BI ツール
note prerequisites
PREREQUISITES
このユースケースを試す BI ツールについて、 接続に成功し、データビューをリストし、データビューを使用できることを検証したことを確認します。
tabs
Power BI デスクトップ
  1. データ ペインで、次の操作を行います。

    1. daterange を選択します。
    2. product_name を選択します。
    3. sum purchase_revenue を選択します。
    4. 購入を合計」を選択します。

    選択した要素の列ヘッダーのみを表示する空のテーブルが表示されます。 視認性を高めるには、ビジュアライゼーションを拡大します。

  2. フィルター パネルで、次の操作を行います。

    1. このビジュアルのフィルター から daterange is (すべて) を選択します。
    2. フィルタータイプ として 相対日付 を選択します。
    3. フィルターを定義して 値が過去 暦年 に含まれる場合に項目を表示 1します
    4. フィルターを適用」を選択します。

    適用した daterange フィルターを使用して更新されたテーブルが表示されます。

  3. ビジュアライゼーション パネルで、

    1. CrossSize75 を使用して DaterangeColumns から削除します。
    2. 購入の合計購入の合計 の下にドラッグ&ドロップします。
  4. テーブル ビジュアライゼーションで、次の操作を行います。

    1. purchase_revenue の合計 を選択すると、商品名を降順で並べ替えることができます。 Power BI デスクトップは次のようになります。

    Power BI デスクトップユースケース 5 テーブルステータス

  5. フィルター パネルで、次の操作を行います。

    1. product_name is (All) を選択します。
    2. フィルタータイプ上位 N に設定します。
    3. フィルターを定義して 項目を表示上位10 にします。
    4. purchase_revenueBy value ここにデータフィールドを追加 にドラッグ&ドロップします。
    5. フィルターを適用」を選択します。

    Analysis Workspaceのフリーフォームテーブルビジュアライゼーションと同期して、購入売上高の値で更新されたテーブルが表示されます。

  6. ビジュアライゼーション パネルで、

    1. 折れ線グラフおよび積み重ね柱状グラフ ビジュアライゼーションを選択します。

    折れ線グラフおよび積み重ね柱状グラフビジュアライゼーションは、テーブルを置き換え、テーブルと同じデータを使用します。

  7. 購入ビジュアライゼーション ペインの 線の Y 軸 にドラッグ&ドロップします。

    折れ線グラフと積み重ね柱状グラフが更新されます。 Power BI デスクトップは次のようになります。

    Power BI デスクトップのユースケース 5 グラフ

  8. 折れ線グラフおよび積み重ね柱状グラフのビジュアライゼーションで:

    1. 詳細 を選択します。
    2. コンテキストメニューから「テーブルとして表示」を選択します。

    メインビューが更新され、折れ線グラフのビジュアライゼーションとテーブルの両方が表示されます。

    Power BI デスクトップのユースケース 2 最終的な毎日のトレンドビジュアライゼーション

Tableau Desktop
  1. 下部にある「シート 1」タブを選択して、「データソース」から切り替えます。 シート 1 ビューで、次の操作を行います。

    1. データ ペインの テーブル リストから Daterange エントリをドラッグし、フィルター シェルフにドロップします。

    2. フィルターフィールド[Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    3. フィルター[Daterange] ダイアログで 日付範囲 を選択し、01/01/202331/12/2023 の期間を指定します。 適用 および OK を選択します。

      Tableau Desktop フィルター

    4. データ ペインの テーブル リストから 製品名 をドラッグ&ドロップし、 の横のフィールドにエントリをドロップします。

    5. データ ペインの テーブル(メジャー名 リストから 購入 をドラッグ&ドロップし、 の横のフィールドにエントリをドロップします。 値は自動的に SUM (Purchases) に変換されます。

    6. データ ペインの テーブル(メジャー名 リストから 購入収益 をドラッグ&ドロップし、 の横のフィールドにエントリをドロップして、SUM (購入) から左にドロップします。 値は SUM (Purchase Revenue) に自動変換されます。

    7. 両方のグラフを降順で並べ替えるには、購買収益 タイトルにポインタを合わせて、並べ替えアイコンを選択します。

    8. グラフのエントリ数を制限するには、SUM (Purchase Revenue) を選択し、ドロップダウンメニューから フィルター を選択します。

    9. フィルター[Purchase Revenue] ダイアログで 値の範囲 を選択し、適切な値を入力します。 例:1,000,0002,000,000 適用 および OK を選択します。

    10. 2 つの棒グラフを 2 つの組み合わせのグラフに変換するには、「」で「合計 購入) を選択し、ドロップダウンメニューから「二重軸」を選択します。 棒グラフは散布図に変換されます。

    11. 散布図を棒グラフに変更するには、次の手順に従います。

      1. マーク エリアで SUM (Purchases) を選択し、ドロップダウンメニューから を選択します。
      2. マーク エリアで SUM (Purchase Revenue) を選択し、ドロップダウンメニューから 棒グラフ を選択します。

    Tableau Desktop は次のようになります。

    Tableau Desktop グラフ

  2. [シート 1] タブの右クリック メニューから 複製 を選択し、2 番目のシートを作成します。

  3. [シート 1] タブの右クリック メニューから 名前変更 を選択して、シートの名前を Data に変更します。

  4. シート 1 (2) タブの右クリック メニューから 名前変更 を選択して、シートの名前を Graph に変更します。

  5. データ シートが選択されていることを確認します。

    1. 右上の 表示 を選択し、テキストテーブル (左上のビジュアライゼーション)を選択して、2 つのグラフのコンテンツをテーブルに変更します。
    2. 購買収益を降順で並べ替えるには、テーブルの 購買収益 にポインタを合わせて SortOrderDown を選択します。
    3. フィット ドロップダウンメニューから ビュー全体 を選択します。

    Tableau Desktop は次のようになります。

    Tableau Desktop データ

  6. 新規ダッシュボード」タブボタン(下部)を選択して、新しい ダッシュボード 1 ビューを作成します。 ダッシュボード 1 ビューで、次の操作を行います。

    1. Sheets シェルフから Graph シートを Dashboard 1 ビュー(「シートをここにドロップ 」と表示されているビュー にドラッグ&ドロップします。
    2. データ シートを、グラフ シートの下にある シート シェルフから ダッシュボード 1 ビューにドラッグ&ドロップします。
    3. ビューで データ シートを選択し、ビュー全体固定幅 に変更します。

    ダッシュボード 1 ビューは次のようになります。

    Tableau Desktop ダッシュボード 1

Looker
  1. Looker の 探索 インターフェイスで、クリーンな設定ができていることを確認します。 そうでない場合は、「 設定 フィールドとフィルターを削除」を選択します。

  2. フィルター の下の「+ フィルター を選択します。

  3. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します

    2. フィールドのリストから、「‣Daterange Date」を選択しDaterange Date」を選択します。

      Looker フィルター

  4. CC データビュー日付範囲 フィルターを 範囲内 2023/01/01前)まで 2024/01/01 として指定します。

  5. 左側のパネルの「‣ Cc データビュー」セクションで、「製品名」を選択します。

  6. 左パネルの「‣カスタムフィールド」セクションから:

    1. +追加」ドロップダウンメニューから「カスタム測定」を選択します。

    2. カスタム測定を作成 ダイアログで、次の手順を実行します。

      1. 測定するフィールド ドロップダウンメニューから 購入売上高 を選択します。

      2. 測定タイプ ドロップダウンメニューから 合計 を選択します。

      3. 名前 のカスタムフィールド名を入力します。 例:Purchase Revenue

      4. フィールドの詳細 タブを選択します。

      5. 形式 ドロップダウンメニューから「小数」を選択し、「0 小数 入力されていることを確認します。

        Looker カスタム指標フィールド

      6. 保存」を選択します。

    3. +追加」ドロップダウンメニューから カスタム測定 をもう一度選択します。 カスタムを作成 メジャーダイアログで、

      1. 測定するフィールド ドロップダウンメニューから 購入 を選択します。
      2. 測定タイプ ドロップダウンメニューから 合計 を選択します。
      3. 名前 のカスタムフィールド名を入力します。 例:Sum of Purchases
      4. フィールドの詳細 タブを選択します。
      5. 形式 ドロップダウンメニューから「小数」を選択し、「0 小数 入力されていることを確認します。
      6. 保存」を選択します。
    4. 両方のフィールドがデータビューに自動的に追加されます。

  7. 別の フィルター を追加する場合は「+ フィルター を選択し、データを制限する場合は「制限」を選択します。

  8. フィルターを追加 ダイアログで、「‣カスタムフィールド」を選択し、「購入収益」を選択します。

  9. 適切な選択を行い、提案された値を入力します。これにより、フィルターの 次を含む 1000000 ​AND2000000 になります。

  10. 実行」を選択します。

  11. ‣ビジュアライゼーション」を選択して、折れ線グラフのビジュアライゼーションを表示します。

  12. ビジュアライゼーション の「編集」を選択して、ビジュアライゼーションを更新します。 ポップアップダイアログで以下を行います。

    1. シリーズ タブを選択します。

    2. 下にスクロールして 購入 を表示し、タイプ に変更します。

    3. Y」タブを選択します。

    4. 左側の 1 コンテナから 購入ここにシリーズをドラッグして新しい左軸を作成​ ​にドラッグします。 このアクションにより、​ 左 2 ​ ​コンテナが作成されます。

      Looker ビジュアライゼーション設定

    5. 編集 の横にある CrossSize75 を選択して、ポップアップダイアログを非表示にします

以下に示すようなビジュアライゼーションとテーブルが表示されます。

Looker 結果日別トレンド

Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-none
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \
                GROUP BY 1 \
                LIMIT 10;
    df = data.DataFrame()
    df = df.groupby('Product Name', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.barplot(x='Purchase Revenue', y='Product Name', data=df)
    plt.show()
    display(data)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

RStudio
  1. 新しいチャンクで、```{r} と ` ````の間に次のステートメントを入力します。

    code language-r
    library(tidyr)
    
    ## Single dimension ranked
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2024-01-01") %>%
       group_by(product_name) %>%
       summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases)) %>%
       arrange(product_name, .by_group = FALSE)
    dfV <- df %>%
       head(5)
    ggplot(dfV, aes(x = purchase_revenue, y = product_name)) +
       geom_col(position = "dodge") +
       geom_text(aes(label = purchase_revenue), vjust = -0.5)
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio の結果

複数のディメンションのランク

このユースケースでは、2023 年を超える製品カテゴリ内の製品名について、購入収益と購入を分類したテーブルを表示する必要があります。 その上に、いくつかのビジュアライゼーションを使用して、各製品カテゴリ内での製品カテゴリ分布と製品名の貢献度の両方を示します。

Customer Journey Analytics

ユースケースの例 複数のDimensionのランク付け パネルを次に示します。

Customer Journey Analyticsの複数のDimensionのランクパネル

BI ツール
note prerequisites
PREREQUISITES
このユースケースを試す BI ツールについて、 接続に成功し、データビューをリストし、データビューを使用できることを検証したことを確認します。
tabs
Power BI デスクトップ
  1. 日付範囲をすべてのビジュアライゼーションに確実に適用するには、データ パネルから このページのフィルターdaterangeday をドラッグ&ドロップします。

    1. このページのフィルター から daterangeday is (すべて) を選択します。
    2. フィルタータイプ として 相対日付 を選択します。
    3. フィルターを定義して 値が過去 暦年 に含まれる場合に項目を表示 1します
    4. フィルターを適用」を選択します。
  2. データ ペインで、次の操作を行います。

    1. datarangeday を選択します。
    2. product_category を選択します。
    3. product_name を選択します。
    4. sum purchase_revenue を選択します
    5. 購入の合計」を選択します。
  3. 縦棒グラフをテーブルに変更するには、テーブルが選択されていることを確認し、ビジュアライゼーション ペインから マトリックス を選択します。

    • product_name からドラッグし、​ 行 ​ の​ ​product_categor​ ​y の下にあるフィールドを ビジュアライゼーション ペインにドロップします。
  4. テーブル内に表示される製品の数を制限するには、フィルター ペインで product_name is (All) を選択します。

    1. 詳細フィルター を選択します。
    2. フィルタータイプ上位 N項目を表示上位15値別 を選択します。
    3. データ ペインから 購入ここにデータフィールドを追加 にドラッグします。
    4. フィルターを適用」を選択します。
  5. 読みやすくするには、トップメニューから 表示 を選択し、ページビュー/実際のサイズ を選択して、テーブルビジュアライゼーションのサイズを変更します。

  6. テーブルの各カテゴリを分類するには、製品カテゴリレベルで + を選択します。 Power BI デスクトップは次のようになります。

    Power BI Desktop の複数ディメンションのランク付けマトリックス テーブル

  7. 上部のメニューから ホーム を選択し、「新しいビジュアル を選択します。 新しいビジュアルがレポートに追加されます。

  8. データ ペインで、次の操作を行います。

    1. product_category を選択します。
    2. product_name を選択します。
    3. purchase_revenue を選択します。
  9. ビジュアルを変更するには、棒グラフを選択し、「ビジュアライゼーション パネルから ツリーマップ を選択します。

  10. product_categoryCategory の下にリストされ、product_nameビジュアライゼーション ペインの 詳細 の下にリストされていることを確認します。

    Power BI デスクトップは次のようになります。

    Power BI Desktop の複数ディメンションのランクツリーマップ

  11. 上部のメニューから ホーム を選択し、「新しいビジュアル を選択します。 新しいビジュアルがレポートに追加されます。

  12. データ ペインで、次の操作を行います。

    1. product_category を選択します。
    2. purchase_revenue を選択します。
    3. 購入 を選択します。
  13. ビジュアライゼーション パネルで、

    1. ビジュアライゼーションを変更するには、折れ線グラフと積み重ね柱状グラフ を選択します。
    2. 列の y 軸 から 行の y 軸sum_of_purchases をドラッグします。
  14. レポートで、個々のビジュアライゼーションを再シャッフルします。

    Power BI デスクトップは次のようになります。

    Power BI Desktop の複数ディメンションが最終ランクに りました

Tableau Desktop
  1. 下部にある「シート 1」タブを選択して、「データソース」から切り替えます。 シート 1 ビューで、次の操作を行います。

    1. データ ペインの テーブル リストから Daterange エントリをドラッグし、フィルター シェルフにドロップします。

    2. フィルターフィールド[Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    3. フィルター[Daterange] ダイアログで 相対的な日付 を選択し、 を選択してから 前年 を指定します。 適用 および OK を選択します。

      Tableau Desktop は次のようになります。

      Tableau Desktop Multiple Dimension Rank Filter

    4. 製品カテゴリ をドラッグして、「列 の横にドロップ ます。

    5. 購入売上高 をドラッグし、「行 の横にドロップ ます。 値が「SUM (Purchase Revenue)」に変わります。

    6. 「購入」をドラッグし、「」の横にドロップします。 値が SUM (Purchases) に変更されます。

    7. SUM (Purchases) を選択し、ドロップダウンメニューから 二重軸 を選択します。

    8. マークSUM (Purchases) を選択し、ドロップダウンメニューから Line を選択します。

    9. マークSUM (Purchase Revenue) を選択し、ドロップダウンメニューから 棒グラフ を選択します。

    10. フィット メニューから ビュー全体 を選択します。

    11. グラフの 購買収益 タイトルを選択し、購買収益が昇順であることを確認します。

      Tableau Desktop は次のようになります。

      Tableau Desktop 複数ディメンションのランク付けカテゴリ

  2. 現在の シート 1 シートの名前を Category に変更します。

  3. 新規ワークシート を選択して新規シートを作成し、名前を Data に変更します。

    1. データ ペインの テーブル リストから Daterange エントリをドラッグし、フィルター シェルフにドロップします。

    2. フィルターフィールド[Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    3. フィルター[Daterange] ダイアログで 相対的な日付 を選択し、 を選択してから 前年 を指定します。 適用 および OK を選択します。

    4. データ ペインから 購入売上高 をドラッグします。 値が「SUM (Purchase Revenue)」に変わります。

    5. 購入データ ペインから にドラッグし、購入収益 の横にドラッグします。 値が SUM (Purchases) に変更されます。

    6. 製品カテゴリデータ ペインから にドラッグします。

    7. データ ペインから 製品名 にドラッグし、製品カテゴリ の横にドラッグします。

    8. 2 つの横棒をテーブルに変更するには、「表示」から「テキスト表」を選択します。

    9. 製品数を制限するには、「測定値」で「購入」を選択します。 ドロップダウンメニューから、「フィルター」を選択します。

    10. フィルター[ 購入] ダイアログで 少なくとも を選択し、7000 と入力します。 適用 および OK を選択します。

    11. フィット ドロップダウンメニューから フィット幅 を選択します。

      Tableau Desktop は次のようになります。

      Tableau Desktop の複数Dimensionのランクデータ

  4. 新規ワークシート を選択して新しいシートを作成し、名前を ツリーマップ に変更します。

    1. データ ペインの テーブル リストから Daterange エントリをドラッグし、フィルター シェルフにドロップします。

    2. フィルターフィールド[Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    3. フィルター[Daterange] ダイアログで 相対的な日付 を選択し、 を選択してから 前年 を指定します。 適用 および OK を選択します。

    4. データ ペインから 購入売上高 をドラッグします。 値が「SUM (Purchase Revenue)」に変わります。

    5. データ ペインから 購入 にドラッグし、購入収益 の横にドラッグします。 値が SUM (Purchases) に変更されます。

    6. 製品カテゴリデータ ペインから にドラッグします。

    7. 製品名データ ペインから にドラッグします。

    8. 2 つの縦棒グラフをツリーマップに変更するには、「表示」から「ツリーマップ」を選択します。

    9. 製品数を制限するには、「測定値」で「購入」を選択します。 ドロップダウンメニューから、「フィルター」を選択します。

    10. フィルター[ 購入] ダイアログで 少なくとも を選択し、7000 と入力します。 適用 および OK を選択します。

    11. フィット ドロップダウンメニューから フィット幅 を選択します。

      Tableau Desktop は次のようになります。

      Tableau Desktop の複数Dimensionのランクデータ

  5. 新規ダッシュボード」タブボタン(下部)を選択して、新しい ダッシュボード 1 ビューを作成します。 ダッシュボード 1 ビューで、次の操作を行います。

    1. カテゴリ シートを シート シェルフから ダッシュボード 1 ビュー(「シートをここにドロップ 」と表示される にドラッグ&ドロップします。
    2. ツリーマップ シートを、カテゴリ シートの下にある シート シェルフから ダッシュボード 1 ビューにドラッグ&ドロップします。
    3. データ シートを、ツリーマップ シートの下にある シート シェルフから ダッシュボード 1 ビューにドラッグ&ドロップします。
    4. ビュー内の各シートのサイズを変更します。

    ダッシュボード 1 ビューは次のようになります。

    Tableau Desktop ダッシュボード 1

Looker
  1. Looker の 探索 インターフェイスで、クリーンな設定ができていることを確認します。 そうでない場合は、「 設定 フィールドとフィルターを削除」を選択します。

  2. フィルター の下の「+ フィルター を選択します。

  3. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します

    2. フィールドのリストから、「‣Daterange Date」を選択しDaterange Date」を選択します。

      Looker フィルター

  4. CC データビュー日付範囲 フィルターを 範囲内 2023/01/01前)まで 2024/01/01 として指定します。

  5. 左側のパネルの「‣ Cc データビュー」セクションから、

    1. 製品カテゴリ を選択します。
    2. 製品名 を選択します。
  6. 左パネルの「‣カスタムフィールド」セクションから:

    1. +追加」ドロップダウンメニューから「カスタム測定」を選択します。

    2. カスタム測定を作成 ダイアログで、次の手順を実行します。

      1. 測定するフィールド ドロップダウンメニューから 購入売上高 を選択します。

      2. 測定タイプ ドロップダウンメニューから 合計 を選択します。

      3. 名前 のカスタムフィールド名を入力します。 例:Sum of Purchase Revenue

      4. フィールドの詳細 タブを選択します。

      5. 形式 ドロップダウンメニューから「小数」を選択し、「0 小数 入力されていることを確認します。

        Looker カスタム指標フィールド

      6. 保存」を選択します。

    3. +追加」ドロップダウンメニューから カスタム測定 をもう一度選択します。 カスタムを作成 メジャーダイアログで、

      1. 測定するフィールド ドロップダウンメニューから 購入 を選択します。
      2. 測定タイプ ドロップダウンメニューから 合計 を選択します。
      3. 名前 のカスタムフィールド名を入力します。 例:Sum of Purchases
      4. フィールドの詳細 タブを選択します。
      5. 形式 ドロップダウンメニューから「小数」を選択し、「0 小数 入力されていることを確認します。
      6. 保存」を選択します。
    4. 両方のフィールドがデータビューに自動的に追加されます。

  7. フィルター」セクションで、「+ フィルター」を選択します。 フィルターを追加 ダイアログで以下を行います。 「‣カスタムフィールド」を選択し、「購入収益」を選択します。

  8. is > を選択し、800000 と入力して結果を制限します。

  9. 実行」を選択します。

  10. ‣ビジュアライゼーション」を選択して、折れ線グラフのビジュアライゼーションを表示します。

  11. ビジュアライゼーション の「編集」を選択して、ビジュアライゼーションを更新します。 ポップアップダイアログで以下を行います。

    1. プロット」タブを選択します。

    2. 下にスクロールして、「グラフ設定を編集」を選択します。

    3. 以下のスクリーンショットに示すように ​グラフ設定(上書き)で JSON を変更し、「プレビュー」を選択します。

      Looker 検証設定

    4. 適用」を選択します。

    5. 編集 の横にある CrossSize75 を選択して、ポップアップダイアログを非表示にします

以下に示すようなビジュアライゼーションとテーブルが表示されます。

Looker 結果日別トレンド

Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-none
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT product_category AS `Product Category`, product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \
                GROUP BY 1, 2 \
                ORDER BY `Purchase Revenue` DESC \
                LIMIT 10;
    df = data.DataFrame()
    df = df.groupby(['Product Category', 'Product Name'], as_index=False).sum()
    plt.figure(figsize=(8, 8))
    sns.scatterplot(x='Product Category', y='Product Name', size='Purchase Revenue', sizes=(10, 200), hue='Purchases', palette='husl', data=df)
    plt.show()
    display(data)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

RStudio
  1. 新しいチャンクで、```{r} と ` ````の間に次のステートメントを入力します。

    code language-r
    ## Multiple dimensions ranked
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2024-01-01") %>%
       group_by(product_category, product_name) %>%
       summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases), .groups = "keep") %>%
       arrange(desc(purchase_revenue), .by_group = FALSE)
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio の結果

個別ディメンション値のカウント

このユースケースでは、2023 年 1 月中にレポートされた製品名のユニーク数を取得します。

Customer Journey Analytics

商品名の個別カウントについてレポートするには、Customer Journey Analyticsで、タイトルProduct Name (Count Distinct)外部 IDproduct_name_count_distinct を使用する計算指標を設定します。

Customer Journey Analytics製品名(Distincr カウント)の計算指標

次に、その指標をユースケースの例の 個別のDimension値をカウント パネルで使用できます。

Customer Journey Analytics個別カウント値

BI ツール
note prerequisites
PREREQUISITES
このユースケースを試す BI ツールについて、 接続に成功し、データビューをリストし、データビューを使用できることを検証したことを確認します。
tabs
Power BI デスクトップ
  1. 日付範囲をすべてのビジュアライゼーションに確実に適用するには、データ パネルからこのページの フィルターdaterangeday をドラッグ&ドロップします。

    1. このページのフィルター から daterangeday is (すべて) を選択します。
    2. フィルタータイプ として「詳細フィルタリング」を選択します。
    3. 値が次の値の場合に項目を表示が次の値以上の場合に項目を表示1/1/2023およびが次の値の前2/1/2023 のフィルターを定義してください。
    4. フィルターを適用」を選択します。
  2. データ ペインで、次の操作を行います。

    1. datarangeday を選択します。
    2. Customer Journey Analyticsで定義された計算指標である sum cm_product_name_count_distinct を選択します。
  3. 縦棒グラフをテーブルに変更するには、グラフが選択されていることを確認し、ビジュアライゼーション ペインから テーブル を選択します。

    Power BI デスクトップは次のようになります。

    Power BI Desktop の複数カウントの個別テーブル

  4. テーブルビジュアライゼーションを選択します。 コンテキストメニューから コピー/ビジュアルをコピー を選択します。

  5. ctrl+v を使用してビジュアライゼーションを貼り付けます。 ビジュアライゼーションの正確なコピーが元のコピーと重なります。 レポート領域で右に移動します。

  6. コピーしたビジュアライゼーションをテーブルからカードに変更するには、ビジュアライゼーション から カード を選択します。

    Power BI デスクトップは次のようになります。

    Power BI Desktop の複数カウントの個別テーブル

または、Power BIの個別カウント機能を使用できます。

  1. product_name ディメンションを選択します。

  2. Count (Distinct) 関数を Columnsproduct_name ディメンションに適用します。

    個別Power BI数

Tableau Desktop
  1. 下部にある「シート 1」タブを選択して、「データソース」から切り替えます。 シート 1 ビューで、次の操作を行います。

    1. データ ペインの テーブル リストから Daterange エントリをドラッグし、フィルター シェルフにドロップします。

    2. フィルターフィールド [Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    3. フィルター[Daterange] ダイアログで 日付範囲 を選択し、01/01/2023 - 31/1/2023 を選択します。 適用 および OK を選択します。

    4. Cm 製品名の個別カウント にドラッグします。 値が「SUM (Cm Product Name Count Distinct)」に変わります。 このフィールドは、Customer Journey Analyticsで定義した計算指標です。

    5. Daterangeday をドラッグして、「 の横にドロップします。 Daterangeday を選択し、ドロップダウンメニューから Day を選択します。

    6. 折れ線グラフのビジュアライゼーションをテーブルに変更するには、「表示」から「テキストテーブル」を選択します。

    7. ツールバーの 行と列を入れ替える を選択します。

    8. フィット ドロップダウンメニューから フィット幅 を選択します。

      Tableau Desktop は次のようになります。

      Tableau Desktop Multiple Dimension Rank Filter

  2. [シート 1] タブの右クリック メニューから 複製 を選択し、2 番目のシートを作成します。

  3. [シート 1] タブの右クリック メニューから 名前変更 を選択して、シートの名前を Data に変更します。

  4. シート 1 (2) タブの右クリック メニューから 名前変更 を選択して、シートの名前を Card に変更します。

  5. カード ビューが選択されていることを確認します。

  6. DAY (Daterangeday)」を選択し、ドロップダウンメニューから「」を選択します。 値が「MONTH (Daterangeday)」に変わります。

  7. マークSUM (Cm Product Name Count Distinct) を選択し、ドロップダウンメニューから 形式 を選択します。

  8. フォントサイズを変更するには、Format SUM (CM Product Name Count Distinct) ペインで、「デフォルト」内の「フォント」を選択し、フォントサイズとして「72」を選択します。

  9. 数値を整列するには、「整列」の横にある「自動 を選択し、「水平 を中央揃えに設定します。

  10. 整数を使用するには、「数値」の横の「123.456」を選択し、「数値(カスタム)」を選択します。 小数点以下の桁数0 に設定します。

    Tableau Desktop は次のようになります。

    Tableau Desktop Multiple Dimension Rank Filter

  11. 新規ダッシュボード」タブボタン(下部)を選択して、新しい ダッシュボード 1 ビューを作成します。 ダッシュボード 1 ビューで、次の操作を行います。

    1. Sheets シェルフから Card シートを ここにシートをドロップ と表示される Dashboard 1 ビューにドラッグ&ドロップします。
    2. データ シートを、カード シートの下にある シート シェルフから ダッシュボード 1 ビューにドラッグ&ドロップします。

    ダッシュボード 1 ビューは次のようになります。

    Tableau Desktop ダッシュボード 1

または、Tableau Desktop の個別カウント機能を使用することもできます。

  1. Cm の製品名の個別カウント ではなく 製品名 を使用します。

  2. Marks製品名Measure > Count (Distinct) を適用します。

    Tableau の個別カウント

Looker
  1. Looker の 探索 インターフェイスで、クリーンな設定ができていることを確認します。 そうでない場合は、「 設定 フィールドとフィルターを削除」を選択します。

  2. フィルター の下の「+ フィルター を選択します。

  3. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します

    2. フィールドのリストから、「‣Daterange Date」を選択しDaterange Date」を選択します。

      Looker フィルター

  4. CC データビュー日付範囲 フィルターを 範囲内 2023/01/01前)まで 2023/02/01 として指定します。

  5. 左側のパネルの「‣ Cc データビュー」セクションから、

    1. Daterange Date を選択してから、Date を選択します。

    2. 製品名 の「⋮詳細」コンテキストメニューから「個別‣カウントを集計」を選択します。

      Looker 製品名コンテキストメニュー

  6. 実行」を選択します。

  7. ‣ ビジュアライゼーション」を選択し、ツールバーの「6︎⃣」を選択して 1 つの値のビジュアライゼーションを表示します。

以下に示すようなビジュアライゼーションとテーブルが表示されます。

Looker count distinct

Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-none
    data = %sql SELECT COUNT(DISTINCT(product_name)) AS `Product Name` \
       FROM cc_data_view \
       WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01';
    display(data)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

RStudio
  1. 新しいチャンクで、```{r} と ` ````の間に次のステートメントを入力します。

    code language-r
    ## Count Distinct
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>%
       summarise(product_name_count_distinct = n_distinct(product_name))
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio の結果

日付範囲名を使用してフィルター

このユースケースでは、Customer Journey Analyticsで定義した日付範囲を使用して、昨年の発生件数(イベント数)をフィルタリングしてレポートします。

Customer Journey Analytics

日付範囲を使用してレポートを作成するには、Customer Journey Analyticsで タイトル Last Year 2023 を使用して日付範囲を設定します。

Customer Journey Analytics フィルターに日付範囲名を使用

次に、使用例の 日付範囲名をフィルターに使用 パネルでその日付範囲を使用できます。

Customer Journey Analytics個別カウント値

フリーフォームテーブルのビジュアライゼーションで定義された日付範囲が、パネルに適用される日付範囲をどのように上書きするかに注意してください。

BI ツール
note prerequisites
PREREQUISITES
このユースケースを試す BI ツールについて、 接続に成功し、データビューをリストし、データビューを使用できることを検証したことを確認します。
tabs
Power BI デスクトップ
  1. データ ペインで、次の操作を行います。

    1. daterangemonth を選択します。
    2. daterangeName を選択します。
    3. 発生件数の合計 を選択します。

    このビジュアルのデータ取得エラー と表示されるビジュアライゼーションが表示されます。

  2. フィルター パネルで、次の操作を行います。

    1. このビジュアルのフィルター から daterangeName は(すべて) を選択します。
    2. フィルタータイプ として 基本フィルタリング を選択します。
    3. 検索 フィールドの下で、Customer Journey Analyticsで定義された日付範囲の名前である Last Year 2023 を選択します。
    4. CrossSize75 を選択して、daterangeNameColumns から削除します。

    適用した daterangeName フィルターで更新されたテーブルが表示されます。 Power BI デスクトップは次のようになります。

    日付範囲名を使用してフィルターを適用するPower BI デスクトップ

Tableau Desktop
  1. 下部にある「シート 1」タブを選択して、「データソース」から切り替えます。 シート 1 ビューで、次の操作を行います。

    1. フィルター シェルフの テーブル リストから Daterange Name エントリをドラッグします。

    2. フィルター[Daterange Name] ダイアログで リストから選択 が選択されていることを確認し、リストから Last Year 2023 を選択します。 適用 および OK を選択します。

    3. テーブル リストから Daterangemonth エントリをドラッグし、 の横のフィールドにドロップします。 「Daterangemonth」を選択し、「」を選択します。 値が「MONTH (Daterangemonth)」に変わります。

    4. テーブル リストから 発生件数 エントリをドラッグし、 の横のフィールドにドロップします。 値が「SUM (発生件数)」に変わります。

    5. 表示 から テキストテーブル を選択します。

    6. ツールバーの 行と列を入れ替える を選択します。

    7. フィット ドロップダウンメニューから フィット幅 を選択します。

      Tableau Desktop は次のようになります。

      Tableau Desktop Multiple Dimension Rank Filter

Looker
  1. Looker の 探索 インターフェイスで、クリーンな設定ができていることを確認します。 そうでない場合は、「 設定 フィールドとフィルターを削除」を選択します。

  2. フィルター の下の「+ フィルター を選択します。

  3. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します
    2. フィールドのリストから、「‣Daterange Name」を選択します。
  4. CC データビューのデータレンジ名 フィルターを のままに指定し 値リストから 昨年 2023 を選択します。

  5. 左側のパネルの「‣ Cc データビュー」セクションから、

    1. Daterange Month を選択してから、Month を選択します。
    2. 左パネル(下部)の MEASURES の下にある Count を選択します。
  6. 実行」を選択します。

  7. ‣ビジュアライゼーション」を選択します。

以下に示すようなビジュアライゼーションとテーブルが表示されます。

Looker count distinct

Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-python
    data = %sql SELECT daterangeName FROM cc_data_view;
    style = {'description_width': 'initial'}
    daterange_name = widgets.Dropdown(
       options=[d for d, in data],
       description='Date Range Name:',
       style=style
    )
    display(daterange_name)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

  3. ドロップダウンメニューから 釣り製品 を選択します。

  4. 新しいセルに次のステートメントを入力します。

    code language-python
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT daterangemonth AS Month, COUNT(*) AS Events \
                FROM cc_data_view \
                WHERE daterangeName = '{daterange_name.value}' \
                GROUP BY 1 \
                ORDER BY Month ASC
    df = data.DataFrame()
    df = df.groupby('Month', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.lineplot(x='Month', y='Events', data=df)
    plt.show()
    display(data)
    
  5. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

RStudio
  1. 新しいチャンクで、```{r}````の間に次のステートメントを入力します。 適切な日付範囲名を使用していることを確認してください。 例:Last Year 2023`。

    code language-r
    ## Monthly Events for Last Year
    df <- dv %>%
       filter(daterangeName == "Last Year 2023") %>%
       group_by(daterangemonth) %>%
       count() %>%
       arrange(daterangemonth, .by_group = FALSE)
    ggplot(df, aes(x = daterangemonth, y = n)) +
       geom_line(color = "#69b3a2") +
       ylab("Events") +
       xlab("Hour")
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio の結果

セグメント名を使用したセグメント化

このユースケースでは、Customer Journey Analyticsで定義した既存のセグメントを釣り商品カテゴリに使用します。 2023 年 1 月中に製品名と発生件数(イベント)をセグメント化し、レポートします。

Customer Journey Analytics

Customer Journey Analyticsで使用するセグメントを調べます。

Customer Journey Analytics フィルター名を使用してフィルター

次に、使用例の セグメント名をセグメントに使用 パネルでそのセグメントを使用できます。

Customer Journey Analytics個別カウント値

BI ツール
note prerequisites
PREREQUISITES
このユースケースを試す BI ツールについて、 接続に成功し、データビューをリストし、データビューを使用できることを検証したことを確認します。
tabs
Power BI デスクトップ
  1. データ ペインで、次の操作を行います。

    1. daterange を選択します。
    2. filterName を選択します。
    3. product_name を選択します。
    4. 発生件数の合計 を選択します。

このビジュアルのデータ取得エラー と表示されるビジュアライゼーションが表示されます。

  1. フィルター パネルで、次の操作を行います。

    1. このビジュアルのフィルター から filterName is (All) を選択します。
    2. フィルタータイプ として 基本フィルタリング を選択します。
    3. 検索 フィールドの下で、釣り商品 を選択します。これは、Customer Journey Analyticsで定義されている既存のフィルターの名前です。
    4. このビジュアルのフィルター から daterange is (すべて) を選択します。
    5. フィルタータイプ として「詳細フィルタリング」を選択します。
    6. 値が次の値の場合に項目を表示が次の値以上の場合に項目を表示1/1/2023およびが次の値の前2/1/2023 のフィルターを定義してください。
    7. CrossSize75 を選択して、filterNameColumns から削除します。
    8. CrossSize75 を選択して DaterangeColumns から削除します。

    適用した filterName フィルターで更新されたテーブルが表示されます。 Power BI デスクトップは次のようになります。

    日付範囲名を使用してフィルターを適用するPower BI デスクトップ

Tableau Desktop
  1. 下部にある「シート 1」タブを選択して、「データソース」から切り替えます。 シート 1 ビューで、次の操作を行います。

    1. フィルター シェルフの テーブル リストから フィルター名 エントリをドラッグします。

    2. フィルター[ フィルター名] ダイアログで リストから選択 が選択されていることを確認し、リストから 釣り製品 を選択します。 適用 および OK を選択します。

    3. フィルター シェルフの テーブル リストから Daterange エントリをドラッグします。

    4. フィルターフィールド [Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    5. フィルター[Daterang] ダイアログで 日付の範囲 を選択し、01/01/2023 - 01/02/2023 を選択します。 適用 および OK を選択します。

    6. テーブル リストから 製品名 にドラッグします。

    7. テーブル リストから 発生件数 エントリをドラッグし、 の横のフィールドにドロップします。 値が「SUM (発生件数)」に変わります。

    8. 表示 から テキストテーブル を選択します。

    9. フィット ドロップダウンメニューから フィット幅 を選択します。

      Tableau Desktop は次のようになります。

      Tableau Desktop Multiple Dimension Rank Filter

Looker
  1. Looker の 探索 インターフェイスで、クリーンな設定ができていることを確認します。 そうでない場合は、「 設定 フィールドとフィルターを削除」を選択します。

  2. フィルター の下の「+ フィルター を選択します。

  3. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します

    2. フィールドのリストから、「‣Daterange Date」を選択しDaterange Date」を選択します。

      Looker フィルター

  4. CC データビュー日付範囲 フィルターを 範囲内 2023/01/01前)まで 2023/02/01 として指定します。

  5. フィルター の下の「+ フィルター を選択して、別のフィルターを追加します。

  6. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します
    2. フィールドのリストから、「‣フィルター名」を選択します。
  7. フィルターの選択範囲が is であることを確認します。

  8. 可能な値のリストから 釣り製品 を選択します。

  9. 左側のパネルの「‣ Cc データビュー」セクションから、

    1. 製品名 を選択します。
    2. 左パネル(下部)の MEASURES の下にある Count を選択します。
  10. 実行」を選択します。

  11. ‣ビジュアライゼーション」を選択します。

以下に示すようなビジュアライゼーションとテーブルが表示されます。

Looker count distinct

Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-python
    data = %sql SELECT filterName FROM cc_data_view;
    style = {'description_width': 'initial'}
    filter_name = widgets.Dropdown(
       options=[d for d, in data],
       description='Filter Name:',
       style=style
    )
    display(filter_name)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

  3. ドロップダウンメニューから 釣り製品 を選択します。

  4. 新しいセルに次のステートメントを入力します。

    code language-python
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \
                   AND filterName = '{filter_name.value}' \
                GROUP BY 1 \
                LIMIT 10;
    df = data.DataFrame()
    df = df.groupby('Product Name', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.barplot(x='Events', y='Product Name', data=df)
    plt.show()
    display(data)
    
  5. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

RStudio
  1. 新しいチャンクで、```{r}````の間に次のステートメントを入力します。 適切なフィルター名を使用していることを確認してください。 例:Fishing Products`。

    code language-r
    ## Dimension filtered by name
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & filterName == "Fishing Products") %>%
       group_by(product_name) %>%
       count() %>%
       arrange(desc(n), .by_group = FALSE)
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio の結果

ディメンション値を使用したセグメント化

製品カテゴリ の動的な ハンティング 値を使用して、ハンティングカテゴリから商品をセグメント化します。 または、商品カテゴリ値の動的取得をサポートしていない BI ツールの場合、Customer Journey Analyticsで、ハンティング商品カテゴリからの商品に関するセグメントを持つ新しいセグメントを作成します。
次に、新しいセグメントを使用して、2023 年 1 月のハンティングカテゴリの製品の製品名と発生件数(イベント)についてレポートします。

Customer Journey Analytics

Customer Journey Analyticsで タイトル を使用して新しいセグメント Hunting Products 作成します。

Customer Journey Analytics Dimension値を使用してセグメント化

次に、使用例の Dimension値を使用してフィルターを適用 パネルでそのセグメントを使用できます。

Customer Journey Analytics個別カウント値

BI ツール
note prerequisites
PREREQUISITES
このユースケースを試す BI ツールについて、 接続に成功し、データビューをリストし、データビューを使用できることを検証したことを確認します。
tabs
Power BI デスクトップ
  1. メニューから ホーム を選択し、ツールバーから 更新 を選択します。 Customer Journey Analyticsで定義した新しいフィルターを取得するには、連携を更新する必要があります。

  2. データ ペインで、次の操作を行います。

    1. daterange を選択します。
    2. product_category を選択します。
    3. product_name を選択します。
    4. 発生件数の合計 を選択します。

このビジュアルのデータ取得エラー と表示されるビジュアライゼーションが表示されます。

  1. フィルター パネルで、次の操作を行います。

    1. このビジュアルのフィルター から filterName is (All) を選択します。
    2. フィルタータイプ として 基本フィルタリング を選択します。
    3. このビジュアルのフィルター から daterange is (すべて) を選択します。
    4. フィルタータイプ として「詳細フィルタリング」を選択します。
    5. 値が次の値の場合に項目を表示が次の値以上の場合に項目を表示1/1/2023およびが次の値の前2/1/2023 のフィルターを定義してください。
    6. product_categoryフィルタータイプ として 基本フィルター を選択し、使用可能な値のリストから ハンティング を選択します。
    7. CrossSize75 を選択して、filterNameColumns から削除します。
    8. CrossSize75 を選択して DaterangeColumns から削除します。

    適用した product_category フィルターで更新されたテーブルが表示されます。 Power BI デスクトップは次のようになります。

    日付範囲名を使用してフィルターを適用するPower BI デスクトップ

Tableau Desktop

AlertRed Tableau Desktop は、Customer Journey Analyticsからの動的な商品カテゴリのリストの取得をサポートしていません。 代わりに、このユースケースでは、新しく作成した ハンティング商品 のフィルターを使用し、フィルター名条件を使用します。

  1. Data Source ビューの Data の下で、cc_data_view (prod:cja%3FFLATTEN) のコンテキストメニューから 更新 を選択します。 Customer Journey Analyticsで定義した新しいフィルターを取得するには、連携を更新する必要があります。

  2. 下部にある「シート 1」タブを選択して、「データソース」から切り替えます。 シート 1 ビューで、次の操作を行います。

    1. フィルター シェルフの テーブル リストから フィルター名 エントリをドラッグします。

    2. フィルター[ フィルター名] ダイアログで リストから選択 が選択されていることを確認し、リストから ハンティング製品 を選択します。 適用 および OK を選択します。

    3. フィルター シェルフの テーブル リストから Daterange エントリをドラッグします。

    4. フィルターフィールド [Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    5. フィルター[Daterange] ダイアログで 日付範囲 を選択し、01/01/2023 - 1/2/2023 を選択します。 適用 および OK を選択します。

    6. テーブル リストから 製品名 にドラッグします。

    7. テーブル リストから 発生件数 エントリをドラッグし、 の横のフィールドにドロップします。 値が「SUM (発生件数)」に変わります。

    8. 表示 から テキストテーブル を選択します。

    9. フィット ドロップダウンメニューから フィット幅 を選択します。

      Tableau Desktop は次のようになります。

      Tableau Desktop Multiple Dimension Rank Filter

Looker
  1. 1 で。 Looker の 探索 インターフェイスで、接続を更新します。 「 設定 キャッシュのクリアと更新」を選択します。

  2. Looker の 探索 インターフェイスで、クリーンな設定ができていることを確認します。 そうでない場合は、「 設定 フィールドとフィルターを削除」を選択します。

  3. フィルター の下の「+ フィルター を選択します。

  4. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します

    2. フィールドのリストから、「‣Daterange Date」を選択しDaterange Date」を選択します。

      Looker フィルター

  5. CC データビュー日付範囲 フィルターを 範囲内 2023/01/01前)まで 2023/02/01 として指定します。

  6. フィルター の下の「+ フィルター を選択して、別のフィルターを追加します。

  7. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します
    2. フィールドのリストから、「‣製品カテゴリ」を選択します。
  8. フィルターの選択として is を使用していることを確認します。

AlertRed Lookes で 製品カテゴリ の可能な値のリストが表示されない。

Looker count distinct

Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-python
    data = %sql SELECT DISTINCT product_category FROM cc_data_view WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01';
    style = {'description_width': 'initial'}
    category_filter = widgets.Dropdown(
       options=[d for d, in data],
       description='Product Category:',
       style=style
    )
    display(category_filter)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

  3. ドロップダウンメニューから ハンティング を選択します。

  4. 新しいセルに次のステートメントを入力します。

    code language-python
    import seaborn as sns
    import matplotlib.pyplot as plt
    data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \
                AND product_category = '{category_filter.value}' \
                GROUP BY 1 \
                ORDER BY Events DESC \
                LIMIT 10;
    df = data.DataFrame()
    df = df.groupby('Product Name', as_index=False).sum()
    plt.figure(figsize=(15, 3))
    sns.barplot(x='Events', y='Product Name', data=df)
    plt.show()
    display(data)
    
  5. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

RStudio
  1. 新しいチャンクで、```{r}````の間に次のステートメントを入力します。 適切なカテゴリを使用していることを確認します。 例:Hunting`。

    code language-r
    ## Dimension 1 Filtered by Dimension 2 value
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & product_category == "Hunting") %>%
       group_by(product_name) %>%
       count() %>%
       arrange(desc(n), .by_group = FALSE)
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio の結果

並べ替え

このユースケースでは、2023 年 1 月の製品名の購入収益と購入を、購入収益の降順に並べ替えてレポートします。

Customer Journey Analytics

このユースケースでは、例えば 並べ替え パネルを使用します。

Customer Journey Analytics並べ替えパネル

BI ツール
note prerequisites
PREREQUISITES
このユースケースを試す BI ツールについて、 接続に成功し、データビューをリストし、データビューを使用できることを検証したことを確認します。
tabs
Power BI デスクトップ
  1. データ ペインで、次の操作を行います。

    1. daterange を選択します。
    2. product_namr を選択します。
    3. sum purchase_revenue を選択します。
    4. 購入を合計」を選択します。
  2. フィルター パネルで、次の操作を行います。

    1. このビジュアルのフィルター から daterange is (すべて) を選択します。
    2. フィルタータイプ として「詳細フィルタリング」を選択します。
    3. 値が次の値の場合に項目を表示が次の値以上の場合に項目を表示1/1/2023およびが次の値の前2/1/2023 のフィルターを定義してください。
  3. ビジュアライゼーション パネルで、次の操作を行います。

    1. CrossSize75 を選択して、Columns から daterange を削除します。
    2. purchase_revenue の合計 項目の下部にドラッグします。
  4. レポートで、「purchase_revenue の合計 を選択して、購買収益の降順でテーブルをソートします。

    Power BI デスクトップは次のようになります。

    日付範囲名を使用してフィルターを適用するPower BI デスクトップ

BI 拡張機能を使用してPower BI Desktop が実行するクエリには、sort ステートメントが含まれていません。 sort ステートメントがないということは、並べ替えがクライアントサイドで実行されることを意味します。

code language-sql
select "_"."product_name",
    "_"."a0",
    "_"."a1"
from
(
    select "rows"."product_name" as "product_name",
        sum("rows"."purchases") as "a0",
        sum("rows"."purchase_revenue") as "a1"
    from
    (
        select "_"."daterangeName",
            "_"."daterange",
            "_"."filterId",
            "_"."filterName",
            "_"."timestamp",
            "_"."affiliate_name",
            "_"."affiliate_url",
            "_"."commerce.order.priceTotal",
            "_"."customer_city",
            "_"."customer_region",
            "_"."daterangeday",
            "_"."daterangefifteenminute",
            "_"."daterangefiveminute",
            "_"."daterangehour",
            "_"."daterangeminute",
            "_"."daterangemonth",
            "_"."daterangequarter",
            "_"."daterangesecond",
            "_"."daterangethirtyminute",
            "_"."daterangeweek",
            "_"."daterangeyear",
            "_"."hitdatetime",
            "_"."page_name",
            "_"."page_url",
            "_"."product_category",
            "_"."product_name",
            "_"."product_short_review",
            "_"."product_subCategory",
            "_"."referrer_url",
            "_"."search_engine",
            "_"."search_keywords",
            "_"."store_city",
            "_"."store_name",
            "_"."store_region",
            "_"."store_type",
            "_"."timepartdayofmonth",
            "_"."timepartdayofweek",
            "_"."timepartdayofyear",
            "_"."timeparthourofday",
            "_"."timepartminuteofhour",
            "_"."timepartmonthofyear",
            "_"."timepartquarterofyear",
            "_"."timepartweekofyear",
            "_"."cm_session_end_rate_defaultmetric",
            "_"."cm_session_person_defaultmetric",
            "_"."cm_session_start_rate_defaultmetric",
            "_"."cm_timespent_person_defaultmetric",
            "_"."cm_timespent_session_defaultmetric",
            "_"."cm_product_name_count_distinct",
            "_"."ad_views",
            "_"."adobe_sessionends",
            "_"."adobe_sessionstarts",
            "_"."adobe_timespent",
            "_"."exchange_buybacks",
            "_"."exchange_cost",
            "_"."exchange_purchases",
            "_"."exchange_revenue",
            "_"."occurrences",
            "_"."page_views",
            "_"."product_quantity",
            "_"."product_reviews",
            "_"."product_views",
            "_"."purchase_revenue",
            "_"."purchases",
            "_"."visitors",
            "_"."visits"
        from "public"."cc_data_view" "_"
        where "_"."daterange" < date '2023-02-01' and "_"."daterange" >= date '2023-01-01'
    ) "rows"
    group by "product_name"
) "_"
where not "_"."a0" is null or not "_"."a1" is null
limit 1000001
Tableau Desktop
  1. 下部にある「シート 1」タブを選択して、「データソース」から切り替えます。 シート 1 ビューで、次の操作を行います。

    1. フィルター シェルフの テーブル リストから Daterange エントリをドラッグします。

    2. フィルターフィールド [Daterange] ダイアログで 日付範囲 を選択して 次へ > を選択します。

    3. フィルター[Daterange] ダイアログで 日付範囲 を選択し、01/01/2023 - 1/2/2023 を選択します。 適用 および OK を選択します。

    4. テーブル リストから 製品名 をドラッグし、 の横のフィールドにエントリをドロップします。

    5. テーブル リストから 購入 エントリをドラッグし、 の横のフィールドにドロップします。 値が SUM (Purchases) に変更されます。

    6. テーブル リストから 購入売上高 エントリをドラッグし、 の横のフィールド、SUM (購入) の横のエントリをドロップします。 値が「SUM (Purchase Revenue)」に変わります。

    7. 表示 から テキストテーブル を選択します。

    8. フィット ドロップダウンメニューから フィット幅 を選択します。

    9. 購入収益 列ヘッダーを選択し、この列のテーブルを降順で並べ替えます。

      Tableau Desktop は次のようになります。

      Tableau Desktop 並べ替え

BI 拡張機能を使用して Tableau Desktop で実行されるクエリには、sort ステートメントが含まれていません。 この sort ステートメントがないということは、並べ替えがクライアント側で実行されることを意味します。

code language-sql
SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."occurrences") AS "sum:occurrences:ok",
  SUM("cc_data_view"."purchase_revenue") AS "sum:purchase_revenue:ok",
  SUM("cc_data_view"."purchases") AS "sum:purchases:ok"
FROM "public"."cc_data_view" "cc_data_view"
WHERE (("cc_data_view"."daterange" >= (DATE '2023-01-01')) AND ("cc_data_view"."daterange" <= (DATE '2023-02-01')))
GROUP BY 1
Looker
  1. Looker の 探索 インターフェイスで、接続を更新します。 「 設定 キャッシュのクリアと更新」を選択します。

  2. Looker の 探索 インターフェイスで、クリーンな設定ができていることを確認します。 そうでない場合は、「 設定 フィールドとフィルターを削除」を選択します。

  3. フィルター の下の「+ フィルター を選択します。

  4. フィルターを追加 ダイアログで、次の手順を実行します。

    1. ‣ Cc データビュー」を選択します

    2. フィールドのリストから、「‣Daterange Date」を選択しDaterange Date」を選択します。

      Looker フィルター

  5. CC データビュー日付範囲 フィルターを 範囲内 2023/01/01前)まで 2023/02/01 として指定します。

  6. 左側のパネルの「‣ Cc データビュー」セクションで、「製品名」を選択します。

  7. 左パネルの「‣カスタムフィールド」セクションから:

    1. +追加」ドロップダウンメニューから「カスタム測定」を選択します。

    2. カスタム測定を作成 ダイアログで、次の手順を実行します。

      1. 測定するフィールド ドロップダウンメニューから 購入売上高 を選択します。

      2. 測定タイプ ドロップダウンメニューから 合計 を選択します。

      3. 名前 のカスタムフィールド名を入力します。 例:Sum of Purchase Revenue

      4. フィールドの詳細 タブを選択します。

      5. 形式 ドロップダウンメニューから「小数」を選択し、「0 小数 入力されていることを確認します。

        Looker カスタム指標フィールド

      6. 保存」を選択します。

  8. 購入収益 列で 降順、並べ替え順:1)を選択していることを確認します。

  9. 実行」を選択します。

  10. ‣ビジュアライゼーション」を選択します。

以下に示すようなビジュアライゼーションとテーブルが表示されます。

Looker count distinct

BI 拡張機能を使用して Looker によって生成されるクエリには ORDER BY が含まれています。これは、Looker および BI 拡張機能を使用して並べ替えが実行されることを意味します。

code language-sql
-- Looker Query Context '{"user_id":6,"history_slug":"fc83573987b999306eaf6e1a3f2cde70","instance_slug":"71d4667f0b76c0011463658f45c3f7a3"}'
SELECT
    cc_data_view."product_name"  AS "cc_data_view.product_name",
    COALESCE(SUM(CAST(( cc_data_view."purchase_revenue"  ) AS DOUBLE PRECISION)), 0) AS "purchase_revenue"
FROM
    "public"."cc_data_view" AS "cc_data_view"
WHERE ((( cc_data_view."daterange"  ) >= (DATE_TRUNC('day', DATE '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
Jupyter Notebook
  1. 新しいセルに次のステートメントを入力します。

    code language-python
    data = %sql SELECT product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \
                FROM cc_data_view \
                WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \
                GROUP BY 1 \
                ORDER BY `Purchase Revenue` DESC \
                LIMIT 5;
    display(data)
    
  2. セルを実行します。 以下のスクリーンショットのような出力が表示されます。

    Jupyter Notebook の結果

クエリは、Jupyter Notebook で定義されているように、BI 拡張機能によって実行されます。

RStudio
  1. 新しいチャンクで、```{r} と ` ````の間に次のステートメントを入力します。

    code language-r
    ## Dimension 1 Sorted
    df <- dv %>%
       filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>%
       group_by(product_name) %>%
       summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases), .groups = "keep") %>%
       arrange(desc(purchase_revenue), .by_group = FALSE)
    print(df)
    
  2. チャンクを実行します。 以下のスクリーンショットのような出力が表示されます。

    RStudio の結果

RStudio が BI 拡張機能を使用して生成するクエリには ORDER BY が含まれています。これは、RStudio と BI 拡張機能を通じて順序が適用されることを意味します。

code language-sql
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

制限

このユースケースでは、2023 年中に発生した上位 5 回の製品名についてレポートします。

Customer Journey Analytics

このユースケースの例では 制限 パネルは次のようになります。

Customer Journey Analytics制限パネル