Das Filtern von Daten ist häufig erforderlich, wenn Daten analysiert werden, um die Ergebnismenge zu reduzieren und sie für den Anwendungsbenutzer aussagekräftiger zu machen. In der Regel möchten Sie die Verkaufsdetails für ein bestimmtes Land oder eine bestimmte Region, für eine bestimmte Reihe von Produkten oder für bestimmte Kunden abrufen (neue Kunden, Kunden, die seit mehr als einem Jahr kein Produkt bestellt haben). Diese drei Beispiele beziehen sich auf das Filtern basierend auf Attributen.
Andererseits möchten Sie möglicherweise Daten basierend auf Kennzahlen filtern. Sie möchten beispielsweise nur die Kundenaufträge auflisten, bei denen der Gesamtbetrag einen Schwellenwert überschreitet.
Die beiden Ansätze können auch kombiniert werden, z.B. wenn Sie die Liste der US-Kunden abrufen möchten, die im letzten Monat mehr als 10 Aufträge angelegt haben. In diesem Fall kann das Filtern der Daten nach Land (US) so früh wie möglich im Datenfluss erfolgen, aber Sie müssen die Gesamtzahl der Aufträge pro Kunde (für den letzten Monat) berechnen, bevor Sie den Schwellenwert (10) anwenden.
Daher ist das Filtern manchmal eine Frage der Minderung der Performance (frühzeitiges Filtern) und der Konsistenz des Ergebnisses, das Sie erhalten (eine zu frühe Filterung ohne Vorsicht kann zu falschen Ergebnissen führen). Dies gilt insbesondere dann, wenn Daten aggregiert werden.

Filterkriterien: In Berechnungssicht fest programmiert oder flexibel zur Laufzeit?
Eine wichtige Frage bei der Definition von Filtern ist, ob sie in der Calculation View fest programmiert oder zur Laufzeit bereitgestellt werden sollen, um mehr Flexibilität zu bieten. Es ist möglich, eine Query mit einem Reporting-Tool auszuführen, das verschiedene Filterkriterien an die Calculation View übergibt.
Ein Hauptziel bei der Modellierung besteht darin, die Datenübertragung zwischen der Datenbank und den konsumierenden Frontend-Werkzeugen zu minimieren. Beispielsweise muss ein Endbenutzer nie eine Million Datenzeilen anzeigen. Eine so große Menge an Informationen kann nicht sinnvoll genutzt werden.
Wenn möglich, sollten Daten aggregiert und auf eine überschaubare Größe gefiltert werden, bevor sie die Datenschicht auf dem Weg zum Frontend-Reporting-Tool verlassen.
