Os objetos Customer Journey Analytics estão disponíveis no painel Dados e são recuperados da tabela selecionada no Power BI Desktop. Por exemplo, public.cc_data_view. O nome da tabela é igual à ID externa que você definiu para a visualização de dados no Customer Journey Analytics. Por exemplo, visualização de dados com Título C&C - Data View e ID Externa cc_data_view.

Dimension
Os Dimension do Customer Journey Analytics são identificados pela ID do Componente. A ID do Componente está definida na sua visualização de dados de Customer Journey Analytics. Por exemplo, a dimensão Nome do Produto no Customer Journey Analytics tem um ID de Componente nome_do_produto, que é o nome da dimensão no Power BI Desktop.
Dimensões de intervalo de datas de Customer Journey Analytics, como Dia, Semana, Mês e mais estão disponíveis como daterangeday, daterangeweek, daterangemonth e muito mais.

Métricas
As métricas de Customer Journey Analytics são identificadas pela ID do Componente. A ID do Componente está definida na sua visualização de dados de Customer Journey Analytics. Por exemplo, a métrica Receita de compra no Customer Journey Analytics tem uma ID de componente purchase_revenue, que é o nome da métrica no Power BI Desktop. Um ​ ​indica métricas. Quando você usa uma métrica em qualquer visualização, ela é renomeada para **Soma da *métrica ***.

Filtros
Os filtros definidos no Customer Journey Analytics estão disponíveis como parte do campo filterName. Ao usar um campo filterName na Área de Trabalho do Power BI, você pode especificar qual filtro usar.

Métricas calculadas
As métricas calculadas definidas no Customer Journey Analytics são identificadas pela ID Externa definida para a métrica calculada. Por exemplo, a métrica calculada Nome do produto (Contagem distinta) tem Identificação externa product_name_count_distinct e é mostrada como cm_product_name_count_distinct ​t no Power BI Desktop.

Intervalos de datas
Intervalos de datas definidos no Customer Journey Analytics estão disponíveis como parte do campo dataterangeName. Ao usar um campo dataterangeName, você pode especificar qual intervalo de datas usar.

Transformações personalizadas
A Área de Trabalho do Power BI fornece funcionalidade de transformação personalizada usando Data Analysis Expressions (DAX). Como exemplo, você deseja executar o caso de uso classificado Dimensão única com nomes de produtos em minúsculas.

1. Na exibição de relatório, selecione a visualização de barra.

2. Selecione product_name no painel Dados.

3. Selecione Nova coluna na barra de ferramentas.

4. No editor de fórmulas, defina uma nova coluna chamada product_name_lower, como product_name_lower = LOWER('public.cc_data_view[product_name]).
   {modal="regular"}

5. Selecione a nova coluna product_name_lower no painel Dados em vez da coluna product_name.

6. Selecione Relatório como Tabela de na visualização da tabela.

   A área de trabalho do Power BI deve ficar parecida com a exibida abaixo.
   {modal="regular"}

A transformação personalizada resulta em atualizações nas consultas SQL. Consulte o uso da função lower no exemplo SQL abaixo:

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

Os objetos Customer Journey Analytics estão disponíveis na barra lateral Dados sempre que você trabalha em uma planilha. E são recuperados da tabela selecionada como parte da página Fonte de dados no Tableau. Por exemplo, cc_data_view. O nome da tabela é igual à ID externa que você definiu para a visualização de dados no Customer Journey Analytics. Por exemplo, visualização de dados com Título C&C - Data View e ID Externa cc_data_view.

Dimension
Dimension do Customer Journey Analytics são identificados pelo Nome do componente. O nome do componente está definido em sua visualização de dados de Customer Journey Analytics. Por exemplo, a dimensão Nome do Produto no Customer Journey Analytics tem um Nome do Componente Nome do Produto, que é o nome da dimensão no Tableau. Todas as dimensões são identificadas por Abc.
Dimensões de intervalo de datas de Customer Journey Analytics, como Dia, Semana, Mês e mais estão disponíveis como Daterangeday, Daterangeweek, Daterangemonth e muito mais. Ao usar uma dimensão de intervalo de datas, é necessário selecionar uma definição apropriada de data ou hora para aplicar a essa dimensão de intervalo de datas no menu suspenso. Por exemplo, Ano, Trimestre, Mês, Dia.

Métricas
As métricas de Customer Journey Analytics são identificadas pelo Nome do componente. O Nome do Componente está definido na sua visualização de dados de Customer Journey Analytics. Por exemplo, a métrica Receita de compra no Customer Journey Analytics tem um Nome do componente Receita de compra, que é o nome da métrica no Tableau. Todas as métricas são identificadas por #. Quando você usa uma métrica em qualquer visualização, ela é renomeada para Sum(metric).

Filtros
Os filtros definidos no Customer Journey Analytics estão disponíveis como parte do campo Nome do filtro. Ao usar um campo Nome do Filtro no Tableau, você pode especificar qual filtro usar.

Métricas calculadas
As métricas calculadas definidas no Customer Journey Analytics são identificadas pelo Título definido para a métrica calculada. Por exemplo, a métrica calculada Nome do Produto (Contagem Distinta) tem Título Nome do Produto (Contagem Distinta) e é exibida como Cm Nome do Produto Contagem Distinta no Tableau.

Intervalos de datas
Intervalos de datas definidos no Customer Journey Analytics estão disponíveis como parte do campo Nome do intervalo de datas. Ao usar um campo Nome do intervalo de datas, você pode especificar qual intervalo de datas usar.

Transformações personalizadas
O Tableau Desktop fornece funcionalidade de transformação personalizada usando Campos Calculados. Como exemplo, você deseja executar o caso de uso classificado Dimensão única com nomes de produtos em minúsculas.

1. Selecione Análise > Criar campo calculado no menu principal.

   1. Defina o Nome do Produto em Minúsculas usando a função LOWER([Product Name]).

      {modal="regular"}

   2. Selecione OK.

2. Selecione a planilha de Dados.

   1. Arraste Nome do Produto em Minúsculas de Tabelas e solte a entrada no campo ao lado de Linhas.
   2. Remover Nome do Produto de Linhas.

3. Selecione a exibição Painel 1.

A área de trabalho do Tableau deve ser parecida com a exibida abaixo.

{modal="regular"}

A transformação personalizada resulta em atualizações nas consultas SQL. Consulte o uso da função LOWER no exemplo SQL abaixo:

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))

Comparação

Para a maioria das visualizações de Customer Journey Analytics, o Power BI Desktop oferece experiências equivalentes. Consulte a tabela abaixo.

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
Ícone	Visualização de Customer Journey Analytics	Visualização do Power BI Desktop
	Área	Gráfico de área, gráfico de área empilhada e gráfico de área 100%
	Barra	Gráfico de colunas agrupado
	Barra empilhada	Gráfico de colunas empilhadas e gráfico de colunas 100% empilhadas
	Marcador
	Tabela de coorte
	Combo	Gráfico de linhas e colunas empilhadas e Gráfico de linhas e colunas agrupadas
	Rosca	Gráfico de rosca
	Fallout	Funil.
	Fluxo	Árvore de decomposição?
	Tabela de forma livre	Tabela e Matriz
	Histograma
	Barra horizontal	Gráfico de barras clusterizado
	Barra horizontal empilhada	Gráfico de barras empilhadas e gráfico de barras 100% empilhadas
	tela de Jornada	Árvore de decomposição
	Resumo da métrica principal
	Linha	Gráfico de linhas
	Dispersão	Gráfico de dispersão
	Cabeçalho da seção	Caixa de texto
	Alteração de resumo	Cartão 1}
	Número do resumo	Cartão 1}
	Texto	Caixa de texto
	Mapas de árvore	Mapas de árvore
	Venn

Detalhar

O Power BI oferece suporte ao modo de análise para explorar detalhes detalhados sobre determinadas visualizações. No exemplo abaixo, você analisa a receita de compra para categorias de produto. No menu de contexto de uma barra que representa uma categoria de produto, você pode selecionar Detalhar.

{modal="regular"}

O detalhamento atualiza a visualização com receita de compra para produtos na categoria de produto selecionada.

{modal="regular"}

O detalhamento resulta na seguinte consulta SQL que usa uma cláusula 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

Comparação

Para a maioria das visualizações de Customer Journey Analytics, o Tableau oferece experiências equivalentes. Consulte a tabela abaixo.

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
Ícone	Visualização de Customer Journey Analytics	Visualização do Power BI Desktop
	Área	Gráfico de Área
	Barra	Gráfico de Barras
	Barra empilhada
	Marcador	Gráfico em marcadores
	Tabela de coorte
	Combo	Gráficos de Combinação
	Rosca
	Fallout
	Fluxo
	Tabela de forma livre	Tabela de texto
	Histograma	Histograma
	Barra horizontal	Gráfico de Barras
	Barra horizontal empilhada	Gráfico de Barras
	tela de Jornada
	Resumo da métrica principal
	Linha	Gráfico de Linhas
	Dispersão	Gráfico de dispersão
	Cabeçalho da seção
	Alteração de resumo
	Número do resumo
	Texto
	Mapas de árvore	Mapas de árvore
	Venn

Detalhar

Tableau dá suporte ao modo de análise por meio de hierarquias. No exemplo abaixo, você cria uma hierarquia ao selecionar o campo Nome do Produto em Tabelas e arrastá-lo para cima de Categoria do Produto. Em seguida, no menu de contexto de uma barra que representa uma categoria de produto, você pode selecionar + Detalhar.

{modal="regular"}

O detalhamento atualizará a visualização com receita de compra para produtos dentro da categoria de produto selecionada.

{modal="regular"}

O drill-down resulta na seguinte consulta SQL que está usando uma cláusula 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

A consulta não limita os resultados à categoria de produto selecionada; somente a visualização mostra a categoria de produto selecionada.

{modal="regular"}

Como alternativa, você pode criar um painel detalhado no qual um visual é o resultado da seleção em outro visual. No exemplo abaixo, a visualização Categorias de produto é usada como filtro para atualizar a tabela Nomes de produto. Este filtro de visualização é somente para cliente e não resulta em uma consulta SQL adicional.

{modal="regular"}

• A filtragem avançada de intervalo de datas do Power BI Desktop é exclusiva. Para a data final, é necessário selecionar um após o dia em que deseja criar o relatório. Por exemplo, está em ou depois de 1/1/2023 e antes de 1/2/2023.

• O padrão da Área de Trabalho do Power BI é Importar quando você cria uma conexão. Use a Consulta Direta.

• O Power BI Desktop expõe as transformações de dados por meio do Power Query. O Power Query funciona principalmente com conexões do tipo Importar, de modo que muitas transformações aplicadas, como funções de data ou sequência, exibem um erro informando que é necessário alternar para uma conexão do tipo Importar. Se for necessário transformar dados no momento da consulta, você deverá usar dimensões e métricas derivadas para que o Power BI não precise fazer as transformações em si.

• A Área de Trabalho do Power BI não entende como lidar com colunas do tipo date-time, portanto, as dimensões **daterange *X ***, como​ daterangehour ​ ​e​ daterangeminute ​, não são suportadas.

• O Power BI Desktop, por padrão, tenta fazer várias conexões usando mais sessões do Serviço de consulta. Acesse as configurações do Power BI para o seu projeto e desative as consultas paralelas.

• O Power BI Desktop faz toda a classificação e limitação no lado do cliente. O Power BI Desktop também tem diferentes semânticas para a filtragem X superior que inclui valores vinculados. Portanto, não é possível criar a mesma classificação e limitação que você pode criar no Analysis Workspace.

• Versões anteriores do Power BI Desktop quebram as fontes de dados PostgreSQL de outubro de 2024. Certifique-se de usar a versão mencionada neste artigo.

• A filtragem de Intervalo de Datas do Tableau Desktop é exclusiva. Para a data final, é necessário selecionar um após o dia em que deseja criar o relatório.

• Por padrão, quando você adiciona uma dimensão de data ou hora como Daterangemonth às linhas de uma planilha, o Tableau Desktop envolve o campo em uma função YEAR(). Para obter o que deseja, selecione essa dimensão e, no menu suspenso, selecione a função de data que deseja usar. Por exemplo, altere Year para Month quando estiver tentando usar Daterangemonth.

• Limitar os resultados ao X Superior não é óbvio no Tableau Desktop. É possível limitar os resultados explicitamente ou usando um campo calculado e a função INDEX(). Adicionar um filtro X Superior a uma dimensão gera um SQL complexo usando uma junção interna que não tem suporte.