Essbaseデータおよびメタデータ

Essbase on Autonomous AI Lakehouseは、組織が分析する方法を反映したモデルでビジネス・データを編成します。

データ値によって、その量がわかります。メタデータは、値の意味を示します。

たとえば、飲料会社では、コーラの売上高1,000,000を記録します。この数は、市場、期間、製品およびメジャーのビジネス・コンテキストがわかっている場合に役立ちます。

Data value             +  Business context                   =  Business meaning

1,000,000                 Market: United States                 Unit Sales of Cola
                          Year: FY26                            in the United States
                          Product: Cola                         during FY26
                          Measure: Unit Sales

Essbaseでは、アプリケーションにはキューブが含まれます。キューブは、3つ以上のディメンションでデータを編成するEssbaseデータベースです。

アウトラインは、キューブ構造(ディメンション、メンバーおよびそれらの関係)を定義します。ディメンションは、ビジネス・データのカテゴリです。そのメンバーは、そのカテゴリ内の値です。

この例では、Market、Year、ProductおよびMeasureはディメンションです。United States、FY26、ColaおよびUnit Salesはメンバーです。

Cube outline
|
+-- Market
|   `-- United States
|
+-- Year
|   `-- FY26
|
+-- Product
|   `-- Cola
|
`-- Measure
    `-- Unit Sales

Essbaseでは、これらのメンバーの交差に値が格納されます。

(米国、FY26、Cola、Unit Sales) = 1,000,000

キューブを使用する場合は、メンバーを変更して別のビジネス質問をします。たとえば、ユニット売上を比較するには、別の製品、年または市場を選択します。

異なるディメンションのメンバーを選択し、ビジネス視点間でピボットし、サマリー・メンバーから詳細にドリルすることで、データをスライスおよびダイスできます。この柔軟性により、インタラクティブな多次元(つまり、思考速度)分析がサポートされます。基礎となるビジネス・モデルを変更したり、ビジネス・ロジックを再定義することなく、次のビジネス上の質問に従うことができます。