큐브로 관계형 데이터 모델링

Essbase on Autonomous AI Lakehouse를 사용하면 비즈니스에서 정보를 분석하는 방식을 반영하는 다차원 큐브로 관계형 데이터를 구성할 수 있습니다.

이 모델링 단계에서는 프로세스를 관계형 데이터 큐브화로 간주할 수 있습니다. 즉, 관계형 비즈니스 데이터를 사용자가 비즈니스를 분석하는 데 필요한 방법을 반영하는 차원, 계층, 측정 및 계산 관계로 구성할 수 있습니다.

관계형 데이터에 제품, 시장, 날짜, 매출, 비용 및 단위에 대한 열이 있는 영업 레코드가 포함되어 있다고 가정합니다. SQL에서는 이러한 값을 직접 query하고 집계할 수 있습니다. Essbase에서는 차원, 멤버, 계층, 측정 단위 및 계산 관계를 사용하여 동일한 비즈니스 도메인을 모델링합니다.

예:

관계 데이터	Essbase 모델
제품 식별자 및 분류	제품 치수
국가, 지역 및 시장 가치	시장 차원
일자 및 보고 기간	시간 차원
수익, 원가 및 단위	측정
비즈니스 롤업	멤버 계층
파생된 비즈니스 가치	계산 논리

결과 큐브는 분석가에게 데이터 분석을 위한 일관된 비즈니스 중심 구조를 제공합니다.

차원은 제품, 시장 또는 시간과 같은 비즈니스에 대한 주요 관점을 나타냅니다. 멤버는 각 차원 내의 개별 값을 나타냅니다. 계층은 이러한 멤버를 다음과 같은 상위-하위 관계로 구성합니다.

Total Market → Americas → United States → California

측정항목은 분석할 숫자 값(예: 매출, 비용 또는 단위)을 나타냅니다.

Essbase는 해당 값에 추가 비즈니스 의미를 부여하는 계산 논리를 추가할 수도 있습니다. 예를 들어, 모델은 수익 및 원가에서 총 마진을 정의하거나 하위 레벨 멤버가 상위 레벨 합계에 기여하는 방법을 정의할 수 있습니다.

이러한 요소는 큐브 사용자가 관계형 비즈니스 데이터를 분석하는 데 사용되는 다차원 구조인 Essbase 아웃라인을 구성합니다.

큐브를 설계할 때 최종 사용자가 물리적 관계형 스키마를 재현하려고 시도하는 대신 비즈니스 데이터를 보고 분석해야 하는 방법에 초점을 맞춥니다.

아웃라인 모델을 설정한 후 차원 및 계층을 추가로 구성하고, 계산을 사용하여 비즈니스 논리를 추가하고, 애플리케이션 워크북을 사용하여 큐브를 작성하고, Essbase 쿼리 및 분석 도구를 사용하여 분석할 수 있습니다.