利用OLAP进行数据预测的示例

利用OLAP进行数据预测的例子 —基于foodmart ：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 所能带来的益处。利用 OLAP 机型数据预测，可以帮助决策者从多个视角观察 数据，帮助公司管理特定领域的目标销售、项目进展，以及分析发展态势。多维 数据预测工具就是帮助进行多角度的数据预测。 FoodMart 是一家大型的连锁店，在中国、墨西哥跟有销售业务。 现在假设我是FoodMart Corporation 的管理员。市场部想要按产品跟 顾客分析 1998 年进行的所有销售业务数据。使用内存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时获得 快速的响应。 在进行预测之前，现公布分析需求。这样就有针对性和目的性了。因为 foodmart 是一个大型，里面有20 多张表的数据，根据预测需求olap分析案例， 只应该找到跟我的意愿相关的表跟字段，这样就可以做到高效、省时、准确。 下面是我制定的剖析需求，它从主题、数值、角度、粒度等几个方面进行 需求分析，为下面的工作做好准备。

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、成本跟预算数据 分析的视角（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 经过跟源数据的连接，准备好数据后。开始进行构建多维数据集。 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。以多维形式确立数据建模可简化联机业务分析olap分析案例，提高查询性能。通过创 建数据多维数据集，Analysis Manager 可将传输在关系中的数据转化 为带有实际意义以及便于查询的业务信息，用于进行业务分析。 向多维数据集添加度量值度量值是应进行预测的中的量化值。常用的度量值为销售、成本 和预算数据。度量值按照多维数据集不同的维度类别进行探讨。 建立各维度主要包含时间维度、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更常见的方法是星型架构。星型架构由一个事实 数据表跟链接到该事实数据表的多个维度表构成。但在上面的维度里面，产 品维度使用的是雪花架构，在“选择维度表”步骤中，将 product product_class添加至“选定的表”，由它们构成了雪花型。

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见几个维度之间的关系。 设计存储和处理多维数据集是创建多维数据集后有一项重要的方法。可以 设计多维数据集中的数据和聚合的储存选项。在使用或浏览多维数据集中的数据 之前，必须先进行处理。可以从三种存储方式中选取：多维 OLAP (MOLAP)、 关系 OLAP (ROLAP) 或混合 OLAP (HOLAP)。 Microsoft Analysis Services 允许修改聚合。聚合为预先计算好的汇总数据，利用这种数据可以极 大地提升查询的强度跟响应时间。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 多维数据集的结构以后，需要选用要使用的储存 模式并选定要储存的预先计算好的值的数目。完成此项操作期间，需要用数据填 充多维数据集。本例中选取使用 MOLAP 作为存储方式，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 源中装载数据并根据聚合设计中的定义推导汇总值。

最后就是浏览多维数据集中的数据，根据需要进行相应的剖析。使用多维 数据集浏览器，可以用不同的方法查看数据：可以筛选出可见的维度数据量，可 以加强以发现数据的细节，还可以浅化以发现较为概括的数据。 在本例中，Sales 多维数据集已经过处理，数据能拿来进行预测。下面将 使用多维数据集浏览器对Sales 数据进行切片和切碎分析操作。 用浏览数据命令开启 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构成的网格。其它四个维度在浏览器上方。我 们假设按时间筛选数据，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，是筛选出的数据为仅体现该季 度状况的数字。 如果应对数据最近一步深化查看，可以使用拖放的方式，将一个维单击并 拖至另一个维度上，比如单击Product，并将其拖至Country 维度上，然后双 击格网中单元，多维数据集展开已包含子类型列。利用上述方式让维度在网格上 来回移动。这有助于使用 Analysis Manager 将有关复杂数据关系的信息迅速 高效的受到。 按产品跟客户探讨1998 年进行的所有销售业务数据预测浏览图

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-135703-1.html