Μέτρα και μετρήσεις κύβου Olap. Τι είναι ο κύβος; OLAP σε πελάτη και διακομιστή

/ Με κυβιστικό τρόπο. Εφαρμογή των κύβων OLAP στην πρακτική διαχείρισης μεγάλων εταιρειών

Σε επαφή με

Συμμαθητές

Κονσταντίν Τοκμάτσεφ, αρχιτέκτονας συστήματος

Σε κυβιστικό στυλ.
Εφαρμογή των κύβων OLAP στην πρακτική διαχείρισης μεγάλων εταιρειών

Ίσως έχει περάσει ο καιρός που οι υπολογιστικοί πόροι μιας εταιρείας ξοδεύονταν μόνο για την καταγραφή πληροφοριών και λογιστικών αναφορών. Ταυτόχρονα, οι αποφάσεις της διοίκησης λαμβάνονταν «με το μάτι» στα γραφεία, σε συσκέψεις και συσκέψεις. Ίσως στη Ρωσία ήρθε η ώρα να επιστρέψουν τα εταιρικά υπολογιστικά συστήματα στον κύριο πόρο τους - επίλυση προβλημάτων διαχείρισης με βάση δεδομένα που είναι καταχωρημένα στον υπολογιστή

Σχετικά με τα οφέλη των αναλυτικών στοιχείων επιχειρήσεων

Στον βρόχο εταιρικής διαχείρισης, μεταξύ των «ακατέργαστων» δεδομένων και των «μοχλών» επηρεασμού του διαχειριζόμενου αντικειμένου, υπάρχουν «δείκτες απόδοσης» - KPI. Αποτελούν ένα είδος "ταμπλό", που αντικατοπτρίζει την κατάσταση διαφόρων υποσυστημάτων του ελεγχόμενου αντικειμένου. Ο εξοπλισμός μιας εταιρείας με ενημερωτικούς δείκτες απόδοσης και η παρακολούθηση του υπολογισμού τους και των λαμβανόμενων τιμών είναι δουλειά ενός επιχειρησιακού αναλυτή. Οι αυτοματοποιημένες υπηρεσίες ανάλυσης, όπως το βοηθητικό πρόγραμμα MS, μπορούν να παρέχουν σημαντική βοήθεια στην οργάνωση της αναλυτικής εργασίας μιας εταιρείας. SQL ServerΥπηρεσίες Ανάλυσης (SSAS) και το κύριο χαρακτηριστικό τους είναι ο κύβος OLAP.

Ένα ακόμη σημείο πρέπει να γίνει εδώ. Ας πούμε, στην αμερικανική παράδοση, μια ειδικότητα που επικεντρώνεται στην εργασία με κύβους OLAP ονομάζεται BI (Business Intelligence). Δεν πρέπει να υπάρχουν αυταπάτες ότι το αμερικανικό BI αντιστοιχεί στον Ρώσο «επιχειρηματικό αναλυτή». Χωρίς προσβολή, αλλά συχνά ο επιχειρηματικός μας αναλυτής είναι «υπο-λογιστής» και «υποπρογραμματιστής», ένας ειδικός με αόριστες γνώσεις και μικρό μισθό, που πραγματικά δεν έχει κανένα από τα δικά του εργαλεία και μεθοδολογία.

Ένας ειδικός BI είναι, στην πραγματικότητα, ένας εφαρμοσμένος μαθηματικός, ένας ειδικός υψηλής ειδίκευσης που βάζει σύγχρονες μαθηματικές μεθόδους στο οπλοστάσιο της εταιρείας (αυτό που ονομάστηκε Operations Research - μέθοδοι επιχειρησιακής έρευνας). Το BI είναι πιο συνεπές με την ειδικότητα «αναλυτής συστήματος» που κάποτε ήταν στην ΕΣΣΔ, αποφοίτησε από τη Σχολή Υπολογιστικών Μαθηματικών και Μαθηματικών του Κρατικού Πανεπιστημίου της Μόσχας. M.V. Λομονόσοφ. Ο κύβος και οι υπηρεσίες ανάλυσης OLAP μπορούν να γίνουν μια πολλά υποσχόμενη βάση για τον χώρο εργασίας ενός Ρώσου επιχειρηματικού αναλυτή, ίσως μετά από κάποια προηγμένη εκπαίδευση στην κατεύθυνση του αμερικανικού BI.

Πρόσφατα, εμφανίστηκε μια άλλη επιβλαβής τάση. Χάρη στην εξειδίκευση, η αμοιβαία κατανόηση μεταξύ διαφορετικών κατηγοριών εργαζομένων σε εταιρείες έχει χαθεί. Λογιστής, διευθυντής και προγραμματιστής, όπως «ένας κύκνος, μια καραβίδα και ένας λούτσος» στον μύθο του Ι.Α. Krylov, τραβούν την εταιρεία σε διαφορετικές κατευθύνσεις.

Ο λογιστής είναι απασχολημένος με την αναφορά των ποσών του, τόσο σε νόημα όσο και σε δυναμική, δεν σχετίζονται άμεσα με την επιχειρηματική διαδικασία της εταιρείας.

Ο διευθυντής είναι απασχολημένος με το μέρος της επιχειρηματικής του διαδικασίας, αλλά δεν είναι σε θέση να αξιολογήσει σε παγκόσμιο επίπεδο, σε επίπεδο εταιρείας συνολικά, τα αποτελέσματα και τις προοπτικές των ενεργειών του.

Τέλος, ο προγραμματιστής, ο οποίος ήταν κάποτε (χάρη στην εκπαίδευσή του) αγωγός προηγμένων τεχνικών ιδεών από τη σφαίρα της επιστήμης στη σφαίρα των επιχειρήσεων, έχει μετατραπεί σε παθητικό εκτελεστή των φαντασιώσεων του λογιστή και διευθυντή, οπότε δεν είναι Είναι πλέον ασυνήθιστο για τα τμήματα πληροφορικής των εταιρειών να οδηγούνται από λογιστές και, γενικά, από όλους όσους δεν είναι τεμπέληδες. Η έλλειψη πρωτοβουλίας, αναλφάβητος, αλλά σχετικά ακριβοπληρωμένος προγραμματιστής 1C είναι μια πραγματική μάστιγα ρωσικές εταιρείες. (Σχεδόν σαν εγχώριος ποδοσφαιριστής.) Δεν μιλάω καν για τους λεγόμενους «οικονομολόγους και δικηγόρους» όλα έχουν ειπωθεί για αυτούς εδώ και πολύ καιρό.

Έτσι, η θέση ενός επιχειρησιακού αναλυτή, εξοπλισμένου με μια συσκευή έντασης γνώσης SSAS, ικανή στα βασικά του προγραμματισμού και της λογιστικής, είναι ικανή να εδραιώσει το έργο της εταιρείας σε σχέση με την ανάλυση και την πρόβλεψη της επιχειρηματικής διαδικασίας.

Πλεονεκτήματα των κύβων OLAP

Ο κύβος OLAP είναι σύγχρονη θεραπείαανάλυση της βάσης δεδομένων του εταιρικού συστήματος υπολογιστών, η οποία καθιστά δυνατή την παροχή στους εργαζομένους σε όλα τα επίπεδα της ιεραρχίας με το απαιτούμενο σύνολο δεικτών που χαρακτηρίζουν διαδικασία παραγωγήςεταιρείες. Το θέμα δεν είναι μόνο ότι η βολική διεπαφή και η ευέλικτη γλώσσα ερωτημάτων για τον κύβο MDX (Πολυδιάστατες εκφράσεις) σάς επιτρέπουν να διαμορφώσετε και να υπολογίσετε τους απαραίτητους αναλυτικούς δείκτες, αλλά η αξιοσημείωτη ταχύτητα και ευκολία με την οποία το κάνει αυτό ο κύβος OLAP. Επιπλέον, αυτή η ταχύτητα και η ευκολία, εντός ορισμένων ορίων, δεν εξαρτώνται από την πολυπλοκότητα των υπολογισμών και το μέγεθος της βάσης δεδομένων.

Λίγη εισαγωγή στο OLAP-
Ο κύβος μπορεί να δοθεί από έναν «πίνακα περιστροφής» του MS Excel. Αυτά τα αντικείμενα έχουν παρόμοια λογική και παρόμοιες διεπαφές. Όμως, όπως θα φανεί από το άρθρο, η λειτουργικότητα του OLAP είναι ασύγκριτα πλουσιότερη και η απόδοση είναι ασύγκριτα υψηλότερη, επομένως ο "συγκεντρωτικός πίνακας" παραμένει ένα τοπικό προϊόν επιτραπέζιου υπολογιστή, ενώ το OLAP είναι ένα προϊόν σε εταιρικό επίπεδο.

Γιατί ο κύβος OLAP είναι τόσο καλός για επίλυση αναλυτικές εργασίες? Ο κύβος OLAP έχει σχεδιαστεί με τέτοιο τρόπο ώστε όλοι οι δείκτες σε όλα τα πιθανά τμήματα να είναι προ-υπολογισμένοι (ολικά ή εν μέρει) και ο χρήστης μπορεί να «βγάλει» μόνο τους απαιτούμενους δείκτες (μέτρα) και διαστάσεις (διαστάσεις) με το ποντίκι και το πρόγραμμα μπορεί να σχεδιάσει ξανά τους πίνακες.

Όλα τα πιθανά αναλυτικά στοιχεία σε όλες τις ενότητες σχηματίζουν ένα τεράστιο πεδίο, ή μάλλον, όχι ένα πεδίο, αλλά απλώς έναν πολυδιάστατο κύβο OLAP. Όποιο αίτημα και αν απευθύνει ο χρήστης (διευθυντής, επιχειρησιακός αναλυτής, στέλεχος) στην υπηρεσία ανάλυσης, η ταχύτητα απόκρισης εξηγείται από δύο πράγματα: πρώτον, τα απαιτούμενα αναλυτικά στοιχεία μπορούν εύκολα να διατυπωθούν (είτε επιλέγονται από μια λίστα με όνομα, είτε καθορίζονται από τύπος στη γλώσσα MDX ), δεύτερον, κατά κανόνα, έχει ήδη υπολογιστεί.

Η διατύπωση αναλυτικών στοιχείων είναι δυνατή με τρεις επιλογές: είναι είτε ένα πεδίο βάσης δεδομένων (ή μάλλον, ένα πεδίο αποθήκης), είτε ένα πεδίο υπολογισμού που ορίζεται σε επίπεδο σχεδίασης κύβου ή μια έκφραση γλώσσας MDX όταν εργάζεστε αλληλεπιδραστικά με τον κύβο.

Αυτό σημαίνει πολλά ελκυστικά χαρακτηριστικά των κύβων OLAP. Ουσιαστικά, το εμπόδιο μεταξύ του χρήστη και των δεδομένων εξαφανίζεται. Το εμπόδιο έχει τη μορφή ενός προγραμματιστή εφαρμογών, ο οποίος, πρώτα, πρέπει να εξηγήσει το πρόβλημα (να ορίσει μια εργασία). Δεύτερον, θα πρέπει να περιμένετε μέχρι ο προγραμματιστής της εφαρμογής να δημιουργήσει έναν αλγόριθμο, να γράψει και να διορθώσει το πρόγραμμα και, ενδεχομένως, να το τροποποιήσει. Εάν υπάρχουν πολλοί εργαζόμενοι και οι απαιτήσεις τους ποικίλλουν και μεταβάλλονται, τότε χρειάζεται μια ολόκληρη ομάδα προγραμματιστών εφαρμογών. Υπό αυτή την έννοια, ένας κύβος OLAP (και ένας καταρτισμένος επιχειρησιακός αναλυτής) αντικαθιστά μια ολόκληρη ομάδα προγραμματιστών εφαρμογών από την άποψη της αναλυτικής εργασίας, όπως ένας ισχυρός εκσκαφέας με χειριστή εκσκαφέα αντικαθιστά μια ολόκληρη ομάδα μεταναστών εργατών με φτυάρια όταν σκάβει μια τάφρο!

Ταυτόχρονα, επιτυγχάνεται μια άλλη πολύ σημαντική ποιότητα των ληφθέντων αναλυτικών δεδομένων. Δεδομένου ότι υπάρχει μόνο ένας κύβος OLAP για ολόκληρη την εταιρεία, δηλ. Αυτό είναι το ίδιο πεδίο με τους αναλυτές για όλους, γεγονός που εξαλείφει τις ενοχλητικές αποκλίσεις στα δεδομένα. Όταν ένας διευθυντής πρέπει να ζητήσει την ίδια εργασία σε πολλούς ανεξάρτητους υπαλλήλους για να εξαλείψει τον παράγοντα της υποκειμενικότητας, αλλά παρόλα αυτά φέρνουν διαφορετικές απαντήσεις, τις οποίες ο καθένας αναλαμβάνει να εξηγήσει με κάποιο τρόπο κ.λπ. Ο κύβος OLAP εξασφαλίζει ομοιομορφία των αναλυτικών δεδομένων σε διαφορετικά επίπεδα της εταιρικής ιεραρχίας, π.χ. εάν ένας διευθυντής θέλει να αναφέρει λεπτομερώς έναν συγκεκριμένο δείκτη που τον ενδιαφέρει, τότε σίγουρα θα φτάσει στα δεδομένα χαμηλότερου επιπέδου με τα οποία εργάζεται ο υφιστάμενος του και αυτά θα είναι ακριβώς τα δεδομένα βάσει των οποίων υπολογίστηκε ο δείκτης υψηλότερου επιπέδου , και όχι κάποια άλλα δεδομένα, που λαμβάνονται με άλλο τρόπο, κάποια άλλη στιγμή κ.λπ. Δηλαδή, ολόκληρη η εταιρεία βλέπει τα ίδια αναλυτικά στοιχεία, αλλά σε διαφορετικά επίπεδα συγκέντρωσης.

Ας δώσουμε ένα παράδειγμα. Ας υποθέσουμε ότι ένας διαχειριστής ελέγχει τους εισπρακτέους λογαριασμούς. Εφόσον ο KPI για τις ληξιπρόθεσμες απαιτήσεις είναι πράσινος, σημαίνει ότι όλα είναι φυσιολογικά και δεν απαιτούνται ενέργειες διαχείρισης. Εάν το χρώμα έχει αλλάξει σε κίτρινο ή κόκκινο, κάτι δεν πάει καλά: κόβουμε τους KPI ανά τμήματα πωλήσεων και αμέσως βλέπουμε τα τμήματα "με κόκκινο". Εντοπίζεται η επόμενη ενότητα από τους διαχειριστές - και τον πωλητή του οποίου οι πελάτες καθυστερούν τις πληρωμές. (Επιπλέον, το ληξιπρόθεσμο ποσό μπορεί να διαιρεθεί ανά πελάτες, με όρους κ.λπ.) Ο επικεφαλής της εταιρείας μπορεί να επικοινωνήσει απευθείας με τους παραβάτες σε οποιοδήποτε επίπεδο. Αλλά γενικά, οι ίδιοι KPI (στα επίπεδα ιεραρχίας τους) βλέπουν τόσο οι επικεφαλής τμημάτων όσο και οι διευθυντές πωλήσεων. Επομένως, για να διορθώσουν την κατάσταση, δεν χρειάζεται καν να περιμένουν μια «κλήση στο χαλί»... Φυσικά, το ίδιο το KPI δεν χρειάζεται απαραίτητα να είναι το ποσό των ληξιπρόθεσμων πληρωμών - μπορεί να είναι το σταθμισμένη μέση περίοδος ληξιπρόθεσμων πληρωμών ή, γενικά, το ποσοστό κύκλου εργασιών των απαιτήσεων.

Ας σημειώσουμε ότι η πολυπλοκότητα και η ευελιξία της γλώσσας MDX, μαζί με τα γρήγορα (μερικές φορές στιγμιαία) αποτελέσματα, μας επιτρέπουν να επιλύουμε (λαμβάνοντας υπόψη τα στάδια ανάπτυξης και αποσφαλμάτωσης) σύνθετες εργασίες ελέγχου που διαφορετικά θα μπορούσαν να μην είχαν τεθεί καθόλου λόγω της πολυπλοκότητας για τους προγραμματιστές εφαρμογών και της αρχικής αβεβαιότητας στη διατύπωση. (Μεγάλες προθεσμίες για τους προγραμματιστές εφαρμογών για την επίλυση αναλυτικών προβλημάτων λόγω των κακώς κατανοητών διατυπώσεων και των μακρών τροποποιήσεων των προγραμμάτων όταν οι συνθήκες αλλάζουν συχνά συναντώνται στην πράξη.)

Ας προσέξουμε επίσης το γεγονός ότι κάθε υπάλληλος της εταιρείας μπορεί να συλλέξει από το γενικό χωράφι έναν αναλυτή OLAP ακριβώς τη σοδειά που χρειάζεται για τη δουλειά του και να μην αρκείται στην «λωρίδα» που του κόβεται στα κοινά. «τυπικές αναφορές».

Η διεπαφή πολλαπλών χρηστών για εργασία με έναν κύβο OLAP σε λειτουργία πελάτη-διακομιστή επιτρέπει σε κάθε υπάλληλο, ανεξάρτητα από άλλους, να έχει τα δικά του (ακόμη και αυτοδημιούργητα με κάποια ικανότητα) μπλοκ ανάλυσης (αναφορές), τα οποία, αφού καθοριστούν, καθορίζονται αυτόματα ενημερωμένα - με άλλα λόγια, είναι πάντα ενημερωμένα.

Δηλαδή, ο κύβος OLAP σάς επιτρέπει να κάνετε πιο επιλεκτική την αναλυτική εργασία (η οποία στην πραγματικότητα εκτελείται όχι μόνο από αναλυτές υποδοχής, αλλά, στην πραγματικότητα, από όλους σχεδόν τους υπαλλήλους της εταιρείας, ακόμη και από τεχνικούς και διαχειριστές που ελέγχουν τα υπόλοιπα και τις αποστολές), «όχι με γενικούς όρους», γεγονός που δημιουργεί προϋποθέσεις για τη βελτίωση της εργασίας και την αύξηση της παραγωγικότητας.

Για να συνοψίσουμε την εισαγωγή μας, σημειώνουμε ότι η χρήση κύβων OLAP μπορεί να ανεβάσει τη διαχείριση μιας εταιρείας σε υψηλότερο επίπεδο. Η ομοιομορφία των αναλυτικών δεδομένων σε όλα τα επίπεδα της ιεραρχίας, η αξιοπιστία τους, η πολυπλοκότητά τους, η ευκολία δημιουργίας και τροποποίησης δεικτών, μεμονωμένες ρυθμίσεις, υψηλή ταχύτητα επεξεργασίας δεδομένων και, τέλος, εξοικονόμηση χρημάτων και χρόνου που δαπανώνται για την υποστήριξη εναλλακτικών αναλυτικών μονοπατιών (προγραμματιστές εφαρμογών, ανεξάρτητοι υπολογισμοί των εργαζομένων) ανοίγουν προοπτικές για τη χρήση κύβων OLAP στην πρακτική μεγάλων ρωσικών εταιρειών.

OLTP + OLAP: περίγραμμα ανατροφοδότησηστην αλυσίδα διαχείρισης της εταιρείας

Τώρα ας δούμε τη γενική ιδέα των κύβων OLAP και το σημείο εφαρμογής τους στην αλυσίδα εταιρικής διαχείρισης. Ο όρος OLAP (OnLine Analytical Processing) εισήχθη από τον Βρετανό μαθηματικό Edgar Codd επιπλέον του όρου του OLTP (OnLine Transactions Processing). Αυτό θα συζητηθεί αργότερα, αλλά ο E. Codd, φυσικά, πρότεινε όχι μόνο τους όρους, αλλά και τις μαθηματικές θεωρίες του OLTP και του OLAP. Χωρίς να υπεισέλθω σε λεπτομέρειες, στη σύγχρονη ερμηνεία, το OLTP είναι μια σχεσιακή βάση δεδομένων, που θεωρείται ως μηχανισμός καταγραφής, αποθήκευσης και ανάκτησης πληροφοριών.

Μεθοδολογία λύσης

Τα συστήματα ERP (Enterprice Resource Planning), όπως τα 1C7, 1C8, MS Dynamics AX, διαθέτουν διεπαφές λογισμικού προσανατολισμένες στο χρήστη (εισαγωγή και επεξεργασία εγγράφων, κ.λπ.) και μια σχεσιακή βάση δεδομένων (DB) για αποθήκευση και ανάκτηση πληροφοριών, που αντιπροσωπεύεται σήμερα από λογισμικό προϊόντα όπως ο MS SQL Server (SS).

Σημειώστε ότι οι πληροφορίες που καταχωρούνται στη βάση δεδομένων του συστήματος ERP είναι πράγματι πολύτιμος πόρος. Το θέμα δεν είναι μόνο ότι οι καταχωρημένες πληροφορίες διασφαλίζουν την τρέχουσα ροή εγγράφων της εταιρείας (εξαγωγή εγγράφων, προσαρμογή τους, δυνατότητα εκτύπωσης και συμφωνίας κ.λπ.) και όχι μόνο τη δυνατότητα υπολογισμού οικονομικών καταστάσεων (φόροι, έλεγχος κ.λπ.). ). Από διαχειριστική άποψη, είναι πολύ πιο σημαντικό το σύστημα OLTP (σχεσιακή βάση δεδομένων) να είναι, στην πραγματικότητα, ένα πραγματικό ψηφιακό μοντέλο των δραστηριοτήτων της εταιρείας σε πραγματικό μέγεθος.

Αλλά για να διαχειριστείτε τη διαδικασία, δεν αρκεί να καταχωρίσετε πληροφορίες σχετικά με αυτήν. Η διαδικασία θα πρέπει να παρουσιάζεται με τη μορφή ενός συστήματος αριθμητικών δεικτών (KPIs) που να χαρακτηρίζει την πρόοδό της. Επιπλέον, πρέπει να καθοριστούν αποδεκτά εύρη τιμών για δείκτες. Και μόνο εάν η τιμή του δείκτη πέσει έξω από το επιτρεπόμενο διάστημα, θα πρέπει να ακολουθήσει μια ενέργεια ελέγχου.

Σχετικά με αυτή τη λογική (ή τη μυθολογία) του ελέγχου («έλεγχος κατά παρέκκλιση»), τόσο ο αρχαίος Έλληνας φιλόσοφος Πλάτων, που δημιούργησε την εικόνα του τιμονιού (cybernose), που ακουμπάει στο κουπί όταν το σκάφος παρεκκλίνει από την πορεία του, όσο και Ο Αμερικανός μαθηματικός Norbert Wiener, ο οποίος δημιούργησε την επιστήμη της κυβερνητικής στις παραμονές της εποχής των υπολογιστών.

Εκτός από το συνηθισμένο σύστημα καταγραφής πληροφοριών χρησιμοποιώντας τη μέθοδο OLTP, χρειάζεται ένα άλλο σύστημα - ένα σύστημα για την ανάλυση των συλλεγόμενων πληροφοριών. Αυτό το πρόσθετο, το οποίο στον βρόχο ελέγχου παίζει το ρόλο της ανάδρασης μεταξύ της διαχείρισης και του αντικειμένου ελέγχου, είναι ένα σύστημα OLAP ή, εν συντομία, ένας κύβος OLAP.

Ως εφαρμογή λογισμικού του OLAP, θα εξετάσουμε το βοηθητικό πρόγραμμα MS Analysis Services, το οποίο αποτελεί μέρος της τυπικής παράδοσης του MS SQL Server, με συντομογραφία SSAS. Σημειώστε ότι, σύμφωνα με το σχέδιο του E. Codd, ο κύβος OLAP στα αναλυτικά στοιχεία θα πρέπει να παρέχει την ίδια συνολική ελευθερία δράσης που παρέχουν το σύστημα OLTP και η σχεσιακή βάση δεδομένων (SQL Server) για την αποθήκευση και την ανάκτηση πληροφοριών.

OLAP Logistics

Τώρα ας δούμε τη συγκεκριμένη διαμόρφωση εξωτερικές συσκευές, προγράμματα εφαρμογών και τεχνολογικές λειτουργίες στις οποίες βασίζεται η αυτοματοποιημένη λειτουργία του κύβου OLAP.

Θα υποθέσουμε ότι η εταιρεία χρησιμοποιεί ένα σύστημα ERP, για παράδειγμα, 1C7 ή 1C8, εντός του οποίου οι πληροφορίες καταγράφονται ως συνήθως. Η βάση δεδομένων αυτού του συστήματος ERP βρίσκεται σε έναν συγκεκριμένο διακομιστή και υποστηρίζεται από τον MS SQL Server.

Θα υποθέσουμε επίσης ότι άλλος διακομιστής έχει εγκατεστημένο λογισμικό, συμπεριλαμβανομένου του MS SQL Server με το βοηθητικό πρόγραμμα MS Analysis Services (SSAS), καθώς και του MS SQL Server Management Studio, MS C#, MS Excel και MS Visual Studio. Αυτά τα προγράμματα μαζί σχηματίζουν το απαιτούμενο πλαίσιο: τα εργαλεία και τις απαραίτητες διεπαφές για τον προγραμματιστή των κύβων OLAP.

Ο διακομιστής SSAS έχει ένα ελεύθερα διανεμημένο πρόγραμμα που ονομάζεται blat, που ονομάζεται (με παραμέτρους) από γραμμή εντολώνκαι παροχή ταχυδρομικών υπηρεσιών.

Σε θέσεις εργασίας εργαζομένων, εντός τοπικό δίκτυο, μεταξύ άλλων, εγκαθίστανται προγράμματα MS Excel (εκδόσεις όχι μικρότερες του 2003), καθώς και, ενδεχομένως, ένα ειδικό πρόγραμμα οδήγησης για να διασφαλιστεί ότι το MS Excel λειτουργεί με τις Υπηρεσίες ανάλυσης MS (εκτός εάν το αντίστοιχο πρόγραμμα οδήγησης περιλαμβάνεται ήδη στο MS Excel).

Για βεβαιότητα, θα υποθέσουμε ότι ένα λειτουργικό σύστημα είναι εγκατεστημένο στους σταθμούς εργασίας των εργαζομένων. Σύστημα Windows XP και σε διακομιστές - Windows Server 2008. Επιπλέον, αφήστε τον MS SQL Server 2005 να χρησιμοποιηθεί ως SQL Server, με την Enterprise Edition (EE) ή Developer Edition (DE) εγκατεστημένη στον διακομιστή με τον κύβο OLAP. Σε αυτές τις εκδόσεις είναι δυνατή η χρήση του λεγόμενου. «ημιπροσθετικά μέτρα», δηλ. πρόσθετος αθροιστικές συναρτήσεις(στατιστικά) εκτός από τα κοινά ποσά (για παράδειγμα, ακραία ή μέτρια).

Σχεδιασμός κύβων OLAP (κυβισμός OLAP)

Ας πούμε λίγα λόγια για τον σχεδιασμό του ίδιου του κύβου OLAP. Στη γλώσσα των στατιστικών, ένας κύβος OLAP είναι ένα σύνολο δεικτών απόδοσης που υπολογίζονται σε όλες τις απαραίτητες ενότητες, για παράδειγμα, ο δείκτης αποστολής σε τμήματα ανά πελάτες, κατά αγαθά, κατά ημερομηνίες κ.λπ. Λόγω της άμεσης μετάφρασης από τα αγγλικά στη ρωσική βιβλιογραφία για κύβους OLAP, οι δείκτες ονομάζονται "μέτρα" και οι ενότητες ονομάζονται "διαστάσεις". Πρόκειται για μια μαθηματικά σωστή, αλλά συντακτικά και σημασιολογικά όχι πολύ επιτυχημένη μετάφραση. Οι ρωσικές λέξεις «μέτρο», «διάσταση», «διάσταση» είναι σχεδόν ίδιες ως προς την έννοια και την ορθογραφία, ενώ οι αγγλικές «μέτρο» και «διάσταση» είναι διαφορετικές τόσο στην ορθογραφία όσο και στην έννοια. Ως εκ τούτου, δίνουμε προτίμηση στους παραδοσιακούς ρωσικούς στατιστικούς όρους "δείκτης" και "κόψιμο", οι οποίοι έχουν παρόμοια σημασία.

Υπάρχουν πολλές επιλογές για την εφαρμογή λογισμικού ενός κύβου OLAP σε σχέση με το σύστημα OLTP όπου καταγράφονται τα δεδομένα. Θα εξετάσουμε μόνο ένα σχήμα, το πιο απλό, πιο αξιόπιστο και ταχύτερο.

Σε αυτήν τη σχεδίαση, το OLAP και το OLTP δεν μοιράζονται πίνακες και τα αναλυτικά στοιχεία OLAP υπολογίζονται με όσο το δυνατόν περισσότερες λεπτομέρειες κατά το στάδιο ενημέρωσης κύβου (Διαδικασία), το οποίο προηγείται του σταδίου χρήσης. Αυτό το σχήμα ονομάζεται MOLAP (Πολυδιάστατο OLAP). Τα μειονεκτήματά του είναι ο ασύγχρονος με το ERP και το υψηλό κόστος μνήμης.

Αν και τυπικά ένας κύβος OLAP μπορεί να κατασκευαστεί χρησιμοποιώντας όλους τους (χιλιάδες) πίνακες σχεσιακών βάσεων δεδομένων του συστήματος ERP ως πηγή δεδομένων και όλα τα (εκατοντάδες) πεδία τους ως δείκτες ή ενότητες, στην πραγματικότητα αυτό δεν πρέπει να γίνει. αντίστροφα. Για να φορτώσετε σε έναν κύβο, είναι πιο σωστό να προετοιμάσετε μια ξεχωριστή βάση δεδομένων, που ονομάζεται "βιτρίνα" ή "αποθήκη".

Διάφοροι λόγοι μας αναγκάζουν να το κάνουμε αυτό.

• Πρώτα,Η σύνδεση ενός κύβου OLAP με πίνακες σε μια πραγματική βάση δεδομένων θα δημιουργήσει σίγουρα τεχνικά προβλήματα. Η αλλαγή δεδομένων σε έναν πίνακα μπορεί να προκαλέσει μια ανανέωση του κύβου και η ανανέωση ενός κύβου δεν είναι απαραίτητα μια γρήγορη διαδικασία, επομένως ο κύβος θα βρίσκεται σε κατάσταση συνεχούς αναδόμησης. Ταυτόχρονα, η διαδικασία ενημέρωσης κύβου μπορεί να μπλοκάρει (κατά την ανάγνωση) τα δεδομένα των πινάκων της βάσης δεδομένων, επιβραδύνοντας το έργο των χρηστών στην καταχώρηση δεδομένων στο σύστημα ERP.
• κατα δευτερον, Η ύπαρξη πάρα πολλών ενδείξεων και περικοπών θα αυξήσει δραματικά την περιοχή αποθήκευσης του κύβου στον διακομιστή. Ας μην ξεχνάμε ότι ο κύβος OLAP αποθηκεύει όχι μόνο τα δεδομένα προέλευσης, όπως στο σύστημα OLTP, αλλά και όλους τους δείκτες που συνοψίζονται σε όλες τις πιθανές ενότητες (ακόμα και όλους τους συνδυασμούς όλων των τμημάτων). Επιπλέον, η ταχύτητα ενημέρωσης του κύβου και, τελικά, η ταχύτητα δημιουργίας και ενημέρωσης αναλυτικών στοιχείων και αναφορών χρηστών με βάση αυτά θα επιβραδυνθεί ανάλογα.
• Τρίτος, πάρα πολλά πεδία (δείκτες και ενότητες) θα δημιουργήσουν προβλήματα στη διεπαφή προγραμματιστή OLAP, επειδή οι λίστες των στοιχείων θα γίνουν τεράστιες.
• Τέταρτον, Ο κύβος OLAP είναι πολύ ευαίσθητος σε παραβιάσεις της ακεραιότητας των δεδομένων. Ο κύβος δεν μπορεί να κατασκευαστεί εάν τα βασικά δεδομένα δεν βρίσκονται στον σύνδεσμο που καθορίζεται στη δομή των συνδέσεων πεδίου κύβου. Οι προσωρινές ή μόνιμες παραβιάσεις της ακεραιότητας και τα κενά πεδία είναι κοινά σε μια βάση δεδομένων συστήματος ERP, αλλά αυτό δεν είναι απολύτως κατάλληλο για το OLAP.

Μπορείτε επίσης να προσθέσετε ότι το σύστημα ERP και ο κύβος OLAP θα πρέπει να βρίσκονται σε διαφορετικούς διακομιστές για κοινή χρήση του φορτίου. Στη συνέχεια, όμως, εάν υπάρχουν κοινοί πίνακες για OLAP και OLTP, προκύπτει επίσης το πρόβλημα της κίνησης δικτύου. Πρακτικά άλυτα προβλήματα προκύπτουν σε αυτήν την περίπτωση όταν είναι απαραίτητο να ενοποιηθούν πολλά διαφορετικά συστήματα ERP (1C7, 1C8, MS Dynamics AX) σε έναν κύβο OLAP.

Πιθανώς, μπορούμε να συνεχίσουμε να συσσωρεύουμε τεχνικά προβλήματα. Αλλά το πιο σημαντικό, να θυμάστε ότι, σε αντίθεση με το OLTP, το OLAP δεν είναι ένα μέσο εγγραφής και αποθήκευσης δεδομένων, αλλά ένα εργαλείο ανάλυσης. Αυτό σημαίνει ότι δεν χρειάζεται να ανεβάσετε και να κατεβάσετε «βρώμικα» δεδομένα από το ERP στο OLAP «για κάθε περίπτωση». Αντίθετα, πρέπει πρώτα να αναπτύξετε μια ιδέα για τη διαχείριση της εταιρείας, τουλάχιστον στο επίπεδο του συστήματος KPI, και στη συνέχεια να σχεδιάσετε μια αποθήκη δεδομένων εφαρμογής (αποθήκη), που βρίσκεται στον ίδιο διακομιστή με τον κύβο OLAP και περιέχει ένα μικρό , εκλεπτυσμένη ποσότητα δεδομένων από ERP που είναι απαραίτητη για τη διαχείριση.

Χωρίς να προωθούνται κακές συνήθειες, ο κύβος OLAP σε σχέση με το OLTP μπορεί να παρομοιαστεί με το γνωστό «στιλ», μέσω του οποίου εξάγεται ένα «καθαρό προϊόν» από τη «ζυμωμένη μάζα» της πραγματικής καταχώρισης.

Έτσι, καταλάβαμε ότι η πηγή δεδομένων για το OLAP είναι μια ειδική βάση δεδομένων (αποθήκη), που βρίσκεται στον ίδιο διακομιστή με το OLAP. Γενικά αυτό σημαίνει δύο πράγματα. Πρώτον, πρέπει να υπάρχουν ειδικές διαδικασίες που θα δημιουργήσουν μια αποθήκη από βάσεις δεδομένων ERP. Δεύτερον, ο κύβος OLAP είναι ασύγχρονος με τα συστήματα ERP του.

Λαμβάνοντας υπόψη τα παραπάνω, προτείνουμε την ακόλουθη έκδοση της αρχιτεκτονικής της υπολογιστικής διαδικασίας.

Αρχιτεκτονική λύσης

Ας υποθέσουμε ότι υπάρχουν πολλά συστήματα ERP μιας συγκεκριμένης εταιρείας (holding) που βρίσκονται σε διαφορετικούς διακομιστές, τα αναλυτικά δεδομένα για τα οποία θα θέλαμε να δούμε ενοποιημένα μέσα σε έναν κύβο OLAP. Τονίζουμε ότι στην τεχνολογία που περιγράφεται, συνδυάζουμε δεδομένα από συστήματα ERP σε επίπεδο αποθήκης, αφήνοντας αμετάβλητο τον σχεδιασμό του κύβου OLAP.

Στον διακομιστή OLAP δημιουργούμε εικόνες (κενά αντίγραφα) των βάσεων δεδομένων όλων αυτών των συστημάτων ERP. Εκτελούμε περιοδικά (νυχτερινά) μερική αναπαραγωγή των αντίστοιχων ενεργών βάσεων δεδομένων ERP σε αυτά τα άδεια αντίγραφα.

Στη συνέχεια, εκκινείται η SP (αποθηκευμένη διαδικασία), η οποία στον ίδιο διακομιστή OLAP χωρίς κίνηση δικτύου, με βάση μερικά αντίγραφα βάσεων δεδομένων συστήματος ERP, δημιουργεί (ή αναπληρώνει) μια αποθήκη (αποθήκη) - την πηγή δεδομένων του κύβου OLAP.

Στη συνέχεια ξεκινά η τυπική διαδικασία για την ενημέρωση/κατασκευή ενός κύβου με βάση τα δεδομένα της αποθήκης (Λειτουργία διαδικασίας στη διεπαφή SSAS).

Ας σχολιάσουμε ορισμένες πτυχές της τεχνολογίας. Τι είδους δουλειά κάνουν οι SP;

Ως αποτέλεσμα μερικής αναπαραγωγής, τα τρέχοντα δεδομένα εμφανίζονται στην εικόνα κάποιου συστήματος ERP στον διακομιστή OLAP. Παρεμπιπτόντως, η μερική αναπαραγωγή μπορεί να πραγματοποιηθεί με δύο τρόπους.

Πρώτον, από όλους τους πίνακες στη βάση δεδομένων του συστήματος ERP, κατά τη μερική αναπαραγωγή, αντιγράφονται μόνο αυτοί που χρειάζονται για την κατασκευή μιας αποθήκης. Αυτό ελέγχεται από μια σταθερή λίστα ονομάτων πινάκων.

Δεύτερον, η μερική αναπαραγωγή μπορεί επίσης να σημαίνει ότι δεν αντιγράφονται όλα τα πεδία του πίνακα, αλλά μόνο εκείνα που εμπλέκονται στην κατασκευή της αποθήκης. Η λίστα των πεδίων προς αντιγραφή είτε καθορίζεται είτε δημιουργείται δυναμικά στο SP στην εικόνα του αντιγράφου (εάν δεν υπάρχουν αρχικά όλα τα πεδία στο αντίγραφο του πίνακα).

Φυσικά, είναι δυνατό να μην αντιγράψετε ολόκληρες σειρές πίνακα, αλλά μόνο να προσθέσετε νέες εγγραφές. Ωστόσο, αυτό δημιουργεί σοβαρές ενοχλήσεις όταν λογιστικοποιούνται οι αναθεωρήσεις ERP «αναδρομικά», κάτι που συμβαίνει συχνά στα πραγματικά συστήματα. Επομένως, είναι πιο εύκολο, χωρίς περαιτέρω καθυστέρηση, να αντιγράψετε όλες τις εγγραφές (ή να ενημερώσετε την "ουρά" ξεκινώντας από μια συγκεκριμένη ημερομηνία).

Στη συνέχεια, το κύριο καθήκον του SP είναι να μετατρέψει τα δεδομένα συστήματος ERP σε μορφή αποθήκης. Εάν υπάρχει μόνο ένα σύστημα ERP, τότε το έργο της μετατροπής έγκειται κυρίως στην αντιγραφή και, ενδεχομένως, στην αναδιαμόρφωση των απαραίτητων δεδομένων. Αλλά εάν είναι απαραίτητο να ενοποιηθούν πολλά συστήματα ERP διαφορετικών δομών στον ίδιο κύβο OLAP, τότε οι μετασχηματισμοί γίνονται πιο περίπλοκοι.

Το έργο της ενοποίησης πολλών διαφορετικών συστημάτων ERP σε έναν κύβο είναι ιδιαίτερα δύσκολο εάν τα σύνολα των αντικειμένων τους (κατάλογοι αγαθών, εργολάβοι, αποθήκες κ.λπ.) αλληλοεπικαλύπτονται εν μέρει, τα αντικείμενα έχουν την ίδια σημασία, αλλά φυσικά περιγράφονται διαφορετικά στους καταλόγους διαφορετικών συστημάτων (με την έννοια των κωδικών, αναγνωριστικών, ονομάτων κ.λπ.).

Στην πραγματικότητα, μια τέτοια εικόνα προκύπτει σε μια μεγάλη εταιρεία συμμετοχών, όταν πολλές από τις αυτόνομες εταιρείες του ίδιου τύπου που την αποτελούν, ασκούν περίπου τους ίδιους τύπους δραστηριοτήτων στην ίδια περίπου περιοχή, αλλά χρησιμοποιούν δικά τους και μη συμφωνημένα συστήματα εγγραφής. Σε αυτήν την περίπτωση, κατά την ενοποίηση δεδομένων σε επίπεδο αποθήκης, δεν μπορείτε να κάνετε χωρίς βοηθητικούς πίνακες χαρτογράφησης.

Ας δώσουμε λίγη προσοχή στην αρχιτεκτονική αποθήκευσης της αποθήκης. Τυπικά, ένα σχήμα κύβου OLAP αναπαρίσταται με τη μορφή "αστέρι", δηλ. ως πίνακας δεδομένων που περιβάλλεται από «ακτίνες» καταλόγων - πίνακες τιμών δευτερευόντων κλειδιών. Ένας πίνακας είναι ένα μπλοκ από "δείκτες" τα βιβλία αναφοράς είναι οι ενότητες τους. Σε αυτήν την περίπτωση, ο κατάλογος, με τη σειρά του, μπορεί να είναι ένα αυθαίρετο μη ισορροπημένο δέντρο ή μια ισορροπημένη ιεραρχία, για παράδειγμα, μια πολυεπίπεδη ταξινόμηση αγαθών ή εργολάβων. Σε έναν κύβο OLAP, τα αριθμητικά πεδία ενός πίνακα δεδομένων από μια αποθήκη γίνονται αυτόματα "δείκτες" (ή μέτρα) και οι ενότητες (ή οι διαστάσεις) μπορούν να οριστούν χρησιμοποιώντας πίνακες δευτερευόντων κλειδιών.

Αυτή είναι μια οπτική «παιδαγωγική» περιγραφή. Στην πραγματικότητα, η αρχιτεκτονική ενός κύβου OLAP μπορεί να είναι πολύ πιο περίπλοκη.

Πρώτον, μια αποθήκη μπορεί να αποτελείται από πολλά "αστέρια", πιθανώς συνδεδεμένα μέσω κοινών καταλόγων. Σε αυτήν την περίπτωση, ο κύβος OLAP θα είναι μια ένωση πολλών κύβων (πολλά μπλοκ δεδομένων).

Δεύτερον, η "ακτίνα" ενός αστερίσκου μπορεί να είναι όχι μόνο ένας κατάλογος, αλλά ένα ολόκληρο (ιεραρχικό) σύστημα αρχείων.

Τρίτον, με βάση τις υπάρχουσες ενότητες διαστάσεων, μπορούν να οριστούν νέες ιεραρχικές ενότητες χρησιμοποιώντας τα εργαλεία διεπαφής προγραμματιστών OLAP (ας πούμε, με λιγότερα επίπεδα, με διαφορετική σειρά επιπέδων κ.λπ.)

Τέταρτον, με βάση τους υπάρχοντες δείκτες και ενότητες, χρησιμοποιώντας εκφράσεις γλώσσας MDX, μπορούν να οριστούν νέοι δείκτες (υπολογισμοί). Είναι σημαντικό να σημειωθεί ότι νέοι κύβοι, νέοι δείκτες, νέα τμήματα ενσωματώνονται αυτόματα πλήρως με τα αρχικά στοιχεία. Θα πρέπει επίσης να σημειωθεί ότι οι κακώς διατυπωμένοι υπολογισμοί και οι ιεραρχικές τομές μπορούν να επιβραδύνουν σημαντικά τη λειτουργία ενός κύβου OLAP.

MS Excel ως διεπαφή στο OLAP

Ιδιαίτερο ενδιαφέρον παρουσιάζει η διεπαφή χρήστη με κύβους OLAP. Φυσικά, η πιο ολοκληρωμένη διεπαφή παρέχεται από το ίδιο το βοηθητικό πρόγραμμα SSAS. Αυτό περιλαμβάνει μια εργαλειοθήκη προγραμματιστή κύβων OLAP, έναν σχεδιαστή διαδραστικών αναφορών και ένα παράθυρο διαδραστική εργασίαμε έναν κύβο OLAP που χρησιμοποιεί ερωτήματα MDX.

Εκτός από το ίδιο το SSAS, υπάρχουν πολλά προγράμματα που παρέχουν μια διεπαφή στο OLAP, καλύπτοντας τη λειτουργικότητά τους σε μεγαλύτερο ή μικρότερο βαθμό. Αλλά μεταξύ αυτών υπάρχει ένα, το οποίο, κατά τη γνώμη μας, έχει αναμφισβήτητα πλεονεκτήματα. Αυτό είναι το MS Excel.

Η διεπαφή με το MS Excel παρέχεται από ειδικό πρόγραμμα οδήγησης, με δυνατότητα λήψης ξεχωριστά ή περιλαμβάνεται στη διανομή του Excel. Δεν καλύπτει όλη τη λειτουργικότητα του OLAP, αλλά με την αύξηση των αριθμών εκδόσεων του MS Excel, αυτή η κάλυψη γίνεται ευρύτερη (για παράδειγμα, στο MS Excel 2007 εμφανίζεται μια γραφική αναπαράσταση του KPI, που δεν υπήρχε στο MS Excel 2003 κ.λπ. ).

Φυσικά, εκτός από την αρκετά πλήρη λειτουργικότητά του, το κύριο πλεονέκτημα του MS Excel είναι η ευρεία διανομή αυτού του προγράμματος και η στενή εξοικείωση με αυτό του συντριπτικού αριθμού χρηστών γραφείου. Υπό αυτή την έννοια, σε αντίθεση με άλλα προγράμματα διεπαφής, η εταιρεία δεν χρειάζεται να αγοράσει κάτι επιπλέον και δεν χρειάζεται να εκπαιδεύσει κανέναν επιπλέον.

Το μεγάλο πλεονέκτημα του MS Excel ως διεπαφής με το OLAP είναι η δυνατότητα περαιτέρω ανεξάρτητης επεξεργασίας των δεδομένων που λαμβάνονται στην αναφορά OLAP (δηλαδή, να συνεχίσει να μελετά δεδομένα που λαμβάνονται από το OLAP σε άλλα φύλλα του ίδιου Excel, χωρίς πλέον να χρησιμοποιεί εργαλεία OLAP, αλλά χρησιμοποιώντας κανονικά εργαλεία του Excel).

Νυχτερινός κύκλος θεραπείας Facubi

Τώρα θα περιγράψουμε τον ημερήσιο (νυχτερινό) υπολογιστικό κύκλο της λειτουργίας OLAP. Ο υπολογισμός πραγματοποιείται υπό τον έλεγχο του προγράμματος facubi, γραμμένο σε C# 2005 και εκκινείται μέσω του Task Scheduler σε διακομιστή με αποθήκη και SSAS. Στην αρχή, το facubi πηγαίνει στο Διαδίκτυο και διαβάζει τις τρέχουσες συναλλαγματικές ισοτιμίες (χρησιμοποιείται για να αντιπροσωπεύει έναν αριθμό δεικτών σε ένα νόμισμα). Στη συνέχεια, εκτελέστε τα παρακάτω βήματα.

Πρώτον, η facubi εκτοξεύει SP που εκτελούν μερική αναπαραγωγή των βάσεων δεδομένων διαφόρων συστημάτων ERP (στοιχεία συγκράτησης) που είναι διαθέσιμα στο τοπικό δίκτυο. Η αναπαραγωγή εκτελείται, όπως είπαμε, σε προπαρασκευασμένα «φόντα» - εικόνες απομακρυσμένων συστημάτων ERP που βρίσκονται στον διακομιστή SSAS.

Δεύτερον, μέσω του SP, πραγματοποιείται μια αντιστοίχιση από αντίγραφα ERP στην αποθήκευση αποθήκης - ένα ειδικό DB, το οποίο είναι η πηγή των δεδομένων κύβου OLAP και βρίσκεται στον διακομιστή SSAS. Σε αυτήν την περίπτωση, επιλύονται τρεις κύριες εργασίες:

• Δεδομένα ERPπροσαρμοσμένο στις απαιτούμενες μορφές κύβου. μιλάμε γιατόσο για πίνακες όσο και για πεδία πίνακα. (Μερικές φορές ο απαιτούμενος πίνακας πρέπει να είναι "μοντέρνος", ας πούμε, από πολλά φύλλα MS Excel.) Παρόμοια δεδομένα μπορεί να έχουν διαφορετικές μορφές σε διαφορετικά ERP, για παράδειγμα, τα πεδία αναγνωριστικού κλειδιού στους καταλόγους 1C7 έχουν έναν 36-ψήφιο κωδικό χαρακτήρων μήκους 8 , και _idrref πεδία στους καταλόγους 1С8 – δεκαεξαδικοί αριθμοί μήκους 32.
• κατά την επεξεργασία Διενεργείται λογικός έλεγχος δεδομένων (συμπεριλαμβανομένης της εγγραφής «προεπιλογών» στη θέση των δεδομένων που λείπουν, όπου είναι δυνατόν) και ο έλεγχος ακεραιότητας, π.χ. έλεγχος της παρουσίας πρωτευόντων και δευτερευόντων κλειδιών στους αντίστοιχους ταξινομητές.
• ενοποίηση κώδικα αντικείμενα που έχουν την ίδια σημασία σε διαφορετικά ERP. Για παράδειγμα, τα αντίστοιχα στοιχεία καταλόγων διαφορετικών ERP μπορεί να έχουν την ίδια σημασία, ας πούμε ότι είναι ο ίδιος αντισυμβαλλόμενος. Το πρόβλημα της ενοποίησης κωδικών λύνεται με την κατασκευή πινάκων αντιστοίχισης, όπου διάφορους κωδικούςτα ίδια αντικείμενα ενώνονται.

Τρίτον, εκτοξεύσεις facubi σταθερή διαδικασίαενημέρωση δεδομένων κύβου διεργασίας (από τις διαδικασίες βοηθητικού προγράμματος SSAS).

Με βάση τις λίστες ελέγχου, η facubi στέλνει μηνύματα ηλεκτρονικού ταχυδρομείου σχετικά με την πρόοδο των βημάτων επεξεργασίας.

Μετά την εκτέλεση του facubi, το Task Scheduler εκκινεί αρκετά αρχεία excel με τη σειρά του, στα οποία οι αναφορές δημιουργούνται εκ των προτέρων με βάση τους δείκτες κύβου OLAP. Όπως είπαμε, το MS Excel έχει ένα ιδιαίτερο διεπαφή λογισμικού(με δυνατότητα λήψης ξεχωριστά ή ενσωματωμένο πρόγραμμα οδήγησης) για εργασία με κύβους OLAP (με SSAS). Όταν ξεκινάτε το MS Excel, ενεργοποιούνται προγράμματα MS VBA (όπως μακροεντολές), τα οποία διασφαλίζουν ότι τα δεδομένα στις αναφορές ενημερώνονται. Οι αναφορές τροποποιούνται εάν είναι απαραίτητο και αποστέλλονται ταχυδρομικά (πρόγραμμα blat) στους χρήστες σύμφωνα με λίστες ελέγχου.

Οι χρήστες τοπικού δικτύου με πρόσβαση στον διακομιστή SSAS θα λαμβάνουν "ζωντανές" αναφορές που έχουν διαμορφωθεί για τον κύβο OLAP. (Καταρχήν, οι ίδιοι, χωρίς καμία αλληλογραφία, μπορούν να ενημερώσουν τις αναφορές OLAP στο MS Excel που βρίσκονται στο δικό τους τοπικούς υπολογιστές.) Οι χρήστες εκτός του τοπικού δικτύου είτε θα λαμβάνουν αρχικές αναφορές, αλλά με περιορισμένη λειτουργικότητα, είτε για αυτούς (μετά την ενημέρωση των αναφορών OLAP στο MS Excel) θα υπολογίζονται ειδικές "νεκρές" αναφορές που δεν έχουν πρόσβαση στον διακομιστή SSAS.

Αξιολόγηση αποτελεσμάτων

Μιλήσαμε παραπάνω για τον ασυγχρονισμό του OLTP και του OLAP. Στην παραλλαγή τεχνολογίας που εξετάζουμε, ο κύκλος ενημέρωσης του κύβου OLAP εκτελείται τη νύχτα (ας πούμε, ξεκινά στη 1 π.μ.). Αυτό σημαίνει ότι την τρέχουσα εργάσιμη ημέρα, οι χρήστες εργάζονται με τα δεδομένα του χθες. Δεδομένου ότι το OLAP δεν είναι ένα εργαλείο εγγραφής (δείτε την τελευταία αναθεώρηση του εγγράφου), αλλά ένα εργαλείο διαχείρισης (κατανοήστε την τάση της διαδικασίας), μια τέτοια καθυστέρηση συνήθως δεν είναι κρίσιμη. Ωστόσο, εάν είναι απαραίτητο, ακόμη και στην περιγραφόμενη έκδοση της αρχιτεκτονικής κύβου (MOLAP), οι ενημερώσεις μπορούν να πραγματοποιούνται πολλές φορές την ημέρα.

Ο χρόνος εκτέλεσης των διαδικασιών ενημέρωσης εξαρτάται από τα χαρακτηριστικά σχεδιασμού του κύβου OLAP (περισσότερη ή λιγότερη πολυπλοκότητα, περισσότερο ή λιγότερο επιτυχημένοι ορισμοί δεικτών και ενοτήτων) και από τον όγκο των βάσεων δεδομένων εξωτερικών συστημάτων OLTP. Σύμφωνα με την εμπειρία, η διαδικασία κατασκευής της αποθήκης διαρκεί από αρκετά λεπτά έως δύο ώρες, η διαδικασία ενημέρωσης κύβου (Διαδικασία) διαρκεί από 1 έως 20 λεπτά. Μιλάμε για πολύπλοκους κύβους OLAP που ενώνουν δεκάδες δομές τύπου αστεριού, δεκάδες κοινές «ακτίνες» (τμήματα αναφοράς) για αυτούς και εκατοντάδες δείκτες. Υπολογίζοντας τον όγκο των βάσεων δεδομένων εξωτερικών συστημάτων ERP που βασίζονται σε έγγραφα αποστολής, μιλάμε για εκατοντάδες χιλιάδες έγγραφα και, κατά συνέπεια, για εκατομμύρια σειρές προϊόντων ετησίως. Το ιστορικό βάθος επεξεργασίας που ενδιαφέρει τον χρήστη ήταν τρία έως πέντε χρόνια.

Η περιγραφόμενη τεχνολογία έχει χρησιμοποιηθεί σε πολλές μεγάλες εταιρείες: από το 2008 στη Russian Fish Company (RRK) και στη Russian Sea company (RM), από το 2012 στην εταιρεία Santa Bremor (SB). Ορισμένες εταιρείες είναι κυρίως εταιρείες εμπορίας και αγορών (PPC), άλλες εταιρείες παραγωγής (εγκαταστάσεις επεξεργασίας ψαριών και θαλασσινών στη Δημοκρατία της Μολδαβίας και τη Δημοκρατία της Λευκορωσίας). Όλες οι εταιρείες είναι μεγάλες συμμετοχές, που ενώνουν πολλές εταιρείες με ανεξάρτητα και διάφορα λογιστικά συστήματα ηλεκτρονικών υπολογιστών - που κυμαίνονται από τυπικά συστήματα ERP όπως 1C7 και 1C8 έως λογιστικά συστήματα «λείψανα» που βασίζονται σε DBF και Excel. Θα προσθέσω ότι η περιγραφόμενη τεχνολογία για τη λειτουργία κύβων OLAP (χωρίς να λαμβάνεται υπόψη το στάδιο ανάπτυξης) είτε δεν απαιτεί καθόλου ειδικούς υπαλλήλους είτε είναι ευθύνη ενός επιχειρησιακού αναλυτή πλήρους απασχόλησης. Το πρόβλημα στροβιλίζεται εδώ και χρόνια αυτόματη λειτουργία, παρέχοντας σε διάφορες κατηγορίες εταιρικών εργαζομένων ενημερωμένη αναφορά σε καθημερινή βάση.

Πλεονεκτήματα και μειονεκτήματα της λύσης

Η εμπειρία δείχνει ότι η προτεινόμενη λύση είναι αρκετά αξιόπιστη και εύκολη στη χρήση. Τροποποιείται εύκολα (σύνδεση/αποσύνδεση νέων ERP, δημιουργία νέων δεικτών και ενοτήτων, δημιουργία και τροποποίηση αναφορών Excel και των λιστών αλληλογραφίας τους) με αμετάβλητο πρόγραμμα ελέγχου facubi.

Το MS Excel ως διεπαφή με το OLAP παρέχει επαρκή εκφραστικότητα και επιτρέπει σε διαφορετικές κατηγορίες υπαλλήλων γραφείου να εξοικειωθούν γρήγορα με την τεχνολογία OLAP. Ο χρήστης λαμβάνει καθημερινές «τυπικές» αναφορές OLAP. χρησιμοποιώντας τη διεπαφή MS Excel με το OLAP, μπορεί να δημιουργήσει ανεξάρτητα αναφορές OLAP στο MS Excel. Επιπλέον, ο χρήστης μπορεί ανεξάρτητα να συνεχίσει να μελετά τις πληροφορίες των αναφορών OLAP χρησιμοποιώντας τις συνήθεις δυνατότητες του MS Excel του.

Η «εξευγενισμένη» βάση δεδομένων αποθήκης, στην οποία ενοποιούνται πολλά ετερογενή συστήματα ERP (κατά την κατασκευή του κύβου), ακόμη και χωρίς κανένα OLAP, σας επιτρέπει να λύσετε (σε διακομιστή SSAS, χρησιμοποιώντας τη μέθοδο ερωτήματος στο Transact SQL ή τη μέθοδο SP κ.λπ.) πολλά προβλήματα εφαρμοσμένης διαχείρισης. Ας υπενθυμίσουμε ότι η δομή της βάσης δεδομένων της αποθήκης είναι ενοποιημένη και πολύ πιο απλή (όσον αφορά τον αριθμό των πινάκων και τον αριθμό των πεδίων του πίνακα) από τις δομές της βάσης δεδομένων του αρχικού ERP.

Σημειώνουμε ιδιαίτερα ότι στην προτεινόμενη λύση μας υπάρχει η δυνατότητα ενοποίησης διαφόρων συστημάτων ERP σε έναν κύβο OLAP. Αυτό σας επιτρέπει να αποκτήσετε αναλυτικά στοιχεία για ολόκληρη την εκμετάλλευση και να διατηρήσετε μακροπρόθεσμη συνέχεια στα αναλυτικά στοιχεία όταν μια εταιρεία μετακινείται σε άλλο λογιστικό σύστημα ERP, ας πούμε, όταν μετακινείται από το 1C7 στο 1C8.

Χρησιμοποιήσαμε το μοντέλο κύβου MOLAP. Τα πλεονεκτήματα αυτού του μοντέλου είναι η αξιοπιστία στη λειτουργία και η υψηλή ταχύτητα επεξεργασίας των αιτημάτων των χρηστών. Μειονεκτήματα: Το OLAP και το OLTP είναι ασύγχρονα, καθώς και μεγάλες ποσότητες μνήμης για την αποθήκευση του OLAP.

Συμπερασματικά, εδώ είναι ένα άλλο επιχείρημα υπέρ του OLAP που θα μπορούσε να ήταν καταλληλότερο στον Μεσαίωνα. Γιατί η αποδεικτική του δύναμη στηρίζεται στην εξουσία. Ένας σεμνός, σαφώς υποτιμημένος Βρετανός μαθηματικός E. Codd ανέπτυξε τη θεωρία των σχεσιακών βάσεων δεδομένων στα τέλη της δεκαετίας του '60. Η δύναμη αυτής της θεωρίας ήταν τέτοια που τώρα, μετά από 50 χρόνια, είναι ήδη δύσκολο να βρεθεί μια μη σχεσιακή βάση δεδομένων και μια γλώσσα ερωτημάτων βάσης δεδομένων διαφορετική από την SQL.

Η τεχνολογία OLTP, βασισμένη στη θεωρία των σχεσιακών βάσεων δεδομένων, ήταν η πρώτη ιδέα του Codd. Στην πραγματικότητα, η έννοια των κύβων OLAP είναι η δεύτερη ιδέα του, που εκφράστηκε από τον ίδιο στις αρχές της δεκαετίας του '90. Ακόμη και χωρίς να είστε μαθηματικός, μπορείτε να περιμένετε ότι η δεύτερη ιδέα θα είναι τόσο αποτελεσματική όσο η πρώτη. Δηλαδή, όσον αφορά την ανάλυση υπολογιστών, οι ιδέες OLAP σύντομα θα κυριεύσουν τον κόσμο και θα εκτοπίσουν όλες τις άλλες. Απλά επειδή το θέμα της ανάλυσης βρίσκει την ολοκληρωμένη μαθηματική του λύση στο OLAP και αυτή η λύση είναι «επαρκής» (όρος του Β. Σπινόζα) στο πρακτικό πρόβλημα της ανάλυσης. «Επαρκώς» σημαίνει στον Σπινόζα ότι ο ίδιος ο Θεός δεν θα μπορούσε να σκεφτεί κάτι καλύτερο...

1. Larson B. Ανάπτυξη επιχειρηματικών αναλυτικών στοιχείων στον Microsoft SQL Server 2005. – Αγία Πετρούπολη: “Peter”, 2008.
2. Codd E. Relational Completeness of Data Base Sublanguages, Data Base Systems, Courant Computer Science Sumposia Series 1972, v. 6, Englwood cliffs, N.Y., Prentice – Hall.

Σε επαφή με

Ίσως για κάποιους, η χρήση της τεχνολογίας OLAP (On-line Analytic Processing) κατά τη δημιουργία αναφορών να φαίνεται κάπως εξωτική, επομένως η χρήση του OLAP-CUBE για αυτούς δεν είναι καθόλου μια από τις πιο σημαντικές απαιτήσεις κατά την αυτοματοποίηση του προϋπολογισμού και της λογιστικής διαχείρισης.

Είναι πραγματικά πολύ βολικό στη χρήση πολυδιάστατος ΚΥΒΟΣόταν εργάζεστε με αναφορές διαχείρισης. Κατά την ανάπτυξη μορφών προϋπολογισμού, μπορεί να αντιμετωπίσετε το πρόβλημα των πολυμεταβλητών φορμών (μπορείτε να διαβάσετε περισσότερα για αυτό στο Βιβλίο 8, «Τεχνολογία για τη ρύθμιση του προϋπολογισμού σε μια εταιρεία» και στο βιβλίο «Ρύθμιση και αυτοματοποίηση της λογιστικής διαχείρισης»).

Αυτό οφείλεται στο γεγονός ότι η αποτελεσματική διαχείριση μιας εταιρείας απαιτεί ολοένα και πιο λεπτομερείς αναφορές διαχείρισης. Δηλαδή, το σύστημα χρησιμοποιεί όλο και περισσότερες διαφορετικές αναλυτικές ενότητες (στο πληροφοριακά συστήματατα αναλυτικά στοιχεία ορίζονται από ένα σύνολο βιβλίων αναφοράς).

Φυσικά, αυτό οδηγεί στο γεγονός ότι οι διαχειριστές θέλουν να λαμβάνουν αναφορές σε όλες τις αναλυτικές ενότητες που τους ενδιαφέρουν. Αυτό σημαίνει ότι οι αναφορές πρέπει να γίνονται για να «αναπνεύσουν» με κάποιο τρόπο. Με άλλα λόγια, μπορούμε να πούμε ότι σε αυτή την περίπτωση μιλάμε για το γεγονός ότι η έννοια της ίδιας έκθεσης θα πρέπει να παρέχει πληροφορίες σε διαφορετικές αναλυτικές πτυχές. Επομένως, οι στατικές αναφορές δεν ταιριάζουν πλέον σε πολλούς σύγχρονους μάνατζερ. Χρειάζονται τη δυναμική που μπορεί να προσφέρει ένας πολυδιάστατος CUBE.

Έτσι, η τεχνολογία OLAP έχει ήδη γίνει υποχρεωτικό στοιχείο στα σύγχρονα και μελλοντικά συστήματα πληροφοριών. Επομένως, όταν επιλέγετε ένα προϊόν λογισμικού, πρέπει να προσέχετε εάν χρησιμοποιεί τεχνολογία OLAP.

Επιπλέον, πρέπει να είστε σε θέση να διακρίνετε τους πραγματικούς Κύβους από τους μιμητικούς. Μια τέτοια προσομοίωση είναι οι πίνακες περιστροφής στο MS Excel. Ναι, αυτό το εργαλείο μοιάζει με CUBE, αλλά στην πραγματικότητα δεν είναι ένα, καθώς πρόκειται για στατικούς και όχι δυναμικούς πίνακες. Επιπλέον, έχουν πολύ χειρότερη εφαρμογή της δυνατότητας δημιουργίας αναφορών χρησιμοποιώντας στοιχεία από ιεραρχικούς καταλόγους.

Για να επιβεβαιώσουμε τη συνάφεια της χρήσης του CUBE κατά τη δημιουργία αναφορών διαχείρισης, μπορούμε να δώσουμε ένα απλό παράδειγμα με έναν προϋπολογισμό πωλήσεων. Στο υπό εξέταση παράδειγμα, οι ακόλουθες αναλυτικές ενότητες αφορούν την εταιρεία: προϊόντα, υποκαταστήματα και κανάλια πωλήσεων. Εάν αυτά τα τρία αναλυτικά στοιχεία είναι σημαντικά για την εταιρεία, τότε ο προϋπολογισμός (ή η αναφορά) πωλήσεων μπορεί να εμφανιστεί σε διάφορες εκδόσεις.

Θα πρέπει να σημειωθεί ότι εάν δημιουργήσετε γραμμές προϋπολογισμού με βάση τρεις αναλυτικές ενότητες (όπως στο υπό εξέταση παράδειγμα), αυτό σας επιτρέπει να δημιουργήσετε αρκετά πολύπλοκα μοντέλα προϋπολογισμού και να δημιουργήσετε λεπτομερείς αναφορές χρησιμοποιώντας το CUBE.

Για παράδειγμα, ένας προϋπολογισμός πωλήσεων μπορεί να καταρτιστεί χρησιμοποιώντας μόνο ένα αναλυτικό στοιχείο (κατάλογο). Παρουσιάζεται ένα παράδειγμα προϋπολογισμού πωλήσεων που δημιουργήθηκε με βάση ένα αναλυτικό στοιχείο "Προϊόντα". Φιγούρα 1.

Ρύζι. 1. Ένα παράδειγμα προϋπολογισμού πωλήσεων που έχει δημιουργηθεί με βάση ένα αναλυτικό «Προϊόντα» στο OLAP-CUBE

Ο ίδιος προϋπολογισμός πωλήσεων μπορεί να καταρτιστεί χρησιμοποιώντας δύο αναλυτικά στοιχεία (καταλόγους). Ένα παράδειγμα προϋπολογισμού πωλήσεων που έχει δημιουργηθεί με βάση δύο αναλυτικά στοιχεία «Προϊόντα» και «Κλάδοι» παρουσιάζεται στη διεύθυνση Σχήμα 2.

Ρύζι. 2. Ένα παράδειγμα προϋπολογισμού πωλήσεων που έχει δημιουργηθεί με βάση δύο αναλυτικά στοιχεία «Προϊόντα» και «Κλάδοι» στο OLAP-CUBE του πακέτου λογισμικού INTEGRAL

.

Εάν υπάρχει ανάγκη δημιουργίας πιο λεπτομερών αναφορών, τότε ο ίδιος προϋπολογισμός πωλήσεων μπορεί να καταρτιστεί χρησιμοποιώντας τρία αναλυτικά στοιχεία (καταλόγους). Ένα παράδειγμα προϋπολογισμού πωλήσεων που έχει δημιουργηθεί με βάση τρία αναλυτικά στοιχεία «Προϊόντα», «Καταστήματα» και «Κανάλια πωλήσεων» παρουσιάζεται στη διεύθυνση Εικόνα 3.

Ρύζι. 3. Παράδειγμα προϋπολογισμού πωλήσεων που έχει δημιουργηθεί με βάση τρία αναλυτικά στοιχεία «Προϊόντα», «Υποκαταστήματα» και «Κανάλια Πωλήσεων» στο OLAP-CUBE του πακέτου λογισμικού INTEGRAL

Θα πρέπει να υπενθυμίσουμε ότι ο CUBE που χρησιμοποιείται για τη δημιουργία αναφορών σας επιτρέπει να εμφανίζετε δεδομένα σε διαφορετικές ακολουθίες. Επί Εικόνα 3Ο προϋπολογισμός πωλήσεων πρώτα «επεκτείνεται» ανά προϊόν, μετά ανά κλάδο και μετά ανά κανάλι πωλήσεων.

Τα ίδια δεδομένα μπορούν να παρουσιαστούν με διαφορετική σειρά. Επί Εικόνα 4Ο ίδιος προϋπολογισμός πωλήσεων «επεκτείνεται» πρώτα ανά προϊόν, μετά ανά κανάλι πωλήσεων και μετά ανά κλάδο.

Ρύζι. 4. Παράδειγμα προϋπολογισμού πωλήσεων που έχει δημιουργηθεί με βάση τρία αναλυτικά στοιχεία «Προϊόντα», «Κανάλια Διανομής» και «Υποκαταστήματα» στο OLAP-CUBE του πακέτου λογισμικού INTEGRAL

Επί Εικόνα 5Ο ίδιος προϋπολογισμός πωλήσεων «ξεδιπλώνεται» πρώτα από υποκαταστήματα, μετά από προϊόντα και μετά από κανάλια πωλήσεων.

Ρύζι. 5. Παράδειγμα προϋπολογισμού πωλήσεων που δημιουργήθηκε με βάση τρία αναλυτικά στοιχεία "Branches", "Products" και "Sales Channels" στο πακέτο λογισμικού OLAP-CUBE "INTEGRAL"

Στην πραγματικότητα δεν είναι μόνο αυτό πιθανές επιλογέςαπόσυρση του προϋπολογισμού πωλήσεων.

Επιπλέον, πρέπει να δώσετε προσοχή στο γεγονός ότι το CUBE σας επιτρέπει να εργαστείτε με ιεραρχική δομήβιβλία αναφοράς. Στα παραδείγματα που παρουσιάζονται, οι ιεραρχικοί κατάλογοι είναι «Προϊόντα» και «Κανάλια Διανομής».

Από την πλευρά του χρήστη, σε αυτό το παράδειγμα λαμβάνει αρκετές αναφορές διαχείρισης (βλ. Ρύζι. 1-5), και από την άποψη των ρυθμίσεων στο προϊόν λογισμικού- αυτή είναι μια αναφορά. Απλά χρησιμοποιώντας τον CUBE μπορείτε να τον δείτε με διάφορους τρόπους.

Φυσικά, στην πράξη, είναι δυνατός ένας πολύ μεγάλος αριθμός επιλογών για την παραγωγή διαφόρων αναφορών διαχείρισης, εάν τα άρθρα τους βασίζονται σε έναν ή περισσότερους αναλυτές. Και το ίδιο το σύνολο των αναλυτικών στοιχείων εξαρτάται από τις ανάγκες των χρηστών για λεπτομέρειες. Είναι αλήθεια ότι δεν πρέπει να ξεχνάμε ότι, αφενός, όσο μεγαλύτερος είναι ο αναλυτής, τόσο πιο λεπτομερείς αναφορές μπορούν να κατασκευαστούν. Αλλά, από την άλλη πλευρά, αυτό σημαίνει ότι το μοντέλο χρηματοοικονομικού προϋπολογισμού θα είναι πιο περίπλοκο. Σε κάθε περίπτωση, εάν υπάρχει KUB, η εταιρεία θα έχει τη δυνατότητα να δει τις απαραίτητες αναφορές σε διάφορες εκδόσεις, σύμφωνα με τις αναλυτικές ενότητες που ενδιαφέρουν.

Είναι απαραίτητο να αναφέρουμε αρκετά ακόμη χαρακτηριστικά του OLAP-CUBE.

Σε ένα πολυδιάστατο ιεραρχικό OLAP-CUBE υπάρχουν διάφορες διαστάσεις: τύπος σειράς, ημερομηνία, σειρές, κατάλογος 1, κατάλογος 2 και κατάλογος 3 (βλ. Ρύζι. 6). Φυσικά, η αναφορά εμφανίζει τόσα κουμπιά με καταλόγους όσα υπάρχουν στη γραμμή προϋπολογισμού που περιέχει τον μέγιστο αριθμό καταλόγων. Εάν δεν υπάρχει ούτε ένα βιβλίο αναφοράς σε καμία γραμμή προϋπολογισμού, τότε η αναφορά δεν θα έχει ούτε ένα κουμπί με βιβλία αναφοράς.

Αρχικά, το OLAP-CUBE κατασκευάζεται σε όλες τις διαστάσεις. Από προεπιλογή, όταν η αναφορά δημιουργείται αρχικά, οι διαστάσεις βρίσκονται ακριβώς στις περιοχές που εμφανίζονται Εικόνα 6. Δηλαδή, μια διάσταση όπως η "Ημερομηνία" βρίσκεται στην περιοχή των κάθετων διαστάσεων (διαστάσεις στην περιοχή της στήλης), των διαστάσεων "Σειρές", "Κατάλογος 1", "Κατάλογος 2" και "Κατάλογος 3" - στο περιοχή οριζόντιων διαστάσεων (διαστάσεις στις σειρές περιοχής) και η διάσταση «Τύπος γραμμής» βρίσκεται στην περιοχή διαστάσεων «μη επεκτάμενες» (διαστάσεις στην περιοχή της σελίδας). Εάν μια ιδιότητα βρίσκεται στην τελευταία περιοχή, τότε τα δεδομένα στην αναφορά δεν θα "επεκτείνονται" σε αυτήν την ιδιότητα.

Κάθε μία από αυτές τις διαστάσεις μπορεί να τοποθετηθεί σε οποιαδήποτε από τις τρεις περιοχές. Μόλις μεταφερθούν οι μετρήσεις, η αναφορά ανακατασκευάζεται άμεσα για να ταιριάζει με τη νέα διαμόρφωση μέτρησης. Για παράδειγμα, μπορείτε να αλλάξετε την ημερομηνία και τις γραμμές με βιβλία αναφοράς. Ή μπορείτε να μετακινήσετε ένα από τα βιβλία αναφοράς στην κατακόρυφη περιοχή μέτρησης (βλ. Ρύζι. 7). Με άλλα λόγια, μπορείτε να «στρέψετε» την αναφορά στο OLAP-CUBE και να επιλέξετε την επιλογή εξόδου αναφοράς που είναι πιο βολική για τον χρήστη.

Ρύζι. 7. Ένα παράδειγμα επαναδημιουργίας μιας αναφοράς μετά την αλλαγή της διαμόρφωσης μέτρησης του πακέτου λογισμικού INTEGRAL

Η διαμόρφωση μέτρησης μπορεί να αλλάξει είτε στην κύρια φόρμα CUBE είτε στο πρόγραμμα επεξεργασίας χάρτη αλλαγής (βλ. Ρύζι. 8). Σε αυτό το πρόγραμμα επεξεργασίας, μπορείτε επίσης να σύρετε και να αποθέσετε μετρήσεις από τη μια περιοχή στην άλλη με το ποντίκι. Επιπλέον, μπορείτε να αλλάξετε μετρήσεις σε μία περιοχή.

Επιπλέον, στην ίδια φόρμα μπορείτε να διαμορφώσετε ορισμένες παραμέτρους μέτρησης. Για κάθε διάσταση, μπορείτε να προσαρμόσετε τη θέση των συνόλων, τη σειρά ταξινόμησης των στοιχείων και τα ονόματα των στοιχείων (βλ. Ρύζι. 8). Μπορείτε επίσης να καθορίσετε ποιο όνομα στοιχείου θα εμφανίζεται στην αναφορά: συντομογραφία (Όνομα) ή πλήρες (FullName).

Ρύζι. 8. Επεξεργαστής χαρτών μέτρησης του πακέτου λογισμικού INTEGRAL

Μπορείτε να επεξεργαστείτε τις παραμέτρους μέτρησης απευθείας σε καθεμία από αυτές (βλ. Ρύζι. 9). Για να το κάνετε αυτό, κάντε κλικ στο εικονίδιο που βρίσκεται στο κουμπί δίπλα στο όνομα της μέτρησης.

Ρύζι. 9. Παράδειγμα επεξεργασίας καταλόγου 1 Προϊόντα και υπηρεσίες σε

Χρησιμοποιώντας αυτό το πρόγραμμα επεξεργασίας, μπορείτε να επιλέξετε τα στοιχεία που θέλετε να εμφανίζονται στην αναφορά. Από προεπιλογή, όλα τα στοιχεία εμφανίζονται στην αναφορά, αλλά εάν είναι απαραίτητο, ορισμένα στοιχεία ή φάκελοι μπορούν να παραληφθούν. Για παράδειγμα, εάν πρέπει να εμφανίσετε μόνο μία ομάδα προϊόντων στην αναφορά, τότε πρέπει να καταργήσετε την επιλογή όλων των άλλων στο πρόγραμμα επεξεργασίας μετρήσεων. Μετά από αυτό, η αναφορά θα περιέχει μόνο μία ομάδα προϊόντων (βλ. Ρύζι. 10).

Μπορείτε επίσης να ταξινομήσετε στοιχεία σε αυτό το πρόγραμμα επεξεργασίας. Επιπλέον, τα στοιχεία μπορούν να αναδιαταχθούν διαφορετικοί τρόποι. Μετά από μια τέτοια ανασυγκρότηση, η αναφορά ξαναχτίζεται αμέσως.

Ρύζι. 10. Παράδειγμα εξόδου σε μια αναφορά μόνο μιας ομάδας προϊόντων (φάκελος) στο πακέτο λογισμικού INTEGRAL

Στο πρόγραμμα επεξεργασίας διαστάσεων, μπορείτε να δημιουργήσετε γρήγορα τις δικές σας ομάδες, να σύρετε και να αποθέσετε στοιχεία από τους καταλόγους εκεί κ.λπ. Από προεπιλογή, μόνο η ομάδα Άλλο δημιουργείται αυτόματα, αλλά μπορούν να δημιουργηθούν και άλλες ομάδες. Έτσι, χρησιμοποιώντας το πρόγραμμα επεξεργασίας διαστάσεων, μπορείτε να διαμορφώσετε ποια στοιχεία των βιβλίων αναφοράς και με ποια σειρά θα πρέπει να εμφανίζονται στην αναφορά.

Πρέπει να σημειωθεί ότι όλες αυτές οι ανακατατάξεις δεν καταγράφονται. Δηλαδή, μετά το κλείσιμο της αναφοράς ή μετά τον επανυπολογισμό της, όλοι οι κατάλογοι θα εμφανίζονται στην αναφορά σύμφωνα με τη διαμορφωμένη μεθοδολογία.

Στην πραγματικότητα, όλες αυτές οι αλλαγές θα μπορούσαν να είχαν γίνει αρχικά κατά τη ρύθμιση των γραμμών.

Για παράδειγμα, χρησιμοποιώντας περιορισμούς μπορείτε επίσης να καθορίσετε ποια στοιχεία ή ομάδες καταλόγων θα πρέπει να εμφανίζονται στην αναφορά και ποια όχι.

Σημείωση: το θέμα αυτού του άρθρου συζητείται με περισσότερες λεπτομέρειες σε εργαστήρια «Διαχείριση προϋπολογισμού επιχείρησης»Και «Οργάνωση και αυτοματοποίηση της λογιστικής διαχείρισης»διεξήχθη από τον συγγραφέα αυτού του άρθρου, Alexander Karpov.

Εάν ο χρήστης χρειάζεται σχεδόν τακτικά να εμφανίζει μόνο ορισμένα στοιχεία ή φακέλους καταλόγου στην αναφορά, τότε είναι προτιμότερο να κάνετε τέτοιες ρυθμίσεις εκ των προτέρων κατά τη δημιουργία γραμμών αναφοράς. Εάν διάφοροι συνδυασμοί στοιχείων καταλόγου στις αναφορές είναι σημαντικοί για τον χρήστη, τότε δεν χρειάζεται να ορίσετε περιορισμούς κατά τη ρύθμιση της μεθοδολογίας. Όλοι αυτοί οι περιορισμοί μπορούν να ρυθμιστούν γρήγορα χρησιμοποιώντας το πρόγραμμα επεξεργασίας μετρήσεων.

04/07/2011 Derek Comingore

Εάν έχετε εργαστεί σε οποιονδήποτε τομέα που σχετίζεται με την τεχνολογία, πιθανότατα έχετε ακούσει τον όρο "κύβος". Ωστόσο, οι περισσότεροι συνηθισμένοι διαχειριστές και προγραμματιστές βάσεων δεδομένων δεν δούλευαν με αυτά τα αντικείμενα. Οι κύβοι παρέχουν μια ισχυρή αρχιτεκτονική δεδομένων για γρήγορη συγκέντρωση πολυδιάστατων πληροφοριών. Εάν ο οργανισμός σας χρειάζεται να αναλύσει μεγάλο όγκο δεδομένων, τότε ιδανική λύσηθα είναι ένας κύβος

Τι είναι ο κύβος;

Οι σχεσιακές βάσεις δεδομένων σχεδιάστηκαν για να χειρίζονται χιλιάδες ταυτόχρονες συναλλαγές διατηρώντας παράλληλα την απόδοση και την ακεραιότητα των δεδομένων. Από το σχεδιασμό, οι σχεσιακές βάσεις δεδομένων δεν είναι αποτελεσματικές στη συγκέντρωση και την αναζήτηση μεγάλου όγκου δεδομένων. Για να συγκεντρώσει και να επιστρέψει μεγάλους όγκους δεδομένων, μια σχεσιακή βάση δεδομένων πρέπει να λάβει ένα ερώτημα που βασίζεται σε σύνολο, οι πληροφορίες για το οποίο θα συλλέγονται και θα συγκεντρώνονται αμέσως. Τέτοια σχεσιακά ερωτήματα είναι πολύ ακριβά επειδή βασίζονται σε πολλαπλές συνδέσεις και αθροιστικές συναρτήσεις. Τα συγκεντρωτικά σχεσιακά ερωτήματα είναι ιδιαίτερα αναποτελεσματικά όταν εργάζεστε με μεγάλες ποσότητες δεδομένων.

Οι κύβοι είναι πολυδιάστατες οντότητες που έχουν σχεδιαστεί για να αντιμετωπίζουν αυτήν την έλλειψη σε σχεσιακές βάσεις δεδομένων. Χρησιμοποιώντας έναν κύβο, μπορείτε να παρέχετε στους χρήστες μια δομή δεδομένων που παρέχει γρήγορη απάντηση σε ερωτήματα με μεγάλους όγκους συγκέντρωσης. Οι κύβοι εκτελούν αυτή τη «μαγεία συγκέντρωσης» συγκεντρώνοντας πρώτα δεδομένα (διαστάσεις) σε πολλαπλές διαστάσεις. Η προ-συσσωμάτωση του κύβου πραγματοποιείται συνήθως κατά την επεξεργασία. Όταν επεξεργάζεστε έναν κύβο, παράγετε προυπολογισμένες συναθροίσεις δεδομένων που αποθηκεύονται σε δυαδική μορφή στο δίσκο.

Ο κύβος είναι η κεντρική δομή δεδομένων λειτουργικό σύστημαΑνάλυση δεδομένων OLAP των SQL Server Analytical Services (SSAS). Οι κύβοι συνήθως κατασκευάζονται από μια υποκείμενη σχεσιακή βάση δεδομένων που ονομάζεται μοντέλο διαστάσεων, αλλά είναι ξεχωριστές τεχνικές οντότητες. Λογικά, ένας κύβος είναι μια αποθήκη δεδομένων που αποτελείται από διαστάσεις (διαστάσεις) και μετρήσεις (μέτρα). Οι διαστάσεις περιέχουν περιγραφικά χαρακτηριστικά και ιεραρχίες, ενώ οι διαστάσεις είναι τα γεγονότα που περιγράφετε σε διαστάσεις. Οι διαστάσεις ομαδοποιούνται σε λογικούς συνδυασμούς που ονομάζονται ομάδες διαστάσεων. Συνδέετε διαστάσεις με ομάδες μέτρησης με βάση ένα χαρακτηριστικό - τον βαθμό λεπτομέρειας.

ΣΕ σύστημα αρχείωνένας κύβος υλοποιείται ως μια ακολουθία συνδεδεμένων δυαδικών αρχείων. Η δυαδική αρχιτεκτονική του κύβου διευκολύνει την ταχεία ανάκτηση μεγάλων όγκων πολυδιάστατων δεδομένων.

Ανέφερα ότι οι κύβοι κατασκευάζονται από μια υποκείμενη σχεσιακή βάση δεδομένων που ονομάζεται μοντέλο διαστάσεων. Το μοντέλο διαστάσεων περιέχει σχεσιακούς πίνακες (γεγονός και διάσταση) που το συνδέουν με τις οντότητες του κύβου. Οι πίνακες πληροφοριών περιέχουν διαστάσεις όπως η ποσότητα ενός προϊόντος που πωλήθηκε. Οι πίνακες διαστάσεων αποθηκεύουν περιγραφικά χαρακτηριστικά, όπως ονόματα προϊόντων, ημερομηνίες και ονόματα εργαζομένων. Συνήθως, οι πίνακες γεγονότων και οι πίνακες διαστάσεων συσχετίζονται μέσω περιορισμών πρωτεύοντος ξένου κλειδιού, με τα ξένα κλειδιά να βρίσκονται στον πίνακα γεγονότων (αυτή η σχεσιακή σχέση σχετίζεται με το χαρακτηριστικό cube granularity που συζητήθηκε παραπάνω). Όταν οι πίνακες διαστάσεων συνδέονται απευθείας με έναν πίνακα γεγονότων, σχηματίζεται ένα σχήμα αστεριού. Όταν οι πίνακες διαστάσεων δεν συνδέονται απευθείας με έναν πίνακα γεγονότων, το αποτέλεσμα είναι ένα σχήμα νιφάδας χιονιού.

Λάβετε υπόψη ότι τα μοντέλα διαστάσεων ταξινομούνται ανάλογα με την εφαρμογή. Το data mart είναι ένα μοντέλο διαστάσεων που έχει σχεδιαστεί για μια μεμονωμένη επιχειρηματική διαδικασία, όπως η διαχείριση πωλήσεων ή αποθεμάτων. Η αποθήκη δεδομένων είναι ένα μοντέλο διαστάσεων που έχει σχεδιαστεί για να συλλαμβάνει τις επιχειρησιακές διαδικασίες συστατικών, έτσι ώστε να διευκολύνει την ανάλυση διεργασιών μεταξύ επιχειρήσεων.

Απαιτήσεις λογισμικού

Τώρα που έχετε μια βασική κατανόηση του τι είναι οι κύβοι και γιατί είναι σημαντικοί, θα ενεργοποιήσω τα γρανάζια και θα σας οδηγήσω σε μια περιήγηση βήμα προς βήμα για την κατασκευή του πρώτου σας κύβου χρησιμοποιώντας SSAS. Υπάρχουν μερικά βασικά στοιχεία λογισμικό, που θα χρειαστείτε, γι' αυτό προτού ξεκινήσετε την κατασκευή του πρώτου σας κύβου, βεβαιωθείτε ότι το σύστημά σας πληροί τις απαιτήσεις.

Το παράδειγμά μου κύβος πωλήσεων στο Διαδίκτυο θα κατασκευαστεί από τη δοκιμαστική βάση δεδομένων AdventureWorksDW 2005. Θα δημιουργήσω τον κύβο δοκιμής από ένα υποσύνολο των πινάκων που βρίσκονται στη δοκιμαστική βάση δεδομένων που θα είναι χρήσιμο για την ανάλυση δεδομένων πωλήσεων στο Διαδίκτυο. Το σχήμα 1 δείχνει τη βασική διάταξη των πινάκων της βάσης δεδομένων. Εφόσον χρησιμοποιώ την έκδοση 2005, μπορείτε να ακολουθήσετε τις οδηγίες μου χρησιμοποιώντας είτε SQL Server 2005 είτε SQL Server 2008.

Εικόνα 1. Υποσύνολο του Adventure Works Internet Sales mart

Μπορείτε να βρείτε τη βάση δεδομένων εκπαίδευσης Adventure WorksDW 2005 στον ιστότοπο του CodePlex: msftdbprodsamples.codeplex.com. Βρείτε τον σύνδεσμο "Οι βάσεις δεδομένων δειγμάτων προϊόντων SQL Server 2005 εξακολουθούν να είναι διαθέσιμες" (http://codeplex.com/MSFTDBProdSamples/Release/ProjectReleases.aspx?ReleaseId=4004). Η βάση δεδομένων εκπαίδευσης περιέχεται στο αρχείο AdventureWorksBI.msi (http://msftdbprodsamples.codeplex.com/releases/view/4004#DownloadId=11755).

Όπως αναφέρθηκε, πρέπει να έχετε πρόσβαση σε μια παρουσία του SQL Server 2008 ή 2005, συμπεριλαμβανομένων των στοιχείων SSAS και Business Intelligence Development Studio (BIDS). Θα χρησιμοποιώ τον SQL Server 2008, οπότε ενδέχεται να δείτε κάποιες ανεπαίσθητες διαφορές εάν χρησιμοποιείτε SQL Server 2005.

Δημιουργία έργου SSAS

Το πρώτο πράγμα που πρέπει να κάνετε είναι να δημιουργήσετε ένα έργο SSAS χρησιμοποιώντας BIDS. Βρείτε BIDS στο μενού Έναρξη και, στη συνέχεια, στο μενού Microsoft SQL Server 2008/2005, υποστοιχείο SQL Server Business Intelligence Development Studio. Κάνοντας κλικ σε αυτό το κουμπί θα εκκινήσει το BIDS με την προεπιλεγμένη οθόνη εκκίνησης. Δημιουργώ νέο έργο SSAS επιλέγοντας Αρχείο, Νέο, Έργο. Θα δείτε το πλαίσιο διαλόγου New Project, το οποίο δείχνει η Εικόνα 1. Επιλέξτε το φάκελο Analysis Services Project και ορίστε την περιγραφή του έργου σε SQLMAG_MyFirstCube. Κάντε κλικ στο OK.

Μόλις δημιουργηθεί το έργο, κάντε δεξί κλικ πάνω του στην Εξερεύνηση λύσεων και επιλέξτε κατάλογος συμφραζόμενωνΣτοιχείο Ιδιότητες. Τώρα επιλέξτε την ενότητα Deployment στην αριστερή πλευρά του πλαισίου διαλόγου SQLMAG_MyFirstCube: Property Pages και ελέγξτε τις ρυθμίσεις Target Server και Database, όπως δείχνει η Εικόνα 2. Εάν εργάζεστε σε περιβάλλον κατανεμημένου SQL Server, θα πρέπει να πληροίτε τις προϋποθέσεις την ιδιότητα Target Server με το όνομα του διακομιστή στον οποίο πρόκειται να αναπτύξετε. Κάντε κλικ στο OK όταν είστε ικανοποιημένοι με τις ρυθμίσεις ανάπτυξης για αυτό το έργο SSAS.

Καθορισμός της πηγής δεδομένων

Το πρώτο αντικείμενο που πρέπει να δημιουργήσετε είναι η πηγή δεδομένων. Ένα αντικείμενο προέλευσης δεδομένων παρέχει το σχήμα και τα δεδομένα που χρησιμοποιούνται για την κατασκευή των αντικειμένων που σχετίζονται με και στη βάση του κύβου. Για να δημιουργήσετε ένα αντικείμενο προέλευσης δεδομένων στο BIDS, χρησιμοποιήστε τον Οδηγό προέλευσης ΔεδομέναΟδηγός πηγής.

Ξεκινήστε τον Οδηγό προέλευσης δεδομένων κάνοντας δεξί κλικ στο φάκελο Προέλευση δεδομένων στον πίνακα Εξερεύνηση λύσεων και επιλέγοντας Νέα προέλευση δεδομένων. Θα διαπιστώσετε ότι η δημιουργία αντικειμένων SSAS στο BIDS έχει αναπτυξιακό χαρακτήρα. Πρώτα, ο μάγος σας καθοδηγεί στη διαδικασία δημιουργίας ενός αντικειμένου και Γενικές Ρυθμίσεις. Στη συνέχεια, ανοίγετε το αντικείμενο SSAS που προκύπτει στον σχεδιαστή και το προσαρμόζετε λεπτομερώς εάν χρειάζεται. Μόλις ξεπεράσετε την οθόνη προτροπής, ορίστε μια νέα σύνδεση δεδομένων κάνοντας κλικ στο κουμπί Νέο. Επιλέξτε και δημιουργήστε μια νέα σύνδεση με βάση το Native OLEDB\SQL Server Native Client 10 που δείχνει σε αυτόν που θέλετε Διακομιστής SQLΔιακομιστής που κατέχει την επιθυμητή παρουσία βάσης δεδομένων. Μπορείτε να χρησιμοποιήσετε έλεγχο ταυτότητας Windows ή SQL Server, ανάλογα με τις ρυθμίσεις περιβάλλοντος του SQL Server. Κάντε κλικ στο κουμπί Test Connection για να βεβαιωθείτε ότι έχετε ορίσει σωστά τη σύνδεση της βάσης δεδομένων και, στη συνέχεια, στο κουμπί OK.

Στη συνέχεια έρχονται οι Πληροφορίες πλαστοπροσωπίας, οι οποίες, όπως και η συσχέτιση δεδομένων, εξαρτώνται από το πώς είναι δομημένο το περιβάλλον του SQL Server. Ο δανεισμός προνομίων είναι το πλαίσιο ασφαλείας στο οποίο βασίζεται η SSAS κατά την επεξεργασία των αντικειμένων της. Εάν διαχειρίζεστε την ανάπτυξή σας σε έναν κύριο, μεμονωμένο διακομιστή (ή φορητό υπολογιστή), όπως υποθέτω ότι είναι οι περισσότεροι αναγνώστες, μπορείτε απλώς να επιλέξετε την επιλογή Χρήση του λογαριασμού υπηρεσίας. Κάντε κλικ στο Επόμενο για να ολοκληρώσετε τον Οδηγό προέλευσης δεδομένων και να ορίσετε το AWDW2005 ως Όνομα προέλευσης δεδομένων. Είναι πολύ βολικό να μπορείτε να χρησιμοποιήσετε αυτήν τη μέθοδο για σκοπούς δοκιμής, αλλά σε ένα πραγματικό περιβάλλον παραγωγής δεν είναι και η πιο η καλύτερη εξάσκηση- χρησιμοποιήστε έναν λογαριασμό υπηρεσίας. Είναι καλύτερο να προσδιορίσετε τον τομέα Λογαριασμοίγια να δανειστείτε δικαιώματα σύνδεσης SSAS στην πηγή δεδομένων.

Προβολή πηγής δεδομένων

Για την προέλευση δεδομένων που έχετε ορίσει, το επόμενο βήμα στη διαδικασία δημιουργίας κύβου SSAS είναι να δημιουργήσετε μια προβολή προέλευσης δεδομένων (DSV). Το DSV παρέχει τη δυνατότητα διαχωρισμού του σχήματος που περιμένει ο κύβος σας από αυτό της υποκείμενης βάσης δεδομένων. Ως αποτέλεσμα, το DSV μπορεί να χρησιμοποιηθεί για την επέκταση του υποκείμενου σχεσιακού σχήματος κατά την κατασκευή ενός κύβου. Μερικά από τα βασικά χαρακτηριστικά του DSV για την επέκταση των σχημάτων προέλευσης δεδομένων περιλαμβάνουν ονομασμένα ερωτήματα, λογικές σχέσεις μεταξύ πινάκων και υπολογιζόμενες στήλες με όνομα.

Ας προχωρήσουμε και κάντε δεξί κλικ στο φάκελο DSV και επιλέξτε Νέα Προβολή προέλευσης δεδομένων για να εκκινήσετε τον οδηγό Δημιουργία νέας προβολής DSV. Στο παράθυρο διαλόγου, στο βήμα Επιλογή προέλευσης δεδομένων, επιλέξτε μια σύνδεση σχεσιακής βάσης δεδομένων και κάντε κλικ στο Επόμενο. Επιλέξτε τους πίνακες FactInternetSales, DimProduct, DimTime, DimCustomer και κάντε κλικ στο κουμπί με ένα δεξί βέλος για να μετακινήσετε αυτούς τους πίνακες στη στήλη Συμπεριλαμβανόμενα. Τέλος, κάντε κλικ στο Επόμενο και ολοκληρώστε τον οδηγό αποδεχόμενοι το προεπιλεγμένο όνομα και κάνοντας κλικ στο Τέλος.

Σε αυτό το σημείο, θα πρέπει να έχετε μια προβολή DSV που βρίσκεται κάτω από το φάκελο Προβολές προέλευσης δεδομένων στην Εξερεύνηση λύσεων. Κάντε διπλό κλικ στο νέο DSV για να εκκινήσετε τον σχεδιαστή DSV. Θα πρέπει να δείτε και τους τέσσερις πίνακες για ένα δεδομένο DSV, όπως φαίνεται στην Εικόνα 2.

Δημιουργία διαστάσεων βάσης δεδομένων

Όπως εξήγησα παραπάνω, οι ιδιότητες παρέχουν περιγραφικά χαρακτηριστικά ιδιοτήτων και ιεραρχιών που χρησιμοποιούνται για να επιτρέψουν τη συγκέντρωση πάνω από το επίπεδο λεπτομέρειας. Είναι σημαντικό να κατανοήσουμε τη διαφορά μεταξύ μιας διάστασης βάσης δεδομένων και μιας διάστασης κύβου: οι διαστάσεις από τη βάση δεδομένων παρέχουν τα υποκείμενα αντικείμενα διάστασης για τις διάφορες διαστάσεις του κύβου που θα χρησιμοποιηθούν για την κατασκευή του κύβου.

Οι διαστάσεις της βάσης δεδομένων και του κύβου παρέχουν μια κομψή λύση σε μια έννοια που είναι γνωστή ως "διαστάσεις ρόλου". Οι διαστάσεις που βασίζονται σε ρόλους χρησιμοποιούνται όταν χρειάζεται να χρησιμοποιήσετε μια μεμονωμένη διάσταση σε έναν κύβο πολλές φορές. Η ημερομηνία είναι ένα τέλειο παράδειγμα σε αυτήν την περίπτωση κύβου: θα δημιουργήσετε μια μεμονωμένη διάσταση ημερομηνίας και θα την αναφέρετε μία φορά για κάθε ημερομηνία για την οποία θέλετε να αναλύσετε τις διαδικτυακές πωλήσεις. Η ημερολογιακή ημερομηνία θα είναι η πρώτη διάσταση που δημιουργείτε. Κάντε δεξί κλικ στο φάκελο Dimensions στην Εξερεύνηση λύσεων και επιλέξτε New Dimension για να εκκινήσετε τον Dimension Wizard. Επιλέξτε Χρήση υπάρχοντος πίνακα και κάντε κλικ στο Επόμενο στο βήμα Επιλογή μεθόδου δημιουργίας. Στο βήμα Specify Source Information, καθορίστε τον πίνακα DimTime στην αναπτυσσόμενη λίστα Main table και κάντε κλικ στο Next. Τώρα, στο βήμα Select Dimension Attributes, πρέπει να επιλέξετε τα χαρακτηριστικά της διάστασης χρόνου. Επιλέξτε κάθε χαρακτηριστικό, όπως δείχνει το σχήμα 3.

Κάντε κλικ στο Επόμενο. Ως τελευταίο βήμα, εισαγάγετε την Ημερομηνία Dim στο πεδίο Όνομα και κάντε κλικ στο Finish για να ολοκληρώσετε τον Οδηγό ιδιοτήτων. Θα πρέπει τώρα να δείτε τη νέα ιδιότητα Dim Date που βρίσκεται κάτω από το φάκελο Dimensions στην Εξερεύνηση λύσεων.

Στη συνέχεια, χρησιμοποιήστε τον Οδηγό διαστάσεων για να δημιουργήσετε διαστάσεις προϊόντος και πελάτη. Ακολουθήστε τα ίδια βήματα για να δημιουργήσετε τη βασική διάσταση όπως πριν. Όταν εργάζεστε με τον Οδηγό ιδιοτήτων, βεβαιωθείτε ότι έχετε επιλέξει όλα τα πιθανά χαρακτηριστικά στο βήμα Επιλογή χαρακτηριστικών ιδιοτήτων. Οι προεπιλεγμένες τιμές για τις άλλες ρυθμίσεις είναι καλές για μια περίπτωση δοκιμαστικού κύβου.

Δημιουργία κύβου πωλήσεων στο Διαδίκτυο

Τώρα που έχετε προετοιμάσει τις διαστάσεις της βάσης δεδομένων, μπορείτε να ξεκινήσετε τη δημιουργία του κύβου. Στην Εξερεύνηση λύσεων, κάντε δεξί κλικ στο φάκελο Cubes και επιλέξτε New Cube για να εκκινήσετε τον Οδηγό Cube. Στο παράθυρο Επιλογή μεθόδου δημιουργίας, επιλέξτε την επιλογή Χρήση υπαρχόντων πινάκων. Επιλέξτε τον πίνακα FactInternetSales για Ομάδα μέτρησης στο βήμα Επιλογή πινάκων ομάδας μέτρησης. Καταργήστε την επιλογή των πλαισίων δίπλα στις διαστάσεις Κλειδί προώθησης, Κλειδί νομίσματος, Κλειδί περιοχής πωλήσεων και αριθμός αναθεώρησης στο βήμα Επιλογή μέτρων και κάντε κλικ στο Επόμενο.

Στην οθόνη Επιλογή υπαρχουσών διαστάσεων, βεβαιωθείτε ότι όλες οι υπάρχουσες διαστάσεις της βάσης δεδομένων έχουν επιλεγεί για χρήση ως διαστάσεις κύβου. Επειδή θα ήθελα να διατηρήσω αυτόν τον κύβο όσο πιο απλό γίνεται, καταργήστε την επιλογή της ιδιότητας FactInternetSales στο βήμα Επιλογή νέων διαστάσεων. Αφήνοντας επιλεγμένη την ιδιότητα FactInternetSales, θα δημιουργήσετε αυτό που ονομάζεται διάσταση δεδομένων ή εκφυλισμένη ιδιότητα. Οι διαστάσεις δεδομένων είναι διαστάσεις που δημιουργήθηκαν χρησιμοποιώντας έναν βασικό πίνακα γεγονότων σε αντίθεση με έναν παραδοσιακό πίνακα διαστάσεων.

Κάντε κλικ στο Επόμενο για να μεταβείτε στο βήμα Ολοκλήρωση του Οδηγού και πληκτρολογήστε "Ο πρώτος μου κύβος" στο πεδίο Όνομα κύβου. Κάντε κλικ στο κουμπί Finish για να ολοκληρώσετε τη διαδικασία Create Cube Wizard.

Διεύρυνση και Επεξεργασία ενός κύβου

Τώρα είστε έτοιμοι να αναπτύξετε και να επεξεργαστείτε τον πρώτο κύβο. Κάντε δεξί κλικ στο νέο εικονίδιο κύβου στην Εξερεύνηση λύσεων και επιλέξτε Διαδικασία. Θα δείτε ένα πλαίσιο μηνύματος που θα δηλώνει ότι το περιεχόμενο φαίνεται να είναι ξεπερασμένο. Κάντε κλικ στο Ναι για να αναπτύξετε τον νέο κύβο στον διακομιστή προορισμού SSAS. Όταν αναπτύσσετε έναν κύβο στέλνετε αρχείο XMLγια Ανάλυση (XMLA) στον διακομιστή προορισμού SSAS, ο οποίος δημιουργεί έναν κύβο στον ίδιο τον διακομιστή. Όπως αναφέρθηκε, η επεξεργασία ενός κύβου συμπληρώνει τα δυαδικά αρχεία του στο δίσκο με δεδομένα από την κύρια πηγή, καθώς και με πρόσθετα μεταδεδομένα που έχετε προσθέσει (διαστάσεις, διαστάσεις και ρυθμίσεις κύβου).

Μόλις ολοκληρωθεί η διαδικασία ανάπτυξης, εμφανίζεται ένα νέο πλαίσιο διαλόγου Process Cube. Κάντε κλικ στο κουμπί Εκτέλεση για να ξεκινήσει η επεξεργασία του κύβου, ο οποίος ανοίγει με το παράθυρο Process Progress. Όταν ολοκληρωθεί η επεξεργασία, κάντε κλικ στο Κλείσιμο (δύο φορές για να κλείσετε και τα δύο παράθυρα διαλόγου) για να ολοκληρώσετε τις διαδικασίες ανάπτυξης και επεξεργασίας κύβου.

Έχετε πλέον δημιουργήσει, αναπτύξει και επεξεργαστεί τον πρώτο σας κύβο. Μπορείτε να δείτε αυτόν τον νέο κύβο κάνοντας δεξί κλικ πάνω του στο παράθυρο Εξερεύνηση λύσεων και επιλέγοντας Αναζήτηση. Σύρετε διαστάσεις στο κέντρο του συγκεντρωτικού πίνακα και χαρακτηριστικά ιδιοτήτων σε σειρές και στήλες για να εξερευνήσετε τον νέο σας κύβο. Παρατηρήστε πόσο γρήγορα επεξεργάζεται ο κύβος διάφορα ερωτήματα συνάθροισης. Τώρα μπορείτε να εκτιμήσετε την απεριόριστη δύναμη και επομένως την επιχειρηματική αξία, κύβος OLAP.

Derek Comingore ( [email προστατευμένο]) είναι ανώτερος αρχιτέκτονας στο B. I. Voyage, το οποίο έχει την ιδιότητα του Microsoft Partner στον τομέα της ανάλυσης επιχειρήσεων. Διαθέτει τον τίτλο MVP του SQL Server και αρκετές πιστοποιήσεις της Microsoft

Ένα αυτόνομο αρχείο κύβου (.cub) αποθηκεύει δεδομένα σε μια μορφή σε έναν κύβο ηλεκτρονικής αναλυτικής επεξεργασίας (OLAP). Αυτά τα δεδομένα μπορεί να αντιπροσωπεύουν μέρος μιας βάσης δεδομένων OLAP από διακομιστή OLAP ή μπορεί να έχουν δημιουργηθεί ανεξάρτητα από οποιαδήποτε βάση δεδομένων OLAP. Για να συνεχίσετε να εργάζεστε με αναφορές Συγκεντρωτικού Πίνακα και Συγκεντρωτικού Γραφήματος όταν ο διακομιστής δεν είναι διαθέσιμος ή όταν είναι εκτός σύνδεσης, χρησιμοποιήστε ένα αρχείο κύβου εκτός σύνδεσης.

Μάθετε περισσότερα για τους κύβους εκτός σύνδεσης

Όταν εργάζεστε με μια αναφορά Συγκεντρωτικού Πίνακα ή Συγκεντρωτικού Γραφήματος που βασίζεται σε μια προέλευση δεδομένων από διακομιστή OLAP, χρησιμοποιήστε τον Οδηγό κύβου χωρίς σύνδεση για να αντιγράψετε τα δεδομένα πηγής σε ένα ξεχωριστό αρχείο κύβου εκτός σύνδεσης στον υπολογιστή σας. Για να δημιουργήσετε αυτά τα αρχεία εκτός σύνδεσης, πρέπει να έχετε εγκατεστημένο στον υπολογιστή σας έναν πάροχο δεδομένων OLAP που να υποστηρίζει αυτές τις δυνατότητες, όπως το MSOLAP από τις Υπηρεσίες ανάλυσης του Microsoft SQL Server.

Σημείωση:Δημιουργία και χρήση αρχείων κύβου εκτός σύνδεσης από τις Υπηρεσίες ανάλυσης του Microsoft SQL Server, υπό τους όρους και την άδεια χρήσης Εγκαταστάσεις της Microsoft SQL Server. Ελέγξτε τις κατάλληλες πληροφορίες άδειας χρήσης για την έκδοση του SQL Server που διαθέτετε.

Χρήση του Οδηγού κύβου εκτός σύνδεσης

Για να δημιουργήσετε ένα αρχείο κύβου εκτός σύνδεσης, χρησιμοποιήστε τον Οδηγό κύβου χωρίς σύνδεση για να επιλέξετε ένα υποσύνολο δεδομένων στη βάση δεδομένων OLAP και, στη συνέχεια, να αποθηκεύσετε αυτό το σύνολο. Η αναφορά δεν χρειάζεται να περιλαμβάνει όλα τα πεδία που περιλαμβάνονται στο αρχείο και μπορείτε να επιλέξετε από οποιαδήποτε από τις διαστάσεις και τα πεδία δεδομένων του που είναι διαθέσιμα στη βάση δεδομένων OLAP. Για να ελαχιστοποιήσετε το μέγεθος του αρχείου, μπορείτε να συμπεριλάβετε μόνο τα δεδομένα που θέλετε να εμφανίζονται στην αναφορά. Μπορείτε να παραλείψετε όλες τις διαστάσεις και, για τους περισσότερους τύπους διαστάσεων, να παραλείψετε επίσης λεπτομέρειες και λειτουργίες χαμηλότερου επιπέδου κορυφαίο επίπεδο, τα οποία δεν χρειάζεται να εμφανίζονται. Για ένα αρχείο εκτός σύνδεσης, αποθηκεύονται επίσης όλα τα στοιχεία που μπορούν να συμπεριληφθούν στα πεδία ιδιοτήτων που είναι διαθέσιμα στη βάση δεδομένων για αυτά τα στοιχεία.

Λήψη δεδομένων εκτός σύνδεσης και, στη συνέχεια, επαναφορά δεδομένων στο διαδίκτυο

Για να το κάνετε αυτό, πρέπει πρώτα να δημιουργήσετε μια αναφορά Συγκεντρωτικού Πίνακα ή μια αναφορά Συγκεντρωτικού Γραφήματος που βασίζεται στη βάση δεδομένων διακομιστή και, στη συνέχεια, να δημιουργήσετε ένα αυτόνομο αρχείο κύβου από την αναφορά. Στη συνέχεια, όταν εργάζεστε με μια αναφορά, μπορείτε να κάνετε εναλλαγή μεταξύ της βάσης δεδομένων διακομιστή και του αρχείου εκτός σύνδεσης ανά πάσα στιγμή (για παράδειγμα, όταν εργάζεστε σε φορητό υπολογιστή στο σπίτι ή στο δρόμο και στη συνέχεια συνδέετε ξανά τον υπολογιστή στο δίκτυο).

Τα παρακάτω περιγράφουν τα βασικά βήματα για τη λήψη δεδομένων εκτός σύνδεσης και την επαναφορά τους στο διαδίκτυο.

Σημείωση:

Κάντε κλικ στην αναφορά Συγκεντρωτικού Πίνακα. Εάν πρόκειται για αναφορά Συγκεντρωτικού Γραφήματος, επιλέξτε τη σχετική αναφορά Συγκεντρωτικού Πίνακα.

Στην "καρτέλα" Ανάλυση"στην Ομάδα υπολογισμούςκάντε κλικ στο κουμπί Υπηρεσία OLAPκαι πατήστε το κουμπί OLAP εκτός σύνδεσης.

ΕΠΕΛΕΞΕ ΕΝΑ ΑΝΤΙΚΕΙΜΕΝΟ OLAP με συνδεσιμότητα, και μετά κάντε κλικ στο κουμπί Εντάξει.

Εάν σας ζητηθεί να βρείτε μια πηγή δεδομένων, κάντε κλικ Βρείτε πηγήκαι βρείτε τον διακομιστή OLAP στο δίκτυο.

Κάντε κλικ στην αναφορά Συγκεντρωτικού Πίνακα που βασίζεται στο αρχείο κύβου εκτός σύνδεσης.

Στο Excel 2016: Στην καρτέλα " δεδομένα"στην Ομάδα αιτήματα και συνδέσεις Ενημέρωση όλωνκαι πατήστε το κουμπί Εκσυγχρονίζω.

Στο Excel 2013: Στην καρτέλα " δεδομένα"στην Ομάδα συνδέσειςκάντε κλικ στο βέλος δίπλα στο κουμπί Ενημέρωση όλωνκαι πατήστε το κουμπί Εκσυγχρονίζω.

Στην "καρτέλα" Ανάλυση"στην Ομάδα υπολογισμούςκάντε κλικ στο κουμπί Υπηρεσία OLAPκαι πατήστε το κουμπί OLAP εκτός σύνδεσης.

Κάντε κλικ στο κουμπί Λειτουργία OLAP εκτός σύνδεσης, και μετά - .

Σημείωση: Να σταματήσειστο πλαίσιο διαλόγου.

Προειδοποίηση:

Δημιουργία ενός αρχείου κύβου εκτός σύνδεσης από μια βάση δεδομένων διακομιστή OLAP

Σημείωση:Εάν η βάση δεδομένων OLAP είναι μεγάλη και το αρχείο κύβου είναι απαραίτητο για την παροχή πρόσβασης σε ένα μεγάλο υποσύνολο δεδομένων, πολλά ελεύθερος χώροςστον δίσκο και η αποθήκευση του αρχείου μπορεί να διαρκέσει πολύ. Για να βελτιώσετε την απόδοση, συνιστάται να δημιουργείτε αυτόνομα αρχεία κύβου χρησιμοποιώντας μια δέσμη ενεργειών MDX.

Πρόβλημα: Ο υπολογιστής μου δεν έχει αρκετό χώρο στο δίσκο κατά την αποθήκευση ενός κύβου.

Οι βάσεις δεδομένων OLAP έχουν σχεδιαστεί για τη διαχείριση μεγάλων ποσοτήτων λεπτομερών δεδομένων, επομένως μια βάση δεδομένων που φιλοξενείται σε διακομιστή μπορεί να καταλαμβάνει πολύ περισσότερο χώρο από ό,τι είναι διαθέσιμο στον τοπικό σας σκληρό δίσκο. Εάν επιλέξετε μεγάλο όγκο δεδομένων για έναν κύβο δεδομένων εκτός σύνδεσης, ενδέχεται να μην έχετε αρκετό ελεύθερο χώρο στο δίσκο. Η ακόλουθη προσέγγιση θα βοηθήσει στη μείωση του μεγέθους του αρχείου κύβου εκτός σύνδεσης.

Απελευθερώστε χώρο στο δίσκο ή επιλέξτε διαφορετικό δίσκοΠριν αποθηκεύσετε το αρχείο κύβου, αφαιρέστε το από το δίσκο. περιττά αρχείαή αποθηκεύστε το αρχείο σε μονάδα δίσκου δικτύου.

Συμπερίληψη λιγότερων δεδομένων σε ένα αρχείο κύβου εκτός σύνδεσηςΣκεφτείτε πώς μπορείτε να ελαχιστοποιήσετε τον όγκο των δεδομένων που περιλαμβάνονται στο αρχείο, έτσι ώστε το αρχείο να περιέχει όλα τα δεδομένα που απαιτούνται για μια αναφορά Συγκεντρωτικού Πίνακα ή Συγκεντρωτικό γράφημα. Δοκιμάστε τα παρακάτω βήματα.

Σύνδεση ενός αρχείου κύβου εκτός σύνδεσης σε μια βάση δεδομένων διακομιστή OLAP

Ενημέρωση και εκ νέου δημιουργία ενός αρχείου κύβου εκτός σύνδεσης

Η ενημέρωση ενός αρχείου κύβου εκτός σύνδεσης που δημιουργείται από τα πιο πρόσφατα δεδομένα που λαμβάνονται από έναν κύβο διακομιστή ή από ένα νέο αρχείο κύβου εκτός σύνδεσης μπορεί να διαρκέσει σημαντικό χρόνο και να απαιτεί μεγάλο προσωρινό χώρο στο δίσκο. Εκτελέστε αυτήν τη διαδικασία όταν δεν χρειάζεστε άμεση πρόσβαση σε άλλα αρχεία, αφού βεβαιωθείτε ότι έχετε αρκετό χώρο στον σκληρό σας δίσκο.

Πρόβλημα: Τα νέα δεδομένα δεν εμφανίζονται στην αναφορά όταν ανανεώνονται.

Έλεγχος της διαθεσιμότητας της βάσης δεδομένων πηγήςΤο αρχείο κύβου εκτός σύνδεσης ενδέχεται να μην μπορεί να συνδεθεί με τη βάση δεδομένων του διακομιστή πηγής για τη λήψη νέων δεδομένων. Βεβαιωθείτε ότι η αρχική βάση δεδομένων στον διακομιστή που είναι η πηγή δεδομένων για τον κύβο δεν έχει μετονομαστεί ή μετακινηθεί σε άλλη τοποθεσία. Βεβαιωθείτε ότι ο διακομιστής είναι προσβάσιμος και ότι μπορεί να συνδεθεί.

Έλεγχος για νέα δεδομέναΕπικοινωνήστε με τον διαχειριστή της βάσης δεδομένων σας για να δείτε εάν τα δεδομένα που πρέπει να περιλαμβάνονται στην αναφορά έχουν ενημερωθεί.

Έλεγχος της αμετάβλητης οργάνωσης της βάσης δεδομένωνΑν Κύβος OLAPΟ διακομιστής έχει αλλάξει, η πρόσβαση στα αλλαγμένα δεδομένα ενδέχεται να απαιτεί αναδιοργάνωση της αναφοράς, δημιουργία αρχείου κύβου εκτός σύνδεσης ή εκτέλεση του Οδηγού δημιουργίας κύβου OLAP. Για να μάθετε σχετικά με τις αλλαγές της βάσης δεδομένων, επικοινωνήστε με τον διαχειριστή της βάσης δεδομένων σας.

Συμπερίληψη άλλων δεδομένων στο αρχείο κύβου εκτός σύνδεσης

Η αποθήκευση ενός τροποποιημένου αρχείου κύβου εκτός σύνδεσης μπορεί να είναι χρονοβόρα και απαιτεί εργασία Microsoft Excelδεν είναι δυνατή κατά την αποθήκευση του αρχείου. Εκτελέστε αυτήν τη διαδικασία όταν δεν χρειάζεστε άμεση πρόσβαση σε άλλα αρχεία, αφού βεβαιωθείτε ότι έχετε αρκετό χώρο στον σκληρό σας δίσκο.

Βεβαιωθείτε ότι υπάρχει σύνδεση δικτύου και ότι είναι προσβάσιμη η βάση δεδομένων του διακομιστή προέλευσης OLAP από την οποία ελήφθησαν δεδομένα το αρχείο κύβου εκτός σύνδεσης.

Κάντε κλικ σε μια αναφορά Συγκεντρωτικού Πίνακα που δημιουργήθηκε από ένα αυτόνομο αρχείο κύβου ή σε μια συσχετισμένη αναφορά Συγκεντρωτικού Πίνακα για μια αναφορά Συγκεντρωτικού Γραφήματος.

Στην καρτέλα Επιλογέςστην Ομάδα Υπηρεσίακάντε κλικ στο κουμπί Υπηρεσία OLAPκαι πατήστε το κουμπί Λειτουργία OLAP εκτός σύνδεσης.

Κάντε κλικ στο κουμπί Λειτουργία OLAP εκτός σύνδεσης, και μετά - Επεξεργασία αρχείου δεδομένων εκτός σύνδεσης.

Ακολουθήστε τον Οδηγό Offline Cube για να επιλέξετε άλλα δεδομένα που θα συμπεριληφθούν σε αυτό το αρχείο. Στο τελευταίο βήμα, καθορίστε το όνομα και τη διαδρομή προς το αρχείο που θέλετε να αλλάξετε.

Σημείωση:Για να ακυρώσετε την αποθήκευση του αρχείου, κάντε κλικ στο κουμπί Να σταματήσειστο πλαίσιο διαλόγου Δημιουργία αρχείου κύβου - πρόοδος.

Διαγραφή αρχείου κύβου εκτός σύνδεσης

Προειδοποίηση:Εάν διαγράψετε ένα αρχείο κύβου εκτός σύνδεσης για μια αναφορά, δεν μπορείτε πλέον να χρησιμοποιήσετε αυτήν την αναφορά εκτός σύνδεσης και δεν μπορείτε πλέον να δημιουργήσετε ένα αρχείο κύβου εκτός σύνδεσης για αυτήν την αναφορά.

Κλείστε όλα τα βιβλία εργασίας που περιέχουν αναφορές που χρησιμοποιούν το αρχείο κύβου εκτός σύνδεσης ή βεβαιωθείτε ότι όλες αυτές οι αναφορές διαγράφονται.

ΣΕ Microsoft WindowsΕντοπίστε και διαγράψτε το αρχείο κύβου εκτός σύνδεσης (αρχείο CUB).

Επιπλέον πληροφορίες

Μπορείτε πάντα να κάνετε μια ερώτηση σε έναν ειδικό του Excel Tech Community, να ζητήσετε βοήθεια στην κοινότητα Απαντήσεις και επίσης να προτείνετε νέο χαρακτηριστικόή βελτίωση στον ιστότοπο

Σε έναν τυπικό συγκεντρωτικό πίνακα, τα δεδομένα προέλευσης αποθηκεύονται στον τοπικό σας σκληρό δίσκο. Με αυτόν τον τρόπο, μπορείτε πάντα να τα διαχειρίζεστε και να τα αναδιοργανώνετε, ακόμη και χωρίς πρόσβαση στο δίκτυο. Αλλά αυτό σε καμία περίπτωση δεν ισχύει για τους συγκεντρωτικούς πίνακες OLAP. Στους συγκεντρωτικούς πίνακες OLAP, η προσωρινή μνήμη δεν αποθηκεύεται ποτέ στον τοπικό σκληρό δίσκο. Επομένως, αμέσως μετά την αποσύνδεση από το τοπικό δίκτυο, ο συγκεντρωτικός πίνακας δεν θα λειτουργεί πλέον. Δεν θα μπορείτε να μετακινήσετε ούτε ένα πεδίο σε αυτό.

Εάν εξακολουθείτε να χρειάζεται να αναλύσετε δεδομένα OLAP αφού βγείτε εκτός σύνδεσης, δημιουργήστε έναν κύβο δεδομένων εκτός σύνδεσης. Ένας κύβος δεδομένων εκτός σύνδεσης είναι ένα ξεχωριστό αρχείο που αποτελεί προσωρινή μνήμη συγκεντρωτικού πίνακα και αποθηκεύει δεδομένα OLAP που προβάλλονται μετά την αποσύνδεση από το τοπικό δίκτυο. Τα δεδομένα OLAP που αντιγράφονται σε έναν συγκεντρωτικό πίνακα μπορούν να εκτυπωθούν λεπτομερώς στον ιστότοπο http://everest.ua.

Για να δημιουργήσετε έναν αυτόνομο κύβο δεδομένων, δημιουργήστε πρώτα έναν συγκεντρωτικό πίνακα OLAP. Τοποθετήστε τον κέρσορα μέσα στον συγκεντρωτικό πίνακα και κάντε κλικ στο κουμπί Εργαλεία OLAP στην καρτέλα με βάση τα συμφραζόμενα Εργαλεία, η οποία αποτελεί μέρος της ομάδας καρτελών με βάση τα Εργαλεία Συγκεντρωτικού Πίνακα. Επιλέξτε την εντολή Offline OLAP (Εικ. 9.8).

Το πλαίσιο διαλόγου Offline OLAP Data Cube Settings εμφανίζεται στην οθόνη. Κάντε κλικ στο κουμπί Δημιουργία αρχείου δεδομένων εκτός σύνδεσης. Εκκινήσατε τον Οδηγό δημιουργίας αρχείων Data Cube. Κάντε κλικ στο κουμπί Επόμενο για να συνεχίσετε τη διαδικασία.

Πρώτα πρέπει να καθορίσετε τις διαστάσεις και τα επίπεδα που θα συμπεριληφθούν στον κύβο δεδομένων. Στο παράθυρο διαλόγου, πρέπει να επιλέξετε τα δεδομένα που θα εισαχθούν από τη βάση δεδομένων OLAP. Η ιδέα είναι να καθορίσετε μόνο εκείνες τις διαστάσεις που θα χρειαστούν μετά την αποσύνδεση του υπολογιστή από το τοπικό δίκτυο. Όσο περισσότερες διαστάσεις καθορίσετε, τόσο μεγαλύτερος θα είναι ο αυτόνομος κύβος δεδομένων.

Κάντε κλικ στο κουμπί Επόμενο για να μετακινηθείτε στο επόμενο παράθυρο διαλόγου του οδηγού. Σας δίνει τη δυνατότητα να καθορίσετε μέλη ή στοιχεία δεδομένων που δεν θα περιλαμβάνονται στον κύβο. Συγκεκριμένα, δεν θα χρειαστείτε το μέτρο Internet Sales-Extended Amount, επομένως το πλαίσιο ελέγχου του θα διαγραφεί στη λίστα. Ένα απαλλαγμένο πλαίσιο ελέγχου υποδεικνύει ότι το καθορισμένο στοιχείο δεν θα εισαχθεί και θα καταλαμβάνει περιττό χώρο στον τοπικό σας σκληρό δίσκο.

Στο τελευταίο βήμα, καθορίστε τη θέση και το όνομα του κύβου δεδομένων. Στην περίπτωσή μας, το αρχείο cube θα ονομάζεται MyOfflineCube.cub και θα βρίσκεται στο φάκελο Work.

Τα αρχεία κύβου δεδομένων έχουν την επέκταση .νεογνό ζώου

Μετά από κάποιο χρονικό διάστημα, το Excel θα αποθηκεύσει τον κύβο δεδομένων εκτός σύνδεσης στον καθορισμένο φάκελο. Για να το δοκιμάσετε, κάντε διπλό κλικ στο αρχείο, το οποίο θα δημιουργήσει αυτόματα ένα λειτουργικό Βιβλία εργασίας του Excel, ο οποίος περιέχει έναν συγκεντρωτικό πίνακα που σχετίζεται με τον επιλεγμένο κύβο δεδομένων. Μόλις δημιουργηθεί, μπορείτε να διανείμετε τον κύβο δεδομένων εκτός σύνδεσης σε όλους τους ενδιαφερόμενους χρήστες που εργάζονται σε λειτουργία LAN εκτός σύνδεσης.

Αφού συνδεθείτε στο τοπικό σας δίκτυο, μπορείτε να ανοίξετε το αρχείο κύβου δεδομένων εκτός σύνδεσης και να το ενημερώσετε και τον σχετικό πίνακα δεδομένων. Η κύρια αρχή δηλώνει ότι ο κύβος δεδομένων εκτός σύνδεσης χρησιμοποιείται μόνο για να λειτουργεί όταν το τοπικό δίκτυο αποσυνδέεται, αλλά απαιτείται να ενημερωθεί μετά την αποκατάσταση της σύνδεσης. Η προσπάθεια ενημέρωσης ενός κύβου δεδομένων εκτός σύνδεσης μετά από αποτυχία σύνδεσης θα έχει ως αποτέλεσμα την αποτυχία.