BI入门基础概念.doc

BI入门基础概念.docBl入门基础概念(全)一、多维数据模型及相关概念数据模型一般有两个层次:概念层(逻辑层)和物理层。逻辑数据模型是从概念角度抽象出现实世界的内在规律,如业务流程、数据架构等;物理数据模型则侧重于特定环境下的具体实现,如效率、安全性等。多维数据模型是一个逻辑概念,该模型主耍解决如何对大量数据进行快速查询和多角度展示,以便得出冇利丁•管理决策的信息和知识。多维数据模型的应用领域主要有数据仓库、OLAP和数据挖掘3个方面,其屮,多维结构是OLAP的核心。多维数据模型通过引入维、维分层和度量等概念,将信息在概念上视为一个立方体。立方体:用三维或更多的维数描述一个对象,每个维彼此垂直。数据的度量值发生在维的交叉点上,数据空间的各个部分都有相同的维属性。维:是人们观察数据的特定角度,是考虑问题吋的一类属性,属性的集合构成一个维(如时间维、机构维等)。3•维分层:同一维度还可以存在细节程度不同的各个描述方而(如时间维可包括年、季度、月份、旬和日期等)。:维的一个取值,是数据项在某维中位置的描述(例如“某年某月某日”是在时间维上位置的描述)。5•度量:立方休中的单元格,用以存放数据。OLAP的基本多维分析操作有钻取(Rollup,Drilldown)>切片(Slice)、切块(Dice)及旋转(Pivot)等。钻取包含向下钻取和向上钻取(上卷)操作,钻取的深度与维所划分的层次相对应。上卷操作通过维规约,在数据立方体上进行聚集;下钻操作是上卷操作的逆操作,由不太详细的数据到更详细的数据。切片和切块是在一部分维上选定值后,度量数据在剩余维上的分布。在多维数据结构屮,按照二维、二维进行切块可得到所需数据,如在“机构、产品、时间”三维立方体中进行切块和切片,可得到各城市、各产品的销售情况。旋转(转轴)是变换维的方向,即在表格中重新安排维的放置(如行列互换),通过旋转得到不同视角的数据。二、多维数据模型的物理实现OLAP多维数据模型的实现有多种途径,其屮主要有采用数组的多维数据库、关系型数据库以及两者相结合的方式,。但MOLAP的捉法容易引起误解,毕竟根据OLAP的多维概念,ROLAP也是一种多维数据的组织方式。(多维数据库管理系统)多维联机分析处理严格遵照库德的定义,自行建立多维数据库來存放联机分析系统的数据,它以多维数据组织方式为核心,也就是说,多维联机分析处理使用多维数组存储数据。当利用多维数据库存储0MP数据时,不需要将多维数据模型中的维度、层划分和立方休等概念转换成其他的物理模型,因为多维数组(矩阵)能很好地体现多维数据模型特点。针对图1,可以定义一个三维数组矩阵(7,6,3),体现立方体的维、属性和维度量。其小数组屮维的个数对应立方体的维度数,数组小每-•维取值对应立方体中每一维度的属性个数,而数组的126个交点对应立方体中的单元格,用來存放数据。利用数组实现多维数据模型的优点,在于对数据的快速访问,但同时也会带来存储空间的冗余,即稀疏矩阵问题,进而导致对存储空间的极大需求。例如,图2中定义的一个立方体结构,在用数组定义时,其取值可能有104463亿种情况。但实际上,并不是每一天、每个经营机构在不同地区和不同特约商户都会产生具有不同币种、不同卡种的交易,和关系数据库管理系统相比,只有当某一