Page Comparison

#com-atlassian-confluence .wiki-content td {
border: none;
}

Here are descriptions of main terms used in eazyBI.

Account

...

One account contains set of data which can be analyzed by one or many account users. In any given time you can work with one selected current account. You can select current account either from dashboard or from Select or Change account link in top right corner of the screen.
Accounts can be created as public if it contains public data and you want that any user can access it. If account is private then only account users can access account data.
Each account has subscription plan - there are free subscription plans as well as paid subscription plans with monthly subscription fee.

...

...

Account users

...

User who creates account is Owner of the account. Owner has all rights for this account and also can add additional users to account. In case of private accounts only specified account users will have access to account data.
When you add new account user then this user at first should register for eazyBI with his or her email and then you need to specify this user's email in Add account user input box. If you both are users in some other account then eazyBI will suggest other known users either by their name or email.
When you add new users to account you need to specify their role. User admin will be able to add new users. Data admin will be able to import source data and define calculated dimension members (see below). User will be able to analyze data and also save reports. Viewer will be able to analyze data and just open existing reports but will not be able to save reports. User admin has also Data admin and User rights, Data admin has also User rights.

...

Source Data

...

After creating new account you need to import data which you want to analyze. There are two ways how to import data - either upload source data files or import data from source application for which eazyBI data import is defined.

Source Files

Currently import from CSV format files is supported (other formats will be supported later, please write feedback if you want support of some specific format). After upload of source data file you need to define mapping from source file columns to cube dimensions and measures (see Cubes, Dimensions and Measures below).

Cubes

...

Imported data are stored in multi-dimensional data cubes. Cubes contain fact data that are divided by dimensions and each detailed fact "cell" contains measure values about that fact.This is example of Sales cube that has Customers, Products and Time dimensions and has measures Sales amount and Units sold. Each detailed cube "cell" contains sales amount and units sold for particular product, customer and time period:

...

Image Removed

...

It is easy to illustrate cube with three dimensions but you can have as many dimensions and as many measures as you need in one data cube.

All measures in the same cube share the same dimensions. If in one account you want to store different types of measures that do not share the same dimensions then you can create several different cubes.

Dimensions

...

Typical cube dimensions are Time, Customers, Products, Locations, Employees, Projects etc. Use dimensions that are best suited to your business domain.

Each dimension can have either just detailed level of all dimension members or you can define hierarchy with several levels. For example, Customers dimension could have Country, State and Customer Name levels:

...

All measures are automatically aggregated (typically as sum of detailed level values) in upper hierarchy levels. E.g. looking at Sales amount measure at Country level will give total sales amount for this country.

Typically each dimension has All level with one All member which aggregates all dimension members.

When you upload source file with date (or date & time) column then automatically time hierarchy will be constructed for corresponding dimension. Time hierarchy will have Year, Quarter, Month and Day levels which can be used to get totals of measures at selected time period level.

Measures

...

Measures typically are integer or decimal values that can be accessed either at detailed dimension member level or can be aggregated at higher dimension levels. Typical measure examples could be Sales amount, Units sold, Cost amount, Transactions count etc.

Calculated members

...

Sometimes you want to calculate new measures from other existing cube measures - these are called calculated measures. For example, you could define Profit calculated measure as Sales amount measure minus Cost amount measure. And then you could also define Margin % calculated measure as Profit measure diveded by Sales amount measure (and display result as percentage).

You can also define calculated members in other dimensions. For example, you could define in Customers dimension new calculated member North America as sum of USA and Canada members.

Calculated member formulas are defined using MDX language. Basic arithmetic formulas can be created very easily but by learning other MDX functions you will be able to create any calculated members you need. Read more about creating calculated members.

Analyze and create reports

...

After importing data from source files or source applications you can go to Analyze tab and start to explore data in create cube. You can start creating table reports by dragging needed dimensions to columns, rows and pages and exploring your data at different dimension levels. After selecting needed data in table report you can switch to different chart reports to explore your data in more visual way.

When you have created report layout that you want to use frequently you can save this report with given name. When later you will open saved report then you will get latest results drom data cube using saved report layout.

...

Konts

Viens konts satur datu kopumu, kuram var piekļūt un analizēt daudzi konta lietotāji. Lietotājs vienlaicīgi var strādāt tikai ar vienu izvēlētu kontu. Konta izvēli var veikt no darba paneļa vai no saites flex.bi loga labajā augšējā stūrī.

Konta lietotāji

Lietotājs, kurš izveido kontu, ir konta īpašnieks. Konta īpašniekam automātiski tiek piešķirtas maksimālās pieejas tiesības. Konta īpašnieks var pievienot (reģistrēt) arī papildu konta lietotājus. Privātā konta gadījumā kontam var piekļūt tikai reģistrēti lietotāji ar atbilstošām tiesībām.
 
Jauna lietotāja pievienošanas gadījumā tam sākotnēji jāreģistrē Standard-BI savu e-pastu. Pēc e-pasta reģistrācijas atbilstošo lietotāju ir iespējams pievienot flex.bi. Pievienošana notiek, ievietojot lietotāja e-pasta adresi  Add account user (Pievienot konta lietotāju) laukā.
 
Pievienojot kontam jaunu lietotāju, jānorāda tā loma. Lietotāja loma noteiks tā tiesības. User admin (lietotāju administrators) varēs pievienot kontam citus lietotājus. Data admin (datu administrators) varēs importēt izejas datus un definēt aprēķināmos rādītājus* (skat. zemāk). User (lietotājs) varēs analizēt datus un saglabāt sevis izveidotās atskaites. Viewer (skatītājs) varēs analizēt pieejamos datus, izmantojot tikai esošās atskaites.
Lietotāju administratoram ir arī datu administratora un lietotāja tiesības. Datu administratoram ir arī lietotāja tiesības.

Izejas dati

Pēc jauna konta izveidošanas, nepieciešams importēt analizējamos datus. flex.bi atbalsta jebkuru atbilstoši strukturētu datu analīzi, tādēļ lietotājam ir pieejamas divas importa opcijas:

• Atbalstītu standarta HansaWorld produktu datu imports
• Jebkuru citu atbilstošas struktūras datu imports

Importējot datus, kas iegūti tieši no HansaWorld produkta jums tikai jānorāda, kuru failu vēlaties importēt. Importējot citas struktūras datus, ar tiem jāveic noteiktas apstrādes darbības.

Abos gadījumos datu imports notiek, augšupielādējot izejas datu failus flex.bi.

Izejas faili

flex.bi ir speciāli pielāgota noteiktu datu importam tieši no HansaWorld produktiem.

Pēc īsa apmācības kursa iziešanas flex.bi lietotāji var veikt arī jebkuru citu datu importu no CSV formāta failiem. Šāda importa gadījumā lietotājam jāveic importējamā faila datu kolonnu sasaiste ar datu kuba dimensijām un rādītājiem. (skat. Datu kubi, Dimensijas un rādītāji zemāk).

Datu kubi

Importētie dati tiek glabāti multi-dimensiju datu kubos. Kubi satur noteiktās dimensijās sadalītus datus. Atkarībā no atrašanās vietas, katrs kuba datu ieraksts satur noteiktas informācijas atspoguļojumu atbilstošā šķērsgriezumā.
Zemāk redzamajā pārdošanas datu kuba piemērā redzama saite starp Kilentu, Produktu un Laika dimensijām un Pārdoto vienību skaita, Pārdošanas summas rādītājiem.
Katrs šī kuba ieraksts satur pārdošanas summu, pārdošanas apjomu (vienību skaitu), pa produktiem, klientiem, laika periodiem.
Šāda datu glabāšana nodrošina daudzas reizes ātrāku datu analīzi un ļauj iegūt atbildes uz jūs interesējošiem jautājumiem sekunžu kaikā.

Dotais attēls ar trīs dimensijām un diviem rādītājiem (mērvienībām) attēlots tikai piemēra uzskatāmībai. flex.bi būvētajos kubos var tikt izmantots neierobežots dimensiju un rādītāju daudzums.

Visi viena datu kuba rādītāji (mērvienības) tiek sadalīti pa noteiktā kuba dimensijām. Ja vienā kontā jūs vēlaties izmantot rādītājus (mērvienības), kuru dimensijas atšķiras no citiem rādītājiem, flex.bi piedāvā iespēju izveidot neierobežotu datu kubu.

Dimensijas

Tipiskās datu kuba dimensijas ir Laiks, Klienti, Preces, Reģioni/Noliktavas, Projekti, Darbinieki un citas.

Datu kubā informācija var tikt par katru noteiktā

Katrai dimensijai iespējams detalizēts un hierarhisks datu glabāšanas sadalījums par katru dimensijas biedru. Detalizētas informācijas uzglabāšanas gadījumā tā tiek saglabāta maksimāli detalizētā līmenī (par pamatu ņemot mazāko iespējamo dalījumu) par visiem dimensijas biedriem. Hierarhiskas datu glabāšanas gadījumā informācijas glabāšanai var noteikt vairāku līmeņu hierarhiju. Piemēram, Klienta dimensija var ietvert valsts, novada, pārdevēja un klienta nosaukuma līmeņus.

Image Added

Hierarhiskas informācijas glabāšanas gadījumā tiek veidoti arī starpsummu aprēķini (parasti starpsumma tiek glabāta par katru datu detalizācijas līmeni). Tā, piemēram, skatoties uz preču pārdošanas skaita rādītāju valsts līmenī, bez papildu aprēķina nepieciešamības, tiks atspoguļoti dati par katru valsti. Šāda pieeja datu glabāšanai ļauj ievērojami paātrināt datu apstrādes ātrumu un piegādāt lietotājam nepieciešamo informāciju sekunžu laikā pat milzīga datu apjoma gadījumā. Visa hierarhiskā informācija vienmēr tiek apkopota arī kopējā līmenī (All ..). Arī gadījumā, ja dati šādu apvienojošu līmeni nesatur.

Augušupielādējot datumu vai laika informāciju kolonnas, atbilstošajām dimensijām tiek automātiski pielasīta laika hierarhija. Laika hierarhijā ietilpst Gada, Ceturkšņa, Mēneša un dienas līmeņi.

Rādītāji (mērījumi)

Rādītāji parasti ir veseli skaitļi vai daļskaitļi, kuros tiek glabāta katra dimensijas biedra informācija (vērtība). Ātrāku aprēķinu veikšanai, flex.bi glabā arī katra dimensijas līmeņa kopējo vērtību. 

Tipiski rādītāju piemēri ir:

• Apgrozījums
• Pārdoto vienību skaits
• Pašizmaksa
• Peļņa
• Darījumu skaits
• utt.

Aprēķināmie rādītāji (mērījumi)

Analizējot uzņēmuma biznesu, bez esošajiem rādītājiem bieži nepieciešams analizēt arī citus rādītājus, kas veidoti, balstoties uz esošajiem. Piemēram, budžeta izpilde (budžets - fakts), procentuālā budžeta izpilde, tīrā peļņa, utt. Tā kā šie rādītāji neeksistē, bet tiek aprēķināti, tos sauc par aprēķināmajiem rādītājiem.

Tāpat aprēķināmos rādītājus var izmantot jebkurās citās dimensijās. Tā, piemēram, Klientu dimensijā var izveidot jaunu aprēķināmo rādītāju Ziemeļamerika, kurš tiks aprēķināts summējot Kanādas, ASV un Meksikas rādītājus.

Aprēķināmo rādītāju formulas tiek definētas izmantojot MDX valodu. Vienkāršu aprēķināmo rādītāju izveidošana neaizņems vairāk par pāris minūtēm, taču MDX valoda ļaus veidot arī ļoti sarežģītus aprēķināmos rādītājus. Vairāk par aprēķināmajiem rādītājiem varat lasīt te.

Datu analīze un jaunu atskaišu veidoša

Pēc datu importa jūs varat atvērt datu analīzes sadaļu Analyse un sākt noteiktā kuba datu analīzi.

Jaunas atskaites datu tabulas izveidošanai vienkārši ievelciet jūs interesējošās dimensijas, rādītājus kolonnās, rindās un lapās un sāciet datu izpēti dažādos šķērsgriezumos.

Lai iegūtu iegūtā datu šķērsgriezuma grafisko reprezentāciju, pēc interesejošo datu atlases tabulā, pārslēdzieties starp pieejamajiem grafiku veidiem.

Kad esat izveidojis atskaites formu, kuru vēlaties izmantot atkārtoti, varat to saglabāt, piešķirot tai noteiktu nosaukumu. Vēlāk atverot noteikto atskaites formu, jūs redzēsiet atskaiti, kas ir balstīta uz jaunākajiem datu kubā esošajiem datiem.

Vairāk par datu analīzi un atskaišu veidošanas iespējām, kā arī par grafiku veidošanu varat uzzināt attiecīgajās flex.bi apraksta lapās.