Introducción al modelo analítico en SAP Datasphere

la semana pasada nosotros lanzó SAP Datasphere como la próxima generación de SAP Data Warehouse Cloud, pero con nuevas capacidades para mejorar el descubrimiento, el modelado y la distribución de datos.

El nuevo modelo analítico es una de las piedras angulares de SAP Datasphere, ya que permite un modelado analítico multidimensional y semánticamente rico para responder preguntas comerciales de manera más fácil, rápida y eficiente.

Desarrollo de un modelo analítico en SAP Datasphere

Hoy, comenzamos una serie de blogs propios para brindarle todos los detalles sobre el rico conjunto de características del modelo analítico. Guiados por ejemplos concretos, analizaremos en detalle características como el modelado de medidas, el modelado de variables, la vista previa de datos, la agregación de excepciones y la dependencia del tiempo. También nos centraremos en los beneficios sobre el conjunto de datos analíticos, tocaremos el posicionamiento con respecto a Business Layer, inspeccionaremos el uso en SAP Analytics Cloud y mucho más.

Planeamos lanzar un nuevo blog todos los lunes durante las próximas semanas. Así que estad atentos ….

El modelo analítico eleva los datos y la semántica enriquecidos de SAP Datasphere para el consumo inmediato en SAP Analytics Cloud y otros canales. Proporciona

• Modelado de medidas ricas: Con cálculo tras agregación, medidas restringidas y agregación de excepción, así como la posibilidad de apilar todo esto, los usuarios pueden crear modelos de cálculo muy complejos e incluso refinarlos en las historias de SAC.
• Diseño cuidadoso de cómo los usuarios de análisis ven los datos: los modeladores pueden seleccionar qué medidas, atributos y dimensiones asociadas exponer a los usuarios. Esto ayuda a los usuarios de análisis a ver exactamente los datos que son relevantes para ellos, reduce la probabilidad de errores y aumenta el rendimiento.
• Recopilación de información del usuario a través de indicaciones en SAP Analytics Cloud: estos se pueden usar para cálculos posteriores, filtros y dependencia del tiempo. Por supuesto, también se proporcionan ayudas valiosas.
• Amplia posibilidad de vista previa: los modeladores pueden inspeccionar el resultado de sus esfuerzos de modelado en el lugar porque el Analizador de datos de SAP Analytics Cloud está estrechamente integrado en el editor de modelos analíticos. Por lo tanto, se encuentran disponibles funciones de segmentación, rotación, filtrado, uso de jerarquías y muchas más para ayudar a los usuarios a comprender cómo se presentarán los datos para su consumo.
• Soporte de dependencia del tiempo: Los modelos analíticos admiten esta característica fundamental para permitir que los usuarios viajen hacia adelante y hacia atrás en el tiempo mientras las líneas de negocio, las estructuras y las organizaciones están en constante evolución.
• Gestión de Dependencias y Transporte: Los proyectos analíticos complejos requieren una planificación cuidadosa y un conjunto de herramientas sofisticado para administrar la dependencia y el ciclo de vida de todos los artefactos de modelado. El modelo analítico está completamente integrado en el repositorio de SAP Datasphere y, por lo tanto, se beneficia del análisis de impacto y linaje, la gestión de cambios y la gestión de transporte.

El modelo analítico será, en última instancia, EL artefacto de consumo analítico de referencia de SAP Datasphere para todos los canales. Si bien los conjuntos de datos analíticos en la capa de datos y las perspectivas de la capa comercial no desaparecerán en el corto plazo, el modelo analítico ya ofrece un conjunto de funciones superior para casi todas las situaciones de modelado.

Como resumen rápido, veamos el modelo analítico en acción:

Video introductorio al modelo analítico en SAP Datasphere

El modelo analítico está disponible automáticamente en el generador de datos de su arrendatario de SAP Datasphere.

Usemos este proceso de 8 pasos para comenzar:

1. Para comenzar, simplemente inicie Data Builder y golpear Nuevo modelo analítico. Puede agregar cualquier conjunto de datos analíticos como fuente de hechos y el asistente le indicará qué atributos, medidas y dimensiones asociadas debe incluir.
2. Desde aquí, solo agregar dimensiones accesibles adicionales y sus atributos. El sistema creará automáticamente las uniones de base de datos necesarias para permitir a los usuarios profundizar incluso en las dimensiones más lejanas. De esta manera, los modeladores pueden diseñar con mucho cuidado qué partes del modelo de datos exponer para un caso de uso de análisis determinado.
3. Mediante el sección de medidas del panel de propiedades puede agregar medidas personalizadas a su modelo:

• • Con medidas calculadas, los cálculos complejos se pueden expresar sobre el estado actual de desglose y filtro. Este cálculo se realizará después de la agregación. Las medidas calculadas permiten reunir medidas existentes y combinarlas a través de operadores estándar y funciones complejas.
  • Medidas restringidas, por el contrario, tienen que ver con el filtrado de datos de formas complejas en una o varias dimensiones y valores. La entrada del usuario se puede recopilar para una flexibilidad y dinámica completas. Especialmente cuando se toman junto con medidas calculadas, por ejemplo, se pueden expresar proporciones complejas y distribuciones de valores. Las medidas restringidas también permiten redefinir la agregación estándar de medidas fuente para, por ejemplo, reemplazar una SUM por un MAX, MIN o Average.
  • Contar medidas distintas permite contar miembros de dimensión del desglose actual y son muy útiles para, por ejemplo, contar clientes distintos en una región de ventas o productos distintos en una tienda.

La agregación de excepciones se puede agregar para expresar relaciones de subconsultas complejas. Los ejemplos típicos incluyen el conteo de clientes con propiedades especiales, informes de niveles de existencias en el almacén que no se pueden agregar a lo largo del eje de tiempo o informes sobre las ventas totales de los productos con mejor rendimiento.

Como se indicó anteriormente, todas estas medidas se pueden apilar y enriquecer con medidas calculadas adicionales en SAP Analytics Cloud.

4. El sección de variables permite a los usuarios definir qué información recopilar de los usuarios que informan:

• • Variables de origen se originan a partir de los parámetros de entrada de la fuente de hechos
  • Variables de medida restringidas se puede utilizar para restringir dinámicamente las medidas en función de la entrada del usuario.
  • Filtrar variables representan filtros de miembros de dimensión que se aplican antes de consultar los datos desde SAP Datasphere. Esto ayuda a reducir el volumen de datos transferidos para mejorar el rendimiento y, a menudo, aumenta la reutilización del modelo en todos los escenarios, si, por ejemplo, dos organizaciones diferentes utilizan la misma fuente de datos y, por lo tanto, se solicita a los usuarios que ingresen a su organización antes de comenzar el análisis.
  • Variables de datos de referencia recopilar el punto en el tiempo utilizado para evaluar dimensiones o textos dependientes del tiempo. Su valor se reduce automáticamente como un filtro de tiempo, de modo que solo los miembros cuya fecha de inicio y fecha de finalización contienen la fecha de referencia se recuperan en el momento del informe.

Según el tipo de medida, se ofrecen configuraciones adicionales para hacer cumplir la entrada del usuario de un solo valor o de varios valores o definir una variable como opcional u obligatoria. Los valores predeterminados también se pueden definir, por supuesto.

5. Filtros globales permiten establecer filtros estáticos en una o varias dimensiones. Esto ayuda a reducir los datos transferidos y aumentar el rendimiento. Para crear filtros dinámicos, vuelva a las variables de filtro mencionadas anteriormente.
6. Puede obtener una vista previa de su modelo analítico en todo momento utilizando la vista previa de datos incorporada. Es un entorno de análisis enriquecido que le permite verificar constantemente el resultado del modelado y ver exactamente cómo los usuarios de SAP Analytics Cloud verán su modelo.
7. Si tu eres feliz, implementar el modelo analítico para crear los artefactos de tiempo de ejecución necesarios.
8. Finalmente, ve a Nube de análisis de SAP y empieza a construir tu historia. Los usuarios deben ir por el Experiencia de diseño optimizada para asegurarse de que se beneficien de todas las futuras evoluciones de características. Como se mencionó, los usuarios pueden agregar medidas o atributos calculados personalizados dentro de SAP Analytics Cloud.

Y eso es. Con sus datos preparados en SAP Datasphere, la creación de un modelo analítico en la parte superior es una experiencia fluida y agradable que ayuda a los usuarios de análisis a aprovechar al máximo su tesoro de datos en SAP Datasphere.

Como nota final, puede estar seguro de que los conjuntos de datos analíticos no desaparecerán en el corto plazo, por lo que las historias seguirán funcionando sin ningún esfuerzo de migración. Sin embargo, en caso de que desee aprovechar los beneficios del modelo analítico, deberá adaptar la historia respectiva a través de un proceso bien definido que describiremos en un blog posterior. Sugerimos que todos los desarrollos de nuevas historias deberían adoptar el modelo analítico, porque es el camino a seguir más rico en funciones y preparado para el futuro.

Como se mencionó, el modelo analítico es EL artefacto de consumo analítico de referencia para todos los canales. Es multidimensional por diseño y permite un modelado enriquecido a través de una semántica rica, lo que hace que el consumo de datos analíticos sea muy simple para herramientas como SAP Analytics Cloud.

Lo hace combinando una rica expresividad para el modelado de medidas, flexibilidad en el diseño de cómo los usuarios consumirán los datos y cómo recopilar información de ellos con un potente entorno de vista previa de datos, soporte de dependencia del tiempo y gestión profesional de artefactos a lo largo de su ciclo de vida.

Espero que esté ansioso por saltar al teclado y comenzar a crear sus primeros modelos analíticos. Con los blogs de seguimiento de las próximas semanas, le daremos todos los detalles necesarios para extraer el mejor valor posible de esta nueva función. Estén atentos y feliz modelado.