Modelo en Planning Analytics Workspace

IBM® Planning Analytics Workspace incluye un entorno de modelado que puede utilizar para modelar datos con cubos, dimensiones, jerarquías, atributos y seguridad para IBM Planning Analytics con Watson.

Los conceptos de modelado y modelado OLAP pueden ser confusos. Este vídeo le ayudará a comprender algunos de los conceptos básicos de lo que son y de por qué modelamos los datos para los análisis:

Los conceptos de modelado y modelado OLAP pueden ser confusos. Este vídeo le ayudará a comprender algunos de los conceptos básicos de lo que son y de por qué modelamos los datos para los análisis.

https://youtu.be/5GOjioIcs8g

Puede utilizar las herramientas de modelado de Planning Analytics Workspace para convertir los requisitos de la empresa en cubos precisos, dimensiones, jerarquías y cálculos, de modo que los resultados de planificación y análisis tengan sentido para los usuarios de la empresa.

  • Cree y mantenga la estructura de un modelo financiero independientemente, sin codificación.
  • Transforme y cargue datos en un modelo financiero fácilmente, lo que aumenta la transparencia y la confianza en los resultados.
  • Cree un proceso financiero paso a paso para varios usuarios basado en roles y permisos de seguridad, sin codificación.
  • Los modeladores pueden definir la lógica empresarial utilizando un entorno de desarrollo integrado.

Para utilizar el modelado de Planning Analytics Workspace, debe iniciar sesión con un nombre de usuario que tenga el rol de Modelador.

El modelado de Planning Analytics Workspace da soporte a las tareas siguientes:

Para comprender por qué debe utilizar las herramientas de Planning Analytics Workspace para modelar sus datos, tenga en cuenta las ventajas siguientes.

Rendimiento de consultas

Puede crear dimensiones más fáciles de gestionar creando más de una jerarquía en una dimensión.

Por ejemplo, puede crear una dimensión de tiempo único. Una dimensión anual debe ser la misma para cada año para la comparación de datos entre dos años. Este método permite crear un año nuevo fácilmente y consultar el rendimiento mucho más rápido, ya que solo tiene una dimensión en el cubo.

Puede crear una dimensión de tiempo con varias jerarquías que representen años y meses y realizar comparaciones anuales por mes.

Si crea dos dimensiones, una para el año y una para los meses, obtiene la posibilidad de dividir los años y meses y dos ejes, con lo que puede comparar los datos entre años.

Ahorro de RAM

Si modela con dimensiones, puede colocar las dimensiones en los ejes de cubos. Las dimensiones describen los datos y puede realizar consultas basadas en ellos. Pero las dimensiones suponen un coste de memoria RAM. Por lo tanto, puede utilizar jerarquías para modelar los datos, en lugar de dimensiones.

Si modela con atributos, su estructura de cubo se mantiene simple pero describe únicamente los miembros de dimensiones, y no los datos. No puede utilizar atributos para consultar datos. Crear una dimensión para los atributos que desea consultar aumenta la complejidad.

Puede utilizar jerarquías para modelar sus datos y obtener la misma granularidad que le proporcionan los atributos, con la ventaja de que puede realizar consultas en los datos. Puede consultar directamente las jerarquías en los ejes o con un filtro establecido. Si modela con jerarquías, ahorrará en costes de almacenamiento y complejidad.

Flexibilidad

El uso de jerarquías para añadir versiones aporta flexibilidad. Por ejemplo, es posible que necesite cambiar la jerarquía de su organización para los cambios planificados. Una dimensión puede ser la organización y el usuario puede utilizar jerarquías en la dimensión para representar la organización en el próximo año. Esta jerarquía puede representar los datos de un modo diferente a los de la jerarquía del año anterior. Con varias jerarquías que representan la organización, puede resumir los datos de varios modos.

Las jerarquías tienen nombres y contienen miembros. Puede reutilizar los mismos miembros consolidados en varias jerarquías. Puede utilizar jerarquías para agrupar estos miembros sin necesidad de nombres consolidados específicos.

Estándares

Las jerarquías se ajustan a los estándares OLAP del sector. El modelado de Planning Analytics Workspace utiliza las API REST de MDX y TM1 para acceder a los datos de TM1. Las API REST de TM1 dan soporte al modelo de jerarquía y siguen el estándar ODATA.