商务智能在线分析处理.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,在线分析处理,Online Analytical Processing,商务智能在线分析处理,第1页,OLAP发展背景,60年代，关系数据库之父E.F.Codd提出了关系模型，促进了联机事务处理(OLTP)发展(数据以表格形式而非文件方式存放)。1993年，E.F.Codd提出了OLAP概念，认为OLTP已不能满足终端用户对数据库查询分析需要，SQL对大型数据库进行简单查询也不能满足终端用户分析要求。用户决议分析需要对关系数据库进行大量计算才能得到结果，而查询结果并不能满足决议者提出需求。所以，E.F.Codd提出了多维数据库和多维分析概念，即OLAP。,OLAP是当前RDBMS不可缺乏功效，能够作为一个独立OLAP服务器实现，也能够集成在RDBMS中。,商务智能在线分析处理,第2页,什么是OLAP？,定义1：OLAP(联机分析处理),是针对特定问题联机数据访问和分析。经过对信息(维数据)各种可能观察形式进行快速、稳定一致和交互性存取，允许管理决议人员对数据进行深入观察。,定义2：OLAP(联机分析处理),是使分析人员、管理人员或执行人员能够从各种角度对从原始数据中转化出来、能够真正为用户所了解、并真实反应企业维特征信息进行快速、一致、交互地存取，从而取得对数据更深入了解一类软件技术。(OLAP委员会定义),OLAP目标,是满足决议支持或多维环境特定查询和报表需求，它技术关键是“维”这个概念，所以OLAP也能够说是多维数据分析工具集合。,商务智能在线分析处理,第3页,OLAP决议分析,OLAP分析属于验证驱动型发觉：用户首先提出自己假设，然后利用OLAP工具检索查询以验证或否定假设。,商务智能在线分析处理,第4页,OLAP数据源,OLTP&Legacy,ERP,Flat Files,Data Warehouses,Data Marts,ODS,Spreadsheets,商务智能在线分析处理,第5页,OLAP基本概念,维：是人们观察数据特定角度，是考虑问题时一类属性(时间维、地理维等)。,维层次：人们观察数据某个特定角度(即某个维)还能够存在细节程度不一样各个描述方面(时间维：日期、月份、季度、年)。,维组员：维一个取值。是数据项在某维中位置描述。(“某年某月某日”是在时间维上位置描述),多维数组：维和变量组合表示。一个多维数组能够表示为：(维1，维2，维n，变量)。(时间，地域，产品，销售额),数据单元(单元格)：多维数组取值。(年1月，上海，笔记本电脑，$100000),商务智能在线分析处理,第6页,OLAP特征,快速性:,用户对OLAP快速反应能力有很高要求。系统应能在5秒内对用户大部分分析要求做出反应。客户/服务器体系结构两层或三层C/S结构。,可分析性:,OLAP系统应能处理与应用相关任何逻辑分析和统计分析。,多维性:,多维性是OLAP关键属性。系统必须提供对数据多维视图和分析,包含对层次维和多重层次维完全支持。,信息性:,不论数据量有多大，也不论数据存放在何处，OLAP系统应能及时取得信息，而且管理大容量信息。,商务智能在线分析处理,第7页,OLAP工具分类标准,分成多维数据库工具（MOLAP）、关系型数据库工具（ROLAP）和桌面型数据库工具。,支持多维数据库工具是多维数据库，而不是传统上关系型数据库，数据存放不采取传统关系模型所使用统计及表等方式，而采取矩阵（多维矩阵）方式来存放数据。,与多维数据库工具相比，关系型OLAP工具在数据库层次上有标准关系模型和标准数据访问方式及其编程接口，工具与数据库互联性很好。,桌面型OLAP工具是指在微机环境下开发支持简单多维分析用户工具，这些工具没有自己数据存放，而把用户提交查询翻译成对数据源查询，然后从数据源中提取结果数据，并将这些结果数据合成最终结果返回给客户。,商务智能在线分析处理,第8页,OLAP,多维数据结构,超立方结构(Hypercube),多维数据集,立方体或超立方结构指用三维或更多维数来描述一个对象,每个维彼此垂直。,数据测量值发生在维交叉点上,数据空间各个部分都有相同维属性(收缩超立方结构，这种结构数据密度更大,数据维数更少,并可加入额外分析维)。,商务智能在线分析处理,第9页,客户种类数量分布多维立方,商务智能在线分析处理,第10页,OLAP操作,Codd从可视化角度提出，主要基于统计方法：,切片和切块(,Slice and Dice),在多维数据结构中,按二维进行切片,按三维进行切块,可得到所需要数据。如在“城市、产品、时间”三维立方体中进行切块和切片,可得到各城市、各产品销售情况。,钻取(Drill),钻取包含向下钻取(Drill-down)和向上钻取(Drill-up)/上卷(,Roll-up)操作，钻取深度与维所划分层次相对应。,旋转(Rotate)/,旋转(Pivot),经过旋转能够得到不一样视角数据。,辅之于各种图形展示分析结果,商务智能在线分析处理,第11页,切片、切块,商务智能在线分析处理,第12页,销售数据4-D表示,商务智能在线分析处理,第13页,Dicing Example,Dicing:Filtering by AUS1+AUS2 and Wholesale,商务智能在线分析处理,第14页,Slicing Example,Slicing:Filtering by AUS2,商务智能在线分析处理,第15页,Web数据多维分析,商务智能在线分析处理,第16页,钻取,数据聚集,商务智能在线分析处理,第17页,旋转,时间,产品,财务指标,财务指标,产品,时间,商务智能在线分析处理,第18页,pivot,Drill-across:Distribution first,Sales Org.second,商务智能在线分析处理,第19页,按城市销售数据,按产品销售数据,国际体育用具企业数据分析（1）,IBM Visual Warehouse V3.1,Lotus Approach或Microsoft Access,Intelligent Miner for data/text,商务智能在线分析处理,第20页,国际体育用具企业数据分析（2）,按地域划分头盔销售数据,按地域和国家划分头盔销售数据,商务智能在线分析处理,第21页,国际体育用具企业数据分析（3）,按地域、国家和城市划分头盔销售数据,商务智能在线分析处理,第22页,山地车和头盔销售比较,商务智能在线分析处理,第23页,Brio Enterprise丰富钻取功效,商务智能在线分析处理,第24页,图,4.5 Cognos,钻取操作,IBM Cognos钻取操作,商务智能在线分析处理,第25页,OLAP分类,按照存放方式,OLAP,MOLAP,HOLAP,ROLAP,按照处理地点,Client OLAP,Server OLAP,Relational database,Cube,Microsoft SQL Server OLAP Service,ROLAP,MOLAP,HOLAP,商务智能在线分析处理,第26页,基于关系数据库OLAPROLAP,用关系表示式描述多维概念大量关系表。,用星型模型、雪花模型结构维模型。,DB,DW,基础数据,元数据,计算结果,多维综合引擎,多维,视图,SQL,存取,多维,存取,RDBMS服务器,关系型OLAP,服务器 客户,商务智能在线分析处理,第27页,MOLAP多维立方体(Multicube),DB,DW,多维视图,基础数据,计算结果,多维数据,库引擎,客户,多维,存取,基于多维数据库(MDDB)OLAPMOLAP,OLAP服务器：存放OLAP服务软件和多维数据库,MDDB存放：采取,“超立方体”形式,MDDB存取：多维操作,商务智能在线分析处理,第28页,数据组织形式,RDB,数据组织 -,MDDB,数据组织 -关系表中综合数据存放,多维数据库中综合数据存放,产品名称,地域,销售量,冰箱,东北,50,冰箱,西北,60,冰箱,华北,100,彩电,东北,40,彩电,西北,70,彩电,华北,80,空调,东北,90,空调,西北,120,空调,华北,140,东北,西北,华北,冰箱,50,60,100,彩电,40,70,80,空调,90,120,140,产品名称,地域,销售量,冰箱,东北,50,冰箱,西北,60,冰箱,华北,100,冰箱,总和,210,彩电,东北,40,彩电,西北,70,彩电,华北,80,彩电,总和,190,空调,东北,90,空调,西北,120,空调,华北,140,空调,总和,350,总和,东北,180,总和,西北,250,总和,华北,320,总和,总和,750,东北,西北,华北,总和,冰箱,50,60,100,210,彩电,40,70,80,190,空调,90,120,140,350,总和,180,250,320,750,商务智能在线分析处理,第29页,ROLAP与MOLAP,比较,在MOLAP中，不但把多维实视图在概念上看成一个超立方体，而且在物理上把多维实视图组成一个多维数组，而不象ROLAP以表形式存放实视图。,在MOLAP中，维属性值被映射成多维数组下标值或下标范围，而总数据作为多维数组值存放在数据单元中。,ROLAP在节约存放空间、灵活性、与关系数据库保持一致性等方面有显著优势；MOLAP则在性能和管理简便性方面有其优点。,商务智能在线分析处理,第30页,MOLAP查询速度比较快，但有下面限制：,用多维数组实现多维实视图，需要很大存放空间。在实际数据仓库中，每维属性值个数可能数万。比如几万种产品、几万个连锁店等。而实际维数可能多达几十乃至几百。花费存放空间相当可观，由此带来加载、维护等问题。,在多维数组中，很可能有些单元是空白，如节假日商店不营业；一些产品在一些地域不销售等。,MOLAP与关系数据库系统从存放结构到查询语言都有相当大差异，不可能在RDBMS基础上实现。,ROLAP与MOLAP,比较（续）,商务智能在线分析处理,第31页,MOLAP与ROLAP,商务智能在线分析处理,第32页,HOLAP特点,以HOLAP格式存放立方体，要比以OLAP格式存放立方体小，在查询总结数据时，又比ROLAP快。,HOLAP存放格式普通比较适合于需要总结数据查询有较快响应时间，同时基数据量又比较大场所。,商务智能在线分析处理,第33页,推荐资料（IBM红皮书）,DB2 OLAP Server,IBM BI certification guide,商务智能在线分析处理,第34页,