מדדים להשוואה בין תקופות ב-Looker

ניתוח תקופה לתקופה (PoP) הוא דפוס ניתוח שמודד משהו בהווה ומשווה אותו לאותו מדד בתקופה דומה בעבר.

מפתחי Looker יכולים להוסיף מדדים של שינוי באחוזים (PoP) לפרויקטים של LookML כדי להפעיל ניתוח של שינוי באחוזים ב-Looker Explores המתאימים, בניבים שתומכים במדדים של שינוי באחוזים.

לדוגמה, השאילתה הבאה ב-Looker Explore מציגה את מספר ההזמנות שנוצרו בחודש הנוכחי, יחד עם מדדי PoP למספר ההזמנות שנוצרו בשנה שעברה, ההפרש מהשנה שעברה והשינוי באחוזים מהשנה שעברה. כדי לוודא שההשוואה משנה לשנה נכונה, אפשר לבדוק את הערכים באופן אקראי. לדוגמה, הערך של Orders Last Year עבור 2012-03 זהה לערך של Orders Count עבור 2011-03:

ב-Looker Explore מוצגות ההזמנות בשנה האחרונה ל-2012-03, שהן 89, וגם מספר ההזמנות ל-2011-03, שהוא גם 89.

כדי להוסיף מדד של שינוי באחוזים לפרויקט LookML, מפתח Looker צריך ליצור measure של type: period_over_period ולכלול את פרמטרי המשנה שמתוארים בקטע הבא בדף הזה.

לדוגמה, הנה קוד LookML למדד PoP שמספק את מספר ההזמנות בשנה הקודמת:

  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
  }

למאפיין הזה יש את מאפייני המשנה הבאים:

  • הוא מוגדר עם based_on: orders.count, ולכן מדד ה-PoP יספק נתונים לגבי מספר ההזמנות מפרק הזמן הקודם.
  • ההגדרה שלו היא kind: previous, כלומר הוא מספק את ערך הספירה מהתקופה הקודמת (בניגוד למתן הפרש בספירת ההזמנות מהתקופה הקודמת, או אחוז השינוי בספירת ההזמנות מהתקופה הקודמת).
  • התאריך מוגדר באמצעות period: year, ולכן המערכת תספק נתוני ספירת הזמנות מפרק זמן דומה בשנה הקודמת.

פרמטרים משניים של מדדי PoP

מדד PoP הוא measure של type: period_over_period שכולל את פרמטרי המשנה שמתוארים בקטעים הבאים:

כפי שמתואר בקטע ניתוח שאילתות באמצעות מדדי PoP, ערכי מדדי ה-PoP מחושבים על סמך הגדרת ה-LookML של מדד ה-PoP והשדות בשאילתת הניתוח. לכן, כשיוצרים מדד של שינוי בהשוואה לתקופה הקודמת ב-LookML, חשוב לפעול לפי השיטות המומלצות הבאות:

  • כדאי לציין למשתמשי Explore את התקופה של מדד השינוי לעומת התקופה הקודמת, בשם של מדד השינוי לעומת התקופה הקודמת או בdescription תת-פרמטר של המדד.
  • כדאי לציין למשתמשי Explore את based_on המדד של מדד ה-PoP, או בשם של מדד ה-PoP או בפרמטר המשני description של המדד.

לדוגמה, המדד הבא של תקופה לתקופה נקרא order_count_last_year, ויש בו תיאור כדי שהמשתמשים ידעו שהוא מספק את מספר ההזמנות מהשנה הקודמת:

  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

משתמשים בשדה based_on כדי לציין את מדד LookML שעליו מבוסס מדד ה-PoP. לדוגמה, כדי לבסס מדידת PoP על השדה orders.count, מזינים את הערך הבא:

    based_on: orders.count

מדד של שינוי בהשוואה לתקופה הקודמת שמבוסס על orders.count יספק מידע על מספר ההזמנות מתקופה קודמת, כדי שתוכלו להשוות בין מספר המכירות בתקופה הנוכחית לבין מספר המכירות בתקופה הקודמת.

המדד של LookML שאתם מציינים בשדה based on צריך להיות אחד מסוגי המדדים הבאים:

based_on_time

משתמשים בתת-פרמטר based_on_time כדי לספק ל-Looker שדה זמן שבו הוא יכול להשתמש כדי לחשב את ערכי המדד של השינוי באחוזים. שדה הזמן יכול להיות אחד מהבאים:

  • מאפיין מבוסס-זמן. אם מציינים מימד מבוסס-זמן בפרמטר המשנה based_on_time, המשתמשים צריכים לכלול את אותו מימד מבוסס-זמן בכל השאילתות שמשתמשות במדד PoP. בנוסף, מסגרת הזמן של המאפיין שמבוסס על זמן צריכה להיות שווה לערך period של מדד ה-PoP או קטנה ממנו. לדוגמה, אם מדד התקופה המקבילה מוגדר עם based_on_time: created_month, הערך של period במדד התקופה המקבילה לא יכול להיות week או date.

  • אחד מפרקי הזמן הבאים של קבוצת מאפיינים של type: time:

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

  • אחד מפרקי הזמן הבאים של קבוצת מאפיינים של type: custom_calendar

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

אם מציינים מסגרת זמן של קבוצת מאפיינים בתת-פרמטר based_on_time, מסגרת הזמן הספציפית שבה משתמשים לא רלוונטית – צריך רק להפנות את מדד השינוי ביחס לתקופה הקודמת לקבוצת מאפיינים של type: time כדי שמדד השינוי ביחס לתקופה הקודמת יוכל להשתמש בחותמת הזמן הבסיסית של קבוצת המאפיינים. אי אפשר לציין מסגרת זמן מקבוצת מימדים של type: duration. קבוצות מימדים מסוג משך לא נתמכות ויובילו לשגיאת זמן ריצה בכלי הניתוחים.

kind

משתמשים בפרמטר kind כדי לציין את סוג החישוב שרוצים שהמדד של השינוי באחוזים יבצע לתקופה הקודמת. אפשר לציין אחד מהערכים הבאים עבור kind:

  • ‫previous: (ברירת מחדל) הערך מהתקופה הקודמת.
  • ‫difference: ההפרש בין התקופות (התקופה הקודמת פחות התקופה הנוכחית).

  • ‫relative_change: אחוז השינוי בהשוואה לתקופה הקודמת. השינוי באחוזים מחושב לפי המשוואה הבאה:

    $$ relativeChange = (current - previous)/previous $$

period

משתמשים בפרמטר המשנה period כדי לציין את הקצב של מדד ההשוואה לתקופה הקודמת, כלומר כמה זמן אחורה רוצים להשוות. לדוגמה, אם מגדירים מדד של שינוי באחוזים בהשוואה לתקופה הקודמת עם period: year, יוצגו הערכים של השנה הקודמת. אם מריצים שאילתת חיפוש בנתון 'מספר ההזמנות החודשי', המדד period: year PoP יציג את הערכים של אותו חודש בשנה הקודמת, כדי שתוכלו להשוות את מספר ההזמנות של נובמבר 2025 למספר המכירות של נובמבר 2024.

תת-הפרמטר period תומך בערכים הבאים:

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

custom_calendar_period

אם המדד של השינוי באחוזים מבוסס על לוח שנה מותאם אישית (אם הפרמטר based_on_time של מדד השינוי באחוזים מציין מסגרת זמן של קבוצת מאפיינים type: custom_calendar), צריך להשתמש בפרמטר custom_calendar_period במקום בפרמטר period.

משתמשים בפרמטר המשנה custom_calendar_period כדי לציין את הקצב של מדד ההשוואה לתקופה הקודמת, כלומר כמה זמן אחורה רוצים להשוות. לדוגמה, מדד PoP שמוגדר עם custom_calendar_period: custom_year יציג את הערכים של השנה הקודמת (כפי שהוגדרה בלוח השנה המותאם אישית). אם מריצים שאילתת חיפוש ב-custom_monthly order count, המדד custom_calendar_period: custom_year PoP יציג את הערכים של אותו חודש בשנה הקודמת, כדי שתוכלו להשוות בין מספר ההזמנות בחודש המותאם אישית בשנת 2026 לבין מספר המכירות באותו חודש מותאם אישית בשנת 2025.

תת-הפרמטר custom_calendar_period תומך בערכים הבאים:

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

מידע נוסף על יצירת מדדי PoP שמשתמשים בלוח שנה מותאם אישית זמין בקטע שימוש במדדי PoP עם לוחות שנה מותאמים אישית.

value_to_date

משתמשים בתת-פרמטר value_to_date כדי לציין אם Looker צריך לחשב את הערכים של מדד השינוי באחוזים על סמך משך הזמן שחלף במסגרת הזמן הנוכחית בזמן הפעלת השאילתה. הפרמטר המשני value_to_date יכול להיות no (ברירת מחדל) או yes.

  • אם מציינים ערך של no, המערכת תניח שצריך לצבור נתונים על כל חלון הזמן.
  • אם הערך הוא yes, המערכת תחשב את משך הזמן שנמדד בתקופה הנוכחית ותחיל אותו על מדד ה-PoP.

לדוגמה, אם משתמשים במדד של שינוי באחוזים בהשוואה לתקופה הקודמת שהוגדר עם value_to_date: yes, ובשעה 13:10:00 ב-6 ביוני מריצים שאילתת ניתוח באמצעות המדד הזה ומאפיין של טווח תאריכים, Looker יחיל את משך הזמן שחלף ב-6 ביוני (13 שעות, 10 דקות ו-0 שניות) על החישובים של כל התאריכים בשאילתה. לכל תאריך, Looker יספק את הערכים של 13 השעות ו-10 הדקות הראשונות.

אם הגדרתם את אותו מדד של השוואה לתקופה מקבילה עם value_to_date: no והפעלתם את אותה שאילתת ניתוח ב-6 ביוני בשעה 13:10:00, ‏ Looker יחשב את הערך של ההשוואה לתקופה מקבילה באמצעות כל הנתונים שזמינים לכל תאריך. אם אתם מנסים להשוות בין ערכים מ-6 ביוני לבין הערכים מ-6 בחודש הקודם, חשוב לזכור ש-6 ביוני עוד לא הסתיים, ולכן יכול להיות שיהיו נתונים נוספים אחרי השעה 13:10:00.

במאמר איך value_to_date משפיע על ערכי המדדים של PoP מופיעה דוגמה להשפעה של value_to_date: yes על התוצאות בשאילתת ניתוח.

כמו שמתואר בקטע דרישות לשאילתות ב-Explore עם מדדי PoP, כשמריצים שאילתת Explore עם מדד PoP, ‏ Looker מחיל באופן אוטומטי את רמת הפירוט המינימלית של מסגרת הזמן מהשאילתה על מסגרת הזמן שמשמשת את מדד PoP. בשביל שאילתות ב-Explore עם מדד PoP שמוגדר באמצעות value_to_date: yes, ‏ Looker לוקח את מאפיין מסגרת הזמן הקטן ביותר בשאילתה ומחשב את החלק ממסגרת הזמן הזו שעבר כשהשאילתה מופעלת, ואז מחיל את החלק הזה על כל הערכים של מדד PoP.

עיון בשאילתות עם מדדי PoP

החישוב שמתבצע למדד PoP מבוסס על הגדרת ה-LookML של מדד ה-PoP וגם על מסגרות הזמן שצוינו בשאילתת Explore עצמה. מדד ה-PoP מתאים את החישוב שלו למסגרות הזמן שנבחרו בשאילתת Explore. לדוגמה, אם מדד השינוי באחוזים מוגדר עם period: year, והשאילתה ב'ניתוח נתונים' מכילה את מאפיין טווח הזמן orders.created_month, מדד השינוי באחוזים יחשב ערכים חודשיים, וישווה בין ינואר 2025 לינואר 2024. אם רוצים לראות את הערכים השנתיים, צריך להריץ שאילתת ניתוח באמצעות המדד PoP ורק טווח הזמן orders.created_year.

הנה כמה דוגמאות לאופן שבו מדד PoP‏ period פועל עם מסגרות הזמן שנבחרו בשאילתת ניתוח:

  • אם מדד של השוואה לתקופה הקודמת מוגדר באמצעות period: year, ומריצים שאילתה ב-Explore עם מסגרת זמן של רבעון, המדד של ההשוואה לתקופה הקודמת יחזיר ערכים מאותו רבעון בשנה הקודמת (רבעון 1 של 2025 בהשוואה לרבעון 1 של 2024).
  • אם מדד של שינוי בהשוואה לתקופה מקבילה מוגדר באמצעות period: year, ואתם מריצים שאילתת ניתוח עם מסגרת זמן של חודש, המדד של השינוי בהשוואה לתקופה מקבילה יחזיר ערכים מאותו חודש בשנה הקודמת (אפריל 2025 בהשוואה לאפריל 2024).
  • אם מדד PoP מוגדר עם period: month, ומריצים שאילתת ניתוח עם מסגרת זמן של חודש, מדד PoP יחזיר ערכים לחודש הקודם (אפריל 2025 בהשוואה למרץ 2025).

דרישות לשימוש בשאילתות ב-Explore עם מדדי PoP

מכיוון שחישוב של מדד PoP מתבסס גם על הגדרת ה-LookML של מדד ה-PoP וגם על השדות שבוחרים בשאילתת הניתוח, צריך לכלול בשאילתת ניתוח עם מדד PoP לפחות את השדות הבאים:

  • מדד ההסתברות.
  • מאפיין זמן שמתאים לperiod שמשויך למדד הסבירות להמרה. אפשר לכלול את מאפיין הזמן בשאילתה דרך הכלי לבחירת שדות בניתוח או דרך המסננים בניתוח:
    • שאילתות של מדד PoP תומכות ברמות פירוט של מסגרת זמן של תאריך או יותר, כמו חודש, רבעון או שנה. שאילתות של מדדי PoP לא תומכות במאפיינים עם מסגרות זמן של שעות או דקות.
    • אם מדד השינוי ביחס לתקופה הקודמת מוגדר עם based_on_time שהוא מסגרת זמן של קבוצת מאפיינים, שאילתת הניתוח חייבת לכלול מסגרת זמן מאותה קבוצת מאפיינים שמשתמשת במסגרת זמן ששווה למסגרת הזמן שצוינה בפרמטר period של מדד השינוי ביחס לתקופה הקודמת או קטנה ממנה. אפשר לכלול את קבוצת המאפיינים בניתוח עצמו (על ידי בחירה בקבוצת המאפיינים בכלי לבחירת שדות בניתוח) או על ידי סינון לפי קבוצת המאפיינים. לדוגמה, אם הערך based_on_time של מדד ה-PoP מוגדר עם טווח זמן מקבוצת המאפיינים orders.created, ומדד ה-PoP מוגדר עם period: month, שאילתת הניתוח ב-Explore צריכה לכלול טווח זמן מקבוצת המאפיינים orders.created ששווה לחודש או קטן ממנו, כמו orders.created_date. מסגרת הזמן בשאילתת הניתוח צריכה להיות זהה או קצרה יותר, כי למשל אי אפשר להשוות בין חודש לחודש במסגרת זמן של שנה.
    • אם מדד ה-PoP מוגדר עם based_on_time שהוא מאפיין מבוסס-זמן, שאילתת הניתוח חייבת לכלול את אותו מאפיין מבוסס-זמן בדיוק, או על ידי הכללת המאפיין בכלי לבחירת שדות בניתוח, או על ידי הגדרת מסנן למאפיין. המסגרת הזמנית של המאפיין שמבוסס על זמן צריכה להיות שווה למסגרת הזמנית שצוינה בפרמטר period של מדד ה-PoP או קטנה ממנה. לדוגמה, אם מדד ה-PoP מוגדר עם based_on_time: created_date ומדד ה-PoP מוגדר עם period: month, שאילתת הניתוח צריכה לכלול את המאפיין created_date.

אם מדד השינוי באחוזים מוגדר עם based_on_time שהוא מסגרת זמן של קבוצת מאפיינים, חשוב לשים לב לדרישות הבאות לגבי מסגרת הזמן בשאילתת הניתוח:

  • מסגרת הזמן בשאילתת הניתוח חייבת להיות שווה למסגרת הזמן שצוינה בפרמטר period של מדד ה-PoP או קטנה ממנה. לדוגמה, אם המדד של השינוי באחוזים מוגדר עם מסגרת זמן מקבוצת המאפיינים orders.created והמדד של השינוי באחוזים מוגדר עם period: month, שאילתת הניתוח חייבת לכלול מסגרת זמן מקבוצת המאפיינים orders.created ששווה לחודש או קטנה ממנו, כמו orders.created_date.based_on_time מסגרת הזמן בשאילתת הניתוח צריכה להיות קטנה יותר, כי למשל אי אפשר להשוות בין חודש לחודש במסגרת זמן של שנה.
  • מסגרת הזמן בשאילתת הניתוח חייבת לכלול בעצמה מידע על חותמת זמן. לדוגמה, מסגרות הזמן year, month ו-date של קבוצת מאפיינים מספקות מידע על חותמות זמן בפועל. לעומת זאת, מסגרת הזמן day_of_week מופשטת מחותמת הזמן הבסיסית כדי לספק ערך כמו Wednesday. באופן דומה, מסגרות זמן כמו month_name, month_num ו-day_of_month לא מספקות מידע על חותמת זמן, ולכן אי אפשר להשתמש בהן במדדי PoP כדי לחשב ערכים לתקופה הקודמת. עם זאת, אם כוללים בשאילתת הניתוח ב-Explore חותמת זמן כמו date, היא תספק למדד של נקודת הנוכחות מידע על חותמת הזמן, שבעזרתו אפשר לחשב את הערכים של התקופה הקודמת. בנוסף, אפשר לכלול את day_of_week מסגרת הזמן בשאילתת הניתוח, כי מדד ה-PoP יכול להשתמש בנתוני date מסגרת הזמן לחישובים.

אם אתם עומדים בדרישות האלה בשאילתת Explore, אתם יכולים להוסיף לשאילתת Explore שדות אחרים ומאפייני מסגרת זמן, אבל כל מסגרות הזמן בשאילתת Explore צריכות להיות שוות למסגרת הזמן של מדד PoP או קטנות ממנה.period כשמריצים שאילתת ניתוח נתונים עם מדד של שינוי באחוזים, Looker מחיל באופן אוטומטי את רמת הפירוט המינימלית של מסגרת הזמן מהשאילתה על מסגרת הזמן שמשמשת את מדד השינוי באחוזים. בדוגמה של Explore שמוצגת בתחילת הדף הזה, כל המדדים של הסתברות הרכישה הוגדרו ב-LookML באמצעות period: year. כלומר, לא משנה איזה טווח זמן נבחר בשאילתת הניתוח – במקרה הזה, טווח זמן חודשי – מדד ה-PoP יחזיר את התוצאות לאותו טווח זמן בשנה הקודמת.

כדי לראות אילו טווחי זמן נתמכים במדד PoP בניתוח, אפשר לבדוק טווחי זמן שונים בלי להריץ שאילתות. לוחצים על הכרטיסייה SQL בקטע נתונים של הניתוח, ואז מוסיפים שדות ומסננים מבורר השדות של הניתוח. אם אי אפשר לחשב את השאילתה עם השדות והמסננים שבחרתם באמצעות מדד הפופולריות, בכרטיסייה SQL תוצג הודעה שאי אפשר ליצור את ה-SQL.

אם תריצו שאילתה שלא ניתן ליצור עבורה SQL, בחלון 'ניתוח' תוצג שגיאה עם הפרטים וקישור ל-LookML הרלוונטי.

שימוש במדדים של תקופה לתקופה עם לוחות שנה מותאמים אישית

כדי ליצור מדד של שינוי בהשוואה לתקופה הקודמת שמשתמש ביומן מותאם אישית, צריך לבצע את הפעולות הבאות:

  • בקובץ התצוגה שבו אתם יוצרים את המודל של היומן המותאם אישית, אפשר לכלול בלוק פרמטרים של previous_ordinal_mapping בבלוק הפרמטרים של calendar_definition. הפרמטר previous_ordinal_mapping הוא אופציונלי החל מ-Looker 26.8. ב-Looker 26.8 ואילך, במקרה של לוחות שנה בהתאמה אישית, המערכת מניחה שהשבוע הקודם לשבוע 1 הוא שבוע 52, והיום הקודם ליום 1 הוא יום 364. אם זה לא המצב ביומן המותאם אישית שלכם, אתם צריכים להשתמש בבלוק הפרמטרים previous_ordinal_mapping.
  • בהגדרת ה-LookML של מדד ה-PoP, בפרמטר based_on_time, מציינים את מסגרת הזמן השנתית של קבוצת מאפיינים של type: custom_calendar
  • בהגדרת ה-LookML של מדד השינוי באחוזים, משתמשים בפרמטר custom_calendar_period במקום בפרמטר period.

לדוגמה, הנה קוד LookML של קבוצת מאפיינים של לוח שנה בהתאמה אישית ומדד PoP שמשתמש בלוח השנה בהתאמה אישית:

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
  }

דוגמאות

בקטעים הבאים מוצגות כמה דוגמאות למדדים שונים של PoP ולשאילתות ב'ניתוח נתונים':

השוואה בין ספירות לבין מדדי פופולריות משנה לשנה ומחודש לחודש

הנה קוד LookML לדוגמה של total_births מדד,‏ birth קבוצת מאפיינים של type:time ושני מדדי PoP שמבוססים על total_births מדד ומשתמשים ב-birth קבוצת מאפיינים כשדה based_on_time שלהם:


  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
  }

חשוב לזכור את הנקודות הבאות לגבי השדות האלה:

  • שני המדדים של השינוי באחוזים מוגדרים עם kind: previous, ולכן שניהם מספקים את ערך המדד מהתקופה הקודמת.
  • שני מדדי ה-PoP מוגדרים באמצעות value_to_date: no, ולכן שניהם מחשבים את ערך המדד לכל מסגרת הזמן (כלומר, רמת הפירוט המינימלית של מסגרת הזמן מהשאילתה).
  • שני מדדי ה-PoP מוגדרים באמצעות based_on_time: birth_year, ולכן שניהם משתמשים בחותמת הזמן הבסיסית של קבוצת המאפיינים birth.
  • המדד total_births_last_year PoP מוגדר באמצעות period: year, והמדד total_births_last_month PoP מוגדר באמצעות period: month.

זוהי שאילתה ב'ניתוחים' שכוללת את שלושת המדדים ואת מאפיין מסגרת הזמן birth_month:

‫Looker Explore עם עמודות של חודש הלידה, סך הלידות, סך הלידות בחודש שעבר וסך הלידות בשנה שעברה. הערך של 'סה"כ לידות בחודש שעבר' ל-2024-07 הוא 290,699, שזהה לערך של 'סה"כ לידות' ל-2024-06. הערך של 'מספר הלידות הכולל בשנה שעברה' לחודש יולי 2024 הוא 310,347, שזהה לערך של 'מספר הלידות הכולל' לחודש יולי 2023.

חשוב לדעת את הפרטים הבאים על תוצאות הניתוח:

  • המסגרת הזמן הקטנה ביותר של המאפיין בשאילתת Explore היא birth_month, ולכן מדד ה-PoP מספק ערכים חודשיים.
  • בשורה של החודש האחרון, 2024-07, הערך Total Births Last Month (מספר הלידות הכולל בחודש שעבר) מציג את מספר הלידות הכולל בחודש הקודם, 2024-06. כדי לבדוק את זה, אפשר להסתכל על הערך של Total Births בשורה 2024-06. שני הערכים זהים.
  • בשורה של החודש האחרון, 2024-07, הערך של Total Births Last Year (מספר הלידות הכולל בשנה שעברה) מציג את מספר הלידות הכולל באותו חודש (07) בשנה הקודמת (2023). כדי לבדוק זאת, אפשר לעיין בערך Total Births בשורה 2023-07. שני הערכים זהים.

איך value_to_date משפיע על ערכי המדד של השינוי בהשוואה לתקופה הקודמת

בדומה לדוגמה הקודמת, הנה קוד LookML למדד total_births ולקבוצת המאפיינים birth של type:time ושני מדדי PoP שמבוססים על המדד total_births ומשתמשים בקבוצת המאפיינים birth כשדה based_on_time שלהם. עם זאת, בדוגמה הזו, מדד total_births_last_year_value_to_date PoP מוגדר באמצעות value_to_date: yes ומדד total_births_last_year PoP מוגדר באמצעות 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
  }

זוהי שאילתת ניתוח שכוללת את שלושת המדדים ואת מאפיין מסגרת הזמן birth_year. שאילתת החיפוש הזו ב-Explore הופעלה ב-4 ביוני בשעה 16:25:08, וזה חשוב למדד value_to_date: yes PoP.

‫Looker Explore עם עמודות של שנת לידה, סך לידות, סך לידות בשנה שעברה וערך סך הלידות בשנה שעברה עד היום. הערך של 'סך הלידות בשנה שעברה' לשנת 2024 הוא 3,581,036, שזהה לערך של 'סך הלידות' לשנת 2023. הערך של 'לידות בשנה שעברה עד היום' לשנת 2024 הוא 1,743,505.

בתוצאות של התכונה 'ניתוח מעמיק' אפשר לראות איך פרמטר המשנה value_to_date משנה את החישוב של מדדי ה-PoP:

חשוב לדעת את הפרטים הבאים על תוצאות הניתוח:

  • בשורה של השנה האחרונה, 2024, הערך של Total Births Last Year (מספר הלידות הכולל בשנה שעברה) מציג את מספר הלידות הכולל בשנה הקודמת, 2023. כדי לאמת את החישוב, אפשר לעיין בערך Total Births בשורה 2023. שני הערכים זהים.
  • בשורה של השנה האחרונה, 2024, הערך של Total Births Last Year Value to Date (ערך ההמרות הכולל בשנה שעברה עד היום) נמוך מהערך של Total Births Last Year (ערך ההמרות הכולל בשנה שעברה). הסיבה לכך היא שהשאילתה ב-Explore הופעלה ב-4 ביוני בשעה 16:25:08, ומכיוון שמדד total_births_last_year_value_to_date PoP מוגדר עם value_to_date: yes, מערכת Looker חישבה את הערכים השנתיים באמצעות הנתונים עד 4 ביוני בשעה 16:25:08 בכל שנה.

סינון שאילתות ב'ניתוח נתונים' שכוללות מדדים של השוואה לתקופה הקודמת

הערות לגבי סינון שאילתות ב-Explore שכוללות מדדים של PoP:

  • אפשר לסנן שאילתות ב'ניתוח נתונים' שכוללות מדדים של הסתברות לרכישה. עם זאת, אי אפשר לסנן לפי מדד של הסתברות לרכישה. לדוגמה, בדוגמה הראשונה של Explore שכוללת שאילתה על המאפיין birth_month ועל מדדי השינוי באחוזים total_births, total_births_last_year ו-total_births_last_month, אי אפשר לסנן את השאילתה הזו לפי מדדי השינוי באחוזים total_births, total_births_last_year או total_births_last_month.
  • כשמסננים לפי שדה שמשויך לפרמטר based_on_time של מדד PoP, אם מסגרת הזמן של המסנן מדויקת יותר ממסגרת הזמן של השאילתה, מדד ה-PoP יציג רק את התוצאות של חלק ערך המסנן במסגרת הזמן של השאילתה. לדוגמה, אם מבצעים שאילתה על המאפיין orders.created_year ומסננים את השאילתה לפי חודש ינואר, מדד ה-PoP יציג לכל שנה את הערכים של חודש ינואר בלבד. יכול להיות שתחשבו שזו התוצאה של השנה כולה.
  • כדי לחשב נתונים למדד PoP בשאילתות של ניתוח נתונים למדד PoP,‏ Looker מאחזר נתונים לתקופת זמן נוספת ברמת הפירוט הכי נמוכה של תקופת הזמן בשאילתה. לדוגמה, אם יוצרים שאילתת ניתוח ב-Explore עם מאפיין חודשי, מדד PoP שמוגדר עם period: year ומסנן ל-6 החודשים האחרונים, Looker יזהה את רמת הפירוט הכי גסה בשאילתה, שבמקרה הזה תהיה תקופת הזמן year של מדד PoP. בדוגמה הזו, Looker יאחזר את הנתונים של 6 החודשים האחרונים, וגם נתונים של שנה נוספת כדי שיוכל להשוות בין כל אחד מ-6 החודשים האחרונים לבין אותו חודש בשנה הקודמת.
  • כפי שמתואר בדרישות לשאילתות ב-Explore עם מדדי שינוי באחוזים, שאילתות ב-Explore שכוללות מדדי שינוי באחוזים חייבות לכלול מאפיין זמן שמתאים לperiod שמשויך למדד השינוי באחוזים. אם לא בוחרים מאפיין זמן בכלי לבחירת שדות ב'ניתוח', מערכת Looker יכולה להסיק את המידע הנדרש ממאפייני זמן במסננים של ה'ניתוח'. במקרה כזה, Looker ימיין את תוצאות השאילתה ב-Explore לפי מאפיין הזמן של המסנן.

תצוגות חזותיות עם מדדי PoP

מומלץ להשתמש בתצוגה חזותית של תרשים טבלה למדדים של PoP. אפשר גם להשתמש באפשרויות אחרות של תצוגה חזותית, בהתאם לשדות בשאילתת הניתוח.

אם משתמשים בהמחשה אחרת ולא בתרשים טבלה, צריך לוודא שההמחשה ברורה. מכיוון שמדדי PoP מספקים השוואות לתקופה קודמת, יכול להיות שההדמיות עם מדדי PoP מטעות. לדוגמה, מדד של שינוי באחוזים בהשוואה לשנה הקודמת שמוגדר כ-kind: previous יציג את הערך של השנה שעברה לתאריך של השנה הנוכחית. אם השאילתה ב-Explore כוללת את הערך של השנה הנוכחית יחד עם מדד השינוי לעומת התקופה המקבילה בשנה שעברה, יהיו שני ערכים לשנה הנוכחית בתצוגה החזותית.

אם אתם משתמשים באמצעי המחשה שאינו תרשים טבלה, ודאו שבאמצעי ההמחשה מצוין בבירור שכל המדדים של נקודת ההשוואה הם השוואה לתקופה קודמת.

מגבלות על מדדי PoP

חשוב לשים לב למגבלות הבאות של מדדי PoP:

  • אפשר להשתמש במדדי PoP רק בפרויקטים של LookML שמשתמשים בזמן הריצה החדש של LookML. אם התכונה הישנה Use Legacy LookML Runtime מופעלת במופע שלכם, קובץ המניפסט של הפרויקט חייב לכלול הצהרה של new_lookml_runtime:yes.
  • אין תמיכה במדדי PoP במחבר Looker ב-Data Studio.
  • המדדים של נקודות הנוכחות צריכים להתבסס על מדד מצטבר, כפי שמתואר בקטע based_on. אי אפשר לבסס מידת PoP על מידה לא מצטברת.
  • בחיבורים ל-BigQuery במופעים שבהם מופעלת תכונת ה-Labs‏ BI Engine Symmetric Aggregates, יש תמיכה במדדי PoP, אבל שאילתות SQL עם מדדי PoP לא ישתמשו בתכונה הזו.
  • מדדי PoP לא תומכים בניתוח קבוצות משתמשים.
  • מדדי PoP לא תומכים בחישובים מצטברים.
  • המדדים של תקופה לתקופה תמיד משווים בין התקופה הנוכחית לתקופה הקודמת. אי אפשר להגדיר מדד של שינוי באחוזים כדי להשוות את התקופה הנוכחית לתקופה אחרת מלבד התקופה הקודמת. לדוגמה, אי אפשר ליצור מדד של השוואה לתקופה מקבילה כדי להשוות בין מאי של שנה שעברה לדצמבר של השנה הנוכחית.
  • אין תמיכה במדדי PoP עם מרווחי זמן שרירותיים, כמו השוואה בין השבועיים הנוכחיים לשבועיים הקודמים.
  • אין תמיכה בפרמטרים של Liquid בפרמטרים של מדד PoP. עם זאת, אם השדות based_on או based_on_time של נקודת מדידה של PoP מצביעים על מאפיין שמוגדר באמצעות Liquid, ה-Liquid הזה יעבור עיבוד.

  • למדדים של תקופות השוואה שמשתמשים בלוחות שנה בהתאמה אישית:

    • (לפני Looker 26.8) הפרמטר based_on_time חייב להפנות לטווח הזמן custom_year של קבוצת מאפיינים type: custom_calendar.
    • (לפני Looker 26.8) למדדי PoP שמוגדרים באמצעות custom_calendar_period: custom_year, אם שאילתת המשתמש מכילה custom_week או custom_date, ‏ Looker יספק את הערך של השבוע הקודם או התאריך של השנה הקודמת.

  • אין תמיכה במדדי PoP בתכונות הבאות של Looker:

  • אי אפשר להשתמש במדדי PoP כדי ליצור שדה מותאם אישית.

  • להשוואות שמבוססות על שבוע, מומלץ ליצור מדד PoP שמשתמש ביומן בהתאמה אישית.

  • אי אפשר להשתמש במדדי PoP עם תקופות שמוגדרות עם מסגרות זמן פיסקאליות בשאילתות ב'ניתוח נתונים' עם מסגרות זמן לא פיסקאליות. בנוסף, אי אפשר להשתמש במדדים של שינוי באחוזים ביחס לתקופה הקודמת עם תקופות שמוגדרות עם מסגרות זמן לא פיסקאליות בשאילתות עם מאפייני מסגרת זמן פיסקאלית.

  • מדדי PoP תומכים בהזחה של חודש פיסקאלי, כלומר הפרמטר based_on_time של מדד PoP יקבל בירושה את הערך fiscal_month_offset מקובץ מודל LookML שמשויך לניתוח. אם מגדירים מדד של שינוי באחוזים עם fiscal_year או fiscal_quarter, המדד הזה ייתמך בשאילתה בכלי הניתוחים רק אם השאילתה מציינת מסגרת זמן של fiscal_year או fiscal_quarter. במקרה כזה, שובר הפרסום יכובד.fiscal_offset_month

  • הערך של period של מדד ה-PoP חייב להיות שווה לפרק הזמן שנבחר בשאילתת הניתוח או גדול ממנו. לדוגמה, אם מדד ה-PoP מוגדר עם period: month, שאילתת הניתוח חייבת לכלול מאפיין של מסגרת זמן של חודש או פחות, כמו שבוע או יום.

ניבים נתמכים של מסדי נתונים למדדי PoP

בטבלה הבאה מפורטים הניבים שכוללים תמיכה במדדי PoP בגרסה האחרונה של Looker:

דיאלקט האם יש תמיכה?
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
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+
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
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