Daten erweitern

Verbessern Sie die in Ihren Analysen verwendeten Daten mit zusätzlichen Daten, verschiedenen Berechnungen und Kombinationen, um umfassende Analysen und facettenreiche Visualisierungen zu ermöglichen. Durch die Erweiterung der Daten können Sie die manuellen Eingriffe bei der Entwicklung aussagekräftiger Einblicke in die Geschäftsdaten reduzieren oder sogar eliminieren.

LiveLabs-Sprint

Mit der Datenerweiterung können Sie die Daten aus Oracle Fusion Cloud Applications und anderen Quellen erweitern, mit denen Sie über die Oracle Fusion Data Intelligence-Connectors eine Verbindung herstellen können. Siehe Abschnitt Connectors unter Features in der Vorschau anzeigen. Sie können Ihren Berichten Daten aus verschiedenen Data Stores (Business Intelligence-View-Objekte) der Oracle Fusion Cloud Applications-Datenquellen hinzufügen.

Wählen Sie die Spalten aus den Data Stores aus, erstellen Sie ein Erweiterungs-Dataset, und erstellen Sie mit diesem Dataset Datenpipelines für Funktionsbereiche. Mit einem Erweiterungs-Dataset können Sie Daten nahtlos aus zusätzlichen Oracle Fusion Cloud Applications-Datenspeichern extrahieren und laden und die Daten für Tabellen im Data Warehouse verfügbar machen. Anschließend können Sie die Daten für Visualisierung und Analyse verwenden. Informationen zum Suchen der Datenspeicher, die mit der Erweiterung extrahiert werden können, finden Sie im Abschnitt Datenspeicher in Referenz für Oracle Fusion SCM Analytics, Referenz für Oracle Fusion HCM Analytics und Referenz für Oracle Fusion ERP Analytics. Obwohl es keine technischen Grenzen gibt, können Sie maximal hundert Datenerweiterungen für einen einzelnen Mandanten erstellen, um die optimale Performance aller Datenpipelines sicherzustellen. Bei weiteren Fragen wenden Sie sich an Oracle Support.

Wenn Sie die SME-Optionen für die Datenerweiterung auf der Registerkarte "Allgemein verfügbare Features" auf der Seite "Features aktivieren" aktivieren, können Sie Berichte mit Datensets erweitern, die durch Erweitern einer vorhandenen Entity oder Gruppe von Fakten, durch Hinzufügen einer neuen Dimension in der Zielinstanz und durch Hinzufügen eines neuen Fakts in der Zielinstanz erstellt wurden. Wenn Sie diese Pipelinejobs zur Datenerweiterung ausführen, veröffentlichen sie diese Datasets im semantischen Modell. Dies ist jedoch nicht die empfohlene Praxis. Es wird nicht empfohlen, das Feature SME-Optionen für Datenerweiterung zu aktivieren und den Standard-Erweiterungstyp Dataset zu verwenden, um unterschiedliche Daten in das Warehouse zu bringen. Wenn Sie den Pipelinejob zur Erweiterung von Datensetdaten ausführen, werden keine Daten im semantischen Modell veröffentlicht. Anschließend können Sie mit den semantischen Modellerweiterungen Ihr eigenes semantisches Modell erstellen. Diese Methode unterstützt die komplexe semantische Modellierung, um Ihre Geschäftsanforderungen zu erfüllen. Verwenden Sie die Datenerweiterungsfunktion, um Daten in das Warehouse zu bringen. Verwenden Sie dann die Funktion "Semantische Modellerweiterbarkeit", um die Joins zu erstellen und diese Daten den gewünschten Themenbereichen anzuzeigen. Dies ermöglicht Flexibilität und eine bessere Performance beider Funktionen. Darüber hinaus ermöglicht diese Methode ein besseres Lebenszyklusmanagement. Beispiel: Wenn Sie Änderungen am semantischen Modell vornehmen müssen, können Sie die Änderungen direkt im semantischen Modell vornehmen. Sie müssen die Datenerweiterung, mit der die Daten in das Warehouse übertragen wurden, nicht anpassen.