Rapportering i en butikskalender

I det här avsnittet visas hur du konfigurerar strukturen för att använda en 4-5-4 butikskalender inom Adobe Commerce Intelligence konto. Den visuella rapportbyggaren tillhandahåller otroligt flexibla tidsintervall, intervall och oberoende inställningar. Alla dessa inställningar fungerar dock med den traditionella månadskalendern.

Eftersom många kunder ändrar sin kalender så att den använder återförsäljnings- eller redovisningsdatum visar stegen nedan hur de arbetar med data och skapar rapporter med hjälp av återförsäljningsdatum. Instruktionerna nedan hänvisar till butikskalendern för 4-5-4, men du kan ändra dem för alla specifika kalendrar som teamet använder, oavsett om det är ekonomiska eller bara en anpassad tidsram.

Innan du börjar bör du granska filöverföringsprogrammet och se till att du har förlängt .csv -fil. Detta garanterar att datumen täcker alla dina historiska data och för in datumen i framtiden.

Denna analys innehåller avancerade beräknade kolumner.

Komma igång

Du kan ladda ned a .csv version av 4-5-4-kalendern för detaljhandelsår 2014 till 2017. Du kan behöva justera den här filen i enlighet med din interna butikskalender och utöka datumintervallet för att stödja din historiska och aktuella tidsram. När du har hämtat filen använder du filöverföringsprogrammet för att skapa en tabell för butikskalender i Commerce Intelligence Data Warehouse. Om du använder en oförändrad version av 4-5-4-kalendern för återförsäljning måste du se till att strukturen och datatyperna för fälten i den här tabellen matchar följande:

Kolumnnamn
Kolumndatatyp
Primär nyckel
Date Retail
Date & Time
Yes
Year Retail
Whole Number
No
Quarter Retail
Whole Number
No
Month Number Retail
Whole Number
No
Week Retail
Whole Number
No
Month Name Retail
Text (Upp till 255 tecken)
No
Week Number of Month Retail
Whole Number
No

Kolumner att skapa

  • sales_order table

    • INPUT created\_at (åååå-mm-dd 00:00:0)

      • Column type: – Same table > Calculation
      • Inputs: – created\_at
      • Datatype: – Datetime
      • Calculation: - case when A is null then null else to\_char(A, 'YYYY-MM-DD 00:00:00') end
  • Butikskalender filöverföringsregister

    • Aktuellt datum

      • Column type: Same table > Calculation

      • Inputs: Date Retail

      • -datatyp: Datetime

      • Calculation: case when A is null then null else to\_char(now(), 'YYYY-MM-DD 00:00:00') end

        note note
        NOTE
        The now() funktionen ovan är specifik för PostgreSQL. Fast de Commerce Intelligence datalager ligger på PostgreSQL, vissa kan ligga på Redshift. Om beräkningen ovan returnerar ett fel kan du behöva använda funktionen för omflyttning getdate() i stället för now().
    • Aktuellt år (Måste skapas av supportanalytiker)

      • Column type: Event Counter

      • Local Key: Current date

      • Remote Key: Retail calendar.Date Retail

      • Operation: Max

      • Operation value: Year Retail

    • Ingår i aktuellt år? (Ja/Nej)

      • Column type: Same table > Calculation

      • Inputs:

        • A - Year Retail
        • B - Current retail year
      • -datatyp: String

      • Calculation: case when A is null or B is null then null when A = B then 'Yes' else 'No' end

    • Ingår i föregående år? (Ja/Nej)

      • Column type: Same table > Calculation

      • Inputs:

        • A - Year Retail
        • B - Current retail year
      • -datatyp: String

      • Calculation: case when A is null or B is null then null when (A = (B-1)) then 'Yes' else 'No' end

  • sales_order table

    • Skapad_at (år för återförsäljning)

      • Column type: One to Many > JOINED\_COLUMN

      • Sökväg -

        • Many: sales\_order.\[INPUT\] created\_at (yyyy-mm-dd 00:00:00)
        • One: Retail Calendar.Date Retail
      • Välj en table: Retail Calendar

      • Välj en column: Year Retail

    • Skapad_at (återförsäljningsvecka)

      • Column type: One to Many > JOINED\_COLUMN

      • Sökväg -

        • Many: sales_order.[INPUT] skapad (åååå-mm-dd 00):00:00
        • One: Detaljhandelskalender.Datum för detaljhandel
      • Välj en table: Retail Calendar

      • Välj en column: Week Retail

    • Skapad_at (återförsäljningsmånad)

      • Column type: One to Many > JOINED\_COLUMN

      • Bana

        • Many: sales\_order.\[INPUT\] created\_at (yyyy-mm-dd 00:00:00)
        • One: Retail Calendar.Date Retail
      • Välj en table: Retail Calendar

      • Välj en column: Month Number Retail

    • Vill du inkludera i föregående år? (Ja/Nej)

      • Column type: One to Many > JOINED\_COLUMN

      • Sökväg -

        • Many: sales\_order.\[INPUT\] created\_at (yyyy-mm-dd 00:00:00)
        • One: Detaljhandel Calendar.Date Retail
      • Välj en table: Retail Calendar

      • Välj en column: Include in previous retail year? (Yes/No)

    • Vill du inkludera i aktuellt år? (Ja/Nej)

      • Column type: One to Many > JOINED\_COLUMN

      • Sökväg -

        • Many: sales\_order.\[INPUT\] created\_at (yyyy-mm-dd 00:00:00)
        • One: Detaljhandel Calendar.Date Retail
      • Välj en table: Retail Calendar

      • Välj en column: Include in current retail year? (Yes/No)

Mått

Obs! Inga nya mätvärden behövs för den här analysen. Se dock till att lägg till de nya kolumnerna som du har skapat i tabellen sales_order som dimensioner för alla mått i tabellen sales_order innan du fortsätter med rapporterna.

Rapporter

  • Veckobeställningar - detaljhandelskalender (ÅÅÅ)

    • Mått A: 2017

      • Metric: Antal order
      • Filter:
        • Skapad_at (återförsäljningsår) = 2017
    • Mått B: 2016

      • Metric: Antal order
      • Filter:
        • Skapad_at (återförsäljningsår) = 2016
    • Mått C: 2015

      • Metric: Number of orders
      • Filter:
        • Created\_at (retail Year) = 2015
    • Time period: All time

    • Interval: None

    • Group by: Created\_at (retail week)

    • Chart type: Line

      • Stäng av multiple Y-axes
  • Översikt över butikskalender (aktuellt år per månad)

    • Mått A: Revenue

      • -mått: Revenue

      • Filter:

        • Include current retail year?: Yes

    • Mått B: Orders

      • Metric: Number of orders

      • Filter:

        • Include current retail year?: Yes

    • Mått C: Avg order value

      • Metric: Avg order value

      • Filter:

        • Include current retail year?: Yes

    • Time period: All time

    • Interval: None

    • Group by: Created\_at (retail month)

    • Chart type: Line

  • Översikt över butikskalender (föregående år per månad)

    • Mått A: Revenue

      • -mått: Revenue

      • Filter:

        • Include current retail year?: Yes

    • Mått B: Orders

      • Metric: Antal order

      • Filter:

        • Include current retail year?: Yes

    • Mått C: Avg order value

      • Metric: Avg order value

      • Filter:

        • Include current retail year?: Yes

    • Time period: All time

    • Interval: None

    • Group by: Created\_at (retail month)

    • Chart type: Line

Nästa steg

Ovanstående beskriver hur du konfigurerar en butikskalender så att den är kompatibel med alla mätvärden som bygger på din sales\_order tabell (som Revenue eller Orders). Du kan även utöka den för att stödja butikskalendern för mätvärden som bygger på valfri tabell. Det enda kravet är att det här registret har ett giltigt datetime-fält som kan användas för att ansluta till butikskalendertabellen.

Om du till exempel vill visa kundnivåstatistik i en 4-5-4-kalender skapar du en Same Table beräkning i customer\_entity tabell, liknar \[INPUT\] created\_at (yyyy-mm-dd 00:00:00) som beskrivs ovan. Du kan sedan använda den här kolumnen för att återskapa One to Many JOINED_COLUMN-beräkningar (som Created_at (retail year)) och Include in previous retail year? (Yes/No) genom att ansluta customer\_entity tabellen till Retail Calendar tabell.

Glöm inte att lägga till alla nya kolumner som dimensioner till mått innan du skapar nya rapporter.

recommendation-more-help
e1f8a7e8-8cc7-4c99-9697-b1daa1d66dbc