
- •Тема 3. Информационные технологии в маркетинге План лекции
- •Типовые технологические средства автоматизации маркетинговой деятельности
- •Поиск информации в базах данных. Хранилища данных
- •Средства компьютерной коммуникации
- •3.1. Роль и место электронных коммуникаций в маркетинге
- •3.2. Методы компьютерной коммуникации
- •3.3. Internet и intrаnet как инструменты для коммуникаций
- •Технологические средства поддержки принятия маркетинговых решений
- •4.1. Средства графического анализа маркетинговых данных
- •4.2. Анализ списков
- •4.3. Средства для работы с данными olap
- •Информационно-аналитические методы и модели поддержки принятия маркетинговых решений
- •5.1. Типы инструментальных моделей
- •5.2. Технологии параметрического анализа методами «что-если»
- •5.3. Статистические модели принятия маркетинговых решений с учетом фактора неопределенности
- •Современные программные продукты для управления маркетинговой деятельностью
4.3. Средства для работы с данными olap
Если для принятия маркетинговых решений требуется анализ данных, которые хранятся в большом количестве реляционных (двухмерных) таблиц, то разобраться в их сложных структурах конечному пользователю, как правило, очень трудно. С позиций упрощения доступа к данным более удобной структурой является многомерный куб OLAP.
OLAP-технология
OLAP (On-Line Analytical Processing – оперативный анализ данных) – это технология быстрого анализа накопленных данных, которая базируется на использовании совокупности средств многомерного анализа и ориентирована на обработку нерегламентированных, неожиданных запросов пользователей к данным. Работа пользователя с системами OLAP заключается в интерактивной последовательности формирования запросов и изучении их результатов, каждый из которых может вызвать потребность новой серии запросов. Хотя OLAP и не является необходимым атрибутом хранилища данных, тем не менее именно он чаще всего применяется для анализа сведений, накопленных в хранилище. Данные (кубы) OLAP формируются администратором базы или хранилища данных так, чтобы они были лучше приспособлены для анализа, что снижает затраты времени и усилия пользователей для получения нужной им информации.
Для создания куба OLAP выполняется объединение нескольких структурных иерархий, приведенных на рис. 2.2.17, с разными направлениями представления о данных. В кубе представлены размерности и поля данных. Поля данных определяют значения отслеживаемых в базе данных, а размерности – иерархические типы данных с разными уровнями детализации. Каждая размерность состоит из совокупности уровней, которые охватывают одну сторону данных (например, Регион на рис. 2.2.17).
Рис. 2.2.17. Направления абстрагирования данных
Когда нужен анализ данных по разным измерениям, модель данных в виде многомерного куба упрощает его проведение. Так, для анализа результатов продаж осями (измерениями) многомерного куба могут быть товар, регион продажи, время продажи, канал сбыта и любые другие факторы сегментации рынка. Уровнями измерения Товар могут быть категории по наименованию товара, а географическое измерение Регион может иметь такие уровни, как Страна, Область, Город и Район.
Для каждого пересечения каждого уровня каждой размерности (например, объемы продажи на протяжении дня, месяца, года для каждого города, области, страны для каждого продукта и группы продуктов) в базах данных OLAP вычисляются итоговые значения. Эти данные, находящиеся на сечениях осей куба, называются мерами. Для базы данных OLAP о продажах меры будут количественно характеризовать процесс продажи. В данном случае это могут быть объемы продажи товаров в штуках, выручка (объемы продажи товаров в денежном измерении), затраты, прибыли и т.п.
В трехмерном кубе (рис. 2.2.24) в качестве измерений использованы товар, регион и время. Эти измерения представлены на определенных уровнях обобщения: товары сгруппированы по категориям (напитки, продукты, другие товары), регионы – по городам продажи (Киев, Одесса, Львов), время продажи – по месяцам (январь, февраль, март). На сечении измерений отображена лишь одна мера – выручка (объемы продажи в гривнах), но в действительности на пересечении измерений куба может находиться любое количество мер.
Рис. 2.2.24. Трехмерный куб данных о продажах
Поскольку даже трехмерный куб сложно отобразить на экране компьютера так, чтобы можно было увидеть все меры, то для визуализации многомерных данных применяется, как правило, обычное двумерное (табличное) представление с заголовками строк и колонок. Последние могут быть как простыми, так и со сложной иерархической структурой.
Получить двумерную таблицу из куба можно разными способами. Один из них состоит в фиксации всех, кроме двух измерений и одной меры, параметров куба. Например, зафиксировав измерение Товар куба на значении Продукты («вырезав» из куба меры, относящиеся к значению Продукты измерения Товар), получаем обычную двумерную таблицу, приведенную на рис. 2.2.25.
Рис. 2.2.25. Двумерное представление куба для одной меры
В этой таблице с простыми заголовками строк и колонок имеем одну меру – выручку (объемы продажи в гривнах) и два измерения – регион продажи (заголовки колонок) и время продажи (заголовки строк).
В таблице с простыми заголовками строк и колонок одновременно может быть представлено и несколько мер. Для этого фиксируются все параметры куба, кроме одного измерения и тех мер, который нужно отобразить. Структуру такой таблицы (заголовки строк и колонок без значений мер) приведено на рис. 2.2.26. При этом фиксируются определенные значения меры Товар и Время.
|
Київ |
Одеса |
Львів |
Виторг |
|
|
|
Кількість |
|
|
|
Прибуток |
|
|
|
Рис. 2.2.26. Структура двумерного представления куба с тремя мерами
В случае использования сложных заголовков на осях таблицы (строках и колонках) можно разместить два и больше измерений куба, который «разрезается» (рис. 2.2.27).
|
Січень |
Лютий |
||||
|
Київ |
Одеса |
Львів |
Київ |
Одеса |
Львів |
Виторг |
|
|
|
|
|
|
Кількість |
|
|
|
|
|
|
Прибуток |
|
|
|
|
|
|
Рис. 2.2.27. Двумерный срез куба с несколькими измерениями на одной оси
Значения, которые «откладываются» вдоль измерений (Январь, Февраль, ...; Киев, Одесса, Львов, ...), называются метками. Метки используются как для «разрезания» куба, так и для ограничения (фильтрации) выбранных данных, когда пользователя в измерении интересуют не все значения, а лишь некоторое их подмножество (например, два первых месяца года). Значения меток отображаются в двумерном представлении куба как заголовки строк и колонок.