CodziennikiMagazyn ZSF24



Business Intelligence



01.02.2021

Dodanie możliwości poprzez zarządzane zapytania / raportowanie

Dla użytkowników, którzy nie mogą (lub nie chcą) obsługiwać oprogramowania do obsługi zapytań i raportów - lub dla firm, które nie chcą zapewnić swoim pracownikom pełnego dostępu do źródeł danych - dostępne jest raportowanie zarządzane. Zarządzane raportowanie przenosi dziki zachód całkowicie samoobsługowego środowiska danych i dodaje do miasta szeryfa. Wielu użytkowników BI nie musi tworzyć złożonych raportów ani pisać zapytań do bizantyjskiej bazy danych, aby uzyskać to, czego potrzebują. Mają niewielką potrzebę korzystania z zaawansowanych funkcji oprogramowania do tworzenia raportów. Potrzebują tylko odpowiednich danych przekazanych im w odpowiednim czasie, aby mogli wykonywać swoją pracę. Raportowanie zarządzane jest pomostem między prostym korzystaniem z raportów a samoobsługowym tworzeniem raportów, w którym pracownicy są odpowiedzialni za uzyskiwanie własnych informacji z bazy danych. W takiej sytuacji użytkownicy otrzymują standardowe raporty autorstwa innych i mają pewną swobodę eksploracji, sortowania, filtrowania, tworzenia wykresów i drążenia szczegółowych danych - pod czujnym okiem zespołu menedżerów danych, którzy kontrolują uprawnienia, ogranicz, kiedy zapytania mogą być uruchamiane, określ, jakie dane są dostępne itd., a wszystko to w scentralizowanej organizacji. Menedżerowie danych są również po to, aby zapobiegać problemom, które mogą wyniknąć z całkowicie otwartego środowiska, i zapewniać pomoc w razie potrzeby.
Powrót

02.02.2021

Dostęp i korzystanie ze standardowych raportów

Cechą charakterystyczną zarządzanych środowisk raportowania jest biblioteka standardowych raportów tworzonych przez scentralizowany zespół IT, które są najczęściej używane przez różne funkcje uzyskujące dostęp do rozwiązania BI. Użytkownik po prostu udałby się do udostępnionej lokalizacji w firmowym intranecie, aby uzyskać dostęp do raportu, lub może przeglądałby raport przez Internet. Standardowe raporty z pewnością ułatwiają życie wielu konsumentom danych i użytkownikom BI. Tworzenie zapytania lub tworzenie prezentacji danych nie wymaga żadnej myśli; użytkownik po prostu wskazuje i klika i pojawia się raport. Najtrudniejsze zadanie wykonuje ktoś o wiele bardziej zainteresowany tym, niż (powiedzmy) Marge w księgowości, która musi tylko sprawdzić, czy jej dane zgadzają się z danymi w miesięcznym raporcie przychodów. Ale to, że środowisko zapewnia standardowe raporty, nie oznacza, że użytkownicy w Twojej firmie nie potrzebują przynajmniej pewnej wiedzy i szkolenia w zakresie oprogramowania. Najdziwniejsze raporty na świecie są bezwartościowe, jeśli Twój zespół nie wie, jak uzyskać do nich dostęp, czytać je lub interpretować. Raportowanie interaktywne to kluczowa funkcja oprogramowania do analizy biznesowej. Kiedy myślisz o zwykłych raportach, zadajesz bazie danych pytanie, wysyłając zapytanie. Oprogramowanie bazy danych znajduje następnie dane pasujące do zapytania i zwraca raport, uporządkowany i przedstawiony w określony z góry sposób, czasem pokazujący każdy wiersz zwróconych danych, a czasem podsumowujący. Dzięki interaktywnemu raportowaniu można manipulować wynikami zapytania do bazy danych, aż uzyskasz tylko potrzebne dane. Gdy po raz pierwszy uruchamiasz zapytanie, możesz nie znaleźć tego, czego szukasz. Ale odpowiedź na to początkowe pytanie - dane zawarte w raporcie - może dać ci wskazówkę, gdzie szukać dalej lub jak uporządkować następne zapytanie. Interaktywne raportowanie ułatwia przede wszystkim skupienie się na danych, których szukałeś. Jeśli wszystko pójdzie dobrze, po kilkukrotnym zawężeniu zapytania, pojawi się Twój wgląd. Więcej o drążeniu (a także w górę iw dół) - w szczególności w przypadku narzędzi OLAP . Są to narzędzia analityczne, które są ściśle związane z raportami i w rzeczywistości mają wiele wspólnych cech z narzędziami frontendowymi typowymi dla większości platform BI. Jednak w świecie BI istnieje wyraźna linia podziału między typowymi narzędziami do wysyłania zapytań i raportowania a narzędziami OLAP.

Zachowanie kontroli

W miarę zbliżania się BI do strategicznego rdzenia wielu biznesów, ważniejsze staje się utrzymanie go w dobrym stanie i sprawne działanie. Elementy systemu Business Intelligence są niezwykle potężne, ale mają piętę achillesową, ponieważ są zbudowane na bazach danych, które mogą zostać zniszczone przez nieostrożnych użytkowników. Tak więc wraz ze wzrostem roli BI i rosnącą presją na udostępnianie większej ilości danych użytkownikom końcowym, dostawcy opracowali bardziej złożone narzędzia administracyjne i menedżery zapytań. Jeśli myślisz, że zarządca zapytań brzmi jak jakiś rodzaj skandalu w państwie, z przyjemnością dowiesz się, że to nic innego jak funkcja aplikacji zaprojektowana w celu ochrony systemów danych przed szkodliwymi żądaniami. Moc przetwarzania bazy danych to ograniczony zasób - a zarządca zapytań zapobiega wykonywaniu lub przekraczaniu określonych limitów czasu przez źle napisane zapytania. Pomaga to w całkowitym zapobieganiu degradacji lub awarii systemu. Administratorzy mogą dostroić swoich zarządców, aby zrównoważyć potrzeby społeczności użytkowników i zasoby systemu.
Powrót

03.02.2021

Dostęp do danych - Przeciąganie liny przez BI

Istnieje naturalne napięcie między dwiema podstawowymi filozofiami dostępu do danych i jeśli uważnie przeczytałeś do tej pory (i dlaczego by tego nie zrobił?), To już go złapałeś. Powszechnym wyzwaniem jest dostarczanie właściwym ludziom odpowiednich danych. W niektórych przypadkach firmy polegają na swoich pracownikach, którzy wychodzą i szukają potrzebnych im danych; w innych menedżerowie IT stwierdzili, że najlepiej jest usunąć tę potencjalną zmienną z równania i przekazać dane bezpośrednio do odpowiednich użytkowników.
Powrót

04.02.2021

Klasyczny BI: dostęp do informacji zorientowany na pull

W swojej tradycyjnej roli BI polegało na środowisku ściągania. W takiej sytuacji do użytkowników należy tworzenie zapytań, tworzenie raportów lub przeglądanie standardowych raportów utworzonych przez kogoś innego. Użytkownicy potrzebują danych do wykonywania swojej pracy i to do nich należy nawigacja po systemach zapytań i raportowania, aby uzyskać to, czego potrzebują. Nie różni się to wcale od wstawania z biurka i "wyciągania" pliku z szafki. Czy nie byłoby miło, gdyby ktoś - być może pomocny robot, który też robi kawę - poszedł za Ciebie do szafki na akta? Jednym z kluczowych założeń BI jest to, że wgląd w dane musi być dostarczany na czas. Potrzebujesz krytycznych spostrzeżeń - że rynek się zmieni lub że zapasy osiągnęły krytyczny poziom - w odpowiednim czasie do działania. Ale w klasycznym pociągnięciu środowisku, ryzykujesz, że Twoi pracownicy mogą nie zebrać potrzebnych danych na czas. A bez aktualnych danych nie masz analizy biznesowej, masz czerstwy chleb.

Powstająca BI: przekazywanie użytkownikom krytycznych informacji

Najnowsza generacja narzędzi Business Intelligence coraz bardziej przechodzi do środowiska push. Dzięki technologii push zaawansowany użytkownik gromadzi dane w imieniu społeczności użytkowników i dostarcza je w krytycznych momentach. Podstawowe dane są takie same, jak w środowisku pull, ale "pchacz" danych decyduje, które dane są ważne, dla kogo są one ważne, jak powinny być prezentowane i kiedy te informacje powinny wpłynąć do rąk kluczowych zespołów przedsiębiorstwa . Środowiska push zależą również od pewnego rodzaju usługi katalogowej, która zawiera wszystkie ważne informacje o danych i środowisku użytkownika. Śledzi, kto ma uprawnienia, aby zobaczyć, jakie informacje, śledzi, które raporty otrzymują i kiedy, oraz zapewnia mechanizm wprowadzania zmian w sposobie przekazywania danych użytkownikom w razie potrzeby. Nie lekceważ, jak złożone mogą być środowiska raportowania. Dwie osoby o tym samym stanowisku mogą być w stanie zobaczyć dokładnie ten sam raport standardowy, ale ponieważ są one przypisane do różnych jednostek biznesowych, uprawnienia użytkowników do informacji są różne. A może dwie osoby mają dostęp do tych samych danych, ale jedna osoba nie może ich publikować, a druga może je dowolnie rozpowszechniać. Dodaj do tego ogromną różnorodność sposobów przekazywania informacji użytkownikom, a skonfigurowanie dobrego systemu raportowania staje się potencjalnie oszałamiającym wyzwaniem. Zbyt wiele firm nie bierze pod uwagę wagi (i poziomu) wiedzy specjalistycznej wymaganej do zarządzania środowiskiem raportowania typu push.

Czerwony alert, czerwony alert: różne modele alertów

Usługi alertów stanowią stosunkowo nowy postęp w narzędziach front-end BI, które umożliwiają użytkownikom lepszą organizację w środowisku samoobsługowym. Użytkownicy lub menedżerowie mogą ustawić swoje systemy tak, aby ostrzegały ich, gdy dostępne są nowe dane, lub po prostu informowały, że nadszedł czas, aby zaktualizować ich standardowe raporty. Przy tak rozproszonych opcjach komunikacji dobry system ostrzegawczy może wysyłać wiadomości przez telefon, pocztę e-mail lub jako wiadomość w intranecie lub portalu. Użytkownicy mogą ustawić swoje preferencje, aby otrzymywać notatkę o raporcie lub pobrać cały raport
Powrót

05.02.2021

OLAP: przetwarzanie analityczne online

Jeśli kiedykolwiek oglądałeś Star Trek, prawdopodobnie znasz sposób interakcji bohaterów z komputerem Starship Enterprise, gdy mieli problem. Pan Scott, główny mechanik statku powiedziałby: "Komputer, proszę wyodrębnić, dlaczego układ napędowy działa tylko w 40 procentach". Komputer odpowiadał (łagodnym, uspokajającym głosem) "Wykryto wyciek paliwa". Po kilku rundach tam iz powrotem komputer może postawić pełną diagnozę: "Uszkodzona zastawka Fetzera w komorze 28b, powodując nagromadzenie osocza dylitu. Obliczenia wskazują na 30% prawdopodobieństwo wybuchu w ciągu następnej godziny, chyba że zawór zostanie naprawiony, oraz prawdopodobieństwo 84,3%, że przyczyną pęknięcia zaworu jest sabotaż Klingona ". Zobaczysz? W końcu dwudziesty trzeci wiek nie różni się tak bardzo od dzisiejszego! Pan Scott miał coś, co zasadniczo było problemem biznesowym: wyniki w jego obszarze odpowiedzialności były słabsze i potrzebował odpowiedzi. A ponieważ statki kosmiczne są absurdalnie złożonymi maszynami, zrobił to, co każdy zrobiłby na jego stanowisku: wykorzystał moc obliczeniową do zbadania wskaźników operacyjnych, znalezienia anomalnych trendów i znalezienia rozwiązania. Presto! Wspaniałą rzeczą w tych komputerach statków kosmicznych i HAL 9000 (od 2001: Odyseja kosmiczna) jest ich interaktywność w czasie rzeczywistym. Zapytania i raportowanie to oczywiście potężne narzędzia; świadczą bezcenne usługi dla wszelkiego rodzaju organizacji. Ale to, czego brakuje w tym procesie, to prawdziwa "w locie" tam iz powrotem, w której operator może przeanalizować zapytanie i same dane, aby uzyskać dokładnie wymagany wynik. Właśnie to może zapewnić OLAP i dlatego OLAP jest zabójczą aplikacją do analizy biznesowej
Powrót

06.02.2021

Funkcjonalność aplikacji OLAP

Aplikacja OLAP to oprogramowanie zaprojektowane, aby umożliwić użytkownikom nawigację, pobieranie i prezentowanie danych biznesowych. Zamiast pobierać dane z systemu relacyjnego, pisać złożone zapytania w celu ich pobrania, a następnie ręcznie wstawiać je do raportu w celu analizy, narzędzia OLAP eliminują środkowe kroki, faktycznie przechowując dane w formacie gotowym do sporządzenia raportu. Tradycyjne przetwarzanie danych było jak hydraulika: Twoje zapytanie trafiało do systemu. Poczekałeś chwilę i miałeś nadzieję, że to, co wyszło z rur po drugiej stronie, było tym, czego chciałeś. Tak nie jest w przypadku OLAP. Chociaż prawdą jest, że na początku musisz dokonywać wyborów dotyczących rodzaju danych, którym chcesz się przyjrzeć, możliwe jest natychmiastowe przekręcenie i skrócenie wyników. Nie ma potrzeby stosowania skomplikowanej logiki zapytań ani pisania długich ciągów SQL. Wystarczy przeciągnąć i upuścić, aby spojrzeć na dane w zupełnie nowy sposób. Jeśli myślisz, że jest to po prostu oszałamiający sposób tworzenia tych samych starych tygodniowych raportów TPS dla swojego szefa, nie rozumiesz. O i A w przetwarzaniu analitycznym online służą nie tylko wygląd: internetowe i analityczne aspekty OLAP składają się na kluczową różnicę. Zastanów się: Zamiast raportowania niejednoznacznego, OLAP umożliwia w pełni interaktywne sesje między użytkownikami a oprogramowaniem. Jeśli budowanie raportu ze swoich marzeń do przekazania szefowi zajmowało Ci tydzień, masz szczęście: OLAP może przeprowadzić Cię przez ten proces w ciągu kilku minut i pozostawić wystarczająco dużo czasu na samodzielne przeprowadzenie analizy. OK, P nie jest aż tak ważne w OLAP; nic dziwnego, że ma tu miejsce przetwarzanie. Ale ładna spółgłoska sprawia, że akronim, którego inaczej można by zapomnieć, brzmi bardziej jak prawdziwe słowo.

Jak wejść "online" bez internetu

Zarówno OLAP, jak i OLTP (przetwarzanie transakcji online) wykorzystują online, ale oba zostały wynalezione na długo przed rozpowszechnieniem Internetu. Internet jako punkt odniesienia oznaczał kiedyś coś zupełnie innego. We wczesnych latach informatyki systemy były używane wyłącznie do przechowywania danych i uruchamiania określonych programów, przemyślanych i zakodowanych z dużym wyprzedzeniem. Programiści i inżynierowie wprowadzali kod do systemu, czekali na jego wykonanie i sprawdzali, jakie są wyniki po drugiej stronie (gdy lampy próżniowe i tranzystory chłodziły się w ramach przygotowań do kolejnej rundy przetwarzania). OLTP i OLAP zawierają termin online, aby wskazać rewolucyjną zmianę w rzeczywistym procesie pracy z komputerami. Zamiast pracować z raportami i liczbami w trybie offline, a następnie przesyłać wyniki do komputera w celu przetworzenia, użytkownicy mogą teraz pracować bezpośrednio z przechowywanymi danymi. W przypadku systemów OLTP oznaczało to, że użytkownik w dziale księgowości mógł zmienić status faktury z niezapłaconej na zapłaconą, siedząc przy terminalu, uzyskując dostęp do rekordu danych faktury i zmieniając rekord w czasie rzeczywistym. Dzisiaj traktujemy takie działanie jak coś oczywistego, ale nie zawsze tak było. Księgowi musieli kiedyś agregować transakcje, a następnie wprowadzać je partiami do komputera przez programistów. OLAP zmienił rzeczy po drugiej stronie ścieżki danych. Pracownicy umysłowi zażądaliby pogrupowanych danych w postaci raportów, które byłyby następnie przetwarzane w rzadkich odstępach czasu. Gdyby użytkownik przejrzał papierowy wydruk i odkrył potrzebę spojrzenia na rzeczy w inny sposób - powiedzmy, sortowanie danych według daty, a nie ilości - programiści musieliby stworzyć zupełnie nowy raport. Przeniesienie tych procesów do trybu online oznaczało, że użytkownicy raportu mogli najpierw zobaczyć dane na komputerze lub terminalu, wprowadzić potrzebne zmiany w raporcie, a następnie wydrukować raport. OLAP w rzeczywistości przenosi ten proces o krok dalej niż zwykła zabawa z raportami online. Umożliwia użytkownikom bezpośrednie dotarcie do danych - zmieniając zapytania w locie, zmieniając perspektywy, dostosowując zakres danych. Przed OLAP analiza była czymś, co działo się poza komputerem. Usunięcie wszystkich tych pośrednich kroków z procesu pozwoliło zaoszczędzić czas i pieniądze, a (co najważniejsze) ludzie uważali, że to naprawdę fajne.
Powrót

07.02.2021

Analiza wielowymiarowa

Środowisko danych i raportowania OLAP różni się od tradycyjnego środowiska baz danych - głównie ze względu na sposób, w jaki dane są konceptualizowane i przechowywane. I nie mówimy o umieszczaniu go na taśmach magnetycznych zamiast na dyskietkach (jak w XX wieku). W systemie OLAP użytkownicy pracują z danymi w postaci wymiarowej, a nie relacyjnej. Chleb i masło OLAP to wielowymiarowe dane. Nie martw się teraz o geometrię (ani o to, jak dopasujesz takie dane do tabeli). Niektórzy ludzie wariują na punkcie wymiaru słowa, ponieważ myślą, że oznacza to, że muszą zrozumieć teorię szczególnej teorii względności Einsteina i kontinuum czasoprzestrzenne. Na razie pamiętaj tylko, że wymiar to nic innego jak sposób kategoryzowania danych. Wartość A w OLAP nie jest zwykłą analizą starą - jest konkretnie ilościowa - oparta raczej na starych, dobrych liczbach niż jakościowa. Oprogramowanie OLAP jest przeznaczone do pracy z danymi liczbowymi. Dlatego większość przykładów, które zobaczysz, dotyczy rachunkowości, finansów lub innych trudnych zagadnień związanych z obliczeniami
Powrót

08.02.2021

Samotne liczby

W istocie dokumentacja finansowa i dane dotyczące sprzedaży to tak naprawdę tylko liczby - ceny, koszty, marże, zamówione ilości i okresy. Lista liczb nic nie znaczy, chyba że wiesz coś o tym, co te liczby reprezentują. Tym, co sprawia, że liczby są znaczące (i dostępne do analizy) są szczegóły: ich opisy i kwalifikatory. Jeśli zobaczysz liczbę w rozległej tabeli, niewiele to dla ciebie znaczy bez kontekstu dostarczonego przez tytuł tabeli (lub wykres lub wykres) oraz nazwy i elementy osi.
Powrót

09.02.2021

Dane jednowymiarowe

Rozważ tabelę o tytule "Dane sprzedaży" z pionową osią oznaczoną "Region" - i od razu możesz zacząć wyciągać wnioski biznesowe, tak jak poniżej.

Jednowymiarowa tabela
Roczne dane dotyczące sprzedaży
Region : Kwota


Północno-wschodni : 45 091 $
Południowy wschód : 73 792$
Centralny : 88.122 $
Zachodni : 63.054 $
RAZEM: 270 059 USD

Chociaż dane są (oczywiście) wyświetlane w dwóch wymiarach (poziomym i pionowym), w terminologii OLAP są to dane jednowymiarowe. Innymi słowy, patrzymy na dane dotyczące sprzedaży z jednej konkretnej perspektywy (lub wymiaru): w tym przypadku według regionu. Ponieważ firmy zwykle rejestrują wiele informacji o każdej pojedynczej transakcji sprzedaży, prawdopodobnie można spojrzeć na tę samą partię transakcji w inny sposób. Tabela druga przedstawia te same podstawowe dane dotyczące sprzedaży w innym wymiarze: według rodzaju produktu. Łączna kwota sprzedaży jest identyczna z sumą w tabeli sprzedaży według regionów, ponieważ do obliczenia obu są używane dokładnie te same transakcje. Patrzymy na to tylko w podziale na typy produktów, a nie regiony.

Te same dane z nieco innego kierunku
Roczne dane dotyczące sprzedaży
Produkt : Ilość


Gizmo : 88.697 $
Widget : 181,362 $
RAZEM: 270 059 USD

Innym ważnym czynnikiem w analizie OLAP jest czas, więc przyjrzyjmy się, jak wyglądają dane dotyczące sprzedaży w wymiarze czasu. Tabela poniższa przedstawia te same transakcje bazowe w podziale na kwartały kalendarzowe:

Jeszcze inne spojrzenie na dane sprzedażowe
Roczne dane dotyczące sprzedaży
Kwartał : Kwota


Q1 : 55887 USD
Q2 : 87.659 $
Q3 :23,598 $
Q4 : 102,915 $
RAZEM: 270 059 USD


Powrót

10.02.2021

Nakrywać do stołu

Uruchamiając raporty przedstawiające rozbicie rocznych danych o sprzedaży według regionu, produktu i kwartału, wiemy, jaka jest łączna wielkość sprzedaży - i możemy rozpoznać, który z tych wymiarów przedstawia siłę i słabość sprzedaży. Ale skąd idziemy, to inna historia. Jedną z opcji jest połączenie dwóch wymiarów w tabeli, takiej jak poniżej :

Połączenie dwóch wymiarów danych
Roczne dane dotyczące sprzedaży
Produkt

Quarter : Gizmo : Widget : Ogółem

Q1 : 23199 USD : 32688 USD : 55887 USD
Q2 : 24 798 USD 62 861 USD 87 659 USD
Q3 : 14.555 $ : 9.043 $ : 23.598 $
Q4 : 26.145 $ : 76.770 $ : 102.915 $
SUMA : 88.697 $ : 181.362 $ : 270.059

Mając dane dwuwymiarowe, możesz zacząć myśleć o wymiarach jako o rodzaju układu współrzędnych. Z ćwiartkami na osi pionowej i typem produktu na osi poziomej, każda unikalna para wartości tych dwóch wymiarów odpowiada pojedynczemu punktowi danych. Na przykład wiemy, że sprzedaż widgetów w drugim kwartale wyniosła 24 798 USD. Okej, nie zwichnijmy ramion i nie poklepujmy się po plecach z powodu tego "przełomu" - tabele pochodzą z epoki kamienia łupanego jako sposób na przechowywanie danych dwuwymiarowych. Każda aplikacja do obsługi arkuszy kalkulacyjnych może z łatwością obsługiwać dane w tabeli. Ale pamiętaj: mamy również dane regionalne, więc jak możemy uwzględnić te informacje tutaj? Jednym ze sposobów byłoby utworzenie serii dwuwymiarowych tabel. Mogliśmy mapować dane dotyczące sprzedaży regionalnej według kwartału, a także dane dotyczące sprzedaży regionalnej według rodzaju produktu. Ale to niekoniecznie prowadzi nas tam, gdzie ostatecznie chcemy się udać.
Powrót

11.02.2021

Widzenie w 3-D

Dla analityka lub menedżera szczególnie pomocna byłaby możliwość zobaczenia wszystkich wymiarów - regionalnych, kwartalnych i według typu produktu - na tej samej tabeli w tym samym czasie. Ale ponieważ arkusze kalkulacyjne i tabele renderują wszystkie informacje w dwóch wymiarach przestrzennych, musimy tak skonfigurować naszą tabelę, aby poradziła sobie z dodatkową złożonością. W tabeli 5-5 szczegółowo przeanalizowaliśmy dane dotyczące sprzedaży. Poszczególne punkty danych z naszych oryginalnych trzech jednowymiarowych tabel są teraz sumami pośrednimi na krawędziach tej samotnej trójwymiarowej tabeli. Widzenie w 3-D Analityk lub menedżer uznałby za szczególnie pomocne, gdyby był w stanie zobaczyć wszystkie wymiary - regionalne, kwartalne i według rodzaju produktu - na tej samej tabeli w tym samym czasie. Ale ponieważ arkusze kalkulacyjne i tabele renderują wszystkie informacje w dwóch wymiarach przestrzennych, musimy tak skonfigurować naszą tabelę, aby poradziła sobie z dodatkową złożonością.
Powrót

12.02.2021

Poza trzecim wymiarem

Nie ma (teoretycznie) ograniczenia liczby wymiarów, których możesz użyć do opisania danych. Wszystko zależy od tego, jakie informacje przechwytują Twoje systemy operacyjne i transakcyjne - i jak bardzo szczegółowy ma być obraz. Na przykład system CRM Twojej firmy może również zawierać dane dotyczące określonych przedstawicieli handlowych. System księgowy mógłby prawdopodobnie podzielić wymiar czasu na miesiące, tygodnie i dni. Oprogramowanie, którego używasz, ma praktyczne ograniczenia. Przechowywanie wielowymiarowych danych i manipulowanie nimi wymaga dużej ilości zasobów; wymaga dużo przetwarzania liczb. Dlatego powinieneś upewnić się, że aplikacja OLAP, z którą pracujesz, pasuje do twojego modelu danych. Chociaż wiele oznacza więcej niż jeden, wielowymiarowość w świecie OLAP zwykle odnosi się do danych, które można opisać w trzech lub więcej wymiarach (tak jak w naszym wcześniejszym przykładzie, w którym masz dane dotyczące sprzedaży według czasu, produktu i regionu). Aplikacje OLAP z pewnością mogą obsługiwać dane dwuwymiarowe, ale jednym z głównych powodów, dla których warto ich używać, jest przetwarzanie informacji, których nie można łatwo wygenerować za pomocą tabeli. Dane wyjściowe lub wyniki interaktywnej sesji z danymi OLAP to często jedno- lub dwuwymiarowy widok danych. OLAP daje analitykowi swobodę przeglądania informacji z różnych punktów widzenia i na różne sposoby. Po rozszczepieniu i uporządkowaniu wielowymiarowych danych analityk znajdzie lub obliczy podstawowe dane i umieści je w formie tabelarycznej.

Hierarchia danych

Dane OLAP są wyświetlane w kategoriach wymiarów, ale niektóre wymiary są powiązane z innymi w postaci hierarchii. Jeśli spojrzysz na roczne dane liczbowe dotyczące ilości wysłanych produktów, jest to to samo, co zrobienie kwartalnych danych i zsumowanie ich; roczne liczby zajmują po prostu "wyższy" poziom w hierarchii abstrakcji - dają bardziej widok z lotu ptaka. Zarówno dane kwartalne, jak i roczne reprezentują wymiar czasowy danych dotyczących wysyłki - robią to po prostu na różnych poziomach szczegółowości (termin powszechny w kręgach OLAP oznacza szczegółowość). Dane wielowymiarowe prawie zawsze mają logiczną hierarchię z wieloma poziomami. Pomyślna analiza może nastąpić tylko wtedy, gdy użytkownik OLAP przegląda dane na poziomie hierarchicznym odpowiednim dla wykonywanej pracy. Na przykład, jeśli zespół analityków chciałby szukać wahań sprzedaży w sklepach w oparciu o pogodę na zewnątrz, musiałby zobaczyć informacje na pewnym poziomie szczegółowości lub analiza byłaby niemożliwa. Na przykład, gdyby mieli dane dotyczące sprzedaży w ujęciu rocznym, nie mieliby szczęścia; gdyby mieli dzienne dane o sprzedaży i patrzyli tylko na dane dotyczące sprzedaży krajowej, niewiele mogliby zrobić analizy (ponieważ przypuszczalnie pogoda jest inna w całym kraju). Ale gdyby mieli dane dotyczące sprzedaży na jednego przedstawiciela handlowego na godzinę, dane byłyby zbyt szczegółowe; trudno byłoby dostrzec większe trendy, których szukali. Hierarchie danych rodzą kilka innych ważnych koncepcji. Jeśli Twoja firma ma dwa różne systemy do śledzenia sprzedaży internetowej i sprzedaży w sklepie, te dwie liczby w systemie OLAP reprezentowałyby podrzędne wymiary całkowitej sprzedaży, wymiar nadrzędny. Dobre narzędzia OLAP umożliwiają łatwe przechodzenie w górę i w dół w hierarchii wymiarów do poziomu, który odpowiada zakresowi przeprowadzanej analizy.
Powrót

13.02.2021

Architektura OLAP

Systemy OLAP zasadniczo różnią się od innych form konceptualizacji danych, ponieważ obsługują dane w taki sam sposób, jak robią to ludzie podczas tworzenia raportów. Systemy te są przeznaczone do współpracy z innymi narzędziami architektury Business Intelligence. System OLAP zazwyczaj obejmuje dwie odrębne kategorie oprogramowania:

•  Kostka OLAP zawiera wielowymiarowe dane (Rysunek 5-1 pokazuje, jak odnoszą się one do reszty implementacji BI).
•  Narzędzia dostępu pozwalają użytkownikom tworzyć i przetwarzać informacje w postaci odpowiednie do analizy.
Aplikacje operacyjne przechowują dane w różnych systemach baz danych rozrzuconych po całej firmie. Informacje te są gromadzone we wspólnym środowisku hurtowni danych. System OLAP pobiera informacje z hurtowni danych i przechowuje je w łatwo zmienialnej, wielowymiarowej, hierarchicznej bazie danych zwanej kostką. Narzędzia dostępu OLAP następnie łączą użytkowników z danymi w kostce OLAP, aby pomóc im w tworzeniu wielowymiarowych raportów i analiz
Powrót

14.02.2021

Kostka OLAP

Tabela jest najpowszechniejszą reprezentacją danych liczbowych, ponieważ jest bardzo użyteczną i łatwo rozpoznawalną strukturą. Nadaje się również do dwuwymiarowego świata papieru i ekranów komputerów. Ale stoły są, cóż, płaskie. Dane firmowe są skomplikowane i wielopłaszczyznowe, co sprawia, że tabele mają ograniczoną wartość w przechowywaniu i przedstawianiu informacji. Wiemy, że naturalnym stanem tabeli jest wyświetlanie danych w jednym lub dwóch wymiarach - jako jednokolumnowa lista tabelaryczna lub macierz wierszowo-kolumnowa, która wykorzystuje pionowe i poziome wartości do reprezentowania kluczowych cech. Kiedy więc przychodzi czas na dodanie większej złożoności - w postaci dodatkowych wymiarów danych - tabele szybko tracą swoją użyteczność.
Powrót

15.02.2021

To jest struktura danych

Aby przechowywać dane wielowymiarowe, konceptualizujemy je jako sześcian, w którym każda z trzech osi reprezentuje inny wymiar tej samej informacji. Wersja kostki poprzedniego przykładu wyglądałaby jak Rysunek



Sześcian zawiera 32 komórki danych, podobnie jak narysowana przez nas trójwymiarowa tabela. Innym sposobem myślenia o tym jest to, że bierzemy dwa raporty 2D i układamy je jeden na drugim - w tym przypadku sprzedaż Gizmo według regionu i kwartału, na szczycie sprzedaży Widget według regionu i kwartału. Taka jest koncepcja sześcianu - ale jak to działa w prawdziwym życiu? W środowisku OLAP kostka to specjalnie zaprojektowany magazyn danych do obsługi wielowymiarowych danych podsumowujących. Jednak dane kostki nie są przechowywane w tabelach relacyjnych (zbudowanych w celu szybkiego przetwarzania transakcji), lecz w komórkach; jego struktura przypomina arkusz kalkulacyjny 3D.
Powrót

16.02.2021

Mówisz "wymiar" - mówię…

W języku OLAP wymiar odnosi się tylko do właściwości danych, a nie do kierunku w przestrzeni. Więc kiedy słyszysz rozmowę o sześcianie o 25 wymiarach, nie wywołuj bólu głowy, próbując to sobie wyobrazić. W rzeczywistości jest to tylko lista wyników sprzedaży, które można wykorzystać na wiele różnych sposobów. Podobnie kostka jest wygodnym terminem zastępczym dla dowolnej wielowymiarowej struktury danych. W końcu, jeśli dodasz wymiar do płaskiej, dwuwymiarowej tabeli, utworzysz sześcian. A ponieważ nie mamy słów na określenie żadnego kształtu poza trójwymiarowością, sześcian jest najbliższy, jaki możemy uzyskać. Niektórzy dostawcy używają terminu kostka jako ogólnego terminu opisującego wszystkie dane wielowymiarowe w środowisku OLAP; inni twierdzą, że ich oprogramowanie wykorzystuje wiele kostek naraz, po jednej dla każdego ogólnego podmiotu danych. Na przykład jeden dostawca może opisać system OLAP, w którym narzędzia uzyskują dostęp do kilku różnych kostek sprzedaży, magazynów itd. Ale inny sprzedawca może po prostu powiedzieć, że wszystkie narzędzia mają dostęp do kostki. Nie ma różnicy poza semantyką.
Powrót

17.02.2021

Narzędzia dostępu OLAP

Narzędzia dostępu OLAP to środowiska klienckie, które umożliwiają użytkownikom przekręcanie i przekształcanie danych kostki, a ostatecznie tworzenie znaczącej analizy biznesowej. Celem narzędzia dostępu OLAP jest prezentowanie użytkownikowi dużej ilości informacji w sposób, który pozwoli mu uzyskać wgląd w biznes, nie tracąc z oczu szerszego kontekstu tego, co robią. Oznacza to, że narzędzia muszą mieć następujące cechy:

•  Łatwość: Moneta oprogramowania OLAP dla użytkowników końcowych to łatwość obsługi. Oznacza to nie tylko możliwość szybkiego i intuicyjnego poruszania się po bardzo skomplikowanych układach danych, ale także sterowanie metodą "przeciągnij i upuść" oraz proste zarządzanie widokami danych i plikami.
•  Pięknie: wykrywanie anomalii może być kwestią przekształcenia rzeki liczb we właściwy rodzaj wizualizacji. Najlepsze narzędzia będą miały również wiele opcji tworzenia wykresów, wykresów i raportów.
•  Inteligentne: użytkownicy muszą być w stanie dostroić narzędzie dostępu OLAP do odpowiednich rodzajów zadań. Oznacza to inteligentne funkcje wyszukiwania i solidne możliwości analizy, które pomagają użytkownikowi identyfikować trendy lub tworzyć prognozy.
We wczesnych dniach OLAP dostawcy pakowali swoje kostki i narzędzia dostępu do jednego pakietu pseudo-klient-serwer; istniały dwie różne aplikacje, które należało wdrożyć razem. Takie podejście jest nadal powszechne, ale wiele firm specjalizuje się w jednej lub drugiej aplikacji, tworząc swoje oprogramowanie do współpracy z oprogramowaniem innych firm
Powrót

18.02.2021

Co naprawdę potrafi OLAP

Zapytaj kogoś, co możesz zrobić z kostką OLAP, a prawdopodobnie natychmiast powróci do starego, znużonego frazesu typu plasterek i kostka; mogą nawet rzucić na ciebie żart Veg-o-Matic, jeśli przekroczyli określony wiek (i pamiętają te stare reklamy telewizyjne z dawnych czasów). OK, pomijając tanie żarty, na danych w systemie OLAP możesz podejmować określone działania, których nie możesz wykonywać w innych środowiskach:

•  Konsolidacja: to kolejne słowo określające zwijanie danych na kolejny wyższy poziom abstrakcji. Na przykład biura sprzedaży można połączyć w dzielnice, a okręgi w regiony lub złożone wyrażenia, które łączą powiązane dane.
•  Drążenie danych: dzięki aplikacjom OLAP nie patrzysz tylko na statyczny raport. Nie jesteś też zmuszony przeglądać 1000 różnych raportów dotyczących różnych obszarów działalności. OLAP umożliwia przeglądanie danych w naturalny, intuicyjny sposób. Widzisz punkt danych, o którym potrzebujesz więcej informacji? Kliknij - oprogramowanie zmieni orientację widoku wokół tej informacji. Rozważ nasz trójwymiarowy raport sprzedaży przedstawiający sumy częściowe według kwartału, typu produktu i regionu. Kliknięcie na jedną z liczb sprzedaży może spowodować wyświetlenie widoku poszczególnych transakcji. Kliknięcie kategorii produktu może otworzyć szczegółowe informacje o sprzedaży w tej kategorii. Wiercenie OLAP pozwala przejść bezpośrednio do potrzebnych informacji.
•  Obliczenia: formalne słowo określające obliczanie liczb. Ponieważ OLAP koncentruje się zwykle na ogromnych ilościach danych liczbowych, aplikacje mają wbudowane funkcje matematyczne, które pomagają użytkownikom przekształcić więcej surowych danych w mniej surowe dane. Na przykład, jeśli hurtownia danych zawiera dane dotyczące sprzedaży i kosztów produkcji, można uwzględnić dane pochodne w raporcie końcowym, który przedstawia marże zysku.
• Pivoting: jeśli pracowałeś z tabelą przestawną w Excelu, znasz wartość możliwości przeglądania danych lub raportu z różnych perspektyw. Jeśli nie znasz się na tabelach przestawnych, czytaj dalej.

Słowo o tabelach przestawnych

Przykład z poprzedniej sekcji pokazuje, że dość łatwo jest przedstawić trzy wymiary na tabeli - ale był to stosunkowo prosty przykład. Wyobraź sobie, że istnieje 18 regionów zamiast 4 lub gdybyś chciał spojrzeć na sprzedaż w każdym dniu roku, a nie na czterech kwartałach. I dla każdego nowego wymiaru, który dodajesz do tabeli, musisz dodać tyle nowych komórek osadzonych w tabeli, ile jest elementów w tym wymiarze. Na przykład załóżmy, że chcesz zbadać wymiar kanałów sprzedaży - i podzielić dane dotyczące sprzedaży regionalnej, produktowej i kwartalnej w zależności od tego, czy sprzedaż produktów odbywa się w sklepach firmowych czy franczyzowych. Trzeba by dodać dwie komórki do każdej, która istnieje w tabeli w tej chwili - jedną dla sklepów firmowych i jedną dla franczyz. Microsoft Excel oferuje dobre narzędzie analityczne do rutynowej analizy wielowymiarowej w postaci tabel przestawnych. Tabele przestawne są tworzone z surowych danych wymiarowych (w przeciwieństwie do danych relacyjnych); użytkownicy mogą projektować i modyfikować swoje tabele, przeciągając i upuszczając określone wymiary na dwóch osiach tabel. Załóżmy, w naszym poprzednim przykładzie, że uważasz, że bardziej sensowne jest umieszczenie wymiaru czasu wzdłuż osi poziomej zamiast na osi pionowej. Wystarczy kliknąć ekran projektu, który umożliwi przeciągnięcie reprezentacji wymiaru czasu na oś poziomą. Następnie Excel przeliczyłby wszystkie pola, aby dopasować je do nowej perspektywy danych. Użytkownicy często uważają, że tabele przestawne są przydatne do pracy z danymi OLAP. Dzieje się tak, ponieważ tabela przestawna jest spójnym sposobem zobrazowania ogólnej wielowymiarowej natury OLAP, a obie te elementy dobrze ze sobą współgrają, nawet jeśli tabela przestawna nie jest tym samym, co kostka OLAP.
Powrót

19.02.2021

Tylko członkowie

OLAP ma swój własny, specyficzny leksykon, z którym musisz się zapoznać, jeśli wykonujesz jakąkolwiek pracę z wielowymiarową analizą i raportowaniem. Różni dostawcy lub konsultanci komplikują sprawy, używając własnych zastrzeżonych glosariuszy, które mogą nie odpowiadać glosariuszom innych osób. Niemniej jednak, oto kilka typowych terminów odnoszących się do najczęściej spotykanych pojęć OLAP:

•  Atrybut: opisowy szczegół lub sposób podziału lub kategoryzacji wymiarów. W pewnym sensie atrybuty są elementami wymiarów. Na przykład, jeśli przechowujesz sprzedaż w środowisku wielowymiarowym, wymiarami mogą być czas, produkt i lokalizacja. Każdy z trzech wymiarów ma atrybuty, które go opisują; atrybutami produktu mogą być "nazwa produktu", "typ produktu", "rodzina produktów" i "identyfikator produktu". Atrybuty często mają również znaczące hierarchie; można utworzyć wielowymiarową tabelę, tak aby niektóre rodziny produktów łączyły się w jeden typ produktu. Wymiar czasu składa się z "miesiąca", "kwartału" i "roku", które są ze sobą powiązane w sposób znany każdemu.
•  Komórka: pojedynczy punkt danych - na przykład 5439 USD - identyfikowalny przez układ współrzędnych. Tabela składa się z osi i wielu komórek.
•  Miara: pomyśl o tytule swojego raportu jako o długiej wersji pomiaru - ogólnym opisie tego, co dzieje się w tabeli. Miara zwykle odpowiada opisowi tego, co reprezentują komórki (punkty danych). W naszym przykładzie punkty danych były liczbami w dolarach reprezentującymi dzienną sprzedaż według sklepu; miarą byłaby po prostu "sprzedaż". Czasami widzisz, że słowo "miara" znaczyło mniej więcej tyle samo, co "fakt". Z technicznego punktu widzenia istnieją pewne subtelne różnice między miarą a faktem, ale aby zrozumieć podstawy OLAP, zwykle dobrze jest traktować te dwa terminy jako synonimy.
•  Członek: jeden dyskretny element w wymiarze. W poprzednim przykładzie wymieniliśmy sklepy według numerów wzdłuż osi poziomej tabeli; dowolny sklep (na przykład Sklep nr 49) jako element wymiaru "lokalizacja".
Powrót

20.02.2021

Pamiętaj o kryteriach Wielkiej Czwórki BI

Pomyśl przez chwilę o podstawowych cechach analizy biznesowej. Niezależnie od tego, w jaki sposób je uzyskasz, jakie aplikacje są używane i jakie akronimy są używane, potrzebujesz informacji, które są aktualne, dokładne, wartościowe i wykonalne. Oto jak te kryteria wyglądają z perspektywy OLAP:

•  Terminowość: Manipulowanie danymi w nowoczesnym systemie OLAP to znacznie szybszy sposób tworzenia odpowiednich danych biznesowych i prezentowania ich w intuicyjny, inteligentny sposób niż wykonywanie zapytań i składanie danych z relacyjnej bazy danych.
•  Dokładność: wielowymiarowe dane zapewniają nie tylko zwykłą dokładność; możesz to prześledzić. Możesz natychmiast zagłębić się w dowolną komórkę i dowiedzieć się, jakie są jej składowe elementy danych. W raporcie OLAP, który pokazuje na przykład kwartalne dane dotyczące sprzedaży, możesz przejść do szczegółów i przeglądać miesięczne, tygodniowe i dzienne informacje, zgodnie z potrzebami.
•  Wysoka wartość: mimo że system OLAP obsługuje dane wielowymiarowe, to wciąż te same informacje, które są przechowywane w systemach transakcyjnych. Korzystając z OLAP, możesz wykonywać zaawansowane operacje na danych i analizować je na prawie wszystkich danych przechowywanych w przedsiębiorstwie. Oznacza to, że możesz szybko poruszać się po danych, które nie mają znaczenia, aby dostać się do danych, które mają znaczenie. A gdy łatwiej jest uzyskać dane o wysokiej wartości, prawdopodobnie pojawią się cenne spostrzeżenia.
•  Możliwość działania: w tym miejscu Twój system OLAP naprawdę zarabia. Twój system OLAP jest szczególnie dobry we wspomaganiu analizy, umożliwiając wykreślanie precyzyjnych trendów i monitorowanie działań. Oznacza to, że analitycy mogą zalecić natychmiastowe działania, aby wykorzystać sytuację lub zapobiec pogorszeniu się problemu.
Powrót

21.02.2021

Zespół wiertniczy: Praca z danymi wielowymiarowymi

Użytkownicy zyskują większą użyteczność dzięki aplikacjom do raportowania i analizy, gdy mogą eksplorować dane w locie. Typowy głupi raport to po prostu lista liczb, tabela lub seria tabel. OLAP łączy wszystkie dane na różnych poziomach w systemie, a następnie daje użytkownikom do nich dostęp. Jeśli chcesz tylko spróbować zupy, możesz się na tym zatrzymać. Ale OLAP pozwala zobaczyć przepis i spróbować każdego składnika. Idąc w innym metaforycznym kierunku, jeśli lubisz zupę i chcesz zobaczyć ją w kontekście pełnego posiłku, OLAP nakryje do stołu i zaserwuje Ci sałatkę i smaczny stek. Ponieważ wymiary danych OLAP są zwykle uporządkowane według hierarchii, ważne jest, aby użytkownicy mieli możliwość przechodzenia w górę lub w dół różnych poziomów, zgodnie z wymaganiami ich pracy. To pozwala im uzyskać szczegółowe informacje i ustalić odpowiedni poziom szczegółowości do wykonania obowiązkowej analizy. OLAP określa te możliwości wiercenia manewrowości. Przeglądanie części składowych punktu danych nazywa się drążeniem w dół. Pozwala to uzyskać bardziej szczegółowe informacje biznesowe. Jeśli badasz, w jaki sposób punkt danych łączy się w szersze liczby i obliczenia, to poszerzasz zakres. Przeglądanie powiązanych danych nazywa się przewiercaniem - metaforą poruszania się na boki zamiast w pionie.
Powrót

22.02.2021

Uzyskiwanie wglądu dzięki analizie szczegółowej

Większość użytkowników rozpoczyna analizę od danych o szerokim zakresie, a stamtąd przechodzi do bardziej szczegółowych poziomów, gdy widzą anomalne dane lub interesujące trendy. Jest to proces przechodzenia do szczegółów, podstawowe narzędzie w środowisku użytkownika OLAP. Dokładniej mówiąc, drążenie w dół polega na przechodzeniu przez hierarchię danych do następnego (bardziej szczegółowego) poziomu szczegółowości.
Powrót

23.02.2021

W innym kierunku: analiza szczegółowa

Podobnie jak w przypadku analizy szczegółowej, użytkownik może również skorzystać z hierarchicznej natury danych wielowymiarowych, patrząc na większe grupy danych - również za pomocą jednego kliknięcia. Nazywa się to drążeniem w raporcie. Drążenie efektywnie przenosi bardziej szczegółowe poziomy hierarchii danych na wyższy poziom i konsoliduje (zwija) ich sumy danych. Jeśli użytkownik w poprzednim przykładzie chciał zobaczyć dane z lotu ptaka, mógłby drążyć dane z tabeli kwartalnej i wyświetlić (powiedzmy) całkowitą roczną produkcję (czyli łączne sumy kwartalne).
Powrót

24.02.2021

Dotarcie do źródła: drążenie wszerz

Za każdym elementem wielowymiarowych danych kryje się wiele - czasem miliony wierszy informacji źródłowych. Kostka OLAP agreguje te dane i przekształca je w wielowymiarową formę, którą widzisz w narzędziach frontonu OLAP. Ale co, jeśli musisz wrócić i spojrzeć na oryginalne dane źródłowe? Jeśli kiedykolwiek marzyłeś o przechodzeniu przez ściany, oto Twoja szansa: możliwości drążenia wszerz. Drążenie wszerz umożliwia analitykom poruszanie się między widokiem tabeli OLAP a danymi źródłowymi. Załóżmy na przykład, że dealer samochodowy ma moduł OLAP, który zapewnia natychmiastową analizę i raportowanie - ale w procesie tworzenia rocznego raportu sprzedaży dla grupy właścicielskiej kierownik partii zauważa, że marże na pewnym modelu samochodu są znacznie niższe niż w przypadku innych modeli. W takim przypadku drążenie do bardziej szczegółowych poziomów hierarchii danych nie pomoże. Informacje, które są naprawdę potrzebne, to same poszczególne transakcje - a dane są przechowywane w relacyjnych bazach danych systemów operacyjnych. Narzędzia dostępu OLAP, które mogą drążyć te bazy danych (na tym samym poziomie szczegółowości), zapewniają użytkownikowi szybki i bezproblemowy dostęp do transakcji źródłowych, które składają się na agregacje pokazane w kostce OLAP. Dlaczego więc nie przechowywać wszystkich wielowymiarowych danych w relacyjnej bazie danych? Cóż, jest kilka naprawdę dobrych powodów, aby tego nie robić - i mają one związek z różnicą między OLAP i OLTP, szczegółowo opisaną w następnej sekcji.
Powrót

25.02.2021

OLAP a OLTP

Powodem budowania bazy danych OLAP jest to, że doskonale sprawdza się tam, gdzie zwykłe relacyjne bazy danych nie radzą sobie tak dobrze. Warto zapamiętać, na czym polega system OLTP. W codziennych czynnościach, takich jak prowadzenie działu księgowości czy call center, prawie każda firma korzysta z transakcyjnych baz danych. Systemy transakcyjne są zbudowane w celu wykonywania działań na danych na kilka podstawowych sposobów:

•  Szybko: systemy transakcyjne muszą umożliwiać swoim użytkownikom szybkie odczytywanie, zapisywanie i usuwanie danych. Na przykład wyobraź sobie system punktów sprzedaży (POS) dużego sprzedawcy detalicznego, w którym wewnętrzna baza danych musi umożliwiać szybkie, jednoczesne przetwarzanie transakcji podobnych do kas fiskalnych. Za każdym razem, gdy klient kupuje gumę, kasjer skanuje kod paskowy gumy, uzyskuje dostęp do bazy danych oraz pobiera informacje o cenie i produkcie. Następnie system dodaje zapis końcowego zakupu - wszystko na tyle szybko, aby klient wyszedł z domu przy minimalnym czasie oczekiwania.
•  W ogromnych ilościach: oprócz szybkiego działania, systemy transakcyjne muszą być w stanie obsłużyć miliardy wierszy danych. Wyobraź sobie system zapasów dla międzynarodowego przedsiębiorstwa z setkami magazynów na całym świecie. Każde dodanie, usunięcie i zmiana zawartości magazynu musi być odnotowane w bazie danych.
•  W czasie rzeczywistym: systemy transakcyjne działają w sposób mniej lub bardziej ciągły, natychmiast reagując na działania użytkownika i przetwarzając transakcje na żądanie.

Systemy transakcyjne, które obsługują podstawowe operacje firmy, nazywane są systemami przetwarzania transakcji online lub OLTP. Mimo że oprogramowanie ERP zapewnia pewną jedność w aplikacjach i danych zaplecza, większość dużych firm musi obsługiwać różnorodne systemy OLTP, aby wspierać codzienne operacje
Powrót

26.02.2021

Analiza różnych stylów i architektury OLAP

Wielowymiarowe podejście do danych może być przydatne w różnych rodzajach architektur. Niestety wymaga to kolejnej porcji zupy alfabetycznej (jakbyś już nie był wystarczająco pełny).

MOLAP: wielowymiarowy OLAP

MOLAP - wielowymiarowe przetwarzanie analityczne online - to architektura oparta na kostkach. Jest to wersja OLAP stworzona z myślą o szybkości: MOLAP przechowuje dane w strukturach logicznych specjalnie skonstruowanych w celu przyspieszenia wyszukiwania; są one niezależne od systemu relacyjnych baz danych (RDBMS). Pomimo nieatrakcyjnego akronimu, jest to opisywana do tej pory tradycyjna architektura kostki. M dla wielowymiarowości oznacza po prostu, że w środowisku MOLAP struktura kostki znajduje się jako warstwa między narzędziami dostępu OLAP a relacyjną bazą danych.

Dawne czasy MOLAP-u

OLAP wywodzi się z lat 70. XX wieku, kiedy model relacyjnej bazy danych zaczął zdobywać przyczółek w społeczności programistów. Inżynier IBM o nazwisku Ken Tomlinson opracował język wysokiego poziomu o nazwie APL (można by się spodziewać, że oznacza coś technicznego i ważnego, ale APL był tak naprawdę tylko językiem programowania). APL był radykalny, ponieważ zawierał wbudowane funkcje do obsługi wielowymiarowej dane. APL to w równym stopniu matematyka, co informatyka. Stare powiedzenie "To dla mnie greckie" odnosiło się (dosłownie iw przenośni) do APL; wiele z jego operatorów programistycznych było literami alfabetu greckiego, co utrudniało kodowanie na standardowej klawiaturze i systemie opartym na ASCII. Jednak APL wzbudził pewne zainteresowanie podejściem wielowymiarowym. Chociaż relacyjne bazy danych stały się znacznie bardziej rozpowszechnione, przodek OLAP nadal ewoluował w cieniu dzięki produktom takim jak TM1, wczesna aplikacja arkusza kalkulacyjnego. Istniały również firmy zajmujące się analizą i raportowaniem, takie jak Comshare and Information Resources (IRI), które tworzyły bazy danych o wielu cechach wielowymiarowych.

MOLAP w czasach współczesnych

Systemy oparte na MOLAP zaczęły trafiać do głównego nurtu w 1992 roku wraz z wydaniem produktu Arbor Software (później Hyperion) Essbase, który IBM później zintegrował z produktem relacyjnych baz danych DB / 2. Następnie Oracle (800-funtowy goryl świata baz danych) kupił produkt IRI z zamiarem przekształcenia go w spakowaną warstwę ich tradycyjnego produktu relacyjnego. Mniej więcej w tym czasie powstał termin OLAP, często przypisywany dr E.F. Coddowi, najlepiej znanemu jako ojciec relacyjnej bazy danych. Inne produkty OLAP pojawiły się na rynku w latach 90. - Cognos Powerplay, SAP BW i wczesne wersje usług Microsoft Analysis Services - z których każdy nadal zajmuje ważną pozycję na rynku. Jeśli istnieje wada środowiska MOLAP (w porównaniu z innymi architekturami do analizy i raportowania), to jest to fakt, że MOLAP koniecznie obejmuje dodatkową warstwę - kostkę - a architektura jest już złożona. Wymaga specjalistycznej wiedzy wykraczającej poza to, co może zaoferować przeciętny administrator bazy danych.
Powrót

27.02.2021

ROLAP: relacyjny OLAP poprzez "normalne" bazy danych

Systemy RDBMS początkowo nie współpracowały dobrze z OLAP; zostały zaprojektowane do przetwarzania transakcji i wydajnego przechowywania danych, a nie do analizy i raportowania. Niemniej jednak (ku szokowi i konsternacji wielu tradycjonalistów OLAP) rasa OLAP, która jest całkowicie pozbawiona sześciennych - ROLAP (Relational OLAP) - wyłoniła się i nadal żyje i ma się dobrze. Zamiast prawnie zastrzeżonych wielowymiarowych baz danych, ROLAP emuluje warstwę kostki, wstawiając warstwę semantyczną między bazą danych a narzędziem użytkownika końcowego, które naśladuje działania kostki danych. Narzędzia dostępu OLAP uzyskują dostęp do warstwy semantycznej tak, jakby rozmawiały z kostką OLAP. Wadą jest oczywiście to, że relacyjne bazy danych nie były tradycyjnie ustrukturyzowane tak, aby obsługiwały dane w formacie wymiarowym. Gdy informacja przybiera więcej wymiarów i zwiększa złożoność hierarchiczną, wydajność jest opóźniona. Dziesięć lat temu po prostu nie było wystarczającej mocy obliczeniowej do obsługi takiego obciążenia - ale dzisiejsze relacyjne bazy danych są bardziej wydajne. Z drugiej strony, używanie ROLAP umożliwia firmom korzystanie z już zainstalowanej relacyjnej bazy danych (powiedzmy Oracle lub DB2). Co więcej, nie muszą zatrudniać ekspertów do budowania i utrzymywania wielowymiarowych kostek oraz integracji tego wszystkiego z systemem relacyjnym.
Powrót

28.02.2021

HOLAP: Czy nie możemy się wszyscy dogadać?

Istnieją mocne argumenty po obu stronach debaty ROLAP-versus-MOLAP. A akronim na tym się nie kończy. HOLAP (Hybrid OLAP) to próba połączenia tego, co najlepsze z obu światów. Na początku lat 90. konieczne było zdecydowane zaangażowanie się w jedną lub drugą technologię, ale obecnie dostawcy podjęli poważne kroki w celu zintegrowania najbardziej użytecznych funkcji obu światów. Produkty takie jak Microsoft SQL Server ze zintegrowanym pakietem usług Analysis Services oznaczają, że organizacje nie muszą wybierać ani ROLAP, ani MOLAP. To bardzo przypomina samochody hybrydowe dostępne obecnie na rynku. Po wszystkich pytaniach, czy kupić samochód elektryczny, producenci zakończyli debatę budując hybrydę. Kiedy kierowca potrzebuje mocy, stary, dobry, pożerający gaz, plujący spalinami silnik spalinowy V-8 ożywia się i wprawia samochód w ruch na autostradzie. Ale kiedy samochód jedzie, silnik benzynowy wyłącza się i ustępuje miejsca bardziej wydajnemu silnikowi elektrycznemu. Systemy HOLAP wykonują ten sam rodzaj sztuczek za zasłonami, co samochody hybrydowe, przełączając modalności tam iz powrotem poza zasięgiem wzroku użytkownika. Struktura kostki umożliwia obsługę dużej liczby wymiarów obejmujących wiele poziomów hierarchii. Zapewniają szybką wydajność i krótkie czasy odświeżania dla pracowników wykonujących analizy i tworzących złożone raporty. W międzyczasie systemy hybrydowe mogą polegać na oszczędzającej miejsce architekturze ROLAP, aby przechowywać większe ilości surowych danych, kierując tylko niezbędne informacje podsumowujące do kostki. A gdy użytkownik potrzebuje możliwości drążenia wszerz, aby zagłębić się w transakcje źródłowe, narzędzia dostępu OLAP mogą bezproblemowo współpracować bezpośrednio z systemem relacyjnym. I robią to wszystko, nie przyczyniając się do globalnego ocieplenia.
Powrót