Data Discovery wurde im Patch-Update vom Dezember 2022 für Oracle FCC (Financial Consolidation and Close) eingeführt, und in den Patch-Updates vom März 2023 und Juli 2023 wurden Erweiterungen hinzugefügt. Data Discovery hilft bei der Analyse von Problemen, indem es Raster generiert und anzeigt, aus welcher Berechnung die Daten stammen. Der Oracle Support hat diese Funktionalität bereits genutzt, bevor sie für alle verfügbar war. Es ist großartig, dass wir sie jetzt auch nutzen können!
Regelmäßig erhalte ich von Kunden die Frage: „Diese Zahl stimmt nicht, woher kommt das?“ Die Antwort auf diese Frage zu finden, läuft in den meisten Fällen ähnlich ab: Man zoomt in alle Dimensionen hinein, um zu sehen, woher die Daten stammen, prüft, ob die Metadaten besondere Merkmale aufweisen, kontrolliert zugehörige Berechnungen und überprüft die Zuständigkeiten. All diese Schritte zu durchlaufen kann zeitaufwändig sein und erfordert Kenntnisse über die Einrichtung der Anwendung. Mit Data Discovery wird Ihnen ein Teil dieser Arbeit abgenommen, indem Sie in einem Formular, das Sie analysieren, mit der rechten Maustaste auf die Zelle klicken.
„Diese Zahl ergibt keinen Sinn, woher kommt diese Zahl?“
Unten ist ein Beispiel zu sehen, bei dem Data Discovery auf die Ursache des Problems verweist (falsche Eigentumsverhältnisse). Es ist zudem sehr interessant herauszufinden, welche Berechnungen die Daten beeinflusst haben, aber das würde diesen Blog zu umfangreich machen. Es gibt jedoch hervorragende Dokumentationen von Oracle dazu:
Auch Oracle hat dem Thema eine Veranstaltung gewidmet:
Der Grundgedanke von Data Discovery besteht darin, dass Sie von Zellen auf hoher Ebene zu Zellen auf niedriger Ebene einen Drilldown durchführen, und Oracle tut dies für Sie in den relevanten Richtungen (= Dimensionen).

Schauen wir uns nun ein Beispiel für die Verwendung von Data Discovery an. Ich habe absichtlich einen falschen Konsolidierungsprozentsatz verwendet.
Dies ist die „normale“ Parent-Child-Hierarchie, bei der Almere einen Anteil von 70 % und einen Minderheitsanteil von 30 % hat:

In der Mutter-/rechtlichen Einheitenstruktur („flache Eigentümerstruktur“) habe ich absichtlich eine Inkonsistenz in der niederländischen konsolidierten Struktur erzeugt (machen Sie das nicht zu Hause, wenn Sie es nicht müssen! Es kann jedoch sehr nützlich sein, wenn Sie 70 % Eigentum und 30 % Minderheitsanteil bei einer niedrigeren Muttergesellschaft haben, aber die restlichen 30 % auf einer anderen Ebene gehalten werden und die Minderheit eliminiert werden muss). Das 70-prozentige Eigentum entspricht der „normalen“ Eigentumshierarchie (siehe vorheriger Screenshot), aber in der flachen Struktur habe ich die Konsolidierungsmethode auf proportional statt auf Tochtergesellschaft gesetzt. Es wird automatisch kein Minderheitsanteil in % mehr berechnet:

In einem Standardformular sehe ich eine „unerwartete“ Eliminierung des Minderheitsanteils. Dies ist unerwartet, da ein Minderheitsanteil von 30 % berechnet und an die Spitze der Einheitenhierarchie konsolidiert werden muss. Es ist jedoch nicht unerwartet, wenn wir die flache Eigentümerstruktur betrachten, in der ich Almere auf proportional gesetzt habe, ohne berechneten Minderheitsanteil.

Nachdem Sie das Formular einfach um die Data Discovery-Funktion erweitert haben, steht Ihnen beim Rechtsklick auf diesen unerwünschten Wert die Option „Data Discovery ausführen“ zur Verfügung:

Diese Option erstellt ein Paar von Rastern, zum Beispiel dieses hier, mit Eliminierungsdaten:

Das Symbol in der oberen rechten Ecke des Bildschirms bedeutet, dass ein Anhang vorhanden ist:

In einigen Fällen beantwortet der Anhang das Problem bereits. In diesem Fall nicht, obwohl er mir beispielsweise sagt, dass ich drei Metadaten-Validierungsfehler habe. Ich führe einen weiteren Drilldown durch, indem ich mit der rechten Maustaste auf die Zelle mit der Nummer -22.500 klicke und erneut „Data Discovery ausführen“ wähle. Daraufhin werden weitere Raster generiert, zum Beispiel dieses Eigentümersraster:

Dies liefert mir weitere Informationen über die Ursache der unerwarteten Daten auf der Ebene von Dutch Consolidated. Auf der Ebene von Dutch Consolidated würde man einen Minderheitenprozentsatz von 30 % erwarten, genau wie bei Amsterdam Consolidated. Aber hier scheint etwas anderes im Gange zu sein, denn sowohl bei Percent Consolidation Input als auch bei Percent Min Input steht auf Europe Consolidated 0 % statt 100 % bzw. 30 %. Diese zweite Inkonsistenz in den Eigentumsdaten wird in der „flachen Eigentümerstruktur“ von E021 – Europe Consolidated bestätigt:

In diesem Fall konnte ich die Inkonsistenzen in den Daten mit Data Discovery lösen, was mich direkt zu den Beteiligungsdaten führte. Data Discovery kann bei der Lösung von Datenproblemen sehr nützlich sein. Etwas Praxis mit Data Discovery und Kenntnisse von FCC sind erforderlich, bevor Sie von den Vorteilen von Data Discovery profitieren können. Aber mit Data Discovery lassen Sie Oracle in mehreren Richtungen gleichzeitig suchen, was viel schneller ist, als alle Optionen nacheinander durchzugehen (Datengrids, Beteiligungen, Metadaten).
