Co jsou to systémy OLAP?

Online analytické zpracování, neboli OLAP, je efektivní technologie zpracování dat, díky které se na základě obrovských polí všech druhů dat zobrazují konečné informace. Jedná se o výkonný produkt, který pomáhá získat přístup, získat a zobrazit informace na počítači a analyzovat je z různých hledisek.

OLAP je nástroj, který poskytuje strategické postavení pro dlouhodobé plánování a zvažuje základní informace o provozních datech po dobu 5, 10 nebo více let. Data jsou uložena v databázi s dimenzí, která je jejich atributem. Uživatelé mohou prohlížet stejnou sadu dat s různými atributy v závislosti na účelu analýzy.

Historie OLAP

OLAP není nový koncept a byl používán po celá desetiletí. Ve skutečnosti byl původ technologie stopován do roku 1962. Tento termín však vytvořil teprve v roce 1993 autor databáze Ted Coddom, který také pro produkt stanovil 12 pravidel. Stejně jako v mnoha jiných aplikacích prošel tento koncept několika etapami vývoje.

Historie samotné technologie OLAP sahá až do roku 1970, kdy byly vydány informační zdroje Express a první server Olap. Získali je Oracle v roce 1995 a následně se stali základem online analytického zpracování vícerozměrného výpočetního mechanismu, který renomovaná počítačová značka poskytla ve své databázi. V roce 1992 vydala společnost Arbor Software další známý produkt analytického zpracování online Essbase (získaný společností Oracle v roce 2007).

V roce 1998 společnost Microsoft vydala server pro zpracování dat online analýzy MS Analysis Services. To přispělo k popularitě technologie a podnítilo vývoj dalších produktů. Dnes existuje několik světově uznávaných dodavatelů nabízejících Olap-aplikace, včetně IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Online analytické zpracování

OLAP je nástroj, který vám umožňuje rozhodovat o plánovaných událostech. Atypický výpočet Olap může být složitější než pouhé agregování dat. Analytické dotazy za minutu (AQM) se používají jako standardní reference pro porovnávání výkonnosti různých nástrojů. Tyto systémy by měly uživatele co nejvíce skrývat před syntaxí složitých dotazů a poskytovat konzistentní dobu odezvy pro všechny (bez ohledu na to, jak složité jsou).

Existují následující klíčové vlastnosti OLAP:

1. Multidimenzionální reprezentace dat.
2. Podpora složitých výpočtů.
3. Dočasná inteligence.

Multidimenzionální prezentace poskytuje základ pro analytické zpracování prostřednictvím flexibilního přístupu k podnikovým datům. Umožňuje uživatelům analyzovat data v jakékoli dimenzi a na jakékoli úrovni agregace.

Základem softwaru OLAP je podpora komplexního zpracování dat.

Dočasná inteligence se používá k vyhodnocení účinnosti jakékoli analytické aplikace v určitém časovém období. Například tento měsíc ve srovnání s předchozím měsícem, tento měsíc ve srovnání se stejným měsícem minulého roku.

Vícerozměrná datová struktura

Jednou z hlavních charakteristik online analytického zpracování je vícerozměrná datová struktura. Kostka může mít několik rozměrů. Díky tomuto modelu je celý proces inteligentní analýzy OLAP pro manažery a manažery jednoduchý, protože objekty reprezentované v buňkách jsou obchodní objekty reálného světa. Navíc tento datový model umožňuje uživatelům zpracovávat nejen strukturovaná pole, ale také nestrukturovaná a polostrukturovaná pole.To vše je dělá obzvláště populární pro analýzu dat a BI aplikace.

Klíčové vlastnosti systémů OLAP:

1. Použijte metody vícerozměrné analýzy dat.
2. Poskytujte rozšířenou podporu databáze.
3. Vytvářejte snadno použitelná rozhraní pro koncového uživatele.
4. Podpora architektury klient / server.

Jednou z hlavních součástí konceptů OLAP je server na straně klienta. Kromě agregace a předzpracování dat z relační databáze poskytuje pokročilé výpočtové a záznamové parametry, další funkce, základní rozšířené možnosti dotazu a další funkce.

V závislosti na vzorové aplikaci vybrané uživatelem jsou k dispozici různé datové modely a nástroje, včetně výstrah v reálném čase, funkce pro aplikaci scénářů what-if, optimalizace a komplexních zpráv OLAP.

Krychlový tvar

Koncept je založen na krychlovém tvaru. Umístění dat v něm ukazuje, jak OLAP dodržuje princip vícerozměrné analýzy, v důsledku čehož je vytvořena datová struktura pro rychlou a efektivní analýzu.

Kostka OLAP se také nazývá „hypercube“. Je popisován jako sestávající z numerických faktů (měřítek), klasifikovaných podle aspektů (dimenzí). Dimenze se vztahují na atributy, které definují obchodní problém. Jednoduše řečeno, dimenze je štítek, který popisuje míru. Například ve zprávách o prodeji bude měřítkem objem prodeje a rozměry budou zahrnovat období prodeje, prodejce, produkt nebo službu a oblast prodeje. Při vykazování výrobních operací může být měřítkem celkové výrobní náklady a jednotky produkce. Rozměry budou datum nebo čas výroby, výrobní fáze nebo fáze, dokonce i pracovníci zapojení do výrobního procesu.

Datová krychle OLAP je základním kamenem systému. Data v krychli jsou uspořádána pomocí hvězdy nebo sněhové vločky. Ve středu je tabulka faktů obsahující agregáty (míry). Je spojena s řadou měřících tabulek obsahujících informace o měřeních. Dimenze popisují, jak lze tato opatření analyzovat. Pokud krychle obsahuje více než tři rozměry, často se nazývá hypercube.

Jednou z hlavních funkcí krychle je její statická povaha, z čehož vyplývá, že krychle nelze po jejím vývoji změnit. Proces vytváření krychle a nastavení datového modelu je proto zásadním krokem k odpovídajícímu zpracování dat v architektuře OLAP.

Agregace dat

Použití agregací je hlavním důvodem, proč jsou požadavky zpracovávány mnohem rychleji v nástrojích OLAP (ve srovnání s OLTP). Agregace jsou souhrny údajů, které byly dříve vypočteny během zpracování. Všechny členy uložené v tabulkách rozměrů OLAP definují dotazy, které krychle může přijímat.

V krychli jsou akumulace informací uloženy v buňkách, jejichž souřadnice jsou specifikovány specifickými velikostmi. Počet agregátů, které krychle může obsahovat, závisí na všech možných kombinacích prvků dimenze. Proto typická krychle v aplikaci může obsahovat extrémně velké množství agregátů. Předběžný výpočet bude proveden pouze pro klíčové agregáty, které jsou distribuovány v analytické krychli online analýzy. Tím se výrazně sníží čas potřebný k určení případných agregací při provádění dotazu v datovém modelu.

Existují také dvě možnosti související s agregacemi, pomocí kterých můžete zlepšit výkon hotové krychle: vytvořit agregaci mezipaměti schopností a použít agregaci na základě analýzy požadavků uživatelů.

Pracovní princip

Analýza provozních informací získaných z transakcí se obvykle provádí pomocí jednoduché tabulky (hodnoty dat jsou uvedeny v řádcích a sloupcích). To je dobré vzhledem k dvourozměrné povaze dat. V případě OLAP existují rozdíly v důsledku vícerozměrného datového pole.Protože jsou často získávány z různých zdrojů, nemusí je tabulka vždy schopna efektivně zpracovat.

Krychle řeší tento problém a také zajišťuje, že datový sklad OLAP pracuje logickým a uspořádaným způsobem. Podnik shromažďuje data z mnoha zdrojů a je prezentován v různých formátech, jako jsou textové soubory, multimediální soubory, tabulky aplikace Excel, databáze Access a dokonce i databáze OLTP.

Všechna data jsou shromažďována v úložišti vyplněném přímo ze zdrojů. V něm budou nezpracované informace přijaté od OLTP a dalších zdrojů očištěny od všech chybných, neúplných a nekonzistentních transakcí.

Po vyčištění a převodu budou informace uloženy v relační databázi. Poté bude nahrán na analýzu na vícerozměrný server OLAP (nebo Olapova krychle). Koncoví uživatelé odpovědní za obchodní aplikace, dolování dat a další obchodní operace získají přístup k informacím, které potřebují z krychle Olap.

Výhody modelového pole

OLAP je nástroj, který poskytuje rychlý výkon dotazů, čehož je dosaženo prostřednictvím optimalizovaného úložiště, vícerozměrného indexování a ukládání do mezipaměti, což jsou významné výhody systému. Výhody jsou navíc:

1. Menší data na disku.
2. Automatizovaný výpočet agregátů vyšší úrovně dat.
3. Modely matic poskytují přirozené indexování.
4. Efektivního získávání dat je dosaženo předběžnou strukturací.
5. Kompaktní pro nízko dimenzionální datové sady.

Nevýhody OLAP zahrnují skutečnost, že některá řešení (krok zpracování) mohou být docela zdlouhavá, zejména s velkým množstvím informací. Toto je obvykle opraveno provedením pouze přírůstkového zpracování (studovaná data byla změněna).

Základní analytické operace

Konvoluce (roll-up / drill-up) se také nazývá „konsolidace“. Koagulace zahrnuje sběr všech dat, která lze získat, a výpočet všech v jedné nebo více dimenzích. Nejčastěji to může vyžadovat použití matematického vzorce. Jako příklad OLAP můžeme považovat maloobchodní síť s prodejnami v různých městech. Pro identifikaci modelů a předvídání budoucích prodejních trendů jsou údaje o nich ze všech bodů „sbaleny“ do hlavního obchodního oddělení společnosti pro konsolidaci a výpočet.

Zveřejnění (drill-down). Toto je opak koagulace. Proces začíná rozsáhlou sadou dat a poté se rozdělí na menší části, což umožňuje uživatelům prohlížet si podrobnosti. V příkladu maloobchodní sítě bude analytik analyzovat údaje o prodeji a podívat se na jednotlivé značky nebo produkty, které jsou považovány za nejprodávanější v každé z prodejen v různých městech.

Sekce (Plátek a kostky). Jedná se o proces, kdy analytické operace zahrnují dvě akce: odvozíme konkrétní sadu dat z krychle OLAP („ořízneme“ aspekt analýzy) a podíváme se na ně z různých úhlů pohledu nebo z různých úhlů. To se může stát, když jsou všechna data vývodů přijata a zadána do hypercube. Analytik vyřízne sadu prodejních dat z OLAP Cube. Poté se zobrazí při analýze prodeje jednotlivých jednotek v každém regionu. V současné době se mohou ostatní uživatelé zaměřit na vyhodnocení nákladové efektivity prodeje nebo na vyhodnocení účinnosti marketingové a reklamní kampaně.

Otočte se (Pivot). Datové osy jsou v něm otáčeny, aby poskytovaly náhradu za prezentaci informací.

Odrůdy databází

V zásadě se jedná o typickou kostku OLAP, která implementuje analytické zpracování vícerozměrných dat pomocí kostky OLAP nebo jakékoli datové kostky, takže analytický proces může podle potřeby přidávat rozměry. Veškeré informace nahrané do vícerozměrné databáze budou uloženy nebo archivovány a v případě potřeby je lze vyvolat.

Méně známé systémy nebo technologie OLAP existují, ale jsou to ty hlavní, které v současné době používají velké korporace, obchodní struktury a dokonce i vláda.

Nástroje OLAP

Nástroje pro online analytické zpracování jsou na internetu velmi dobře prezentovány ve formě placené i bezplatné verze.

Nejoblíbenější z nich:

1. Dundas BI od společnosti Dundas Data Visualization je platforma založená na prohlížeči pro obchodní inteligenci a vizualizaci dat, která zahrnuje integrované dashboardy, nástroje pro OLAP reporting a analytiku dat.
2. Yellowfin je platforma business intelligence, což je jediné integrované řešení určené pro společnosti různých průmyslových odvětví a velikostí. Tento systém je konfigurován pro podniky v oblasti účetnictví, reklamy, zemědělství.
3. ClicData je řešení business intelligence (BI) navržené primárně pro použití v malých a středních podnicích. Tento nástroj umožňuje koncovým uživatelům vytvářet sestavy a dashboardy. Board byl vytvořen s cílem kombinovat obchodní inteligenci, správu podnikového výkonu a je plně funkční systém, který slouží středním a podnikovým společnostem.
4. Domo je cloudový obchodní manažerský balíček, který se integruje do více zdrojů dat, včetně tabulek, databází, sociálních sítí a jakéhokoli existujícího cloudového nebo místního softwarového řešení.
5. InetSoft Style Intelligence je softwarová platforma pro obchodní inteligenci, která uživatelům umožňuje vytvářet dashboardy, vizuální technologii OLAP analýzy a zprávy pomocí mechanismu mashup.
6. Birst from Infor Company je síťové řešení pro obchodní analytiky a analýzy, které kombinuje myšlenky různých týmů a pomáhá přijímat informovaná rozhodnutí. Tento nástroj umožňuje decentralizovaným uživatelům zvýšit model podnikových týmů.
7. Halo je komplexní systém řízení dodavatelského řetězce a business intelligence, který pomáhá při plánování podnikání a předvídání zásob pro řízení dodavatelského řetězce. Systém využívá data ze všech zdrojů - velkých, malých a středních.
8. Chartio je cloudové řešení business intelligence, které poskytuje zakladatelům, obchodním skupinám, datovým analytikům a produktovým skupinám organizační nástroje pro každodenní práci.
9. Exago BI je webové řešení navržené pro implementaci do webových aplikací. Implementace Exago BI umožňuje společnostem všech velikostí poskytovat svým zákazníkům speciální, včasné a interaktivní reporting.

Dopad na podnikání

Uživatel najde OLAP ve většině podnikových aplikací napříč průmyslovými odvětvími.Analýzu používají nejen podniky, ale i další zúčastněné strany.

Mezi nejběžnější aplikace patří:

1. Marketingová analýza dat OLAP.
2. Finanční výkazy, které pokrývají tržby a výdaje, rozpočtování a finanční plánování.
3. Řízení obchodních procesů.
4. Analýza prodeje.
5. Databázový marketing.

Průmyslová odvětví nadále rostou, což znamená, že uživatelé brzy uvidí více aplikací OLAP. Vícerozměrné zpracování na míru poskytuje dynamičtější analýzu. Z tohoto důvodu se tyto systémy a technologie OLAP používají k vyhodnocení scénářů typu if-if a alternativních scénářů podnikání.