Outils BI
note prerequisites
PREREQUISITES
Vérifiez que vous avez validé une connexion réussie, que vous pouvez répertorier les vues de données et utiliser une vue de données pour l’outil BI pour lequel vous souhaitez tester ce cas d’utilisation.
tabs
Bureau Power BI
  1. Pour vous assurer que la période s’applique à toutes les visualisations, effectuez un glisser-déposer de daterangeday du volet Données vers Filtres sur cette page.

    1. Sélectionnez le daterangeday is (All) dans Filtres sur cette page.
    2. Sélectionnez Filtrage avancé comme Type de filtre.
    3. Définissez le filtre pour Afficher les éléments lorsque la valeur est activée ou ultérieure 1/1/2023 Et est antérieure 2/1/2023.
    4. Sélectionnez Appliquer le filtre.
  2. Dans le volet Données :

    1. Sélectionnez datarangeday.
    2. Sélectionnez ∑ cm_product_name_count_distinct, qui est la mesure calculée définie dans Customer Journey Analytics.
  3. Pour modifier le graphique à barres verticales en tableau, assurez-vous que le graphique est sélectionné et sélectionnez Tableau dans le volet Visualisations.

    Votre bureau Power BI doit se présenter comme suit :

    Tableau distinct de décompte multiple de bureau Power BI {modal="regular"}

  4. Sélectionnez la visualisation du tableau. Dans le menu contextuel, sélectionnez Copier > Copier visuel.

  5. Collez la visualisation à l’aide de ctrl+v. La copie exacte de la visualisation chevauche la visualisation originale. Déplacez-le vers la droite dans la zone du rapport.

  6. Pour modifier la visualisation copiée d’un tableau en carte, sélectionnez Carte dans Visualisations.

    Votre bureau Power BI doit se présenter comme suit :

    Tableau distinct de décompte multiple de bureau Power BI {modal="regular"}

Vous pouvez également utiliser la fonctionnalité Comptage distinct de Power BI.

  1. Sélectionnez la dimension product_name.

  2. Appliquez la fonction Count (Distinct) sur la dimension product_name dans Columns.

    Nombre de Power BI distinct {modal="regular"}

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

    1. Faites glisser l’entrée Période de la liste Tableaux dans le volet Données et déposez-la sur l’étagère Filtres.

    2. Dans la boîte de dialogue Champ de filtre [Période], sélectionnez Période et sélectionnez Suivant >.

    3. Dans la boîte de dialogue Filtrer [Période], sélectionnez Période, puis 01/01/2023 - 31/1/2023. Sélectionnez Appliquer et OK.

    4. Faites glisser Cm Product Name Count Distinct vers Rows. La valeur devient SUM(Cm Product Name Count Distinct). Ce champ correspond à la mesure calculée que vous avez définie dans Customer Journey Analytics.

    5. Faites glisser Daterangeday et déposez-le en regard de Columns. Sélectionnez Daterangeday et dans le menu déroulant, sélectionnez Day.

    6. Pour modifier la visualisation des lignes en tableau, sélectionnez Tableau de texte dans Me montrer.

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

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

      Votre Tableau Desktop devrait ressembler à ce qui suit.

      Tableau Desktop Multiple Dimension Ranked Filter {modal="regular"}

  2. Sélectionnez Dupliquer dans le menu contextuel de l’onglet Feuille 1 pour créer une deuxième feuille.

  3. Sélectionnez Renommer dans le menu contextuel de l’onglet Feuille 1 pour renommer la feuille en Data.

  4. Sélectionnez Renommer dans le menu contextuel de l'onglet Feuille 1 (2) pour renommer la feuille en Card.

  5. Vérifiez que vous avez sélectionné la vue Carte.

  6. Sélectionnez DAY(Daterangeday) puis, dans le menu déroulant, sélectionnez Month. La valeur devient MONTH(Daterangeday).

  7. Sélectionnez SOMME(Nombre de noms de produits Cm distincts) dans Marques et dans le menu déroulant, sélectionnez Format.

  8. Pour modifier la taille de la police, dans le volet Format SUM(CM Product Name Count Distinct), sélectionnez Font dans Default et sélectionnez 72.

  9. Pour aligner le nombre, sélectionnez Automatique en regard de Alignement et définissez Horizontal sur centré.

  10. Pour utiliser des nombres entiers, sélectionnez 123.456 en regard de Nombres et sélectionnez Nombre (Personnalisé). Définissez Nombre de décimales sur 0.

    Votre Tableau Desktop devrait ressembler à ce qui suit.

    Tableau Desktop Multiple Dimension Ranked Filter {modal="regular"}

  11. Sélectionnez le bouton d’onglet Nouveau tableau de bord (en bas) pour créer une vue Tableau de bord 1. Dans la vue Tableau de bord 1 :

    1. Faites glisser et déposez la feuille Carte de l’étagère Feuilles sur la vue Tableau de bord 1 qui indique Déposez les feuilles ici.
    2. Faites glisser et déposez la feuille Data de l’étagère Sheets sous la feuille Card dans la vue Dashboard 1.

    La vue de votre Tableau de bord 1 doit se présenter comme suit :

    Tableau de bord Tableau Desktop 1 {modal="regular"}

Vous pouvez également utiliser la fonctionnalité Comptage distinct de Tableau Desktop.

  1. Utilisez Nom du produit au lieu de Nombre de noms de produit Cm distincts.

  2. Appliquez Mesure > Nombre (distinct) sur Nom du produit en Marques.

    Nombre de tableaux distinct {modal="regular"}

Looker
  1. Dans l’interface Explorer de Looker, assurez-vous que vous disposez d’une configuration propre. Sinon, sélectionnez Paramétrage 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 Date de période puis Date de période.

      Filtre de recherche {modal="regular"}

  4. Spécifiez le filtre Date de plage de dates de la vue de données Cc tel que est dans la plage 2023/01/01 jusqu’au (avant) 2023/02/01.

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

    1. Sélectionnez Date de plage, puis Date.

    2. Sélectionnez Agréger ‣ Comptage distinct dans le menu contextuel ⋮ Plus sur Nom du produit.

      Menu contextuel du nom du produit de recherche {modal="regular"}

  6. Sélectionnez Exécuter.

  7. Sélectionnez ‣ Visualisation puis sélectionnez 6︎⃣ dans la barre d’outils pour afficher une visualisation à une seule valeur.

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

Nombre de recherches distinct {modal="regular"}

Utilisation de noms de périodes pour le filtrage

Dans ce cas d’utilisation, vous souhaitez utiliser une période que vous avez définie dans Customer Journey Analytics pour filtrer et générer des rapports sur les occurrences (événements) de l’année dernière.

Customer Journey Analytics

Pour générer des rapports à l’aide d’une période, configurez une période dans Customer Journey Analytics, avec l’Last Year 2023 Titre.

Customer Journey Analytics Utilisez des noms de périodes pour filtrer {modal="regular"}

Vous pouvez ensuite utiliser cette période dans un exemple Utilisation des noms de période pour le filtrage panneau pour le cas d’utilisation :

Valeurs De Nombre Distinct Customer Journey Analytics {modal="regular"}

Notez que la période définie dans la visualisation de tableau à structure libre prévaut sur la période appliquée au panneau.

Outils BI
note prerequisites
PREREQUISITES
Vérifiez que vous avez validé une connexion réussie, que vous pouvez répertorier les vues de données et utiliser une vue de données pour l’outil BI pour lequel vous souhaitez tester ce cas d’utilisation.
tabs
Bureau Power BI
  1. Dans le volet Données :

    1. Sélectionnez daterangemonth.
    2. Sélectionnez daterangeName.
    3. Sélectionnez ∑ 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 CrossSize75 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 :

    Bureau Power BI Utilisant Des Noms De Plage De Dates À Filtrer {modal="regular"}

Tableau Desktop
  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.

      Tableau Desktop Multiple Dimension Ranked Filter {modal="regular"}

Looker
  1. Dans l’interface Explorer de Looker, assurez-vous que vous disposez d’une configuration propre. Sinon, sélectionnez Paramétrage 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.

Nombre de recherches distinct {modal="regular"}

Utiliser les noms de filtre pour le filtrage

Dans ce cas pratique, vous souhaitez utiliser un filtre existant pour la catégorie de produits de pêche, que vous avez définie dans Customer Journey Analytics. Pour filtrer et générer des rapports sur les noms de produit et les occurrences (événements) au cours du mois de janvier 2023.

Customer Journey Analytics

Examinez le filtre que vous souhaitez utiliser dans Customer Journey Analytics.

Customer Journey Analytics Utilisez Des Noms De Filtre Pour Filtrer {modal="regular"}

Vous pouvez ensuite utiliser ce filtre dans un exemple Utilisation des noms de plage de dates pour le filtre panneau pour le cas d’utilisation :

Valeurs De Nombre Distinct Customer Journey Analytics {modal="regular"}

Outils BI
note prerequisites
PREREQUISITES
Vérifiez que vous avez validé une connexion réussie, que vous pouvez répertorier les vues de données et utiliser une vue de données pour l’outil BI pour lequel vous souhaitez tester ce cas d’utilisation.
tabs
Bureau Power BI
  1. Dans le volet Données :

    1. Sélectionnez daterange.
    2. Sélectionnez filterName.
    3. Sélectionnez product_name.
    4. Sélectionnez ∑ occurrences.

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

  1. Dans le volet Filtres :

    1. Sélectionnez filterName is (All) dans Filtres sur ce visuel.
    2. Sélectionnez Filtrage de base comme type de filtre.
    3. Sous le champ Rechercher, sélectionnez Produits de la pêche, qui est le nom du filtre existant défini dans Customer Journey Analytics.
    4. Sélectionnez daterange est (tout) dans Filtres sur ce visuel.
    5. Sélectionnez Filtrage avancé comme Type de filtre.
    6. Définissez le filtre pour Afficher les éléments lorsque la valeur est activée ou ultérieure 1/1/2023 Et est antérieure 2/1/2023.
    7. Sélectionnez CrossSize75 pour supprimer filterName de Columns.
    8. Sélectionnez CrossSize75 pour supprimer daterange de Columns.

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

    Bureau Power BI Utilisant Des Noms De Plage De Dates À Filtrer {modal="regular"}

Tableau Desktop
  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 du filtre de la liste Tableaux dans le plateau Filtres.

    2. Dans la boîte de dialogue Filtrer [Nom du filtre], assurez-vous que Sélectionner dans la liste est sélectionné, puis sélectionnez Produits de pêche dans la liste. Sélectionnez Appliquer et OK.

    3. Faites glisser l’entrée Période de la liste Tableaux vers le plateau Filtres.

    4. Dans la boîte de dialogue Champ de filtre [Période], sélectionnez Période et sélectionnez Suivant >.

    5. Dans la boîte de dialogue Filtrer [Période], sélectionnez Période, puis 01/01/2023 - 01/02/2023. Sélectionnez Appliquer et OK.

    6. Faites glisser Product Name de la liste Tables vers Rows.

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

    8. Sélectionnez Tableau de texte dans Afficher.

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

      Votre Tableau Desktop devrait ressembler à ce qui suit.

      Tableau Desktop Multiple Dimension Ranked Filter {modal="regular"}

Looker
  1. Dans l’interface Explorer de Looker, assurez-vous que vous disposez d’une configuration propre. Sinon, sélectionnez Paramétrage 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 Date de période puis Date de période.

      Filtre de recherche {modal="regular"}

  4. Spécifiez le filtre Date de plage de dates de la vue de données Cc tel que est dans la plage 2023/01/01 jusqu’au (avant) 2023/02/01.

  5. Sélectionnez + filtre sous Filtres pour ajouter un autre filtre.

  6. Dans la boîte de dialogue Ajouter un filtre :

    1. Sélectionnez ‣ Cc Vue De Données
    2. Dans la liste des champs, sélectionnez nom du filtre.
  7. Assurez-vous que est la sélection pour le filtre.

  8. Sélectionnez Produits de la pêche dans la liste des valeurs possibles.

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

    1. Sélectionnez Nom du produit.
    2. Sélectionnez Nombre sous MESURES dans le rail de gauche (en bas).
  10. Sélectionnez Exécuter.

  11. Sélectionnez ‣ Visualisation.

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

Nombre de recherches distinct {modal="regular"}

Utilisation des valeurs de dimension pour le filtrage

Vous créez un nouveau filtre dans Customer Journey Analytics qui filtre les produits de la catégorie de produits de chasse. Ensuite, vous souhaitez utiliser le nouveau filtre pour générer des rapports sur les noms de produits et les occurrences (événements) pour les produits de la catégorie chasse en janvier 2023.

Customer Journey Analytics

Créez un nouveau filtre avec la Hunting Products Titre dans Customer Journey Analytics.

Customer Journey Analytics Utilise Les Valeurs De Dimension Pour Filtrer {modal="regular"}

Vous pouvez ensuite utiliser ce filtre dans un exemple de panneau Utilisation des valeurs Dimension à filtrer pour le cas d’utilisation :

Valeurs De Nombre Distinct Customer Journey Analytics {modal="regular"}

Outils BI
note prerequisites
PREREQUISITES
Vérifiez que vous avez validé une connexion réussie, que vous pouvez répertorier les vues de données et utiliser une vue de données pour l’outil BI pour lequel vous souhaitez tester ce cas d’utilisation.
tabs
Bureau Power BI
  1. Sélectionnez Accueil dans le menu, puis sélectionnez Actualiser dans la barre d’outils. Vous devez actualiser la connexion pour sélectionner le nouveau filtre que vous venez de définir dans Customer Journey Analytics.

  2. Dans le volet Données :

    1. Sélectionnez daterange.
    2. Sélectionnez filterName.
    3. Sélectionnez product_name.
    4. Sélectionnez ∑ occurrences.

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

  1. Dans le volet Filtres :

    1. Sélectionnez filterName is (All) dans Filtres sur ce visuel.
    2. Sélectionnez Filtrage de base comme type de filtre.
    3. Sous le champ Rechercher, sélectionnez Produits de chasse, qui est le nom du filtre existant défini dans Customer Journey Analytics.
    4. Sélectionnez daterange est (tout) dans Filtres sur ce visuel.
    5. Sélectionnez Filtrage avancé comme Type de filtre.
    6. Définissez le filtre pour Afficher les éléments lorsque la valeur est activée ou ultérieure 1/1/2023 Et est antérieure 2/1/2023.
    7. Sélectionnez CrossSize75 pour supprimer filterName de Columns.
    8. Sélectionnez CrossSize75 pour supprimer daterange de Columns.

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

    Bureau Power BI Utilisant Des Noms De Plage De Dates À Filtrer {modal="regular"}

Tableau Desktop
  1. Dans la vue Source de données, sous Données, dans le menu contextuel de cc_data_view(prod:cja%3FFLATTEN), sélectionnez Actualiser. Vous devez actualiser la connexion pour sélectionner le nouveau filtre que vous venez de définir dans Customer Journey Analytics.

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

    1. Faites glisser l’entrée Nom du filtre de la liste Tableaux dans le plateau Filtres.

    2. Dans la boîte de dialogue Filtrer [Nom du filtre], assurez-vous que Sélectionner dans la liste est sélectionné, puis sélectionnez Produits de chasse dans la liste. Sélectionnez Appliquer et OK.

    3. Faites glisser l’entrée Période de la liste Tableaux vers le plateau Filtres.

    4. Dans la boîte de dialogue Champ de filtre [Période], sélectionnez Période et sélectionnez Suivant >.

    5. Dans la boîte de dialogue Filtrer [Période], sélectionnez Période, puis 01/01/2023 - 1/2/2023. Sélectionnez Appliquer et OK.

    6. Faites glisser Product Name de la liste Tables vers Rows.

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

    8. Sélectionnez Tableau de texte dans Afficher.

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

      Votre Tableau Desktop devrait ressembler à ce qui suit.

      Tableau Desktop Multiple Dimension Ranked Filter {modal="regular"}

Looker
  1. Dans le 1. Dans l’interface Explorer de la recherche, actualisez votre connexion. Sélectionnez Paramètre Effacer le cache et actualiser.

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

  3. Sélectionnez + filtre sous filtres.

  4. Dans la boîte de dialogue Ajouter un filtre :

    1. Sélectionnez ‣ Cc Vue De Données

    2. Dans la liste des champs, sélectionnez Date de période puis Date de période.

      Filtre de recherche {modal="regular"}

  5. Spécifiez le filtre Date de plage de dates de la vue de données Cc tel que est dans la plage 2023/01/01 jusqu’au (avant) 2023/02/01.

  6. Sélectionnez + filtre sous Filtres pour ajouter un autre filtre.

  7. Dans la boîte de dialogue Ajouter un filtre :

    1. Sélectionnez ‣ Cc Vue De Données
    2. Dans la liste des champs, sélectionnez Catégorie de produits.
  8. Assurez-vous que est est sélectionné pour le filtre.

  9. Sélectionnez Produits de chasse dans la liste des valeurs possibles.

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

    1. Sélectionnez Nom du produit.
    2. Sélectionnez Nombre sous MESURES dans le rail de gauche (en bas).
  11. Sélectionnez Exécuter.

Vous devriez voir un tableau similaire comme illustré ci-dessous.

Nombre de recherches distinct {modal="regular"}

Tri

Dans ce cas d’utilisation, vous souhaitez générer des rapports sur le chiffre d’affaires des achats et les achats pour les noms de produit au cours du mois de janvier 2023, triés par ordre de chiffre d’affaires d’achat décroissant.

Customer Journey Analytics

Exemple de panneau Tri pour le cas d’utilisation :

Panneau de tri de Customer Journey Analytics {modal="regular"}

Outils BI
note prerequisites
PREREQUISITES
Vérifiez que vous avez validé une connexion réussie, que vous pouvez répertorier les vues de données et utiliser une vue de données pour l’outil BI pour lequel vous souhaitez tester ce cas d’utilisation.
tabs
Bureau Power BI
  1. Dans le volet Données :

    1. Sélectionnez daterange.
    2. Sélectionnez product_name.
    3. Sélectionnez ∑ purchase_revenue.
    4. Sélectionnez ∑ achats.
  2. Dans le volet Filtres :

    1. Sélectionnez daterange est (tout) dans Filtres sur ce visuel.
    2. Sélectionnez Filtrage avancé comme Type de filtre.
    3. Définissez le filtre pour Afficher les éléments lorsque la valeur est activée ou ultérieure 1/1/2023 Et est antérieure 2/1/2023.
  3. Dans le volet Visualisations :

    1. Sélectionnez CrossSize75 pour supprimer daterange des colonnes.
    2. Faites glisser Somme des revenus_achat au bas des éléments Colonne.
  4. Dans le rapport, sélectionnez Somme des revenus_d’achat pour trier le tableau par ordre décroissant de revenus d’achat.

    Votre bureau Power BI doit se présenter comme suit :

    Bureau Power BI Utilisant Des Noms De Plage De Dates À Filtrer {modal="regular"}

La requête exécutée par Power BI Desktop à l’aide de l’extension BI n’inclut pas d’instruction sort. L’absence d’instruction sort implique que le tri est exécuté côté client.

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

    1. Faites glisser l’entrée Période de la liste Tableaux vers le plateau Filtres.

    2. Dans la boîte de dialogue Champ de filtre [Période], sélectionnez Période et sélectionnez Suivant >.

    3. Dans la boîte de dialogue Filtrer [Période], sélectionnez Période, puis 01/01/2023 - 1/2/2023. Sélectionnez Appliquer et OK.

    4. Faites glisser Nom du produit de la liste Tableaux et déposez l’entrée dans le champ en regard de Lignes.

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

    6. Faites glisser l’entrée Chiffre d’affaires d’achat de la liste Tableaux et déposez-la dans le champ en regard de Colonnes, en regard de SOMME(Achats). La valeur devient SOMME(Chiffre d’affaires d’achat).

    7. Sélectionnez Tableau de texte dans Afficher.

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

    9. Sélectionnez l’en-tête de colonne Chiffre d’affaires d’achat et triez le tableau de cette colonne par ordre décroissant.

      Votre Tableau Desktop devrait ressembler à ce qui suit.

      Tableau Desktop Sort {modal="regular"}

La requête exécutée par Tableau Desktop à l'aide de l'extension BI n'inclut pas d'instruction sort. L’absence de cette instruction sort implique que le tri est exécuté côté client.

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. Dans l’interface Explorer de la recherche, actualisez votre connexion. Sélectionnez Paramètre Effacer le cache et actualiser.

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

  3. Sélectionnez + filtre sous filtres.

  4. Dans la boîte de dialogue Ajouter un filtre :

    1. Sélectionnez ‣ Cc Vue De Données

    2. Dans la liste des champs, sélectionnez Date de période puis Date de période.

      Filtre de recherche {modal="regular"}

  5. Spécifiez le filtre Date de plage de dates de la vue de données Cc tel que est dans la plage 2023/01/01 jusqu’au (avant) 2023/02/01.

  6. Dans la section Cc Vue des données du rail de gauche, sélectionnez Nom du produit.

  7. Dans la section Champs personnalisés dans le rail de gauche :

    1. Sélectionnez Mesure personnalisée dans le menu déroulant + Ajouter.

    2. Dans la boîte de dialogue Créer une mesure personnalisée :

      1. Sélectionnez Chiffre d’affaires d’achat dans le menu déroulant Champ à mesurer.

      2. Sélectionnez Somme dans le menu déroulant Type de mesure.

      3. Saisissez un nom de champ personnalisé pour Nom. Par exemple : Sum of Purchase Revenue.

      4. Sélectionnez l’onglet Détails du champ.

      5. Sélectionnez Décimales dans le menu déroulant Format et assurez-vous que 0 est saisi dans Décimales.

        Champ de mesure personnalisé de recherche {modal="regular"}

      6. Sélectionnez Enregistrer.

  8. Veillez à sélectionner (Décroissant, Ordre de tri : 1) dans la colonne Chiffre d’affaires d’achat.

  9. Sélectionnez Exécuter.

  10. Sélectionnez ‣ Visualisation.

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

Nombre de recherches distinct {modal="regular"}

La requête générée par Looker à l’aide de l’extension BI inclut ORDER BY, ce qui implique que le tri est exécuté via Looker et l’extension BI.

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

Limites

Dans ce cas d’utilisation, vous souhaitez créer un rapport sur les 5 occurrences les plus fréquentes des noms de produit en 2023.

Customer Journey Analytics

Exemple de panneau Limite pour le cas d’utilisation :

Panneau Limite de Customer Journey Analytics {modal="regular"}

Outils BI
note prerequisites
PREREQUISITES
Vérifiez que vous avez validé une connexion réussie, que vous pouvez répertorier les vues de données et utiliser une vue de données pour l’outil BI pour lequel vous souhaitez tester ce cas d’utilisation.
tabs
Bureau Power BI
  1. Dans le volet Données :

    1. Sélectionnez daterange.
    2. Sélectionnez product_name.
    3. Sélectionnez ∑ occurrences.
  2. Dans le volet Filtres :

    1. Sélectionnez daterange est (tout) dans Filtres sur ce visuel.
    2. Sélectionnez Date relative comme Type de filtre.
    3. Définissez le filtre pour Afficher les éléments lorsque la valeur se trouve dans les dernières 1 années civiles.
    4. Sélectionnez Appliquer le filtre.
    5. Sélectionnez product_name is (All) dans Filtres sur ce visuel.
    6. Sélectionnez N premiers comme type de filtre.
    7. Sélectionnez Afficher les éléments En haut 5 Par valeur.
    8. Effectuez un glisser-déposer des ∑ occurrences depuis le volet Données et déposez-les sur Ajouter des champs de données ici.
    9. Sélectionnez Appliquer le filtre.
  3. Dans le volet Visualisation :

    • Sélectionnez CrossSize75 pour supprimer daterange des colonnes.

    Votre bureau Power BI doit se présenter comme suit :

    Bureau Power BI Utilisant Des Noms De Plage De Dates À Filtrer {modal="regular"}

La requête exécutée par Power BI Desktop à l’aide de l’extension BI inclut une instruction limit, mais pas celle attendue. Power BI Desktop applique la limite des 5 principales occurrences à l’aide des résultats de nom de produit explicites.

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

    1. Faites glisser l’entrée Période de la liste Tableaux vers le plateau Filtres.

    2. Dans la boîte de dialogue Champ de filtre [Période], sélectionnez Période et sélectionnez Suivant >.

    3. Dans la boîte de dialogue Filtrer [Période], sélectionnez Dates relatives, Années, puis Années précédentes. Sélectionnez Appliquer et OK.

    4. Faites glisser Product Name de la liste Tables vers Rows.

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

    6. Sélectionnez Tableau de texte dans Afficher.

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

    8. Sélectionnez Nom du produit dans Lignes. Sélectionnez Filtrer dans le menu déroulant.

      1. Dans la boîte de dialogue Filtrer [Nom du produit], sélectionnez l’onglet Haut.

      2. Sélectionnez Par champ : Haut 5 Par occurrences Somme.

      3. Sélectionnez Appliquer et OK.

        AlertRed vous remarquerez que le tableau disparaît. La sélection des 5 premiers noms de produit par occurrences ne fonctionne pas correctement avec ce filtre.

      4. Sélectionnez le Nom du produit dans l’étagère Filtrer, puis dans le menu déroulant, sélectionnez Supprimer. Le tableau réapparaît.

    9. Sélectionnez SUM(Occurrences) dans le rayon Marques. Sélectionnez Filtrer dans le menu déroulant.

      1. Dans la boîte de dialogue Filtrer [Occurrences], sélectionnez Au moins.

      2. Saisissez 47.799 comme valeur. Cette valeur permet de s’assurer que seuls les 5 premiers éléments sont affichés dans le tableau. Sélectionnez Appliquer et OK.

        Votre Tableau Desktop devrait ressembler à ce qui suit.

        Limites de Tableau Desktop {modal="regular"}

Comme indiqué ci-dessus, cette requête exécutée par Tableau Desktop lors de la définition d'un filtre des 5 principales occurrences sur les noms de produits échoue.

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

La requête exécutée par Tableau Desktop lors de la définition d'un filtre Top 5 sur les occurrences est présentée ci-dessous. La limite n’est pas visible dans la requête et appliquée côté client.

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. Dans l’interface Explorer de la recherche, actualisez votre connexion. Sélectionnez Paramètre Effacer le cache et actualiser.

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

  3. Sélectionnez + filtre sous filtres.

  4. Dans la boîte de dialogue Ajouter un filtre :

    1. Sélectionnez ‣ Cc Vue De Données

    2. Dans la liste des champs, sélectionnez Date de période puis Date de période.

      Filtre de recherche {modal="regular"}

  5. Spécifiez le filtre Date de plage de dates de la vue de données Cc tel que est dans la plage 2023/01/01 jusqu’au (avant) 2024/01/01.

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

    1. Sélectionnez Nom du produit.
    2. Sélectionnez Nombre sous MESURES dans le rail de gauche (en bas).
  7. Veillez à sélectionner (Décroissant, Ordre de tri : 1) dans la colonne Chiffre d’affaires d’achat.

  8. Veillez à sélectionner (Décroissant, Ordre de tri : 1) dans la colonne Chiffre d’affaires d’achat.

  9. Sélectionnez Exécuter.

  10. Sélectionnez ‣ Visualisation.

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

Nombre de recherches distinct {modal="regular"}

La requête générée par Looker à l’aide de l’extension BI inclut FETCH NEXT 5 ROWS ONLY, ce qui implique que la limite est exécutée via Looker et l’extension BI.

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

Transformations

Vous souhaitez comprendre les transformations des objets Customer Journey Analytics tels que les dimensions, les mesures, les filtres, les mesures calculées et les périodes par les différents outils de BI.

Customer Journey Analytics
Dans Customer Journey Analytics, vous définissez dans une vue de données les composants de vos jeux de données qui sont exposés en tant que dimensions et mesures, ainsi que la manière dont ils le sont. Cette définition de dimension et de mesures est exposée aux outils BI à l’aide de l’extension BI.
Vous utilisez des composants tels que Filtres, Mesures calculées et Périodes dans le cadre de vos projets Workspace. Ces composants sont également exposés aux outils de BI à l’aide de l’extension BI.
Outils BI
note prerequisites
PREREQUISITES
Vérifiez que vous avez validé une connexion réussie, que vous pouvez répertorier les vues de données et utiliser une vue de données pour l’outil BI pour lequel vous souhaitez tester ce cas d’utilisation.
tabs
Bureau Power BI

Les objets Customer Journey Analytics sont disponibles dans le volet Données et sont récupérés à partir du tableau que vous avez sélectionné dans Power BI Desktop. Par exemple, public.cc_data_view. Le nom de la table est identique à l’ID externe que vous avez défini pour votre vue de données dans Customer Journey Analytics. Par exemple, la vue de données avec les cc_data_view Titre C&C - Data View et ID externe.

Dimensions
Les dimensions Customer Journey Analytics sont identifiées par l’ID de composant. L’ID de composant est défini dans votre vue de données Customer Journey Analytics. Par exemple, la dimension Nom du produit dans Customer Journey Analytics comporte un ID de composant nom_produit, qui est le nom de la dimension dans Power BI Desktop.
Les dimensions de période de Customer Journey Analytics, telles que Jour, Semaine, Mois, etc. sont disponibles sous la forme daterangeday, daterangeweek, daterangemonth, etc.

Mesures
Les mesures Customer Journey Analytics sont identifiées par l’ID de composant. L’ID de composant est défini dans votre vue de données Customer Journey Analytics. Par exemple, la mesure Chiffre d’affaires d’achat dans Customer Journey Analytics comporte un ID de composant purchase_revenue, qui est le nom de la mesure dans Power BI Desktop. Un indique les mesures. Lorsque vous utilisez une mesure dans n’importe quelle visualisation, la mesure est renommée **Somme de *mesure ***.

Filtres
Les filtres que vous définissez dans Customer Journey Analytics sont disponibles dans le champ filterName. Lorsque vous utilisez un champ filterName dans Power BI Desktop, vous pouvez spécifier le filtre à utiliser.

Mesures calculées
Les mesures calculées que vous définissez dans Customer Journey Analytics sont identifiées par l’ID externe que vous avez défini pour la mesure calculée. Par exemple, la mesure calculée Nom du produit (nombre distinct) comporte ID externe nom_produit_nombre_distinct et s’affiche sous la forme cm_nom_produit_nombre_distinct ​t dans Power BI Desktop.

périodes
Les périodes que vous définissez dans Customer Journey Analytics sont disponibles dans le champ daterangeName. Lorsque vous utilisez un champ daterangeName, vous pouvez spécifier la période à utiliser.

Transformations personnalisées
Power BI Desktop fournit une fonctionnalité de transformation personnalisée à l’aide de Data Analysis Expressions (DAX). Par exemple, vous souhaitez exécuter le cas d’utilisation Classement sur une seule dimension avec les noms de produits en minuscules.

  1. Dans la vue Rapport, sélectionnez la visualisation sous forme de barre.

  2. Sélectionnez product_name dans le volet Données.

  3. Sélectionnez Nouvelle colonne dans la barre d’outils.

  4. Dans l’éditeur de formules, définissez une nouvelle colonne nommée product_name_lower, comme product_name_lower = LOWER('public.cc_data_view[product_name]).
    Power BI Desktop Transformation to Lower {modal="regular"}

  5. Veillez à sélectionner la nouvelle colonne product_name_lower dans le volet Données au lieu de la colonne product_name.

  6. Sélectionnez Rapport sous forme de tableau dans Plus dans la visualisation du tableau.

    Votre bureau Power BI doit se présenter comme suit :
    Power BI Desktop Transformation Final {modal="regular"}

La transformation personnalisée entraîne une mise à jour des requêtes SQL. Consultez l’utilisation de la fonction lower dans l’exemple SQL ci-dessous :

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

Les objets Customer Journey Analytics sont disponibles dans la barre latérale Données lorsque vous travaillez dans une feuille. et sont récupérés à partir du tableau que vous avez sélectionné dans le cadre de la page Source de données de Tableau. Par exemple, cc_data_view. Le nom de la table est identique à l’ID externe que vous avez défini pour votre vue de données dans Customer Journey Analytics. Par exemple, la vue de données avec les cc_data_view Titre C&C - Data View et ID externe.

Dimensions
Les dimensions de Customer Journey Analytics sont identifiées par le nom du composant. Le nom du composant est défini dans votre vue de données Customer Journey Analytics. Par exemple, la dimension Nom du produit dans Customer Journey Analytics comporte un Nom du composant Nom du produit, qui est le nom de la dimension dans Tableau. Toutes les dimensions sont identifiées par Abc.
Les dimensions de période de Customer Journey Analytics, telles que Jour, Semaine, Mois, etc. sont disponibles sous la forme JourCatalogue, SemaineCatalogue, MoisCatalogue, etc. Lorsque vous utilisez une dimension de période, vous devez sélectionner une définition de date ou d’heure appropriée à appliquer à cette dimension de période dans le menu déroulant. Par exemple, Année, Trimestre, Mois, Jour.

Mesures
Les mesures Customer Journey Analytics sont identifiées par le nom du composant. Le nom du composant est défini dans votre vue de données Customer Journey Analytics. Par exemple, la mesure Chiffre d’affaires d’achat dans Customer Journey Analytics comporte un Nom du composant Chiffre d’affaires d’achat, qui est le nom de la mesure dans Tableau. Toutes les mesures sont identifiées par #. Lorsque vous utilisez une mesure dans n’importe quelle visualisation, la mesure est renommée Somme(mesure).

Filtres
Les filtres que vous définissez dans Customer Journey Analytics sont disponibles dans le champ Nom du filtre. Lorsque vous utilisez un champ Nom du filtre dans Tableau, vous pouvez spécifier le filtre à utiliser.

Mesures calculées
Les mesures calculées que vous définissez dans Customer Journey Analytics sont identifiées par le Titre que vous avez défini pour la mesure calculée. Par exemple, la mesure calculée Nom du produit (Nombre distinct) comporte Titre Nom du produit (Nombre distinct) et s’affiche sous la forme Cm Nom du produit Nombre distinct dans le tableau.

périodes
Les périodes que vous définissez dans Customer Journey Analytics sont disponibles dans le champ Nom de la période. Lorsque vous utilisez un champ Nom de la période, vous pouvez spécifier la période à utiliser.

Transformations personnalisées
Tableau Desktop fournit une fonctionnalité de transformation personnalisée à l'aide de Champs calculés. Par exemple, vous souhaitez exécuter le cas d’utilisation Classement sur une seule dimension avec les noms de produits en minuscules.

  1. Sélectionnez Analyse > Créer un champ calculé dans le menu principal.

    1. Définissez Nom du produit en minuscules à l’aide de la fonction LOWER([Product Name]).

      Champ calculé Tableau {modal="regular"}

    2. Sélectionnez OK.

  2. Sélectionnez la feuille Données.

    1. Faites glisser Nom du produit en minuscules depuis Tableaux et déposez l’entrée dans le champ en regard de Lignes.
    2. Supprimez Nom du produit de Lignes.
  3. Sélectionnez la vue Tableau de bord 1.

Votre Tableau Desktop devrait ressembler à ce qui suit.

Tableau Desktop après la transformation {modal="regular"}

La transformation personnalisée entraîne une mise à jour des requêtes SQL. Consultez l’utilisation de la fonction LOWER dans l’exemple SQL ci-dessous :

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

Les objets Customer Journey Analytics sont disponibles dans l’interface Explorer. Les et sont récupérés dans le cadre de la configuration de votre connexion, projet et modèle dans Looker. Par exemple, cc_data_view. Le nom de la vue est identique à l’ID externe que vous avez défini pour votre vue de données dans Customer Journey Analytics. Par exemple, la vue de données avec les cc_data_view Titre C&C - Data View et ID externe.

Dimensions
Les dimensions de Customer Journey Analytics sont répertoriées sous la forme DIMENSION dans le rail de gauche Vue de données Cc. La dimension est définie dans la vue de données Customer Journey Analytics. Par exemple, la dimension Nom du produit dans Customer Journey Analytics comporte un DIMENSION Nom du produit, qui est le nom de la dimension dans l’outil de recherche.
Les dimensions de période de Customer Journey Analytics, telles que Jour, Semaine, Mois, etc. sont disponibles sous la forme Date du jour de date, Date de la semaine de date, Date du mois de date, etc. Lorsque vous utilisez une dimension de période, vous devez sélectionner une définition de date ou d’heure appropriée. Par exemple, Année, Trimestre, Mois, Date.

Mesures
Les mesures provenant de Customer Journey Analytics sont répertoriées sous la forme DIMENSION dans le rail de gauche Vue de données Cc. Par exemple, la mesure Chiffre d’affaires d’achat dans Customer Journey Analytics comporte un DIMENSION Chiffre d’affaires d’achat. Pour utiliser réellement comme mesure, créez un champ de mesure personnalisé comme illustré dans les exemples ci-dessus ou utilisez le raccourci sur une dimension. Par exemple, , sélectionnez Agrégat, puis Somme

Filtres
Les filtres que vous définissez dans Customer Journey Analytics sont disponibles dans le champ Nom du filtre. Lorsque vous utilisez un champ Nom du filtre dans le Looker, vous pouvez spécifier le filtre à utiliser.

Mesures calculées
Les mesures calculées que vous définissez dans Customer Journey Analytics sont identifiées par le Titre que vous avez défini pour la mesure calculée. Par exemple, la mesure calculée Nom du produit (Nombre distinct) comporte Titre Nom du produit (Nombre distinct) et s’affiche sous la forme Cm Nom du produit Nombre distinct dans l’outil de recherche.

périodes
Les périodes que vous définissez dans Customer Journey Analytics sont disponibles dans le champ Nom de la période. Lorsque vous utilisez un champ Nom de la période, vous pouvez spécifier la période à utiliser.

Transformations personnalisées
Looker fournit une fonctionnalité de transformation personnalisée à l’aide de créateurs de champs personnalisés, comme illustré ci-dessus. Par exemple, vous souhaitez exécuter le cas d’utilisation Classement sur une seule dimension avec les noms de produits en minuscules.

  1. Dans la section Champs personnalisés dans le rail de gauche :

    1. Sélectionnez Custom Dimension dans le menu déroulant + Ajouter.

    2. Saisissez lower(${cc_data_view.product_name}) dans la zone de texte Expression. La syntaxe correcte vous est fournie lorsque vous commencez à saisir Product Name.

      Exemple de transformation de recherche {modal="regular"}

    3. Saisissez product name comme Nom.

    4. Sélectionnez Enregistrer.

Vous devriez voir un tableau similaire comme illustré ci-dessous.

Résultat de la transformation de l’observateur {modal="regular"}

La transformation personnalisée entraîne une mise à jour des requêtes SQL. Consultez l’utilisation de la fonction LOWER dans l’exemple SQL ci-dessous :

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

Visualisations

Vous souhaitez comprendre comment les visualisations, disponibles dans Customer Journey Analytics, peuvent être créées de manière similaire à l’aide des visualisations disponibles dans les outils de BI.

Customer Journey Analytics
Customer Journey Analytics comporte plusieurs visualisations. Consultez Visualisations pour une introduction et un aperçu de toutes les visualisations possibles.