Primero, es importante saber por cuál de las columnas desea agrupar y cómo desea agruparlas. Necesitará saber eso para configurar la CASE STATEMENT
vamos a escribir como una columna en nuestra declaración de selección. En nuestro caso, en un grupo de correos electrónicos que están accediendo a nuestro sitio, queremos saber cuántos clics está contabilizando cada proveedor de correo electrónico desde principios de agosto. También nos gustaría comparar un proveedor de servicios de correo electrónico individual con el resto. Para este ejemplo, vamos a utilizar Gmail como nuestro proveedor de servicios.
En nuestro SELECT
declaración, necesitaremos el DATE
, el PROVIDER
y el SUM
de los CLICKS
a nuestro sitio. Podemos obtenerlos de TEST E MAILS
tabla en nuestra fuente de datos.
La DATE
la columna es bastante sencilla:
"Test E Mails"."Created_Date" AS "DATE
Y como estamos buscando el SUM
de los CLICKS
, tendremos que emitir un SUM
función sobre los CLICKS
columna.
SUM("Test E Mails"."Clicks") AS "CLICKS"
Eso nos lleva a nuestra CASE STATEMENT
. Sabemos por la documentación de PostgreSQL que una DECLARACIÓN DE CASO, o una declaración condicional, debe organizarse de la siguiente manera:
CASE
WHEN condition THEN result
[WHEN ...]
[ELSE result]
END
Nuestra primera y única condición, en este caso, es que queremos saber todas las direcciones de correo electrónico proporcionadas por Gmail para separarlas de cualquier otro proveedor de correo electrónico. Así que el único WHEN
es:
WHEN "Test E Mails"."Provider" = 'Gmail' THEN 'Gmail'
Y, la declaración else sería "Otro" para todos los demás proveedores de direcciones de correo electrónico. La tabla resultante de esta CASE STATEMENT
con los correos electrónicos correspondientes solo. Se vería así:
Cuando juntas las tres columnas para una SELECT STATEMENT
y agregue el resto de las piezas necesarias para construir una consulta SQL, todo toma forma a continuación.
Luego, después de agregar un PIVOT DATA
ingrese al canal de datos, obtendremos una tabla organizada correctamente en el formato adecuado para configurar un gráfico de líneas que muestre cómo se comparan los clics a lo largo del tiempo.
Al usar Chartio, podemos hacer todo lo anterior sin escribir ningún SQL pero aprovechando las funciones Data Explorer y Data Pipeline. Después de construir nuestra consulta subyacente para extraer todas las columnas, vamos a necesitar SUM OF CLICKS
, DATE
y EMAIL ADDRESS
podemos usar Data Pipeline para manipular estos datos después de SQL. Primero, construyamos la consulta.
Arrastre la 'Columna de clics' al cuadro de medidas y agréguela por TOTAL SUM
de la columna Clics, luego vuelva a etiquetarla como "CLICKS".
A continuación, arrastre 'Fecha de creación' y 'Proveedor' al cuadro de dimensiones y vuelva a etiquetarlos como 'Fecha' y 'Proveedor de correo electrónico'. Después de eso, utilizando la columna 'Fecha de creación' puede establecer el intervalo de fechas (o crear su WHERE
cláusula) para ser todo después de 2017-08-01. Esto construirá efectivamente todo lo que necesitamos en una consulta subyacente para crear la CASE STATEMENT
lo hicimos arriba, en Data Pipeline de Chartio.
Agregar una CASE STATEMENT
El paso de canalización nos permite establecer las condiciones para el WHEN
y el ELSE
tal como lo hicimos antes, sin tener que escribir toda la sintaxis SQL.
Luego, después de ocultar la columna 'Proveedor' original y usar un REORDER COLUMNS
paso y un PIVOT DATA
paso obtendremos el mismo arreglo de tablas que obtuvimos en modo SQL y podemos presentar la misma tabla que hicimos en modo SQL.
Si bien puede requerir algunos clics y pasos más que en el modo SQL, el gráfico de líneas resultante realizado en el modo interactivo no requiere conocimiento de la sintaxis SQL. En cambio, todo lo que se necesita es una comprensión básica de los principios involucrados. Este es otro ejemplo de cómo Chartio está ayudando a poner el poder de los datos en manos de todos, independientemente del conocimiento de SQL.