Cosa sono i sistemi OLAP?

L'elaborazione analitica online, o OLAP, è un'efficace tecnologia di elaborazione dei dati, a seguito della quale, sulla base degli enormi array di vari dati, vengono visualizzate le informazioni finali. Questo è un prodotto potente che aiuta ad accedere, recuperare e visualizzare le informazioni su un PC, analizzandole da diversi punti di vista.

OLAP è uno strumento che fornisce una posizione strategica per la pianificazione a lungo termine e considera le informazioni di base dei dati operativi per una prospettiva di 5, 10 o più anni. I dati sono archiviati nel database con la dimensione, che è il loro attributo. Gli utenti possono visualizzare lo stesso set di dati con attributi diversi, a seconda dello scopo dell'analisi.

Storia OLAP

OLAP non è un nuovo concetto ed è stato usato per decenni. In effetti, l'origine della tecnologia è stata fatta risalire al 1962. Ma il termine fu coniato solo nel 1993 dall'autore del database Ted Coddom, che stabilì anche 12 regole per il prodotto. Come in molte altre applicazioni, il concetto ha subito diverse fasi di evoluzione.

La storia della stessa tecnologia OLAP risale al 1970, quando furono rilasciate le risorse informative di Express e il primo server Olap. Sono stati acquisiti da Oracle nel 1995 e successivamente sono diventati la base dell'elaborazione analitica online del meccanismo di calcolo multidimensionale che il famoso marchio di computer ha fornito nel suo database. Nel 1992, un altro noto prodotto di elaborazione analitica online Essbase è stato rilasciato da Arbor Software (acquisito da Oracle nel 2007).

Nel 1998, Microsoft ha rilasciato il server di elaborazione dei dati di analisi online, MS Analysis Services. Ciò ha contribuito alla popolarità della tecnologia e ha spinto lo sviluppo di altri prodotti. Oggi ci sono diversi fornitori di fama mondiale che offrono applicazioni Olap, tra cui IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Elaborazione analitica online

OLAP è uno strumento che ti consente di prendere decisioni sugli eventi pianificati. Il calcolo di Olap atipico può essere più complicato del semplice aggregare i dati. Query analitiche al minuto (AQM) viene utilizzato come riferimento standard per confrontare le prestazioni di diversi strumenti. Questi sistemi dovrebbero nascondere il più possibile gli utenti alla sintassi di query complesse e fornire un tempo di risposta coerente per tutti (non importa quanto siano complicati).

Esistono le seguenti funzionalità chiave di OLAP:

1. Rappresentazioni di dati multidimensionali.
2. Supporto per elaborazione complessa.
3. Intelligenza temporanea

La presentazione multidimensionale fornisce la base per l'elaborazione analitica attraverso un accesso flessibile ai dati aziendali. Consente agli utenti di analizzare i dati in qualsiasi dimensione e a qualsiasi livello di aggregazione.

Il supporto per l'elaborazione complessa è la base del software OLAP.

L'intelligenza temporanea viene utilizzata per valutare l'efficacia di qualsiasi applicazione analitica in un determinato periodo di tempo. Ad esempio, questo mese rispetto al mese precedente, questo mese rispetto allo stesso mese dell'anno scorso.

Struttura dati multidimensionale

Una delle caratteristiche principali dell'elaborazione analitica online è la struttura di dati multidimensionale. Un cubo può avere diverse dimensioni. Grazie a questo modello, l'intero processo di analisi intelligente OLAP è semplice per manager e dirigenti, poiché gli oggetti rappresentati nelle celle sono oggetti business reali. Inoltre, questo modello di dati consente agli utenti di elaborare non solo array strutturati, ma anche quelli non strutturati e semi-strutturati.Tutto ciò li rende particolarmente popolari per l'analisi dei dati e le applicazioni di BI.

Caratteristiche principali dei sistemi OLAP:

1. Utilizzare metodi di analisi dei dati multidimensionali.
2. Fornire supporto di database avanzato.
3. Crea interfacce per l'utente finale di facile utilizzo.
4. Supporta l'architettura client / server.

Uno dei componenti principali dei concetti OLAP è un server lato client. Oltre all'aggregazione e pre-elaborazione dei dati da un database relazionale, fornisce parametri di calcolo e registrazione avanzati, funzioni aggiuntive, capacità di query avanzate di base e altre funzioni.

A seconda dell'applicazione di esempio selezionata dall'utente, sono disponibili vari modelli e strumenti di dati, tra cui avvisi in tempo reale, una funzione per applicare scenari what-if, ottimizzazione e report OLAP complessi.

Forma cubica

Il concetto si basa su una forma cubica. La posizione dei dati in esso mostra come OLAP aderisce al principio dell'analisi multivariata, a seguito del quale viene creata una struttura di dati per un'analisi rapida ed efficiente.

Un cubo OLAP è anche chiamato "ipercubo". Viene descritto come costituito da fatti numerici (misure), classificati per faccette (dimensioni). Le dimensioni si riferiscono ad attributi che definiscono un problema aziendale. In poche parole, una dimensione è un'etichetta che descrive una misura. Ad esempio, nei rapporti sulle vendite, la misura sarà il volume delle vendite e le dimensioni includeranno il periodo delle vendite, i venditori, un prodotto o servizio e l'area delle vendite. Nella comunicazione delle operazioni di produzione, la misura può essere rappresentata dai costi di produzione totali e dalle unità di produzione. Le dimensioni saranno la data o l'ora della produzione, la fase o fase di produzione, anche i lavoratori coinvolti nel processo di produzione.

Il cubo di dati OLAP è la pietra angolare del sistema. I dati nel cubo sono organizzati utilizzando un motivo a stella o fiocco di neve. Al centro c'è una tabella dei fatti contenente aggregati (misure). È associato a una serie di tabelle di misurazione contenenti informazioni sulle misure. Le dimensioni descrivono come queste misure possono essere analizzate. Se un cubo contiene più di tre dimensioni, viene spesso chiamato ipercubo.

Una delle principali funzioni appartenenti al cubo è la sua natura statica, il che implica che il cubo non può essere modificato dopo il suo sviluppo. Pertanto, il processo di creazione di un cubo e impostazione di un modello di dati è un passaggio cruciale verso un'elaborazione dei dati appropriata nell'architettura OLAP.

Aggregazione dei dati

L'uso delle aggregazioni è il motivo principale per cui le richieste vengono elaborate molto più rapidamente negli strumenti OLAP (rispetto a OLTP). Le aggregazioni sono riepiloghi di dati precedentemente calcolati durante l'elaborazione. Tutti i membri memorizzati nelle tabelle delle dimensioni OLAP definiscono le query che il cubo può ricevere.

In un cubo, le accumulazioni di informazioni sono memorizzate in celle, le cui coordinate sono specificate da dimensioni specifiche. Il numero di aggregati che un cubo può contenere dipende da tutte le possibili combinazioni di elementi dimensione. Pertanto, un cubo tipico in un'applicazione può contenere un numero estremamente elevato di aggregati. Un calcolo preliminare verrà eseguito solo per aggregati chiave distribuiti in tutto il cubo analitico dell'analisi online. Ciò ridurrà significativamente il tempo necessario per determinare eventuali aggregazioni durante l'esecuzione di una query in un modello di dati.

Esistono anche due opzioni relative alle aggregazioni con le quali è possibile migliorare le prestazioni di un cubo finito: creare un'aggregazione della cache delle capacità e utilizzare l'aggregazione basata su un'analisi delle richieste degli utenti.

Principio di funzionamento

In genere, l'analisi delle informazioni operative ottenute dalle transazioni può essere eseguita utilizzando un semplice foglio di calcolo (i valori dei dati sono presentati in righe e colonne). Questo è buono data la natura bidimensionale dei dati. Nel caso di OLAP, ci sono differenze dovute all'array di dati multidimensionale.Poiché sono spesso ottenuti da diverse fonti, un foglio di calcolo potrebbe non essere sempre in grado di elaborarli in modo efficiente.

Il cubo risolve questo problema e garantisce inoltre che il data warehouse OLAP funzioni in modo logico e ordinato. L'azienda raccoglie dati da numerose fonti e viene presentata in vari formati come file di testo, file multimediali, fogli di calcolo Excel, database di accesso e persino database OLTP.

Tutti i dati vengono raccolti in un repository compilato direttamente dalle fonti. In esso, le informazioni non elaborate ricevute da OLTP e da altre fonti verranno cancellate da eventuali transazioni errate, incomplete e incoerenti.

Dopo la pulizia e la conversione, le informazioni verranno archiviate in un database relazionale. Quindi verrà caricato sul server OLAP multidimensionale (o cubo Olap) per l'analisi. Gli utenti finali responsabili di applicazioni aziendali, data mining e altre operazioni aziendali avranno accesso alle informazioni di cui hanno bisogno dal cubo Olap.

Vantaggi del modello di array

OLAP è uno strumento che fornisce prestazioni di query rapide, ottenute tramite archiviazione ottimizzata, indicizzazione multidimensionale e memorizzazione nella cache, che sono vantaggi significativi del sistema. Inoltre, i vantaggi sono:

1. Dati più piccoli su disco.
2. Calcolo automatizzato di aggregati di un livello superiore di dati.
3. I modelli di array forniscono indicizzazione naturale.
4. Il recupero efficiente dei dati si ottiene attraverso la pre-strutturazione.
5. Compatto per set di dati a bassa dimensione.

Gli svantaggi di OLAP includono il fatto che alcune soluzioni (fase di elaborazione) possono essere piuttosto lunghe, specialmente con grandi quantità di informazioni. Questo di solito viene corretto eseguendo solo elaborazioni incrementali (vengono studiati i dati che sono stati modificati).

Operazioni analitiche di base

circonvoluzione (roll-up / drill-up) è anche noto come "consolidamento". La coagulazione comporta la raccolta di tutti i dati che è possibile ottenere e il calcolo di tutti in una o più dimensioni. Molto spesso, ciò può richiedere l'applicazione di una formula matematica. Come esempio OLAP, possiamo considerare una rete di vendita al dettaglio con punti vendita in diverse città. Per identificare i modelli e anticipare le tendenze future delle vendite, i dati su di essi da tutti i punti vengono "collassati" nel reparto vendite principale dell'azienda per il consolidamento e il calcolo.

rivelazione (Drill-down). Questo è l'opposto della coagulazione. Il processo inizia con un set di dati di grandi dimensioni, quindi si divide in parti più piccole, consentendo così agli utenti di visualizzare i dettagli. Nell'esempio della rete di vendita al dettaglio, l'analista analizzerà i dati di vendita e esaminerà i singoli marchi o prodotti che sono considerati i più venduti in ciascuno dei punti vendita in diverse città.

sezione (Slice and dice). Questo è un processo in cui le operazioni analitiche includono due azioni: derivare un set di dati specifico dal cubo OLAP ("tagliare" l'aspetto dell'analisi) e visualizzarlo da diversi punti di vista o angoli. Ciò può accadere quando tutti i dati delle prese vengono ricevuti e immessi nell'ipercubo. L'analista ritaglia il set di dati di vendita dal cubo OLAP. Verrà quindi visualizzato durante l'analisi delle vendite delle singole unità in ciascuna regione. Al momento, altri utenti possono concentrarsi sulla valutazione del rapporto costo-efficacia delle vendite o sulla valutazione dell'efficacia di una campagna di marketing e pubblicità.

twist (Pivot). Gli assi di dati sono ruotati in esso per fornire una sostituzione per la presentazione di informazioni.

Varietà di database

In linea di principio, si tratta di un tipico cubo OLAP che implementa l'elaborazione analitica di dati multidimensionali utilizzando il cubo OLAP o qualsiasi cubo di dati in modo che il processo analitico possa aggiungere dimensioni secondo necessità. Tutte le informazioni caricate in un database multidimensionale verranno archiviate o archiviate e possono essere richiamate quando necessario.

Esistono sistemi o tecnologie OLAP meno noti, ma questi sono i principali attualmente utilizzati da grandi aziende, strutture aziendali e persino il governo.

Strumenti OLAP

Gli strumenti per l'elaborazione analitica online sono molto ben presentati su Internet sotto forma di versioni a pagamento e gratuite.

Il più popolare di loro:

1. Dundas BI di Dundas Data Visualization è una piattaforma basata su browser per la business intelligence e la visualizzazione dei dati, che include dashboard integrati, strumenti di reporting OLAP e analisi dei dati.
2. Yellowfin è una piattaforma di business intelligence, che è un'unica soluzione integrata progettata per aziende di vari settori e dimensioni. Questo sistema è configurato per le imprese nel campo della contabilità, pubblicità, agricoltura.
3. ClicData è una soluzione di business intelligence (BI) progettata principalmente per l'uso da parte di piccole e medie imprese. Lo strumento consente agli utenti finali di creare report e dashboard. Il consiglio di amministrazione è stato creato per unire la business intelligence, la gestione delle prestazioni aziendali ed è un sistema completamente funzionale al servizio di aziende di livello medio e aziendale.
4. Domo è un pacchetto di gestione aziendale basato su cloud che si integra con più origini dati, inclusi fogli di calcolo, database, social network e qualsiasi soluzione software cloud o locale esistente.
5. InetSoft Style Intelligence è una piattaforma software di business intelligence che consente agli utenti di creare dashboard, tecnologia di analisi visiva OLAP e report utilizzando il meccanismo di mashup.
6. Birst di Infor Company è una soluzione collegata in rete per analisti e analisi aziendali, che combina le idee di vari team e aiuta a prendere decisioni informate. Lo strumento consente agli utenti decentralizzati di aumentare il modello dei team aziendali.
7. Halo è un sistema completo di gestione della supply chain e di business intelligence che aiuta nella pianificazione aziendale e nelle previsioni di inventario per la gestione della supply chain. Il sistema utilizza i dati provenienti da tutte le fonti: grandi, piccole e intermedie.
8. Chartio è una soluzione di business intelligence basata su cloud che fornisce a fondatori, gruppi aziendali, analisti di dati e gruppi di prodotti strumenti organizzativi per il lavoro quotidiano.
9. Exago BI è una soluzione basata sul Web progettata per l'implementazione in applicazioni Web. L'implementazione di Exago BI consente alle aziende di tutte le dimensioni di fornire ai propri clienti rapporti speciali, tempestivi e interattivi.

Impatto sul business

L'utente troverà OLAP nella maggior parte delle applicazioni aziendali in tutti i settori.L'analisi è utilizzata non solo dalle imprese, ma anche da altre parti interessate.

Alcune delle sue applicazioni più comuni includono:

1. Analisi dei dati di marketing OLAP.
2. Bilanci che coprono vendite e spese, budget e pianificazione finanziaria.
3. Gestione dei processi aziendali.
4. Analisi delle vendite.
5. Database Marketing.

Le industrie continuano a crescere, il che significa che gli utenti vedranno presto più applicazioni OLAP. L'elaborazione su misura multidimensionale fornisce un'analisi più dinamica. È per questo motivo che questi sistemi e tecnologie OLAP vengono utilizzati per valutare scenari what-if e scenari aziendali alternativi.