Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Analysis Services 2008 dr inż. Łukasz Piątek Wyższa Szkoła Informatyki i Zarządzania z siedzibą w Rzeszowie Katedra Systemów Ekspertowych i Sztucznej Inteligencji,

Podobne prezentacje


Prezentacja na temat: "Analysis Services 2008 dr inż. Łukasz Piątek Wyższa Szkoła Informatyki i Zarządzania z siedzibą w Rzeszowie Katedra Systemów Ekspertowych i Sztucznej Inteligencji,"— Zapis prezentacji:

1 Analysis Services 2008 dr inż. Łukasz Piątek Wyższa Szkoła Informatyki i Zarządzania z siedzibą w Rzeszowie Katedra Systemów Ekspertowych i Sztucznej Inteligencji, Instytut Informatyki Biomedycznej

2 Plan prezentacji Wprowadzenie Tworzenie kostki OLAP w Analysis Services 2008: zdefiniowanie źródła danych (*.ds), utworzenie widoku na źródło danych (*.dsv), oraz budowa kostki (*.cube), Ustalanie (modyfikowanie) wymiarów, Przeglądanie kostki: środowisko SQL Server Business Intelligence Management Studio, oraz klient Microsoft Excel 2007, Część teoretyczna oraz część praktyczna (ćwiczenie).

3 Część teoretyczna 1. Wprowadzenie

4 Wprowadzenie SQL Server Analysis Services – narzędzie umożliwiające analizę danych zapisanych w hurtowni danych, Dostęp do: serwera bazy danych MS SQL Server 2005/2008, oraz zainstalowaną usługę Analysis Services, Szkoleniowe bazy danych: AdventureWorks – relacyjna baza danych, AdventureWorksDW – hurtownia danych,

5 Wprowadzenie (c.d.) Hurtownia danych AdventureWorksDW: tabele wymiarów (prefiks Dim), tabele faktów (prefiks Fact), 16 tabel wymiarów oraz 6 tabel faktów:

6 Wprowadzenie (c.d.2) Wykorzystanie 2-óch tabel faktów: FactInternetSales, oraz FactResellerSales, Uproszczony diagram:

7 Wprowadzenie (c.d.3) Tabele faktów: FactInternetSales – informacje o sprzedaży produktów przez Internet, oraz FactResellerSales – informacje o sprzedaży produktów odsprzedawcom, Analiza sprzedaży internetowej według wymiarów: DimCustomer – wymiar klienta zamawiającego produkty przez Internet, DimProduct – wymiar sprzedawanego produktu, DimSalesTerritory – wymiar obszaru sprzedaży, DimPromotion – wymiar szczególnych ofert na sprzedaż produktów, oraz DimTime – wymiar czasu, wymiar czasu jest związany z tabelą faktów FactInternetSales trzema związkami - w tabeli FactInternetSales rejestruje się datę zamówienia, datę płatności oraz datę wysyłki, hierarchia wymiarów dla wymiaru klienta oraz wymiaru klienta (DimCus- tomer -> DimGeography -> DimSalesTerritory oraz DimProduct -> DimPro- ductSubcategory -> DimProductCategory)

8 Wprowadzenie (c.d.4) Sprzedaż produktów odsprzedawcom analizowana według wy- miarów: DimReseller – wymiar firmy (hurtowni, sklepu) zamawiającej produkty, DimProduct – wymiar sprzedawanego produktu, DimSalesTerritory – wymiar obszaru sprzedaży, DimEmployee – wymiar pracownika sprzedającego produkt, DimPromotion – wymiar szczególnych ofert na sprzedaż produktów, oraz DimTime – wymiar czasu, wymiar czasu jest związany z tabelą faktów FactInternetSales trzema związkami - w tabeli FactInternetSales rejestruje się datę zamówienia, datę płatności oraz datę wysyłki, hierarchia wymiarów dla wymiaru odsprzedawcy, wymiaru pracownika oraz wymiaru produktu (DimReseller -> DimGeography -> DimSales- Territory, DimEmployee -> DimSalesTerritory oraz DimProduct -> DimPro- ductSubcategory -> DimProductCategory)

9 Część teoretyczna 2. Budowa kostki OLAP

10 Budowa kostki OLAP (przykład) SQL Server Business Intelligence Development Studio – środowisko do budowy kostki OLAP, Tworzenie nowego projektu, w oparciu o szablon Analysis Servi- ces Project:

11 Utworzenie projektu Okno początkowe projektu: typ projektu (Analysis Services Project), oraz nazwa i lokalizacja:

12 Utworzenie projektu (c.d.) Okno (środowisko) tworzenia kostki: połączenie ze źródłem danych, utworzenie widoku źródła danych, oraz budowa kostki:

13 Budowa kostki OLAP (c.d.3) Tworzenie nowego źródła danych (baza danych AdventureWorks- 2008):

14 Łączenie ze źródłem danych Data Source Wizard: wybór istniejącego połączenia, lub/oraz utworzenie nowego połączenia:

15 Łączenie ze źródłem danych (c.d.) Data Source Wizard - wybór zdefiniowanego połączenia:

16 Łączenie ze źródłem danych (c.d.2) Definiowanie danych uwierzytelniających, używanych przy połą- czeniu Analysis Services ze źródłem danych:

17 Łączenie ze źródłem danych (c.d.3) Ustawienie nazwy źródła danych:

18 Łączenie ze źródłem danych (c.d.4) Zdefiniowane źródło danych (plik *.ds):

19 Tworzenie widoku źródła danych Po zdefiniowaniu źródła danych należy utworzyć widok na źródło danych (Data Source View): widok na źródło danych to ujednolicony widok na metadane z wybranych tabel i perspektyw źródłowych, zgromadzenie metadanych w widoku tego typu umożliwia podczas projektowania pracę bez otwierania połączenia do źródła danych, oraz ograniczenie widoku jedynie do tych tabel, które będą wykorzystywane w kostce:

20 Tworzenie widoku źródła danych (c.d.) Kreator widoku na źródło danych (źródło AdventureWordkDW):

21 Tworzenie widoku źródła danych (c.d.2) Okno wyboru tabel (oraz perspektyw) do widoku: lewa – wszystkie tabele i perspektywy ze źródła danych, prawa – tabele (i perspektywy) wybrane do widoku:

22 Tworzenie widoku źródła danych (c.d.3) Ustawienie nazwy widoku na źródło danych:

23 Tworzenie widoku źródła danych (c.d.4) Zdefiniowany widok na źródło danych (plik *.dsv):

24 Tworzenie widoku źródła danych (c.d.5) Po zakończeniu tworzenia widoku pojawia się okno projektowa- nia widoku:

25 Tworzenie widoku źródła danych (c.d.6) Okno Properties – określanie właściwości zaznaczonego obiektu: Okno Tables – nazwy tabel określone zarówno w widoku, jak i w źródle danych:

26 Budowa kostki Po zdefiniowaniu (i) źródła danych oraz (ii) widoku na źródło da- nych rozpoczyna się proce budowy kostki:

27 Budowa kostki (c.d.) Okno wyboru metody budowy kostki: budowa kostki, w oparciu o istniejące źródło danych, lub budowa kostki bez wykorzystania źródła danych, Auto build – automatyczne tworzenie wymiarów oraz hierarchii wymiarów:

28 Budowa kostki (c.d.2) Wybór widoku na źródło danych dla kostki:

29 Budowa kostki (c.d.3) Analiza związków pomiędzy tabelami – identyfikacja tabel faktów oraz tabel wymiarów:

30 Budowa kostki (c.d.4) Okno z tabelami rozpoznanymi jako (i) tabele faktów oraz (ii) ta- bele wymiarów (ew. wprowadzanie korekt): Wymiar czasu – szczególny wymiar, obecny w każdej hurtowni da- nych.

31 Budowa kostki (c.d.5) Przyporządkowanie kolumn z tabeli wymiaru czasu do predefinio- wanych jednostek czasu: Jednostki predefiniowane Kolumny z tabeli

32 Budowa kostki (c.d.6) Okno wyboru miar do analizy w kostce: Kreator uznaje za miary wszystkie atrybuty z tabeli faktów, które nie są kluczami obcymi z wymiarów, Jako wymiary kreator przyporządkowuje jedynie te, które dostępne są w widoku na źródło danych. Jeśli w tabeli faktów były jeszcze jakieś inne klucze obce odnoszące się do wymiarów, które nie zostały uwzględnione w widoku, wówczas klucze te zostaną przez kreator uznane za miary.

33 Budowa kostki (c.d.7) Okno z tabelami rozpoznanymi jako (i) tabele faktów oraz (ii) ta- bele wymiarów (ew. wprowadzanie korekt): Wymiar czasu – szczególny wymiar, obecny w każdej hurtowni da- nych.

34 Budowa kostki (c.d.8) Opcja Auto build umożliwia wykrycie przez kreator hierarchii wy- miarów – zdefiniowana na podstawie danych z tabel wymiarów, poprzez ustalenie istnienia hierarchicznych związków pomiędzy kolumnami:

35 Budowa kostki (c.d.9) Wymiary (oraz hierarchie) utworzone w kreatorze: Hierarchie mogą wystąpić zarówno w jednej tabeli (Promotion, Time), jak i w wielu tabelach (Product, Customer):

36 Budowa kostki (c.d.10) Przeglądanie atrybutów poszczególnych wymiarów:

37 Budowa kostki (c.d.11) Ustawienie nazwy kostki i zakończenie działania kreatora:

38 Część teoretyczna 3. Przeglądanie danych

39 Przeglądanie danych Okno projektu – struktura utworzonej kostki: Kostka oraz 5 wymiarów Miary Wymiary

40 Przeglądanie danych (c.d.) Okno projektu – karty do przeglądanie/edycji właściwości kostki: Karty: Cube Structure – modyfikacja architektury kostki (m.in. zmiana własności miar), Dimension Usage – (i) definiowanie związków pomiędzy miarami a grupami miar oraz (ii) ustalenia ziarnistości każdego wymiaru w każdej grupie miar (grupa to miara jednej tabeli faktów), Calculations – (i) sprawdzenie poprawności zdefiniowanych pól wyliczenio- wych, (ii) definiowanie nowych pól wyliczalnych oraz (iii) przeliczanie ist- niejących, KPIs – tworzenie oraz modyfikacji tzw. kluczowych wskaźników wydajności (ang. Key Performance Indicator). Możliwość ustalenia informacji takich jak (i) czy dana wartość przekroczyła/ nie osiągnęła założoną wartość, (ii) czy trend jest rosnący/malejący, itp..

41 Przeglądanie danych (c.d.2) Okno projektu – karty do przeglądanie/edycji właściwości kostki: Karty: Actions – tworzenie oraz modyfikacja akcji (np. związanych z raportowa- niem, czy drążeniem - drillthrough), Partitions – tworzenie oraz zarządzanie partycjami kostki. Partycje umoż- liwiają przechowywanie pewnych części kostki, takich jak np. definicje agregacji, Perspectives – tworzenie oraz zarządzanie perspektywami (agregacjami), Translations – tworzenie oraz zarządzanie tłumaczeniami nazw obiektów kostki (np. nazwy miesięcy, produktów, itp..), Browser – przeglądanie danych kostki,

42 Przeglądanie danych (c.d.3) Określenie pól wyliczalnych oraz kluczowych wskaźników wydaj- ności, definiowanie akcji oraz przeglądanie danych jest możliwe dopiero po przetworzeniu kostki, Po wejściu na odpowiadające tym czynnościom karty pokaże się błąd:

43 Przeglądanie danych (c.d.3) Przed przystąpieniem do oglądania danych należy umieścić projekt w określonej instancji Analysis Services w celu stworzenia zdefiniowanych obiektów, Następnie należy przetworzyć kostkę oraz jej wymiary, w celu skopiowania danych ze źródła do obiektów kostki, Zanim kostka zostanie przetworzona należy określić na jakim serwerze będą przechowywane dane:

44 Przetwarzanie kostki Opcja Deploy – przetwarzanie kostki:

45 Przetwarzanie kostki (c.d.) Budowa kostki: Umieszczenie projektu w określonej lokalizacji (Deploy), oraz Przetwarzanie kostki (Process):

46 Przetwarzanie kostki (c.d.2) Zakończenie procesu Deploy:

47 Przeglądanie (analiza) danych Przeglądanie oraz analiza danych – okno projektowania kostki (karta Browser). Pojawi nam się ponownie informacja o błędzie – kliknąć link przeładowujący przeglądarkę:

48 Przeglądanie (analiza) danych (c.d.)

49 Przeglądanie (analiza) danych (c.d.2) Okno do analizy danych przypomina tabelę przestawną Microsoft Excel:

50 Przeglądanie (analiza) danych (c.d.3) Przykład prostej analizy – kwoty zakupów dokonanych przez In- ternet przez klientów w rozbiciu na kategorie produktów. Należy: w wierszach umieścić pole Customer z wymiaru Customer, w kolumnach hierarchię produktów z wymiaru Product, oraz w polu filtru kwartał daty zamówienia.

51 Przeglądanie (analiza) danych (c.d.4) Wynik:

52 Przeglądanie (analiza) danych (c.d.5) Modyfikacja – wybór danych jedynie dla 1-go oraz 3-go kwartału:

53 Przeglądanie (analiza) danych (c.d.6) Modyfikacja – dane jedynie w 1-szym oraz 3-cim kwartale 2002:

54 Przeglądanie (analiza) danych (c.d.7) Przy hierarchii można dokonywać analiz chodząc po jej pozio- mach: przejście na niższy poziom hierarchii (drill down) – w tym przypadku do podkategorii produktu, a następnie do produktu, wejście na wyższy poziom hierarchii (drill up), Hierarchię rozwijamy/zwijamy klikając znak plus (minus).

55 Część teoretyczna 4. Modyfikowanie miar kostki

56 Modyfikowanie miar w kostce Problemy (pytania): Czym jest na przykład produkt o numerze 314? Czym jest kategoria 1? Modyfikacja: Ustawienie bardziej stosownych formatów dla miar, oraz Zmiana nazw miar na bardziej intuicyjne dla użytkownika. Zmiana miary: wybór opcji View Designer, zaznaczenie w oknie Measures miary, którą należy zmienić, wybranie w oknie Properties właściwości, którą należy zmienić i ustawienie jej nowej wartości.

57 Modyfikowanie miar w kostce (c.d.) Przykład 1 – zmiana miary Order Quantity i ustawienie dla niej właściwości FormatString na #,#:

58 Modyfikowanie miar w kostce (c.d.2) Przykład 1 – zmiana nazwy miary Unit Price na język polski – należy zaznaczyć miarę, po czym ustawić właściwość Name:

59 Część teoretyczna 5. Wyświetlanie danych w oknie projektu kostki 6. Wyświetlenie danych w Microsoft Excel

60 Wyświetlenie danych w oknie projektu

61 Wyświetlenie danych w Excelu

62 Część praktyczna Przykład (demonstracja oraz samodzielne ćwiczenie)

63 Wprowadzenie Bazy danych: AdventureWorks – relacyjna baza danych, AdventureWorksDW – hurtownia danych,

64 Wprowadzenie (c.d.) Hurtownia danych AdventureWorksDW (2008R2): tabele wymiarów (prefiks Dim), tabele faktów (prefiks Fact), 16 tabel wymiarów oraz 9 tabel faktów:

65 Wprowadzenie (c.d.2) Dane z tabeli faktów dbo.FactInternetSales:

66 Tworzenie kostki OLAP Założenia – do budowy kostki należy wykorzystać 7 tabel wymiarów oraz 1 tabelę faktów: DimCustomer, DimGeography, DimDate, DimProduct, DimProductCategory, DimProductSubcategory, DimPromotion, oraz FactInternetSales

67 Tworzenie kostki OLAP (c.d.) Wyświetlenie danych gotowej kostki w oknie projektu:

68 Tworzenie kostki OLAP (c.d.) Wyświetlenie danych gotowej kostki w programie MS Excel:

69 Wyższa Szkoła Informatyki i Zarządzania ul. Sucharskiego 2, Rzeszów, Polska Dziękuję za uwagę…


Pobierz ppt "Analysis Services 2008 dr inż. Łukasz Piątek Wyższa Szkoła Informatyki i Zarządzania z siedzibą w Rzeszowie Katedra Systemów Ekspertowych i Sztucznej Inteligencji,"

Podobne prezentacje


Reklamy Google