使用维度值进行分段

1. 从菜单中选择​主页，然后从工具栏中选择​刷新。 您需要刷新连接以选取您刚才在Customer Journey Analytics中定义的新筛选器。

2. 在​ 数据 ​窗格中：

   1. 选择​日期范围。
   2. 选择​产品类别。
   3. 选择​产品名称。
   4. 选择​发生次数总和。

您看到一个可视化图表，其中显示​获取此可视化图表的数据时出错。

1. 在​ 筛选器 ​窗格中：

   1. 从该视觉对象上的​ 筛选器中选择 ​筛选器名称为（全部）。
   2. 选择​ 基本筛选 ​作为​筛选器类型。
   3. 从该视觉对象上的​ 筛选器中选择 ​日期范围是（全部）​。
   4. 选择​ 高级筛选 ​作为​筛选器类型。
   5. 将筛选器定义为​当值 在 1/1/2023 和 在 2/1/2023之前或之后时显示项。
   6. 选择​ 基本筛选器 ​作为​ product_category ​的​筛选器类型，并从可能值列表中选择​Hunting。
   7. 选择 以从​ 列 ​中删除​filterName。
   8. 选择 以从​ 列 ​中删除​日期范围。

   您会看到使用应用的​ product_category ​过滤器更新的表。 您的Power BI桌面应该如下所示。

   

Tableau Desktop不支持从Customer Journey Analytics获取产品类别的动态列表。 相反，此使用案例使用新创建的​ 打猎产品 ​的筛选器，并使用筛选器名称critetia。

1. 在​ Data Source ​视图中，在​ Data ​下，从​ cc_data_view(prod:cja%3FFLATTEN) ​的上下文菜单中，选择​刷新。 您需要刷新连接以选取您刚才在Customer Journey Analytics中定义的新筛选器。

2. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 筛选器名称 ​条目。

   2. 在​ 筛选器[筛选器名称] ​对话框中，确保已选中​从列表中选择，并从列表中选择​正在搜寻产品。 选择​ 应用 ​和​确定。

   3. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 日期范围 ​条目。

   4. 在​ 筛选器字段[日期范围] ​对话框中，选择​日期范围，然后选择​下一步>。

   5. 在​ 筛选器[日期范围] ​对话框中，选择​日期范围，然后选择01/01/2023 - 1/2/2023。 选择​ 应用 ​和​确定。

   6. 将​ 产品名称 ​从​ 表 ​列表拖至​行。

   7. 从​ 表 ​列表中拖动​ 发生次数 ​条目，并将该条目放入​ 列 ​旁边的字段中。 值更改为​SUM（发生次数）。

   8. 从​ 显示我 ​中选择​文本表。

   9. 从​ 适合 ​下拉菜单中选择​适合宽度。

      您的Tableau桌面应该如下所示。

      

1. 在1. 在Looker的​ 浏览 ​界面中，刷新您的连接。 选择 清除缓存并刷新。

2. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

3. 选择​ 筛选器 ​下的​+筛选器。

4. 在​ 添加筛选器 ​对话框中：

   1. 选择​‣抄送数据视图
   2. 从字段列表中，选择​日‣间范围日期，然后选择​日期范围日期。
      

5. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​在 2023/01/01 之前 2023/02/01​的范围内。

6. 选择​ 筛选器 ​下的​ +筛选器 ​以添加其他筛选器。

7. 在​ 添加筛选器 ​对话框中：

   1. 选择​‣抄送数据视图
   2. 从字段列表中，选择​‣产品类别。

8. 确保​ 是 ​作为筛选器的选择。

查找未显示​ 产品类别 ​的可能值列表。

1. 在新单元格中输入以下语句。

   code language-python
   data = %sql SELECT DISTINCT product_category FROM cc_data_view WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01'; style = {'description_width': 'initial'} category_filter = widgets.Dropdown( options=[d for d, in data], description='Product Category:', style=style ) display(category_filter)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

3. 从下拉菜单中选择​打猎。

4. 在新单元格中输入以下语句。

   code language-python

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ AND product_category = '{category_filter.value}' \ GROUP BY 1 \ ORDER BY Events DESC \ LIMIT 10; df = data.DataFrame() df = df.groupby('Product Name', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.barplot(x='Events', y='Product Name', data=df) plt.show() display(data)

5. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在新块中输入以下介于```{r}和 ````之间的语句。 确保使用适当的类别。 例如，Hunting`。

   code language-r
   ## Dimension 1 Filtered by Dimension 2 value df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & product_category == "Hunting") %>% group_by(product_name) %>% count() %>% arrange(desc(n), .by_group = FALSE) print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。