1. ‫שיטות ‪ OLAP‬מתקדמות‬
‫יוני ברק‬
‫הכשרה ביטוח‬

2. ‫מטרת המצגת‬
‫• קוביות ‪ OLAP‬ושאילתות ‪- MXD‬יעילות למתכנת וכלים‬
‫תיחקוריים מהירים וחזקים יותר למשתמש‬
‫הנושאים שיידונו :‬ ‫•‬
‫‪‬עולם התוכן של ‪OLAP CUBE‬‬
‫‪ MDX‬על קצה המזלג‬
‫‪‬יצירת ‪CALCULATED MEASURES‬‬
‫‪‬יצירת ‪ CALCULATED MEMBERS AND DYNAMIC SETS‬תוך‬
‫שילוב פונקציות אנליטיות של ‪ SAS‬ופקודות מאקרו‬

3. ‫עולם ה-‪OLAP‬‬
‫• ‪:OLAP-ONLINE ANALYTICAL PROCESSING‬תצוגה רב‬
‫ממדית של נתונים שמאפשרת חקירה ושליפת נתונים‬
‫מהירה.‬
‫• ”‪:“A PIVOT TABLE ON STEROIDS‬‬
‫‪‬ה ‪ OLAP‬מספק גישה מהירה ופשוטה לתחקור ושליפת‬
‫נתונים ונותן למשתמש את היכולת לשנות את הצגת‬
‫הדוח‪VIEW‬‬
‫‪DRILL DOWN/UP‬‬
‫‪DRILL-THROUGH‬‬
‫‪‬חוסך זמן ריצה-אגרגציות מוכנות מראש‬

4. OLAP-‫עולם ה‬
‫- המשך‬
:‫• סביבות עבודה של משתמש הקצה‬
ENTERPRISE GUIDE
MICROSOFT EXCEL
WEB APPLICATIONS

5. ‫מבנה הקובייה‬
‫• אינפורמציה של ‪ OLAP CUBES‬מחולקת לארבעה חלקים:‬
‫‪‬מימד-קבוצה שמכילה היררכיות שקשורות אחת לשנייה‬
‫(‪ LEVELS‬משותפים).מימד הוא הקטגוריה הגבוהה בקובייה‬
‫‪ -LEVEL‬משתנה קטגורי מתוך טבלה שטוחה‬
‫‪-MEMBER‬ערך של משתנה קטגורי מתוך טבלה שטוחה-‬
‫נחשב לקטגוריה הנמוכה ביותר בקובייה‬
‫‪‬היררכיה- מסדרת את ה- ‪ MEMBERS‬לפי ה- ‪ LEVELS‬ולפי‬
‫הקשרים של ‪PARENT-CHILD‬‬
‫‪ -MEASURE‬משתנה נומרי מתוך טבלה שטוחה‬

6. ‫‪ MDX‬על קצה המזלג‬

7. ‫‪:MULTI‬‬ ‫• ‪DIMENTIONAL EXSTETION‬‬
‫‪ ‬שפה שמאפשרת לייצר שאילתות רב ממדיות, השפה היא‬
‫בעצם הרחבה של ה - ‪ SQL‬ומכאן המבנה דומה ומכיל‬
‫סינטקס ופונקציות זהות.‬
‫שולף נתונים מתוך‬ ‫‪MDX‬‬ ‫‪ ‬ההבדל המרכזי ביניהם הוא שה-‬
‫מקור רב ממדי וה- ‪ SQL‬מתוך טבלאות שטוחות.‬
‫• שימושים:‬
‫‪‬יצירת שליפות מתוך קובייה.‬
‫‪‬יצירת ‪. CALCULATED MEASURES AND MEMBERS‬‬
‫‪‬יצירת ‪.SETS‬‬
‫‪‬מאפשר הרשאות ספציפיות למשתמשים על חלקים‬
‫מהקובייה.‬

8. ‫‪DATA STEP OR MDX‬‬
‫• איזו דרך יעילה יותר בלענות על הדרישה העסקית‬
‫הבאה:‬
‫‪‬מידע על מכירות של כל סוכן בחברה בטווח החודשים‬
‫ינואר 8002 עד ל-ינואר 0102.‬

9. ‫מכירות‬ ‫מכירות‬ ‫מכירות מכירות מכירות מכירות‬ ‫מכירות מכירות מכירות מכירות‬
‫מספר סוכן‬

10. ‫מסקנה: כדי להגיע לאותה תוצאה‬
‫באמצעות ‪ DATA STEPS‬ו ‪ PROC’s‬ייקח‬
‫יותר זמן והרבה יותר קוד....‬

11. ‫הצגת שאילתות ‪MDX‬‬
‫• ניתן להציג את תוצרי שאילתות ‪ MDX‬במספר דרכים:‬
‫‪"-MDX VIEWER IN THE EG‬תת-קובייה".‬
‫‪" -OLAP VIEWER‬תת-קובייה".‬
‫‪ -PROC SQL PASS THRU‬ניתן להפוך את התוצאות‬
‫משאילתה רב ממדית לטבלת ‪ .SAS‬אופציה זו‬
‫מאפשרת למנף את הביצועים של הקובייה ע"י‬
‫שימוש בפונקציות אנליטיות של ‪ SAS‬ובפקודות‬
‫מאקרו.‬
‫)>‪Connect to OLAP (<options‬‬
‫‪Create table MYDATA as select * from connection to OLAP‬‬
‫)>‪( select <MDX query here‬‬
‫;‪Disconnect from OLAP;quit‬‬

12. ‫‪CALAULATED MEASURES‬‬
‫• לעיתים קיימות דרישות עסקיות הנוגעות לתחקור קובייה‬
‫אשר הינן מורכבות יותר מאשר אגרגציות רגילות,‬
‫הדורשות מאיתנו ליצור משתנים מחושבים.‬
‫• אציג דוגמאות לבקשות עסקיות אשר מהיר ויעיל יותר‬
‫ליצור באמצעות שפת ה- ‪ MDX‬לעומת יצירתם באמצעות‬
‫קוד ‪" SAS‬רגיל" בטבלאות נתוני הגלם שעליה הקובייה‬
‫מבוססת.‬
‫תחביר:‬
‫'‪WITH MEMBER parent.name AS 'expression‬‬

13. ‫• בקשות עסקיות שכיחות:‬
‫‪ ‬אחוז שינוי בין שתי תקופות רצויות.‬
‫לדוגמא, יצירת משתנה של אחוז שינוי במכירות בין‬
‫תקופה נבחרת (‪ )CURRENT MEMBER‬לבין תקופה‬
‫קודמת.‬
‫‪Drill Down‬‬
‫2‪for Q‬‬

14. ‫‪‬אחוז יחסי מתוך הסה"כ‬
‫לדוגמא: החלק היחסי של כל מוצר מתוך סה"כ‬
‫המוצרים‬
‫‪A‬‬
‫‪B‬‬
‫‪C‬‬
‫‪D‬‬
‫‪E‬‬ ‫1‪E‬‬
‫2‪E‬‬

15. ‫‪ ‬יצירת נקודות השוואה על ציר הזמן:‬
‫לעיתים אנו מתבקשים ליצור דוחות עם מספר משתנים כגון:‬
‫נתונים חודשיים, מצטברים, נתוני תקופה מקבילה וכו.‬
‫לדוגמא נרצה להציג לכל סוכן בכל חודש את המדדים הבאים:‬
‫חודשי.‬ ‫מכירות‬ ‫‪‬סך‬
‫חודשי אשתקד.‬ ‫מכירות‬ ‫‪‬סך‬
‫מצטבר מתחילת שנה.‬ ‫מכירות‬ ‫‪‬סך‬
‫מצטבר מתחילת שנה אשתקד.‬ ‫מכירות‬ ‫‪‬סך‬

17. ‫דגשים:‬
‫‪‬יצירת מדדי זמן- פשוט יותר ליצור באמצעות ‪ MDX‬מאשר‬
‫בקוד ‪.SAS‬‬
‫‪‬ליצירת טווח חודשי פעילות דינמי ניתן להשתמש בפקודות‬
‫מאקרו, בתוך ‪.PROC SQL PASS THRU‬‬

18. ‫‪ –STORED PROCESS ‬מאפשר לכל משתמש בעל הרשאה‬
‫מתאימה להריץ את דוח ולהזין בעצמו את הפרמטרים:‬
‫תקופה ושם הסוכן.‬
‫מסך הקלדת הנתונים:‬
‫לאחר ההרצה מתקבל הפלט:‬

19. ‫‪CALCULATED MEMBERS‬‬
‫• מאפשר להשתמש במידע שכבר קיים בקובייה בצורה דינמית‬
‫ובכך להקל על המשתמש שלא יצטרך לעשות פעולות רבות‬
‫בכדי להגיע לתוצאה שהוא צריך.‬
‫דוגמאות:‬
‫‪‬יצירת דוח שיציג את נתוני החודש הנוכחי ואשתקד כברירת‬
‫מחדל כך שהמשתמש לא יצטרך כל חודש להיכנס ולשנות‬
‫לתקופה הרצויה.‬
‫‪A‬‬
‫‪B‬‬
‫‪C‬‬

20. ‫‪‬בקשה נוספת היא לראות בקובייה(דוח מבוסס‬
‫קובייה) את הפעילות המצטברת במהלך ‪ N‬חודשים‬
‫אחרונים עם שאר השנים במימד:‬

21. ‫דרך א':‬
‫יצירת ‪ MEMBER‬חדש בקובייה שיכיל בתוכו את ה- 2142‬
‫‪ MEMBERS‬מסוכמים באמצעות פונקצית ‪:AGGREGATE‬‬
‫*** כל חודש יש לעדכן את ה-‪ MEMBERS‬בהתאם.‬
‫קצת מייגע לא??‬

22. ‫דרך ב':‬
‫יצירת ‪ MEMBER‬דינמי‬
‫שלב 1: לפני ה- ‪ PROC OLAP‬יש ליצור פרמטר מקרו שיכיל‬
‫בתוכו את 21 ה-‪ MEMBERS‬האחרונים‬
‫(שימוש במאקרו ובפונקציות זמן של ‪:) SAS‬‬

23. ‫שלב 2: ב-‪ OLAP CODE‬יש להגדיר את ה-‪ MEMBER‬בצורה הבאה:‬

24. ‫‪SET‬‬
‫‪ MEMBERS‬קבועים מראש השייכים למימד משותף‬
‫• מאד נוח להשתמש ב- ‪ SETS‬להצגת נתונים ב- ‪DASHBOARD‬‬
‫• תצוגה זו מאפשרת לראות נתונים בגישה מהירה‬
‫• תצוגה זו מסייעת לחברי הנהלה לקבל החלטות ארגוניות‬
‫אפקטיביות במהירות.‬
‫‪DASHBOARD - KPI‬‬
‫מכירות בחתך ענפים מול יעד‬
‫ענף 5‬ ‫ענף 4‬ ‫ענף 3‬ ‫ענף 2‬ ‫ענף 1‬

25. ‫‪DASHBOARD - FLASH‬‬
‫עמידה בתחזית/יעדים לאורך חצי שנה.‬
‫הציר האופקי בתחתית מציין את ציר הזמן וכאשר זזים עליו הגרף‬
‫שמעליו משתנה בהתאם‬
‫מכירות מול יעד‬
‫סניפים‬

26. ‫סיכום‬
‫• קוביות ‪OLAP‬הופכות ונעשות חיוניות בהתמודדות עם הכמות‬
‫ההולכת וגדלה של נתונים ארגוניים. תצוגה רב ממדית של‬
‫נתונים מצטברים מאפשרת גישה נוחה ומהירה אל ניתוח‬
‫הנתונים הנחוצים לקבלת החלטות עסקיות ביעילות רבה יותר.‬
‫• שימוש ב ‪ CALCULATED MEASURES AND MEMBERS‬יכול‬
‫להפחית את כמות הקוד ולהקל על מורכבות הנתונים‬
‫בטבלאות אשר עליהם הקובייה מתבססת, ובכך לייעל את‬
‫תשתית הפיתוח של הכנת הטבלאות אשר תביא לתוצאות‬
‫מהירות יותר.‬
‫• שפת ה- ‪ MDX‬מאפשרת למפתחים לייצר דוחות מורכבים יותר‬
‫מאשר הדוחות הסטנדרטיים. שימוש ב-‪ MDX‬מאפשר למפתחים‬
‫לבנות יישומים שתואמים בדיוק לדרישה של הלקוח.‬

27. ‫תודה רבה‬
‫יוני ברק‬
‫הכשרה ביטוח‬
‫‪yonib@hcsra.co.il‬‬