Please enable JavaScript.
Coggle requires JavaScript to display documents.
Modello multidimensionale(MultiDim) - Coggle Diagram
Modello multidimensionale(MultiDim)
Il modello multidimensionale è il modello concettuale più usato nei Data Warehouse e nei sistemi OLAP.
idea chiave è:
visualizzare i dati come se fossero in uno spazio a n dimensioni, chiamato cubo di dati.
Anche se si parla di “cubo”, in realtà:
può avere 2, 3 o più dimensioni
è una astrazione logica, non una struttura fisica
Cubo di dati
Dimensioni
Le dimensioni rappresentano le prospettive di analisi dei dati.
Rispondono alla domanda:
“Secondo quali criteri voglio analizzare i dati?”
Esempio di dimensioni
Cliente
Tempo
Prodotto
Ogni dimensione è descritta da attributi.
FATTI
I fatti rappresentano l’evento che vogliamo analizzare.
Nell’esempio:
Vendite è il fatto
Ogni cella del cubo (detta anche cubetto) rappresenta:
una specifica combinazione di dimensioni(es. un certo prodotto, in un certo periodo, per un certo cliente)
Misure
Le misure sono i valori numerici associati ai fatti.
📌 Esempio:
Quantità venduta
Importo totale
Numero di ordini
👉 Le misure sono ciò che si aggrega nelle analisi.
Tipi di misure (in base all’aggregazione)
Misure additive
Si possono sommare lungo tutte le dimensioni
Sono le più comuni
Misure semi-additive
Sommabili solo lungo alcune dimensioni
Non lungo il tempo
Misure non additive
Non aggregabili con l’addizione in nessuna dimensione
Esempio concreto di cubo multidimensionale
Dimensioni:
Prodotto
Tempo
Cliente
Misura:
Quantità venduta
Ogni cella del cubo contiene:
la quantità di unità vendute per una certa categoria di prodotto,in un certo trimestre,in una certa città del cliente
Membri (istanze delle dimensioni)
Le istanze di una dimensione si chiamano membri.
📌 Esempio – Dimensione Prodotto:
Categoria: Frutti di mare, Bevande
Questi sono membri della dimensione Prodotto
👉 I membri rappresentano i valori concreti che una dimensione può assumere.
Cubi sparsi e cubi densi
Un cubo di dati può essere:
Cubo sparso (caso più comune)
Non tutte le combinazioni di dimensioni esistono
Molte celle sono vuote
📌 Esempio:
Un cliente non compra tutti i prodotti
Non compra in tutti i trimestri
Cubo denso
Quasi tutte le combinazioni hanno valori
Raro nella pratica
Granularità dei dati
La granularità indica:il livello di dettaglio con cui sono rappresentate le misure nel cub
Esempio di granularità:
Tempo → Trimestre
Prodotto → Categoria
Cliente → Città
👉 Più la granularità è fine, più il dato è dettagliato👉 Più è grossolana, più il dato è aggregato
Gerarchie
Le gerarchie permettono di analizzare i dati a diversi livelli di granularità.
Caratteristiche delle gerarchie
Collegano livelli figlio → genitore
Definiscono relazioni di aggregazione
Schema della dimensione
Lo schema della dimensione è:
la struttura gerarchica completa di una dimensione
Istanza di una dimensione
Un’istanza di una dimensione include:
tutti i membri
a tutti i livelli della gerarchia
Aggregazione e livello di astrazione
Quando si aggregano le misure, cambia:
il livello di astrazione con cui vengono visualizzati i dati
📌 Esempio:
Vendite per mese
Tipi di funzioni di aggregazione
a) Distributive
Possono essere calcolate in modo distribuito
Il risultato globale si ottiene combinando i risultati parziali
b) Algebriche
Possono essere calcolate usando funzioni distributive
c) Olistiche
Non possono essere calcolate da sotto-aggregati