Analysis Services-Lernprogrammszenario

Gilt für: SQL Server Analysis Services Azure Analysis Services Fabric/Power BI Premium

Dieses Tutorial basiert auf Adventure Works Cycles, einem fiktiven Unternehmen. Adventure Works Cycles ist ein großes, multinationales Produktionsunternehmen, das Metall- und Verbundfahrräder in Nordamerika, Europa und Asien produziert und vertreibt. Der Hauptsitz von Adventure Works Cycles ist Bothell, Washington, wo das Unternehmen 500 Mitarbeiter beschäftigt. Darüber hinaus beschäftigt Adventure Works Cycles mehrere regionale Vertriebsteams in seiner gesamten Marktbasis.

In den letzten Jahren kaufte Adventure Works Cycles eine kleine Produktionsstätte, Importadores Neptuno, die sich in Mexiko befindet. Importadores Neptuno stellt mehrere kritische Unterkomponenten für die Adventure Works Cycles-Produktlinie her. Diese Unterkomponenten werden für die Produktendmontage in Bothell angeliefert. Im Jahr 2005 wurde Importadores Neptuno alleiniger Hersteller und Vertreiber der Tourenrad-Produktgruppe.

Nach einem erfolgreichen Geschäftsjahr möchte Adventure Works Cycles nun seinen Marktanteil erweitern, indem es Werbung auf seine besten Kunden richtet, die Produktverfügbarkeit über eine externe Website erweitert und die Umsatzkosten durch Senkung der Produktionskosten senkt.

Aktuelle Analyseumgebung

Zur Unterstützung der Datenanalyseanforderungen der Vertriebs- und Marketingteams sowie des leitenden Managements übernimmt das Unternehmen derzeit Transaktionsdaten aus der AdventureWorks2012-Datenbank und nicht transaktionale Informationen wie Verkaufsquoten aus Kalkulationstabellen und konsolidiert diese Informationen im relationalen AdventureWorksDW2019-Data Warehouse. Das relationale Data Warehouse stellt allerdings die folgenden Herausforderungen:

• Berichte sind statisch. Benutzer haben keine Möglichkeit, die Daten in den Berichten interaktiv zu untersuchen, um detailliertere Informationen zu erhalten, wie sie es mit einer Microsoft Office Excel-Pivottabelle tun könnten. Obwohl der vorhandene Satz vordefinierter Berichte für viele Benutzer ausreichend ist, benötigen fortgeschrittene Benutzer direkten Abfragezugriff auf die Datenbank für interaktive Abfragen und spezielle Berichte. Aufgrund der Komplexität der AdventureWorksDW2019-Datenbank benötigen diese Benutzer jedoch zu viel Zeit, um zu lernen, wie effektive Abfragen erstellt werden können.

• Die Abfrageleistung variiert sehr stark. Einige Abfragen führen beispielsweise in wenigen Sekunden zu Ergebnissen, während andere mehrere Minuten benötigen.

• Aggregattabellen sind schwierig zu verwalten. Um die Abfrageantwortzeiten zu verbessern, hat das Data Warehouse-Team von Adventure Works mehrere Aggregattabellen in der AdventureWorksDW2019-Datenbank erstellt. So wurde beispielsweise eine Tabelle erstellt, die die monatlichen Verkäufe zusammenfasst. Während diese Aggregattabellen die Abfrageleistung stark verbessern, ist allerdings die Infrastruktur, die mit der Zeit zum Warten der Tabelle erstellt wurde, unsolide und fehleranfällig.

• Die komplexe Berechnungslogik ist tief in Berichtsdefinitionen verborgen und nur schwer für mehrere Berichte gemeinsam zu verwenden. Weil die Geschäftslogik separat für jeden Bericht generiert wird, unterscheiden sich die Zusammenfassungsinformationen manchmal von Bericht zu Bericht. Deshalb hat das Management nur beschränktes Vertrauen in die Data Warehouse-Berichte.

• Benutzer in verschiedenen Geschäftseinheiten sind an unterschiedlichen Sichten der Daten interessiert. Jede Gruppe wird durch Datenelemente abgelenkt und verwirrt, die für sie unwichtig sind.

• Die Berechnungslogik stellt eine besondere Herausforderung für Benutzer dar, die spezielle Berichte benötigen. Weil solche Benutzer die Berechnungslogik separat für jeden Bericht definieren müssen, gibt es keine zentralisierte Kontrolle darüber, wie sie definiert wird. Einige Benutzer wissen beispielsweise, dass sie einfache statistische Techniken wie den gleitenden Durchschnitt verwenden sollten. Sie wissen allerdings nicht, wie solche Berechnungen konstruiert werden, also verwenden sie sie nicht.

• Es ist schwierig, zusammengehörige Informationssätze zu kombinieren. Spezielle Abfragen, die zwei Sätze verwandter Informationen wie Verkäufe und Sollvorgaben für den Verkauf miteinander kombinieren, sind für Geschäftsbenutzer schwierig zu konstruieren. Durch solche Abfragen wurde die Datenbank überlastet. Das Unternehmen verlangt deshalb von den Benutzern, dass sie themenübergreifende Datenabfragen beim Data Warehouse-Team anfordern. Als Folge davon wurden nur wenige vordefinierter Berichte definiert, die Daten aus mehreren Themenbereichen kombinieren. Außerdem weigern sich Benutzer, diese Berichte zu ändern, weil sie so komplex sind.

• Die Berichte sind in erster Linie auf Geschäftsinformationen in den USA zugeschnitten. Benutzer in Niederlassungen außerhalb der USA sind mit diesem Schwerpunkt ausgesprochen unzufrieden. Sie möchten Berichte in verschiedenen Währungen und verschiedenen Sprachen anzeigen können.

• Informationen sind schwer zu überwachen. Die Finanzabteilung verwendet derzeit die AdventureWorksDW2019-Datenbank nur als Datenquelle, aus der massenweise Abfragen ausgeführt werden können. Sie lädt dann die Daten in einzelne Kalkulationstabellen herunter und wendet beträchtliche Zeit für die Vorbereitung der Daten und die Bearbeitung der Kalkulationstabellen auf. Die Unternehmensfinanzberichte sind deshalb schwer zu erstellen, zu überwachen und über das gesamte Unternehmen hinweg zu verwalten.

Die Lösung

Das Data Warehouse-Team hat kürzlich eine Entwurfsüberprüfung des aktuellen Analysesystems durchgeführt. Zu der Überprüfung gehörte eine Analyse zum Aufdecken von Lücken, die durch aktuelle Probleme oder zukünftigen Anforderungen entstehen können. Das Data Warehouse-Team hat festgestellt, dass die AdventureWorksDW2019-Datenbank eine gut gestaltete Dimensionsdatenbank mit konformen Dimensionen und Ersatzschlüsseln ist. Konforme Dimensionen ermöglichen die Verwendung einer Dimension in mehreren Datamarts, beispielsweise einer Zeit- oder Produktdimension. Ersatzschlüssel sind künstliche Schlüssel, die Dimensions- und Faktentabellen verknüpfen, die verwendet werden, um Eindeutigkeit sicherzustellen und die Leistung zu verbessern. Darüber hinaus hat das Data Warehouse-Team festgestellt, dass es derzeit keine wesentlichen Probleme beim Laden und Verwalten der Basistabellen in der AdventureWorksDW2019-Datenbank gibt. Das Team hat sich daher entschieden, Microsoft SQL Server Analysis Services zu verwenden, um Folgendes zu erreichen:

• Vereinheitlichung des Datenzugriffs durch eine gemeinsame Metadatenebene für die Analyse und Berichterstellung.

• Vereinfachung der Benutzersichten von Daten, und damit Beschleunigung der Entwicklung interaktiver und vordefinierter Abfragen sowie vordefinierter Berichte.

• Ordnungsgemäße Konstruktion von Abfragen, die Daten aus mehreren Themenbereichen kombinieren.

• Verwalten von Aggregaten.

• Speichern und Wiederverwenden komplexer Berechnungen.

• Anpassungen für Geschäftsbenutzer außerhalb der USA anhand der örtlichen Gegebenheiten.

Weitere Informationen

Mehrdimensionale Modellierung (Adventure Works-Lernprogramm)