以立方體形式建立關聯式資料模型

藉助 Essbase on Autonomous AI Lakehouse ，您可以將關聯式資料組織為多維立方體，以反映企業分析資訊的方式。

在此模型製作階段，您可以將程序視為立方體關聯式資料：換句話說，將關聯式業務資料組織成維度、階層、計量和計算關係，以反映使用者分析業務所需的方式。

假設您的關聯式資料包含具有產品、市場、日期、收益、成本及單位資料欄的銷售記錄。在 SQL 中，您可以直接查詢和聚總這些值。在 Essbase 中，您可以使用維度、成員、階層、計量和計算關係來建立相同商業網域的模型。

舉例而言：

關係資料	Essbase 模型
產品識別碼與分類	產品範圍
國家、地區和市值	市場維度
日期與報告期間	時間維度
收入、成本及單位	評量
業務累計	成員階層
衍生的商業價值	計算邏輯

產生的立方體可讓分析員使用一致的業務導向結構來分析資料。

維度代表業務的主要觀點，例如 Product、Market 或 Time。成員代表每個維度內的個別值。階層可將這些成員組織成父項 - 子項關係，例如：

Total Market → Americas → United States → California

計量代表要分析的數值，例如「收益」、「成本」或「單位」。

Essbase 也可新增計算邏輯，以賦予這些值額外的商業意義。例如，模型可以從收入和成本定義「毛利」，或定義較低層級成員對較高層級總計的貢獻。

這些元素一起形成 Essbase 大綱：立方體使用者分析關聯式商業資料的多維結構。

設計立方體時，著重於一般使用者檢視和分析業務資料的方式，而不是嘗試重現實體關聯綱要。

建立大綱模型之後，您可以進一步塑造其維度和階層、使用計算新增商業邏輯、使用應用程式工作簿建置立方體，以及使用 Essbase 查詢和分析工具進行分析。