CC BY
31
МИРОВАЯ ЭКОНОМИКА
ОДИН ПОДХОД К РАЗРАБОТКЕ ХРАНИЛИЩА ДАННЫХ ДЛЯ МОДЕЛИ МИРОВОЙ ЭКОНОМИКИ В. ЛЕОНТЬЕВА
Герасимов Николай Александрович
кандидат технических наук, доцент кафедры информатики РЭУ им. Г. В. Плеханова. Адрес: ФГБОУ ВО «Российский экономический университет имени Г. В. Плеханова», 117997, Москва, Стремянный пер., д. 36. E-mail: gera01@ya.ru
В статье разработан и описан вариант структуры многомерного хранилища данных (в виде куба) для хранения и анализа результатов экономической модели, представленной группой экспертов под руководством лауреата Нобелевской премии Василия Леонтьева. Глобальная модель мировой экономики, построенная на макроэкономических показателях по схеме «затраты - выпуск», позволяет конструировать различные сценарии экономического развития. Результаты сценарных расчетов помещаются в специальное хранилище данных в концепции многомерного куба. Построение такого хранилища модельных макроэкономических показателей позволяет расширить аналитическую функциональность модели Леонтьева. Предложенный подход к организации результатов многовариантного моделирования сложных экономических объектов основан на использовании эффективного OLAP-режима систем класса Complete Analysis System. Ключевые слова: хранилище данных, многомерное хранилище, модель мировой экономики, Василий Леонтьев, OLAP-системы, полный анализ, комплексный анализ.
DATA STORAGES FOR V. LEONTIEV'S MODEL OF GLOBAL ECONOMY
Gerasimov, Nikolay A.
PhD, Assistant Professor of the Department for Information Science of the PRUE. Address: Plekhanov Russian University of Economics, 36 Stremyanny Lane, Moscow, 117997, Russian Federation. E-mail: gera01@ya.ru
The article designed and depicted a variant of the structure for multidimensional data storage (as a cube) to store and analyze results of the economic model presented by a group of experts headed by the Nobel Prize Winner Vasiliy Leontiev. The global model of world economy built on macro-economic indicators according to the scheme 'costs - output' gives an opportunity to design different scenarios of economic development. The results of scenario calculations are placed in a special data storage in the concept of multidimensional cube. Construction of such a storage of model macro-economic indicators will allow experts to extend analytical functionality of Leontiev's model. The proposed approach to organizing results of multi-
variant modeling of complicated economic objects is based on using the efficient OLAP - mode of the Complete Analysis System.
Keywords: data storage, multidimensional storage, model of world economy, Vasiliy Leontiev, OLAP-systems, complete analysis, complex analysis.
В конце 70-х гг. прошлого столетия группой экспертов ООН под руководством лауреата Нобелевской премии В. Леонтьева опубликован доклад «Будущее мировой экономики», посвященный решению проблемы уменьшения разрыва между экономическими уровнями развитых и развивающихся стран. На основе сложной математической модели ими был выполнен многовариантный прогноз структурных изменений мировой экономики. В этой уникальной модели весь мир дезагрегирован на 15 региональных блоков, подразделяемых в свою очередь на 45 секторов экономической деятельности. Каждый блок описывался 175 уравнениями с помощью 269 переменных [3].
В основу модели положена экономическая схема «затраты - выпуск», которая является универсальным, широко применяемым инструментарием экономической науки. Эта схема позволяет анализировать условия внутренней увязки параметров хозяйства и устанавливать, какие пропорции обеспечивают бесперебойность и надежность процесса воспроизводства. Одним из главных критериев модели является требование отсутствия дефицита и условие не производить лишнюю избыточную продукцию. Предложенный В. Леонтьевым инструментарий модели позволяет строить различные сценарии развития мировой экономики и представлять результаты моделирования в виде сложных иерархических таблиц, использование которых в дальнейших экономических исследованиях довольно затруднено.
Для повышения эффективности применения результатов модели ООН предлагается представить их в виде аналитического многомерного куба, структура которого определяется классификацией параметров, заложенных в базовой экономиче-
ской модели. Применение концепции многомерных хранилищ для размещения данных со сложной иерархической структурой является инновационным направлением использования современных BI- и OLAP-технологий в аналитике.
В отчетном докладе ООН страны мира (в модели 170 стран) классифицированы по уровню развития: развитые страны с высоким уровнем дохода на душу населения, развивающиеся с богатыми ресурсами и развивающиеся с бедными ресурсами.
Экономические данные стран разделены на 15 географических регионов и 4 группы специального агрегирования (мир, развитые страны, развивающиеся страны с богатыми ресурсами и развивающиеся страны с бедными ресурсами).
Это дает возможность как производить сравнение регионов в целом с миром, так и выделять различные части этих регионов, а также получать выборки по отдельным странам. Страны также классифицируются по уровню дохода на душу населения: высокий, средний и низкий.
В рассматриваемой модели экономические показатели распределены на 12 групп деятельности (табл. 1) и 10 групп отраслей (табл. 2). На основании проработанной классификации показателей построена модель многомерного куба, структура которого для наглядности представлена в виде реляционной модели типа «снежинка» (рис. 1).
Под многомерным кубом здесь понимается такая информационная конструкция хранилища, которая позволяет быстро и эффективно получать из базовой таблицы фактов (fact table) куба, используя таблицы измерений (dimension), различные срезы (slices) - аналитические отчеты (т. е. двухмерные или иерархические таблицы).
Т а б л и ц а 1 Т а б л и ц а 2
Группы экономической деятельности Группы экономических показателей
Номер группы Наименование деятельности
1 Потребление и население
2 Международные операции
3 Инвестиции и капитал
4 Деятельность по снижению загрязнения среды
5 Чистый совокупный выброс
6 Добыча и ресурсы
7 Кумулятивный объем добычи ресурсов на конец периода
8 Уровень производства
9 Рыба
10 Экспорт
11 Импорт
12 Чистый экспорт ресурсов
Номер группы Наименование показателя
1 Макропоказатели
2 Машиностроение
3 Добывающая
4 Строительство
5 Транспорт и связь
6 Товары народного потребления
7 Сельское хозяйство
8 Нефтехимия
9 Торговля
10 Прочие
Рис. 1. Фрагмент схемы типа «снежинка» для модели ООН В. Леонтьева:
BD - таблица фактов, в которой содержатся фактические экономические данные и «суррогатные» ключевые поля для связи с таблицами-«измерениями» (Dimension); Pokaz - таблица показателей; GR_Pok - группировка показателей; Years - годы; Region - список регионов; Country - страны; Group - группы стран; Agregat - название агрегатов
Поскольку все данные модели представлены в исходных иерархических Excel-таблицах, разработана схема процесса их трансформации и загрузки данных в хранилище на языке высокого уровня VBA.
Процесс трансформации и загрузки (Extract, Transform and Load - ETL-процесс) данных в куб можно отобразить блок-схемой (рис. 2).
Исходные Excel-таблицы с данными модели ООН
Преобразование Excel-
таблицы с данными модели ООН в Excel-куб
Загрузка в реляционный куб
Загрузка в BI-куб на SQL-SERVER (OLAP-режим)
Рис. 2. Структура процесса ETL для модели ООН
Положительный момент такого подхода заключается в том, что уже на этапе создания реляционного куба появляется реальная возможность с помощью перекрестных (Cross) SQL-запросов легко получать принципиально новые выходные данные из базовой модели ООН, тем самым значительно расширив границы аналитического функционала модели сложной экономиче-
TRANSFORM Sum(BD.Vvalue) AS [Значение]
ской модели. Пример такого аналитического запроса на языке SQL показан ниже. Запрос формулируется следующим образом: выбрать данные по регионам с кодом = 1 (Северная Америка) и кодом = 2 (Латинская Америка) и по групповому показателю с кодом = 11 (импорт) и выдать таблицу в форме среза «показатель - годы»:
SELECT Pokaz.KOD_GR_POK, Pokaz.Name_PO AS [Наименование параметра] FROM Years INNER JOIN (Regions INNER JOIN ((GR_Pok INNER JOIN BD ON
GR_Pok.KOD_GR_POK=BD.KOD_GR_POK) INNER JOIN Pokaz ON
(GR_Pok.KOD_GR_POK=Pokaz.KOD_GR_POK) AND (Pokaz.KOD_POK=BD.NUM_POK)) ON Re-
gions.KOD_REG=BD.KOD_REG) ON Years.KOD_Y=BD.KOD_YEAR
WHERE Regions. KOD_REG IN (1,2) AND Pokaz. KOD_GR_POK IN (11)
GROUP BY Pokaz.KOD_GR_POK, Pokaz.Name_PO
PIVOT Years.Name_Y;
Результаты созданного SQL-запроса показаны в табл. 3. В данном запросе легко изменить номера регионов и номера показателей в условии запроса (ключевое слово
WHERE...), а также добавить новые условия и ограничения и получить нужные результаты для анализа стратегий развития экономики нужного региона или страны.
Т а б л и ц а 3
Вывод показателей по импорту (группа деятельности 11) для регионов 1 и 2 (Северная и Латинская Америка) - фрагмент
Наименование параметра 1970 1980 1990 2000
Автомобили 11,5 19,8 35 63,5
Бумага 2,2 3,9 5,7 9,4
Древесина и пробка 1,3 2,4 2,9 4,1
Другие транспортные средства 0,3 0,5 1,1 2,1
Зерновые 5 7,2 13,5 22,9
Инструмент 1,4 2,6 4,7 8,1
Каучук и резина 0,4 0,7 1,2 2,2
Корнеплоды 1 1,3 1,8 2,1
Культуры с высоким содержания протеина 1,7 2,3 3,3 4,4
Дальнейшее развитие аналитических инструментов на основе использования многомерного хранилища данных может происходить с использованием различных внешних для хранилища оболочек типа OLAP-браузеров, которые позволяют в режиме Drag-And-Drop с помощью манипулятора мышки формировать и конфигурировать сложные условия аналитических срезов в выходных данных модели ООН. Такие инструменты широко распространены в системах табличной обработки информации Excel и Calc OpenOffice. Пример построения аналитического среза,
аналогичного вышеприведенному запросу, показан на рис. 3. Манипулируя переносом параметров в столбцы и строки макета Excel - сводного отчета, можно легко и быстро получать требуемые аналитические срезы на основе построенного хранилища данных и тем самым повысить эффективность аналитического процесса. Перегрузка реляционной схемы многомерного хранилища типа «снежинка» в среду BI Analysis Services фирмы Microsoft позволяет перейти на качественно новые инструменты выполнения аналитических процедур. При этом повышается быстродействие
подготовки отчетов и появляется возможность строить более удобные приложения на базе языка запросов к многомерным
хранилищам данных MDX и языка программирования Python [2].
A В С D Е F G
1 Сумма по полю V Name
2 Name PO p^ KOD GIK 1970 1980 1990 2000 Общий и
3 Автомобили 11 10,8 18,2 30,8 47,8 107,4
4 Автомобили Итог 10,8 18,2 30,6 47,8 107,4
5 Бумага 11 1,9 3,4 4,6 6,5 16,4
6 Бумага Итог 1,9 3,4 4,6 6,5 16,4
7 Древесина и проб 11 1,2 2,2 2,6 3,3 9,3
В Древесина и пробка Итог 1,2 2,2 2,8 3,3 9,3
9 Другие транспорт! 11 0,1 0,2 0,4 0,7 1 ,4
10 Другие транспортные средст 0,1 0,2 0,4 0,7 1 ,4
11 Зерновые 11 1,3 1 ,6 2,2 2.0 7,9
12 Зерновые Итог 1,3 1 ,в 2,2 2,8 7,9
13 Инструмент 11 1,2 2 3,4 5,1 11 ,7
14 Инструмент Итог 1,2 2 3,4 5,1 11 ,7
15 Каучук и резина 11 0,4 0,6 1 1 ,5 3,5
16 Каучук и резина Итог 0,4 0,6 1 1 ,5 3,5
17 Корнеплоды 11 0,4 0,5 0,5 0,5 1 ,9
18 Корнеплоды Итог 0,4 0,5 0,5 0,5 1 ,9
Список полей сводной таблицы * х
Перетащите элементы в сводную таблицу
_| KODREG
_I NameREG
_I Name R add
_I KOD_POK
_| KOD_GR_POK
_I Name_PO
_| Name_GR_POK _j KOD_YEAR
_I Name_Y
_j Vvalue
I Поиестить в | Область строк
Рис. 3. Пример OLAP-браузера Excel для модели ООН
Другим популярным средством построения аналитических отчетов для представления результатов моделирования не только в форме таблиц, но и в форме специальных диаграмм, являются инновационные системы - надстройки типа Tableau и QlikView.
В заключение отметим, что разработанный вариант перехода от сложных плоских иерархических таблиц, которые обычно появляются как результат крупных экономических исследований, к многомерным хранилищам данных позволяет значительно повысить эффективность аналитического инструментария и осуществить
переход от локальной аналитики к аналитике класса Complete Analysis. Модель мировой экономики Леонтьева, которая до сих пор используется для различных оценок состояния макроэкономических параметров в ООН, является убедительным тому подтверждением. Описанный выше подход, основанный на использовании эффективного OLAP-режима систем класса Complete Analysis System к организации аналитических процедур, может использоваться и для других экономических приложений, в которых имеются многовариантные результаты решения и сложные данные с иерархической структурой.
Список литературы
1. Маккинни У. Python и анализ данных. - М. : ДМК Пресс, 2015.
2. Модель «затраты - выпуск» Леонтьева. - URL: http://www.iq-coaching.ru/nauchnye-otkrytiya/ekonomika/97.html
3. The Future of the World Economy. A Unite National Study by Wassily Leontief et al. -New York : Oxford University Press, 1977.
References
1. Makkinni U. Python i analiz dannykh [Python and Data Analysis]. Moscow, DMK Press, 2015. (In Russ.).
2. Model' «zatraty - vypusk» Leont'eva [Leontiev's Model 'Costs - Output'.]. (In Russ.). Available at: http://www.iq-coaching.ru/nauchnye-otkrytiya/ekonomika/97.html
3. The Future of the World Economy. A Unite National Study by Wassily Leontief et al. New York, Oxford University Press, 1977.
