OLAP sustavi. Višedimenzionalni prikaz podataka

OLAP(od engleskog OnLine Analytical Processing - operativna analitička obrada podataka, također: analitička obrada podataka u stvarnom vremenu, interaktivna analitička obrada podataka) - pristup analitičkoj obradi podataka koji se temelji na njihovom višedimenzionalnom hijerarhijskom predstavljanju, koji je dio šireg polja informacija tehnologija - poslovni -analitičari ().

Za katalog OLAP rješenja i projekata pogledajte odjeljak OLAP na TAdviseru.

Sa stajališta korisnika, OLAP-sustavi pružaju sredstva fleksibilnog pregleda informacija u različitim rezovima, automatsko dobivanje agregiranih podataka, izvođenje analitičkih operacija konvolucije, detaljiranja, usporedbe u vremenu. Sve to čini OLAP sustave rješenjem s očitim prednostima u području pripreme podataka za sve vrste poslovnog izvještavanja, koje uključuje prezentaciju podataka u različitim odjeljcima i različitim razinama hijerarhije – na primjer, prodajna izvješća, različiti oblici proračuna, itd. na. Prednosti takvog prikaza očite su u drugim oblicima analize podataka, uključujući predviđanje.

Zahtjevi za OLAP sustave. FASMI

Ključni zahtjev za OLAP sustave je brzina, što im omogućuje da se koriste u procesu interaktivnog rada analitičara s informacijama. U tom smislu, OLAP sustavi su suprotstavljeni, prvo, tradicionalnim RDBMS-ovima, odabiri iz kojih su uz tipične upite za analitičare koji koriste grupiranje i agregaciju podataka obično skupi u smislu vremena čekanja i učitavanja RDBMS-a, stoga je interaktivni rad s njima na bilo koja značajna količina podataka je složena. Drugo, OLAP sustavi se suprotstavljaju uobičajenoj prezentaciji podataka u ravnim datotekama, na primjer, u obliku uobičajenih tradicionalnih proračunskih tablica, gdje je višedimenzionalni prikaz podataka težak i nije intuitivan, a operacije za promjenu odsječka - gledište podaci - također zahtijevaju vrijeme i kompliciraju interaktivni rad s podacima.

Istodobno, s jedne strane, zahtjevi za podacima specifični za OLAP sustave obično podrazumijevaju pohranjivanje podataka u posebne strukture optimizirane za tipične OLAP zadatke, s druge strane, izravno vađenje podataka iz postojećih sustava tijekom analize dovelo bi do značajnog pad njihove izvedbe.

Stoga je važan zahtjev osigurati najfleksibilniju uvozno-izvoznu vezu između postojećih sustava koji djeluju kao izvor podataka i OLAP sustava, kao i OLAP sustava i vanjske aplikacije za analizu i izvješćivanje podataka.

Istodobno, takva poveznica trebala bi zadovoljiti očite zahtjeve podrške uvozu-izvozu iz više izvora podataka, provedbe postupaka čišćenja i transformacije podataka, objedinjavanja korištenih klasifikatora i referentnih knjiga. Osim toga, ovi zahtjevi nadopunjuju se potrebom da se uzmu u obzir različiti ciklusi ažuriranja podataka u postojećim informacijskim sustavima i objedini potrebna razina pojedinosti podataka. Složenost i svestranost ovog problema dovela je do pojave koncepta skladišta podataka, te, u užem smislu, do izdvajanja zasebne klase uslužnih programa za pretvaranje i transformaciju podataka - ETL (Extract Transform Load).

Aktivni modeli pohrane podataka

Gore smo istaknuli da OLAP pretpostavlja višedimenzionalni hijerarhijski prikaz podataka i, u određenom smislu, suprotan je sustavima baziranim na RDBMS-u.

To, međutim, ne znači da svi OLAP sustavi koriste višedimenzionalni model za pohranu aktivnih, "radnih" podataka sustava. Budući da model pohrane aktivnih podataka utječe na sve zahtjeve koje diktira FASMI test, njegovu važnost naglašava činjenica da se na temelju toga tradicionalno razlikuju OLAP podtipovi - višedimenzionalni (MOLAP), relacijski (ROLAP) i hibridni (HOLAP) .

Međutim, neki stručnjaci, na čelu s gore spomenutim Nigel Pends ukazuju da klasifikacija temeljena na jednom kriteriju nije dovoljno potpuna. Štoviše, velika većina postojećih OLAP sustava bit će hibridnog tipa. Stoga ćemo se detaljnije zadržati na modelima pohrane aktivnih podataka, navodeći koji od njih odgovaraju kojoj od tradicionalnih OLAP podtipova.

Pohranjivanje aktivnih podataka u višedimenzionalnu bazu podataka

U ovom slučaju, OLAP podaci se pohranjuju u višedimenzionalni DBMS koji koristi konstrukcije optimizirane za ovu vrstu podataka. Tipično, višedimenzionalni DBMS podržavaju sve tipične OLAP operacije, uključujući agregaciju prema potrebnim hijerarhijskim razinama i tako dalje.

U određenom smislu, ova vrsta pohrane podataka može se nazvati klasičnom za OLAP. Za njega su, međutim, u potpunosti potrebni svi koraci za preliminarnu pripremu podataka. Obično se podaci višedimenzionalnog DBMS-a pohranjuju na disk, međutim, u nekim slučajevima, kako bi se ubrzala obrada podataka, takvi sustavi omogućuju pohranjivanje podataka u RAM. U iste svrhe ponekad se koristi pohrana u bazi podataka unaprijed izračunatih agregatnih vrijednosti i drugih izračunatih vrijednosti.

Višedimenzionalni DBMS-ovi koji u potpunosti podržavaju višekorisnički pristup s konkurentnim transakcijama čitanja i pisanja prilično su rijetki; uobičajeni način za takve DBMS-ove je jednokorisnički s pristupom za više korisnika samo za čitanje ili samo za čitanje za više korisnika.

Među uvjetnim nedostacima karakterističnim za neke implementacije višedimenzionalnih DBMS i OLAP sustava temeljenih na njima, može se uočiti njihova osjetljivost na nepredvidivo, s korisničkog stajališta, povećanje količine prostora koji zauzima baza podataka. Ovaj učinak je uzrokovan željom da se minimizira vrijeme odziva sustava, što diktira pohranjivanje unaprijed izračunatih vrijednosti agregatnih pokazatelja i drugih veličina u bazi podataka, što uzrokuje nelinearni rast količine informacija pohranjenih u bazi podataka. uz dodavanje novih vrijednosti podataka ili mjerenja.

Stupanj izraženosti ovog problema, kao i s njim povezanih problema učinkovite pohrane rijetkih kocki podataka, određen je kvalitetom primijenjenih pristupa i algoritama specifičnih implementacija OLAP sustava.

Pohranjivanje aktivnih podataka u relacijsku bazu podataka

OLAP podaci se također mogu pohraniti u tradicionalni RDBMS. U većini slučajeva, ovaj pristup se koristi kada se pokušava "bezbolna" OLAP integracija s postojećim računovodstvenim sustavima, ili se temelji na RDBMS skladištima podataka. Istodobno, ovaj pristup zahtijeva od RDBMS-a da osigura učinkovito ispunjavanje FASMI testnih zahtjeva (posebno da osigura minimalno vrijeme odziva sustava) neke dodatne mogućnosti. Obično se OLAP podaci pohranjuju u denormaliziranom obliku, a neki od unaprijed izračunatih agregata i vrijednosti pohranjuju se u posebne tablice. Kod pohranjivanja u normaliziranom obliku smanjuje se učinkovitost RDBMS-a kao metode za pohranu aktivnih podataka.

Problem odabira učinkovitih pristupa i algoritama za pohranu unaprijed izračunatih podataka također je relevantan za OLAP sustave temeljene na RDBMS-u, stoga se proizvođači takvih sustava obično fokusiraju na prednosti korištenih pristupa.

Općenito se vjeruje da su OLAP sustavi bazirani na RDBMS-u sporiji od sustava temeljenih na višedimenzionalnim DBMS-ovima, uključujući i zbog manje učinkovitih struktura pohrane podataka za OLAP zadatke, ali u praksi to ovisi o karakteristikama određenog sustava.

Jedna od prednosti pohranjivanja podataka u RDBMS obično je veća skalabilnost takvih sustava.

Pohranjivanje aktivnih podataka u ravne datoteke

Ovaj pristup pretpostavlja pohranjivanje dijelova podataka u obične datoteke. Obično se koristi kao dodatak jednom od dva glavna pristupa kako bi se ubrzao rad keširanjem stvarnih podataka na disku ili u RAM-u klijentskog računala.

Hibridni pristup pohrani podataka

Većina proizvođača OLAP sustava promovirajući svoja složena rješenja, često uključujući, uz sam OLAP sustav, DBMS, ETL (Extract Transform Load) i alate za izvješćivanje, trenutno koristi hibridni pristup organiziranju pohrane aktivnih podataka sustava, distribuciji istih na ovaj ili onaj način između RDBMS-a i specijalizirane pohrane, te između struktura diska i predmemorije u memoriji.

Budući da učinkovitost takvog rješenja ovisi o specifičnim pristupima i algoritmima koje proizvođač koristi za utvrđivanje hoće li koje podatke i gdje pohraniti, zatim žurno donositi zaključke o početno većoj učinkovitosti takvih rješenja kao klase bez evaluacije specifičnih značajki sustava koji se razmatra.

OLAP(eng. on-line analytical processing) - skup metoda za dinamičku obradu višedimenzionalnih upita u analitičkim bazama podataka. Takvi izvori podataka obično su prilično veliki, a u alatima koji se koriste za njihovu obradu jedan od najvažnijih zahtjeva je velika brzina. U relacijskim bazama podataka informacije se pohranjuju u zasebne tablice koje su dobro normalizirane. Ali složeni upiti s više tablica u njima su prilično spori. Značajno bolje stope brzine obrade u OLAP sustavima postižu se zbog posebnosti strukture pohrane podataka. Sve su informacije jasno organizirane i primjenjuju se dvije vrste pohranjivanja podataka: mjerenja(sadrže imenike podijeljene po kategorijama, na primjer, prodajna mjesta, kupci, zaposlenici, usluge itd.) i činjenice(okarakterizirati interakciju elemenata različitih dimenzija, na primjer, 3. ožujka 2010. prodavatelj A je pružio uslugu kupcu B u trgovini C u iznosu od D novčanih jedinica). Mjere se primjenjuju za izračunavanje rezultata u analitičkoj kocki. Mjere su zbirke činjenica agregiranih po odgovarajućim odabranim dimenzijama i njihovim članovima. Ove značajke čine složene upite s višedimenzionalnim podacima mnogo manje vremena od relacijskih izvora.

Jedan od glavnih dobavljača OLAP sustava je Microsoft Corporation. Pogledajmo implementaciju OLAP principa koristeći praktične primjere izrade analitičke kocke u aplikacijama Microsoft SQL Server Business Intelligence Development Studio (BIDS) i Microsoft Office PerformancePoint Server Planning Business Modeler (PPS) te se upoznamo s mogućnostima vizualnog predstavljanja višedimenzionalnih podatke u obliku grafikona, grafikona i tablica.

Na primjer, u BIDS-u morate izraditi OLAP kocku na temelju podataka o osiguravajućem društvu, njegovim zaposlenicima, partnerima (kupcima) i prodajnim mjestima. Pretpostavimo da tvrtka pruža jednu vrstu usluge, pa nema potrebe za mjerenjem usluga.

Najprije definiramo mjere. Sljedeći subjekti (kategorije podataka) povezani su s aktivnostima tvrtke:

• Prodajna mjesta
  - Zaposlenici
  - Partneri

Također se kreiraju dimenzije Vrijeme i Skripta, koje su potrebne za svaku kocku.
Zatim vam je potrebna jedna tablica za pohranjivanje činjenica (tablica činjenica).
Informacije u tablice mogu se unijeti ručno, ali najčešće je učitavanje podataka pomoću čarobnjaka za uvoz iz raznih izvora.
Sljedeća slika ilustrira tijek ručnog kreiranja i popunjavanja tablica dimenzija i činjenica:

Sl. 1. Tablice dimenzija i činjenica u analitičkoj bazi podataka. Slijed stvaranja
Nakon izrade višedimenzionalnog izvora podataka u BIDS-u, moguće je vidjeti njegov prikaz izvora podataka. U našem primjeru dobivate sklop prikazan na donjoj slici.

sl. 2. Prikaz izvora podataka u Studiju za razvoj poslovne inteligencije (BIDS)

Kao što možete vidjeti, tablica činjenica je povezana s tablicama dimenzija pomoću korespondencije jedan-na-jedan polja identifikatora (PartnerID, EmployeeID, itd.).

Da vidimo rezultat. Na kartici preglednika kocke, povlačenjem i ispuštanjem mjera i dimenzija u zbirna, redak, stupac i filter polja, možemo dobiti uvid u podatke od interesa (npr. sklopljene poslove po ugovorima o osiguranju koje je sklopio određeni zaposlenik u 2005. godini). ).

Godine 1993. utemeljitelj relacijskog pristupa izgradnji baza podataka Edgar Codd i partneri (Edgar Codd, matematičar i IBM Fellow) objavili su članak koji je pokrenuo Arbor Software (danas je to poznata tvrtka Hyperion Solutions), pod naslovom „OLAP (operational analitička obrada) za korisnike-analitičare“, koji formulira 12 značajki OLAP tehnologije, koje su naknadno dopunjene sa još šest. Ove odredbe postale su glavni sadržaj nove i vrlo obećavajuće tehnologije.

Glavne značajke OLAP tehnologije (osnovne):

• višedimenzionalni konceptualni prikaz podataka;
• intuitivna manipulacija podacima;
• dostupnost i detaljnost podataka;
• ekstrakcija skupnih podataka naspram interpretacije;
• OLAP modeli analize;
• klijent-poslužitelj arhitektura (OLAP je dostupan s desktopa);
• transparentnost (transparentan pristup vanjskim podacima);
• podrška za više igrača.

Posebne značajke:

• obrada neformaliziranih podataka;
• spremanje OLAP rezultata: čuvanje ih odvojeno od izvornih podataka;
• otklanjanje nedostajućih vrijednosti;
• rukovanje vrijednostima koje nedostaju.

Značajke prezentacije izvještaja (Report):

• fleksibilnost u generiranju izvješća;
• standardno izvješćivanje;
• automatska konfiguracija fizičkog sloja ekstrakcije podataka.

Upravljanje dimenzijama:

• univerzalnost mjerenja;
• neograničen broj dimenzija i razina agregacije;
• neograničen broj operacija između dimenzija.

Povijesno gledano, danas pojam "OLAP" podrazumijeva ne samo višedimenzionalni prikaz podataka krajnjeg korisnika, već i višedimenzionalni prikaz podataka u ciljnoj bazi podataka. To je razlog zašto su se pojmovi "relacijski OLAP" (ROLAP) i "multidimenzionalni OLAP" (MOLAP) pojavili kao nezavisni pojmovi.

OLAP usluga je alat za analizu velikih količina podataka u stvarnom vremenu. Interakcijom s OLAP sustavom korisnik će moći obavljati fleksibilan pregled informacija, dobivati ​​proizvoljne rezove podataka i izvoditi analitičke operacije detaljiranja, konvolucije, end-to-end distribucije, usporedbe tijekom vremena u mnogim parametrima istovremeno. Sav rad s OLAP sustavom odvija se u smislu predmetnog područja i omogućuje izgradnju statistički ispravnih modela poslovne situacije.

OLAP softver je alat za online analizu podataka sadržanih u skladištu. Glavna značajka je da ovi alati nisu namijenjeni da ih koristi stručnjak iz područja informacijske tehnologije, ne stručnjak-statičar, već profesionalac u primijenjenom području upravljanja - voditelj odjela, odjela, uprave , i, konačno, redatelj. Alati su dizajnirani da analitičar komunicira s problemom, a ne s računalom. Na sl. 6.14 prikazuje elementarnu OLAP kocku koja vam omogućuje procjenu podataka u tri dimenzije.

Višedimenzionalna OLAP kocka i sustav odgovarajućih matematičkih algoritama za statističku obradu omogućuju vam analizu podataka bilo koje složenosti u bilo kojem vremenskom intervalu.

Riža. 6.14. Elementarna OLAP kocka

Imajući na raspolaganju fleksibilne mehanizme za manipuliranje podacima i vizualni prikaz (sl. 6.15, sl. 6.16), menadžer najprije promatra podatke iz različitih kutova, koji mogu, ali i ne moraju biti povezani s problemom koji se rješava.

Zatim međusobno uspoređuje različite poslovne pokazatelje, pokušavajući otkriti skrivene odnose; može detaljnije pogledati podatke, na primjer, dekomponirajući ih na komponente prema vremenu, regiji ili klijentu, ili, obrnuto, još više generalizirati prezentaciju informacija kako bi se uklonili detalji koji ometaju. Nakon toga, pomoću modula statističke procjene i simulacije, konstruira se nekoliko scenarija razvoja događaja, a od njih se odabire najprihvatljivija opcija.

Riža. 6.15.

Menadžer tvrtke, na primjer, može razviti hipotezu da širenje rasta imovine u različitim granama poduzeća ovisi o omjeru stručnjaka s tehničkim i ekonomskim obrazovanjem u njima. Kako bi provjerio ovu hipotezu, upravitelj može iz skladišta upitati i na grafikonu prikazati omjer interesa za one podružnice čiji je rast imovine u tekućem tromjesečju smanjen za više od 10% u odnosu na prethodnu godinu, a za one čija je imovina porasla za više od 25%. Trebao bi moći koristiti jednostavan izbor s ponuđenog jelovnika. Ako se dobiveni rezultati primjetno svrstavaju u dvije odgovarajuće skupine, to bi trebalo postati poticaj za daljnje ispitivanje postavljene hipoteze.

Trenutno se brzo razvio smjer zvan Dynamic Simulation, koji u potpunosti implementira gore navedeni princip FASMI.

Koristeći dinamičko modeliranje, analitičar gradi model poslovne situacije koja se razvija tijekom vremena, prema određenom scenariju. Istodobno, rezultat takvog modeliranja može biti nekoliko novih poslovnih situacija koje generiraju stablo mogućih rješenja s procjenom vjerojatnosti i izgleda svake od njih.

Riža. 6.16. Analitički IS ekstrakcije, obrade i prezentacije podataka

Tablica 6.3 prikazuje usporedne karakteristike statičke i dinamičke analize.

Koncept OLAP tehnologije formulirao je Edgar Codd 1993. godine.

Ova tehnologija temelji se na konstrukciji višedimenzionalnih skupova podataka - takozvanih OLAP kocki (ne nužno trodimenzionalnih, kako se može zaključiti iz definicije). Svrha korištenja OLAP tehnologija je analizirati podatke i prezentirati ovu analizu u obliku koji je prikladan da rukovodeće osoblje percipira i na temelju njih donosi odluke.

Ključni zahtjevi za primjenu multivarijantne analize:

• - pružanje rezultata analize korisniku u razumnom roku (ne više od 5 s.);
• - višekorisnički pristup podacima;
• - višedimenzionalni prikaz podataka;
• - mogućnost pristupa bilo kojoj informaciji bez obzira na mjesto pohrane i volumen.

Alati OLAP sustava pružaju mogućnost sortiranja i odabira podataka prema određenim uvjetima. Mogu se specificirati različiti kvalitativni i kvantitativni uvjeti.

Glavni model podataka koji se koristi u brojnim alatima za kreiranje i održavanje baza podataka - DBMS, je relacijski model. Podaci u njemu prikazani su u obliku skupa dvodimenzionalnih tablica odnosa povezanih ključnim poljima. Za uklanjanje dupliciranja, nedosljednosti, smanjenje troškova rada za održavanje baza podataka, koristi se formalni aparat za normalizaciju tablica entiteta. Međutim, njegova upotreba povezana je s dodatnim vremenom utrošenim na generiranje odgovora na upite baze podataka, iako se memorijski resursi spremaju.

Višedimenzionalni model podataka predstavlja predmet koji se proučava u obliku višedimenzionalne kocke, češće se koristi trodimenzionalni model. Dimenzije ili atributi atributa iscrtani su duž osi ili lica kocke. Osnovni atributi su popunjavanje ćelija kocke. Višedimenzionalnu kocku možemo predstaviti kombinacijom trodimenzionalnih kocki kako bi se olakšala percepcija i prezentacija u formiranju izvještajno-analitičkih dokumenata i multimedijskih prezentacija na temelju materijala analitičkog rada u sustavu za potporu odlučivanju.

U okviru OLAP tehnologija, na temelju činjenice da se višedimenzionalni prikaz podataka može organizirati pomoću relacijskih DBMS-a i višedimenzionalnih specijaliziranih alata, postoje tri vrste višedimenzionalnih OLAP sustava:

• - višedimenzionalni OLAP-MOLAP;
• - relacijski (Relation) OLAP-ROLAP;
• - mješoviti ili hibridni (Hibrid) OLAP-HOLAP.

U višedimenzionalnim DBMS-ovima podaci se ne organiziraju u obliku relacijskih tablica, već u obliku uređenih višedimenzionalnih nizova u obliku hiperkocki, kada svi pohranjeni podaci moraju imati istu dimenziju, što znači da je potrebno formirati najcjelovitiju osnovu mjerenja. Podaci se mogu organizirati u obliku polikubova, u ovoj verziji vrijednosti svakog indikatora se pohranjuju s vlastitim skupom mjerenja, a obradu podataka vrši vlastiti alat sustava. Struktura pohrane u ovom slučaju je pojednostavljena, budući da nema potrebe za višedimenzionalnim ili objektno orijentiranim prostorom za pohranu. Ogromni troškovi rada za stvaranje modela i sustava za transformaciju podataka iz relacijskog modela u objektni model su smanjeni.

Prednosti MOLAP-a su:

• - brže, nego kod ROLAP-a, primanje odgovora na zahtjeve - utrošeno vrijeme je za jedan do dva reda veličine manje;
• - Mnoge ugrađene funkcije teško je implementirati zbog SQL ograničenja.

MOLAP ograničenja uključuju:

• - relativno mala veličina baza podataka;
• - zbog denormalizacije i preliminarne agregacije, višedimenzionalni nizovi koriste 2,5-100 puta više memorije od izvornih podataka (potrošnja memorije raste eksponencijalno s povećanjem broja mjerenja);
• - ne postoje standardi za sučelje i alate za manipulaciju podacima;
• - postoje ograničenja prilikom učitavanja podataka.

Napor potreban za stvaranje višedimenzionalnih podataka dramatično se povećava. u ovoj situaciji praktički ne postoje specijalizirana sredstva za objektiviziranje relacijskog modela podataka sadržanog u pohrani informacija. Vrijeme odgovora na upite često ne može zadovoljiti zahtjeve za OLAP sustave.

Prednosti ROLAP sustava su:

• - mogućnost brze analize podataka izravno sadržanih u skladištu podataka, jer većina izvornih baza podataka je relacijski;
• - s promjenjivom dimenzijom problema, RO-LAP pobjeda, jer nije potrebna fizička reorganizacija baze podataka;
• - ROLAP sustavi mogu koristiti manje moćne klijentske stanice i poslužitelje, a poslužitelji snose najveći dio tereta obrade složenih SQL upita;
• - razina zaštite informacija i diferencijacije prava pristupa u relacijskim DBMS-ovima neusporedivo je viša nego u višedimenzionalnim.

Nedostaci ROLAP sustava su niže performanse, potreba za temeljitom razradom shema baze podataka, posebnim podešavanjem indeksa, analizom statistike upita i uvažavanjem nalaza analize pri modificiranju shema baze podataka, što dovodi do značajnih dodatnih troškova rada.

Ispunjavanje ovih uvjeta omogućuje pri korištenju ROLAP sustava postizanje pokazatelja sličnih MOLAP sustavima u pogledu vremena pristupa, kao i nadmašivanje uštede memorije.

Hibridni OLAP sustavi su kombinacija alata koji implementiraju relacijski i višedimenzionalni model podataka. To vam omogućuje dramatično smanjenje troškova resursa za stvaranje i održavanje takvog modela, vrijeme odgovora na zahtjeve.

Ovaj pristup iskorištava prednosti prva dva pristupa i kompenzira njihove nedostatke. Ovaj princip je implementiran u najrazvijenijim softverskim proizvodima za tu svrhu.

Korištenje hibridne arhitekture u OLAP sustavima najprikladniji je način rješavanja problema povezanih s korištenjem softverskih alata u multivarijantnoj analizi.

Način otkrivanja uzoraka temelji se na inteligentnoj obradi podataka. Ovdje je glavni zadatak identificiranje obrazaca u proučavanim procesima, međuodnosa i interakcija različitih čimbenika, traženje velikih "neobičnih" odstupanja, predviđanje tijeka različitih bitnih procesa. Ovo područje pripada rudarenju podataka.

4. Klasifikacija OLAP proizvoda.

5. Principi rada OLAP klijenata.

7. Područja primjene OLAP-tehnologija.

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

1. Mjesto OLAP-a u informacijskoj strukturi poduzeća.

Pojam OLAP neraskidivo je povezan s pojmom Skladište podataka.

Podaci u skladištu dolaze iz operativnih sustava (OLTP sustava), koji su dizajnirani za automatizaciju poslovnih procesa. Osim toga, skladište se može nadopuniti vanjskim izvorima, poput statističkih izvješća.

Zadaća repozitorija je pružiti "sirov materijal" za analizu na jednom mjestu iu jednostavnoj, razumljivoj strukturi.

Postoji još jedan razlog koji opravdava pojavu zasebne pohrane - složeni analitički upiti za operativne informacije usporavaju trenutni rad tvrtke, dugo vremena blokirajući tablice i oduzimajući resurse poslužitelja.

Pohrana nije nužno gigantska akumulacija podataka - glavna stvar je da je prikladna za analizu.

Centralizacija i prikladno strukturiranje nisu sve što analitičaru treba. I dalje mu je potreban alat za gledanje i vizualizaciju informacija. Tradicionalnim izvješćima, čak i izgrađenim na temelju jednog repozitorija, nedostaje jedna stvar - fleksibilnost. Ne mogu se uvrnuti, proširiti ili skupiti kako bi se dobio željeni prikaz podataka. Volio bih da ima takav alat koji bi omogućio jednostavno i praktično širenje i sažimanje podataka! OLAP djeluje kao takav alat.

Iako OLAP nije nužan atribut skladišta podataka, sve se više koristi za analizu informacija akumuliranih u tom skladištu.

Mjesto OLAP-a u informacijskoj strukturi poduzeća (slika 1).

Slika 1... MjestoOLAP u informacijskoj strukturi poduzeća

Operativni podaci se prikupljaju iz različitih izvora, čiste, integriraju i pohranjuju u relacijsku pohranu. Štoviše, već su dostupni za analizu pomoću različitih alata za izvješćivanje. Zatim se podaci (u cijelosti ili djelomično) pripremaju za OLAP analizu. Mogu se učitati u posebnu OLAP bazu podataka ili ostaviti u relacijskoj pohrani. Njegov najvažniji element su metapodaci, odnosno informacije o strukturi, smještaju i transformaciji podataka. Zahvaljujući njima, osigurava se učinkovita interakcija različitih komponenti za pohranu.

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

2. Operativna analitička obrada podataka.

OLAP koncept se temelji na principu višedimenzionalnog prikaza podataka. EF Codd je 1993. godine osvrnuo se na nedostatke relacijskog modela, prije svega, ukazavši na nemogućnost "kombiniranja, pregledavanja i analize podataka u terminima više dimenzija, odnosno na najrazumljiviji način za korporativne analitičare", te definirao opći zahtjevi za OLAP sustave koji proširuju funkcionalnost relacijskog DBMS-a i uključuju multivarijantnu analizu kao jednu od svojih karakteristika.

Prema Coddu, višedimenzionalni konceptualni pogled je višestruka perspektiva koja se sastoji od nekoliko neovisnih dimenzija duž kojih se mogu analizirati specifični skupovi podataka.

Simultana analiza u više dimenzija definira se kao multivarijantna analiza. Svaka dimenzija uključuje smjerove konsolidacije podataka, koji se sastoje od niza uzastopnih razina agregacije, pri čemu svaka viša razina odgovara većem stupnju agregacije podataka za odgovarajuću dimenziju.

Dakle, dimenzija Izvođač može se odrediti smjerom konsolidacije, koji se sastoji od razina generalizacije "poduzeće - odjel - odjel - zaposlenik". Dimenzija vremena može čak uključivati ​​dva smjera konsolidacije - godina - kvartal - mjesec - dan i tjedan - dan, jer je računanje vremena po mjesecu i po tjednu nespojivo. U tom slučaju postaje moguće proizvoljno odabrati željenu razinu pojedinosti informacija za svako od mjerenja.

Operacija bušenja odgovara kretanju s viših stupnjeva konsolidacije na niže; naprotiv, operacija smotanja znači prelazak s nižih razina na više razine (slika 2).

Slika 2.Mjerenja i smjerovi konsolidacije podataka

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

Višedimenzionalni pristup nastao je gotovo istodobno i paralelno s relacijskim pristupom. Međutim, tek od sredine devedesetih, odnosno od god
1993., interes za MSUBD počeo dobivati ​​opći karakter. Upravo se ove godine pojavio novi programski članak jednog od utemeljitelja relacijskog pristupa E. Codda, u kojem je formulirao 12 osnovnih zahtjeva za sredstva provedbe OLAP(Stol 1).

Stol 1.

	Višedimenzionalni prikaz podataka	Alati moraju podržavati višedimenzionalni konceptualni pogled na podatke.
	Transparentnost	Korisnik ne bi trebao biti svjestan koja se specifična sredstva koriste za pohranu i obradu podataka, kako su podaci organizirani i odakle dolaze.
	Dostupnost	Na alatima je da odaberu i komuniciraju s najboljim izvorom podataka koji će odgovoriti na zadani zahtjev. Alati bi trebali biti u mogućnosti automatski mapirati vlastitu logiku u različite heterogene izvore podataka.
	Dosljedna izvedba	Izvedba praktički ne bi trebala ovisiti o broju Dimenzija u zahtjevu.
	Podrška klijent-poslužitelj arhitekture	Alati moraju raditi u arhitekturi klijent-poslužitelj.
	Jednakost svih mjerenja	Niti jedno mjerenje ne smije biti osnovno, sve bi trebale biti jednake (simetrične).
	Dinamička obrada rijetkih matrica	Nedefinirane vrijednosti trebale bi biti pohranjene i obrađene na najučinkovitiji način.
	Podrška za višekorisnički način rada s podacima	Alati moraju omogućiti rad za više korisnika.
	Podržava operacije temeljene na različitim dimenzijama	Sve višedimenzionalne operacije (npr. združivanje) moraju se jednoliko i dosljedno primijeniti na bilo koji broj bilo koje dimenzije.
	Jednostavnost manipulacije podacima	Alati bi trebali imati najprikladnije, prirodno i najudobnije korisničko sučelje.
	Napredni alati za prezentaciju	Alati bi trebali podržavati različite načine vizualizacije (prezentiranja) podataka.
	Neograničen broj dimenzija i razina agregacije podataka	Broj podržanih dimenzija ne bi trebao postojati.

Pravila za ocjenjivanje softverskih proizvoda klase OLAP

Skup ovih zahtjeva, koji je poslužio kao de facto definicija OLAP-a, treba smatrati savjetodavnim, a određene proizvode treba ocjenjivati ​​prema stupnju u kojem su oni blizu savršenog ispunjavanja svih zahtjeva.

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

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

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

BRZO ( brzo) - znači da bi sustav trebao biti u mogućnosti pružiti većinu odgovora korisnicima unutar otprilike pet sekundi. Istodobno, najjednostavniji zahtjevi se obrađuju u roku od jedne sekunde, a vrlo rijetki - više od 20 sekundi. Istraživanja su pokazala da krajnji korisnici proces doživljavaju kao neuspješan ako se ne dobiju rezultati nakon 30 sekundi.

Na prvi pogled može se činiti iznenađujućim da se korisniku, kada primi izvješće u minuti, što je ne tako davno trajalo danima, vrlo brzo dosađuje dok čeka, a projekt se ispostavlja puno manje uspješnim nego u slučaju trenutni odgovor, čak i po cijenu manje detaljne analize.

ANALIZA (Analiza)znači da sustav može rukovati bilo kojom logičkom i statističkom analizom specifičnom za aplikaciju i osigurava da se ona sprema u obliku dostupnom krajnjem korisniku.

Nije važno radi li se ova analiza u vlastitom alatu dobavljača ili u priloženom vanjskom softverskom proizvodu kao što je proračunska tablica, krajnjim korisnicima samo treba pružiti svu potrebnu funkcionalnost analize na intuitivan način. Alati za analizu mogu uključivati ​​specifične postupke kao što su analiza vremenskih serija, alokacija troškova, devizni transferi, traženje cilja, promjene višedimenzionalne strukture, neproceduralno modeliranje, otkrivanje izuzetaka, ekstrakcija podataka i druge operacije ovisne o aplikaciji. Takve se mogućnosti uvelike razlikuju među proizvodima, ovisno o ciljanoj orijentaciji.

DIJELJENO znači da sustav ispunjava sve zahtjeve zaštite privatnosti (moguće do razine ćelije) i, ako je potreban višestruki pristup pisanju, osigurava da su izmjene blokirane na odgovarajućoj razini. Ne moraju sve aplikacije zapisivati ​​podatke. Međutim, broj takvih aplikacija raste i sustav mora biti u stanju podnijeti višestruke izmjene na pravodoban i siguran način.

MULTIDIMENZIONALNO - ovo je ključni zahtjev. Kada biste OLAP morali definirati jednom riječju, odabrali biste ga. Sustav 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 također ovisi o aplikaciji, a većina OLAP proizvoda ima dovoljno dimenzija za tržišta na koja ciljaju.

INFORMACIJA - to je sve. Potrebne informacije moraju se dobiti tamo gdje su potrebne. Međutim, puno ovisi o primjeni. Snaga različitih proizvoda mjeri se prema tome koliko ulaza mogu obraditi, ali ne i koliko gigabajta mogu pohraniti. Snaga proizvoda uvelike varira - najveći OLAP proizvodi mogu podnijeti barem tisuću puta više podataka od najmanjih. Mnogo je čimbenika koje treba uzeti u obzir u tom pogledu, uključujući dupliciranje podataka, potreban RAM, iskorištenost prostora na disku, performanse, integraciju pohrane podataka i još mnogo toga.

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

4. KlasifikacijaOLAP-proizvodi.

Dakle, bit OLAP-a sastoji se u tome što su početne informacije za analizu prikazane u obliku višedimenzionalne kocke, te je omogućena mogućnost proizvoljnog manipuliranja njome i dobivanja potrebnih informacijskih odjeljaka - izvješća. U tom slučaju krajnji korisnik kocku vidi kao višedimenzionalnu dinamičku tablicu koja automatski sažima podatke (činjenice) u različitim odjeljcima (dimenzijama) i omogućuje interaktivnu kontrolu izračuna i obrasca izvješća. Izvršenje ovih operacija je osigurano OLAP -stroj (ili stroj OLAP izračuni).

Do danas su u svijetu razvijeni mnogi proizvodi koji implementiraju OLAP -tehnologije. Za lakše snalaženje među njima, koriste se klasifikacije OLAP -proizvodi: po načinu pohrane podataka za analizu i po lokaciji OLAP -automobili. Pogledajmo pobliže svaku kategoriju OLAP proizvodi.

Razvrstavanje prema načinu skladištenja

Višedimenzionalne kocke grade se na temelju izvornih i agregatnih podataka. I sirovi i skupni podaci za kocke mogu se pohraniti u relacijske i višedimenzionalne baze podataka. Stoga trenutno postoje tri načina pohranjivanja podataka: MOLAP (višedimenzionalni OLAP), ROLAP (relacijski OLAP) i HOLAP (hibridni OLAP ). Odnosno, OLAP -Proizvodi su podijeljeni u tri slične kategorije prema načinu pohrane podataka:

1. U slučaju MOLAP-a , izvorni i skupni 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 poslužitelju datoteka. Zbirni podaci mogu se smjestiti u servisne tablice u istoj bazi podataka. Pretvorba podataka iz relacijske baze podataka u višedimenzionalne kocke događa se na zahtjev OLAP alati.

3. U slučaju korištenja HOLAP arhitekture, izvorni podaci ostaju u relacijskoj bazi, a agregati se postavljaju u višedimenzionalnu. Zgrada OLAP -kocka se izvodi na zahtjev OLAP -Sredstva temeljena na relacijskim i višedimenzionalnim podacima.

Klasifikacija lokacije OLAP-automobili.

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

OLAP poslužitelja -sredstva za izračun i pohranu zbirnih podataka obavlja poseban proces - poslužitelj. Klijentska aplikacija prima samo rezultate upita prema višedimenzionalnim kockama koje su pohranjene na poslužitelju. Neki OLAP -poslužitelji podržavaju pohranu podataka samo u relacijskim bazama podataka, neki - samo u višedimenzionalnim. Mnogi moderni OLAP -poslužitelji podržavaju sva tri načina pohranjivanja podataka:MOLAP, ROLAP i HOLAP.

MOLAP.

MOLAP je Višedimenzionalna on-line analitička obrada, odnosno Multidimenzionalni OLAP.To znači da poslužitelj koristi višedimenzionalnu bazu podataka (MDB) za pohranjivanje podataka. Smisao korištenja MDB-a je očit. Može učinkovito pohraniti 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. Prethodno izračun je ono što čini OLAP upite bržima jer su zbirni podaci već izračunati. Vrijeme zahtjeva postaje funkcija samo 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. Višedimenzionalne baze podataka relativno su nova tehnologija. Korištenje MDB-a ima iste nedostatke kao i većina novih tehnologija. Naime, nisu stabilne kao relacijske baze podataka (RDB), a nisu ni optimizirane u istoj mjeri. Još jedna slaba točka MDB-a je nemogućnost korištenja većine višedimenzionalnih baza podataka u procesu agregacije podataka, pa je potrebno vrijeme da nove informacije postanu dostupne za analizu.

ROLAP.

ROLAP je Relacijska on-line analitička obrada, odnosno relacijski OLAP.Pojam ROLAP znači da se OLAP poslužitelj temelji na relacijskoj bazi podataka. Izvorni podaci se unose u relacijsku bazu podataka, obično u shemi zvijezde ili pahuljice, što pomaže u smanjenju vremena preuzimanja. Poslužitelj pruža višedimenzionalni model podataka koristeći optimizirane SQL upite.

Brojni su razlozi za odabir relacijske umjesto višedimenzionalne baze podataka. RDB je dobro uhodana tehnologija s mnogo mogućnosti za optimizaciju. Stvarna uporaba rezultirala je razrađenijim proizvodom. Osim 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 pomoću SQL-a. Neiskusni SQL programer mogao bi lako opteretiti vrijedne resurse sustava pokušavajući izvršiti neki sličan upit, koji je puno lakše izvršiti u MDB-u.

Agregirani / unaprijed agregirani podaci.

Brza implementacija upita je imperativ za OLAP. Ovo je jedno od osnovnih načela OLAP-a – sposobnost intuitivnog manipuliranja podacima zahtijeva brzo pronalaženje informacija. Općenito, što je više računanja potrebno da se dobije informacija, to je odgovor sporiji. Stoga, kako bi se uštedjelo malo vremena za provedbu upita, dijelovi informacija kojima se obično pristupa najčešće, ali koji istovremeno zahtijevaju računanje, podliježu preliminarnoj agregaciji. Odnosno, oni se broje i zatim pohranjuju u bazu podataka kao novi podaci. Primjer vrste podataka koji se može izračunati unaprijed su zbirni podaci - na primjer, podaci o prodaji po mjesecu, tromjesečju ili godini - za koje su stvarni uneseni podaci dnevni podaci.

Različiti dobavljači imaju različite metode odabira za parametre koji zahtijevaju prethodno združivanje i niz unaprijed izračunatih vrijednosti. Pristup agregacije utječe i na bazu podataka i na vrijeme izvršenja upita. Ako se izračuna više vrijednosti, povećava se vjerojatnost da će korisnik zatražiti već izračunatu vrijednost, a time će i vrijeme odgovora biti kraće, jer nema potrebe tražiti početnu vrijednost za izračun. Međutim, ako izračunavanje svih mogućih vrijednosti nije najbolje rješenje - u ovom će se slučaju veličina baze podataka značajno povećati, što će je učiniti neupravljivom, a vrijeme agregacije će biti predugo. Osim toga, kada se numeričke vrijednosti dodaju u bazu podataka, ili ako se promijene, ove informacije trebale bi se odraziti u unaprijed izračunatim vrijednostima ovisno o novim podacima. Stoga ažuriranje baze podataka također može potrajati u slučaju velikog broja unaprijed izračunatih vrijednosti. Budući da je baza podataka obično izvan mreže tijekom 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 računala.OLAP -klijenti se također dijele na ROLAP i MOLAP.Neki mogu podržavati obje vrste pristupa podacima.

Svaki od ovih pristupa ima svoje prednosti i nedostatke. Suprotno uvriježenom mišljenju o prednostima poslužiteljskih alata u odnosu na klijentske, u nizu slučajeva korištenje OLAP - klijent za korisnike može biti učinkovitiji i profitabilniji od korištenja OLAP poslužitelji.

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 informatičara.

Kada koristite OLAP poslužitelj, trebate proučiti 2 različita sustava, ponekad različitih dobavljača - za kreiranje kocki na poslužitelju i za razvoj klijentske aplikacije.

OLAP klijent pruža jedinstveno vizualno sučelje za opisivanje kocki i prilagođavanje njihovih korisničkih sučelja.

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

· Ekonomska isplativost primjene OLAP -server se javlja kada je količina podataka vrlo velika i nepodnošljiva OLAP - naručitelja, inače je korištenje potonjeg opravdanije. U ovom slučaju OLAP -Kupac kombinira karakteristike visokih performansi s niskom cijenom.

· Snažna analitička računala još su jedan dobar razlog OLAP -klijenti. Prilikom prijave OLAP -server, ti kapaciteti se ne koriste.

Među prednostima OLAP klijenata su sljedeće:

· Troškovi implementacije i održavanja OLAP - klijent je znatno niži od troška OLAP poslužitelj.

· Korištenje OLAP - za klijenta s ugrađenim strojem prijenos podataka preko mreže obavlja se jednokratno. Radeći OLAP -operacije novih tokova podataka se ne pokreću.

5. Principi rada OLAP-klijenti.

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

Slika 1.Izradite OLAP aplikaciju koristeći ROLAP klijentski alat

Princip rada ROLAP klijenata je preliminarni opis semantičkog sloja iza kojeg se skriva fizička struktura početnih podataka. U ovom slučaju izvori podataka mogu biti: lokalne tablice, RDBMS. Popis podržanih izvora podataka je specifičan za proizvod. Nakon toga korisnik može samostalno manipulirati objektima koje razumije u smislu predmetnog područja za stvaranje kocki i analitičkih sučelja.

Klijent OLAP poslužitelja radi drugačije. U OLAP poslužitelju, prilikom kreiranja kocki, korisnik manipulira fizičkim opisima baze podataka. To stvara prilagođene opise u samoj kocki. Klijent OLAP poslužitelja konfiguriran je samo po kocki.

Prilikom izrade semantičkog sloja, izvori podataka - tablice Prodaja i Deal - opisuju se pojmovima koji su razumljivi krajnjem korisniku i pretvaraju se u "Proizvodi" i "Ponude". Polje “ID” iz tablice “Proizvodi” preimenovano je u “Šifra”, a “Naziv” u “Proizvod” itd.

Zatim se kreira poslovni objekt Prodaja. Poslovni objekt je ravan stol od kojeg se formira višedimenzionalna kocka. Kada se kreira poslovni objekt, tablice "Proizvodi" i "Ponude" kombiniraju se poljem "Šifra" proizvoda. Budući da se u izvješću ne moraju prikazati sva polja tablice, poslovni objekt koristi samo polja "Stavka", "Datum" i "Iznos".

U našem primjeru na temelju poslovnog objekta Prodaja izradili smo izvještaj o prodaji robe po mjesecima.

Kada radi s interaktivnim izvješćem, korisnik može postaviti uvjete filtriranja i grupiranja istim jednostavnim pokretima miša. U ovom trenutku, ROLAP klijent pristupa podacima u predmemoriji. S druge strane, klijent OLAP poslužitelja generira novi upit prema višedimenzionalnoj bazi podataka. Na primjer, primjenom filtra po proizvodima u izvješću o prodaji, možete dobiti izvješće o prodaji proizvoda koji nas zanimaju.

Sve postavke OLAP aplikacije mogu se pohraniti u namjensko spremište metapodataka, u aplikaciju ili u višedimenzionalno spremište sustava baze podataka.Implementacija ovisi o konkretnom softverskom proizvodu.

Sve što je uključeno u ove aplikacije je standardni pogled na sučelje, unaprijed definirane funkcije i struktura, kao i brza rješenja za manje-više standardne situacije. Na primjer, financijski paketi su popularni. Unaprijed izgrađene financijske aplikacije omogućit će profesionalcima korištenje poznatih financijskih instrumenata bez potrebe za dizajniranjem strukture baze podataka ili uobičajenih obrazaca i izvješća.

Internet je novi oblik klijenta. Osim toga, nosi pečat novih tehnologija; gomila internet rješenja značajno se razlikuju po svojim mogućnostima općenito, a posebno po kvaliteti OLAP rješenja. Postoje mnoge prednosti generiranja OLAP izvješća putem Interneta. Najznačajniji je nepostojanje potrebe za specijaliziranim softverom za pristup informacijama. To tvrtki štedi puno vremena i novca.

6. Izbor arhitekture aplikacije OLAP.

Prilikom implementacije informacijsko-analitičkog sustava važno je ne pogriješiti u odabiru arhitekture OLAP aplikacije. Doslovni prijevod izraza On-Line Analytical Process - "on-line analitička obrada" - često se shvaća doslovno u smislu da se podaci koji ulaze u sustav promptno analiziraju. Ovo je zabluda - učinkovitost analize nema nikakve veze s realnim vremenom ažuriranja podataka u sustavu. Ova karakteristika se odnosi na vrijeme odgovora OLAP sustava na zahtjeve korisnika. Pritom su analizirani podaci često snimak informacija "za jučer", ako se, primjerice, podaci u skladištima ažuriraju jednom dnevno.

U tom kontekstu, prijevod OLAP-a kao "interaktivna analitička obrada" je točniji. Upravo sposobnost analize podataka u interaktivnom načinu razlikuje OLAP sustave od sustava za pripremu reguliranih izvješća.

Još jedna značajka interaktivne obrade u formulaciji osnivača OLAP-a E. Codda je mogućnost "kombiniranja, pregleda i analize podataka sa stajališta više dimenzija, odnosno na najrazumljiviji način za korporativne analitičare." Za samog Codda pojam OLAP označava isključivo specifičan način predstavljanja podataka na konceptualnoj razini – višedimenzionalni. Na fizičkoj razini, podaci se mogu pohraniti u relacijske baze podataka, ali u stvarnosti, OLAP alati obično rade s višedimenzionalnim bazama podataka, u kojima su podaci organizirani u hiperkocku (slika 1).

Slika 1. OLAP- kocka (hiperkocka, metakocka)

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

Očito, 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 postavi upit i upitaj pa analiziraj.

Sljedbenici prvog puta predlažu učitavanje generaliziranih 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 generira izvješće o relacijskoj bazi podataka koje sadrži potrebnu selekciju, na primjer, po danu za određeni odjel ili po mjesecima i zaposlenicima 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 dobiva u obliku višedimenzionalnog izvješća – „mikrokocke“. Mikrokocka se formira na temelju informacija koje su upravo zatražene iz trenutne relacijske baze podataka. Rad s mikrokockom odvija se u interaktivnom načinu - dobivanje djelića informacija i njihovo detaljiziranje unutar mikrokocke provode se trenutno. Još jedna pozitivna točka je da dizajn strukture i punjenje mikrokocke korisnik provodi "u hodu", bez sudjelovanja administratora baze podataka. Međutim, pristup također pati od ozbiljnih nedostataka. Korisnik ne vidi opću sliku i mora se unaprijed odrediti sa smjerom svog istraživanja. Inače, tražena mikrokocka može biti premala i ne sadrži sve podatke od interesa, te će korisnik morati zatražiti novu mikrokocku, zatim novu, pa opet i opet. Pristup analize upita zatim implementira BusinessObjects alat istoimene tvrtke i alate platforme Company Contour.Intersoft Laboratorija.

S pristupom Analyze then query, količina podataka učitanih u višedimenzionalnu bazu podataka može biti prilično velika, popunjavanje treba biti izvedeno prema pravilima i može potrajati. No, svi ti nedostaci se kasnije isplate, kada korisnik ima pristup gotovo svim potrebnim podacima u bilo kojoj kombinaciji. Upućivanje na izvorne podatke u relacijskoj bazi podataka provodi se samo kao posljednje sredstvo, kada su potrebne detaljne informacije, na primjer, na određenoj fakturi.

Na rad jedne višedimenzionalne baze podataka praktički ne utječe broj korisnika koji joj pristupaju. 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 usluga koje su, osim relacijskih, prisiljene opsluživati ​​i višedimenzionalne baze podataka.Ove usluge odgovorne su 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 ovisi prvenstveno o cilju kojem se teži: uvijek morate balansirati između uštede budžeta i poboljšanja kvalitete usluge za krajnje korisnike. Treba imati na umu da, strateški, stvaranje informacijsko-analitičkih sustava ima za cilj postizanje konkurentske prednosti, a ne izbjegavanje troškova automatizacije. Primjerice, korporativni informacijsko-analitički sustav može pružiti potrebne, pravovremene i pouzdane informacije o poduzeću, čije će objavljivanje za potencijalne investitore osigurati transparentnost i predvidljivost ovog poduzeća, što će neminovno postati uvjet njegove investicijske atraktivnosti.

7. Područja primjene OLAP-tehnologija.

OLAP je primjenjiv svugdje gdje postoji zadatak analize multivarijantnih podataka. Općenito, ako imate neku tablicu s podacima, u kojoj postoji barem jedan opisni stupac (dimenzija) i jedan stupac s brojevima (mjerama ili činjenicama), OLAP alat će obično biti učinkovit alat za analizu i generiranje izvješća.

Razmotrimo neka područja primjene OLAP tehnologija, preuzeta iz stvarnog života.

1. Prodaja.

Na temelju analize strukture prodaje rješavaju se pitanja potrebna za donošenje upravljačkih odluka: o promjeni asortimana robe, cijenama, zatvaranju i otvaranju trgovina, poslovnica, raskidu i potpisivanju ugovora s trgovcima, provođenju ili prekidu reklamnih kampanja i sl.

2. Kupnje.

Zadatak je suprotan analizi prodaje. Mnoga poduzeća kupuju komponente i materijale od dobavljača. Trgovci kupuju robu za preprodaju. Postoji mnogo mogućih zadataka u analizi nabave, od planiranja gotovine na temelju prošlog iskustva, do kontrolu nad menadžerima odabir dobavljača.

3. Cijene.

Analiza nabave usko je povezana s analizom tržišnih cijena. Svrha ove analize je optimizirati troškove, odabrati najpovoljnije ponude.

4. Marketing.

Pod marketinškom analizom podrazumijevat ćemo samo područje analize kupaca ili kupaca-potrošača usluga. Zadatak ove analize je ispravno pozicioniranje proizvoda, identifikacija skupina kupaca za ciljano oglašavanje, te optimizacija asortimana. Zadaća OLAP-a u ovom slučaju je pružiti korisniku alat da brzo, brzinom razmišljanja, dobije odgovore na pitanja koja se intuitivno nameću tijekom analize podataka.

5. Skladište.

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

6. Novčani tok.

Ovo je cijelo područje analize, s 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 bezgotovine i gotovine u smislu poslovnih transakcija, ugovornih strana, valuta i vremena u cilju optimizacije tokova, osiguranja likvidnosti itd. Sastav mjerenja uvelike ovisi o specifičnostima poslovanja, industrije i metodologije.

7. Proračun.

Jedno od najplodnijih područja primjene OLAP tehnologija. Nije uzalud da se nijedan moderni sustav proračuna ne smatra potpunim bez prisutnosti OLAP alata za analizu proračuna u svom sastavu. Većina proračunskih izvješća lako se gradi na temelju OLAP sustava. Ujedno, izvještaji odgovaraju na vrlo širok raspon pitanja: analiza strukture rashoda i prihoda, usporedba rashoda za pojedine stavke u različitim odjelima, analiza dinamike i kretanja rashoda za pojedine stavke, analiza troška i dobiti .

8. Računi.

Klasična bilanca, koja se sastoji od broja računa i sadrži ulazna stanja, promet i izlazna stanja, može se savršeno analizirati u OLAP sustavu. Osim toga, OLAP sustav može automatski i vrlo brzo izračunati konsolidirana stanja višegranske organizacije, stanja za mjesec, kvartal i godinu, agregirana stanja po hijerarhiji računa, analitička stanja temeljena na analitičkim karakteristikama.

9. Financijsko izvještavanje.

Tehnološki napredni sustav izvješćivanja nije ništa više od skupa imenovanih pokazatelja s vrijednostima na dan, koji se moraju grupirati i sažeti u različitim aspektima kako bi se dobila određena izvješća. Kada je to slučaj, tada je prikaz i ispis izvješća najlakši i najjeftiniji za implementaciju u OLAP sustave. U svakom slučaju, interni sustav izvještavanja poduzeća nije toliko konzervativan i može se obnoviti kako bi se uštedio novac na tehničkom radu na izradi izvješća i kako bi se dobile mogućnosti višedimenzionalne operativne analize.

10. Promet na web stranici.

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

11. Obumi proizvodnje.

Ovo je još jedan primjer statističke analize. Tako je moguće analizirati količine uzgojenog krumpira, topljenog čelika, proizvedene robe.

12. Potrošnja potrošnog materijala.

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

13. Korištenje prostora.

Druga vrsta statističke analize. Primjeri: analiza opterećenosti učionica, iznajmljenih zgrada i prostora, korištenje konferencijskih dvorana itd.

14. Fluktuacija zaposlenih u poduzeću.

Analiza fluktuacije osoblja u poduzeću u kontekstu grana, odjela, zanimanja, obrazovne razine, spola, dobi, vremena.

15. Putnički promet.

Analiza broja prodanih karata i iznosa u kontekstu godišnjih doba, smjerova, vrsta automobila (klasa), vrsta vlakova (zrakoplova).

Opseg primjene nije ograničen na ovaj popis. OLAP - tehnologije. Na primjer, razmotrite tehnologiju OLAP -analiza u području prodaje.

8. Primjer korištenja OLAP -tehnologije za analizu u području prodaje.

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

Budući da se djelatnost svakog poduzeća odvija u vremenu, prvo pitanje koje se postavlja u analizi je pitanje dinamike razvoja poslovanja. Ispravna organizacija vremenske osi dat će kvalitativni odgovor na ovo pitanje. Obično se vremenska os dijeli na godine, kvartale i mjesece. Moguća je još veća fragmentacija na tjedne i dane. Struktura vremenske dimenzije formira se uzimajući u obzir učestalost primanja podataka; također može biti uvjetovana učestalošću zahtjeva za informacijama.

Dimenzija "grupa proizvoda" osmišljena je tako da što bliže odražava strukturu proizvoda koji se prodaju. Pritom je važno promatrati određenu ravnotežu kako bi se, s jedne strane, izbjeglo pretjerano detaljiziranje (broj grupa bi trebao biti vidljiv), a s 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 stvoriti vlastitu dimenziju. Na primjer, možete razlikovati dvije razine hijerarhije: odjele i njihove pododjele, što bi se trebalo odraziti u dimenziji "Odjeli".

Zapravo, dimenzije "Vrijeme", "Proizvodi", "Kupci" dosta u potpunosti definiraju prostor predmetnog područja.

Osim toga, korisno je podijeliti ovaj prostor na uvjetna područja, uzimajući kao osnovu izračunate karakteristike, na primjer, raspone volumena 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, obujam kupnje od proizvođača.

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

Slika 2.OLAP- kocka za analizu obima prodaje

Upravo se takav trodimenzionalni niz u OLAP terminima zove kocka. Zapravo, sa stajališta stroge matematike, takav niz neće uvijek biti kocka: prava kocka treba imati 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 dizajnirani su za oko 20 dimenzija. Jednostavnije aplikacije za stolna računala podržavaju oko 6 dimenzija.

Daleko od toga da se svi elementi kocke ne trebaju ispuniti: ako nema informacija o prodaji proizvoda 2 kupcu 3 u trećem tromjesečju, vrijednost u odgovarajućoj ćeliji jednostavno neće biti određena.

Međutim, sama kocka nije prikladna 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 uporabe iz višedimenzionalne kocke izdvajaju obične dvodimenzionalne tablice. Ova operacija se zove "rezanje" kocke. Analitičar, takoreći, uzima i "rezuje" dimenzije kocke prema oznakama interesa. Na taj način analitičar uzima dvodimenzionalni isječak kocke (izvješće) i radi s njim. Struktura izvješća prikazana je na slici 3.

Slika 3.Struktura analitičkog izvješća

Izrežemo našu OLAP - kocku i dobijemo izvješće o prodaji za treće tromjesečje, to će izgledati ovako (slika 4).

Slika 4.Izvješće o prodaji za treće tromjesečje

Kocku možete rezati po drugoj osi i dobiti izvješće o prodaji grupe proizvoda 2 tijekom godine (slika 5).

Slika 5.Tromjesečno izvješće o prodaji proizvoda 2

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

Slika 6.Izvještaj o isporuci robe klijentu 4

Možete detaljnije analizirati izvješće po mjesecima ili razgovarati o isporuci robe određenoj poslovnici kupaca.

Glavna razlika između činjenica i informacija je u tome što podatke primamo i bilježimo te ih možemo koristiti u svoju korist. Grubo govoreći, informacije se analiziraju i sistematiziraju podaci. Zahvaljujući pravodobnim informacijama, mnoge tvrtke uspijevaju izdržati i financijsku krizu i najžešću konkurenciju. Nije dovoljno prikupiti činjenice i imati sve potrebne podatke. Također ih morate znati analizirati. Razvijeni su različiti sustavi podrške kako bi se ljudima olakšalo donošenje važnih poslovnih odluka. U tu svrhu razvijeni su različiti složeni sustavi koji vam omogućuju analizu velikih nizova heterogenih podataka i pretvaranje ih u informacije korisne za poslovnog korisnika. Novo područje poslovne inteligencije nastoji poboljšati upravljanje procesima poslovnih sustava korištenjem skladišta podataka i tehnologija.

Tržište informacijskih sustava za poslovanje danas nudi raznoliku paletu rješenja koja pomažu poduzeću u organizaciji upravljačkog računovodstva, osiguravanju operativnog upravljanja proizvodnjom i prodajom te učinkovitoj interakciji s kupcima i dobavljačima.

Posebnu nišu na tržištu poslovnih sustava zauzimaju analitički softverski proizvodi dizajnirani za podršku donošenju odluka na strateškoj razini upravljanja poduzećem. Glavna razlika između ovakvih alata i sustava operativnog upravljanja je u tome što potonji omogućuju upravljanje poduzećem u "modu rada", odnosno provedbu dobro definiranog proizvodnog programa, dok analitički sustavi na strateškoj razini pomažu u upravljanju poduzećem. poduzeća za izradu rješenja u "razvojnom načinu".

Razmjeri provedenih promjena mogu varirati od dubokog restrukturiranja do djelomične obnove tehnologija u pojedinim proizvodnim područjima, ali, u svakom slučaju, donositelji odluka razmatraju razvojne alternative o kojima dugoročno ovisi sudbina poduzeća.

Koliko god moćan i razvijen informacijski sustav poduzeća, on ne može pomoći u rješavanju ovih problema, prvo, jer je prilagođen stacionarnim, dobro uhodanim poslovnim procesima, a drugo, ne daje i ne može biti informacija za donošenje odluka o novim područjima poslovanja, novim tehnologijama, novim organizacijskim odlukama.

Zahvaljujući OLAP (On-Line Analytical Processing) tehnologiji obrade podataka, svaka organizacija može gotovo trenutno (unutar pet sekundi) primiti podatke koji su joj potrebni za rad. OLAP se može sažeti u pet ključnih riječi.

FAST (Fast) - to znači da traženje i isporuka potrebnih informacija ne traje više od pet sekundi. Najjednostavniji upiti obrađuju se u sekundi, a samo nekoliko složenih upita ima vrijeme obrade duže od dvadeset sekundi. Za postizanje ovog rezultata koriste se različite metode, od posebnih oblika pohrane podataka do opsežnog predračunanja. Tako možete dobiti izvješće za minutu, za što su se prije pripremali dani.

ANALIZA (Analytical) kaže da sustav može napraviti bilo koju analizu, i statističku i logičku, a zatim je pohranjuje u pristupačnom obliku.

SHARED znači da sustav pruža potrebnu privatnost, sve do razine ćelije

MULTIDIMENZIONALNOST - Ovo je glavna karakteristika OLAP-a. Sustav mora u potpunosti podržavati hijerarhije i višestruke hijerarhije, jer je na taj način najlogičnije analizirati i poslovanje i aktivnosti organizacija.

INFORMACIJA Informacije koje su vam potrebne moraju se dostaviti tamo gdje su potrebne.

Tijekom rada organizacije uvijek se akumuliraju podaci koji se odnose na njezino područje djelovanja, koji se ponekad pohranjuju na potpuno različitim mjestima, te ih nije lako i dugotrajno objediniti. Upravo kako bi se ubrzalo prikupljanje podataka za testiranje novonastalih poslovnih hipoteza razvijena je tehnologija interaktivne analitičke obrade podataka ili OLAP. Glavna svrha takvih OLAP sustava je brzo odgovoriti na proizvoljne zahtjeve korisnika. Takva se potreba često javlja kod razvoja nekog važnog poslovnog projekta, kada je developeru potrebna radna hipoteza koja se pojavila. Najčešće se informacije koje su potrebne korisniku trebaju prezentirati u obliku neke vrste ovisnosti – na primjer, kako obujam prodaje ovisi o kategoriji proizvoda, o prodajnoj regiji, o sezoni i tako dalje. Zahvaljujući OLAP-u, ima mogućnost da odmah primi potrebne podatke u željenom izgledu za odabrano razdoblje.

Interaktivna OLAP tehnologija pretvara ogromne hrpe izvješća i tone podataka u korisne i točne informacije koje će zaposleniku pomoći da donese informiranu poslovnu ili financijsku odluku u pravo vrijeme.

Osim toga, zahvaljujući OLAP-u, povećava se učinkovitost obrade, a korisnik može dobiti velike količine sortiranih (agregiranih) informacija gotovo trenutno. Zahvaljujući OLAP-u, korisnik može jasno vidjeti koliko učinkovito njegova organizacija radi, ima sposobnost brzog i fleksibilnog reagiranja na vanjske promjene te ima mogućnost minimiziranja financijskih gubitaka svoje organizacije. OLAP pruža točne informacije koje poboljšavaju kvalitetu vaših odluka.

Jedini nedostatak sustava poslovne inteligencije je njihova visoka cijena. Izgradnja skladišta osobnih podataka zahtijeva i vrijeme i puno novca.

Korištenje OLAP tehnologije u poslovanju omogućuje brzo dobivanje potrebnih informacija, koje se na zahtjev korisnika mogu prezentirati u uobičajenom obliku - izvješćima, grafikonima ili tablicama.

Postupci sistemske integracije poslovnih struktura temelje se na korištenju zajedničkih ERP, CRM i SCM rješenja. U mnogim slučajevima sustave isporučuju različiti proizvođači, a uvezeni podaci moraju proći kroz postupak usklađivanja podataka i prezentiranja u obliku heterogenih podataka. U poslovnom okruženju pretpostavlja se nedvosmislen zahtjev – potpuna analiza podataka, koja uključuje sagledavanje konsolidiranih izvješća s različitih stajališta.

Različiti dobavljači imaju različite mehanizme prezentacije. Postupak heterogenog predstavljanja uključuje ekstrakciju, transformaciju i učitavanje (ETL). Na primjer, u Microsoft SQL Server 2005 Analysis Services, problem konsolidacije podataka implementiran je korištenjem pogleda izvora podataka, koji su vrste izvora podataka koji opisuju analitičke modele pogleda.

Poslovne aplikacije temeljene na OLAP tehnologijama, primjeri proizvoda. Najčešće primjene OLAP tehnologija su:

Analiza podataka.

Zadatak za koji su se izvorno koristili OLAP alati i još uvijek su najpopularniji. Višedimenzionalni model podataka, mogućnost analize značajnih količina podataka i brz odgovor na zahtjeve čine takve sustave nezamjenjivim za analizu prodaje, marketinških aktivnosti, distribucije i drugih zadataka s velikom količinom početnih podataka.

Primjeri proizvoda: Microsoft Excel Pivot Tables, Microsoft Analysis Services, SAP BW, Oracle Essbase, Oracle OLAP, Cognos PowerPlay, MicroStrategy, Business Objects.

Financijsko planiranje i proračun.

Višedimenzionalni model omogućuje simultani unos podataka i laku analizu (na primjer, analiza plana i činjenica). Stoga brojni moderni proizvodi klase CPM (Corporate Performance Management) koriste OLAP% model. Važan zadatak je višedimenzionalni izračun povrata (backsolve, breakback, writeback), koji vam omogućuje izračunavanje potrebnih promjena u detaljnim ćelijama kada se agregirana vrijednost promijeni. To je alat za analizu što ako. igrati razne varijante događaja prilikom planiranja.

Primjeri proizvoda: Microsoft PerformancePint, Oracle EPB, Oracle OFA, Oracle Hyperion Planning, SAP SEM, Cognos Enterprise Planning, Geac.

Financijska konsolidacija.

Konsolidacija podataka u skladu s međunarodnim računovodstvenim standardima, uzimajući u obzir vlasničke udjele, različite valute i interne promete, hitan je zadatak u svezi pooštravanja zahtjeva revizorskih tijela (SOX, Basel II) i tvrtki koje ulaze u IPO. OLAP tehnologije omogućuju ubrzanje izračuna konsolidiranih izvješća i povećanje transparentnosti cjelokupnog procesa.

Primjeri proizvoda: Oracle FCH, Oracle Hyperion FM, Cognos Controller.

Skladišta podataka i tehnologije on-line analitičke obrade (OLAP).
važni su elementi podrške poslovnom odlučivanju, koji sve više postaju sastavni dio svake industrije. Korištenje OLAP tehnologija kao alata za poslovnu inteligenciju daje veću kontrolu i pravovremeni pristup strateškim
informacije koje doprinose učinkovitom donošenju odluka.
To pruža mogućnost simulacije predviđanja u stvarnom svijetu i učinkovitije korištenje resursa. OLAP omogućuje organizaciji da brže odgovori na zahtjeve tržišta.

Bibliografija:

1. Erik Thomsen. OLAP rješenja: Izgradnja višedimenzionalnih informacijskih sustava, drugo izdanje. Wiley Computer Publishing John Wiley & Sons, Inc., 2002.

2. Bijela knjiga OLAP vijeća, http://www.olapcouncil.org/research/whtpaply.htm

3. Gerd Stumme i Bernhard Ganter. Formalna analiza koncepta _ Matematički temelji.