Pular para o conteúdo principal
Última atualização em

Técnicas avançadas para visualização de Métis

Técnicas avançadas para visualização de métricas permitem cálculos sofisticados, como médias móveis, variações entre períodos, totais acumulados e KPIs derivados complexos, mantendo a consistência e a reutilização em toda a sua camada semântica. Esta página explica como usar medidas de janela para análise de séries temporais e a composibilidade para construir métricas complexas a partir de medidas mais simples.

Esta página pressupõe familiaridade com os conceitos básicos de modelagem view de métricas. Veja a visualização de métricas do modelo.

nota

Os exemplos nesta página utilizam o dataset de amostra TPC-H, que modela uma cadeia de suprimentos de atacado. Para obter mais informações sobre o dataset TPC-H, consulte tpch. Para um tutorial completo usando este dataset com a visualização de métricas, consulte o tutorial: Criar uma view de métricas completa com join.

Medidas da janela​

info

Experimental

Este recurso é experimental.

As medidas de janela permitem definir medidas com agregações em janela, cumulativas ou semiaditivas na sua visualização de métricas, suportando cálculos como médias móveis, variações entre períodos e totais acumulados. Esta seção inclui exemplos práticos.

Defina uma medida de janela.​

As medidas de janela permitem definir medidas com agregações em janelas, cumulativas ou semiaditivas. Uma medida de janela inclui os seguintes valores obrigatórios:

  • ordem : A dimensão que determina a ordem da janela.

  • intervalo : Define a extensão da janela, como dados finais, cumulativos ou todos os dados. Os valores possíveis do intervalo incluem os seguintes:

    • current : Inclui linhas onde o valor de ordenação da janela é igual ao valor da linha atual.
    • cumulative : Inclui todas as linhas onde o valor de ordenação da janela é menor ou igual ao valor da linha atual.
    • trailing <value> <unit> : Inclui linhas da linha atual retrocedendo pelo número especificado de unidades de tempo, como trailing 3 months. Isso não inclui a unidade atual. Por exemplo, trailing 3 months exclui o mês atual.
    • leading <value> <unit> : Inclui linhas da linha atual avançando pelo número especificado de unidades de tempo, como leading 7 days. Isso não inclui a unidade atual.
    • all : Inclui todas as linhas, independentemente do valor da janela.

  • semiaditivo : Especifica como agregar a medida quando o campo de ordem não está incluído no GROUP BY da consulta. Os valores possíveis incluem first e last.

Exemplo de medida de janela inicial, móvel ou posterior​

O exemplo a seguir calcula uma contagem móvel de 7 dias de clientes únicos que fizeram pedidos. Essa métrica ajuda a acompanhar as tendências de engajamento do cliente ao longo do tempo, mostrando quantos clientes diferentes fizeram compras na semana que antecedeu cada data.

YAML
version: 1.1

source: samples.tpch.orders
filter: o_orderdate > DATE'1998-01-01'

dimensions:
  - name: date
    expr: o_orderdate

measures:
  - name: t7d_customers
    expr: COUNT(DISTINCT o_custkey)
    window:
      - order: date
        range: trailing 7 day
        semiadditive: last

Para este exemplo, aplica-se a seguinte configuração:

  • order : date especifica que a dimensão da data ordena a janela.
  • intervalo : A especificação trailing 7 day define a janela como os 7 dias anteriores a cada data, excluindo a própria data.
  • semiaditivo : last indica que o último valor na janela de 7 dias é usado quando a data não é uma coluna de agrupamento.

Exemplo de medida de janela período a período​

O exemplo a seguir calcula o crescimento das vendas dia a dia, comparando a receita de hoje (soma de todos os preços dos pedidos) com a receita de ontem. Essa métrica ajuda a identificar tendências diárias de vendas e mostra a variação percentual da receita, o que é útil para monitorar o desempenho dos negócios e detectar anomalias.

YAML
version: 1.1

source: samples.tpch.orders
filter: o_orderdate > DATE'1998-01-01'

dimensions:
  - name: date
    expr: o_orderdate
measures:
  - name: previous_day_sales
    expr: SUM(o_totalprice)
    window:
      - order: date
        range: trailing 1 day
        semiadditive: last
  - name: current_day_sales
    expr: SUM(o_totalprice)
    window:
      - order: date
        range: current
        semiadditive: last
  - name: day_over_day_growth
    expr: (MEASURE(current_day_sales) - MEASURE(previous_day_sales)) / MEASURE(previous_day_sales) * 100

Para este exemplo, aplicam-se as seguintes condições:

  • São utilizadas duas medidas de janela: uma para calcular o total de vendas do dia anterior e outra para o dia atual.

  • Uma terceira medida calcula a variação percentual (crescimento) entre o dia atual e o dia anterior.

Exemplo de medida de total cumulativo (acumulado)​

O exemplo a seguir calcula a receita acumulada de vendas desde o início do dataset até cada data. Este total acumulado mostra a receita total gerada ao longo do tempo, sendo útil para acompanhar o progresso em direção às metas de receita anual ou para analisar padrões de crescimento a longo prazo.

YAML
version: 1.1
source: samples.tpch.orders

filter: o_orderdate > DATE'1998-01-01'

dimensions:
  - name: date
    expr: o_orderdate
  - name: customer
    expr: o_custkey

measures:
  - name: running_total_sales
    expr: SUM(o_totalprice)
    window:
      - order: date
        range: cumulative
        semiadditive: last

Os detalhes a seguir destacam partes key desta definição:

  • ordem : Especifica a dimensão que define a ordem dos registros dentro da janela. Neste exemplo, date ordena a janela cronologicamente.

  • range : cumulative define a janela como todos os dados desde o início do dataset até cada data inclusive.

  • semiaditivo : last controla como a medida é agregada quando date não está incluído na consulta. Quando a dimensão de data não está incluída em GROUP BY da sua consulta, a medida retorna o último (mais recente) valor cumulativo em vez de somar todas as datas.

Exemplo de medida de período até a data​

O exemplo a seguir calcula a receita de vendas acumulada no ano (YTD). Esta métrica mostra a receita acumulada gerada desde 1º de janeiro de cada ano até a data atual, sendo zerada no início de cada novo ano. Estas métricas são essenciais para comparar o desempenho do ano atual com os anos anteriores e o progresso do acompanhamento em direção às metas anuais.

YAML
version: 1.1

source: samples.tpch.orders
filter: o_orderdate > DATE'1997-01-01'

dimensions:
  - name: date
    expr: o_orderdate
  - name: year
    expr: DATE_TRUNC('year', o_orderdate)
measures:
  - name: ytd_sales
    expr: SUM(o_totalprice)
    window:
      - order: date
        range: cumulative
        semiadditive: last
      - order: year
        range: current
        semiadditive: last

Os detalhes a seguir destacam partes key desta definição:

  • São utilizadas duas medidas de janela: uma para a soma cumulativa na dimensão date e outra para limitar a soma ao ano current .

  • A dimensão year restringe a soma cumulativa para que seja calculada apenas dentro do ano atual.

Exemplo de medida semiaditiva​

O exemplo a seguir calcula saldos account , que não devem ser somados entre datas (não é possível somar o saldo de segunda-feira ao saldo de terça-feira para obter o saldo total). Em vez disso, ao agregar dados de vários dias, a métrica retorna o saldo mais recente. No entanto, a métrica ainda pode ser somada entre os clientes para mostrar o saldo total de todas as contas em um determinado dia.

YAML
version: 1.1

dimensions:
  - name: date
    expr: date
  - name: customer
    expr: customer_id

measures:
  - name: semiadditive_balance
    expr: SUM(balance)
    window:
      - order: date
        range: current
        semiadditive: last

Os detalhes a seguir destacam partes key desta definição:

  • ordem : Especifica a dimensão que define a ordem dos registros dentro da janela. Neste exemplo, date ordena a janela cronologicamente.

  • range : current restringe a janela a um único dia, sem agregação entre dias.

  • semiaditivo : last retorna o saldo mais recente ao agregar vários dias.

Consultar uma medida de janela​

Você pode consultar uma view de métricas com uma medida de janela, assim como em qualquer outra view de métricas. O exemplo a seguir consulta uma view de métricas:

SQL
SELECT
   state,
   DATE_TRUNC('month', date),
   MEASURE(t7d_customers) as m
FROM my_metric_view
WHERE date >= DATE'2024-06-01'
GROUP BY ALL

Composabilidade​

As visualizações de métricas são combináveis. Você pode criar novas dimensões e medidas que façam referência às existentes, em vez de reescrever a lógica do zero. Isso reduz a duplicação e facilita a manutenção de definições de métricas complexas.

A capacidade de composição funciona em dois níveis: dentro de uma única view de métricas e entre diferentes visões de métricas. Uma view de métricas pode usar outra view de métricas como fonte, permitindo sobrepor definições e construir modelos semânticos progressivamente mais ricos sem duplicar a lógica.

A capacidade de composição suporta os seguintes padrões de referência:

  • Dimensões anteriores em novas dimensões.
  • Dimensões e medidas anteriores em novas medidas.
  • Dimensões da vista métrica usadas como fonte em novas dimensões.
  • Dimensões e medidas da visão métrica utilizadas como fonte em novas medidas.

Defina medidas com composibilidade​

Na seção measures , você pode referenciar medidas da view de métricas de origem ou medidas definidas anteriormente na mesma view de métricas. Essa abordagem melhora a consistência, a auditabilidade e a manutenção da sua camada semântica.

Tipo de medida

Descrição

Exemplo

Atômico

Uma agregação simples e direta em uma coluna de origem. Esses são os elementos básicos.

SUM(o_totalprice)

Composto

Uma expressão que combina matematicamente uma ou mais medidas usando a função MEASURE() .

MEASURE(total_revenue) / MEASURE(order_count)

Exemplo: Valor Médio do Pedido (AOV)​

O exemplo a seguir define o Valor Médio do Pedido (AOV) usando duas medidas atômicas: total_revenue (soma dos preços dos pedidos) e order_count (número de pedidos). A medida avg_order_value faz referência a ambas as medidas atômicas.

YAML
version: 1.1

source: samples.tpch.orders

measures:
  # Total Revenue
  - name: total_revenue
    expr: SUM(o_totalprice)

  # Order Count
  - name: order_count
    expr: COUNT(1)

  # Composed Measure: Average Order Value (AOV)
  - name: avg_order_value
    # Defines AOV as Total Revenue divided by Order Count
    expr: MEASURE(total_revenue) / MEASURE(order_count)

Se a definição de total_revenue mudar (por exemplo, para excluir impostos), avg_order_value usa automaticamente a definição atualizada.

Composibilidade com lógica condicional​

Você pode usar a capacidade de composição para criar índices complexos, porcentagens condicionais e taxas de crescimento sem depender de funções de janela para cálculos simples de período a período.

Exemplo: Taxa de Atendimento​

O exemplo a seguir calcula a taxa de atendimento: a porcentagem de pedidos com status 'F' (atendidos). A métrica divide os pedidos atendidos pelo total de pedidos.

YAML
version: 1.1

source: samples.tpch.orders

measures:
  # Total Orders (denominator)
  - name: total_orders
    expr: COUNT(1)

  # Fulfilled Orders (numerator)
  - name: fulfilled_orders
    expr: COUNT(1) FILTER (WHERE o_orderstatus = 'F')

  # Composed Measure: Fulfillment Rate (Ratio)
  - name: fulfillment_rate
    expr: MEASURE(fulfilled_orders) / MEASURE(total_orders)
    format:
      type: percentage

Melhores práticas para composibilidade​

  1. Defina primeiro as medidas atômicas : Estabeleça as medidas fundamentais (SUM, COUNT, AVG) antes de definir as medidas que as referenciam.
  2. Use MEASURE() para referências : Use a função MEASURE() ao referenciar outra medida em um expr. Não repita a lógica de agregação manualmente. Por exemplo, evite SUM(a) / COUNT(b) se já existirem medidas para ambos os valores.
  3. Priorize a legibilidade : Elabore as medidas utilizando fórmulas matemáticas claras. Por exemplo, MEASURE(gross_profit) / MEASURE(total_revenue) é mais claro do que uma única expressão SQL complexa.
  4. Adicionar metadados semânticos : Use metadados semânticos para formatar medidas compostas (por exemplo, porcentagens ou valores monetários) para ferramentas subsequentes. Consulte os metadados do agente na visualização de métricas.

Próximos passos​

Nesta página