Ano ang mga OLAP system?

Ang online na pag-aaral ng pagproseso, o OLAP, ay isang epektibong teknolohiya sa pagproseso ng data, bilang isang resulta kung saan, batay sa napakalaking mga arrays ng lahat ng uri ng data, ang panghuling impormasyon ay ipinapakita. Ito ay isang malakas na produkto na tumutulong upang mai-access, makuha at tingnan ang impormasyon sa isang PC, pag-aralan ito mula sa iba't ibang mga punto ng view.

Ang OLAP ay isang tool na nagbibigay ng isang madiskarteng posisyon para sa pangmatagalang pagpaplano at isinasaalang-alang ang pangunahing impormasyon ng data ng pagpapatakbo para sa isang pananaw ng 5, 10 o higit pang mga taon. Ang data ay naka-imbak sa database na may sukat, na kung saan ay ang kanilang katangian. Maaaring tingnan ng mga gumagamit ang parehong set ng data na may iba't ibang mga katangian, depende sa layunin ng pagsusuri.

Kasaysayan ng OLAP

Ang OLAP ay hindi isang bagong konsepto at ginamit nang mga dekada. Sa katunayan, ang pinagmulan ng teknolohiya ay nasubaybayan pabalik noong 1962. Ngunit ang termino ay coined lamang noong 1993 ng database ng may-akda na si Ted Coddom, na nagtakda din ng 12 mga patakaran para sa produkto. Tulad ng sa maraming iba pang mga aplikasyon, ang konsepto ay dumaan sa maraming yugto ng ebolusyon.

Ang kasaysayan ng teknolohiya ng OLAP mismo ay nagsimula noong 1970, nang mailabas ang mga mapagkukunan ng impormasyon sa Express at ang unang server ng Olap. Nakuha sila ng Oracle noong 1995 at kasunod ay naging batayan ng online na pag-aaral ng pag-proseso ng multidimensional computing mekanismo na ibinigay ng kilalang tatak ng computer sa database nito. Noong 1992, isa pang kilalang online analytical processing product Essbase ay pinakawalan ng Arbor Software (nakuha ng Oracle noong 2007).

Noong 1998, inilabas ng Microsoft ang server ng data sa pagproseso ng data, MS Services Services. Nag-ambag ito sa pagiging popular ng teknolohiya at sinenyasan ang pagbuo ng iba pang mga produkto. Ngayon, maraming mga kilalang supplier sa mundo na nag-aalok ng Olap-application, kabilang ang IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Pagpoproseso ng Online na Analytical

Ang OLAP ay isang tool na nagbibigay-daan sa iyo upang gumawa ng mga pagpapasya tungkol sa mga nakaplanong kaganapan. Ang pagkalkula ng atypical Olap ay maaaring maging mas kumplikado kaysa sa pag-iipon lamang ng data. Ang Analytical Query bawat Minuto (AQM) ay ginagamit bilang isang pamantayang sanggunian para sa paghahambing ng pagganap ng iba't ibang mga instrumento. Ang mga sistemang ito ay dapat itago ang mga gumagamit hangga't maaari mula sa syntax ng kumplikadong mga query at magbigay ng isang pare-pareho ang oras ng pagtugon para sa lahat (kahit gaano pa kumplikado ang mga ito).

Ang mga sumusunod na pangunahing tampok ng OLAP ay umiiral:

1. Mga representasyon ng multidimensional na data.
2. Suporta para sa kumplikadong computing.
3. Pansamantalang katalinuhan.

Ang Multidimensional na pagtatanghal ay nagbibigay ng batayan para sa pagproseso ng analitikal sa pamamagitan ng kakayahang umangkop na pag-access sa data ng korporasyon. Pinapayagan nitong pag-aralan ang mga gumagamit ng data sa anumang sukat at sa anumang antas ng pagsasama-sama.

Ang suporta para sa kumplikadong computing ay ang pundasyon ng OLAP software.

Ang pansamantalang katalinuhan ay ginagamit upang suriin ang pagiging epektibo ng anumang analytical application sa isang tiyak na tagal ng panahon. Halimbawa, sa buwang ito kumpara sa nakaraang buwan, sa buwang ito kumpara sa parehong buwan noong nakaraang taon.

Maraming istraktura ng data ng multidimensional

Ang isa sa mga pangunahing katangian ng pagproseso ng online na analytical ay ang istruktura ng data na multidimensional. Ang isang kubo ay maaaring magkaroon ng maraming mga sukat. Salamat sa modelong ito, ang buong proseso ng matalinong pagsusuri sa OLAP ay simple para sa mga tagapamahala at executive, dahil ang mga bagay na kinakatawan sa mga cell ay mga bagay na pang-mundo. Bilang karagdagan, ang modelong data na ito ay nagpapahintulot sa mga gumagamit na magproseso hindi lamang nakabalangkas na mga arrays, kundi pati na rin ang hindi nakabalangkas at mga semi-nakabalangkas.Ang lahat ng ito ay lalo silang tanyag para sa pagsusuri ng data at mga aplikasyon ng BI.

Mga Pangunahing Tampok ng OLAP Systems:

1. Gumamit ng mga pamamaraan ng pagsusuri ng multidimensional na data.
2. Magbigay ng advanced na suporta sa database.
3. Lumikha ng madaling magamit na mga interface ng end-user.
4. Suportahan ang arkitektura ng client / server.

Ang isa sa mga pangunahing sangkap ng mga konsepto ng OLAP ay isang client-side server. Bilang karagdagan sa pag-iipon at pre-processing data mula sa isang relational database, nagbibigay ito ng advanced na pagkalkula at pag-record ng mga parameter, mga karagdagang pag-andar, pangunahing advanced na mga kakayahan sa query at iba pang mga pag-andar.

Depende sa halimbawang application na pinili ng gumagamit, ang iba't ibang mga modelo ng data at tool ay magagamit, kabilang ang mga alerto sa real-time, isang function para sa paglalapat ng kung-kung mga sitwasyon, pag-optimize, at kumplikadong ulat ng OLAP.

Hugis ng cubic

Ang konsepto ay batay sa isang kubiko na hugis. Ang lokasyon ng data sa loob nito ay nagpapakita kung paano sumusunod ang OLAP sa prinsipyo ng pagsusuri ng multivariate, bilang isang resulta ng isang istraktura ng data ay nilikha para sa mabilis at mahusay na pagsusuri.

Ang isang OLAP cube ay tinatawag ding "hypercube." Inilarawan ito na binubuo ng mga katotohanan na numero (mga panukala), na inuri ayon sa mga facet (sukat). Ang mga sukat ay nauugnay sa mga katangian na tumutukoy sa isang problema sa negosyo. Nang simple, ang isang sukat ay isang label na naglalarawan ng isang panukala. Halimbawa, sa mga ulat ng benta, ang panukala ay magiging dami ng benta, at ang mga sukat ay isasama ang panahon ng mga benta, nagbebenta, isang produkto o serbisyo, at ang rehiyon ng mga benta. Sa pag-uulat ng mga operasyon ng produksyon, ang panukala ay maaaring kabuuang gastos sa produksyon at mga yunit ng output. Ang mga sukat ay ang petsa o oras ng paggawa, ang yugto ng produksiyon o yugto, maging ang mga manggagawa na kasangkot sa proseso ng paggawa.

Ang OLAP data cube ay ang pundasyon ng system. Ang data sa kubo ay isinaayos gamit ang isang pattern ng bituin o snowflake. Sa gitna mayroong isang talahanayan ng katotohanan na naglalaman ng mga pinagsama (mga hakbang). Ito ay nauugnay sa isang serye ng mga talahanayan sa pagsukat na naglalaman ng impormasyon tungkol sa mga panukala. Inilalarawan ng mga sukat kung paano masuri ang mga hakbang na ito. Kung ang isang kubo ay naglalaman ng higit sa tatlong mga sukat, madalas itong tinatawag na isang hypercube.

Ang isa sa mga pangunahing pag-andar na kabilang sa kubo ay ang static na katangian nito, na nagpapahiwatig na ang kubo ay hindi mababago pagkatapos ng pag-unlad nito. Samakatuwid, ang proseso ng pagbuo ng isang kubo at pag-set up ng isang modelo ng data ay isang mahalagang hakbang tungo sa naaangkop na pagproseso ng data sa arkitektura ng OLAP.

Ang pagsasama-sama ng data

Ang paggamit ng mga pinagsama-samang ay ang pangunahing dahilan kung bakit ang mga kahilingan ay naproseso nang mas mabilis sa mga tool na OLAP (kumpara sa OLTP). Ang mga pagsasama ay mga buod ng data na dati nang kinakalkula sa pagproseso. Ang lahat ng mga miyembro na nakaimbak sa mga talahanang sukat ng OLAP ay tukuyin ang mga query na maaaring matanggap ng kubo.

Sa isang kubo, ang mga akumulasyon ng impormasyon ay nakaimbak sa mga cell, ang mga coordinate na kung saan ay tinukoy ng mga tiyak na laki. Ang bilang ng mga pinagsama-sama na maaaring maglaman ng isang kubo ay nakasalalay sa lahat ng posibleng mga kumbinasyon ng mga elemento ng sukat. Samakatuwid, ang isang tipikal na kubo sa isang application ay maaaring maglaman ng isang napakalaking bilang ng mga pinagsama-samang. Ang isang paunang pagkalkula ay isasagawa lamang para sa mga pangunahing pinagsama-sama na ipinamamahagi sa buong analytic cube ng online analytics. Ito ay makabuluhang bawasan ang oras na kinakailangan upang matukoy ang anumang mga pagsasama kapag nagsasagawa ng isang query sa isang modelo ng data.

Mayroon ding dalawang mga pagpipilian na nauugnay sa mga pinagsama-sama kung saan maaari mong mapabuti ang pagganap ng isang tapos na kubo: lumikha ng isang pagsasama-sama ng mga kakayahan ng cache at gumamit ng pagsasama batay sa isang pagsusuri ng mga kahilingan ng gumagamit.

Prinsipyo ng pagtatrabaho

Karaniwan, ang pagsusuri ng impormasyon sa pagpapatakbo na nakuha mula sa mga transaksyon ay maaaring isagawa gamit ang isang simpleng spreadsheet (ang mga halaga ng data ay ipinakita sa mga hilera at haligi). Ito ay mahusay na ibinigay ng dalawang-dimensional na likas na katangian ng data. Sa kaso ng OLAP, may mga pagkakaiba-iba dahil sa hanay ng data ng multidimensional.Dahil madalas silang nakuha mula sa iba't ibang mga mapagkukunan, ang isang spreadsheet ay maaaring hindi palaging magagawang iproseso ang mga ito nang mahusay.

Malutas ng kubo ang problemang ito at tinitiyak din na ang bodega ng data ng OLAP ay nagpapatakbo sa isang lohikal at maayos na paraan. Ang negosyo ay nangongolekta ng data mula sa maraming mga mapagkukunan at ipinakita sa iba't ibang mga format tulad ng mga file ng teksto, mga file ng multimedia, mga spreadsheet ng Excel, mga database ng pag-access at maging ang mga database ng OLTP.

Ang lahat ng data ay nakolekta sa isang imbakan na napuno nang direkta mula sa mga mapagkukunan. Sa loob nito, ang hilaw na impormasyon na natanggap mula sa OLTP at iba pang mga mapagkukunan ay mai-clear ng anumang maling, hindi kumpleto at hindi pantay na mga transaksyon.

Pagkatapos ng paglilinis at pagbabalik-loob, ang impormasyon ay maiimbak sa isang database ng pamanggit. Pagkatapos ay mai-upload ito sa multidimensional na OLAP server (o Olap cube) para sa pagsusuri. Ang mga end user na responsable para sa mga aplikasyon ng negosyo, data mining at iba pang mga operasyon ng negosyo ay makakakuha ng access sa impormasyong kailangan nila mula sa kubo ng Olap.

Mga Pakinabang ng Modelo ng Array

Ang OLAP ay isang tool na nagbibigay ng mabilis na pagganap ng query, na nakamit sa pamamagitan ng na-optimize na imbakan, pag-index ng multidimensional, at caching, na mga makabuluhang pakinabang ng system. Bilang karagdagan, ang mga kalamangan ay:

1. Mas maliit na data sa disk.
2. Ang awtomatikong pagkalkula ng mga pinagsama-samang ng isang mas mataas na antas ng data.
3. Ang mga modelo ng Array ay nagbibigay ng natural na pag-index.
4. Ang mahusay na pagkuha ng data ay nakamit sa pamamagitan ng pre-structuring.
5. Compact para sa mga mababang dimensional na mga database.

Ang mga kawalan ng OLAP ay kasama ang katotohanan na ang ilang mga solusyon (hakbang sa pagproseso) ay maaaring maging haba, lalo na sa malaking halaga ng impormasyon. Ito ay karaniwang naitama sa pamamagitan ng pagsasagawa lamang ng pagdagdag ng pagpoproseso (ang data na nabago ay pinag-aralan).

Pangunahing operasyon ng analitikal

Pagbubuo (roll-up / drill-up) ay kilala rin bilang "pagsasama-sama". Ang coagulation ay nagsasangkot sa pagkolekta ng lahat ng data na maaaring makuha, at pagkalkula ng lahat sa isa o higit pang mga sukat. Kadalasan, ito ay maaaring mangailangan ng aplikasyon ng isang pormula sa matematika. Bilang halimbawa ng OLAP, maaari nating isaalang-alang ang isang tingian na network na may mga saksakan sa iba't ibang mga lungsod. Upang matukoy ang mga modelo at inaasahan ang mga uso sa benta sa hinaharap, ang data tungkol sa mga ito mula sa lahat ng mga punto ay "gumuho" sa pangunahing departamento ng benta ng kumpanya para sa pagsasama-sama at pagkalkula.

Pagbubunyag (drill-down). Ito ang kabaligtaran ng coagulation. Ang proseso ay nagsisimula sa isang malaking hanay ng data at pagkatapos ay masira sa mas maliit na mga bahagi, sa gayon pinapayagan ang mga gumagamit na tingnan ang mga detalye. Sa halimbawa ng tingian ng network, susuriin ng analyst ang mga data ng benta at titingnan ang mga indibidwal na tatak o produkto na itinuturing na pinakamahusay na nagbebenta sa bawat isa sa mga saksakan sa iba't ibang mga lungsod.

Seksyon (Hiwalay at dice). Ito ay isang proseso kapag ang mga pagpapatakbo ng analitiko ay nagsasama ng dalawang aksyon: nakakuha ng isang tiyak na data na itinakda mula sa OLAP cube ("pagputol" ng aspeto ng pagsusuri) at tingnan ito mula sa iba't ibang mga punto ng view o anggulo. Ito ay maaaring mangyari kapag ang lahat ng data ng mga saksakan ay natanggap at ipinasok sa hypercube. Tinatanggal ng analyst ang data ng mga benta na itinakda mula sa OLAP Cube. Pagkatapos ay titingnan ito kapag sinusuri ang mga benta ng mga indibidwal na yunit sa bawat rehiyon. Sa oras na ito, ang iba pang mga gumagamit ay maaaring tumuon sa pagsusuri ng pagiging epektibo ng benta o pagsusuri ng pagiging epektibo ng isang kampanya sa marketing at advertising.

Lumiko (Pivot). Ang mga axes ng data ay pinaikot dito upang magbigay ng kapalit para sa pagtatanghal ng impormasyon.

Mga iba't-ibang mga database

Sa prinsipyo, ito ay isang pangkaraniwang OLAP cube na nagpapatupad ng analytical na pagproseso ng multidimensional na data gamit ang OLAP Cube o anumang data cube upang ang proseso ng analitikal ay maaaring magdagdag ng mga sukat kung kinakailangan. Ang anumang impormasyong nai-upload sa isang database ng multidimensional ay maiimbak o mai-archive at maaaring tawagan kung kinakailangan.

Hindi gaanong kilalang mga sistema ng OLAP o teknolohiya ang umiiral, ngunit ito ang pangunahing pangunahing ginagamit ng mga malalaking korporasyon, istruktura ng negosyo, at maging sa gobyerno.

Mga tool sa OLAP

Ang mga tool para sa online na pag-aaral ng pag-aaral ay napakahusay na ipinakita sa Internet sa anyo ng parehong bayad at libreng bersyon.

Ang pinakasikat sa kanila:

1. Ang Dundas BI mula sa Dundas Data Visualization ay isang platform na batay sa browser para sa katalinuhan ng negosyo at visualization ng data, na kasama ang pinagsamang mga dashboard, mga tool sa pag-uulat ng OLAP at analytics ng data.
2. Ang Yellowfin ay isang platform ng intelihensya ng negosyo, na kung saan ay isang solong pinagsama na solusyon na dinisenyo para sa mga kumpanya ng iba't ibang mga industriya at laki. Ang system na ito ay na-configure para sa mga negosyo sa larangan ng accounting, advertising, agrikultura.
3. Ang ClicData ay isang solusyon sa negosyo na intelligence (BI) na idinisenyo lalo na para sa paggamit ng mga maliliit at katamtamang laki ng mga negosyo. Pinapayagan ng tool ang mga end user na lumikha ng mga ulat at dashboard. Ang Lupon ay nilikha upang pagsamahin ang katalinuhan sa negosyo, pamamahala sa pagganap ng korporasyon at isang ganap na functional system na nagsisilbi kalagitnaan ng antas at mga kumpanya ng korporasyon.
4. Ang Domo ay isang cloud-based na pamamahala ng negosyo na pakete na nagsasama sa maraming mga mapagkukunan ng data, kasama ang mga spreadsheet, database, mga social network, at anumang umiiral na solusyon sa ulap o nasa nasasakupang software.
5. Ang InetSoft Estilo ng Katalinuhan ay isang platform ng software ng software ng negosyo na nagpapahintulot sa mga gumagamit na lumikha ng mga dashboard, teknolohiya ng visual na OLAP analysis, at mga ulat gamit ang mekanismo ng mashup.
6. Ang Birst mula sa Infor Company ay isang naka-network na solusyon para sa mga analyst ng negosyo at pagsusuri, na pinagsasama ang mga ideya ng iba't ibang mga koponan at tumutulong upang makagawa ng mga napapasyang desisyon. Pinapayagan ng tool ang desentralisadong mga gumagamit na madagdagan ang modelo ng mga koponan sa corporate.
7. Halo ay isang komprehensibong pamamahala ng supply chain at negosyo intelligence system na tumutulong sa pagpaplano ng negosyo at pagtataya ng imbentaryo para sa pamamahala ng chain chain. Ang system ay gumagamit ng data mula sa lahat ng mga mapagkukunan - malaki, maliit at intermediate.
8. Ang Chartio ay isang cloud-based na solusyon sa negosyo ng intelligence na nagbibigay ng mga tagapagtatag, grupo ng negosyo, mga analyst ng data, at mga pangkat ng produkto na may mga tool sa organisasyon para sa pang-araw-araw na gawain.
9. Ang Exago BI ay isang solusyon na batay sa web na idinisenyo para sa pagpapatupad sa mga aplikasyon ng web. Ang pagpapatupad ng Exago BI ay nagbibigay-daan sa mga kumpanya ng lahat ng mga sukat na magbigay ng kanilang mga customer ng espesyal, napapanahong at interactive na pag-uulat.

Epekto ng negosyo

Malalaman ng gumagamit ang OLAP sa karamihan ng mga aplikasyon ng negosyo sa buong industriya.Ang pagsusuri ay ginagamit hindi lamang sa pamamagitan ng negosyo, kundi pati na rin ng iba pang mga interesadong partido.

Ang ilan sa mga pinaka-karaniwang aplikasyon nito ay kinabibilangan ng:

1. Pag-aaral sa data ng OLAP sa marketing.
2. Mga pahayag sa pananalapi na sumasaklaw sa mga benta at gastos, pagbabadyet at pagpaplano sa pananalapi.
3. Pamamahala sa proseso ng negosyo.
4. Pagsusuri sa pagbebenta.
5. Marketing sa Database.

Patuloy na lumalaki ang mga industriya, nangangahulugang makikita ng mga gumagamit ang mas maraming mga aplikasyon ng OLAP. Ang pagpoproseso ng pinapasadyang Multidimensional ay nagbibigay ng higit na dynamic na pagsusuri. Ito ay para sa kadahilanang ito na ginagamit ang mga OLAP system at teknolohiyang ito upang masuri kung ano-kung ang mga sitwasyon at alternatibong mga sitwasyon sa negosyo.