Professional Documents
Culture Documents
Oblikovanje OLAP Kocke Na Primjeru
Oblikovanje OLAP Kocke Na Primjeru
Anto Toma
POSLOVNA INTELIGENCIJA
-oblikovanje OLAP kocke na primjeru
ZAVRNI RAD
Varadin, 2014.
SVEUILITE U ZAGREBU
FAKULTET ORGANIZACIJE I INFORMATIKE
VARADIN
Anto Toma
Matini broj: 39136/10R
Studij: Informacijski sustavi
POSLOVNA INTELIGENCIJA
-oblikovanje OLAP kocke na primjeru
ZAVRNI RAD
Mentor:
Doc.dr.sc. Markus Schatten
Sadraj
1. Uvod ...................................................................................................................................... 1
2. Poslovna inteligencija ............................................................................................................ 2
2.1. Odnos koliine i kakvoe podataka ................................................................................ 5
2.2. Potpora poslovne inteligencije strategiji poslovanja tvrtke ............................................ 8
2.3. Dijelovi sustava poslovne inteligencije .......................................................................... 9
3. Skladite podataka ................................................................................................................. 9
3.1. Definicija skladita podataka (data warehouse)........................................................... 10
4. OLAP ................................................................................................................................... 12
4.1. Obiljeja i inaice OLAP alata ..................................................................................... 13
4.2. OLAP alati .................................................................................................................... 15
4.3. OLAP kocka ................................................................................................................. 17
4.3.1. Zvjezdasta shema .................................................................................................. 18
4.3.2. Struktura OLAP kocke .......................................................................................... 19
4.3.3. Operacije nad kockom ........................................................................................... 21
5. Dizajniranje OLAP kocke ................................................................................................... 23
5.1. Izrada tablica ................................................................................................................ 23
5.2. Izrada OLAP kocke ...................................................................................................... 26
5.3. Analiza podataka .......................................................................................................... 34
5.3.1. Rotacija OLAP kocke i detaljiziranje .................................................................... 36
6. Zakljuak ............................................................................................................................. 40
7. Literatura ............................................................................................................................. 41
8. Prilog SQL skripte za unos podataka u tablice ................................................................. 42
8.1. Unos u tablicu djelatnosti.......................................................................................... 42
8.2. Unos u tablicu godine ............................................................................................... 42
8.3. Unos u tablicu varijable ............................................................................................ 42
8.4. Unos u tablicu razredi ............................................................................................... 43
8.5. Unos u tablicu strukturno poslovni pokazatelji ........................................................ 43
1. Uvod
Ono to je potrebno za postizanje poslovnog uspjeha u turbulentnoj okolini jest
inteligencija. Zbog estih promjena naina rada poslovanja te uvoenja novih tehnologija i
automatizacije u poslovanje svake organizacije, kompanije moraju biti bre, agilnije i to je
najvanije inteligentnije.
Kako bi organizacija poslovala to bolje te u skladu sa svojim ciljevima, mora znati
kako iskoristiti podatke koje posjeduje te iz njih izvui potrebne informacije i koristiti ih
tijekom svog poslovanja. Zbog toga se implementiraju sustavi poslovne inteligencije.
Sustavi poslovne inteligencije koriste podatke kojima raspolae odnosno podatke koji
se nalaze u tablicama i bazama podataka ili se izvlae iz nekih vanjskih izvora te pomou njih
stvara nuno potrebne informacije koji e koristiti u donoenju stratekih odluka poslovanja.
U ovom radu e se pokuati objasniti pojam poslovne inteligencije te potrebu za
poslovnom inteligencijom u praksi, to ukljuuje odnos kvalitete i kakvoe podataka. Autor
e objasniti pojam skladita podataka te odnos koji ima sa sustavom poslovne inteligencije. U
teorijski dio ulazi i definiranje multidimenzionalnih nizova podataka, OLAP alata, OLAP
kocke te moguih operacija nad kockom. U praktinom djelu e se pomou Microsoft SQL
Servera 2012 i ugraenog servisa za analizu (Analysis services) pokuati teoriju potkrijepit
odgovarajuim primjerima, to znai da e autor dimenzionirati OLAP kocku te prikazati
izvoenje operacija nad njom.
2. Poslovna inteligencija
Kako bi smo objasnili pojam poslovne inteligencije moramo odmah na poetku
napomenuti da se fenomenu poslovne inteligencije moe pristupiti s najmanje dva motrita:
s makroaspekta i
s mikroaspekta
se
stvara
sustavnim,
ali
unaprijed
naciljanim
prikupljanjem
podataka
Informacija
Analiza i
segmentacija
Personalizacija
Dostava
putem vie
kanala
Akcija ,
interakcija,
transakcija
Postoje mnogi razlozi zbog ega je kakvoa podataka koje tvrtke prikupljaju o svojim
poslovnim procesima skromna, ali vjerojatno najvaniji meu tim razlozima je brojnost
razliitih izvora iz kojih tvrtka moe i mora crpsti podatke relevantne za njeno poslovanje.
Brojnost izvora podataka eksponencijalno raste onda kada se tvrtka u svojem djelovanju
odlui usmjeriti prema Internetu i konceptu elektrikog poslovanja.
Spomenuvi razliite izvore prikupljanja podataka, mora se napomenuti kako su
Javorovi i Bilandi (2007) opisali zone djelovanja prikupljanja podataka. Iako su
napomenuli da standardna kategorizacija na opoj razini ne postoji, naveli su da podatke
moemo razvrstati prema razliitim kriterijima, a sa stajalita business inteligencea podatke
su logiki strukturirali u tri ope kategorije:
Tajni podaci
Isto tako su definirali zone unutar kojih se mogu prikupljati podaci, a kategorizirane su
na sljedei nain (Prema Javoroviu i Bilandiu, 2007:209):
ujednaenim
formatima
koji
omoguiti
jednostavno
Poveanje prihoda
Poveanje dobiti
Utede
3. Skladite podataka
Nagabhusana (2008:24) navodi kako poslovni ciklus pokazuje da poduzea moraju
razvrstati svoje operacije na tri razine:
1
Operacijska razina
Taktika razina
Strateka razina
Operacijska razina obuhvaa sve one dnevne radnje koje poduzee izvodi i kako
moemo vidjeti u toj razini moemo uvrstiti tzv. operacijski sustav. Taktika razina obuhvaa
praenje operacijskog sustava odnosno svih operacija koji se izvravaju unutar operacijske
razine ali i definiranje politike izvravanja operacija. Strateka razina pak definira viziju,
ciljeve odnosno objektive poduzea. U kakvom su odnosu moemo vidjeti na slici 3.
Strategija
Praenje
Politika
(Sustav odluivanja)
Operacije
(Operacijski sustav)
Slika 3 Poslovni ciklus (Nagabhusana, 2008:24)
Kako bi sustavi za odluivanje imali to vie kvalitetnih informacija za prenoenje
stratekoj razini, ali i za razvijanje dobre poslovne politike poduzee mora imati dobro
razvijen sustav koji e spremati podatke i prenositi ih onima kojima su potrebi ti podaci. Kako
operacijski sustav ima zadatak izvravanja ali i spremanja razliitih tipova poslovnih
transakcija, to je i sustav koji bi trebao sustavu odluivanja davati informacije potrebne za
daljnje odluivanje. Kako operacijski sustav nije u stanju pravodobno davati kvalitetne
informacije sustavu za odluivanje, poduzea razvijaju skladita podataka.
Skladita pruaju pristup podacima koji su inae bili zakljuani u okruenjima koji
inae nisu user friendly, kada kaem zakljuani, mislim na to da bi korisnici morali raditi
vea pretraivanja da bi doli do podataka koji su im potrebni ili bi za te podatke morali traiti
razliita doputenja jer se nalaze na lokacijama koji im nisu ili ne smiju biti dostupni. Pod
pruanjem jedne verzije istine se podrazumijeva da odreeni podaci za odreene korisnike
mogu znaiti jednu informaciju dok ti isti podaci za nekog drugog korisnika znai neto
11
sasvim drugo. Iako te raznolikosti u shvaanju odreenih podataka mogu prividno biti
trivijalne, ali ponekad vode do brojnih loe donesenih odluka. Dinamiki izvjetaji pruaju
korisnicima mogunost da vide podatke iz razliitih kutova, korisnici koji e trebati odreene
informacije izvui iz podataka koji im stoje na raspolaganju jednostavno moraju imati
mogunost uinkovitog prolaenja kroz podatke iliti slice and dice through data.
4. OLAP
OLAP je kratica za On-Line Analytical Processing koja u doslovnom prijevodu
oznaava on-line analitiku obradu, no to nam ne govori mnogo o tome to ta kratica zapravo
oznaava.
Najkrae bi smo mogli definirati OLAP kada bi smo rekli da je to skup alata koji nam
slui za izvoenje znanja iz odreenih skladita podataka. Ono kljuno to svaki OLAP alat
ima zajedniko je multidimenzionalnost, odnosno mogunost pruanja korisniku da odreene
podatke pregledava odnosno analizira u razliitim dimenzijama. Pod razliite dimenzije
podrazumijevamo da odreene podatke moemo analizirati prema odreenom kriteriju
(mjernim jedinicama) kao to je vrijeme, duljina, koliina, lokacija, itd. Na slici 4 moemo
vidjeti odnos korisnika i OLAP-a.
korisnici
skladite
podataka
OLAP
razliitim metodama. Korisnici e zapravo biti OLAP klijenti koji e pomou aplikacija moi
vriti razliite analize na uitanim podacima. O pojmu OLAP kocke e se govoriti u nastavku
zavrnog rada.
Kako Nagabhushana (2008) navodi, postoje 18 pravila kojih se OLAP alati moraju
drati, a Codd2 je ta pravila podijelio u etiri grupe nazivajui ih znaajkama.
Neka od Coddovih pravila za OLAP prema Nagabhusani (2008:205-209):
1. Osnovne znaajke
Pristupanost
13
Klijent/Server arhitektura
Viekorisnika podrka
2. Specijalne znaajke
3. Izvjetajne znaajke
Ujednaeni izvjetaji
4. Kontrola dimenzija
14
MOLAP
funkcionalnost
DOLAP
razmjestivost
HOLAP
performase
kapacitet
ROLAP
Slika 5 Inaice OLAP alata (Nagabhushana, 2008:222)
Relacijski OLAP iliti ROLAP alati sve podatke koje dobiju spremaju u standardne
sustave relacijskih baza podataka, ne spremivi tako nita u eksterne repozitorije. Sposobni su
raditi s vrlo velikim skupom podataka, ali su kompleksni to dovodi do toga da su vrlo skupi
za implementirati, a isto tako imaju spore performanse izvoenja upita te nisu sposobni
izvoditi sloenije financijske kalkulacije. ROLAP alati ne spremaju nuno podatke za analizu
odvojeno od ostalih izvornih podataka. Panian i Klepac (2003) isto tako navode kako u
15
ROLAP alati imaju oteanu primjenu standardnih upitnih jezika (npr. SQL-a), na koje su
korisnici zapravo navikli pa neke druge oblike interakcije s bazama podataka ne smatraju
zapravo prednou nego nedostatkom.
Multidimenzionalni OLAP, skraeno MOLAP predstavlja alate kod kojih su podaci
spremljeni u multidimenzionalne kocke, kako se ne mogu koristiti relacijske baze podataka
veinom su ti podaci spremljeni u vlastite optimizirane baze podataka viedimenzionalne
matrine strukture. Panian i Klepac (2003) navode kako je najvea prednost ovakve OLAP
arhitekture zapravo brzina, a Nagabhushana (2008) navodi kako takvi alati jednostavno
moraju pruiti visoke performanse, sofisticirane multidimenzionalne kalkulacije i
funkcionalnosti. No ba zbog toga, mana ovih alata se vidi u zauzeu ogromnog prostora u
sluaju postojanja veeg broja dimenzija.
DOLAP alati su klijent bazirane te esto koriste i relacijske i multidimenzionalne baze
podataka. Nerijetko imaju vrlo limitirane funkcionalnosti u usporedbi s ostalim
specijaliziranim OLAP proizvodima. Razlog tome je to su prilagoene za stolna raunala,a
samim time su prilagoene da zadovoljavaju potrebe pojedinanih korisnika.
Hibridni OLAP koristi kombinaciju tehnika spremanja podataka. Predstavljaju
kombinaciju ROLAP i MOLAP arhitekture jer e odreene podatke spremati u
multidimenzionalne baze podataka dok e drugi dio podataka spremiti u relacijske baze
podataka te tako koristi neke pogodnosti obaju tehnika. Panian i Klepac (2003) su opisali
kako HOLAP prvotne podatke dri u relacijskoj bazi podataka i pristupa njima pomou drillthrough procedura, a saetak dri u multidimenzionalnoj kocki, ime se postie velika brzina
pristupa i relativno malo zauzimanje prostora.
Arhitektura
Razlike
Prednosti
Nedostaci
ROLAP
izrauni u relacijskim
podataka, koritenje
ovisno o koliini
kapaciteti podataka
funkcionalnosti sustava
podataka, oteanu
relacijskih BP
primjenu standardnih
upitnih jezika
MOLAP
multidimenzionalnim
koritenja
multidimenzionalnih
16
HOLAP
DOLAP
proraunskih podataka i
podacima, primjenjivost
sloenih izrauna
Koristi
pristupanje podacima
ROLAP
pomou drill-through
procedura
treba
prilikom
zauzimanje prostora
user-frinedly, odline
ograniene
performanse upita,
funkcionalnosti i kapacitet
upita
najlake za razviti i
koristan mobilnim
spremiti
korisnicima koji se ne
mogu esto spajati na
skladite podataka
Vercellis (2009) navodi kako su dimenzije povezane s entitetima oko kojih vrte
procesi odreene organizacije. Dimenzijske tablice tako odgovaraju primarnim entitetima
sadranim u skladitima podataka. Svaka dimenzijska tablica je esto interno strukturirana
kako bi odgovarala hijerarhijskim vezama. Dimenzije tako predstavljaju glavni put preko
kojeg e se OLAP analize razvijati. Moemo rei da dimenzijske tablice uspostavljaju
kontekst injenica odnosno podataka, pa one spremaju vrijednosti koje opisuju podatke. Evo
nekoliko primjera dimenzija za odreene organizacije prema Naghabushani (2008:167):
17
18
Godine
Varijable
Razredi
20
21
orijentaciju
odnosno
pogled
na
multidimenzionalnu
kriku.
dimenzije
kako
bi
se
stekao
drugi
pogled
na
Krika (slice) podskup multidimenzionalnog niza koji odgovara jednoj vrijednosti za jednu ili vie lanova
dimenzija koja nije u navedenom podskupu.
6
Izvor: http://snowplowanalytics.com/analytics/tools-and-techniques/converting-snowplow-data-into-a-formatsuitable-for-olap.html. Posjeeno: 17.08.2014.
22
Djelatnosti
Godine
Razredi
Varijable
Sve etiri tablice e zapravo predstavljati ifranike jer e se u njima nalaziti ifre i
nazivi odreenih dimenzija odnosno filtara podataka.
Strukturu dimenzijskih tablica i podatke koji se nalaze u njima moete vidjeti na
sljedeim slikama:
23
25
26
27
29
31
tablicu,
ovom
sluaju
emo
odabrati
tablicu
32
33
34
Pregled podataka moemo vidjeti na slici 33, a uzeti emo u obzir da se zbog velike
koliine podataka prikazuju samo neki podaci.
36
37
39
6. Zakljuak
Kao to smo mogli vidjeti u ovom zavrnom radu, pojam poslovne inteligencije iliti
business inteligence je dosta sloen, a njegova definicija se sastoji od razliitih
komponenata. Kao to je autor naglasio ranije, cilj stvaranja sustava poslovne inteligencije je
zapravo pruanje podrke sustavu za odluivanje odnosno menaderima koji su odgovorni za
donoenje odluka u odreenom poduzeu. A nastaje kao rezultat procesa vaenja znanja iz
podataka koji se generiraju u poslovanju. Isto tako moram napomenu odnos izmeu koliine i
kvalitete podataka, naime, nije u interesu da dobijemo veliku koliinu podataka ili informacija
koje emo moi koristiti prilikom voenja analize ili na kraju krajeva tijekom odluivanja,
poanta je u tome da se moraju generirati to kvalitetnije i to bolje informacije, to na kraju i
daje mo poticaja i stvaranja pozitivnih promjena.
OLAP je jedna od komponenti poslovne inteligencije, a oznaava mrenu analitiku
obradu. Kroz ovaj zavrni rad autor je pokuao prikazati kako se provodi analiza odreene
koliine podataka, a za to su se koristili sljedei alati i dodaci:
Microsoft Excel
Kao to se moglo vidjeti kroz primjere koji su predstavljeni u radu, postoje razliite
mogunosti analize podataka, a navedeni alati nam uvelike pomau u tome. Postoje brojni
besplatni alati koji nam mogu pruiti iste mogunosti kao alati Microsofta, no autor se odluio
za dotine alate zbog brojnih dokumenata koje se mogu besplatno nai na Microsoftovim
stranicama, a uvelike pomau prilikom koritenja navedenih alat i u izradi razliitih projekata.
40
7. Literatura
[1] Panian , Klepac G (2003) Poslovna inteligencija. Zagreb: Masmedia.
[2] Nagabhushana S (2006) Dana Waehousing: OLAP and Dana Mining. New Delhi: New
Age International.
[3] Javorovi B, Bilandi M (2007) Poslovne informacije i business inelligence. Zagreb:
Golden marketing-Tehnika knjiga
[4] Howson C (2008) Successful Business Intelligence. The McGraw-Hill Companies.
[5] Vercellis C (2009) Business Intelligence: Dana Mining and Optimization for Decision
Making. John Wiley & Sons Ltd.
[6] Halpin T, Morgan T (2008) Information Modeling and Relational Databases (second
edition). Burlington: Elsevier.
[7] W.H. Inmon (2005) Building the Dana Warehouse (fourth edition). Indianapolis: Wiley
Publishing
[8] Microsoft Developer Network. Posjeeno 15.08.2014: http://msdn.microsoft.com/enus/library/ms170208(v=sql.110).aspx
[9] Podaci za analizu preuzeti sa stranica Dravnog zavoda za statistiku. Posjeeno
16.08.2014: http://www.dzs.hr/
41
42
43
(4,11,16110,2,20294),
(4,11,16110,3,64747),
(4,11,16110,4,24250),
(4,11,16110,5,25118),
(4,11,16110,6,37313),
(4,11,16110,7,68212),
(4,12,11110,1,39908),
(4,12,11110,2,19223),
(4,12,11110,3,17663),
(4,12,11110,4,1762),
(4,12,11110,5,819),
(4,12,11110,6,354),
(4,12,11110,7,87),
(4,12,12110,1,216913301),
(4,12,12110,2,6656447),
(4,12,12110,3,33810491),
(4,12,12110,4,21204925),
(4,12,12110,5,36941122),
(4,12,12110,6,44215800),
(4,12,12110,7,74084516),
(4,12,12150,1,27183785),
(4,12,12150,2,922232),
(4,12,12150,3,5460312),
(4,12,12150,4,3271598),
(4,12,12150,5,3117892),
(4,12,12150,6,5852720),
(4,12,12150,7,8559030),
(4,12,16110,1,234127),
(4,12,16110,2,19176),
(4,12,16110,3,62358),
(4,12,16110,4,23196),
(4,12,16110,5,24105),
(4,12,16110,6,34282),
(4,12,16110,7,71010),
(45,11,11110,1,5333),
(45,11,11110,2,2355),
(45,11,11110,3,2617),
(45,11,11110,4,219),
(45,11,11110,5,105),
(45,11,11110,6,36),
(45,11,11110,7,1),
(45,11,12110,1,19976541),
(45,11,12110,2,0),
(45,11,12110,3,3323339),
(45,11,12110,4,2566246),
(45,11,12110,5,4311504),
(45,11,12110,6,8536570),
(45,11,12110,7,0),
(45,11,12150,1,2599652),
(45,11,12150,2,0),
(45,11,12150,3,562737),
(45,11,12150,4,376496),
(45,11,12150,5,598761),
(45,11,12150,6,902140),
(45,11,12150,7,0),
(45,11,16110,1,21272),
(45,11,16110,2,0),
(45,11,16110,3,8778),
(45,11,16110,4,2836),
(45,11,16110,5,3121),
(45,11,16110,6,3717),
44
(45,11,16110,7,0),
(45,12,11110,1,5139),
(45,12,11110,2,2220),
(45,12,11110,3,2569),
(45,12,11110,4,203),
(45,12,11110,5,108),
(45,12,11110,6,36),
(45,12,11110,7,3),
(45,12,12110,1,17650548),
(45,12,12110,2,0),
(45,12,12110,3,3123651),
(45,12,12110,4,2229093),
(45,12,12110,5,3834699),
(45,12,12110,6,6582023),
(45,12,12110,7,0),
(45,12,12150,1,2402768),
(45,12,12150,2,0),
(45,12,12150,3,573188),
(45,12,12150,4,357820),
(45,12,12150,5,520199),
(45,12,12150,6,732909),
(45,12,12150,7,0),
(45,12,16110,1,20992),
(45,12,16110,2,0),
(45,12,16110,3,8768),
(45,12,16110,4,2617),
(45,12,16110,5,3132),
(45,12,16110,6,3294),
(45,12,16110,7,0),
(451,11,11110,1,839),
(451,11,11110,2,438),
(451,11,11110,3,310),
(451,11,11110,4,67),
(451,11,11110,5,53),
(451,11,11110,6,20),
(451,11,11110,7,1),
(451,11,12110,1,13137443),
(451,11,12110,2,0),
(451,11,12110,3,1186357),
(451,11,12110,4,1279612),
(451,11,12110,5,293896),
(451,11,12110,6,6769264),
(451,11,12110,7,0),
(451,11,12150,1,1292703),
(451,11,12150,2,0),
(451,11,12150,3, 128208),
(451,11,12150,4,130605),
(451,11,12150,5,393228),
(451,11,12150,6,546710),
(451,11,12150,7,0),
(451,11,16110,1, 6657),
(451,11,16110,2,0),
(451,11,16110,3, 1184),
(451,11,16110,4,898),
(451,11,16110,5,1630),
(451,11,16110,6,2042),
(451,11,16110,7,0),
(451,12,11110,1,852),
(451,12,11110,2,406),
(451,12,11110,3,304),
(451,12,11110,4,61),
45
(451,12,11110,5,58),
(451,12,11110,6,21),
(451,12,11110,7,)2,
(451,12,12110,1,11322883),
(451,12,12110,2,0),
(451,12,12110,3,1055548),
(451,12,12110,4,1072990),
(451,12,12110,5,275098),
(451,12,12110,6,5012944),
(451,12,12110,7,0),
(451,12,12150,1,1155032),
(451,12,12150,2,0),
(451,12,12150,3, 134526),
(451,12,12150,4,123615),
(451,12,12150,5,335431),
(451,12,12150,6,432501),
(451,12,12150,7,0),
(451,12,16110,1,6659),
(451,12,16110,2,0),
(451,12,16110,3,1179),
(451,12,16110,4,810),
(451,12,16110,5,1727),
(451,12,16110,6,1819),
(451,12,16110,7,0),
(452,11,11110,1,3428),
(452,11,11110,2,1500),
(452,11,11110,3,1809),
(452,11,11110,4,93),
(452,11,11110,5,25),
(452,11,11110,6,1),
(452,11,11110,7,0),
(452,11,12110,1,2638892),
(452,11,12110,2,0),
(452,11,12110,3,1094456),
(452,11,12110,4,675626),
(452,11,12110,5,656624),
(452,11,12110,6,0),
(452,11,12110,7,0),
(452,11,12150,1,525254),
(452,11,12150,2,0),
(452,11,12150,3,249258),
(452,11,12150,4,132647),
(452,11,12150,5,89631),
(452,11,12150,6,0),
(452,11,12150,7,0),
(452,11,16110,1,9300),
(452,11,16110,2,0),
(452,11,16110,3,5802),
(452,11,16110,4,1181),
(452,11,16110,5,746),
(452,11,16110,6,0),
(452,11,16110,7,0),
(452,12,11110,1,3278),
(452,12,11110,2,1395),
(452,12,11110,3,1777),
(452,12,11110,4,82),
(452,12,11110,5,22),
(452,12,11110,6,2),
(452,12,11110,7,0),
(452,12,12110,1,2246621),
(452,12,12110,2,0),
46
(452,12,12110,3,10061053),
(452,12,12110,4,533699),
(452,12,12110,5,481858),
(452,12,12110,6,0),
(452,12,12110,7,0),
(452,12,12150,1,510373),
(452,12,12150,2,0),
(452,12,12150,3,263377),
(452,12,12150,4,121699),
(452,12,12150,5,75693),
(452,12,12150,6,0),
(452,12,12150,7,0),
(452,12,16110,1,8900),
(452,12,16110,2,0),
(452,12,16110,3,5762),
(452,12,16110,4,1016),
(452,12,16110,5,605),
(452,12,16110,6,0),
(452,12,16110,7,0),
(453,11,11110,1,872),
(453,11,11110,2,340),
(453,11,11110,3,437),
(453,11,11110,4,53),
(453,11,11110,5,27),
(453,11,11110,6,15),
(453,11,11110,7,0),
(453,11,11110,1,3933307),
(453,11,12110,2,0),
(453,11,12110,3,934928),
(453,11,12110,4,469036),
(453,11,12110,5,670983),
(453,11,12110,6,0),
(453,11,12110,7,0),
(453,11,12110,1,744237),
(453,11,12150,2,0),
(453,11,12150,3,171794),
(453,11,12150,4,91263),
(453,11,12150,5,115902),
(453,11,12150,6,0),
(453,11,12150,7,0),
(453,11,12150,1,4978),
(453,11,16110,2,0),
(453,11,16110,3,1604),
(453,11,16110,4,688),
(453,11,16110,5,745),
(453,11,16110,6,0),
(453,11,16110,7,0),
(453,11,16110,1,871),
(453,12,11110,2,344),
(453,12,11110,3,431),
(453,12,11110,4,54),
(453,12,11110,5,28),
(453,12,11110,6,13),
(453,12,11110,7,1),
(453,12,11110,1,3830997),
(453,12,12110,2,0),
(453,12,12110,3,928971),
(453,12,12110,4,469305),
(453,12,12110,5,601861),
(453,12,12110,6,0),
(453,12,12110,7,0),
47
(453,12,12110,1,698888),
(453,12,12150,2,0),
(453,12,12150,3,163105),
(453,12,12150,4,88437),
(453,12,12150,5,109076),
(453,12,12150,6,0),
(453,12,12150,7,0),
(453,12,12150,1,5098),
(453,12,16110,2,0),
(453,12,16110,3,1638),
(453,12,16110,4,719),
(453,12,16110,5,800),
(453,12,16110,6,0),
(453,12,16110,7,0),
(454,11,11110,1,144),
(454,11,11110,2,77),
(454,11,11110,3,61),
(454,11,11110,4,6),
(454,11,11110,5,0),
(454,11,11110,6,0),
(454,11,11110,7,0),
(454,11,12110,1,266899),
(454,11,12110,2,17329),
(454,11,12110,3,107598),
(454,11,12110,4,141972),
(454,11,12110,5,0),
(454,11,12110,6,0),
(454,11,12110,7,0),
(454,11,12150,1,37458),
(454,11,12150,2,1999),
(454,11,12150,3,13477),
(454,11,12150,4,21982),
(454,11,12150,5,0),
(454,11,12150,6,0),
(454,11,12150,7,0),
(454,11,16110,1,337),
(454,11,16110,2,77),
(454,11,16110,3,188),
(454,11,16110,4,72),
(454,11,16110,5,0),
(454,11,16110,6,0),
(454,11,16110,7,0),
(454,12,11110,1,138),
(454,12,11110,2,75),
(454,12,11110,3,57),
(454,12,11110,4,6),
(454,12,11110,5,0),
(454,12,11110,6,0),
(454,12,11110,7,0),
(454,12,12110,1,250046),
(454,12,12110,2,18866),
(454,12,12110,3,78080),
(454,12,12110,4,153099),
(454,12,12110,5,0),
(454,12,12110,6,0),
(454,12,12110,7,0),
(454,12,12150,1,38475),
(454,12,12150,2,2227),
(454,12,12150,3,12179),
(454,12,12150,4,24069),
(454,12,12150,5,0),
48
(454,12,12150,6,0),
(454,12,12150,7,0),
(454,12,16110,1,335),
(454,12,16110,2,74),
(454,12,16110,3,189),
(454,12,16110,4,72),
(454,12,16110,5,0),
(454,12,16110,6,0),
(454,12,16110,7,0),
(46,11,11110,1,17897),
(46,11,11110,2,9760),
(46,11,11110,3,6624),
(46,11,11110,4,887),
(46,11,11110,5,444),
(46,11,11110,6,164),
(46,11,11110,7,18),
(46,11,12110,1,112599883),
(46,11,12110,2,0),
(46,11,12110,3,20295236),
(46,11,12110,4,13450439),
(46,11,12110,5,27301591),
(46,11,12110,6,27188525),
(46,11,12110,7,0),
(46,11,12150,1,14086798),
(46,11,12150,2,0),
(46,11,12150,3,3295699),
(46,11,12150,4,2122324),
(46,11,12150,5,3068403),
(46,11,12150,6,3252438),
(46,11,12150,7,0),
(46,11,16110,1,82863),
(46,11,16110,2,0),
(46,11,16110,3,24798),
(46,11,16110,4,11813),
(46,11,16110,5,13251),
(46,11,16110,6,15018),
(46,11,16110,7,0),
(46,12,11110,1,17305),
(46,12,11110,2,9395),
(46,12,11110,3,6469),
(46,12,11110,4,846),
(46,12,11110,5,418),
(46,12,11110,6,160),
(46,12,11110,7,17),
(46,12,12110,1,110699608),
(46,12,12110,2,0),
(46,12,12110,3,19922619),
(46,12,12110,4,13383857),
(46,12,12110,5,28041430),
(46,12,12110,6,25052830),
(46,12,12110,7,0),
(46,12,12150,1,12407683),
(46,12,12150,2,0),
(46,12,12150,3,3192173),
(46,12,12150,4,2051756),
(46,12,12150,5,1830737),
(46,12,12150,6,3142855),
(46,12,12150,7,0),
(46,12,16110,1,79032),
(46,12,16110,2,0),
(46,12,16110,3,24157),
49
(46,12,16110,4,11241),
(46,12,16110,5,12364),
(46,12,16110,6,13839),
(46,12,16110,7,0);
GO
50