Перейти к основному содержимому

Метрики как измерения с фильтрами метрик

Метрики предоставляют пользователям ценные сведения о данных, такие как количество активных пользователей и общие тенденции производительности, чтобы информировать бизнес-решения. Измерения, с другой стороны, помогают категоризировать данные через атрибуты, такие как тип пользователя или количество заказов, сделанных клиентом.

Для принятия обоснованных бизнес-решений некоторые метрики нуждаются в значении другой метрики как части определения метрики, что приводит нас к концепции "метрики как измерения".

Этот документ объясняет, как вы можете использовать метрики как измерения с фильтрами метрик, что позволяет создавать более сложные метрики и получать больше информации. Доступно в dbt Cloud для версий 1.8 или выше.

Ссылка на метрику в фильтре​

Используйте синтаксис объекта Metric(), чтобы ссылаться на метрику в фильтре where для другой метрики. Функция для ссылки на метрику принимает имя метрики и ровно одну сущность:

{{ Metric('metric_name', group_by=['entity_name']) }}

Пример использования​

Например, компания, предоставляющая программное обеспечение как услугу (SaaS), хочет подсчитать активированные аккаунты. В этом случае определение активированного аккаунта — это аккаунт с более чем пятью запусками модели данных.

Чтобы выразить эту метрику в SQL, компания выполнит следующие шаги:

  • Напишет запрос для расчета количества запусков модели данных на аккаунт.
  • Затем подсчитает количество аккаунтов, у которых более пяти запусков модели данных.
models/model_name.sql
with data_models_per_user as (
    select
        account_id as account,
        count(model_runs) as data_model_runs
    from 
        {{ ref('fct_model_runs') }}
    group by 
        account_id
),

activated_accounts as (
    select
        count(distinct account_id) as activated_accounts
    from 
        {{ ref('dim_accounts') }}
    left join 
        data_models_per_user 
    on 
        {{ ref('dim_accounts') }}.account_id = data_models_per_user.account
    where 
        data_models_per_user.data_model_runs > 5
)

select
    *
from 
    activated_accounts

Этот SQL-запрос вычисляет количество activated_accounts, используя метрику data_model_runs как измерение для сущности пользователя. Он фильтрует на основе значения метрики, ограниченного сущностью аккаунта. Вы можете выразить эту логику на уровне запроса или в YAML-конфигурации метрики.

YAML-конфигурация​

Используя тот же пример activated_accounts, упомянутый в примере использования, следующий YAML-пример объясняет, как компания может создать семантические модели и метрики, и использовать объект Metric(), чтобы ссылаться на метрику data_model_runs в фильтре метрики activated_accounts:

  • Создайте две семантические модели: model_runs и accounts.

  • Создайте measure и metric для подсчета запусков модели данных и другую меру для подсчета пользователей.

  • Укажите внешнюю сущность account в семантической модели model_runs.

  • Затем создайте метрику Activated Accounts, фильтруя аккаунты, у которых более пяти запусков модели данных.

    models/metrics/semantic_model.yml
    semantic_models:
      - name: model_runs
        ... # Placeholder for other configurations
        entities:
          - name: model_run
            type: primary
          - name: account
            type: foreign
        measures:
          - name: data_model_runs
            agg: sum
            expr: 1
            create_metric: true # Атрибут 'create_metric: true' автоматически создает метрику 'data_model_runs'.

      - name: accounts
        ... # Placeholder for other configurations
        entities:
          - name: account
            type: primary
        measures:
          - name: accounts
            agg: sum
            expr: 1
            create_metric: true
    metrics:
      - name: activated_accounts
        label: Activated Accounts
        type: simple
        type_params:
          measure: accounts
        filter: |
          {{ Metric('data_model_runs', group_by=['account']) }} > 5

    Давайте разберем SQL, который система генерирует на основе определения метрики, когда вы запускаете dbt sl query --metrics activated_accounts из интерфейса командной строки:

  • Фильтр {{ Metric('data_model_runs', group_by=['account']) }} генерирует SQL, аналогичный подзапросу data_models_per_user, показанному ранее:

    select
    	sum(1) as data_model_runs,
    	account
    from 
    	data_model_runs
    group by
    	account

  • MetricFlow соединяет этот запрос с запросом, сгенерированным мерой accounts, по элементам группировки и применяет условия фильтра:

    select
      sum(1) as activated_accounts
    from accounts
    left join (
      select
          sum(1) as data_model_runs, 
    	      account
        from data_model_runs
        group by 
    	      account
    ) as subq on accounts.account = subq.account
    where data_model_runs > 5

    Промежуточные таблицы, используемые для создания этой метрики: Аккаунты с измерением data_model_runs

    accountdata_model runs
    14
    27
    39
    41

    MetricFlow затем фильтрует эту таблицу до аккаунтов с более чем 5 запусками модели данных и подсчитывает количество аккаунтов, соответствующих этому критерию:

    activated_accounts
    2

Фильтр запроса​

Вы также можете использовать метрики в фильтрах на уровне запроса. Запустите эту команду в интерфейсе командной строки (CLI), чтобы сгенерировать тот же SQL-запрос, на который была ссылка ранее:

dbt sl query --metrics accounts --where "{{ Metric('data_model_runs', group_by=['account']) }} > 5"

Полученный SQL и данные будут такими же, за исключением имени метрики accounts вместо activated_accounts.

Соображения​

  • При использовании фильтра метрики убедитесь, что подзапрос может присоединиться к внешнему запросу без увеличения количества строк (неожиданного увеличения количества строк).
    • Пример, который фильтрует меру accounts с использованием {{ Metric('data_model_runs', group_by=['account']) }}, является допустимым, потому что он агрегирует запуски модели до уровня аккаунта.
    • Однако фильтрация меры 'accounts' с помощью {{ Metric('data_model_runs', group_by=['model']) }} недопустима из-за отношения один ко многим между аккаунтами и запусками моделей, что приводит к дублированию данных.
  • Вы можете группировать метрику только по одной сущности. Возможность поддержки группировки по нескольким сущностям и измерениям ожидается.
  • В будущем вы сможете использовать метрики как измерения для некоторых из следующих примеров использования:
    • Сегменты пользователей: сегментируйте пользователей, используя количество заказов, сделанных пользователем за последние 7 дней, как измерение.
    • Прогнозирование оттока: используйте количество заявок в службу поддержки, отправленных аккаунтом в первые 30 дней, чтобы предсказать потенциальный отток.
    • Отслеживание активации: определите активацию аккаунта или пользователя на основе конкретных действий, выполненных в течение определенного количества дней после регистрации.
    • Поддержка фильтров метрик, требующих многократных соединений, ожидается.
0
Отредактировать эту страницу