Kas ir OLAP sistēmas?

Tiešsaistes analītiskā apstrāde jeb OLAP ir efektīva datu apstrādes tehnoloģija, kuras rezultātā, balstoties uz milzīgiem visa veida datu masīviem, tiek parādīta galīgā informācija. Šis ir jaudīgs produkts, kas palīdz piekļūt informācijai, to iegūt un skatīt datorā, analizējot to no dažādiem skatu punktiem.

OLAP ir rīks, kas nodrošina stratēģisku stāvokli ilgtermiņa plānošanai un ņem vērā operatīvo datu pamatinformāciju 5, 10 vai vairāk gadu perspektīvai. Dati tiek glabāti datu bāzē ar dimensiju, kas ir to atribūts. Atkarībā no analīzes mērķa lietotāji var skatīt vienu un to pašu datu kopu ar dažādiem atribūtiem.

OLAP vēsture

OLAP nav jauns jēdziens, un tas tiek izmantots gadu desmitiem ilgi. Faktiski tehnoloģiju izcelsme meklējama 1962. gadā. Bet terminu izgudroja tikai 1993. gadā datubāzes autors Teds Kodijs, kurš arī izstrādājumam noteica 12 noteikumus. Tāpat kā daudzos citos lietojumos, šī koncepcija ir piedzīvojusi vairākus evolūcijas posmus.

Pati OLAP tehnoloģijas vēsture aizsākās 1970. gadā, kad tika izlaisti Express informācijas resursi un pirmais Olap serveris. Tos Oracle iegādājās 1995. gadā, un pēc tam tie kļuva par daudzdimensiju skaitļošanas mehānisma tiešsaistes analītiskās apstrādes pamatu, kuru savā datu bāzē nodrošināja slavenais datoru zīmols. 1992. gadā Arbor Software izlaida vēl vienu labi zināmu tiešsaistes analītiskās apstrādes produktu Essbase (2007. gadā to iegādājās Oracle).

1998. gadā Microsoft izlaida tiešsaistes analīzes datu apstrādes serveri MS Analysis Services. Tas veicināja tehnoloģiju popularitāti un pamudināja attīstīt citus produktus. Mūsdienās ir vairāki pasaulē pazīstami piegādātāji, kas piedāvā Olap lietojumprogrammas, ieskaitot IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Tiešsaistes analītiskā apstrāde

OLAP ir rīks, kas ļauj pieņemt lēmumus par plānotajiem pasākumiem. Netipisks Olap aprēķins var būt sarežģītāks nekā tikai datu apkopošana. Analītiskos vaicājumus minūtē (AQM) izmanto kā standarta atsauci dažādu instrumentu veiktspējas salīdzināšanai. Šīm sistēmām vajadzētu pēc iespējas vairāk slēpt lietotājus no sarežģītu vaicājumu sintakse un nodrošināt nemainīgu atbildes laiku visiem (neatkarīgi no tā, cik sarežģīti viņi ir).

Pastāv šādas OLAP galvenās iezīmes:

1. Daudzdimensiju datu attēlojumi.
2. Atbalsts sarežģītai skaitļošanai.
3. Pagaidu izlūkošana.

Daudzdimensiju prezentācija nodrošina analīzes apstrādes bāzi, elastīgi piekļūstot korporatīvajiem datiem. Tas lietotājiem ļauj analizēt datus jebkurā dimensijā un jebkurā apkopošanas līmenī.

Atbalsts sarežģītai skaitļošanai ir OLAP programmatūras pamats.

Pagaidu izlūkošana tiek izmantota, lai novērtētu jebkura analītiskā pielietojuma efektivitāti noteiktā laika posmā. Piemēram, šomēnes, salīdzinot ar iepriekšējo mēnesi, šomēnes, salīdzinot ar to pašu mēnesi pērn.

Daudzdimensiju datu struktūra

Viena no tiešsaistes analītiskās apstrādes galvenajām īpašībām ir daudzdimensionālā datu struktūra. Kubam var būt vairākas dimensijas. Pateicoties šim modelim, viss OLAP viedās analīzes process ir vienkāršs vadītājiem un vadītājiem, jo ​​šūnās attēlotie objekti ir reālās pasaules biznesa objekti. Turklāt šis datu modelis ļauj lietotājiem apstrādāt ne tikai strukturētus blokus, bet arī nestrukturētus un daļēji strukturētus blokus.Tas viss padara tos īpaši populārus datu analīzei un BI lietojumprogrammām.

OLAP sistēmu galvenās iezīmes:

1. Izmantojiet daudzdimensionālas datu analīzes metodes.
2. Nodrošiniet progresīvu datu bāzes atbalstu.
3. Izveidojiet ērti lietojamas lietotāja saskarnes.
4. Atbalstiet klienta / servera arhitektūru.

Viena no galvenajām OLAP koncepciju sastāvdaļām ir klienta puses serveris. Papildus datu apkopošanai un pirmapstrādei no relāciju datu bāzes, tas nodrošina uzlabotus aprēķinu un ierakstīšanas parametrus, papildu funkcijas, pamata uzlabotas vaicājuma iespējas un citas funkcijas.

Atkarībā no lietotāja izvēlētā parauga lietojumprogrammas ir pieejami dažādi datu modeļi un rīki, ieskaitot reāllaika brīdinājumus, funkciju scenāriju piemērošanai, kas notiek, optimizācija un sarežģīti OLAP pārskati.

Kubiskā forma

Koncepcijas pamatā ir kubiskā forma. Datu atrašanās vieta tajā parāda, kā OLAP ievēro daudzdimensiju analīzes principu, kā rezultātā tiek izveidota datu struktūra ātrai un efektīvai analīzei.

OLAP kubu sauc arī par “hiperkoku”. Aprakstīts kā skaitlisks fakts (mērs), kas klasificēts pēc šķautnēm (dimensijām). Izmēri attiecas uz atribūtiem, kas nosaka biznesa problēmu. Vienkārši sakot, dimensija ir etiķete, kas apraksta mērījumu. Piemēram, pārdošanas pārskatos pasākums būs pārdošanas apjoms, un dimensijās tiks iekļauts pārdošanas periods, pārdevēji, produkts vai pakalpojums un pārdošanas reģions. Pārskatā par ražošanas operācijām mēraukla var būt kopējās ražošanas izmaksas un izlaides vienības. Izmēri būs ražošanas datums vai laiks, ražošanas fāze vai fāze, pat ražošanas procesā iesaistītie darbinieki.

OLAP datu kubs ir sistēmas stūrakmens. Dati kubā tiek sakārtoti, izmantojot vai nu zvaigznītes, vai sniegpārslas modeli. Centrā ir faktu tabula, kurā ir apkopoti dati (izmēri). Tas ir saistīts ar virkni mērījumu tabulu, kas satur informāciju par mērījumiem. Izmēri apraksta, kā šos pasākumus var analizēt. Ja kubs satur vairāk nekā trīs dimensijas, to bieži sauc par hiperkubu.

Viena no galvenajām kuba funkcijām ir tā statiskā būtība, kas nozīmē, ka kubu pēc tā attīstības nevar mainīt. Tāpēc kuba veidošanas un datu modeļa iestatīšanas process ir būtisks solis ceļā uz atbilstošu datu apstrādi OLAP arhitektūrā.

Datu apkopošana

Apkopojumu izmantošana ir galvenais iemesls, kāpēc OLAP rīkos pieprasījumi tiek apstrādāti daudz ātrāk (salīdzinājumā ar OLTP). Apkopojumi ir datu kopsavilkumi, kas iepriekš tika aprēķināti apstrādes laikā. Visi dalībnieki, kas glabājas OLAP dimensiju tabulās, definē vaicājumus, ko kubs var saņemt.

Kubā informācijas uzkrājumi tiek glabāti šūnās, kuru koordinātas noteiktas ar noteiktiem izmēriem. Apkopojumu skaits, ko kubs var saturēt, ir atkarīgs no visām iespējamām dimensiju elementu kombinācijām. Tāpēc tipisks kubs lietojumprogrammā var saturēt ārkārtīgi lielu agregātu skaitu. Iepriekšējs aprēķins tiks veikts tikai galvenajiem agregātiem, kas tiek izplatīti visā tiešsaistes analītikas analītiskajā kubā. Tas ievērojami samazinās laiku, kas vajadzīgs, lai noteiktu apkopojumus, izpildot vaicājumu datu modelī.

Ir arī divas iespējas, kas saistītas ar apkopošanu, ar kurām jūs varat uzlabot gatavā kuba veiktspēju: izveidot spēju kešatmiņas apkopojumu un izmantot apkopojumu, pamatojoties uz lietotāju pieprasījumu analīzi.

Darba princips

Parasti no transakcijām iegūtās operatīvās informācijas analīzi var veikt, izmantojot vienkāršu izklājlapu (datu vērtības ir norādītas rindās un kolonnās). Tas ir labi, ņemot vērā datu divdimensionālo raksturu. OLAP gadījumā pastāv atšķirības daudzdimensiju datu masīva dēļ.Tā kā izklājlapu bieži iegūst no dažādiem avotiem, iespējams, ne vienmēr ir iespējams tos efektīvi apstrādāt.

Kubs atrisina šo problēmu, kā arī nodrošina OLAP datu noliktavas loģisku un sakārtotu darbību. Uzņēmums apkopo datus no daudziem avotiem un tiek parādīts dažādos formātos, piemēram, teksta failos, multivides failos, Excel izklājlapās, piekļuves datu bāzēs un pat OLTP datu bāzēs.

Visi dati tiek savākti krātuvē, kuru tieši aizpilda no avotiem. Tajā no OLTP un citiem avotiem saņemtā neapstrādātā informācija tiks dzēsta no kļūdainiem, nepilnīgiem un nekonsekventiem darījumiem.

Pēc tīrīšanas un konvertēšanas informācija tiks saglabāta relāciju datu bāzē. Tad tas tiks augšupielādēts daudzdimensionālajā OLAP serverī (vai Olap kubā) analīzei. Galalietotāji, kas ir atbildīgi par biznesa lietojumprogrammām, datu ieguvi un citām biznesa darbībām, iegūs nepieciešamo informāciju no Olap kuba.

Masīva modeļa priekšrocības

OLAP ir rīks, kas nodrošina ātru vaicājumu izpildi, kas tiek panākts ar optimizētu uzglabāšanu, daudzdimensionālu indeksēšanu un kešatmiņu, kas ir nozīmīgas sistēmas priekšrocības. Turklāt priekšrocības ir:

1. Mazāki dati diskā.
2. Automatizēts augstāka līmeņa datu apkopojums.
3. Masīvu modeļi nodrošina dabisko indeksāciju.
4. Efektīva datu iegūšana tiek panākta, veicot iepriekšēju strukturēšanu.
5. Kompakts maza izmēra datu kopām.

OLAP trūkumi ietver faktu, ka daži risinājumi (apstrādes posms) var būt diezgan garš, it īpaši ar lielu informācijas daudzumu. To parasti labo, veicot tikai papildu apstrādi (tiek pētīti modificētie dati).

Analītiskās pamatdarbības

Konvolūcija (apkopošana / urbšana) ir pazīstama arī kā “konsolidācija”. Koagulācija ietver visu iegūto datu apkopošanu un visu aprēķināšanu vienā vai vairākās dimensijās. Visbiežāk tam var būt nepieciešams piemērot matemātisku formulu. Kā OLAP piemēru mēs varam apsvērt mazumtirdzniecības tīklu ar tirdzniecības vietām dažādās pilsētās. Lai identificētu modeļus un paredzētu nākotnes pārdošanas tendences, dati par tiem no visiem punktiem tiek “apkopoti” uzņēmuma galvenajā pārdošanas nodaļā konsolidācijai un aprēķiniem.

Informācijas atklāšana (urbšana). Tas ir pretējs koagulācijai. Process sākas ar lielu datu kopu un pēc tam sadalās mazākās daļās, tādējādi ļaujot lietotājiem skatīt informāciju. Mazumtirdzniecības tīkla piemērā analītiķis analizēs pārdošanas datus un apskatīs atsevišķus zīmolus vai produktus, kas tiek uzskatīti par labākajiem pārdevējiem katrā no tirdzniecības vietām dažādās pilsētās.

Sadaļa (Šķēle un kauliņš). Šis ir process, kad analītiskās operācijas ietver divas darbības: iegūstiet īpašu datu kopu no OLAP kuba (“sagriež” analīzes aspektu) un apskatiet to no dažādiem skatu punktiem vai leņķiem. Tas var notikt, kad visi noieta vietu dati ir saņemti un ievadīti hiperkubā. Analītiķis izgriež pārdošanas datu kopu no OLAP Cube. Pēc tam to apskatīs, analizējot atsevišķu vienību pārdošanas apjomus katrā reģionā. Šajā laikā citi lietotāji var koncentrēties uz pārdošanas izmaksu efektivitātes novērtēšanu vai mārketinga un reklāmas kampaņas efektivitātes novērtēšanu.

Pagriezieties (Pivot). Tas pagriež datu asis, lai aizstātu informācijas noformējumu.

Datubāzu dažādība

Principā tas ir tipisks OLAP kubs, kas īsteno daudzdimensiju datu analītisko apstrādi, izmantojot OLAP Cube vai jebkuru datu kubu, lai analītiskais process pēc nepieciešamības varētu pievienot dimensijas. Visa daudzdimensiju datu bāzē augšupielādētā informācija tiks saglabāta vai arhivēta, un pēc nepieciešamības to varēs izsaukt.

Pastāv mazāk pazīstamas OLAP sistēmas vai tehnoloģijas, taču tās ir galvenās, kuras pašlaik izmanto lielās korporācijas, biznesa struktūras un pat valdība.

OLAP rīki

Tiešsaistes analītiskās apstrādes rīki ir ļoti labi parādīti internetā gan maksas, gan bezmaksas versiju veidā.

Populārākie no tiem:

1. Dundas BI no Dundas Data Visualization ir uz pārlūkprogrammu balstīta biznesa izlūkošanas un datu vizualizācijas platforma, kas ietver integrētus informācijas paneļus, OLAP atskaišu rīkus un datu analītiku.
2. Yellowfin ir biznesa informācijas platforma, kas ir vienots integrēts risinājums, kas paredzēts dažādu nozaru un lieluma uzņēmumiem. Šī sistēma ir konfigurēta uzņēmumiem grāmatvedības, reklāmas un lauksaimniecības jomā.
3. ClicData ir biznesa informācijas (BI) risinājums, kas paredzēts galvenokārt maziem un vidējiem uzņēmumiem. Šis rīks ļauj lietotājiem izveidot pārskatus un informācijas paneļus. Valde tika izveidota, lai apvienotu biznesa inteliģenci, korporatīvās darbības pārvaldību un ir pilnībā funkcionāla sistēma, kas kalpo vidēja līmeņa un korporatīvajiem uzņēmumiem.
4. Domo ir uz mākoņiem balstīta biznesa pārvaldības pakete, kas tiek integrēta ar vairākiem datu avotiem, tostarp izklājlapām, datu bāzēm, sociālajiem tīkliem un visiem esošajiem mākoņa vai lokālās programmatūras risinājumiem.
5. InetSoft Style Intelligence ir biznesa informācijas programmatūras platforma, kas lietotājiem ļauj izveidot informācijas paneļus, vizuālo OLAP analīzes tehnoloģiju un atskaites, izmantojot mashup mehānismu.
6. Birst no Infor Company ir tīkla analītiķu un analīzes risinājums, kas apvieno dažādu komandu idejas un palīdz pieņemt apzinātus lēmumus. Šis rīks ļauj decentralizētiem lietotājiem palielināt korporatīvo komandu modeli.
7. Halo ir visaptveroša piegādes ķēdes vadības un biznesa informācijas sistēma, kas palīdz biznesa plānošanā un krājumu prognozēšanā piegādes ķēdes pārvaldībai. Sistēma izmanto datus no visiem avotiem - lieliem, maziem un vidējiem.
8. Chartio ir mākoņa biznesa biznesa informācijas risinājums, kas dibinātājiem, biznesa grupām, datu analītiķiem un produktu grupām nodrošina organizatoriskus rīkus ikdienas darbam.
9. Exago BI ir tīmekļa risinājums, kas paredzēts ieviešanai tīmekļa lietojumprogrammās. Exago BI ieviešana ļauj jebkura lieluma uzņēmumiem sniegt klientiem īpašus, savlaicīgus un interaktīvus ziņojumus.

Ietekme uz uzņēmējdarbību

Lietotājs atradīs OLAP lielākajā daļā biznesa lietojumprogrammu dažādās nozarēs.Analīzi izmanto ne tikai bizness, bet arī citas ieinteresētās puses.

Daži no tā visizplatītākajiem lietojumiem ir:

1. Mārketinga OLAP datu analīze.
2. Finanšu pārskati, kas aptver pārdošanas un izdevumus, budžeta sastādīšanu un finanšu plānošanu.
3. Biznesa procesu vadība.
4. Pārdošanas analīze.
5. Datu bāzes mārketings.

Nozares turpina augt, tas nozīmē, ka lietotāji drīz redzēs vairāk OLAP lietojumprogrammu. Daudzdimensiju pielāgota apstrāde nodrošina dinamiskāku analīzi. Tieši šī iemesla dēļ šīs OLAP sistēmas un tehnoloģijas tiek izmantotas, lai novērtētu scenārijus, kas notiek, un alternatīvus biznesa scenārijus.