陳 磊， 孫四明， 董碧丹

(中國(guó)航天工程咨詢中心，北京100048)

0 引 言

很多較早進(jìn)行信息化的大型國(guó)企在十余年的信息化過(guò)程中，積累了大量的數(shù)據(jù)，這些數(shù)據(jù)對(duì)指導(dǎo)企業(yè)發(fā)展有著巨大的價(jià)值。只有更深層次地分析這些數(shù)據(jù)，才能更好地發(fā)掘其中的價(jià)值。目前的數(shù)據(jù)庫(kù)系統(tǒng)可以高效地實(shí)現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計(jì)等功能，但還缺乏發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，及挖掘數(shù)據(jù)背后隱藏的知識(shí)的手段，還不能根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì)。隨著數(shù)據(jù)規(guī)模的不斷增加，傳統(tǒng)的簡(jiǎn)單統(tǒng)計(jì)和人工分析方法已經(jīng)不能滿足現(xiàn)在業(yè)務(wù)的需求[1]。因此，管理應(yīng)用領(lǐng)域迫切要求發(fā)展一種新的技術(shù)，從而能夠從海量數(shù)據(jù)中抽取出模式，找出數(shù)據(jù)變化的規(guī)律和數(shù)據(jù)之間的相互依存關(guān)系，使人們能夠從宏觀的角度來(lái)審視數(shù)據(jù)，充分發(fā)掘數(shù)據(jù)的潛力，為管理層決策提供有力的支持[2]。

在這種情況下，如果需要將數(shù)據(jù)轉(zhuǎn)換為知識(shí)，主要需要聯(lián)機(jī)分析處理(OLAP)和前端展現(xiàn)兩項(xiàng)功能。其中OLAP是基于數(shù)據(jù)庫(kù)最重要的多維分析工具，可以使用戶輕松而高效的分析大量復(fù)雜數(shù)據(jù)，迅速做出正確的判斷[2]。用于OLAP前端展現(xiàn)的數(shù)據(jù)可視化技術(shù)也被稱為OLAP可視化技術(shù)，致力于將盡可能多的信息貼切展現(xiàn)出來(lái)，便于管理者和決策者迅速獲得信息中蘊(yùn)藏的知識(shí)，如趨勢(shì)、分布、密度等要素[3]。它主要研究?jī)?nèi)容包括以下3個(gè)方面：OLAP數(shù)據(jù)展現(xiàn)模式的用戶親和性和交互性研究，通過(guò)OLAP數(shù)據(jù)展現(xiàn)進(jìn)行數(shù)據(jù)模式發(fā)現(xiàn)的研究和OLAP可視化布局編程語(yǔ)言的研究[4]。

國(guó)內(nèi)現(xiàn)有的OLAP可視化工具存在不完善的地方：首先是指標(biāo)選取有冗余。展示界面上內(nèi)容過(guò)多，增加了用戶及時(shí)準(zhǔn)確獲取所關(guān)心內(nèi)容的難度。其次，圖形的交互性不夠強(qiáng)。用戶大多被局限在眼前所看到的內(nèi)容之上，難以深入了解數(shù)據(jù)所隱含的信息。最后，圖形展現(xiàn)體系設(shè)計(jì)不夠合理。用戶在使用數(shù)據(jù)展現(xiàn)工具的時(shí)候很難發(fā)現(xiàn)數(shù)據(jù)所包含的趨勢(shì)。本文對(duì)OLAP可視化進(jìn)行了總結(jié)，基于分解樹(shù)提出一套新的OLAP可視化架構(gòu)，完成基于上述架構(gòu)的工具開(kāi)發(fā)。

1 OLAP可視化概述

OLAP可視化是將商業(yè)智能(BI)技術(shù)與信息可視化及可視化分析領(lǐng)域的成果進(jìn)行綜合的產(chǎn)物[5]。傳統(tǒng)的 OLAP前端工具，以支持報(bào)告和分析為目的，只用到對(duì)數(shù)據(jù)表達(dá)展現(xiàn)的數(shù)據(jù)可視化方案。但在OLAP可視化中，可視化與交互式查詢的互動(dòng)是關(guān)鍵。進(jìn)一步分析可以發(fā)現(xiàn)，OLAP可視化包括以下應(yīng)用范圍：從各個(gè)角度處理大量數(shù)據(jù)或者多維數(shù)據(jù)集中的數(shù)據(jù)，抽取信息，修正假設(shè)，尋找趨勢(shì)，揭示存在的模式，獲得更深入的理解和發(fā)現(xiàn)新的知識(shí)。相比一些傳統(tǒng)上的分析過(guò)程的操作，例如鉆取、上卷、切片、透視和排序，OLAP可視化支持更多的交互式數(shù)據(jù)操作技術(shù)，例如縮放和展開(kāi)，過(guò)濾，擦洗和折疊等等[6]。

根據(jù) OLAP可視化所用到的技術(shù)和應(yīng)用領(lǐng)域，可以將OLAP可視化定義如下：運(yùn)用一系列新技術(shù)，通過(guò)與含有大量數(shù)據(jù)的多維數(shù)據(jù)集之間的交互，將多維數(shù)據(jù)集形象化的展現(xiàn)在用戶面前的新一代終端用戶工具。該工具為用戶指定、重定義和操作所關(guān)注的數(shù)據(jù)子集提供了必要的交互設(shè)計(jì)[7]。

2 基于分解樹(shù)的新OLAP可視化結(jié)構(gòu)的實(shí)現(xiàn)

2.1 系統(tǒng)模型概述

ProClarity[8]首先提出并實(shí)現(xiàn)了層次鉆取可視化方法分解樹(shù)。在實(shí)際應(yīng)用中，分解樹(shù)將內(nèi)容聚合到點(diǎn)以及它的子點(diǎn)上，這樣就可以順著維度通過(guò)點(diǎn)來(lái)進(jìn)行鉆取[9]。隨后，ReportPortal報(bào)表(2009年)[10]中提出了圖形分解樹(shù)，包括條形圖樹(shù)和餅圖樹(shù)。MansmannandScholl(2007年)[11]提出了被稱為增強(qiáng)分解樹(shù)一系列的多層級(jí)可視化方法。在這種方法中，可視化層次通過(guò)對(duì)一個(gè)具體維度聚合的分解來(lái)完成。ProClarity中的分解樹(shù)在數(shù)據(jù)展現(xiàn)和模式發(fā)現(xiàn)中效率較低[12]。而ReportPortal報(bào)表(2009年)中實(shí)現(xiàn)的圖形分解樹(shù)則將圖形限制在深度鉆取過(guò)程中，具有很強(qiáng)的局限性。Mansmann and Scholl(2007年)所提出的增強(qiáng)分解樹(shù)雖然解決了不同多維立方體之間的交互問(wèn)題，但是在度量的分解觀察中并沒(méi)有很大的突破[13]。

為了解決集團(tuán)型企業(yè)積累數(shù)據(jù)的維度和層次過(guò)多，數(shù)據(jù)結(jié)構(gòu)復(fù)雜的問(wèn)題。本文提出一種從兩個(gè)角度進(jìn)行層次鉆取的技術(shù)：多角度增強(qiáng)分解樹(shù)。多角度增強(qiáng)分解樹(shù)從兩個(gè)方面對(duì)數(shù)據(jù)進(jìn)行鉆取，一個(gè)是傳統(tǒng)的鉆取方式，可以通過(guò)對(duì)關(guān)注的內(nèi)容進(jìn)行鉆取分解，獲得更詳細(xì)的內(nèi)容，這是對(duì)某一度量的維度聚合進(jìn)行分解查看的過(guò)程；另外一個(gè)是多角度鉆取，這種方式的出發(fā)點(diǎn)是通過(guò)不同的角度來(lái)對(duì)比觀察數(shù)據(jù)，以便于模式的發(fā)現(xiàn)，這是一個(gè)針對(duì)某一度量的維度聚集過(guò)程。通過(guò)維度聚集，用戶可以從不同的角度觀察度量，在對(duì)比中更容易發(fā)現(xiàn)隱藏在其中的數(shù)據(jù)模型。

多角度增強(qiáng)分解樹(shù)技術(shù)，通過(guò)將鉆取和同層次維度聚集兩種技術(shù)進(jìn)行融合，讓用戶在觀察數(shù)據(jù)的過(guò)程中做到線面結(jié)合，形成數(shù)據(jù)的網(wǎng)狀觀察能力，擴(kuò)大了用戶的數(shù)據(jù)接觸面，提高了數(shù)據(jù)的利用效率。

2.2 系統(tǒng)的多角度增強(qiáng)分解樹(shù)應(yīng)用模型

集團(tuán)型企業(yè)數(shù)據(jù)庫(kù)存儲(chǔ)的海量數(shù)據(jù)有繁多的維度和較深的數(shù)據(jù)結(jié)構(gòu)層次。為了使管理層能夠關(guān)注到更多的數(shù)據(jù)，讓數(shù)據(jù)發(fā)揮更大的作用，本文根據(jù)多角度增強(qiáng)分解樹(shù)設(shè)計(jì)出以下模型設(shè)計(jì)體系，如圖1所示。

圖1 原型系統(tǒng)在多角度增強(qiáng)分解樹(shù)模式下的應(yīng)用

主設(shè)計(jì)模版用于設(shè)計(jì)展現(xiàn)管理層最關(guān)心的內(nèi)容，使管理層可以從整體對(duì)企業(yè)現(xiàn)狀進(jìn)行把握。模型為主設(shè)計(jì)模版的板塊設(shè)計(jì)了兩種不同的分解展現(xiàn)設(shè)計(jì)方式：如果希望展現(xiàn)某一板塊包含的細(xì)節(jié)數(shù)據(jù)，可以選擇鉆取展現(xiàn)設(shè)計(jì)模板來(lái)進(jìn)行設(shè)計(jì)。如果希望得到某一板塊數(shù)據(jù)內(nèi)容在不同維度組合中的對(duì)比，可以選擇多角度觀察設(shè)計(jì)模板進(jìn)行設(shè)計(jì)。在展示方式上，系統(tǒng)采用透視圖、維度地圖、統(tǒng)計(jì)圖和儀表盤4種展示方式對(duì)數(shù)據(jù)進(jìn)行展現(xiàn)。

2.3 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)結(jié)構(gòu)設(shè)計(jì)圖如圖2所示。

圖2 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

為了實(shí)現(xiàn)上面提到的技術(shù)，本文建立了一個(gè)以 SSAS(Microsoft SQL server analysis services)為數(shù)據(jù)源的系統(tǒng)。原型系統(tǒng)共包含3層，第一層是界面層，面向用戶，為用戶提供模型設(shè)計(jì)和數(shù)據(jù)展現(xiàn)兩個(gè)功能；第二層為應(yīng)用服務(wù)層，為第一層提供后臺(tái)功能支持，這一層按照需求劃分為多維結(jié)構(gòu)獲取、模型訪問(wèn)和多維數(shù)據(jù)獲取3個(gè)部分，保證界面層功能的實(shí)現(xiàn)；第三層為數(shù)據(jù)層，數(shù)據(jù)層包含兩個(gè)數(shù)據(jù)源，一個(gè)為多維數(shù)據(jù)集，用SSAS實(shí)現(xiàn)，是分析展現(xiàn)的基礎(chǔ)，另外一個(gè)是關(guān)系數(shù)據(jù)庫(kù)，用于存儲(chǔ)完成設(shè)計(jì)的模型。

2.3.1 數(shù)據(jù)層

如圖2所示，系統(tǒng)需要建立兩個(gè)不同的信息存儲(chǔ)結(jié)構(gòu)：多維數(shù)據(jù)集和模型數(shù)據(jù)。多維數(shù)據(jù)集包括維度、事實(shí)表以及KPI等，這套數(shù)據(jù)用于為數(shù)據(jù)展現(xiàn)提供與數(shù)據(jù)源服務(wù)器的連接字符串。模型數(shù)據(jù)包括展現(xiàn)模型和各個(gè)分區(qū)圖表定義，這里各個(gè)分區(qū)的圖表定義包括圖表類型選擇、行、列和數(shù)據(jù)內(nèi)容等。其中模型數(shù)據(jù)還應(yīng)該分為3類，一類是KPI的數(shù)據(jù)和布局設(shè)置；還有一類是多角度查看時(shí)需要用到的模型設(shè)計(jì)；最后一類是鉆取時(shí)會(huì)用到的模型設(shè)計(jì)。

2.3.2 應(yīng)用服務(wù)層

本層主要是為界面層提供后臺(tái)服務(wù)。

多維結(jié)構(gòu)獲取，在程序初始化運(yùn)行的時(shí)候，首先與選定的SSAS服務(wù)器進(jìn)行連接，連接完成后提供SSAS服務(wù)器當(dāng)前狀態(tài)下所有Cube名稱及詳細(xì)信息。

模型訪問(wèn)，在展現(xiàn)層展現(xiàn)模型設(shè)計(jì)完成模型設(shè)計(jì)之后，負(fù)責(zé)將已完成的模型設(shè)計(jì)存儲(chǔ)到模型數(shù)據(jù)庫(kù)中。如果用戶需要修改模型或發(fā)出數(shù)據(jù)展現(xiàn)請(qǐng)求的時(shí)候，從數(shù)據(jù)庫(kù)中讀取已存儲(chǔ)的相應(yīng)模型。

多維數(shù)據(jù)獲取，在用戶發(fā)出數(shù)據(jù)展現(xiàn)請(qǐng)求，模型已經(jīng)完成讀取的時(shí)候，這部分服務(wù)負(fù)責(zé)將模型展現(xiàn)所需要的數(shù)據(jù)從SSAS中讀取出來(lái)，返回給數(shù)據(jù)展現(xiàn)模塊。

2.3.3 界面層

本層包含展現(xiàn)模型設(shè)計(jì)和數(shù)據(jù)展現(xiàn)兩部分內(nèi)容。

展現(xiàn)模型設(shè)計(jì)部分，這部分用Cube結(jié)構(gòu)信息完成展現(xiàn)模型的設(shè)計(jì)，并將設(shè)計(jì)結(jié)果存入模型數(shù)據(jù)庫(kù)。模型設(shè)計(jì)包括：KPI展現(xiàn)設(shè)計(jì)、鉆取展現(xiàn)設(shè)計(jì)和多角度觀察設(shè)計(jì)3個(gè)界面。每個(gè)界面中包含展現(xiàn)模型確定和各個(gè)分區(qū)圖表定義。各個(gè)分區(qū)圖表定義包括圖表類型的選擇、行、列和數(shù)據(jù)內(nèi)容的確定，模型設(shè)計(jì)流程見(jiàn)圖3。

圖3 模型設(shè)計(jì)流程

針對(duì)本文所提出的模型，在系統(tǒng)設(shè)計(jì)的時(shí)候，將模型設(shè)計(jì)界面分為兩層三項(xiàng)。第一層是模型設(shè)計(jì)的KPI設(shè)計(jì)界面，用戶可以在這一層選定KPI以及展現(xiàn)的版式。這里的版式包含三分、四分或者自由組合等設(shè)計(jì)方法，這樣可以讓用戶按照自己的要求完成布局設(shè)計(jì)。針對(duì)每一個(gè)具體的KPI，用戶可以選擇鉆取設(shè)置或者多角度分解設(shè)置兩種鉆取展現(xiàn)方式分別進(jìn)行設(shè)計(jì)，這兩種展現(xiàn)方式組成了模型設(shè)計(jì)的第二層。模型設(shè)計(jì)第一層和第二層的組合，在實(shí)際應(yīng)用中進(jìn)行擴(kuò)展，就形成了一個(gè)完整的樹(shù)形結(jié)構(gòu)。這種結(jié)構(gòu)在維度的每一個(gè)顆粒度保證了用戶可以沿著單一維度通過(guò)鉆取獲取更多細(xì)節(jié)信息，或用多角度對(duì)比觀察這種維度聚集的觀察方式發(fā)現(xiàn)模式。

數(shù)據(jù)展現(xiàn)部分，該部分用于對(duì)設(shè)計(jì)好的模型進(jìn)行展現(xiàn)。這部分展現(xiàn)需要用到從數(shù)據(jù)庫(kù)中讀取的，已完成設(shè)計(jì)存儲(chǔ)的模型。當(dāng)模型被讀取之后，程序會(huì)根據(jù)模型信息從Cube中讀取相應(yīng)的數(shù)據(jù)，并按照模型中確定好的展現(xiàn)設(shè)計(jì)進(jìn)行圖形或圖表展現(xiàn)。

2.4 系統(tǒng)驗(yàn)證

為了驗(yàn)證系統(tǒng)所設(shè)計(jì)結(jié)構(gòu)對(duì)多維數(shù)據(jù)展示的特性，本文以AdventureWorksDW為原始數(shù)據(jù)，組織了多維數(shù)據(jù)集AdventureWorksInternetSales作為本系統(tǒng)的數(shù)據(jù)源。AdventureWorks-DW 是一個(gè)自行車銷售商所積累的數(shù)據(jù)[14]。運(yùn)用 Adventure-WorksDW制作的多維數(shù)據(jù)源數(shù)據(jù)結(jié)構(gòu)圖如圖4所示。

圖4 Adventure Works Internet Sales數(shù)據(jù)結(jié)構(gòu)

實(shí)驗(yàn)完成模型設(shè)計(jì)及存儲(chǔ)后，可以通過(guò)模型展現(xiàn)看到如圖5、圖6的展示結(jié)果。

圖5展示了系統(tǒng)的第一層KPI，這一層主要給用戶一個(gè)總括性概念，讓用戶了解到目前企業(yè)的大概狀況。如果用戶對(duì)一個(gè)單獨(dú)的KPI感興趣，就可以選擇鉆取或者多角度觀察來(lái)了解具體內(nèi)容。圖6上圖是對(duì)訂單量的鉆取展示，它按照模型設(shè)定的鉆取順序，按照國(guó)家、省和城市的鉆取層次進(jìn)行鉆取。通過(guò)鉆取展現(xiàn)可以輕易的找出銷量好的省份和銷量不好的省份，便于輔助用戶的信息獲取過(guò)程。

圖5 KPI展示

當(dāng)從各個(gè)方面對(duì)訂單量進(jìn)行對(duì)比觀察時(shí)，進(jìn)入多角度觀察展示界面。如圖6所示多角度展現(xiàn)對(duì)比觀察展現(xiàn)所示，可以明確的看出，擁有學(xué)士學(xué)位的人購(gòu)買自行車明顯多于其它受教育程度的人。也可以看出，不同國(guó)家的男性和女性購(gòu)買該經(jīng)銷商自行車的訂單量幾乎一致等。分析師可以通過(guò)以上這兩個(gè)類似的展現(xiàn)得出的結(jié)論進(jìn)行聯(lián)合分析，更準(zhǔn)確把握目前市場(chǎng)的狀況。通過(guò)這些發(fā)現(xiàn)，Adventure Works可以及時(shí)的調(diào)整促銷策略。

圖6 鉆取展示的層次遞進(jìn)和多角度對(duì)比觀察

3 結(jié)束語(yǔ)

本文主要完成了以下工作：根據(jù)對(duì)OLAP可視化技術(shù)的研究，找出了當(dāng)前技術(shù)及現(xiàn)有工具所存在的問(wèn)題，根據(jù)問(wèn)題提出多角度增強(qiáng)分解樹(shù)的數(shù)據(jù)展現(xiàn)技術(shù)；實(shí)現(xiàn)了以上述OLAP可視化架構(gòu)為基礎(chǔ)的商業(yè)智能數(shù)據(jù)展現(xiàn)工具；對(duì)所實(shí)現(xiàn)的系統(tǒng)進(jìn)行驗(yàn)證實(shí)驗(yàn)，檢測(cè)系統(tǒng)性能，驗(yàn)證了系統(tǒng)在模式發(fā)現(xiàn)中的作用。

本文的研究過(guò)程中，應(yīng)用創(chuàng)新點(diǎn)主要表現(xiàn)在：針對(duì)集團(tuán)型數(shù)據(jù)維度和層次復(fù)雜的問(wèn)題，提出并實(shí)現(xiàn)了多角度增強(qiáng)分解樹(shù)技術(shù)。這是一種將度量鉆取與度量在不同維度上的展現(xiàn)對(duì)比相融合的技術(shù)。這種技術(shù)突破了傳統(tǒng)分解樹(shù)在數(shù)據(jù)展現(xiàn)和模式發(fā)現(xiàn)中的低效率，也突破了之后實(shí)現(xiàn)的圖形分解樹(shù)中無(wú)法對(duì)不同維度進(jìn)行縱向比對(duì)的問(wèn)題。為用戶觀察數(shù)據(jù)提供了更加便捷的途徑。本文研究過(guò)程中也發(fā)現(xiàn)，OLAP可視化研究現(xiàn)在依然是以各自理論為中心，并沒(méi)有形成真正的體系，仍處于理論建設(shè)的初級(jí)階段。OLAP可視化作為OLAP的一個(gè)研究分支，以合理展現(xiàn)OLAP數(shù)據(jù)集為成功標(biāo)志[15]。

OLAP可視化未來(lái)的研究方向可以被區(qū)分為以下3個(gè)主要的主題：與數(shù)據(jù)倉(cāng)庫(kù)管理系統(tǒng)的整合，形成從數(shù)據(jù)整理到數(shù)據(jù)展現(xiàn)全過(guò)程的監(jiān)控。目前系統(tǒng)應(yīng)用背景之下，前后端系統(tǒng)的整合一直是技術(shù)發(fā)展的趨勢(shì)之一。可視化整體數(shù)據(jù)立方體/數(shù)據(jù)倉(cāng)庫(kù)主題的技術(shù)。目標(biāo)是如何展現(xiàn)從整個(gè)和不同的數(shù)據(jù)源的展現(xiàn)。這個(gè)研究方向需要直接面對(duì)復(fù)雜的數(shù)據(jù)結(jié)構(gòu)和巨量的數(shù)據(jù)，很難取得大的突破。而如果出現(xiàn)穩(wěn)定的算法，將會(huì)帶動(dòng)OLAP可視化領(lǐng)域的一次革命。多維數(shù)據(jù)庫(kù)的可視化查詢語(yǔ)言。作為增強(qiáng)用戶交互性的重要手段，可視化查詢語(yǔ)言一直是OLAP可視化領(lǐng)域一個(gè)研究重點(diǎn)。除去在抽象過(guò)程中所面臨的巨大挑戰(zhàn)，在技術(shù)性與實(shí)用性之間的均衡是在開(kāi)發(fā)過(guò)程中必須考慮的問(wèn)題。

[1]Shi Xiaoming.Research and implementation of visual analysis tool of OLAP based on web[D].Kunming University,2007:2-3.

[2]Cuzzocrea A,Sacc D,Serafino P.Semantics-aware advanced OLAP visualization of multidimensional data cubes[J].International Journal of Data Warehousing and Mining,2007,3(4):1-30.

[3]FEW S.Information dashboard design[M].Sebastopol,CA:O'Reilly,2006:120-121.

[4]Bernd Neumayr,Michael Schrefl.Hetero-homogeneous hierarchies in data warehouses[C].Proceedings of the Seventh Asia-Pacific Conference on Conceptual Modelling,2010:61-70.

[5]Collier A,Marini L,Minsker B.Dashboard visualization for diverse user communities[C].American Geophysical Union,Fall Meeting,2008:231-232.

[6]Hanrahan P,Stolte C,Mackinlay J.Visual analysis for everyone:understanding data exploration and visualization[Z].Tableau Software Inc,2007.

[7]Alfredo Cuzzocrea,Svetlana Mansmann.OLAP visualization:models,issues and techniques[M].2nd ed.Hershey,PA,USA:Encyclopedia of Data Warehousing and Mining,IGI Global,2009:1439-1446.

[8]Lucio Ieronutti,Maurizio Pighin.A novel visualisation and interaction technique for exploring multidimensional data[J].International Journal of Business Intelligence and Data Mining,2009,4(3-4):350-374.

[9]Ren Lei,Wang Weixin,Zhou Mingjun,et al.A model driven development method for interactive information visualization[J].Journal of Software,2008,19(8):1947?1964.

[10]ReportPortal 3.0,from XMLA consulting[EB/OL].http://www.reportportal.com,2010.

[11]Mansmann S,Scholl M H.Exploring OLAP aggregates with hierarchical visualization techniques[C].Proceedings of the 22nd AnnualACMSymposiumon Applied Computing,Multimedia&Visualization Track,2007:1067-1073.

[12]Techapichetvanich K,Datta A.Interactive visualization for OLAP[C].Proceedings of the International Conference on Computational Science and its Applications(Part III),2005:206-214.

[13]Cuzzocrea A,Saccà D,Serafino P.Semantics-aware advanced OLAP visualization of multidimensional data cubes[J].International Journal of Data Warehousing and Mining,2007,3(4):1-30.

[14]George Sporfford,Sivakumar Harinath.MDX solutions[M].Beijing:Tsinghua University Press,2008:325-326.

[15]Lucio Ieronutti,Maurizio Pighin.A novel visualisation and interaction technique for exploring multidimensional data[J].International Journal of Business Intelligence and Data Mining,2009,4(3-4):350-374.