1 / 28

LSA

p(x) = 0.02. Warehouse. Data Mining Models. Prepared Data. Consolidated Data. Knowledge. Data Sources. LSA. Interpretation and Evaluation. Data Mining & OLAP Cubes. Selection and Preprocessing. Data Consolidation. 4 lezioni OLAP 4 lezioni DM. 3 lezioni. 2 lezioni. 5 lezioni.

semah
Download Presentation

LSA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Lab. Sistemi Informativi Economico-Aziendali p(x) = 0.02 Warehouse Data Mining Models Prepared Data Consolidated Data Knowledge Data Sources LSA Interpretation and Evaluation Data Mining & OLAP Cubes Selection and Preprocessing Data Consolidation 4 lezioni OLAP 4 lezioni DM 3 lezioni 2 lezioni 5 lezioni

  2. Analisi OLAP(On-Line Analytical Processing) LSA - Laboratorio di Sistemi Informativi Economico-Aziendali Salvatore Ruggieri Dipartimento di Informatica, Università di Pisa

  3. Lab. Sistemi Informativi Economico-Aziendali Sorgente: OLAP Report

  4. Lab. Sistemi Informativi Economico-Aziendali Datawarehouse, data marts, cubi OLAP Cubes Data mart: vista del dw di interesse ad un singolo processo di business • Data mart ordini, clienti, contabilità, risorse umane, finanza • Organiz. : datamart come collezione di tabelle fatti e dimensioni OLAP Cube: struttura di memorizzazione/visualizzazione dei fatti come celle di un ipercubo con un asse per ciascuna dimensione • Data mart ordini: cubi su acquisti, vendite e magazzino Data warehouse OLAP Cubes

  5. Lab. Sistemi Informativi Economico-Aziendali Schema di un data mart: elementi • Un fatto è un evento di interesse (vendite, spedizioni, acquisti) • Specificato da attributi dimensioni e misure • Una dimensione determina il contesto in cui è avvenuto il fatto • fatto vendita: prodotto, negozio, cliente, tempo • La dimensione può essere organizzata in una gerarchia di livelli • dimensione tempo: gerarchia giorno esatto, mese, anno • Ogni possibile contesto è detto membro della dimensione • membri dim. tempo: 20 Feb. 2004, Febbraio 2004, 2004, ecc. • Dimensioni comuni a più cubi/data mart sono dette condivise o conformate • Una misura descrive quantitativamente il fatto • fatto vendita: numero unità vendute, prezzo unitario, sconto • Tabella dei fatti: collezione di fatti, uno per ogni riga della tabella, con colonne per le dimensioni e per le misure dei fatti • Tabella di una dimensione: collezione dei membri della dimensione e delle loro relazioni gerarchiche

  6. Lab. Sistemi Informativi Economico-Aziendali Product Date ProductNo ProdName ProdDesc Category QOH Sales Fact Table Date Month Year Date Product Store Cust Store CustId CustName CustCity CustCountry Customer StoreID City State Country Region unit_sales dollar_sales Yen_sales Measurements Star Schema Chiavi Esterne

  7. Lab. Sistemi Informativi Economico-Aziendali Product ProductNo ProdName ProdDesc Category QOH Sales Fact Table Date Product Cust Store Store CustId CustName CustCity CustCountry StoreID City City Customer City State unit_sales State dollar_sales State Country Yen_sales Country Country Region Snowflake schema Year Month Year Date Month Year Date Month Measurements

  8. Lab. Sistemi Informativi Economico-Aziendali Palermo Napoli Firenze Torino Milano Roma Gerarchie e aggregati di misure All All 80001333 Zona Nord Centro Sud 28001400360018001600800 Città 2000 800 600 3000 1200 400 Misura: numero di abitanti Aggregato: SUM Aggregato: AVG

  9. Lab. Sistemi Informativi Economico-Aziendali Milano Torino Firenze Roma Napoli Palermo Gerarchie: bilanciate All All Zona Nord Centro Sud Città

  10. Lab. Sistemi Informativi Economico-Aziendali Tizio Caio Sempronio Gerarchie: non bilanciate All All Dirigenti Rossi Bianchi Neri Impiegati

  11. Lab. Sistemi Informativi Economico-Aziendali New York Los Ang. Paris Rome San Marino Gerarchie: ragged All All Moneta Dollari Euro Città

  12. Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: editor di cubi

  13. Lab. Sistemi Informativi Economico-Aziendali Modello di memorizzazione ROLAP (Relational OLAP): • utilizza le funzionalità di un’engine relazionale • estesi in modo da permettere la materializzazione degli aggregati • performance • scalabilità MOLAP (Multidimensional OLAP): • array multidimensionale su disco/memoria • efficiente su dati di dimensioni ridotte • problemi di performance su dati sparsi HOLAP (Hybrid OLAP): • trade-off tra le due soluzioni precedenti • fatti su tabella relazionale • aggregazioni su array multidimensionale

  14. Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: elab. di cubi

  15. Lab. Sistemi Informativi Economico-Aziendali All, All, All Navigazione All Products January 96, Pisa. Product Store Milk Bread Orange … ... sum All Lazio Roma Toscana Pisa Jan 96 Firenze sum Feb 96 Time … ... sum Ogni dimensione contiene una gerarchia di valori una cella del cubo contiene valori aggregati (count, sum, max, etc.)

  16. Lab. Sistemi Informativi Economico-Aziendali Navigazione di un cubo Il manager finanziario esamina la vendita dei prodotti in tutti i mercati relativamente al periodo corrente e quello precedente Il manager regionale esamina la vendita dei prodotti in tutti i periodi relativamente ai propri mercati magazzino tempo prodotto Il manager strategico si concentra su una categoria di prodotti, un’area regionale e un orizzonte temporale medio Il manager di prodotto esamina la vendita di un prodotto in tutti i periodo e in tutti i mercati

  17. Lab. Sistemi Informativi Economico-Aziendali Roll-up All All All All All Roll-up Drill-Down Time Product All Roll-up Drill-Down Time Product Store Drill-Down Time Roll-up e drill-down

  18. Lab. Sistemi Informativi Economico-Aziendali Product Store Slice Month Product Store Month Slice and Dice

  19. Lab. Sistemi Informativi Economico-Aziendali Vendite Acquisti Prodotti Fornitori Clienti Tempo Store Altre operazioni • Drill through: visualizza tutti i fatti relativi ad una cella del cubo • Pivot: rotazione degli assi del cubo • Drill across: collegamento ad altro cubo via dimensioni condivise

  20. Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: browsing

  21. Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: misure calcolate

  22. Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: misure calcolate Sintassi: EXP ::= Numeric | ( Member, Numeric ) Numeric ::= Measure | funzione_numeric(Parametri) | Numeric + Numeric | Numeric - Numeric | Numeric / Numeric | Numeric * Numeric Member ::= funzione_member(Parametri) Semantica: ( Member, Numeric ) l’espressione Numeric è valutata sul membro Member ([Product].CurrentMember.Parent,[Measures].[Quantity]) è la misura Quantity valutata sul padre del membro corrente rispetto alla dimensione Product (ParallelPeriod([Time].[Year], 1), [Measures].[Quantity] ) è la misura Quantity valutata nello stesso periodo dell’anno precedente

  23. Lab. Sistemi Informativi Economico-Aziendali Accesso ai dati multidimensionali • API • Microsoft OLE DB for OLAP, ADO.MD, ADO MD.NET • Linquaggio MDX (MultiDimensional Expressions) • JOLAP • Java OLAP Interface, JSR-69 • Formato di interscambio • XML for Analysis www.xmla.org • Client di visualizzazione • Excel • Explorer • Data Analyser • DBMiner • …

  24. Lab. Sistemi Informativi Economico-Aziendali Excel

  25. Lab. Sistemi Informativi Economico-Aziendali Data Analyser

  26. Lab. Sistemi Informativi Economico-Aziendali DBMiner 2.0

  27. Lab. Sistemi Informativi Economico-Aziendali Cubi e SQL: GROUP BY WITH CUBE -- fatti selezionati dalla clausola WHERE -- e aggregati dalla clausola GROUP BY -- su tutte le possibili (2^3) combinazioni di prodotto, dimensione e tempo SELECT F.product_id, F.customer_id, F.time_id, SUM(F.store_sales*F.unit_sales) FROM dbo.sales_fact_1997 AS F WHERE F.customer_id < 20 AND F.product_id < 200 GROUP BY F.product_id, F.customer_id, F.time_id WITH CUBE

  28. Lab. Sistemi Informativi Economico-Aziendali Cubi e SQL: GROUP BY WITH ROLLUP -- fatti selezionati dalla clausola WHERE -- e aggregati dalla clausola GROUP BY -- su prodotto, dimensione e tempo -- su prodotto e dimensione -- su prodotto -- su tutti I dati SELECT F.product_id, F.customer_id, F.time_id, SUM(F.store_sales*F.unit_sales) FROM dbo.sales_fact_1997 AS F WHERE F.customer_id < 20 AND F.product_id < 200 GROUP BY F.product_id, F.customer_id, F.time_id WITH ROLLUP

More Related