Top 10 olap analitičkih sistema izvještavanja. OLAP-CUBE (dinamičko upravljanje izvještavanjem)

06.04.2019 Zanimljivo

Svrha seminarski rad je studija OLAP tehnologije, koncepta njene implementacije i strukture.

V savremeni svet računarske mreže i računarski sistemi omogućavaju vam analizu i obradu velikih količina podataka.

Velika količina informacija uvelike otežava potragu za rješenjima, ali omogućava dobijanje mnogo preciznijih proračuna i analiza. Za rješavanje ovog problema postoji čitava klasa informacionih sistema koji vrše analizu. Takvi sistemi se nazivaju sistemi za podršku odlučivanju (DSS) (DSS, Decision Support System).

Da bi izvršio analizu, DSS treba da akumulira informacije, raspolažući sredstvima za njihov unos i skladištenje. Ukupno, u DSS-u se rješavaju tri glavna zadatka:

· unos podataka;

· pohrana podataka;

· Analiza podataka.

Unos podataka u DSS se vrši automatski od senzora koji karakterišu stanje okoline ili procesa, ili od strane ljudskog operatera.

Ako se podaci unose automatski sa senzora, tada se podaci akumuliraju signalom spremnosti koji se pojavljuje kada se informacija pojavi ili cikličnim prozivanjem. Ako je unos od strane čovjeka, oni bi trebali pružiti korisnicima pogodna sredstva za unos podataka, provjeravanje ispravnosti unosa, kao i za obavljanje potrebnih proračuna.

Prilikom istovremenog unosa podataka od strane više operatera, potrebno je riješiti probleme modifikacije i paralelnog pristupa istim podacima.

DSS pruža analitičarima podatke u vidu izveštaja, tabela, grafikona za proučavanje i analizu, zbog čega ovakvi sistemi pružaju funkcije podrške odlučivanju.

U podsistemima za unos podataka koji se nazivaju OLTP (On-linetransactionprocessing), implementirana je operativna obrada podataka. Da biste ih implementirali, koristite konvencionalni sistemi Upravljanje DB (DBMS).

Podsistem analize može se izgraditi na osnovu:

· Podsistemi analize pronalaženja informacija zasnovani na relacionim DBMS i statičkim upitima koristeći SQL jezik;

· Podsistemi operativne analize. Za implementaciju ovakvih podsistema koristi se OLAP tehnologija online analitičke obrade podataka koja koristi koncept višedimenzionalne prezentacije podataka;

· Podsistemi intelektualne analize. Ovaj podsistem implementira DataMining metode i algoritme.

Sa stanovišta korisnika, OLAP sistemi obezbeđuju sredstvo fleksibilnog pregleda informacija u različitim rezovima, automatskog dobijanja agregiranih podataka, izvođenja analitičkih operacija konvolucije, detaljiranja, poređenja tokom vremena. Zahvaljujući svemu tome, OLAP sistemi su rješenje sa velike prednosti u oblasti pripreme podataka za sve vrste poslovnog izvještavanja, uključujući prikaz podataka u različitim dijelovima i različitim nivoima hijerarhije, kao što su izvještaji o prodaji, različiti oblici budžeta i dr. OLAP sistemi imaju velike prednosti ovakvog prikaza u drugim oblicima analize podataka, uključujući predviđanje.

1.2 Definicija OLAP -sistemi

Tehnologija za složenu multivarijantnu analizu podataka naziva se OLAP. OLAP je ključna komponenta HD organizacije.

OLAP funkcionalnost se može implementirati na različite načine, kako na najjednostavniji, kao što je analiza podataka u uredskim aplikacijama, tako i na složenije - distribuirane analitičke sisteme bazirane na serverskim proizvodima.

OLAP (On-LineAnalyticalProcessing) je tehnologija za on-line analitičku obradu podataka koristeći alate i metode za prikupljanje, pohranjivanje i analizu višedimenzionalnih podataka i za podršku procesima donošenja odluka.

Glavna svrha OLAP sistema je podrška analitičke aktivnosti, proizvoljni zahtjevi korisnika analitičara. Svrha OLAP analize je testiranje hipoteza koje se pojavljuju.

Pošto smo shvatili šta je OLAP i koja su njegova svojstva, pređimo na najvažnije pitanje: kome su namenjeni softverski proizvodi ove klase?

Kao što je već napomenuto, informaciona infrastruktura kompanije je hijerarhijska i uključuje nivo prikupljanja primarnih informacija (transakcioni nivo), nivoe skladištenja i baza podataka, nivo OLAP-a i nivo klijentskih analitičkih aplikacija. Dakle, OLAP sistemi zauzimaju određeno mjesto u informacionoj infrastrukturi preduzeća.

Često se postavlja pitanje: kako se, sa stanovišta korisnika-analitičara, OLAP sistem razlikuje od skladišta podataka? Možemo reći da je glavna stvar, sa stanovišta korisnika, jeste OLAP razlika sastoji se u strukturiranju informacija u skladu sa njihovom predmetnom (naime, predmetnom, a ne tehničkom) suštinom. Radeći sa OLAP aplikacijom, analitičar koristi poznate finansijske i ekonomske pojmove, kategorije i pokazatelje (vrste materijala i gotovih proizvoda, regioni prodaje, obim prodaje, cena koštanja, profit itd.), a kako bi formirao bilo kakav, čak i bolje složen upit, on ne mora da uči SQL jezik... A u isto vrijeme, odgovor na zahtjev će biti primljen u roku od samo nekoliko sekundi. Osim toga, radeći sa OLAP sistemom, ekonomista može koristiti poznate alate kao što su tabele ili specijalni alati za izvještavanje.

Ako je skladište podataka uglavnom predmet pažnje IT servisa, onda je OLAP alat za „predmetne” analitičare. Istovremeno, analitičari možda neće ni nagađati o postojanju repozitorija. Dakle, bez pretjerivanja, OLAP se može nazvati softverskim alatom iz arsenala ekonomiste, jer je to ekonomista koji se bavi raznim analitičkim poslovima: marketinška analiza, analiza prodaje, analiza pokazatelja budžeta, analiza finansijskih izvještaja i mnoge druge. drugi.

O LAP-u je univerzalni alat. Ali u isto vrijeme, upravo je njegova svestranost ono što ga čini neprikladnim za specifične financijske i ekonomske zadatke koji zahtijevaju korištenje posebnih metoda i organizacijskih principa. Stoga, OLAP aplikacije ne mogu poslužiti kao punopravna alternativa specijalizovanim analitičkim aplikacijama, na primjer, sistemima budžetiranja ili sistemima za konsolidaciju finansijskog izvještavanja. Ovdje nema kontradikcije: softverski proizvod koji implementira opšte principe ekonomske analize teško može tvrditi da rješava apsolutno sve posebne probleme. Ali, s druge strane, upravo kombinacija OLAP-a i specijalizovanih sistema daje ekonomistima najveće prednosti, jer se u ovom slučaju specijalne funkcije, metode i algoritmi uspešno kombinuju sa svestranošću analitičke obrade podataka.

Zbog toga se OLAP alati često koriste u aplikacijama za klijentsku analitiku za skladištenje višedimenzionalnih podataka. Ovdje korisnik primjenjuje svoje uobičajene alate za implementaciju određenih tehnika upravljanja, ali se u isto vrijeme podaci za obradu i analizu pohranjuju u OLAP server. Ilustrativan primjer je Hyperion Planning, sistem budžetiranja, planiranja i predviđanja. Njegov obavezni element je višedimenzionalna baza podataka, koja se koristi za pohranjivanje informacija koje se najdinamičnije mijenjaju (dok se metapodaci i druge statičke informacije pohranjuju u relaciona baza podaci).

Dakle, dobro izgrađen OLAP sistem igra veoma zapaženu ulogu u životu ekonomiste, jer uz njegovu pomoć možete doći do najnovijih informacija i brzo obaviti opšte analitičke procedure. A složene finansijske funkcije i neophodne organizacione aspekte će obezbijediti specijalizovani sistemi, opet, na osnovu OLAP podataka. Kako pokazuje iskustvo vodećih kompanija (kako međunarodnih tako i ruskih), OLAP tehnologije su ekonomski isplative i ulaganja u takva rješenja se prilično brzo isplate.

Koncept upravljanja poslovnim učinkom: Početak rada Alati za upite i izvještavanje

Kao što je već napomenuto, alati za generiranje upita i građenje izvještaja (Upit i Izvještavanje uzeti) pružaju funkcije za građenje upita informacionim i analitičkim sistemima, integraciju podataka iz više izvora, pregled podataka sa mogućnošću detaljisanja i sumiranja, građenje i ispis potpunog sadržaja. gotovi izvještaji, uključujući kvalitet prezentacije. Neke od softverskih proizvoda ove klase mogu koristiti krajnji korisnici uz minimalnu IT podršku, dok je za druge potrebno određeno programiranje i konfigurišu ih tehničari.

Tipični predstavnici ove klase sistema su softverski proizvodi Hyperion Corporation, objedinjeni u porodicu Hyperion Performance Suite.

Hyperion Performance Suite je kolekcija alata za izgradnju upita, analizu, izvještavanje i isporuku u cijeloj organizaciji. Ovi softverski proizvodi postali su dio Hyperion linije BI sistema nakon što je Hyperion 2003. godine kupio Brio Software, kompaniju poznatu na tržištu poslovne inteligencije po svojim efikasnim i jednostavnim rješenjima. Pre toga, dugi niz godina, Hyperion i Brio su blisko sarađivali kao tehnološki partneri, pa je kombinacija njihovog razvoja stvorila jedinstvenu liniju u kojoj Hyperion rešenja (Hyperion Essbase OLAP sistem i analitičke aplikacije - Hyperion Planning, Hyperion Financial Management i drugi) pokazalo se da je organski dopunjen modernim Brio alatima za upite i izvještavanje. Kao rezultat toga, Hyperion je postao vlasnik najmoćnije i potpuno opremljene linije softverskih proizvoda Business Intelligence na tržištu. Danas su sva ova rješenja, koja cijene mnoge strane kompanije, postala dostupna ruskim preduzećima.

Hyperion Performance Suite uključuje dva softverski proizvod- Hyperion Intelligence i Hyperion SQR.

Hyperion Intelligence je moderan, jednostavan za korištenje sistem za generiranje složenih upita raznih izvora podatke, uključujući ERP, CRM, bankovne i druge transakcione sisteme, kao i da te podatke predstavi u formi koja se lako može analizirati. Koristeći podatke pohranjene u postojećim informacionim sistemima, Hyperion Intelligence ovlašćuje programere, analitičare i potrošače da transformišu neobrađene podatke u vrijedne informacije za donošenje odluka. Analitičke mogućnosti sistema omogućavaju stručnjacima organizacije da brzo procene poslovne prilike i trendove i povećaju validnost upravljačkih odluka, a intuitivni korisnički interfejs zasnovan na internet tehnologijama čini informacije dostupnim svakom od ovlašćenih korisnika.

Hyperion SQR sistem je efikasno rešenje za upravljanje velikim tokovima izvještaja - od relativno jednostavne poruke na organizaciono kritične, složene izvještaje. Hyperion SQR omogućava programerima da generišu izveštaje kvaliteta prezentacije bilo koje složenosti, a zatim isporuče ove izveštaje krajnjim korisnicima u celoj organizaciji. Obradom složenih upita i generiranjem smislenih izvještaja iz njih, Hyperion SQR pretvara skupove podataka u poslovne informacije kako bi poboljšao efikasnost cijele organizacije. Sistem je fokusiran na rad sa regulisanim izveštavanjem, generisanje izveštaja u skladu sa zadatim rasporedom i pružanje pravovremenih informacija zaposlenima, kupcima, dobavljačima i poslovnim partnerima. Vrlo je lako raditi sa izvještajima: koristeći poznate web preglednike, korisnici mogu pregledati izvještaje, ispisati ih ili poslati e-poštom na različitim formatima... Sistem takođe omogućava klasifikaciju poruka, kontrolu verzija i arhiviranje, a ugrađeni programski jezik treće generacije omogućava da se Hyperion SQR koristi kao alat za izgradnju alata za ekstrakciju, transformaciju i učitavanje podataka.

Linija BI rješenja iz Hyperiona, dopunjena alatima za upite i izvješćivanje naslijeđenim od Bria, zanimljiva je kako IT profesionalcima tako i krajnjim korisnicima.

Iz perspektive krajnjeg korisnika, to je - zgodan alat, omogućavajući da se reši već pomenuti problem, sa kojim se menadžeri i stručni stručnjaci tako često suočavaju – problem „jednog pogleda na informacije o menadžmentu“. Podsjetimo, ovaj problem leži u činjenici da se vrlo često upravljačke informacije potrebne za analizu i donošenje odluka pohranjuju u različitim izvorima – računovodstvenim sistemima, ERP sistemima, bazama podataka itd. To izuzetno otežava dobivanje potrebnih informacija i njihovu prezentaciju. na način koji je jednostavan za korišćenje: stručnjaci su primorani da troše vreme na rutinske procedure prikupljanja i obrade podataka, uz rizik od izobličenja. Upravljačke informacije dobijene na ovaj način često ne ispunjavaju zahtjeve pouzdanosti i relevantnosti, što umanjuje njihovu vrijednost. U tom smislu, Hyperion BI rješenja mogu značajno pojednostaviti i ubrzati prikupljanje informacija, objediniti ih i predstaviti u prikladnom i vizualnom obliku. Takve informacije su pouzdana osnova za donošenje upravljačkih odluka, dok su rutinske procedure svedene na minimum, a vrijeme stručnjaka se oslobađa za rješavanje analitičkih problema.

Iz perspektive IT usluge, Hyperion BI rješenja ističu se po svojoj skalabilnosti, jednostavnosti podrške i ugrađenim jezicima koji proširuju funkcionalnost softvera.

Plave strelice su načini na koje informacije ulaze u sistem, zelene - kako će se informacije koristiti u budućnosti.

Podaci o narudžbama se unose u sistem 1c - dbf verzija.
Učitavanje podataka "auto-razmjena". U stvari jeste dodatni korak... Podaci se mogu dobiti direktno iz dbf baze podataka. Ali 1c programeri su odlučili da će standardni (za 1c) mehanizam za istovar podataka učiniti manje štete.
Jednom dnevno, promjene za prošli dan se učitavaju u posebno pripremljenu MsSql bazu podataka – skladište. Ne preuzimaju se sve informacije, već samo ono što je potrebno za kocke.
U principu, nije potrebno graditi "repozitorijum". Podaci za kocku se mogu dobiti direktno iz 1c baze podataka (MsSQL ili dbf). Ali u mom slučaju, podaci iz prošlih perioda se periodično brišu iz 1c i brišu se referentne knjige. Osim toga, podaci se malo "očiste" prije učitavanja u skladište.
Kocka se ponovo izračunava - podaci idu u kocku.

Informacije iz skladišta koriste ne samo kocke, već i eksterne aplikacije, na primjer, ovi podaci su potrebni za obračun plata, za obračun isplata i isporuka, za planiranje rada menadžera. Istovremeno, podaci iz ovih eksterni programi takođe padaju u kocke.

Zaposleni u kancelariji rade sa kockama - menadžment, menadžeri, marketing, računovodstvo. Informacije se šalju i dobavljačima i prodajnim predstavnicima u različitim gradovima regije.

Svaki korisnik može dobiti informacije na različite načine:

Napravite sami izvještaj na web stranici ili u Excelu
Isprva se koristio samo excel, ali je bilo mnogo problema sa činjenicom da su Excel fajlovi bili "razbacani", bilo je potrebno dobiti jednu "ulaznu tačku" za odabir informacija.
Stoga je kreirana lokalna stranica na kojoj se objavljuju stranice sa zaokretnom tablicom. Zaposlenik koji želi da dobije par brojeva "ovdje i sada" dolazi na ovu stranicu i pravi izvještaj u obliku koji mu je potreban. Ukoliko osoba treba da koristi ovaj izvještaj u budućnosti, može napisati zahtjev za objavljivanje svog izvještaja u SSRS ili ga sam sačuvati u excelu.
Pregledajte standardni izvještaj objavljen na SQL Server Reporting Services (SSRS)
Nabavite lokalnu kocku - i "rotirajte" podatke izvan ureda koristeći excel
Pretplatite se na bilten i primajte standardne izvještaje od SSRS putem e-pošte
Odjel marketinga također koristi program CubeSlice. U njemu možete sami kreirati lokalne kocke i mnogo je praktičnije nego u excelu

Lokalne kocke

Ponekad korisnik mora periodično primati izvještaje koji sadrže velike količine podataka. Na primjer, odjel za marketing slao je izvještaje dobavljačima u obliku Excel datoteka koje sadrže nekoliko desetina stranica.
Olap nije "naoštren" za primanje takvih informacija - izvještaji su generirani jako dugo.

Dobavljaču je u pravilu nezgodno raditi i sa velikim izvještajima. Stoga je većina, nakon što je pokušala raditi s lokalnim kockama, pristala primati izvještaje u ovom obliku. Lista izvještaja koje generiše odjel marketinga značajno je smanjena. Preostali teški izvještaji implementirani su u SSRS, kreirane su pretplate (izvještaji se generiraju automatski i šalju dobavljačima prema rasporedu)

Osnovni parametri sistema

Konfiguracija servera:

procesor: 2xAMD Opteron 280
memorija: 4Gb
diskovni nizovi:
operativni sistem: RAID 1 (ogledalo) 2xSCSI 15k
podaci: RAID 0 + 1 4xSCSI 10k

Slažem se, takav stroj se teško može nazvati "moćnim" serverom

Obim podataka:

memorija 10GB, podaci iz 2002
agregacija 30%
Veličina višedimenzionalne baze je 350M
broj članova "velikih dimenzija": roba 25 hiljada, adrese - 20 hiljada.
broj dokumenata dnevno - 400. prosečan broj redova u dokumentu - 30

Šta je kompanija na kraju dobila:

pros

Za upravljanje preduzećem
Omogućava vam da sagledate situaciju "odozgo", da identifikujete opšte obrasce razvoja poslovanja.
Pomaže u praćenju dinamike promjena u glavnim pokazateljima organizacije u cjelini i brzoj procjeni pokazatelja učinka podređenih.
Za menadžera
Sposobnost da samostalno iu kratkom vremenu dobijete informacije potrebne za donošenje odluke.
Jednostavnost rada. Sve akcije su intuitivne
Za dobavljače
Mogućnost interaktivnog rada sa informacijama
Iz ugla stručnjaka za IT
Smanjenje rutinskog posla. Većinu izvještaja korisnik prima sam.

minusi:

Troškovi implementacije. Neophodno opciona oprema i softver.
Nedostatak obučenih stručnjaka. Troškovi obuke zaposlenih u IT odjelu.

4. Klasifikacija OLAP proizvoda.

5. Principi rada OLAP klijenata.

7. Oblasti primjene OLAP-tehnologija.

8. Primjer korištenja OLAP-tehnologija za analizu u oblasti prodaje.

1. Mjesto OLAP-a u informacionoj strukturi preduzeća.

Termin OLAP je neraskidivo povezan sa pojmom skladište podataka.

Podaci u skladištu dolaze iz operativnih sistema (OLTP sistemi), koji su dizajnirani za automatizaciju poslovnih procesa. Osim toga, skladište se može dopuniti eksternih izvora kao što su statistički izvještaji.

Zadatak repozitorija je da na jednom mjestu iu jednostavnoj, razumljivoj strukturi obezbijedi "sirov materijal" za analizu.

Postoji još jedan razlog koji opravdava pojavu posebnog spremišta - usporavaju se složeni analitički upiti za operativne informacije trenutni posao kompanije, trajno blokirajući stolove i oduzimajući serverske resurse.

Skladištenje nije nužno ogromna akumulacija podataka - najvažnije je da je pogodno za analizu.

Centralizacija i pogodno strukturiranje nisu sve što analitičaru treba. I dalje mu je potreban alat za pregled i vizualizaciju informacija. Tradicionalnim izvještajima, čak i izgrađenim na osnovu jednog spremišta, nedostaje jedna stvar – fleksibilnost. Ne mogu se uvrnuti, proširiti ili skupiti da bi se dobio željeni prikaz podataka. Volio bih da ima takav alat koji bi omogućio jednostavno i praktično proširenje i sažimanje podataka! OLAP djeluje kao takav alat.

Iako OLAP nije neophodan atribut skladišta podataka, on se sve više koristi za analizu informacija akumuliranih u ovom skladištu.

Mjesto OLAP-a u informacionoj strukturi preduzeća (Sl. 1).

Slika 1... MjestoOLAP u informacionoj strukturi preduzeća

Operativni podaci se prikupljaju iz različitih izvora, čiste, integriraju i pohranjuju u relacijsku memoriju. Štaviše, oni su već dostupni za analizu koristeći različite alate za izvještavanje. Zatim se podaci (u cijelosti ili djelomično) pripremaju za OLAP analizu. Mogu se učitati u specijalnu OLAP bazu podataka ili ostaviti u relacijskoj memoriji. Njegov najvažniji element su metapodaci, odnosno informacije o strukturi, smještaju i transformaciji podataka. Zahvaljujući njima, osigurana je efikasna interakcija različitih komponenti skladištenja.

Ukratko, OLAP se može definirati kao zbirka višedimenzionalnih alata za analizu podataka akumuliranih u skladištu.

2. Operativni analitička obrada podaci.

OLAP koncept se zasniva na principu višedimenzionalne prezentacije podataka. Godine 1993. E. F. Codd je pregledao nedostatke relacioni model, prije svega, ukazavši na nemogućnost "kombinacije, sagledavanja i analize podataka sa stanovišta više dimenzija, odnosno na najrazumljiviji način za korporativne analitičare", te definirao opšte zahtjeve za OLAP sistemi, proširujući funkcionalnost relacionog DBMS-a i uključujući multidimenzionalnu analizu kao jednu od njegovih karakteristika.

Prema Codd-u, višedimenzionalni konceptualni pogled je višestruka perspektiva koja se sastoji od nekoliko nezavisnih dimenzija duž kojih se mogu analizirati specifični skupovi podataka.

Simultana analiza u više dimenzija definira se kao multivarijantna analiza. Svaka dimenzija uključuje pravce konsolidacije podataka, koji se sastoje od niza uzastopnih nivoa agregacije, pri čemu svaki viši nivo odgovara većem stepenu agregacije podataka za odgovarajuću dimenziju.

Dakle, dimenzija Izvođač može biti određena pravcem konsolidacije, koji se sastoji od nivoa generalizacije "preduzeće - odjel - odjel - zaposlenik". Dimenzija vremena može čak uključivati dva pravca konsolidacije - godina - kvartal - mjesec - dan i sedmica - dan, jer je računanje vremena po mjesecu i po sedmici nekompatibilno. U ovom slučaju postaje moguće proizvoljno odabrati željeni nivo detalja informacija za svako od mjerenja.

Operacija bušenja odgovara kretanju od viših faza konsolidacije ka nižim; naprotiv, operacija skupljanja znači prelazak sa nižih nivoa na više nivoe (slika 2).

Slika 2.Mjerenja i pravci konsolidacije podataka

3. Zahtjevi za alate za on-line analitičku obradu.

Višedimenzionalni pristup se pojavio gotovo istovremeno i paralelno sa relacionim pristupom. Međutim, tek od sredine devedesetih, tačnije od tada
1993, interesovanje za MSUBD počeo da dobija opšti karakter. Bilo je to u ovoj godini nova programski članak jedan od osnivača relacionog pristupa E. Codda, u kojem je formulisao 12 osnovnih zahtjeva za sredstva implementacije OLAP(Tabela 1).

Tabela 1.

	Višedimenzionalni prikaz podataka	Alati moraju podržavati višedimenzionalni konceptualni pogled na podatke.
	Transparentnost	Korisnik ne bi trebao biti svjestan koja se posebna sredstva koriste za pohranu i obradu podataka, kako su podaci organizirani i odakle dolaze.
	Dostupnost	Na medijima je da izaberu i komuniciraju sa najboljima na koje će oblikovati odgovor dati zahtjev izvor podataka. Sredstva treba da obezbede sopstveni automatski prikaz logički dijagram u različite heterogene izvore podataka.
	Konzistentna izvedba	Učinak praktično ne bi trebao ovisiti o broju Dimenzija u zahtjevu.
	Podrška klijent-server arhitekturi	Alati moraju raditi u klijent-server arhitekturi.
	Jednakost svih mjerenja	Nijedno od mjerenja ne smije biti osnovno, sve treba da budu jednake (simetrične).
	Dinamička obrada rijetke matrice	Nedefinirane vrijednosti treba pohraniti i obrađivati na najefikasniji način.
	Podrška za višekorisnički način rada sa podacima	Alati moraju pružiti mogućnost rada za više od jednog korisnika.
	Podržava operacije zasnovane na različitim dimenzijama	Sve višedimenzionalne operacije (npr. Agregacija) moraju se primjenjivati jednolično i dosljedno na bilo koji broj bilo koje dimenzije.
	Lakoća manipulacije podacima	Alati bi trebali imati najprikladniji, prirodniji i udobniji korisnički interfejs.
	Napredni alati za prezentaciju	Sredstva moraju podržati Različiti putevi vizualizacija (prezentacija) podataka.
	Neograničen broj dimenzija i nivoa agregacije podataka	Ne bi trebalo postojati ograničenje broja podržanih dimenzija.

Pravila za vrednovanje softverskih proizvoda OLAP klase

Skup ovih zahtjeva, koji su služili kao de facto definicija OLAP-a, treba smatrati savjetodavnim, a specifične proizvode treba ocijeniti po stepenu u kojem su oni blizu savršenog ispunjavanja svih zahtjeva.

Kasnije je Coddova definicija revidirana u takozvani FASMI test, koji zahtijeva da OLAP aplikacija pruži mogućnost brze analize podijeljenih višedimenzionalnih informacija.

Prisjećanje na Coddovih 12 pravila je previše opterećujuće za većinu ljudi. Ispostavilo se da OLAP definiciju možete sažeti sa samo pet ključne riječi: Brza analiza zajedničkih multidimenzionalnih informacija - ili, ukratko - FASMI (prevedeno s engleskog:F ast A analiza S hared M višedimenzionalan I informacije).

Ova definicija je prvi put formulisana početkom 1995. godine i od tada joj nije bila potrebna revizija.

BRZO ( brzo) - znači da bi sistem trebao biti u stanju da pruži većinu odgovora korisnicima u roku od pet sekundi. Štaviše, najviše jednostavni upiti obrađuju se u roku od jedne sekunde i vrlo malo - više od 20 sekundi. Istraživanja su pokazala da krajnji korisnici smatraju da je proces neuspješan ako se ne dobiju rezultati nakon 30 sekundi.

Na prvi pogled može izgledati iznenađujuće da kada primi izvještaj za minut, što je ne tako davno trajalo danima, korisniku vrlo brzo postane dosadno dok čeka, a projekt se ispostavi mnogo manje uspješnim nego u slučaju trenutni odgovor, čak i po cijenu manje detaljne analize.

ANALIZA (analiza)znači da sistem može da obradi bilo koju logičku i statističku analizu specifičnu za ove aplikacije, i osigurava da se pohrani u obliku dostupnom krajnjem korisniku.

Nije važno da li se ova analiza radi u vlastitom radnom stolu dobavljača ili u povezanom eksternom softverskom proizvodu kao što je tabela, samo se sve potrebne funkcije analize moraju pružiti na intuitivan način krajnjim korisnicima. Alati za analizu mogu uključivati specifične procedure kao što su analiza vremenskih serija, alokacija troškova, devizni transferi, pretraživanje cilja, promjene višedimenzionalne strukture, neproceduralno modeliranje, otkrivanje izuzetaka, ekstrakcija podataka i druge operacije zavisne od aplikacije. Takve mogućnosti uvelike variraju među proizvodima, ovisno o ciljnoj orijentaciji.

SHARED znači da sistem ispunjava sve zahtjeve zaštite privatnosti (moguće do nivoa ćelije) i, ako je potreban višestruki pristup pisanju, osigurava da su modifikacije blokirane na odgovarajućem nivou. Nisu sve aplikacije potrebne pisati natrag podaci. Međutim, broj ovakvih aplikacija raste i sistem mora biti u stanju da podnese višestruke modifikacije na pravovremen i siguran način.

MULTIDIMENZIONALNO - ovo je ključni uslov. Kada biste morali da definišete OLAP jednom rečju, izabrali biste je. Sistem bi trebao pružiti višedimenzionalni konceptualni prikaz podataka, uključujući punu podršku za hijerarhije i višestruke hijerarhije, jer je to definitivno najlogičniji način analize poslovanja i organizacije. Ne postoji minimalni broj dimenzija koje treba obraditi jer je to također ovisno o aplikaciji, a većina OLAP proizvoda ima dovoljno dimenzija za tržišta na koja ciljaju.

INFORMACIJE - to je sve. Potrebne informacije treba primiti tamo gdje je to potrebno. Međutim, mnogo toga ovisi o aplikaciji. Snaga različitih proizvoda mjeri se u smislu toga koliko inputa mogu obraditi, ali ne i koliko gigabajta mogu pohraniti. Snaga proizvoda je vrlo različita - najveći OLAP proizvodi mogu raditi najmanje, hiljadu puta više podataka od najmanjeg. Mnogo je faktora koje treba uzeti u obzir u tom pogledu, uključujući dupliciranje podataka, potrebnu RAM memoriju, korištenje prostor na disku, indikatori učinka, integracija sa repozitorijumima informacija itd.

FASMI test je razumna i razumljiva definicija ciljeva na koje je OLAP fokusiran.

4. KlasifikacijaOLAP-proizvodi.

Dakle, suština OLAP-a sastoji se u tome što su početne informacije za analizu predstavljene u obliku višedimenzionalne kocke, te je omogućena mogućnost proizvoljnog manipulisanja njome i dobijanja potrebnih informacionih sekcija - izvještaja. U ovom slučaju, krajnji korisnik vidi kocku kao višedimenzionalnu dinamičku tabelu koja automatski sumira podatke (činjenice) u različitim sekcijama (dimenzijama) i omogućava vam da interaktivno kontrolišete proračune i obrazac izveštaja. Izvršenje ovih operacija je osigurano OLAP -mašina (ili mašina OLAP proračuni).

Do danas je u svijetu razvijeno mnogo proizvoda koji implementiraju OLAP -tehnologije. Da bi se lakše snalazio među njima, koriste se klasifikacije OLAP -proizvodi: po načinu skladištenja podataka za analizu i po lokaciji OLAP -automobili. Pogledajmo pobliže svaku kategoriju OLAP proizvodi.

Klasifikacija prema načinu skladištenja

Višedimenzionalne kocke se grade na osnovu izvornih i agregatnih podataka. I izvorni i zbirni podaci za kocke mogu se pohraniti iu relacijski i multidimenzionalne baze podaci. Stoga trenutno postoje tri načina pohranjivanja podataka: MOLAP (multidimenzionalni OLAP), ROLAP (relacijski OLAP) i HOLAP (hibridni OLAP ). odnosno OLAP -Proizvodi su podeljeni u tri slične kategorije po načinu skladištenja podataka:

1. U slučaju MOLAP-a , izvorni i zbirni podaci pohranjeni su u višedimenzionalnoj bazi podataka ili u višedimenzionalnoj lokalnoj kocki.

2. U ROLAP-u -proizvodi, izvorni podaci se pohranjuju u relacijske baze podataka ili u ravne lokalne tablice na serveru datoteka. Zbirni podaci se mogu postaviti u servisne tabele u istoj bazi podataka. Konverzija podataka iz relacione baze podataka u višedimenzionalne kocke se dešava na zahtev OLAP alati.

3. U slučaju upotrebe HOLAP arhitekture, originalni podaci ostaju u relacionoj bazi podataka, a agregati se postavljaju u multidimenzionalnu. Zgrada OLAP -kocka se izvodi na zahtjev OLAP - Sredstva zasnovana na relacionim i višedimenzionalnim podacima.

Klasifikacija lokacija OLAP-automobili.

Na osnovu toga OLAP -proizvodi se dijele na OLAP serveri i OLAP klijenti:

Server OLAP -sredstva obračuna i skladištenja zbirnih podataka obavlja poseban proces - server. Klijentska aplikacija dohvaća samo rezultate upita prema višedimenzionalnim kockama koje su pohranjene na serveru. Neki OLAP -serveri podržavaju skladištenje podataka samo u relacionim bazama podataka, neki - samo u višedimenzionalnim. Mnogi moderni OLAP -serveri podržavaju sva tri načina pohranjivanja podataka:MOLAP, ROLAP i HOLAP.

MOLAP.

MOLAP je Višedimenzionalna on-line analitička obrada, odnosno Multidimenzionalni OLAP.To znači da server koristi višedimenzionalnu bazu podataka (MDB) za skladištenje podataka. Smisao upotrebe MDB-a je očigledan. Može efikasno skladištiti podatke koji su višedimenzionalne prirode, pružajući sredstvo za brzo servisiranje upita baze podataka. Podaci se prenose iz izvora podataka u višedimenzionalnu bazu podataka, a zatim se baza podataka agregira. Predkalkulacija je ono što čini OLAP upite bržima jer su zbirni podaci već izračunati. Vrijeme zahtjeva postaje funkcija isključivo vremena potrebnog za pristup određenom dijelu podataka i izvođenje izračuna. Ova metoda podržava koncept da se rad obavlja jednom, a rezultati se zatim koriste iznova i iznova. Multidimenzionalne baze podataka su relativno nova tehnologija. Upotreba MDB-a ima iste nedostatke kao i većina novih tehnologija. Naime, one nisu stabilne kao relacijske baze podataka (RDB) i nisu optimizirane u istoj mjeri. Ostalo slabost MDB leži u nemogućnosti korištenja većine multidimenzionalnih baza podataka u procesu agregacije podataka, stoga je potrebno vrijeme da se nove informacije postao dostupan za analizu.

ROLAP.

ROLAP je Relaciona on-line analitička obrada, odnosno relacijski OLAP.Termin ROLAP znači da je OLAP server baziran na relacijskoj bazi podataka. Originalni podaci se unose u relacionu bazu podataka, obično u shemi zvijezda ili pahulja, što pomaže da se skrati vrijeme preuzimanja. Server pruža višedimenzionalni model podataka koristeći optimizirane SQL upite.

Postoji niz razloga za odabir relacijske umjesto višedimenzionalne baze podataka. RDB je dobro uspostavljena tehnologija sa mnogo mogućnosti za optimizaciju. Koristite u realnim uslovima rezultiralo je razrađenijim proizvodom. Pored toga, RDB-ovi podržavaju veće količine podataka od MDB-ova. Oni su upravo dizajnirani za takve količine. Glavni argument protiv RDB-ova je složenost upita potrebnih za dohvaćanje informacija iz velike baze podataka koristeći SQL. Neiskusni SQL programer bi lako mogao opteretiti vrijedne sistemske resurse pokušajem da izvrši neki sličan upit, koji je mnogo lakše izvršiti u MDB-u.

Agregirani / Pre-agregirani podaci.

Brza implementacija upita je imperativ za OLAP. Ovo je jedan od osnovni principi OLAP - potrebna je sposobnost intuitivnog manipulisanja podacima brzo izvlačenje informacije. Općenito, što je više računanja potrebno da bi se dobila informacija, to je odgovor sporiji. Stoga, da bi se uštedjelo malo vremena za implementaciju upita, dijelovi informacija kojima se obično pristupa najčešće, ali koji istovremeno zahtijevaju računanje, podliježu preliminarnom agregiranju. To jest, oni se broje i zatim pohranjuju u bazu podataka kao novi podaci. Primjer tipa podataka koji se može izračunati unaprijed su zbirni podaci — na primjer, podaci o prodaji po mjesecu, kvartalu ili godini — za koje su stvarni uneseni podaci dnevni podaci.

Različiti dobavljači imaju različite metode odabira za parametre koji zahtijevaju prethodno združivanje i određeni broj unaprijed izračunatih vrijednosti. Pristup agregacije utječe i na bazu podataka i na vrijeme izvršenja upita. Ako se izračuna više vrijednosti, povećava se vjerovatnoća da će korisnik zatražiti već izračunatu vrijednost, a samim tim i vrijeme odgovora će biti kraće, jer nema potrebe tražiti početnu vrijednost za proračun. Međutim, ako izračunamo sve moguće vrijednosti, to nije najbolje rješenje- u ovom slučaju se veličina baze podataka značajno povećava, što će učiniti njome neupravljivom, a vrijeme agregacije će biti predugo. Osim toga, kada se doda baza podataka numeričke vrijednosti, ili ako se promijene, ove informacije bi trebale biti odražene u prethodno izračunatim vrijednostima ovisno o novim podacima. Stoga, ažuriranje baze podataka također može potrajati ako veliki broj unaprijed izračunate vrijednosti. Pošto je baza podataka obično van mreže tokom agregacije, poželjno je da vrijeme agregacije ne bude predugo.

OLAP -klijent je drugačije uređen. Izgradnja višedimenzionalne kocke i OLAP -proračuni se izvode u memoriji klijentskog računara.OLAP -klijenti se također dijele na ROLAP i MOLAP.Neki mogu podržavati oba tipa pristupa podacima.

Svaki od ovih pristupa ima svoje prednosti i nedostatke. Suprotno uvriježenom mišljenju o prednostima serverskih alata u odnosu na klijentske, u velikom broju slučajeva korištenje OLAP - klijent za korisnike može biti efikasniji i profitabilniji od korišćenja OLAP serveri.

Razvoj analitičkih aplikacija pomoću OLAP klijentskih alata je brz proces i ne zahtijeva posebnu obuku izvođača. Korisnik koji poznaje fizičku implementaciju baze podataka može sam razviti analitičku aplikaciju, bez uključivanja IT stručnjaka.

Kada koristite OLAP server, morate proučiti 2 različita sistema, ponekad različitih proizvođača - za kreiranje kocki na serveru i za razvoj klijentske aplikacije.

OLAP klijent pruža objedinjeni vizuelni interfejs za opisivanje kocki i prilagođavanje njihovih korisničkih interfejsa.

Dakle, u kojim slučajevima korištenje OLAP klijenta za korisnike može biti efikasnije i isplativije od korištenja OLAP servera?

· Ekonomska opravdanost primjene OLAP -server se javlja kada je količina podataka veoma velika i nepodnošljiva OLAP - klijenta, inače je upotreba potonjeg opravdanija. U ovom slučaju OLAP -Kupac kombinuje karakteristike visokih performansi sa niskim troškovima.

· Snažni računari za analitičare su još jedan dobar razlog OLAP -klijenti. Prilikom prijave OLAP -server, ovi kapaciteti se ne koriste.

Među prednostima OLAP klijenata su sljedeće:

· Troškovi implementacije i održavanja OLAP - klijent je znatno niži od cijene OLAP server.

· Koristeći OLAP - za klijenta sa ugrađenom mašinom, prenos podataka preko mreže se vrši jednokratno. Radeći OLAP -operacije novih tokova podataka se ne stvaraju.

5. Principi rada OLAP-klijenti.

Pogledajmo proces kreiranja OLAP aplikacije pomoću klijentskog alata (slika 1).

Slika 1.Napravite OLAP aplikaciju koristeći ROLAP klijentski alat

Princip rada ROLAP klijenata je preliminarni opis semantičkog sloja iza kojeg se krije fizička struktura početnih podataka. U ovom slučaju izvori podataka mogu biti: lokalne tablice, RDBMS. Lista podržanih izvora podataka je specifična za proizvod. Nakon toga, korisnik može samostalno manipulirati objektima koje razumije u smislu predmetna oblast za kreiranje kocki i analitičkih interfejsa.

Klijent OLAP servera radi drugačije. U OLAP serveru, prilikom kreiranja kocki, korisnik manipulira fizičkim opisima baze podataka. Ovo stvara prilagođene opise u samoj kocki. Klijent OLAP servera je konfigurisan samo po kocki.

Prilikom kreiranja semantičkog sloja, izvori podataka - tabele Sales i Deal - su jasno opisani krajnji korisnik termini i postaju "Proizvodi" i "Transakcije". Polje “ID” iz tabele “Proizvodi” preimenovano je u “Šifra”, a “Naziv” u “Proizvod” itd.

Zatim se kreira poslovni objekat Prodaja. Poslovni objekat je ravan sto od kojeg se formira višedimenzionalna kocka. Kada se kreira poslovni objekat, tabele "Proizvodi" i "Ponude" kombinuju se poljem "Šifra" proizvoda. Budući da se u izvještaju ne moraju prikazati sva polja tabele, poslovni objekat koristi samo polja "Stavka", "Datum" i "Iznos".

U našem primjeru, na osnovu poslovnog objekta Prodaja, kreirali smo izvještaj o prodaji robe po mjesecima.

Kada radi sa interaktivnim izvještajem, korisnik može postaviti uvjete filtriranja i grupisanja istim jednostavnim pokretima miša. U ovom trenutku, ROLAP klijent pristupa podacima u kešu. S druge strane, klijent OLAP servera generiše novi upit prema višedimenzionalnoj bazi podataka. Na primjer, primjenom filtera po proizvodima u izvještaju o prodaji, možete dobiti izvještaj o prodaji proizvoda koji nas zanimaju.

Sve postavke OLAP aplikacije mogu se pohraniti u namjensko spremište metapodataka, u aplikaciju ili u višedimenzionalno spremište sistema baze podataka.Implementacija zavisi od konkretnog softverskog proizvoda.

Sve što je uključeno u ove aplikacije je standardni pogled na interfejs, unapred definisane funkcije i strukturu, i brze odluke za manje-više standardne situacije. Na primjer, finansijski paketi su popularni. Unaprijed izgrađene finansijske aplikacije će omogućiti profesionalcima da koriste poznate finansijske instrumente bez potrebe za dizajniranjem strukture baze podataka ili uobičajenih obrazaca i izvještaja.

Internet jeste nova forma klijent. Osim toga, nosi pečat novih tehnologija; gomila internet rješenja značajno se razlikuju po svojim mogućnostima općenito, a posebno po kvalitetu OLAP rješenja. Postoje mnoge prednosti generiranja OLAP izvještaja preko Interneta. Najznačajniji je odsustvo potrebe za specijalistima softvera za pristup informacijama. Ovo kompaniji štedi mnogo vremena i novca.

6. Izbor arhitekture OLAP aplikacije.

Prilikom implementacije informacijsko-analitičkog sistema važno je ne pogriješiti u odabiru arhitekture OLAP aplikacije. Bukvalan prevod termina On-line analitički proces - "on-line analitička obrada" - često se shvata doslovno u smislu da se podaci koji ulaze u sistem promptno analiziraju. Ovo je zabluda - efikasnost analize nema nikakve veze realnom vremenu ažuriranje podataka u sistemu. Ova karakteristika se odnosi na vrijeme odgovora OLAP sistema na zahtjeve korisnika. Istovremeno, analizirani podaci često su snimak informacija "za juče", ako se, na primjer, podaci u skladištima ažuriraju jednom dnevno.

U ovom kontekstu, prijevod OLAP-a kao "interaktivna analitička obrada" je precizniji. Sposobnost analize podataka u interaktivnom režimu je ono što razlikuje OLAP sisteme od sistema za pripremu regulisanih izveštaja.

Još jedna karakteristika interaktivne obrade u formulaciji osnivača OLAP-a E. Codd je mogućnost „kombinovanja, pregleda i analize podataka sa stanovišta više dimenzija, odnosno na najrazumljiviji način za korporativne analitičare“. Za samog Codda, pojam OLAP označava isključivo specifičan način predstavljanja podataka na konceptualnom nivou – višedimenzionalni. Na fizičkom nivou, podaci se mogu čuvati u relacionim bazama podataka, ali u stvarnosti OLAP alati imaju tendenciju da rade sa višedimenzionalnim bazama podataka, u kojima su podaci organizovani u hiperkocku (slika 1).

Slika 1. OLAP- kocka (hiperkocka, metakocka)

Štaviše, relevantnost ovih podataka određena je trenutkom kada se hiperkocka napuni novim podacima.

Očigledno, vrijeme formiranja višedimenzionalne baze podataka značajno ovisi o količini podataka učitanih u nju, pa je razumno ograničiti taj volumen. Ali kako ne suziti mogućnosti analize i ne uskratiti korisniku pristup svim informacijama od interesa? Postoje dva alternativna puta: analiziraj, pa upitaj i upitaj pa analiziraj.

Sljedbenici prvog puta predlažu učitavanje generalizovanih informacija u višedimenzionalnu bazu podataka, na primjer, mjesečne, tromjesečne, godišnje ukupne vrijednosti za odjele. A ako je potrebno detaljnije analizirati podatke, od korisnika se traži da generiše izvještaj o relacijskoj bazi podataka koji sadrži potrebnu selekciju, na primjer, po danu za dati odjel ili po mjesecima i zaposlenima odabranog odjela.

Pobornici drugog načina, naprotiv, nude korisniku, prije svega, da odluči o podacima koje će analizirati i da ih učita u mikrokocku - malu višedimenzionalnu bazu podataka. Oba pristupa se konceptualno razlikuju i imaju svoje prednosti i nedostatke.

Prednosti drugog pristupa uključuju "svježinu" informacija koje korisnik dobija u obliku višedimenzionalnog izvještaja - "mikrokocke". Mikrokocka se formira na osnovu informacija koje su upravo zatražene iz trenutne relacione baze podataka. Rad s mikrokockom odvija se u interaktivnom načinu - dobijanje isječaka informacija i njihovo detaljiziranje unutar mikrokocke vrši se trenutno. Drugi pozitivna tačka je da dizajn strukture i popunjavanje mikrokocke vrši korisnik „u hodu“, bez učešća administratora baze podataka. Međutim, pristup također pati od ozbiljnih nedostataka. Korisnik ne vidi opću sliku i mora se unaprijed odrediti sa smjerom svog istraživanja. U suprotnom, tražena mikrokocka može biti premala i ne sadrži sve podatke od interesa, a korisnik će morati tražiti novu mikrokocku, zatim novu, pa opet i opet. Pristup analize upita zatim implementira BusinessObjects alat istoimene kompanije i alata Platforme Company ContourIntersoft Lab.

Sa pristupom Analyze then query, količina podataka učitanih u višedimenzionalnu bazu podataka može biti prilično velika, popunjavanje bi trebalo biti izvedeno prema pravilima i može potrajati. Međutim, svi ovi nedostaci se kasnije isplate, kada korisnik ima pristup gotovo svim potrebnim podacima u bilo kojoj kombinaciji. Upućivanje na izvorne podatke u relacijskoj bazi podataka vrši se samo kao posljednje sredstvo, kada su potrebne detaljne informacije, na primjer, na određenoj fakturi.

Broj korisnika koji joj pristupaju praktično ne utiče na rad jedne višedimenzionalne baze podataka. Oni samo čitaju podatke koji su tamo dostupni, za razliku od pristupa Query then Analysis, u kojem broj mikrokocki u ekstremnom slučaju može rasti istom brzinom kao i broj korisnika.

Ovakav pristup povećava opterećenje IT servisa, koji su, pored relacionih, primorani da opslužuju i višedimenzionalne baze podataka.Ove usluge su odgovorne za pravovremeno automatsko ažuriranje podataka u višedimenzionalnim bazama podataka.

Najistaknutiji predstavnici pristupa „Analiziraj pa upitaj“ su PowerPlay i Impromptu alati iz Cognosa.

Izbor pristupa i alata koji ga implementira prvenstveno zavisi od cilja kojem se teži: uvijek morate balansirati između uštede budžeta i poboljšanja kvaliteta usluge za krajnje korisnike. Treba imati na umu da, strateški, kreiranje informaciono-analitičkih sistema ima za cilj postizanje konkurentske prednosti, a ne izbjegavanje troškova automatizacije. Na primjer, korporativni informaciono-analitički sistem može obezbijediti potrebne, blagovremene i pouzdane informacije o kompaniji, čije će objavljivanje za potencijalne investitore osigurati transparentnost i predvidivost ove kompanije, što će neminovno postati uslov njene investicione atraktivnosti.

7. Oblasti primjene OLAP-tehnologija.

OLAP je primjenjiv gdje god postoji zadatak analize multivarijantnih podataka. Generalno, ako imate neku tabelu sa podacima, u kojoj postoji bar jedna deskriptivna kolona (dimenzija) i jedna kolona sa brojevima (mere ili činjenice), OLAP alat će obično biti efikasan alat za analizu i generisanje izveštaja.

Razmotrimo neke oblasti primjene OLAP tehnologija, preuzete iz stvarnog života.

1. Prodaja.

Na osnovu analize strukture prodaje rješavaju se pitanja neophodna za donošenje menadžerskih odluka: o promjeni asortimana robe, cijenama, zatvaranju i otvaranju radnji, poslovnica, raskidu i potpisivanju ugovora sa dilerima, obavljanju ili raskidu reklamne kampanje itd.

2. Kupovine.

Zadatak je suprotan analizi prodaje. Mnoga preduzeća kupuju komponente i materijale od dobavljača. Trgovci kupuju robu za preprodaju. Mnogo je mogućih zadataka u analizi nabavke, od planiranja Novac na osnovu prethodnog iskustva, ranije kontrolu nad menadžerima biranje dobavljača.

3. Cijene.

Analiza nabavki usko je povezana sa analizom tržišnih cijena. Svrha ove analize je optimizacija troškova, odabir najpovoljnijih ponuda.

4. Marketing.

Pod marketinškom analizom podrazumijevat ćemo samo područje analize kupaca ili kupaca-potrošača usluga. Zadatak ove analize je pravilno pozicioniranje proizvoda, identifikacija grupa kupaca za ciljano oglašavanje i optimizacija asortimana. OLAP zadatak u u ovom slučaju- dati korisniku alat da brzo, brzinom misli, dobije odgovore na pitanja koja se intuitivno nameću tokom analize podataka.

5. Skladište.

Analiza strukture stanja zaliha u kontekstu vrsta robe, skladišta, analiza roka trajanja robe, analiza pošiljke po primaocu i mnoge druge vrste analiza bitnih za kompaniju moguće su ako organizacija ima skladišno računovodstvo.

6. Novčani tok.

Ovo je čitavo područje analize, sa mnogo škola i metodologija. OLAP tehnologija može poslužiti kao alat za implementaciju ili poboljšanje ovih tehnika, ali nikako kao zamjena za njih. Analizira gotovinski promet bezgotovinskog i gotovog novca u smislu poslovnih transakcija, ugovornih strana, valuta i vremena u cilju optimizacije tokova, obezbjeđenja likvidnosti itd. Sastav mjerenja u velikoj mjeri zavisi od specifičnosti poslovanja, industrije i metodologije.

7. Budžet.

Jedno od najplodnijih područja primjene OLAP tehnologija. Nije uzalud da se nijedan savremeni sistem budžetiranja ne smatra potpunim bez prisustva OLAP alata za analizu budžeta u svom sastavu. Većina budžetskih izvještaja se lako gradi na osnovu OLAP sistema. U isto vrijeme, izvještaji odgovaraju na vrlo širok raspon pitanja: analiza strukture rashoda i prihoda, poređenje rashoda po pojedinim stavkama u različitim odjeljenjima, analiza dinamike i kretanja rashoda po pojedinim stavkama, analiza troškova i dobiti.

8. Računi.

Klasični bilans stanja, koji se sastoji od broja računa i koji sadrži ulazna stanja, promet i izlazna stanja, može se savršeno analizirati u OLAP sistemu. Osim toga, OLAP sistem može automatski i vrlo brzo izračunati konsolidovana stanja višegranske organizacije, stanja za mjesec, kvartal i godinu, agregirana stanja po hijerarhiji računa, analitička stanja na osnovu analitičkih karakteristika.

9. Finansijsko izvještavanje.

Tehnološki napredan sistem izvještavanja nije ništa drugo do skup imenovanih indikatora sa vrijednostima na dan, koji moraju biti grupisani i sumirani u različitim aspektima da bi se dobili konkretni izvještaji. Kada je to slučaj, prikazivanje i štampanje izveštaja je najlakši i najjeftiniji za implementaciju u OLAP sisteme. U svakom slučaju, interni sistem izvještavanja kompanije nije toliko konzervativan i može se ponovo izgraditi kako bi se uštedio novac na inženjerskih radova za kreiranje izvještaja i stjecanje mogućnosti multivarijantne operativne analize.

10. Promet na web stranici.

Log datoteka internet servera je višedimenzionalne prirode, što znači da je pogodna za OLAP analizu. Činjenice su: broj posjeta, broj posjeta, vrijeme provedeno na stranici i druge informacije dostupne u dnevniku.

11. Obim proizvodnje.

Ovo je još jedan primjer Statistička analiza... Tako je moguće analizirati količine uzgojenog krompira, istopljenog čelika, proizvedene robe.

12. Potrošnja potrošnog materijala.

Zamislite postrojenje koje se sastoji od desetina radionica, koje troše hlađenje, tekućine za ispiranje, ulja, krpe, brusni papir - stotine artikala Zalihe... Za precizno planiranje i optimizaciju troškova potrebna je detaljna analiza stvarne potrošnje potrošnog materijala.

13. Korištenje prostorija.

Druga vrsta statističke analize. Primjeri: analiza opterećenja učionica, iznajmljenih zgrada i prostorija, korištenje konferencijskih sala itd.

14. Fluktuacija zaposlenih u preduzeću.

Analiza fluktuacije zaposlenih u preduzeću u kontekstu grana, odeljenja, zanimanja, nivoa obrazovanja, pola, starosti, vremena.

15. Putnički saobraćaj.

Analiza broja prodatih karata i iznosa u kontekstu godišnjih doba, pravca, vrsta automobila (klasa), vrsta vozova (aviona).

Opseg primjene nije ograničen na ovu listu. OLAP - tehnologije. Na primjer, razmotrite tehnologiju OLAP -analiza u oblasti prodaje.

8. Primjer upotrebe OLAP -tehnologije za analizu u oblasti prodaje.

Dizajniranje višedimenzionalnog prikaza podataka za OLAP -analiza počinje formiranjem mjerne karte. Na primjer, prilikom analize prodaje može biti preporučljivo izdvojiti pojedine dijelove tržišta (razvojni, stabilni, veliki i mali potrošači, vjerovatnoća novih potrošača itd.) i procijeniti obim prodaje po proizvodima, teritorijama, kupcima, tržišni segmenti, kanali distribucije itd. veličina narudžbi. Ovi pravci čine mrežu višedimenzionalnog pogleda na prodaju – strukturu njenih dimenzija.

Budući da se aktivnost svakog preduzeća odvija u vremenu, prvo pitanje koje se postavlja u analizi je pitanje dinamike razvoja poslovanja. Ispravna organizacija vremenska os će dati kvalitativan odgovor na ovo pitanje. Obično je vremenska osa podijeljena na godine, kvartale i mjesece. Moguća je još veća fragmentacija na sedmice i dane. Struktura vremenske dimenzije formira se uzimajući u obzir učestalost prijema podataka; može biti uslovljena i učestalošću zahtjeva za informacijama.

Dimenzija „grupa proizvoda“ je dizajnirana da što bliže odražava strukturu proizvoda koji se prodaju. Pri tome je važno poštovati određenu ravnotežu kako bi se, s jedne strane, izbjeglo pretjerano detaljiziranje (broj grupa bi trebao biti vidljiv), as druge strane, ne bi se propustio značajan segment tržišta. .

Dimenzija „Kupci“ odražava strukturu prodaje prema geografskoj lokaciji. Svaka dimenzija može imati svoje hijerarhije, na primjer, u ovoj dimenziji to može biti struktura: Zemlje - Regije - Gradovi - Klijenti.

Da biste analizirali učinak odjela, trebali biste kreirati vlastitu dimenziju. Na primjer, možete razlikovati dva nivoa hijerarhije: odjele i njihove pododjele, što bi trebalo biti odraženo u dimenziji "Odjeli".

Naime, dimenzije "Vrijeme", "Proizvodi", "Kupci" dosta u potpunosti definiraju prostor predmetne oblasti.

Osim toga, korisno je podijeliti ovaj prostor na uslovne oblasti, uzimajući kao osnovu izračunate karakteristike, na primjer, opsege obima transakcija u vrijednosti. Tada se cijeli posao može podijeliti u niz raspona vrijednosti u kojima se obavlja. U ovom primjeru možete se ograničiti na sljedeće pokazatelje: iznos prodaje robe, broj prodane robe, iznos prihoda, broj transakcija, broj kupaca, obim kupovine od proizvođača.

OLAP - kocka za analizu će izgledati ovako (slika 2):

Slika 2.OLAP- kocka za analizu obima prodaje

Upravo takav trodimenzionalni niz u OLAP terminima se zove kocka. Zapravo, sa stanovišta stroge matematike, takav niz neće uvijek biti kocka: prava kocka treba da ima isti broj elemenata u svim dimenzijama, dok OLAP kocke nemaju takvo ograničenje. OLAP kocka uopće ne mora biti 3D. Može biti dvodimenzionalan i višedimenzionalan - ovisno o problemu koji se rješava. Ozbiljni OLAP proizvodi su dizajnirani za oko 20 dimenzija. Jednostavnije desktop aplikacije podržavaju oko 6 dimenzija.

Daleko od svih elemenata kocke treba popuniti: ako nema informacija o prodaji proizvoda 2 kupcu 3 u trećem kvartalu, vrijednost u odgovarajućoj ćeliji jednostavno neće biti određena.

Međutim, sama kocka nije pogodna za analizu. Ako je još uvijek moguće adekvatno predstaviti ili prikazati trodimenzionalnu kocku, onda sa šest ili devetnaestodimenzionalni situacija je mnogo gora. Stoga se prije upotrebe obične dvodimenzionalne tablice izdvajaju iz višedimenzionalne kocke. Ova operacija se zove "rezanje" kocke. Analitičar, takoreći, uzima i "seče" dimenzije kocke prema oznakama od interesa. Na taj način analitičar uzima dvodimenzionalni isječak kocke (izvještaj) i radi s njim. Struktura izvještaja je prikazana na slici 3.

Slika 3.Struktura analitičkog izvještaja

Izrežemo našu OLAP - kocku i dobijemo izvještaj o prodaji za treći kvartal, to će izgledati ovako (slika 4).

Slika 4.Izvještaj o prodaji za treći kvartal

Kocku možete iseći po drugoj osi i dobiti izvještaj o prodaji grupe proizvoda 2 tokom godine (Sl. 5).

Slika 5.Tromjesečni izvještaj o prodaji proizvoda 2

Slično, možete analizirati odnos sa kupcem 4, rezanjem kocke na oznaci Klijenti(sl. 6)

Slika 6.Izveštaj o isporuci robe klijentu 4

Možete detaljnije analizirati izvještaj po mjesecima ili razgovarati o isporuci robe određenoj filijali kupaca.

Nevjerovatno - blizu...

U svom radu često sam imao potrebu da pravim složene izveštaje, stalno sam pokušavao da pronađem nešto zajedničko u njima kako bih ih jednostavnije i univerzalnije sastavio, čak sam napisao i objavio članak „Osipovsko drvo“ na ovu temu. Međutim, moj članak je bio kritiziran i rekao je da su svi problemi koje sam pokrenuo odavno riješeni u MOLAP.RU v.2.4 (www.molap.rgtu.ru) i preporučili da pogledate zbirne tabele u EXCEL-u.
Ispostavilo se da je tako jednostavno da sam, stavivši svoje domišljate ruke na to, dobio vrlo jednostavno kolo za istovar podataka iz 1C7 ili bilo koje druge baze podataka (u daljem tekstu 1C bilo koja baza podataka) i analizu u OLAP-u.
Mislim da su mnoge OLAP šeme za učitavanje previše komplikovane, ja biram jednostavnost.

Specifikacije :

1. Za rad je potreban samo EXCEL 2000.
2. Korisnik sam može dizajnirati izvještaje bez programiranja.
3. Istovar iz 1C7 do jednostavan format tekstualni fajl.
4. Za računovodstvene unose koji su već dostupni univerzalna obrada za istovar, rad u bilo kojoj konfiguraciji. Obrada uzorka je dostupna za učitavanje drugih podataka.
5. Možete unaprijed dizajnirati obrasce izvještaja, a zatim ih primijeniti na različite podatke bez njihovog redizajniranja.
6. Lijepo dobre performanse... U prvoj dugoj fazi, podaci se prvo uvoze u EXCEL iz tekstualnog fajla i gradi se OLAP kocka, a zatim se vrlo brzo može napraviti bilo koji izveštaj na osnovu ove kocke. Na primjer, podaci o prodaji proizvoda od strane trgovine za 3 mjeseca sa asortimanom od 6000 proizvoda učitavaju se u EXCEL za 8 minuta na Cel600-128M, ocjena po proizvodima i grupama (OLAP izvještaj) se preračunava za 1 minut.
7. Podaci se preuzimaju sa 1C7 u potpunosti za navedeni period (sva kretanja, po svim skladištima, firmama, računima). Prilikom uvoza u EXCEL moguće je koristiti filtere koji učitavaju samo podatke potrebne za analizu (npr. iz svih kretanja, samo prodaja).
8. Trenutno su razvijene metode za analizu kretanja ili ostataka, ali ne i kretanja i ostataka zajedno, iako je to u principu moguće.

Šta je OLAP : (www.molap.rgtu.ru)

Pretpostavimo da jeste komercijalnu mrežu... Neka se podaci o trgovačkim operacijama učitaju u tekstualnu datoteku ili tabelu oblika:

Datum - datum rada
Mjesec - mjesec rada
Sedmica - sedmica operacije
Vrsta - kupovina, prodaja, povrat, otpis
Druga strana - eksterna organizacija uključena u operaciju
Autor - lice koje je izdalo fakturu

U 1C, na primjer, jedan red ove tabele će odgovarati jednom redu fakture, neka polja (Counterparty, Datum) su preuzeta iz zaglavlja fakture.

Podaci za analizu se obično učitavaju u OLAP sistem za određeni vremenski period, iz kojeg se, u principu, može odabrati drugi period primjenom filtera opterećenja.

Ova tabela je izvor za OLAP analizu.

Izvještaj	Mjerenja	Podaci	Filter
Koliko se proizvoda dnevno proda i za koji iznos?	Datum, Stavka	Količina, Iznos	Vrsta = "prodaja"
Koje su ugovorne strane isporučile koji proizvod za koji iznos mjesečno?	Mjesec, Druga strana, Stavka	Suma	Pogledaj = "kupovina"
Za koji iznos su operateri fakturisali koju vrstu računa za cijeli period izvještaja?		Suma

Korisnik sam određuje koja će polja tabele biti dimenzije, koje podatke i koje filtere primijeniti. Sam sistem gradi izveštaj u vizuelnom obliku tabelarni oblik... Dimenzije se mogu postaviti u naslove redova ili kolona tabele izveštaja.
Kao što vidite, iz jedne jednostavne tabele možete dobiti mnogo podataka u obliku raznih izvještaja.

Kako koristiti kod kuće :

Raspakujte podatke iz distributivnog kompleta u direktorijum c: \ fixin (za sistem trgovanja, to je moguće u c: \ izvještajima). Pročitajte readme.txt i slijedite sva uputstva u njemu.

Prvo morate napisati obradu koja učitava podatke iz 1C u tekstualnu datoteku (tabelu). Morate odrediti sastav polja koja će biti istovarena.
Na primjer, gotova univerzalna obrada koja radi u bilo kojoj konfiguraciji i iskrcava transakcije za određeni period za OLAP analizu, oslobađa sljedeća polja za analizu:

Gdje su pod prefiksima Dt (Kt) potkonto zaduženja (kredit), Grupa je grupa ovog podkontoa (ako postoji), Odjeljak je grupa grupe, Klasa je grupa odjeljka.

Za sistem trgovanja, polja mogu biti sljedeća:

Za analizu podataka koristite tabele "Analiza kretanja.xls" ("Analiza računovodstva.xls"). Nemojte onemogućavati makroe dok ih otvarate, inače nećete moći ažurirati izvještaje (pokreću ih makroi na VBA jeziku). Ove datoteke su preuzete iz datoteka C: \ fixin \ motions.txt (C: \ fixin \ buh.txt), inače su iste. Stoga ćete možda morati kopirati svoje podatke u jednu od ovih datoteka.
Da prenesete svoje podatke u EXCEL, odaberite ili upišite svoj filter i kliknite na dugme "Generiraj" na listu "Uslovi".
Listovi izvještaja počinju prefiksom "Izvještaj". Idite na list izvještaja, kliknite na "Osvježi" i podaci izvještaja će se promijeniti u skladu s posljednjim učitanim podacima.
Ako niste zadovoljni standardnim izvještajima, postoji list Rep. Template. Kopiraj na novi list i prilagodite izgled izvještaja radeći sa zaokretnom tablicom na ovom listu (o radu sa zaokretnim tabelama - u bilo kojoj knjizi o EXCEL-u 2000). Preporučujem postavljanje izvještaja na malom skupu podataka, a zatim njihovo pokretanje na velikom skupu podataka. ne postoji način da se onemogući ponovno iscrtavanje tabele svaki put kada se izgled izveštaja promeni.

Tehničke napomene :

Prilikom učitavanja podataka iz 1C, korisnik bira mapu u koju će učitati datoteku. Učinio sam to jer je vjerovatno da će nekoliko fajlova (ostaci i pokreti) biti postavljeni u bliskoj budućnosti. Zatim, klikom na dugme "Pošalji" u Exploreru -> "Za OLAP analizu u EXCEL 2000", podaci se kopiraju iz izabrane fascikle u fasciklu C: \ fixin. (da bi se ova naredba pojavila na listi komande "Pošalji" i potrebno je da kopirate datoteku "Za OLAP analizu u EXCEL 2000.bat" u direktorij C: \ Windows \ SendTo) Stoga odmah ispraznite podatke dajući imena na datoteke motions.txt ili buh.txt.

Format tekstualnog fajla:
Prvi red tekstualne datoteke su zaglavlja kolona odvojena sa "|", ostali redovi sadrže vrijednosti ovih kolona, odvojene sa "|".

Za uvoz tekstualnih datoteka u Excel, Microsoft Query ( komponenta EXCEL) za svoj rad, shema.ini datoteka mora biti prisutna u direktoriju uvoza (C: \ fixin) koji sadrži sljedeće informacije:

ColNameHeader = Tačno
Format = Razdvojeno (|)
MaxScanRows = 3
CharacterSet = ANSI
ColNameHeader = Tačno
Format = Razdvojeno (|)
MaxScanRows = 3
CharacterSet = ANSI

Objašnjenje: motions.txt i buh.txt je naziv odjeljka, odgovara imenu uvezene datoteke, opisuje kako uvesti tekstualnu datoteku u Excel. Ostali parametri znače da prvi red sadrži nazive kolona, separator kolona je "|", skup znakova je Windows ANSI (za DOS - OEM).
Tip polja se određuje automatski na osnovu podataka sadržanih u koloni (datum, broj, red).
Listu polja ne treba nigdje opisivati - EXCEL i OLAP će sami odrediti koja polja se nalaze u datoteci po zaglavljima u prvom redu.

Pažnja, provjerite svoje regionalne postavke "Kontrolna tabla" -> "Regionalne postavke". U mojoj obradi, brojevi su rasterećeni sa zarezom, a datumi su u formatu "DD.MM.GGGG".

Kada se pritisne dugme "Generiraj", podaci se učitavaju u stožernu tabelu na listu "Osnova" i iz ovog pivot table i uzeti podatke svih izvještaja na listovima "Izvještaj".

Razumijem da su ljubitelji MS SQL Servera i moćne baze podaci će početi da gunđaju da mi je sve previše pojednostavljeno, da će moja obrada biti savijena na jednogodišnji uzorak, ali prije svega želim da dam prednosti OLAP analize za srednje organizacije. Ovaj proizvod bih pozicionirao kao jednogodišnji alat za analizu za veletrgovce, kvartalnu analizu za maloprodaju i operativnu analizu za bilo koju organizaciju.

Morao sam da petljam sa VBA tako da su podaci uzeti iz fajla sa bilo kojom listom polja i da je bilo moguće unapred pripremiti formulare za izveštaje.

Opis rada u EXCEL-u (za korisnike):

Upute za korištenje izvještaja:
1. Preuzete podatke dostavite na analizu (provjerite kod administratora). Da biste to učinili, desnom tipkom miša kliknite mapu u koju ste preuzeli podatke iz 1C i odaberite naredbu "Pošalji", a zatim "U OLAP analizu u EXCEL 2000".
2. Otvorite datoteku "Motion Analysis.xls"
3. Odaberite vrijednost filtera, filtere koje trebate možete dodati na kartici "Vrijednosti".
4. Pritisnite dugme "Generiraj" i preneseni podaci će biti učitani u EXCEL.
5. Nakon učitavanja podataka u EXCEL, možete vidjeti različite izvještaje. Da biste to učinili, samo kliknite na dugme "Osvježi" u odabranom izvještaju. Listovi sa izvještajima počinju sa Rep.
Pažnja! Nakon što promijenite vrijednost filtera, potrebno je ponovo kliknuti na dugme "Generiraj" kako bi se podaci u EXCEL-u ponovo učitali iz datoteke za otpremanje u skladu sa filterima.

Demo obrada:

Obrada motionsbuh2011.ert je najnovija verzija prijenosa transakcija iz Accounting 7.7 za analizu u Excel-u. Ima potvrdni okvir "Priloži u datoteku", koji vam omogućava da učitavate podatke u dijelovima po periodima, prilažući ih istom fajlu, umjesto da ih ponovo učitavate u istu datoteku:

Obrada motionswork.ert prenosi podatke o prodaji za analizu u Excel.

Uzorci izvještaja:

Šahovnica po objavama:

Opterećenje operatera po vrsti faktura:

P.S. :

Jasno je da po sličnoj šemi možete organizirati preuzimanje podataka iz 1C8.
2011. godine kontaktirao me korisnik koji je trebao završiti ovu obradu u 1C7 kako bi uploadao velike količine podataka, našao sam outsourcera i uradio ovaj posao. Dakle, razvoj je prilično relevantan.

Obrada motionsbuh2011.ert je poboljšana kako bi se nosila sa istovarom velike količine podataka.