Cenário do tutorial de Analysis Services

Aplica-se a: SQL Server Analysis Services Azure Analysis Services Fabric/Power BI Premium

Esse tutorial se baseia na Adventure Works Cycles, uma empresa fictícia. A Adventure Works Cycles é uma grande empresa multinacional de fabricação que produz e distribui bicicletas metálicas e compostas para mercados comerciais em América do Norte, Europa e Ásia. A sede da Adventure Works Cycles é Bothell, Washington, onde a empresa emprega 500 trabalhadores. Além disso, a Adventure Works Cycles emprega várias equipes de vendas regionais em toda a sua base de mercado.

Nos últimos anos, a Adventure Works Cycles comprou uma pequena fábrica, Importadores Neptuno, que está localizada no México. Importadores Neptuno fabrica vários subcomponentes críticos para a linha de produtos Adventure Works Cycles. Esses subcomponentes são transportados para as instalações de Bothell para o assembly de produto final. Em 2005, a Importadores Neptuno se tornou o fabricante e o distribuidor exclusivo do grupo de produtos de bicicleta de passeio.

Após um ano fiscal bem-sucedido, a Adventure Works Cycles agora quer ampliar sua participação de mercado direcionando a publicidade para seus melhores clientes, estendendo a disponibilidade do produto por meio de um site externo e reduzindo o custo de vendas reduzindo os custos de produção.

Ambiente de análise atual

Para dar suporte às necessidades de análise de dados das equipes de vendas e marketing e do gerenciamento sênior, a empresa atualmente usa dados transacionais do banco de dados AdventureWorks2012 e informações não transacionais, como cotas de vendas de planilhas, e consolida essas informações no data warehouse relacional AdventureWorksDW2019 . No entanto, o data warehouse relacional apresenta os seguintes desafios:

• Os relatórios são estáticos. Os usuários não têm como explorar interativamente os dados nos relatórios para obter informações mais detalhadas, como poderiam fazer com uma tabela dinâmica do Microsoft Office Excel. Embora o conjunto existente de relatórios predefinidos seja suficiente para muitos usuários, os usuários mais avançados precisam do acesso de consulta direta ao banco de dados para consultas interativas e relatórios especializados. No entanto, devido à complexidade do banco de dados AdventureWorksDW2019 , é necessário muito tempo para que esses usuários aprendam a criar consultas eficazes.

• O desempenho da consulta é amplamente variável. Por exemplo, algumas consultas retornam resultados muito rapidamente, em apenas alguns segundos, enquanto outras precisam de muitos minutos.

• Tabelas de agregação são difíceis de gerenciar. Na tentativa de melhorar os tempos de resposta da consulta, a equipe de data warehouse da Adventure Works criou várias tabelas agregadas no banco de dados AdventureWorksDW2019 . Por exemplo, foi criada uma tabela que resume as vendas por mês. Entretanto, enquanto essas tabelas de agregação melhoram amplamente o desempenho da consulta, a infraestrutura criada para manter as tabelas ao longo do tempo é frágil e suscetível a erros.

• A lógica de cálculo complexa foi descartada nas definições de relatório e o compartilhamento entre relatórios torna-se difícil. Como esta lógica corporativa é gerada separadamente para cada relatório, às vezes as informações de resumo são diferentes entre os relatórios. Portanto, o gerenciamento apresenta confiança limitada aos relatórios do data warehouse.

• Os usuários de diferentes unidades empresariais estão interessados em diferentes exibições de dados. Cada grupo é distraído e confundido por elementos de dados irrelevantes.

• A lógica de cálculo é particularmente desafiadora para usuários que precisam de relatórios especializados. Como esses usuários devem definir a lógica de cálculo separadamente para cada relatório, não há controle centralizado sobre como a lógica de cálculo é definida. Por exemplo, alguns usuários sabem que eles devem usar técnicas básicas de estatística, como as médias de movimentação, mas eles não sabem como construir esses cálculos e, portanto, deixam de usar as técnicas.

• É difícil combinar conjuntos relacionados de informações. Consultas especializadas que combinam dois conjuntos de informações relacionadas, como vendas e cotas de vendas, é um processo difícil para os usuários criarem. Como as consultas sobrecarregam o banco de dados, a empresa requer que os usuários solicitem os conjuntos de dados a partir da área de estudo da equipe do data warehouse. Como resultado, foram definidos apenas alguns dos relatórios predefinidos que combinam dados de várias áreas de estudo. Além disso, os usuários estão relutando em tentar modificar esses relatórios devido à complexidade.

• Nos estados Unidos, o foco dos relatórios está voltado principalmente para as informações empresariais. Os usuários de outras subsidiárias que não estão nos EUA demonstram uma certa insatisfação com esse foco, pois desejam visualizar os relatórios com dados de diferentes moedas e idiomas.

• É difícil examinar as informações. Atualmente, o departamento de Finanças usa o banco de dados AdventureWorksDW2019 apenas como uma fonte de dados para consultar em massa. O departamento baixa os dados em planilhas individuais e seus membros passam horas preparando dados e trabalhando com as planilhas. A empresa tem dificuldades em preparar, examinar e gerenciar os relatórios financeiros corporativos.

A solução

A equipe do data warehouse realizou recentemente uma revisão do design do sistema de análise atual. A revisão incluiu a análise de lacunas nos assuntos atuais e futuras demandas. A equipe de data warehouse determinou que o banco de dados AdventureWorksDW2019 é um banco de dados dimensional bem projetado com dimensões e chaves substitutas em conformidade. As dimensões adequadas permitem que a dimensão seja usada em vários data marts, como a dimensão de tempo ou de produto. As chaves substitutas são chaves artificiais que vinculam a dimensão e as tabelas de fatos, e são usadas para garantir a singularidade e para melhorar o desempenho. Além disso, a equipe de data warehouse determinou que atualmente não há problemas significativos com o carregamento e o gerenciamento das tabelas base no banco de dados AdventureWorksDW2019 . Portanto, a equipe decidiu usar o Microsoft SQL Server Analysis Services para realizar o seguinte:

• Fornecer acesso de dados unificado por uma camada de metadados comum para análise analítica e geração de relatórios.

• Simplificar a exibição de dados dos usuários direcionando o desenvolvimento de consultas e relatórios tanto interativas quanto predefinidas.

• Criar corretamente consultas que combinem dados de várias áreas de estudo.

• Gerenciar agregações.

• Armazenar e reutilizar cálculos complexos.

• Apresentar uma chance de trabalho a usuários empresariais que estejam fora dos Estados Unidos.

Consulte Também

Modelagem multidimensional (Tutorial do Adventure Works)