Omformningar

Customer Journey Analytics-objekten är tillgängliga i rutan Data och hämtas från tabellen som du har valt i Power BI Desktop. Exempel: public.cc_data_view. Tabellnamnet 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 för 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.
Datumintervallsdimensioner 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 för 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 mätvärden som du definierar i Customer Journey Analytics identifieras av den External ID som du har definierat för det beräknade mätvärdet. 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 har anpassade omvandlingsfunktioner med DAX (Data Analysis Expressions). Du vill till exempel köra Single dimension rankad med produktnamn i gemener.

1. Välj fältvisualisering i rapportvyn.

2. Välj product_name i datapanelen.

3. Välj New column 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]).
   

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

6. Välj Report as Table från i tabellvisualiseringen.

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

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

Customer Journey Analytics-objekten är tillgängliga i sidlisten 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. Tabellnamnet 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 för Customer Journey Analytics. Dimensionen Product Name i Customer Journey Analytics har till exempel en Component name Product Name som är namnet på dimensionen i Tableau. Alla dimensioner identifieras av Abc.
Datumintervallsdimensioner 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 för datumintervalldimensionen i den nedrullningsbara menyn. Exempel: Year, Quarter, Month, Day.

Mätvärden
Mätvärden från Customer Journey Analytics identifieras av Component Name . Component Name definieras i datavyn för 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 mätvärden som du definierar i Customer Journey Analytics identifieras av den Title som du har definierat för det beräknade mätvärdet. 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 Single dimension rankad med produktnamn i gemener.

1. Välj Analysis > Create Calculated Field på huvudmenyn.

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

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))

Customer Journey Analytics-objekten är tillgängliga i gränssnittet Explore. Och hämtas som en del av konfigurationen av anslutningen, projektet och modellen i Looker. Exempel: cc_data_view. Vyns 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 visas som DIMENSION i den Cc Data View vänstra listen. Dimensionen definieras i datavyn för Customer Journey Analytics. Dimensionen Product Name i Customer Journey Analytics har till exempel en DIMENSION Product Name som är namnet på dimensionen i Looker.
Datumintervallsdimensioner från Customer Journey Analytics, som Day, Week, Month och mer, är tillgängliga som Daterangeday Date, Daterangeweek Date, Daterangemonth Date med flera. När du använder en datumintervalldimension måste du välja en lämplig definition av datum och tid. Exempel: Year, Quarter, Month, Date.

Mätvärden
Mätvärden från Customer Journey Analytics listas som DIMENSION i den Cc Data View vänstra listen. Måttet Purchase Revenue i Customer Journey Analytics har till exempel DIMENSION Purchase Revenue. Om du vill använda som mätvärde skapar du ett anpassat måttfält så som visas i exemplen ovan, eller använder kortkommandot för en dimension. Välj till exempel ⋮, Aggregate och sedan Sum.

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 Looker kan du ange vilket filter som ska användas.

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

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
Looker tillhandahåller anpassade omformningsfunktioner med hjälp av anpassade fältbyggare, vilket visas ovan. Du vill till exempel köra Single dimension rankad med produktnamn i gemener.

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

   1. Välj Custom Dimension i listrutan + Add.
   2. Ange lower(${cc_data_view.product_name}) i textområdet Expression. Du får hjälp med rätt syntax när du börjar skriva Product Name.
      
   3. Ange product name som Name.
   4. Välj Save.

Du bör se en liknande tabell som nedan.

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

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

Customer Journey Analytics-objekten (mått, mått, filter, beräknade mått och datumintervall) är tillgängliga som en del av de inbäddade SQL-frågor som du skapar. Se tidigare exempel.

Anpassade omformningar

1. Ange följande satser i en ny cell.

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

   

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

Customer Journey Analytics-komponenterna (mått, mått, filter, beräknade värden och datumintervall) är tillgängliga som liknande namngivna objekt på R-språket. Se komponenterna med komponenten Se tidigare exempel.

Anpassade omformningar

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

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

   

Frågan som genereras av RStudio med BI-tillägget inkluderar lower, vilket betyder att den anpassade omvandlingen körs av RStudio och BI-tillägget.

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