华远智德(北京)科技有限公司 Jupiter Consulting (Beijing) Ltd.
  
技术讲堂


您的位置: 首页 技术讲堂

前言

如果没有对海量数据进行科学分析的能力,沃尔玛的老板再精明,也绝对想不到“啤酒与尿布”这两个看似风马牛不相及的商品之间还存在着一种必然的联系。根据数据分析的结果,而将它们放在相临货架上销售,竟然创造了一种销售奇迹,可见数据分析威力的巨大作用。
查看详情

第一讲 如何在N维空间中思考数据分析

理解超立方体,或者说一个大于三维的立方体,是理解多维数据分析的基础,多维数据分析的超立方体与电子表格中的工作表和数据库中的表相对应。多维数据分析所有的浏览、报表、分析都是在超立方体上进行的。 

查看详情

第二讲 多维思考

 
   如果你现在正在为跟踪不同产品在不同商店中每月的销售情况而头疼,说明你遇到了多维数据分析的问题。在这个例子中,我们应该用什么可视化象征物来表示涉及到的数据呢?又如何在一个数据分析系统中组织这些数据呢?如果依然用立方体来作为四维或者更高维可视化的象征物的话,整个可视化过程就会显得杂乱无章。
查看详情

第三讲 多维类型结构

今天我们将介绍一种新的表示数据、数据生成事件的象征物,最终OLAP的元数据将不再基于带有角度关系的维度,从而能够表示任意数量的事件维度。我们把这种象征物称为多维类型结构(MTS)。 

查看详情

第四讲 多维显示

我们已经指出了为什么物理立方体不能很好地起到可视化象征物的作用,同时介绍了表示多维数据集的逻辑结构的可视化原则,但是最终我们还是要在某个系统中看到这些数据。这样就产生了可视化多维数据的第三个需要解决的问题:如何将多个逻辑维度映射到二维空间中。一个很具体的案例就是如何将一个具有四个逻辑维度的问题,映射到行、列和页面这三个显示维上呢?方法其实就是将多个逻辑维度组织到同一个显示维度上。 

查看详情

第五讲 维度合并影响

维度合并之后发生的两个主要变化是:轴的长度和临近的点;而一个没有发生变化的主要内容是:陈述的事实。
查看详情

第六讲 分析视图

虽然使用网格显示没有绝对的对和错,但是我们还是要遵守一些经验规则以取得更好的分析效果。首先,将对维度嵌套在行或者列中相对于放在页维度中会占据更多的空间。因为整个屏幕空间是有限的,用于显示维度的空间越多,那么用于显示数据的空间就会越少。
查看详情

第一讲 OLAP信息特征

信息时代所有商业活动的基石就是信息处理,其中包括数据收集、存储、传输、操作、抽取和检索。 

查看详情

第二讲 OLAP介绍

好象单单一个OLAP术语还不够,很多商人和一些行业专家迫切想创建新的名词来描述联系分析处理这个过程。很典型的就是在OLAP之前加一个字母,以区别他们和别人之间的偏好。
查看详情

第三讲 事务处理和决策支持处理的差别(1)

购买、销售、生产、发行都是日常操作型商业活动中的典型例子。资源计划、财务预算、策略联盟和市场企划则是一些产生和使用基于分面向决策信息的商业活动的典型例子。 

查看详情

第四讲 事务处理和决策支持处理的差别(2)

不同于面向操作的和基于较低频率事件的信息活动,管理者和分析师会提出一些更高层次的分析型问题,比如
查看详情

第五讲 决策阶段

通过观察学会如何证实一个被挑战的决策是否正确,我们就可以很好地了解到制定决策究竟需要什么信息。让我们来看如下的一个例子:将北京商店的零售价格降低25%。 

查看详情

第六讲 OLAP和数据挖掘

OLAP和数据挖掘的关系问题是很多人都混淆了的,在这有必要将这个问题阐述清楚。当OLAP在1994年、1995年产生的时候,产品供应商们很自然地取得了与其他相关技术一样的成功。于是在1995年到1997年期间,人们进行了很多尝试将数据挖掘产品化,并且用和OLAP工具一样的方式进行推销。
查看详情

第七讲 OLAP的功能性需求(1)

 
   对于OLAP产品的功能性需求分成核心和非核心两类。这些核心的,根本的,必须的或者说是最低要求在逻辑层面包括对于多维、层次、维度公式的支持,以及数据结构和表现形式的分离,在物理层面主要就是对于任意查询的高速响应。任何语言或产品,如果不满足这些要求,那严格意义上来说就不是OLAP。 

查看详情

第八讲 OLAP的功能性需求(2)

前面我们已经看到了一个挑战可能影响到多个目标,同时也看到了对于OLAP的功能性需求是由挑战到目标的映射的媒介,或者是现实挑战给定目标的手段。 

查看详情

第九讲 OLAP的功能性需求(3)

速度是OLAP一个至关重要的组成部分,这并不是为了让你吃惊,而是为了跟上你思维的速度。OLAP需要支持任意的查询,其中的一些需要根据要求即时计算。例如,一个人可能会从查询上季度整体产品在北京的利润情况来开始他的分析。
查看详情

第一讲 非层次结构(1)

对于层次的强有力支持是联机分析处理(OLAP)的第二个逻辑需求,同时也是OLAP与传统的SQL数据库及电子表格的首要区别。定义层次的两种主要方法,如图3.1.1所示,通常被称为水平的层次和非水平的层次。
查看详情

第二讲 非层次结构(2)

有些读者可能已经从一些统计方面的书籍中知道了名词(nominal)、序数(ordinal)和基数(cardinal)序列之间的差别。一组政党或者赛跑者的列表是一个典型的名词序列。赛跑者在公路赛跑中的名次则是一个序数序列。而整数则是基数序列的一个例子。 

查看详情

第三讲 非层次结构(3)

粗看起来,维度似乎就是由一组实例组成,并且可能带有一定的层次结构。毕竟,你可以在很多不同的OLAP产品中定义层次,在这些OLAP产品中都没有让你定义单位或度量。因此你可能会问为什么要引入单位或度量呢?一个快速简单的答案就是每一次你使用父节点、子节点和层次的时候,其实都隐含地引用了度量。 

查看详情

第四讲 维度层次(1)

很多商业和科学的维度都具有层次结构。类似的概念还有抽象、分组、多层关系、聚合和合并。简单地说,每个人都应该熟悉某些层次维度。我们以时间为例子,其中包含小时、天、星期、月份、季度和年份,从而组成了一个层次维度。地理位置,其中包含了邻居、城市、省份和国家,组成了另外一个层次维度。企业报表结构,经常会包括任务、项目、部门、业务单元和企业级别,从而也组成了层次维度等。 

查看详情
第一页 上一页 下一页 最后一页
        首页   |  公司介绍   |  服务理念   |  经营管理   |  企业管理 【TOP】      
版权所有 © 2015 jupiterst.com