KR101137124B1 - 상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하기 위해 컴퓨터에 의해 구현되는 방법 및 시스템, 및 컴퓨터 판독가능 기록 매체 - Google Patents

상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하기 위해 컴퓨터에 의해 구현되는 방법 및 시스템, 및 컴퓨터 판독가능 기록 매체 Download PDF

Info

Publication number
KR101137124B1
KR101137124B1 KR1020040047689A KR20040047689A KR101137124B1 KR 101137124 B1 KR101137124 B1 KR 101137124B1 KR 1020040047689 A KR1020040047689 A KR 1020040047689A KR 20040047689 A KR20040047689 A KR 20040047689A KR 101137124 B1 KR101137124 B1 KR 101137124B1
Authority
KR
South Korea
Prior art keywords
dimension
attribute
measurement
entry
value
Prior art date
Application number
KR1020040047689A
Other languages
English (en)
Other versions
KR20050001420A (ko
Inventor
크리스티안 페트쿨레스쿠
아미르 네츠
모샤 파수만스키
알렉산더 버거
Original Assignee
마이크로소프트 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 마이크로소프트 코포레이션 filed Critical 마이크로소프트 코포레이션
Publication of KR20050001420A publication Critical patent/KR20050001420A/ko
Application granted granted Critical
Publication of KR101137124B1 publication Critical patent/KR101137124B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99932—Access augmentation or optimizing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99941—Database schema or data structure
    • Y10S707/99943—Generating database or data structure, e.g. via user interface

Abstract

상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하는 시스템 및 방법이 개시된다. 단일 큐브는 제1 세트의 대응하는 차원들을 갖는 제1 측정 그룹과 관련된 제1 측정을 포함하는 것이 바람직하다. 또한 단일 큐브는 제2 세트의 대응하는 차원들을 갖는 제2 측정 그룹과 관련된 제2 측정을 포함하는 것이 바림직하다. 단일 큐브는 또한 제1 및 제2 세트의 차원들의 각 차원을 포함하는 것이 바람직하다. 각 측정은 기초를 이루는 관계 데이터 테이블의 데이터에 따라 각각의 대응하는 차원에 결합되는 것이 바람직하다. 각 측정은 근사값에 따라 각각의 대응하지 않는 차원에 결합되는 것이 바람직하다.
큐브, 차원, 측정, 근사값

Description

상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하기 위해 컴퓨터에 의해 구현되는 방법 및 시스템, 및 컴퓨터 판독가능 기록 매체{SYSTEM AND METHOD FOR ANALYTICALLY MODELING DATA FROM DIFFERENT MEASURE GROUPS ONTO A SINGLE CUBE}
도 1은 본 발명의 특징들이 포함될 수 있는 범용 컴퓨터 시스템을 나타낸 블록도.
도 2는 "판매" 데이터에 대응하는 샘플 관계 데이터베이스 테이블.
도 3은 "예측" 데이터에 대응하는 샘플 관계 데이터베이스 테이블.
도 4는 "고객" 데이터에 대응하는 샘플 관계 데이터베이스 테이블.
도 5는 "제품" 데이터에 대응하는 샘플 관계 데이터베이스 테이블.
도 6은 본 발명의 일 실시예에 따라 도 2 내지 도 5의 테이블들로부터 도출되는 분석 데이터 큐브.
<도면의 주요 부분에 대한 부호의 설명>
122 : 시스템 메모리
162 : 저장 장치
128 : 플로피 드라이브
155 : 호스트 어댑터
본 발명은 2000년 7월 18일자로 출원된 제10/199,612호의 일부 계속 출원이다.
본 발명은 관계 데이터베이스에서 편성되고 저장되는 데이터를 분석적으로 모델링하는 분야에 관한 것이다.
OLAP(online analytical processing)은 다수의 데이터 웨어하우스 및 비지니스 분석 시스템들의 중요한 부분이다. OLAP 서비스들은 다차원 정보의 신속한 분석을 제공한다. 이를 위해, OLAP 서비스들은 직관적이고 자연스러운 방식으로 데이터의 다차원 액세스 및 네비게이션을 제공하고, 관심있는 특정한 데이터로 집중될 수 있는 광범위한 시점의 데이터를 제공한다. 속도 및 응답 시간은 사용자들로 하여금 효과적으로 온라인 데이터를 브라우징하고 분석하도록 허용하는 OLAP 서비스들의 중요한 속성들이다. 또한, OLAP 서비스들은 일반적으로 분석시 데이터에 대한 리드(lead) 래그(lag) 인디케이터들을 랭킹, 수집, 및 산출하기 위한 분석 툴들을 제공한다.
이 문맥에서, 사용자의 데이터 인식에 따라 OLAP 큐브가 모델링될 수 있다. 큐브는 다수의 차원을 가질 수 있으며, 각 차원은 데이터의 속성들에 따라 모델링될 수 있다. 일반적으로, 각 차원과 관련된 계층이 있다. 예를 들어, 시간 차원은 년수로 이루어지고 년수는 달수로 분할되고 달수는 날수로 분할되는 한편 지리학적 차원은 국가들로 이루어지고, 국가들은 주들로 분할되고 주들은 도시들로 분 할된다. 차원 멤버들은 큐브 내의 특정 셀 또는 셀들의 범위를 식별하기 위한 지표들로서 작용한다.
OLAP 서비스들은 예를 들어 OLTP(Online Transactional Processing) 데이터 베이스와 같은 관계 데이터베이스에 저장되어 있는 데이터를 분석적으로 모델링하는데 종종 사용된다. 관계 데이터베이스 내에 저장된 데이터는 각 테이블이 특정 데이터 유형에 대응하는 데이터를 갖는 다수의 테이블들에 따라 편성될 수 있다. 특정 데이터 유형에 대응하는 테이블은 데이터 속성들에 대응하는 컬럼들에 따라 편성될 수 있다. 예를 들면, "판매(Sales)" 유형에 대응하는 데이터는 컬럼들이 "고객 ID" "제품 ID" 및 "판매량"인 "판매" 테이블에 편성될 수 있다. "예측" 유형에 대응하는 데이터는 컬럼이 "제품 카테고리 ID" 및 "예측량"인 "예측" 테이블에 편성될 수 있다. "판매" 테이블과 달리, "예측" 테이블은 특별한 고객들에 대한 예측 데이터가 알려지지 않기 때문에 "고객 ID"를 포함하지 않는다.
"측정(measure)"의 개념은 데이터를 분석적으로 모델링하는 개념과 관련된다. 이러한 측정은 기타 속성들에 따라 데이터 유형을 측정하는 속성이다. 예를 들어, "판매" 테이블에서, "판매량" 속성은 판매에 대한 측정이고, "예측" 테이블에서, "예측량" 속성은 예측에 대한 측정이다. 공통 속성들에 따라 편성된 측정들은 측정 그룹을 포함할 수 있는 반면, 상이한 속성들에 따라 편성된 측정들은 상이한 측정 그룹들을 포함할 수 있다. 예를 들어, "판매량" 측정은 "고객" 및 "제품" 속성들을 갖는 "판매" 측정 그룹에 속할 수 있는 반면, "예측량" 측정은 "제품" 속성만을 갖는 "예측" 측정 그룹에 속할 수 있다.
OLAP 환경에서는, 종종 상이한 측정 그룹들로부터 단일 시점의 데이터를 획득하기를 원한다. 예를 들어, "판매" 데이터와 "예측" 데이터 모두의 단일 시점을 획득하여 고객에 의한 예측 판매를 분석하기를 원할 수 있다. 그러나 이와 같은 단일 시점을 획득하기 위한 종래의 OLAP 시스템들에서는, 각 측정 그룹으로부터의 데이터가 별도의 "기저(underlying)" 큐브들로 모델링되어야 하고, 기저 큐브들은 "가상 큐브"로 결합되어야 한다. 이러한 다수의 기저 및 가상 큐브들을 모델링하는 것은 여러가지 문제점을 일으킨다. 예를 들어, 다수의 큐브들을 형성 및 유지하는 관과 관련된 프로세싱에 의해 상당한 오버헤드가 발생한다. 또한, 기저 큐브들에 대한 변화들은 가상 큐브에 과도하게 전파되어야 한다. 따라서, 상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하는 시스템들 및 방법들에 대한 필요성이 존재한다.
따라서, 상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하는 시스템 및 방법이 개시된다. 관계 데이터 베이스에 제1 테이블 및 제2 테이블이 저장된다. 제1 테이블은 제1 속성에 따라 제1 유형을 편성한다. 제2 테이블은 제2 속성에 따라 제2 유형을 편성한다.
관계 데이터베이스 내에 저장된 데이터는 데이터 큐브로서 분석적으로 모델링된다. 제1 측정은 제1 테이블의 제1 유형에 따라 모델링된다. 제1 차원은 제2 테이블의 제2 속성에 따라 모델린된다. 제1 측정은 제1 속성의 각 엔트리에 대해, 상기 엔트리를 소정의 방식으로 제2 차원의 각 엔트리에 할당함으로써 제1 차원과 연관된다.
제1 측정은 엔트리를 제1 차원의 선택 엔트리들의 모든 엔트리에 할당함으로써 제1 차원과 연관될 수 있다. 제1 측정은 엔트리의 일부를 제1 차원의 선택 엔트리들 각각에 할당함으로써 제1 차수와 연관될 수 있다. 그 부분은 엔트리의 동일한 부분일 수 있고 또는 비례 부분일 수 있다. 제1 측정은 엔트리를 제1 차원의 소정의 주된 엔트리에 할당함으로써 제1 차원과 연관될 수도 있다.
제2 차원은 또한 제1 테이블의 제2 유형에 따라 모델링될 수 있다. 또한 제1 측정은 제1 테이블의 제1 속성에 따라 제2 차원과 연관될 수 있어, 제1 측정이 제1 속성에 따라 제2 차수에 의해 분석될 수 있게 한다.
또한 제2 측정은 제2 테이블의 제2 유형에 따라 모델링될 수 있다. 제2 측정은 제2 속성의 각 엔트리에 대해, 상기 엔트리를 소정의 방식으로 제2 차원의 각 엔트리에 할당함으로써 제2 차원과 연관될 수 있다. 또한 제2 측정은 제2 테이블의 제2 속성에 따라 제1 차원과 연관될 수 있어, 제2 측정이 제2 속성에 따라 제1 차수에 의해 분석될 수 있게 한다.
첨부된 도면을 참조한 이하의 상세한 설명을 읽는다면 예시적인 실시예들이 더 잘 이해될 것이다.
상기 도면을 참조하여, 참조되지 않은 속성들에 따라 편성된 데이터를 분석적으로 모델링하는 시스템 및 방법이 이하에 개시된다. 본 기술 분야의 당업자들은 이들 도면에 대하여 본 명세서에 주어진 설명이 단지 예시적인 것으로서 발명의 범위를 도시된 특정 실시예들로 한정하도록 의도되지 않음을 알 것이다. 설명 전반에 있어서, 각 도면의 동일한 요소들에는 동일한 참조 부호를 부기하였다.
컴퓨터 환경
도 1 및 이하의 설명은, 본 발명 및/또는 그 부분들이 구현될 수 있는 적합한 컴퓨팅 환경의 간략한 일반적인 설명을 제공하도록 의도된다. 요구되지는 않지만, 본 발명은 프로그램 모듈들과 같이 클라이언트 워크스테이션 또는 서버와 같은 컴퓨터에 의해 실행되는 컴퓨터 실행가능한 명령어들의 일반적인 문맥으로 기술된다. 일반적으로, 프로그램 모듈들은 특정 태스크들을 수행하고 특정 추상 데이터 유형들을 구현하는 루틴들, 프로그램들, 오브젝트들, 컴포넌트들, 데이터 구조들 등을 포함한다. 또한, 본 발명 및/또는 그 부분들은 핸드헬드 장치들, 멀티프로세서 시스템들, 마이크로프로세서 기반 또는 프로그램 가능한 소비자 전자 기기들, 네트워크 PC들, 미니컴포넌트들, 메인프레임 컴퓨터들 등을 포함하는 기타 컴퓨터 시스템 구성들로 구현될 수 있다는 것을 이해해야 한다. 본 발명은 통신 네트워크를 통해 연결되는 원격 프로세싱 장치들에 의해 태스크들이 수행되는 분산 컴퓨팅 환경에서 구현될 수도 있다. 분산 컴퓨팅 환경에서는, 프로그램 모듈들이 로컬 및 원격 메모리 저장 장치들 모두에 배치될 수 있다.
도 1에 도시된 바와 같이, 예시적인 범용 컴퓨팅 시스템은 프로세싱 유닛(121), 시스템 메모리(122), 및 시스템 메모리를 포함한 각종 시스템 컴포넌트들을 프로세싱 유닛(121)에 결합시키는 시스템 버스(123)를 포함하는, 종래의 퍼스널 컴퓨터(120) 등을 포함한다. 시스템 버스(123)는 메모리 버스 또는 메모리 제 어기, 주변회로 버스, 및 각종 버스 아키텍쳐들중 어느 것을 사용하는 로컬 버스를 포함하는 여러 유형의 버스 아키텍쳐들중 어느 것일 수 있다. 시스템 메모리는 ROM(124) 및 RAM(125)을 포함한다. 시동중과 같은 때에 퍼스널 컴퓨터(120) 내의 구성요소들간에 정보를 전송하는 것을 돕는 기본 루틴을 포함하는 기본 입출력 시스템(126; BIOS)은 일반적으로 ROM(124)에 저장된다.
퍼스널 컴퓨터(120)는 하드 디스크(도시 안함)로부터의 판독 및 그로의 기록을 위한 하드 디스크 드라이브(127), 착탁가능한 자기 디스크(129)로부터의 판독 및 그로의 기록을 위한 자기 디스크 드라이브(128), 및 CD-ROM 또는 기타 광학 매체와 같은 착탈 가능한 광디스크(131)로부터의 판독 및 그로의 기록을 위한 광디스크 드라이브(130)를 더 포함할 수 있다. 하드 디스크 드라이브(127), 자기 디스크 드라이브(128), 및 광디스크 드라이브(130)는 하드 디스크 드라이브 인터페이스(132), 자기 디스크 드라이브 인터페이스(133), 및 광 디스크 드라이브 인터페이스(134) 각각에 의해 시스템 버스(123)에 접속된다. 드라이브들 및 그 관련 컴퓨터 판독가능 매체는 컴퓨터 판독가능 명령어들, 데이터 구조들, 프로그램 모듈들 및 기타 데이터를 퍼스널 컴퓨터(120)에 제공한다.
본 명세서에 기재된 예시적인 환경은 하드 디스크, 착탈가능한 자기 디스크(129), 및 착탈가능한 광디스크(131)를 포함하지만, 컴퓨터에 의해 액세스 가능한 데이터를 저장할 수 있는 다른 유형들의 컴퓨터 판독가능한 매체가 예시적인 동작 환경에서 사용될 수도 있음을 이해해야 한다. 이러한 다른 유형들의 매체는 자기 카세트, 플래시 메모리 카드, 디지털 비디오 디스크, 베르노울리 카트리 지, RAM, ROM 등을 포함한다.
다수의 프로그램 모듈들은 오퍼레이팅 시스템(135), 하나 이상의 어플리케이션 프로그램들(136), 다른 프로그램 모듈들(137) 및 프로그램 데이터(138)를 포함하는, 하드 디스크, 자기 디스크(129), 광디스크(131), ROM(124) 또는 RAM(125)에 저장될 수 있다. 사용자는 키보드(140) 및 포인팅 장치(142)와 같은 입력 장치들을 통해 퍼스널 컴퓨터(120)로 커맨드들 및 정보를 입력할 수 있다. (도시되지 않은) 기타 입력 장치는 마이크로폰, 조이스틱, 게임 패드, 위성 안테나, 스캐너 등을 포함할 수 있다. 이들 입력 장치 및 그외의 입력 장치는 시스템 버스에 연결된 시리얼 포트 인터페이스(146)를 통해 종종 프로세싱 유닛(121)에 접속되지만, 병렬 포트, 게임 포트 또는 유니버설 시리얼 포트(USB)와 같은 기타 인터페이스에 의해 접속될 수 있다. 모니터(147) 또는 다른 유형의 디스플레이 장치는 또한 비디오 어댑터(148) 등의 인터페이스를 통해 시스템 버스(123)에 접속된다. 모니터(147) 외에도, 퍼스널 컴퓨터는 일반적으로 스피커들 및 프린터들과 같은 기타 주변회로 출력 장치들(도시 안함)을 포함한다. 도 1의 예시적인 시스템은 또한 호스트 어댑터(155), SCSI(Small Computer System Interface) 버스(156), 및 SCSI 버스(156)에 접속되는 외부 저장 장치(162)를 포함한다.
퍼스널 컴퓨터(120)는 원격 컴퓨터(149)와 같은 하나 이상의 원격 컴퓨터로의 논리적 접속을 이용한 네트워크 환경에서 동작할 수 있다. 원격 컴퓨터(149)는 또 다른 퍼스널 컴퓨터, 서버, 라우터, 네트워크 PC, 피어(peer) 장치, 또는 기타 공통 네트워크 노드일 수 있으며, 비록 도 1 에는 메모리 저장 장치(150)만이 도시 되어 있지만, 퍼스널 컴퓨터(120)에 관하여 상술한 구성요소 중 다수 또는 모든 구성요소를 일반적으로 포함한다. 도 1에 도시된 논리적 접속은 근거리 통신망(LAN; 151) 및 원거리 통신망(WAN; 152)을 포함한다. 이러한 네트워크 환경은 사무실, 기업 광역 컴퓨터 네트워크(enterprise-wide computer network), 인트라넷, 및 인터넷에서 일반적인 것이다.
LAN 네트워크 환경에서 사용되는 경우, 퍼스널 컴퓨터(120)는 네트워크 인터페이스 또는 어댑터(153)를 통해 LAN(151)에 접속된다. WAN 네트워크 환경에서 사용되는 경우, 퍼스널 컴퓨터(120)는 일반적으로 인터넷 등의 WAN(152)을 통해 통신을 구축하기 위한 모뎀(154) 또는 기타 수단을 포함한다. 내장형 또는 외장형일 수 있는 모뎀(154)은 직렬 포트 인터페이스(146)을 통해 시스템 버스(123)에 접속된다. 네트워크 환경에서, 퍼스널 컴퓨터(120)에 관하여 도시된 프로그램 모듈 또는 그 일부분은 원격 메모리 저장 장치에 저장될 수 있다. 도시된 네트워크 접속은 예시적인 것이며, 컴퓨터들간의 통신 링크를 구축하는 그 외의 수단이 사용될 수 있다는 것을 이해할 것이다.
본 발명의 시스템 및 방법
예를 들어 OLAP(On-Line Analytical Processing)은 예를 들어 OLTP(On-Line Transactional Database)와 같은 관계 데이터베이스 내에 저장된 데이터를 모델링하기 위해 사용될 수 있다. 상술된 바와 같이, 관계 데이터베이스 내에 저장된 데이터는 다수의 테이블들에 따라 구성될 수 있고, 각 테이블은 특정한 데이터 유형에 대응하는 데이터를 갖는다. 특정한 데이터 유형에 대응하는 테이블은 데이터 속성들에 대응하는 컬럼들에 따라 편성될 수 있다.
이와 같은 하나의 테이블은 도 2에 도시되어 있으며, 여기서 "판매" 유형에 대응하는 데이터는 "고객 ID"(210), "제품 ID"(220), 및 "판매량"(230) 컬럼들을 갖는 "판매" 테이블(200)에 편성된다. 또 다른 이러한 테이블이 도 3에 도시되어 있는데, 여기서는 "예측" 유형에 대응하는 데이터가 "제품 카테고리 ID"(310) 및 "예측량"(320) 컬럼들을 갖는 "예측" 테이블(300)에 편성된다. 또 다른 이러한 테이블이 도 4에 도시되는데, 여기서 "고객" 유형에 대응하는 데이터는 "고객 ID"(410) 및 "도시"(420) 컬럼들을 갖는 "고객" 테이블에 편성된다. 도 5에는 또 다른 이러한 테이블이 도시되는데, 여기서 "제품" 유형에 대응하는 데이터가 "제품 ID"(510) 및 "제품 카테고리 ID"(520)를 갖는 "제품" 테이블(500)에 편성된다. 이해되는 바와 같이, 테이블들(200-500)은 기타 속성들에 대응하는 다른 컬럼들(도시하지 않음)을 가질 수 있다.
도 6을 참조하면, 분석 데이터 큐브(600)는 테이블들(200-500)로부터의 데이터의 분석 모델이다. 큐브(600)는 "제품" 속성을 갖는 제1 "예측" 측정 그룹(610)을 포함한다. "예측" 측정 그룹(610)은 "예측량" 컬럼(320) 후에 모델링되는 "예측량" 측정(610a)을 포함한다. 이해되는 바와 같이, "예측" 측정 그룹(610)은 "제품" 속성을 갖는 추가의 측정들(도시하지 않음)을 포함할 수 있다.
큐브(600)는 또한 "제품" 및 "고객" 속성들을 갖는 제2 "판매" 측정 그룹(612)을 포함한다. "판매" 측정 그룹(612)은 "판매량" 컬럼(230) 후에 모델링되는 "판매량" 측정(612a)을 포함한다. 이해되는 바와 같이, "판매" 측정 그룹(612)은 "제품" 및 "고객" 속성들을 갖는 추가의 측정들(도시하지 않음)을 포함할 수 있다.
큐브(600)는 또한 "고객" 속성에 따라 모델링되는 제1 "고객" 차원(620)을 포함한다. "고객" 차원(620)은 2가지 레벨의 입도(granularity):"고객 ID"(620a) 및 "도시"(620b)를 포함한다. "고객 ID" 레벨(620a)은 각각 도 2 및 도 4의 "고객 ID" 컬럼들(210 및 410)에 대응한다. "도시" 레벨(620b)은 도 4의 "도시" 컬럼(420)에 대응한다. "도시" 레벨(620b)의 각 도시는 "고객 ID" 레벨(620a)에서 식별되는 다수의 고객들을 포함할 수 있다. 이해되는 바와 같이, "고객" 차원(620)은 다른 컬럼들(도시하지 않음)에 따라 대응하는 다른 입도 레벨들을 가질 수 있다.
큐브(600)는 또한 "제품" 속성에 따라 모델링되는 제2 "제품" 차원(622)을 포함한다. "제품" 차원(622)은 2가지 레벨의 입도(granularity):"제품 ID"(622a) 및 "제품 카테고리 ID"(622b)를 포함한다. "제품 ID" 레벨(622a)은 각각 도 2 및 도 5의 "제품 ID" 컬럼들(220 및 510)에 대응한다. "제품 카테고리 ID" 레벨(622b)은 각각 도 3 및 도 5의 "제품 카테고리 ID" 컬럼들(310, 520)에 대응한다. "제품 카테고리 ID" 레벨(622b)에서 식별되는 각 제품 카테고리는 "제품 ID" 레벨(622a)에서 식별되는 다수의 고객들을 포함할 수 있다. 이해되는 바와 같이, "제품" 차원(622)은 다른 컬럼들(도시하지 않음)에 따라 대응하는 다른 입도 레벨들을 가질 수 있다.
"판매 측정 그룹(612)은 "판매" 테이블(200)의 데이터에 따라 "고객" 차원(620)과 연관된다. "판매" 측정 그룹(612)은 또한 "판매" 테이블(200)의 데이터에 따라 "제품" 차원(622)과 연관된다. "예측" 측정 그룹(610)은 "예측" 테이블(300)의 데이터에 따라 "제품" 차원(622)과 연관된다. 그러나, 이해되는 바와 같이, "예측" 테이블(300)에는 "예측" 측정 그룹(610)을 "고객" 차원(620)에 결합시킬 데이터가 없다. 따라서, 다수의 고객에 걸친 특정 제품의 예측 판매를 할당하는 방법이 공지되어 있지 않기 때문에 근사값(630)에 따라 예측들이 할당되어야 한다.
다수의 고객들에 걸친 특정 제품 카테고리의 예측 판매는, 예를 들어, 판매를 제품 카테고리에 있는 제품을 구매한 각 고객에게 할당함으로써 근접될 수 있다. 특히, 제품 카테고리 "x"의 30개의 예측 판매에 대해, 고객(1, 2, 3)은 각각 30개의 판매가 할당될 수 있다. 제품 카테고리 "y"의 10개의 예측 판매에 대해, 고객(1, 2)은 각각 10개의 판매가 할당될 수 있다. 제품 카테고리 "z"의 2개의 예측 판매에 대해, 고객(1)은 2개의 판매가 할당될 수 있다. 이해되는 바와 같이, 판매가 모든 고객에게 할당되지만, 판매는 고객들에 걸쳐 "더블" 카운팅되지 않는다. 예를 들어, "모든 고객들에 걸친 제품 카테고리 "x"의 총 판매는 얼마였는가?"라는 질의에 응답하여, 대답은 90이 아니라 30이다.
다수의 고객에 걸친 특정 제품 카테고리의 예측 판매는 제품 카테고리에 있는 제품을 구입한 각 고객에 대해 판매의 동일 부분만을 할당함으로써 근접될 수 있다. 특히, 제품 카테고리 "x"의 30개의 예측 판매에 대해, 고객(1, 2, 3)은 각각 10개의 판매가 할당될 수 있다. 제품 카테고리 "y"의 10개의 예측 판매에 대 해, 고객(1, 2)은 각각 5개의 판매가 할당된다. 제품 카테고리 "z"의 2개의 예측 판매에 대해, 고객(1)은 2개의 판매가 할당될 수 있다.
또한 다수의 고객에 걸친 특정 제품 카테고리의 예측 판매는 고객에게 팔린 카테고리의 제품들의 부분과 동일한 판매의 일부를 각 고객에게 할당함으로써 근접될 수 있다. 특히, 제품 카테고리 "x"의 30개의 예측 판매에 대해, 도 2의 "판매" 테이블(200)에 따라 각 고객에게 팔린 항목의 비례량에 기초하여, "고객(1)은 6개의 판매가 할당될 수 있고, 고객(2)은 9개의 판매가 할당될 수 있고, 고객(3)은 15개의 판매가 할당될 수 있다. 제품 카테고리 "y"의 10개의 예측 판매에 대해, 고객(1)은 4개의 판매가 할당될 수 있고, 고객(2)은 6개의 판매가 할당될 수 있다. 제품 카테고리 "z"의 2개의 예측 판매에 대해, 고객(1)은 2개의 판매가 할당될 수 있다.
다수의 고객에 걸친 특정 제품 카테고리의 예측 판매는 카테고리로부터의 제품들을 구입하는 주 고객에만 판매를 할당함으로써 더 근접될 수 있다. 특히, 제품 카테고리 "x"의 30개의 예측 판매에 대해, 고객(3)은 카테고리 "x"로부터 대부분의 제품들을 이미 구입한 고객(3)에 기초하여 30개의 판매가 할당될 수 있다. 제품 카테고리 "y"의 10개의 예측 판매에 대해, 고객(2)는 마찬가지의 이유에 기초하여 10개의 판매가 할당될 수 있다. 제품 카테고리 "z"의 2개의 예측 판매에 대해, 고객(1)은 2개의 판매가 할당될 수 있다.
이해되는 바와 같이, 예시적인 큐브(600)는 공통 "제품" 차원(622)을 갖는 측정 그룹(610, 612)을 포함하더라도, 큐브들은 공통 차원들이 고려되지 않는 측정 그룹들을 포함한다. 이러한 측정 그룹 각각에 대해, 그것의 측정들 각각은 근사값(630)과 같은 근사값을 사용하여 관련되지 않은 차원과 연관된다. 따라서, 본 발명에 따른 큐브는 다수의 근사값들을 포함할 수 있다.
이해되는 바와 같이, 큐브(600)의 측정 그룹들은 상이한 레벨의 입도에서 특정 차원과 연관될 수 있다. 예를 들어, "예측" 측정 그룹(610)은 "제품 카테고리" 입도 레벨(622b)에서 "제품" 차원(612)와 연관되고, "판매" 측정 그룹(612)은 "제품 입도 레벨(622a)에서 "제품" 차원(612)과 연관된다. 측정 그룹들은 근사값(630)과 같은 근사값을 사용하여 보다 낮은 입도 레벨들과 연관될 수 있다. 예를 들어, 특정 제품들에 대한 판매 예측들은 근사값(630)을 사용하여 추정될 수 있다.
본 발명과 관련하여 수행되는 처리들을 달성하기 위해 필요한 프로그래밍은 비교적 간단명료하고 관련된 공개 프로그래밍에 명백해야 한다. 따라서, 이러한 프로그래밍은 본 명세서에 첨부되지 않는다. 그리고 임의의 특정 프로그래밍은 본 발명의 정신 및 범위를 벗어나지 않고 본 발명을 달성하기 위해 사용될 수 있다.
본 발명은 특정 실시예들을 참조하여 설명되었지만, 상술되고 다음 특허 청구범위에 개시된 바와 같은 본 발명의 원리들로부터 벗어나지 않고 수정 및 변경이 이루어질 수 있음을 본 기술 분야의 당업자들은 인식할 것이다. 예를 들어, 본 발명은 "판매" 테이블, "예측" 테이블, "고객" 테이블, 및 "제품" 테이블로 참조되어 설명되었지만, 본 발명은 관계 데이터베이스로부터의 임의의 테이블과 관련하여 사용될 수 있다. 또한, 본 발명의 분석 데이터 모델들은 임의 수의 데이터 속성들에 대응하는 임의 수의 차원들을 포함할 수 있다. 따라서, 본 발명의 범위를 나타내는 것으로서 첨부된 클레임들이 참조되어야 한다.
본 발명에 따르면, 상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하는 시스템 및 방법이 개시된다.

Claims (30)

  1. 데이터의 제1 테이블, 제2 테이블 및 제3 테이블과 협력하여 적어도 부분적으로 컴퓨터에 의해 구현되는 데이터 모델링 방법으로서,
    상기 제1 테이블은 제1 속성(attribute) 및 제2 속성에 따라 제1 유형을 편성(organizing)하고, 상기 제2 테이블은 제3 속성에 따라 제2 유형을 편성하고, 상기 제3 테이블은 상기 제1 속성 및 상기 제3 속성에 따라 제3 유형을 편성하며,
    상기 데이터 모델링 방법은,
    상기 제2 테이블의 상기 제2 유형에 따라 측정(measure)을 모델링하는 단계;
    상기 제2 테이블의 상기 제3 속성에 따라 제1 차원을 모델링하는 단계;
    상기 제1 테이블의 상기 제2 속성에 따라 제2 차원을 모델링하는 단계;
    상기 측정이 상기 제3 속성에 따라 상기 제1 차원에 대한 데이터에 액세스할 수 있게 하기 위하여, 상기 제2 테이블의 상기 제3 속성에 따라 상기 측정을 상기 제1 차원에 연관(tying)시키는 단계;
    상기 제1 차원의 엔트리(entry) 각각에 대해,
    상기 제3 속성의 값이 상기 제1 차원의 엔트리의 값과 일치하는, 상기 제3 테이블의 각각의 행을 식별하는 단계,
    상기 제3 테이블의 식별된 각각의 행 내의 상기 제1 속성의 값을 식별하고, 상기 제1 속성의 식별된 각각의 값에 대하여, 상기 제1 속성의 값을 포함하는 상기 제1 테이블의 각각의 행을 식별하고 - 상기 제1 테이블은 상기 측정에 대한 데이터를 포함하지 않음 -, 상기 제1 테이블의 식별된 각각의 행 내의 상기 제2 속성의 값을 식별하고, 상기 제2 차원의 엔트리의 값이 상기 제2 속성의 식별된 값과 일치하는 상기 제2 차원의 각각의 엔트리를 식별하는 단계, 및
    상기 제2 차원의 식별된 각각의 엔트리 중 적어도 하나의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 적어도 일부를 할당하는 단계
    에 의해, 상기 제1 차원의 엔트리에 대한 상기 측정의 값을 할당함으로써 상기 측정을 상기 제2 차원에 연관시키는 단계; 및
    상기 측정, 상기 제1 차원 및 상기 제2 차원을 포함하는 데이터 큐브(data cube)를 생성하고 표시하는 단계 - 상기 데이터 큐브는 적어도 상기 제1 테이블 및 상기 제2 테이블로부터의 데이터를 분석적으로 모델링하는 데 사용됨 -
    를 포함하는, 컴퓨터에 의해 구현되는 데이터 모델링 방법.
  2. 제1항에 있어서,
    상기 제2 테이블의 상기 제2 유형에 따라 상기 측정을 모델링하는 단계를 포함하며, 상기 제2 테이블은 관계 데이터베이스에 저장되는 데이터를 포함하는, 컴퓨터에 의해 구현되는 데이터 모델링 방법.
  3. 제1항에 있어서,
    상기 제2 차원의 식별된 엔트리 모두에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 전체 부분(complete portion)을 할당하는 단계를 포함하는, 컴퓨터에 의해 구현되는 데이터 모델링 방법.
  4. 제1항에 있어서,
    상기 제2 차원의 식별된 각각의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 전체 부분보다 적은 부분을 할당하는 단계를 포함하는, 컴퓨터에 의해 구현되는 데이터 모델링 방법.
  5. 제4항에 있어서,
    상기 제2 차원의 식별된 각각의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 균등한 부분(even portion)을 할당하는 단계를 포함하는, 컴퓨터에 의해 구현되는 데이터 모델링 방법.
  6. 제4항에 있어서,
    상기 제2 차원의 식별된 각각의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 비례 부분(proportional portion)을 할당하는 단계를 포함하는, 컴퓨터에 의해 구현되는 데이터 모델링 방법.
  7. 제1항에 있어서,
    상기 제2 차원의 식별된 미리 정해진 주된 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 총 값(total value)을 할당하는 단계를 포함하는, 컴퓨터에 의해 구현되는 데이터 모델링 방법.
  8. 데이터의 제1 테이블, 제2 테이블 및 제3 테이블과 협력하여 컴퓨터 판독가능 명령어들이 저장되어 있는 컴퓨터 판독가능 기록 매체로서,
    상기 제1 테이블은 제1 속성 및 제2 속성에 따라 제1 유형을 편성하고, 상기 제2 테이블은 제3 속성에 따라 제2 유형을 편성하고, 상기 제3 테이블은 상기 제1 속성 및 상기 제3 속성에 따라 제3 유형을 편성하며,
    상기 컴퓨터 판독가능 명령어들은, 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,
    상기 제2 테이블의 상기 제2 유형에 따라 측정을 모델링하는 단계;
    상기 제2 테이블의 상기 제3 속성에 따라 제1 차원을 모델링하는 단계;
    상기 제1 테이블의 상기 제2 속성에 따라 제2 차원을 모델링하는 단계;
    상기 측정이 상기 제3 속성에 따라 상기 제1 차원에 대한 데이터에 액세스할 수 있게 하기 위하여, 상기 제2 테이블의 상기 제3 속성에 따라 상기 측정을 상기 제1 차원에 연관시키는 단계;
    상기 제1 차원의 엔트리 각각에 대해,
    상기 제3 속성의 값이 상기 제1 차원의 엔트리의 값과 일치하는, 상기 제3 테이블의 각각의 행을 식별하는 단계,
    상기 제3 테이블의 식별된 각각의 행 내의 상기 제1 속성의 값을 식별하고, 상기 제1 속성의 식별된 각각의 값에 대하여, 상기 제1 속성의 값을 포함하는 상기 제1 테이블의 각각의 행을 식별하고 - 상기 제1 테이블은 상기 측정에 대한 데이터를 포함하지 않음 -, 상기 제1 테이블의 식별된 각각의 행 내의 상기 제2 속성의 값을 식별하고, 상기 제2 차원의 엔트리의 값이 상기 제2 속성의 식별된 값과 일치하는 상기 제2 차원의 각각의 엔트리를 식별하는 단계, 및
    상기 제2 차원의 식별된 각각의 엔트리 중 적어도 하나의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 적어도 일부를 할당하는 단계
    에 의해, 상기 제1 차원의 엔트리에 대한 상기 측정의 값을 할당함으로써 상기 측정을 상기 제2 차원에 연관시키는 단계; 및
    상기 측정, 상기 제1 차원 및 상기 제2 차원을 포함하는 데이터 큐브를 생성하고 표시하는 단계 - 상기 데이터 큐브는 적어도 상기 제1 테이블 및 상기 제2 테이블로부터의 데이터를 분석적으로 모델링하는 데 사용됨 -
    를 수행하게 하는, 컴퓨터 판독가능 기록 매체.
  9. 제8항에 있어서,
    상기 명령어들은 상기 프로세서로 하여금 상기 제2 테이블의 상기 제2 유형에 따라 상기 측정을 모델링하는 단계를 수행하게 하며, 상기 제2 테이블은 관계 데이터베이스에 저장되는 데이터를 포함하는, 컴퓨터 판독가능 기록 매체.
  10. 제8항에 있어서,
    상기 명령어들은 상기 프로세서로 하여금 상기 제2 차원의 식별된 엔트리 모두에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 전체 부분을 할당하는 단계를 수행하게 하는, 컴퓨터 판독가능 기록 매체.
  11. 제8항에 있어서,
    상기 명령어들은 상기 프로세서로 하여금 상기 제2 차원의 식별된 각각의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 전체 부분보다 적은 부분을 할당하는 단계를 수행하게 하는, 컴퓨터 판독가능 기록 매체.
  12. 제11항에 있어서,
    상기 명령어들은 상기 프로세서로 하여금 상기 제2 차원의 식별된 각각의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 균등한 부분을 할당하는 단계를 수행하게 하는, 컴퓨터 판독가능 기록 매체.
  13. 제11항에 있어서,
    상기 명령어들은 상기 프로세서로 하여금 상기 제2 차원의 식별된 각각의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 비례 부분을 할당하는 단계를 수행하게 하는, 컴퓨터 판독가능 기록 매체.
  14. 제8항에 있어서,
    상기 명령어들은 상기 프로세서로 하여금 상기 제2 차원의 식별된 미리 정해진 주된 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 총 값을 할당하는 단계를 수행하게 하는, 컴퓨터 판독가능 기록 매체.
  15. 데이터의 제1 테이블, 제2 테이블 및 제3 테이블과 협력하는 데이터 모델링 시스템으로서,
    상기 제1 테이블은 제1 속성 및 제2 속성에 따라 제1 유형을 편성하고, 상기 제2 테이블은 제3 속성에 따라 제2 유형을 편성하고, 상기 제3 테이블은 상기 제1 속성 및 상기 제3 속성에 따라 제3 유형을 편성하며,
    상기 데이터 모델링 시스템은,
    컴퓨터 실행가능 명령어들을 실행하도록 동작하는 프로세서; 및
    컴퓨터 실행가능 명령어들이 저장되어 있는 메모리
    를 포함하며,
    상기 컴퓨터 실행가능 명령어들은,
    상기 제2 테이블의 상기 제2 유형에 따라 측정을 모델링하는 단계;
    상기 제2 테이블의 상기 제3 속성에 따라 제1 차원을 모델링하는 단계;
    상기 제1 테이블의 상기 제2 속성에 따라 제2 차원을 모델링하는 단계;
    상기 측정이 상기 제3 속성에 따라 상기 제1 차원에 대한 데이터에 액세스할 수 있게 하기 위하여, 상기 제2 테이블의 상기 제3 속성에 따라 상기 측정을 상기 제1 차원에 연관시키는 단계;
    상기 제1 차원의 엔트리 각각에 대해,
    상기 제3 속성의 값이 상기 제1 차원의 엔트리의 값과 일치하는, 상기 제3 테이블의 각각의 행을 식별하는 단계,
    상기 제3 테이블의 식별된 각각의 행 내의 상기 제1 속성의 값을 식별하고, 상기 제1 속성의 식별된 각각의 값에 대하여, 상기 제1 속성의 값을 포함하는 상기 제1 테이블의 각각의 행을 식별하고 - 상기 제1 테이블은 상기 측정에 대한 데이터를 포함하지 않음 -, 상기 제1 테이블의 식별된 각각의 행 내의 상기 제2 속성의 값을 식별하고, 상기 제2 차원의 엔트리의 값이 상기 제2 속성의 식별된 상기 값과 일치하는 상기 제2 차원의 각각의 엔트리를 식별하는 단계, 및
    상기 제2 차원의 식별된 각각의 엔트리 중 적어도 하나의 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 적어도 일부를 할당하는 단계
    에 의해, 상기 제1 차원의 엔트리에 대한 상기 측정의 값을 할당함으로써 상기 측정을 상기 제2 차원에 연관시키는 단계; 및
    상기 측정, 상기 제1 차원 및 상기 제2 차원을 포함하는 데이터 큐브를 생성하고 표시하는 단계 - 상기 데이터 큐브는 적어도 상기 제1 테이블 및 상기 제2 테이블로부터의 데이터를 분석적으로 모델링하는 데 사용됨 -
    를 수행하는 데이터 모델링 시스템.
  16. 제15항에 있어서,
    상기 메모리는 상기 제2 테이블의 상기 제2 유형에 따라 상기 측정을 모델링하는 단계를 수행하기 위한 컴퓨터 실행가능 명령어들을 포함하며, 상기 제2 테이블은 관계 데이터베이스에 저장되는 데이터를 포함하는 데이터 모델링 시스템.
  17. 제15항에 있어서,
    상기 메모리는 상기 제2 차원의 식별된 엔트리 모두에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 전체 부분을 할당하는 단계를 수행하기 위한 컴퓨터 실행가능 명령어들을 포함하는 데이터 모델링 시스템.
  18. 제15항에 있어서,
    상기 메모리는 상기 제2 차원의 식별된 엔트리 각각에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 전체 부분보다 적은 부분을 할당하는 단계를 수행하기 위한 컴퓨터 실행가능 명령어들을 포함하는 데이터 모델링 시스템.
  19. 제18항에 있어서,
    상기 메모리는 상기 제2 차원의 식별된 엔트리 각각에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 균등한 부분을 할당하는 단계를 수행하기 위한 컴퓨터 실행가능 명령어들을 포함하는 데이터 모델링 시스템.
  20. 제18항에 있어서,
    상기 메모리는 상기 제2 차원의 식별된 엔트리 각각에 상기 제1 차원의 엔트리에 대한 상기 측정의 값의 비례 부분을 할당하는 단계를 수행하기 위한 컴퓨터 실행가능 명령어들을 포함하는 데이터 모델링 시스템.
  21. 제15항에 있어서,
    상기 메모리는 상기 제2 차원의 미리 정해진 주된 식별된 엔트리에 상기 제1 차원의 엔트리에 대한 상기 측정의 총 값을 할당하는 단계를 수행하기 위한 컴퓨터 실행가능 명령어들을 포함하는 데이터 모델링 시스템.
  22. 삭제
  23. 삭제
  24. 삭제
  25. 삭제
  26. 삭제
  27. 삭제
  28. 삭제
  29. 삭제
  30. 삭제
KR1020040047689A 2003-06-25 2004-06-24 상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하기 위해 컴퓨터에 의해 구현되는 방법 및 시스템, 및 컴퓨터 판독가능 기록 매체 KR101137124B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/606,343 US7260513B2 (en) 2002-07-19 2003-06-25 System and method for analytically modeling data from different measure groups onto a single cube
US10/606,343 2003-06-25

Publications (2)

Publication Number Publication Date
KR20050001420A KR20050001420A (ko) 2005-01-06
KR101137124B1 true KR101137124B1 (ko) 2012-04-19

Family

ID=33418686

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040047689A KR101137124B1 (ko) 2003-06-25 2004-06-24 상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하기 위해 컴퓨터에 의해 구현되는 방법 및 시스템, 및 컴퓨터 판독가능 기록 매체

Country Status (5)

Country Link
US (1) US7260513B2 (ko)
EP (1) EP1492025A3 (ko)
JP (1) JP2005018750A (ko)
KR (1) KR101137124B1 (ko)
CN (1) CN100565502C (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023172205A1 (en) * 2022-03-11 2023-09-14 Smudg Company Pte. Ltd. A system configured with an ever expanding, self-calibrating, array of one or more types of attributes

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2564754A1 (en) * 2004-04-26 2005-11-10 Right90, Inc. Forecasting data with real-time updates
US8108335B2 (en) * 2007-07-17 2012-01-31 Teradata Us, Inc. Techniques for integrating disparate data access mechanisms
KR100926336B1 (ko) * 2008-02-29 2009-11-10 나문수 관계 기반 애플리케이션 매핑 방법 및 이를 실현시키기위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체
US20090287666A1 (en) * 2008-05-13 2009-11-19 International Business Machines Corporation Partitioning of measures of an olap cube using static and dynamic criteria
US11531687B2 (en) * 2020-04-02 2022-12-20 Jpmorgan Chase Bank, N.A. Method and apparatus for application of an N-dimensional hypercube datatype

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5940818A (en) 1997-06-30 1999-08-17 International Business Machines Corporation Attribute-based access for multi-dimensional databases
JP2001014320A (ja) 1999-06-28 2001-01-19 Toshiba Corp データ生成装置及びプログラムを記憶したコンピュータ読み取り可能な記憶媒体

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6205447B1 (en) * 1997-06-30 2001-03-20 International Business Machines Corporation Relational database management of multi-dimensional data
AU761900B2 (en) * 1998-03-27 2003-06-12 International Business Machines Corporation Processing precomputed views
AU2001257077A1 (en) * 2000-04-17 2001-10-30 Brio Technology, Inc. Analytical server including metrics engine
US6954760B2 (en) * 2001-02-01 2005-10-11 Hitachi, Ltd. Method and system for multidimensional database management
US6775675B1 (en) * 2001-04-04 2004-08-10 Sagemetrics Corporation Methods for abstracting data from various data structures and managing the presentation of the data
US7133876B2 (en) * 2001-06-12 2006-11-07 The University Of Maryland College Park Dwarf cube architecture for reducing storage sizes of multidimensional data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5940818A (en) 1997-06-30 1999-08-17 International Business Machines Corporation Attribute-based access for multi-dimensional databases
JP2001014320A (ja) 1999-06-28 2001-01-19 Toshiba Corp データ生成装置及びプログラムを記憶したコンピュータ読み取り可能な記憶媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
카달로그 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023172205A1 (en) * 2022-03-11 2023-09-14 Smudg Company Pte. Ltd. A system configured with an ever expanding, self-calibrating, array of one or more types of attributes

Also Published As

Publication number Publication date
CN1591426A (zh) 2005-03-09
US20040015513A1 (en) 2004-01-22
EP1492025A3 (en) 2006-04-26
KR20050001420A (ko) 2005-01-06
JP2005018750A (ja) 2005-01-20
EP1492025A2 (en) 2004-12-29
US7260513B2 (en) 2007-08-21
CN100565502C (zh) 2009-12-02

Similar Documents

Publication Publication Date Title
US5909669A (en) System and method for generating a knowledge worker productivity assessment
US6408292B1 (en) Method of and system for managing multi-dimensional databases using modular-arithmetic based address data mapping processes on integer-encoded business dimensions
US7080090B2 (en) Allocation measures and metric calculations in star schema multi-dimensional data warehouse
US6941311B2 (en) Aggregate navigation system
KR101369020B1 (ko) 보고명세로부터 ｏｌａｐ 질의 생성시 불균형 계층에 대한 보상
US6493728B1 (en) Data compression for records of multidimensional database
US7324991B1 (en) Sampling in a multidimensional database
CN107766568A (zh) 使用列式数据库中的直方图进行有效查询处理
US6633884B2 (en) System and method for analyzing a database for on-line reorganization
US6473764B1 (en) Virtual dimensions in databases and method therefor
KR101098669B1 (ko) 마이닝 모델의 그래픽 표현에 관한 정보를 제공하는 방법 및 컴퓨터 판독가능 기록 매체
US7206785B1 (en) Impact analysis of metadata
US7287022B2 (en) System and method for analytically modeling data organized according to related attributes
Akid et al. Performance of nosql graph implementations of star vs. snowflake schemas
KR101137124B1 (ko) 상이한 측정 그룹들로부터의 데이터를 단일 큐브로 분석적으로 모델링하기 위해 컴퓨터에 의해 구현되는 방법 및 시스템, 및 컴퓨터 판독가능 기록 매체
Wasserman et al. Developing a characterization of business intelligence workloads for sizing new database systems
US7117218B2 (en) System and method for expressing and calculating a relationship between measures
US6732115B2 (en) Chameleon measure and metric calculation
US7275022B2 (en) System and method for analytically modeling data organized according to non-referred attributes
US7313559B2 (en) System and method for analytically modeling data organized according to a referenced attribute
US7836052B2 (en) Selection of attribute combination aggregations
US20060005121A1 (en) Discretization of dimension attributes using data mining techniques
JP2005018750A5 (ko)
US7756854B2 (en) Minimization of calculation retrieval in a multidimensional database
JP2010238041A (ja) 分類体系改正支援プログラム、分類体系改正支援装置、および分類体系改正支援方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160318

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170317

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee