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 第三课 维度的内部结构
        第四讲 维度层次(1)

数据分析讲堂

第三课 维度的内部结构

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。

       相反,场景维度对于很多业务模型来说都是非常常见的,典型的场景通常只包含了少量的成员,例如,实际成员、一个或多个计划成员,以及计划成员和实际成员联合后的变化成员。场景维度几乎从来不会做成层次结构。

       对于商业活动和其他的人类活动来说,层次几乎是无所不在的。如果企业的数据全部位于事务层,则很难想象如何有效地运转整个公司。无论是用手工还是计算机处理,你都需要记录不同类型产品的汇总情况。即使你管理的是一个只有少量产品的小公司,你还是需要对产品销售情况按时间进行汇总,以更大的时间跨度来查看业务情况,一了解哪些产品销售的好、哪些产品的销售情况不好,而这些都是无法从事务层的数据中直接得到的。而多维信息系统恰恰能够很好地处理这种层次信息。

       用于分析和报表的汇总数据的类别应该与你行动和决策用的数据类别相同。如果你正在制定产品定价策略以最大化销售额,那么你就需要按照产品价格或者价格变化情况来对产品销售数据进行汇总。当你的分析和决策的目标发生变化的时候,你的数据汇总也需要做相应的调整。数据汇总需要具有充分的灵活性,以能够支持不可预见的分析。

       经理和分析人员将花费许多时间考虑分组的问题:对产品的分组、对客户的分组、对帐号的分组等。即使当我们正在讨论某个特定商品的时候,例如特定尺寸、颜色和宽度的男式皮鞋,实际上我们考虑的问题还是一个严格的分组,这个例子考虑的是一组具有相同尺寸、款式、颜色和宽度的皮鞋。对于我们关心的如所有男式皮鞋的数据分组,通常意味着需要派生一些汇总的数据,例如所有男式服装的汇总和休闲鞋的销售额。从这个角度来说,OLAP形式的派生数据查询不同于一般的事务查询,因为后者得到的数据基本上和输入数据是相同的,如客户的地址,因为这些数据都是由客户所提供的。但是,分组常常是在不断发生改变的。对于基于分析的决策支持系统来说,灵活地支持有深度和广度的层次是非常重要的。

         多维软件根据层次中的位置引用事物的能力,对于管理实际的应用来说是非常有用的。层次式的引用可能比你想象的更加常见。例如,在一个企业组织中安全性和特权经常都是按照层次的方式定义的。低于某个层次的人员可能就没法查看某些数据,或者他们需要经过授权之后才可以查看某些信息。销售和其他的企业活动也是根据层次进行汇总的。资源预算的分配也常常是根据一个层次来执行的。整个部门总的管理费用也可以根据企业的层次中的人数或销售额分配下去。事实上,企业报表组织中的一个典型术语就是报表层次。

       你将在后面几讲中看到,层次存在着不同的类型。这些不同的层次对应了现实世界中自然存在的不同类型的层次,例如时间和空间通常具有水平的层次,而企业报表结构和产品列表常常被称为非水平层次。聪明的读者应该可以发现同样的差别也存在于OLAP产品中,因为这些产品需要针对现实世界建模。因此,有些产品非常适合于建立水平的层次,而有些产品则擅长建立非水平的层次。而且,这两种层次类型很难彼此代替。也就是说,如果使用一个支持非水平层次的工具建立一个水平层次将会显得非常难以使用,同样使用一个支持水平层次的工具建立一个非水平层次也会显得比较拙笨。因此,当你使用层次针对具体的问题建立模型的时候,你需要注意你所选择的OLAP工具是否支持你希望定义的层次结构。

        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