Définition de métriques de fenêtre temporelle relatives

Métriques de fenêtre temporelle Connaissances calculées

Pour des connaissances calculées, utilisez la fonction NOW afin d'établir des fenêtres temporelles dynamiques ou relatives. Les fonctions de SECOND_ADD et de SECOND_SUB offrent un contrôle plus précis pour définir la période exacte de vos métriques.

• Disponibilité :
  • Les fonctions NOW, SECOND_ADD et SECOND_SUB sont disponibles dans le nœud Transformer pour Visual Insight Builder.
  • Ces fonctions sont incluses dans les fonctions SQL pour Insights.
• Filtrage : Vous pouvez définir un filtre temporel relatif avec le nœud de filtrage Visual Builder « Opérateur DateHeure relative ».
• Flexibilité : Vous pouvez définir et calculer des métriques dynamiques sur des intervalles de temps configurables, de secondes à années (365 jours ou plus).

Métriques de fenêtre temporelle en temps réel

Utilisez des métriques de fenêtre temporelle dynamiques pour calculer en temps réel des métriques sur des périodes spécifiques. Utilisez ces métriques pour des recommandations de produits personnalisées basées sur l'activité récente. Vous pouvez par exemple :

• Comptez les interactions du site Web au cours des 10 dernières minutes pour recommander des produits similaires à des vues récentes.
• Retirez les produits qui n'ont pas été visualisés au cours des 10 dernières minutes.

Mise à jour des métriques par les Connaissances en temps réel

Les connaissances en temps réel mettent à jour les métriques lorsqu'un événement de données est traité.

• Calcul au moment de la requête : La valeur de cette métrique est calculée au moment de la requête du graphique.
• Traitement d'aucun événement : Lorsqu'aucun événement n'est traité, la valeur de la métrique est calculée en fonction de la période relative définie. Par exemple, si votre métrique est « nombre de clics sur un produit au cours des dix dernières minutes » et qu'aucun clic n'est effectué pendant cette période, la métrique est égale à 0.
• Traitement côté client : Les clients de graphiques en temps réel doivent traiter les données de connaissances en temps réel côté client pour obtenir la véritable métrique au moment de la requête graphique.

Rationalisation de l'agrégation des données avec des sous-métriques et des compartiments temporels

Pour rationaliser l'agrégation des données et minimiser le stockage dans le graphique en temps réel, le processus de fenêtre temporelle utilise des sous-métriques et des compartiments temporels pendant l'intervalle de temps défini par l'utilisateur. Ce processus élimine la nécessité de stocker chaque événement dans le graphique en temps réel.

• Comment ça marche : Lors du traitement d'un événement en temps réel, la fonction de NOW compare l'heure de chaque événement dans une période secondaire de 5 minutes afin de déterminer la taille de fenêtre appropriée. La fonction applique cinq types de fenêtre différents dans un ordre hiérarchique, chaque type couvrant une période spécifique par rapport au temps de calcul.
• Création automatique de dimensions : Lorsqu'une fenêtre temporelle dynamique est définie, la fonction crée les dimensions window_start__c et window_end__c en tant que dimensions de connaissances en temps réel.
• Amélioration du coût de stockage : Le processus de période peut générer une métrique approximative plutôt qu'un nombre exact d'événements. Le processus est optimisé pour stocker les données les plus récentes dans des compartiments plus petits et précis, en regroupant les anciennes données dans des compartiments plus grands, afin d'équilibrer la précision et le coût de stockage.

Types et logique de fenêtre :

• Fenêtres de cinq minutes (données les plus récentes)
  • Couvertures : Dernière 1 heure depuis l'heure de calcul
  • Nombre maximal de compartiments : 12 (assure au moins 1 heure de couverture)
• Fenêtres d'une heure (données récentes)
  • Couvertures : D'il y a 1 heure à il y a 1 jour
  • Nombre maximal de compartiments : 23
• Fenêtres quotidiennes (données historiques à moyen terme)
  • Couvertures : D'il y a 1 jour à il y a 1 mois
  • Exemples de compartiment : [2025-03-19 00:00 - 23:59], [2025-03-20 00:00 - 23:59]
  • Nombre maximal de compartiments : ~30 (varie selon la durée du mois)
• Fenêtres mensuelles (données historiques à long terme)
  • Couvertures : D'il y a 1 mois à il y a 1 an
  • Exemples de compartiment : [2025-02-01 00:00 - 2025-02-28 23:59], [2025-03-01 00:00 - 2025-03-31 23:59]
  • Nombre maximal de compartiments : 11
• Fenêtres annuelles (données les plus anciennes)
  • Couvertures : Toutes les données datant de plus d'un an depuis l'heure de calcul
  • Exemples de compartiment : [2024-01-01 00:00 - 2024-12-31 23:59], [2023-01-01 00:00 - 2023-12-31 23:59]
  • Nombre maximal de compartiments : Unlimited (dépend de l'ancienneté des données)

Exemple : Traitement de 25 mois de de données au niveau minute

• Jeu de données : Enregistrements toutes les minutes du 1er avril 2023 au 1er mai 2025
• Temps de calcul : 1 mai 2025, 10:30
• Nombre total d'enregistrements : ~1,081,440 enregistrements