¡Bienvenidos de nuevo! Como cada semana, un nuevo artículo en nuestro pequeño espacio de #BestInMicro, un rinconcito donde voy compartiendo historias, experiencias, aprendizajes, secretos y técnicas del día a día en la vida de un consultor MicroStrategy.
Esta semana los voy a llevar a un viaje a través del tiempo y el espacio. Parece un cuento de Bradbury o una teoría de Stephen Hawking, ¿no? Pues hoy tomaremos nuestras métricas, las subiremos al DeLorean y las haremos viajar al pasado y a otras dimensiones para ver qué valor corresponde allí donde vayamos. Así que abróchense los cinturones, porque hoy veremos: Métricas Transformadas.
Déjenme explicarlo un poco más claro… Empecemos por las transformaciones. Las transformaciones son un objeto de esquema en MicroStrategy, que permiten generar un vínculo o una relación directa entre distintas dimensiones.
El ejemplo más utilizado, y más sencillo de comprender, es si lo miramos con la dimensión del tiempo. La transformada genera una relación entre, por ejemplo, el año anterior, o el mes anterior, o un conjunto de días correspondiente a una semana, etc.
Por ejemplo, si hoy es 4 de enero de 2021, la transformación al año anterior sería 4 de enero del 2020; al día anterior seria 3 de enero de 2021, o el acumulado del año (también conocido como Year To Date, o YTD), serían los días 1, 2, 3 y 4 de enero de 2021.
¡Genial! Ahora que ya entendimos a qué nos referimos cuando hablamos de transformadas, vamos a llevarlo a donde queremos ir hoy. Al ir al editor de métricas, habrán notado que hay distintas opciones, como el filtro que les aplicamos, la dimensionalidad y hay uno llamado transformación.
Cuando tomamos una transformación y la aplicamos a una métrica, es básicamente traer esa métrica para la dimensión a la cual lo estamos transformando. Es decir, si le aplicamos la transformada del año anterior, nos devolverá el valor correspondiente al año anterior para la fila en la que nos encontremos.
Sigamos. Una vez que entendimos para qué sirve y cómo se utilizan, lo que sigue es entender que hay distintos tipos, basados básicamente en cómo las creamos (¡ojo!, esto no significa que no se puedan utilizar ambas en una misma transformación).
Este método consiste en tener una tabla en nuestro warehouse, donde defina una relación entre una fecha “origen” y a la fecha que hace referencia.
De esta forma, creamos una transformada “día anterior” para el atributo “Date” donde asignemos la columna “previous date” (o bueno, cualquier relación que interese).
De forma similar funciona con los valores acumulados:
Aquí notarán que por cada día (columna “date”) tiene todos los valores correspondientes acumulados, ya sea del mes o del año en este ejemplo (por ser de enero 😊). En este caso es importante definir que la relación en la transformación será un many-to-many (para un mismo valor, varias ocurrencias de la columna izquierda se relacionan con varias ocurrencias de la columna derecha. Para más información, aquí explica un poco más sobre el tema ). ¡Luego haré un video mostrando ejemplos de cada caso, por lo que estén atentos!
Además de la tabla, puede haber escenarios donde se requiera algún tipo de formula o cálculo para obtener la fecha objetivo, ya sea porque no se tiene la posibilidad de generar la tabla, por ser un cálculo relativamente más complejo o porque es más sencillo el generar la formula a crear la tabla.
El hecho de utilizar este tipo de transformadas permite crear las fórmulas utilizando columnas de las tablas del warehouse, constantes, operadores aritméticos y funciones matemáticas.
El uso de transformadas es una práctica muy común a la hora de analizar evoluciones y comparaciones, incluso análisis de dimensiones de SCD (Slow changing dimensión), ya que, como les decía al principio del artículo, las transformadas no son exclusivas de la dimensión de tiempo, aunque si son las más comunes.
Como gran diferencia a nivel macro entre ambos métodos de transformadas, podemos considerar que las basadas en una expresión pueden generar algún tipo de carga en el servidor (ya que tiene que hacer una capa de cálculo más, mientras que al utilizar tabla viene todo directamente desde el warehouse).
Hasta aquí llegamos esta semana, cualquier duda, pregunta, comentario o lo que quieran, ¡sin miedo ni vergüenza! ¡Y nos vemos la próxima semana!
* Tu información será utilizada exclusivamente para contactarte en relación al Business Data Master. No hacemos spam ni compartimos datos con terceros.
