Utilizzare i valori di quota per segmentare

1. Seleziona Home dal menu, quindi seleziona Aggiorna dalla barra degli strumenti. È necessario aggiornare la connessione per raccogliere il nuovo filtro appena definito in Customer Journey Analytics.

2. Nel riquadro Dati:

   1. Seleziona daterange.
   2. Seleziona categoria_prodotto.
   3. Seleziona product_name.
   4. Seleziona somma occorrenze.

Visualizzazione con Errore durante il recupero dei dati per questo oggetto visivo.

1. Nel riquadro Filtri:

   1. Seleziona filterName is (All) from Filters on this visual.
   2. Selezionare Filtro base come Tipo filtro.
   3. Seleziona l’intervallo di dati è (Tutto) da Filtri per questo elemento visivo.
   4. Selezionare Filtro avanzato come Tipo filtro.
   5. Definisci il filtro per mostrare gli elementi quando il valore è attivo o successivo 1/1/2023 And è precedente 2/1/2023.
   6. Seleziona Filtro base come Tipo filtro per categoria_prodotto e seleziona Caccia dall’elenco dei valori possibili.
   7. Selezionare per rimuovere filterName da Columns.
   8. Selezionare per rimuovere daterange da Colonne.

   La tabella viene aggiornata con il filtro product_category applicato. Il desktop Power BI dovrebbe essere simile a quello riportato di seguito.

   

Tableau Desktop non supporta il recupero dell’elenco dinamico di categorie di prodotti da Customer Journey Analytics. Questo caso d’uso utilizza invece il filtro appena creato per Prodotti da caccia e utilizza i criteri di nome del filtro.

1. Nella visualizzazione Data Source, sotto Data, dal menu di scelta rapida in cc_data_view(prod:cja%3FFLATTEN), selezionare Aggiorna. È necessario aggiornare la connessione per raccogliere il nuovo filtro appena definito in Customer Journey Analytics.

2. Selezionare la scheda Foglio 1 nella parte inferiore per passare da Origine dati. Nella visualizzazione Foglio 1:

   1. Trascina la voce Nome filtro dall’elenco Tabelle nello scaffale Filtri.

   2. Nella finestra di dialogo Filtro [Nome filtro] verificare che Seleziona dall’elenco sia selezionato e selezionare Prodotti da caccia dall’elenco. Selezionare Applica e OK.

   3. Trascina la voce Daterange dall’elenco Tabelle nello scaffale Filtri.

   4. Nella finestra di dialogo Campo filtro [Daterange], seleziona Intervallo di date e seleziona Avanti >.

   5. Nella finestra di dialogo Filtro [Daterange], selezionare Intervallo di date, quindi selezionare 01/01/2023 - 1/2/2023. Selezionare Applica e OK.

   6. Trascina Nome prodotto dall’elenco Tabelle a Righe.

   7. Trascina Occorrenze dall’elenco Tabelle e rilascia la voce nel campo accanto a Colonne. Il valore diventa SUM(Occurrences).

   8. Seleziona Tabella di testo da Mostra.

   9. Selezionare Adatta larghezza dal menu a discesa Adatta.

      Il desktop Tableau dovrebbe essere simile al seguente.

      

1. Nell’1. Nell’interfaccia Esplora di Looker, aggiorna la connessione. Selezionare Cancella cache e aggiorna.

2. Nell’interfaccia Esplora di Looker, assicurati di avere una configurazione pulita. In caso contrario, selezionare Rimuovi campi e filtri.

3. Seleziona + Filtro sotto Filtri.

4. Nella finestra di dialogo Aggiungi filtro:

   1. Seleziona ‣ Visualizzazione Dati Cc
   2. Dall’elenco dei campi, selezionare ‣ Data intervallo e quindi Data intervallo.
      

5. Specifica Il Filtro Cc Data Daterange Visualizzazione Dati Perché È Compreso Nell’Intervallo 2023/01/01 Fino A (Prima) 2023/02/01.

6. Seleziona + Filtro sotto Filtri per aggiungere un altro filtro.

7. Nella finestra di dialogo Aggiungi filtro:

   1. Seleziona ‣ Visualizzazione Dati Cc
   2. Dall’elenco dei campi, selezionare ‣ Categoria prodotto.

8. Assicurarsi che is sia la selezione per il filtro.

Le ricerche di non mostrano l’elenco dei valori possibili per Product Category.

1. Immettere le istruzioni seguenti in una nuova cella.

   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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

   

3. Seleziona Caccia dal menu a discesa.

4. Immettere le istruzioni seguenti in una nuova cella.

   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. Eseguire la cella. Dovresti visualizzare un output simile alla schermata seguente.

   

1. Immetti il seguente blocco di codice in un nuovo blocco. Assicurati di utilizzare una categoria appropriata. Ad esempio, 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. Esegui il blocco. Dovresti visualizzare un output simile alla schermata seguente.