Petua Untuk Pelaksanaan LuckyTemplates yang Berjaya

Kami akan meneruskan siri kami mengenai perancangan dan pelaksanaan projek LuckyTemplates. Kali ini, kita akan membincangkan tentang reka bentuk set data , pemprofilan dan mod . Lihat bahagian pertama siri perancangan projek kami yang berkaitan dengan mod penggunaan dan bahagian kedua yang membincangkan tentang penemuan dan pengingesan .

Isi kandungan

• Reka Bentuk Set Data Untuk Pelaksanaan Projek LuckyTemplates
  • 4 Langkah untuk Reka Bentuk Set Data
  • Pilih proses perniagaan.
    • Anti-Corak Untuk Dielakkan Dalam Pelaksanaan LuckyTemplates
  • Isytiharkan bijirin.
  • Kenal pasti dimensi.
  • Tentukan fakta.
• Matriks Bas Data Untuk Pelaksanaan Projek LuckyTemplates
• Pemprofilan Data Untuk Pelaksanaan LuckyTemplates
  • Perkhidmatan Penyepaduan Pelayan SQL
  • DAX Studio
  • Desktop LuckyTemplates
• Perancangan Set Data Untuk Pelaksanaan LuckyTemplates
  • Memilih Mod Set Data
  • Beberapa Soalan Untuk Ditanya Apabila Memilih Mod Set Data
• Kesimpulan

Reka Bentuk Set Data Untuk Pelaksanaan Projek LuckyTemplates

Mari kita bincangkan tentang proses reka bentuk set data dan bincangkan matriks bas gudang data , yang merupakan alat yang telah wujud sejak sekian lama.

Mereka bentuk set data BI kuasa adalah serupa dengan mereka bentuk gudang data. Jadi kedua-dua set data dan gudang data mempunyai konsep yang sama seperti jadual fakta dan dimensi, skema bintang, dimensi berubah perlahan-lahan, kebutiran jadual fakta dan kunci termaklum setempat untuk membina hubungan antara jadual.

4 Langkah untuk Reka Bentuk Set Data

Terdapat empat langkah untuk proses reka bentuk set data: pilih proses perniagaan , isytiharkan butiran jadual fakta anda, kenal pasti dimensi dan kemudian tentukan fakta .

Pilih proses perniagaan.

Untuk langkah pertama, setiap proses perniagaan diwakili oleh jadual fakta dengan skema bintang banyak kepada satu hubungan dengan dimensi.

Semasa penemuan atau proses pengumpulan keperluan, sukar untuk menumpukan pada satu proses perniagaan secara berasingan, kerana pengguna kerap menganalisis berbilang proses perniagaan secara serentak.

Anti-Corak Untuk Dielakkan Dalam Pelaksanaan LuckyTemplates

Anti-corak biasa (yang merupakan tindak balas kepada masalah berulang yang secara amnya tidak berkesan dan berpotensi tidak produktif) yang anda ingin elakkan dalam projek LuckyTemplates ialah pembangunan set data untuk projek atau pasukan tertentu dan bukannya untuk proses perniagaan .

Contohnya, membangunkan set data secara eksklusif untuk pasukan pemasaran dan set data lain untuk organisasi jualan. Pendekatan ini secara semula jadi membawa kepada sumber terbuang kerana data jualan yang sama disoal dan dimuat semula dua kali dalam kedua-dua set data. Ini juga akan menggunakan sumber storan dalam perkhidmatan LuckyTemplates.

ini adalah beberapa sebab mengapa anda ingin melalui proses yang baik untuk reka bentuk set data. Pendekatan terpencil membawa kepada kebolehurusan dan isu kawalan versi kerana set data mungkin mengandungi variasi dan transformasi.

Walaupun keperluan analitikal pengguna atau pasukan adalah keutamaan projek LuckyTemplates, ia juga penting untuk merancang penyelesaian yang mampan yang akhirnya boleh dikongsi merentas pasukan.

Isytiharkan bijirin.

Butiran jadual fakta akhirnya merangkumi tahap butiran yang tersedia untuk pertanyaan analitikal, serta jumlah data yang boleh diakses.

Jadi butiran yang lebih tinggi bermakna lebih terperinci manakala butiran yang lebih rendah bermakna kurang terperinci. Contohnya ialah apabila anda ingin mendapatkan tahap baris pesanan jualan, atau jika anda mahu projek itu hanya mengandungi tahap ringkasan setiap pesanan jualan dan tidak turun ke produk tertentu yang dipesan sebagai sebahagian daripada jualan itu.

Kadangkala, butiran ini boleh berbeza-beza bergantung pada jangka masa anda. Saya telah menemui beberapa pelanggan yang mahukan jadual fakta yang sangat terperinci untuk suku semasa, tetapi untuk suku sebelumnya, mereka hanya perlu mengetahui jumlah jualan bagi suku tersebut.

Semasa langkah ini, anda ingin menentukan perkara yang diwakili oleh setiap baris proses perniagaan yang berbeza . Contohnya, setiap baris jadual fakta jualan daripada gudang data kami mewakili baris pesanan jualan daripada pelanggan.

Sebaliknya, baris pelan jualan dan margin akan diagregatkan dalam bulan kalendar, subkategori produk dan wilayah wilayah jualan. jadi dalam kes ini, anda mempunyai dua jadual fakta berbeza dan dua butiran berbeza. jika anda ingin membandingkan kedua-duanya, akan ada beberapa kerja pemodelan data yang terlibat.

Kenal pasti dimensi.

Dimensi hanyalah hasil sampingan semula jadi daripada bijian yang dipilih dalam langkah reka bentuk sebelumnya.

Jadi satu baris sampel daripada jadual fakta harus menunjukkan dengan jelas dimensi entiti perniagaan yang dikaitkan dengan proses yang diberikan, seperti pelanggan yang membeli projek individu, produk pada tarikh tertentu dan pada masa tertentu. Jadual fakta yang mewakili butiran yang lebih rendah mempunyai dimensi yang lebih sedikit.

Sebagai contoh, jadual fakta yang mewakili tahap pengepala pesanan pembelian mungkin mengenal pasti vendor, tetapi bukan pembelian produk individu daripada vendor. jadi dalam kes itu, anda tidak memerlukan kategori produk atau dimensi subkategori produk disertakan.

Tentukan fakta.

Fakta mewakili lajur berangka yang disertakan dalam jadual fakta. Jadi sementara lajur dimensi dari langkah 3 digunakan untuk perhubungan, lajur fakta digunakan dalam ukuran yang mengandungi logik pengagregatan, seperti jumlah lajur kuantiti atau purata lajur harga.

Matriks Bas Data Untuk Pelaksanaan Projek LuckyTemplates

Matriks bas gudang data ialah ruji seni bina gudang data Ralph Kimball, yang menyediakan pendekatan tambahan dan bersepadu kepada reka bentuk gudang data.

Seni bina yang anda lihat di sini adalah daripada The Data Warehouse Toolkit , edisi ke-3 oleh Ralph Kimball. Ia membenarkan model data berskala yang sering diperlukan oleh beberapa pasukan atau fungsi perniagaan untuk mengakses proses dan dimensi perniagaan yang sama.

Menyimpan matriks bas gudang data adalah berguna. apabila anda mengisinya, anda akan mengetahui sama ada terdapat set data lain yang mengandungi jadual fakta internet dan jadual dimensi yang serupa. ini menggalakkan kebolehgunaan semula projek dan meningkatkan komunikasi projek.

Jadi setiap baris menggambarkan proses perniagaan yang penting dan berulang seperti penutupan bulanan lejar am. setiap lajur mewakili entiti perniagaan, yang mungkin berkaitan dengan satu atau beberapa proses perniagaan, manakala baris berlorek mewakili proses perniagaan yang sedang disertakan dalam projek.

Pemprofilan Data Untuk Pelaksanaan LuckyTemplates

sebaik sahaja anda telah mengenal pasti butiran dan proses reka bentuk set data empat langkah telah selesai, ia harus segera diikuti dengan analisis teknikal data sumber bagi jadual fakta dan dimensi .

Metadata teknikal, termasuk rajah pangkalan data dan keputusan pemprofilan data, adalah penting untuk peringkat perancangan projek.

Maklumat ini digunakan untuk memastikan set data BI kuasa mencerminkan definisi perniagaan yang dimaksudkan dan dibina di atas sumber yang kukuh dan dipercayai.

Jadi tiga adalah tiga cara berbeza untuk mengumpul maklumat pemprofilan itu, yang sepatutnya menjadi langkah pertama yang akan dilakukan oleh orang ramai sebaik sahaja mereka keluar daripada proses reka bentuk.

Perkhidmatan Penyepaduan Pelayan SQL

Terdapat beberapa cara untuk melakukannya. Satu kaedah ialah menggunakan tugas pemprofilan data dalam pakej SQL Server Integration Services (SSIS).

Tugas pemprofilan data memerlukan sambungan ADO.NET dan boleh menulis outputnya ke fail XML atau pembolehubah SSIS.

Dalam contoh ini, data sumber ADO.NET ialah gudang data AdventureWorks, pangkalan data dan pelayan SQL, dan destinasi ialah fail XML.

Jadi sebaik sahaja tugas itu dilaksanakan, fail XML boleh dibaca melalui pemapar profil data pelayan SQL. Anda boleh melihat keputusan dari segi kiraan nol dan peratusan kiraan nol.

DAX Studio

Satu lagi cara pemprofilan data ialah melalui DAX Studio. anda perlu benar-benar menelan data ke dalam set data LuckyTemplates dengan pergi ke DAX Studio, pergi ke tab lanjutan dan jalankan VertiPaq Analyzer .

Ia akan menunjukkan kepada anda jenis maklumat yang sama di sekitar kardinaliti lajur anda supaya anda akan mengetahui yang mana yang menggunakan ruang paling banyak dalam model data anda. ia merangkumi semua pelbagai statistik di sekeliling data.

Desktop LuckyTemplates

pemprofilan data juga tersedia dalam pertanyaan kuasa dalam desktop LuckyTemplates. jika anda pergi ke tab Lihat , anda boleh menghidupkan perkara seperti kualiti lajur, pengedaran lajur dan profil lajur. Untuk sekurang-kurangnya seribu baris pertama atau lebih, anda boleh melihat maklumat seperti ralat, nol, purata dan sisihan piawai.

Perancangan Set Data Untuk Pelaksanaan LuckyTemplates

Selepas data sumber diprofilkan dan dinilai berdasarkan keperluan yang dikenal pasti dalam proses reka bentuk set data empat langkah, pasukan BI boleh menganalisis lagi pilihan pelaksanaan untuk set data.

Dalam hampir semua projek power BI, walaupun mereka yang mempunyai pelaburan besar dalam data perusahaan, gudang, seni bina dan alatan dan proses ETL, beberapa tahap logik tambahan, penyepaduan atau transformasi diperlukan untuk meningkatkan kualiti dan nilai data sumber.

Peringkat perancangan set data menentukan cara isu transformasi data yang dikenal pasti ditangani untuk menyokong set data. Selain itu, pasukan projek mesti menentukan sama ada untuk membangunkan set data mod import , set data pertanyaan langsung atau set data komposit .

Untuk menjelaskan proses perancangan set data, rajah ini mengenal pasti lapisan berbeza gudang data dan set data LuckyTemplates di mana transformasi dan logik perniagaan boleh dilaksanakan.

dalam sesetengah projek, transformasi minimum diperlukan dan ia boleh dimasukkan dengan mudah dalam set data BI kuasa. Contohnya, jika hanya beberapa lajur tambahan diperlukan untuk jadual dimensi dan terdapat panduan mudah tentang cara lajur ini akan dikira, organisasi IT boleh memilih untuk melaksanakan transformasi ini dalam pertanyaan M power dan bukannya menyemak gudang data.

Jika jurang yang besar antara keperluan BI dan gudang data korporat dibiarkan berterusan, maka set data LuckyTemplates menjadi lebih kompleks untuk dibina dan diselenggara.

Pereka bentuk set data harus kerap menganalisis dan menyampaikan implikasi set data jika terdapat tahap kerumitan yang lebih tinggi.

Walau bagaimanapun, jika logik transformasi yang diperlukan adalah kompleks atau meluas dengan berbilang operasi bersama, penapis baris dan perubahan jenis data, maka organisasi IT boleh memilih untuk melaksanakan perubahan penting dalam gudang data untuk menyokong set data baharu dan projek BI masa hadapan.

Contohnya, jadual pementasan dan prosedur stor SQL mungkin diperlukan untuk menyokong, menyemak dan mengemas kini proses, atau penciptaan indeks mungkin diperlukan untuk meningkatkan prestasi pertanyaan bagi set data DirectQuery.

Memilih Mod Set Data

Langkah berikutnya tetapi berkait rapat dengan perancangan set data ialah memilih antara mod import lalai, mod DirectQuery/langsung atau mod komposit.

Dalam sesetengah projek, ini adalah keputusan mudah di mana hanya satu pilihan yang boleh dilaksanakan atau realistik memandangkan keperluan yang diketahui, manakala projek lain akan memerlukan analisis yang ketara tentang kebaikan dan keburukan setiap reka bentuk.

Jadi, jika sumber data dianggap lambat atau kurang lengkap untuk mengendalikan jumlah pertanyaan analitik yang tinggi, maka set data mod import berkemungkinan besar pilihan yang diutamakan.

Begitu juga, jika keterlihatan hampir masa nyata sumber data adalah penting, maka DirectQuery atau mod langsung ialah satu-satunya pilihan untuk mencapainya. DirectQuery dan mod langsung adalah sangat serupa antara satu sama lain. Kedua-dua kaedah tidak menyimpan data dalam set data itu sendiri dan kedua-duanya menanyakan sistem sumber secara langsung untuk mendapatkan semula data berdasarkan tindakan pengguna. Kami kini mempunyai DirectQuery untuk set data LuckyTemplates dan DirectQuery untuk Perkhidmatan Analisis.

Beberapa Soalan Untuk Ditanya Apabila Memilih Mod Set Data

Berikut ialah beberapa soalan untuk ditanya apabila memutuskan mod yang hendak digunakan. adakah terdapat satu sumber untuk set data kami? Jika tidak ada satu sumber, maka anda tidak boleh menggunakan sumber DirectQuery/Live pada masa lalu.

Walaupun kami kini mempunyai set data mod komposit, ia masih merupakan soalan yang baik untuk ditanya pada awalnya kerana jika tiada sumber tunggal, maka ia akan sama ada import atau komposit.

Jika sumber DirectQuery/Live ialah pilihan, adakah sumber itu mampu menyokong pertanyaan analitikal? Jika anda bekerja dengan berbilion atau trilion baris, maka mungkin set data mod import tidak boleh dilaksanakan dan anda perlu turun mod DirectQuery atau komposit untuk memastikan set data boleh digunakan.

Jika sumber DirectQuery/Live mampu menyokong beban kerja, adakah sambungan DirectQuery/Live lebih bernilai daripada prestasi dan fleksibiliti yang disediakan oleh model import?

Kesimpulan

Siaran ini mengakhiri siri ini tentang perancangan projek LuckyTemplates. ini, saya fikir, adalah langkah penting untuk setiap projek BI kuasa yang anda kerjakan. Langkah-langkah ini penting semasa melakukan usaha wajar, terutamanya dalam tetapan risikan perniagaan perusahaan.

Semua yang terbaik,

Greg Deckler