مفاهیم مشترک درون-تجارتی، سناریویی توزیع شده را در نظر گرفته اند که خود کمپانی ها برای توسعه فرصت های مشترک و تسهیم سازی شده سازماندهی و هماهنگ کرده اند، ولی سیستم های هوش تجاری قدیمی از چنین هدفی پشتیبانی نمی نمایند. برای پر کردن این جای خالی، در این مقاله ما یک معماری انبار سازی داده همتا به همتا بر اساس یک شبکه از همتایان غیریکنواخت ارائه می کنیم که هر کوئری نمایش داده شده به عملکردهای مورد هدف در اطلاعات تجاری تسهیم سازی شده پاسخ می دهد. برای تقویت فرایند تصمیم گیری، یک کوئری OLAP روی یک همتا باید روی طرح واره های چند بعدی محلی هم تایان دیگر مجدداً فرمول بندی شود. بدین منظور، ما یک زبان برای تعریف نگاشت بین طرح واره ی چندبعدی از همتایان و چهارچوب فرمول بندی مجدد ارائه می کنیم که بر مبنای ترجمه نگاشت ها، کوئری ها و طرحواره های چندبعدی به سطح رابطه ای است. سپس، یک الگوریتم فرمول بندی مجدد کوئری را فرموله کرده و دو ویژگی را اثبات می نماییم: درستی و بسته بودن، که در تنظیم همتا به همتا ضروری هستند. در نهایت، مباحث پیاده سازی اصلی مرتبط با فرمول بندی مجدد با ارجاع خاص به حالتی که موتورهای چندبعدی محلی میزبانی شده توسط همتایان از زبان استاندارد MDX استفاده می کنند را مورد بررسی قرار می دهیم.

-1مقدمه

هوش تجاری(BI) نقش علم کامپیوتر در کمپانی ها را از یک تکنولوژی برای ذخیره منفعل داده به یک نظم برای کشف به موقع عوامل تجاری اصلی و حل مسائل تصمیم گیری استراتژیک به طور موثر تبدیل کرده است. اما، در سناریوهای بازار غیرقابل پیش بینی و قابل تغییر کنونی، نیازهای تصمیم گیرنده ها نیز به سرعت در حال تغییر است. برای رفع نیازهای پیچیده ترکاربر، نسل جدیدی از سیستم های BI(اغلب برچسب گذاری شده به نام BI 2.0) در سال های اخیر ظهور کرده است...