1. No painel Dados:

   1. Selecione intervalo de datas.
   2. Selecione product_name.
   3. Selecione somar ocorrências.

2. No painel Filtros:

   1. Selecione o intervalo de datas é (Todos) de Filtros neste visual.
   2. Selecione Data relativa como o Tipo de filtro.
   3. Defina o filtro como Mostrar itens quando o valor estiver nos últimos 1 anos.
   4. Selecione Aplicar filtro.
   5. Selecione product_name is (All) em Filtros neste visual.
   6. Selecione N Superior como o Tipo de filtro.
   7. Selecione Mostrar Itens Superior 5 Por valor.
   8. Arraste e solte somar ocorrências do painel Dados e solte-o em Adicionar campos de dados aqui.
   9. Selecione Aplicar filtro.

3. No painel Visualização:

   • Selecione para remover o intervalo de datas das Colunas.

   A área de trabalho do Power BI deve ser semelhante à mostrada abaixo.

   

A consulta executada pelo Power BI Desktop usando a extensão BI inclui uma instrução limit, mas não a esperada. O limite para as 5 principais ocorrências é aplicado pelo Power BI Desktop usando resultados explícitos de nome de produto.

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. Selecione a guia Folha 1 na parte inferior para alternar da Fonte de dados. Na exibição Folha 1:

   1. Arraste a entrada Daterange da lista Tabelas na prateleira Filtros.

   2. Na caixa de diálogo Filtrar Campo [Intervalo de Datas], selecione Intervalo de Datas e selecione Avançar >.

   3. Na caixa de diálogo Filtro [Intervalo de datas], selecione Datas relativas, selecione Anos e selecione Anos anteriores. Selecione Aplicar e OK.

   4. Arraste Nome do Produto da lista Tabelas para Linhas.

   5. Arraste a entrada Ocorrências da lista Tabelas e solte a entrada no campo ao lado de Colunas. O valor é alterado para SUM(Occurrences).

   6. Selecione Tabela de Texto de Mostre-me.

   7. Selecione Ajustar largura no menu suspenso Ajustar.

   8. Selecione o Nome do Produto em Linhas. Selecione Filtro no menu suspenso.

      1. Na caixa de diálogo Filtrar [Nome do Produto], selecione a guia Superior.

      2. Selecionar Por campo: Superior 5 por Ocorrências Soma.

      3. Selecione Aplicar e OK.

         Você percebe que a tabela desaparece. A seleção dos 5 principais nomes de produtos por ocorrências não funciona corretamente usando este filtro.

      4. Selecione o Nome do Produto na prateleira Filtro e, no menu suspenso, selecione Remover. A tabela reaparece.

   9. Selecione SUM(Occurrences) na prateleira Marcas. Selecione Filtro no menu suspenso.

      1. Na caixa de diálogo Filtrar [Ocorrências], selecione Pelo menos.

      2. Digite 47.799 como valor. Esse valor garante que apenas os 5 itens principais sejam mostrados na tabela. Selecione Aplicar e OK.

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

         

Como mostrado acima, essa consulta executada pelo Tableau Desktop, ao definir um filtro Cinco principais ocorrências em nomes de produtos, falha.

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

A consulta executada pelo Tableau Desktop, ao definir um filtro 5 principais em ocorrências, é mostrada abaixo. O limite não está visível na consulta e aplicado no lado do cliente.

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. Na interface Explorar do Looker, atualize a conexão. Selecione Limpar cache e atualizar.

2. Na interface Explorar do Looker, verifique se você possui uma configuração limpa. Caso contrário, selecione Remover campos e filtros.

3. Selecione + Filtro abaixo de Filtros.

4. Na caixa de diálogo Adicionar Filtro:

   1. Selecionar ‣ Visualização De Dados Cc

   2. Na lista de campos, selecione ‣ Data do Intervalo de Datas e Data do Intervalo de Datas.

      

5. Especifique o filtro Data do Intervalo de Datas da Visualização de Dados Cc, pois está no intervalo 2023/01/01 até (antes) 2024/01/01.

6. Na seção ‣ Cc Data View no painel esquerdo:

   1. Selecione Nome do Produto.
   2. Selecione Contagem abaixo de MEDIDAS no painel esquerdo (na parte inferior).

7. Selecione ​ ​(Decrescente, Ordem de classificação: 1) na coluna Receita de compra.

8. Selecione ​ ​(Decrescente, Ordem de classificação: 1) na coluna Receita de compra.

9. Selecione Executar.

10. Selecione ‣ Visualização.

Você deve ver uma visualização e tabela semelhantes, como mostrado abaixo.

A consulta gerada pelo Pesquisador usando a extensão BI inclui FETCH NEXT 5 ROWS ONLY, o que implica que o limite é executado por meio do Pesquisador e da extensão 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. Insira as seguintes instruções em uma nova célula.

   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. Execute a célula. Você deve ver uma saída semelhante à captura de tela abaixo.

   

A consulta é executada pela extensão BI, conforme definido no Jupyter Notebook.

1. Insira as seguintes instruções entre {r} ` e ` em uma nova parte.

   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. Execute o pedaço. Você deve ver uma saída semelhante à captura de tela abaixo.

   

A consulta gerada pelo RStudio usando a extensão de BI inclui LIMIT 5, o que implica que o limite é aplicado por meio do RStudio e da extensão de 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

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.

Dimensões
As dimensões do Customer Journey Analytics são identificadas pela ID do Componente. A ID do Componente está definida na sua visualização de dados do 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 do Customer Journey Analytics, como Dia, Semana, Mês e muito mais estão disponíveis como daterangeday, daterangeweek, daterangemonth e muito mais.

Métricas
As métricas do Customer Journey Analytics são identificadas pela ID do Componente. A ID do Componente está definida na sua visualização de dados do Customer Journey Analytics. Por exemplo, a métrica Receita de compra no Customer Journey Analytics tem um 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
O Power BI Desktop fornece funcionalidade de transformação personalizada usando Data Analysis Expressions (DAX). Como exemplo, você deseja executar a Dimensão única classificada caso de uso 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]).
   

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 ser semelhante à mostrada abaixo.
   

A transformação personalizada resulta em uma atualização das 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 ficam 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.

Dimensões
As dimensões do Customer Journey Analytics são identificadas pelo Nome do componente. O nome do componente está definido na sua visualização de dados do 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 do 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 do Customer Journey Analytics são identificadas pelo Nome do Componente. O Nome do Componente está definido na sua visualização de dados do 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 a Dimensão única classificada caso de uso 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]).

      

   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.

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))

Os objetos do Customer Journey Analytics estão disponíveis na interface Explorar. E são recuperados como parte da configuração da conexão, do projeto e do modelo no Looker. Por exemplo, cc_data_view. O nome da exibição é igual à ID externa que você definiu para a exibição de dados no Customer Journey Analytics. Por exemplo, visualização de dados com Título C&C - Data View e ID Externa cc_data_view.

Dimensões
As dimensões do Customer Journey Analytics estão listadas como DIMENSION no Modo de Exibição de Dados Cc no painel esquerdo. A dimensão é definida na visualização de dados do Customer Journey Analytics. Por exemplo, a dimensão Nome do Produto no Customer Journey Analytics tem um Nome do Produto do DIMENSION, que é o nome da dimensão no Looker.
Dimensões de intervalo de datas da Customer Journey Analytics, como Dia, Semana, Mês e mais estão disponíveis como Data Daterangeday, Data Daterangeweek, Data Daterangeweek e muito mais. Ao usar uma dimensão de intervalo de datas, é necessário selecionar uma definição apropriada de data ou hora. Por exemplo, Ano, Trimestre, Mês, Data.

Métricas
As métricas do Customer Journey Analytics estão listadas como DIMENSION no painel esquerdo da Exibição de Dados da Cc. Por exemplo, a métrica Receita de compra no Customer Journey Analytics tem uma Receita de compra DIMENSION. Para usar como uma métrica, crie um campo de medida personalizado conforme mostrado nos exemplos acima ou use o atalho em uma dimensão. Por exemplo, ​, selecione Agregado e Soma.

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 Looker, 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 Pesquisador.

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 Looker fornece a funcionalidade de transformação personalizada usando construtores de campo personalizados, conforme mostrado acima. Como exemplo, você deseja executar a Dimensão única classificada caso de uso com nomes de produtos em minúsculas.

1. Na seção ‣ Campos Personalizados no painel esquerdo:

   1. Selecione Dimension Personalizado no menu suspenso + Adicionar.

   2. Digite lower(${cc_data_view.product_name}) na área de texto Expressão. Você é auxiliado com a sintaxe correta quando começa a digitar Product Name.

      

   3. Digite product name como Nome.

   4. Selecione Salvar.

Você deve ver uma tabela semelhante como mostrado abaixo.

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

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

Os objetos do Customer Journey Analytics (dimensões, métricas, filtros, métricas calculadas e intervalos de datas) estão disponíveis como parte das consultas SQL incorporadas que você cria. Consulte exemplos anteriores.

Transformações personalizadas

1. Insira as seguintes instruções em uma nova célula.

   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. Execute a célula. Você deve ver uma saída semelhante à captura de tela abaixo.

   

A consulta é executada pela extensão BI, conforme definido no Jupyter Notebook.

Os componentes do Customer Journey Analytics (dimensões, métricas, filtros, métricas calculadas e intervalos de datas) estão disponíveis como objetos nomeados semelhantes na linguagem R. Consulte os componentes usando o componente. Consulte os exemplos anteriores.

Transformações personalizadas

1. Insira as seguintes instruções entre {r} ` e ` em uma nova parte.

   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. Execute o pedaço. Você deve ver uma saída semelhante à captura de tela abaixo.

   

A consulta gerada pelo RStudio usando a extensão de BI inclui lower, o que implica que a transformação personalizada é executada pelo RStudio e a extensão de 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

Comparação

Para a maioria das visualizações do 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 do 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 da jornada	Árvore de decomposição
	Resumo das métricas principais
	Linha	Gráfico de linhas
	Dispersão	Gráfico de dispersão
	Cabeçalho de 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.

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

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 do Customer Journey Analytics, o Tableau 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 do 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 da jornada
	Resumo das métricas principais
	Linha	Gráfico de Linhas
	Dispersão	Gráfico de dispersão
	Cabeçalho de 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.

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

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.

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.

Comparação

Para a maioria das visualizações do Customer Journey Analytics, o Looker 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 do Customer Journey Analytics	Visualização do Power BI Desktop
	Área	Gráfico de Área
	Barra	Gráfico de Barras
	Barra empilhada	Gráfico de Barras
	Marcador	Gráfico em marcadores
	Tabela de coorte
	Combo	Personalizando visualizações
	Rosca	Rosca
	Fallout	Funil
	Fluxo	Tecla De Aperto
	Tabela de forma livre	Tabela
	Histograma
	Barra horizontal	Gráfico de Barras
	Barra horizontal empilhada	Gráfico de Barras
	Tela da jornada
	Resumo das métricas principais
	Linha	Gráfico de Linhas
	Dispersão	Gráfico de dispersão
	Cabeçalho de seção
	Alteração de resumo	Valor Único
	Número do resumo	Valor Único
	Texto	Valor Único
	Mapas de árvore	Mapas de árvore
	Diagrama de Venn	Diagrama de Venn

• 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 após 1/1/2023 e antes 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 você precisar transformar dados no momento da consulta, use dimensões e métricas derivadas para que o Power BI não precise fazer as transformações por si só.

• O Power BI Desktop 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 da versão de outubro de 2024 do Power BI Desktop quebram as fontes de dados PostgreSQL. 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.

• O Looker tem um número máximo de conexões por configuração de nó que deve estar entre 5 e 100. Não é possível definir esse valor como 1. Essa configuração implica que uma conexão de Pesquisador sempre use no mínimo 5 das sessões de Serviço de consulta disponíveis.

• O Looker permite criar um projeto com uma visualização baseada em uma visualização de dados do Customer Journey Analytics. Em seguida, o Looker cria um modelo com base nas dimensões e métricas, disponíveis na visualização de dados, usando o LookerML. Esta Visualização de projeto não é atualizada automaticamente para corresponder à origem. Se você fizer alterações ou adições às dimensões, métricas, métricas calculadas ou segmentos da Visualização de dados do CJA, essas alterações não serão exibidas automaticamente no Looker. Você precisa atualizar manualmente a Visão do Projeto ou criar um novo Projeto.

• A experiência do usuário do pesquisador em campos de data ou hora como Data do intervalo de datas ou Data do intervalo de datas é confusa.

• O intervalo de datas do observador é exclusivo em vez de inclusivo. O até (antes) está em cinza, portanto, você pode perder esse aspecto. Para o dia final, é necessário selecionar um após o dia em que deseja criar o relatório.

• O Looker não trata automaticamente suas métricas como métricas. Quando você seleciona uma métrica, por padrão, o Looker tenta tratar a métrica como uma dimensão na consulta. Para tratar uma métrica como uma métrica, é necessário criar um campo personalizado conforme ilustrado acima. Como atalho, você pode selecionar ​, selecionar Agregação e depois selecionar Soma.

• A principal advertência do Jupyter Notebook é que a ferramenta não faz uma interface de usuário de arrastar e soltar como outras ferramentas de BI. Você pode criar bons visuais, mas precisa escrever código para conseguir isso.

• A implantação do R funciona com um esquema simples, de modo que a opção FLATTEN é necessária.

• O principal aviso do RStudio é que a ferramenta não faz uma interface de usuário de arrastar e soltar como outras ferramentas de BI. Você pode criar bons visuais, mas precisa escrever código para conseguir isso.