第3章

聯(lián)機(jī)分析處理(2)1第3章13.4OALP的多維數(shù)據(jù)分析（下）3.4.3廣義OLAP功能3.4.4數(shù)據(jù)立方體3.4.5多維數(shù)據(jù)分析的MDX語言及其應(yīng)用23.4OALP的多維數(shù)據(jù)分析（下）23.4.3廣義OLAP功能

1、基本代理操作

當(dāng)系統(tǒng)處于某種特殊狀態(tài)時(shí)“代理”提醒分析員。

（1）示警報(bào)告定義一些條件，一但條件滿足，系統(tǒng)會提醒分析員去做分析。如每日報(bào)告完成或月定貨完成等通知分析員作分析。（2）時(shí)間報(bào)告

按日歷和時(shí)鐘提醒分析員。

（3）異常報(bào)告當(dāng)超出邊界條件時(shí)提醒分析員。如銷售情況已超出預(yù)定義閾值的上限或下限時(shí)提醒分析員。33.4.3廣義OLAP功能1、基本代理操作32．?dāng)?shù)據(jù)分析模型（1）絕對模型通過比較歷史數(shù)據(jù)值或行為來描述過去發(fā)生的事實(shí)。絕對模型只能對歷史數(shù)據(jù)進(jìn)行比較，并且利用回歸分析等一些分析方法得出趨勢信息。42．?dāng)?shù)據(jù)分析模型（1）絕對模型4（2）解釋模型利用系統(tǒng)已有的多層次的綜合路徑層層細(xì)化，找出事實(shí)發(fā)生的原因。

假設(shè)今年銷售量下降，那么解釋模型應(yīng)當(dāng)能找出原因，即下滑與時(shí)間、地區(qū)、商品及銷售渠道四者中的何種因素有關(guān)。5（2）解釋模型利用系統(tǒng)已有的多層次的綜合路徑層層細(xì)化，找出事（3）思考模型說明在一維或多維上引入一組具體變量或參數(shù)后將會發(fā)生什么。例如該公司決策者為了了解某商品的銷售量是否與顧客的年齡有關(guān)，引入了行變量－年齡，即在當(dāng)前的多維視圖上增加了顧客的年齡維。6（3）思考模型說明在一維或多維上引入一組具體變量或參數(shù)后將會（4）公式模型該模型表示在多個(gè)維上，需要引入哪些變量或參數(shù)，以及引入后所產(chǎn)生的結(jié)果。公式模型自動完成上述變量引入工作，從而最終找出與銷量有關(guān)的全部因素，并給出了引入后的結(jié)果。7（4）公式模型該模型表示在多個(gè)維上，需要引入哪些變量或參數(shù)，3.商業(yè)分析模型（1）分銷渠道的分析模型（2）客戶利潤貢獻(xiàn)度模型（3）客戶關(guān)系（信用）優(yōu)化模型（4）風(fēng)險(xiǎn)評估模型83.商業(yè)分析模型（1）分銷渠道的分析模型8（1）分銷渠道的分析模型通過客戶、渠道、產(chǎn)品或服務(wù)三者之間的關(guān)系，了解客戶的購買行為、客戶和渠道對業(yè)務(wù)收入的貢獻(xiàn)、哪些客戶比較喜好由什么渠道在何時(shí)和銀行打交道。為此，銀行需要建立客戶購買傾向模型和渠道喜好模型等。9（1）分銷渠道的分析模型通過客戶、渠道、產(chǎn)品或服務(wù)三者之間的（2）客戶利潤貢獻(xiàn)度模型通過該模型能了解每一位客戶對銀行的總利潤貢獻(xiàn)度。知道哪些利潤高的客戶需要留住，采用什么方法留住客戶，交叉銷售改善客戶的利潤貢獻(xiàn)度，哪些客戶應(yīng)該爭取，完成個(gè)性化服務(wù)。10（2）客戶利潤貢獻(xiàn)度模型通過該模型能了解每一位客戶對銀行的總（3）客戶關(guān)系（信用）優(yōu)化模型銀行對客戶的每一筆交易中，知道客戶需要什么產(chǎn)品或服務(wù)，例如，定期存款是希望退休養(yǎng)老使用，申請信用卡需要現(xiàn)金消費(fèi)，詢問放貸利息需要住房貸款等。通過模型計(jì)算，主動地對客戶溝通并進(jìn)行交叉銷售，達(dá)到留住客戶和增加利潤的目標(biāo)。11（3）客戶關(guān)系（信用）優(yōu)化模型銀行對客戶的每一筆交易中，知道（4）風(fēng)險(xiǎn)評估模型模擬風(fēng)險(xiǎn)和利潤間的關(guān)系，建立風(fēng)險(xiǎn)評估的數(shù)學(xué)模型：

在滿足高利潤、低風(fēng)險(xiǎn)客戶需求的前提下，達(dá)到銀行收益的極大化。12（4）風(fēng)險(xiǎn)評估模型模擬風(fēng)險(xiǎn)和利潤間的關(guān)系，建立3.4.4數(shù)據(jù)立方體1．概述1996年，JimGray等首次提出了數(shù)據(jù)立方體(DataCube)的概念。

數(shù)據(jù)立方體就是數(shù)據(jù)倉庫結(jié)構(gòu)圖（圖2.1）中的綜合數(shù)據(jù)層（輕度和高度）。基于數(shù)據(jù)立方體的生成方法一直是OLAP和數(shù)據(jù)倉庫領(lǐng)域研究者所關(guān)注的熱點(diǎn)問題。133.4.4數(shù)據(jù)立方體1．概述13對于多維數(shù)據(jù)分析而言，本質(zhì)上是沿著不同的維度進(jìn)行數(shù)據(jù)獲取的過程。在數(shù)據(jù)立方體中，不同維度組合構(gòu)成了不同的子立方體。不同維值的組合及其對應(yīng)的度量值構(gòu)成了不同的查詢和分析。數(shù)據(jù)立方體的構(gòu)建和維護(hù)等計(jì)算方法成為了多維數(shù)據(jù)分析研究的關(guān)鍵問題。14對于多維數(shù)據(jù)分析而言，本質(zhì)上是沿著不同的維度進(jìn)行數(shù)據(jù)獲取的過OLAP和數(shù)據(jù)倉庫通常預(yù)先計(jì)算好不同細(xì)節(jié)層次和不同維屬性集合上的聚集，并把聚集的結(jié)果存儲到物理磁盤上(稱為物化)。把所有可能的聚集(即全聚集)都計(jì)算出來，可以得到最快的系統(tǒng)查詢響應(yīng)時(shí)間，15OLAP和數(shù)據(jù)倉庫通常預(yù)先計(jì)算好不同細(xì)節(jié)層次和不同維屬性集合數(shù)據(jù)立方體是在所有可能組合的維上進(jìn)行分組聚集運(yùn)算(groupby操作)的總和。聚集函數(shù)有：sum()、count()、average()等。數(shù)據(jù)立方體中的每一個(gè)元組（立方體的度量屬性）被稱為該立方體的上個(gè)格（cell），每個(gè)格在n個(gè)維屬性上有相應(yīng)的值。在未參與groupby操作的維屬性上具有All值（用﹡表示），而在參與groupby操作的維屬性具有非All值。16數(shù)據(jù)立方體是在所有可能組合的維上進(jìn)行分組聚集運(yùn)算(group例如，對于一個(gè)具有三個(gè)維屬性A、B、C和一個(gè)度量屬性M的數(shù)據(jù)集R(A，B，C，M).其對應(yīng)的數(shù)據(jù)立方體是在維屬性集{}，{A}，{B}，{C}，{AB}，{AC}，{BC}，{ABC}上分別對度量屬性進(jìn)行聚集操作后的并集。其中:{}表示進(jìn)行聚集運(yùn)算{*，*，*，聚集函數(shù)(M)};{A}表示進(jìn)行聚集運(yùn)算{A，*，*，聚集函數(shù)(M)}等。17例如，對于一個(gè)具有三個(gè)維屬性A、B、C和一個(gè)度量屬性M這些聚集運(yùn)算與操作結(jié)果是數(shù)據(jù)倉庫中的一種高度綜合級數(shù)據(jù).實(shí)質(zhì)上是進(jìn)行了數(shù)據(jù)的濃縮（壓縮），也可稱為泛化。最終所獲得的這些數(shù)據(jù)立方體可用于決策支持、知識發(fā)現(xiàn)，或其它許多應(yīng)用。18這些聚集運(yùn)算與操作結(jié)果是數(shù)據(jù)倉庫中的一種高度綜合級數(shù)據(jù).18例如，對如表3.12所示的超市的基本數(shù)據(jù)集POS（product，type，counter，price），前三個(gè)屬性分別代表（產(chǎn)品名、類型、柜臺）為維屬性.

現(xiàn)在對度量屬性價(jià)格price進(jìn)行取平均值（average）的聚集運(yùn)算，通過Cube操作可以得到一個(gè)具有三個(gè)維屬性和一個(gè)度量屬性的數(shù)據(jù)立方體Dpos，如表3.13所示。19例如，對如表3.12所示的超市的基本數(shù)據(jù)集POS（prod表3.12基本數(shù)據(jù)集POS

product type counter price KONKA TVSET 011000TCL TVSET 011500NOKIA PHONE 01200020表3.12基本數(shù)據(jù)集POS KONKA TVSET product type counter M(AVG(price))﹡

﹡

﹡1500KONKA ﹡

﹡1000TCL

﹡

﹡1500NOKIA

﹡

﹡2000﹡

TVSET ﹡1250﹡PHONE﹡2000﹡

﹡011500KONKA TVSET ﹡1000TCL TVSET ﹡1500NOKIAPHONE﹡2000﹡TVSET 011250﹡PHONE 012000KONKA ﹡011000TCL ﹡011500NOKIA﹡012000KONKATVSET 011000TCL TVSET 011500NOKIAPHONE 01200021﹡ ﹡ ﹡1500KONKA ﹡ ﹡1000TCL ﹡全聚集的數(shù)據(jù)占據(jù)的空間是原始數(shù)據(jù)空間的數(shù)百倍，花費(fèi)很長時(shí)間。故數(shù)據(jù)立方體構(gòu)建部分物化：即按照一定的規(guī)則選擇數(shù)據(jù)立方體的一個(gè)子集進(jìn)行預(yù)先計(jì)算。這種選擇是存儲空間和響應(yīng)時(shí)間的一種折衷。22全聚集的數(shù)據(jù)占據(jù)的空間是原始數(shù)據(jù)空間的數(shù)百倍，花費(fèi)很長時(shí)間。典型的壓縮型數(shù)據(jù)立方體，包括:冰山立方體、緊湊數(shù)據(jù)立方體、外殼片段立方體等。隨著流式數(shù)據(jù)處理技術(shù)的發(fā)展，流立方體生成方法越來越受到領(lǐng)域研究者的關(guān)注。23典型的壓縮型數(shù)據(jù)立方體，包括:23（1）冰山立方體在冰山立方體的生成計(jì)算中，僅聚集高于（或低于）某個(gè)閾值的子立方體。數(shù)據(jù)立方體的空間多數(shù),被低（或高）度量值的數(shù)據(jù)單元所占據(jù)，而這些數(shù)據(jù)單元往往是分析者很少關(guān)心的內(nèi)容。這種方法的優(yōu)點(diǎn)是能夠減少構(gòu)建數(shù)據(jù)單元所占用的存儲空間。24（1）冰山立方體24例如，在表3.12中，設(shè)定聚集運(yùn)算條件：M(AVG(price))

≤1250，其冰山立方體為表3.14所示。表3.14

基本數(shù)據(jù)集POS的冰山立方體

product type counter M(AVG(price))KONKA ﹡

﹡1000﹡

TVSET ﹡1250KONKA TVSET ﹡1000﹡TVSET 011250KONKA ﹡011000KONKATVSET 01100025例如，在表3.12中，設(shè)定聚集運(yùn)算條件：M(AVG(pric（2）緊湊數(shù)據(jù)立方體生成方法緊湊數(shù)據(jù)立方體生成方法的一個(gè)重要特點(diǎn)是能夠保持?jǐn)?shù)據(jù)立方體的鉆取操作的語義。這種緊湊數(shù)據(jù)立方體生成方法在壓縮的方式和表現(xiàn)形式上表現(xiàn)出有不同的特征，包括:濃縮立方體(Condensedcube)、商立方體(Quotientcube)等，這些都是近年來出現(xiàn)的一系列新型的數(shù)據(jù)立方體的存儲結(jié)構(gòu)。26（2）緊湊數(shù)據(jù)立方體生成方法緊湊數(shù)據(jù)立方體生成方法的一個(gè)重要濃縮立方體濃縮立方體計(jì)算方法的基本原理是，在某些屬性或組合下的一個(gè)元組相對于其它元組具有唯一性，則稱為基本單一元組（BST，BaseSingleTuple)。當(dāng)它的超集（增加屬性組合）也是BST，且都是取同一度量值，在聚集運(yùn)算時(shí)，可以把這些屬性的度量值對應(yīng)的元組壓縮成一條元組存儲。27濃縮立方體濃縮立方體計(jì)算方法的基本原理是，在某些屬性或組合下屬性{product}的所有超集{product，type}，{product，counter}，{product，type，counter }也是BST，且都具有相同值。如{KONKA，﹡，﹡，1000}，{KONKA，TVSET，﹡，1000}，{KONKA，﹡，01，1000}，{KONKA，TVSET，01，1000}，故可以將這些元組壓縮存儲為一條元組{KONKA，﹡，﹡，1000}。同理，屬性{type}中，其屬性值為PHONE的元組是BST，它和它的超集也可以壓縮存儲為一條元組{﹡，PHONE，﹡，2000}。經(jīng)過這樣的濃縮后，表3.13的的濃縮立方體為表3.15。28屬性{product}的所有超集{product，ty表3.15基本數(shù)據(jù)集POS的濃縮立方體product type counter M(AVG(price))﹡

﹡

﹡1500KONKA ﹡

﹡1000TCL

﹡

﹡1500NOKIA

﹡

﹡2000﹡

TVSET ﹡1250﹡PHONE﹡2000﹡

﹡011500﹡TVSET 01125029表3.15基本數(shù)據(jù)集POS的濃縮立方體product ty可以看出濃縮立方體是全聚集立方體的有效濃縮。由于在一般的應(yīng)用中，當(dāng)屬性個(gè)數(shù)較多時(shí)，BST是廣泛存在的。一般來說，其壓縮率可以達(dá)到30％～7O％。30可以看出濃縮立方體是全聚集立方體的有效濃縮。303.4.5多維數(shù)據(jù)分析的MDX語言

及其應(yīng)用1．MDX語言簡介MDX（MultiDimensionaleXpressions，多維表達(dá)式）是聯(lián)機(jī)分析處理（OLAP）和數(shù)據(jù)倉庫應(yīng)用中最廣泛使用的軟件語言（維度語言）。MDX語言可以查詢和管理多維數(shù)據(jù)倉庫，MDX表達(dá)式可以用來創(chuàng)建新的計(jì)算成員。313.4.5多維數(shù)據(jù)分析的MDX語言

MDX與SQL的比較相同：MDX與SQL都包含“選擇對象”（select子句）、“數(shù)據(jù)源”（from子句）以及“指定條件”（where子句），不同：MDX結(jié)合了多維數(shù)據(jù)集，指定“維度”（On子句）和“創(chuàng)建表達(dá)式計(jì)算的新成員”（MEMBER子句）。MDX語法還包含功能強(qiáng)大的函數(shù)，以協(xié)助數(shù)據(jù)處理與挖掘。32MDX與SQL的比較相同：MDX與SQL都包含“選擇對象”（具體說明

（1）關(guān)鍵字SELECT后帶需要檢索內(nèi)容的子句。 （2）關(guān)鍵字ON和維度（坐標(biāo)軸）的名稱一起使用，以指定數(shù)據(jù)庫維度顯示位置。（3）MDX用大括號{}包含某個(gè)特定維度或者多個(gè)維度的一組元素。一個(gè)維度（度量維度或時(shí)間維度）的多個(gè)元素間用逗號（，）隔開。元素名稱用方括號[]引用，并且不同組成部分之間用點(diǎn)號（．）分隔。33具體說明（1）關(guān)鍵字SELECT后帶需要檢索內(nèi)容的子句。 （4）在一個(gè)MDX查詢中，不同查詢的維度（坐標(biāo)軸）的數(shù)量可能不同。前三個(gè)坐標(biāo)軸以“columns”、“rows”及“pages”命名，更多的坐標(biāo)軸命名為：chapters、section等。也可以統(tǒng)一用axis（0）、axis（l）、axis（2）等表示坐標(biāo)軸。 （5）MDX查詢中FROM子旬指明用于查詢數(shù)據(jù)的多維數(shù)據(jù)集。 （6）WHERE子句指定在列或行（或者其他的坐標(biāo)軸）上沒有出現(xiàn)的多維數(shù)據(jù)集的成 員。 34（4）在一個(gè)MDX查詢中，不同查詢的維度（坐標(biāo)軸）的數(shù)量可能2．多維數(shù)據(jù)查詢在多維數(shù)據(jù)集中用得最多的查詢是對多維數(shù)據(jù)的切片查詢，通過不同角度的切片來發(fā)現(xiàn)問題。通過下鉆操作一般用來查詢問題的原因。下面分別通過切片查詢和向下鉆取操作例子進(jìn)行說明。352．多維數(shù)據(jù)查詢35例1：切片查詢在多維數(shù)據(jù)集Sales中，顧客所在的MA州，對時(shí)間2009年Q1（1季度）和Q2（2季度）的銷售額DollarSales和銷售數(shù)量UnitSales的情況，進(jìn)行切片查詢。MDX語言的切片查詢語句：36例1：切片查詢在多維數(shù)據(jù)集Sales中，顧客所在的MA州，對SELECT {[Measures].[DollarSales]，[Measures].[UnitSales]} Oncolumns， {[Time].[Q1，2009]，[Time].[Q2，2009]}Onrows FROM[Sales] WHERE（[Customer].[MA]） 37SELECT 37切片查詢結(jié)果DollarSalesUnitSalesQ1，200996，949.13866Q2，2009104，510.2412538切片查詢結(jié)果DollarSalesUnitSalesQ1例2：向下鉆取操作一種常用的查詢是獲得一個(gè)成員的子成員。這么做的目的是執(zhí)行一個(gè)向下鉆取操作，即獲得基于一個(gè)共同父成員的范圍內(nèi)的成員。MDX提供.Children函數(shù)來完成這個(gè)操作。39例2：向下鉆取操作一種常用的查詢是獲得一個(gè)成員的子成員。這么下面將對多維數(shù)據(jù)集Sales中，顧客所在的TX州，向下鉆取查詢：工具產(chǎn)品[Product].[Tools]成員和它的子成員（Tool1、…Tool5），以及2009年Q3（3季度）成員的子成員（7、8、9）三個(gè)月的銷售數(shù)量[Measures].[UnitSales]情況。MDX語言的向下鉆取操作語句如下：40下面將對多維數(shù)據(jù)集Sales中，顧客所在的TX州，向下鉆取查SELECT {[Time].[Q3，2009].Children}oncolumns， {[Product].[Tools]，[Product].[Tools].Children} Onrows FROMSales WHERE（[Customer].[TX]，[Measures].[UnitSales]）41SELECT 41Tools成員及其子成員報(bào)表的顯示

July，2009aug，2009sep，2009Tools176266205Tool132121Tool27885Tool357

56Tool44867Tool5396442Tools成員及其子成員報(bào)表的顯示July，2009augMDX語言更多功能

MDX語言中，允許的算術(shù)操作符有：加＋、減－、乘*、除/、括號（）。允許的函數(shù)有：Avg（）平均值；Aggregate（）聚合函數(shù)定義的聚合值；Count（）值或元組的個(gè)數(shù)；Sum（）值的和；Max（）最大值；Median（）集的中位值；Min（）最小值；Stdev（）值的樣本標(biāo)準(zhǔn)差；StdevP（）值的總體標(biāo)準(zhǔn)差；Var（）值的樣本方差；VarP（）值的總體方差…等等。43MDX語言更多功能MDX語言中，允許的算術(shù)操作符有：加＋、允許額外的數(shù)字計(jì)算函數(shù)有：Abs（num），num的絕對值；Exp（N），e的N次冪 ；Factorial（N），N的階乘；Ln（nun），Num的自然對數(shù)…等等。MDX語言還具有更高級的功能，能幫助公司進(jìn)行：保險(xiǎn)索賠分析、產(chǎn)品質(zhì)量控制和顧客購物偏好等更高層次的決策分析。44允許額外的數(shù)字計(jì)算函數(shù)有：44習(xí)題15、16、19、20、2145習(xí)題15、16、19、45第3章

聯(lián)機(jī)分析處理(2)46第3章13.4OALP的多維數(shù)據(jù)分析（下）3.4.3廣義OLAP功能3.4.4數(shù)據(jù)立方體3.4.5多維數(shù)據(jù)分析的MDX語言及其應(yīng)用473.4OALP的多維數(shù)據(jù)分析（下）23.4.3廣義OLAP功能

1、基本代理操作

當(dāng)系統(tǒng)處于某種特殊狀態(tài)時(shí)“代理”提醒分析員。

（1）示警報(bào)告定義一些條件，一但條件滿足，系統(tǒng)會提醒分析員去做分析。如每日報(bào)告完成或月定貨完成等通知分析員作分析。（2）時(shí)間報(bào)告

按日歷和時(shí)鐘提醒分析員。

（3）異常報(bào)告當(dāng)超出邊界條件時(shí)提醒分析員。如銷售情況已超出預(yù)定義閾值的上限或下限時(shí)提醒分析員。483.4.3廣義OLAP功能1、基本代理操作32．?dāng)?shù)據(jù)分析模型（1）絕對模型通過比較歷史數(shù)據(jù)值或行為來描述過去發(fā)生的事實(shí)。絕對模型只能對歷史數(shù)據(jù)進(jìn)行比較，并且利用回歸分析等一些分析方法得出趨勢信息。492．?dāng)?shù)據(jù)分析模型（1）絕對模型4（2）解釋模型利用系統(tǒng)已有的多層次的綜合路徑層層細(xì)化，找出事實(shí)發(fā)生的原因。

假設(shè)今年銷售量下降，那么解釋模型應(yīng)當(dāng)能找出原因，即下滑與時(shí)間、地區(qū)、商品及銷售渠道四者中的何種因素有關(guān)。50（2）解釋模型利用系統(tǒng)已有的多層次的綜合路徑層層細(xì)化，找出事（3）思考模型說明在一維或多維上引入一組具體變量或參數(shù)后將會發(fā)生什么。例如該公司決策者為了了解某商品的銷售量是否與顧客的年齡有關(guān)，引入了行變量－年齡，即在當(dāng)前的多維視圖上增加了顧客的年齡維。51（3）思考模型說明在一維或多維上引入一組具體變量或參數(shù)后將會（4）公式模型該模型表示在多個(gè)維上，需要引入哪些變量或參數(shù)，以及引入后所產(chǎn)生的結(jié)果。公式模型自動完成上述變量引入工作，從而最終找出與銷量有關(guān)的全部因素，并給出了引入后的結(jié)果。52（4）公式模型該模型表示在多個(gè)維上，需要引入哪些變量或參數(shù)，3.商業(yè)分析模型（1）分銷渠道的分析模型（2）客戶利潤貢獻(xiàn)度模型（3）客戶關(guān)系（信用）優(yōu)化模型（4）風(fēng)險(xiǎn)評估模型533.商業(yè)分析模型（1）分銷渠道的分析模型8（1）分銷渠道的分析模型通過客戶、渠道、產(chǎn)品或服務(wù)三者之間的關(guān)系，了解客戶的購買行為、客戶和渠道對業(yè)務(wù)收入的貢獻(xiàn)、哪些客戶比較喜好由什么渠道在何時(shí)和銀行打交道。為此，銀行需要建立客戶購買傾向模型和渠道喜好模型等。54（1）分銷渠道的分析模型通過客戶、渠道、產(chǎn)品或服務(wù)三者之間的（2）客戶利潤貢獻(xiàn)度模型通過該模型能了解每一位客戶對銀行的總利潤貢獻(xiàn)度。知道哪些利潤高的客戶需要留住，采用什么方法留住客戶，交叉銷售改善客戶的利潤貢獻(xiàn)度，哪些客戶應(yīng)該爭取，完成個(gè)性化服務(wù)。55（2）客戶利潤貢獻(xiàn)度模型通過該模型能了解每一位客戶對銀行的總（3）客戶關(guān)系（信用）優(yōu)化模型銀行對客戶的每一筆交易中，知道客戶需要什么產(chǎn)品或服務(wù)，例如，定期存款是希望退休養(yǎng)老使用，申請信用卡需要現(xiàn)金消費(fèi)，詢問放貸利息需要住房貸款等。通過模型計(jì)算，主動地對客戶溝通并進(jìn)行交叉銷售，達(dá)到留住客戶和增加利潤的目標(biāo)。56（3）客戶關(guān)系（信用）優(yōu)化模型銀行對客戶的每一筆交易中，知道（4）風(fēng)險(xiǎn)評估模型模擬風(fēng)險(xiǎn)和利潤間的關(guān)系，建立風(fēng)險(xiǎn)評估的數(shù)學(xué)模型：

在滿足高利潤、低風(fēng)險(xiǎn)客戶需求的前提下，達(dá)到銀行收益的極大化。57（4）風(fēng)險(xiǎn)評估模型模擬風(fēng)險(xiǎn)和利潤間的關(guān)系，建立3.4.4數(shù)據(jù)立方體1．概述1996年，JimGray等首次提出了數(shù)據(jù)立方體(DataCube)的概念。

數(shù)據(jù)立方體就是數(shù)據(jù)倉庫結(jié)構(gòu)圖（圖2.1）中的綜合數(shù)據(jù)層（輕度和高度）。基于數(shù)據(jù)立方體的生成方法一直是OLAP和數(shù)據(jù)倉庫領(lǐng)域研究者所關(guān)注的熱點(diǎn)問題。583.4.4數(shù)據(jù)立方體1．概述13對于多維數(shù)據(jù)分析而言，本質(zhì)上是沿著不同的維度進(jìn)行數(shù)據(jù)獲取的過程。在數(shù)據(jù)立方體中，不同維度組合構(gòu)成了不同的子立方體。不同維值的組合及其對應(yīng)的度量值構(gòu)成了不同的查詢和分析。數(shù)據(jù)立方體的構(gòu)建和維護(hù)等計(jì)算方法成為了多維數(shù)據(jù)分析研究的關(guān)鍵問題。59對于多維數(shù)據(jù)分析而言，本質(zhì)上是沿著不同的維度進(jìn)行數(shù)據(jù)獲取的過OLAP和數(shù)據(jù)倉庫通常預(yù)先計(jì)算好不同細(xì)節(jié)層次和不同維屬性集合上的聚集，并把聚集的結(jié)果存儲到物理磁盤上(稱為物化)。把所有可能的聚集(即全聚集)都計(jì)算出來，可以得到最快的系統(tǒng)查詢響應(yīng)時(shí)間，60OLAP和數(shù)據(jù)倉庫通常預(yù)先計(jì)算好不同細(xì)節(jié)層次和不同維屬性集合數(shù)據(jù)立方體是在所有可能組合的維上進(jìn)行分組聚集運(yùn)算(groupby操作)的總和。聚集函數(shù)有：sum()、count()、average()等。數(shù)據(jù)立方體中的每一個(gè)元組（立方體的度量屬性）被稱為該立方體的上個(gè)格（cell），每個(gè)格在n個(gè)維屬性上有相應(yīng)的值。在未參與groupby操作的維屬性上具有All值（用﹡表示），而在參與groupby操作的維屬性具有非All值。61數(shù)據(jù)立方體是在所有可能組合的維上進(jìn)行分組聚集運(yùn)算(group例如，對于一個(gè)具有三個(gè)維屬性A、B、C和一個(gè)度量屬性M的數(shù)據(jù)集R(A，B，C，M).其對應(yīng)的數(shù)據(jù)立方體是在維屬性集{}，{A}，{B}，{C}，{AB}，{AC}，{BC}，{ABC}上分別對度量屬性進(jìn)行聚集操作后的并集。其中:{}表示進(jìn)行聚集運(yùn)算{*，*，*，聚集函數(shù)(M)};{A}表示進(jìn)行聚集運(yùn)算{A，*，*，聚集函數(shù)(M)}等。62例如，對于一個(gè)具有三個(gè)維屬性A、B、C和一個(gè)度量屬性M這些聚集運(yùn)算與操作結(jié)果是數(shù)據(jù)倉庫中的一種高度綜合級數(shù)據(jù).實(shí)質(zhì)上是進(jìn)行了數(shù)據(jù)的濃縮（壓縮），也可稱為泛化。最終所獲得的這些數(shù)據(jù)立方體可用于決策支持、知識發(fā)現(xiàn)，或其它許多應(yīng)用。63這些聚集運(yùn)算與操作結(jié)果是數(shù)據(jù)倉庫中的一種高度綜合級數(shù)據(jù).18例如，對如表3.12所示的超市的基本數(shù)據(jù)集POS（product，type，counter，price），前三個(gè)屬性分別代表（產(chǎn)品名、類型、柜臺）為維屬性.

現(xiàn)在對度量屬性價(jià)格price進(jìn)行取平均值（average）的聚集運(yùn)算，通過Cube操作可以得到一個(gè)具有三個(gè)維屬性和一個(gè)度量屬性的數(shù)據(jù)立方體Dpos，如表3.13所示。64例如，對如表3.12所示的超市的基本數(shù)據(jù)集POS（prod表3.12基本數(shù)據(jù)集POS

product type counter price KONKA TVSET 011000TCL TVSET 011500NOKIA PHONE 01200065表3.12基本數(shù)據(jù)集POS KONKA TVSET product type counter M(AVG(price))﹡

﹡

﹡1500KONKA ﹡

﹡1000TCL

﹡

﹡1500NOKIA

﹡

﹡2000﹡

TVSET ﹡1250﹡PHONE﹡2000﹡

﹡011500KONKA TVSET ﹡1000TCL TVSET ﹡1500NOKIAPHONE﹡2000﹡TVSET 011250﹡PHONE 012000KONKA ﹡011000TCL ﹡011500NOKIA﹡012000KONKATVSET 011000TCL TVSET 011500NOKIAPHONE 01200066﹡ ﹡ ﹡1500KONKA ﹡ ﹡1000TCL ﹡全聚集的數(shù)據(jù)占據(jù)的空間是原始數(shù)據(jù)空間的數(shù)百倍，花費(fèi)很長時(shí)間。故數(shù)據(jù)立方體構(gòu)建部分物化：即按照一定的規(guī)則選擇數(shù)據(jù)立方體的一個(gè)子集進(jìn)行預(yù)先計(jì)算。這種選擇是存儲空間和響應(yīng)時(shí)間的一種折衷。67全聚集的數(shù)據(jù)占據(jù)的空間是原始數(shù)據(jù)空間的數(shù)百倍，花費(fèi)很長時(shí)間。典型的壓縮型數(shù)據(jù)立方體，包括:冰山立方體、緊湊數(shù)據(jù)立方體、外殼片段立方體等。隨著流式數(shù)據(jù)處理技術(shù)的發(fā)展，流立方體生成方法越來越受到領(lǐng)域研究者的關(guān)注。68典型的壓縮型數(shù)據(jù)立方體，包括:23（1）冰山立方體在冰山立方體的生成計(jì)算中，僅聚集高于（或低于）某個(gè)閾值的子立方體。數(shù)據(jù)立方體的空間多數(shù),被低（或高）度量值的數(shù)據(jù)單元所占據(jù)，而這些數(shù)據(jù)單元往往是分析者很少關(guān)心的內(nèi)容。這種方法的優(yōu)點(diǎn)是能夠減少構(gòu)建數(shù)據(jù)單元所占用的存儲空間。69（1）冰山立方體24例如，在表3.12中，設(shè)定聚集運(yùn)算條件：M(AVG(price))

≤1250，其冰山立方體為表3.14所示。表3.14

基本數(shù)據(jù)集POS的冰山立方體

product type counter M(AVG(price))KONKA ﹡

﹡1000﹡

TVSET ﹡1250KONKA TVSET ﹡1000﹡TVSET 011250KONKA ﹡011000KONKATVSET 01100070例如，在表3.12中，設(shè)定聚集運(yùn)算條件：M(AVG(pric（2）緊湊數(shù)據(jù)立方體生成方法緊湊數(shù)據(jù)立方體生成方法的一個(gè)重要特點(diǎn)是能夠保持?jǐn)?shù)據(jù)立方體的鉆取操作的語義。這種緊湊數(shù)據(jù)立方體生成方法在壓縮的方式和表現(xiàn)形式上表現(xiàn)出有不同的特征，包括:濃縮立方體(Condensedcube)、商立方體(Quotientcube)等，這些都是近年來出現(xiàn)的一系列新型的數(shù)據(jù)立方體的存儲結(jié)構(gòu)。71（2）緊湊數(shù)據(jù)立方體生成方法緊湊數(shù)據(jù)立方體生成方法的一個(gè)重要濃縮立方體濃縮立方體計(jì)算方法的基本原理是，在某些屬性或組合下的一個(gè)元組相對于其它元組具有唯一性，則稱為基本單一元組（BST，BaseSingleTuple)。當(dāng)它的超集（增加屬性組合）也是BST，且都是取同一度量值，在聚集運(yùn)算時(shí)，可以把這些屬性的度量值對應(yīng)的元組壓縮成一條元組存儲。72濃縮立方體濃縮立方體計(jì)算方法的基本原理是，在某些屬性或組合下屬性{product}的所有超集{product，type}，{product，counter}，{product，type，counter }也是BST，且都具有相同值。如{KONKA，﹡，﹡，1000}，{KONKA，TVSET，﹡，1000}，{KONKA，﹡，01，1000}，{KONKA，TVSET，01，1000}，故可以將這些元組壓縮存儲為一條元組{KONKA，﹡，﹡，1000}。同理，屬性{type}中，其屬性值為PHONE的元組是BST，它和它的超集也可以壓縮存儲為一條元組{﹡，PHONE，﹡，2000}。經(jīng)過這樣的濃縮后，表3.13的的濃縮立方體為表3.15。73屬性{product}的所有超集{product，ty表3.15基本數(shù)據(jù)集POS的濃縮立方體product type counter M(AVG(price))﹡

﹡

﹡1500KONKA ﹡

﹡1000TCL

﹡

﹡1500NOKIA

﹡

﹡2000﹡

TVSET ﹡1250﹡PHONE﹡2000﹡

﹡011500﹡TVSET 01125074表3.15基本數(shù)據(jù)集POS的濃縮立方體product ty可以看出濃縮立方體是全聚集立方體的有效濃縮。由于在一般的應(yīng)用中，當(dāng)屬性個(gè)數(shù)較多時(shí)，BST是廣泛存在的。一般來說，其壓縮率可以達(dá)到30％～7O％。75可以看出濃縮立方體是全聚集立方體的有效濃縮。303.4.5多維數(shù)據(jù)分析的MDX語言

及其應(yīng)用1．MDX語言簡介MDX（MultiDimensionaleXpressions，多維表達(dá)式）是聯(lián)機(jī)分析處理（OLAP）和數(shù)據(jù)倉庫應(yīng)用中最廣泛使用的軟件語言（維度語言）。MDX語言可以查詢和管理多維數(shù)據(jù)倉庫，MDX表達(dá)式可以用來創(chuàng)建新的計(jì)算成員。763.4.5多維數(shù)據(jù)分析的MDX語言

MDX與SQL的比較相同：MDX與SQL都包含“選擇對象”（select子句）、“數(shù)據(jù)源”（from子句）以及“指定條件”（where子句），不同：MDX結(jié)合了多維數(shù)據(jù)集，指定“維度”（On子句）和“創(chuàng)建表達(dá)式計(jì)算的新成員”（MEMBER子句）。MDX語法還包含功能強(qiáng)大的函數(shù)，以協(xié)助數(shù)據(jù)處理與挖掘。77MDX與SQL的比較相同：MDX與SQL都包含“選擇對象”（具體說明

（1）關(guān)鍵字SELECT后帶需要檢索內(nèi)容的子句。 （2）關(guān)鍵字ON和維度（坐標(biāo)軸）的名稱一起使用，以指定數(shù)據(jù)庫維度顯示位置。（3）MDX用大括號{}包含某個(gè)特定維度或者多個(gè)維度的一組元素。一個(gè)維度（度量維度或時(shí)間維度）的多個(gè)元素間用逗號（，）隔開。元素名稱用方括號[]引用，并且不同組成部分之間用點(diǎn)號（．）分隔。78具體說明（1）關(guān)鍵字SELECT后帶需要檢索內(nèi)容的子句。 （4）在一個(gè)MDX查詢中，不同查詢的維度（坐標(biāo)軸）的數(shù)量可能不同。前三個(gè)坐標(biāo)軸以“columns”、“rows”及“pages”命名，更多的坐標(biāo)軸命名為：chapters、section等。也可以統(tǒng)一用axis（0）、axis（l）、axis（2）等表示坐標(biāo)軸。 （5）MDX查詢中FROM子旬指明用于查詢數(shù)據(jù)的多維數(shù)據(jù)集。 （6）WHERE子句指定在列或行（或者其他的坐標(biāo)軸）上沒有出現(xiàn)的多維數(shù)據(jù)集的成 員。 79（4）在一個(gè)MDX查詢中，不同查詢的維度（坐標(biāo)軸）的數(shù)量可能2．多維數(shù)據(jù)查詢在多維數(shù)據(jù)集中用得最多的查詢是對多維數(shù)據(jù)的切片查詢，通過不同角度的切片來發(fā)現(xiàn)問題。通過下鉆操作一般用來查詢問題的原因。下面分別通過切片查詢和向下鉆取操作例子進(jìn)行說明。802．多維數(shù)據(jù)查詢35例1：切片查詢在多維數(shù)據(jù)集Sales中，顧客所在的MA州，對時(shí)間2009年Q1（1季度）和Q2（2季度）的銷售額DollarSales和銷售數(shù)量UnitSa