第58页，共378页。 显示 3,773 条结果 (0.095 秒)
应用场景
image2024-12-20_15-58-51.png 3、场景3：归因、预测及数据解释 AIChat 内置了多种机器学习算法，并且还和 Smartbi 挖掘平台打通，能够调用挖掘平台的算法，实现复杂深入的分析。 序号 问句 1 看一下去年各月份的合同金额、同比，并作图 2 为什么2023年10月份合同金额大幅下降了? 3 … 。 image2024-12-20_16-26-42.png 4、场景4：复杂嵌套式查询 在上一步查出的数据基础上，一步步查出更复杂的业务场景，实现嵌套式查询。 序号 问句 1 看2022年1月到2023年3月的合同额 2 找出合同额连续3个月增长的销售分部 3 查找出这几个分部，每个分部在2023年数据模型引擎V2.0
看SQL引擎V1.0介绍、SQL引擎V2.0介绍。 多维引擎：是基于V1.0重构而来的，V2.0比V1.0 更稳定、查数更快、扩展性更强。 注意：多维引擎V2.0跟1.0在实现上有部分差异，升级的用户主要重点关注。 2.1 如何开启引擎V2.0? 在2025-04-08之后的包是强制默认开启该引擎 … 超过设置的抽取时间，自动清理旧表、减少资源消耗。 2、相同权限的用户间，抽取结果共享，减少重复抽取。 抽取行权限（ 只最针对：数据模型中的数据源表做出的更改) 数据模型中添加的是“数据源表”，抽取时是引用计划任务设置的执行人在源表上设置的行权限。还需要再数据模型上重新设置好数据行权限，查询时才不会权限kettle建立缓慢增长维
数据库的不同和实现方式的不同，而且简单易懂。 4 Stream Datefield4.1 这个选项是用来控制时间的精度的，有的时候我们可能只是一个月进行一次ETL，这个时候Datefield 显然没有必要到秒的精度，而且这个选项严重影响你后面如果使用缓慢增长维的sql 的复杂度，因为你需要先把时间的精度调到你需要的精度 … 你打算每天的午夜来进行ETL过程，可以考虑加一个Join 步骤"Yesterday 23:59:59" 作为输入的时间字段.2. 这必须是一个Date 字段(不能是转换后的字符串，即使他们有相同的格式也不行),我们（Kettle 的开发小组）把功能实现隔离出来，如果你需要的话自己要先转换.3. 对于Date range交叉表
1 概述 交叉表是表格展现数据的一种基础报表，在行、列上进行同类数据合并，在行和列的交叉处可以对数据进行汇总计算。 1.1 配图建议 行区：一个或多个维度字段； 列区：一个或多个维度字段。 度量区：一个或多个度量字段。 1.2 表格特点 适用于多维度、多指标交叉分析场景，通过多指标交叉分析并进行决策判断 … 如下图所示： 添加度量字段后，系统会自动将度量名称字段添加到列区。 度量名称字段本质是一个将当前业务数据集所有度量字段名作为字段值的维度，具体效果在本文的2.3章节中查看。 Snipaste_2023-06-13_19-00-36.png 3、表格分页功能说明： （1）表格数据默认分页显示，且每页20条数客户复购分析
1. 报表总览 1.1. 背景描述 很多产品吸引客户户首次下单购买的策略都是通过让利促销的方式，当发现客户长时间没光顾了，为了重新激活该客户会再次推送优惠券或促销活动让客户回流，可能又会产生第二次购买，但这种方式的促进作用是在呈漏斗式下降的，并且促销也有成本。若要最大化效益，就需要筛选出潜在价值高的客户，有 … 共同点就是想提高自己客户的复购率。 1.2. 最终实现效果 image2021-7-30_15-52-53.png 2. 定制方法 2.1. 数据准备 2.1.1. 进入“数据准备”，新建“数据模型”，导入文件“客户复购数据.xlsx”，如下 image2021-7-19_14-0-41.png 保存为“客户客户复购分析
1. 报表总览 1.1. 背景描述 很多产品吸引客户户首次下单购买的策略都是通过让利促销的方式，当发现客户长时间没光顾了，为了重新激活该客户会再次推送优惠券或促销活动让客户回流，可能又会产生第二次购买，但这种方式的促进作用是在呈漏斗式下降的，并且促销也有成本。若要最大化效益，就需要筛选出潜在价值高的客户，有 … 共同点就是想提高自己客户的复购率。 1.2. 最终实现效果 image2021-7-30_15-52-53.png 2. 定制方法 2.1. 数据准备 2.1.1. 进入“数据准备”，新建“数据模型”，导入文件“客户复购数据.xlsx”，如下 image2021-7-19_14-0-41.png 保存为“客户树状表同期值计算问题
（本文档仅供参考） 问题： 使用交叉表和树状表计算年同期值，交叉表计算的同期值是正确的，但是发现树状表同期值计算出来不是预期的，如下所示 （1）交叉表：同期值计算是去年同时期的数据合计，2025年的同期值（截止当前年周）小计是2024年1月~4月对应年周数据合计。 image2025-5-28_16-50-0.png （2）树状表：同期值计算是去年全年数据的合计，2025年的同期值是2024年全年年周数据合计。 image2025-5-28_16-54-32.png 解决方案： 此问题是由于树状表底层实现逻辑，是多个查询分开查询再拼接成一个表格的。其中，对于“年”级别的小计，是一个单独的查询，无法明确是到哪个Mondrian 3.0.4 学习总结
模型和数据库物理模型的对应。逻辑模型定义好后，即可以书写 MDX语言实现多维数据查询。这个逻辑模型实际上提供了这几个概念：立方体（Cubes）、维度（Dimensions）、层次（Hierarchies）、级别（Levels）、和成员（Members）。 3.1. Schema文件 Schema文件结构如下 … 维度表的成员是否唯一 3.3.2.时间维 7.jpg 时间维同样拥有普通维的各种属性，除此之外，还有如下属性： 属性 含义 type="TimeDimension" 声明这是一个时间维 levelType 定义时间维级别的类型Mondrian学习总结
逻辑模型和数据库物理模型的对应。逻辑模型定义好后，即可以书写 MDX语言实现多维数据查询。这个逻辑模型实际上提供了这几个概念：立方体（Cubes）、维度（Dimensions）、层次（Hierarchies）、级别（Levels）、和成员（Members）。 3.1. Schema文件 Schema文件结构 … uniqueMembers 维度表的成员是否唯一 3.3.2.时间维 7.jpg 时间维同样拥有普通维的各种属性，除此之外，还有如下属性： 属性 含义 type="TimeDimension" 声明这是一个时间维 levelType 定义时间维级别的类型Mondrian学习总结
逻辑模型和数据库物理模型的对应。逻辑模型定义好后，即可以书写 MDX语言实现多维数据查询。这个逻辑模型实际上提供了这几个概念：立方体（Cubes）、维度（Dimensions）、层次（Hierarchies）、级别（Levels）、和成员（Members）。 3.1. Schema文件 Schema文件结构 … uniqueMembers 维度表的成员是否唯一 3.3.2.时间维 7.jpg 时间维同样拥有普通维的各种属性，除此之外，还有如下属性： 属性 含义 type="TimeDimension" 声明这是一个时间维 levelType 定义时间维级别的类型
