JP6046409B2 - Predictive value evaluation support system - Google Patents
Predictive value evaluation support system Download PDFInfo
- Publication number
- JP6046409B2 JP6046409B2 JP2012169999A JP2012169999A JP6046409B2 JP 6046409 B2 JP6046409 B2 JP 6046409B2 JP 2012169999 A JP2012169999 A JP 2012169999A JP 2012169999 A JP2012169999 A JP 2012169999A JP 6046409 B2 JP6046409 B2 JP 6046409B2
- Authority
- JP
- Japan
- Prior art keywords
- predicted value
- status
- data
- data mart
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、予測値評価支援システムに関し、特に、ＯＬＡＰ（Online Analytical Processing：オンライン分析処理）データ分析において、項目に値が存在しない場合、及び既存値を予測値に置き換える必要がある場合、その項目に複数の予測値を外挿値として挿入して評価することを可能とする方式、及びそれら複数の外挿値を管理する方式、及びそれら複数の外挿値を各々含むＯＬＡＰキューブを作成して管理する方式、及びそれら複数の外挿値から最適な予測値を評価して選択できる装置の方式、及び最適な予測値を保存する装置の方式に関する。 The present invention relates to a predicted value evaluation support system, and in particular, in OLAP (Online Analytical Processing) data analysis, when a value does not exist in an item, and when an existing value needs to be replaced with a predicted value, the item A method that enables evaluation by inserting a plurality of predicted values as extrapolated values, a method for managing the plurality of extrapolated values, and an OLAP cube each including the plurality of extrapolated values The present invention relates to a management method, a device method capable of evaluating and selecting an optimum predicted value from a plurality of extrapolated values, and a device method for storing an optimum predicted value.
ＯＬＡＰデータ分析においては、様々なシステムからデータを収集して分析可能な一つのデータマートを構築して、そのデータマートからＯＬＡＰ分析可能なキューブを作成する。この様々なシステムからデータを取得する場合、各々のシステムによってデータの保管方法が異なることに起因して、ＯＬＡＰの軸（ディメンジョン）の項目（レベル）によっては、値（メジャー）が欠損する場合がある。また、値は、既存値として存在するが、これを予測値に置き換えて分析する方が良い場合がある。例えば、値がイベントによって特異値となっている場合など、平均値という予測値に置き換えた方が、分析精度が上がる場合がある。 In OLAP data analysis, a data mart that can be analyzed by collecting data from various systems is constructed, and a cube that can be analyzed by OLAP is created from the data mart. When acquiring data from these various systems, the value (major) may be lost depending on the item (level) of the OLAP axis (dimension) due to the difference in the data storage method of each system. is there. Moreover, although a value exists as an existing value, it may be better to analyze by replacing this with a predicted value. For example, when the value is a singular value due to an event, the accuracy of analysis may be improved by replacing it with a predicted value called an average value.
以下に、欠損値がある場合の例を示す。 The following is an example when there are missing values.
あるチェーンストア本部において、本部が管理する複数の店舗における売上管理システムのデータを集めてＯＬＡＰキューブを作成した場合、売上管理システムは新旧型、及び異なるメーカ製が混在しており、各々の売上管理システムは売上金額データを独自の構成で持っていた場合、例えば、旧型の売上管理システムは１日単位の粒度でしか売上金額データを持っていないが、新型の売上管理システムでは１秒単位の粒度で売上金額データを持っている、などということがある。 When a chain store headquarters collects data from sales management systems at multiple stores managed by the headquarters to create an OLAP cube, the sales management system is a mix of new and old models and different manufacturers. If the system has sales amount data in a unique configuration, for example, the old sales management system has sales amount data only with a granularity of one day, but the new sales management system has a granularity of one second. I have sales amount data.
この場合、軸として、「日時」と「店舗」を選択した場合、「日時」の項目として「１時間単位」を選択した場合、新型の売上管理システムをもつ「店舗（Ａ）」から取得した「売上金額」は存在して表示できるが、旧型の売上管理システムを持つ「店舗（Ｂ）」からは、売上金額の管理粒度が１日であることに起因して、「１時間」毎の「売上金額」は存在できないので表示できない（データの欠損）、などとなる。 In this case, when “date and time” and “store” are selected as the axes, “1 hour unit” is selected as the “date and time” item, the data is acquired from “store (A)” having a new sales management system. Although “sales amount” exists and can be displayed, from “store (B)” having the old sales management system, the management granularity of the amount of sales is one day, so that “every hour” “Sales amount” cannot be displayed because it cannot exist (data loss), etc.
この場合、チェーンストア本部は、全店舗について、「１時間」単位で売上を分析したい場合、そのままのデータでは、店舗（Ｂ）の1時間毎の売上データがＮＵＬＬ値となってしまい、正確な売上分析ができない。よって、チェーンストア本部では、欠損したデータを何らかの近似方法で計算して代入して、1時間毎の売上分析を行いたい。 In this case, if the chain store headquarters wants to analyze sales in units of “1 hour” for all stores, the sales data for each hour of the store (B) becomes a NULL value in the data as it is, Sales analysis is not possible. Therefore, the chain store headquarters wants to perform sales analysis every hour by calculating and substituting the missing data by some approximate method.
また、欠損したデータを補完する近似方法は様々あり、どの近似方法から得られた補完値が良いのかを決めなければならない。従来は、全ての予測値（補完値）毎に、データマートを作成して、ＯＬＡＰキューブを作成していた。これでは、データの多重管理となるという問題があった。また、複数の近似方法から得られた近似値を管理する方法は確立されていない。 There are various approximation methods for complementing the missing data, and it is necessary to determine which approximation method the complement value obtained from is good. Conventionally, an OLAP cube is created by creating a data mart for every predicted value (complement value). This has a problem of multiple data management. In addition, a method for managing approximate values obtained from a plurality of approximation methods has not been established.
特許文献１には、ＯＬＡＰシステムから、最適な需要予測を実現することが記載されている。即ち、販売実績データをＯＬＡＰデータベース構造からなるデータとして、各層別や販売期間パケット毎の組み合わせによって、実績データを様々な切り口で見直すことができるようにしておき、実績データに対するライフサイクルパラメータに最も近いライフサイクルパラメータを有する実績データを検索することが記載されている。
特許文献１は、ＯＬＡＰシステムから最適な需要予測を実現することが記載されている。しかし、欠損値を補って、ＯＬＡＰシステムの本来機能である現状の把握を分析するシステムではない。また、既存値を予測値に置き換え、更に複数の予測値候補を保持して管理するシステムではない。
従来は、ＯＬＡＰ分析におけるＯＬＡＰキューブの欠損値を補うシステムは存在していない。従来は、ＯＬＡＰキューブの欠損値を補うには、欠損値を補う予測値を用意して、その予測値をＯＬＡＰキューブの元となるデータマートに直接挿入していた。このため、予測値が複数ある場合、データマートは予測値毎に準備しなければならず、予測値以外の値（メジャー）は多重管理しなければならないという課題があった。 Conventionally, there is no system that compensates for missing values of OLAP cubes in OLAP analysis. Conventionally, in order to compensate for the missing value of the OLAP cube, a predicted value that compensates for the missing value is prepared, and the predicted value is directly inserted into the original data mart of the OLAP cube. For this reason, when there are a plurality of predicted values, the data mart must be prepared for each predicted value, and a value (major) other than the predicted value has to be managed in a multiple manner.
同様に、既存値に予測値を置き換える方法も存在せず、上記欠損値を補うシステムと同様に存在しない。 Similarly, there is no method for replacing the predicted value with the existing value, and there is no method similar to the system for compensating for the missing value.
更に、複数の予測方法から得られた予測値のうち、どの予測値が最適かは、現在のシステムでは人が憶えておかなければならず、システム的に管理されてはいない。よって、最適な予測値を変更する場合、再度人手を介して、データマートからキューブを作成して、最適な予測値を探して、それを再度人が憶えておかなければならない、という課題があった。 Furthermore, it is necessary for a current system to remember which prediction value is optimal among prediction values obtained from a plurality of prediction methods, and is not managed systematically. Therefore, when changing the optimal prediction value, there is a problem that a cube must be created manually from the data mart again, the optimal prediction value must be found, and the person must remember it again. It was.
本発明の目的は、最適な予測値を有する予測方法をシステム的に管理して、最適な予測値を人が憶えておくことのない予測値評価支援システムを提供することにある。 An object of the present invention is to provide a prediction value evaluation support system that systematically manages a prediction method having an optimal prediction value so that a person does not remember the optimal prediction value.
本発明の前記ならびにその他の目的と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。 The above and other objects and novel features of the present invention will be apparent from the description of this specification and the accompanying drawings.
本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次のとおりである。 Of the inventions disclosed in the present application, the outline of typical ones will be briefly described as follows.
（１） 本発明の予測値評価支援システムは、元データを記憶する元データテーブルと、前記元データに基づき、予測方法を示す予測値ステータス番号のフィールドを有するデータマートからなるデータマートテーブルを作成するデータマートテーブル作成部と、前記予測方法を示す前記予測値ステータス番号及び前記データマートテーブルに記憶された前記データマートに基づき、予測して、予測値レコードを作成する予測値レコード作成部と、前記予測値レコードを前記データマートテーブルに挿入し、前記予測値レコードの前記予測値ステータス番号のフィールドに、前記予測方法に該当する予測値ステータス番号を設定する予測値レコード挿入部と、前記予測値レコードに基づいて、前記予測方法毎に、ＯＬＡＰキューブを作成する評価用ＯＬＡＰキューブ作成処理部と、前記予測方法毎の評価用ＯＬＡＰキューブに基づいて、最適な予測方法によるＯＬＡＰキューブを判断する本稼働ＯＬＡＰキューブ作成処理部とを具備したことを特徴とする予測値評価支援システムである。 (1) The predicted value evaluation support system of the present invention creates a data mart table including an original data table storing original data and a data mart having a predicted value status number field indicating a prediction method based on the original data. A data mart table creating unit that performs prediction based on the predicted value status number indicating the prediction method and the data mart stored in the data mart table, and a predicted value record creating unit that creates a predicted value record; A prediction value record insertion unit that inserts the prediction value record into the data mart table, and sets a prediction value status number corresponding to the prediction method in a field of the prediction value status number of the prediction value record; Create an OLAP cube for each prediction method based on records Predictive value characterized by comprising a value OLAP cube creation processing unit and a production OLAP cube creation processing unit for judging an OLAP cube by an optimal prediction method based on the evaluation OLAP cube for each prediction method Evaluation support system.
（２） 本発明の予測値評価支援方法は、元データを記憶する元データテーブルに記憶された前記元データに基づき、データマートテーブル作成部により、予測方法を示す予測値ステータス番号のフィールドを有するデータマートからなるデータマートテーブルを作成するステップを実行し、予測値レコード作成部により、前記予測方法を示す前記予測値ステータス番号及び前記データマートテーブルに記憶された前記データマートに基づき、予測して、予測値レコードを作成するステップを実行し、予測値レコード挿入部により、前記予測値レコードを前記データマートテーブルに挿入し、前記予測値レコードの前記予測値ステータス番号のフィールドに前記予測方法に該当する予測値ステータス番号を設定するステップを実行し、評価用ＯＬＡＰキューブ作成処理部により、前記予測値レコードに基づいて、予測方法毎に、ＯＬＡＰキューブを作成するステップを実行し、本稼働ＯＬＡＰキューブ作成処理部により、前記予測方法毎のＯＬＡＰキューブに基づいて、最適な予測方法により、ＯＬＡＰキューブを判断するステップを実行することを特徴とする予測値評価支援方法である。 (2) The predicted value evaluation support method of the present invention has a predicted value status number field indicating a predicted method by a data mart table creation unit based on the original data stored in the original data table storing the original data. Executing a step of creating a data mart table comprising a data mart, and predicting based on the predicted value status number indicating the prediction method and the data mart stored in the data mart table by a predicted value record creating unit; The predicted value record is inserted into the data mart table by the predicted value record insertion unit, and the predicted value status number field of the predicted value record corresponds to the predicted method. Execute the step to set the predicted value status number to be used for evaluation A step of creating an OLAP cube for each prediction method based on the prediction value record is performed by the LAP cube creation processing unit, and a production OLAP cube creation processing unit is performed based on the OLAP cube for each prediction method. The prediction value evaluation support method is characterized by executing a step of judging an OLAP cube by an optimal prediction method.
（３） 本発明の予測値評価支援プログラムは、集計された元データを記憶する元データテーブルを有するコンピュータを、前記元データに基づき、予測方法を示す予測値ステータス番号のフィールドを有するデータマートから成るデータマートテーブルを作成するデータマートテーブル作成部と、前記予測方法を示す前記予測値ステータス番号及び前記データマートテーブルに記憶されたデータマートに基づき、予測して、予測値レコードを作成する予測値レコード作成部と、前記予測値レコードを前記データマートテーブルに挿入し、前記予測値レコードの前記予測値ステータス番号のフィールドに前記予測方法に該当する予測値ステータス番号を設定する予測値レコード挿入部と、前記予測値レコードに基づいて、予測方法毎に、ＯＬＡＰキューブを作成する評価用ＯＬＡＰキューブ作成処理部と、前記予測方法毎の評価用ＯＬＡＰキューブに基づいて、最適な予測方法により、ＯＬＡＰを判断する本稼働ＯＬＡＰキューブ作成処理部として、機能させることを特徴とする予測値評価支援プログラムである。 (3) The predicted value evaluation support program of the present invention uses a computer having an original data table for storing aggregated original data from a data mart having a predicted value status number field indicating a prediction method based on the original data. A data mart table creation unit that creates a data mart table, and a prediction value that predicts and creates a prediction value record based on the prediction value status number indicating the prediction method and a data mart stored in the data mart table A record creation unit; a prediction value record insertion unit that inserts the prediction value record into the data mart table; and sets a prediction value status number corresponding to the prediction method in the field of the prediction value status number of the prediction value record; , OL for each prediction method based on the prediction value record Based on the evaluation OLAP cube creation processing unit for creating a P-cube and the evaluation OLAP cube for each prediction method, it is allowed to function as a production OLAP cube creation processing unit for judging OLAP by an optimal prediction method. This is a characteristic predictive value evaluation support program.
本願において開示される発明のうち、代表的なものによって得られる効果を簡単に説明する。 Among the inventions disclosed in the present application, effects obtained by typical ones will be briefly described.
本発明は、予測値毎に、データマートテーブルを作成するので、データの多重管理を避けることが解決可能となる。また、従来のシステムでは複数の予測値のうち、どの予測値が最適かを人が憶えていなければならなかったが、本発明ではデータマートに採用フラグを設定するので、システムに記憶させることを可能としている。 Since the present invention creates a data mart table for each predicted value, it is possible to avoid the multiple management of data. In addition, in the conventional system, a person had to remember which one of the plurality of predicted values is optimal, but in the present invention, since the adoption flag is set in the data mart, it is possible to store in the system. It is possible.
本発明では、各データマートの項目にステータス、ＩＤ、採用フラグを設けているので、ステータスに設定された予測方法に基づいて、予測方法毎に、予測することができて、予測値を評価して、最適な予測値とすることができる。 In the present invention, since the status, ID, and adoption flag are provided for each data mart item, it can be predicted for each prediction method based on the prediction method set in the status, and the predicted value is evaluated. Thus, the optimum predicted value can be obtained.
以下、本発明の実施形態を図面に基づいて詳細に説明する。なお、実施形態を説明するために全図において、同一部材には原則として同一の符号を付し、その繰り返しの説明は省略する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. In addition, in order to explain embodiment, the same code | symbol is attached | subjected to the same member in principle in all the figures, and the repeated description is abbreviate | omitted.
＜予測値評価支援システムの構成＞
図１は、本発明の実施形態による予測値評価支援システムの全体構成図を示す。図１に示すように、本発明の実施形態による予測値評価支援システムは、ＯＬＡＰキューブテーブル作成端末８、元データテーブル１０、データウェアハウス１２、評価用ＯＬＡＰキューブシステムサーバ３０、評価用ＯＬＡＰキューブ３２、本稼働ＯＬＡＰキューブシステムサーバ４０、本稼働ＯＬＡＰキューブ４２及びＯＬＡＰキューブテーブル操作端末２８を備える。
<Configuration of predicted value evaluation support system>
FIG. 1 is an overall configuration diagram of a predicted value evaluation support system according to an embodiment of the present invention. As shown in FIG. 1, the predicted value evaluation support system according to the embodiment of the present invention includes an OLAP cube
元データテーブル１０は、後述するように、例えば、ＯＬＡＰキューブテーブル作成端末８を使用して、作成された店舗毎に売上高が記録されたテーブルである。
As will be described later, the original data table 10 is a table in which, for example, sales are recorded for each created store using the OLAP cube
データウェアハウス１２は、予測値評価支援装置１４を備える。予測値評価支援装置１４は、元データからデータマートの行からなるデータマートテーブル２０を作成し、データマートのｓｔａｔｕｓフィールドが示す予測方法及びデータマートから予測値レコードを作成して、予測値レコードをデータマートテーブル２０に挿入する。そして、予測方法及びデータマートテーブル２０に格納されるテータマートに基づいて、予測方法毎に、ＯＬＡＰキューブを作成して、予測方法毎のＯＬＡＰキューブからＯＬＡＰツールを用いて、最適な予測方法を判断する。
The
予測値評価支援装置１４は、評価用ＯＬＡＰキューブテーブル作成端末８、データマートテーブル作成部１５、予測値ステータスマスタ１６、予測値レコード作成部１７、採用フラグマスタ１８、予測値レコード挿入部１９、データマートテーブル２０、評価用ＯＬＡＰキューブ作成処理部２２、本稼働ＯＬＡＰキューブ作成処理部２４及びＯＬＡＰキューブテーブル操作端末２８を備える。
The predicted value
データマートテーブル作成部１５は、後述する元データからデータマートに変換して、データマートテーブル２０を作成する。ＯＬＡＰキューブテーブル作成端末８は、パーソナルコンピュータやＰＯＳ端末等から構成される。データ分析者は、ＯＬＡＰキューブテーブル作成端末８を使用し、データウェアハウス１２の中にある予測値評価支援装置１４に、元データから、分析可能なデータマートテーブル２０を作成する。
The data mart
＜元データテーブル１０の構成＞
図２は、図１中の元データデーブル１０を示す図であり、図３は、元データテーブル１０の値の例を示す図である。
<Configuration of the original data table 10>
FIG. 2 is a diagram showing the original data table 10 in FIG. 1, and FIG. 3 is a diagram showing an example of values in the original data table 10.
元データテーブル１０は、例えば、ＯＬＡＰキューブテーブル作成端末８を使用して、作成された店舗毎に売上高が記録されたテーブルである。元データテーブル１０は、図２に示すように、Ｓｈｏｐ ｔｙｐｅ（店舗タイプ）、Ｐｒｅｆｅｃｔ（都道府県）、Ｃｉｔｙ（市区町村）、Ａｄｄｒｅｓｓ（住所）、Ｄａｔｅ（年月日）、Ｔｉｍｅ（時間帯）、Ｓｈｏｐ ｎａｍｅ（店舗名）、Ｓａｌｅｓ ｖｏｌｕｍｅ（売上金額）等の項目で構成される。
The original data table 10 is a table in which sales are recorded for each store created using the OLAP cube
図３に示すように、Ｓｈｏｐ ｔｙｐｅは、フランチャイズ（ＦＣ）や直営等の店舗の種類等が格納される。Ｐｒｅｆｅｃｔ及びＣｉｔｙは、店舗が存在する都道府県、市区町村が格納される。Ａｄｄｒｅｓｓは、店舗が存在する住所、Ｄａｔｅは、売上金額が集計された時間帯が格納される。例えば、時間帯として、１時間帯が指定されていれば、１時の時間において、集計された売上金額である。 As shown in FIG. 3, Shop type stores the type of store such as a franchise (FC) or directly managed store. Prefect and City store the prefecture and city where the store is located. “Address” stores the address where the store exists, and “Date” stores the time zone in which the sales amount is tabulated. For example, if a time zone is designated as the time zone, the sales amount is tabulated at one hour.
＜データマートテーブル２０の構成＞
図４は、図１中のデータマートテーブル２０を示す図であり、図５は、データマートテーブル２０の値の例を示す図である。
<Configuration of Data Mart Table 20>
FIG. 4 is a diagram illustrating the data mart table 20 in FIG. 1, and FIG. 5 is a diagram illustrating an example of values in the data mart table 20.
データマートテーブル２０は、元データテーブル１０に基づいて、変換されたテーブルで有り、Ｉｄ（項番）、Ｓｈｏｐ ｔｙｐｅ（店舗タイプ）、Ｐｒｅｆｅｃｔ（都道府県）、Ｃｉｔｙ（市区町村）、Ａｄｄｒｅｓｓ（住所）、Ｄａｔｅ（年月日）、Ｔｉｍｅ（時間帯）、Ｓｈｏｐ ｎａｍｅ（店舗名）、Ｓａｌｅｓ ｖｏｌｕｍｅ（売上金額）、ｓｔａｔｕｓ（予測方法）、ｏｒｇ＿ＩＤ（元ＩＤ）、ａｄｏｐｔ＿ｓｔａｔｕｓ（採用ステータス）のフィールドから成る。 The data mart table 20 is a table converted based on the original data table 10, and includes Id (item number), Shop type (store type), Prefect (prefecture), City (city), Address (address). ), Date (date), Time (time zone), Shop name (store name), Sales volume (sales amount), status (prediction method), org_ID (former ID), adopt_status (adopting status) .
Ｉｄ（項番）は、各データマートレコードに対して、データマートテーブル２０内で付与される一意的な識別子である。Ｓｔａｔｕｓ（予測方法）は、売上金額などを予測する方法を示す識別子である。ｏｒｇ＿ＩＤ（元ＩＤ）は、当該データマートレコードが元データの場合、ＩＤと同じ値が格納され、予測値の場合、予測した項番が格納される。 Id (item number) is a unique identifier assigned in the data mart table 20 to each data mart record. Status (prediction method) is an identifier indicating a method for predicting the sales amount. org_ID (original ID) stores the same value as the ID when the data mart record is the original data, and stores the predicted item number when it is the predicted value.
例えば、図５に示すように、ＩＤ＝１のデータマートについて、ｓｔａｔｕｓ＝０であるので、元データであり、ＩＤ＝５のデータマートについて、ｓｔａｔｕｓ＝１であるので、店舗タイプ平均であることを示す。 For example, as shown in FIG. 5, for the data mart with ID = 1, since status = 0, it is the original data, and for the data mart with ID = 5, since status = 1, it is the store type average. Indicates.
データ分析者は、上述したデータマートテーブル２０、後述する予測値ステータスマスタ１６、及び後述する採用フラグマスタ１８から、評価用ＯＬＡＰキューブ作成処理部２２を利用して処理して、評価用ＯＬＡＰキューブシステムサーバ３０上に予測値ステータス毎の評価用ＯＬＡＰキューブ３２を作成する。
The data analyst performs processing using the evaluation OLAP cube
＜予測値ステータスマスタ１６の構成＞
図６は、図１中の予測値ステータスマスタ１６の構成を示す図であり、図７は、図１中の予測値ステータスマスタ１６の値の例を示す図である。図６，７に示すように、予測値ステータスレコードは、ＳＩＤ（ステータス管理番号）、ｓｔａｔｕｓ（予測方法に附番する番号）、Ｐｒｅｄｉｃｔｉｏｎ ｍｅｔｈｏｄ（予測方法）が格納される。
<Configuration of Predicted
6 is a diagram showing a configuration of the predicted
ＳＩＤは、予測値ステータスマスタ１６内でユニークに付与される識別子である。ｓｔａｔｕｓは、予測方法に附番する番号が格納される。Ｐｒｅｄｉｃｔｉｏｎ ｍｅｔｈｏｄは、予測方法、例えば、元データ、店舗タイプ平均、地域タイプ平均、店舗セグネンテーション方法１による平均及び店舗セグネンテーション方法２による平均などが格納される。
The SID is an identifier uniquely given in the predicted
＜採用フラグマスタ１８の構成＞
図８は、図１中の採用フラグマスタ１８の構成を示す図であり、図９は、採用フラグマスタ１８の値の例を示す図である。図８，９に示すように、採用フラグレコードには、ａｄｏｐｔ＿Ｉｄ（採用フラグ番号）、ａｄｏｐｔ＿ｓｔａｔｕｓ（採用ステータス）及びａｄｏｐｔ＿ｎａｍｅ（採用ステータス名）が格納される。
<Configuration of
8 is a diagram showing a configuration of the
データ分析者は、ＯＬＡＰキューブテーブル操作端末２８に記憶されたＯＬＡＰツールを用いて、予測値毎の評価用ＯＬＡＰキューブ３２を操作して、最適な値が含まれる評価用ＯＬＡＰキューブ３２を選択する。選択された予測値は、予測値評価支援装置１４によって、採用フラグマスタ１８の採用フラグに採用であることを意味する値を挿入し、不採用の値は、データマートテーブル２０中の不採用フラグに不採用であることを意味する値を挿入する。
The data analyst operates the
＜評価用ＯＬＡＰキューブ作成処理＞
ＯＬＡＰキューブテーブル作成端末８は、評価用ＯＬＡＰキューブ作成処理部２２を用いて、予測方法毎に、評価用ＯＬＡＰキューブを作成する。
<Evaluation OLAP cube creation process>
The OLAP cube
評価用ＯＬＡＰキューブ作成処理部２２は、予測方法毎に、評価用ＯＬＡＰキューブシステムサーバ３０上に評価用ＯＬＡＰキューブ３２を作成する。
The evaluation OLAP cube
＜本稼働ＯＬＡＰキューブ作成処理＞
本稼働ＯＬＡＰキューブ作成処理部２４は、採用フラグマスタ１８を参照して、採用フラグのある列を選択して、本稼働ＯＬＡＰキューブシステムサーバ４０上に本稼働ＯＬＡＰキューブ４２を作成する。データ分析者は、ＯＬＡＰキューブテーブル操作端末２８で本稼働ＯＬＡＰキューブ４２を操作して、分析する。
<Production OLAP cube creation process>
The production OLAP cube
＜予測値評価支援装置の全体処理＞
図１０は、図１中の予測値評価支援装置１４の全体処理を示すフローチャートであり、フローチャートに示す処理は、予測値評価支援プログラムをコンピュータ上で動作することにより実現される。全体フローチャートとしては、ステップＳ２からステップＳ１４に示す評価用キューブ作成部分及びステップＳ１６からステップＳ２０で示す本稼働キューブ作成部分に分かれる。
<Whole process of predicted value evaluation support device>
FIG. 10 is a flowchart showing the overall processing of the predicted value
評価用キューブ作成部分では、ステップＳ２で、データウェアハウス１２のシステムが元データをデータマートデーブル２０に挿入する。予測値評価支援装置１４は、ステップＳ４で、データマートデーブル２０の各レコードに、ユニークなＩＤを付与する。予測値評価支援装置１４は、ステップＳ６で、データマートテーブル２０の全レコードの採用フラグの項目に、デフォルト値として、採用フラグａｄｏｐｔ＿ｓｔａｔｕｓ＝1を付与する。
In the evaluation cube creation part, the system of the
予測値評価支援装置１４は、ステップＳ８で、データマートテーブル２０の全レコードにデフォルト値として、ｏｒｇ＿ＩＤ＝ＩＤを付与する。その後、ステップＳ１０で、データマートテーブル２０の全レコードにデフォルト値として、予測値ステータスが、元データであるｓｔａｔｕｓ＝０を付与し、ステップＳ１２で、予測値をデータマートテーブル２０に挿入する。そして、ステップＳ１４で、予測値ステータス毎にＯＬＡＰキューブ３２を作成する。
The predicted value
「本稼働キューブ作成」部分では、ステップＳ１６で、上記の予測値ステータス毎の各キューブをＯＬＡＰツールで評価して、最も良い予測値ステータスのキューブを選択(人が目視で確認)して、データ分析者が最適な予測値を選択する。
In the “production cube creation” part, in
予測値評価支援装置１４は、ステップＳ１８で、選択されたキューブの予測値ステータスのデータマートテーブル２０中のレコードに、採用フラグａｄｏｐｔ＿ｓｔａｔｕｓ＝1を付与する。そして、ステップＳ２０で、本稼働ＯＬＡＰキューブ作成処理部２４は、データマートテーブル中の採用フラグが1(ａｄｏｐｔ＿ｓｔａｔｕｓ=1)のレコードを選択して、本稼働ＯＬＡＰキューブ４２を作成する。そして、データ分析者は、本発明の目的である最適な予測値が挿入された本稼働ＯＬＡＰキューブ４２で分析を実行できる。
In step S18, the predicted value
図１１は、図１０中の元データをデータマートデーブルに挿入する処理フローを記す。データウェアハウス１２のシステムは、ステップＳ５０で、図１で示した元データをロードする。ステップＳ５１で、予測値評価支援装置１４は、ロードされた元データの行を示すｎに１を代入する。予測値評価支援装置１４は、ステップＳ５２で、図１で示したデータマートテーブル２０に挿入する。
FIG. 11 shows a processing flow for inserting the original data in FIG. 10 into the data mart table. In step S50, the system of the
元データテーブル１０、及びデータマートテーブル２０のテーブル構造及び値の例を図２、図３、図４及び図５に示す。ステップＳ５４で、データウェアハウス１２のシステムは、ｎが元データテーブル１０のレコード数に達したか否かを判断する。達していなければ、ｎをインクリメントして、ステップＳ５２に戻り、達した時点で処理を終了する。
Examples of table structures and values of the original data table 10 and the data mart table 20 are shown in FIG. 2, FIG. 3, FIG. 4, and FIG. In step S54, the system of the
図１２は、図１０中のデータマートデーブルの各レコードにユニークなＩＤを付与する処理フローを記す。予測値評価支援装置１４は、ステップＳ１００で、図１で示したデータマートテーブル２０をロードする。予測値評価支援装置１４は、ステップＳ１０１で、ロードされた元データの行を示すｎに１を代入する。
FIG. 12 shows a processing flow for assigning a unique ID to each record of the data mart table in FIG. The predicted value
予測値評価支援装置１４は、ステップＳ１０２で、データマートテーブル２０のｎ行目のＩＤフィールドにユニークな値を挿入する。予測値評価支援装置１４は、ステップＳ１０４で、全てのｎがデータマートテーブル２０のレコード数に達したか否かを判定し、達していなければ、ｎをインクリメントして、ステップＳ１０２に戻り、達した時点で処理を終了する。
The predicted value
図１３は、図１０中のデータマートテーブル２０の全レコードにデフォルト値として「採用フラグ(ａｄｏｐｔ＿ｓｔａｔｕｓ＝1)を付与する処理フローを記す。予測値評価支援装置１４は、ステップＳ１５０で、図１中のデータマートテーブル２０をロードする。予測値評価支援装置１４は、ステップＳ１５１で、ロードされたデータマートテーブル２０の行を示すｎに１を代入する。
FIG. 13 shows a processing flow for assigning “adoption flag (adopt_status = 1) as a default value to all records of the data mart table 20 in FIG. 10. The predicted value
予測値評価支援装置１４は、ステップＳ１５２で、データマートテーブルのＩＤ行目のａｄｏｐｔ＿ｓｔａｔｕｓフィールドに１を挿入する。予測値評価支援装置１４は、ステップＳ１５２で、ａｄｏｐｔ＿ｓｔａｔｕｓを図８中の採用フラグマスタ１８のａｄｏｐｔ＿ｓｔａｔｕｓフィールドから選択して挿入する。
In step S152, the predicted value
図１３のフローチャートは、初期化であるので、予測値評価支援装置１４は、ステップＳ１５２で、採用フラグマスタ１８（値）の例に従って、１（採用）であることを示すステータス値をデータマートテーブル２０のａｄｏｐｔ＿ｓｔａｔｕｓフィールドに挿入する。予測値評価支援装置１４は、ステップＳ１５４で、全てのＩＤがデータマートテーブル２０のレコード数に達したか否かを判定する。達していなければ、ＩＤをインクリメントして、ステップＳ１５２に戻り、達した時点で処理を終了する。
Since the flowchart of FIG. 13 is initialization, the predicted value
図１４は、図１０中のデータマートテーブルの全レコードのｓｔａｔｕｓの項目値として、デフォルト値、即ち、予測値ステータスが元データである(ｓｔａｔｕｓ＝０)を付与する処理フローを記す。予測値評価支援装置１４は、ステップＳ２００で、データマートテーブル２０をロードする。予測値評価支援装置１４は、ステップＳ２０１で、ロードされたデータマートテーブル２０の行を示すＩＤに１を代入する。
FIG. 14 shows a processing flow in which a default value, that is, the predicted value status is the original data (status = 0) as the status item value of all the records in the data mart table in FIG. The predicted value
予測値評価支援装置１４は、ステップＳ２０２で、データマートテーブルのＩＤ行目のｓｔａｔｕｓフィールドに０を挿入する。予測値評価支援装置１４は、ステップＳ２０４で、全てのＩＤがデータマートテーブル２０のレコード数に達したか否かを判定する。達していなければ、ＩＤをインクリメントして、ステップＳ２０２に戻る。
In step S202, the predicted value
図１５は、図１０中のデータマートテーブル２０の全レコードにデフォルト値として、ｏｒｇ＿ＩＤを付与する処理フローを記す。予測値評価支援装置１４は、ステップＳ２５０で、図１中のデータマートテーブル２０をロードする。
FIG. 15 shows a processing flow for assigning org_ID as a default value to all records in the data mart table 20 in FIG. The predicted value
予測値評価支援装置１４は、ステップＳ２５１で、データマートテーブル２０の行ＩＤに１を代入する。予測値評価支援装置１４は、ステップＳ２５２で、データマートテーブル２０のＩＤ行目のｏｒｇ＿ＩＤフィールドにＩＤと同じ値を挿入する。
The predicted value
予測値評価支援装置１４は、ステップＳ２５４で、全てのＩＤがデータマートテーブル２０のレコード数に達したか否かを判定する。達していなければ、ＩＤをインクリメントして、ステップＳ２５２に戻り、達した時点で処理を終了する。
The predicted value
図１６は、図１０中の予測値をデータマートテーブル２０に挿入する処理フローを記す。予測値評価支援装置１４は、ステップＳ３００で、全ての予測値をロードする。ここで、予測値は、自動的又はデータ分析者による操作により、データマートテーブル２０中のデータマートに基づいて、データマートに格納されたｓｔａｔｕｓが示す予測方法に従って、予測されたものである。予測値レコードは、データマートと同じフィールドを有している。
FIG. 16 shows a processing flow for inserting the predicted value in FIG. 10 into the data mart table 20. The predicted value
予測値評価支援装置１４は、ステップＳ３０１で、予測値のレコードの行を示すＬに１を代入する。予測値評価支援装置１４は、ステップＳ３０２で、データマートテーブル２０の中で予測値を挿入する行のＩＤを取得して、元ＩＤとして記憶する。
In step S301, the predicted value
予測値評価支援装置１４は、ステップＳ３０４で、データマートテーブル２０に予測値レコードを挿入する。
The predicted value
予測値評価支援装置１４は、ステップＳ３０６で、図７に示す予測値ステータスマスタ（値）１６の例に従って、予測値を示すステータス値をデータマートテーブル２０のｓｔａｔｕｓフィールドに挿入する。
In step S306, the predicted value
予測値評価支援装置１４は、ステップＳ３０８で、データマートテーブル２０に挿入した予測値レコードのｏｒｇ＿ＩＤに記憶しておいた、元ＩＤの値を挿入する。これで、予測値評価支援装置１４は、欠損値及び予測値を当てはめたい既存値のある元データの項目に「予測値」を当てはめたことになる。
The predicted value
この時点では、予測値レコードをデータマートテーブル２０に挿入したに過ぎず、予測方法を評価しておらず、まだ、予測値が最適な値であるかは判断がつかないので、予測値評価支援装置１４は、ステップＳ３１０で、データマートテーブル２０に挿入した予測値レコードのａｄｏｐｔ＿ｓｔａｔｕｓに０（不採用フラグ）を挿入する。
At this point, the prediction value record is only inserted into the data mart table 20, the prediction method has not been evaluated, and it is not yet possible to determine whether the prediction value is the optimum value. In step S310, the
予測値評価支援装置１４は、ａｄｏｐｔ＿ｓｔａｔｕｓを図８に示す採用フラグマスタ１８のａｄｏｐｔ＿ｓｔａｔｕｓフィールドから選択して挿入する。図１６のフローチャートでは、上記の通り未だ不採用であるので、予測値評価支援装置１４は、ステップＳ３１０で、図９に示す採用フラグマスタ（値）の例に従って、０（不採用）であることを示すステータス値をデータマートテーブル２０のａｄｏｐｔ＿ｓｔａｔｕｓフィールドに挿入する。
The predicted value
予測値評価支援装置１４は、ステップＳ３１２で、予測値レコードセットを全て処理したか否かを判定する。予測値レコードセットを全て処理していなければ、Ｌをインクリメントして、ステップＳ３０２に戻り、全て処理した時点で処理を終了する。
In step S312, the predicted value
図１７は、図１０の予測値ステータス毎にキューブを作成する処理フローを記す。評価用ＯＬＡＰキューブ作成処理部２２は、ステップＳ３５０で、図１に示したデータマートテーブル２０をロードする。ステップＳ３５１で、ｏｒｇ＿ＩＤに１を代入する。ステップＳ３５２で、ＳＩＤに０を代入する。
FIG. 17 shows a processing flow for creating a cube for each predicted value status of FIG. The evaluation OLAP cube
評価用ＯＬＡＰキューブ作成処理部２２は、ステップＳ３５３で、データマートテーブル２０のｏｒｇ＿ＩＤのうち、データマートテーブル２０中のｓｔａｔｕｓ＝予測値ステータスマスタ１６中のｓｔａｔｕｓが存在するか否かを判定する。データマートテーブル２０中のｓｔａｔｕｓ＝予測値ステータスマスタ１６中のｓｔａｔｕｓが存在する場合、ステップＳ３５４で、該当するデータマートテーブル２０のＩＤ行をキューブ番号がｓｔａｔｕｓ番目の評価用ＯＬＡＰキューブ３２に挿入する。
In step S353, the evaluation OLAP cube
データマートテーブル２０中のｓｔａｔｕｓ＝予測値ステータスマスタ１６のｓｔａｔｕｓが存在しない場合、ステップＳ３５６で、データマートテーブル２０のｓｔａｔｕｓ＝０の列をキューブ番号がｓｔａｔｕｓの評価用ＯＬＡＰキューブ３２に挿入する。
If the status of the status = predicted
ここで、予測値ステータスマスタ１６の構造及び値の例は、図６及び図７の通りである。評価用ＯＬＡＰキューブ作成処理部２２は、ステップＳ３５８で、全ての予測値ステータスマスタ１６中のＳＩＤを処理したか否かを判断し、全てのＳＩＤを処理していなければ、ＳＩＤをインクリメントして、ステップＳ３５３に戻り、全てのＳＩＤを処理したならば、ステップＳ３６０に進み、ステップＳ３６０で、全てのデータマートテーブル２０のｏｒｇ＿ＩＤを処理したか否かを判断して、全てのｏｒｇ＿ＩＤについて、処理していなければ、ｏｒｇ＿ＩＤをインクリメントして、ステップＳ３５２に戻り、全てのｏｒｇ＿ＩＤに達した時点で処理を終了する。これにより、予測方法がｏｒｇ＿ＩＤについて、評価用ＯＬＡＰキューブ３２が作成される。
Here, examples of the structure and values of the predicted
以上が、評価用キューブ作成部分の説明である。 The above is the description of the evaluation cube creation part.
次に、本稼働キューブ作成部分について、説明する。 Next, the production cube creation part will be described.
図１８は、図１０中の各キューブをＯＬＡＰツールで評価して、最も良い予測値ステータスのキューブを選択(人が目視で確認)する処理フローを記す。評価用ＯＬＡＰキューブ３２は、図９で示した通り、予測値ステータスマスタ１６のｓｔａｔｕｓ(もしくはステータス番号ＳＩＤ)で構成されている。データ分析者は、ステップＳ３９８で、ＳＩＤに０を代入する。ステップＳ４００で、図１のＯＬＡＰキューブテーブル操作端末２８を用いて、各ｓｔａｔｕｓもしくは、ステータス番号ＳＩＤの評価用ＯＬＡＰキューブ３２を下記方法で評価する。
FIG. 18 shows a processing flow in which each cube in FIG. 10 is evaluated by the OLAP tool and a cube having the best predicted value status is selected (a person visually confirms). The
（１） 該当するｓｔａｔｕｓ(もしくはステータス番号［ＳＩＤ］)の評価用ＯＬＡＰキューブ３２をＯＬＡＰツールで評価する。
(1) The
（２） データ分析者が目視して、前のステータス番号のキューブよりも現在のステータス番号のキューブの方が、評価が高いか、もしくは低いかを確認する。 (2) The data analyst visually checks whether the cube with the current status number is higher or lower than the cube with the previous status number.
（３） もし、前のステータス番号のキューブよりも現在のステータス番号のキューブの方が、評価が高ければ、現在のステータス番号を採用ステータスとする。 (3) If the cube with the current status number has a higher evaluation than the cube with the previous status number, the current status number is set as the adoption status.
データ分析者は、ステップＳ４０２で、全てのｏｒｇ＿ＩＤについて、全ての予測値ステータスマスタ１６中のＳＩＤを処理したか否かを判定する。全ての予測値ステータスマスタ１６のＳＩＤを処理していなければ、ＳＩＤをインクリメントして、ステップＳ４００に戻って、処理を繰り返す。
In step S402, the data analyst determines whether or not SIDs in all predicted
図１９は、図１０中の選択されたキューブの予測値ステータスのデータマートテーブル２０中のレコードに採用フラグａｄｏｐｔ_ｓｔａｔｕｓ＝1を付与する処理フローを記す。予測値評価支援装置１４は、ステップＳ４５０で、図１０において評価された最適なステータスを採用番号＝最も良い予測値であると選択されたキューブの予測値ステータスマスタ１６中のｓｔａｔｕｓと設定する。
FIG. 19 shows a processing flow for assigning the adoption flag adopt_status = 1 to the record in the data mart table 20 of the predicted value status of the selected cube in FIG. In step S450, the predicted value
予測値評価支援装置１４は、ステップＳ４５１で、ｏｒｇ＿ＩＤに０を設定する。予測値評価支援装置１４は、ステップＳ４５２で、予測値ステータスマスタ１６中のｓｔａｔｕｓ＝０を設定する。予測値評価支援装置１４は、ステップＳ４５３で、データマートテーブル２０のｏｒｇ＿ＩＤにおいて、データマートテーブル２０中のｓｔａｔｕｓ＝採用番号であるか否かを判断する。予測評価支援装置１４は、データマートテーブル２０中のｓｔａｔｕｓ＝採用番号であれば、ステップＳ４５４で、データマートテーブル２０のｓｔａｔｕｓ＝採用ステータスの列のａｄｏｐｔ＿ｓｔａｔｕｓを１にする。
The predicted value
予測値評価支援装置１４は、ステップＳ４５５で、データマートテーブル２０中のｓｔａｔｕｓ＝採用番号でないならば、データマートテーブル２０のｓｔａｔｕｓ＝採用ステータスの列のａｄｏｐｔ＿ｓｔａｔｕｓを０にする。
In step S455, the predicted value
予測値評価支援装置１４は、ステップＳ４５６で、全てのｓｔａｔｕｓを処理したか否かを判断し、全てのｓｔａｔｕｓを処理していなければ、ｓｔａｔｕｓをインクリメントして、ステップＳ４５３に戻り、全てのｓｔａｔｕｓを処理した時点で、ステップＳ４５８へ進む。
In step S456, the predicted value
予測値評価支援装置１４は、ステップＳ４５８で、全てのデータマートテーブル２０のｏｒｇ＿ＩＤを処理したか否かを判断して、未処理であれば、ｏｒｇ＿ＩＤをインクリメントして、ステップＳ４５２に戻り、全てのｏｒｇ＿ＩＤを処理した時点で処理を終了する。
The predicted value
図２０は、図１０中のデータマートテーブル２０中の採用フラグが1(ａｄｏｐｔ＿ｓｔａｔｕｓ＝１)のレコードを選択して、本稼働ＯＬＡＰキューブテーブル４２を作成する処理フローを記す。本稼働ＯＬＡＰキューブ作成処理部２４は、ステップＳ５００で、図１中のデータマートテーブル２０をロードする。
FIG. 20 shows a processing flow for selecting the record whose adoption flag is 1 (adopt_status = 1) in the data mart table 20 in FIG. 10 and creating the production OLAP cube table 42. The production OLAP cube
本稼働ＯＬＡＰキューブ作成処理部２４は、ステップＳ５０１で、ＩＤに０に代入する。本稼働ＯＬＡＰキューブ作成処理部２４は、ステップＳ５０２で、データマートテーブル２０のＩＤ行目がａｄｏｐｔ＿ｓｔａｔｕｓ＝１であるか否かを判定する。ａｄｏｐｔ＿ｓｔａｔｕｓ＝１であれば、ステップＳ５０２に進む。ａｄｏｐｔ＿ｓｔａｔｕｓ＝１でなければ、ステップＳ５０６に進む。
The production OLAP cube
本稼働ＯＬＡＰキューブ作成処理部２４は、ステップＳ５０４で、データマートテーブル２０のＩＤ行目がａｄｏｐｔ＿ｓｔａｔｕｓ＝１ならば、本稼働ＯＬＡＰ用のＯＬＡＰキューブ４２にデータマートテーブル２０のＩＤ行を挿入する。
If the ID row of the data mart table 20 is adopt_status = 1 in step S504, the production OLAP cube
本稼働ＯＬＡＰキューブ作成処理部２４は、ステップＳ５０６で、全てのＩＤがデータマートテーブル２０のレコード数に達したか否かを判断し、レコード数に達していなければ、ＩＤをインクリメントして、ステップＳ５０２に戻り、レコード数に達した時点で処理を終了する。
In step S506, the production OLAP cube
以上説明した本実施形態による予測値評価支援システムは、予測値ステータス毎に、ＯＬＡＰキューブを算出するので、最適な予測値をデータ分析者が判断できる。従って、自動販売機ビジネスにおいて、新旧や機器メーカの異なる自動販売機の売上データを収集して、管理するので、自動販売機全体の売上分析が可能である。 Since the predicted value evaluation support system according to the present embodiment described above calculates an OLAP cube for each predicted value status, the data analyst can determine an optimal predicted value. Accordingly, in the vending machine business, the sales data of the vending machines of different old and new machines and equipment manufacturers are collected and managed, so that it is possible to analyze the sales of the entire vending machine.
また、チェーン展開している小売業において、店舗ごとに異なる売上管理システムを採用している場合でも、売上管理システムに適用する予測方法により、予測及び評価が可能であり、チェーン全体の売上分析及び顧客分析が可能である。 In addition, even if the retail business that operates the chain employs a different sales management system for each store, it can be predicted and evaluated by the prediction method applied to the sales management system. Customer analysis is possible.
本発明は、元データからデータマートに変換し、予測方法毎に、データマートから予測値レコードを作成し、予測値を評価し、ＯＬＡＰキューブを作成する予測値評価支援システムに適用可能である。 The present invention is applicable to a predicted value evaluation support system that converts original data into a data mart, creates a predicted value record from the data mart for each prediction method, evaluates the predicted value, and creates an OLAP cube.
８ ＯＬＡＰキューブテーブル作成端末
１０ 元データテーブル
１２ データウェアハウス
１４ 予測値評価支援装置
１５ データマートテーブル作成部
１６ 予測値ステータスマスタ
１７ 予測値レコード作成部
１８ 採用フラグマスタ
１９ 予測値レコード挿入部
２０ データマートテーブル
２２ 評価用ＯＬＡＰキューブ作成処理部
２４ 本稼働ＯＬＡＰキューブ作成処理部
２８ ＯＬＡＰキューブテーブル操作端末
３０ 評価用ＯＬＡＰキューブシステムサーバ
３２ 評価用ＯＬＡＰキューブ
４０ 本稼働ＯＬＡＰキューブシステムサーバ
４２ 本稼働ＯＬＡＰキューブ
8 OLAP cube
Claims (1)
集計された元データを記憶する元データテーブルと、
前記元データに基づき、予測対象フィールドに予測値を格納する際の予測方法を示す予測値ステータス番号を格納するための予測値ステータスフィールドと、前記元データのレコードのＩＤを格納するための元ＩＤフィールドと、採用ステータスフィールドと、を含むデータマートからなるデータマートテーブルを作成するデータマートテーブル作成部と、
前記予測方法を示す前記予測値ステータス番号及び前記データマートテーブルに記憶された前記データマートに基づき、予測して、前記予測対象フィールドに前記予測値を設定し、前記予測値ステータスフィールドに前記予測方法に該当する前記予測値ステータス番号を設定し、前記元ＩＤフィールドに前記元データのレコードのＩＤを設定した、予測値レコードを作成し、前記予測値レコードを前記データマートテーブルに挿入する、予測値レコード作成挿入部と、
前記予測値レコード作成挿入部により作成された、前記データマートテーブルの前記予測方法が異なる複数の各々の前記予測値レコードに基づいて、前記予測方法毎の複数の各々の評価用ＯＬＡＰキューブを作成する評価用ＯＬＡＰキューブ作成処理部と、
前記予測方法毎の前記複数の各々の評価用ＯＬＡＰキューブに基づいて、ＯＬＡＰツールを用いて、最適な予測方法による前記予測値レコードに基づいた評価用ＯＬＡＰキューブを判断し、前記最適な予測方法による評価用ＯＬＡＰキューブを本稼働ＯＬＡＰキューブとして稼動させる本稼働ＯＬＡＰキューブ作成処理部と、
を具備し、
前記判断に基づいて、前記データマートテーブルの前記最適な予測方法に対応する前記予測値ステータスフィールドを有する前記予測値レコードにおける前記採用ステータスフィールドに、採用を示すステータスを格納する、
予測値評価支援システム。 A predicted value evaluation support system that performs information processing for predictive value evaluation support for OLAP data analysis based on a program based on a user's operation,
An original data table for storing the aggregated original data;
Based on the original data, a predicted value status field for storing a predicted value status number indicating a prediction method when storing a predicted value in the prediction target field, and an original ID for storing the ID of the record of the original data A data mart table creation unit that creates a data mart table including a data mart including a field and a recruitment status field ;
Prediction based on the predicted value status number indicating the prediction method and the data mart stored in the data mart table, setting the predicted value in the prediction target field, and the prediction method in the predicted value status field The predicted value status number corresponding to the above is set, the predicted value record is created by setting the ID of the record of the original data in the original ID field, and the predicted value record is inserted into the data mart table. A record creation insert ,
A plurality of evaluation OLAP cubes for each prediction method are created based on a plurality of the prediction value records created by the prediction value record creation / insertion unit and different in the prediction method of the data mart table. OLAP cube creation processing unit for evaluation,
Based on each of the plurality of evaluation OLAP cubes for each of the prediction methods, an OLAP tool is used to determine an evaluation OLAP cube based on the prediction value record by the optimal prediction method, and by the optimal prediction method and production OLAP cube creation processing unit that the OLAP cube for evaluation Ru is operated as a production OLAP cube,
Equipped with,
Based on the determination, a status indicating adoption is stored in the adoption status field in the prediction value record having the prediction value status field corresponding to the optimal prediction method of the data mart table.
Predictive value evaluation support system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012169999A JP6046409B2 (en) | 2012-07-31 | 2012-07-31 | Predictive value evaluation support system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012169999A JP6046409B2 (en) | 2012-07-31 | 2012-07-31 | Predictive value evaluation support system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014029611A JP2014029611A (en) | 2014-02-13 |
| JP6046409B2 true JP6046409B2 (en) | 2016-12-14 |
Family
ID=50202134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012169999A Expired - Fee Related JP6046409B2 (en) | 2012-07-31 | 2012-07-31 | Predictive value evaluation support system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6046409B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7093267B2 (en) * | 2018-08-21 | 2022-06-29 | 株式会社オービック | Data generator, data generation method and data generation program |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3654193B2 (en) * | 2001-01-22 | 2005-06-02 | 日本電気株式会社 | Missing data interpolation method and missing data interpolation system |
| JP2003122572A (en) * | 2001-10-18 | 2003-04-25 | Fujitsu Ltd | Data analyzer and recording medium |
| US7447718B2 (en) * | 2004-04-26 | 2008-11-04 | Right90, Inc. | Real-time operating plan data aggregation |
| US8788306B2 (en) * | 2007-03-05 | 2014-07-22 | International Business Machines Corporation | Updating a forecast model |
| JP5397370B2 (en) * | 2008-03-18 | 2014-01-22 | 日本電気株式会社 | Dynamic topic analysis system, dynamic topic analysis method, and medium on which dynamic topic analysis program is recorded |
-
2012
- 2012-07-31 JP JP2012169999A patent/JP6046409B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2014029611A (en) | 2014-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6055285B2 (en) | Data security apparatus and method and system | |
| US20080208660A1 (en) | System and Method for Analyzing and Managing Business Performance | |
| JP4736713B2 (en) | Systems and methods to support the selection of project members | |
| JP2007034700A (en) | Prediction program and prediction device | |
| JP6642090B2 (en) | Quality control equipment and quality control program | |
| JP2012069098A5 (en) | Method for managing quality of service for network participants in a networked business process, and computer readable recording medium storing instructions that can cause a computer to perform operations for managing | |
| US20180174090A1 (en) | Production Management Support Apparatus, Production Management Support Method, and Production Management Support Program | |
| Jiang et al. | An investigation on the variation of software development productivity | |
| JP6475469B2 (en) | Diagnostic job generation system, diagnostic job generation method, and diagnostic job generation display method | |
| JP4309803B2 (en) | Maintenance support program | |
| JP6046409B2 (en) | Predictive value evaluation support system | |
| US7702544B2 (en) | Method for assisting selection of a build ahead configuration for use in supplying an ordered product | |
| JP6186797B2 (en) | Manufacturing management program, manufacturing management apparatus, and manufacturing management method | |
| CN110689278A (en) | Sheet metal material management method and system, storage medium and electronic equipment | |
| JP5133012B2 (en) | Inventory parts setting system, inventory parts setting method, and inventory parts setting program | |
| JP2006155344A (en) | Data analyzer, data analysis program, and data analysis method | |
| JP2009140417A (en) | Data tabulating method and data tabulating device | |
| JP2008165597A (en) | Business parameter determination system | |
| Liebers | An architecture for cost control in manufacturing: The use of cost information in order-related decisions. | |
| JP2011108021A (en) | Support system for comparative analysis of manufacturing cost in cost planning | |
| JP2002073142A (en) | Production schedule generating device and recording medium with recorded production schedule generating program of production schedule generating device | |
| JP2010128841A (en) | Process management system, management method, and program | |
| JP7436854B2 (en) | Information processing device, control method, program | |
| JP7302434B2 (en) | COST PREDICTION METHOD AND COST PREDICTION PROGRAM | |
| JP4533711B2 (en) | Lead time / yield management program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150501 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160229 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160322 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160517 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161025 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161117 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6046409 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |