Nach dem Lesen unseres Artikels Was ist OLAP? es ist an der Zeit, einige Beispiele für die Verwendung der OLAP-Ebene in einigen realen OLAP-Datenbanken/Datenspeichern zu untersuchen, um unser Verständnis der Leistungsfähigkeit von Online Analytical Cubes und ihren Vorteilen zu festigen.
Historisch gesehen wurden sie intensiv genutzt in Geschäftsinformationen Kontexten, kann aber auch sehr nützlich sein in Integrierte Analytik erfordert komplexe analytische Lösungen.
Wir werden das aus 3 verschiedenen Blickwinkeln angehen
- Abfragen
- Dashboards
- Externe Tools mögen Excel und SEEK-Tabelle unter Verwendung von XMLA
Abfragen
Die Abfragen basieren auf klar definierten Geschäftssemantik innerhalb des OLAP-Modells durch seine semantische Modellierungsschicht definiert.
Wir werden für unsere Beispiele den De-facto-Standard in der OLAP-Welt verwenden, der heißt MDX. MDX ist sehr ähnlich — manche würden sagen, viel zu ähnlich — SQL. Schauen wir uns unsere erste Anfrage direkt von unserer eigenen aus an Sanfte Einführung in MDX.
WÄHLEN
([Geografie]. [Geo]. [Land] .members) AUF 0,
([Zeit]. [Jahr] .members) AM 1
VON
[Vertrieb]
Was heißt das?
Es bedeutet, alle Kennzahlen aus einem Würfel mit dem Namen „Umsatz“ abzurufen (was hier implizit die Standardkennzahl „Anzahl der Lizenzen“ ist) und auf zwei Achsen namens 0 und 1 organisiert werden, wobei zuerst die Länder einer Hierarchie namens Geografie und die andere die Jahre einer Hierarchie namens Zeit aufgeführt werden. Diese als Dimensionen bezeichneten Hierarchien verleihen einem OLAP-Würfel den multidimensionalen Aspekt.
Wir können auch - wie in SQL - den Platz der Abfrage mit einer WHERE-Klausel reduzieren, die angibt, nur einen Unterwürfel zu verwenden.
WÄHLEN
([Geografie]. [Geo]. [Land] .members) AUF 0,
([Zeit]. [Jahr] .members) AM 1
VON
[Vertrieb]
WO
[Zeit]. [Kalender]. [Jahr]. [2010]
Für weitere Beispiele verweisen wir Sie auf die oben erwähnte sanfte Einführung, um tiefer in die OLAP-Konzepte einzusteigen.
Wie bei SQL ist der Abfrage-Generator ein gutes Tool, um komplexere Abfragen zu erstellen.
Darüber hinaus unterliegen diese Abfragen, wie in der SQL-Welt, Sicherheitsbeschränkungen auf Datenebene gemäß den internen Richtlinien des Unternehmens, das das System verwendet.
Natürlich können innerhalb der Abfrage viele verschiedene Berechnungen und andere Funktionen verwendet werden, um die Daten anzureichern oder zu transformieren. Operationen an den Dimensionen wie Crossjoin oder UniqueName. Mathematische Funktionen für die Mitglieder wie AddN, Avg und Count und im Fall von MDX+ in icCube komplexe analytische Ausdrücke wie MultiLinearRegression.
Dashboarding/Berichterstattung
Alle Reporting- und Dashboard-Projekte sowie Integrierte Analytik In einer, in der die Funktionen des Hostsystems und die Berichte und Dashboards mit einigen zugehörigen Aktionen kombiniert werden, geht es darum, einen Teil der Daten auszuwählen, Berechnungen und Aggregationen für diese Daten durchzuführen und sie in Einzelteile zu schneiden, um die Ursachen der spezifischen Ergebnisse zu untersuchen, die zu sehen sind.
Die Vorteile von OLAP liegen auf der Hand, wenn man die typische Reise durch die Daten eines Endbenutzers abgleicht. Beispielsweise besteht ein Hauptbuch einer Bank aus Konten, aber dann ist es ganz natürlich, dass diese nach Geschäftsbereichen, Produktlinien, Abteilungen und vielen anderen Dimensionen aggregiert angezeigt werden sollen. Wenn wir uns dann die KPIs auf dieser Ebene ansehen, müssen wir einen Blick zurück auf die Kontoebene werfen, um zu verstehen, wie sich die Dinge entwickeln.
Beispiele aus unserer Live-Demo-Umgebung
Allgemeine Beispiele für Dashboards und Berichte, die die Funktionen von OLAP verwenden, finden Sie auf unserer Live-Demo-Umgebung.
Dashboards
Sie können das Dashboard bearbeiten und beispielsweise sehen, wie die zweite KPI-Box aufgebaut ist.
Hier ist die Abfrage:
WITH
MEMBER [Measures].[#Customers 2018] AS ([Time].[Time].[Year].[2018],[Measures].[#Customers] )
MEMBER [Measures].[#Customers 2019] AS ([Time].[Time].[Year].[2019],[Measures].[#Customers] )
MEMBER [Measures].[Hist] AS Vector( [Time].[Time].[Year].members, [Measures].[#Customers] )
SELECT
{[#Customers 2019], [#Customers 2018], [Measures].[Hist]} ON 0
FROM [Sales]
Wir wählen die Kennzahl Kunden aus 2018 und 2018 aus als zwei neue Mitglieder zusammen mit einer monatlichen Ansicht über dieselben und das KPI-Karten-Widget verwendet diese dann, um die Werte anzuzeigen.
Pivot-Tabellen
KPI-Karten
Externe Tools
Excel
Excel integriert in seine Pivot-Table-Funktionalität die Verbindung über XMLA zu multidimensionalen /OLAP-Datenquellen.
SeekTable
SeekTable ist ein Self-Service-BI-Tool für Ad-hoc-Datenanalysen, betriebliche und eingebettete Berichte mit Live-Tabellen und Diagrammen, das verschiedene Datenquellen unterstützt, darunter OLAP-Datenbanken/Datenquellen, die XMLA wie ICCube unterstützen.
Anwendungsfälle aus der Praxis/Lösungen/Funktionen
In unserem Kundenstamm können wir verschiedene Anwendungsfälle von OLAP/Multidimensionalen Prinzipien sehen. Alle sind unterschiedlich, haben aber das gleiche Bedürfnis, Daten auf mehreren Hierarchien zusammenzufassen und die Daten nach bestimmten Kriterien zu segmentieren KPIs und andere Berichte und Dashboards und detailliertere Daten auf niedrigerer Ebene, um Probleme und mögliche Handlungsmöglichkeiten zu untersuchen.
Eine Auswahl von icCube-Kunden und ihren Anwendungsfällen
- Handelsanalyse in Echtzeit
- Projektmanagement und Umsatzkontrolle
- Integration mit interner Software und Echtzeit-Dashboards
- Personalanalytik für den Flughafen Eindhoven
- Fortgeschrittene Analytik der Finanzmärkte
- Wettervorhersage für Flugrouten
Abschluss
Dies ist eine sehr kurze Einführung in die Leistungsfähigkeit von OLAP. Wir empfehlen Ihnen, gespannt auf weitere Beiträge zu diesem Thema und umfassender über Analytik und deren Integrationen zu sein. Wenn Sie Ihre Entdeckungsreise fortsetzen möchten, werfen Sie einen Blick auf unsere Demo-Umgebung.