MicroStrategy - Panduan Cepat

Sebagai alat Business Intelligence dengan berbagai kapabilitas, MicroStrategy memiliki fitur canggih yang membantu menemukan jawaban dan wawasan dalam analisis data bisnis. Berikut adalah beberapa fitur penting.

Penemuan Data

Fitur ini memungkinkan MicroStrategy untuk terhubung ke sumber data apa pun dan memadukan data dari berbagai sumber. Itu dapat terhubung ke sumber relasional, file datar, sumber data besar, platform media sosial, dan sistem cloud untuk beberapa nama.

Masalah Data

Fitur ini membantu dalam transformasi dan modifikasi data dengan serangkaian luas kemampuan penguraian dan penguraian data bawaan. Pengguna bisnis mendapatkan keuntungan dari rekomendasi otomatis sementara ilmuwan data dapat memanfaatkan seluruh kemampuan perselisihan. Ada skrip sejarah yang mengingat transformasi data dan dapat diterapkan kembali ke analisis apa pun.

Data Mining dan Analisis Prediktif

MicroStrategy memiliki berbagai kemampuan analitis asli, dengan opsi untuk dengan mudah menggabungkan alat pemodelan dan penambangan data pihak ketiga. Layanan Penambangan Data dapat digunakan oleh pengguna bisnis, perancang laporan, dan analis untuk melihat dan membuat laporan prediktif dan mendistribusikan laporan ini kepada pengguna di perangkat apa pun.

Perpustakaan Fungsi Analytics

Ini memiliki pustaka yang luas dengan lebih dari 300 OLAP, fungsi matematika, keuangan, dan penambangan data, yang dapat digunakan untuk lebih memahami hubungan antara data, membuat metrik bisnis dan KPI tingkat atas, atau membuat analisis statistik tingkat lanjut.

Pustaka Visualisasi yang Dapat Diperluas

Ini memiliki grid out-of-the-box, grafik, dan alat visualisasi data built-in. Ini juga memungkinkan penambahan ratusan visualisasi sumber terbuka yang tersedia dari D3 atau penyedia lain dengan alat bawaan yang membantu proses integrasi. Ia juga memiliki pembangun visualisasi dan SK untuk mengkodekan visualisasi baru dari awal.

Dasbor Waktu Nyata

Anda dapat membuat dasbor yang dapat mengambil data langsung untuk menyediakan pemantauan waktu nyata dari informasi terkini. Dengan pembaruan terjadwal yang memiliki interval yang dapat dikontrol, pengguna dijamin akan mendapatkan data terbaru.

BI tertanam

MicroStrategy hadir dengan beberapa portlet siap pengembangan out-of-the-box yang tidak memerlukan pengkodean tambahan. Portlet ini memungkinkan organisasi untuk dengan mulus menanamkan fungsionalitas MicroStrategy dengan IBM WebSphere, Oracle WebLogic, Microsoft SharePoint, dan SAP NetWeaver, antara lain. Kit integrasi portal menyertakan kode sampel dan dokumentasi untuk mengintegrasikan MicroStrategy Web dengan portal perusahaan lainnya.

Platform Seluler

Visualisasi, laporan, dan dasbor yang ada langsung tersedia di platform seluler, setelah dibuat.

Unduh MicroStrategy Desktop

MicroStrategy Desktop Edisi Pribadi Gratis dapat diunduh dari Microstrategy Desktop . Untuk mengunduh, Anda perlu mendaftar dengan detail Anda.

Setelah mengunduh, penginstalan adalah proses yang sangat mudah di mana Anda harus menerima perjanjian lisensi dan menyediakan folder target untuk menyimpan versi desktop. Versi desktop tersedia untuk Windows dan Mac OS. Dalam tutorial ini, kami hanya akan mempertimbangkan versi Windows. Tangkapan layar berikut menjelaskan langkah-langkah penyiapan.

Mulai Wizard Instalasi

Klik dua kali MicroStrategy Desktop-64bit.exe dan itu akan menampilkan layar untuk memungkinkan program instalasi berjalan. KlikNext.

Komponen yang Diperlukan

Bergantung pada lingkungan Windows, Anda mungkin memerlukan perangkat lunak platform Windows tambahan agar MicroStrategy dapat dijalankan. .Net Framework adalah persyaratan umum. Proses instalasi akan mengurusnya sendiri.

Setelah berhasil menyelesaikan langkah-langkah di atas, MicroStrategy Desktop tersedia di sistem Anda.

Verifikasi Instalasi

Untuk memverifikasi bahwa MicroStrategy Desktop telah berhasil diinstal, buka menu start di Windows dan klik ikon MicroStrategy. Jendela berikut terbuka mengkonfirmasikan penginstalan MicroStrategy Desktop.

Lingkungan MicroStrategy Desktop sangat intuitif. Ini memiliki menu sederhana untuk mengimpor data untuk analisis dan mengekspor hasil analisis. Menu ini juga menyediakan fitur untuk terhubung ke server jika diperlukan, melihat kumpulan data yang tersedia, galeri visualisasi, dan opsi pemfilteran data, dll.

Windows Desktop

Screenshot berikut menunjukkan gambar jendela desktop MicroStrategy.

Berikut adalah deskripsi singkat dari masing-masing jendela tersebut.

• Dataset Panel- Ini digunakan untuk menambahkan set data yang diperlukan untuk dianalisis. Kumpulan data dapat berasal dari salah satu sumber yang kompatibel. Bagian ini juga memberikan opsi untuk terhubung ke kumpulan data yang tersedia di server MicroStrategy.

• Editor Panel- Ini digunakan untuk memasukkan baris dan kolom yang diperlukan dari kumpulan data untuk analisis. Juga matriks atau ekspresi matematika yang berbeda dapat diterapkan pada analisis data yang tersedia di sini.

• Properties Panel- Panel ini digunakan untuk mengatur format tampilan data seperti ukuran font, color alignment. dll.

• Filter Panel - Panel ini digunakan untuk menerapkan berbagai filter pada kumpulan data yang sedang dianalisis.

• Visualizations- Ini adalah panel yang menampilkan analisis data. Anda dapat menarik objek data ke panel ini dan menerapkan metode visualisasi untuk melihat hasilnya.

• Visualization Gallery- Panel ini menampilkan visualisasi bawaan yang tersedia, yang dapat diterapkan secara langsung pada kumpulan data. Berbagai visualisasi yang tersedia adalah - Peta panas, diagram batang, diagram gelembung, diagram jaringan, dll. Juga memungkinkan untuk membuat visualisasi kustom.

MicroStrategy memiliki arsitektur berbasis metadata. Metadata adalah repositori pusat, yang menyimpan semua objek yang digunakan olehnya. Metadata juga dapat digunakan oleh salah satu produk MicroStrategy, yang telah memastikan keseragaman dalam nilai objek. Objek yang disimpan dalam metadata dapat digunakan kembali.

Lapisan Objek

Diagram berikut mewakili berbagai lapisan objek yang dibuat dan disimpan dalam metadata MicroStrategy.

• Administration Objects - Lapisan Objek ini menetapkan parameter keamanan, pengelompokan pengguna, dan kinerja yang mengatur aplikasi MicroStrategy.

• Report Objects - Lapisan objek ini mengumpulkan blok bangunan dari Lapisan Objek Skema dan Analisis untuk memberikan analisis visual dan tekstual yang mendalam.

• Analysis Objects- Lapisan objek ini menyediakan blok bangunan untuk analisis yang canggih. Objek analisis dibangun di atas objek yang dikembangkan di lapisan skema.

• Schema Objects - Lapisan objek ini menyediakan abstraksi logis dari skema database yang disesuaikan untuk model bisnis.

Arsitektur ROLAP

MicroStrategy dapat mengakses data dari gudang data, database kubus, file datar, database operasional seperti ERP, CRMS, aplikasi Web, dll. Untuk ini, ia menggunakan arsitektur OLAP relasional.

Diagram berikut menunjukkan keseluruhan arsitektur platform MicroStrategy yang menggambarkan bagaimana mengakses data dari berbagai sumber menggunakan objek metadata.

• Dynamic MDX Engine - Ini menghasilkan Multidimensional Expressions (MDX) yang dioptimalkan untuk mengakses database kubus secara interaktif dari SAP, Layanan Analisis Microsoft, Hyperion Essbase, dll.

• Dynamic SQL Engine - Ini menghasilkan SQL yang dioptimalkan untuk mengakses gudang data secara interaktif.

• Freeform SQL Engine - Ini menyediakan akses langsung ke database operasional, file teks, dan spreadsheet melalui Query Builder grafis atau melalui SQL tangan.

Metadata Terpadu

Akhirnya, Arsitek MicroStrategy dapat memodelkan banyak sumber seolah-olah mereka adalah satu sumber data, menyimpan semua informasi ini dalam metadata terpadu MicroStrategy.

MicroStrategy terhubung ke hampir setiap jenis sumber data yang tersedia. Ini memiliki konektor asli, yang membuat koneksi dengan sumber data ini dan juga memiliki fitur sambungkan langsung, yang mengambil data jika diperlukan. Menariknya, ini juga menampilkan ikon sumber data untuk identifikasi lebih cepat dari sumber data yang Anda cari.

Tambahkan Data

Cara termudah untuk mencari dan memilih kumpulan data yang diperlukan adalah dengan menggunakan opsi Tambah Data yang tersedia dengan ikon + di bawah menu utama. Diagram berikut menunjukkan langkah-langkah untuk menambahkan data.

Sumber data

Saat mengklik opsi Tambahkan Data, kami melihat ikon berbagai sumber data. Ini membantu dalam mengidentifikasi sumber data dengan cepat.

Telusuri Sumber Data

Dengan ketersediaan jenis koneksi yang sangat banyak ini, terkadang kita perlu mengetikkan nama sumber data atau memfilternya dari sekelompok kecil nama kumpulan data. MicroStrategy memiliki fitur pencarian lanjutan, yang memungkinkannya.

Menambahkan Data dari File

Di bagian ini, kita akan melihat cara menambahkan file excel sebagai sumber data dan membuat visualisasi sederhana.

Pilih File Excel

Klik opsi Tambahkan Data dan pilih Excel yang tersedia di bawah tajuk yang disusun menurut abjad E. Jendela menunjukkan opsi Pilih File dan mengkliknya kita dapat menelusuri sistem lokal untuk memilih file excel yang diperlukan. Dalam contoh berikut, kami memiliki file contoh yang berisi data karyawan suatu organisasi.

Siapkan File Excel

Sebelum menerima konten file Excel, kita dapat melihat pratinjau dan juga mengedit data yang ada di dalamnya. Setelah file dipilih, kita bisa melihat tombol Siapkan Data di sebelah tombol Selesai. Mengkliknya menghasilkan pratinjau dari data yang ada di file.

Siapkan Visualisasi

Saat mengklik Selesai, setelah data dipratinjau, kami disajikan dengan jendela MicroStrategy yang menunjukkan objek data yang dipilih.

Selanjutnya, kita dapat membuat visualisasi sederhana dari sumber data ini dengan menyeret kolom di sumber data ke dalam kotak baris dan kolom. Metrik juga dapat ditambahkan. Diagram berikut menunjukkan visualisasi akhir.

Online Analytical Processing (OLAP) adalah analisis multidimensi data bisnis. Ini menyediakan kemampuan untuk perhitungan kompleks, analisis tren, dll. Layanan OLAP MicroStrategy adalah perluasan dari MicroStrategy Intelligence Server. Ini menggunakan konsep Inmemory Business Intelligence. Ini membantu platform BI untuk meningkatkan kinerja dan analisis secara ekstensif.

Berbagai manipulasi OLAP pada laporan menggunakan fitur seperti aliasing, banding, pengurutan, pivot, halaman demi halaman, dan seterusnya. Fitur ini tidak menyebabkan laporan dieksekusi ulang terhadap gudang, dan karena itu memiliki waktu respons yang lebih cepat. Berikut adalah uraian singkat tentang berbagai fitur OLAP yang tersedia di MicroStrategy Desktop.

Aliasing - Fitur ini digunakan untuk mengganti nama objek apa pun di kisi laporan, seperti nama atribut, nama konsolidasi, nama grup kustom, dan nama metrik.

Banding - Digunakan untuk mewarnai grup baris atau kolom sehingga membentuk pita data yang mudah ditemukan dan dianalisis.

Page-by - Ini adalah cara untuk mengelompokkan data dalam laporan kisi dengan menempatkan atribut, konsolidasi, atau metrik yang tersedia pada sumbu ketiga yang disebut sumbu Halaman.

Pivoting - Digunakan untuk mengatur ulang kolom dan baris dalam laporan untuk melihat data dari perspektif yang berbeda seperti memindahkan objek dari tajuk baris ke tajuk kolom dan sebaliknya.

Sorting - MicroStrategy Desktop menawarkan pengurutan cepat, pengurutan lanjutan, dan pengurutan hierarki baris atau kolom.

Subtotals - Ini digunakan untuk menambah, menghapus, dan mengedit subtotal pada tingkat yang berbeda untuk metrik pada laporan.

Thresholds - Ambang batas menyoroti data yang memenuhi kondisi yang ditentukan oleh pengguna.

Berikut adalah contoh penerapan ambang batas.

Pertimbangkan laporan Karyawan yang dibuat di bab sebelumnya menggunakan file excel. Dalam laporan tersebut, kami akan menerapkan warna ambang ke berbagai gaji menggunakan langkah-langkah berikut.

Pilih Kolom Ambang

Di laporan karyawan, klik kolom gaji dan pilih ambang dari drop-down.

Terapkan Opsi Ambang

Jendela berikutnya memberikan opsi untuk memilih jenis ambang batas. Kami memilih ambang berdasarkan warna dengan warna dan nilai default.

Jika kami ingin menjelajahi opsi ambang non-default lainnya, kami dapat mengklik Editor Ambang Tingkat Lanjut, yang menunjukkan opsi tambahan berikut.

Hasil Ambang Batas

Hasil akhir dari ambang batas ditunjukkan pada gambar berikut yang menyoroti nilai gaji yang berbeda sesuai warna ambang yang dipilih.

Objek MicroStrategy muncul di lapisan sistem dan dapat digunakan di banyak proyek. Objek konfigurasi mencakup objek seperti pengguna, instance database, ID login database, dan jadwal.

Saat masuk ke Pengembang MicroStrategy, sebagai admin kami mendapatkan opsi Administrasi di bawah MicroStrategy Secure Enterprise. Memperluas opsi ini memberi kita berbagai objek konfigurasi yang dibahas di bagian berikut.

Manajer Pengguna

Objek ini digunakan oleh administrator untuk mengelola pengguna MicroStrategy. Ini dikonfigurasi untuk menangani konfigurasi pengguna berikut. Ini menawarkan opsi konfigurasi berikut -

• User authentication - Untuk memungkinkan pengguna masuk ke lingkungan.

• User groups - Kumpulan pengguna yang diberikan hak istimewa tertentu.

• User privileges - Untuk menggunakan hanya sebagian dari semua fitur yang tersedia di lingkungan.

• User permissions - Untuk mengizinkan / melarang penggunaan objek tertentu.

Manajer Konfigurasi

Objek ini digunakan untuk mengelola informasi konektivitas database. Mereka menyimpan jalur dan informasi kredensial untuk banyak database yang dapat dihubungkan dengan MicroStrategy. Ini menawarkan opsi konfigurasi berikut -

• Database instance - Nama instance database dan kredensial-nya.

• The Connection lifetime - Batas ini adalah jumlah waktu maksimum utas koneksi database tetap di-cache.

• Events - Memicu tugas yang terkait dengan acara database.

• Security role - Kontrol akses pengguna ke berbagai objek dalam database.

Monitor Sistem

Ada banyak pemantau sistem yang membantu mengidentifikasi kesehatan lingkungan MicroStrategy. Mereka membantu dalam memprediksi beban pada sistem dan masalah kinerja apa pun yang mungkin muncul. Berikut adalah beberapa opsi monitor sistem yang penting.

• Jobs - Monitor sedang melaksanakan pekerjaan.

• User Connections - Memantau jumlah koneksi pengguna pada waktu tertentu.

• Caches - Memantau jumlah cache dan ukurannya.

Sistem administrasi

Kegiatan administratif ini melibatkan pengaturan berbagai proyek, mengalokasikan cluster ke proyek, dan menjadwalkan jendela pemeliharaan.

Ketika proyek MicroStrategy baru dibuat, pengguna dengan akses ke proyek itu dapat membuat objek dan menyimpannya hanya di folder pribadi mereka di bawah proyek itu. Namun, terkadang diinginkan untuk membuat banyak objek MicroStrategy tersedia untuk pengguna lain. Untuk skenario seperti itu, pengguna grup administratif dapat membuat dan menempatkan berbagai Objek MicroStrategy di bawah folder publik.

Pengguna non-administratif hanya dapat melihat dan menggunakan objek dari folder publik, tetapi mereka tidak dapat menghapus atau membuat objek baru di bawah folder publik.

Untuk mengakses folder publik, login ke pengembang MicroStrategy sebagai administrator dan masuk ke opsi Objek Publik. Saat meluaskan tombol, layar berikut terbuka yang menampilkan berbagai objek publik yang tersedia di MicroStrategy.

Objek Skema adalah Objek Strategi Mikro yang merupakan representasi logis dari struktur gudang data. Ini adalah objek yang diputuskan selama pembuatan proyek MicroStrategy.

Masuk ke pengembang MicroStrategy sebagai administrator. Arahkan ke Tutorial MicroStrategy dan perluas opsi Schema Objects. Layar berikut terbuka dan menampilkan berbagai objek skema.

Berikut adalah berbagai Objek Skema dengan deskripsinya.

• Facts - Mereka adalah nilai numerik, yang dapat digabungkan untuk mewakili nilai beberapa data bisnis.

• Attributes- Mereka mewakili perincian data dalam tabel fakta. Mereka umumnya merupakan data deskriptif dari bisnis.

• Hierarchies- Mereka mewakili hubungan antara berbagai nilai atribut. Mereka membantu dalam melakukan analisis penelusuran dan penelusuran pada data.

• Functions and Operators - Ini adalah berbagai fungsi dan operator matematika bawaan yang tersedia di MicroStrategy untuk menerapkan penghitungan ke data.

• Tables - Mereka hanya mewakili data dalam bentuk tabel (kolom dan baris).

• Transformations - Mereka adalah fitur transformasi data yang digunakan untuk analisis data berbasis time-series.

• Partition Mapping - Fitur ini digunakan untuk membuat pembagian logis dari partisi tabel fakta sehingga pembuatan kueri menjadi lebih efisien.

Setiap laporan di MicroStrategy dibangun menggunakan beberapa objek yang mendasari yang mewakili skenario bisnis. Objek ini bersama-sama mewakili kumpulan data yang diminta oleh pengguna laporan dan juga hubungan antara berbagai elemen data.

Untuk mendapatkan objek laporan laporan, buka laporan dan klik ikon objek laporan seperti yang ditunjukkan pada tangkapan layar berikut.

Tangkapan layar di atas menunjukkan objek laporan yang digunakan dalam laporan.

Dalam contoh saat ini, kami memiliki tiga objek laporan -

• Category - Ini adalah atribut laporan yang menunjukkan kategori produk yang dijual.

• Region - Ini adalah atribut laporan yang menunjukkan wilayah produk yang dijual.

• Year - Ini adalah atribut yang berisi dua objek metrik (laba dan pendapatan).

Objek Laporan sangat penting dari perspektif desain laporan karena mereka memutuskan bidang mana dari sumber data yang masuk ke dalam laporan dan juga penghitungan yang diterapkan pada bidang tersebut.

Laporan yang dibuat dalam MicroStrategy dapat dilihat dari sudut pandang yang berbeda. Beberapa dapat dilihat sebagai angka dan teks saja, sementara beberapa lainnya hanya sebagai grafik. Kami juga dapat menggabungkan visualisasi tekstual dan grafis bersama.

Laporan yang dibuat dalam MicroStrategy dapat dilihat dari sudut pandang yang berbeda. Beberapa dapat dilihat sebagai angka dan teks saja. Sedangkan sebagian lainnya hanya sebagai grafik. Kami juga dapat menggabungkan visualisasi tekstual dan grafis bersama.

Berikut adalah tiga jenis laporan yang digunakan di MicroStrategy Desktop.

• Grid Reports - Laporan ini hanya menampilkan informasi tekstual dalam bentuk kisi yang menampilkan baris dan kolom data.

• Graph Reports - Laporan ini menunjukkan berbagai grafik yang dibuat dari kumpulan data.

• Combined Reports - Laporan ini dapat menunjukkan kombinasi dari laporan Grid dan Grafik.

Mari kita bahas jenis laporan ini secara mendetail.

Laporan Grid

Pertimbangkan laporan yang dibuat dari data karyawan sebelumnya. Karena kami hanya menampilkan informasi tekstual yang menunjukkan ID karyawan dan gaji untuk masing-masing departemen, ini adalah contoh laporan kisi.

Laporan Grafik

Kita dapat memilih visualisasi grafis yang sesuai dari data dari galeri visualisasi yang tersedia di MicroStrategy. Pada tangkapan layar berikut, kita melihat grafik diagram batang yang dibuat untuk kumpulan data di atas hanya dengan mengklik visualisasi diagram batang yang tersedia di panel kanan.

Grafik Kombinasi

Kita dapat menggabungkan grafik grid dan grafik dengan menambahkan kedua jenis visualisasi pada satu layar.

Operasi Pemotongan kumpulan data melibatkan pembuatan kumpulan data yang lebih kecil dengan memfilter satu dimensi. Ini membantu dalam menganalisis hubungan antara dimensi tertentu dan semua variabel yang tersisa dari kumpulan data.

Pertimbangkan kumpulan data, All-Sales, yang berisi dimensi berikut -

• Lini Bisnis
• Lini produk
• Category
• Subcategory
• Sales

Tangkapan layar berikut menunjukkan bagan dengan seluruh kumpulan data yang memproyeksikan semua variabel.

Sekarang, mari kita cari tahu nilai Penjualan untuk setiap nilai dalam dimensi kategori. Untuk ini, kita bisa pergi ke Editor → Visualization, dan menjaga kategori dimensi dalam sumbu vertikal.

Kemudian pertahankan Penjualan di sumbu horizontal. Juga pilih opsi Warna Dengan sebagai penjualan.

Ini akan menghasilkan screenshot berikut dengan diagram yang menunjukkan data penjualan untuk setiap kategori.

Operasi Dicing dari kumpulan data melibatkan pembuatan kumpulan data yang lebih kecil dengan mengambil beberapa nilai dari satu dimensi sehubungan dengan satu nilai dari dimensi lain. Misalnya, kami mendapatkan nilai penjualan untuk subkategori produk yang berbeda sehubungan dengan satu kategori tunggal. Di sini, ada hubungan hierarki antara kategori dan sub-kategori produk.

Pertimbangkan superstore kumpulan data yang berisi dimensi berikut -

• Segmen pelanggan
• Kategori Produk
• Sub-kategori produk
• Profit

Tangkapan layar berikut menunjukkan langkah-langkah untuk membagi data sehubungan dengan dimensi segmen pelanggan dan sub-kategori produk.

Langkah 1

Pertama-tama, mari buat laporan kisi dengan dimensi segmen Pelanggan dan subkategori Produk. Kita juga bisa menambahkan metrik Profit.

Langkah 2

Selanjutnya, mari buat filter menggunakan segmen pelanggan dimensi. Untuk filter ini, kami memilih nilai 'Segmen pelanggan'. Namun, kami mendapatkan nilai keuntungan untuk semua nilai sub-kategori di bawah segmen pelanggan ini. Di sini, data dipotong di seluruh subkategori untuk segmen pelanggan tertentu.

Pivoting data dalam tabel dilakukan saat kita ingin menukar posisi kolom dan baris. Itu juga disebutrotating data. Perubahan struktur tersebut menghasilkan berbagai jenis ringkasan data.

Contoh

Nilai penjualan untuk tabel All_sales diringkas untuk setiap Lini Bisnis. Di tangkapan layar berikut, setiap baris mewakili Lini Bisnis dan nilai Penjualan untuk setiap lini produk di kolom yang berbeda.

Namun, jika kita ingin melihat hasilnya sebagai Product Line di setiap baris dan Business Line di setiap kolom, maka kita harus menerapkan pivoting. Berikut langkah-langkah untuk mengaplikasikan pivot.

Langkah 1

Buat Tabel dengan dimensi dan ukuran yang diperlukan seperti yang ditunjukkan pada tangkapan layar berikut. Di sini, penjualan diringkas dan ditampilkan untuk setiap lini bisnis di setiap baris.

Langkah 2

Dengan menggunakan editor visualisasi, tukar dimensi dalam baris dan kolom. Gunakan tombol swap seperti yang ditunjukkan pada tangkapan layar berikut.

Hasil

Seperti yang kita lihat, ringkasan penjualan sekarang ditampilkan untuk lini produk di setiap baris.

Penyibakan adalah proses turun dalam hierarki dimensi untuk mendapatkan nilai pengukuran yang lebih terperinci. Dalam kumpulan data dengan lebih dari satu dimensi, yang ditautkan satu sama lain secara hierarki, kita mulai dengan dimensi di bagian atas dan kemudian secara bertahap menambahkan lebih banyak dimensi untuk mendapatkan nilai granular baru.

Opsi lihat perincian memberikan lebih banyak wawasan tentang bagaimana nilai-nilai yang berbeda di setiap tingkat digabungkan.

Contoh

Dalam kumpulan data all_slaes, mari pertimbangkan 3 dimensi berikut yang diterapkan pada pengukuran Penjualan.

• Lini Produk
• Category
• Subcategory

Berikut adalah langkah-langkah untuk melakukan penelusuran.

Langkah 1

Buat visualisasi dengan dimensi - lini produk dan ukur penjualan seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 2

Tambahkan kategori dimensi ke visualisasi di bawah Lini Produk. Seperti yang Anda lihat, nilai kolom penjualan berubah, yang mencerminkan nilai untuk setiap kategori di bawah lini produk.

LANGKAH 3

Selanjutnya, tambahkan subkategori dimensi di bawah kategori dimensi dan selanjutnya mengubah nilai di kolom penjualan.

Rollup adalah proses naik dalam hierarki dimensi dalam kumpulan data tertentu. Saat kami naik, nilai ukuran menjadi kurang terperinci dan lebih diringkas. Ini kebalikan dari drilldown. Misalnya, dalam hierarki Area → wilayah → negara, kami berpindah dari satu area ke negara dan akhirnya nilainya dirangkum di tingkat negara. Proses ini disebut Rollup.

Contoh

Dalam kumpulan data bernama All_Sales, mari pertimbangkan dimensi berikut untuk rollup.

• Lini Produk
• category
• Subcategory

Langkah 1

Buat visualisasi dengan ketiga dimensi yang disebutkan di atas dan penjualan sebagai nilai ukuran.

Langkah 2

Mari kita hapus subkategori dimensi dari visualisasi di atas. Sekarang, hasilnya menunjukkan ringkasan di level Kategori. Untuk menghapus, klik kanan dan pilih hapus dari opsi.

LANGKAH 3

Hasilnya sekarang menunjukkan nilai penjualan di tingkat kategori.

Metrik dalam MicroStrategy adalah perhitungan yang dilakukan pada data. Mereka adalah kolom turunan yang memperlihatkan hasil seperti jumlah atau rata-rata dari beberapa nilai numerik kolom dalam data sumber.

Mereka berguna dalam membuat penghitungan khusus yang diperlukan oleh bisnis. Pembuatan metrik melibatkan penggunaan fungsi built-in yang sudah tersedia di MicroStrategy. Editor rumus digunakan untuk membuat rumus untuk metrik.

Contoh

Dalam contoh ini, kami bertujuan untuk menemukan penjualan rata-rata untuk setiap subkategori di bawah setiap kategori dari data penjualan. Ini dapat dilakukan dengan membuat metrik yang menggunakan Fungsi Rata-rata untuk menemukan penjualan rata-rata. Langkah-langkah untuk membuat dan menggunakan metrik ini adalah sebagai berikut.

Langkah 1

Buat laporan dengan Kategori dan subkategori sebagai dua kolomnya. Selanjutnya, klik kanan di mana saja di bawah tab sumber data dan di dekat salah satu bidang pengukuran. Munculan yang menampilkan opsi buat metrik.

Langkah 2

Di editor Metrik, tulis rumus untuk penjualan rata-rata. Simpan metrik dengan memberinya nama, ucapkan “AvgSales”.

LANGKAH 3

Sekarang, metrik AvgSales muncul di bawah Data Dasbor sebagai ukuran. Ini dapat diseret ke kolom metrik dan kemudian muncul di laporan.

Metrik Bertingkat dalam MicroStrategy adalah perhitungan di mana satu fungsi agregasi diapit di dalam yang lain. Mereka berguna saat dalam desain gudang data, kami tidak memiliki data yang disimpan pada tingkat perincian yang diperlukan. Dalam kasus seperti itu, kami membuat rumus dalam dan rumus luar. Menggabungkannya membuat metrik bertingkat.

Contoh

Dalam contoh ini, kami bertujuan untuk menemukan penjualan rata-rata untuk setiap subkategori dibandingkan dengan total penjualan di bawah setiap kategori.

Langkah 1

Buat laporan dengan Kategori dan subkategori sebagai dua kolomnya. Selanjutnya, klik kanan di mana saja di bawah tab sumber data dan di dekat salah satu bidang pengukuran. Munculan yang menampilkan opsi buat metrik. Kami membuat metrik pertama dengan rumus berikut dan menamainya sebagai sum_subcat_sales.

Langkah 2

Selanjutnya, kami membuat metrik lain dengan nama Category_sales. Di dalamnya, kami menulis rumus dalam untuk jumlah penjualan untuk setiap kategori dan rumus luar memberikan rata-rata penjualan untuk setiap kategori, sesuai dengan sub-kategori.

LANGKAH 3

Terakhir, seret kedua metrik yang baru dibuat ke laporan untuk melihat hasilnya.

Seringkali kita membutuhkan metrik yang dihitung yang belum tersedia di sumber data. Jika situasi seperti itu, nilai metrik dapat dihitung dari metrik yang ada, menggunakan opsi buat metrik. Jadi, membuat metrik turunan adalah pendekatan untuk membuat nilai yang akan sering kita perlukan dalam laporan, tetapi tidak ada di sumber data.

Contoh

Dalam contoh ini, kita akan menghitung total biaya pengiriman dan harga satuan untuk produk di data penjualan superstore. Berikut langkah-langkah untuk menghitungnya.

Langkah 1

Mari buat laporan pegangan menggunakan penjualan superstore. Laporan tersebut berisi produk-sub kategori sebagai atribut dan harga unit serta biaya pengiriman sebagai metrik.

Langkah 2

Selanjutnya, klik kanan di dekat salah satu metrik dan pilih opsi buat metrik. Ini memberi kita jendela untuk menulis rumus untuk metrik baru. Di sini, tulis rumus yang kami gunakan di metrik yang ada. Rumusnya seperti yang ditunjukkan pada screenshot berikut.

LANGKAH 3

Metrik baru muncul di bawah daftar metrik dari sumber data. Kami menyeretnya ke laporan kisi yang ada.

Metrik adalah nilai numerik tempat kita dapat menerapkan penghitungan matematis dan juga membandingkannya secara numerik. Desktop MicroStrategy menyediakan beberapa fungsionalitas untuk membandingkan nilai dua metrik menggunakan fungsi pemfilteran. Jika perlu, kami juga dapat membuat metrik turunan untuk membuat perbandingan yang rumit berdasarkan beberapa penghitungan tertentu.

Berikut langkah-langkah untuk membuat perbandingan antara dua metrik.

Langkah 1

Buat visualisasi dengan laporan kisi menggunakan superstore.xlx sebagai contoh kumpulan data. Selanjutnya, seret dua metrik - Harga satuan dan Biaya pengiriman - di bawah tab filter seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 2

Masukkan beberapa nilai tertentu dalam kondisi filter kedua metrik tersebut, sehingga kami dapat membandingkan nilainya dalam suatu rentang. Tangkapan layar berikut menunjukkan hasil setelah memasukkan nilai.

Memfilter data adalah bagian yang sangat penting dari analisis dan visualisasi data. MicroStrategy Desktop menyediakan berbagai opsi untuk memfilter data dalam laporan. Ini memiliki filter sederhana, yang mendapatkan data berdasarkan nilai yang dipilih oleh pengguna. Ia juga memiliki fitur untuk membuat fitur kompleks, yang akan memfilter data berdasarkan perhitungan.

Pada bab ini, kita akan mempelajari langkah-langkah dasar membuat filter pada kolom dengan nilai non-numerik.

Contoh

Dalam contoh ini, kami bertujuan untuk membuat filter pada subkategori bidang dalam laporan kisi yang terdiri dari kategori bidang, subkategori, dan penjualan.

Langkah 1

Buat visualisasi baru dengan memilih kategori bidang, subkategori sebagai baris dan penjualan sebagai metrik. Visualisasi tersebut ditunjukkan pada screenshot berikut.

Langkah 2

Buka tab Filter di sebelah tab Editor. Seret subkategori bidang ke tab ini. Ini secara otomatis akan membuat filter tipe Dropdown seperti yang ditunjukkan pada tangkapan layar berikut. Perhatikan juga bahwa jumlah nilai untuk ini ditampilkan dalam tanda kurung (25).

LANGKAH 3

Sekarang centang tandai nilai spesifik yang ingin kami filter hasilnya dalam laporan. Saat memeriksa nilai-nilai ini, hanya masing-masing hasil yang terlihat di laporan.

Fitur filter lanjutan berguna dalam menerapkan kondisi filter, yang jika tidak akan melibatkan langkah-langkah rumit. Di desktop MicroStrategy, kami mengakses fitur ini setelah filter dibuat dan diterapkan ke laporan.

Kami memiliki opsi tambahan berikut selain opsi kotak centang.

• Slider
• Kotak pencarian
• Tombol radio
• Turun ke bawah

Pada bab ini, kita akan melihat opsi kotak pencarian secara detail.

Menggunakan Kotak Pencarian

Opsi kotak pencarian tersedia dengan memilih filter kotak centang yang sudah ada. Klik kanan untuk mendapatkan opsi jenis tampilan seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 1

Mulailah menulis huruf awal subkategori yang ingin kita filter. Ini secara otomatis mengisi nilai yang berbeda dari kumpulan data. Kami memilih beberapa nilai tertentu dengan memilihnya dengan klik.

Langkah 2

Saat menyelesaikan pemilihan, kami mendapatkan hasil dalam laporan seperti yang ditunjukkan pada tangkapan layar berikut.

Di MicroStrategy, kita dapat membuat jalan pintas ke filter. Untuk ini, kami harus menggunakan hasil laporan yang ada sebagai filter untuk laporan lain. Laporan pertama itu sendiri menjadi filter di dalam laporan baru. Jenis filter ini disebut filter pintasan-ke-laporan.

Ini adalah bagian dari edisi server MicroStrategy dan kami akan mengambil beberapa contoh dari kumpulan data bawaan di server MicroStrategy. Berikut langkah-langkah untuk membuat shortcut-to-afilter.

Langkah 1

Buka editor filter. Pilih area definisi filter dan klik dua kali. Ini akan membuka kotak dialog yang menampilkan opsi "Tambahkan pintasan ke filter".

Langkah 2

Pada layar berikutnya, kotak dialog filter muncul. Masukkan nama filter yang ingin kita gunakan atau klik browse dan pilih filter yang akan digunakan.

LANGKAH 3

Akhirnya, tangkapan layar berikut terbuka yang memiliki nama filter dan definisi filter yang sekarang menjadi pintasan-ke-filter.

Laporan yang dibuat di Server MicroStrategy diakses oleh pengguna berulang kali untuk menemukan hasil baru dari data tambahan yang dikumpulkan di sumber laporan. Oleh karena itu, data dalam laporan perlu diperbarui baik secara berkala maupun atas permintaan pengguna.

Laporan dalam versi desktop MicroStrategy dapat diperbarui hanya dengan melaporkan data lagi. Ini dilakukan dengan menggunakan tombol segarkan yang tersedia di menu.

Contoh

Mari kita pertimbangkan laporan All_sales. Saat ini, laporan tersebut menunjukkan data seperti yang ditunjukkan pada tangkapan layar berikut.

Mari tambahkan beberapa data ke sumbernya. Kami menambahkan kategori hewan air. Saat mengklik tombol segarkan, kami mendapatkan hasil baru seperti yang ditunjukkan pada tangkapan layar berikut.

Saat kami menjalankan laporan yang dibuat di MicroStrategy, mereka mengambil data dari gudang untuk menerapkan penghitungan dan menghasilkan laporan. Ketika beberapa pengguna meminta laporan yang sama tetapi dengan rentang nilai yang berbeda atau kondisi filter yang berbeda, maka gudang harus mengulangi penghitungan yang serupa untuk setiap laporan dan ini mempengaruhi kinerja.

Untuk menghindari hal ini, MicroStrategy menggunakan kubus cerdas, yaitu objek yang berada di lapisan tengah antara laporan dan gudang.

Diagram berikut menggambarkan peran kubus cerdas.

Intelligent Cube dibagikan sebagai satu salinan dalam memori, di antara berbagai laporan yang dibuat oleh banyak pengguna. Sekumpulan data dikembalikan dari gudang data dan disimpan langsung ke memori Intelligence Server. Beberapa laporan dibuat yang mengumpulkan data dari Intelligent Cube alih-alih membuat kueri gudang data.

Berikut adalah fitur-fitur yang membuat kubus cerdas berguna.

• Mendukung agregasi dinamis.
• Bisa dijadwalkan untuk refresh.
• Mendukung pembuatan metrik turunan.
• Performa lebih cepat daripada langsung melakukan kueri gudang.
• Lebih dari satu kubus dapat digunakan dalam satu dasbor.

Dasbor terdiri dari beberapa visualisasi. Ini menunjukkan banyak atribut yang dikelompokkan ke dalam visualisasi terpisah. Saat kami menempatkan beberapa atribut atau metrik umum dalam beberapa visualisasi, mudah untuk mempelajari variasi di antaranya.

Dalam contoh berikut, kami akan membuat dasbor yang menampilkan beberapa atribut umum di antara visualisasi.

Langkah 1

Buat visualisasi petak menggunakan superstore.xlsx sebagai contoh sumber data. Kami menyeret produk atribut - Subkategori dan Biaya pengiriman - ke kotak baris. Kemudian kami memasukkan visualisasi kedua ke dalam laporan seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 2

Tambahkan semua atribut di atas serta atribut tambahan bernama harga satuan ke visualisasi yang baru disisipkan seperti yang ditunjukkan pada tangkapan layar berikut.

LANGKAH 3

Terakhir, terapkan jenis visualisasi yang berbeda ke kisi ini. Kami menerapkan diagram lingkaran ke visualisasi teratas dan diagram peta panas ke visualisasi bawah seperti yang ditunjukkan pada gambar layar berikut. Hasilnya menunjukkan dasbor dengan beberapa atribut umum yang digunakan dalam dua visualisasi.

Dasbor terdiri dari beberapa visualisasi. Bagian dasbor yang berbeda dapat diformat untuk tampilan yang lebih baik menggunakan opsi dasbor pemformatan yang tersedia.

Dalam contoh berikut, kami akan memformat dasbor menggunakan warna tambahan dan area yang disorot.

Langkah 1

Pertimbangkan visualisasi dasbor yang kami buat di bab terakhir. Pilih opsi format Dashboard seperti yang ditunjukkan pada gambar layar berikut.

Langkah 2

Selanjutnya, di layar yang muncul dengan opsi pemformatan seperti memilih font, warna isian dan gaya batas, dll. Buat pilihan seperti yang ditunjukkan pada tangkapan layar berikut.

LANGKAH 3

Akhirnya, pemformatan diterapkan ke dasbor. Pemformatan mencerminkan kedua visualisasi yang ada di dasbor.

MicroStrategy Desktop menyediakan 10 grafik standar yang tersedia untuk diplot dengan sumber data. Masing-masing memberikan tampilan data yang berbeda tergantung pada jumlah atribut atau metrik yang akan kita gunakan. Fitur pewarnaan di masing-masing akan memudahkan untuk memahami berbagai potongan data yang ada dalam satu visualisasi data.

Galeri Visualisasi

Di jendela paling kanan dari MicroStrategy Desktop, terdapat galeri visualisasi, yang menampilkan opsi untuk 10 jenis grafik yang berbeda.

• Grid - Mewakili data dalam bentuk data grid sebagai baris dan kolom.

• Heat Map - Menampilkan persegi panjang dengan warna berbeda yang menunjukkan rentang nilai.

• Bar Chart - Menampilkan batang vertikal dengan panjang berbeda yang menunjukkan kekuatan parameter yang diukur.

• Line Chart - Menunjukkan garis yang menunjukkan variasi nilai dari satu variabel terhadap variabel lainnya.

• Area Chart - Menunjukkan area dengan warna berbeda sesuai dengan nilai yang berbeda.

• Pie Chart - Menunjukkan irisan dalam lingkaran, dengan ukuran irisan sesuai dengan nilai variabel yang diukur.

• Bubble Chart - Mewakili banyak gelembung yang sesuai dengan kisaran nilai variabel.

• Combo Chart - Menggabungkan Bagan batang dan Bagan garis menjadi satu visualisasi.

• Map - Menampilkan data sebagai penanda peta pada peta interaktif.

• Network - Digunakan untuk mengidentifikasi hubungan antara item terkait dan kelompok nilai.

Tangkapan layar berikut menunjukkan Visualisasi Grafik yang berbeda.

Visualisasi Grid adalah bentuk visualisasi paling sederhana dalam MicroStrategy, namun merupakan metode analisis yang sangat kuat. Di sini, data disajikan sebagai kisi dengan baris dan kolom serta tajuk kolom. Ini menyediakan fitur seperti menyortir dan mengebor data.

Membuat Visualisasi Grid

Setelah memuat kumpulan data yang diperlukan ke MicroStrategy Environment, kami menarik bidang yang diperlukan ke panel editor. Ini secara otomatis membuat visualisasi Grid. Dalam contoh berikut seperti yang ditunjukkan, kami menarik bidang yang relevan dari kumpulan data dan membuat kisi.

Operasi dalam Visualisasi Kisi

Operasi berikut dapat dilakukan dalam visualisasi grid.

• Mengurutkan data pada banyak kolom
• Menukar kolom dan baris
• Meneliti atribut

Menyortir Data pada Beberapa Kolom

Visualisasi grid menyediakan fasilitas untuk mengurutkan beberapa kolom secara bersamaan. Klik kanan pada nama kolom dan pilih opsi sortir lanjutan. Ini membawa kita ke layar tempat kita dapat memilih semua kolom dan urutannya untuk melakukan penyortiran.

Menukar Kolom dan Baris

Kita dapat menukar kolom dan baris dalam visualisasi grid untuk membuat laporan pivot. Cukup seret dan jatuhkan kolom ke dalam baris seperti yang ditunjukkan pada tangkapan layar berikut.

Telusuri sebuah Atribut

Kita dapat menelusuri atribut pada visualisasi kisi untuk mendapatkan nilai atribut berikutnya dalam hierarki. Klik kanan nama kolom dan pilih opsi bor seperti yang ditunjukkan pada tangkapan layar berikut.

Visualisasi Peta Panas menunjukkan persegi panjang berwarna yang berdekatan, masing-masing mewakili atribut dari kumpulan data. Ini memungkinkan Anda untuk dengan cepat memahami keadaan dan dampak dari sejumlah besar variabel sekaligus. Misalnya, peta panas sering digunakan dalam industri jasa keuangan untuk meninjau status portofolio.

Persegi panjang menunjukkan keragaman yang luas dan banyak corak warna, yang menekankan bobot berbagai komponen. Dalam visualisasi Peta Panas -

• Ukuran setiap persegi panjang menunjukkan bobot relatifnya.

• Warna setiap persegi panjang mewakili nilai relatifnya. Misalnya, nilai yang lebih besar berwarna hijau dan nilai yang lebih kecil berwarna merah.

• Area yang luas mewakili berbagai kelompok data.

• Persegi panjang kecil, mewakili elemen atribut individu.

Contoh

Dalam contoh ini, kami akan membuat visualisasi peta panas untuk subkategori produk dalam hal keuntungan yang mereka hasilkan.

Langkah 1

Buat visualisasi kosong dan pilih peta panas dari daftar grafik yang tersedia. Seperti yang Anda lihat, ini membutuhkan setidaknya 1 metrik dan 1 atribut.

Langkah 2

Mari tambahkan subkategori produk ke tab pengelompokan dan untung dengan ukuran menurut dan warna menurut tab. Ini menghasilkan persegi panjang peta panas. Warna hijau menunjukkan nilai keuntungan lebih dari 50% sedangkan warna merah menunjukkan nilai keuntungan kurang dari 50%. Semakin kuat bayangan warna hijau, semakin tinggi keuntungannya. Demikian pula, semakin kuat bayangan warna merah, semakin rendah keuntungannya.

LANGKAH 3

Dimungkinkan untuk menambahkan lebih banyak atribut ke klausa Pengelompokan dan itu akan menghasilkan sejumlah besar persegi panjang. Dalam contoh ini, tambahkan segmen Pelanggan dan wadah Produk. Saat mengarahkan penunjuk mouse ke setiap persegi panjang, kita dapat melihat deskripsi semua atribut yang membuat persegi panjang itu.

Visualisasi jaringan digunakan untuk dengan cepat dan mudah mengidentifikasi hubungan antara item data terkait. Misalnya, memvisualisasikan jejaring sosial. Elemen atribut ditampilkan sebagai node dalam visualisasi, dengan garis (disebut edge) ditarik di antara node untuk merepresentasikan hubungan antar elemen. Setelah visualisasi dibuat, pengguna dapat melihat karakteristik node dan hubungan di antara mereka, menggunakan opsi tampilan seperti ukuran node, ketebalan tepi, dan warna tepi.

Contoh

Dalam contoh ini, kami akan membuat visualisasi jaringan antara segmen pelanggan dan subkategori produk dalam hal keuntungan. Di sini, segmen pelanggan dan subkategori produk adalah node, sedangkan keuntungan adalah tepi yang mewakili hubungan di antara mereka.

Langkah 1

Buat visualisasi baru dengan memilih jaringan sebagai opsi. Seperti yang ditunjukkan, diperlukan setidaknya 1 atribut untuk ditambahkan.

Langkah 2

Tambahkan segmen pelanggan di subkategori 'Dari Item' dan produk di kotak 'Ke Item'. Juga keuntungan atribut ditambahkan ke kotak ukuran Edge. Diagram berikut menunjukkan diagram jaringan yang dibuat. Ketebalan tepi sebanding dengan besar kecilnya keuntungan.

LANGKAH 3

Menambahkan keuntungan ke warna tepi memberikan diagram yang lebih baik yang menunjukkan warna tepi yang berbeda, berdasarkan persentase keuntungan yang diwakili untuk subkategori produk tertentu dari segmen pelanggan tertentu.

Sejauh ini kami melihat pelaporan dengan satu sumber data sebagai sumbernya. Namun kami juga dapat menambahkan lebih dari satu sumber data ke laporan yang sama. Dalam kasus seperti itu, kita dapat menggunakan atribut dan metrik dari kedua sumber dalam membuat visualisasi. Hasilnya seolah-olah kita berurusan dengan satu sumber data. Ini terjadi karena MicroStrategy menggabungkan kedua sumber ini dan secara internal memperlakukannya sebagai satu kesatuan.

Berikut adalah langkah-langkah untuk menggabungkan dua kumpulan data sumber dan membuat visualisasi.

Langkah 1

Buat laporan dengan satu sumber data. Kami akan menggunakan All_sales.xlsx dalam contoh. Selanjutnya, klik menu Data Baru seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 2

Sekarang Anda dapat melihat kedua sumber data yang tersedia di Dasbor. Atribut dan metrik dari kedua sumber ini tersedia dengan namanya masing-masing.

LANGKAH 3

Selanjutnya, seret atribut "Business Line" dari All_sales.xlsx ke kotak baris. Seret atribut "segmen pelanggan" dan "Kategori Produk" dari kumpulan data kedua ke kotak baris. Visualisasi kisi muncul memperlihatkan data dari kedua kumpulan data.

Dasbor adalah dokumen yang berisi banyak visualisasi yang menampilkan hasil secara bersamaan. Saat melakukan analisis data, kita mungkin perlu menerapkan filter yang akan menunjukkan efek filter pada setiap visualisasi yang ada di dasbor. Selain itu, semua hasil harus memiliki nilai yang disinkronkan. Ini dimungkinkan dengan membuat filter normal dan menerapkannya ke dasbor.

Berikut adalah contoh penerapan filter ke dasbor.

Langkah 1

Mari pertimbangkan dasbor yang kami buat di bab terakhir. Mari buat filter seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 2

Klik opsi Pilih Target dan terapkan filter ke visualisasi2. Ini akan mengubah nilai yang ditampilkan di visualization2, namun visulaization1 akan menampilkan hasil yang disinkronkan.

LANGKAH 3

Setelah menerapkan filter, klik beberapa nilai dari kategori produk yang terlihat di bagian filter bilah atas. Ini akan mengubah diagram, tergantung pada nilai yang dipilih. Dalam contoh berikut, kami telah memilih beberapa nilai dan Anda dapat melihat bagaimana diagram lingkaran berubah saat setiap nilai dipilih.

Selain data dari berbagai sumber, kami juga dapat menambahkan data dari web dalam laporan MicroStrategy. Itu menjadi bagian dari visualisasi. Visualisasi menunjukkan seluruh halaman web, yang tampak tersemat di dalamnya.

Berikut langkah-langkah untuk mendapatkan konten dari web.

Langkah 1

Buka menu + dan pilih opsi Penampung HTML seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 2

Sekarang, Kotak Iframe muncul meminta kami untuk memasukkan URL situs web yang ingin kami tampilkan. Masukkan URL lengkap seperti yang ditunjukkan pada tangkapan layar berikut.

LANGKAH 3

Akhirnya, halaman web muncul seperti yang ditunjukkan pada tangkapan layar berikut.

Pemformatan bersyarat dalam MicroStrategy melibatkan penyorotan bagian-bagian visualisasi, yang memenuhi beberapa kriteria yang telah ditentukan sebelumnya dalam nilai-nilainya. Biasanya dalam kasus metrik, kami ingin menyoroti nilai yang lebih besar dari persentase tertentu. Ada juga contoh untuk menyoroti beberapa kategori nama produk, dll.

Di desktop MicroStrategy, kita dapat mencapai ini menggunakan fitur ambang batas. Dalam contoh ini, kami akan menentukan warna yang akan digunakan untuk menyoroti nilai-nilai tertentu ketika ambang tertentu terpenuhi. Berikut langkah-langkahnya.

Langkah 1

Buat laporan kisi dengan all_sales.xlsx sebagai contoh kumpulan data. Letakkan atribut Business line, Category di grid bersama dengan metrik penjualan. Klik kanan penjualan metrik, dan kami mendapatkan opsi untuk memilih ambang seperti yang ditunjukkan pada tangkapan layar berikut.

Langkah 2

Tangkapan layar berikut menunjukkan opsi untuk memilih warna berbeda berdasarkan nilai persentase penjualan.

LANGKAH 3

Terakhir, hasil penerapan ambang ditampilkan pada tangkapan layar berikut. Dalam metrik Penjualan, nilai disorot dalam warna berbeda berdasarkan nilai persentase penjualan dibandingkan dengan total penjualan.

Grup kustom adalah jenis atribut virtual yang berguna dalam menggabungkan banyak atribut dan menampilkannya sebagai satu atribut. Misalnya, jika kita ingin menganalisis hasil penjualan setiap 4 bulan, bukan setiap kuartal, maka kita harus membuat rumus kompleks untuk memilih bulan-bulan ini dan menerapkannya dalam perhitungan. Sebagai gantinya, kita dapat membuat grup kustom dengan clubbing bulan yang diperlukan dan menggunakan grup kustom ini sebagai atribut tunggal.

Berikut adalah langkah-langkah untuk membuat grup kustom.

Langkah 1

Buka editor grup kustom dan seret objek dari browser objek untuk membuat grup kustom.

Langkah 2

Jendela berikut akan muncul saat menyelesaikan langkah di atas. Pilih opsi, Tambahkan kualifikasi Atribut.

LANGKAH 3

Selanjutnya, telusuri dan pilih atribut yang diperlukan untuk membuat grup kustom.

Cache laporan adalah penyimpanan data yang menyimpan informasi yang baru-baru ini diminta dari sumber data untuk digunakan dalam laporan. Setiap kali laporan dijalankan untuk pertama kalinya, cache dibuat. Cache laporan berisi hasil yang diambil dari database, file, atau sumber web.

Keuntungan dari Cache Laporan

Berikut adalah beberapa keuntungan yang kami dapatkan dengan menggunakan fitur caching MicroStrategy.

• Laporan yang di-cache mengembalikan hasil lebih cepat karena data sudah tersedia di dalam perangkat lunak MicroStrategy.

• Waktu eksekusi yang melibatkan penghitungan dan metrik turunan lebih cepat karena laporan yang disimpan dalam cache tidak perlu dijalankan pada sumber data.

• Dalam cache, hasil dari sumber data disimpan dan dapat digunakan oleh permintaan pekerjaan baru yang membutuhkan data yang sama.

Jenis Cache

Ada tiga jenis cache yang digunakan dalam MicroStrategy.

• Report Caches- Ini adalah hasil yang telah dihitung sebelumnya dan diproses sebelumnya. Mereka disimpan dalam memori di mesin Intelligence Server atau di disk. Mereka dapat diambil lebih cepat daripada berulang kali mengeksekusi permintaan terhadap gudang data.

• Element Caches- Ini adalah elemen tabel yang sering digunakan, yang disimpan di memori pada mesin Server Intelijen. Mereka dapat diambil dengan cepat saat pengguna menelusuri tampilan elemen atribut.

• Object Caches - Ini adalah objek metadata yang disimpan dalam memori di Intelligence Server, sehingga dapat diambil dengan cepat pada permintaan berikutnya.

Mengaktifkan Cach

Cache dapat diaktifkan, baik di tingkat laporan maupun di tingkat proyek. Ini dilakukan menggunakan editor konfigurasi proyek.

Mengaktifkan di Tingkat Proyek

Jika cache diaktifkan di tingkat proyek, semua laporan dalam proyek akan menggunakan fitur cache.

Mengaktifkan di Tingkat Laporan

Saat mengaktifkan di tingkat laporan, hanya laporan tertentu yang akan menggunakan cache. Meskipun pelaporan dinonaktifkan di tingkat proyek, itu akan berfungsi di tingkat laporan, jika diaktifkan di tingkat laporan.

Kerugian Cache

Data yang disimpan dalam cache tidak selalu yang terbaru, karena tidak dijalankan melalui sumber data sejak cache dibuat. Ini dapat dihindari dengan menghapus cache laporan sebelum menjalankan laporan. Ini memaksa laporan untuk dieksekusi melalui sumber data lagi, sehingga menampilkan data terbaru dari sumber data. Namun, perlu hak administratif untuk menghapus cache laporan.

Data mart adalah bentuk data warehouse yang lebih kecil, yang melayani beberapa kebutuhan spesifik pada analisis data. Biasanya diturunkan sebagai bagian kecil dari gudang data yang lebih besar. Tujuan utama pembuatan data mart adalah untuk mencapai beberapa analisis, yang sulit dicapai melalui gudang biasa karena tingkat perincian data yang berbeda di gudang atau menerapkan beberapa perhitungan yang rumit.

Dalam MicroStrategy, data mart dibuat menggunakan langkah-langkah berikut.

Langkah 1

Buka laporan dalam mode edit. Pilih Datamart → Configure Datamart. Dan jendela berikut muncul.

Langkah 2

Pilih lokasi yang sesuai dari menu dropdown instance database.

LANGKAH 3

Pilih opsi untuk membuat tabel baru, jika tabel akan dibuat ulang setiap kali laporan dijalankan. Atau Anda dapat memilih untuk menambahkan ke tabel yang sudah ada sehingga data ditambahkan ke hasil dari proses sebelumnya.

Setelah berhasil menyelesaikan tiga langkah di atas, data mart akan ditambahkan ke laporan.

Pemodelan Prediktif adalah pendekatan matematika untuk membangun model berdasarkan data yang ada, yang membantu dalam menemukan nilai atau tren masa depan suatu variabel. Ini melibatkan analisis matematika dan statistik yang sangat berat untuk membuat model seperti itu.

Berikut adalah beberapa contoh, di mana pemodelan prediktif digunakan.

• Perkiraan cuaca.

• Sebuah universitas mencoba memprediksi apakah seorang siswa akan memilih untuk mendaftar dengan menerapkan model prediktif pada data pelamar dan riwayat penerimaan.

• Di toko eceran untuk mencari tahu mana dua barang yang paling mungkin laku bersama.

• Dalam industri penerbangan untuk memperkirakan jumlah penumpang yang tidak akan muncul untuk suatu penerbangan.

MicroStrategy dapat membantu dalam melakukan pemodelan prediktif karena layanan penambangan datanya terintegrasi penuh ke platform BI-nya.

Analisis Prediktif Menggunakan MicroStrategy

MicroStrategy memiliki layanan data mining, yang memungkinkan pengguna untuk mengimpor PMML (Predictive Model Markup Language) dari alat data mining pihak ketiga, yang kemudian dapat digunakan untuk membuat laporan prediktif.

PMML adalah standar XML yang mewakili model data mining yang dikembangkan dan dilatih oleh alat data mining. PMML mendukung sejumlah algoritme penambangan data yang berbeda, termasuk Regresi, Jaringan Neural, Pengelompokan, Pohon Keputusan, dan Asosiasi. Ini menggabungkan transformasi data dan statistik deskriptif.

Diagram berikut menjelaskan proses pembuatan laporan model data prediktif di MicroStrategy.

Setelah diimpor ke MicroStrategy, kita dapat meningkatkan model dengan menggunakan fitur-fitur berikut.

Fitur untuk Pemodelan Prediktif

Berikut adalah daftar fitur yang menyoroti kekuatan MicroStrategy untuk digunakan sebagai alat pemodelan prediktif.

• Built-in Data Mining Functions - Ada 250 fungsi dasar, OLAP, matematika, keuangan, dan statistik yang dapat digunakan untuk membuat indikator kinerja utama.

• Data Mining Integration Using PMML - Ini memungkinkan pengguna untuk mengimpor PMML dari alat penambangan data pihak ketiga, yang kemudian dapat digunakan untuk membuat laporan prediktif.

• User Scalability - Ratusan ribu pengguna, internal dan eksternal perusahaan, dapat mengakses fitur ini.

• Data Scalability - Arsitektur OLAP relasional (ROLAP) MicroStrategy yang dikombinasikan dengan teknologi Intelligent Cube dapat menangani berbagai ukuran database sambil memberikan kinerja tinggi.