利用OLAP进行数据分析的实例VIP免费

利用OLAP进行数据分析的实例—基于foodmart数据库专业：地理信息系统学号：0210614姓名：王威数据仓库技术越来越受到广泛的关注，越来越多的公司意识到建立OLAP所能带来的好处。利用OLAP机型数据分析，可以帮助决策者从多个角度观察数据，帮助公司管理特定领域的目标销售、项目进展，以及预测发展趋势。多维数据分析工具就是帮助进行多角度的数据分析。FoodMart是一家大型的连锁店，在美国、墨西哥和加拿大有销售业务。现在假定我是FoodMartCorporation的数据库管理员。市场部想要按产品和顾客分析1998年进行的所有销售业务数据。使用存储在公司数据仓库中的数据，建立多维数据结构（多维数据集），以便在市场分析人员查询数据库时获取快速的响应。在进行分析之前，现拟定分析需求。这样就有针对性和目的性了。因为foodmart数据库是一个大型数据库，里面有20多张表的数据，根据分析需求，只需要找到跟我的需求相关的表和字段，这样就可以做到高效、省时、准确。下面是我拟定的分析需求，它从主题、数值、角度、粒度等几个方面进行需求分析，为后面的工作做好准备。分析的主题：按产品、顾客分析98年的销售业务分析的数值（事实）：销售、成本和预算数据分析的角度（维度）：时间、商品、客户、商店、促销分析的粒度：时间—年、季度、月产品—种类、子类、商标名顾客—国家、州、城市、姓名商店—国家、州、城市、商店名、促销经过和源数据的连接，准备好数据后。开始进行建立多维数据集。多维数据集是数据的一种多维结构。多维数据集由维度和度量值的集合进行定义。以多维方式建立数据模型可简化联机业务分析，提高查询性能。通过创建数据多维数据集，AnalysisManager可将存储在关系数据库中的数据转换为具有实际含义并且易于查询的业务信息，用于进行业务分析。1.向多维数据集添加度量值度量值是要进行分析的数据库中的量化值。常用的度量值为销售、成本和预算数据。度量值根据多维数据集不同的维度类别进行分析。2.建立各维度主要包括时间维度、产品维度、客户维度、商店维度、促销维度。管理关系数据以进行多维使用的最常用的方式是星型架构。星型架构由一个事实数据表和链接到该事实数据表的多个维度表组成。但在上边的维度里面，产品维度使用的是雪花架构，在“选择维度表”步骤中，将product和product_class添加到“选定的表”，由他们组成了雪花型。在以上多维数据集生成后，在多维数据集编辑器中生成了一个架构图。从架构图中，我们可以直观清晰的看到几个维度之间的关系。设计存储和处理多维数据集是建立多维数据集后有一项重要的步骤。可以设计多维数据集中的数据和聚合的存储选项。在使用或浏览多维数据集中的数据之前，必须先进行处理。可以从三种存储模式中选择：多维OLAP(MOLAP)、关系OLAP(ROLAP)或混合OLAP(HOLAP)。MicrosoftAnalysisServices允许设置聚合。聚合为预先计算好的汇总数据，利用这些数据可以极大地提高查询的效率和响应时间。在处理多维数据集时，将计算为多维数据集所设计的聚合，并为多维数据集装载已计算的聚合和数据。对于本例，设计好Sales多维数据集的结构之后，需要选择要使用的存储模式并指定要存储的预先计算好的值的数量。完成此项操作之后，需要用数据填充多维数据集。本例中选择使用MOLAP作为存储模式，创建Sales多维数据集的聚合设计，然后处理该多维数据集。处理Sales多维数据集时将从ODBC源中装载数据并按照聚合设计中的定义计算汇总值。最后就是浏览多维数据集中的数据，根据需要进行相应的分析。使用多维数据集浏览器，可以用不同的方式查看数据：可以筛选出可见的维度数据量，可以深化以看到数据的细节，还可以浅化以看到较为概括的数据。在本例中，Sales多维数据集已经过处理，数据可用来进行分析。下面将使用多维数据集浏览器对Sales数据进行切片和切块分析操作。用浏览数据命令打开Sales多维数据集后，出现多维数据及浏览器，显示由多维数据集的一个维度和度量值组成的网格。其它四个维度在浏览器上方。我们假定按时间筛选数据，点开Time维的箭头，展开所有Time和1998节点，然后查看第四季度，将对网格中的数据进行筛选，是筛选...