Usos de las reglas de transformación compuestas de OneStream
Las reglas de transformación de OneStream permiten transformar o “mapear” los datos de origen hacia la intersección de reporte objetivo deseada en OneStream. Las transformaciones de OneStream están compuestas por 5 tipos diferentes de mapeos:
- a) Uno a uno
- b) Compuesto
- c) Rango
- d) Lista
- e) Máscara
Este artículo se centrará en el tipo de mapeo compuesto, que permite que varias dimensiones de origen trabajen en conjunto para definir la intersección de reporte objetivo en OneStream.
¿Por qué un cliente necesitaría usar reglas de transformación compuestas?
Existen múltiples razones por las que una implementación requeriría el uso de reglas de transformación compuestas. Este blog mostrará cómo pueden utilizarse de las siguientes maneras:
- a) Cuando existe el desafío de mapear datos históricos inconsistentes.
- b) Cuando el mapeo necesita variar por entidad.
- c) Cuando el mapeo necesita variar por periodo.
- d) Cuando la cuenta y el departamento determinan la cuenta objetivo.
- e) Cuando la cuenta y la entidad determinan la contraparte I/C.
Cuando existe el desafío de mapear datos históricos inconsistentes.
Al cargar varios años de datos históricos, puede haber ocasiones en que los sistemas de origen hayan permitido registrar los datos de manera inconsistente. A medida que esos datos se importan a un sistema de reporte más robusto como OneStream, el equipo de implementación tendrá que “ajustar” los mapeos para garantizar reportes consistentes año tras año.
Cuando el mapeo necesita variar por entidad.
Una fuente de datos puede requerir mapeos únicos según la entidad de origen. Si los datos de origen son inconsistentes por entidad, por ejemplo en cuentas o departamentos “UD2”, será necesario utilizar mapeos compuestos.
El siguiente ejemplo muestra cómo puede utilizarse el mapeo compuesto:
En este ejemplo, el mapeo compuesto para la cuenta 8033 y el departamento 750 se está asignando a 2 objetivos UD2 diferentes según la entidad. Para Texas se asigna a 518, mientras que Houston se asigna a 750.
Cuando el mapeo necesita variar por periodo.
Una fuente de datos puede requerir mapeos únicos según el año del periodo de origen. Si los datos de origen son inconsistentes por periodo, por ejemplo porque algunos años se registraron en el departamento incorrecto, será necesario utilizar mapeos compuestos.
El siguiente ejemplo muestra cómo puede utilizarse el mapeo compuesto:
En este ejemplo, el mapeo compuesto para la cuenta 8033 y el departamento 750 se asigna a 2 objetivos UD2 distintos según el año. Para 2018 se asigna a 518, mientras que para 2019 se asigna a 750.
Cuando la cuenta y el departamento determinan la cuenta objetivo.
Una fuente de datos puede requerir mapeos únicos según la cuenta y el departamento de origen. Si la combinación de cuenta y departamento define la cuenta objetivo, será necesario utilizar mapeos compuestos.
El siguiente ejemplo muestra cómo puede utilizarse el mapeo compuesto:
En este ejemplo, el mapeo compuesto para la cuenta 4310 se está asignando a 2 cuentas objetivo diferentes según el departamento. Para el departamento 750 se asigna a la cuenta 3035, mientras que para el departamento 518 se asigna a la cuenta 3026.
Cuando la cuenta y la entidad determinan la contraparte I/C.
Una fuente de datos puede requerir mapeos únicos según la cuenta y la entidad de origen. Si la combinación de cuenta y entidad define la contraparte I/C objetivo, será necesario utilizar mapeos compuestos.
El siguiente ejemplo muestra cómo puede utilizarse el mapeo compuesto:
En este ejemplo, el mapeo compuesto para la contraparte I/C se basa en la entidad y la cuenta de origen. Cualquier cuenta que comience con 655 se está asignando a 2 objetivos distintos de contraparte I/C según la entidad. Para la entidad Texas se asigna a la contraparte I/C Dallas, mientras que para la entidad Houston se asigna a la contraparte I/C Texas.
Resumen
Las reglas de transformación compuestas proporcionan la capacidad de mapear datos utilizando múltiples dimensiones cuando la necesidad puede variar mucho según los desafíos de los datos de origen. Los ejemplos mostrados aquí se han construido con OneStream Software como herramienta de consolidación.