DokumentationHandelCommerce Intelligence Användarhandbok

Rapportering i en butikskalender

Last update: Mon Jul 15 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Skapat för:

  • Nybörjare
  • Mellanliggande
  • Administratör
  • Utvecklare
  • Användare

I det här avsnittet visas hur du konfigurerar strukturen så att den använder en 4-5-4-butikskalender i ditt 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 filen .csv. Detta garanterar att datumen täcker alla dina historiska data och för in datumen i framtiden.

Den här analysen innehåller avancerade beräknade kolumner.

Komma igång

Du kan hämta en .csv-version av 4-5-4-butikskalendern för 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 kan du använda filöverföringsprogrammet för att skapa en butikskalendertabell i Datan Warehouse Commerce Intelligence. 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

  • tabellen sales_order

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

      • 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
        Funktionen now() ovan är specifik för PostgreSQL. Även om de flesta Commerce Intelligence datalagerställen finns på PostgreSQL kan vissa finnas på Redshift. Om beräkningen ovan returnerar ett fel kan du behöva använda funktionen getdate() för omflyttning i stället för now().

    • Aktuellt återförsäljningsår (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

  • tabellen sales_order

    • 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: Butikskalender.Datum 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 lägga 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 - butikskalender (YearY)

    • 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 mått som är inbyggda i din sales\_order-tabell (till exempel 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 för en 4-5-4-kalender för återförsäljning skapar du en Same Table-beräkning i tabellen customer\_entity som liknar \[INPUT\] created\_at (yyyy-mm-dd 00:00:00) som beskrivs ovan. Du kan sedan använda den här kolumnen för att reproducera beräkningarna One to Many JOINED_COLUMN (som Created_at (retail year)) och Include in previous retail year? (Yes/No) genom att koppla tabellen customer\_entity till tabellen Retail Calendar.

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

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