Što su OLAP sustavi?

Internetska analitička obrada, ili OLAP, učinkovita je tehnologija obrade podataka, rezultat koje se na temelju ogromnih nizova svih vrsta podataka prikazuju konačne informacije. Ovo je moćan proizvod koji pomaže na pristupu, pronalaženju i pregledu podataka na PC-u, analizirajući ih s različitih gledišta.

OLAP je alat koji pruža stratešku poziciju za dugoročno planiranje i razmatra osnovne podatke o operativnim podacima za perspektivu 5, 10 ili više godina. Podaci se pohranjuju u bazu podataka s dimenzijom, koja je njihov atribut. Korisnici mogu vidjeti isti skup podataka s različitim atributima, ovisno o svrsi analize.

OLAP Povijest

OLAP nije novi koncept i koristi se već desetljećima. Zapravo, porijeklo tehnologije seže do 1962. godine. No pojam je skovao tek 1993. godine autor baze podataka Ted Coddom, koji je također odredio 12 pravila za proizvod. Kao i u mnogim drugim primjenama, i ovaj je koncept prošao nekoliko faza evolucije.

Povijest same OLAP tehnologije seže u 1970. godinu, kada su objavljeni informativni resursi Express i prvi Olap server. Oracle ih je kupio 1995. godine, a nakon toga postali su osnova mrežnog analitičkog obradbe višedimenzionalnog računalnog mehanizma koji je poznati svjetski brend računala dao u svojoj bazi podataka. Godine 1992. Arbor Software objavio je još jedan poznati proizvod na mreži za analitičku obradu Essbase (nabavljen od strane Oraclea 2007.).

Microsoft je 1998. objavio mrežni poslužitelj za obradu podataka, MS Analysis Services. To je pridonijelo popularnosti tehnologije i potaknulo razvoj drugih proizvoda. Danas postoji nekoliko svjetski poznatih dobavljača koji nude Olap aplikacije, uključujući IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Internetska analitička obrada

OLAP je alat koji vam omogućuje donošenje odluka o planiranim događajima. Atipično računanje Olapa može biti složenije od samo objedinjavanja podataka. Analitički upiti po minuti (AQM) koriste se kao standardna referenca za usporedbu performansi različitih instrumenata. Ovi bi sustavi trebali što više sakriti korisnike od sintakse složenih upita i pružiti dosljedno vrijeme odgovora svima (bez obzira koliko oni bili komplicirani).

Postoje sljedeće ključne značajke OLAP-a:

1. Višedimenzionalni prikazi podataka.
2. Podrška za složeno računanje.
3. Privremena inteligencija.

Višedimenzionalna prezentacija pruža osnovu za analitičku obradu fleksibilnim pristupom korporativnim podacima. Omogućuje korisnicima analizu podataka u bilo kojoj dimenziji i na bilo kojoj razini združivanja.

Podrška za složeno računanje temelj je OLAP softvera.

Privremena inteligencija koristi se za procjenu učinkovitosti bilo koje analitičke aplikacije u određenom vremenskom razdoblju. Na primjer, ovaj mjesec u odnosu na prethodni mjesec, ovaj mjesec u odnosu na isti mjesec prošle godine.

Višedimenzionalna struktura podataka

Jedna od glavnih karakteristika mrežne analitičke obrade je višedimenzionalna struktura podataka. Kocka može imati nekoliko dimenzija. Zahvaljujući ovom modelu, cjelokupni postupak inteligentne analize OLAP-a jednostavan je za menadžere i rukovoditelje, jer su objekti predstavljeni u ćelijama poslovni objekti u stvarnom svijetu. Pored toga, ovaj model podataka omogućuje korisnicima obradu ne samo strukturiranih nizova, već i nestrukturiranih i polustrukturiranih.Sve to čini ih posebno popularnima za analizu podataka i BI aplikacije.

Ključne značajke OLAP sustava:

1. Koristite višedimenzionalne metode analize podataka.
2. Omogućite naprednu podršku baze podataka.
3. Stvorite sučelje krajnjeg korisnika koje se lako koriste.
4. Podrška arhitekturi klijenta / poslužitelja.

Jedna od glavnih komponenti OLAP koncepata je poslužitelj na strani klijenta. Osim objedinjavanja i prethodne obrade podataka iz relacijske baze podataka, nudi napredne proračunske i parametre za snimanje, dodatne funkcije, osnovne napredne mogućnosti upita i druge funkcije.

Ovisno o uzorku aplikacije koju je odabrao korisnik, dostupni su različiti modeli podataka i alati, uključujući upozorenja u stvarnom vremenu, značajku za primjenu scenarija ako ako, optimizacije i složenih OLAP izvještaja.

Kubični oblik

Koncept se temelji na kubičnom obliku. Položaj podataka u njima pokazuje kako se OLAP pridržava načela multivarijantne analize, na temelju kojeg se stvara struktura podataka za brzu i učinkovitu analizu.

OLAP kocka se također naziva "hiperkuba". Opisana je kao što se sastoji od brojčanih činjenica (mjera), razvrstanih po fazama (dimenzijama). Dimenzije se odnose na atribute koji definiraju poslovni problem. Jednostavno rečeno, dimenzija je oznaka koja opisuje mjeru. Na primjer, u izvješćima o prodaji mjera će biti obujam prodaje, a dimenzije će uključivati ​​razdoblje prodaje, prodavače, proizvoda ili usluge i regiju prodaje. U izvještavanju o proizvodnim operacijama, mjera mogu biti ukupni proizvodni troškovi i jedinice proizvodnje. Dimenzije će biti datum ili vrijeme proizvodnje, faza ili faza proizvodnje, čak i radnici koji su uključeni u proces proizvodnje.

Kocka podataka OLAP-a je kamen temeljac sustava. Podaci u kocki organizirani su korištenjem uzorka zvijezda ili snježne pahulje. U sredini je tablica s podacima koja sadrži agregate (mjere). Povezana je s nizom mjernih tablica koje sadrže podatke o mjerama. Dimenzije opisuju kako se te mjere mogu analizirati. Ako kocka sadrži više od tri dimenzije, često se naziva hiperkuba.

Jedna od glavnih funkcija kocke je njegova statična priroda, što znači da se kocka ne može mijenjati nakon svog razvoja. Stoga je postupak izgradnje kocke i postavljanja podatkovnog modela presudan korak prema odgovarajućoj obradi podataka u OLAP arhitekturi.

Skupljanje podataka

Upotreba združivanja glavni je razlog što se zahtjevi obrađuju mnogo brže u OLAP alatima (u usporedbi s OLTP-om). Agregati su sažeci podataka koji su prethodno izračunati tijekom obrade. Svi članovi pohranjeni u tablicama dimenzija OLAP definiraju upite koje kocka može primiti.

U kocki se nakupine informacija pohranjuju u ćelije, čije su koordinate određene određenim veličinama. Broj agregata koje kocka može sadržavati ovisi o svim mogućim kombinacijama elemenata dimenzije. Stoga, tipična kocka u aplikaciji može sadržavati izuzetno velik broj agregata. Preliminarni izračun izvršit će se samo za ključne agregate koji su raspoređeni kroz analitičku kocku mrežne analitike. To će značajno smanjiti vrijeme potrebno za utvrđivanje agregacije prilikom izvršavanja upita u modelu podataka.

Postoje i dvije mogućnosti povezane s združivanjem pomoću kojih možete poboljšati performanse gotove kocke: stvoriti agregaciju predmemorije sposobnosti i koristiti združivanje na temelju analize korisničkih zahtjeva.

Princip rada

Analiza operativnih podataka dobivenih transakcijama obično se može provesti pomoću jednostavne proračunske tablice (vrijednosti podataka prikazane su u redovima i stupcima). To je dobro s obzirom na dvodimenzionalnu prirodu podataka. U slučaju OLAP-a, postoje razlike zbog višedimenzionalnog niza podataka.Budući da se često dobivaju iz različitih izvora, proračunska tablica ih neće uvijek moći učinkovito obraditi.

Kocka rješava ovaj problem i također osigurava da skladište podataka OLAP djeluje na logičan i uredan način. Posao prikuplja podatke iz brojnih izvora i predstavljeni su u različitim formatima kao što su tekstualne datoteke, multimedijske datoteke, proračunske tablice u Excelu, pristup bazama podataka, pa čak i OLTP baze podataka.

Svi se podaci prikupljaju u spremištu ispunjenom izravno iz izvora. U njemu će se sirove informacije dobivene od OLTP-a i drugih izvora izbrisati od svih pogrešnih, nepotpunih i nedosljednih transakcija.

Nakon čišćenja i pretvaranja podaci će se pohraniti u relacijsku bazu podataka. Zatim će se učitati na višedimenzionalni OLAP poslužitelj (ili Olap kocku) radi analize. Krajnji korisnici odgovorni za poslovne aplikacije, vađenje podataka i ostale poslovne operacije dobit će pristup informacijama koje su im potrebne iz kocke Olap.

Prednosti modela niza

OLAP je alat koji omogućuje brze performanse upita, a koje se postižu optimiziranim pohranjivanjem, višedimenzionalnim indeksiranjem i predmemoriranjem, što su značajne prednosti sustava. Pored toga, prednosti su:

1. Manji podaci na disku.
2. Automatizirano izračunavanje agregata više razine podataka.
3. Modeli niza omogućuju prirodno indeksiranje.
4. Učinkovito pretraživanje podataka postiže se predstrukturiranjem.
5. Kompaktni za niz dimenzijskih skupova podataka.

Nedostaci OLAP-a uključuju činjenicu da neka rješenja (korak obrade) mogu biti prilično dugotrajna, posebno s velikim količinama informacija. To se obično ispravlja izvođenjem samo inkrementalne obrade (proučavaju se modificirani podaci).

Osnovne analitičke operacije

saziv (roll-up / drill-up) je također poznat kao "konsolidacija". Koagulacija uključuje prikupljanje svih podataka koje je moguće dobiti i izračunavanje svih u jednoj ili više dimenzija. Najčešće to može zahtijevati primjenu matematičke formule. Kao primjer OLAP-a možemo razmotriti maloprodajnu mrežu s prodajnim mjestima u različitim gradovima. Da bi se identificirali modeli i predvidjeli budući prodajni trendovi, podaci o njima iz svih točaka „urušavaju se“ u glavni prodajni odjel tvrtke radi konsolidacije i izračuna.

otkriće (Kino-dolje). To je suprotno koagulaciji. Proces započinje s velikim skupom podataka, a zatim se raščlanjuje na manje dijelove i korisnicima omogućuje pregled detalja. U primjeru maloprodajne mreže, analitičar će analizirati podatke o prodaji i pregledati pojedinačne marke ili proizvode koji se smatraju prodavačima u svim prodajnim mjestima u različitim gradovima.

odjeljak (Slice i kockice). Ovo je postupak kada analitičke operacije uključuju dvije radnje: izvlače određeni skup podataka iz OLAP kocke ("rezanje" aspekta analize) i pregledavaju ga sa različitih stajališta ili kuteva. To se može dogoditi kad svi podaci iz prodajnih mjesta budu primljeni i uneseni u hiperkubu. Analitičar izrezuje skup podataka o prodaji iz OLAP Kocke. Zatim će se razmotriti kada se analizira prodaja pojedinačnih jedinica u svakoj regiji. U ovom se trenutku drugi korisnici mogu usredotočiti na ocjenu ekonomičnosti prodaje ili na ocjenu učinkovitosti marketinške i reklamne kampanje.

uviti (Zaokretne). Okreće podatkovne osi kako bi osigurao zamjenu za predstavljanje informacija.

Raznolikosti baza podataka

U principu, ovo je tipična OLAP kocka koja provodi analitičku obradu višedimenzionalnih podataka koristeći OLAP kocku ili bilo koju kocku podataka tako da analitički postupak može dodati dimenzije prema potrebi. Sve informacije prenesene u višedimenzionalnu bazu podataka pohranjivat će se ili arhivirati i po potrebi se mogu pozvati.

Postoje manje poznati sustavi ili tehnologije OLAP-a, ali to su glavni koji trenutno koriste velike korporacije, poslovne strukture, pa čak i vlada.

OLAP Alati

Alati za analitičku obradu na mreži vrlo su dobro predstavljeni na internetu u obliku plaćene i besplatne verzije.

Najpopularniji od njih:

1. Dundas BI iz Dundas Data Visualization platforma je zasnovana na pretraživaču za poslovnu inteligenciju i vizualizaciju podataka, a koja uključuje integrirane nadzorne ploče, alate za izvještavanje OLAP-a i analizu podataka.
2. Yellowfin je platforma poslovne inteligencije, što je jedinstveno integrirano rješenje dizajnirano za tvrtke različitih industrija i veličina. Ovaj je sustav konfiguriran za poduzeća iz područja računovodstva, oglašavanja, poljoprivrede.
3. ClicData je rješenje poslovne inteligencije (BI) namijenjeno prvenstveno za upotrebu u malim i srednjim poduzećima. Alat omogućuje krajnjim korisnicima da izrade izvješća i nadzorne ploče. Odbor je stvoren za kombiniranje poslovne inteligencije, upravljanja korporativnim učinkom i potpuno je funkcionalan sustav koji služi tvrtkama srednje i korporativne razine.
4. Domo je paket za upravljanje poslovanjem temeljen na oblaku koji se integrira s više izvora podataka, uključujući proračunske tablice, baze podataka, društvene mreže i sve postojeće cloud ili lokalno softversko rješenje.
5. InetSoft Style Intelligence je softverska platforma za poslovnu inteligenciju koja omogućava korisnicima izradu nadzornih ploča, vizualnu tehnologiju analize OLAP-a i izvještaje pomoću mehanizma mashup-a.
6. Birst from Infor Company mrežno je rješenje za poslovne analitičare i analize, koje kombinira ideje različitih timova i pomaže u donošenju informiranih odluka. Alat omogućuje decentraliziranim korisnicima da povećaju model korporativnih timova.
7. Halo je sveobuhvatan sustav upravljanja lancem opskrbe i poslovne inteligencije koji pomaže u planiranju poslovanja i predviđanju zaliha za upravljanje lancem opskrbe. Sustav koristi podatke iz svih izvora - velikih, malih i srednjih.
8. Chartio je rješenje poslovne inteligencije temeljeno na oblaku koje osnivačima, poslovnim skupinama, analitičarima podataka i grupama proizvoda pruža organizacijske alate za svakodnevni rad.
9. Exago BI je internetsko rješenje dizajnirano za implementaciju u web aplikacije. Implementacija Exago BI-a omogućava tvrtkama svih veličina da svojim kupcima pruže posebno, pravovremeno i interaktivno izvještavanje.

Poslovni utjecaj

Korisnik će pronaći OLAP u većini poslovnih aplikacija širom industrije.Za analizu se koriste ne samo tvrtke, već i ostale zainteresirane strane.

Neke od njegovih najčešćih primjena uključuju:

1. Marketinška analiza podataka OLAP.
2. Financijski izvještaji koji pokrivaju prodaju i troškove, planiranje proračuna i financijsko planiranje.
3. Upravljanje poslovnim procesima.
4. Analiza prodaje.
5. Marketing baza podataka.

Industrije i dalje rastu, što znači da će korisnici uskoro vidjeti više OLAP aplikacija. Višedimenzionalno prilagođena obrada pruža dinamičniju analizu. Iz tog se razloga ovi OLAP sustavi i tehnologije koriste za procjenu scenarija i ako postoje alternativnog scenarija poslovanja.