在表中表示多维数据的最佳实践是什么？

Question

我有调查统计数据 - 对于每个答案（有一个正确的答案数量） - 我需要知道年龄组和收入组。 （例如 - 答案“a”由23岁30至35岁的人和11位收入水平为10,000至15,000的人以及7位年龄在30至35岁之间的人收取，收入水平为10,000至15,000（这可以是由前两个要求推断。这些组是预定义的。）这实际上是一个“立方体”具有：
第一维 - 答案id，第二维 - 年龄组，第三维 - 收入组。 /> 我应该如何在数据库中表示它（使用表格）？对于我需要超过3维数据的情况，您能否进行推广？

提前谢谢大家。

Answer 1

该示例包含五个维度：User，Question，Answer，Survey和Demographic。 Demographic表用于冻结调查时的收入水平和年龄组 - 用户可以随时间改变收入和年龄。 CurrentDemographicID表格中的User是在调查之前预先计算的，稍后会复制到DemographicKey表格的UserQA。

select 
      AgeGroup
    , IncomeLevel
    , count(1)   as NumberOfPeople
from UserQA      as f
join Question    as q on q.QuestionID    = f.QuestionID
join Answer      as a on a.AnswerID      = f.AnswerID
join Demographic as d on d.DemographicID = f.DemographicID
join Survey      as s on s.SurveyID      = f.SurveyID
where QuestionFullName = 'specific question here'
  and AnswerFullName   = 'specific answer here'
  and SurveyFullName   = 'specific survey here'
group by AgeGroup, IncomeLevel
order by AgeGroup, IncomeLevel ;

另外，请查看 this question/answer 。

Answer 2

如果每个答案始终都有两个维度，那么您可以拥有一个包含三列的表格，这三列是您的三维。

通常，n列表是表示n个不同维度信息的关系方式。

Answer 3

EAV可能就是你追求的目标。

Answer 4

很可能无论是谁投了devnull的答案，都没有足够的工业数据建模经验或只有简单的练习经验。

作为概括，要使多维分析有效，您需要两级数据建模。

• 基板细节捕获
• 抽象多维数据集

答案确实是EAV作为基板细节捕获。人们可以懒惰，跳过细节基板设计。我被迫（由管理层）评估的每个数据挖掘工具都不充分，因为无法执行时间分析。

最终，它要求我们编写自己的数据挖掘应用程序 - 因为使软件工作的数量虽然无效，但却等于创建一个有效工作的工作量。当我们将抽象立方体的切片输入SAS / Insight时，甚至可以发挥出极大的作用。虽然供应商的软件花了一个小时来构建立方体，有时需要24小时，但我们需要在5分钟内建立立方体，并且经常在15秒内完成 - 由于有效的基板数据建模，可以有效切片数据以构建立方体

在工业实践中，我们可能需要灵活地移动和调整分析的时间窗口，以匹配6个月前发生的情况。或者，我们需要检查上一个财政年度的流程表现。

我们需要有正确的时间相位相关性。让我们说一个教会有一个特定福音派集会的每晚统计数据，因为“保存”的人数，“rededications”的数量，“贡献$”的数量，总贡献$，出席人数 - 超过10晚的集会。

然后教会有关于志愿者分发的小册子数量和每个志愿者分配的位置，广播和电视广告以及谷歌广告的统计数据。因此，教会统计学家需要收集每个转换和$贡献者的信息 - 居住地点，收到地点的时间和地点，遇到广告的时间和地点。如果他们能够从每个出席的人那里收集这些信息，并告诉他们这些信息，以及告诉他们关于集会的人何时何地收到了一条信息或遇到了广告。有了这些信息，统计学家就能够得到一个更加真实匹配的多维立方体，让教会领袖决定如何有效地组织他们未来的预先集会。

教堂可能无法对数据模型进行优化，但对于一个装满设备，机器人和经过培训的操作员的工厂来说，这是非常可能的。获得相位相关数据来治疗流行病是非常有帮助的。

EAV模型是必要的，因为可收集的参数数量和属性数量因设备和工艺以及疾病而异。我们不能为每组参数设置一个表。通常，一个过程或一件设备会收集不同的参数集，具体取决于正在处理的产品。

有时收集的参数数量可达一千。我们不能拥有一千列的表，我们可以吗？我们甚至违反了数据规范化原则，将数据存储在单行或blob中，因为在高度规范化的表中数据访问效率低下。

此外，我们还需要对数据集进行版本控制。让我们说我们为2004年设计了一个实验。2006年，我们发现我们需要包含新的维度并丢弃一些无用的维度，因此我们创建了一个新版本的实验。然后，当我们分析2002年和2008年之间的实验表现时，我们需要对实验中的维度集合的变化提供适当的处理。在生物实验和社会行为调查中，版本变化会更频繁。

我在这里有一个属性和参数的变量维度关系模型：http://appdesign.blessedgeek.com/discrete-flow-resource-management。不完全是EAV，但提供了工业多维数据建模所需的想法。