Mis en ligne le 13/04/2005 - Publié en Juin 2004
Création de cubes, écriture de requêtes MDX, optimisation de DTS et plus encore...
Utilisation des mesures chargées pour personnaliser les agrégations
Une technique courante pour personnaliser
la méthode d’agrégation d’une mesure
consiste à définir une mesure calculée sur la
base d’une mesure chargée, puis à masquer
cette dernière. Par exemple, vous souhaitez
agréger une mesure de vente (Sales)
sous forme de somme, mais dans deux
dimensions, vous voulez l’agréger en
tant que moyenne. Dans la définition
de la mesure, vous pouvez spécifier
une mesure nommée TempSales, qui
est chargée directement à partir de la
colonne Sales de la table de faits. Vous
pouvez marquer cette mesure comme
étant masquée, de sorte qu’elle soit invisible
pour les applications client
OLAP. Vous pouvez ensuite employer la mesure TempSales
dans un calcul sans qu’elle soit accessible aux utilisateurs
d’Analysis Services. Vous utilisez alors Analysis Manager pour
créer une nouvelle mesure calculée nommée Sales, qui retournera
la valeur TempSales non modifiée, sauf si vous souhaitez
que cette valeur corresponde à une moyenne de
TempSales.
Cette technique consistant à créer des mesures calculées
et à masquer les mesures chargées est courante dans les implémentations
SQL Server 7.0 OLAP Services, car ce dernier
ne prend pas en charge les techniques de cellules calculées
ou de cumul. Toutefois, l’utilisation de mesures calculées
dans les versions 2000 et 7.0 de SQL Server présente plusieurs
inconvénients. Par exemple, vous ne pouvez pas employer
de mesures calculées pour réécrire vers des cellules
du cube. Une des raisons pour lesquelles Analysis Services et
OLAP Services n’autorisent pas cette opération est qu’une
mesure calculée n’est pas mappée directement avec une colonne
de la table de faits, de sorte qu’Analysis Services ne sait
pas quelle mesure chargée modifier.
En conséquence de quoi, les cellules calculées ne sont
pas particulièrement utiles pour les applications de budgétisation
ou de modélisation. Un autre inconvénient des
membres calculés réside dans le fait qu’ils ne peuvent aller
de pair avec la fonction MDX AGGREGATE. Cette dernière
est une fonction MDX courante, servant à agréger un ensemble de membres ou n-uplets. La mesure identifiée dans
l’ensemble détermine la méthode d’agrégation utilisée par la
fonction AGGREGATE. Si vous employez une mesure calculée
dans l’ensemble, Analysis Services (et OLAP Services)
n’est pas en mesure de déterminer la méthode d’agrégation,
ce qui entraîne l’échec de la méthode AGGREGATE. Si vous
employez une technique telle que les cellules calculées pour
modifier l’agrégation d’une mesure, la fonction AGGREGATE
fonctionne car elle est basée sur la méthode d’agrégation définie
de la mesure.
par Russ Whitney
Téléchargez cette ressource

Guide Adobe Firefly, l’IA générative dédiée aux équipes créatives
Depuis plus d’une décennie, Adobe exploite l’intelligence artificielle (IA) pour proposer des solutions toujours plus performantes et innovantes aux équipes créatives. Comment le nouveau moteur d’IA générative Adobe Firefly permet-il aux entreprises de développer leurs capacités créatives et de tirer, dès à présent, tout le profit de l'IA générative ?
Les articles les plus consultés
- Les projets d’intégration augmentent la charge de travail des services IT
- Databricks lève 1 milliard de dollars !
- Stockage autonome, Evolutivité & Gestion intelligente, Pure Storage offre de nouvelles perspectives aux entreprises
- 10 grandes tendances Business Intelligence
- 9 défis de transformation digitale !
Les plus consultés sur iTPro.fr
- Panorama de la maturité cyber des entreprises françaises
- L’IA n’est pas une stratégie, elle est au service de VOTRE stratégie. Alors posez-vous donc les bonnes questions !
- Les banques subissent la concurrence des PayTechs plus agiles
- Retrouver la sérénité du foyer au bureau : une nouvelle priorité pour les salariés
- Cryptographie post-quantique : qu’est-ce qui freine la transition des entreprises ?
Sur le même sujet

ActiveViam fait travailler les data scientists et les décideurs métiers ensemble

10 grandes tendances Business Intelligence

Les projets d’intégration augmentent la charge de travail des services IT

La blockchain en pratique

Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises
