발견 중심 탐색은 큐브 탐색 접근 방식입니다. 검색 기반 탐색에서 데이터 예외를 나타내는 미리 계산된 측정값은 모든 집계 수준에서 데이터 분석 프로세스에서 사용자를 안내하는 데 사용됩니다. 이러한 조치를 예외 지표라고 합니다.
직관적으로 예외는 통계 모델을 기반으로 하는 예상 값과 크게 다른 데이터 큐브 셀 값입니다. 모델은 셀이 적용되는 모든 차원에서 측정값의 변형과 패턴을 처리했습니다.
예를 들어 품목-판매 데이터 분석에서 몇 개월과 비교하여 12월의 판매 증가를 인정하는 경우 이는 시간 차원에서 예외로 볼 수 있습니다. 다만, 12월에도 다른 품목의 매출 증가세가 비슷하기 때문에 품목 차원을 고려한다면 예외는 아니다.
모델은 데이터 큐브의 일부 집계 그룹에서 알 수 없는 예외를 처리했습니다. 배경색을 포함한 시각적 신호는 미리 계산된 예외 표시기에 따라 각 셀의 예외 정도에 따라 사용됩니다.
세 가지 측정값은 데이터 이상을 인식하기 위한 예외 지표로 사용됩니다. 이러한 측정값은 예상 값과 관련하여 셀의 양이 영향을 미치는 놀라움의 정도를 나타냅니다. 측정값은 모든 집계 수준에 대해 계산되고 모든 셀과 연결됩니다. 다음과 같습니다 -
자기 표현 − 동일한 집계 수준에서 다른 셀과 연결된 셀 값의 놀라움 정도를 나타냅니다.
InExp − 이는 드릴다운할 수 있는 경우 셀 아래 어딘가에 있는 놀라움의 정도를 나타냅니다.
PathExp − 이것은 셀에서 모든 드릴다운 경로에 대한 놀라움의 정도를 나타냅니다.
예를 들어 AllElectronics의 월별 매출을 전월과의 백분율 차이로 분석하려고 한다고 가정합니다. 포함된 차원은 항목, 시간 및 지역입니다.
예외 표시기를 보려면 화면에서 예외 강조 표시로 표시된 버튼을 클릭합니다. 이것은 SelfExp 및 InExp 값을 각 셀과 함께 표시되는 시각적 신호로 해석합니다. 모든 셀의 배경색은 SelfExp 값에 따라 다릅니다.
또한 상자의 두께와 색상이 InExp 값의 서비스인 모든 셀 주위에 상자가 그려집니다. 두꺼운 상자는 높은 InExp 값을 나타냅니다. 두 경우 모두 흐린 색일수록 예외의 정도가 높아집니다.
모든 항목에 대한 시간 경과에 따른 판매를 표시하는 큐브 조각의 항목 결과에 대한 드릴다운. 분석할 다양한 판매 가치를 제시할 수 있습니다. 하이라이트 예외 버튼을 누르면 시각적 신호가 표시되어 예외에 초점을 맞출 수 있습니다."