Vous pouvez générer des analyses pour une table ou pour la vue analytique déployée en vue de l'analyse de données.

Les analyses générées par Analyses de données pour la vue analytique d'un modèle de gestion peuvent être plus utiles que celles d'une table en raison des métadonnées supplémentaires qu'une vue analytique fournit.

Les analyses mettent en évidence les points de données comme potentiellement anormaux si la valeur réelle d'un indicateur lors du filtrage sur des paires de valeurs de hiérarchie de vue analytique ou de colonne de table est considérablement supérieure ou inférieure à la valeur attendue, calculée sur toutes les valeurs de hiérarchie ou de colonne. Elles mettent en évidence des modèles imprévus que vous pouvez examiner.

Les analyses sont générées automatiquement par diverses fonctions analytiques intégrées à la base de données. Les résultats de l'analyse apparaissent sous la forme d'une série de graphiques à barres dans le tableau de bord Analyses de données.

Les analyses de données utilisent les étapes suivantes pour générer des analyses :

1. Recherche les valeurs d'un indicateur, par exemple Ventes, dans toutes les paires distinctes des valeurs de hiérarchie ou de colonne de l'indicateur. Si Ventes contient les hiérarchies ou les colonnes Situation familiale, tranche d'âge, niveau de revenu et sexe, les paires seront les valeurs de chaque valeur distincte de chaque hiérarchie ou colonne couplée à chaque valeur distincte de chacune des autres hiérarchies ou colonnes. Par exemple, si les valeurs de Situation familiale sont Marié et Célibataire, et que les valeurs de Tranche d'âge sont A, B et C, les paires seront Marié et A, Marié et B, Marié et C, Célibataire et A, Célibataire et B, et Célibataire et C. Chaque valeur distincte de Situation familiale sera également couplée à chaque valeur distincte de Niveau de revenu et de Sexe, etc.
2. Elle estime une valeur attendue de l'indicateur pour chaque paire de hiérarchies ou de colonnes.
3. Calcule la valeur réelle de l'indicateur pour chaque paire de hiérarchies ou de colonnes, par exemple Situation familiale = S, Tranche d'âge = C, puis la différence entre la valeur réelle et la valeur attendue.
4. Il évalue toutes les différences et sélectionne les variations les plus importantes entre les valeurs réelles et attendues pour les mettre en évidence en tant qu'analyses potentielles.

Les analyses obtenues mettent en évidence les cas où la valeur de l'indicateur est beaucoup plus importante ou bien moindre que prévu pour une paire de valeurs de hiérarchie ou de colonne donnée, par exemple, des ventes beaucoup plus élevées où Situation familiale = S et Tranche d'âge = C.

Les analyses des vues analytiques ont tendance à utiliser les niveaux supérieurs d'une hiérarchie car les différences entre les valeurs estimées et réelles sont généralement plus grandes que celles des attributs de niveau inférieur. Par exemple, la différence en dollars entre les ventes estimées et réelles pour l'ensemble des États-Unis est généralement plus importante que la différence entre les ventes estimées et réelles pour une ville de moins de 1000 habitants. La différence est calculée en valeurs absolues et non en pourcentage.

Les analyses des tables classent les colonnes en tant que colonnes de dimension ou colonnes d'indicateur en fonction de leur type de données et de leur cardinalité. Une colonne VARCHAR2 est toujours catégorisée en tant que dimension, mais une colonne NUMBER peut être une dimension ou un indicateur. Par exemple, une colonne NUMBER pour les valeurs YEAR qui n'a que 10 valeurs distinctes dans une table contenant 1 million de lignes est considérée comme étant une dimension.

Utilisez les procédures suivantes pour générer des analyses et visualiser des rapports les concernant.