Nejprve je důležité vědět, podle kterých sloupců chcete seskupit a jak je chcete seskupit. Budete to potřebovat vědět, abyste mohli nastavit CASE STATEMENT
zapíšeme jako sloupec v našem vybraném příkazu. V našem případě ve skupině e-mailů, které přistupují na naše stránky, chceme vědět, kolik kliknutí každý poskytovatel e-mailu započítává od začátku srpna. Rádi bychom také porovnali jednotlivého poskytovatele e-mailových služeb s ostatními. V tomto příkladu budeme jako poskytovatele služeb používat Gmail.
V našem SELECT
budeme potřebovat DATE
, PROVIDER
a SUM
z CLICKS
na naše stránky. Můžeme je získat z TEST E MAILS
tabulky v našem zdroji dat.
DATE
sloupec je docela jednoduchý:
"Test E Mails"."Created_Date" AS "DATE
A protože hledáme SUM
z CLICKS
, budeme muset odeslat SUM
funkce přes CLICKS
sloupec.
SUM("Test E Mails"."Clicks") AS "CLICKS"
Tím se dostáváme k našemu CASE STATEMENT
. Z dokumentace PostgreSQL víme, že CASE STATEMENT nebo podmíněný příkaz je třeba uspořádat následujícím způsobem:
CASE
WHEN condition THEN result
[WHEN ...]
[ELSE result]
END
Naší první a v tomto případě jedinou podmínkou je, že chceme, aby byly všechny e-mailové adresy, které poskytuje Gmail, odděleny od všech ostatních poskytovatelů e-mailu. Takže jediné WHEN
je:
WHEN "Test E Mails"."Provider" = 'Gmail' THEN 'Gmail'
A prohlášení else by bylo „Jiné“ pro každého jiného poskytovatele e-mailových adres. Výsledná tabulka tohoto CASE STATEMENT
pouze s odpovídajícími e-maily. Bude vypadat takto:
Když poskládáte všechny tři tyto sloupce do jednoho SELECT STATEMENT
a vhoďte zbytek nezbytných částí k sestavení SQL dotazu, vše nabere tvar níže.
Poté po přidání PIVOT DATA
vstoupíte do datového kanálu, získáme tabulku správně uspořádanou ve správném formátu pro vytvoření spojnicového grafu, který ukazuje, jak jsou kliknutí porovnávána v čase.
Při používání Chartia můžeme dělat vše výše uvedené bez psaní SQL, ale s využitím funkcí Průzkumník dat a Data Pipeline. Po vytvoření našeho základního dotazu, který načte všechny sloupce, budeme potřebovat SUM OF CLICKS
, DATE
a EMAIL ADDRESS
můžeme použít Data Pipeline k manipulaci s těmito daty po SQL. Nejprve sestavíme dotaz.
Přetáhněte „Sloupec kliknutí“ do pole opatření a agregujte jej podle TOTAL SUM
kliknutí na sloupec a poté jej přejmenujte na „KLIKNUTÍ“.
Poté přetáhněte „Datum vytvoření“ a „Poskytovatel“ do pole dimenzí a přejmenujte je na „Datum“ a „Poskytovatel e-mailu“. Poté můžete pomocí sloupce „Datum vytvoření“ nastavit rozsah data (nebo vytvořit svůj WHERE
doložka), aby bylo vše po 1. 8. 2017. To efektivně vytvoří vše, co potřebujeme v základním dotazu k vytvoření CASE STATEMENT
provedli jsme výše v Data Pipeline společnosti Chartio.
Přidání CASE STATEMENT
pipeline step nám umožňuje nastavit podmínky pro WHEN
a ELSE
stejně jako předtím, aniž bychom museli zadávat celou syntaxi SQL.
Poté po skrytí původního sloupce „Poskytovatel“ a použití REORDER COLUMNS
krok a PIVOT DATA
krok získáme stejné uspořádání tabulek, jaké jsme získali v režimu SQL, a můžeme prezentovat stejnou tabulku, jako jsme vytvořili v režimu SQL.
I když to může trvat o několik kliknutí a kroků více než v režimu SQL, výsledný spojnicový graf vytvořený v interaktivním režimu nevyžaduje žádnou znalost syntaxe SQL. Místo toho je zapotřebí pouze základní pochopení příslušných principů. Toto je další příklad toho, jak Chartio pomáhá dát sílu dat do rukou každého, bez ohledu na znalosti SQL.