Crear acciones de datos y acciones multifunción para un rendimiento optimizado

Las acciones de datos, las acciones multifunción o las asignaciones que se ejecutan en proceso de fondo pueden afectar al rendimiento de otras actividades de planificación. Por este motivo, es importante optimizarlos para que no afecten al rendimiento para los usuarios que intentan utilizar otra funcionalidad de planificación en SAP Analytics Cloud.

En esta lección, utilizamos una serie de escenarios y exploraremos algunas de las mejores prácticas para crear y configurar acciones de datos, acciones multifunción y asignaciones.

A efectos de esta lección, cuando nos referimos a acciones de datos, también nos referimos a asignaciones y acciones multifunción, a menos que se especifique lo contrario.

Mientras que la herramienta Estadísticas y análisis de rendimiento de acciones de datos le ayuda a analizar la duración de las acciones de datos en las historias de planificación por modelo, usuario e intervalo de fechas, el Monitor de tareas se puede utilizar para supervisar la información de tiempo de ejecución para acciones específicas, incluido el historial de ejecución para todas las tareas que ha iniciado o, si es un administrador, para todas las tareas iniciadas en todo el arrendatario. Para cualquier job individual, también puede ver información detallada del paso, incluida la cantidad de registros afectados por paso.

Para evitar una carga de datos adicional e innecesaria, demasiadas selecciones y un tiempo de ejecución largo, puede optimizar el rendimiento filtrando los datos en los que está ejecutando una acción de datos.

Escenario: Tiene una historia que está causando problemas de rendimiento cuando los planificadores copian datos con la acción de datos en la historia.

En este vídeo exploraremos cómo puede mejorar el rendimiento vinculando filtros de historia a su petición de acción de datos.

Resumen: Puede minimizar el alcance de su ejecución controlando estrictamente los filtros pasados en el tiempo de ejecución. Es decir, trabaja tanto como sea posible con controles de entrada y filtros de historia, vinculándolos a los parámetros de su acción de datos.

Como consecuencia, la acción de datos solo se ejecuta para las selecciones de filtro y/o los controles de entrada seleccionados en la historia, lo que da como resultado menos conjuntos de datos.

Escenario: Tiene una historia de planificación que incluye una acción de datos que calcula tanto los costes de mano de obra como los beneficios al mismo tiempo. Las horas de mano de obra, una parte del cálculo de costes de mano de obra, se copian del año anterior y, a continuación, el planificador las actualiza manualmente. Una vez actualizadas las horas de mano de obra, se utiliza una acción de datos para calcular los costes y beneficios de mano de obra; últimamente, los planificadores han estado planteando preocupaciones sobre el rendimiento de la historia cuando se ejecuta la acción de datos.

En el primer paso, los costes de personal en el modelo de plan de gastos se calculan tomando las horas de mano de obra del modelo de plan de gastos y multiplicándolo por la tasa de mano de obra, que se lee en el tiempo de ejecución del modelo de plan HR.

123
MEMBERSET [d/Date] = (BASEMEMBER([d/Date].[h/YQM], "[2025]"))
MEMBERSET [d/P00D_CostCenter] = (BASEMEMBER([d/P00D_CostCenter].[h/H1], %CostCenter%))
DATA([d/Account] = "Labor") = RESULTLOOKUP([d/Account] = "LHours") * LINK([M_HR_Plan], [d/Account] = "LRate", [d/Personnel_Area] = "AMER", [d/Version] = "public.PubHrPlan")

En el segundo paso, los beneficios en el modelo de plan de gastos se calculan tomando los costes de mano de obra del modelo de gastos y multiplicándolos por la tasa de beneficio. El planificador introduce esta tasa en el tiempo de ejecución.

123
MEMBERSET [d/Date] = (BASEMEMBER([d/Date].[h/YQM], "[2025]"))
MEMBERSET [d/P00D_CostCenter] = (BASEMEMBER([d/P00D_CostCenter].[h/H1], %CostCenter%))
DATA([d/Account] = "Benefits") = RESULTLOOKUP([d/Account] = "Labor") * %BenefitRate%

En este vídeo exploraremos cómo puede mejorar el rendimiento utilizando la ejecución centrada de acciones de datos en una historia de planificación.

Resumen: Evalúe la acción de datos y se dé cuenta de que no todos los pasos de la acción de datos son necesarios para cada ejecución. Siempre que sea posible, reduzca el número de operaciones que se realizan dentro de una ejecución de acción de datos determinada. Por ejemplo, una acción de datos puede realizar algunos cálculos basados en controladores dentro de un modelo determinado, al tiempo que sincroniza datos a y desde otro modelo.

En la primera acción de datos, los costes de personal en el modelo de plan de gastos se calculan tomando las horas de personal del modelo de plan de gastos y multiplicándolo por la tasa de mano de obra, que se lee en el tiempo de ejecución del modelo de plan HR.

123
MEMBERSET [d/Date] = (BASEMEMBER([d/Date].[h/YQM], "[2025]"))
MEMBERSET [d/P00D_CostCenter] = (BASEMEMBER([d/P00D_CostCenter].[h/H1], %CostCenter%))
DATA([d/Account] = "Labor") = RESULTLOOKUP([d/Account] = "LHours") * LINK([M_HR_Plan], [d/Account] = "LRate", [d/Personnel_Area] = "AMER", [d/Version] = "public.PubHrPlan")

En la segunda acción de datos, los beneficios en el modelo de plan de gastos se calculan tomando los costes de mano de obra del modelo de gastos y multiplicándolos por la tasa de beneficio. El planificador introduce esta tasa en el tiempo de ejecución.

123
MEMBERSET [d/Date] = (BASEMEMBER([d/Date].[h/YQM], "[2025]"))
MEMBERSET [d/P00D_CostCenter] = (BASEMEMBER([d/P00D_CostCenter].[h/H1], %CostCenter%))
DATA([d/Account] = "Benefits") = RESULTLOOKUP([d/Account] = "Labor") * %BenefitRate%

Se puede añadir un paso de acción de datos incrustado a la acción de datos en la que está trabajando. La combinación de estos pasos con parámetros dinámicos le permite reutilizar acciones de datos con diferentes miembros de origen o destino. Cuando se le da la opción de modularizar una acción de datos mediante un paso de acción de datos incrustada o crear una acción multifunción, se prefieren las acciones de datos incrustadas al optimizar el rendimiento.

Las acciones de datos integradas permiten un mejor rendimiento en comparación con las acciones multifunción, ya que todas las acciones de datos incrustadas se basan en el mismo modelo o versión, por lo que se optimizan las verificaciones de validación. Mientras que las acciones multifunción proporcionan más flexibilidad en todos los modelos y en los que hay más capacidades de paso, cada paso de una acción multifunción se gestiona como una tarea separada. Esto añade tiempo adicional porque cada paso debe iniciarse y finalizarse individualmente.

Cuantos más miembros de referencia y dimensiones de referencia estén implicados en su asignación, mayor será el volumen de datos que se deben procesar simultáneamente. Esto aumenta sustancialmente la probabilidad de cuellos de botella de rendimiento y un tiempo de ejecución más largo, ya que se requieren más recursos para el procesamiento, especialmente si el conjunto de datos es grande o complejo.

Escenario: El centro de costos de Utilidades tiene gastos de electricidad que deben asignarse a los centros de costos receptores HR, TI, Contabilidad y Administración en base a kilovatios por hora. Cuando el centro de coste Utilities recopiló los costes de gastos eléctricos, se almacenaron en dos seguimientos de auditoría diferentes: Auditoría medioambiental y Auditoría de procesos.

En este vídeo exploraremos cómo puede mejorar el rendimiento al trabajar con acciones de datos que utilizan miembros de referencia. Observamos cómo el sistema calcula los resultados de asignación con y sin miembros de referencia en la definición de la acción de datos, vemos un ejemplo de cada enfoque y formas de optimizar el rendimiento.

Resumen: Desglosar un paso de asignación que contiene muchos miembros de referencia puede afectar al rendimiento, especialmente si utiliza varias dimensiones de referencia, ya que esto da como resultado un gran número de combinaciones que deben procesarse. En su lugar, limite el número de dimensiones de referencia definidas en la medida de lo posible si su escenario empresarial lo permite. Si son necesarias, intente filtrar las dimensiones de referencia al ejecutar la asignación para que haya menos combinaciones de miembros para procesar. Al aplicar filtros, esencialmente reduce las combinaciones de la asignación que requieren cálculo a un subconjunto de datos manejable en lugar de procesar todas las combinaciones posibles. Esto optimiza el rendimiento y el uso de recursos.

Si tiene una acción de datos que tiene problemas y los pasos de resolución de problemas estándar no han funcionado, es posible que deba depurar la acción de datos mediante el tracing de acciones de datos de SAP Analytics Cloud. El tracing es una herramienta de depuración con la que puede ejecutar una acción de datos y verificar sus resultados intermedios en ubicaciones especificadas manualmente llamadas tracepoints y las modificaciones de datos entre estos tracepoints.

Para utilizarla, defina tracepoints, ejecute su acción de datos en modo trace y, a continuación, verifique los resultados. En función de los análisis del tracing, puede continuar editando o refinando su acción de datos para solucionar problemas con su acción de datos.

Encontrará instrucciones detalladas sobre cómo utilizar el tracing de acciones de datos de SAP Analytics Cloud en Depurar acciones de datos con tracing, en la sección SAP Help Portal.