LinkedIn Learning - Power BI 커넥터

LinkedIn Learning Power BI 커넥터는 Power BI와 LinkedIn Learning API 간에 직접 연결을 설정하기 위해 설계 및 개발된 특수 데이터 커넥터입니다. 이 통합을 통해 사용자는 과정 완료, 시청 시간 및 활성 학습 일을 비롯한 필수 인사이트 및 참여 메트릭에 액세스할 수 있습니다.

이러한 인사이트는 개인, 그룹, 계정 또는 과정 및 비디오와 같은 콘텐츠 개체와 같은 다양한 엔터티를 기반으로 집계할 수 있습니다. 이러한 메트릭을 분석하는 조직은 학습 및 개발 이니셔티브의 효과와 성공을 효과적으로 측정할 수 있습니다.

요약

지원되는 기능

• Power BI 커넥터는 간단하고 실용적인 방식으로 학습자 참여 데이터 및 과정 정보를 쉽게 추출할 수 있습니다.

Advantages

• CSV 파일을 다운로드하거나 받을 필요가 없습니다.
• 1년보다 큰 데이터 기간을 쿼리하는 기능입니다.
• 코딩 솔루션이 학습자 및 자산 데이터를 위한 LinkedIn Learning API에 연결할 필요가 없습니다.

제한점

• 보고 API에서는 학습자 라이선스 상태에 액세스할 수 없습니다. 따라서 이 데이터는 Power BI 커넥터에서 사용할 수 없습니다.

필수 조건

이 자습서에 설명된 시나리오에서는 다음과 같은 필수 구성 요소가 이미 있다고 가정합니다.

• 마이크로소프트 윈도우 PC
• Microsoft Power BI Desktop: 여기에서 다운로드
• LinkedIn Learning 관리자 액세스

최신 버전의 Power BI를 사용하여 최신 버전의 LinkedIn Learning Connector에 액세스할 수 있도록 하는 것이 좋습니다.

LinkedIn Learning Power BI 커넥터를 구성하는 단계

다음 단계에서는 LinkedIn Learning Power BI 커넥터를 구성하는 프로세스를 간략하게 설명합니다.

Authentication

LinkedIn Learning에서 클라이언트 ID 및 클라이언트 암호를 가져오려면 다음 단계를 수행합니다.

1. LinkedIn Learning에 로그인합니다. 관리자 화면에 아직 없는 경우, 관리자로 이동을 선택한 다음, 나 > 통합을 선택합니다.

   

2. API를 통한 Access 콘텐츠 및 보고서 내에서 Power BI 커넥터에 대해 생성된 클라이언트 ID 및 비밀을 여기에서 찾을 수 있습니다.

3. 그런 다음, Power BI를 열고 파일을 선택한 다음 데이터 가져오기를 선택합니다.

4. 검색 상자에서 "LinkedIn Learning"을 찾습니다.

   

5. LinkedIn Learning 커넥터를 선택합니다.

   

6. 메시지가 표시되면 LinkedIn Learning 내에서 생성된 클라이언트 ID 및 클라이언트 암호를연결 자격 증명 섹션에 입력합니다. Start_date 및 end_date 날짜/시간 매개 변수는 선택 사항 이며 성공적인 연결에는 필요하지 않습니다.

   1. 인증 종류에 대한 기본 을 선택합니다.
   2. 사용자 이름 섹션에 클라이언트 ID를 입력합니다.
   3. 암호 섹션에 클라이언트 암호를 입력 합니다 .

성공적으로 연결되면 이제 Power BI에 로드할 수 있는 데이터 테이블이 표시됩니다.

데이터 테이블 개요

테이블에 데이터를 로드하려면 다음 단계를 수행합니다.

1. 데이터 가져오기에서 선택

2. LinkedIn Learning 데이터 커넥터를 선택하십시오

3. 그런 다음 로드하거나 만들 테이블을 선택합니다.

   

API 엔드포인트 설명서:

• LinkedIn Learning API 설명서는 여기에 있습니다.
• 계정 관련 인기 강좌 여기에 위치
• 여기에 위치한 계정 인기 사용자 지정 콘텐츠
• 여기에 있는 계정 총 활동 요약
• 여기에 있는 콘텐츠 요약
• 여기에 있는 학습자 활동 요약
• 여기에 있는 학습자 과정 활동 세부 정보
• 여기에 있는 학습자 사용자 지정 콘텐츠 활동 세부 정보
• 여기에 있는 학습자 세부 정보
• 여기에 있는 학습자 요약
• 여기에 있는 조직 요약

학습 자산을 제외한 모든 데이터 테이블은 학습자 활동 보고서를 나타냅니다. Learning Assets 테이블은 모든 언어를 포함한 전체 과정 카탈로그를 제공합니다.

학습 자산 API 엔드포인트에서 사용할 수 있는 여러 가능한 쿼리에도 불구하고 모든 자산은 전체 정보로 로드됩니다. 엔드포인트에 대한 자세한 내용은 API 설명서에서 확인할 수 있습니다. 여기 위치

데이터 새로 고침 옵션

Power BI에는 최신 up-to-date 정보를 사용할 수 있도록 데이터를 새로 고치는 두 가지 주요 옵션이 있습니다.

• 주문형 새로 고침: 사용자가 데이터를 업데이트해야 할 때마다 데이터 세트의 새로 고침을 수동으로 트리거할 수 있습니다. 주문형 새로 고침은 Power BI 서비스 인터페이스 또는 Power BI Desktop 애플리케이션을 통해 직접 수행할 수 있습니다. 주문형 새로 고침은 최신 데이터에 즉시 액세스해야 하거나 데이터 원본이 예약된 새로 고침을 지원하지 않는 경우에 유용합니다.

  

• 예약된 새로 고침: 이 옵션을 사용하면 Power BI 서비스에서 데이터 세트에 대한 새로 고침 일정을 설정할 수 있습니다. 매일, 매주 또는 하루에 여러 번과 같이 데이터를 새로 고칠 빈도를 정의할 수 있습니다.

  특정 시간 또는 간격으로 실행되도록 예약된 새로 고침을 구성하여 데이터가 항상 최신인지 확인할 수 있습니다.

  이 옵션은 데이터 원본이 예약된 새로 고침을 지원하는 정기적으로 업데이트되는 데이터 세트에 적합합니다.

  

게시된 데이터 세트의 데이터 새로 고침 기능

데이터 테이블을 업데이트하려면 새로 고침을 예약하거나 주문형 새로 고침을 수행할 수 있습니다.

1. 새로 고치려는 데이터 세트 이름을 선택합니다.

   

2. 새로 고침 옵션을 선택합니다.

   1. 지금 새로 고침
   2. 예약 새로 고침

   

증분 새로 고침(선택 사항)

증분 새로 고침은 업데이트 성능을 향상시키고 몇 가지 이점을 제공합니다. 이 새로 고침 방법은 데이터 보관, 증분 새로 고침 및 실시간 데이터(지원되는 경우)에 대한 데이터 창을 정의하여 작동합니다.

증분 새로 고침에 대한 추가 정보입니다. 여기 위치

• 증분 업데이트는 테이블별로 구성되며 Power BI Desktop에서 각 테이블의 쿼리를 편집해야 합니다.

증분 새로 고침 설정

증분 새로 고침을 설정하려면 다음 단계를 수행합니다.

1. "특정 테이블 이름"을 마우스 오른쪽 단추로 클릭합니다.

2. "쿼리 편집"을 선택합니다.

   

3. "매개 변수 관리"를 선택합니다.

   

4. RangeStart 및 RangeEnd에 대한 매개 변수를 설정합니다.

   1. "새로 만들기"를 선택합니다.
   2. 이름 섹션에서 datetime 매개 변수 이름(예: RangeEnd)을 입력합니다.
   3. "필수" 확인란이 선택되어 있는지 확인합니다.
   4. 다음과 같이 값을 입력합니다.

      1. 형식: 날짜/시간

      2. 제안된 값: 모든 값

      3. 현재 값: 현재 날짜

      4. 동일한 작업을 반복하여 RangeStart 매개 변수를 만들지만 현재 값 이 데이터를 쿼리해야 하는 날짜로 설정되어 있는지 확인합니다.

         

5. 매개 변수를 만든 후 쿼리 섹션의 맨 위로 이동합니다.

6. 그런 다음, 테이블 이름을 선택한 다음 적용된 단계 내에서 "원본"을 선택합니다.

   

7. 원본 함수에서 다음과 같이 매개 변수를 설정합니다. "= LinkedInLearning.Contents(RangeStart, RangeEnd)"

   

8. 모든 데이터 테이블에 대해 프로세스를 반복하여 각 테이블에 대해 적용된 단계 섹션 내의 모든 원본에 대해 동일한 매개 변수(RangeStart 및 RangeEnd)가 설정되도록 합니다.

9. 다음으로 , 날짜 범위 필터링을 구성합니다.

10. 각 테이블 또는 쿼리에서 적용된 단계 섹션 내의 탐색 을 선택합니다.

    

11. 날짜/시간 필터를 만듭니다.

    1. "주 열"의 드롭다운 화살표를 선택합니다.
    2. "날짜/시간 필터"를 선택합니다.
    3. "사용자 지정 필터"를 선택합니다.
    4. 다음과 같이 값을 입력합니다.

       1. 기본을 선택합니다.

       2. "이후 또는 같음"을 선택합니다.

       3. 매개 변수가 설정되어 있는지 확인하고 "RangeStart"를 선택합니다.

       4. And를 선택합니다.

       5. "이전"을 선택합니다.

       6. 매개 변수가 설정되어 있는지 확인하고 "RangeEnd"를 선택합니다.

          

12. 파워 쿼리 편집기를 저장하고 닫습니다. 이 프로세스는 테이블 수와 날짜 범위에 따라 시간이 걸릴 수 있습니다.

13. 다음 단계는 각 테이블에 대해 증분 새로 고침을 사용하도록 설정하는 것입니다.

    1. "특정 테이블 이름"을 마우스 오른쪽 단추로 클릭합니다.

    2. "증분 새로 고침"을 선택합니다.

    3. "이 테이블을 증분 새로 고침합니다"을 선택합니다.

    4. 기본 설정에 따라 구성합니다.

    5. "적용"을 선택합니다.

       

데이터 열/JSON

다음 열은 데이터 커넥터에서 사용되며 삭제하면 안 됩니다. 이렇게 하면 데이터 새로 고침 중에 오류가 발생할 수 있습니다.

• 에포크 주
• 주
• parameters
• 총_페이지_주간
• 페이지 인덱스
• param_w_start
• page_data.paging

또한 page_data.paging 열에는 API에서 반환된 페이징 정보가 포함됩니다.

쿼리를 편집하는 동안 "expand" 기호가 발견되면 열을 확장하여 더 많은 행을 표시할 수 있음을 나타냅니다.

열을 확장하면 쿼리 설정에 단계가 추가됩니다.

• 필요한 경우 열을 확장하여 행을 복제할 수 있습니다.
• 열을 확장하는 것은 학습자 세부 정보 보고서에서 학습 자산 및 사용자 지정 속성의 기술을 표시하는 데 중요합니다.

축하합니다! 이제 학습 관리자는 Microsoft Power BI 애플리케이션을 통해 주요 인사이트 및 참여 메트릭을 얻을 수 있습니다.

일반적인 문제 및 문제 해결 팁

데이터 새로 고침을 시도할 때 데이터 업데이트가 실패하는 경우:

1. 경고 기호를 선택하여 문제를 진단할 오류 메시지의 세부 정보를 확인합니다.

2. 오류 메시지의 세부 정보를 검토합니다. 이 메시지를 검토하면 데이터 새로 고침을 방지하는 문제를 식별하고 해결하는 데 도움이 됩니다.

자주 묻는 질문

자세한 내용은 LinkedIn Learning Reporting API FAQ를 검토하세요.

추가 리소스

• LinkedIn Learning API 설명서는 여기에 있습니다.
• Microsoft Power BI: 여기에 위치

고지 사항

LinkedIn Learning은 보고 인프라에 지속적으로 투자하고 있습니다. 나중에 데이터 쿼리 방법을 조정해야 할 수 있는 보고 API가 변경될 수 있습니다. 이러한 업데이트를 사용하려면 플랫폼에서 일부 업데이트를 수행해야 할 수 있습니다. 애플리케이션에서 필요한 변경을 수행할 충분한 시간이 있는지 확인하기 위해 잠재적인 변경에 앞서 자세한 지침을 제공하려고 합니다.