1. Nel riquadro Dati:

   1. Seleziona daterange.
   2. Seleziona product_name.
   3. Seleziona somma occorrenze.

2. Nel riquadro Filtri:

   1. Seleziona l'intervallo di dati è (Tutto) da Filtri per questo elemento visivo.
   2. Seleziona Data relativa come Tipo filtro.
   3. Definisci il filtro per mostrare gli elementi quando il valore è negli ultimi 1 anni di calendario.
   4. Selezionare Applica filtro.
   5. Seleziona product_name è (All) da Filtri per questo elemento visivo.
   6. Seleziona Top N come Tipo filtro.
   7. Seleziona Mostra elementi Primi 5 Per valore.
   8. Trascina e rilascia somma occorrenze dal riquadro Dati e rilasciala in Aggiungi campi dati qui.
   9. Selezionare Applica filtro.

3. Nel riquadro di visualizzazione:

   • Selezionare per rimuovere l'intervallo di dati dalle colonne.

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

   

La query eseguita da Power BI Desktop tramite l'estensione BI include un'istruzione limit ma non quella prevista. Il limite alle prime 5 occorrenze viene applicato da Power BI Desktop utilizzando risultati espliciti del nome del prodotto.

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

1. Selezionare la scheda Foglio 1 nella parte inferiore per passare da Origine dati. Nella visualizzazione Foglio 1:

   1. Trascina la voce Daterange dall'elenco Tabelle nello scaffale Filtri.

   2. Nella finestra di dialogo Campo filtro [Daterange], seleziona Intervallo di date e seleziona Avanti >.

   3. Nella finestra di dialogo Filtro [Daterange], seleziona Date relative, Anni e Anni precedenti. Selezionare Applica e OK.

   4. Trascina Nome prodotto dall'elenco Tabelle a Righe.

   5. Trascina Occorrenze dall'elenco Tabelle e rilascia la voce nel campo accanto a Colonne. Il valore diventa SUM(Occurrences).

   6. Seleziona Tabella di testo da Mostra.

   7. Selezionare Adatta larghezza dal menu a discesa Adatta.

   8. Seleziona Nome prodotto in Righe. Seleziona Filtro dal menu a discesa.

      1. Nella finestra di dialogo Filtro [Nome prodotto], seleziona la scheda Primi.

      2. Seleziona Per campo: Primi 5 Per Occorrenze Somma.

      3. Selezionare Applica e OK.

         La tabella non verrà più visualizzata. Se si selezionano i primi 5 nomi di prodotto in base alle occorrenze, non funziona correttamente utilizzando questo filtro.

      4. Selezionare Nome prodotto nello scaffale Filtro e dal menu a discesa selezionare Rimuovi. Viene visualizzata di nuovo la tabella.

   9. Selezionare SUM(Occurrences) nello scaffale Marks. Seleziona Filtro dal menu a discesa.

      1. Nella finestra di dialogo Filtro [Occorrenze], seleziona Almeno.

      2. Immetti 47.799 come valore. Questo valore assicura che nella tabella vengano visualizzati solo i primi 5 elementi. Selezionare Applica e OK.

         Il desktop Tableau dovrebbe essere simile al seguente.

         

Come mostrato sopra, questa query eseguita da Tableau Desktop, quando si definisce un filtro delle prime 5 occorrenze sui nomi dei prodotti, ha esito negativo.

SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."occurrences") AS "sum:occurrences:ok"
FROM "public"."cc_data_view" "cc_data_view"
  INNER JOIN (
  SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
    SUM("cc_data_view"."occurrences") AS "$__alias__0"
  FROM "public"."cc_data_view" "cc_data_view"
  GROUP BY 1
  ORDER BY 2 DESC,
    1 ASC
  LIMIT 5
) "t0" ON (CAST("cc_data_view"."product_name" AS TEXT) = "t0"."product_name")
WHERE (("cc_data_view"."daterange" >= (TIMESTAMP '2023-01-01 00:00:00.000')) AND ("cc_data_view"."daterange" < (TIMESTAMP '2024-01-01 00:00:00.000')))
GROUP BY 1

Di seguito è riportata la query eseguita da Tableau Desktop durante la definizione di un filtro Top 5 per le occorrenze. Il limite non è visibile nella query e applicato sul lato client.

SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."occurrences") AS "sum:occurrences:ok"
FROM "public"."cc_data_view" "cc_data_view"
WHERE (("cc_data_view"."daterange" >= (TIMESTAMP '2023-01-01 00:00:00.000')) AND ("cc_data_view"."daterange" < (TIMESTAMP '2024-01-01 00:00:00.000')))
GROUP BY 1

1. Nell'interfaccia Esplora di Looker, aggiorna la connessione. Selezionare Cancella cache e aggiorna.

2. Nell'interfaccia Esplora di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Rimuovi campi e filtri.

3. Seleziona + Filtro sotto Filtri.

4. Nella finestra di dialogo Aggiungi filtro:

   1. Seleziona ‣ Visualizzazione Dati Cc
   2. Dall'elenco dei campi, selezionare ‣ Data intervallo e quindi Data intervallo.
      

5. Specifica Il Filtro Cc Data Daterange Visualizzazione Dati Perché È Compreso Nell'Intervallo 2023/01/01 Fino A (Prima) 2024/01/01.

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

   1. Selezionare Nome prodotto.
   2. Seleziona Conteggio sotto MISURE nella barra a sinistra (in basso).

7. Accertati di selezionare ↓ (Decrescente, Ordinamento: 1) nella colonna Ricavi acquisti.

8. Accertati di selezionare ↓ (Decrescente, Ordinamento: 1) nella colonna Ricavi acquisti.

9. Seleziona Esegui.

10. Selezionare ‣ Visualizzazione.

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

La query generata da Looker tramite l'estensione BI include FETCH NEXT 5 ROWS ONLY, il che implica che il limite viene eseguito tramite Looker e l'estensione BI.

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

1. Immettere le istruzioni seguenti in una nuova cella.

   code language-python
   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' \ GROUP BY 1 \ ORDER BY `Events` DESC \ LIMIT 5; display(data)

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

   

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

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

   code language-r
   ## Dimension 1 Limited df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2024-01-01") %>% group_by(product_name) %>% count() %>% arrange(desc(n), .by_group = FALSE) %>% head(5) print(df)

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

   

La query generata da Studio utilizzando l'estensione BI include LIMIT 5, il che implica che il limite viene applicato tramite Studio e l'estensione BI.

SELECT "product_name", COUNT(*) AS "n"
FROM (
  SELECT "cc_data_view".*
  FROM "cc_data_view"
  WHERE ("daterange" >= '2023-01-01' AND "daterange" < '2024-01-01')
) AS "q01"
GROUP BY "product_name"
ORDER BY "n" DESC
LIMIT 5

Gli oggetti Customer Journey Analytics sono disponibili nel riquadro Dati e vengono recuperati dalla tabella selezionata in Power BI Desktop. Ad esempio, public.cc_data_view. Il nome della tabella è uguale all’ID esterno definito per la visualizzazione dati in Customer Journey Analytics. Ad esempio, visualizzazione dati con Titolo C&C - Data View e ID esterno cc_data_view.

Dimensioni
Le dimensioni di Customer Journey Analytics sono identificate dal ID componente. ID componente definito nella visualizzazione dati di Customer Journey Analytics. La dimensione Nome prodotto in Customer Journey Analytics, ad esempio, ha un ID componente nome_prodotto, che è il nome della dimensione in Power BI Desktop.
Le dimensioni dell'intervallo di date da Customer Journey Analytics, come Giorno, Settimana, Mese e altre sono disponibili come daterangeday, daterangeweek, daterangemonth e altre.

Metriche
Le metriche di Customer Journey Analytics sono identificate dal ID componente. ID componente definito nella visualizzazione dati di Customer Journey Analytics. La metrica Ricavi acquisti in Customer Journey Analytics, ad esempio, ha un ID componente ricavi acquisti, che è il nome della metrica in Power BI Desktop. Un ∑ indica le metriche. Quando utilizzi una metrica in una visualizzazione, questa viene rinominata **Somma di *metrica ***.

Filtri
I filtri definiti in Customer Journey Analytics sono disponibili nel campo filterName. Quando si utilizza un campo filterName in Power BI Desktop, è possibile specificare il filtro da utilizzare.

Metriche calcolate
Le metriche calcolate definite in Customer Journey Analytics sono identificate dal ID esterno definito per la metrica calcolata. Ad esempio, la metrica calcolata Nome prodotto (Conteggio distinto) ha ID esterno nome_prodotto_conteggio_distinto ed è visualizzata come cm_nome_prodotto_conteggio_distinto​t in Power BI Desktop.

Intervalli di date
Gli intervalli di date definiti in Customer Journey Analytics sono disponibili nel campo daterangeName. Quando si utilizza un campo daterangeName, è possibile specificare l'intervallo di date da utilizzare.

Trasformazioni personalizzate
Power BI Desktop fornisce funzionalità di trasformazione personalizzate utilizzando Espressioni di analisi dei dati (DAX). Ad esempio, desideri eseguire il caso d'uso Classificazione singola della dimensione con i nomi dei prodotti in minuscolo.

1. Nella vista Rapporto, seleziona la visualizzazione a barre.

2. Seleziona product_name nel riquadro Dati.

3. Seleziona Nuova colonna nella barra degli strumenti.

4. Nell'editor formule, definire una nuova colonna denominata product_name_lower, ad esempio product_name_lower = LOWER('public.cc_data_view[product_name]).
   

5. Assicurati di selezionare la nuova colonna product_name_lower nel riquadro Data invece della colonna product_name.

6. Seleziona Rapporto come tabella da nella visualizzazione tabella.

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

La trasformazione personalizzata risulta in un aggiornamento delle query SQL. Vedere l'utilizzo della funzione lower nell'esempio SQL seguente:

select "_"."product_name_lower",
    "_"."a0",
    "_"."a1"
from
(
    select "rows"."product_name_lower" as "product_name_lower",
        sum("rows"."purchases") as "a0",
        sum("rows"."purchase_revenue") as "a1"
    from
    (
        select "_"."daterange" as "daterange",
            "_"."product_name" as "product_name",
            "_"."purchase_revenue" as "purchase_revenue",
            "_"."purchases" as "purchases",
            lower("_"."product_name") as "product_name_lower"
        from
        (
            select "_"."daterange",
                "_"."product_name",
                "_"."purchase_revenue",
                "_"."purchases"
            from
            (
                select "daterange",
                    "product_name",
                    "purchase_revenue",
                    "purchases"
                from "public"."cc_data_view" "$Table"
            ) "_"
            where ("_"."daterange" < date '2024-01-01' and "_"."daterange" >= date '2023-01-01') and ("_"."product_name" in ('4G Cellular Trail Camera', '4K Wildlife Trail Camera', 'Wireless Trail Camera', '8-Person Cabin Tent', '20MP No-Glow Trail Camera', 'HD Wildlife Camera', '4-Season Mountaineering Tent', 'Trail Camera', '16MP Trail Camera with Solar Panel', '10-Person Family Tent'))
        ) "_"
    ) "rows"
    group by "product_name_lower"
) "_"
where not "_"."a0" is null or not "_"."a1" is null
limit 1000001

Gli oggetti Customer Journey Analytics sono disponibili nella barra laterale Dati ogni volta che si lavora in un foglio. E vengono recuperati dalla tabella selezionata come parte della pagina Origine dati in Tableau. Ad esempio, cc_data_view. Il nome della tabella è uguale all’ID esterno definito per la visualizzazione dati in Customer Journey Analytics. Ad esempio, visualizzazione dati con Titolo C&C - Data View e ID esterno cc_data_view.

Dimensioni
Le dimensioni di Customer Journey Analytics sono identificate dal nome componente. Il nome componente è definito nella visualizzazione dati di Customer Journey Analytics. Ad esempio, la dimensione Nome prodotto in Customer Journey Analytics ha un Nome componente Nome prodotto, che è il nome della dimensione in Tableau. Tutte le dimensioni sono identificate da Abc.
Le dimensioni dell'intervallo di date da Customer Journey Analytics, come Giorno, Settimana, Mese e altre sono disponibili come Daterangeday, Daterangeweek, Daterangemonth e altre. Quando utilizzi una dimensione intervallo di date, devi selezionare una definizione appropriata di data o ora da applicare a tale dimensione intervallo di date dal menu a discesa. Ad esempio, Anno, Trimestre, Mese, Giorno.

Metriche
Le metriche di Customer Journey Analytics sono identificate dal nome componente. Il Nome componente è definito nella visualizzazione dati di Customer Journey Analytics. Ad esempio, la metrica Ricavi da acquisto in Customer Journey Analytics ha un Nome componente Ricavi da acquisto, che è il nome della metrica in Tableau. Tutte le metriche sono identificate da #. Quando utilizzi una metrica in una visualizzazione, questa viene rinominata in Sum(metric).

Filtri
I filtri definiti in Customer Journey Analytics sono disponibili nel campo Nome filtro. Quando si utilizza un campo Nome filtro in Tableau, è possibile specificare il filtro da utilizzare.

Metriche calcolate
Le metriche calcolate definite in Customer Journey Analytics sono identificate dal Titolo definito per la metrica calcolata. Ad esempio, la metrica calcolata Nome prodotto (conteggio distinto) ha Titolo Nome prodotto (conteggio distinto) ed è visualizzata come Cm Nome prodotto conteggio distinto in Tableau.

Intervalli di date
Gli intervalli di date definiti in Customer Journey Analytics sono disponibili come parte del campo Nome intervallo. Quando si utilizza un campo Nome intervallo di date, è possibile specificare l'intervallo di date da utilizzare.

Trasformazioni personalizzate
Tableau Desktop fornisce funzionalità di trasformazione personalizzate utilizzando Campi calcolati. Ad esempio, desideri eseguire il caso d'uso Classificazione singola della dimensione con i nomi dei prodotti in minuscolo.

1. Selezionare Analisi > Crea campo calcolato dal menu principale.

   1. Definisci Nome prodotto in minuscolo utilizzando la funzione LOWER([Product Name]).
      
   2. Selezionare OK.

2. Selezionare il foglio Dati.

   1. Trascina Nome prodotto in minuscolo da Tabelle e rilascia la voce nel campo accanto a Righe.
   2. Rimuovi Nome prodotto da Righe.

3. Selezionare la visualizzazione Dashboard 1.

Il desktop Tableau dovrebbe essere simile al seguente.

La trasformazione personalizzata risulta in un aggiornamento delle query SQL. Vedere l'utilizzo della funzione LOWER nell'esempio SQL seguente:

SELECT LOWER(CAST(CAST("cc_data_view"."product_name" AS TEXT) AS TEXT)) AS "Calculation_1562467608097775616",
  SUM("cc_data_view"."purchase_revenue") AS "sum:purchase_revenue:ok",
  SUM("cc_data_view"."purchases") AS "sum:purchases:ok"
FROM "public"."cc_data_view" "cc_data_view"
WHERE (("cc_data_view"."daterange" >= (DATE '2023-01-01')) AND ("cc_data_view"."daterange" <= (DATE '2023-12-31')))
GROUP BY 1
HAVING ((SUM("cc_data_view"."purchase_revenue") >= 999999.99999998999) AND (SUM("cc_data_view"."purchase_revenue") <= 2000000.00000002))

Gli oggetti Customer Journey Analytics sono disponibili nell'interfaccia Esplora. e vengono recuperati come parte della configurazione della connessione, del progetto e del modello in Looker. Ad esempio, cc_data_view. Il nome della visualizzazione è uguale all’ID esterno definito per la visualizzazione dati in Customer Journey Analytics. Ad esempio, visualizzazione dati con Titolo C&C - Data View e ID esterno cc_data_view.

Dimensioni
Le dimensioni di Customer Journey Analytics sono elencate come DIMENSION nella barra a sinistra di Cc Data View. La dimensione è definita nella visualizzazione dati di Customer Journey Analytics. La dimensione Nome prodotto in Customer Journey Analytics, ad esempio, ha un DIMENSION Nome prodotto, che è il nome della dimensione in Looker.
Le dimensioni dell'intervallo di date da Customer Journey Analytics, come Giorno, Settimana, Mese e altre sono disponibili come Data Daterangeday, Data Daterangeweek, Data Daterangemonth e altre. Quando utilizzi una dimensione di intervallo di date, devi selezionare una definizione appropriata di data o ora. Ad esempio, Anno, Trimestre, Mese, Data.

Metriche
Le metriche di Customer Journey Analytics sono elencate come DIMENSION nella barra a sinistra di Cc Data View. Ad esempio, la metrica Ricavi da acquisto in Customer Journey Analytics ha un DIMENSION Ricavi da acquisto. Per utilizzare effettivamente come metrica, crea un campo misura personalizzato, come illustrato negli esempi precedenti, oppure utilizza il collegamento su una dimensione. Ad esempio, ⋮, selezionare Aggrega, quindi selezionare Somma.

Filtri
I filtri definiti in Customer Journey Analytics sono disponibili nel campo Nome filtro. Quando si utilizza un campo Nome filtro in Looker, è possibile specificare il filtro da utilizzare.

Metriche calcolate
Le metriche calcolate definite in Customer Journey Analytics sono identificate dal Titolo definito per la metrica calcolata. Ad esempio, la metrica calcolata Nome prodotto (conteggio distinto) ha Titolo Nome prodotto (conteggio distinto) ed è visualizzata come Cm Nome prodotto conteggio distinto in Looker.

Intervalli di date
Gli intervalli di date definiti in Customer Journey Analytics sono disponibili come parte del campo Nome intervallo. Quando si utilizza un campo Nome intervallo di date, è possibile specificare l'intervallo di date da utilizzare.

Trasformazioni personalizzate
Looker fornisce funzionalità di trasformazione personalizzate utilizzando generatori di campi personalizzati, come mostrato sopra. Ad esempio, desideri eseguire il caso d'uso Classificazione singola della dimensione con i nomi dei prodotti in minuscolo.

1. Dalla sezione ‣ Campi personalizzati nella barra a sinistra:

   1. Seleziona Dimension personalizzato dal menu a discesa + Aggiungi.
   2. Immettere lower(${cc_data_view.product_name}) nell'area di testo Espressione. Quando si inizia a digitare Product Name, viene fornita la sintassi corretta.
      
   3. Immetti product name come Nome.
   4. Seleziona Salva.

Dovresti vedere una tabella simile a quella mostrata di seguito.

La trasformazione personalizzata risulta in un aggiornamento delle query SQL. Vedere l'utilizzo della funzione LOWER nell'esempio SQL seguente:

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

Gli oggetti Customer Journey Analytics (dimensioni, metriche, filtri, metriche calcolate e intervalli di date) sono disponibili come parte delle query SQL incorporate create. Vedi gli esempi precedenti.

Trasformazioni personalizzate

1. Immettere le istruzioni seguenti in una nuova cella.

   code language-python
   data = %sql SELECT LOWER(product_category) AS `Product Category`, COUNT(*) AS EVENTS \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \ GROUP BY 1 \ ORDER BY `Events` DESC \ LIMIT 5; display(data)

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

   

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

I componenti Customer Journey Analytics (dimensioni, metriche, filtri, metriche calcolate e intervalli di date) sono disponibili come oggetti denominati simili nel linguaggio R. Consulta i componenti utilizzando il componente Consulta gli esempi precedenti.

Trasformazioni personalizzate

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

   code language-r
   df <- dv %>% filter(daterange >= "2023-01-01" & daterange <= "2024-01-01") %>% mutate(d2=lower(product_category)) %>% group_by(d2) %>% count() %>% arrange(d2, .by_group = FALSE) print(df)

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

   

La query generata da Studio utilizzando l'estensione BI include lower, il che implica che la trasformazione personalizzata viene eseguita da Studio e dall'estensione BI.

SELECT "d2", COUNT(*) AS "n"
FROM (
  SELECT "cc_data_view".*, lower("product_category") AS "d2"
  FROM "cc_data_view"
  WHERE ("daterange" >= '2023-01-01' AND "daterange" <= '2024-01-01')
) AS "q01"
GROUP BY "d2"
ORDER BY "d2"
LIMIT 1000

Confronto

Per la maggior parte delle visualizzazioni di Customer Journey Analytics, Power BI Desktop offre esperienze equivalenti. Vedi la tabella seguente.

table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3 8-row-3 9-row-3 10-row-3 11-row-3 12-row-3 13-row-3 14-row-3 15-row-3 16-row-3 17-row-3 18-row-3 19-row-3 20-row-3 21-row-3 22-row-3 23-row-3 1-align-center 5-align-center 9-align-center 13-align-center 17-align-center 21-align-center 25-align-center 29-align-center 33-align-center 37-align-center 41-align-center 45-align-center 49-align-center 53-align-center 57-align-center 61-align-center 65-align-center 69-align-center 73-align-center 77-align-center 81-align-center 85-align-center 89-align-center 93-align-center
Icona	Visualizzazione Customer Journey Analytics	Visualizzazione desktop di Power BI
	Superfici	Grafico ad area, grafico ad area sovrapposta e grafico ad area 100%
	Barre	Istogramma cluster
	Barre sovrapposte	Istogramma in pila e istogramma in pila al 100%
	Bullet
	Tabella coorte
	Combinato	Grafico a linee e istogramma in pila e Grafico a linee e istogramma in cluster
	Anello	Grafico ad anello
	Fallout	Funnel.
	Flusso	Albero di scomposizione?
	Tabella a forma libera	Tabella e Matrice
	Istogramma
	Barre orizzontali	Grafico a barre cluster
	Barra orizzontale sovrapposta	Grafico a barre in pila e Grafico a barre in pila 100%
	Area di lavoro percorso	Struttura di decomposizione
	Riepilogo delle metriche chiave
	Linee	Grafico a linee
	A dispersione	Grafico a dispersione
	Intestazione sezione	Casella di testo
	Variazione di riepilogo	Scheda
	Numero di riepilogo	Scheda
	Testo	Casella di testo
	Mappa ad albero	Mappa ad albero
	Venn

Drill-down

Power BI supporta la modalità di drilling per esplorare dettagli approfonditi su determinate visualizzazioni. Nell’esempio seguente, analizzi i ricavi di acquisto per categorie di prodotti. Dal menu di scelta rapida di una barra che rappresenta una categoria di prodotti, è possibile selezionare Espandi.

Il drill-down aggiorna la visualizzazione con i ricavi di acquisto per i prodotti della categoria di prodotto selezionata.

Il drill-down genera la seguente query SQL che utilizza una clausola WHERE:

select "_"."product_category" as "c25",
    "_"."product_name" as "c26",
    "_"."a0" as "a0"
from
(
    select "_"."product_category",
        "_"."product_name",
        "_"."a0"
    from
    (
        select "_"."product_category",
            "_"."product_name",
            "_"."a0"
        from
        (
            select "rows"."product_category" as "product_category",
                "rows"."product_name" as "product_name",
                sum("rows"."purchase_revenue") as "a0"
            from
            (
                select "_"."product_category",
                    "_"."product_name",
                    "_"."purchase_revenue"
                from "public"."cc_data_view" "_"
                where ("_"."daterange" >= date '2023-01-01' and "_"."product_category" = 'Fishing') and "_"."daterange" < date '2024-01-01'
            ) "rows"
            group by "product_category",
                "product_name"
        ) "_"
        where not "_"."a0" is null
    ) "_"
) "_"
order by "_"."product_category",
        "_"."product_name"
limit 1001

Confronto

Per la maggior parte delle visualizzazioni di Customer Journey Analytics, Tableau Desktop offre esperienze equivalenti. Vedi la tabella seguente.

table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3 8-row-3 9-row-3 10-row-3 11-row-3 12-row-3 13-row-3 14-row-3 15-row-3 16-row-3 17-row-3 18-row-3 19-row-3 20-row-3 21-row-3 22-row-3 23-row-3 1-align-center 5-align-center 9-align-center 13-align-center 17-align-center 21-align-center 25-align-center 29-align-center 33-align-center 37-align-center 41-align-center 45-align-center 49-align-center 53-align-center 57-align-center 61-align-center 65-align-center 69-align-center 73-align-center 77-align-center 81-align-center 85-align-center 89-align-center 93-align-center
Icona	Visualizzazione Customer Journey Analytics	Visualizzazione desktop di Power BI
	Superfici	Grafico a superficie
	Barre	Grafico a barre
	Barre sovrapposte
	Bullet	Grafico bullet
	Tabella coorte
	Combinato	Grafici combinati
	Anello
	Fallout
	Flusso
	Tabella a forma libera	Tabella testo
	Istogramma	Istogramma
	Barre orizzontali	Grafico a barre
	Barra orizzontale sovrapposta	Grafico a barre
	Area di lavoro percorso
	Riepilogo delle metriche chiave
	Linee	Grafico a linee
	A dispersione	Scatter Plot (Dispersione)
	Intestazione sezione
	Variazione di riepilogo
	Numero di riepilogo
	Testo
	Mappa ad albero	Mappa ad albero
	Venn

Drill-down

Tableau supporta la modalità di drilling attraverso gerarchie. Nell'esempio seguente viene creata una gerarchia quando si seleziona il campo Nome prodotto all'interno di Tabelle e lo si trascina sopra Categoria prodotto. Quindi, dal menu di scelta rapida di una barra che rappresenta una categoria di prodotti, è possibile selezionare + Drill down.

Il drill-down aggiorna la visualizzazione con i ricavi di acquisto per i prodotti della categoria di prodotto selezionata.

Il drill-down determina la seguente query SQL che utilizza una clausola GROUP BY:

SELECT CAST("cc_data_view"."product_category" AS TEXT) AS "product_category",
  CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."purchase_revenue") AS "sum:purchase_revenue:ok"
FROM "public"."cc_data_view" "cc_data_view"
WHERE (("cc_data_view"."daterange" >= (TIMESTAMP '2023-01-01 00:00:00.000')) AND ("cc_data_view"."daterange" < (TIMESTAMP '2024-01-01 00:00:00.000')))
GROUP BY 1,
  2

La query non limita i risultati alla categoria di prodotto selezionata; solo la visualizzazione mostra la categoria di prodotto selezionata.

In alternativa, è possibile creare un dashboard di espansione in cui un elemento visivo è il risultato della selezione in un altro elemento visivo. Nell'esempio seguente, la visualizzazione Categorie prodotto viene utilizzata come filtro per aggiornare la tabella Nomi prodotto. Questo filtro di visualizzazione è solo client e non genera una query SQL aggiuntiva.

Confronto

Per la maggior parte delle visualizzazioni di Customer Journey Analytics, Looker offre esperienze equivalenti. Vedi la tabella seguente.

table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3 8-row-3 9-row-3 10-row-3 11-row-3 12-row-3 13-row-3 14-row-3 15-row-3 16-row-3 17-row-3 18-row-3 19-row-3 20-row-3 21-row-3 22-row-3 23-row-3 1-align-center 5-align-center 9-align-center 13-align-center 17-align-center 21-align-center 25-align-center 29-align-center 33-align-center 37-align-center 41-align-center 45-align-center 49-align-center 53-align-center 57-align-center 61-align-center 65-align-center 69-align-center 73-align-center 77-align-center 81-align-center 85-align-center 89-align-center 93-align-center
Icona	Visualizzazione Customer Journey Analytics	Visualizzazione desktop di Power BI
	Superfici	Grafico a superficie
	Barre	Grafico a barre
	Barre sovrapposte	Grafico a barre
	Bullet	Grafico bullet
	Tabella coorte
	Combinato	Personalizzazione delle visualizzazioni
	Anello	Anello
	Fallout	Funnel
	Flusso	Chiave santa
	Tabella a forma libera	Tabella
	Istogramma
	Barre orizzontali	Grafico a barre
	Barra orizzontale sovrapposta	Grafico a barre
	Area di lavoro percorso
	Riepilogo delle metriche chiave
	Linee	Grafico a linee
	A dispersione	Grafico a dispersione
	Intestazione sezione
	Variazione di riepilogo	Valore singolo
	Numero di riepilogo	Valore singolo
	Testo	Valore singolo
	Mappa ad albero	Mappa ad albero
	Diagramma di Venn	Diagramma di Venn

• Il filtro dell'intervallo di date avanzato di Power BI Desktop è esclusivo. Per la data di fine, devi selezionarne una oltre il giorno per il quale desideri generare il rapporto. Ad esempio, è uguale o successivo a 1/1/2023 e precedente a 1/2/2023.

• Power BI Desktop viene impostato automaticamente su Importa quando si crea una connessione. Assicurati di utilizzare Direct Query.

• Power BI Desktop espone le trasformazioni dei dati tramite Power Query. Power Query funziona principalmente con connessioni di tipo Importa, pertanto molte trasformazioni applicate come funzioni di data o di stringa generano un errore che indica che è necessario passare a una connessione di tipo Importa. Se devi trasformare i dati in fase di query, utilizza dimensioni e metriche derivate in modo che Power BI non debba eseguire le trasformazioni stesse.

• Power BI Desktop non è in grado di gestire le colonne di tipo data-ora. Le dimensioni **daterange *X ***, ad esempio​ daterangehour ​ ​e​daterangeminute ​, non sono pertanto supportate.

• Per impostazione predefinita, Power BI Desktop tenta di effettuare più connessioni utilizzando un numero maggiore di sessioni di Query Service. Accedi alle impostazioni di Power BI per il progetto e disabilita le query parallele.

• Power BI Desktop esegue tutte le operazioni di ordinamento e limitazione sul lato client. Power BI Desktop ha anche una semantica diversa per il filtro X superiore che include valori associati. Pertanto, non puoi creare lo stesso ordinamento e le stesse limitazioni disponibili in Analysis Workspace.

• Le versioni precedenti di Power BI Desktop, nell’ottobre 2024, hanno interrotto le origini dati PostgreSQL. Assicurati di utilizzare la versione indicata in questo articolo.

• L’intervallo di date del desktop Tableau è esclusivo. Per la data di fine, devi selezionarne una oltre il giorno per il quale desideri generare il rapporto.

• Per impostazione predefinita, quando si aggiunge una dimensione data o data-ora come Daterangemonth alle righe di un foglio, Tableau Desktop racchiude il campo in una funzione YEAR(). Per ottenere ciò che desideri, devi selezionare tale dimensione e dal menu a discesa selezionare la funzione data che desideri utilizzare. Ad esempio, cambia da Anno a Mese quando tenti di utilizzare Mese_Daterangente.

• Limitare i risultati al primo X non è ovvio in Tableau Desktop. È possibile limitare i risultati in modo esplicito o utilizzando un campo calcolato e la funzione INDEX(). L'aggiunta di un filtro X principale a una dimensione genera istruzioni SQL complesse utilizzando un inner join non supportato.

• Il Looker dispone di un numero massimo di connessioni per nodo che devono essere comprese tra 5 e 100. Impossibile impostare questo valore su 1. Questa impostazione implica che una connessione Looker utilizzi sempre almeno 5 delle sessioni disponibili di Query Service.

• Looker consente di creare un progetto con una visualizzazione basata su una visualizzazione dati di Customer Journey Analytics. Looker crea quindi un modello basato sulle dimensioni e sulle metriche, disponibili nella visualizzazione Dati, utilizzando LookerML. Questa vista Progetto non si aggiorna automaticamente per corrispondere all'origine. Se apporti modifiche o aggiunte a dimensioni, metriche, metriche calcolate o segmenti della visualizzazione dati di CJA, tali modifiche non vengono visualizzate automaticamente in Looker. È necessario aggiornare manualmente la visualizzazione Progetto o creare un nuovo progetto.

• L'esperienza utente di Looker in campi di data o data e ora come Daterange Date o Daterangeday Date è fonte di confusione.

• L’intervallo di date del ricercatore è esclusivo invece di inclusivo. fino a (prima di) è in grigio, quindi questo aspetto potrebbe mancare. Per il giorno di fine, devi selezionarne uno oltre il giorno per il quale desideri generare il rapporto.

• Looker non tratta automaticamente le metriche come metriche. Quando selezioni una metrica, per impostazione predefinita Looker tenta di trattare la metrica come una dimensione nella query. Per trattare una metrica come una metrica, devi creare un campo personalizzato come illustrato in precedenza. Come collegamento è possibile selezionare ⋮, selezionare Aggrega, quindi selezionare Somma.

• L’avvertenza principale per Jupyter Notebook è che lo strumento non ha un’interfaccia utente drag-and-drop come altri strumenti di business intelligence. Puoi creare buoni effetti visivi, ma devi scrivere del codice per farlo.

• R dplyr funziona con uno schema piatto ed è quindi necessaria l'opzione FLATTEN.

• L'avvertenza principale per RSudio è che lo strumento non è un'interfaccia utente di trascinamento come gli altri strumenti di business intelligence. Puoi creare buoni effetti visivi, ma devi scrivere del codice per farlo.