SAP HANA Analytic View: Cara Membuat & Menggunakannya

Oleh: Mason Garcia Mason Garcia
Hours Updated

⚡ Ringkasan Cerdas

SAP HANA Analytic View memodelkan data sebagai skema bintang, menggabungkan tabel fakta pusat dengan tampilan atribut sehingga data transaksi dapat diagregasi secara langsung untuk analisis multidimensi di dalamnya. SAP Studio HANA.

  • 🔘 Struktur: Tabel fakta yang berisi data transaksi berada di tengah, dikelilingi oleh tabel dimensi dan tampilan atribut yang dapat digunakan kembali.
  • ☑️ nodes: Data Foundation menyimpan tabel fakta, Star Join melampirkan tampilan atribut, dan Semantics mendefinisikan output.
  • ✅ Ukuran: Beberapa tabel mungkin berada dalam basis data, namun ukuran hanya dapat dipilih dari salah satu tabel tersebut.
  • 🧪 Contoh: PURCHASE_ORDER dan PURCHASE_DETAIL bergabung berdasarkan PO_NUMBER, dan tampilan atribut AT_PRODUCT bergabung berdasarkan PRODUCT_ID.
  • ️ Pengaktifan: Validasi dan aktivasi mempublikasikan tampilan sebagai tampilan kolom dalam skema _SYS_BIC untuk pelaporan.
  • 📈 arah: Tampilan analitik sudah usang, jadi model bergaya kubus yang baru sebaiknya ditempatkan di tampilan perhitungan grafis.
Baca Selengkapnya

Pemodelan skema bintang pandangan analitik dalam SAP HANA

Apa itu Pandangan Analitik dalam SAP Hana?

Pandangan analitis dalam SAP HANA didasarkan pada pemodelan skema bintang dan mewakili objek pemodelan OLAP, atau multidimensi. Ia membentuk struktur seperti kubus yang digunakan untuk menganalisis data, dan cocok untuk skenario apa pun di mana data agregat dari tabel yang mendasarinya dibutuhkan.

Dalam tampilan analitik, tabel dimensi digabungkan dengan tabel fakta yang menyimpan data transaksi. Tabel dimensi memuat data deskriptif seperti produk, nama produk, vendor, atau pelanggan. Tabel fakta memuat data deskriptif bersama dengan data terukur seperti jumlah dan pajak.

Karena agregasi terjadi di memori pada saat kueri, tidak perlu menyimpan tabel agregat. Tampilan didefinisikan sekali saja. SAP Pemodelan HANA dan digunakan kembali oleh setiap laporan yang membacanya.

Contoh SAP Tampilan Analitik HANA

Di sini, tampilan analitik dibuat untuk pesanan pembelian, berdasarkan tampilan atribut “AT_PRODUCT” telah dibuat sebelumnya. Tabel Header Pesanan Pembelian dan tabel Detail Pesanan Pembelian menyediakan data transaksi.

Jalankan kedua skrip di bawah ini di SQL konsol dari SAP Studio HANA sebelum langkah-langkah pemodelan dimulai.

Skrip SQL untuk membuat tabel “PURCHASE_ORDER” di “DHK_SCHEMA”

CREATE COLUMN TABLE "DHK_SCHEMA"."PURCHASE_ORDER"					
(		
PO_NUMBER NVARCHAR(10) primary key,							
COMPANY NVARCHAR (4),			
PO_CATEGORY NVARCHAR(2),			
PRODUCT_ID NVARCHAR(10),			
VENDOR NVARCHAR(10),			
TERMS NVARCHAR(4),			
PUR_ORG NVARCHAR(4),			
PUR_GRP NVARCHAR(3),			
CURRENCY NVARCHAR(5),			
QUOTATION_NO NVARCHAR(10),			
PO_STATUS VARCHAR(1),			
CREATED_BY NVARCHAR(20),			
CREATED_AT DATE		
);		

INSERT	INTO "DHK_SCHEMA"."PURCHASE_ORDER" VALUES(1000001,1000,'MM','A0001','V000001','CASH' ,1000,'GR1','INR',1000011,'A','HANAUSER','2016-01-07');																													
INSERT INTO "DHK_SCHEMA"."PURCHASE_ORDER" VALUES(1000002,2000,'MM','A0002','V000001','CASH',1000,'GR1','INR',1000012,'A','HANAUSER','2016-01-06');																			
INSERT INTO "DHK_SCHEMA"."PURCHASE_ORDER" VALUES(1000003,2000,'MM','A0003','V000001','CASH',1000,'GR1','INR',1000013,'A','HANAUSER','2016-01-07');																			
INSERT INTO "DHK_SCHEMA"."PURCHASE_ORDER" VALUES(1000004,2000,'MM','A0004','V000001','CASH',1000,'GR1','INR',1000014,'A','HANAUSER','2016-01-07');

Skrip SQL untuk membuat tabel “PURCHASE_DETAIL” di “DHK_SCHEMA”

CREATE	 COLUMN TABLE "DHK_SCHEMA"."PURCHASE_DETAIL"					
(		
PO_NUMBER NVARCHAR(10) primary key,							
COMPANY NVARCHAR(4),			
PO_CATEGORY NVARCHAR(2),			
PRODUCT_ID NVARCHAR(10),			
PLANT NVARCHAR(4),			
STORAGE_LOC NVARCHAR(4),			
VENDOR NVARCHAR(10),			
TERMS NVARCHAR(4),			
PUR_ORG NVARCHAR(4),			
PUR_GRP NVARCHAR(3),			
CURRENCY NVARCHAR(5),			
QUANTITY SMALLINT,			
QUANTITY_UNIT VARCHAR(4),			
ORDER_PRICE DECIMAL(8,2),			
NET_AMOUNT DECIMAL(8,2),			
GROSS_AMOUNT DECIMAL(8,2),			
TAX_AMOUNT DECIMAL(8,2)			
);		


INSERT	INTO "DHK_SCHEMA"."PURCHASE_DETAIL"	VALUES(1000001,1000,'MM','A0001',1001,101,
'V000001','CASH',1000,'GR1','INR',10,'UNIT',50000.00,40000.00,50000.00,10000.00);																									
INSERT	INTO "DHK_SCHEMA"."PURCHASE_DETAIL"	VALUES(1000002,2000,'MM','A0002',1002,102,
'V000002','CASH',1000,'GR1','INR',10,'UNIT',60000.00,48000.00,60000.00,12000.00);																									
INSERT	INTO "DHK_SCHEMA"."PURCHASE_DETAIL"	VALUES(1000003,2000,'MM','A0003',1003,103,
'V000001','CASH',1000,'GR1','INR',20,'UNIT',40000.00,32000.00,40000.00,8000.00);																									
INSERT	INTO "DHK_SCHEMA"."PURCHASE_DETAIL"	VALUES(1000004,2000,'MM','A0004',1004,104,
'V000002','CASH',1000,'GR1','INR',20,'UNIT',20000.00,16000.00,20000.00,4000.00);

Kedua skrip tersebut membuat tabel “PURCHASE_ORDER” dan “PURCHASE_DETAIL” beserta datanya.

ARTIKEL TERKAIT

Cara Membuat Tampilan Analitik di SAP HANA

Tampilan analitik bernama “AN_PURCHASE_ORDERS” dibuat di bawah ini dari tampilan atribut “AT_PRODUCT” dan tabel “PURCHASE_ORDER” dan “PURCHASE_DETAIL”. Sepuluh langkah tersebut mengikuti urutan layar editor.

Langkah 1) Buat tampilan analitik baru dari pohon paket yang ditunjukkan di bawah ini.

  1. Pilih sub-paket Pemodelan di bawah paket DHK_SCHEMA.
  2. Klik kanan dan pilih Baru.
  3. Pilih opsi Tampilan Analitik.

Opsi Tampilan Analitik baru pada sub-paket Pemodelan di SAP Studio HANA

Langkah 2) Editor tampilan informasi terbuka untuk tampilan analitik. Lengkapi dialog pembuatan yang ditunjukkan di bawah ini.

  1. Masukkan nama tampilan analitik “AN_PURCHASE_ORDERS” dan label untuknya.
  2. Pilih tipe tampilan “Tampilan Analitik”.

Dialog pembuatan tampilan analitik dengan nama AN_PURCHASE_ORDERS dan tipe tampilan

Setelah semua entri selesai, klik tombol Selesai. Editor tampilan informasi kemudian akan ditampilkan untuk tampilan analitik.

Langkah 3) Tambahkan tabel dari skema ke Data Foundation Node di bawah panel skenario. Panel skenario berisi tiga node.

  1. Semantik: Node ini merepresentasikan struktur output dari tampilan.
  2. Bergabung dengan Bintang: Node ini membuat join yang menghubungkan tampilan atribut ke tabel fakta.
  3. Data Foundation: Node ini menyimpan tabel fakta dari tampilan analitik. Beberapa tabel dapat ditambahkan, tetapi ukuran hanya dapat dipilih dari salah satu tabel tersebut.

Seret dan lepas tabel “PURCHASE_ORDER” dan “PURCHASE_DETAIL” dari DHK_SCHEMA ke Data. Foundation simpul, seperti yang ditunjukkan di bawah ini.

Tabel PURCHASE_ORDER dan PURCHASE_DETAIL dihapus pada Data. Foundation simpul

Langkah 4) Tambahkan tampilan atribut ke node Star Join.

  1. Pilih tampilan atribut “AT_PRODUCT” dari paket Pemodelan.
  2. Seret dan lepas tampilan atribut ke node Star Join, seperti yang ditunjukkan di bawah ini.

Tampilan atribut AT_PRODUCT diseret ke node Star Join pada panel skenario.

Langkah 5) Di jendela yang sama, kerjakan di panel detail sesuai petunjuk.

  1. Klik Data Foundation simpul. Tabel yang ditambahkan ke dalamnya akan muncul di bagian detail.
  2. Gabungkan tabel “PURCHASE_ORDER” dengan tabel “PURCHASE_DETAIL” pada kolom “PO_NUMBER”.
  3. Masukkan jenis gabungan dan kardinalitasnya.

Edit layar penggabungan yang menggabungkan PURCHASE_ORDER ke PURCHASE_DETAIL pada PO_NUMBER

Klik tombol OK untuk melanjutkan bergabung.

Langkah 6) Pilih kolom-kolom berikut di jendela yang sama.

  1. Pilih PO_NUMBER, COMPANY, PO_CATEGORY, PRODUCT_ID, PLANT dan STORAGE_LOC dari tabel “PURCHASE_DETAIL”.
  2. Pilih kolom MATA UANG dari tabel “DETAIL_PEMBELIAN”.
  3. Pilih JUMLAH_BRUTO dan JUMLAH_PAJAK.
  4. Pilih kolom PO_STATUS, CREATED_BY, dan CREATED_AT dari tabel “PURCHASE_ORDER”, yang merupakan header pesanan pembelian.

Kolom keluaran dari basis data disorot dengan warna oranye setelah dipilih.

Setiap kolom yang dipilih, yang ditandai dengan warna oranye, akan muncul dalam hasil tampilan analitik.

Langkah 7) Gabungkan tampilan atribut ke tabel fakta di fondasi data. Klik node Star Join di panel skenario, seperti yang ditunjukkan di bawah ini.

Node Star Join dipilih di panel skenario editor tampilan analitik.

Tampilan atribut dan tabel fakta ditampilkan di panel detail. Hubungkan tampilan atribut ke dasar data pada kolom “PRODUCT_ID”, seperti yang ditunjukkan di bawah ini.

Tampilan atribut yang digabungkan ke dasar data pada kolom PRODUCT_ID

Klik tautan gabung. Jendela pop-up untuk Edit Gabung akan ditampilkan, di mana tipe gabung didefinisikan sebagai “Referensial” dan kardinalitasnya sebagai 1…1.

Edit jendela pop-up Gabung dengan tipe gabung Referensial dan kardinalitas 1 ke 1

Klik tombol OK untuk mengkonfirmasi penggabungan bintang.

Langkah 8) Tentukan atribut, ukuran, dan kunci tampilan. Pilih node Semantik di panel skenario, seperti yang ditunjukkan di bawah ini.

Node semantik dipilih di panel skenario untuk mendefinisikan atribut dan ukuran.

  1. Pilih tab Kolom di panel detail.
  2. Tentukan tipe kolom sebagai atribut atau ukuran. Setiap kolom di sini adalah atribut kecuali “GROSS_AMOUNT”, yang didefinisikan sebagai ukuran.

Tab Kolom menandai GROSS_AMOUNT sebagai ukuran dan sisanya sebagai atribut.

Langkah 9) Validasi dan aktifkan tampilan analitik dari bilah alat.

  1. Validasi tampilan analitik.
  2. Aktifkan tampilan analitik.

Ikon Validasi dan Aktifkan pada bilah alat editor tampilan analitik

Tampilan analitik “AN_PURCHASE_ORDERS” kini telah dibuat dan diaktifkan di folder Analitik dari sub-paket Pemodelan, seperti yang ditunjukkan di bawah ini.

AN_PURCHASE_ORDERS tercantum di bawah folder Analitik dari paket Pemodelan.

Langkah 10) Lihat pratinjau data dalam tampilan analitik.

  1. Buka bagian bilah alat dan klik ikon "Pratinjau Data".
  2. Pilih Buka di Editor Pratinjau Data.

Ikon Pratinjau Data membuka Editor Pratinjau Data untuk tampilan analitik.

Tiga tab tersedia di editor pratinjau data. Sampel Tab ini mengambil atribut dan ukuran dengan cara menyeret dan meletakkan ke sumbu label dan sumbu nilai, dan menampilkan hasilnya sebagai grafik, tabel, grid, atau HTML, seperti di bawah ini.

Tab analisis yang menampilkan ukuran pesanan pembelian terhadap atribut sumbu label.

The Nilai yang berbeda Tab tersebut menampilkan nilai-nilai unik dari satu atribut yang dipilih pada satu waktu, seperti di bawah ini.

Tab Nilai Unik menampilkan entri unik dari satu atribut yang dipilih.

The Data Mentah Tab tersebut menampilkan data dalam format tabel, seperti di bawah ini.

Tab Data Mentah menampilkan catatan tampilan analitik dalam format tabel.

Catatan: Tampilan analitik hanya menerima tampilan atribut sebagai dimensinya dan tidak mendukung serikat operator. Pembatasan tingkat baris pada tampilan yang diaktifkan diterapkan melalui hak akses analitik.

Tampilan atribut dan tampilan analitik sudah usang sejak SAP HANA 2.0 dan tidak tersedia di SAP HANA Cloud, sehingga model bergaya kubus baru dibangun secara grafis. tampilan perhitungan dari kategori data Cube dengan star join. Langkah-langkah di atas masih berlaku untuk yang sudah ada. SAP Sistem HANA 2.0, dan konsep pemodelannya tetap berlaku. Informasi lebih lanjut tersedia di SAP HANA series.

Pertanyaan Umum Demo Slot

Tampilan analitik memodelkan satu skema bintang dengan satu tabel fakta yang menyediakan ukuran. Tampilan perhitungan menumpuk proyeksi, penggabungan, penyatuan, dan agregasi di atas sumber apa pun, termasuk tampilan lain, sehingga menangani logika yang tidak dapat diungkapkan oleh tampilan analitik.

Landasan data tersebut mewakili satu tabel fakta. Tabel tambahan dapat digabungkan untuk memperkayanya dengan atribut, namun mengizinkan pengukuran dari beberapa tabel akan memperbanyak baris selama agregasi dan menghasilkan total yang berlebihan.

Ya. Kolom terhitung, ukuran terbatas, parameter input, dan variabel didefinisikan dalam node Semantik. Semuanya dievaluasi saat runtime, sehingga tabel yang mendasarinya tetap tidak berubah dan setiap pengguna tampilan melihat logika yang sama.

Asisten AI di SAP Alat bantu menyarankan jalur penggabungan, menandai kolom yang tidak digunakan, dan memprediksi agregasi yang mahal dari rencana kueri sebelumnya. Pembelajaran mesin pada beban kerja. tracES juga merekomendasikan langkah-langkah mana yang perlu diekspos, meskipun seorang pemodel tetap memvalidasi setiap hasilnya.

GitHub Copilot membuat draf pernyataan CREATE COLUMN TABLE dan SELECT yang digunakan untuk memasukkan data atau melakukan kueri pada sebuah view, dan mempercepat skrip data pengujian. SQL yang dihasilkan tetap harus ditinjau ulang berdasarkan sintaks, hak akses, dan nama kolom HANA yang sebenarnya.

Tampilan analitik tetap dapat digunakan di SAP HANA 2.0 tetapi sudah usang. SAP HANA Cloud hanya mendukung tampilan perhitungan, sehingga tampilan analitik yang ada dibangun ulang sebagai tampilan perhitungan grafis dari Cube kategori data dengan node gabungan bintang.

Pemfilteran tingkat baris diberikan melalui hak akses analitik, yang membatasi nilai yang dapat dibaca pengguna untuk atribut yang dipilih. Tampilan itu sendiri tetap tidak berubah, dan hak akses objek saja tidak pernah membatasi baris mana yang dikembalikan.

Aktivasi menghasilkan tampilan kolom di skema _SYS_BIC. Klien SQL apa pun, SAP Analitik Awan, SAP BusinessObjects atau laporan ODBC atau JDBC dapat melakukan kueri tampilan kolom tersebut setelah pengguna memiliki hak akses yang diperlukan.

Ringkaslah postingan ini dengan: