Old NickА вот в этом месте поподробнее, пожалуйста.
Ну, на самом деле это - классическая задача анализа потребительской корзины в розничной торговле. Или, в общем виде, "анализ ассоциаций".
В общем виде задача сложнее и решают её продукты класса data mining. Это поиск двух (или более) категорий, которые часто встречаются вместе. В таком виде ни OLAP, ни SQL эту задачу запросто не решит.
Однако, если мы ищем только пары, и обе категории в паре нам известны, то не кажется ли вам, что задача решается, действительно просто? Ведь всё известно, надо только сосчитать.
Для примера приведу отчёт, который я сделал на Microstrategy на примере tutorial-проекта, который входит в инсталляцию.
1.
2.
3.
4.
5.
6.
7.
Customer Count Referenced Item Customer Count
The Art of Bev Doolittle 74 8
Art As Experience 61 9
The Painted Word 51 4
Hirschfeld on Line 43 2
Adirondack Style 42 6
Architecture : Form, Space 42 4
В первом столбце - названия продуктов, во втором - количество клиентов, купивших эти продукты, в третьем - количество клиентов, которые при этом купили ещё один продукт, который я задал в качестве параметра отчёта.
При запуске отчёта мне предлагается выбрать этот продукт.
Вот SQL, который при этом генерируется (база на MS Access):
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
83.
84.
85.
86.
87.
88.
89.
90.
91.
92.
93.
94.
95.
96.
97.
98.
99.
100.
101.
102.
103.
104.
105.
106.
107.
108.
109.
110.
111.
112.
113.
114.
115.
116.
117.
118.
119.
120.
121.
122.
123.
124.
125.
126.
127.
128.
129.
130.
131.
132.
133.
134.
135.
136.
137.
138.
139.
140.
141.
142.
143.
144.
145.
146.
147.
148.
149.
150.
151.
Report: New Report
Data Rows: 352
Data Columns: 2
Cache Used: No
Execution Start Time: 06 / 17 / 2004 19 : 04 : 19
Execution Finish Time: 06 / 17 / 2004 19 : 04 : 41
Total Duration: 0 : 00 : 22 . 62
SQL Duration: 0 : 00 : 22 . 61
Analytical Duration: 0 : 00 : 00 . 00
Other Processing Duration: 0 : 00 : 00 . 01
Number of Rows Returned: 352
Number of Columns Returned: 5
Number of Temp Tables: 6
Total Number of Passes: 19
Number of SQL Passes: 19
Number of Analytical Passes: 0
DB User: Data
DB Instance: Tutorial Data
Tables Accessed:
LU_CUSTOMER
LU_ITEM
LU_ORDER
ORDER_DETAIL
SQL Statements:
Pass0 - Duration: 0 : 00 : 00 . 02
create table ZZTA700GKJ7SP000 (
ITEM_ID SHORT,
WJXBFS1 LONG)
Pass1 - Duration: 0 : 00 : 09 . 96
insert into ZZTA700GKJ7SP000
select a12.[ITEM_ID] AS ITEM_ID,
count(a11.[CUSTOMER_ID]) AS WJXBFS1
from [LU_CUSTOMER] a11,
[LU_ITEM] a12
group by a12.[ITEM_ID]
Pass2 - Duration: 0 : 00 : 00 . 00
create table ZZTA700GKJ7OT001 (
ITEM_ID SHORT,
WJXBFS1 SHORT)
Pass3 - Duration: 0 : 00 : 08 . 33
insert into ZZTA700GKJ7OT001
select distinct a11.[ITEM_ID] AS ITEM_ID,
a12.[CUSTOMER_ID] AS WJXBFS1
from [ORDER_DETAIL] a11,
[LU_ORDER] a12
where a11.[ORDER_ID] = a12.[ORDER_ID]
Pass4 - Duration: 0 : 00 : 00 . 02
create table ZZTA700GKJ7SP002 (
ITEM_ID SHORT,
WJXBFS1 LONG)
Pass5 - Duration: 0 : 00 : 00 . 90
insert into ZZTA700GKJ7SP002
select pa2.[ITEM_ID] AS ITEM_ID,
count(*) AS WJXBFS1
from [ZZTA700GKJ7OT001] pa2
group by pa2.[ITEM_ID]
Pass6 - Duration: 0 : 00 : 00 . 00
create table ZZTA700GKJ7MD003 (
ITEM_ID SHORT,
WJXBFS1 LONG,
WJXBFS2 LONG)
Pass7 - Duration: 0 : 00 : 00 . 00
insert into ZZTA700GKJ7MD003
select pa1.[ITEM_ID] AS ITEM_ID,
pa1.[WJXBFS1] AS WJXBFS1,
pa3.[WJXBFS1] AS WJXBFS2
from [ZZTA700GKJ7SP000] pa1,
[ZZTA700GKJ7SP002] pa3
where pa1.[ITEM_ID] = pa3.[ITEM_ID]
Pass8 - Duration: 0 : 00 : 00 . 00
create table ZZTA700GKJ7OT004 (
ITEM_ID SHORT,
WJXBFS1 SHORT)
Pass9 - Duration: 0 : 00 : 03 . 19
insert into ZZTA700GKJ7OT004
select distinct a11.[ITEM_ID] AS ITEM_ID,
a12.[CUSTOMER_ID] AS WJXBFS1
from [ORDER_DETAIL] a11,
[LU_ORDER] a12
where a11.[ORDER_ID] = a12.[ORDER_ID]
and ((a12.[CUSTOMER_ID])
in (select r12.[CUSTOMER_ID]
from [ORDER_DETAIL] r11,
[LU_ORDER] r12
where r11.[ORDER_ID] = r12.[ORDER_ID]
and r11.[ITEM_ID] in ( 119 )))
Pass10 - Duration: 0 : 00 : 00 . 01
create table ZZTA700GKJ7MD005 (
ITEM_ID SHORT,
WJXBFS1 LONG)
Pass11 - Duration: 0 : 00 : 00 . 08
insert into ZZTA700GKJ7MD005
select pa5.[ITEM_ID] AS ITEM_ID,
count(*) AS WJXBFS1
from [ZZTA700GKJ7OT004] pa5
group by pa5.[ITEM_ID]
Pass12 - Duration: 0 : 00 : 00 . 02
select pa4.[ITEM_ID] AS ITEM_ID,
a11.[ITEM_NAME] AS ITEM_NAME,
pa4.[WJXBFS1] AS WJXBFS1,
pa4.[WJXBFS2] AS WJXBFS2,
pa6.[WJXBFS1] AS WJXBFS3
from [ZZTA700GKJ7MD003] pa4,
[ZZTA700GKJ7MD005] pa6,
[LU_ITEM] a11
where pa4.[ITEM_ID] = pa6.[ITEM_ID] and
pa4.[ITEM_ID] = a11.[ITEM_ID]
Pass13 - Duration: 0 : 00 : 00 . 03
drop table ZZTA700GKJ7SP000
Pass14 - Duration: 0 : 00 : 00 . 00
drop table ZZTA700GKJ7OT001
Pass15 - Duration: 0 : 00 : 00 . 02
drop table ZZTA700GKJ7SP002
Pass16 - Duration: 0 : 00 : 00 . 00
drop table ZZTA700GKJ7MD003
Pass17 - Duration: 0 : 00 : 00 . 02
drop table ZZTA700GKJ7OT004
Pass18 - Duration: 0 : 00 : 00 . 00
drop table ZZTA700GKJ7MD005
Вот и всё - ничего сложного. Отчёт делается за 3 минуты.
Если надо ещё какие-то критерии добавить в отчёт - тоже не проблема. Microstrtategy - довольно мощный инструмент. А реляционные СУБД в задачах на Distinct Count не уступают MOLAP-серверам (как мы уже выяснили в результате дискуссии с Владимиром Ивановым в этом форуме).
С уважением,
Константин Лисянский
http://lissianski.narod.ru
