多维数据分析的方法.ppt

数据仓库与OLAP实践 第3章多维数据分析基础与方法 心3.1多维数据分析基础 ◇3.2多维数据分析方法 33维度表与事实表的连接 ◇3.4多维数据的存储方式 35小结 3.1多维数据分析基础 ◇多维数据分析是以数据库或数据仓库为基础的, 其最终数据来源与OLTP一样均来自底层的数据 库系统,但两者面对的用户不同,数据的特点与 处理也不同。 心多维数据分析与OLTP是两类不同的应用, OLTP面对的是操作人员和低层管理人员,多维 数据分析面对的是决策人员和高层管理人员。 OLTP是对基本数据的查询和增删改操作,它以 数据库为基础,而多维数据分析更适合以数据仓 库为基础的数据分析处理。 1.多维数据集(Cube) ☆多维数据集由于其多维的特性通常被形象 地称作立方体(Cube) 令多维数据集是一个数据集合,通常从数据 仓库的子集构造,并组织和汇总成一个由 一组维度和度量值定义的多维结构。 令 SQL Server2000中一个多维数据集最 多可包含128个维度和1024个度量值。 2.度量值( Measure) 度量值是决策者所关心的具有实际意义的数值。 ◇例如,销售量、库存量、银行贷款金额等。 度量值所在的表称为事实数据表,事实数据表中 存放的事实数据通常包含大量的数据行。 心事实数据表的主要特点是包含数值数据(事实), 而这些数值数据可以统计汇总以提供有关单位运 作历史的信息。 令度量值是所分析的多维数据集的核心,它是最终 用户浏览多维数据集时重点查看的数值数据。 3.维度( Dimension) ☆维度(也简称为维)是人们观察数据的角度。 例如,企业常常关心产品销售数据随时间的变化 情况,这是从时间的角度来观察产品的销售,因 此时间就是一个维(时间维) 例如,银行会给不同经济性质的企业贷款,比如 国有、集体等,若通过企业性质的角度来分析贷 款数据,那么经济性质也就成为了一个维度。 令包含维度信息的表是维度表,维度表包含描述事 实数据表中的事实记录的特性。 4.维的级别( Dimension Level) ◇人们观察数据的某个特定角度(即某个维)还可 以存在不同的细节程度,我们称这些维度的不同 的细节程度为维的级别。 一个维往往具有多个级别 例如描述时间维时,可以从月、季度、年等不同 级别来描述,那么月、季度、年等就是时间维的 级别。 5.维度成员( Dimension Member) ◇维的一个取值称为该维的一个维度成员(简称维 成员)。 如果一个维是多级别的,那么该维的维度成员是 在不同维级别的取值的组合 例如,考虑时间维具有日、月、年这3个级别, 分别在日、月、年上各取一个值组合起来,就得 到了时间维的一个维成员,即“某年某月某日”。 多维数据集示例 度量值 60D 第1李度5400 时 第2季度6000 第3季度 第4季度 E常次级关注可疑损失 维度 3.2多维数据分析方法 心多维分析可以对以多维形式组织起来的数 据进行上卷、下钻、切片、切块、旋转等 各种分析操作,以便剖析数据,使分析者、 决策者能从多个角度、多个侧面观察数据 库中的数据,从而深入了解包含在数据中 的信息和内涵。