background preloader

OLAP

Facebook Twitter

Службы SQL Server Analysis Services. Обработка больших объемов данных. Часть 3. Сводные таблицы. Третья статья, посвященная обработке больших объемов данных с помощью Excel, описывает преимущества использования сводных таблиц.

Обработка больших объемов данных. Часть 3. Сводные таблицы

Вообще, эта статья должна была быть первой в цикле, если говорить о пользе того или иного метода работы. Действительно, интерфейс сводных таблиц специально создавался для анализа больших объемов данных, которые могут храниться не только в диапазонах электронных таблиц, но и во внешних источниках данных. Понимание принципов работы и практическое использование сводных таблиц позволяет существенно оптимизировать повседневную работу экономистов.

Повышение уровня анализа данных, в свою очередь, ведет к улучшению управляемости компании и принятию верных управленческих решений менеджерами различных уровней. Общетеоретические вопросы по работе со сводными таблицами и многомерным анализом данных описаны в другой статье на нашем сайте. Здесь остановимся подробнее на конкретных методах обработки данных при помощи интерфейса сводных таблиц. Использование сводных таблиц. Запуск PowerPivot в надстройке Excel 2013. Важно.

Запуск PowerPivot в надстройке Excel 2013

Эта функция недоступна в Office на компьютерах с Windows RT. Power View и Power Pivot доступны только в выпусках Office профессиональный плюс и Office 365 профессиональный плюс, а также в автономном выпуске Excel 2013. См. статью Книги Excel 2010 с Power Pivot не работают в некоторых версиях Excel 2013 . Какая у меня версия Office? Power Pivot в Microsoft Excel 2013 — это надстройка, позволяющая выполнять эффективный анализ данных в Excel 2013. Выберите Файл > Параметры > Надстройки. На ленте появится вкладка Power Pivot. Откройте окно Power Pivot. Щелкните Power Pivot. На этой вкладке можно работать со сводными таблицами </GlossaryTerm>, вычисляемыми полями и Power Pivotключевыми показателями эффективности, а также создавать связанные таблицы. Нажмите кнопку Управление. Откроется окно Power Pivot.

Конструктор запросов многомерных выражений служб Analysis Services (PowerPivot) Кубы — это структуры запросов, специально предназначенных для анализа одной или нескольких метрик производительности компании (например, чистой прибыли или валового объема продажи) по различным измерениям (время, география, демография и т. д.).

Конструктор запросов многомерных выражений служб Analysis Services (PowerPivot)

Пользователи, которые создают сводные таблицы или сводные диаграммы в Excel, часто используют кубы служб Analysis Services в качестве источника данных. MDX (многомерные выражения) — это язык запросов для кубов. Внутри Excel многомерные выражения используются для получения значений полей и данных при выборе элементов из списка полей сводной таблицы. Запросы многомерных выражений можно также строить вручную при импорте данных из куба служб Analysis Services.

При использовании надстройки Power Pivot в Excel 2013 можно создавать запросы многомерных выражений с помощью конструктора запросов многомерных выражений при импорте из многомерной базы данных, выполняющейся в службах Analysis Services. Откройте окно Power Pivot. ) на панели инструментов. Создаем OLAP куб. Часть 2. Итак, продолжаем создавать куб.

Создаем OLAP куб. Часть 2

Напомню, что в предыдущей статье, мы создавали Data Warehouse для хранения голосов хабра-пользователей за хабра-топики. Для тех, кто хочет начать сразу создавать куб, я выложил скрипт, который создает и наполняет хранилище (на моей машине скрипт занял 10 минут и нагенерил 1866268 хабра-голосов). Для того, чтобы создать OLAP куб, нам понадобится: SQL Server, на котором хранится наш HabraDW (подойдет любой);Microsoft SQL Server, с запущенными Analysis Services (2005/2008);Business Intelligence Studio, которая входит в пакет клиентских приложений для Microsoft SQL Server-а, и интегрируется с Visual Studio, если она у вас установлена (2005/2008);

Создаем OLAP куб. Часть 1. Продолжая тематику Многомерные кубы, OLAP и MDX и olap для маленькой компании, традиционно, предлагаю начать с простенького «Hello World» куба, который будет анализировать процессы и тенденции голосований на Хабре.

Создаем OLAP куб. Часть 1

Итак, давайте попробуем создать свою первую OLAP систему. Но, прежде чем, потирая руки, запускать Business Intelligence Studio, предлагаю вначале создать хранилище данных хабра-голосов, так называемый Data Warehouse. Зачем? Причин в этом несколько: сама суть Data Warehouse-а хранить «очищенные» данные, готовые для анализа, поэтому даже его изначальная структура может сильно отличаться от структуры нашей хабра-OLTP базы данныхв HabraDW (так мы его назовем) мы вынесем только ту информацию, которая нам нужна будет для анализа, ничего лишнегок Data Warehouse не накладываются требования нормализации.

Немного теории. Каким же должен быть Data Warehouse? Определив где у нас факты, а где измерения — очень просто построить модель звезды. Звезда. А теперь снежинка. Многомерные кубы, OLAP и MDX. Довольно давно являюсь обитателем Хабра, но так и не доводилось читать статьи на тему многомерных кубов, OLAP и MDX, хотя тема очень интересная и с каждым днем становится все более актуальной.

Многомерные кубы, OLAP и MDX

Не секрет, что за тот небольшой промежуток времени развития баз данных, электронного учета и онлайн систем, самих данных накопилось очень много. Теперь же интерес также представляет полноценный анализ архивов, а возможно и попытка прогнозирования ситуаций для подобных моделей в будущем. С другой стороны, большие компании даже за несколько лет, месяцев или даже недель могут накапливать настолько большие массивы данных, что даже их элементарный анализ требует неординарных подходов и жестких аппаратных требований. Такими могут быть системы обработки банковских транзакций, биржевые агенты, телефонные операторы и т.д.

Думаю, всем хорошо известны 2 разных подхода построения дизайна баз данных: OLTP и OLAP. Немного подробнее о возможностях Поддержка мультиязычности Да-да-да.