En esta lección, exploraremos las recomendaciones de mejores prácticas para optimizar el rendimiento del modelo de planificación en SAP Analytics Cloud.
Escenario: Tiene la tarea de crear un modelo de planificación de alto rendimiento en SAP Analytics Cloud. Su modelo debe gestionar grandes conjuntos de datos de forma eficiente, proporcionando tiempos de respuesta rápidos para los usuarios. Sin embargo, ha observado algunos problemas de rendimiento que afectan a la experiencia general del usuario.
Exploración de las mejores prácticas para el rendimiento en un modelo de planificación
En este vídeo, analizamos con más detalle la lista de verificación de estado del modelo. Esta lista de verificación le ayudará a identificar y abordar posibles cuellos de botella en el rendimiento de su modelo de planificación de SAP Analytics Cloud.
Resumen
La lista de verificación del estado del modelo le ayuda a evaluar sistemáticamente el estado de su modelo e identificar posibles cuellos de botella y posibles áreas de mejora. Recuerde que no hay un único diseño de modelo "mejor"; la optimización depende de sus datos y requisitos específicos. El diseño óptimo del modelo depende del contexto y requiere un refinamiento iterativo.
La lista de control de funcionamiento del modelo incluye:
- Verificación de validez de granularidad de dimensión: es importante examinar detenidamente la granularidad de cada dimensión, es decir, el número de miembros y la profundidad de una jerarquía dentro de las dimensiones. ¿Necesitas todos los detalles? La granularidad de dimensión se trata en otra lección.
- Recuento de dimensiones: intente mantener el número de dimensiones (incluidas las dimensiones estándar como Cuenta, Fecha y Versión) entre 8 y 12.
- Carga de datos de versión pública/privada: las estrategias para optimizar la carga de datos de versión se tratan en una lección separada.
- Fórmulas: utilice fórmulas avanzadas dentro de las acciones de datos, desencadenando la ejecución a petición de fórmulas, reduciendo la carga del sistema sobre las fórmulas ejecutadas en tiempo real.
- Agregaciones de excepciones: un comportamiento natural de un motor multidimensional es sumar datos a lo largo de múltiples jerarquías. Dos dimensiones con jerarquías de 9 niveles de profundidad (con 10 miembros de hoja) crean 100 agregaciones potenciales. Las agregaciones de excepción, como promedios o valores mínimos/máximos, se calculan en un segundo paso, creando pasos de procesamiento adicionales que consultan los datos subyacentes y tiempos de ejecución más largos. Intente mover estos cálculos a fórmulas avanzadas para un mejor rendimiento.
- Eliminar ceros innecesarios: aunque ocasionalmente son útiles, los ceros excesivos pueden afectar al rendimiento. Le mostraremos cómo reducir ceros innecesarios en una lección más adelante en esta unidad.
- Perfil de acceso a datos/seguridad: los perfiles de acceso a datos restrictivos generalmente mejoran el rendimiento; sin embargo, pueden afectar al administrador funcional, ya que los derechos de modelado se refinarán en función de los privilegios de un usuario experto. Por este motivo, es importante planificar e implementar cuidadosamente los perfiles de acceso a datos para equilibrar la seguridad y el rendimiento.
Información adicional
Para ver los detalles en el gráfico de ilustración de diversidad del modelo de planificación y la lista de verificación de modelado, vaya a la publicación de blog de SAP Community SAP Analytics Cloud for Planning: Lista de verificación de modelado.