Data Cube Aggregation คืออะไร?

การบูรณาการข้อมูล (Data Integration) เป็นกระบวนการรวมข้อมูลจากหลายแหล่งที่แตกต่างกัน ในการทำ Data Integration ต้องจัดการ Data Redundancy, Inconsistency, Duplicity เป็นต้น ใน Data Mining Data Integration เป็น Pre-processing Method ที่รวมข้อมูลจากแหล่งข้อมูล Heterogeneous หลายแห่งให้เป็นข้อมูล Coherent เพื่อรักษาและให้มุมมอง Unified

Data Integration สำคัญมากในอุตสาหกรรมสาธารณสุข ข้อมูลรวมจากบันทึกผู้ป่วยและคลินิกหลายแห่งช่วยแพทย์ระบุโรคโดยรวมข้อมูลจากหลายระบบเป็นมุมมองเดียวของข้อมูลที่มีประโยชน์ การรวบรวมและบูรณาการข้อมูลที่มีประสิทธิภาพยังปรับปรุงความแม่นยำของการประมวลผลคำร้องประกันสุขภาพ และรับรองว่าชื่อและติดต่อผู้ป่วยบันทึกสอดคล้องและแม่นยำ Interoperability หมายถึงการแบ่งปันข้อมูลข้ามระบบต่างๆ

เมื่อเรามีข้อมูลในรูปแบบต่างจากที่ต้องการ วิธีการรวม (Aggregation Methods) สามารถนำไปใช้กับแอตทริบิวต์เพื่อให้ได้แอตทริบิวต์ที่ต้องการ ตัวอย่าง: ร้านค้ามีข้อมูลยอดขายรายไตรมาส ปี 2010-2012 ข้อมูลเป็นรายไตรมาส แต่ต้องการยอดขายรายปี จึงต้อง Aggregate ข้อมูลเพื่อหาผลลัพธ์ที่ต้องการ

ยอดขายต่อไตรมาส ปี 2010-2012 ถูกรวมเป็นบันทึกยอดขายรายปีเดียว

ลำดับชั้นแนวคิด (Concept Hierarchies) อาจมีอยู่สำหรับแต่ละแอตทริบิวต์ อนุญาตให้วิเคราะห์ข้อมูลหลายระดับการนามธรรม ตัวอย่าง: ลำดับชั้นสำหรับสาขา อาจรวมสาขาเป็นภูมิภาค (Regions) จากที่อยู่ Data Cubes รองรับการเข้าถึงข้อมูลสรุปที่คำนวณล่วงหน้า (Pre-computed Summarized Data) อย่างรวดเร็ว ช่วย OLAP และ Data Mining

Cube ที่สร้างในระดับการนามธรรมต่ำสุด เรียกว่า Base Cuboid Base Cuboid ควรสอดคล้องกับเอนทิตีเดียวที่สนใจ เช่น Sales หรือ Customers ระดับต่ำสุดต้องใช้งานได้หรือประโยชน์สำหรับการวิเคราะห์ Cube ในระดับการนามธรรมสูงสุด คือ Apex Cuboid

Data Cubes ที่สร้างสำหรับหลายระดับการนามธรรม เรียกว่า Cuboids ทำให้ Data Cube แทน Lattice ของ Cuboids แต่ละระดับการนามธรรมที่สูงขึ้น ลดขนาดข้อมูลที่ได้ลงไปอีก เมื่อตอบคำขอ Data Mining ควรใช้ Cuboid ที่เล็กที่สุดที่มีอยู่และเกี่ยวข้องกับงานที่กำหนด