Ein einzigartiges Looker-Feature ist, dass es eine direkte Verbindung zu Ihrer Datenbank herstellt. Das bedeutet, dass Sie immer auf die neuesten Daten zugreifen und bis zur detailliertesten verfügbaren Ebene aufschlüsseln können. Während Sie also jährliche oder monatliche Zusammenfassungen sehen können, bietet Looker auch die Möglichkeit, sofort einen detaillierten Blick auf den Tag, die Stunde oder die Sekunde zu werfen.
Auf dieser Seite finden Sie Beispiele für die Anpassung und Nutzung von Daten-Drilldowns, um leistungsfähigere Analysen für Ihre Nutzer zu schaffen. Dazu gehören:
- Darstellung von Werten in einfachen Aufschlüsselungsdatentabellen anpassen
- Anpassen der Aufschlüsselungs-Visualisierung, um eine visuelle Aufschlüsselung zu erstellen
Darstellung von Werten in einfachen Aufschlüsselungsdatentabellen anpassen
Mit der webnativen modernen Architektur von Looker können Sie weit mehr tun, als nur von einer Ebene zur nächsten Detailebene zu bohren. Sie können einen beliebigen benutzerdefinierten Aufschlüsselungspfad mit nur wenigen Parametern erstellen.
Die folgenden Beispiele veranschaulichen, wie Sie die Darstellung von Daten in Aufschlüsselungstabellen anpassen können:
- Benutzerdefinierte Zeilenlimits (bis zu 5.000 Zeilen) zu einer Aufschlüsselungstabelle hinzufügen
- Sortierungen in eine Aufschlüsselungstabelle einfügen
- Pivots zu einer Aufschlüsselungstabelle hinzufügen
Zeilenlimits (bis zu 5.000 Zeilen) zu einer Aufschlüsselungstabelle hinzufügen
Wenn Sie einer Aufschlüsselungstabelle Zeilenlimits hinzufügen, können Sie steuern, wie die Daten für Nutzer dargestellt werden, die Messwerte aufschlüsseln. Angenommen, Sie möchten in einer Aufschlüsselungstabelle nur die ersten 20 Ergebnisse anzeigen, wenn ein Nutzer den Messwert Zurückgegebene Anzahl aufschlüsselt. Sie können den Parameter link
verwenden und den Unterparameter url
wie im folgenden LookML-Code auf "{{ link }}&limit=20"
festlegen:
measure: returned_count { type: count_distinct sql: ${id} ;; filters: [is_returned: "yes"] drill_fields: [detail*] link: { label: "Explore Top 20 Results" url: "{{ link }}&limit=20" } } set: detail { fields: [id, order_id, status, created_date, sale_price, products.brand, products.item_name, users.email] }
So können Nutzer die 20 besten Ergebnisse aufschlüsseln, indem sie im Aufschlüsselungsmenü des Messwerts Zurückgegebene Anzahl die Option Top-20-Ergebnisse untersuchen auswählen:
Sortierungen in eine Aufschlüsselungstabelle einfügen
Sie können nicht nur die Daten eingrenzen, sondern auch steuern, wie Daten in einer Aufschlüsselungstabelle sortiert werden. Angenommen, Sie möchten die 20 Ergebnisse nach Sonderangebotspreis anzeigen, wenn ein Nutzer den Messwert Zurückgegebene Anzahl aufschlüsselt. Sie können den Parameter link
verwenden und den Unterparameter url
auf "{{ link }}&sorts=order_items.sale_price"
setzen. Der folgende LookML-Code kombiniert die benutzerdefinierte Sortierung mit einem benutzerdefinierten Zeilenlimit:
measure: returned_count { type: count_distinct sql: ${id} ;; filters: [is_returned: "yes"] drill_fields: [detail*] link: { label: "Explore Top 20 Results by Sale Price" url: "{{ link }}&sorts=order_items.sale_price+desc&limit=20" } } set: detail { fields: [id, order_id, status, created_date, sale_price, products.brand, products.item_name, users.email] }
So können Nutzer die 20 besten Ergebnisse nach Sonderangebotspreis aufschlüsseln, indem sie im Aufschlüsselungsmenü des Messwerts Sonderangebotspreis die Option Top-20-Ergebnisse nach Sonderangebotspreis ansehen auswählen:
Pivots zu einer Aufschlüsselungstabelle hinzufügen
Sie können in einer Aufschlüsselungstabelle nicht nur Daten beschränken und sortieren, sondern auch Pivot-Dimensionen verwenden. Was wäre beispielsweise, wenn Sie einem Feld Altersstufe einen Pivot hinzufügen möchten, um das Jahr und die prozentuale Bruttomarge für jede Altersgruppe anzuzeigen, wenn ein Nutzer einen Messwert für die Anzahl der Bestellungen aufschlüsselt? Sie können den Parameter link
verwenden und den Unterparameter url
auf "&pivots=users.age_tier"
festlegen:
measure: order_count { type: count_distinct drill_fields: [created_year, item_gross_margin_percentage_tier, users.age_tier, total_sale_price] link: { label: "Total Sale Price by Month for Each Age Tier" url: "{{link}}&pivots=users.age_tier" } sql: ${order_id} ;; }
So können Nutzer das Jahr und den Prozentsatz der Bruttomarge für jede Altersgruppe aufschlüsseln, wenn sie Gesamtverkaufspreis nach Monat für jede Altersstufe aus dem Aufschlüsselungsmenü des Messwerts Bestellanzahl auswählen:
Visuelle Aufschlüsselungen erstellen
Datentabellen vermitteln Daten auf effektive Weise, aber was ist, wenn Sie die Daten visualisieren möchten, die Nutzende sehen, wenn sie Daten aufschlüsseln? Neben Datentabellen gibt es mehrere Möglichkeiten, Aufschlüsselungsdaten in Visualisierungen anzuzeigen. Dieser Abschnitt enthält die folgenden Beispiele:
- Bohren mit der Labs-Funktion Visual Drilling
- Streudiagramm mit Grenzwert und gleitendem Durchschnitt aufschlüsseln
- Gestapeltes Liniendiagramm mit Drehpunkten aufschlüsseln
- Benutzerdefinierte Visualisierung aufschlüsseln
- Drilldown zu einer Tabellenkalkulation mit bedingter Formatierung
Bohren mit der Labs-Funktion Visual Drilling
Mit der Labs-Funktion Visual Drilling können Nutzer einen Explore oder einen Look aufschlüsseln. Sie müssen keine Anpassungen vornehmen und haben nur einen eingeschränkten Aufschlüsselungssatz. So können Sie Aufschlüsselungsdaten in verschiedenen Visualisierungsarten darstellen, die anhand der Daten von Looker vorausgewählt sind.
Die Labs-Funktion Visual Drilling wird von Dashboards nicht unterstützt. Für Dashboards können Sie eine visuelle Aufschlüsselung mit dem Parameterlink
erstellen, ohne die Labs-Funktion aktivieren zu müssen. In den folgenden Abschnitten finden Sie Beispiele dafür, wie Sie mit dem Parameterlink
eine visuelle Aufschlüsselung erstellen.
Wenn Sie beispielsweise sehen möchten, wie viele Artikel pro Tag verkauft wurden, können Sie einen Messwert erstellen, der die Felder Erstellungsdatum und Gesamtverkaufspreis aufschlüsselt:
measure: count { type: count_distinct sql: ${id} ;; drill_fields: [created_date, total_sale_price] }
Visuelle Drilldowns sind die einfachste Option. Aber was, wenn Sie steuern möchten, welche Art von Visualisierung den Benutzern beim Drilldown angezeigt wird? In den folgenden Abschnitten finden Sie Beispiele dafür, wie Sie eine Aufschlüsselungsvisualisierung weiter anpassen können.
Streudiagramm mit Grenzwert und gleitendem Durchschnitt aufschlüsseln
Sie können Nutzern ermöglichen, sich ein Streudiagramm anzusehen, das eine Trendlinie mit gleitendem Durchschnitt enthält. Angenommen, Sie möchten in einem Streudiagramm mit einem gleitenden Durchschnitt von 30 Tagen anzeigen, wie viele Artikel pro Tag verkauft wurden:
Dazu können Sie mithilfe von Liquid-Variablen Visualisierungseinstellungen in einer URL angeben. Mit diesen Einstellungen steuern Sie die Visualisierung, die in der Aufschlüsselung erscheint:
measure: count { type: count_distinct sql: ${id} ;; drill_fields: [created_date, total_sale_price] link: { label: "Show as scatter plot" url: " {% assign vis_config = '{ \"stacking\" : \"\", \"show_value_labels\" : false, \"label_density\" : 25, \"legend_position\" : \"center\", \"x_axis_gridlines\" : true, \"y_axis_gridlines\" : true, \"show_view_names\" : false, \"limit_displayed_rows\" : false, \"y_axis_combined\" : true, \"show_y_axis_labels\" : true, \"show_y_axis_ticks\" : true, \"y_axis_tick_density\" : \"default\", \"y_axis_tick_density_custom\": 5, \"show_x_axis_label\" : false, \"show_x_axis_ticks\" : true, \"x_axis_scale\" : \"auto\", \"y_axis_scale_mode\" : \"linear\", \"show_null_points\" : true, \"point_style\" : \"circle\", \"ordering\" : \"none\", \"show_null_labels\" : false, \"show_totals_labels\" : false, \"show_silhouette\" : false, \"totals_color\" : \"#808080\", \"type\" : \"looker_scatter\", \"interpolation\" : \"linear\", \"series_types\" : {}, \"colors\": [ \"palette: Santa Cruz\" ], \"series_colors\" : {}, \"x_axis_datetime_tick_count\": null, \"trend_lines\": [ { \"color\" : \"#000000\", \"label_position\" : \"left\", \"period\" : 30, \"regression_type\" : \"average\", \"series_index\" : 1, \"show_label\" : true, \"label_type\" : \"string\", \"label\" : \"30 day moving average\" } ] }' %} {{ link }}&vis_config={{ vis_config | encode_uri }}&toggle=dat,pik,vis&limit=5000" } }
Gestapeltes Liniendiagramm mit Drehpunkten aufschlüsseln
Sie können Nutzern auch die Möglichkeit geben, sich ein gestapeltes Liniendiagramm anzusehen, z. B. ein gestapeltes Liniendiagramm, in dem der Gesamtverkaufspreis für jede Monatszahl angezeigt wird, pivotiert nach Erstellungsdatum:
Im folgenden LookML-Code werden die Einstellungen für die vorherige Visualisierung festgelegt:
measure: total_sale_price { type: sum value_format_name: usd sql: ${sale_price} ;; drill_fields: [total_sale_price, created_month_name, created_year] link: { label: "Show as stacked line" url: " {% assign vis_config = '{ \"stacking\" : \"normal\", \"legend_position\" : \"right\", \"x_axis_gridlines\" : false, \"y_axis_gridlines\" : true, \"show_view_names\" : false, \"y_axis_combined\" : true, \"show_y_axis_labels\" : true, \"show_y_axis_ticks\" : true, \"y_axis_tick_density\" : \"default\", \"show_x_axis_label\" : true, \"show_x_axis_ticks\" : true, \"show_null_points\" : false, \"interpolation\" : \"monotone\", \"type\" : \"looker_line\", \"colors\": [ \"#5245ed\", \"#ff8f95\", \"#1ea8df\", \"#353b49\", \"#49cec1\", \"#b3a0dd\" ], \"x_axis_label\" : \"Month Number\" }' %} {{ link }}&vis_config={{ vis_config | encode_uri }}&sorts=order_items.created_year+asc,order_items.created_month_name+asc&pivots=order_items.created_year&toggle=dat,pik,vis&limit=500&column_limit=15" } # NOTE the &pivots= }
Benutzerdefinierte Visualisierung aufschlüsseln
Sie können auch zulassen, dass Nutzer eine benutzerdefinierte Visualisierung aufschlüsseln:
Dazu können Sie die benutzerdefinierte Visualisierung in die Visualisierungseinstellungen aufnehmen, die Sie für den Parameter link
angeben:
measure: average_shipping_time { type: average value_format_name: decimal_2 sql: ${shipping_time} ;; drill_fields: [products.category, users.age_tier, average_shipping_time] link: { label: "See as custom viz (heatmap)" url: " {% assign vis_config = '{ \"minColor\" : \"#d6d6d6\", \"maxColor\" : \"#9a33e3\", \"dataLabels\" : false, \"custom_color_enabled\" : false, \"custom_color\" : \"forestgreen\", \"show_single_value_title\": true, \"show_comparison\" : false, \"comparison_type\" : \"value\", \"comparison_reverse_colors\": false, \"show_comparison_label\" : true, \"show_view_names\" : true, \"show_row_numbers\" : true, \"truncate_column_names\" : false, \"hide_totals\" : false, \"hide_row_totals\" : false, \"table_theme\" : \"editable\", \"limit_displayed_rows\" : false, \"enable_conditional_formatting\": false, \"conditional_formatting_include_totals\": false, \"conditional_formatting_include_nulls\": false, \"type\" : \"highcharts_heatmap\", \"stacking\" : \"\", \"show_value_labels\" : false, \"label_density\" : 25, \"legend_position\" : \"center\", \"x_axis_gridlines\" : false, \"y_axis_gridlines\" : true, \"y_axis_combined\" : true, \"show_y_axis_labels\" : true, \"show_y_axis_ticks\" : true, \"y_axis_tick_density\" : \"default\", \"y_axis_tick_density_custom\": 5, \"show_x_axis_label\" : true, \"show_x_axis_ticks\" : true, \"x_axis_scale\" : \"auto\", \"y_axis_scale_mode\" : \"linear\", \"ordering\" : \"none\", \"show_null_labels\" : false, \"show_totals_labels\" : false, \"show_silhouette\" : false, \"totals_color\" : \"#808080\", \"series_types\" : {}, \"hidden_fields\" : [ \"order_items.count\", \"order_items.total_sale_price\" ] }' %} {{ link }}&vis_config={{ vis_config | encode_uri }}&sorts=products.category+asc,users.age_tier+asc&toggle=dat,pik,vis&limit=5000" } }
Drilldown zu einer Tabellenkalkulation mit bedingter Formatierung
Sie können auch zulassen, dass Nutzer eine Tabelle aufschlüsseln, in der die bedingte Formatierung angezeigt wird:
Dies kann in LookML so definiert werden:
measure: total_sale_price { type: sum value_format_name: usd sql: ${sale_price} ;; drill_fields: [created_month, users.gender, total_sale_price] link: { label: "Table Calc & Total" url: " {% assign table_calc = '[ { \"table_calculation\": \"percent_of_total\", \"label\": \"Percent of Total\", \"expression\": \"${order_items.total_sale_price:row_total} / sum(${order_items.total_sale_price:row_total})\", \"value_format\": null, \"value_format_name\": \"percent_2\", \"_kind_hint\": \"supermeasure\", \"_type_hint\": \"number\" }, { \"table_calculation\": \"growth_rate\", \"label\": \"Growth Rate\", \"expression\": \"${order_items.total_sale_price} / offset(${order_items.total_sale_price},1) - 1\", \"value_format\": null, \"value_format_name\": \"percent_2\", \"_kind_hint\": \"measure\", \"_type_hint\": \"number\" }]' %} {% assign vis_config = '{ \"type\": \"table\", \"show_view_names\": false, \"show_row_numbers\": false, \"truncate_column_names\": false, \"table_theme\": \"gray\", \"enable_conditional_formatting\": true, \"conditional_formatting\": [ { \"type\": \"low to high\", \"value\": null, \"background_color\": null, \"font_color\": null, \"palette\": { \"name\": \"Custom\", \"colors\": [ \"#FFFFFF\", \"#6e00ff\" ]}, \"bold\": false, \"italic\": false, \"strikethrough\": false, \"fields\": [ \"growth_rate\" ]},{ \"type\": \"low to high\", \"value\": null, \"background_color\": null, \"font_color\": null, \"palette\": { \"name\": \"Custom\", \"colors\": [ \"#FFFFFF\", \"#88ff78\" ]}, \"bold\": false, \"italic\": false, \"strikethrough\": false, \"fields\": [ \"percent_of_total\" ]}]}' %} {{link}}&total=on&row_total=right&dynamic_fields={{ table_calc |replace(') ', '' | encode_uri }}&pivots=users.gender&vis_config={{ vis_config |replace(') ', '' | encode_uri }}" } }