Objekten Customer Journey Analytics är tillgängliga i rutan Data och hämtas från tabellen som du har markerat i Power BI Desktop. Exempel: public.cc_data_view. Tabellens namn är detsamma som det externa ID som du har definierat för datavyn i Customer Journey Analytics. Datavy med till exempel Title C&C - Data View och External ID cc_data_view.

Dimensioner
Dimensioner från Customer Journey Analytics identifieras av Component ID . Component ID definieras i datavyn i Customer Journey Analytics. Dimensionen Product Name i Customer Journey Analytics har till exempel Component ID product_name som är namnet på dimensionen i Power BI Desktop.
Datumintervalldimensioner från Customer Journey Analytics, som Day, Week, Month och mer, är tillgängliga som daterangeday, daterangeweek, daterangemonth med flera.

Mätvärden
Mätvärden från Customer Journey Analytics identifieras av Component ID . Component ID definieras i datavyn i Customer Journey Analytics. Måttet Purchase Revenue i Customer Journey Analytics har till exempel Component ID purchase_revenue som är namnet på måttet i Power BI Desktop. En ∑ indikerar mått. När du använder ett mätvärde i en visualisering får måttet det nya namnet **Sum of *metric ***.

Filter
Filter som du definierar i Customer Journey Analytics är tillgängliga som en del av fältet filterName . När du använder ett filterName-fält i Power BI Desktop kan du ange vilket filter som ska användas.

Beräknade mått
Beräknade mått som du definierar i Customer Journey Analytics identifieras av den External ID du har definierat för det beräknade måttet. Det beräknade måttet Product Name (Count Distinct) har till exempel External ID product_name_count_distinct och visas som cm_product_name_count_distinc ​t i Power BI Desktop.

Datumintervall
Datumintervall som du definierar i Customer Journey Analytics är tillgängliga som en del av fältet daterangeName . När du använder ett daterangeName-fält kan du ange vilket datumintervall som ska användas.

Anpassade omformningar
Power BI Desktop tillhandahåller anpassade omformningsfunktioner med hjälp av DAX (Data Analysis Expressions). Du vill till exempel köra ett fall där en dimension rangordnas med produktnamn i gemener.

1. Välj fältvisualisering i rapportvyn.

2. Välj product_name i datapanelen.

3. Välj Ny kolumn i verktygsfältet.

4. I formelredigeraren definierar du en ny kolumn med namnet product_name_lower, som product_name_lower = LOWER('public.cc_data_view[product_name]).
   {modal="regular"}

5. Se till att du väljer den nya kolumnen product_name_lower i rutan Data i stället för kolumnen product_name.

6. Välj Rapportera som tabell från i tabellvisualiseringen.

   Ditt Power BI Desktop ska se ut så här nedan.
   {modal="regular"}

Den anpassade omvandlingen resulterar i en uppdatering av SQL-frågor. Se hur funktionen lower används i SQL-exemplet nedan:

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

Objekten Customer Journey Analytics är tillgängliga i sidofältet Data när du arbetar i ett blad. Och hämtas från tabellen som du har valt som en del av sidan Data source i Tableau. Exempel: cc_data_view. Tabellens namn är detsamma som det externa ID som du har definierat för datavyn i Customer Journey Analytics. Datavy med till exempel Title C&C - Data View och External ID cc_data_view.

Dimensioner
Dimensioner från Customer Journey Analytics identifieras av Component name . Component name definieras i datavyn i Customer Journey Analytics. Dimensionen Product Name i Customer Journey Analytics har till exempel Component name Product Name som är namnet på dimensionen i Tableau. Alla dimensioner identifieras av Abc.
Datumintervalldimensioner från Customer Journey Analytics, som Day, Week, Month och mer, är tillgängliga som Daterangeday, Daterangeweek, Daterangemonth med flera. När du använder en datumintervalldimension måste du välja en lämplig definition av datum och tid som ska användas på den datumintervalldimensionen i listrutan. Exempel: Year, Quarter, Month, Day.

Mätvärden
Mätvärden från Customer Journey Analytics identifieras av Component Name . Component Name definieras i datavyn i Customer Journey Analytics. Måttet Purchase Revenue i Customer Journey Analytics har till exempel Component Name Purchase Revenue som är namnet på måttet i Tableau. Alla mått identifieras av #. När du använder ett mätvärde i en visualisering får måttet det nya namnet Sum(*metric *).

Filter
Filter som du definierar i Customer Journey Analytics är tillgängliga som en del av fältet Filter Name . När du använder ett Filter Name-fält i Tableau kan du ange vilket filter som ska användas.

Beräknade mått
Beräknade mått som du definierar i Customer Journey Analytics identifieras av den Title du har definierat för det beräknade måttet. Det beräknade måttet Product Name (Count Distinct) har till exempel Title Product Name (Count Distinct) och visas som Cm Product Name Count Distinct i Tableau.

Datumintervall
Datumintervall som du definierar i Customer Journey Analytics är tillgängliga som en del av fältet Daterange Name . När du använder ett Daterange Name-fält kan du ange vilket datumintervall som ska användas.

Anpassade omformningar
Tableu Desktop har anpassade omformningsfunktioner som använder Beräknade fält. Du vill till exempel köra ett fall där en dimension rangordnas med produktnamn i gemener.

1. Välj Analysis > Create Calculated Field på huvudmenyn.

   1. Definiera Lowercase Product Name med funktionen LOWER([Product Name]).

      {modal="regular"}

   2. Välj OK.

2. Markera bladet Data.

   1. Dra Lowercase Product Name från Tables och släpp posten i fältet intill Rows.
   2. Ta bort Product Name från Rows.

3. Välj vyn Dashboard 1.

Ditt skrivbord ska se ut så här nedan.

{modal="regular"}

Den anpassade omvandlingen resulterar i en uppdatering av SQL-frågor. Se hur funktionen LOWER används i SQL-exemplet nedan:

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))

Jämförelse

För de flesta visualiseringar i Customer Journey Analytics erbjuder Power BI Desktop likvärdiga upplevelser. Se tabellen nedan.

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
Ikon	Customer Journey Analytics visualisering	Power BI Desktop-visualisering
	Område	Ytdiagram, staplat ytdiagram och 100 % ytdiagram
	Bar	Grupperat kolumndiagram
	Stapel staplad	Staplat stapeldiagram och staplat 100 % stapeldiagram
	Punkt
	Kohortabell
	Kombination	Stapeldiagram, stapeldiagram, linjediagram och grupperade stapeldiagram
	Ringdiagram	Diagram
	Utfall	Tratt.
	Flöde	Dispositionsträd?
	Frihandstabell	Tabell och Matris
	Histogram
	Vågrätt fält	Grupperat stapeldiagram
	Vågrätt fält staplat	Staplat stapeldiagram och staplat liggande stapeldiagram till 100 %
	Researbetsyta	Delningsträd
	Sammanfattning av nyckelmått
	Linjediagram	Linjediagram
	Spridning	Punktdiagram
	Avsnittshuvud	Textruta
	Sammanfattningsändring	Kort
	Sammanfattningsnummer	Kort
	Text	Textruta
	Treemap-diagram	Treemap-diagram
	Venn

Detaljgranska

Power BI stöder ett detaljerat läge för att utforska detaljinformation om vissa visualiseringar. I exemplet nedan analyserar du inköpsinkomster för produktkategorier. På snabbmenyn för ett fält som representerar en produktkategori kan du välja Drill down.

{modal="regular"}

Detaljgranska uppdaterar visualiseringen med inköpsintäkter för produkter i den valda produktkategorin.

{modal="regular"}

Detaljnivån resulterar i följande SQL-fråga som använder en WHERE-sats:

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

Jämförelse

För de flesta visualiseringar i Customer Journey Analytics erbjuder Tableau likvärdiga upplevelser. Se tabellen nedan.

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
Ikon	Customer Journey Analytics visualisering	Power BI Desktop-visualisering
	Område	Ytdiagram
	Bar	Stolpdiagram
	Stapel staplad
	Punkt	Punktdiagram
	Kohortabell
	Kombination	Kombinationsdiagram
	Ringdiagram
	Utfall
	Flöde
	Frihandstabell	Texttabell
	Histogram	Histogram
	Vågrätt fält	Stolpdiagram
	Vågrätt fält staplat	Stolpdiagram
	Researbetsyta
	Sammanfattning av nyckelmått
	Linjediagram	Linjediagram
	Spridning	Spridningspunkt
	Avsnittshuvud
	Sammanfattningsändring
	Sammanfattningsnummer
	Text
	Treemap-diagram	Treemap-diagram
	Venn

Detaljgranska

Tableau stöder detaljerat läge via hierarkier. I exemplet nedan skapar du en hierarki när du markerar fältet Product Name i Tables och drar det över Product Category. På snabbmenyn för ett fält som representerar en produktkategori kan du sedan välja + Drill down.

{modal="regular"}

Detaljnivån uppdaterar visualiseringen med inköpsintäkterna för produkter i den valda produktkategorin.

{modal="regular"}

Detaljnivån resulterar i följande SQL-fråga som använder en GROUP BY-sats:

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

Frågan begränsar inte resultaten till den valda produktkategorin. Endast visualiseringen visar den valda produktkategorin.

{modal="regular"}

Du kan också skapa en detaljerad kontrollpanel där ett visuellt värde är resultatet av markeringen i ett annat visuellt läge. I exemplet nedan används visualiseringen Product Categories som ett filter för att uppdatera tabellen Product Names. Det här visualiseringsfiltret är bara för klienten och leder inte till någon ytterligare SQL-fråga.

{modal="regular"}

• Power BI Desktop Avancerad filtrering av datumintervall är exklusiv. För slutdatumet måste du välja ett som är efter dagen som du vill rapportera på. Till exempel is on or after 1/1/2023 and before 1/2/2023.

• Power BI Desktop har standardvärdet Import när du skapar en anslutning. Kontrollera att du använder Direct Query.

• Power BI Desktop visar dataomvandlingar via Power Query. Power Query fungerar i första hand med Import-typanslutningar så många omformningar som du använder som datum- eller strängfunktioner ger ett felmeddelande om att du måste växla till en Import-typanslutning. Om du behöver omforma data vid frågetillfället bör du använda härledda dimensioner och mätvärden så att Power BI inte behöver göra själva omformningarna.

• Power BI Desktop förstår inte hur typkolumner för datum och tid ska hanteras. Därför stöds inte måtten **daterange*X ***​som daterangehour ​och daterangeminute.

• Power BI Desktop försöker som standard skapa flera anslutningar med hjälp av fler sessioner i frågetjänsten. Gå till Power BI-inställningarna för ditt projekt och inaktivera parallella frågor.

• Power BI Desktop gör all sortering och begränsar kundens möjligheter. Power BI Desktop har också olika semantik för toppfiltrering av X som innehåller bundna värden. Du kan alltså inte skapa samma sortering och begränsning som i Analysis Workspace.

• I tidigare versioner av Power BI Desktop, oktober 2024-versionen bryts PostgreSQL-datakällor. Se till att du använder den version som omnämns i den här artikeln.

• Datumfiltreringen för Tableu är exklusiv. För slutdatumet måste du välja ett som är efter dagen som du vill rapportera på.

• När du lägger till ett datum- eller datum-/tidsmått som Daterangemonth på raderna i ett blad, radbryts fältet i en YEAR()-funktion. För att få det du vill ha måste du markera dimensionen och välja den datumfunktion som du vill använda i listrutan. Ändra till exempel Year till Month när du försöker använda Daterangemonth.

• Det är inte uppenbart att resultaten begränsas till de övre X i skrivbordet i Tableu. Du kan begränsa resultaten explicit eller använda ett beräkningsfält och funktionen INDEX(). Om du lägger till ett översta X-filter i en dimension genereras komplex SQL med hjälp av en inre koppling som inte stöds.