Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 8)

Рисунок 3.12 ‒ Добавленное измерение куба

В результате получаем структуру, представленную на рисунке 3.13.

Рисунок 3.13 – Структура измерения

Имея хотя бы одно определенное измерение, можно приступать к определению OLAP-куба на основе наших данных с помощью мастера кубов.

3.2.4 Построение куба

Кубы представлены набором мер и измерений.

Мера – это агрегат значений числовых данных, например, сумма, количество, минимальное, максимальное, среднее или созданное вами многомерное выражение.

Группа мер – это контейнер для одной или нескольких мер. Все меры находятся в группе мер даже в том случае, если имеется только одна мера. Куб должен иметь как минимум одну меру и группу мер.

Меры и группы мер — многомерные объекты, представляющие факты и таблицы фактов во внешнем хранилище данных. В большинстве случаев меры и группы мер будет основываться на объектах в представлении источника данных, которые в свою очередь создаются из базового хранилища данных.

На первом шаге создания куба система предложит выбрать таблицы групп мер (рисунок 3.14).

Рисунок 3.14 ‒ Таблицы групп мер

Мастер кубов изучает таблицы и предлагает варианты в качестве таблицы группы мер. Таблицы групп мер, или таблицы фактов, содержат интересующие нас меры, например, количество проданных товаров, или, в нашем случае, количество выданных/запрошенных книг (рисунок 3.15).

Рисунок 3.15 – Меры куба

Мастер кубов позволяет как использовать существующие измерения, так и создавать новые (рисунок 3.16).

Рисунок 3.16 ‒ Добавление новых измерений

В результате получается структура, представленная на рисунке 3.17.

Рисунок 3.17 ‒ Представление OLAP-куба

3.2.5 Развертывание куба

Чтобы приступать к анализу и построению отчётности, необходимо получившийся куб развернуть (Deploy) и провести процессинг (Process).

Процесс развертывания заключается в том, что созданные ранее файлы собираются в базу данных Analysis Services и развертываются на экземпляре сервиса Analysis Services.

Процессинг – это механизм, который обеспечивает построение структуры куба, а также загрузку данных в измерения и меры, а также подсчет агрегатов.

Поскольку структура OLAP-куба сохраняется в файл со структурой схожей с XML, после любых изменений структуры куба развертывание необходимо проводить заново. Если структура куба перестраивается относительно сделанных нами изменений, а также требуется обновление данных в мерах и измерениях, требуется выполнить процессинг.

Чтобы отобразить куба и данные измерений для созданных ранее объектов, необходимо провести развертывание проекта в определенный экземпляр Analysis Services, после чего провести процессинг куба и его измерений. Развертывание проекта Analysis Services создает определенные объекты в экземпляре сервера. Процессинг объектов копирует данные из источника в объекты куба.

Перед запуском процессинга необходимо в свойствах проекта указать сервер SQL для подключения, а также выпуск базы данных, на котором будет развернут данный проект (рисунок 3.18).

Рисунок 3.18 ‒ Свойства проекта

Можно определить несколько конфигураций с разными свойствами. Например, разработчику может понадобиться настроить один и тот же проект для развертывания на различных компьютерах для разработки и с различными свойствами развертывания, такими как имена баз данных. Крайне важным является свойство «Путь вывода». Оно определяет размещает скрипта на языке XMLA по окончании сборки проекта. Эти скрипты используются для развертывания объектов проекта в экземпляре сервера Analysis Services.

Процесс развертывания необходимо подтвердить в соответствующем диалоговом окне (рисунок 3.19). Он может занять некоторое время.

Рисунок 3.19 – Начало сборки и развертывания проекта

SQL Server Data Tools (SSDT) выполняет сборку, а после и развертывание проекта Analysis Services в заданном экземпляре сервера, используя соответствующий XMLA скрипт. При этом прогресс отображается в окне вывода, а также в окне «Прогресс развертывания».

После успешного развертывания инициируется процессинг (рисунок 3.20).

Рисунок 3.20 – Запуск процессинга

Варианты процессинга для OLAP объектов следующие:

• процессинг по умолчанию: SSAS динамически выбирает один из вариантов;

• полный процессинг: сбросить все хранилища объектов и перестроить их. Необходимо выбрать этот вариант, если произошли изменения метаданных;

• обновление: только применить обновления, добавления или удаления измерений;

• добавление: применить только новые данные;

• данные: провести только процессинг данных, не перестраивая индексы или агрегации;

• индекс: процесс, обратный предыдущему – перестроить индексы и агрегации, не затрагивая данные;

• обратный процессинг: удалить данные из объекта;

• структура: сбросить данные и провести процессинг по умолчанию на всех измерениях.

Процессинг может быть произведен параллельно или быть обернутым в транзакцию, чтобы дать возможность откатить прерванный или неудавшийся процесс.

Как и большинство других задач управления SSAS, процессинг реализуется посредством команд в скрипте XMLA, строящемся в фоне.

Этот скрипт также предоставляет возможность пакетной обработки команд.

По окончании выполнения вышеописанных действий, можно приступать к работе с кубом, производить анализ, выполнять построение отчетов, используя только что созданную базу данных Analysis Service в качестве источника данных.

Для этой цели может использоваться, например, программный продукт Microsoft Office Excel (рисунок 3.21).

Рисунок 3.21 – Формирование отчёта в Excel

3.2.6 Просмотр куба в браузере

По окончании развертывания, данные из куба можно просмотреть на вкладке «Браузер» в конструкторе кубов (рисунок 3.22).

Рисунок 3.22 – Просмотр куба в браузере

Аналогичным образом данные измерений отображаются на вкладке «Браузер» в конструкторе измерений.

Просмотр данных куба и измерений – это способ проверить проделанную работу пошагово. Можно удостовериться что изменения в свойства, отношения, и другие объекты внесены корректно после процессинга.

Хоть вкладка «Браузер» и используется для отображения данных как куба, так и измерений, она также предоставляет различные возможности, в зависимости от выводимого объекта (рисунок 3.33).

Для измерений вкладка «Браузер» позволяет просматривать составляющие или перемещаться по всей иерархии вниз. При наличии в модели переводов, можно отображать данные измерения на разных языках.

Рисунок 3.33 – Просмотр куба в браузере

Для кубов есть два подхода к изучению данных. Можно использовать встроенный конструктор запросов MDX, чтобы получать плоский набор строк из многомерной базы данных. В качестве альтернативы может использоваться Excel, как было отмечено выше. Преимущество такого подхода в том, что данные можно исследовать в интерактивном режиме, используя вертикальные и горизонтальные оси для анализа отношений в наборе данных (рисунок 3.34). Для сравнения, в конструкторе запросов MDX есть только одна ось.

Рисунок 3.34 – Работа с OLAP в Microsoft Office Excel

Можно добавить источник данных непосредственно через настройки источника данных Microsoft Office Excel (рисунок 3.35), в качестве альтернативы – через браузер в SQL Server Data Tools, кнопка «Анализировать в Excel».

Функционал Microsoft Office Excel позволяет формировать необходимые отчеты по выбранным полям и измерениям, гибко настраивать вывод, выбирать информацию для отображения в сводной таблице (рисунок 3.36).

Таким образом, можно выводить такие данные, как:

• количество читателей в месяц, квартал;

• количество выданных книг;

• наиболее активные читатели, библиотекари;

• сроки выдачи.

Рисунок 3.35 – Добавление источника данных

Рисунок 3.36 – Формирование отчета в Microsoft Excel

В дальнейшем, конечно, существует возможность при необходимости расширить этот функционал, путем разработки клиентского веб-приложения для работы с данными OLAP-куба. Это довольно распространенная практика, как было установлено в предшествующих главах. Многие корпорации и учреждения используют собственные программные решения, «заточенные» именно под их нужды и требуемый набор функций.

Тем не менее, в подавляющем большинстве случаев, использования сводных таблиц Microsoft Office Excel оказывается более чем достаточно для получения необходимых результатов.

Заключение

В данной выпускной квалификационной работе была поставлена задача определения подходов и ключевых факторов для обеспечения хранения и аналитической обработки данных информационной системы библиотеки с использованием OLAP-технологии.

Для решения поставленной задачи был произведен выбор соответствующих программных продуктов.

Для проектирования БД и работы с ней был выбран программный продукт Microsoft SQL Server Management Studio.

Для непосредственной работы с OLAP-кубом выбрано программное обеспечение SQL Server Data Tools.

Для хранения данных, используя среду Microsoft SQL Server Management Studio, была разработана реляционная база данных. Она состоит из 8 сущностей, в которых располагается вся интересующая нас специализированная информация. Манипуляции с данными осуществляются с помощью языка запросов SQL.

Для оперативного анализа специализированной библиотечной информации, используя продукт Microsoft Office Excel, было разработано многомерное хранилище данных, представленное в виде куба данных, содержащего информацию обо всех основных АРМ библиотеки. Манипуляции над данными осуществляются с помощью языка запросов MDX.

Список используемых источников

1. KAI Development - OLAP-технологии / kaidev.ru [Электрон. ресурс]. – Режим доступа: http://www.kaidev.ru/Pages/Article.aspx?p=OlapAbout

2. KAI Development - Этапы построения OLAP-системы / kaidev.ru [Электрон. ресурс]. – Режим доступа: http://kaidev.ru/Pages/Article.aspx?p=OlapStage

3. Применение OLAP-технологий для учетных систем на платформе 1С / cfin.ru [Электрон. ресурс]. – Режим доступа: http://www.cfin.ru/itm/olap/1c.shtml

4. Введение в многомерный анализ / habrahabr.ru [Электрон. ресурс]. – Режим доступа: https://habrahabr.ru/post/126810/

5. Key Performance Indicators (KPIs) in Multidimensional Models / docs.microsoft.com [Электрон. ресурс]. – Режим доступа: https://docs.microsoft.com/en-us/sql/analysis-services/multidimensional-models/key-performance-indicators-kpis-in-multidimensional-models

6. Data Mining: что внутри / habrahabr.ru [Электрон. ресурс]. – Режим доступа: https://habrahabr.ru/post/95209/

7. Building web-based analysis system / sqlmag.com [Электрон. ресурс]. – Режим доступа: http://sqlmag.com/business-intelligence/building-web-based-analysis-system

8. Data mining techniques / ibm.com [Электрон. ресурс]. – Режим доступа: https://www.ibm.com/developerworks/library/ba-data-mining-techniques/

9. Проектирование баз данных / intuit.ru [Электрон. ресурс]. – Режим доступа: http://www.intuit.ru/studies/courses/3439/681/lecture/14021

10. Проектирование баз данных / habrahabr.ru [Электрон. ресурс]. – Режим доступа: https://habrahabr.ru/company/eastbanctech/blog/173711/

11. Создание аналитического решения в Microsoft SQL Server Analysis Services/ wordpress.com [Электрон. ресурс]. – Режим доступа: https://andreyklochaniy.wordpress.com/2011/03/03/%D1%81%D0%BE%D0%B7%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5-%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE-%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D1%8F-%D0%B2-microsoft-sql-se/

12. Федорова Г.В. "Информационные технологии бухгалтерского учета, анализа и аудита":уч. пособие / Г.В.Федорова,- 2-е изд. стер. – М.: Издательство "Омега -Л", 2006-304 с.: ил. – (Высшее финансовое образование)

13. Михеева Е.В. "Информационные технологии в профессиональной деятельности экономиста и бухгалтера":уч. пособие для студ. сред. проф. образования/ Е.В. Михеева, О.И. Титова- 2-е изд. стер. – М.: Издат. дом "Академия", 2006-208 с.

14. Шадрина, Г.В., Озорнина, Е.Г. Теория экономического анализа/ Московский международный институт эконометрики, информатики, финансов и права - М., 2003.

15. Codd E.F., Codd S.B., Salley C.T. "Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate". Codd & Date, Inc, 1993. Retrieved on 2008-12-11.

16. Nigel Pendse. "What is OLAP? An analysis of what the often misused OLAP term is supposed to mean. Retrieved on 2008-12-11.

17. Nigel Pendse. "OLAP architectures". Retrieved on 2008-12-15.

18. Реинженеринг корпорации: Манифест в бизнесе / Майкл Хаммер, Джеймс Чамли; пер. с англ. Ю. Е. Корнилович. М.: Манн, Иванов и Фербер, 2006.

19. Artificial Neural Networks in Real-Life Applications / Rabunal J. R., Dorrado J. (Eds.). Hershey - London - Melbourne - Singapore: Idea Group Publishing, 2006.

20. Data Mining: Opportunities and Challenges / Wang J. (Ed.). Hershey - London -Melbourne - Singapore - Beijing: Idea Group Publishing, 2003.

21. Оперативный анализ данных/ e-biblio.ru [Электрон. ресурс]. – Режим доступа: http://www.e-biblio.ru/book/bib/01_informatika/inform_analit_systemy/posob/332.2.5.html

40

Характеристики

Список файлов ВКР