Kundendatendemos – Darf’s auch etwas Planung sein?

Kun­den­da­ten­de­mos sind ein bewähr­tes Mit­tel, im Ver­triebs- und Presa­les-Pro­zess mit rea­len Daten des Inter­es­sen­ten die Vor­zü­ge von Delta­Master sowie unse­re Fach­kom­pe­tenz unter Beweis zu stel­len. Häu­fig wird in die­ser Pha­se auch die Fra­ge gestellt, ob das neue Werk­zeug nicht nur zu Reporting und Ana­ly­se, son­dern auch zur Pla­nung ein­ge­setzt wer­den kann. Die­se Mög­lich­keit in ihren Grund­zü­gen auf dem kun­den­in­di­vi­du­el­len Daten­mo­dell gleich mit zu demons­trie­ren, ist in jedem Fall vor­teil­haft. Die­ser Bei­trag beschreibt, wie dies mit wenig Auf­wand ermög­licht wird, dazu jedoch vor­ab weder eine auf­wän­di­ge Pro­zess­ana­ly­se durch­ge­führt noch Plan­da­ten beschafft wer­den müs­sen. wei­ter­le­sen…

DeltaMaster-Excel-Hybrid

Mit­un­ter wer­den im Pro­jek­tall­tag von Kun­den Anfor­de­run­gen an uns her­an­ge­tra­gen, die man eigent­lich ableh­nen müss­te: unrea­lis­ti­sche Erwar­tun­gen und über­am­bi­tio­nier­te Zie­le, knap­pe Zeit­plä­ne oder inhalt­li­che Anfor­de­run­gen, die nur schwer mit unse­rer BI- und Pro­dukt­phi­lo­so­phie ver­ein­bar sind. Dies sind nur eini­ge Grün­de, die bei gewis­sen­haf­ten Con­sul­tants und Pro­jekt­lei­tern die Alarm­glo­cken läu­ten las­sen, denn es dro­hen Druck, Stress und mög­li­cher­wei­se Ärger und Image­ver­lust.

Doch was tun, wenn der Kun­de wich­tig, die Geschäfts­be­zie­hung lang­jäh­rig und das Gesamt­po­ten­ti­al hoch sind? Manch­mal hel­fen prag­ma­ti­sche, unter Umstän­den auch unkon­ven­tio­nel­le Lösun­gen. Es klingt auf den ers­ten Blick min­des­tens über­ra­schend, dem Gesprächs­part­ner, der uns als The Delta­Master Com­pa­ny“ sieht, zur Abbil­dung sei­ner Anfor­de­rung Excel zu emp­feh­len. Wenn jedoch dadurch eine Win-Win-Situa­ti­on für alle Betei­lig­ten ent­steht, Delta­Master als Reporting- und Visua­li­sie­rungs­stan­dard gefes­tigt und wir als leis­tungs­fä­hi­ger Pro­blem­lö­ser bestä­tigt wer­den, gilt mei­nes Erach­tens: Der Zweck hei­ligt die Mit­tel.

Der fol­gen­de Arti­kel beschreibt, wie bei der regio­na­len Ver­triebs­nie­der­las­sung eines deut­schen Auto­mo­bil­her­stel­lers in Süd­ost­asi­en ein kom­ple­xes Bonus-/Prä­mi­en­sys­tem für des­sen exter­ne Geschäfts­part­ner auf der Basis des­sen klas­si­scher Data-Wareh­ou­se-Archi­tek­tur (Micro­soft SQL Ser­ver Ana­ly­sis Ser­vices und Delta­Master) unter Zuhil­fe­nah­me von Micro­soft Excel imple­men­tiert wur­de. wei­ter­le­sen…

Dimension Writeback in Analysis Services

Wenn in BI-Pro­jek­ten Stamm­da­ten nicht nur aus exis­tie­ren­den Vor­sys­te­men ver­sorgt wer­den sol­len, son­dern auch das Anle­gen neu­er Ele­men­te oder das Ver­än­dern von Eigen­schaf­ten durch den Anwen­der direkt in Delta­Master gefor­dert wird, bedeu­tet dies zusätz­li­chen Auf­wand bei der Imple­men­tie­rung und ein­ge­schränk­ten Bedien­kom­fort für den Anwen­der.

Micro­soft Ana­ly­sis Ser­vices bie­tet dazu unter dem Begriff Dimen­si­on Wri­te­back“ einen ver­meint­lich viel­ver­spre­chen­den Lösungs­an­satz an, der bei uns jedoch bis­lang kei­ne Anwen­dung fin­det. Was steckt dahin­ter, wie funk­tio­niert das Gan­ze und was spricht für oder gegen den Ein­satz? wei­ter­le­sen…

Das kleine Einmaleins der Aggregation

Seit inzwi­schen mehr als zwan­zig Jah­ren ist OLAP (Online Ana­ly­ti­cal Pro­ces­sing) die bevor­zug­te Daten­bank­tech­no­lo­gie für die meis­ten Busi­ness-Intel­li­gence-Sys­te­me. Begrün­det wur­de das Kon­zept der dimen­sio­na­len“ Daten­hal­tung maß­geb­lich durch den US-Aka­de­mi­ker E.F. Codd, der auch als geis­ti­ger Vater der rela­tio­na­len Daten­ban­ken gilt. Nach­dem letz­te­re bereits etwa drei Jahr­zehn­te lang vor allem für trans­ak­ti­ons­ori­en­tier­te Sys­te­me im Pra­xis­ein­satz waren, reif­te die Erkennt­nis, dass für ana­ly­ti­sche Fra­ge­stel­lun­gen ande­re Ansät­ze erfor­der­lich sind, die weni­ger auf die Ver­ar­bei­tung ato­ma­rer Vor­gän­ge aus­ge­rich­tet sind, son­dern für die fle­xi­ble und per­for­man­te Aggre­ga­ti­on gro­ßer Daten­men­gen opti­miert sind. wei­ter­le­sen…

Clustervergleich

Ana­ly­sie­ren heißt Ver­glei­chen“ – so steht es seit jeher in den Busi­ness-Intel­li­gence-Lehr­bü­chern. Die gebräuch­lichs­ten Vari­an­ten in betriebs­wirt­schaft­li­chen Anwen­dun­gen sind dabei Zeit­ver­glei­che (Vor­jahr, Vor­pe­ri­ode) und Sze­na­rio­ver­glei­che (Plan vs. Ist).

Doch was tun, wenn das vor­lie­gen­de Daten­ma­te­ri­al kei­ne aus­rei­chen­de Grund­la­ge für die­se typi­schen Ver­glei­che lie­fert, die erfor­der­li­chen Zah­len mit unver­hält­nis­mä­ßig hohem Auf­wand beschafft wer­den müss­ten oder schlicht nicht belast­bar“, d. h. von zwei­fel­haf­ter Qua­li­tät sind? Wel­che ande­ren Mög­lich­kei­ten, z. B. Geschäfts­ein­hei­ten sinn­voll mit­ein­an­der zu ver­glei­chen, gibt es? Ein mög­li­cher Ansatz ist die Bil­dung von Grup­pen und der Ver­gleich des jewei­li­gen Ein­zel­ob­jekts mit sei­nem Clus­ter. Häu­fig sind der­ar­ti­ge Klas­si­fi­zie­run­gen sogar bereits in den Vor­sys­te­men ent­hal­ten und müs­sen ledig­lich genutzt wer­den. Die­ser Arti­kel zeigt einen ein­fa­chen Weg, wie das pas­sie­ren kann. wei­ter­le­sen…

Doppelte Bande mit m:n-Beziehungen

Mea­su­reGroups in Ana­ly­sis-Ser­vices-Daten­mo­del­len sind grund­sätz­lich aut­ar­ke Kon­struk­te, die nur über ihre gemein­sa­men Dimen­sio­nen zuein­an­der im Kon­text ste­hen. Die­se Ver­knüp­fun­gen müs­sen dazu nicht ein­mal expli­zit defi­niert wer­den. Das ist aus Model­lie­rungs­sicht sehr prak­tisch, denn exis­tie­ren­de Sys­te­me kön­nen so ohne nega­ti­ve Aus­wir­kun­gen nahe­zu belie­big erwei­tert wer­den. Auch für den Anwen­der ist die Logik leicht zu hand­ha­ben: Ein­ge­stell­te Fil­ter, z.B. die Aus­wahl eines Monats oder eines Ver­triebs­ge­biets, wir­ken glo­bal und damit auf alle betrof­fe­nen Mea­su­reGroups.

Wenn jedoch ein­zel­ne Mea­su­reGroups inhalt­lich zusam­men­hän­gen, d.h. 1:n-Beziehungen zwi­schen Bewe­gungs­da­ten bzw. Fak­ten­ta­bel­len exis­tie­ren, ist die­ser Ansatz nicht frei von Tücken. Hier­für gibt es vie­le Pra­xis­bei­spie­le:

• Aufträge/Rechnungen und deren Posi­tio­nen
• Sup­port­tasks und -akti­vi­tä­ten (Vor­gän­ge mit unter­schied­li­chen Bear­bei­tern)
• Kun­den und Ver­trä­ge bei Ener­gie­ver­sor­gern (Gas, Was­ser, Strom)
• Ver­käu­fe und Kauf­grün­de (Micro­softs Refe­renz­bei­spiel in der Adven­ture-Works-Demo)
• Umfra­gen mit Mehr­fach­nen­nun­gen bei Ein­zel­fra­gen („Wel­che Hob­bys haben Sie?“)

Der­ar­ti­ge Sze­na­ri­os sind für den ver­sier­ten OLAP-Model­lie­rer bzw. Delta­Master-Mode­ler-Anwen­der prä­de­sti­nier­te Anwen­dungs­fäl­le für Micro­softs genia­len Ansatz der m:n-Beziehungen zwi­schen Mea­su­reGroups, um die Merk­ma­le (Dimen­sio­nen) der detail­lier­te­ren (n-)MeasureGroup auch für die Mea­su­res der über­ge­ord­ne­ten (1-)MeasureGroup aus­wer­ten zu kön­nen. Ana­ly­sis Ser­vices ver­hin­dert dabei auto­ma­tisch Dop­pel­zäh­lun­gen, indem eine Art Dis­tinct-Count-Logik zur Anwen­dung kommt. Hier­über wur­de bereits in einem frü­he­ren Bei­trag geschrie­ben: n-m Bezie­hung Dimen­si­ons­ver­knüp­fung“ (25.09.2009).

Die Rea­li­tät lie­fert jedoch auch kom­pli­zier­te­re Bei­spie­le. Kürz­lich war ich bei der spa­ni­schen Toch­ter mei­nes Auto­mo­bil­kun­den zu Gast, und im Bereich After­sa­les soll­ten Werk­statt­da­ten ana­ly­siert wer­den. Es lagen Daten zu Rech­nun­gen, Arbeits­po­si­tio­nen und Teile­po­si­tio­nen vor: wei­ter­le­sen…

(Das) Nichts korrekt zählen

Das Kon­zept der m:n-Beziehungen in Micro­soft Ana­ly­sis Ser­vices (MSAS) ist mäch­tig und viel­sei­tig. Es erleich­tert die mult­idi­men­sio­na­le Model­lie­rung von Fra­ge­stel­lun­gen, bei denen sowohl auf Sum­­men- als auch auf Detail­e­be­ne gezählt wer­den soll, auf aggre­gier­ter Ebe­ne jedoch Mehr­fach­zäh­lun­gen zu ver­mei­den sind. wei­ter­le­sen…

Effiziente Durchschnittsberechnung mit Scope

OLAP-Daten­ban­ken wie Micro­soft Ana­ly­sis Ser­vices (MSAS) sind bekannt­lich leis­tungs­fä­hi­ge Aggre­ga­ti­ons­ma­schi­nen. Sofern man ihnen kei­ne spe­zi­el­len Anwei­sun­gen gibt, addie­ren sie die Wer­te sämt­li­cher Kenn­zah­len ent­lang aller Dimen­si­ons­ach­sen und deren Attri­bu­te und Hier­ar­chi­en per­for­mant und fle­xi­bel. Nun sind zwar in betriebs­wirt­schaft­li­chen Anwen­dun­gen die meis­ten Kenn­zah­len Fluss­grö­ßen und damit addi­ti­ver Natur, doch gibt es regel­mä­ßig auch Aus­nah­men vor allem zwei­er Kate­go­ri­en: Bestands- und Durch­schnitts­wer­te. Mit der effi­zi­en­ten Berech­nung der letz­te­ren beschäf­tigt sich die­ser Arti­kel. wei­ter­le­sen…

Flexible multiple Gruppierung von Elementen

Eine häu­fi­ge Fra­ge in Kun­den­pro­jek­ten ist, ob und wie durch den Delta­Master-Anwen­der inner­halb exis­tie­ren­der Dimen­sio­nen indi­vi­du­el­le (Zwischen-)Summen oder Grup­pie­run­gen defi­niert wer­den kön­nen, die in den Stamm­da­ten der Quell­sys­te­me nicht exis­tie­ren. Hier­zu gibt es meh­re­re recht ein­fa­che Mög­lich­kei­ten, die je nach Anwen­dungs­fall genutzt wer­den kön­nen. Span­nend wird es vor allem dann, wenn Ele­men­te in meh­re­ren Sum­men oder Grup­pen vor­kom­men kön­nen sol­len… wei­ter­le­sen…

Gefährliche Attributbeziehungen

Micro­soft Ana­ly­sis Ser­vices erlaubt die fle­xi­ble Model­lie­rung von Dimen­sio­nen und Hier­ar­chi­en durch die belie­bi­ge Kom­bi­na­ti­on von Attri­bu­ten. In bestimm­ten Fäl­len kön­nen dabei uner­wünsch­te Effek­te ent­ste­hen – bis hin zu einer schein­bar feh­ler­frei erzeug­ten und ver­ar­bei­te­ten Daten­bank, die aber fal­sche Daten­wer­te lie­fert. Die­ser Bei­trag lie­fert einen Blick hin­ter die Kulis­sen. wei­ter­le­sen…