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
Generic filters
Exact matches only
Search in title
Search in excerpt
Search in content

Schattendimensionen & Vereinigungswerte

Bei relationaler Datenmodellierung gibt es bei mehr als einer Faktentabelle die Einschränkung, dass gemeinsame Dimensionen immer auf derselben Ebene an die Faktentabelle angebunden werden müssen. Ab DeltaMaster 6.3.0 ist es nun möglich, diese Einschränkung durch Modellierung von Hilfsdimensionen zu umgehen. Außerdem können ab DeltaMaster 6.3.1 mit Hilfe von Vereinigungswerten auch Analysewerte von verschiedenen Faktentabellen in einen Wert zusammengefasst werden.

Schattendimensionen

In großen Datenmodellen liegen die Daten nicht immer in derselben Granularität vor. Als Beispiel kann die Dimension Periode angeschaut werden: Bewegungsdaten aus ERP-Systemen haben in der Regel einen Tagesbezug (z. B. Vertriebsdaten, Einkaufsdaten), Plandaten (z. B. für Absatzmengen) werden in der Regel je Monat erfasst und Marktdaten liegen häufig auf der Jahresebene vor (z. B. Kaufkraft je Gemeindeschlüssel). In OLAP-Modellen gibt es damit keine Probleme – je Measuregroup lässt sich die Dimension Periode auf unterschiedlichen Ebenen anbinden. Bei relationaler Modellierung (z. B. in SAP HANA) führt eine Verknüpfung von Dimension- und Faktentabelle auf nicht Schlüssel-Ebene (also z. B. Monat auf Monat, obwohl Tagesdatum vorhanden) zu einer Vervielfachung von Datensätzen und damit zu falschen Werten.

Es gibt verschiedene Behelfslösungen, die aber große Einschränkungen mit sich bringen:

  • Man könnte additive Daten vorab aggregieren, z. B. den Tagesumsatz auf Monat – dabei gehen aber Informationen verloren (z. B. Umsatz je Wochentag, keine Vortagesabweichung für Tagesbericht möglich).
  • Man könnte Daten herunterbrechen (z. B. Planmenge auf die Arbeitstage) oder komplett auf einen beliebigen Tag schreiben. Bei additiven Daten führt das eventuell zu Scheingenauigkeit, bei nich-additiven Daten scheitert der Ansatz, weil die Monatssumme falsch aggregiert wird.
  • Die Modellierung mehrerer Zeitdimensionen, z. B. „Periode_Tag“ und „Periode_Monat“ mit Anbindung der Faktentabellen an die jeweils richtige Ebene der Dimensionstabelle wäre eine weitere Option. Dies führt jedoch zu einer komplizierteren Handhabung der Bedienoberfläche, weil mehrere Zeitdimensionen vorhanden sind.

DeltaMaster 6.3.0 unterstützt nun die Anbindung unterschiedlicher Ebenen einer Dimension und nutzt dabei die letztgenannte Modellierungsmethode. Der Nachteil mehrerer gleichartiger Dimensionen mit unterschiedlichen Ebenen wird dadurch behoben, dass bestimmte Dimensionen nicht mehr angezeigt und virtuell in eine Dimension überführt werden. Ausschlaggebend für die interne Zusammenführung ist der Dimensionsname – endet dieser mit „_Shadow“, werden mehrere Dimensionen mit demselben Namen zusammengefügt und nur als eine Dimension angezeigt. Ein Beispiel in SAP HANA soll das Vorgehen verdeutlichen.

Gegeben seien zwei Faktentabellen, eine Plan-Tabelle mit Periode auf Ebene Monat und Wertart Plan sowie eine mit Ist-Daten auf Ebene Tag (vgl. Abb. 1).

2020_05_07_crew_zwei FaktentabellenAbb. 1: Zwei Faktentabellen, eine mit Planzahlen auf Ebene Monat und eine Ist-Datentabelle mit Tageswerten

 

Dazu werden zwei Dimensionen modelliert, eine „CVD_PERIODE“ mit vier Ebenen und eine Dimension „CVD_PERIODE_SHADOW“ mit drei Ebenen (ohne Tag, vgl. Abb. 2).

2020_05_07_crew_zwei PeriodendimensionenAbb. 2: Zwei Periodendimensionen im SAP HANA Studio, einmal mit vier, einmal mit drei Ebenen

Aus den zwei Faktentabellen werden zwei Würfel im Star-Join-Modus gebaut. Dazu wird im Ist-Datenmodell die Dimension Periode auf Ebene Tag verknüpft, im Plan-Modell die Dimension Periode_Shadow auf Ebene Monat (vgl. Abb. 3).

2020_05_07_crew_Star-Join-AnsichtAbb. 3: Star-Join-Ansicht im SAP HANA Studio: Modellierung zweier Würfel

 

Der Clou kommt nun in DeltaMaster:

Nachdem man über „Datei“ und „neues Analysemodell“ eine relationale Datenquelle ausgewählt hat sucht man sich als nächstes die beiden Faktentabellen aus (vgl. Abb. 4). Im Modus „Modellieren“ drückt man bei der Faktentabelle mit der feineren Granularität (!) auf den Magischen Knopf „AutoModell“ (hier also bei CVC_CHAIR). Danach wechselt man auf die andere Tabelle (hier CVC_CHAIR_Planung) und wiederholt den Vorgang der automatischen Modellierung.

2020_05_07_crew_relationale ModellierungAbb. 4: Relationale Modellierung, Auswahl zweier Faktentabellen in DeltaMaster

In den Versionen 6.3.0 oder älter wird eine neue Dimension „CVD PERIODE SHADOW“ angelegt – in der aktuellen Version wird diese in die Periode automatisch integriert – es kommen nur neue Analysewerte hinzu.

Im DeltaMaster-Bericht (vgl. Abb. 5) sieht man sehr schön, wie sich die unterschiedlichen Analysewerte entlang der Zeitdimension jetzt verhalten:

Ist-Zahlen sind bis auf die Ebene Tag vorhanden, Planzahlen werden bis auf die Ebene Monat angezeigt. Auf der Ebene Tag werden keine Planzahlen angezeigt (das ist ein anderes Verhalten als in Standard-OLAP-Datenbanken).

2020_05_07_crew_Testbericht mit AnalysewerteAbb. 5: Testbericht mit den zwei Analysewerte Umsatz Ist und Umsatz Plan entlang der Periodendimension

 

In einigen Fällen ist es jedoch besser, eine Darstellung wie in einer OLAP-Datenbank zu erstellen. Beispielhaft sei hier ein Plan-KPI auf Jahresebene genannt, der auch auf einem Monat den Jahreswert anzeigen soll. Durch die Angabe von „IgnoreUnrelatedDimensions=true“ in der Anmerkung bei der Eigenschaft des Analysewerts lässt sich dieses Verhalten erzwingen (vgl. Abbildung 6).

2020_05_07_crew_Eigenschaft IgnoreAbb. 6: Eigenschaft „IgnoreUnrelatedDimensions“ steuert Sichtbarkeit auf nicht verbundenen Ebenen

Um mit den Magischen Knöpfen in DeltaMaster den Zentralbericht mit Plan-Ist-Abweichung zu erhalten, muss man nur noch die zwei Kennzahlen in eine zusammenfassen. Dazu eignet sich sehr gut der ab Version 6.3.1 vorhandene Analysewerttyp „Vereinigungswert“, mit dem es möglich ist, gleichbedeutende Analysewerte aus verschiedenen Faktentabellen zusammen zu fasse (vgl. Abb. 7).

2020_05_07_crew_VereinigungswertAbb. 7: Vereinigungswert: Zusammenfassung zweier Analysewerte in DeltaMaster

 

So erhält man nach Betätigen des Buttons „Delta Plan“ diesen schönen Standard-Bericht (vgl. Abb. 8).

2020_05_07_crew_ZentralberichtAbb. 8: Zentralbericht (modifiziert) mit Planabweichung

 

Für den Anwender ist diese Zusammenführung eine große Erleichterung. Zum einen können die Berichte schneller aufgebaut werden, aber auch die Analyse z. B. über die Pivotnavigation ist nun komfortabel möglich.