Scénario du tutoriel Analysis Services

Ce tutoriel est basé sur Adventure Works Cycles, une entreprise fictive. Adventure Works Cycles est une grande entreprise de fabrication multinationale qui produit et distribue des vélos métalliques et composites sur des marchés commerciaux en Amérique du Nord, en Europe et en Asie. Le siège social de Adventure Works Cycles est Bothell, Washington, où la société emploie 500 travailleurs. En outre, Adventure Works Cycles emploie plusieurs équipes commerciales régionales dans sa base de marché.

Ces dernières années, Adventure Works Cycles a acheté une petite usine de fabrication, Importadores Neptuno, située au Mexique. Importadores Neptuno fabrique plusieurs sous-composants critiques pour la gamme de produits Adventure Works Cycles. Ces sous-composants sont expédiés à l’emplacement Bothell pour l’assembly de produit final. En 2005, Importadores Neptuno est devenu le seul fabricant et distributeur du groupe de produits de vélo de tournée.

À la suite d’une année fiscale réussie, Adventure Works Cycles souhaite maintenant élargir sa part de marché en ciblant la publicité à ses meilleurs clients, en étendant la disponibilité des produits via un site Web externe et en réduisant le coût des ventes en réduisant les coûts de production.

Environnement d’analyse actuel

Pour prendre en charge les besoins d’analyse des données des équipes commerciales et marketing et de la haute direction, l’entreprise prend actuellement des données transactionnelles à partir de la base de données AdventureWorks2012 et des informations non transactionnelles telles que des quotas de ventes provenant de feuilles de calcul et consolide ces informations dans l’entrepôt de données relationnelles AdventureWorksDW2012 . Toutefois, l’entrepôt de données relationnelles présente les défis suivants :

• Les rapports sont statiques. Les utilisateurs n’ont aucun moyen d’explorer de manière interactive les données dans les rapports pour obtenir des informations plus détaillées, telles qu’elles peuvent le faire avec un tableau croisé dynamique Microsoft Office Excel. Bien que l’ensemble existant de rapports prédéfinis soit suffisant pour de nombreux utilisateurs, les utilisateurs plus avancés ont besoin d’un accès direct à la base de données pour les requêtes interactives et les rapports spécialisés. Toutefois, en raison de la complexité de la base de données AdventureWorksDW2012 , trop de temps est nécessaire pour que ces utilisateurs apprennent à créer des requêtes efficaces.

• Les performances des requêtes sont largement variables. Par exemple, certaines requêtes retournent des résultats très rapidement, en quelques secondes seulement, tandis que d’autres requêtes prennent plusieurs minutes pour retourner.

• Les tables agrégées sont difficiles à gérer. Dans une tentative d’amélioration des temps de réponse des requêtes, l’équipe de l’entrepôt de données d’Adventure Works a créé plusieurs tables d’agrégation dans la base de données AdventureWorksDW2012 . Par exemple, ils ont créé une table qui résume les ventes par mois. Toutefois, bien que ces tables d’agrégation améliorent considérablement les performances des requêtes, l’infrastructure qu’ils ont créée pour maintenir les tables au fil du temps est fragile et sujette à des erreurs.

• La logique de calcul complexe est enterrée dans les définitions de rapport et est difficile à partager entre les rapports. Étant donné que cette logique métier est générée séparément pour chaque rapport, les informations récapitulatives sont parfois différentes entre les rapports. Par conséquent, la gestion a une confiance limitée dans les rapports de l’entrepôt de données.

• Les utilisateurs de différentes unités commerciales sont intéressés par différentes vues des données. Chaque groupe est distrait et confus par les éléments de données qui ne sont pas pertinents pour eux.

• La logique de calcul est particulièrement difficile pour les utilisateurs qui ont besoin de rapports spécialisés. Étant donné que ces utilisateurs doivent définir la logique de calcul séparément pour chaque rapport, il n’existe aucun contrôle centralisé sur la façon dont la logique de calcul est définie. Par exemple, certains utilisateurs savent qu’ils doivent utiliser des techniques statistiques de base telles que les moyennes mobiles, mais ils ne savent pas comment construire de tels calculs et n’utilisent donc pas ces techniques.

• Il est difficile de combiner des ensembles d’informations connexes. Les requêtes spécialisées qui combinent deux ensembles d’informations connexes, telles que les quotas de vente et de vente, sont difficiles à construire pour les utilisateurs professionnels. Ces requêtes ont dépassé la base de données, de sorte que l’entreprise exige que les utilisateurs demandent des jeux de données inter-sujets auprès de l’équipe de l’entrepôt de données. Par conséquent, seuls quelques rapports prédéfinis ont été définis qui combinent des données provenant de plusieurs domaines d’objet. En outre, les utilisateurs hésitent à essayer de modifier ces rapports en raison de leur complexité.

• Les rapports sont principalement axés sur les informations commerciales aux États-Unis. Les utilisateurs des filiales en dehors des États-Unis sont très mécontents de cette orientation et souhaitent pouvoir afficher des représentations de rapports dans différentes devises et différentes langues.

• L’information est difficile à auditer. Le service Finance utilise actuellement la base de données AdventureWorksDW2012 uniquement comme source de données à partir de laquelle interroger en bloc. Ils téléchargent ensuite les données dans des feuilles de calcul individuelles et consacrent beaucoup de temps à préparer les données et à manipuler les feuilles de calcul. Les rapports financiers de l’entreprise sont donc difficiles à préparer, auditer et gérer au sein de l’entreprise.

La solution

L’équipe de l’entrepôt de données a récemment effectué un examen de conception du système d’analyse actuel. L’examen comprenait une analyse des lacunes sur les questions actuelles et les demandes futures. L’équipe de l’entrepôt de données a déterminé que la base de données AdventureWorksDW2012 est une base de données dimensionnelle bien conçue avec des dimensions conformes et des clés de substitution. Les dimensions conformes permettent à une dimension d’être utilisée dans plusieurs data marts, comme une dimension de temps ou une dimension de produit. Les clés de substitution sont des clés artificielles qui relient des tables de dimension et de faits et qui sont utilisées pour garantir l’unicité et améliorer les performances. De plus, l’équipe de l’entrepôt de données a déterminé qu’il n’y a actuellement aucun problème significatif avec le chargement et la gestion des tables de base dans la base de données AdventureWorksDW2012 . L’équipe a donc décidé d’utiliser Microsoft Analysis Services pour effectuer les opérations suivantes :

• Fournir un accès unifié aux données via une couche de métadonnées commune pour l’analyse analytique et la création de rapports.

• Simplifiez la vue des utilisateurs des données, accélérant le développement de requêtes interactives et prédéfinies et de rapports prédéfinis.

• Créez correctement des requêtes qui combinent des données provenant de plusieurs domaines d’objet.

• Gérer les agrégats.

• Stockez et réutilisez des calculs complexes.

• Présenter une expérience localisée aux utilisateurs professionnels en dehors des États-Unis.

Les leçons du didacticiel Analysis Services fournissent des conseils sur la création d’une base de données de cube qui répond à tous ces objectifs. Pour commencer, passez à la première leçon : Leçon 1 : Créer un projet de modèle tabulaire.

Voir aussi

Modélisation multidimensionnelle (didacticiel Adventure Works)