Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
I denne vejledning lærer og forstår vi, hvordan en HTTP-anmodning i Power Automate fungerer, når det kommer til at integrere tredjepartsapplikationer. Vi vil også tale om den indbyggede Request -forbindelse, men vi vil hovedsageligt diskutere HTTP .
På trods af at have en række stik, som vi kan vælge imellem, har Power Automate også sine begrænsninger. Det kan ikke dække alt, hvad vi har brug for for at opbygge vores arbejdsgange. Der kan være et tilfælde, hvor vi ønsker at integrere eller udløse vores flow ved hjælp af en applikation, der ikke er tilgængelig i Power Automate.
HTTP- og Request-forbindelserne gør det muligt for vores flow at interagere med tredjeparts API'er.
Vi har brugtfor at udløse en arbejdsgang i en af vores tidligere selvstudier. I det eksempel havde vi en tredjepartsapplikation, der udløste et Power Automate-flow med godkendelser og betinget logik.
Og det er sådan, vi grundlæggende kan forbinde en tredjepartsapplikation til vores flows.
På den anden side giver HTTP- forbindelsen os mulighed for at pinge enhver tredjeparts API, som vi har. Så det bruges ikke nødvendigvis som en udløser. Det bruges mest som .
Lad os sige, at vi har et flow, hvor vi skal få noget information fra en API. Vi sender kundens ID via den API, og vi får kundens navn eller pasnummer tilbage. Så har vi brug for den information i vores Power Automate-logik.
Men vi ønsker ikke at holde disse følsomme oplysninger inden for . Derfor skal vi oprette en API i vores tredjepartssystem, der kan tage imod HTTP-anmodninger. Og det er det, vi vil gøre som et eksempel.
Indholdsfortegnelse
Opsætning af en HTTP-anmodning i Power Automate
Jeg har i øjeblikket ikke en tredjeparts API. Så til dette særlige eksempel vil vi bruge et websted kaldet reqres.in . Det har et tredjeparts API-slutpunkt, som vi kan bruge til at teste, om vores flow fungerer eller ej. For eksempel har de en funktion kaldet LIST USERS , der indeholder en tilsvarende anmodning. Og hvis vi anmoder om det, er elementerne i kolonnen Svar alt, hvad vi kan få tilbage.
Så lad os prøve det ved hjælp af vores HTTP- forbindelse. Først skal vi klikke på linket til anmodningen .
Kopier derefter URL'en. Dette fungerer som API-endepunktet.
I vores flow-opsætning skal du klikke på HTTP- forbindelsen.
Klik derefter på HTTP- handlingen.
Klik på GET for metoden .
Indsæt derefter den URL, som vi tidligere har kopieret.
Vi kan også indtaste overskrifter, forespørgsler og cookies, hvis vi ønsker det. Det springer vi dog over indtil videre.
Viser indholdet af en HTTP-anmodning i Power Automate
Den næste ting, vi skal gøre, er at tage indholdet af vores anmodning og vise det et sted bare for at sikre, at det rent faktisk virker. Så lad os klikke på Nyt trin .
Søg og vælg Slack- stikket.
Klik på handlingen Send besked .
Lad os sende indholdet til den tilfældige kanal.
For meddelelsesteksten , lad os vælge brødteksten og se, hvad vi finder.
Lad os omdøbe vores flow til HTTP Eksempel.
Klik derefter på Gem .
For at opsummere, vil vores flow blive udløst af en knap. Det vil derefter sende en HTTP-anmodning, som returnerer en JSON-fil, der bliver sendt til vores Slack. Efter at have kørt dette flow, er her, hvad vi skal have i Slack.
Som du kan se, blev hele indholdet af JSON-filen lagt ud. Dette er, hvad vi typisk ser fra et svar på en HTTP-anmodning. Vi ønsker dog kun at vise fornavnene og ikke hele indholdet fra JSON-filen. Derfor skal vi tilføje et Parse JSON- trin mellem anmodningen og handlingen.
Parsing af JSON fra HTTP-anmodninger
Tilføj et nyt trin, og vælg Data Operation- forbindelsen.
Vælg derefter Parse JSON .
Flyt Parse JSON- trinnet mellem HTTP- anmodningen og Send beskedhandlingen .
Klik på knappen Generer fra eksempel .
Kopiér koderne fra anmodningslinket.
Indsæt det derefter i vinduet Indsæt et eksempel på JSON-nyttelast, og klik på Udført . Dette vil grundlæggende gøre al backend JSON-parsing for os.
Som vi bemærkede, skabte det automatisk skemaet, som vi nemt kan forstå.
For feltet Indhold skal vi indsætte, hvad vi vil parse. I dette eksempel ønsker vi at parse den Body , som vi får fra HTTP-anmodningen.
Og hvorfor er dette vigtigt? Nå, vi behøver ikke at sende hele beskeden længere. Nu har vi adgang til mere dynamisk indhold såsom e-mail, fornavn, efternavn, avatar, firma, URL og mange flere.
Parse JSON giver os mulighed for at tage ethvert JSON-output, vi får, parse det til forskelligt dynamisk indhold, som vi så kan bruge senere i vores efterfølgende flowtrin. Vi brugte denne handling, så vores flow ikke slækker hele JSON-indholdet og kun viser den relevante information, som vi faktisk har brug for.
Lad os nu, i stedet for Body , ændre dette til first_name .
Så vil vi se, at det ændrede vores handling til.
Dette skyldes, at vores flow modtager flere fornavne fra anmodningen.
Den bemærker flere fornavne, så den ved, at vi ønsker at gå gennem hvert element i dataarrayet i JSON-filen og returnere fornavnet.dirigerer flowet til at lave en Slack-meddelelse for hvert element i dataarrayet. Så for hver kunde vil deres fornavn blive sendt til den tilfældige kanal i vores Slack.
Lad os nu klikke på Gem og se, om det virker.
Klik på Test .
Vælg Jeg udfører udløserhandlingen, og klik på Test .
Klik på Kør flow .
Som vi kan se, viser den kun fornavnene nu.
Konklusion
Alt taget i betragtning er vi i stand til at oprette en HTTP-anmodning, der integrerer vores flow til en tredjepartsapplikation. Derfra analyserede vi JSON-indholdet ved hjælp af Data Operation- stikket i Power Automate. Det genererede automatisk et skema ved hjælp af en prøve JSON-nyttelast. Ved at parse JSON'en transformerede vi et typisk svar fra en HTTP-anmodning til en mere relevant og forståelig information.
Vi kan helt sikkert gøre tonsvis af forskellige ting med HTTP- anmodningen og Parse JSON-handlingerne. Forhåbentlig var du i stand til at forstå deres betydning, og hvordan de fungerer.
Alt det bedste,
Henrik
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Lær nogle fantastiske analytiske teknikker, som vi kan gøre til datamodellering i LuckyTemplates ved hjælp af DAX-understøttende tabeller.
Her dykker vi ned i LuckyTemplates Advanced DAX og implementerer rangeringslogik for at få en meget unik indsigt. Jeg viser også måleforgrening i dette eksempel.
Denne blog introducerer den nye funktion i LuckyTemplates, What-If-analyseparameteren. Du vil se, hvordan det gør alt hurtigt og nemt til din scenarieanalyse.
Lær, hvordan du afgør, om din omsætningsvækst er god ved at kontrollere, om dine avancer er udvidet ved hjælp af LuckyTemplates, der måler forgrening.
Lær og forstå, hvordan du kan oprette og bruge LuckyTemplates Parameters, som er en kraftfuld funktion i Query Editor.
Denne vejledning vil diskutere om oprettelse af et rundt søjlediagram ved hjælp af Charticulator. Du lærer, hvordan du designer dem til din LuckyTemplates-rapport.
Lær, hvordan du bruger PowerApps-funktioner og -formler til at forbedre funktionaliteten og ændre adfærd i vores Power Apps-lærredsapp.
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.