Bevezetés az Essbase részletezésbe

Ha a Smart View felhasználóknak több információra van szükségük, mint ami a kockában rendelkezésre áll, a részletező kimutatások testre szabott hozzáférést biztosíthatnak a külső forrásadatokhoz.

Általában az adattárházakban és más forrásadat-rendszerekben tárolt adatok részletessége miatt a külső adatok mennyisége túl nagy lehet ahhoz, hogy hasznos legyen az elemzéshez. Ahhoz, hogy egy Essbase kockát az elemzéshez szükséges optimális adatmennyiséggel töltsön fel, általános gyakorlat a forrásadatok összevonása (például a napi tranzakciós értékek heti vagy havi összegekké történő összesítése), és ezen összevont adatok betöltése az Essbase kockába.

Az adatok későbbi elemzése során az Essbase-ben, ha a Smart View felhasználók vizsgálatra érdemes rendellenességeket találnak, a részletezés lehetőséget biztosít számukra a mögöttes forrásadatok gyors megtekintésére az ok kereséséhez. Ha például az augusztusi adatok váratlanul eltérnek a júliusiaktól, a felhasználók a forrásrendszerben kereshetik meg, hogy melyik rekord(ok) lehet(nek) a felelős(ek).

Annak érdekében, hogy az analitikus Smart View felhasználók további információkat kapjanak arról, hogy mi alkotja a kocka egy vagy több adatértékét, az adatbázis-kezelők implementálhatják a részletező kimutatásokat, hogy mélyebb betekintést nyújtsanak a forrásadatokba, mielőtt azokat göngyölítenék és betöltenék az Essbase-be.

A részletező kimutatások az egyik módja az Essbase és a külső forrásrendszerek közötti adatcsere-interfész kialakításának.

Vegyünk egy SB_DT relációs táblát, amelyben az összes rekord ki van jelölve. Az SQL-lekérdezés:

SELECT * FROM SB_DT

A lekérdezés eredménye (az SQL Developerben) ebben az ábrában a hosszúság miatt csonkolva van, mivel a táblázat több ezer rekordot tartalmaz:


Táblázatos adatok megtekintése az SQL Developerben. Több ezer sor, amely a DIMENSION_PRODUCT oszlop a termék SKU-k értékeit, a DIMENSION_MARKET oszlop az amerikai államokat, a DIMENSION_YEAR oszlop a hónapokat, a DIMENSION_SCENARIO oszlop a tényleges vagy költségvetési értékeket tartalmazza, valamint a SALES, COGS, MARKETING és PAYROLL nevű számoszlopokat.

Vegyük ugyanazt a táblázatot kevesebb rekord kiválasztásával. Például ha az SQL-kiválasztás a megnevezett oszlopokra szűkül, az intézkedések összeadódnak, és egy szűrő (WHERE utasításrész) kerül alkalmazásra:

select DIMENSION_PRODUCT, DIMENSION_MARKET, YEAR_PARENT, DIMENSION_SCENARIO, sum(SALES) as SALES, sum(COGS) as COGS
         from SB_DT where DIMENSION_SCENARIO ='Actual' AND DIMENSION_MARKET ='California' AND YEAR_PARENT ='Qtr4' group by DIMENSION_PRODUCT, DIMENSION_MARKET,
        YEAR_PARENT, DIMENSION_SCENARIO

ekkor a lekérdezés eredménye összesítésre és szűrésre kerül:


Táblázatos adatok megtekintése az SQL Developerben. 12 sor, a DIMENSION_PRODUCT oszlop a termék SKU-k értékeit tartalmazza, a DIMENSION_MARKET oszlop Kaliforniát, a YEAR_PARENT oszlop a 4. negyedévet, a DIMENSION_SCENARIO oszlop a Ténylegeset, valamint a SALES és COGS nevű számoszlopokat.

Az Essbase-ben kihasználhatja az RDBMS-lekérdezések erejét az Adatforrások, az adatbetöltés és a részletező kimutatások segítségével. A részletező kimutatások szűrt hozzáférést biztosítanak egy külső adatforráshoz közvetlenül egy Essbase lekérdezésből egy Smart View munkalapon.

Részletezés terminológián keresztül

Ez a témakör a Essbase részletezéssel kapcsolatos kifejezések jelentését magyarázza el.

Részletezés (részletes)

A részletezés a külső adatok elérését jelenti egy vagy több Essbase cellametszetből egy Smart View munkalapon. A részletezés művelet további, az Essbase kockában nem szereplő információkat biztosít. A részletezés szükségessége akkor merül fel, amikor az Essbase összesített ("összevont") értékeket tartalmaz, és a külső forrásrendszer részletesebb adatokkal rendelkezik, amelyeket elérhetővé lehet tenni.

  • Ha a részletező lekérdezés történik, az eredmények egy új munkalapon jelennek meg - ez a részletező kimutatás A jelentés a külső forrásadatokból származó információkat tartalmazza.

  • Ha a részletezés elindít egy URL-címet, az egy webböngészőben nyílik meg. Az URL-hez paramétereket lehet átadni, hogy testre szabott keresést lehessen végrehajtani a weboldalon.

Részletező kimutatás

A részletező kimutatás egy Smart View rácsból végzett részletező művelet eredménye, amely az Essbase-n kívüli forrásrendszerből származó további adatokra irányul.

Részletező kimutatás definíciói

Ha Ön adatbázis-kezelő vagy magasabb szintű adatbáziskezelő, akkor a részletező kimutatásdefinícióval határozhatja meg, hogy a felhasználók milyen hozzáféréssel rendelkezzenek a külső információkhoz. A részletező kimutatás definíciókat az Essbase webes felületén vagy a REST API-n keresztül hozhatja létre. Ezek az Ön kockájához kapcsolódnak. A meghatározás részeként Ön megadhat:

  • egy oszlopleképezést. Ez határozza meg, hogy mely külső oszlopokat szeretné megjeleníteni a jelentésekben, és hogy milyen hierarchikus (generációs) mélységű hozzáférést szeretne biztosítani (például napi, havi vagy negyedéves információkat szeretne megjeleníteni a külső forrásból).

  • egy részletezhető régiót. Ez határozza meg, hogy a kocka mely cellák metszetei kínálnak hozzáférést a további külső adatokat tartalmazó jelentésekhez (vagy egy URL-címhez). A következő példákban a Smart View munkalap nézőpontjának részletezhető régiói a cellastílusok használata révén kék színnel vannak kódolva. A részletezhető régiókat a Essbase-ben elérhető Tagcsoporti funkciók bármelyikével megadhatja. A következő példákban a részletezhető régió a @DESCENDANTS("Measures") a Sample Basic-en.

  • Futásidejű paraméterek leképezése, ha a mögöttes adatforrás-lekérdezésben paraméteres lekérdezés van implementálva (opcionális).

A jelentésdefiníciók általában az Essbase-ben előre meghatározott kapcsolatokra és adatforrásokra támaszkodnak (kivéve, ha az Essbase-be feltöltött fájlhoz való hozzáférést határozza meg). A kapcsolat tárolja a külső forrás hitelesítési adatait. A kapcsolaton keresztül meghatározott egy vagy több adatforrás lehetővé teszi egy kezdeti lekérdezés megadása a külső forrásból történő lekérdezéshez (például az összes adat kiválasztása egy adott táblázatból). Az adatforrásban megadott lekérdezés az adatok olyan nagy vagy kis részhalmazát hívhatja le, amilyen nagy vagy kis részhalmazzal csak szeretné kezdeni. Később, amikor létrehozza vagy szerkeszti a részletező kimutatásdefiníciót, leszűkítheti, hogy mennyi adathozzáférést kell biztosítania.

A részletező kimutatások tervezésének munkafolyamata

Adatbázis-kezelőként használja a következő munkafolyamatot a kocka részletezésének megtervezéséhez és teszteléséhez.

  1. Adathozzáférés előkészítése

    1. Töltsön fel adatfájlt VAGY
    2. szerezzen be engedélyezési információt a külső forrásrendszerhez való hozzáféréshez
    3. Határozzon meg egy kapcsolatot és egy vagy több Adatforrást az adatfájlhoz, vagy a külső forráshoz. Lásd: Globális kapcsolat és adatforrás létrehozása vagy Alkalmazásszintű kapcsolat és adatforrás létrehozása.

  2. Hozzon létre egy részletező kimutatás definíciói elemet a kockán

    1. definiálja az oszlop leképezést
    2. definiálja a részletezhető régiót
    3. futásidejű paraméterek leképezése, ha használják

  3. Részletező kimutatások tesztelése

    1. Smart View előkészítése

      • telepítse a legújabb verziót
      • csatlakozzon a kockához
      • engedélyezze a cellastílusokat a részletezhető régiók megjelenítéséhez

    2. Részletező kimutatás a Smart View alkalmazás különböző metszeteiből

      • részletező kimutatás egyetlen metszetből
      • részletező kimutatás több metszetből
      • részletező kimutatás különböző generációkból

    3. Ellenőrizze a részletező kimutatás kimeneteit és a platformnaplót

Ez a munkafolyamat és a bevezetés többi része azt hangsúlyozza, hogy mit kell tudnia az RDBMS-ben lévő külső forrásadatokhoz való hozzáférés megtervezéséhez és teszteléséhez. Ha jobban érdekli a részletező URL megvalósítása, lásd: Részletezés URL-re.

Az részletezés tervezésének és használatának eltérő hozzáférési követelményeinek megértéséhez lásd: Hozzáférés részletező kimutatásokhoz.

Részletezés folyamata

Ebben a példában tegyük fel, hogy az Essbase Sample Basic kocka az idődimenzió legalacsonyabb szintjei az 1. negyedév -4. negyedév


Év hierarchia Az év a dimenzió neve, a 0. szint leszármazottja 1. negyedév, 2. negyedév, 3. negyedév és 4. negyedév,

A vázlat hierarchiájában nincsenek hónapok, de a külső forrásrendszerben rendelkezésre állnak a havi adatok a DIMENSION_YEAR nevű táblázat oszlopában:


DIMENSION_YEAR oszlop következő hónap értékekkel: Augusztus, Szeptember, Október stb.

Amikor egy Smart View felhasználó az 1. negyedévre vonatkozó Értékesítési érték cellájának metszéspontján végez részletezést:


Smart View rács a felhasználó által kiválasztott 1998-as cellaértékkel a (z 1. negyedév, Értékesítés, New York, Aktuális, Cola) metszéspontjában.

Az Essbase által generált részletező kimutatás a következő:


Részletező kimutatás a forrásrendszerből, amely csak azokat a rekordokat adja vissza, amelyekben YEAR_PARENT=Qtr1, és amelyekben a SALES összege 1998.

A részletező kimutatás további információkat mutat a forrásadatbázisból az 1. negyedév értékesítéséről. Vegyük észre, hogy a január, február és március értékek összeadódnak az 1. negyedév értékéhez: 678+645+675=1998.

Az Essbase belsőleg a következő lekérdezést használja a részletező kimutatás elkészítéséhez:

SELECT
        "DIMENSION_PRODUCT", "DIMENSION_MARKET", "DIMENSION_YEAR", "DIMENSION_SCENARIO",
        "SALES", "COGS", "YEAR_PARENT"  FROM <Query defined in Datasource> WHERE
        "YEAR_PARENT" = 'Qtr1' AND "DIMENSION_PRODUCT" = '100-10' AND "DIMENSION_MARKET" =
        'New York' AND "DIMENSION_SCENARIO" = 'Actual'

A platformnaplóból a rendszergazdák hozzáférhetnek az egyes részletező kimutatások mögött álló pontos lekérdezésekhez.

Részletező kimutatás definíciója

Ha Ön adatbázis-kezelő vagy magasabb szintű adatbáziskezelő, akkor a részletező kimutatásdefinícióval határozhatja meg, hogy a felhasználók milyen hozzáféréssel rendelkezzenek a külső információkhoz.

Megjegyzés:

Ne nevezze át a részletező kimutatás definícióit. Ha átnevezi a részletes kimutatás definícióit, nem lesznek szerkeszthetők, és előfordulhat, hogy nem a várt módon fognak működni.

A Részletezés folyamata alatt generált részletező kimutatás engedélyezéséhez az adatbázis-kezelő létrehozott egy részletező kimutatás definíciót, amely a Sample Basic elemhez kapcsolódik. A részletező kimutatása egy előre definiált adatforrásra hivatkozik, amely egy lekérdezést használ külső adatok lehívására az SB_DT-ből (a Bevezetés az Essbase részletezésbe alatt említett hipotetikus forrásrendszer táblából).

A részletező kimutatás definíciójában az adatbázis-kezelő a következő oszlop-leképezést adta meg:

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
DIMENSION_PRODUCT Y termék Termék SKU [Generation]
DIMENSION_MARKET Y Piac Állapot [Generation]
DIMENSION_YEAR Y Év Nincs
DIMENSION_SCENARIO Y Scenario 0.szint [Level]
SALES Y Nincs --
COGS Y Nincs --
YEAR_PARENT Y Év Negyedév [Generation]

Az oszlopleképezés meghatározza, hogy mely külső forrásoszlopok szerepeljenek a kimutatásban, mely Essbase dimenziókhoz kapcsolódnak ezek az oszlopok, és (opcionálisan) egy generációs/szint szűrőfeltétel, amely jelzi, hogy milyen mélységű hozzáférést kell biztosítani.

A fent látható leképezési sablonban az adatbázis-kezelő:

  • A külső DIMENSION_PRODUCT oszlop hozzárendelése az Essbase Termék dimenzió Termék SKU nevű generációjához. Az oszlopok ilyen típusú leképezését generációs leképezésnek nevezzük.

  • A külső DIMENSION_MARKET oszlopot hozzárendelte az Essbase Piac dimenzió Állam nevű generációjához (ez egy másik példa a generációs hozzárendelésre).

  • A külső DIMENSION_YEAR oszlopot az Év dimenzióhoz rendelte hozzá, további szűrés nélkül. Az ilyen típusú oszlopleképezést dimenzióleképezésnek nevezzük.

  • A külső DIMENSION_SCENARIO oszlopot az Essbase Forgatókönyv dimenzió legalacsonyabb (0.) szintjéhez rendelte. Az ilyen típusú oszlopleképezést 0. szintű leképezésnek nevezzük.

  • Nem rendelte hozzá a SALES és a COGS oszlopokat semmihez, de úgy választotta ki, hogy ezek az oszlopok szerepeljenek a kimutatásban. Általában nem szükséges az oszlopokat az Essbase számlák dimenzióhoz rendelni.

  • A külső YEAR_PARENT oszlopot hozzárendelte az Év dimenzió Negyedév nevű generációjához.

Oszlopleképezési opciók

Mivel az Essbase által az adatforrásból történő adatlehíváshoz generált lekérdezés nagymértékben függ az Ön által definiált oszlopleképezéstől, hasznos megérteni az oszlopok leképezésének különböző módjait és azt, hogy az egyes módszerek milyen esetekben hasznosak. Az oszlopleképezések típusai:

  • Dimenzió leképezése

  • Generációleképezés

  • 0. szintű leképezés

Dimenzió leképezése

A Dimenzió leképezéssel egy forrásadat oszlopot közvetlenül az Essbase kocka dimenziójának nevéhez rendelhet. Ez a fajta leképezés akkor a leghasznosabb, ha a forrásadatok oszlopa tartalmazza a kocka megfelelő dimenziójában reprezentált összes adatréteget.

Például ha a forrásadatok MONTH oszlopában ugyanazok a generációk/szintek keveréke található, mint a dimenzióban, az ábrán látható módon:


Egy csonkított relációs oszlop, a MONTH, és egy csonkított Év hierarchia egymás melletti nézete a Sample Basic-ből. A MONTH oszlop rekordokat tartalmaz: Január, 3.negyedév, Február,1. negyedév, Év, Augusztus stb. Az Év hierarchia tartalmazza az 1. negyedévet a következő alárendeltekkel: január, február, március, a 2. negyedévet az alábbi alárendeltekkel: április, május, június stb.

akkor van értelme a MONTH oszlopot az Essbase Év dimenzióhoz rendelni, további szűrés nélkül:

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
MONTH Y Év Nincs

Ha a fenti módon a MONTH-hoz egy dimenzió leképezést használ, a szűrőfeltétel (az SQL-lekérdezés WHERE utasításrésze) nem előre meghatározott a MONTH oszlopra:

SELECT "MONTH"
FROM <Query defined in Datasource>
WHERE "MONTH" = '<Grid context>'

és a MONTH esetében a részletezés eredménye az aktuális Smart View cellák metszéspontját adja vissza.

Tudjon meg többet a dimenzió-leképezés működéséről itt: Példa részletezés használati esetre.

Generációleképezés

A generációs leképezéssel egy forrásadat-oszlopot egy Essbase dimenzió egy megnevezett létrehozásához rendelheti hozzá. Ez a fajta leképezés akkor hasznos, ha a forrásadat oszlop csak a kocka dimenziójának egy adott generációjában megjelenített adatréteget tartalmazza. Például ha a forrásadatok MONTH oszlopa csak hónapokat tartalmaz, és az Év dimenzióban a hónapok a 3. generációban vannak:


Egy csonkított relációs oszlop, a MONTH, és egy csonkított Év hierarchia egymás melletti nézete a Sample Basic-ből. A MONTH oszlop csak hónapokat tartalmaz rekordként: január, február, február, március, március, április, május, stb. Az Év hierarchia tartalmazza az 1. negyedévet a következő alárendeltekkel: január, február, március, a 2. negyedévet az alábbi alárendeltekkel: április, május, június stb.

akkor a legjobb választás a forrás oszlopot az Év dimenzió 3. generációjához (Hónapok) rendelni:

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
MONTH Y Év Hónapok [Generation]

Ha a fenti módon a MONTH generációs leképezést használ, akkor a lekérdezés szűrőfeltétele előre meghatározott lesz a MONTH oszlopra:

SELECT "MONTH"
FROM <Query defined in Datasource>
WHERE "MONTH" = '<Generation filter>'

és a MONTH esetében a részletezés eredménye az Év dimenzió Hónapok generációjáig ad vissza értékeket. A Hónapoknál alacsonyabb szintek esetében nem ad vissza adatokat (ha vannak ilyenek).

A generációleképezés nem ideális a következőhöz: aszimmetrikus (szaggatott) hierarchiák. A generációs leképezésnek nincs hatása a részletező lekérdezésre egy szaggatott hierarchiával rendelkező dimenzióban, kivéve, ha a részletezés egy olyan tagon történik, amely közvetlen leszármazási sorban van azzal a generációval, ahol az oszlopleképezést definiálták. A váratlan eredmények elkerülése érdekében az Oracle az aszimmetrikus hierarchiák részletezéséhez a generációs leképezés helyett a 0. szintű leképezést ajánlja.

Tudjon meg többet a generációs leképezés működéséről itt: Példa részletezés használati esetre.

0. szintű leképezés

A 0. szintű leképezéssel az Essbase hozzáadja a szűrőfeltételhez a cellák metszéspontja alatti hierarchia összes levélszintű tagját (bármelyik tag is van kiválasztva az aktuális Smart View rácskörnyezetben futtatáskor).

A 0. szintű leképezés hasznos a következő használatakor: aszimmetrikus (szaggatott) hierarchiák. A szaggatott hierarchiában az azonos szintű (L) tagok nem mind ugyanabban a generációs (G) mélységben helyezkednek el a vázlatban.


A szaggatott hierarchia tagfájának illusztrációja. A mértékek, a legfelső tag az 1. generációs, és egyben 2. és 3. szintű. A mértékek, a profit, a készlet és az arányok leszármozattai a 2. generáció, valamint az 1. és 2. szint Az a-tól h-ig terjedő tagok a profit, a készlet és az arány leszármazottai, és a 3. generációhoz, valamint a 0. és 1. szinthez tartoznak. Az aa, ab, ba, bb és bc tagok a és b alárendeltjei, és a 4. generáció 0. szintű tagjai.

A szaggatott hierarchia gyakori példája a munkavállalói szervezeti struktúra.

Az Essbase kocka vázlatának termék dimenziója a Sample Basic esetében egy szaggatott hierarchia lenne, ha a 100-10 (Cola) alá néhány alterméket adnánk hozzá:


Egy csonka termékhierarchia nézete a módosított Sample Basicből. Tartalmazza a 100-as terméket 100-10, 100-20, 100-30 stb. alárendelttel. A 100-10 kibővül, hogy megjelenítse a hozzáadott alárendelt tagokat: 100-10-10, 100-10-20, 100-10-30 és 100-10-40.

Ha az adatbázis-kezelő a PRODUCT forrásoszlopot a Termék dimenzió 0. szintjéhez rendeli hozzá, az ábrán látható módon:

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
PRODUCT Y termék 0.szint [Level]

akkor a lekérdezés szűrőfeltétele a PRODUCT oszlopra lesz előre definiálva:

SELECT "PRODUCT"
FROM <Query defined in Datasource>
WHERE  "PRODUCT" = <Level0> below <Grid context>

és a PRODUCT esetében a részletezés eredménye visszaadja az összes 0. szintű tagot az aktuális Smart View cella metszéspontjában kiválasztott Termék tag alatt.

Tudjon meg többet arról, hogyan működik a 0. szintű leképezés itt: Példa részletezés használati esetre.

Példa részletezés használati esetre

Ebben a példahasználati esetben a következő tényezőket vizsgáljuk meg, amelyeket figyelembe kell vennie, amikor a Smart View felhasználók számára a jelentéshez való hozzáférést tervezi:

  • Egy Essbase kocka az elemzéshez

  • Külső forrásrendszer a részletezéshez

  • Az adatbázis-kezelő által meghatározott oszlop-leképezéssel rendelkező részletező kimutatás definíciója

  • Részletező kimutatás a Smart View alkalmazásból

Essbase kocka

Ebben a példában az alap egy, az Essbase Sample Basic demókockához hasonló kocka, de csak negyedéves szintű adatokkal a kockában lévő idődimenzióhoz (a hónapok eltávolítva). Tegyük fel, hogy az Év dimenzió legalacsonyabb (0. szintű) tagjai az 1.negyedév-4.negyedév dimenziók:


Év hierarchia Az év a dimenzió neve, a 0. szint leszármazottja 1. negyedév, 2. negyedév, 3. negyedév és 4. negyedév,

Bár a hónapok hiányoznak a vázlat hierarchiájából, a havi adatok külsőleg elérhetők a forrásrendszerbe (feltételezzük, hogy ez az Oracle adatbázis) történő részletezés révén, és a DIMENSION_YEAR nevű oszlopból származó információk elérésével:


DIMENSION_YEAR oszlop következő hónap értékekkel: Augusztus, Szeptember, Október stb.

A fennmaradó méretekről feltételezzük, hogy ugyanazok, mint a Sample Basic az Essbase demókocka, amely a Fájlok katalógus galéria szakaszából érhető el. Ezek gyors áttekintése a rendelésben található:

A Mérőszámok dimenzió az Essbase számítási képletekkel végzett dinamikus számítások segítségével követi nyomon a számlák fő teljesítménymutatóit.


Mérőszámok dimenzió a 2. generációs Profit, Készlet és Arányok tagokkal A Profit kibontható a Haszonkulcs és az Összes költség alárendelt tagok megjelenítéséhez. A Haszonkulcs kibontható az Értékesítés és a COGS alárendelt tagok megjelenítéséhez. A Készlet és az Arányok tagok nem bonthatók ki, de mindegyiknek vannak további alárendelt tagjai.

A Termék dimenzió két generációval lejjebb haladva követi az aktív készletet, a 2. nevű kategória (100 [Cola alias által kitöltött], 200, 300, 400 és Diet) és a 3. generációs/ 0. szintű termék SKU nevű (100-10 [Cola alias], 100-20 stb. által kitöltött) kategória létrehozásához.


Termékméret a 2. generációs tagokkal 100, 200, 300, 400 és Diet. A 100-as termékkategória tag kibontható a termék SKU-k 0. szintű alárendelt tagjainak megjelenítésével: 100-10, 100-20 és 100-30. A többi termékkategória-tag, a 200, 300, 400 és a Diet nem bontható ki, de mindegyiknek vannak további alárendelt tagjai.

A Piac dimenzió a dimenzió neve alatt két további generációval biztosítja a földrajzi elkülönítést. A 2. generáció a régió (Kelet, Nyugat stb.), a 3. generáció pedig az Állam.


Piaci dimenzió 2. generációs tagokkal: Kelet, Nyugat, Dél és Közép. A Keleti piaci régió tagja kibővül, hogy néhány keleti amerikai állam 0. szintű alárendelt tagjait is megjelenítse: New York, Massachusetts, Florida, Connecticut és New Hampshire. A többi termékkategória-tag, a Nyugat, a Dél és a Közép, nem bővül, de mindegyiknek vannak további alárendelt tagjai.

A Forgatókönyv dimenzió két tárolt és két dinamikus számítási tag révén egészíti ki a kockát pénzügyi jelentéselemzéssel:


Forgatókönyv-dimenzió 2. generációs tagokkal: Tényleges, Tervezett, Eltérés és Eltérés %. Az utóbbi két tag dinamikus számítás, míg a Tényleges és a Költségvetés tárolt.

Külső forrásrendszer

Ebben a példában feltételezzük, hogy a forrásrendszer az Oracle Database. Az Essbase előre definiált adatforrása tartalmaz egy SQL-lekérdezést, amely az Oracle adatbázis egyik táblájából nyeri az információkat.

Adatbázis-kezelőként az a feladatunk, hogy megtervezzünk egy olyan részletező kimutatásdefiníciót, amely ezen az adatforráson alapul, és amely a Smart View felhasználóinak megfelelő hozzáférést biztosít a forrásrendszer adataihoz az adatforráson keresztül.

A lekérdezés az adatforrásban lehet egyszerű,

SELECT * FROM TABLENAME

vagy úgy is finomítható, hogy a külső adatok bármely összevonását vagy választékát alapul vegye.

Az Oracle adatbázisban lévő hipotetikus táblánk kiválasztása olyan külső oszlopokat tartalmaz, mint amilyeneket a bevezetés ábrázol. E külső oszlopok közül néhányat a Essbase dimenziókhoz fogunk rendelni, amikor megtervezzük a részletező kimutatásdefiníciót.

Oszlopleképezés definíciója

Ebben a példában az oszlopok leképezése a termékek dimenzióleképezését, az év és a forgatókönyv generációs leképezését, valamint a piac 0. szintű leképezését használja.

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
DIMENSION_PRODUCT Y termék Nincs
DIMENSION_MARKET Y Piac 0.szint [Level]
YEAR_PARENT Y Év Negyedév [Generation]
DIMENSION_SCENARIO Y Scenario Forg.könyv [Generation]
SALES Y Nincs --
COGS Y Nincs --
MARKETING Y Nincs --
PAYROLL Y Nincs --
MISC Y Nincs --

Részletező kimutatási példák az oszlopok hozzárendelési típusa szerint

A következő részletező kimutatási példák szemléltetik a lekérdezés eredményeit minden olyan oszlop-hozzárendelési típushoz, amelyet az adatbázis-kezelő a részletező kimutatás definíciójának részeként ad meg.

Dimenzióleképezés, 1. példa

A dimenzió leképezés használata Termékhez hierarchikus szűrő nélkül:

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
DIMENSION_PRODUCT Y termék Nincs

a cellák metszéspontjából végzett részletezés nem kötődik egy adott generációhoz vagy szinthez.

Ezért a (Év, Értékesítés, Nyugat, Tényleges, Cola) részletezés:


Smart View rács a 14862-es cella értékének felhasználói kiválasztásával a (Év, Értékesítés, Nyugat, Tényleges, Cola) metszéspontjában

visszaad egy részletező kimutatást a Termék aktuális rácskörnyezetére szűrve, amely történetesen a 100-10 (100-10 a Cola alias névhez tartozó termék SKU). A forrásrendszer DIMENSION_PRODUCT oszlopából származó összes érték olyan rekord lesz, ahol DIMENSION_PRODUCT = 100-10.


Olyan részletező kimutatás, amely csak a 100-10-as termék SKU-ra vonatkozó rekordokat tartalmazza, és összesen 14862 SALES értéket mutat.

A részletező kimutatások tesztelése közbeni érvényesítéséhez ellenőrizze, hogy a jelentésben szereplő intézkedés összege megegyezik-e azzal a cella metszési specifikációval, amelyen a részletező kimutatást végezték. A fenti példában a részletező kimutatás érvényesített, mivel a részletezett cella megegyezik a részletező kimutatásban szereplő leképezett oszlop összegének értékével (14862).

Az Essbase lekérdezése a fenti részletező kimutatás elkészítéséhez a következő:

SELECT "DIMENSION_PRODUCT", "DIMENSION_MARKET", "YEAR_PARENT", "DIMENSION_SCENARIO", "SALES", "COGS", "MARKETING", "PAYROLL", "MISC"
FROM <Query defined in Datasource>
WHERE (
"YEAR_PARENT" = 'Qtr3' OR
"YEAR_PARENT" = 'Qtr4' OR
"YEAR_PARENT" = 'Qtr1' OR
"YEAR_PARENT" = 'Qtr2') 
AND 
"DIMENSION_PRODUCT" = '100-10'
AND (
"DIMENSION_MARKET" = 'Oregon' OR
"DIMENSION_MARKET" = 'California' OR
"DIMENSION_MARKET" = 'Washington' OR
"DIMENSION_MARKET" = 'Utah' OR
"DIMENSION_MARKET" = 'Nevada')
AND 
"DIMENSION_SCENARIO" = 'Actual'

Dimenzióleképezés, 2. példa

Folytatva az előző példát, vizsgáljuk meg, mi történik, ha magasabb szinten végzünk részletezést a Terméken.

Részletezés innen (Év, Értékesítés, Nyugat, Tényleges Cola):


Smart View rács felhasználói kiválasztással a 28306-os cella értékén az (Év, Értékesítés, Nyugat, Tényleges, Cola) metszetében lévő cellán

olyan részletező elemzést ad vissza a Termék aktuális rácskörnyezetére szűrve, amely most történetesen 100 (a 100 a Colas alias névhez tartozó Termék kategória). A forrásrendszerben a DIMENSION_PRODUCT oszlopból származó összes érték olyan rekord lesz, ahol DIMENSION_PRODUCT = 100.


Olyan részletező kimutatás, amely csak a 100-as termékkategória SKU-ra vonatkozó rekordokat tartalmazza, és összesen 14862 SALES értéket mutat.

A részletező kimutatás érvényesítve van, mivel a részletezett cella megegyezik a részletező kimutatásban szereplő leképezett oszlop összegének értékével (23806).

Az Essbase lekérdezése a fenti részletező kimutatás elkészítéséhez a következő:

SELECT "DIMENSION_PRODUCT", "DIMENSION_MARKET", "YEAR_PARENT", "DIMENSION_SCENARIO", "SALES", "COGS", "MARKETING", "PAYROLL", "MISC"
FROM <Query defined in Datasource>
WHERE (
"YEAR_PARENT" = 'Qtr3' OR
"YEAR_PARENT" = 'Qtr4' OR
"YEAR_PARENT" = 'Qtr1' OR
"YEAR_PARENT" = 'Qtr2') 
AND 
"DIMENSION_PRODUCT" = '100'
AND (
"DIMENSION_MARKET" = 'Oregon' OR
"DIMENSION_MARKET" = 'California' OR
"DIMENSION_MARKET" = 'Washington' OR
"DIMENSION_MARKET" = 'Utah' OR
"DIMENSION_MARKET" = 'Nevada')
AND 
"DIMENSION_SCENARIO" = 'Actual'

Generációleképezés, 1. példa

A generációs leképezés használata az Évhez a Negyedév nevű generációra vonatkozó szűrővel:

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
YEAR_PARENT Y Év Negyedév [Generation]

a cellák metszéspontjából végzett részletezés az Év megadott generációjához lesz kötve.

Részletezés innen (2. negyedév, Értékesítés, Piac, Tényleges, Cola):


Smart View rács a 16048-as cella értékének felhasználói kiválasztásával a (2. negyedév, Értékesítés, Piac, Tényleges, Cola) metszetében lévő cella értékénél

az Év leképezett generálási kontextusa alapján szűrt jelentést ad vissza, amely a Negyedév. Mivel a 2. negyedév a kiválasztott rácskörnyezetben van, a forrásrendszer YEAR_PARENT oszlopából származó összes érték olyan rekord lesz, ahol YEAR_PARENT = Qtr2.


Olyan részletező kimutatás, amely csak a második negyedévre vonatkozó rekordokat tartalmazza, és összesen 16048 SALES értéket mutat.

A részletező kimutatás érvényesítve van, mivel a részletezett cella megegyezik a részletező kimutatásban szereplő leképezett oszlop összegének értékével (16048).

Az Essbase lekérdezése a fenti részletező kimutatás elkészítéséhez a következő:

SELECT "DIMENSION_PRODUCT", "DIMENSION_MARKET", "YEAR_PARENT", "DIMENSION_SCENARIO", "SALES", "COGS", "MARKETING", "PAYROLL", "MISC"
FROM <Query defined in Datasource>
WHERE 
"YEAR_PARENT" = 'Qtr2'
AND
"DIMENSION_PRODUCT" = '100-10'
AND (
"DIMENSION_MARKET" = 'Oregon' OR 
"DIMENSION_MARKET" = 'New York' OR 
"DIMENSION_MARKET" = 'Oklahoma' OR 
"DIMENSION_MARKET" = 'California' OR 
"DIMENSION_MARKET" = 'Florida' OR 
"DIMENSION_MARKET" = 'Washington' OR 
"DIMENSION_MARKET" = 'Utah' OR 
"DIMENSION_MARKET" = 'Iowa' OR 
"DIMENSION_MARKET" = 'New Mexico' OR 
"DIMENSION_MARKET" = 'Massachusetts' OR 
"DIMENSION_MARKET" = 'Texas' OR 
"DIMENSION_MARKET" = 'Illinois' OR 
"DIMENSION_MARKET" = 'Colorado' OR 
"DIMENSION_MARKET" = 'Connecticut' OR 
"DIMENSION_MARKET" = 'New Hampshire' OR 
"DIMENSION_MARKET" = 'Missouri' OR 
"DIMENSION_MARKET" = 'Louisiana' OR 
"DIMENSION_MARKET" = 'Ohio' OR 
"DIMENSION_MARKET" = 'Wisconsin' OR 
"DIMENSION_MARKET" = 'Nevada')
AND
"DIMENSION_SCENARIO" = 'Actual'

Generációleképezés, 2. példa

Folytatva az előző példát, vizsgáljuk meg, mi történik, ha magasabb szinten végzünk részletezést az Év dimenzión.

Részletezés innen (Év, Értékesítés, Piac, Tényleges, Cola):


Smart View rács a 62824-as cella értékének felhasználói kiválasztásával az (Év, Értékesítés, Piac, Tényleges, Cola) metszetében lévő cella értékénél

az Év leképezett negyedévek generációja alapján szűrt jelentést ad vissza. A forrásrendszer YEAR_PARENT oszlopából származó értékek a következők lesznek: 1. negyedév, 2. negyedév, 3. negyedév és 4. negyedév.


Olyan részletező kimutatás, amely minden negyedévre vonatkozó rekordokat tartalmazza, és összesen 62824 SALES értéket mutat.

A részletező kimutatás érvényesítve van, mivel a részletezett cella megegyezik a részletező kimutatásban szereplő leképezett oszlop összegének értékével (62824).

Az Essbase lekérdezése a fenti részletező kimutatás elkészítéséhez a következő:

SELECT "DIMENSION_PRODUCT", "DIMENSION_MARKET", "YEAR_PARENT", "DIMENSION_SCENARIO", "SALES", "COGS", "MARKETING", "PAYROLL", "MISC"
FROM <Query defined in Datasource>
WHERE (
"YEAR_PARENT" = 'Qtr3' OR 
"YEAR_PARENT" = 'Qtr4' OR 
"YEAR_PARENT" = 'Qtr1' OR 
"YEAR_PARENT" = 'Qtr2')
AND
"DIMENSION_PRODUCT" = '100-10'
AND (
"DIMENSION_MARKET" = 'Oregon' OR 
"DIMENSION_MARKET" = 'New York' OR 
"DIMENSION_MARKET" = 'Oklahoma' OR 
"DIMENSION_MARKET" = 'California' OR 
"DIMENSION_MARKET" = 'Florida' OR 
"DIMENSION_MARKET" = 'Washington' OR 
"DIMENSION_MARKET" = 'Utah' OR 
"DIMENSION_MARKET" = 'Iowa' OR 
"DIMENSION_MARKET" = 'New Mexico' OR 
"DIMENSION_MARKET" = 'Massachusetts' OR 
"DIMENSION_MARKET" = 'Texas' OR 
"DIMENSION_MARKET" = 'Illinois' OR 
"DIMENSION_MARKET" = 'Colorado' OR 
"DIMENSION_MARKET" = 'Connecticut' OR 
"DIMENSION_MARKET" = 'New Hampshire' OR 
"DIMENSION_MARKET" = 'Missouri' OR 
"DIMENSION_MARKET" = 'Louisiana' OR 
"DIMENSION_MARKET" = 'Ohio' OR 
"DIMENSION_MARKET" = 'Wisconsin' OR 
"DIMENSION_MARKET" = 'Nevada')
AND
"DIMENSION_SCENARIO" = 'Actual'

Példa egy 0. szintű leképezésre

A 0. szintű leképezés használata a Piac dimenzió esetében az összes 0. szintű (level) tagra vonatkozó szűrővel:

Külső oszlop Szerepeltetés kimutatásban Essbase dimenzió Gen/Lev szűrő
DIMENSION_MARKET Y Piac 0.szint [Level]

A cellák metszetéből végzett részletezés az összes legalacsonyabb tagot visszaadja a Market számára.

Részletezés innen (Év, Értékesítés, Piac, Tényleges, Cola):


Smart View rács a 62824-as cella értékének felhasználói kiválasztásával az (Év, Értékesítés, Piac, Tényleges, Cola) metszetében lévő cella értékénél

egy részletező kimutatás ad vissza, amely tartalmazza a Piac dimenzió legalsó szintű tagjait, amelyek ebben az esetben az államok. A forrásrendszerben a DIMENSION_MARKET oszlopból származó összes érték olyan rekord lesz, amely tartalmazza az Állam dimenziót.


Olyan részletező kimutatás, amely a Piac minden tagjára (Állam) vonatkozó rekordokat tartalmazza, és összesen 62824 SALES értéket mutat.

A részletező kimutatás érvényesítve van, mivel a részletezett cella megegyezik a részletező kimutatásban szereplő leképezett oszlop összegének értékével (62824).

Az Essbase lekérdezése a fenti részletező kimutatás elkészítéséhez a következő:

SELECT "DIMENSION_PRODUCT", "DIMENSION_MARKET", "YEAR_PARENT", "DIMENSION_SCENARIO", "SALES", "COGS", "MARKETING", "PAYROLL", "MISC"
FROM <Query defined in Datasource>
WHERE (
"YEAR_PARENT" = 'Qtr3' OR 
"YEAR_PARENT" = 'Qtr4' OR 
"YEAR_PARENT" = 'Qtr1' OR 
"YEAR_PARENT" = 'Qtr2')
AND
"DIMENSION_PRODUCT" = '100-10'
AND (
"DIMENSION_MARKET" = 'Oregon' OR 
"DIMENSION_MARKET" = 'New York' OR 
"DIMENSION_MARKET" = 'Oklahoma' OR 
"DIMENSION_MARKET" = 'California' OR 
"DIMENSION_MARKET" = 'Florida' OR 
"DIMENSION_MARKET" = 'Washington' OR 
"DIMENSION_MARKET" = 'Utah' OR 
"DIMENSION_MARKET" = 'Iowa' OR 
"DIMENSION_MARKET" = 'New Mexico' OR 
"DIMENSION_MARKET" = 'Massachusetts' OR 
"DIMENSION_MARKET" = 'Texas' OR 
"DIMENSION_MARKET" = 'Illinois' OR 
"DIMENSION_MARKET" = 'Colorado' OR 
"DIMENSION_MARKET" = 'Connecticut' OR 
"DIMENSION_MARKET" = 'New Hampshire' OR 
"DIMENSION_MARKET" = 'Missouri' OR 
"DIMENSION_MARKET" = 'Louisiana' OR 
"DIMENSION_MARKET" = 'Ohio' OR 
"DIMENSION_MARKET" = 'Wisconsin' OR 
"DIMENSION_MARKET" = 'Nevada')
AND
"DIMENSION_SCENARIO" = 'Actual'