BI 工具
note prerequisites
PREREQUISITES
请确保已验证连接是否成功，可以列出数据视图，并为要为其尝试此用例的BI工具使用数据视图。
tabs
Power BI桌面

  1. 在​ 数据 ​窗格中：

    1. 选择​ 日期范围。
    2. 选择​ 产品名称。
    3. 选择​ 发生次数总和。

  2. 在​ 筛选器 ​窗格中：

    1. 从该视觉对象上的​ 筛选器中选择 ​日期范围是（全部）​。
    2. 选择​ 相对日期 ​作为​ 筛选器类型。
    3. 将筛选器定义为​ 当值 在最后 1 日历年 ​内时显示项。
    4. 选择​ 应用筛选器。
    5. 从该视觉对象上的​ 筛选器中选择 product_name is (All)。
    6. 选择​ 前N ​项作为​ 筛选器类型。
    7. 选择​ 显示项 前 5 按值。
    8. 从​ 数据 ​窗格中拖放​ 总发生次数 ​并将其放在​ 在此处添加数据字段 ​上。
    9. 选择​ 应用筛选器。

  3. 在“可视化”窗格中：

    • 选择 CrossSize75 以从列中删除日期范围。

    您的Power BI桌面应该如下所示。

    Power BI桌面使用日期范围名称进行筛选

Power BI Desktop使用BI扩展执行的查询包含limit语句，但不包含预期的语句。 Power BI Desktop会使用明确的产品名称结果来强制实施对前5次发生次数的限制。

code language-sql 
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
Tableau桌面

  1. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

    1. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 日期范围 ​条目。

    2. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围，然后选择​ 下一步>。

    3. 在​ 筛选器[日期范围] ​对话框中，选择​ 相对日期，选择​ 年，然后选择​ 以前年份。 选择​ 应用 ​和​ 确定。

    4. 将​ 产品名称 ​从​ 表 ​列表拖至​ 行。

    5. 从​ 表 ​列表中拖动​ 发生次数 ​条目，并将该条目放入​ 列 ​旁边的字段中。 值更改为​ SUM（发生次数）。

    6. 从​ 显示我 ​中选择​ 文本表。

    7. 从​ 适合 ​下拉菜单中选择​ 适合宽度。

    8. 在​ 行 ​中选择​ 产品名称。 从下拉菜单中选择​ 筛选器。

      1. 在​ 筛选器[产品名称] ​对话框中，选择​ 顶部 ​选项卡。

      2. 选择​ By字段： Top 5 By发生次数 总和。

      3. 选择​ 应用 ​和​ 确定。

        AlertRed 您注意到该表消失。 使用此过滤器时，按发生次数选择前5个产品名称​ 无法 ​正常工作。

      4. 选择​ 筛选器 ​托架中的​ 产品名称，然后从下拉菜单中选择​ 删除。 此时将重新显示该表。

    9. 在​ 标记 ​托架中选择​ SUM（发生次数）。 从下拉菜单中选择​ 筛选器。

      1. 在​ 筛选器[发生次数] ​对话框中，选择​ 至少。

      2. 输入47.799作为值。 此值可确保表中只显示排名前5的项目。 选择​ 应用 ​和​ 确定。

        您的Tableau桌面应该如下所示。

        Tableau桌面限制

如上所示，在定义针对产品名称的“前5次发生次数”过滤器时，由Tableau Desktop执行的此查询会失败。

code language-sql 
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

定义发生次数排名前5的过滤器时，Tableau Desktop执行的查询如下所示。 该限制在查询和应用的客户端中不可见。

code language-sql 
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
Looker

  1. 在Looker的​ 浏览 ​界面中，刷新您的连接。 选择 设置 清除缓存并刷新。

  2. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 设置 删除字段和筛选器。

  3. 选择​ 筛选器 ​下的​ +筛选器。

  4. 在​ 添加筛选器 ​对话框中：

    1. 选择​ ‣抄送数据视图

    2. 从字段列表中，选择​ 日‣间范围日期，然后选择​ 日期范围日期。

      Looker筛选器

  5. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​ 在 2023/01/01 之前 2024/01/01 ​的范围内。

  6. 从左边栏中的​ ‣ Cc数据视图 ​部分：

    1. 选择​ 产品名称。
    2. 在左边栏（底部）中选择​ MEASURES ​下的​ 计数。

  7. 请确保在​ Purchase Revenue ​列上选择​ ↓ （降序，排序顺序： 1）。

  8. 请确保在​ Purchase Revenue ​列上选择​ ↓ （降序，排序顺序： 1）。

  9. 选择​ 运行。

  10. 选择​ ‣可视化图表。

您应该会看到如下所示的可视化图表和表格。

非重复查找器计数

Looker使用BI扩展生成的查询包括FETCH NEXT 5 ROWS ONLY，这意味着限制通过Looker和BI扩展执行。

code language-sql 
-- 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
Jupyter笔记本

  1. 在新单元格中输入以下语句。

    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. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

    Jupyter笔记本结果

查询由Jupyter Notebook中定义的BI扩展执行。
RStudio

  1. 在新块中输入以下介于```{r}和` ````之间的语句。

    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. 运行块。 您应该会看到类似于以下屏幕快照的输出。

    RStudio结果

RStudio使用BI扩展生成的查询包括LIMIT 5，这意味着限制通过RStudio和BI扩展应用。

code language-sql 
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

Transformations（转换）

您希望了解各种BI工具对Customer Journey Analytics对象（如维度、量度、过滤器、计算量度和日期范围）的转换。

Customer Journey Analytics
在Customer Journey Analytics中，您在数据视图中定义数据集的哪些组件以及如何作为维度和量度显示。 维度和量度的定义可通过BI扩展向BI工具公开。
您将筛选器、计算量度和日期范围等组件用作Workspace项目的一部分。 这些组件还将通过BI扩展向BI工具公开。
BI 工具
note prerequisites
PREREQUISITES
请确保已验证连接是否成功，可以列出数据视图，并为要为其尝试此用例的BI工具使用数据视图。
tabs
Power BI桌面

Customer Journey Analytics对象在​ 数据 ​窗格中可用，并可从Power BI Desktop中选择的表检索。 例如，public.cc_data_view。 表的名称与在Customer Journey Analytics中为数据视图定义的外部ID相同。 例如，具有​ 标题 C&C - Data View和​ 外部ID cc_data_view的数据视图。

维度
Customer Journey Analytics中的维度由组件ID标识。 已在Customer Journey Analytics数据视图中定义组件ID。 例如，Customer Journey Analytics中的维度​ 产品名称 ​具有组件ID product_name，它是Power BI Desktop中的维度的名称。
Customer Journey Analytics中的日期范围维度，如​ Day、Week、Month ​等，可用作​ daterangeday、daterangeweek、daterangemonth ​等。

个量度
Customer Journey Analytics中的指标由组件ID标识。 已在Customer Journey Analytics数据视图中定义组件ID。 例如，Customer Journey Analytics中的量度​ Purchase Revenue ​具有组件ID purchase_revenue，它是Power BI Desktop中该量度的名称。 ∑ ​表示指标。 当您在任何可视化中使用量度时，该量度将重命名为​ 1}量度的总和​ 。

筛选器
您在Customer Journey Analytics中定义的筛选器可作为​ filterName ​字段的一部分提供。 当您在Power BI Desktop中使用​ filterName ​字段时，可以指定要使用的筛选器。

计算量度
您在Customer Journey Analytics中定义的计算指标由您为计算指标定义的外部ID标识。 例如，计算量度​ 产品名称（非重复计数） ​具有外部ID product_name_count_distinct，并在Power BI Desktop中显示为​ cm_product_name_count_distinc ​t。

日期范围
您在Customer Journey Analytics中定义的日期范围可作为​ daterangeName ​字段的一部分使用。 当您使用​ daterangeName ​字段时，您可以指定要使用的日期范围。

自定义转换
Power BI Desktop提供了使用Data Analysis表达式(DAX)的自定义转换功能。 例如，您要执行产品名称为小写的单维度排名用例。

  1. 在报表视图中，选择条形图可视化图表。

  2. 在数据窗格中选择​ product_name。

  3. 在工具栏中选择​ 新建列。

  4. 在公式编辑器中，定义名为product_name_lower的新列，如product_name_lower = LOWER('public.cc_data_view[product_name])。
    Power BI桌面转换到较低版本

  5. 请确保在​ 数据 ​窗格中选择新的​ product_name_lower ​列，而不是​ product_name ​列。

  6. 在表可视化图表中，从​ 更多 ​中选择 报告为表 。

    您的Power BI桌面应该如下所示。
    Power BI桌面转换最终版

自定义转换导致SQL查询更新。 请参阅以下SQL示例中的lower函数的使用：

code language-sql 
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
Tableau桌面

每当您在工作表中工作时，Data ​侧栏中都有Customer Journey Analytics对象。 并从您选择作为Tableau中​ 数据源 ​页面一部分的表中检索和。 例如，cc_data_view。 表的名称与在Customer Journey Analytics中为数据视图定义的外部ID相同。 例如，具有​ 标题 C&C - Data View和​ 外部ID cc_data_view的数据视图。

维度
Customer Journey Analytics中的维度由组件名称标识。 已在Customer Journey Analytics数据视图中定义组件名称。 例如，Customer Journey Analytics中的维度​ 产品名称 ​具有组件名称 产品名称，它是Tableau中的维度的名称。 所有维度均由​ Abc ​标识。
来自Customer Journey Analytics的日期范围维度，如​ Day、Week、Month ​等，可用作​ Daterangeday、Daterangeweek、Daterangemonth ​等。 使用日期范围维度时，必须从下拉菜单中选择适当的日期或时间定义以应用于该日期范围维度。 例如，年，季度，月，天。

个量度
Customer Journey Analytics中的量度由组件名称标识。 已在Customer Journey Analytics数据视图中定义组件名称。 例如，Customer Journey Analytics中的量度​ Purchase Revenue ​具有组件名称 Purchase Revenue，它是Tableau中的量度的名称。 所有量度都由​ # ​标识。 在任何可视化中使用量度时，该量度将重命名为​ Sum（量度）。

筛选器
您在Customer Journey Analytics中定义的筛选器可作为​ 筛选器名称 ​字段的一部分使用。 当您在Tableau中使用​ 筛选器名称 ​字段时，可以指定要使用的筛选器。

计算量度
您在Customer Journey Analytics中定义的计算指标由您为计算指标定义的标题标识。 例如，计算量度​ 产品名称（非重复计数） ​具有标题 产品名称（非重复计数），在Tableau中显示为​ Cm产品名称非重复计数。

日期范围
您在Customer Journey Analytics中定义的日期范围可作为​ 日期范围名称 ​字段的一部分使用。 当您使用​ 日期范围名称 ​字段时，您可以指定要使用的日期范围。

自定义转换
Tableau Desktop提供了使用计算字段的自定义转换功能。 例如，您要执行产品名称为小写的单维度排名用例。

  1. 从主菜单中选择​ 分析 > 创建计算字段。

    1. 使用函数​ 定义 ​小写的产品名称LOWER([Product Name])。

      表格计算字段

    2. 选择​ 确定。

  2. 选择​ 数据 ​表。

    1. 从​ 表 ​中拖动​ 小写的产品名称，并将条目放入​ 行 ​旁边的字段中。
    2. 从​ 行 ​中删除​ 产品名称。

  3. 选择​ 仪表板1 ​视图。

您的Tableau桌面应该如下所示。

转换后的 Tableau桌面

自定义转换会导致SQL查询更新。 请参阅以下SQL示例中的LOWER函数的使用：

code language-sql 
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))
Looker

Customer Journey Analytics对象在​ 浏览 ​界面中可用。 和将作为在Looker中设置连接、项目和模型的一部分进行检索。 例如，cc_data_view。 视图的名称与您在Customer Journey Analytics中为数据视图定义的外部ID相同。 例如，具有​ 标题 C&C - Data View和​ 外部ID cc_data_view的数据视图。

维度
Customer Journey Analytics中的维度在​ 抄送数据视图 ​左边栏中列为​ DIMENSION。 维度是在Customer Journey Analytics数据视图中定义的。 例如，Customer Journey Analytics中的维度​ 产品名称 ​具有​ DIMENSION 产品名称，它是查找器中维度的名称。
来自Customer Journey Analytics的日期范围维度，如​ Day、Week、Month ​等，可用作​ Daterangeday Date、Daterangeweek Date、Daterangemonth Date ​等。 使用日期范围维度时，必须选择适当的日期或时间定义。 例如，年，季度，月，日期。

个量度
Customer Journey Analytics中的量度在​ 抄送数据视图 ​左边栏中列为​ DIMENSION。 例如，Customer Journey Analytics中的量度​ Purchase Revenue ​具有​ DIMENSION Purchase Revenue。 要实际用作量度，请创建一个自定义量度字段（如上面的示例所示），或使用维度的快捷键。 例如，⋮，选择​ 聚合，然后选择​ 总和。

筛选器
您在Customer Journey Analytics中定义的筛选器可作为​ 筛选器名称 ​字段的一部分使用。 当您在Looker中使用​ 筛选器名称 ​字段时，可以指定要使用的筛选器。

计算量度
您在Customer Journey Analytics中定义的计算指标由您为计算指标定义的标题标识。 例如，计算量度​ 产品名称（非重复计数） ​具有标题 产品名称（非重复计数），并且在查找器中显示为​ Cm产品名称非重复计数。

日期范围
您在Customer Journey Analytics中定义的日期范围可作为​ 日期范围名称 ​字段的一部分使用。 当您使用​ 日期范围名称 ​字段时，您可以指定要使用的日期范围。

自定义转换
Looker使用自定义字段生成器提供自定义转换功能，如上所示。 例如，您要执行产品名称为小写的单维度排名用例。

  1. 在左边栏的​ ‣自定义字段 ​部分中：

    1. 从​ +添加 ​下拉菜单中选择​ 自定义Dimension。

    2. 在lower(${cc_data_view.product_name})表达式​ 文本区域中输入。 当您开始键入Product Name时，会使用正确的语法来帮助您。

      Looker转换示例

    3. 输入product name作为​ Name。

    4. 选择​ 保存。

您应该会看到如下所示的类似表格。

Looker转换结果

自定义转换会导致SQL查询更新。 请参阅以下SQL示例中的LOWER函数的使用：

code language-sql 
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
Jupyter笔记本

Customer Journey Analytics对象（维度、量度、过滤器、计算量度和日期范围）作为您构建的嵌入式SQL查询的一部分提供。 请参阅前面的示例。

自定义转换

  1. 在新单元格中输入以下语句。

    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. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

    Jupyter笔记本结果

查询由Jupyter Notebook中定义的BI扩展执行。
RStudio

Customer Journey Analytics组件（维度、量度、过滤器、计算量度和日期范围）在R语言中作为类似的命名对象提供。 请参阅使用组件的组件，请参阅之前的示例。

自定义转换

  1. 在新块中输入以下介于```{r}和` ````之间的语句。

    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. 运行块。 您应该会看到类似于以下屏幕快照的输出。

    RStudio结果

RStudio使用BI扩展生成的查询包括lower，这意味着自定义转换由RStudio和BI扩展执行。

code language-sql 
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

可视化图表

您希望了解如何通过BI工具中的可用可视化图表，以类似方式创建Customer Journey Analytics中的可视化图表。

Customer Journey Analytics
Customer Journey Analytics具有许多可视化图表。 请参阅可视化图表，了解各种可视化图表的简介和概述。
BI 工具
tabs
Power BI桌面

比较

对于大多数Customer Journey Analytics可视化图表，Power BI Desktop提供了等效的体验。 请参阅下表。

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
图标 Customer Journey Analytics可视化图表 Power BI桌面可视化图表
GraphArea 面积图 面积图、栈叠面积图和100%面积图
GraphBarVertical 条形图 簇状柱状图
GraphBarVertical 堆积条形图 栈叠式柱状图和100%栈叠式柱状图
GraphBullet 项目符号
TextNumbered 同类群组表
组合 组合 折线图和栈叠式柱状图以及折线图和簇状柱状图
GraphDonut 环形图 圆环图
ConversionFunnel 流失 漏斗。
GraphPathing 流 分解树？
ViewTable 自由格式表 表和矩阵
GraphHistogram 直方图
GraphBarHorizontal 水平条 簇状条形图
GraphBarHorizontalStacked 堆叠的水平条形图 栈叠条形图和100%栈叠条形图
Branch3 历程画布 分解树
KeyMetrics 关键量度摘要
GraphTrend Line 折线图
GraphScatter 散点图 散点图
PageRule 部分标头 文本框
MoveUpDown 摘要变化 卡
123 摘要数字 卡
Text 文本 文本框
ModernGridView 树状图 树状图
Type 维恩图

深入分析

Power BI支持钻取模式，以深入了解某些可视化图表的详细信息。 在以下示例中，您分析了产品类别的购买收入。 从表示产品类别的栏的上下文菜单中，可以选择​ 向下展开。

Power BI深入分析

深入查看会更新所选产品类别中产品的购买收入可视化。

Power BI向上钻取

向下钻取导致以下使用WHERE子句的SQL查询：

code language-sql 
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
Tableau桌面

比较

对于大多数Customer Journey Analytics可视化图表，Tableau桌面版提供了等效的体验。 请参阅下表。

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
图标 Customer Journey Analytics可视化图表 Power BI桌面可视化图表
GraphArea 面积图 面积图
GraphBarVertical 条形图 条形图
GraphBarVertical 堆积条形图
GraphBullet 项目符号 项目符号图表
TextNumbered 同类群组表
组合 组合 组合图表
GraphDonut 环形图
ConversionFunnel 流失
GraphPathing 流
ViewTable 自由格式表 文本表
GraphHistogram 直方图 直方图
GraphBarHorizontal 水平条 条形图
GraphBarHorizontalStacked 堆叠的水平条形图 条形图
Branch3 历程画布
KeyMetrics 关键量度摘要
GraphTrend Line 折线图
GraphScatter 散点图 散点图
PageRule 部分标头
MoveUpDown 摘要变化
123 摘要数字
Text 文本
ModernGridView 树状图 树状图
Type 维恩图

深入分析

Tableau支持钻取模式到层次结构。 在以下示例中，当您选择​ 表 ​中的​ 产品名称 ​字段并将其拖动到​ 产品类别 ​上时，您便创建了层次结构。 然后，从表示产品类别的栏的上下文菜单中，可以选择​ +向下展开。

Tableau深入分析

深入查看会更新所选产品类别中产品的购买收入可视化。

Tableau向上钻取

向下钻取会导致以下使用GROUP BY子句的SQL查询：

code language-sql 
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

查询​ 不 ​将结果限制为选定的产品类别；只有可视化图表显示选定的产品类别。

Tableau向上钻取

或者，您可以创建一个向下钻取仪表板，其中一个可视化图表是另一个可视化图表中所选内容的结果。 在下面的示例中，产品类别 ​可视化用作过滤器来更新​ 产品名称 ​表。 此可视化筛选器是仅用于客户端的，不会产生额外的SQL查询。

表格可视化筛选器

Looker

比较

对于大多数Customer Journey Analytics可视化图表，Looker提供了等效的体验。 请参阅下表。

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
图标 Customer Journey Analytics可视化图表 Power BI桌面可视化图表
GraphArea 面积图 面积图
GraphBarVertical 条形图 条形图
GraphBarVertical 堆积条形图 条形图
GraphBullet 项目符号 项目符号图表
TextNumbered 同类群组表
组合 组合 自定义可视化图表
GraphDonut 环形图 圆环图
ConversionFunnel 流失 漏斗
GraphPathing 流 Sankey
ViewTable 自由格式表 表
GraphHistogram 直方图
GraphBarHorizontal 水平条 条形图
GraphBarHorizontalStacked 堆叠的水平条形图 条形图
Branch3 历程画布
KeyMetrics 关键量度摘要
GraphTrend Line 折线图
GraphScatter 散点图 散点图
PageRule 部分标头
MoveUpDown 摘要变化 单值
123 摘要数字 单值
Text 文本 单值
ModernGridView 树状图 树状图
Type 维恩图 维恩图
Jupyter笔记本 对matplotlib的基于状态的接口​ matplotlib.pyplot ​的可视化功能进行比较，超出了本文的目的。 请参阅上面的示例以获取inspiration和matplotlib.pyplot文档。
RStudio 比较R中的数据可视化包​ ggplot2 ​的可视化功能超出了本文的用途。 请参阅上面的示例以获取灵感和ggplot2文档。

注意事项

在使用Customer Journey Analytics BI扩展时，每个受支持的BI工具都存在一些注意事项。

BI 工具
tabs
Power BI桌面

  • Power BI Desktop Advanced日期范围筛选是排他性的。 对于结束日期，您需要选择要在其中报告的一天之后的日期。 例如，位于 1/1/2023 或之后，且位于 1/2/2023之前。

  • 创建连接时，Power BI桌面默认为​ 导入。 请确保使用​ 直接查询。

  • Power BI Desktop通过Power Query公开数据转换。 Power Query主要与Import类型连接配合使用，因此许多您应用日期或字符串函数之类的转换都会引发错误，指出您需要切换到Import类型连接。 如果您需要在查询时转换数据，则应该使用派生维度和量度，这样Power BI就不需要自己进行转换。

  • Power BI Desktop不了解如何处理日期时间类型列，因此不支持​**daterange *X ***​维度，如​ daterangehour ​ ​和​ daterangeminute ​。

  • 默认情况下，Power BI Desktop会尝试使用更多查询服务会话建立多个连接。 转到项目的Power BI设置并禁用并行查询。

  • Power BI Desktop执行所有排序和限制客户端操作。 Power BI Desktop对于前​ X ​个包含绑定值的过滤也具有不同的语义。 因此，您不能像在Analysis Workspace中一样创建相同的排序和限制。

  • 早期版本的Power BI Desktop 2024年10月发行版中断了PostgreSQL数据源。 确保使用本文中提到的版本。
Tableau桌面

  • Tableau桌面日期范围过滤是独占的。 对于结束日期，您需要选择要在其中报告的一天之后的日期。

  • 默认情况下，当您向工作表的行添加日期或日期时间维度（如​ Daterangemonth）时，Tableau Desktop会将该字段包装在​ YEAR() ​函数中。 要获得所需的内容，您需要选择该维度，然后从下拉菜单中选择要使用的日期函数。 例如，当您尝试使用​ Daterangemonth ​时，将​ Year ​更改为​ Month。

  • 在Tableau Desktop中，将结果限制为前​ X ​并不明显。 您可以显式限制结果，也可以使用计算字段和​ INDEX() ​函数限制结果。 将Top X ​筛选器添加到维度时，会使用不受支持的内部连接生成复杂的SQL。
Looker

  • Looker具有每个节点的最大连接数设置，该设置要求介于5-100之间。 不能将此值设置为1。 此设置意味着Looker连接始终使用至少5个可用的查询服务会话。

  • 通过Looker，可使用基于Customer Journey Analytics数据视图的视图创建项目。 然后，Looker使用LookerML基于维度和量度创建模型，这些维度和量度在数据视图中可用。 此项目视图不会自动更新以匹配源。 如果您对CJA数据视图维度、量度、计算量度或区段进行了更改或添加了其他内容，则这些更改不会自动显示在Looker中。 您必须手动更新项目视图或创建新项目。

  • 查找器在日期或日期时间字段上的用户体验（如​ 日期范围日期 ​或​ 日期范围日期）令人困惑。

  • 查阅者的日期范围为独占而非包含。 until （之前） ​为灰色，因此您可能缺少该方面。 对于您的结束日期，您需要选择要在其中报告的前一天。

  • Looker不会自动将您的量度视为量度。 当您选择某个量度时，默认情况下，查找器会尝试将该量度视为查询中的维度。 要将量度视为量度，您需要创建如上所述的自定义字段。 作为快捷方式，您可以选择​ ⋮，选择​ 聚合，然后选择​ 总和。
Jupyter笔记本
  • Jupyter Notebook的主要注意事项是该工具不像其他BI工具那样是拖放用户界面。 您可以创建良好的视觉效果，但您必须编写代码才能完成此操作。
RStudio

  • R dplyr使用平面架构，因此需要​ FLATTEN ​选项。

  • RStudio的主要注意事项是该工具不像其他BI工具那样是拖放用户界面。 您可以创建良好的视觉效果，但您必须编写代码才能完成此操作。
recommendation-more-help