MicroStrategy ONE
Jointure dans les jeux de données
La propriété VLDB de jointure entre les jeux de données détermine comment les valeurs des mesures sont calculées lorsque des attributs non liés proviennent de différents jeux de données d'un tableau de bord
Les ensembles de données sont affichés ci-dessous sous forme de simples visualisations de grille dans un tableau de bord.
Notez qu'un jeu de données inclut l'attribut Région, et l'autre inclut Catégorie. L'attribut Région n'est également pas directement associé à l'attribut Catégorie, mais qu'il est inclus avec Catégorie dans l'un des deux jeux de données.
Sur ce tableau de bord, vous choisissez de créer une nouvelle visualisation en grille avec Région et Ventes. Ces objets n'étant pas sur le même jeu de données, il faut combiner les données issues de jeux de données différents. Par défaut, les données ne sont pas jointes pour les attributs non associés Catégorie et Région, et les données suivantes sont affichées :
Les données pour les Ventes affichent 260 $ pour les deux Régions, ce qui correspond aux ventes totales de toutes les régions. Dans la plupart des scénarios, ces données de ventes doivent plutôt refléter les données de chaque région. Ceci peut être réalisé en autorisant la jointure des données pour les attributs non liés Catégorie et Région.
Maintenant, les données pour les Ventes affichent 185 $ pour le Nord (une combinaison des ventes de Livres et d'Électronique, qui concernaient les deux la région Nord) et 85 $ pour le Sud (ventes de Films, qui concernaient la région Sud).
Les paramètres suivants définissent le comportement de jointure :
- Interdire les jointures basées sur des attributs communs non liés: Par défaut, les données ne sont pas jointes pour les attributs non liés qui sont inclus sur le même jeu de données. Cette option permet de prendre en charge la compatibilité en amont.
- Autoriser les jointures basées sur des attributs communs non liés: Les données sont jointes pour les attributs non liés qui sont inclus sur le même jeu de données. Cela peut permettre aux données de mesure de considérer des attributs non liés sur le même jeu de données pour combiner logiquement les données, et offre donc des résultats plus précis et intuitifs dans la plupart des cas.