Vergleiche zum vorherigen Zeitraum in Looker

Bei der Analyse von Zeitraum zu Zeitraum wird etwas in der Gegenwart gemessen und mit derselben Messung in einem vergleichbaren Zeitraum in der Vergangenheit verglichen.

Bei Dialekten, die PoP-Messwerte unterstützen, können Looker-Entwickler LookML-Projekten PoP-Messwerte hinzufügen, um PoP-Analysen in den entsprechenden Looker-Explores zu ermöglichen.

Die folgende Looker Explore-Abfrage zeigt beispielsweise die Anzahl der Bestellungen, die im aktuellen Monat erstellt wurden, sowie die PoP-Messwerte für die Anzahl der Bestellungen, die im letzten Jahr erstellt wurden, die Differenz zum letzten Jahr und die prozentuale Änderung gegenüber dem letzten Jahr. Sie können den Jahresvergleich überprüfen, indem Sie die Werte stichprobenartig prüfen. Der Wert für Bestellungen im letzten Jahr für 2012-03 ist beispielsweise derselbe wie der Wert für Anzahl der Bestellungen für 2011-03:

Wenn Sie einem LookML-Projekt eine PoP-Messung hinzufügen möchten, muss ein Looker-Entwickler eine measure vom Typ type: period_over_period erstellen und die Unterparameter einfügen, die im folgenden Abschnitt dieser Seite beschrieben werden.

Hier ist beispielsweise der LookML-Code für eine PoP-Messung, die die Anzahl der Bestellungen für das vorherige Jahr liefert:

  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
  }

Diese PoP-Messung hat die folgenden Attribute:

• Sie wird mit based_on: orders.count definiert. Der PoP-Messwert enthält also Daten zur Anzahl der Bestellungen aus dem vorherigen Zeitraum.
• Er wird als kind: previous definiert. Das bedeutet, dass er den Zählwert aus dem vorherigen Zeitraum liefert (im Gegensatz zu einer Differenz der Anzahl der Bestellungen aus dem vorherigen Zeitraum oder einer prozentualen Änderung der Anzahl der Bestellungen aus dem vorherigen Zeitraum).
• Sie wird mit period: year definiert, sodass die Anzahl der Bestellungen aus einem vergleichbaren Zeitraum des Vorjahres angegeben wird.

Unterparameter von PoP-Messwerten

Eine PoP-Messung ist eine measure von type: period_over_period, die die in den folgenden Abschnitten beschriebenen untergeordneten Parameter enthält:

• based_on
• based_on_time
• kind
• period
• custom_calendar_period
• value_to_date

Wie im Abschnitt Explore-Abfragen mit PoP-Messwerten untersuchen beschrieben, werden die Werte von PoP-Messwerten sowohl auf Grundlage der LookML-Definition des PoP-Messwerts als auch der Felder in einer Explore-Abfrage berechnet. Daher sollten Sie beim Erstellen einer PoP-Messung in LookML die folgenden Best Practices beachten:

• Geben Sie Ihren Explore-Nutzern den Zeitraum des PoP-Messwerts an, entweder im Namen des Messwerts oder im Unterparameter description des Messwerts.
• Geben Sie Ihren Explore-Nutzern einen Hinweis auf den based_on-Messwert des PoP-Messwerts, entweder im Namen des PoP-Messwerts oder im Unterparameter description des Messwerts.

Die folgende PoP-Messung heißt beispielsweise order_count_last_year. Außerdem ist eine Beschreibung enthalten, damit Nutzer wissen, dass die Messung die Anzahl der Bestellungen aus dem Vorjahr angibt:

  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

Verwenden Sie das Feld based_on, um den LookML-Messwert anzugeben, auf dem der PoP-Messwert basiert. Wenn Sie beispielsweise eine PoP-Messung auf dem Feld orders.count basieren möchten, geben Sie Folgendes ein:

    based_on: orders.count

Mit einer PoP-Messung auf Grundlage von orders.count erhalten Sie Informationen zur Anzahl der Bestellungen aus einem früheren Zeitraum. So können Sie die Anzahl der Verkäufe in einem aktuellen Zeitraum mit der Anzahl der Verkäufe in einem früheren Zeitraum vergleichen.

Der LookML-Messwert, den Sie im Feld based on angeben, muss einer der folgenden Messwerttypen sein:

• average
• average_distinct
• count
• count_distinct
• list
• max
• median
• median_distinct
• number
• min
• percentile
• percentile_distinct
• sum
• sum_distinct

based_on_time

Mit dem Unterparameter based_on_time können Sie Looker ein Zeitfeld zur Verfügung stellen, mit dem die PoP-Messwerte berechnet werden können. Dieses Zeitfeld kann einen der folgenden Werte haben:

• Eine zeitbasierte Dimension. Wenn Sie im Unterparameter based_on_time eine zeitbasierte Dimension angeben, müssen Ihre Nutzer genau dieselbe zeitbasierte Dimension in alle Abfragen einfügen, in denen die PoP-Messung verwendet wird. Außerdem muss der Zeitraum der zeitbasierten Dimension gleich dem period-Wert der PoP-Messung oder kleiner sein. Wenn die PoP-Messung beispielsweise mit based_on_time: created_month definiert ist, kann der period-Wert der PoP-Messung nicht week oder date sein.

• Einer der folgenden Zeiträume einer Dimensionsgruppe von type: time:

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

• Einer der folgenden Zeiträume einer Dimensionsgruppe von type: custom_calendar

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

Wenn Sie im Unterparameter based_on_time einen Zeitraum für die Dimensionsgruppe angeben, ist der verwendete Zeitraum irrelevant. Sie müssen den PoP-Messwert nur auf eine Dimensionsgruppe von type: time verweisen, damit der PoP-Messwert den zugrunde liegenden Zeitstempel der Dimensionsgruppe verwenden kann. Sie können keinen Zeitraum für eine Dimensionsgruppe vom Typ type: duration angeben. Dimensionsgruppen vom Typ „Dauer“ werden nicht unterstützt und führen zu einem Laufzeitfehler im Explore.

kind

Mit dem Parameter kind können Sie den Typ der Berechnung angeben, die für den vorherigen Zeitraum durchgeführt werden soll. Sie können einen der folgenden Werte für kind angeben:

• previous (Standard): Der Wert aus dem vorherigen Zeitraum.
• difference: Die Differenz zwischen den Zeiträumen (der vorherige Zeitraum wird vom aktuellen Zeitraum subtrahiert).

• relative_change: Die prozentuale Änderung gegenüber dem vorherigen Zeitraum. Die prozentuale Änderung wird mit der folgenden Gleichung berechnet:

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

period

Mit dem Unterparameter period geben Sie die Häufigkeit des PoP-Messwerts an, also wie weit Sie im Vergleich zurückgehen möchten. Bei einer PoP-Messung, die mit period: year definiert ist, werden beispielsweise die Werte für das vorherige Jahr angezeigt. Wenn Sie eine Explore-Abfrage für die monatliche Anzahl der Bestellungen ausführen, werden mit der period: year-Messung die Werte für denselben Monat im Vorjahr angezeigt. So können Sie die Anzahl der Bestellungen für November 2025 mit der Anzahl der Verkäufe im November 2024 vergleichen.

Der Unterparameter period unterstützt die folgenden Werte:

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

custom_calendar_period

Wenn Ihr PoP-Messwert auf einem benutzerdefinierten Kalender basiert (wenn der based_on_time-Parameter des PoP-Messwerts einen Zeitraum einer Dimensionsgruppe von type: custom_calendar angibt), müssen Sie den custom_calendar_period-Parameter anstelle des period-Parameters verwenden.

Mit dem Unterparameter custom_calendar_period geben Sie die Häufigkeit des PoP-Messwerts an, also wie weit Sie im Vergleich zurückgehen möchten. Wenn Sie beispielsweise eine PoP-Messung mit custom_calendar_period: custom_year definieren, werden die Werte für das vorherige Jahr (gemäß Ihrem benutzerdefinierten Kalender) angezeigt. Wenn Sie eine Explore-Abfrage für die benutzerdefinierte monatliche Anzahl der Bestellungen ausführen, werden mit der custom_calendar_period: custom_year-Messung die Werte für denselben Monat im Vorjahr angezeigt. So können Sie die Anzahl der Bestellungen für den benutzerdefinierten Monat im Jahr 2026 mit der Anzahl der Verkäufe für denselben benutzerdefinierten Monat im Jahr 2025 vergleichen.

Der Unterparameter custom_calendar_period unterstützt die folgenden Werte:

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

Weitere Informationen zum Erstellen von PoP-Messungen mit einem benutzerdefinierten Kalender finden Sie im Abschnitt PoP-Messungen mit benutzerdefinierten Kalendern verwenden.

value_to_date

Mit dem Unterparameter value_to_date geben Sie an, ob Looker die Werte für die PoP-Messung anhand der Zeit berechnen soll, die im aktuellen Zeitraum zum Zeitpunkt der Ausführung der Abfrage verstrichen ist. Der Unterparameter value_to_date kann no (Standard) oder yes sein.

• Bei einem Wert von no wird beim Aggregieren von Daten der gesamte Zeitraum berücksichtigt.
• Bei einem Wert von yes wird die im aktuellen Zeitraum beobachtete Zeit berechnet und auf die PoP-Messung angewendet.

Wenn Sie beispielsweise ein PoP-Measure für den Vergleich von Monat zu Monat mit value_to_date: yes definieren und am 6. Juni um 13:10:00 Uhr eine Explore-Abfrage mit dem PoP-Measure und einer Zeitrahmen-Dimension ausführen, wendet Looker die am 6. Juni verstrichene Zeit (13 Stunden, 10 Minuten und 0 Sekunden) auf die Berechnungen für die einzelnen Datumsangaben in der Abfrage an. Für jedes Datum werden in Looker die Werte für die ersten 13 Stunden und 10 Minuten angegeben.

Wenn Sie denselben PoP-Messwert mit value_to_date: no definiert und dieselbe Explore-Abfrage am 6. Juni um 13:10:00 ausgeführt haben, würde Looker den Wert für den PoP-Messwert anhand aller für die einzelnen Datumsangaben verfügbaren Daten berechnen. Wenn Sie Werte vom 6. Juni mit dem 6. des Vormonats vergleichen möchten, sollten Sie bedenken, dass der 6. Juni noch nicht vorbei ist und nach 13:10:00 Uhr möglicherweise zusätzliche Daten hinzukommen.

Ein Beispiel dafür, wie sich value_to_date: yes auf die Ergebnisse einer Explore-Abfrage auswirkt, finden Sie unter Wie sich value_to_date auf die Werte für den Zeitraumvergleich auswirkt.

Wie im Abschnitt Anforderungen für Explore-Abfragen mit PoP-Messwerten beschrieben, wendet Looker automatisch die minimale Zeitrahmen-Granularität aus der Abfrage auf den Zeitrahmen an, der vom PoP-Messwert verwendet wird, wenn Sie eine Explore-Abfrage mit einem PoP-Messwert ausführen. Bei Explore-Abfragen mit einer PoP-Messung, die mit value_to_date: yes definiert ist, wird in Looker die kleinste Zeitrahmendimension in der Abfrage verwendet und der Teil dieses Zeitrahmens berechnet, der beim Ausführen der Abfrage vergangen ist. Dieser Teil wird dann auf alle Werte für die PoP-Messung angewendet.

Suchanfragen mit PoP-Messungen analysieren

Die Berechnung für einen PoP-Messwert basiert auf der LookML-Definition des PoP-Messwerts und auf den Zeiträumen, die in der Explore-Abfrage selbst angegeben sind. Der PoP-Messwert passt seine Berechnung an die Zeiträume an, die in der Explore-Abfrage ausgewählt sind. Wenn die PoP-Maßzahl beispielsweise mit period: year definiert ist und die Explore-Abfrage die Zeitrahmendimension orders.created_month enthält, werden für die PoP-Maßzahl monatliche Werte berechnet, wobei Januar 2025 mit Januar 2024 verglichen wird. Wenn Sie die Jahreswerte sehen möchten, müssen Sie eine Explore-Abfrage mit dem PoP-Messwert und nur dem Zeitraum orders.created_year ausführen.

Hier sind einige Beispiele dafür, wie sich die period eines PoP-Messwerts auf die Zeiträume auswirkt, die in einer Explore-Abfrage ausgewählt sind:

• Wenn ein PoP-Messwert mit period: year definiert ist und Sie eine Explore-Abfrage mit einem vierteljährlichen Zeitraum ausführen, werden für den PoP-Messwert Werte aus dem entsprechenden Quartal des Vorjahres zurückgegeben (z. B. Q1 2025 im Vergleich zu Q1 2024).
• Wenn eine PoP-Messung mit period: year definiert ist und Sie eine Explore-Abfrage mit einem Monatszeitraum ausführen, werden für die PoP-Messung Werte aus demselben Monat des Vorjahres zurückgegeben (z. B. April 2025 im Vergleich zu April 2024).
• Wenn eine PoP-Messung mit period: month definiert ist und Sie eine Explore-Abfrage mit einem Monatszeitraum ausführen, werden für die PoP-Messung Werte für den Vormonat zurückgegeben (April 2025 im Vergleich zu März 2025).

Voraussetzungen für die Analyse von Suchanfragen mit PoP-Messwerten

Da bei einem PoP-Messwert Berechnungen auf Grundlage der LookML-Definition des PoP-Messwerts und der Felder durchgeführt werden, die Sie in der Explore-Abfrage auswählen, müssen Sie mindestens die folgenden Felder in eine Explore-Abfrage mit einem PoP-Messwert einbeziehen:

• Das PoP-Maß.
• Eine Zeitdimension, die für den period geeignet ist, der dem PoP-Messwert zugeordnet ist. Die Zeitdimension kann entweder über die Feldauswahl des Explores oder in den Filtern des Explores in die Abfrage aufgenommen werden:
  • Für PoP-Messanfragen werden Zeiträume mit einer Granularität von „Datum“ oder größer unterstützt, z. B. „Monat“, „Quartal“ oder „Jahr“. Bei PoP-Messwertabfragen werden keine Dimensionen mit Zeiträumen von Stunden oder Minuten unterstützt.
  • Wenn der PoP-Messwert mit einem based_on_time definiert ist, der einen Zeitraum einer Dimensionsgruppe darstellt, muss die Explore-Abfrage einen Zeitraum aus derselben Dimensionsgruppe enthalten, der einen gleichen oder kleineren Zeitraum als den im Parameter period des PoP-Messwerts angegebenen Zeitraum verwendet. Sie können die Dimensionsgruppe in die explorative Datenanalyse einbeziehen, indem Sie sie in der Feldauswahl der explorativen Datenanalyse auswählen oder nach ihr filtern. Wenn der based_on_time-Wert des PoP-Messwerts beispielsweise mit einem Zeitraum aus der Dimensionsgruppe orders.created definiert ist und der PoP-Messwert mit period: month definiert ist, muss die Explore-Abfrage einen Zeitraum aus der Dimensionsgruppe orders.created enthalten, der einem Monat oder weniger entspricht, z. B. orders.created_date. Der Zeitraum in der explorativen Datenanalyse muss übereinstimmen oder kleiner sein, da Sie beispielsweise keinen monatlichen Vergleich für einen Jahreszeitraum durchführen können.
  • Wenn der PoP-Messwert mit einem based_on_time definiert ist, das eine zeitbasierte Dimension ist, muss die Explore-Abfrage genau dieselbe zeitbasierte Dimension enthalten. Das kann entweder durch Einbeziehung der Dimension aus der Feldauswahl des Explores oder durch Angabe eines Filters für die Dimension erfolgen. Die zeitbasierte Dimension muss einen Zeitraum umfassen, der gleich oder kürzer ist als der im Parameter period der PoP-Messung angegebene Zeitraum. Wenn die PoP-Messung beispielsweise mit based_on_time: created_date und die PoP-Messung mit period: month definiert ist, muss die Explore-Abfrage die Dimension created_date enthalten.

Wenn die PoP-Messung mit einem based_on_time definiert ist, das einen Zeitraum einer Dimensionsgruppe darstellt, beachten Sie die folgenden Anforderungen für den Zeitraum in der Explore-Abfrage:

• Der Zeitraum in der Explore-Abfrage muss gleich oder kleiner sein als der Zeitraum, der im Parameter period der PoP-Messung angegeben ist. Wenn beispielsweise der based_on_time-Messwert für die Wahrscheinlichkeit von Kaufentscheidungen mit einem Zeitraum aus der Dimensionsgruppe orders.created definiert ist und der Messwert für die Wahrscheinlichkeit von Kaufentscheidungen mit period: month definiert ist, muss die Explore-Abfrage einen Zeitraum aus der Dimensionsgruppe orders.created enthalten, der einem Monat oder weniger entspricht, z. B. orders.created_date. Der Zeitraum in der Explore-Abfrage muss kleiner sein, da Sie beispielsweise keinen monatlichen Vergleich für einen Zeitraum von einem Jahr durchführen können.
• Der Zeitraum in der Explore-Abfrage muss selbst Zeitstempelinformationen enthalten. Die Zeiträume year, month und date einer Dimensionsgruppe enthalten beispielsweise tatsächliche Zeitstempelinformationen. Im Gegensatz dazu wird der day_of_week-Zeitraum vom zugrunde liegenden Zeitstempel abstrahiert, um einen Wert wie Wednesday zu liefern. Auch Zeiträume wie month_name, month_num und day_of_month enthalten keine Zeitstempelinformationen und können daher nicht für die Berechnung von Werten für den vorherigen Zeitraum verwendet werden. Wenn Sie jedoch einen Zeitstempel wie date in die Explore-Abfrage einfügen, werden dem PoP-Measure Zeitstempelinformationen zur Verfügung gestellt, mit denen Werte für den vorherigen Zeitraum berechnet werden können. Sie können auch den day_of_week-Zeitraum in die Explore-Abfrage einbeziehen, da für die Berechnung des PoP-Messwerts die Informationen zum date-Zeitraum verwendet werden können.

Solange Sie diese Anforderungen in Ihrer Explore-Abfrage erfüllen, können Sie weitere Felder und Zeitrahmendimensionen in der Explore-Abfrage hinzufügen. Alle Zeiträume in der Explore-Abfrage müssen jedoch gleich oder kleiner als der Zeitraum des period-Zeitraums des PoP-Messwerts sein. Wenn Sie eine Explore-Abfrage mit einer PoP-Messung ausführen, wendet Looker automatisch die minimale Zeitrahmen-Granularität aus der Abfrage auf den Zeitrahmen an, der von der PoP-Messung verwendet wird. Im Beispiel-Explore am Anfang dieser Seite wurden alle PoP-Messwerte in LookML mit period: year definiert. Das bedeutet, dass für den in der Explore-Abfrage ausgewählten Zeitraum (in diesem Fall ein monatlicher Zeitraum) mit der PoP-Messung die Ergebnisse für denselben Zeitraum im Vorjahr zurückgegeben werden.

Wenn Sie sehen möchten, welche Zeiträume für Ihre PoP-Messung in einem Explore unterstützt werden, können Sie verschiedene Zeiträume testen, ohne Abfragen ausführen zu müssen. Klicken Sie im Bereich Daten des Explores auf den Tab SQL und fügen Sie dann Felder und Filter aus der Feldauswahl des Explores hinzu. Wenn mit der PoP-Messung die Abfrage mit den ausgewählten Feldern und Filtern nicht berechnet werden kann, wird auf dem Tab SQL eine Meldung angezeigt, dass die SQL-Anweisung nicht generiert werden kann.

Wenn Sie eine Abfrage ausführen, für die der SQL-Code nicht generiert werden kann, wird im Explore-Fenster ein Fehler mit den Details und einem Link zum relevanten LookML zurückgegeben.

Point-of-Purchase-Messungen mit benutzerdefinierten Kalendern verwenden

Vorabversion:Dieses Feature unterliegt den „Bedingungen für Pre-GA-Angebote“ im Abschnitt Allgemeine Dienstbedingungen der dienstspezifischen Nutzungsbedingungen. Pre-GA-Produkte und -Features sind "im Ist-Zustand" verfügbar und bieten möglicherweise nur eingeschränkten Support. Weitere Informationen finden Sie unter den Beschreibungen der Startphase.

Wenn Sie während der öffentlichen Vorschau benutzerdefinierter Kalender auf ein Problem stoßen, melden Sie es an [e-mail].

Wenn Sie eine PoP-Messung erstellen möchten, für die ein benutzerdefinierter Kalender verwendet wird, müssen Sie Folgendes tun:

• Fügen Sie in die Ansichtsdatei, in der Sie Ihren benutzerdefinierten Kalender modellieren, optional einen previous_ordinal_mapping-Parameterblock in Ihren calendar_definition-Parameterblock ein. Der Parameter previous_ordinal_mapping ist ab Looker 26.8 optional. In Looker 26.8 und höher wird für benutzerdefinierte Kalender davon ausgegangen, dass die vorherige Woche für Woche 1 Woche 52 und der vorherige Tag für Tag 1 Tag 364 ist. Wenn das bei Ihrem benutzerdefinierten Kalender nicht der Fall ist, müssen Sie den Parameterblock previous_ordinal_mapping verwenden.
• Geben Sie in der LookML-Definition des PoP-Messwerts im Parameter based_on_time den Jahreszeitraum einer Dimensionsgruppe von type: custom_calendar an.
• Verwenden Sie in der LookML-Definition der PoP-Messung den Parameter custom_calendar_period anstelle des Parameters period.

Hier sehen Sie beispielsweise den LookML-Code für eine benutzerdefinierte Kalenderdimensionsgruppe und einen PoP-Messwert, der den benutzerdefinierten Kalender verwendet:

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
  }

Beispiele

In den folgenden Abschnitten finden Sie einige Beispiele für verschiedene PoP-Messwerte und Explore-Abfragen:

• Anzahl mit PoP-Messwerten im Jahres- und Monatsvergleich vergleichen
• Auswirkungen von value_to_date auf die Messwerte für die Wahrscheinlichkeit von Kaufentscheidungen

Anzahl mit PoP-Messwerten im Jahres- und Monatsvergleich vergleichen

Hier ist der LookML-Code für einen Beispielmesswert total_births, eine Dimensionsgruppe birth vom Typ type:time und zwei PoP-Messwerte, die auf dem Messwert total_births basieren und die Dimensionsgruppe birth als based_on_time-Feld verwenden:

  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
  }

Beachten Sie bei diesen Feldern Folgendes:

• Beide PoP-Messwerte werden mit kind: previous definiert. Sie geben also beide den Wert des Messwerts aus dem vorherigen Zeitraum an.
• Beide PoP-Messwerte werden mit value_to_date: no definiert. Daher wird für beide der Wert des Messwerts für den gesamten Zeitraum berechnet (d. h. die minimale Zeitrahmen-Granularität aus der Abfrage).
• Beide PoP-Messwerte werden mit based_on_time: birth_year definiert. Daher wird für beide der zugrunde liegende Zeitstempel der Dimensionsgruppe birth verwendet.
• Der total_births_last_year-PoP-Messwert wird mit period: year und der total_births_last_month-PoP-Messwert mit period: month definiert.

Hier ist eine Explore-Abfrage, die alle drei Messwerte und den Zeitraum der Dimension birth_month enthält:

Beachten Sie Folgendes zu den Explore-Ergebnissen:

• Der kleinste Zeitraum für die Dimension in der Explore-Abfrage ist birth_month. Daher werden für die PoP-Messung monatliche Werte bereitgestellt.
• In der Zeile für den letzten Monat, 2024-07, wird im Wert Total Births Last Month (Gesamtzahl der Geburten im letzten Monat) die Gesamtzahl der Geburten für den vorherigen Monat, 2024-06, angezeigt. Sie können dies überprüfen, indem Sie sich den Wert Total Births (Gesamtzahl der Geburten) für die Zeile 2024-06 ansehen. Die beiden Werte stimmen überein.
• In der Zeile für den letzten Monat, 2024-07, wird im Wert Total Births Last Year die Gesamtzahl der Geburten für denselben Monat (07) im Vorjahr (2023) angezeigt. Sie können das überprüfen, indem Sie sich den Wert Total Births (Gesamtzahl der Geburten) in der Zeile 2023-07 ansehen. Die beiden Werte stimmen überein.

Auswirkungen von value_to_date auf Messwerte für die Wahrscheinlichkeit für einen Kauf

Ähnlich wie im vorherigen Beispiel sehen Sie hier den LookML-Code für den total_births-Messwert und die birth-Dimensionsgruppe von type:time sowie zwei PoP-Messwerte, die auf dem total_births-Messwert basieren und die birth-Dimensionsgruppe als based_on_time-Feld verwenden. In diesem Beispiel wird der total_births_last_year_value_to_date-PoP-Messwert jedoch mit value_to_date: yes und der total_births_last_year-PoP-Messwert mit value_to_date: no definiert:

  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
  }

Hier sehen Sie eine Explore-Abfrage, die alle drei Measures und den Zeitraum der Dimension birth_year enthält. Diese Explore-Abfrage wurde am 4. Juni um 16:25:08 ausgeführt. Das ist wichtig für die PoP-Messung value_to_date: yes.

Die Explore-Ergebnisse zeigen, wie sich der Unterparameter value_to_date auf die Berechnung der PoP-Messwerte auswirkt:

Beachten Sie Folgendes zu den Explore-Ergebnissen:

• In der Zeile für das aktuelle Jahr, 2024, wird im Feld Total Births Last Year (Gesamtzahl der Geburten im letzten Jahr) die Gesamtzahl der Geburten für das vorherige Jahr, 2023, angezeigt. Sie können die Berechnung überprüfen, indem Sie sich den Wert Total Births (Gesamtzahl der Geburten) für die Zeile 2023 ansehen. Die beiden Werte stimmen überein.
• In der Zeile für das letzte Jahr, 2024, ist der Wert für Total Births Last Year Value to Date (Gesamtzahl der Geburten im letzten Jahr bis heute) geringer als der Wert für Total Births Last Year (Gesamtzahl der Geburten im letzten Jahr). Das liegt daran, dass die Explore-Abfrage am 4. Juni um 16:25:08 ausgeführt wurde und die PoP-Messung total_births_last_year_value_to_date mit value_to_date: yes definiert ist. Daher hat Looker die Jahreswerte nur anhand der Daten bis zum 4. Juni um 16:25:08 für jedes Jahr berechnet.

Explore-Abfragen filtern, die PoP-Messwerte enthalten

Beachten Sie Folgendes beim Filtern von Explore-Abfragen, die PoP-Messwerte enthalten:

• Das Filtern wird für Explore-Abfragen unterstützt, die PoP-Messwerte enthalten. Sie können jedoch nicht nach einem PoP-Messwert selbst filtern. Im ersten Beispiel für einen Explore, in dem Abfragen für die Dimension birth_month und die PoP-Messwerte total_births, total_births_last_year und total_births_last_month ausgeführt werden, konnten Sie die Abfrage nicht nach den PoP-Messwerten total_births, total_births_last_year oder total_births_last_month filtern.
• Wenn Sie nach einem Feld filtern, das mit dem based_on_time-Parameter einer PoP-Measure verknüpft ist, und der Zeitraum des Filters kürzer ist als der Zeitraum der Abfrage, werden in der PoP-Measure nur die Ergebnisse für den Filterwertzeitraum der Abfrage angezeigt. Wenn Sie beispielsweise die Dimension orders.created_year abfragen und die Abfrage nach dem Monat Januar filtern, werden für jedes Jahr nur die Werte für Januar angezeigt. Diese können fälschlicherweise für die Ergebnisse des gesamten Jahres gehalten werden.
• Bei Explore-Abfragen für die PoP-Messung ruft Looker Daten für einen zusätzlichen Zeitraum mit dem geringsten Detaillierungsgrad der Abfrage ab, um Daten für die PoP-Messung zu berechnen. Wenn Sie beispielsweise eine Explore-Abfrage mit einer monatlichen Dimension, einer PoP-Messung, die mit period: year definiert ist, und einem Filter für die letzten sechs Monate erstellen, ermittelt Looker die am wenigsten detaillierte Granularität in der Abfrage. In diesem Beispiel wäre das der Zeitraum year der PoP-Messung. In diesem Beispiel ruft Looker die Daten der letzten sechs Monate sowie die Daten des vorherigen Jahres ab, damit jeder der letzten sechs Monate mit dem entsprechenden Monat des Vorjahres verglichen werden kann.
• Wie unter Anforderungen für Explore-Abfragen mit PoP-Messwerten beschrieben, müssen Explore-Abfragen, die PoP-Messwerte enthalten, eine Zeitdimension haben, die für die period geeignet ist, die dem PoP-Messwert zugeordnet ist. Wenn Sie keine Zeitdimension in der Feldauswahl des Explores auswählen, kann Looker die erforderlichen Informationen aus Zeitdimensionen in den Filtern des Explores ableiten. In diesem Fall werden die Ergebnisse der Explore-Abfrage in Looker nach der Zeitdimension des Filters sortiert.

Visualisierungen mit Vergleichszeitraum-Messwerten

Für PoP-Messwerte empfiehlt sich die Tabellendiagramm-Visualisierung. Je nach den Feldern in Ihrer Explore-Abfrage sind möglicherweise auch andere Visualisierungsoptionen geeignet.

Wenn Sie eine andere Visualisierung als ein Tabellendiagramm verwenden, achten Sie darauf, dass sie übersichtlich ist. Da PoP-Messwerte Vergleiche mit einem vorherigen Zeitraum ermöglichen, können Visualisierungen mit PoP-Messwerten irreführend sein. Bei einer PoP-Messung im Jahresvergleich, die als kind: previous definiert ist, wird beispielsweise der Wert des letzten Jahres für das Datum dieses Jahres angezeigt. Wenn Ihre Explore-Abfrage den Wert des aktuellen Jahres zusammen mit dem PoP-Messwert für das Vorjahr enthält, hat das aktuelle Jahr in der Visualisierung zwei Werte.

Wenn Sie eine andere Visualisierung als ein Tabellendiagramm verwenden, muss darin deutlich darauf hingewiesen werden, dass alle PoP-Messwerte ein Vergleich mit einem vorherigen Zeitraum sind.

Einschränkungen für PoP-Messungen

Beachten Sie die folgenden Einschränkungen von PoP-Messungen:

• PoP-Messwerte werden nur für LookML-Projekte unterstützt, in denen die neue LookML-Laufzeit verwendet wird. Wenn die Legacy-Funktion Use Legacy LookML Runtime (Legacy-LookML-Laufzeit verwenden) für Ihre Instanz aktiviert ist, muss die Manifestdatei für Ihr Projekt eine new_lookml_runtime:yes-Anweisung enthalten.
• PoP-Messungen werden mit dem Looker-Connector in Data Studio nicht unterstützt.
• PoP-Messungen müssen auf einem aggregierten Messwert basieren, wie im Abschnitt based_on beschrieben. Sie können keine PoP-Messung auf einem nicht aggregierten Messwert basieren.
• Bei BigQuery-Verbindungen in Instanzen, in denen die Labs-Funktion Symmetrische Aggregate für BI Engine aktiviert ist, werden PoP-Messwerte unterstützt. Bei SQL-Abfragen mit PoP-Messwerten wird die Funktion „Symmetrische Aggregate für BI Engine“ jedoch nicht verwendet.
• PoP-Messungen unterstützen keine Kohortenanalyse.
• Für PoP-Messungen werden keine fortlaufenden Berechnungen unterstützt.
• Bei PoP-Messungen wird immer der aktuelle Zeitraum mit dem vorherigen Zeitraum verglichen. Sie können keine PoP-Messung konfigurieren, um den aktuellen Zeitraum mit einem anderen Zeitraum als dem vorherigen zu vergleichen. Sie können beispielsweise keine PoP-Messung erstellen, um den Mai des letzten Jahres mit dem Dezember dieses Jahres zu vergleichen.
• PoP-Messungen werden nicht für beliebige Zeiträume unterstützt, z. B. die letzten zwei Wochen im Vergleich zu den zwei Wochen davor.
• Liquid-Parameter werden in den Parametern einer PoP-Messung nicht unterstützt. Wenn die Felder based_on oder based_on_time eines PoP-Messwerts jedoch auf eine Dimension verweisen, die mit Liquid definiert ist, wird dieses Liquid verarbeitet.

• Für PoP-Messungen mit benutzerdefinierten Kalendern:

  • Vor Looker 26.8 muss der Parameter based_on_time auf den custom_year-Zeitrahmen einer Dimensionsgruppe von type: custom_calendar verweisen.
  • (Vor Looker 26.8) Bei PoP-Messwerten, die mit custom_calendar_period: custom_year definiert sind, wird in Looker der Wert für die vorherige Woche oder das Datum des vorherigen Jahres zurückgegeben, wenn die Nutzerabfrage custom_week oder custom_date enthält.

• PoP-Messwerte werden für die folgenden Looker-Funktionen nicht unterstützt:

  • Aggregate awareness
  • Zeilensummen
  • Zwischensummen
  • Gesamt

• Mit PoP-Messwerten kann kein benutzerdefiniertes Feld erstellt werden.

• Für wochenbasierte Vergleiche empfiehlt es sich, einen PoP-Messwert mit einem benutzerdefinierten Kalender zu erstellen.

• PoP-Messungen mit Zeiträumen, die mit Geschäftsjahreszeiträumen definiert sind, können nicht in Explore-Abfragen mit nicht geschäftsjahresbezogenen Zeiträumen verwendet werden. Außerdem können PoP-Messwerte mit Zeiträumen, die mit nicht fiskalischen Zeiträumen definiert sind, nicht in Abfragen mit Dimensionen für fiskalische Zeiträume verwendet werden.

• PoP-Messwerte unterstützen den Offset für das Geschäftsmonat, da der based_on_time-Parameter des PoP-Messwerts den fiscal_month_offset-Wert aus der LookML-Modelldatei übernimmt, die mit dem Explore verknüpft ist. Wenn Sie einen PoP-Messwert mit fiscal_year oder fiscal_quarter definieren, wird er in einer Explore-Abfrage nur unterstützt, wenn in der Explore-Abfrage ein fiscal_year- oder fiscal_quarter-Zeitraum angegeben ist. In diesem Fall wird die fiscal_offset_month berücksichtigt.

• Der period des PoP-Messwerts muss gleich oder größer als der in der Explore-Abfrage ausgewählte Zeitraum sein. Für eine PoP-Messung, die mit period: month definiert ist, muss die Explore-Abfrage beispielsweise eine Zeitrahmendimension von einem Monat oder weniger haben, z. B. Woche oder Tag.

• Wenn Sie PoP-Messwerte verwenden, müssen Sie immer die entsprechende Zeitrahmendimension in die explorative Datenanalyse einbeziehen.date_time Wenn Sie beispielsweise ein PoP-Measure definieren, um Werte für den entsprechenden Monat im vorherigen Quartal zu berechnen, müssen Sie die entsprechende Quartalsdimension (z. B. [dimension_name]_quarter) zusammen mit der Monatsdimension in den Explore-Bericht aufnehmen. Ohne die Dimension für den entsprechenden Zeitraum wird im generierten SQL eine Kürzung (z. B. TIMESTAMP_TRUNC(..., QUARTER)) auf das Datum angewendet, bevor der vorherige Zeitraum berechnet wird. Die Abfrage wird dann anhand des Quartalsbeginns ausgewertet.

  Bei einem Vergleich für Februar würde mit dem generierten SQL beispielsweise der Wert für den ersten Monat des vorherigen Quartals (Oktober) anstelle des entsprechenden Monats (November) abgerufen. Wenn Sie die entsprechende Zeitrahmendimension in das Explore einfügen, wird der SQL-Code richtig generiert und gruppiert.

Unterstützte Datenbankdialekte für PoP-Messwerte

In der folgenden Tabelle ist zu sehen, welche Dialekte PoP-Messwerte in der aktuellen Looker-Version unterstützen:

Dialekt	Unterstützt?
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