1. Nel riquadro Data:

   1. Seleziona daterange (Aggiungi set di dati).
   2. Seleziona product_name (Aggiungi set di dati).
   3. Seleziona sum occurrences (Salva).

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.
   5. Selezionare product_name is (All) da Filters on this visual.
   6. Seleziona Top N come Filter type.
   7. Selezionare Show Items Top 5 By value.
   8. Trascinare sum occurrences dal riquadro Data e rilasciarlo su Add data fields here.
   9. Seleziona Apply filter.

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 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 Relative dates, Years e Previous years. Selezionare Apply e OK.

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

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

   6. Selezionare Text Table da Show Me.

   7. Selezionare Fit Width dal menu a discesa Fit.

   8. Selezionare Product Name in Rows. Selezionare Filter dal menu a discesa.

      1. Nella finestra di dialogo Filter [Product Name], seleziona la scheda Top.

      2. Selezionare By field: Top 5 by Occurrences Sum.

      3. Selezionare Apply 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 Product Name nello scaffale Filter e dal menu a discesa selezionare Remove. Viene visualizzata di nuovo la tabella.

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

      1. Nella finestra di dialogo Filter [Occurrences], seleziona At least.

      2. Immetti 47.799 come valore. Questo valore assicura che nella tabella vengano visualizzati solo i primi 5 elementi. Selezionare Apply 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 Explore di Looker, aggiorna la connessione. Selezionare Clear cache and refresh.

2. Nell'interfaccia Explore di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare 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.

      

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

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

   1. Seleziona Product Name.
   2. Seleziona Count sotto MEASURES nella barra a sinistra (in basso).

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

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.

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 Data 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 Title C&C - Data View e External ID cc_data_view.

Dimensioni
Le dimensioni di Customer Journey Analytics sono identificate da Component ID. Component ID è definito nella visualizzazione dati di Customer Journey Analytics. La dimensione Product Name in Customer Journey Analytics, ad esempio, ha Component ID product_name, che è il nome della dimensione in Power BI Desktop.
Le dimensioni dell'intervallo di date da Customer Journey Analytics, come Day, Week, Month e altre sono disponibili come daterangeday, daterangeweek, daterangemonth e altre.

Metriche
Le metriche di Customer Journey Analytics sono identificate da Component ID. Component ID è definito nella visualizzazione dati di Customer Journey Analytics. Ad esempio, la metrica Purchase Revenue in Customer Journey Analytics ha un Component ID purchase_revenue, che è il nome della metrica in Power BI Desktop. Un ∑ indica le metriche. Quando utilizzi una metrica in una visualizzazione, questa viene rinominata **Sum of *metrica ***.

Filtri
I filtri definiti in Customer Journey Analytics sono disponibili come parte del 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 dai External ID definiti per la metrica calcolata. La metrica calcolata Product Name (Count Distinct), ad esempio, contiene External ID product_name_count_distinct ed è visualizzata come cm_product_name_count_distinc ​t in Power BI Desktop.

Intervalli di date
Gli intervalli di date definiti in Customer Journey Analytics sono disponibili come parte del 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. Selezionare product_name nel riquadro Dati.

3. Selezionare New column 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. Assicurarsi di selezionare la nuova colonna product_name_lower nel riquadro Data anziché la colonna product_name.

6. Seleziona Report as Table 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 Data ogni volta che si lavora in un foglio. E vengono recuperati dalla tabella selezionata come parte della pagina Data source 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 Title C&C - Data View e External ID cc_data_view.

Dimensioni
Le dimensioni di Customer Journey Analytics sono identificate da Component name. Component name è definito nella visualizzazione dati di Customer Journey Analytics. La dimensione Product Name in Customer Journey Analytics, ad esempio, ha Component name Product Name, 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 Day, Week, Month 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, Year, Quarter, Month, Day.

Metriche
Le metriche di Customer Journey Analytics sono identificate da Component Name. Component Name è definito nella visualizzazione dati di Customer Journey Analytics. Ad esempio, la metrica Purchase Revenue in Customer Journey Analytics ha un Component Name Purchase Revenue, che è il nome della metrica in Tableau. Tutte le metriche sono identificate da #. Quando utilizzi una metrica in una visualizzazione, questa viene rinominata Sum(*metrica *).

Filtri
I filtri definiti in Customer Journey Analytics sono disponibili come parte del campo Filter Name. Quando si utilizza un campo Filter Name in Tableau, è possibile specificare il filtro da utilizzare.

Metriche calcolate
Le metriche calcolate definite in Customer Journey Analytics sono identificate dai Title definiti per la metrica calcolata. Ad esempio, la metrica calcolata Product Name (Count Distinct) ha Title Product Name (Count Distinct) ed è visualizzata come Cm Product Name Count Distinct in Tableau.

Intervalli di date
Gli intervalli di date definiti in Customer Journey Analytics sono disponibili come parte del campo Daterange Name. Quando si utilizza un campo Daterange Name, 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 Analysis > Create Calculated Field dal menu principale.

   1. Definire Lowercase Product Name utilizzando la funzione LOWER([Product Name]).

      

   2. Seleziona OK.

2. Selezionare il foglio Data.

   1. Trascina Lowercase Product Name da Tables e rilascia la voce nel campo accanto a Rows.
   2. Rimuovi Product Name da Rows.

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 Explore. 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 Title C&C - Data View e External ID 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 Product Name in Customer Journey Analytics, ad esempio, ha DIMENSION Product Name, che è il nome della dimensione in Looker.
Le dimensioni dell'intervallo di date da Customer Journey Analytics, come Day, Week, Month e altre sono disponibili come Daterangeday Date, Daterangeweek Date, Daterangemonth Date e altre. Quando utilizzi una dimensione di intervallo di date, devi selezionare una definizione appropriata di data o ora. Ad esempio, Year, Quarter, Month, Date.

Metriche
Le metriche di Customer Journey Analytics sono elencate come DIMENSION in nella barra a sinistra di Cc Data View. La metrica Purchase Revenue in Customer Journey Analytics, ad esempio, ha DIMENSION Purchase Revenue. 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 Aggregate, quindi selezionare Sum.

Filtri
I filtri definiti in Customer Journey Analytics sono disponibili come parte del campo Filter Name. Quando si utilizza un campo Filter Name in Looker, è possibile specificare il filtro da utilizzare.

Metriche calcolate
Le metriche calcolate definite in Customer Journey Analytics sono identificate dai Title definiti per la metrica calcolata. Ad esempio, la metrica calcolata Product Name (Count Distinct) ha Title Product Name (Count Distinct) ed è visualizzata come Cm Product Name Count Distinct in Looker.

Intervalli di date
Gli intervalli di date definiti in Customer Journey Analytics sono disponibili come parte del campo Daterange Name. Quando si utilizza un campo Daterange Name, 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 ‣ Custom Fields nella barra a sinistra:

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

   2. Immettere lower(${cc_data_view.product_name}) nell'area di testo Expression. Quando si inizia a digitare Product Name, viene fornita la sintassi corretta.

      

   3. Immetti product name come Name.

   4. Seleziona Save.

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 Drill down.

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 Product Name in Tables e lo si trascina sopra Product Category. 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 Product Categories viene utilizzata come filtro per aggiornare la tabella Product Names. 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, is on or after 1/1/2023 and before 1/2/2023.

• Power BI Desktop viene impostato automaticamente su Import quando si crea una connessione. Assicurarsi 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, pertanto le dimensioni **daterange*X ***​come daterangehour ​e daterangeminute ​non sono 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. Modificare ad esempio Year in Month quando si tenta di utilizzare Daterangemonth.

• 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 confusa.

• L’intervallo di date del ricercatore è esclusivo invece di inclusivo. until (before) 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 Aggregate, quindi selezionare Sum.

• 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.