Quando se tem dois conjuntos de dados com algum tipo de rela\u00e7\u00e3o entre eles, \u00e9 interessante se realizar uma jun\u00e7\u00e3o desses dados. No Zoho Analytics, esse tipo de uni\u00e3o pode ser feita de duas formas: com auto-jun\u00e7\u00e3o(auto-join) ou com consulta (query). Nesse tutorial, iremos explicar como funciona a jun\u00e7\u00e3o por auto-jun\u00e7\u00e3o.<\/p>\n\n\n\n

A auto-jun\u00e7\u00e3o \u00e9 uma ferramenta do Zoho Analytics utilizada para unir dados de diferentes conjuntos usando uma coluna de pesquisa. Essa coluna (por vezes chamada de “coluna Lookup”) \u00e9 o elemento em comum entre os dois conjuntos de dados, sendo usualmente um identificador \u00fanico (id, CPF, c\u00f3digo do local). Para o m\u00e9todo de auto-jun\u00e7\u00e3o, \u00e9 necess\u00e1rio que as tabelas a serem juntadas tenham pelo menos uma coluna equivalente, ou seja, uma coluna em que os elementos sejam iguais entre elas. <\/p>\n\n\n\n

Definindo a coluna de pesquisa<\/h2>\n\n\n\n

Para relacionar os conjuntos de dados no m\u00e9todo de auto-jun\u00e7\u00e3o \u00e9 necess\u00e1rio definir as colunas de pesquisa (lookup). Isso pode ser feito seguindo alguns passos mostrados abaixo:<\/p>\n\n\n\n

1. De uma das tabelas a ser relacionada, clique em “Projeto de edi\u00e7\u00e3o”.<\/li>
2. Clique na aba de \u201cpesquisa\u201d. Essa aba contem todas as rela\u00e7\u00f5es da tabela em quest\u00e3o com outras tabelas desse projeto, e \u00e9 por ela que \u00e9 poss\u00edvel se editar essas rela\u00e7\u00f5es ou mesmo criar rela\u00e7\u00f5es novas.<\/li>
3. Para criar uma nova rela\u00e7\u00e3o, clique em “Adicionar pesquisa”. Isso far\u00e1 com que surja uma nova linha nessa lista de rela\u00e7\u00f5es da tabela.<\/li>
4. Selecione as colunas a serem relacionadas nos campos “Coluna da tabela atual” e “Coluna de pesquisa”.Em seguida, selecione a cardinalidade entre as duas tabelas. A cardinalidade diz respeito a como as duas tabelas se relacionam, tendo 4 possibilidades:
   1. Um para um: nesse caso, os dados das colunas de pesquisa e da tabela n\u00e3o se repetem em nenhuma das colunas. Normalmente \u00e9 usada para agregar dados que possuem uma rela\u00e7\u00e3o tipo : “Cada A possui um B, e cada B possui um A”, por exemplo:
      1. Cada pessoa possui um \u00fanico CPF, e cada CPF representa uma \u00fanica pessoa.<\/li>
      2. Cada estado possui um \u00fanico governador, e cada governador rege um \u00fanico estado.<\/li><\/ol><\/li>
      3. Um para muitos: nesse caso, os dados da coluna da tabela principal n\u00e3o se repetem, mas os da coluna de pesquisa sim. Normalmente \u00e9 usada para agregar dados que possuem uma rela\u00e7\u00e3o tipo : “Cada B possui um A, mas cada A pode ter v\u00e1rios B”, por exemplo:
         1. Cada pessoa possui uma data de nascimento, mas em uma data podem ter nascido varias pessoas.<\/li>
         2. Cada cliente \u00e9 atendido por um funcion\u00e1rio, mas um mesmo funcion\u00e1rio pode atender v\u00e1rios clientes.<\/li>
         3. Cada deputado representa um estado, mas um estado \u00e9 representado por v\u00e1rios deputados.<\/li><\/ol><\/li>
         4. Muitos para um: \u00e9 o mesmo tipo de rela\u00e7\u00e3o que um para muitos, mas nesse caso os dados que podem ter repeti\u00e7\u00e3o est\u00e3o na coluna da tabela, enquanto a coluna de pesquisa possui os valores \u00fanicos.<\/li>
         5. Muitos para muitos: \u00e9 o tipo de rela\u00e7\u00e3o em que tanto a coluna da tabela principal quanto a coluna de pesquisa t\u00eam repeti\u00e7\u00e3o. Esse tipo de rela\u00e7\u00e3o \u00e9 mais complexa para se analisar pois normalmente \u00e9 necess\u00e1rio o uso de fun\u00e7\u00f5es agregadoras e filtros, e portanto n\u00e3o \u00e9 muito recomendada. Normalmente \u00e9 usada para agregar dados que possuem uma rela\u00e7\u00e3o tipo : “Cada B pode possuir v\u00e1rios A, e A pode ter v\u00e1rios B”, por exemplo:
            1. uma pessoa pode ter mais de um endere\u00e7o de entrega para suas encomendas, e um mesmo endere\u00e7o pode receber encomenda de v\u00e1rias pessoas.<\/li>
            2. um vendedor pode vender v\u00e1rios produtos, e um mesmo produto pode ser vendido por v\u00e1rios vendedores.<\/li>
            3. uma crian\u00e7a pode ter mais de um respons\u00e1vel legal, e uma pessoa pode ter responsabilidade sobre varias crian\u00e7as.<\/li><\/ol><\/li><\/ol><\/li>
            4. Ap\u00f3s criar a rela\u00e7\u00e3o desejada, clique em “Salvar”. <\/li><\/ol>\n\n\n\n
               \n

               \n

               <\/figure>\n<\/div>\n\n\n\n

               \n

               <\/figure>\n<\/div>\n<\/div>\n\n\n\n

               As rela\u00e7\u00f5es criadas podem ser exclu\u00eddas clicando no X vermelho ao lado de cada rela\u00e7\u00e3o. Elas tamb\u00e9m podem ser vistas em um diagrama clicando em “Diagrama modelo”, que est\u00e1 dispon\u00edvel na pr\u00f3pria aba de “Pesquisa” dentro da tabela, ou mesmo clicando na aba de “Dados” no menu lateral esquerdo. <\/p>\n\n\n\n

               <\/figure>\n","protected":false},"excerpt":{"rendered":"

               Quando se tem dois conjuntos de dados com algum tipo de rela\u00e7\u00e3o entre eles, \u00e9 interessante se realizar uma jun\u00e7\u00e3o desses dados. No Zoho Analytics, esse tipo de uni\u00e3o pode ser feita de duas formas: com auto-jun\u00e7\u00e3o(auto-join) ou com consulta (query). Nesse tutorial, iremos explicar como funciona a jun\u00e7\u00e3o por auto-jun\u00e7\u00e3o. A auto-jun\u00e7\u00e3o \u00e9 uma […]<\/p>\n","protected":false},"author":13,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[23],"tags":[],"class_list":["post-4760","post","type-post","status-publish","format-standard","hentry","category-zoho-analytics","entry"],"_links":{"self":[{"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/posts\/4760","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/users\/13"}],"replies":[{"embeddable":true,"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/comments?post=4760"}],"version-history":[{"count":4,"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/posts\/4760\/revisions"}],"predecessor-version":[{"id":4769,"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/posts\/4760\/revisions\/4769"}],"wp:attachment":[{"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/media?parent=4760"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/categories?post=4760"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/outsmart.com.br\/wp-json\/wp\/v2\/tags?post=4760"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}