Analisi multidimensionale Lab. Sistemi Informativi Economico-Aziendali LSA Knowledge Data Sources...

Lab. Sistemi Informativi Economico-Aziendali

Analisi multidimensionale

LSA

Knowledge

Data Sources

Warehouse

Consolidated

Data

Prepared Data

p(x) = 0.02

Data Mining Models

Data Consolidation

Selection and Preprocessing

Data Mining & OLAP Cubes

Interpretation and Evaluation

5 lezioni

2 lezioni

3 lezioni

4 lezioni OLAP

4 lezioni DM

Analisi OLAP(On-Line Analytical Processing)

LSA - Laboratorio di Sistemi Informativi Economico-Aziendali

Salvatore Ruggieri

Dipartimento di Informatica, Università di Pisa



Sorgente: OLAP Report



Datawarehouse, data marts, cubi

Data warehouse

OLAP Cubes

OLAP Cubes

Data mart: vista del dw di interesse ad un singolo processo di business

Data mart ordini, clienti, contabilità, risorse umane, finanza Organiz. : datamart come collezione di tabelle fatti e dimensioni

OLAP Cube: struttura di memorizzazione/visualizzazione dei fatti come celle di un ipercubo con un asse per ciascuna dimensione

Data mart ordini: cubi su acquisti, vendite e magazzino



Schema di un data mart: elementi

Un fatto è un evento di interesse (vendite, spedizioni, acquisti) Specificato da attributi dimensioni e misure

Una dimensione determina il contesto in cui è avvenuto il fatto fatto vendita: prodotto, negozio, cliente, tempo

La dimensione può essere organizzata in una gerarchia di livelli dimensione tempo: gerarchia giorno esatto, mese, anno

Ogni possibile contesto è detto membro della dimensione membri dim. tempo: 20 Feb. 2004, Febbraio 2004, 2004, ecc.

Dimensioni comuni a più cubi/data mart sono dette condivise o conformate

Una misura descrive quantitativamente il fatto fatto vendita: numero unità vendute, prezzo unitario, sconto

Tabella dei fatti: collezione di fatti, uno per ogni riga della tabella, con colonne per le dimensioni e per le misure dei fatti

Tabella di una dimensione: collezione dei membri della dimensione e delle loro relazioni gerarchiche



Star Schema

DateMonthYear

Date

CustIdCustNameCustCityCustCountry

Cust

Sales Fact Table

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_sales

Measurements

ProductNoProdNameProdDescCategoryQOH

Product

StoreIDCityStateCountryRegion

Store

Chiavi Esterne



Snowflake schema

DateMonth

Date

CustIdCustNameCustCityCustCountry

Cust

Sales Fact Table

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_sales

Measurements

ProductNoProdNameProdDescCategoryQOH

Product

MonthYear

MonthYear

Year

CityState

City

CountryRegion

CountryStateCountry

State

StoreIDCity

Store



Gerarchie e aggregati di misure

Nord Centro Sud

All

Milano Torino Firenze Roma Napoli Palermo

All

Zona

Città

Misura: numero di abitantiAggregato: SUMAggregato: AVG

2000 800 600 3000 1200 400

2800 1400 3600 1800 1600 800

8000 1333



Gerarchie: bilanciate

Nord Centro Sud

All

Milano Torino Firenze Roma Napoli Palermo

All

Zona

Città

CittàCittà ZonaZona

Milano Nord

Firenze Centro

Torino Nord

… …



Gerarchie: non bilanciate

Rossi Bianchi Neri

All

Tizio Caio Sempronio

All

Dirigenti

Impiegati

FiglioFiglio PadrePadre

Tizio Rossi

Neri NULL

Sempronio Bianchi

… …



Gerarchie: ragged

Dollari Euro

All

New York

Los Ang.

Paris Rome

All

Moneta

Città San Marino



Analysis Manager: editor di cubi



Modello di memorizzazioneROLAP (Relational OLAP):

utilizza le funzionalità di un’engine relazionale estesi in modo da permettere la materializzazione degli aggregati performance scalabilità

MOLAP (Multidimensional OLAP): array multidimensionale su disco/memoria

efficiente su dati di dimensioni ridotte problemi di performance su dati sparsi

HOLAP (Hybrid OLAP): trade-off tra le due soluzioni precedenti

fatti su tabella relazionale aggregazioni su array multidimensionale



Analysis Manager: elab. di cubi



Toscana

Navigazione

sum

Milk Bread … ... sum

Jan 96

… ...

sum

Feb 96

ProductStore

Time

OrangeRoma

PisaFirenze

All ProductsJanuary 96, Pisa.

Ogni dimensione contiene una gerarchia di valoriuna cella del cubo contiene valori aggregati (count, sum, max, etc.)

LazioAll



Navigazione di un cubo

prodotto

magazzino

tempo

Il manager regionale esamina la vendita dei prodotti in tutti i periodi relativamenteai propri mercati

Il manager di prodotto esamina la vendita di un prodotto in tutti i periodo e in tutti i mercati

Il manager finanziario esamina la vendita dei prodotti in tutti i mercati relativamente al periodo corrente e quello precedente

Il manager strategico si concentra su una categoria di prodotti, un’area regionale e un orizzonte temporale medio



Roll-up e drill-down

ProductStore

Time

All

Time

All

Time

ProductAll

All

AllAll

Drill-Down

Roll-up

Roll-up

Drill-Down

Drill-Down

Roll-up



Slice and Dice

ProductStore

Month

Slice

ProductStore

Month



Altre operazioni

Drill through: visualizza tutti i fatti relativi ad una cella del cubo Pivot: rotazione degli assi del cubo Drill across: collegamento ad altro cubo via dimensioni condivise

Prodotti FornitoriClienti

Tempo

Store

Vendite

Acquisti



Analysis Manager: browsing



Analysis Manager: misure calcolate



Analysis Manager: misure calcolate

Sintassi:

EXP ::= Numeric | ( Member, Numeric )Numeric ::= Measure | funzione_numeric(Parametri) | Numeric + Numeric | Numeric - Numeric

| Numeric / Numeric | Numeric * Numeric

Member ::= funzione_member(Parametri)

Semantica:

( Member, Numeric ) l’espressione Numeric è valutata sul membro Member

([Product].CurrentMember.Parent,[Measures].[Quantity]) è la misura Quantity valutata sul padre del membro corrente rispetto alla dimensione Product

(ParallelPeriod([Time].[Year], 1), [Measures].[Quantity] ) è la misura Quantity valutata nello stesso periodo dell’anno precedente



Accesso ai dati multidimensionali

API Microsoft OLE DB for OLAP, ADO.MD, ADO MD.NET

Linquaggio MDX (MultiDimensional Expressions) JOLAP

Java OLAP Interface, JSR-69

Formato di interscambio XML for Analysis www.xmla.org

Client di visualizzazione Excel Explorer Data Analyser DBMiner …



Excel



Data Analyser



DBMiner 2.0



Cubi e SQL: GROUP BY WITH CUBE

-- fatti selezionati dalla clausola WHERE-- e aggregati dalla clausola GROUP BY -- su tutte le possibili (2^3) combinazioni di prodotto,

dimensione e tempo

SELECT F.product_id, F.customer_id, F.time_id, SUM(F.store_sales*F.unit_sales)

FROM dbo.sales_fact_1997 AS F WHERE F.customer_id < 20 AND F.product_id < 200GROUP BY F.product_id, F.customer_id, F.time_id WITH CUBE



Cubi e SQL: GROUP BY WITH ROLLUP

-- fatti selezionati dalla clausola WHERE-- e aggregati dalla clausola GROUP BY -- su prodotto, dimensione e tempo-- su prodotto e dimensione-- su prodotto-- su tutti I dati

SELECT F.product_id, F.customer_id, F.time_id, SUM(F.store_sales*F.unit_sales)

FROM dbo.sales_fact_1997 AS F WHERE F.customer_id < 20 AND F.product_id < 200GROUP BY F.product_id, F.customer_id, F.time_id WITH

ROLLUP

Analisi multidimensionale Lab. Sistemi Informativi Economico-Aziendali LSA Knowledge Data Sources...

Documents

Transcript of Analisi multidimensionale Lab. Sistemi Informativi Economico-Aziendali LSA Knowledge Data Sources...