هدف از کار دوره، مطالعه فناوری OLAP، مفهوم پیاده سازی و ساختار آن است.
در دنیای امروز، شبکه های کامپیوتری و سیستم های محاسباتی امکان تجزیه و تحلیل و پردازش حجم زیادی از داده ها را فراهم می کنند.
حجم زیادی از اطلاعات جستجوی راه حل ها را بسیار پیچیده می کند، اما به دست آوردن محاسبات و تجزیه و تحلیل بسیار دقیق تر را ممکن می کند. برای حل این مشکل، یک کلاس کامل از سیستم های اطلاعاتی وجود دارد که تجزیه و تحلیل را انجام می دهند. چنین سیستم هایی را سیستم های پشتیبانی تصمیم (DSS) (DSS, Decision Support System) می نامند.
برای انجام تجزیه و تحلیل، DSS باید اطلاعات را با داشتن ابزار ورودی و ذخیره سازی انباشته کند. در کل، سه کار اصلی در DSS حل شده است:
· ورود داده؛
· ذخیره سازی داده ها
· تحلیل داده ها.
ورود داده ها به DSS به طور خودکار از حسگرهایی که وضعیت محیط یا فرآیند را مشخص می کنند یا توسط یک اپراتور انسانی انجام می شود.
اگر داده‌ها به‌طور خودکار از حسگرها وارد شوند، داده‌ها توسط یک سیگنال آماده جمع‌آوری می‌شوند که هنگام ظاهر شدن اطلاعات یا با نظرسنجی چرخه‌ای رخ می‌دهد. اگر ورودی توسط یک انسان انجام شود، آنها باید ابزارهای مناسبی را برای وارد کردن داده ها در اختیار کاربران قرار دهند که آنها را از نظر صحت ورودی بررسی می کند و همچنین محاسبات لازم را انجام می دهد.
هنگام وارد کردن داده ها به طور همزمان توسط چندین اپراتور، لازم است مشکلات اصلاح و دسترسی موازی همان داده ها حل شود.
DSS داده هایی را در قالب گزارش ها، جداول، نمودارها برای مطالعه و تحلیل در اختیار تحلیلگران قرار می دهد، به همین دلیل است که چنین سیستم هایی عملکردهای پشتیبانی تصمیم را ارائه می دهند.
در زیرسیستم های ورود داده ها که OLTP (On-linetransactionprocessing) نامیده می شوند، پردازش داده های عملیاتی اجرا می شود. برای پیاده سازی آنها از سیستم های مدیریت پایگاه داده مرسوم (DBMS) استفاده می شود.
زیرسیستم تحلیل را می توان بر اساس موارد زیر ایجاد کرد:
· زیرسیستم های تحلیل بازیابی اطلاعات بر اساس DBMS رابطه ای و پرس و جوهای استاتیک با استفاده از زبان SQL.
· زیرسیستم های تحلیل عملیاتی. برای پیاده سازی چنین زیرسیستم هایی، از فناوری پردازش داده های تحلیلی آنلاین OLAP با استفاده از مفهوم نمایش داده های چند بعدی استفاده می شود.
· زیر سیستم های تحلیل فکری. این زیرسیستم روش ها و الگوریتم های DataMining را پیاده سازی می کند.
از دیدگاه کاربر، سیستم‌های OLAP ابزاری برای مشاهده انعطاف‌پذیر اطلاعات در بخش‌های مختلف، دریافت خودکار داده‌های جمع‌آوری‌شده، انجام عملیات تحلیلی کانولوشن، جزئیات، مقایسه در طول زمان فراهم می‌کنند. با تشکر از همه اینها، سیستم های OLAP راه حلی با مزیت های بزرگ در زمینه آماده سازی داده ها برای انواع گزارش های تجاری است که شامل ارائه داده ها در بخش های مختلف و سطوح مختلف سلسله مراتب، مانند گزارش های فروش، اشکال مختلف بودجه، و دیگران. سیستم های OLAP مزایای بزرگی از چنین نمایشی در سایر اشکال تجزیه و تحلیل داده ها از جمله پیش بینی دارند.
1.2 تعریف OLAP-سیستم های
فن آوری تجزیه و تحلیل داده های چند بعدی پیچیده OLAP نامیده می شود. OLAP جزء کلیدی یک سازمان انبار داده است.
عملکرد OLAP را می توان به روش های مختلفی پیاده سازی کرد، از ساده ترین، مانند تجزیه و تحلیل داده ها در برنامه های اداری، تا سیستم های تحلیلی پیچیده تر و توزیع شده بر اساس محصولات سرور.
OLAP (On-LineAnalyticalProcessing) یک فناوری برای پردازش داده های تحلیلی آنلاین است که از ابزارها و روش هایی برای جمع آوری، ذخیره و تجزیه و تحلیل داده های چند بعدی و به منظور پشتیبانی از فرآیندهای تصمیم گیری استفاده می کند.
هدف اصلی سیستم های OLAP پشتیبانی از فعالیت های تحلیلی، درخواست های دلخواه کاربران تحلیلگر است. هدف از تجزیه و تحلیل OLAP آزمایش فرضیه های در حال ظهور است.
در سال 1993، بنیانگذار رویکرد رابطه‌ای برای ساخت پایگاه‌های اطلاعاتی، ادگار کاد و شرکای آن (ادگار کاد، ریاضی‌دان و همکار IBM)، مقاله‌ای به ابتکار شرکت Arbor Software (امروزه شرکت معروف Hyperion Solutions) منتشر کرد. ، با عنوان "ارائه OLAP (پردازش تحلیلی عملیاتی) برای کاربران تحلیلگر" که 12 ویژگی از فناوری OLAP را فرموله کرد که متعاقباً با شش ویژگی دیگر تکمیل شد. این مفاد به محتوای اصلی یک فناوری جدید و بسیار امیدوار کننده تبدیل شده است.
ویژگی های اصلی فناوری OLAP (Basic):
- نمایش مفهومی چند بعدی داده ها.
- دستکاری اطلاعات بصری؛
- در دسترس بودن و جزئیات داده ها؛
- استخراج دسته ای داده در مقابل تفسیر.
- مدل های تحلیل OLAP؛
- معماری مشتری-سرور (OLAP از دسکتاپ قابل دسترسی است).
- شفافیت (دسترسی شفاف به داده های خارجی)؛
- پشتیبانی چند کاربره
ویژگی های خاص (ویژه):
- پردازش داده های غیر رسمی؛
- ذخیره نتایج OLAP: ذخیره آنها جدا از داده های اصلی.
- حذف مقادیر از دست رفته؛
- مدیریت مقادیر از دست رفته
ویژگی های گزارش (گزارش):
- انعطاف پذیری در گزارش گیری؛
- عملکرد گزارش استاندارد؛
- پیکربندی خودکار لایه فیزیکی استخراج داده ها
مدیریت ابعاد:
- جهانی بودن اندازه گیری ها؛
- تعداد نامحدود ابعاد و سطوح تجمع؛
- تعداد نامحدودی از عملیات بین ابعاد.
از لحاظ تاریخی، امروزه اصطلاح "OLAP" نه تنها به یک نمای چند بعدی از داده ها از کاربر نهایی اشاره می کند، بلکه به نمایش چند بعدی داده ها در پایگاه داده هدف نیز اشاره دارد. با این امر است که ظاهر اصطلاحات "OLAP رابطه ای" (ROLAP) و "OLAP چند بعدی" (MOLAP) به عنوان اصطلاحات مستقل به هم متصل می شود.
سرویس OLAP ابزاری برای تجزیه و تحلیل حجم زیادی از داده ها در زمان واقعی است. در تعامل با سیستم OLAP، کاربر قادر به مشاهده انعطاف پذیر اطلاعات، به دست آوردن برش های دلخواه از داده ها و انجام عملیات تحلیلی از جزئیات، پیچیدگی، توزیع انتها به انتها، مقایسه در طول زمان در بسیاری از پارامترها به طور همزمان خواهد بود. همه کارها با سیستم OLAP از نظر حوزه موضوعی انجام می شود و به شما امکان می دهد مدل های آماری معتبری از وضعیت کسب و کار بسازید.
نرم افزار OLAP ابزاری برای تجزیه و تحلیل آنلاین داده های موجود در انبار است. ویژگی اصلی این است که این ابزارها برای استفاده نه توسط یک متخصص فناوری اطلاعات، نه توسط یک آماردان خبره، بلکه توسط یک متخصص در زمینه کاربردی مدیریت - مدیر یک بخش، بخش، مدیریت، و در نهایت، کارگردان ابزارها طوری طراحی شده اند که به تحلیلگر اجازه می دهند با مشکل ارتباط برقرار کند، نه با رایانه. روی انجیر 6.14 یک مکعب OLAP ابتدایی را نشان می دهد که به شما امکان می دهد داده ها را در سه بعدی ارزیابی کنید.
یک مکعب OLAP چند بعدی و یک سیستم از الگوریتم‌های ریاضی مربوطه برای پردازش آماری به شما امکان می‌دهد داده‌های هر پیچیدگی را در هر بازه زمانی تجزیه و تحلیل کنید.
برنج. 6.14.مکعب OLAP ابتدایی
مدیر با داشتن مکانیزم‌های دستکاری و تجسم داده‌های انعطاف‌پذیر (شکل 6.15، شکل 6.16)، ابتدا داده‌ها را از زوایای مختلف در نظر می‌گیرد، که ممکن است (یا ممکن است نباشد) به مشکل در حال حل مرتبط باشد.
سپس، او شاخص های مختلف کسب و کار را با یکدیگر مقایسه می کند و سعی می کند روابط پنهان را شناسایی کند. می‌تواند به داده‌ها نگاه دقیق‌تری بیندازد، آنها را دانه‌بندی کند، برای مثال، با تفکیک آنها بر اساس زمان، منطقه یا بر اساس مشتری، یا برعکس، ارائه اطلاعات را برای حذف جزئیات حواس‌پرتی تعمیم دهد. پس از آن با استفاده از ماژول ارزیابی و شبیه سازی آماری سناریوهای متعددی ساخته می شود که قابل قبول ترین گزینه از بین آنها انتخاب می شود.
برنج. 6.15.
به عنوان مثال، یک مدیر شرکت ممکن است این فرضیه را مطرح کند که گسترش رشد دارایی در شاخه های مختلف شرکت به نسبت متخصصان دارای تحصیلات فنی و اقتصادی در آنها بستگی دارد. برای آزمون این فرضیه، مدیر می تواند از انبار درخواست کند و نسبت بهره را برای شعبه هایی که رشد دارایی آنها در سه ماهه جاری نسبت به سال گذشته بیش از 10 درصد کاهش داشته است و برای شعبی که دارایی آنها افزایش یافته است را در نمودار نشان دهد. بیش از 25 درصد. او باید بتواند از یک انتخاب ساده از منوی ارائه شده استفاده کند. اگر نتایج به‌دست‌آمده به‌طور محسوسی در دو گروه متناظر قرار گیرند، این امر باید محرکی برای آزمایش بیشتر فرضیه‌ای باشد.
در حال حاضر جهتی به نام Dynamic Simulation توسعه سریعی یافته است که اصل FASMI فوق را به طور کامل پیاده سازی می کند.
با استفاده از مدل سازی پویا، تحلیلگر مدلی از وضعیت کسب و کار می سازد که بر اساس سناریوهایی در طول زمان توسعه می یابد. در عین حال، نتیجه چنین مدل‌سازی می‌تواند چندین موقعیت تجاری جدید باشد که درختی از تصمیمات احتمالی را با ارزیابی احتمال و چشم‌انداز هر یک ایجاد می‌کند.
برنج. 6.16. IS تحلیلی برای استخراج، پردازش داده ها و ارائه اطلاعات
جدول 6.3 ویژگی های مقایسه ای تحلیل استاتیکی و دینامیکی را نشان می دهد.
تفاوت اصلی بین حقایق و اطلاعات این است که ما داده ها را دریافت و یادداشت می کنیم، اما می توانیم از اطلاعات به نفع خود استفاده کنیم. به طور کلی، اطلاعات تجزیه و تحلیل و داده های سیستماتیک می شوند. به لطف اطلاعات به موقع دریافت شده، بسیاری از شرکت ها موفق می شوند هم در شرایط بحران مالی و هم در مواجهه با رقابت شدید زنده بمانند. جمع آوری حقایق و داشتن تمام داده های لازم کافی نیست. هنوز باید بتوانید آنها را تجزیه و تحلیل کنید. برای تسهیل کار افرادی که برای تصمیم گیری های مهم تجاری فراخوانده شده اند، سیستم های پشتیبانی مختلفی توسعه داده شده است. برای این منظور است که سیستم‌های پیچیده مختلفی توسعه یافته‌اند که امکان تجزیه و تحلیل آرایه‌های بزرگ داده‌های ناهمگن و تبدیل آنها به اطلاعات مفید برای یک کاربر تجاری را فراهم می‌کنند. هدف حوزه نوظهور هوش تجاری افزایش کنترل فرآیند سیستم های تجاری، از طریق استفاده از انبار داده و فناوری است.
بازار سیستم های اطلاعات کسب و کار امروزه طیف متنوعی از راه حل ها را ارائه می دهد که به سازمان کمک می کند حسابداری مدیریت را سازماندهی کند، مدیریت عملیاتی تولید و فروش را تضمین کند و به طور موثر با مشتریان و تامین کنندگان تعامل داشته باشد.
یک طاقچه جداگانه در بازار سیستم های تجاری توسط محصولات نرم افزاری تحلیلی که برای حمایت از تصمیم گیری در سطح استراتژیک مدیریت سازمانی طراحی شده اند، اشغال شده است. تفاوت اصلی بین این ابزارها و سیستم های مدیریت عملیاتی در این است که دومی مدیریت شرکت را در "حالت عملکردی" یعنی اجرای یک برنامه تولیدی کاملاً تعریف شده ارائه می دهد، در حالی که سیستم های تحلیلی سطح استراتژیک به مدیریت سازمان کمک می کند تا توسعه یابد. تصمیم گیری در "حالت توسعه".
مقیاس تغییرات انجام شده می تواند از تجدید ساختار عمیق تا تجدید نسبی فناوری ها در سایت های تولیدی متفاوت باشد، اما در هر صورت، تصمیم گیرندگان در حال بررسی جایگزین های توسعه هستند که سرنوشت شرکت در دراز مدت به آن بستگی دارد.
هر چقدر هم که سیستم اطلاعاتی یک بنگاه اقتصادی قدرتمند و توسعه یافته باشد، نمی تواند به حل این مسائل کمک کند، اولاً به این دلیل که روی فرآیندهای تجاری ثابت و تثبیت شده تنظیم شده است و ثانیاً اطلاعاتی برای تصمیم گیری در مورد جدید ندارد و نمی تواند داشته باشد. حوزه های کسب و کار، فناوری های جدید، تصمیمات جدید سازمانی.
به لطف فناوری پردازش و تجزیه و تحلیل داده های OLAP (پردازش تحلیلی آنلاین)، هر سازمانی می تواند تقریباً بلافاصله (در عرض پنج ثانیه) داده های لازم برای کار را به دست آورد. OLAP را می توان به طور خلاصه با پنج کلمه کلیدی تعریف کرد.
FAST (سریع) - به این معنی که زمان جستجو و صدور اطلاعات لازم بیش از پنج ثانیه طول نمی کشد. ساده ترین درخواست ها در یک ثانیه پردازش می شوند و تنها چند درخواست پیچیده بیش از بیست ثانیه زمان پردازش دارند. روش های مختلفی برای دستیابی به این نتیجه استفاده می شود، از اشکال خاص ذخیره سازی داده ها تا پیش محاسبات گسترده. بنابراین، می توانید گزارشی را در یک دقیقه دریافت کنید، که قبلاً چند روز طول می کشید تا آماده شود.
ANALYSIS (تحلیلی) می گوید که سیستم می تواند هر تحلیلی را اعم از آماری و منطقی انجام دهد و سپس آن را به شکل قابل دسترس ذخیره می کند.
SHARED (اشتراک‌گذاری شده) به این معنی است که سیستم حریم خصوصی مورد نیاز را تا سطح سلول فراهم می‌کند
MULTIDIMENSIONAL (چند بعدی) - مشخصه اصلی OLAP است. این سیستم باید به طور کامل از سلسله مراتب و سلسله مراتب های متعدد پشتیبانی کند، زیرا این منطقی ترین راه برای تجزیه و تحلیل کسب و کار و فعالیت های سازمان ها است.
INFORMATION (اطلاعات). اطلاعات صحیح باید به جایی که نیاز است تحویل داده شود.
کار یک سازمان همیشه داده های مربوط به دامنه فعالیت هایش را جمع آوری می کند که گاهی در مکان های کاملاً متفاوتی ذخیره می شود و گرد هم آوردن آنها هم سخت و هم زمان بر است. فناوری پردازش داده های تحلیلی تعاملی یا OLAP به منظور تسریع در جمع آوری داده ها برای آزمایش فرضیه های تجاری در حال ظهور بود. هدف اصلی چنین سیستم های OLAP پاسخ سریع به درخواست های دلخواه کاربر است. چنین نیازی اغلب در طول توسعه برخی از پروژه های تجاری مهم ایجاد می شود، زمانی که توسعه دهنده به یک فرضیه کاری که به وجود آمده نیاز دارد. بیشتر اوقات، اطلاعات مورد نیاز کاربر باید به شکل نوعی وابستگی ارائه شود - به عنوان مثال، میزان فروش بستگی به دسته محصول، منطقه فروش، فصل و غیره دارد. با تشکر از OLAP، او قادر است بلافاصله داده های لازم را در طرح مورد نظر برای دوره انتخاب شده به دست آورد.
فناوری تعاملی OLAP به شما این امکان را می‌دهد تا انبوهی از گزارش‌ها و انبوه داده‌ها را به اطلاعات مفید و دقیق تبدیل کنید که به یک کارمند کمک می‌کند تا در زمان مناسب یک تصمیم تجاری یا مالی آگاهانه اتخاذ کند.
علاوه بر این، به لطف OLAP، کارایی پردازش افزایش می یابد و کاربر می تواند مقادیر زیادی از اطلاعات مرتب شده (تجمیع شده) را تقریباً بلافاصله دریافت کند. به لطف OLAP، کاربر می تواند به وضوح ببیند که سازمانش چقدر کارآمد کار می کند، توانایی واکنش سریع و انعطاف پذیر به تغییرات خارجی را دارد و توانایی به حداقل رساندن زیان های مالی سازمان خود را دارد. OLAP اطلاعات دقیقی را ارائه می دهد که تصمیم گیری را بهبود می بخشد.
تنها عیب سیستم های هوش تجاری هزینه بالای آنهاست. ایجاد انبار اطلاعات شخصی به زمان و هزینه زیادی نیاز دارد.
استفاده از فناوری OLAP در تجارت به شما امکان می دهد تا به سرعت اطلاعات لازم را به دست آورید که به درخواست کاربر می تواند به شکل معمول - گزارش ها، نمودارها یا جداول ارائه شود.
رویه های یکپارچه سازی سیستم ساختارهای تجاری مبتنی بر استفاده از راه حل های مشترک ERP، CRM و SCM است. در بسیاری از موارد، سیستم‌ها توسط سازندگان مختلف عرضه می‌شوند و داده‌های وارداتی باید از طریق فرآیند تطبیق داده‌ها و ارائه به‌عنوان داده‌های ناهمگن طی شود. در یک محیط تجاری، یک نیاز بدون ابهام فرض می شود - تجزیه و تحلیل کامل داده ها، که شامل مشاهده گزارش های تلفیقی از دیدگاه های مختلف است.
سازندگان مختلف مکانیسم های نمایش داده های متفاوتی دارند. روش ارائه ناهمگن شامل استخراج، تبدیل و بارگذاری (ETL) است. به عنوان مثال، در Microsoft SQL Server 2005 Analysis Services، مشکل ادغام داده ها با استفاده از Data Source Views - انواع منابع داده که مدل های ارائه تحلیلی را توصیف می کنند، پیاده سازی می شود.
برنامه های تجاری مبتنی بر فناوری های OLAP، نمونه هایی از محصولات. رایج ترین کاربردهای فناوری OLAP عبارتند از:
تحلیل داده ها.
وظیفه ای که ابزارهای OLAP در ابتدا برای آن استفاده می شدند و هنوز هم محبوب ترین هستند. یک مدل داده چند بعدی، توانایی تجزیه و تحلیل مقادیر زیادی از داده ها، و پاسخ سریع به درخواست ها، چنین سیستم هایی را برای تجزیه و تحلیل فروش، فعالیت های بازاریابی، توزیع و سایر وظایف با حجم زیادی از داده های اولیه ضروری می کند.
نمونه محصول: Microsoft Excel Pivot Tables، Microsoft Analysis Services، SAP BW، Oracle Essbase، Oracle OLAP، Cognos PowerPlay، MicroStrategy، Business Objects.
برنامه ریزی مالی-بودجه.
یک مدل چند بعدی به شما امکان می دهد همزمان داده ها را وارد کرده و به راحتی آنها را تجزیه و تحلیل کنید (به عنوان مثال، تجزیه و تحلیل واقعیت برنامه ریزی کنید). بنابراین، تعدادی از محصولات مدرن کلاس CPM (Corporate Performance Management) از مدل های OLAP% استفاده می کنند. یک کار مهم، محاسبه برگشتی چند بعدی (backsolve، breakback، writeback) است که به شما امکان می دهد تغییرات مورد نیاز را در سلول های دقیق در هنگام تغییر مقدار انباشته محاسبه کنید. این ابزاری برای تجزیه و تحلیل چه-اگر (چه-اگر) است، یعنی. برای پخش انواع مختلف رویدادها هنگام برنامه ریزی.
نمونه محصول: Microsoft PerformancePint، Oracle EPB، Oracle OFA، Oracle Hyperion Planning، SAP SEM، Cognos Enterprise Planning، Geac.
تلفیق مالی
ادغام داده ها مطابق با استانداردهای حسابداری بین المللی، با در نظر گرفتن سهام مالکیت، ارزهای مختلف و گردش مالی داخلی، به دلیل تشدید الزامات سازمان های بازرسی (SOX، Basel II) و IPO شرکت ها، یک کار فوری است. فناوری‌های OLAP سرعت محاسبه گزارش‌های تلفیقی و افزایش شفافیت کل فرآیند را ممکن می‌سازد.
نمونه های محصول: Oracle FCH، Oracle Hyperion FM، Cognos Controller.
فن آوری های ذخیره سازی داده و پردازش تحلیلی آنلاین (OLAP).
عناصر مهم پشتیبانی از تصمیمات تجاری هستند که به طور فزاینده ای به بخشی جدایی ناپذیر از هر صنعت تبدیل می شوند. استفاده از فناوری های OLAP به عنوان ابزاری برای هوش تجاری، کنترل بیشتر و دسترسی به موقع به استراتژی را می دهد
اطلاعاتی که به تصمیم گیری موثر کمک می کند.
این فرصتی را برای مدل سازی پیش بینی های واقع بینانه و استفاده کارآمدتر از منابع فراهم می کند. OLAP سازمان را قادر می سازد تا سریعتر به تقاضاهای بازار پاسخ دهد.
کتابشناسی - فهرست کتب:
1. اریک تامسن. راه حل های OLAP: ساخت سیستم های اطلاعات چند بعدی ویرایش دوم. انتشارات کامپیوتری وایلی جان وایلی و پسران، شرکت، 2002.
2. کاغذ سفید شورای OLAP، http://www.olapcouncil.org/research/whtpaply.htm
3. گرد استام و برنهارد گانتر. تحلیل مفهومی رسمی _ مبانی ریاضی.
انبارهای دادهبر اساس عکس های فوری ثابت در یک دوره زمانی طولانی از پایگاه های داده عملیاتی تشکیل می شوند سیستم اطلاعاتو احتمالاً منابع خارجی مختلف. انبارهای داده از فناوری های پایگاه داده، OLAP، داده کاوی، تجسم داده ها استفاده می کنند.مشخصات اصلی انبارهای داده
- حاوی داده های تاریخی
- اطلاعات دقیق و همچنین داده های جزئی و کامل را ذخیره می کند.
- داده ها عمدتا ثابت هستند.
- روش های غیرقانونی، بدون ساختار و اکتشافی پردازش داده ها؛
- شدت متوسط و کم پردازش تراکنش؛
- روش غیر قابل پیش بینی استفاده از داده ها؛
- طراحی شده برای تجزیه و تحلیل؛
- تمرکز بر حوزه های موضوعی;
- پشتیبانی از تصمیم گیری استراتژیک؛
- به تعداد نسبتاً کمی از مدیران خدمات ارائه می دهد.
اصطلاح OLAP (پردازش تحلیلی روی خط) برای توصیف مدل ارائه داده ها و بر این اساس، فناوری پردازش آنها در انبارهای داده استفاده می شود. OLAP از یک نمای چند بعدی از داده های انباشته استفاده می کند تا دسترسی سریع به اطلاعات استراتژیک مهم را برای تجزیه و تحلیل عمیق فراهم کند. برنامه های OLAP باید ویژگی های اساسی زیر را داشته باشند:
- چند بعدی ارائه داده ها;
- پشتیبانی از محاسبات پیچیده؛
- در نظر گرفتن صحیح عامل زمان
مزایای OLAP:
- ترویج کاراییکارکنان تولید، توسعه دهندگان برنامه های کاربردی. دسترسی به موقع به اطلاعات استراتژیک
- به کاربران قدرت کافی برای ایجاد تغییرات در طرحواره می دهد.
- برنامه های OLAP متکی هستند انبارهای دادهو سیستم های OLTP، دریافت داده های به روز از آنها، که باعث صرفه جویی می شود کنترل یکپارچگیداده های شرکتی
- کاهش بار سیستم های OLTP و انبارهای داده.
OLAP و OLTP. ویژگی ها و تفاوت های اصلی
| OLAP | OLTP |
|---|---|
| ذخیره اطلاعاتباید شامل داده های داخلی شرکت و داده های خارجی باشد | منبع اصلی اطلاعاتی که وارد پایگاه داده عملیاتی می شود، فعالیت های شرکت است و تجزیه و تحلیل داده ها مستلزم دخالت منابع خارجی اطلاعات (به عنوان مثال، گزارش های آماری) است. |
| حجم پایگاه های داده های تحلیلی حداقل یک مرتبه بزرگتر از حجم پایگاه های عملیاتی است. برای تجزیه و تحلیل و پیش بینی قابل اعتماد در ذخیره دادهشما باید اطلاعاتی در مورد فعالیت های شرکت و وضعیت بازار برای چندین سال داشته باشید | برای پردازش عملیاتی، داده های چند ماه گذشته مورد نیاز است |
| ذخیره اطلاعاتباید حاوی اطلاعات یکسان ارائه شده و توافق شده باشد که تا حد امکان به محتوای پایگاه های داده عملیاتی نزدیک باشد. برای استخراج و «پاک کردن» اطلاعات از منابع مختلف به یک جزء نیاز است. در بسیاری از شرکت های بزرگ، چندین سیستم اطلاعات عملیاتی با پایگاه داده های خاص خود به طور همزمان وجود دارد (به دلایل تاریخی). | پایگاه داده‌های عملیاتی ممکن است حاوی اطلاعات معادل معنایی باشد که در قالب‌های مختلف، با نشانه‌های متفاوتی از زمان دریافت آن، گاهی اوقات حتی متناقض ارائه شده است. |
| مجموعه پرس و جوها در برابر یک پایگاه داده تحلیلی قابل پیش بینی نیست. انبارهای دادهوجود دارد تا به درخواست‌های تحلیلگر موقت پاسخ دهد. شما فقط می توانید روی این واقعیت حساب کنید که درخواست ها خیلی زیاد نمی شوند و بر حجم زیادی از اطلاعات تأثیر نمی گذارند. اندازه های پایگاه داده تحلیلی استفاده از پرس و جوها را با مجموع ها تشویق می کند (جمع، حداقل، حداکثر، منظور داشتنو غیره.) | سیستم های پردازش داده برای حل مشکلات خاص طراحی شده اند. اطلاعات از پایگاه داده اغلب و در بخش های کوچک انتخاب می شوند. معمولاً مجموعه ای از پرس و جوها به پایگاه داده عملیاتی در حین طراحی شناخته شده است |
| با تنوع کمی از پایگاه‌های داده تحلیلی (فقط هنگام بارگیری داده‌ها)، ترتیب آرایه‌ها، روش‌های نمایه‌سازی سریعتر برای نمونه‌برداری انبوه، و ذخیره داده‌های از پیش انباشته شده معقول است. | سیستم های پردازش داده به دلیل ماهیت خود بسیار متغیر هستند، که در DBMS مورد استفاده در نظر گرفته می شود (ساختار پایگاه داده عادی، ردیف ها خارج از نظم ذخیره می شوند، درختان B برای نمایه سازی، معامله گری) |
| اطلاعات پایگاه‌های اطلاعاتی تحلیلی برای شرکت بسیار حیاتی است، به‌طوری‌که نیاز به حفاظت گسترده است (حق دسترسی فردی به ردیف‌ها و/یا ستون‌های خاص جدول) | برای سیستم های پردازش داده، معمولاً کافی است حفاظت از اطلاعاتدر سطح میز |
قوانین کد برای سیستم های OLAP
در سال 1993، Codd OLAP را برای کاربران تحلیلگر منتشر کرد: چگونه باید باشد. در آن، او مفاهیم اساسی پردازش تحلیلی آنلاین را تشریح کرد و 12 قاعده را که محصولات برای ارائه پردازش تحلیلی آنلاین باید رعایت کنند، شناسایی کرد.
- نمایش چند بعدی مفهومی یک مدل OLAP باید در هسته خود چند بعدی باشد. یک نمودار مفهومی چند بعدی یا نمایش سفارشی مدل‌سازی و تحلیل و همچنین محاسبات را تسهیل می‌کند.
- شفافیت. کاربر می تواند تمام داده های لازم را از دستگاه OLAP دریافت کند، بدون اینکه حتی گمان کند از کجا آمده است. صرف نظر از اینکه محصول OLAP بخشی از ابزارهای کاربر است یا خیر، این واقعیت باید برای کاربر نامرئی باشد. اگر OLAP توسط محاسبات سرویس گیرنده-سرور ارائه می شود، در صورت امکان، این واقعیت نیز باید برای کاربر نامرئی باشد. OLAP باید در چارچوب یک معماری واقعاً باز ارائه شود و به کاربر این امکان را می دهد که در هر کجا که باشد، با استفاده از یک ابزار تحلیلی با سرور ارتباط برقرار کند. علاوه بر این، هنگامی که ابزار تحلیلی با محیط های پایگاه داده همگن و ناهمگن تعامل داشته باشد، باید شفافیت نیز حاصل شود.
- دسترسی. OLAP باید خود را ارائه دهد نمودار منطقیبرای دسترسی به یک محیط پایگاه داده ناهمگن و انجام تبدیل های مناسب برای ارائه داده به کاربر. علاوه بر این، لازم است از قبل در مورد مکان و چگونگی و نوع سازماندهی داده های فیزیکی واقعاً مورد استفاده قرار گیرد. یک سیستم OLAP فقط باید به داده‌هایی دسترسی داشته باشد که واقعاً مورد نیاز هستند، و از اصل کلی «قیف آشپزخانه» که مستلزم ورودی‌های غیر ضروری است، استفاده نکند.
- مقدار ثابت کاراییهنگام تهیه گزارش ها کاراییگزارش دهی نباید با رشد تعداد ابعاد و اندازه پایگاه داده به میزان قابل توجهی کاهش یابد.
- معماری سرویس گیرنده-سرور. نه تنها محصول مورد نیاز است که یک محصول مشتری/سرور باشد، بلکه مؤلفه سرور نیز باید به اندازه کافی هوشمند باشد تا مشتریان مختلف بتوانند با حداقل تلاش و برنامه نویسی به یکدیگر متصل شوند.
- چند بعدی بودن عمومی همه ابعاد باید برابر باشند، هر بعد باید هم در ساختار و هم در قابلیت های عملیاتی معادل باشد. درست است، قابلیت‌های عملیاتی اضافی برای ابعاد فردی مجاز است (ظاهراً زمان دلالت دارد)، اما چنین عملکردهای اضافی باید برای هر بعد ارائه شود. این نباید به گونه ای باشد که اساسی باشد ساختارهای دادهفرمت های محاسباتی یا گزارش دهی بیشتر به یک بعد اختصاص داشت.
- کنترل دینامیک ماتریس های پراکنده. سیستم های OLAP باید به طور خودکار طرح فیزیکی خود را بر اساس نوع مدل، حجم داده ها و پراکندگی پایگاه داده تنظیم کنند.
- پشتیبانی چند کاربره ابزار OLAP باید این توانایی را فراهم کند اشتراک گذاری(درخواست و اضافه)، یکپارچگی و امنیت.
- عملیات متقابل نامحدود همه نوع عملیات باید برای هر اندازه گیری مجاز باشد.
- دستکاری داده های بصری دستکاری داده ها از طریق اقدامات مستقیم بر روی سلول ها در حالت مشاهده بدون استفاده از منوها و عملیات های متعدد انجام شد.
- گزینه های گزارش دهی انعطاف پذیر اندازه گیری ها باید به روشی که کاربر می خواهد در گزارش قرار گیرد.
- نامحدود
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 یادآور شوم 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 با روش های مختلف نیاز دارد.
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 ایفا می کند. 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، داشتن، تجزیه و تحلیل و دانستن چگونگی تجزیه و تحلیل تعداد کافی از شاخص های عملکرد ضروری است. علاوه بر این، FI تعداد زیادی از حوزه ها را پوشش می دهد: تجزیه و تحلیل جریان نقدی (جریان نقدی)، تجزیه و تحلیل دارایی و بدهی، تجزیه و تحلیل سودآوری، تجزیه و تحلیل حاشیه، تجزیه و تحلیل سودآوری، تجزیه و تحلیل مجموعه.
دانش
بنابراین، عامل کلیدی در اثربخشی فرآیند مدیریت مالی، آگاهی از موارد زیر است:
- دانش شخصی در حوزه موضوعی (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 حوزه عمل این سرمایه گذار (یا مدیر منابع انسانی که این کارمند را استخدام کرده است) باشد، دومی باید به طور هدفمند در شرکت با تلاش مشترک کارکنان خدمات مالی و اطلاعاتی 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 وضعیت آشفته ای قرار دارد: بدون ساختار، ناسازگار، پراکنده، همیشه قابل اعتماد نیست و اغلب اشتباه است، 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 و 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. به نظر می رسد 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 آن مورد بی‌ربط است، 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 اهداف 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، یک سوال جدید 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. این در مورد فناوری جدید پایگاه داده نیست، بلکه بیشتر در مورد ابزارهای تجزیه و تحلیل است که عملکردهای DBMS موجود را تکمیل می کند و به اندازه کافی انعطاف پذیر است تا انواع مختلف تجزیه و تحلیل فکری ذاتی OLAP را ارائه و خودکار کند.
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
به منظور 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 به دست آورند تا به سؤالاتی که کسب‌وکار می‌پرسد پاسخ دهند:
- کدام هزینه ها در کدام واحدهای تجاری حیاتی است؟
- چگونه هزینه های واحد تجاری در طول زمان تغییر می کند؟
- اقلام هزینه چگونه در طول زمان 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، 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، دسته 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 های یک اندازه گیری خلاصه کلی (در بالاترین سطح) را بدست آورند و سپس به پایین ترین و سطوح بعدی برسند و بنابراین دلیل دقیق تغییر اندازه گیری را کشف کنند.
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، پول نقد)
به عنوان یک قاعده، OLAP به شما امکان می دهد جهت گیری ابعاد مکعب را تغییر دهید، در نتیجه داده ها را در نماهای مختلف ارائه دهید.
نمایش داده های مکعبی 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، زمانی که آبجو از مجموعه حذف شد، فروش سوسک در دو ماه اول کاهش یافت.
- مقایسه (تحلیل تطبیقی). 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 برای نمایش گرافیکی داده ها در اختیار کاربر نهایی قرار می دهد. 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 نخواهد کشید. 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 اصلی این فناوری ها 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، تمرکز دارند. و در نهایت یک کارگردان آنها در نظر گرفته شده اند تا تحلیلگر با مشکل ارتباط برقرار کند، نه با رایانه..
با وجود امکانات بزرگ 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 که به ذهن می رسد انجام دهید. یک تحلیلگر در فرآیند تحلیل هر چه 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 سودمندی OLAP نیست).
استفاده کاربردی از OLAP
- بودجه
- جریان وجوه
یکی از پربارترین زمینه های کاربرد فناوری OLAP. بیهوده نیست که هیچ سیستم بودجه ریزی مدرن 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 داده‌های مناسبی دارید، می‌توانید 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 آنها 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 تست 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 طور قابل توجهی طولانی تر خواهد شد، کاربران ممکن است حواسشان پرت شود و ذهن خود را از دست بدهند و کیفیت تجزیه و تحلیل کاهش پیدا کند. 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، پیش‌محاسبات گسترده، یا سخت‌افزار نیازمندی‌های سخت‌افزاری. با این حال، در حال حاضر هیچ راه حل کاملاً بهینه شده ای وجود ندارد. در نگاه اول، ممکن است تعجب برانگیز به نظر برسد که هنگام دریافت گزارش در یک دقیقه، که چندی پیش روزها طول 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 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 تصور می‌کنند 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. این سیستم باید یک نمایش مفهومی چند بعدی از داده ها، از جمله پشتیبانی کامل از سلسله مراتب و سلسله مراتب های متعدد را ارائه دهد، 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 بدون توجه به حجم و مکان آن باید در جایی که مورد نیاز است به دست آید. با این حال، خیلی 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 اداره 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، یکپارچگی با حافظه های اطلاعاتی و غیره اشاره کرد.
- تحلیل و بررسیبه این معنی که سیستم می تواند هر گونه تجزیه و 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 تجزیه و تحلیل تعریف کند. به این معنا که تمام قابلیت های 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 برای 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 دسکتاپ وجود دارند که به شما امکان تجزیه و تحلیل داده‌های ذخیره‌شده مستقیماً روی رایانه کاربر را می‌دهند و نیازی به سرور OLAP ندارند.
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، به صورت گزارش ساختار یافته شعب باشند، 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" به طور جدایی ناپذیر با اصطلاح "انبار داده" (Data Warehouse) پیوند خورده است. انبار داده مجموعه‌ای از داده‌ها برای دامنه خاص، محدود به زمان و تغییرناپذیر است که از تصمیم‌گیری مدیریت پشتیبانی می‌کند. داده‌های موجود در فضای ذخیره‌سازی از سیستم‌های عملیاتی (سیستم‌های OLTP)، که برای خودکارسازی فرآیندهای تجاری طراحی شده‌اند، می‌آیند، ذخیره‌سازی را می‌توان از منابع خارجی، مانند گزارش‌های آماری، پر کرد.
با وجود این واقعیت که آنها حاوی اطلاعات آشکارا اضافی هستند که قبلاً در پایگاه داده یا فایل های سیستم عامل 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 ساختارهای 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 ها 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 تنها محتاطانه 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 انبوه برای OLAP غیرقابل قبول است (اغلب داده های خلاصه در جداول انبوه ذخیره می شوند).
- فایل های پایگاه داده در رایانه مشتری (کیوسک ها یا داده ها): این داده ها را می توان از قبل 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 می‌دهند، 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 های 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 متناظر را با نتایجی که می‌توان از پردازش داده‌های چند بعدی یا از یک ماشین کلاینت به‌دست آورد، انجام می‌دهند. همچنین امکان استفاده از RAM وجود دارد 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 وجود دارد. 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.
|
گزینه های ذخیره سازی چند بعدی گزینه ها |
پایگاه داده رابطه ای |
پایگاه داده چند بعدی سمت سرور |
کامپیوتر مشتری |
|
قدر کارتزیس |
|||
|
پردازش سرور چند بعدی |
Crystal Holos (حالت ROLAP) سرور OLAP IBM DB2 CA EUREKA: استراتژی Informix MetaCube Speedware Media/MR خدمات تحلیل مایکروسافت Oracle Express (حالت ROLAP) سرور تجزیه و تحلیل پایلوت Applix iTM1 |
کریستال هولوس تصمیم Comshare Hyperion Essbase اوراکل اکسپرس Speedware Media/M خدمات تحلیل مایکروسافت سرور سازمانی پاورپلی سرور تجزیه و تحلیل پایلوت Applix iTM1 |
|
|
پردازش چند بعدی در کامپیوتر مشتری |
Oracle Discoverer Informix MetaCube |
بینش بعدی هایپریون اینترپرایز |
Cognos PowerPlay اکسپرس شخصی چشم اندازهای iTM1 |
از آنجایی که این فضای ذخیره سازی است که پردازش را تعیین می کند، مرسوم است که بر اساس گزینه های ذخیره سازی گروه بندی شوند، یعنی:
- محصولات ROLAP در بخش های 1، 2، 3
- OLAP رومیزی - در بخش 6
محصولات MOLAP - در بخش های 4 و 5
محصولات HOLAP (به گزینه‌های ذخیره‌سازی داده‌های چند بعدی و رابطه‌ای اجازه می‌دهد) - در 2 و 4 (با حروف برجسته)
دسته بندی محصولات OLAP
بیش از 40 فروشنده OLAP وجود دارد، اگرچه همه آنها را نمی توان رقیب در نظر گرفت، زیرا آنها قابلیت های بسیار متفاوتی دارند و در واقع در بخش های مختلف بازار کار می کنند. آنها را می توان به 4 دسته اساسی دسته بندی کرد که تفاوت 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.
|
ویژگی های خاص |
مزایای |
ایرادات |
نمایندگان |
|
|
OLAP را اعمال کرد |
برنامه های کامل، با قابلیت های غنی. تقریباً همه به یک پایگاه داده چند بعدی نیاز دارند، اگرچه برخی با پایگاه داده رابطه ای نیز کار می کنند. بسیاری از این دسته از برنامه ها تخصصی هستند، مانند فروش، تولید، بانکداری، بودجه، تلفیق مالی، تجزیه و تحلیل فروش. |
قابلیت ادغام با اپلیکیشن های مختلف سطح بالایی از عملکرد سطح بالایی از انعطاف پذیری و مقیاس پذیری |
پیچیدگی برنامه (نیاز به آموزش کاربر) قیمت بالا |
راه حل هایپریون تصمیمات کریستالی سازندگان اطلاعات |
|
این محصول بر اساس یک ساختار داده غیر رابطه ای است که ذخیره سازی، پردازش و ارائه داده ها را چند بعدی می کند. داده ها در فرآیند تحلیل منحصراً از یک ساختار چند بعدی انتخاب می شوند. علیرغم سطح بالای باز بودن، تامین کنندگان خریداران را متقاعد می کنند که ابزار خود را خریداری کنند |
عملکرد بالا (محاسبه سریع شاخص های خلاصه و تبدیل های چند بعدی مختلف برای هر یک از ابعاد). میانگین زمان پاسخگویی به یک پرس و جوی تحلیلی موقت در هنگام استفاده از پایگاه داده چند بعدی معمولاً 1-2 مرتبه بزرگی کمتر از یک RDB است. سطح بالایی از باز بودن: تعداد زیادی از محصولات که ادغام با آنها امکان پذیر است به راحتی با وظایف گنجاندن توابع داخلی مختلف در مدل اطلاعاتی، انجام تجزیه و تحلیل تخصصی توسط کاربر و غیره کنار بیایید. |
نیاز به فضای دیسک بزرگ برای ذخیره داده ها (به دلیل اضافی بودن داده های ذخیره شده). این یک استفاده بسیار ناکارآمد از حافظه است - به دلیل غیرعادی سازی و تجمع از پیش اجرا شده، مقدار داده در یک پایگاه داده چند بعدی 2.5-100 برابر کمتر از مقدار داده های دقیق اصلی است. در هر صورت MOLAP به شما اجازه نمی دهد با پایگاه داده های بزرگ کار کنید. حد واقعی یک پایگاه داده با حجم 10-25 گیگابایت است انفجار بالقوه پایگاه داده – افزایش ناگهانی، چشمگیر و نامتناسب در اندازه پایگاه داده عدم انعطاف پذیری زمانی که ساختار داده ها نیاز به اصلاح دارند. هر تغییری در ساختار ابعاد تقریباً همیشه مستلزم بازسازی کامل ابر مکعب است. برای پایگاه های داده چند بعدی، در حال حاضر هیچ استاندارد یکنواختی برای رابط، زبان هایی برای توصیف و دستکاری داده ها وجود ندارد. |
Hyperion (Essbase) |
|
|
DOLAP (OLAP رومیزی) |
محصولات OLAP سمت مشتری که پیاده سازی نسبتاً آسانی دارند و به هزینه کم در هر مکان نیاز دارند ما در مورد چنین پردازش های تحلیلی صحبت می کنیم، جایی که هایپر مکعب ها کوچک هستند، ابعاد آنها کوچک است، نیازها متوسط هستند، و برای چنین پردازش های تحلیلی، یک رایانه شخصی روی دسکتاپ کافی است. هدف تولیدکنندگان در این بازار، خودکارسازی صدها و هزاران شغل است، اما کاربران باید یک تحلیل نسبتاً ساده انجام دهند. خریداران اغلب برای خرید شغل بیشتر از آنچه لازم است انگیزه دارند |
ادغام خوب با پایگاه های داده: چند بعدی، رابطه ای امکان خریدهای پیچیده که باعث کاهش هزینه پروژه های اجرایی می شود سهولت استفاده از اپلیکیشن ها |
عملکرد بسیار محدود (از این نظر با محصولات تخصصی قابل مقایسه نیست) قدرت بسیار محدود (حجم داده کم، اندازه گیری کم) |
Cognos (پاورپلی) اشیاء تجاری تصمیمات کریستالی |
|
این کوچکترین بخش بازار است. داده های تفصیلی همان جایی که در ابتدا بودند - در پایگاه داده رابطه ای باقی می مانند. برخی از انبوه ها در یک پایگاه داده در جداول خدمات ویژه ایجاد شده ذخیره می شوند |
توانایی مدیریت حجم بسیار زیادی از داده ها (ذخیره سازی اقتصادی) یک حالت عملکرد چند کاربره، از جمله در حالت ویرایش، و نه فقط خواندن، فراهم کنید سطح بالاتر حفاظت از داده ها و امکانات خوب تمایز حقوق دسترسی امکان ایجاد تغییرات مکرر در ساختار اندازه گیری ها وجود دارد (نیازی به سازماندهی مجدد فیزیکی پایگاه داده ندارید) |
عملکرد پایین، به طور قابل توجهی سرعت پاسخ به سوالات چند بعدی را از دست می دهد (پاسخ به پرس و جوهای پیچیده در چند دقیقه یا حتی ساعت به جای ثانیه اندازه گیری می شود). اینها سازندگان گزارش راحت‌تر از ابزارهای تحلیلی تعاملی هستند. پیچیدگی محصولات نیاز به هزینه های قابل توجه نگهداری توسط متخصصان فناوری اطلاعات. برای دستیابی به عملکردی قابل مقایسه با MOLAP، سیستم های رابطه ای نیاز به طراحی دقیق طرحواره پایگاه داده و تنظیم نمایه ها دارند، یعنی تلاش زیادی از سوی DBAها. اجرا گران است محدودیت های SQL همچنان یک واقعیت باقی می ماند و از پیاده سازی بسیاری از توابع داخلی در RDBMS جلوگیری می کند که به راحتی در سیستم های مبتنی بر نمایش داده های چند بعدی ارائه می شوند. |
مزیت اطلاعات Informix (MetaCube) |
لازم به ذکر است که مشتریان محصولات هیبریدی که امکان انتخاب حالت ROLAP و MOLAP را فراهم می‌کنند، مانند Microsoft Analysis Services، OracleExpress، Crystal Holos، IBM DB2 OLAPServer، تقریباً همیشه حالت MOLAP را انتخاب می‌کنند.
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 پرسنل اداری و کاربران نهایی، هزینه های بالا برای اجرای پروژه پیاده سازی (هم پولی و هم زمانی، فکری).
انتخاب 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 توانایی 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، به عنوان مثال:
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. درک این موضوع ضروری است که ابزارهای OLAP چگونه به راحتی و با اطمینان می توانند با DBMS موجود در سازمان ادغام شوند. 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
- پلتفرم 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: کامپیوتر LAN و اتصال مودم، سرویس گیرنده/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، ارتباطات داده. به یاد داشته باشید که پرداخت مجوز برای یک محصول OLAP تنها بخش کوچکی از کل هزینه پروژه است. هزینه‌های اجرا و سخت‌افزار می‌تواند بیشتر از هزینه‌های مجوز باشد، و هزینه‌های پشتیبانی طولانی‌مدت، 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 با هزینه بیشتری مواجه کنید، در حالی که احتمالاً سطح پایین‌تری از آن را دریافت خواهید کرد. مزایای کسب و کار هنگام برآورد 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 اجرای چنین سیستم هایی هنوز در مراحل ابتدایی خود هستند، حتی امروزه، اثر اقتصادی ارائه شده توسط آنها به طور قابل توجهی از تأثیر سیستم های عملیاتی سنتی فراتر می رود.
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 نیستند: "سیستم انبارهای داده و فناوری های OLAP به مدیر کمک می کند تا تصمیمات درست را بگیرد." سیستم‌های تحلیلی مدرن، سیستم‌های هوش مصنوعی نیستند و نه می‌توانند کمک کنند و نه مانع تصمیم‌گیری 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 می توانند 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.
