Regel für die Aggregationsanalyse

In generiert AWS Clean Roomseine Aggregationsanalyseregel aggregierte Statistiken mithilfe der Funktionen COUNT, SUM und/oder AVG in optionalen Dimensionen. Wenn die Aggregationsanalyseregel zu einer konfigurierten Tabelle hinzugefügt wird, kann das Mitglied, das abfragen kann, Abfragen für die konfigurierte Tabelle ausführen.

Die Regel zur Aggregationsanalyse unterstützt Anwendungsfälle wie Kampagnenplanung, Medienreichweite, Frequenzmessung und Zuordnung.

Die unterstützte Abfragestruktur und Syntax sind in definiertStruktur und Syntax der Aggregationsabfrage.

Zu den Parametern der Analyseregel, die in definiert sindAggregationsanalyseregel – Abfragesteuerungen, gehören Abfragesteuerelemente und Abfrageergebnissteuerelemente. Zu den Abfragekontrollen gehört die Möglichkeit, zu verlangen, dass eine konfigurierte Tabelle mit mindestens einer konfigurierten Tabelle verbunden wird, die dem Mitglied gehört, das sie direkt oder transitiv abfragen kann. Mit dieser Anforderung können Sie sicherstellen, dass die Abfrage auf der Schnittmenge (INNERJOIN) Ihrer Tabelle und ihrer Tabelle ausgeführt wird.

Struktur und Syntax der Aggregationsabfrage

Abfragen für Tabellen mit einer Aggregationsanalyseregel müssen der folgenden Syntax entsprechen.

    --select_aggregate_function_expression
SELECT 
aggregation_function(column_name) [[AS] column_alias ] [, ...]

    --select_grouping_column_expression                        
  [, {column_name|scalar_function(arguments)} [[AS] column_alias ]][, ...]   

--table_expression
FROM table_name [[AS] table_alias ]
  [[INNER] JOIN table_name [[AS] table_alias] ON join_condition] [...]

--where_expression
[WHERE where_condition]          

--group_by_expression                          
[GROUP BY {column_name|scalar_function(arguments)}, ...]]                  

--having_expression
[HAVING having_condition]                               

--order_by_expression    
[ORDER BY {column_name|scalar_function(arguments)} [{ASC|DESC}]] [,...]]

In der folgenden Tabelle wird jeder Ausdruck erläutert, der in der vorherigen Syntax aufgeführt ist.

Expression	Definition	Beispiele
select_aggregate_function_expression	Eine durch Komma getrennte Liste mit den folgenden Ausdrücken: select_aggregation_function_expression select_aggregate_expression Anmerkung Es muss mindestens eine select_aggregation_function_expression in der gebenselect_aggregate_expression.	SELECT SUM(PRICE), user_segment
select_aggregation_function_expression	Eine oder mehrere unterstützte Aggregationsfunktionen, die auf eine oder mehrere Spalten angewendet werden. Nur Spalten sind als Argumente für Aggregationsfunktionen zulässig. Anmerkung Es muss mindestens eine select_aggregation_function_expression in der gebenselect_aggregate_expression.	AVG(PRICE) COUNT(DISTINCT user_id)
select_grouping_column_expression	Ein Ausdruck, der einen beliebigen Ausdruck enthalten kann, der Folgendes verwendet: Tabellenspaltennamen Unterstützte skalare Funktionen Zeichenfolgeliterale Numerische Literale Anmerkung select_aggregate_expression kann Spalten mit oder ohne den AS Parameter als Alias verwenden. Weitere Informationen finden Sie in der AWS Clean Rooms SQL-Referenz .	TRUNC(timestampColumn) UPPER(campaignName)
table_expression	Eine Tabelle oder Join von Tabellen, die bedingte Join-Ausdrücke mit verbindenjoin_condition. join_condition gibt einen booleschen Wert zurück. Die table_expression unterstützt: Ein bestimmter JOIN Typ (INNERJOIN) Die Gleichheitsvergleichsbedingung innerhalb einer join_condition (=) Logische Operatoren (AND, OR).	FROM consumer_table INNER JOIN provider_table ON consumer_table.identifier1 = provider_table.identifier1 AND consumer_table.identifier2 = provider_table.identifier2
where_expression	Ein bedingter Ausdruck, der einen booleschen Wert zurückgibt. Es kann aus folgenden Komponenten bestehen: Tabellenspaltennamen Unterstützte skalare Funktionen Mathematische Operatoren Zeichenfolgeliterale Numerische Literale Unterstützte Vergleichsbedingungen sind (=, >, <, <=, >=, <>, !=, NOT, IN, NOT IN, LIKE, IS NULL, IS NOT NULL). Unterstützte logische Operatoren sind (AND, OR). Die where_expression ist optional.	WHERE where_condition WHERE price > 100 WHERE TRUNC(timestampColumn) = '1/1/2022' WHERE timestampColumn = timestampColumn2 - 14
group_by_expression	Eine durch Komma getrennte Liste von Ausdrücken, die den Anforderungen für entsprechenselect_grouping_column_expression.	GROUP BY TRUNC(timestampColumn), UPPER(campaignName), segment
having_expression	Ein bedingter Ausdruck, der einen booleschen Wert zurückgibt. Sie haben eine unterstützte Aggregationsfunktion, die auf eine einzelne Spalte angewendet wird (z. B. SUM(price)), und werden mit einem numerischen Literal verglichen. Unterstützte Bedingungen sind (=, >, <, <=, >=, <>, !=). Unterstützte logische Operatoren sind (AND, OR). Die having_expression ist optional.	HAVING SUM(SALES) > 500
order_by_expression	Eine durch Komma getrennte Liste von Ausdrücken, die mit denselben Anforderungen kompatibel ist, die zuvor select_aggregate_expression definiert wurden. Die order_by_expression ist optional. Anmerkung order_by_expression erlaubt - ASC und -DESCParameter. Weitere Informationen finden Sie unter ASC DESC-Parameter in der AWS Clean Rooms SQL-Referenz .	ORDER BY SUM(SALES), UPPER(campaignName)

Beachten Sie bei der Struktur und Syntax von Aggregationsabfragen Folgendes:

• Andere SQL-Befehle als SELECT werden nicht unterstützt.

• Unterabfragen und allgemeine Tabellenausdrücke (z. B. WITH) werden nicht unterstützt.

• Operatoren, die mehrere Abfragen kombinieren (z. B. UNION), werden nicht unterstützt.

• TOPDie OFFSET Parameter LIMIT, und werden nicht unterstützt.

Aggregationsanalyseregel – Abfragesteuerungen

Mit Aggregationsabfragesteuerelementen können Sie steuern, wie die Spalten in Ihrer Tabelle zum Abfragen der Tabelle verwendet werden. Sie können beispielsweise steuern, welche Spalte für die Verknüpfung verwendet wird, welche Spalte gezählt werden kann oder welche Spalte in WHERE Anweisungen verwendet werden kann.

In den folgenden Abschnitten werden die einzelnen Kontrollen erläutert.

Aggregationskontrollen

Mithilfe von Aggregationssteuerungen können Sie definieren, welche Aggregationsfunktionen zugelassen werden sollen und auf welche Spalten sie angewendet werden müssen. Aggregationsfunktionen können in den ORDER BY Ausdrücken SELECTHAVING, und verwendet werden.

Kontrolle	Definition	Verwendung
aggregateColumns	Spalten mit konfigurierten Tabellenspalten, die Sie für die Verwendung in Aggregationsfunktionen zulassen.	aggregateColumns kann innerhalb einer Aggregationsfunktion in den ORDER BY Ausdrücken SELECTHAVING, und verwendet werden. Einige aggregateColumns können auch als kategorisiert werden joinColumn (wird später definiert). Bei aggregateColumn kann nicht auch als dimensionColumn (weiter unten definiert) kategorisiert werden.
function	Die Funktionen COUNT, SUM und AVG, die Sie für die Verwendung zusätzlich zur zulassenaggregateColumns.	function kann auf eine angewendet werdenaggregateColumns, die ihr zugeordnet ist.

Join-Steuerelemente

Eine JOIN Klausel wird verwendet, um Zeilen aus zwei oder mehr Tabellen zu kombinieren, basierend auf einer zugehörigen Spalte zwischen ihnen.

Sie können Join-Steuerelemente verwenden, um zu steuern, wie Ihre Tabelle mit anderen Tabellen in der verknüpft werden kanntable_expression. unterstützt AWS Clean Rooms nur INNER JOIN. -INNERJOINAnweisungen können nur Spalten verwenden, die joinColumn in Ihrer Analyseregel explizit als kategorisiert wurden, abhängig von den von Ihnen definierten Steuerelementen.

Der INNER JOIN muss mit einem joinColumn aus Ihrer konfigurierten Tabelle und einem joinColumn aus einer anderen konfigurierten Tabelle in der Zusammenarbeit arbeiten. Sie entscheiden, welche Spalten aus Ihrer Tabelle als verwendet werden könnenjoinColumn.

Jede Übereinstimmungsbedingung innerhalb der -ONKlausel ist erforderlich, um die Gleichheitsvergleichsbedingung (=) zwischen zwei Spalten zu verwenden.

Mehrere Übereinstimmungsbedingungen innerhalb einer -ONKlausel können sein:

• Kombiniert mit dem AND logischen Operator

• Getrennt durch den OR logischen Operator

Anmerkung

Alle JOIN Übereinstimmungsbedingungen müssen mit einer Zeile von jeder Seite des übereinstimmenJOIN. Alle Bedingungen, die durch einen OR oder einen AND logischen Operator verbunden sind, müssen ebenfalls diese Anforderung erfüllen.

Im Folgenden finden Sie ein Beispiel für eine Abfrage mit einem AND logischen Operator.

SELECT some_col, other_col 
FROM table1 
    JOIN table2 
    ON table1.id = table2.id AND table1.name = table2.name

Im Folgenden finden Sie ein Beispiel für eine Abfrage mit einem OR logischen Operator.

SELECT some_col, other_col 
FROM table1 
    JOIN table2 
    ON table1.id = table2.id OR table1.name = table2.name

Kontrolle	Definition	Verwendung
joinColumns	Die Spalten (falls vorhanden), die dem Mitglied, das abfragen kann, erlauben soll, in der INNER JOIN Anweisung zu verwenden.	Ein bestimmter joinColumn kann auch als kategorisiert werden aggregateColumn (siehe Aggregationskontrollen). Die gleiche Spalte kann nicht sowohl als auch verwendet werden joinColumn dimensionColumns (siehe später). Sofern es nicht auch als kategorisiert wurdeaggregateColumn, joinColumn kann ein nicht in anderen Teilen der Abfrage verwendet werden, außer in der INNER JOIN.
joinRequired	Steuern Sie, ob Sie einen INNER JOIN mit einer konfigurierten Tabelle des Mitglieds benötigen, das abfragen kann.	Wenn Sie diesen Parameter aktivieren, INNER JOIN ist ein erforderlich. Wenn Sie diesen Parameter nicht aktivieren, INNER JOIN ist optional. Unter der Annahme, dass Sie diesen Parameter aktivieren, muss das Mitglied, das abfragen kann, eine Tabelle, deren Eigentümer es ist, in die aufnehmenINNERJOIN. Sie müssen JOIN Ihre Tabelle mit ihren Tabellen direkt oder transitiv verbinden (d. h. ihre Tabelle mit einer anderen Tabelle verknüpfen, die selbst mit Ihrer Tabelle verbunden ist).

Im Folgenden finden Sie ein Beispiel für Transitivität.

ON 
my_table.identifer = third_party_table.identifier
....
ON
third_party_table.identifier = member_who_can_query_table.id

Anmerkung

Das Mitglied, das abfragen kann, kann auch den -joinRequiredParameter verwenden. In diesem Fall muss die Abfrage ihre Tabelle mit mindestens einer anderen Tabelle verbinden.

Dimensionssteuerungen

Dimensionssteuerelemente steuern die Spalte, nach der die Aggregationsspalten gefiltert, gruppiert oder aggregiert werden können.

Kontrolle	Definition	Verwendung
dimensionColumns	Die Spalten (falls vorhanden), die Sie dem Mitglied erlauben, die abfragen könnenWHERE, in SELECT, GROUPBY, und zu verwendenORDERBY.	Ein dimensionColumn kann in SELECT (select_grouping_column_expression), WHEREGROUPBY, und verwendet werdenORDERBY. Die gleiche Spalte kann nicht sowohl ein dimensionColumn, ein joinColumnund/oder ein seinaggregateColumn.

Skalarfunktionen

Skalare Funktionen steuern, welche skalaren Funktionen für Dimensionsspalten verwendet werden können.

Kontrolle	Definition	Verwendung
scalarFunctions	Die skalaren Funktionen, die dimensionColumns in der Abfrage verwendet werden können.	Gibt die skalaren Funktionen (falls vorhanden) an, die Sie zulassen (z. B. CAST), um auf angewendet zu werdendimensionColumns. Skalare Funktionen können nicht zusätzlich zu anderen Funktionen oder innerhalb anderer Funktionen verwendet werden. Argumente für skalare Funktionen können Spalten, Zeichenfolgeliterale oder numerische Literale sein.

Die folgenden skalaren Funktionen werden unterstützt:

• Mathematische Funktionen – ABS, CEILING, FLOOR, LOG, LN, ROUND, SQRT

• Funktionen zur Datentypformatierung – CAST, CONVERT, TO_CHAR, TO_DATE, TO_NUMBER, TO_TIMESTAMP

• Zeichenfolgenfunktionen – LOWER, UPPER, TRIM, RTRIM, SUBSTRING

  • Für RTRIM sind benutzerdefinierte Zeichensätze zum Kürzen nicht zulässig.

• Bedingte Ausdrücke – COALESCE

• Datumsfunktionen – EXTRACT, GETDATE, CURRENT_DATE, DATEADD

• Andere Funktionen – TRUNC

Weitere Informationen finden Sie in der AWS Clean Rooms SQL-Referenz .

Regel zur Aggregationsanalyse – Abfrageergebnissteuerelemente

Mit den Steuerelementen für Aggregationsabfrageergebnisse können Sie steuern, welche Ergebnisse zurückgegeben werden, indem Sie eine oder mehrere Bedingungen angeben, die jede Ausgabezeile erfüllen muss, damit sie zurückgegeben werden kann. AWS Clean Rooms unterstützt Aggregationseinschränkungen in Form von COUNT (DISTINCT column) >= X. Dieses Formular erfordert, dass jede Zeile mindestens X unterschiedliche Werte einer Auswahl aus Ihrer konfigurierten Tabelle aggregiert (z. B. eine Mindestanzahl unterschiedlicher user_id Werte). Dieser Mindestschwellenwert wird automatisch durchgesetzt, auch wenn die übermittelte Abfrage selbst nicht die angegebene Spalte verwendet. Sie werden gemeinsam für jede konfigurierte Tabelle in der Abfrage aus den konfigurierten Tabellen jedes Mitglieds der Zusammenarbeit durchgesetzt.

Jede konfigurierte Tabelle muss mindestens eine Aggregationsbeschränkung in ihrer Analyseregel haben. Konfigurierte Tabellenbesitzer können mehrere columnName und zugehörige hinzufügen minimum und sie werden gemeinsam durchgesetzt.

Aggregationseinschränkungen

Aggregationseinschränkungen steuern, welche Zeilen in den Abfrageergebnissen zurückgegeben werden. Um zurückgegeben werden zu können, muss eine Zeile die angegebene Mindestanzahl unterschiedlicher Werte in jeder Spalte erfüllen, die in der Aggregationseinschränkung angegeben ist. Diese Anforderung gilt auch dann, wenn die Spalte nicht explizit in der Abfrage oder in anderen Teilen der Analyseregel erwähnt wird.

Kontrolle	Definition	Verwendung
columnName	Die aggregateColumn, die in der Bedingung verwendet wird, die jede Ausgabezeile erfüllen muss.	Kann eine beliebige Spalte in der konfigurierten Tabelle sein.
minimum	Die Mindestanzahl unterschiedlicher Werte für die zugehörige aggregateColumn, die die Ausgabezeile haben muss (z. B. COUNT DISTINCT), damit sie in den Abfrageergebnissen zurückgegeben wird.	Der minimum muss mindestens den Wert 2 haben.

Struktur der Regel für die Aggregationsanalyse

Das folgende Beispiel zeigt eine vordefinierte Struktur für eine Aggregationsanalyseregel.

Im folgenden Beispiel MyTable bezieht sich auf Ihre Datentabelle. Sie können jeden Platzhalter für Benutzereingaben durch Ihre eigenen Informationen ersetzen.

{
  "aggregateColumns": [
    {
      "columnNames": [MyTable column names], "function": [Allowed Agg Functions]
    },
  ],
  "joinRequired": ["QUERY_RUNNER"],  
  "joinColumns": [MyTable column names],
  "dimensionColumns": [MyTable column names],
  "scalarFunctions": [Allowed Scalar functions],
  "outputConstraints": [
    {
      "columnName": [MyTable column names], "minimum": [Numeric value] 
    },
  ]
}

Aggregationsanalyseregel – Beispiel

Das folgende Beispiel zeigt, wie zwei Unternehmen AWS Clean Rooms mithilfe der Aggregationsanalyse zusammenarbeiten können.

Unternehmen A verfügt über Kunden- und Verkaufsdaten. Unternehmen A ist daran interessiert, die Produktrückgabeaktivität zu verstehen. Unternehmen B ist eines der Lebensmittel von Unternehmen A und hat Daten zurückgegeben. Unternehmen B verfügt auch über Segmentattribute für Kunden, die für Unternehmen A nützlich sind (z. B. bei dem Kauf verwandter Produkte wird der Kundenservice des Einzelhandels verwendet). Unternehmen B möchte keine Kundenrückgabedaten und Attributinformationen auf Zeilenebene bereitstellen. Unternehmen B möchte nur eine Reihe von Abfragen für Unternehmen A aktivieren, um aggregierte Statistiken zu überlappenden Kunden mit einem minimalen Aggregationsschwellenwert zu erhalten.

Unternehmen A und Unternehmen B entscheiden sich für eine Zusammenarbeit, damit Unternehmen A die Produktrückgabeaktivitäten verstehen und bessere Produkte in Unternehmen B und anderen Kanälen bereitstellen kann.

Um die Zusammenarbeit zu erstellen und eine Aggregationsanalyse durchzuführen, gehen die Unternehmen wie folgt vor:

1. Unternehmen A erstellt eine Zusammenarbeit und eine Mitgliedschaft. Die Zusammenarbeit hat Unternehmen B als weiteres Mitglied der Zusammenarbeit. Unternehmen A aktiviert die Abfrageprotokollierung in der Zusammenarbeit und die Abfrageprotokollierung in seinem Konto.

2. Unternehmen B erstellt eine Mitgliedschaft in der Zusammenarbeit. Es aktiviert die Abfrageprotokollierung in seinem Konto.

3. Unternehmen A erstellt eine vertriebskonfigurierte Tabelle.

4. Unternehmen A fügt die folgende Aggregationsanalyseregel zur Tabelle hinzu, die für den Verkauf konfiguriert ist.

   {
     "aggregateColumns": [
       {
         "columnNames": [
           "identifier"
         ],
         "function": "COUNT_DISTINCT"
       },
       {
         "columnNames": [
           "purchases"
         ],
         "function": "AVG"
       },
       {
         "columnNames": [
           "purchases"
         ],
         "function": "SUM"
       }
     ],
     "joinColumns": [
       "hashedemail"
     ],
     "dimensionColumns": [
       "demoseg",
       "purchasedate",
       "productline"
     ],
     "scalarFunctions": [
       "CAST",
       "COALESCE",
       "TRUNC"
     ],
     "outputConstraints": [
       {
         "columnName": "hashedemail",
         "minimum": 2,
         "type": "COUNT_DISTINCT"
       },
     ]
   }

   aggregateColumns – Unternehmen A möchte die Anzahl der eindeutigen Kunden in der Überschneidung zwischen Verkaufsdaten und Rückgabedaten zählen. Unternehmen A möchte auch die Anzahl der , die gemacht purchases wurden, summieren, um sie mit der Anzahl von zu vergleichenreturns.

   joinColumns – Unternehmen A möchte verwendenidentifier, um Kunden aus Verkaufsdaten mit Kunden aus Rückgabedaten abzugleichen. Dies hilft Unternehmen A dabei, zu den richtigen Käufen zurückzukehren. Es hilft auch Unternehmen A, sich überschneidende Kunden zu segmentieren.

   dimensionColumns – Unternehmen A verwendet , dimensionColumns um nach dem spezifischen Produkt zu filtern, Käufe und Rückgaben über einen bestimmten Zeitraum zu vergleichen, sicherzustellen, dass das Rückgabedatum nach dem Produktdatum liegt, und um überlappende Kunden zu segmentieren.

   scalarFunctions – Unternehmen A wählt eine CAST skalare Funktion aus, um bei Bedarf Datentypformate basierend auf der konfigurierten Tabelle zu aktualisieren, die Unternehmen A der Zusammenarbeit zuordnet. Es fügt auch skalare Funktionen hinzu, um bei Bedarf die Formatierung von Spalten zu unterstützen.

   outputConstraints – Unternehmen A legt Mindestausgabeeinschränkungen fest. Es muss die Ergebnisse nicht einschränken, da der Analyst Daten auf Zeilenebene aus seiner Verkaufstabelle sehen darf

   Anmerkung

   Unternehmen A nimmt nicht joinRequired in die Analyseregel auf. Sie bietet ihrem Analysten Flexibilität, die Verkaufstabelle allein abzufragen.

5. Unternehmen B erstellt eine rückgabekonfigurierte Tabelle.

6. Unternehmen B fügt der konfigurierten Rückgabetabelle die folgende Aggregationsanalyseregel hinzu.

   {
     "aggregateColumns": [
       {
         "columnNames": [
           "identifier"
         ],
         "function": "COUNT_DISTINCT"
       },
       {
         "columnNames": [
           "returns"
         ],
         "function": "AVG"
       },
       {
         "columnNames": [
           "returns"
         ],
         "function": "SUM"
       }
     ],
     "joinColumns": [
       "hashedemail"
     ],
     "joinRequired": [
       "QUERY_RUNNER"
     ],
     "dimensionColumns": [
       "state",
       "popularpurchases",
       "customerserviceuser",
       "productline",
       "returndate"
     ],
     "scalarFunctions": [
       "CAST",
       "LOWER",
       "UPPER",
       "TRUNC"
     ],
     "outputConstraints": [
       {
         "columnName": "hashedemail",
         "minimum": 100,
         "type": "COUNT_DISTINCT"
       },
       {
         "columnName": "producttype",
         "minimum": 2,
         "type": "COUNT_DISTINCT"
       }
     ]
   }

   aggregateColumns – Unternehmen B ermöglicht es Unternehmen A, Summen vorzunehmenreturns, um sie mit der Anzahl der Käufe zu vergleichen. Sie haben mindestens eine Aggregatspalte, da sie eine Aggregatabfrage aktivieren.

   joinColumns – Unternehmen B ermöglicht es Unternehmen A, beizutretenidentifier, um Kunden aus Rückgabedaten aus Verkaufsdaten mit Kunden zu verknüpfen. -identifierDaten sind besonders sensibel und stellen joinColumn sicher, dass die Daten niemals in einer Abfrage ausgegeben werden.

   joinRequired – Unternehmen B verlangt, dass sich Abfragen der Rückgabedaten mit den Verkaufsdaten überschneiden. Sie möchten nicht Unternehmen A ermöglichen, alle Personen in ihrem Datensatz abzufragen. Sie haben sich auch in ihrer Zusammenarbeitsvereinbarung auf diese Einschränkung geeinigt.

   dimensionColumns – Unternehmen B ermöglicht es Unternehmen A, nach state, und zu filtern und zu gruppierenpopularpurchases, customerserviceuser wobei es sich um eindeutige Attribute handelt, die dazu beitragen könnten, die Analyse für Unternehmen A durchzuführen. Unternehmen B ermöglicht Unternehmen A, zu verwendenreturndate, um Ausgaben zu filternreturndate, die nach auftretenpurchasedate. Mit dieser Filterung ist die Ausgabe genauer, um die Auswirkungen der Produktänderung zu bewerten.

   scalarFunctions – Unternehmen B ermöglicht Folgendes:

   • TRUNC für Datumsangaben

   • LOWER und UPPER, falls die in einem anderen Format in ihren Daten eingegeben producttype wird

   • CAST wenn Unternehmen A Datentypen in Verkäufen konvertieren muss, damit sie den Datentypen in Rückgaben entsprechen

   Unternehmen A aktiviert keine anderen skalaren Funktionen, da sie nicht glauben, dass sie für Abfragen erforderlich sind.

   outputConstraints – Unternehmen B legt Mindestausgabeeinschränkungen für festhashedemail, um die Fähigkeit zur Neuidentifizierung von Kunden zu verringern. Außerdem wird eine Mindestausgabeeinschränkung für hinzugefügt, producttype um die Möglichkeit zu verringern, bestimmte zurückgegebene Produkte neu zu identifizieren. Bestimmte Produkttypen könnten basierend auf den Dimensionen der Ausgabe dominanter sein (z. B. state). Ihre Ausgabeeinschränkungen werden immer durchgesetzt, unabhängig von den Ausgabeeinschränkungen, die Unternehmen A ihren Daten hinzugefügt hat.

7. Unternehmen A erstellt eine Zuordnung von Verkaufstabellen zur Zusammenarbeit.

8. Unternehmen B erstellt eine Zuordnung von Rückgabetabellen zur Zusammenarbeit.

9. Unternehmen A führt Abfragen wie das folgende Beispiel aus, um die Menge der Rückgaben in Unternehmen B besser zu verstehen als die Gesamtzahl der Käufe nach Standort im Jahr 2022.

   SELECT
     companyB.state,
     SUM(companyB.returns),
     COUNT(DISTINCT companyA.hashedemail)
   FROM
     sales companyA
     INNER JOIN returns companyB ON companyA.identifier = companyB.identifier
   WHERE
     companyA.purchasedate BETWEEN '2022-01-01' AND '2022-12-31' AND
     TRUNC(companyB.returndate) > companyA.purchasedate
   GROUP BY
     companyB.state;

10. Unternehmen A und Unternehmen B überprüfen Abfrageprotokolle. Unternehmen B überprüft, ob die Abfrage mit dem übereinstimmt, was in der Zusammenarbeitsvereinbarung vereinbarten wurde.

Beheben von Problemen mit Aggregationsanalyseregeln

Verwenden Sie die hier aufgeführten Informationen, um häufige Probleme zu diagnostizieren und zu beheben, wenn Sie mit Aggregationsanalyseregeln arbeiten.

Problembereiche

• Meine Abfrage hat keine Ergebnisse zurückgegeben

Meine Abfrage hat keine Ergebnisse zurückgegeben

Dies kann passieren, wenn es keine übereinstimmenden Ergebnisse gibt oder wenn die übereinstimmenden Ergebnisse nicht einen oder mehrere minimale Aggregationsschwellenwerte erreichen.

Weitere Informationen zu minimalen Aggregationsschwellenwerten finden Sie unter Aggregationsanalyseregel – Beispiel.