Amazon QuickSight에서 레벨 인식 계산 사용 - Amazon QuickSight
LAC-A 함수LAC-W 함수

Amazon QuickSight에서 레벨 인식 계산 사용

   적용 대상: 엔터프라이즈 에디션 및 스탠다드 에디션 

정도 인식 계산(LAC)을 사용하면 창 함수 또는 집계 함수를 계산할 세부 수준을 지정할 수 있습니다. LAC 함수에는 레벨 인식 계산 - 집계(LAC-A) 함수와 레벨 인식 계산 - 창(LAC-W) 함수의 두 가지 유형이 있습니다.

레벨 인식 계산 - 집계 -(LAC-A) 함수

LAC-A 함수를 사용하면 계산을 그룹화할 수준을 지정할 수 있습니다. sum() , max() , count()와(과) 같은 기존 집계 함수에 인수 하나를 추가하면 집계에 사용할 그룹별 수준을 정의할 수 있습니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 예:

sum(measure,[group_field_A])

LAC-A 함수를 사용하려면 대괄호 사이에 의도한 집계 수준을 두 번째 인수로 추가하여 계산 에디터에서 직접 함수를 입력합니다. 다음은 비교를 위한 집계 함수와 LAC-A 함수의 예입니다.

  • 집계 함수: sum({sales})

  • LAC-A 함수: sum({sales}, [{Country},{Product}])

LAC-A 결과는 대괄호 [ ] 안의 지정된 수준으로 계산되며 집계 함수의 피연산자로 사용할 수 있습니다. 집계 함수의 그룹별 수준은 시각적 수준이며, 시각적 필드 모음에 그룹화 기준 필드가 추가됩니다.

괄호 [ ] 안에 정적 LAC 그룹 키를 생성하는 것 외에도 괄호 안에 파라미터 $visualDimensions을(를) 입력하여 시각적 그룹별 필드에 동적으로 적용할 수 있습니다. 이 파라미터는 사용자 정의 파라미터와는 대조적으로 시스템에서 제공하는 파라미터입니다. [$visualDimensions] 파라미터는 현재 시각에서 그룹화 기준 필드에 추가된 필드를 잘 나타냅니다. 다음 예제는 시각적 차원에 그룹 키를 동적으로 추가하거나 시각적 차원에서 그룹 키를 제거하는 방법을 보여줍니다.

  • 동적 추가 그룹 키가 있는 LAC-A: sum({sales}, [${visualDimensions},{Country},{Products}])

    시각적 수준 집계를 계산하기 전에 매출 합계, country별 그룹화, products 및 그룹화 기준 필드의 기타 필드를 잘 계산합니다.

  • 동적으로 제거된 그룹 키가 있는 LAC-A: sum({sales}, [${visualDimensions},!{Country},!{Products}])

    시각적 수준 집계를 계산하기 전에 시각적 객체의 그룹화 기준 필드(country 및 product 제외)에서 필드별로 그룹화하여 매출 합계를 계산합니다.

LAC 표현식에 추가된 그룹 키 또는 제거된 그룹 키를 지정할 수 있지만 둘 다 지정할 수는 없습니다.

LAC-A 함수는 다음 집계 함수에 대해 지원됩니다.

LAC-A 예제

LAC-A 함수를 사용하여 다음 작업을 수행할 수 있습니다.

  • 시각적 객체의 수준과 무관하게 계산을 실행하십시오. 예를 들어 다음 계산을 사용하는 경우 판매량은 국가 수준에서만 집계되고 시각의 다른 차원(리전 또는 제품)에서는 집계되지 않습니다.

    sum({Sales},[{Country}])
    판매량은 국가 수준에서만 집계됩니다.

  • 시각적 객체에 없는 차원에 대해 계산을 실행하십시오. 예를 들어 다음 함수가 있는 경우 리전별 평균 국가 총매출을 계산할 수 있습니다.

    sum({Sales},[{Country}])

    국가는 시각에 포함되지 않지만 LAC-A 함수는 먼저 국가 수준에서 매출을 집계한 다음 시각적 수준 계산을 통해 각 리전의 평균 수치를 생성합니다. LAC-A 함수를 사용하여 수준을 지정하지 않는 경우 평균 매출은 각 리전의 가장 낮은 세분화 수준(데이터 세트의 기본 수준)에서 계산됩니다(판매 열에 표시).

    LAC-A 함수는 먼저 국가 수준에서 매출을 집계한 다음 시각적 수준에서 매출을 집계합니다.

  • LAC-A를 다른 집계 함수 및 LAC-W 함수와 함께 사용하십시오. LAC-A 함수를 다른 함수와 중첩하는 방법에는 다음 두 가지가 있습니다.

    • 계산을 생성할 때 중첩 구문을 작성할 수 있습니다. 예를 들어 LAC-A 함수를 LAC-W 함수와 중첩하여 각 제품 평균 가격의 국가별 총 판매량을 계산할 수 있습니다.

      sum(avgOver({Sales},[{Product}],PRE_AGG),[{Country}])

    • LAC-A 함수를 시각적 객체에 추가하면 필드에서 잘 선택한 시각적 수준 집계 함수를 사용하여 계산을 추가로 중첩할 수 있습니다. 시각적 필드의 집계 변경에 대한 자세한 내용은 필드 모음을 사용하여 필드에 대한 집계 변경 또는 추가을(를) 참조하십시오.

      온비주얼 집계 옵션을 사용하여 LAC-A 함수를 추가로 중첩할 수 있습니다.

LAC-A 제한 사항

LAC-A 함수에는 다음과 같은 제한 사항이 적용됩니다.

  • LAC-A 함수는, 및 같은 모든 가산 및 비가산 집계 함수(예: sum(), count() 및 percentile().)에서 지원됩니다. LAC-A 함수는 “if”로 끝나는 조건부 집계 함수(예: sumif() 및 countif())나 “periodToDate”로 시작하는 기간 집계 함수 (예: periodToDateSum() 및 periodToDateMax())에는 지원되지 않습니다.

  • 테이블 및 피벗 테이블의 LAC-A 함수에는 현재 행 수준 및 열 수준 합계가 지원되지 않습니다. 차트에 행 수준 또는 열 수준 합계를 추가하면 총계가 공백으로 표시됩니다. LAC가 아닌 다른 차원은 영향을 받지 않습니다.

  • 중첩된 LAC-A 함수는 현재 지원되지 않습니다. 일반 집계 함수 및 LAC-W 함수와 중첩된 LAC-A 함수의 제한된 기능은 지원됩니다.

    예를 들어 다음과 같은 기능이 유효합니다.

    • Aggregation(LAC-A()). 예: max(sum({sales}, [{country}]))

    • LAC-A(LAC-W()). 예: sum(sumOver({Sales},[{Product}],PRE_AGG), [{Country}])

    다음 함수는 유효하지 않습니다.

    • LAC-A(Aggregation()). 예: sum(max({sales}), [{country}])

    • LAC-A(LAC-A()). 예: sum(max({sales}, [{country}]),[category])

    • LAC-W(LAC-A()). 예: sumOver(sum({Sales},[{Product}]),[{Country}],PRE_AGG)

레벨 인식 계산 - 윈도우(LAC-W) 함수

LAC-W 함수를 사용하면 계산을 계산할 창이나 파티션을 지정할 수 있습니다. LAC-W 함수는 사전 필터 또는 사전 집계 수준에서 실행할 수 있는 창 함수(예: sumover(), (maxover), denseRank) 그룹입니다. 예: sumOver(measure,[partition_field_A],pre_agg).

LAC-W 함수는 이전에는 수준 인식 집계(LAA)라고 불렸습니다.

LAC-W 함수는 다음과 같은 유형의 질문에 대답하는 데 도움이 됩니다.

  • 내 고객 중 몇 명이 구매 주문을 1회만 했습니까? 또는 10? 또는 50? 우리는 시각적 객체가 카운트를 시각적 객체의 메트릭이 아닌 차원으로 사용하기를 원합니다.

  • 평생 소비액이 100,000 USD를 초과하는 고객에 대한 시장 세그먼트당 총 매출은 얼마입니까? 시각적 객체는 시장 세그먼트와 각 부문의 총 매출만 표시해야 합니다.

  • 회사 전체의 이익(전체 비율)에 대한 각 산업의 기여도는 얼마입니까? 일부 산업을 보여주기 위해 시각적 객체를 필터링하고 이들이 표시된 산업의 총 매출에 기여하는 방식을 필터링하기를 원합니다. 그러나 또한 필터링된 산업을 포함하여 회사 전체에 대한 각 산업의 총 매출 비율을 확인하려고 합니다.

  • 업계 평균과 비교하여 각 카테고리의 총 판매량은 얼마입니까? 필터링 후에도 업계 평균에는 모든 범주가 포함되어야 합니다.

  • 고객은 어떻게 누적 지출 범위로 분류됩니까? 그룹화를 지표가 아닌 차원으로 사용하려고 합니다.

더 복잡한 질문의 경우, QuickSight가 설정 평가의 특정 지점에 도달하기 전에 계산 또는 필터를 주입할 수 있습니다. 결과에 직접 영향을 주기 위해 계산 수준 키워드를 테이블 계산에 추가합니다. QuickSight의 쿼리 평가 방법에 대한 자세한 내용은 Amazon QuickSight에서의 평가 순서을(를) 참조하십시오.

LAC-W 함수에는 다음과 같은 계산 수준이 지원됩니다.

  • PRE_FILTER - 분석의 필터를 적용하기 전에 QuickSight는 사전 필터 계산을 평가합니다. 그런 다음 이러한 사전 필터 계산에 구성된 모든 필터를 적용합니다.

  • PRE_AGG - 표시 수준 집계를 컴퓨팅하기 전에 QuickSight는 사전 집계 계산을 수행합니다. 그런 다음 이러한 사전 집계 계산에 구성된 모든 필터를 적용합니다. 이 작업은 상위 및 하위 N 필터를 적용하기 전에 수행됩니다.

다음 표 계산 함수에서 PRE_FILTER 또는 PRE_AGG 키워드를 파라미터로 사용할 수 있습니다. 계산 수준을 지정하면 함수에서 집계되지 않은 측정 값을 사용합니다. 예를 들어 countOver({ORDER ID}, [{Customer ID}], PRE_AGG)를 사용할 수 있습니다. PRE_AGG를 사용하여 사전 집계 수준에서 countOver가 실행되도록 지정합니다.

기본적으로 각 함수의 첫 번째 매개 변수는 집계된 측정 값이어야 합니다. PRE_FILTER 또는 PRE_AGG를 사용하는 경우 첫 번째 파라미터에 대해 집계되지 않는 측정을 사용합니다.

LAC-W 함수의 경우 시각적 집계는 기본적으로 중복을 제거하기 위해 MIN(으)로 설정됩니다. 집계를 변경하려면 필드의 컨텍스트 메뉴를 열고(마우스 오른쪽 버튼 클릭) 다른 집계를 선택합니다.

실제 시나리오에서 레벨 인식 집계를 사용하는 시기와 방법에 대한 예제는 AWS 빅 데이터 블로그: Amazon QuickSight에서 LAC-W 기능을 사용하여 고급 인사이트 생성을 참조하세요.