SSAS 2012: बहुआयामी से सारणीबद्ध डेटा मॉडल तक

परिचय

Microsoft द्वारा Excel Office के लिए एक मामूली अतिरिक्त, PowerPivot नामक घटक में व्यावसायिक खुफिया समाधानों के आधार के रूप में सारणीबद्ध डेटा मॉडल का प्रस्ताव किया गया था। तब से, इस मॉडल के महत्व के बारे में चर्चा आज तक नहीं हुई है। नई तकनीक के लिए मनोवैज्ञानिक इसके क्रांतिकारी स्वभाव के बारे में आश्वस्त हैं, संशयवादियों का मानना ​​है कि यह विकासवादी बदलाव से ज्यादा कुछ नहीं है। SQL सर्वर 2012 विश्लेषण सेवा (SSAS 2012) में, Microsoft ने अब तालिका मॉडल के सिद्धांतों के आधार पर विश्लेषणात्मक डेटाबेस का सर्वर-साइड संस्करण पेश किया है। स्वाभाविक रूप से, यह बहस में एक नई धारा नहीं जोड़ सकता।

पहली नज़र में, संदेह सही है। दरअसल, जैसा कि नीचे दिखाया गया है, विशुद्ध रूप से तकनीकी दृष्टिकोण से, इस तकनीक में कुछ भी बकाया नहीं है। फिर भी, Tabular Data Model को एक क्रांतिकारी कदम माना जा सकता है। बस, मुख्य क्रांतिकारी उपलब्धि तकनीकी क्षेत्र में बिल्कुल नहीं है।
इस निबंध में, मैं सबसे पहले यह दिखाने की कोशिश करूंगा कि इस मॉडल के उद्भव के लिए किन कारणों और परिस्थितियों के कारण और, दूसरी बात, इसके क्रांतिवाद के मुद्दे को स्पष्ट करने के लिए।

आवश्यक शर्तें

प्रत्येक महत्वपूर्ण तकनीकी समाधान का अपना परिसर है। बेशक, टेबुलर मॉडल की उपस्थिति के अपने कारण भी हैं।

मुख्य (हालांकि केवल नहीं) शर्त यह थी कि आईटी बिजनेस एनालिटिक्स के तरीकों में छोटे और मध्यम आकार के व्यवसायों में तेजी से वृद्धि हुई है । नतीजतन, इंटरैक्टिव व्यापार विश्लेषण के लिए सुविधाजनक उपकरण और विधियों की खोज। इस खोज के दौरान, यह पता चला कि तथाकथित बहुआयामी डेटा विश्लेषण इस क्षेत्र में लगभग अनन्य स्थान रखता है। उसी समय, यह स्पष्ट हो गया कि बड़े संगठनों में विश्लेषणात्मक समस्याओं को हल करने में उल्लेखनीय लचीलापन और उत्पादकता प्रदान करने वाली यह तकनीक बहुत ही बोझिल और अनुचित रूप से छोटे उद्यमों में व्यावसायिक विश्लेषण के लिए जटिल है।

तदनुसार, छोटे उद्यमों के व्यावसायिक कार्यों के लिए अनुकूलित सरलीकृत प्रौद्योगिकियों के लिए एक आवश्यकता उत्पन्न हुई। यह एक ऐसा अद्भुत निर्णय था, जो सारणीबद्ध मॉडल के आधार पर सारणीबद्ध डेटा विश्लेषण बन गया।

(प्राकृतिक परिणाम इंटरैक्टिव बिजनेस एनालिटिक्स के क्षेत्र में बहुआयामी विश्लेषण के एकाधिकार के "उखाड़ फेंकना" था - जो क्रांतिकारी परिवर्तन को उखाड़ फेंके बिना क्या करता है? हालांकि, बहुआयामी विश्लेषण को रद्द नहीं किया गया है, यह केवल थोड़ा निचोड़ा गया है, इसलिए अब इसे व्यापार विश्लेषण के क्षेत्र को साझा करना होगा? एक और बहुत ही होनहार प्रौद्योगिकी।)

बिजनेस इंटेलिजेंस का एक और परिचय

आगे की प्रस्तुति के संयोजन के लिए, अफसोस, व्यापार विश्लेषण के लिए एक छोटे से परिचय के बिना नहीं कर सकता। व्यापार विश्लेषण के लिए विस्तृत परिचय इंटरनेट पर कठिनाई के बिना पाया जा सकता है, इसलिए मैं यथासंभव संक्षिप्त होने का प्रयास करूंगा।

सबसे पहले , हम एक परिभाषा देते हैं। व्यावसायिक विश्लेषण एक प्रक्रिया है जिसके दौरान निष्कर्ष निकाले जाते हैं, व्यावसायिक निर्णय प्रस्तावित होते हैं, और पूर्वानुमान किए जाते हैं। बेशक, यह सब उस व्यक्ति द्वारा किया जाना चाहिए जो व्यवसाय के प्रासंगिक क्षेत्र में एक विशेषज्ञ है: वित्त, रसद, विपणन, आदि। ऐसा विशेषज्ञ वास्तव में, एक विश्लेषक है। विश्लेषण प्रक्रिया के लिए प्रारंभिक जानकारी परंपरागत रूप से आईटी संरचनाओं में रखी गई है, इसलिए विश्लेषक इसे निकालने के लिए आईटी विशेषज्ञ की सेवाओं के बिना नहीं कर सकते। इस प्रकार, बिजनेस एनालिटिक्स की प्रक्रिया में, दो पक्ष शामिल होते हैं: विश्लेषक और आईटी विशेषज्ञ, सूचना के प्रदाता के रूप में। प्रक्रिया की समग्र दक्षता उनके "सहजीवन" की सफलता पर निर्भर करती है।

दूसरे , विश्लेषकों को किन सामग्रियों की आवश्यकता है? अधिक सटीक रूप से, उसे आईटी विशेषज्ञ से क्या सामग्री चाहिए? यहां उत्तर अप्रत्याशित रूप से सरल है - सारांश तालिकाओं और चार्ट की आवश्यकता होती है। कई और अलग।

तीसरा , आईटी विशेषज्ञ और विश्लेषक के बीच का संबंध अच्छी तरह से ज्ञात दुविधा के अनुसार बनाया गया है: "जरूरतमंदों को क्या देना है - मछली या मछली पकड़ने वाली छड़ी?"। यही है, या तो आईटी विशेषज्ञ विश्लेषक ("मछली" विकल्प) के लिए आवश्यक तालिकाओं और आरेखों का उत्पादन करेगा, या विश्लेषक अपने स्वयं के तालिकाओं और आरेखों का निर्माण करेगा, और आईटी विशेषज्ञ केवल उसे आवश्यक डेटा और टूल ("मछली पकड़ने की छड़ी" विकल्प) की आपूर्ति करेगा। इनमें से प्रत्येक दृष्टिकोण के पेशेवरों और विपक्षों में जाने के बिना, हम ध्यान दें कि वर्तमान रुझान दूसरे विकल्प के पक्ष में स्पष्ट रूप से दिखाई देते हैं।

चौथा , चूंकि विश्लेषक खुद के लिए टेबल और चार्ट डिजाइन करेंगे, इसलिए आपको उन्हें सुविधाजनक और अपेक्षाकृत सरल उपकरण प्रदान करने की आवश्यकता है। ऐसे सॉफ्टवेयर टूल्स का विकल्प काफी बड़ा है, ताकि आप चाहें तो इसे हर स्वाद के लिए पा सकते हैं। Microsoft, विशेष रूप से, इन कार्यों के लिए PivotTable कार्यक्षमता के साथ एक अद्भुत और लोकप्रिय Microsoft Office Excel उपकरण प्रदान करता है (PowerPivot के साथ भ्रमित नहीं होना एक ही चीज़ से बहुत दूर है)।

अंत में, पांचवां । एक आईटी विशेषज्ञ के लिए, मुख्य समस्या विश्लेषक द्वारा आवश्यक डेटा स्रोत को सबसे सुविधाजनक, आरामदायक तरीके से प्रदान करना है। यह कार्य, बदले में, कई सरल तरीकों पर आधारित है: ए) केवल उस डेटा का चयन करें जो वास्तव में काम के लिए आवश्यक है; बी) उनके बीच तार्किक कनेक्शन सेट करें; ग) इस डेटा को स्पष्ट नाम दें; d) उन्हें श्रेणियों में विभाजित करें। बाद के व्यापार विश्लेषण के लिए इस तरह के सुविधाजनक और स्पष्ट डेटा प्लेसमेंट को सिमेंटिक मॉडल कहा जाता है। परंपरागत रूप से, ऐसे मॉडल एक "स्टार" या "स्नोफ्लेक" के आकार में जुड़े तालिकाओं के सेट होते हैं।

इस प्रकार, व्यवसाय विश्लेषण में विशेषज्ञता वाले एक आईटी पेशेवर का मुख्य कार्य संक्षेप में इस प्रकार तैयार किया गया है: एक अर्थ डेटा मॉडल बनाना।

कई वर्षों के लिए, बहुआयामी घन ने इस तरह के शब्दार्थ मॉडल के रूप में काम किया। और यह वह है जिसे बदलने के लिए कहा जाता है, कम से कम व्यापार के कुछ क्षेत्रों में, नया अर्थ मॉडल - टेबुलर डेटा मॉडल।

विशिष्ट प्रक्रिया श्रृंखला

इस संक्रमण के तर्क को दिखाने के लिए, मैं आपको कुछ उदाहरण देता हूं।
सबसे पहले, आइए एक सरलीकृत तस्वीर पर एक नज़र डालें, जो एक बड़े उद्यम की व्यावसायिक बुद्धि के लिए एक विशिष्ट प्रक्रिया श्रृंखला दिखाती है।

• परंपरागत रूप से, डेटा का प्राथमिक स्रोत ओएलटीपी (ऑनलाइन ट्रांसेक्शनल प्रोसेसिंग) डेटाबेस है, जो वर्तमान व्यावसायिक प्रक्रियाओं (उदाहरण के लिए, आदेशों को रखने और बढ़ावा देने) को प्रदर्शित करता है। विवरण में जाने के बिना, मैं ध्यान देता हूं कि इन डेटाबेस की बारीकियां ऐसी हैं कि वे, एक नियम के रूप में, प्रत्यक्ष व्यापार विश्लेषण के लिए कम उपयोग के हैं।
• तदनुसार, इन डेटाबेस से डेटा विशेष डेटा वेयरहाउस को निर्यात किया जाता है। इस तरह के भंडारण विभिन्न स्रोतों से डेटा को जमा और संयोजित करने में सक्षम हैं। हम एक महत्वपूर्ण बिंदु पर ध्यान देते हैं - रिपॉजिटरी में डेटा संरचना आमतौर पर स्रोत ओएलटीपी डेटाबेस की संरचना को दोहराती नहीं है। इसके विपरीत, वे उनमें जानकारी को अपेक्षाकृत सुविधाजनक और समझने योग्य रूप में रखने की कोशिश करते हैं - आमतौर पर "स्टार" या "स्नोफ्लेक" के रूप में, ताकि इस स्तर पर आप पहले से ही अर्थ मॉडल के प्रोटोटाइप को देख सकें।
• बदले में, तथाकथित बहु-आयामी OLAP डेटाबेस (ऑनलाइन विश्लेषणात्मक प्रसंस्करण - इंटरएक्टिव विश्लेषणात्मक प्रसंस्करण) के लिए स्रोत के रूप में कार्य करते हैं। इन डेटाबेस में, दो तार्किक स्तरों को प्रतिष्ठित किया जा सकता है: डेटा स्रोत दृश्य (DSV) और स्वयं बहुआयामी घन। डीएसवी का उद्देश्य क्यूब्स के बाद के निर्माण के लिए एक मध्यवर्ती मॉडल प्रदान करना है: सबसे पहले, डीएसवी केवल प्रदर्शित करने के लिए आवश्यक तालिकाओं का चयन करता है (बाहर फिल्टर); दूसरी बात, विभिन्न स्रोतों से चुनी गई इन तालिकाओं को एक एकल मॉडल में लिंक द्वारा संयोजित किया जाता है। DSVs बहुआयामी क्यूब्स बनाने के लिए प्रारंभिक संरचना है, जो कि अंतिम शब्दार्थ मॉडल हैं। जैसा कि आप चित्र में देख सकते हैं, एक ओएलएपी बेस में कई डीएसवी शामिल हो सकते हैं, और बदले में, एक डीएसवी कई क्यूब्स बनाने के आधार के रूप में काम कर सकता है।
• Excel PivotTable जैसे क्लाइंट एप्लिकेशन का उपयोग करने वाले विश्लेषक OLAP डेटाबेस से कनेक्ट होते हैं, वांछित क्यूब का चयन करते हैं और अपनी पिवट टेबल और चार्ट बनाने के लिए इसकी संरचना और डेटा का उपयोग करते हैं।
• इस श्रृंखला में, हम डेटा मॉडल के चार स्तर देखते हैं: ओएलटीपी डेटाबेस संरचना, भंडारण संरचना, डीएसवी, और क्यूब। यह ध्यान रखना महत्वपूर्ण है कि पिछले तीन मॉडल - डीडब्ल्यू, डीएसवी और क्यूब - में आमतौर पर एक रूप होता है जो विश्लेषक के लिए काफी समझ में आता है और, एक या किसी अन्य आरक्षण के साथ, शब्दार्थ माना जा सकता है।

बहुआयामी मॉडल से सारणीबद्ध

प्रश्न पूछना स्वाभाविक है - क्या इस क्रम में बहुत सारे शब्दार्थ मॉडल हैं? उत्तर उद्यम के आकार पर निर्भर करता है। सैकड़ों, और संभवतः हजारों ओएलटीपी डेटाबेस, दर्जनों क्यूब्स और भंडारण के साथ एक बड़े उद्यम के लिए, यह श्रृंखला किसी भी तरह से बेमानी नहीं है। इसके विपरीत, यह निर्णयों का अधिकतम लचीलापन प्रदान करता है और तदनुसार, पूरी तरह से उचित है।

एक छोटे उद्यम के साथ स्थिति अलग दिखती है, जहां ओएलटीपी खाता इकाइयों में जाता है, और विश्लेषण के लिए एक भंडारण पर्याप्त है और, अक्सर, एक घन। यहां, तीन लगातार अर्थ (या लगभग अर्थ) मॉडल की उपस्थिति स्पष्ट अतिरेक हो सकती है।

इस मामले में एक सरलीकृत तस्वीर इस तरह दिखाई देगी:



यहाँ, शायद, बहुआयामी क्यूब को "अंदर" देखने का समय है, जो अब तक हमारी चर्चा में एक "ब्लैक बॉक्स" रहा है।

घन का आधार तथाकथित बहुआयामी मॉडल है। यह मॉडल मानता है कि अंतिम लक्ष्य धुरी तालिकाओं का उत्पादन करना है, जो कुल डेटा के सेट हैं। तदनुसार, मॉडल में, सभी डेटा को शुरू में दो किस्मों में विभाजित किया गया है: जिन्हें बाद के एकत्रीकरण के लिए अभिप्रेत है - तथाकथित उपाय, और जो एकत्रीकरण संदर्भ को निर्दिष्ट करते हैं - उन्हें आयाम कहा जाता है। उदाहरण के लिए, हम एक तालिका बनाने जा रहे हैं जहाँ दुकानों के नामों को लंबवत रूप से, वर्षों को क्षैतिज रूप से इंगित किया जाता है, और साल और कुल बिक्री को अंदर से संग्रहीत किया जाता है। इस मामले में, मॉडल में बिक्री की मात्रा माप की विशेषताओं के रूप में वर्ष, और स्टोर के रूप में प्रकट होती है, और समन एकत्रीकरण का एक विशेष मामला है। अतिरिक्त सुविधा के लिए, उपायों और मापों के बीच तार्किक संबंध सीधे मॉडल में निर्दिष्ट किए गए हैं, और एकत्रीकरण फ़ंक्शन सीधे मॉडल के अंदर भी उपायों से बंधे हैं। तो एक धुरी तालिका बनाने के लिए, यह केवल आवश्यक उपायों और माप विशेषताओं का चयन करने के लिए पर्याप्त है, बाकी सभी चयनित घटकों के बीच तार्किक कनेक्शन है और एकत्रीकरण विधि सीधे मॉडल से ही ली जाती है, इसलिए उपयोगकर्ता को "पारदर्शी" बोलने के लिए।

इस प्रकार, बहुआयामी मॉडल वास्तव में, कई उपायों और मापों का एक संयोजन है जो तार्किक रूप से संबंधित हैं । यहाँ से, बहुत नाम "बहुआयामी" से आता है, उपायों और मापों में स्वयं एक पूरी तरह से सारणीबद्ध है, "दो आयामी" रूप।

यह ध्यान रखना महत्वपूर्ण है कि मॉडल के अलावा, क्यूब में अतिरिक्त कार्यक्षमता है जो अंत उपयोगकर्ता के लिए दिलचस्प है, उदाहरण के लिए, माप विशेषताओं से पदानुक्रम बनाने की क्षमता और आजकल बहुत लोकप्रिय घटक कुंजी प्रदर्शन संकेतक (KPI) हैं।

तदनुसार, आप घन की कल्पना इस प्रकार कर सकते हैं:



अब एक छोटे से व्यवसाय के लिए हमारी प्रक्रिया श्रृंखला पर वापस जाएं। कॉम्पैक्टनेस के लिए, चित्र केवल उन घटकों को दिखाता है जिनमें हमारे लिए ब्याज के शब्दार्थ मॉडल (डीडब्ल्यू, डीएसवी और क्यूब) हैं।



यहां हमें एक ऐसी स्थिति का सामना करना पड़ता है जो अक्सर व्यवहार में सामने आती है - तीनों मॉडल बहुत समान हैं, विशेष रूप से डीएसवी और बहुआयामी मॉडल। तो समाधान खुद ही सुझाता है - कुछ फेंक दो। सवाल यह है कि वास्तव में क्या है?

और यहाँ Microsoft डेवलपर्स ने पहली नज़र में, एक विडंबनापूर्ण निर्णय लिया - श्रृंखला से बहुआयामी मॉडल को हटाने के लिए , और इसके साथ बहुआयामी घन की अवधारणा! क्यूब (पदानुक्रम, KPI, आदि) से शेष कार्यक्षमता सीधे DSV से जुड़ी हुई है! विरोधाभास यह है कि डीएसवी को हटाने के लिए तकनीकी रूप से आसान होगा, और क्यूब को अपने सभी स्थापित और सिद्ध कार्यक्षमता संधि के साथ छोड़ देगा। फिर भी, उन्होंने जैसा किया वैसा ही किया!

इस विरोधाभासी निर्णय का अर्थ बताने से पहले, आइए देखें कि हमारा विश्लेषणात्मक आधार अब कैसा दिखता है। अब इसे पहले से ही टेबल मॉडल डेटाबेस कहा जाता है। डीएसवी ही, जिसे क्यूब की कार्यक्षमता विरासत में मिली है, इसे दूसरे नाम से भी पुकारा जाता है - टेबुलर डेटा मॉडल ।



तकनीकी श्रृंखला की समग्र तस्वीर कुछ इस तरह दिखाई देगी:



बस ध्यान दें कि यहां ग्राहकों के लिए थोड़ा बदल गया है। आप सामान्य विधियों का उपयोग करके टेबुलर मॉडल के डेटाबेस से जुड़ सकते हैं, उदाहरण के लिए, पहले से ही उल्लेख किए गए एक्सेल पिवटेबल टूल (एक मामूली तकनीकी अंतर - डेटाबेस में केवल एक मॉडल हो सकता है) का उपयोग करके।

तो क्रांतिवाद क्या है?

और अब हमारे निबंध का मुख्य प्रश्न है - तो इस निर्णय की क्रांतिकारी प्रकृति क्या है? अब तक मानी जाने वाली हर चीज पर संदेह की चक्की में पानी डाला जाता है। वास्तव में, अंत उपयोगकर्ताओं के लिए - विश्लेषकों - व्यावहारिक रूप से कुछ भी नहीं बदला है। आईटी प्रौद्योगिकी के दृष्टिकोण से - यह या तो कुछ भी बकाया नहीं लगता है: तकनीकी श्रृंखला में अतिरिक्त लिंक को हटाने, निश्चित रूप से, एक तकनीकी तिपहिया है।

एक उत्तर के लिए, आइए हम एक बार फिर उस विरोधाभास पर लौट आएं, जिस पर हम पहले ही ध्यान दे चुके हैं: कम से कम प्रतिरोध का रास्ता अपनाने और अतिरिक्त लिंक के रूप में डीएसवी को बाहर फेंकने के बजाय, Microsoft डेवलपर्स ने अप्रत्याशित रूप से काम किया - उन्होंने मल्टीडिम मॉडल को हटा दिया। और आधार से बहुआयामी मॉडल को हटाने के बाद, बहुआयामी घन गायब हो गया, और उसके बाद बहुआयामी विश्लेषण की अवधारणा गायब हो गई।

विरोधाभास जैसा कि लग सकता है, यह "बहुआयामीता" को हटाना है जो कि मुख्य क्रांतिकारी उपलब्धि है!

सीधे शब्दों में कहें, माइक्रोसॉफ्ट डेवलपर्स ने इन "बहुआयामी" शब्दों से छुटकारा पाने का अवसर लिया, जो कि बिना इजाजत के लिए वास्तविक डरावनी कहानियां हैं और उन लोगों के लिए एक गंभीर मनोवैज्ञानिक बाधा पैदा करते हैं, जो व्यापारिक बुद्धि के रास्ते पर पैर रखने वाले हैं।

वास्तव में, उन शुरुआती लोगों के लिए जो अभी भी उच्च गणित में संस्थान के पाठ्यक्रम से कुछ याद करते हैं, "बहुआयामी डेटा विश्लेषण" "गणितीय बहुआयामी विश्लेषण" के साथ एक निश्चित जुड़ाव का कारण बनता है। उत्तरार्द्ध गणित का एक अत्यंत सम्मानित क्षेत्र है जिसमें ऐसी अद्भुत अवधारणाएँ हैं जैसे कि डबल, ट्रिपल और कर्वियलियर इंटीग्रल्स, लेकिन इसका व्यवसाय विश्लेषिकी से कोई लेना-देना नहीं है। फिर भी, व्यापार एनालिटिक्स में संलग्न करने का प्रस्ताव और, तदनुसार, "बहु-आयामी विश्लेषण" को एकांत के रूप में माना जाता है (अक्सर अवचेतन रूप से) फिर से मेटानालिसिस और रैखिक बीजगणित के विकारों में डुबकी लगाने के निमंत्रण के रूप में माना जाता है। यह आमतौर पर उत्साह से दूर भावनाओं का कारण बनता है।

हां, और जो लोग इस तरह के संघों के बोझ से दबे नहीं हैं, उनके लिए "चलो मानसिक रूप से एक एन-आयामी क्यूब की कल्पना करते हैं" , जिसके साथ प्रौद्योगिकी का अध्ययन आमतौर पर शुरू होता है, अच्छी तरह से हीनता के विकास में योगदान कर सकता है।

शब्द "बहुआयामी घन", "बहुआयामी" मॉडल, "बहुआयामी विश्लेषण" एक साधारण व्यक्ति के मानस पर दबाव डालते हैं, एक मनोवैज्ञानिक बाधा पैदा करते हैं और तदनुसार, इस क्षेत्र के विकास पर एक ब्रेक है - यह माइक्रोसॉफ्ट डेवलपर्स द्वारा खोजा गया एक सरल सत्य है। "बहुआयामी" शब्दावली से छुटकारा पाएं, इसे टेबल और कॉलम के रूप में ऐसे सरल और परिचित "फ्लैट" शब्दों के साथ बदलें, और मनोवैज्ञानिक बाधा गायब हो जाएगी।

"बहुआयामी" शब्दावली से छुटकारा पाना और इसी तरह, व्यवसायिक विश्लेषण में नई ताकतों के आगमन में बाधा डालने वाले मनोवैज्ञानिक अवरोध को दूर करना टेबल मॉडल की नई तकनीक का वास्तविक क्रांतिकारी विचार है!

निष्कर्ष

निष्कर्ष में, जो लोग मनोवैज्ञानिक बाधा को दूर की कौड़ी मानते हैं, उनके लिए मैं एक आसन्न क्षेत्र से एक उदाहरण प्रस्तुत करूंगा - पॉवरशेल के साथ कहानी।

कई सालों से, Microsoft VBScript (विजुअल बेसिक का एक छोटा संस्करण) को प्रशासनिक कार्यों को स्वचालित करने के साधन के रूप में स्थापित करने की कोशिश कर रहा है। और इन सभी वर्षों में, sysadmins (उनमें से सभी, निश्चित रूप से नहीं, लेकिन इस तरह की कई चीजें आम तौर पर केवल सांख्यिकीय रूप से प्रकट होती हैं) इस योग्य उपकरण का कड़ा विरोध किया, बहुत अधिक आदिम कमांड-लाइन भाषा में स्वचालन स्क्रिप्ट बनाने को प्राथमिकता दी। टकराव वर्षों तक चला, जब तक कोई सिस्टम प्रशासकों को एक नया उन्नत स्वचालन तंत्र पेश करने के लिए एक विचार के साथ नहीं आया, लेकिन बाहरी रूप से उनके लिए सामान्य कमांड लाइन जैसा दिखता है - पॉवरशेल । और चीजें आसानी से चली गईं - नए टूलकिट को उत्साह से स्वीकार किया गया था, हालांकि, स्पष्ट रूप से, ईमानदारी से, पावरशेल वीबीएसस्क्रिप्ट से ज्यादा सरल नहीं है। यह सिर्फ इतना था कि मनोवैज्ञानिक क्षण को यहां ध्यान में रखा गया था।