1. I rutan Data:

   1. Välj daterange.
   2. Välj product_name.
   3. Välj sum purchase_revenue.
   4. Välj sum purchases.

   En tom tabell visas endast med kolumnrubrikerna för det markerade elementet. Förstora visualiseringen för bättre synlighet.

2. I rutan Filters:

   1. Välj daterange is (All) från Filters on this visual.
   2. Välj Relative date som Filter type.
   3. Definiera filtret för Show items when the value is in the last 1 calendar years.
   4. Välj Apply filter.

   Tabellen uppdateras med det använda daterange-filtret.

3. I rutan Visualization:

   1. Använd för att ta bort daterange från Columns.
   2. Dra Sum of purchases_revenue under Sum of purchases i Columns.

4. I tabellvisualiseringen:

   1. Välj Sum of purchase_revenue om du vill sortera produktnamnen i fallande inköpsintäktsordning. Ditt Power BI-skrivbord ska se ut så här nedan.

   

5. I rutan Filters:

   1. Välj product_name is (All).
   2. Ange Filter type till Top N.
   3. Definiera filtret för Show items Top 10 By value.
   4. Dra och släpp purchase_revenue i By value Add data fields here.
   5. Välj Apply filter.

   Tabellen uppdateras med värden för inköpsintäkter synkroniserat med frihandstabellens visualisering i Analysis Workspace.

6. I rutan Visualizations:

   1. Välj visualisering för Line and stacked column chart.

   En visualisering av ett linjediagram och ett skiktat stapeldiagram ersätter tabellen med samma data som tabellen.

7. Dra och släpp purchases på Line y-axis i rutan Visualizations.

   Linjediagrammet och det staplade stapeldiagrammet uppdateras. Ditt Power BI-skrivbord ska se ut så här nedan.

   

8. Visualisering av linjediagram och skiktade stapeldiagram:

   1. Välj .
   2. Välj Show as a table på snabbmenyn.

   Huvudvyn uppdateras för att visa både en radvisualisering och en tabell.

   

1. Välj fliken Sheet 1 längst ned om du vill växla från Data source. I vyn Sheet 1:

   1. Dra posten Daterange från listan Tables i rutan Data och släpp posten på hyllan Filters.

   2. I dialogrutan Filters Field [Daterange] väljer du Range of Dates och sedan Next >.

   3. I dialogrutan Filter [Daterange] väljer du Range of dates och anger en punkt på 01/01/2023 - 31/12/2023. Välj Apply och OK.

      

   4. Dra och släpp Product Name från listan Tables i rutan Data och släpp posten i fältet bredvid Rows.

   5. Dra och släpp Purchases från listan Tables (*Måttnamn *) ​i rutan Data ​och släpp posten i fältet bredvid Rows. Värdet konverteras automatiskt till SUM(Purchases).

   6. Dra och släpp Purchase Revenue från listan Tables (*Måttnamn *) ​i rutan Data ​och släpp posten i fältet intill Columns ​och vänster från SUM(Purchases). Värdet konverteras automatiskt till SUM(Purchase Revenue).

   7. Om du vill beställa båda diagrammen i fallande inköpsintäktsordning för du muspekaren över rubriken Purchase Revenue och väljer sorteringsikonen.

   8. Om du vill begränsa antalet poster i diagrammen väljer du SUM(Purchase Revenue) i Rows och väljer Filter i listrutan.

   9. I dialogrutan Filter [Purchase Revenue] väljer du Range of values och anger lämpliga värden. Till exempel: 1,000,000 - 2,000,000. Välj Apply och OK.

   10. Om du vill konvertera de två stapeldiagrammen till ett dubbelkombinationsdiagram väljer du SUM(Purchases) i Rows och väljer Dual Axis i listrutan. Stolpdiagrammen omformas till en punktdiagram.

   11. Så här ändrar du punktdiagram till ett stapeldiagram:

       1. Välj SUM(Purchases) i området Marks och välj Line i listrutan.
       2. Välj SUM(Purchase Revenue) i området Marks och välj Bar i listrutan.

   Ditt skrivbord ska se ut så här nedan.

   

2. Välj Duplicate på snabbmenyn på fliken Sheet 1 om du vill skapa ett andra blad.

3. Välj Rename på snabbmenyn på fliken Sheet 1 om du vill byta namn på bladet till Data.

4. Välj Rename på snabbmenyn på fliken Sheet 1 (2) om du vill byta namn på bladet till Graph.

5. Kontrollera att bladet Data är markerat.

   1. Välj Show me längst upp till höger och välj Text table (övre vänstra visualiseringen) för att ändra innehållet i de två diagrammen till en tabell.
   2. Om du vill beställa inköpsintäkt i fallande ordning för du över Purchase Revenue i tabellen och väljer .
   3. Välj Entire View i listrutan Fit.

   Ditt skrivbord ska se ut så här nedan.

   

6. Skapa en ny New Dashboard-vy genom att klicka på tabbknappen Dashboard 1 (längst ned). I vyn Dashboard 1:

   1. Dra och släpp Graph-bladet från Sheets-hyllan till Dashboard 1-vyn som läser Drop sheets här.
   2. Dra och släpp Data-bladet från Sheets-hyllan nedanför Graph-bladet till Dashboard 1-vyn.
   3. Markera bladet Data i vyn och ändra Entire View till Fix Width.

   Dashboard 1-vyn ska se ut så här nedan.

   

1. Kontrollera att du har en ren konfiguration i gränssnittet Explore för Looker. Om inte väljer du Remove fields and filters.

2. Välj + Filter under Filters.

3. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View

   2. Välj ‣ Daterange Date och sedan Daterange Date i listan med fält.

      

4. Ange filtret Cc Data View Daterange Date som is in range 2023/01/01 until (before) 2024/01/01.

5. Välj ‣ Cc Data View i avsnittet Product Name i den vänstra listen.

6. Från avsnittet ‣ Custom Fields i den vänstra listen:

   1. Välj Custom Measure i listrutan + Add.

   2. I dialogrutan Create custom measure:

      1. Välj Purchase Revenue i listrutan Field to measure.

      2. Välj Sum i listrutan Measure type.

      3. Ange ett anpassat fältnamn för Name. Till exempel: Purchase Revenue.

      4. Välj fliken Field details.

      5. Välj Decimals i listrutan Format och kontrollera att 0 anges i Decimals.

         

      6. Välj Save.

   3. Välj Custom Measure en gång till på den nedrullningsbara menyn + Add. I dialogrutan Create custom:

      1. Välj Purchases i listrutan Field to measure.
      2. Välj Sum i listrutan Measure type.
      3. Ange ett anpassat fältnamn för Name. Till exempel: Sum of Purchases.
      4. Välj fliken Field details.
      5. Välj Decimals i listrutan Format och kontrollera att 0 anges i Decimals.
      6. Välj Save.

   4. Båda fälten läggs automatiskt till i datavyn.

7. Välj + Filter om du vill lägga till ytterligare Filters och begränsa data.

8. I dialogrutan Add Filter väljer du ‣ Custom Fields och sedan Purchase Revenue.

9. Gör lämpliga markeringar och ange de föreslagna värdena, så att filtret läser is between inclusive 1000000 AND 2000000.

10. Välj Run.

11. Välj ‣ Visualization om du vill visa radinvisualiseringen.

12. Välj Edit i Visualization för att uppdatera visualiseringen. I popup-dialogrutan:

    1. Välj fliken Series.

    2. Bläddra ned för att se Purchases och ändra Type till Line.

    3. Välj fliken Y.

    4. Dra Purchases från behållaren Left 1 till den plats där den läser ***Dra serien hit för att skapa en ny vänsteraxel ***. Den här åtgärden skapar en Left 2-behållare.

       

    5. Välj bredvid Edit för att dölja popup-dialogrutan

En visualisering och en tabell som liknar den visas nedan.

1. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

1. Ange följande programsatser mellan {r} ` och ` i ett nytt segment.

   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. Kör segmentet. Du bör se utdata som liknar skärmbilden nedan.

   

1. Om du vill vara säker på att datumintervallet gäller för alla visualiseringar drar och släpper du daterangeday från rutan Data till Filters on this page.

   1. Välj daterangeday is (All) från Filters on this page.
   2. Välj Relative date som Filter type.
   3. Definiera filtret för Show items when the value is in the last 1 calendar years.
   4. Välj Apply filter.

2. I rutan Data:

   1. Välj datarangeday.
   2. Välj product_category.
   3. Välj product_name.
   4. Välj sum purchase_revenue
   5. Välj sum purchases

3. Om du vill ändra det lodräta stapeldiagrammet till en tabell kontrollerar du att tabellen är markerad och väljer Matrix i rutan Visualizations.

   • Dra product_name från Columns och släpp fältet under product_categor ​y i Rows i rutan Visualization.

4. Om du vill begränsa antalet produkter som visas i tabellen väljer du product_name is (All) i rutan Filters.

   1. Välj Advanced filtering.
   2. Välj Filter type Top N Show items Top 15 By Value.
   3. Dra purchases från rutan Data till rutan Add data fields here.
   4. Välj Apply filter.

5. Om du vill förbättra läsbarheten väljer du View på den översta menyn, väljer Page View > Actual size och ändrar storlek på tabellvisualiseringen.

6. Om du vill dela upp varje kategori i tabellen väljer du + på produktkategorinivå. Ditt Power BI-skrivbord ska se ut så här nedan.

   

7. Välj Home på den översta menyn och välj New visual. En ny visuell vy läggs till i rapporten.

8. I rutan Data:

   1. Välj product_category.
   2. Välj product_name.
   3. Välj purchase_revenue.

9. Om du vill ändra det visuella objektet markerar du stapeldiagrammet och väljer Treemap i rutan Visualizations.

10. Se till att product_category visas under Category och att product_name visas under Details i rutan Visualizations.

    Ditt Power BI-skrivbord ska se ut så här nedan.

    

11. Välj Home på den översta menyn och välj New visual. En ny visuell vy läggs till i rapporten.

12. I rutan Data:

    1. Välj product_category.
    2. Välj purchase_revenue.
    3. Välj purchase.

13. I rutan Visualizations:

    1. Välj Line and stacked column chart om du vill ändra visualiseringen.
    2. Dra sum_of_purchases från Column y-axis till Line y-axis.

14. Blanda om de enskilda visualiseringarna i rapporten.

    Ditt Power BI-skrivbord ska se ut så här nedan.

    

1. Välj fliken Sheet 1 längst ned om du vill växla från Data source. I vyn Sheet 1:

   1. Dra posten Daterange från listan Tables i rutan Data och släpp posten på hyllan Filters.

   2. I dialogrutan Filters Field [Daterange] väljer du Range of Dates och sedan Next >.

   3. I dialogrutan Filter [Daterange] väljer du Relative dates, väljer Years och anger Previous year. Välj Apply och OK.

      Ditt skrivbord ska se ut så här nedan.

      

   4. Dra Product Category och släpp intill Columns.

   5. Dra Purchase Revenue och släpp intill Rows. Värdet ändras till SUM(Purchase Revenue).

   6. Dra inköp och släpp bredvid Rows. Värdet ändras till SUM(Purchases).

   7. Välj SUM(Purchases) och välj Dual Axis i listrutan.

   8. Välj SUM(Purchases) i Marks och välj Line i listrutan.

   9. Välj SUM(Purchase Revenue) i Marks och välj Bar i listrutan.

   10. Välj Entire View på menyn Fit.

   11. Markera rubriken Purchase Revenue i diagrammet och kontrollera att inköpsinkomsterna är i stigande ordning.

       Ditt skrivbord ska se ut så här nedan.

       

2. Byt namn på aktuellt Sheet 1-blad till Category.

3. Välj New Worksheet om du vill skapa ett nytt blad och ändra namnet till Data.

   1. Dra posten Daterange från listan Tables i rutan Data och släpp posten på hyllan Filters.

   2. I dialogrutan Filters Field [Daterange] väljer du Range of Dates och sedan Next >.

   3. I dialogrutan Filter [Daterange] väljer du Relative dates, väljer Years och anger Previous year. Välj Apply och OK.

   4. Dra Purchase Revenue från rutan Data till Columns. Värdet ändras till SUM(Purchase Revenue).

   5. Dra Purchase från Data-rutan till Columns, intill Purchase Revenue. Värdet ändras till SUM(Purchases).

   6. Dra Product Category från rutan Data till Rows.

   7. Dra Product Name från rutan Data till Rows, bredvid Product Category.

   8. Om du vill ändra de två vågräta staplarna till en tabell väljer du Text Table från Show Me.

   9. Om du vill begränsa antalet produkter väljer du Purchases i Measure Values. Välj Filter i listrutan.

   10. I dialogrutan Filter [Purchases] väljer du At least och anger 7000. Välj Apply och OK.

   11. Välj Fit Width i listrutan the Anpassa.

       Ditt skrivbord ska se ut så här nedan.

       

4. Välj New worksheet om du vill skapa ett nytt blad och ändra namnet till Treemap.

   1. Dra posten Daterange från listan Tables i rutan Data och släpp posten på hyllan Filters.

   2. I dialogrutan Filters Field [Daterange] väljer du Range of Dates och sedan Next >.

   3. I dialogrutan Filter [Daterange] väljer du Relative dates, väljer Years och anger Previous year. Välj Apply och OK.

   4. Dra Purchase Revenue från rutan Data till Rows. Värdena ändras till SUM(Purchase Revenue).

   5. Dra Purchase från rutan Data till Rows, bredvid Purchase Revenue. Värdet ändras till SUM(Purchases).

   6. Dra Product Category från rutan Data till Columns.

   7. Dra Product Name från rutan Data till Columns.

   8. Om du vill ändra de två vertikala stapeldiagrammen till en treemap väljer du Treemap från Show Me.

   9. Om du vill begränsa antalet produkter väljer du Purchases i Measure Values. Välj Filter i listrutan.

   10. I dialogrutan Filter [Purchases] väljer du At least och anger 7000. Välj Apply och OK.

   11. Välj Fit Width i listrutan Fit.

       Ditt skrivbord ska se ut så här nedan.

       

5. Skapa en ny New Dashboard-vy genom att klicka på tabbknappen Dashboard 1 (längst ned). I vyn Dashboard 1:

   1. Dra och släpp Category-bladet från Sheets-hyllan till Dashboard 1-vyn som läser Drop sheets här.
   2. Dra och släpp Treemap-bladet från Sheets-hyllan under Category-bladet i vyn Dashboard 1.
   3. Dra och släpp Data-bladet från Sheets-hyllan under Treemap-bladet i vyn Dashboard 1.
   4. Ändra storlek på alla blad i vyn.

   Dashboard 1-vyn ska se ut så här nedan.

   

1. Kontrollera att du har en ren konfiguration i gränssnittet Explore för Looker. Om inte väljer du Remove fields and filters.

2. Välj + Filter under Filters.

3. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View

   2. Välj ‣ Daterange Date och sedan Daterange Date i listan med fält.

      

4. Ange filtret Cc Data View Daterange Date som is in range 2023/01/01 until (before) 2024/01/01.

5. Från avsnittet ‣ Cc Data View i den vänstra listen:

   1. Välj Product Category.
   2. Välj Product Name.

6. Från avsnittet ‣ Custom Fields i den vänstra listen:

   1. Välj Custom Measure i listrutan + Add.

   2. I dialogrutan Create custom measure:

      1. Välj Purchase Revenue i listrutan Field to measure.

      2. Välj Sum i listrutan Measure type.

      3. Ange ett anpassat fältnamn för Name. Till exempel: Sum of Purchase Revenue.

      4. Välj fliken Field details.

      5. Välj Decimals i listrutan Format och kontrollera att 0 anges i Decimals.

         

      6. Välj Save.

   3. Välj Custom Measure en gång till på den nedrullningsbara menyn + Add. I dialogrutan Create custom:

      1. Välj Purchases i listrutan Field to measure.
      2. Välj Sum i listrutan Measure type.
      3. Ange ett anpassat fältnamn för Name. Till exempel: Sum of Purchases.
      4. Välj fliken Field details.
      5. Välj Decimals i listrutan Format och kontrollera att 0 anges i Decimals.
      6. Välj Save.

   4. Båda fälten läggs automatiskt till i datavyn.

7. Välj Filters i avsnittet + Filter. I dialogrutan Add Filter. Välj ‣ Custom Fields och sedan Purchase Revenue.

8. Välj is > och ange 800000 för att begränsa resultaten.

9. Välj Run.

10. Välj ‣ Visualization om du vill visa radinvisualiseringen.

11. Välj Edit i Visualization för att uppdatera visualiseringen. I popup-dialogrutan:

    1. Välj fliken Plot.

    2. Rulla ned och välj Edit Chart Config.

    3. Ändra JSON i Chart Config (Override) som i skärmbilden nedan och välj sedan Preview.

       

    4. Välj Apply.

    5. Välj bredvid Edit för att dölja popup-dialogrutan

En visualisering och en tabell som liknar den visas nedan.

1. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

1. Ange följande programsatser mellan {r} ` och ` i ett nytt segment.

   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. Kör segmentet. Du bör se utdata som liknar skärmbilden nedan.

   

1. Om du vill vara säker på att datumintervallet gäller för alla visualiseringar drar och släpper du daterangeday från rutan Data till Filters på den här sidan.

   1. Välj daterangeday is (All) från Filters on this page.
   2. Välj Advanced filtering som Filter type.
   3. Definiera filtret för Show items when the value is on or after 1/1/2023 And is before 2/1/2023.
   4. Välj Apply filter.

2. I rutan Data:

   1. Välj datarangeday.
   2. Välj sum cm_product_name_count_distinct, som är det beräknade måttet som definieras i Customer Journey Analytics.

3. Om du vill ändra det lodräta stapeldiagrammet till en tabell kontrollerar du att diagrammet är markerat och väljer Table i rutan Visualizations.

   Ditt Power BI-skrivbord ska se ut så här nedan.

   

4. Välj tabellvisualisering. Välj Copy > Copy visual på snabbmenyn.

5. Klistra in visualiseringen med ctrl-v. Den exakta kopian av visualiseringen överlappar den ursprungliga. Flytta den åt höger i rapportområdet.

6. Om du vill ändra den kopierade visualiseringen från en tabell till ett kort väljer du Card från Visualizations.

   Ditt Power BI-skrivbord ska se ut så här nedan.

   

Du kan också använda funktionen för antal som skiljer sig från Power BI.

1. Välj dimensionen product_name.

2. Använd funktionen Count (Distinct) på dimensionen product_name i Columns.

   

1. Välj fliken Sheet 1 längst ned om du vill växla från Data source. I vyn Sheet 1:

   1. Dra posten Daterange från listan Tables i rutan Data och släpp posten på hyllan Filters.

   2. I dialogrutan Filter Field [Daterange] väljer du Range of Dates och sedan Next >.

   3. I dialogrutan Filter [Daterange] väljer du Range of dates och sedan 01/01/2023 - 31/1/2023. Välj Apply och OK.

   4. Dra Cm Product Name Count Distinct till Rows. Värdet ändras till SUM(Cm Product Name Count Distinct). Det här fältet är det beräknade mått som du har definierat i Customer Journey Analytics.

   5. Dra Daterangeday och släpp intill Columns. Välj Daterangeday och välj Day i listrutan.

   6. Om du vill ändra radinvisualiseringen till en tabell väljer du Text Table från Show Me.

   7. Välj Swap Rows and Columns i verktygsfältet.

   8. Välj Fit Width i listrutan Fit.

      Ditt skrivbord ska se ut så här nedan.

      

2. Välj Duplicate på snabbmenyn på fliken Sheet 1 om du vill skapa ett andra blad.

3. Välj Rename på snabbmenyn på fliken Sheet 1 om du vill byta namn på bladet till Data.

4. Välj Rename på snabbmenyn på fliken Sheet 1 (2) om du vill byta namn på bladet till Card.

5. Kontrollera att du har valt vyn Card.

6. Välj DAY(Daterangeday) och välj Month i listrutan. Värdet ändras till MONTH(Daterangeday).

7. Välj SUM(Cm Product Name Count Distinct) i Marks och välj Format i listrutan.

8. Om du vill ändra teckenstorleken väljer du Format SUM(CM Product Name Count Distinct) i Font i rutan Default och väljer 72 som teckenstorlek.

9. Om du vill justera talet väljer du Automatic bredvid Alignment och anger Horizontal till centrerad.

10. Om du vill använda heltal markerar du 123.456 bredvid Numbers och väljer Number (Custom). Ange Decimal places till 0.

    Ditt skrivbord ska se ut så här nedan.

    

11. Skapa en ny New Dashboard-vy genom att klicka på tabbknappen Dashboard 1 (längst ned). I vyn Dashboard 1:

    1. Dra och släpp Card-bladet från Sheets-hyllan till Dashboard 1-vyn som läser Drop sheets här.
    2. Dra och släpp Data-bladet från Sheets-hyllan under Card-bladet i vyn Dashboard 1.

    Dashboard 1-vyn ska se ut så här nedan.

    

Du kan också använda funktionen för att räkna distinkt från skrivbordet i Tableu.

1. Använd Product Name i stället för Cm Product Name Count Distinct.

2. Använd Measure > Count (Distinct) på Product Name i Marks.

   

1. Kontrollera att du har en ren konfiguration i gränssnittet Explore för Looker. Om inte väljer du Remove fields and filters.

2. Välj + Filter under Filters.

3. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View

   2. Välj ‣ Daterange Date och sedan Daterange Date i listan med fält.

      

4. Ange filtret Cc Data View Daterange Date som is in range 2023/01/01 until (before) 2023/02/01.

5. Från avsnittet ‣ Cc Data View i den vänstra listen:

   1. Välj Daterange Date och sedan Date.

   2. Välj Aggregate ‣ Count Distinct på snabbmenyn ⋮ mer på Product Name.

      

6. Välj Run.

7. Välj ‣ Visualization och välj 6︎⃣ i verktygsfältet för att visa visualisering av ett enstaka värde.

En visualisering och en tabell som liknar den visas nedan.

1. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

1. Ange följande programsatser mellan {r} ` och ` i ett nytt segment.

   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. Kör segmentet. Du bör se utdata som liknar skärmbilden nedan.

   

1. I rutan Data:

   1. Välj daterangemonth.
   2. Välj daterangeName.
   3. Välj sum occurrences.

   En visualisering visar Error fetching data for this visual.

2. I rutan Filters:

   1. Välj daterangeName is (All) från Filters on this visual.
   2. Välj Basic filtering som Filter type.
   3. Under fältet Search väljer du Last Year 2023, som är namnet på ditt datumintervall som definieras i Customer Journey Analytics.
   4. Välj om du vill ta bort daterangeName från Columns.

   Tabellen uppdateras med det använda daterangeName-filtret. Ditt Power BI-skrivbord ska se ut så här nedan.

   

1. Välj fliken Sheet 1 längst ned om du vill växla från Data source. I vyn Sheet 1:

   1. Dra posten Daterange Name från listan Tables i hyllan Filters.

   2. Kontrollera att Filter [Daterange Name] är markerat i dialogrutan Select from list och välj Last Year 2023 i listan. Välj Apply och OK.

   3. Dra Daterangemonth-posten från listan Tables och släpp posten i fältet intill Rows. Välj Daterangemonth och välj Month. Värdet ändras till MONTH(Daterangemonth).

   4. Dra Occurrences-posten från listan Tables och släpp posten i fältet intill Columns. Värdet ändras till SUM(Occurrences).

   5. Välj Text Table från Show Me.

   6. Välj Swap Rows and Columns i verktygsfältet.

   7. Välj Fit Width i listrutan Fit.

      Ditt skrivbord ska se ut så här nedan.

      

1. Kontrollera att du har en ren konfiguration i gränssnittet Explore för Looker. Om inte väljer du Remove fields and filters.

2. Välj + Filter under Filters.

3. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View
   2. Välj ‣ Daterange Name i listan med fält.

4. Ange filtret Cc Data View Daterange Name som is och välj Last Year 2023 i listan med värden.

5. Från avsnittet ‣ Cc Data View i den vänstra listen:

   1. Välj Daterange Month och sedan Month.
   2. Välj Count under MEASURES i den vänstra listen (längst ned).

6. Välj Run.

7. Välj ‣ Visualization.

En visualisering och en tabell som liknar den visas nedan.

1. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

3. Välj Fishing Products i listrutan.

4. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

1. Ange följande programsatser mellan {r} ` och ` i ett nytt segment. Se till att du använder rätt namn för datumintervall. Exempel: 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. Kör segmentet. Du bör se utdata som liknar skärmbilden nedan.

   

1. I rutan Data:

   1. Välj daterange.
   2. Välj filterName.
   3. Välj product_name.
   4. Välj sum occurrences.

En visualisering visar Error fetching data for this visual.

1. I rutan Filters:

   1. Välj filterName is (All) från Filters on this visual.
   2. Välj Basic filtering som Filter type.
   3. Under fältet Search väljer du Fishing Products, som är namnet på det befintliga filtret som definierats i Customer Journey Analytics.
   4. Välj daterange is (All) från Filters on this visual.
   5. Välj Advanced filtering som Filter type.
   6. Definiera filtret för Show items when the value is on or after 1/1/2023 And is before 2/1/2023.
   7. Välj om du vill ta bort filterName från Columns.
   8. Välj om du vill ta bort daterange från Columns.

   Tabellen uppdateras med det använda filterName-filtret. Ditt Power BI-skrivbord ska se ut så här nedan.

   

1. Välj fliken Sheet 1 längst ned om du vill växla från Data source. I vyn Sheet 1:

   1. Dra posten Filter Name från listan Tables i hyllan Filters.

   2. Kontrollera att Filter [Filter Name] är markerat i dialogrutan Select from list och välj Fishing Products i listan. Välj Apply och OK.

   3. Dra Daterange-posten från listan Tables i hyllan Filters.

   4. I dialogrutan Filter Field [Daterange] väljer du Range of Dates och sedan Next >.

   5. I dialogrutan Filter [Daterang] väljer du Range of dates och sedan 01/01/2023 - 01/02/2023. Välj Apply och OK.

   6. Dra Product Name från listan Tables till Rows.

   7. Dra Occurrences-posten från listan Tables och släpp posten i fältet intill Columns. Värdet ändras till SUM(Occurrences).

   8. Välj Text Table från Show Me.

   9. Välj Fit Width i listrutan Fit.

      Ditt skrivbord ska se ut så här nedan.

      

1. Kontrollera att du har en ren konfiguration i gränssnittet Explore för Looker. Om inte väljer du Remove fields and filters.

2. Välj + Filter under Filters.

3. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View

   2. Välj ‣ Daterange Date och sedan Daterange Date i listan med fält.

      

4. Ange filtret Cc Data View Daterange Date som is in range 2023/01/01 until (before) 2023/02/01.

5. Välj + Filter under Filters om du vill lägga till ytterligare ett filter.

6. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View
   2. Välj ‣ Filter name i listan med fält.

7. Kontrollera is markeringen för filtret.

8. Välj Fishing Products i listan över möjliga värden.

9. Från avsnittet ‣ Cc Data View i den vänstra listen:

   1. Välj Product Name.
   2. Välj Count under MEASURES i den vänstra listen (längst ned).

10. Välj Run.

11. Välj ‣ Visualization.

En visualisering och en tabell som liknar den visas nedan.

1. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

3. Välj Fishing Products i listrutan.

4. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

1. Ange följande programsatser mellan {r} ` och ` i ett nytt segment. Se till att du använder rätt filternamn. Exempel: 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. Kör segmentet. Du bör se utdata som liknar skärmbilden nedan.

   

1. Välj Home på menyn och välj sedan Refresh i verktygsfältet. Du måste uppdatera anslutningen för att kunna plocka upp det nya filtret som du just definierade i Customer Journey Analytics.

2. I rutan Data:

   1. Välj daterange.
   2. Välj product_category.
   3. Välj product_name.
   4. Välj sum occurrences.

En visualisering visar Error fetching data for this visual.

1. I rutan Filters:

   1. Välj filterName is (All) från Filters on this visual.
   2. Välj Basic filtering som Filter type.
   3. Välj daterange is (All) från Filters on this visual.
   4. Välj Advanced filtering som Filter type.
   5. Definiera filtret för Show items when the value is on or after 1/1/2023 And is before 2/1/2023.
   6. Välj Basic filter som Filter type för product_category och välj Hunting i listan över möjliga värden.
   7. Välj om du vill ta bort filterName från Columns.
   8. Välj om du vill ta bort daterange från Columns.

   Tabellen uppdateras med det använda product_category-filtret. Ditt Power BI-skrivbord ska se ut så här nedan.

   

Skrivbordsdatorn Tableau stöder inte hämtning av den dynamiska listan över produktkategorier från Customer Journey Analytics. I det här användningsexemplet används det nyligen skapade filtret för Hunting Products och filternamnskriterierna används.

1. I vyn Data Source, under Data, på snabbmenyn på cc_data_view(prod:cja%3FFLATTEN), väljer du Refresh. Du måste uppdatera anslutningen för att kunna plocka upp det nya filtret som du just definierade i Customer Journey Analytics.

2. Välj fliken Sheet 1 längst ned om du vill växla från Data source. I vyn Sheet 1:

   1. Dra posten Filter Name från listan Tables i hyllan Filters.

   2. Kontrollera att Filter [Filter Name] är markerat i dialogrutan Select from list och välj Hunting Products i listan. Välj Apply och OK.

   3. Dra Daterange-posten från listan Tables i hyllan Filters.

   4. I dialogrutan Filter Field [Daterange] väljer du Range of Dates och sedan Next >.

   5. I dialogrutan Filter [Daterange] väljer du Range of dates och sedan 01/01/2023 - 1/2/2023. Välj Apply och OK.

   6. Dra Product Name från listan Tables till Rows.

   7. Dra Occurrences-posten från listan Tables och släpp posten i fältet intill Columns. Värdet ändras till SUM(Occurrences).

   8. Välj Text Table från Show Me.

   9. Välj Fit Width i listrutan Fit.

      Ditt skrivbord ska se ut så här nedan.

      

1. I 1. Uppdatera anslutningen i Explore-gränssnittet för Looker. Välj Clear cache and refresh.

2. Kontrollera att du har en ren konfiguration i gränssnittet Explore för Looker. Om inte väljer du Remove fields and filters.

3. Välj + Filter under Filters.

4. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View

   2. Välj ‣ Daterange Date och sedan Daterange Date i listan med fält.

      

5. Ange filtret Cc Data View Daterange Date som is in range 2023/01/01 until (before) 2023/02/01.

6. Välj + Filter under Filters om du vill lägga till ytterligare ett filter.

7. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View
   2. Välj ‣ Product Category i listan med fält.

8. Kontrollera is som markering för filtret.

-uppslag visar inte listan över möjliga värden för Product Category.

1. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

3. Välj Hunting i listrutan.

4. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

1. Ange följande programsatser mellan {r} ` och ` i ett nytt segment. Se till att du använder en lämplig kategori. Till exempel 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. Kör segmentet. Du bör se utdata som liknar skärmbilden nedan.

   

1. I rutan Data:

   1. Välj daterange.
   2. Välj product_namr.
   3. Välj sum purchase_revenue.
   4. Välj sum purchases.

2. I rutan Filters:

   1. Välj daterange is (All) från Filters on this visual.
   2. Välj Advanced filtering som Filter type.
   3. Definiera filtret för Show items when the value is on or after 1/1/2023 And is before 2/1/2023.

3. I rutan Visualiseringar:

   1. Välj om du vill ta bort daterange från kolumner.
   2. Dra Sum of purchase_revenue längst ned på Column objekt.

4. I rapporten väljer du Sum of purchase_revenue för att sortera tabellen i fallande ordning efter inköpsintäkt.

   Ditt Power BI-skrivbord ska se ut så här nedan.

   

Frågan som körs av Power BI Desktop med BI-tillägget innehåller inte någon sort-sats. Avsaknaden av en sort-sats tyder på att sorteringen körs på klientsidan.

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

1. Välj fliken Sheet 1 längst ned om du vill växla från Data source. I vyn Sheet 1:

   1. Dra Daterange-posten från listan Tables i hyllan Filters.

   2. I dialogrutan Filter Field [Daterange] väljer du Range of Dates och sedan Next >.

   3. I dialogrutan Filter [Daterange] väljer du Range of dates och sedan 01/01/2023 - 1/2/2023. Välj Apply och OK.

   4. Dra Product Name från listan Tables och släpp posten i fältet intill Rows.

   5. Dra Purchases-posten från listan Tables och släpp posten i fältet intill Columns. Värdet ändras till SUM(Purchases).

   6. Dra Purchase Revenue-posten från listan Tables och släpp posten i fältet intill Columns, intill SUM(Purchases). Värdet ändras till SUM(Purchase Revenue).

   7. Välj Text Table från Show Me.

   8. Välj Fit Width i listrutan Fit.

   9. Markera kolumnrubriken Purchase Revenue och sortera tabellen i den här kolumnen i fallande ordning.

      Ditt skrivbord ska se ut så här nedan.

      

Frågan som körs av Tableau Desktop med BI-tillägget innehåller inte någon sort-sats. Avsaknaden av den här sort-satsen tyder på att sorteringen körs på klientsidan.

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

1. Uppdatera anslutningen i Explore-gränssnittet för Looker. Välj Clear cache and refresh.

2. Kontrollera att du har en ren konfiguration i gränssnittet Explore för Looker. Om inte väljer du Remove fields and filters.

3. Välj + Filter under Filters.

4. I dialogrutan Add Filter:

   1. Välj ‣ Cc Data View

   2. Välj ‣ Daterange Date och sedan Daterange Date i listan med fält.

      

5. Ange filtret Cc Data View Daterange Date som is in range 2023/01/01 until (before) 2023/02/01.

6. Välj ‣ Cc Data View i avsnittet Product Name i den vänstra listen.

7. Från avsnittet ‣ Custom Fields i den vänstra listen:

   1. Välj Custom Measure i listrutan + Add.

   2. I dialogrutan Create custom measure:

      1. Välj Purchase Revenue i listrutan Field to measure.

      2. Välj Sum i listrutan Measure type.

      3. Ange ett anpassat fältnamn för Name. Till exempel: Sum of Purchase Revenue.

      4. Välj fliken Field details.

      5. Välj Decimals i listrutan Format och kontrollera att 0 anges i Decimals.

         

      6. Välj Save.

8. Se till att du väljer ↓ (Descending, Sort Order: 1) i kolumnen Purchase Revenue.

9. Välj Run.

10. Välj ‣ Visualization.

En visualisering och en tabell som liknar den visas nedan.

Frågan som genereras av Looker med BI-tillägget inkluderar ORDER BY, vilket betyder att sorteringen utförs med Looker och BI-tillägget.

-- 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

1. Ange följande satser i en ny cell.

   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. Kör cellen. Du bör se utdata som liknar skärmbilden nedan.

   

Frågan körs av BI-tillägget enligt definitionen i Jupyter-anteckningsbok.

1. Ange följande programsatser mellan {r} ` och ` i ett nytt segment.

   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. Kör segmentet. Du bör se utdata som liknar skärmbilden nedan.

   

Frågan som genereras av RStudio med BI-tillägget inkluderar ORDER BY, vilket innebär att ordningen tillämpas via RStudio och BI-tillägget.

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