Alcuni di questi esempi si trovano nella documentazione di Metabase, che si consiglia di leggere per trovare ispirazioni o soluzioni ai problemi legati alla creazione di visualizzazioni.
Grafici combinati
Un grafico combinato (Combo chart) combina un grafico a barre con un grafico a linee, consentendo di mostrare due diversi tipi di dati nella stessa visualizzazione.
In un grafico combinato, i diversi tipi di grafico vengono sovrapposti o combinati in modo da poter confrontare e analizzare i dati in modo più efficace. Questo tipo di grafico è particolarmente utile quando si hanno dati con unità di misura diverse o dati con scale diverse.
Ad esempio, se si desidera visualizzare il fatturato mensile e il numero totale di unità vendute per ciascun prodotto, è possibile utilizzare un grafico combinato che combina un grafico a linee per rappresentare il fatturato e un grafico a barre per rappresentare le unità vendute. In questo modo si otterrà una visione più completa dei dati e si potranno identificare più facilmente eventuali schemi o tendenze.
Query e visualizzazioni
In questo esempio, abbiamo creato un grafico combinato di ordini e valore medio degli ordini (AOV) mensili. La query è compilata partendo dalla tabella Event, filtrando solo gli acquisti e riassumendo in base al conteggio delle righe e al ricavo medio degli ordini al mese.
Grafici a torta
I grafici a torta sono ideali per visualizzare le metriche in base a un'unica dimensione, in particolare quando il numero di possibili suddivisioni è limitato, come nel caso degli utenti per sesso. Tuttavia, se ci sono diverse disaggregazioni, come ad esempio gli utenti per Paese, un grafico a barre è generalmente più efficace, in quanto consente di confrontare più facilmente le dimensioni relative di ciascuna barra. Quando si utilizzano i grafici a torta, è possibile selezionare i campi delle misure e delle dimensioni e personalizzare i colori delle fette e la legenda.
Query e visualizzazioni
In questo esempio, abbiamo creato un grafico a torta delle visite nuove e di quelle di ritorno negli ultimi tre mesi. Abbiamo utilizzato i dati della tabella Event e filtrato solo gli ultimi 3 mesi. Volevamo calcolare gli utenti unici in base alla colonna visitor returning, che può essere riempita solo con i valori: new o returning.
Grafici a dispersione e a bolle
I grafici a dispersione sono un modo utile per visualizzare la correlazione tra due variabili, come ad esempio l'età dei vostri utenti rispetto a quanto hanno speso per i vostri prodotti. È possibile creare un grafico a dispersione ponendo una domanda che produce due colonne numeriche o selezionando due campi numerici da una tabella di dati grezzi.
Se si dispone di un terzo campo numerico, è possibile creare un grafico a bolle selezionando la visualizzazione a dispersione e scegliendo un campo per la dimensione delle bolle. Questo campo determina la dimensione di ogni bolla del grafico, come il valore medio dell'ordine.
Query e visualizzazioni
In questo esempio, abbiamo creato un grafico a bolle contenente il valore medio degli ordini e gli ordini per ora nel corso della giornata degli ultimi tre mesi. Pertanto, dobbiamo filtrare la tabella Events per gli acquisti degli ultimi tre mesi con la colonna datetime. Come per il grafico combinato, abbiamo bisogno di due valori. Si tratta del ricavo medio e del conteggio delle righe che hanno un acquisto come tipo di conversione. Questi dati devono essere riepilogati in base all'ora del giorno.
Più la bolla è posizionata in alto, più ordini vengono registrati in quell'ora. Più grande è la bolla, più alto è l'AOV. È possibile modificare il colore a proprio piacimento.
Quadrante
La visualizzazione a quadrante (Gauge) in Metabase consente di visualizzare un singolo valore numerico all'interno di una gamma di bande colorate, che possono essere personalizzate in base alle proprie preferenze. Quando si seleziona la visualizzazione Gauge, le bande rosse, gialle e verdi vengono generate automaticamente per impostazione predefinita. Tuttavia, è possibile modificare questi intervalli accedendo alle impostazioni della visualizzazione, dove è possibile specificare gli schemi di colore desiderati e persino etichettare intervalli specifici in base alle proprie esigenze.
Query e visualizzazioni
Per questa visualizzazione, abbiamo scelto di creare una visualizzazione delle scorte, ovvero di visualizzare l'obiettivo percentuale degli articoli in magazzino. Questa domanda viene creata filtrando l'attributo: Disponibilità (che è specifico del cliente) per selezionare gli articoli che sono sia in stock che fuori stock. La parte difficile della creazione della domanda è costituita dalle espressioni personalizzate che sono state utilizzate per evitare due colonne con valori assoluti. Per creare un intervallo dinamico, è necessario produrre due numeri relativi.
Abbiamo creato 2 espressioni personalizzate per ottenere il numero di azioni di entrambe le colonne filtrate.
Share(contains([attribute], "attribute_name_1"))
Share(contains([attribute], "attribute_name_2"))
Nel nostro esempio, abbiamo utilizzato questo snippet:
Share(contains([Availability], "in stock"))
Analisi comparativa anno per anno
Una visualizzazione comunemente utilizzata è il confronto tra un anno e l'altro. Metabase offre un'ottima documentazione su questo caso d'uso specifico. Per renderlo possibile, è necessario creare una colonna personalizzata con la data dei due anni. Nel nostro caso, abbiamo dovuto inserire questo codice per confrontare il 2019 con il 2020.
case(between([Datetime], "2019-01-01", "2019-12-31"), "2019", between([Datetime], "2020-01-01", "2020-12-31"), "2020")
Questa colonna verrà utilizzata per il riepilogo.
Recuperare tutti gli elementi di una categoria specifica / oggetto JSON
Quando i dati sono memorizzati in un oggetto JSON, non è possibile eseguire una semplice query su di essi, poiché Metabase e SQL li considerano come un attributo di se stessi. Ad esempio, una categoria trovata nel contenuto di Datatrics:
[{"name": "Bicycles", "categoryid": "1"}]
Metabase non riconoscerà questa categoria, quindi è necessario utilizzare un workaround con SQL, chiamato JSON_SEARCH. Questa deve essere aggiunta alla query SQL.
Questa funzionalità consente agli utenti di effettuare ricerche negli attributi JSON e di recuperare i dati che si desidera estrarre:
where JSON_SEARCH ( `content`.`categories`, 'all', '1', NULL, '$[*].categoryid' ) IS NOT NULL;
Si noti che nell'esempio precedente la ricerca viene effettuata sul categoryid '1'.
Vuoi ottenere ancora più potenziale da Analytical? Consulta questi suggerimenti per saperne di più!