Serie de modelos analíticos de SAP Datasphere: motivación y comparación con el conjunto de datos analíticos

Introducción

El Serie de modelos analíticos de SAP Datasphere tiene como objetivo brindarle una guía útil sobre cómo utilizar el nuevo modelo analítico para aprovechar el potencial de su panorama de datos. El modelo analítico permite un rico modelado analítico en un entorno de modelado específico y será LA entidad de consumo analítico de referencia para SAP Datasphere.

Este artículo es el tercero en la serie de entradas del blog y destaca la motivación para el nuevo artefacto y dibuja comparaciones con el conjunto de datos analíticos conceptualmente, así como los detalles de las características wrt.

Hasta el momento, se han publicado los siguientes blogs:

Empecemos por echar un vistazo más de cerca a lo que es «realmente» un conjunto de datos analíticos.

Propiedades del Conjunto de Datos Analíticos (ADS)

Las vistas modeladas como una vista gráfica o SQL son inicialmente siempre del tipo uso semántico “Conjunto de datos relacional”. Esto implica que, tras la implementación, se creará una vista de base de datos consumible de SQL relacional en la base de datos en la nube de HANA que impulsa SAP Datasphere.

En algún momento, los usuarios pueden seleccionar cambie el uso semántico a «Conjunto de datos analíticos». Este permite alguno características adicionales en el tiempo de diseño de la vista que son importantes para el consumo posterior de la vista por parte de SAP Analytics Cloud. Estas novedades consisten principalmente en:

• Clasificación de columnas de vista como atributo o medida (incluido su tipo de agregación)
• Posibilidad de añadir información de tipo semántico a las columnas. De esta forma, los modeladores pueden agregar un contexto de uso que clasifique una columna, por ejemplo, como etiqueta, moneda, unidad, fecha comercial (relevante para la dependencia del tiempo), etc.
• Adición de asociaciones a otras entidades como texto u objetos de dimensión.

Para un buen ejemplo de esto, por favor cargue el modelo de datos de ejemplo de la serie de blogs e inspeccionar sus propiedades exactas con tipos semánticos y asociaciones entre entidades.

En la implementación del conjunto de datos analíticos, ahora habrá DOS artefactos de tiempo de ejecución generados en SAP HANA Cloud, a saber

1. Un analíticoSAC-consumible esquema de estrella
2. A relacionalSQL-consumible vista de base de datos

Figura 1: artefactos de tiempo de ejecución de conjuntos de datos analíticos

Ambos vienen bajo el nombre de Analytical Dataset en sí, pero

• uno permite consultas relacionales, generalmente a través de SQL (por ejemplo, cuando se usa un esquema OpenSQL) y «vive» en el motor SQL de HANA. Sus datos se muestran cuando obtiene una vista previa del conjunto de datos analíticos en View Builder
• el otro permite consultas analiticas y «vive» en Motor de servicios multidimensionales (MDS) de SAP HANA. SAP Analytics Cloud lo consulta a través del protocolo de acceso a la información (InA).

Para la comparación con el modelo analítico, centrémonos únicamente en el artefacto analítico de esquema en estrella.

Dado que el enfoque del conjunto de datos analíticos siempre fue hacer consumo analítico de los datos de vista subyacentes extremadamente simple, necesitaba hacer sacrificios con respecto a la complejidad del propio modelado analítico. Concretamente, estos son:

• Las medidas en conjuntos de datos analíticos siempre usan solo agregaciones estándar.
  Estos son SUM, MAX, MIN, COUNT y NONE. Se pueden construir otras medidas más complejas en las historias de SAP Analytics Cloud
• Usuarios no puede decidir qué columnas y asociaciones se proporcionanEl sistema expone automáticamente todas las medidas y atributos de los conjuntos de datos analíticos y siempre incluye todas las dimensiones de primer nivel también en el esquema de estrella. Por dimensiones de primer nivel nos referimos a las dimensiones que están directamente asociadas a los conjuntos de datos analíticos. Si esas dimensiones asociadas tienen asociaciones con otras dimensiones, entonces estas no se incluirán. Veremos casos de ejemplo más adelante en la publicación.

Motivación del modelo analítico

El modelo analítico ahora va más allá de las capacidades analíticas del conjunto de datos analíticos e introduce un entorno de modelado completo que permite un modelado más rico y específico de las propiedades del consumo analítico por parte de SAP Analytics Cloud.

Si tratamos de solucionar estas deficiencias dentro del editor de conjuntos de datos analíticos, el entorno de diseño del conjunto de datos analíticos se volvería demasiado complejo al mezclar aún más el modelado relacional y analítico en el mismo objeto. Por lo tanto, SAP decidió conscientemente completamente independiente del modelado relacional del analítico, que conducen a la introducción del Modelo Analítico. Esto proporciona capacidades únicas y un entorno de modelado específicoincluido:

• Modelado de medidas calculadas, medidas restringidas y conteo de medidas distintas
• Modelado del comportamiento de agregación de excepción en medidas fuente y medidas restringidas
• Decisión explícita de qué medidas y atributos incluir
• Decisión explícita de qué dimensiones: primer nivel o n^el nivel – para incluir
• Vista previa de datos analíticos para pruebas inmediatas e integradas del estado actual de modelado y datos con soporte completo para segmentación, filtrado, soporte de jerarquía, pivoteo y mucho más
• Cambios de nombre para atributos y dimensiones
• Diseño de qué información recopilar de los usuarios finales a través de indicaciones variables
• Soporte de filtro global
• Etc.

Comportamiento de agregación: comparación directa

Mientras que el conjunto de datos analíticos proporciona medidas base solo con tipos de agregación base, los modelos analíticos permiten un modelado sofisticado que incluye cálculos después de la agregación, medidas restringidas, conteo de medidas distintas y agregación de excepciones.

Figura 2: Comportamiento de agregación en modelo analítico (izquierda) y conjunto de datos analíticos (derecha)

Elección de dimensiones: comparación directa

El conjunto de datos analíticos representa un «cubo predeterminado». Expone todas las dimensiones de primer nivel automáticamente, pero ninguno de los niveles más profundos (en la captura de pantalla: solo Productos MCT). De forma predeterminada, esto es una buena idea, ya que las dimensiones anidadas conducen a uniones potencialmente largas en las rutas de tiempo de ejecución que pueden pesar mucho en el rendimiento. Dado que muchos modelos, en particular los modelos estándar de SAP importados de SAP S/4 HANA, incluyen de docenas a cientos de dimensiones, muchas de ellas anidadas y dedicadas son absolutamente necesarias.

Figura 3: Los conjuntos de datos analíticos solo incluyen asociaciones de primer nivel

Los modeladores de modelos analíticos pueden, de hecho, seleccionar conscientemente («podar») qué dimensiones y atributos exponer (en la captura de pantalla: todos). Si se selecciona, dichas dimensiones anidadas se ofrecen en el nivel superior del cuadro de diálogo de dimensión de SAP Analytics Cloud. Técnicamente, esto significa que el esquema de copos de nieve se simplifica a un esquema de estrella y que el sistema se ocupa automáticamente de las uniones necesarias para lograrlo.

Si se incluyen dimensiones asociadas, su nombre de nodo se toma del campo de origen respectivo (en la captura de pantalla: p. ej. Gerente de producto en Productos MCT o Gerente en Empleados de MCT), sin embargo, esto puede ser adaptado por el modelador en el cuadro de diálogo de detalles de las propiedades de dimensión en el editor de modelo analítico.

Figura 4: Con el modelo analítico, los usuarios pueden elegir qué dimensiones accesibles incluir

Vista previa de datos

Los conjuntos de datos analíticos solo ofrecen una visor de datos relacionales (es decir, por registro), obligando a los usuarios a construir una historia SAC para verificar sus datos y modelos. Los modelos analíticos, sin embargo, tienen un visor de datos analíticos incorporado con una rica selección de atributos/medidas, filtrado y rotación, compatibilidad con jerarquías y muchas más funciones.

El Generador de vistas utilizado para crear el Conjunto de datos analíticos incluye una vista previa de los datos, pero solo muestra el artefacto relacional del Conjunto de datos analíticos. Si los usuarios desean verificar los resultados de su modelado analítico (p. ej., de la información sobre medidas/atributos, tipos semánticos y asociaciones), normalmente crearán una historia en SAP Analytics Cloud para verlo.

El nuevo modelo analítico, sin embargo, tiene un incorporado analítico Vista previa de datos que proporciona funciones ricas, tales como:

• Elija con flexibilidad atributos y medidas relevantes para colocarlos en columnas o filas; arrastrar y soltar para reorganizar
• Establezca filtros flexibles en cualquier atributo o medida, incl. valor ayuda
• Visualización de jerarquías o presentación plana
• Cambie la clasificación, el filtrado, los totales, los valores no reservados y el comportamiento de visualización (por ejemplo, ID y/o descripción, formato de número, etc.)
• Vista previa sin necesidad de implementar primero

Figura 5: Comparación de vista previa de datos en modelo analítico (izquierda) y conjunto de datos analíticos (derecha)

Terminología

Para la terminología utilizada en el modelo analítico, SAP optó por alinearse con la terminología de SAP Analytics Cloud. Esto significa que

• los datos recopilados de los usuarios que informan a través de indicaciones se denominan «Variables». Sin embargo, los conjuntos de datos analíticos hablan de «parámetros de entrada» porque eventualmente serán parámetros de la vista HANA relacional que se genera. Sin embargo, los conjuntos de datos analíticos no tienen equivalente a las variables de medida restringida, las variables de filtro y las variables de fecha clave de los modelos analíticos.
• cualquier columna expuesta por el modelo analítico para el desglose es una «dimensión» y así es como se presentarán en SAP Analytics Cloud al elegir, por ejemplo, filas o columnas de un widget SAC. En los conjuntos de datos analíticos, las columnas individuales se conocen como «atributos» y las dimensiones son las entidades que se asocian a ellas.

Entendemos que la diferencia de terminología es sutil, pero se debe a la posición del Modelo Analítico como mediador entre los mundos de los artefactos relacionales (y su terminología) y su consumo analítico en SAP Analytics Cloud (con su terminología ligeramente diferente).

Conjuntos de datos analíticos o modelos analíticos: ¿cuál debo elegir?

Dado que Analytic Models es la forma más limpia y rica en funciones de exponer datos para análisis, SAP claramente está posicionando Analytic Models como LA alternativa de referencia para el consumo analítico. Definitivamente deberías probarlos por ti mismo y comenzar a experimentar para experimentar sus beneficios. Sin embargo, dado que los conjuntos de datos analíticos no desaparecerán en un futuro cercano, no hay prisa inmediata con respecto a esto.

Para hacer que la mensajería y el modelado sean aún más claros, SAP muy pronto introduciremos un nuevo uso semántico, “Hecho», que se ve y se siente de manera idéntica a un ADS en el tiempo de diseño. Sin embargo, la principal diferencia es que Facts solo se implementará como objetos relacionales y no como objetos analíticos. La parte analítica debe modelarse en la parte superior en forma de Modelos analíticos.

Una vez que se introduzcan los hechos, SAP desalentará cada vez más el uso de conjuntos de datos analíticos también en el entorno de modelado. Por ejemplo, se emitirán advertencias cuando se creen nuevos conjuntos de datos analíticos con información para utilizar en su lugar las combinaciones de hechos (para la parte relacional) y modelos analíticos (para la parte analítica). La documentación de ayuda de SAP brindará orientación adicional aquí.

Conclusión

Este blog presentó cómo el modelo analítico difiere de los conjuntos de datos analíticos, con su funcionalidad superior en muchos aspectos, pero especialmente en los ámbitos del modelado de medidas, el modelado de dimensiones, la interacción del usuario y la vista previa de datos. Muchas gracias a Jan Fetzer por la colaboración en este blogpost.

¡Gracias por leer! Espero que encuentre útil esta publicación. Para cualquier pregunta o comentario, simplemente deje un comentario debajo de esta publicación. Siéntase libre de consultar también las otras publicaciones de blog de la serie.

Los mejores deseos,

Filina

Más enlaces

Encuentre más información y publicaciones de blog relacionadas en el página de tema para SAP Datasphere.