资料仓储OLAP操作方法.pptVIP

* Data Mining * 資料倉儲的操作方法(切塊) 切塊（dice）方法是對多個維度進行條件設定的資料選擇，進而產生一個子立方體 。 例如主管只想看北部客戶在2003 年的購買情況，則可以利用客戶區域維度與時間維度切塊方式切出子立方體。 * Data Mining * 資料倉儲的操作方法(轉軸) 轉軸（pivot）（又稱旋轉：rotate）方法讓使用者可以轉動 2D 切片或是 3D 的立方體，從不同的視角來觀看資料 。 例如將前頁圖之子立方體做一 90度的旋轉。 食品 五金 服飾 Q1 2003 Q2 2003 Q3 2003 Q4 北部客戶 140,000 260,000 280,000 300,000 140,000 160,000 180,000 200,000 40,000 60,000 80,000 100,000 140,000 260,000 280,000 300,000 * Data Mining * 資料倉儲的查詢處理 (1/5) 資料倉儲基本上是建立在一個多維度資料庫結構上的一個儲存體，而多維度資料分析的核心是如何有效率的計算出多個維度集合上的統計值（例如 2003年每一季，每個區域服飾的銷售金額），以支援快速查詢之用。 若是使用一般關聯式資料庫，就是利用 「group by」 語法來求得這些統計值（group by 季、分店、服飾），只是SQL 的 group by 指令是在執行時，才即時去計算結果，當資料量大時，則可能需要等待上一段時間。 * Data Mining * 資料倉儲的查詢處理 (2/5) 範例一的多維度結構包含時間、商品、客戶區域三個維度與一個銷售金額量值，使用者可能使用下面任何一種的查詢方式來分析資料： (1) 依照時間、商品、區域 分組來計算銷售總金額（形成時間、商品、區域三維度的立方體） (2) 依照時間、商品分組來計算銷售總金額（形成時間、商品二維度的立方體） (3) 依照商品、區域分組來計算銷售總金額（形成商品、區域二維度的立方體） (4) 依照時間、區域分組來計算銷售總金額（形成時間、區域二維度的立方體） * Data Mining * 資料倉儲的查詢處理 (3/5) (5) 依照時間分組來計算銷售總金額（形成時間一維度的立方體） (6) 依照商品分組來計算銷售總金額（形成商品一維度的立方體） (7) 依照區域分組來計算銷售總金額（形成區域一維度的立方體） (8) 所有銷售總金額（形成0維度的立方體） * Data Mining * 資料倉儲的查詢處理 (4/5) 上面 8 種查詢分組是將三個維度所有可能的查詢組合都排列出來，這些分組查詢形成該資料立方體的【晶格】（lattice）。 * Data Mining * 資料倉儲的查詢處理 (5/5) 為了快速回答查詢，可以將所有可能組合查詢的彙總資料都事先計算並加以儲存，計算的過程可以由下而上聚集而成 。 若是記憶空間足夠，可以事先將以上所列的3D~0D 資料立方體的彙總資料，全部事先算出並加以儲存，若是空間不夠，則可以只計算部分彙總資料，遇到查詢時，再及時由下層資料立方體以聚集方式快速算出。 一般關聯式資料庫遇到每一次查詢，都必須一筆一筆慢慢累積計算，在效能上自然無法跟已經事先計算出彙總值的多維度資料庫結構相比。 * Data Mining * 資料倉儲建置程序 需求分析 ：訪談主管，得到系統需求。 資料來源 ：內部資料或是外購資料 資料整理 ：正確資料，才能提供有用資訊 資料倉儲架構設計 事實資料表設計 維度資料表設計 * Data Mining * 資料倉儲的架構設計 (1/4) 一個資料倉儲主要是由「事實資料表」與「維度資料表」所構成，兩者之間透過索引鍵建立關聯。 事實資料指的是經過整理的原始交易資料，在事實資料表中，儲存的是各種事實與量值的詳細數值。 * Data Mining * 資料倉儲的架構設計 (2/4) 例如一個事實資料表可能存放如此一筆紀錄：各月份、各商品與各客戶購買的金額與數量，前三個欄位（月份、商品與客戶）是事實資料也是索引鍵欄位，將利用他們分別關聯到其他三個維度資料表（時間維度、商品維度與客戶區域維度資料表）。剩下銷售數量與金額兩個欄位則是量值欄位，主要是用來做統計數量的運算，例如計算2003 年銷售金額為多少？ 為了將來資料分析，事實資料表必須包含最低層級的資料列（例如提供統計銷售金額資訊最小細到以週為單位、則事實資料表最低層級也必須是週，