par Lionel Billon - Mis en ligne le 16/03/2005 - Publié en Avril 2004
Les cubes OLAP (Online Analytical Processing) permettent d'améliorer
grandement les performances des requêtes grâce au stockage des agrégations.
Leur structure multi-dimensionnelle et hiérarchique permettent également de
proposer des interfaces plus intuitives - de type tableaux croisés dynamiques -
pour les utilisateurs fonctionnels ...Si l'utilisation interactive des cubes apporte une véritable valeur ajoutée au système
d'information, il n'en demeure pas moins qu'ils peuvent être également des
alliés de choix comme source de données de l'ensemble du reporting opérationnel
d'entreprise.
Cet article est composé de deux parties : la première partie revient rapidement sur les concepts de système décisionnel et de cube OLAP. Une fois les concepts
définis, il est alors plus facile d'illustrer le rôle que peuvent jouer les cubes et le
langage MDX (Multi-Dimensionnal eXpression) dans le reporting d'entreprise.
Requête 3 :
Revenons sur la requête 1 mais cette fois si nous voulons ajouter
deux colonnes supplémentaires : la contribution relative
en terme de chiffre d’affaire de chaque catégorie de produit
par rapport au chiffre d’affaire global, le chiffre d’affaire de
chaque catégorie à la même période l’année dernière.
WITH
MEMBER Measures.[Contribution %] AS '(Measures.[Store
Sales])/(Measures.[Store Sales], [Product].[All Products])',
FORMAT_STRING='Percent'
MEMBER Measures.[Periode -1] AS
'(ParallelPeriod([Time].[Year], 1, Time.currentmember),
[Measures].[Store Sales])'
SELECT
{[Measures].[Store Sales], Measures.[Contribution %],Measures.[Periode -1]}
ON COLUMNS,
{[Product].[All Products], [Product].[Drink], [Product].[Food],
[Product].[Non-Consumable]} ON ROWS
FROM SALES
WHERE ([Time].[1997])
Cet exemple (query 3) permet d’illustrer la création de
membres calculés pour venir enrichir la requête. Ici, les deux
membres ont été créés sur l’axe des mesures, mais les
membres calculés peuvent être créés sur n’importe quel axe.
Le premier calcul, la contribution relative, est assez
simple, on divise le chiffre d’affaire de chaque famille de
produit rencontré par le chiffre d’affaire global. Force est de
constater que la définition de se calcul découle vraiment de
la façon de le décrire.
Le second calcul Periode -1, permet d’illustrer que le
MDX contient un grand nombre de de fonctions d’analyses
avancées. Ici la fonction Parallelperiod() est utilisée pour récupérer
la période équivalente à la période de la requête
(1997) 1 année auparavant.(1996). L’intérêt de cette fonction
est quelle est générique quelque soit la période choisie en
filtre !!!
Téléchargez cette ressource
Plan de sécurité Microsoft 365
Les attaquants savent comment prendre le contrôle de votre tenant Microsoft 365, et vous, savez-vous comment le reprendre en main ?
Les articles les plus consultés
- Stockage autonome, Evolutivité & Gestion intelligente, Pure Storage offre de nouvelles perspectives aux entreprises
- 10 grandes tendances Business Intelligence
- La blockchain en pratique
- Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises
- Les projets d’intégration augmentent la charge de travail des services IT
Les plus consultés sur iTPro.fr
- Le Cercle de l’Innovation décerne le Prix de l’Innovation du Public 2026
- Avec l’IA agentique, la robustesse des SI redevient stratégique
- Les erreurs du secteur bancaire dans son approche IA
- Crypto Crime 2026 : États et cybercriminels convergent vers une industrialisation des infrastructures
Articles les + lus
La bataille de la 6G se gagne dans la donnée en temps réel
Souveraineté des données : cessons de traiter le symptôme, attaquons-nous aux causes
IA générative en Europe : une adoption massive, mais une gouvernance toujours en retard
Golden records : le socle oublié des projets IA
Avec les Smart Data, les entreprises mènent la danse de l’observabilité moderne
À la une de la chaîne Data
- La bataille de la 6G se gagne dans la donnée en temps réel
- Souveraineté des données : cessons de traiter le symptôme, attaquons-nous aux causes
- IA générative en Europe : une adoption massive, mais une gouvernance toujours en retard
- Golden records : le socle oublié des projets IA
- Avec les Smart Data, les entreprises mènent la danse de l’observabilité moderne
