2014-02-02
428
Хранилища данных (ХД): назначения и принципы построения. Много-мерное представление данных ХД. Особенности хранения маркетинговой информации в ХД.
OLAP-технологии часто реализуются с помощью хранилищ данных, яв-ляющихся дальнейшим развитием реляционных баз данных. Хранилище дан-ных (ХД) – это предметно-ориентированный, неизменяемый и поддержи-вающий хронологию набор данных, в отличие от баз данных, которые пред-назначены для обслуживания повседневной деятельности предприятия, ХД ориентированы на многолетний оперативный многомерный анализ данных, результаты которого могут быть использованы для принятия решений.
Моделью данных в ХД служат гиперкубы, т.е. многомерные базы дан-ных, в ячейках которых находятся анализируемые данные. По осям многомер-ного куба указываются измерители объекта с различных точек зрения. Пример гиперкуба (три измерения) представлен на рис. 4.10.1.
Аналитические измерения (рис. 4.10.2.) – это набор учетных признаков, которые могут быть присвоены каждой хозяйственной операции. Аналитиче-ские отчеты это данные объектов учета и управления, сгруппированные по нескольким измерениям. Например, для параметра “время” это последова-тельность месяцев, для параметра “регион” – список городов. Большинство измерений можно представить иерархической структурой. Например, измере-ние “исполнитель” может иметь следующие иерархические уровни: предпри-ятие – подразделение – служащий.
|
|
|
На пересечении осей измерений находятся данные, количественно ха-рактеризующие события, факты, процессы (объемы продаж, остатки товаров на складах, прибыль, затраты и т.д.).
Оси измерений позволяют создавать многомерную модель данных (ги-перкуб), над которым можно выполнять следующие операции:
- срез;
- вращение;
- консолидация или детализация.
Операция среза (рис. 4.10.3.) позволяет выделить из многомерного куба те данные, которые соответствуют зафиксированному (указанному) значению одного или нескольких элементов измерений. Из одного куба можно создать множество срезов. Пример операции среза представлен на рис.4.10.3., который иллюстрирует хранилище данных, предназначенное для подготовки аналити-ческой информации по продажам. Объем продаж характеризуется тремя изме-рениями: регион, время, товарная группа.
Регион
 | |||
 |
Товар
Объем продаж
Москва
Тверь
Тула Товар
ТГ5
ТГ4
ТГ3
Время
ТГ2
ТГ1
Регион
2004 2005 2006 2007 2008 2009
Время
а) б)
Рис. 4.10.1.Хранилище данных в виде куба
Объем продаж
ТГ5 ТГ4 ТГ3 ТГ2 ТГ1
20062007 2008 2009
Тула ТГ1ТГ2 ТГ3 ТГ4ТГ5
Москва
|
|
|
Рис. 4.10.2. Аналитические измерения
Объем продаж по ТГ1
ТГ1
Тула 200520062007 2008
Москв 2005 2006 2007 2008
Рис. 5.25. Некоторые срезы информационного куба, позволяющие
Рис. 4.10.3. Формирование решений по срезам информационного куба
Операции консолидации и детализации предназначены либо для обобщения
данных, либо для их детализации. Осуществить эти операции можно благодаря ие-
рархии, установленной среди измерителей. Эти операции иллюстрируются на
рис.4.10.4.
Товар
Товар
Время
Время
Регион
Регион
а) консолидация
Товар Товар
Время Время
Регион Регион
б) детализация
Рис. 5.27. Операции консолидации и детализации
Рис.4.10.4. Операции консолидации и детализации
Хранилище данных относится к одному из перспективных направлений раз-
вития систем формирования решений. Как правило, современные ERP-системы ос-
нащены средствами их создания. Например, система MS Navision полностью под-
держивает идею хранилищ данных, что позволяет получить аналитическую ин-
формацию для принятия решений. На рис. 4.10.5. приведена общая схема храни-
лища данных
Рис. 4.10.5. Структурная схема хранилища данных
23
Знания также как и данные являются информационным ресурсом и хра-
нятся в компьютере в соответствии с разработанной моделью. В результате
получают базу знаний. Работа с базами знаний – это одно из направлений ис-
кусственного интеллекта, целью которого является разработка инструмен-
тальных средств, позволяющих решать задачи, традиционно считающиеся ин-
теллектуальными.
Существуют различные модели представления знаний, среди которых
наиболее популярными являются:
- продукционные модели (деревья вывода);
- семантические сети (ассоциативные сети),
- деревья целей;
- нечеткие множества.
Так как любая модель, и в том числе модель представления знаний,
формальна, поэтому могут создаваться программные средства для их обработ-
ки. Знания, как и прочие формы представления информации, устаревают или
становятся ненужными, поэтому должна быть система управления ими. Сис-
тема управления знаниями (СУЗ) это совокупность программных средств,
обеспечивающих поиск, ввод, обработку, использование и корректировку зна-
ний.
