ディスカバリー主導の探索とは何ですか？

ディスカバリー主導の探索は、そのようなキューブ探索アプローチです。発見主導型の探索では、データの例外を示す事前に計算された測定値を使用して、すべてのレベルの集計で、データ分析プロセスでユーザーをガイドします。これらの対策を例外指標と呼びます。

直感的には、例外は、統計モデルに基づいて予想される値とは大幅に異なるデータキューブセルの値です。モデルは、セルが適用されるすべてのディメンションにわたるメジャー値の変動とパターンを処理しました。

たとえば、アイテムの売上データの分析で、12月の売上が数か月と比較して増加していることが確認された場合、これは時間ディメンションの例外のように見えます。ただし、12月中に他のアイテムの売上も同様に増加するため、アイテムのディメンションを考慮しても例外ではありません。

モデルは、データキューブの一部の集計されたgroup-byで不明な例外を処理しました。背景色を含む視覚的な手がかりは、事前に計算された例外インジケーターに応じて、各セルの例外の程度を追跡するために使用されます。

認識データの異常を提供するための例外インジケーターとして、3つのメジャーが使用されます。これらの測定値は、セル内の量がその期待値に関して影響を与えるという驚きの程度を示します。メジャーは計算され、すべてのレベルの集計についてすべてのセルに関連付けられます。それらは次のとおりです-

SelfExp −これは、同じレベルの集約で他のセルに関連付けられているセル値の驚きの程度を示します。

InExp −これは、セルからドリルダウンできる場合、セルの下のどこかでの驚きの程度を示します。

PathExp −これは、セルからのすべてのドリルダウンパスの驚きの程度を示します。

たとえば、AllElectronicsの月間売上高を前月とのパーセンテージの差として分析するとします。含まれるディメンションは、アイテム、時間、および地域です。

例外インジケーターを表示するには、画面上で例外を強調表示するマークが付いたボタンをクリックします。これにより、SelfExp値とInExp値が視覚的な手がかりに解釈され、各セルに表示されます。すべてのセルの背景色は、SelfExp値によって異なります。

さらに、すべてのセルの周りにボックスが描画されます。ボックスの厚さと色は、InExp値のサービスです。太いボックスは、InExp値が高いことを示します。どちらの場合も、色が曇っているほど、例外の度合いが高くなります。

すべてのアイテムの経時的な売上を表示するキューブスライスのアイテム結果に沿ったドリルダウン。分析するために、いくつかの異なる売上値を提示できます。ハイライト例外ボタンを押すと、視覚的な合図が表示され、例外に焦点が当てられます。」