L'analyse de période à période (PàP) est un type d'analyse qui mesure un élément dans le présent et le compare à la même mesure au cours d'une période comparable dans le passé.
Pour les dialectes compatibles avec les mesures de période à période, les développeurs Looker peuvent ajouter des mesures de période à période aux projets LookML pour activer l'analyse de période à période dans les Explorations Looker correspondantes.
Par exemple, la requête Looker Explore suivante affiche le nombre de commandes créées au cours du mois en cours, ainsi que les mesures de variation en pourcentage pour le nombre de commandes créées l'année dernière, la différence par rapport à l'année dernière et la variation en pourcentage par rapport à l'année dernière. Vous pouvez vérifier la comparaison d'une année sur l'autre en examinant les valeurs. Par exemple, la valeur de Commandes l'année dernière pour 2012-03
est la même que celle de Nombre de commandes pour 2011-03
:
Pour ajouter une mesure de variation en pourcentage à un projet LookML, un développeur Looker doit créer un measure
de type: period_over_period
et inclure les sous-paramètres décrits dans la section suivante de cette page.
Par exemple, voici le code LookML pour une mesure de variation en pourcentage qui fournit le nombre de commandes pour l'année précédente :
measure: order_count_last_year {
type: period_over_period
description: "Order count from the previous year"
based_on: orders.count
based_on_time: orders.created_year
period: year
kind: previous
}
Cette mesure de probabilité d'achat présente les attributs suivants :
- Elle est définie avec
based_on: orders.count
. La mesure "Variation en pourcentage" fournit donc des données sur le nombre de commandes de la période précédente. - Elle est définie sur
kind: previous
, ce qui signifie qu'elle fournit la valeur du nombre de commandes de la période précédente (par opposition à la différence du nombre de commandes par rapport à la période précédente ou au pourcentage de variation du nombre de commandes par rapport à la période précédente). - Elle est définie avec
period: year
. Elle fournira donc le nombre de commandes sur une période comparable à celle de l'année précédente.
Sous-paramètres des mesures de couverture et fréquence
Une mesure PoP est un measure
de type: period_over_period
qui inclut les sous-paramètres décrits dans les sections suivantes :
Comme décrit dans la section Explorer les requêtes avec des mesures PoP, les mesures PoP calculent leurs valeurs en fonction de la définition LookML de la mesure PoP et des champs d'une requête Explorer. Pour cette raison, vous devez respecter les bonnes pratiques suivantes lorsque vous créez une mesure PoP dans LookML :
- Indiquez à vos utilisateurs Explore la
period
de la mesure PoP, soit dans le nom de la mesure PoP, soit dans le sous-paramètredescription
de la mesure. - Indiquez aux utilisateurs d'Explorer la mesure
based_on
de la mesure PoP, soit dans le nom de la mesure PoP, soit dans le sous-paramètredescription
de la mesure.
Par exemple, la mesure de période sur période suivante est nommée order_count_last_year
et inclut une description pour indiquer aux utilisateurs qu'elle fournit le nombre de commandes de l'année précédente :
measure: order_count_last_year {
type: period_over_period
description: "Order count from the previous year"
based_on: orders.count
based_on_time: orders.created_year
period: year
kind: previous
}
based_on
Utilisez le champ based_on
pour spécifier la mesure LookML sur laquelle la mesure PoP est basée. Par exemple, pour baser une mesure de variation en pourcentage sur le champ orders.count
, saisissez ce qui suit :
based_on: orders.count
Une mesure PoP basée sur orders.count
fournit des informations sur le nombre de commandes d'une période précédente. Vous pouvez ainsi comparer le nombre de ventes entre une période actuelle et une période précédente.
La mesure LookML que vous spécifiez dans le champ based on
doit être l'un des types de mesures suivants :
average
average_distinct
count
count_distinct
list
max
median
median_distinct
number
min
percentile
percentile_distinct
sum
sum_distinct
based_on_time
Utilisez le sous-paramètre based_on_time
pour fournir à Looker un champ temporel qu'il pourra utiliser pour calculer les valeurs de mesure de la période précédente. Ce champ temporel peut avoir l'une des valeurs suivantes :
- Une dimension temporelle. Si vous spécifiez une dimension temporelle dans le sous-paramètre
based_on_time
, vos utilisateurs doivent inclure exactement la même dimension temporelle dans toutes les requêtes qui utilisent la mesure "Variation en pourcentage". De plus, la période de la dimension temporelle doit être égale ou inférieure à la valeurperiod
de la mesure de variation en pourcentage. Par exemple, si la mesure PoP est définie avecbased_on_time: created_month
, la valeurperiod
de la mesure PoP ne peut pas êtreweek
nidate
. L'une des périodes suivantes d'un groupe de dimensions
type: time
:year
fiscal_year
month
fiscal_quarter
quarter
week
date
raw
Si vous spécifiez une période pour le groupe de dimensions dans le sous-paramètre based_on_time
, la période spécifique que vous utilisez n'a pas d'importance. Vous devez simplement pointer la mesure de période sur un groupe de dimensions de type: time
afin que la mesure de période puisse utiliser le code temporel sous-jacent du groupe de dimensions. Vous ne pouvez pas spécifier de période à partir d'un groupe de dimensions type: duration
. Les groupes de dimensions de type "durée" ne sont pas acceptés et génèrent une erreur d'exécution dans Explorer.
kind
Utilisez le paramètre kind
pour spécifier le type de calcul que la mesure de variation en pourcentage doit effectuer pour la période précédente. Vous pouvez spécifier l'une des valeurs suivantes pour kind
:
previous
: (par défaut) valeur de la période précédente.difference
: différence entre les périodes (la période précédente est soustraite de la période actuelle).relative_change
: variation en pourcentage par rapport à la période précédente. La variation en pourcentage est calculée à l'aide de l'équation suivante :$$ relativeChange = (current - previous)/previous $$
period
Utilisez le sous-paramètre period
pour spécifier la cadence de la mesure de variation de prix, c'est-à-dire le nombre de périodes à remonter dans votre comparaison. Par exemple, une mesure de variation en pourcentage définie avec period: year
affichera les valeurs de l'année précédente. Si vous exécutez une requête Explorer sur le nombre de commandes mensuel, la mesure period: year
(variation en pourcentage par rapport à la période précédente) affichera les valeurs du même mois de l'année précédente. Vous pourrez ainsi comparer le nombre de commandes de novembre 2025 à celui de novembre 2024.
Le sous-paramètre period
accepte les valeurs suivantes :
year
fiscal_year
quarter
fiscal_quarter
month
week
date
value_to_date
Utilisez le sous-paramètre value_to_date
pour indiquer si Looker doit calculer les valeurs de la mesure "période sur période" en utilisant la durée écoulée dans la période actuelle au moment de l'exécution de la requête. Le sous-paramètre value_to_date
peut être no
(par défaut) ou yes
.
- Une valeur de
no
suppose que l'intégralité de la période est utilisée lors de l'agrégation des données. - Une valeur de
yes
calcule la durée observée au cours de la période actuelle et l'applique à la mesure de période précédente.
Par exemple, avec une mesure de variation en pourcentage d'une période à l'autre définie avec value_to_date: yes
, si vous exécutez une requête Explorer à 13h10 le 6 juin avec la mesure de variation en pourcentage d'une période à l'autre et une dimension de période, Looker appliquera le temps écoulé le 6 juin (13 heures, 10 minutes et 0 seconde) aux calculs pour chacune des dates de la requête. Pour chaque date, Looker fournira les valeurs des 13 premières heures et 10 minutes.
Si vous aviez la même mesure de variation en pourcentage définie avec value_to_date: no
et que vous exécutiez la même requête Explorer le 6 juin à 13:10:00, Looker calculerait la valeur de la variation en pourcentage en utilisant toutes les données disponibles pour chaque date. Si vous essayez de comparer les valeurs du 6 juin à celles du 6 du mois précédent, sachez que le 6 juin n'est pas encore terminé. Il est donc possible que des données supplémentaires soient disponibles après 13h10.
Pour obtenir un exemple de l'impact de value_to_date: yes
sur les résultats d'une requête Explorer, consultez Comment value_to_date
affecte les valeurs de la mesure PoP.
Comme décrit dans la section Exigences pour les requêtes Explorer avec des mesures PoP, lorsque vous exécutez une requête Explorer avec une mesure PoP, Looker applique automatiquement la précision temporelle minimale de la requête à la période utilisée par la mesure PoP. Pour les requêtes Explorer avec une mesure PoP définie avec value_to_date: yes
, Looker prend la dimension de période la plus petite de la requête et calcule la partie de cette période qui s'est écoulée lorsque la requête est exécutée. Il applique ensuite cette partie à toutes les valeurs de la mesure PoP.
Explorer les requêtes avec des mesures de part de portefeuille
Le calcul effectué pour une mesure PoP est basé sur la définition LookML de la mesure PoP, ainsi que sur les périodes spécifiées dans la requête Explorer elle-même. La mesure PoP adapte son calcul aux périodes sélectionnées dans la requête Explorer. Par exemple, si la mesure de variation en pourcentage est définie avec period: year
et que la requête Explorer contient la dimension de période orders.created_month
, la mesure de variation en pourcentage calculera les valeurs mensuelles en comparant janvier 2025 à janvier 2024. Si vous souhaitez afficher les valeurs annuelles, vous devez exécuter une requête Explorer avec la mesure "Variation en pourcentage" et uniquement la période orders.created_year
.
Voici quelques exemples de la façon dont une mesure de variation en pourcentage (period
) interagit avec les périodes sélectionnées dans une requête Explorer :
- Si une mesure PoP est définie avec
period: year
et que vous exécutez une requête Explorer avec un intervalle trimestriel, la mesure PoP renverra les valeurs du même trimestre de l'année précédente (T1 2025 par rapport à T1 2024). - Si une mesure PoP est définie avec
period: year
et que vous exécutez une requête Explorer avec un intervalle de temps mensuel, la mesure PoP renvoie les valeurs du même mois de l'année précédente (avril 2025 par rapport à avril 2024). - Si une mesure PoP est définie avec
period: month
et que vous exécutez une requête Explorer avec un intervalle de temps mensuel, la mesure PoP renverra les valeurs du mois précédent (avril 2025 par rapport à mars 2025).
Conditions requises pour les requêtes Explorer avec des mesures de période par période
Étant donné qu'une mesure de variation en pourcentage effectue des calculs basés à la fois sur la définition LookML de la mesure de variation en pourcentage et sur les champs que vous sélectionnez dans la requête Explorer, vous devez au minimum inclure les champs suivants dans une requête Explorer comportant une mesure de variation en pourcentage :
- Mesure de la probabilité d'achat.
- Dimension temporelle adaptée à la
period
associée à la mesure de variation en pourcentage. La dimension temporelle peut être incluse dans la requête à partir du sélecteur de champ de l'exploration ou dans les filtres de l'exploration :- Les requêtes de mesure de couverture et de fréquence sont compatibles avec des périodes de granularité "date" ou plus grandes, comme "mois", "trimestre" ou "année". Les requêtes de mesure de variation en pourcentage ne sont pas compatibles avec les dimensions dont les périodes sont exprimées en heures ou en minutes.
- Si la mesure de variation de période à période est définie avec un
based_on_time
qui est une période d'un groupe de dimensions, la requête Explorer doit inclure une période du même groupe de dimensions qui utilise une période égale ou inférieure à celle spécifiée dans le paramètreperiod
de la mesure de variation de période à période. Vous pouvez inclure le groupe de dimensions dans l'exploration elle-même (en le sélectionnant dans le sélecteur de champ de l'exploration) ou en filtrant sur le groupe de dimensions. Par exemple, si la valeurbased_on_time
de la mesure de variation en pourcentage est définie avec un intervalle de temps provenant du groupe de dimensionsorders.created
et que la mesure de variation en pourcentage est définie avecperiod: month
, la requête Explorer doit inclure un intervalle de temps provenant du groupe de dimensionsorders.created
qui est inférieur ou égal à un mois, tel queorders.created_date
. La période de la requête Explorer doit être identique ou plus courte. Par exemple, vous ne pouvez pas comparer un mois à un autre sur une période d'un an. - Si la mesure PoP est définie avec un
based_on_time
qui est une dimension temporelle, la requête Explorer doit inclure exactement la même dimension temporelle, soit en incluant la dimension du sélecteur de champ de l'exploration, soit en spécifiant un filtre sur la dimension. La dimension temporelle doit être d'une période égale ou inférieure à celle spécifiée dans le paramètreperiod
de la mesure de période sur période. Par exemple, si la mesure PoP est définie avecbased_on_time: created_date
et que la mesure PoP est définie avecperiod: month
, la requête Explorer doit inclure la dimensioncreated_date
.
Si la mesure PoP est définie avec un based_on_time
qui est une période d'un groupe de dimensions, notez les exigences suivantes concernant la période dans la requête Explorer :
- La période dans la requête Explorer doit être égale ou inférieure à celle spécifiée dans le paramètre
period
de la mesure de part de portefeuille. Par exemple, si lebased_on_time
de la mesure PoP est défini avec un intervalle de temps provenant du groupe de dimensionsorders.created
et que la mesure PoP est définie avecperiod: month
, la requête Explorer doit inclure un intervalle de temps provenant du groupe de dimensionsorders.created
qui est inférieur ou égal à un mois, tel queorders.created_date
. Le délai dans la requête Explorer doit être plus court. Par exemple, vous ne pouvez pas comparer un mois à un autre sur une période d'un an. - Le délai dans la requête Explore doit lui-même contenir des informations d'horodatage. Par exemple, les périodes
year
,month
etdate
d'un groupe de dimensions fournissent des informations d'horodatage réelles. En revanche, le champday_of_week
est abstrait du code temporel sous-jacent pour fournir une valeur telle queWednesday
. De même, les périodes telles quemonth_name
,month_num
etday_of_month
ne fournissent pas d'informations d'horodatage. Les mesures PoP ne peuvent donc pas les utiliser pour calculer les valeurs de la période précédente. Toutefois, si vous incluez un code temporel tel quedate
dans la requête Explorer, la mesure PoP disposera d'informations temporelles qu'elle pourra utiliser pour calculer les valeurs de la période précédente. Vous pouvez également inclure la périodeday_of_week
dans la requête d'exploration, car la mesure de période par période peut utiliser les informations de périodedate
pour les calculs.
Tant que vous respectez ces exigences dans votre requête d'exploration, vous pouvez ajouter d'autres champs et dimensions de période dans la requête d'exploration. Toutefois, toutes les périodes de la requête d'exploration doivent être égales ou inférieures à la période de la dimension period
de la mesure PoP. Lorsque vous exécutez une requête Explorer avec une mesure PoP, Looker applique automatiquement la précision de période minimale de la requête à la période utilisée par la mesure PoP. Dans l'exemple d'exploration présenté au début de cette page, toutes les mesures de part de propriété ont été définies dans LookML avec period: year
. Cela signifie que, quelle que soit la période sélectionnée dans la requête Explorer (dans ce cas, une période mensuelle), la mesure PoP renverra les résultats pour la même période de l'année précédente.
Si vous souhaitez voir les périodes compatibles avec votre mesure de période par période dans un Explore, vous pouvez tester différentes périodes sans avoir à exécuter de requêtes. Cliquez sur l'onglet SQL de la section Données de l'exploration, puis ajoutez des champs et des filtres à partir du sélecteur de champs de l'exploration. Si la mesure PoP ne peut pas calculer la requête avec les champs et les filtres sélectionnés, l'onglet SQL affichera un message indiquant que le code SQL ne peut pas être généré.
Si vous exécutez une requête pour laquelle le code SQL ne peut pas être généré, la fenêtre "Explorer" renvoie une erreur avec les détails et un lien vers le fichier LookML correspondant.
Exemples
Les sections suivantes présentent quelques exemples de différentes mesures de PdP et requêtes "Explorer" :
- Comparer les nombres aux mesures de probabilité de présence (PoP) d'une année sur l'autre et d'un mois sur l'autre
- Impact de
value_to_date
sur les valeurs de mesure du PdP
Comparer les nombres aux mesures de couverture et de pénétration d'une année sur l'autre et d'un mois sur l'autre
Voici le code LookML pour un exemple de mesure total_births
, un groupe de dimensions birth
de type:time
et deux mesures de variation en pourcentage basées sur la mesure total_births
et qui utilisent le groupe de dimensions birth
comme champ based_on_time
:
dimension_group: birth {
type: time
timeframes: [raw, time, date, week, month, quarter, year]
sql: ${TABLE}.birth_date ;;
}
measure: total_births {
type: sum
sql: ${TABLE}.total_births ;;
}
measure: total_births_last_year {
type: period_over_period
kind: previous
based_on: total_births
based_on_time: birth_year
period: year
value_to_date: no
value_format_name: decimal_0
}
measure: total_births_last_month {
type: period_over_period
kind: previous
based_on: total_births
based_on_time: birth_year
period: month
value_to_date: no
value_format_name: decimal_0
}
Notez les points suivants concernant ces champs :
- Les deux mesures de variation d'une période à l'autre sont définies avec
kind: previous
. Elles fournissent donc toutes les deux la valeur de la mesure de la période précédente. - Les deux mesures de variation en pourcentage sont définies avec
value_to_date: no
. Elles calculent donc la valeur de la mesure pour l'ensemble de la période (c'est-à-dire la granularité de période minimale de la requête). - Les deux mesures de probabilité d'achat sont définies avec
based_on_time: birth_year
. Elles utilisent donc toutes les deux le code temporel sous-jacent du groupe de dimensionsbirth
. - La mesure
total_births_last_year
de la probabilité d'achat est définie avecperiod: year
, et la mesuretotal_births_last_month
de la probabilité d'achat est définie avecperiod: month
.
Voici une requête Explorer qui inclut les trois mesures et la période de la dimension birth_month
:
Remarques concernant les résultats de l'onglet "Explorer" :
- La période la plus courte de la dimension dans la requête Explorer est
birth_month
. La mesure de variation en pourcentage fournit donc des valeurs mensuelles. - Dans la ligne du mois le plus récent, 2024-07, la valeur Total des naissances le mois dernier indique le nombre total de naissances pour le mois précédent, 2024-06. Pour le vérifier, consultez la valeur Total des naissances de la ligne 2024-06. Les deux valeurs correspondent.
- Dans la ligne du mois le plus récent, 2024-07, la valeur Total des naissances l'année dernière indique le nombre total de naissances pour le même mois (07) de l'année précédente (2023). Pour le vérifier, consultez la valeur Total des naissances pour la ligne 2023-07. Les deux valeurs correspondent.
Impact de value_to_date
sur les valeurs de mesure de la période après période
Comme dans l'exemple précédent, voici le LookML pour la mesure total_births
et le groupe de dimensions birth
de type:time
, ainsi que deux mesures de variation en pourcentage basées sur la mesure total_births
et qui utilisent le groupe de dimensions birth
comme champ based_on_time
. Toutefois, dans cet exemple, la mesure de couverture et fréquence total_births_last_year_value_to_date
est définie avec value_to_date: yes
, et la mesure de couverture et fréquence total_births_last_year
est définie avec value_to_date: no
:
dimension_group: birth {
type: time
timeframes: [raw, time, date, week, month, quarter, year]
sql: ${TABLE}.birth_date ;;
}
measure: total_births {
type: sum
sql: ${TABLE}.total_births ;;
}
measure: total_births_last_year {
type: period_over_period
kind: previous
based_on: total_births
based_on_time: birth_year
period: year
value_to_date: no
value_format_name: decimal_0
}
measure: total_births_last_year_value_to_date {
type: period_over_period
kind: previous
based_on: total_births
based_on_time: birth_year
value_to_date: yes
period: year
value_format_name: decimal_0
}
Voici une requête Explorer qui inclut les trois mesures et la période de la dimension birth_year
. Cette requête Explorer a été exécutée le 4 juin à 16:25:08, ce qui est important pour la mesure value_to_date: yes
du PdP.
Les résultats de l'exploration montrent comment le sous-paramètre value_to_date
modifie le calcul des mesures de variation en pourcentage :
Remarques concernant les résultats de l'onglet "Explorer" :
- Sur la ligne de l'année la plus récente, 2024, la valeur Total des naissances l'année dernière indique le nombre total de naissances pour l'année précédente, 2023. Pour vérifier le calcul, consultez la valeur Total des naissances pour la ligne 2023. Les deux valeurs correspondent.
- Dans la ligne de l'année la plus récente, 2024, la valeur Total des naissances l'année dernière (cumul) est inférieure à la valeur Total des naissances l'année dernière. En effet, la requête Explorer a été exécutée le 4 juin à 16:25:08, et la mesure
total_births_last_year_value_to_date
(variation en pourcentage) est définie avecvalue_to_date: yes
. Looker a donc calculé les valeurs annuelles en utilisant uniquement les données jusqu'au 4 juin à 16:25:08 pour chaque année.
Filtrer les requêtes Explorer qui incluent des mesures de variation en pourcentage
Notez les points suivants concernant le filtrage des requêtes Explorer qui incluent des mesures de période sur période :
- Le filtrage est compatible avec les requêtes Explorer qui incluent des mesures de point de présence. Toutefois, vous ne pouvez pas filtrer une mesure de probabilité d'achat elle-même. Par exemple, dans l'exemple d'exploration qui interroge la dimension
birth_month
et les mesures de PdPtotal_births
,total_births_last_year
ettotal_births_last_month
, vous ne pouvez pas filtrer cette requête sur les mesures de PdPtotal_births
,total_births_last_year
outotal_births_last_month
. - Lorsque vous filtrez un champ associé au paramètre
based_on_time
d'une mesure de variation de période à période, si la période du filtre est plus précise que celle de la requête, la mesure de variation de période à période n'affichera que les résultats pour la partie de la période de la requête correspondant à la valeur du filtre. Par exemple, si vous interrogez la dimensionorders.created_year
et que vous filtrez la requête pour le mois de janvier, la mesure PoP affichera les valeurs de janvier uniquement pour chaque année. Les utilisateurs peuvent penser qu'il s'agit des résultats pour l'année entière. - Pour les requêtes Explore sur la mesure PoP, Looker récupère les données pour une période supplémentaire au niveau de précision le plus faible de la requête afin de calculer les données pour la mesure PoP. Par exemple, si vous créez une requête Explorer avec une dimension mensuelle, une mesure PoP définie avec
period: year
et un filtre pour les six derniers mois, Looker identifiera la granularité la moins précise de la requête, qui dans cet exemple serait la périodeyear
de la mesure PoP. Dans cet exemple, Looker récupère les données des six derniers mois, ainsi que celles d'une année supplémentaire, afin de pouvoir comparer chacun des six derniers mois au même mois de l'année précédente. - Comme décrit dans Exigences concernant les requêtes Explorer avec des mesures de période par période, les requêtes Explorer qui incluent des mesures de période par période doivent comporter une dimension temporelle adaptée à la
period
associée à la mesure de période par période. Si vous ne sélectionnez pas de dimension temporelle dans le sélecteur de champ de l'exploration, Looker peut obtenir les informations requises à partir des dimensions temporelles dans les filtres de l'exploration. Dans ce cas, Looker trie les résultats de la requête Explorer selon la dimension temporelle du filtre.
Visualisations avec des mesures de PDM
La visualisation sous forme de tableau est recommandée pour les mesures de prix par période. D'autres options de visualisation peuvent également fonctionner, en fonction des champs de votre requête Explorer.
Si vous utilisez une visualisation autre qu'un tableau, vérifiez qu'elle est claire. Étant donné que les mesures de variation en pourcentage comparent les données à une période précédente, les visualisations qui les utilisent peuvent être trompeuses. Par exemple, une mesure de variation en pourcentage d'une année sur l'autre définie sur kind: previous
affichera la valeur de l'année dernière pour la date de cette année. Si votre requête Explorer inclut la valeur de l'année en cours ainsi que la mesure de variation en pourcentage d'une année sur l'autre, l'année en cours aura deux valeurs dans la visualisation.
Si vous utilisez une visualisation autre qu'un tableau, vérifiez qu'elle indique clairement que les mesures PoP sont une comparaison avec une période précédente.
Limites des mesures de point de présence
Notez les limites suivantes des mesures de couverture et de fréquence :
- Les mesures PoP ne sont compatibles qu'avec les projets LookML qui utilisent le nouveau moteur d'exécution LookML. Si l'ancienne fonctionnalité Utiliser l'ancien environnement d'exécution LookML est activée sur votre instance, le fichier manifeste de votre projet doit inclure une instruction
new_lookml_runtime:yes
. - Les mesures PoP ne sont pas compatibles avec le connecteur Looker dans Looker Studio.
- Les mesures de période par période doivent être basées sur une mesure agrégée, comme décrit dans la section
based_on
. Vous ne pouvez pas baser une mesure PoP sur une mesure non agrégée. - Pour les connexions BigQuery sur les instances où la fonctionnalité expérimentale Agrégats symétriques BI Engine est activée, les mesures PoP sont acceptées, mais les requêtes SQL avec des mesures PoP n'utiliseront pas la fonctionnalité Agrégats symétriques BI Engine.
- Les mesures de période sur période ne sont pas compatibles avec l'analyse de cohortes.
- Les mesures PoP ne sont pas compatibles avec les calculs cumulés.
- Les mesures PoP comparent toujours la période actuelle à la période précédente. Vous ne pouvez pas configurer une mesure PoP pour comparer la période actuelle à une période autre que la précédente. Par exemple, vous ne pouvez pas créer de mesure PoP pour comparer le mois de mai de l'année dernière au mois de décembre de cette année.
- Les mesures de période sur période ne sont pas compatibles avec les calendriers personnalisés, tels que les calendriers commerciaux 4-5-4. Pour connaître les périodes couvertes par les métriques de couverture et de fréquence, consultez la section
period
. - Les mesures de période sur période ne sont pas compatibles avec les périodes personnalisées, comme les deux semaines actuelles par rapport aux deux semaines précédentes.
Les paramètres Liquid ne sont pas acceptés dans les paramètres d'une mesure PoP. Toutefois, si les champs
based_on
oubased_on_time
d'un point de mesure de pourcentage de variation font référence à une dimension définie avec Liquid, ce code Liquid sera traité.Les mesures de variation en pourcentage ne sont pas compatibles avec les fonctionnalités Looker suivantes :
Vous ne pouvez pas utiliser les mesures de probabilité d'achat pour créer un champ personnalisé.
Vous ne pouvez pas sélectionner la période hebdomadaire dans une requête Explore avec des mesures de période par période, sauf si la mesure de période par période est définie avec
period: week
ouperiod: date
.Les mesures PoP avec des périodes définies avec des périodes fiscales ne peuvent pas être utilisées dans des requêtes d'exploration avec des périodes non fiscales. De plus, les mesures PoP avec des périodes définies avec des périodes non fiscales ne peuvent pas être utilisées dans des requêtes avec des dimensions de période fiscale.
Les mesures PoP sont compatibles avec le décalage du mois fiscal. En effet, le paramètre
based_on_time
de la mesure PoP hérite de la valeurfiscal_month_offset
du fichier de modèle LookML associé à l'exploration. Si vous définissez une mesure PoP avecfiscal_year
oufiscal_quarter
, elle ne sera acceptée dans une requête Explorer que si celle-ci spécifie une périodefiscal_year
oufiscal_quarter
. Dans ce cas, la valeurfiscal_offset_month
est respectée.Le
period
de la mesure de couverture et fréquence doit être égal ou supérieur à la période sélectionnée dans la requête d'exploration. Par exemple, pour une mesure PoP définie avecperiod: month
, la requête Explorer doit avoir une dimension de période d'un mois ou moins, comme une semaine ou un jour.
Dialectes de base de données pris en charge pour les mesures de période sur période
Le tableau suivant indique les dialectes qui prennent en charge les mesures PoP dans la dernière version de Looker :
Dialecte | Compatibilité |
---|---|
Actian Avalanche | Non |
Amazon Athena | Non |
Amazon Aurora MySQL | Non |
Amazon Redshift | Oui |
Amazon Redshift 2.1+ | Oui |
Amazon Redshift Serverless 2.1+ | Oui |
Apache Druid | Non |
Apache Druid 0.13+ | Non |
Apache Druid 0.18+ | Non |
Apache Hive 2.3+ | Non |
Apache Hive 3.1.2+ | Non |
Apache Spark 3+ | Non |
ClickHouse | Non |
Cloudera Impala 3.1+ | Non |
Cloudera Impala 3.1+ with Native Driver | Non |
Cloudera Impala with Native Driver | Non |
DataVirtuality | Non |
Databricks | Non |
Denodo 7 | Non |
Denodo 8 & 9 | Non |
Dremio | Non |
Dremio 11+ | Non |
Exasol | Non |
Google BigQuery Legacy SQL | Non |
Google BigQuery Standard SQL | Oui |
Google Cloud PostgreSQL | Non |
Google Cloud SQL | Non |
Google Spanner | Non |
Greenplum | Non |
HyperSQL | Non |
IBM Netezza | Non |
MariaDB | Non |
Microsoft Azure PostgreSQL | Non |
Microsoft Azure SQL Database | Non |
Microsoft Azure Synapse Analytics | Non |
Microsoft SQL Server 2008+ | Non |
Microsoft SQL Server 2012+ | Non |
Microsoft SQL Server 2016 | Non |
Microsoft SQL Server 2017+ | Non |
MongoBI | Non |
MySQL | Non |
MySQL 8.0.12+ | Oui |
Oracle | Non |
Oracle ADWC | Non |
PostgreSQL 9.5+ | Non |
PostgreSQL pre-9.5 | Non |
PrestoDB | Non |
PrestoSQL | Non |
SAP HANA | Non |
SAP HANA 2+ | Non |
SingleStore | Non |
SingleStore 7+ | Non |
Snowflake | Oui |
Teradata | Non |
Trino | Non |
Vector | Non |
Vertica | Non |