Перейти к основному содержимому

Производные метрики

В MetricFlow производные метрики создаются путем определения выражения с использованием других метрик. Они позволяют выполнять вычисления с существующими метриками. Это полезно для комбинирования метрик и выполнения математических функций на агрегированных столбцах, например, для создания метрики прибыли.

Параметры, описание и тип для производных метрик:

(Версии dbt: v1.12 и новее)
ПараметрОписаниеОбязательностьТип
nameИмя метрики.ОбязательныйСтрока
descriptionКраткое описание метрики в удобочитаемом виде.НеобязательныйСтрока
typeТип метрики (simple, cumulative, ratio, derived или conversion).ОбязательныйСтрока
labelОтображаемое имя для инструментов, использующих эту метрику. Допускает обычный текст, пробелы и кавычки (например, orders_total или "orders_total").НеобязательныйСтрока
exprВыражение, объединяющее другие метрики. При проверке появится предупреждение, если оно отсутствует или ссылается на неопределенные метрики.ОбязательныйСтрока
input_metricsОпределяет псевдонимы, фильтры или смещения для метрик, на которые ссылается выражение. Требуется только при настройке этих атрибутов.НеобязательныйСписок
input_metrics.nameИмя метрики, на которую ссылается выражение и которая определена в другом месте проекта.Обязательный, если указан metric_aliasesСтрока
input_metrics.aliasАльтернативное имя, которое можно использовать в expr.НеобязательныйСтрока
input_metrics.filterФильтр, применяемый к метрике, на которую ссылается выражение.НеобязательныйСтрока
input_metrics.offset_windowСмещение, применяемое к метрике, на которую ссылается выражение (например, 1 week). Допускается только для производных метрик.НеобязательныйСтрока

Ниже приведена полная спецификация производных метрик вместе с примером.

(Версии dbt: v1.12 и новее)
models/model.yml
metrics:
- name: my_derived_metric
description: cool derived metric # Optional
label: my derived metric label # Optional
type: derived # Required
expr: my_simple_metric - my_simple_metric_a_week_ago # Required for derived
input_metrics: # Required for derived if using aliases / filters / offset_window for portions of the expression
- name: my_simple_metric
alias: my_simple_metric_a_week_ago
filter: "{{ Dimension('my_primary_entity__my_categorical_dimension_column') }} > 10"
offset_window: 1 week # Allowed for derived metrics

Для расширенного моделирования данных можно использовать fill_nulls_with и join_to_timespine, чтобы заменять значения null в метриках нулями, обеспечивая числовые значения для каждой строки данных.

Пример производных метрик​

(Версии dbt: v1.12 и новее)
models/model.yml
models:
- name: fct_orders
semantic_model:
enabled: true
name: order
... rest of config ...
metrics:
- name: order_gross_profit
description: "Валовая прибыль от каждого заказа."
label: Валовая прибыль от заказа
type: derived
expr: revenue - cost
input_metrics:
- name: order_total
alias: revenue
- name: order_cost
alias: cost
- name: food_order_gross_profit
label: Валовая прибыль от заказа еды
description: "Валовая прибыль от каждого заказа еды."
type: derived
expr: revenue - cost
input_metrics:
- name: order_total
alias: revenue
filter: |
{{ Dimension('order__is_food_order') }} = True
- name: order_cost
alias: cost
filter: |
{{ Dimension('order__is_food_order') }} = True
- name: order_total_growth_mom
description: "Рост общей суммы заказов в процентах по сравнению с предыдущим месяцем"
label: Рост общей суммы заказов, % м/м
type: derived
expr: (order_total - order_total_prev_month) * 100 / order_total_prev_month
input_metrics:
- name: order_total
- name: order_total
alias: order_total_prev_month
offset_window: 1 month

Временное смещение производной метрики​

Чтобы выполнять вычисления, используя значение метрики из предыдущего периода времени, вы можете добавить параметр смещения к производной метрике. Например, если вы хотите рассчитать рост за период или отслеживать удержание пользователей, вы можете использовать это смещение метрики.

Примечание: Вы должны включить измерение metric_time при запросе производной метрики с окном смещения.

Следующий пример показывает, как можно рассчитать ежемесячный рост выручки, используя окно смещения в 1 месяц:

(Версии dbt: v1.12 и новее)
models/model.yml
models:
- name: customers
semantic_model:
enabled: true
name: customers_semantic_model
metrics:
- name: customer_retention
description: Процентное соотношение клиентов, активных сейчас, и клиентов, активных 1 месяц назад
label: customer_retention
type: derived
expr: current_active_customers / active_customers_prev_month
input_metrics:
- name: active_customers
alias: current_active_customers
- name: active_customers
alias: active_customers_prev_month
offset_window: 1 month

Окна смещения и детализация​

Вы можете запрашивать любую комбинацию гранулярности и окна смещения. Следующий пример запрашивает метрику с 7-дневным смещением и месячной гранулярностью:

(Версии dbt: v1.12 и новее)
models/model.yml
models:
- name: customers
semantic_model:
enabled: true
name: customers_semantic_model
... rest of config ...
metrics:
- name: d7_booking_change
description: Разница между текущим количеством бронирований и количеством бронирований 7 дней назад
type: derived
label: Изменение бронирований за 7 дней
expr: current_bookings - bookings_7_days_ago
input_metrics:
- name: bookings
alias: current_bookings
- name: bookings
offset_window: 7 days
alias: bookings_7_days_ago

Когда вы выполняете запрос dbt sl query --metrics d7_booking_change --group-by metric_time__month для этой метрики, она рассчитывается следующим образом. Для dbt v1 можно использовать префикс mf query.

  1. Получите исходный неагрегированный набор данных с указанными (Версии dbt: v1.12 и новее) простой метрикой и измерениями на самом детальном уровне, которым в настоящее время является день ('day').
  2. Затем выполните соединение со смещением для ежедневного набора данных, после чего выполните усечение дат и агрегацию до запрошенного уровня детализации. Например, чтобы рассчитать d7_booking_change за июль 2017 года:
    • Сначала просуммируйте все значения бронирований за каждый день июля, чтобы рассчитать метрику bookings.
    • В следующей таблице показан диапазон дней, составляющих эту месячную агрегацию.
ЗаказыВремя метрики
3302017-07-31
70302017-07-30 до 2017-07-02
782017-07-01
Итого74382017-07-01
  1. Рассчитайте бронирования за июль с 7-дневным смещением. Следующая таблица показывает диапазон дней, составляющих эту месячную агрегацию. Обратите внимание, что месяц начинается на 7 дней позже (смещен на 7 дней) 2017-07-24.
ЗаказыВремя метрики
3292017-07-24
68402017-07-23 до 2017-06-30
832017-06-24
Итого72522017-07-01
  1. Наконец, рассчитайте производную метрику и верните окончательный набор результатов:
bookings - bookings_7_days_ago будет вычислено как 7438 - 7252 = 186. 
d7_booking_changemetric_time__month
1862017-07-01

Нашли ошибку?

0
Loading