ΑΠΟΘΗΚΕΣ ΔΕΔΟΜΕΝΩΝ (Data Warehouses)

Παρουσίαση με θέμα: "ΑΠΟΘΗΚΕΣ ΔΕΔΟΜΕΝΩΝ (Data Warehouses)"— Μεταγράφημα παρουσίασης:

1 http://delab.csd.auth.gr/~symeon ΑΠΟΘΗΚΕΣ ΔΕΔΟΜΕΝΩΝ (Data Warehouses)
δφσδφ ΑΠΟΘΗΚΕΣ ΔΕΔΟΜΕΝΩΝ (Data Warehouses) 4/6/2017 Δρ. Παναγιώτης Συμεωνίδης Εργ. Τεχνολογίας και Επεξεργασίας Δεδομένων Τμήμα Πληροφορικής Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Αριστοτέλειο Πανεπιστήμιο Θεσ/νικης Ανάκτηση Πληροφοριών και Εξόρυξη Δεδομένων για Εξατομίκευση Υπηρεσιών Παγκόσμιου Ιστού

2 On-Line Transaction Processing (OLTP) (1/3)
Ένα πλήρες σύστημα που περιέχει εργαλεία για προγραμματισμό εφαρμογών, εκτέλεση και διαχείριση των δοσοληψιών Μια τέτοια εφαρμογή πρέπει να δουλεύει συνεχώς, να αντεπεξέρχεται αποτυχιών, εξελίσσεται συνεχώς, είναι συνήθως κατανεμημένη και περιλαμβάνει: Σχεσιακή Βάση Δεδομένων Δίκτυο Προγράμματα εφαρμογής Εξαιρετικά κρίσιμη για τη λειτουργία κάθε οργανισμού

3 On-Line Transaction Processing (OLTP) (2/3)
Κράτησε για τον κ. Χ την θέση 13Α για Αθήνα! 1 Κράτησε για τον κ. Y την θέση 1C για Κέρκυρα! ... DB Πόσοι ταξιδεύουν για Θεσσαλονίκη ? 100

4 On-Line Transaction Processing (OLTP) (3/3)
Δάνεια Ταμείο DB Πιστωτικές κάρτες ΑΤΜ

5 OLTP – Βασικά Χαρακτηριστικά
Ελάχιστος χρόνος διαθέσιμος για την εκτέλεση μιας δοσοληψίας. Περιορισμένος αριθμός προσβάσεων στο δίσκο. Περιορισμένος αριθμός υπολογισμών. Κάτω όριο λειτουργικών απαιτήσεων: τουλάχιστον 100 TPS σε μια ΒΔ της τάξης του 1 GB Άνω όριο λειτουργικών απαιτήσεων: μέχρι TPS σε μια ΒΔ μεγαλύτερη του 1 ΤB.

6 Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP
δφσδφ Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP 4/6/2017 Αρκετά δεδομένα μπορεί να είναι ελλιπή (missing data) ΠΡΟΤΕΙΝΟΜΕΝΕΣ ΛΥΣΕΙΣ Απόρριψη εγγραφών των οποίων κάποιες τιμές λείπουν Αντικατάσταση των τιμών που λείπουν με την μέση τιμή της κατηγορίας Αντικατάσταση των απουσών τιμών χαρακτηριστικών με τις αντίστοιχες τιμές παρόμοιων χαρακτηριστικών Ανάκτηση Πληροφοριών και Εξόρυξη Δεδομένων για Εξατομίκευση Υπηρεσιών Παγκόσμιου Ιστού

7 Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP
δφσδφ Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP 4/6/2017 Αρκετά δεδομένα μπορεί να έχουν θόρυβο και ασυνέπειες (Noisy and inconsistent data) Εντοπισμός διπλότυπων εγγραφών π.χ. Συμεωνίδης & Συμαιωνίδης Εντοπισμός λανθασμένων τιμών χαρακτηριστικών π.χ. Μηδενική τιμή σε ένα χαρακτηριστικό που αφορά το βάρος προϊόντος Εξομάλυνση δεδομένων π.χ. περιορισμός του αριθμού των τιμών ενός αριθμητικού χαρακτηριστικού Ανάκτηση Πληροφοριών και Εξόρυξη Δεδομένων για Εξατομίκευση Υπηρεσιών Παγκόσμιου Ιστού

8 Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP
δφσδφ Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP 4/6/2017 Τα δεδομένα μπορεί να είναι ετερογενή και να παρουσιάζουν συνωνυμίες ή αμφισημίες Π.χ., πελάτης καταχωρημένος με διαφορετικά στοιχεία στη βάσης του τμήματος πωλήσεων από ότι στη βάση του τμήματος μάρκετινγκ. Ανάκτηση Πληροφοριών και Εξόρυξη Δεδομένων για Εξατομίκευση Υπηρεσιών Παγκόσμιου Ιστού

9 Εννοιολογική εναρμόνιση
EMP ID Name Birth Salary Total Income DeptID 110 Kostas 1/1/72 1500 1200 132 … Source 1: Personnel (Cobol) EMP ID IL_ID Amount 110 10 1500 30 300 Source 2: Accounting (DB2) EMP INCOME IL_ID Descr 10 Μισθός 20 Επίδομα Τέκνων 30 Φόρος ... EMP ID Name Age 110 Kostas 30 120 Vasilis 48 130 Roula 29 EMP Income Lookup

10 Αποκανονικοποίηση - Denormalization
IL_ID Descr 10 Μισθός 20 Επίδομα Τέκνων 30 Φόρος ... EMP ID IL_ID Amount 110 10 1500 30 300 EMP INCOME Income Lookup EMP ID Name Age 110 Kostas 30 120 Vasilis 48 130 Roula 29 EMP DW DW.EMP ?

11 Καθαρισμός των δεδομένων – Ομογενοποίηση κλειδιών
ID Descr 100 Coca 110 Pepsi 120 Epsa ID Descr 10 Coca 20 Pepsi DW.R R1 + ID Descr 10 Pepsi 20 Epsa Source ID Source Surrogate Key 10 R1 100 20 110 R2 120 + R2 Lookup

12 Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP
Λόγω διαδικασιών ενημέρωσης, εισαγωγής, διαγραφής διατηρούν δεδομένα μόνο για την τρέχουσα κατάσταση. Π.χ., στη βάση του τμήματος προμηθειών διατηρούνται μόνο όσοι προμηθευτές συνεργάζονται αυτή τη στιγμή ενώ μπορεί να χρειασθούν δεδομένα και για προμηθευτές που συνεργαζόταν στο παρελθόν προκειμένου να συγκριθούν οι τιμές τους Η ανάλυση των δεδομένων δεν είναι εύκολο να επιτευχθεί με εργαλεία όπως η γλώσσα SQL. Προκύπτουν περίπλοκα ερωτήματα SQL τα οποία δεν είναι εύκολο να συνταχθούν.

13 Προβλήματα σχεσιακών Βάσεων Δεδομένων ενός OLTP
Σε φυσικό επίπεδο οργάνωσης (π.χ. δενδρικές μέθοδοι προσπέλασης) δεν είναι σχεδιασμένα για να ανταποκρίνονται στις απαιτήσεις περίπλοκων ερωτημάτων. Τα δεδομένα οργανώνονται με Διάγραμμα Οντοτήτων-Συσχετίσεων (ΔΟΣ) και αρχών όπως η κανονικοποίηση, που παράγουν περίπλοκες βάσεις στο νοητικό επίπεδο

14 On-Line Αnalytical Processing (OLAP & OLAM)
Ειδικού τύπου ερωτήματα συνάθροισης Οπτικοποίηση/στατιστική ανάλυση/πολυδιάστατη ανάλυση Εξόρυξη Γνώσης (Knowledge Discovery/Data Mining) Εξεύρεση προτύπων σε τεράστιες βάσεις δεδομένων OLAP + Data Mining => On-Line Analytical Mining

15 Παραδείγματα ερωτήσεων OLAP
Ποιος ήταν ο όγκος πωλήσεων ανά περιοχή και κατηγορία προϊόντος την περασμένη χρονιά; Πόσο σχετίζονται οι αυξήσεις τιμών των υπολογιστών με τα κέρδη των πωλήσεων τα 10 τελευταία χρόνια; Ποια ήταν τα δέκα πρώτα καταστήματα σε πωλήσεις CD; Τι ποσοστό από τους πελάτες που αγοράζουν αναψυκτικά αγοράζουν και πατατάκια;

16 Λειτουργικά Χαρακτηριστικά Απαιτήσεων OLAP
Πρόσβαση σε μεγάλο όγκο δεδομένων Συμμετοχή αθροιστικών και ιστορικών δεδομένων σε πολύπλοκες ερωτήσεις Μεταβολή της «οπτικής γωνίας» παρουσίασης των δεδομένων (π.χ., από πωλήσεις ανά περιοχή -> πωλήσεις ανά τμήμα κλπ.) Συμμετοχή πολύπλοκων υπολογισμών (π.χ. στατιστικές συναρτήσεις) Γρήγορη απάντηση σε οποιαδήποτε χρονική στιγμή τεθεί ένα ερώτημα ( “On-Line”).

17 OLTP vs. OLAP OLTP OLAP Λειτουργίες Αυτοματισμός Χάραξη καθημερινών στρατηγικής εργασιών Τύπος Δεδομένων Λεπτομερή Αθροιστικά Όγκος Δεδομένων ~ 100 GB ~ 1 TB Φύση Δεδομένων Δυναμικά Στατικά, Iστορικά

18 OLTP vs. OLAP OLTP OLAP I/O Τύποι Περιορισμένο I/O Εκτεταμένο I/O
Τροποποιήσεις Συνεχείς Περιοδικές Ενημερώσεις Φόρτος Δοσοληψίες με Ερωτήσεις που πρόσβαση λίγων σαρώνουν εγγραφών εκατομμύρια εγγραφών Σχεδίαση ΒΔ Κατευθυνόμενη Κατευθυνόμενη από Εφαρμογή από Περιεχόμενο

19 OLTP vs. OLAP OLTP OLAP Τυπικοί Χρήστες Χαμηλόβαθμοι Υπ. Υψηλόβαθμοι Υπ. Χρήση Μέσω Ad-hoc προκατασκευασμένων φορμών Αριθμός Χρηστών Χιλιάδες Δεκάδες Εστίαση Εισαγωγή Εξαγωγή Δεδομένων Πληροφοριών

20 Αποθήκες δεδομένων Η τεχνολογία των αποθηκών δεδομένων προσφέρει
Η τεχνολογία των αποθηκών δεδομένων προσφέρει ολοκλήρωση ετερογενών πηγών δεδομένων και πλατφόρμα για αποδοτική ανάλυση ιστορικών δεδομένων Μία αποθήκη δεδομένων αποτελεί μία συλλογή δεδομένων που επιλέγονται από τις Επιχειρησιακές Βάσεις Δεδομένων, Ολοκληρώνονται (integrated), τα δεδομένα αναλύονται με διαδικασίες όπως η On-line Analytical Processing (OLAP) ή η εξόρυξη δεδομένων.

21 Αποθήκες δεδομένων Μια κεντρικοποιημένη ΒΔ με σκοπό:
την ολοκλήρωση (integration) ετερογενών πηγών πληροφοριών (data sources) => συνάθροιση όλης της ενδιαφέρουσας πληροφορίας σε μία τοποθεσία την αποφυγή της σύγκρουσης μεταξύ OLTP και OLAP (DSS) συστημάτων => απόδοση εφαρμογών και διαθεσιμότητα του συστήματος Μπορεί να συμπληρώνεται και από εξειδικευμένα θεματικά υποσύνολα (Data Marts) για περαιτέρω απόδοση των OLAP εφαρμογών

22 Αποθήκες δεδομένων – Λειτουργικά Χαρακτηριστικά
Ιστορικά Δεδομένα Ο χρονικός ορίζοντας μια αποθήκης δεδομένων είναι πολύ μεγαλύτερος από ότι ενός συστήματος σε λειτουργία Η ΒΔ έχει τα τωρινά δεδομένα ενώ οι αποθήκες διατηρούν και παλιά δεδομένα (πχ τα προηγούμενα 5-10 χρόνια) Τροποποιήσεις Οι τροποποιήσεις στις πηγές δεδομένων δεν φαίνονται άμεσα στις αποθήκες δεδομένων, συνήθως περιοδικά Μόνο δύο βασικές λειτουργίες: αρχικό φόρτωμα των δεδομένων (loading) και προσπέλαση δεδομένων (access)

23 Επιτυχία αποθηκών δεδομένων (1/2)
Πρώτες προσπάθειες στα μέσα της δεκαετίας του 1990, οπότε οι αποθήκες δεδομένων εξελίχθηκαν σε αγορά της τάξης των 2 δις $. Στα τέλη της δεκαετίας του 1990, το 95% των 1000 επιχειρήσεων του Fortune ανέπτυσσαν αποθήκες δεδομένων, οπότε η αγορά των αποθηκών δεδομένων ανήρθε οικονομικά της τάξης των 7 δις $. Εκτιμήθηκε ότι σε 3 χρόνια από την ανάπτυξη μίας αποθήκης δεδομένων, η απόσβεση γίνεται σε ποσοστό 400%.

24 Επιτυχία αποθηκών δεδομένων (2/2)
Επιτυχημένη περίπτωση εφαρμογής: αλυσίδα υπεραγορών Walmart, με 2000 υποκαταστήματα. βοήθησε την Walmart να βελτιστοποιήσει τις διαδικασίες προμήθειας προϊόντων και να μειώσει το κόστος αγοράς τους κατά 20%. ο όγκος των δεδομένων στην αποθήκη δεδομένων της Walmart ανέρχεται στα 24 ΤΒ, σε ένα σύστημα 96 κόμβων με 900 επεξεργαστές και 2700 δίσκους.

25 Αποθήκες δεδομένων – Βασικές Λειτουργίες

26 Αρχιτεκτονική αποθηκών δεδομένων

27 Μετασχηματισμός Δεδομένων
Κανονικοποίηση Δεδομένων Μετατροπή τύπων δεδομένων Επιλογή χαρακτηριστικών και στιγμιοτύπων

28 Κανονικοποίηση Δεδομένων
Δεκαδική κλιμάκωση Κανονικοποίηση Ελαχίστου-Μεγίστου Κανονικοποίηση με χρήση τιμών Z-scores

29 Μοντέλο Πολυδιάστατων Δεδομένων (Κύβος) και Λειτουργίες που εκτελούνται σε αυτό

30 Ορισμός κύβου δεδομένων
Μια αποθήκη δεδομένων βασίζεται σε ένα πολυδιάστατο μοντέλο δεδομένων (multidimensional data model) που αναπαριστά τα δεδομένα με τη μορφή ενός κύβου δεδομένων (data cube) Ένας κύβος δεδομένων (data cube) επιτρέπει την μοντελοποίηση και την θεώρηση των δεδομένων από πολλές οπτικές γωνίες – Διαστάσεις (dimensions) Για συγκεκριμένες τιμές στις διαστάσεις μια Μέτρηση (Measure) αφορά αυτό που μας ενδιαφέρει να μετρήσουμε Κύβος ΠΩΛΗΣΕΙΣ Location Item Time Διαστάσεις Μέτρηση: Αριθμός Πωλήσεων για τις συγκεκριμένες διαστάσεις (Location, Item, Time)

31 Ιεραρχίες Διαστάσεων Κάθε διάσταση παίρνει τιμές από διαφορετικά επίπεδα, μπορεί να εκφραστεί σε διαφορετικά επίπεδα λεπτομέρειας Κύβος ΠΩΛΗΣΕΙΣ Location Διαστάσεις: Product, Region, Date Ιεραρχίες διαστάσεων: Industry Country Year Category Region Item Quarter Product City Month Week Time Μέτρηση: Αριθμός Πωλήσεων για τις συγκεκριμένες διαστάσεις (Location, Item, Time) Store Day

32 Παράδειγμα: Εννοιολογική ιεραρχία (Concept Hierarchy) για Location
all all Europe ... North_America region Germany ... Spain Canada ... Mexico country Vancouver ... city Frankfurt ... Toronto L. Chan ... M. Wind office

33 Μοντέλο Δεδομένων Σχήματος Αστέρα
Σχήμα Αστέρι (Star schema) Πίνακας γεγονότων στο κέντρο που συνδέεται με ένα σύνολο από πίνακες διαστάσεων Πίνακας γεγονότων (Fact Table) έχει ως γνωρίσματα: τις μετρήσεις (πχ αριθμός πωλήσεων, τιμή σε δολάρια, κλπ) το πρωτεύον κλειδί κάθε σχετικού πίνακα διαστάσεων Πίνακες Διαστάσεων Πίνακας με πληροφορία σχετικά με κάθε διάσταση Ιtem (item_name, brand, type), Τime(day, week, month, quarter, year)

34 Παράδειγμα Σχήματος Αστεριού
time_key day day_of_the_week month quarter year time item_key item_name brand type supplier_type item Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key branch_key branch_key branch_name branch_type branch location_key street city state_or_province country location location_key units_sold dollars_sold avg_sales Μετρήσεις 4 διαστάσεις (time, item, location, branch)

35 Μοντέλο Δεδομένων Σχήματος Χιονονιφάδας (Snowflake schema)
Είναι μια βελτίωση του σχήματος αστέρα σύμφωνα με την οποία η ιεραρχία διαστάσεων των πινάκων διάστασης κανονικοποιείται σε ένα σύνολο από μικρότερους πίνακες διαστάσεων

36 Παράδειγμα Σχήματος Χιονονιφάδας
time_key day day_of_the_week month quarter year time item Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ supplier item_key item_name brand type supplier_key supplier_key supplier_type time_key item_key branch_key location_key street city_key location branch location_key branch_key branch_name branch_type units_sold dollars_sold city_key city state_or_province country avg_sales Μετρήσεις

37 Μοντέλο Δεδομένων - Αστερισμοί Γεγονότων (Fact constellations)
Βασίζεται σε Πολλαπλούς Πίνακες Γεγονότων που μοιράζονται τους Πίνακες Διαστάσεων. Μπορούμε να τους δούμε ως συλλογή από αστέρια ή γαλαξίες

38 Παράδειγμα Σχήματος Αστερισμών Γεγονότων
Πίνακας Γεγονότων ΑΠΟΣΤΟΛΗ time_key day day_of_the_week month quarter year time item_key item_name brand type supplier_type item Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key time_key shipper_key item_key from_location branch_key branch_key branch_name branch_type branch location_key to_location location_key street city province_or_state country location dollars_cost units_sold units_shipped dollars_sold shipper_key shipper_name location_key shipper_type shipper avg_sales Μετρήσεις

39 Κύβος Δεδομένων - Ορολογία
Συχνά ο n-D κύβος λέγεται βασικός κυβοειδής (base cuboid). Περιέχει τον μεγαλύτερο βαθμός λεπτομέρειας. π.χ. Για κύβο με τέσσερεις διαστάσεις (Item, Time, Branch, Location) έχουμε 4-D βασικό κυβοειδή O 0-D cuboid περιέχει τη μεγαλύτερο επίπεδο περίληψης (apex cuboid). Το πλέγμα όλων των κυβοειδών ονομάζεται κύβος δεδομένων.

40 Πλέγμα Κυβοειδών – Κύβος δεδομένων
all 0-D(apex) cuboid time item location supplier 1-D cuboids time, item time , location item, location location, supplier 2-D cuboids time, supplier item, supplier time, location, supplier 3-D cuboids time, item, location time, item, supplier item, location, supplier 4-D (base) cuboid time, item, location, supplier

41 OLAP και συνάθροιση Για την εφαρμογή OLAP πράξεων απαιτείται ο ορισμός του τρόπου παραγωγής των κύβων-αποτελεσμάτων, μέσω μίας συναθροιστικής συνάρτησης Οι βασικές συναθροιστικές συναρτήσεις είναι αθροίσματος (sum), πλήθους (count), μέσου όρου (avg), μεγίστου (max), και ελαχίστου (min).

42 Μετρήσεις - Συναθροίσεις
Εκτός από τις λεπτομερείς πληροφορίες των fact tables, μπορεί να υπολογίσουμε και συναθροίσεις των δεδομένων για καλύτερους χρόνους απόκρισης. Για παράδειγμα, αν ο fact table είναι SALES(GeographyCode, ProductCode, TimeCode, BrandCode, Amount, Unit) μπορούμε να υπολογίσουμε AVG(amount) ανά Region, Product, Quarter SUM(amount) ανά City MAX(units) ανά Brand, Month, με Region = Europe

43 Παράδειγμα Συναθροίσεων (1/2)
Total annual sales of TV in U.S.A. Date 1Qtr 2Qtr 3Qtr 4Qtr sum TV Product PC U.S.A VCR sum Canada Country Mexico Total annual sales of TV in All countries Total annual sales of all Devises in All countries

44 Παράδειγμα Συναθροίσεων σε πίνακα γεγονότων (2/2)
Εκτεταμένος πίνακας πωλήσεων: Ενσωμάτωση των αθροιστικών εγγραφών στον βασικό fact table + μια επιπλέον στήλη που να εξηγεί το επίπεδο συνάθροισης Χωριστός πίνακας/όψη αθροισμάτων Sales table sum Extended Sales table City-dimension sum table

45 Βασικές Αλγεβρικές Πράξεις
Συναθροιστική Άνοδος (Roll up): συνάθροιση της πληροφορίας = μετάβαση από χαμηλότερο σε υψηλότερο επίπεδο ιεραρχίας (π.χ. από day σε month) Αναλυτική Κάθοδος (Drill down): το αντίστροφο του Roll up (π.χ month σε day) Οριζόντιος Τεμαχισμός (Slice): πράξη της επιλογής εγγραφών (where) από μία διάσταση. Κάθετος Τεμαχισμός (Dice): πράξη της επιλογής από περισσότερες διαστάσεις. Περιστροφή (Pivot): αναδιάταξη της προβολής του πολυδιάστατου κύβου στην οθόνη

46 Πράξη Συναθροιστικής ανόδου Roll-up
Η συναθροιστική άνοδος περιλαμβάνει τον υπολογισμό μίας συνολικής τιμής για μία θέση στην ιεραρχία μίας διάστασης δεδομένων. Για παράδειγμα, με ένα roll-up, οι πωλήσεις σε επίπεδο τοπικών μαγαζιών (Store) παράγουν τις συνολικές πωλήσεις σε επίπεδο πόλης (City) και αυτές με τη σειρά τους με ένα ακόμα roll-up παράγουν τις πωλήσεις σε επίπεδο περιοχής (Region). Industry Category Product Country Region City Store Year Quarter Month Week Day

47 Παράδειγμα Πράξης Roll-up
Industry Category Product Country Region City Store Year Quarter Month Week Day Sales volume Electronics Toys Clothing Cosmetics Q1 $5,2 $1,9 $2,3 $1,1 Q2 $8,9 $0,75 $4,6 $1,5 Products Store1 Store2 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Sales volume Electronics Toys Clothing Cosmetics Year 1996 $14,1 $2,65 $6,9 $2,6 Products Store1 Store2 $12,8 $1,8 $7,2 $1,6 Χρόνος: Επίπεδο Quarter Χρόνος: Επίπεδο Year SUM(Sales volumes in dollars)

48 Πράξη Αναλυτικής καθόδου Drill-Down
Ο χρήστης περνά από ένα ανώτερο επίπεδο μίας διάστασης που έχει συγκεντρωτικά δεδομένα σε ένα χαμηλότερο επίπεδο με πιο λεπτομερή δεδομένα. Πρόκειται για την αντίστροφη πράξη του roll-up. Για παράδειγμα, κατά το drill down, ξεκινάμε από τις πωλήσεις ανά περιοχή (Region) και παίρνουμε τις αναλυτικές πωλήσεις ανά πόλη (City) και μετά τις πωλήσεις ανά κατάστημα (Store). Industry Category Product Country Region City Store Year Quarter Month Week Day

49 Παράδειγμα Πράξης Drill-Down
Industry Category Product Country Region City Store Year Quarter Month Week Day Sales volume Electronics Toys Clothing Cosmetics Q1 $5,2 $1,9 $2,3 $1,1 Q2 $8,9 $0,75 $4,6 $1,5 Products Store1 Store2 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Sales volume VCR Camcorder TV CD player Q1 $1,4 $0,6 $2,0 $1,2 Q2 $2,4 $3,3 $2,2 $1,0 Electronics Store1 Store2 $1,4 $0,6 $2,4 $1,2 $2,4 $1,3 $2,5 $1,0 Item: Επίπεδο Industry Item: Επίπεδο Category

50 Πράξη Περιστροφής (Pivot)
Εναλλαγή των γραμμών και των στηλών του κύβου, όπως αυτός παρουσιάζεται στην οθόνη Δεν απαιτείται κανένας νέος υπολογισμός στη ΑΔ

51 Παράδειγμα Πράξης Pivot
Sales volume Electronics Toys Clothing Cosmetics Q1 $5,2 $1,9 $2,3 $1,1 Q2 $8,9 $0,75 $4,6 $1,5 Products Store1 Store2 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Sales volume Electronics Toys Clothing Cosmetics Store 1 $5,2 $1,9 $2,3 $1,1 Store 2 $5,6 $1,4 $2,6 $1,1 Products Q1 Q2 $8,9 $0,75 $4,6 $1,5 $7,2 $0,4 $4,6 $0,5 Εναλλαγή γραμμών και στηλών

52 Οριζόντιος Τεμαχισμός (slice)
Slice : Επιλογή συγκεκριμένων τιμών από μία διάσταση (where της SQL) π.χ. Επέλεξε το 1o τρίμηνο από την διάσταση ημερομηνία 52

53 Κάθετος Τεμαχισμός (dice)

54 Παράδειγμα Βιβλιοπωλείου
20 υποκαταστήματα και στα πέντε γεωγραφικά διαμερίσματα της Ελλάδας Σε κάθε υποκατάστημα υπάρχουν 3 τμήματα: των βιβλίων, των ηλεκτρονικών μέσων και των ειδών γραφείου. Οι επιχειρηματικές διαδικασίες του βιβλιοπωλείου περιλαμβάνουν τις πωλήσεις προϊόντων Μία από τις σημαντικότερες αποφάσεις στην επιχείρηση, αποτελεί η τιμολόγηση/κοστολόγηση των προϊόντων.

55 4 σχεδιαστικά βήματα για το σχήμα αστέρα
Επιλογή της διαδικασίας που θα μοντελοποιηθεί Επιλογή επιπέδου λεπτομέρειας Επιλογή των πινάκων διαστάσεων Επιλογή των αριθμητικών γεγονότων (μετρήσεων)

56 Τα 4 βήματα για το βιβλιοπωλείο
Επιλογή της διαδικασίας που θα μοντελοποιηθεί Προτεραιότητα στη μοντελοποίηση της διαδικασίας πωλήσεων (πλέον κρίσιμη) Επιλογή επιπέδου λεπτομέρειας όσο το δυνατόν μεγαλύτερο επίπεδο λεπτομέρειας: καταγράφουμε ξεχωριστά κάθε ατομική συναλλαγή ενός πελάτη Επιλογή των πινάκων διαστάσεων («ποιες πληροφορίες περιγράφουν κάθε γραμμή του πίνακα γεγονότων») πελάτης, προϊόν, ημερομηνία, υποκατάστημα, συναλλαγή Επιλογή των αριθμητικών γεγονότων (τι μετράμε σε κάθε γραμμή του πίνακα γεγονότων) αριθμός τεμαχίων, κόστος πώλησης

57 Σχήμα αστέρα για το βιβλιοπωλείο

58 Κύβος δεδομένων Βιβλιοπωλείου (χωρίς διάσταση πελάτη)
Μετρική (measure) Τεμάχια Ιεραρχίες Διαστάσεων

59 Πράξεις OLAP

60 Πράξεις Roll-up & Drill-Down

61 http://delab.csd.auth.gr/~symeon ΑΠΟΘΗΚΕΣ ΔΕΔΟΜΕΝΩΝ (Data Warehouses)
δφσδφ ΑΠΟΘΗΚΕΣ ΔΕΔΟΜΕΝΩΝ (Data Warehouses) 4/6/2017 Δρ. Παναγιώτης Συμεωνίδης Εργ. Τεχνολογίας και Επεξεργασίας Δεδομένων Τμήμα Πληροφορικής Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Αριστοτέλειο Πανεπιστήμιο Θεσ/νικης Ανάκτηση Πληροφοριών και Εξόρυξη Δεδομένων για Εξατομίκευση Υπηρεσιών Παγκόσμιου Ιστού