dw聯(lián)機(jī)分析處理與決策支持-wenkub
2023-05-22 21:39:50 本頁(yè)面
【正文】 . OLAP的簡(jiǎn)單定義 聯(lián)機(jī)分析處理是共享多維信息的快速分析。 （ 4）信息性 ： OLAP系統(tǒng)應(yīng)能及時(shí)獲得信息，并且管理大容量的信息。 ? 用戶可以對(duì)多維數(shù)據(jù)模型進(jìn)行切片 、 切塊 、 旋轉(zhuǎn)坐標(biāo)或進(jìn)行多維的綜合 （ 概括和聚集 ） 分析 。 客戶端負(fù)責(zé)用戶的應(yīng)用邏輯及界面。 （ 2）維 ：維是人們觀察數(shù)據(jù)的特定角度。如 “ 某年某月某日 ” 是時(shí)間維的一個(gè)成員。 OLAP的基本概念（續(xù)） 26 多維數(shù)據(jù)的顯示 多維數(shù)據(jù)顯示方法 多維類型結(jié)構(gòu) (MTS) 多維數(shù)據(jù)的分析視圖 27 多維數(shù)據(jù)顯示方法 ? 多維數(shù)據(jù)的顯示只能在平面上展現(xiàn)出來(lái) 產(chǎn)品名 地區(qū) 時(shí)間 銷售量 衣服 北京 1月 100 衣服 北京 2月 200 衣服 北京 3月 300 衣服 上海 1月 200 衣服 上海 2月 300 衣服 上海 3月 400 衣服 廣州 1月 150 衣服 廣州 2月 250 衣服 廣州 3月 300 鞋 北京 1月 150 鞋 北京 2月 300 鞋 北京 3月 350 鞋 上海 1月 200 鞋 上海 2月 300 鞋 上海 3月 400 鞋 廣州 1月 150 鞋 廣州 2月 250 鞋 廣州 3月 300 … … … … 28 多維類型結(jié)構(gòu) (MTS) ? 表示方法是：每一個(gè)維度用一條線段來(lái)表示。 31 圖 32 多維數(shù)據(jù)的分析視圖 在平面的屏幕上顯示多維數(shù)據(jù)，是利用行、列和頁(yè)面三個(gè)顯示組來(lái)表示的。 在 頁(yè)面上 可以選定多個(gè)維度，但每個(gè)維度只能顯示一個(gè)成員。 ? 行維度 含時(shí)間維和產(chǎn)品維共 2個(gè)維度，其中時(shí)間維中成員為 “ 1月、 2月、 3月 ” 。 ? 具體的顯示數(shù)據(jù)如圖 。 40 例如 ， 以 “ 產(chǎn)品 、 城市 、 時(shí)間 ” 三維數(shù)據(jù) ， 如圖 時(shí)間城市產(chǎn)品電視機(jī)電冰箱廣州上海95 9641 多維數(shù)據(jù)分析的基本操作 對(duì)三維數(shù)據(jù) ， 通過(guò) “ 切片 ” ， 分別從城市和產(chǎn)品等不同的角度觀察銷售情況： 電視機(jī)電冰箱廣州上海42 2. 切塊 在多維數(shù)組的某一個(gè)維上選定某一區(qū)間的維成員的操作，切塊可以看成是在切片的基礎(chǔ)上，確定某一個(gè)維成員的區(qū)間得到的片段，也即由多個(gè)切片疊合起來(lái)。 44 鉆取 ：例如， 2021年各部門銷售收入表如下： 45 對(duì)時(shí)間維進(jìn)行下鉆操作，獲得新表如下： 2021年 部門 1季度 2季度 3季度 4季度 部門 1 200 200 350 150 部門 2 250 50 150 150 部門 3 200 150 180 270 46 ? 通過(guò)旋轉(zhuǎn)可以得到不同視角的數(shù)據(jù)。 49 表 廣東省各市營(yíng)業(yè)稅和個(gè)人所得稅表 (億元 ) 2021年?duì)I業(yè)稅 2021年所得稅 2021年?duì)I業(yè)稅 2021年所得稅 廣州市 199 96 231 122 東莞市 珠海市 佛山市 由表中數(shù)據(jù)可知： ? 廣州營(yíng)業(yè)稅增加： ，增長(zhǎng)率為 %。 50 2．向下鉆取 為了更深入分析東莞市的各行業(yè)的營(yíng)業(yè)稅情況，需要對(duì)東莞營(yíng)業(yè)稅數(shù)據(jù)下鉆分析。 房地產(chǎn)業(yè)增加 ，增加率為 21%。而房地產(chǎn)業(yè)增長(zhǎng)明顯，金融業(yè)增長(zhǎng)突出。 信息使用者通常查看概括數(shù)據(jù)或聚集數(shù)，查看相同的商業(yè)維度（如產(chǎn)品、客戶、時(shí)間）和指標(biāo)（如收入和成本）隨時(shí)間的發(fā)展趨勢(shì)。 數(shù)據(jù)倉(cāng)庫(kù)的探索者 探索者要做的工作有：概括分析、抽取、建模和分類。 建模是開(kāi)發(fā)一種用來(lái)描述實(shí)體（如客戶、商品、渠道等）的關(guān)系模型的過(guò)程。 數(shù)據(jù)倉(cāng)的決策支持與決策支持系統(tǒng) 查詢與報(bào)表 多維分析與原因分析 預(yù)測(cè)未來(lái) 實(shí)時(shí)決策 自動(dòng)決策 決策支持系統(tǒng) 數(shù)據(jù)倉(cāng)庫(kù)是一種能夠提供重要戰(zhàn)略信息，并獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的新技術(shù)，從而得到迅速的發(fā)展。 查詢與報(bào)表 （ 1）能向用戶提供查詢的初始化，公式表示和結(jié)果顯示等功能。 （ 4）公布和訂閱。 多維分析與原因分析 多維分析 通過(guò)多維分析將獲得在各種不同維度下的實(shí)際商業(yè)活動(dòng)值（如銷售量等），特別是他們的變化值和差值，達(dá)到輔助決策效果。 （ 2）查詢?nèi)澜绺鱾€(gè)區(qū)域每個(gè)月的銷售額和利潤(rùn)，顯示歐洲地區(qū)銷售額下降，利潤(rùn)急劇下降。得到直接成本沒(méi)有問(wèn)題，但間接成本提高了。 預(yù)測(cè)未來(lái) 預(yù)測(cè)未來(lái)使決策者了解 “ 將要發(fā)生什么 ” 。 采用聚類模型或分類模型也能達(dá)到一定的預(yù)測(cè)效果。 以貨運(yùn)為例 ? 卡車上的貨物常常需要把某些貨物從一輛車轉(zhuǎn)移到另一輛車上，以便最終送抵各自的目的地。 ? 運(yùn)輸車究竟等待多長(zhǎng)時(shí)間，取決于需卸裝到該車輛的所有延遲 貨物的服務(wù)等級(jí) 和已
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1