Mesures par période dans Looker

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 variation en pourcentage, les développeurs Looker peuvent ajouter des mesures de variation en pourcentage aux projets LookML pour activer l'analyse de la variation en pourcentage 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 période sur période 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 contrôlant ponctuellement 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 :

L'explorateur Looker affiche 89 commandes l'année dernière pour mars 2012 et 89 commandes pour mars 2011.

Pour ajouter une mesure PoP 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.

Voici, par exemple, le code LookML d'une mesure de variation en pourcentage qui 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
  }

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 de fréquence

Une mesure de probabilité d'achat 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 aux utilisateurs Explore la période de la mesure de variation en pourcentage, soit dans le nom de la mesure, soit dans le sous-paramètre description de la mesure.
  • Indiquez à vos utilisateurs Explore la mesure based_on de la mesure PoP, soit dans le nom de la mesure PoP, soit dans le sous-paramètre description de la mesure.

Par exemple, la mesure de variation en pourcentage 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, vous devez saisir 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 :

based_on_time

Utilisez le sous-paramètre based_on_time pour fournir à Looker un champ temporel qu'il peut 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, le délai de la dimension temporelle doit être égal ou inférieur à la valeur period de la mesure de variation en pourcentage. Par exemple, si la mesure PoP est définie avec based_on_time: created_month, la valeur period de la mesure PoP ne peut pas être week ni date.

  • L'une des périodes suivantes d'un groupe de dimensions type: time :

    • year
    • fiscal_year
    • month
    • fiscal_quarter
    • quarter
    • week
    • date
    • raw

  • L'une des périodes suivantes d'un groupe de dimensions type: custom_calendar

    • custom_date
    • custom_period
    • custom_quarter
    • custom_season
    • custom_week
    • custom_year

Si vous spécifiez une période de groupe de dimensions dans le sous-paramètre based_on_time, la période spécifique que vous utilisez n'a pas d'importance. Il vous suffit de 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. Le pourcentage de variation est calculé 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 période à période, 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 au nombre de ventes de novembre 2024.

Le sous-paramètre period accepte les valeurs suivantes :

  • year
  • fiscal_year
  • quarter
  • fiscal_quarter
  • month
  • week
  • date

custom_calendar_period

Si votre mesure de variation en pourcentage est basée sur un calendrier personnalisé (si le paramètre based_on_time de la mesure de variation en pourcentage spécifie une période correspondant à un groupe de dimensions type: custom_calendar), vous devez utiliser le paramètre custom_calendar_period au lieu du paramètre period.

Utilisez le sous-paramètre custom_calendar_period pour spécifier la cadence de la mesure de variation de période à période, c'est-à-dire le nombre de périodes à remonter dans votre comparaison. Par exemple, une mesure PoP définie avec custom_calendar_period: custom_year affichera les valeurs de l'année précédente (telles que définies dans votre calendrier personnalisé). Si vous exécutez une requête Explorer sur le nombre de commandes mensuel personnalisé, la mesure custom_calendar_period: custom_year (variation en pourcentage) affichera les valeurs du même mois de l'année précédente. Vous pourrez ainsi comparer le nombre de commandes du mois personnalisé en 2026 au nombre de ventes du même mois personnalisé en 2025.

Le sous-paramètre custom_calendar_period accepte les valeurs suivantes :

  • custom_date
  • custom_period
  • custom_quarter
  • custom_season
  • custom_week
  • custom_year

Pour savoir comment créer des mesures PoP qui utilisent un calendrier personnalisé, consultez la section Utiliser des mesures PoP avec des calendriers personnalisés.

value_to_date

Utilisez le sous-paramètre value_to_date pour indiquer si Looker doit calculer les valeurs de la mesure "PoP" 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 calculera la durée observée au cours de la période actuelle et l'appliquera à la mesure de période sur période.

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 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 fournit 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'étant pas encore terminé, il est 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 devrez exécuter une requête Explorer avec la mesure de variation en pourcentage et uniquement le champ orders.created_year.

Voici quelques exemples de la façon dont la mesure de part de portefeuille 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 renverra les valeurs du même mois de l'année précédente (avril 2025 par rapport à avril 2024).
  • Si une mesure de variation en pourcentage est définie avec period: month et que vous exécutez une requête Explorer avec un intervalle de temps mensuel, la mesure de variation en pourcentage renvoie les valeurs du mois précédent (avril 2025 par rapport à mars 2025).

Conditions requises pour les requêtes Explorer avec des mesures de part de propriété

Étant donné qu'une mesure PoP effectue des calculs basés à la fois sur la définition LookML de la mesure PoP et sur les champs que vous sélectionnez dans la requête d'exploration, vous devez au minimum inclure les champs suivants dans une requête d'exploration comportant une mesure PoP :

  • Mesure du PoP.
  • Dimension temporelle adaptée à la period associée à la mesure de probabilité d'achat. 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 variation d'une période à l'autre sont compatibles avec les granularités de période "date" ou plus grandes, comme "mois", "trimestre" ou "année". Les requêtes sur les mesures de couverture et de fréquence ne sont pas compatibles avec les dimensions dont les périodes sont exprimées en heures ou en minutes.
    • Si la mesure PoP 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 paramètre period de la mesure PoP. 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 valeur based_on_time de la mesure de variation en pourcentage est définie avec une période issue du groupe de dimensions orders.created et que la mesure de variation en pourcentage est définie avec period: month, la requête Explorer doit inclure une période issue du groupe de dimensions orders.created qui est inférieure ou égale à un mois, comme orders.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 d'exploration 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 paramètre period de la mesure "Variation en pourcentage". Par exemple, si la mesure PoP est définie avec based_on_time: created_date et la mesure PoP est définie avec period: month, la requête Explorer doit inclure la dimension created_date.

Si la mesure de probabilité d'achat 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 PdP. Par exemple, si le based_on_time de la mesure "Variation en pourcentage" est défini avec une période issue du groupe de dimensions orders.created et que la mesure "Variation en pourcentage" est définie avec period: month, la requête Explorer doit inclure une période issue du groupe de dimensions orders.created qui est inférieure ou égale à un mois, comme orders.created_date. La période de la requête Explorer doit être plus courte. 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 et date d'un groupe de dimensions fournissent des informations d'horodatage réelles. En revanche, le champ day_of_week est abstrait du code temporel sous-jacent pour fournir une valeur telle que Wednesday. De même, les périodes telles que month_name, month_num et day_of_month ne fournissent pas d'informations sur les codes temporels. Les mesures de période sur période ne peuvent donc pas les utiliser pour calculer les valeurs de la période précédente. Toutefois, si vous incluez un code temporel tel que date 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 période day_of_week dans la requête d'exploration, car la mesure de variation en pourcentage peut utiliser les informations de période date 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 mesure period de variation en pourcentage. Lorsque vous exécutez une requête Explorer avec une mesure de variation en pourcentage, Looker applique automatiquement la précision temporelle minimale de la requête à l'élément temporel utilisé par la mesure de variation en pourcentage. Dans l'exemple d'exploration présenté au début de cette page, les mesures de variation en pourcentage ont toutes 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 "Variation en pourcentage" renverra les résultats pour la même période l'année précédente.

Si vous souhaitez savoir quels sont les cadres temporels compatibles avec votre mesure de variation en pourcentage dans une exploration, vous pouvez tester différents cadres temporels 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 de variation de période à période 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 concerné.

Utiliser des mesures de période sur période avec des calendriers personnalisés

Pour créer une mesure PoP qui utilise un calendrier personnalisé, vous devez procéder comme suit :

  • Dans le fichier de vue où vous modélisez votre calendrier personnalisé, vous pouvez inclure un bloc de paramètres previous_ordinal_mapping dans votre bloc de paramètres calendar_definition. Le paramètre previous_ordinal_mapping est facultatif à partir de Looker 26.8. Dans Looker 26.8 et versions ultérieures, Looker suppose que la semaine précédente de la semaine 1 est la semaine 52 et que le jour précédent du jour 1 est le jour 364 pour les calendriers personnalisés. Si ce n'est pas le cas pour votre agenda personnalisé, vous devez utiliser le bloc de paramètres previous_ordinal_mapping.
  • Dans la définition LookML de la mesure PoP, dans le paramètre based_on_time, spécifiez la période annuelle d'un groupe de dimensions type: custom_calendar.
  • Dans la définition LookML de la mesure PoP, utilisez le paramètre custom_calendar_period au lieu du paramètre period.

Par exemple, voici le code LookML pour un groupe de dimensions de calendrier personnalisé et une mesure de variation en pourcentage qui utilise le calendrier personnalisé :

dimension_group: cust_created {
    type: custom_calendar
    sql: {TABLE}.created_at;;
    based_on_calendar: cust_retail_calendar
    custom_timeframes: [custom_year, custom_quarter]

  }

measure: count_last_custom_year {
    type: period_over_period
    based_on: count
    based_on_time: cust_created_custom_year
    custom_calendar_period: custom_year
    kind: previous
  }

Exemples

Les sections suivantes présentent quelques exemples de différentes mesures de PdP et requêtes d'exploration :

Comparer les nombres aux mesures de couverture et de fréquence 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 dimensions birth.
  • La mesure total_births_last_year PdP est définie avec period: year, et la mesure total_births_last_month PdP est définie avec period: month.

Voici une requête Explorer qui inclut les trois mesures et la période de la dimension birth_month :

L'outil Explorer de Looker affichant les colonnes "Mois de naissance", "Nombre total de naissances", "Nombre total de naissances le mois dernier" et "Nombre total de naissances l'année dernière". La valeur "Total des naissances le mois dernier" pour 2024-07 est de 290 699, ce qui correspond à la valeur "Total des naissances" pour 2024-06. La valeur "Total des naissances l'année dernière" pour 2024-07 est de 310 347, ce qui correspond à la valeur "Total des naissances" pour 2023-07.

Voici quelques points à noter 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 pour 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.

Incidence de value_to_date sur les valeurs de mesure de période après période

Comme dans l'exemple précédent, voici le code LookML pour la mesure total_births et le groupe de dimensions birth de type:time, ainsi que deux mesures PoP 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 total_births_last_year_value_to_date de variation de période à période est définie avec value_to_date: yes et la mesure total_births_last_year de variation de période à période 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 Explore a été exécutée le 4 juin à 16:25:08, ce qui est important pour la mesure value_to_date: yes du pourcentage de couverture.

Exploration Looker affichant les colonnes "Année de naissance", "Nombre total de naissances", "Nombre total de naissances l'année dernière" et "Valeur du nombre total de naissances l'année dernière depuis le début de l'année". La valeur "Total des naissances l'année dernière" pour 2024 est de 3 581 036, ce qui correspond à la valeur "Total des naissances" pour 2023. La valeur "Naissances l'année dernière" à ce jour pour 2024 est de 1 743 505.

Les résultats de l'exploration montrent comment le sous-paramètre value_to_date modifie le calcul des mesures de période sur période :

Voici quelques points à noter concernant les résultats de l'onglet "Explorer" :

  • Dans 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, soit 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 avec value_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 période sur période

Notez les points suivants pour filtrer les requêtes Explorer qui incluent des mesures de période sur période :

  • Le filtrage est compatible avec les requêtes Explorer qui incluent des mesures de variation en pourcentage. Toutefois, vous ne pouvez pas filtrer sur une mesure de variation en pourcentage elle-même. Par exemple, dans la première requête Explorer qui interroge la dimension birth_month et les mesures de PdP total_births, total_births_last_year et total_births_last_month, vous ne pouvez pas filtrer cette requête sur les mesures de PdP total_births, total_births_last_year ou total_births_last_month.
  • Lorsque vous filtrez sur un champ associé au paramètre based_on_time d'une mesure PoP, si la période du filtre est plus précise que celle de la requête, la mesure PoP n'affiche que les résultats pour la partie de la période de la requête correspondant à la valeur du filtre. Par exemple, si vous interrogez la dimension orders.created_year et que vous filtrez la requête pour le mois de janvier, la mesure PoP affichera les valeurs pour le mois de janvier uniquement pour chaque année. Les résultats peuvent être confondus avec ceux de l'année entière.
  • Pour les requêtes "Explorer" 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 période year 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 en fonction de la dimension temporelle du filtre.

Visualisations avec des mesures de PoP

La visualisation de tableau est recommandée pour les mesures de PdP. 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 fournissent des comparaisons avec 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 de période sur période sont des comparaisons avec une période précédente.

Limites des mesures de couverture et de fréquence

Notez les limites suivantes des mesures de probabilité d'achat :

  • 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 Data Studio.
  • Les mesures de couverture et fréquence doivent être basées sur une mesure agrégée, comme décrit dans la section based_on. Vous ne pouvez pas baser une mesure de variation en pourcentage 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 part de portefeuille 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 à celui de décembre de cette année.
  • Les mesures PoP ne sont pas compatibles avec les intervalles arbitraires, 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 ou based_on_time d'un point de mesure PoP pointent vers une dimension définie avec Liquid, ce code Liquid sera traité.

  • Pour les mesures de période par période qui utilisent des calendriers personnalisés :

    • (Avant Looker 26.8) Le paramètre based_on_time doit faire référence à la période custom_year d'un groupe de dimensions type: custom_calendar.
    • (Avant Looker 26.8) Pour les mesures PoP définies avec custom_calendar_period: custom_year, si la requête utilisateur contient custom_week ou custom_date, Looker fournit la valeur de la semaine précédente ou de la date de l'année précédente.

  • Les mesures de période sur période ne sont pas compatibles avec les fonctionnalités Looker suivantes :

  • Vous ne pouvez pas utiliser les mesures de période par période pour créer un champ personnalisé.

  • Pour les comparaisons hebdomadaires, nous vous recommandons de créer une mesure PoP qui utilise un calendrier personnalisé.

  • Vous ne pouvez pas utiliser les mesures PoP avec des périodes définies avec des périodes fiscales dans les requêtes d'exploration avec des périodes non fiscales. De plus, les mesures de période sur période avec des périodes définies avec des périodes non fiscales ne peuvent pas être utilisées dans les 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 valeur fiscal_month_offset du fichier de modèle LookML associé à l'exploration. Si vous définissez une mesure PoP avec fiscal_year ou fiscal_quarter, elle ne sera acceptée dans une requête Explore que si celle-ci spécifie une période fiscal_year ou fiscal_quarter. Dans ce cas, la valeur de fiscal_offset_month est respectée.

  • Le period de la mesure "période sur période" doit être égal ou supérieur à la période sélectionnée dans la requête d'exploration. Par exemple, pour une mesure de période précédente définie avec period: month, la requête Explorer doit comporter une dimension de période d'un mois ou moins, comme une semaine ou un jour.

  • Lorsque vous utilisez des mesures PoP, incluez toujours la dimension de période correspondante dans l'exploration, en plus de la dimension date_time. Par exemple, si vous définissez une mesure de variation en pourcentage pour calculer les valeurs du mois correspondant du trimestre précédent, vous devez inclure la dimension du trimestre correspondant (par exemple, [dimension_name]_quarter) dans l'exploration, en plus de la dimension du mois. Sans la dimension de période correspondante, le code SQL généré applique une fonction de troncature (telle que TIMESTAMP_TRUNC(..., QUARTER)) à la date avant de calculer la période précédente, ce qui fait que la requête est évaluée en fonction du début du trimestre.

    Par exemple, dans une comparaison pour février, le code SQL généré récupère la valeur du premier mois du trimestre précédent (octobre) au lieu du mois correspondant (novembre). L'inclusion de la dimension de période correspondante dans l'exploration garantit une génération et un regroupement SQL appropriés.

Dialectes de base de données pris en charge pour les mesures PoP

Le tableau suivant indique les dialectes qui prennent en charge les mesures de période sur période dans la dernière version de Looker :

Dialecte Compatibilité
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13.x - 0.17.x
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
ClickHouse 26+
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Dremio 26+ with Arrow Flight SQL
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud AlloyDB for PostgreSQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MongoSQL
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica