Tweet

多次元分析の概要とデータ分析のポイント

■多次元データ分析の概要

　次に多次元データ分析について解説します。前回も記述しましたが、多次元データ分析は複数の次元（ディメンション）を切り替えて、さまざまな角度で分析できるのが特徴です。そのためには「キューブ」という独自のデータベースを構築することが不可欠で、キューブの構成を理解しておく必要があります。本稿では、最初にキューブの構成を解説し、次に分析方法とポイントについて解説します。

キューブの構成

　多次元分析を行うためには、専用のデータベースである「キューブ」を構築する必要があります。キューブは分析の視点となるディメンションと金額や数量などの分析の対象となるメジャー（集計した値）で構成されています。

　製品によっても異なりますが、SQL ServerのAnalysis Servicesではキューブの基となるデータはリレーショナル・データベースで、スタースキーマの構造で管理するのが一般的です（図1）。また、キューブには3種類のデータモデルがあり、MOLAPは分析のパフォーマンスに優れたモデルです（表2）。

図1　キューブの構成

　ディメンションには階層構造を定義します。各階層に属するデータは「メンバ」と呼びます。多次元分析はディメンションと階層の定義で分析できる範囲が決定するため、階層の定義は重要です。階層はどのレベルでデータを分析したいかで決定します。例えば、図2の店舗ディメンションで地区ごとに売り上げを把握する必要がないのであれば、地区階層は不要となり、階層としては都道府県−店舗の2階層になります。

図2　ディメンションの階層構造とメンバ

多次元分析方法

　多次元分析の分析方法は表3と図3に表したとおり、5つの方法があります。図3を見れば分かるとおり、直感的な操作で分析できるのが特徴です。特にダイスについては、複数のディメンションを切り替えてさまざまな視点で分析ができる、多次元分析の特徴を表しています。

　図3のダイスの例では、最初に店別／期間別で売り上げの悪い店舗を分析します（1）。次に視点を変えて、商品別／店別で売り上げの悪い店舗のどの商品が売れていないのかを分析します（2）。最後に（3）の商品別／期間別で、（2）で売れていない商品が、全店舗レベルで分析して売れていることが確認できるので、A店の販売方法に問題があるのではないかと想定できます。

図3　多次元分析方法のイメージ

2/3

Index
SQL Server 2005で学ぶデータ分析（2） 　多次元分析の概要とデータ分析のポイント
	Page 1 ・定型、非定型検索およびレポート参照における主なデータ分析機能
	Page 2 ・多次元データ分析の概要
	Page 3 ・多次元分析のポイント ・まとめ

SQL Server 2005で学ぶデータ分析

＠ITメールマガジン　新着情報やスタッフのコラムがメールで届きます（無料）

RSSフィード