Passons maintenant côté coulisses afin de voir le « pourquoi » et le « comment » du Business Intelligence Wizard, autrement dit les modifications de métadonnées correspondant aux différentes étapes de l’assistant, des points de vue structurel et non lié aux calculs.
Premièrement, l’assistant crée un nouveau calcul
Modifications de la structure de base de données et des métadonnées
nommé au sein de la table de dimension de temps dans la vue de source de données (DSV, Data Source View). (Un calcul nommé est une colonne calculée qui réside uniquement dans la DSV ; aucune modification n’est écrite dans la source de données sous-jacente.) Le calcul nommé sert de source pour une hiérarchie d’attribut calculé. Ce dernier contient une seule valeur non calculée (basée sur le calcul nommé) en plus de tous les calculs sélectionnés par l’utilisateur. L’assistant se sert d’une constante en tant que base pour le calcul, de sorte qu’elle s’applique à toutes les lignes d’une table de dimension. Cette colonne retourne les valeurs naturelles au fil du temps, en tant que valeur par défaut et pour permettre une comparaison avec les vues calculées.
Ensuite, après avoir créé la colonne, l’assistant crée un attribut de dimension qui pointe vers la colonne calculée. Comme la hiérarchie de cet attribut contient essentiellement des calculs, il n’est pas possible d’agréger logiquement ces membres. Pour marquer une hiérarchie comme non additive, nous désactivons le niveau All, généré par le système. La propriété IsAggregatable d’un attribut de dimension contrôle l’existence du niveau All. Comme nous ne souhaitons pas agréger les membres dans la hiérarchie calculée, nous lui attribuons la valeur False.
Au cours de l’étape suivante, l’assistant définit le membre par défaut de l’attribut calculé comme étant le seul membre non calculé qu’il a spécifié lors de la création du calcul nommé. Les développeurs de cube ignorent souvent le rôle et l’importance des membres par défaut. Chaque attribut dans le cube, y compris Measures, a un membre par défaut. En l’absence de filtre explicite qui en décide autrement, le membre par défaut des différentes hiérarchies est automatiquement inclus dans chaque requête sur le cube.
Dans notre exemple, la définition du membre par défaut est cruciale car nous souhaitons éviter de renvoyer une vue calculée au fil du temps, sauf si un utilisateur le demande explicitement. Pour fournir un point de comparaison, nous allons aussi fournir la valeur naturelle d’une mesure donnée avec les différents calculs. C’est à ce niveau que notre membre physique unique entre en jeu. Comme la définition du membre existe dans toutes les lignes, cela revient à ne spécifier aucune condition de filtre.
Après la création de l’attribut de base de données, l’assistant analyse la structure du cube, à la recherche d’une présence de plusieurs rôles pour la dimension de cube cible. Comme indiqué précédemment, chaque passage de l’assistant cible une hiérarchie dans une dimension de cube, ce qui entraîne la création d’un attribut calculé. Comme les calculs ne s’appliqueront pas dans le contexte de n’importe quel rôle non ciblé, l’attribut calculé est désactivé pour les rôles pour lesquels il ne s’applique pas.
Téléchargez cette ressource
Guide de Threat Intelligence contextuelle
Ce guide facilitera l’adoption d’une Threat Intelligence - renseignement sur les cybermenaces, cyberintelligence - adaptée au "contexte", il fournit des indicateurs de performance clés (KPI) pour progresser d' une posture défensive vers une approche centrée sur l’anticipation stratégique
Les articles les plus consultés
Les plus consultés sur iTPro.fr
- Analyse Patch Tuesday Juin 2026
- La bataille de la 6G se gagne dans la donnée en temps réel
- BlueSecure repense la sensibilisation à la cybersécurité avec des formats immersifs et engageants
- Les agents d’IA fragilisent la sécurité : pour les sécuriser, inutile de repartir de zéro
Articles les + lus
Computex 2026 : 5 signaux forts à retenir
La chaîne d’approvisionnement, point de rupture récurent du SI
Microsoft Build 2026 : contre-offensive des modèles maison face à OpenAI et Anthropic
Rhea1 : SiPearl allume le CPU européen le plus ambitieux pour le HPC et l’IA souveraine
Analyse Patch Tuesday Mai 2026
À la une de la chaîne Tech
- Computex 2026 : 5 signaux forts à retenir
- La chaîne d’approvisionnement, point de rupture récurent du SI
- Microsoft Build 2026 : contre-offensive des modèles maison face à OpenAI et Anthropic
- Rhea1 : SiPearl allume le CPU européen le plus ambitieux pour le HPC et l’IA souveraine
- Analyse Patch Tuesday Mai 2026
