Beispielabfragen für Analysen
Beta-Funktion. Die Berichtsdatenbank befindet sich derzeit in Beta und kann sich noch weiterentwickeln. Sie ist nur per Opt-in verfügbar. Um der Beta beizutreten oder Fragen zu stellen, kontaktieren Sie support@azumuta.com.
Bevor Sie beginnen
Diese Beispiele setzen voraus, dass Sie eine Verbindung hergestellt haben und Ihre Sitzung auf das Schema Ihres Workspaces eingestellt haben:
set search_path to "company_<your-workspace-id>";
Jedes Beispiel filtert gelöschte Zeilen mit where deleted_at is null, damit Sie nur aktuelle Daten sehen. Entfernen Sie diesen Filter, wenn Sie ausdrücklich gelöschte Datensätze einbeziehen möchten.
Aufzeichnungen nach Status
Wie viele Ausführungssitzungen sich in den einzelnen Status befinden:
select status, count(*) as recordings
from recording
where deleted_at is null
group by status
order by recordings desc;
Issues nach Board-Spalte
Wo sich Ihre Issues zur kontinuierlichen Verbesserung derzeit befinden:
select column_name, count(*) as issues
from issue
where deleted_at is null
group by column_name
order by issues desc;
Erstellte Issues pro Monat
Ein einfacher Trend neuer Issues im Zeitverlauf:
select date_trunc('month', created_at) as month,
count(*) as issues
from issue
where deleted_at is null
and created_at is not null
group by month
order by month;
Durchschnittliche aktive Zeit pro Arbeitsanweisung
actual_duration ist die aktive Arbeitszeit einer Aufzeichnung in Millisekunden. Dies zeigt den Durchschnitt in Sekunden für die am stärksten frequentierten Arbeitsanweisungen:
select workinstruction_id,
count(*) as recordings,
round(avg(actual_duration) / 1000.0, 1) as avg_seconds
from recording
where deleted_at is null
and actual_duration is not null
group by workinstruction_id
order by recordings desc
limit 20;
Tipps
- Verbinden Sie Tabellen über ihre id-Spalten — zum Beispiel
recording.workinstruction_identsprichtworkinstruction.workinstruction_id. - Verwenden Sie die integrierten Spaltenbeschreibungen, wenn Sie unsicher sind, was ein Feld bedeutet.
- Aggregieren und filtern Sie in SQL, bevor Sie Daten in Ihr BI-Tool ziehen — das ist schneller und ressourcenschonender.