Многомерная модель

Многомерные системы, позволяют оперативно обрабатывать информацию, для проведения анализа и принятия решения. В концепции развития информационных систем можно выделить два следующих направления:

1. Системы оперативной обработки

2. Системы аналитической обработки

Данные СУБД являются узко специализированными, предназначенные для интерактивной, аналитической обработки информации.

Основные понятия используемые в этой СУБД

• Агрегируемость – рассмотрение информации на различных уровнях её обобщения. (для аналитика, пользователя, управляющего, или руководителя)

• Историчность – предполагает обеспечение высокого уровня статичности данных, и их взаимосвязей, а также обязательность их привязки ко времени. Временная привязка данных необходима для частого выполнения запросов имеющих значение времени, в составе выборки.

• Прогнозируемость – подразумевает задания функции прогнозирования, и применение к различным временным интервалом.

Многомерность модели данных означает, многомерное логическое представление структуры информации при описании, и в операциях манипулирования данными.

По сравнению с реляционной многомерная организация данных обладает более высокой наглядностью, и информативностью

Модель	Месяц	Объем
ВАЗ	Июнь	12
ВАЗ	Июль	24
ВАЗ	Август	5
ГАЗ	Июнь	2
ГАЗ	Июль	18
ИЖ	Июль	19

Модель	Июнь	Июль	Август
ВАЗ	12	24	5
ГАЗ	2	18	-
ИЖ	-	19	-

Если речь идет о многомерной модели с мерностью больше 2-х, информация представляется в виде многомерных объектов (3-х, 4-х и более мерных гиперкубов)

Основные понятия многомерных моделей данных

• Измерение – множество однотипных данных, образующих одну из граней гиперкуба

• Ячейка (показатель) – поле значение которого однозначно определяется фиксированным набором измерений. Тип поля чаще всего определен как цифровой. В зависимости от того как формируется значения некоторой ячейка, она может быть переменной, либо формулой.

Операции применяемые для многомерной модели данных

1. Срез – подмножество гиперкуба полученное в результате фиксации одного или нескольких измерений.

2. Вращение – применяется при двумерном представлении данных, суть её заключается в изменении порядка измерении, при визуальном представлении данных.

3. Агрегация и детализация – означают соответственно переход к более общему, и к более детальному представлению информации.

Достоинства

• Удобства и эффективность аналитической обработки больших объемов данных связанных со временем.

Недостатки

• Громоздкость для простейших задач, обычной оперативной обработки информации.