Was kannst Du über Flag-basierte Modellierung für Performance lernen?

Nach diesem Guide kannst Du:

1. Flags im Script erstellen für maximale Performance.
2. Flag-Kombinationen für komplexe AND-Logik durch Multiplikation nutzen.
3. Die richtige Balance zwischen Flags und der Flexibilität von Set Analysis finden.
4. Performance-Vorteile von Flags im Kontext der Qlik Cloud Architektur verstehen.

Zeitinvestment: 20 Min Lesen + 3 Std Hands-on
Quick Win: In 15 Minuten hast Du erste Performance-Verbesserungen

Wie funktioniert das Prinzip: Berechnen statt Filtern in Flag-basierter Modellierung?

// Im Script (EINMAL berechnet und in den Speicher geladen)
Facts_Sales:
LOAD
    *,
    If(Year(OrderDate) = 2023, 1, 0) as IsYear2023
FROM Sales;

// Im Frontend (einfache Arithmetik, keine IF-Evaluierung)
Sum(Amount * IsYear2023)

Erklärung:

• Script: IsYear2023 wird EINMAL beim Laden für jeden Record berechnet und im speicheroptimierten Spaltenformat von Qlik gespeichert.
• Frontend: Die Engine führt die schnellste Operation aus: Multiplikation. Amount × 0 (wenn nicht 2023) oder Amount × 1 (wenn 2023).
• Vorteil: Die Berechnung profitiert von Caching und der optimierten internen Speicherstruktur.

Wie vergleicht sich die Performance bei Flag-basierter Modellierung?

Wie funktionieren Basis-Flags: Zeit-Perioden und Master Calendar?

Die häufigste und wichtigste Anwendung von Flags ist die Berechnung von Zeitperioden wie YTD (Year-to-Date) oder Vorjahr, da diese Filter oft von allen Nutzern verwendet werden.

Facts_Sales:
LOAD
    OrderID,
    Amount,
    //... weitere Felder

    // Current Period Flags
    If(Year(OrderDate) = Year(Today()), 1, 0) as IsCurrentYear,
    If(Year(OrderDate) = Year(Today()) - 1, 1, 0) as IsLastYear,

    // Period-to-Date Flags (YTD & MTD)
    If(OrderDate >= YearStart(Today()) AND
       OrderDate <= Today(), 1, 0) as IsYTD,
    If(OrderDate >= MonthStart(Today()) AND
       OrderDate <= Today(), 1, 0) as IsMTD,

    // Rolling Periods
    If(OrderDate >= AddMonths(Today(), -12) AND
       OrderDate <= Today(), 1, 0) as IsRolling12M

FROM
(ooxml, embedded labels);

Zentrale Verwaltung: Um die Erstellung dieser komplexen Zeit-Flags zu vereinfachen und zu standardisieren, empfehlen wir dringend die Arbeit mit einem Master Calendar, der diese binären Flags automatisch für Sie generiert.

Verwendung im Frontend:

// YTD Sales
Sum(Amount * IsYTD)

// Year over Year Growth
Sum(Amount * IsCurrentYear) / Sum(Amount * IsLastYear) - 1

Wie funktionieren Kategorie-Flags und Business-Logik bei der Flag-basierten Modellierung?

Flags sind auch ideal, um Geschäftslogik oder Schwellwerte zu kategorisieren, die im Frontend nur schwer dynamisch zu filtern sind.

Facts_Sales:
LOAD
    *,

    // Value Categories
    If(Amount >= 1000, 1, 0) as IsHighValue,

    // Margin Flags
    If((Amount - Cost) / Amount >= 0.3, 1, 0) as IsHighMargin,
    If((Amount - Cost) < 0, 1, 0) as IsNegativeMargin,

    // Order Flags
    If(ShipDate - OrderDate > 5, 1, 0) as IsDelayedShipment,
    If(ReturnDate > 0, 1, 0) as IsReturned

FROM
(ooxml, embedded labels);

Vorteile:

• Konsistenz: Die Definition eines «High Value» Auftrags (Amount >= 1000) ist nun in der gesamten App konsistent.
• Wartung: Ändert sich die Definition (z.B. von 1000 auf 1500), muss die Änderung nur einmal im Ladeskript vorgenommen werden.

Wie funktionieren Flag-Kombinationen mit Logik durch Multiplikation (AND)?

Der größte Performance-Gewinn entsteht, wenn Sie mehrere Bedingungen kombinieren, da hier Flags die komplizierte Set Analysis oder die sehr langsame IF()-Logik ersetzen.

// Im Script: Individuelle Flags sind bereits geladen
// IsYear2023, IsNorth, IsHighValue

// Im Frontend: Kombination
Sum(Amount * IsYear2023 * IsNorth * IsHighValue)

Erklärung der Multiplikation:

• Wenn **ALLE** Bedingungen erfüllt sind (1 × 1 × 1), ist das Ergebnis 1, und der Amount wird summiert.
• Wenn **EINE** Bedingung nicht erfüllt ist (z.B. 1 × 1 × 0), ist das Ergebnis 0, und der Amount wird ignoriert.

Wann sollte man NICHT Flags verwenden?

Flags bieten maximale Performance, aber auf Kosten der Flexibilität.

Flags sind NICHT geeignet für:

• Sehr dynamische Filter: Wenn der Filterwert vom Nutzer Ad-hoc in einem Schieberegler geändert wird (z.B. Top N Kunden). Hier ist Set Analysis die bessere Wahl.
• User-spezifische Bedingungen: Wenn die Logik von der aktuellen Auswahl des Nutzers abhängt (z.B. «Umsatz außerhalb der aktuell ausgewählten Region»). Hierfür wird Set Analysis mit Identifiern wie {1} oder {$} verwendet.
• Zu viele Flags: Wenn Sie mehr als 20 Flags pro Faktentabelle erstellen, kann die Tabelle unnötig aufgebläht und unübersichtlich werden.

Die Balance: Nutzen Sie Flags für **häufige, statische** Business-Regeln und Set Analysis für **flexible, ad-hoc** Analysen.

Was sind die Best Practices für Flag-basierte Modellierung zur Performance?

Verwenden Sie diese Checkliste, um Ihre Flag-basierte Modellierung zu optimieren:

✓ Performance:

• [ ] Häufig verwendete Filter als Flags definieren.
• [ ] Alle Zeit-Perioden (YTD, MTD, Rolling) als Flags aus dem Master Calendar generieren.
• [ ] Komplexe Business-Logik und Schwellwerte vorberechnen.

✓ Naming:

• [ ] Konsistente Präfixe verwenden (z.B. IsCurrentYear, HasDiscount).
• [ ] Sprechende Namen für alle Teammitglieder gewährleisten.

✓ Wartung:

• [ ] Die Business-Logik jedes Flags im Script kommentieren.
• [ ] Nicht benötigte Flags beim nächsten Reload entfernen.

Was sind die nächsten Schritte für Flag-basierte Modellierung für Performance?

Du kannst jetzt Performance-optimierte Flags erstellen! Als nächstes vertiefen wir verwandte Themen:

1. Master Calendar: Die Erstellung von Time-Flags ist am einfachsten in Kombination mit einem Master Calendar. Lerne, wie Du diesen Kernbestandteil Deines Datenmodells aufbaust.

2. Data Quality: Selbst die schnellsten Flags sind nutzlos, wenn die Quelldaten Fehler enthalten. Der nächste Artikel, Data Quality Gates, zeigt, wie Du die Datenqualität absicherst.