Los objetos de Customer Journey Analytics están disponibles en el panel Datos y se recuperan de la tabla seleccionada en Power BI Desktop. Por ejemplo, public.cc_data_view. El nombre de la tabla es el mismo que el ID externo definido para la vista de datos en Customer Journey Analytics. Por ejemplo, la vista de datos con Título C&C - Data View y Id. externo cc_data_view.

Dimension
Los Dimension del Customer Journey Analytics se identifican mediante el ID de componente. El ID de componente está definido en la vista de datos del Customer Journey Analytics. Por ejemplo, la dimensión Product Name del Customer Journey Analytics tiene un ID de componente product_name, que es el nombre de la dimensión en Power BI Desktop.
Las dimensiones de intervalo de fechas de Customer Journey Analytics, como Day, Week, Month y más están disponibles como daterangeday, daterangeweek, daterangemonth y más.

Métricas
Las métricas del Customer Journey Analytics se identifican con el ID de componente. El ID de componente está definido en la vista de datos del Customer Journey Analytics. Por ejemplo, la métrica Ingresos de compra del Customer Journey Analytics tiene un ID de componente purchase_revenue, que es el nombre de la métrica en Power BI Desktop. Un ∑ indica las métricas. Cuando se usa una métrica en cualquier visualización, se cambia el nombre de la métrica a **Suma de *métrica ***.

Filtros
Los filtros que defina en Customer Journey Analytics están disponibles como parte del campo filterName. Cuando usa un campo filterName en Power BI Desktop, puede especificar qué filtro utilizar.

Métricas calculadas
Las métricas calculadas que define en Customer Journey Analytics se identifican con el ID externo que ha definido para la métrica calculada. Por ejemplo, la métrica calculada Product Name (Count Distinct) tiene ID externo product_name_count_distinct y se muestra como cm_product_name_count_distinct ​t en el escritorio de Power BI.

Intervalos de fechas
Los intervalos de fechas que defina en Customer Journey Analytics están disponibles como parte del campo intervaloDeFechas. Cuando usa un campo daterangeName, puede especificar qué intervalo de fecha usar.

Transformaciones personalizadas
Power BI Desktop proporciona funcionalidad de transformación personalizada mediante expresiones de análisis de datos (DAX). Por ejemplo, desea ejecutar el caso de uso de clasificación de dimensión única con nombres de producto en minúsculas.

1. En la vista Informe, seleccione la visualización de barras.

2. Seleccione product_name en el panel Datos.

3. Seleccione Nueva columna en la barra de herramientas.

4. En el editor de fórmulas, defina una nueva columna denominada product_name_lower, como product_name_lower = LOWER('public.cc_data_view[product_name]).
   {modal="regular"}

5. Asegúrese de seleccionar la nueva columna product_name_lower en el panel de datos en lugar de la columna product_name.

6. Seleccione Informe como tabla de en la visualización de tabla.

   El escritorio de Power BI debe tener el aspecto siguiente.
   {modal="regular"}

El resultado de la transformación personalizada es una actualización de las consultas SQL. Consulte el uso de la función lower en el siguiente ejemplo de 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

Los objetos Customer Journey Analytics están disponibles en la barra lateral Data siempre que trabaje en una hoja. Y se recuperan de la tabla que ha seleccionado como parte de la página Fuente de datos en Tableau. Por ejemplo, cc_data_view. El nombre de la tabla es el mismo que el ID externo definido para la vista de datos en Customer Journey Analytics. Por ejemplo, la vista de datos con Título C&C - Data View y Id. externo cc_data_view.

Dimension
Los Dimension del Customer Journey Analytics se identifican con el nombre del componente. El nombre del componente está definido en la vista de datos del Customer Journey Analytics. Por ejemplo, la dimensión Nombre de producto del Customer Journey Analytics tiene un Nombre de componente Nombre de producto, que es el nombre de la dimensión en Tableau. Abc identifica todas las dimensiones.
Las dimensiones de intervalo de fechas de Customer Journey Analytics, como Day, Week, Month y más están disponibles como Daterangeday, Daterangeweek, Daterangemonth y más. Cuando se utiliza una dimensión de intervalo de fechas, se debe seleccionar una definición adecuada de fecha u hora para aplicarla a esa dimensión de intervalo de fechas en el menú desplegable. Por ejemplo, Year, Quarter, Month, Day.

Métricas
Las métricas del Customer Journey Analytics se identifican con el Nombre del componente. El Nombre de componente está definido en la vista de datos del Customer Journey Analytics. Por ejemplo, la métrica Ingresos de compra del Customer Journey Analytics tiene un Nombre de componente Ingresos de compra, que es el nombre de la métrica en Tableau. # identifica todas las métricas. Cuando usa una métrica en cualquier visualización, se cambia el nombre de la métrica a Sum(metric).

Filtros
Los filtros que defina en Customer Journey Analytics están disponibles como parte del campo Nombre del filtro. Cuando usa un campo Nombre del filtro en Tableau, puede especificar qué filtro utilizar.

Métricas calculadas
Las métricas calculadas que defina en Customer Journey Analytics se identificarán con el Título que haya definido para la métrica calculada. Por ejemplo, la métrica calculada Product Name (Count Distinct) tiene Title Product Name (Count Distinct) y se muestra como Cm Product Name Count Distinct en Tableau.

Intervalos de fechas
Los intervalos de fechas que defina en Customer Journey Analytics están disponibles como parte del campo Nombre del intervalo de fechas. Cuando usa un campo Nombre del intervalo de fechas, puede especificar qué intervalo de fechas utilizar.

Transformaciones personalizadas
Tableau Desktop proporciona funcionalidad de transformación personalizada mediante Campos calculados. Por ejemplo, desea ejecutar el caso de uso de clasificación de dimensión única con nombres de producto en minúsculas.

1. Seleccione Análisis > Crear campo calculado en el menú principal.

   1. Defina Nombre de producto en minúsculas con la función LOWER([Product Name]).

      {modal="regular"}

   2. Seleccione Aceptar.

2. Seleccione la hoja Data.

   1. Arrastre Nombre de producto en minúsculas de Tablas y suelte la entrada en el campo junto a Filas.
   2. Quitar Nombre de producto de Filas.

3. Seleccione la vista Panel 1.

El escritorio Tableau debe tener el aspecto siguiente.

{modal="regular"}

El resultado de la transformación personalizada es una actualización de las consultas SQL. Consulte el uso de la función LOWER en el siguiente ejemplo de 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))

Comparación

Para la mayoría de las visualizaciones de Customer Journey Analytics, Power BI Desktop ofrece experiencias equivalentes. Consulte la tabla siguiente.

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
Icono	Visualización del Customer Journey Analytics	Visualización de escritorio de Power BI
	Área	Gráfico de área, gráfico de área apilada y gráfico de área 100%
	Barra	Gráfico de columnas agrupadas
	Barra apilada	Gráfico de columnas apiladas y gráfico de columnas apiladas al 100%
	Bullet
	Tabla de cohorte
	Combo	Gráfico de líneas y columnas apiladas y Gráfico de líneas y columnas agrupadas
	Anillo	Gráfico de anillo
	Visita en orden previsto	Canal.
	Flujo	¿Árbol de descomposición?
	Tabla de forma libre	Tabla y Matriz
	Histograma
	Barra horizontal	Gráfico de barras agrupadas
	Barra horizontal apilada	Gráfico de barras apiladas y gráfico de barras apiladas al 100%
	lienzo de Recorrido	Árbol de descomposición
	Resumen de métricas clave
	Líneas	Gráfico de líneas
	Dispersión	Gráfico de dispersión
	Encabezado de sección	Cuadro de texto
	Cambio de resumen	Tarjeta
	Número de resumen	Tarjeta
	Texto	Cuadro de texto
	Gráfico de rectángulos	Gráfico de rectángulos
	Venn

Explorar en profundidad

Power BI admite un modo de obtención de detalles para explorar detalles en profundidad sobre determinadas visualizaciones. En el siguiente ejemplo, se analizan los ingresos por compras para categorías de productos. En el menú contextual de una barra que representa una categoría de producto, puede seleccionar Profundizar.

{modal="regular"}

Profundizar en actualiza la visualización con los ingresos de compra de los productos dentro de la categoría de productos seleccionada.

{modal="regular"}

El desglose genera la siguiente consulta SQL que utiliza una cláusula WHERE:

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

Comparación

Para la mayoría de las visualizaciones Customer Journey Analytics, Tableau ofrece experiencias equivalentes. Consulte la tabla siguiente.

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
Icono	Visualización del Customer Journey Analytics	Visualización de escritorio de Power BI
	Área	Gráfico de áreas
	Barra	Gráfico de barras
	Barra apilada
	Bullet	Gráfico de viñetas
	Tabla de cohorte
	Combo	Gráficos combinados
	Anillo
	Visita en orden previsto
	Flujo
	Tabla de forma libre	Tabla de texto
	Histograma	Histograma
	Barra horizontal	Gráfico de barras
	Barra horizontal apilada	Gráfico de barras
	lienzo de Recorrido
	Resumen de métricas clave
	Líneas	Gráfico de líneas
	Dispersión	Diagrama de puntos
	Encabezado de sección
	Cambio de resumen
	Número de resumen
	Texto
	Gráfico de rectángulos	Gráfico de rectángulos
	Venn

Explorar en profundidad

Tableau admite modo de obtención de detalles a través de jerarquías. En el ejemplo siguiente, crea una jerarquía al seleccionar el campo Nombre del producto en Tablas y arrastrarlo sobre Categoría del producto. A continuación, en el menú contextual de una barra que representa una categoría de producto, puede seleccionar + Explorar en profundidad.

{modal="regular"}

Profundizar actualizará la visualización con los ingresos de compra de los productos dentro de la categoría de producto seleccionada.

{modal="regular"}

El desglose genera la siguiente consulta SQL que utiliza una cláusula GROUP BY:

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

La consulta no limita los resultados a la categoría de producto seleccionada; solo la visualización muestra la categoría de producto seleccionada.

{modal="regular"}

También puede crear un tablero de aumento de detalle en el que un elemento visual sea el resultado de la selección en otro elemento visual. En el ejemplo siguiente, la visualización Categorías de productos se usa como filtro para actualizar la tabla Nombres de productos. Este filtro de visualización es solo de cliente y no genera una consulta SQL adicional.

{modal="regular"}

• El filtrado avanzado de intervalos de fechas de Power BI Desktop es exclusivo. Para la fecha de finalización, debe seleccionar una fecha posterior al día en el que desee crear el informe. Por ejemplo es el 1/1/2023 y antes 1/2/2023 o después.

• El valor predeterminado de Power BI Desktop es Importar al crear una conexión. Asegúrese de usar Direct Query.

• Power BI Desktop expone las transformaciones de datos a través de Power Query. Power Query funciona principalmente con conexiones de tipo Import, por lo que muchas transformaciones que se aplican, como funciones de fecha o cadena, generan un error que indica que debe cambiar a una conexión de tipo Import. Si necesita transformar los datos en el momento de la consulta, debe utilizar dimensiones y métricas derivadas para que Power BI no necesite realizar las transformaciones en sí.

• Power BI Desktop no entiende cómo gestionar columnas de tipo fecha-hora, por lo que las dimensiones **daterange *X ***​como​ daterangehour ​ ​y​ daterangeminute ​ ​no son compatibles.

• De forma predeterminada, Power BI Desktop intenta realizar varias conexiones con un máximo de sesiones de Query Service. Vaya a la configuración de Power BI del proyecto y deshabilite las consultas paralelas.

• Power BI Desktop realiza todas las operaciones de ordenación y limitación del lado del cliente. Power BI Desktop también tiene una semántica diferente para el filtrado superior X que incluye valores vinculados. Por lo tanto, no se puede crear la misma ordenación y limitación que en Analysis Workspace.

• Las versiones anteriores del lanzamiento de octubre de 2024 de Power BI Desktop rompen las fuentes de datos de PostgreSQL. Asegúrese de utilizar la versión mencionada en este artículo.

• El filtrado Tableau Desktop Range of Dates es exclusivo. Para la fecha de finalización, debe seleccionar una fecha posterior al día en el que desee crear el informe.

• De manera predeterminada, cuando se agrega una dimensión de fecha y hora como Daterangemonth a las filas de una hoja, Tableau Desktop ajusta el campo en una función YEAR(). Para obtener lo que desea, debe seleccionar esa dimensión y en el menú desplegable, seleccionar la función de fecha que desee utilizar. Por ejemplo, cambie Year a Month cuando intente usar Daterangemonth.

• Limitar los resultados a los X principales no es obvio en Tableau Desktop. Puede limitar los resultados explícitamente o mediante un campo calculado y la función INDEX(). Agregar un filtro X superior a una dimensión genera SQL complejo mediante una combinación interna no compatible.