Инструкция пользователя

Формат	Описание	Пример
%a	День недели, короткая версия	Wed
%A	День недели, полная версия	Wednesday
%w	День недели в виде числа 0-6, где 0 — воскресенье	3
%d	День месяца в виде числа 01-31	31
%b	Название месяца, короткая версия	Dec
%B	Название месяца, полная версия	December
%m	Месяц в виде числа 01-12	12
%y	Год, короткая версия, без века	18
%Y	Год, полная версия	2018
%H	Час, число 00-23	17
%I	Час, число 00-12	05
%p	AM/PM	AM
%M	Минуты, число 00-59	41
%S	Секунды, число 00-59	08
%f	Микросекунды, число 000000-999999	548513
%z	Смещение UTC	+0100
%Z	Часовой пояс	CST
%j	День года, число 001-366	365
%U	Неделя года, воскресенье как первый день недели, число 00-53	52
%W	Неделя года, понедельник как первый день недели, число 00-53	52
%c	Локальная версия даты и времени	Mon Dec 31 17:41:00 2018
%x	Локальная версия даты	12/31/18
%X	Локальная версия времени	17:41:00
%%	Символ	%

Наименование графика	Описание
Ядро
Гистограмма (Bar Chart)	Гистограммы обеспечивают простой для понимания способ визуального представления категорийных данных.
Число (Big Number)	Полезно для выделения одной метрики или ключевого показателя эффективности в определённый момент времени.
Большое количество с трендом (Big Number with Trendline)	Вариант диаграммы Big Number, которая также включает линию тренда для демонстрации последних изменений в метрике.
Диаграмма воронка (Funnel Chart)	Использует толщину компонентов физической воронки для демонстрации различных этапов пайплайна в ваших операциях.
Калибровочная диаграмма (Gauge Chart)	Повторно использует шкалы из научной и промышленной среды, чтобы продемонстрировать частичный прогресс в достижении определённого числа.
Круговая диаграмма (Pie Chart)	Круговой статистический график, показывающий пропорцию различных данных, передаваемых в виде слайсов внутри круга (т.е. кругового графика).
Сводная таблица (Pivot Table)	Базовая таблица сгруппированных значений, объединяющая отдельные элементы более обширной таблицы в одной или нескольких дискретных категориях.
Таблица (Table Chart)	Построчная таблица, похожая на представление датасета. Используйте таблицы, чтобы продемонстрировать представление базовых данных или показать агрегированные метрики.
Древовидная диаграмма (Treemap)	Использует масштабированные прямоугольники для визуализации одной и той же метрики в нескольких разных группах.
Временные ряды
График смешанных временных рядов (Mixed Chart)	Объединяет несколько визуализаций временных рядов в одном контейнере графика, используя общую временную ось X.
Диаграмма области (Area Chart)	Использует меняющуюся область под линиями, чтобы визуализировать, как отношения, пропорции или проценты метрик изменяются с течением времени.
Гистограмма временных рядов (Time-series Bar Chart)	Использует столбцы, чтобы визуализировать изменение метрики с течением времени.
Линейный график временных рядов (Time-series Line Chart)	Использует линии для визуализации того, как метрики изменяются с течением времени.
Точечный график временных рядов (Time-series Scatter Plot)	Использует точки для визуализации того, как метрики изменяются с течением времени.
Плавные линии (Smooth Line)	Вариация линейного графика временных рядов, которая соединяет в сглаженную линию, соединяющую две точки данных.
Ступенчатый график (Stepped Line)	Вариация линейного графика временных рядов, которая соединяет две точки данных с помощью линий с шагом 90 градусов.
Прочее
Графическая диаграмма (Graph Chart)	Визуализирует связанные объекты или события с помощью узлов, окружностей и рёбер или соединённых линий между узлами.
Радиальная диаграмма (Radar Chart)	Позволяет визуализировать параллельный набор метрик по нескольким группам или категориям.
Диаграмма Санкей (Sankey Diagram)	Блок-схема, которая передаёт относительный размер метрических данных на основе размера линий потока от источника к цели.
Древовидный график (Tree Chart)	Превосходно визуализирует иерархию.


	Параметры в Исследовать (Explore): - Измерения (Dimensions) — чтобы продемонстрировать регионы с наибольшим количеством рождённых мальчиков и девочек, столбец state выбран в качестве измерения; - Показатели (Metrics) — применение функции SUM() к столбцам num_boys и num_girls.
`SELECT state AS state, sum(num_boys) AS "Boys", sum(num_girls) AS "Girls" FROM public.birth_names WHERE ds >= TO_TIMESTAMP('1922-12-28 00:00:00.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND ds < TO_TIMESTAMP('2022-12-28 16:52:51.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND state NOT IN ('other') GROUP BY state ORDER BY "Boys" DESC LIMIT 50000;`	Сгенерированный SQL-запрос: - Оператор SELECT содержит агрегаты и столбец измерения; - Оператор GROUP BY содержит только столбец измерения.


	Параметры в Исследовать (Explore): - Показатели (Metrics) — упрощено до SUM() столбца num_girls для каждой комбинации групп; - Измерения (Dimensions) — группировка метрики по парным группам из столбцов name и state.
`SELECT name AS name, state AS state, sum(num_girls) AS "SUM(num_girls)" FROM public.birth_names GROUP BY name, state ORDER BY "SUM(num_girls)" DESC LIMIT 10000;`	Сгенерированный SQL-запрос: - Оператор GROUP BY содержит несколько столбцов.


	Показатель (Metric) (обязательно): - Этот график показывает агрегированную метрику в виде одного числа; - Необходимо выбрать столбец и агрегатную функцию, которую нужно применить к этому столбцу. В этом примере: - SUM(num) — сумма всех использований имён (для этого датасета используется виртуальная метрика sum_num, которая по факту является COUNT всего количества имён в датасете). Фильтры (Filters) (опционально): - Можно добавить критерии фильтрации, чтобы сузить строки/данные, используемые для вычисления агрегированной метрики. Подзаголовок (Subheader) (опционально): - Можно указать текст подзаголовка, который располагается под самим графиком.
`SELECT SUM(num) AS sum__num FROM public.birth_names WHERE ds >= TO_TIMESTAMP('1922-12-29 00:00:00.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND ds < TO_TIMESTAMP('2022-12-29 10:59:21.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND gender = 'girl' LIMIT 50000;`	Сгенерированный SQL-запрос


	Гранулярность (Time range) (опционально): - Диапазон времени, который будет использоваться при расчёте отображаемой агрегированной метрики; - Временной интервал имеет решающее значение, так как он будет использоваться для построения линии тренда путём сравнения последних X периодов. Показатель (Metric) (обязательно): - Этот график показывает агрегированную метрику в виде одного числа; - Необходимо выбрать столбец и агрегатную функцию, которую нужно применить к этому столбцу. В этом примере: - SUM(num) — сумма всех использований имён (для этого датасета используется виртуальная метрика sum_num, которая по факту является COUNT всего количества имён в датасете). Фильтры (Filters) (опционально): - Можно добавить критерии фильтрации, чтобы сузить строки/данные, используемые для вычисления агрегированной метрики. Варианты (Options): - Период сравнения лаг (Comparison Period Lag) — количество периодов с использованием временного интервала Гранулярность (Time range), выбранного ранее. Выбранные здесь параметры будут генерировать линию тренда за последние 5 лет на ежедневной периодичности; - Сравнительный суффикс (Comparison suffix) — информация, которая добавляется на графике к числу, полученному при указании значения в поле Период сравнения лаг (Comparison Period Lag). - Показать временную метку (Show timestamp) – отображение временной метки; - Показывать линию тренда (Show trend line) — отображение линии тренда; - Начните ось Y с 0 (Start Y-axis at 0) — ось Y начинается с 0 вместо самого низкого значения в датасете.
`SELECT DATE_TRUNC('day', ds) AS __timestamp, SUM(num) AS sum__num FROM public.birth_names WHERE ds >= TO_TIMESTAMP('1922-12-29 00:00:00.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND ds < TO_TIMESTAMP('2022-12-29 11:27:17.000000', 'YYYY-MM-DD HH24:MI:SS.US') GROUP BY DATE_TRUNC('day', ds) LIMIT 50000;`	Сгенерированный SQL-запрос

Этап	Количество_2019
Общий объём рынка	232000
Потенциальные клиенты	94480
Интересующиеся продуктом	47390
Покупатели	22181

Этап	Идентификатор_пользователя
Общий объём рынка	Пользователь_2015
Общий объём рынка	Пользователь_0913
Потенциальные клиенты	Пользователь_2015
Интересующиеся продуктом	Пользователь_1483
Интересующиеся продуктом	Пользователь_2015
Покупатели	Пользователь_2015
Общий объём рынка	Пользователь_1483
Потенциальные клиенты	Пользователь_0913
Интересующиеся продуктом	Пользователь_1737
…	…

Этап	Количество_2019
Общий объём рынка	232000
Потенциальные клиенты	94480
Интересующиеся продуктом	47390
Покупатели	22181


	Измерения (Dimensions) Рекомендуется выбрать один столбец для измерения. Уникальные значения в этом столбце будут использоваться для определения различных этапов воронки продаж. В данном примере, в качестве измерения выбран Этап. Показатель (Metric) Определите, как рассчитать числовое значение каждого этапа. В данном примере, в качестве метрики выбран count_distinct(Идентификатор*_*пользователя). Тип расчёта процентов (% Calculation) Определите способ вычисления процентного значения для каждого этапа воронки: - Процент от общего значения (Percent of total) — процент рассчитывается от общей суммы всех этапов. - Процент от первого этапа (Calculate from first step) — процент рассчитывается относительно первого этапа. - Процент от предыдущего этапа (Calculate from previous step) — процент рассчитывается относительно предыдущего этапа.
`SELECT "Этап" AS "Этап", count(DISTINCT "Идентификатор_пользователя") AS "Количество_2019" FROM tesr."funnel_chart" GROUP BY "Этап" ORDER BY "Количество_2019" DESC`	Сгенерированный SQL-запрос


	Измерения (Dimensions) Рекомендуется выбрать один столбец для измерения. Уникальные значения в этом столбце будут использоваться для определения различных этапов воронки продаж. Показатели (Metric) При работе с агрегированными данными существует возможность выбрать SUM(), MAX() или MIN() в качестве агрегатной функции. Тип расчёта процентов (% Calculation) Определите способ вычисления процентного значения для каждого этапа. Доступные варианты: - Процент от общего значения (Percent of total); - Процент от первого этапа (Calculate from first step); - Процент от предыдущего этапа (Calculate from previous step).
`SELECT "Этап" AS "Этап", sum("Количество _2019") AS "SUM(Количество _2019)" FROM test."funnel chart" GROUP BY "Этап" ORDER BY "SUM(Количество _2019)" DESC;`	Сгенерированный SQL-запрос


	Вкладка Данные (Data) → Показатель (Metric): - Выберите один Показатель (Metric), который необходимо визуализировать. Аналогично тому, который был выбран на графике Число (Big Number).
	Вкладка Настроить (Customize) → Параметры графика (Chart Options) → Минимум (Min) и Максимум (Max): - Минимум (Min) — для многих KPI или целевых метрик для Минимум (Min) используется значение 0; - Максимум (Max) — установите целевое значение KPI или метрики в качестве максимального значения.


	Измерения (Dimensions): - Дополнительно добавьте Измерения (Dimensions), чтобы разделить и раскрасить определённые измерения. Уникальные значения в выбранных столбцах используются для разделения графика.


Используемые данные


	В Исследовать (Explore) необходимо выбрать следующие столбцы для применения: - Источник (Source); - Цель (Target); - Показатель (Metric). Для каждого уникального значения группировки в столбцах Источник (Source) и Цель (Target), которые были выбрали: - создаётся узел или окружность; - между узлами добавляется ребро или стрелка, указывающая от значения в столбце Источник (Source) к значению в столбце Цель (Target); - расчётная метрика используется в качестве значения, отображаемого при наведении указателя мыши на край.


Исходные данные
Значения в Исследовать (Explore)
Сгенерированный запрос	`SELECT "First_list", "Preceding_list", COUNT_DISTINCT("user_id") FROM main."Example: Graph Chart" GROUP BY "First_list","Preceding_list"`
Финальные данные


Исходные данные
Значения в Исследовать (Explore)
Сгенерированный запрос	`SELECT "First_list", "Preceding_list", max("Number_of_people") FROM main."Example: Graph Chart" GROUP BY "First_list", "Preceding_list"`
Финальные данные


	Общие поля запроса (Shared query fields): - Ось X (X-axis) — временной столбец, который необходимо визуализировать; - Гранулярность (Time Grain) — гранулярность оси X (ежечасно, ежедневно, еженедельно и т.д.).
	Первая визуализация временных рядов Запрос А (Query A): - Перетащите или выберите Показатели (Metrics), которые будут отображаться на оси Y для вашего первого графика временных рядов; - На вкладке Настроить (Customize) используйте поле Тип серии (Series Type), чтобы выбрать тип диаграммы (линейная, точечная, гистограмма и т.д.).
	Вторая визуализация временных рядов Запрос В (Query B): - Перетащите или выберите Показатели (Metrics), которые будут отображаться на оси Y для вашего второго графика временных рядов; - На вкладке Настроить (Customize) используйте поле Тип серии (Series Type), чтобы выбрать тип диаграммы (линейная, точечная, гистограмма и т.д.).


	Просмотр обоих запросов: Нажмите кнопку [...] в правом верхнем углу интерфейса Исследовать (Explore), и нажмите Скопировать запрос (View Query) на любом графике, чтобы просмотреть сгенерированные запросы. - Первый запрос соответствует Запрос А (Query A); - Второй запрос соответствует Запрос В (Query B).
	Просмотр обоих наборов результатов: Под отображаемым графиком есть две вкладки Результаты (Results), соответствующие результатам обоих запросов. - Результаты (Results)показывают результаты Запрос А (Query A): - Результаты 2 (Results 2) показывают результаты Запрос В (Query B).


	Параметры в Исследовать (Explore): - Измерения (Dimensions) — столбец gender датасета birth_names выбран в качестве измерения, чтобы разделить метрику (общее количество рождённых детей в стране за всё время) на общее количество рождённых мальчиков и девочек; - Показатели (Metrics) — в качестве показателя использовали метрику sum_num датасета, которая отображает общее количество рождённых детей в стране за всё время.
`SELECT gender AS gender, SUM(num) AS sum__num FROM public.birth_names WHERE ds >= TO_TIMESTAMP('1923-01-09 00:00:00.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND ds < TO_TIMESTAMP('2023-01-09 17:26:54.000000', 'YYYY-MM-DD HH24:MI:SS.US') GROUP BY gender ORDER BY sum__num DESC LIMIT 50000;`	Сгенерированный SQL-запрос


	Параметры в Исследовать (Explore): - Измерения (Dimensions) — в качестве измерений выбраны столбцы gender и state датасета birth_names; - Показатели (Metrics) — в качестве метрики оставлена метрика sum_num.
`SELECT gender AS gender, state AS state, SUM(num) AS sum__num FROM public.birth_names WHERE ds >= TO_TIMESTAMP('1923-01-09 00:00:00.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND ds < TO_TIMESTAMP('2023-01-09 17:44:51.000000', 'YYYY-MM-DD HH24:MI:SS.US') GROUP BY gender, state ORDER BY sum__num DESC LIMIT 100;`	Сгенерированный SQL-запрос


	- Столбец source указывает исходный узел на графике; - Столбец target указывает принимающий (или целевой) узел на графике; - Значение count используется для масштабирования толщины прямоугольника соединительного потока. Это значение также отображается, когда пользователь наводит курсор на прямоугольник соединительного потока.


	Базовые данные: - Используемые данные в этом примере предварительно агрегированы в столбце count; - Столбцы source и target сопоставляются с узлами, которые необходимо визуализировать.
	Параметры в Исследовать (Explore): - Источник / Цель (Source/Target) — укажите столбцы, которые необходимо использовать для исходных и целевых узлов; - Metric (Показатель)— укажите агрегат и столбец, который необходимо использовать для толщины потока между узлами.
`SELECT source AS source, target AS target, sum(count) AS "SUM(count)" FROM main."Example: Sankey" GROUP BY source, target`	Сгенерированный SQL-запрос


	Форма данных: - Каждый угол радарного графика связан с метрикой, поэтому разумным подходом к моделированию данных является маппинг каждой метрики с другим столбцом.
	Параметры в Исследовать (Explore): - Для каждого указанного Показателя (Metric) к радарному графику добавляется ещё один узел/вершина и добавляется ребро (или соединительная линия); - Для данной визуализации выбраны 4 шага маркетинговой воронки в качестве узлов на графике; - Если необходимо агрегировать данные, то воспользуйтесь панелью Показатели (Metrics).
`SELECT max("Users Emailed") AS "Users Emailed",max("Users Opened Offer") AS "Users Opened Offer", max("Users Added Offer to Cart") AS "Users Added Offer to Cart", max("Users Claimed Offer") AS "Users Claimed Offer" FROM main. examples`	Сгенерированный SQL-запрос
	Результирующий датасет: - Результатом является ряд метрик, используемых в качестве узлов на радарном графике, с ребрами между узлами.


	Форма ваших данных: - Столбцы метрик по-прежнему остаются, но теперь в датасет добавлен столбец измерений Campaign.
	Параметры Explore: - Необходимо указать Показатели (Metrics) для каждого уникального узла в графе и столбце в датасете; - Добавить столбец Campaign в качестве Измерения (Dimensions). Уникальные значения в этом столбце (New Years, Halloween, Christmas) будут использоваться для окрашивания каждого радарного графика.
`SELECT "Campaign" AS "Campaign", max("Users Emailed") AS "Users Emailed", max("Users Opened Offer") AS "Users Opened Offer", max("Users Added Offer to Cart") AS "Users Added Offer to Cart", max("Users Claimed Offer") AS "Users Claimed Offer" FROM main.examples GROUP BY "Campaign"`	Сгенерированный SQL-запрос: - Запрос теперь включает предложение GROUP BY для включения столбца, который был выбран в качестве Измерения (Dimensions).
	Результирующий датасет: - Полученный датасет отражает базовые данные.


	- Столбец name предназначен для определения узлов, которые необходимо создать: - Чтобы создать узел CEO, значение name в строке 1 устанавливается на CEO; - Чтобы создать узел VP of Marketing, значение имени в строке 2 задаётся как VP of Marketing; - Для создания ребра, соединяющего оба узла, и определения иерархии используются столбцы id и parent: - В строке 1 для id задано значение root, которое относится к корневому узлу или первому узлу. Этот узел всегда находится в первом слое дерева; - В строке 2 для id установлено значение child1, а для parent установлено значение root. Это определяет родительский узел узла VP of Marketing как корневой узел.


Исходные данные
Значения в Исследовать (Explore)
Сгенерированный запрос	`SELECT id AS id,parent AS parent,name AS name,SUM(headcount) FROM main. examples GROUP BY id,parent,name`
Финальные данные


	Временная ось X: - Time Column — временной столбец, который необходимо визуализировать; - Time Grain — гранулярность оси X (ежечасно, ежедневно, еженедельно и т.д.).
	Изменяющиеся во времени метрики по оси Y: - Перетащите или выберите метрику (метрики) для визуализации на оси Y.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.citibike_trips WHERE started_at >= '2022-04-01 00:00:00.000000' AND started_at < '2022-05-01 00:00:00.000000' GROUP BY DATE_TRUNC('DAY', started_at) ORDER BY "COUNT_DISTINCT(ride_id)" DESC LIMIT 10000`	Сгенерированный SQL-запрос


	Измерения (Dimensions): - Выберите любые столбцы, по которым необходимо разбить/разделить объекты временных рядов. Уникальные значения для этих столбцов будут использоваться для группировки значений и создания каждого объекта временного ряда.
	Параметры вкладки Настроить (Customize): - Стиль серии (Series Style) — по умолчанию для соединения точек данных используется линия; - Непрозрачность диаграммы области (Area Chart Opacity) — увеличьте или уменьшите, чтобы изменить прозрачность области под линией; - Показать значение (Show Value) — флажок, регулирующий отображение базовых числовых значений; - Уложенный стиль (Stacked Style) — хороший стиль стека имеет несколько непересекающихся групп данных. Линии временных рядов будут «сложены»/отделены друг от друга в соответствии с выбранными размерами; - Только итого (Only Total) — регулирует отображение в самой верхней строке только общих числовых значений. Если флажок не установлен, то значения отображаются для каждого объекта временного ряда; - Дополнительные элементы управления (Extra Controls) — регулирует быстрое переключение типа стека для конечных пользователей; - Маркер (Marker) — регулирует отображение отдельных точек данных; - Размер маркера (Marker Size) — ползунок, помогающий выбрать размер маркеров; - Показать легенду (Show Legend) — регулирует отображение легенды, содержащей каждый размер и цвет.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", member_casual AS "member_casual", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.citibike_trips WHERE started_at >= '2022-04-01 00:00:00.000000' AND started_at < '2022-05-01 00:00:00.000000' GROUP BY DATE_TRUNC('DAY', started_at), member_casual ORDER BY "COUNT_DISTINCT(ride_id)" DESC LIMIT 10000`	Сгенерированный SQL-запрос


	Временная ось X: - Столбец с временем (Time Column) — временной столбец, который необходимо визуализировать; - Гранулярность (Time Grain) — гранулярность оси X (ежечасно, ежедневно, еженедельно и т.д.).
	Изменяющиеся во времени метрики по оси Y: - Перетащите или выберите метрику (метрики) для визуализации на оси Y.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.citibike_trips WHERE started_at >= '2022-04-01 00:00:00.000000' AND started_at < '2022-05-01 00:00:00.000000' GROUP BY DATE_TRUNC('DAY', started_at) ORDER BY "COUNT_DISTINCT(ride_id)" DESC LIMIT 10000`	Сгенерированный SQL-запрос


	Измерения (Dimensions): - Выберите любые столбцы, по которым необходимо разбить/разделить объекты временных рядов. Уникальные значения для этих столбцов будут использоваться для группировки значений и создания каждого объекта временного ряда.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", member_casual AS "member_casual", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.citibike_trips WHERE started_at >= '2022-04-01 00:00:00.000000' AND started_at < '2022-05-01 00:00:00.000000' GROUP BY DATE_TRUNC('DAY', started_at), member_casual ORDER BY "COUNT_DISTINCT(ride_id)" DESC LIMIT 10000`	Сгенерированный SQL-запрос


	Временная ось X: - Столбец с временем (Time Column) — временной столбец, который необходимо визуализировать; - Гранулярность (Time Grain) — гранулярность оси X (ежечасно, ежедневно, еженедельно и т.д.).
	Изменяющиеся во времени метрики по оси Y: - Перетащите или выберите метрику (метрики) для визуализации на оси Y.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.citibike_trips WHERE started_at >= '2022-04-01 00:00:00.000000' AND started_at < '2022-05-01 00:00:00.000000' GROUP BY DATE_TRUNC('DAY', started_at) ORDER BY "COUNT_DISTINCT(ride_id)" DESC LIMIT 10000`	Сгенерированный SQL-запрос


	Измерения (Dimensions): - Выберите любые столбцы, по которым необходимо разбить/разделить объекты временных рядов. Уникальные значения для этих столбцов будут использоваться для группировки значений и создания каждого объекта временного ряда.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", rideable_type AS "rideable_type", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.non_member_trips GROUP BY DATE_TRUNC('DAY', started_at), rideable_type ORDER BY "COUNT_DISTINCT(ride_id)" DESC`	Сгенерированный SQL-запрос


	Временная ось X: - Ось X (X-axis) — временной столбец, который необходимо визуализировать; - Гранулярность (Time Grain) — гранулярность оси X (ежечасно, ежедневно, еженедельно и т.д.).
	Изменяющиеся во времени метрики по оси Y: - Перетащите или выберите метрику (метрики) для визуализации на оси Y.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.citibike_trips WHERE started_at >= '2022-04-01 00:00:00.000000' AND started_at < '2022-05-01 00:00:00.000000' GROUP BY DATE_TRUNC('DAY', started_at) ORDER BY "COUNT_DISTINCT(ride_id)" DESC LIMIT 10000`	Сгенерированный SQL-запрос


	Измерения (Dimensions): - Выберите любые столбцы, по которым необходимо разбить/разделить объекты временных рядов. Уникальные значения для этих столбцов будут использоваться для группировки значений и создания каждого объекта временного ряда.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", rideable_type AS "rideable_type", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.non_member_trips GROUP BY DATE_TRUNC('DAY', started_at), rideable_type ORDER BY "COUNT_DISTINCT(ride_id)" DESC`	Сгенерированный SQL-запрос


	Временная ось X: - Ось X (X-axis) — временной столбец, который необходимо визуализировать; - Гранулярность (Time Grain) — гранулярность оси X (ежечасно, ежедневно, еженедельно и т.д.).
	Изменяющиеся во времени метрики по оси Y: - Перетащите или выберите метрику (метрики) для визуализации на оси Y.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.citibike_trips WHERE started_at >= '2022-04-01 00:00:00.000000' AND started_at < '2022-05-01 00:00:00.000000' GROUP BY DATE_TRUNC('DAY', started_at) ORDER BY "COUNT_DISTINCT(ride_id)" DESC LIMIT 10000`	Сгенерированный SQL-запрос


	Измерения (Dimensions): - Выберите любые столбцы, по которым необходимо разбить/разделить объекты временных рядов. Уникальные значения для этих столбцов будут использоваться для группировки значений и создания каждого объекта временного ряда.
`SELECT DATE_TRUNC('DAY', started_at) AS "started_at", rideable_type AS "rideable_type", count(DISTINCT ride_id) AS "COUNT_DISTINCT(ride_id)" FROM dbt_smukherjee.non_member_trips GROUP BY DATE_TRUNC('DAY', started_at), rideable_type ORDER BY "COUNT_DISTINCT(ride_id)" DESC`	Сгенерированный SQL-запрос


	Параметры Исследовать (Explore): - Режим запроса (Query Mode) — выберите Сырые записи (Raw Records), чтобы пропустить шаг добавления агрегатной функций; - Столбцы (Columns) — укажите столбцы, которые необходимо добавить в таблицу. Для изменения порядка столбцов их можно перетаскивать; - Лимит строк (Row Limit) — выберите необходимое количество строк для отображения на графике.
`SELECT name AS name, gender AS gender, state AS state FROM public.birth_names LIMIT 10;`	Сгенерированный SQL-запрос: - Запрос представляет собой запрос SELECT без применения агрегатных функций.


	Параметры Исследовать (Explore): - Режим запроса (Query Mode) — выберите Агрегированный (Aggregate), чтобы можно было выбрать агрегатные функции для применения к определённым столбцам; - Измерения (Dimensions) — выберите способ группировки метрик . Каждый выбор здесь будет отражён в виде столбца в левой части таблицы; - Показатели (Metrics) — выберите столбцы и агрегатные функции, которые необходимо включить в расчёты метрик. Столбцы метрик отображаются в правой части таблицы; - Лимит строк (Row Limit) — установите значение 10, чтобы отобразить 10 верхних строк; - Сортировка по убыванию (Sort Descending) — установите флажок, чтобы самые популярные строки выводились в начале таблицы.
`SELECT name AS name, SUM(num) AS sum__num FROM public.birth_names WHERE ds >= TO_TIMESTAMP('1923-01-12 00:00:00.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND ds < TO_TIMESTAMP('2023-01-12 16:16:25.000000', 'YYYY-MM-DD HH24:MI:SS.US') AND gender = 'girl' GROUP BY name ORDER BY sum__num DESC LIMIT 10;`	Сгенерированный SQL-запрос: - Сгенерированный запрос будет включать параметры и метрики (с агрегатными функциями), которые указаны в разделе Исследовать (Explore).


	Параметры в Исследовать (Explore): - Укажите значения в полях Показатели (Metrics) и Измерения (Dimensions), которые необходимо визуализировать. В отличие от других графиков в RT.DataVision, выбор столбца Измерения (Dimensions) имеет решающее значение для создания полезной древовидной карты: - Измерения (Dimensions) — выберите столбец, который необходимо использовать для разделения строк и включения GROUP BY в сгенерированном SQL; - Показатели (Metric)— выберите метрику, отображаемую в виде прямоугольников на древовидной карте.
`SELECT member_casual AS "member_casual", count(ride_id) AS "COUNT(ride_id)" FROM dbt_mukherjee.citibike_trips GROUP BY member_casual`	Сгенерированный SQL-запрос


	Параметры в Исследовать (Explore): - В Измерения (Dimensions) укажите два или более столбцов измерения. Эти значения будут добавлены в GROUP BY при создании запроса.
`SELECT member_casual AS "member_casual",rideable_type AS "rideable_type",count(ride_id) AS "COUNT(ride_id)" FROM dbt_mukherjee.citibike_tripsGROUP BY member_casual, rideable_type`	Сгенерированный SQL-запрос

Дашборд	Цель
Monitoring (Мониторинг)	- Отображение фактических данных для обнаружения отклонений; - Реактивное принятие решений; - Частый просмотр обновлённых данных; - Фокусирование на бизнес-пользователях, которые разбираются в данных.
Performance (Производительность)	- Отображение прогресса в достижении поставленных целей; - Проактивное принятие решений; - Просмотр с некоторой периодичностью.
Item Browsing (Просмотр элементов)	- Отображение данных по конкретным элементам; - Переход к деталям уровня; - Поддержка дашбордов мониторинга и стандартного анализа.
Canned Analysis (Стандартный анализ)	- Комплексная аналитика передаётся потребителям в визуальном формате; - Передача значимых идей.
Static Display (Статическое отображение)	- Убеждение целевой аудитории принять определённую точку зрения; - Отображение более глубокого уровня детализации для аудитории; - Обеспечение осведомлённости о данных.


	Вкладки (Tabs) очень полезны для разделения графиков на разные группы. Порядок вкладок на дашборде можно изменять с помощью перетаскивания. Индикатор позиции при перетаскивании покажет, куда переместится вкладка.
	Заголовок (Header) используется для добавления заголовков.
	Разделитель (Divider) полезен, чтобы изолировать части дашборда.
	Строка (Rows) и Столбец (Columns) могут быть добавлены для дальнейшей настройки макета графика.

	Value	Numerical Range	Time Range	Time Column	Time Grain
“Родитель-потомок”	+
Доступные значения предварительной фильтрации	+	+
Сортировка значений фильтра	+		+	+	+
Единственное значение		+

	Значение (Value)	Числовой диапазон (Numerical range)	Период времени (Time Range)	Столбец с временем (Time Column)	Гранулярность времени (Time Grain)
“Родитель-потомок”	+
Доступные значения предварительной фильтрации	+	+
Сортировка значений фильтра	+		+	+	+
Единственное значение		+

	Значение (Value)	Числовой диапазон (Numerical range)	Период времени (Time Range)	Столбец с временем (Time Column)	Гранулярность времени (Time Grain)
“Родитель-потомок”	+
Доступные значения предварительной фильтрации	+	+
Сортировка значений фильтра	+		+	+	+
Единственное значение		+

	Значение (Value)	Числовой диапазон (Numerical range)	Период времени (Time Range)	Столбец с временем (Time Column)	Гранулярность времени (Time Grain)
“Родитель-потомок”	+
Доступные значения предварительной фильтрации	+	+
Сортировка значений фильтра	+		+	+	+
Единственное значение		+

	Значение (Value)	Числовой диапазон (Numerical range)	Период времени (Time Range)	Столбец с временем (Time Column)	Гранулярность времени (Time Grain)
Описание	+	+	+	+	+
Значения по умолчанию	+	+	+	+	+
Требуемое значение	+	+	+	+	+
Выбор первого значения по умолчанию	+
Выбор нескольких значений	+
Динамический поиск	+
Обратный выбор	+

	Значение (Value)	Числовой диапазон (Numerical range)	Период времени (Time Range)	Столбец с временем (Time Column)	Гранулярность времени (Time Grain)
Описание	+	+	+	+	+
Значения по умолчанию	+	+	+	+	+
Обязательное значение	+	+	+	+	+
Выбор первого значения по умолчанию	+
Выбор нескольких значений	+
Динамический поиск	+
Обратный выбор	+


Представление Датасет (Dataset), расположенное с левой стороны, содержит список метрик и столбцов, ограниченных текущим выбранным датасетом;
Используя вкладки Данные (Data) и Настроить (Customize), можно изменить: - тип визуализации; - выбрать временной столбец; - выбрать метрику и группировку; - настроить внешний вид графика.
Предварительный просмотр Результаты (Results) и Образцы (Samples) под областью графика предоставляет полезную информацию: - данные, выводимые на график; - изначальные данные датасета.

¶ 1. Знакомство с RT.DataVision

¶ 2. Создание первого дашборда

¶ 2.1. Подключение к новой базе данных

¶ 2.2. Регистрация новой таблицы

¶ 2.3. Настройка свойств столбца

¶ 2.4. Настройка семантического слоя

¶ 2.5. Создание графиков в Исследовать (Explore)

¶ 2.6. Создание дашборда

¶ 2.7 Папки дашбордов

¶ Область навигации (слева)

¶ Область содержимого (справа)

¶ 2.7.1 Создание новой папки или подпапки

¶ 2.7.2 Редактирование папки

¶ 2.7.3 Удаление папки

¶ 2.7.4 Добавление дашборда в папку

¶ 2.7.5 Удаление дашборда из папки

¶ 3. Создание датасетов

¶ 3.1. Общая информация

¶ 3.2. Физические датасеты

¶ 3.2.1. Доступ к физическим датасетам

¶ 3.2.2. Добавление физического датасета

¶ 3.3. Виртуальные датасеты

¶ 3.3.1. Доступ к виртуальным датасетам

¶ 3.3.2. Создание нового виртуального датасета

¶ 3.3.3. Создание виртуального датасета из физического

¶ 3.4. Настройка семантического слоя

¶ 3.4.1. Общая информация

¶ 3.4.2. Доступ к деталям о датасете

¶ 3.4.2.1. Доступ через страницу Datasets

¶ 3.4.2.2. Доступ через страницу Исследовать (Explore)

¶ 3.4.3. Показатели (Metrics)

¶ 3.4.3.1. Добавление показателя

¶ 3.4.4. Столбцы

¶ 3.4.5. Расчётные столбцы

¶ 3.4.5.1. Добавление расчётного столбца

¶ 4. Создание графиков

¶ 4.1. Общая информация

¶ 4.2. Создание графика

¶ 4.2.1. Создание графика через датасет

¶ 4.2.2. Создание графика через SQL-запрос

¶ 4.2.2. Выбор типа графика

¶ 4.2.3. Настройка графика

¶ 4.3. Использование Explore

¶ 4.3.1. Общая информация

¶ 4.3.2. Обзор панели Dataset

¶ 4.3.3. Обзор панелей Показатели и Столбцы

¶ 4.3.4. Обзор панели визуализации

¶ 4.3.5. Настройка полей

¶ 4.3.5.1. Просмотр примеров данных

¶ 4.3.5.2. Выбор параметров времени

¶ 4.3.5.3. Добавление метрик или столбцов

¶ 4.4. Конфигурирование времени

¶ 4.4.1. Общая информация

¶ 4.4.1.1. Выбор гранулярности (Time Grain)

¶ 4.4.2. Выбор диапазона времени

¶ 4.4.2.1. Тип диапазона Последний (Last)

¶ 4.4.2.2. Тип диапазона Предыдущий (Previous)

¶ 4.4.2.3. Тип диапазона Пользовательский (Custom)

¶ 4.4.2.4. Тип диапазона Расширенные (Advanced)

¶ 4.4.2.5. Тип диапазона Без фильтра (No Filter)

¶ 4.5. Форматирование осей

¶ 4.5.1. Форматы даты

¶ 4.5.2. Другие форматы

¶ 4.6 Handlebars: создание кастомных графиков

¶ 4.6.1. Дополнительные возможности

¶ 4.6.1.1. Частичные шаблоны (Partials)

¶ 4.6.1.2. Сложные условия и ветвления

¶ 4.6.1.3. Работа с форматированием и локализацией

¶ 4.6.1.4. Вложенные циклы

¶ 4.6.1.5. Использование предопределенных шаблонов для динамического контента

¶ 4.6.1.6. Управление отображением на уровне стилей

¶ 4.6.2. Пример создания шаблона с динамическими данными

¶ 4.6.2.1. Подготовка данных

¶ 4.6.2.2. Верстка шаблона Handlebars

¶ 4.6.2.3. Доработка шаблона

¶ 4.6.3. Примеры создания дашборда с единой стилистикой из Handlebars

¶ 4.6.3.1. Прогресс-бары

¶ 4.6.3.2. Гистограмма

¶ 4.6.3.3. Круговые графики

¶ 4.6.3.4. Карточка KPI