Condividi tramite

Scenario di Analysis Services Tutorial

  • Articolo

Si applica a: SQL Server Analysis Services Azure Analysis Services Fabric/Power BI Premium

Questa esercitazione è basata su Adventure Works Cycles, una società fittizia. Adventure Works Cycles è una grande azienda manifatturiera multinazionale che produce e distribuisce biciclette metalliche e composite ai mercati commerciali di America del Nord, Europa e Asia. La sede centrale di Adventure Works Cycles è Bothell, Washington, dove l'azienda impiega 500 lavoratori. Inoltre, Adventure Works Cycles impiega diversi team di vendita regionali in tutta la sua base di mercato.

Negli ultimi anni, Adventure Works Cycles ha acquistato un piccolo stabilimento manifatturiero, Importadores Neptuno, che si trova in Messico. Importadores Neptuno produce diversi sottocomponenti critici per la linea di prodotto Adventure Works Cycles. Tali componenti vengono quindi consegnati alla sede di Bothell per l'assemblaggio finale dei prodotti. Nel 2005, tutte le attività di produzione e distribuzione relative al gruppo di prodotti delle biciclette da turismo sono state concentrate nell'impianto Importadores Neptuno.

Dopo un anno fiscale di successo, Adventure Works Cycles vuole ora ampliare la quota di mercato puntando la pubblicità ai suoi migliori clienti, estendendo la disponibilità dei prodotti tramite un sito Web esterno e riducendo il costo delle vendite riducendo i costi di produzione.

Ambiente di analisi attuale

Per supportare le esigenze di analisi dei dati dei team di vendita e marketing e del senior management, la società attualmente acquisisce dati transazionali dal database AdventureWorks2012 e informazioni non transazionali, ad esempio quote di vendita da fogli di calcolo, e consolida queste informazioni nel data warehouse relazionale AdventureWorksDW2019 . Il data warehouse, tuttavia, presenta i seguenti problemi:

  • I report sono statici. Gli utenti non possono esplorare in modo interattivo i dati nei report per ottenere informazioni più dettagliate, ad esempio con una tabella pivot di Microsoft Office Excel. Sebbene il set di report predefiniti esistente si riveli sufficiente per molti utenti, gli utenti più esperti devono disporre di accesso diretto alle query del database per generare query interattive e report specializzati. Tuttavia, a causa della complessità del database AdventureWorksDW2019 , è necessario troppo tempo per tali utenti per imparare a creare query efficaci.

  • Le prestazioni delle query sono estremamente variabili. Alcune query, ad esempio, restituiscono i risultati molto rapidamente, in pochi secondi, mentre altre impiegano molti minuti.

  • Le tabelle di aggregazione sono difficili da gestire. Nel tentativo di migliorare i tempi di risposta alle query, il team del data warehouse di Adventure Works ha creato diverse tabelle di aggregazione nel database AdventureWorksDW2019 . Ad esempio, è stata compilata una tabella riepilogativa delle vendite in base al mese. Tuttavia, se da un lato le tabelle di aggregazione consentono di migliorare in modo significativo le prestazioni delle query, l'infrastruttura che mantiene le tabelle nel tempo è fragile e soggetta a errori.

  • La logica per i calcoli complessi è nascosta nelle definizioni dei report ed è di difficile condivisione tra i report. Poiché la logica di business viene generata separatamente per ogni report, le informazioni di riepilogo risultano talvolta diverse tra i report. La direzione non ritiene pertanto totalmente attendibili i report del data warehouse.

  • Gli utenti in unità aziendali diverse sono interessati a diverse modalità di visualizzazione dei dati. I gruppi vengono distratti e confusi da elementi esterni non rilevanti.

  • La logica dei calcoli costituisce un problema di particolare importanza per quanto riguarda la creazione di report specializzati. Poiché è necessario definire la logica dei calcoli separatamente per ogni report, non esiste un controllo centralizzato sulla modalità di definizione di tale logica. Ad esempio, gli utenti pur essendo consapevoli del fatto che è consigliabile utilizzare tecniche statistiche semplici come lo spostamento dei valori medi, non sono in grado tuttavia di creare i calcoli e quindi non utilizzano tali tecniche.

  • È difficile combinare set correlati di informazioni. Le query specializzate che combinano due set di informazioni correlate, ad esempio le vendite e gli obiettivi di vendita, sono di difficile creazione per gli utenti aziendali. Dal momento che tali query superano la capacità massima del database, la società ha chiesto agli utenti di richiedere al team del data warehouse set di dati di argomenti incrociati. Di conseguenza, sono stati definiti solo pochi report predefiniti che consentono di combinare i dati di più argomenti. Non è facile inoltre modificare i report a causa della loro complessità.

  • I report creati negli Stati Uniti riportano principalmente informazioni commerciali. Gli utenti delle filiali al di fuori degli Stati Uniti non concordano con questo tipo di attenzione e desiderano poter visualizzare i report in valute e linguaggi diversi.

  • È difficile controllare le informazioni. Il reparto finanziario attualmente usa il database AdventureWorksDW2019 solo come origine di dati da cui eseguire query in blocco. I dati vengono quindi scaricati in fogli di calcolo separati e viene impiegata una notevole quantità di tempo per preparare i dati ed elaborare i fogli di calcolo. I report finanziari della società sono pertanto difficili da preparare, controllare e gestire.

Soluzione

Il team del data warehouse ha eseguito recentemente una verifica della progettazione del sistema di analisi corrente. La verifica include un'analisi della relazione tra le problematiche correnti e le necessità future. Il team del data warehouse ha stabilito che il database AdventureWorksDW2019 è un database dimensionale ben progettato con dimensioni conformi e chiavi surrogate. Le dimensioni conformi consento di utilizzare la dimensione in più data mart, ad esempio una dimensione temporale o del prodotto. Le chiavi surrogate sono chiavi artificiali che consentono il collegamento delle tabelle dei fatti e delle dimensioni e che vengono utilizzate per assicurare univocità e il miglioramento delle prestazioni. Inoltre, il team del data warehouse ha stabilito che attualmente non sono presenti problemi significativi con il caricamento e la gestione delle tabelle di base nel database AdventureWorksDW2019 . Il team ha quindi deciso di usare Microsoft SQL Server Analysis Services per eseguire le operazioni seguenti:

  • Rendere disponibile un accesso ai dati unificato tramite un livello di metadati comune per l'esecuzione di analisi e la creazione di report.

  • Semplificare la visualizzazione dei dati accelerando l'attività di sviluppo di query interattive e predefinite nonché di report predefiniti.

  • Creare correttamente query che consentono di combinare i dati di più argomenti.

  • Gestire le aggregazioni.

  • Archiviare e riutilizzare calcoli complessi.

  • Rendere disponibile una versione localizzata per gli utenti aziendali che si trovano al di fuori degli Stati Uniti.

Vedere anche

Modellazione multidimensionale (esercitazione di AdventureWorks)