Хід роботи
Розробка OLAP-кубів у середовищі Microsoft Visual Studio виконується у декілька етапів.
1) Для формування OLAP-кубів створити проект Microsoft SQL Server Analysis Services (SSAS): Файл, Проект, Проект служб SSAS.
2) Використовуючи "Майстер источников даних" визначити джерело даних для формування OLAP-кубів. В якості джерела використати СД, реалізоване у Microsoft SQL Server Management Studio: контекстне меню для папки "Источники данных", пункт "Создать источники данных…"
3) Використовуючи "Мастер представления источника данных" обрати зі СД зв'язані таблиці або представлення для формування даних OLAP-куба: контекстне меню для папки "Представления источника данных", пункт "Создать представление источника".
4) Здійснити обробку даних: контекстне меню "Обработка", та їх перегляд: контекстне меню для таблиці пункт "Просмотр данных".
5) Створити виміри кубів: контекстне меню для папки "Измерения", пункт "Создать измерение…".
6) Використовуючи "Мастер кубов" створити структуру OLAP-куба: контекстне меню для папки "Кубы", пункт "Создать куб…".
7) Здійснити обробку даних: контекстне меню "Обработка".
8) Здійснити перегляд та фільтрацію OLAP-куба: вкладка "Обозреватель".
Перегляд та аналіз даних OLAP-куба зручно здійснювати завдяки інструментарію OLAP-клієнта, в якості якого пропонується використовувати Microsoft Excel з вбудованими зведеними Pivot та PowerPivot таблицями.
З'єднання з проектом служб SSAS здійснюється кнопкою "Соединение" з надбудови "Інтелектуальний аналіз даних".
Завантаження OLAP-куба зі служб аналітики до MS Excel здійснюється зі стрічки "Данные", кнопки "Получить внешние данные", "Из других источников", пункт "Из служб аналитики".
Для швидкого аналізу даних OLAP-кубів призначені інструменти зведених таблиць та діаграм, які дозволяють виконувати обчислення, формувати інформаційні зрізи, змінювати розташування вимірів, встановлювати фільтри тощо.
Наприклад, на рис. 4 та 5 наведені зведені таблиця та діаграма в MS Excel для аналізу даних OLAP-куба, який містить інформацію про продажі продукції.
Рис. 4. Зведена таблиця для аналізу даних OLAP-куба
Рис. 5. Зведена діаграма для аналізу даних OLAP-куба
Питання для самоперевірки
Як ви розумієте технологію OLAP?
Які відмінності OLAP-систем від OLTP-систем?
Що означає термін OLAP-куб?
Дайте характеристику MOLAP, ROLAP та HOLAP технологій.
Опишіть основні етапи формування OLAP-куба в MS Analysis Services.
Що таке OLAP-клієнт? Наведіть приклади.
Які засоби та надбудови дозволяють формувати інформаційні зрізи OLAP-куба в MS Excel?
Лабораторна робота № 3.
Тема: Розробка моделі кластерного аналізу засобами інтелектуального аналізу даних Data Mining.
Мета: Набути навичок формування моделі кластеризації засобами Data Mining.
Завдання:
У середовищі Microsoft Visual Studio створити структуру та модель кластерного аналізу для заданої предметної області.
Переглянути та проаналізувати отримане рішення.
Теоретичні відомості
Інтелектуальний аналіз даних
Наступним етапом після формування сховища даних та OLAP-кубів є інтелектуальний аналіз даних. Один із засновників технології Data Mining Григорій П'ятецькій-Шапіро (Gregory Piatetsky-Shapiro) визначає її як процес виявлення в сирих даних раніше невідомих, нетривіальних, практично корисних і доступних для інтерпретації знань, необхідних для прийняття рішень в різних сферах людської діяльності.
Головне призначення технології інтелектуального аналізу даних полягає у перетворенні інформації, накопиченої у базах даних, сховищах даних та інших джерелах у нові корисні для аналізу знання.
Суть і мета технології Data Mining можна охарактеризувати так: це технологія, яка призначена для пошуку у великих обсягах даних неочевидних, об'єктивних та корисних на практиці закономірностей.
Data Mining ‑ це міждисциплінарна технологія, що виникла й розвивається на базі досягнень прикладної статистики, розпізнавання образів, методів штучного інтелекту, теорії баз даних тощо.
Основними задачами інтелектуального аналізу є:
виявлення залежностей. причинно-наслідкових зв’язків, асоціацій та аналогій, визначення значень факторів часу;
класифікація подій та ситуацій, визначення профілів різноманітних факторів;
прогнозування перебігу процесів та подій.