Ich habe eine Grafik zu zeigen, 6 Monate gleitende durchschnittliche Spalte für die letzten 13 Monate Nun wollen Benutzer auf diesen 6MMAs für die letzten 6 Monate Daten zu diesem gleitenden Durchschnitt beigetragen bohren. Sagen. Für März 2016 sind die beitragenden Monate 10 2015, 11 2015, 12 2015, 01 2016, 02 2016 und 03 2016. Wenn also der Benutzer auf den Datenpunkt Mar 2016 klickt, sollten alle Projekte für diesen Monat, dh 10 2015, 11 2015, Für Februar 2016 sind die beitragenden Monate 09 2015, 10 2015, 11 2015, 12 2015, 01 2016 und 02 2016. Wenn also Nutzer auf den Datenpunkt 201 2016 klicken, sollten sie alle sehen Projekte für diesen Monat, dh 09 2015, 10 2015, 11 2015, 12 2015, 01 2016 und 02 2016. Wie kann ich dies schaffen Erstellen Sie eine weitere Analyse, die Daten für alle Monate des Jahres zeigen wird. Und erstellen Sie einen Drilldown aus Ihrem Masterreport, der zum Detailreport navigiert wird. Auch auf welcher Spaltenbasis Sie Ihren Detailreport anzeigen möchten, geben Sie Spalte wie dort aufgefordert. Es wird wie Master-Detail Analyse sein. Also, wenn Sie auf Master-Bericht klicken, wird dieser Wert als Parameter an Detail-Bericht übergeben wird aufgefordert. Und der erforderliche Wert wird angezeigt. Hoffe, es ist hilfreich. Ich habe bereits eine detaillierte Analyse erstellt und der Monat wird dazu aufgefordert. Ich habe auch hinzugefügt, dass die Analyse in der Interaktion der Grafik. Aber das Problem ist, wenn ich monatlich dazu aufgefordert es zeigt mir nur Projekte für diesen Monat, aber ich möchte Projekte für die letzten 6 Monate zu sehen. Wenn ich also auf Mar, 2016 klicke, zeigt es mir Projekte für Mar, 2016, aber meine Anforderung ist es, alle Projekte von Okt, 2015 bis März 2016 zu sehen. Ndash lalit 1 April, um 20:27 können Sie versuchen, eine Arbeit around. write eine Formel in Ihrem Monat Spalte in Ihrem Detail-Bericht. --Extract Jahr aus der Präsentation Variable und Monat sollte spätesten Wert der Monatsspalte und (Monat-5). Versuchen Sie mit diesem. Versuchen Sie, den Detailreport zu erstellen, der grundsätzlich die letzten 5 Monate data. and übergibt die Variable entsprechend. Ndash mona16 4. April um 7: 13A Berechnungsbeispiele Analytische Funktionen werden in den folgenden Kategorien klassifiziert: Ranking - Adresse Business Fragen wie: Was sind die Top 10 und unten 10 Verkäufer pro Region. Banding - Adresse Business Fragen wie Was Marken machen 25 des Umsatzes. Windowing - Adresse Business Fragen wie Was ist der 13-Wochen gleitenden Durchschnitt eines Aktienkurses oder Was ist die kumulative Summe der Umsatz pro Region. Berichtsaggregate - Nachdem eine Abfrage verarbeitet wurde, aggregieren Sie Werte wie die Anzahl der resultierenden Zeilen oder die Summe einer Spalte in einem Satz von Zeilen. Adresse Fragen wie Was sind jeweils Produkte Umsatz in Prozent der Umsatz für seine Produktgruppe. Lag Lead - Adresse Business Fragen wie Welches Regionen Wachstum des Umsatzes von 1998 im Vergleich zu 1997 war größer als 20, und Was ist der Wert des Umsatzes im Geschäftsjahr 1996 minus Umsatz im Geschäftsjahr 1996. Statistiken - Durchführung statistischer Analyse mit Business Intelligence OLAP Tabellenkalkulationsanwendungen. Zum Beispiel Kovarianz - und lineare Regressionsfunktionen. A.5.2 Berechnungen und Bohrungen In die und aus den Daten Wenn Sie Analytische Funktionen verwenden, beachten Sie, dass sie eine präzise Definition haben, die sich nicht ändert, wenn Sie die Ergebnismenge bohren, verschieben oder sortieren. Wenn Sie z. B. die RANK-Funktion verwenden, um Verkaufszahlen zuzuordnen, die nach Quartalen partitioniert sind, gilt bei einem Drilldown der Monatsstufe der Rang immer nur für die Quartalebene. A.5.3 Über die analytische Funktionsschablone Beim Erstellen von analytischen Funktionen in Discoverer Desktop können Sie sie entweder direkt in das Dialogfeld Berechnung eingeben oder einfügen oder aus der Funktionsliste auswählen. Wenn Sie sie aus der Funktionsliste auswählen, erhalten Sie eine generische Analytische Funktionsvorlage, die Ihnen hilft, die Funktion zu definieren, indem Sie Ihnen mitteilen, welche Informationen Sie zur Verfügung stellen müssen. Vorlagen sollten als Leitfaden verwendet werden. Da Vorlagen entworfen sind, um die meisten Arten der Nutzung zu decken, müssen Sie nicht immer alle Teile der Vorlage verwenden. Wenn Sie beispielsweise eine neue RANK Analytic-Funktion in ein Berechnungsfeld einfügen, bietet Discoverer Desktop die folgende Vorlage an: OVER (PARTITION BY expr1 ORDER BY expr2) Obwohl Sie eine komplexe Funktion mit beiden Ausdrücken (expr1 und expr2) definieren können, können Sie Oft eine einfache Funktion definieren, die nur den Ausdruck ORDER BY verwendet: RANK () OVER (ORDER BY Sales) In diesem Beispiel werden die Verkaufszahlen (definiert in der Verkaufsposition) angezeigt. HINWEIS: Standardmäßig werden die Ergebnisdaten in aufsteigender Reihenfolge (ASC) sortiert, nulls zuerst (NULLS FIRST). Weitere Informationen zu Ausdrücken, die von der Analytic Function-Vorlage verwendet werden, finden Sie unter Mehr über die Analytische Funktionsvorlage. A.5.4 Ranking-Funktionsbeispiele A.5.4.1 Über Ranking Ranking-Funktionen berechnen den Rang eines Elements in Bezug auf andere Items in einer geordneten Liste. A.5.5.1 Über das Banding Das Banding ist eine Art von Rangfolge, die eine Liste von Werten in einer Partition in eine bestimmte Anzahl von Gruppen aufruft, die als Bands bezeichnet werden (auch Buckets genannt) und jedem Wert ein Band zuordnet. Zwei gängige Arten von Banding sind: Banding nach Wert - das dividiert Werte in Gruppen nach ihrem Wert. (Auch als Gleichbreitenbänder bezeichnet). Hier nimmt die Funktion typischerweise den größten Wert minus den niedrigsten Wert ein und dividiert das Ergebnis durch die Anzahl der erforderlichen Bänder. Dieser Wert legt den Bereich jedes Bandes fest. Die Werte werden dann den Bändern zugeordnet, in deren Bereich sie fallen. Daher kann die Anzahl der Werte in jedem Band unterschiedlich sein. Wenn wir zum Beispiel 100 Werte haben und sie in vier gleiche Breitenbänder teilen, kann jedes Band unterschiedliche Wertezahlen enthalten. Verwenden Sie die GREATEST-Funktion oder die CASE-Funktion, um äquidistante Bänder basierend auf dem Wert zu erzeugen. Banding nach Rang - das teilt Werte in Gruppen nach ihrem Rang. (Auch als equi-height Bands bekannt). Hier teilt die Funktion die Anzahl der Werte in der Partition durch die Anzahl der Bänder, die die Anzahl der Werte in jedem Band ergibt. Eine gleiche Anzahl von Werten wird dann in jedem Band platziert. Zum Beispiel, wenn wir 100 Werte haben und teilen sie in vier equi-height Banden, jede Band enthält 25 Werte. Verwenden Sie die NTILE-Funktion, um equi-height Bands basierend auf Rang zu produzieren. A.5.5.2 Erzeugung gleich breiter Bänder (1) In diesem Beispiel werden die Verkaufszahlen nach ihrem Wert in Bänder unterteilt. (Auch als Gleichbreitenbänder bezeichnet). A.5.6.1 Über Windowing Windowing-Funktionen werden verwendet, um Aggregate mit Werten aus anderen Zeilen zu berechnen. Zum Beispiel kumulative, bewegte und zentrierte Aggregate. Zwei gängige Fenstertypen sind: Window mit logischen Offsets - hier liegt der Offset auf einem Wert relativ zu einem vorhandenen Wert, z. B. Drei Monate vor einem Datumswert. Wenn wir beispielsweise eine Liste der monatlichen Verkaufszahlen haben, könnte ein logisches Fenster einen gleitenden Durchschnitt der letzten drei Monate (einschließlich des laufenden Monats) berechnen. Bei der Berechnung des Durchschnitts berechnet die Berechnung einen NULL-Wert für Monate, die aus der Liste fehlen. Im Beispiel nimmt der dreimonatige Gleitende Durchschnitt für November NULL-Werte für die fehlenden Monate September und Oktober an. Window mit physischen Offsets - hier setzt der Offset auf einen Wert, der eine angegebene Anzahl von Zeilen aus einem vorhandenen Wert ist, z. B. Drei Zeilen aus dem aktuellen Element. Wenn wir beispielsweise eine Liste der monatlichen Verkaufszahlen haben, könnte ein physisches Fenster einen gleitenden Durchschnitt der letzten drei Zeilen berechnen, wobei fehlende Monate ignoriert werden. Bei der Berechnung des Durchschnitts ignoriert die Berechnung Monate, die in der Liste fehlen. Im Beispiel verwendet der dreimonatige Gleitender Durchschnitt für November die Monate Juni, Juli und November. A.5.6.2 Berechnen Sie einen dreimonatigen Umsatzumsatz. Dieses Beispiel verwendet ein logisches Fenster, um einen dreimonatigen Umsatzdurchschnitt zu berechnen. A.5.8.1 Über Lag Lead-Funktionen LAG - und LEAD-Funktionen werden typischerweise zum Vergleich von Werten in unterschiedlichen Zeiträumen verwendet. Zum Beispiel vergleichen Sie die Verkaufszahlen im Jahr 2000 mit den Verkaufszahlen im Jahr 2001. LAG - bietet Zugriff auf mehr als eine Zeile einer Tabelle zur gleichen Zeit ohne eine Selbst-beitreten. LEAD - bietet Zugriff auf eine Zeile bei einem gegebenen Offset nach der aktuellen Position. A.5.8.2 Verkaufszahlen im Zeitverlauf vergleichen Dieses Beispiel vergleicht die Umsatzzahlen zeitlich. Informationen zur Videoanalyse. (SUM, 1) OVER (ORDER BY Year) Da es keine Vergleichszahlen für 1998 gibt, ist der Vorjahreswert für 1998 leer. A.5.8.3 Umsatzwachstum im Zeitverlauf berechnen Mit Hilfe der Vergleichszahlen aus Beispiel 11.8.2 berechnet dieses Beispiel das Umsatzwachstum im Laufe der Zeit. A.5.9.1 Über Statistikfunktionen Statistikfunktionen werden verwendet, um Kovarianz-, Korrelations - und lineare Regressionsstatistiken zu berechnen. Jede Funktion arbeitet auf einem ungeordneten Satz. Sie können auch als Fenster - und Reporting-Funktionen verwendet werden. A.5.9.2 Lineare Regression berechnen In diesem Beispiel wird eine normale Regressionsgerade berechnet, die den Profit SUM pro Monat als lineare Funktion seines Sales SUM angibt. Folgende Funktionen werden verwendet: SLOPE - Steilheit der Bestimmung der Regressionsgeraden INTERCEPT - Abgrenzung der Bestimmung der Regressionsgerade REGRR2 - Bestimmungskoeffizient der Regressionsgerade REGRCOUNT - Anzahl der Items REGRAVGX - Durchschnittsgehalt A.6 Mehr zur Analytischen Funktion Vorlage Wenn Sie eine neue analytische Funktion in ein Berechnungsfeld einfügen, bietet Discoverer Desktop die folgende generische Vorlage: OVER (PARTITION BY expr1 ORDER BY expr2) Die Ausdrücke werden wie folgt verwendet. OVER - zeigt an, dass die Funktion auf einer Abfrageergebnismenge angewendet wird, nachdem die anderen Abfrageklauseln angewendet wurden (z. B. FROM, WHERE, HAVING usw. PARTITION BY - Partition (oder Gruppe)). ORDER BY - Geben Sie an, wie die Ergebnismenge logisch geordnet ist, z. B. ORDER BY Sales SUM Weitere Informationen zu Oracle-Ausdrücken finden Sie unter Weitere Informationen A.7 Analytische Funktionen und Sequenzierung Wenn Sie Analytische Funktionen in Bedingungen verwenden, Kombinieren Sie diese mit nicht-analytischen Funktionen wirkt sich auf die von der Abfrage zurückgegebenen Daten aus Folgende Sequenzregeln gelten: Wenn Bedingungen nur nicht-analytische Funktionen enthalten, werden diese vor Bedingungen angewendet, die analytische Funktionen enthalten Wenn die Bedingungen eine Kombination aus nicht-analytischen Funktionen und analytischen Funktionen enthalten, werden die analytischen Funktionen vor dem nicht-analytischen verwendet Funktionen. In dem obigen Beispiel wird der Rang ausgewertet, dann wird die Rang lt 3-Bedingung angewendet, dann wird die Region-Zentralbedingung angewendet. Um zu veranschaulichen, wie sich die Sequenzierung auf die von einer Abfrage zurückgegebenen Daten auswirkt, sollten Sie die folgenden zwei Szenarien berücksichtigen. Im ersten Szenario verwenden wir zwei einfache Bedingungen: Region Central und Rang lt 3 (wobei Rank eine analytische Funktion ist). Die Region Central-Bedingung wird zuerst angewendet, dann Rang lt 3. Daher werden nur die Verkaufszahlen für die Central Region, die eine Rangfolge von drei oder weniger haben, in die Ergebnismenge aufgenommen. Im zweiten Szenario verwenden wir eine einzige erweiterte Bedingung: Region Central AND Rang lt 3, (wobei Rank eine analytische Funktion ist). Der Rang lt 3 Zustand wird zuerst angewendet, dann die Region Central Zustand. Daher sind nur Zahlen in der Zentralregion, die eine Gesamtwertung von drei oder weniger haben, in der Ergebnismenge enthalten. Das Scripting auf dieser Seite verbessert die Inhaltsnavigation, ändert aber den Inhalt in keiner Weise.
No comments:
Post a Comment