キューブとしてのリレーショナル・データのモデル化

Autonomous AI Lakehouse上のEssbaseを使用すると、リレーショナル・データを、ビジネスでの情報の分析方法を反映するマルチディメンション・キューブとして編成できます。

このモデリング・ステージでは、プロセスをリレーショナル・データのキューブ化と考えることができます。つまり、リレーショナル・ビジネス・データをディメンション、階層、メジャーおよび計算関係に編成し、ユーザーがビジネスを分析する必要性を反映します。

リレーショナル・データに、製品、市場、日付、収益、コストおよびユニットの列を含む売上レコードが含まれているとします。SQLでは、これらの値を直接問い合せて集計できます。Essbaseでは、ディメンション、メンバー、階層、メジャーおよび計算関係を使用して、同じビジネス・ドメインをモデル化します。

たとえば:

リレーショナル・データ	Essbaseモデル
製品識別子と分類	製品ディメンション
国、地域、市場価格	市場ディメンション
日付およびレポート期間	時間ディメンション
収益、原価およびユニット	メジャー
ビジネス・ロールアップ	メンバー階層
導出されたビジネス値	計算ロジック

結果のキューブは、アナリストがデータを分析するための一貫性のあるビジネス指向の構造を提供します。

ディメンションは、製品、市場、時間など、ビジネスの主要な視点を表します。メンバーは、各ディメンション内の個々の値を表します。階層は、これらのメンバーを次のような親子関係に編成します。

Total Market → Americas → United States → California

メジャーは、収益、コスト、ユニットなど、分析する数値を表します。

Essbaseでは、これらの値にビジネス上の意味を追加する計算ロジックを追加することもできます。たとえば、モデルは収益と原価から総マージンを定義したり、下位レベルのメンバーが上位レベルの合計にどのように貢献するかを定義できます。

これらの要素を組み合せると、Essbaseのアウトライン(キューブのユーザーがリレーショナル・ビジネス・データを分析する際に使用するマルチディメンション構造)が形成されます。

キューブを設計する際は、物理リレーショナル・スキーマを再現するのではなく、エンド・ユーザーがビジネス・データを表示および分析する必要がある方法に重点を置きます。

アウトライン・モデルの設定後、ディメンションおよび階層をさらに形成し、計算を含むビジネス・ロジックを追加し、アプリケーション・ワークブックを使用してキューブを構築し、Essbase問合せおよび分析ツールを使用して分析できます。