Wat zijn OLAP-systemen?

Online analytische verwerking, of OLAP, is een effectieve gegevensverwerkingstechnologie, waardoor, op basis van enorme arrays van allerlei gegevens, de uiteindelijke informatie wordt weergegeven. Dit is een krachtig product dat helpt om informatie op een pc te openen, op te halen en te bekijken en vanuit verschillende gezichtspunten te analyseren.

OLAP is een hulpmiddel dat een strategische positie biedt voor langetermijnplanning en de basisinformatie van operationele gegevens beschouwt voor een perspectief van 5, 10 of meer jaar. Gegevens worden opgeslagen in de database met de dimensie, die hun kenmerk is. Gebruikers kunnen dezelfde gegevensset met verschillende attributen bekijken, afhankelijk van het doel van de analyse.

OLAP-geschiedenis

OLAP is geen nieuw concept en wordt al tientallen jaren gebruikt. De oorsprong van technologie is zelfs terug te voeren tot 1962. Maar de term werd pas in 1993 bedacht door databaseauteur Ted Coddom, die ook 12 regels voor het product stelde. Zoals bij veel andere toepassingen heeft het concept verschillende stadia van evolutie doorgemaakt.

De geschiedenis van OLAP-technologie zelf gaat terug tot 1970, toen Express-informatiebronnen en de eerste Olap-server werden vrijgegeven. Ze werden in 1995 overgenomen door Oracle en werden vervolgens de basis voor de online analytische verwerking van het multidimensionale computermechanisme dat het gerenommeerde computermerk in zijn database aanbood. In 1992 werd een ander bekend online analytisch verwerkingsproduct Essbase uitgebracht door Arbor Software (overgenomen door Oracle in 2007).

In 1998 bracht Microsoft de online analyseserver voor gegevensverwerking, MS Analysis Services, uit. Dit droeg bij aan de populariteit van technologie en leidde tot de ontwikkeling van andere producten. Tegenwoordig zijn er verschillende wereldberoemde leveranciers die Olap-toepassingen aanbieden, waaronder IBM, SAS, SAP, Essbase, Microsoft, Oracle, IcCube.

Online analytische verwerking

OLAP is een tool waarmee u beslissingen kunt nemen over geplande evenementen. Atypische Olap-berekening kan ingewikkelder zijn dan alleen het verzamelen van gegevens. Analytical Queries per Minute (AQM) wordt gebruikt als standaardreferentie voor het vergelijken van de prestaties van verschillende instrumenten. Deze systemen moeten gebruikers zoveel mogelijk verbergen voor de syntaxis van complexe vragen en zorgen voor een consistente responstijd voor iedereen (hoe ingewikkeld ze ook zijn).

De volgende belangrijke functies van OLAP bestaan:

1. Multidimensionale gegevensrepresentaties.
2. Ondersteuning voor complex computergebruik.
3. Tijdelijke inlichtingen.

Multidimensionale presentatie biedt de basis voor analytische verwerking door flexibele toegang tot bedrijfsgegevens. Hiermee kunnen gebruikers gegevens in elke dimensie en op elk aggregatieniveau analyseren.

Ondersteuning voor complex computergebruik is de basis van OLAP-software.

Tijdelijke intelligentie wordt gebruikt om de effectiviteit van elke analytische toepassing gedurende een specifieke periode te evalueren. Deze maand bijvoorbeeld in vergelijking met de vorige maand, deze maand in vergelijking met dezelfde maand vorig jaar.

Multidimensionale gegevensstructuur

Een van de belangrijkste kenmerken van online analytische verwerking is de multidimensionale gegevensstructuur. Een kubus kan verschillende dimensies hebben. Dankzij dit model is het hele proces van intelligente OLAP-analyse eenvoudig voor managers en leidinggevenden, aangezien de objecten die in de cellen worden weergegeven, echte zakelijke objecten zijn. Bovendien kunnen gebruikers met dit gegevensmodel niet alleen gestructureerde arrays verwerken, maar ook ongestructureerde en semi-gestructureerde arrays.Dit alles maakt ze vooral populair voor data-analyse en BI-toepassingen.

Belangrijkste kenmerken van OLAP-systemen:

1. Gebruik multidimensionale methoden voor gegevensanalyse.
2. Bieden geavanceerde database-ondersteuning.
3. Maak eenvoudig te gebruiken eindgebruikersinterfaces.
4. Ondersteuning client / server-architectuur.

Een van de belangrijkste componenten van OLAP-concepten is een server aan de clientzijde. Naast het verzamelen en voorverwerken van gegevens uit een relationele database, biedt het geavanceerde berekenings- en opnameparameters, extra functies, geavanceerde geavanceerde query-mogelijkheden en andere functies.

Afhankelijk van de voorbeeldtoepassing die door de gebruiker is geselecteerd, zijn verschillende gegevensmodellen en tools beschikbaar, waaronder realtime waarschuwingen, een functie voor het toepassen van wat-als-scenario's, optimalisatie en complexe OLAP-rapporten.

Kubieke vorm

Het concept is gebaseerd op een kubieke vorm. De locatie van de gegevens erin laat zien hoe OLAP zich houdt aan het principe van multivariate analyse, waardoor een gegevensstructuur wordt gemaakt voor snelle en efficiënte analyse.

Een OLAP-kubus wordt ook een "hypercube" genoemd. Het wordt beschreven als bestaande uit numerieke feiten (maten), ingedeeld naar facetten (dimensies). Dimensies hebben betrekking op kenmerken die een bedrijfsprobleem definiëren. Simpel gezegd, een dimensie is een label dat een maat beschrijft. In verkooprapporten is de waarde bijvoorbeeld het verkoopvolume en bevatten dimensies de verkoopperiode, verkopers, een product of service en het verkoopgebied. Bij de rapportage van productieactiviteiten kan de maatregel de totale productiekosten en outputeenheden zijn. Dimensies zijn de datum of tijd van productie, de productiefase of fase, zelfs de werknemers die bij het productieproces betrokken zijn.

De OLAP-gegevenskubus is de hoeksteen van het systeem. De gegevens in de kubus zijn georganiseerd met behulp van een ster- of sneeuwvlokpatroon. In het midden staat een feitentabel met aggregaten (maten). Het wordt geassocieerd met een reeks meettabellen met informatie over metingen. Dimensies beschrijven hoe deze maatregelen kunnen worden geanalyseerd. Als een kubus meer dan drie dimensies bevat, wordt deze vaak een hypercube genoemd.

Een van de belangrijkste functies van de kubus is de statische aard ervan, wat inhoudt dat de kubus na zijn ontwikkeling niet kan worden gewijzigd. Daarom is het proces van het bouwen van een kubus en het opzetten van een gegevensmodel een cruciale stap in de richting van geschikte gegevensverwerking in de OLAP-architectuur.

Gegevens aggregatie

Het gebruik van aggregaties is de belangrijkste reden waarom aanvragen veel sneller worden verwerkt in OLAP-tools (vergeleken met OLTP). Aggregaties zijn samenvattingen van gegevens die eerder werden berekend tijdens de verwerking. Alle leden die zijn opgeslagen in OLAP-dimensietabellen definiëren de query's die de kubus kan ontvangen.

In een kubus worden informatieverzamelingen opgeslagen in cellen, waarvan de coördinaten worden gespecificeerd door specifieke grootten. Het aantal aggregaten dat een kubus kan bevatten, is afhankelijk van alle mogelijke combinaties van dimensie-elementen. Daarom kan een typische kubus in een toepassing een extreem groot aantal aggregaten bevatten. Een voorlopige berekening wordt alleen uitgevoerd voor sleutelaggregaten die worden verdeeld over de analytische kubus van online analyse. Dit verkort de tijd die nodig is om eventuele aggregaties te bepalen bij het uitvoeren van een query in een gegevensmodel.

Er zijn ook twee opties met betrekking tot aggregaties waarmee u de prestaties van een voltooide kubus kunt verbeteren: een aggregatie van de mogelijkhedencache maken en aggregatie gebruiken op basis van een analyse van gebruikersverzoeken.

Werkingsprincipe

Doorgaans kan de analyse van operationele informatie verkregen uit transacties worden uitgevoerd met behulp van een eenvoudige spreadsheet (gegevenswaarden worden gepresenteerd in rijen en kolommen). Dit is goed gezien de tweedimensionale aard van de gegevens. In het geval van OLAP zijn er verschillen als gevolg van de multidimensionale gegevensmatrix.Omdat ze vaak uit verschillende bronnen worden verkregen, kan een spreadsheet ze mogelijk niet altijd efficiënt verwerken.

De kubus lost dit probleem op en zorgt er ook voor dat het OLAP-datawarehouse op een logische en ordelijke manier werkt. Het bedrijf verzamelt gegevens uit verschillende bronnen en wordt gepresenteerd in verschillende formaten, zoals tekstbestanden, multimediabestanden, Excel-spreadsheets, Access-databases en zelfs OLTP-databases.

Alle gegevens worden verzameld in een repository die rechtstreeks uit bronnen wordt gevuld. Daarin wordt de onbewerkte informatie ontvangen van OLTP en andere bronnen vrijgemaakt van eventuele foutieve, onvolledige en inconsistente transacties.

Na opschoning en conversie wordt de informatie opgeslagen in een relationele database. Vervolgens wordt het geüpload naar de multidimensionale OLAP-server (of Olap-kubus) voor analyse. Eindgebruikers die verantwoordelijk zijn voor bedrijfstoepassingen, datamining en andere bedrijfsactiviteiten krijgen toegang tot de informatie die ze nodig hebben van de Olap-kubus.

Array Model Voordelen

OLAP is een tool die snelle queryprestaties biedt, die wordt bereikt door geoptimaliseerde opslag, multidimensionale indexering en caching, wat belangrijke voordelen van het systeem zijn. Bovendien zijn de voordelen:

1. Kleinere gegevens op schijf.
2. Geautomatiseerde berekening van aggregaten van een hoger gegevensniveau.
3. Array-modellen bieden natuurlijke indexering.
4. Efficiënt ophalen van gegevens wordt bereikt door pre-structurering.
5. Compact voor laag-dimensionale datasets.

De nadelen van OLAP zijn onder meer het feit dat sommige oplossingen (verwerkingsstap) behoorlijk lang kunnen duren, vooral met grote hoeveelheden informatie. Dit wordt meestal gecorrigeerd door alleen incrementele verwerking uit te voeren (gegevens die zijn gewijzigd, worden bestudeerd).

Analytische basisbewerkingen

kronkeling (samenvattend / drill-up) wordt ook wel 'consolidatie' genoemd. Coagulatie omvat het verzamelen van alle gegevens die kunnen worden verkregen en alles in een of meer dimensies berekenen. Meestal vereist dit de toepassing van een wiskundige formule. Als een OLAP-voorbeeld kunnen we een retailnetwerk met winkels in verschillende steden overwegen. Om modellen te identificeren en te anticiperen op toekomstige verkooptrends, worden gegevens over alle punten daarover "samengevouwen" in de belangrijkste verkoopafdeling van het bedrijf voor consolidatie en berekening.

openbaring (Drill-down). Dit is het tegenovergestelde van coagulatie. Het proces begint met een grote gegevensset en wordt vervolgens opgedeeld in kleinere delen, waardoor gebruikers details kunnen bekijken. In het voorbeeld van een retailnetwerk analyseert de analist verkoopgegevens en kijkt hij naar afzonderlijke merken of producten die worden beschouwd als bestsellers in elk van de winkels in verschillende steden.

sectie (Plak en dobbelstenen). Dit is een proces wanneer analytische bewerkingen twee acties omvatten: een specifieke gegevensset afleiden uit de OLAP-kubus (het analyse-aspect 'knippen') en deze vanuit verschillende gezichtspunten of hoeken bekijken. Dit kan gebeuren wanneer alle gegevens van de verkooppunten worden ontvangen en in de hypercube worden ingevoerd. De analist verwijdert de verkoopgegevensset van OLAP Cube. Het zal dan worden bekeken bij het analyseren van de verkoop van individuele eenheden in elke regio. Op dit moment kunnen andere gebruikers zich richten op het evalueren van de kosteneffectiviteit van verkoop of het evalueren van de effectiviteit van een marketing- en reclamecampagne.

twist (Pivot). De gegevensassen worden erin geroteerd om de presentatie van informatie te vervangen.

Soorten databases

In principe is dit een typische OLAP-kubus die een analytische verwerking van multidimensionale gegevens implementeert met behulp van de OLAP-kubus of een andere gegevenskubus, zodat het analytische proces desgewenst dimensies kan toevoegen. Alle informatie die naar een multidimensionale database wordt geüpload, wordt opgeslagen of gearchiveerd en kan worden opgeroepen wanneer dat nodig is.

Er zijn minder bekende OLAP-systemen of -technologieën, maar dit zijn de belangrijkste die momenteel worden gebruikt door grote bedrijven, bedrijfsstructuren en zelfs de overheid.

OLAP-hulpmiddelen

Tools voor online analytische verwerking worden zeer goed gepresenteerd op het internet in de vorm van zowel betaalde als gratis versies.

De meest populaire van hen:

1. Dundas BI van Dundas Data Visualization is een browsergebaseerd platform voor business intelligence en datavisualisatie, inclusief geïntegreerde dashboards, OLAP-rapportagetools en data-analyse.
2. Yellowfin is een business intelligence-platform, een geïntegreerde oplossing voor bedrijven van verschillende industrieën en groottes. Dit systeem is geconfigureerd voor ondernemingen op het gebied van boekhouding, reclame, landbouw.
3. ClicData is een BI-oplossing (Business Intelligence) die voornamelijk is ontworpen voor gebruik door kleine en middelgrote bedrijven. Met de tool kunnen eindgebruikers rapporten en dashboards maken. Board is opgericht om business intelligence en bedrijfsprestatiebeheer te combineren en is een volledig functioneel systeem voor middelgrote en zakelijke bedrijven.
4. Domo is een cloudgebaseerd pakket voor bedrijfsbeheer dat kan worden geïntegreerd met meerdere gegevensbronnen, waaronder spreadsheets, databases, sociale netwerken en elke bestaande softwareoplossing in de cloud of op locatie.
5. InetSoft Style Intelligence is een softwareplatform voor business intelligence waarmee gebruikers dashboards, visuele OLAP-analysetechnologie en rapporten kunnen maken met behulp van het mashup-mechanisme.
6. Birst van Infor Company is een netwerkoplossing voor bedrijfsanalisten en analyses, die de ideeën van verschillende teams combineert en helpt bij het nemen van weloverwogen beslissingen. Met de tool kunnen gedecentraliseerde gebruikers het model van bedrijfsteams vergroten.
7. Halo is een uitgebreid supply chain management- en business intelligence-systeem dat helpt bij bedrijfsplanning en voorraadprognoses voor supply chain management. Het systeem gebruikt gegevens uit alle bronnen - groot, klein en gemiddeld.
8. Chartio is een cloudgebaseerde business intelligence-oplossing die oprichters, bedrijfsgroepen, data-analisten en productgroepen organisatorische hulpmiddelen biedt voor het dagelijkse werk.
9. Exago BI is een webgebaseerde oplossing die is ontworpen voor implementatie in webapplicaties. Met de implementatie van Exago BI kunnen bedrijven van elke omvang hun klanten speciale, tijdige en interactieve rapportage aanbieden.

Bedrijfsimpact

De gebruiker vindt OLAP in de meeste bedrijfstoepassingen in verschillende bedrijfstakken.De analyse wordt niet alleen door bedrijven, maar ook door andere geïnteresseerde partijen gebruikt.

Enkele van de meest voorkomende toepassingen zijn:

1. Marketing OLAP-gegevensanalyse.
2. Financiële overzichten die verkoop en uitgaven, budgettering en financiële planning dekken.
3. Beheer van bedrijfsprocessen.
4. Verkoop analyse.
5. Database marketing.

Industrieën blijven groeien, wat betekent dat gebruikers binnenkort meer OLAP-toepassingen zullen zien. Multi-dimensionale aangepaste verwerking zorgt voor meer dynamische analyse. Het is om deze reden dat deze OLAP-systemen en -technologieën worden gebruikt om what-if-scenario's en alternatieve bedrijfsscenario's te evalueren.