【０００１】 （関連出願の相互参照） 本願は、下記の米国仮特許出願からの優先権を主張し、下記の米国仮特許出願
の、すべての付録およびすべての添付文書を含む開示が、その全体を参照によっ
て組み込まれる。 １９９９年１月１５日出願の、Ｌｉ−Ｗｅｎ Ｃｈｅｎによる、「ＭＥＴＨＯ
Ｄ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＰＲＯＣＥＳＳＩＮＧ ＣＵＳＴＯ
ＭＥＲ ＤＡＴＡ ＦＯＲ ＯＬＡＰ ＩＮＴＥＧＲＡＴＩＯＮ ＡＮＤ ＡＰ
ＰＬＩＣＡＴＩＯＮ ＩＮＴＥＧＲＡＴＩＯＮ ＢＡＳＥＤ ＯＮ ＲＥＶＥＲ
ＳＥ ＳＴＡＲ ＳＣＨＥＭＡ」という題名の、米国仮特許出願第６０／１１６
０１６号明細書（弁護士整理番号１９６０８−００２００ ＵＳ）。CROSS-REFERENCE TO RELATED APPLICATIONS This application claims priority from the following US provisional patent applications, the disclosure of which is hereby incorporated by reference in its entirety, including all appendices and all attachments. Incorporated by reference. Li-Wen Chen, filed January 15, 1999, "METHO
D AND APPARATUS FOR PROCESSING CUSTO
MER DATA FOR OLAP INTEGRATION AND AP
PLICATION INTEGRATION BASED ON REVER
US Provisional Patent Application No. 60/116, entitled "SE STAR SCHEMA"
Specification No. 016 (Attorney Docket No. 19608-00200 US).
【０００２】 下記の、本願の所有者が所有する、本願を含む同時継続の出願書は、本願と同
時に出願され、下記の出願書は、参照によってその全体を本明細書に組み込まれ
る。 １．Ｌｉ−Ｗｅｎ Ｃｈｅｎによる、「ＭＥＴＨＯＤ ＦＯＲ ＶＩＳＵＡＬ
ＩＺＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮ ＩＮ Ａ ＤＡＴＡ ＷＡＲＥＨＯＵＳ
ＩＮＧ ＥＮＶＩＲＯＮＭＥＮＴ」という題名の、米国特許出願第＿＿＿＿＿＿
＿＿＿号明細書（弁理士整理番号１９６０８−０００２１０ＵＳ）。 ２．Ｌｉ−Ｗｅｎ Ｃｈｅｎによる、「ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＶＩＳ
ＵＡＬＩＺＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮ ＩＮ Ａ ＤＡＴＡ ＷＡＲＥＨ
ＯＵＳＩＮＧ ＥＮＶＩＲＯＮＭＥＮＴ」という題名の、米国特許出願第＿＿＿
＿＿＿＿＿＿号明細書（弁理士整理番号１９６０８−０００２２０ＵＳ）。 ３．Ｌｉ−Ｗｅｎ Ｃｈｅｎによる、「ＳＹＳＴＥＭ ＦＯＲ ＶＩＳＵＡＬ
ＩＺＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮ ＩＮ Ａ ＤＡＴＡ ＷＡＲＥＨＯＵＳ
ＩＮＧ ＥＮＶＩＲＯＮＭＥＮＴ」という題名の、米国特許出願第＿＿＿＿＿＿
＿＿＿号明細書（弁理士整理番号１９６０８−０００２３０ＵＳ）。[0002] The following co-pending applications, including the present application, owned by the owner of the present application, were filed concurrently with this application, which application is incorporated herein by reference in its entirety. 1. "METHOD FOR VISUAL" by Li-Wen Chen
IZING INFORMATION IN A DATA WAREHOUS
US Patent Application No. _________, entitled "ING ENVIRONMENT"
______ specification (patent attorney docket number 19608-000210US). 2. "APPARATUS FOR VIS" by Li-Wen Chen
UALIZING INFORMATION IN A DATA WAREH
US Patent Application No. ______ entitled “OUSING ENVIRONMENT”
_________ specification (patent attorney docket number 19608-000220US). 3. "SYSTEM FOR VISUAL" by Li-Wen Chen
IZING INFORMATION IN A DATA WAREHOUS
US Patent Application No. _________, entitled "ING ENVIRONMENT"
______ specification (patent attorney docket number 19608-000230US).
【０００３】 （発明の背景） 本発明は、全般的にはコンピュータ・データベース・システムに関し、具体的
には、データ・ウエアハウス環境で保管される動的フォーマットを有する情報を
視覚化する方法に関する。BACKGROUND OF THE INVENTION The present invention relates generally to computer database systems, and more particularly to a method for visualizing information having a dynamic format stored in a data warehouse environment.
【０００４】 ほんの数年前に、コンピュータ技術のすばやい進歩を予想できたものはほとん
どいなかった。コンピュータは、現在、家庭、オフィス、学校、さらには書類鞄
および肩掛け鞄にも存在する。コンピュータ自動化が、日常生活のますます増加
する部分に影響し続けるので、政府、会社、および個人は、「情報爆発」すなわ
ち、継続的にソートされ、同化され、管理されなければならない情報の爆発的増
加を管理するために、データベース技術に頼っていた。データベース設計分野に
とって重要な領域の１つが、データベース・アプリケーションのためのデータ・
モデル選択である。Only a few years ago, few could have predicted the rapid advances in computer technology. Computers are now present in homes, offices, schools, as well as paper and shoulder bags. As computer automation continues to affect an ever-increasing portion of everyday life, governments, companies, and individuals are "information explosions," an explosive explosion of information that must be continually sorted, assimilated, and managed. He relied on database technology to manage the growth. One of the key areas of database design is data management for database applications.
Model selection.
【０００５】 データ・モデルは、データベースに保管されるデータの構造または編成を表し
ている。これによって、ある形でのデータの使用が可能になり、他の形で使用さ
れるデータが制限される。異なるアプリケーションは、通常は、異なるデータ・
モデルを必要とする。多くの異なるデータ・モデルが存在する可能性があり、こ
れらは、通常は、互いに著しく異なる。通常、データベース・アプリケーション
は、特定のデータベースの特定のデータ・モデルに合わせてカスタマイズされる
。通常、これらのアプリケーションは、アプリケーションの機能が同一のままで
ある場合であっても、すべてのデータベースについて再実装されなければならな
い。A data model represents the structure or organization of data stored in a database. This allows the use of data in one form and limits the data used in another. Different applications typically have different data
Need a model. There can be many different data models, which are usually significantly different from each other. Database applications are typically customized for a particular data model of a particular database. Typically, these applications have to be re-implemented for all databases, even if the functionality of the application remains the same.
【０００６】 現在、データベース開発者は、データ・ウエアハウス技術によって、衝突する
データ管理要件を解決している。伝統的なデータ・ウエアハウス・アプローチは
、意思決定支援アプリケーションに焦点を合わせており、意思決定支援アプリケ
ーションでは、静的なフォーマットを有する要約された情報が強調される。知覚
された利益が存在するが、これらのシステムに固有の不利益は、顧客アイデンテ
ィティが失われることである。さらに、顧客データ分析技法の使用可能度を、分
析結果およびデータベース内容をユーザに表示する方法によって、従来のアプロ
ーチに対して改善することができる。Currently, database developers are using data warehousing techniques to solve conflicting data management requirements. Traditional data warehouse approaches focus on decision support applications, which emphasize summarized information with a static format. Although there is a perceived benefit, the inherent disadvantage of these systems is the loss of customer identity. Further, the usability of customer data analysis techniques can be improved over conventional approaches by the way the analysis results and database contents are displayed to the user.
【０００７】 必要なものは、データベース、データ・マート、およびデータ・ウェアハウス
に含まれる顧客データを分析し、その情報を動的フォーマットで提示する方法で
ある。What is needed is a way to analyze customer data contained in databases, data marts, and data warehouses and present that information in a dynamic format.
【０００８】 （発明の概要） 本発明によれば、データベース、データ・マート、およびデータ・ウェアハウ
スに含まれる顧客データを視覚化する技法が提供される。例示的実施態様では、
本発明は、企業の１つまたは複数のデータ・ソースからのデータの関係をグラフ
ィカルに分析する方法を提供する。この方法は、オン・ライン分析処理（ＯＬＡ
Ｐ）ツールおよび類似物などの多数の人気のある視覚化ツールと共に使用するこ
とができる。この方法は、企業データをモデル化するためのメタモデル・ベース
の技法とあいまって特に有用である。企業は、通常は、ビジネス・アクティビテ
ィであるが、人間のアクティビティの他の現場とすることもできる。本発明によ
る実施態様では、データ・ウエアハウス環境でデータの視覚的表現を提供するた
めに、さまざまなソースからのデータを表示することができる。SUMMARY OF THE INVENTION The present invention provides techniques for visualizing customer data contained in databases, data marts, and data warehouses. In an exemplary embodiment,
The present invention provides a method for graphically analyzing relationships of data from one or more data sources of an enterprise. This method is based on on-line analytical processing (OLA
P) It can be used with many popular visualization tools such as tools and the like. This method is particularly useful in conjunction with metamodel-based techniques for modeling corporate data. Companies are typically business activities, but can be other sites of human activity. Embodiments in accordance with the present invention can display data from various sources to provide a visual representation of the data in a data warehouse environment.
【０００９】 本発明による第１の態様では、企業の１つまたは複数のデータ・ソースからの
データの関係をグラフィカルに分析する方法が提供される。この方法には、複数
の顧客プロファイル・グループの少なくとも１つの顧客プロファイルの定義を受
け取ることなどの、さまざまな要素が含まれる。レポート構成選択を示す入力の
ユーザからの受取も、この方法の一部である。レポート構成選択および情報に基
づく、少なくとも１つの第１次元テーブルおよび少なくとも１つのファクト・テ
ーブルの作成が、この方法の一部である。この方法には、少なくとも１つの第１
次元テーブルおよび少なくとも１つのファクト・テーブルからなるレポートを提
供することも含まれる。実施態様では、百分位数ブラケット、累積ブラケット、
ランキング・ブラケット、および範囲ブラケットなどの複数の定量分析技法、パ
レート、ヒストグラム、鐘形曲線、線形回帰などの統計技法、類似性ルール、ニ
ューラル・ネットワーク、判断木、およびフラクタル幾何などのデータ・マイニ
ング技法、純現在価値などの財務分析技法、および、移動平均などの時系列技法
のいずれかを使用してレポートを提供することができる。In a first aspect according to the present invention, a method of graphically analyzing relationships of data from one or more data sources of an enterprise is provided. The method includes various elements, such as receiving a definition of at least one customer profile in a plurality of customer profile groups. Receiving the input indicating the report configuration selection from the user is also part of the method. Creating at least one first dimension table and at least one fact table based on report configuration selections and information is part of the method. This method includes at least one first
Providing a report consisting of a dimension table and at least one fact table is also included. In an embodiment, a percentile bracket, a cumulative bracket,
Multiple quantitative analysis techniques such as ranking brackets and range brackets, statistical techniques such as Pareto, histograms, bell curves, linear regression, data mining techniques such as similarity rules, neural networks, decision trees, and fractal geometry Reports may be provided using any of the following: financial analysis techniques, such as net present value, and time series techniques, such as moving averages.
【００１０】 いくつかの実施態様には、前記複数の顧客プロファイル・グループの顧客プロ
ファイルごとの顧客のリストの作成と、顧客プロファイル・グループごとのメタ
・モデル内の顧客分類構成要素の作成を含めることもできる。メタ・モデルは、
たとえばリバース・スター・スキーマなどの顧客中心モデルとすることができる
。Some embodiments include creating a list of customers for each customer profile of the plurality of customer profile groups and creating a customer classification component in a meta model for each customer profile group. You can also The meta model is
For example, it can be a customer-centric model such as a reverse star schema.
【００１１】 １つの特定の実施態様では、本発明は、ビジネス・パフォーマンス尺度および
類似物に関する顧客プロファイル・レポートを作成する方法を提供する。この実
施態様では、少なくとも１つの第１次元テーブルの作成に、顧客プロファイル階
層の作成が含まれ、少なくとも１つのファクト・テーブルの作成に、さらに、顧
客プロファイル階層によるビジネス・パフォーマンス尺度の集約が含まれる。In one particular embodiment, the present invention provides a method of generating a customer profile report for business performance measures and the like. In this embodiment, creating at least one first dimension table includes creating a customer profile hierarchy, and creating at least one fact table further includes aggregating business performance measures by the customer profile hierarchy. .
【００１２】 もう１つの実施態様では、本発明は、ビジネス・パフォーマンス尺度および類
似物に関するオペレーション・レポートを作成する方法を提供する。この実施態
様では、少なくとも１つのファクト・テーブルの作成に、ビジネス・パフォーマ
ンス尺度の集約および顧客プロファイルのフィルタリングが含まれる。In another embodiment, the invention provides a method of generating an operational report on business performance measures and the like. In this implementation, creating at least one fact table includes aggregating business performance measures and filtering customer profiles.
【００１３】 もう１つの実施態様では、本発明は、顧客レコードおよび類似物に関する顧客
行動レポートを作成する方法を提供する。この実施態様では、少なくとも１つの
第１次元テーブルの作成に、顧客プロファイルの作成が含まれ、少なくとも１つ
のファクト・テーブルの作成に、顧客プロファイルに基づく顧客レコードの集約
が含まれる。In another embodiment, the present invention provides a method of generating a customer behavior report for customer records and the like. In this embodiment, creating at least one first dimension table includes creating a customer profile and creating at least one fact table includes aggregating customer records based on the customer profile.
【００１４】 本発明による第２の態様では、データの分析の基礎として働くために、第１デ
ータ・モデルに従って編成された情報を第２の選択可能なデータ・モデルに従う
編成に転送する方法を提供する。この方法には、入力として第１データ・モデル
の定義を受け取ることおよび入力として第２データ・モデルの定義を受け取るこ
となどのさまざまな要素が含まれる。第１データ・モデルから第２データ・モデ
ルへのデータの変換を提供するためのマッピングの作成も、この方法の一部とす
ることができる。その結果、データを、そのマッピングに従って、第１データベ
ースから第２データベースに移植することができる。In a second aspect according to the invention, there is provided a method of transferring information organized according to a first data model to an organization according to a second selectable data model to serve as a basis for analysis of data. To do. The method includes various elements such as receiving a definition of a first data model as inputs and receiving a definition of a second data model as inputs. Creating a mapping to provide a transformation of the data from the first data model to the second data model can also be part of this method. As a result, the data can be populated from the first database to the second database according to the mapping.
【００１５】 本発明の第３の態様では、データベースからの情報を分析する方法を提供する
。データベースは、第１データ・モデルに従って編成することができる。この方
法には、入力として第２データ・モデルの定義を受け取ることを含めることがで
きる。第１データ・モデルから第２データ・モデルへのマッピングの作成も、こ
の方法の一部とすることができる。この方法では、第２データ・モデルおよびマ
ッピングに基づいてデータを分析することができる。In a third aspect of the invention, a method of analyzing information from a database is provided. The database can be organized according to the first data model. The method can include receiving as input the definition of the second data model. Creating a mapping from the first data model to the second data model can also be part of the method. In this way, the data can be analyzed based on the second data model and the mapping.
【００１６】 実施態様では、収益性利益テーブル（profitability gains table)と、最新金
額および度数金額分析(recency and frequency monetary amount analysis)と、
保留率および移動率分析(retention and migration rate analysis）とを含むス
コアリング・モデル、人口統計と、地理と、行動と、購入性向と、終了性向(pro
pensity to terminate）などのセグメンテーション・モデル、および、顧客生涯
価値(customer life time value)と、シーケンス分析と、類似性分析などのプロ
ファイリング・モデルなどの複数の分析モデルのいずれかをサポートするために
データをデータ・モデルに編成することができる。In an embodiment, a profitability profits table, a recency and frequency monetary amount analysis,
Scoring models, including retention and migration rate analysis, demographics, geography, behavior, purchase propensity, and propensity to terminate.
data to support segmentation models such as pensity to terminate) and multiple analytical models such as customer life time value and sequence analysis and profiling models such as similarity analysis. Can be organized into a data model.
【００１７】 従来の技法に対する多数の利益が、本発明によって達成される。本発明は、異
なるビジネス・ニーズに合わせてカスタマイズすることができるデータ関係を視
覚化する技法を提供することができる。さらに、本発明による技法およびデータ
・モデルを使用するいくつかの実施態様を使用して、顧客データ分析の問題を解
決することができる。多数の実施態様が、汎用で再利用可能な顧客データ分析機
能と共に使用するためにユーザのデータ表示をカスタマイズする能力をユーザに
与えることができる。実施態様では、顧客のダイナミックスおよびビジネス・ダ
イナミックスの動的な表示を提供することができる。多数の実施態様によって、
ビジネス・アプリケーションを、これまでに既知の方法より簡単に、すばやく、
より高い拡張性を備えた状態で構築することができるようになる。上記および他
の利益を、本明細書全体を通じて説明する。本明細書に記載の発明の性質および
長所のさらなる理解は、本明細書の残りの部分および添付図面を参照することに
よって実現することができる。A number of benefits over conventional techniques are achieved by the present invention. The present invention can provide techniques for visualizing data relationships that can be customized for different business needs. Moreover, some implementations using the techniques and data models according to the invention can be used to solve the problem of customer data analysis. Numerous implementations can provide users with the ability to customize their data display for use with general purpose, reusable customer data analysis features. Implementations may provide a dynamic representation of customer dynamics and business dynamics. According to numerous embodiments,
Make business applications easier, faster, and more accessible than previously known.
It will be possible to build it with higher extensibility. The above and other benefits are described throughout the specification. A further understanding of the nature and advantages of the inventions described herein may be realized by reference of the remaining portions of the specification and the accompanying drawings.
【００１８】 （具体的な実施形態の説明） 本発明による実施形態は、企業情報システムに存在するデータに基づく顧客デ
ータ分析を行い、分析の結果を視覚化する技法を提供することができる。(Description of Specific Embodiments) Embodiments according to the present invention can provide a technique for performing customer data analysis based on data existing in a corporate information system and visualizing the result of the analysis.
【００１９】 現在、企業は、さまざまな企業オペレーションをサポートするために意思決定
者に情報を提供することに焦点を合わせた１つまたは複数の意思決定支援システ
ム（ＤＳＳ）を所有することができる。通常、この情報は、会社、公共の実体、
政府機関、および類似物などの実体全体のオペレーションのパフォーマンスおよ
び効率を中心とする。しかし、レガシ・ビジネス意思決定システムは、オペレー
ション中心のパラダイムに基づいて構築され、顧客中心のアプリケーションでの
有用性が制限されることがしばしばである。現在、顧客インテリジェンスすなわ
ち、顧客プロファイル、顧客行動、および顧客ビジネス行動に関する情報を分析
する機能が、意思決定者への情報の重要な供給源になっている。Currently, businesses may have one or more decision support systems (DSSs) focused on providing information to decision makers to support various business operations. This information is typically used by companies, public entities,
It focuses on the performance and efficiency of operations across entities such as government agencies and the like. However, legacy business decision-making systems are often built on an operations-centric paradigm, which limits their usefulness in customer-centric applications. Currently, customer intelligence, the ability to analyze information about customer profile, customer behavior, and customer business behavior, is an important source of information for decision makers.
【００２０】 レガシ・システムには、それぞれが特定のビジネス・オペレーションおよびビ
ジネス・プロセスをサポートする複数の、別々のまたはネットワーク接続された
情報システムを含めることができる。たとえば、いわゆる「ミッションクリティ
カル・システム」が、毎日のビジネス・オペレーションをサポートする。これら
には、エンタープライズ・リソース・プラニング・アプリケーション、製造アプ
リケーション、人事アプリケーション、および類似物などの企業または政府の「
バック・オフィス」でのオペレーショナル・システムおよびトランザクショナル
・システムを含めることができる。いわゆる「フロント・オフィス」アプリケー
ションで展開されるシステムは、販売代理人、顧客サービス担当者、またはマー
ケティング・スタッフなどの人物によって、毎日顧客にサービスするのに使用さ
れる。たとえば、販売力自動化システム（ＳＦＡ）、マーケティング自動化シス
テム、ヘルプデスク、および類似物が、代表的なフロント・オフィス・システム
である。フロント・オフィス・アプリケーションとバック・オフィス・アプリケ
ーションの両方が、企業の毎日のオペレーションのサポートを提供する。A legacy system can include multiple, separate or networked information systems, each supporting a particular business operation and business process. For example, so-called "mission critical systems" support daily business operations. These include corporate or government "such as enterprise resource planning applications, manufacturing applications, human resources applications, and the like.
Operational and transactional systems at the "back office" can be included. Systems deployed in so-called "front office" applications are used by people such as sales representatives, customer service representatives, or marketing staff to serve customers daily. For example, sales force automation systems (SFAs), marketing automation systems, help desks, and the like are typical front office systems. Both front office and back office applications provide support for the day-to-day operations of the enterprise.
【００２１】 意思決定支援システムは、オペレーションのパフォーマンスおよび効率を分析
し理解する際のユーザの必要に基づく要約された情報および類似物の分析を提供
する。意思決定支援システムには、データ・ウェアハウス、データマート、およ
び類似物を含めることができる。意思決定支援システムは、支配的に多次元モデ
ルに基づき、ある顧客インテリジェンス分析機能性を提供することができる。意
思決定支援システムは、意思決定者に、オペレーションのパフォーマンスの「マ
クロ・ビュー」を提供することができる。通常、意思決定支援システムには、シ
ステムの設計中に定義されるビジネス次元を有するデータ・モデルが含まれる。The decision support system provides an analysis of summarized information and the like based on the user's needs in analyzing and understanding the performance and efficiency of operations. Decision support systems can include data warehouses, data marts, and the like. Decision support systems are predominantly based on multi-dimensional models and can provide some customer intelligence analysis functionality. The decision support system can provide the decision maker with a "macro view" of the performance of the operation. Decision support systems typically include a data model with business dimensions defined during system design.
【００２２】 図１Ａに、本発明による１つの特定の実施形態での顧客中心意思決定支援シス
テムのシステム・アーキテクチャを示す。この図は、単に例示であり、本明細書
の請求の範囲を制限するものではない。当業者は、他の変形形態、変更形態、お
よび代替形態を認識するであろう。図１Ａには、ＯＬＡＰコンソール１などの複
数の構成要素が含まれる。ＯＬＡＰコンソール１は、ＯＬＡＰ形式で提示される
データを分析するユーザにインターフェースを提供する。ＯＬＡＰコンソール１
は、ユーザのコマンド入力を受け入れるＯＬＡＰツールへの「フロント・エンド
」を提供する。ＯＬＡＰサーバ２が、ユーザのコマンド入力から、データベース
６に関するデータベース照会４を生成する。ユーザは、グラフィカル・ユーザ・
インターフェース（ＧＵＩ）またはコマンド・ライン・インターフェースおよび
類似物を使用してコマンド入力を入力することができる。コマンド入力は、ＧＵ
Ｉを使用するＯＬＡＰコンソール１または他のプレゼンテーション・デバイスで
の提示のためにユーザに提供することができる情報を取り出すために、データベ
ース６に適用することができる。ＯＬＡＰツール（図示せず）を使用して、たと
えば多次元モデル５に従って、ＧＵＩを使用してデータを操作することができる
。ＯＬＡＰサーバは、下でさらに詳細に述べるように、ユーザの多次元データ・
モデルのマッピングを使用して、ユーザのコマンド入力をデータベース照会に変
換することができる。FIG. 1A illustrates the system architecture of a customer-centric decision support system in one particular embodiment according to the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 1A includes multiple components such as the OLAP console 1. The OLAP console 1 provides an interface to a user who analyzes data presented in OLAP format. OLAP console 1
Provides a "front end" to OLAP tools that accept user command input. The OLAP server 2 generates a database query 4 for the database 6 from the user's command input. User is a graphical user
Command inputs can be entered using an interface (GUI) or command line interface and the like. Command input is GU
It can be applied to the database 6 to retrieve information that can be provided to the user for presentation on the OLAP console 1 or other presentation device using I. An OLAP tool (not shown) can be used to manipulate the data using a GUI, eg according to the multidimensional model 5. The OLAP server, as will be described in more detail below, stores the user's multidimensional data.
The model mapping can be used to translate user command input into a database query.
【００２３】 ＯＬＡＰメタ・データ３には、ユーザの多次元データ・モデル５から、データ
・ベース６などのデータベース・モデルへのマッピングを含めることができる。
ＯＬＡＰメタ・データ３は、たとえば、データベース６の次元およびファクトへ
の多次元モデル５のテーブルおよび属性のマッピングを提供することができる。The OLAP meta data 3 may include a mapping from a user's multidimensional data model 5 to a database model such as a database 6.
The OLAP meta data 3 can provide, for example, a mapping of the tables and attributes of the multidimensional model 5 to the dimensions and facts of the database 6.
【００２４】 ＯＬＡＰによってされる照会４は、たとえば、データベース６から結果セット
を取り出すためにＯＬＡＰサーバ２によって生成することができる。多次元モデ
ル５には、たとえば、ビジネス・パフォーマンスの「マクロ」ビューを提供する
ことができる概念モデルが含まれる。そのようなモデルは、ビジネス分析者が、
ビジネス・オペレーションのパフォーマンスおよび類似物を理解するのを助ける
ことができる。The query 4 made by OLAP can be generated, for example, by the OLAP server 2 to retrieve the result set from the database 6. Multidimensional model 5 includes, for example, a conceptual model that can provide a "macro" view of business performance. Such a model could be
It can help you understand the performance and similarities of business operations.
【００２５】 意思決定支援マネージャ２１が、データ・モデル、レポート、メタ・データ、
テーブル、および類似物（３、５、６、および１２）の定義、作成、および生成
の処理を管理する。管理コンソール２０を用いて、ユーザが、意思決定支援マネ
ージャ２１に対してデータ・モデル、レポート、および類似物を定義することが
できる。このコンソールは、たとえば、ＧＵＩでユーザにデータ・モデルを表示
することができる。The decision support manager 21 uses the data model, report, meta data,
Manages the process of defining, creating, and creating tables and analogs (3, 5, 6, and 12). The management console 20 allows a user to define data models, reports, and the like to the decision support manager 21. The console can display the data model to the user in a GUI, for example.
【００２６】 データベース６は、意思決定支援マネージャ２１によって作成される。ユーザ
は管理コンソール２０からデータベース６のスキーマを定義することができる。
管理コンソール２０は、１つの特定の実施形態では、ＯＬＡＰコンソール１と同
一の位置に置くことができる。ユーザは、管理コンソール２０を使用して、自分
のデータの多次元モデルを定義することができる。ユーザが、彼らのモデルを定
義した後に、意思決定支援マネージャ２１が、ユーザのデータ・モデル定義に従
って、データベース６などのデータベースを自動的に作成することができる。意
思決定支援マネージャ２１は、たとえば、多次元キューブ５に対応するスター・
スキーマ・データ・モデルを生成することができる。マネージャ２１は、データ
ベースにデータ・ウェアハウス８からのデータを移植するためのプロシージャお
よびマッピング・ルールを生成することができる。The database 6 is created by the decision support manager 21. The user can define the schema of the database 6 from the management console 20.
The management console 20 may be co-located with the OLAP console 1 in one particular embodiment. Users can use the management console 20 to define a multidimensional model of their data. After the user has defined their model, the decision support manager 21 can automatically create a database, such as database 6, according to the user's data model definition. The decision support manager 21 may be, for example, a star corresponding to the multidimensional cube 5.
A schema data model can be generated. The manager 21 can generate procedures and mapping rules for populating the database with data from the data warehouse 8.
【００２７】 メタ・データ・リポジトリ２２に、意思決定支援マネージャ２１によって使用
されるメタ・データを保管することができる。このメタ・データには、データ・
モデル、レポート、テーブル、プロセス管理用のプロシージャ、スケジューリン
グ情報などのオペレーショナル・メタ・データ、および類似物の定義を含めるこ
とができる。The meta data repository 22 may store meta data used by the decision support manager 21. This meta data contains the data
It can include definitions of models, reports, tables, procedures for process management, operational meta data such as scheduling information, and the like.
【００２８】 ユーザが、レポートを要求する時に、意思決定支援マネージャ２１が、たとえ
ば他の照会で後に再利用することができる修飾ターゲット顧客テーブルなどの中
間テーブルを生成することができる。中間テーブルは、意思決定支援マネージャ
２１と同一の位置に置くことができる一時テーブルを生成するプロセスによって
生成することができる。中間テーブル・キャッシュ７によって、メモリ内の中間
テーブルを管理することができる。中間テーブル・キャッシュ７は、たとえば、
ＬＲＵなどの複数のキャッシュ置換アルゴリズムのいずれかに基づいて、メモリ
内の中間結果を維持することができる。現在の好ましい実施形態では、意思決定
支援マネージャ２１に、中間テーブル・キャッシュ７を管理するための管理プロ
セスを含めることができる。When a user requests a report, the decision support manager 21 can generate intermediate tables, such as a qualified target customer table that can be reused later in other queries. The intermediate table can be created by the process of creating a temporary table that can be co-located with the decision support manager 21. The intermediate table cache 7 allows the management of intermediate tables in memory. The intermediate table cache 7 is, for example,
Intermediate results in memory can be maintained based on any of a number of cache replacement algorithms such as LRU. In the presently preferred embodiment, the decision support manager 21 may include a management process for managing the intermediate table cache 7.
【００２９】 データ・ウェアハウス８には、顧客データ、ビジネス・オペレーショナル・デ
ータ、および類似物のデータ・リポジトリが含まれる。データ・ウェアハウス８
には、データベースを含めることができ、データ・ウェアハウス８を、たとえば
、オペレーショナル・データ・ストアとして使用することができる。現在の好ま
しい実施形態では、データ・ウェアハウス８が、中央アイデンティティを含む顧
客情報を用いるアイデンティティ中心データ編成を有することができる。このデ
ータ編成を、時々、「リバース・スター・スキーマ」データ・モデルと称する。
このデータ編成には、データ・ウェアハウス８の「バックエンド層」が含まれ、
フロント・エンド層は「スター・スキーマ」と称するデータ・モデルに基づく。The data warehouse 8 contains a repository of customer data, business operational data, and the like. Data warehouse 8
Can include a database, and the data warehouse 8 can be used, for example, as an operational data store. In the presently preferred embodiment, the data warehouse 8 may have an identity centric data organization with customer information including a central identity. This data organization is sometimes referred to as the "reverse star schema" data model.
This data organization includes the "back end tier" of Data Warehouse 8,
The front end layer is based on a data model called the "Star Schema".
【００３０】 データ・ソース９には、オリジナル・データの供給源が含まれる。代表的な実
施形態では、データ・ソース９が、たとえば、毎日のビジネス・オペレーション
および類似物の管理に使用される、会社などの企業のオペレーショナル・システ
ムである。データ・ソース９からのデータを使用の前に変換し、移動することが
できる。データを、たとえば、データ・ウェアハウス８に保管する時に、リバー
ス・スター・スキーマ・データ・モデルに変換することができる。The data source 9 includes a source of original data. In the exemplary embodiment, data source 9 is an operational system of a business, such as, for example, a business used to manage daily business operations and the like. The data from the data source 9 can be transformed and moved before use. The data can be converted to a reverse star schema data model, for example, when stored in the data warehouse 8.
【００３１】 分析レポート１０をデータ・ウェアハウス８の内容から生成することができる
。ユーザは管理コンソール２０からレポートを要求することができる。マネージ
ャ２１が、データを取り出すために、データベース６への照会を定式化すること
ができる。マネージャ２１は、そのデータをレポートとしてユーザに送ることが
できる。The analysis report 10 can be generated from the contents of the data warehouse 8. The user can request a report from the management console 20. The manager 21 can formulate a query to the database 6 to retrieve the data. The manager 21 can send the data as a report to the user.
【００３２】 アプリケーション１１には、データ・ウェアハウス８に保管されたデータを扱
うビジネス・アプリケーションおよび類似物が含まれる。アプリケーション１１
には、販売力自動化アプリケーション、マーケティング自動化アプリケーション
、Ｅコマース・アプリケーション、および類似物を含めることができる。ユーザ
は、管理コンソール２０を使用して、アプリケーション１１に入力される、重要
なターゲットにされた顧客セグメントを選択することができる。マネージャ２１
は、アプリケーションとの統合のためにテーブルを自動的に生成することができ
る。Applications 11 include business applications and the like that handle data stored in data warehouse 8. Application 11
May include sales force automation applications, marketing automation applications, e-commerce applications, and the like. The user can use the management console 20 to select key targeted customer segments that are entered into the application 11. Manager 21
Can automatically generate tables for integration with your application.
【００３３】 ターゲットにされた顧客テーブル１２には、ターゲットにされた顧客に関する
情報が含まれる。これらのテーブルは、オンデマンドで、スケジュールによって
、または手動で生成することができる。ビジネス・アプリケーションを、たとえ
ばデータ・ウェアハウス８から生成することができるテーブル１２に基づいて、
顧客中心意思決定支援機能と統合することができる。The targeted customers table 12 contains information about targeted customers. These tables can be generated on demand, on a schedule, or manually. Based on the table 12 that the business application can be generated from, for example, the data warehouse 8,
Can be integrated with customer-centric decision support functions.
【００３４】 ＯＬＡＰメタ・データを、たとえば、多次元データ・モデル５などの定義され
たデータ・モデルに基づいて生成することができる。マネージャ２１は、ＯＬＡ
Ｐメタ・データ３に、ユーザのデータ・モデルの定義から導出されたメタ・デー
タを取り込むことができる。したがって、ＯＬＡＰメタ・データ３を自動的に生
成することができる。OLAP meta data can be generated based on a defined data model, such as, for example, multidimensional data model 5. Manager 21 is OLA
The P meta data 3 can be populated with meta data derived from the definition of the user's data model. Therefore, the OLAP meta data 3 can be automatically generated.
【００３５】 図１Ｂに、本発明による１つの特定の実施形態を実施するのに適する代表的な
コンピュータ・システムを示す。この図は、単に例示であり、本明細書に記載の
請求の範囲を制限するものではない。当業者は、他の変形形態、変更形態、およ
び代替形態を認識するであろう。図１Ｂには、本発明と共に使用するのに適する
コンピュータ・システム１１３の基本サブシステムが示されている。図１Ｂでは
、コンピュータ・システム１１３に、中央プロセッサ１１４、システム・メモリ
１１６、入出力コントローラ１１８、プリンタ（図示せず）などの外部装置、デ
ィスプレイ・アダプタ１２６を介するディスプレイ画面１２４、シリアル・ポー
ト１２８、キーボード１３２、固定ディスク・ドライブ１４４、および取外し可
能ディスク１３８を受け取るように動作する取外し可能ディスク・ドライブ１３
６などの主要なサブシステムを相互接続するバス１１５が含まれる。入出力コン
トローラ１１８を介するスキャナ（図示せず）、シリアル・ポート１２８に接続
されるマウス１４６、またはネットワーク・インターフェース１４８などの、多
数の他の装置を接続することができる。多数の他の装置またはサブシステム（図
示せず）を類似する形で接続することができる。また、図１Ｂに示された装置の
すべてが、下で説明する本発明の実践のために存在する必要はない。図１Ｂに示
されたものと異なる形で装置やサブシステムを相互接続することができる。図１
Ｂに示されたものなどのコンピュータ・システムの動作は、当技術分野で容易に
知られ、本明細書では詳細に説明しない。本発明を実施するソース・コードは、
機能的に、システム・メモリ１１６に配置されるか、固定ディスク１４４または
取外し可能ディスク１３８などの記憶媒体に保管することができる。FIG. 1B illustrates a representative computer system suitable for implementing one particular embodiment of the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 1B shows the basic subsystems of computer system 113 suitable for use with the present invention. In FIG. 1B, the computer system 113 includes a central processor 114, a system memory 116, an input / output controller 118, an external device such as a printer (not shown), a display screen 124 via a display adapter 126, a serial port 128, Keyboard 132, fixed disk drive 144, and removable disk drive 13 operative to receive removable disk 138.
A bus 115 is included that interconnects major subsystems such as 6. Many other devices can be connected, such as a scanner (not shown) via the I / O controller 118, a mouse 146 connected to the serial port 128, or a network interface 148. Many other devices or subsystems (not shown) may be similarly connected. Also, not all of the devices shown in FIG. 1B need be present for the practice of the invention described below. Devices and subsystems may be interconnected differently than that shown in FIG. 1B. Figure 1
The operation of computer systems such as those shown in B are readily known in the art and will not be described in detail here. The source code implementing the invention is
Functionally, it may be located in system memory 116 or stored on a storage medium such as fixed disk 144 or removable disk 138.
【００３６】 本発明による現在の好ましい実施形態では、従来技術でこれまで未知であった
顧客データ分析能力を提供する方法を機能的に図１Ｂのシステム１１３のシステ
ム・メモリ１１６または固定ディスク１４４に配置させることができる。顧客デ
ータ分析には、ビジネス意思決定を顧客行動に関連させる意思決定支援分析を含
めることができるが、これに制限はされない。顧客データ分析アプリケーション
は、顧客のアイデンティティに基づいてデータを分析し、顧客アクティビティ、
イベント、取引、状況を顧客のアイデンティティに相関させることができる。意
思決定支援アプリケーション、要約技法、および類似物などの技法も、本発明の
範囲から逸脱せずに使用することができる。In a presently preferred embodiment according to the present invention, a method of providing customer data analysis capabilities previously unknown in the prior art is functionally located in system memory 116 or fixed disk 144 of system 113 of FIG. 1B. Can be made. Customer data analysis can include, but is not limited to, decision support analysis that correlates business decisions with customer behavior. Customer data analysis application analyzes data based on customer identity,
Events, transactions and situations can be correlated to customer identities. Techniques such as decision support applications, summarization techniques, and the like can also be used without departing from the scope of the invention.
【００３７】 データ・モデルは、データベース内のデータの編成を表す。データ・モデルの
選択によって、ある形でのデータの使用が容易になるが、他の形でのデータの使
用が制限される可能性がある。通常、異なるアプリケーションは、通常は互いに
非常に異なるデータ・モデルを必要とする。したがって、データベース・アプリ
ケーションは、通常は、データベースによって使用されるデータ・モデルに合わ
せてカスタマイズされる。これらのアプリケーションは、アプリケーションの基
礎となるロジックが類似する場合であっても、異なるデータ・モデルを有するデ
ータベースについて実施することができる。メタ・モデルは、データ・モデル内
の異なるエンティティまたはエンティティのグループの間の関係を記述する抽象
データ・モデルである。特定のメタ・モデルに従って設計され、開発されたアプ
リケーションを他の類似する情況で再利用することができる。カスタマイズ可能
な詳細をメタ・データとしてアプリケーション・コードに公開することによって
、アプリケーションを簡単にカスタマイズすることができる。したがって、アプ
リケーションは、メタ・モデルで記述された関係に従うことによって、データ・
モデルをカスタマイズすることができる。The data model represents the organization of data in the database. The choice of data model may facilitate the use of data in one form, but may limit the use of data in other forms. Different applications typically require very different data models from each other. Therefore, database applications are typically customized to the data model used by the database. These applications can be implemented for databases with different data models, even if the underlying logic of the applications is similar. The meta model is an abstract data model that describes the relationships between different entities or groups of entities within the data model. Applications designed and developed according to a particular meta model can be reused in other similar situations. The application can be easily customized by exposing the customizable details as metadata to the application code. Therefore, an application can use the data model by following the relationships described in the meta model.
Models can be customized.
【００３８】 アプリケーション開発者は、メタ・モデルを作成する時に、競合する要因の間
のトレードオフを考慮することができる。これらの要因の一部が、１）異なるビ
ジネス・アプリケーションの必要に合わせてデータ・モデルをカスタマイズする
能力、２）再利用可能なアプリケーション・コードを設計する際の柔軟性、およ
び３）特定の特殊化されたデータ・モデルを使用する時のアプリケーションの有
用性である。Application developers can consider trade-offs between competing factors when creating a meta model. Some of these factors are 1) the ability to customize the data model to meet the needs of different business applications, 2) the flexibility in designing reusable application code, and 3) specific specialties. The usefulness of the application when using a structured data model.
【００３９】 データベース・アプリケーションを、たとえば、メタ・モデルに従い、データ
・ディクショナリなどの手段を介して詳細なデータ・モデルを参照するように作
成することができる。本発明によるこれらおよび他の技法によって、アプリケー
ション・コードを再利用可能にすることができる。データ・モデル／メタ・モデ
ルの組合せの１例が、データ・ウェアハウス・アプリケーションで有用になる可
能性があるスター・スキーマ／多次元モデルの組合せである。この組合せでは、
スター・スキーマに「汎用データ・モデル」が含まれ、多次元モデルにメタ・モ
デルが含まれる。A database application can be created, for example, according to a meta model to refer to a detailed data model via means such as a data dictionary. These and other techniques in accordance with the present invention allow application code to be reusable. One example of a data model / meta model combination is a star schema / multidimensional model combination that may be useful in data warehousing applications. In this combination,
The star schema contains a "generic data model" and the multidimensional model contains a meta model.
【００４０】 データ・ウェアハウスで、メタ・モデルなどの多次元モデルを使用して、たと
えばビジネス・オペレーションを概念化することができる。そのようなメタ・モ
デルによって、ビジネス・オペレーションのパフォーマンスまたは効率を分析し
、理解する作業を簡略化することができる。多次元モデルによって、たとえば、
ビジネス・パフォーマンスの「マクロ」ビューを提供することができる。そのよ
うなビューは、会社経営者にビジネスの明瞭な「総括的展望」を示すために高度
に要約することができる。異なる視点からのデータを経営者に示すために、デー
タのそれぞれに、複数のビジネス・プロセス、ビジネス・アスペクト、および類
似物によって索引を付けることができる。In a data warehouse, multidimensional models such as meta-models can be used to conceptualize business operations, for example. Such a meta-model can simplify the task of analyzing and understanding the performance or efficiency of business operations. With a multidimensional model, for example,
It can provide a "macro" view of business performance. Such views can be highly summarized to give executives a clear "holistic view" of the business. Each of the data can be indexed by multiple business processes, business aspects, and the like to present the data from different perspectives to the management.
【００４１】 図２Ａに、本発明による１つの特定の実施形態でのデータ・モデルの表現を示
す。この図は、単に例示であり、本明細書に記載の請求の範囲を制限するもので
はない。当業者は、他の変形形態、変更形態、および代替形態を認識するであろ
う。図２Ａに、スター・スキーマ配置を有するデータ・モデル２０１を示す。他
の配置は請求される発明の範囲から逸脱せずに、容易に当業者によって認識可能
である。データ・モデル２０１には、ファクト・テーブル２０２と、複数の次元
テーブル２０４、２０６、２０８、および２１０が含まれる。次元テーブルは、
データベースの多次元モデルの次元の索引にマッピングされ、ファクト・テーブ
ルのレコードは、データ・ベースの多次元モデルの尺度またはまたはデータ点に
マッピングすることができる。FIG. 2A shows a representation of the data model in one particular embodiment according to the invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 2A shows a data model 201 with a star schema arrangement. Other arrangements will be readily apparent to those of skill in the art without departing from the scope of the claimed invention. The data model 201 includes a fact table 202 and a plurality of dimension tables 204, 206, 208, and 210. The dimension table is
Mapped to the dimensional index of the multidimensional model of the database, the records of the fact table can be mapped to measures or or data points of the multidimensional model of the data base.
【００４２】 図２Ｂに、本発明による１つの特定の実施形態での図２Ａのデータ・モデル２
０１での次元テーブル２０４、２０６、２０８、および２１０とファクト・テー
ブル２０２の編成を表すキューブ表現２２０を示す。この図は、単に例示であり
、本明細書に記載の請求の範囲を制限するものではない。当業者は、他の変形形
態、変更形態、および代替形態を認識するであろう。図２Ｂのキューブ表現２２
０の次元は、データベースを作成する時に定義することができる。しかし、顧客
の動的行動に基づく顧客データ分析を提供する代替実施形態では、データ・ウェ
アハウス内のデータから動的に、キューブ２２０などのデータ・キューブ表現を
作成することができる。そのような実施形態では、オン・デマンドで情報をユー
ザからアクセス可能にすることができる。FIG. 2B shows the data model 2 of FIG. 2A in one particular embodiment according to the invention.
A cube representation 220 representing the organization of dimension tables 204, 206, 208, and 210 and fact table 202 at 01 is shown. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. Cube representation 22 of FIG. 2B
The zero dimension can be defined when creating the database. However, in an alternative embodiment that provides customer data analysis based on dynamic customer behavior, data cube representations such as cube 220 can be dynamically created from the data in the data warehouse. In such an embodiment, the information may be accessible to users on demand.
【００４３】 図２Ｃに、本発明による１つの特定の実施形態での、メタ・モデルなどの概念
モデルのデータ・モデルへのマッピングを示す。この図は、単に例示であり、本
明細書に記載の請求の範囲を制限するものではない。当業者は、他の変形形態、
変更形態、および代替形態を認識するであろう。図２Ｃに、複数のキューブによ
って表現される、メタ・モデル・レベルで定義される関係の複数の関係データ・
モデルへのマッピングを示す。現在の実施形態では、関係データ・モデルが、た
とえば、企業全体での意思決定支援機構のオペレーショナル・パフォーマンスを
記述するのに適する「スター・スキーマ」編成を有することができる。スター・
スキーマ・データ編成は、下で詳細に説明する。当業者は請求される発明の範囲
から逸脱せずに、別個の複数のアプリケーション、ツール、システム、およびフ
レームワークをサポートするためにスター・スキーマおよび多次元モデルの多数
の変形形態を簡単に作成することができる。代替実施形態では、多次元データ・
ベース・システムを、データ・モデルへのマッピングなしで多次元モデルを使用
して実施することができる。FIG. 2C shows the mapping of a conceptual model, such as a meta model, to a data model in one particular embodiment according to the invention. This diagram is merely an example, which should not limit the scope of the claims herein. Those skilled in the art will appreciate other variations,
Modifications and alternatives will be recognized. FIG. 2C illustrates multiple relationship data of relationships defined at the meta model level, represented by multiple cubes.
Show the mapping to the model. In a current embodiment, the relational data model may have a "star schema" organization suitable for describing, for example, the operational performance of decision support organizations across the enterprise. Star
Schema data organization is described in detail below. Those skilled in the art can easily create numerous variations of star schemas and multidimensional models to support separate applications, tools, systems, and frameworks without departing from the scope of the claimed invention. be able to. In an alternative embodiment, multidimensional data
The base system can be implemented using a multidimensional model without mapping to a data model.
【００４４】 図２Ｃに、本発明による１つの特定の実施形態での、メタ・モデルからの多次
元データ・モデルの生成を示す。この図は、単に例示であり、本明細書に記載の
請求の範囲を制限するものではない。当業者は、他の変形形態、変更形態、およ
び代替形態を認識するであろう。図２Ｃに、メタ・モデル２３０を示す。メタ・
モデル２３０は、顧客中心編成を有する。しかし請求される発明の範囲から逸脱
せずに、他の編成を使用することができる。FIG. 2C illustrates the generation of a multidimensional data model from a meta model in one particular embodiment according to the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. A meta model 230 is shown in FIG. 2C. Meta
The model 230 has a customer-centric organization. However, other configurations can be used without departing from the scope of the claimed invention.
【００４５】 図２Ｃに、キューブ２７０、２６０、２５０、および２４０によって表される
、複数のデータ・モデルへのメタ・モデル２３０のマッピングを示す。オペレー
ショナル・パフォーマンス・ベースのデータ編成を表すキューブ２４０および２
５０は、顧客次元および動的顧客セグメント化の階層を有する。顧客次元を有す
るオペレーショナル・パフォーマンス・ベースのデータ編成によって、ビジネス
・パフォーマンス尺度を示すことができる。というのは、これらが顧客特性に関
係するからである。図２Ｃには、キューブ２６０も示されており、このキューブ
２６０は、顧客セグメント化フィルタを有するオペレーショナル・パフォーマン
ス・ベースのデータ編成の代表的な例である。オペレーショナル・パフォーマン
ス・ベースのデータ編成では、たとえば、特定の時間枠内にある製品を購入した
顧客の製品系列および販売チャネルによる収入尺度などの顧客セグメント化の文
脈での、販売量などの、あるビジネス・パフォーマンス尺度を示すことができる
。図２Ｃには、キューブ２７０も示されており、このキューブ２７０は、複数の
顧客セグメント化次元を有する顧客行動ベースのデータ編成の代表的な例である
。顧客行動編成によって、異なるカテゴリ化またはセグメント化を使用して、顧
客のビジネス行動分布を示すことができる。FIG. 2C illustrates the mapping of meta model 230 to multiple data models represented by cubes 270, 260, 250, and 240. Cubes 240 and 2 representing operational performance-based data organization
50 has a hierarchy of customer dimensions and dynamic customer segmentation. Operational performance-based data organization with a customer dimension can provide a measure of business performance. This is because they relate to customer characteristics. Also shown in FIG. 2C is a cube 260, which is a representative example of an operational performance based data organization with a customer segmentation filter. Operational performance-based data organization is a business, such as sales volume, in the context of customer segmentation, for example, the product line of a customer who purchased a product within a specific time frame and revenue measures by sales channel.・ Be able to show performance measures. Also shown in FIG. 2C is a cube 270, which is a representative example of a customer behavior-based data organization having multiple customer segmentation dimensions. The customer behavioral organization may use different categorizations or segmentations to indicate the business behavior distribution of the customer.
【００４６】 図２Ｄに、本発明による１つの特定の実施形態での図２Ｃのメタ・モデル２３
０の簡略化された表現を示す。この図は、単に例示であり、本明細書に記載の請
求の範囲を制限するものではない。当業者は、他の変形形態、変更形態、および
代替形態を認識するであろう。FIG. 2D shows the meta-model 23 of FIG. 2C in one particular embodiment according to the invention.
A simplified representation of 0 is shown. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives.
【００４７】 図２Ａないし２Ｄのデータ・モデルならびに当業者に容易に明白になる修正形
態および他のデータ・モデルは、ビジネス顧客データ・ウェアハウスの例を使用
して図３Ａないし３Ｄに関して下で詳細に説明するように、本発明による実施形
態における複数のアプリケーションの基礎を提供することができる。The data models of FIGS. 2A-2D and modifications and other data models that will be readily apparent to those skilled in the art are detailed below with respect to FIGS. 3A-3D using an example of a business customer data warehouse. As will be explained below, a basis for multiple applications in embodiments according to the invention can be provided.
【００４８】 図３Ａないし３Ｄに、本発明によるさまざまな実施形態での、顧客インテリジ
ェンス分析をサポートできる代表的な例の情報の関係または「スキーマ」の簡略
化されたエンティティ・リレーションシップ図を示す。図３Ａに、本発明による
１つの特定の実施形態でのデータ・モデル３４０を示す。この図は、単に例示で
あり、本明細書に記載の請求の範囲を制限するものではない。当業者は、他の変
形形態、変更形態、および代替形態を認識するであろう。データ・モデル３４０
は、図２Ｃのキューブ２４０によって示されたオペレーショナル・パフォーマン
ス・データ編成の代表的な例である。図３Ａに、顧客による売上の分析のための
顧客次元３４２を含むデータ・モデル３４０を示す。データ・モデル３４０には
、アプリケーションがプロファイルに基づいて顧客セグメントによる売上を判定
できるようにするために顧客プロファイル・エンティティ３４４も含まれる。デ
ータ・モデル３４０によって、顧客プロファイル・エンティティ３４４内の複数
の事前定義の統計特性または事前定義の動的特性に基づいて顧客プロファイルを
開発できるようになる。この例では、顧客プロファイル・エンティティ３４４に
、顧客購入頻度レベル３４１、平均請求レベル３４３、および平均毎月返却３４
５という事前定義のプロファイリング属性が含まれる。データ・モデル３４０は
、顧客データ分析に使用することができる複数のデータ・モデルの１例にすぎな
い。当業者によって、本発明の請求の範囲から逸脱せずに、他の属性を追加する
ことができ、他の配置を使用することができる。FIGS. 3A-3D show simplified entity-relationship diagrams of representative example information relationships or “schemas” that can support customer intelligence analysis in various embodiments in accordance with the invention. FIG. 3A shows a data model 340 in one particular embodiment according to the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. Data model 340
Is a representative example of the operational performance data organization illustrated by cube 240 in FIG. 2C. FIG. 3A shows a data model 340 that includes a customer dimension 342 for analysis of customer sales. The data model 340 also includes a customer profile entity 344 to allow the application to determine sales by customer segment based on the profile. The data model 340 allows a customer profile to be developed based on a plurality of predefined statistical characteristics or predefined dynamic characteristics within the customer profile entity 344. In this example, customer profile entity 344 has customer purchase frequency level 341, average billing level 343, and average monthly returns 34.
A predefined profiling attribute of 5 is included. Data model 340 is but one example of multiple data models that can be used for customer data analysis. Other attributes can be added and other arrangements can be used by those skilled in the art without departing from the scope of the claims of the invention.
【００４９】 図３Ｂに、本発明による１つの特定の実施形態での第２のデータ・モデル３５
０を示す。この図は、単に例示であり、本明細書に記載の請求の範囲を制限する
ものではない。当業者は、他の変形形態、変更形態、および代替形態を認識する
であろう。図３Ｂに、顧客セグメントの売上個数を直接的に得るために集約され
る図３Ａのデータ・モデル３４０のファクトを示す。データ・モデル３５０は、
図２Ｃのキューブ２５０によって示される顧客次元および動的顧客セグメント化
の階層を有するオペレーショナル・パフォーマンス・データ編成の代表的な例で
ある。データ・モデル３５０には、ファクト３５４の１次元として顧客プロファ
イル・エンティティ３５２が含まれる。データ・モデル３５０は、金、銀、およ
び銅または他の受け入れ可能な方式として定義される顧客セグメントを提供する
ことができる。１つまたは複数の次元階層に沿った集約を実行することができる
。たとえば、販売個数を各レベルで顧客について集約することができる。FIG. 3B shows a second data model 35 in one particular embodiment according to the invention.
Indicates 0. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 3B shows the facts of the data model 340 of FIG. 3A that are aggregated to directly obtain customer segment unit sales. The data model 350 is
3 is a representative example of an operational performance data organization with a hierarchy of customer dimensions and dynamic customer segmentation illustrated by cube 250 in FIG. 2C. Data model 350 includes customer profile entity 352 as one dimension of fact 354. The data model 350 can provide customer segments defined as gold, silver, and copper or other acceptable schemes. Aggregation along one or more dimensional hierarchies can be performed. For example, the number of units sold can be aggregated for each level of customer.
【００５０】 図３Ｃに、本発明による１つの特定の実施形態でのデータ・モデル３６０を示
す。この図は、単に例示であり、本明細書に記載の請求の範囲を制限するもので
はない。当業者は、他の変形形態、変更形態、および代替形態を認識するであろ
う。図３Ｃに、図２Ｃのキューブ２５０によって示される顧客セグメント化フィ
ルタを有するオペレーショナル・パフォーマンス・ベースのデータ編成の代表的
な例であるデータ・モデル３６０を示す。FIG. 3C shows a data model 360 in one particular embodiment according to the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 3C illustrates a data model 360 that is a representative example of an operational performance based data organization with customer segmentation filters illustrated by cube 250 in FIG. 2C.
【００５１】 図３Ｄに、本発明による１つの特定の実施形態でのデータ・モデル３７０を示
す。この図は、単に例示であり、本明細書に記載の請求の範囲を制限するもので
はない。当業者は、他の変形形態、変更形態、および代替形態を認識するであろ
う。図３Ｄに、プロファイルを使用する顧客のビジネス行動の分析を提供するこ
とができるデータ・モデル３７０を示す。データ・モデル３７０は、図２Ｃのキ
ューブ２７０によって示される顧客セグメント化次元を有する顧客行動ベースの
データ編成の代表的な例である。顧客行動編成によって、異なるカテゴリ化また
はセグメント化を使用して、顧客のビジネス行動分布を示すことができる。アプ
リケーションは、そのようなデータ・モデルを使用して、ある特性を有する顧客
の何人があるパフォーマンス・プロファイルを有することができるかなどの情報
を得ることができる。パフォーマンス・プロファイルには、たとえば、集約され
たパフォーマンス尺度に基づく顧客プロファイルを含めることができる。この情
報は、データ・モデル３７０のプロファイリング次元３７４によって提供され、
プロファイリング次元３７４は、データ・ウェアハウス内の顧客特性に基づく。FIG. 3D shows a data model 370 in one particular embodiment according to the invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 3D illustrates a data model 370 that can provide an analysis of a customer's business behavior using profiles. Data model 370 is a representative example of customer behavior-based data organization with the customer segmentation dimension illustrated by cube 270 in FIG. 2C. The customer behavioral organization may use different categorizations or segmentations to indicate the business behavior distribution of the customer. Applications can use such data models to obtain information such as how many customers with certain characteristics can have a performance profile. Performance profiles can include, for example, customer profiles based on aggregated performance measures. This information is provided by the profiling dimension 374 of the data model 370,
The profiling dimension 374 is based on customer characteristics within the data warehouse.
【００５２】 図３Ａないし３Ｄのデータ・モデルならびに当業者に簡単に明白になる他のデ
ータ・モデルは、図４Ａないし４Ｄに関して下で詳細に説明するように、本発明
による実施形態で複数の分析の基礎として働くことができる。The data models of FIGS. 3A-3D, as well as other data models that will be readily apparent to those of ordinary skill in the art, will be described in more detail below with respect to FIGS. Can serve as the basis for.
【００５３】 図４Ａに、本発明による１つの特定の実施形態での、図２Ｃのキューブ２４０
によっても示される、図３Ａのデータ・モデル３４０に基づく代表的な分析技法
を示す。この図は、単に例示であり、本明細書に記載の請求の範囲を制限するも
のではない。当業者は、他の変形形態、変更形態、および代替形態を認識するで
あろう。図４Ａに、顧客（顧客名）、プロモーション（プロモーション）、およ
び時間（月）の次元を有するキューブ表現４４０によって表されたデータ・モデ
ル３４０を示す。テーブル４０１によって、キューブ４４０の次元、この例では
平均支出額であるビジネス・パフォーマンス尺度、およびビジネス・パフォーマ
ンス尺度を計算する式が提供される。提供されるレポート４０５に、顧客特性に
関連する、例示のビジネス尺度平均支出額が示されている。FIG. 4A shows the cube 240 of FIG. 2C in one particular embodiment according to the invention.
3B illustrates an exemplary analytical technique based on the data model 340 of FIG. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 4A shows a data model 340 represented by a cube representation 440 having dimensions customer (customer name), promotion (promotion), and time (month). Table 401 provides the dimensions of cube 440, the business performance measure, which in this example is the average spend, and the formula for calculating the business performance measure. The provided report 405 shows exemplary business metric average spending associated with customer characteristics.
【００５４】 図４Ｂに、本発明による１つの特定の実施形態での、図２Ｃのキューブ２５０
によっても表される、図３Ｂのデータ・モデル３５０に基づく代表的な分析技法
を示す。この図は、単に例示であり、本明細書に記載の請求の範囲を制限するも
のではない。当業者は、他の変形形態、変更形態、および代替形態を認識するで
あろう。図４Ｂに、顧客（支出セグメント）、プロモーション（プロモーション
）、および時間（期間）の次元を有するキューブ表現４５０によって表されたデ
ータ・モデル３５０を示す。テーブル４１１によって、キューブ４５０の次元、
この例では平均支出額であるビジネス・パフォーマンス尺度、およびビジネス・
パフォーマンス尺度を計算する式が提供される。レポート４１５に、金、銀、お
よび銅の顧客セグメントに関係する、例示のビジネス尺度平均支出額が示されて
いる。FIG. 4B shows the cube 250 of FIG. 2C in one particular embodiment according to the invention.
3B illustrates an exemplary analytical technique based on the data model 350 of FIG. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 4B shows a data model 350 represented by a cube representation 450 having dimensions of customer (spending segment), promotion (promotion), and time (duration). The dimensions of the cube 450 according to the table 411,
In this example, the business performance measure, which is the average spend, and the business
An expression is provided to calculate the performance measure. Report 415 shows exemplary business measure average spending associated with the gold, silver, and copper customer segments.
【００５５】 図４Ｃは、本発明の１つの特定の実施形態での、図２Ｃのキューブ２６０によ
っても表される、図３Ｃのデータ・モデル３６０に基づく代表的な分析技法を示
す図である。この図は、単に例示であり、本明細書に記載の請求の範囲を制限す
るものではない。当業者は、他の変形形態、変更形態、および代替形態を認識す
るであろう。図４Ｃに、チャンネル（チャンネル・グループ）、製品（製品グル
ープ）、および時間（期間）の次元を有するキューブ表現４６０によって表され
たデータ・モデル３６０を示す。テーブル４２１によって、キューブ４６０の次
元、この例では売上寄与であるビジネス・パフォーマンス尺度、ビジネス・パフ
ォーマンス尺度を計算する式、および、この例では顧客であるフィルタ次元が提
供される。レポート４２５に、さまざまな顧客セグメントに関する製品グループ
に関連する、例示のビジネス尺度売上寄与が提供される。FIG. 4C is a diagram illustrating an exemplary analysis technique based on the data model 360 of FIG. 3C, which is also represented by the cube 260 of FIG. 2C, in one particular embodiment of the invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 4C shows a data model 360 represented by a cube representation 460 having dimensions of channel (channel group), product (product group), and time (duration). Table 421 provides the dimensions of cube 460, the business performance measure that is sales contribution in this example, the formula that calculates the business performance measure, and the filter dimension that is customer in this example. Report 425 is provided with exemplary business metric sales contributions associated with product groups for various customer segments.
【００５６】 図４Ｄは、本発明による１つの特定の実施形態での、図２Ｃのキューブ２７０
によっても表される、図３Ｄのデータ・モデル３７０などのデータ・モデルに基
づく代表的な分析技法を示す図である。この図は、単に例示であり、本明細書に
記載の請求の範囲を制限するものではない。当業者は、他の変形形態、変更形態
、および代替形態を認識するであろう。図４Ｄに、顧客（支出セグメント）およ
びプロモーション（プロモーション）の次元を有するキューブ表現４７０によっ
て表されたデータ・モデル３７０を示す。テーブル４３１によって、キューブ４
７０の次元、この例では顧客カウントであるビジネス・パフォーマンス尺度、お
よびビジネス・パフォーマンス尺度を計算する式が提供される。レポート４３５
によって、この例では金、銀、および銅の顧客セグメントに関係する、例示のビ
ジネス尺度顧客カウントが示されている。FIG. 4D is a cube 270 of FIG. 2C in one particular embodiment according to the present invention.
3D illustrates an exemplary analytical technique based on a data model, such as data model 370 of FIG. 3D, also represented by FIG. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. FIG. 4D shows a data model 370 represented by a cube representation 470 having dimensions of customer (spending segment) and promotion (promotion). Cube 4 by table 431
A dimension of 70, a business performance measure, which in this example is the customer count, and a formula for calculating the business performance measure are provided. Report 435
Provides an example business metric customer count, which in this example relates to the gold, silver, and copper customer segments.
【００５７】 図５Ａに、本発明による１つの特定の実施形態の代表的な顧客インテリジェン
ス分析の簡略化された図を示す。この図は、単に例示であり、本明細書に記載の
請求の範囲を制限するものではない。当業者は、他の変形形態、変更形態、およ
び代替形態を認識するであろう。いくつかの実施形態には、図５Ａによって示さ
れる分析のすべてが含まれてはいない。他の実施形態には、他の種類の分析を含
めることができる。分析される情報は、顧客データベースから取り出されるが、
この顧客データベースは、たとえば、図１Ａのデータ・ウェアハウス８などのデ
ータウェアハウスまたはデータ・マートの一部とすることができる。多くの実施
形態では、この情報は直接にまたは間接的に特定の顧客に関係する。この情報は
、以下のステップで後続処理のために統合し、構造化することができる。代表的
な実施形態では、情報の統合および構造化に、ソース・データベースからの情報
の抽出、たとえばリバース・スター・スキーマとすることができる基礎となるメ
タ・モデルとの互換性を有するフォーマットへのその情報の変換、およびそのデ
ータのメタ・モデルへのロードを含めることができる。FIG. 5A shows a simplified diagram of an exemplary customer intelligence analysis of one particular embodiment according to the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. Some embodiments do not include all of the analysis shown by Figure 5A. Other embodiments may include other types of analysis. The information analyzed is retrieved from the customer database,
This customer database can be, for example, part of a data warehouse or data mart, such as data warehouse 8 of FIG. 1A. In many embodiments, this information is directly or indirectly related to a particular customer. This information can be integrated and structured for subsequent processing in the following steps. In an exemplary embodiment, for the integration and structuring of information, extraction of information from the source database into a format compatible with the underlying meta-model, which can be, for example, a reverse star schema. It can include transforming that information and loading that data into the meta model.
【００５８】 ステップ５０４で、１つまたは複数の特性に基づいて顧客をカテゴリ化（また
はセグメント化）する。特性には、静的特性と動的特性を含めることができる。
静的特性には、ビジネス行為に直接に関係しないが、顧客ビジネス行動の理解お
よび予測においてビジネスの観点から興味深い顧客属性を含めることができる。
たとえば、顧客人口統計、地理情報、および類似物が静的特性である。動的特性
には、顧客がビジネス行為の過程中に示すビジネス行動を含めることができる。
たとえば、顧客アクティビティ、イベント、取引、そこから導出される情報が動
的特性の例である。At step 504, customers are categorized (or segmented) based on one or more characteristics. Properties can include static properties and dynamic properties.
Static characteristics can include customer attributes that are not directly related to business behavior, but are interesting from a business perspective in understanding and predicting customer business behavior.
For example, customer demographics, geographic information, and the like are static characteristics. Dynamic characteristics can include business behavior that the customer exhibits during the course of business behavior.
For example, customer activities, events, deals, and information derived therefrom are examples of dynamic characteristics.
【００５９】 ステップ５０６で、顧客プロファイルを定義することができる。顧客プロファ
イルは、ビジネス・オペレーションの文脈で顧客行動を理解するのに有用な、上
のステップ５０４で展開された顧客カテゴリについて展開することができる。複
数の顧客プロファイルを定義でき、各プロファイルに、ビジネス意思決定者が比
較または相関に有用であることを見つけた顧客特性の組が含まれるようにするこ
とができる。たとえば、２０歳から３０歳までの年齢グループで、４万ドルから
７万ドルまでを含む収入レベルで、３年から５年までアカウントを開いている顧
客についてプロファイルを定義することができる。At step 506, a customer profile can be defined. Customer profiles can be developed for the customer categories developed in step 504 above that are useful in understanding customer behavior in the context of business operations. Multiple customer profiles can be defined, with each profile containing a set of customer characteristics that a business decision maker has found useful for comparison or correlation. For example, a profile can be defined for customers in their age groups of 20 to 30 years old and having accounts open for 3 to 5 years with income levels including $ 40,000 to $ 70,000.
【００６０】 ステップ５０８で、顧客行動傾向分析を実行する。売上額、収益、顧客の数、
および類似物などのビジネス・パフォーマンス・データを集約し、たとえばステ
ップ５０６で展開された顧客プロファイルなどの１つまたは複数の顧客プロファ
イルと相関させることができる。現在の好ましい実施形態では、顧客プロファイ
ルに関するビジネス・パフォーマンス・データにおける傾向を分析することがで
きる。その結果をユーザに提示して、たとえば図４Ｄの保管された情報４３５な
ど、顧客ビジネス行動およびその傾向の理解を提供することができる。At step 508, a customer behavior tendency analysis is executed. Revenue, revenue, number of customers,
Business performance data such as and the like can be aggregated and correlated with one or more customer profiles, such as the customer profile deployed in step 506. In a presently preferred embodiment, trends in business performance data regarding customer profiles can be analyzed. The results can be presented to the user to provide an understanding of customer business behavior and trends, such as the stored information 435 of Figure 4D.
【００６１】 ステップ５１０で、ステップ５０８で展開した顧客行動傾向の理解に基づいて
顧客行動の予測を行うことができる。将来の顧客行動に関する予測をその顧客の
属性または特性に基づいて行うことができる。たとえば、マーケット・バスケッ
ト分析では、類似性ルールの組を使用して、顧客プロファイルに基づいて購入パ
ターンを判定することができる。At step 510, the customer behavior can be predicted based on the understanding of the customer behavior tendency developed at step 508. Predictions about future customer behavior can be made based on the customer's attributes or characteristics. For example, in a market basket analysis, a set of similarity rules can be used to determine purchasing patterns based on customer profile.
【００６２】 図５Ｂに、本発明による代表的な実施形態で顧客インテリジェンス分析を実行
するための多次元レポートを作成する処理ステップの簡略化された図を示す。こ
の図は、単に例示であり、本明細書に記載の請求の範囲を制限するものではない
。当業者は、他の変形形態、変更形態、および代替形態を認識するであろう。ス
テップ５５０で、複数の顧客プロファイル・グループの少なくとも１つの顧客プ
ロファイルの定義を受け取る。その後、ステップ５５１で、永続プロファイリン
グが所望されるかどうかの判定を行う。永続プロファイリングが所望される場合
には、顧客プロファイル・グループ内の顧客プロファイルごとに顧客のリストを
作成する任意選択のステップ５５２を実行する。その後、もう１つの任意選択の
ステップ５５３で、ステップ５５２で作成された顧客リストを、中間テーブル・
キャッシュ７内でキャッシングする。その後、任意選択のステップ５５４で、顧
客プロファイル・グループごとにメタ・モデル内で顧客分類構成要素を作成する
。そうでない場合、またはどの場合でも、レポート構成選択を示す入力をユーザ
から受け取るステップ５５６を実行する。現在の実施形態では、ユーザが、顧客
プロファイル階層、顧客行動、および顧客セグメント化およびフィルタリングを
含むさまざまなレポート・タイプから選択することができる。当業者は、これら
のレポートのサブセットを含む実施形態ならびに他のタイプのレポートを含む実
施形態を本明細書の請求の範囲から逸脱せずに簡単に作成することができる。FIG. 5B shows a simplified diagram of the processing steps for creating a multi-dimensional report for performing a customer intelligence analysis in an exemplary embodiment according to the invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. At step 550, a definition of at least one customer profile in the plurality of customer profile groups is received. Then, in step 551, a determination is made whether persistent profiling is desired. If permanent profiling is desired, an optional step 552 of creating a list of customers for each customer profile in the customer profile group is performed. Then, in another optional step 553, the customer list created in step 552 is loaded into the intermediate table.
Cache in the cache 7. Then, in an optional step 554, create a customer classification component in the meta model for each customer profile group. If not, or in any case, perform step 556 which receives input from the user indicating the report configuration selection. The current embodiment allows the user to select from a variety of report types, including customer profile hierarchy, customer behavior, and customer segmentation and filtering. One of ordinary skill in the art can easily create embodiments that include a subset of these reports, as well as embodiments that include other types of reports, without departing from the scope of the claims herein.
【００６３】 本発明による実施形態では、たとえば図１Ａのデータ・ウェアハウス８などの
データ・ウェアハウスまたはデータ・マートまたは他のデータ・ベースに保管さ
れたビジネス・パフォーマンス尺度などの情報に関する顧客プロファイル・レポ
ートを作成することができる。図５Ｂに、顧客プロファイル・レポート用の少な
くとも１つの次元テーブルを作成するステップ５５８を示す。ステップ５６０で
、顧客プロファイル階層ならびに属性を、ステップ５５８で作成された次元テー
ブルのために作成する。その後、ステップ５６２で、少なくとも１つのファクト
・テーブルを作成する。顧客次元または、顧客プロファイリング階層によるビジ
ネス・パフォーマンス尺度の集約またはデータ・ウェアハウス内の他の情報を有
するファクト・テーブルを作成することができる。最後に、ステップ５６４で、
１つまたは複数の次元テーブルおよび１つまたは複数のファクト・テーブルを含
むレポートを提供する。In an embodiment in accordance with the invention, a customer profile for information such as a data warehouse or data mart, such as data warehouse 8 of FIG. 1A, or a business performance measure stored in another database. Can create reports. FIG. 5B shows step 558 of creating at least one dimension table for a customer profile report. At step 560, customer profile hierarchies as well as attributes are created for the dimension table created at step 558. Then, at step 562, at least one fact table is created. Fact tables can be created with customer dimensions or aggregations of business performance measures by customer profiling hierarchy or other information in the data warehouse. Finally, in step 564,
Provide a report that includes one or more dimension tables and one or more fact tables.
【００６４】 本発明による実施形態では、たとえば図１Ａのデータ・ウェアハウス８などの
データ・ウェアハウスまたはデータ・マートまたはデータ・ベースに保管された
、顧客レコードおよび類似物などの情報に関する顧客行動レポートを作成するこ
とができる。図５Ｂに、顧客行動レポートで使用される顧客プロファイルのため
の少なくとも１つの第１次元テーブルを作成するステップ５６８を示す。この次
元テーブルには、代理キーおよび類似物を含めることができる。その後、ステッ
プ５７２で、顧客行動情報のための少なくとも１つのファクト・テーブルを、顧
客プロファイルに基づいて顧客レコードを集約することによって作成する。最後
に、ステップ５７４で、１つまたは複数の次元テーブルと１つまたは複数のファ
クト・テーブルを含むレポートを提供する。In an embodiment according to the present invention, a customer behavior report regarding information, such as customer records and the like, stored in a data warehouse or data mart or database, such as data warehouse 8 of FIG. 1A. Can be created. FIG. 5B shows step 568 of creating at least one first dimension table for customer profiles used in customer behavior reports. This dimension table can include surrogate keys and the like. Then, at step 572, at least one fact table for customer behavior information is created by aggregating customer records based on customer profiles. Finally, in step 574, a report is provided that includes one or more dimension tables and one or more fact tables.
【００６５】 本発明による実施形態では、たとえば図１Ａのデータ・ウェアハウス８などの
データ・ウェアハウス、またはデータ・マートまたは他のデータ・ベースに保管
された、ビジネス・パフォーマンス尺度などの情報に関するオペレーションズ・
レポートを顧客セグメント化およびフィルタリングおよび類似物を使用して作成
することができる。図５Ｂに、オペレーションズ・レポートのための少なくとも
１つの第１次元テーブルを作成するステップ５７８を示す。その後、ステップ５
８２で、顧客プロファイルによるビジネス・パフォーマンス尺度の集約およびフ
ィルタリングによって、少なくとも１つのファクト・テーブルを作成することが
できる。最後に、ステップ５８４で、１つまたは複数の次元テーブルと１つまた
は複数のファクト・テーブルを含むレポートを提供する。In an embodiment according to the present invention, operations relating to information, such as business performance measures, stored in a data warehouse, such as data warehouse 8 of FIG. 1A, or in a data mart or other database.・
Reports can be created using customer segmentation and filtering and the like. FIG. 5B shows step 578 of creating at least one first dimension table for an operations report. Then step 5
At 82, at least one fact table can be created by aggregation and filtering of business performance measures by customer profile. Finally, in step 584, a report including one or more dimension tables and one or more fact tables is provided.
【００６６】 図６Ａに、本発明の１つの特定の実施形態によるスター・スキーマ編成を有す
る代表的なメタ・モデルの簡略化されたエンティティ−リレーションシップ図を
示す。この図は、単に例示であり、本明細書に記載の請求の範囲を制限するもの
ではない。当業者は、他の変形形態、変更形態、および代替形態を認識するであ
ろう。ビジネス尺度グループ１２０３は、あるビジネス・オペレーションの集約
ビジネス・パフォーマンス尺度を表す。ビジネス尺度グループ１２０３に、ファ
クト構成要素１２００などの１つまたは複数の「ファクト構成要素」を含めるこ
とができる。ファクト構成要素は、企業意思決定者が分析を求めるさまざまなビ
ジネス対象領域での特定の尺度を表す。たとえば、共通のファクト構成要素に、
売上額、粗利潤、販売量、および類似物などの多数のビジネス・パフォーマンス
尺度を含めることができる。図６Ａに、ビジネス尺度グループ１２０３の尺度に
索引を付けるか説明するビジネス・プロセスまたはビジネス・オペレーションを
表す複数のビジネス・オペレーション・グループ１２０４を示す。実施形態では
、図６Ａのビジネス・オペレーション・グループ１２０４など、任意の数のビジ
ネス・オペレーションズ・グループを有することができる。ビジネス・オペレー
ション・グループ１２０４には、１つまたは複数の次元構成要素１２０１、１つ
または複数の次元ルックアップ構成要素１２０２、および他者が含まれる。次元
構成要素１２０１は、ファクト構成要素のデータの特徴を表す特定のビジネス・
オペレーションを表す。たとえば、製品、販売チャンネル、および類似物などの
項目を販売ファクトの次元とすることができる。次元ルックアップ構成要素１２
０２では、次元構成要素１２０１に関する詳細情報が記述される。たとえば、製
品カテゴリ化、製品スタイル、および類似物などの項目を、製品次元構成要素に
対応する次元ルックアップ構成要素とすることができる。FIG. 6A shows a simplified entity-relationship diagram of an exemplary meta-model with star schema organization according to one particular embodiment of the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. Business measure group 1203 represents an aggregate business performance measure for a business operation. Business measure group 1203 may include one or more “fact components” such as fact component 1200. Fact components represent specific measures in various business subject areas that business decision makers seek analysis. For example, in a common fact component,
Numerous business performance measures such as sales amount, gross profit, sales volume, and the like can be included. FIG. 6A illustrates a plurality of business operation groups 1204 that represent business processes or operations that index or describe the measures of business measure group 1203. Embodiments may have any number of business operations groups, such as business operations group 1204 of FIG. 6A. Business operation group 1204 includes one or more dimensional components 1201, one or more dimensional lookup components 1202, and others. The dimensional component 1201 is a particular business entity that represents the characteristics of the fact component data.
Represents an operation. For example, items such as products, sales channels, and the like can be dimensions of sales facts. Dimension lookup component 12
In 02, detailed information regarding the dimension component 1201 is described. For example, items such as product categorization, product style, and the like can be dimension lookup components that correspond to product dimension components.
【００６７】 スター・スキーマ・データ・モデルを使用する実施形態は、ビジネス・オペレ
ーションの巨視的展望を提供するのに有用である。そのような巨視的展望を提供
する実施形態によって、意思決定支援システムが、ガイドラインとして「総括的
展望」を使用して、意思決定関連情報を提供できるようになる。したがって、ス
ター・スキーマ・ベースの実施形態では、事前定義の次元および要約されたデー
タに基づく静的ソリューションを提供することができる。スター・スキーマを有
する実施形態によって提供されるデータ集約によって、多次元モデルの性質のゆ
えに、高水準の分析展望を提供することができる。Embodiments that use the Star Schema data model are useful in providing a macro view of business operations. Embodiments that provide such a macroscopic perspective enable a decision support system to provide decision-relevant information using a "holistic perspective" as a guideline. Thus, star schema based embodiments may provide a static solution based on predefined dimensions and summarized data. The data aggregation provided by embodiments with a star schema can provide a high level of analytical perspective due to the nature of multidimensional models.
【００６８】 図６Ｂに、本発明による、顧客データ分析を実行するための１つの特定の実施
形態でのリバース・スター・スキーマの代表的メタ・モデルを示す。この図は、
単に例示であり、本明細書に記載の請求の範囲を制限するものではない。当業者
は、他の変形形態、変更形態、および代替形態を認識するであろう。多数の顧客
データ分析で、企業のアクティビティの１つまたは複数の領域にまたがる異なる
ビジネス・オペレーションからの顧客イベントまたは顧客アクティビティが相関
される。１つの特定の実施形態では、顧客データ分析に、図６Ｂの顧客アクティ
ビティ構成要素１２１５などの異なる顧客アクティビティ構成要素内の異なるア
クティビティの相関が含まれる。これらの分析では、コア構成要素１２１２など
の複数のコア構成要素を介して顧客アクティビティを相関させる。コア構成要素
１２１２内のデータは、顧客アクティビティに関する、異なる顧客アクティビテ
ィ構成要素から識別するエンティティとして使用することができる。いくつかの
実施形態では、データ分析は、より詳細なレベルの顧客アクティビティで動作す
る。これらの実施形態では、より詳細な顧客アクティビティ・データについて、
アクティビティ・ルックアップ構成要素１２１４などの１つまたは複数のアクテ
ィビティ・ルックアップ構成要素を検索する。顧客分類構成要素内のデータは、
顧客をカテゴリ化する異なる方法または顧客の異なるビジネス・ビューを提供す
る。たとえば、顧客を、地理的地方、人口統計、および類似物によってカテゴリ
化することができる。１つまたは複数のこれらのタイプの顧客分類構成要素を使
用する実施形態では、顧客データ分析結果を表示する複数の有用な可能な方法を
提供することができる。リバース・スター・スキーマを使用する実施形態では、
顧客データ、顧客アクティビティ、および取引レベルまたはイベント・レベルで
のそれらの相関などの概念に基づいて分析を実行する能力を与えるデータの詳細
レベル・ビューを提供する。FIG. 6B illustrates an exemplary meta-model of the reverse star schema in one particular embodiment for performing customer data analysis according to the present invention. This figure is
It is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. Many customer data analyzes correlate customer events or activities from different business operations that span one or more areas of a company's activity. In one particular embodiment, customer data analysis includes correlation of different activities within different customer activity components, such as customer activity component 1215 of Figure 6B. These analyzes correlate customer activity via multiple core components, such as core component 1212. The data within the core component 1212 can be used as an entity for customer activities that distinguishes from different customer activity components. In some embodiments, data analysis operates on a more detailed level of customer activity. In these embodiments, for more detailed customer activity data,
Retrieve one or more activity lookup components, such as activity lookup component 1214. The data in the customer classification component is
Provide different ways to categorize customers or different business views of customers. For example, customers may be categorized by geographic region, demographics, and the like. Embodiments that use one or more of these types of customer classification components may provide a number of useful possible ways of displaying customer data analysis results. In an embodiment that uses a reverse star schema,
It provides a detailed level view of data that gives the ability to perform analysis based on concepts such as customer data, customer activity, and their correlation at the transaction or event level.
【００６９】 図６Ｃに、本発明による１つの特定の実施形態での代表的なデータ・モデルの
簡略化された一般形を示す。この図は、単に例示であり、本明細書に記載の請求
の範囲を制限するものではない。当業者は、他の変形形態、変更形態、および代
替形態を認識するであろう。図６Ｃのデータ・モデルは、リバース・スター・ス
キーマ編成を有するデータ・モデルである。図６Ｃに、少なくとも１つの複数の
コア構成要素１２１２、少なくとも１つの複数の顧客分類構成要素１２１３、少
なくとも１つの複数のカスタマイズされたグループ１２１１、少なくとも１つの
複数の顧客アクティビティ構成要素１２１５、および少なくとも１つの複数のア
クティビティ・ルックアップ構成要素１２１４を含むフォーカル・グループ１２
１０を含む代表的なデータ・モデルを示す。本発明の範囲から逸脱せずに、他の
構成要素も含めることができ、いくつかの実施形態では図示の構成要素のすべて
が存在する必要はない。FIG. 6C shows a simplified general form of a representative data model in one particular embodiment according to this invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. The data model of FIG. 6C is a data model with a reverse star schema organization. In FIG. 6C, at least one core component 1212, at least one customer classification component 1213, at least one customized group 1211, at least one customer activity component 1215, and at least one. Focal group 12 including one or more activity lookup components 1214
A representative data model including 10 is shown. Other components may be included without departing from the scope of the invention, and in some embodiments not all of the illustrated components may be present.
【００７０】 たとえばフォーカル・グループ１２１０などのフォーカル・グループには、異
なるビジネス機能領域の、顧客特性、プロファイル、ビジネス関連分類、顧客の
役割、定義、および類似物などの情報を記述する構成要素が含まれる。図６Ｃで
は、フォーカル・グループ１２１０内に２種類の構成要素が示されている。他の
構成要素も、本発明の範囲から逸脱せずに含めることができる。図６Ｃに、コア
構成要素１２１２と、顧客分類構成要素１２１３を示す。コア構成要素１２１２
には、顧客エンティティ（ＣＣ１）および、（ＣＣ２〜ＣＣｎ）によって指定さ
れる他の関係する顧客アイデンティティ・データが含まれる。アカウント識別子
、社会保険番号、暗号化された名前、および類似物などの情報が、そのような顧
客アイデンティティ・データの例である。これらのエンティティは、顧客イベン
ト相関分析を実行する際に特に有用になる可能性がある。顧客分類構成要素１２
１３では、ビジネス編成またはビジネス・プロセスでの顧客の役割または位置に
関する情報が記述される。これらの記述構成要素は、顧客のビジネスの構造また
は編成、たとえば、地方、チャンネル、販売組織、および類似物などの情報、ま
たは、ビジネス・プロファイル、人口統計、現行プロファイル、および類似物な
どの顧客の特性に関係付けることができる。A focal group, such as focal group 1210, includes components that describe information such as customer characteristics, profiles, business-related classifications, customer roles, definitions, and the like for different business functional areas. Be done. In FIG. 6C, two types of components are shown within the focal group 1210. Other components may be included without departing from the scope of the invention. FIG. 6C shows the core component 1212 and the customer classification component 1213. Core component 1212
Contains the customer entity (CC1) and other relevant customer identity data specified by (CC2-CCn). Information such as account identifiers, social security numbers, encrypted names, and the like are examples of such customer identity data. These entities can be particularly useful in performing customer event correlation analysis. Customer classification component 12
At 13, information about the customer's role or position in the business organization or process is described. These descriptive components are information about the structure or organization of the customer's business, such as localities, channels, sales organizations, and the like, or the customer's business profiles, demographics, current profiles, and the like. Can be related to a property.
【００７１】 カスタマイズされたグループ１２１１の構成要素は、さまざまな形態の商取引
に対応する。イベント取引は、時間的に散乱する可能性があるので、これらの構
成要素には、ビジネス尺度および属性の組が含まれる。これらのイベントは、独
立とするか、互いに依存するものとすることができる。イベントの特定のシーケ
ンスを使用して、顧客アクティビティの異なるステージを記述することができる
。たとえば、特定の時間期間内に、顧客が、購読＞請求＞支払い＞プロモーショ
ン＞価格プラン変更＞サービス電話＞取消などのイベントのシーケンスを行う可
能性がある。各イベントに、顧客のライフサイクルを反映する複数の異なるビジ
ネス・プロセスまたはビジネス・オペレーションが含まれる可能性がある。The customized group 1211 components support various forms of commerce. These components include a set of business measures and attributes, as event trading can be scattered over time. These events can be independent or dependent on each other. A particular sequence of events can be used to describe different stages of customer activity. For example, within a certain time period, a customer may sequence an event such as subscription>billing>payment>promotion> price plan change> service call> cancel. Each event may include different business processes or operations that reflect the customer's life cycle.
【００７２】 カスタマイズされたグループ１２１１には、複数の顧客アクティビティ構成要
素１２１５、複数のアクティビティ・ルックアップ構成要素１２１４、および類
似物が含まれる。顧客アクティビティ構成要素１２１５は、顧客アクティビティ
に関するイベント取引または尺度を表すことができる。これらのエンティティに
は、取引タイプ、取引タイムスタンプ、および他者などの１つまたは複数の属性
を含めることができる。顧客アクティビティ構成要素１２１５を定義する時に、
取引タイプのドメイン値を選択する。取引タイプは、イベント相関分析に有用な
属性である。１つの特定の実施形態では、ユーザが、複数の事前に作成された属
性から属性を選択することによって、顧客アクティビティ構成要素１２１５など
の顧客アクティビティ構成要素を定義することができる。いくつかの実施形態で
は、ユーザ定義の属性を追加する能力を提供することもできる。多くの実施形態
で、顧客アクティビティ・エンティティ（たとえば、図６ＣのＣＡＣ３）を定義
する能力が提供される。アクティビティ・ルックアップ構成要素１２１４は、顧
客イベント取引の特性の詳細を示すエンティティを表す。たとえば、ある取引で
購入された製品、購入の店舗位置、および類似物を、分析のためにアクティビテ
ィ・ルックアップ・エンティティ１２１４として保管することができる。Customized group 1211 includes a plurality of customer activity components 1215, a plurality of activity lookup components 1214, and the like. Customer activity component 1215 may represent an event transaction or metric for customer activity. These entities can include one or more attributes such as transaction type, transaction timestamp, and others. When defining the customer activity component 1215,
Select the transaction type domain value. Transaction type is an attribute useful for event correlation analysis. In one particular embodiment, a user may define a customer activity component, such as customer activity component 1215, by selecting an attribute from a plurality of pre-created attributes. In some embodiments, the ability to add user-defined attributes may also be provided. In many embodiments, the ability to define a customer activity entity (eg, CAC3 in FIG. 6C) is provided. The activity lookup component 1214 represents an entity that details the characteristics of a customer event transaction. For example, products purchased in a transaction, store locations of purchases, and the like may be stored as an activity lookup entity 1214 for analysis.
【００７３】 図６Ｄに、本発明による１つの特定の実施形態でリバース・スター・スキーマ
編成を有するデータ・モデルの代表的な例の簡略化されたエンティティ・リレー
ションシップ図を示す。この図は、単に例示であり、本明細書に記載の請求の範
囲を制限するものではない。当業者は、他の変形形態、変更形態、および代替形
態を認識するであろう。図６Ｄの例のデータ・モデルでは、図６Ｃのコア構成要
素１２１２に、顧客エンティティ１２２０およびアカウント・エンティティ１２
２２が含まれる。矢印１２２１は、顧客エンティティ１２２０とアカウント・エ
ンティティの間の１対多関係を示す。顧客エンティティ１２２０およびアカウン
ト・エンティティ１２２２などのエンティティの存在によって、データ・モデル
１２１９が、検討中のビジネス・モデル内の顧客に関係する照会のためのアカウ
ント・レベル概念を提供できるようになる。図６Ｄに、複数のエンティティを含
む図６Ｃの顧客分類構成要素１２１３を示すが、図示されているのは、このうち
の４つすなわち、販売チャンネル・エンティティ１２２８、顧客地方エンティテ
ィ１２３０、顧客プロファイル・エンティティ１２２４、および人口統計エンテ
ィティ１２２６である。多数の実施形態で、本発明の範囲から逸脱せずに、他の
エンティティを含めることができ、これらのエンティティのすべてではなく一部
を含めることができる。FIG. 6D shows a simplified entity-relationship diagram of a representative example of a data model having a reverse star schema organization in one particular embodiment according to the present invention. This diagram is merely an example, which should not limit the scope of the claims herein. One of ordinary skill in the art will recognize other variations, modifications, and alternatives. In the example data model of FIG. 6D, the core components 1212 of FIG. 6C include customer entity 1220 and account entity 12
22 are included. Arrow 1221 indicates a one-to-many relationship between customer entity 1220 and account entity. The presence of entities such as customer entity 1220 and account entity 1222 allow data model 1219 to provide account level concepts for inquiries relating to customers within the business model under consideration. FIG. 6D shows the customer classification component 1213 of FIG. 6C, which includes multiple entities, but only four of which are shown: the sales channel entity 1228, the customer local entity 1230, and the customer profile entity. 1224, and a demographic entity 1226. In many embodiments, other entities can be included and some, but not all, of these entities can be included without departing from the scope of the invention.
【００７４】 １つの特定の代表的な実施形態では、人口統計エンティティ１２２６、顧客プ
ロファイル・エンティティ１２２４、および顧客地方エンティティ１２３０が、
顧客エンティティ１２２０との関係を有する。たとえば、図６Ｄに示されている
ように、矢印１２２３は、顧客エンティティ１２２０と人口統計エンティティ１
２２６の間の多対１関係を示す。同様に、矢印１２２５は、顧客エンティティ１
２２０と顧客プロファイル１２２４の間の多対１関係を示し、矢印１２２７は、
顧客エンティティ１２２０と地方エンティティ１２３０の間の多対１関係を示す
。さらに、この特定の実施形態では、販売チャンネル・エンティティ１２２８が
、図６Ｄの矢印１２２９によって示されるように、アカウント・エンティティ１
２２２との１対多関係を有する。In one particular exemplary embodiment, demographic entity 1226, customer profile entity 1224, and customer locality entity 1230 are:
It has a relationship with the customer entity 1220. For example, as shown in FIG. 6D, arrow 1223 indicates customer entity 1220 and demographic entity 1
A many-to-one relationship between 226 is shown. Similarly, arrow 1225 indicates customer entity 1
Shows a many-to-one relationship between 220 and customer profile 1224, arrow 1227
9 illustrates a many-to-one relationship between a customer entity 1220 and a local entity 1230. Further, in this particular embodiment, sales channel entity 1228 is account entity 1 as shown by arrow 1229 in FIG. 6D.
Have a one-to-many relationship with 222.
【００７５】 図６Ｄによって示される特定の代表的な実施形態では、複数の異なるエンティ
ティに、図４Ａの顧客アクティビティ構成要素１２１５が含まれる。これらのエ
ンティティには請求取引エンティティ１２３２、購入／返却取引エンティティ１
２３４、サービス・イベント・エンティティ１２３６、販売アクティビティ・エ
ンティティ１２４０、プロモーション・エンティティ１２４２、およびユーザ定
義イベント１２３８が含まれる。さらに、図６Ｄには、製品エンティティ１２４
４を含むアクティビティ・ルックアップ構成要素が示されている。図示されない
か本明細書で説明されない他のエンティティも、本発明によるいくつかの実施形
態に含めることができる。さらに、いくつかの実施形態では、本発明の範囲から
逸脱せずに、本明細書に記載のエンティティの一部を提供しないことができる。In a particular exemplary embodiment illustrated by FIG. 6D, multiple different entities include the customer activity component 1215 of FIG. 4A. These entities include billing transaction entity 1232, purchase / return transaction entity 1
234, service event entity 1236, sales activity entity 1240, promotion entity 1242, and user-defined event 1238. Further, in FIG. 6D, the product entity 124
Activity lookup components including 4 are shown. Other entities not shown or described herein may also be included in some embodiments according to the invention. Moreover, some embodiments may not provide some of the entities described herein without departing from the scope of the invention.
【００７６】 （結論） 上記は、特定のシステムに従って本発明を全般的に説明したものであるが、本
発明は、はるかに広い適用の範囲を有する。具体的に言うと、本発明は、特定の
種類のデータ・スキーマに制限されるのではなく、改良された分析または最適化
された分析を顧客中心のデータ・ウエアハウスのシステムおよびアプリケーショ
ンと共に使用することが所望される場合の、すべてのデータ・モデルに適用する
ことができる。したがって、いくつかの実施形態では、本発明の技法によって、
すべての種類の多数の異なるレガシー・ビジネス・データベース、政府データベ
ース、および教育データベースへのアクセスを提供することができる。もちろん
、当業者は、他の変形形態、修正形態、および代替形態を認識するであろう。CONCLUSION While the above is a general description of the invention according to a particular system, the invention has a much broader range of applications. Specifically, the present invention is not limited to a particular type of data schema, but uses improved or optimized analytics with customer-centric data warehouse systems and applications. Can be applied to all data models where it is desired. Thus, in some embodiments, the techniques of the present invention allow
It can provide access to many different legacy business databases, government databases, and educational databases of all kinds. Of course, those skilled in the art will recognize other variations, modifications, and alternatives.
【図１Ａ】 本発明によるデータの分析および視覚化のためのアーキテクチャを表す図であ
る。FIG. 1A is a diagram representing an architecture for analysis and visualization of data according to the present invention.
【図１Ｂ】 本発明による１つの特定の実施形態を実施するのに適する代表的なコンピュー
タ・システムを示す図である。FIG. 1B illustrates a representative computer system suitable for implementing one particular embodiment of the present invention.
【図２Ａ】 本発明による１つの特定の実施形態でのデータ・モデルの例を示す図である。[FIG. 2A] FIG. 5 is a diagram showing an example of a data model in one particular embodiment according to the present invention.
【図２Ｂ】 本発明による１つの特定の実施形態でのデータ・モデルの例を示す図である。FIG. 2B FIG. 5 is a diagram showing an example of a data model in one particular embodiment according to the present invention.
【図２Ｃ】 本発明による１つの特定の実施形態でのデータ・モデルの例を示す図である。[FIG. 2C] FIG. 5 is a diagram showing an example of a data model in one particular embodiment according to the present invention.
【図２Ｄ】 本発明による１つの特定の実施形態でのデータ・モデルの例を示す図である。[Fig. 2D] FIG. 5 is a diagram showing an example of a data model in one particular embodiment according to the present invention.
【図３Ａ】 本発明による１つの特定の実施形態の代表的データ・モデルを示す図である。FIG. 3A FIG. 3 illustrates an exemplary data model of one particular embodiment according to this invention.
【図３Ｂ】 本発明による１つの特定の実施形態の代表的データ・モデルを示す図である。FIG. 3B FIG. 3 illustrates an exemplary data model of one particular embodiment according to this invention.
【図３Ｃ】 本発明による１つの特定の実施形態の代表的データ・モデルを示す図である。[Fig. 3C] FIG. 3 illustrates an exemplary data model of one particular embodiment according to this invention.
【図３Ｄ】 本発明による１つの特定の実施形態の代表的データ・モデルを示す図である。[Fig. 3D] FIG. 3 illustrates an exemplary data model of one particular embodiment according to this invention.
【図４Ａ】 本発明よる１つの特定の実施形態での代表的な視覚化技法を示す図である。FIG. 4A FIG. 6 illustrates an exemplary visualization technique in one particular embodiment according to the present invention.
【図４Ｂ】 本発明よる１つの特定の実施形態での代表的な視覚化技法を示す図である。FIG. 4B FIG. 6 illustrates an exemplary visualization technique in one particular embodiment according to the present invention.
【図４Ｃ】 本発明よる１つの特定の実施形態での代表的な視覚化技法を示す図である。FIG. 4C FIG. 6 illustrates an exemplary visualization technique in one particular embodiment according to the present invention.
【図４Ｄ】 本発明よる１つの特定の実施形態での代表的な視覚化技法を示す図である。FIG. 4D FIG. 6 illustrates an exemplary visualization technique in one particular embodiment according to the present invention.
【図５Ａ】 本発明の一実施形態による簡略化された処理ステップの代表的な流れ図を示す
図である。FIG. 5A illustrates an exemplary flow chart of simplified processing steps in accordance with one embodiment of the present invention.
【図５Ｂ】 本発明の一実施形態による簡略化された処理ステップの代表的な流れ図を示す
図である。FIG. 5B illustrates an exemplary flow chart of simplified processing steps in accordance with one embodiment of the present invention.
【図６Ａ】 本発明による１つの特定の実施形態での代表的なデータ・モデルを示す図であ
る。FIG. 6A illustrates an exemplary data model in one particular embodiment according to the present invention.
【図６Ｂ】 本発明による１つの特定の実施形態での代表的なデータ・モデルを示す図であ
る。FIG. 6B illustrates an exemplary data model in one particular embodiment according to the present invention.
【図６Ｃ】 本発明による１つの特定の実施形態での代表的なデータ・モデルを示す図であ
る。FIG. 6C shows an exemplary data model in one particular embodiment according to the present invention.
【図６Ｄ】 本発明による１つの特定の実施形態での代表的なデータ・モデルを示す図であ
る。FIG. 6D illustrates an exemplary data model in one particular embodiment according to this invention.
─────────────────────────────────────────────────────フロントページの続き (31)優先権主張番号 ０９／４８３，１８２(32)優先日 平成12年１月13日(2000．1．13)(33)優先権主張国 米国（ＵＳ）(31)優先権主張番号 ０９／４８３，３８６(32)優先日 平成12年１月13日(2000．1．13)(33)優先権主張国 米国（ＵＳ）(81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，ＫＥ，ＬＳ，ＭＷ，ＳＤ，ＳＬ，ＳＺ，ＴＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＥ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＲ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＤＭ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＤ，ＧＥ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＮ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＡ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＴＺ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ，ＹＵ，ＺＡ，ＺＷ─────────────────────────────────────────────────── ───Continued front page (31) Priority claim number 09 / 483,182(32) Priority date January 13, 2000 (January 13, 2000)(33) Priority claiming countries United States (US)(31) Priority claim number 09 / 483,386(32) Priority date January 13, 2000 (January 13, 2000)(33) Priority claiming countries United States (US)(81) Designated countries EP (AT, BE, CH, CY,DE, DK, ES, FI, FR, GB, GR, IE, IT, LU, MC, NL, PT, SE), OA (BF, BJ, CF, CG, CI, CM, GA, GN, GW, ML,MR, NE, SN, TD, TG), AP (GH, GM, KE, LS, MW, SD, SL, SZ, TZ, UG, ZW), EA (AM, AZ, BY, KG, KZ, MD, RU,TJ, TM), AE, AL, AM, AT, AU, AZ,BA, BB, BG, BR, BY, CA, CH, CN, CR, CU, CZ, DE, DK, DM, EE, ES, FI, GB, GD, GE, GH, GM, HR, HU, ID,IL, IN, IS, JP, KE, KG, KP, KR, KZ, LC, LK, LR, LS, LT, LU, LV, MA, MD, MG, MK, MN, MW, MX, NO, NZ,PL, PT, RO, RU, SD, SE, SG, SI, SK, SL, TJ, TM, TR, TT, TZ, UA, UG, US, UZ, VN, YU, ZA, ZW
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US11601699P | 1999-01-15 | 1999-01-15 | |
| US60/116,016 | 1999-01-15 | ||
| US09/483,182US7233952B1 (en) | 1999-01-15 | 2000-01-13 | Apparatus for visualizing information in a data warehousing environment |
| US09/483,182 | 2000-01-13 | ||
| US09/483,385US7320001B1 (en) | 1999-01-15 | 2000-01-13 | Method for visualizing information in a data warehousing environment |
| US09/483,386US7007029B1 (en) | 1999-01-15 | 2000-01-13 | System for visualizing information in a data warehousing environment |
| US09/483,386 | 2000-01-13 | ||
| PCT/US2000/001075WO2000042530A1 (en) | 1999-01-15 | 2000-01-13 | Method for visualizing information in a data warehousing environment |
| US09/483,385 | 2000-01-13 |
| Publication Number | Publication Date |
|---|---|
| JP2003523547Atrue JP2003523547A (en) | 2003-08-05 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000594037APendingJP2003523547A (en) | 1999-01-15 | 2000-01-13 | How to visualize information in a data warehouse environment |
| Country | Link |
|---|---|
| EP (1) | EP1198761A4 (en) |
| JP (1) | JP2003523547A (en) |
| CN (1) | CN1347529A (en) |
| AU (1) | AU2851600A (en) |
| WO (1) | WO2000042530A1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004519758A (en)* | 2000-09-28 | 2004-07-02 | オラクル・コーポレイション | Enterprise web mining system and method |
| JP2010231779A (en)* | 2009-03-05 | 2010-10-14 | Csk Holdings Corp | Benchmark evaluation system and program |
| JP7561754B2 (en) | 2019-03-14 | 2024-10-04 | パンチ インコーポレイテッド | Predictive RFM Segmentation |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2343763B (en) | 1998-09-04 | 2003-05-21 | Shell Services Internat Ltd | Data processing system |
| DE10111537A1 (en)* | 2001-03-10 | 2002-09-19 | Daimler Chrysler Ag | Data processing and information system |
| CA2465760A1 (en)* | 2001-11-02 | 2003-05-15 | Siemens Medical Solutions Usa, Inc. | Patient data mining for quality adherence |
| AU2002221573A1 (en)* | 2001-12-16 | 2003-06-30 | Acinta Aps | Computer-implemented method of merging at least two dimensionally modeled databases |
| CN100419745C (en)* | 2002-07-19 | 2008-09-17 | 鸿富锦精密工业（深圳）有限公司 | Production site material supervision system and method |
| US6768995B2 (en)* | 2002-09-30 | 2004-07-27 | Adaytum, Inc. | Real-time aggregation of data within an enterprise planning environment |
| US7467125B2 (en) | 2002-12-12 | 2008-12-16 | International Business Machines Corporation | Methods to manage the display of data entities and relational database structures |
| US7703028B2 (en) | 2002-12-12 | 2010-04-20 | International Business Machines Corporation | Modifying the graphical display of data entities and relational database structures |
| US7953694B2 (en)* | 2003-01-13 | 2011-05-31 | International Business Machines Corporation | Method, system, and program for specifying multidimensional calculations for a relational OLAP engine |
| US8122044B2 (en)* | 2003-03-12 | 2012-02-21 | Microsoft Corporation | Generation of business intelligence entities from a dimensional model |
| US20040193633A1 (en)* | 2003-03-28 | 2004-09-30 | Cristian Petculescu | Systems, methods, and apparatus for automated dimensional model definitions and builds utilizing simplified analysis heuristics |
| US7505888B2 (en)* | 2004-11-30 | 2009-03-17 | International Business Machines Corporation | Reporting model generation within a multidimensional enterprise software system |
| US8468125B2 (en)* | 2005-04-12 | 2013-06-18 | International Business Machines Corporation | Automatically moving multidimensional data between live datacubes of enterprise software systems |
| US7877355B2 (en) | 2005-04-12 | 2011-01-25 | International Business Machines Corporation | Job scheduling for automatic movement of multidimensional data between live datacubes |
| CN100407206C (en)* | 2006-02-20 | 2008-07-30 | 华为技术有限公司 | Method and system for converting between different versions of configuration data |
| EP2137643A4 (en)* | 2007-04-10 | 2012-03-21 | Heng Toon Ting | Method and system for navigation and visualization of data in relational and/or multidimensional databases |
| US8347207B2 (en) | 2007-07-16 | 2013-01-01 | International Business Machines Corporation | Automatically moving annotations associated with multidimensional data between live datacubes |
| US9268837B2 (en) | 2007-12-04 | 2016-02-23 | International Business Machines Corporation | Data entry commentary and sheet reconstruction for multidimensional enterprise system |
| CN102214176B (en)* | 2010-04-02 | 2014-02-05 | 中国人民解放军国防科学技术大学 | Method for splitting and join of huge dimension table |
| US8990675B2 (en) | 2011-10-04 | 2015-03-24 | Microsoft Technology Licensing, Llc | Automatic relationship detection for spreadsheet data items |
| US9824127B2 (en)* | 2012-10-22 | 2017-11-21 | Workday, Inc. | Systems and methods for interest-driven data visualization systems utilized in interest-driven business intelligence systems |
| US20140164033A1 (en)* | 2012-12-11 | 2014-06-12 | Axslogic Pte Ltd | Business management system with predefined alerts |
| CN103942299B (en)* | 2014-04-15 | 2017-08-29 | 湖南中烟工业有限责任公司 | A kind of data linkage exhibiting device and methods of exhibiting |
| CN106354786A (en)* | 2016-08-23 | 2017-01-25 | 冯村 | Visual analysis method and system |
| CN106776822B (en)* | 2016-11-25 | 2018-05-08 | 国网山东省电力公司 | Conglomerate's report data extracting method and system |
| CN108241692B (en)* | 2016-12-26 | 2020-08-11 | 北京国双科技有限公司 | Data query method and device |
| CN109272223A (en)* | 2018-09-06 | 2019-01-25 | 广州微印信息科技有限公司 | One kind being based on section's purpose task cooperative system and method |
| CN110647577A (en)* | 2019-08-02 | 2020-01-03 | 威富通科技有限公司 | Data cube partitioning method and device, computer equipment and storage medium |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5799286A (en)* | 1995-06-07 | 1998-08-25 | Electronic Data Systems Corporation | Automated activity-based management system |
| US5832496A (en)* | 1995-10-12 | 1998-11-03 | Ncr Corporation | System and method for performing intelligent analysis of a computer database |
| US5794246A (en)* | 1997-04-30 | 1998-08-11 | Informatica Corporation | Method for incremental aggregation of dynamically increasing database data sets |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004519758A (en)* | 2000-09-28 | 2004-07-02 | オラクル・コーポレイション | Enterprise web mining system and method |
| JP2010231779A (en)* | 2009-03-05 | 2010-10-14 | Csk Holdings Corp | Benchmark evaluation system and program |
| JP7561754B2 (en) | 2019-03-14 | 2024-10-04 | パンチ インコーポレイテッド | Predictive RFM Segmentation |
| Publication number | Publication date |
|---|---|
| EP1198761A1 (en) | 2002-04-24 |
| EP1198761A4 (en) | 2002-11-27 |
| CN1347529A (en) | 2002-05-01 |
| WO2000042530A1 (en) | 2000-07-20 |
| AU2851600A (en) | 2000-08-01 |
| Publication | Publication Date | Title |
|---|---|---|
| US7007029B1 (en) | System for visualizing information in a data warehousing environment | |
| US7233952B1 (en) | Apparatus for visualizing information in a data warehousing environment | |
| US7320001B1 (en) | Method for visualizing information in a data warehousing environment | |
| JP2003523547A (en) | How to visualize information in a data warehouse environment | |
| Chang et al. | Group RFM analysis as a novel framework to discover better customer consumption behavior | |
| US7319996B2 (en) | System and method for providing a data warehouse in accordance with a virtual schema | |
| US9449034B2 (en) | Generic ontology based semantic business policy engine | |
| US8160984B2 (en) | Similarity matching of a competitor's products | |
| US9262503B2 (en) | Similarity matching of products based on multiple classification schemes | |
| US6411961B1 (en) | Apparatus for providing a reverse star schema data model | |
| US20050027721A1 (en) | System and method for distributed data warehousing | |
| US6363353B1 (en) | System for providing a reverse star schema data model | |
| US20030220860A1 (en) | Knowledge discovery through an analytic learning cycle | |
| WO2002080022A2 (en) | Knowledge discovery from data sets | |
| CA2488426A1 (en) | Information processing system for targeted marketing and customer relationship management | |
| US20030088481A1 (en) | Method and system for identifying purchasing cost savings | |
| US11461337B2 (en) | Attribute annotation for relevance to investigative query response | |
| JP2003524812A (en) | How to generate a star schema data model | |
| CA2514075A1 (en) | System and method for distributed data warehousing | |
| Nath | Data warehousing and mining: Customer churn analysis in the wireless industry | |
| Omari | Data Mining for Retail Website Design and Enhanced Marketing | |
| Giha et al. | Customer profiling and segmentation based on association rule mining technique | |
| Bradley | Data mining as an automated service | |
| Holland | Preference mining and preference repositories: design, algorithms and personalized applications | |
| Kolodner | Enhancing business-intelligence tools with value-driven recommendations |