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. 発生件数の合計 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 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。
   5. このビジュアルのフィルター から product_name は（すべて） を選択します。
   6. フィルタータイプ として 上位 N を選択します。
   7. 「項目を表示 ​ 上位」 5 「値別」を選択します。
   8. データ ペインから 合計回数 をドラッグ&ドロップし、「データフィールドをここに追加」にドロップします。
   9. 「フィルターを適用」を選択します。

3. ビジュアライゼーションパネルで、

   • を選択して、Columns から daterange を削除します。

   Power BI デスクトップは次のようになります。

   

BI 拡張機能を使用してPower BI Desktop が実行するクエリには、limit ステートメントが含まれていますが、想定されたステートメントは含まれていません。 Power BI デスクトップでは、明示的な製品名の結果を使用して、上位 5 件の発生件数の制限が適用されます。

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. 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 相対的な日付 を選択し、年 を選択してから 以前の年 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 行 にドラッグします。

   5. テーブル リストから 発生件数 エントリをドラッグし、列 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。

   6. 表示 から テキストテーブル 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。

   8. 行 の 製品名 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。

      1. フィルター[ 製品名] ダイアログで トップ タブを選択します。

      2. フィールド別： 上位 5 発生件数別 合計 を選択します。

      3. 適用 および OK を選択します。

         テーブルが消えていることがわかります。 発生件数別に上位 5 つの製品名を選択しても、このフィルターを使用して正しく機能しない ​ ​場合。

      4. フィルター シェルフの 製品名 を選択し、ドロップダウンメニューから 削除 を選択します。 テーブルが再び表示されます。

   9. マーク シェルフで SUM （発生件数） 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。

      1. フィルタ [ オカレンス] ダイアログで 最低 を選択します。

      2. 値として 47.799 と入力します。 この値を使用すると、テーブルに上位 5 項目のみが表示されます。 適用 および OK を選択します。

         Tableau Desktop は次のようになります。

         

上に示すように、Tableau Desktop が実行するこのクエリは、製品名に対して上位 5 件の発生フィルターを定義すると失敗します。

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

Tableau Desktop で実行されるクエリは、発生件数に対して上位 5 件のフィルターを定義する際に、以下のように表示されます。 制限は、クエリおよび適用されたクライアントサイドには表示されません。

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. Looker の 探索 インターフェイスで、接続を更新します。 「 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、「 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。

      

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 2024/01/01 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。

7. 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。

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。

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 FETCH NEXT 5 ROWS ONLY が含まれています。これは、制限が Looker と BI 拡張機能を通じて実行されることを意味します。

-- 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. 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`, 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. 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。

   

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。

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 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. 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 が BI 拡張機能を使用して生成するクエリには LIMIT 5 が含まれています。これは、RStudio と BI 拡張機能によって制限が適用されることを意味します。

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

Customer Journey Analytics オブジェクトは「データ」ペインで使用でき、Power BI Desktop で選択したテーブルから取得されます。 例えば、public.cc_data_view と指定します。 テーブルの名前は、Customer Journey Analyticsのデータビューに対して定義した外部 ID と同じです。 例えば、タイトルC&C - Data View と 外部 IDcc_data_view のデータビューなどです。

寸法
Customer Journey Analytics内のディメンションは、​ コンポーネント ID で識別されます。 ​ コンポーネント ID は、Customer Journey Analytics データビューで定義されます。 例えば、Customer Journey Analyticsのディメンション 製品名 には、Power BI Desktop のディメンションの名前である ​ コンポーネント ID​ product_name が含まれています。
日、週、月 など、Customer Journey Analyticsの日付範囲ディメンションは、daterangeday、daterangeweek、daterangemonth などの形式で使用できます。

指標
Customer Journey Analyticsの指標は、​ コンポーネント ID で識別されます。 ​ コンポーネント ID は、Customer Journey Analytics データビューで定義されます。 例えば、Customer Journey Analyticsの 購入売上高 指標には、Power BI Desktop の指標の名前である ​ コンポーネント ID​ purchase_revenue があります。 ∑ は指標を示します。 任意のビジュアライゼーションで指標を使用すると、指標の名前が 合計 指標​ ​に変更されます。

フィルター
Customer Journey Analyticsで定義したフィルターは、「filterName」フィールドの一部として使用できます。 Power BI Desktop で filterName フィールドを使用すると、使用するフィルターを指定できます。

計算指標
Customer Journey Analyticsで定義した計算指標は、計算指標に対して定義した ​ 外部 ID によって識別されます。 例えば、計算指標 Product Name （Count Distinct） は External ID product_name_count_distinct を持ち、Power BI Desktop では​ cm_product_name_count_distinct ​t と表示されます。

日付範囲
Customer Journey Analyticsで定義する日付範囲は、「daterangeName」フィールドの一部として使用できます。 daterangeName フィールドを使用する場合は、使用する日付範囲を指定できます。

カスタム変換
Power BI Desktop は、Data Analysis Expressions （DAX）を使用したカスタム変換機能を提供します。 例えば、商品名が小文字の 単一のディメンションのランク付けユースケースを実行するとします。

1. レポート表示で、棒グラフ ビジュアライゼーションを選択します。

2. データ・ペインで product_name を選択します。

3. ツールバーの 新しい列 を選択します。

4. 式エディターで、product_name_lower のように product_name_lower = LOWER('public.cc_data_view[product_name]) という名前の新しい列を定義します。
   

5. product_name 列ではなく、必ず Data ペインの新しい product_name_lower 列を選択してください。

6. テーブルビジュアライゼーションの 詳細 から を選択します。

   Power BI デスクトップは次のようになります。
   

カスタム変換の結果、SQL クエリが更新されます。 以下の SQL の例で、lower 関数の使用を参照してください。

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

Customer Journey Analytics オブジェクトは、シートで作業する際に データ 側のバーで使用できます。 およびは、Tableau の データソース ページの一部として選択したテーブルから取得されます。 例えば、cc_data_view と指定します。 テーブルの名前は、Customer Journey Analyticsのデータビューに対して定義した外部 ID と同じです。 例えば、タイトルC&C - Data View と 外部 IDcc_data_view のデータビューなどです。

寸法
Customer Journey Analytics内のディメンションは、​ コンポーネント名 ​ で識別されます。 ​ コンポーネント名 ​ は、Customer Journey Analytics データビューで定義されます。 例えば、Customer Journey Analyticsのディメンション 製品名 には、Tableau のディメンションの名前である ​ コンポーネント名 ​​ 製品名 が含まれています。 すべてのディメンションは、Abc で識別されます。
日、週、月 など、Customer Journey Analyticsの日付範囲ディメンションは、Daterangeday、Daterangeweek、Daterangemonth などの形式で使用できます。 日付範囲次元を使用する場合は、ドロップダウンメニューから日付範囲次元に適用する日付または時間の適切な定義を選択する必要があります。 例えば、Year、Quarter、Month、Day などです。

指標
Customer Journey Analyticsの指標は、​ コンポーネント名 ​ で識別されます。 ​ コンポーネント名 ​ は、Customer Journey Analytics データビューで定義されます。 例えば、Customer Journey Analyticsの 購入売上高 指標には、Tableau の指標の名前である ​ コンポーネント名 ​ 購入売上高 があります。 すべての指標は、# によって識別されます。 任意のビジュアライゼーションで指標を使用すると、指標の名前が Sum （metric） に変更されます。

フィルター
Customer Journey Analyticsで定義したフィルターは、「フィルター名 フィールドの一部として使用できます。 Tableau で「フィルター名」フィールドを使用する場合、使用するフィルターを指定できます。

計算指標
Customer Journey Analyticsで定義した計算指標は、計算指標に対して定義した ​ タイトル ​ によって識別されます。 例えば、計算指標 製品名（Count Distinct） は ​ タイトル ​​ 製品名（Count Distinct） を持ち、Tableau では Cm 製品名の Count Distinct と表示されます。

日付範囲
Customer Journey Analyticsで定義した日付範囲は、「Daterange Name」フィールドの一部として使用できます。 Daterange Name フィールドを使用する場合は、使用する日付範囲を指定できます。

カスタム変換
Tableau Desktop は、 計算フィールドを使用したカスタム変換機能を提供します。 例えば、商品名が小文字の 単一のディメンションのランク付けユースケースを実行するとします。

1. メインメニューから 分析/計算フィールドを作成 を選択します。

   1. 関数 を使用して 小文字の製品名 LOWER([Product Name]) を定義します。

      

   2. OK を選択します。

2. データ シートを選択します。

   1. テーブル から 小文字の製品名 をドラッグし、行 の横のフィールドにエントリをドロップします。
   2. 製品名 を 行 から削除します。

3. ダッシュボード 1 ビューを選択します。

Tableau Desktop は次のようになります。

カスタム変換の結果、SQL クエリが更新されます。 以下の SQL の例で、LOWER 関数の使用を参照してください。

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))

Customer Journey Analytics オブジェクトは、参照 インターフェイスで使用できます。 およびは、Looker での接続、プロジェクト、モデルの設定の一環として取得されます。 例えば、cc_data_view と指定します。 ビューの名前は、Customer Journey Analyticsのデータビューに対して定義した外部 ID と同じです。 例えば、タイトルC&C - Data View と 外部 IDcc_data_view のデータビューなどです。

寸法
Customer Journey Analyticsのディメンションは、{Cc データビュー の左パネルに 2}DIMENSION として表示されます。 ​ディメンションは、Customer Journey Analytics データビューで定義されます。 例えば、Customer Journey Analyticsのディメンション Product Name には、Looker のディメンションの名前である DIMENSION ​ Product Name が含まれています。
日、週、月 など、Customer Journey Analyticsの日付範囲ディメンションは、Daterangeday 日、Daterangeweek 日、Daterangemonth 日 などの形式で使用できます。 日付範囲ディメンションを使用する場合は、日付または時間の適切な定義を選択する必要があります。 例えば、Year、Quarter、Month、Date などです。

指標
Customer Journey Analyticsの指標は、{Cc データビュー の左レールに 2}DIMENSION として表示されます。 ​例えば、Customer Journey Analyticsの 購入売上高 指標には DIMENSION ​ 購入売上高 があります。 実際にを指標として使用するには、上記の例に示すようにカスタム測定フィールドを作成するか、ディメンションにショートカットを使用します。 例えば、「⋮」を選択し、「集計」を選択したあと、「合計」を選択します。

フィルター
Customer Journey Analyticsで定義したフィルターは、「フィルター名 フィールドの一部として使用できます。 Looker で フィルター名 フィールドを使用する場合、使用するフィルターを指定できます。

計算指標
Customer Journey Analyticsで定義した計算指標は、計算指標に対して定義した ​ タイトル ​ によって識別されます。 例えば、計算指標 製品名（個別カウント） は ​ タイトル ​​ 製品名（個別カウント）を持ち Looker では Cm 製品名カウント個別カウント として表示されます。

日付範囲
Customer Journey Analyticsで定義した日付範囲は、「Daterange Name」フィールドの一部として使用できます。 Daterange Name フィールドを使用する場合は、使用する日付範囲を指定できます。

カスタム変換
前述のように、Looker では、カスタムフィールドビルダーを使用してカスタム変換機能を提供しています。 例えば、商品名が小文字の 単一のディメンションのランク付けユースケースを実行するとします。

1. 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Dimension を選択します。

   2. lower(${cc_data_view.product_name}) 式 テキスト領域に を入力します。 Product Name を入力し始めると、正しい構文で支援されます。

      

   3. product name 名前 として と入力します。

   4. 「保存」を選択します。

次のようなテーブルが表示されます。

カスタム変換の結果、SQL クエリが更新されます。 以下の SQL の例で、LOWER 関数の使用を参照してください。

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

Customer Journey Analytics オブジェクト （ディメンション、指標、フィルター、計算指標、日付範囲）は、作成する Embedded SQL クエリの一部として使用できます。 前述の例を参照してください。

カスタム変換

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 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. 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。

   

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。

Customer Journey Analytics コンポーネント（ディメンション、指標、フィルター、計算指標、日付範囲）は、R 言語の同様の名前付きオブジェクトとして使用できます。 コンポーネントを使用してコンポーネントを参照します。前述の例を参照してください。

カスタム変換

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
   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. 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 が BI 拡張機能を使用して生成するクエリには lower が含まれています。これは、カスタム変換が RStudio と BI 拡張機能によって実行されることを意味します。

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

比較

ほとんどのCustomer Journey Analyticsのビジュアライゼーションでは、Power BI Desktop は同等のエクスペリエンスを提供します。 以下の表を参照してください。

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
アイコン	Customer Journey Analyticsのビジュアライゼーション	Power BI デスクトップビジュアライゼーション
	面グラフ	面グラフ、積み重ね面グラフ、100% 面グラフ
	棒グラフ	集合縦棒グラフ
	積み重ね棒グラフ	積み重ね柱状グラフおよび 100% 積み重ね柱状グラフ
	ブレット
	コホートテーブル
	コンボ	折れ線グラフおよび積み重ね柱状グラフおよび折れ線グラフおよび集合柱状グラフ
	ドーナツ	ドーナツグラフ
	フォールアウト	ファネル。
	フロー	分解ツリー？
	フリーフォームテーブル	Table および Matrix
	ヒストグラム
	横棒グラフ	集合棒グラフ
	積み重ね横棒グラフ	積み重ね棒グラフおよび 100% 積み重ね棒グラフ
	ジャーニーキャンバス	分解ツリー
	主要指標の概要
	折れ線グラフ	折れ線グラフ
	散布図	散布図
	セクションヘッダー	テキストボックス
	変更の概要	カード
	数値の概要	カード
	テキスト	テキストボックス
	ツリーマップ	ツリーマップ
	ベン図

ドリルダウン

Power BIでは、特定のビジュアライゼーションの詳細を調べる ドリルモードをサポートしています。 次の例では、製品カテゴリの購入売上高を分析します。 製品カテゴリを表すバーのコンテキストメニューから、「ドリルダウン」を選択できます。

ドリルダウンすると、選択した製品カテゴリ内の製品の購入売上高でビジュアライゼーションが更新されます。

ドリルダウンすると、WHERE 句を使用する次の SQL クエリが生成されます。

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

比較

ほとんどのCustomer Journey Analyticsのビジュアライゼーションでは、Tableau Desktop は同等のエクスペリエンスを提供します。 以下の表を参照してください。

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
アイコン	Customer Journey Analyticsのビジュアライゼーション	Power BI デスクトップビジュアライゼーション
	面グラフ	面グラフ
	棒グラフ	棒グラフ
	積み重ね棒グラフ
	ブレット	ブレットグラフ
	コホートテーブル
	コンボ	複合グラフ
	ドーナツ
	フォールアウト
	フロー
	フリーフォームテーブル	テキスト テーブル
	ヒストグラム	ヒストグラム
	横棒グラフ	棒グラフ
	積み重ね横棒グラフ	棒グラフ
	ジャーニーキャンバス
	主要指標の概要
	折れ線グラフ	折れ線グラフ
	散布図	散布図
	セクションヘッダー
	変更の概要
	数値の概要
	テキスト
	ツリーマップ	ツリーマップ
	ベン図

ドリルダウン

Tableau は ドリルモードから 階層までサポートしています。 次の例では、テーブル 内の 製品名 フィールドを選択して階層を作成し、製品カテゴリ の上にドラッグします。 次に、製品カテゴリを表すバーのコンテキストメニューから、「+ ドリルダウン」を選択します。

ドリルダウンすると、選択した製品カテゴリ内の製品の購入売上高でビジュアライゼーションが更新されます。

ドリルダウンの結果、GROUP BY 句を使用する次の SQL 問合せが生成されます。

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

クエリでは、選択した製品カテゴリに結果が制限 されません。選択した製品カテゴリが表示されるのはビジュアライゼーションのみです。

または、あるビジュアルが別のビジュアルでの選択の結果であるドリルダウン・ダッシュボードを作成することもできます。 次の例では、製品カテゴリ ビジュアライゼーションをフィルターとして使用して、製品名 テーブルを更新しています。 このビジュアライゼーションフィルターはクライアント専用であり、追加の SQL クエリは生成されません。

比較

ほとんどのCustomer Journey Analyticsのビジュアライゼーションでは、Looker は同等のエクスペリエンスを提供します。 以下の表を参照してください。

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
アイコン	Customer Journey Analyticsのビジュアライゼーション	Power BI デスクトップビジュアライゼーション
	面グラフ	面グラフ
	棒グラフ	棒グラフ
	積み重ね棒グラフ	棒グラフ
	ブレット	ブレットグラフ
	コホートテーブル
	コンボ	ビジュアライゼーションのカスタマイズ
	ドーナツ	ドーナツ
	フォールアウト	ファネル
	フロー	サンキー
	フリーフォームテーブル	テーブル
	ヒストグラム
	横棒グラフ	棒グラフ
	積み重ね横棒グラフ	棒グラフ
	ジャーニーキャンバス
	主要指標の概要
	折れ線グラフ	折れ線グラフ
	散布図	散布図
	セクションヘッダー
	変更の概要	単一値
	数値の概要	単一値
	テキスト	単一値
	ツリーマップ	ツリーマップ
	ベン図	ベン図

• Power BI Desktop の高度な日付範囲フィルタリングは排他的です。 終了日には、レポートする日付の後の日付を選択する必要があります。 例えば、「が次の日付以降である1/1/2023および次の日付以前である1/2/2023 などです。

• Power BI Desktop では、接続作成時にデフォルトで 読み込み が設定されます。 必ず 直接クエリ を使用してください。

• Power BI Desktop は、Power Query を使用してデータ変換を公開します。 Power Query は主にインポート型接続で動作するので、日付や文字列関数などの多くの変換を適用すると、インポート型接続に切り替える必要があるというエラーがスローされます。 クエリ時にデータを変換する必要がある場合は、Power BIが変換自体を行う必要がないように、派生ディメンションと指標を使用する必要があります。

• Power BI Desktop は、日時型の列の処理方法を理解していません。そのため、**daterange *hour ***​や​ daterangeminute ​ ​などの​ daterange ​ ​X ディメンションはサポートされていません。

• Power BI デスクトップは、デフォルトで、より多くのクエリサービスセッションを使用して複数の接続を確立しようとします。 プロジェクトのPower BI設定に移動し、並列クエリを無効にします。

• Power BI デスクトップは、クライアントサイドのすべての並べ替えと制限を行います。 Power BI Desktop には、結び付けられた値を含む上位 X フィルタリング用の異なるセマンティクスもあります。 そのため、Analysis Workspaceで行うのと同じ並べ替えと制限を作成することはできません。

• 2024 年 10 月リリースの以前のバージョンのPower BI デスクトップでは、PostgreSQL データソースが破損しています。 この記事で説明されているバージョンを使用してください。

• Tableau Desktop の日付範囲フィルタリングは排他的です。 終了日には、レポートする日付の後の日付を選択する必要があります。

• 既定では、シートの行に Daterangemonth のような日付または日時次元を追加すると、Tableau Desktop はフィールドを YEAR （） 関数でラップします。 目的のデータを取得するには、そのディメンションを選択し、ドロップダウンメニューから、使用する日付関数を選択する必要があります。 例えば、Daterangemonth を使用しようとする場合は、年 を 月 に変更します。

• Tableau Desktop では、結果を上位 X に制限することは明確ではありません。 結果を明示的に制限するか、計算フィールドと INDEX （） 関数を使用することができます。 上位 X フィルターをディメンションに追加すると、サポートされていない内部結合を使用して複雑な SQL が生成されます。

• Looker には、ノード設定ごとの最大接続数があり、5～100 にする必要があります。 この値を 1 に設定することはできません。 この設定は、Looker 接続が、常に使用可能なクエリサービスセッションを 5 つ以上使用することを意味します。

• Looker は、Customer Journey Analytics データビューに基づくビューを持つプロジェクトを作成できます。 次に、Looker は、LookerML を使用して、データビューで使用できるディメンションと指標に基づいてモデルを作成します。 このプロジェクト ビューは、ソースと一致するように自動的に更新されません。 CJA データビューのディメンション、指標、計算指標またはセグメントに変更や追加を加えても、その変更内容は Looker に自動的には表示されません。 プロジェクトビューを手動で更新するか、新しいプロジェクトを作成する必要があります。

• Daterange Date や Daterangeday Date などの日付または日時フィールドにおける Looker のユーザーエクスペリエンスは、混乱を招きます。

• Looker の日付範囲は、包括的ではなく排他的です。 （前の まで はグレーで表示されるので、その側面を見逃すことがあります。 終了日には、レポートする日付の後の日付を選択する必要があります。

• Looker では、指標を指標として自動的に処理しません。 指標を選択すると、デフォルトでは、Looker は指標をクエリ内のディメンションとして扱おうとします。 指標を指標として扱うには、上記のようにカスタムフィールドを作成する必要があります。 ショートカットとして、「⋮」を選択し、「集計」を選択してから「合計」を選択できます。

• Jupyter Notebook の主な注意点は、他の BI ツールのように、ツールがドラッグ&ドロップによるユーザーインターフェイスを持っていないことです。 優れたビジュアルを作成できますが、それにはコードを記述する必要があります。

• R dplyr はフラット スキーマで動作するため、FLATTEN オプションが必要です。

• RStudio の主な注意点は、他の BI ツールのように、ツールがドラッグ&ドロップのユーザーインターフェイスではないことです。 優れたビジュアルを作成できますが、それにはコードを記述する必要があります。