Business Intelligence

Tudo o que a sua bilhética sabe, em quatro conjuntos de dados prontos para análise.

Nós conhecemos a bilhética. Você conhece o seu negócio. Esta API junta as duas — no seu data warehouse, segundo as suas definições.

O mais valioso não é o número, mas as pessoas por trás dele. Cada linha de bilhete transporta quem comprou e quem o usou: campos de registo, grupo estatístico, legitimação, campanha, respostas a inquéritos. Não vê apenas quando as pessoas vêm — vê quando vêm que pessoas, desagregado por cada atributo que recolhe.

Foi construída para extração, não para consultas pontuais: recebe as linhas, e a modelação, as métricas e o histórico continuam seus. Sem agregados, sem agrupamento do lado do servidor, nada que tenha de esperar que construamos. Fala OData v4 padrão, pelo que Power BI, Tableau, Azure Data Factory e Fivetran se ligam sem código personalizado.

Para equipas de dados e BI. Se está a integrar um checkout, precisa de um dos outros dez módulos.

Em resumo

Dados em diretocada pedido lê o estado atual — sem trabalho de exportação nem snapshot pelo meio

Custo de paginação constantebaseado em keyset, pelo que a última página custa o mesmo que a primeira

OData v4consumido por Power BI, Tableau, ADF e Fivetran sem código personalizado

500 colunasem 4 conjuntos de dados — bilhetes, leituras, grupos estatísticos, inquéritos

Esquema a partir do build$metadata é gerado pela instância em execução e não pode divergir

Máquina a máquinaOAuth 2.0 client credentials, sem CORS, o seu segredo fica do lado do servidor

Casos de negócio

Cada pergunta abaixo é respondida pela sua equipa de dados a partir do extrato — com a secção de referência que mostra como.

Quantas pessoas vieram realmente?

Bilhetes vendidos e pessoas admitidas são números diferentes, e a diferença é muitas vezes o valor mais interessante de todo o evento. Determina o catering, o pessoal, o planeamento de espaços e o preço da próxima edição.

É também o número que a maioria dos relatórios calcula mal. Um bilhete que nunca foi lido não tem nenhuma linha de leitura — a população que quer medir desaparece no momento em que alguém escreve um inner join.

Recipes →

Que segmentos de visitantes cresceram ou diminuíram de um ano para o outro?

Por artigo, grupo estatístico, legitimação e cada campo de registo que pede — setor, função, dimensão da empresa, país — ao longo das edições da mesma marca. Não quantos vieram, mas quem: este é o valor que acaba no relatório para a administração.

How ticketing data works → Counting visitors →

Que campanha vendeu realmente?

Cada venda transporta os seus parâmetros UTM, pelo que pode comparar o custo por bilhete vendido em cada canal em vez de relatar que uma campanha “correu bem”.

Uma ressalva que vale a pena conhecer antes de construir o dashboard: os convites de expositores não transportam campanha e são resgatados a uma taxa muito inferior. Incluídos na média, baixam todos os valores de conversão que calcular.

Recipes →

O que fez cada expositor com a sua quota?

Quantos convites distribuiu, quantos foram resgatados e por quem. É a base para aumentar, reduzir ou fixar o preço de uma quota no próximo ano — e uma conversa a ter com cada expositor individualmente.

Datasets → Tickets →

Quando está cada entrada movimentada?

Cada leitura tem carimbo de data e hora, transporta a entrada e o terminal, e liga-se ao bilhete por trás. Assim vê não só quando uma entrada está cheia, mas quem chega quando: que grupos estatísticos na primeira hora, que tipos de visitante na última. Filas e pessoal deixam de ser estimativas e passam a ser medições.

Datasets → Ticket usages →

Quanto vale um visitante?

Receita bruta e líquida por bilhete, por artigo, por canal, por evento — com a moeda ao lado de cada montante, porque nos dados existe mais do que uma.

Recipes →

O que lhe disseram os seus visitantes — e quem eram eles?

As respostas aos inquéritos ligam-se ao bilhete, pelo que tudo o que um visitante lhe disse pode ser segmentado por tudo o que o bilhete sabe sobre ele: que artigo comprou, de onde veio, como o bilhete foi emitido, que legitimação apresentou.

As respostas deixam de ser uma contagem anónima e passam a ser algo sobre o qual pode agir por segmento.

Datasets → Surveys →

Os números que entram no relatório auditado.

Os organizadores alemães declaram a afluência segundo as regras de auditoria FKM, e essas regras não correspondem a contagens ingénuas de linhas. Estão contidas nos grupos estatísticos, pelo que a vista auditada sai do mesmo extrato em vez de ser reconstruída à mão todos os anos.

How ticketing data works → Counting visitors →

MCP

O mesmo serviço também responde a perguntas diretamente por MCP, com as mesmas credenciais e o mesmo âmbito de dados — para quando quer a resposta em vez do conjunto de dados. Peça-nos acesso.

Acesso

O acesso é provisionado por sistema de cliente. Fale com o seu contacto ADITUS para obter um client e um secret — depois comece em Business Intelligence → Getting started.

Como o próprio extrato corre, página a página: Business Intelligence → Building the extract