:

    1. Wählen Sie Produktname aus.
    2. Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
  10. Wählen Sie Ausführen aus.

  11. Wählen Sie ‣ Visualisierung aus.

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

Looker-Anzahl unterschiedlich {modal="regular"}

Verwenden von Dimensionswerten zum Filtern

Sie erstellen in Customer Journey Analytics einen neuen Filter, der nach Produkten aus der Kategorie Jagdprodukt filtert. Dann möchten Sie den neuen Filter verwenden, um im Januar 2023 Berichte zu Produktnamen und Vorfällen (Ereignissen) für Produkte aus der Kategorie Jagd zu erstellen.

Customer Journey Analytics

Erstellen Sie einen neuen Filter mit Titel-Hunting Products in Customer Journey Analytics.

Customer Journey Analytics verwendet Dimension-Werte zum Filtern {modal="regular"}

Sie können diesen Filter dann in einem Beispiel im Bereich Verwenden von Dimension Werten zum Filtern“ für den Anwendungsfall verwenden:

Unterschiedliche Customer Journey Analytics-Zählungswerte {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. Wählen Sie Menü Startseite“ und dann in der Symbolleiste Aktualisieren aus. Sie müssen die Verbindung aktualisieren, um den neuen Filter aufzunehmen, den Sie gerade in Customer Journey Analytics definiert haben.

  2. Im Bereich Daten:

    1. Wählen Sie daterange aus.
    2. Wählen Sie filterName aus.
    3. Wählen Sie product_name aus.
    4. Wählen Sie ∑ Vorfälle aus.

Es wird eine Visualisierung mit Fehler beim Abrufen von Daten für dieses visuelle Element angezeigt.

  1. Im Bereich Filter:

    1. Wählen Sie filterName is (All) aus Filter für dieses visuelle Element.
    2. Wählen Sie Standardfilter als Filtertyp.
    3. Wählen Sie unter Feld die Option Jagdprodukte aus. Dies ist der Name des in Customer Journey Analytics definierten vorhandenen Filters.
    4. Wählen Sie daterange is (All) aus Filter auf dieser visuellen.
    5. Wählen Sie Erweiterte) als Filtertyp.
    6. Definieren Sie den Filter für Elemente anzeigen, wenn der Wert auf oder nach 1/1/2023 Undvor 2/1/2023 liegt.
    7. Wählen Sie CrossSize75 aus, um filterName aus "".
    8. Wählen Sie CrossSize75 aus, um daterange aus "".

    Die Tabelle wird mit dem angewendeten Filter filterName aktualisiert. Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop, der Datumsbereichsnamen zum Filtern verwendet {modal="regular"}

Tableau Desktop
  1. Wählen in der Ansicht Daten-Source unter Daten im Kontextmenü unter cc_data_view(prod:cja%3FFLATTEN) die Option Aktualisieren aus. Sie müssen die Verbindung aktualisieren, um den neuen Filter aufzunehmen, den Sie gerade in Customer Journey Analytics definiert haben.

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

    1. Ziehen Sie den Filtername aus der Liste Tabellen in die Ablage Filter.

    2. Stellen Sie im Filter [Filtername] sicher, dass Aus Liste ist, und wählen Sie Jagdprodukte aus der Liste. Wählen Sie Übernehmen und OK aus.

    3. Ziehen Sie Daterange-Eintrag aus der Liste Tabellen in die Ablage Filter.

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

    5. Wählen Dialogfeld Filter [Daterange] die Option Datumsbereich und wählen Sie 01/01/2023 - 1/2/2023. Wählen Sie Übernehmen und OK aus.

    6. Ziehen Sie Produktname aus der Liste Tabellen in Zeilen.

    7. Ziehen Sie Eintrag Vorfälle“ aus der Liste Tabellen und legen Sie den Eintrag im Feld neben Spalten ab. Der Wert ändert sich in SUM(Occurrences).

    8. Wählen Sie Texttabelle unter Anzeigen aus.

    9. Wählen Breite anpassen aus dem Dropdown-Menü Anpassen aus.

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop-Filter mit mehreren Dimension-Rankings {modal="regular"}

Looker
  1. In der 1. Aktualisieren Sie Ihre Verbindung in der Erkunden-Benutzeroberfläche von Looker. Wählen Sie Einstellung Cache löschen und aktualisieren aus.

  2. 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.

  3. Wählen Sie + Filter unter Filter aus.

  4. 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"}

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

  6. Wählen Sie + Filter unter Filter aus, um einen weiteren Filter hinzuzufügen.

  7. Im Dialogfeld Filter hinzufügen:

    1. Wählen Sie ‣ CC-Datenansicht
    2. Wählen Sie aus der Liste der Felder ‣ Produktkategorie aus.
  8. Stellen Sie is als Auswahl für den Filter sicher.

  9. Wählen Sie Jagdprodukte aus der Liste der möglichen Werte aus.

  10. Im Abschnitt ‣ CC-Datenansicht in der linken Leiste:

    1. Wählen Sie Produktname aus.
    2. Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
  11. Wählen Sie Ausführen aus.

Es sollte eine ähnliche Tabelle angezeigt werden, wie unten dargestellt.

Looker-Anzahl unterschiedlich {modal="regular"}

Sortieren

In diesem Anwendungsbeispiel möchten Sie die Erlöse aus Einkäufen und Käufen für Produktnamen im Januar 2023 auswerten, sortiert nach absteigender Bestellung.

Customer Journey Analytics

Ein Beispiel Sortieren-Bedienfeld für den Anwendungsfall:

Sortier-Bedienfeld von Customer Journey Analytics {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 daterange aus.
    2. Wählen Sie product_name aus.
    3. Wählen Sie ∑ Purchase_Revenue aus.
    4. Wählen Sie ∑ Käufe aus.
  2. Im Bereich Filter:

    1. Wählen Sie daterange is (All) aus Filter auf dieser visuellen.
    2. Wählen Sie Erweiterte) als Filtertyp.
    3. Definieren Sie den Filter für Elemente anzeigen, wenn der Wert auf oder nach 1/1/2023 Undvor 2/1/2023 liegt.
  3. Im Bereich Visualisierungen :

    1. Wählen Sie CrossSize75 aus, um den Datumsbereich aus den Spalten zu entfernen.
    2. Ziehen Sie Summe aus „purchase_venue an den unteren Rand der Elemente Spalte.
  4. Wählen Sie im Bericht die Summe des Kaufumsatzes, um die Tabelle in absteigender Reihenfolge des Kaufumsatzes zu sortieren.

    Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop, der Datumsbereichsnamen zum Filtern verwendet {modal="regular"}

Die Abfrage, die von Power BI Desktop mit der BI-Erweiterung ausgeführt wird, enthält keine sort. Das Fehlen einer sort-Anweisung impliziert, dass die Sortierung Client-seitig ausgeführt wird.

code language-sql
select "_"."product_name",
    "_"."a0",
    "_"."a1"
from
(
    select "rows"."product_name" as "product_name",
        sum("rows"."purchases") as "a0",
        sum("rows"."purchase_revenue") as "a1"
    from
    (
        select "_"."daterangeName",
            "_"."daterange",
            "_"."filterId",
            "_"."filterName",
            "_"."timestamp",
            "_"."affiliate_name",
            "_"."affiliate_url",
            "_"."commerce.order.priceTotal",
            "_"."customer_city",
            "_"."customer_region",
            "_"."daterangeday",
            "_"."daterangefifteenminute",
            "_"."daterangefiveminute",
            "_"."daterangehour",
            "_"."daterangeminute",
            "_"."daterangemonth",
            "_"."daterangequarter",
            "_"."daterangesecond",
            "_"."daterangethirtyminute",
            "_"."daterangeweek",
            "_"."daterangeyear",
            "_"."hitdatetime",
            "_"."page_name",
            "_"."page_url",
            "_"."product_category",
            "_"."product_name",
            "_"."product_short_review",
            "_"."product_subCategory",
            "_"."referrer_url",
            "_"."search_engine",
            "_"."search_keywords",
            "_"."store_city",
            "_"."store_name",
            "_"."store_region",
            "_"."store_type",
            "_"."timepartdayofmonth",
            "_"."timepartdayofweek",
            "_"."timepartdayofyear",
            "_"."timeparthourofday",
            "_"."timepartminuteofhour",
            "_"."timepartmonthofyear",
            "_"."timepartquarterofyear",
            "_"."timepartweekofyear",
            "_"."cm_session_end_rate_defaultmetric",
            "_"."cm_session_person_defaultmetric",
            "_"."cm_session_start_rate_defaultmetric",
            "_"."cm_timespent_person_defaultmetric",
            "_"."cm_timespent_session_defaultmetric",
            "_"."cm_product_name_count_distinct",
            "_"."ad_views",
            "_"."adobe_sessionends",
            "_"."adobe_sessionstarts",
            "_"."adobe_timespent",
            "_"."exchange_buybacks",
            "_"."exchange_cost",
            "_"."exchange_purchases",
            "_"."exchange_revenue",
            "_"."occurrences",
            "_"."page_views",
            "_"."product_quantity",
            "_"."product_reviews",
            "_"."product_views",
            "_"."purchase_revenue",
            "_"."purchases",
            "_"."visitors",
            "_"."visits"
        from "public"."cc_data_view" "_"
        where "_"."daterange" < date '2023-02-01' and "_"."daterange" >= date '2023-01-01'
    ) "rows"
    group by "product_name"
) "_"
where not "_"."a0" is null or not "_"."a1" is null
limit 1000001
Tableau Desktop
  1. Wählen Sie unten Registerkarte Blatt 1 aus, um aus Datenquelle zu wechseln. In der Ansicht Blatt 1:

    1. Ziehen Sie Daterange-Eintrag aus der Liste Tabellen in die Ablage Filter.

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

    3. Wählen Dialogfeld Filter [Daterange] die Option Datumsbereich und wählen Sie 01/01/2023 - 1/2/2023. Wählen Sie Übernehmen und OK aus.

    4. Ziehen Sie Produktname aus der Liste Tabellen und legen Sie den Eintrag im Feld neben "".

    5. Ziehen Sie Eintrag Bestellungen“ aus der Liste Tabellen und legen Sie ihn im Feld neben Spalten. Der Wert ändert sich in SUM(purchases).

    6. Ziehen Sie Kaufumsatz-Eintrag aus der Liste Tabellen und legen Sie den Eintrag im Feld neben Spalten neben SUM(Bestellungen). Der Wert ändert sich in SUM(Purchase Revenue).

    7. Wählen Sie Texttabelle unter Anzeigen aus.

    8. Wählen Breite anpassen aus dem Dropdown-Menü Anpassen aus.

    9. Wählen Sie die Spaltenüberschrift Umsatz und sortieren Sie die Tabelle in dieser Spalte in absteigender Reihenfolge.

      Ihr Tableau-Desktop sollte wie folgt aussehen.

      Tableau Desktop Sort {modal="regular"}

Die von Tableau Desktop mit der BI-Erweiterung ausgeführte Abfrage enthält keine sort. Das Fehlen dieser sort-Anweisung impliziert, dass die Sortierung Client-seitig ausgeführt wird.

code language-sql
SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."occurrences") AS "sum:occurrences:ok",
  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 '2023-02-01')))
GROUP BY 1
Looker
  1. Aktualisieren Sie Ihre Verbindung in der Erkunden-Benutzeroberfläche von Looker. Wählen Sie Einstellung Cache löschen und aktualisieren aus.

  2. 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.

  3. Wählen Sie + Filter unter Filter aus.

  4. 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"}

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

  6. Wählen Sie Abschnitt ‣CC-Datenansicht in der linken Leiste Produktname aus.

  7. Im Abschnitt ‣ Benutzerdefinierte Felder in der linken Leiste:

    1. Wählen Sie Benutzerdefinierte Kennzahl aus dem Dropdown-Menü + Hinzufügen aus.

    2. Im Dialogfeld Benutzerdefinierte Kennzahl erstellen:

      1. Wählen Sie Dropdown Menü Zu messendes Feld „Kaufumsatz“ aus.

      2. Wählen Sie Summe aus dem Dropdown-Menü Kennzahlentyp aus.

      3. Geben Sie einen benutzerdefinierten Feldnamen für „Name ein. Beispiel: Sum of Purchase Revenue.

      4. Wählen Sie die Felddetails aus.

      5. Wählen Sie Dezimalstellen aus dem Dropdown-Menü Format und stellen Sie sicher, dass 0 in Dezimalstellen.

        Benutzerdefiniertes Metrikfeld für Looker {modal="regular"}

      6. Wählen Sie Speichern aus.

  8. Wählen Sie (absteigend, Sortierreihenfolge: 1) in der Spalte Kaufumsatz aus.

  9. Wählen Sie Ausführen aus.

  10. Wählen Sie ‣ Visualisierung aus.

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

Looker-Anzahl unterschiedlich {modal="regular"}

Die Abfrage, die von Looker mithilfe der BI-Erweiterung generiert wird, enthält ORDER BY, was bedeutet, dass die Sortierung über Looker und die BI-Erweiterung ausgeführt wird.

code language-sql
-- Looker Query Context '{"user_id":6,"history_slug":"fc83573987b999306eaf6e1a3f2cde70","instance_slug":"71d4667f0b76c0011463658f45c3f7a3"}'
SELECT
    cc_data_view."product_name"  AS "cc_data_view.product_name",
    COALESCE(SUM(CAST(( cc_data_view."purchase_revenue"  ) AS DOUBLE PRECISION)), 0) AS "purchase_revenue"
FROM
    "public"."cc_data_view" AS "cc_data_view"
WHERE ((( cc_data_view."daterange"  ) >= (DATE_TRUNC('day', DATE '2023-01-31')) AND ( cc_data_view."daterange"  ) < (DATE_TRUNC('day', DATE '2023-02-01'))))
GROUP BY
    1
ORDER BY
    2 DESC
FETCH NEXT 500 ROWS ONLY

Beschränkungen

In diesem Anwendungsbeispiel möchten Sie einen Bericht über die fünf häufigsten Vorkommen von Produktnamen im Jahr 2023 erstellen.

Customer Journey Analytics

Ein Beispiel Limit-Bedienfeld für den Anwendungsfall:

Bedienfeld "Customer Journey Analytics-Limit“ {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 daterange aus.
    2. Wählen Sie product_name aus.
    3. Wählen Sie ∑ Vorfälle aus.
  2. Im Bereich Filter:

    1. Wählen Sie daterange is (All) aus Filter auf dieser visuellen.
    2. Wählen Sie Relatives Datum als Filtertyp aus.
    3. Definieren Sie den Filter für Elemente anzeigen, wenn der Wertin den letzten1 Kalenderjahren).
    4. Wählen Sie Filter anwenden aus.
    5. Wählen Sie product_name is (All) aus Filter auf dieser visuellen.
    6. Wählen Sie Top N als Filtertyp.
    7. Wählen Sie Elemente anzeigen Oben 5 Nach Wert.
    8. Ziehen Sie ∑ Vorkommen per Drag-and-Drop aus dem Bereich Daten und legen Sie sie auf Datenfelder hier hinzufügen ab.
    9. Wählen Sie Filter anwenden aus.
  3. Im Bereich Visualisierung :

    • Wählen Sie CrossSize75 aus, um den Datumsbereich aus den Spalten zu entfernen.

    Ihr Power BI-Desktop sollte wie folgt aussehen.

    Power BI-Desktop, der Datumsbereichsnamen zum Filtern verwendet {modal="regular"}

Die von Power BI Desktop mit der BI-Erweiterung ausgeführte Abfrage enthält eine limit, jedoch nicht die erwartete. Die Begrenzung auf die fünf häufigsten Vorkommen wird von Power BI Desktop mithilfe expliziter Ergebnisse für Produktnamen erzwungen.

code language-sql
select "_"."product_name",
    "_"."a0"
from
(
    select "rows"."product_name" as "product_name",
        sum("rows"."occurrences") as "a0"
    from
    (
        select "_"."daterangeName",
            "_"."daterange",
            "_"."filterId",
            "_"."filterName",
            "_"."timestamp",
            "_"."affiliate_name",
            "_"."affiliate_url",
            "_"."commerce.order.priceTotal",
            "_"."customer_city",
            "_"."customer_region",
            "_"."daterangeday",
            "_"."daterangefifteenminute",
            "_"."daterangefiveminute",
            "_"."daterangehour",
            "_"."daterangeminute",
            "_"."daterangemonth",
            "_"."daterangequarter",
            "_"."daterangesecond",
            "_"."daterangethirtyminute",
            "_"."daterangeweek",
            "_"."daterangeyear",
            "_"."hitdatetime",
            "_"."page_name",
            "_"."page_url",
            "_"."product_category",
            "_"."product_name",
            "_"."product_short_review",
            "_"."product_subCategory",
            "_"."referrer_url",
            "_"."search_engine",
            "_"."search_keywords",
            "_"."store_city",
            "_"."store_name",
            "_"."store_region",
            "_"."store_type",
            "_"."timepartdayofmonth",
            "_"."timepartdayofweek",
            "_"."timepartdayofyear",
            "_"."timeparthourofday",
            "_"."timepartminuteofhour",
            "_"."timepartmonthofyear",
            "_"."timepartquarterofyear",
            "_"."timepartweekofyear",
            "_"."cm_session_end_rate_defaultmetric",
            "_"."cm_session_person_defaultmetric",
            "_"."cm_session_start_rate_defaultmetric",
            "_"."cm_timespent_person_defaultmetric",
            "_"."cm_timespent_session_defaultmetric",
            "_"."cm_product_name_count_distinct",
            "_"."ad_views",
            "_"."adobe_sessionends",
            "_"."adobe_sessionstarts",
            "_"."adobe_timespent",
            "_"."exchange_buybacks",
            "_"."exchange_cost",
            "_"."exchange_purchases",
            "_"."exchange_revenue",
            "_"."occurrences",
            "_"."page_views",
            "_"."product_quantity",
            "_"."product_reviews",
            "_"."product_views",
            "_"."purchase_revenue",
            "_"."purchases",
            "_"."visitors",
            "_"."visits"
        from "public"."cc_data_view" "_"
        where (("_"."product_name" in ('Saltwater Monofilament Line', 'Pop-Up Beach Tent', 'Instant Pop-Up Tent', 'Envelop Sleeping Bag', 'Waterproof Tackle Bag')) and "_"."daterange" < date '2024-01-01') and "_"."daterange" >= date '2023-01-01'
    ) "rows"
    group by "product_name"
) "_"
where not "_"."a0" is null
limit 1000001
Tableau Desktop
  1. Wählen Sie unten Registerkarte Blatt 1 aus, um aus Datenquelle zu wechseln. In der Ansicht Blatt 1:

    1. Ziehen Sie Daterange-Eintrag aus der Liste Tabellen in die Ablage Filter.

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

    3. Wählen Sie im Dialogfeld Filter [Daterange] die Option Relative Daten, wählen Sie Jahre und wählen Sie Vorherige Jahre. Wählen Sie Übernehmen und OK aus.

    4. Ziehen Sie Produktname aus der Liste Tabellen in Zeilen.

    5. Ziehen Sie Eintrag Vorfälle“ aus der Liste Tabellen und legen Sie den Eintrag im Feld neben Spalten ab. Der Wert ändert sich in SUM(Occurrences).

    6. Wählen Sie Texttabelle unter Anzeigen aus.

    7. Wählen Breite anpassen aus dem Dropdown-Menü Anpassen aus.

    8. Wählen Sie Produktname in Zeilen aus. Wählen Filter aus dem Dropdown-Menü aus.

      1. Wählen Dialogfeld [Produktname] die Registerkarte Oben aus.

      2. Wählen Sie Nach Feld: Oben 5nach VorfällenSumme.

      3. Wählen Sie Übernehmen und OK aus.

        AlertRed Sie bemerken, dass die Tabelle verschwindet. Die Auswahl der fünf häufigsten Produktnamen nach Vorkommen funktioniert nicht mit diesem Filter ordnungsgemäß.

      4. Wählen Sie den Produktnamen in der Filter-Bibliothek aus und klicken Sie im Dropdown-Menü auf Entfernen. Die Tabelle wird erneut angezeigt.

    9. Wählen Sie SUM(Vorfälle) im Marks-Regal aus. Wählen Filter aus dem Dropdown-Menü aus.

      1. Wählen Sie im Filter [Vorfälle] die Option Mindestens aus.

      2. Geben Sie 47.799 als Wert ein. Dieser Wert stellt sicher, dass nur die fünf wichtigsten Elemente in der Tabelle angezeigt werden. Wählen Sie Übernehmen und OK aus.

        Ihr Tableau-Desktop sollte wie folgt aussehen.

        Tableau Desktop Limits {modal="regular"}

Wie oben gezeigt, schlägt diese von Tableau Desktop ausgeführte Abfrage beim Definieren eines Filters für die häufigsten 5 Vorkommnisse für Produktnamen fehl.

code language-sql
SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."occurrences") AS "sum:occurrences:ok"
FROM "public"."cc_data_view" "cc_data_view"
  INNER JOIN (
  SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
    SUM("cc_data_view"."occurrences") AS "$__alias__0"
  FROM "public"."cc_data_view" "cc_data_view"
  GROUP BY 1
  ORDER BY 2 DESC,
    1 ASC
  LIMIT 5
) "t0" ON (CAST("cc_data_view"."product_name" AS TEXT) = "t0"."product_name")
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

Die von Tableau Desktop beim Definieren eines Top-5-Filters auf Vorfälle ausgeführte Abfrage wird unten angezeigt. Das Limit ist in der Abfrage nicht sichtbar und wird Client-seitig angewendet.

code language-sql
SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."occurrences") AS "sum:occurrences: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
Looker
  1. Aktualisieren Sie Ihre Verbindung in der Erkunden-Benutzeroberfläche von Looker. Wählen Sie Einstellung Cache löschen und aktualisieren aus.

  2. 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.

  3. Wählen Sie + Filter unter Filter aus.

  4. 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"}

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

  6. Im Abschnitt ‣ CC-Datenansicht in der linken Leiste:

    1. Wählen Sie Produktname aus.
    2. Wählen Sie Count unter MEASURES in der linken Leiste (unten) aus.
  7. Wählen Sie (absteigend, Sortierreihenfolge: 1) in der Spalte Kaufumsatz aus.

  8. Wählen Sie (absteigend, Sortierreihenfolge: 1) in der Spalte Kaufumsatz aus.

  9. Wählen Sie Ausführen aus.

  10. Wählen Sie ‣ Visualisierung aus.

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

Looker-Anzahl unterschiedlich {modal="regular"}

Die Abfrage, die von Looker mithilfe der BI-Erweiterung generiert wird, enthält FETCH NEXT 5 ROWS ONLY, was bedeutet, dass das Limit über Looker und die BI-Erweiterung ausgeführt wird.

code language-sql
-- Looker Query Context '{"user_id":6,"history_slug":"a8f3b1ebd5712413ca1ae695090f70db","instance_slug":"71d4667f0b76c0011463658f45c3f7a3"}'
SELECT
    cc_data_view."product_name"  AS "cc_data_view.product_name",
    COUNT(*) AS "cc_data_view.count"
FROM
    "public"."cc_data_view" AS "cc_data_view"
WHERE ((( cc_data_view."daterange"  ) >= (DATE_TRUNC('day', DATE '2023-01-31')) AND ( cc_data_view."daterange"  ) < (DATE_TRUNC('day', DATE '2024-01-01'))))
GROUP BY
    1
ORDER BY
    2 DESC
FETCH NEXT 5 ROWS ONLY

Transformationen

Sie möchten die Transformationen von Customer Journey Analytics-Objekten wie Dimensionen, Metriken, Filtern, berechneten Metriken und Datumsbereichen durch die verschiedenen BI-Tools verstehen.

Customer Journey Analytics
In Customer Journey Analytics definieren Sie in einer Datenansicht, welche und wie Komponenten Ihrer Datensätze als Dimensionen und Metriken bereitgestellt werden. Diese Definition von Dimension und Metriken wird den BI-Tools mithilfe der BI-Erweiterung bereitgestellt.
Komponenten wie Filter, Berechnete Metriken und Datumsbereiche werden in Ihren Workspace-Projekten verwendet. Diese Komponenten werden auch den BI-Tools mithilfe der BI-Erweiterung bereitgestellt.
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

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

Dimensionen
Dimensionen aus Customer Journey Analytics werden durch die Komponenten-ID gekennzeichnet. Die Komponenten-ID wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise verfügt die Dimension Produktname in Customer Journey Analytics über eine Komponenten-ID product_name, die der Name für die Dimension in Power BI Desktop ist.
Datumsbereichsdimensionen aus Customer Journey Analytics wie Tag, Woche, Monat und mehr sind verfügbar als daterangeday, daterangeweek, daterangemonth und mehr.

Metriken
Metriken aus Customer Journey Analytics werden durch die Komponenten-ID“ ​. Die Komponenten-ID wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise verfügt die Metrik Kaufumsatz in Customer Journey Analytics über eine Komponenten-ID Kauf_Umsatz, die der Name für die Metrik in Power BI Desktop ist. Ein zeigt Metriken an. Wenn Sie eine Metrik in einer Visualisierung verwenden, wird die Metrik in „Summe **Metrik *umbenannt ***.

Filter
In Customer Journey Analytics definierte Filter sind als Teil des Felds filterName verfügbar. Wenn Sie ein Feld filterName in 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 verfügt die berechnete Metrik Produktname (Anzahl Distinct) über Externe ID product_name_count_distinct und wird Power BI Desktop als cm_product_name_count_distinct ​t angezeigt.

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

Benutzerdefinierte Umwandlungen
Power BI Desktop bietet benutzerdefinierte Umwandlungsfunktionen mithilfe von Data Analysis Expressions (DAX). Als Beispiel möchten Sie den Anwendungsfall Einzel-Dimension-Rangfolge mit Produktnamen in Kleinbuchstaben ausführen.

  1. Wählen Sie in der Berichtsansicht die Balkenvisualisierung aus.

  2. Wählen product_name im Datenbereich aus.

  3. Wählen Sie Neue Spalte in der Symbolleiste 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]).
    Power BI Desktop-Umwandlung in niedrigere {modal="regular"}

  5. Wählen Sie die neue Spalte product_name_lower im Bereich data anstelle der Spalte product_name aus.

  6. Wählen Sie Bericht als) unter Mehr in der Tabellenvisualisierung aus.

    Ihr Power BI-Desktop sollte wie folgt aussehen.
    Endgültige Power BI-Desktop-Transformation {modal="regular"}

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

code language-sql
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
Tableau Desktop

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“ Tableau ausgewählt haben. Beispiel: cc_data_view. Der Tabellenname entspricht der externen ID, die Sie für Ihre Datenansicht in Customer Journey Analytics definiert haben. Zum Beispiel eine Datenansicht mit Titel C&C - Data View und Externe ID cc_data_view.

Dimensionen
Dimensionen aus Customer Journey Analytics werden durch den Komponentennamen gekennzeichnet. Der Komponentenname wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise verfügt die Dimension Produktname in Customer Journey Analytics über einen Komponentennamen Produktnamen, der der Name für die Dimension in Tableau ist. Alle Dimensionen werden durch Abc gekennzeichnet.
Datumsbereichsdimensionen aus Customer Journey Analytics wie Tag, Woche, Monat und mehr sind verfügbar als DateRangeDay, DateRangeWeek, DateRangeMonth und mehr. Wenn Sie eine Datumsbereichsdimension verwenden, müssen Sie im Dropdown-Menü eine entsprechende Definition von Datum oder Uhrzeit auswählen, die auf diese Datumsbereichsdimension angewendet werden soll. Beispiel: Jahr, Quartal, Monat, Tag.

Metriken
Metriken aus Customer Journey Analytics werden durch den Komponentennamen“ ​. Der Komponentenname wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise verfügt die Metrik Kaufumsatz in Customer Journey Analytics über einen Komponentennamen Kaufumsatz, der der Name für die Metrik in Tableau ist. Alle Metriken werden durch # identifiziert. Wenn Sie eine Metrik in einer beliebigen Visualisierung verwenden, wird die Metrik in Summe(metrik).

Filter
In Customer Journey Analytics definierte Filter sind als Teil des Felds Filtername verfügbar. Wenn Sie ein Feld Filtername in Tableau verwenden, können Sie angeben, 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 () Titel Produktname (Anzahl Unterschiedlich) und wird in Tableau als cm Produktname Anzahl Unterschiedlich angezeigt.

Datumsbereiche
Datumsbereiche, die Sie in Customer Journey Analytics definieren, sind als Teil des Felds Datumsbereichsname verfügbar. Wenn Sie ein Feld Name des Datumsbereichs verwenden, können Sie angeben, welcher Datumsbereich verwendet werden soll.

Benutzerdefinierte Umwandlungen
Tableau Desktop bietet benutzerdefinierte Umwandlungsfunktionen mithilfe von berechneten Feldern. Als Beispiel möchten Sie den Anwendungsfall Einzel-Dimension-Rangfolge mit Produktnamen in Kleinbuchstaben ausführen.

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

    1. Definieren Sie Produktname in Kleinbuchstaben mithilfe der LOWER([Product Name]).

      Berechnetes Tableau-Feld {modal="regular"}

    2. Klicken Sie OK.

  2. Wählen Sie das Daten Blatt aus.

    1. Ziehen Sie Produktname in Kleinbuchstaben aus Tabellen und legen Sie den Eintrag im Feld neben "".
    2. Entfernen Sie Produktname aus Zeilen.
  3. Wählen Sie Ansicht Dashboard 1) aus.

Ihr Tableau-Desktop sollte wie folgt aussehen.

Tableau-Desktop nach der Umwandlung {modal="regular"}

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

code language-sql
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))
Looker

Die Customer Journey Analytics-Objekte sind in der Benutzeroberfläche Erkunden verfügbar. und werden beim Einrichten Ihrer Verbindung, Ihres Projekts und Ihres Modells in Looker abgerufen. Beispiel: cc_data_view. Der Name der Ansicht entspricht der externen ID, die Sie für Ihre Datenansicht in Customer Journey Analytics definiert haben. Zum Beispiel eine Datenansicht mit Titel C&C - Data View und Externe ID cc_data_view.

Dimensionen
Dimensionen aus Customer Journey Analytics werden in der linken Leiste in der CC-Datenansicht als ​DIMENSION" aufgeführt. Die Dimension wird in Ihrer Customer Journey Analytics-Datenansicht definiert. Beispielsweise verfügt die Dimension Produktname in Customer Journey Analytics über einen DIMENSIONProduktnamen, der der Name für die Dimension in Looker ist.
Datumsbereichsdimensionen aus Customer Journey Analytics wie Tag, Woche, Monat und mehr sind verfügbar als DateRangeDay, DateRangeWeek, DateDateMonth und mehr. Wenn Sie eine Datumsbereichsdimension verwenden, müssen Sie eine entsprechende Definition von Datum oder Uhrzeit auswählen. Beispiel: Jahr, Quartal, Monat, Datum.

Metriken
Metriken aus Customer Journey Analytics werden in der linken Leiste Cc-Datenansicht als ​DIMENSION" aufgelistet. Beispielsweise hat die Metrik Kaufumsatz in Customer Journey Analytics einen DIMENSIONKaufumsatz. Um tatsächlich als Metrik zu verwenden, erstellen Sie ein benutzerdefiniertes Kennzahlfeld, wie in den obigen Beispielen gezeigt, oder verwenden Sie den Tastaturbefehl für eine Dimension. Beispiel: , wählen Sie Aggregat und dann Summe.

Filter
In Customer Journey Analytics definierte Filter sind als Teil des Felds Filtername verfügbar. Wenn Sie ein Feld Filtername in Looker verwenden, können Sie angeben, 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 (Anzahl Unterschiedlich) den Titel Produktnamen (Anzahl Unterschiedlich) und wird in Looker als cm Produktname Anzahl Unterschiedlich angezeigt.

Datumsbereiche
Datumsbereiche, die Sie in Customer Journey Analytics definieren, sind als Teil des Felds Datumsbereichsname verfügbar. Wenn Sie ein Feld Name des Datumsbereichs verwenden, können Sie angeben, welcher Datumsbereich verwendet werden soll.

Benutzerdefinierte Umwandlungen
Looker bietet benutzerdefinierte Umwandlungsfunktionen mithilfe von benutzerdefinierten Feld-Buildern, wie oben gezeigt. Als Beispiel möchten Sie den Anwendungsfall Einzel-Dimension-Rangfolge mit Produktnamen in Kleinbuchstaben ausführen.

  1. Im Abschnitt ‣ Benutzerdefinierte Felder in der linken Leiste:

    1. Wählen Sie Benutzerdefinierte Dimension aus dem Dropdown-Menü + aus.

    2. Geben Sie lower(${cc_data_view.product_name}) im Ausdruck ein. Sie erhalten Unterstützung bei der korrekten Syntax, wenn Sie beginnen, Product Name einzugeben.

      Beispiel für eine Looker-Transformation {modal="regular"}

    3. Geben Sie product name als Name ein.

    4. Wählen Sie Speichern aus.

Es sollte eine ähnliche Tabelle angezeigt werden, wie unten dargestellt.

Looker-Transformationsergebnis {modal="regular"}

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

code language-sql
SELECT
    LOWER((cc_data_view."product_name")) AS "product_name",
    COALESCE(SUM(CAST(( cc_data_view."purchase_revenue"  ) AS DOUBLE PRECISION)), 0) AS "sum_of_purchase_revenue",
    COALESCE(SUM(CAST(( cc_data_view."purchases"  ) AS DOUBLE PRECISION)), 0) AS "sum_of_purchases"
FROM public.cc_data_view  AS cc_data_view
WHERE ((( cc_data_view."daterange"  ) >= (DATE_TRUNC('day', DATE '2023-01-01')) AND ( cc_data_view."daterange"  ) < (DATE_TRUNC('day', DATE '2024-01-01'))))
GROUP BY
    1
ORDER BY
    2 DESC
FETCH NEXT 500 ROWS ONLY

Visualisierungen

Sie möchten verstehen, wie die in Customer Journey Analytics verfügbaren Visualisierungen mithilfe der in den BI-Tools verfügbaren Visualisierungen auf ähnliche Weise erstellt werden können.

Customer Journey Analytics
Customer Journey Analytics verfügt über eine Reihe von Visualisierungen. Unter Visualisierungen finden Sie eine Einführung und einen Überblick über alle möglichen Visualisierungen.