2015 © Trivadis BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 2015 © Trivadis Analytische Funktionen.

Präsentation zum Thema: "2015 © Trivadis BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 2015 © Trivadis Analytische Funktionen."—  Präsentation transkript:

1 2015 © Trivadis BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 2015 © Trivadis Analytische Funktionen Fortgeschrittene Anwendungen Roger Troller Principal Consultant Trivadis AG 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

2 2015 © Trivadis AGENDA 1.Gruppenswitches  LAST_VALUE, „Vererbung“ von Werten 2.Ressourcenzuteilung zu einem Projekt  ROW_NUMBER, Running Summaries, Window Definitionen 3.Vorhersagen  Lineare Regression, Geglätteter Mittelwert (Moving Average), Saisonale Bereinigung, Trend Ermittlung, Prognose unter Berücksichtigung saisonaler Schwankungen 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

3 2015 © Trivadis Problemstellung Hallo Trivadis-World War weiss wie ich die folgende Abfrage richtig umsetzen kann: SELECT LOG_ID, analytische_funktion(FLAG) basierend auf LOG_ID FROM tabelle WHERE... Immer wenn ein LOG_ID = 15 wird Flag zu 'E'... und sobald ein LOG_ID = 16 kommt wird Flag wieder zu 'A' Beispiel mit folgenden Daten: 12 A <- implizit A, weil das erste Vorkommen weiter unten eine 15 ist 15 E <- Switch 18 E <- bleibt 16 A <- Switch 05 A <- bleibt 15 E <- Switch 32 E <- bleibt 15 E <- bleibt 16 A <- Switch usw. Danke im voraus für das Feedback... Lieber Gruss ______________________________ Antonio 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

4 2015 © Trivadis Problemstellung  Abhängig von einem Wert einer bestimmten Spalte sollen die nachfolgenden Datensätze einer bestimmten Gruppe zugeordnet werden…  Gruppe „E“ alle Zeilen die einem Datensatz mit Wert „15“ in der Spalte val folgen  Gruppe „A“ alle Zeilen die einem Datensatz mit Wert „16“ in der Spalte val folgen  Führende Zeilen sollen abhängig vom ersten Auftreten von „15“ oder „16“ der anderen Gruppe zugefügt werden…  Oder bildlich: 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

5 2015 © Trivadis Datenbasis SELECT ID, val, switch_result FROM DATA order by id; ID VAL SWITCH_RESULT ---------- --- ------------------------------------------------- 1 01 Gruppe "A"... nächste relevante Zeile enthält 15 2 03 Gruppe "A"... nächste relevante Zeile enthält 15 3 12 Gruppe "A"... nächste relevante Zeile enthält 15 4 15 Wechsel auf Gruppe "E" 5 18 "E" 6 22 "E" 7 16 Wechsel auf Gruppe "A" 8 12 "A" 9 05 "A" 10 15 Wechsel auf Gruppe "E" 11 32 "E" 12 15 Auf Gruppe "E" bleiben 13 28 "E" 14 16 Wechsel auf Gruppe "A" 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

6 2015 © Trivadis Feststellen der „Switches“ SELECT ID, val, DECODE(val,'15','E','16','A',NULL) SWITCH, switch_result FROM DATA; ID VAL SWITCH SWITCH_RESULT ---------- --- ------ ------------------------------------------------- 1 01 Gruppe "A"... nächste relevante Zeile enthält 15 2 03 Gruppe "A"... nächste relevante Zeile enthält 15 3 12 Gruppe "A"... nächste relevante Zeile enthält 15 4 15 E Wechsel auf Gruppe "E" 5 18 "E" 6 22 "E" 7 16 A Wechsel auf Gruppe "A" 8 12 "A" 9 05 "A" 10 15 E Wechsel auf Gruppe "E" 11 32 "E" 12 15 E "E" 13 28 "E" 14 16 A Wechsel auf Gruppe "A" 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung Und jetzt müssten wir eigentlich nur noch «erben»…von vorhergehenden oder nachfolgenden Zeilen

7 2015 © Trivadis Wer hat sich schon über LAST_VALUE gewundert? SELECT ENAME, SAL, FIRST_VALUE(SAL) OVER (ORDER BY SAL DESC) AS FIRST_SAL FROM EMP WHERE DEPTNO = 10 / ENAME SAL FIRST_SAL ---------- ---------- ---------- KING 5000 5000 CLARK 2450 5000 MILLER 1300 5000 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung  Und was bringt LAST_VALUE zurück?

8 2015 © Trivadis Wer hat sich schon über LAST_VALUE gewundert? SELECT ENAME, SAL, FIRST_VALUE(SAL) OVER (ORDER BY SAL DESC) AS FIRST_SAL, LAST_VALUE(SAL) OVER (ORDER BY SAL DESC) AS LAST_SAL FROM EMP WHERE DEPTNO = 10 / ENAME SAL FIRST_SAL LAST_SAL ---------- ---------- KING 5000 5000 5000 CLARK 2450 5000 2450 MILLER 1300 5000 1300 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung  Wieso?  Wie nutzen wir dies?

9 2015 © Trivadis „Erben“ von oben mit IGNORE NULLS WITH DATA2 AS (SELECT id, val, DECODE(val,'15','E','16','A',NULL) AS switch, switch_result FROM DATA) SELECT id, val, switch, LAST_VALUE(switch IGNORE NULLS) OVER (ORDER BY id) AS switch2 FROM data2 / ID VAL SWITCH SWITCH2 ---------- --- ------ ------- 1 01 2 03 3 12 4 15 E E 5 18 E 6 22 E 7 16 A A 8 12 A 9 05 A 10 15 E E 11 32 E 12 15 E E 13 28 E 14 16 A A 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

10 2015 © Trivadis „Erben“ von unten (falls notwendig) und „drehen“ WITH DATA2 AS (SELECT id, val, DECODE(val,'15','E','16','A',NULL) AS switch, switch_result FROM DATA),data3 AS (SELECT id, val, switch, LAST_VALUE(switch IGNORE NULLS) OVER (ORDER BY id) AS switch2 FROM data2) SELECT ID, val, switch, switch2, COALESCE(switch2,DECODE(FIRST_VALUE(switch2 IGNORE NULLS) OVER (ORDER BY ID ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING),'E','A','A','E')) AS switch3 FROM data3 / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

11 2015 © Trivadis „Erben“ von unten (falls notwendig) und „drehen“ ID VAL SWITCH SWITCH2 SWITCH3 ---------- --- ------ ------- ------- 1 01 A 2 03 A 3 12 A 4 15 E E E 5 18 E E 6 22 E E 7 16 A A A 8 12 A A 9 05 A A 10 15 E E E 11 32 E E 12 15 E E E 13 28 E E 14 16 A A A 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

12 2015 © Trivadis Fazit  LAST_VALUE ist cool, wenn man es am richtigen Ort einsetzt  IGNORE NULLS kann hilfreich sein  Ist auch in anderen analytischen Funktionen möglich 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

13 2015 © Trivadis AGENDA 1.Gruppenswitches  LAST_VALUE, „Vererbung“ von Werten 2.Ressourcenzuteilung zu einem Projekt  ROW_NUMBER, Running Summaries, Window Definitionen 3.Vorhersagen  Lineare Regression, Geglätteter Mittelwert (Moving Average), Saisonale Bereinigung, Trend Ermittlung, Prognose unter Berücksichtigung saisonaler Schwankungen 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

14 2015 © Trivadis Mitarbeiter SELECT e.first_name,e.hourly_rate,e.skill,LISTAGG(TO_CHAR(month_year,'MON') || ':' || FLOOR(ea.percentage * 20 / 100),',') WITHIN GROUP (ORDER BY ea.month_year) AS available_days_month FROM employees e INNER JOIN employee_availabilities ea ON (e.first_name = ea.first_name) GROUP BY e.first_name,e.hourly_rate,e.skill / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

15 2015 © Trivadis Mitarbeiter FIRST_NAME HOURLY_RATE SKILL AVAILABLE_DAYS --------------- ----------- ---------- -------------------------------------------------- Yu 100 UI Design JAN:16,FEB:16,MAR:0,APR:16,MAY:16,JUN:12 Bob 80 Java JAN:20,FEB:20,MAR:8,APR:20,MAY:20,JUN:20 Liz 60 PL/SQL JAN:12,FEB:12,MAR:12,APR:12,MAY:12,JUN:12 Mia 75 Java JAN:20,FEB:20,MAR:20,APR:20,MAY:20,JUN:20 Bill 150 DBA JAN:8,FEB:8,MAR:8,APR:4,MAY:8,JUN:8 John 140 Java JAN:16,FEB:20,MAR:16,APR:12,MAY:20,JUN:12 Marc 85 PL/SQL JAN:20,FEB:20,MAR:20,APR:0,MAY:0,JUN:0 Mimi 40 PL/SQL JAN:10,FEB:6,MAR:10,APR:10,MAY:10,JUN:10 Fatma 90 PL/SQL JAN:20,FEB:20,MAR:0,APR:0,MAY:10,JUN:16 Jimmy 70 DBA JAN:0,FEB:8,MAR:20,APR:20,MAY:20,JUN:20 Sarah 90 UI Design JAN:0,FEB:0,MAR:8,APR:12,MAY:12,JUN:12 Robert 180 PL/SQL JAN:10,FEB:10,MAR:10,APR:10,MAY:10,JUN:10 12 rows selected 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

16 2015 © Trivadis Projekte SELECT p.project_name,p.start_date,p.end_date,pn.skill,pn.days_needed FROM projects p INNER JOIN project_needs pn ON (pn.project_name = p.project_name) / PROJECT_NAME START_DATE END_DATE SKILL DAYS_NEEDED --------------- ---------- ---------- ---------- ----------- HR System 01.01.2015 30.04.2015 Java 30 HR System 01.01.2015 30.04.2015 PL/SQL 40 HR System 01.01.2015 30.04.2015 UI Design 20 HR System 01.01.2015 30.04.2015 DBA 20 DWH System 01.02.2015 30.06.2015 Java 10 DWH System 01.02.2015 30.06.2015 PL/SQL 30 DWH System 01.02.2015 30.06.2015 UI Design 30 DWH System 01.02.2015 30.06.2015 DBA 40 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

17 2015 © Trivadis Ressourcen pro Skill und Monat SELECT e.skill, ea.month_year, e.first_name, e.hourly_rate, ea.percentage * 20 / 100 AS available_days FROM employees e INNER JOIN employee_availabilities ea ON (e.first_name = ea.first_name) where ea.percentage > 0 ORDER BY e.skill,ea.month_year / SKILL MONTH_YEAR FIRST_NAME HOURLY_RATE AVAILABLE_DAYS --------- ---------- ---------- ----------- -------------------- DBA 01.01.2015 Bill 150 8 DBA 01.02.2015 Bill 150 8 DBA 01.02.2015 Jimmy 70 8 DBA 01.03.2015 Bill 150 8 DBA 01.03.2015 Jimmy 70 20 DBA 01.04.2015 Bill 150 4... 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

18 2015 © Trivadis Verknüpfen der Ressourcen mit den Projekten WITH projekte AS (…),mitarbeiter AS (…) SELECT p.project_name, p.skill, p.days_needed, e.first_name, TO_CHAR(e.month_year,'Mon/YYYY') month_year, e.hourly_rate, e.days, SUM(e.days) OVER (PARTITION BY p.project_name, p.skill, e.first_name) AS tot_days FROM mitarbeiter e INNER JOIN projekte p ON ( p.skill = e.skill AND e.month_year BETWEEN p.start_date AND p.end_date) ORDER BY p.skill, p.days_needed, e.first_name, e.month_year / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

19 2015 © Trivadis Verknüpfen der Ressourcen mit den Projekten PROJECT_NAME SKILL DAYS_NEEDED FIRST_NAME MONTH_YEAR HOURLY_RATE DAYS TOT_DAYS ------------ ---------- ----------- ---------- ---------- ----------- ----- ---------- HR System DBA 20 Bill Jan/2015 150 8 28 HR System DBA 20 Bill Feb/2015 150 8 28 HR System DBA 20 Bill Mar/2015 150 8 28 HR System DBA 20 Bill Apr/2015 150 4 28 HR System DBA 20 Jimmy Feb/2015 70 8 48 HR System DBA 20 Jimmy Mar/2015 70 20 48 HR System DBA 20 Jimmy Apr/2015 70 20 48 HR System Java 30 Bob Jan/2015 80 20 68 HR System Java 30 Bob Feb/2015 80 20 68 HR System Java 30 Bob Mar/2015 80 8 68 HR System Java 30 Bob Apr/2015 80 20 68 HR System Java 30 John Jan/2015 140 16 64 HR System Java 30 John Feb/2015 140 20 64 HR System Java 30 John Mar/2015 140 16 64 HR System Java 30 John Apr/2015 140 12 64... 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

20 2015 © Trivadis Definition der Zuteilungsreihenfolge  Schnellstmögliche Terminierung  Kostengünstigste Umsetzung  Kleinste Zahl involvierter Projektmitarbeiter  … 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

21 2015 © Trivadis Definition der Zuteilungsreihenfolge WITH projekte AS (…),mitarbeiter AS (…),mitproj_verkn AS (…) SELECT skill, days_needed, first_name, TO_CHAR(month_year,'Mon/YYYY') month_year, hourly_rate, month_year, days, tot_days, ROW_NUMBER() OVER (PARTITION BY skill ORDER BY month_year, days, hourly_rate, first_name, tot_days) AS pick_order FROM mitproj_verkn / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung  Projekt wird nicht mehr gezeigt, da ja auf ein einzelnes Projekt (HR System) eingeschränkt wurde…

22 2015 © Trivadis Definition der Zuteilungsreihenfolge SKILL DAYS_NEEDED FIRST_NAME MONTH_YEAR HOURLY_RATE DAYS TOT_DAYS PICK_ORDER ---------- ----------- ---------- ---------- ----------- ------ --------- ---------- DBA 20 Bill Jan/2015 150 8 28 1 DBA 20 Jimmy Feb/2015 70 8 48 2 DBA 20 Bill Feb/2015 150 8 28 3 DBA 20 Bill Mar/2015 150 8 28 4 DBA 20 Jimmy Mar/2015 70 20 48 5 DBA 20 Bill Apr/2015 150 4 28 6 DBA 20 Jimmy Apr/2015 70 20 48 7 Java 30 John Jan/2015 140 16 64 1 Java 30 Mia Jan/2015 75 20 80 2 Java 30 Bob Jan/2015 80 20 68 3 Java 30 Mia Feb/2015 75 20 80 4 Java 30 Bob Feb/2015 80 20 68 5 Java 30 John Feb/2015 140 20 64 6 Java 30 Bob Mar/2015 80 8 68 7 Java 30 John Mar/2015 140 16 64 8 Java 30 Mia Mar/2015 75 20 80 9... 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

23 2015 © Trivadis Ermitteln der kummulierten Ressourcen WITH projekte AS (…),mitarbeiter AS (…),mitproj_verkn AS (…),zuteilung AS (…) SELECT z.skill,z.first_name,TO_CHAR(z.month_year,'Mon/YYYY') month_year,z.hourly_rate,z.days, z.tot_days,z.pick_order,z.days_needed,NVL(SUM(days) OVER (PARTITION BY z.skill ORDER BY z.pick_order ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING),0) AS previous_days FROM Zuteilung z / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung  Zeigt wie viele Tage wir schon konsumiert hätten, wenn wir alle vorhergehenden Picks nutzen würden.  Entscheidungsgrundlage für die Nutzung jeder Ressource

24 2015 © Trivadis Ermitteln der verfügbaren kummulierten Ressourcen SKILL FIRST_NAME MONTH_YEAR HOURLY_RATE DAYS TOT_DAYS PICK_ORDER DAYS_NEEDED PREVIOUS_DAYS ---------- ---------- ---------- ----------- ------ --------- ---------- ----------- ------------- DBA Bill Jan/2015 150 8 28 1 20 0 DBA Jimmy Feb/2015 70 8 48 2 20 8 DBA Bill Feb/2015 150 8 28 3 20 16 DBA Bill Mar/2015 150 8 28 4 20 24 DBA Jimmy Mar/2015 70 20 48 5 20 32 DBA Bill Apr/2015 150 4 28 6 20 52 DBA Jimmy Apr/2015 70 20 48 7 20 56 Java John Jan/2015 140 16 64 1 30 0 Java Mia Jan/2015 75 20 80 2 30 16 Java Bob Jan/2015 80 20 68 3 30 36 Java Mia Feb/2015 75 20 80 4 30 56 Java Bob Feb/2015 80 20 68 5 30 76 Java John Feb/2015 140 20 64 6 30 96 Java Bob Mar/2015 80 8 68 7 30 116 Java John Mar/2015 140 16 64 8 30 124 Java Mia Mar/2015 75 20 80 9 30 140 … 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

25 2015 © Trivadis Auswahl der Ressourcen WITH projekte AS (…),mitarbeiter AS (…),mitproj_verkn AS (…),zuteilung AS (…),aufsummiert AS (…) SELECT A.skill, A.first_name, TO_CHAR(A.month_year,'Mon/YYYY') month_year,A.hourly_rate, A.pick_order, A.days, A.days_needed, A.tot_days, A.previous_days,CASE WHEN a.previous_days < a.days_needed THEN LEAST(a.days_needed - a.previous_days,a.days) ELSE 0 END AS days_to_pick FROM aufsummiert a / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

26 2015 © Trivadis Auswahl der Ressourcen SKILL FIRST_NAME MONTH_YEAR HOURLY_RATE PICK_ORDER DAYS DAYS_NEEDED TOT_DAYS PREVIOUS_DAYS DAYS_TO_PICK --------- ---------- ---------- ----------- ---------- ----- ----------- -------- ------------- ------------ DBA Bill Jan/2015 150 1 8 20 28 0 8 DBA Jimmy Feb/2015 70 2 8 20 48 8 8 DBA Bill Feb/2015 150 3 8 20 28 16 4 DBA Bill Mar/2015 150 4 8 20 28 24 0 DBA Jimmy Mar/2015 70 5 20 20 48 32 0 DBA Bill Apr/2015 150 6 4 20 28 52 0 DBA Jimmy Apr/2015 70 7 20 20 48 56 0 Java John Jan/2015 140 1 16 30 64 0 16 Java Mia Jan/2015 75 2 20 30 80 16 14 Java Bob Jan/2015 80 3 20 30 68 36 0 Java Mia Feb/2015 75 4 20 30 80 56 0 Java Bob Feb/2015 80 5 20 30 68 76 0 Java John Feb/2015 140 6 20 30 64 96 0 Java Bob Mar/2015 80 7 8 30 68 116 0 Java John Mar/2015 140 8 16 30 64 124 0 Java Mia Mar/2015 75 9 20 30 80 140 0 Java John Apr/2015 140 10 12 30 64 160 0 Java Mia Apr/2015 75 11 20 30 80 172 0 Java Bob Apr/2015 80 12 20 30 68 192 0 … 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

27 2015 © Trivadis Ermitteln der personellen Zuteilung inkl. Monat / Anzahl Tage WITH projekte AS (…),mitarbeiter AS (…),mitproj_verkn AS (…),zuteilung AS (…),aufsummiert AS (…),auswahl AS (…) SELECT skill, days_needed,SUM(days_to_pick * 8 * hourly_rate) AS COST,LAST_DAY(MAX(month_year)) AS project_termination,LISTAGG(first_name || ' (' || TO_CHAR(month_year,'Mon') || ':' || days_to_pick || ')',',') WITHIN GROUP (ORDER BY month_year, first_name) AS personen FROM auswahl WHERE days_to_pick > 0 GROUP BY skill, days_needed / SKILL DAYS_NEEDED COST PROJECT_TERMINATION PERSONEN ---------- ----------- --------- ------------------- ------------------------------------------------------ DBA 20 18880 28.02.2015 Bill (Jan:8),Bill (Feb:4),Jimmy (Feb:8) Java 30 26320 31.01.2015 John (Jan:16),Mia (Jan:14) PL/SQL 40 28800 31.01.2015 Liz (Jan:12),Marc (Jan:8),Mimi (Jan:10),Robert (Jan:10) UI Design 20 16000 28.02.2015 Yu (Jan:16),Yu (Feb:4) 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

28 2015 © Trivadis Modifikation der Zuteilungsreihenfolge - Kostenoptimierung WITH projekte AS (…),mitarbeiter AS (…),mitproj_verkn AS (…),zuteilung as (SELECT skill, days_needed, first_name, month_year, hourly_rate, days, tot_days, ROW_NUMBER() OVER (PARTITION BY skill ORDER BY hourly_rate,days,month_year,first_name) AS pick_order FROM mitproj_verkn),aufsummiert AS (…),auswahl AS (…) SELECT skill, days_needed, sum(days_to_pick * 8 * hourly_rate) AS COST,last_day(MAX(month_year)) AS project_termination,listagg(first_name || ' (' || to_char(month_year,'Mon') || ':' || days_to_pick || ')',',') WITHIN GROUP (ORDER BY month_year, first_name) AS personen FROM auswahl WHERE days_to_pick > 0 GROUP BY skill, days_needed / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

29 2015 © Trivadis Optimiert nach Kosten KILL DAYS_NEEDED COST PROJECT_TERMINATION PERSONEN ---------- ----------- ---------- ------------------- -------------------------------------------------- DBA 20 11200 31.03.2015 Jimmy (Feb:8),Jimmy (Mar:12) Java 30 18000 28.02.2015 Mia (Jan:20),Mia (Feb:10) PL/SQL 40 13440 30.04.2015 Liz (Jan:4),Mimi (Jan:10),Mimi (Feb:6),Mimi (Mar:10),Mimi (Apr:10) UI Design 20 14400 30.04.2015 Sarah (Mar:8),Sarah (Apr:12) 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

30 2015 © Trivadis Kleinste Zahl involvierter Personen WITH projekte AS (…),mitarbeiter AS (…),mitproj_verkn AS (…),zuteilung AS (SELECT skill, days_needed, first_name, month_year, hourly_rate, days, tot_days, ROW_NUMBER() OVER (PARTITION BY skill ORDER BY tot_days DESC,month_year ASC,hourly_rate,days,first_name) AS pick_order FROM mitproj_verkn),aufsummiert AS (…),auswahl AS (…) SELECT skill, days_needed, sum(days_to_pick * 8 * hourly_rate) AS COST,last_day(MAX(month_year)) AS project_termination,listagg(first_name || ' (' || to_char(month_year,'Mon') || ':' || days_to_pick || ')',',') WITHIN GROUP (ORDER BY month_year, first_name) AS personen FROM auswahl WHERE days_to_pick > 0 GROUP BY skill, days_needed / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

31 2015 © Trivadis Kleinste Zahl involvierter Personen SKILL DAYS_NEEDED COST PROJECT_TERMINATION PERSONEN --------- ----------- ---------- ------------------- -------------------------------------------------- DBA 20 11200 31.03.2015 Jimmy (Feb:8),Jimmy (Mar:12) Java 30 18000 28.02.2015 Mia (Jan:20),Mia (Feb:10) PL/SQL 40 27200 28.02.2015 Marc (Jan:20),Marc (Feb:20) UI Design 20 16000 28.02.2015 Yu (Jan:16),Yu (Feb:4) 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

32 2015 © Trivadis AGENDA 1.Gruppenswitches  LAST_VALUE, „Vererbung“ von Werten 2.Ressourcenzuteilung zu einem Projekt  ROW_NUMBER, Running Summaries, Window Definitionen 3.Vorhersagen  Lineare Regression, Geglätteter Mittelwert (Moving Average), Saisonale Bereinigung, Trend Ermittlung, Prognose unter Berücksichtigung saisonaler Schwankungen 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

33 2015 © Trivadis Problemstellung  Ermittlung der zu erwartenden Ticketverkäufe für verschiedene Flug-Strecken  Wird benutzt um die Kosten eines Vertrages, welcher mit Partnern abgeschlossen wird im Voraus zu berechnen… 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

34 2015 © Trivadis 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung « Prognosen sind eine schwierige Sache. Vor allem, wenn sie die Zukunft betreffen.» Mark Twain (1835 – 1910)

35 2015 © Trivadis ACCOUNTING_MONTH ATH_TICKETS DXB_TICKETS ---------------- ----------- ----------- 01.11.2013 568 1318 01.12.2013 535 1228 01.01.2014 478 1290 01.02.2014 445 1192 01.03.2014 543 1274 01.04.2014 677 1268 01.05.2014 736 1081 01.06.2014 759 886 01.07.2014 726 584 01.08.2014 696 760 01.09.2014 844 817 01.10.2014 742 1161 01.11.2014 637 1204 29 rows selected ACCOUNTING_MONTH ATH_TICKETS DXB_TICKETS ---------------- ----------- ----------- 01.07.2012 745 841 01.08.2012 681 643 01.09.2012 678 825 01.10.2012 689 1082 01.11.2012 570 1181 01.12.2012 514 1055 01.01.2013 481 1202 01.02.2013 423 1203 01.03.2013 567 1235 01.04.2013 655 1233 01.05.2013 812 983 01.06.2013 803 812 01.07.2013 759 701 01.08.2013 687 841 01.09.2013 805 1044 01.10.2013 760 1261 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung Datenbasis

36 2015 © Trivadis Datenbasis 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

37 2015 © Trivadis Einfache Prognose  REGR_SLOPE  Errechnet der Steigung pro Monat/Zielflughafen auf Grund der vorliegenden Erfahrungswerte  Umrechnen der so ermittelten Steigung in eine Prognose für das Folgejahr (aktueller Wert + 12 * Steigung) 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

38 2015 © Trivadis Einfache Prognose – REGR_SLOPE SELECT ts_order,accounting_month,ath_tickets,dxb_tickets,REGR_SLOPE(ath_tickets,ts_order) OVER (ORDER BY accounting_month RANGE BETWEEN NUMTOYMINTERVAL(23,'MONTH') PRECEDING AND CURRENT ROW) AS ath_slope,REGR_SLOPE(dxb_tickets,ts_order) OVER (ORDER BY accounting_month RANGE BETWEEN NUMTOYMINTERVAL(23,'MONTH') PRECEDING AND CURRENT ROW) AS dxb_slope FROM all_tickets / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

39 2015 © Trivadis Einfache Prognose – REGR_SLOPE ACCOUNTING_MONTH ATH_TICKETS ATH_SLOPE DXB_TICKETS DXB_SLOPE ---------------- ----------- ---------- ----------- ----------... 01.12.2013 535 2.8 1228 14.25 01.01.2014 478 -0.37 1290 16.08 01.02.2014 445 -3.14 1192 15.79 01.03.2014 543 -3.88 1274 16.44 01.04.2014 677 -2.79 1268 16.66 01.05.2014 736 -1.3 1081 14.61 01.06.2014 759.09 886 10.94 01.07.2014 726 2.09 584 3.59 01.08.2014 696 3.1 760 -3.93 01.09.2014 844 5.55 817 -9 01.10.2014 742 6.95 1161 -7.83 01.11.2014 637 5.96 1204 -5.22... 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

40 2015 © Trivadis Einfache Prognose – Aufrechnen auf Folgejahr SELECT ADD_MONTHS(accounting_month,12) AS accounting_month,FLOOR(ath_tickets + 12 * ath_slope) AS ath_forecast,FLOOR(dxb_tickets + 12 * dxb_slope) AS dxb_forecast FROM slope WHERE accounting_month >= DATE '2013-12-01' / ACCOUNTING_MONTH ATH_TICKETS ATH_SLOPE ATH_FORECAST DXB_TICKETS DXB_SLOPE DXB_FORECAST ---------------- ----------- ------------ ------------ ----------- ----------- ------------ 01.12.2014 535 2.79669763 568 1228 14.245614 1398 01.01.2015 478 -0.366666667 473 1290 16.0842105 1483 01.02.2015 445 -3.13759398 407 1192 15.793985 1381 01.03.2015 543 -3.87532468 496 1274 16.438961 1471 01.04.2015 677 -2.7944664 643 1268 16.6572558 1467 01.05.2015 736 -1.30039526 720 1081 14.6096838 1256 01.06.2015 759.0930434783 760 886 10.9369565 1017 01.07.2015 726 2.08565217 751 584 3.58869565 627 01.08.2015 696 3.09913043 733 760 -3.92826087 712 01.09.2015 844 5.54695652 910 817 -8.99869565 709 01.10.2015 742 6.95 825 1161 -7.82869565 1067 01.11.2015 637 5.96347826 708 1204 -5.22130435 1141 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

41 2015 © Trivadis Einfache Prognose – Aufrechnen auf Folgejahr 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

42 2015 © Trivadis Gut aber…was hier fehlt:  Geglätteter Mittelwert (+/- 6 Monate falls vorhanden)  Saisonale Abweichungen errechnen  Trend auf saisonalbereinigten Werten  Ermittlung der Prognose unter Berücksichtigung der Saisonalität Zum Thema Trendermittlung: http://people.duke.edu/~rnau/411home.htm 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

43 2015 © Trivadis Geglätteter Mittelwert über +/- 6 Monate SELECT t.*,ROUND(CASE WHEN ts_order BETWEEN 8 AND 34 -- where we have some data THEN ( NVL(AVG(ath_tickets) OVER (ORDER BY accounting_month ROWS BETWEEN 5 PRECEDING AND 6 FOLLOWING),0) + NVL(AVG(ath_tickets) OVER (ORDER BY accounting_month ROWS BETWEEN 6 PRECEDING AND 5 FOLLOWING),0)) / 2 ELSE NULL END,2) AS ath_tickets_MA,ROUND(CASE WHEN ts_order BETWEEN 8 AND 34 -- where we have some data THEN ( NVL(AVG(dxb_tickets) OVER (ORDER BY accounting_month ROWS BETWEEN 5 PRECEDING AND 6 FOLLOWING),0) + NVL(avg(dxb_tickets) OVER (ORDER BY accounting_month ROWS BETWEEN 6 PRECEDING AND 5 FOLLOWING),0)) / 2 ELSE NULL END,2) AS dxb_tickets_ma FROM all_tickets t / 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

44 2015 © Trivadis Geglätteter Mittelwert über +/- 6 Monate 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

45 2015 © Trivadis Saisonalität ermitteln SELECT...,AVG(ath_tickets / ath_tickets_ma) OVER (PARTITION BY EXTRACT(MONTH FROM accounting_month)) AS ath_tickets_seasonality,AVG(dxb_tickets / dxb_tickets_ma) OVER (PARTITION BY EXTRACT(MONTH FROM accounting_month)) AS dxb_tickets_seasonality FROM moving_average ma / ACCOUNTING_MONTH ATH_TICKETS_SEASONALITY DXB_TICKETS_SEASONALITY ---------------- ----------------------- ----------------------- 01.01.2012.749245135 1.17077902 01.02.2012.678112011 1.12976203 01.03.2012.86225277 1.17932098 01.04.2012 1.0274037 1.17364446 01.05.2012 1.18917161.966722235 01.06.2012 1.19198818.795593601 01.07.2012 1.12060922.603113681 01.08.2012 1.05605146.722499334 01.09.2012 1.18123882.863750895 01.10.2012 1.10973861 1.13699479 01.11.2012.902303424 1.16035621 01.12.2012.822681155 1.06206559 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

46 2015 © Trivadis Saisonalität  Beschreibt den Durchschnitt der Faktoren (monatliche Tickets / geglätteter Mittelwert) für jeden Monat  Dies erlaubt uns später den ermittelten saisonbereinigten Trend für die Ermittlung der Prognose mit dem monatsspezifischen Saisonalitätsfaktoren zu multiplizieren.  Identisch für gleichen Monat verschiedener Jahre 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

47 2015 © Trivadis Saisonale Bereinigung SELECT...,ath_tickets / ath_tickets_seasonality AS ath_tickets_deseasonalized,dxb_tickets / dxb_tickets_seasonality AS dxb_tickets_deseasonalized... FROM seasonality s / ACCOUNTING_MONTH ATH_TICKETS ATH_TICKETS_DESEASONALIZED DXB_TICKETS DXB_TICKETS_DESEASONALIZED ---------------- ----------- -------------------------- ----------- --------------------------... 01.07.2012 745 664.816949 841 1394.43031 01.08.2012 681 644.854937 643 889.966219 01.09.2012 678 573.973686 825 955.136492 01.10.2012 689 620.866929 1082 951.631447 01.11.2012 570 631.716543 1181 1017.79091 01.12.2012 514 624.786403 1055 993.347314 01.01.2013 481 641.979477 1202 1026.66684 01.02.2013 423 623.79075 1203 1064.82601 01.03.2013 567 657.579795 1235 1047.21278 01.04.2013 655 637.529335 1233 1050.5737... 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

48 2015 © Trivadis Saisonale Bereinigung 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

49 2015 © Trivadis Trend Ermittlung SELECT..., REGR_INTERCEPT(ath_tickets_deseasonalized,ts_order) OVER () + ts_order * REGR_SLOPE(ath_tickets_deseasonalized,ts_order) OVER () AS ath_tickets_trend, REGR_INTERCEPT(dxb_tickets_deseasonalized,ts_order) OVER () + ts_order * REGR_SLOPE(dxb_tickets_deseasonalized,ts_order) OVER () AS dxb_tickets_trend FROM deseasonalized ds / ACCOUNTING_MONTH ATH_TICKETS_DESEASONALIZED ATH_TICKETS_TREND DXB_TICKETS_DESEASONALIZED DXB_TICKETS_TREND ---------------- -------------------------- ----------------- -------------------------- ----------------- 01.01.2012 626.427168 1063.49642 01.02.2012 627.601229 1063.72342 01.03.2012 628.775291 1063.95042 01.04.2012 629.949353 1064.17742 01.05.2012 631.123415 1064.40442 01.06.2012 632.297476 1064.63143 01.07.2012 664.816949 633.471538 1394.43031 1064.85843 01.08.2012 644.854937 634.6456 889.966219 1065.08543 01.09.2012 573.973686 635.819662 955.136492 1065.31243 01.10.2012 620.866929 636.993723 951.631447 1065.53944 01.11.2012 631.716543 638.167785 1017.79091 1065.76644... 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

50 2015 © Trivadis Trend Ermittlung 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

51 2015 © Trivadis Prognose unter Berücksichtigung saisonaler Schwankungen SELECT...,ROUND(ath_tickets_trend * ath_tickets_seasonality) AS ath_tickes_forecast,ROUND(dxb_tickets_trend * dxb_tickets_seasonality) AS dxb_tickets_forecast FROM trend t / ACCOUNTING_MONTH ATH_TICKETS ATH_TICKES_FORECAST DXB_TICKETS DXB_TICKETS_FORECAST ---------------- ----------- ------------------- ----------- --------------------... 01.06.2014 759 787 886 851 01.07.2014 726 741 584 646 01.08.2014 696 700 760 773 01.09.2014 844 784 817 925 01.10.2014 742 738 1161 1218 01.11.2014 637 601 1204 1243 01.12.2014 549 1138 01.01.2015 501 1255 01.02.2015 454 1211 01.03.2015 579 1264 01.04.2015 691 1259... 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

52 2015 © Trivadis Prognose unter Berücksichtigung saisonaler Schwankungen 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

53 2015 © Trivadis Vergleiche einfache Prognose / erweiterte Prognose 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung

54 2015 © Trivadis Besten Dank 2015 © Trivadis BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN Roger Troller Principal Consultant roger.troller@trivadis.com 12.02.2015 Analytische Funktionen - Fortgeschrittene Anwendung