Datenmodellierung mit DAX - Konzepten
Business Intelligence (BI) gewinnt in verschiedenen Bereichen und Organisationen an Bedeutung. Entscheidungsfindung und Prognose auf der Grundlage historischer Daten sind in der immer größer werdenden Wettbewerbswelt von entscheidender Bedeutung. Für jede Art von Datenanalyse steht sowohl intern als auch extern eine große Datenmenge aus diversifizierten Quellen zur Verfügung.
Die Herausforderung besteht jedoch darin, die relevanten Daten gemäß den aktuellen Anforderungen aus den verfügbaren Big Data zu extrahieren und auf eine Weise zu speichern, die für die Projektion unterschiedlicher Erkenntnisse aus den Daten einvernehmlich ist. Ein Datenmodell, das auf diese Weise unter Verwendung wichtiger Geschäftsbegriffe erhalten wird, ist ein wertvolles Kommunikationsinstrument. Das Datenmodell muss auch eine schnelle Möglichkeit bieten, Berichte nach Bedarf zu erstellen.
Mit der Datenmodellierung für BI-Systeme können Sie viele der Datenherausforderungen bewältigen.
Voraussetzungen für ein Datenmodell für BI
Ein Datenmodell für BI sollte die Anforderungen des Unternehmens erfüllen, für das Daten analysiert werden. Im Folgenden sind die Mindestgrundlagen aufgeführt, die jedes Datenmodell erfüllen muss:
Das Datenmodell muss geschäftsspezifisch sein
Ein Datenmodell, das für einen Geschäftsbereich geeignet ist, ist möglicherweise nicht für einen anderen Geschäftsbereich geeignet. Daher muss das Datenmodell basierend auf dem spezifischen Geschäft, den verwendeten Geschäftsbegriffen, den Datentypen und ihren Beziehungen entwickelt werden. Es sollte auf den Zielen und der Art der in der Organisation getroffenen Entscheidungen basieren.
Das Datenmodell muss über integrierte Intelligenz verfügen
Das Datenmodell sollte integrierte Informationen über Metadaten, Hierarchien und Vererbungen enthalten, die einen effizienten und effektiven Business Intelligence-Prozess ermöglichen. Auf diese Weise können Sie eine gemeinsame Plattform für verschiedene Benutzer bereitstellen, wodurch Wiederholungen des Prozesses vermieden werden.
Das Datenmodell muss robust sein
Das Datenmodell sollte die unternehmensspezifischen Daten genau darstellen. Es sollte eine effektive Speicherung von Festplatten und Speicher ermöglichen, um eine schnelle Verarbeitung und Berichterstellung zu ermöglichen.
Das Datenmodell muss skalierbar sein
Das Datenmodell sollte in der Lage sein, die sich ändernden Geschäftsszenarien schnell und effizient zu berücksichtigen. Möglicherweise müssen neue Daten oder neue Datentypen aufgenommen werden. Datenaktualisierungen müssen möglicherweise effektiv gehandhabt werden.
Datenmodellierung für BI
Die Datenmodellierung für BI besteht aus den folgenden Schritten:
- Daten formen
- Laden der Daten
- Definieren der Beziehungen zwischen den Tabellen
- Datentypen definieren
- Neue Datenerkenntnisse erstellen
Daten formen
Die zum Erstellen eines Datenmodells erforderlichen Daten können aus verschiedenen Quellen stammen und in verschiedenen Formaten vorliegen. Sie müssen bestimmen, welcher Teil der Daten aus jeder dieser Datenquellen für eine bestimmte Datenanalyse erforderlich ist. Dies wird als Shaping the Data bezeichnet.
Wenn Sie beispielsweise die Daten aller Mitarbeiter in einer Organisation abrufen, müssen Sie entscheiden, welche Details der einzelnen Mitarbeiter für den aktuellen Kontext relevant sind. Mit anderen Worten, Sie müssen festlegen, welche Spalten der Mitarbeitertabelle importiert werden müssen. Dies liegt daran, dass die Berechnungen in der Tabelle umso schneller sind, je geringer die Anzahl der Spalten in einer Tabelle im Datenmodell ist.
Laden der Daten
Sie müssen die identifizierten Daten laden - die Datentabellen mit den ausgewählten Spalten in jeder der Tabellen.
Definieren der Beziehungen zwischen Tabellen
Als nächstes müssen Sie die logischen Beziehungen zwischen den verschiedenen Tabellen definieren, die das Kombinieren von Daten aus diesen Tabellen erleichtern, dh wenn Sie eine Tabelle - Produkte - mit Daten zu den Produkten und eine Tabelle - Verkäufe - mit den verschiedenen Verkaufstransaktionen der Produkte haben. Durch Definieren einer Beziehung zwischen den beiden Tabellen können Sie den Umsatz produktbezogen zusammenfassen.
Datentypen definieren
Die Ermittlung der geeigneten Datentypen für die Daten im Datenmodell ist für die Genauigkeit der Berechnungen von entscheidender Bedeutung. Für jede Spalte in jeder Tabelle, die Sie importiert haben, müssen Sie den Datentyp definieren. Zum Beispiel Textdatentyp, reeller Zahlendatentyp, ganzzahliger Datentyp usw.
Neue Datenerkenntnisse erstellen
Dies ist ein entscheidender Schritt bei der Datumsmodellierung für BI. Das erstellte Datenmodell muss möglicherweise mit mehreren Personen geteilt werden, die Datentrends verstehen und in kürzester Zeit die erforderlichen Entscheidungen treffen müssen. Das Erstellen neuer Datenerkenntnisse aus den Quelldaten ist daher effektiv und vermeidet Nacharbeiten an der Analyse.
Die neuen Datenerkenntnisse können in Form von Metadaten vorliegen, die von bestimmten Geschäftsleuten leicht verstanden und verwendet werden können.
Datenanalyse
Sobald das Datenmodell fertig ist, können die Daten gemäß den Anforderungen analysiert werden. Die Präsentation der Analyseergebnisse ist ebenfalls ein wichtiger Schritt, da die Entscheidungen auf der Grundlage der Berichte getroffen werden.