Identifiera avvikelser med hjälp av dataexport

Den här artikeln innehåller lösningar för felsökning av avvikelser i data från Magento BI. Dataexport är ett användbart verktyg för att jämföra dina Magento BI-data med dina källdata för att identifiera datamatchningsskillnader i dina rapporter, särskilt om checklistan för diagnostik av datameddelanden inte hjälper dig att identifiera problemet. I den här artikeln får du ett exempel på hur datameddelanden kan identifieras med hjälp av dataexport.

Ta den här analysen, till exempel:

Det är en misstänkt dipp i november 2014. 500 780,94 dollar i intäkter? Det låter inte rätt. Du har bekräftat att det visas fler intäkter för november 2014 i källdatabasen och du har dubbelkontrollerat att det intäktsmått som används i den här rapporten är korrekt definierat. Det verkar som att data i datalagret i Magento BI är ofullständiga, vilket kan bekräftas med dataexport.

Exportera data export

Börja med att klicka på kugghjulet i diagrammets övre högra hörn och sedan på alternativet för Raw-export i listrutan. Då kan du exportera diagrammets data i obearbetad form.

På menyn Raw-dataexport kan du markera den tabell som ska exporteras tillsammans med de kolumner som ska ingå i exporten. Du kan också använda filter på resultatuppsättningen.

I vårt exempel använder det intäktsmått som används i den här rapporten fältet order_total som definieras i tabellen orders, med hjälp av date som tidsstämpel. I vår export vill vi inkludera alla order_id-värden för november 2014 och deras order_total . Inga filter används för intäktsmåttet, men vi lägger till ett filter i exporten för att begränsa resultatet till bara november 2014.

Så här ser Raw Data Export-menyn ut:

Klicka på Exportera data för att påbörja exporten. Ett fönster med information om exporten, inklusive status, visas. Det tar några minuter innan exporten påbörjas, vilket gör att det nu är lämpligt att utföra ett liknande extrakt av källdata för november 2014, inklusive date, order_id och order_total . Vi öppnar den här filen i Excel och låter den vara kvar eftersom vi snart kommer tillbaka till den.

När knappen Hämta visas i fönstret för Raw Data-export klickar du på den för att hämta zip-filen som innehåller CSV-filen.

I det här skedet måste vi samla alla data i ett enda blad för att hitta problemet. Vi importerar CSV-filen (exporten från Magento BI) till ett annat Excel-blad som innehåller våra källdata.

Fästa problemet pinpoint

Nu när alla data finns på ett och samma ställe kan vi leta efter orsaken till diskrepansen. Genom att jämföra antalet rader i varje blad kan vi identifiera problemet. Låt oss titta närmare på varje situation.

Båda tabellerna innehåller samma antal rader

Om båda systemen har samma radantal och måttet Intäkter inte matchar källdata, måste order_total vara avstängd någonstans. Det är möjligt att fältet order_total har uppdaterats i källdatabasen och att Magento BI inte kan hämta dessa ändringar.

Kontrollera detta genom att kontrollera om kolumnen order_total ommarkeras eller inte. Gå till tabellhanteraren och klicka på Datan Warehouse orders. Du ser kontrollfrekvensen som anges i avsnittet 'Ändringar?' kolumn. Fältet order_total ska ställas in så att det kontrolleras igen så ofta som det förväntas ändras. Om så inte är fallet ska du ställa in den till önskad frekvens för omkontroll.

Om kontrollfrekvensen redan är korrekt är något annat fel. Gå till avsnittet Kontakta support i slutet av den här artikeln för nästa steg.

Källdatabasen har FLER rader än Magento BI morerows

Om källdatabasen har fler rader än Magento BI och mellanrummet är större än det antal order som du kan förvänta dig att komma in under en uppdateringscykel, kan det bero på ett anslutningsproblem. Det innebär att Magento BI inte kan hämta in nya data från källdatabasen, vilket kan hända av flera orsaker.

Gå till sidan Anslutningar och ta en titt på statusen för datakällan som innehåller tabellen order:

Källdatabasen har FÄRRE rader än Magento BI lessrows

Om källdatabasen har färre rader än Magento BI kan det hända att rader tas bort från källdatabasen och Magento BI inte kan hämta dessa borttagningar. ​ Om du tar bort data kan det leda till avvikelser, längre uppdateringstider och en rad logistiska problem. Därför rekommenderar vi att du aldrig tar bort data om det inte är nödvändigt.

Om du däremot tar bort rader från tabellen bör du titta på hur ofta kontrollen ska göras om primärnyckeln. Om du upprepar primärnyckeln kontrolleras om tabellen innehåller borttagna rader.

I Data Warehouse Manager markeras primärnyckelkolumner med en nyckelsymbol. I vårt exempel är primärnyckeln kolumnen order_id:

Om primärnyckeln redan är inställd på ommarkering eller om rader aldrig tas bort från den här tabellen behöver du stöd för RJ för att hitta problemet. Gå till följande avsnitt för nästa steg.

Kontakta support support

Om du inte kan hitta källan till problemet måste du göra en slinga i RJ-stödet. Gör följande innan du skickar in en biljett:

Relaterad läsning