Puedes crear una alerta para enviar un correo o una notificación de Slack cuando los resultados de una baldosa de panel de control basada en una consulta o vinculada a Look cumplan o superen un umbral especificado. Configurar una alerta basada en datos de serie temporal es diferente a configurar una alerta basada en otros tipos de datos.
En el caso de los datos de series temporales, la condición de alerta se basa en la comparación de filas específicas de la serie, en lugar de basarse en el conjunto de resultados completo. Al trabajar de esta forma con datos de series temporales, los usuarios pueden realizar operaciones adicionales que comparan datos de dos filas de la serie mediante opciones de condiciones de alerta adicionales que no están disponibles para otros tipos de datos, como cambios en, aumentos en y disminuciones en.
Cuando se usan estas condiciones de comparación con datos de series temporales, la consulta de alerta compara la última fila de datos con la anterior. Para hacer un seguimiento de tu posición en la serie temporal (con el fin de basar las condiciones de las alertas únicamente en los datos que no estaban disponibles la última vez que se ejecutó la consulta de la alerta), Looker debe conservar el valor de los datos más recientes de la serie temporal cada vez que ejecute la consulta de la alerta.
En esta página se describen dos casos importantes que debes tener en cuenta al elegir condiciones de alerta que usen datos de series temporales:
- Las condiciones de la alerta indican a Looker que compruebe si hay actualizaciones de los datos con una frecuencia menor a la de las actualizaciones de los datos.
- Por ejemplo, el intervalo de la serie temporal es por horas (los datos se agregan por horas), pero la alerta se ha configurado para que se active con una frecuencia diaria.
-
Las condiciones de la alerta indican a Looker que compruebe si hay actualizaciones de los datos con una frecuencia mayor que la de actualización de los datos.
- Por ejemplo, el intervalo de la serie temporal es diario (los datos se agregan por día), pero se ha configurado una alerta con una frecuencia horaria.
Lo ideal es que el intervalo y la frecuencia de la serie temporal sean los mismos, pero no siempre es así. Si un trabajo de ETL está configurado para cargar datos cada hora todas las noches o una consulta falla por algún motivo, es importante saber cómo funcionan las consultas de alerta cuando estos intervalos no están sincronizados.
Comprobación de alertas
Las consultas de alerta comprobarán la fila más reciente de datos de serie temporal para determinar si se da alguna de estas circunstancias:
- Si el valor de la serie temporal actual es más reciente que el valor de la serie temporal más reciente de la comprobación de alertas anterior
- Si el valor de la serie temporal actual es el más reciente de la serie temporal, aunque tenga el mismo valor que en la comprobación de la alerta anterior
La primera vez que se ejecute una consulta de alerta, Looker dejará de evaluar todo el conjunto de resultados. En su lugar, Looker considerará esos resultados como datos históricos y solo buscará los cambios que se produzcan después de que se cree la alerta y se ejecute la consulta de alerta inicial.
Caso 1: El intervalo de la serie temporal es más corto que la frecuencia
En este ejemplo, un usuario quiere comprobar a diario si las ventas por horas superan el objetivo:
Intervalo de serie temporal = por horas Frecuencia = diaria
Este enfoque implica comprobar los datos por horas con una frecuencia superior a una hora. La alerta comprobará cada fila de serie temporal nueva que no se haya comprobado en el intervalo de alerta anterior. Si tienes datos por horas y una comprobación de alertas diaria, la alerta comprobará 24 filas cada día. Cada fila se compara con la condición de alerta especificada y, si alguna fila cumple la condición, se enviará un correo.
Ejecución del 25/5/19 a las 9:00
| Valor de serie temporal | Medir el valor | |
| 25/5/19 8:00 | 200 | < alert check |
| 25/5/19 9:00 | 250 | < alert check |
Run 5/25/19 11:00 AM
| Valor de serie temporal | Medir el valor | |
| 25/5/19 8:00 | 200 | |
| 25/5/19 9:00 | 250 | < alerta anterior |
| 25/5/19 10:00 | 300 | < alert check |
| 25/5/19 11:00 | 300 | < alert check |
Ejecución del 25/05/19 a las 12:00 (sin datos nuevos)
| Valor de serie temporal | Medir el valor | |
| 25/5/19 8:00 | 200 | |
| 25/5/19 9:00 | 250 | |
| 25/5/19 10:00 | 300 | < alerta anterior |
| 25/5/19 11:00 | 300 | < alert check |
Caso 2: El intervalo de la serie temporal es mayor que la frecuencia
En este ejemplo, un usuario quiere comprobar cada hora si el total de ventas acumuladas de hoy es superior al objetivo:
Intervalo de serie temporal = diario Frecuencia = por horas
Este método consiste en comprobar los datos agregados por fecha varias veces al día. Supongamos que ha configurado una alerta para que le avise si el total de ventas diarias es igual o superior a 200. El total de ventas aumenta durante cada comprobación de alerta a medida que se acumula a lo largo del día, por lo que Looker vuelve a comprobar continuamente el valor de la serie temporal más reciente con el valor que activó la alerta anterior.
Ejecución del 25/5/19 a las 9:00
| Valor de serie temporal | Medir el valor | |
| 24/5/19 | 200 | < alerta anterior |
| 25/05/2019 | 50 | < comprobación de alerta (sin notificación) |
Run 5/25/19 10:00 AM
| Valor de serie temporal | Medir el valor | |
| 24/5/19 | 200 | < alerta anterior |
| 25/05/2019 | 100 | < comprobación de alerta (sin notificación) |
Run 5/25/19 11:00 AM
| Valor de serie temporal | Medir el valor | |
| 24/5/19 | 200 | < alerta anterior |
| 25/05/2019 | 150 | < comprobación de alerta (sin notificación) |