CRM系统中的商业智能技术培训课件.ppt

第四节 OLAP技术及其在CRM系统中的应用 OLAP是共享多维信息的、针对特定问题的联机数据快速访问和分析的软件技术。它通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。 相关概念 变量 维 维的层次性 维成员 多维数组 数据单元 联机分析处理的概念 数据挖掘 OLAP的应用 数据挖掘应用 基本步骤 设计与实施 数据仓库技术 体系结构 数据仓库 客户智能 定义、构成 OLAP技术 应用 商业智能 变量：分析数据时要考虑的属性，即描述数据“是什么”。 维：是人们观察数据的特定角度,是考虑问题时的一类属性,属性集合构 成一个维。 维的层次性：人们观察数据的某个特定角度(即某个维)还可以存在细节 程度不同的各个描述方面,我们称这多个描述方面为维的层次。一个维往 往具有多个层次。 维成员：维的一个取值，若维分为几个层次，那么维成员就是不同维层 次取值的组合。 多维数组：多维数组是维和变量的组合表示。一个多维数组可以表示为: (维1,维2,…,维n,变量)。 数据单元：数据单元是多维数组的取值。当多维数组的各个维都选中一 个维成员,这些维成员的组合就唯一确定了一个变量的值。那么数据单元 就可以表示为:(维1维成员,维2维成员,…,维n维成员,变量的值)。 联机分析处理的概念 第四节 OLAP技术及其在CRM系统中的应用 数据挖掘 OLAP的应用 数据挖掘应用 基本步骤 设计与实施 数据仓库技术 体系结构 数据仓库 客户智能 定义、构成 OLAP技术 应用 商业智能 多维数据模型上的OLAP操作 对多维数据集（维1、维2、维3……维n、变量值）在维度i上选定一个维成员，得到一个n－1维多维数据集，称得到的这个n－1维多维数据集为原数据集在第i维上的数据切片。 OLAP的分析方法 数 据 切 片 数 据 切 块 数 据 钻 取 数 据 聚 集 数 据 旋 转 在多维数据立方体中，确定某些维度的取值范围，得到一个原立方体的子立方体的过程被称为数据切块。数据切块与数据切片得到的多维数组都是原多维立方体的子集，不同的是数据切片使多维立方体降低了一个维度，而数据切块得到的多维立方体与原立方体的维度是相同的。 数据钻取(数据下钻)，是由概括的数据到详细的数据的过程。数据钻取对应于维的层次，它是由维的高层次展开到低层次的一个动作。比如，我们由“年”数据下钻到“季度”数据，这无疑会增加数据细节和数据量，得到更详细的数据。数据钻取的具体操作参见 图7—2 中的数据钻取部分。 数据聚集又叫数据上卷，是数据钻取的逆过程。数据聚集是将详细的数据聚集为较概括的数据，是一个综合数据的动作。 数据旋转即变换维度的位置，也就是转动数据的视角，给用户提供一个从不同的角度观察数据的方法。 第四节 OLAP技术及其在CRM系统中的应用 数据挖掘 OLAP的应用 数据挖掘应用 基本步骤 设计与实施 数据仓库技术 体系结构 数据仓库 客户智能 定义、构成 OLAP技术 应用 商业智能 原数据立方体包含了时间（年）、城市、产品三个维度，其中a1，a2为产品名。钻取过程是按时间下钻，由年数据得到季度数据，数据由原来的两行展为八行。聚集过程是按地区维度上卷，将城市维上卷为国家维，即将北京、上海两城市数据统计为中国的数据，将东京、大阪两城市的数据统计为日本的数据。数据聚集和数据钻取为用户提供了不同层次观察数据的方法。 2007 3季 2007 1季 2006 1季 2006 3季 2007 4季 2007 2季 2006 4季 2006 2季 a1 a2 北京 上海 东京 大阪 钻取 聚集 a2 a1 2006 2007 中国 日本 2006 2007 北京 上海 东京 大阪 a1 a2 图7-7 数据钻取与聚集 聚集 钻取 第四节 OLAP技术及其在CRM系统中的应用 数据挖掘 OLAP的应用 数据挖掘应用 基本步骤 设计与实施 数据仓库技术 体系结构 数据仓库 客户智能 定义、构成 OLAP技术 应用 商业智能 2006 2007 A1 200 230 A2 456 478 A3 100 120 A1 A2 A3 2006 200 456 100 2007 230 478 120 图7-8 数据旋转 图7-8是数据旋转的一个简单示例，只体现了二维表的旋转。当数据是三维或是三维以上的多维数据时，数据旋转将更有意义，每进行一次数据旋转就可以从一个新的视角观察数据。 第四节 OLAP技术及其在CRM系统中的应用 数据挖掘 OLAP的应用 数据挖掘应用 基本步骤 设计与实施 数据仓库技