سیستم های OLAP سیستم‌های OLAP مفاهیم اساسی که فناوری‌های olap روی آن‌ها عمل می‌کنند

هدف گزارش

این گزارش بر روی یکی از دسته‌بندی‌های فناوری‌های هوشمند که ابزار تحلیلی مناسبی هستند - فناوری‌های OLAP تمرکز خواهد کرد.

هدف گزارش: آشکارسازی و برجسته کردن 2 موضوع: 1) مفهوم OLAP و اهمیت کاربردی آنها در مدیریت مالی. 2) اجرای عملکرد OLAP در راه حل های نرم افزاری: تفاوت ها، فرصت ها، مزایا، معایب.

من می خواهم فوراً خاطرنشان کنم که OLAP یک ابزار جهانی است که می تواند در هر زمینه کاربردی و نه تنها در امور مالی (همانطور که از عنوان گزارش فهمیده می شود) استفاده شود که به تجزیه و تحلیل داده ها نیاز دارد. روش های مختلف.

مدیریت مالی

مدیریت مالی حوزه ای است که تحلیل در آن بیش از هر حوزه دیگری اهمیت دارد. هر گونه تصمیم مالی و مدیریتی در نتیجه رویه های تحلیلی خاصی ایجاد می شود. امروزه مدیریت مالی نقش مهمی برای عملکرد موفقیت آمیز شرکت به دست می آورد. علیرغم این واقعیت که مدیریت مالی یک فرآیند کمکی در یک شرکت است، نیاز به توجه ویژه دارد، زیرا تصمیمات مالی و مدیریتی اشتباه می تواند منجر به زیان های زیادی شود.

هدف مدیریت مالی تامین منابع مالی بنگاه در مقادیر مورد نیاز، در زمان و مکان مناسب است تا از طریق توزیع بهینه حداکثر اثر را از استفاده از آنها به دست آورد.

شاید تعیین سطح «حداکثر بهره وری در استفاده از منابع» دشوار باشد، اما در هر صورت،

مدیر مالی همیشه باید بداند:

• چه تعداد منابع مالی در دسترس است؟
• منابع مالی از کجا و چقدر تامین می شود؟
• کجا باید کارآمدتر سرمایه گذاری کرد و چرا؟
• و در چه مقطع زمانی باید این کار انجام شود؟
• چقدر برای اطمینان از عملکرد عادی شرکت مورد نیاز است؟

برای به دست آوردن پاسخ های معقول به این سؤالات، لازم است تعداد زیادی از شاخص های عملکرد را داشته باشید، تجزیه و تحلیل کنید و بدانید که چگونه آن را تجزیه و تحلیل کنید. علاوه بر این، FI تعداد زیادی از زمینه ها را پوشش می دهد: تجزیه و تحلیل جریان نقدی (حرکات پولتجزیه و تحلیل دارایی ها و بدهی ها، تجزیه و تحلیل سودآوری، تجزیه و تحلیل حاشیه ای، تجزیه و تحلیل سودآوری، تجزیه و تحلیل دسته بندی.

دانش

بنابراین، عامل کلیدی در اثربخشی فرآیند مدیریت مالی، آگاهی از موارد زیر است:

• دانش شخصی در زمینه موضوع (می توان گفت نظری و روش شناختی)، از جمله تجربه، شهود یک سرمایه دار / مدیر مالی
• دانش عمومی (شرکتی) یا اطلاعات سیستماتیک در مورد حقایق معاملات مالی در شرکت (یعنی اطلاعات مربوط به وضعیت گذشته، حال و آینده شرکت، ارائه شده در شاخص ها و اندازه گیری های مختلف)

اگر مورد اول در زمینه فعالیت این سرمایه گذار (یا مدیر منابع انسانی که این کارمند را استخدام کرده است) نهفته است، دومی باید به طور هدفمند با تلاش مشترک کارکنان خدمات مالی و اطلاعاتی در شرکت ایجاد شود.

الان چیه

با این حال، اکنون یک وضعیت متناقض در شرکت ها معمول است: اطلاعات وجود دارد، تعداد زیادی از آنها وجود دارد، بیش از حد. اما در یک وضعیت آشفته است: بدون ساختار، ناسازگار، تکه تکه، همیشه قابل اعتماد و اغلب اشتباه نیست، یافتن و دریافت آن تقریبا غیرممکن است. یک نسل طولانی و اغلب بی فایده از کوه های صورت های مالی تولید می شود که برای تجزیه و تحلیل مالی ناخوشایند است، درک آن دشوار است، زیرا نه برای مدیریت داخلی، بلکه برای ارائه به مقامات نظارتی خارجی ایجاد شده است.

طبق مطالعه ای که این شرکت انجام داده است رویترزدر میان 1300 مدیر بین المللی، 38 درصد از افراد مورد بررسی می گویند که زمان زیادی را صرف تلاش برای یافتن اطلاعات مورد نیاز خود می کنند. معلوم می شود که یک متخصص بسیار ماهر زمان زیادی را صرف تجزیه و تحلیل داده ها نمی کند، بلکه برای جمع آوری، جستجو و نظام مند کردن اطلاعات لازم برای این تجزیه و تحلیل صرف می کند. در عین حال، مدیران بار سنگینی از داده‌ها را تجربه می‌کنند که اغلب به پرونده مربوط نمی‌شود، که باز هم کارایی آنها را کاهش می‌دهد. دلیل این وضعیت: اطلاعات زیاد و کمبود دانش.

چه باید کرد

اطلاعات باید به دانش تبدیل شود. برای کسب و کار مدرن، اطلاعات ارزشمند، کسب سیستماتیک، سنتز، مبادله، استفاده از آن نوعی ارز است، اما برای دریافت آن، مانند هر فرآیند تجاری، مدیریت اطلاعات ضروری است.

کلید مدیریت اطلاعات این است که اطلاعات مناسب را به شکل مناسب به افراد مناسب در سازمان در زمان مناسب تحویل دهید. هدف از این مدیریت کمک به افراد برای همکاری بهتر با یکدیگر با استفاده از حجم فزاینده اطلاعات است.

فناوری اطلاعات در این مورد به عنوان وسیله‌ای عمل می‌کند که از طریق آن می‌توان اطلاعات را در یک شرکت نظام‌مند کرد، دسترسی کاربران خاصی را به آن فراهم کرد و ابزارهایی را برای تبدیل این اطلاعات به دانش در اختیار آنها قرار داد.

مفاهیم اساسی فناوری های OLAP

OLAP-technologies (از انگلیسی On-Line Analytical Processing) نام یک محصول خاص نیست، بلکه کل فناوری برای تجزیه و تحلیل عملیاتی داده های چند بعدی انباشته شده در ذخیره سازی است. برای درک ماهیت OLAP، لازم است فرآیند سنتی به دست آوردن اطلاعات برای تصمیم گیری در نظر گرفته شود.

سیستم پشتیبانی تصمیم گیری سنتی

در اینجا، البته، گزینه های زیادی نیز می تواند وجود داشته باشد: هرج و مرج اطلاعاتی کامل یا معمول ترین وضعیت، زمانی که یک شرکت دارای سیستم های عملیاتی است که حقایق عملیات خاص را ثبت می کند و آنها را در پایگاه های داده ذخیره می کند. برای استخراج داده‌ها از پایگاه‌های داده برای مقاصد تحلیلی، سیستمی از پرس‌وجوها برای نمونه‌های داده خاص ساخته شد.

اما این روش پشتیبانی تصمیم گیری فاقد انعطاف پذیری است و دارای معایب بسیاری است:

• از مقدار ناچیزی داده استفاده می کند که می تواند برای تصمیم گیری مفید باشد
• گاهی اوقات گزارش های پیچیده چند صفحه ای ایجاد می شود که از 1-2 خط در واقع استفاده می شود (بقیه فقط در صورت امکان) - اضافه بار اطلاعات
• واکنش آهسته فرآیند به تغییرات: در صورت نیاز به نمایش جدیدی از داده ها، در این صورت درخواست باید به طور رسمی توسط برنامه نویس توصیف و کدگذاری شود و تنها پس از آن اجرا شود. زمان انتظار: ساعت، روز. و شاید هم اکنون، فوراً به یک تصمیم نیاز باشد. اما پس از دریافت اطلاعات جدید، سوال جدیدی مطرح می شود (روشن کردن)

اگر گزارشات پرس و جو در قالب یک بعدی ارائه شود، مشکلات تجاری معمولاً چند بعدی و چند وجهی هستند. اگر می خواهید تصویر واضحی از کسب و کار شرکت داشته باشید، باید داده ها را در بخش های مختلف تجزیه و تحلیل کنید.

بسیاری از شرکت‌ها پایگاه‌های اطلاعاتی رابطه‌ای بزرگی را با مرتب‌سازی کامل کوه‌های اطلاعات استفاده نشده ایجاد می‌کنند، که به خودی خود پاسخ سریع یا کافی به رویدادهای بازار ارائه نمی‌کند. بله - پایگاه داده های رابطه ای مناسب ترین فناوری برای ذخیره داده های شرکتی بوده، هستند و خواهند بود. در مورد ... نیست تکنولوژی جدید DB، بلکه در مورد ابزارسیستم‌های تحلیلی که عملکردهای DBMS موجود را تکمیل می‌کنند و به اندازه کافی انعطاف‌پذیر هستند تا انواع مختلفی از تحلیل‌های فکری ذاتی OLAP را ارائه و خودکار کنند.

درک OLAP

چه چیزی به OLAP می دهد؟

• ابزارهای پیشرفته دسترسی به داده های ذخیره سازی
• دستکاری پویا تعاملی داده ها (چرخش، ادغام یا حفاری)
• نمایش بصری واضح داده ها
• سریع - تجزیه و تحلیل در زمان واقعی انجام می شود
• ارائه داده های چند بعدی - تجزیه و تحلیل همزمان تعدادی از شاخص ها در ابعاد چندگانه

برای به دست آوردن تأثیر استفاده از فناوری های OLAP، لازم است: 1) درک ماهیت خود فناوری ها و قابلیت های آنها. 2) به وضوح تعریف کنید که چه فرآیندهایی باید تجزیه و تحلیل شوند، با چه شاخص هایی مشخص می شوند و در چه ابعادی توصیه می شود آنها را ببینید، یعنی ایجاد یک مدل تجزیه و تحلیل.

مفاهیم اساسی که فناوری های OLAP بر روی آنها کار می کنند به شرح زیر است:

چند بعدی بودن

برای درک چند بعدی بودن داده ها، ابتدا باید جدولی ارائه کرد که به عنوان مثال، عملکرد هزینه های سازمانی را بر اساس عناصر اقتصادی و واحدهای تجاری نشان می دهد.

این داده ها در دو بعد ارائه می شوند:

• مقاله
• واحد کسب و کار

این جدول آموزنده نیست، زیرا فروش را برای یک دوره زمانی خاص نشان می دهد. برای دوره های زمانی مختلف، تحلیلگران باید چندین جدول (برای هر دوره زمانی) را با هم مقایسه کنند:

شکل، بعد 3، زمان، علاوه بر دو بعد اول را نشان می دهد. (مقاله، واحد تجاری)

راه دیگر برای نشان دادن داده های چند بعدی این است که آنها را به شکل یک مکعب نشان دهیم:

مکعب‌های OLAP به تحلیلگران اجازه می‌دهند تا داده‌ها را در بخش‌های مختلف دریافت کنند تا به سؤالاتی که کسب‌وکار می‌پرسد پاسخ دهند:

• کدام هزینه ها در کدام واحدهای تجاری حیاتی هستند؟
• هزینه های واحد تجاری در طول زمان چگونه تغییر می کند؟
• اقلام هزینه در طول زمان چگونه تغییر می کنند؟

پاسخ به چنین سؤالاتی برای تصمیم گیری مدیریت ضروری است: در مورد کاهش اقلام هزینه خاص، تأثیرگذاری بر ساختار آنها، شناسایی علل تغییرات هزینه در طول زمان، انحراف از برنامه و حذف آنها - بهینه سازی ساختار آنها.

در این مثال فقط 3 بعد در نظر گرفته شده است. نمایش بیش از 3 بعد دشوار است، اما به همان روشی که در مورد 3 بعد عمل می کند.

به طور معمول، برنامه های OLAP به شما امکان می دهند داده ها را در 3 یا چند بعد دریافت کنید، به عنوان مثال، می توانید بعد دیگری را اضافه کنید - Plan-Act، طبقه بندی هزینه: مستقیم، غیر مستقیم، بر اساس سفارش، بر اساس ماه. ابعاد اضافی به شما این امکان را می دهد که برش های تحلیلی بیشتری دریافت کنید و به سوالات با شرایط متعدد پاسخ دهید.

سلسله مراتب

OLAP همچنین به تحلیلگران اجازه می‌دهد تا هر بعد را در سلسله مراتبی از گروه‌ها و زیر گروه‌ها و کل سازماندهی کنند که معیارها را در سراسر سازمان منعکس می‌کند - منطقی‌ترین راه برای تجزیه و تحلیل یک کسب‌وکار.

به عنوان مثال، توصیه می شود هزینه ها را به صورت سلسله مراتبی گروه بندی کنید:

OLAP به تحلیلگران اجازه می دهد تا داده ها را در یک خلاصه کلی (در واقع سطح بالا) و سپس به پایین ترین سطح و سطح بعدی تمرین کنید و بنابراین دلیل دقیق تغییر اندیکاتور را کشف کنید.

OLAP با اجازه دادن به تحلیلگران برای استفاده از ابعاد چندگانه در یک مکعب داده، با امکان ساخت ابعاد سلسله مراتبی، به شما این امکان را می دهد که تصویری از تجارت دریافت کنید که توسط ساختار انبار اطلاعات فشرده نشده است.

تغییر جهت تجزیه و تحلیل در یک مکعب (چرخش داده ها)

به عنوان یک قاعده، آنها با مفاهیم کار می کنند: ابعاد مشخص شده در ستون ها، ردیف ها (ممکن است چندین باشد)، بقیه برش ها، محتویات جدول ابعاد (فروش، هزینه ها، نقدی)

به عنوان یک قاعده، OLAP به شما امکان می دهد جهت ابعاد مکعب را تغییر دهید، در نتیجه داده ها را در نماهای مختلف ارائه دهید.

نمایش داده های مکعب به موارد زیر بستگی دارد:

• جهت‌گیری ابعاد: کدام ابعاد در ردیف‌ها، ستون‌ها، برش‌ها مشخص می‌شوند.
• گروه هایی از شاخص های برجسته شده در ردیف ها، ستون ها، برش ها.
• تغییر اندازه گیری ها در محدوده اقدامات کاربر قرار دارد.

بنابراین، OLAP به شما امکان می دهد انواع مختلفی از تجزیه و تحلیل را انجام دهید و روابط آنها را با نتایج آنها درک کنید.

• تجزیه و تحلیل انحراف - تجزیه و تحلیل اجرای طرح، که با تجزیه و تحلیل عاملی علل انحراف با جزئیات شاخص ها تکمیل می شود.
• تجزیه و تحلیل وابستگی: OLAP به شما امکان می دهد وابستگی های مختلف را بین تغییرات مختلف شناسایی کنید، به عنوان مثال، وقتی آبجو از محدوده حذف شد، فروش سوسک در دو ماه اول کاهش یافت.
• نقشه برداری ( تحلیل مقایسه ای). مقایسه نتایج تغییر شاخص در طول زمان، برای گروه معینی از کالاها، در مناطق مختلف و غیره.
• تجزیه و تحلیل پویایی به شما امکان می دهد روندهای خاصی را در تغییر شاخص ها در طول زمان شناسایی کنید.

بهره وری: می توان گفت که OLAP بر اساس قوانین روانشناسی است: توانایی پردازش درخواست های اطلاعاتی در "زمان واقعی" - با سرعت فرآیند درک تحلیلی داده ها توسط کاربر.

اگر بتوانید حدود 200 رکورد در ثانیه را از یک پایگاه داده رابطه‌ای بخوانید و 20 بنویسید، یک سرور OLAP خوب، با استفاده از سطرها و ستون‌های محاسبه‌شده، می‌تواند 20000 تا 30000 سلول (معادل یک رکورد در پایگاه داده رابطه‌ای) را در هر ثانیه یکپارچه کند.

دید: باید تاکید کرد که OLAP ابزارهای پیشرفته ای را ارائه می دهد نمایش گرافیکیداده ها به کاربر نهایی مغز انسان قادر به درک و تجزیه و تحلیل اطلاعاتی است که در قالب تصاویر هندسی ارائه می شود، در حجمی چندین مرتبه بزرگتر از اطلاعات ارائه شده به شکل الفبایی. مثال: فرض کنید باید در یکی از صد عکس یک چهره آشنا پیدا کنید. من معتقدم که این روند بیش از یک دقیقه طول نمی کشد. حالا تصور کنید که به جای عکس صدها توصیف شفاهی از همان افراد به شما ارائه شود. من فکر نمی کنم شما به هیچ وجه بتوانید مشکل پیشنهادی را حل کنید.

سادگی : ویژگی اصلییکی از این فناوری‌ها این است که آنها بر استفاده نه توسط یک متخصص فناوری اطلاعات، نه توسط یک آماردان خبره، بلکه توسط یک متخصص در زمینه کاربردی - مدیر بخش اعتبار، مدیر بخش بودجه و در نهایت، تمرکز دارند. یک کارگردان آنها در نظر گرفته شده اند تا تحلیلگر با مشکل ارتباط برقرار کند، نه با رایانه..

با وجود امکانات عالی OLAP (علاوه بر این، ایده نسبتا قدیمی است - دهه 60)، عملاً هرگز در شرکت های ما استفاده نمی شود. چرا؟

• اطلاعات گم شده یا احتمالات روشن نیست
• عادت به تفکر در دو بعد
• مانع قیمت
• تولید بیش از حد مقالات اختصاص داده شده به OLAP: اصطلاحات ناآشنا ترساندن - OLAP، "کاوش و تکه های داده"، "پرس و جوهای موقت"، "شناسایی همبستگی های قابل توجه"

رویکرد ما و غربی به کاربرد OLAP

علاوه بر این، ما همچنین درک خاصی از ابزار کاربردی OLAP داریم، حتی در حالی که توانایی‌های تکنولوژیکی آن را درک می‌کنیم.

نویسندگان ما و روسی مطالب مختلف اختصاص داده شده به OLAP نظر زیر را در رابطه با سودمندی OLAP بیان می کنند: اکثریت OLAP را به عنوان ابزاری می دانند که به شما امکان می دهد داده ها را به سادگی و راحت بسط و جمع کنید و دستکاری هایی را انجام دهید که به ذهن می رسد. یک تحلیلگر در فرآیند تحلیل هرچه تحلیلگر «برش‌ها» و «برش‌های» بیشتری از داده‌ها ببیند، ایده‌های بیشتری دارد، که به نوبه‌ی خود، «برش‌های» بیشتری را برای تأیید می‌طلبد. درست نیست.

در قلب درک غربی از سودمندی OLAP یک مدل روش‌شناختی تحلیل است که باید هنگام طراحی راه‌حل‌های OLAP تعیین شود. یک تحلیلگر نباید با یک مکعب OLAP بازی کند و بدون هدف ابعاد و سطوح جزئیات، جهت گیری داده، نمایش گرافیکی داده ها را تغییر دهد (و واقعاً طول می کشد!)، اما به وضوح درک کند که به چه نماهایی، در چه ترتیبی و چرا (البته) نیاز دارد. عناصر "اکتشافات" ممکن است وجود داشته باشند، اما این یک عنصر اساسی مفید بودن OLAP نیست).

استفاده کاربردی از OLAP

• بودجه
• جریان وجوه

یکی از پربارترین زمینه های کاربرد فناوری OLAP. هیچکدوم بیهوده سیستم مدرنبودجه بندی بدون وجود یک جعبه ابزار OLAP برای تجزیه و تحلیل بودجه در ترکیب آن کامل تلقی نمی شود. اکثر گزارش های بودجه به راحتی بر اساس سیستم های OLAP ساخته می شوند. در عین حال، گزارش ها به طیف بسیار گسترده ای از سوالات پاسخ می دهند: تجزیه و تحلیل ساختار هزینه ها و درآمد، مقایسه هزینه ها برای اقلام خاص در بخش های مختلف، تجزیه و تحلیل پویایی و روند هزینه ها برای اقلام خاص، تجزیه و تحلیل هزینه و سود. .

OLAP به شما این امکان را می دهد که جریان های ورودی و خروجی وجوه را در زمینه عملیات تجاری، طرف مقابل، ارز و زمان تجزیه و تحلیل کنید تا جریان آنها را بهینه کنید.

• گزارشگری مالی و مدیریتی (با تحلیل هایی که مدیریت به آن نیاز دارد)
• بازار یابی
• کارت امتیازی متوازن
• تجزیه و تحلیل سودآوری

اگر داده های مناسبی دارید، می توانید کاربرد متفاوتی از فناوری OLAP پیدا کنید.

محصولات OLAP

در این قسمت در مورد OLAP به عنوان یک راه حل نرم افزاری صحبت خواهیم کرد.

الزامات عمومی برای محصولات OLAP

راه های زیادی برای پیاده سازی برنامه های OLAP وجود دارد، هیچ فناوری خاصی نباید اجباری یا حتی توصیه شود. تحت شرایط و شرایط مختلف، یک رویکرد ممکن است بر دیگری ارجحیت داشته باشد. تکنیک پیاده سازی شامل بسیاری از ایده های اختصاصی مختلف است که فروشندگان به آن افتخار می کنند: معماری های سرویس گیرنده-سرور، تجزیه و تحلیل سری های زمانی، شی گرایی، بهینه سازی ذخیره سازی داده ها، فرآیندهای موازی و غیره. اما این فناوری ها نمی توانند بخشی از تعریف OLAP باشند.

ویژگی هایی وجود دارد که باید در تمام محصولات OLAP (اگر محصول OLAP باشد) رعایت شود که ایده آل این فناوری است. این 5 تعریف کلیدی است که OLAP (به اصطلاح آزمون FASMI) را مشخص می کند: تجزیه و تحلیل سریع اطلاعات چند بعدی مشترک.

• سریع(FAST) - به این معنی است که سیستم باید اکثر پاسخ ها را در عرض تقریباً پنج ثانیه به کاربران ارائه دهد. حتی اگر سیستم هشدار دهد که این فرآیند به میزان قابل توجهی طولانی‌تر خواهد شد، کاربران ممکن است حواسشان پرت شود و ذهن خود را از دست بدهند و کیفیت تجزیه و تحلیل کاهش یابد. دستیابی به این سرعت با حجم زیاد داده آسان نیست، به خصوص اگر محاسبات ویژه در حین پرواز مورد نیاز باشد. فروشندگان برای دستیابی به این هدف از روش‌های متنوعی استفاده می‌کنند، از جمله فرم‌های تخصصی ذخیره‌سازی داده، پیش محاسبه گسترده یا سخت‌افزاری مورد نیاز. با این حال، در حال حاضر هیچ راه حل کاملا بهینه سازی شده ای وجود ندارد. در نگاه اول، ممکن است تعجب آور به نظر برسد که هنگام دریافت گزارش در یک دقیقه، که چندی پیش روزها طول می کشید، کاربر به سرعت در حین انتظار خسته می شود و پروژه بسیار کمتر از یک مورد موفق عمل می کند. پاسخ فوری، حتی به قیمت تجزیه و تحلیل کمتر.
• به اشتراک گذاشته شده استبه این معنی که این سیستم امکان برآورده کردن کلیه الزامات حفاظت از داده ها و اجرای دسترسی توزیع شده و همزمان به داده ها را برای سطوح مختلف کاربران فراهم می کند. سیستم باید بتواند چندین تغییر داده را به موقع و ایمن مدیریت کند. این یک ضعف عمده در بسیاری از محصولات OLAP است، که معمولاً فرض می‌کنند که همه برنامه‌های OLAP به خواندن فقط نیاز دارند و حفاظت‌های ساده‌سازی شده‌ای را ارائه می‌کنند.
• چند بعدییک نیاز کلیدی است. اگر لازم بود OLAP را در یک کلمه تعریف کنیم، انتخاب می شد. سیستم باید یک نمایش مفهومی چند بعدی از داده ها از جمله ارائه دهد حمایت کاملبرای سلسله مراتب و سلسله مراتب چندگانه، زیرا این منطقی ترین راه را برای تجزیه و تحلیل یک کسب و کار تعیین می کند. حداقل تعداد ابعادی که باید پردازش شوند وجود ندارد، زیرا این نیز به برنامه کاربردی بستگی دارد و اکثر محصولات OLAP ابعاد کافی برای بازارهای مورد نظر خود دارند. باز هم، ما مشخص نمی‌کنیم که اگر کاربر بخواهد یک نمایش مفهومی چند بعدی از اطلاعات داشته باشد، باید از کدام فناوری پایگاه داده استفاده شود. این ویژگی قلب OLAP است
• اطلاعاتاطلاعات لازم را باید در جایی که نیاز است، بدون توجه به حجم و محل ذخیره آن، به دست آورد. با این حال، بسیاری از موارد به برنامه بستگی دارد. قدرت محصولات مختلف بر حسب میزان ورودی آنها اندازه گیری می شود، نه اینکه چند گیگابایت می توانند ذخیره کنند. قدرت محصولات بسیار متفاوت است - بزرگترین محصولات OLAP می توانند حداقل هزار برابر بیشتر از کوچکترین داده ها را مدیریت کنند. فاکتورهای زیادی در این زمینه وجود دارد که از جمله می توان به تکرار داده ها، رم مورد نیاز، استفاده از فضای دیسک، عملکرد، ادغام با ذخیره اطلاعات و غیره اشاره کرد.
• تحلیل و بررسیاین بدان معناست که سیستم می تواند هر گونه تحلیل منطقی و آماری خاص یک برنامه خاص را انجام دهد و اطمینان حاصل کند که آن را به شکلی در دسترس کاربر نهایی نگه می دارد. کاربر باید بتواند بدون نیاز به برنامه نویسی، محاسبات ویژه جدیدی را به عنوان بخشی از تحلیل تعریف کند. به این معنی که تمام قابلیت های تجزیه و تحلیل مورد نیاز باید به روشی بصری برای کاربران نهایی ارائه شود. ابزار تجزیه و تحلیل می تواند شامل رویه های خاصی مانند تجزیه و تحلیل سری های زمانی، تخصیص هزینه، انتقال ارز، هدف گذاری و غیره باشد. این قابلیت ها بسته به جهت گیری هدف، در بین محصولات بسیار متفاوت است.

به عبارت دیگر، این 5 تعریف کلیدی، اهدافی هستند که محصولات OLAP برای دستیابی به آنها طراحی شده اند.

جنبه های تکنولوژیکی OLAP

سیستم OLAP شامل اجزای خاصی است. طرح های مختلفی از کار آنها وجود دارد که یک محصول خاص می تواند آنها را اجرا کند.

اجزای سیستم های OLAP (سیستم OLAP از چه چیزی تشکیل شده است؟)

به طور معمول، یک سیستم OLAP شامل اجزای زیر است:

• منبع اطلاعات
  منبعی که داده ها برای تجزیه و تحلیل از آن گرفته شده است (انبار داده ها، پایگاه داده سیستم های حسابداری عملیاتی، مجموعه ای از جداول، ترکیبی از موارد فوق).
• سرور OLAP
  داده ها از منبع به سرور OLAP منتقل یا کپی می شوند، جایی که سیستماتیک شده و برای تولید سریعتر پاسخ ها به پرس و جوها آماده می شوند.
• مشتری OLAP
  رابط کاربری به سرور OLAP که کاربر در آن کار می کند

توجه داشته باشید که همه اجزا مورد نیاز نیستند. سیستم‌های OLAP رومیزی وجود دارند که به شما امکان می‌دهند داده‌های ذخیره شده مستقیماً روی رایانه کاربر را تجزیه و تحلیل کنید و به سرور OLAP نیازی ندارید.

با این حال، چه عنصری اجباری است منبع داده است: در دسترس بودن داده ها موضوع مهمی است. اگر به هر شکلی به عنوان جدول اکسل، در پایگاه داده یک سیستم حسابداری، در قالب گزارش های ساختاریافته شعب باشند، یک متخصص فناوری اطلاعات قادر خواهد بود مستقیماً یا با یک تحول میانی با سیستم OLAP یکپارچه شود. سیستم های OLAP ابزارهای ویژه ای برای این کار دارند. اگر این داده ها در دسترس نباشد، یا اگر کامل و کیفیت نباشد، OLAP کمکی نخواهد کرد. یعنی OLAP فقط یک افزونه بر روی داده است و اگر وجود نداشته باشد تبدیل به یک چیز بیهوده می شود.

بیشتر داده های برنامه های OLAP از سیستم های دیگر سرچشمه می گیرند. با این حال، در برخی از برنامه ها (به عنوان مثال، برای برنامه ریزی یا بودجه)، داده ها را می توان به طور مستقیم در برنامه های کاربردی OLAP ایجاد کرد. هنگامی که داده ها از برنامه های دیگر می آیند، معمولاً لازم است که داده ها در یک فرم جداگانه و تکراری برای برنامه OLAP ذخیره شوند. بنابراین، ایجاد انبارهای داده توصیه می شود.

لازم به ذکر است که اصطلاح "OLAP" با اصطلاح "انبار داده" (Data Warehouse) پیوند ناگسستنی دارد. انبار داده مجموعه‌ای از داده‌ها برای دامنه خاص، محدود به زمان و تغییرناپذیر است که از تصمیم‌گیری مدیریت پشتیبانی می‌کند. داده های موجود در ذخیره سازی از سیستم های عملیاتی(سیستم های OLTP)، که برای خودکارسازی فرآیندهای تجاری طراحی شده اند، ذخیره سازی را می توان از منابع خارجی، مانند گزارش های آماری، پر کرد.

با وجود این واقعیت که آنها حاوی اطلاعات آشکارا اضافی هستند که قبلاً در پایگاه داده یا پرونده های سیستم عامل ها وجود دارد، ذخیره سازی داده ها ضروری است زیرا:

• تکه تکه شدن داده ها، ذخیره سازی آنها در قالب های مختلف DBMS؛
• بهبود عملکرد بازیابی داده ها
• اگر سازمانی تمام داده ها را روی سرور پایگاه داده مرکزی ذخیره کند (که بسیار نادر است)، تحلیلگر احتمالاً ساختار پیچیده و گاهی گیج کننده آنها را درک نخواهد کرد.
• پرس و جوهای تحلیلی پیچیده برای اطلاعات عملیاتی، کار فعلی شرکت را کند می کند، جداول را برای مدت طولانی مسدود می کند و منابع سرور را تصرف می کند.
• توانایی پاکسازی و تطبیق داده ها
• تجزیه و تحلیل مستقیم داده های سیستم های عملیاتی غیرممکن یا بسیار دشوار است.

وظیفه مخزن ارائه "مواد خام" برای تجزیه و تحلیل در یک مکان و در یک ساختار ساده و قابل درک است. یعنی مفهوم انبار داده مفهومی از تجزیه و تحلیل داده ها نیست، بلکه مفهوم آماده سازی داده ها برای تجزیه و تحلیل است. این شامل اجرای یک منبع داده یکپارچه است.

محصولات OLAP: معماری ها

هنگام استفاده از محصولات OLAP، 2 سوال مهم است: چگونه و کجا نگاه داشتنو رسیدگیداده ها. بسته به نحوه پیاده سازی این 2 فرآیند، معماری های OLAP متمایز می شوند. 3 راه برای ذخیره داده ها برای OLAP و 3 روش برای پردازش آن داده ها وجود دارد. بسیاری از تولید کنندگان گزینه های مختلفی را ارائه می دهند، برخی سعی می کنند ثابت کنند که رویکرد آنها عاقلانه ترین است. این البته پوچ است. با این حال، تعداد بسیار کمی از محصولات می توانند از نظر کیفی در بیش از یک حالت کار کنند.

گزینه های ذخیره سازی OLAP

ذخیره سازی در این زمینه به معنای نگه داشتن داده ها در حالت به روز رسانی مداوم است.

• پایگاه داده های رابطه ای: اگر شرکت شما اعتبارنامه ها را در یک RDB ذخیره می کند، این یک انتخاب معمولی است. در بیشتر موارد، داده ها باید در یک ساختار غیرعادی شده ذخیره شوند (طرحواره ستاره ای مناسب ترین است). یک پایگاه داده نرمال شده به دلیل عملکرد پرس و جو بسیار ضعیف در هنگام تولید مقادیر تجمیع شده برای OLAP غیرقابل قبول است (اغلب داده های خلاصه در جداول انباشته ذخیره می شوند).
• فایل های پایگاه داده روشن است کامپیوتر مشتری(کیوسک ها یا دیتا مارت ها): این داده ها را می توان از پیش توزیع کرد یا در صورت تقاضا در رایانه های مشتری ایجاد کرد.

پایگاه داده های چند بعدی: فرض می کنیم که داده ها در یک پایگاه داده چند بعدی روی سرور ذخیره می شوند. ممکن است شامل داده‌های استخراج‌شده و خلاصه‌شده از سایر سیستم‌ها و پایگاه‌های داده رابطه‌ای، فایل‌های کاربر نهایی و غیره باشد. در بیشتر موارد، پایگاه‌های داده چند بعدی بر روی دیسک ذخیره می‌شوند، اما برخی از محصولات امکان استفاده از RAM را نیز فراهم می‌کنند و بیشترین داده‌های مورد استفاده را محاسبه می‌کنند. پرواز کن." تعداد بسیار کمی از محصولات مبتنی بر پایگاه‌های داده چند بعدی امکان ویرایش داده‌های چندگانه را فراهم می‌کنند، بسیاری از محصولات اجازه می‌دهند یک تغییر اما خواندن چندگانه داده‌ها را انجام دهند، در حالی که برخی دیگر فقط به خواندن محدود می‌شوند.

این سه مکان ذخیره سازی دارای ظرفیت های مختلف ذخیره سازی هستند و به ترتیب نزولی از ظرفیت چیده شده اند. آنها همچنین ویژگی های عملکرد پرس و جو متفاوتی دارند: پایگاه داده های رابطه ای بسیار کندتر از دو گزینه آخر هستند.

گزینه های پردازش داده OLAP

3 گزینه مشابه پردازش داده وجود دارد:

• استفاده از SQL: این گزینه البته هنگام ذخیره داده ها در RDB استفاده می شود. با این حال، SQL اجازه نمی دهد محاسبات چند بعدی در یک پرس و جو انجام شود، بنابراین نوشتن پرس و جوهای پیچیده SQL برای دستیابی به چیزی بیشتر از عملکرد چند بعدی معمول مورد نیاز است. با این حال، این مانع از تلاش توسعه دهندگان نمی شود. در بیشتر موارد، آنها تعداد محدودی از محاسبات SQL مربوطه را با نتایجی که می‌توان از پردازش داده‌های چند بعدی یا از یک ماشین کلاینت به‌دست آورد، انجام می‌دهند. امکان استفاده نیز وجود دارد حافظه دسترسی تصادفی، که می تواند داده ها را با استفاده از بیش از یک درخواست ذخیره کند: این پاسخ به طور چشمگیری بهبود یافته است.
• پردازش چند بعدی سمت مشتری: محصول OLAP سمت کلاینت محاسبات را خود انجام می دهد، اما این پردازش تنها در صورتی در دسترس است که کاربران رایانه های شخصی نسبتاً قدرتمندی داشته باشند.

پردازش چند بعدی سرور: این مکان محبوبی برای انجام محاسبات چند بعدی در برنامه های OLAP مشتری-سرور است و در بسیاری از محصولات استفاده می شود. عملکرد معمولاً بالا است زیرا بیشتر محاسبات قبلاً انجام شده است. با این حال، این به فضای دیسک زیادی نیاز دارد.

ماتریس معماری های OLAP

بر این اساس، با ترکیب گزینه های ذخیره سازی / پردازش، می توانید ماتریسی از معماری ها را برای سیستم های OLAP دریافت کنید. بر این اساس، از نظر تئوری، 9 ترکیب از این روش ها می تواند وجود داشته باشد. با این حال، از آنجایی که 3 مورد از آنها فاقد عقل سلیم هستند، در واقع تنها 6 گزینه برای ذخیره و پردازش داده های OLAP وجود دارد.

از آنجایی که این ذخیره سازی است که پردازش را تعیین می کند، معمولاً گروه بندی بر اساس گزینه های ذخیره سازی، یعنی:

• محصولات ROLAP در بخش های 1، 2، 3
• OLAP دسکتاپ - در بخش 6

محصولات MOLAP - در بخش های 4 و 5

محصولات HOLAP (به گزینه های ذخیره سازی داده های چند بعدی و رابطه ای اجازه می دهد) - در 2 و 4 (به صورت ایتالیک برجسته شده است)

دسته بندی محصولات OLAP

بیش از 40 فروشنده OLAP وجود دارد، اگرچه همه آنها را نمی توان رقیب در نظر گرفت زیرا توانایی های آنها بسیار متفاوت است و در واقع در بخش های مختلف بازار فعالیت می کنند. آنها را می توان به 4 دسته اساسی دسته بندی کرد که تفاوت بین آنها بر اساس مفاهیم است: عملکرد پیچیده - عملکرد ساده، عملکرد - فضای دیسک. رسم دسته ها به شکل مربع راحت است زیرا روابط بین آنها را به وضوح نشان می دهد. ویژگی متمایز هر یک از مقوله ها در طرف خود و شباهت ها با دیگران - در طرف های مجاور ارائه شده است، بنابراین، دسته بندی ها در طرف مقابل اساساً متفاوت هستند.

لازم به ذکر است که مشتریان محصولات ترکیبی که امکان انتخاب حالت ROLAP و MOLAP را فراهم می کنند، مانند Microsoft Analysis Services، OracleExpress، Crystal Holos، IBM DB2 OLAPServer، تقریبا همیشه حالت MOLAP را انتخاب می کنند.

هر یک از دسته بندی های ارائه شده دارای نقاط قوت و ضعف خود هستند، هیچ انتخاب بهینه واحدی وجود ندارد. انتخاب بر 3 جنبه مهم تأثیر می گذارد: 1) عملکرد. 2) فضای دیسک برای ذخیره سازی داده ها؛ 3) ویژگی ها، عملکرد، و به ویژه مقیاس پذیری یک راه حل OLAP. در عین حال، باید میزان داده های در حال پردازش، قدرت فناوری، نیازهای کاربران را در نظر گرفت و به دنبال مصالحه ای بین سرعت و افزونگی فضای دیسک اشغال شده توسط پایگاه داده، ساده و چند منظوره بود.

طبقه بندی انبارهای داده مطابق با حجم پایگاه داده هدف

معایب OLAP

مانند هر فناوری، OLAP نیز دارای معایبی است: الزامات بالا برای سخت افزار، آموزش و دانش کارکنان اداری و استفاده کنندگان نهایی، هزینه های بالا برای اجرای پروژه اجرا (اعم از پولی و موقت، فکری).

انتخاب یک محصول OLAP

انتخاب محصول مناسب OLAP دشوار است، اما اگر می‌خواهید پروژه شکست نخورد، بسیار مهم است.

همانطور که می بینید، تفاوت بین محصولات در بسیاری از زمینه ها نهفته است: عملکردی، معماری، فنی. برخی از محصولات در تنظیمات بسیار محدود هستند. برخی برای حوزه های موضوعی تخصصی طراحی شده اند: بازاریابی، فروش، امور مالی. محصولاتی برای اهداف عمومی وجود دارند که کاربرد کاربردی ندارند، که باید به اندازه کافی انعطاف پذیر باشند. به عنوان یک قاعده، چنین محصولاتی ارزان تر از محصولات تخصصی هستند، اما هزینه های اجرایی بیشتری دارند. طیف محصولات OLAP بسیار گسترده است - از ساده ترین ابزارها برای ساخت جداول محوری و نمودارها که بخشی از محصولات اداری هستند تا ابزارهایی برای تجزیه و تحلیل داده ها و جستجوی الگوها که هزینه آن ده ها هزار دلار است.

مانند هر زمینه دیگری، در زمینه OLAP نیز نمی توان توصیه روشنی برای انتخاب ابزار داشت. شما فقط می توانید بر روی تعدادی از نکات کلیدی تمرکز کنید و ویژگی های نرم افزار ارائه شده را با نیازهای سازمان مقایسه کنید. یک چیز مهم است: بدون اینکه به دقت در مورد نحوه استفاده از ابزارهای OLAP فکر کنید، این خطر را دارید که خود را به یک سردرد قدرتمند تبدیل کنید.

در فرآیند انتخاب، دو سوال باید در نظر گرفته شود:

• ارزیابی نیازها و قابلیت های شرکت
• پیشنهاد بازار فعلی را ارزیابی کنید، روند توسعه نیز مهم است

سپس همه اینها را مقایسه کنید و در واقع انتخاب کنید.

نیازسنجی

انتخاب منطقی یک محصول بدون درک اینکه برای چه چیزی مورد استفاده قرار می گیرد غیرممکن است. بسیاری از شرکت ها "بهترین محصول" را بدون درک روشنی از نحوه استفاده از آن می خواهند.

برای اینکه پروژه با موفقیت اجرا شود، مدیر مالی باید حداقل خواسته ها و الزامات خود را به درستی به رئیس و متخصصان خدمات اتوماسیون فرموله کند. بسیاری از مشکلات ناشی از عدم آمادگی و آگاهی کافی برای انتخاب OLAP است، متخصصان فناوری اطلاعات و کاربران نهایی تنها به این دلیل که مفاهیم و اصطلاحات مختلف را در مکالمه دستکاری می‌کنند و ترجیحات متناقضی را مطرح می‌کنند، مشکلات ارتباطی را تجربه می‌کنند. نیاز به یکپارچگی در هدف در داخل شرکت وجود دارد.

برخی از عوامل در حال حاضر پس از خواندن نمای کلی دسته بندی محصولات OLAP آشکار شده اند، یعنی:

جنبه های تکنیکی

• منابع داده: انبار داده شرکت، سیستم OLTP، فایل های جدولی، پایگاه داده های رابطه ای. امکان پیوند ابزارهای OLAP با تمام DBMS های مورد استفاده در سازمان. همانطور که تمرین نشان می دهد، ادغام محصولات ناهمگن در یک سیستم کاری پایدار یکی از مهمترین مسائل است و راه حل آن در برخی موارد می تواند با مشکلات بزرگی همراه باشد. لازم است درک کنیم که ادغام چقدر آسان و قابل اعتماد است ابزارهای OLAPبا DBMS موجود در سازمان. همچنین ارزیابی احتمالات یکپارچه سازی نه تنها با منابع داده، بلکه با سایر برنامه هایی که ممکن است نیاز به صادرات داده ها به آنها داشته باشید نیز مهم است: ایمیل، برنامه های اداری
• تغییرپذیری داده ها که مهم است
• پلت فرم سرور: NT، یونیکس، AS/400، لینوکس - اما اصرار نکنید که محصولات مشخص‌شده توسط مشخصات OLAP روی پلتفرم‌های مشکوک یا در حال مرگی که هنوز استفاده می‌کنید اجرا شوند.
• سمت مشتری و استانداردهای مرورگر
• معماری قابل استقرار: شبکه محلیو اتصال مودم کامپیوتر، کلاینت/سرور پرسرعت، اینترانت، اکسترانت، اینترنت
• ویژگی های بین المللی: پشتیبانی چند ارزی، عملیات چند زبانه، اشتراک گذاری داده ها، بومی سازی، صدور مجوز، به روز رسانی ویندوز

حجم اطلاعات ورودی که در دسترس هستند و در آینده ظاهر خواهند شد

کاربران

• دامنه کاربرد: تجزیه و تحلیل فروش / بازاریابی، بودجه بندی / برنامه ریزی، تجزیه و تحلیل شاخص های عملکرد، تجزیه و تحلیل گزارش های حسابداری، تجزیه و تحلیل کیفی، وضعیت مالی، تشکیل مواد تحلیلی (گزارش ها)
• تعداد کاربران و مکان آنها، الزامات جداسازی حقوق دسترسی به داده ها و عملکردها، رازداری (محرمانه بودن) اطلاعات
• نوع کاربر: مدیریت ارشد، امور مالی، بازاریابی، منابع انسانی، فروش، تولید و غیره.
• تجربه ی کاربر. سطح مهارت کاربر ارائه آموزش را در نظر بگیرید. بسیار مهم است که برنامه مشتری OLAP به گونه ای طراحی شود که کاربران احساس اطمینان کنند و بتوانند به طور موثر از آن استفاده کنند.

ویژگی های کلیدی: نیاز به بازنویسی داده ها، محاسبات توزیع شده، تبدیل ارز پیچیده، نیازهای چاپ گزارش، رابط صفحه گسترده، پیچیدگی منطق برنامه، ابعاد مورد نیاز، انواع تجزیه و تحلیل: آماری، جستجوی هدف، تجزیه و تحلیل چه می شود

پیاده سازی

• چه کسی اجرا و اجرا خواهد کرد: مشاوران خارجی، IT داخلی یا کاربران نهایی
• بودجه: نرم افزار، سخت افزار، خدمات، انتقال داده ها. به یاد داشته باشید که پرداخت مجوز برای یک محصول OLAP تنها بخش کوچکی از کل هزینه پروژه است. هزینه های پیاده سازی و سخت افزار می تواند بیشتر از هزینه های مجوز باشد و هزینه های پشتیبانی طولانی مدت، نگهداری و مدیریت تقریباً به طور قطع بسیار بیشتر است. و اگر تصمیم اشتباهی برای خرید محصول اشتباه بگیرید، فقط به دلیل ارزان‌تر بودن، ممکن است به دلیل هزینه‌های نگهداری، مدیریت و/یا سخت‌افزار بالاتر، هزینه کلی پروژه را افزایش دهید، در حالی که احتمالاً سطح پایین‌تری از آن را دریافت خواهید کرد. مزایای کسب و کار هنگام تخمین هزینه های کل، حتماً سؤالات زیر را بپرسید: انتخاب منابع برای اجرا، آموزش و پشتیبانی چقدر گسترده است؟ آیا صندوق عمومی بالقوه (کارکنان، پیمانکاران، مشاوران) بالا است یا پایین؟ تا چه حد می توان از تجربه حرفه ای صنعتی شما استفاده کرد؟

علیرغم این واقعیت که هزینه سیستم های تحلیلی حتی امروزه بسیار بالا است و روش ها و فن آوری ها برای پیاده سازی چنین سیستم هایی هنوز در مراحل اولیه خود هستند، حتی امروزه، اثر اقتصادی ارائه شده توسط آنها به طور قابل توجهی از اثر سیستم های عملیاتی سنتی فراتر رفته است.

پیش بینی تأثیر سازماندهی صحیح، برنامه ریزی استراتژیک و عملیاتی توسعه کسب و کار به سختی به صورت عددی پیش بینی می شود، اما بدیهی است که می تواند ده ها و حتی صدها برابر از هزینه های اجرای چنین سیستم هایی فراتر رود. با این حال، نباید اشتباه کرد. این اثر نه توسط خود سیستم، بلکه توسط افرادی که با آن کار می کنند ارائه می شود. بنابراین، اظهارات از این نوع کاملاً صحیح نیست: "سیستم انبارهای داده و فن آوری های OLAP به مدیر کمک می کند تا تصمیمات درست را بگیرد." سیستم های تحلیلی مدرن سیستم نیستند هوش مصنوعیو آنها نه می توانند کمک کنند و نه مانع تصمیم گیری می شوند. هدف آنها این است که تمام اطلاعات لازم برای تصمیم گیری را به روشی مناسب و به موقع در اختیار مدیر قرار دهند. و اینکه چه اطلاعاتی درخواست خواهد شد و چه تصمیمی بر اساس آن اتخاذ خواهد شد، فقط به شخص خاصی که از آن استفاده می کند بستگی دارد.

تنها چیزی که باید گفت این است که این سیستم ها می توانند به حل بسیاری از مشکلات تجاری کمک کنند و اثرات مثبت گسترده ای داشته باشند. تنها باید منتظر ماند که چه کسی اولین کسی است که به مزایای این روش پی می برد و از دیگران پیشی می گیرد.

مفهوم فناوری OLAP توسط ادگار کاد در سال 1993 فرموله شد.

این فناوری مبتنی بر ساخت مجموعه داده‌های چند بعدی - به اصطلاح مکعب‌های OLAP (نه لزوماً سه بعدی، همانطور که می‌توان از تعریف نتیجه گرفت) است. هدف از استفاده از فناوری های OLAP تجزیه و تحلیل داده ها و ارائه این تجزیه و تحلیل به شکلی است که برای درک کارکنان مدیریت و تصمیم گیری بر اساس آنها مناسب باشد.

الزامات اساسی برای برنامه های کاربردی برای تجزیه و تحلیل چند متغیره:

• - ارائه نتایج تجزیه و تحلیل به کاربر در یک زمان معقول (حداکثر 5 ثانیه).
• - دسترسی چند کاربره به داده ها؛
• - نمایش چند بعدی داده ها؛
• - امکان دسترسی به هر اطلاعاتی، صرف نظر از محل ذخیره سازی و حجم آن.

ابزارهای سیستم OLAP توانایی مرتب سازی و انتخاب داده ها بر اساس شرایط مشخص را فراهم می کند. شرایط کیفی و کمی مختلفی را می توان تنظیم کرد.

مدل اصلی داده مورد استفاده در ابزارهای متعدد برای ایجاد و نگهداری پایگاه های داده - DBMS، مدل رابطه ای است. داده های موجود در آن در قالب مجموعه ای از جداول دو بعدی - روابط مرتبط با فیلدهای کلیدی ارائه شده است. برای حذف تکراری، ناهماهنگی، و کاهش هزینه های نیروی کار برای نگهداری پایگاه های داده، یک دستگاه رسمی برای عادی سازی جداول موجودیت استفاده می شود. با این حال، استفاده از آن با زمان اضافی صرف شده برای ایجاد پاسخ به پرسش‌ها به پایگاه‌های داده همراه است، اگرچه منابع حافظه ذخیره می‌شوند.

یک مدل داده چند بعدی شی مورد مطالعه را در قالب یک مکعب چند بعدی نشان می دهد، اغلب از یک مدل سه بعدی استفاده می شود. در امتداد محورها یا وجوه مکعب، اندازه‌گیری‌ها یا ویژگی‌های مشخصه ترسیم می‌شوند. جزئیات پایه پر شدن سلول های مکعب است. یک مکعب چند بعدی را می توان با ترکیبی از مکعب های سه بعدی به منظور تسهیل درک و ارائه هنگام تولید گزارش و اسناد تحلیلی و ارائه های چند رسانه ای بر اساس مواد کار تحلیلی در یک سیستم پشتیبانی تصمیم نشان داد.

در چارچوب فن آوری های OLAP، بر اساس این واقعیت که نمایش چند بعدی داده ها را می توان با استفاده از DBMS های رابطه ای و ابزارهای تخصصی چند بعدی سازماندهی کرد، سه نوع سیستم OLAP چند بعدی وجود دارد:

• - OLAP-MOLAP چند بعدی (چند بعدی).
• - رابطه ای (رابطه) OLAP-ROLAP;
• - مخلوط یا هیبرید (Hybrid) OLAP-HOLAP.

در DBMS های چند بعدی، داده ها نه به صورت جداول رابطه ای، بلکه به صورت آرایه های چند بعدی مرتب شده به شکل هایپرمکعب سازماندهی می شوند، زمانی که همه داده های ذخیره شده باید دارای ابعاد یکسانی باشند، که به معنای نیاز به تشکیل کامل ترین پایه است. اندازه گیری ها داده ها را می توان به صورت چند مکعبی سازماندهی کرد، در این گزینه مقادیر هر شاخص با مجموعه اندازه گیری های خاص خود ذخیره می شود، پردازش داده ها توسط ابزار خود سیستم انجام می شود. ساختار ذخیره سازی در این مورد ساده شده است، زیرا نیازی به یک منطقه ذخیره سازی داده به شکل چند بعدی یا شی گرا نیست. هزینه های هنگفت کار برای ایجاد مدل ها و سیستم هایی برای تبدیل داده ها از یک مدل رابطه ای به یک شی کاهش می یابد.

مزایای MOLAP عبارتند از:

• - پاسخ سریعتر به درخواستها نسبت به ROLAP - زمان صرف شده یک یا دو مرتبه بزرگتر است.
• - به دلیل محدودیت های SQL، اجرای بسیاری از توابع داخلی دشوار است.

محدودیت های MOLAP عبارتند از:

• - اندازه نسبتا کوچک پایگاه های داده؛
• - به دلیل غیر عادی سازی و تجمع اولیه، آرایه های چند بعدی 2.5-100 برابر بیشتر از داده های اصلی حافظه استفاده می کنند (مصرف حافظه با افزایش تعداد ابعاد به طور تصاعدی رشد می کند).
• - هیچ استانداردی برای ابزارهای رابط و دستکاری داده ها وجود ندارد.
• - هنگام بارگذاری داده ها محدودیت هایی وجود دارد.

تلاش مورد نیاز برای ایجاد داده های چند بعدی به طور چشمگیری افزایش می یابد در این شرایط، عملا هیچ ابزار تخصصی برای عینیت بخشیدن به مدل رابطه ای داده های موجود در انبار اطلاعات وجود ندارد. زمان پاسخگویی به پرس و جوها اغلب نمی تواند الزامات سیستم های OLAP را برآورده کند.

مزایای سیستم های ROLAP عبارتند از:

• - توانایی تجزیه و تحلیل سریع داده های موجود در ذخیره سازی، زیرا اکثر پایگاه های داده منبع رابطه ای هستند.
• - با ابعاد متغیر مسئله، RO-LAP برنده می شود، زیرا هیچ سازماندهی مجدد فیزیکی پایگاه داده مورد نیاز نیست.
• - سیستم‌های ROLAP می‌توانند از ایستگاه‌ها و سرورهای مشتری کمتر قدرتمند استفاده کنند و سرورها بار اصلی پردازش پرس‌وجوهای پیچیده SQL را بر عهده دارند.
• - سطح حفاظت اطلاعات و تمایز حقوق دسترسی در DBMS رابطه ای به طور غیر قابل مقایسه ای بالاتر از موارد چند بعدی است.

نقطه ضعف سیستم های ROLAP عملکرد پایین تر، نیاز به مطالعه دقیق طرحواره های پایگاه داده، تنظیم شاخص ویژه، تجزیه و تحلیل آمار پرس و جو و در نظر گرفتن نتایج تجزیه و تحلیل در هنگام اصلاح طرحواره های پایگاه داده است که منجر به هزینه های اضافی نیروی کار می شود.

تحقق این شرایط باعث می شود هنگام استفاده از سیستم های ROLAP به شاخص هایی مشابه سیستم های MOLAP از نظر زمان دسترسی و همچنین در صرفه جویی در حافظه پیشی بگیرید.

سیستم های هیبریدی OLAP ترکیبی از ابزارهایی هستند که مدل داده های رابطه ای و چند بعدی را پیاده سازی می کنند. این به شما امکان می دهد تا هزینه منابع برای ایجاد و نگهداری چنین مدلی، زمان پاسخگویی به درخواست ها را به شدت کاهش دهید.

این رویکرد از مزایای دو رویکرد اول استفاده می کند و کاستی های آنها را جبران می کند. این اصل در توسعه‌یافته‌ترین محصولات نرم‌افزاری برای این منظور پیاده‌سازی می‌شود.

استفاده از معماری ترکیبی در سیستم های OLAP قابل قبول ترین راه برای حل مشکلات مربوط به استفاده از ابزارهای نرم افزاری در تحلیل چند بعدی است.

حالت تشخیص الگو بر اساس پردازش هوشمند داده ها است. وظیفه اصلی در اینجا شناسایی الگوها در فرآیندهای مورد مطالعه، روابط و تأثیر متقابل عوامل مختلف، جستجوی انحرافات "غیر معمول" بزرگ و پیش بینی روند فرآیندهای مختلف مهم است. این حوزه به داده کاوی تعلق دارد.

مفهوم تحلیل داده های چند بعدی ارتباط نزدیکی با تحلیل عملیاتی دارد که با استفاده از سیستم های OLAP انجام می شود.

OLAP (On-Line Analytical Processing) یک فناوری برای پردازش داده های تحلیلی آنلاین است که از روش ها و ابزارهایی برای جمع آوری، ذخیره و تجزیه و تحلیل داده های چند بعدی به منظور پشتیبانی از فرآیندهای تصمیم گیری استفاده می کند.

هدف اصلی سیستم های OLAP پشتیبانی است فعالیت های تحلیلی، درخواست های دلخواه کاربران تحلیلگر (اصطلاح ad-hoc اغلب استفاده می شود). هدف از تجزیه و تحلیل OLAP آزمایش فرضیه های در حال ظهور است.

در خاستگاه فناوری OLAP بنیانگذار رویکرد رابطه ای E. Codd است. او در سال 1993 مقاله ای با عنوان "OLAP برای کاربران تحلیلگر: آنچه باید باشد" منتشر کرد. این مقاله مفاهیم اساسی پردازش تحلیلی آنلاین را تشریح می‌کند و ۱۲ الزام زیر را که باید توسط محصولاتی که امکان پردازش تحلیلی آنلاین را فراهم می‌کنند برآورده کند، شناسایی می‌کند. توکماکوف G.P. پایگاه داده. مفهوم پایگاه داده، مدل داده های رابطه ای، زبان های SQL. S. 51

در زیر 12 قانون ذکر شده است که Codd بیان کرده است که OLAP را تعریف می کند.

1. چند بعدی بودن - سیستم OLAP در سطح مفهومی باید داده ها را در قالب یک مدل چند بعدی ارائه کند که فرآیندهای تجزیه و تحلیل و درک اطلاعات را ساده می کند.

2. شفافیت - یک سیستم OLAP باید پیاده سازی واقعی یک مدل چند بعدی، روش سازماندهی، منابع، پردازش و ابزارهای ذخیره سازی را از کاربر پنهان کند.

3. در دسترس بودن - یک سیستم OLAP باید یک مدل داده واحد، منسجم و منسجم را در اختیار کاربر قرار دهد که امکان دسترسی به داده‌ها را بدون توجه به نحوه و مکان ذخیره‌سازی آنها فراهم کند.

4. عملکرد توسعه گزارش منسجم - با افزایش تعداد ابعاد مورد تجزیه و تحلیل، عملکرد سیستم های OLAP نباید به میزان قابل توجهی کاهش یابد.

5. معماری سرویس گیرنده-سرور -- یک سیستم OLAP باید بتواند در یک محیط کلاینت-سرور کار کند. بیشتر داده هایی که امروزه نیاز به پردازش تحلیلی آنلاین دارند، به صورت توزیع شده ذخیره می شوند. ایده اصلی در اینجا این است که مؤلفه سرور ابزار OLAP باید به اندازه کافی هوشمند باشد تا امکان ساخت یک طرح مفهومی مشترک بر اساس تعمیم و ادغام طرحواره‌های مختلف منطقی و فیزیکی پایگاه داده شرکتی را فراهم کند تا یک اثر شفاف ارائه شود.

6. برابری ابعاد - یک سیستم OLAP باید از یک مدل چند بعدی پشتیبانی کند که در آن همه ابعاد برابر هستند. در صورت لزوم ویژگی های اضافیمی توان به ابعاد فردی داد، اما این گزینه باید به هر بعدی داده شود.

7. کنترل دینامیکماتریس های پراکنده - یک سیستم OLAP باید مدیریت بهینه ماتریس های پراکنده را فراهم کند. نرخ دسترسی باید بدون توجه به محل سلول های داده حفظ شود و برای مدل هایی با تعداد ابعاد متفاوت و درجه پراکندگی داده های متفاوت یک مقدار ثابت باشد.

8. پشتیبانی از حالت چند کاربره - سیستم OLAP باید توانایی کار با چندین کاربر را همراه با یک مدل تحلیلی یا ایجاد مدل های مختلف برای آنها از یک داده واحد را فراهم کند. در عین حال، خواندن و نوشتن داده ها امکان پذیر است، بنابراین سیستم باید یکپارچگی و امنیت آنها را تضمین کند.

9. عملیات متقابل نامحدود - یک سیستم OLAP باید اطمینان حاصل کند که روابط عملکردی توصیف شده با استفاده از یک زبان رسمی مشخص بین سلول های یک ابر مکعب هنگام انجام هر عملیات برش، چرخش، تثبیت یا حفاری حفظ می شود. سیستم باید به طور مستقل (به طور خودکار) تغییر روابط ایجاد شده را بدون نیاز به کاربر برای تعریف مجدد آنها انجام دهد.

10. دستکاری داده های شهودی - یک سیستم OLAP باید راهی برای انجام عملیات برش، چرخش، تثبیت و مته کردن بر روی یک هایپر مکعب بدون نیاز به کاربر رابط کاربری زیادی ارائه دهد. ابعاد تعریف شده در مدل تحلیلی باید حاوی تمامی اطلاعات لازم برای انجام عملیات فوق باشد.

11. گزینه های گزارش انعطاف پذیر -- سیستم OLAP باید پشتیبانی کند راه های مختلفتجسم داده ها، یعنی گزارش ها باید در هر جهت ممکن ارائه شوند. ابزارهای گزارش باید داده های ترکیب شده یا اطلاعات حاصل از مدل داده را در هر جهت ممکن نشان دهند. این بدان معنی است که سطرها، ستون ها یا صفحات باید از 0 تا N ابعاد را به طور همزمان نشان دهند، جایی که N تعداد ابعاد کل مدل تحلیلی است. علاوه بر این، هر بعد محتوایی که در یک پست، ستون یا صفحه نمایش داده می‌شود، باید به هر زیرمجموعه‌ای از عناصر (مقادیر) موجود در بعد به هر ترتیبی نشان داده شود.

12. ابعاد نامحدود و تعداد سطوح تجمع - مطالعه بر روی تعداد احتمالی ابعاد مورد نیاز مورد نیاز در یک مدل تحلیلی نشان داد که تا 19 بعد را می توان به طور همزمان استفاده کرد. از این رو توصیه قوی این است که ابزار تحلیلی بتواند حداقل 15 و ترجیحاً 20 اندازه گیری را به طور همزمان ارائه دهد. علاوه بر این، هر یک از ابعاد مشترک نباید با تعداد سطوح مسیرهای تجمیع و تجمیع تعریف شده توسط کاربر تحلیلگر محدود شود.

قوانین اضافی Codd.

مجموعه ای از این الزامات، که به عنوان تعریف واقعی OLAP عمل می کند، اغلب باعث انتقادات مختلفی می شود، به عنوان مثال، قوانین 1، 2، 3، 6 الزامات هستند و قوانین 10، 11 خواسته های غیر رسمی هستند. توکماکوف G.P. پایگاه داده. مفهوم پایگاه داده، مدل داده های رابطه ای، زبان های SQL. ص 68 بنابراین، 12 الزامات فهرست شده Codd به شما اجازه نمی دهد OLAP را به طور دقیق تعریف کنید. در سال 1995، کاد شش قانون زیر را به لیست اضافه کرد:

13. استخراج دسته ای در مقابل تفسیر - یک سیستم OLAP باید در ارائه دسترسی به داده های داخلی و خارجی به همان اندازه کارآمد باشد.

14. پشتیبانی از همه مدل های تجزیه و تحلیل OLAP - یک سیستم OLAP باید از هر چهار مدل تجزیه و تحلیل داده تعریف شده توسط Codd پشتیبانی کند: طبقه بندی، تفسیری، گمانه زنی و کلیشه ای.

15. مدیریت داده های غیرعادی شده -- یک سیستم OLAP باید با منابع داده غیرعادی شده یکپارچه شود. تغییرات در داده های انجام شده در یک محیط OLAP نباید منجر به تغییر در داده های ذخیره شده در سیستم های خارجی اصلی شود.

16. ذخیره نتایج OLAP: جدا نگه داشتن آنها از داده های اصلی - یک سیستم OLAP که در حالت خواندن و نوشتن کار می کند، پس از اصلاح داده های اصلی، باید نتایج را جداگانه ذخیره کند. به عبارت دیگر، امنیت داده های منبع تضمین می شود.

17. حذف مقادیر از دست رفته-- هنگام ارائه داده ها به کاربر، یک سیستم OLAP باید تمام مقادیر از دست رفته را کنار بگذارد. به عبارت دیگر، مقادیر از دست رفته باید با مقادیر null متفاوت باشند.

18 مدیریت مقادیر گمشده - یک سیستم OLAP باید تمام مقادیر از دست رفته را صرف نظر از منبع آنها نادیده بگیرد. این ویژگی مربوط به قانون هفدهم است.

علاوه بر این، کاد تمام 18 قانون را به چهار گروه زیر تقسیم کرد و آنها را ویژگی نامید. این گروه ها B، S، R و D نامگذاری شدند.

ویژگی های اصلی (B) شامل قوانین زیر است:

نمایش مفهومی چند بعدی داده ها (قانون 1).

دستکاری شهودی داده ها (قانون 10)؛

در دسترس بودن (قانون 3)؛

استخراج دسته ای در مقابل تفسیر (قاعده 13)؛

پشتیبانی از تمام مدل های تحلیل OLAP (قانون 14)؛

معماری "مشتری-سرور" (قانون 5)؛

شفافیت (قاعده 2)؛

پشتیبانی چند نفره (قانون 8)

ویژگی های خاص (S):

پردازش داده های غیر عادی (قانون 15)؛

ذخیره نتایج OLAP: ذخیره آنها جدا از داده های اصلی (قانون 16).

حذف مقادیر از دست رفته (قانون 17)؛

مدیریت مقادیر از دست رفته (قانون 18). ویژگی های گزارش دهی (R):

انعطاف پذیری تولید گزارش (قانون 11)؛

گزارش استاندارد عملکرد (قانون 4)؛

تنظیم خودکار لایه فیزیکی(قانون اصلی اصلاح شده 7).

کنترل اندازه گیری (D):

جهانی بودن اندازه گیری ها (قانون 6)؛

تعداد نامحدود ابعاد و سطوح تجمع (قانون 12)؛

عملیات نامحدود بین ابعاد (قانون 9).

پردازش تحلیلی آنلاین یا OLAP، یک فناوری پردازش داده کارآمد است که بر اساس آرایه های عظیمی از انواع داده ها، اطلاعات خلاصه ای را به دست می آورد. این محصول قدرتمندی است که به شما کمک می‌کند به اطلاعات روی رایانه شخصی دسترسی پیدا کرده، استخراج و مشاهده کنید و آن‌ها را از دیدگاه‌های مختلف تجزیه و تحلیل کنید.

OLAP ابزاری است که موقعیت استراتژیک را برای برنامه ریزی بلندمدت فراهم می کند و اطلاعات زیربنایی داده های عملیاتی را برای یک دوره 5، 10 یا بیشتر در نظر می گیرد. داده ها در پایگاه داده با یک بعد ذخیره می شوند که ویژگی آنهاست. بسته به هدف تجزیه و تحلیل، کاربران می توانند مجموعه داده های مشابهی را با ویژگی های مختلف مشاهده کنند.

تاریخچه OLAP

OLAP نیست مفهوم جدیدو برای چندین دهه مورد استفاده قرار گرفته است. در واقع، ریشه های این فناوری تا سال 1962 بازمی گردد. اما این اصطلاح تنها در سال 1993 توسط نویسنده پایگاه داده تد کاد ابداع شد که همچنین 12 قانون را برای محصول تعیین کرد. مانند بسیاری از کاربردهای دیگر، این مفهوم چندین مرحله از تکامل را پشت سر گذاشته است.

تاریخچه خود فناوری OLAP به سال 1970 باز می گردد، زمانی که منابع اطلاعاتی Express و اولین سرور اولاپ منتشر شد. آنها در سال 1995 توسط Oracle خریداری شدند و متعاقباً مبنای پردازش تحلیلی آنلاین یک موتور محاسباتی چند بعدی شدند که یک مارک کامپیوتر معروف در پایگاه داده خود ارائه کرد. در سال 1992، یکی دیگر از محصولات پردازش تحلیلی آنلاین معروف، Essbase، توسط نرم افزار Arbor منتشر شد (در سال 2007 توسط Oracle خریداری شد).

در سال 1998، مایکروسافت MS Analysis Services را منتشر کرد که یک سرور پردازش داده های تحلیلی آنلاین است. این امر به محبوبیت این فناوری کمک کرد و باعث توسعه سایر محصولات شد. امروزه چندین فروشنده مشهور جهانی وجود دارند که برنامه های Olap را ارائه می دهند، از جمله IBM، SAS، SAP، Essbase، Microsoft، Oracle، IcCube.

پردازش تحلیلی آنلاین

OLAP ابزاری است که به شما امکان می دهد در مورد رویدادهای برنامه ریزی شده تصمیم گیری کنید. یک محاسبه غیر معمول Olap می تواند پیچیده تر از جمع آوری داده ها باشد. درخواست های تحلیلی در دقیقه (AQM) به عنوان یک معیار استاندارد برای مقایسه عملکرد ابزارهای مختلف استفاده می شود. این سیستم ها باید تا حد امکان کاربران را از نحو پیچیده پرس و جو پنهان کنند و زمان پاسخگویی ثابت را برای همه (مهم نیست که چقدر پیچیده باشند) ارائه دهند.

ویژگی های اصلی OLAP به شرح زیر است:

1. نمایش چند بعدی داده ها
2. پشتیبانی از محاسبات پیچیده
3. هوش موقت

نمای چند بعدی مبنایی را برای پردازش تحلیلی از طریق دسترسی انعطاف پذیر به داده های شرکت فراهم می کند. این امکان را به کاربران می دهد تا داده ها را در هر بعد و در هر سطحی از تجمع تجزیه و تحلیل کنند.

پشتیبانی از محاسبات پیچیده، ستون فقرات نرم افزار OLAP است.

هوش زمانی برای ارزیابی عملکرد هر برنامه تحلیلی در یک دوره زمانی مشخص استفاده می شود. به عنوان مثال، این ماه نسبت به ماه گذشته، این ماه نسبت به ماه مشابه سال گذشته.

ساختار داده چند بعدی

یکی از ویژگی های اصلی پردازش تحلیلی آنلاین، ساختار داده چند بعدی است. یک مکعب می تواند چند بعد داشته باشد. به لطف این مدل، کل فرآیند تجزیه و تحلیل هوشمند OLAP برای مدیران و مدیران اجرایی ساده است، زیرا اشیاء نشان داده شده در سلول ها اشیاء تجاری دنیای واقعی هستند. علاوه بر این، این مدل داده به کاربران اجازه می دهد تا نه تنها آرایه های ساخت یافته، بلکه آرایه های بدون ساختار و نیمه ساختار یافته را نیز پردازش کنند. همه اینها آنها را به ویژه برای تجزیه و تحلیل داده ها و برنامه های کاربردی BI محبوب می کند.

ویژگی های اصلی سیستم های OLAP:

1. از روش های چند بعدی تحلیل داده ها استفاده کنید.
2. ارائه پشتیبانی گسترده از پایگاه داده
3. رابط کاربری نهایی با کاربری آسان ایجاد کنید.
4. پشتیبانی از معماری مشتری/سرور

یکی از اجزای اصلی مفاهیم OLAP سرور سمت مشتری است. علاوه بر تجمیع و پیش فرآوریداده ها از یک پایگاه داده رابطه ای، گزینه های محاسبه و ضبط پیشرفته را فراهم می کند، توابع اضافی، ویژگی های پیشرفته پرس و جو اولیه و سایر ویژگی ها.

بسته به نمونه برنامه انتخاب شده توسط کاربر، مدل‌ها و ابزارهای مختلف داده از جمله هشدار در زمان واقعی، سناریوهای چه می‌شود، بهینه‌سازی و گزارش‌های پیچیده OLAP در دسترس هستند.

شکل مکعبی

این مفهوم بر اساس یک شکل مکعبی است. طرح داده ها در آن نشان می دهد که چگونه OLAP به اصل تجزیه و تحلیل چند بعدی پایبند است و در نتیجه ساختار داده ای برای تجزیه و تحلیل سریع و کارآمد طراحی شده است.

به یک مکعب OLAP "hypercube" نیز می گویند. این به عنوان متشکل از حقایق عددی (اندازه‌ها) طبقه‌بندی شده به جنبه‌ها (ابعاد) توصیف می‌شود. ابعاد به ویژگی هایی اشاره دارد که یک مشکل تجاری را تعریف می کند. به عبارت ساده، یک بعد برچسبی است که یک اندازه را توصیف می کند. به عنوان مثال، در گزارش های فروش، اندازه گیری حجم فروش خواهد بود و ابعاد آن شامل دوره فروش، فروشندگان، محصول یا خدمات و منطقه فروش خواهد بود. در گزارش عملیات تولیدی، معیار می تواند کل هزینه های تولید و واحدهای تولید باشد. ابعاد آن تاریخ یا زمان تولید، مرحله یا فاز تولید، حتی کارگران درگیر در فرآیند تولید خواهد بود.

مکعب داده OLAP سنگ بنای سیستم است. داده های موجود در مکعب با استفاده از یک طرح ستاره یا دانه برف سازماندهی می شوند. در مرکز یک جدول حقایق وجود دارد که شامل مصالح (معیارها) است. این به یک سری جداول ابعادی مرتبط است که حاوی اطلاعاتی در مورد اقدامات است. ابعاد توضیح می‌دهند که چگونه می‌توان این اقدامات را تحلیل کرد. اگر یک مکعب بیش از سه بعد داشته باشد، اغلب به آن ابر مکعب می گویند.

یکی از ویژگی های اصلی که به مکعب تعلق دارد، ایستایی بودن آن است، به این معنی که مکعب پس از طراحی قابل تغییر نیست. بنابراین، فرآیند ساخت یک مکعب و راه‌اندازی یک مدل داده، گامی حیاتی در جهت پردازش صحیح داده‌ها در معماری OLAP است.

تجمیع داده ها

استفاده از تجمیع ها دلیل اصلی پردازش پرس و جوها در ابزارهای OLAP (در مقایسه با OLTP) بسیار سریعتر است. تجمیع ها خلاصه ای از داده هایی هستند که در زمان پردازش از قبل محاسبه شده اند. همه اعضای ذخیره شده در جداول ابعاد OLAP پرس و جوهایی را که یک مکعب می تواند دریافت کند تعریف می کنند.

در یک مکعب، انباشت اطلاعات در سلول ها ذخیره می شود که مختصات آنها با اندازه های خاص مشخص می شود. تعداد تجمعاتی که یک مکعب می تواند داشته باشد به همه ترکیبات ممکن اعضای ابعاد بستگی دارد. بنابراین، یک مکعب معمولی در یک برنامه کاربردی می‌تواند حاوی تعداد بسیار زیادی تجمع باشد. پیش محاسبه فقط برای مجموعات کلیدی که در کل مکعب تجزیه و تحلیل آنلاین توزیع شده اند انجام می شود. این به میزان زیادی زمان لازم برای تعریف هر گونه تجمعی را هنگام اجرای یک پرس و جو در مدل داده کاهش می دهد.

همچنین دو گزینه مرتبط با تجمیع وجود دارد که می توانید برای بهبود عملکرد مکعب تکمیل شده از آنها استفاده کنید: ایجاد یک تجمع کش قابلیت و استفاده از تجمیع بر اساس تجزیه و تحلیل پرس و جوی کاربر.

اصل عملیات

به طور معمول، تجزیه و تحلیل اطلاعات عملیاتی به دست آمده از تراکنش ها را می توان با استفاده از یک صفحه گسترده ساده انجام داد (مقادیر داده ها در ردیف ها و ستون ها ارائه می شوند). این با توجه به ماهیت دو بعدی داده ها خوب است. در مورد OLAP، تفاوت هایی وجود دارد که با یک آرایه داده چند بعدی مرتبط است. از آنجایی که آنها اغلب از منابع مختلف به دست می آیند، صفحه گسترده همیشه نمی تواند آنها را به طور موثر پردازش کند.

مکعب این مشکل را حل می کند و همچنین انبار داده OLAP را به شیوه ای منطقی و منظم در حال اجرا نگه می دارد. کسب و کار داده ها را از منابع متعدد جمع آوری می کند و در قالب های مختلف ارائه می شود فایل های متنی، فایل های چند رسانه ای، الکترونیکی جداول اکسل، پایه دسترسی به داده هاو حتی پایگاه های داده OLTP.

تمام داده ها در یک فضای ذخیره سازی پر شده به طور مستقیم از منابع جمع آوری می شود. در آن اطلاعات خام دریافتی از OLTP و سایر منابع از هرگونه تراکنش نادرست، ناقص و متناقض پاک می شود.

پس از پاکسازی و تبدیل، اطلاعات در یک پایگاه داده رابطه ای ذخیره می شود. سپس برای تجزیه و تحلیل در یک سرور OLAP چند بعدی (یا مکعب Olap) آپلود می شود. کاربران نهایی که مسئول برنامه های تجاری، داده کاوی و سایر عملیات های تجاری هستند به اطلاعات مورد نیاز خود از مکعب Olap دسترسی خواهند داشت.

مزایای مدل آرایه

OLAP ابزاری است که فراهم می کند عملکرد سریعکوئری ها که از طریق ذخیره سازی بهینه، نمایه سازی چندبعدی و حافظه پنهان حاصل می شود که از مزایای قابل توجه سیستم است. علاوه بر این، مزایای آن عبارتند از:

1. حجم داده های کوچکتر روی دیسک
2. محاسبه خودکار مجموعه های سطح بالاتری از داده ها.
3. مدل های آرایه نمایه سازی طبیعی را ارائه می دهند.
4. استخراج کارآمد داده ها از طریق ساختاربندی اولیه به دست می آید.
5. فشردگی برای مجموعه داده های کم بعدی

معایب OLAP شامل این واقعیت است که برخی از تصمیمات (مرحله پردازش) می تواند بسیار طولانی باشد، به خصوص با مقادیر زیادی اطلاعات. این معمولاً تنها با انجام پردازش افزایشی (بررسی داده هایی که تغییر کرده اند) اصلاح می شود.

عملیات تحلیلی پایه

پیچیدگی(roll-up/drill-up) همچنین به عنوان "تحکیم" شناخته می شود. تاشو شامل جمع آوری تمام داده هایی است که می توان به دست آورد و همه را در یک یا چند بعد محاسبه کرد. اغلب، این ممکن است به استفاده از یک فرمول ریاضی نیاز داشته باشد. به عنوان مثال OLAP، یک زنجیره خرده فروشی با مراکز فروش در شهرهای مختلف را در نظر بگیرید. به منظور شناسایی الگوها و پیش‌بینی روندهای فروش آینده، آنها از همه مکان‌ها به بخش اصلی فروش شرکت برای تجمیع و محاسبه جمع‌آوری می‌شوند.

افشای(دریل کردن). این برعکس تا شدن است. این فرآیند با یک مجموعه داده بزرگ شروع می شود و سپس آن را به قطعات کوچکتر تقسیم می کند، بنابراین کاربران می توانند جزئیات را مشاهده کنند. در مثال با شبکه خرده فروشیتحلیلگر داده های فروش را تجزیه و تحلیل می کند و به برندها یا محصولاتی که در هر یک از مراکز فروش در شهرهای مختلف پرفروش تلقی می شوند نگاه می کند.

سطح مقطع(تکه و تاس). این فرآیندی است که در آن عملیات تجزیه و تحلیل شامل دو عمل است: استخراج مجموعه خاصی از داده ها از یک مکعب OLAP (جنبه "برش" تجزیه و تحلیل) و مشاهده آن از دیدگاه ها یا زوایای مختلف. این می تواند زمانی اتفاق بیفتد که تمام داده های خروجی دریافت شده و به هایپرمکعب وارد شده باشد. تحلیلگر مجموعه ای از داده های مربوط به فروش را از مکعب OLAP برش می دهد. بعداً هنگام تجزیه و تحلیل فروش واحدهای جداگانه در هر منطقه بررسی می شود. در این زمان، سایر کاربران می توانند بر ارزیابی اثربخشی هزینه فروش یا ارزیابی اثربخشی یک کمپین بازاریابی و تبلیغات تمرکز کنند.

دور زدن(محور). محورهای داده را می چرخاند تا تغییری در نمایش اطلاعات ایجاد کند.

انواع پایگاه داده

اساساً، این یک مکعب OLAP معمولی است که تجزیه و تحلیل داده‌های چند بعدی را با مکعب OLAP یا هر مکعب داده پیاده‌سازی می‌کند تا فرآیند تحلیل بتواند در صورت نیاز ابعاد اضافه کند. هر گونه اطلاعات بارگذاری شده در پایگاه داده چند بعدی ذخیره یا بایگانی می شود و در صورت نیاز می توان آن را فراخوانی کرد.

سیستم‌ها یا فناوری‌های OLAP کمتر شناخته شده‌ای وجود دارد، اما این‌ها اصلی‌ترین‌هایی هستند که در حال حاضر توسط شرکت‌های بزرگ، مشاغل و حتی دولت استفاده می‌شوند.

ابزارهای OLAP

ابزارهای پردازش تحلیلی آنلاین به خوبی در اینترنت در هر دو نسخه پولی و رایگان ارائه شده است.

محبوب ترین آنها:

1. Dundas BI از Dundas Data Visualization یک پلت فرم هوش تجاری و تجسم داده مبتنی بر مرورگر است که شامل داشبوردهای یکپارچه، ابزارهای گزارش OLAP و تجزیه و تحلیل داده است.
2. Yellowfin یک پلت فرم هوش تجاری است که یک راه حل یکپارچه واحد است که برای شرکت هایی با صنایع و اندازه های مختلف طراحی شده است. این سیستم برای مشاغل در زمینه حسابداری، تبلیغات، کشاورزی قابل تنظیم است.
3. ClicData یک راه حل هوش تجاری (BI) است که برای استفاده در درجه اول توسط مشاغل کوچک و متوسط ​​طراحی شده است. این ابزار به کاربران نهایی اجازه می دهد تا گزارش ها و داشبورد ایجاد کنند. هیئت مدیره برای ترکیب هوش تجاری، مدیریت عملکرد سازمانی ایجاد شده است و یک سیستم با امکانات کامل است که به شرکت های متوسط ​​و سازمانی خدمات می دهد.
4. Domo یک مجموعه مدیریت کسب و کار مبتنی بر ابر است که با چندین منبع داده از جمله صفحات گسترده، پایگاه های داده، ادغام می شود. شبکه های اجتماعیو هر راه حل نرم افزاری محلی یا ابری موجود.
5. InetSoft Style Intelligence است پلت فرم نرم افزاریبرای تحلیلگران کسب و کار، که به کاربران اجازه می دهد تا داشبورد، فناوری تجزیه و تحلیل بصری OLAP و گزارش ها را با استفاده از موتور mashup ایجاد کنند.
6. Birst توسط Infor Company یک راه حل هوش تجاری و تجزیه و تحلیل مبتنی بر وب است که ایده ها را به هم متصل می کند تیم های مختلفو به شما در تصمیم گیری آگاهانه کمک می کند. این ابزار به کاربران غیرمتمرکز اجازه می دهد تا مدل تیم سازمانی را افزایش دهند.
7. Halo یک سیستم جامع مدیریت زنجیره تامین و هوش تجاری است که به برنامه ریزی تجاری و پیش بینی موجودی برای مدیریت زنجیره تامین کمک می کند. این سیستم از داده ها از همه منابع - بزرگ، کوچک و متوسط ​​استفاده می کند.
8. Chartio یک راه حل تحلیلگر کسب و کار مبتنی بر ابر است که ابزارهایی را برای سازماندهی کارهای روزانه خود به بنیانگذاران، تیم های تجاری، تحلیلگران داده و تیم های محصول ارائه می دهد.
9. Exago BI یک راه حل وب است که برای تعبیه در برنامه های وب طراحی شده است. پیاده‌سازی Exago BI به شرکت‌ها در هر اندازه‌ای اجازه می‌دهد تا گزارش‌های موردی، بی‌درنگ و تعاملی را به مشتریان خود ارائه دهند.

تاثیر تجاری

کاربر OLAP را در اکثر برنامه های تجاری در صنایع پیدا می کند. تجزیه و تحلیل نه تنها توسط مشاغل، بلکه توسط سایر افراد علاقه مند نیز استفاده می شود.

برخی از رایج ترین کاربردهای آن عبارتند از:

1. تجزیه و تحلیل داده های OLAP بازاریابی
2. گزارشگری مالی که فروش و هزینه ها، بودجه بندی و برنامه ریزی مالی را پوشش می دهد.
3. مدیریت فرآیند کسب و کار.
4. تجزیه و تحلیل فروش
5. بازاریابی پایگاه داده

صنایع همچنان به رشد خود ادامه می دهند، که به این معنی است که کاربران به زودی خواهند دید برنامه های بیشتر OLAP. پردازش سفارشی چند متغیره تجزیه و تحلیل پویا تری را ارائه می دهد. به همین دلیل است که از این سیستم‌ها و فناوری‌های OLAP برای ارزیابی سناریوهای کسب‌وکار چه-اگر و جایگزین استفاده می‌شود.

OLAP (پردازش تحلیلی آنلاین) نام یک محصول خاص نیست، بلکه نام یک فناوری پردازش تحلیلی آنلاین است که شامل تجزیه و تحلیل داده ها و گزارش می شود. یک جدول چند بعدی به کاربر ارائه می شود که به طور خودکار داده ها را در بخش های مختلف خلاصه می کند و به شما امکان می دهد محاسبات و فرم گزارش را به سرعت مدیریت کنید.

اگرچه در برخی از نشریات پردازش تحلیلی هم به صورت آنلاین و هم تعاملی نامیده می شود، صفت "آنلاین" به درستی معنای فناوری OLAP را منعکس می کند. توسعه تصمیمات مدیریت مدیریتی در دسته حوزه هایی قرار می گیرد که به اشتباه در معرض اتوماسیون هستند. با این حال، امروزه فرصتی برای کمک به مدیر در توسعه تصمیمات و مهمتر از همه، سرعت بخشیدن به روند توسعه تصمیمات، انتخاب و اتخاذ آنها وجود دارد.

سیستم‌های پشتیبانی تصمیم معمولاً ابزاری را دارند که داده‌های جمعی را برای نمونه‌های مختلف از مجموعه اولیه به شکلی مناسب برای درک و تجزیه و تحلیل در اختیار کاربر قرار دهند. به عنوان یک قاعده، چنین است توابع جمعیک مجموعه داده چند بعدی را تشکیل می دهند که اغلب ابرمکعب یا متاکوب نامیده می شود، که محورهای آن حاوی پارامترهایی هستند و سلول ها حاوی داده های انبوهی هستند که به آنها بستگی دارد - و چنین داده هایی را می توان در جداول رابطه ای نیز ذخیره کرد، اما در این مورد ما در مورد منطقی صحبت می کنیم. سازماندهی داده ها، و نه در مورد اجرای فیزیکی ذخیره سازی آنها.

در امتداد هر محور، داده ها را می توان در یک سلسله مراتب سازماندهی کرد که سطوح مختلف جزئیات را نشان می دهد.

با توجه به ابعاد در مدل چند بعدی، عواملی که بر فعالیت‌های شرکت تأثیر می‌گذارند کنار گذاشته می‌شوند (به عنوان مثال: زمان، محصولات، شعب شرکت و غیره). سپس مکعب OLAP حاصل با شاخص‌های فعالیت شرکت (قیمت‌ها، فروش، طرح، سود، جریان نقدی و غیره) پر می‌شود. لازم به ذکر است که برخلاف یک مکعب هندسی، وجه های یک مکعب OLAP لازم نیست اندازه یکسانی داشته باشند. این پر کردن را می توان هم با داده های واقعی سیستم های عملیاتی انجام داد و هم بر اساس داده های تاریخی پیش بینی کرد. ابعاد هایپرمکعب می تواند پیچیده، سلسله مراتبی باشد و روابط بین آنها برقرار شود. در طول تجزیه و تحلیل، کاربر می تواند دیدگاه خود را بر روی داده ها تغییر دهد (به اصطلاح عملیات تغییر نمای منطقی)، در نتیجه داده ها را در بخش های مختلف مشاهده کرده و مشکلات خاص را حل می کند. عملیات های مختلفی را می توان بر روی مکعب ها انجام داد، از جمله پیش بینی و زمان بندی شرطی (تحلیل چه می شود).

به لطف این مدل داده، کاربران می توانند پرس و جوهای پیچیده را فرموله کنند، گزارش تولید کنند و زیر مجموعه های داده را دریافت کنند. پردازش تحلیلی عملیاتی می تواند به طور قابل توجهی فرآیند آماده سازی و تصمیم گیری توسط پرسنل مدیریت را ساده و سرعت بخشد. پردازش تحلیلی آنلاین با هدف تبدیل داده ها به اطلاعات انجام می شود. اساساً با فرآیند پشتیبانی تصمیم گیری سنتی که اغلب بر اساس در نظر گرفتن گزارش های ساختاریافته است، متفاوت است.

فناوری OLAP به نوع تحلیل فکری اشاره دارد و شامل 12 اصل است:

1. نمایش چند بعدی مفهومی. کاربر تحلیلگر جهان شرکت را به ترتیب ماهیت چند بعدی می بیند و مدل OLAP باید در هسته خود چند بعدی باشد.

2. شفافیت. معماری سیستم OLAP باید باز باشد و به کاربر اجازه دهد در هر کجا که باشد با استفاده از یک ابزار تحلیلی - کلاینت - با سرور ارتباط برقرار کند.

3. دسترسی. یک کاربر تحلیلگر OLAP باید بتواند تجزیه و تحلیل را بر اساس یک طرح مفهومی مشترک شامل داده‌های کل سازمانی در یک پایگاه داده رابطه‌ای و همچنین داده‌هایی از پایگاه‌های داده قدیمی، روش‌های دسترسی رایج و یک مدل تحلیلی مشترک انجام دهد. یک سیستم OLAP فقط باید به داده‌هایی دسترسی داشته باشد که واقعاً مورد نیاز است و از اصل کلی «قیف آشپزخانه» که مستلزم ورودی‌های غیر ضروری است، استفاده نکند.

4. عملکرد ثابت در تهیه گزارش. با افزایش تعداد ابعاد یا اندازه پایگاه داده، کاربر تحلیلگر نباید کاهش قابل توجهی در عملکرد را تجربه کند.

5. معماری سرویس گیرنده-سرور. امروزه بیشتر داده‌های مورد نیاز برای تجزیه و تحلیل آنلاین بر روی مین‌فریم‌هایی با دسترسی به ایستگاه‌های کاری کاربر از طریق LAN قرار دارد. این بدان معناست که محصولات OLAP باید بتوانند در محیط سرویس گیرنده-سرور کار کنند.

6. چند بعدی بودن عمومی. هر بعد باید بدون توجه به ساختار و قابلیت های عملیاتی آن اعمال شود. ساختارهای داده، فرمول‌ها و فرمت‌های گزارش‌دهی زیربنایی نباید نسبت به یک بعد تعصب داشته باشند.

7. مدیریت پویا ماتریس های پراکنده. طراحی فیزیکی یک ابزار OLAP باید کاملاً با مدل تحلیلی خاص سازگار باشد تا بتوان بهینه ماتریس‌های پراکنده را مدیریت کرد. پراکندگی (که به عنوان درصد سلول های خالی نسبت به تمام سلول های ممکن اندازه گیری می شود) یکی از ویژگی های انتشار داده است.

8. پشتیبانی چند کاربره. یک ابزار OLAP باید توانایی اشتراک پرس و جو و افزایش چندین کاربر تحلیلگر را با حفظ یکپارچگی و امنیت فراهم کند.

9. عملیات متقابل نامحدود. عملیات مختلف، به دلیل ماهیت سلسله مراتبی خود، می توانند روابط وابسته را در مدل OLAP نشان دهند، یعنی متقابل هستند. اجرای آنها نباید نیازی به تعریف مجدد این محاسبات و عملیات توسط کاربر تحلیلگر داشته باشد.

10. دستکاری داده های بصری. دیدگاه کاربر تحلیلگر از ابعاد تعریف شده در مدل تحلیلی باید شامل تمام اطلاعات لازم برای انجام اقدامات بر روی مدل OLAP باشد. آنها نباید به استفاده از سیستم منو یا سایر عملیات رابط کاربری چندگانه نیاز داشته باشند.

11. گزینه های گزارش دهی انعطاف پذیر. ابزارهای گزارش دهی باید داده ها یا اطلاعات حاصل از مدل داده در هر جهت ممکن ترکیب شوند. این بدان معناست که سطرها، ستون‌ها یا صفحات یک گزارش باید چندین بعد از یک مدل OLAP را به طور همزمان نمایش دهند، با قابلیت نمایش زیرمجموعه‌ای از عناصر (مقادیر) موجود در بعد، و به هر ترتیبی.

12. ابعاد و تعداد سطوح تجمع نامحدود. مطالعه بر روی تعداد احتمالی اندازه گیری های لازم مورد نیاز در یک مدل تحلیلی نشان داد که حداکثر 19 اندازه گیری می تواند به طور همزمان توسط یک کاربر تحلیلگر استفاده شود. این منجر به توصیه ای در مورد تعداد ابعاد پشتیبانی شده توسط سیستم OLAP می شود. علاوه بر این، هر یک از ابعاد مشترک نباید با تعداد سطوح تجمیع تعریف شده توسط کاربر تحلیلگر محدود شود.

به عنوان سیستم های تخصصی OLAP که در حال حاضر در بازار ارائه می شوند، می توانید CalliGraph، Business Intelligence را مشخص کنید.

برای حل وظایف ساده تجزیه و تحلیل داده ها، می توان از یک راه حل بودجه استفاده کرد - برنامه های Microsoft Excel و Access Office، که حاوی ابزارهای اولیه فناوری OLAP هستند که به شما امکان می دهد جداول محوری ایجاد کنید و گزارش های مختلفی را بر اساس آنها بسازید.