将关系数据建模为多维数据集

使用 Essbase on Autonomous AI Lakehouse ，可以将关系数据组织为多维多维多维数据集，以反映企业如何分析信息。

在此建模阶段，您可以将过程视为扩充关系数据：换句话说，将关系业务数据组织到维、层次结构、度量和计算关系中，以反映用户需要如何分析业务。

假设关系数据包含销售记录，其中包含产品、市场、日期、收入、成本和单位列。在 SQL 中，可以直接查询和聚合这些值。在 Essbase 中，您可以使用维、成员、层次结构、度量和计算关系对同一业务域进行建模。

例如：

关系型数据	Essbase 模型
产品标识符和分类	产品尺寸
国家/地区、区域和市场价值	市场维度
日期和报告期间	时间维
收入、成本和单位	度量
业务累计	成员层次结构
推导的业务值	计算逻辑

由此产生的多维数据集为分析师提供了一个一致的、面向业务的结构来分析数据。

维表示对业务的主要视角，例如产品、市场或时间。成员表示每个维中的各个值。层次结构将这些成员组织为父子关系，例如：

Total Market → Americas → United States → California

度量表示要分析的数值，例如收入、成本或单位。

Essbase 还可以添加计算逻辑，从而赋予这些值额外的业务含义。例如，模型可以定义来自收入和成本的毛利，或者定义较低级别成员对较高级别总计的贡献方式。

这些元素共同构成 Essbase 大纲：多维结构，多维数据集的用户通过该结构分析关系业务数据。

在设计多维数据集时，请重点关注最终用户需要如何查看和分析业务数据，而不是尝试重现物理关系方案。

建立大纲模型后，您可以进一步调整其维和层次结构，添加具有计算的业务逻辑，使用应用程序工作簿构建多维数据集，并使用 Essbase 查询和分析工具对其进行分析。