目录
I.大纲
多维数据透视分析——针对对象是表结构数据。
II. 重点
数据透视分析：对零散数据进行汇总分析
2种手段：
对零散数据进行一定规则下的透视（一级）
对零散数据深度数据挖掘（二级、三级）
2.1 多维数据模型
多维数据模型又叫 多维数据集、立方体（cube），指的是 相互间通过某种联系被关联在一起的不同类别的数据集合。
多维数据集可从多角度用数据全面映射某种业务的实际状况。
创建多维数据模型的过程，叫做建模。
（建模分2种：搭建数据模型（简单），搭建分析所需要的数学模型（难））。
多个不同维度下的业务数据描述，需要有多个业务维度囊括的数据环境。
需要有OLAP（连接信息孤岛，创建多维数据模型）
2.2 多维数据模型创建方法
2.2.1 相邻两表间连接汇总
通过【公共字段】连接两表，选择不同表中字段分别作为 维度、度量，选择汇总计算规则。
2.2.2 影响连接汇总的三要素
（1）筛选器方向
2种：单向和双向
筛选器方向决定维度与度量的出处 （筛选的一侧是维度，结果是度量）
（2）对应关系
分为三类，决定连接汇总的结果
- 一对一
- 多对一
- 多对多
（3）汇总角色
维度
度量
OLAP工具，不同厂商有不同的工具：
Brio——类似数据库
PowerBI——有自己独有的逻辑，也可以共用数据库逻辑
A.筛选器方向
筛选器方向决定维度与度量的出处、不可逆筛选器方向做筛选
维度汇总度量，维度筛选度量，；筛选器可以决定谁可以当维度，谁可以当度量。
（1）单向
箭头出发一侧为维度，指向一侧为度量；（维度→度量）
（2）双向
两表间互为筛选
OLAP无表的连接方向，也没有表的方向；
OLAP有主附表之分，根据提供度量的表来作为主表，出所有的数据范围。
B.对应关系
（1）1对一 （1-公共字段无重复值的）
主键与主键相连，两表具有相同主键，这种一把不会出现。
1对一，主键与主键相连。（两表具有相同主键，并且作为公共字段生成一对一连接），一般不会出现，因为可以合成一张表来用了。
遇到一对一的时候，要去判断是不是真的主键对主键。
（2）多对多，非主键相连；尽量避免使用这种连接关系。
（3）1对多，主键连接非主键 （单向）
（4）1对多，主键连接非主键 （双向）
相邻量表连接时，应尽量使用多对一的关系，双向筛选方向时，多表可筛选一表，但筛选方式不同于一表筛选多表的筛选方式。
C.两种汇总方式
（1）类型1：合并维度，汇总度量、维度筛选度量
数据库的汇总方式；相同维度合并在一起。
（2）合并维度，汇总维度下不同公共字段对应的度量、维度选取公共字段，公共字段再去筛选度量——一般要避免使用这种。
（分了3步，维度先选公共字段，公共字段再去筛选度量）
2.3 相邻两表连接总结
2.4 跨表筛选（筛选路径不通，则无法正确汇总）
1
若都为双向，则筛选路径通；但是数据结果不对，汇总规则用的类型二，不符合业务要求。
2.5 交叉连接
交叉连接下只有一条路径为有效路径。
有效路径用实线显示。
2.6 三种模式（星型、雪花、星座）
2.6.1 星型模式
一个事实表与多个维度表相连
可观测业务行为的好坏程度；
2.6.2 雪花模式
维度表与维度表相连；进行维度的扩展
eg: 产品表与品牌表 ——雪花模式；产品表也可连接销售，库存，也可看到品牌下的销售好坏程度；
可在产品维度下，拓展到品牌维度
2.6.3 星座模式
多个事实表共用某些维度表
eg：销售表、库存表、采购进货单表，都可以通过产品编号与产品表相连，就是星座模式。
把进销存连成一体，通过一个共用的维度去连接，作为标识。
2.7 5W2H思维模型
- what——分析对象是啥
- who——参与角色是谁
- when——时间维度
- where——空间维度
- why——为啥分析
- how much——分析的度量
- how to do——如何做
【示例】——销售管理分析
从发现商业机会开始到截止，进行管理的销售体系。
商机数由上到小，越来越小；成交可能性越高。
按照商机量来绘画图形，就可用销售漏斗模型
核心维度是商机维度 和时间维度。
III. 基本透视规则
3.1 基本规则
合计规则：sum
计数规则：count-非空计数、distinctcount去重计数
平均规则：average
最大值规则：max
最小值规则： min
平均值陷阱：
用average求得的总平均值是主键的总平均值。
若计算所有客户的总平均，需用公式来计算。
筛选维度与汇总维度——利用切片器可。
直接针对度量的——汇总维度
影响筛选条件的——筛选维度
3.2 透视规则扩展
进一步展示程度，来让决策者理解业务好坏。
任何的汇总结果都不能脱离时间维度。脱离的话，就没有意义。
环比 跨月 同比 跨年；
同环比增长率：差异百分比来实现。
对比百分比公式 ：倾向于 部分占总体的占比关系；
差异百分比：倾向于多了多少，少了多少，就需要差异。实际值大于对比值，（正值）差异越大，是好；
3.3 行间透视
意义：针对每行值分别求得整体汇总值、类似于开窗函数。
IV. 多维透视分析应用
4.1 业务场景
4.1.1 经销商进销存情况分析
分析目的：帮助经销商优化进销存各环节业务流程行为，实现进销存一体化管理，加快资金运转速度，实现销售利润最大化的目的。
（）
（2）搭建多维数据模型
（3）制作展示界面
708
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
