Data Warehouse
Ορισμοί Data Warehouse 1. 2. Μια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με στόχο τη διαδικασία υποστήριξης λήψης αποφάσεων - WH W.H. Inmon Ένα αντίγραφο των επιχειρηματικών δεδομένων ειδικά δομημένο για ερωτήματα (queries) και ανάλυση - Ralph Kimball
Data Warehouse - Χρήση Για επιτευχθεί η επιχειρησιακή γνώση, τα δεδομένα από διάφορες πηγές πρέπει να συγκεντρωθούν και να οργανωθούν κατά ένα συνεπή και χρήσιμο τρόπο. Εξ ου και ο όρος Data Warehouse (DW) Αποθήκη Πληροφοριών Το DW επιτρέπει τη δημιουργία επιχειρησιακής μνήμης Διάφορες τεχνολογίες (OLAP, Data Mining, GIS κ.ά.) επιτρέπουν στον τελικό χρήστη να αξιοποιήσει την πληροφορία με τον βέλτιστο τρόπο ανάλογα με το επιχειρηματικό πρόβλημα
Έμφαση στα δεδομένα και όχι στις λειτουργίες Data Warehouse Data Driven Vs. ERP DBMS Function Driven O/P DSS Data A/P EIS Order Processing Data
Διαφορές βάσεων ERP και Data Warehouse OLTP Αποθήκη Δεδομένων Είδος χρήστη Υπάλληλοι γραφείου Managers, υψηλόβαθμα στελέχη Χρήση Προβλεπόμενη, επαναλαμβανόμενη Μη δομημένη Περιεχόμενο Πρόσφατα δεδομένα με πολλή Ιστορικότητα δεδομένων δδ δεδομένων πληροφορία Οργάνωση δεδομένων Σύμφωνα με τις λειτουργικές Σύμφωνα με τις ανάγκες του ανάγκες της επιχείρησης προβλήματος προς ανάλυση Δομή δεδομένων Βελτιστοποιημένη για μικρές Βελτιστοποιημένη για σύνθετα συναλλαγές ερωτήματα Συχνότητα χρήσης Υψηλή Μέτρια έως και χαμηλή Είδος χρήσης Ανάγνωση, ανανέωση, διαγραφή, Ανάγνωση εισαγωγή Πλήθος εγγραφών ανά Λίγες Πολλές χρήση Χρόνος απόκρισης Μικρός Μπορεί να είναι μεγάλος Περίσσεια δεδομένων Μικρή Υψηλή Μοντέλο δεδομένων Μοντέλο οντοτήτων σχέσεων (ER) Σχεσιακό και Πολυδιάστατο μοντέλο
Data Warehouse - Ροή Επιχειρησιακή Database Εγγραφές Πελάτες Πιστωτές Παραγγελίες Κ.λ.π Κ.λ.π. Αντιγραφή, Οργάνωση, Ομαδοποίηση Καταναλωτές: Αναλυτές γνωρίζουν Εξερευνητές - απρόβλεπτοι Data Warehouse Αξιοποίηση
Data Warehouse - Δεδομένα Είναι ένα αντίγραφο των επιχειρηματικών δεδομένων ειδικά δομημένο για ερωτήματα (queries) - επιχειρηματικές αναφορές και διαφόρων μορφών ανάλυση Τα επιχειρηματικά δεδομένα που περιλαμβάνει ένα DW δεν ενημερώνονται ούτε μεταβάλλονται πλέον από το σύστημα εγγραφών Τα δεδομένα είναι ειδικά δομημένα και μετασχηματισμένα μ
Βασικά χαρακτηριστικά Θεματική οργάνωση Επιχειρησιακή Ολοκλήρωση Οργάνωση σε βάθος χρόνου Μη επανεγγράψιμο
Βασικά χαρακτηριστικά - Θεματική Οργάνωση Cust 2006 Prod O/P 2006 2007 2008 D/W Data A/R
Βασικά χαρακτηριστικά - Επιχειρησιακή Ολοκλήρωση Σύστημα ERP Παραγγελία Order ID = 10 Πελάτες Order ID = 12 Δαχείριση Προϊόντων Order ID = 8 D/W Order ID = 16 Διαχείριση Προσωπικού Sex = Α/Γ Μισθοδοσία Sex = 1/2 Δαχείριση Προϊόντων Sex = 0/1 D/W Sex = Α/Γ
Βασικά χαρακτηριστικά - Οργάνωση σε βάθος χρόνου Βάση Δεδομένων ERP Σημερινή εικόνα Εύρος χρόνου με βάση τις λειτουργικές ανάγκες Data Warehouse Εικόνα σε βάθος χρόνου (3 10 Έτη) Μια ολοκληρωμένη εικόνα της επιχείρισης ανά μονάδα χρόνου Η ημερομηνία είναι Η ημερομηνία μπορεί πάντα κλειδί να μην είναι κλειδί
Βασικά χαρακτηριστικά Μη επανεγγράψιμο Βάση Δεδομένων ERP Data Warehouse Νέα Εγγραφή και Αλλαγή Μόνο Νέα Εγγραφή Create Insert Read Load Read Read Update Replace Read Delete Read
Data Mart (DM) Πηγή Πληροφοριών Είναι ένα μικρότερο πιο στοχευμένο Data Warehouse ένα μικρό warehouse. Συνήθως αποτυπώνει τους επιχειρηματικούς κανόνες μιας συγκεκριμένης επιχειρηματικής μονάδας μιας επιχείρησης
Data Warehouse to Data Mart Data Mart Πληροφόρηση ρη η Υποστήριξης Αποφάσεων Data Warehouse Data Mart Πληροφόρηση Υποστήριξης Αποφάσεων Data Mart Πληροφόρηση Υποστήριξης Αποφάσεων
Αποθήκη πληροφοριών - Δημιουργία - Αξιοποίηση
Λογικός σχεδιασμός Σχεσιακών Αρχείων
Το μοντέλο οντοτήτων Οντότητες (Entities) Πεδία (Attributes) Συσχετίσεις (Relationships) Κλειδιά (Identifiers) Οντότητες είναι υποψήφια αρχεία
Τι είναι Οντότητες Είναι συλλογή ομοειδών αντικειμένων τα οποία έχουν όλα τις ίδιες ιδιότητες και κάθε ένα από τα αντικείμενα αυτά είναι σαφώς διακριτό από τα υπόλοιπα. Παραδείγματα : Ομάδες αντικειμένων (προϊόντα, υλικά, μηχανήματα ) Ομάδες ατόμων (εργαζόμενοι, προμηθευτές, πελάτες ) Τοποθεσίες ς (πόλεις, ποτάμια,, αποθήκες, γραφεία ) Οργανωτικές δομές (επιχειρήσεις, διευθύνσεις, τμήματα ) Λειτουργίες ροές (συμφωνία, δρομολόγιο, λογαριασμός ) Ομοειδή γεγονότα που συνέβησαν κάποιο χρονικό διάστημα Εγγραφή, ημερολόγιο, Ισολογισμός
Τι περιλαμβάνουν Κλειδί Λογικές Εγγραφές Αρχείο
Τα χαρακτηριστικά τους Πρωτεύον κλειδί Πεδία Δευτερεύον κλειδί Λογικές Εγγραφές ΜΗΤΡΩΟ ΟΝΟΜΑ ΕΠΩΝΥΜΟ ΠΑΤΡΩΝΥΜΟ Ο99314 ΑΝΔΡΕΑΣ ΠΛΟΥΜΙΣΤΟΣ ΙΩΑΝΝΗΣ Ο99225 ΚΩΝ/ΝΟΣ ΤΣΑΜΗΣ ΓΕΩΡΓΙΟΣ Ο99200 ΚΩΝΣΤΑΝΤΙΝΟΣ ΚΑΙΔΑΝΤΖΗΣ ΕΥΑΓΓΕΛΟΣ Ο99313 ΒΑΣΙΛΕΙΟΣ ΠΑΠΑΔΗΜΗΤΡΟΠΟΥΛΟΣ ΝΙΚΟΛΑΟΣ Ο99086 ΝΙΚΟΛΑΟΣ ΜΑΝΩΛΑΣ ΠΑΝΑΓΙΩΤΗΣ Ο99058 ΚΩΝ/ΝΟΣ ΚΟΤΣΩΝΗΣ ΠΑΝΑΓΙΩΤΗΣ Ο99061 ΒΑΣΙΛΕΙΟΣ ΑΝΤΩΝΟΠΟΥΛΟΣ ΦΩΤΙΟΣ Ο99131 ΓΕΩΡΓΙΟΣ ΚΑΡΑΔΗΜΑΣ ΑΝΑΣΤΑΣΙΟΣ Αρχείο - Πίνακας
Συσχετισμοί οντοτήτων Ένας συσχετισμός χαρακτηρίζει μία σχέση π.χ. Κάθε τμήμα αποτελείται από εργαζόμενους Κάθε γεωγραφική περιοχή ανήκει σε μία περιφέρεια Ένας συσχετισμός ορίζει έναν επιχειρηματικό κανόνα π.χ. Κάθε πελάτης μπορεί να τοποθετεί μία ή περισσότερες παραγγελίες Κάθε εργαζόμενος μπορεί να ανήκει ένα ή περισσότερα ταμεία ασφάλισης
Οι βασικές μεθοδολογίες οργάνωσης αρχείων Σειριακή Οργάνωση (Sequential Access) Άμεσης μ Προσπέλασης ης( (Direct Access) Βάσεις Δεδομένων (Data Bases)
Σειριακή προσπέλαση Αριθμός Μητρώου Όνομα Επώνυμο Πατρώνυμο Αριθμός Μητρώου Όνομα Επώνυμο Πατρώνυμο Αριθμός Μητρώου Κενό
Άμεση προσπέλαση Πίνακας Μετατροπής Κλειδιού σε Φυσική Διεύθυνση (Index file) Κλειδί Διεύθυνση Data File Διεύθυνση Λογική Εγγραφή 099200 312 312 Κων/νος Καιδαντζής
Σχεσιακό μοντέλο Φοιτητές Entity Μαθήματα A.M. ΕΠΩΝΥΜΟ ΟΝΟΜΑ ΚΩΔΙΚΟΣ ΠΕΡΙΓΡΑΦΗ 099131 ΚΑΡΑΔΗΜΑΣ ΓΕΩΡΓΙΟΣ 0111 Εισαγωγή στους Η/Υ 099225 ΤΣΑΜΗΣ ΚΩΝ/ΝΟΣ 0120 Χρηματοοικονομική 099313 ΠΑΠΑΔΗΜΗΤΡΙΟΥ ΒΑΣΙΛΕΙΟΣ 0230 Στατιστική 099314 ΠΛΟΥΜΙΣΤΟΣ ΙΩΑΝΝΗΣ 0317 Διοίκηση Επιχειρήσεων Μαθήματα Φοιτητών Attribute Relationship A.M. ΚΩΔΙΚΟΣ 099225 0111 099225 0230 099313 0111 099313 0317 099314 0111 099314 0120 099314 0230
Σχεσιακή βάση δεδομένων Γλώσσα Ορισμού DDL (Data Definition Language) Κατάλογος (Data Dictionary) Συσχετισμός Δεδομένων Λ Ο Γ Ι Σ Μ Ι Κ Ο Δεδομένα S Q L Καταναλωτής Δεδομένων Ε Φ Α Ρ Μ Ο Γ Η
Πλεονεκτήματα RDBMS Ενιαίο περιβάλλον ανάπτυξης (SQL - ANSI) Δυνατότητα πρόσβασης από καταναλωτές πληροφοριών (enduser access) Κατάλογοι (Data dictionary) Συσχετισμοί πινάκων - δομική λογική (Constraints Integrity) Επιχειρηματική λογική (Business logic, Procedures Triggers Events) Κατανομή σε πολλαπλά συστήματα (distribution) Λογική ενότητα εγγραφών (logical transaction, Commit Rollback) Λογικές δομές (Views Cursors) Συγχρονισμός βάσεων (Replication Propagation) Backup recovery (On-line backup)
Τα πλέον διαδεδομένα συστήματα RDBMS Oracle Database Microsoft f SQL Server IBM DB2
Λογικός σχεδιασμός μοντέλου αρχείων
Δημιουργία Οντοτήτων -Συσχετισμοί Ορίζονται κατηγορίες εννοιών (οντότητες - entities). Π.χ. χώρα, περιοχή, πόλη κ.λ.π. ήοίκος, ομάδα, κατηγορία προϊόντων κ.λ.π. Ορίζονται οι συσχετισμοί μεταξύ των κατηγοριών εννοιών. Π.χ. η Αθήνα βρίσκεται στην Αττική. Δημιουργούνται οι πίνακες με τις πιο πάνω δομές μς και κωδικοποιούνται οι κατηγορίες εννοιών, ώστε να μπορούν να συσχετισθούν μεταξύ τους. Οι πίνακες συμπληρώνονται με έννοιες και περιπτώσεις εννοιών. Π.χ. στον πίνακα με την έννοια πόλη καταχωρούνται οι πόλεις (περιπτώσεις της έννοιας πόλη ) Αθήνα, Θεσσαλονίκη, Βόλος κ.λ.π. Οι αναφορές στις έννοιες αφορούν τις περιπτώσεις (instances) των εννοιών. Π.χ. καταχωρούνται πελάτες στον πίνακα πελατών με πόλη την Αθήνα. Αντί για καταχώρηση της λέξης Αθήνα, υπάρχει μια αναφορά στον πίνακα της έννοιας πόλη.
Διαγράμματα συσχετισμού οντοτήτων Πελάτες Παραγγελίες Τιμολόγια Χ Γραμμές Πελάτες Χ Συμβολισμοί Οντότητα Συσχετισμός ένα προς ένα Συσχετισμός πολλά προς ένα Προαιρετικός συσχετισμός Υποχρεωτικός ς συσχετισμός
Τι υποδηλώνουν οι συσχετισμοί
Λογικές παγίδες συσχετισμών Πολλά προς πολλά (chasm trap) Συσχετισμός έλικα (fan trap) Μεταβατικός συσχετισμός (transitive relationship) Συσχετισμός συνδέσμου (connection trap)
Συσχετισμός πολλά προς πολλά (Chasm trap) Είδη Προμηθευτές Λογική παγίδα. Δεν μπορεί να δημιουργηθεί σχέση αρχείων γιατί δεν γνωρίζουμε κάθε είδος σε ποιους προμηθευτές ανήκει και κάθε προμηθευτής ποια είδη προμηθεύει. Κωδικός Περιγραφή Προμηθευτής 12345 Μολύβι??? Κωδικός Επωνυμία Είδος 5000001 Προμηθευτική???
Επίλυση παγίδας Είδη Είδη Προμηθευτή Προμηθευτές Η παγίδα επιλύεται με την δημιουργία μιας ενδιάμεσης οντότητας (Είδη Προμηθευτή) η οποία έχει μία λογική εγγραφή για κάθε συνδυασμό Είδους Προμηθευτή. Η οντότητα αυτή έχει ένα σύνθετο κλειδί που αποτελείται από το πρωτεύον μοναδικό κλειδί κάθε μιας από τις δύο οντότητες (κωδικός είδους κωδικός προμηθευτή). Είδος Προμηθευτής.. 12345 5000001..
Συσχετισμός έλικα (Fan trap) Διευθύνσεις Τμήματα Εργαζόμενοι Μπορεί να μην υπάρχει πρόβλημα. Είναι σημείο προβληματισμού κατά πόσον υπάρχει συσχετισμός μεταξύ Τμήματος και Εργαζομένου και κατά πόσον ισχύουν οι υπάρχοντες συσχετισμοί.
Επίλυση παγίδας Διευθύνσεις Τμήματα Εργαζόμενοι Εάν πράγματι κάθε εργαζόμενος ανήκει μόνο σε ένα τμήμα και κανείς δεν ανήκει κατ ευθείαν στην Διεύθυνση τότε η επίλυση είναι η ανωτέρω. Αν όμως υπάρχει έστω και ένας εργαζόμενος που δεν ανήκει σε Τμήμα αλλά ανήκει κατ ευθείαν στην Διεύθυνση (π.χ. χ Διευθυντής), τότε η επίλυση φαίνεται πιο κάτω : Διευθύνσεις Τμήματα Εργαζόμενοι
Ο μεταβατικός συσχετισμός (Transitive relationship) Πελάτες Τιμολόγια Γραμμές Αφορά άένα κλειστό διάγραμμα δά τριών ή περισσοτέρων οντοτήτων, όπου οι οντότητες συνδέονται μεταξύ τους περιφερειακά. Είναι σημείο προβληματισμού κατά πόσον χρειάζονται όλοι οι συσχετισμοί μεταξύ τους.
Επίλυση παγίδας Πλά Πελάτες Τιμολόγια Γραμμές Στην συγκεκριμένη περίπτωση οι αναλυτικές γραμμές των τιμολογίων (που περιέχουν τα είδη του τιμολογίου) συσχετίζονται με το τιμολόγιο και όχι με τον πελάτη.
Συσχετισμός Συνδέσμου (Connection trap) Διευθύνσεις Τμήματα Εργαζόμενοι Η ύπαρξης ενός προαιρετικού συσχετισμού μεταξύ Τμήματος και Εργαζομένου δί δείχνει ότι θα υπάρχουν περιπτώσεις όπου κάποιοι εργαζόμενοι δεν θα ανήκουν πουθενά.
Επίλυση παγίδας Διευθύνσεις Τμήματα Εργαζόμενοι Δύο είναι οι λύσεις : 1. Δημιουργείται συσχετισμός μεταξύ Διεύθυνσης και εργαζομένου για τους Διευθυντές που δεν ανήκουν σε Τμήμα. 2. Δημιουργείται ένα εικονικό Τμήμα με τίτλο Διεύθυνση και δεν είναι πλέον προαιρετικός ο συσχετισμός. Διευθύνσεις Τμήματα Εργαζόμενοι
Κανονικοποίηση (Normalization)
Γιατί χρειάζεται η κανονικοποίηση Σε κάθε νέα λογική εγγραφή πρέπει να επαναλαμβάνονται πληροφορίες που ήδη είναι καταχωρημένες σε άλλες λογικές εγγραφές Τα σφάλματα καταχώρησης ης έχουν σαν αποτέλεσμα διαφορετικές φρ τιμές μςγ για την ίδια πληροφορία σε διαφορετικές λογικές εγγραφές. Δεν μπορούν να προστεθούν νέες πληροφορίες (πόλεις, συσκευές) εάν δεν υπάρξει πρώτα ο πρώτος πελάτης που θα τον αφορούν Διαγραφή κάποιων λογικών εγγραφών συνεπάγεται απώλεια πληροφοριών που δεν έχουν άμεση σχέση με το πρωτεύον κλειδί. σημαντικών Μπορεί να γίνουν αλλαγές σε μια λογική εγγραφή χωρίς να αλλάξουν και όλες οι άλλες λογικές εγγραφές που επηρεάζονται από την αλλαγή αυτή.
Αρχές κανονικοποίησης 1η μορφή Κανονικοποίησης 2η μορφή Κανονικοποίησης 3η μορφή Κανονικοποίησης Περαιτέρω μορφές Κανονικοποίησης
Πρώτη κανονικοποιημένη μορφή Κάθε πίνακας πρέπει να έχει ένα ή περισσότερα υποψήφια κλειδιά. Τα πεδία του πίνακα δεν πρέπει να περιέχουν απαγορεύονται : Πολυδιάστατα πεδία (arrays) Πεδία που μπορούν να αναλυθούν σε άλλα πεδία Επαναλαμβανόμενα πρωτεύοντα κλειδιά ομαδοποιήσεις. Δηλαδή Επομένως κάθε πεδίο πρέπει να είναι απλής μορφής, ήτοι πεδίο χαρακτήρων, αριθμητικό, ημερομηνία, κ.λ.π. και κάθε υποψήφιο πρωτεύον κλειδί πρέπει να είναι μοναδικό
Δεύτερη κανονικοποιημένη μορφή Κάθε πίνακας πρέπει να βρίσκεται σε 1 η κανονικοποιημένη μορφή Κάθε κλειδί πρέπει να καθορίζει πλήρως κάθε πεδίο που δεν συμμετέχει στο κλειδί Επομένως οι κανόνες της 2 ης μορφής κανονικοποίησης εφαρμόζονται σε πίνακες με σύνθετα κλειδιά και ελέγχονται όλα τα πεδία που δεν είναι κλειδιά ως προς κάθε πεδίο που συνθέτει κάθε σύνθετο κλειδί
Τρίτη κανονικοποιημένη μορφή Κάθε πίνακας πρέπει να είναι σε 2 η κανονικοποιημένη μορφή (επομένως και σε πρώτη). Το πρωτεύον κλειδί πρέπει να καθορίζει όλα τα άλλα πεδία Επομένως οι κανόνες της 3 ης μορφής κανονικοποίησης εφαρμόζονται σε πίνακες με περισσότερα του ενός πεδία και ελέγχονται όλα τα πεδία που δεν είναι κλειδιά μεταξύ τους
Όλοι οι κανονικοποιημένοι πίνακες Συσκευές πελατών Πελάτες Συσκευές Πόλεις
Κανονικοποιημένες οντότητες Πόλεις Πόλη Πελάτες Κωδ.πελάτη Συσκευές πελατών Κωδ.πελάτη - συσκευή Συσκευές Συσκευή
Πολυδιάστατη βάση δεδομένων
Οι κανόνες OLAP του Codd 1. Multidimensional conceptual view. OLAP operates with CUBEs of data that represent multidimensional i l construct t of dt data. Event thoughh the name implies three dimensionali dt data, the number of possible dimensions is practically unlimited. 2. Transparency. OLAP systems should be part of an open system that supports heterogeneous data sources. 3. Accessibility. The OLAP should present the user with a single logical schema of the data. 4. Consistent reporting performance. Performance should not degrade as the number of dimensions in the model increases. 5. Client/server architecture. t Should be based on open, modular systems. 6. Generic dimensionality. Not limited to 3-D and not biased toward any particular dimension. A function applied to one dimension should also be able to be applied to another. 7. Dynamic sparse-matrix handling. Related both to the idea of nulls in relational databases and to the notion of compressing large files, a sparse matrix is one in which not every cell contains data. OLAP systems should accommodate varying storage and data-handling options. 8. Multiuser support. OLAP systems should support more than one user at the time. 9. Unrestricted cross-dimensional operations. Similar to rule of generic dimensionality; all dimensions are created equal, and operations across data dimensions should not restrict relationships between cells. 10.Intuitive data manipulation. Ideally, users shouldn't have to use menus or perform complex multiplestep operations when an intuitive drag-and-drop action will do. 11.Flexible reporting. Save a tree. Users should be able to print just what they need, and any changes to the underlying financial model should be automatically reflected in reports. 12.Unlimited dimensional and aggregation levels. The OLAP cube can be built with unlimited dimensions, and aggregation of the contained data also does not have practical limits.
Από το Σχεσιακό στο Πολυδιάστατο Μοντέλο
Αρχιτεκτονική OLAP βάσεων Multidimensional OLAP Relational OLAP Hybrid OLAP Όλος ο κύβος σε OLAP βάση (proprietary). Ταχύτερος, ίσως να έχει περιορισμό μεγέθους Όλος ο κύβος σε σχεσιακή βάση. Κάθε φορά τρέχουν SQL. Αργός, με περιορισμένη δυνατότητα σύνθετων υπολογισμών (λόγω περιορισμών της SQL). Τα σύνολα σε OLAP βάση. Οι λεπτομέρειες σε σχεσιακή.
Η ιεράρχηση των διαστάσεων στο σχεσιακό μοντέλο Κωδικός χώρας Κωδικός περιοχής Περιγραφή χώρας Περιγραφή περιοχής Κωδικός χώρας Κωδικός πελάτη Κωδικός πόλης Επωνυμία πελάτη Περιγραφή ργρ πόλης Κωδικός πόλης Λοιπά στοιχεία.. Κωδικός περιοχής
Πολυδιάστατο Μοντέλο Οργάνωση δεδομένων σε κύβους (cubes) Εξέταση των δεδομένων από διαφορετικά πρίσματα και σε διαφορετικά επίπεδα λεπτομέρειας Διάσταση (dimension) Τομείς ενδιαφέροντος της επιχείρησης Μέλος (member) Τα πεδία που συμμετέχουν στη διάσταση Μέτρο (measure) Ποσοτικοί υπολογισμοί
Η Πολυδιάστατη Σκέψη ΠΟΤΕ ΠΟΙΟΣ ΤΙ ΠΟΥ ΑΠΟΤΕΛ/ΤΑ ΧΡΟΝΟΣ ΠΡΟΟΔΕΥΤΙΚΑ ΠΩΛΗΤΕΣ ΠΕΡΙΦΕΡΕΙΑ ΠΡΟΪΌΝΤΑ ΟΙΚΟΣ ΚΑΝΑΛΙ ΕΠΙΛΕΚΤΙΚΗ ΔΕΙΚΤΗΣ ΕΣΟΔΑ ΤΙ ΒΛΕΠΟΥΝ ΟΙ MANAGERS Γ ΤΡΙΜΗΝΟ ΣΕΠΤΕΜΒΡΙΟΣ ΠΕΡΙΟΧΗ ΠΟΛΗ ΠΑΠΑΔΟΠΟΥΛΟΣ ΟΜΑΔΑ ΠΡΟΪΟΝ ΠΕΛΑΤΗΣ ΠΟΣΟΤΗΤΑ ΚΟΣΤΟΣ Μ.ΚΕΡΔΟΣ ΠΩΣ ΣΥΝΤΙΘΕΤΑΙ Η ΠΛΗΡΟΦΟΡΙΑ
Πίνακας ορισμού διαστάσεων Διάσταση Προϊόντα Γεωγραφικές Χρόνος Διάσταση 4 Διάσταση 5 ------------ Περιοχές Επίπεδο Επίπεδο 1 Γραμμή Ήπειρος Έτος Επίπεδο 2 Ομάδα Χώρα Τρίμηνο Επίπεδο 3 Προϊόν Περιφέρεια Μήνας Επίπεδο 4 Επίπεδο 5 Νομός Πόλη
Πολυδιάστατη ανάλυση - Δομές Δημιουργία πολυδιάστατης δομής (δένδρων)
Δυνατότητες διαχείρισης διαστάσεων Drill up: Επιτρέπει στο χρήστη να συγκεντρώσει δεδομένα που βρίσκονται σε μεγάλο μγ βαθμό λεπτομέρειας μρ σε μια μορφή η οποία θα είναι πιο γενική. Δίνει δηλαδή τη δυνατότητα στο χρήστη να μεταφερθεί σε υψηλότερο αθροιστικό επίπεδο. Η συγκεκριμένη λειτουργία ονομάζεται και συνάθροιση (aggregation). Drill down: Είναι η αντίστροφη λειτουργία του drill up κατά την οποία ο χρήστης μεταβαίνει από πιο γενικά δεδομένα σε πιο λεπτομερή. Pivot: Είναι η εναλλαγή των ακμών ενός κύβου με αποτέλεσμα την αλλαγή του τρόπου παρουσίασης των δεδομένων, δημιουργώντας διαφορετικές οπτικές σκοπιές επί των δεδομένων. Η συγκεκριμένη λειτουργία ονομάζεται και rotate. Slice: Αυτή η λειτουργία στηρίζεται στην επιλογή μιας διάστασης με αποτέλεσμα ο χρήστης να εστιάζει σε ένα τμήμα του κύβου. Με αυτόν τοντρόπο, δημιουργείται ένας υπο-κύβος (sub cube) του αρχικού. Dice: Η λειτουργία αυτή είναι παρόμοια με τη slice. Και σε αυτήν την περίπτωση δημιουργείται ένας υπο-κύβος εστιάζοντας σε δύο ή περισσότερες διαστάσεις.
Πολυδιάστατη ανάλυση Ανάλυση Σύνθεση της Πληροφορίας «DRILL DOWN DRILL UP» ΣΧΗΜΑΤΙΚΗ ΜΟΡΦΗ ΑΝΑΠΤΥΞΗ ΣΕ ΠΙΝΑΚΑ 59% N. EΛΛΑΔΑ 14% Δ. EΛΛΑΔΑ 8% ΝΗΣΙΑ ΕΛΛΑΔΑ ΑΤΤΙΚΗ 56% 16% Δ. ΣΤΕΡΕΑ 19% Β. ΕΛΛΑΔΑ Ν. ΕΛΛΑΔΑ 59% Β.. ΕΛΛΑΔΑ 19% Δ. ΕΛΛΑΔΑ 14% ΝΗΣΙΑ 8% Ν. ΕΛΛΑΔΑ 59% ΥΠΟΛΟΙΠΟ 21% 7% Κ. ΣΤΕΡΕΑ ΑΘΗΝΑ 54% 16% Α. ΑΤΤΙΚΗ 12% Δ. ΑΤΤΙΚΗ 18% ΠΕΙΡΑΙΑΣ Δ. ΜΑΚΕΔΟΝΙΑ 61% ΑΤΤΙΚΗ 56% Δ. ΣΤΕΡΕΑ 16% ΚΕΝ. ΣΤΕΡ. 7% ΥΠΟΛ. 21% ΑΤΤΙΚΗ 56% ΑΘΗΝΑ 56% ΠΕΙΡΑΙΑΣ 16% Α. ΑΤΤΙΚΗ 7% Δ. ΑΤΤΙΚΗ 21%