多维数据分析方法详解 ppt课件.ppt

多维数据分析方法详解
1
数据仓库与OLAP实践
2
精品资料
3
你怎么称呼老师？
如果老师最后没有总结一节课的重点的难点，你是否会认为老师的教学方法需要改进？
你所经历的课堂，是讲座式还是讨论式？
教师的教鞭
“不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨，没有学问无颜见爹娘 ……”
“太阳当空照，花儿对我笑，小鸟说早早早……”
4
第3章 多维数据分析基础与方法
多维数据分析基础
多维数据分析方法
维度表与事实表的连接
多维数据的存储方式
小结
5
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。
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。
6
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），
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。
SQL Server 2000中一个多维数据集最多可包含128个维度和1024个度量值。
7
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。
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。
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。
8
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。
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。
9
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。
10