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

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Amazon에서 레벨 인식 계산 사용 QuickSight

   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 and와 같이 “if”로 끝나는 조건부 집계 함수나 "“로 시작하는 기간 집계 함수 (예: sumif() 및countif()) 에는 지원되지 않습니다. periodToDate periodToDateSum() periodToDateMax()

  • 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. 예를 들면 sumOver(measure,[partition_field_A],pre_agg)입니다.

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.

좀 더 복잡한 질문의 경우 설정 평가의 특정 지점에 QuickSight 도달하기 전에 계산이나 필터를 삽입할 수 있습니다. 결과에 직접 영향을 주기 위해 계산 수준 키워드를 테이블 계산에 추가합니다. 쿼리 QuickSight 평가 방법에 대한 자세한 내용은 을 참조하십시오. 아마존에서의 평가 순서 QuickSight

LAC-W 함수에는 다음과 같은 계산 수준이 지원됩니다.

  • PRE_FILTER— 분석에서 필터를 적용하기 전에 사전 필터 계산을 QuickSight 평가합니다. 그런 다음 이러한 사전 필터 계산에 구성된 모든 필터를 적용합니다.

  • PRE_AGG— 디스플레이 수준 집계를 계산하기 전에 사전 집계 계산을 수행합니다. QuickSight 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 LAC-W 함수를 사용하는 시기와 방법에 대한 예는 AWS 빅 데이터 블로그의 다음 게시물을 참조하십시오. Amazon의 레벨 인식 집계를 사용하여 고급 인사이트 생성하기. QuickSight