Este segundo algoritmo que vamos falar é de Regras Associativas. Voltando ao primeiro post, as Regras Associativas apresentam uma estrutura combinatória dentro de um DataSet a partir de itens similares que estão sendo processados. A maioria dos sistemas inteligentes que utilizam este algoritmo são criados para recomendar um produto para o usuário, normalmente em e-commerce. Já reparou que quando acessa o site da Amazon e procura o livro Do Banco de Dados Relacional à Tomada de Decisão, e vários outros livros de Business Intelligence e BigData são apresentados? Então, não existe um Oompa-Loompa colocando isso aleatoriamente para você. Por trás, existe um sistema de recomendação completo, provavelmente utilizando a categoria “Computação, Informática e Mídias Digitais” como um parametro de entrada para este item. Como sempre, é importante conhecer a base e saber quais segmentações você quer aplicar para a recomendação. Neste caso, quando se coloca a categoria como um parametro de entrada, sempre serão recomendados itens similares dentro desta categoria, mas se todos os compradores do meu livro também comprassem um livro de culinária, ele não apareceria na recomendação pois está em outra categoria.

Bom, já entendemos a aplicabilidade e como ele funciona, agora vamos criar um exemplo para o Adventure Works?

Primeira coisa é necessário criar um novo projeto do tipo SSAS com Data Mining. Mais uma vez vou acreditar que você sabe criar um Data Source apontando para o AdventureWorksDW2012 e um Data Source View apontando para a vAssocSeqLineItems e vAssocSeqOrders. Esta estrutura basicamente é um relacionamento entre pedidos e produtos. Onde uma view tem os pedidos que foram feitos, e na outra view tem a lista de produtos que estão associadas àquele pedido. Consegue ver um relacionamento entre essas views? E a aplicabilidade desse relacionamento na nossa recomendação de conteúdo? Caso não tenha conseguido descobrir essa associação, a idéia é encontrar na lista de itens os produtos que também são comprados (com base na outra view de pedido) quando ao menos um daqueles itens é o que está no meu carrinho. Ficou mais claro? Não? Ok, vamos continuar e ver se conseguimos explicar… Voltando pra Amazon, e olhando a categoria do meu livro. Diversas pessoas olham meu livro e alguns outros livros na mesma visita à pagina, não importa a ordem, pode ser que vejam outros livros e depois o meu (a ordem de visualização vai importar quando estivermos falando de algoritmo de Sequence Cluster, mas isso é pra outro post). O importante é que existe uma ligação entre a visita e os produtos que foram vistos, no caso estes livros. Depois de algum tempo, estes livros passam a ter um relacionamento mais preciso, pois tem mais gente visualizando os livros. Não significa que em todos os acessos os visitantes visualizam todos os livros, estes que estão recomendados são os 5 livros que mais se relacionam com o meu no momento do processamento e dentro naquela categoria que está sendo processada. Pode ser que no futuro um outro livro passe a ser visualizado sempre que alguém buscar o meu livro, isso fará com que o 5º livro da ordem, que seria representado por uma ligação mais fraca, pare de aparecer na recomendação e entre esse outro livro… Tudo isso automaticamente, sem a intervenção daquele Oompa-Loompa comentado lá em cima.

Voltando ao exemplo, depois de incluir o Data Source View, é preciso relacionar as views, arrastando o campo OrderNumber da view vAssocSeqLineItems para cima do campo vAssocSeqOrders.

Próximo passo é hora de criar o Mining Model para as regras associativas, faça isso clicando com o botão dirento em Mining Structure e criando um novo a partir do From existing relational database or data warehouse e escolhendo Microsoft Association Rules.

Ao avançar para as próximas telas, deve-se informar qual view é Case e qual é Nested. Neste caso, a estrutura de CASE é onde temos a informação principal que será usada para segmentar os dados. Fazendo uma analogia ao livro, é onde se encontra a categoria de “Computação, Informática e Mídias Digitais” e não os livros que foram visualizados juntos. Já a tabela NESTED é onde se encontram estes livros que foram visualizados juntos. Então selecione vAssocSeqOrders para Case e vAssocSeqLineItens para Nested.

Ao avançar para a tela seguinte, é solicitado para informar quais campos serão tratados como Key, Input e Predictable. A seleção destas colunas é baseada na mesma explicação que foi feita no post sobre Árvores de Decisão, então dê um pulinho lá e veja o que é. Desmarque todas as opções que vierem marcadas, e selecione as caixas de OrderNumber como chave (coluna key) e as três colunas da Model. Sua seleção ficará assim:

Quando avançar para a próxima tela, garanta que ambas colunas selecionadas estejam marcadas como Key, no Content Type.

Só pra lembrar, como neste caso é importante a acertividade na recomendação dos itens similares, altere de 30 para 0 o valor do campo “Percentage of Data for Testing“. Avance até finalizar o processo.

Se tudo ocorreu direito, seu Mining Structure ficará assim:

Antes de processar seu projeto, lembre-se de informar qual é o servidor que tem o SQL Server Analysis Services instalado e configurado. Após este pequeno detalhe, faça o processamento.

Após processar, mude a aba do seu Mining para Mining Model View, e então, dentro desta aba, vá até o item Dependency Network.

Aqui dentro é possível ver os nós de associação que foram criados.

Parece pouca associação (mas por trás não é), isso acontece pela parametrização da quantidade mínima de ocorrências similares dos objetos. Para aumentar isso, volte até a aba Mining Model, clique com o botão direito em Set Algorithm Parameters.

Altere os parametros de Minimum_Support para 0.01 e de Minimum_Probability para 0.1, ao terminar esta alteração, processe novamente seu modelo e em seguida volte a visualizar as associacões (aba Dependency Network do seu Mining Model View). Veja que agora está bem mais completo e bonito de ver.

Para consumir as associações, é possível escrever códigos DMX (Data Mining Extentions) passando como parâmetro o nome de um dos produtos, e recebendo uma lista dos outros itens que são associados à ele nas compras. Está no meu pipe pra escrever uma app em .Net que consuma esses dados via DMX, e claro, postar aqui como foi feito J

O post Algoritmo de Regras Associativas (Association Rules) no Data Mining do SQL Server 2014 apareceu primeiro em Diego Nogare.

Como já foi falado no primeiro post, este algoritmo de classificação é responsável por criar uma representação visual que chamamos de árvore por contem um nó raíz, nós intermediários que são as ramificações e os últimos nós representados que são as folhas.

É importante conhecer os dados que serão trabalhados para poder definir o que são atributos de entrada e o que são atributos preditivos. Basicamente, os atributos de entradas são colunas do banco de dados que podem influenciar o resultado final, e o resultado final é a coluna preditiva. Imagine um cenário onde o objetivo é classificar pessoas que são possíveis compradores do livro Do Banco de Dados Relacional à Tomada de Decisão. Então neste caso a coluna preditiva do banco é se o cara comprou ou não o livro. As colunas de input são as colunas que tem alguma influência sobre a compra do livro, por exemplo, o idioma, a área de atuação, interesse técnico, etc. O algoritmo, com base nestas informações de input e predição, estrutura os nós da árvore classificando o que é relevante nas ramificações e entregando um (ou mais) caminhos ideais para chegar até as folhas. Pensando por esse lado, foi constatado que das 10 vendas que o livro teve, 8 falam idioma Português, 7 trabalham na área de Banco de Dados e somente 3 tem interesse técnico. Quando estes dados são processados pelo algoritmo e apresentado através da Árvore de Decisão, é possível ver claramente qual é o melhor caminho para segmentar o público que compraria o livro. São profissionais que falam Português e que trabalham na área de Banco de Dados, mas o interesse técnico não importa. Se fizer uma campanha de marketing direcionada para este público, a chance de vender o livro é muito maior do que enviar para um grupo de pessoas que falam Inglês e trabalham na área de Nutrição.

Bom, depois desse exemplo para entender o funcionamento do algoritmo, vamos começar um exemplo utilizando o Adventure Works.

Primeira coisa é necessário criar um novo projeto do tipo SSAS com Data Mining. Vou levar em conta que você sabe criar um Data Source apontando para o AdventureWorksDW2012 e um Data Source View apontando para a vTargetMail.

O próximo passo é onde começa a mineração de dados, procure na Solution Explorer o item de Mining Structure e clique com o botão direito do mouse, em seguida, aponte para New Mining Structure.

Neste momento uma tela de abre e permite que você informe onde estão os dados de origem. Como utilizaremos o Data Warehouse para consumir os dados, deixe marcada a opção que é apresentada.

Ao avançar para a próxima tela, você deve escolher qual algoritmo vai utilizar para sua mineração. No caso deste exemplo, mantenha escolhido o default, que é Decision Tree.

Na tela seguinte, você informa qual é o Data Source View que possui a conexão com sua base de dados de origem. Como foi criado somente um Data Source View, somente ele é apresentado.

Ao avançar, o wizard pergunta quais tabelas são Case e quais são Nested. Mantenha a tabela (eu sei que é uma view!!!!) vTargetMail marcada como Case e avance.

Neste momento é hora de selecionar quais colunas são de entrada e quais são preditivas. Ao bater o olho na tela, é intuitivo marcar as linhas definidas para cada coluna. Garanta que seu ambiente está marcado com:

Key à CustomerKey

Input à Age e CommuteDistance

Predictable à BikeBuyer

Como apresentado a seguir

Avance para a próxima tela, e informe quais são valores Continuous ou então Discrete. Lembrando que valores contínuos apresentam uma grande variação de ocorrencias dentro da coluna e os discretos variam pouco. Por exemplo um campo do tipo CPF é um valor contínuo (varia muito de individuo para individuo) e uma coluna do tipo sexo é discreto (varia só um pouco). Caso não esteja a vontade, ou não conhece a base, pode clicar em Detect e o SQL Server analisa e lhe dá o resultado.

O próximo passo é finalizar e informar o nome. Como não estou com criatividade hoje, vou deixar o nome sugerido pelo SQL Server e vou manter v Target Mail.

Um novo item é criado dentro da Solution Explorer, e é neste objeto que a Mineração de Dados ocorre. Para encontrar a Árvore de Decisão, é preciso processar os dados. É possível processar somente o modelo ou então o projeto como um todo. No caso, vamos processar todo o projeto. Para isso, vá na Solution Explorer, clique com o botão direito no projeto e aponte para Process. Lembrando de apontar para o deploy para o servidor correto.

Se tudo ocorrer bem ao processamento, será apresenta o status Process Succeeded.

Para encontrar a Árvore de Decisão, vá até a área central do SQL Server Data Tools no objeto v Target Mail, e abra a aba Mining Model Viewer.

Reparem que os nós Raiz [1], Ramificações [2] e Folha [3] são apresentados, e pode-se seguir o caminho da predição com base nas variáveis de entrada. Um ponto importante para seguir com a análise, é entender essa graduação de cores, na qual o item mais escuro representa o resultado mais impactante com base na predição esperada. A base do AdventureWorks é de uma empresa fictícia de venda de acessórios para bicicletas, então, olhando esta árvore, é possível predizer que os melhores clientes para realizar possíveis compras futuras seguindo o fluxo com as cores mais escuras.

Agora é com vocês, apliquem estas técnicas de mineração de dados em seu ambiente e façam com que seus resultados sejam mais assertivos!

O post Algoritmo de Árvore de Decisão (Decision Tree) no Data Mining do SQL Server 2014 apareceu primeiro em Diego Nogare.

Como o foco da Microsoft é estar cada vez mais estar presente em soluções de nuvem, esta nova feature do Azure é altamente importante. Também faz todo sentido para os negócios que se baseiam em Big Data, visto que algoritmos de Machine Learning precisam de dados para realizar suas análises preditivas. Quem encabeçou este projeto na Microsoft é Joseph Sirosh, que estava a 8 anos na Amazon e veio pra Microsoft à pedido do novo CEO, Satya Nadella, em Outubro/2013.

Veja o que dá pra fazer, já legendado em ptBR.

Ainda não tenho detalhes de quais algoritmos de aprendizado de máquina está por trás do Microsoft Azure Machine Learning, nem qual é o tipo de aprendizado que está sendo suportado. Mas não vejo a hora de chegar logo 14/Julho para poder brincar com alguns dados e ver o resultado.

O post Aprendizado de Máquina – Azure Machine Learning apareceu primeiro em Diego Nogare.

A solução que proponho é criar uma outra máquina virtual, atachar o disco do servidor que deu problema e recuperar os dados do ambiente antigo. Parece simples, e realmente é, mas este processo simples pode salvar algumas noites de sono!

A primeira coisa para simular este ambiente será criar uma Storage que receberá os armazenamentos.

O próximo passo é criar uma máquina virtual de acordo com suas necessidades. Para este teste foi criada uma máquina de tamanho Média (A2), que possui 2 cores e 3.5GB de memória. Veja neste link o custo das máquinas virtuais do Azure. Segundo as definições encontradas neste outro link, é possível trabalhar com até 4 discos de 1TB de dado em cada, chegando a 500 IOPS em cada disco.

Para simular o problema não é necessário uma máquina grande, nem com edição Enterprise do SQL Server, então foi montada com a edição Standard mesmo, e no Windows Server 2008 R2.

Após escolher o tipo da maquina virtual na galeria, garanta que o armazenamento será o mesmo que foi criado anteriormente. Isso permitirá a manipulação dos discos entre as máquinas.

O objetivo não é mostrar a configuração ou utilização do SQL Server no Azure, e sim o processo de desastre do ambiente. Se você precisa configurar o SQL Server para ser acessado através do Azure, veja este post do Rodolfo Fadino explicando como fazer.

Reparem que existe o banco de dados AdventureWorks2012 no ambiente, e é este banco de dados que vamos recuperar nesta simulação.

Para quebrar o ambiente, vou remover alguns arquivos. Praticamente apaguei alguns arquivos da pasta System e System32, o arquivo BootStat.dat que ficam dentro da pasta Windows e também o arquivo bootmgr que é um arquivo de Inicialização. Ao tentar reiniciar o servidor, ele não sobe porque alguns arquivos estão indisponíveis. Pronto, este é nosso desastre! O objetivo do post é resolver este problema para reacessar o SQL Server.

A proposta do que precisa ser feito para recuperar o ambiente é criar uma nova máquina virtual, pode ser a mesma configuração utilizada no outro ambiente. O importante é ter o SQL Server para recuperar os dados do banco.

Durante a criação da nova VM, é importante escolher a mesma conta de armazenamento (Storage) que registrou na primeira VM. Isso porque o disco está armazenado lá.

Após alguns instantes, seu ambiente terá uma nova máquina virtual, e será possível acessá-la. Ao fazer isso, você terá os dois discos padrões do ambiente, um com o Sistema Operacional e os programas e outro com seu Storage Temporário.

Ao voltar ao gerenciador de máquinas virtuais, é preciso excluir a máquina danificada para liberar o registro do VHD, e então continuar com a configuração. Para isso, selecione a máquina com problema, aponte para Excluir e em seguida escolha Manter os discos conectados.

Após a exclusão, o disco não estará associado à nenhuma máquina virtual mas ainda não está disponível para ser reutilizado. Lembra que o ambiente é criado com dois discos, um pro SO e outro para o Storage Temporário. Então, este storage temporário deve ser apagado. Acesse o Storage que foi criado para armazenar os discos, vá até o repositório de VHDs e selecione o VHD da primeira VM que possui o .status no final. Ao selecionar este VHD, pode clicar em Excluir.

Também é preciso excluir o serviço de nuvem desta maquina danificada, pois o disco está associado à este serviço. Exclua o serviço apontando para o menu Cloud Services, marque a primeira VM e clique em Delete.

Pronto, agora o disco está disponível para se trabalhar.

Para incluir o disco danificado na nova VM, mantenha-se no gerenciador de VMs do Azure, acesse as configurações desta segunda máquina virtual, a nova, e então vá até o menu Disks.

Para não ter problemas com nenhuma sugeira do ambiente antigo garanta que o disco não está associado a nenhuma outra máquina virtual. Você pode verificar isso no menu Disk ao lado do menu Images (antes de associar à nova VM).

Faça o processo para apagar a associação do disco da maquina virtual 1 com qualquer VM existente. Mas cuidado para não apagar o VHD do storage. Depois crie novamente o disco com o nome sugestivo, e garanta que não está marcada a opção de ser um disco com Sistema Operacional. No final, seus discos estarão assim:

Voltando às configurações de Maquina Virtual, selecione a VM que vai receber o novo disco e então clique em Attach e aponte para Attach Disk. Neste caso não será um disco vazio, e sim um disco.

Veja que nas opções para incluir um novo disco, nos discos disponíveis, já aparece o nome que foi criado a pouco. No meu caso, chamei de DiscoDanificado.

Ao confirmar, o Azure fará a configuração deste novo disco no ambiente. Após alguns instantes será possível acessar a VM novamente e encontrar o disco disponível.

A partir deste disco é só procurar e recuperar os arquivos de dados do SQL Server, neste caso, o AdventureWorks2012_Data e AdventureWorks2012_Log.

Ao copiar os arquivos de Dados e de Log para o ambiente correto, você pode atachar os arquivos ao SQL Server e então seu novo ambiente estará disponível para continuar trabalhando com seus bancos de dados.

Espero que isso possa lhe salvar algumas horas (ou dias) de sono!

O post Perdi minha VM do SQL Server no Azure, e agora?! apareceu primeiro em Diego Nogare.

As imagens podem estar tanto no SQL Server quanto em uma URL. Pra exemplificar o processo, vou usar imagens que peguei na internet e subi aqui no blog. Vale lembrar que se colocar as imagens no seu SharePoint, é importante dar as permissões corretas na pasta.

Também é conhecido por todos que a origem de dados do Power View vem do PowerPivot, então é a partir de lá que vamos informar ao projeto que existe uma coluna do Model, que está representando uma imagem. Para isso, criei uma estrutura simples, com dados aleatórios, só pra representar duas tabelas e gerar alguma interação entre elas.

Vou criar ambas no Excel, depois adicionamos ao PowerPivot. A primeira tabela tem um ID, o Nome que quero representar à imagem, e o endereço da Imagem em si. A segunda tabela tem uma coluna pra Pedidos, outra pra total de Vendas, e uma terceira sendo um ID que vai relacionar este pedido e venda à uma das imagens.

Com as tabelas criadas no Excel é hora de adicionar ao Model do PowerPivot. Vou fazer isso manualmente porque não estou conectando em nenhuma base de dados, estou montando manualmente. Se você estiver conectado em alguma base, o processo é o mesmo, você só precisa pular este passo. Para isso, selecione a aba (spreadsheet) [1] e vá até a Ribbon do PowerPivot [2] e clique em Adicionar Ao Modelo de Dados [3]. Faça o mesmo processo para a segunda aba, para ambas serem adicionadas ao Model.

Depois é preciso relacionar as colunas destas tabelas dentro do Model, para isso, vá até o item Exibição de Diagrama na tela de gerenciamento que se abriu. As tabelas serão apresentadas, então arraste a coluna da tabela filho (vendas) para a tabela pai (perfil).

Atenção aqui, este processo é necessário para informar ao Model que existe uma coluna do tipo Imagem, e pra isso, abra a Ribbon Avançado [1] no gerenciamento do PowerPivot e clique em Comportamento da Tabela [2]. Vale lembrar que precisa estar com a aba perfil selecionada, visto que é nesta tabela que temos a imagem.

Na tela que se abrir, selecione a coluna Nome no combobox de Identificador de Linha, e selecione a Imagem na combobox de Imagem Padrão. Com estes dois simples passos, já é possível criar o Power View e vincular as imagens aos resultados.

O próximo passo é voltar ao Excel e criar o Power View. Para isso, feche o gerenciamento do PowerPivot e vá até a Ribbon Inserir e procure o item Power View. Vale lembrar que você precisa ter o Silverlight instalado na máquina…

Dentro do PowerView você pode adicionar os ítens que gostaria de ver no relatório, e, ao colocar a Imagem (que é o nome da coluna que eu informei no Excel e no PowerPivot), o desenho do peixe surge na tela…

Agora é com vocês, adicionem imagens à seus relatórios e melhorem a experiência dos seus usuários, possibilitando a eles navegar em produtos (se for um relatório de produtos) ou países (se for um relatório que tiver este contexto). Enfim, o céu é o limite!

O post Integrar imagens no PowerPivot e Power View apareceu primeiro em Diego Nogare.

A idéia aqui é ir direto ao ponto, encontrando o que dá pra processar [e onde é aplicável] e quais os resultados obtidos com cada tipo de processamento.

Process Default

Realiza o menor esforço possível (com a menor quantidade de tarefas) para processar a estrutura e os dados. O servidor converte esta opção na mais adequada à necessidade do seu ambiente, neste momento.

Aplicável: Todos Objetos

Process Full

Processa toda a estrutura e os dados, excluindo e recriando os objetos. Isso significa que o processamento discarta tudo o que existe e cria novamente a estrutura analítica e depois processa os dados para esta estrutura. Se algum novo atributo é adicionado à dimnensão, deve rolar um process full.

Aplicável: Todos Objetos

PROCESS UPDATE

Quando acontece alguma alteração de atributos na dimensão, seja adicionando apagando ou atualizando, este processo deve ser executado. Tem inteligência suficiente para processar somente o diferencial da estrutura e dos dados que são novos, porém é mais lento (para aplicar a “inteligência”).

Aplicável: Dimensão

Process Data

Descarta todos os dados armazenados e processa todos os dados novamente, ignorando se houve alteração na estrutura e também nos índices. O foco são só os dados.

Aplicável: Dimensão, Cubo, Measure e Partição

Process Add

Processa somente os novos dados, ignorando os dados que já existem e também qualquer alteração nova na estrutura ou índices.

Aplicável: Dimensão e Partição

Só pra lembrar onde o processamento é feito dentro do SSDT [SQL Server Data Tools], vá até o objeto que quer processar, clique com o botão direito e aponte para Process. Quando a tela se abrir, veja no ComboBox as opções de processamento disponíveis naquele objeto.

Depois que já tiver publicado seu projeto, de dentro do SSMS [SQL Server Management Studio], também é possível processar objetos. Siga o mesmo processo, botão direito, aponte para Process, em seguida escolha o tipo de processamento.

Espero que este post tenha ajudado à melhorar seu processamento do SSAS.

O post Processamento no SSAS 2012, direto ao ponto! apareceu primeiro em Diego Nogare.

[Update – Adicionada mais uma sessão]

Minha primeira sessão será dia 16/11 às 17h00, com o título: HDInsight: Primeiros passos com BigData. Quem vai moderar minha sessão é Lucas Romão (blog | twitter).

Minha segunda sessão será dia 05/12 às 17h00, com o título: Iniciando seu projeto de BI com Excel e BISM no SSAS 2012. Quem vai moderar minha sessão é Felipe Ferreira (blog | twitter).

Siga as hashtags #mvpshowcast e #mvpbr nas redes sociais, e fique por dentro de tudo o que está acontecendo sobre as palestras antes, durante e depois do evento!

O post MVP ShowCast 2013 – Evento online gratuito apareceu primeiro em Diego Nogare.

A solução de alterar elemento à elemento, além de sofrer com o trabalho manual e repetitivo, não ficou da forma que esperava?? Bom, não fique chateado, isso é comum! Na verdade você pode ficar feliz, porque neste post você vai criar uma paleta de cores personalizada, aplicando ao seu gráfico.

A primeira coisa a se fazer é conversar com seu time de designers e ter as cores que combinam. Ou para seu cliente!

Se não tiver este time na sua empresa, existe uma outra saída. No meu caso específico tenho 2 mãos esquerdas para fazer design, logo as minhas coisas ficam extremamente feias e com péssima aparência. Para resolver meu problema, encontrei um site na internet que apresenta diversas paletas que ajudam a combinar as cores. Se este também é seu caso, sugiro visitar este site: http://www.colourlovers.com/palettes e escolha as cores que mais lhe agradam!

Escolhidas as cores, marque o hexadecimal delas, e vamos criar nossa paleta.

Por padrão, o Reporting Services mantém a paleta de cores do BrightPastel, e você poderá ver esta paleta na propriedade Palette do seu gráfico.

O que precisa fazer para transformar seu gráfico é alterar esta propriedade para Custom. E então, criar sua paleta de cores específica para este gráfico. A criação da paleta é feita um pouco mais acima, na propriedade CustomPaletteColor.

Esta propriedade permite que você crie uma coleção de cores em Hexadecimal. Ai entra o site de cores informado algumas linhas acima! Escolha suas cores e seja feliz.

Vá adicionando as cores em Hexadecimal através do botão ADD na parte de baixo da janela, e altere as posições nas setas pra cima e pra baixo para aplicar no elemento correto do seu gráfico. Depois é só clicar em OK!

Com isso, seu gráfico que, inicialmente, tinha as cores padrão do Reporting Services, agora possui a identidade visual do seu cliente!

Antes

Depois

O post Personalizando a paleta de cores do gráfico no Reporting Services 2012 apareceu primeiro em Diego Nogare.

Fala galera, quando trabalhamos com projetos de BI em uma empresa que pode ter usuários ao redor do mundo, faz total sentido nós traduzirmos a camada de apresentação de nossos membros, dimensões e measures, facilitando o entendimento e uso dos resultados pelo usuário final dentro de sua lingua materna.

Esta necessidade é mais comum do que imaginamos, ainda mais neste ultimos anos, com a facilidade e expansão de se trabalhar remotamente para empresas extrangeiras. Conheço algumas pessoas que de suas casas fazem projetos internacionais, mesmo nunca tendo contato pessoal com seu empregador. Pode parecer estranho, mas acontece!

Neste post vou mostrar como criar essa “internacionalização” de projetos construídos no SSAS, e definindo quais termos serão usados na lingua do cliente e quais estarão fixos (sem tradução). Vale lembrar que a tradução é um mecanismo que altera a legenda e o rótulo da informação postada na tela, e não o dado em sí, isso significa que você não terá seus dados traduzidos, mas sim os titulos dos campos que ele representa.

Outro ponto importante é que uma tradução se dá pela definição de dois valores, um sendo o ID do idioma e o outro a tradução que aquele valor representa. O idioma padrão do devide (repare que não usei o termo computador propositalmente) que está consumindo os dados do cubo é fornecido através das configurações de localidade, que passa através do LCID (Locale ID – Identificador de Localidade) para a ferramenta cliente.

Vou seguir a partir do momento que você já tem um projeto de BI com o AdventureWorksDW2012 criado dentro do seu ambiente, e ele está funcionando.

Visualizando a Dim Product, pode-se ver a chave do produto (que não está visível para a ferramenta cliente), também os nomes da categoria, subcategoria e produto. Porém todos os ítens estão com seus nomes originais, em inglês.

Esta visão da Dimensão já permite um tipo de tradução, que será aplicada diretamente à seus membros diretos, no caso, os campos listados acima. Repare na parte superior do da área de edição da Dimensão, a aba Translations. É nesta aba que vamos trabalhar para traduzir os termos.

Clique no botão New Translation para adicionar uma nova coluna atrelada ao idioma que deseja escrever os termos. O ícone é um globo com duas setas.

Repare que adicionei o ítem para Portuguese  (Brazil) e então, todos os labels da Dimensão Produto passarão a ser plotados no cubo em Português, de acordo com os textos que eu escrevi. Portanto, se você escrever alguma tradução errada, ELE SERÁ ESCRITA DE FORMA ERRADA na tela do seu cliente.

Depois de processar a Dimensão e o Cubo, seus labels ficarão apresentados de forma traduzida.

Antes (original – Inglês)

Depois (Português)

A mesma regra se aplica aos labels do Cubo, onde pode-se traduzir as dimensões, nome do cubo e as measures que exitem lá dentro. Vou traduzir as measures.

Reparem que neste caso, o ícone usado para adicionar uma tradução é o mesmo globo, mas ao invés de possuir as duas setas, ele tem um cubo em 3D

Na mesma instrução de antes, processamos o cubo e ao atualizar a ferramenta cliente, voilà, o dado está traduzido para o idioma local do cliente!

Antes (original _ Inglês)

depois (português)

Com isso, você consegue internacionalizar com pouco esforço seus projetos, e aumenta a satisfação de seus clientes, sejam eles internos ou externos! Au revoir monsieur!

O post Internacionalizando seu projeto de BI com o Translate do Analysis Services 2012 apareceu primeiro em Diego Nogare.

Para exemplificar este processo de criação e uso do KPI, vamos trabalhar com o banco AdventureWorksDW2012 que já é uma base de exemplo completa, vamos aproveitar o calculo que fizemos para apresentar a Margem de Lucro de um produto. Para ver este calculo, acesse este link.

Seguindo a mesma linha do exemplo do Calculo, precisamos abrir o cubo (.cube) e acessar a aba KPIs que fica ao lado do Calculations.

Dentro desta aba, é possível encontrar 3 áreas úteis, sendo duas laterais e uma central. Todas são importantes e nos ajudarão nesta criação. A primeira que vamos utiliziar é a área superior da lateral esquerda, chamada KPI Organizer. Nesta área é onde se solicita criar um novo KPI, e ficam listados todos os KPIs criados neste projeto. Clique com o botão direito do mouse nesta área e aponte para New KPI.

Neste momento, repare na área central se transformando e contextualmente habilitando diversos campos para nós trabalharmos. Precisamos preencher alguns campos. O primeiro dele é o campo Name. Reparem que desta vez não colocamos entre colchetes, simplesmente informamos o nome, que pode inclusive ser o mesmo, não vai gerar conflito.

Na sequência é o campo Associated Measure Group, neste caso, deve-se informar em qual measure group seus campos estão e este KPI ficará associado. No meu caso, só temho o “Calculo de Vendas” então o seleciono na combobox.

O campo seguinte é o Value Expression. Este campo deve receber um valor (arrastando da measure e soltando no campo, o valor é preenchido). Depois do campo preenchido com o calculo que fizemos no outro artigo, este valor poderá ser “chamado” de dentro de outros campos através da função KpiValue. Vamos usar isso mais pra frente.

O valor do campo ficou:

[Measures].[Margem Lucro]

O próximo campo é o Goal Expression, que também pode receber um valor. Neste caso, estou atribuindo “pesos” para cada categoria de produto. Reparem que estou retornando o membro [Categoria do Produto] da dimensão [Produto]. Com essa atribuição de pesos, posso chamar este campo através da função KpiGoal. Também vamos ver isso um pouco à frente. O código que coloquei neste campo foi:

Case

    When [Produto].[Categoria do Produto].CurrentMember Is

    [Produto].[Categoria do Produto].[Accessories] Then .40

    When [Produto].[Categoria do Produto].CurrentMember Is

    [Produto].[Categoria do Produto].[Bikes] Then .12

    When [Produto].[Categoria do Produto].CurrentMember Is

    [Produto].[Categoria do Produto].[Clothing] Then .20

    When [Produto].[Categoria do Produto].CurrentMember Is

    [Produto].[Categoria do Produto].[Components] Then .10

 Else .12

End

O campo seguinte é o Status Indicator, que é a representação gráfica que sua informação irá apresentar, quando for plotada no relatório. Normalmente são os Shapes, que ficam numa representação de semáforo, mas você pode utilizar outros como bandeiras, setas, cilindros, faces (rostinhos), etc.

Este campo acima está atrelado diretamente à este aqui, que é o Status Expression. Este campo é a expressão que irá resultar em seu resultado ser o vermelho, amarelo ou verde. Para isso, o vermelho é o valor de –1, o amarelo é o valor de 0 e o verde é o valor de +1. Veja o código para gerar este valor:

Case

    When KpiValue( "Margem Lucro" ) /

         KpiGoal ( "Margem Lucro" ) >= .90

    Then 1

    When KpiValue( "Margem Lucro" ) /

         KpiGoal ( "Margem Lucro" ) <  .90

         And

         KpiValue( "Margem Lucro" ) /

         KpiGoal ( "Margem Lucro" ) >= .80

    Then 0

    Else -1

End

Reparem que neste código as duas funções que comentei a pouco são chamadas, tanto a KpiValue quanto a KpiGoal, o parametro passado pra elas é o nome do KPI que você quer usar no calculo. Reparem que passei o próprio KPI que estamos criando aqui.

Rolando a tela um pouco pra baixo, é possível ver mais alguma coisas. Neste caso, é possível ver a tendência do resultado, que é apontado dentro do campo Trend Indicator e Trend Expression.

No campo Trend Indicator o mais usado são as setas, já que elas apontam para cima se for um crescimento (+1), apontam para a direita se for mantido (0) e apontam para baixo (-1) se a tentência é para diminuir.

O código MDX que deve-se escrever para a tendência também deve seguir a mesma lógica da Expressão, com resultados entre –1, 0 ou +1. Deixei manualmente valor –1 para forçar que a tendência desta análise seja negativa, e a setinha seja mostrada para baixo. Fica uma sugestão pra vocês, mudem o valor entre esses –1, 0 e +1 e vejam o resultado da tendência.

Pronto, o KPI está criado e agora é o momento de analisar o resultado com ele. Para isso, precisa-se processar o cubo novamente. Façam o processamento e então conseguirão ver os resultados do KPI dentro da sua análise.

Caso queira testar o KPI antes de enviar para seus diretores, clique no ícone Browser View e o resultado será mostrado… Para voltar à visualização anterior, clique em Form View logo à esquerda do Browser View.

Agora é com vocês, fechem sempre os resultados no verde e deixem seus gerentes e diretores felizes!

O post E você, sabe como criar e usar KPI no SSAS 2012? apareceu primeiro em Diego Nogare.