如何使用 Analytics Cloud统计C4C系统每天新建的Lead个数和预测趋势

举报
汪子熙 发表于 2022/04/12 21:36:32 2022/04/12
【摘要】 从SAP Cloud for Customer系统导出的csv文件,包含每天系统新创建的Lead明细:将该csv导入SAP Analytics Cloud,新建一个modele和story. 在Story的page 1新建一个line chart,dimension设置成creationDate,Left Y-Axis里设置一个Calculation,取名为Lead Number:给该Cal...

从SAP Cloud for Customer系统导出的csv文件,包含每天系统新创建的Lead明细:

将该csv导入SAP Analytics Cloud,新建一个modele和story. 在Story的page 1新建一个line chart,dimension设置成creationDate,Left Y-Axis里设置一个Calculation,取名为Lead Number:

给该Calculation的type设置成Aggregation,操作设置成Count Dimensions,聚合(Aggregation Dimensions)设置成leadID:

显示的line chart如下图所示。当给这个线状图添加了Smart Forecasting智能预测功能后,发现预测出的将来系统会创建的Lead个数为1.5,不是一个整数。

修复方法:选中line chart,修改Calculation measure的Format:

在对话框里将Decimal Places从默认的2改为0即可。

修改成0之后,预测出的Lead个数就为整数个了。

从SAP Cloud for Customer系统导出的csv文件:

将该csv文件导入到SAP Analytics Cloud去,创建一个新的Model.

再创建三个calculation measure,其值用公式填充如下:

基于model创建一个新的Story,插入一个comparison bar chart,将model里创建的三个calculation measures设置成该图的measure,creation date设置成dimension:

对于pie chart,将Lead Number设置成measure,productID设置成dimension:

Lead Number设置如下图:

插入一个R visualization:

一定要确保图形出现这个model的小图标,代表这个R visualization的模型数据成功绑定之后才能进行下一步操作:

模型绑定成功后,在R script编辑器Environment标签页的Data下拉菜单里能看到模型数据。

使用这个SAP Analytics Cloud官方教程里提供的excel文件作为数据源:

https://www.sapanalytics.cloud/tutorial-r-visualization/

该excel内容如下:

excel系统导入SAP Analytics Cloud后,需要使用simple transformation,将;分号分隔的值拆分成三列:


逐一拆分:

拆分完毕之后,生成Model. 将这个url里包含的R脚本复制粘贴到R编辑器里:
https://www.sapanalytics.cloud/wp-content/uploads/2019/09/R-Script-Plot.txt

# Discription:
# Creating a histogram of the log returns, adding the kernel density of the log returns
# and the normal density as reference distribution 
#
# Requirements: 
# ggplot requires a data frame
# 
# Output:
# Histogram Plot
# 

library(ggplot2)

Simulated_data <- data.frame(Simulated_data)

histgg <- ggplot(data = Simulated_data, aes(logreturns))

histgg + geom_histogram(aes(y = ..density..),fill = "lightblue",color = "black", alpha = 0.8, position = "identity") +
  geom_density(aes(color = "Kernel Density"), size = 1) +
  stat_function(aes(color = "Normal Distribution"), fun = dnorm, args = list(mean = mean(Simulated_data$logreturns), sd = sd(Simulated_data$logreturns)), size = 1) +
  ggtitle("Histogram") +
  theme(panel.grid = element_line(linetype = "dashed", color = "lightgrey"), panel.background = element_rect(fill = "white"),
        panel.border = element_rect(colour = "black", fill=NA),
        plot.title = element_text(hjust = 0.5)) +
  scale_colour_manual("Density", values = c("red", "darkgreen")) +
  xlab(" ")+
  ylab("Frequency") 

点击Execute按钮,就可以看到R脚本绘制出来的图形了:

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。