[Endast PaaS]{class="badge informative" title="Gäller endast Adobe Commerce i molnprojekt (Adobe-hanterad PaaS-infrastruktur) och lokala projekt."}

Arbeta med Data Warehouse-vyer

I det här dokumentet beskrivs syftet med och användningsområdena för Data Warehouse Views som du kan komma åt genom att gå till Manage Data > Data Warehouse Views. Nedan finns en förklaring av vad det gör och hur det går till att skapa vyer, samt ett exempel på hur du kan använda Data Warehouse Views för att konsolidera Facebook- och AdWords-utgiftsdata.

Allmänt syfte

Funktionen Data Warehouse Views är en metod för att skapa nya lagrade tabeller genom att ändra en befintlig tabell eller koppla eller konsolidera flera tabeller tillsammans med SQL. När en Data Warehouse View har skapats och bearbetats av en uppdateringscykel fylls den i i din Data Warehouse som en ny tabell under listrutan Data Warehouse Views, vilket visas nedan:

Data Warehouse-gränssnitt med tabellhanteringsalternativ

Från och med nu fungerar din nya vy som vilken annan tabell som helst, vilket ger dig möjlighet att skapa nya beräknade kolumner eller bygga mätvärden och rapporter ovanpå.

Data Warehouse Views används främst för att konsolidera flera liknande men olika tabeller tillsammans, så att alla rapporter kan skapas utifrån en enda ny tabell. Ett par vanliga exempel är att konsolidera tabeller från en äldre databas och en livedatabas för att kombinera historiska och aktuella data, eller att kombinera flera annonskällor som Facebook och AdWords till en enda Consolidated ad spend-tabell.

Om du känner till SQL använder båda dessa konsolideringsexempel funktionen UNION, men du kan använda valfri PostgreSQL-syntax och funktioner när du skapar en ny vy.

Skapa och hantera Data Warehouse-vyer

Du kan skapa nya Data Warehouse Views och ta bort befintliga vyer genom att gå till Manage Data > Data Warehouse Views enligt nedan:

Avsnittet Data Warehouse-vyer med anpassade vykonfigurationer

Här kan du skapa en vy genom att följa exempelinstruktionerna nedan:

  1. Om du observerar en befintlig vy klickar du på New Data Warehouse View för att öppna ett tomt frågefönster. Om ett tomt frågefönster redan är öppet fortsätter du till nästa steg.

  2. Ge vyn ett namn genom att skriva i fältet View Name. Det namn som anges här avgör visningsnamnet för vyn i Data Warehouse. View names är begränsade till gemena bokstäver, siffror och understreck (_). Alla andra tecken tillåts inte.

  3. Ange din fråga i fönstret Select Query med hjälp av PostgreSQL-standardsyntax.

    note note
    NOTE
    Frågan måste referera till specifika kolumnnamn. Det är inte tillåtet att använda tecknet * för att markera alla kolumner.
  4. När du är klar klickar du på Save för att spara vyn. Din vy har tillfälligt statusen Pending tills den bearbetas i nästa fullständiga uppdateringscykel, då statusen ändras till Active. När vyn har bearbetats av en uppdatering är den klar att användas i rapporter.

Det är viktigt att notera att den underliggande frågan som användes för att generera Data Warehouse View inte kan redigeras när den har sparats. Om du behöver justera strukturen för Data Warehouse View måste du skapa en vy och manuellt migrera beräknade kolumner, mätvärden eller rapporter från den ursprungliga vyn till den nya. När migreringen är klar kan du ta bort den ursprungliga vyn. Eftersom Data Warehouse Views inte kan redigeras rekommenderar Adobe att du testar frågans utdata med SQL Report Builder innan du sparar frågan som en Data Warehouse-vy.

Exempel: Facebook och Google AdWords data

Titta närmare på ett av de exempel som nämns ovan i den här artikeln: konsolidera Facebook- och AdWords-utgiftsdata i en ny konsoliderad annonstabell. Det vanligaste är att konsolidera två tabeller, med exempeldatauppsättningar nedan:

Ad source: Google AdWords

Table name: campaigns67890

Sample data:

_id
campaign
adClicks
date
impressions
adCost
1
eee
60
2017-05-05 00:00:00
2000
10,2
2
ggg
40
2017-05-23 00:00:00
900
4,6
3
aaa
22
2017-06-12 00:00:00
400
2,5
4
eee
350
2017-06-30 00:00:00
14500
35
5
fff
280
2017-07-10 00:00:00
10200
28,5

Ad source: Facebook

Table name: facebook_ads_insights_12345

Sample data:

_id
campaign
adClicks
date
impressions
adCost
1
aaa
25
2017-05-01 00:00:00
1200
5
2
ddd
12
2017-05-15 00:00:00
800
2,5
3
aaa
40
2017-05-22 00:00:00
2000
7
4
aaa
110
2017-06-08 00:00:00
6000
10
5
ccc
5
2017-07-06 00:00:00
300
1,2

Om du vill skapa en enda annonsutgiftstabell som innehåller både Facebook och Google AdWords kampanjer måste du skriva en SQL-fråga och använda funktionen UNION ALL. En UNION ALL-sats används oftast för att kombinera flera distinkta SQL-frågor samtidigt som resultatet av varje fråga läggs till i en enda utdatafil.

Det finns några krav på en UNION-sats som är värd att nämna, vilket beskrivs i dokumentationen för PostgreSQL:

  • Alla frågor måste returnera samma antal kolumner
  • Motsvarande kolumner måste ha identiska datatyper

När du kör en UNION- eller UNION ALL-sats återspeglar namnen på kolumnerna i det slutliga resultatet namngivningen för kolumnerna i den första frågan.

Vanligtvis krävs det att en tabell med sju kolumner skapas när du konsoliderar dina Facebook- och Google AdWords utgiftsdata till en Data Warehouse View, med en fråga som liknar den nedan:

    SELECT
        "_id" as id,
        'AdWords' as ad_source,
        "date",
        "campaign",
        "adCost" as spend,
        "impressions",
        "adClicks" as clicks
    FROM campaigns67890
    UNION
    SELECT
        "_id" as id,
        'Facebook' as ad_source,
        "date_start" as date,
        "campaign_name" as campaign,
        "spend",
        "impressions",
        "clicks"
    FROM facebook_ads_insights_12345

Några viktiga punkter om det ovanstående:

  • För tydlighetens skull är alla kolumner kantutjämnade över så att namnen matchar alla frågor. Detta är dock inget krav. Den ordning som kolumnerna anropas i SELECT-frågor avgör hur de justeras.
  • En ny kolumn med namnet ad_source skapas för att göra det enklare att filtrera efter AdWords- eller Facebook-data. Kom ihåg att den här frågan kombinerar alla data från båda tabellerna. Om du inte skapar en kolumn som ad_source finns det inget enkelt sätt att identifiera utgifter från en viss källa.

Om du sparar frågan ovan som en Data Warehouse View skapas en tabell med både Facebook och AdWords utgifter, som liknar följande:

id
ad_source
date
campaign
spend
impressions
clicks
1
Facebook
2017-05-01 00:00:00
aaa
5
1200
25
1
Google AdWords
2017-05-05 00:00:00
eee
10,2
2000
60
2
Facebook
2017-05-15 00:00:00
ddd
2,5
800
12
2
Google AdWords
2017-05-23 00:00:00
ggg
4,6
900
40
3
Facebook
2017-05-22 00:00:00
aaa
7
2000
40
3
Google AdWords
2017-06-12 00:00:00
aaa
2,5
400
22
4
Facebook
2017-06-08 00:00:00
aaa
10
6000
110
4
Google AdWords
2017-06-30 00:00:00
eee
35
14500
350
5
Facebook
2017-07-06 00:00:00
ccc
1,2
300
5
5
Google AdWords
2017-07-10 00:00:00
fff
28,5
10200
280

I stället för att skapa en separat uppsättning marknadsföringsstatistik för varje annonskälla kan ni skapa en enda uppsättning mätvärden med tabellen ovan för att fånga upp alla era annonser.

Behöver du mer hjälp?

Skrivning av SQL och skapande av Data Warehouse Views ingår inte i teknisk support. Services-teamet kan dock hjälpa dig att skapa vyer. Allt från att migrera en äldre databas med en ny databas till att skapa en enda Data Warehouse View för en viss analys kan supportteamet hjälpa till.

Vanligtvis krävs fem timmars tjänsttid för att skapa en ny Data Warehouse View för konsolidering av 2-3 tabeller med liknande struktur, vilket innebär ungefär 1 250 USD arbete. Nedan anges dock några vanliga faktorer som kan öka den förväntade investeringen:

  • Konsolidering av mer än tre tabeller i en enda vy
  • Skapa mer än en Data Warehouse-vy
  • Komplexa föreningslogik eller filtervillkor
  • Konsolidering av två eller flera tabeller med olika datastrukturer
recommendation-more-help
e1f8a7e8-8cc7-4c99-9697-b1daa1d66dbc