Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Többdimenziós adatelemzés. Egy konkrét példa: értékesítés elemzése Előkészítés: csillagséma Dimenzió és kocka építés Kalkulációk, KPI-k Adatok megjelenítése.

Hasonló előadás


Az előadások a következő témára: "Többdimenziós adatelemzés. Egy konkrét példa: értékesítés elemzése Előkészítés: csillagséma Dimenzió és kocka építés Kalkulációk, KPI-k Adatok megjelenítése."— Előadás másolata:

1 Többdimenziós adatelemzés

2 Egy konkrét példa: értékesítés elemzése Előkészítés: csillagséma Dimenzió és kocka építés Kalkulációk, KPI-k Adatok megjelenítése Programozás, karbantartás

3 Fő igények: Termék és vevő adatok valamint idő alapján elemezhető legyen a forgalom és a profit. Tetszőleges csoportosításban, egyszerűen legyenek lekérhetőek az adatok. A kirendeltségeken mindenki csak a saját értékesítési területének adatait láthassa. Lehetőleg Excelben lehessen elemezni az adatokat. Fel kell készülni a jelenleginél lényegesen nagyobb (1000x) adatmennyiségre.

4 Éves, negyedéves, havi forgalmi és profit adatok termékvonalanként Éves, negyedéves, havi forgalmi és profit adatok régiónkét Forgalmi és profit adatok termékvonalanként, régiónként Árrés arány alakulása éves, negyedéves, havi bontásban, termékvonalanként, régiónként Részlet forgalmi adatok megjelenítése havi szinten termékekre, vevőkre bontva Szűrési, rendezési lehetőség: termékek, vevő, idő és forgalmi, profit adatokra vonatkozóan

5

6 Készítsünk egy olyan megoldást, amellyel a felhasználók tetszőleges lekérdezéseket készíthetnek az adatokból: Kiválaszthatják, hogy milyen adatot kívánnak megjeleníteni Szabadon csoportosíthatják, összegezhetik az adatokat Tetszőleges szűrési feltételeket definiálhatnak Legfontosabb követelmények: Képes legyen több millió adatsor kezelésére Gyors legyen (néhány másodperc alatt álljon elő egy- egy lekérdezés eredménye) Egyszerű legyen használni Az eredmények Excelben tovább elemezhetőek legyenek

7 SQL nézetet készítünk az adatokból Excelbe importáljuk az adatokat

8 SQL nézetet készítünk az adatokból Excelbe importáljuk az adatokat Pivot táblát készítünk

9 Adatimport SQL-ből Pivot tábla

10 Biztonság Mindenki mindent láthat. Teljesítmény Több millió sorral nem működik, lassú a megoldás. Egyszerű kezelhetőség Az egyes elemzési szempontok összefüggései nem láthatóak. Az elemzési szempontok, adatok nincsenek csoportosítva, nehézkes a lekérdezés.

11 Biztonság Az Analysis Services horizontális és elemi adat szintű jogosultság kezeléssel rendelkezik. Teljesítmény Több millió sorral is hatékonyan működik. Az összesítéseket előre képes kiszámítani. Egyszerű kezelhetőség Intuitív adatmodellt használ, az elemzési szempontok dimenziókba, hierarchiákba szervezhetőek. Különböző output formátumok támogatása A különböző eszközök hasonlóan kezelik az adatokat. Az adatok formázását, megjelenését már a szerveren szabályozhatjuk. Extra lehetőségek KPI-k, perspektívák, akciók, fordítások OLAP = O n L ine A nalytical P rocessing

12

13 AdatszerkezetLekérdezések

14 OLTPCsillagséma Sok kis táblaKevés nagyobb tábla Normalizált adatszerkezetDenormalizált adatszerkezet Törzsadatok, kódtáblákDimenziótáblák, ténytáblák Az összesítő lekérdezések bonyolultak Az összesítő lekérdezések egyszerűbbek Elemi lekérdezésekre optimalizált Összesítő lekérdezésekre optimalizált Folyamatos adatmódosításra optimalizált Batch jellegű adatbetöltése optimalizált A bővítés bonyolult a sok összefüggés miatt Egyszerűen bővíthető

15 DimenzióAttribútumokHierarchiák Mérték (tény), mértékcsoport OLAP kocka

16 Összetartozó elemzési szempontok gyűjteménye Egy vagy több relációs tábla adatait tartalmazza Attribútumokból és hierarchiákból áll Attribútumok Dátum – év, negyedév, hét, hónap, nap Termék – termékvonal, modell, egységár, ár, szín, leírás, … Hierarchiák Naptári év: nap -> hónap -> negyedév -> év Termékvonal: termék -> modell -> termékvonal Hely: város -> megye -> régió -> ország

17 Mérték Elemzendő adat Például: eladási érték, darabszám, gyártási költség, rendelések száma, … A ténytáblában található vagy számolt adat Dimenziókhoz kapcsolódik Általában numerikus adat Ha nem numerikus akkor legfeljebb megszámolhatjuk Összesíthető Teljesen összesíthető – pl. eladási érték, költség Részlegesen összesíthető – pl. raktárkészlet (időben nem összesíthető) Mértékcsoport Olyan mértékek csoportja, amelyek ugyanazon dimenziók mentén elemezhetőek Egy ténytáblába foglalható

18 Dimenziókból és rajtuk értelmezett mértékekből áll Több dimenziót és mértékcsoportot tartalmaz Az adatokat a dimenzió attribútumok és hierarchiák mentén összesítve és indexelve tárolja Egyszerűen lekérdezhető Érték = Kocka(Mérték,DimAt 1, DimAt 2,…,DimAt n ) Számításokat definiálhatunk rajta

19 5,005,000 Milyen értékesítési eredményt várunk Észak Amerikában 2004 Q1-ben?

20 Dimenzió készítése OLAP kocka készítése OLAP elemzés Excelben

21

22 Számítások Számított mértékek Számított dimenzió tagok Kockaérték felülírása Nevesített halmazok KPI-k Grafikus indikátorokkal támogatott teljesítmény mérőszámok Biztonság Dimenzió és cella szintű jogosultságok ExtrákPerspektívákFordításokAkciók

23 ÉrtékCél Státusz Trend A teljesítményt számszerűen és grafikusan is megjelenítő objektum.

24 MDX nyelven íródnak MDX = Multidimensional Expressions A számítások és a lekérdezések nyelve Számítások típusai Calculated Member Számított mérték és dimenziótag definiálás Named Set Halmazok definiálása Script Calculation Kockaértékek felülírására

25 Számított mérték létrehozása KPI definiálása

26 Programozhatóság XMLA – XML for Analysis ADOMD.NET AMOKarbantartás Visual Studio Management Studio Integration Services

27 Data Mining Interfaces Analysis Server OLAPData Mining Server ADOMD.NET.NET Stored Procedures Microsoft Algorithms Third-Party Algorithms WAN XMLA Over TCP/IP OLE DBADOADOMD.NET XMLA Over HTTP Any Platform, Any Device C++ AppVB App.NET AppAny App AMO

28 Készítsünk csillagsémát Szabjuk testre a táblákat a Data Source View-ban Definiáljuk a dimenziókat AttribútumokHierarchiák Attribútum kapcsolatok KulcsokRendezés Definiáljuk a kockákat Mértékcsoportok Dimenzió kapcsolatok Kalkulációk, KPI-k, perspektívák, fordítások, akciók Készítsünk kiindulási riportokat Excel-ben Automatizáljuk a csillagséma és a kocka frissítését az Integration Services-zel

29 SQL Server 2008 Books Online Analysis Services Tutorials MDX Karbantartás, programozás Könyvek MS Press: Analysis Services Step by Step (2005, 2008) Wiley: The Microsoft Data Warehouse Toolkit Webhttp://www.microsoft.com/bi/resourcecenter

30

31

32 Kávészünet Megyünk tovább Hajrá előre!

33 Kezdés 12:20-kor


Letölteni ppt "Többdimenziós adatelemzés. Egy konkrét példa: értékesítés elemzése Előkészítés: csillagséma Dimenzió és kocka építés Kalkulációk, KPI-k Adatok megjelenítése."

Hasonló előadás


Google Hirdetések