Dokumentation Handel Commerce Intelligence Användarhandbok

Översätta SQL-frågor i Commerce Intelligence

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

Skapat för:

Nybörjare
Mellanliggande
Administratör
Utvecklare
Användare

Har du någonsin undrat hur SQL-frågor översätts till de beräknade kolumnerna, metrics och reports som du använder i Commerce Intelligence? Om du är en tung SQL-användare kan du arbeta smartare i Data Warehouse Manager och få ut det mesta av Commerce Intelligence-plattformen genom att förstå hur SQL översätts i Commerce Intelligence.

I slutet av det här avsnittet finns en översättningsmatris för SQL-frågesatser och Commerce Intelligence -element.

Börja med en allmän fråga:

SELECT

a,

Rapport group by

SUM(b)

Aggregate function (kolumn)

FROM c

Source-tabell

WHERE

d IS NOT NULL

Filter

AND time < X

AND time >= Y

Rapport time frame

GROUP BY a

Rapport group by

Det här exemplet omfattar de flesta översättningsfall, men det finns några undantag. Gör en djupdykning, med början från hur funktionen aggregate översätts.

Sammanställningsfunktioner

Sammanställningsfunktioner (till exempel count, sum, average, max, min) i frågor har antingen formen metriska aggregeringar eller kolumnaggregeringar i Commerce Intelligence. Den differentierande faktorn är om en join krävs för att utföra aggregeringen.

Titta på ett exempel för vart och ett av de ovanstående.

Måttaggregat aggregate

Ett mått krävs vid aggregering av within a single table. Exempelvis skulle mängdfunktionen SUM(b) från frågan ovan sannolikt representeras av ett mått som summerar kolumnen B.

Titta på ett specifikt exempel på hur ett Total Revenue-mått kan definieras i Commerce Intelligence. Titta på frågan nedan som du försöker översätta:

SELECT

SUM(order_total) as "Total Revenue"

Metric operation (kolumn)

FROM orders

Metric source-tabell

WHERE

email NOT LIKE '%@magento.com'

Mått filter

AND created_at < X

AND created_at >= Y

Mått timestamp (och rapportering time range)

Navigera till måttverktyget genom att klicka på Manage Data >  Metrisk > Skapa nytt mätresultat. Du måste först markera rätt source-tabell, som i det här fallet är orders-tabellen. Därefter ställs måtten in enligt nedan:

Måttaggregering

Kolumnaggregeringar

En beräknad kolumn krävs vid sammanställning av en kolumn som är kopplad från en annan tabell. Du kan till exempel ha en kolumn som är inbyggd i din customer-tabell som heter Customer LTV och som summerar det totala värdet för alla order som är kopplade till den kunden i tabellen orders.

Frågan för den här aggregeringen kan se ut ungefär som nedan:

Select

c.customer_id

Ägare av sammanställd

SUM(o.order_total) as "Customer LTV"

Sammanställningsåtgärd (kolumn)

FROM customers c

Sammanställd ägarregister

JOIN orders o

Källregister för aggregering

ON c.customer_id = o.customer_id

Bana

WHERE o.status = 'success'

Aggregera, filter

Om du konfigurerar detta i Commerce Intelligence måste du använda din kundhanterare, där du skapar en sökväg mellan din orders- och customers-Data Warehouse och sedan skapar en med namnet Customer LTV i kundens tabell.

Titta på hur du skapar en ny sökväg mellan customers och orders. Slutmålet är att skapa en ny aggregerad kolumn i tabellen customers, så navigera först till tabellen customers i Datan Warehouse och klicka sedan på Create a Column >  Markera en definition > SUM.

Sedan måste du välja källtabellen. Om det finns en sökväg till din orders-tabell väljer du den i listrutan. Om du skapar en ny sökväg klickar du på Create new path så visas skärmen nedan:

Skapa ny sökväg

Här bör du noga tänka på relationen mellan de två tabeller som du försöker ansluta till. I det här fallet finns det eventuellt Many order som är kopplade till One-kunden, och därför visas tabellen orders på Many-sidan, medan tabellen customers är markerad på One-sidan.

NOTE

I Commerce Intelligence är en path ekvivalent med en Join i SQL.

När sökvägen har sparats kan du skapa kolumnen Customer LTV! Se nedan:

Nu när du har skapat den nya Customer LTV-kolumnen i din customers-tabell kan du skapa en måttaggregering med den här kolumnen (till exempel för att hitta den genomsnittliga LTV-nivån per kund). Du kan också group by eller filter med den beräknade kolumnen i en rapport med hjälp av befintliga mått som bygger på tabellen customers.

NOTE

För det senare måste du lägga till dimensionen i befintliga mått innan den är tillgänglig som filter eller group by när du skapar en ny beräknad kolumn.

Se skapa beräknade kolumner med Data Warehouse Manager.

`Group By`-satser

Group By-funktioner i frågor representeras ofta i Commerce Intelligence som en kolumn som används för att segmentera eller filtrera en visuell rapport. Låt oss till exempel gå tillbaka till Total Revenue-frågan som du utforskade tidigare, men den här gången segmenterar intäkterna av coupon\_code för att få en bättre förståelse för vilka kuponger som genererar störst intäkter.

Börja med frågan nedan:

SELECT coupon_code,

Rapport group by

SUM(order_total) as "Total Revenue"

Metric operation(kolumn)

FROM orders

Metric source-tabell

WHERE

email NOT LIKE '%@magento.com'

Mått filter

AND created_at < '2016-12-01'

AND created_at >= '2016-09-01'

Mått timestamp (och rapportering time range)

GROUP BY coupon_code

Rapport group by

NOTE

Den enda skillnaden från den fråga du började med tidigare är att"kupongen_code" har lagts till som grupp efter._

Med samma Total Revenue-mått som du skapade tidigare är du nu redo att skapa en intäktsrapport segmenterad med kupongkod! Titta på bilden nedan som visar hur du konfigurerar den här visuella rapporten med information från september till november:

Intäkter per kupongkod

Formler

Ibland kan en fråga innehålla flera aggregeringar för att beräkna relationen mellan olika kolumner. Du kan till exempel beräkna det genomsnittliga ordervärdet i en fråga på ett av två sätt:

AVG('order\_total') ELLER
SUM('order\_total')/COUNT('order\_id')

Den tidigare metoden skulle innebära att ett nytt mätvärde skapas som utför ett genomsnitt i kolumnen order\_total. Den senare metoden kan dock skapas direkt i rapportverktyget, förutsatt att du redan har angett värden för att beräkna Total Revenue och Number of orders.

Ta ett steg tillbaka och titta på den övergripande frågan för Average order value:

SELECT

SUM(order_total) as "Total Revenue"

Mått operation (kolumn)

COUNT(order_id) as "Number of orders"

Mått operation (kolumn)

SUM(order_total)/COUNT(order_id) as "Average order value"

Mått operation (kolumn) / Måttåtgärd (kolumn)

FROM orders

Måtttabell source

WHERE

email NOT LIKE '%@magento.com'

Mått filter

AND created_at < '2016-12-01'

AND created_at >= '2016-09-01'

Måttets tidsstämpel (och tidsintervall för rapportering)

Anta nu att du redan har ställt in mätvärden för att beräkna Total Revenue och Number of orders. Eftersom dessa mått finns kan du öppna Report Builder och skapa en on demand-beräkning med funktionen Formula:

AOV-format

Radbrytning

Om du är en tung SQL-användare kan du skapa beräknade kolumner, mätvärden och rapporter med hjälp av frågor som översätts i Commerce Intelligence.

Se matrisen nedan för snabb referens. Detta visar SQL-satsens motsvarande Commerce Intelligence-element och hur det kan mappas till mer än ett element, beroende på hur det används i frågan.

Commerce Intelligence Elements

SQL Clause

Metric

Filter

Report group by

Report time frame

Path

Calculated column inputs

Source table

SELECT

FROM

WHERE

WHERE (med tidselement)

JOIN...ON

GROUP BY

recommendation-more-help

e1f8a7e8-8cc7-4c99-9697-b1daa1d66dbc

Översätta SQL-frågor i Commerce Intelligence

Sammanställningsfunktioner

Måttaggregat aggregate

Kolumnaggregeringar

Group By-satser

Formler

Radbrytning

Commerce Intelligence Elements

`Group By`-satser