Mengetahui kolom mana yang ingin Anda kelompokkan dan bagaimana Anda ingin mengelompokkannya, pertama-tama, adalah penting. Anda perlu mengetahui bahwa untuk menyiapkan CASE STATEMENT kita akan menulis sebagai kolom dalam pernyataan pilih kita. Dalam kasus kami, dalam grup email yang mengakses situs kami, kami ingin mengetahui berapa banyak klik yang dihitung oleh setiap penyedia email sejak awal Agustus. Kami juga ingin membandingkan penyedia layanan email individual dengan penyedia layanan email lainnya. Untuk contoh ini, kami akan menggunakan Gmail sebagai penyedia layanan kami.
Di SELECT . kami pernyataan, kita memerlukan DATE , PROVIDER dan SUM dari CLICKS ke situs kami. Kita bisa mendapatkannya dari TEST E MAILS tabel di sumber data kami.
Tanggal DATE kolom cukup mudah:
"Test E Mails"."Created_Date" AS "DATE
Dan karena kami sedang mencari SUM dari CLICKS , kita harus mentransmisikan SUM berfungsi di atas CLICKS kolom.
SUM("Test E Mails"."Clicks") AS "CLICKS"
Itu membawa kita ke CASE STATEMENT . Kita tahu dari Dokumentasi PostgreSQL, bahwa CASE STATEMENT, atau pernyataan bersyarat, perlu diatur dengan cara berikut:
CASE
WHEN condition THEN result
[WHEN ...]
[ELSE result]
END
Syarat pertama kami dan, dalam hal ini saja, adalah kami ingin mengetahui semua alamat email yang disediakan oleh Gmail untuk dipisahkan dari setiap penyedia email lainnya. Jadi satu-satunya WHEN adalah:
WHEN "Test E Mails"."Provider" = 'Gmail' THEN 'Gmail'
Dan, pernyataan else adalah 'Lainnya' untuk setiap penyedia alamat email lainnya. Tabel yang dihasilkan dari CASE STATEMENT . ini dengan email yang sesuai saja. Akan terlihat seperti ini:
Saat Anda menggabungkan ketiga kolom tersebut menjadi satu SELECT STATEMENT dan masukkan sisa bagian yang diperlukan untuk membuat kueri SQL, semuanya terbentuk di bawah ini.
Kemudian setelah menambahkan PIVOT DATA masuk ke Data Pipeline, kita akan mendapatkan tabel yang disusun dengan benar dalam format yang tepat untuk menyiapkan diagram garis yang menunjukkan bagaimana klik dibandingkan dari waktu ke waktu.
Dalam menggunakan Chartio, kita dapat melakukan semua hal di atas tanpa menulis SQL apa pun, tetapi memanfaatkan fitur Data Explorer dan Data Pipeline. Setelah membangun kueri yang mendasari kami untuk menarik semua kolom, kami akan membutuhkan SUM OF CLICKS , DATE dan EMAIL ADDRESS kita dapat menggunakan Data Pipeline untuk memanipulasi data ini pasca-SQL. Pertama, mari buat kuerinya.
Seret 'Kolom Klik' ke kotak ukuran dan gabungkan dengan TOTAL SUM dari Klik Kolom, lalu beri label ulang 'KLIK.'
Kemudian seret 'Tanggal Dibuat' dan 'Penyedia' ke kotak dimensi dan beri label ulang 'Tanggal' dan 'Penyedia Email'. Setelah itu, menggunakan kolom 'Tanggal Dibuat' Anda dapat mengatur rentang tanggal (atau membuat WHERE klausa) menjadi segalanya setelah 01-08-2017. Ini akan secara efektif membangun semua yang kita butuhkan dalam kueri yang mendasari untuk membuat CASE STATEMENT yang kami lakukan di atas, di Data Pipeline Chartio.
Menambahkan CASE STATEMENT langkah pipa memungkinkan kita untuk mengatur kondisi untuk WHEN dan ELSE seperti yang kita lakukan sebelumnya, tanpa harus mengetikkan seluruh sintaks SQL.
Kemudian setelah menyembunyikan kolom 'Penyedia' asli dan menggunakan REORDER COLUMNS langkah dan PIVOT DATA langkah kita akan mendapatkan pengaturan tabel yang sama dengan yang kita dapatkan dalam Mode SQL dan dapat menyajikan tabel yang sama seperti yang kita lakukan dalam Mode SQL.
Meskipun mungkin memerlukan beberapa klik dan langkah lebih banyak daripada di Mode SQL, bagan garis yang dihasilkan dalam Mode Interaktif tidak memerlukan pengetahuan tentang Sintaks SQL. Sebaliknya yang diperlukan hanyalah pemahaman dasar tentang prinsip-prinsip yang terlibat. Ini adalah contoh lain bagaimana Chartio membantu menempatkan kekuatan data di tangan semua orang, terlepas dari pengetahuan SQL.
