Avantages des attributs Essbase

Utilisez les attributs pour analyser les données non seulement du point de vue des dimensions, mais également en termes de caractéristiques (attributs) de ces dimensions. Dans certains cas, vous pouvez envisager une autre approche des dimensions d'attribut.

Cas d'utilisation pour les attributs

Vous pouvez utiliser des attributs pour analyser la rentabilité du produit en fonction de l'emballage ou tirer des conclusions en fonction d'attributs de marché tels que la population d'une région de vente.

Une telle analyse pourrait vous dire que les boissons décaféinées vendues dans des boîtes de conserve dans de petits marchés (populations inférieures à 6 000 000) sont moins rentables que prévu. Pour plus de détails, vous pouvez filtrer l'analyse en fonction de critères d'attribut spécifiques, notamment les ventes et bénéfices minimum ou maximum de différents produits dans des segments de marché similaires.

La liste suivante explique comment l'analyse par attribut fournit profondeur et perspective, ce qui permet de prendre des décisions plus éclairées :

Vous pouvez sélectionner, agréger et générer des rapports sur les données en fonction de fonctionnalités communes (attributs).
En définissant les attributs comme ayant un type de texte, numérique, booléen ou de date, vous pouvez filtrer (sélectionner) les données à l'aide de fonctions liées au type telles que les opérateurs AND, OR et NOT et les comparaisons <, > et =.
Vous pouvez utiliser le type d'attribut numérique pour regrouper des valeurs statistiques par plage d'attributs, par exemple des regroupements de population tels que <500 000, 500 000–1 000 000 et >1 000 000.
Via la dimension Calculs d'attribut créée automatiquement par Essbase, vous pouvez visualiser les sommes, les nombres, les valeurs minimum ou maximum et les valeurs moyennes des données d'attribut. Par exemple, lorsque vous entrez Moyenne et Bouteille dans une feuille de calcul, Essbase extrait les valeurs calculées pour les ventes moyennes dans les bouteilles pour tous les croisements de colonnes et de lignes de la feuille.
Vous pouvez effectuer des calculs à l'aide de valeurs d'attribut numérique dans les scripts de calcul et les formules de membre, par exemple pour déterminer la rentabilité par once des produits dimensionnés par once.
Vous pouvez créer des tableaux croisés de données d'attribut pour la même dimension, et vous pouvez faire pivoter et explorer les données détaillées dans des feuilles de calcul.

Un tableau croisé d'attributs est un rapport ou une feuille de calcul affichant les consolidations de données entre les attributs d'une même dimension. L'exemple de matrice ci-dessous affiche l'emballage du produit sous forme de colonnes et la taille du produit sous forme de lignes en onces. A leurs croisements, vous voyez le bénéfice pour chaque combinaison de type et de taille de colis.

À partir de ces informations, vous pouvez voir quelles combinaisons de taille-emballage étaient les plus rentables sur le marché de la Floride.
```
Product Year Florida Profit Actual
        Bottle     Can       Pkg Type
        ======     =====     ========
  32      946        N/A        946
  20      791        N/A        791
  16      714        N/A        714
  12      241      2,383      2,624
Ounces  2,692      2,383      5,075
```

Avantages des attributs par rapport aux autres approches

Pour plus de flexibilité et de fonctionnalités, utilisez les dimensions d'attribut pour définir les données d'attribut. L'utilisation des dimensions d'attribut offre les fonctionnalités suivantes :

Récupération de données sophistiquée et flexible

Vous ne pouvez afficher les données d'attribut que lorsque vous le souhaitez, vous pouvez créer des synthèses significatives à l'aide de tableaux croisés et, à l'aide de comparaisons par type, vous pouvez afficher de manière sélective uniquement les données que vous souhaitez voir.
Fonctionnalité de calcul supplémentaire

Non seulement vous pouvez effectuer des calculs sur les noms des membres des dimensions d'attribut pour définir les membres des dimensions standard, mais vous pouvez également accéder à cinq types de consolidation des données d'attribut : les sommes, les nombres, les moyennes, les minimums et les maximums.
Économie et simplicité

Etant donné que les dimensions d'attribut sont dispersées et Calcul dynamique, elles ne sont pas stockées en tant que données. Par rapport à l'utilisation de membres partagés, les outlines utilisant des dimensions d'attribut contiennent moins de membres et sont plus faciles à lire.

Dans certains cas, vous pouvez envisager une autre approche des dimensions d'attribut.

Tableau 6-1 Alternatives aux dimensions d'attribut

Situation	Alternative
Analyser les attributs des dimensions denses	UDA ou membres partagés : reportez-vous à Comparaison d'attributs et d'attributs définis par l'utilisateur.
Effectuer le calcul par lots des données	Membres partagés ou membres de dimensions standard distinctes. L'inconvénient des membres partagés est que l'outline devient volumineuse si les catégories répètent de nombreux membres.
Définir le nom d'un membre d'une dimension d'attribut en tant que valeur résultant d'une formule	Membres partagés ou membres de dimensions standard distinctes.
Définir des attributs qui varient au fil du temps	Membres de dimensions standard distinctes. Par exemple, pour suivre les coûts de maintenance des produits dans le temps, l'âge du produit au moment de la maintenance est important. Toutefois, à l'aide de la fonction d'attribut, vous ne pouvez associer qu'un seul âge au produit. Vous avez besoin de plusieurs membres dans une dimension distincte pour chaque période à suivre.
Réduire le temps d'extraction avec un grand nombre de membres de la dimension de base	Calcul par lots avec des membres partagés ou des membres de dimensions standard distinctes.
Effectuer des analyses interdimensionnelles avec un faible impact sur les performances	Attributs non agrégés