Co to są systemy OLAP?

Przetwarzanie analityczne online (OLAP) to skuteczna technologia przetwarzania danych, w wyniku której na podstawie ogromnych tablic wszelkiego rodzaju danych wyświetlane są ostateczne informacje. Jest to potężny produkt, który pomaga uzyskiwać dostęp do informacji na komputerze, wyszukiwać je i wyświetlać, analizując je z różnych punktów widzenia.

OLAP to narzędzie, które zapewnia strategiczną pozycję na potrzeby długoterminowego planowania i uwzględnia podstawowe informacje o danych operacyjnych w perspektywie 5, 10 lub więcej lat. Dane są przechowywane w bazie danych z wymiarem, który jest ich atrybutem. Użytkownicy mogą przeglądać ten sam zestaw danych z różnymi atrybutami, w zależności od celu analizy.

Historia OLAP

OLAP nie jest nową koncepcją i jest używany od dziesięcioleci. W rzeczywistości pochodzenie technologii sięga 1962 roku. Ale termin został wymyślony dopiero w 1993 roku przez autora bazy danych Teda Coddom, który również ustanowił 12 reguł dla produktu. Podobnie jak w wielu innych zastosowaniach, koncepcja przeszła kilka etapów ewolucji.

Historia samej technologii OLAP sięga 1970 roku, kiedy wydano zasoby informacyjne Express i pierwszy serwer Olap. Zostały one nabyte przez Oracle w 1995 r., A następnie stały się podstawą analitycznego przetwarzania wielowymiarowego mechanizmu obliczeniowego online, który renomowana marka komputerów udostępniła w swojej bazie danych. W 1992 r. Arbor Software wydał kolejny znany internetowy produkt do przetwarzania analitycznego Essbase (zakupiony przez Oracle w 2007 r.).

W 1998 r. Microsoft wydał internetowy serwer przetwarzania danych analitycznych MS Analysis Services. Przyczyniło się to do popularności technologii i przyspieszyło rozwój innych produktów. Obecnie istnieje kilku światowych dostawców oferujących aplikacje Olap, w tym IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Online Analitical Processing

OLAP to narzędzie, które pozwala podejmować decyzje dotyczące planowanych wydarzeń. Nietypowe obliczenia Olapa mogą być bardziej skomplikowane niż zwykłe agregowanie danych. Zapytania analityczne na minutę (AQM) są używane jako standardowe odniesienie do porównywania wydajności różnych instrumentów. Systemy te powinny jak najbardziej ukrywać użytkowników przed składnią złożonych zapytań i zapewniać spójny czas odpowiedzi dla wszystkich (bez względu na to, jak skomplikowani są).

Istnieją następujące kluczowe funkcje OLAP:

1. Wielowymiarowe reprezentacje danych.
2. Obsługa złożonych obliczeń.
3. Tymczasowa inteligencja.

Prezentacja wielowymiarowa stanowi podstawę przetwarzania analitycznego poprzez elastyczny dostęp do danych korporacyjnych. Pozwala użytkownikom analizować dane w dowolnym wymiarze i na dowolnym poziomie agregacji.

Obsługa złożonych obliczeń stanowi podstawę oprogramowania OLAP.

Tymczasowa inteligencja służy do oceny skuteczności dowolnego zastosowania analitycznego w określonym czasie. Na przykład w tym miesiącu w porównaniu z poprzednim miesiącem, w tym miesiącu w porównaniu do tego samego miesiąca ubiegłego roku.

Wielowymiarowa struktura danych

Jedną z głównych cech przetwarzania analitycznego online jest wielowymiarowa struktura danych. Sześcian może mieć kilka wymiarów. Dzięki temu modelowi cały proces inteligentnej analizy OLAP jest prosty dla menedżerów i kadry kierowniczej, ponieważ obiekty reprezentowane w komórkach są obiektami biznesowymi z prawdziwego świata. Ponadto ten model danych umożliwia użytkownikom przetwarzanie nie tylko tablic strukturalnych, ale także niestrukturalnych i półstrukturalnych.Wszystko to sprawia, że ​​są szczególnie popularne w analizach danych i aplikacjach BI.

Kluczowe cechy systemów OLAP:

1. Użyj wielowymiarowych metod analizy danych.
2. Zapewnij zaawansowaną obsługę baz danych.
3. Twórz łatwe w obsłudze interfejsy użytkownika końcowego.
4. Obsługa architektury klient / serwer.

Jednym z głównych składników koncepcji OLAP jest serwer po stronie klienta. Oprócz agregowania i wstępnego przetwarzania danych z relacyjnej bazy danych zapewnia zaawansowane parametry obliczeń i rejestracji, dodatkowe funkcje, podstawowe zaawansowane funkcje zapytań i inne funkcje.

W zależności od wybranej przez użytkownika przykładowej aplikacji dostępne są różne modele danych i narzędzia, w tym alerty w czasie rzeczywistym, funkcja do zastosowania scenariuszy „co, jeśli”, optymalizacja i złożone raporty OLAP.

Sześcienny kształt

Koncepcja opiera się na sześciennym kształcie. Lokalizacja w nim danych pokazuje, w jaki sposób OLAP przestrzega zasady analizy wielowymiarowej, w wyniku czego tworzona jest struktura danych w celu szybkiej i wydajnej analizy.

Kostka OLAP jest również nazywana „hipersześcianem”. Jest opisany jako składający się z faktów liczbowych (miar), sklasyfikowanych według aspektów (wymiarów). Wymiary odnoszą się do atrybutów definiujących problem biznesowy. Mówiąc wprost, wymiar to etykieta opisująca miarę. Na przykład w raportach sprzedaży miarą będzie wielkość sprzedaży, a wymiary będą obejmować okres sprzedaży, sprzedawców, produkt lub usługę oraz region sprzedaży. W sprawozdaniach z operacji produkcyjnych miarą mogą być całkowite koszty produkcji i jednostki produkcji. Wymiary to data lub godzina produkcji, faza lub faza produkcji, nawet pracownicy zaangażowani w proces produkcji.

Kostka danych OLAP jest kamieniem węgielnym systemu. Dane w kostce są uporządkowane według wzoru gwiazdy lub płatka śniegu. Pośrodku znajduje się tabela faktów zawierająca agregaty (miary). Jest to związane z serią tabel pomiarowych zawierających informacje o pomiarach. Wymiary opisują, w jaki sposób można przeanalizować te miary. Jeśli sześcian zawiera więcej niż trzy wymiary, jest często nazywany hipersześcianem.

Jedną z głównych funkcji należących do kostki jest jej statyczny charakter, co oznacza, że ​​kostki nie można zmienić po jej rozwinięciu. Dlatego proces budowania kostki i konfigurowania modelu danych jest kluczowym krokiem w kierunku odpowiedniego przetwarzania danych w architekturze OLAP.

Agregacja danych

Zastosowanie agregacji jest głównym powodem, dla którego żądania są przetwarzane znacznie szybciej w narzędziach OLAP (w porównaniu do OLTP). Agregacje to podsumowania danych, które zostały wcześniej obliczone podczas przetwarzania. Wszyscy członkowie przechowywani w tabelach wymiarów OLAP definiują zapytania, które może otrzymywać kostka.

W sześcianie akumulacje informacji są przechowywane w komórkach, których współrzędne są określone przez określone rozmiary. Liczba agregatów, które może zawierać kostka, zależy od wszystkich możliwych kombinacji elementów wymiarów. Dlatego typowa kostka w aplikacji może zawierać wyjątkowo dużą liczbę agregatów. Wstępne obliczenia zostaną przeprowadzone tylko dla kluczowych agregatów, które są rozproszone w kostce analitycznej analityki internetowej. To znacznie skróci czas wymagany do ustalenia agregacji podczas wykonywania zapytania w modelu danych.

Istnieją również dwie opcje związane z agregacjami, dzięki którym można poprawić wydajność gotowej kostki: utwórz agregację pamięci podręcznej możliwości i użyj agregacji na podstawie analizy żądań użytkowników.

Zasada działania

Zazwyczaj analizę informacji operacyjnych uzyskanych z transakcji można przeprowadzić za pomocą prostego arkusza kalkulacyjnego (wartości danych są prezentowane w wierszach i kolumnach). Jest to dobre, biorąc pod uwagę dwuwymiarowy charakter danych. W przypadku OLAP istnieją różnice wynikające z wielowymiarowej tablicy danych.Ponieważ często są one uzyskiwane z różnych źródeł, arkusz kalkulacyjny może nie zawsze być w stanie skutecznie je przetworzyć.

Moduł rozwiązuje ten problem, a także zapewnia, że ​​hurtownia danych OLAP działa w sposób logiczny i uporządkowany. Firma gromadzi dane z wielu źródeł i jest prezentowana w różnych formatach, takich jak pliki tekstowe, pliki multimedialne, arkusze kalkulacyjne Excel, bazy danych Access, a nawet bazy danych OLTP.

Wszystkie dane są gromadzone w repozytorium wypełnionym bezpośrednio ze źródeł. W nim surowe informacje otrzymane z OLTP i innych źródeł zostaną usunięte z wszelkich błędnych, niekompletnych i niespójnych transakcji.

Po wyczyszczeniu i konwersji informacje będą przechowywane w relacyjnej bazie danych. Następnie zostanie przesłany do wielowymiarowego serwera OLAP (lub kostki Olap) w celu analizy. Użytkownicy końcowi odpowiedzialni za aplikacje biznesowe, eksplorację danych i inne operacje biznesowe uzyskają dostęp do potrzebnych informacji z kostki Olap.

Zalety modelu tablicowego

OLAP to narzędzie, które zapewnia szybką wydajność zapytań, która jest osiągana dzięki zoptymalizowanej pamięci masowej, indeksowaniu wielowymiarowemu i buforowaniu, które są znaczącymi zaletami systemu. Ponadto zalety to:

1. Mniejsze dane na dysku.
2. Zautomatyzowane obliczanie agregatów wyższego poziomu danych.
3. Modele macierzy zapewniają naturalne indeksowanie.
4. Wydajne wyszukiwanie danych osiąga się dzięki wstępnej strukturze.
5. Kompaktowy dla zestawów danych o małych wymiarach.

Wady OLAP obejmują fakt, że niektóre rozwiązania (etap przetwarzania) mogą być dość długie, szczególnie przy dużych ilościach informacji. Zwykle jest to korygowane poprzez wykonywanie tylko przetwarzania przyrostowego (badane są dane, które zostały zmodyfikowane).

Podstawowe operacje analityczne

Konwolucja (roll-up / drill-up) jest również znany jako „konsolidacja”. Koagulacja obejmuje zebranie wszystkich danych, które można uzyskać, i obliczenie wszystkich w jednym lub kilku wymiarach. Najczęściej może to wymagać zastosowania wzoru matematycznego. Jako przykład OLAP możemy rozważyć sieć detaliczną z punktami sprzedaży w różnych miastach. Aby zidentyfikować modele i przewidzieć przyszłe trendy sprzedaży, dane o nich ze wszystkich punktów są „zapadane” do głównego działu sprzedaży firmy w celu konsolidacji i obliczeń.

Ujawnienie (drążenie w dół). To jest przeciwieństwo koagulacji. Proces rozpoczyna się od dużego zestawu danych, a następnie dzieli się na mniejsze części, umożliwiając użytkownikom przeglądanie szczegółów. W przykładzie sieci detalicznej analityk przeanalizuje dane dotyczące sprzedaży i przyjrzy się poszczególnym markom lub produktom, które są uważane za najlepiej sprzedające się w każdym punkcie sprzedaży w różnych miastach.

Sekcja (Plasterek i kości). Jest to proces, w którym operacje analityczne obejmują dwa działania: wyprowadzenie określonego zestawu danych z kostki OLAP („wycięcie” aspektu analizy) i wyświetlenie go z różnych punktów widzenia lub pod różnymi kątami. Może się to zdarzyć, gdy wszystkie dane gniazd zostaną odebrane i wprowadzone do hipersześcianu. Analityk wycina zestaw danych dotyczących sprzedaży z OLAP Cube. Zostanie to następnie wyświetlone podczas analizy sprzedaży poszczególnych jednostek w każdym regionie. W tej chwili inni użytkownicy mogą skupić się na ocenie opłacalności sprzedaży lub ocenie skuteczności kampanii marketingowej i reklamowej.

Turn (Pivot). Osie danych są w nim obracane, aby zastąpić prezentację informacji.

Odmiany baz danych

Zasadniczo jest to typowa kostka OLAP, która implementuje analityczne przetwarzanie danych wielowymiarowych za pomocą kostki OLAP lub dowolnej kostki danych, dzięki czemu proces analityczny może w razie potrzeby dodawać wymiary. Wszelkie informacje przesłane do wielowymiarowej bazy danych będą przechowywane lub archiwizowane i mogą być przywołane w razie potrzeby.

Istnieją mniej znane systemy lub technologie OLAP, ale są to te główne, z których obecnie korzystają duże korporacje, struktury biznesowe, a nawet rząd.

Narzędzia OLAP

Narzędzia do analitycznego przetwarzania online są bardzo dobrze prezentowane w Internecie zarówno w wersji płatnej, jak i darmowej.

Najpopularniejsze z nich:

1. Dundas BI od Dundas Data Visualization to oparta na przeglądarce platforma do analizy biznesowej i wizualizacji danych, która obejmuje zintegrowane pulpity nawigacyjne, narzędzia raportowania OLAP i analizy danych.
2. Yellowfin to platforma Business Intelligence, która jest pojedynczym zintegrowanym rozwiązaniem zaprojektowanym dla firm o różnych branżach i rozmiarach. System ten jest skonfigurowany dla przedsiębiorstw z zakresu rachunkowości, reklamy, rolnictwa.
3. ClicData to rozwiązanie Business Intelligence (BI) zaprojektowane przede wszystkim do użytku przez małe i średnie firmy. Narzędzie umożliwia użytkownikom końcowym tworzenie raportów i pulpitów nawigacyjnych. Zarząd został stworzony, aby łączyć inteligencję biznesową z zarządzaniem wydajnością korporacyjną i jest w pełni funkcjonalnym systemem, który obsługuje firmy średniego szczebla i firmy.
4. Domo to oparty na chmurze pakiet do zarządzania biznesem, który integruje się z wieloma źródłami danych, w tym arkuszami kalkulacyjnymi, bazami danych, sieciami społecznościowymi oraz dowolnym istniejącym oprogramowaniem chmurowym lub lokalnym.
5. InetSoft Style Intelligence to platforma oprogramowania do analizy biznesowej, która umożliwia użytkownikom tworzenie pulpitów nawigacyjnych, technologii wizualnej analizy OLAP i raportów za pomocą mechanizmu mashup.
6. Birst z Infor Company to sieciowe rozwiązanie dla analityków biznesowych i analiz, które łączy pomysły różnych zespołów i pomaga podejmować świadome decyzje. Narzędzie umożliwia zdecentralizowanym użytkownikom zwiększenie modelu zespołów korporacyjnych.
7. Halo to kompleksowy system zarządzania łańcuchem dostaw i analizy biznesowej, który pomaga w planowaniu biznesowym i prognozowaniu zapasów do zarządzania łańcuchem dostaw. System wykorzystuje dane ze wszystkich źródeł - dużych, małych i pośrednich.
8. Chartio to oparte na chmurze rozwiązanie Business Intelligence, które zapewnia założycielom, grupom biznesowym, analitykom danych i grupom produktów narzędzia organizacyjne do codziennej pracy.
9. Exago BI to internetowe rozwiązanie zaprojektowane do implementacji w aplikacjach internetowych. Wdrożenie Exago BI pozwala firmom każdej wielkości na zapewnianie swoim klientom specjalnych, terminowych i interaktywnych raportów.

Wpływ na biznes

Użytkownik znajdzie OLAP w większości aplikacji biznesowych w różnych branżach.Z analizy korzystają nie tylko firmy, ale także inne zainteresowane strony.

Niektóre z najczęstszych aplikacji to:

1. Marketingowa analiza danych OLAP.
2. Sprawozdania finansowe obejmujące sprzedaż i wydatki, budżetowanie i planowanie finansowe.
3. Zarządzanie procesami biznesowymi.
4. Analiza sprzedaży
5. Marketing baz danych.

Branże wciąż się rozwijają, co oznacza, że ​​użytkownicy wkrótce zobaczą więcej aplikacji OLAP. Wielowymiarowe, dostosowane przetwarzanie zapewnia bardziej dynamiczną analizę. Z tego powodu te systemy i technologie OLAP są wykorzystywane do oceny scenariuszy „co jeśli” i alternatywnych scenariuszy biznesowych.