LevelA level is a step of aggregati

Level

A level is a step of aggregation within a hierarchy. You can think of a level as being analogous to a rung of a ladder. Just as you can move up and down a ladder by using its rungs, you can move up and down into the hierarchy of data by using its levels. The first level represents the highest step in the hierarchy; the second level is the child of this first level, and the third level is the child of the second level, and so on. Figure 1 illustrates a hierarchy in which there are 3 levels shown, namely the Location, Continent, and Country levels.



Member

A member is an element of a dimension. The member element may represent one, or more, occurrences of data within a dimension. A member is the lowest form of reference used to access cell data. It is useful to think of a member as a child entity that belongs to its parent dimension. For example, a member of the Location dimension might include North America, Europe, France, or the USA. In Figure 1, North America and Europe are members of the Location dimension. You can drill down into North America to view its members Canada, and USA. In this example, the members Canada, and USA are children of the North America member.



Measure

A measure is a value that describes a standard of measurement used for evaluating data. It is a specialized form of a dimension in which no hierarchy needs to be defined, and no levels are used. Examples of a measure include: Sales Count, Profit, or Number of Employees. Measures have meaning only when used in conjunction with one or more dimensions. Let's assume we have a measure (say, for instance "Amount of Sales") which has a value of $300. This information is meaningless to us because it lacks the context needed to add that meaning. However, if we define our measure with two other dimensions, for example, Time and Store ID, we can now interpret the data as:

Amount of Sales = $300 for the month of September at Store #232.

With the addition of these dimensions, this information has a rich element of meaning for us.



Attribute

An attribute can be thought of as a characteristic of a dimension with no inherent hierarchical relationships. Attributes add flexibility to multidimensional data because they can be organized into different hierarchies.

For example, suppose we have a Customer dimension with an attribute called "City". We can use this attribute in more than one Customer-related hierarchy (Country-State-City and/or City-Gender-Education). This gives us far more flexibility when building and analyzing multiple hierarchies.



Named Set

A named set represents a defined subset of dimensions and measures. These entities are most useful when trying to show subsets of data for multiple groups of users.



Multidimensional Data Cube Example

In this example, we have three major dimensions of data: Location, Time, and Product.



Note
We use a 3-D shape as a simplistic, visual representation of the multidimensional data. If the multidimensional data contains more than three dimensions, then the model must be extended beyond this 3-D representation.

Each data dimension is sub-divided into levels. For example, the Location dimension is divided into 3 levels. The first is the "continent" level, which contains two members: North America, and Europe. Then within each of these member levels, there are one or more child members at the "nation" level. In addition to this, there are two measures: Total Sales and Expenses. These measures exist at the intersection of the three data dimensions.

As displayed in Figure 2, some cells in the cube may not contain valid information.

ผลลัพธ์ (ไทย) 1:

ระดับระดับเป็นขั้นตอนของการรวมกลุ่มภายในลำดับชั้น คุณสามารถคิดระดับเป็นคล้ายรังของบันได เหมือนคุณสามารถเลื่อนขึ้นและลงบันได โดยใช้ rungs ของ คุณสามารถย้ายขึ้นและลงในลำดับชั้นของข้อมูล โดยใช้ระดับของการ ระดับแรกหมายถึงขั้นตอนสูงสุดในลำดับชั้น ระดับสองเป็นเด็กระดับนี้ครั้งแรก และระดับที่สามเป็นลูกที่สองระดับ และ รูปที่ 1 แสดงลำดับชั้นในซึ่งมี 3 ระดับแสดง ได้แก่ตำแหน่ง ทวีป และประเทศระดับ สมาชิกสมาชิกเป็นองค์ประกอบของมิติ องค์ประกอบหนึ่งอาจแสดงรายการข้อมูลภายในขนาดหนึ่ง อย่าง น้อย สมาชิกแบบต่ำสุดของการอ้างอิงที่ใช้ในการเข้าถึงข้อมูลในเซลล์ได้ ใช้คิดเป็นเอนทิตีรองที่เป็นสมาชิกของมิติหลักของสมาชิก ตัวอย่าง เป็นสมาชิกของมิติตั้งอาจมีอเมริกาเหนือ ยุโรป ฝรั่งเศส สหรัฐอเมริกา ในรูปที่ 1 อเมริกาเหนือและยุโรปเป็นสมาชิกของมิติตั้ง คุณสามารถดูรายละเอียดในทวีปอเมริกาเหนือเพื่อดูสมาชิก แคนาดาและสหรัฐอเมริกา ใน ตัวอย่าง สมาชิกแคนาดา และสหรัฐอเมริกามีเด็กของสมาชิกอเมริกาเหนือ วัดการวัดเป็นค่าที่อธิบายถึงมาตรฐานการวัดที่ใช้ในการประเมินข้อมูล มันเป็นแบบเฉพาะของมิติลำดับชั้นไม่จำเป็นต้องกำหนด และระดับไม่ใช้ ตัวอย่างของการวัด: จำนวนขาย กำไร หรือหมายเลขของพนักงาน วัดมีความหมายเมื่อใช้ร่วมกับอย่าง น้อยหนึ่งมิติเท่านั้น ลองสมมติว่า เรามีวัด (พูด เช่น "ยอดขาย") ซึ่งมีค่าเท่ากับ $300 ข้อมูลนี้มีความหมายกับเราเนื่องจากมันขาดบริบทในการเพิ่มความหมายว่า อย่างไรก็ตาม ถ้าเรากำหนดของเราวัดสองมิติ ตัวอย่าง เวลาและรหัสร้านค้า เราสามารถตอนนี้ตีความข้อมูลเป็น:ยอดขาย = $300 สำหรับเดือนกันยายนที่ร้าน #232ด้วยการเพิ่มมิติเหล่านี้ ข้อมูลนี้มีองค์ประกอบหลากหลายความหมายสำหรับเรา แอททริบิวต์แอตทริบิวต์สามารถคิดเป็นลักษณะของมิติความสัมพันธ์แบบลำดับชั้นแต่กำเนิดไม่ แอตทริบิวต์เพิ่มความยืดหยุ่นให้ข้อมูลหลายมิติเนื่องจากพวกเขาสามารถจัดลำดับชั้นแตกต่างกันตัวอย่าง สมมติว่า เรามีขนาดลูกค้าที่ มีคุณลักษณะเรียกว่า "เมือง" เราสามารถใช้แอตทริบิวต์นี้ในหนึ่งที่เกี่ยวข้องกับลูกค้าลำดับชั้น (เมืองรัฐประเทศหรือเมืองเพศศึกษา) นี้ทำให้เราไกลมากความยืดหยุ่นในการสร้าง และวิเคราะห์หลายชั้น การตั้งชื่อแล้วชื่อชุดหมายถึงชุดย่อยของมิติและมาตรการกำหนด เอนทิตีเหล่านี้มีประโยชน์มากที่สุดเมื่อพยายามที่จะแสดงชุดย่อยของข้อมูลในกลุ่มต่าง ๆ ของผู้ใช้ ตัวอย่างข้อมูลหลายมิติ Cubeในตัวอย่างนี้ เรามีสามขนาดใหญ่ของข้อมูล: สถาน เวลา และผลิตภัณฑ์ หมายเหตุเราใช้รูป 3 มิติเป็นตัวแทนพี่ ภาพของข้อมูลหลายมิติ ถ้าข้อมูลหลายมิติประกอบด้วยขนาดมากกว่า 3 แล้วแบบต้องมีเพิ่มเติมนอกเหนือจากนี้แสดง 3 มิติแต่ละมิติข้อมูลย่อยแบ่งออกเป็นระดับ ตัวอย่าง ขนาดตำแหน่งแบ่งออกเป็น 3 ระดับ แรกคือ ระดับ "ทวีป" ซึ่งประกอบด้วยสมาชิกสอง: อเมริกาเหนือและยุโรป ภายในแต่ละระดับสมาชิกเหล่านี้ มีเด็กอย่าง น้อยหนึ่งสมาชิกระดับ "ชาติ" นอกจากนี้ มีสองมาตรการ: ยอดขายและค่าใช้จ่าย มาตรการเหล่านี้มีอยู่ของข้อมูลสามมิติแสดงในรูปที่ 2 บางเซลล์ใน cube อาจไม่ประกอบด้วยข้อมูลที่ถูกต้อง

ผลลัพธ์ (ไทย) 2:

ระดับระดับเป็นขั้นตอนของการรวมภายในลำดับชั้น คุณสามารถคิดในระดับที่เป็นคล้ายกับขั้นบันได เช่นเดียวกับที่คุณสามารถเลื่อนขึ้นและลงบันไดโดยใช้ขั้นของคุณสามารถเลื่อนขึ้นและลงเป็นลำดับชั้นของข้อมูลโดยใช้ระดับของ ระดับแรกแสดงให้เห็นถึงขั้นตอนที่สูงที่สุดในลำดับชั้น; ระดับที่สองเป็นลูกของระดับแรกนี้และระดับที่สามเป็นลูกของระดับที่สองและอื่น ๆ รูปที่ 1 แสดงให้เห็นถึงลำดับชั้นที่มี 3 ระดับคือระดับที่แสดงคือที่อยู่, ทวีปและระดับประเทศเป็นสมาชิกสมาชิกเป็นองค์ประกอบของมิติ องค์ประกอบของสมาชิกอาจจะเป็นหนึ่งหรือมากกว่าเหตุการณ์ที่เกิดขึ้นของข้อมูลที่อยู่ในมิติที่ สมาชิกเป็นรูปแบบที่ต่ำสุดของการอ้างอิงที่ใช้ในการเข้าถึงข้อมูลของเซลล์ มันเป็นประโยชน์ที่จะคิดของสมาชิกเป็นนิติบุคคลเด็กที่อยู่ในมิติที่แม่ของมัน ตัวอย่างเช่นสมาชิกคนหนึ่งของมิติที่อยู่อาจจะรวมถึงทวีปอเมริกายุโรปฝรั่งเศสหรือสหรัฐอเมริกา ในรูปที่ 1 ทวีปอเมริกาเหนือและยุโรปที่เป็นสมาชิกของมิติที่อยู่ คุณสามารถเจาะลงไปในทวีปอเมริกาเหนือเพื่อดูสมาชิกในแคนาดาและสหรัฐอเมริกา ในตัวอย่างนี้สมาชิกในแคนาดาและสหรัฐอเมริกาเป็นบุตรของสมาชิกอเมริกาเหนือวัดวัดเป็นค่าที่อธิบายถึงมาตรฐานของการวัดที่ใช้สำหรับการประเมินข้อมูลที่ มันเป็นรูปแบบเฉพาะของมิติที่ไม่มีลำดับชั้นจะต้องมีการกำหนดและไม่มีระดับที่ใช้ ตัวอย่างของตัวชี้วัดรวมถึงจำนวนขายกำไรหรือจำนวนพนักงาน มาตรการมีความหมายเฉพาะเมื่อใช้ร่วมกับหนึ่งหรือหลายมิติ สมมติว่าเรามีมาตรการ (พูดเช่น "ปริมาณการขาย") ซึ่งมีค่าของ $ 300 ข้อมูลนี้มีความหมายกับเราเพราะมันไม่มีบริบทที่จำเป็นในการเพิ่มความหมายว่า แต่ถ้าเรากำหนดตัวชี้วัดของเรามีสองมิติอื่น ๆ เช่นเวลาและ ID การเก็บเราสามารถแปลข้อมูลเป็น: ปริมาณการขาย = $ 300 สำหรับเดือนกันยายนที่ Store # 232 ด้วยการเพิ่มมิติเหล่านี้ ข้อมูลเหล่านี้มีองค์ประกอบที่อุดมไปด้วยความหมายสำหรับเราAttribute แอตทริบิวต์สามารถจะคิดว่าเป็นลักษณะของมิติที่มีไม่มีความสัมพันธ์แบบลำดับชั้นโดยธรรมชาติ คุณสมบัติเพิ่มความยืดหยุ่นในการข้อมูลหลายมิติเพราะพวกเขาสามารถได้รับการจัดเป็นลำดับชั้นที่แตกต่างกันตัวอย่างเช่นสมมติว่าเรามีมิติของลูกค้าที่มีคุณลักษณะที่เรียกว่า "เมือง" เราสามารถใช้คุณลักษณะนี้ในลำดับชั้นของลูกค้าที่เกี่ยวข้องมากกว่าหนึ่ง (ประเทศรัฐเมืองและ / หรือเมืองเพศศึกษา) นี้จะช่วยให้เรามีความยืดหยุ่นมากขึ้นเมื่อมีการสร้างและวิเคราะห์ลำดับชั้นหลายNamed ตั้งชื่อชุดเป็นส่วนย่อยที่กำหนดของขนาดและมาตรการ หน่วยงานเหล่านี้มีประโยชน์มากที่สุดเมื่อพยายามที่จะแสดงให้เห็นส่วนย่อยของข้อมูลสำหรับหลายกลุ่มของผู้ใช้ข้อมูลหลายมิติ Cube ตัวอย่างในตัวอย่างนี้เรามีสามมิติสำคัญของข้อมูลที่: สถานที่เวลาและสินค้าหมายเหตุเราใช้รูปทรง 3-D เป็น ง่ายแสดงออกของข้อมูลหลายมิติ หากข้อมูลหลายมิติที่มีมากกว่าสามมิติแล้วแบบจะต้องขยายเกิน 3 มิตินี้เป็นตัวแทนของมิติข้อมูลแต่ละครั้งจะถูกแบ่งออกเป็นระดับ ตัวอย่างเช่นมิติที่อยู่จะแบ่งออกเป็น 3 ระดับคือระดับ ครั้งแรกคือ "ทวีป" ระดับซึ่งประกอบด้วยสองสมาชิก: ทวีปอเมริกาเหนือและยุโรป แล้วในแต่ละระดับสมาชิกเหล่านี้มีหนึ่งหรือมากกว่าหนึ่งสมาชิกของเด็กอยู่ที่ "จักรภพ" ระดับ นอกจากนี้มีสองมาตรการ: การขายและค่าใช้จ่าย มาตรการเหล่านี้อยู่ที่จุดตัดของขนาดข้อมูลที่สามในฐานะที่แสดงในรูปที่ 2 เซลล์บางอย่างในก้อนไม่อาจมีข้อมูลที่ถูกต้อง

ผลลัพธ์ (ไทย) 3:

ระดับ

) เป็นขั้นตอนของการรวมภายในลำดับขั้น คุณสามารถคิดในระดับที่คล้ายคลึงกับรุ่งของบันได เช่นเดียวกับที่คุณสามารถเลื่อนขึ้นและลงบันไดโดยใช้ rungs คุณสามารถเลื่อนขึ้นและลงในลำดับของข้อมูลโดยใช้ระดับของ ระดับแรกเป็นขั้นตอนที่สูงที่สุดในลำดับชั้น ; ระดับที่สองคือเด็กระดับนี้ก่อนและระดับที่สาม เป็นบุตรของระดับที่สอง และ รูปที่ 1 แสดงให้เห็นถึงลำดับขั้น ซึ่งมี 3 ระดับ คือ สถานที่แสดง ระดับทวีป และประเทศสมาชิก





สมาชิกเป็นองค์ประกอบของมิติ สมาชิกอาจเป็นตัวแทนของธาตุหนึ่ง หรือมากกว่า การเกิดขึ้นของข้อมูลภายในขนาด สมาชิกเป็นรูปแบบที่ถูกที่สุดของการอ้างอิงที่ใช้ในการเข้าถึงข้อมูลที่เซลล์มันเป็นประโยชน์ที่จะคิดของสมาชิกที่เป็นเด็ก กิจการที่เป็นของบริษัทใหญ่ ขนาด ตัวอย่างเช่น สมาชิก ของ ที่ตั้ง ขนาด อาจรวมอเมริกาเหนือ ยุโรป ฝรั่งเศส หรืออเมริกา ในรูปที่ 1 , ทวีปอเมริกาเหนือและยุโรปที่เป็นสมาชิกของสถานที่ตั้งขนาด คุณสามารถเจาะลงไปในทวีปอเมริกาเหนือเพื่อดูสมาชิกของแคนาดา และสหรัฐอเมริกา ในตัวอย่างนี้ สมาชิกในแคนาดาและสหรัฐอเมริกาเป็นบุตรของอเมริกาเหนือสมาชิก





เป็นวัดวัดเป็นค่าที่อธิบายถึงมาตรฐานในการวัดที่ใช้สำหรับการประเมินข้อมูล มันเป็นรูปแบบเฉพาะของมิติที่ไม่มีลำดับชั้น ต้องกำหนด และไม่มีระดับที่ใช้ ตัวอย่างของการวัด ได้แก่ ยอดขายนับ , กำไร , หรือจำนวนของพนักงานมาตรการที่มีความหมายเฉพาะเมื่อใช้ร่วมกับหนึ่งหรือมากกว่าหนึ่งมิติ สมมติว่าเรามีการวัด ( พูดเช่น " ยอดขาย " ) ซึ่งมีมูลค่า $ 300 ข้อมูลนี้ ไม่มีประโยชน์กับเรา เพราะมันขาดบริบทที่จำเป็นในการเพิ่มที่ความหมาย แต่ถ้าเรากำหนดมาตรการของเรากับมิติอื่น ๆสองตัวอย่างเช่น ID , เวลา และร้านเราสามารถตีความข้อมูลดังนี้

ยอดขาย = $ 300 สำหรับเดือน กันยายน ที่ร้าน# 232 .

ด้วยนอกเหนือจากมิติเหล่านี้ ข้อมูลนี้มีองค์ประกอบที่อุดมไปด้วยความหมายสำหรับเรา





ของแอตทริบิวต์ที่สามารถคิดเป็นลักษณะของมิติที่ไม่มีอยู่การความสัมพันธ์ คุณสมบัติเพิ่มความยืดหยุ่นให้กับข้อมูลหลายมิติเพราะพวกเขาสามารถจัดเป็นชนชั้นที่แตกต่างกัน

ตัวอย่าง สมมติว่า เรามีลูกค้ามิติกับแอตทริบิวต์ที่เรียกว่า " เมือง " เราสามารถใช้คุณลักษณะนี้ในมากกว่าหนึ่งของลูกค้าที่เกี่ยวข้องลำดับชั้น ( เมืองรัฐประเทศและ / หรือเมือง เพศ ระดับการศึกษา ) นี้จะช่วยให้เรามีความยืดหยุ่นมากขึ้นเมื่อมีการสร้างและวิเคราะห์หลายชนชั้น .





ชื่อชุดชื่อชุดเป็นเซตย่อยของมิติและกำหนดมาตรการหน่วยงานเหล่านี้จะมีประโยชน์มากเมื่อพยายามที่จะแสดงชุดย่อยของข้อมูลสำหรับกลุ่มหลายของผู้ใช้ .





ในลูกบาศก์หลายมิติ เช่น ข้อมูลนี้ ตัวอย่างเช่น เรามีสามมิติหลักของข้อมูลสถานที่และผลิตภัณฑ์เวลา




เราใช้โน๊ตรูปทรง 3 มิติเป็น simplistic , การแสดงภาพ ของข้อมูลหลายมิติ ถ้าข้อมูลหลายมิติที่มีมากกว่า 3 มิติแล้วแบบที่ต้องขยายเกินนี้ 3-D แทน

แต่ละมิติข้อมูลย่อยแบ่งออกเป็นระดับ ตัวอย่าง เช่น ที่ตั้ง ขนาด แบ่งเป็น 3 ระดับ แรกคือ " ระดับทวีป " ซึ่งประกอบด้วยสมาชิกสอง : อเมริกาเหนือและยุโรป จากนั้นภายในแต่ละระดับสมาชิกเหล่านี้มีหนึ่งหรือมากกว่าหนึ่งสมาชิกเด็กในระดับประเทศ " นอกจากนี้มีสองมาตรการ : ยอดขายและค่าใช้จ่าย มาตรการเหล่านี้อยู่ที่จุดตัดของทั้งสามข้อมูลมิติ

ตามที่แสดงในรูปที่ 2 เซลล์บางเซลล์ในก้อนอาจไม่ประกอบด้วยข้อมูลที่ถูกต้อง .