ponybai，作者白白随笔 - 第54页共104页

获取GeoJSON文件

接下来，我们需要一个GeoJSON文件，其邮政编码与CSV文件中的邮政编码匹配（或至少重叠）。有一个准备好了，你可以在这里下载。

重新格式化GeoJSON

{
    "type": "FeatureCollection",
    "features": [{
        "type": "Feature",
        "properties": {
            "kind": "ZIP Code Tabulation Area (2012)",
            "external_id": "90001",
            "name": "90001",
            "slug": "90001-zip-code-tabulation-area-2012",
            "set": "/1.0/boundary-set/zip-code-tabulation-areas-2012/",
            "metadata": {
                "AWATER10": 0,
                "CLASSFP10": "B5",
                "ALAND10": 9071359,
                "INTPTLAT10": "+33.9740268",
                "FUNCSTAT10": "S",
                "ZCTA5CE10": "90001",
                "MTFCC10": "G6350",
                "GEOID10": "90001",
                "INTPTLON10": "-118.2495088"
            },
            "resource_uri": "/1.0/boundary/90001-zip-code-tabulation-area-2012/"
        },
        "geometry": {
            "type": "MultiPolygon",
            "coordinates": [
                [
                    [
                        [-118.265151, 33.970249],
                        [-118.265166, 33.974735],
                        [-118.262969, 33.974746],
                        [-118.262981, 33.981836],
                        [-118.265174, 33.981828],
                        [-118.265185, 33.989227],
                        [-118.256436, 33.989317],
                        [-118.256436, 33.989498],
                        [-118.241159, 33.989422],
                        [-118.241126, 33.988174],
                        [-118.240505, 33.988158],
                        [-118.240502, 33.98867],
                        [-118.23899, 33.988664],
                        [-118.239021, 33.989403],
                        [-118.237918, 33.989393],
                        [-118.235685, 33.979486],
                        [-118.235352, 33.979534],
                        [-118.235105, 33.978705],
                        [-118.234324, 33.974732],
                        [-118.234685, 33.974731],
                        [-118.234432, 33.972967],
                        [-118.233915, 33.970674],
                        [-118.233561, 33.970731],
                        [-118.232835, 33.967469],
                        [-118.232995, 33.967467],
                        [-118.232405, 33.965314],
                        [-118.231371, 33.963268],
                        [-118.230013, 33.961768],
                        [-118.231885, 33.961565],
                        [-118.231599, 33.960146],
                        [-118.237366, 33.960152],
                        [-118.23737, 33.958521],
                        [-118.237943, 33.958518],
                        [-118.237949, 33.96015],
                        [-118.24499, 33.960148],
                        [-118.244994, 33.959648],
                        [-118.246648, 33.959637],
                        [-118.246653, 33.959177],
                        [-118.247237, 33.959175],
                        [-118.247225, 33.9597],
                        [-118.253962, 33.959701],
                        [-118.253959, 33.960162],
                        [-118.258573, 33.96016],
                        [-118.258575, 33.959577],
                        [-118.260754, 33.959772],
                        [-118.260753, 33.960149],
                        [-118.265118, 33.96013],
                        [-118.265139, 33.966482],
                        [-118.264629, 33.966483],
                        [-118.264607, 33.967438],
                        [-118.265142, 33.967395],
                        [-118.265151, 33.970249]
                    ]
                ]
            ]
        }
    }, ...]
}

复制

标准GeoJSON在大多数应用程序中运行良好，但对于Analytics中的自定义地图存在问题。问题不在于显示地图; 当您尝试使用地图图表显示数据时会发生这种情况。这是因为Analytics要查找与此相同级别的ID“type”：“功能”与数据中的ID匹配的节点。这就是它如何知道将CSV文件中的行与地图上的特定邮政编码区域相匹配。实际上，必须命名该ID属性“ID”！

在此示例中，要使用的明显ID是邮政编码值本身。解决方法是将键移动一级，或者通过移动所有内容来“展平”GeoJSON“属性”上一级。让我们使用我们的编码技巧来看看我们如何实现这一目标！

对于洛杉矶邮政编码，创建一个脚本或使用花哨的正则表达式公式来移动 “EXTERNAL_ID” 上升一级，所以它是一个孩子 “特征”。
请务必重命名新的键值节点 “ID”。每个人的价值 “ID” 将是一个邮政编码，以匹配数据集的Zipcode列中的邮政编码。
如果脚本输出具有新名称的文件，请记下该文件的名称及其位置。将GeoJSON上传到Analytics时需要它们。

例如，这是一个快速而肮脏的Python脚本，可以创建 “ID” 与…相同级别的节点 “类型”。

                #!/usr/bin/python
                
                import json
                 
                f = open('Downloads/test_la_zip_code_areas_2012.json', 'r')
                 
                json_contents = json.loads(f.read())
                
                features = json_contents["features"]
                
                for i in features:
                    i["id"] = i["properties"]["external_id"]
                 
                # If shrinking the size of the file is important, 
                # the properties node could be deleted afterwards:
                # del i["properties"]
                 
                out_file = open("out_la_zip_code_areas_2012.json", "w")
                out_file.write(json.dumps(features))
                 
                # out_file will not be sorted, which shouldn't affect anything,
                # but to have it be sorted, use sort_keys=True in json.dumps
                
                out_file.close()

复制

注意

上面显示的快速和脏脚本剥离了要素对象周围的包装，因此如果您使用它，请恢复以下内容：

{    
    "type": "FeatureCollection",
    "features": {[
        "comment" : "stuff that was output by the script goes here"
    ]}
}

复制

现在GeoJSON看起来像这样：

{
    "type": "FeatureCollection",
    "features": [{
        "type": "Feature",
        "properties": {
            "kind": "ZIP Code Tabulation Area (2012)",
            "external_id": "90001",
            ...
            },
            "resource_uri": "/1.0/boundary/90001-zip-code-tabulation-area-2012/"
        },
        "id": "90001",
        "geometry": {
            "type": "MultiPolygon",
            "coordinates": [
                [
                    
                        [-118.265151, 33.970249],
                        ...
                    ]
                ]
            ]
        }
    }, ...]
}

复制

每个id都具有其所属的要素对象中的实际邮政编码的值。不要试图使用这个GeoJSON片段 – 它只是你得到的输出的一小部分！

在自定义地图中显示数据

创建洛杉矶邮政编码数据集时，将Zipcode列的数据类型设置为维度。此操作可以在您浏览数据时按邮政编码进行分组。按邮政编码对数据进行分组后，您可以在显示LA邮政编码的自定义地图中将其可视化。您必须基于geoJSON文件创建自定义地图。

让我们探索镜头中的邮政编码数据，并在自定义地图上查看。

在Analytics主页中，单击 Datasets选项卡。
找到您创建的la_zip_codes数据集，然后单击它以在镜头中探索它。

在镜头中，单击Count of Rows度量，然后单击Sum，然后 单击TotalWages将度量更改为TotalWages的总和。确保在“条形长度”字段中单击要更改的度量名称“行数”。
单击Bars字段中的加号按钮，然后选择 Zipcode以按邮政编码分组。

æ´æç¶é®æ¿ç¼ç ç¨æ°æ®æé®æ¿ç¼ç åç»çå·¥èµæ»é¢

要将图表类型更改为地图，请单击右侧并选择“映射”图表类型（）。默认地图不显示LA邮政编码，因此不适合此数据。实际上，预构建的地图类型都不能显示按邮政编码分组的数据。让我们创建一个可以的自定义地图。
要创建自定义地图类型，请单击，展开“地图”部分，然后单击“地图类型”属性旁边的。

如果您没有重新格式化自己的GeoJSON文件，我们会为您重新格式化一个。右键单击此链接，将重新格式化的GeoJSON文件保存到本地计算机。
在New Map页面的左侧窗格中，单击Upload GeoJSON并上载您下载的GeoJSON定义（custom_map_project_geojson.json）。

éæ©æ°å°å¾çgeoJSONæä»¶ï¼è¾¹çï¼æ ç¾åæå½±ç±»åã

注意如果您上传的GeoJSON文件有问题，则会显示一条错误消息（类似“无效的GeoJSON”）。通常这意味着重新格式化出了问题。
在“地图标签”字段中，输入L.A. Zipcodes。
在“投影类型”字段中，选择“ Equirectangular”作为此地图的默认投影类型。您可以在使用此自定义地图的每个图表窗口小部件的窗口小部件属性中覆盖此设置。Equirectangular适用于简单的几何形状，例如平面图，城市街区或邮政编码区域。墨卡托最适合传统的地理地图。使用AlbersUSA获取美国地图，其中包括美国其他地区附近的夏威夷和阿拉斯加州。

注意在中心窗格中，您可以拖动地图的手柄以更改边界，并放大特定区域。边界将显示在右侧窗格中。但是，我们不会改变边界。我们稍后会详细介绍它们。
单击“完成”。恭喜！您已经创建了第一张自定义地图。这不是一个美女！您现在可以在其他图表中使用此自定义地图类型，包括地图，地理地图和气泡地图。
要将此镜头剪辑到设计器中的仪表板，请单击。
在步骤命名对话框中，输入Total Wages by Zip Code“显示标签”字段，然后单击“ 剪辑到设计器”。
在仪表板设计器中，将新步骤拖到画布上。根据需要调整窗口小部件的大小，以便能够查看显示的条形图。一张不起眼的地图出现了几个彩色的邮政编码区域，其中发现了洛杉矶（那些飞行大约在可见海岸的中心部分）。

选择地图以显示窗口小部件属性。
在窗口小部件属性中，展开“ 地图” 部分，注意在“地图类型”菜单中选择了新的LA Zipcodes自定义地图。

保存仪表板，按邮政编码命名为洛杉矶税务数据。

这张地图的问题在于它包含了整个南加州的邮政编码区域，这意味着洛杉矶地区太小而无法使用。我们可以通过创建一个边界框来解决这个问题。我们接下来就这样做。

你将学到什么

该项目向您介绍如何创建自定义地图并调整这些地图以增强可视化效果。在其中，您将学习：

如何重新格式化GeoJSON以便可以在Analytics中使用它。
如何将GeoJSON上传到Analytics以创建自定义地图。
如何使用边界框放大地图中的某个区域。

什么是自定义地图？

Analytics具有各种地理区域的内置地图。您可以像使用任何其他图表一样使用它们来显示数据的可视化。但是如果你找不到你拥有的数据所需的地图怎么办？这就是自定义地图进入场景的地方！

自定义地图基于标准GeoJSON定义文件，该文件包含用于绘制地图的元数据和坐标。Analytics可以读取GeoJSON文件并将编码的地图显示为另一个地图。

首先，设置您的Analytics Developer Edition组织。

注册支持分析的开发人员版组织

对于此项目，您无法使用现有的Developer Edition组织。您必须注册一个特殊的新版本，该版本附带有限的爱因斯坦分析平台许可证。

首先注册一个支持Analytics的开发人员组织。

转到developer.salesforce.com/promotions/orgs/wave-de。
使用有效的电子邮件地址填写表单。您的用户名也必须看起来像电子邮件地址并且是唯一的，但它不必是有效的电子邮件帐户。例如，您的用户名可以是yourname@waverocks.de或yourname@yourcompany.de。
填写表单后，单击“ 注册”。系统会显示一条确认消息，告知您检查电子邮件。
收到激活电子邮件后，将其打开，然后单击该链接。
完成注册，并设置密码和质询问题。
单击保存。您现在已登录到Developer Edition组织并重定向到“设置”页面。

要在本页末尾接受挑战时登录启用Analytics的开发人员组织，请从连接菜单中选择登录Developer Edition。要随时登录和播放，请访问login.salesforce.com。

获取数据

为了构建我们的自定义地图，我们从一些有趣的数据开始。我们在洛杉矶地区有各种邮政编码的公共IRS备案统计数据，您可以从这里下载。这些信息已经汇总，所以不，你不能查看富人和名人的纳税申报表。

数据采用以下格式的CSV文件：

 "Zipcode","ZipCodeType","City","State","LocationType","Lat","Long","Location","Decommisioned",
"TaxReturnsFiled","EstimatedPopulation","TotalWages"
"90001","STANDARD","LOS ANGELES","CA","PRIMARY",33.97,-118.24,"NA-US-CA-LOS ANGELES","false",18561,36200,421709138
"90002","STANDARD","LOS ANGELES","CA","PRIMARY",33.94,-118.24,"NA-US-CA-LOS ANGELES","false",16133,30920,352278879
"90003","STANDARD","LOS ANGELES","CA","PRIMARY",33.96,-118.27,"NA-US-CA-LOS ANGELES","false",21982,41878,463744071
"90004","STANDARD","LOS ANGELES","CA","PRIMARY",34.07,-118.31,"NA-US-CA-LOS ANGELES","false",25057,41632,891085777
"90005","STANDARD","LOS ANGELES","CA","PRIMARY",34.05,-118.31,"NA-US-CA-LOS ANGELES","false",13294,22281,369162475
"90006","STANDARD","LOS ANGELES","CA","PRIMARY",34.04,-118.29,"NA-US-CA-LOS ANGELES","false",19691,34995,398768368
"90007","STANDARD","LOS ANGELES","CA","PRIMARY",34.02,-118.28,"NA-US-CA-LOS ANGELES","false",12367,20179,262370773
"90008","STANDARD","LOS ANGELES","CA","PRIMARY",34.00,-118.34,"NA-US-CA-LOS ANGELES","false",13333,21174,426689767
"90009","PO BOX","LOS ANGELES","CA","PRIMARY",33.94,-118.38,"NA-US-CA-LOS ANGELES","false",1137,1715,49947779
"90010","STANDARD","LOS ANGELES","CA","PRIMARY",34.06,-118.31,"NA-US-CA-LOS ANGELES","false",2055,3294,122651252

复制

让我们上传文件以创建数据集。

登录您的Developer Edition组织。
在Lightning Experience中，单击，然后单击 Analytics Studio磁贴。小费首次打开Analytics Studio时，将显示“欢迎”屏幕，提供可帮助您入门的资源。您可以立即将其关闭，并随时从“帮助”菜单再次打开它。单击右上角的问号以打开菜单。然后选择 欢迎使用Analytics。注意如果未打开Analytics Studio，请检查您的弹出窗口阻止程序是否已启用。如果是这样，请更改设置以允许您的组织弹出窗口。在Salesforce Classic中，从右上方的应用程序菜单中选择Analytics Studio。
在Analytics Studio中，单击主屏幕右上角的“ 创建”，然后从菜单中选择“ 数据集 ”。
单击CSV文件作为数据源。
在“新建数据集”屏幕中，单击“ 选择文件”或在此处拖动文件。
在打开的文件选择窗口中，选择您下载的CSV文件 – 查找名为la_zip_codes.csv的文件。
单击“ 打开”（或操作系统中的正确按钮以上载文件），然后单击“ 下一步”。
在“数据集名称”字段中，为数据集命名， la_zip_codes然后单击“ 下一步”。
在“编辑字段属性”屏幕中，单击“邮政编码”列标题，然后将其字段类型更改为“ 维度”。
单击上载文件。

大约一分钟后，检查“数据集”选项卡以查看数据集。

做得好！您可以在Analytics中查看数据。接下来，您将获得GeoJSON并创建自定义地图。

学习目标

完成本单元后，您将能够：

使用比较表在Analytics中执行计算。
在尺寸上使用包含过滤器。

探索目标

在发现您的笔记本电脑销售可能会下降之后，您将开始专注于轻便笔记本电脑的销售竞赛。要向高管提出您的计划，您需要使用实数和图表来证明您的观点。

以下是此单元的目标：您希望显示未来几个月总销售额与轻型笔记本电脑销售额的百分比预测。图表很容易看到大局和趋势，但没有数字可以证明一点。当你提出比赛计划时，两者都会让你领先于比赛。

这个目标引入了一个我们尚未涉及的新概念：如何在Analytics中进行计算。只需点击几下，比较表就是一个有效的工具。

计算轻便笔记本电脑的总销售额百分比

在开始探索之前，您需要确定一个公式来计算轻便笔记本电脑销售的所有产品系列的销售百分比。它应该看起来像这样：

(# of light laptop sales / # of all sales) x 100

让我们得到这些数字并进行计算。

比较表

您仍然希望对机会和产品数据进行分析，因此打开DTC Opportunity数据集以开始新的探索。首先要做的事情：将可视化更改为比较表。

点击。
选择比较表。

如图所示，当您将鼠标悬停在其图标上时，比较表是基于列的可视化。它与您之前看到的可视化不同。每列都有自己的过滤器和度量，一些列可用于进行计算。您还可以添加最多四个应用于每列的分组，稍后您将看到。让我们用以下列创建一个比较表。
A栏包含所有赢得的机会。
B栏包含所有轻松笔记本电脑的机会。过滤器是Product Family = Light Laptop。
C栏包含计算值，其中总销售额占笔记本电脑销售额的百分比。计算是(# of light laptop sales / # of all sales) x 100

A栏：所有获胜的机会

在初始状态中，比较表只有一列显示对应于行数的数字。您想要销售的产品数量，因此您将更改该度量。

单击行数。
选择左侧的Sum聚合函数。
选择右侧的＃（数量， 而不是金额）度量。

请注意，度量的名称Sum of＃也是列名。比较表允许您按列应用过滤器。现在，您已准备好在第一列中应用两个过滤器。

一个过滤器是过去几个月和接下来的几个月。
另一个过滤器赢得了机会。

在＃of之后，单击菜单控件（v）。
在菜单中，选择“ 添加过滤器”。
选择关闭日期。
选择自定义。
选择绝对日期范围选项卡，然后选择之间。
将From字段设置为January 1, 2016，在今天之前三个月。（请记住，对于我们的示例，今天是2016年4月1日。）
将“ To”字段设置为June 30, 2016将来的几个月。
单击添加。
要添加第二个过滤器，请再次单击v for Sum of＃。
选择Won，然后选择true，最后单击Add。

该数字显示滚动年度内完成的销售量。您需要做的最后一件事是重命名列。

单击＃之和旁边的v，这次选择 Edit this Column。
在“列标题”字段中，输入# All Sales。
单击“ 应用”，然后单击“ 关闭” 以关闭编辑面板。

你有第一列！是时候添加更多了。

B栏：轻便笔记本电脑赢得了机会

添加与第一列类似的其他列，但在轻便笔记本电脑销售时进行过滤。

单击Measures 下的#All Sales（列A的新名称）旁边的菜单控件（v）。
选择克隆列。创建克隆列时，它会复制从其创建的列中的所有过滤器和度量。容易，对吗？现在我们将向列B添加一个过滤器，其中 Product Name包含Light laptop。
单击v以获取第二个#All Sales（B列），然后选择Add a Filter。
在搜索字段中，键入product，然后选择“ 产品名称”。
在下拉菜单中选择包含，键入 light laptop，然后单击添加。

请注意，您可以滚动“度量”面板。它应该显示您的第二列现在有三个过滤器。是时候将列重命名为# Light Laptop Sales。
在Measures下，单击第二个#All Sales（B列）旁边的菜单控件（v）。
选择“ 编辑此列”。
在“列标题”字段中，输入# Light Laptop Sales。
单击“ 应用”，然后单击“ 关闭”。

现在你已准备好进行计算了！

C栏：轻型笔记本电脑的百分比赢得了机会

接下来，您将添加一个列并为其提供公式。但首先，让我们介绍一下公式语法。使用公式，您可以使用其他列中的数据执行计算，逐个引用每个列。每列都有一个字母，以A开头，按字母顺序排列。下图显示了公式语法如何映射到表格：

现在让我们添加一个带有公式的列。

单击Measures下的#Light Laptop Sales（B列）旁边的菜单控件（v），然后选择Clone column。
单击新列的菜单控件（v），然后选择“ 编辑此列”。
将列标题更改为% Light Laptop Sales。
在公式字段中，输入上面定义的公式： B/A。
对于格式，请选择“ 百分比”。
单击“ 应用”，然后单击“ 关闭”。

ç¼è¾ååç§°ï¼å¬å¼åæ°æ®æ ¼å¼ä»¥æ¾ç¤ºéå®ç¾åæ¯

注意

请注意，Measures下的C列不可单击。那是因为它是一个公式列，你不能改变它的尺度。同样，如果打开C列的菜单，则过滤器选项不可用，因为您无法在公式列上添加过滤器。

在比较表中的组

您刚刚看到了如何使用比较表进行百分比计算。在您的原始目标中，您希望计算每个月的此百分比。你还记得查询的三个基本动作吗？聚合，分组和过滤。你已经在比较表中分组了吗？不，所以我们现在就做吧！

在“数据”选项卡中，单击“ 分组依据”下的加号（+）。
选择关闭日期。
选择年 – 月。

瞧！查询按关闭月份进行分组，并获取所有组的每列结果。这些数字向我们表明，轻便的笔记本电脑销售最近一直处于平庸状态，即使它们本月正在飙升（记住，这是4月1日！）。就像我们担心的那样，他们看起来像是在五月和六月回头了。

我们将需要那场比赛来获得DTC寻找的轻便笔记本电脑成果，以推动家庭和教育市场的产品。为了帮助说服团队的其他成员，让我们把数字变成一张图片。

将结果显示为条形

在我们结束之前，让我们进一步探讨这个问题。您可以将公式的结果显示为条形，这样可以更容易掌握。

克隆％Light Laptop Sales列。
在Measures下的新列中，单击菜单控件（v）并选择Format Column。
在“列属性”中，选择“ 显示为条形”。

通过将此可视化作为表格的一部分，您将能够更加突出地了解笔记本电脑的性能。

下一步：了解本月如何获得更多交易。但是你已经没时间了。您需要乘坐出租车前往机场，因此您无法继续在桌面上进行探索。在下一个模块中，您将看到如何继续研究，但这次是在手机上。

在镜头中保存您的探索

你达到了你的探索目标：你现在有数字和图片显示轻便的笔记本电脑销售需要帮助。您确信您的销售竞赛计划将在DTC Electronics中得到广泛认可。因此，在进入该出租车之前，请将您的探索保存在镜头中。

点击。
输入D03 – Light Laptop Sales % Evolution / Time标题。
选择My Exploration应用程序。
单击保存。

准备好移动

在这个单元中，您已经了解了比较表。比较表是基于列的可视化。某些列可以使用公式来计算其他列的值。我们想要回家的主要概念是您可以使用比较表进行计算。桌面探索模块到此结束。通过深入研究您的数据，就像您只能在 Analytics中一样，您意识到您的轻便笔记本电脑销量正在下降。您将开始销售竞赛以保持销售正常，您可以使用所有镜头来备份您的计划。到目前为止，您有：

笔记本电脑销售排行榜，您可以利用它来帮助您的最佳销售代表分享最佳实践。
一个时间表，说明笔记本电脑销售放缓。
比较表，显示笔记本电脑销售额随时间的百分比。

为自己感到自豪 – 你值得拥有自己的徽章！你可能站在出租车线上，但你的工作尚未完成。你没有时间等到你回到办公室。这就是为什么在下一个模块中，我们将向您展示如何在您的移动设备上探索数据，以便您可以随时采取行动。一个新的探索世界将向您敞开。准备？

分析探索（2）随时间分析您的数据

学习目标

完成本单元后，您将能够：

管理日期分组，过滤和可视化。
通过了解数据正确应用过滤器。

探索目标

您仍然喜欢了解Analytics以及它如何帮助DTC。根据您以前使用Analytics进行的数据探索，您正在考虑将笔记本电脑作为销售奖励进行奖励竞赛。您有兴趣了解您的产品销售随着时间的推移趋势。数据就在那里，您希望使用Analytics来浏览并提出问题。我们会告诉你如何。

以下是您对此单元的目标：您希望了解过去几个月您的销售额是如何随着时间的推移而发展的。您还希望专注于笔记本电脑，并了解未来几个月如何验证奖金竞赛的必要性。那么让我们看看数据告诉我们的是什么。

按日期分组

您想了解笔记本电脑的销售情况如何随着时间的推移而发展，因此您将打开并探索DTC机会数据集，其中包含机会和产品信息。在默认探索状态中，正如您在上一个单元中所记得的那样，查询聚合了没有分组且没有过滤的行数。返回My DTC Sales应用程序并打开DTC Opportunity数据集，开始新的探索。您对所涉及的笔记本电脑数量感兴趣，因此请完成以下步骤。

单击“ 条形长度”下的“行数”可更改度量。
在聚合函数列表中选择Sum。
选择度量的＃（数字符号）以查看已关闭商机中的商品数量。

接下来，您将按月关闭机会。按日期分组的工作方式与按常规尺寸分组的工作方式略有不同。

点击加号（+下）酒吧。您将在列表顶部看到日期维度。
单击关闭日期。
从选项列表中选择年 – 月。

日期选择列表允许您按年，季度，年度季度等进行分组。在所有年份中选择所有季度的季度组。按年度分组按年度分组，然后按年度按季度分组。年月组首先按年，然后按月。

注意

如果日历和会计年度不同，则除了日历日期字段外，您还可以启用Analytics以在数据集中生成会计日期字段。您可以自定义数据管道以匹配公司的会计日历。从Salesforce帮助中的数据集中的日期处理了解更多信息。

日期的相对和绝对过滤器

截止日期值上升至去年，但我们仅对今天的最后三个月和三个月感兴趣 – 就我们的示例而言，2016年4月1日。有两种方法可以过滤日期。

相对于现在，它允许您根据实际时间设置动态过滤器。你可以从相对年份到相对的日子。这是获取最新指标的有效方式。
绝对日期范围，它是固定日期过滤器。我们将继续这样做。

为关闭日期添加过滤器，以显示三个月前到三个月前关闭的机会。假设今天是2016年4月1日，我们将从1月初到6月底寻找机会。

在“过滤器”选项卡中，单击“ 过滤器”下的加号（+）。
在日期类别中选择关闭日期。
选择自定义。
单击“ 绝对日期范围”选项卡。
选择之间。
在“ 发件人”字段中，单击日历符号，查找2016年1月1日，然后选择它。您也可以输入 1/1/2016该字段。
在“ 收件人”字段中，执行相同操作并选择2016年6月30日。
单击添加。

为日期选择正确的可视化

条形图是一个很好的比较工具，但很难通过时间显示进化。按日期分组时，时间轴很有用。

单击以打开图表库。
选择时间轴图表。

注意

如果将鼠标悬停在图表库中的时间轴上，弹出文本将提供时间轴图表的要求。你正在研究随着时间推移的机会演变。看到你失去或赢得了多少机会可能会很有趣。好消息是你可以在时间轴上进行另一次分组。

在“数据”选项卡中，单击“ 线”下的加号（+）。
选择赢。

éå¤´æ¾ç¤ºï¼è¿å»ä¸ä¸ªå£åº¦ä½ èµ¢å¾çæºä¼ææä¸é

看起来机会可能会在未来几个月内出现下滑。在我们得出任何结论之前，让我们仔细研究一下，确保我们所看到的是准确的。

了解您的数据

经过仔细检查，您会在图表中看到一些奇怪的东西。您将看到本月之后机会关闭（请记住，就我们的示例而言，我们同意今天是2016年4月1日）。实际上，关闭日期可以在将来，在这种情况下，它是预期的结束日期。这意味着您将看到所有具有截止日期的机会，而不是那些已经关闭的机会。我们需要更多地改进查询。首先，让我们解释一下在Salesforce中如何表示封闭的机会。封闭的机会可以通过两个方面表达。

机会关闭 – 关闭时为真，打开时为假。
阶段 – 关闭失去或关闭在机会关闭时获胜。

因此，让我们使用包含过滤器来过滤包含的所有阶段名称closed。

在“过滤器”选项卡中，单击“ 过滤器”下的加号（+）。
选择舞台尺寸。您可以通过Stage在搜索字段中输入来快速找到它。
单击“ 等于”以打开下拉列表。
选择包含。将出现一个输入字段，该字段将是包含过滤器的搜索值。
类型Closed。
单击添加。

Voilà，您已使用一个过滤器包含多个值。这种过滤器在很多情况下都很强大，所以请记住。

聚焦你的镜头

现在让我们深入挖掘并更仔细地检查您的笔记本电脑号码。

单击“ 过滤器”下的加号（+）。
选择“ 产品名称”维度。
单击“ 等于”以打开下拉列表，然后选择“ 包含”。
类型laptop。
单击添加。

应用过滤器后，您会发现笔记本电脑的销售额一直在增长，但是处于显着下滑状态。这绝对是开始增加笔记本电脑销售竞赛的好时机！

在镜头中保存您的探索

您对笔记本电脑的销售情况如何随着时间的推移感兴趣，并且您感谢分析，他们可能会陷入瘫痪！你肯定需要尽快开始你的笔记本电脑销售比赛。将您的探索保存在镜头中，以便与同事分享您的发现。

点击。
输入D02 – Laptops Opportunities Evolution / Time标题。
选择我的探索。
单击保存。

继续你的探索

总而言之，您已经学会了如何完成以下任务。

按日期分组，通常由至少两个属性完成：年 – 季度，年 – 月，年 – 周或年 – 月 – 日。
按日期过滤，无论是绝对的还是相对于您提出问题的时间。
通过时间轴可视化正确显示日期分组，并向其添加第二个分组。
使用包含过滤器过滤维度。
将镜头的焦点缩小到尺寸中的选定区域。

在下一个单元中，您将学习如何使用比较表进行计算。在获得徽章之前，您对上次桌面探索感到兴奋吗？

分析探索（2）随时间分析您的数据

学习目标

完成本单元后，您将能够：

管理日期分组，过滤和可视化。
通过了解数据正确应用过滤器。

探索目标

按日期分组

单击“ 条形长度”下的“行数”可更改度量。
在聚合函数列表中选择Sum。
选择度量的＃（数字符号）以查看已关闭商机中的商品数量。

接下来，您将按月关闭机会。按日期分组的工作方式与按常规尺寸分组的工作方式略有不同。

点击加号（+下）酒吧。您将在列表顶部看到日期维度。
单击关闭日期。
从选项列表中选择年 – 月。

注意

日期的相对和绝对过滤器

截止日期值上升至去年，但我们仅对今天的最后三个月和三个月感兴趣 – 就我们的示例而言，2016年4月1日。有两种方法可以过滤日期。

相对于现在，它允许您根据实际时间设置动态过滤器。你可以从相对年份到相对的日子。这是获取最新指标的有效方式。
绝对日期范围，它是固定日期过滤器。我们将继续这样做。

为关闭日期添加过滤器，以显示三个月前到三个月前关闭的机会。假设今天是2016年4月1日，我们将从1月初到6月底寻找机会。

在“过滤器”选项卡中，单击“ 过滤器”下的加号（+）。
在日期类别中选择关闭日期。
选择自定义。
单击“ 绝对日期范围”选项卡。
选择之间。
在“ 发件人”字段中，单击日历符号，查找2016年1月1日，然后选择它。您也可以输入 1/1/2016该字段。
在“ 收件人”字段中，执行相同操作并选择2016年6月30日。
单击添加。

为日期选择正确的可视化

条形图是一个很好的比较工具，但很难通过时间显示进化。按日期分组时，时间轴很有用。

单击以打开图表库。
选择时间轴图表。

注意

在“数据”选项卡中，单击“ 线”下的加号（+）。
选择赢。

看起来机会可能会在未来几个月内出现下滑。在我们得出任何结论之前，让我们仔细研究一下，确保我们所看到的是准确的。

了解您的数据

机会关闭 – 关闭时为真，打开时为假。
阶段 – 关闭失去或关闭在机会关闭时获胜。

因此，让我们使用包含过滤器来过滤包含的所有阶段名称closed。

在“过滤器”选项卡中，单击“ 过滤器”下的加号（+）。
选择舞台尺寸。您可以通过Stage在搜索字段中输入来快速找到它。
单击“ 等于”以打开下拉列表。
选择包含。将出现一个输入字段，该字段将是包含过滤器的搜索值。
类型Closed。
单击添加。

Voilà，您已使用一个过滤器包含多个值。这种过滤器在很多情况下都很强大，所以请记住。

聚焦你的镜头

现在让我们深入挖掘并更仔细地检查您的笔记本电脑号码。

单击“ 过滤器”下的加号（+）。
选择“ 产品名称”维度。
单击“ 等于”以打开下拉列表，然后选择“ 包含”。
类型laptop。
单击添加。

应用过滤器后，您会发现笔记本电脑的销售额一直在增长，但是处于显着下滑状态。这绝对是开始增加笔记本电脑销售竞赛的好时机！

在镜头中保存您的探索

点击。
输入D02 – Laptops Opportunities Evolution / Time标题。
选择我的探索。
单击保存。

继续你的探索

总而言之，您已经学会了如何完成以下任务。

按日期分组，通常由至少两个属性完成：年 – 季度，年 – 月，年 – 周或年 – 月 – 日。
按日期过滤，无论是绝对的还是相对于您提出问题的时间。
通过时间轴可视化正确显示日期分组，并向其添加第二个分组。
使用包含过滤器过滤维度。
将镜头的焦点缩小到尺寸中的选定区域。

在下一个单元中，您将学习如何使用比较表进行计算。在获得徽章之前，您对上次桌面探索感到兴奋吗？

分析探索（1）成为数据资源管理器

学习目标

完成本单元后，您将能够：

描述与探索数据相关的四个基本操作：分组，聚合，过滤和可视化。
描述哪些措施和尺寸，以及每种措施和尺寸如何用于探索。

探索目标：谁是我的畅销产品？

您是DTC Electronics的销售经理，DTC Electronics是笔记本电脑，平板电脑和其他硬件设备的领先供应商。而你刚刚开始掌握Analytics。

您对自己的业务有疑问，答案就在您的数据中。因此，您需要成为一名资源管理器，即使用Analytics的数据资源管理器。当您为此模块的徽章工作时，您将从一个指导您所有探索的具体目标开始。您将学习的基本概念不仅可以帮助您完成此模块，还可以应用于您的实际公司。所以，没有时间浪费 – 让我们通过第一个用例！

以下是此单位的目标：新季度即将开始，您希望为公司中的畅销商举办奖励竞赛，以推动您的某个产品系列的销售。您不知道选择哪个家庭，但答案在于您的业务数据。您需要了解销售在您的产品中的分布情况，以便为您的竞赛选择重点。分析数据探索允许您自然地从一个答案转到另一个答案，甚至可以回答新问题。

停！如果您尚未完成Analytics基础知识模块，请先转到此处。在执行此模块之前，您需要注册一个特殊的Developer Edition组织。

入门查询

确保您已登录Analytics，并且您已打开名为“ 我的DTC销售”的应用。您可能必须单击应用启动器（

）并选择Analytics Studio。然后单击我的DTC销售以浏览应用程序。

您应该看到一个名为DTC Opportunity的数据集。点击打开它。

现在，您处于一个名为“New Lens”的选项卡中。您将看到数据探索的初始状态，其中包含数据集中的行数。将鼠标悬停在栏上以查看具有确切编号的框。如果要重命名“行数”标签，请单击“ 字段”然后单击“确定” 。在对话框中，输入新标签名称，然后单击 “完成”以保存更改。

在整个探索过程中，您将询问有关数据的问题。提出问题就是我们所说的“运行查询”。您将一步一步地更改查询以更接近您的探索目标，并且您将看到这个简单的条形转换为复杂的图表。左侧面板（在那里说杆长度，酒吧，和过滤器）显示您探索的细节，让你改变镜头的两个主要部分：查询和可视化。稍后您将看到可视化部分。查询可以分为三个基本操作。

聚合 – 通过某种方式汇总数据。例如，度量可以是数据行的计数，如在初始探索状态中。另一个常见的衡量标准是金额的总和。
分组 – 按特定维度对数据进行分组（更多关于位的维度）。例如，按产品名称或帐户分组。
过滤 – 过滤数据以缩小结果范围。例如，仅显示会计年度内的机会。

当前查询分组是什么？它是否被任何过滤？它聚合了吗？

它不是分组或过滤，而是聚合行数，这是默认值。请注意，组和过滤器是可选的，而聚合则是必需的。无论您使用哪种查询，都必须至少有一个度量来实现可视化。

分组您的数据

您对产品中的销售分配感兴趣，但是现在您看到的数字与所有产品有关，因为还没有分组。在本次探索的第一部分中，您将尝试找出哪个产品系列带来的收入最多。为此，您将按产品系列分组，更改聚合并订购结果。

是时候按产品系列添加分组了。点击加号（+下）栏打开，你选择由维度组下拉菜单。

不知道维度是什么？维度是定性值，如区域，产品名称或型号。所以这是你可以分组的东西。

注意

在单击Bars +时出现的列表中，将显示两个类别：日期和维度。日期是一种特殊形式的维度，我们将在下一个单元中更深入地探索。

在这里，您希望按产品系列进行分组。您可以通过键入名称然后从列表中选择它来更快地访问维度。

注意

如果您的图表看起来与此处和路径中的其他示例略有不同，请不要担心。图表背后的数据略有不同可能会导致可视化的差异，但图表的基本元素应该相同。

您可以看到现在为每个组计算聚合行数。但是您希望看到每个产品系列带来的收入，因此您需要更改聚合。通常根据度量进行聚合。有什么措施？度量是一种定量值，例如收入或汇率。换句话说，它是您可以进行数学计算的数字，例如计算总收入和最低汇率。

在“ 条形长度”下，单击“行数”以更改聚合。打开的下拉菜单会显示您可以使用度量进行的计算，例如Sum或 Average。
您希望查看每个产品系列带来的总收入，因此请单击“ 总和”。右侧的列表显示了可用的度量。
选择金额。

图表已更新，您可以看到每个栏上的值现在不同了！

有趣的是，要求结果显示最高总额或总价（最大收入）的家庭。

单击金额总和旁边的菜单控件（v）。
选择降序排序。

现在，您可以按产品系列了解销售情况。你可以看到笔记本电脑已经表现出色，并且通过数字媒体进入了第二位。DTC还大力推动轻型笔记本电脑家庭产品 – 推动库存和营销活动 – 追赶家庭和教育市场。笔记本电脑能配件吗？你能推动笔记本电脑的销量增长而已！您需要在笔记本电脑上进行销售竞赛，以激励您的销售代表销售此产品系列 – 特别是DTC轻便笔记本电脑！

深入研究您的数据

您的数据中仍然存在大量有价值的信息，因此您需要继续挖掘。您想了解您的顶级销售代表如何推广笔记本电脑，以便您可以分享销售奖金竞赛的最佳实践。让我们看看谁在排行榜的顶端。

只需单击蓝色笔记本电脑栏，您就可以深入了解笔记本电脑的销售数据。单击一次以选择该栏，然后右键单击以打开下拉菜单。或者，单击“ 向下钻取”按钮（。选择“ 机会所有者”，让魔法发生！

注意

您可以使用名为扩展元数据（XMD）的配置文件更改维度和度量标签。例如，您可以将商机所有者更改为Opp所有者名称。有关更多详细信息，请参阅联机帮助中的“ 标签”部分。只需单击一下，您就可以将全球销售的单条更改为笔记本电脑的销售代表排行榜。看看查询中发生了哪些变化。

在条形图下，分组已从“产品系列”更改为“机会所有者”。
您只能通过笔记本电脑过滤产品系列。

您现在可以回答排行榜问题！可是等等！这是真正的答案吗？

过滤您的数据

在得到查询结果之前得出结论之前，请务必提出完整的问题。在这种情况下，您正在查看所有已关闭的机会。封闭的机会可以赢得或失去机会。因此，要了解哪些销售代表为公司带来了最多收入，您只需按获胜机会进行过滤。您可以按度量，汇总度量，日期和维度进行筛选。稍后我们将更深入地介绍不同的过滤器。现在，除了赢得机会之外，你想要过滤掉所有东西。

在“过滤器”选项卡中，单击“ 过滤器”下的加号（+）。
搜索Won，然后单击它。
选择值true。
单击添加。

添加过滤器后是否注意到动画？这是了解结果如何变化的绝佳视觉方式。当您只关注赢得的交易时，您的顶级销售代表是不同的。一些销售代表倒闭，其他销售人员上升，重要的是要知道当你专注于赢得机会时他们是如何感动的。

继续挖掘：提出下一个问题

既然你有一个排行榜，那么更详细地分解它是有意义的。笔记本电脑家族中哪些产品销售最好？使用传统的商业智能工具，您不得不向IT提出这个新问题，并等待他们处理您的请求。使用Analytics，只需点击几下即可。自助服务！第一步是按产品名称添加新分组。您现在可能还记得如何操作，但为了以防万一，请单击Bars下的加号（+），然后选择Product Name。现在，您将在图表中看到一些有趣的变化。

条形图左侧的条形下现在有两个维度：机会所有者和产品名称。
该图表现在按颜色突出显示第二个分组（产品名称）。图表的右侧包含一个显示颜色 – 产品关系的图例。

注意

目前，颜色是从默认调色板定义的。您可以通过扩展元数据（XMD）配置文件手动选择颜色。请参阅Salesforce联机帮助中的颜色部分。

此可视化可以告诉您哪些产品带来的收入最多。如你所愿，轻便的笔记本电脑做得很好。让我们通过更改可视化将这些信息与销售代表排行榜中的信息结合起来。

选择正确的可视化

作为提醒，探索有两个主要部分：查询和可视化。查询返回结果，问题得到答案的方式。结果可以根据可视化显示不同，就像有不同的方式来回答问题一样！在可视化中，条形图在我们称为条形图可视化的内容中显示查询结果。您将看到不同的可视化，并在您浏览其他单元时了解何时使用每个可视化。

您想要识别最擅长销售笔记本电脑的销售代表，因此您希望每个所有者名称看到一个条形图，但保留产品名称分组。那么如果你能“堆叠”每个销售代表的价值呢？

要查看图表的选项，请单击右侧的图表库图标（）。找到Stacked Bar并单击它以查看会发生什么。然后再次单击以关闭图表面板。

小费

通过将鼠标悬停在每个可视化文件上，您将看到一条消息，告诉您它可以处理多少度量和维度。这是了解哪种图表最适合哪种情况的好方法。

每个可视化都有不同的方式来处理多个分组或度量。尝试再次单击图表图标（），然后选择 甜甜圈。在这种情况下，它为每个第一个分组（机会所有者）创建一个甜甜圈，并在其上显示第二个分组（产品名称）。

正如您在开始时所做的那样，您可以将鼠标悬停在任何细分上以获取有关这些值的更多信息。多个分组图表比单个分组提供更有价值的信息，例如，您可以看到每个第二维值的百分比。

圆环图是快速查看数据组成的好方法。以下是根据您所寻求的洞察力使用的最佳图表摘要：

现在首先尝试按产品名称进行分组。

在Trellis下，删除商机所有者。
将细分更改为机会所有者。
在Trellis下，单击+以添加产品名称。

可视化现在每个产品都有甜甜圈。在每个甜甜圈上，第二个分组现在是机会所有者。

浏览您的勘探历史

在继续探索时，您可能希望返回先前的可视化。例如，假设您认为甜甜圈不是查看数据的正确方法。事实上，几步之前的叠加图表非常适合与您的团队分享。如果只有你可以在探索中向后移动。好消息是，你可以！顶部的箭头允许您在探索中自由前后移动。您可以单击

返回一步。或者

从“更多”菜单中单击以返回开始位置。让我们回到您想要的堆积条形图。

单击以查看完整的探索步骤列表。
单击“将图表更新为：堆积条形图”。

再次单击以关闭“历史记录”面板。

重要

更改图表类型还可以更改图表后面的查询。发生这种情况时，即使您再次选择旧图表类型，查询仍保持其更改状态。要确保您正在使用初始查询，请使用历史记录工具返回到早期的可视化。

请注意，图例使图表看起来很拥挤。我们调整布局。

单击“属性”图标（）以打开“格式”面板。
单击图例旁边的v。
选择在图表区域内显示图例。
在“位置”下，选择“ 底部中心”。
再次单击以关闭“格式”面板。

将您的工作保存在镜头中

您从数据中得到了一个有趣的答案，但是您不希望每次需要答案时都重做探索。这就是为什么你可以将我们的探索保存在我们所谓的镜头中。它将成为应用程序的一部分，以便您可以与一组人共享或保存以便以后访问。它也可以在您的移动设备上使用！

点击。
输入D01 – Laptops Salespeople – Wall of Fame标题。
单击我的私人应用程序，然后选择我的探索更改应用程序。
单击保存。

注意

镜头保留查询（聚合，分组和过滤）和图表类型，但不保留结果。这就像保存问题而不是答案一样，因为答案太大了，您可以通过再次提问来立即获得答案。

你是在路上，资源管理器！

瞧。您有一个目标，通过快速探索成功实现了目标，并保存以与同事分享。是时候自己击掌了！以下是您应该带走的主要概念。

维度是描述性值，而度量是您可以进行数学运算的值。
每个可视化在特定用例中都是有效的。根据您希望从中获得的主要见解选择可视化。
不要害怕去探索。您可以在历史记录中查看旅程的每个步骤，并轻松地在步骤之间导航。
您可以在镜头中保存探索。
当您在探索数据时，您只需混合和匹配四个基本操作：聚合，分组，过滤和创建有意义的可视化。

在下一个单元中，您将花费更多时间在基于日期的探索上，包括组，过滤器和可视化。你准备好了解更多吗？

分析集成（4）准备您的数据

学习目标

完成本单元后，您将能够：

描述如何使用数据流准备数据以供使用。
使用数据集配方准备数据。

准备数据概述

您已经提取了所需的所有数据，并且您有两个新的数据集。SIC描述数据集包含从CSV文件中提取的数据。具有帐户和用户数据集的机会具有从Salesforce组织中的对象提取的数据。您的最后任务是准备这些数据并将其合并到一个数据集中。

这是您进行数据旅程的地方。就快到了！

准备数据流中的数据

您使用上一单元中的数据流从Salesforce对象中提取数据。如果你还记得的话，数据流也为你做了一些准备。它为您的商机数据添加了帐户和用户字段，并创建了一个数据集。

因此，除了提取之外，数据流也是一个很好的数据准备工具。您可以使用它来过滤数据，添加和删除字段，添加或更新其他数据集中的行，以及向数据添加计算。但是，要准备数据，您可以通过数据流编辑器或编写JSON手动向数据流添加指令。这并非适合所有人，但如果您想尝试一下，请查看参考资料部分并按照链接获取更多详细信息。

但是对于您的DTC Electronics分配，您将使用数据集配方在没有数据流的情况下准备数据。

准备数据集配方中的数据

数据集配方是一种用户界面工具，可让您从现有数据集中获取数据，准备数据并将结果输出到新数据集。使用配方组合来自多个数据集的数据，存储数据，添加公式字段以及通过转换字段值来清理数据。您可以在创建目标数据集之前删除不需要的字段和过滤行。

创建配方时，可以指定要对特定源数据集执行的转换或步骤。运行配方时，它会应用这些转换并将结果输出到新的目标数据集。

为了使目标数据集保持最新，您可以安排配方定期运行。

创建数据集配方

您可以在数据管理器中创建和管理数据集配方。我们去那边吧。

在Analytics中，单击齿轮图标，然后单击“ 数据管理器”。数据管理器将在新的浏览器选项卡中打开。
在数据管理器中，单击“ 数据流和配方”选项卡。
在数据流与食谱选项卡，单击DATASET食谱 子选项卡。“数据集配方”子选项卡显示您已有的所有配方的列表。

单击“ 创建配方”。您会看到可用数据集的列表。
选择要用作基础数据集的数据集。对于此配方，请单击 “包含帐户和用户的商机”。小费不确定你的基础数据集是什么？问问自己哪个数据集包含您要准备的数据或添加字段。那是你的基础数据集。在您的情况下，它是具有帐户和用户数据集的机会。
输入食谱名称。叫这个食谱Opportunities with SIC Descriptions。
单击下一步。配方打开，显示所选基础数据集中数据的预览。

数据集配方中有很多内容。创建食谱的过程可能令人困惑，特别是如果这是你第一次。所以让我们停下来让你了解一下，然后看一些技巧来帮助你导航。

导航数据集配方

默认情况下，数据集配方中的中央窗格会在您准备数据时显示数据的实时预览。

如果此处有很多列，您可以切换到“列”选项卡以搜索列或隐藏不需要的列。让我们隐藏几列来整理预览。

单击“ 列”选项卡。您会看到配方中列的列表视图。

在“帐户ID”列的右侧，单击菜单按钮（），然后选择“ 隐藏列”。该列将移动到“列”选项卡底部的“不在配方”列表中。
您现在不需要以下列，因此请隐藏其中的每一列。
1. AccountId.BillingCountry
2. AccountId.BillingCity
3. 所有者ID
4. 创建日期
5. 机会ID注意配方预览最多可显示100列。如果从预览中隐藏列，则默认情况下它不包含在目标数据集中。但是，您可以在以后创建数据集时包含任何列。
单击“ 预览”选项卡。预览不再包含您隐藏的列。

好的，既然您已经将配方稍微整理了一下，那么我们回过头来将SIC描述数据添加到我们的基本机会数据集中。

在数据集配方中添加数据

您可以将任何其他数据集中的列添加到配方中已有的数据中。您必须“匹配”数据，以便Analytics可以将正确的值添加到新数据集中的右侧行。例如，您的SIC描述数据集具有SIC代码字段，您可以将其与配方中的帐户SIC代码字段进行匹配。这个“匹配”字段称为查找键。让我们看看它的实际效果。

在数据集配方页面上，单击“添加数据”按钮（）。
单击SIC描述数据集。这是包含要添加的列的“查找”数据集。您将看到“添加数据”窗口，其中包含3个主要部分。

您可以在“查找键”部分（1）中选择如何匹配数据。如果Analytics（分析）看到可能的匹配项，则会为您选择查找键。如果找不到匹配项，则会从配方和查找数据集中选择第一个字段。您可以保留此选项或选择不同的键。您最多可以使用5个密钥对。在您添加数据后，您可以在“选择列”部分（2）中选择配方中所需的列。查找键标有图标。您已隐藏的列和查找数据集中的列未被选中。“查找结果预览”部分（3）显示了您已包含的列的数据预览。
在“查找密钥”部分中，确认Analytics已选择 AccountId.SIC和SIC Code查找密钥。如果选择了不同的键，请单击每个查找键字段以选择正确的键。
在“要包括的列”列表的底部，确保选中“SIC描述”列。这是查找数据集中唯一需要的附加列。
单击“完成”。SIC描述在配方中显示为新列，更改在左窗格中显示为配方步骤。

您可以以相同的方式继续添加其他数据集中的列。

现在，你已经完成了你需要在配方中做的事情。但是，您可以在此处进行大量其他数据准备工作。如果您想尝试其中一些，请查看资源部分以获取更多详细信息。

运行数据集配方

运行配方时，Analytics会执行您添加的步骤并创建目标数据集。选择新数据集的应用程序，然后选择要包括的最终字段。您还可以通过安排定期运行的配方来保持目标数据集的新鲜度。让我们创建数据集！

要打开“运行配方”对话框，请单击“数据集配方”页面上的“ 创建数据集”。

注意默认情况下，Analytics使用您正在创建的目标数据集的配方名称。要使用其他名称，请编辑“数据集名称”字段。让我们保持名称不变。
从App选项列表（1）中选择Sales Performance Datasets。
在字段列表（2）中，请注意您未从预览中隐藏的列未被选中。选择这些列以将它们包含在目标数据集中。
1. 帐户ID
2. AccountId.BillingCountry
3. AccountId.BillingCity
4. 所有者ID
5. 创建日期
6. 机会ID
在字段列表中，选择了AccountId.SIC和SIC代码列，因为它们是查找键。您只需要其中一个，因此请取消选择列表底部的SIC代码。
单击继续。您现在可以选择在运行之前安排配方，或仅运行一次。
您希望在数据流运行后安排每个工作日早晨运行的配方。因此，选择是，然后单击计划配方。计划选项出现。
通过选择这些设置，安排数据流在每个工作日的凌晨2:00每24小时运行一次。
1. 附表： Hour
2. 开始于： 2:00 am
3. 运行每一个： 24 Hours
4. 选择日期：M，Tu， W，Th，F
单击“ 计划并运行”。您的食谱排队等待运行。

监视配方作业并验证新数据集

在幕后，Analytics再次为配方创建了一份工作。您可以转到数据管理器的“监视”选项卡以检查其进度。

打开新数据集以检查所有字段是否存在也是一个好主意。

在数据管理器中，关闭配方选项卡。

在数据管理器的左侧，单击“ 数据”选项卡。
在带有SIC描述数据集的商机右侧，单击并选择“ 浏览”。小费如果您没有看到数据集，请尝试刷新浏览器。
在“条形图”下，单击“ 添加组（+）”按钮。您应该在维度列表中看到SIC描述字段。

恭喜！

你做到了！您找出了他们居住的数据，并将外部和Salesforce数据都收集到了Analytics中。然后，您将它们拉到一起，清理它们，并创建一组包含所有必要字段的数据，立即可用。

让我们看看你有多远。

分析集成（3）将Salesforce数据提取到Analytics中

学习目标

完成本单元后，您将能够：

解释数据流是什么。
使用数据集构建器和数据流为Salesforce数据创建数据集。
监控数据流并验证新数据集。

提取Salesforce数据概述

您刚刚迈出第一步，将所需的数据导入到销售领导团队的Analytics中。他们希望在执行团队与新CEO会面时展示他们的绩效结果。但CSV数据只是他们需要的一小部分。他们感兴趣的大多数数据已经在Salesforce中，位于Opportunity，Account和User对象中。现在，您将此Salesforce数据导入Analytics。

这是您进行数据旅程的地方。

向Dataflow说问好

您使用数据流从Salesforce对象中提取数据。数据流是JavaScript Object Notation（JSON）中的一组指令，用于提取数据和创建数据集。这些指令指定要从中提取数据的对象和字段以及要创建的数据集的名称。数据流还有其他用途，例如将数据连接在一起，但是现在我们只关注它的提取技巧。

也许你在想，JSON-ack！我们必须编写代码吗？好消息是你真的不需要了解JSON的任何信息。 Analytics（分析）拥有为您编写这些说明的工具，您将使用其中一种。

数据流不是单一用途。您可以使用它同时从许多不同的对象创建大量数据集。您还可以安排定期运行以使数据集保持最新。由于数据流有可能已被使用，因此在添加新指令之前进行备份是个好主意。您的Developer Edition组织中的数据流尚未使用，但无论如何都要备份它以查看它是如何完成的。

在Analytics中，单击齿轮图标（），然后单击“ 数据管理器”。数据管理器将在新的浏览器选项卡中打开。
在数据管理器中，单击“ 数据流和配方”选项卡。
在默认Salesforce数据流的右侧，单击并选择“ 下载”。

在本地保存JSON文件并将其保留为现有数据流的备份。要稍后返回此版本的数据流，请重复这些步骤并在步骤3中选择“上载”。
单击齿轮图标（），然后单击“ Analytics Studio”。

使用数据集生成器创建数据集

数据集构建器 – 就像构建数据集的东西一样，对吗？好吧，有点儿。实际上，数据集构建器会生成构建数据集所需的JSON指令，并将指令添加到数据流中。然后数据流执行实际构建。

在使用数据集构建器之前，请考虑您正在提取的Salesforce对象是如何相关的。作为Salesforce管理员，您知道机会与帐户和用户具有查找关系。在Salesforce中创建商机记录时，您将输入商机字段值; 您还在相关帐户和用户记录中“查找”字段值。

创建数据集时，您可以执行类似的操作，但不是记录，而是创建行。为了帮助您，Analytics首先会要求您提供根对象。这只是您要提取的对象层次结构中的最低对象。在我们的例子中，Opportunity对象是根对象。您只能在数据集中的根对象上方包含相关对象。例如，如果选择“帐户”作为根对象，则可以包括相关对象，例如“用户”和“父帐户”，但不包括“商机”，因为它较低。

数据集时，您可以执行类似的操作，但不是记录，而是创建行。为了帮助您，Analytics首先会要求您提供根对象。这只是您要提取的对象层次结构中的最低对象。在我们的例子中，Opportunity对象是根对象。您只能在数据集中的根对象上方包含相关对象。例如，如果选择“帐户”作为根对象，则可以包括相关对象，例如“用户”和“父帐户”，但不包括“商机”，因为它较低。

注意

数据极客将根称为数据集的粒度 – 每行中的数据单位。在我们的数据集中，每一行都是机会，因此机会记录就是粮食。当您从不同来源加入数据时，这是一个重要的概念，正如您稍后发现的那样。

在Analytics Studio中，单击“ 创建”，然后选择“ 数据集”。
单击Salesforce数据。
输入数据集名称。尽可能具有描述性，以便其他人知道您创造了什么。命名此数据集Opportunities with Accounts and Users。
从Select dataflow …选择列表中，选择Default Salesforce Dataflow。您在此处选择的数据流将为您创建数据集。如果您的组织有多个数据流，您可以选择使用哪个数据流。
单击下一步。您将看到包含Salesforce对象列表的数据集构建器。您在此处选择的对象是根对象。
在“ 选择要启动搜索的Salesforce对象”框中，输入 opp。该列表显示匹配的对象。
在对象列表中，单击“ 机会”。您选择的根对象将显示在数据集构建器画布上。
将鼠标悬停在对象上，然后单击加号（+）。

您会看到对象字段的列表。
单击以选中所需的每个字段。如果您看不到字段，请在“ 按名称搜索” 或“元数据搜索”框中开始输入其名称以过滤列表。选择以下字段：
1. 量
2. 关闭日期
3. 创建日期
4. 名称
5. 阶段小费默认情况下，字段按名称按字母顺序列出。要反转顺序，请单击NAME列标题，或按字段类型排序单击 TYPE列标题。
要打开与根对象相关的对象列表，请在字段列表的顶部单击“关系”选项卡。您可以在此处从相关帐户和用户中选择所需的字段。

注意请记住，此处仅提供根对象上方的相关对象。如果选择其他根对象，则会看到不同的相关对象列表。
在“帐户ID”关系前面，单击“ 加入”。您在数据集构建器画布上看到Account对象。

在所有者ID关系前面，单击“ 加入”。您在画布上看到User对象。

下一步是从每个相关对象中选择所需的字段。

要打开帐户字段列表，请将鼠标悬停在“帐户”对象上，然后单击加号（+）。

选择以下字段：
1. 用户名
2. 计费城市
3. 账单国家
4. 行业
5. SIC代码小费请注意字段列表顶部的“关系”选项卡。如果要包含与帐户对象相关的对象中的字段，请使用此选项，例如父帐户。
要隐藏字段列表，请单击“帐户”对象右侧的。
重复步骤1-3以从User对象中选择这些字段：
1. 全名
2. 标题

让我们快速回顾一下你在这里所做的一切。您选择了根对象，商机和所需的字段。您还从中选择了相关的帐户和用户对象以及所需的字段。创建数据集时，每行代表一个商机，其中包含相关帐户和所有者用户记录中的字段。

让我们通过将这些指令添加到数据流并创建数据集来完成。

单击下一步。您之前选择的数据流将在后台的数据流编辑器中打开。仔细观察，您可以看到数据集构建说明在编辑器中显示为框或“节点”。
从为数据集选择列表选择应用程序中，选择 销售业绩数据集。您可以在此处编辑数据流以进行调整，但您已准备就绪。
单击“ 创建数据集”。如果一切顺利，您会看到数据集已排队等待创建的通知。在幕后，Analytics运行数据流以创建数据集。
单击Go to the data monitor链接，让我们看看数据流是如何运行的。

监视数据流并验证新数据集

在数据管理器的“监视器”选项卡上，单击“ DATAFLOWS”子选项卡。

Dataflowsåéé¡¹å¡å¨æ°æ®ç®¡çå¨çMonitoréé¡¹å¡ä¸éæ©

Dataflows子选项卡允许您仅查看数据流作业。
要刷新视图，请在监视器的右上角单击。数据流图标显示数据流的状态。如果一切顺利，这是一个复选标记，当你将鼠标悬停在它上面时，你会看到“成功”。

小费如果状态显示为“已排队”或“正在运行”，请继续刷新视图，直到数据流完成。
要查看运行所有时间的列表，请单击数据流前面的加号（+）。
单击最近一次运行前面的加号（+）。您会看到数据流已执行的所有JSON指令的列表。

现在让我们检查数据集本身。

在数据管理器的左侧，单击“ 数据”选项卡。
在“有帐户和用户的商机”数据集的右侧，单击并选择“ 浏览”。小费如果您没有看到数据集，请尝试刷新浏览器。
在新镜头的左侧，在“条形长度”下，单击“ 添加小节”（+）按钮。机会金额字段在此处作为度量。
在“条形图”下，单击“ 添加组（+）”按钮。此处可以使用“关闭日期”和“创建日期”进行分组，以及您在“数据集”构建器中选择的所有其他维度字段。

安排数据流

使用数据集构建器创建数据集时，Analytics会在第一时间为您运行数据流。在此之后，您可以手动启动数据流或将其安排为定期运行。调度是使用Salesforce对象中的最新数据保持数据集新鲜度的好方法。

让我们首先启动并运行数据集，然后您可以安排将来的运行。

在数据管理器中，单击“ 数据流和配方”选项卡。
在默认Salesforce数据流的右侧，单击并选择“ 计划”。将显示数据流的计划设置。

通过选择这些设置，安排数据流每个工作日的每24小时运行一次。
1. 附表： Hour
2. 开始于： 12:00 am
3. 运行每一个： 24 Hours
4. 选择日期：M，Tu， W，Th，F此计划可确保您的探险家每天早上都能获得新鲜的咖啡数据。它还可以防止数据流在工作时间运行。您不希望用户根据一天中的时间查看仪表板中的差异。
单击保存。

很好！您已成功创建了两个数据集。SIC描述数据集包含从CSV文件中提取的数据。具有帐户和用户数据集的机会具有从Salesforce组织中的对象提取的数据。并且您已安排数据流以确保始终拥有全新的Salesforce数据。下一步是连接这两个数据集中的数据。您希望从单个数据集中探索所有可用数据。继续到数据准备阶段！

分析集成（3）将Salesforce数据提取到Analytics中

学习目标

完成本单元后，您将能够：

解释数据流是什么。
使用数据集构建器和数据流为Salesforce数据创建数据集。
监控数据流并验证新数据集。

提取Salesforce数据概述

这是您进行数据旅程的地方。

向Dataflow说问好

在Analytics中，单击齿轮图标（），然后单击“ 数据管理器”。数据管理器将在新的浏览器选项卡中打开。
在数据管理器中，单击“ 数据流和配方”选项卡。
在默认Salesforce数据流的右侧，单击并选择“ 下载”。

在本地保存JSON文件并将其保留为现有数据流的备份。要稍后返回此版本的数据流，请重复这些步骤并在步骤3中选择“上载”。
单击齿轮图标（），然后单击“ Analytics Studio”。

使用数据集生成器创建数据集

注意

在Analytics Studio中，单击“ 创建”，然后选择“ 数据集”。
单击Salesforce数据。
输入数据集名称。尽可能具有描述性，以便其他人知道您创造了什么。命名此数据集Opportunities with Accounts and Users。
从Select dataflow …选择列表中，选择Default Salesforce Dataflow。您在此处选择的数据流将为您创建数据集。如果您的组织有多个数据流，您可以选择使用哪个数据流。
单击下一步。您将看到包含Salesforce对象列表的数据集构建器。您在此处选择的对象是根对象。
在“ 选择要启动搜索的Salesforce对象”框中，输入 opp。该列表显示匹配的对象。
在对象列表中，单击“ 机会”。您选择的根对象将显示在数据集构建器画布上。
将鼠标悬停在对象上，然后单击加号（+）。

您会看到对象字段的列表。
单击以选中所需的每个字段。如果您看不到字段，请在“ 按名称搜索” 或“元数据搜索”框中开始输入其名称以过滤列表。选择以下字段：
1. 量
2. 关闭日期
3. 创建日期
4. 名称
5. 阶段小费默认情况下，字段按名称按字母顺序列出。要反转顺序，请单击NAME列标题，或按字段类型排序单击 TYPE列标题。
要打开与根对象相关的对象列表，请在字段列表的顶部单击“关系”选项卡。您可以在此处从相关帐户和用户中选择所需的字段。

注意请记住，此处仅提供根对象上方的相关对象。如果选择其他根对象，则会看到不同的相关对象列表。
在“帐户ID”关系前面，单击“ 加入”。您在数据集构建器画布上看到Account对象。

在所有者ID关系前面，单击“ 加入”。您在画布上看到User对象。

下一步是从每个相关对象中选择所需的字段。

要打开帐户字段列表，请将鼠标悬停在“帐户”对象上，然后单击加号（+）。

选择以下字段：
1. 用户名
2. 计费城市
3. 账单国家
4. 行业
5. SIC代码小费请注意字段列表顶部的“关系”选项卡。如果要包含与帐户对象相关的对象中的字段，请使用此选项，例如父帐户。
要隐藏字段列表，请单击“帐户”对象右侧的。
重复步骤1-3以从User对象中选择这些字段：
1. 全名
2. 标题

让我们通过将这些指令添加到数据流并创建数据集来完成。

单击下一步。您之前选择的数据流将在后台的数据流编辑器中打开。仔细观察，您可以看到数据集构建说明在编辑器中显示为框或“节点”。
从为数据集选择列表选择应用程序中，选择 销售业绩数据集。您可以在此处编辑数据流以进行调整，但您已准备就绪。
单击“ 创建数据集”。如果一切顺利，您会看到数据集已排队等待创建的通知。在幕后，Analytics运行数据流以创建数据集。
单击Go to the data monitor链接，让我们看看数据流是如何运行的。

监视数据流并验证新数据集

在数据管理器的“监视器”选项卡上，单击“ DATAFLOWS”子选项卡。

Dataflows子选项卡允许您仅查看数据流作业。
要刷新视图，请在监视器的右上角单击。数据流图标显示数据流的状态。如果一切顺利，这是一个复选标记，当你将鼠标悬停在它上面时，你会看到“成功”。

小费如果状态显示为“已排队”或“正在运行”，请继续刷新视图，直到数据流完成。
要查看运行所有时间的列表，请单击数据流前面的加号（+）。
单击最近一次运行前面的加号（+）。您会看到数据流已执行的所有JSON指令的列表。

现在让我们检查数据集本身。

在数据管理器的左侧，单击“ 数据”选项卡。
在“有帐户和用户的商机”数据集的右侧，单击并选择“ 浏览”。小费如果您没有看到数据集，请尝试刷新浏览器。
在新镜头的左侧，在“条形长度”下，单击“ 添加小节”（+）按钮。机会金额字段在此处作为度量。
在“条形图”下，单击“ 添加组（+）”按钮。此处可以使用“关闭日期”和“创建日期”进行分组，以及您在“数据集”构建器中选择的所有其他维度字段。

安排数据流

让我们首先启动并运行数据集，然后您可以安排将来的运行。

在数据管理器中，单击“ 数据流和配方”选项卡。
在默认Salesforce数据流的右侧，单击并选择“ 计划”。将显示数据流的计划设置。

通过选择这些设置，安排数据流每个工作日的每24小时运行一次。
1. 附表： Hour
2. 开始于： 12:00 am
3. 运行每一个： 24 Hours
4. 选择日期：M，Tu， W，Th，F此计划可确保您的探险家每天早上都能获得新鲜的咖啡数据。它还可以防止数据流在工作时间运行。您不希望用户根据一天中的时间查看仪表板中的差异。
单击保存。

分析集成（2）将外部数据提取到Analytics中

学习目标

完成本单元后，您将能够：

在将外部数据导入Analytics之前准备它们。
上传外部数据的CSV文件。
监控并验证外部数据上传。

提取外部数据概述

是时候将这些数据导入分析，以便销售领导团队可以拥有其绩效仪表板。管理Salesforce并为销售团队进行设置是您的职责。因此，您知道他们想要查看的大多数数据已经存在于Opportunity，Account和User对象中。但是，如果你记得的话，其中一些是从外部来源引入的。分析没问题！让我们深入挖掘一下。

贵公司的销售运营团队在每个帐户上使用标准行业分类（SIC）代码字段来标识其行业。销售主管很难解读这些代码，而宁愿选择一个好的老式描述。因此，Sales Operations提供了一个CSV文件，其中包含他们使用的所有SIC代码，并附有说明。这是一个片段：

您在此单元中的目标是在Analytics中提取此数据，以便以后可以将其添加到您要提取的Salesforce数据中。这里提醒我们在数据旅程中的位置。

准备您的CSV数据

从CSV文件中提取数据时，Analytics会根据其在每个字段中看到的值，对其所处的数据进行假设。它为每个字段分配一种度量，日期或维度。这些类型很重要，因为它们决定了您如何与Analytics镜头或信息中心中的字段进行互动。

分析在分配正确的字段类型方面做得非常好，但有时您需要帮助确定正确的类型。因此，让我们逐字段地浏览SIC描述CSV文件，以查看您需要执行的操作。

注意

我们在此处包含了Industry Size字段以供说明之用。它不在您正在使用的CSV文件中。SIC代码Analytics将这样的数字字段标识为度量。度量是您可以执行计算的字段，例如总和和平均值。但请注意这样的字段包含数值但实际上不是度量。没有人想在SIC代码，邮政编码或Id字段上进行数学计算，但Analytics认为您这样做并将这些字段标识为度量。现在您无法做很多事情，但是当您上传数据时，您可以选择将这些字段更改为维度。所以现在，只需记下它们。SIC说明任何包含非数字字符的字段都标识为维度。您可以对维度字段进行分组和筛选。分析通常不会被这些字段绊倒，因此您不应该做任何事情！行业规模

您可能希望对这样的金额字段进行数学运算，因此这是衡量指标的理想选择。Analytics可识别数字数据中的货币符号，逗号和小数点，但要注意。如果它看到任何其他非数字字符，它会将字段设置为维度，您无法对其进行数学运算！因此，如果要将字段作为度量，请检查此类数字字段并删除任何其他非数字字符。最近更新时间Analytics可识别所有常见日期格式，并将此字段设置为日期。它甚至为您设置格式，并且足够聪明，可以区分美国和欧洲的日期格式。但是，请花点时间查看日期字段，以确保值采用其中一种受支持的格式。如果Analytics无法识别格式，则会将字段设置为维度。发生这种情况时，您会丢失一些很酷的日期分组和过滤功能。还要检查您的日期是否都采用相同的格式。例如，如果Analytics看到美国和欧洲格式的混合，则它使用欧洲格式。列标题检查列标题是否正确，因为这些标题会成为数据集中的字段标签。您可以在继续操作之前将其固定在CSV中。或者您可以等到上传文件，然后再次有机会更改它们。

好消息是，您有机会预览数据在Analytics中的显示方式，如果需要，您可以进行调整。

上传您的CSV数据

现在您已准备好CSV文件，现在可以使用CSV上传工具将其上传到Analytics。您还可以在此过程中为新数据集创建应用程序。

注意

上传CSV文件时，Analytics会提取数据并创建数据集。您可以立即探索这个新数据集，但在这种情况下，一长串SIC代码和描述并不能令人兴奋地查看。相反，您稍后将使用此数据集来准备最终的销售数据集。暂时将其视为SIC数据的保留区域。

从此处将SIC描述CSV文件下载到您的桌面。
如果您尚未登录，请登录您在上一个单元中注册的Developer Edition组织。
首先点击应用启动器（），转到Analytics 。
然后单击Analytics Studio磁贴。
在Analytics Studio中，单击“ 创建”，然后选择“ 应用”。
您正在创建一个空应用，因此请单击“ 创建空白应用”。
在“ 命名您的应用”字段中，输入Sales Performance Datasets。
点击创建。
在应用页面的顶部，单击“ 创建”，然后选择“ 数据集”。小费从应用程序中创建数据集会自动为您选择应用程序名称。嘿，每一点点都有帮助！
单击CSV文件。
单击选择文件或将其拖动到此处。
导航到先前下载的CSV文件，选择该文件，然后单击“ 打开”。小费如果文件在拖动距离内，您可以将其拖动到 选择文件或将其拖到此处，然后保存几秒钟。
单击下一步。Analytics使用文件名作为新数据集的名称，并选择应用程序。
在“ 数据集名称”字段中，将名称更改为SIC Descriptions。小费Analytics会检测文件的某些属性，例如分隔符和编码。您可以在“检测到的文件属性”框中查看这些属性。要进行更改，请单击，然后单击“ 编辑”。
单击下一步。将出现“编辑字段属性”屏幕，您可以预览要提取到Analytics的数据。

如前所述，这是您在将数据导入Analytics之前修复数据的机会。回想一下准备CSV文件时要注意的事项。您希望确保将字段设置为正确的类型：度量，日期或维度。您还检查了字段名称是否正确。请查看预览中的列标题，了解Analytics是否正确使用这些标题。

每个标题中的图标告诉您字段类型：

测量
尺寸
日期

小费

看不到要检查的列？使用左侧的“字段”面板浏览或搜索该字段，然后单击该字段以跳转到其列。

如果Analytics出错，您可以单击列以在右侧的“字段属性”面板中查看和编辑其属性。

在您的数据中，Analytics似乎已将SIC代码字段标识为度量标准。这种认同是可以理解的，但这不是你想要的。如果将字段类型保留为度量，则可以将SIC代码一起添加（无用），但不能按SIC代码对帐户和机会进行分组（非常有用）。所以让我们改变类型。

单击SIC代码列。字段属性显示在右侧面板中。

从“字段类型”选项列表中，选择“ 维”。

您还检查了CSV文件中的日期字段，以确保Analytics正确设置类型和格式。所以我们也要检查一下。

单击“上次更新”列。字段属性显示在右侧面板中。

看起来Analytics数据类型正确，但格式设置为欧洲（d / M / yyyy）。CSV文件中的所有日期均为1/10/2017，即美国的1月1日或欧洲的10月1日。分析不知道哪个，所以它选择欧洲格式。你想要美国格式，但没关系。你可以在这里轻松改变它。
从日期格式选项列表中，选择M / d / yyyy。

正如我们预测的那样，Analytics可以正确地将SIC描述字段标识为维度。所以，看起来你已经在这里完成了。只需点击上传文件即可完成。

Analytics会上传数据，并在创建数据集时为您提供进度视图。这里有一个链接，可以将您带到数据监视器以查看数据集的运行方式。但是我们暂时休息一下，所以现在就点击关闭。

好的，是时候喝一杯热饮了。当您返回时，您可以检查数据集是否已创建。

监视数据作业并验证新数据集

在幕后，Analytics会为您的新数据集创建一个作业，该数据集在后台运行。这项工作需要多长时间才能运行，这取决于您的CSV文件有多大以及Analytics在运行中有多少其他工作。通过数据管理器检查作业的进度很容易。

在Analytics中，单击齿轮图标（），然后单击“ 数据管理器”。数据管理器将在新的浏览器选项卡中打开。您在这里看到的第一件事是Monitor选项卡，默认情况下选中Jobs子选项卡。
在列表中查找您的工作。作业名称以CSV文件的名称SIC_Descriptions开头。

如果您有兴趣了解Analytics提取数据所做的工作，请点击作业前面的加号（+）。

如果一切顺利，工作状态就是成功。如果没有，请尝试回溯您的步骤并再次加载数据。

现在是时候检查数据集本身了。在实时数据集中再次检查字段数据类型和日期格式等内容。因此，找到数据集并将其转为旋转。

在数据管理器的左侧，单击“ 数据”选项卡。
在SIC描述数据集的右侧，单击并选择“ 浏览”。
在新镜头的左侧，在“条形长度”下，单击“ 添加小节”（+）按钮。这里没有措施！请记住，我们没有在字段属性中设置任何度量。

åå»æ°´å¹³è½´ä¸æ¹çå å·å¯å¨éå¤´ä¸æ·»å åº¦é

在“条形图”下，单击“ 添加组（+）”按钮。检查您的三个字段，上次更新，SIC代码和SIC描述是否在此处。这确认了Analytics已将其设置为日期或维度。

恭喜！您刚刚使用CSV上传工具将CSV文件转换为Analytics数据集。

下一步：将您的Salesforce数据导入Analytics。