Operations của OLAP trong mô hình dữ liệu đa chiều

Last updated on January 28th, 2026 at 09:46 am

Trong mô hình đa chiều, các bản ghi được tổ chức thành nhiều chiều khác nhau và mỗi chiều bao gồm nhiều mức trừu tượng được mô tả bằng phân cấp khái niệm. Tổ chức này hỗ trợ người dùng tính linh hoạt để xem dữ liệu từ nhiều khía cạnh khác nhau. Một số Operations khối dữ liệu OLAP tồn tại để chứng minh các chế độ xem khác nhau này, cho phép các truy vấn tương tác và tìm kiếm bản ghi trong tầm tay. Do đó, OLAP hỗ trợ một môi trường thân thiện với người dùng để phân tích dữ liệu tương tác.

Xem xét các Operations OLAP sẽ được thực hiện trên dữ liệu đa chiều. Hình này cho thấy các khối dữ liệu về doanh số của một cửa hàng. Khối lập phương chứa các kích thước, vị trí và thời gian và mục, trong đó vị trí được tổng hợp theo giá trị thành phố, thời gian được tổng hợp theo phần tư và một mục được tổng hợp theo loại mục.

Roll-Up

Operations Roll-Up (còn được gọi là Operations tổng hợp hoặc chi tiết) thực hiện tổng hợp trên một khối dữ liệu, bằng cách leo xuống các cấu trúc phân cấp khái niệm, tức là giảm kích thước. Roll-Up giống như thu nhỏ trên các khối dữ liệu. Hình cho thấy kết quả của các Operations Roll-Up được thực hiện trên vị trí kích thước. Thứ bậc cho vị trí được xác định là Đường đặt hàng, thành phố, tỉnh hoặc tiểu bang, quốc gia. Thao tác Roll-Up tổng hợp dữ liệu bằng cách tăng dần thứ bậc vị trí từ cấp thành phố đến cấp quốc gia.

Khi Roll-Up được thực hiện bằng cách giảm kích thước, một hoặc nhiều kích thước sẽ bị xóa khỏi hình khối. Ví dụ: hãy xem xét một khối dữ liệu bán hàng có hai thứ nguyên, vị trí và thời gian. Tổng hợp có thể được thực hiện bằng cách loại bỏ, các thứ nguyên thời gian, xuất hiện trong một tập hợp của tổng doanh số bán hàng theo địa điểm, tương đối hơn là theo địa điểm và theo thời gian.

Drill-Down

Operations Drill-Down (còn gọi là cuộn xuống) là Operations ngược lại của Roll-Up. Drill-down giống như phóng to trên khối dữ liệu. Nó điều hướng từ bản ghi ít chi tiết hơn đến dữ liệu chi tiết hơn. Việc tìm hiểu chi tiết có thể được thực hiện bằng cách giảm bớt phân cấp khái niệm cho một thứ nguyên hoặc thêm thứ nguyên bổ sung.

Hình cho thấy một Operations chi tiết được thực hiện trên thứ nguyên thời gian bằng cách giảm bớt phân cấp khái niệm được xác định là ngày, tháng, quý và năm. Thông tin chi tiết xuất hiện bằng cách giảm dần phân cấp thời gian từ cấp của quý đến cấp chi tiết hơn của tháng.

Bởi vì việc xem chi tiết bổ sung thêm chi tiết cho dữ liệu đã cho, nó cũng có thể được thực hiện bằng cách thêm một kích thước mới vào một khối lập phương. Ví dụ: chi tiết về các khối trung tâm của hình có thể xảy ra bằng cách giới thiệu một thứ nguyên bổ sung.

Slice

Một Slice là một tập hợp con của các hình khối tương ứng với một giá trị duy nhất cho một hoặc nhiều phần tử của thứ nguyên. Ví dụ: Operations cắt lát được thực hiện khi khách hàng muốn lựa chọn trên một chiều của hình khối ba chiều dẫn đến trang web hai chiều. Vì vậy, các phép toán Slice thực hiện lựa chọn trên một kích thước của hình lập phương đã cho, do đó tạo ra một hình lập phương con.

Dice

Phép toán xúc xắc mô tả một khối con bằng cách vận hành một lựa chọn trên hai hoặc nhiều thứ nguyên.

Hãy xem xét sơ đồ sau đây, cho thấy các Operations của xúc xắc.

Thao tác xúc xắc trên các khối lập phương dựa trên các tiêu chí lựa chọn sau đây bao gồm ba

kích thước.

• (location = “Toronto” hoặc “Vancouver”)
• (time= “Q1” hoặc “Q2”)
• (item = “Di động” hoặc “Modem”)

Pivot

Operations pivot còn được gọi là một vòng quay. Pivot là một Operations trực quan hóa xoay các trục dữ liệu trong chế độ xem để cung cấp một bản trình bày thay thế của dữ liệu. Nó có thể bao gồm việc hoán đổi các hàng và cột hoặc di chuyển một trong các kích thước hàng vào các kích thước cột.

Hãy xem xét sơ đồ sau, cho thấy Operations xoay.

Các Operations OLAP khác

Thực hiện các truy vấn chứa nhiều hơn một bảng dữ kiện. Các Operations đi sâu sử dụng SQL quan hệ tạo điều kiện để đi sâu qua cấp dưới cùng của khối dữ liệu xuống các bảng quan hệ phía sau của nó.

Các Operations OLAP khác có thể bao gồm việc xếp hạng các phần tử đầu N hoặc N dưới cùng trong danh sách, cũng như tính toán mức trung bình động, tỷ lệ tăng trưởng và lãi suất, tỷ lệ hoàn vốn nội bộ, khấu hao, chuyển đổi tiền tệ và các nhiệm vụ thống kê.

OLAP cung cấp khả năng mô hình hóa phân tích, chứa một công cụ tính toán để xác định tỷ lệ, phương sai, v.v. và cho các phép tính toán trên các kích thước khác nhau. Nó có thể tạo tóm tắt, tổng hợp và phân cấp ở mỗi cấp độ chi tiết và ở mọi giao điểm thứ nguyên. OLAP cũng cung cấp các mô hình chức năng để dự báo, phân tích xu hướng và phân tích thống kê. Trong bối cảnh này, công cụ OLAP là một công cụ phân tích dữ liệu mạnh mẽ.

INDA Academy tự hào là đơn vị tiên phong trong việc đào tạo phân tích dữ liệu và AI chuyên sâu, đặc biệt cho khối ngành Ngân hàng – Tài chính – Bảo hiểm tại Việt Nam. Sau hơn 12 năm “thực chiến” cùng những dòng chảy dữ liệu khổng lồ, chúng tôi đã xây dựng nên một hệ sinh thái đào tạo toàn diện, giúp hàng nghìn học viên chuyển mình từ người mới bắt đầu trở thành những chuyên gia lành nghề, sẵn sàng đáp ứng tiêu chuẩn khắt khe của các doanh nghiệp lớn.

Điểm khác biệt lớn nhất tại INDA chính là triết lý đào tạo dựa trên các dự án thực tế (Project-based) và lộ trình cá nhân hóa nhờ ứng dụng AI. Chúng tôi không chỉ dạy bạn cách sử dụng công cụ, mà còn truyền tải tư duy khai phá giá trị từ dữ liệu để đưa ra quyết định kinh doanh chính xác.

Tìm hiểu thêm về các khóa học TẠI ĐÂY:
Môn học DWH/ETL
Lộ trình đào tạo Data Engineer
Lộ trình đào tạo Data Analyst
Lộ trình đào tạo Tester
Khóa học Data Engineer nâng cao – Thực chiến 5 dự án doanh nghiệp
Khóa học Data Analyst nâng cao – Thực chiến 5 dự án doanh nghiệp