СТРУКТУРАХРАНИЛИЩАДАННЫХ–СХЕМА«СНЕЖИНКА»

Еслихотябыодноизизмеренийсодержитсявнесколькихсвязанныхтаблицах,такаясхемахранилищаданныхноситназвание«снежинка»(snowflakeschema).Дополнительныетаблицыизмеренийвтакойсхеме,обычносоответствующиеверхнимуровнямиерархииизмеренияинаходящиесявсоотношении«одинкомногим»стаблицейизмерений,соответствующейнижнемууровнюиерархии,иногданазываютконсольнымитаблицами(outriggertable).Схема«снежинка»изображенанарисунке

Структурахранилищаданных–схема«снежинка»

Еслиизмерение,содержащееиерархию,основанонаоднойтаблицеизмерений,тоонадолжнасодержатьстолбец,указывающийна«родителя»данногочленавэтойиерархии.Например,населенныйпунктвкачестверодителяимеетобласть,область–округ,округ–страну,аустранывкачестверодителяобычноустанавливаетсякакое-либозначениепоумолчанию,соответствующееотсутствиюродителя.Отметим,чтоскоростьростатаблицизмеренийдолжнабытьнезначительнойпосравнениюсоскоростьюростатаблицыфактов;например,добавлениеновойзаписивтаблицуизмерений,характеризующуютовары,производитсятолькоприпоявленииновоготовара,непродававшегосяранее.

Одноизмерениекубаможетсодержатьсякакводнойтаблице(втомчислеиприналичиинесколькихуровнейиерархии),такивнесколькихсвязанныхтаблицах.

Отметим,чтодажеприналичиииерархическихизмеренийсцельюповышенияскоростивыполнениязапросовкхранилищуданныхнередкопредпочтениеотдаетсясхеме«звезда».

ИНТЕЛЛЕКТУАЛЬНЫЙАНАЛИЗДАННЫХ

Стремительноеразвитиеинформационныхтехнологий,вчастности,прогрессвметодахсбора,храненияиобработкиданныхпозволилмногиморганизациямсобиратьогромныемассивыданных,которыенеобходимоанализировать.Объемыэтихданныхнастольковелики,чтовозможностейэкспертовуженехватает.

Насегодняшнийденьинтенсивноразвиваетсянаправление,связанноесинтеллектуализациейметодовобработкиианализаданных.Интеллектуальныесистемыанализаданных(ИСАД)призваныминимизироватьусилиялица,принимающегорешения(ЛПР),впроцессеанализаданных,атакжевнастройкеалгоритмованализа.МногиеИСАДпозволяютнетолькорешатьклассическиезадачипринятиярешения,ноиспособнывыявлятьпричинно-следственныесвязи,скрытыезакономерности.

ТЕХНОЛОГИЯDATAMINING

DataMining–этосочетаниеширокогоматематическогоинструментария(отклассическогостатистическогоанализадоновыхкибернетическихметодов)ипоследнихдостиженийвсфереинформационныхтехнологий.ВтехнологииDataMiningгармоничнообъединилисьстрогоформализованныеметодыиметодынеформальногоанализа,т.е.

-Количественныйикачественныйанализданных.DataMining(добычаданных),

-Интеллектуальныйанализданных,(глубинныйанализданных)—собирательноеназвание,используемоедляобозначениясовокупностиметодовобнаружениявданныхранеенеизвестных,нетривиальных,практическиполезныхидоступныхинтерпретациизнаний,необходимыхдляпринятиярешенийвразличныхсферахчеловеческойдеятельности.

ТерминвведёнГригориемПятецким-Шапиров1989году.ОсновуметодовDataMiningсоставляютвсевозможныеметодыклассификации,моделированияипрогнозирования.КметодамDataMiningнередкоотносятстатистическиеметоды(дескриптивныйанализ,корреляционныйирегрессионныйанализ,факторныйанализ,дисперсионныйанализ,компонентныйанализ,дискриминантныйанализ,анализвременныхрядов).Такиеметоды,однако,предполагаютнекоторыеаприорныепредставленияобанализируемыхданных,чтонесколькорасходитсясцелямиDataMining(обнаружениеранеенеизвестныхнетривиальныхипрактическиполезныхзнаний).

ОдноизважнейшихназначенийметодовDataMiningсостоитвнаглядномпредставлениирезультатоввычислений,чтопозволяетиспользоватьинструментарийDataMiningлюдьми,неимеющихспециальнойматематическойподготовки.Втожевремя,применениестатистическихметодованализаданныхтребуетхорошеговладениятеориейвероятностейиматематическойстатистикой.Знания,добываемыеметодамиDatamining,принятопредставлятьввидемоделей.