Idag hade vi ett givande möte med QlikTech där vi fick lite tips på olika saker vi kan göra i verktyget. Vi kunde också delge våra erfarenheter om buggar och förbättringar som vi önskade. Utbyte av erfarenheter av det här slaget är ofta mycket givande. Min bild av hur QlikView ska positioneras i en BI-plattform är numera ganska klar.
- Styrkan med QlikView i förhållande till traditionella BI-verktyg är ad hoc analys av stora datamängder. Istället för att underhålla en stor mängd aggregerade kuber eller materialiserade vyer för att förbättra prestanda i svarstider så läser man in all data i QlikView på detaljnivå där trendanalyser över flera år med många dimensioner kan göras med mycket bra prestanda. Begränsningen med OLAP-kuber av antalet dimensioner och aggregeringsnivå försvinner. En annan styrka är användargränssnittet som är mycket enkelt, snyggt och flexibelt. Här har man verkligen lyckats med WYSIWYG.
- Svagheten med QlikView i förhållande till traditionella BI-verktyg är hantering av metadata som idag sker direkt i scriptet. Döper man om ett fält så måste man ladda om allt. Ej lika enkelt för slutanvändaren att göra beräkningar som i OLAP där användaren snabbt och enkelt kan visa all data som uppfyller ett villkor och i samma rapport också visa ytterligare ett villkor som kan vara en delmängd av det första urvalet. Mängdlära med union, intersect och minus, se bild:

Slutanvändaren skriver formler själv precis som i excel vilket kan ge olika resultat hos olika användare vilket kan leda till felaktiga slutsatser=förödande. Detta måste hanteras i organisationen som måste ge ett fåtal användare superuser-rättigheter. Fasta rapporter är inte heller styrkan. Vill slutanvändaren se hur resultatet var en given dag eller vecka utan postöverskridande beräkningar passar det bättre med ett rapportverktyg som Oracle Reports där ett urval på dag kan göras innan rapporten genereras. I QlikView måste applikationen (dokumentet) först läsas in med alla data (inget urval gjort) i internminnet och sedan kan urvalet göras. Här har man inte lyckats så bra med layouten!
Slutsatsen är att använda QlikView för avancerad ad-hoc analys på stora datamängder och trendanalyser. Slopa aggregeringar i databasen för att förbättra prestanda för slutanvändarens ad hoc analyser. Läs in allt i QlikView!
Preparera data genom att bygga upp ett datalager i databasen. Hantera allt som har med nyckeluppslag, bearbetning, Slowly Changing Dimensions etc att göra i datalagret. Uppläsning till QlikView ska vara enkla script. Se QlikView som presentationsverktyg och inte ett ETL-verktyg. Bygg fasta rapporter med andra verktyg än QlikView!
