Analytics-Datenansichten

MDE-Analyseansichten (Manufacturing Data Engine) sind eine leistungsstarke Funktion, mit der sich Datenanalyse und Berichterstellung in Ihrer MDE-Umgebung optimieren lassen. Durch die automatische Generierung von BigQuery-Ansichten, in denen typspezifische Daten, Metadaten und zugehörige Dimensionen zusammengeführt werden, vereinfacht MDE die Erstellung umfassender Abfragen und Dashboards.

Konzepte

Eine Analytics-Ansicht ist eine vorgefertigte BigQuery-Ansicht, die auf eine bestimmte Typversion in Ihrer MDE-Umgebung zugeschnitten ist. Diese Ansicht dient als einheitliche Datenquelle, in der die Typentabelle (Ihre zentrale Fakttabelle) nahtlos mit allen relevanten Metadaten-Buckets (Ihren Dimensionen) verknüpft wird, die mit dieser Typversion verknüpft sind.

Durch diese Konsolidierung werden Abfragen vereinfacht, da keine manuellen Joins über mehrere Tabellen hinweg mehr erforderlich sind. In Analytics-Ansichten werden Metadateninstanzen und Datenfelder auch auf Grundlage vordefinierter JSON-Schemas zusammengeführt.

Funktionsweise von Analytics-Ansichten

  1. Automatische Erstellung:MDE erstellt automatisch eine spezielle Analytics-Ansicht im Dataset mde_analytics für jede eindeutige Typversion. Ansichten für neue Typversionen werden immer direkt aktualisiert.

  2. Metadaten-Flattening:In der Ansichtsabfrage werden die JSON-Metadateninstanzen (Dimensionsmember), die dem Typ zugeordnet sind, intelligent zusammengeführt. Jedes Feld im JSON-Schema der Metadaten-Bucket-Version, die der Typversion zugeordnet ist, wird einem entsprechenden BigQuery-Feld zugeordnet. Dabei wird die folgende wohldefinierte Typzuordnung verwendet:

    • String -> String
    • Array -> JSON
    • Objekt → JSON
    • Number –> Float64
    • Ganzzahl -> Int64
    • Boolean -> Bool
    • null -> null

Die resultierenden BigQuery-Felder haben immer das Präfix des Metadaten-Bucket-Namens.

  1. Verschachtelte JSON-Felder:Verschachtelte JSON-Felder werden in BigQuery-Felder konvertiert, indem ihre Pfadelemente mit Unterstrichen verkettet werden. Aus {"location":{"city":"Düsseldorf"}} wird beispielsweise location_city.

  2. Aufschlüsselung des Felds „Data“:Die Ansicht erweitert die Aufschlüsselung auf das JSON-Feld „data“ für nicht numerische Typen basierend auf dem für den Typ definierten Schema, um einen umfassenden Datenzugriff zu ermöglichen. Die Zusammenführung wird nur durchgeführt, wenn ein Schema für das Feld „data“ definiert ist. Weitere Informationen zu Schemas für Datenfelder finden Sie unter Datenfeld.

  3. Feldnamen und Konflikte:Bei einem Namenskonflikt wird den aus Metadaten-Buckets abgeleiteten Feldern der Bucket-Name vorangestellt.

Schema ansehen

Das endgültige Ansichtsschema umfasst eine Vielzahl von Feldern:

  • Alle Felder aus der zugrunde liegenden Typentabelle:Ihre wichtigsten Fertigungsdaten.
  • Alle zusammengeführten Felder aus jeder Metadateninstanz:Detaillierte Kontextinformationen zu Ihren Datensätzen.
  • Alle zusammengeführten Felder aus dem Feld „data“ (nicht numerisch): Zusätzliche Datenpunkte, die für den Typ spezifisch sind.

Vorteile von Analytics-Datenansichten

Analytics-Ansichten bieten folgende Vorteile:

  • Vereinfachte Abfragen:Komplexe Joins sind nicht mehr erforderlich, da Sie umfassende Daten über eine einzelne Ansicht abfragen können.
  • Schnellere Analyse:Sie verbringen weniger Zeit mit der Datenaufbereitung und mehr Zeit mit dem Gewinnen von Erkenntnissen.
  • Standardisierte Struktur:Einheitliches Schema für alle Typversionen ermöglicht standardisierte Berichte.
  • Automatisierung:MDE übernimmt das Erstellen und Verwalten von Ansichten, sodass Sie keine manuellen Aufgaben ausführen müssen.

Erste Schritte

Analytics-Ansichten sind sofort einsatzbereit, sobald Sie mit Typen in MDE arbeiten. So können Sie die automatisch generierten Ansichten in Ihrem Google Cloud Projekt aufrufen:

  1. Wählen Sie BigQuery aus.
  2. Klicken Sie im linken Bereich auf Studio.
  3. Wählen Sie im BigQuery-Explorer-Fenster das Dataset mde_analytics aus.