par William Sheldon - Mis en ligne le 07/12/2005 - Publié en Décembre 2004
PARTIE I : LES « CUSTOM MEMBERS »
MS Analysis Services recèle un grand nombre de fonctionnalités avancées.
Certaines peuvent sembler gadget de prime abord mais s'avèrent en fait particulièrement
utiles dans la pratique.
Cette série d'articles s'adresse en priorité à ceux d'entre vous qui utilisent déjà
MS Analysis Services et qui souhaitent élargir
leur connaissance du produit. Il permettra
également à ceux qui découvrent
l'OLAP avec les technologies Microsoft de
se familiariser avec de nouveaux concepts.
Il ne s'agit pas bien entendu d'un exposé
complet sur les fonctionnalités avancées
de MS Analysis Services (la documentation
en ligne livrée avec le produit est
faite pour cela) mais d'un retour d'expérience
sur l'utilisation concrète de certaines fonctions clés du produit qui sont souvent
sous-estimées ou tout simplement méconnues.
MS Analysis Services : Hors des sentiers battus
MS Analysis Services possède en standard
5 fonctions d’agrégation (MIN, MAX,
COUNT, SUM et DISTINCT COUNT) dont
le résultat pourra être pré-stocké sous
forme d’agrégats. Les autres calculs (moyenne,
moyenne mobile, cumul depuis le
début de période, distribution numérique…)
seront calculés à la volée par le
moteur à partir des définitions de calcul
exprimées dans le langage MDX.
Il est donc monnaie courante d’ajouter
des calculs MDX, sous forme de
membres calculés pour donner une véritable
valeur ajoutée aux cubes et
construire les applications décisionnelles les plus complexes. Ces membres calculés
peuvent être créés sur l’axe des
mesures comme sur n’importe quel
autre axe du cube.
Si la fonctionnalité des membres
calculés est particulièrement puissante,
elle peut s’avérer pénible à gérer
dans le cas où la base OLAP possède
plusieurs cubes et que ces
derniers utilisent les mêmes membres
calculés. En effet, à moins d’être au
sein d’un cube virtuel, il n’est pas possible
depuis l’interface de MS Analysis
Services de récupérer automatiquement
un membre calculé depuis un
autre cube.
C’est dans ce contexte que le
concept de « Custom Member » prend
tout son sens. En effet, le « Custom
Member » est en fait un membre calculé
dont la définition n’est pas stockée
dans le cube mais dans la dimension.
Le calcul étant associé à l’objet
dimension il sera automatiquement
présent dans tous les cubes utilisant
cette dimension. J’utilise très souvent
ce concept lors de la création d’applications
comptables ou financières, au
sein desquelles les dimensions de type
« plan de comptes » sont utilisées dans
de nombreux cubes et dont les calculs
sont toujours les mêmes.
Vous pouvez ainsi facilement imaginer
le gain obtenu tant en termes de
temps de construction que de facilité
de maintenance puisque l’ensemble
des définitions des calculs associés au plan de compte sont
stockés à un seul endroit : la table de dimension.
En effet, le principe de construction d’un « Custom
Member » est simple : il suffit d’ajouter une ligne dans la table
de dimension et d’y ajouter deux colonnes : l’une pour la définition
du calcul en MDX et l’autre (optionnelle) pour les paramètres
de formatage (ordre d’évaluation, formatage de
couleur ou de police…).
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 projets d’intégration augmentent la charge de travail des services IT
- L’utilisation des données pour survivre !
- Databricks lève 1 milliard de dollars !
- Stockage autonome, Evolutivité & Gestion intelligente, Pure Storage offre de nouvelles perspectives aux entreprises
- Dark Web : où sont vos données dérobées ?
Les plus consultés sur iTPro.fr
- CRM et souveraineté : le choix technologique est devenu un choix politique
- France : la maturité data devient le moteur du retour sur investissement de l’IA
- Cloud et IA : une maturité en retard face à l’explosion des usages
- On ne peut pas gouverner ce qu’on ne peut pas voir : pourquoi la visibilité doit-elle passer avant la gouvernance en matière de sécurité des identités ?
Articles les + lus
ADI, l’infrastructure de données de Scality pensée pour l’ère de l’IA et de la souveraineté
Faire évoluer la souveraineté des données du statut d’ambition politique à son application opérationnelle
Fuites de données : la France, 2ème pays le plus touché au monde début 2026
Redéfinir la confiance à l’ère de l’IA agentique : les entreprises sont-elles prêtes pour le SOC autonome ?
Les défaillances des pipelines de données pèsent lourdement sur la performance des grandes entreprises
À la une de la chaîne Data
- ADI, l’infrastructure de données de Scality pensée pour l’ère de l’IA et de la souveraineté
- Faire évoluer la souveraineté des données du statut d’ambition politique à son application opérationnelle
- Fuites de données : la France, 2ème pays le plus touché au monde début 2026
- Redéfinir la confiance à l’ère de l’IA agentique : les entreprises sont-elles prêtes pour le SOC autonome ?
- Les défaillances des pipelines de données pèsent lourdement sur la performance des grandes entreprises
