Многомерная модель

Многомерность модели означает многомерное логическое представление структуры информации, а не многомерность визуализации данных. Многомерная модель предназначена для аналитической обработки информации.

В данной модели используются такие понятия, как агрегируемость, историчность, прогнозируемость данных.

Агрегируемость данных означает возможность их рассмотрения с различным уровнем обобщения.

Историчность обеспечивает высокий уровень статичности (неизменяемости) данных и их взаимосвязей, а также в обязательном порядке привязку данных к временным точкам. Временная привязка данных необходима для получения результатов в различные периоды времени.

Прогнозируемость данных подразумевает задание функций прогнозирования и применение их к различным интервалам времени.

Приведем представление данных о продажах автомобилей дилером фирмы Опель по реляционной и многомерной моделям (см. рис. 3.1).

Марка автомобиля	Месяц	Объем продаж
Опель-Астра	Январь
Опель-Астра	Февраль
Опель-Астра	Март
Опель-Вектра	Январь
Опель-Вектра	Февраль
Опель-Омега	Февраль

а) реляционная модель

Марка автомобиля	Январь	Февраль	Март
Опель-Астра
Опель-Вектра
Опель-Омега

б) двумерная модель

Рис. 3.1. Представление данных в реляционной и многомерной моделях

Основными понятиями, с которыми оперирует пользователь в многомерной модели, являются понятия – измерение и ячейка.

Измерение – это множество однотипных данных, образующих одну из граней многомерного гиперкуба. Примерами наиболее часто используемых временных измерений являются дни, месяцы, кварталы и годы. В качестве географических измерений широко употребляются города, районы, регионы и страны.

Ячейка – это поле, значение которого однозначно определяется фиксированным набором измерений. В выше приведенной таблице б) значение ячейки объема продаж однозначно определяется комбинацией временного измерения Месяц и Марки автомобиля.

Многомерную модель, отображающую объемы продаж автомобилей менеджерами по годам, можно представить в виде трехмерного куба (см. рис. 3.2).

В многомерной модели данных используется два варианта организации данных – гиперкубическая и поликубическая.

В гиперкубической все кубы определяются одним и тем же набором измерений (максимально возможным). В некоторых случаях информация может быть избыточной, так как требуется обязательное заполнение ячеек.

В поликубической определяются несколько гиперкубов с различной размерностью и различными измерениями в качестве граней.

Для извлечения данных из базы, организованной по многомерной модели, применяется ряд специальных операций: срез, вращение, агрегация и детализация.

Срез представляет собой данные, полученные в результате фиксации одного или нескольких измерений. Например, если сделать срез в базе, организованной по трехмерной модели, по марке автомобиля Опель-Астра, то получим двухмерную таблицу продаж этой марки различными менеджерами по годам.

Операция вращение применяется в основном при двухмерном представлении данных. Суть ее заключается в изменении порядка при визуальном представлении данных (меняются местами оси X и Y). Для многомерного случая операция вращения представляет собой процедуру изменения порядка следования измерений.

Операции агрегации и детализации означают соответственно переход к более или менее детальному представлению информации из гиперкуба. В гиперкуб, представленный на рис. 2.8, могут быть добавлены измерения по иерархии снизу-вверх: Подразделение (в котором работает менеджер), Регион, Фирма, Страна. В этом случае можно получать информацию не только по объемам продаж отдельных менеджеров, но и по подразделениям, а также по регионам, фирмам, странам.

Достоинством многомерной модели является удобство и эффективность аналитической обработки больших объемов данных, связанных с временными интервалами. При организации таких же данных по реляционной модели происходит рост трудоемкости операций выборки и существенное увеличение затрат памяти компьютера на хранение данных.

Недостатком является громоздкость для простейших задач оперативной обработки информации.

Необходимо отметить, что исследования в области моделей данных продолжаются.

Дата добавления: 2014-01-05