Dept. of CSE, Ewha Womans Univ.

Slides:



Advertisements
Similar presentations
마이크로소프트 OLAP 및 리포팅 솔루션을 근간으로 기간 시스템과 연계한 분석 시스템 구축 방안 우철웅기술이사컨설팅사업부 ㈜인브레인 I N B R E I N.
Advertisements

SQL Server 2005 기반의 Microsoft Business Intelligence 전략 박명은 차장 SQL Technology Specialist 기술사업부 기업고객사업 한국마이크로소프트.

Table of Contents I. OLAP 의 이해 II. OLAP의 CRM 적용 사례 III. 향후 OLAP의 발전 방향.
CRM의 이론과 사례.
MrDataBld 2.x 제품 소개 2007.
Data Warehouse 이현우
CRM 추진 제안서 OVERVIEW CRM PROCESS 고객 DB 구축 프로세스 고객 DB 분석 프로세스
2.1 In-Memory Computing 디스크 기반 데이터베이스에서 인메모리 기반 데이터베이스로 BW시스템 전환
삼성 SDS 멀티캠퍼스 데이터웨어하우스, OLAP, 데이터 마이닝 삼성 SDS 멀티캠퍼스
Chapter 7 데이터웨어하우징 의사결정지원시스템.
데이터베이스 시스템.
빅데이터 분석 과정.
12. 비즈니스 인텔리전스(BI)와 의사결정시스템(DSS)
ERP(Enterprise Resource Planning)
INI STEEL 성과관리시스템 구축을 위한 SAP 제안설명회
BW & CDRS 활용 사례 BW & CDRS 활용 사례 강남 세브란스병원 의료정보팀 김홍재 파트장.
빅데이터 순환 과정과 플랫폼.
DBMS실습(I) 데이터베이스 기본개념 2015년 1학기 동서울대학교 컴퓨터소프트웨어과.
Information Technology
Toad for SQL Server 제품 소개서 – 프로넷소프트㈜.
Enterprise Data Warehouse
데이터마이닝의 소개 Data Mining Introduction
12. 데이터베이스 설계.
Excel OLAP Reporting / OWC를 이용한
데이터 베이스 란? 데이터 베이스 기능 데이터 베이스 관리 시스템 정보시스템의 구성 관게형 데이터 베이스
사용자의, 사용자에 의한, 사용자를 위한 APT.상가 분양임대관리 System 제안서
Korea University of Technology and Education Hongyeon Kim
데이터 웨어하우스 목차 1.데이터 웨어하우스 개발방법론 2슬라이드~13슬라이드
제 9 장 데이터웨어하우스의 개요.
경상 Forum June 4, 2002 Department of Statistics Sehyug Kwon
데이터웨어하우스(DW)
데이터 웨어 하우스 이병규 김기훈.
SQL Server 2000, SQL Server 2005 비교 자료
장윤석과장 Technology Specialist (주)한국마이크로소프트
마케팅 분석 시스템 개발 방법론 2004년 5월 27일 ㈜비아이솔루션 김환태
SSAS 변화된 구조와 사용자 분석 화면 구현 우철웅 기술이사 BI 사업부 인브레인.
BPMS의 이해 (Business Process Management System)
Of Data Warehouses, Operational Data Stores, Data Mart and Data ‘outhouse’ 경영정보학과 양동주 경영정보학과 차시현 경영정보학과 이휘성 경영정보학과
Data Modeling Database 활용을 위한 기초 이론 Database의 개요 Data Modeling
CRM에서의 Data Quality Management
ER-Win 사용 방법.
1.BW 기본개념과 구조의 이해 Sep 2004 이웨어시스템 (주) EWARESYSTEM.
소프트웨어시스템 실험 Software Systems Lab. 데이터베이스 기초
제 2 장 데이터베이스 시스템 개념과 아키텍처 Fundamentals of Database Systems
1장. 데이터베이스 시스템 컴퓨터를 사용하여 정보를 수집하고 분석하는데 데이터베이스 기술이 활용되고 있음
게임에서 공공까지, 국내 실 사례들로 본 빅데이터 융합 분석
인터넷 마케팅 전략.
01 데이터베이스 개론 데이터베이스의 등장 배경 데이터베이스의 발전 과정 데이터베이스의 정의 데이터베이스의 특징
사업계획/예산수립을 위한 OLAP구현방안
한국산업교육협회컨설팅 대표 이 응 갑 보고서 클리닉 한국산업교육협회컨설팅 대표 이 응 갑
『디지털 기업을 위한 경영정보시스템』 홍일유 著 ⓒ 2005 Ilyoo B. Hong. All Rights Reserved
제 9장: 파일과 데이터베이스 데이터 구성에서부터 데이터 채굴 까지.
세일즈분석/분석CRM을 위한 데이터마이닝 활용방안
4. 관계 데이터베이스 (Relational Database)- 7, 8장
제 8 장 객체지향 데이타베이스와 데이타베이스의 새로운 응용 분야
(Data Exploration & Analysis)
ERP 시스템의 구축 ERP 시스템의 구축 기업이 ERP 시스템의 도입을 검토하는 단계에서부터 실제 업무에 적용하고 사후관리에 들어가는 단계에 이르기까지 시스템을 효과적으로 사용하기 위해 필요한 모든 활동.
의사결정지원시스템 개요 Database DBMS D G M S MBMS Modelbase User Interface
시스템 분석 및 설계 글로컬 IT 학과 김정기.
프로젝트 명칭 학생 이름 | 담당 교사 이름 | 학교
13.1 정보시스템의 개요 13.2 정보시스템의 개발 13.3 시스템 검사 13.4 시스템 문서화
공공기관의 통합성과관리시스템 구축방안 ㈜아이에스앤에프 대표 박정수 ㈜아이에스앤에프.
Data Warehouse 구축 (설계 위주)
1장. 서 론 데이터베이스의 개요 모델의 종류 관계형 모델과 객체 지향형 데이터베이스 SQL이란 무엇인가?
워드데이터 삽입 엑셀 차트의 삽입 소리와 동영상 삽입 워드 문서로 파일 저장
ER-관계 사상에 의한 관계 데이터베이스 설계
1. 데이터베이스 환경.
제9장 경영의 통제와 경영정보시스템.
Presentation transcript:

Dept. of CSE, Ewha Womans Univ. OLAP 테크놀로지 제1부: OLAP의 이해 1장: OLAP의 이해 2장: OLAP 히스토리 3장: 데이타웨어하우징과 OLAP Prof. Hwan-Seung Yong Dept. of CSE, Ewha Womans Univ. http://dblab.ewha.ac.kr/hsyong

H.S. Yong, Ewha Womans Univ. OLAP의 정의 그림 1.1 P 전자 매출액 분석 이 달의 각 권역별 매출액을 전년 동월과 비교한 결과는? Drill-Down: 강남권의 매출 정보는? Drill-Down: 압구정점에서 각 제품별 매출액은? 제품별 목표대비 실적현황은? Online으로 분석(Analysis) 처리: OLAP 1993년 E.F.Codd에 의해 정의 최종 사용자가 다차원 정보에 직접 접근하여 대화식으로 정보를 분석하여 의사결정에 활용하는 과정 다차원 정보란? 다양한 관점/각도에서 정보를 재구성하여 조회, 그림 1.2 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. OLAP 히스토리 그림 2.1 1962년 다차원 프로세싱의 개념 탄생 1972년 EXPRESS 분석 소프트웨어 등장 1999년 Microsoft OLAP 등장: 대중화 및 표준화 OLAP Council 설립, 표준화 기여 OLAP API RDB처럼 표준화 추진 기업의 데이터가 중요한 전략적 자산 최근에 많은 제품들이 등장 RDB Vendor들도 자사 제품에 포함 국내에서도 관심 증대 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 데이타웨어하우징과 OLAP 운영시스템(Operational system) Transation Processing sytstem: OLTP 은행 업무, 비행기 예약 등 일상적 업무 처리 영역 의사결정 지원시스템(Decision support system) 다양한 DSS 시스템의 개발 및 활용: 그림 3.1의 현상 발생 데이터 웨어하우징 기존 시스템의 한계 극복, 그림 3.2 분산된 DSS 시스템을 통합 DB가 응용시스템의 데이터를 통합한 것과 동일 아키텍쳐: 그림 3.3 데이터 추출 및 가공: Extraction, Transformation, cleansing 추출 및 변형 과정에서 Mapping rule 등의 부가 데이터를 메타 데이터로 관리, 통제: Metadata Repository로 중앙집중적으로 관리 RDB의 시스템 카탈로그 참조 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 데이터 웨어하우스와 데이터 마트 Data Mart: 이해가 동일한 사용자 집단에 특화된 DW 응답 성능 향상 및 부서별 데이터 관리 그림 3.4 웨어하우스로의 Drill-Through가 필요 상세한 FACT DATA가 필요한 경우 데이터 마트의 종류 종속형 데이타마트: 그림 3.5 Top down approach DW를 구축한 후에 Mart를 구축: DW에 종속적(dependent) 독립형 데이타마트 Bottom up approach DW없이 구축:DW 구축 비용 및 절차 생략 단발적 솔루션(point-solution)의 가능성 데이터 통합이 부분적으로 구성, 사업 부서 사이의 연계적 부분(cross function)이 부족 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 웨어하우스 액세스 툴 Query & Reporting Tool 기존의 RDB에서 사용된 전통적인 도구 OLAP Tool Data Mining Tool 현재 가장 많이 사용되는 도구 데이터 웨어하우징과 OLAP 그림 3.6, 구축: Warehousing, 활용: OLAP H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 메타 데이터 관리 웨어하우스의 관리를 위한 메타데이타 추출될 데이터 추출된 데이터의 변환 규칙 웨어하우스 데이터와의 대응관계 추출 주기 등 다양한 Vendor의 제품에 따른 형식 상이, 데이터 교환 문제! Meta Data Coalition 다양한 툴간의 메타 데이터 교환을 위한 표준 정의 1996년 MDIS(Meta Data Interchange Spec) 정의 Http://www.mdcinfo.com Microsoft의 OIM(Open Information Model) UML, XML 기반 정의, de facto standard? H.S. Yong, Ewha Womans Univ. 2000/3/9

4장: 다차원 모델의 구성요소 5장 스타 스키마 6장 차원 및 큐브의 이해 제2부 다차원 모델 4장: 다차원 모델의 구성요소 5장 스타 스키마 6장 차원 및 큐브의 이해

H.S. Yong, Ewha Womans Univ. 4장. 다차원 모델의 구성 요소 차원과 차원 항목 다차원 모델은 큐브(cube)로 표현 차원(dimension)은 큐브의 축(axis) 예) 변수, 매장, 제품의 3개 차원 큐브, 그림 4.1 차원 항목은 차원을 구성하는 멤버(member, element) 제품 차원은 냉장고, 세탁기 등, 변수 차원은 매출액, 수량 등 4차원 이상의 경우 시각화가 곤란 5차원 큐브의 예: 그림 4.2, 큐브와 셀 셀: 큐브의 차원 조합으로 만들어지는 공간, 데이터가 저장 셀의 개수: 차원 항목의 조합 수 그림 4.3 및 셀의 참조 예: 그림 4.4 셀은 논리적으로 존재하는 가상 공간, 물리적으로 없을 수 있음 예) 반포 매장에서 냉장고 판매가 없는 경우 데이터는 없음. 데이터의 희박성(sparsity) H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 계층 구조 차원들은 계층 구조를 가진다. 그림 4.5의 기간 차원 계층 구조 예, 총 19개 항목으로 구성 항목들간의 Parent, Child, sibling의 관계 루트 항목과 리프 항목(detail) Ancestor와 descendent 관계 복수의 계층 구조 항목들의 그룹핑 구조가 계층, 분석을 용이하게 함. 그림 4.6과 같이 매장 차원을 지역/부서별 2개 계층으로 구성 계층 구조는 데이터가 집계(aggregation, 또는 consolidation)되는 경로임 다중 parent가 가능함 계층 구조에 이름을 부여하여 구별 가능 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 레벨 계층에는 다단계 레벨이 있음 레벨: 계층 구조상의 거리: 그림 4.7 Generation: 루트에서 동일 거리의 항목들 계층 구조의 종류 대칭 계층 구조(symmetric, balanced): 그림 4.7 비대칭 계층 구조(asymmetric, unbalanced, ragged): 그림 4.8 OLAP 제품마다 비대칭 계층 지원 여부에 차이 차원 항목들의 부분 집합으로 볼 수 있음. 그림 4.9 ORACLE DISCOVERER의 계층 구조 표현 예 계층과 레벨을 이용한 항목의 상대적 참조에 사용 1월, 2월, 3월 대신 1/4분기의 차일드 1월, 2월,…, 12월 대신 ‘월’ 레벨의 항목 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 애트리뷰트 차원을 구성하는 항목들의 특성, 또는 property 예) “제품의 특정 색상에 따른 매출액?” 이때 제품 차원의 색상이 애트리뷰트(attribute)임 예) 매장 차원의 경우 주소, 전화번호, 담당자, 매장 크기, 개점일 등 OLAP 제품마다 애트리뷰트 처리가 상이 ROLAP에서 차원의 레벨과 애트리뷰트는 테이블의 열로 동일하게 취급 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 관계식 변수차원 예: 매출액과 매출수량 새로운 항목을 기존 항목 사이의 관계식으로 유도 가능 평균매출가격=매출액/매출수량 Spreadsheet에서 다양한 계산식 활용과 유사: 그림 4.10 OLAP 툴마다 관계식 지원 상이 Essbase에서의 관계식 정의 예: 그림 4.12 대체로 변수 차원에 한정: 수치 데이터 수치가 아닌 항목들간의 관계식과 응용 분야는? 계층 구조와 관계식 계층 구조는 큰 의미에서의 관계식 1/4분기 항목은 차일드 항목간에 덧셈연산 관계 1/4분기=1월+2월+3월(additive relationship) H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 차원간 관계식 차원내 (intra-dimension)의 항목간외에도 차원간(inter-dimension)의 관계식도 가능 예1) 변수 차원: 매출액, 세금이 있고, 제품유형에 따라 적용 세율이 다른 경우 에어컨: 세금 = 제품 매출액 * 0.2 기타 제품: 세금 = 제품 매출액 * 0.1 셀에 저장된 값을 따라 관계식이 다른 경우 예2) 매출액이 100,000 이상인 경우 세금은 20%, 이하이면 10% 매출액 >= 100000 이면 세금 = 매출액 * 0.2 계층 구조나 데이터 값을 참조한 관계식 지원여부는 OLAP 제품마다 상이 복잡한 비즈니스 로직을 반영할 수 있음. H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 다차원 모델의 구성 요소 구성 요소: 그림 4.13 차원의 설정 사용자의 관점에서 설정 다른 항목과 독립적인 항목들의 집합 구체적인 정의 방식은 제품마다 상이 4차원-8차원 이내가 일반적 차원이 많은 경우: 상관 관계가 높은 차원이 발생 차원의 독립성 검토 필요 비즈니스에 대한 깊은 지식이 필요 OLAP 메타데이타 차원, 계층 구조, 레벨, 관계식, 애트리뷰트 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 5장 스타스키마 다차원 데이터를 표현하기 위한 관계형 DB design 사실(fact) 테이블과 차원(dimension) 테이블로 구성 그림5.1 스타스키마 예 사실: 분석을 요하는 변수차원의 항목 매출액, 매출 수량 등, numeric data/measure data 사실 테이블에 저장 차원: ‘사실’을 보는 관점 각 차원은 별도의 각각 차원 테이블에 저장 사실 테이블 유일하게 정규화된(normalized) 테이블 가장 큰 테이블: 대규모 소매업의 경우 수억 개의 행을 가짐 그림5.2 매장키, 제품키, 기간키: 각 차원 테이블을 연결하는 외래키 차원 테이블의 기본키와 조인에 사용(매장 차원의 매장키) 사실 테이블의 기본키는 외래키의 조합(composite key) H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 스타스키마 스타스키마의 키값: 무의미, 인위적으로 생성된 키 각 레코드를 구분할 수 있는 정수로 생성 최소 인덱스 공간과 많은 인덱스가 메모리로 적재 가능 사실의 유형 차원 항목의 계층 구조에 따른 집계 연산에서 주로 합계 가능한 사실 매출액, 판매수량 등 모든 차원에 대해 합산 가능한 사실: Additive facts 일부 차원에 대해서만 합산 가능한 사실 재고량의 경우, 매장 차원의 합산은 의미가 있음 제품 차원에서 재고량을 집계하는 것은 무의미(그림 5.3) Semi-additive facts 합산이 되지 않는 사실 제품별 판매가격은 합산이 무의미 Non-additive facts H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 차원 테이블 사실에 대한 사용자 관점으로 서술적(descriptive) 정보를 저장 그림5.5 매장 차원 테이블의 예 매장 차원의 계층 정보와 애트리뷰트 정보로 구성 비정규화(denormalized) 구조: 조인 횟수 감소 Read Only이므로 OLTP와 차이 차원 테이블의 공유 여러 스타스키마 사이에서 공유 가능 매출분석에서 매장, 제품, 기간과 재무분석의 계정, 부서, 기간 차원이 사용되는 경우 기간 차원이 주로 공유 공유 차원을 중심으로 다차원 모델간에 Drill-across 연산이 가능 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 차원 테이블 애트리뷰트 주로 텍스트 형태의 데이터 매장의 면적 등 수치 데이터도 가능 차원에 대한 다양한 조건 필터링이 가능 각 차원 테이블에 대한 조건 질의를 만족하는 레코드를 가지고 사실 테이블을 검색 그림5.2 강남권 매장의 매출액 조회시 SQL 예 (p. 83) 사실 테이블에 비해 크기 현저히 작다 스타스키마에 대한 분석시 차원테이블 우선 검색 후 사실 테이블 검색 애트리뷰트와 계층 구조: 그림5.6 애트리뷰트의 일부를 이용하여 차원의 계층 표현 애트리뷰트 계층구조(attribute hierarchy) ROLAP 툴에 의해 정의, Metadata로 관리 그림 5.7 플래티늄사의 InfoBeacon 예 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 차원 테이블 비대칭 계층 구조의 처리 대부분의 ROLAP 제품은 비대칭 계층 구조의 효과적인 표현 곤란 MOLAP 제품은 효과적으로 처리 그림 5.8, 관계형 테이블에서 리커시브(recursive) 테이블 을 이용하여 계층 표현 예 페어런트와 차일드 컬럼 2개로 모든 비대칭 계층을 표현 self recursive join이 필요: SQL로 표현이 어려움. 실제 ROLAP에서 사용되는 경우 드뭄. 연속된 값을 가지는 애트리뷰트 나이와 소득 애트리뷰트의 경우 연속된 값(continuous value) 구체적인 값 자체는 무의미 몇 개의 그룹으로 묶는 것이 합리적 나이: 연령대별, 소득: 일정 액수대별 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 차원 테이블 차원 항목간 다대다 관계가 있는 경우 차원 테이블 구조 제품 차원에서 한 제품이 여러 제품군에 속하는 경우: 제품과 제품군은 다대다의 관계 그림 5.9 Normalized table design: Snowflake Schema 점진적으로 변화하는 차원(slowly changing dimension) 차원 항목의 애트리뷰트 값이나, 계층 구조가 시간에 따라 변화 예) 매장 담당자, 전화번호 변경, 권역 조정 등 (그림5.10) 3가지 접근 방법 새로운 값으로 갱신 (그림5.11, 매장 유형의 변경예) 구현 용이, 과거 자료 분실, 추이 파악 불가 새 값을 가지는 레코드의 추가 (그림5.12) 새 필드를 추가: 그림5.14, 시작유형/현재유형/최종 변경일 추가 추가 애트리뷰트의 생성, 관리 부담 초기값과 현재값만 파악 가능/중간 단계의 값은 분석불가 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. E-R 모델과 스타스키마 1976년 데이터 모델링 기법으로 제안 논리적 데이타베이스 설계의 표준적 접근법 정규화(normalization) 데이터 항목간의 종속성을 기반으로 중복성 제거 이론 데이터 무결성(integrity)를 유지하기 용이 갱신 성능의 최적화 질의 연산의 경우 많은 조인이 요구 비정규화(denormalization) 릴레이션을 분해하지 않고 통합, 고의적인 중복성 허용 그림 5.14: 차원과 사실을 모두 한 테이블에 표현한 예 Matrix 스키마라고도 함 Excel의 Pivot, Delphi 3.0의 DecisionCube에서 사용 데이터 양이 소규모인 경우에 가능 OLAP 환경에서는 스타 스키마를 사용 H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. E-R 모델과 스타스키마 1980년대 초 메타포어(Metaphor)에 의해 개발 OLAP을 위한 비정규화의 특수 형태 최종 사용자의 관점에서 모델을 간단히 표현 Application oriented, End-user oriented model!! 스노우플레이크(snowflake, 눈송이) 스키마 스타 스키마는 특정 차원의 모든 정보를 한 테이블에 비정규화해서 저장 차원테이블을 정규화한 것, 그림 5.15 대권역 정보 검색시 신속 처리 가능 저장 공간 감소 및 무결성 유지 구조 복잡, 조인에 따른 응답 성능 저하 Kimball은 이 스키마를 반대: 저장 공간은 무시해도 좋다! 그림5.16, 적절한 수준에서의 비정규화 필요! H.S. Yong, Ewha Womans Univ. 2000/3/9

H.S. Yong, Ewha Womans Univ. 스타스키마와 ROLAP 툴 스타스키마는 데이타베이스 모델 스키마임. ROLAP 툴이 스타스키마를 다차원 모델로 변환 메타데이타 정의 요구 그림5.17 그림5.18 인포비콘 ROLAP 툴의 예: 스타스키마에서 메타데이타를 정의하여 다차원 모델로 변환되는 과정 ROLAP 툴에서, 메타데이타도 테이블로 저장 사용자의 질의는 메타데이타를 참조하여 적절한 SQL로 변환 하나의 OLAP 툴에서 정의된 메타데이타는 다른 툴에서 이용 불가능 ROLAP 간, ROLAP/MOLAP간 교환 필요 DB에서는 테이블간의 EXPORT/IMPORT가 용이 DB TABLE SCHEMA(Metadata)는 SQL 표준안에서 정의 H.S. Yong, Ewha Womans Univ. 2000/3/9