Nano Hash - криптовалюты, майнинг, программирование

Гибкие иерархии в Saiku Analytics

Я только начал работать над Мондрианом, и мне трудно понять, как настроить работу иерархий.

Предположим, что у меня есть измерение «Больница», и я хочу суммировать количество больниц, которые являются государственными или частными в определенном состоянии. У меня также есть моя фактическая больница с соответствующим значением Hospital_amount.

Иерархия, которую я построил в Schema Workbench, показана ниже:

1- Государство
2- Флаг (частный или общественный)
3- Город
4- Больница

Поступая таким образом, я могу анализировать вещи в плагине Saiku Analytics без особых проблем, при условии, что я поддерживаю порядок представления атрибутов (Штат, Флаг, Город,...). Но все становится немного сложнее, если я хочу изменить порядок, в котором поля будут представлены в отчете, другими словами, что, если я хочу построить еще один отчет в Saiku без использования атрибута флага.

Даже если я скрою флаг, Сайку продолжит использовать его для категоризации остальных атрибутов иерархии (Город и Больница).

Некоторые люди говорили, что мне нужно создать другую иерархию в Schema Workbench только для флага, но это не позволит мне использовать флаг в меню детализации больницы.

Есть ли способ строить отчеты в Saiku, не привязываясь к иерархическому порядку, я имею в виду гибкий выбор полей из иерархии?

Заранее спасибо!


Ответы:


1

Вы не указываете, используете ли вы Saiku в качестве плагина для сервера BI или отдельно.

Если вы используете автономную версию, в которой используется Mondrian 4, вы можете использовать атрибут «имеет иерархию» в своей схеме вместо определения строгой иерархии, которая эффективно создает иерархию для каждого уровня, которые могут действовать независимо друг от друга.

Или в Mondrian 3 вы могли просто сделать это вручную.

06.01.2016
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..