Lernszenario für Analysis Services

Dieses Lernprogramm basiert auf Adventure Works Cycles, einem fiktiven Unternehmen. Adventure Works Cycles ist ein großes multinationales Fertigungsunternehmen, das Metall- und Verbundfahrräder an kommerzielle Märkte in Nordamerika, Europa und Asien vertreibt. Der Hauptsitz für Adventure Works Cycles ist Bothell, Washington, wo das Unternehmen 500 Mitarbeiter beschäftigt. Darüber hinaus beschäftigt Adventure Works Cycles mehrere regionale Vertriebsteams auf der gesamten Marktbasis.

In den letzten Jahren kaufte Adventure Works Cycles eine kleine Fertigungsanlage, Importadores Neptuno, die sich in Mexiko befindet. Importadores Neptuno stellt mehrere kritische Unterkomponenten für die Adventure Works Cycles-Produktlinie her. Diese Unterkomponenten werden an den Standort Bothell für die Endgültige Produktassembly ausgeliefert. Im Jahr 2005 wurde Importadores Neptuno der einzige Hersteller und Distributor der Reisefahrrad-Produktgruppe.

Nach einem erfolgreichen Geschäftsjahr möchte Adventure Works Cycles nun seinen Marktanteil erweitern, indem er werbung auf seine besten Kunden ausgerichtet, die Produktverfügbarkeit über eine externe Website erweitert und die Kosten des Umsatzes reduziert, indem die Produktionskosten reduziert werden.

Aktuelle Analyseumgebung

Zur Unterstützung der Datenanalyseanforderungen der Vertriebs- und Marketingteams und der Geschäftsleitung übernimmt das Unternehmen derzeit Transaktionsdaten aus der AdventureWorks2012-Datenbank und nicht transaktionsbezogene Informationen wie Verkaufskontingente aus Tabellenkalkulationen und konsolidiert diese Informationen in das relationale Data Warehouse "AdventureWorksDW2012 ". Das relationale Data Warehouse stellt jedoch die folgenden Herausforderungen dar:

• Berichte sind statisch. Benutzer haben keine Möglichkeit, die Daten in den Berichten interaktiv zu untersuchen, um detailliertere Informationen zu erhalten, so wie sie es mit einer Microsoft Office Excel-Pivottabelle tun könnten. Obwohl der vorhandene Satz vordefinierter Berichte für viele Benutzer ausreichend ist, benötigen erweiterte Benutzer direkten Abfragezugriff auf die Datenbank für interaktive Abfragen und spezialisierte Berichte. Aufgrund der Komplexität der AdventureWorksDW2012-Datenbank ist jedoch zu viel Zeit für solche Benutzer erforderlich, um zu erfahren, wie effektive Abfragen erstellt werden.

• Die Abfrageleistung ist sehr variabel. Beispielsweise geben einige Abfragen sehr schnell Ergebnisse zurück, in nur wenigen Sekunden, während andere Abfragen mehrere Minuten dauern, bis sie zurückgegeben werden.

• Tabellenaggregate sind schwierig zu verwalten. In einem Versuch, die Abfrageantwortzeiten zu verbessern, hat das Data Warehouse-Team bei Adventure Works mehrere Aggregattabellen in der AdventureWorksDW2012-Datenbank erstellt. Sie haben beispielsweise eine Tabelle erstellt, in der die Umsätze nach Monat zusammengefasst werden. Obwohl diese aggregierten Tabellen die Abfrageleistung erheblich verbessern, ist die Infrastruktur, die sie erstellt haben, um die Tabellen im Laufe der Zeit aufrechtzuerhalten, zerbrechlich und anfällig für Fehler.

• Komplexe Berechnungslogik wird in Berichtsdefinitionen begraben und ist schwierig, zwischen Berichten zu teilen. Da diese Geschäftslogik für jeden Bericht separat generiert wird, unterscheiden sich zusammenfassungsinformationen manchmal zwischen Berichten. Daher hat das Management ein begrenztes Vertrauen in die Data Warehouse-Berichte.

• Benutzer in verschiedenen Geschäftseinheiten interessieren sich für unterschiedliche Ansichten der Daten. Jede Gruppe wird von Datenelementen ablenkt und verwirrt, die für sie irrelevant sind.

• Die Berechnungslogik ist besonders schwierig für Benutzer, die spezielle Berichte benötigen. Da solche Benutzer die Berechnungslogik für jeden Bericht separat definieren müssen, gibt es keine zentrale Kontrolle darüber, wie die Berechnungslogik definiert wird. Beispielsweise wissen einige Benutzer, dass sie grundlegende statistische Techniken wie gleitende Mittelwerte verwenden sollten, aber sie wissen nicht, wie solche Berechnungen erstellt werden, und verwenden sie diese Techniken nicht.

• Es ist schwierig, verwandte Informationssätze zu kombinieren. Spezielle Abfragen, die zwei Gruppen verwandter Informationen kombinieren, z. B. Verkaufs- und Vertriebskontingente, sind für Geschäftsbenutzer schwierig zu erstellen. Solche Abfragen überwältigten die Datenbank, daher erfordert das Unternehmen, dass Benutzer bereichsübergreifende Datensätze aus dem Data Warehouse-Team anfordern. Daher wurden nur eine Handvoll vordefinierter Berichte definiert, die Daten aus mehreren Themenbereichen kombinieren. Darüber hinaus sind Benutzer zögerlich, diese Berichte aufgrund ihrer Komplexität zu ändern.

• Die Berichte konzentrieren sich in erster Linie auf Geschäftsinformationen in den USA. Benutzer in den Nicht-USA Tochtergesellschaften sind mit diesem Fokus sehr unzufrieden und möchten Berichte in verschiedenen Währungen und verschiedenen Sprachen anzeigen können.

• Informationen sind schwer zu überwachen. Die Finanzabteilung verwendet derzeit die AdventureWorksDW2012-Datenbank nur als Datenquelle, aus der eine Massenabfrage abgerufen werden soll. Anschließend laden sie die Daten in einzelne Tabellenkalkulationen herunter und verbringen erhebliche Zeit mit der Vorbereitung der Daten und dem Bearbeiten der Tabellenkalkulationen. Die Unternehmensfinanzberichte sind daher schwierig, unternehmensweit vorzubereiten, zu prüfen und zu verwalten.

Die Lösung

Das Data Warehouse-Team hat kürzlich eine Entwurfsüberprüfung des aktuellen Analysesystems durchgeführt. Die Überprüfung umfasste eine Lückenanalyse der aktuellen Probleme und zukünftigen Anforderungen. Das Data Warehouse-Team hat festgestellt, dass die AdventureWorksDW2012-Datenbank eine gut gestaltete dimensionale Datenbank mit konformen Dimensionen und Ersatzschlüsseln ist. Mit konformen Dimensionen kann eine Dimension in mehreren Data marts verwendet werden, z. B. einer Zeitdimension oder einer Produktdimension. Ersatzschlüssel sind künstliche Schlüssel, die Dimension- und Faktentabellen verknüpfen und zur Sicherstellung der Eindeutigkeit und zur Verbesserung der Leistung verwendet werden. Darüber hinaus hat das Data Warehouse-Team festgestellt, dass es derzeit keine signifikanten Probleme beim Laden und Verwalten der Basistabellen in der AdventureWorksDW2012-Datenbank gibt. Das Team hat sich daher entschieden, Microsoft Analysis Services zu verwenden, um Folgendes zu erreichen:

• Bereitstellen des einheitlichen Datenzugriffs über eine gemeinsame Metadatenebene für analytische Analyse und Berichterstellung.

• Vereinfachen Sie die Datenansicht der Benutzer, und beschleunigen Sie die Entwicklung von interaktiven und vordefinierten Abfragen und vordefinierten Berichten.

• Erstellen Sie ordnungsgemäß Abfragen, die Daten aus mehreren Themenbereichen kombinieren.

• Verwalten von Aggregats.

• Speichern und wiederverwenden Sie komplexe Berechnungen.

• Stellen Sie Geschäftsbenutzern außerhalb der USA eine lokalisierte Erfahrung vor.

Die Lektionen im Analysis Services-Lernprogramm bieten Anleitungen zum Erstellen einer Cubedatenbank, die all diese Ziele erfüllt. Um zu beginnen, fahren Sie mit der ersten Lektion fort: Lektion 1: Erstellen eines neuen tabellarischen Modellprojekts.

Siehe auch

Mehrdimensionale Modellierung (Lernprogramm für Adventure Works)