다차원 데이터 구조에서 사실 테이블과 차원 테이블은 직접 또는 간접 관계를 통해 연결됩니다. 테이블에 기록된 선택의 경우 다른 관련 테이블에서 관련 데이터 레코드를 찾아 선택한 데이터 및 관련 데이터를 통계적으로 분석하여 해당 데이터의 분포, 추세 등의 분석 결과를 얻을 수 있습니다. 다차원 분석을 위한 차원을 설정한 후 차원 간의 계층 관계에 따라 다양한 조합 각도에서 데이터를 분석하여 실시간 다차원 분석을 형성할 수 있습니다.
데이터 웨어하우스의 개발 내용은 일반적으로 데이터 웨어하우스의 설계와 다차원 분석의 구현이라는 두 부분으로 나눌 수 있습니다. 데이터 웨어하우스 설계에는 스타 스키마 구축, 데이터 추출 패턴 결정, 데이터 변환 및 정제 구현, 다차원 데이터 저장 등이 포함됩니다. 다차원 분석 구현에는 다차원 분석 차원 선택, 측정값 값 정의, 차원 변환 방법, 드릴 경로 정의, 드릴 데이터 표시 방법 결정 등이 포함됩니다.
이 시스템의 개발 과정에서 프로토타입 시스템의 수요 불확실성과 데이터 무결성의 제약으로 인해 다차원 데이터를 더 잘 표시할 수 있는 좋은 구조를 설계하는 방법 및 다차원 데이터를 어떤 형태로 표시할 것인가가 중요한 문제입니다. 시스템 내 데이터 웨어하우스의 아키텍처 패턴과 다차원 데이터 구조의 정의에 대해 설명하고 시스템 원본 데이터 소스의 복잡성, 데이터 무결성 및 데이터 유효성 문제 및 솔루션에 대해 설명합니다. 다차원 분석 설계에는 차원 간 연결, 사실 데이터의 내용과 형식, 데이터 드릴 등이 포함됩니다.
5.3.2. 1 차원 테이블 종속성 분석
데이터 소스 테이블 구조에는 사실 테이블과 여러 차원 테이블이 포함됩니다. 이러한 차원 테이블의 경우 석유, 거래 시장, 거래 유형, 가격 단위, 가격 날짜 차원 등의 다차원 분석을 위해 차원을 디자인할 수 있습니다. 차원 데이터와 중간 사실 테이블 사이에는 직접적인 연관이 있으며, 차원 데이터 사이에는 중간 사실 테이블을 통해 간결한 연관이 있습니다. 따라서 기존 사실 데이터를 기반으로 차원 간의 관계를 시각화할 수 있습니다.
그림 5.29 는 네 개의 차원에 대한 콘텐츠 데이터를 보여 주며 사실 테이블을 통해 연결된 각 차원의 필드 값을 나열합니다. 원유를 선택하면 다른 3 차원 필드 값의 배경이 변경됩니다. 화이트데이는 사실 표에 원유와 관련된 거래시장인 쿠신, OK, 유럽 브렌트가 있어 사실 테이블에는 이 두 시장의 원유 가격 데이터가 있고 다른 시장에는 가격 데이터가 없다고 밝혔다.
그림 5.29 다차원 분석 차원 목록
기본적으로 차원 목록에는 가능한 모든 차원 값이 표시됩니다. 제품 이름의 원유 가치와 같은 차원을 선택하면 유가 데이터를 통해 해당 차원에서 선택한 값과 연관된 차원 값이 다른 차원에서 강조 표시됩니다. 차원 간 상관 관계 표시를 통해 소스 데이터에서 숨겨진 일부 분포 패턴을 분석할 수 있습니다. 이 예에서 우리는 시스템에 쿠신, OK, 유럽 브렌트 시장의 원유 현물가격 FOB 가격이 있고, 가격시간은 1986 ~ 2008 년, 유가의 단위명은 배럴당 달러로만 존재한다는 것을 알 수 있다. 다차원 분석의 차원 종속성 분석을 통해 한 번의 분석을 기준으로 선택한 값의 범위를 계속 좁힐 수도 있습니다.
5.3.2.2 차원 테이블과 사실 테이블의 상관 관계 분석 및 표시
라이브 다차원 분석에서 차원 테이블 간의 관계형 분석 외에도 차원 테이블과 사실 테이블을 연결하여 분석할 수 있습니다. 이 분석에서는 인터페이스 왼쪽에 차원 테이블 간의 연결을 표시하는 것 외에도 인터페이스 본문 섹션에 사실 테이블 데이터와 사실 테이블 데이터를 기반으로 하는 일부 통계 분석을 표시할 수 있습니다. 그림 5.30 은 세계 유가의 다양한 거래 유형에 대한 비교 분석을 보여 주며, 현물거래, 선물거래 등 다양한 석유 품종의 가격 비교를 반영해 왼쪽 차원 선택의 변화에 따라 실시간으로 변할 수 있다.
그림 5.30 거래 가격 비교 분석
사실 테이블 표시의 경우 기본 차원 순서로 통계 분석을 수행하는 것 외에도 인터페이스에서 차원 위치를 드래그하여 차원 간 순서를 직접 변환하여 다차원 분석의 회전 기능을 수행할 수 있습니다. 여기서는 자세히 설명하지 않습니다.
5.3.2.3 사실 테이블 데이터 드릴링
다차원 분석의 또 다른 중요한 내용은 데이터 드릴입니다. 실시간 다차원 분석에서는 데이터 드릴 기능이 더욱 풍부해질 수 있습니다. 분석을 용이하게 하기 위해 드릴 경로를 미리 정의했습니다.
시장 → 가격 유형 → 가격 연도 → 제품명.
이렇게 하면 이 경로를 따라 유가를 시추하고 분석할 수 있다. 처음으로 역사적 유가를 시장명으로 기본 계산하였다. 시장을 선택한 후 2 층으로 드릴다운하여 가격 연도에 따라 계산한 역사적 유가를 얻다. 여기서 드릴 분석은 차원 연결 분석과 결합하여 데이터 드릴링을 보다 유연하게 수행할 수 있습니다 (그림 5.3 1, 그림 5.32).
그림 5.3 1 데이터 드릴링 분석 1
그림 5.32 데이터 드릴링 분석 ii
5.3.2.4 가격 추세 분석.
가격 추세 분석은 가격 예측을 보완할 수 있습니다. 그 기능은 과거 시간 동안 각기 다른 유품, 거래 유형, 가격 단위에 대한 정보를 표시하여 유품의 미래 추세와 추세를 시각적으로 표현하는 것이다. 이 모듈은 별도의 모델 프로그램 모듈에 의해 완료되었습니다 (그림 5.33).
그림 5.33 다차원 가격 추세 분석
데이터 웨어하우스 표시에서 라이브 다차원 분석에서 차원 테이블 간의 연결 및 차원 테이블과 사실 테이블 간의 연결을 통해 다차원 분석 기능을 더 잘 확장할 수 있습니다. 다차원 분석의 요구 사항 결정은 프로토타입 방법을 고려하고, 데이터 웨어하우스의 실시간 다차원 표현을 통해 데이터의 의미와 데이터 간의 상관 관계를 발견하고, 분석이 필요한 차원, 측정값, 표시 방법 등을 파악하는 데 도움이 되며, 데이터 소스 테이블 구조의 설계에 악영향을 미칠 수 있습니다.