Modelo Multidimensional Operaciones OLAP

El Modelo de Datos Multidimensional Vista multidimensional del data warehouse => influencia el diseño de la base de datos, las herramientas front-end, y los motores OLAP. Modelo multidimensional de datos: un conjunto de medidas numéricas son los objetos de análisis. – Ej: ventas, beneficios, duración de llamadas, etc. Adicionalmente existen, asociadas a las medidas, las dimensiones de análisis, que proveen el contexto a las medidas, y se describen mediante atributos. El modelo define una medida como un valor en un espacio multidimensional. Estas medidas pueden también representar datos agregados. Las dimensiones se pueden organizar en jerarquías de agregación.

Tiempo Establecimiento Producto Ventas día semana nro_establec mes id_fecha id_producto id_establec importe unidades nro_clientes Ventas nro_establec nombre dirección distrito ciudad país tlfno fax superficie tipo_almacén ... nro_producto descripción marca subcategoría categoría departamento peso unidades_peso tipo_envase dietético Establecimiento Producto día semana mes año día_semana día_mes trimestre festivo .... Tiempo

Modelo de Datos Multidimensional Ventas de Productos podrían ser representados en una dimensión (como una fact relation) o en dos dimensiones, e.j. : clients and products Fact Relation Cubo de dos dimensiones 2D_ Cube

Modelo de Datos Multidimensional Fact relation 3-dimensional cube day 2 day 1

Crear Esquema e Insertar valores CREATE DATABASE VENTAS_DM, USE VENTAS_DM; CREATE TABLE SALE (product char(2), client char(2), date char(1), amt int); INSERT INTO SALE VALUES ( 'p1', 'c1', '1', 12), ( 'p2', 'c1', '1', 11), ( 'p1', 'c3', '1', 50), ( 'p2', 'c2', '1', 8), ( 'p1', 'c1', ‘2', 44), ( 'p1', 'c2', ‘2', 4);

Modelo de Datos Multidimensional y Funciones de Agregación Sumar las cantidades (Amt) del día 1 (Date) En SQL: SELECT sum(Amt) FROM SALE WHERE Date = 1 result 81

Modelo de Datos Multidimensional y Funciones de Agregación Sumar las cantidades por día En SQL: SELECT Date, sum(Amt) FROM SALE GROUP BY Date result

Modelo de Datos Multidimensional y Funciones de Agregación Sumar cantidades por client, product En SQL: SELECT product, client, sum(amt) FROM SALE GROUP BY product, client

11.11.2. GROUP BY Modifiers Ver archivo del Manual de Referencia MySQL MySql_groupBy_rollUp.docx

Modelo de Datos Multidimensional y Funciones de Agregación En el Modelo de Datos Multidimensional junto con valores de medición se almacena información sumarizada (agregados)

Funciones de Agregación Operadores: sum, count, max, min, average Claúsula “Having” Usando Jerarquías de dimensión Promedio por región (tienda -- store) Máximo por mes (fecha -- date)

Cube Aggregation (Agregación del Cubo) Ejemplo: calculando sumas day 2 . . . day 1 129

Cube Operators Operadores del Cubo day 2 . . . day 1 sale(c1,*,*) 129 sale(c2,p2,*) sale(*,*,*)

Cube * day 2 sale(*,p2,*) day 1

Agregación Usando Jerarquías day 2 day 1 customer region country (customer c1 en Region A; customers c2, c3 en Region B)

Agregación Usando Jerarquías client city New Orleans 10 3 21 c1 c2 12 5 9 region 11 7 7 Poznań c3 Date of sale 12 11 15 c4 Video CD Camera agregación con respecto a city

Ejemplo de Data Cube All, All, All Date Product C o u n t r y camera 1Q 2Q 3Q 4Q sum camera C o u n t r y Product video USA CD sum Canada Mexico sum All, All, All

Ejercicio (1) Suponga que AAA Automobile Co. construye una data warehouse para analizar las ventas de sus autos. La medida measure - price de un auto Se necesita responder las siguientes consultas típicas: encontrar las ventas totales por día, semana, mes y año encontrar las ventas totales semana, mes y año, ... para cada agencia encontrar las ventas totales semana, mes y año, ... Para cada modelo de carro encontrar las ventas totales por mes para todos las agencias en una ciudad, región y estado dados.

Ejercicio (2) Dimensiones: time (day, week, month, quarter, year) dealer (name, city, state, region, phone) cars (serialno, model, color, category , …) Diseñe el esquema conceptual de la datawarehouse

Datawarehouse de AAA Automobile Co. Name City State Region Phone Dealer Day Week Month Quarter Year Date Price Fact Table Date Dealer Car SerialNo Model Color Category Car unit_prices descount total Measurements

AAA Co. DataWarehouse date dateid day week month year price unitprice car date dealer name serialNo name city state region phone serialNo model color category desc. total date day week month year dateid

Esquema de la DataWarehouse AAA (tarea) car serialno model color category A1000 Lupo plata compacto B2000 Jetta azul sport C3000 Passat negro lujo date dateId day week month quarter year 01-01-06 01 1 2006 01-03-06 03 01-05-06 05 2 price unitprice date name serialno desc total 110000 01-01-06 Dorada A1000 10 99000 160000 01-03-06 Angelópolis B2000 15 136000 280000 01-05-06 Centro C3000 25 210000 dealer name city state region phone Dorada Puebla SW 7557705 Angelópolis 7566311 Centro 7557777

Consultas a AAA Datawarehouse encontrar las ventas totales por día, semana, mes y año SELECT day, sum(total) FROM PRICE, DATE WHERE date= dateid GROUP BY day AÑADIR ROLLUP

Consultas a AAA Datawarehouse encontrar las ventas totales por día, semana, mes y año encontrar las ventas totales semana, mes y año, ... para cada agencia encontrar las ventas totales semana, mes y año, ... Para cada modelo de carro encontrar las ventas totales por mes para todos las agencias en una ciudad, región y estado dados.

OLAP Servers Relacional OLAP (ROLAP): Multidimensional OLAP (MOLAP): DBMS relacional extendido que mapea operaciones en datos multidimensionales a operaciones relacionales estandar Almacen toda la información incluyendo fact tables como relaciones Multidimensional OLAP (MOLAP): Servidor de propósito especial que directamente implementa operaciones y datos multidimensionales Almacena conjuntos de datos multidimensionales como arreglos

OLAP Servers OLAP Híbrido (HOLAP): Da a los usuarios y administradores del sistema la libertad para seleccionar particiones.

OLAP Queries (Consultas) Roll up: resume datos dentro de una jerarquía de dimensión Si sabemos el volumen total de ventas por ciudad es posible agregar sobre la ubicaión (location) para obtener ventas por estado

OLAP Queries client city region roll up 10 3 21 New Orleans c1 c2 12 5 9 region 11 7 c3 7 Date of sale Poznań 12 11 15 c4 video CD Camera roll up

OLAP Queries Roll down, drill down: ir desde alto nivel de resumen hasta bajo nivel de resumen o datos detallados Para una categoría de producto particular, encontrar el detalle de ventas para cada vendedor por fecha Dado el total de ventas por estado, se pueden pedir las ventas por ciudad; o solo las ventas por ciudad para un estado seleccionado

OLAP Queries day 2 day 1 129 drill-down rollup

OLAP Queries Slice and dice: select and project Ventas de video en USA en los últimos 6 meses Slicing and dicing reducen el número de dimensiones Pivot: reorientar el cubo El resultado del pivoteo es llamado cross-tabulation Si se pivotea el cubo Sales en las dimensiones Client y Product, se obtiene una tabla para cada client para cada valor de product

OLAP Queries Pivoteo puede ser combinado con aggregation day 2 day 1

OLAP Queries Ranking: selección de los primeros n elementos (e.j. select los 5 mejores productos comprados en Julio) Otros: stored procedures, etc. Time functions e.j., time average