1. Dans le volet Données :

   1. Sélectionnez daterange.
   2. Sélectionnez product_name.
   3. Sélectionnez sum purchase_revenue.
   4. Sélectionnez somme des achats.

   Un tableau vide n’affiche que les en-têtes de colonne pour l’élément sélectionné. Pour une meilleure visibilité, agrandissez la visualisation.

2. Dans le volet Filtres :

   1. Sélectionnez l’daterange is (All) 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.

   Le tableau est mis à jour avec le filtre daterange appliqué.

3. Dans le volet Visualisation :

   1. Utilisez pour supprimer daterange de Columns.
   2. Effectuez un glisser-déposer Somme des achats_revenus sous Somme des achats dans Colonnes.

4. Dans la visualisation Tableau :

   1. Sélectionnez Somme des revenus_d’achat pour trier les noms de produit dans l’ordre de revenus d’achat décroissant. Votre bureau Power BI doit se présenter comme suit :

   

5. Dans le volet Filtres :

   1. Sélectionnez product_name is (All).
   2. Définissez Type de filtre sur N en haut.
   3. Définissez le filtre sur Afficher les éléments En haut 10 Par valeur.
   4. Effectuez un glisser-déposer de purchase_revenue dans Par valeur Ajoutez des champs de données ici.
   5. Sélectionnez Appliquer le filtre.

   Le tableau est mis à jour avec les valeurs des recettes d’achat en synchronisation avec la visualisation du tableau à structure libre dans Analysis Workspace.

6. Dans le volet Visualisations :

   1. Sélectionnez la visualisation Graphique en courbes et histogramme empilé.

   Une visualisation sous forme de graphiques en courbes et en colonnes empilées remplace le tableau tout en utilisant les mêmes données que le tableau.

7. Effectuez un glisser-déposer achats sur Axe Y de la ligne dans le volet Visualisations.

   Le graphique en courbes et en colonnes empilées est mis à jour. Votre bureau Power BI doit se présenter comme suit :

   

8. Dans la visualisation sous forme de graphique en courbes et histogramme empilé :

   1. Sélectionnez .
   2. Dans le menu contextuel, sélectionnez Afficher sous forme de tableau.

   La vue principale est mise à jour pour afficher à la fois une visualisation en ligne et un tableau.

   

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 et spécifiez une période de 01/01/2023 - 31/12/2023. Sélectionnez Appliquer et OK.

      

   4. Effectuez un glisser-déposer de Nom du produit depuis la liste Tableaux dans le volet Données et déposez l’entrée dans le champ en regard de Lignes.

   5. Effectuez un glisser-déposer Achats depuis la liste Tableaux (Noms des mesures) dans le volet Données et déposez l’entrée dans le champ en regard de Lignes. La valeur est automatiquement convertie en SUM(Purchases).

   6. Effectuez un glisser-déposer Chiffre d’affaires d’achat depuis la liste Tableaux (Noms de mesures) dans le volet Données et déposez l’entrée dans le champ à côté de Colonnes et à gauche de SUM(Achats). La valeur est automatiquement convertie en SOMME(chiffre d’affaires d’achat).

   7. Pour classer les deux graphiques dans l’ordre décroissant des recettes d’achat, placez le curseur sur le titre Recettes d’achat et sélectionnez l’icône de tri.

   8. Pour limiter le nombre d’entrées dans les graphiques, sélectionnez SOMME(Chiffre d’affaires d’achat) dans Lignes, puis dans le menu déroulant, sélectionnez Filtrer.

   9. Dans la boîte de dialogue Filtrer [Chiffre d’affaires d’achat], sélectionnez Plage de valeurs et saisissez les valeurs appropriées. Par exemple : 1,000,000 - 2,000,000. Sélectionnez Appliquer et OK.

   10. Pour convertir les deux graphiques à barres en graphique à double combinaison, sélectionnez SOMME(Achats) dans Lignes et dans le menu déroulant, sélectionnez Axe double. Les graphiques à barres se transforment en graphique de dispersion.

   11. Pour modifier le graphique de dispersion en graphique à barres :

       1. Sélectionnez SOMME(Achats) dans la zone Marques et sélectionnez Ligne dans le menu déroulant.
       2. Sélectionnez SOMME(Chiffre d’affaires d’achat) dans la zone Marques et sélectionnez Barre dans le menu déroulant.

   Votre Tableau Desktop devrait ressembler à ce qui suit.

   

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 Graph.

5. Assurez-vous que la feuille Data est sélectionnée.

   1. Sélectionnez Afficher en haut à droite, puis sélectionnez Tableau de texte (visualisation en haut à gauche) pour modifier le contenu des deux graphiques en tableau.
   2. Pour commander les recettes d’achat par ordre décroissant, passez la souris sur Recettes d’achat dans le tableau, puis sélectionnez .
   3. Sélectionnez Vue entière dans le menu déroulant Ajuster.

   Votre Tableau Desktop devrait ressembler à ce qui suit.

   

6. 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 Graph de l’étagère Feuilles sur la vue Tableau de bord 1 qui indique Déposez les feuilles ici.
   2. Faites glisser et déposez la feuille Données de l’étagère Feuilles sous la feuille Graphique vers la vue Tableau de bord 1.
   3. Sélectionnez la feuille Données dans la vue et modifiez Vue entière en Fixe largeur.

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

   

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

2. Sélectionnez + filtre sous filtres.

3. Dans la boîte de dialogue Ajouter un filtre :

   1. Sélectionnez ‣ Cc Vue De Données

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

      

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) 2024/01/01.

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

6. 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 : 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.

         

      6. Sélectionnez Enregistrer.

   3. Sélectionnez Mesure personnalisée une fois de plus dans le menu déroulant + Ajouter. Dans la boîte de dialogue Créer une mesure personnalisée :

      1. Sélectionnez Achats 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 Purchases.
      4. Sélectionnez l’onglet Détails du champ.
      5. Sélectionnez Décimales dans le menu déroulant Format et assurez-vous que 0 est saisi dans Décimales.
      6. Sélectionnez Enregistrer.

   4. Les deux champs sont automatiquement ajoutés à la vue de données.

7. Sélectionnez + Filtre pour ajouter un autre Filtres et pour limiter les données.

8. Dans la boîte de dialogue Ajouter un filtre, sélectionnez Champs personnalisés, puis Chiffre d’affaires d’achat.

9. Effectuez les sélections appropriées et saisissez les valeurs proposées afin que le filtre lise est compris entre inclusifs 1000000 ET 2000000.

10. Sélectionnez Exécuter.

11. Sélectionnez ‣ Visualisation pour afficher la visualisation Ligne.

12. Sélectionnez Modifier dans Visualisation pour mettre à jour la visualisation. Dans la boîte de dialogue contextuelle, réalisez les actions suivantes :

    1. Sélectionnez l’onglet Série.

    2. Faites défiler la page vers le bas pour afficher Achats et remplacez Type par Ligne.

    3. Sélectionnez l’onglet Y.

    4. Faites glisser Achats du conteneur Gauche 1 jusqu’à l’emplacement où il est indiqué **Faites glisser la série ici pour créer un nouvel axe gauche . Cette action crée un conteneur​ ​ Left 2 ​.

       

    5. Sélectionnez en regard de Modifier pour masquer la boîte de dialogue contextuelle

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

1. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-none

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \ GROUP BY 1 \ LIMIT 10; df = data.DataFrame() df = df.groupby('Product Name', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.barplot(x='Purchase Revenue', y='Product Name', data=df) plt.show() display(data)

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

   

1. Saisissez les instructions suivantes entre {r} ` et ` dans un nouveau bloc.

   code language-r

   library(tidyr) ## Single dimension ranked df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2024-01-01") %>% group_by(product_name) %>% summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases)) %>% arrange(product_name, .by_group = FALSE) dfV <- df %>% head(5) ggplot(dfV, aes(x = purchase_revenue, y = product_name)) + geom_col(position = "dodge") + geom_text(aes(label = purchase_revenue), vjust = -0.5) print(df)

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

   

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 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.

2. Dans le volet Données :

   1. Sélectionnez datarangeday.
   2. Sélectionnez product_category.
   3. Sélectionnez product_name.
   4. Sélectionnez sum purchase_revenue
   5. Sélectionnez somme des achats

3. Pour modifier le graphique à barres verticales en tableau, assurez-vous que le tableau est sélectionné et sélectionnez Matrice dans le volet Visualisations.

   • Faites glisser product_name depuis Columns et déposez le champ sous product_category ​y dans Rows dans le volet Visualisation.

4. Pour limiter le nombre de produits affichés dans le tableau, sélectionnez product_name is (All) dans le volet Filtres.

   1. Sélectionnez Filtrage avancé.
   2. Sélectionnez Type de filtre Top N Afficher les éléments Top 15 Par valeur.
   3. Faites glisser purchases du volet Données sur le Ajouter des champs de données ici.
   4. Sélectionnez Appliquer le filtre.

5. Pour améliorer la lisibilité, sélectionnez Affichage dans le menu supérieur, puis sélectionnez Page vue > Taille réelle et redimensionnez la visualisation du tableau.

6. Pour ventiler chaque catégorie dans le tableau, sélectionnez + au niveau de la catégorie de produits. Votre bureau Power BI doit se présenter comme suit :

   

7. Sélectionnez Accueil dans le menu supérieur, puis sélectionnez Nouveau visuel. Un nouvel élément visuel est ajouté à votre rapport.

8. Dans le volet Données :

   1. Sélectionnez product_category.
   2. Sélectionnez product_name.
   3. Sélectionnez chiffre_d’affaires_achat.

9. Pour modifier le visuel, sélectionnez le graphique à barres et sélectionnez Treemap dans le volet Visualisations.

10. Assurez-vous que product_category est répertorié sous Category et product_name est répertorié sous Details dans le volet Visualisations.

    Votre bureau Power BI doit se présenter comme suit :

    

11. Sélectionnez Accueil dans le menu supérieur, puis sélectionnez Nouveau visuel. Un nouvel élément visuel est ajouté à votre rapport.

12. Dans le volet Données :

    1. Sélectionnez product_category.
    2. Sélectionnez chiffre_d’affaires_achat.
    3. Sélectionnez achat.

13. Dans le volet Visualisations :

    1. Pour modifier la visualisation, sélectionnez Graphique linéaire et histogramme empilé.
    2. Faites glisser sum_of_purchases de axe Y de colonne vers axe Y de ligne.

14. Dans le rapport, redistribuer les visualisations individuelles.

    Votre bureau Power BI doit se présenter comme suit :

    

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

   1. Faites glisser l’entrée 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 Dates relatives, Années et spécifiez Année précédente. Sélectionnez Appliquer et OK.

      Votre Tableau Desktop devrait ressembler à ce qui suit.

      

   4. Faites glisser Catégorie de produits et déposez-la en regard de Colonnes.

   5. Faites glisser Chiffre d’affaires d’achat et déposez-le en regard de Lignes. La valeur devient SOMME(Chiffre d’affaires d’achat).

   6. Faites glisser Achats et déposez-les en regard de Lignes. La valeur devient SUM(Purchases).

   7. Sélectionnez SOMME(Achats) puis, dans le menu déroulant, sélectionnez Axe double.

   8. Sélectionnez SOMME(Achats) dans Marques et sélectionnez Ligne dans le menu déroulant.

   9. Sélectionnez SOMME(Chiffre d’affaires d’achat) dans Marques et sélectionnez Barre dans le menu déroulant.

   10. Sélectionnez Vue entière dans le menu Ajuster.

   11. Sélectionnez le titre Chiffre d’affaires d’achat dans le graphique et assurez-vous que le chiffre d’affaires d’achat est dans l’ordre croissant.

       Votre Tableau Desktop devrait ressembler à ce qui suit.

       

2. Renommez la feuille Feuille 1 actuelle en Category.

3. Sélectionnez Nouvelle feuille de calcul pour créer une feuille et la renommer en Data.

   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 Dates relatives, Années et spécifiez Année précédente. Sélectionnez Appliquer et OK.

   4. Faites glisser Chiffre d’affaires d’achat du volet Données vers Colonnes. La valeur devient SOMME(Chiffre d’affaires d’achat).

   5. Faites glisser Achat du volet Données vers Colonnes, en regard de Chiffre d’affaires d’achat. La valeur devient SUM(Purchases).

   6. Faites glisser Catégorie de produits du volet Données vers Lignes.

   7. Faites glisser Nom du produit du volet Données vers Lignes, en regard de Catégorie de produits.

   8. Pour transformer les deux barres horizontales en tableau, sélectionnez Tableau de texte dans Afficher.

   9. Pour limiter le nombre de produits, sélectionnez Achats dans Valeurs de mesure. Dans le menu déroulant, sélectionnez Filtrer.

   10. Dans la boîte de dialogue Filtrer [Achats], sélectionnez Au moins et saisissez 7000. Sélectionnez Appliquer et OK.

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

       Votre Tableau Desktop devrait ressembler à ce qui suit.

       

4. Sélectionnez Nouvelle feuille de calcul pour créer une feuille et la renommer en Treemap.

   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 Dates relatives, Années et spécifiez Année précédente. Sélectionnez Appliquer et OK.

   4. Faites glisser Chiffre d’affaires d’achat du volet Données vers Lignes. Les valeurs sont remplacées par SOMME(Chiffre d’affaires d’achat).

   5. Faites glisser Achat du volet Données vers Lignes, en regard de Chiffre d’affaires d’achat. La valeur devient SUM(Purchases).

   6. Faites glisser Catégorie de produits du volet Données vers Colonnes.

   7. Faites glisser Nom du produit du volet Données vers Colonnes.

   8. Pour remplacer les deux graphiques à barres verticales par un Treemap, sélectionnez Treemap dans Afficher.

   9. Pour limiter le nombre de produits, sélectionnez Achats dans Valeurs de mesure. Dans le menu déroulant, sélectionnez Filtrer.

   10. Dans la boîte de dialogue Filtrer [Achats], sélectionnez Au moins et saisissez 7000. Sélectionnez Appliquer et OK.

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

       Votre Tableau Desktop devrait ressembler à ce qui suit.

       

5. 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 Catégorie de l'étagère Feuilles vers la vue Tableau de bord 1 qui indique Déposez les feuilles ici.
   2. Faites glisser et déposez la feuille Treemap de l’étagère Feuilles sous la feuille Catégorie dans la vue Tableau de bord 1.
   3. Faites glisser et déposez la feuille Data de l’étagère Sheets sous la feuille Treemap dans la vue Tableau de bord 1.
   4. Redimensionnez chacune des feuilles de la vue.

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

   

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

2. Sélectionnez + filtre sous filtres.

3. Dans la boîte de dialogue Ajouter un filtre :

   1. Sélectionnez ‣ Cc Vue De Données

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

      

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) 2024/01/01.

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

   1. Sélectionnez Catégorie de produits.
   2. Sélectionnez Nom du produit.

6. 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.

         

      6. Sélectionnez Enregistrer.

   3. Sélectionnez Mesure personnalisée une fois de plus dans le menu déroulant + Ajouter. Dans la boîte de dialogue Créer une mesure personnalisée :

      1. Sélectionnez Achats 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 Purchases.
      4. Sélectionnez l’onglet Détails du champ.
      5. Sélectionnez Décimales dans le menu déroulant Format et assurez-vous que 0 est saisi dans Décimales.
      6. Sélectionnez Enregistrer.

   4. Les deux champs sont automatiquement ajoutés à la vue de données.

7. Dans la section Filtres, sélectionnez + Filtre. Dans la boîte de dialogue Ajouter un filtre. Sélectionnez Champs personnalisés puis Chiffre d’affaires d’achat.

8. Sélectionnez est > et saisissez 800000 pour limiter les résultats.

9. Sélectionnez Exécuter.

10. Sélectionnez ‣ Visualisation pour afficher la visualisation Ligne.

11. Sélectionnez Modifier dans Visualisation pour mettre à jour la visualisation. Dans la boîte de dialogue contextuelle, réalisez les actions suivantes :

    1. Sélectionnez l’onglet Tracer.

    2. Faites défiler vers le bas et sélectionnez Modifier la configuration du graphique.

    3. Modifiez le fichier JSON dans Configuration du graphique (remplacement) comme dans la capture d’écran ci-dessous, puis sélectionnez Aperçu.

       

    4. Sélectionnez Appliquer.

    5. Sélectionnez en regard de Modifier pour masquer la boîte de dialogue contextuelle

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

1. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-none

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_category AS `Product Category`, product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \ GROUP BY 1, 2 \ ORDER BY `Purchase Revenue` DESC \ LIMIT 10; df = data.DataFrame() df = df.groupby(['Product Category', 'Product Name'], as_index=False).sum() plt.figure(figsize=(8, 8)) sns.scatterplot(x='Product Category', y='Product Name', size='Purchase Revenue', sizes=(10, 200), hue='Purchases', palette='husl', data=df) plt.show() display(data)

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

   

1. Saisissez les instructions suivantes entre {r} ` et ` dans un nouveau bloc.

   code language-r
   ## Multiple dimensions ranked df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2024-01-01") %>% group_by(product_category, product_name) %>% summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases), .groups = "keep") %>% arrange(desc(purchase_revenue), .by_group = FALSE) print(df)

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

   

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 sum 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 :

   

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 :

   

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.

   

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 sélectionnez 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.

      

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, puis 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.

    

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 :

    

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.

   

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

2. Sélectionnez + filtre sous filtres.

3. Dans la boîte de dialogue Ajouter un filtre :

   1. Sélectionnez ‣ Cc Vue De Données

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

      

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.

      

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.

1. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-none
   data = %sql SELECT COUNT(DISTINCT(product_name)) AS `Product Name` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01'; display(data)

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

   

1. Saisissez les instructions suivantes entre {r} ` et ` dans un nouveau bloc.

   code language-r
   ## Count Distinct df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>% summarise(product_name_count_distinct = n_distinct(product_name)) print(df)

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

   

1. Dans le volet Données :

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

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

2. Dans le volet Filtres :

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

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

   

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

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

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

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

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

   5. Sélectionnez Tableau de texte dans Afficher.

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

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

      Votre Tableau Desktop devrait ressembler à ce qui suit.

      

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

2. Sélectionnez + filtre sous filtres.

3. Dans la boîte de dialogue Ajouter un filtre :

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

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

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

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

6. Sélectionnez Exécuter.

7. Sélectionnez ‣ Visualisation.

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

1. Saisissez les instructions suivantes dans une nouvelle cellule.

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

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

   

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

4. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-python
   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT daterangemonth AS Month, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterangeName = '{daterange_name.value}' \ GROUP BY 1 \ ORDER BY Month ASC df = data.DataFrame() df = df.groupby('Month', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.lineplot(x='Month', y='Events', data=df) plt.show() display(data)

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

   

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

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

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

   

1. Dans le volet Données :

   1. Sélectionnez daterange.
   2. Sélectionnez filterName.
   3. Sélectionnez product_name.
   4. Sélectionnez somme des 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 pour supprimer filterName de Columns.
   8. Sélectionnez 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 :

   

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 [Daterang], sélectionnez Plage de dates, puis sélectionnez 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.

      

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

2. Sélectionnez + filtre sous filtres.

3. Dans la boîte de dialogue Ajouter un filtre :

   1. Sélectionnez ‣ Cc Vue De Données

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

      

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.

1. Saisissez les instructions suivantes dans une nouvelle cellule.

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

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

   

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

4. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-python

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ AND filterName = '{filter_name.value}' \ GROUP BY 1 \ LIMIT 10; df = data.DataFrame() df = df.groupby('Product Name', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.barplot(x='Events', y='Product Name', data=df) plt.show() display(data)

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

   

1. Saisissez les instructions suivantes entre {r} ` et ` dans un nouveau bloc. Veillez à utiliser le nom de filtre approprié. Par exemple : Fishing Products.

   code language-r
   ## Dimension filtered by name df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & filterName == "Fishing Products") %>% group_by(product_name) %>% count() %>% arrange(desc(n), .by_group = FALSE) print(df)

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

   

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 product_category.
   3. Sélectionnez product_name.
   4. Sélectionnez somme des 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. Sélectionnez daterange est (tout) dans Filtres sur ce visuel.
   4. Sélectionnez Filtrage avancé comme Type de filtre.
   5. Définissez le filtre pour Afficher les éléments lorsque la valeur est activée ou ultérieure 1/1/2023 Et est antérieure 2/1/2023.
   6. Sélectionnez Filtre de base comme Type de filtre pour product_category, puis sélectionnez Chasse dans la liste des valeurs possibles.
   7. Sélectionnez pour supprimer filterName de Columns.
   8. Sélectionnez pour supprimer daterange de Columns.

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

   

Tableau Desktop ne prend pas en charge la récupération de la liste dynamique des catégories de produits depuis Customer Journey Analytics. À la place, ce cas d’utilisation utilise le filtre nouvellement créé pour Produits de chasse et utilise les critères de nom du filtre.

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 sélectionnez 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.

      

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

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

      

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.

Recherche n'affiche pas la liste des valeurs possibles pour Catégorie de produits.

1. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-python
   data = %sql SELECT DISTINCT product_category FROM cc_data_view WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01'; style = {'description_width': 'initial'} category_filter = widgets.Dropdown( options=[d for d, in data], description='Product Category:', style=style ) display(category_filter)

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

   

3. Sélectionnez Chasse dans le menu déroulant.

4. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-python

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ AND product_category = '{category_filter.value}' \ GROUP BY 1 \ ORDER BY Events DESC \ LIMIT 10; df = data.DataFrame() df = df.groupby('Product Name', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.barplot(x='Events', y='Product Name', data=df) plt.show() display(data)

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

   

1. Saisissez les instructions suivantes entre {r} ` et ` dans un nouveau bloc. Veillez à utiliser une catégorie appropriée. Par exemple, Hunting.

   code language-r
   ## Dimension 1 Filtered by Dimension 2 value df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & product_category == "Hunting") %>% group_by(product_name) %>% count() %>% arrange(desc(n), .by_group = FALSE) print(df)

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

   

1. Dans le volet Données :

   1. Sélectionnez daterange.
   2. Sélectionnez product_name.
   3. Sélectionnez sum purchase_revenue.
   4. Sélectionnez somme des 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 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 :

   

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.

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

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 sélectionnez 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.

      

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.

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

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

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

      

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.

         

      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.

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.

-- 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 '2024-01-31')) AND ( cc_data_view."daterange"  ) < (DATE_TRUNC('day', DATE '2023-02-01'))))
GROUP BY
    1
ORDER BY
    2 DESC
FETCH NEXT 500 ROWS ONLY

1. Saisissez les instructions suivantes dans une nouvelle cellule.

   code language-python
   data = %sql SELECT product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ GROUP BY 1 \ ORDER BY `Purchase Revenue` DESC \ LIMIT 5; display(data)

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

   

La requête est exécutée par l’extension BI, comme défini dans le notebook Jupyter.

1. Saisissez les instructions suivantes entre {r} ` et ` dans un nouveau bloc.

   code language-r
   ## Dimension 1 Sorted df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>% group_by(product_name) %>% summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases), .groups = "keep") %>% arrange(desc(purchase_revenue), .by_group = FALSE) print(df)

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

   

La requête générée par RStudio à l’aide de l’extension BI inclut ORDER BY, ce qui implique que la commande est appliquée via RStudio et l’extension BI.

SELECT
  "product_name",
  SUM("purchase_revenue") AS "purchase_revenue",
  SUM("purchases") AS "purchases"
FROM (
  SELECT "cc_data_view".*
  FROM "cc_data_view"
  WHERE ("daterange" >= '2023-01-01' AND "daterange" < '2023-02-01')
) AS "q01"
GROUP BY "product_name"
ORDER BY "purchase_revenue" DESC
LIMIT 1000