डिस्कवरी-संचालित अन्वेषण एक ऐसा घन अन्वेषण दृष्टिकोण है। खोज-संचालित अन्वेषण में, डेटा अपवादों को इंगित करने वाले पूर्व-गणना उपायों का उपयोग डेटा विश्लेषण प्रक्रिया में उपयोगकर्ता को एकत्रीकरण के सभी स्तरों पर मार्गदर्शन करने के लिए किया जाता है। यह इन उपायों को अपवाद संकेतक के रूप में संदर्भित करता है।
सहज रूप से, एक अपवाद डेटा क्यूब सेल मान है जो सांख्यिकीय मॉडल के आधार पर अनुमानित मूल्य से काफी अलग है। मॉडल ने उन सभी आयामों के माप मान में विविधताओं और पैटर्नों का इलाज किया, जिन पर एक सेल लागू होता है।
उदाहरण के लिए, यदि आइटम-बिक्री डेटा का विश्लेषण कई महीनों की तुलना में दिसंबर में बिक्री में वृद्धि को स्वीकार करता है, तो इसे समय आयाम में एक अपवाद के रूप में देखा जा सकता है। हालांकि, यदि आइटम आयाम पर विचार किया जाता है तो यह अपवाद नहीं है, क्योंकि दिसंबर के दौरान अन्य वस्तुओं की बिक्री में समान वृद्धि हुई है।
मॉडल ने डेटा क्यूब के कुछ एकत्रित समूह-दर में अज्ञात अपवादों का इलाज किया। प्रत्येक सेल के अपवाद की डिग्री का पालन करने के लिए पृष्ठभूमि रंग सहित दृश्य संकेतों का उपयोग किया जाता है, पूर्व-गणना किए गए अपवाद संकेतकों पर निर्भर करता है।
पहचान डेटा विसंगतियों को प्रदान करने के लिए अपवाद संकेतक के रूप में तीन उपायों का उपयोग किया जाता है। ये उपाय आश्चर्य की डिग्री को दर्शाते हैं कि एक सेल में मात्रा उसके अपेक्षित मूल्य के संबंध में प्रभाव डालती है। एकत्रीकरण के सभी स्तरों के लिए उपायों की गणना की जाती है और प्रत्येक सेल के साथ संबद्ध किया जाता है। वे इस प्रकार हैं -
सेल्फ़एक्सप - यह सेल वैल्यू के आश्चर्य की डिग्री को दर्शाता है, अन्य कोशिकाओं को एकत्रीकरण के समान स्तर पर संबद्ध करता है।
इनएक्सपी - यह सेल के नीचे कहीं पर आश्चर्य की डिग्री को दर्शाता है, अगर वह इससे नीचे की ओर ड्रिल कर सकता है।
PathExp - यह सेल से प्रत्येक ड्रिल-डाउन पथ के लिए आश्चर्य की डिग्री को दर्शाता है।
उदाहरण के लिए, मान लें कि आप AllElectronics पर मासिक बिक्री का विश्लेषण पिछले महीने के प्रतिशत अंतर के रूप में करना चाहते हैं। इसमें शामिल आयाम आइटम, समय और क्षेत्र हैं।
अपवाद संकेतकों को देखने के लिए, आप स्क्रीन पर हाइलाइट अपवादों के रूप में चिह्नित बटन पर क्लिक करेंगे। यह प्रत्येक सेल के साथ दिखाए गए दृश्य संकेतों में सेल्फएक्सपी और इनएक्सपी मानों की व्याख्या करता है। प्रत्येक सेल की पृष्ठभूमि का रंग उसके SelfExp मान पर निर्भर करता है।
इसके अलावा, प्रत्येक सेल के चारों ओर एक बॉक्स खींचा जाता है, जहां बॉक्स की मोटाई और रंग इसके InExp मान की सेवा होती है। मोटे बॉक्स उच्च InExp मानों को दर्शाते हैं। दोनों ही मामलों में, रंग में बादल छाए रहेंगे, अपवाद की डिग्री जितनी अधिक होगी।
प्रत्येक आइटम के लिए समय के साथ बिक्री प्रदर्शित करने के क्यूब स्लाइस में आइटम परिणामों के साथ एक ड्रिल-डाउन। इसे विश्लेषण करने के लिए कई अलग-अलग बिक्री मूल्यों के साथ प्रस्तुत किया जा सकता है। यह हाइलाइट अपवाद बटन पर दबाव डाल सकता है, दृश्य संकेत दिखाए जाते हैं, अपवादों पर ध्यान केंद्रित करते हैं।"