Strumenti BI
PREREQUISITES
Verificare di aver convalidato una connessione, di avere la possibilità di elencare le visualizzazioni dati e di utilizzare una visualizzazione dati per lo strumento BI per il quale si desidera provare questo caso d'uso.
  1. Nel riquadro Data:

    1. Seleziona daterange (Aggiungi set di dati).
    2. Seleziona product_name (Aggiungi set di dati).
    3. Seleziona ∑ purchase_revenue (Aggiungi set di dati).
    4. Seleziona ∑ purchases (Salva).

    Viene visualizzata una tabella vuota contenente solo le intestazioni di colonna per l’elemento selezionato. Per una migliore visibilità, ingrandisci la visualizzazione.

  2. Nel riquadro Filters:

    1. Selezionare daterange is (All) da Filters on this visual.
    2. Seleziona Relative date come Filter type.
    3. Definisci il filtro su Show items when the value is in the last 1 calendar years.
    4. Seleziona Apply filter.

    La tabella viene aggiornata con il filtro daterange applicato.

  3. Nel riquadro Visualization:

    1. Utilizzare CrossSize75 per rimuovere daterange da Columns.
    2. Trascinare Sum of purchases_revenue sotto Sum of purchases in Columns.
  4. Nella visualizzazione Tabella:

    1. Selezionare Sum of purchase_revenue per ordinare i nomi dei prodotti nell'ordine decrescente dei ricavi di acquisto. Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Caso di utilizzo desktop di Power BI: 5 stato tabella

  5. Nel riquadro Filters:

    1. Seleziona product_name is (All).
    2. Imposta Filter type su Top N.
    3. Definisci il filtro su Show items Top 10 By value.
    4. Trascinare purchase_revenue in By value Add data fields here.
    5. Seleziona Apply filter.

    La tabella viene aggiornata con i valori dei ricavi dall’acquisto sincronizzati con la visualizzazione a forma libera in Analysis Workspace.

  6. Nel riquadro Visualizations:

    1. Selezionare la visualizzazione Line and stacked column chart.

    La tabella viene sostituita da una visualizzazione con istogramma a linee e in pila, che utilizza gli stessi dati della tabella.

  7. Trascinare purchases su Line y-axis nel riquadro Visualizations.

    L’istogramma a linee e in pila viene aggiornato. Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Grafico Caso d'uso desktop Power BI 5

  8. Nella visualizzazione Grafico a linee e a colonne sovrapposte:

    1. Seleziona Altro .
    2. Dal menu di scelta rapida, selezionare Show as a table.

    La vista principale viene aggiornata per mostrare sia una visualizzazione delle linee che una tabella.

    Visualizzazione Tendenza giornaliera finale caso d'uso desktop Power BI 2

  1. Selezionare la scheda Sheet 1 in basso per passare da Data source. Nella visualizzazione Sheet 1:

    1. Trascinare la voce Daterange dall'elenco Tables nel riquadro Data e rilasciarla nello scaffale Filters.

    2. Nella finestra di dialogo Filters Field [Daterange], seleziona Range of Dates e Next >.

    3. Nella finestra di dialogo Filter [Daterange], selezionare Range of dates e specificare un periodo compreso tra 01/01/2023 e 31/12/2023. Selezionare Apply e OK.

      Filtro Desktop Tableau

    4. Trascinare Product Name dall'elenco Tables nel riquadro Data e rilasciare la voce nel campo accanto a Rows.

    5. Trascinare Purchases dall'elenco Tables (*Nomi misure *) ​nel riquadro Data ​e rilasciare la voce nel campo accanto a Rows. Il valore viene convertito automaticamente in SUM(Purchases).

    6. Trascinare Purchase Revenue dall'elenco Tables (*Nomi misure *) ​nel riquadro Data ​e rilasciare la voce nel campo accanto a Columns ​e a sinistra da SUM(Purchases). Il valore viene convertito automaticamente in SUM(Purchase Revenue).

    7. Per ordinare entrambi i grafici in ordine decrescente di ricavi da acquisto, passa il puntatore del mouse sul titolo Purchase Revenue e seleziona l'icona di ordinamento.

    8. Per limitare il numero di voci nei grafici, selezionare SUM(Purchase Revenue) in Rows e dal menu a discesa selezionare Filter.

    9. Nella finestra di dialogo Filter [Purchase Revenue], seleziona Range of values e immetti i valori appropriati. Ad esempio: 1,000,000 - 2,000,000. Selezionare Apply e OK.

    10. Per convertire i due grafici a barre in un grafico a doppia combinazione, selezionare SUM(Purchases) in Rows e dal menu a discesa selezionare Dual Axis. I grafici a barre diventano un grafico a dispersione.

    11. Per modificare il grafico a dispersione in un grafico a barre:

      1. Selezionare SUM(Purchases) nell'area Marks e selezionare Line dal menu a discesa.
      2. Selezionare SUM(Purchase Revenue) nell'area Marks e selezionare Bar dal menu a discesa.

    Il desktop Tableau dovrebbe essere simile al seguente.

    Grafico Desktop Tableau

  2. Selezionare Duplicate dal menu di scelta rapida della scheda Sheet 1 per creare un secondo foglio.

  3. Selezionare Rename dal menu di scelta rapida della scheda Sheet 1 per rinominare il foglio in Data.

  4. Selezionare Rename dal menu di scelta rapida della scheda Sheet 1 (2) per rinominare il foglio in Graph.

  5. Verificare che il foglio Data sia selezionato.

    1. Seleziona Show me in alto a destra e seleziona Text table (visualizzazione in alto a sinistra) per modificare il contenuto dei due grafici in una tabella.
    2. Per ordinare i ricavi di acquisto in ordine decrescente, posizionare il cursore del mouse su Purchase Revenue nella tabella e selezionare SortOrderDown .
    3. Selezionare Entire View dal menu a discesa Fit.

    Il desktop Tableau dovrebbe essere simile al seguente.

    Dati Desktop Tableau

  6. Selezionare il pulsante della scheda New Dashboard (in basso) per creare una nuova visualizzazione Dashboard 1. Nella visualizzazione Dashboard 1:

    1. Trascinare e rilasciare il foglio Graph dallo scaffale Sheets nella visualizzazione Dashboard 1 che riporta Rilasciare qui i fogli.
    2. Trascinare il foglio Data dallo scaffale Sheets sotto il foglio Graph nella visualizzazione Dashboard 1.
    3. Selezionare il foglio Data nella visualizzazione e modificare Entire View in Fix Width.

    La visualizzazione Dashboard 1 dovrebbe essere simile alla seguente.

    Dashboard desktop Tableau 1

  1. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Impostazione Remove fields and filters.

  2. Seleziona + Filter (Aggiungi) sotto Filters (Eventi).

  3. Nella finestra di dialogo Add Filter (Configurazione evento):

    1. Seleziona ‣ Cc Data View

    2. Dall'elenco dei campi, selezionare ‣ Daterange Date e quindi Daterange Date.

      Filtro ricerca

  4. Specificare il filtro Cc Data View Daterange Date come is in range 2023/01/01 until (before) 2024/01/01.

  5. Dalla sezione ‣ Cc Data View nella barra a sinistra, seleziona Product Name.

  6. Dalla sezione ‣ Custom Fields nella barra a sinistra:

    1. Selezionare Custom Measure dal menu a discesa + Add.

    2. Nella finestra di dialogo Create custom measure (Crea elemento dati):

      1. Selezionare Purchase Revenue dal menu a discesa Field to measure.

      2. Selezionare Sum dal menu a discesa Measure type.

      3. Immettere un nome di campo personalizzato per Name. Ad esempio: Purchase Revenue.

      4. Seleziona la scheda Field details.

      5. Selezionare Decimals dal menu a discesa Format e assicurarsi che 0 sia immesso in Decimals.

        Campo di metrica personalizzato

      6. Seleziona Save.

    3. Selezionare ancora Custom Measure dal menu a discesa + Add. Nella finestra di dialogo della misura Create custom:

      1. Selezionare Purchases dal menu a discesa Field to measure.
      2. Selezionare Sum dal menu a discesa Measure type.
      3. Immettere un nome di campo personalizzato per Name. Ad esempio: Sum of Purchases.
      4. Seleziona la scheda Field details.
      5. Selezionare Decimals dal menu a discesa Format e assicurarsi che 0 sia immesso in Decimals.
      6. Seleziona Save.
    4. Entrambi i campi vengono aggiunti automaticamente alla visualizzazione Dati.

  7. Selezionare + Filter per aggiungere un altro Filters e per limitare i dati.

  8. Nella finestra di dialogo Add Filter, seleziona ‣ Custom Fields, quindi Purchase Revenue.

  9. Effettuare le selezioni appropriate e immettere i valori proposti, in modo che il filtro legga is between inclusive 1000000 AND 2000000.

  10. Seleziona Run.

  11. Selezionare ‣ Visualization per visualizzare la visualizzazione delle linee.

  12. Seleziona Edit in Visualization per aggiornare la visualizzazione. Nella finestra di dialogo popup:

    1. Seleziona la scheda Series.

    2. Scorri verso il basso per vedere Purchases e cambia Type in Line.

    3. Seleziona la scheda Y.

    4. Trascina Purchases dal contenitore Left 1 al punto in cui si legge ***Trascina qui la serie per creare un nuovo asse sinistro ***. Questa azione crea un contenitore Left 2.

      Configurazione visualizzazione ricerca

    5. Seleziona CrossSize75 accanto a Edit per nascondere la finestra di dialogo a comparsa

Dovresti visualizzare una visualizzazione e una tabella simili a quelle mostrate di seguito.

Tendenza giornaliera risultati ricerca

  1. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  1. Immettere le istruzioni seguenti tra {r} ` e ` in un nuovo blocco.

    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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati studio

Classificazione di più dimensioni

In questo caso d’uso, vuoi visualizzare una tabella che suddivida i ricavi e gli acquisti di acquisto per i nomi dei prodotti all’interno delle categorie di prodotti nel corso del 2023. Inoltre, è necessario utilizzare alcune visualizzazioni per illustrare sia la distribuzione della categoria di prodotto che i contributi dei nomi dei prodotti all’interno di ogni categoria di prodotto.

Customer Journey Analytics

Un esempio di pannello Multiple Dimension Ranked per il caso d'uso:

Pannello Classifica più Dimension di Customer Journey Analytics

Strumenti BI
PREREQUISITES
Verificare di aver convalidato una connessione, di avere la possibilità di elencare le visualizzazioni dati e di utilizzare una visualizzazione dati per lo strumento BI per il quale si desidera provare questo caso d'uso.
  1. Per fare in modo che l'intervallo di date venga applicato a tutte le visualizzazioni, trascina daterangeday dal riquadro Data a Filters on this page.

    1. Selezionare daterangeday is (All) da Filters on this page.
    2. Seleziona Relative date come Filter type.
    3. Definisci il filtro su Show items when the value is in the last 1 calendar years.
    4. Seleziona Apply filter.
  2. Nel riquadro Data:

    1. Seleziona datarangeday (Aggiungi set di dati).
    2. Seleziona product_category (Aggiungi set di dati).
    3. Seleziona product_name (Salva).
    4. Seleziona ∑ purchase_revenue
    5. Seleziona ∑ purchases
  3. Per modificare il grafico a barre verticale in un oggetto Table, verificare che la tabella sia selezionata e selezionare Matrix dal riquadro Visualizations.

    • Trascina product_name da Columns e rilascia il campo sotto product_categor ​y in Rows nel riquadro Visualization.
  4. Per limitare il numero di prodotti visualizzati nella tabella, selezionare product_name is (All) nel riquadro Filters.

    1. Seleziona Advanced filtering.
    2. Selezionare Filter type Top N Show items Top 15 By Value.
    3. Trascinare purchases dal riquadro Data in Add data fields here.
    4. Seleziona Apply filter.
  5. Per migliorare la leggibilità, seleziona View dal menu principale, quindi seleziona Page View > Actual size e ridimensiona la visualizzazione della tabella.

  6. Per suddividere ogni categoria nella tabella, selezionare + a livello di categoria del prodotto. Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Tabella matrice con classificazione dimensioni multiple desktop Power BI

  7. Selezionare Home dal menu principale e selezionare New visual. Al report viene aggiunta una nuova visualizzazione.

  8. Nel riquadro Data:

    1. Seleziona product_category (Aggiungi set di dati).
    2. Seleziona product_name (Aggiungi set di dati).
    3. Seleziona purchase_revenue (Salva).
  9. Per modificare l'elemento visivo, selezionare il grafico a barre e selezionare Treemap dal riquadro Visualizations.

  10. Verificare che product_category sia elencato sotto Category e che product_name sia elencato sotto Details nel riquadro Visualizations.

    Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Mappa ad albero con classificazione dimensioni multiple Power BI Desktop

  11. Selezionare Home dal menu principale e selezionare New visual. Al report viene aggiunta una nuova visualizzazione.

  12. Nel riquadro Data:

    1. Seleziona product_category (Aggiungi set di dati).
    2. Seleziona purchase_revenue (Aggiungi set di dati).
    3. Seleziona purchase (Salva).
  13. Nel riquadro Visualizations:

    1. Per modificare la visualizzazione, selezionare Line and stacked column chart.
    2. Trascina sum_of_purchases da Column y-axis a Line y-axis.
  14. Nel rapporto, ridistribuisci le singole visualizzazioni.

    Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Dimensioni multiple desktop Power BI classificate finali

  1. Selezionare la scheda Sheet 1 in basso per passare da Data source. Nella visualizzazione Sheet 1:

    1. Trascinare la voce Daterange dall'elenco Tables nel riquadro Data e rilasciarla nello scaffale Filters.

    2. Nella finestra di dialogo Filters Field [Daterange], seleziona Range of Dates e Next >.

    3. Nella finestra di dialogo Filter [Daterange], selezionare Relative dates, selezionare Years e specificare Previous year. Selezionare Apply e OK.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Dimension Filtro Classificato Multiplo Desktop Tableau

    4. Trascinare Product Category e rilasciare accanto a Columns.

    5. Trascinare Purchase Revenue e rilasciare accanto a Rows. Il valore diventa SUM(Purchase Revenue).

    6. Trascinare Purchases e rilasciare accanto a Rows. Il valore diventa SUM(Purchases).

    7. Selezionare SUM(Purchases) e dal menu a discesa selezionare Dual Axis.

    8. Selezionare SUM(Purchases) in Marks e selezionare Line dal menu a discesa.

    9. Selezionare SUM(Purchase Revenue) in Marks e selezionare Bar dal menu a discesa.

    10. Seleziona Entire View dal menu Fit.

    11. Seleziona il titolo Purchase Revenue nel grafico e assicurati che i ricavi dell'acquisto siano in ordine crescente.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Categoria Classificata Più Dimensioni Desktop Tableau

  2. Rinomina il foglio Sheet 1 corrente in Category.

  3. Selezionare New Worksheet per creare un nuovo foglio e rinominarlo in Data.

    1. Trascinare la voce Daterange dall'elenco Tables nel riquadro Data e rilasciarla nello scaffale Filters.

    2. Nella finestra di dialogo Filters Field [Daterange], seleziona Range of Dates e Next >.

    3. Nella finestra di dialogo Filter [Daterange], selezionare Relative dates, selezionare Years e specificare Previous year. Selezionare Apply e OK.

    4. Trascina Purchase Revenue dal riquadro Data a Columns. Il valore diventa SUM(Purchase Revenue).

    5. Trascina Purchase dal riquadro Data a Columns, accanto a Purchase Revenue. Il valore diventa SUM(Purchases).

    6. Trascina Product Category dal riquadro Data a Rows.

    7. Trascina Product Name dal riquadro Data a Rows, accanto a Product Category.

    8. Per trasformare le due barre orizzontali in una tabella, selezionare Text Table da Show Me.

    9. Per limitare il numero di prodotti, selezionare Purchases in Measure Values. Dal menu a discesa, selezionare Filter.

    10. Nella finestra di dialogo Filter [Purchases], seleziona At least e immetti 7000. Selezionare Apply e OK.

    11. Selezionare Fit Width dal menu a discesa Adatta the.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Dati Classificati Più Dimension Desktop Tableau

  4. Selezionare New worksheet per creare un nuovo foglio e rinominarlo in Treemap.

    1. Trascinare la voce Daterange dall'elenco Tables nel riquadro Data e rilasciarla nello scaffale Filters.

    2. Nella finestra di dialogo Filters Field [Daterange], seleziona Range of Dates e Next >.

    3. Nella finestra di dialogo Filter [Daterange], selezionare Relative dates, selezionare Years e specificare Previous year. Selezionare Apply e OK.

    4. Trascina Purchase Revenue dal riquadro Data a Rows. I valori diventano SUM(Purchase Revenue).

    5. Trascina Purchase dal riquadro Data a Rows, accanto a Purchase Revenue. Il valore diventa SUM(Purchases).

    6. Trascina Product Category dal riquadro Data a Columns.

    7. Trascina Product Name dal riquadro Data a Columns.

    8. Per trasformare i due grafici a barre verticali in una mappa ad albero, selezionare Treemap da Show Me.

    9. Per limitare il numero di prodotti, selezionare Purchases in Measure Values. Dal menu a discesa, selezionare Filter.

    10. Nella finestra di dialogo Filter [Purchases], seleziona At least e immetti 7000. Selezionare Apply e OK.

    11. Selezionare Fit Width dal menu a discesa Fit.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Dati Classificati Più Dimension Desktop Tableau

  5. Selezionare il pulsante della scheda New Dashboard (in basso) per creare una nuova visualizzazione Dashboard 1. Nella visualizzazione Dashboard 1:

    1. Trascinare e rilasciare il foglio Category dallo scaffale Sheets nella visualizzazione Dashboard 1 che riporta Rilasciare qui i fogli.
    2. Trascinare il foglio Treemap dallo scaffale Sheets sotto il foglio Category nella visualizzazione Dashboard 1.
    3. Trascinare il foglio Data dallo scaffale Sheets sotto il foglio Treemap nella visualizzazione Dashboard 1.
    4. Ridimensionare ciascun foglio nella vista.

    La visualizzazione Dashboard 1 dovrebbe essere simile alla seguente.

    Dashboard desktop Tableau 1

  1. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Impostazione Remove fields and filters.

  2. Seleziona + Filter (Aggiungi) sotto Filters (Eventi).

  3. Nella finestra di dialogo Add Filter (Configurazione evento):

    1. Seleziona ‣ Cc Data View

    2. Dall'elenco dei campi, selezionare ‣ Daterange Date e quindi Daterange Date.

      Filtro ricerca

  4. Specificare il filtro Cc Data View Daterange Date come is in range 2023/01/01 until (before) 2024/01/01.

  5. Dalla sezione ‣ Cc Data View nella barra a sinistra:

    1. Seleziona Product Category (Aggiungi set di dati).
    2. Seleziona Product Name (Salva).
  6. Dalla sezione ‣ Custom Fields nella barra a sinistra:

    1. Selezionare Custom Measure dal menu a discesa + Add.

    2. Nella finestra di dialogo Create custom measure (Crea elemento dati):

      1. Selezionare Purchase Revenue dal menu a discesa Field to measure.

      2. Selezionare Sum dal menu a discesa Measure type.

      3. Immettere un nome di campo personalizzato per Name. Ad esempio: Sum of Purchase Revenue.

      4. Seleziona la scheda Field details.

      5. Selezionare Decimals dal menu a discesa Format e assicurarsi che 0 sia immesso in Decimals.

        Campo di metrica personalizzato

      6. Seleziona Save.

    3. Selezionare ancora Custom Measure dal menu a discesa + Add. Nella finestra di dialogo della misura Create custom:

      1. Selezionare Purchases dal menu a discesa Field to measure.
      2. Selezionare Sum dal menu a discesa Measure type.
      3. Immettere un nome di campo personalizzato per Name. Ad esempio: Sum of Purchases.
      4. Seleziona la scheda Field details.
      5. Selezionare Decimals dal menu a discesa Format e assicurarsi che 0 sia immesso in Decimals.
      6. Seleziona Save.
    4. Entrambi i campi vengono aggiunti automaticamente alla visualizzazione Dati.

  7. Nella sezione Filters, selezionare + Filter. Nella finestra di dialogo Add Filter. Selezionare ‣ Custom Fields, quindi Purchase Revenue.

  8. Selezionare is > e immettere 800000 per limitare i risultati.

  9. Seleziona Run.

  10. Selezionare ‣ Visualization per visualizzare la visualizzazione delle linee.

  11. Seleziona Edit in Visualization per aggiornare la visualizzazione. Nella finestra di dialogo popup:

    1. Seleziona la scheda Plot.

    2. Scorri verso il basso e seleziona Edit Chart Config.

    3. Modifica il JSON in Chart Config (Override) come nella schermata seguente, quindi seleziona Preview.

      Configurazione visualizzazione looker

    4. Seleziona Apply.

    5. Seleziona CrossSize75 accanto a Edit per nascondere la finestra di dialogo a comparsa

Dovresti visualizzare una visualizzazione e una tabella simili a quelle mostrate di seguito.

Tendenza giornaliera risultati ricerca

  1. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  1. Immettere le istruzioni seguenti tra {r} ` e ` in un nuovo blocco.

    ## 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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati studio

Conta valori di dimensione distinti

In questo caso d’uso, vuoi ottenere il numero distinto di nomi di prodotto che sono stati segnalati durante gennaio 2023.

Customer Journey Analytics

Per generare report su un numero distinto di nomi di prodotto, è stata impostata una metrica calcolata in Customer Journey Analytics, con Title Product Name (Count Distinct) e External Id product_name_count_distinct.

Metrica calcolata per il nome prodotto Customer Journey Analytics (conteggio valori univoci)

È quindi possibile utilizzare tale metrica in un pannello di esempio Count Distinct Dimension Values per il caso d'uso:

Valori conteggio valori univoci Customer Journey Analytics

Strumenti BI
PREREQUISITES
Verificare di aver convalidato una connessione, di avere la possibilità di elencare le visualizzazioni dati e di utilizzare una visualizzazione dati per lo strumento BI per il quale si desidera provare questo caso d'uso.
  1. Per fare in modo che l'intervallo di date venga applicato a tutte le visualizzazioni, trascina daterangeday dal riquadro Data a Filters in questa pagina.

    1. Selezionare daterangeday is (All) da Filters on this page.
    2. Seleziona Advanced filtering come Filter type.
    3. Definisci il filtro su Show items when the value is on or after 1/1/2023 And is before 2/1/2023.
    4. Seleziona Apply filter.
  2. Nel riquadro Data:

    1. Seleziona datarangeday.
    2. Selezionare ∑ cm_product_name_count_distinct, che è la metrica calcolata definita in Customer Journey Analytics.
  3. Per modificare il grafico a barre verticale in un oggetto Table, verificare che il grafico sia selezionato e selezionare Table dal riquadro Visualizations.

    Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Tabella distinta per conteggio multiplo desktop Power BI

  4. Seleziona la visualizzazione della tabella. Dal menu di scelta rapida, selezionare Copy > Copy visual.

  5. Incolla la visualizzazione utilizzando ctrl-v. La copia esatta della visualizzazione si sovrappone a quella originale. Spostala a destra nell’area del rapporto.

  6. Per modificare la visualizzazione copiata da una tabella a una scheda, selezionare Card da Visualizations.

    Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Tabella distinta per conteggio multiplo desktop Power BI

In alternativa, puoi utilizzare la funzionalità di conteggio dei valori univoci di Power BI.

  1. Selezionare la dimensione product_name.

  2. Applica la funzione Count (Distinct) alla dimensione product_name in Columns.

    Conteggio valori univoci Power BI

  1. Selezionare la scheda Sheet 1 in basso per passare da Data source. Nella visualizzazione Sheet 1:

    1. Trascinare la voce Daterange dall'elenco Tables nel riquadro Data e rilasciarla nello scaffale Filters.

    2. Nella finestra di dialogo Filter Field [Daterange], seleziona Range of Dates e Next >.

    3. Nella finestra di dialogo Filter [Daterange], selezionare Range of dates, quindi selezionare 01/01/2023 - 31/1/2023. Selezionare Apply e OK.

    4. Trascina Cm Product Name Count Distinct in Rows. Il valore diventa SUM(Cm Product Name Count Distinct). Questo campo è la metrica calcolata definita in Customer Journey Analytics.

    5. Trascinare Daterangeday e rilasciare accanto a Columns. Selezionare Daterangeday e dal menu a discesa selezionare Day.

    6. Per modificare la visualizzazione delle linee in una tabella, selezionare Text Table da Show Me.

    7. Selezionare Swap Rows and Columns dalla barra degli strumenti.

    8. Selezionare Fit Width dal menu a discesa Fit.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Dimension Filtro Classificato Multiplo Desktop Tableau

  2. Selezionare Duplicate dal menu di scelta rapida della scheda Sheet 1 per creare un secondo foglio.

  3. Selezionare Rename dal menu di scelta rapida della scheda Sheet 1 per rinominare il foglio in Data.

  4. Selezionare Rename dal menu di scelta rapida della scheda Sheet 1 (2) per rinominare il foglio in Card.

  5. Verificare di aver selezionato la visualizzazione Card.

  6. Selezionare DAY(Daterangeday) e dal menu a discesa selezionare Month. Il valore diventa MONTH(Daterangeday).

  7. Selezionare SUM(Cm Product Name Count Distinct) in Marks e dal menu a discesa selezionare Format.

  8. Per modificare la dimensione del carattere, nel riquadro Format SUM(CM Product Name Count Distinct) selezionare Font in Default e 72 per la dimensione del carattere.

  9. Per allineare il numero, selezionare Automatic accanto a Alignment e impostare Horizontal su Centrato.

  10. Per utilizzare numeri interi, selezionare 123.456 accanto a Numbers e selezionare Number (Custom). Imposta Decimal places su 0.

    Il desktop Tableau dovrebbe essere simile al seguente.

    Dimension Filtro Classificato Multiplo Desktop Tableau

  11. Selezionare il pulsante della scheda New Dashboard (in basso) per creare una nuova visualizzazione Dashboard 1. Nella visualizzazione Dashboard 1:

    1. Trascinare e rilasciare il foglio Card dallo scaffale Sheets nella visualizzazione Dashboard 1 che riporta Rilasciare qui i fogli.
    2. Trascinare il foglio Data dallo scaffale Sheets sotto il foglio Card nella visualizzazione Dashboard 1.

    La visualizzazione Dashboard 1 dovrebbe essere simile alla seguente.

    Dashboard desktop Tableau 1

In alternativa, puoi utilizzare la funzionalità di conteggio dei valori univoci di Tableau Desktop.

  1. Utilizza Product Name invece di Cm Product Name Count Distinct.

  2. Applica Measure > Count (Distinct) il Product Name in Marks.

    Conteggio Tableau Distinct

  1. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Impostazione Remove fields and filters.

  2. Seleziona + Filter (Aggiungi) sotto Filters (Eventi).

  3. Nella finestra di dialogo Add Filter (Configurazione evento):

    1. Seleziona ‣ Cc Data View

    2. Dall'elenco dei campi, selezionare ‣ Daterange Date e quindi Daterange Date.

      Filtro ricerca

  4. Specificare il filtro Cc Data View Daterange Date come is in range 2023/01/01 until (before) 2023/02/01.

  5. Dalla sezione ‣ Cc Data View nella barra a sinistra:

    1. Selezionare Daterange Date, quindi Date.

    2. Selezionare Aggregate ‣ Count Distinct dal menu di scelta rapida ⋮ Altro in Product Name.

      Menu di scelta rapida nome prodotto ricerca

  6. Seleziona Run.

  7. Selezionare ‣ Visualization e selezionare 6︎⃣ dalla barra degli strumenti per visualizzare una visualizzazione con valore singolo.

Dovresti visualizzare una visualizzazione e una tabella simili a quelle mostrate di seguito.

Conteggio valori univoci

  1. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  1. Immettere le istruzioni seguenti tra {r} ` e ` in un nuovo blocco.

    ## 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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati studio

Utilizzare i nomi degli intervalli di date per filtrare

In questo caso d’uso desideri utilizzare un intervallo di date definito in Customer Journey Analytics per filtrare e segnalare le occorrenze (eventi) dell’ultimo anno.

Customer Journey Analytics

Per creare rapporti utilizzando un intervallo di date, è necessario impostare un intervallo di date in Customer Journey Analytics, con Title Last Year 2023.

Customer Journey Analytics usa i nomi degli intervalli di date per filtrare

È quindi possibile utilizzare tale intervallo di date in un pannello di esempio Using Date Range Names To Filter per il caso d'uso:

Valori conteggio valori univoci Customer Journey Analytics

L’intervallo di date definito nella visualizzazione a forma libera sovrascrive l’intervallo di date applicato al pannello.

Strumenti BI
PREREQUISITES
Verificare di aver convalidato una connessione, di avere la possibilità di elencare le visualizzazioni dati e di utilizzare una visualizzazione dati per lo strumento BI per il quale si desidera provare questo caso d'uso.
  1. Nel riquadro Data:

    1. Seleziona daterangemonth (Aggiungi set di dati).
    2. Seleziona daterangeName (Aggiungi set di dati).
    3. Seleziona ∑ occurrences (Salva).

    Visualizzazione che visualizza Error fetching data for this visual.

  2. Nel riquadro Filters:

    1. Selezionare daterangeName is (All) da Filters on this visual.
    2. Seleziona Basic filtering come Filter type.
    3. Sotto il campo Search, selezionare Last Year 2023, che è il nome dell'intervallo di date definito in Customer Journey Analytics.
    4. Selezionare CrossSize75 per rimuovere daterangeName da Columns.

    La tabella viene aggiornata con il filtro daterangeName applicato. Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Desktop Power BI Con Nomi Di Intervalli Di Date Per Filtrare

  1. Selezionare la scheda Sheet 1 in basso per passare da Data source. Nella visualizzazione Sheet 1:

    1. Trascinare la voce Daterange Name dall'elenco Tables nello scaffale Filters.

    2. Nella finestra di dialogo Filter [Daterange Name] assicurarsi che Select from list sia selezionato e selezionare Last Year 2023 dall'elenco. Selezionare Apply e OK.

    3. Trascinare la voce Daterangemonth dall'elenco Tables e rilasciare la voce nel campo accanto a Rows. Selezionare Daterangemonth e selezionare Month. Il valore diventa MONTH(Daterangemonth).

    4. Trascinare la voce Occurrences dall'elenco Tables e rilasciare la voce nel campo accanto a Columns. Il valore diventa SUM(Occurrences).

    5. Selezionare Text Table da Show Me.

    6. Selezionare Swap Rows and Columns dalla barra degli strumenti.

    7. Selezionare Fit Width dal menu a discesa Fit.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Dimension Filtro Classificato Multiplo Desktop Tableau

  1. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Impostazione Remove fields and filters.

  2. Seleziona + Filter (Aggiungi) sotto Filters (Eventi).

  3. Nella finestra di dialogo Add Filter (Configurazione evento):

    1. Seleziona ‣ Cc Data View
    2. Dall'elenco dei campi, selezionare ‣ Daterange Name.
  4. Specificare il filtro Cc Data View Daterange Name come is e selezionare Last Year 2023 dall'elenco di valori.

  5. Dalla sezione ‣ Cc Data View nella barra a sinistra:

    1. Selezionare Daterange Month, quindi Month.
    2. Seleziona Count sotto MEASURES nella barra a sinistra (in basso).
  6. Seleziona Run (Aggiungi set di dati).

  7. Seleziona ‣ Visualization (Salva).

Dovresti visualizzare una visualizzazione e una tabella simili a quelle mostrate di seguito.

Conteggio valori univoci

  1. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  3. Selezionare Fishing Products dal menu a discesa.

  4. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  1. Immettere le istruzioni seguenti tra {r} ` e ` in un nuovo blocco. Assicurati di utilizzare il nome dell’intervallo di date appropriato. Ad esempio: Last Year 2023.

    ## 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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati studio

Utilizzare i nomi dei segmenti per segmentare

In questo caso d’uso, vuoi utilizzare un segmento esistente per la categoria di prodotti della pesca, che hai definito in Customer Journey Analytics. Per segmentare e creare rapporti sui nomi dei prodotti e sulle occorrenze (eventi) durante gennaio 2023.

Customer Journey Analytics

Esamina il segmento che desideri utilizzare in Customer Journey Analytics.

Customer Journey Analytics Utilizza Nomi Filtro Per Filtrare

È quindi possibile utilizzare tale segmento in un pannello di esempio Using Segment Names To Segment per il caso d'uso:

Valori conteggio valori univoci Customer Journey Analytics

Strumenti BI
PREREQUISITES
Verificare di aver convalidato una connessione, di avere la possibilità di elencare le visualizzazioni dati e di utilizzare una visualizzazione dati per lo strumento BI per il quale si desidera provare questo caso d'uso.
  1. Nel riquadro Data:

    1. Seleziona daterange (Aggiungi set di dati).
    2. Seleziona filterName (Aggiungi set di dati).
    3. Seleziona product_name (Aggiungi set di dati).
    4. Seleziona ∑ occurrences (Salva).

Visualizzazione che visualizza Error fetching data for this visual.

  1. Nel riquadro Filters:

    1. Selezionare filterName is (All) da Filters on this visual.
    2. Seleziona Basic filtering come Filter type.
    3. Sotto il campo Search, selezionare Fishing Products, che è il nome del filtro esistente definito in Customer Journey Analytics.
    4. Selezionare daterange is (All) da Filters on this visual.
    5. Seleziona Advanced filtering come Filter type.
    6. Definisci il filtro su Show items when the value is on or after 1/1/2023 And is before 2/1/2023.
    7. Selezionare CrossSize75 per rimuovere filterName da Columns.
    8. Selezionare CrossSize75 per rimuovere daterange da Columns.

    La tabella viene aggiornata con il filtro filterName applicato. Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Desktop Power BI Con Nomi Di Intervalli Di Date Per Filtrare

  1. Selezionare la scheda Sheet 1 in basso per passare da Data source. Nella visualizzazione Sheet 1:

    1. Trascinare la voce Filter Name dall'elenco Tables nello scaffale Filters.

    2. Nella finestra di dialogo Filter [Filter Name] assicurarsi che Select from list sia selezionato e selezionare Fishing Products dall'elenco. Selezionare Apply e OK.

    3. Trascinare la voce Daterange dall'elenco Tables nello scaffale Filters.

    4. Nella finestra di dialogo Filter Field [Daterange], seleziona Range of Dates e Next >.

    5. Nella finestra di dialogo Filter [Daterange], selezionare Range of dates, quindi selezionare 01/01/2023 - 01/02/2023. Selezionare Apply e OK.

    6. Trascinare Product Name dall'elenco Tables a Rows.

    7. Trascinare la voce Occurrences dall'elenco Tables e rilasciare la voce nel campo accanto a Columns. Il valore diventa SUM(Occurrences).

    8. Selezionare Text Table da Show Me.

    9. Selezionare Fit Width dal menu a discesa Fit.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Dimension Filtro Classificato Multiplo Desktop Tableau

  1. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Impostazione Remove fields and filters.

  2. Seleziona + Filter (Aggiungi) sotto Filters (Eventi).

  3. Nella finestra di dialogo Add Filter (Configurazione evento):

    1. Seleziona ‣ Cc Data View

    2. Dall'elenco dei campi, selezionare ‣ Daterange Date e quindi Daterange Date.

      Filtro ricerca

  4. Specificare il filtro Cc Data View Daterange Date come is in range 2023/01/01 until (before) 2023/02/01.

  5. Seleziona + Filter sotto Filters per aggiungere un altro filtro.

  6. Nella finestra di dialogo Add Filter (Crea elemento dati):

    1. Seleziona ‣ Cc Data View
    2. Dall'elenco dei campi, selezionare ‣ Filter name.
  7. Assicurarsi che is sia selezionato il filtro.

  8. Selezionare Fishing Products dall'elenco dei valori possibili.

  9. Dalla sezione ‣ Cc Data View nella barra a sinistra:

    1. Seleziona Product Name.
    2. Seleziona Count sotto MEASURES nella barra a sinistra (in basso).
  10. Seleziona Run (Aggiungi set di dati).

  11. Seleziona ‣ Visualization (Salva).

Dovresti visualizzare una visualizzazione e una tabella simili a quelle mostrate di seguito.

Conteggio valori univoci

  1. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  3. Selezionare Fishing Products dal menu a discesa.

  4. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  1. Immettere le istruzioni seguenti tra {r} ` e ` in un nuovo blocco. Assicurati di utilizzare il nome del filtro appropriato. Ad esempio: Fishing Products.

    ## 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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati studio

Utilizzare i valori di quota per segmentare

Il valore dinamico Hunting per Product Category viene utilizzato per segmentare i prodotti della categoria di caccia. In alternativa, per gli strumenti di business intelligence che non supportano il recupero dinamico dei valori delle categorie di prodotti, puoi creare un nuovo segmento in Customer Journey Analytics che esegue la segmentazione dei prodotti della categoria di prodotti di caccia.
Quindi desideri utilizzare il nuovo segmento per generare rapporti sui nomi dei prodotti e sulle occorrenze (eventi) per i prodotti della categoria caccia nel mese di gennaio 2023.

Customer Journey Analytics

Crea un nuovo segmento con Title Hunting Products in Customer Journey Analytics.

Customer Journey Analytics Utilizza I Valori Dimension Per Segmentare

È quindi possibile utilizzare tale segmento in un pannello di esempio Using Dimension Values To Filter per il caso d'uso:

Valori conteggio valori univoci Customer Journey Analytics

Strumenti BI
PREREQUISITES
Verificare di aver convalidato una connessione, di avere la possibilità di elencare le visualizzazioni dati e di utilizzare una visualizzazione dati per lo strumento BI per il quale si desidera provare questo caso d'uso.
  1. Selezionare Home dal menu, quindi selezionare Refresh dalla barra degli strumenti. È necessario aggiornare la connessione per raccogliere il nuovo filtro appena definito in Customer Journey Analytics.

  2. Nel riquadro Data:

    1. Seleziona daterange (Aggiungi set di dati).
    2. Seleziona product_category (Aggiungi set di dati).
    3. Seleziona product_name (Aggiungi set di dati).
    4. Seleziona ∑ occurrences (Salva).

Visualizzazione che visualizza Error fetching data for this visual.

  1. Nel riquadro Filters:

    1. Selezionare filterName is (All) da Filters on this visual.
    2. Seleziona Basic filtering come Filter type.
    3. Selezionare daterange is (All) da Filters on this visual.
    4. Seleziona Advanced filtering come Filter type.
    5. Definisci il filtro su Show items when the value is on or after 1/1/2023 And is before 2/1/2023.
    6. Selezionare Basic filter come Filter type per product_category e selezionare Hunting dall'elenco dei valori possibili.
    7. Selezionare CrossSize75 per rimuovere filterName da Columns.
    8. Selezionare CrossSize75 per rimuovere daterange da Columns.

    La tabella viene aggiornata con il filtro product_category applicato. Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Desktop Power BI Con Nomi Di Intervalli Di Date Per Filtrare

AlertRed Tableau Desktop non supporta il recupero dell'elenco dinamico di categorie di prodotti da Customer Journey Analytics. Questo caso d'uso utilizza invece il filtro appena creato per Hunting Products e utilizza i criteri di nome del filtro.

  1. Nella visualizzazione Data Source, sotto Data, dal menu di scelta rapida in cc_data_view(prod:cja%3FFLATTEN), selezionare Refresh. È necessario aggiornare la connessione per raccogliere il nuovo filtro appena definito in Customer Journey Analytics.

  2. Selezionare la scheda Sheet 1 in basso per passare da Data source. Nella visualizzazione Sheet 1:

    1. Trascinare la voce Filter Name dall'elenco Tables nello scaffale Filters.

    2. Nella finestra di dialogo Filter [Filter Name] assicurarsi che Select from list sia selezionato e selezionare Hunting Products dall'elenco. Selezionare Apply e OK.

    3. Trascinare la voce Daterange dall'elenco Tables nello scaffale Filters.

    4. Nella finestra di dialogo Filter Field [Daterange], seleziona Range of Dates e Next >.

    5. Nella finestra di dialogo Filter [Daterange], selezionare Range of dates, quindi selezionare 01/01/2023 - 1/2/2023. Selezionare Apply e OK.

    6. Trascinare Product Name dall'elenco Tables a Rows.

    7. Trascinare la voce Occurrences dall'elenco Tables e rilasciare la voce nel campo accanto a Columns. Il valore diventa SUM(Occurrences).

    8. Selezionare Text Table da Show Me.

    9. Selezionare Fit Width dal menu a discesa Fit.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Dimension Filtro Classificato Multiplo Desktop Tableau

  1. Nell’1. Nell'interfaccia Explore di Looker, aggiorna la connessione. Selezionare Impostazione Clear cache and refresh.

  2. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Impostazione Remove fields and filters.

  3. Seleziona + Filter (Aggiungi) sotto Filters (Eventi).

  4. Nella finestra di dialogo Add Filter (Configurazione evento):

    1. Seleziona ‣ Cc Data View

    2. Dall'elenco dei campi, selezionare ‣ Daterange Date e quindi Daterange Date.

      Filtro ricerca

  5. Specificare il filtro Cc Data View Daterange Date come is in range 2023/01/01 until (before) 2023/02/01.

  6. Seleziona + Filter sotto Filters per aggiungere un altro filtro.

  7. Nella finestra di dialogo Add Filter (Crea elemento dati):

    1. Seleziona ‣ Cc Data View
    2. Dall'elenco dei campi, selezionare ‣ Product Category.
  8. Assicurarsi is come selezione per il filtro.

Le ricerche di AlertRed non mostrano l'elenco dei valori possibili per Product Category.

Conteggio valori univoci

  1. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  3. Selezionare Hunting dal menu a discesa.

  4. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

  1. Immettere le istruzioni seguenti tra {r} ` e ` in un nuovo blocco. Assicurati di utilizzare una categoria appropriata. Ad esempio, Hunting.

    ## 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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati studio

Ordina

In questo caso d’uso, desideri generare rapporti sui ricavi e sugli acquisti per nomi di prodotto nel mese di gennaio 2023, ordinati in ordine decrescente di ricavi di acquisto.

Customer Journey Analytics

Un esempio di pannello Sort per il caso d'uso:

Pannello ordinamento Customer Journey Analytics

Strumenti BI
PREREQUISITES
Verificare di aver convalidato una connessione, di avere la possibilità di elencare le visualizzazioni dati e di utilizzare una visualizzazione dati per lo strumento BI per il quale si desidera provare questo caso d'uso.
  1. Nel riquadro Data:

    1. Seleziona daterange (Aggiungi set di dati).
    2. Seleziona product_namr (Aggiungi set di dati).
    3. Seleziona ∑ purchase_revenue (Aggiungi set di dati).
    4. Seleziona ∑ purchases (Salva).
  2. Nel riquadro Filters:

    1. Selezionare daterange is (All) da Filters on this visual.
    2. Seleziona Advanced filtering come Filter type.
    3. Definisci il filtro su Show items when the value is on or after 1/1/2023 And is before 2/1/2023.
  3. Nel riquadro Visualizzazioni:

    1. Selezionare CrossSize75 per rimuovere l'intervallo di dati dalle colonne.
    2. Trascina Sum of purchase_revenue alla fine di Column elementi.
  4. Nel report, selezionare Sum of purchase_revenue per ordinare la tabella in ordine decrescente di ricavi da acquisto.

    Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

    Desktop Power BI Con Nomi Di Intervalli Di Date Per Filtrare

La query eseguita da Power BI Desktop tramite l'estensione BI non include un'istruzione sort. L'assenza di un'istruzione sort implica che l'ordinamento viene eseguito lato 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. Selezionare la scheda Sheet 1 in basso per passare da Data source. Nella visualizzazione Sheet 1:

    1. Trascinare la voce Daterange dall'elenco Tables nello scaffale Filters.

    2. Nella finestra di dialogo Filter Field [Daterange], seleziona Range of Dates e Next >.

    3. Nella finestra di dialogo Filter [Daterange], selezionare Range of dates, quindi selezionare 01/01/2023 - 1/2/2023. Selezionare Apply e OK.

    4. Trascinare Product Name dall'elenco Tables e rilasciare la voce nel campo accanto a Rows.

    5. Trascinare la voce Purchases dall'elenco Tables e rilasciare la voce nel campo accanto a Columns. Il valore diventa SUM(Purchases).

    6. Trascinare la voce Purchase Revenue dall'elenco Tables e rilasciare la voce nel campo accanto a Columns, accanto a SUM(Purchases). Il valore diventa SUM(Purchase Revenue).

    7. Selezionare Text Table da Show Me.

    8. Selezionare Fit Width dal menu a discesa Fit.

    9. Selezionare l'intestazione di colonna Purchase Revenue e ordinare la tabella in base a questa colonna in ordine decrescente.

      Il desktop Tableau dovrebbe essere simile al seguente.

      Ordine Desktop Tableau

La query eseguita da Tableau Desktop tramite l'estensione BI non include un'istruzione sort. L'assenza di questa istruzione sort implica che l'ordinamento viene eseguito lato 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. Nell'interfaccia Explore di Looker, aggiorna la connessione. Selezionare Impostazione Clear cache and refresh.

  2. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Impostazione Remove fields and filters.

  3. Seleziona + Filter (Aggiungi) sotto Filters (Eventi).

  4. Nella finestra di dialogo Add Filter (Configurazione evento):

    1. Seleziona ‣ Cc Data View

    2. Dall'elenco dei campi, selezionare ‣ Daterange Date e quindi Daterange Date.

      Filtro ricerca

  5. Specificare il filtro Cc Data View Daterange Date come is in range 2023/01/01 until (before) 2023/02/01.

  6. Dalla sezione ‣ Cc Data View nella barra a sinistra, seleziona Product Name.

  7. Dalla sezione ‣ Custom Fields nella barra a sinistra:

    1. Selezionare Custom Measure dal menu a discesa + Add.

    2. Nella finestra di dialogo Create custom measure (Crea elemento dati):

      1. Selezionare Purchase Revenue dal menu a discesa Field to measure.

      2. Selezionare Sum dal menu a discesa Measure type.

      3. Immettere un nome di campo personalizzato per Name. Ad esempio: Sum of Purchase Revenue.

      4. Seleziona la scheda Field details.

      5. Selezionare Decimals dal menu a discesa Format e assicurarsi che 0 sia immesso in Decimals.

        Campo di metrica personalizzato

      6. Seleziona Save.

  8. Assicurarsi di selezionare (Descending, Sort Order: 1) nella colonna Purchase Revenue.

  9. Seleziona Run (Aggiungi set di dati).

  10. Seleziona ‣ Visualization (Salva).

Dovresti visualizzare una visualizzazione e una tabella simili a quelle mostrate di seguito.

Conteggio valori univoci

La query generata da Looker tramite l'estensione BI include ORDER BY, il che implica che l'ordinamento viene eseguito tramite Looker e l'estensione 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. Immettere le istruzioni seguenti in una nuova cella.

    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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati Jupyter Notebook

La query viene eseguita dall’estensione BI come definito in Jupyter Notebook.

  1. Immettere le istruzioni seguenti tra {r} ` e ` in un nuovo blocco.

    ## 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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.

    Risultati studio

La query generata da Studio utilizzando l'estensione BI include ORDER BY, il che implica che l'ordine viene applicato tramite Studio e l'estensione 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

Limiti

In questo caso d’uso, vuoi segnalare le prime 5 occorrenze dei nomi di prodotto nel 2023.

Customer Journey Analytics

Un esempio di pannello Limit per il caso d'uso:

Pannello Limite Customer Journey Analytics