مدل‌های داده رابطه‌ای چندوجهی Multi-fact Relationship Data Models

روابط چندوجهی به شما امکان می‌دهند منابع داده‌ای با بیش از یک جدول پایه ایجاد کنید. استفاده از چندین جدول پایه در مدل داده‌تان به شما امکان می‌دهد تجزیه و تحلیل چندوجهی را در Tableau انجام دهید.

با ایجاد درخت‌های جداول، که ریشه در یک جدول پایه دارند، می‌توانید ساختارهای داده‌ای با دامنه‌های مفهومی مختلف را مدل‌سازی کنید و از ویژگی‌های مشترک آنها برای اتصال آنها استفاده کنید. این نوع تجزیه و تحلیل اغلب به عنوان تجزیه و تحلیل چندوجهی، ابعاد منطبق یا ابعاد مشترک شناخته می‌شود. در Tableau، ما این را یک مدل داده رابطه چندوجهی می‌نامیم زیرا شما از روابط برای ساخت آن استفاده می‌کنید. یک مدل داده رابطه چندوجهی همیشه شامل چندین جدول پایه است. جداول پایه، جداول سمت چپ در مدل داده هستند.

یک مدل داده چند جدول پایه با درخت یک جدول پایه هایلایت شده.

سطوح ارتباط

مدل‌های داده با جداول پایه چندگانه، انعطاف‌پذیری زیادی در مورد چگونگی ارتباط – یا عدم ارتباط – قطعات داده با یکدیگر دارند.

توجه: ارتباط در هر سطحی فقط در مدل‌های داده با جداول پایه چندگانه مرتبط است. قبل از مدل‌های داده رابطه چند واقعیتی، یا همه چیز مرتبط بود (در یک منبع داده واحد) یا هیچ چیز مرتبط نبود (ترکیب در چندین منبع داده).

ارتباط در مدل داده

جداول بر اساس ساختار مدل داده، مرتبط، غیرمرتبط یا مشترک هستند. در یک منبع داده، ارتباط جداول یک امر ثابت است. به عنوان یک مرور کلی:

• جداول مرتبط در یک درخت قرار دارند.
  • قبل از 2024.2، تمام منابع داده، منابع داده جدول پایه واحدی بودند که از یک درخت واحد تشکیل شده بودند و در یک منبع داده جدول پایه واحد، همه جداول به هم مرتبط هستند.
• جداول غیرمرتبط در درخت‌های مختلف قرار دارند. جداول پایه همیشه با یکدیگر غیرمرتبط هستند. جداولی که دقیقاً در پایین‌دست یک جدول پایه قرار دارند، با جداول موجود در درخت‌های دیگر نیز غیرمرتبط هستند.
• جداول مشترک دارای چندین رابطه ورودی هستند و به بیش از یک درخت تعلق دارند.
  • جداول پایین‌تر از جدولی که چندین رابطه ورودی دارد نیز مشترک در نظر گرفته می‌شوند.

ارتباط در طول تحلیل

فیلدها می‌توانند مرتبط، غیرمرتبط، هنوز مرتبط نشده، با ارتباط مبهم باشند، یا می‌توانند به عنوان فیلدهای متصل کننده عمل کنند. ارتباط بین گروهی از فیلدها بر اساس ساختار مدل داده، فیلدهایی که به طور فعال در حال استفاده هستند (یعنی در قفسه‌ها به عنوان قرص) و اینکه آیا آن فیلدها ابعاد یا معیارها هستند، به صورت صفحه به صفحه تعیین می‌شود.

برای ایجاد تجسم با فیلدهایی از چندین جدول، Tableau باید در پشت صحنه عملیات پیوند (join) را برای محاسبه مقادیر انجام دهد. نوع پیوند مورد استفاده به میزان ارتباط فیلدها بستگی دارد. به عنوان یک مرور کلی:

visualization with fields

• وقتی فیلدهای مرتبط در یک viz استفاده می‌شوند، ابعاد به صورت داخلی به هم متصل می‌شوند و مقادیر اندازه‌گیری شده بر اساس ابعاد تجزیه می‌شوند.
  • قضیه کمی پیچیده‌تر از این است – ممکن است در پشت صحنه به اتصالات اضافی نیاز باشد تا اطمینان حاصل شود که هیچ مقدار اندازه‌گیری از قلم نمی‌افتد. اما در یک مدل فقط بُعدی، ابعاد مرتبط به صورت داخلی به هم متصل می‌شوند و این مفهوم اصلی در اینجا است.
  • این همان رفتاری است که در مدل‌های جدول تک‌پایه وجود دارد.
• وقتی فیلدهای غیرمرتبط در یک viz استفاده می‌شوند، ابعاد به صورت متقاطع به هم متصل می‌شوند. مقادیر اندازه‌گیری شده در محدوده جدول قرار می‌گیرند (یعنی به صورت محلی در یک مقدار واحد برای کل جدول خود تجمیع می‌شوند) و تکرار می‌شوند.
  • همچنین ممکن است فیلدها هنوز به هم مرتبط نباشند یا ارتباط مبهمی داشته باشند، به این معنی که برای ترکیب فیلدهای فعال، بیش از یک راه برای حل روابط بین جداول آنها وجود دارد. اگر Tableau با عدم قطعیت مواجه شود، فیلدها را نامرتبط در نظر می‌گیرد.
• وقتی فیلدها بر اساس یک فیلد مشترک به هم متصل می‌شوند، ابعاد به صورت بیرونی به هم متصل می‌شوند. مقادیر اندازه‌گیری شده در سطح هر بعدی که بتوان آنها را تجزیه کرد و ممکن است تکرار شوند، جمع می‌شوند.
  • اتصال ابعاد مشابه پیوند دادن فیلدها در ترکیب داده‌ها است. نتایج برای هر جفت از فیلدهای مرتبط محاسبه می‌شوند، سپس مقادیر نامرتبط در سراسر مقادیر مشترک بُعد مشترک بین آنها به هم stitching می‌شوند.

نکته‌ای در مورد ابعاد و معیارها

در Tableau، معیارها تجمیع هستند – آنها تا حد دانه‌بندی تعیین‌شده توسط ابعاد در نما تجمیع می‌شوند. بنابراین، مقدار یک معیار به زمینه ابعاد بستگی دارد. به عنوان مثال، “تعداد جعبه‌های غلات” به این بستگی دارد که منظور ما کل موجودی است یا تعداد جعبه‌ها به ازای هر برند.

ابعاد معمولاً فیلدهای دسته‌بندی‌شده مانند کشور یا برند هستند. در Tableau، ابعاد، دانه‌بندی یا سطح جزئیات نما را تعیین می‌کنند. ما معمولاً می‌خواهیم داده‌های خود را با ترکیبی از دسته‌ها به علامت‌ها گروه‌بندی کنیم. اینکه از چه ابعادی برای ساخت نما استفاده می‌کنیم، تعداد علامت‌های ما را تعیین می‌کند.

وقتی یک معیار بدون ابعاد استفاده می‌شود، گفته می‌شود که در محدوده جدول قرار دارد. این بدان معناست که مقدار آن، مقدار کاملاً تجمیع‌شده برای کل جدول است. به محض اینکه از بُعدی مانند برند در viz استفاده کنیم، معیار به صورت دانه‌بندی‌شده‌تری تجزیه می‌شود. اکنون تعداد کل جعبه‌های غلات به ازای هر برند است.

تجمیع به نحوه ترکیب داده‌ها اشاره دارد. تجمیع پیش‌فرض Tableau، SUM است. شما می‌توانید تجمیع را به گزینه‌های دیگری از جمله: میانگین، میانه، تعداد متمایز، حداقل و غیره تغییر دهید. دانه‌بندی به میزان جزئیات یا تجزیه معیار اشاره دارد – که توسط ابعاد کنترل می‌شود. مگر اینکه دانه‌بندی معیار در سطح سطر (یا تفکیک‌شده) باشد، مقدار آن باید تجمیع شود.

به عنوان مثال

مقدار «تعداد جعبه‌های غلات» چقدر است؟

خب، بستگی به نوع تجمیع و دانه‌بندی دارد که توسط ابعاد تعیین می‌شود.

• Aggregations:
  • Sum (or total)
  • Average
• Granularity:
  • Table scoped / fully aggregated (میله‌های آبی در مثال)
  • تفکیک‌شده بر اساس بُعد برند (نوارهای رنگی در مثال)

شاخص‌های مرتبط بودن در سطح فیلد

چندین سرنخ بصری وجود دارد که می‌تواند به شما در درک میزان مرتبط بودن فیلدهایی که در یک تحلیل استفاده می‌کنید، کمک کند.

شاخص‌های مرتبط بودن در یک برگه کاری

• آیکون نامرتبط: Tableau از یک آیکون نامرتبط استفاده می‌کند تا نشان دهد همه چیز در نما به هم مرتبط نیست. اگر یک آیکون نامرتبط را روی یک قرص در نما یا در پنجره داده‌ها مشاهده کردید، می‌توانید برای دریافت اطلاعات بیشتر، روی آیکون حرکت کنید.
  آیکون مرتبط نشان می‌دهد که آن فیلد در حال ترکیب فیلدهای نامرتبط است.
• نام فیلدها به رنگ خاکستری روشن: نام فیلدها زمانی که به هیچ فیلدی که در قفسه‌ها استفاده می‌شود، مرتبط نباشند، با متن خاکستری روشن در پنجره داده‌ها نمایش داده می‌شوند. شما هنوز هم می‌توانید از این فیلدها برای تحلیل در آن زمینه استفاده کنید، اما فیلدهای نامرتبط در تحلیل متفاوت از فیلدهای مرتبط ارزیابی می‌شوند. در حالت حرکت ماوس، این فیلدها نیز یک آیکون نامرتبط نمایش می‌دهند.

توجه: در نسخه‌های قبلی Tableau، نام فیلدها به رنگ خاکستری روشن نشان می‌داد که فیلدها پنهان هستند و گزینه «نمایش فیلدهای پنهان» انتخاب شده بود. فیلدهای پنهان، وقتی نمایش داده می‌شوند، اکنون با یک نماد چشم قابل کلیک، نماد فیلد پنهان، نشان داده می‌شوند.

پنجره هشدار مرتبط بودن

وقتی فیلدهای غیرمرتبط در یک نما (vis) با هم استفاده می‌شوند، Tableau یک پنجره هشدار نشان می‌دهد تا به شما اطلاع دهد که فیلدها مرتبط نیستند. این هشدار هر بار که یک فیلد غیرمرتبط اضافه می‌کنید، ظاهر می‌شود تا از اتصال‌های متقاطع تصادفی که ممکن است بر عملکرد تأثیر بگذارند، جلوگیری شود.

• اگر می‌خواهید از فیلدهای غیرمرتبط بدون stitching استفاده کنید، برای ادامه افزودن فیلد به نما (vis) روی «Add» کلیک کنید.
• اگر می‌خواهید فیلدهای غیرمرتبط را بدوزید، بهترین روش این است که فیلد stitching را قبل از یک فیلد غیرمرتبط دیگر بیرون بیاورید. اگر فیلد stitching از قبل در حال استفاده باشد، این پنجره نمایش داده نمی‌شود.

وقتی چندین فیلد اضافه می‌شوند یا از قبل در نما وجود دارند، قسمت جزئیات در کادر محاوره‌ای ظاهر می‌شود. آن را باز کنید تا اطلاعات بیشتری در مورد ارتباط همه فیلدهای مورد استفاده مشاهده کنید و مشخص کنید که مشکل عدم ارتباط از کجا ناشی می‌شود.

برای جلوگیری از نمایش پیام هشدار، گزینه «Don’t show this again» را انتخاب کنید. همیشه می‌توانید با فعال کردن مجدد این پیام‌های هشدار، آنها را دوباره فعال کنید:

• در Tableau Desktop، منوی Help > Settings and Performance > Reset Ignored Messages را باز کنید.
• در یک مرورگر، داده‌های ذخیره شده خود را پاک کنید. به عنوان مثال در Chrome، منوی 3 نقطه را باز کنید > Delete Browsing Data… > “Cached images and files” > Delete data را انتخاب کنید.

ارتباط سطح جدول در مدل داده

در یک مدل داده با چندین جدول پایه، هر جدول پایه مجموعه‌ای از جداول مرتبط را تعریف می‌کند که یک درخت مفهومی را تشکیل می‌دهند. این درخت‌ها باید حداقل توسط یک جدول مشترک به هم متصل شوند تا اطمینان حاصل شود که منبع داده کلی یک موجودیت واحد است.

آنچه قبلاً ممکن بود دو منبع داده باشد که می‌توانستند با استفاده از فیلدهای پیوند دهنده ترکیب شوند، اکنون می‌تواند یک منبع داده واحد با دو درخت باشد که توسط جداول مشترکی که حاوی آن فیلدهای مشترک هستند، به هم متصل شده‌اند.

نکته: نحوه ارتباط جداول در مدل داده، بر نحوه ارتباط فیلدهای آنها در تحلیل تأثیر می‌گذارد. استفاده از پنجره View Data Model در طول تحلیل می‌تواند مفید باشد تا ببینید یک جدول چگونه در مدل داده کلی قرار می‌گیرد.

بیایید با استفاده از این منبع داده نمونه، بررسی کنیم که کدام جداول مرتبط، غیرمرتبط یا مشترک هستند. دو درخت وجود دارد، یکی توسط جدول پایه A و دیگری توسط جدول پایه B ایجاد شده است.

جداول نامرتبط

جداول پایه اساساً غیرمرتبط هستند. به طور مشابه، هر جدولی که صرفاً در یک درخت واحد وجود داشته باشد، با جداول موجود در درخت‌های دیگر غیرمرتبط است.

جدول B و جدول X به هم مرتبط نیستند                            جدول A و جدول X به هم مرتبط نیستند

جداول مرتبط

جداولی که در یک درخت قرار دارند، مرتبط در نظر گرفته می‌شوند.

جدول B و جدول S (از طریق جدول A) به هم مرتبط هستند                        جدول A و جدول S به هم مرتبط هستند

 

جداول مشترک

جداول مشترک چندین رابطه ورودی دارند. این جداول متعلق به چندین درخت هستند و در بین آنها مشترک هستند.

جدول S و جدول T مشترک هستند.

ارتباط سطح فیلد در تحلیل

ارتباط بین فیلدها بر اساس ساختار مدل داده، فیلدهایی که به طور فعال در حال استفاده هستند (یعنی چه فیلدهایی در جدول viz به عنوان قرص در قفسه‌ها هستند) و اینکه آیا آن فیلدها ابعاد یا معیارها هستند، به صورت صفحه به صفحه تعیین می‌شود. اینکه ارتباط فیلدها چگونه بر نتایج یک viz تأثیر می‌گذارد، در بخش بعدی پوشش داده شده است.

بیایید با استفاده از همان منبع داده مثال، چند سناریو را بررسی کنیم. نام هر فیلد نشان می‌دهد که از کدام جدول است، مانند FieldB از جدول B. فیلدها می‌توانند ابعاد یا معیارها باشند، مگر اینکه خلاف آن ذکر شده باشد.

فیلدهای مرتبط

در سطح بالا، فیلدها زمانی مرتبط هستند که Tableau بتواند به وضوح نحوه ارزیابی آنها را با هم بر اساس مسیر رابطه در یک درخت واحد تعیین کند.

به عنوان مثال، FieldB (از جدول B) و FieldS (از جدول S) مرتبط هستند.

فیلدهای نامرتبط

در سطح بالا، فیلدها در هر صورت، حتی اگر مرتبط نباشند، نامرتبط هستند. این می‌تواند به این دلیل باشد که فیلدها از جداول نامرتبط هستند، مانند استفاده از فیلدهای دو جدول پایه. در این حالت، فیلدهای جداول پایه مختلف اساساً نامرتبط هستند.

به عنوان مثال، FieldA و FieldX نامرتبط هستند.

یا می‌توان فیلدها را برای یک نقطه زمانی نامرتبط در نظر گرفت – مانند موارد مبهم یا موارد هنوز مرتبط. در بیشتر موارد، می‌توانید به شاخص‌های مرتبط بودن تکیه کنید تا زمانی که فیلدها در زمینه یک viz نامرتبط هستند، به شما هشدار دهند.

Stitching بُعد

Stitching به این صورت است که Tableau فیلدهای جداول نامرتبط را در یک مدل داده چند واقعیتی در طول تجزیه و تحلیل ارزیابی می‌کند. در یک viz، با استفاده از یک بُعد از یک جدول مشترک، فیلدهای غیرمرتبط را به هم می‌دوزد و به آنها اجازه می‌دهد تا همزمان در یک viz ارزیابی شوند. این را به عنوان کنار هم قرار دادن نتایج دو درخت بر اساس بُعدی که به اشتراک می‌گذارند، در نظر بگیرید.

به عنوان مثال، اگر یک viz با FieldA و FieldX ساخته شده باشد، این دو فیلد نامرتبط هستند. اضافه کردن DimensionS یک فیلد stitching را معرفی می‌کند.

• FieldA و DimensionS با هم ارزیابی می‌شوند.
• FieldX و DimensionS با هم ارزیابی می‌شوند.
• آن نتایج میانی بر اساس مقادیر DimensionS گرد هم می‌آیند.
• FieldA و FieldX اکنون stitching شده‌اند.

نکته: بهترین روش این است که قبل از بیرون کشیدن یک فیلد نامرتبط، از یک فیلد stitching در viz استفاده کنید. به عنوان مثال، ابتدا DimensionS یا FieldA سپس DimensionS و سپس FieldX را به جای FieldA سپس FieldX و سپس DimensionS بیرون بکشید. اضافه کردن فیلد stitching ابتدا تضمین می‌کند که Tableau همیشه از نحوه ارزیابی روابط آگاه است و از مشکلات عملکردی احتمالی ناشی از ارزیابی ابعاد نامرتبط همراه با اتصالات متقاطع جلوگیری می‌کند.

Stitching نیاز به یک بُعد از یک جدول مشترک دارد تا در viz فعال باشد. فیلدهایی که در قفسه Filters یا در ویژگی Tooltip کارت Marks قرار می‌گیرند، برای اهداف Stitching فعال در نظر گرفته نمی‌شوند.

فیلدهای هنوز مرتبط نیستند

فیلدها همچنین می‌توانند چندین راه برای مرتبط بودن داشته باشند اما هنوز مرتبط نیستند. این اتفاق زمانی می‌افتد که بیش از یک رابطه ممکن بین دو جدول مشترک (یا جداول مشترک پایین‌دستی) وجود داشته باشد.

Fields و FieldT را در نظر بگیرید. جداول آنها هم از طریق درخت تعریف شده توسط جدول پایه A و هم از طریق درخت تعریف شده توسط جدول پایه X به یکدیگر مرتبط هستند.

در یک مثال که فقط FieldS و FieldT وجود دارد، هیچ اطلاعاتی در مورد اینکه از کدام درخت باید برای ارتباط آنها استفاده شود، وجود ندارد. بدون اطلاعات اضافی، Tableau نمی‌تواند ارزیابی کند که آیا این فیلدها را از طریق درخت جدول پایه A یا درخت جدول پایه B مرتبط کند.

Fields و FieldT به عنوان نامرتبط در نظر گرفته می‌شوند، اگرچه چندین رابطه بالقوه وجود دارد.

این فیلدهایی که می‌توانند مرتبط باشند اما هنوز مرتبط نیستند، به عنوان نامرتبط ارزیابی می‌شوند زیرا Tableau نمی‌تواند مسیر ارتباط آنها را به وضوح تعیین کند. برخلاف فیلدهای واقعاً نامرتبط که فقط می‌توان آنها را به هم متصل کرد، فیلدهای هنوز مرتبط را می‌توان حل کرد و فیلدها را مستقیماً به هم مرتبط کرد.

فیلدهای مبهم مرتبط

فیلدها همچنین می‌توانند به صورت مبهم مرتبط باشند. این اتفاق زمانی می‌افتد که بیش از یک رابطه فعال ممکن بین جداول مشترک (یا جداول مشترک پایین‌دستی) وجود داشته باشد. برخلاف فیلدهای هنوز مرتبط که می‌توان آنها را به صورت وابسته به هم یا کمتر مرتبط در نظر گرفت، فیلدهای مبهم مرتبط، بیش از حد مرتبط یا بیش از حد مرتبط هستند.

Fields و FieldT را در نظر بگیرید. جداول آنها هم از طریق درخت تعریف شده توسط جدول پایه A و هم از طریق درخت تعریف شده توسط جدول پایه X به یکدیگر مرتبط هستند.

در یک مثال با FieldA، FieldX، FieldS و FieldT، اطلاعات زیادی برای تصمیم‌گیری در مورد اینکه از کدام درخت برای ارتباط آنها استفاده شود، وجود دارد. بدون برش اطلاعات، Tableau نمی‌تواند ارزیابی کند که آیا این فیلدها را از طریق درخت جدول پایه A یا درخت جدول پایه B مرتبط کند.

فیلدهای S و FieldT به عنوان غیرمرتبط در نظر گرفته می‌شوند، اگرچه چندین رابطه فعال بین آنها وجود دارد.

این فیلدهای مبهم مرتبط، به عنوان نامرتبط ارزیابی می‌شوند زیرا Tableau نمی‌تواند مسیر ارتباط آنها را به وضوح تعیین کند. برخلاف فیلدهای واقعاً نامرتبط که فقط می‌توان آنها را به هم متصل کرد، فیلدهای مبهم مرتبط می‌توانند حل شوند و فیلدها می‌توانند مستقیماً به هم مرتبط شوند.

معیار مبهم از یک جدول مشترک

وقتی یک بُعد از یک جدول مشترک استفاده می‌شود، فیلدهای جداول بالادستی نامرتبط خود را به هم متصل می‌کند. با این حال، معیار نمی‌تواند به هم متصل کند و مقدار یک معیار به ابعاد مرتبط آن بستگی دارد.

در یک معیار با DimensionA و DimensionX، این دو بُعد نامرتبط هستند. اگر معیارS از جدول S استخراج شود، با ترکیب DimensionA و DimensionX با هم نامرتبط است. اگرچه می‌تواند به هر یک از آنها به طور مستقل مرتبط باشد، اما نمی‌تواند به طور همزمان با هر دوی آنها در یک معیار مرتبط باشد.

یک معیار مشترک می‌تواند نوعی ابهام یا ارتباط بیش از حد در نظر گرفته شود و به همین روش حل می‌شود.

حل روابط نامشخص بین فیلدها

هر زمان که در مورد نحوه ارتباط فیلدها عدم قطعیت وجود داشته باشد، Tableau تصمیم خودسرانه‌ای نمی‌گیرد و در عوض آنها را نامرتبط در نظر می‌گیرد. اغلب بهتر است این فیلدها را با روشن کردن عدم قطعیت در مورد اینکه از کدام درخت استفاده شود، مرتبط کنید.

حل فیلدهایی که هنوز مرتبط نیستند با اضافه کردن یک فیلد برای تعیین درخت مورد استفاده انجام می‌شود. حل فیلدهایی که ارتباط مبهمی دارند با حذف فیلدها برای تعیین درخت مورد استفاده انجام می‌شود.

<strong>مثال:

حل کردن هنوز مرتبط نیست: اضافه کردن یک فیلد

• در یک مثال از Fields و Fieldt، اضافه کردن یک فیلد از جدول A، B یا C به مثال، درخت جدول پایه A را فعال می‌کند و مسیر مورد نظر بین Fields و Fieldt را حل می‌کند.
• به طور جایگزین، استفاده از یک فیلد از جدول X مسیر مورد نظر بین Fields و Fieldt را به درخت جدول پایه X حل می‌کند.

راه حل مسائل مبهم مرتبط: حذف یک یا چند فیلد

• در مورد FieldA، FieldX، FieldS و FieldT، حذف FieldX فقط درخت جدول پایه A را فعال می‌کند و مسیر مورد نظر بین FieldS و FieldT را حل می‌کند.
• از طرف دیگر، حذف FieldA مسیر مورد نظر بین FieldS و FieldT را از طریق درخت جدول پایه X حل می‌کند.

<strong>حل یک معیار مشترک: حذف یک یا چند فیلد

• در مورد DimensionA، DimensionX و MeasureS، حذف DimensionX فقط درخت جدول پایه A را فعال می‌کند و مسیر مورد نظر بین DimensionA و MeasureS را حل می‌کند.
• به طور جایگزین، حذف DimensionA مسیر مورد نظر بین DimensionX و MeasureS را از طریق درخت جدول پایه X حل می‌کند.

حل عدم قطعیت مشابه استفاده از عبارت FIXED Level of Detail (LOD) در Tableau است. در عبارت FIXED LOD، شما با تعریف تعریف بُعد، به Tableau می‌گویید که چه سطحی از جزئیات را تجمیع کند. عدم قطعیت با تغییر ساختار viz به گونه‌ای که فقط یک درخت فعال باشد، حل می‌شود و به این ترتیب به Tableau می‌گویید که چه مسیرهای ارتباطی را می‌تواند برای انجام تجزیه و تحلیل در نظر بگیرد.

Stitching در مقابل حل عدم قطعیت

هم Stitching و هم حل عدم قطعیت، روش‌هایی برای مقابله با عدم ارتباط هستند، اما نتایج متفاوتی دارند:

Stitching	Resolving uncertainty
FieldA و FieldX نامرتبط توسط DimensionS وصل شده‌اند	FieldS و FieldT از طریق درخت تعریف شده توسط جدول پایه A ارزیابی می‌شوند.
فیلدهای نامرتبط را بر اساس ویژگی‌های مشترک کنار هم قرار می‌دهد	وقتی چندین گزینه وجود دارد (ابهام یا معیار مشترک)، مسیر رابطه‌ای که باید استفاده شود را محدود می‌کند، یا وقتی مسیری وجود ندارد (هنوز مرتبط نیست) یک مسیر رابطه ایجاد می‌کند.
از منطق جدول پایه چندگانه برای محاسبه نتایج استفاده می‌کند	از منطق جدول پایه تکی برای محاسبه نتایج استفاده می‌کند
تحلیل شامل جداول نامرتبط است	تجزیه و تحلیل شامل جداول مشترک است

Classes	Clubs	Students
Fields: کلاس، بُعدی با مقادیر Nesting Basics، Advanced Songs، Flying for Fledglings و Alarm Calls 101 طول، یک معیار دانش‌آموز، بُعدی که برای ارتباط با جدول دانش‌آموز استفاده می‌شود	Fields: باشگاه، بُعدی با مقادیر عکاسی، سفر، شعبده‌بازی، هنر و کمک‌های اولیه حق عضویت، یک معیار دانش‌آموز، بُعدی که برای ارتباط با جدول دانش‌آموز استفاده می‌شود	Fields: راننده اتوبوس، بُعدی با مقادیر بله یا خیر. دانشجو، بُعدی با مقادیر فینچ، کاردینال، اسپارو، رابین و جی. برای ارتباط با دو جدول دیگر استفاده می‌شود. سن، یک معیار

این مدل بسیار ساده نشان می‌دهد که چگونه منطق پیوند سطح بالا برای مدل‌های داده رابطه چند واقعیتی محاسبه می‌شود.

آیا این مثال باید یک مدل داده با چندین جدول پایه باشد؟

برای این مدل داده سه جدولی، ممکن است وسوسه‌انگیز باشد که آن را به عنوان یک مدل جدول پایه واحد، مانند Classes-Students-Clubs یا Clubs-Students-Classes، یا با Students به عنوان جدول پایه تنظیم کنید. به عنوان یک قاعده، مدل‌های داده رابطه چند واقعیتی برای انواع خاصی از طرحواره‌های داده یا سناریوهای تحلیل در نظر گرفته شده‌اند.

اگر مدل داده شما ویژگی‌هایی دارد که برای یک مدل داده رابطه چند واقعیتی مناسب‌تر است، آن را به این روش تنظیم کنید تا جداول پایه شما از نظر مفهومی نامرتبط باقی بمانند. با این حال، اگر داده‌های شما به این نوع ساختار نیاز ندارند، استفاده از یک مدل جدول پایه واحد می‌تواند ساده‌تر باشد.

مدل‌هایی که می‌توانند برای این سه جدول ساخته شوند: (1) کلاس‌ها و کلاب‌ها به عنوان جداول پایه با Studentها به عنوان یک جدول مشترک، (2) به صورت خطی، با شروع از Classها یا Clubها، و (3) Studentها به عنوان یک جدول پایه واحد با Classها و Clubها به عنوان جداول پایین‌دستی.

در این مثال خاص، هیچ چیز در مورد این جداول، داده‌ها یا مدلی که واقعاً به چندین جدول پایه نیاز داشته باشد، وجود ندارد. ما از این مدل به عنوان مثال استفاده می‌کنیم تا آن را ساده نگه داریم تا تمرکز بر منطق اتصال باشد. یا می‌توانید تصور کنید که یک جدول مرتبط دیگر، Roomها، وجود دارد که ما به سادگی آن را نادیده می‌گیریم تا از پیچیده شدن بیش از حد بحث جلوگیری کنیم.

با این حال، به عنوان بهترین روش، فقط زمانی از یک مدل رابطه چند واقعیتی استفاده کنید که داده‌های شما به آن نیاز داشته باشند.

ابعاد مرتبط از اتصالات داخلی استفاده می‌کنند.

ابعاد مرتبط، اتصالات داخلی هستند. اتصالات داخلی، هر مقدار بُعدی را که در هر دو جدول مشترک نباشد، حذف می‌کنند.

Tableau از منطق اضافی برای اطمینان از از دست نرفتن مقادیر اندازه‌گیری استفاده می‌کند. این بخش فقط از ابعاد استفاده می‌کند تا اصول اولیه نحوه اعمال اتصالات داخلی توسط Tableau را بر روی ابعاد مرتبط نشان دهد.

مثال زیر نشان می‌دهد که چگونه ابعاد مرتبط فقط ردیف‌هایی را که در داده‌ها وجود دارند، برمی‌گردانند. هیچ دانش‌آموزی در کلاس Alarm Calls 101 نیست، بنابراین در نتایج وجود ندارد. Cardinal و Jay در هیچ کلاسی نیستند، بنابراین در نتایج وجود ندارند.

ابعاد نامرتبط از اتصالات متقاطع استفاده می‌کنند

ابعاد نامرتبط – به خودی خود، بدون بعد stitching – به صورت متقاطع متصل می‌شوند.

در یک اتصال متقاطع، هر مقدار از یک بعد با هر مقدار از بعد دیگر ترکیب می‌شود، حتی اگر ترکیب حاصل در واقع در داده‌ها وجود نداشته باشد. در این مثال، اتصال متقاطع برای هر ترکیب ممکن از Class و Club یک ردیف اضافه می‌کند.

تشخیص زمان وقوع اتصال متقاطع در تحلیل شما مهم است. اگرچه در جدول نتایج، ردیفی برای Advanced Songs + First Aid برای اتصال متقاطع وجود دارد، اما هیچ دانش‌آموزی در واقع در این ترکیب فعالیت‌ها حضور ندارد (در مثال stitching در بخش بعدی، اثبات این موضوع را خواهیم دید).

چرا تشخیص این نکته مهم است که همه نتایج اتصال متقاطع بر اساس داده‌ها نیستند؟ تصور کنید که سعی دارید برای کلاس‌ها و باشگاه‌ها برنامه‌ای بسازید، به طوری که هیچ تداخلی برای هیچ دانش‌آموزی وجود نداشته باشد. هیچ دانش‌آموزی در Advanced Songs و First Aid وجود ندارد، بنابراین می‌توانید این نتیجه را نادیده بگیرید و آن کلاس و باشگاه را همزمان برنامه‌ریزی کنید. اتصال متقاطع، ترکیبی از مقادیری را که در واقع در داده‌ها وجود دارند، نشان نمی‌دهد.

علاوه بر این، اتصال متقاطع زمانی که تعداد زیادی از مقادیر منحصر به فرد وجود دارد (تعداد زیادی از مقادیر منحصر به فرد) می‌تواند بر عملکرد تأثیر بگذارد. تصور کنید که هر شماره تلفن را با هر آدرس ایمیل در مخاطبین خود به صورت متقاطع متصل کنید. این یک انفجار بزرگ از ترکیب‌ها و یک عملیات بالقوه پرهزینه خواهد بود.

ابعاد Stitching شده از اتصالات بیرونی استفاده می‌کنند

ابعاد نامرتبط – در صورت وجود یک بعد Stitching – به صورت بیرونی متصل می‌شوند.

در این مثال، هم جدول Classes و هم جدول Clubs به جدول مشترک Students مرتبط هستند اما به یکدیگر مرتبط نیستند، بنابراین فیلدهای Class و Club نامرتبط هستند. اضافه کردن بُعد Student به Tableau این امکان را می‌دهد که بداند کدام مقادیر از Class و کدام مقادیر از Club باید در تحلیل کنار هم قرار گیرند. ما این رفتار اتصال بیرونی را stitching می‌نامیم.

دوخت (Stitching) شبیه به ترکیب داده‌ها است، به این صورت که نتایج میانی وجود دارند که برای نتایج کلی گرد هم آورده می‌شوند. با این حال، برخلاف ترکیب، stitching یک اتصال بیرونی است، نه یک اتصال چپ، و مقادیر را از هیچ طرف حذف نمی‌کند. وقتی همه یک منبع داده باشند، مفهومی از منابع داده اولیه یا ثانویه وجود ندارد، بنابراین به هر دو فیلد نامرتبط اولویت یکسانی داده می‌شود.

نتایج میانی، اتصال بیرونی هستند.

برای فیلدهای stitching شده، چه چیزی وارد اتصال بیرونی می‌شود؟ یک اتصال درونی میانی برای فیلد stitching شده و هر یک از فیلدهای نامرتبط به نوبت محاسبه می‌شود، سپس آن نتایج میانی بر اساس مقادیر بُعد stitching، اتصال بیرونی می‌شوند.

مثال

یک اتصال درونی برای دانشجو و کلاس

و یک اتصال داخلی برای دانشجو و باشگاه

سپس به صورت بیرونی به Student متصل می‌شوند.

اتصالات اضافی برای حفظ معیارها

علاوه بر منطق اتصال برای ابعاد، معیارها می‌توانند اتصالات اضافی را معرفی کنند. هنگامی که روابط برای اولین بار در Tableau معرفی شدند، یکی از اصول اصلی این بود که مقادیر معیار از بین نروند. این امر در مدل‌های داده رابطه‌ای چند واقعیتی نیز حفظ می‌شود.

جزئیات ضروری عبارتند از:

• مقادیر معیار فقط بر اساس ابعاد مرتبط تجزیه می‌شوند.
• مقادیر معیار برای ابعاد غیرمرتبط تکرار می‌شوند.
• مقادیر ابعادی که در ویزهای فقط-بعدی حذف می‌شوند، در صورتی که مقادیر معیار مرتبط با آنها وجود داشته باشد، ممکن است بازگردانده شوند.

نکته: به یاد داشته باشید که معیارها تجمیع هستند – آنها در سطح جزئیات (دانه‌بندی) تعیین شده توسط ترکیب ابعاد در viz محاسبه می‌شوند. این به عنوان معیاری که توسط یک بعد تجزیه می‌شود، شناخته می‌شود. وقتی یک معیار بدون هیچ بعدی استفاده می‌شود، گفته می‌شود که در محدوده جدول قرار دارد. این بدان معناست که مقدار معیار، مقدار کاملاً تجمیع شده است. به محض اینکه از یک بعد در viz استفاده کنیم، معیار بر اساس مقادیر ابعاد به صورت دانه‌بندی شده‌تری تجزیه می‌شود. بنابراین، مقدار یک معیار در یک تحلیل به زمینه ابعاد بستگی دارد.

معیارهای مرتبط

زیرمجموعه مقادیر ابعادی را که برای یک اتصال داخلی روی ابعاد مرتبط Student و Class برگردانده می‌شوند، در نظر بگیرید. سه مقدار student، Finch، Robin و Sparrow وجود دارد؛ و سه مقدار class، Advanced Songs، Nesting Basics و Flying for Fledgelings.

اگر معیار طول را از جدول کلاس اضافه کنیم، می‌بینیم که هر چهار کلاس نمایش داده می‌شوند و یک مقدار null برای Student وجود دارد. طول هر کلاس، در سطح کلاس، نمایش داده می‌شود.

اگر به جای آن، معیار سن (Age) را از جدول Student اضافه کنیم، می‌بینیم که هر پنج دانشجو نمایش داده می‌شوند و دو مقدار null برای Class وجود دارد. نتایج، هر دانشجو را حفظ می‌کند، حتی اگر در کلاسی نباشند. سن هر دانشجو، در سطح Student نمایش داده می‌شود.

معیارهای نامرتبط

مقادیر معیار برای مقادیر ابعاد نامرتبط تکرار می‌شوند.

اگر به معیار طول از جدول Classes و بُعد نامرتبط Club نگاه کنیم، این معیار در محدوده جدول قرار دارد و در تمام مقادیر ابعاد Club تکرار می‌شود.

در صورت وجود بُعد stitching، می‌توان معیارها را هم تجزیه و هم تکرار کرد.

در اینجا، معیار سن از جدول دانش‌آموزان گرفته شده و به سطح دانش‌آموز تجزیه شده است. هر بار که یک دانش‌آموز بر اساس ابعاد کلاس و باشگاه تکرار می‌شود، مقدار سن نیز تکرار می‌شود.

 

برای خرید لایسنس نرم افزار Tableau ، می‌توانید از خدمات ما استفاده نموده و درخواست خود را از طریق فرم زیر ثبت نمایید.

فرم درخواست لایسنس Tableau

 

tableau desktop download