JP2005018750A - 異なる測度グループからのデータを単一キューブ上に分析的にモデル化するシステム及び方法 - Google Patents

Abstract

【課題】 異なる測度グループからのデータを単一なキューブ上に分析的にモデル化するシステム及び方法を提供する。
【解決手段】 異なる測度グループからのデータを単一なキューブ上に分析的にモデル化するシステム及び方法を開示する。第１のテーブルと第２のテーブルとがリレーショナルデータベースに記憶される。第１のテーブルは、第１の属性に従って第１の型を編成する。第２のテーブルは、第２の属性に従って第２の型を編成する。
【選択図】 図６

Description

本発明は、リレーショナルデータベース内に編成され保存されるデータを分析的にモデル化する分野に関する。

オンライン分析処理（ＯＬＡＰ）は、ウェアハウス（ｗａｒｅｈｏｕｓｅ）及びビジネス分析システムの重要な部分である。ＯＬＡＰサービスは、多次元情報の高速分析を提供する。この目的のために、ＯＬＡＰサービスは、直感的かつ自然な方法で多次元アクセスとデータナビゲーションを提供し、関心のある特定のデータにまで掘り下げることのできるデータの包括的な視点を提供する。スピードとレスポンスタイムは、ＯＬＡＰサービスの重要な特性であり、この特性によって、ユーザは、効率的な手法でかつオンラインで、データ閲覧やデータ分析をすることができる。さらに、ＯＬＡＰサービスは、通常、分析を受けるデータのリード及びラグのインディケータ（ｌｅａｄ ａｎｄ ｌａｇ ｉｎｄｉｃａｔｏｒｓ）をランク付けし、集約し、計算する分析ツールを提供する。

この文脈において、ＯＬＡＰキューブを、データのユーザ認知にしたがってモデル化することができる。キューブは複数次元を有することができ、各次元は、データの属性によってモデル化される。通常、各次元と関連する階層が存在する。例えば、時間次元は、月、週、日と細分化される年から構成され、地理次元は、週、市と細分化される国から構成される。次元メンバーは、キューブ内部の特定のセル （ｃｅｌｌ）又はセル範囲を識別するインデックスとしての役目を果たす。ＯＬＡＰサービスは、オンライントランザクションプロセッシング（ＯＬＴＰ）等のリレーショナルデータベースに保存されるデータを分析的にモデル化するために使用される場合が多い。リレーショナルデータベースに保存されるデータを、各テーブルが特別なデータ型に対応するデータを有する複数テーブルにしたがって編成することができる。特別なデータ型に対応するテーブルを、データ属性に対応する列に従って編成することができる。例えば、型「セールス」（Ｓａｌｅｓ）に対応するデータは、列「顧客ＩＤ」、列「製品ＩＤ」及び列「売上高」（Ｓａｌｅｓ Ａｍｏｕｎｔ）を備える「セールス」テーブル内に編成され得る。型「予測」（Ｆｏｒｅｃａｓｔ）は、列「製品カテゴリーＩＤ」と「予測額」（Ｆｏｒｅｃａｓｔ Ａｍｏｕｎｔ）を備える「予測」テーブル内に編成され得る。「セールス」テーブルとは異なり、「予測」テーブルは、「顧客ＩＤ」列を含んでいない。なぜならば、特定の顧客に対する予測データは、分からないからである。

分析的モデリングデータの概念に関するものとしては、「測度」（ｍｅａｓｕｒｅ）の概念がある。そのような測度は、その他の属性に従ってデータ型を測定する属性である。例えば、「セールス」テーブルにおいては、属性「売上高」は販売の測度であり、「予測」テーブルにおいては、属性「予測額」は、予測の測度である。共通属性に従って編成される測度は、測度グループを備えることができ、一方、異なる属性に従って編成される測度は、異なる測度グループを備えることができる。例えば、測度「売上高」は、属性「顧客」及び属性「製品」を有する「セールス」測度グループに属することができ、一方、測度「予測額」は、属性「製品」だけを有する「予測」測度グループに属することができる。

ＯＬＡＰ環境では、異なる測度グループから単一ビュー（ｓｉｎｇｌｅ ｖｉｅｗ）のデータを得ることが好ましい場合が多い。例えば、「セールス」データ及び「予測」データの両方の単一ビューを得て、顧客による予測されるセールスを分析することが好ましい。従来のＯＬＡＰでは、そのような単一ビューを得るために、各測度グループからのデータは、分離した「内在」（ｕｎｄｅｒｌｙｉｎｇ）キューブにモデル化されなければならない。そして、内在キューブは、合体して「仮想キューブ」にならなければならない。複数の内在キューブ及び仮想キューブをモデル化することは、幾つかの欠点をもたらす。例えば、複数のキューブを定義し維持することと関連する処理は、重大なオーバヘッドを引き起こす。その上、内在キューブの変更は、仮想キューブ上で重複して広げられなければならない。

したがって、異なる測度グループからのデータを単一なキューブ上に分析的にモデル化するシステム及び方法が必要となる。

異なる測度グループからのデータを単一なキューブ上に分析的にモデル化するシステム及び方法を開示する。第１のテーブルと第２のテーブルとがリレーショナルデータベースに記憶される。第１のテーブルは、第１の属性に従って第１の型を編成する。第２のテーブルは、第２の属性に従って第２の型を編成する。

リレーショナルデータベースに保存されるデータは、データキューブ内で分析的にモデル化される。第１の測度は、第１のテーブルの第１の型にしたがってモデル化される。第１の次元は、第２のテーブルの第２の属性にしたがってモデル化される。第１の属性の各エントリー毎に、そのエントリーを所定の手法で第２の次元の各エントリーに割り付けることによって第１の測度を第１の次元に結び付けることができる。

第１の次元のセレクトエントリーの１つ毎にエントリーを割り付けることによって、第１の測度を第１の次元に結び付けることができる。エントリーの一部分を第１の次元のセレクトエントリーの各々に割り付けることによって、第１の測度を第１の次元に結び付けることができる。その一部分は、エントリーの均等な部分であってもよいし、又は比例部分であってもよい。エントリーを第１の次元の予め決定された主要なエントリーに割り付けることによって、第１の測度を第１の次元に結びつけることもまたできる。

第２の次元を第１のテーブルの第１の属性に従ってモデル化することができる。第１の測度は、第１のテーブルの第１の属性に従って第２の次元に結びつけ、第１の属性に従って第１の測度が第２の次元によって分析されることを許可することができる。

第２の測度を第２のテーブルの第２の型にしたがってモデル化することもできる。第２の属性の各エントリー毎にエントリーを所定の手法で第２の次元の各エントリーに割り付けることによって、第２の測度を第２の次元に結びつけることもできる。第２のテーブルの第２の属性にしたがって第２の測度を第１の次元に結びつけ、第２の測度が第２の属性に従って第１の次元によって分析されることを許可することもできる。

編成されたデータを非参照属性にしたがって分析的にモデル化するシステム及び方法を、図面を参照して以下に説明する。これらの図面に関する本明細書中の記載は、解説目的に過ぎず、発明の範囲をここに示された特定の実施形態に限定することは決して意図しない。記載中、参照番号は、各図面の構成要素を参照するために用いられる。
（コンピュータ環境）
図１及び以下の説明は、本発明及び／又は本発明の一部分が実行される好適なコンピューティング環境の簡単かつ一般的な内容を提供することを意図している。必須ではないが、本発明は、クライアントワークステーション又はサーバ等のコンピュータによって実行されるプログラムモジュール等のコンピュータ実行可能命令の一般的な文脈で記載されている。一般的に、プログラムモジュールは、ルーティン、プログラム、オブジェクト、コンポーネント、データ構造及び特別なタスクを実行し又は特別な抽象データ型を実装する同等物を含む。さらに、本発明及び／又はその一部は、ハンドヘルドデバイス、マルチプロセッサシステム、マイクロプロセッサベース又はプログラマブルコンシューマ電子機器、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ等をはじめとするその他のコンピュータシステム構成を使って実施することができる。また、本発明は、通信ネットワークを介して接続されるリモート処理デバイスによってタスクが実行される分散コンピューティング環境において実施することができる。分散コンピューティング環境においては、プログラムモジュールを、ローカル及びリモートのメモリストレージデバイスにおくことができる。

図１に示すように、例示的汎用コンピューティングシステムは、処理ユニット１２１、システムメモリ１２２、システムメモリを含んだ各種システムコンポーネントを処理ユニット１２１に結合するシステムバス１２３とを備えた従来型のパーソナルコンピュータ１２０又はそれの同等物を備える。システムバス１２３は、メモリバス又はメモリコントローラ、周辺バス及び各種バスアーキテクチャのいずれかを使用するローカルバスを含んだ幾つかあるバス構造の種類の中のいずれかでよい。システムメモリは、リードオンリーメモリ（ＲＯＭ）１２４及びランダムアクセスメモリ（ＲＡＭ）１２５を含む。基本入出力システム１２６（ＢＩＯＳ）は、パーソナルコンピュータ１２０内部の要素間の情報転送のために役立つ基本ルーティンを含み、スタートアップの間等には、ＲＯＭ１２４に記憶される。

パーソナルコンピュータ１２０は、ハードディスクドライブ（図示せず）に対して読み書きをするハードディスクドライブ１２７、着脱式磁気ディスク１２９に対して読み書きをする磁気ディスクドライブ１２８、ＣＤ−ＲＯＭ又はその他の光媒体等の着脱式光ディスク１３１に対して読み書きを行う光ディスクドライブ１３０をさらに備えることができる。ハードディスクドライブ１２７、磁気ディスクドライブ１２８、光ディスクドライブ１３０は、それぞれ、ハードディスクドライブインタフェース１３２、磁気ディスクドライブインタフェース１３３、光ドライブインタフェース１３４を使ってシステムバス１２３に接続される。ドライバーやそれらと関係するコンピュータ可読媒体は、コンピュータ可読命令の不揮発性ストレージ、データ構造、プログラムモジュール及びパーソナルコンピュータのための他のデータを提供する。

本明細書に記載された例示的環境は、ハードディスク、着脱式磁気ディスク１２９及び着脱式光ディスク１３１を使用するが、コンピュータによってアクセス可能なデータを記憶できる他の種類のコンピュータ可読媒体が例示的オペレーティング環境で使用できると理解すべきである。他の種類の媒体は、磁気カセット、フラッシュメモリカード、ディジタルビデオディスク、ベルヌーイ（Ｂｅｒｎｏｕｌｌｉ）カートリッジ、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）等を含む。

多数のプログラムモジュールはハードディスク、磁気ディスク１２９、光ディスク１３１、ＲＯＭ１２４、又は、ＲＡＭ１２５に記憶され、そのプログラムモジュールは、オペレーティングシステム１３５、１又は複数のアプリケーションプログラム１３６、その他のプログラムモジュール１３７及びプログラムデータ１３８を含む。ユーザは、キーボード１４０及びポインティングデバイス１４２等の入力デバイスを使ってパーソナルコンピュータ１２０にコマンド及び情報を入力することができる。その他の入力デバイス（図示せず）は、マイクロホーン、ジョイスティック、ゲームパッド、サテライトディスク等を含むことができる。これら及びその他の入力デバイスは、システムバスに結合されるシリアルポートインタフェース１４６を介して処理ユニット１２１に接続される場合が多いが、パラレルポート、ゲームポート又はユニバーサルシリアルバス（ＵＳＢ）等の他のインタフェースによって接続される場合もある。モニター１４７又は他の種類の表示装置は、ビデオアダプター１４８等のインタフェースを介してシステムバス１２３に接続される。モニター１４７に加えて、パーソナルコンピュータは通常、スピーカー及びプリンター等の他の周辺出力デバイス（図示せず）を含む。図１の例示的システムは、ホストアダプター１５５、スモールコンピュータシステムインタフェース（ＳＣＳＩ）バス１５６、及びＳＣＳＩバス１５６に接続される外部ストレージデバイス１６２を含む。

パーソナルコンピュータ１２０は、リモートコンピュータ１４９等の１又は複数のリモートコンピュータと論理的接続を用いて、ネットワーク環境で動作できる。リモートコンピュータ１４９は、別のパーソナルコンピュータ、サーバ、ルーター０、ネットワークＰＣ、ピアデバイス又は他の共通ネットワークノードであり、図１には一つのメモリストレージデバイス１５０が示されているだけであるが、パーソナルコンピュータ１２０と関連して記述されている構成要素の大半又は全てを通常含む。図１に示された論理的接続は、ローカルエリアネットワーク（ＬＡＮ）１５１及びワイドエリアネットワーク（ＷＡＮ）１５２を含む。そのようなネットワーキング環境は、オフィス、企業規模のコンピュータネットワーク、イントラネット及びインターネットにおいて一般的である。

ＬＡＮネットワーキング環境で使用される場合、パーソナルコンピュータ１２０は、ネットワークインタフェース又はアダプター１５３を介してＬＡＮ１５１に接続される。ＷＡＮネットワーキング環境で使用される場合、パーソナルコンピュータ１２０は、通常、モデム１５４又はインターネット等の広域ネットワーク１５２上で通信を確立する他の手段を含む。モデム１５４は、内部又は外部に存在し、シリアルポートインタフェース１４６を介してシステムバス１２３に接続される。ネットワーク環境においては、パーソナルコンピュータ１２０と関連して示されるプログラムモジュール又はその一部は、リモートメモリストレージデバイスに記憶される。図示されたネットワーク接続は典型例であり、コンピュータ間の通信リンクを確立する他の手段を用いることもできる。

（本発明のシステム及び方法）
例えばオンライン分析処理（ＯＬＡＰ）等の分析的データサービスは、例えばオンライントランザクショナルデータベース（ＯＬＴＰ）等のリレーショナルデータベースに保存されているデータをモデル化するために使用することができる。前述したように、リレーショナルデータベースに保存されているデータを、複数テーブルにしたがって編成することができ、各テーブルは特別なデータ型に対応するデータを有している。特別なデータ型に対応するテーブルを、データ属性に対応する列に従って編成することができる。

一つのテーブルを図２に示すが、そのテーブルは、列「顧客ＩＤ」２１０、列「製品ＩＤ」２２０、列「売上高」２３０を有する「セールス」テーブル２００内に編成される型「セールス」に対応するデータを含む。そのようなテーブルの別のものを図３に示すが、そのテーブルは、列「製品カテゴリーＩＤ」３１０及び列「予測額」３２０を有する「予測」テーブル３００内に編成される型「予測」に対応するデータを含む。別のテーブルを図４に示すが、そのテーブルは、列「顧客ＩＤ」４１０及び列「市」４２０を有する「顧客」テーブル内に編成される型「顧客」に対応するデータを含む。別のテーブルを図５に示すが、そのテーブルは、列「製品ＩＤ」５１０及び列「製品カテゴリーＩＤ」５２０を有する「製品」テーブル５００内に編成される型「製品」に対応するデータを含む。テーブル２００−５００は、他の属性に対応するその他の列（図示せず）を備えることができることが理解できる。

図６を参照すると、分析的データキューブ６００は、テーブル２００−５００からのデータの分析的モデルである。キューブ６００は、属性「製品」を有する第１の「予測」測度グループ６１０を有する。「予測」測度グループ６１０は、「予測額」列３２０の後にモデル化される「予測額」測度６１０ａを含む。「予測」測度グループ６１０は、属性「製品」を有する追加の測度（図示せず）を含むことができることが理解できる。

キューブ６００は、属性「製品」と属性「顧客」を有する第２の「セールス」測度グループ６１２もまた有する。「販売」測度グループ６１２は、「売上高」列２３０の後にモデル化される「売上高」測度６１２ａを含む。「セールス」測度グループ６１２は、属性「製品」及び属性「顧客」を有する追加の測度（図示せず）を含むことができることが理解できる。

キューブ６００は、属性「顧客」にしたがってモデル化される第１の「顧客」次元６２０もまた備える。「顧客」次元６２０は、２つのレベルの精度、すなわち、「顧客ＩＤ」６２０ａと「市」６２０ｂを含む。「顧客ＩＤ」レベル６２０ａは、図２、４の「顧客ＩＤ」列２１０と列４１０とに各々対応する。「市」レベル６２０ｂは、図４の「市」列４２０に対応する。「市」レベル６２０ｂの各市は、「顧客ＩＤ」レベル６２０ａにおいて識別される複数の顧客を含むことができる。「顧客」次元６２０は、他の列（図示せず）にしたがって対応する他の精度のレベルを有することができる。

キューブ６００は、属性「製品」に従ってモデル化される第２の「製品」次元６２２もまた有する。「製品」次元６２２は、２つのレベルの精度、すなわち、「製品ＩＤ」６２２ａと「製品カテゴリーＩＤ」６２２ｂとを含む。「製品ＩＤ」レベル６２２ａは、図２及び図５の「製品ＩＤ」列２２０及び列５１０に各々対応する。「製品カテゴリーＩＤ」レベル６２２ｂは、図３及び図５の「製品カテゴリーＩＤ」列３１０及び列５２０に各々対応する。「製品カテゴリーＩＤ」レベル６２２ｂにおいて識別される各製品カテゴリーは、「製品ＩＤ」レベル６２２ａで識別される複数の製品を含むことができる。「製品」次元６２２は、他の列（図示せず）にしたがって対応する他の精度レベルを有することができることが理解できる。

「セールス」測度グループ６１２は、「セールス」テーブル２００内のデータにしたがって「顧客」次元６２０に結び付けられる。「セールス」測度グループ４１２は、「セールス」テーブル２００内のデータにしたがって「製品」次元６２２にも結び付けられる。「予測」測度グループ６１０は、「予測」テーブル３００内のデータにしたがって「製品」次元６２２に結び付けられる。しかしながら、「予測」測度グループ６１０を「顧客」次元６２０に結びつける「予測」テーブル３００にはデータが存在しないことが理解できるはずである。したがって、ある特定の製品の予測されるセールスを複数の顧客にまたがってどのように割り付けるかがわからない。したがって、予測は、概算６３０にしたがって割り付けなければならない。

複数の顧客全体にわたる特定の製品カテゴリーの予測されるセールは、例えば、その製品カテゴリー内の製品を購入したことのある各顧客にセールを割り当てることによって見積もることができる。特に、製品カテゴリー「ｘ」の３０の予測されるセールに関しては、顧客１、２、３に、各々、３０のセールを割り付けることができる。製品カテゴリー「ｙ」の１０の予測されるセールに関しては、顧客１、２に、各々、１０のセールを割り付けることができる。製品カテゴリー「ｚ」の２の予測されるセールに関しては、顧客１に、２のセールを割り付けることができる。セールは全ての顧客に割り当てられているが、セールは顧客にまたがって「ダブル」カウントされないことが理解できる。例えば、「全ての顧客について製品カテゴリーｘのセールの合計は何？」という問い合わせに対して、答えは、９０ではなく、３０である。

複数の顧客全体にわたる特定の製品カテゴリーの予測されるセールは、その製品カテゴリー内の製品を購入したことのある各顧客にセールの均等部分を割り付けることによって見積もることができる。特に、製品カテゴリー「ｘ」の３０の予測されるセールに関しては、顧客１、２、３に、各々、１０のセールを割り当てることができる。製品カテゴリー「ｙ」の１０の予測されるセールに関しては、顧客１、２に、各々、５のセールを割り当てることができる。製品カテゴリー「ｚ」の２の予測されるセールに関しては、顧客１に、２のセールを割り当てることができる。

複数の顧客全体にわたる特定の製品カテゴリーの予測されるセールは、顧客に販売されたカテゴリー内の製品の一部に等しいセールの一部を各顧客に割り付けることによって見積もることができる。特に、製品カテゴリー「ｘ」の３０の予測されるセールに関しては、図２の「セールス」テーブル２００にしたがって各顧客に販売されるアイテムの平均数量に基づいて、顧客１には６セールを割り当てることができ、顧客２には９セールを割り当てることができ、顧客３には１５セールを割り当てることができる。製品カテゴリー「ｙ」の１０の予測されるセールに関しては、顧客１に４セールを割り当てることができ、顧客２に６セールを割り当てることができる。製品カテゴリー「ｚ」の２の予測されるセールに関しては、顧客１に２セールを割り当てることができる。

複数の顧客全体にわたる特定の製品カテゴリーの予測セールは、そのカテゴリーから製品を購入した主要な顧客だけにセールを割り付けることによって見積もることができる。特に、製品カテゴリー「ｘ」の３０の予測されるセールに関しては、カテゴリー「ｘ」からほとんどの製品を既に購入したことのある顧客３に基づいて３０セールスを割り当てることができる。製品カテゴリー「ｙ」の１０の予測されるセールに関しては、顧客２に、同様な論法に基づいて１０セールを割り当てることができる。製品カテゴリー「ｚ」の２の予測されるセールに関しては、顧客１に２セールを割り当てることができる。

例示的キューブ６００は、共通的な「製品」次元６２２を備える測度グループ６１０と６１２を含むが、共通的な次元を備えない測度グループを含むキューブを予期できる。各測度グループに関しては、その測度の各々は、見積もり６３０等の見積もりを用いて、非関連次元に結び付けられる。したがって、本発明にしたがうキューブは、複数の概算を含むことができる。

キューブ６００の測度グループを、様々な精度レベルで特別な次元に結びつけることができる。例えば、「予測」測度グループ６１０は、「製品カテゴリー」精度レベル６２２ｂで「製品」次元６１２に結び付けられるが、「セールス」測度グループ６１２は、「製品」精度レベル６２２ａで「製品」次元６１２に結び付けられる。測度グループは、概算６３０等の概算を用いて低い精度レベルに結び付けられる。例えば、特定の製品のセールス予測は、概算６３０を用いて見積もられる。本発明に関連して実行されるプロセスを達成するのに必要なプログラミングは、比較的単純であり、関連するプログラミングパブリックにとって明からであるべきである。したがって、このようなプログラミングは、本明細書には記載されていない。いかなる特別なプログラミングを、本発明の精神及び範囲から逸脱せずに、本発明を達成するために使用することができる。

本発明を具体的な実施形態を参照して記述し図示したが、この技術分野の当業者であれば、上述され及び特許請求の範囲に記載された発明の原理から逸脱せずに、変更及び変形ができることを理解するであろう。例えば、本発明は、「セールス」テーブル、「予測」テーブル、「顧客」テーブル、「製品」テーブルを参照して説明しているが、本発明をリレーショナルデータベースからのテーブルと組み合わせて使用できる。その上、本発明の分析的データモデルは、データ属性の数にしたがった次元の数を備えることができる。したがって、参照は、本発明の範囲を示す特許請求の範囲に対してなされるべきである。

本発明の態様及び／又は本発明の部分を組み込むことができる汎用コンピュータシステムを示すブロック図である。 「セールス」データに対応するリレーショナルデータベースの例を示す図である。 「予測」データに対応するリレーショナルデータベースの例を示す図である。 「顧客」データに対応するリレーショナルデータベースの例を示す図である。 「製品」データに対応するリレーショナルデータベースの例を示す図である。 本発明の一実施形態にしたがった図２から図５のテーブルから導かれる分析データキューブを示す図である。

符号の説明

１２０ コンピュータ
１２２ システムメモリ
１３６ アプリケーションプログラム
１３７ 他のプログラム
１３８ プログラムデータ
１２７ ハードドライブ
１２１ 処理ユニット
１３２ ハードディスクドライブI/F
１４８ ビデオアダプター
１５５ ホストアダプター
１３３ 磁気ディスクドライブI/F
１３４ 光ディスクドライブI/F
１２８ フロッピー（登録商標）ドライブ
１３０ 光ドライブ
１２３ システムバス
１４６ シリアルポートI/F
１５３ ネットワークI/F
１５６ ＳＣＳIバス
１４７ モニター
１６２ ストレージデバイス
１２９ ストレージ
１３１ ストレージ
１４２ マウス
１４０ キーパッド
１５４ モデム
１５０ メモリー
１４９ リモートコンピュータ

Claims (30)

1. データの第１のテーブルと第２のテーブルとを結合し、前記第１のテーブルは第１の属性にしたがって第１の型を編成し、前記第２のテーブルは第２の属性にしたがって第２の型を編成する方法において、
   前記第１のテーブルの前記第１の型にしたがって第１の測度をモデル化すること、
   前記第２のテーブルの前記第２の属性にしたがって第１の次元をモデル化すること、
   前記第１の属性の各エントリーに関し、第１の所定の手法で前記エントリーを前記第１の次元の各エントリーに割り付けることによって、前記第１の測度を前記第１の次元に結びつけることと
   を含むことを特徴とする方法。
2. 前記第１のテーブルの前記第１の属性にしたがって第２の次元をモデル化すること、
   前記第１のテーブルの前記第１の属性にしたがって前記第１の測度を前記第２の次元に結びつけ、前記第１の属性にしたがって前記第１の測度が前記第２の次元によって分析できるようにすることと
   を更に含むことを特徴とする請求項１記載の方法。
3. 前記第１のテーブルの前記第１の型にしたがって第１の測度をモデル化することにおいて、前記第１のテーブルは、リレーショナルデータベースに保存されているデータを備えることを特徴とする請求項１記載の方法。
4. 前記エントリーを前記第１の次元のセレクトエントリーの１つ毎に割り付けることを含むことを特徴とする請求項１記載の方法。
5. 前記エントリーの部分を前記第１の次元のセレクトエントリーの各々に割り付けることを含むことを特徴とする請求項１記載の方法。
6. 前記エントリーの均等な部分を前記第１の次元のセレクトエントリーの各々に割り付けることを含むことを特徴とする請求項５記載の方法。
7. 前記エントリーの比例部分を前記第１の次元のセレクトエントリーの各々に割り付けることを含むことを特徴とする請求項５記載の方法。
8. 前記エントリーを前記第１の次元の所定の主要なエントリーに割り付けることを特徴とする請求項１記載の方法。
9. 前記第２のテーブルの前記第２の型にしたがって第２の測度をモデル化すること、
   前記第１のテーブルの前記第１の属性にしたがって第２の次元をモデル化すること、
   前記第２の属性の各エントリーに関し、第２の所定の手法で前記エントリーを前記第２の次元の各エントリーに割り付けることによって、前記第２の測度を前記第２の次元に結びつけることと
   を更に含むことを特徴とする請求項１記載の方法。
10. 前記第２のテーブルの前記第２の属性にしたがって前記第２の測度を前記第１の次元に結びつけ、前記第２の属性にしたがって、前記第２の測度が前記第１の次元によって分析できるようにすることを更に含むことを特徴とする請求項９記載の方法。
11. データの第１のテーブルと第２のテーブルとを結合し、前記第１のテーブルは第１の属性にしたがって第１の型を編成し、前記第２のテーブルは第２の属性にしたがって第２の型を編成するコンピュータ可読命令を記憶するコンピュータ可読媒体において、前記コンピュータ可読命令は、
    前記第１のテーブルの前記第１の型にしたがって第１の測度をモデル化するステップと、
    前記第２のテーブルの前記第２の属性にしたがって第１の次元をモデル化するステップと、
    前記第１の属性の各エントリーに関し、第１の所定の手法で前記エントリーを前記第１の次元の各エントリーに割り付けることによって、前記第１の測度を前記第１の次元に結びつけるステップと
    を実行することを特徴とするコンピュータ可読媒体。
12. 前記第１のテーブルの前記第１の属性にしたがって第２の次元をモデル化するステップと、
    前記第１のテーブルの前記第１の属性にしたがって前記第１の測度を前記第２の次元に結びつけ、前記第１の属性にしたがって前記第１の測度が前記第２の次元によって分析されることを許可するステップと
    を実行する命令を更に備えることを特徴とする請求項１１記載のコンピュータ可読媒体。
13. 前記第１のテーブルの前記第１の型にしたがって第１の測度をモデル化するステップにおいて、前記第１のテーブルは、リレーショナルデータベースに保存されているデータを備えることを特徴とする請求項１１記載のコンピュータ可読媒体。
14. 前記エントリーを前記第１の次元のセレクトエントリーの１つ毎に割り付けるステップを実行する命令を備えることを特徴とする請求項１１記載のコンピュータ可読媒体。
15. 前記エントリーの部分を前記第１の次元のセレクトエントリーの各々に割り付けるステップを実行する命令を備えることを特徴とする請求項１１記載のコンピュータ可読媒体。
16. 前記エントリーの均等な部分を前記第１の次元のセレクトエントリーの各々に割り付けるステップを実行する命令を備えることを特徴とする請求項１５記載のコンピュータ可読媒体。
17. 前記エントリーの比例部分を前記第１の次元のセレクトエントリーの各々に割り付けるステップを実行する命令を備えることを特徴とする請求項１５記載のコンピュータ可読媒体。
18. 前記エントリーを前記第１の次元の所定の主要なエントリーに割り付けるステップを実行する命令を備えることを特徴とする請求項１５記載のコンピュータ可読媒体。
19. 前記第２のテーブルの前記第２の型にしたがって第２の測度をモデル化するステップと、
    前記第１のテーブルの前記第１の属性にしたがって第２の次元をモデル化するステップと、
    前記第２の属性の各エントリーに関し、第２の所定の手法で前記エントリーを前記第２の次元の各エントリーに割り付けることによって、前記第２の測度を前記第２の次元に結びつけるステップと
    を実行する命令を更に備えることを特徴とする請求項１１記載のコンピュータ可読媒体。
20. 前記第２のテーブルの前記第２の属性にしたがって前記第２の測度を前記第１の次元に結びつけ、前記第２の属性にしたがって、前記第２の測度が前記第１の次元によって分析されることを許可するステップを実行する命令を更に備えることを特徴とする請求項１１記載のコンピュータ可読媒体。
21. データの第１のテーブルと第２のテーブルとを結合し、前記第１のテーブルは第１の属性にしたがって第１の型を編成し、前記第２のテーブルは第２の属性にしたがって第２の型を編成するシステムにおいて、
    前記システムは、
    稼動して、コンピュータ実行可能命令を実行するプロセッサと、
    コンピュータ実行可能命令を記憶するメモリとを備え、
    前記コンピュータ実行可能命令は、
    前記第１のテーブルの前記第１の型にしたがって第１の測度をモデル化するステップと、
    前記第２のテーブルの前記第２の属性にしたがって第１の次元をモデル化するステップと、
    前記第１の属性の各エントリーに関し、第１の所定のやり方で前記エントリーを前記第１の次元の各エントリーに割り付けることによって、前記第１の測度を前記第１の次元に結びつけるステップと
    を実行することを特徴とするシステム。
22. 前記第１のテーブルの前記第１の属性にしたがって第２の次元をモデル化するステップと、
    前記第１のテーブルの前記第１の属性にしたがって前記第１の測度を前記第２の次元に結びつけ、前記第１の属性にしたがって前記第１の測度が前記第２の次元によって分析されることを可能とするステップと
    を実行するコンピュータ実行可能命令を更に備えることを特徴とする請求項２１記載のシステム。
23. 前記第１のテーブルの前記第１の型にしたがって第１の測度をモデル化するステップを実行するコンピュータ実行可能命令を備え、前記第１のテーブルはリレーショナルデータベースに保存されているデータを備えることを特徴とする請求項２１記載のシステム。
24. 前記エントリーを前記第１の次元のセレクトエントリーの１つ毎に割り付けるステップを実行するコンピュータ実行可能命令を備えることを特徴とする請求項２１記載のシステム。
25. 前記エントリーの部分を前記第１の次元のセレクトエントリーの各々に割り付けるステップを実行するコンピュータ実行可能命令を備えることを特徴とする請求項２１記載のシステム。
26. 前記エントリーの均等な部分を前記第１の次元のセレクトエントリーの各々に割り付けるステップを実行するコンピュータ実行可能命令を備えることを特徴とする請求項２１記載のシステム。
27. 前記エントリーの比例部分を前記第１の次元のセレクトエントリーの各々に割り付けるステップを実行するコンピュータ実行可能命令を備えることを特徴とする請求項２５記載のシステム。
28. 前記エントリーを前記第１の次元の所定の主要なエントリーに割り付けるステップを実行するコンピュータ実行可能命令を備えることを特徴とする請求項２１記載のシステム。
29. 前記第２のテーブルの前記第２の型にしたがって第２の測度をモデル化するステップと、
    前記第１のテーブルの前記第１の属性にしたがって第２の次元をモデル化するステップと、
    前記第２の属性の各エントリーに関し、第２の所定の手法で前記エントリーを前記第２の次元の各エントリーに割り付けることによって、前記第２の測度を前記第２の次元に結びつけるステップと
    を実行するコンピュータ実行可能命令を更に備えることを特徴とする請求項２１記載のシステム。
30. 前記第２のテーブルの前記第２の属性にしたがって前記第２の測度を前記第１の次元に結びつけ、前記第２の属性にしたがって前記第２の測度が前記第１の次元によって分析されることを許可するステップを実行するコンピュータ実行可能命令を更に備えることを特徴とする請求項２９記載のシステム。

Images