Connexion aux données et autres postes concernant les sources de données
//Si vous constatez que certaines requêtes sont lentes lorsque vous rapatriez, dans Excel, des données depuis PowerBI.com, Azure Analysis Services ou Analysis Services tabulaire, alors ce billet devrait vous intéresser.
Continuer à lire "Requêtes Excel plus rapides pour les services de Power BI et d'analyse azurée"
//Si la plupart de nos clients utilisent XLCubed pour concevoir des rapports ou analyser et visualiser les données, un nombre croissant d'entre eux l'utilisent aussi pour la mise à jour de données, soit dans le cadre de solutions de budgétisation et de prévision, soit dans des applications métier spécifiques.
XL3RunSQL est une solution efficace qui permet aux utilisateurs de construire rapidement des formulaires de saisie dans Excel (qui seront également utilisables sur le web dès leur publication), pour mettre à jour des données SQL.
Dans ce billet, nous allons voir pas à pas comment comment mettre cela en oeuvre.
Continuer à lire "Mettre à jour une table SQL depuis Excel"
//Saviez-vous à quel point il est facile de rechercher des membres dans XLCubed ?
//Dans un monde idéal pour les concepteurs de rapports, toutes les données requises pour un rapport sont disponibles dans une seule source de données, et la structure et les hiérarchies correspondent parfaitement aux besoins en matière de rapports. Malheureusement, le monde n'est pas toujours idéal (il suffit de demander à Theresa May...).
Nous voyons souvent des scénarios où les utilisateurs rapportent des données numériques provenant des services d'analyse mais veulent inclure des informations descriptives ou textuelles détenues ailleurs. Les gens ont abordé ce problème de différentes manières, mais la capacité de mashup de XLCubed peut en faire un processus beaucoup plus rationnel et plus facile à maintenir.
//La version 9 de XLCubed a introduit les Pivot-vues, qui permettent à nos puissantes grilles, petits multiples et trancheurs d'être pilotés directement depuis de nombreuses sources relationnelles différentes.
Nous avons également ajouté la prise en charge de Power BI comme source de données, et nombre de nos clients utilisent désormais XLCubed sur les données Power BI pour une meilleure expérience in-Excel et en mode "slice and dice".
Beaucoup d'entre vous connaissent déjà les options de rafraîchissement des données dans Power BI, essentiellement un processus de rafraîchissement programmé, ou par le biais de l'Enterprise Gateway.
Avec les pivots de vue, nous voulions nous assurer que le processus de rafraîchissement des données soit très simple et permettre aux utilisateurs professionnels d'en bénéficier sans se soucier de la planification des flux de données ni s'impliquer dans les discussions sur la configuration de la passerelle. Fondamentalement, les données seront automatiquement mises à jour à l'ouverture du rapport ou si l'un des paramètres de la requête change (soit en mettant à jour un trancheur, soit si la valeur d'un paramètre basé sur une cellule Excel change).
Cela signifie que le créateur de rapports n'a pas à se soucier de la dernière vue des données car tout est traité automatiquement sans code personnalisé, intervention manuelle ou assistance informatique.
Voici comment cela fonctionne en détail.
Insérez d'abord une grille et sélectionnez une base de données relationnelle comme source.
On nous présente le concepteur de la requête, on peut choisir un tableau et configurer un paramètre en entrant "@productgroup" :
Cela nous donne la possibilité de lier ce paramètre à une cellule ou directement à une trancheuse :
Nous pouvons maintenant concevoir la grille que nous voulons voir :
Et regardez le résultat.
Maintenant, si je mets à jour la cellule de conduite :
La requête est relancée et la grille (et tout autre élément tiré des données est mis à jour pour refléter les nouveaux résultats de la requête) :
Ce traitement automatique de l'actualisation des données se poursuit une fois que le rapport est publié sur XLCubedWeb. Qu'il soit accessible depuis Excel, un navigateur ou l'application mobile XLCubed, le rapport est basé sur des données actuelles sans qu'il soit nécessaire de procéder à des manipulations ou des rafraîchissements supplémentaires... Une chose de moins à se soucier pour le concepteur du rapport, une chose de moins à se tromper !
//XLCubed supporte une interface glisser/déposer pour la création de rapports par rapport aux services d'analyse tabulaire depuis la première version du nouveau moteur. Il permet aux utilisateurs de créer facilement des rapports qui exécutent des requêtes DAX sur le cube, et nous avons souvent constaté de très bonnes performances chez les clients lorsque le MDX contre Tabular était la cause de longs rapports.
Ainsi, lorsque nous avons été contactés à SQL Pass à Seattle par des participants qui avaient un problème de performance du SSAS Tabular, nous étions optimistes quant à notre capacité à les aider.
Dans ce cas, l'entreprise voulait récupérer des milliers de lignes du cube au niveau transactionnel, et la première approche avait été d'utiliser des tableaux croisés dynamiques dans Excel. Pour atteindre le niveau le plus bas, ils ont croisé les niveaux les plus bas de toutes les hiérarchies sur la section des lignes, ce qui a donné le bon résultat, mais la performance était terrible, plusieurs requêtes prenant 20 minutes ou plus et d'autres ne revenant pas du tout.
Nous espérions que l'utilisation d'une table XLCubed fonctionnant en DAX serait la solution et avons créé le même rapport dans le concepteur. Malheureusement, si les performances étaient un peu meilleures, elles étaient encore loin d'être acceptables ; le modèle était grand, et le nombre de colonnes combiné à leur cardinalité signifiait que beaucoup de travail était effectué sur le serveur.
Le générateur DAX de XLCubed essayait de croiser toutes les valeurs de chaque colonne, ce qui avait bien fonctionné pour nos autres clients. Mais lorsqu'il y a une douzaine de colonnes incluant l'ID de la transaction, les choses ne se passent pas si bien. Le DAX en lui-même n'est pas une solution miracle et les modèles tabulaires SSAS peuvent rencontrer des problèmes de performance sur des données de bas niveau - nous avions besoin d'une nouvelle approche.
Après quelques recherches, nous avons discuté de la question et de nos réflexions avec nos amis de SQLBI et avons déterminé qu'au lieu d'utiliser la fonction cross-join, nous voulions une option permettant d'utiliser Summarize(), car celle-ci n'utilise que les lignes de la base de données et peut accéder aux colonnes liées au tableau récapitulatif qui sont nécessaires pour le rapport.
Comme le rapport du client contenait l'ID de la transaction, le résultat n'a pas été agrégé, même si nous avons utilisé la fonction de résumé. Mais nous voulions également ajouter un véritable rapport de transaction, en utilisant la fonction Related().
Enfin, SQL 2016 ajoute quelques nouvelles fonctions, SummarizeColumns() et SelectColumns(), qui sont toutes deux utiles pour ce type de rapport, mais offrent de meilleures performances que les anciens équivalents.
Le résultat final dans XLCubed est une nouvelle option pour les tables DAX permettant aux utilisateurs de définir le type de rapport qu'ils veulent exécuter, et quelques changements internes afin que XLCubed utilise automatiquement la fonction DAX la plus efficace là où elle est disponible.
Une version bêta a été envoyée aux utilisateurs professionnels et les résultats ont été fantastiques. Le rapport qui avait duré plusieurs minutes s'est maintenant terminé en quelques secondes, et 20 minutes sont passées à 15 secondes - nous avons eu des utilisateurs très heureux !
Les changements seront apportés dans la prochaine version de XLCubed afin que tous nos clients puissent bénéficier des améliorations. C'est toujours agréable quand une demande d'un client contribue à améliorer le produit pour tout le monde.
Un exemple de changement de syntaxe est présenté ci-dessous
Avant :
ÉVALUER
FILTRE (
ADDCOLUMES (
FILTRES DE GARDE (
CROSSJOIN ( VALEURS ("Client" [Éducation] ), VALEURS ("Produit" [Couleur] )
),
"Unités totales Internet", "Ventes par Internet" [Unités totales Internet],
"Ventes totales sur Internet", "Ventes sur Internet" [Ventes totales sur Internet]
),
PAS ISBLANC ( [Unités totales Internet] )
)
ORDRE DE
Client" [Éducation],
Produit" [Couleur]Après :
ÉVALUER
FILTRE (
ADDCOLUMES (
FILTRES DE GARDE (
RÉSUMÉ ("Ventes sur Internet", "Client" [Éducation], "Produit" [Couleur] )
),
"Unités totales Internet", "Ventes par Internet" [Unités totales Internet],
"Ventes totales sur Internet", "Ventes sur Internet" [Ventes totales sur Internet]
),
NOT ISBLANK ( [Internet Total Units] ) || NOT ISBLANK ( [Internet Total Sales] )
)
ORDRE DE
Client" [Éducation],
Produit" [Couleur]//On fait souvent valoir qu'Excel est trop rigide pour répondre rapidement et efficacement aux questions spontanées. Le scénario donné est que vous êtes en réunion avec votre classeur Excel, et que quelqu'un vous pose une question connexe qui n'est pas prise en compte actuellement. Comme c'est embarrassant de devoir regarder votre dossier de sauvegarde des classeurs Excel imprimés... Vraiment ? Cela peut échapper à l'attention de certains, mais Excel est en fait aussi un produit électronique, de sorte qu'en premier lieu, vous n'auriez pas besoin de dépoussiérer un énorme classeur de rapports imprimés.
Cela mis à part, l'argument général a un certain mérite dans des cas spécifiques. Si Excel sert à la fois de magasin de données et d'outil de présentation, vous avez un problème. Si les données dont vous avez besoin ne se trouvent pas dans le classeur, vous n'avez pas de chance.
Il y a deux conditions essentielles pour traiter la question dans Excel. Premièrement, les données doivent être stockées en dehors du classeur ; dans le cas de XLCubed, il s'agit de cubes AS ou de modèles tabulaires. Cela signifie que lorsque les données ne sont pas visibles dans le classeur, elles peuvent être facilement interrogées et mises en jeu.
Deuxièmement, si le fait d'avoir les données dans un cube est une étape importante, cela ne suffit pas en soi. Il faut pouvoir les sortir rapidement, facilement et avec souplesse, et les afficher sous forme d'informations plutôt que de simples données. Les tableaux croisés dynamiques utilisés pour établir des rapports sur un cube présentent des limites importantes, et XLCubed permet d'y remédier tout en offrant des possibilités supplémentaires. Les données supplémentaires dont vous avez besoin pour répondre à la question sont facilement disponibles et vous disposez d'outils pour en faire quelque chose de significatif en utilisant des rapports tabulaires en tranches et en dés, des graphiques interactifs et des calculs simples pour l'utilisateur.
Ainsi, lorsque quelqu'un pose la question en réunion, vous pouvez l'explorer de manière interactive et sur place. Et dans Excel.
//"Excel : Grand marteau, mauvais tournevis'".
Lors de l'évaluation des outils de BI, beaucoup de nos clients sont frappés par des messages marketing sur les limites et les malheurs d'Excel. L'un des livres blancs qui nous a été présenté est le "Excel" de Tableau : Super marteau, mauvais tournevis". Il contient cinq points clés concernant les limites d'Excel pour la BI, que nous examinerons au cours des prochaines semaines, ainsi que quelques autres points que nous entendons fréquemment.
"Ne jetez pas le bébé avec l'eau du bain"
Nous comprenons parfaitement qu'Excel n'est pas parfait pour tous les besoins, mais XLCubed choisit de s'attaquer aux faiblesses et d'adopter les forces très importantes, plutôt que de tout jeter.
XLCubed aide les utilisateurs à tirer le meilleur parti de la plate-forme Analysis Services de Microsoft en utilisant le meilleur d'Excel et en l'enrichissant d'un environnement de requête et de rapport optimisé qui leur permet d'en faire plus et plus rapidement. Excel devient une couche de présentation très flexible, et Analysis Services supprime les problèmes d'extensibilité et d'intégrité des données.
Examinons quelques-unes des principales objections soulevées à propos d'Excel, le numéro 2 devant suivre la semaine prochaine :
"Excel ne traite qu'un million de lignes, ce qui est loin d'être suffisant pour mon entreprise".
L'avènement de Big data fait penser à d'énormes volumes de données. En réalité, si vous vous intéressez aux rapports financiers de base, un million de lignes peut être plus que suffisant, mais là n'est pas la question : pour les ventes et les rapports opérationnels sur plusieurs années, un million de lignes ne suffira pas. Les grandes données concernent en partie les volumes, mais aussi la structure des données. De nos jours, le défi des grandes données n'est pas de pouvoir les stocker, mais de pouvoir en faire quelque chose d'utile. Et faire quelque chose d'utile avec ces données n'est pas créer des rapports qui s'étendent sur un million de lignes.
Nous considérons Excel comme une couche de présentation, et non comme une base de données. Si Power Pivot brouille un peu cet argument, très peu de gens voient les modèles Power Pivot comme un dépôt central de données d'entreprise. XLCubed est un outil client frontal pour les services d'analyse du serveur SQL (qui se moque d'un million de lignes). 1 million de nouvelles lignes par jour pendant plusieurs années commence à faire monter le volume, mais la technologie est conçue pour s'adapter et pour évoluer sur du matériel nettement moins coûteux que les technologies en mémoire (dont Analysis Services 2012 a bien sûr maintenant son propre acteur avec xVelocity).
Ainsi, alors qu'Excel et donc XLCubed ne peuvent afficher qu'un million de lignes à la fois, les cubes sous-jacents peuvent atteindre des milliards de lignes. XLCubed offre à l'utilisateur des capacités de filtrage et de classement souples et rapides, des moyens simples d'exploiter les hiérarchies de cubes et des techniques efficaces de visualisation des données pour vous permettre de travailler avec ces grands volumes de données.
En outre, si quelqu'un veut un rapport (un rapport !) d'un million de lignes, notre première question est toujours "et pouvez-vous me montrer comment vous utilisez ce rapport ? Si vous l'imprimez, vous obtiendrez environ 25 000 pages sur la déforestation. En comparaison, Guerre et paix de Tolstoï compte environ 1 400 pages dans la plupart des éditions imprimées... Nous pensons qu'il y a beaucoup à dire sur la combinaison d'un rapport descendant, d'un classement et d'un filtrage pour rendre ce type de données utile plutôt que pesant.
Donc, en résumé, lorsque vous utilisez XLCubed et la pile BI de Microsoft, plus d'un million de lignes de données n'est pas vraiment une limitation (bien que si vous mettez un million de lignes dans le rapport, vous créez votre propre limitation en termes d'utilité).
//Avec le lancement de la version 7.1 de XLCubed Excel Edition, nous avons introduit la possibilité d'importer des Briefing Books ProClarity - le support de ProClarity se terminant cette année et de nombreux clients cherchant un remplaçant, le moment est venu pour nous de vous montrer comment l'importation fonctionne pour aider les utilisateurs à passer de ProClarity à une autre solution.
Commençons par importer de ProClarity, nous avons construit un exemple simple de cahier d'information basé sur le cube d'échantillons habituel d'AdventureWorks, il comprend une grille d'échantillons :
une carte des performances :
et une carte :
Pour accéder à l'option d'importation, nous chargeons Excel et sélectionnons XLCubed -> Extras -> Import -> Import ProClarity Briefing book. Après avoir sélectionné le fichier à importer, on nous donne un résumé de chaque élément qui va être importé :
À ce stade, vous pouvez contrôler le nom de la feuille de calcul qui en résulte, ainsi que changer le type d'objet XLCubed avec lequel vous vous retrouverez. En cliquant sur "Importer", vous nous donnez maintenant une feuille pour chaque page de briefing :
Vous remarquerez que le processus d'importation a créé toutes les tranches nécessaires, de sorte que le rapport est bon à prendre. Vous pouvez maintenant passer un peu plus de temps à ajouter des fonctionnalités XLCubed supplémentaires au rapport, telles que les graphiques Incell ou les calculs Excel, pour exploiter la puissance d'Excel ou publier sur XLCubedWeb pour une consommation par un public plus large.
Le processus d'importation est très simple et nous avons reçu d'excellents commentaires de nos clients concernant la rapidité et la facilité avec lesquelles ils ont pu migrer les rapports des utilisateurs dans XLCubed.
Consultez d'autres blogs présentant d'autres fonctionnalités de XLCubed qui aideront les utilisateurs à passer de ProClarity !
//Le blog d'aujourd'hui est donc consacré à la pivotement des colonnes de données des requêtes SQL.
Nous avons ici un petit échantillon d'un rapport de requête SQL qui nous montre les revenus réels de différents produits sur plusieurs trimestres. Il n'y a rien de mal à ce que les données soient renvoyées, mais il est assez difficile de faire une analyse comparative.
Et si votre tâche consiste à rendre compte des recettes réelles pour toutes les catégories de produits sur tous les trimestres dans ce rapport ?
Ce ne serait pas une requête facile à écrire en SQL car nous ne savons pas toujours quelles données seront renvoyées par une requête, mais c'est là que XLCubed peut venir à notre secours !
Il suffit de faire un clic droit sur l'intitulé de la colonne que l'on souhaite faire pivoter - dans notre cas cDate - puis de sélectionner XLCubed et Pivot (XLCubed remplit l'intitulé de la colonne) comme ci-dessous :
Le rapport est maintenant affiché comme les quarts de page sous forme de colonnes.
Ce format est tellement plus facile à lire et nous pouvons rapidement savoir comment chacun des produits contribue (ou non !) aux revenus de l'entreprise sur une période donnée.
C'est donc dire à quel point il est facile de faire pivoter les données des colonnes dans XLCubed.