OLAP എളുപ്പമാണ്! OLAP ഡാറ്റാ ഉറവിടങ്ങൾ ആക്‌സസ് ചെയ്യാൻ ആവശ്യമായ തത്സമയ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് (OLAP) സോഫ്റ്റ്‌വെയർ ഘടകങ്ങളിലേക്കുള്ള ആമുഖം

അനലിറ്റിക്സ്, OLAP, ഡാറ്റ വെയർഹൗസുകൾ എന്നിവയുടെ പ്രശ്നങ്ങൾ റഷ്യൻ ഐടി സ്പെഷ്യലിസ്റ്റുകൾക്ക് താൽപ്പര്യം വർദ്ധിപ്പിക്കുന്നു. ഇന്നുവരെ, ഞങ്ങളുടെ കമ്പ്യൂട്ടർ പ്രസ്സും ഇൻറർനെറ്റും ആമുഖം ഉൾപ്പെടെ ഈ വിഷയത്തെക്കുറിച്ചുള്ള മെറ്റീരിയലുകൾ അവതരിപ്പിക്കുന്ന രീതിയിൽ ധാരാളം നല്ലതും അക്കാദമികവുമായ കാര്യങ്ങൾ പ്രസിദ്ധീകരിച്ചു. ഒരു പ്രത്യേക ഉദാഹരണം ഉപയോഗിച്ച് OLAP "വിരലുകളിൽ" വിശദീകരിക്കാൻ ഞങ്ങൾ മനഃപൂർവ്വം ശ്രമിക്കുന്ന ഒരു ലേഖനം ഞങ്ങൾ നിങ്ങളുടെ ശ്രദ്ധയിൽപ്പെടുത്തുന്നു. ചില ഐടി പ്രൊഫഷണലുകൾക്കും പ്രത്യേകിച്ച് അന്തിമ ഉപയോക്താക്കൾക്കും അത്തരമൊരു വിശദീകരണം ആവശ്യമാണെന്ന് പ്രാക്ടീസ് കാണിക്കുന്നു.

അതിനാൽ, OLAP *1 ഒരു ആദ്യ ഏകദേശമായി, "വിരലുകളിൽ", ഡാറ്റ വിശകലനം ചെയ്യുന്നതിനും റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കുന്നതിനുമുള്ള ഒരു പ്രത്യേക മാർഗമായി നിർവചിക്കാം. വിവിധ വിഭാഗങ്ങളിലെ ഡാറ്റ സ്വയമേവ സംഗ്രഹിക്കുകയും റിപ്പോർട്ടിന്റെ രൂപവും കണക്കുകൂട്ടലുകളും സംവേദനാത്മകമായി കൈകാര്യം ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുകയും ചെയ്യുന്ന ഒരു മൾട്ടിഡൈമൻഷണൽ പട്ടിക ഉപയോക്താവിന് നൽകുക എന്നതാണ് ഇതിന്റെ സാരാംശം. ഭക്ഷ്യ ഉൽപന്നങ്ങളുടെ മൊത്തവ്യാപാരത്തിൽ ഏർപ്പെട്ടിരിക്കുന്ന ഒരു എന്റർപ്രൈസസിനായി ഇൻവോയ്സുകൾ വിശകലനം ചെയ്യുന്ന ഉദാഹരണം ഉപയോഗിച്ച് OLAP-ന്റെ സാങ്കേതികവിദ്യയെയും അടിസ്ഥാന പ്രവർത്തനങ്ങളെയും കുറിച്ച് ഈ ലേഖനം സംസാരിക്കും.

*ഒന്ന്. OLAP - ഓൺ-ലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്, പ്രവർത്തന ഡാറ്റ വിശകലനം.

ഒരു ഉപകരണമെന്ന നിലയിൽ, ഏറ്റവും ലളിതവും ചെലവുകുറഞ്ഞതുമായ ക്ലാസിന്റെ OLAP സിസ്റ്റം, ഒരു OLAP ക്ലയന്റ് *1, പരിഗണിക്കും. ഉദാഹരണത്തിന്, OLAP ക്ലയന്റുകളുടെ എണ്ണത്തിൽ നിന്ന് ഏറ്റവും ലളിതമായ ഉൽപ്പന്നം തിരഞ്ഞെടുത്തു - ഇന്റർസോഫ്റ്റ് ലാബിൽ നിന്നുള്ള "കോണ്ടൂർ സ്റ്റാൻഡേർഡ്". (വ്യക്തതയ്ക്കായി, പിന്നീട് ലേഖനത്തിൽ, പൊതുവായി അംഗീകരിക്കപ്പെട്ട OLAP നിബന്ധനകൾ ബോൾഡായി സൂചിപ്പിക്കും, ഒപ്പം ഇംഗ്ലീഷ് എതിരാളികൾക്കൊപ്പം.)

*ഒന്ന്. OLAP സിസ്റ്റങ്ങളുടെ വർഗ്ഗീകരണത്തെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, പിസി വീക്ക്/RE, നമ്പർ 3/2001 ലെ "OLAP മെയ്ഡ് ഇൻ റഷ്യ" എന്ന ലേഖനം കാണുക.

അതിനാൽ നമുക്ക് സിസ്റ്റം ഉപയോഗിച്ച് ആരംഭിക്കാം. ആദ്യം നിങ്ങൾ ഡാറ്റ ഉറവിടം (ഡാറ്റ ഉറവിടം) വിവരിക്കേണ്ടതുണ്ട് - പട്ടികയിലേക്കുള്ള പാതയും അതിന്റെ ഫീൽഡുകളും. ഡാറ്റാബേസിന്റെ ഭൗതിക നിർവ്വഹണം അറിയാവുന്ന ഉപയോക്താവിന്റെ ചുമതലയാണിത്. അന്തിമ ഉപയോക്താക്കൾക്കായി, ഇത് പട്ടികയുടെ പേരും അതിന്റെ ഫീൽഡുകളും ഡൊമെയ്ൻ നിബന്ധനകളിലേക്ക് വിവർത്തനം ചെയ്യുന്നു. "ഡാറ്റ ഉറവിടത്തിന്" പിന്നിൽ ഒരു പ്രാദേശിക പട്ടിക, പട്ടിക അല്ലെങ്കിൽ SQL സെർവർ കാഴ്ച അല്ലെങ്കിൽ സംഭരിച്ച നടപടിക്രമം ഉണ്ട്.

മിക്കവാറും, ഒരു പ്രത്യേക ഡാറ്റാബേസിൽ, ഇൻവോയ്സുകൾ ഒന്നല്ല, പല ടേബിളുകളിലാണ് സംഭരിക്കുന്നത്. കൂടാതെ, ചില ഫീൽഡുകളോ രേഖകളോ വിശകലനത്തിനായി ഉപയോഗിച്ചേക്കില്ല. അതിനാൽ, ഒരു സാമ്പിൾ (ഫല സെറ്റ് അല്ലെങ്കിൽ അന്വേഷണം) സൃഷ്ടിക്കപ്പെടുന്നു, അതിൽ ഇനിപ്പറയുന്നവ ക്രമീകരിച്ചിരിക്കുന്നു: കീ ഫീൽഡുകൾ, ഫിൽട്ടറിംഗ് വ്യവസ്ഥകൾ, തിരികെ നൽകിയ ഫീൽഡുകളുടെ സെറ്റ് എന്നിവ ഉപയോഗിച്ച് പട്ടികകൾ സംയോജിപ്പിക്കുന്നതിനുള്ള അൽഗോരിതം. നമ്മുടെ തിരഞ്ഞെടുപ്പിനെ "ഇൻവോയ്‌സുകൾ" എന്ന് വിളിക്കുകയും ഡാറ്റ ഉറവിടത്തിന്റെ എല്ലാ ഫീൽഡുകളും "ഇൻവോയ്‌സുകൾ" നൽകുകയും ചെയ്യാം. അങ്ങനെ, ഒരു ഐടി സ്പെഷ്യലിസ്റ്റ്, ഒരു സെമാന്റിക് ലെയർ സൃഷ്ടിക്കുന്നതിലൂടെ, അന്തിമ ഉപയോക്താവിൽ നിന്ന് ഡാറ്റാബേസിന്റെ ഭൗതിക നിർവ്വഹണം മറയ്ക്കുന്നു.

തുടർന്ന് OLAP റിപ്പോർട്ട് ക്രമീകരിച്ചിരിക്കുന്നു. ഒരു വിഷയ വിദഗ്ധന് ഇത് ചെയ്യാൻ കഴിയും. ആദ്യം, ഒരു ഫ്ലാറ്റ് ഡാറ്റ സാമ്പിളിന്റെ ഫീൽഡുകൾ രണ്ട് ഗ്രൂപ്പുകളായി തിരിച്ചിരിക്കുന്നു - വസ്തുതകൾ (വസ്തുതകൾ അല്ലെങ്കിൽ അളവുകൾ), അളവുകൾ (അളവുകൾ). വസ്‌തുതകൾ അക്കങ്ങളാണ്, അളവുകൾ "വെട്ടലുകൾ" ആണ്, അതിൽ വസ്തുതകൾ സംഗ്രഹിക്കും. ഞങ്ങളുടെ ഉദാഹരണത്തിൽ, അളവുകൾ ഇതായിരിക്കും: "പ്രദേശം", "നഗരം", "ഉപഭോക്താവ്", "ഉൽപ്പന്നം", "തീയതി", വസ്തുത ഒന്നായിരിക്കും - ഇൻവോയ്സിന്റെ "തുക" ഫീൽഡ്. ഒരു വസ്തുതയ്ക്കായി, ഒന്നോ അതിലധികമോ അഗ്രഗേഷൻ അൽഗോരിതങ്ങൾ തിരഞ്ഞെടുക്കണം. OLAP ന് ഫലങ്ങൾ സംഗ്രഹിക്കാൻ മാത്രമല്ല, സ്ഥിതിവിവര വിശകലനം വരെ കൂടുതൽ സങ്കീർണ്ണമായ കണക്കുകൂട്ടലുകൾ നടത്താനും കഴിയും. ഒന്നിലധികം അഗ്രഗേഷൻ അൽഗോരിതങ്ങൾ തിരഞ്ഞെടുക്കുന്നത് വെർച്വൽ, കണക്കുകൂട്ടിയ വസ്തുതകൾ സൃഷ്ടിക്കും. ഉദാഹരണത്തിൽ, ഒരു അഗ്രഗേഷൻ അൽഗോരിതം തിരഞ്ഞെടുത്തു - "സം".

OLAP സിസ്റ്റങ്ങളുടെ ഒരു പ്രത്യേക പ്രോപ്പർട്ടി, ഒരു തീയതി മുതൽ പഴയ സമയ കാലയളവുകൾക്കുള്ള അളവുകളും ഡാറ്റയും സൃഷ്ടിക്കുന്നതും ഈ കാലയളവുകളിലെ മൊത്തങ്ങളുടെ സ്വയമേവയുള്ള കണക്കുകൂട്ടലുമാണ്. “വർഷം”, “പാദം”, “മാസം” എന്നീ കാലയളവുകൾ നമുക്ക് തിരഞ്ഞെടുക്കാം, അതേസമയം റിപ്പോർട്ടിൽ ഓരോ ദിവസത്തിനും ഡാറ്റയൊന്നും ഉണ്ടാകില്ല, എന്നാൽ സൃഷ്ടിച്ച അളവുകൾ “വർഷം”, “പാദം”, “മാസം” എന്നിവ ദൃശ്യമാകും. നമുക്ക് റിപ്പോർട്ടിന് "സെയിൽസ് അനാലിസിസ്" എന്ന് പേരിട്ട് അത് സേവ് ചെയ്യാം. അനലിറ്റിക്കൽ ആപ്ലിക്കേഷന്റെ ഇന്റർഫേസ് സൃഷ്ടിക്കുന്നതിനുള്ള ജോലി പൂർത്തിയായി.

ഇപ്പോൾ, ഈ ഇന്റർഫേസ് ദിവസേനയോ പ്രതിമാസമോ പ്രവർത്തിപ്പിക്കുമ്പോൾ, ഇനം, ഉപഭോക്താവ്, കാലയളവ് എന്നിവ പ്രകാരം ഇൻവോയ്‌സുകൾ സംഗ്രഹിച്ചിരിക്കുന്ന ഒരു പട്ടികയും ഗ്രാഫും ഉപയോക്താവ് കാണും.

ഡാറ്റ അവബോധജന്യമാക്കുന്നതിന്, ഒരു ഡൈനാമിക് പട്ടിക കൈകാര്യം ചെയ്യുന്നതിനുള്ള ഉപകരണങ്ങൾ പട്ടികയുടെ തന്നെ ഘടകങ്ങളാണ് - അതിന്റെ നിരകളും വരികളും. ഉപയോക്താവിന് നീക്കാനും ഇല്ലാതാക്കാനും ഫിൽട്ടർ ചെയ്യാനും മറ്റ് OLAP പ്രവർത്തനങ്ങൾ നടത്താനും കഴിയും. പട്ടിക സ്വയമേവ പുതിയ സബ്ടോട്ടലുകളും അന്തിമ ആകെത്തുകകളും കണക്കാക്കുന്നു.

ഉദാഹരണത്തിന്, "ഉൽപ്പന്നം" നിര ഒന്നാം സ്ഥാനത്തേക്ക് വലിച്ചിടുന്നതിലൂടെ ("നീക്കുക" പ്രവർത്തനം), ഞങ്ങൾക്ക് ഒരു താരതമ്യ റിപ്പോർട്ട് ലഭിക്കും - "വർഷത്തെ ഉൽപ്പന്നങ്ങളുടെ വിൽപ്പന അളവുകളുടെ താരതമ്യം". ഒരു വർഷത്തേക്കുള്ള ഡാറ്റ സമാഹരിക്കാൻ, "ക്വാർട്ടർ", "മാസം" എന്നീ നിരകൾ പട്ടികയുടെ മുകളിലേക്ക് വലിച്ചിടുക - "നിഷ്ക്രിയ അളവുകൾ ഏരിയ". ഈ ഏരിയയിലേക്ക് കൈമാറ്റം ചെയ്യപ്പെട്ട "പാദം", "മാസം" അളവുകൾ അടയ്ക്കും ("ക്ലോസ് ഡൈമൻഷൻ" പ്രവർത്തനം), അതായത് റിപ്പോർട്ടിൽ നിന്ന് ഒഴിവാക്കപ്പെടും; വസ്തുതകൾ വർഷത്തേക്ക് സംഗ്രഹിക്കും. അളവുകൾ അടച്ചിട്ടുണ്ടെങ്കിലും, ഡാറ്റ ഫിൽട്ടറിംഗിനായി ("ഫിൽട്ടർ" പ്രവർത്തനം) നിങ്ങൾക്ക് നിർദ്ദിഷ്ട വർഷങ്ങളും ക്വാർട്ടറുകളും മാസങ്ങളും സജ്ജമാക്കാൻ കഴിയും.

കൂടുതൽ വ്യക്തതയ്ക്കായി, OLAP പട്ടികയും സ്ക്രീനിൽ അതിന്റെ സ്ഥാനവും ചിത്രീകരിക്കുന്ന ഗ്രാഫിന്റെ തരം മാറ്റാം.

ഡാറ്റയിലേക്ക് തുളച്ചുകയറുന്നത് ("ഡ്രിൽ ഡൗൺ" ഓപ്പറേഷൻ) ഞങ്ങൾക്ക് താൽപ്പര്യമുള്ള ഉൽപ്പന്നത്തിന്റെ വിൽപ്പനയെക്കുറിച്ചുള്ള കൂടുതൽ വിശദമായ വിവരങ്ങൾ ലഭിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു. “കോഫി” ഉൽപ്പന്നത്തിന് എതിർവശത്തുള്ള “+” ചിഹ്നത്തിൽ ക്ലിക്കുചെയ്യുന്നതിലൂടെ, പ്രദേശം അനുസരിച്ച് അതിന്റെ വിൽപ്പന അളവ് ഞങ്ങൾ കാണും. യുറൽ മേഖല തുറന്നുകഴിഞ്ഞാൽ, യുറൽ മേഖലയിലെ നഗരങ്ങളുടെ പശ്ചാത്തലത്തിൽ ഞങ്ങൾക്ക് വിൽപ്പന അളവ് ലഭിക്കും, യെക്കാറ്റെറിൻബർഗിലെ ഡാറ്റ പരിശോധിക്കുമ്പോൾ, ഈ നഗരത്തിന്റെ മൊത്തവ്യാപാര വാങ്ങുന്നവരെക്കുറിച്ചുള്ള ഡാറ്റ ഞങ്ങൾക്ക് കാണാൻ കഴിയും.

ഫിൽട്ടറുകൾ സജ്ജീകരിക്കാൻ നിങ്ങൾക്ക് തുറന്ന അളവുകൾ ഉപയോഗിക്കാനും കഴിയും. മോസ്കോയിലെയും യെക്കാറ്റെറിൻബർഗിലെയും മിഠായി വിൽപ്പനയുടെ ചലനാത്മകത താരതമ്യം ചെയ്യാൻ, നമുക്ക് "ഉൽപ്പന്ന", "സിറ്റി" അളവുകൾക്കായി ഫിൽട്ടറുകൾ സജ്ജമാക്കാം.

അനാവശ്യ അളവുകൾ അടച്ച് ഗ്രാഫ് "ലൈൻ" തരം തിരഞ്ഞെടുക്കുക. തത്ഫലമായുണ്ടാകുന്ന ഗ്രാഫിൽ, നിങ്ങൾക്ക് വിൽപ്പനയുടെ ചലനാത്മകത കണ്ടെത്താനും സീസണൽ ഏറ്റക്കുറച്ചിലുകൾ വിലയിരുത്താനും വിവിധ നഗരങ്ങളിലെ ചരക്കുകളുടെ വിൽപ്പനയിലെ ഇടിവും വളർച്ചയും തമ്മിലുള്ള ബന്ധവും വിലയിരുത്താനും കഴിയും.

അതിനാൽ, ഒരു ഇന്റർഫേസിൽ നിന്ന് ഡസൻ കണക്കിന് തരത്തിലുള്ള വിവിധ റിപ്പോർട്ടുകൾ റിലീസ് ചെയ്യാൻ OLAP സാങ്കേതികവിദ്യ ഉപയോക്താവിനെ അനുവദിക്കുന്നുവെന്ന് ഞങ്ങൾക്ക് ബോധ്യപ്പെട്ടു, മൗസ് ഉപയോഗിച്ച് ഒരു ഡൈനാമിക് OLAP പട്ടിക കൈകാര്യം ചെയ്യുന്നു. അത്തരം ഒരു ടൂൾ സ്വന്തമാക്കിയ ഒരു പ്രോഗ്രാമറുടെ ചുമതല റിപ്പോർട്ടിംഗ് ഫോമുകളുടെ പതിവ് കോഡിംഗ് അല്ല, ഡാറ്റാബേസുകൾക്കായി ഒരു OLAP ക്ലയന്റ് സജ്ജീകരിക്കുക എന്നതാണ്. അതേ സമയം, റിപ്പോർട്ട് കൈകാര്യം ചെയ്യുന്ന രീതികൾ അന്തിമ ഉപയോക്താവിന് അവബോധജന്യമാണ്.

തീർച്ചയായും, സ്‌പ്രെഡ്‌ഷീറ്റുകളുടെ ആശയത്തിന്റെ സ്വാഭാവിക വിപുലീകരണവും വികാസവുമാണ് OLAP. സാരാംശത്തിൽ, OLAP വിഷ്വൽ ഇന്റർഫേസ് ഒരു സ്പ്രെഡ്ഷീറ്റ് കൂടിയാണ്, എന്നാൽ ശക്തമായ കണക്കുകൂട്ടൽ എഞ്ചിനും ഡാറ്റ അവതരിപ്പിക്കുന്നതിനും കൈകാര്യം ചെയ്യുന്നതിനുമുള്ള ഒരു പ്രത്യേക സ്റ്റാൻഡേർഡ് സജ്ജീകരിച്ചിരിക്കുന്നു. മാത്രമല്ല, ചില OLAP ക്ലയന്റുകൾ MS Excel-ലേക്ക് ആഡ്-ഇന്നുകളായി നടപ്പിലാക്കുന്നു. അതിനാൽ, സ്‌പ്രെഡ്‌ഷീറ്റുകളിൽ ആത്മവിശ്വാസമുള്ള "വൈറ്റ് കോളറുകളുടെ" ദശലക്ഷക്കണക്കിന് സൈന്യവും OLAP ടൂളുകൾ വേഗത്തിൽ മാസ്റ്റേഴ്സ് ചെയ്യുന്നു. അവരെ സംബന്ധിച്ചിടത്തോളം ഇത് ഒരു "വെൽവെറ്റ് വിപ്ലവം" ആണ്, അത് പുതിയ അവസരങ്ങൾ നൽകുന്നു, എന്നാൽ വീണ്ടും പരിശീലിക്കേണ്ടതിന്റെ ആവശ്യകത ഉൾപ്പെടുന്നില്ല.

വായനക്കാരന്, ഈ ലേഖനം വായിച്ചതിനുശേഷം, OLAP-ൽ താൽപ്പര്യം നഷ്ടപ്പെട്ടിട്ടില്ലെങ്കിൽ, തുടക്കത്തിൽ സൂചിപ്പിച്ച മെറ്റീരിയലുകളെ അയാൾക്ക് പരാമർശിക്കാം. ഇന്റർസോഫ്റ്റ് ലാബ് - www.iso.ru എന്ന സൈറ്റ് ഉൾപ്പെടെ ഇന്റർനെറ്റിലെ നിരവധി സൈറ്റുകളിൽ അത്തരം മെറ്റീരിയലുകളുടെ ശേഖരങ്ങൾ പോസ്റ്റ് ചെയ്തിട്ടുണ്ട്. അതിൽ നിന്ന് നിങ്ങൾക്ക് ലേഖനത്തിൽ വിവരിച്ച ഉദാഹരണം ഉപയോഗിച്ച് കോണ്ടൂർ സ്റ്റാൻഡേർഡ് സിസ്റ്റത്തിന്റെ ഒരു ഡെമോ പതിപ്പ് ഡൗൺലോഡ് ചെയ്യാനും കഴിയും.

വലിയ ബിസിനസ് ഡാറ്റാബേസുകൾ സംഘടിപ്പിക്കുന്നതിനും ബിസിനസ് ഇന്റലിജൻസിനെ പിന്തുണയ്ക്കുന്നതിനും ഉപയോഗിക്കുന്ന ഒരു സാങ്കേതികവിദ്യയാണ് അനലിറ്റിക്കൽ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് (OLAP). OLAP ഡാറ്റാബേസുകളെ ഒന്നോ അതിലധികമോ ക്യൂബുകളായി തിരിച്ചിരിക്കുന്നു, നിങ്ങൾക്ക് ആവശ്യമുള്ള പിവറ്റ് ടേബിളും പിവോട്ട്ചാർട്ട് റിപ്പോർട്ടുകളും സൃഷ്‌ടിക്കാനും ഉപയോഗിക്കാനും എളുപ്പമാക്കുന്നതിന് ഡാറ്റ എങ്ങനെ വീണ്ടെടുക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നുവെന്നതിന് അനുയോജ്യമായ രീതിയിൽ ഓരോ ക്യൂബും ക്യൂബ് അഡ്മിനിസ്ട്രേറ്റർ സംഘടിപ്പിക്കുന്നു.

ഈ ലേഖനത്തിൽ

എന്താണ് ബിസിനസ് ഇന്റലിജൻസ്?

ഒരു ബിസിനസ്സ് അനലിസ്റ്റ് പലപ്പോഴും ഒരു ബിസിനസ്സിന്റെ ഒരു വലിയ ചിത്രം നേടാനും, സംഗ്രഹിച്ച ഡാറ്റയെ അടിസ്ഥാനമാക്കി വിശാലമായ ട്രെൻഡുകൾ കാണാനും, എത്ര വേരിയബിളുകളായി വിഭജിച്ച ട്രെൻഡുകൾ കാണാനും ആഗ്രഹിക്കുന്നു. ബിസിനസ്സ് ഇന്റലിജൻസ് എന്നത് ഒരു OLAP ഡാറ്റാബേസിൽ നിന്ന് ഡാറ്റ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുന്നതും ആ ഡാറ്റ വിശകലനം ചെയ്യുന്നതും വിവരമുള്ള ബിസിനസ്സ് തീരുമാനങ്ങൾ എടുക്കുന്നതിനും നടപടിയെടുക്കുന്നതിനും ഉപയോഗിക്കാവുന്ന സ്ഥിതിവിവരക്കണക്കുകൾ നൽകുന്നതിനുള്ള പ്രക്രിയയാണ്. ഉദാഹരണത്തിന്, OLAP, ബിസിനസ് ഇന്റലിജൻസ് എന്നിവ ഉപയോഗിച്ച്, ബിസിനസ് ഡാറ്റയെക്കുറിച്ചുള്ള ഇനിപ്പറയുന്ന ചോദ്യങ്ങൾക്ക് നിങ്ങൾക്ക് ഉത്തരം നൽകാം.

2007 ലെ എല്ലാ ഉൽപ്പന്നങ്ങളുടെയും മൊത്തം വിൽപ്പന 2006 മുതലുള്ള വിൽപ്പനയുമായി താരതമ്യം ചെയ്യുന്നത് എങ്ങനെ?

കഴിഞ്ഞ അഞ്ച് വർഷത്തെ ആനുകൂല്യ കാലയളവിലെ തീയതിയും സമയവുമായി ഇത് എങ്ങനെ താരതമ്യം ചെയ്യും?

കഴിഞ്ഞ വർഷം 35-ന് ഉപഭോക്താക്കൾ എത്ര പണം ചെലവഴിച്ചു, കാലക്രമേണ ആ സ്വഭാവം എങ്ങനെ മാറി?

കഴിഞ്ഞ വർഷം ഇതേ മാസത്തിൽ നിന്ന് വ്യത്യസ്തമായി ഈ മാസം രണ്ട് നിർദ്ദിഷ്ട രാജ്യങ്ങളിൽ/പ്രദേശങ്ങളിൽ എത്ര ഉൽപ്പന്നങ്ങൾ വിറ്റു?

ഓരോ ഉപഭോക്തൃ പ്രായ വിഭാഗത്തിനും ഉൽപ്പന്ന വിഭാഗമനുസരിച്ച് ലാഭക്ഷമതയുടെ (മാർജിൻ ശതമാനവും മൊത്തവും) എന്താണ്?

മുകളിലും താഴെയുമുള്ള വിൽപ്പനക്കാർ, വിതരണക്കാർ, വിതരണക്കാർ, ഉപഭോക്താക്കൾ, പങ്കാളികൾ, ഉപഭോക്താക്കൾ എന്നിവർക്കായി തിരയുക.

എന്താണ് ഓൺലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് (OLAP)?

OLAP (ഓൺലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്) ഡാറ്റാബേസുകൾ ബിസിനസ്സ് ഇന്റലിജൻസ് അന്വേഷണങ്ങൾ ലളിതമാക്കുന്നു. ഇടപാട് പ്രോസസ്സിംഗിനല്ല, അന്വേഷണത്തിനും റിപ്പോർട്ടിംഗിനുമായി ഒപ്റ്റിമൈസ് ചെയ്ത ഒരു ഡാറ്റാബേസ് സാങ്കേതികവിദ്യയാണ് OLAP. OLAP-ന്റെ ഡാറ്റ ഉറവിടം ഓൺലൈൻ ഇടപാട് പ്രോസസ്സിംഗ് (OLTP) ഡാറ്റാബേസുകളാണ്, അവ സാധാരണയായി ഡാറ്റ വെയർഹൗസുകളിൽ സൂക്ഷിക്കുന്നു. OLAP ഡാറ്റ ഈ ചരിത്രപരമായ ഡാറ്റയിൽ നിന്ന് വേർതിരിച്ചെടുക്കുകയും സങ്കീർണ്ണമായ വിശകലനം അനുവദിക്കുന്ന ഘടനകളിലേക്ക് കൂട്ടിച്ചേർക്കുകയും ചെയ്യുന്നു. OLAP ഡാറ്റയും ക്രമാനുഗതമായി ക്രമീകരിച്ച് പട്ടികകളേക്കാൾ ക്യൂബുകളിൽ സൂക്ഷിക്കുന്നു. വിശകലനത്തിനായി ഡാറ്റയിലേക്ക് അതിവേഗ ആക്‌സസ് നൽകുന്നതിന് മൾട്ടിഡൈമൻഷണൽ ഘടനകൾ ഉപയോഗിക്കുന്ന ഒരു സങ്കീർണ്ണ സാങ്കേതികവിദ്യയാണിത്. ഈ ഓർഗനൈസേഷനിൽ, ഒരു പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിനോ പിവോട്ട്ചാർട്ട് റിപ്പോർട്ടിനോ വേണ്ടി, ഒരു മുഴുവൻ രാജ്യത്തിനോ പ്രദേശത്തിനോ ഉള്ള മൊത്തം വിൽപ്പന കണക്കുകൾ പോലെയുള്ള ഉയർന്ന തലത്തിലുള്ള സംഗ്രഹ ഡാറ്റ നിങ്ങൾക്ക് എളുപ്പത്തിൽ പ്രദർശിപ്പിക്കാൻ കഴിയും, കൂടാതെ വിൽപ്പന ശക്തമോ ദുർബലമോ ആയ സൈറ്റുകളെക്കുറിച്ചുള്ള വിശദാംശങ്ങളും പ്രദർശിപ്പിക്കും.

ഡാറ്റ ലോഡുചെയ്യുന്നത് വേഗത്തിലാക്കാൻ രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ് OLAP ഡാറ്റാബേസുകൾ. OLAP സെർവർ കണക്കാക്കുന്നത് മൈക്രോസോഫ്റ്റ് ഓഫീസ് എക്സൽ അല്ല, സമാഹരിച്ച മൂല്യങ്ങളാണ്, നിങ്ങൾ ഒരു റിപ്പോർട്ട് സൃഷ്ടിക്കുമ്പോഴോ എഡിറ്റ് ചെയ്യുമ്പോഴോ Excel-ലേക്ക് കുറച്ച് ഡാറ്റ മാത്രമേ അയയ്ക്കൂ. Excel എല്ലാ വ്യക്തിഗത റെക്കോർഡുകളും വീണ്ടെടുക്കുകയും സംഗ്രഹിച്ച മൂല്യങ്ങൾ കണക്കാക്കുകയും ചെയ്യുന്ന ഒരു പരമ്പരാഗത ഡാറ്റാബേസിൽ ഡാറ്റ ഓർഗനൈസുചെയ്‌തിരിക്കുന്നതിനേക്കാൾ വലിയ അളവിലുള്ള ഉറവിട ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കാൻ ഈ സമീപനം നിങ്ങളെ അനുവദിക്കുന്നു.

OLAP ഡാറ്റാബേസുകളിൽ രണ്ട് പ്രധാന തരം ഡാറ്റകൾ അടങ്ങിയിരിക്കുന്നു: സംഖ്യാ ഡാറ്റ, അളവുകൾ, ശരാശരികൾ, വിവരമുള്ള ബിസിനസ്സ് തീരുമാനങ്ങൾ എടുക്കാൻ ഉപയോഗിക്കുന്ന അളവുകൾ, ഈ അളവുകൾ സംഘടിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന വിഭാഗങ്ങളായ അളവുകൾ. ഡാറ്റ വിശകലനത്തിനായി നിങ്ങൾക്കറിയാവുന്ന അതേ വിഭാഗങ്ങൾ ഉപയോഗിച്ച് നിരവധി തലത്തിലുള്ള വിശദാംശങ്ങളോടെ നിങ്ങളുടെ ഡാറ്റ ഓർഗനൈസുചെയ്യാൻ OLAP ഡാറ്റാബേസുകൾ നിങ്ങളെ സഹായിക്കുന്നു.

ഇനിപ്പറയുന്ന വിഭാഗങ്ങൾ ഓരോ ഘടകങ്ങളും താഴെ വിശദമായി വിവരിക്കുന്നു.

ക്യൂബിക്നിങ്ങൾ വിശകലനം ചെയ്യാൻ ആഗ്രഹിക്കുന്ന ഓരോ അളവുകളുടെയും തലങ്ങളും ശ്രേണികളുമുടനീളമുള്ള അളവുകൾ സംയോജിപ്പിക്കുന്ന ഒരു ഡാറ്റാ ഘടന. ക്യൂബുകൾ സമയം, ഭൂമിശാസ്ത്രം, ഉൽപ്പന്ന ലൈനുകൾ എന്നിങ്ങനെയുള്ള ഒന്നിലധികം അളവുകൾ, വിൽപ്പന, ഇൻവെന്ററി തുടങ്ങിയ സംഗ്രഹ ഡാറ്റയുമായി സംയോജിപ്പിക്കുന്നു. കർശനമായ ഗണിതശാസ്ത്ര അർത്ഥത്തിൽ ക്യൂബുകൾ "ക്യൂബുകൾ" അല്ല, കാരണം അവയ്ക്ക് ഒരേ വശങ്ങൾ ഉണ്ടായിരിക്കണമെന്നില്ല. എന്നിരുന്നാലും, അവ സങ്കീർണ്ണമായ ഒരു ആശയത്തിന് അനുയോജ്യമായ ഒരു രൂപകത്തെ പ്രതിനിധീകരിക്കുന്നു.

അളവുകൾഒരു ക്യൂബിലെ മൂല്യങ്ങളുടെ ഒരു കൂട്ടം, അത് ക്യൂബിന്റെ വസ്തുത പട്ടികയിലെ ഒരു നിരയെ അടിസ്ഥാനമാക്കിയുള്ളതും സാധാരണയായി ഒരു സംഖ്യാ മൂല്യവുമാണ്. അളവുകൾ ഒരു ക്യൂബിലെ കേന്ദ്ര മൂല്യങ്ങളാണ്, അത് മുൻകൂട്ടി പ്രോസസ്സ് ചെയ്യുകയും പ്രോസസ്സ് ചെയ്യുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നു. ഏറ്റവും സാധാരണമായ ഉദാഹരണങ്ങൾ വിൽപ്പന, വരുമാനം, വരുമാനം, ചെലവുകൾ എന്നിവയാണ്.

അംഗംഡാറ്റയുടെ ഒന്നോ അതിലധികമോ സംഭവങ്ങളെ പ്രതിനിധീകരിക്കുന്ന ഒരു ശ്രേണിയിലെ ഒരു ഘടകം. ഒരു ഘടകം അദ്വിതീയമോ അദ്വിതീയമോ ആകാം. ഉദാഹരണത്തിന്, 2007-ഉം 2008-ഉം സമയ അളവിന്റെ വർഷ തലത്തിൽ അദ്വിതീയ അംഗങ്ങളെ പ്രതിനിധീകരിക്കുന്നു, അതേസമയം ജനുവരി മാസ തലത്തിൽ അദ്വിതീയ അംഗങ്ങളെ പ്രതിനിധീകരിക്കുന്നു, കാരണം സമയ മാനത്തിൽ ഒന്നിലധികം ജനുവരി ഉള്ളതിനാൽ അതിൽ ഒരു വർഷത്തിലധികം ഡാറ്റ അടങ്ങിയിരിക്കുന്നു.

കണക്കാക്കിയ അംഗംഒരു എക്‌സ്‌പ്രഷൻ ഉപയോഗിച്ച് റൺ ടൈമിൽ മൂല്യം വിലയിരുത്തുന്ന ഒരു മാനത്തിലെ അംഗം. കണക്കാക്കിയ അംഗങ്ങളുടെ മൂല്യങ്ങൾ മറ്റ് അംഗങ്ങളുടെ മൂല്യങ്ങളിൽ നിന്ന് ഉരുത്തിരിഞ്ഞതാണ്. ഉദാഹരണത്തിന്, ഇനത്തിന്റെ മൂല്യം, ഇനത്തിന്റെ മൂല്യം, വിൽപ്പന എന്നിവയിൽ നിന്ന് ഇനത്തിന്റെ മൂല്യവും ചെലവും കുറയ്ക്കുന്നതിലൂടെ കണക്കാക്കിയ ഇനം "ലാഭം" നിർണ്ണയിക്കാനാകും.

മാനംഉപയോക്താവ് മനസ്സിലാക്കുകയും ഡാറ്റ വിശകലനത്തിന്റെ അടിസ്ഥാനമായി ഉപയോഗിക്കുകയും ചെയ്യുന്ന ഒന്നോ അതിലധികമോ ഓർഡർ ചെയ്ത ക്യൂബ് ലെവൽ ശ്രേണികളുടെ ഒരു കൂട്ടം. ഉദാഹരണത്തിന്, ഒരു ഭൂമിശാസ്ത്രപരമായ മാനത്തിൽ രാജ്യം/പ്രദേശം, സംസ്ഥാനം/പ്രദേശം, നഗര തലങ്ങൾ എന്നിവ ഉൾപ്പെട്ടേക്കാം. കൂടാതെ, ഒരു സമയ മാനത്തിൽ വർഷം, പാദം, മാസം, ദിവസം എന്നിവയുടെ ഒരു ശ്രേണി ഉൾപ്പെടുത്താം. ഒരു പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിലോ പിവറ്റ്ചാർട്ട് റിപ്പോർട്ടിലോ, ഓരോ ശ്രേണിയും താഴ്ന്നതോ ഉയർന്നതോ ആയ ലെവലുകൾ കാണിക്കുന്നതിനായി വികസിപ്പിക്കാനും ചുരുക്കാനും കഴിയുന്ന ഒരു കൂട്ടം ഫീൽഡുകളായി മാറുന്നു.

അധികാരശ്രേണിഓരോ അംഗത്തിനും ഒരു രക്ഷകർത്താവും പൂജ്യമോ അതിലധികമോ കുട്ടികളും ഉള്ള തരത്തിൽ ഒരു അളവിലുള്ള അംഗങ്ങളെ ക്രമീകരിക്കുന്ന ഒരു ലോജിക്കൽ ട്രീ ഘടന. നിലവിലെ അംഗവുമായി നേരിട്ട് ബന്ധപ്പെട്ട ശ്രേണിയിലെ മുമ്പത്തെ ഗ്രൂപ്പിലെ അംഗമാണ് ചൈൽഡ് എലമെന്റ്. ഉദാഹരണത്തിന്, ക്വാർട്ടർ, മാസം, ഡേ ലെവലുകൾ അടങ്ങുന്ന സമയ ശ്രേണിയിൽ, ജനുവരി Qtr1-ന്റെ കുട്ടിയാണ്. നിലവിലെ അംഗവുമായി നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്ന ശ്രേണിയിലെ താഴ്ന്ന നിലയിലുള്ള അംഗമാണ് പാരന്റ് എലമെന്റ്. പാരന്റ് മൂല്യം സാധാരണയായി എല്ലാ ശിശു ഘടകങ്ങളുടെയും മൂല്യങ്ങളുടെ ഏകീകരണമാണ്. ഉദാഹരണത്തിന്, ക്വാർട്ടർ, മാസം, ദിവസം എന്നിവ അടങ്ങിയ സമയ ശ്രേണിയിൽ, Qtr1 ജനുവരിയുടെ മാതൃസ്ഥാനമാണ്.

ലെവൽഒരു ശ്രേണിയിൽ, ഒരു സമയ ശ്രേണിയിലെ വർഷങ്ങൾ, ക്വാർട്ടേഴ്‌സ്, മാസങ്ങൾ, ദിവസ ലെവലുകൾ എന്നിങ്ങനെ താഴ്ന്നതും ഉയർന്നതുമായ വിശദാംശങ്ങളിലേക്ക് ഡാറ്റ ക്രമീകരിക്കാൻ കഴിയും.

Excel-ലെ OLAP പ്രവർത്തനങ്ങൾ

OLAP ഡാറ്റ ലഭിക്കുന്നുനിങ്ങൾക്ക് മറ്റ് ബാഹ്യ ഡാറ്റാ ഉറവിടങ്ങളിലേക്ക് കണക്റ്റുചെയ്യാൻ കഴിയുന്നതുപോലെ തന്നെ നിങ്ങൾക്ക് OLAP ഡാറ്റ ഉറവിടങ്ങളിലേക്ക് കണക്റ്റുചെയ്യാനാകും. നിങ്ങൾക്ക് Microsoft SQL സെർവർ OLAP സേവനങ്ങളുടെ പതിപ്പ് 7.0, Microsoft SQL സെർവർ അനാലിസിസ് സേവനങ്ങളുടെ പതിപ്പ് 2000, Microsoft SQL സെർവർ അനാലിസിസ് സേവനങ്ങളുടെ പതിപ്പ് 2005, Microsoft OLAP സെർവർ ഉൽപ്പന്നങ്ങൾ എന്നിവ ഉപയോഗിച്ച് സൃഷ്ടിച്ച ഡാറ്റാബേസുകളിൽ പ്രവർത്തിക്കാൻ കഴിയും. OLAP-നുള്ള OLE-DB-യുമായി പൊരുത്തപ്പെടുന്ന മൂന്നാം കക്ഷി OLAP ഉൽപ്പന്നങ്ങളിലും Excel-ന് പ്രവർത്തിക്കാനാകും.

OLAP ഡാറ്റ ഒരു പിവറ്റ് ടേബിൾ അല്ലെങ്കിൽ പിവറ്റ്ചാർട്ട് റിപ്പോർട്ടായി അല്ലെങ്കിൽ ഒരു പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിൽ നിന്ന് പരിവർത്തനം ചെയ്ത ഒരു വർക്ക്ഷീറ്റ് ഫംഗ്ഷനിൽ മാത്രമേ പ്രദർശിപ്പിക്കാൻ കഴിയൂ, ഒരു ബാഹ്യ ഡാറ്റ ശ്രേണിയായിട്ടല്ല. നിങ്ങൾക്ക് റിപ്പോർട്ട് ടെംപ്ലേറ്റുകളിൽ OLAP PivotTable, PivotChart റിപ്പോർട്ടുകൾ സംരക്ഷിക്കാൻ കഴിയും, കൂടാതെ OLAP അന്വേഷണങ്ങൾക്കായി OLAP ഡാറ്റാബേസുകളിലേക്ക് കണക്റ്റുചെയ്യുന്നതിന് നിങ്ങൾക്ക് Office ഡാറ്റ കണക്ഷൻ (ODC) ഫയലുകൾ സൃഷ്ടിക്കാൻ കഴിയും. നിങ്ങൾ Excel-ൽ ഒരു .odc ഫയൽ തുറക്കുമ്പോൾ, ഒരു ശൂന്യമായ പിവറ്റ് ടേബിൾ റിപ്പോർട്ട് പ്രദർശിപ്പിക്കുകയും അത് സ്ഥാപിക്കാൻ തയ്യാറാകുകയും ചെയ്യും.

ഓഫ്‌ലൈൻ ഉപയോഗത്തിനായി ക്യൂബ് ഫയലുകൾ സൃഷ്‌ടിക്കുകഒരു OLAP സെർവർ ഡാറ്റാബേസിൽ നിന്നുള്ള ഡാറ്റയുടെ ഒരു ഉപവിഭാഗം ഉപയോഗിച്ച് നിങ്ങൾക്ക് ഒരു ഒറ്റപ്പെട്ട ക്യൂബ് (.cub) ഫയൽ സൃഷ്ടിക്കാൻ കഴിയും. നിങ്ങൾ ഒരു നെറ്റ്‌വർക്കിലേക്ക് കണക്റ്റുചെയ്‌തിട്ടില്ലാത്തപ്പോൾ OLAP ഡാറ്റയ്‌ക്കൊപ്പം പ്രവർത്തിക്കാൻ ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലുകൾ ഉപയോഗിക്കുന്നു. ഒരു ക്യൂബ് ഉപയോഗിച്ച്, പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിലോ പിവറ്റ്ചാർട്ട് റിപ്പോർട്ടിലോ നിങ്ങൾക്ക് കൂടുതൽ ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കാനും ഡാറ്റ വേഗത്തിൽ നേടാനും കഴിയും. ഈ സവിശേഷതയെ പിന്തുണയ്ക്കുന്ന Microsoft SQL Analysis Services പതിപ്പ് 2005 പോലെയുള്ള OLAP ദാതാവാണ് നിങ്ങൾ ഉപയോഗിക്കുന്നതെങ്കിൽ മാത്രമേ നിങ്ങൾക്ക് ക്യൂബ് ഫയലുകൾ സൃഷ്ടിക്കാൻ കഴിയൂ.

സെർവർ പ്രവർത്തനങ്ങൾഒരു ക്യൂബിലെ വിവരങ്ങൾ വീണ്ടെടുക്കുന്നതിനോ ബ്രൗസർ പോലുള്ള മറ്റൊരു ആപ്ലിക്കേഷൻ സമാരംഭിക്കുന്നതിനോ ഒരു ക്യൂബ് ഘടകം അല്ലെങ്കിൽ ഒരു പാരാമീറ്ററായി അളക്കുന്ന ഒരു സെർവറിൽ OLAP ക്യൂബ് അഡ്മിനിസ്ട്രേറ്റർക്ക് നിർവചിക്കാൻ കഴിയുന്ന ഒരു ഓപ്ഷണൽ ഫംഗ്‌ഷനാണ് സെർവർ പ്രവർത്തനം. Excel URL-കൾ, റിപ്പോർട്ടുകൾ, Rowsets, drill-down, drill-down വിശദമായ സെർവർ പ്രവർത്തനങ്ങൾ എന്നിവയെ പിന്തുണയ്ക്കുന്നു, എന്നാൽ സ്വന്തം നേറ്റീവ് ഓപ്പറേറ്ററെയും ഡാറ്റാസെറ്റിനെയും പിന്തുണയ്ക്കുന്നില്ല.

കെ.പി.ഐകെപിഐ എന്നത് സെർവറിൽ നിർവചിച്ചിരിക്കുന്ന ഒരു പ്രത്യേക കണക്കുകൂട്ടൽ അളവാണ്, അത് സ്റ്റാറ്റസ് ഉൾപ്പെടെയുള്ള "കീ പ്രകടന സൂചകങ്ങൾ" ട്രാക്ക് ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്നു (നിലവിലെ മൂല്യം ഒരു നിർദ്ദിഷ്ട നമ്പറുമായി യോജിക്കുന്നു). പ്രവണതയും (കാലാകാലങ്ങളിൽ മൂല്യങ്ങൾ). അവ പ്രദർശിപ്പിക്കപ്പെടുമ്പോൾ, സ്റ്റാറ്റസ് ലെവലുകൾക്ക് മുകളിലോ താഴെയോ ലൈൻ അപ്പ് ചെയ്യുന്നതിന് (ഉദാഹരണത്തിന്, ഒരു സ്റ്റോപ്പ് ഐക്കണിനായി), അതുപോലെ മൂല്യം മുകളിലേക്കോ താഴേക്കോ സ്ക്രോൾ ചെയ്യാൻ സെർവറിന് പുതിയ Excel ഐക്കണിന് സമാനമായ ഉചിതമായ ഐക്കണുകൾ അയയ്ക്കാൻ കഴിയും ഉദാഹരണത്തിന്, ഒരു ദിശയിലുള്ള അമ്പടയാളം).

സെർവറിൽ ഫോർമാറ്റിംഗ്ഒരു എന്റർപ്രൈസ് സ്റ്റാൻഡേർഡ് ബിസിനസ് റൂളായി നിയോഗിക്കാവുന്ന കളർ ഫോർമാറ്റിംഗ്, ഫോണ്ട് ഫോർമാറ്റിംഗ്, സോപാധിക ഫോർമാറ്റിംഗ് നിയമങ്ങൾ എന്നിവ ഉപയോഗിച്ച് ക്യൂബ് അഡ്മിനിസ്ട്രേറ്റർമാർക്ക് അളവുകളും കണക്കുകൂട്ടിയ അംഗങ്ങളും സൃഷ്ടിക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, വരുമാനത്തിനായുള്ള സെർവർ-സൈഡ് ഫോർമാറ്റ് ഒരു നമ്പർ കറൻസി ഫോർമാറ്റ് ആകാം, മൂല്യം 30,000-നേക്കാൾ കൂടുതലോ അതിന് തുല്യമോ ആണെങ്കിൽ സെൽ നിറം പച്ചയും മൂല്യം 30,000-ൽ കുറവാണെങ്കിൽ ചുവപ്പും, മൂല്യമാണെങ്കിൽ ഫോണ്ട് ശൈലി ബോൾഡും ആയിരിക്കും. 30,000-ൽ താഴെയാണ്, മൂല്യം പോസിറ്റീവ് ആണെങ്കിൽ - സാധാരണ. 30,000-നേക്കാൾ വലുതോ തുല്യമോ. കൂടുതൽ വിവരങ്ങൾക്ക്, കാണുക.

ഓഫീസ് ഇന്റർഫേസ് ഭാഷമറ്റൊരു ഭാഷയിൽ പിവറ്റ് ടേബിൾ വിവരങ്ങൾ കാണേണ്ട ഉപയോക്താക്കൾക്കായി ഒരു ക്യൂബ് അഡ്മിനിസ്ട്രേറ്റർക്ക് ഡാറ്റയ്ക്കും സെർവറിലെ പിശകുകൾക്കുമുള്ള വിവർത്തനങ്ങൾ നിർവചിക്കാനാകും. ഈ സവിശേഷത ഒരു ഫയൽ കണക്ഷൻ പ്രോപ്പർട്ടിയായി നിർവചിച്ചിരിക്കുന്നു, കൂടാതെ ഉപയോക്താവിന്റെ കമ്പ്യൂട്ടറിന്റെ ഭാഷയും രാജ്യവും ഇന്റർഫേസ് ഭാഷയുമായി പൊരുത്തപ്പെടണം.

OLAP ഡാറ്റ ഉറവിടങ്ങൾ ആക്‌സസ് ചെയ്യാൻ ആവശ്യമായ സോഫ്റ്റ്‌വെയർ ഘടകങ്ങൾ

OLAP ദാതാവ് Excel-നായി OLAP ഡാറ്റ ഉറവിടങ്ങൾ സജ്ജീകരിക്കുന്നതിന്, നിങ്ങൾക്ക് ഇനിപ്പറയുന്ന OLAP ദാതാക്കളിൽ ഒരാൾ ആവശ്യമാണ്.

Microsoft OLAP ദാതാവ് Microsoft SQL സെർവർ olap പതിപ്പ് 7.0, Microsoft SQL സെർവർ olap പതിപ്പ് 2000 (8.0), Microsoft SQL സെർവർ അനാലിസിസ് സേവനങ്ങളുടെ പതിപ്പ് 2005 (9 ,0) എന്നിവ ഉപയോഗിച്ച് സൃഷ്ടിച്ച ഡാറ്റാബേസുകൾ ആക്സസ് ചെയ്യുന്നതിനുള്ള ഒരു ഡാറ്റ സോഴ്സ് ഡ്രൈവറും ക്ലയന്റ് സോഫ്റ്റ്വെയറും Excel-ൽ ഉൾപ്പെടുന്നു.

മൂന്നാം കക്ഷി OLAP ദാതാക്കൾമറ്റ് OLAP ഉൽപ്പന്നങ്ങൾക്ക് അധിക ഡ്രൈവറുകളും ക്ലയന്റ് സോഫ്റ്റ്വെയറും ഇൻസ്റ്റാൾ ചെയ്യേണ്ടതുണ്ട്. Excel-ന്റെ OLAP ഡാറ്റ കൈകാര്യം ചെയ്യാനുള്ള കഴിവുകൾ ഉപയോഗിക്കുന്നതിന്, ഒരു മൂന്നാം കക്ഷി ഉൽപ്പന്നം OLAP സ്റ്റാൻഡേർഡിനായി OLE-DB പാലിക്കുകയും Microsoft Office-മായി പൊരുത്തപ്പെടുകയും വേണം. ഒരു മൂന്നാം കക്ഷി OLAP ദാതാവിനെ ഇൻസ്റ്റാൾ ചെയ്യുന്നതും ഉപയോഗിക്കുന്നതും സംബന്ധിച്ച വിവരങ്ങൾക്ക്, നിങ്ങളുടെ സിസ്റ്റം അഡ്മിനിസ്ട്രേറ്ററെയോ OLAP ഉൽപ്പന്ന ദാതാവിനെയോ ബന്ധപ്പെടുക.

സെർവർ ഡാറ്റാബേസുകളും ക്യൂബ് ഫയലുകളും Excel OLAP ക്ലയന്റ് സോഫ്റ്റ്‌വെയർ രണ്ട് തരം OLAP ഡാറ്റാബേസുകളിലേക്കുള്ള കണക്ഷനുകളെ പിന്തുണയ്ക്കുന്നു. OLAP സെർവറിലെ ഡാറ്റാബേസ് നെറ്റ്‌വർക്കിൽ ലഭ്യമാണെങ്കിൽ, അതിൽ നിന്ന് നേരിട്ട് ഉറവിട ഡാറ്റ നിങ്ങൾക്ക് ലഭിക്കും. നിങ്ങൾക്ക് OLAP ഡാറ്റയോ ക്യൂബ് ഡെഫനിഷൻ ഫയലോ അടങ്ങുന്ന ഒരു ഒറ്റപ്പെട്ട ക്യൂബ് ഫയൽ ഉണ്ടെങ്കിൽ, നിങ്ങൾക്ക് ആ ഫയലിലേക്ക് കണക്റ്റുചെയ്‌ത് അതിൽ നിന്ന് ഉറവിട ഡാറ്റ നേടാനാകും.

ഡാറ്റ ഉറവിടങ്ങൾഒരു OLAP ഡാറ്റാബേസിലോ ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിലോ ഉള്ള എല്ലാ ഡാറ്റയിലേക്കും ഒരു ഡാറ്റ ഉറവിടം ആക്‌സസ് നൽകുന്നു. നിങ്ങൾ ഒരു OLAP ഡാറ്റ ഉറവിടം സൃഷ്ടിച്ചുകഴിഞ്ഞാൽ, നിങ്ങൾക്ക് അതിൽ റിപ്പോർട്ടുകൾ അടിസ്ഥാനമാക്കാനും OLAP ഡാറ്റ Excel-ലേക്ക് ഒരു PivotTable അല്ലെങ്കിൽ PivotChart റിപ്പോർട്ടായി അല്ലെങ്കിൽ ഒരു പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിൽ നിന്ന് പരിവർത്തനം ചെയ്ത ഒരു ഷീറ്റ് ഫംഗ്‌ഷൻ ആയി നൽകാനും കഴിയും.

മൈക്രോസോഫ്റ്റ് അന്വേഷണംചോദ്യം ഉപയോഗിച്ച്, നിങ്ങൾക്ക് Microsoft SQL അല്ലെങ്കിൽ Microsoft Access പോലുള്ള ഒരു ബാഹ്യ ഡാറ്റാബേസിൽ നിന്ന് ഡാറ്റ വീണ്ടെടുക്കാൻ കഴിയും. ഒരു ക്യൂബ് ഫയലുമായി ബന്ധപ്പെട്ട OLAP പിവറ്റ് ടേബിളിൽ നിന്ന് ഡാറ്റ വീണ്ടെടുക്കാൻ നിങ്ങൾ ഒരു ചോദ്യം ഉപയോഗിക്കേണ്ടതില്ല. അധിക വിവരം .

OLAP ഫംഗ്‌ഷനുകളിലും നോൺ-OLAP ഉറവിട ഡാറ്റയിലും ഉള്ള വ്യത്യാസങ്ങൾ

OLAP ഉറവിട ഡാറ്റയിൽ നിന്നും മറ്റ് തരത്തിലുള്ള ഉറവിട ഡാറ്റയിൽ നിന്നുമുള്ള പിവറ്റ് ടേബിൾ റിപ്പോർട്ടുകളും പിവറ്റ്ചാർട്ടുകളും ഉപയോഗിച്ചാണ് നിങ്ങൾ പ്രവർത്തിക്കുന്നതെങ്കിൽ, ചില ഫീച്ചർ വ്യത്യാസങ്ങൾ നിങ്ങൾ കാണും.

ഡാറ്റ എക്സ്ട്രാക്ഷൻറിപ്പോർട്ട് ലേഔട്ട് മാറുമ്പോഴെല്ലാം OLAP സെർവർ Excel-ലേക്ക് പുതിയ ഡാറ്റ നൽകുന്നു. മറ്റ് തരത്തിലുള്ള ബാഹ്യ ഡാറ്റ ഉറവിടങ്ങൾ ഉപയോഗിച്ച്, നിങ്ങൾ എല്ലാ ഉറവിട ഡാറ്റയും ഒരേസമയം അന്വേഷിക്കുന്നു, അല്ലെങ്കിൽ വ്യത്യസ്ത റിപ്പോർട്ട് ഫിൽട്ടർ ഫീൽഡ് ഇനങ്ങൾ പ്രദർശിപ്പിക്കുമ്പോൾ മാത്രമേ നിങ്ങൾക്ക് അന്വേഷണത്തിനായി പാരാമീറ്ററുകൾ സജ്ജമാക്കാൻ കഴിയൂ. കൂടാതെ, റിപ്പോർട്ട് അപ്‌ഡേറ്റ് ചെയ്യുന്നതിന് നിങ്ങൾക്ക് നിരവധി ഓപ്ഷനുകൾ കൂടിയുണ്ട്.

OLAP ഉറവിട ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ള റിപ്പോർട്ടുകളിൽ, റിപ്പോർട്ട് ഫിൽട്ടർ ഫീൽഡ് ഓപ്ഷനുകൾ ലഭ്യമല്ല, പശ്ചാത്തല അന്വേഷണം ലഭ്യമല്ല, കൂടാതെ മെമ്മറി ഒപ്റ്റിമൈസേഷൻ ഓപ്ഷനും ലഭ്യമല്ല.

കുറിപ്പ്:മെമ്മറി ഒപ്റ്റിമൈസേഷൻ ഓപ്ഷൻ OLEDB ഡാറ്റ ഉറവിടങ്ങൾക്കും സെല്ലുകളുടെ ഒരു ശ്രേണിയെ അടിസ്ഥാനമാക്കിയുള്ള പിവറ്റ് ടേബിൾ റിപ്പോർട്ടുകൾക്കും ലഭ്യമല്ല.

ഫീൽഡ് തരങ്ങൾ OLAP ഉറവിട ഡാറ്റ. ഡയമൻഷൻ ഫീൽഡുകൾ വരികൾ (വരികൾ), നിരകൾ (വിഭാഗം), അല്ലെങ്കിൽ പേജ് ഫീൽഡുകൾ എന്നിവയായി മാത്രമേ ഉപയോഗിക്കാൻ കഴിയൂ. അളവ് ഫീൽഡുകൾ മൂല്യ ഫീൽഡുകളായി മാത്രമേ ഉപയോഗിക്കാൻ കഴിയൂ. മറ്റ് തരത്തിലുള്ള ഉറവിട ഡാറ്റയ്‌ക്കായി, റിപ്പോർട്ടിന്റെ ഏത് ഭാഗത്തും എല്ലാ ഫീൽഡുകളും ഉപയോഗിക്കാനാകും.

വിശദമായ ഡാറ്റയിലേക്കുള്ള ആക്സസ്ഉറവിട OLAP ഡാറ്റയ്‌ക്കായി, സെർവർ വിശദാംശങ്ങളുടെ ലഭ്യമായ തലങ്ങൾ നിർണ്ണയിക്കുകയും സംഗ്രഹ മൂല്യങ്ങൾ കണക്കാക്കുകയും ചെയ്യുന്നു, അതിനാൽ സംഗ്രഹ മൂല്യങ്ങൾ ഉൾക്കൊള്ളുന്ന വിശദാംശ രേഖകൾ ലഭ്യമായേക്കില്ല. എന്നിരുന്നാലും, നിങ്ങൾക്ക് പ്രദർശിപ്പിക്കാൻ കഴിയുന്ന പ്രോപ്പർട്ടി ഫീൽഡുകൾ സെർവർ നൽകിയേക്കാം. മറ്റ് ഉറവിട ഡാറ്റാ തരങ്ങൾക്ക് പ്രോപ്പർട്ടി ഫീൽഡുകൾ ഇല്ല, എന്നാൽ നിങ്ങൾക്ക് ഡാറ്റാ ഫീൽഡിനും എലമെന്റ് മൂല്യങ്ങൾക്കുമായി അടിസ്ഥാന വിവരങ്ങൾ പ്രദർശിപ്പിക്കാനും ഡാറ്റ ഇല്ലാതെ ഘടകങ്ങൾ പ്രദർശിപ്പിക്കാനും കഴിയും.

OLAP റിപ്പോർട്ട് ഫിൽട്ടർ ഫീൽഡുകൾ ഉണ്ടാകണമെന്നില്ല എല്ലാംഘടകങ്ങളും ആജ്ഞയും റിപ്പോർട്ട് ഫിൽട്ടർ പേജുകൾ കാണിക്കുകലഭ്യമല്ല.

പ്രാരംഭ അടുക്കൽ ക്രമം OLAP ഉറവിട ഡാറ്റയ്ക്കായി, ഇനങ്ങൾ OLAP സെർവർ തിരികെ നൽകുന്ന ക്രമത്തിലാണ് ആദ്യം പ്രദർശിപ്പിക്കുന്നത്. നിങ്ങൾക്ക് ഘടകങ്ങൾ അടുക്കാനോ സ്വമേധയാ പുനഃക്രമീകരിക്കാനോ കഴിയും. മറ്റ് ഉറവിട ഡാറ്റ തരങ്ങൾക്കായി, പുതിയ റിപ്പോർട്ടിന്റെ ഘടകങ്ങൾ ആദ്യം ആരോഹണ ക്രമത്തിൽ മൂലകത്തിന്റെ പേര് പ്രകാരം അടുക്കുന്നു.

നിമി OLAP സെർവറുകൾ സംഗ്രഹ മൂല്യങ്ങൾ റിപ്പോർട്ടിലേക്ക് നേരിട്ട് നൽകുന്നു, അതിനാൽ മൂല്യ ഫീൽഡുകൾക്കായുള്ള സംഗ്രഹ പ്രവർത്തനങ്ങൾ മാറ്റുന്നത് സാധ്യമല്ല. മറ്റ് ഉറവിട ഡാറ്റ തരങ്ങൾക്കായി, നിങ്ങൾക്ക് മൂല്യ ഫീൽഡിനായി മൊത്തം ഫംഗ്‌ഷൻ മാറ്റാനും ഒരേ മൂല്യ ഫീൽഡിനായി ഒന്നിലധികം സംഗ്രഹ ഫംഗ്‌ഷനുകൾ ഉപയോഗിക്കാനും കഴിയും. നിങ്ങൾക്ക് OLAP ഉറവിട ഡാറ്റ ഉപയോഗിച്ച് റിപ്പോർട്ടുകളിൽ കണക്കാക്കിയ ഫീൽഡുകളും കണക്കാക്കിയ അംഗങ്ങളും സൃഷ്ടിക്കാൻ കഴിയില്ല.

ഉപമൊത്തം OLAP ഉറവിട ഡാറ്റയുള്ള റിപ്പോർട്ടുകളിൽ, നിങ്ങൾക്ക് സബ്ടോട്ടലുകളുടെ സംഗ്രഹ പ്രവർത്തനം മാറ്റാൻ കഴിയില്ല. മറ്റ് തരത്തിലുള്ള ഉറവിട ഡാറ്റ ഉപയോഗിച്ച്, നിങ്ങൾക്ക് സബ്‌ടോട്ടലുകൾക്കായുള്ള സംഗ്രഹ പ്രവർത്തനങ്ങൾ മാറ്റാനും എല്ലാ വരി, കോളം ഫീൽഡുകൾക്കുമായി സബ്‌ടോട്ടലുകൾ കാണിക്കുകയോ മറയ്ക്കുകയോ ചെയ്യാം.

OLAP ഉറവിട ഡാറ്റയ്‌ക്കായി, സബ്‌ടോട്ടലുകളും ഗ്രാൻഡ് ടോട്ടലുകളും കണക്കാക്കുമ്പോൾ മറഞ്ഞിരിക്കുന്ന ഇനങ്ങൾ ഉൾപ്പെടുത്തുകയോ ഒഴിവാക്കുകയോ ചെയ്യാം. മറ്റ് തരത്തിലുള്ള ഉറവിട ഡാറ്റയ്ക്കായി, നിങ്ങൾക്ക് സബ്ടോട്ടലുകളിൽ റിപ്പോർട്ട് ഫിൽട്ടർ ഫീൽഡുകളിൽ മറഞ്ഞിരിക്കുന്ന ഇനങ്ങൾ ഉൾപ്പെടുത്താം, എന്നാൽ മറ്റ് ഫീൽഡുകളിൽ മറഞ്ഞിരിക്കുന്ന ഇനങ്ങൾ ഡിഫോൾട്ടായി ഒഴിവാക്കപ്പെടും.

MS Excel-ൽ OLAP ക്യൂബ് ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നു

1. SQL സെർവർ അനാലിസിസ് സർവീസസ് (SSAS) OLAP ക്യൂബ് ആക്സസ് ചെയ്യാനുള്ള അനുമതി നേടുക
2. MS Excel 2016 / 2013 / 2010 നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ ഇൻസ്റ്റാൾ ചെയ്തിരിക്കണം (MS Excel 2007 സാധ്യമാണ്, പക്ഷേ അതിൽ പ്രവർത്തിക്കുന്നത് സൗകര്യപ്രദമല്ല, MS Excel 2003 ന് വളരെ മോശമായ പ്രവർത്തനമുണ്ട്)
3. MS Excel തുറക്കുക, അനലിറ്റിക്കൽ സേവനത്തിലേക്ക് ഒരു കണക്ഷൻ സജ്ജീകരിക്കുന്നതിന് വിസാർഡ് സമാരംഭിക്കുക:

3.1 നിലവിലെ OLAP സെർവറിന്റെ പേര് അല്ലെങ്കിൽ IP വിലാസം വ്യക്തമാക്കുക (ചിലപ്പോൾ നിങ്ങൾ ഒരു തുറന്ന പോർട്ട് നമ്പർ വ്യക്തമാക്കേണ്ടതുണ്ട്, ഉദാഹരണത്തിന്, 192.25.25.102:80); ഡൊമെയ്ൻ പ്രാമാണീകരണം ഉപയോഗിക്കുന്നു:

3.2 ഒരു മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാബേസും ഒരു അനലിറ്റിക്കൽ ക്യൂബും തിരഞ്ഞെടുക്കുക (നിങ്ങൾക്ക് ക്യൂബിലേക്ക് ആക്സസ് അവകാശമുണ്ടെങ്കിൽ):

3.3 അനലിറ്റിക്കൽ സേവനവുമായി ബന്ധിപ്പിക്കുന്നതിനുള്ള ക്രമീകരണങ്ങൾ നിങ്ങളുടെ കമ്പ്യൂട്ടറിലെ ഒരു odc ഫയലിൽ സംരക്ഷിക്കപ്പെടും:

3.4 റിപ്പോർട്ടിന്റെ തരം (പിവറ്റ് ടേബിൾ/ഗ്രാഫ്) തിരഞ്ഞെടുത്ത് അതിന്റെ പ്ലെയ്‌സ്‌മെന്റിനുള്ള സ്ഥാനം വ്യക്തമാക്കുക:

Excel വർക്ക്ബുക്കിൽ ഇതിനകം ഒരു കണക്ഷൻ സൃഷ്ടിച്ചിട്ടുണ്ടെങ്കിൽ, അത് വീണ്ടും ഉപയോഗിക്കാം: പ്രധാന മെനു "ഡാറ്റ" -> "നിലവിലുള്ള കണക്ഷനുകൾ" -> ഈ വർക്ക്ബുക്കിലെ കണക്ഷൻ തിരഞ്ഞെടുക്കുക -> നിർദ്ദിഷ്ട സെല്ലിലേക്ക് പിവറ്റ് ടേബിൾ ചേർക്കുക.

4. ക്യൂബിലേക്ക് വിജയകരമായി കണക്റ്റുചെയ്‌തു, നിങ്ങൾക്ക് സംവേദനാത്മക ഡാറ്റ വിശകലനം ആരംഭിക്കാൻ കഴിയും:

സംവേദനാത്മക ഡാറ്റ വിശകലനം ആരംഭിക്കുമ്പോൾ, പിവറ്റ് ടേബിളിന്റെ വരികൾ, നിരകൾ, ഫിൽട്ടറുകൾ (പേജുകൾ) എന്നിവയുടെ രൂപീകരണത്തിൽ ഏതൊക്കെ ഫീൽഡുകൾ ഉൾപ്പെടുമെന്ന് നിർണ്ണയിക്കേണ്ടത് ആവശ്യമാണ്. പൊതുവേ, പിവറ്റ് ടേബിൾ ത്രിമാനമാണ്, കൂടാതെ സ്‌ക്രീനിലേക്ക് ലംബമായി മൂന്നാം മാനം ഉണ്ടെന്ന് നമുക്ക് ചിന്തിക്കാം, കൂടാതെ സ്‌ക്രീനിന്റെ തലത്തിന് സമാന്തരമായതും ഏത് "പേജ്" തിരഞ്ഞെടുത്തുവെന്ന് നിർണ്ണയിക്കുന്നതുമായ വിഭാഗങ്ങൾ ഞങ്ങൾ കാണുന്നു. പ്രദർശിപ്പിക്കാൻ. റിപ്പോർട്ടിന്റെ ഫിൽട്ടറുകൾ ഏരിയയിലേക്ക് ഉചിതമായ അളവിലുള്ള ആട്രിബ്യൂട്ടുകൾ വലിച്ചുകൊണ്ട് ഫിൽട്ടറിംഗ് നടത്താം. ഫിൽട്ടറിംഗ് ക്യൂബിന്റെ ഇടം പരിമിതപ്പെടുത്തുന്നു, OLAP സെർവറിലെ ലോഡ് കുറയ്ക്കുന്നു, അങ്ങനെ ആദ്യം ആവശ്യമായ ഫിൽട്ടറുകൾ ഇൻസ്റ്റാൾ ചെയ്യുന്നതാണ് നല്ലത്. തുടർന്ന് നിങ്ങൾ വരിയിലും കോളം ഏരിയകളിലും ഡൈമൻഷൻ ആട്രിബ്യൂട്ടുകളും പിവറ്റ് ടേബിൾ ഡാറ്റ ഏരിയയിൽ അളവുകളും സ്ഥാപിക്കുന്നു.

ഓരോ തവണയും പിവറ്റ് ടേബിൾ മാറുമ്പോൾ, ഒരു MDX പ്രസ്താവന സ്വയമേവ OLAP സെർവറിലേക്ക് അയയ്‌ക്കുകയും എക്‌സിക്യൂട്ട് ചെയ്യുമ്പോൾ ഡാറ്റ തിരികെ നൽകുകയും ചെയ്യും. പ്രോസസ്സ് ചെയ്ത ഡാറ്റ, കണക്കാക്കിയ സൂചകങ്ങളുടെ അളവ് വലുതും കൂടുതൽ സങ്കീർണ്ണവും, അന്വേഷണ നിർവ്വഹണ സമയം ദൈർഘ്യമേറിയതാണ്. കീ അമർത്തി അഭ്യർത്ഥനയുടെ നിർവ്വഹണം നിങ്ങൾക്ക് റദ്ദാക്കാം എസ്കേപ്പ്. അവസാനം നടത്തിയ പ്രവർത്തനങ്ങൾ പഴയപടിയാക്കാം (Ctrl+Z) അല്ലെങ്കിൽ വീണ്ടും ചെയ്യാം (Ctrl+Y).

ചട്ടം പോലെ, ഡൈമൻഷൻ ആട്രിബ്യൂട്ടുകളുടെ ഏറ്റവും കൂടുതൽ ഉപയോഗിക്കുന്ന കോമ്പിനേഷനുകൾക്കായി, ക്യൂബ് മുൻകൂട്ടി കണക്കാക്കിയ സംഗ്രഹിച്ച ഡാറ്റ സംഭരിക്കുന്നു, അതിനാൽ അത്തരം ചോദ്യങ്ങളുടെ പ്രതികരണ സമയം നിരവധി സെക്കൻഡാണ്. എന്നിരുന്നാലും, അഗ്രഗേഷനുകളുടെ സാധ്യമായ എല്ലാ കോമ്പിനേഷനുകളും കണക്കാക്കുന്നത് അസാധ്യമാണ്, കാരണം ഇതിന് ധാരാളം സമയവും സംഭരണ ​​സ്ഥലവും ആവശ്യമാണ്. വിശദാംശങ്ങളുടെ തലത്തിൽ ഡാറ്റയെക്കുറിച്ചുള്ള വൻതോതിലുള്ള അന്വേഷണങ്ങൾ നിർവ്വഹിക്കുന്നതിന് കാര്യമായ സെർവർ കമ്പ്യൂട്ടിംഗ് ഉറവിടങ്ങൾ ആവശ്യമായി വരും, അതിനാൽ അവയുടെ നിർവ്വഹണ സമയം ദൈർഘ്യമേറിയതായിരിക്കും. ഡിസ്ക് ഡ്രൈവുകളിൽ നിന്നുള്ള ഡാറ്റ വായിച്ചതിനുശേഷം, സെർവർ അത് റാം കാഷെയിൽ സ്ഥാപിക്കുന്നു, ഇത് തുടർന്നുള്ള അഭ്യർത്ഥനകൾ തൽക്ഷണം നടപ്പിലാക്കാൻ അനുവദിക്കുന്നു, കാരണം കാഷെയിൽ നിന്ന് ഡാറ്റ വീണ്ടെടുക്കും.

നിങ്ങളുടെ അഭ്യർത്ഥന പതിവായി ഉപയോഗിക്കുമെന്നും അതിന്റെ നിർവ്വഹണ സമയം തൃപ്തികരമല്ലെന്നും നിങ്ങൾ കരുതുന്നുവെങ്കിൽ, അഭ്യർത്ഥനയുടെ നിർവ്വഹണം ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിന് നിങ്ങൾക്ക് അനലിറ്റിക്കൽ ഡെവലപ്‌മെന്റ് സപ്പോർട്ട് സേവനവുമായി ബന്ധപ്പെടാം.

വരികൾ/നിരകൾ ഏരിയയിൽ ശ്രേണി സ്ഥാപിച്ച ശേഷം, വ്യക്തിഗത ലെവലുകൾ മറയ്ക്കാൻ സാധിക്കും:

പ്രധാന ആട്രിബ്യൂട്ടുകൾക്കായി(കുറവ് പലപ്പോഴും - ശ്രേണിയിലെ ഉയർന്ന ആട്രിബ്യൂട്ടുകൾക്ക്) അളവുകൾക്ക് ഗുണങ്ങളുണ്ടാകാം - ടൂൾടിപ്പുകളിലും ഫീൽഡുകളിലും പ്രദർശിപ്പിക്കാൻ കഴിയുന്ന വിവരണാത്മക സവിശേഷതകൾ:

നിങ്ങൾക്ക് ഒരേസമയം നിരവധി ഫീൽഡ് പ്രോപ്പർട്ടികൾ പ്രദർശിപ്പിക്കണമെങ്കിൽ, നിങ്ങൾക്ക് അനുബന്ധ ഡയലോഗ് ലിസ്റ്റ് ഉപയോഗിക്കാം:

ഉപയോക്തൃ നിർവചിച്ച സെറ്റുകൾ

എക്സൽ 2010, ഡൈമൻഷൻ അംഗങ്ങളിൽ നിന്ന് ഇഷ്‌ടാനുസൃത (ഉപയോക്തൃ-നിർവചിക്കപ്പെട്ട) സെറ്റുകൾ സംവേദനാത്മകമായി സൃഷ്‌ടിക്കുന്നതിനുള്ള കഴിവ് അവതരിപ്പിക്കുന്നു:

ക്യൂബിന്റെ വശത്ത് കേന്ദ്രമായി സൃഷ്ടിച്ച് സംഭരിച്ചിരിക്കുന്ന സെറ്റുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ഇഷ്‌ടാനുസൃത സെറ്റുകൾ ഒരു Excel വർക്ക്ബുക്കിൽ പ്രാദേശികമായി സംഭരിക്കുകയും പിന്നീട് ഉപയോഗിക്കുകയും ചെയ്യാം:

വിപുലമായ ഉപയോക്താക്കൾക്ക് MDX നിർമ്മാണങ്ങൾ ഉപയോഗിച്ച് സെറ്റുകൾ സൃഷ്ടിക്കാൻ കഴിയും:

പിവറ്റ് ടേബിൾ പ്രോപ്പർട്ടികൾ ക്രമീകരിക്കുന്നു

സന്ദർഭ മെനുവിലെ "പിവറ്റ് ടേബിൾ ഓപ്‌ഷനുകൾ..." ഇനം (പിവറ്റ് ടേബിളിനുള്ളിൽ വലത് ക്ലിക്ക് ചെയ്യുക) പിവറ്റ് പട്ടിക ഇഷ്ടാനുസൃതമാക്കാനുള്ള കഴിവ് നൽകുന്നു, ഉദാഹരണത്തിന്:
- "ഔട്ട്പുട്ട്" ടാബ്, "ക്ലാസിക് പിവറ്റ് ടേബിൾ ലേഔട്ട്" ഓപ്ഷൻ - പിവറ്റ് ടേബിൾ ഇന്ററാക്ടീവ് ആയി മാറുന്നു, ഫീൽഡുകൾ വലിച്ചിടാൻ കഴിയും (ഡ്രാഗ്&ഡ്രോപ്പ്);
- "ഔട്ട്‌പുട്ട്" ടാബ്, "വരികളിൽ ഡാറ്റയില്ലാതെ ഘടകങ്ങൾ കാണിക്കുക" പാരാമീറ്റർ - പിവറ്റ് ടേബിൾ അനുബന്ധ അളവുകൾക്കുള്ള സൂചക മൂല്യങ്ങളൊന്നും ഉൾക്കൊള്ളാത്ത ശൂന്യമായ വരികൾ പ്രദർശിപ്പിക്കും;
- "ലേഔട്ടും ഫോർമാറ്റും" ടാബ്, "അപ്ഡേറ്റ് ചെയ്യുമ്പോൾ സെൽ ഫോർമാറ്റിംഗ് സൂക്ഷിക്കുക" പാരാമീറ്റർ - പിവറ്റ് ടേബിളിൽ, ഡാറ്റ അപ്ഡേറ്റ് ചെയ്യുമ്പോൾ സെൽ ഫോർമാറ്റ് അസാധുവാക്കാനും സംരക്ഷിക്കാനും കഴിയും;

പിവറ്റ്ചാർട്ടുകൾ സൃഷ്ടിക്കുന്നു

നിലവിലുള്ള OLAP പിവറ്റ് ടേബിളിനായി, നിങ്ങൾക്ക് ഒരു പിവറ്റ് ചാർട്ട് സൃഷ്ടിക്കാൻ കഴിയും - പൈ, ബാർ, ഹിസ്റ്റോഗ്രാം, ഗ്രാഫ്, സ്കാറ്റർ, മറ്റ് തരത്തിലുള്ള ചാർട്ടുകൾ:

ഈ സാഹചര്യത്തിൽ, പിവറ്റ് ചാർട്ട് പിവറ്റ് ടേബിളുമായി സമന്വയിപ്പിക്കും - നിങ്ങൾ പിവറ്റ് പട്ടികയിലെ സൂചകങ്ങൾ, ഫിൽട്ടറുകൾ, അളവുകൾ എന്നിവയുടെ ഘടന മാറ്റുമ്പോൾ, പിവറ്റ് പട്ടികയും അപ്ഡേറ്റ് ചെയ്യപ്പെടും.

ഡാഷ്ബോർഡുകൾ സൃഷ്ടിക്കുന്നു

യഥാർത്ഥ പിവറ്റ് പട്ടിക തിരഞ്ഞെടുക്കുക, അത് ക്ലിപ്പ്ബോർഡിലേക്ക് (Ctrl + C) പകർത്തി അതിന്റെ പകർപ്പ് (Ctrl + V) ഒട്ടിക്കുക, അതിൽ ഞങ്ങൾ സൂചകങ്ങളുടെ ഘടന മാറ്റും:

ഒരേ സമയം ഒന്നിലധികം പിവറ്റ് ടേബിളുകൾ മാനേജ് ചെയ്യാൻ, നമുക്ക് ഒരു സ്ലൈസർ തിരുകാം (MS Excel 2010 മുതൽ പുതിയ പ്രവർത്തനം ലഭ്യമാണ്). നമുക്ക് നമ്മുടെ സ്ലൈസർ പിവറ്റ് ടേബിളുകളിലേക്ക് ബന്ധിപ്പിക്കാം - സ്ലൈസറിനുള്ളിൽ വലത്-ക്ലിക്കുചെയ്യുക, സന്ദർഭ മെനുവിൽ നിന്ന് "പിവറ്റ് ടേബിളിലേക്കുള്ള കണക്ഷനുകൾ ..." തിരഞ്ഞെടുക്കുക. ഒരേ സമയം വ്യത്യസ്‌ത ഷീറ്റുകളിൽ പിവറ്റ് ടേബിളുകൾ സേവിക്കാൻ കഴിയുന്ന ഒന്നിലധികം സ്ലൈസർ പാനലുകൾ ഉണ്ടാകാമെന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്, ഇത് ഏകോപിപ്പിച്ച ഡാഷ്‌ബോർഡുകൾ സൃഷ്‌ടിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു.

സ്ലൈസർ പാനലുകൾ ക്രമീകരിക്കാൻ കഴിയും: പാനൽ തിരഞ്ഞെടുക്കുക, തുടർന്ന് റൈറ്റ് ക്ലിക്ക് സന്ദർഭ മെനുവിൽ അല്ലെങ്കിൽ പ്രധാന മെനുവിലെ "ഓപ്‌ഷനുകൾ" ഇനത്തിൽ "വലിപ്പവും ഗുണങ്ങളും...", "സ്ലൈസ് ക്രമീകരണങ്ങൾ", "മാക്രോ അസൈൻ ചെയ്യുക" എന്നിവ കാണുക. അതിനാൽ, സ്ലൈസറിന്റെ ഘടകങ്ങൾ (ബട്ടണുകൾ), സ്ലൈസർ ബട്ടണുകളുടെയും പാനലിന്റെയും വലുപ്പങ്ങൾ എന്നിവയ്ക്കായി നിരകളുടെ എണ്ണം സജ്ജമാക്കാൻ കഴിയും, നിലവിലുള്ള സെറ്റിൽ നിന്ന് സ്ലൈസറിനുള്ള വർണ്ണ സ്കീമും ഡിസൈൻ ശൈലിയും നിർവചിക്കുക (അല്ലെങ്കിൽ നിങ്ങളുടേത് സൃഷ്ടിക്കുക. ശൈലി), നിങ്ങളുടെ സ്വന്തം പാനൽ ശീർഷകം നിർവചിക്കുക, ഒരു പ്രോഗ്രാം മാക്രോ നൽകുക, അതിലൂടെ നിങ്ങൾക്ക് പാനൽ പ്രവർത്തനം വിപുലീകരിക്കാൻ കഴിയും.

Excel-ൽ നിന്ന് ഒരു MDX അന്വേഷണം നടപ്പിലാക്കുന്നു

1. ഒന്നാമതായി, നിങ്ങൾ ചില സൂചകങ്ങളിൽ DRILLTHROUGH പ്രവർത്തനം നടത്തേണ്ടതുണ്ട്, അതായത്. വിശദമായ ഡാറ്റയിലേക്ക് പോകുക (വിശദമായ ഡാറ്റ ഒരു പ്രത്യേക ഷീറ്റിൽ പ്രദർശിപ്പിക്കും), കൂടാതെ കണക്ഷനുകളുടെ ലിസ്റ്റ് തുറക്കുക;
2. കണക്ഷൻ പ്രോപ്പർട്ടികൾ തുറക്കുക, "നിർവചനം" ടാബിലേക്ക് പോകുക;
3. ഡിഫോൾട്ട് കമാൻഡ് തരം തിരഞ്ഞെടുക്കുക, കമാൻഡ് ടെക്സ്റ്റ് ഫീൽഡിൽ മുൻകൂട്ടി തയ്യാറാക്കിയത് സ്ഥാപിക്കുക MDXഅഭ്യർത്ഥന;
4. ബട്ടൺ അമർത്തുമ്പോൾ, അഭ്യർത്ഥനയുടെ ശരിയായ വാക്യഘടനയും ഉചിതമായ ആക്സസ് അവകാശങ്ങളുടെ ലഭ്യതയും പരിശോധിച്ച ശേഷം, അഭ്യർത്ഥന സെർവറിൽ നടപ്പിലാക്കും, ഫലം ഒരു സാധാരണ ഫ്ലാറ്റ് ടേബിളിന്റെ രൂപത്തിൽ നിലവിലെ ഷീറ്റിൽ അവതരിപ്പിക്കും.
   മറ്റ് അധിക പ്രവർത്തനങ്ങളും നൽകുന്ന ഒരു സൗജന്യ ആഡ്-ഓൺ ഇൻസ്റ്റാൾ ചെയ്തുകൊണ്ട് Excel സൃഷ്ടിച്ച MDX അന്വേഷണത്തിന്റെ വാചകം നിങ്ങൾക്ക് കാണാൻ കഴിയും.

മറ്റ് ഭാഷകളിലേക്ക് വിവർത്തനം

അനലിറ്റിക്കൽ ക്യൂബ് റഷ്യൻ, ഇംഗ്ലീഷ് ഭാഷകളിലേക്ക് പ്രാദേശികവൽക്കരണത്തെ പിന്തുണയ്ക്കുന്നു (ആവശ്യമെങ്കിൽ, മറ്റ് ഭാഷകളിലേക്ക് പ്രാദേശികവൽക്കരണം സാധ്യമാണ്). അളവുകൾ, ശ്രേണികൾ, ആട്രിബ്യൂട്ടുകൾ, ഫോൾഡറുകൾ, അളവുകൾ, വ്യക്തിഗത ശ്രേണികളുടെ ഘടകങ്ങൾ എന്നിവയുടെ പേരുകൾ അക്കൗണ്ടിംഗ് സിസ്റ്റങ്ങളുടെ / ഡാറ്റ സംഭരണത്തിന്റെ ഭാഗത്ത് വിവർത്തനങ്ങളുണ്ടെങ്കിൽ വിവർത്തനങ്ങൾ ബാധകമാണ്. ഭാഷ മാറ്റാൻ, കണക്ഷൻ പ്രോപ്പർട്ടികൾ തുറന്ന് കണക്ഷൻ സ്ട്രിംഗിൽ ഇനിപ്പറയുന്ന ഓപ്ഷൻ ചേർക്കുക:
വിപുലീകരിച്ച പ്രോപ്പർട്ടികൾ="ലോക്കേൽ=1033"
എവിടെ 1033 - ഇംഗ്ലീഷ് പ്രാദേശികവൽക്കരണം
1049 - റഷ്യൻ പ്രാദേശികവൽക്കരണം

Microsoft OLAP-നുള്ള അധിക Excel വിപുലീകരണങ്ങൾ

നിങ്ങൾ അധിക വിപുലീകരണങ്ങൾ ഉപയോഗിക്കുകയാണെങ്കിൽ Microsoft OLAP ക്യൂബുകളിൽ പ്രവർത്തിക്കാനുള്ള കഴിവ് വർദ്ധിക്കും, ഉദാഹരണത്തിന്, OLAP പിവറ്റ് ടേബിൾ എക്സ്റ്റൻഷനുകൾ, ഇതിന് നന്ദി, അളവനുസരിച്ച് നിങ്ങൾക്ക് വേഗത്തിലുള്ള തിരയൽ ഉപയോഗിക്കാം:

പിവറ്റ് റിപ്പോർട്ടുകൾ എന്നും വിളിക്കപ്പെടുന്ന ആദ്യത്തെ പിവറ്റ് ടേബിൾ ഇന്റർഫേസ് 1993-ൽ Excel-ൽ ഉൾപ്പെടുത്തി (Excel പതിപ്പ് 5.0). ഉപയോഗപ്രദമായ നിരവധി സവിശേഷതകൾ ഉണ്ടായിരുന്നിട്ടും, മിക്ക Excel ഉപയോക്താക്കളുടെയും പ്രവർത്തനത്തിൽ ഇത് പ്രായോഗികമായി ഉപയോഗിക്കുന്നില്ല. പരിചയസമ്പന്നരായ ഉപയോക്താക്കൾ പോലും സങ്കീർണ്ണമായ സൂത്രവാക്യങ്ങൾ ഉപയോഗിച്ച് നിർമ്മിച്ച "സംഗ്രഹ റിപ്പോർട്ട്" എന്ന പദം കൊണ്ട് അർത്ഥമാക്കുന്നു. സാമ്പത്തിക വിദഗ്ധരുടെ ദൈനംദിന പ്രവർത്തനങ്ങളിൽ പിവറ്റ് പട്ടികകളുടെ ഉപയോഗം ജനകീയമാക്കാൻ ശ്രമിക്കാം. ഈ ലേഖനം സംഗ്രഹ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കുന്നതിനുള്ള സൈദ്ധാന്തിക അടിസ്ഥാനം ചർച്ച ചെയ്യുന്നു, അവയുടെ ഉപയോഗത്തിന് പ്രായോഗിക ശുപാർശകൾ നൽകുന്നു, കൂടാതെ നിരവധി പട്ടികകളെ അടിസ്ഥാനമാക്കി ഡാറ്റ ആക്സസ് ചെയ്യുന്നതിനുള്ള ഒരു ഉദാഹരണവും നൽകുന്നു.

മൾട്ടിവൈരിയേറ്റ് ഡാറ്റ വിശകലനത്തിന്റെ നിബന്ധനകൾ

"മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ", "വെർച്വൽ ക്യൂബ്", "OLAP ടെക്നോളജീസ്" തുടങ്ങിയ പദങ്ങൾ മിക്ക സാമ്പത്തിക വിദഗ്ധരും കേട്ടിട്ടുണ്ട്. എന്നാൽ വിശദമായ സംഭാഷണത്തിലൂടെ, അപകടസാധ്യത എന്താണെന്ന് മിക്കവാറും എല്ലാവർക്കും മനസ്സിലാകുന്നില്ലെന്ന് സാധാരണയായി മാറുന്നു. അതായത്, ആളുകൾ അർത്ഥമാക്കുന്നത് സങ്കീർണ്ണമായതും സാധാരണയായി അവരുടെ ദൈനംദിന പ്രവർത്തനങ്ങൾക്ക് പ്രസക്തമല്ലാത്തതുമാണ്. യഥാർത്ഥത്തിൽ അങ്ങനെയല്ല.

മൾട്ടി-ഡൈമൻഷണൽ ഡാറ്റ, അളവുകൾ

സാമ്പത്തിക വിദഗ്ധർ മിക്കവാറും എല്ലാ സമയത്തും മൾട്ടി-ഡൈമൻഷണൽ ഡാറ്റ കൈകാര്യം ചെയ്യുന്നുവെന്ന് പറയുന്നത് സുരക്ഷിതമാണ്, പക്ഷേ അവർ അത് സ്പ്രെഡ്ഷീറ്റുകൾ ഉപയോഗിച്ച് മുൻകൂട്ടി നിശ്ചയിച്ച രീതിയിൽ അവതരിപ്പിക്കാൻ ശ്രമിക്കുന്നു. ഇവിടെ മൾട്ടിഡൈമൻഷണാലിറ്റി എന്നാൽ രൂപമാറ്റം, വിവിധ ഗ്രൂപ്പുകളുടെ ഉപയോഗം, ഡാറ്റ തരംതിരിക്കൽ എന്നിവ ഉപയോഗിച്ച് ഒരേ വിവരങ്ങൾ നൽകാനും കാണാനും വിശകലനം ചെയ്യാനുമുള്ള കഴിവ് അർത്ഥമാക്കുന്നു. ഉദാഹരണത്തിന്, ഇനിപ്പറയുന്ന മാനദണ്ഡങ്ങൾക്കനുസരിച്ച് ഒരു വിൽപ്പന പദ്ധതി വിശകലനം ചെയ്യാം:

• സാധനങ്ങളുടെ തരങ്ങൾ അല്ലെങ്കിൽ ഗ്രൂപ്പുകൾ;
• ബ്രാൻഡുകൾ അല്ലെങ്കിൽ ഉൽപ്പന്ന വിഭാഗങ്ങൾ;
• കാലഘട്ടങ്ങൾ (മാസം, പാദം, വർഷം);
• വാങ്ങുന്നവർ അല്ലെങ്കിൽ വാങ്ങുന്നവരുടെ ഗ്രൂപ്പുകൾ;
• വിൽപ്പന മേഖലകൾ
• തുടങ്ങിയവ.

മൾട്ടിവേറിയറ്റ് ഡാറ്റാ വിശകലനത്തിന്റെ അടിസ്ഥാനത്തിൽ മുകളിൽ പറഞ്ഞിരിക്കുന്ന ഓരോ മാനദണ്ഡത്തെയും ഒരു "ഡൈമൻഷൻ" എന്ന് വിളിക്കുന്നു. ഒരു നിശ്ചിത മൂല്യങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങളെ ഒരു മാനം ചിത്രീകരിക്കുന്നുവെന്ന് പറയാം. മൾട്ടിഡൈമൻഷണൽ വിവരങ്ങളുടെ ഒരു പ്രത്യേക തരം അളക്കൽ "ഡാറ്റ" ആണ്. ഞങ്ങളുടെ ഉദാഹരണത്തിൽ, വിൽപ്പന പ്ലാൻ ഡാറ്റ ഇതായിരിക്കാം:

• വിൽപ്പനയുടെ അളവ്;
• വിൽപ്പന വില;
• വ്യക്തിഗത കിഴിവ്
• തുടങ്ങിയവ.

സൈദ്ധാന്തികമായി, ഡാറ്റ മൾട്ടിഡൈമൻഷണൽ വിവരങ്ങളുടെ ഒരു സ്റ്റാൻഡേർഡ് ഡൈമൻഷൻ ആകാം (ഉദാഹരണത്തിന്, നിങ്ങൾക്ക് വിൽപ്പന വില പ്രകാരം ഡാറ്റ ഗ്രൂപ്പുചെയ്യാനാകും), എന്നാൽ ഡാറ്റ സാധാരണയായി ഒരു പ്രത്യേക തരം മൂല്യമാണ്.

അതിനാൽ, പ്രായോഗിക ജോലിയിൽ, സാമ്പത്തിക വിദഗ്ധർ രണ്ട് തരം വിവരങ്ങൾ ഉപയോഗിക്കുന്നുവെന്ന് നമുക്ക് പറയാം: ബഹുമുഖ ഡാറ്റ (നിരവധി സവിശേഷതകളുള്ള യഥാർത്ഥവും ആസൂത്രിതവുമായ സംഖ്യകൾ) ഡയറക്‌ടറികൾ (ഡാറ്റയുടെ സ്വഭാവസവിശേഷതകൾ അല്ലെങ്കിൽ അളവുകൾ).

OLAP

അക്ഷരീയ വിവർത്തനത്തിലെ OLAP (ഓൺലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്) എന്ന ചുരുക്കെഴുത്ത് "റിയൽ-ടൈം അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്" പോലെയാണ്. നിർവചനം വളരെ വ്യക്തമല്ല; ഏതൊരു സോഫ്റ്റ്‌വെയർ ഉൽപ്പന്നത്തിന്റെയും ഏതാണ്ട് ഏത് റിപ്പോർട്ടും അതിനടിയിൽ സംഗ്രഹിക്കാം. നിർവ്വചനം അനുസരിച്ച്, മൾട്ടിഡൈമൻഷണൽ ഘടനാപരമായ ഡാറ്റ നേടുന്നതിനും വിശകലനം ചെയ്യുന്നതിനുമുള്ള സോഫ്റ്റ്‌വെയർ ഉൾപ്പെടെയുള്ള പ്രത്യേക റിപ്പോർട്ടുകൾക്കൊപ്പം പ്രവർത്തിക്കുന്നതിനുള്ള സാങ്കേതികവിദ്യയാണ് OLAP അർത്ഥമാക്കുന്നത്. OLAP സാങ്കേതികവിദ്യകൾ നടപ്പിലാക്കുന്ന ജനപ്രിയ സോഫ്റ്റ്‌വെയർ ഉൽപ്പന്നങ്ങളിലൊന്നാണ് SQL സെർവർ അനാലിസിസ് സെർവർ. ഈ ആശയത്തിന്റെ സോഫ്റ്റ്വെയർ നടപ്പാക്കലിന്റെ ഏക പ്രതിനിധിയായി ചിലർ അദ്ദേഹത്തെ തെറ്റായി കണക്കാക്കുന്നു.

വെർച്വൽ ഡാറ്റ ക്യൂബ്

"വെർച്വൽ ക്യൂബ്" (മൾട്ടിഡൈമൻഷണൽ ക്യൂബ്, OLAP ക്യൂബ്) എന്നത് ചില പ്രത്യേക സോഫ്റ്റ്‌വെയർ വെണ്ടർമാർ ഉപയോഗിച്ച ഒരു സാങ്കേതിക പദമാണ്. OLAP സിസ്റ്റങ്ങൾ സാധാരണയായി അവരുടെ സ്വന്തം ഘടനകളിൽ ഡാറ്റ തയ്യാറാക്കുകയും സംഭരിക്കുകയും ചെയ്യുന്നു, കൂടാതെ പ്രത്യേക വിശകലന ഇന്റർഫേസുകൾ (എക്‌സൽ സംഗ്രഹ റിപ്പോർട്ടുകൾ പോലുള്ളവ) ഈ വെർച്വൽ ക്യൂബുകളിൽ നിന്നുള്ള ഡാറ്റ ആക്‌സസ് ചെയ്യുന്നു. അതേ സമയം, മൾട്ടിഡൈമൻഷണൽ വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്നതിന് അത്തരമൊരു സമർപ്പിത സംഭരണത്തിന്റെ ഉപയോഗം ആവശ്യമില്ല. പൊതുവായി, വെർച്വൽ ക്യൂബ്- സംഗ്രഹ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കാൻ ഉപയോഗിക്കുന്ന പ്രത്യേകമായി ഒപ്റ്റിമൈസ് ചെയ്ത മൾട്ടിഡൈമൻഷണൽ ഡാറ്റയുടെ ഒരു നിരയാണിത്. പ്രത്യേക സോഫ്‌റ്റ്‌വെയർ ടൂളുകൾ വഴിയും ഡാറ്റാബേസ് ടേബിളുകളിലേക്കോ എക്‌സൽ സ്‌പ്രെഡ്‌ഷീറ്റ് പോലെയുള്ള മറ്റേതെങ്കിലും സ്രോതസ്സുകളിലേക്കോ ഉള്ള ലളിതമായ ആക്‌സസ് വഴിയും ഇത് നേടാനാകും.

പിവറ്റ് പട്ടിക

ബഹുമുഖ ഡാറ്റ പ്രദർശിപ്പിക്കുന്നതിനുള്ള ഒരു ഉപയോക്തൃ ഇന്റർഫേസാണ് "പിവറ്റ് റിപ്പോർട്ട്" (പിവറ്റ് പട്ടിക, പിവറ്റ് പട്ടിക). ഈ ഇന്റർഫേസ് ഉപയോഗിച്ച്, നിങ്ങൾക്ക് വിവിധ വിശകലന സാമ്പിളുകൾ ലഭിക്കുന്നതിന് ഗ്രൂപ്പുചെയ്യാനും അടുക്കാനും ഫിൽട്ടർ ചെയ്യാനും ഡാറ്റയുടെ സ്ഥാനം മാറ്റാനും കഴിയും. ലളിതമായ ഉപയോക്തൃ ഇന്റർഫേസ് ടൂളുകൾ ഉപയോഗിച്ച് റിപ്പോർട്ട് അപ്‌ഡേറ്റ് ചെയ്‌തു, നിർദ്ദിഷ്ട നിയമങ്ങൾക്കനുസരിച്ച് ഡാറ്റ സ്വയമേവ സമാഹരിക്കുന്നു, കൂടാതെ ഏതെങ്കിലും വിവരങ്ങളുടെ അധികമോ റീ-എൻട്രിയോ ആവശ്യമില്ല. എക്സൽ പിവറ്റ് ടേബിൾ ഇന്റർഫേസ് ഒരുപക്ഷേ മൾട്ടിഡൈമൻഷണൽ ഡാറ്റയുമായി പ്രവർത്തിക്കുന്നതിനുള്ള ഏറ്റവും ജനപ്രിയമായ സോഫ്റ്റ്വെയർ ഉൽപ്പന്നമാണ്. ഇത് ബാഹ്യ ഡാറ്റ ഉറവിടങ്ങളെയും (OLAP ക്യൂബുകളും റിലേഷണൽ ഡാറ്റാബേസുകളും) ഒരു ഡാറ്റാ ഉറവിടമായി ആന്തരിക സ്‌പ്രെഡ്‌ഷീറ്റ് ശ്രേണികളെയും പിന്തുണയ്ക്കുന്നു. പതിപ്പ് 2000 (9.0) മുതൽ, മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ പ്രദർശിപ്പിക്കുന്നതിനുള്ള ഒരു ഗ്രാഫിക്കൽ രൂപവും Excel പിന്തുണയ്ക്കുന്നു - ഒരു പിവറ്റ് ചാർട്ട്.

Excel-ൽ നടപ്പിലാക്കിയിരിക്കുന്ന PivotTable ഇന്റർഫേസ്, വർക്ക്ഷീറ്റ് ഏരിയയിൽ മൾട്ടിഡൈമൻഷണൽ ഡാറ്റയുടെ അളവുകൾ ക്രമീകരിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു. ലാളിത്യത്തിനായി, നിങ്ങൾക്ക് ഒരു പിവറ്റ് ടേബിളിനെ സെല്ലുകളുടെ ഒരു ശ്രേണിയുടെ മുകളിൽ കിടക്കുന്ന ഒരു റിപ്പോർട്ടായി കണക്കാക്കാം (വാസ്തവത്തിൽ, പിവറ്റ് ടേബിളിന്റെ ഫീൽഡുകളിലേക്ക് സെൽ ഫോർമാറ്റുകളുടെ ഒരു നിശ്ചിത ബന്ധമുണ്ട്). ഒരു എക്സൽ പിവറ്റ് ടേബിളിന് നാല് ഡിസ്പ്ലേ ഏരിയകളുണ്ട്: ഫിൽട്ടർ, കോളങ്ങൾ, വരികൾ, ഡാറ്റ. ഡാറ്റ അളവുകൾ പേരിട്ടു പിവറ്റ് ടേബിൾ ഫീൽഡുകൾ. ഈ ഫീൽഡുകൾക്ക് അവരുടേതായ സവിശേഷതകളും ഡിസ്പ്ലേ ഫോർമാറ്റും ഉണ്ട്.

ഒരിക്കൽ കൂടി, Excel പിവറ്റ് ടേബിൾ വിവരങ്ങൾ എഡിറ്റ് ചെയ്യാനുള്ള സാധ്യതയില്ലാതെ ഡാറ്റാ വിശകലനത്തിന് വേണ്ടി മാത്രമുള്ളതാണെന്ന വസ്തുതയിലേക്ക് നിങ്ങളുടെ ശ്രദ്ധ ആകർഷിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു. അർത്ഥത്തിൽ അടുത്തത് "പിവറ്റ് റിപ്പോർട്ട്" (പിവറ്റ് റിപ്പോർട്ട്) എന്ന പദത്തിന്റെ വ്യാപകമായ ഉപയോഗമായിരിക്കും, അങ്ങനെയാണ് 2000 വർഷം വരെ ഈ ഇന്റർഫേസ് വിളിച്ചിരുന്നത്. എന്നാൽ ചില കാരണങ്ങളാൽ, തുടർന്നുള്ള പതിപ്പുകളിൽ, ഡവലപ്പർമാർ അത് ഉപേക്ഷിച്ചു.

പിവറ്റ് പട്ടികകൾ എഡിറ്റുചെയ്യുന്നു

അതിന്റെ നിർവചനം അനുസരിച്ച്, OLAP സാങ്കേതികവിദ്യ, തത്വത്തിൽ, റിപ്പോർട്ടുകൾക്കൊപ്പം പ്രവർത്തിക്കുമ്പോൾ ഉറവിട ഡാറ്റ മാറ്റാനുള്ള സാധ്യതയെ സൂചിപ്പിക്കുന്നില്ല. എന്നിരുന്നാലും, മൾട്ടി-ഡൈമൻഷണൽ ടേബിളുകളിൽ ഡാറ്റയുടെ വിശകലനത്തിന്റെയും നേരിട്ടുള്ള എഡിറ്റിംഗിന്റെയും സാധ്യതകൾ നടപ്പിലാക്കുന്ന ഒരു മുഴുവൻ തരം സോഫ്റ്റ്വെയർ സിസ്റ്റങ്ങളും വിപണിയിൽ ഉയർന്നുവന്നിട്ടുണ്ട്. അടിസ്ഥാനപരമായി, അത്തരം സംവിധാനങ്ങൾ ബജറ്റിംഗ് പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു.

Excel-ന്റെ ബിൽറ്റ്-ഇൻ ഓട്ടോമേഷൻ ടൂളുകൾ ഉപയോഗിച്ച്, നിങ്ങൾക്ക് പല നിലവാരമില്ലാത്ത ജോലികളും പരിഹരിക്കാൻ കഴിയും. പിവറ്റ് പട്ടികകൾക്കുള്ള എഡിറ്റിംഗിന്റെ ഒരു ഉദാഹരണം നടപ്പിലാക്കുക Excel അടിസ്ഥാനമാക്കിയുള്ള ഡാറ്റ വർക്ക്ഷീറ്റ് ഞങ്ങളുടെ വെബ്സൈറ്റിൽ കാണാം.

മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ തയ്യാറാക്കുന്നു

പിവറ്റ് പട്ടികകളുടെ പ്രായോഗിക പ്രയോഗത്തെ സമീപിക്കാം. വ്യത്യസ്ത ദിശകളിൽ വിൽപ്പന ഡാറ്റ വിശകലനം ചെയ്യാൻ ശ്രമിക്കാം. ഫയൽ pivottableexample.xlsനിരവധി ഷീറ്റുകൾ ഉൾക്കൊള്ളുന്നു. ഷീറ്റ് ഉദാഹരണംഒരു നിശ്ചിത കാലയളവിലെ വിൽപ്പനയെക്കുറിച്ചുള്ള അടിസ്ഥാന വിവരങ്ങൾ അടങ്ങിയിരിക്കുന്നു. ഉദാഹരണത്തിന്റെ ലാളിത്യത്തിനായി, ഞങ്ങൾ ഏക സംഖ്യാ സൂചകം വിശകലനം ചെയ്യും - കിലോയിലെ വിൽപ്പനയുടെ അളവ്. ഇനിപ്പറയുന്ന പ്രധാന ഡാറ്റ അളവുകൾ ലഭ്യമാണ്: ഉൽപ്പന്നം, വാങ്ങുന്നയാൾ, കാരിയർ (ഗതാഗത കമ്പനി). കൂടാതെ, ഉൽപ്പന്നത്തിന്റെ ആട്രിബ്യൂട്ടായ ഡാറ്റയുടെ നിരവധി അധിക അളവുകൾ ഉണ്ട്: തരം, ബ്രാൻഡ്, വിഭാഗം, വിതരണക്കാരൻ, അതുപോലെ വാങ്ങുന്നയാൾ: തരം. ഈ ഡാറ്റ ഡയറക്ടറി ഷീറ്റിൽ ശേഖരിക്കുന്നു. പ്രായോഗികമായി, അത്തരം കൂടുതൽ അളവുകൾ ഉണ്ടാകാം.

ഷീറ്റ് ഉദാഹരണംഒരു സ്റ്റാൻഡേർഡ് ഡാറ്റ വിശകലന ഉപകരണം അടങ്ങിയിരിക്കുന്നു - ഓട്ടോഫിൽറ്റർ. പട്ടിക പൂരിപ്പിക്കുന്നതിന്റെ ഉദാഹരണം നോക്കുമ്പോൾ, തീയതികൾ അനുസരിച്ച് വിൽപ്പന ഡാറ്റ (അവ നിരകളായി ക്രമീകരിച്ചിരിക്കുന്നു) സാധാരണ വിശകലനത്തിന് സ്വയം കടം കൊടുക്കുന്നുവെന്ന് വ്യക്തമാണ്. കൂടാതെ, ഓട്ടോഫിൽറ്റർ ഉപയോഗിച്ച്, ഒന്നോ അതിലധികമോ പ്രധാന മാനദണ്ഡങ്ങളുടെ സംയോജനത്തിലൂടെ നിങ്ങൾക്ക് ഡാറ്റ സംഗ്രഹിക്കാൻ ശ്രമിക്കാം. ബ്രാൻഡുകൾ, വിഭാഗങ്ങൾ, തരങ്ങൾ എന്നിവയെക്കുറിച്ച് ഒരു വിവരവുമില്ല. ഒരു നിർദ്ദിഷ്‌ട കീ (ഉദാഹരണത്തിന്, ഉപഭോക്താക്കൾ) ഉപയോഗിച്ച് സ്വയമേവയുള്ള സംഗ്രഹം ഉപയോഗിച്ച് ഡാറ്റ ഗ്രൂപ്പുചെയ്യുന്നത് സാധ്യമല്ല. കൂടാതെ, തീയതികളുടെ സെറ്റ് നിശ്ചയിച്ചിട്ടുണ്ട്, കൂടാതെ ഒരു നിശ്ചിത കാലയളവിലേക്ക് സംഗ്രഹ വിവരങ്ങൾ കാണാൻ കഴിയില്ല, ഉദാഹരണത്തിന്, 3 ദിവസം, യാന്ത്രിക മാർഗങ്ങളിലൂടെ.

പൊതുവേ, ഈ ഉദാഹരണത്തിൽ മുൻകൂട്ടി നിശ്ചയിച്ച തീയതി ലൊക്കേഷന്റെ സാന്നിധ്യം പട്ടികയുടെ പ്രധാന പോരായ്മയാണ്. കോളങ്ങൾ ഉപയോഗിച്ച് തീയതികൾ ക്രമീകരിക്കുന്നതിലൂടെ, ഈ പട്ടികയുടെ അളവ് ഞങ്ങൾ മുൻകൂട്ടി നിശ്ചയിച്ചു, അങ്ങനെ പിവറ്റ് പട്ടികകൾ ഉപയോഗിച്ച് വിശകലനം ഉപയോഗിക്കാനുള്ള അവസരം നഷ്‌ടപ്പെടുത്തുന്നു.

ആദ്യം, ഈ പോരായ്മയിൽ നിന്ന് മുക്തി നേടേണ്ടതുണ്ട് - അതായത്. ഉറവിട ഡാറ്റയുടെ അളവുകളിലൊന്നിന്റെ മുൻനിശ്ചയിച്ച സ്ഥാനം നീക്കം ചെയ്യുക. സാധുവായ പട്ടികയുടെ ഒരു ഉദാഹരണം ഒരു ഷീറ്റാണ് വിൽപ്പന.

പട്ടിക ഒരു വിവര എൻട്രി ലോഗിന്റെ രൂപത്തിലാണ്. ഇവിടെ, തീയതി ഒരു തുല്യ ഡാറ്റ അളവാണ്. പിവറ്റ് ടേബിളുകളിലെ തുടർന്നുള്ള വിശകലനത്തിനായി, പരസ്പരം ആപേക്ഷികമായ വരികളുടെ ആപേക്ഷിക സ്ഥാനം (മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, സോർട്ടിംഗ്) പൂർണ്ണമായും നിസ്സംഗത പുലർത്തുന്നു എന്നതും ശ്രദ്ധിക്കേണ്ടതാണ്. റിലേഷണൽ ഡാറ്റാബേസുകളിലെ റെക്കോർഡുകൾക്ക് ഈ ഗുണങ്ങളുണ്ട്. പിവറ്റ് ടേബിളുകളുടെ ഇന്റർഫേസിൽ പ്രാഥമികമായി ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന വലിയ അളവിലുള്ള ഡാറ്റാബേസുകളുടെ വിശകലനമാണിത്. അതിനാൽ, സെൽ ശ്രേണികളുടെ രൂപത്തിൽ ഒരു ഡാറ്റ ഉറവിടവുമായി പ്രവർത്തിക്കുമ്പോൾ നിങ്ങൾ ഈ നിയമങ്ങൾ പാലിക്കണം. അതേ സമയം, നിങ്ങളുടെ ജോലിയിൽ Excel ഇന്റർഫേസ് ടൂളുകൾ ഉപയോഗിക്കുന്നത് ആരും വിലക്കുന്നില്ല - പിവറ്റ് ടേബിളുകൾ ഡാറ്റ മാത്രം വിശകലനം ചെയ്യുന്നു, കൂടാതെ സോഴ്സ് സെല്ലുകളുടെ ഫോർമാറ്റിംഗ്, ഫിൽട്ടറുകൾ, ഗ്രൂപ്പിംഗ്, സോർട്ടിംഗ് എന്നിവ ഏകപക്ഷീയമായിരിക്കും.

ഓട്ടോഫിൽറ്റർ മുതൽ സംഗ്രഹ റിപ്പോർട്ട് വരെ

സൈദ്ധാന്തികമായി, സെയിൽസ് ഷീറ്റ് ഡാറ്റയിൽ, മൂന്ന് അളവുകളിൽ വിശകലനം ചെയ്യാൻ ഇതിനകം സാധ്യമാണ്: സാധനങ്ങൾ, വാങ്ങുന്നവർ, വാഹകർ. ഈ ഷീറ്റിലെ ഉൽപ്പന്നങ്ങളുടെയും വാങ്ങുന്നവരുടെയും പ്രോപ്പർട്ടികളിൽ ഒരു ഡാറ്റയും ഇല്ല, അതനുസരിച്ച്, സംഗ്രഹ പട്ടികയിൽ കാണിക്കാൻ അനുവദിക്കില്ല. ഉറവിട ഡാറ്റയ്‌ക്കായി ഒരു പിവറ്റ് ടേബിൾ സൃഷ്‌ടിക്കുന്ന സാധാരണ മോഡിൽ, ചില ഫീൽഡുകൾ പ്രകാരം ഒന്നിലധികം പട്ടികകളിൽ നിന്നുള്ള ഡാറ്റ ലിങ്ക് ചെയ്യാൻ Excel നിങ്ങളെ അനുവദിക്കുന്നില്ല. ഈ പരിമിതി സോഫ്റ്റ്‌വെയർ വഴി മറികടക്കാം. പൂരക ഉദാഹരണംഞങ്ങളുടെ വെബ്സൈറ്റിലെ ഈ ലേഖനത്തിലേക്ക്. വിവര പ്രോസസ്സിംഗിന്റെ പ്രോഗ്രമാറ്റിക് രീതികൾ അവലംബിക്കാതിരിക്കാൻ (പ്രത്യേകിച്ച് അവ സാർവത്രികമല്ലാത്തതിനാൽ), നിങ്ങൾ ലോഗ് എൻട്രി ഫോമിലേക്ക് നേരിട്ട് അധിക സവിശേഷതകൾ ചേർക്കണം - സെയിൽസ് അനാലിസിസ് ഷീറ്റ് കാണുക.

VLOOKUP ഫംഗ്‌ഷനുകളുടെ ഉപയോഗം, നഷ്‌ടമായ സ്വഭാവസവിശേഷതകളുള്ള യഥാർത്ഥ ഡാറ്റ സപ്ലിമെന്റ് ചെയ്യുന്നത് എളുപ്പമാക്കുന്നു. ഇപ്പോൾ, ഓട്ടോഫിൽട്ടർ പ്രയോഗിക്കുന്നതിലൂടെ, നിങ്ങൾക്ക് വ്യത്യസ്ത അളവുകളിൽ ഡാറ്റ വിശകലനം ചെയ്യാൻ കഴിയും. എന്നാൽ ഗ്രൂപ്പുകളുടെ പ്രശ്നം പരിഹരിക്കപ്പെട്ടിട്ടില്ല. ഉദാഹരണത്തിന്, ചില പ്രത്യേക തീയതികളിൽ ബ്രാൻഡുകൾക്കായി മാത്രം തുക ട്രാക്കുചെയ്യുന്നത് തികച്ചും പ്രശ്നകരമാണ്. നിങ്ങൾ Excel ഫോർമുലകളിലേക്ക് പരിമിതപ്പെടുത്തിയിട്ടുണ്ടെങ്കിൽ, SUMIF ഫംഗ്ഷൻ ഉപയോഗിച്ച് നിങ്ങൾ അധിക സാമ്പിളുകൾ നിർമ്മിക്കേണ്ടതുണ്ട്.

പിവറ്റ് ടേബിൾ ഇന്റർഫേസ് എന്തെല്ലാം സവിശേഷതകൾ നൽകുന്നു എന്ന് നോക്കാം. ഷീറ്റിൽ കോഡ് അനാലിസിസ്ഷീറ്റ് ഡാറ്റയുള്ള സെല്ലുകളുടെ ഒരു ശ്രേണിയെ അടിസ്ഥാനമാക്കി നിരവധി റിപ്പോർട്ടുകൾ നിർമ്മിച്ചു വിൽപ്പന വിശകലനം.

എക്സൽ 2007 ഇന്റർഫേസിലൂടെയാണ് ആദ്യത്തെ വിശകലന പട്ടിക നിർമ്മിച്ചിരിക്കുന്നത് റിബൺ \ തിരുകുക \ പിവറ്റ് ടേബിൾ(Excel 2000-2003 മെനുവിൽ ഡാറ്റ\പിവറ്റ് ടേബിൾ).

രണ്ടാമത്തെയും മൂന്നാമത്തെയും പട്ടികകൾ പകർത്തുന്നതിലൂടെയും തുടർന്നുള്ള കസ്റ്റമൈസേഷനിലൂടെയും സൃഷ്ടിക്കപ്പെടുന്നു. എല്ലാ പട്ടികകളുടെയും ഡാറ്റ ഉറവിടം ഒന്നുതന്നെയാണ്. ഒറിജിനൽ ഡാറ്റ മാറ്റിക്കൊണ്ട് നിങ്ങൾക്ക് ഇത് പരിശോധിക്കാം, തുടർന്ന് നിങ്ങൾ സംഗ്രഹ റിപ്പോർട്ടുകളുടെ ഡാറ്റ അപ്‌ഡേറ്റ് ചെയ്യേണ്ടതുണ്ട്.

ഞങ്ങളുടെ കാഴ്ചപ്പാടിൽ, വിവരങ്ങളുടെ ദൃശ്യപരതയിലെ ഗുണങ്ങൾ വ്യക്തമാണ്. നിങ്ങൾക്ക് ഫിൽട്ടറുകളും നിരകളും വരികളും സ്വാപ്പ് ചെയ്യാം, ഏത് അളവുകളിൽ നിന്നും മൂല്യങ്ങളുടെ ചില ഗ്രൂപ്പുകൾ മറയ്ക്കാം, മാനുവൽ ഡ്രാഗ് ആൻഡ് ഡ്രോപ്പ്, ഓട്ടോമാറ്റിക് സോർട്ടിംഗ് എന്നിവ ഉപയോഗിക്കാം.

പ്രോപ്പർട്ടികളും ഫോർമാറ്റിംഗും

ഡാറ്റ നേരിട്ട് പ്രദർശിപ്പിക്കുന്നതിനു പുറമേ, പിവറ്റ് ടേബിളുകളുടെ രൂപം പ്രദർശിപ്പിക്കുന്നതിന് ഒരു വലിയ കൂട്ടം ഓപ്ഷനുകൾ ഉണ്ട്. ഫിൽട്ടറുകൾ ഉപയോഗിച്ച് അധിക ഡാറ്റ മറയ്ക്കാം. ഒരൊറ്റ ഘടകത്തിനോ ഫീൽഡിനോ, സന്ദർഭ മെനു ഇനം ഉപയോഗിക്കുന്നത് എളുപ്പമാണ് ഇല്ലാതാക്കുക(2000-2003 പതിപ്പിൽ മറയ്ക്കുക).

പിവറ്റ് ടേബിളിന്റെ മറ്റ് ഘടകങ്ങളുടെ ഡിസ്പ്ലേ സെൽ ഫോർമാറ്റിംഗിലൂടെയല്ല, മറിച്ച് പിവറ്റ് ടേബിളിന്റെ ഫീൽഡ് അല്ലെങ്കിൽ എലമെന്റ് സജ്ജീകരിച്ചുകൊണ്ട് സജ്ജീകരിക്കുന്നതും അഭികാമ്യമാണ്. ഇത് ചെയ്യുന്നതിന്, ആവശ്യമുള്ള ഘടകത്തിലേക്ക് മൗസ് പോയിന്റർ നീക്കുക, ഒരു പ്രത്യേക കഴ്സർ ആകൃതി (അമ്പടയാളത്തിന്റെ രൂപത്തിൽ) പ്രത്യക്ഷപ്പെടുന്നതിനായി കാത്തിരിക്കുക, തുടർന്ന് ഒറ്റ ക്ലിക്കിലൂടെ തിരഞ്ഞെടുത്ത ഘടകം തിരഞ്ഞെടുക്കുക. തിരഞ്ഞെടുത്ത ശേഷം, നിങ്ങൾക്ക് റിബൺ, സന്ദർഭ മെനു എന്നിവയിലൂടെ കാഴ്ച മാറ്റാം അല്ലെങ്കിൽ സ്റ്റാൻഡേർഡ് സെൽ ഫോർമാറ്റ് ഡയലോഗ് വിളിക്കാം:

കൂടാതെ, എക്സൽ 2007 നിരവധി മുൻനിശ്ചയിച്ച പിവറ്റ് ടേബിൾ ഡിസ്പ്ലേ ശൈലികൾ അവതരിപ്പിച്ചു:

നിയന്ത്രണ ഫിൽട്ടറുകളും ഡ്രാഗ് ഏരിയകളും ചാർട്ടിൽ സജീവമാണെന്ന് ശ്രദ്ധിക്കുക.

ബാഹ്യ ഡാറ്റയിലേക്കുള്ള ആക്സസ്

ഇതിനകം സൂചിപ്പിച്ചതുപോലെ, ബാഹ്യ ഉറവിടങ്ങളിൽ നിന്നുള്ള ഡാറ്റ ആക്‌സസ് ചെയ്യുമ്പോൾ പിവറ്റ് ടേബിളുകളുടെ ഉപയോഗത്തിൽ നിന്നുള്ള ഏറ്റവും വലിയ ഫലം ലഭിക്കും - OLAP ക്യൂബുകളും ഡാറ്റാബേസ് അന്വേഷണങ്ങളും. അത്തരം സ്രോതസ്സുകൾ സാധാരണയായി വലിയ അളവിലുള്ള വിവരങ്ങൾ സംഭരിക്കുന്നു, കൂടാതെ മുൻകൂട്ടി നിശ്ചയിച്ചിട്ടുള്ള ഒരു റിലേഷണൽ ഘടനയും ഉണ്ട്, ഇത് മൾട്ടിഡൈമൻഷണൽ ഡാറ്റയുടെ അളവുകൾ നിർവചിക്കുന്നത് എളുപ്പമാക്കുന്നു (പിവറ്റ് ടേബിൾ ഫീൽഡുകൾ).

എക്സൽ പല തരത്തിലുള്ള ബാഹ്യ ഡാറ്റ ഉറവിടങ്ങളെ പിന്തുണയ്ക്കുന്നു:

ഡാറ്റ നേടുന്നതിനും പിവറ്റ് ടേബിളുകളിൽ അവയുടെ പ്രാഥമിക പ്രോസസ്സിംഗിനും ഓട്ടോമേഷൻ ടൂളുകൾ (VBA പ്രോഗ്രാമുകൾ) ഉപയോഗിച്ച് വിവരങ്ങളുടെ ബാഹ്യ സ്രോതസ്സുകളുടെ ഉപയോഗത്തിൽ നിന്നുള്ള ഏറ്റവും വലിയ ഫലം നേടാനാകും.