Introduktion till genomborrning i Essbase

När Smart View-användare behöver mer information än vad som är tillgängligt i kuben kan genomborrningsrapporter ge anpassad åtkomst till externa källdata.

Med tanke på den detaljerade granulariteten av data som lagras i datalager och andra källdatasystem kan volymen för externa data ofta vara för stor för att vara användbar i analyser. En vanlig metod för att fylla på en Essbase-kub med de optimala mängder data för analys är att slå samman källdata (till exempel slå samman dagliga transaktionsvärden till veckovisa eller månatliga totaler) och ladda dessa sammanslagna data till Essbase-kuben.

Om Smart View-användare anser att det är värt att undersöka avvikelser under efterföljande analyser av data i Essbase ger genomborrning dem ett sätt att snabbt visa underliggande källdata för att söka efter orsaken. Om till exempel data för augusti är oväntat annorlunda jämfört med juli kan användare genomborra till källsystemet för att se vilka poster som kan vara orsaken.

Om databasansvariga vill ge analytiska Smart View-användare ytterligare information om vad ett eller flera datavärden utgörs av i kuben, kan de implementera genomborrningsrapporter för att ge djupare insikt i källdata innan de summeras och laddas till Essbase.

Genomborrningsrapporter är ett sätt att skapa ett gränssnitt för datautbyte mellan Essbase och externa källsystem.

Tänk dig en relationstabell, SB_DT, med alla poster valda. SQL-frågan är:

SELECT * FROM SB_DT

Frågeresultatet (i SQL-utvecklare) har kapats av längdskäl i den här figuren eftersom tabellen innehåller tusentals poster:

Vy över tabelldata i SQL-utvecklare. Tusentals rader där kolumnen DIMENSION_PRODUCT innehåller värden för produktlagerenheter, kolumnen DIMENSION_MARKET innehåller amerikanska delstater, kolumnen DIMENSION_YEAR innehåller månader, kolumnen DIMENSION_SCENARIO innehåller Actual eller Budget och SALES, COGS, MARKETING och PAYROLL är sifferkolumner.

Tänk dig samma tabell med färre valda poster. Om till exempel SQL-valet begränsas till namngivna kolumner, mått slås samman och ett filter (satsen WHERE) tillämpas

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

slås frågeresultatet samman och filtreras:

Vy över tabelldata i SQL-utvecklare. Tolv rader med kolumnen DIMENSION_PRODUCT som innehåller värden för produktlagerenheter, kolumnen DIMENSION_MARKET som innehåller California, kolumnen YEAR_PARENT som innehåller Qtr4, kolumnen DIMENSION_SCENARIO som innehåller Actual och sifferkolumnerna SALES och COGS.

Du kan utnyttja kraften hos RDBMS-frågor i Essbase med hjälp av datakällor, dataladdning och genomborrningsrapporter. Genomborrningsrapporter ger filtrerad åtkomst till en extern datakälla direkt från en Essbase-fråga i ett Smart View-arbetsblad.

Genomborrningsterminologi

I det här ämnet förklaras betydelsen av termerna relaterade till Essbase-genomborrning.

Genomborra (verb)

Att genomborra är att få åtkomst till externa data från ett eller flera Essbase-cellsnitt i ett Smart View-arbetsblad. Genomborrningen ger ytterligare information som saknas i Essbase-kuben. Du kan behöva genomborra när Essbase innehåller sammanslagna (”summerade”) värden och det externa källsystemet har mer detaljerade data som kan göras tillgängliga.

Om en fråga utförs vid genomborrning visas resultaten i ett nytt arbetsblad som öppnas – det här är genomborrningsrapporten. Rapporten innehåller information som hämtas från de externa källdata.
Om en URL startas vid genomborrning öppnas den i en webbläsare. Parametrar kan överföras till URL:en för att utföra en anpassad sökning på webbplatsen.

Genomborrningsrapport

En genomborrningsrapport är resultatet av en genomborrning, utförd från ett Smart View-rutnät, till ytterligare data från ett annat källsystem än Essbase.

Definition av genomborrningsrapport

Om du är databasansvarig eller högre är en definition av genomborrningsrapporter sättet att definiera dina användares åtkomst till extern information. Du kan skapa definitioner av genomborrningsrapporter i Essbase-webbgränssnittet eller REST-API. De är associerade med din kub. I definitionen anger du bland annat:

En kolumnmappning. Den anger vilka externa kolumner du vill visa i rapporterna och hur mycket hierarkiskt (generationsvist) åtkomstdjup du vill ge (vill du till exempel visa daglig, månatlig eller kvartalsvis information från den externa källan?)
En borrningsbar region. Den anger vilka cellsnitt i din kub som erbjuder åtkomst till genomborrningsrapporter (eller en URL) som innehåller externa data. I följande exempel är de borrningsbara regionerna i synvinkeln i Smart View-arbetsbladet färgkodade i blått med cellstilar. Du anger borrningsbara regioner med medlemsuppsättningsfunktionerna som finns i Essbase. I följande exempel är de borrningsbara regionerna @DESCENDANTS("Measures") på Sample Basic.
En mappning för exekveringsparametrar, om en parametriserad fråga implementeras i den underliggande datakällfrågan (valfritt).

Definitioner av genomborrningsrapporter utgår ofta från fördefinierade anslutningar och datakällor i Essbase (såvida du inte definierar åtkomst till en fil som laddats till Essbase). En anslutning lagrar autentiseringsdetaljerna till den externa källan. En eller flera datakällor som du definierar via anslutningen gör att du kan ange en initial fråga om att hämta från den externa källan (till exempel välja alla från en viss tabell). Frågan som du anger i datakällan kan hämta så stora eller små delmängder av data du vill börja med. Sedan begränsar du hur mycket dataåtkomst du vill ge när du skapar eller redigerar definitionen av genomborrningsrapporter.

Arbetsflöde för utformning av genomborrningsrapporter

Som databasansvarig använder du följande arbetsflöde för att utforma och testa genomborrning för din kub.

Förbered dataåtkomst
1. Ladda upp en datafil eller
2. Hämta den behörighetsinformation som behövs för att få åtkomst till ett externt källsystem
3. Definiera en anslutning och en eller fler datakällor för datafilen eller den externa källan. Läs Skapa en global anslutning och en datakälla eller Skapa en anslutning och en datakälla på applikationsnivå.
Skapa definitioner av genomborrningsrapporter på kuben
1. definiera kolumnmappningen
2. definiera den borrningsbara regionen
3. mappa exekveringsparametrar om sådana används
Testa genomborrningsrapporterna
1. Förbered Smart View
  - installera den senaste versionen
  - anslut till kuben
  - aktivera cellformat för att visa borrningsbara regioner
2. Genomborra från olika cellsnitt i Smart View
  - genomborra från ett snitt
  - genomborra från flera snitt
  - genomborra från celler i olika generationer
3. Kontrollera utdata från genomborrningsrapporten och plattformsloggen

Det här arbetsflödet, och resten av den här introduktionen, betonar det du behöver veta för att utforma och testa genomborrningsåtkomst till externa källdata i en RDBMS. Om du är mer intresserad av implementering av genomborrning till URL finns mer information i Genomborra till en URL.

Mer information för att förstå de olika åtkomstkraven för utformning och användning av genomborrning finns i Åtkomst till genomborrningsrapporter.

Så fungerar genomborrning

Anta i det här exemplet att Sample Basic-kuben i Essbase har Qtr1-Qtr4 som lägsta nivåer för tidsdimensionen.

Year-hierarki. Year är namnet på dimensionen, med underordnade Qtr1, Qtr2, Qtr3 och Qtr4 på nivå 0.

Det finns inga månader i dispositionshierarkin, men månadsdata är tillgängliga i det externa källsystemet i tabellkolumnen DIMENSION_YEAR:

Kolumnen DIMENSION_YEAR med månadsvärdena: Aug, Sep, Oct osv.

När en Smart View-användare borrar igenom ett cellsnitt för ett Sales-värde för Qtr1:

Smart View-rutnät med användarval på cellvärdet 1998 vid snittet för (Qtr1, Sales, New York, Actual, Cola)

Genomborrningsrapporten som Essbase genererar är

Genomborrningsrapport från källsystemet som endast returnerar poster där YEAR_PARENT = Qtr1, och visar ett totalt värde på 1998 för SALES

Genomborrningsrapporten visar ytterligare information från källdatabasen om Sales för Qtr1. Lägg märke till att värdena Jan, Feb och Mar motsvarar värdet för Qtr1: 678 + 645 + 675 = 1998.

Frågan som Essbase använder internt för att skapa genomborrningsrapporten ovan är:

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'

Administratörer kan få åtkomst till de exakta frågorna bakom varje genomborrningsrapport från plattformsloggen.

Definition av genomborrningsrapport

Om du är databasansvarig eller högre är en definition av genomborrningsrapporter sättet att definiera dina användares åtkomst till extern information.

Obs!:

Ändra inte namn på definitioner av genomborrningsrapporter. Definitioner av genomborrningsrapporter som inte namnändrats kanske inte kan redigeras och kanske inte fungerar som förväntat.

För att aktivera genomborrningsrapporten som genererades i Så fungerar genomborrning skapade den databasansvariga en definition av genomborrningsrapporten associerad med Sample Basic. Genomborrningsrapporten refererar till en fördefinierad datakälla som använder en fråga för att hämta externa data från SB_DT (den hypotetiska källsystemtabellen som nämns i Introduktion till genomborrning i Essbase).

Den databasansvariga angav följande kolumnmappning i definitionen av genomborrningsrapporten:

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
DIMENSION_PRODUCT	Ja	Product	Product SKU [Generation]
DIMENSION_MARKET	Ja	Market	State [Generation]
DIMENSION_YEAR	Ja	Year	Ingen
DIMENSION_SCENARIO	Ja	Scenario	Level0 [Level]
SALES	Ja	Ingen	--
COGS	Ja	Ingen	--
YEAR_PARENT	Ja	Year	Quarter [Generation]

Kolumnmappningen definierar vilka kolumner från externa källor som ska inkluderas i rapporten, vilka Essbase-dimensioner de kolumnerna mappas till och (valfritt) ett filtervillkor för generation/nivå som anger hur djupt åtkomsten ska nå.

I mappningsmallen ovan gjorde den databasansvariga följande:

Mappade den externa kolumnen DIMENSION_PRODUCT till generationen Product SKU i Essbase-dimensionen Product. Den här typen av kolumnmappning kallas generationsmappning.
Mappade den externa kolumnen DIMENSION_MARKET till generationen State i Essbase-dimensionen Market (det här är ytterligare ett exempel på generationsmappning).
Mappade den externa kolumnen DIMENSION_YEAR till dimensionen Year utan ytterligare filter. Den här typen av kolumnmappning kallas dimensionsmappning.
Mappade den externa kolumnen DIMENSION_SCENARIO till den lägsta nivån (nivå 0) i Essbase-dimensionen Scenario. Den här typen av kolumnmappning kallas nivå 0-mappning.
Mappade inte kolumnerna SALES och COGS till någonting utan valde att inkludera dessa kolumner i rapporten. Det är vanligtvis inte nödvändigt att mappa kolumner till Essbase-kontodimensionen.
Mappade den externa kolumnen YEAR_PARENT till generationen Quarter i dimensionen Year.

Alternativ för kolumnmappning

Eftersom frågan som Essbase genererar för att hämta data från din datakälla är mycket beroende av din definierade kolumnmappning är det till stor hjälp att förstå de olika sättet att mappa kolumner på och i vilka fall varje metod är användbar. Olika typer av kolumnmappning:

Dimensionsmappning
Generationsmappning
Nivå 0-mappning

Dimensionsmappning

Med dimensionsmappning mappar du en källdatakolumn direkt till ett dimensionsnamn i Essbase-kuben. Den här typen av mappning är mest användbar när källdatakolumnen innehåller alla skikt av data som representeras i den motsvarande dimensionen i din kub.

Om till exempel källdatakolumnen MONTH innehåller en blandning av samma generationer/nivåer som dimensionen har, enligt bild,

Sida vid sida-vy av en kapad relationskolumn, MONTH, bredvid en kapad Year-hierarki från Sample Basic. Kolumnen MONTH innehåller posterna: Jan, Qtr3, Feb, Qtr1, Year, Aug osv. Hierarkin Year innehåller Qtr1 med underordnade Jan, Feb, Mar, Qtr2 med underordnade Apr, May, Jun osv.

då är det logiskt att mappa kolumnen MONTH till Essbase-dimensionen Year utan ytterligare filter:

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
MONTH	Ja	Year	Ingen

När du använder en dimensionsmappning för MONTH som visas ovan, är filtervillkoret (satsen WHERE i SQL-frågan) inte fördefinierad för kolumnen MONTH:

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

och resultatet från genomborrningen för MONTH returnerar det aktuella Smart View-cellsnittet.

Mer information om hur dimensionsmappning fungerar finns i Exempel på användningsfall med genomborrning.

Generationsmappning

Med generationsmappning mappar du en källdatakolumn till en namngiven generation i en Essbase-dimension. Den här typen av mappning är användbar när källdatakolumnen endast innehåller det dataskikt som representeras i en specifik generation för en dimension i kuben. Om till exempel källdatakolumnen MONTH endast innehåller månader och dimensionen Year har månader i generation 3,

Sida vid sida-vy av en kapad relationskolumn, MONTH, bredvid en kapad Year-hierarki från Sample Basic. Kolumnen MONTH innehåller endast månader som poster: Jan, Feb, Feb, Mar, Mar, Apr, May osv. Hierarkin Year innehåller Qtr1 med underordnade Jan, Feb, Mar, Qtr2 med underordnade Apr, May, Jun osv.

då är det bästa alternativet att mappa källkolumnen till generation 3 (Months) i dimensionen Year:

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
MONTH	Ja	Year	Months [Generation]

När du använder en generationsmappning för MONTH som visas ovan, är frågefiltervillkoret fördefinierat för kolumnen MONTH:

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

och resultatet från genomborrningen för MONTH returnerar värden ner till generationen Months i dimensionen Year. Inga data (om de finns) returneras för lägre nivåer än Months.

Generationsmappning passar inte asymmetriska (oregelbundna) hierarkier. En generationsmappning har ingen effekt på genomborrningsfrågan i en dimension med en oregelbunden hierarki, såvida inte genomborrningen utförs på en medlem i ett direkt nedstigande led till generationen där kolumnmappningen är definierad. För att undvika oväntade resultat rekommenderar Oracle att du använder nivå 0-mappning istället för generationsmappning för genomborrning i asymmetriska hierarkier.

Mer information om hur generationsmappning fungerar finns i Exempel på användningsfall med genomborrning.

Nivå 0-mappning

Med nivå 0-mappning lägger Essbase till alla medlemmar på lövnivå från hierarkin under cellsnittet i filtervillkoret (den medlem som välj i den aktuella Smart View-rutnätskontexten vid exekvering).

Nivå 0-mappning är användbart när du arbetar med asymmetriska (oregelbundna) hierarkier. I en oregelbunden hierarki delar inte alla medlemmar på samma nivå (L) samma generationsdjup (G) i dispositionen.

Figur av medlemmar i ett oregelbundet hierarkiträd. Measures, medlemmen längst upp, är generation 1 och både nivå 2 och nivå 3. Underordnade till Measures, Profit, Inventory och Ratios, är generation 2 och nivå 1 och 2. Medlemmarna a till h är underordnade Profit, Inventory och Ratios och är generation 3 och nivå 0 och 1. Medlemmarna aa, ab, ba, bb och bc är underordnade a och b och tillhör generation 4, nivå 0.

Ett vanligt exempel på en oregelbunden hierarki är en organisationsstruktur med anställda.

Dimensionen Product i Essbase-kubdispositionen för Sample Basic skulle vara en oregelbunden hierarki om några underordnade produkter lades till under 100-10 (Cola):

Vy över en kapad Product-hierarki från modifierade Sample Basic. Innehåller produkten 100 med underordnade 100-10, 100-20, 100-30 osv. 100-10 är expanderad för att visa de tillagda underordnade medlemmarna 100-10-10, 100-10-20, 100-10-30 och 100-10-40.

Om den databasansvariga mappar källkolumnen PRODUCT till nivå 0 i dimensionen Product som visas nedan:

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
PRODUCT	Ja	Product	Level0 [Level]

då är frågefiltervillkoret fördefinierat för kolumnen PRODUCT:

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

och resultatet från genomborrningen för PRODUCT returnerar alla nivå 0-medlemmar under medlemmen Product som har valts i det aktuella Smart View-cellsnittet.

Mer information om hur nivå 0-mappning fungerar finns i Exempel på användningsfall med genomborrning.

Exempel på användningsfall med genomborrning

I det här exemplet på användningsfall granskar vi följande faktorer som du behöver beakta när du utformar åtkomsten till genomborrningsrapporter för Smart View-användare:

En Essbase-kub för analys
Ett externt källsystem för genomborrning
En definition av genomborrningsrapport där kolumnmappningen har definierats av den databasansvariga
Resultat från genomborrningsrapport från Smart View

Essbase-kub

I det här exemplet är grunden en kub som liknar Essbase-demokuben, Sample Basic, men endast med data på kvartalsnivå för tidsdimensionen som finns i kuben (månader togs bort). Anta att dimensionen Year har Qtr1-Qtr4 som lägsta (nivå 0) medlemmar:

Trots att månader saknas i den här dispositionshierarkin är månadsdata tillgängliga externt genom att genomborra till källsystemet (till exempel Oracle Database) och visa informationen i kolumnen DIMENSION_YEAR:

Anta att de återstående dimensionerna är samma som i Essbase-demokuben Sample Basic som är tillgänglig i galleriavsnittet i filkatalogen. En snabb granskning av dessa är på sin plats:

Dimensionen Measures bevakar viktiga nyckeltal för konton med hjälp av dynamiska beräkningar med Essbase-beräkningsformler.

Dimensionen Measures med medlemmarna Profit, Inventory och Ratios i generation 2. Profit är expanderad och visar de underordnade medlemmarna Margin och Total Expenses. Margin är expanderad och visar de underordnade medlemmarna Sales och COGS. Inventory och Ratios är inte expanderade, men var och en har ytterligare underordnade medlemmar.

Dimensionen Product bevakar det aktiva lagret i ett djup på två generationer, till generation 2 med namnet Category (ifylld med 100 [alias Colas], 200, 300, 400 och Diet) och generation 3/nivå 0 med namnet Product SKU (ifylld med 100-10 [alias Cola], 100-20 osv.).

Dimensionen Product med medlemmarna 100, 200, 300, 400 och Diet i generation 2. Medlemmen 100 i produktkategorin är expanderad och visar underordnade medlemmar till produktlagerenheter på nivå 0: 100-10, 100-20 och 100-30. Andra medlemmar i produktkategorin, 200, 300, 400 och Diet, är inte expanderade, men var och en har ytterligare underordnade medlemmar.

Dimensionen Market ger geografisk avgränsning med ytterligare två generationer under dimensionsnamnet. Generation 2 är Region (East, West osv.) och generation 3 är State.

Dimensionen Market med medlemmarna East, West, South och Central i generation 2. Regionmedlemmen East i Market är expanderad och visar underordnade medlemmar till några östbelägna amerikanska delstater på nivå 0: New York, Massachusetts, Florida, Connecticut och New Hampshire. Andra medlemmar i produktkategorin, West, South och Central, är inte expanderade, men var och en har ytterligare underordnade medlemmar.

Dimensionen Scenario lägger till analyser för ekonomisk rapportering i kuben med sina två lagrade medlemmar och två medlemmar för dynamisk beräkning:

Dimensionen Scenario med medlemmarna Actual, Budget, Variance och Variance % i generation 2. De två senare medlemmarna är dynamiska beräkningar medan Actual och Budget är lagrade.

Externt källsystem

Anta att källsystemet är Oracle Database i det här exemplet. Den fördefinierade datakällan i Essbase inkluderar en SQL-fråga som hämtar information från en tabell i Oracle Database.

Vår uppgift som den databasansvariga är att utforma en definition av genomborrningsrapporter, baserad på den här datakällan, som ger Smart View-användare rätt åtkomst till källsystemdata som hämtas via datakällan.

Frågan i datakällan kan vara så enkel som

SELECT * FROM TABLENAME

eller så kan den finjusteras till att hämta en aggregering eller ett urval av de externa data som du vill använda som grund.

Valet i vår hypotetiska tabell i Oracle Database inkluderar externa kolumner som de som visas i vår introduktion. Vi mappar några av dessa externa kolumner till Essbase-dimensioner när vi utformar definitionen av genomborrningsrapporter.

Definition av kolumnmappning

Kolumnmappningen i det här exemplet använder dimensionsmappning för Year och Scenario och nivå 0-mappning för Market.

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
DIMENSION_PRODUCT	Ja	Product	Ingen
DIMENSION_MARKET	Ja	Market	Level0 [Level]
YEAR_PARENT	Ja	Year	Quarter [Generation]
DIMENSION_SCENARIO	Ja	Scenario	Scen [Generation]
SALES	Ja	Ingen	--
COGS	Ja	Ingen	--
MARKETING	Ja	Ingen	--
PAYROLL	Ja	Ingen	--
MISC	Ja	Ingen	--

Exempel på genomborrningsrapporter per kolumnmappningstyp

Följande exempel på genomborrningsrapporter visar frågeresultaten för varje kolumnmappningstyp som den databasansvariga anger som en del av definitionen av genomborrningsrapporten.

Exempel 1 på dimensionsmappning

Om du använder dimensionsmappning för Product utan ett hierarkiskt filter,

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
DIMENSION_PRODUCT	Ja	Product	Ingen

blir genomborrningen som utförs från ett cellsnitt obunden till en viss generation eller nivå.

En genomborrning från (Year, Sales, West, Actual, Cola):

Smart View-rutnät med användarval på cellvärdet 14862 vid snittet för (Year, Sales, West, Actual, Cola)

returnerar därför en genomborrningsrapport filtrerad per den aktuella rutnätskontexten för Product, vilket är 100-10 (100-10 är produktlagerenheten associerad med aliaset Cola). Alla värden som hämtas från kolumnen DIMENSION_PRODUCT i källsystemet är poster där DIMENSION_PRODUCT = 100-10.

Genomborrningsrapport med poster som endast är specifika för produktlagerenhet 100-10 och som visar ett totalt värde på 14862 för SALES

Om du vill validera genomborrningsrapporter samtidigt som du testar dem kontrollerar du att summan för måttet matchar cellsnittet där genomborrningen utfördes. I exemplet ovan är genomborrningsrapporten validerad eftersom cellen som genomborrades matchar värdet (14862) av summan för den mappade kolumnen i genomborrningsrapporten.

Frågan som Essbase använder för att skapa ovan genomborrningsrapport är:

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'

Exempel 2 på dimensionsmappning

Som en fortsättning på förra exemplet utforskar vi vad som händer vid genomborrning i Product på en högre nivå.

Genomborrning från (Year, Sales, West, Actual, Colas):

Smart View-rutnät med användarval på cellvärdet 28306 vid snittet för (Year, Sales, West, Actual, Colas)

returnerar en genomborrningsrapport filtrerad per den aktuella rutnätskontexten för Product, vilket nu är 100 (100 är produktkategorin associerad med aliaset Colas). Alla värden som hämtas från kolumnen DIMENSION_PRODUCT i källsystemet är poster där DIMENSION_PRODUCT = 100.

Genomborrningsrapport med poster som endast är specifika för produktkategori 100 och som visar ett totalt värde på 23806 för SALES

Genomborrningsrapporten är validerad eftersom cellen som genomborrades matchar värdet (23806) av summan för den mappade kolumnen i genomborrningsrapporten.

Frågan som Essbase använder för att skapa ovan genomborrningsrapport är:

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'

Exempel 1 på generationsmappning

Om du använder generationsmappning för Year med ett filter på generationen Quarter,

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
YEAR_PARENT	Ja	Year	Quarter [Generation]

blir genomborrningen som utförs från ett cellsnitt bunden till den angivna generationen i Year.

Genomborrning från (Qtr2, Sales, Market, Actual, Cola):

Smart View-rutnät med användarval på cellvärdet 16048 vid snittet för (Qtr2, Sales, Market, Actual, Cola)

returnerar en genomborrningsrapport filtrerad per den mappade generationskontexten för Year, som är Quarter. Eftersom Qtr2 finns med i den valda rutnätskontexten är alla värden som hämtas från kolumnen YEAR_PARENT i källsystemet poster där YEAR_PARENT = Qtr2.

Genomborrningsrapport med poster som endast är specifika för Qtr2 och som visar ett totalt värde på 16048 för SALES

Genomborrningsrapporten är validerad eftersom cellen som genomborrades matchar värdet (16048) av summan för den mappade kolumnen i genomborrningsrapporten.

Frågan som Essbase använder för att skapa ovan genomborrningsrapport är:

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'

Exempel 2 på generationsmappning

Som en fortsättning på förra exemplet utforskar vi vad som händer vid genomborrning i Year på en högre nivå.

Genomborrning från (Year, Sales, Market, Actual, Cola):

Smart View-rutnät med användarval på cellvärdet 62824 vid snittet för (Year, Sales, Market, Actual, Cola)

returnerar en genomborrningsrapport filtrerad per den mappade generationen Quarter i Year. Värden som hämtas från kolumnen YEAR_PARENT i källsystemet blir Qtr1, Qtr2, Qtr3 och Qtr4.

Genomborrningsrapport med poster för alla kvartal i Year som visar ett totalt värde på 62824 för SALES

Genomborrningsrapporten är validerad eftersom cellen som genomborrades matchar värdet (62824) av summan för den mappade kolumnen i genomborrningsrapporten.

Frågan som Essbase använder för att skapa ovan genomborrningsrapport är:

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'

Exempel på nivå 0-mappning

Om du använder nivå 0-mappning för Market med ett filter på alla nivå 0-medlemmar (löv),

Extern kolumn	Inkludera i rapport	Essbase-dimension	Gen/Nivå-filter
DIMENSION_MARKET	Ja	Market	Level0 [Level]

returnerar genomborrningen som utförs från ett cellsnitt alla de lägsta medlemmarna för Market.

Genomborrning från (Year, Sales, Market, Actual, Cola):

returnerar en genomborrningsrapport som inkluderar medlemmar på den lägsta nivån i dimensionen Market, vilket är States. Alla värden som hämtas från kolumnen DIMENSION_MARKET i källsystemet är poster som innehåller States.

Genomborrningsrapport med poster för alla lövmedlemmar (delstater) i Market som visar ett totalt värde på 62824 för SALES

Genomborrningsrapporten är validerad eftersom cellen som genomborrades matchar värdet (62824) av summan för den mappade kolumnen i genomborrningsrapporten.

Frågan som Essbase använder för att skapa ovan genomborrningsrapport är:

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'