Какво представляват OLAP системите?

Онлайн аналитичната обработка или OLAP е ефективна технология за обработка на данни, в резултат на която въз основа на огромни масиви от всякакъв вид данни се показва крайната информация. Това е мощен продукт, който помага за достъп, извличане и преглед на информация на компютър, анализирайки го от различни гледни точки.

OLAP е инструмент, който осигурява стратегическа позиция за дългосрочно планиране и разглежда основната информация за оперативните данни за перспектива от 5, 10 или повече години. Данните се съхраняват в базата данни с измерението, което е техният атрибут. Потребителите могат да виждат един и същ набор от данни с различни атрибути, в зависимост от целта на анализа.

История на OLAP

OLAP не е нова концепция и се използва от десетилетия. Всъщност произходът на технологията се проследява от 1962г. Но терминът беше въведен едва през 1993 г. от автора на базата данни Тед Коддом, който също определи 12 правила за продукта. Както в много други приложения, концепцията е преминала през няколко етапа на еволюция.

Самата история на OLAP технологията датира от 1970 г., когато бяха пуснати информационни ресурси на Express и първият Olap сървър. Те са придобити от Oracle през 1995 г. и впоследствие се превръщат в основата на онлайн аналитичната обработка на многоизмерния изчислителен механизъм, който известната компютърна марка предоставя в своята база данни. През 1992 г. от Arbor Software (придобита от Oracle през 2007 г.) беше пуснат друг добре познат онлайн продукт за аналитична обработка Essbase.

През 1998 г. Microsoft пусна онлайн сървъра за обработка на данни за анализ, MS Analysis Services. Това допринесе за популярността на технологиите и подтикна разработването на други продукти. Днес има няколко световно известни доставчици, предлагащи Olap-приложения, включително IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Онлайн аналитична обработка

OLAP е инструмент, който ви позволява да вземате решения относно планираните събития. Нетипичното изчисление на Olap може да бъде по-сложно от просто агрегиране на данни. Аналитичните запитвания за минута (AQM) се използват като еталон за сравняване на производителността на различни инструменти. Тези системи трябва да скрият потребителите възможно най-много от синтаксиса на сложни заявки и да осигурят последователно време за отговор на всички (без значение колко сложни са те).

Съществуват следните основни характеристики на OLAP:

1. Многомерни представяния на данни.
2. Поддръжка за сложни изчисления.
3. Временна интелигентност.

Многоизмерното представяне осигурява основата за аналитична обработка чрез гъвкав достъп до корпоративни данни. Тя позволява на потребителите да анализират данни във всяко измерение и на всяко ниво на агрегиране.

Поддръжката за сложни изчислителни системи е основата на софтуера OLAP.

Временната интелигентност се използва за оценка на ефективността на всяко аналитично приложение за определен период от време. Например този месец в сравнение с предходния месец, този месец в сравнение със същия месец на миналата година.

Многомерна структура на данните

Една от основните характеристики на онлайн аналитичната обработка е многомерната структура на данните. Един куб може да има няколко измерения. Благодарение на този модел, целият процес на интелигентния анализ на OLAP е лесен за мениджъри и ръководители, тъй като обектите, представени в клетките, са бизнес обекти в реалния свят. В допълнение, този модел на данни позволява на потребителите да обработват не само структурирани масиви, но и неструктурирани и полуструктурирани.Всичко това ги прави особено популярни за анализ на данни и BI приложения.

Основни характеристики на OLAP системи:

1. Използвайте многоизмерни методи за анализ на данни.
2. Осигурете разширена поддръжка на база данни.
3. Създайте лесни за използване интерфейси за крайни потребители.
4. Поддръжка архитектура клиент / сървър.

Един от основните компоненти на OLAP концепциите е клиентски сървър. В допълнение към обобщаването и предварителната обработка на данните от релационна база данни, тя предоставя разширени параметри за изчисление и запис, допълнителни функции, основни възможности за разширени заявки и други функции.

В зависимост от примерното приложение, избрано от потребителя, са на разположение различни модели и инструменти за данни, включително сигнали в реално време, функция за прилагане на сценарии какво, ако, оптимизация и сложни OLAP отчети.

Кубична форма

Концепцията се основава на кубична форма. Местоположението на данните в него показва как OLAP се придържа към принципа на многовариантния анализ, в резултат на което се създава структура на данни за бърз и ефективен анализ.

Куб OLAP се нарича още "хиперкуб". Той е описан като състоящ се от числови факти (мерки), класифицирани по граници (измерения). Размерите са свързани с атрибути, които определят бизнес проблем. Просто казано, измерението е етикет, който описва мярка. Например в отчетите за продажбите мярката ще бъде обемът на продажбите, а размерите ще включват периода на продажбите, продавачите, продукт или услуга и региона на продажбите. При отчитане на производствените операции мярката може да бъде общите производствени разходи и единиците на продукцията. Размерите ще бъдат дата или час на производство, фаза или фаза на производство, дори работниците, участващи в производствения процес.

Кубът за данни на OLAP е крайъгълният камък на системата. Данните в куба се организират, използвайки модел на звезда или снежинка. В центъра има таблица с факти, съдържаща агрегати (мерки). Той е свързан с поредица от измервателни таблици, съдържащи информация за мерките. Размерите описват как тези мерки могат да бъдат анализирани. Ако кубът съдържа повече от три измерения, той често се нарича хиперкуб.

Една от основните функции, принадлежащи на куба, е статичността му, което означава, че кубът не може да бъде променен след неговото развитие. Следователно процесът на изграждане на куб и настройка на модел на данни е решаваща стъпка към подходяща обработка на данни в OLAP архитектурата.

Обобщаване на данни

Използването на агрегации е основната причина, поради която заявките се обработват много по-бързо в инструментите на OLAP (в сравнение с OLTP). Агрегациите са обобщения на данните, които са били предварително изчислени по време на обработката. Всички членове, съхранявани в таблиците с размер на OLAP, определят заявките, които кубът може да получава.

В куб информационните натрупвания се съхраняват в клетки, координатите на които се определят от конкретни размери. Броят на агрегатите, които един куб може да съдържа, зависи от всички възможни комбинации от размерни елементи. Следователно, типичен куб в приложение може да съдържа изключително голям брой агрегати. Предварителното изчисление ще се извърши само за ключови агрегати, които са разпределени в целия аналитичен куб на онлайн аналитиката. Това значително ще намали времето, необходимо за определяне на всички агрегации при изпълнение на заявка в модел на данни.

Има и две опции, свързани с агрегирането, с които можете да подобрите работата на завършен куб: създайте агрегиране на кеша на възможностите и използвайте агрегиране въз основа на анализ на потребителските заявки.

Принцип на работа

Обикновено анализът на оперативната информация, получена от транзакциите, може да се извърши с помощта на обикновена електронна таблица (стойностите на данните са представени в редове и колони). Това е добре предвид двуизмерния характер на данните. В случая на OLAP има разлики поради многоизмерния масив от данни.Тъй като те често се получават от различни източници, електронната таблица може да не е в състояние винаги да ги обработва ефективно.

Кубът решава този проблем и също така гарантира, че хранилището на данни на OLAP работи по логичен и подреден начин. Бизнесът събира данни от многобройни източници и се представя в различни формати като текстови файлове, мултимедийни файлове, електронни таблици в Excel, бази данни за достъп и дори бази данни на OLTP.

Всички данни се събират в хранилище, попълнено директно от източници. В него суровата информация, получена от OLTP и други източници, ще бъде изчистена от всякакви грешни, непълни и непоследователни транзакции.

След почистване и преобразуване информацията ще се съхранява в релационна база данни. Тогава той ще бъде качен на многоизмерния OLAP сървър (или Olap куб) за анализ. Крайните потребители, отговорни за бизнес приложения, извличане на данни и други бизнес операции, ще получат достъп до информацията, от която се нуждаят, от куба Olap.

Предимства на модела на масив

OLAP е инструмент, който осигурява бързо изпълнение на заявките, което се постига чрез оптимизирано съхранение, многоизмерно индексиране и кеширане, които са значителни предимства на системата. В допълнение, предимствата са:

1. По-малки данни на диска.
2. Автоматизирано изчисляване на агрегати с по-високо ниво на данни.
3. Моделите от масиви осигуряват естествено индексиране.
4. Ефективното извличане на данни се постига чрез предварително структуриране.
5. Компактен за нискомерни набори от данни.

Недостатъците на OLAP включват факта, че някои решения (стъпка на обработка) могат да бъдат доста продължителни, особено с големи количества информация. Това обикновено се коригира, като се извършва само постепенна обработка (данните, които са променени се изучават).

Основни аналитични операции

навиване (навиване / пробиване) е известно още като „консолидация“. Коагулацията включва събиране на всички данни, които могат да бъдат получени, и изчисляване на всички в едно или повече измерения. Най-често това може да изисква прилагане на математическа формула. Като пример на OLAP можем да разгледаме търговска мрежа с търговски обекти в различни градове. За да се идентифицират модели и да се предвидят бъдещи тенденции в продажбите, данните за тях от всички точки се „свиват“ в основния отдел за продажби на компанията за консолидация и изчисление.

разкриване (Бормашина-надолу). Това е обратното на коагулацията. Процесът започва с голям набор от данни и след това се разделя на по-малки части, като по този начин позволява на потребителите да виждат подробности. В примера на мрежата за търговия на дребно, анализаторът ще анализира данните за продажбите и ще разгледа отделни марки или продукти, които се считат за най-продавани във всеки от търговските обекти в различни градове.

раздел (Филийка и зарчета). Това е процес, когато аналитичните операции включват две действия: извличане на определен набор от данни от OLAP куб ("рязане" на аспекта на анализа) и преглед от различни гледни точки или ъгли. Това може да се случи, когато всички данни от търговските обекти бъдат получени и въведени в хиперкубата. Анализаторът изрязва набора от данни за продажбите от OLAP Cube. След това той ще бъде разгледан, когато анализира продажбите на отделни единици във всеки регион. Понастоящем други потребители могат да се съсредоточат върху оценката на ефективността на продажбите или върху ефективността на маркетингова и рекламна кампания.

извъртане (Завъртете). Той завърта осите на данните, за да осигури заместване за представянето на информация.

Разнообразие от бази данни

По принцип това е типичен OLAP куб, който осъществява аналитична обработка на многоизмерни данни, използвайки OLAP Cube или какъвто и да е куб на данни, така че аналитичният процес да може да добавя размери според нуждите. Всяка информация, качена в многоизмерна база данни, ще бъде съхранена или архивирана и при необходимост може да бъде извикана.

По-малко известни OLAP системи или технологии съществуват, но това са основните, които в момента се използват от големи корпорации, бизнес структури и дори от правителството.

OLAP инструменти

Инструментите за онлайн аналитична обработка са много добре представени в Интернет под формата на платени и безплатни версии.

Най-популярните от тях:

1. Dundas BI от Dundas Data Visualization е базирана на браузъра платформа за бизнес разузнаване и визуализация на данни, която включва интегрирани табла за управление, инструменти за отчитане на OLAP и анализиране на данни.
2. Yellowfin е платформа за бизнес разузнаване, която представлява единно интегрирано решение, предназначено за компании от различни индустрии и размери. Тази система е конфигурирана за предприятия в областта на счетоводството, рекламата, селското стопанство.
3. ClicData е решение за бизнес разузнаване (BI), предназначено основно за използване от малки и средни предприятия. Инструментът позволява на крайните потребители да създават отчети и табла за управление. Съветът е създаден да комбинира бизнес разузнаване, управление на корпоративните резултати и е напълно функционална система, която обслужва средни и корпоративни компании.
4. Domo е облачен базиран пакет за управление на бизнеса, който се интегрира с множество източници на данни, включително електронни таблици, бази данни, социални мрежи и всяко съществуващо облачно или локално софтуерно решение.
5. InetSoft Style Intelligence е софтуерна платформа за бизнес разузнаване, която позволява на потребителите да създават табла за управление, визуална технология за OLAP анализ и отчети, използвайки механизма на машап.
6. Birst from Infor Company е мрежово решение за бизнес анализатори и анализи, което съчетава идеите на различни екипи и помага за вземане на информирани решения. Инструментът позволява на децентрализираните потребители да увеличат модела на корпоративните екипи.
7. Halo е цялостна система за управление на веригата за доставки и бизнес разузнаване, която помага при бизнес планиране и прогнозиране на запасите за управление на веригата за доставки. Системата използва данни от всички източници - големи, малки и междинни.
8. Chartio е облачно базирано решение за бизнес разузнаване, което предоставя на основателите, бизнес групите, анализаторите на данни и продуктовите групи организационни инструменти за ежедневна работа.
9. Exago BI е уеб-базирано решение, предназначено за внедряване в уеб приложения. Внедряването на Exago BI позволява на компании от всякакъв размер да предоставят на своите клиенти специално, навременно и интерактивно отчитане.

Въздействие върху бизнеса

Потребителят ще намери OLAP в повечето бизнес приложения в индустриите.Анализът се използва не само от бизнеса, но и от други заинтересовани страни.

Някои от най-разпространените му приложения включват:

1. Маркетинг анализ на данни OLAP.
2. Финансови отчети, които обхващат продажби и разходи, бюджетиране и финансово планиране.
3. Управление на бизнес процеси.
4. Анализ на продажбите.
5. Маркетинг на база данни.

Индустриите продължават да се развиват, което означава, че потребителите скоро ще виждат повече OLAP приложения. Многомерната персонализирана обработка осигурява по-динамичен анализ. Именно поради тази причина тези системи и технологии на OLAP се използват за оценка на сценарии какво и дали и алтернативни бизнес сценарии.