Att veta vilken av kolumnerna du vill gruppera efter och hur du vill gruppera dem är först viktigt. Du måste veta det för att ställa in CASE STATEMENT
vi kommer att skriva som en kolumn i vårt utvalda uttalande. I vårt fall, i en grupp e-postmeddelanden som besöker vår webbplats, vill vi veta hur många klick varje e-postleverantör står för sedan början av augusti. Vi skulle också vilja jämföra en enskild e-postleverantör med resten. I det här exemplet kommer vi att använda Gmail som vår tjänsteleverantör.
I vår SELECT
uttalande, behöver vi DATE
, PROVIDER
och SUMMA
av CLICKS
till vår webbplats. Vi kan få dessa från TEST E-POST
tabell i vår datakälla.
DATE
kolumnen är ganska enkel:
"Test E Mails"."Created_Date" AS "DATE
Och eftersom vi letar efter SUM
av CLICKS
måste vi casta en SUM
funktion över CLICKS
kolumn.
SUM("Test E Mails"."Clicks") AS "CLICKS"
Det leder oss till vårt FALLUTTALANDE
. Vi vet från PostgreSQL-dokumentationen att ett CASE STATEMENT, eller ett villkorligt uttalande, måste ordnas på följande sätt:
CASE
WHEN condition THEN result
[WHEN ...]
[ELSE result]
END
Vårt första och i det här fallet enda villkoret är att vi vill veta att alla e-postadresser som tillhandahålls av Gmail ska vara åtskilda från alla andra e-postleverantörer. Så den enda NÄR
är:
WHEN "Test E Mails"."Provider" = 'Gmail' THEN 'Gmail'
Och det andra uttalandet skulle vara "Annan" för alla andra e-postadresser. Den resulterande tabellen i denna FALLUTTALANDE
enbart med motsvarande e-postmeddelanden. Skulle se ut så här:
När du delar alla tre dessa kolumner för en SELECT STATEMENT
och släng in resten av de nödvändiga bitarna för att bygga en SQL-fråga, allt tar form nedan.
Sedan efter att ha lagt till en PIVOT DATA
steg in i datapipelinen får vi en tabell ordentligt arrangerad i rätt format för att skapa ett linjediagram som visar hur klick jämförs över tid.
Genom att använda Chartio kan vi göra allt ovan utan att skriva någon SQL utan att utnyttja Data Explorer och Data Pipeline-funktionerna. Efter att ha byggt upp vår underliggande fråga för att dra in alla kolumner kommer vi att behöva SUMMA AV KLICK
, DATE
och E-POSTADRESS
vi kan använda Data Pipeline för att manipulera denna data efter SQL. Låt oss först bygga frågan.
Dra "Klickkolumnen" till måttrutan och aggregera den med TOTAL SUMMA
av kolumnklicken och märk sedan om den som "KLICKA".
Dra sedan "Skapat datum" och "Leverantör" till dimensionsrutan och märk dem igen "Datum" och "E-postleverantör." Därefter kan du använda kolumnen "Skapat datum" ställa in datumintervallet (eller bygga din CASE STATEMENT
vi gjorde ovan, i Chartios datapipeline.
Lägga till en CASE STATEMENT
pipeline-steget låter oss ställa in villkoren för WHEN
och ANELSE
precis som vi gjorde tidigare, utan att behöva skriva in hela SQL-syntaxen.
Sedan efter att ha gömt den ursprungliga kolumnen "Provider" och använt en REORDER COLUMNS
steg och en PIVOT DATA
steg vi får samma tabelluppställning som vi fick i SQL-läge och kan presentera samma tabell som vi gjorde i SQL-läge.
Även om det kan ta några fler klick och steg än i SQL-läge, kräver det resulterande linjediagrammet i interaktivt läge ingen kunskap om SQL-syntax. Istället krävs bara en grundläggande förståelse för de involverade principerna. Det här är ytterligare ett exempel på hur Chartio hjälper till att lägga kraften i data i allas händer, oavsett SQL-kunskap.