A popular conceptual model used for

A popular conceptual model used for BI tasks is the multidimensional view of data, as shown in Figure 2. In a multidimensional data model, there is a set of numeric measures that are the objects of analysis. Examples of such measures are sales, budget, revenue, and inventory. Each of the numeric measures is associated with a set of dimensions, which provide the context for the measure. For example, the dimensions associated with a sale amount can be the Product, City, and the Date when the sale was made. Thus, a measure can be viewed as a value in the multidimensional space of dimensions. Each dimension is described by a set of attributes, for example, the Product dimension may consist of the following attributes: the category, industry, model number, year of its introduction. The attributes of a dimension may be related via a hierarchy of relationships. For example, a product is related to its category and the industry attributes through a hierarchical relationship (Figure 2). Another distinctive feature of the conceptual model is its stress on aggregation of measures by one or more dimensions; for example, computing and ranking the total sales by each county for each year.

OLAP Servers. Online Analytic processing (OLAP) supports operations such as filtering, aggregation, pivoting, rollup and drill-down on the multi-dimensional view of the data. OLAP servers are implemented using either a multidimensional storage engine (MOLAP); a relational DBMS engine (ROLAP) as the backend; or a hybrid combination called HOLAP.

ผลลัพธ์ (ไทย) 2:

รูปแบบความคิดที่นิยมใช้สำหรับงาน BI เป็นมุมมองหลายมิติของข้อมูลดังแสดงในรูปที่ 2 ในรูปแบบข้อมูลหลายมิติมีชุดของมาตรการที่เป็นตัวเลขที่เป็นวัตถุของการวิเคราะห์ ตัวอย่างของมาตรการดังกล่าวมียอดขายงบประมาณรายได้และสินค้าคงคลัง แต่ละมาตรการที่เป็นตัวเลขที่เกี่ยวข้องกับชุดของมิติที่ให้บริบทสำหรับวัด ยกตัวอย่างเช่นมิติที่เกี่ยวข้องกับจำนวนเงินที่ขายจะเป็นสินค้าเมืองและวันที่เมื่อขายที่ถูกสร้างขึ้น ดังนั้นมาตรการที่สามารถมองได้ว่าค่าในพื้นที่หลายมิติมิติ มิติแต่ละครั้งจะถูกอธิบายโดยชุดของคุณลักษณะเช่นขนาดสินค้าอาจประกอบด้วยคุณสมบัติดังต่อไปนี้: ประเภทอุตสาหกรรมจำนวนรุ่นปีที่เปิดตัว แอตทริบิวต์ของมิติอาจจะเกี่ยวข้องผ่านลำดับขั้นของความสัมพันธ์ ยกตัวอย่างเช่นสินค้าที่เกี่ยวข้องกับประเภทของอุตสาหกรรมและแอตทริบิวต์ผ่านความสัมพันธ์แบบลำดับชั้น (รูปที่ 2) อีกคุณสมบัติที่โดดเด่นของรูปแบบความคิดเป็นความเครียดที่มีต่อการรวมตัวของมาตรการหนึ่งหรือหลายมิติ ตัวอย่างเช่นการใช้คอมพิวเตอร์และการจัดอันดับยอดขายรวมโดยแต่ละจังหวัดในแต่ละปี. OLAP เซิร์ฟเวอร์ การประมวลผลการวิเคราะห์ออนไลน์ (OLAP) สนับสนุนการดำเนินการเช่นการกรองการรวมแกนยกเลิกและเจาะลึกลงในมุมมองหลายมิติของข้อมูล เซิร์ฟเวอร์ OLAP จะดำเนินการโดยใช้เครื่องมือการจัดเก็บหลายมิติ (MOLAP); เครื่องยนต์ DBMS เชิงสัมพันธ์ (ROLAP) ขณะที่แบ็กเอนด์; หรือการรวมกันเรียกว่าไฮบริด HOLAP

ผลลัพธ์ (ไทย) 3:

นิยมแนวคิดแบบที่ใช้สำหรับงานบีเป็นมุมมองหลายมิติของข้อมูล ดังแสดงในรูปที่ 2 ในฐานข้อมูลแบบหลายมิติ มีชุดของมาตรการที่ตัวเลขที่เป็นวัตถุของการวิเคราะห์ ตัวอย่างของมาตรการดังกล่าวจะขาย , งบประมาณ , รายได้ , และสินค้าคงคลัง ตัวเลขของแต่ละมาตรการที่เกี่ยวข้องกับชุดของมิติที่ให้บริบทสำหรับวัดตัวอย่างเช่น มิติที่เกี่ยวข้องกับปริมาณการขายที่สามารถผลิตภัณฑ์ , เมือง และวันที่เมื่อขายได้ ดังนั้น มาตรการที่สามารถดูเป็นค่าในช่องว่างมิติ ของมิติ แต่ละมิติอธิบายโดยชุดของลักษณะ ตัวอย่างเช่น ขนาดของผลิตภัณฑ์อาจประกอบด้วยคุณลักษณะต่อไปนี้ : ประเภท , อุตสาหกรรม , หมายเลขรุ่น , ปีของการเปิดตัวคุณลักษณะของมิติอาจเกี่ยวข้องผ่านลำดับชั้นของความสัมพันธ์ ตัวอย่าง ผลิตภัณฑ์ที่เกี่ยวข้องกับประเภทของอุตสาหกรรมและคุณลักษณะทางความสัมพันธ์แบบลำดับชั้น ( รูปที่ 2 ) อีกคุณสมบัติที่โดดเด่นของแบบจำลอง คือ ความเครียดของการรวมของมาตรการ โดยหนึ่งหรือมากกว่าหนึ่งมิติ เช่นการคำนวณและการจัดอันดับยอดขาย โดยแต่ละเขตแต่ละปี

OLAP เซิร์ฟเวอร์ การประมวลผลการวิเคราะห์ online ( OLAP ) สนับสนุนการดำเนินงานเช่นการกรอง , การรวมตัว , pivoting , ยกเลิกและเจาะลึกในมุมมองหลายมิติของข้อมูล OLAP เซิร์ฟเวอร์จะดำเนินการใช้เครื่องมือกระเป๋าหลายมิติ ( MOLAP ) ; เครื่องยนต์ DBMS เชิงสัมพันธ์ ( ROLAP ) เป็นระบบ ;หรือผสมรวมกันเรียกว่า holap .