MicroStrategy ONE
Unisci tra dataset
La proprietà Join tra dataset VLDB determina la modalità di calcolo dei valori delle metriche quando gli attributi non correlati di dataset diversi di un dashboard
I set di dati vengono visualizzati di seguito come semplici visualizzazioni a griglia all'interno di un dashboard.
Si noti che un dataset include l'attributo Regione, tuttavia l'altro dataset include solo Categoria. Anche l'attributo Regione non è direttamente correlato all'attributo Categoria, ma è incluso in Categoria in uno dei due dataset.
In questa dashboard scegli di creare una nuova visualizzazione griglia con Regione e Vendite. Questi oggetti non si trovano sullo stesso dataset, quindi è necessario combinare i dati di dataset diversi. Per impostazione predefinita, i dati non vengono uniti per gli attributi non correlati Categoria e Regione e vengono visualizzati i seguenti dati:
I dati relativi alle vendite vengono visualizzati come $260 per entrambe le regioni, ovvero le vendite totali di tutte le regioni. Nella maggior parte degli scenari, questi dati di vendita dovrebbero invece riflettere i dati per ciascuna regione. Ciò può essere ottenuto consentendo l'unione dei dati per gli attributi non correlati Categoria e Regione.
Ora i dati per Vendite mostrano $185 per Nord (una combinazione delle vendite per Libri ed Elettronica, che erano entrambi per la regione Nord) e $85 per Sud (vendite per Film, che era per la regione del Sud).
Le seguenti impostazioni definiscono il comportamento di unione:
- Non consentire join basati su attributi comuni non correlati: per impostazione predefinita, i dati non vengono uniti per gli attributi non correlati inclusi nello stesso dataset. Questa opzione ha lo scopo di supportare la retrocompatibilità.
- Consenti join basati su attributi comuni non correlati: i dati sono uniti per attributi non correlati inclusi nello stesso dataset. Ciò può consentire ai dati di metrica di considerare attributi non correlati sullo stesso dataset per combinare logicamente i dati e quindi fornisce risultati più accurati e intuitivi nella maggior parte dei casi.