ระบบ OLAP คืออะไร

การประมวลผลการวิเคราะห์ออนไลน์หรือ OLAP เป็นเทคโนโลยีการประมวลผลข้อมูลที่มีประสิทธิภาพซึ่งเป็นผลมาจากการเรียงลำดับข้อมูลขนาดใหญ่ทุกประเภทข้อมูลสุดท้ายจะถูกแสดง นี่คือผลิตภัณฑ์ที่ทรงพลังที่ช่วยในการเข้าถึงเรียกคืนและดูข้อมูลบนพีซีวิเคราะห์จากมุมมองที่แตกต่างกัน

OLAP เป็นเครื่องมือที่ให้ตำแหน่งเชิงกลยุทธ์สำหรับการวางแผนระยะยาวและพิจารณาข้อมูลพื้นฐานของข้อมูลการดำเนินงานสำหรับมุมมอง 5, 10 หรือมากกว่าปี ข้อมูลถูกเก็บไว้ในฐานข้อมูลพร้อมมิติซึ่งเป็นคุณลักษณะของพวกเขา ผู้ใช้สามารถดูชุดข้อมูลเดียวกันกับคุณลักษณะที่แตกต่างกันขึ้นอยู่กับวัตถุประสงค์ของการวิเคราะห์

ประวัติ OLAP

OLAP ไม่ใช่แนวคิดใหม่และถูกใช้มานานหลายทศวรรษ ในความเป็นจริงที่มาของเทคโนโลยีได้รับการสืบค้นย้อนกลับไปถึงปี 1962 แต่คำนี้ได้รับการประกาศเกียรติคุณในปี 1993 โดยผู้เขียนฐานข้อมูล Ted Coddom ซึ่งตั้งกฎไว้ 12 ข้อสำหรับผลิตภัณฑ์ เช่นเดียวกับในแอปพลิเคชั่นอื่น ๆ แนวคิดได้รับการวิวัฒนาการมาหลายขั้นตอน

ประวัติความเป็นมาของเทคโนโลยี OLAP นั้นมีอายุย้อนกลับไปถึงปี 1970 เมื่อ Express data resources และ Olap เซิร์ฟเวอร์ตัวแรกถูกปล่อยออกมา Oracle ได้รับมาในปี 1995 และต่อมาได้กลายเป็นพื้นฐานของการประมวลผลการวิเคราะห์ออนไลน์ของกลไกการคำนวณหลายมิติที่แบรนด์คอมพิวเตอร์ที่มีชื่อเสียงให้ไว้ในฐานข้อมูล ในปี 1992 ผลิตภัณฑ์การประมวลผลการวิเคราะห์ออนไลน์ที่รู้จักกันดีอีกรายการหนึ่งคือ Essbase ได้รับการเผยแพร่โดย Arbor Software (ได้รับจาก Oracle ในปี 2007)

ในปี 1998 Microsoft เปิดตัวเซิร์ฟเวอร์ประมวลผลข้อมูลการวิเคราะห์ออนไลน์ MS Analysis Services สิ่งนี้มีส่วนทำให้ความนิยมของเทคโนโลยีและกระตุ้นการพัฒนาผลิตภัณฑ์อื่น ๆ วันนี้มีซัพพลายเออร์ที่มีชื่อเสียงระดับโลกหลายรายที่เสนอแอปพลิเคชัน Olap รวมถึง IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube

การประมวลผลเชิงวิเคราะห์ออนไลน์

OLAP เป็นเครื่องมือที่ช่วยให้คุณตัดสินใจเกี่ยวกับเหตุการณ์ที่วางแผนไว้ การคำนวณ Olap ผิดปกติอาจมีความซับซ้อนมากกว่าการรวบรวมข้อมูล ข้อความค้นหาวิเคราะห์ต่อนาที (AQM) ใช้เป็นข้อมูลอ้างอิงมาตรฐานสำหรับการเปรียบเทียบประสิทธิภาพของเครื่องมือต่างๆ ระบบเหล่านี้ควรซ่อนผู้ใช้ให้มากที่สุดเท่าที่จะทำได้จากไวยากรณ์ของการสืบค้นที่ซับซ้อนและให้เวลาตอบสนองที่สอดคล้องกันสำหรับทุกคน (ไม่ว่าจะซับซ้อนแค่ไหน)

คุณสมบัติหลักของ OLAP มีดังต่อไปนี้:

1. การแสดงข้อมูลหลายมิติ
2. รองรับการคำนวณที่ซับซ้อน
3. ปัญญาชั่วคราว

การนำเสนอหลายมิติเป็นพื้นฐานสำหรับการประมวลผลเชิงวิเคราะห์ผ่านการเข้าถึงข้อมูลขององค์กรได้อย่างยืดหยุ่น ช่วยให้ผู้ใช้สามารถวิเคราะห์ข้อมูลในทุกมิติและทุกระดับของการรวมตัว

การสนับสนุนการประมวลผลที่ซับซ้อนเป็นรากฐานของซอฟต์แวร์ OLAP

หน่วยสืบราชการลับชั่วคราวใช้เพื่อประเมินประสิทธิภาพของแอพพลิเคชั่นการวิเคราะห์ในช่วงระยะเวลาหนึ่ง ตัวอย่างเช่นเดือนนี้เมื่อเทียบกับเดือนก่อนหน้าเดือนนี้เมื่อเทียบกับเดือนเดียวกันของปีที่แล้ว

โครงสร้างข้อมูลหลายมิติ

หนึ่งในคุณสมบัติหลักของการประมวลผลเชิงวิเคราะห์ออนไลน์คือโครงสร้างข้อมูลหลายมิติ คิวบ์สามารถมีหลายมิติ ด้วยโมเดลนี้กระบวนการทั้งหมดของการวิเคราะห์อัจฉริยะ OLAP นั้นง่ายสำหรับผู้จัดการและผู้บริหารเนื่องจากวัตถุที่แสดงในเซลล์นั้นเป็นวัตถุทางธุรกิจในโลกแห่งความเป็นจริง นอกจากนี้ตัวแบบข้อมูลนี้ยังช่วยให้ผู้ใช้ประมวลผลไม่เพียง แต่อาร์เรย์ที่มีโครงสร้าง แต่ยังรวมถึงโครงสร้างที่ไม่มีโครงสร้างและกึ่งโครงสร้างอีกด้วยทั้งหมดนี้ทำให้พวกเขาได้รับความนิยมโดยเฉพาะอย่างยิ่งสำหรับการวิเคราะห์ข้อมูลและการใช้งาน BI

คุณสมบัติที่สำคัญของระบบ OLAP:

1. ใช้วิธีการวิเคราะห์ข้อมูลหลายมิติ
2. ให้การสนับสนุนฐานข้อมูลขั้นสูง
3. สร้างส่วนต่อประสานกับผู้ใช้ปลายทางที่ใช้งานง่าย
4. รองรับสถาปัตยกรรมไคลเอนต์ / เซิร์ฟเวอร์

หนึ่งในองค์ประกอบหลักของแนวคิด OLAP คือเซิร์ฟเวอร์ฝั่งไคลเอ็นต์ นอกเหนือจากการรวบรวมและประมวลผลข้อมูลล่วงหน้าจากฐานข้อมูลเชิงสัมพันธ์แล้วยังมีการคำนวณขั้นสูงและพารามิเตอร์การบันทึกฟังก์ชั่นเพิ่มเติมความสามารถในการสืบค้นขั้นสูงขั้นพื้นฐานและฟังก์ชั่นอื่น ๆ

ขึ้นอยู่กับแอปพลิเคชันตัวอย่างที่เลือกโดยผู้ใช้มีตัวแบบข้อมูลและเครื่องมือต่าง ๆ รวมถึงการแจ้งเตือนแบบเรียลไทม์ซึ่งเป็นคุณสมบัติสำหรับการใช้สถานการณ์แบบ what-if การปรับให้เหมาะสมและรายงาน OLAP ที่ซับซ้อน

รูปทรงลูกบาศก์

แนวคิดจะขึ้นอยู่กับรูปทรงลูกบาศก์ ตำแหน่งของข้อมูลในนั้นแสดงให้เห็นว่า OLAP ปฏิบัติตามหลักการของการวิเคราะห์หลายตัวแปรซึ่งเป็นผลมาจากโครงสร้างข้อมูลถูกสร้างขึ้นเพื่อการวิเคราะห์ที่รวดเร็วและมีประสิทธิภาพ

OLAP cube เรียกอีกอย่างว่า "ไฮเปอร์คิวบ์" มันอธิบายว่าประกอบด้วยข้อเท็จจริงตัวเลข (มาตรการ) จำแนกตามแง่มุม (มิติ) มิติเกี่ยวข้องกับคุณลักษณะที่กำหนดปัญหาทางธุรกิจ พูดง่ายๆคือมิติคือป้ายกำกับที่อธิบายการวัด ตัวอย่างเช่นในรายงานการขายการวัดจะเป็นปริมาณการขายและส่วนข้อมูลจะรวมระยะเวลาการขายผู้ขายผลิตภัณฑ์หรือบริการและภูมิภาคการขาย ในการรายงานการปฏิบัติงานการผลิตการวัดอาจเป็นต้นทุนการผลิตทั้งหมดและหน่วยผลผลิต ขนาดจะเป็นวันที่หรือเวลาของการผลิตขั้นตอนการผลิตหรือขั้นตอนแม้แต่คนงานที่เกี่ยวข้องในกระบวนการผลิต

OLAP data cube เป็นรากฐานที่สำคัญของระบบ ข้อมูลในคิวบ์ถูกจัดระเบียบโดยใช้รูปแบบดาวหรือเกล็ดหิมะ ในศูนย์มีตารางข้อเท็จจริงที่มีมวลรวม (การวัด) มันเกี่ยวข้องกับชุดของตารางการวัดที่มีข้อมูลเกี่ยวกับการวัด มิติข้อมูลอธิบายวิธีการวิเคราะห์มาตรการเหล่านี้ หากคิวบ์มีมากกว่าสามมิติมักเรียกว่าไฮเปอร์คิวบ์

หนึ่งในฟังก์ชั่นหลักที่เป็นของคิวบ์คือลักษณะคงที่ซึ่งหมายความว่าคิวบ์ไม่สามารถเปลี่ยนแปลงได้หลังจากการพัฒนา ดังนั้นกระบวนการสร้างคิวบ์และตั้งค่าโมเดลข้อมูลจึงเป็นขั้นตอนสำคัญในการประมวลผลข้อมูลที่เหมาะสมในสถาปัตยกรรม OLAP

การรวมข้อมูล

การใช้การรวมเป็นสาเหตุหลักที่ทำให้คำขอถูกประมวลผลเร็วขึ้นมากในเครื่องมือ OLAP (เมื่อเทียบกับ OLTP) การสรุปรวมเป็นข้อมูลสรุปที่ถูกคำนวณก่อนหน้านี้ระหว่างการประมวลผล สมาชิกทั้งหมดที่เก็บในตารางมิติ OLAP จะกำหนดคิวรีที่คิวบ์สามารถรับได้

ในคิวบ์การสะสมข้อมูลจะถูกเก็บไว้ในเซลล์พิกัดที่ระบุโดยขนาดเฉพาะ จำนวนการรวมที่คิวบ์สามารถมีขึ้นอยู่กับการรวมกันขององค์ประกอบมิติที่เป็นไปได้ทั้งหมด ดังนั้นคิวบ์ทั่วไปในแอปพลิเคชันสามารถมีมวลรวมจำนวนมาก การคำนวณเบื้องต้นจะดำเนินการเฉพาะกับการรวมคีย์ที่กระจายไปทั่วคิวบ์วิเคราะห์ของการวิเคราะห์ออนไลน์ สิ่งนี้จะลดเวลาที่ต้องใช้ในการพิจารณาการรวมตัวใด ๆ อย่างมีนัยสำคัญเมื่อดำเนินการแบบสอบถามในตัวแบบข้อมูล

นอกจากนี้ยังมีสองตัวเลือกที่เกี่ยวข้องกับการรวมที่คุณสามารถปรับปรุงประสิทธิภาพของคิวบ์ที่เสร็จแล้ว: สร้างการรวมของแคชความสามารถและใช้การรวมตามการวิเคราะห์คำขอของผู้ใช้

หลักการทำงาน

โดยทั่วไปแล้วการวิเคราะห์ข้อมูลการดำเนินงานที่ได้รับจากการทำธุรกรรมสามารถทำได้โดยใช้สเปรดชีตอย่างง่าย (ค่าข้อมูลจะแสดงในแถวและคอลัมน์) นี่เป็นสิ่งที่ดีเนื่องจากธรรมชาติของข้อมูลสองมิติ ในกรณีของ OLAP มีความแตกต่างเนื่องจากอาร์เรย์ข้อมูลหลายมิติเนื่องจากพวกเขามักจะได้รับจากแหล่งที่แตกต่างกันสเปรดชีตอาจไม่สามารถประมวลผลได้อย่างมีประสิทธิภาพ

คิวบ์แก้ปัญหานี้และยังทำให้มั่นใจได้ว่าคลังข้อมูล OLAP ทำงานในลักษณะที่เป็นตรรกะและเป็นระเบียบ ธุรกิจรวบรวมข้อมูลจากแหล่งต่าง ๆ มากมายและนำเสนอในรูปแบบต่าง ๆ เช่นไฟล์ข้อความไฟล์มัลติมีเดียสเปรดชีต Excel ฐานข้อมูล Access และฐานข้อมูล OLTP

ข้อมูลทั้งหมดจะถูกรวบรวมในแหล่งเก็บข้อมูลที่กรอกโดยตรงจากแหล่งที่มา ในนั้นข้อมูลดิบที่ได้รับจาก OLTP และแหล่งข้อมูลอื่น ๆ จะถูกล้างออกจากธุรกรรมที่ผิดพลาดไม่สมบูรณ์และไม่สอดคล้องกัน

หลังจากทำความสะอาดและแปลงข้อมูลจะถูกเก็บไว้ในฐานข้อมูลเชิงสัมพันธ์ จากนั้นจะถูกอัปโหลดไปยังเซิร์ฟเวอร์ OLAP หลายมิติ (หรือ Olap คิวบ์) สำหรับการวิเคราะห์ ผู้ใช้ที่รับผิดชอบการใช้งานทางธุรกิจการขุดข้อมูลและการดำเนินธุรกิจอื่น ๆ จะสามารถเข้าถึงข้อมูลที่ต้องการจาก Olap cube ได้

ประโยชน์ของแบบจำลองอาร์เรย์

OLAP เป็นเครื่องมือที่ให้ประสิทธิภาพการสืบค้นที่รวดเร็วซึ่งทำได้ผ่านการจัดเก็บข้อมูลที่ดีที่สุดการจัดทำดัชนีหลายมิติและการแคชซึ่งเป็นข้อได้เปรียบที่สำคัญของระบบ นอกจากนี้ข้อดีคือ:

1. ข้อมูลเล็กลงบนดิสก์
2. การคำนวณแบบอัตโนมัติของมวลรวมของข้อมูลในระดับที่สูงขึ้น
3. โมเดล Array จัดทำดัชนีตามธรรมชาติ
4. การดึงข้อมูลที่มีประสิทธิภาพทำได้โดยการกำหนดโครงสร้างล่วงหน้า
5. ขนาดกะทัดรัดสำหรับชุดข้อมูลที่มีมิติต่ำ

ข้อเสียของ OLAP รวมถึงความจริงที่ว่าโซลูชันบางอย่าง (ขั้นตอนการประมวลผล) อาจมีความยาวโดยเฉพาะอย่างยิ่งกับข้อมูลจำนวนมาก สิ่งนี้มักจะถูกแก้ไขโดยทำการประมวลผลแบบเพิ่มหน่วยเท่านั้น (ศึกษาข้อมูลที่ได้รับการแก้ไข)

การดำเนินการวิเคราะห์ขั้นพื้นฐาน

บิด (roll-up / drill-up) หรือที่เรียกว่า“ การรวม” การแข็งตัวเกี่ยวข้องกับการรวบรวมข้อมูลทั้งหมดที่สามารถรับได้และการคำนวณทั้งหมดในหนึ่งมิติหรือมากกว่า บ่อยที่สุดสิ่งนี้อาจต้องมีการประยุกต์ใช้สูตรทางคณิตศาสตร์ เป็นตัวอย่างของ OLAP เราสามารถพิจารณาเครือข่ายค้าปลีกที่มีสาขาในเมืองต่าง ๆ เพื่อระบุรุ่นและคาดการณ์แนวโน้มการขายในอนาคตข้อมูลเกี่ยวกับพวกเขาจากทุกจุดจะ“ ยุบ” ลงในแผนกขายหลักของ บริษัท เพื่อการรวมและคำนวณ

การเปิดเผย (เจาะลง) นี่คือสิ่งที่ตรงกันข้ามของการแข็งตัว กระบวนการเริ่มต้นด้วยชุดข้อมูลขนาดใหญ่แล้วแบ่งออกเป็นส่วนเล็ก ๆ ดังนั้นผู้ใช้สามารถดูรายละเอียด ในตัวอย่างเครือข่ายค้าปลีกนักวิเคราะห์จะวิเคราะห์ข้อมูลการขายและดูแต่ละแบรนด์หรือผลิตภัณฑ์ที่พิจารณาว่าเป็นสินค้าขายดีในแต่ละร้านในเมืองต่างๆ

ส่วน (ฝานและลูกเต๋า) นี่เป็นกระบวนการเมื่อการดำเนินการวิเคราะห์รวมสองการกระทำ: รับชุดข้อมูลเฉพาะจากคิวบ์ OLAP (“ การตัด” ด้านการวิเคราะห์) และดูจากมุมมองหรือมุมที่แตกต่างกัน สิ่งนี้สามารถเกิดขึ้นได้เมื่อได้รับข้อมูลทั้งหมดของช่องรับและป้อนลงในไฮเปอร์คิวบ์ นักวิเคราะห์ตัดชุดข้อมูลการขายจาก OLAP Cube จากนั้นจะดูเมื่อวิเคราะห์ยอดขายของแต่ละหน่วยในแต่ละภูมิภาค ในขณะนี้ผู้ใช้รายอื่นอาจมุ่งเน้นการประเมินความคุ้มค่าของการขายหรือการประเมินประสิทธิผลของแคมเปญการตลาดและการโฆษณา

บิด (Pivot) มันหมุนแกนข้อมูลเพื่อให้การแทนที่สำหรับการนำเสนอข้อมูล

ความหลากหลายของฐานข้อมูล

โดยหลักการแล้วนี่คือ OLAP cube แบบทั่วไปที่ใช้การประมวลผลการวิเคราะห์ข้อมูลหลายมิติโดยใช้ OLAP Cube หรือ data cube ใด ๆ เพื่อให้กระบวนการวิเคราะห์สามารถเพิ่มมิติได้ตามต้องการ ข้อมูลใด ๆ ที่อัปโหลดไปยังฐานข้อมูลหลายมิติจะถูกจัดเก็บหรือเก็บถาวรและสามารถเรียกใช้ได้เมื่อต้องการ

ระบบหรือเทคโนโลยี OLAP ที่ไม่ค่อยเป็นที่รู้จักนั้นมีอยู่ แต่สิ่งเหล่านี้เป็นระบบหลักที่องค์กรขนาดใหญ่โครงสร้างธุรกิจและแม้แต่รัฐบาลใช้ในปัจจุบัน

เครื่องมือ OLAP

เครื่องมือสำหรับการประมวลผลการวิเคราะห์ออนไลน์นั้นได้รับการนำเสนออย่างดีบนอินเทอร์เน็ตในรูปแบบของเวอร์ชันที่จ่ายและฟรี

ความนิยมสูงสุดของพวกเขา:

1. Dundas BI จาก Dundas Data Visualization เป็นแพลตฟอร์มที่ใช้เบราว์เซอร์สำหรับระบบธุรกิจอัจฉริยะและการสร้างภาพข้อมูลซึ่งรวมถึงแดชบอร์ดรวมเครื่องมือรายงาน OLAP และการวิเคราะห์ข้อมูล
2. Yellowfin เป็นแพลตฟอร์มระบบธุรกิจอัจฉริยะซึ่งเป็นโซลูชั่นครบวงจรที่ออกแบบมาสำหรับ บริษัท ในอุตสาหกรรมและขนาดต่าง ๆ ระบบนี้มีการกำหนดค่าสำหรับองค์กรในด้านการบัญชีการโฆษณาเกษตรกรรม
3. ClicData เป็นโซลูชันระบบธุรกิจอัจฉริยะ (BI) ที่ออกแบบมาเพื่อใช้กับธุรกิจขนาดเล็กและขนาดกลางเป็นหลัก เครื่องมือนี้ช่วยให้ผู้ใช้ปลายทางสร้างรายงานและแดชบอร์ด บอร์ดถูกสร้างขึ้นเพื่อรวมข่าวกรองธุรกิจการจัดการประสิทธิภาพขององค์กรและเป็นระบบที่ทำงานได้อย่างสมบูรณ์ที่ให้บริการ บริษัท ระดับกลางและระดับองค์กร
4. Domo เป็นแพคเกจการจัดการธุรกิจบนคลาวด์ที่รวมเข้ากับแหล่งข้อมูลหลายแห่งรวมถึงสเปรดชีตฐานข้อมูลเครือข่ายสังคมออนไลน์และคลาวด์ที่มีอยู่หรือโซลูชันซอฟต์แวร์ในสถานที่
5. InetSoft Style Intelligence เป็นแพลตฟอร์มซอฟต์แวร์ระบบธุรกิจอัจฉริยะที่ช่วยให้ผู้ใช้สามารถสร้างแดชบอร์ดเทคโนโลยีการวิเคราะห์ OLAP ที่มองเห็นและรายงานโดยใช้กลไกตอบโต้กับผู้ใช้ได้
6. Birst จากอินฟอร์ บริษัท เป็นโซลูชั่นเครือข่ายสำหรับนักวิเคราะห์ธุรกิจและการวิเคราะห์ซึ่งรวมความคิดของทีมต่าง ๆ และช่วยในการตัดสินใจ เครื่องมือนี้ช่วยให้ผู้ใช้กระจายอำนาจเพื่อเพิ่มรูปแบบของทีมองค์กร
7. Halo คือการจัดการห่วงโซ่อุปทานที่ครอบคลุมและระบบธุรกิจอัจฉริยะที่ช่วยในการวางแผนธุรกิจและการพยากรณ์สินค้าคงคลังสำหรับการจัดการห่วงโซ่อุปทาน ระบบใช้ข้อมูลจากทุกแหล่ง - ขนาดใหญ่ขนาดเล็กและขนาดกลาง
8. Chartio เป็นโซลูชันระบบธุรกิจอัจฉริยะบนคลาวด์ที่ให้ผู้ก่อตั้งกลุ่มธุรกิจนักวิเคราะห์ข้อมูลและกลุ่มผลิตภัณฑ์พร้อมเครื่องมือสำหรับองค์กรในการทำงานประจำวัน
9. Exago BI เป็นโซลูชันบนเว็บที่ออกแบบมาสำหรับการนำไปใช้ในเว็บแอปพลิเคชัน การติดตั้ง Exago BI ช่วยให้ บริษัท ทุกขนาดสามารถจัดทำรายงานพิเศษแบบทันเวลาและโต้ตอบได้

ผลกระทบทางธุรกิจ

ผู้ใช้จะพบ OLAP ในแอปพลิเคชันธุรกิจส่วนใหญ่ในอุตสาหกรรมต่างๆการวิเคราะห์ไม่เพียง แต่ใช้โดยธุรกิจ แต่ยังรวมถึงผู้มีส่วนได้เสียอื่น ๆ

แอปพลิเคชั่นที่ใช้กันทั่วไปบางส่วน ได้แก่ :

1. การวิเคราะห์ข้อมูลทางการตลาด OLAP
2. งบการเงินที่ครอบคลุมการขายและค่าใช้จ่ายการจัดทำงบประมาณและการวางแผนทางการเงิน
3. การจัดการกระบวนการธุรกิจ
4. การวิเคราะห์การขาย
5. การตลาดฐานข้อมูล

อุตสาหกรรมยังคงเติบโตซึ่งหมายความว่าผู้ใช้จะเห็นแอปพลิเคชัน OLAP เพิ่มเติมเร็ว ๆ นี้ การประมวลผลที่ปรับได้หลายมิติให้การวิเคราะห์แบบไดนามิกมากขึ้น ด้วยเหตุนี้ระบบ OLAP และเทคโนโลยีเหล่านี้จึงถูกใช้เพื่อประเมินสถานการณ์สมมติและสถานการณ์ธุรกิจทางเลือก