نسخة أولاب. OLAP في الإدارة المالية

الهدف من عمل الدورة هو دراسة تقنية OLAP ومفهوم تنفيذها وهيكلها.

في العالم الحديث ، تتيح شبكات الكمبيوتر وأنظمة الحوسبة تحليل كميات كبيرة من البيانات ومعالجتها.

يؤدي وجود كمية كبيرة من المعلومات إلى تعقيد البحث عن حلول بشكل كبير ، ولكنه يجعل من الممكن الحصول على حسابات وتحليلات أكثر دقة. لحل هذه المشكلة ، هناك فئة كاملة من أنظمة المعلومات تقوم بالتحليل. تسمى هذه الأنظمة أنظمة دعم القرار (DSS) (DSS ، نظام دعم القرار).

لإجراء التحليل ، يجب أن يجمع نظام دعم القرار (DSS) المعلومات ، وأن يكون لديه وسائل إدخالها وتخزينها. في المجموع ، هناك ثلاث مهام رئيسية تم حلها في DSS:

· إدخال بيانات؛

· مخزن البيانات؛

· تحليل البيانات.

يتم إدخال البيانات في DSS تلقائيًا من أجهزة الاستشعار التي تميز حالة البيئة أو العملية ، أو بواسطة عامل بشري.

إذا تم إدخال البيانات تلقائيًا من أجهزة الاستشعار ، يتم تجميع البيانات بواسطة إشارة الاستعداد التي تظهر عند ظهور المعلومات أو عن طريق الاقتراع الدوري. إذا تم تنفيذ الإدخال بواسطة شخص ما ، فيجب عليهم تزويد المستخدمين بوسائل ملائمة لإدخال البيانات ، والتحقق منها للتأكد من صحة الإدخال ، وكذلك إجراء الحسابات اللازمة.

عند إدخال البيانات في وقت واحد من قبل العديد من المشغلين ، من الضروري حل مشاكل التعديل والوصول المتوازي لنفس البيانات.

يوفر DSS للمحللين بيانات في شكل تقارير وجداول ورسوم بيانية للدراسة والتحليل ، وهذا هو السبب في أن هذه الأنظمة توفر وظائف دعم القرار.

في الأنظمة الفرعية لإدخال البيانات التي تسمى OLTP (معالجة النقل المباشر) ، يتم تنفيذ معالجة البيانات التشغيلية. لتنفيذها ، يتم استخدام أنظمة إدارة قواعد البيانات التقليدية (DBMS).

يمكن بناء نظام التحليل الفرعي على أساس:

· الأنظمة الفرعية لتحليل استرجاع المعلومات على أساس نظم إدارة قواعد البيانات العلائقية والاستعلامات الثابتة باستخدام لغة SQL.

· النظم الفرعية للتحليل التشغيلي. لتنفيذ مثل هذه الأنظمة الفرعية ، يتم استخدام تقنية معالجة البيانات التحليلية عبر الإنترنت OLAP ، والتي تستخدم مفهوم عرض البيانات متعدد الأبعاد ؛

· النظم الفرعية للتحليل الفكري. يطبق هذا النظام الفرعي طرق وخوارزميات تنقيب البيانات.

من وجهة نظر المستخدم ، توفر أنظمة OLAP وسيلة لعرض مرن للمعلومات في شرائح مختلفة ، والحصول التلقائي على البيانات المجمعة ، وإجراء العمليات التحليلية للالتفاف ، والتفاصيل ، والمقارنة بمرور الوقت. بفضل كل هذا ، تعد أنظمة OLAP حلاً ذا مزايا كبيرة في مجال إعداد البيانات لجميع أنواع تقارير الأعمال ، بما في ذلك عرض البيانات في أقسام مختلفة ومستويات مختلفة من التسلسل الهرمي ، مثل تقارير المبيعات ، وأشكال مختلفة من الميزانيات ، و اخرين. تتمتع أنظمة OLAP بمزايا كبيرة لمثل هذا العرض التقديمي في أشكال أخرى من تحليل البيانات ، بما في ذلك التنبؤ.

1.2 التعريف OLAP-نظم

تسمى تقنية تحليل البيانات المعقدة متعددة المتغيرات OLAP. OLAP هو عنصر أساسي في مؤسسة HD.

يمكن تنفيذ وظائف OLAP بعدة طرق ، سواء كانت أبسطها ، مثل تحليل البيانات في التطبيقات المكتبية ، أو الأنظمة التحليلية الموزعة الأكثر تعقيدًا والتي تعتمد على منتجات الخادم.

OLAP (On-LineAnalyticalProcessing) هي تقنية لمعالجة البيانات التحليلية عبر الإنترنت باستخدام أدوات وطرق لجمع البيانات متعددة الأبعاد وتخزينها وتحليلها ودعم عمليات صنع القرار.

الغرض الرئيسي من أنظمة OLAP هو دعم الأنشطة التحليلية والطلبات التعسفية لمستخدمي التحليل. الغرض من تحليل OLAP هو اختبار الفرضيات الناشئة.

مخزن البياناتيتم تشكيلها على أساس لقطات من قواعد البيانات التشغيلية نظام معلوماتوربما مصادر خارجية مختلفة. تستخدم مستودعات البيانات تقنيات قواعد البيانات و OLAP وتحليل البيانات العميق وتصور البيانات.

الخصائص الرئيسية لمخازن البيانات.

• يحتوي على بيانات تاريخية
• يخزن المعلومات التفصيلية ، وكذلك البيانات المجمعة جزئيًا وكاملًا ؛
• البيانات ثابتة في الغالب ؛
• طريقة مخصصة وغير منظمة وإرشادية لمعالجة البيانات ؛
• كثافة متوسطة ومنخفضة لمعالجة المعاملات ؛
• طريقة غير متوقعة لاستخدام البيانات ؛
• مخصص للتحليل
• مركز على المناطق الخاضعة;
• دعم اتخاذ القرار الاستراتيجي ؛
• يخدم عددًا صغيرًا نسبيًا من المديرين التنفيذيين.

يستخدم المصطلح OLAP (المعالجة التحليلية عبر الإنترنت) لوصف نموذج عرض البيانات ، وبالتالي تقنية معالجتها في مستودعات البيانات. يستخدم OLAP طريقة عرض متعددة الأبعاد للبيانات المجمعة لتوفير وصول سريع إلى المعلومات الاستراتيجية للتحليل المتعمق. يجب أن تحتوي تطبيقات OLAP على الخصائص الأساسية التالية:

• متعدد الأبعاد عرض بيانات;
• دعم الحسابات المعقدة.
• الاعتبار الصحيح لعامل الوقت.

مزايا OLAP:

• الشروق إنتاجيةموظفي الإنتاج والمطورين برامج التطبيقات... الوصول في الوقت المناسب إلى المعلومات الاستراتيجية.
• توفير فرصة كبيرة للمستخدمين لإجراء تغييراتهم الخاصة على المخطط.
• تعتمد تطبيقات OLAP على ملفات مخزن البياناتوأنظمة OLTP التي تتلقى أحدث البيانات منها مما يسمح بالحفظ مراقبة النزاهةبيانات الشركة.
• تقليل الحمل على أنظمة OLTP و مخزن البيانات.

OLAP و OLTP. الخصائص والاختلافات الرئيسية

OLAP	OLTP
مخزن البياناتيجب أن تتضمن بيانات الشركة الداخلية والبيانات الخارجية	المصدر الرئيسي للمعلومات التي تدخل قاعدة البيانات التشغيلية هو أنشطة الشركة ، ولتحليل البيانات ، يلزم إشراك مصادر المعلومات الخارجية (على سبيل المثال ، التقارير الإحصائية)
حجم قواعد البيانات التحليلية هو على الأقل ترتيب من حيث الحجم أكبر من حجم القواعد التشغيلية. لتحليل موثوق به والتنبؤ في مخزن البياناتتحتاج إلى الحصول على معلومات حول أنشطة الشركة وحالة السوق لعدة سنوات	للمعالجة التشغيلية ، البيانات الخاصة بالأشهر القليلة الماضية مطلوبة
مخزن البياناتيجب أن تحتوي على المعلومات المقدمة بشكل موحد والمتفق عليها والتي تتطابق بشكل أفضل مع محتوى قواعد البيانات التشغيلية. هناك حاجة إلى مكون لاستخراج المعلومات و "تنظيفها" من مصادر مختلفة. تمتلك العديد من الشركات الكبيرة في الوقت نفسه العديد من أنظمة المعلومات التشغيلية مع قواعد بياناتها الخاصة (لأسباب تاريخية).	يمكن أن تحتوي قواعد البيانات التشغيلية على معلومات مكافئة لغويًا مقدمة في تنسيقات مختلفة ، مع إشارة مختلفة إلى وقت وصولها ، وأحيانًا متناقضة
من المستحيل التنبؤ بمجموعة الاستعلامات مقابل قاعدة بيانات تحليلية. مخزن البياناتموجودة للاستجابة لطلبات المحللين المخصصين. يمكنك الاعتماد فقط على حقيقة أن الطلبات لن تأتي كثيرًا وتتضمن كميات كبيرة من المعلومات. يحفز حجم قاعدة البيانات التحليلية استخدام الاستعلامات مع المجاميع (المجموع ، الحد الأدنى ، الحد الأقصى ، يعنيإلخ.)	يتم إنشاء أنظمة معالجة البيانات مع توقع حل مشكلات معينة. يتم اختيار المعلومات من قاعدة البيانات بشكل متكرر وفي أجزاء صغيرة. عادةً ما تكون مجموعة الاستعلامات الخاصة بقاعدة البيانات التشغيلية معروفة بالفعل أثناء التصميم.
مع التباين المنخفض لقواعد البيانات التحليلية (فقط عند تحميل البيانات) ، فإن ترتيب المصفوفات وطرق الفهرسة الأسرع لأخذ العينات الجماعية وتخزين البيانات المجمعة مسبقًا أمر معقول.	تعد أنظمة معالجة البيانات بطبيعتها شديدة التقلب ، والتي تؤخذ في الاعتبار في DBMS (بنية قاعدة البيانات الطبيعية ، يتم تخزين السلاسل بطريقة غير مرتبة ، B- الأشجار للفهرسة ، المعاملات)
تعد معلومات قاعدة البيانات التحليلية مهمة للغاية بالنسبة للشركة بحيث يلزم قدر كبير من الحماية (حقوق الوصول الفردية إلى صفوف و / أو أعمدة معينة في الجدول)	لأنظمة معالجة البيانات ، عادة ما تكون كافية حماية المعلوماتعلى مستوى الجدول

قواعد Codd لأنظمة OLAP

في عام 1993 ، نشرت Codd عملاً بعنوان OLAP للمستخدمين التحليليين: الطريقة التي ينبغي أن تكون. في ذلك ، حدد المفاهيم الأساسية للمعالجة التحليلية عبر الإنترنت وحدد 12 قاعدة يجب أن تلبيها المنتجات التي تتيح المعالجة التحليلية عبر الإنترنت.

1. عرض مفاهيمي متعدد الأبعاد. يجب أن يكون نموذج OLAP متعدد الأبعاد في جوهره. الرسم التخطيطي المفاهيمي متعدد الأبعاد أو العرض المخصص يسهل النمذجة والتحليل وكذلك الحساب.
2. الشفافية. يمكن للمستخدم الحصول على جميع البيانات الضرورية من جهاز OLAP ، دون معرفة مصدرها. سواء كان منتج OLAP جزءًا من أدوات المستخدم أم لا ، يجب أن تكون هذه الحقيقة غير مرئية للمستخدم. إذا تم توفير OLAP عن طريق الحوسبة من جانب الخادم العميل ، فيجب أن تكون هذه الحقيقة أيضًا ، إن أمكن ، غير مرئية للمستخدم. يجب تقديم OLAP في سياق بنية مفتوحة حقًا ، مما يسمح للمستخدم ، أينما كان ، بالاتصال بالخادم باستخدام أداة تحليلية. بالإضافة إلى ذلك ، يجب تحقيق الشفافية أيضًا عندما تتفاعل الأداة التحليلية مع بيئات قواعد البيانات المتجانسة وغير المتجانسة.
3. التوفر. يجب أن توفر OLAP الخاصة بها مخطط منطقيللوصول إلى بيئة قاعدة بيانات غير متجانسة وإجراء تحويلات مناسبة لتوفير البيانات للمستخدم. علاوة على ذلك ، يجب أن تفكر مسبقًا في مكان وكيفية ، وأنواع تنظيم البيانات المادية التي سيتم استخدامها بالفعل. يجب أن يصل نظام OLAP إلى البيانات المطلوبة فعليًا فقط ، ولا يطبق المبدأ العام لـ "قمع المطبخ" ، والذي يستلزم إدخالاً غير ضروري.
4. ثابت أداءعند تطوير التقارير. أداءيجب ألا تنخفض التقارير بشكل كبير مع الزيادة في عدد الأبعاد وحجم قاعدة البيانات.
5. بنية خادم العميل. يجب أن يكون المنتج ليس فقط عميل / خادم ، ولكن أيضًا أن يكون مكون الخادم ذكيًا بدرجة كافية بحيث يمكن للعملاء المختلفين الاتصال بأقل جهد وبرمجة.
6. تعدد الأبعاد العامة. يجب أن تكون جميع الأبعاد متساوية ، ويجب أن يكون كل بُعد متساويًا في الهيكل والقدرات التشغيلية. صحيح ، يُسمح بإمكانيات تشغيلية إضافية للأبعاد الفردية (على ما يبدو ، الوقت يعني ضمنيًا) ، ولكن يجب توفير هذه الوظائف الإضافية لأي بُعد. لا ينبغي أن يكون ذلك أساسيًا هياكل البياناتأو التنسيقات الحسابية أو إعداد التقارير كانت أكثر تحديدًا لأي بُعد واحد.
7. تحكم ديناميكي المصفوفات المتفرقة... يجب أن تقوم أنظمة OLAP بضبط مخططها المادي تلقائيًا بناءً على نوع النموذج وحجم البيانات وتناثر قاعدة البيانات.
8. دعم متعدد اللاعبين. يجب أن توفر أداة OLAP الإمكانات مشاركة(الطلب والتكملة) والنزاهة والأمن.
9. عمليات الانتقال غير المحدودة. يجب السماح بجميع أنواع العمليات لأي قياسات.
10. معالجة بديهية للبيانات. تم تنفيذ معالجة البيانات من خلال الإجراءات المباشرة على الخلايا في وضع العرض دون استخدام القوائم والعمليات المتعددة.
11. خيارات مرنة لإعداد التقارير. يجب وضع القياسات في التقرير بالطريقة التي يحتاجها المستخدم.
12. غير محدود

تفرض ظروف المنافسة العالية والديناميات المتزايدة للبيئة الخارجية متطلبات متزايدة لأنظمة إدارة المؤسسة. رافق تطوير النظرية والممارسة الإدارية ظهور أساليب وتقنيات ونماذج جديدة تهدف إلى تحسين كفاءة الأنشطة. الأساليب والنماذج بدورها ساهمت في ظهور النظم التحليلية. الطلب على الأنظمة التحليلية في روسيا مرتفع. هذه الأنظمة هي الأكثر إثارة للاهتمام من وجهة نظر التطبيق في القطاع المالي: البنوك ، أعمال التأمين ، شركات الاستثمار. تعتبر نتائج عمل الأنظمة التحليلية ضرورية في المقام الأول للأشخاص الذين يعتمد تطوير الشركة على قراراتهم: المديرين والخبراء والمحللين. تسمح الأنظمة التحليلية بحل مشاكل التوحيد والإبلاغ والتحسين والتنبؤ. حتى الآن ، لا يوجد تصنيف نهائي للأنظمة التحليلية ، كما لا يوجد نظام عام للتعريفات من حيث المصطلحات المستخدمة في هذا الاتجاه. يمكن تمثيل هيكل معلومات المؤسسة من خلال سلسلة من المستويات ، يتميز كل منها بطريقته الخاصة في معالجة المعلومات وإدارتها ، ولها وظيفتها الخاصة في عملية الإدارة. وبالتالي ، سيتم وضع الأنظمة التحليلية بشكل هرمي على مستويات مختلفة من هذه البنية التحتية.

طبقة أنظمة المعاملات

طبقة مستودع البيانات

طبقة مارت البيانات

مستوى OLAP - الأنظمة

طبقة التطبيق التحليلي

OLAP - الأنظمة - (المعالجة التحليلية عبر الإنترنت ، المعالجة التحليلية في الوقت الفعلي) - هي تقنية لتحليل البيانات المعقدة متعددة الأبعاد. OLAP - الأنظمة قابلة للتطبيق حيث توجد مهمة لتحليل البيانات متعددة العوامل. إنها أداة فعالة للتحليل وإنشاء التقارير. تم تصنيف مستودعات البيانات وسوق البيانات وأنظمة OLAP التي تمت مناقشتها أعلاه على أنها أنظمة ذكاء الأعمال (BI).

في كثير من الأحيان ، تكون أنظمة المعلومات والتحليل التي تم إنشاؤها مع توقع الاستخدام المباشر من قبل صانعي القرار سهلة الاستخدام للغاية ، ولكنها محدودة للغاية في الوظائف. يشار إلى هذه الأنظمة الثابتة في الأدبيات باسم نظم المعلومات التنفيذية (EIS). تحتوي على مجموعات محددة مسبقًا من الاستفسارات ، وبما أنها كافية للمراجعة اليومية ، فإنها غير قادرة على الإجابة على جميع الأسئلة حول البيانات المتاحة التي قد تنشأ عند اتخاذ القرارات. كقاعدة عامة ، تكون نتيجة عمل مثل هذا النظام تقارير متعددة الصفحات ، بعد دراسة متأنية لها لدى المحلل سلسلة جديدة من الأسئلة. ومع ذلك ، يجب أولاً وصف كل طلب جديد لم يتم توقعه في تصميم مثل هذا النظام ، وترميزه بواسطة المبرمج ، ومن ثم تنفيذه فقط. يمكن أن يكون وقت الانتظار في هذه الحالة ساعات وأيامًا ، وهو أمر غير مقبول دائمًا. وبالتالي ، فإن البساطة الخارجية لأنظمة DSS الثابتة ، التي يقاتل من أجلها معظم عملاء الأنظمة التحليلية للمعلومات ، تتحول إلى خسارة فادحة في المرونة.

من ناحية أخرى ، يركز نظام DSS الديناميكي على معالجة طلبات المحللين المخصصة للبيانات. تم النظر في المتطلبات الأكثر عمقًا لمثل هذه الأنظمة بواسطة E.F. Codd في المقالة التي وضعت الأساس لمفهوم OLAP. يعمل المحللون مع هذه الأنظمة في تسلسل تفاعلي من تكوين الاستفسارات ودراسة نتائجها.

لكن DSSs الديناميكية يمكن أن تعمل في أكثر من مجرد مجال المعالجة التحليلية عبر الإنترنت (OLAP) ؛ يمكن تنفيذ دعم اتخاذ قرارات الإدارة على أساس البيانات المتراكمة في ثلاثة مجالات أساسية.

مجال البيانات التفصيلية. هذا هو مجال معظم أنظمة استرجاع المعلومات. في معظم الحالات ، تقوم نظم إدارة قواعد البيانات العلائقية بعمل ممتاز مع المهام التي تنشأ هنا. المعيار المقبول عمومًا للغة معالجة البيانات العلائقية هو SQL. يمكن استخدام أنظمة استرجاع المعلومات التي توفر واجهة مستخدم نهائي في مهام البحث عن معلومات مفصلة كوظائف إضافية عبر قواعد بيانات منفصلة لأنظمة المعاملات وعبر مستودع بيانات مشترك.

نطاق الركام. نظرة شاملة على المعلومات التي تم جمعها في مستودع البيانات ، وتعميمها وتجميعها ، وتمثيل hypercube والتحليل متعدد الأبعاد هي مهام أنظمة معالجة البيانات التحليلية عبر الإنترنت (OLAP). هنا يمكنك إما التركيز على نظم إدارة قواعد البيانات متعددة الأبعاد الخاصة ، أو البقاء ضمن إطار التقنيات العلائقية. في الحالة الثانية ، يمكن جمع البيانات المجمعة مسبقًا في قاعدة بيانات على شكل نجمة ، أو يمكن تجميع المعلومات بسرعة أثناء مسح الجداول التفصيلية لقاعدة بيانات علائقية.

مجال الانتظام. تتم المعالجة الفكرية من خلال طرق استخراج البيانات (IAD ، تنقيب البيانات) ، وتتمثل مهامها الرئيسية في البحث عن الأنماط الوظيفية والمنطقية في المعلومات المتراكمة ، وبناء النماذج والقواعد التي تشرح الحالات الشاذة الموجودة و / أو التنبؤ تطوير بعض العمليات.

سرعة معالجة البيانات التحليلية

يعتمد مفهوم OLAP على مبدأ عرض البيانات متعدد الأبعاد. في مقال نشر عام 1993 من قبل EF Codd ، درس أوجه القصور في النموذج العلائقي ، أولاً وقبل كل شيء أشار إلى استحالة "الجمع بين البيانات وعرضها وتحليلها من منظور أبعاد متعددة ، أي بالطريقة الأكثر مفهومة لمحللي الشركات" ، وحدد المتطلبات العامة لأنظمة OLAP التي توسع وظائف DBMS العلائقية وتتضمن التحليل متعدد المتغيرات كأحد خصائصها.

تصنيف منتجات OLAP وفقًا لطريقة عرض البيانات.

يوجد حاليًا عدد كبير من المنتجات في السوق التي توفر وظائف OLAP بدرجة أو بأخرى. يتم سرد حوالي 30 من أشهرها في خادم الويب الخاص بالاستبيان http://www.olapreport.com/. من خلال توفير عرض مفاهيمي متعدد الأبعاد من واجهة المستخدم إلى قاعدة البيانات المصدر ، يتم تقسيم جميع منتجات OLAP إلى ثلاث فئات ، على غرار قاعدة البيانات المصدر.

تنتمي أقدم أنظمة المعالجة التحليلية عبر الإنترنت (على سبيل المثال ، Essbase من Arbor Software ، Oracle Express Server من Oracle) إلى فئة MOLAP ، أي أنها يمكن أن تعمل فقط مع قواعد البيانات متعددة الأبعاد الخاصة بها. وهي تستند إلى تقنيات نظم إدارة قواعد البيانات متعددة الأبعاد الملكية وهي الأغلى ثمناً. توفر هذه الأنظمة دورة كاملة من معالجة OLAP. وهي إما تتضمن ، بالإضافة إلى مكون الخادم ، واجهة العميل المتكاملة الخاصة بها ، أو تستخدم برامج جداول بيانات خارجية للتواصل مع المستخدم. لصيانة هذه الأنظمة ، يلزم وجود طاقم خاص من الموظفين لتثبيت النظام وصيانته وتشكيل تمثيلات البيانات للمستخدمين النهائيين.

تسمح لك أنظمة المعالجة التحليلية عبر الإنترنت (ROLAP) بتمثيل البيانات المخزنة في قاعدة بيانات علائقية في شكل متعدد الأبعاد ، مما يوفر تحويل المعلومات إلى نموذج متعدد الأبعاد من خلال طبقة بيانات وصفية وسيطة. أنظمة ROLAP مناسبة تمامًا للعمل مع مرافق التخزين الكبيرة. مثل أنظمة MOLAP ، فهي تتطلب صيانة كبيرة لتكنولوجيا المعلومات ومتعددة المستخدمين.

أخيرًا ، تم تصميم الأنظمة الهجينة (Hybrid OLAP ، HOLAP) لتجمع بين المزايا وتقليل العيوب الكامنة في الفئات السابقة. تتضمن هذه الفئة Media / MR الخاص بـ Speedware. وفقًا للمطورين ، فهو يجمع بين المرونة التحليلية واستجابة MOLAP مع الوصول المستمر إلى البيانات الحقيقية المتأصلة في ROLAP.

OLAP متعدد الأبعاد (MOLAP)

في نظم إدارة قواعد البيانات المتخصصة القائمة على تمثيل البيانات متعددة الأبعاد ، لا يتم تنظيم البيانات في شكل جداول علائقية ، ولكن في شكل مصفوفات متعددة الأبعاد مرتبة:

1) المكعبات المفرطة (يجب أن تحتوي جميع الخلايا المخزنة في قاعدة البيانات على نفس البعد ، أي أن تكون في الأساس الأكثر اكتمالا للقياسات) أو

2) polycubes (يتم تخزين كل متغير بمجموعة القياسات الخاصة به ، ويتم تحويل جميع صعوبات المعالجة المرتبطة إلى الآليات الداخلية للنظام).

يتميز استخدام قواعد البيانات متعددة الأبعاد في أنظمة المعالجة التحليلية عبر الإنترنت بالمزايا التالية.

في حالة استخدام نظام DBMS متعدد الأبعاد ، يكون البحث عن البيانات واختيارها أسرع بكثير من عرض مفاهيمي متعدد الأبعاد لقاعدة بيانات علائقية ، نظرًا لأن قاعدة البيانات متعددة الأبعاد غير منسقة ، وتحتوي على مؤشرات مجمعة مسبقًا وتوفر وصولاً محسنًا إلى الخلايا المطلوبة.

تتعامل نظم إدارة قواعد البيانات متعددة الأبعاد بسهولة مع مهام تضمين العديد من الوظائف المضمنة في نموذج المعلومات ، في حين أن القيود الموضوعية للغة SQL تجعل من الصعب جدًا وفي بعض الأحيان من المستحيل أداء هذه المهام على أساس نظم إدارة قواعد البيانات العلائقية.

من ناحية أخرى ، هناك قيود كبيرة.

لا تسمح نظم إدارة قواعد البيانات متعددة الأبعاد بالعمل مع قواعد البيانات الكبيرة. بالإضافة إلى ذلك ، بسبب عدم التطابق والتجميع الأولي ، فإن كمية البيانات في قاعدة بيانات متعددة الأبعاد ، كقاعدة عامة ، تتوافق (وفقًا لـ Codd) مع 2.5-100 مرة أقل من حجم البيانات التفصيلية الأصلية.

تستخدم نظم إدارة قواعد البيانات متعددة الأبعاد الذاكرة الخارجية بشكل غير فعال للغاية مقارنة بالذاكرة العلائقية. في الغالبية العظمى من الحالات ، يكون مكعب المعلومات متناثرًا للغاية ، وبما أن البيانات مخزنة في نموذج مرتب ، فلا يمكن إزالة القيم غير المحددة إلا عن طريق اختيار ترتيب الفرز الأمثل الذي يسمح لك بتنظيم البيانات في أكبر مجموعات متجاورة . ولكن حتى في هذه الحالة ، تم حل المشكلة جزئيًا فقط. بالإضافة إلى ذلك ، من المحتمل أن يكون ترتيب الفرز الأمثل لتخزين البيانات المتفرقة مختلفًا عن الترتيب الذي يتم استخدامه غالبًا في الاستعلامات. لذلك ، في الأنظمة الحقيقية ، يتعين عليك إيجاد حل وسط بين الأداء والتكرار في مساحة القرص التي تشغلها قاعدة البيانات.

لذلك ، فإن استخدام DBMS متعدد الأبعاد له ما يبرره فقط في ظل الشروط التالية.

حجم البيانات الأولية للتحليل ليس كبيرًا جدًا (لا يزيد عن عدة غيغابايت) ، أي أن مستوى تجميع البيانات مرتفع جدًا.

مجموعة أبعاد المعلومات مستقرة (نظرًا لأن أي تغيير في هيكلها يتطلب دائمًا إعادة هيكلة كاملة للمكعب الفائق).

وقت استجابة النظام للطلبات المخصصة هو أهم عامل.

مطلوب استخدام واسع النطاق للوظائف المضمنة المعقدة لإجراء عمليات حسابية متعددة الأبعاد على خلايا المكعب المفرط ، بما في ذلك القدرة على كتابة وظائف مخصصة.

OLAP العلائقية (ROLAP)

يتمتع الاستخدام المباشر لقواعد البيانات العلائقية في أنظمة المعالجة التحليلية عبر الإنترنت بالمزايا التالية.

في معظم الحالات ، يتم تنفيذ مستودعات بيانات الشركة باستخدام أدوات DBMS العلائقية ، وتتيح لك أدوات ROLAP إجراء التحليل مباشرة عليها. في الوقت نفسه ، لا يعد حجم التخزين معلمة مهمة كما هو الحال في MOLAP.

في حالة البعد المتغير للمشكلة ، عندما يتعين إجراء تغييرات في بنية القياس في كثير من الأحيان ، فإن أنظمة ROLAP ذات التمثيل الديناميكي للبعد هي الحل الأمثل ، حيث أن هذه التعديلات لا تتطلب إعادة تنظيم مادي قاعدة البيانات.

توفر أنظمة DBMS العلائقية مستوى أعلى بكثير من حماية البيانات وفرصًا جيدة للتمييز بين حقوق الوصول.

العيب الرئيسي لـ ROLAP مقارنة بنظام DBMS متعدد الأبعاد هو الأداء المنخفض. تتطلب الأنظمة العلائقية مخطط قاعدة بيانات دقيقًا وضبطًا للفهرس لتحقيق أداء مشابه لـ MOLAP ، مما يعني بذل الكثير من الجهد من جانب مسؤولي قواعد البيانات. فقط باستخدام المخططات النجمية يمكن أن يكون أداء الأنظمة العلائقية المضبوطة جيدًا قريبًا من أداء الأنظمة القائمة على قواعد البيانات متعددة الأبعاد.

تمت صياغة مفهوم تقنية OLAP بواسطة Edgar Codd في عام 1993.

تعتمد هذه التقنية على بناء مجموعات بيانات متعددة الأبعاد - ما يسمى بمكعبات OLAP (ليست بالضرورة ثلاثية الأبعاد ، كما قد يستنتج المرء من التعريف). الغرض من استخدام تقنيات OLAP هو تحليل البيانات وتقديم هذا التحليل في شكل مناسب لموظفي الإدارة لإدراك واتخاذ القرارات بناءً عليها.

المتطلبات الأساسية لتطبيقات التحليل متعدد المتغيرات:

• - تزويد المستخدم بنتائج التحليل في وقت معقول (لا يزيد عن 5 ثوانٍ) ؛
• - وصول متعدد المستخدمين إلى البيانات ؛
• - عرض بيانات متعدد الأبعاد ؛
• - القدرة على الوصول إلى أي معلومات بغض النظر عن مكان التخزين وحجمها.

توفر أدوات أنظمة OLAP القدرة على فرز البيانات وتحديدها وفقًا للشروط المحددة. يمكن تحديد مختلف الشروط النوعية والكمية.

نموذج البيانات الرئيسي المستخدم في العديد من الأدوات لإنشاء قواعد البيانات والحفاظ عليها - DBMS ، هو النموذج العلائقي. يتم تقديم البيانات الموجودة فيه في شكل مجموعة من جداول العلاقة ثنائية الأبعاد المرتبطة بالحقول الرئيسية. للقضاء على الازدواجية وعدم الاتساق وتقليل تكاليف العمالة للحفاظ على قواعد البيانات ، يتم استخدام جهاز رسمي لتطبيع جداول الكيانات. ومع ذلك ، يرتبط استخدامه بالوقت الإضافي الذي يتم قضاؤه في إنشاء استجابات لاستعلامات قاعدة البيانات ، على الرغم من حفظ موارد الذاكرة.

يمثل نموذج البيانات متعدد الأبعاد الكائن قيد الدراسة في شكل مكعب متعدد الأبعاد ، وغالبًا ما يتم استخدام نموذج ثلاثي الأبعاد. يتم رسم الأبعاد أو سمات السمات على طول محاور أو أوجه المكعب. السمات الأساسية هي تعبئة الخلايا المكعبة. يمكن تمثيل المكعب متعدد الأبعاد بمجموعة من المكعبات ثلاثية الأبعاد من أجل تسهيل الإدراك والعرض في تشكيل التقارير والوثائق التحليلية وعروض الوسائط المتعددة بناءً على مواد العمل التحليلي في نظام دعم القرار.

في إطار تقنيات OLAP ، استنادًا إلى حقيقة أنه يمكن تنظيم عرض متعدد الأبعاد للبيانات عن طريق كل من DBMS العلائقية ، بالإضافة إلى الأدوات المتخصصة متعددة الأبعاد ، هناك ثلاثة أنواع من أنظمة OLAP متعددة الأبعاد:

• - متعدد الأبعاد OLAP-MOLAP ؛
• - العلائقية (العلاقة) OLAP-ROLAP ؛
• - مختلط أو هجين (الهبريد) OLAP-HOLAP.

في نظم إدارة قواعد البيانات متعددة الأبعاد ، لا يتم تنظيم البيانات في شكل جداول علائقية ، ولكن في شكل مصفوفات متعددة الأبعاد مرتبة في شكل مكعبات مفرطة ، عندما يجب أن يكون لجميع البيانات المخزنة نفس البعد ، مما يعني الحاجة إلى تكوين الأساس الأكثر اكتمالا لـ قياسات. يمكن تنظيم البيانات في شكل polycubes ، في هذا الإصدار يتم تخزين قيم كل مؤشر مع مجموعة القياسات الخاصة بهم ، ويتم معالجة البيانات بواسطة أداة النظام الخاصة. هيكل التخزين في هذه الحالة مبسط منذ ذلك الحين ليست هناك حاجة إلى منطقة تخزين متعددة الأبعاد أو كائنية التوجه. يتم تقليل تكاليف العمالة الضخمة لإنشاء نماذج وأنظمة لتحويل البيانات من نموذج علائقي إلى نموذج كائن.

مزايا MOLAP هي:

• - تلقي الردود على الطلبات أسرع من ROLAP - الوقت المستغرق أقل من واحد إلى اثنين من حيث الحجم ؛
• - يصعب تنفيذ العديد من الوظائف المضمنة بسبب قيود SQL.

تشمل قيود MOLAP ما يلي:

• - حجم قواعد البيانات صغير نسبيًا ؛
• - بسبب عدم التطابق والتجميع الأولي ، تستخدم المصفوفات متعددة الأبعاد ذاكرة 2.5-100 مرة أكثر من البيانات الأصلية (ينمو استهلاك الذاكرة بشكل كبير مع زيادة عدد القياسات) ؛
• - لا توجد معايير للواجهة وأدوات معالجة البيانات ؛
• - توجد قيود عند تحميل البيانات.

يزداد الجهد المطلوب لإنشاء بيانات متعددة الأبعاد بشكل كبير. في هذه الحالة ، لا توجد عمليًا أي وسيلة متخصصة لتحديد نموذج البيانات العلائقية الموجود في تخزين المعلومات. لا يمكن لوقت الاستجابة للاستعلامات في كثير من الأحيان تلبية متطلبات أنظمة OLAP.

مزايا أنظمة ROLAP هي:

• - القدرة على التحليل السريع للبيانات الموجودة مباشرة في مستودع البيانات ، لأن معظم قواعد البيانات المصدر علائقية؛
• - ذات البعد المتغير للمشكلة ، فوز RO-LAP لأن لا يلزم إعادة التنظيم المادي لقاعدة البيانات ؛
• - يمكن لأنظمة ROLAP استخدام محطات العميل والخوادم الأقل قوة ، وتتحمل الخوادم الجزء الأكبر من عبء معالجة استعلامات SQL المعقدة ؛
• - مستوى حماية المعلومات والتمايز في حقوق الوصول في نظم إدارة قواعد البيانات العلائقية أعلى بما لا يقاس مما هو عليه في الأنظمة متعددة الأبعاد.

تتمثل عيوب أنظمة ROLAP في الأداء المنخفض ، والحاجة إلى تطوير دقيق لمخططات قاعدة البيانات ، والضبط الخاص للفهارس ، وتحليل إحصائيات الاستعلام ، والنظر في نتائج التحليل عند تعديل مخططات قاعدة البيانات ، مما يؤدي إلى تكاليف عمالة إضافية كبيرة.

يسمح استيفاء هذه الشروط ، عند استخدام أنظمة ROLAP ، بتحقيق مؤشرات مماثلة لأنظمة MOLAP من حيث وقت الوصول ، وكذلك تجاوز توفير الذاكرة.

أنظمة OLAP المختلطة هي مجموعة من الأدوات التي تقوم بتنفيذ نموذج بيانات علاقي ومتعدد الأبعاد. يتيح لك ذلك تقليل تكلفة الموارد بشكل كبير لإنشاء مثل هذا النموذج وصيانته ، ووقت الاستجابة للطلبات.

يستفيد هذا النهج من مزايا النهجين الأولين ويعوض عيوبهما. يتم تطبيق هذا المبدأ في منتجات البرامج الأكثر تطورًا لهذا الغرض.

يعد استخدام البنية الهجينة في أنظمة OLAP الطريقة الأنسب لحل المشكلات المرتبطة باستخدام أدوات البرامج في التحليل متعدد المتغيرات.

يعتمد وضع اكتشاف النمط على المعالجة الذكية للبيانات. تتمثل المهمة الرئيسية هنا في تحديد الأنماط في العمليات قيد الدراسة ، والعلاقات المتبادلة وتفاعلات العوامل المختلفة ، والبحث عن الانحرافات الكبيرة "غير العادية" ، والتنبؤ بمسار العمليات الأساسية المختلفة. هذه المنطقة تنتمي إلى التنقيب عن البيانات.

يتمثل الاختلاف الرئيسي بين الحقائق والمعلومات في أننا نتلقى البيانات ونأخذها في الاعتبار ، ويمكننا استخدام المعلومات لصالحنا. بشكل تقريبي ، يتم تحليل المعلومات وتنظيم البيانات. بفضل المعلومات الواردة في الوقت المحدد ، تمكنت العديد من الشركات من تحمل الأزمة المالية وأشرس المنافسة. لا يكفي جمع الحقائق والحصول على كل البيانات التي تحتاجها. تحتاج أيضًا إلى أن تكون قادرًا على تحليلها. تم تطوير أنظمة دعم مختلفة لتسهيل اتخاذ قرارات العمل المهمة على الأشخاص. ولهذا الغرض ، تم تطوير أنظمة معقدة مختلفة تسمح لك بتحليل مجموعات كبيرة من البيانات غير المتجانسة وتحويلها إلى معلومات مفيدة لمستخدم الأعمال. يسعى المجال الجديد لذكاء الأعمال إلى تعزيز إدارة العمليات لأنظمة الأعمال من خلال استخدام مستودعات البيانات والتقنيات.

يقدم سوق أنظمة المعلومات للأعمال اليوم مجموعة متنوعة من الحلول التي تساعد المؤسسة على تنظيم المحاسبة الإدارية ، وضمان الإدارة التشغيلية للإنتاج والمبيعات ، والتفاعل بشكل فعال مع العملاء والموردين.

مكانة منفصلة في سوق أنظمة الأعمال تحتلها منتجات البرمجيات التحليلية المصممة لدعم اتخاذ القرار على المستوى الاستراتيجي لإدارة المؤسسة. يتمثل الاختلاف الرئيسي بين هذه الأدوات وأنظمة إدارة التشغيل في أن الأخيرة توفر إدارة المؤسسة في "نمط التشغيل" ، أي تنفيذ برنامج إنتاج محدد جيدًا ، بينما تساعد الأنظمة التحليلية على المستوى الاستراتيجي في إدارة مشروع للعمل على حلول في "وضع التنمية".

يمكن أن يختلف حجم التغييرات التي يتم إجراؤها من إعادة الهيكلة العميقة إلى التجديد الجزئي للتقنيات في مناطق إنتاج معينة ، ولكن ، على أي حال ، يفكر صانعو القرار في بدائل التطوير التي يعتمد عليها مصير المؤسسة على المدى الطويل.

بغض النظر عن مدى قوة نظام المعلومات الخاص بالمؤسسة وتطوره ، فإنه لا يمكن أن يساعد في حل هذه المشكلات ، أولاً ، لأنه يتم ضبطه على العمليات التجارية الثابتة والراسخة ، وثانيًا ، لا يمكن ، ولا يمكن أن يكون ، معلومات لـ اتخاذ القرارات فيما يتعلق بمجالات الأعمال الجديدة ، والتقنيات الجديدة ، والقرارات التنظيمية الجديدة.

بفضل تقنية معالجة البيانات OLAP (المعالجة التحليلية عبر الإنترنت) ، يمكن لأي مؤسسة على الفور تقريبًا (في غضون خمس ثوان) تلقي البيانات التي تحتاجها للعمل. يمكن تلخيص OLAP في خمس كلمات رئيسية.

سريع (سريع) - هذا يعني أن البحث عن المعلومات الضرورية وتسليمها لا يستغرق أكثر من خمس ثوانٍ. تتم معالجة أبسط الاستعلامات في ثانية ، ولا يزيد وقت معالجة عدد قليل من الاستعلامات المعقدة عن عشرين ثانية. لتحقيق هذه النتيجة ، يتم استخدام طرق مختلفة ، من الأشكال الخاصة لتخزين البيانات إلى الحساب المسبق الشامل. وبالتالي ، يمكنك الحصول على تقرير في دقيقة واحدة ، والتي كانت تستغرق أيامًا لإعدادها سابقًا.

يقول التحليل (التحليلي) أن النظام يمكنه إجراء أي تحليل ، إحصائيًا ومنطقيًا ، ثم يخزنه في شكل يسهل الوصول إليه.

SHARED يعني أن النظام يوفر الخصوصية المطلوبة ، وصولاً إلى مستوى الخلية

متعدد الأبعاد - هذه هي السمة الرئيسية لـ OLAP. يجب أن يدعم النظام التسلسلات الهرمية والتسلسلات الهرمية المتعددة بشكل كامل ، لأنه بهذه الطريقة يكون من المنطقي تحليل كل من الأعمال وأنشطة المؤسسات.

معلومة يجب أن يتم تسليم المعلومات التي تحتاجها عند الحاجة.

أثناء عمل مؤسسة ما ، دائمًا ما يتم تجميع البيانات المتعلقة بمجال نشاطها ، والتي يتم تخزينها أحيانًا في أماكن مختلفة تمامًا ، وليس من السهل ولا تستغرق وقتًا طويلاً جمعها معًا. من أجل تسريع عملية الحصول على البيانات لاختبار فرضيات الأعمال الناشئة ، تم تطوير تقنية معالجة البيانات التحليلية التفاعلية أو OLAP. الغرض الرئيسي من أنظمة OLAP هذه هو الاستجابة بسرعة لطلبات المستخدم التعسفية. تنشأ مثل هذه الحاجة غالبًا عند تطوير بعض المشاريع التجارية المهمة ، عندما يحتاج المطور إلى فرضية عمل نشأت. في أغلب الأحيان ، يجب تقديم المعلومات التي يحتاجها المستخدم في شكل نوع من الاعتماد - على سبيل المثال ، كيف يعتمد حجم المبيعات على فئة المنتج ، ومنطقة المبيعات ، والموسم ، وما إلى ذلك. بفضل OLAP ، لديه القدرة على تلقي البيانات اللازمة على الفور في التخطيط المطلوب للفترة المحددة.

تعمل تقنية OLAP التفاعلية على تحويل أكوام ضخمة من التقارير وأطنان من البيانات إلى معلومات مفيدة ودقيقة من شأنها أن تساعد الموظف على اتخاذ قرار تجاري أو مالي مستنير في الوقت المناسب.

بالإضافة إلى ذلك ، بفضل OLAP ، تزداد كفاءة المعالجة ، ويمكن للمستخدم الحصول على كميات كبيرة من المعلومات (المجمعة) المصنفة على الفور تقريبًا. بفضل OLAP ، يمكن للمستخدم أن يرى بوضوح مدى فعالية عمل مؤسسته ، ولديه القدرة على الاستجابة بسرعة ومرونة للتغييرات الخارجية ، ولديه القدرة على تقليل الخسائر المالية لمنظمته. يوفر OLAP معلومات دقيقة تعمل على تحسين جودة القرارات التي تتخذها.

العيب الوحيد لأنظمة ذكاء الأعمال هو ارتفاع تكلفتها. يستغرق إنشاء مستودع للمعلومات الشخصية وقتًا ومالًا كبيرًا.

يتيح لك استخدام تقنية OLAP في الأعمال الحصول بسرعة على المعلومات الضرورية ، والتي يمكن ، بناءً على طلب المستخدم ، تقديمها بالشكل المعتاد - التقارير أو الرسوم البيانية أو الجداول.

تعتمد إجراءات تكامل النظام لهياكل الأعمال على استخدام حلول ERP و CRM و SCM المشتركة. في كثير من الحالات ، يتم توفير الأنظمة من قبل جهات تصنيع مختلفة ، ويجب أن تمر البيانات المستوردة من خلال إجراء تسوية البيانات وتقديمها في شكل بيانات غير متجانسة. في بيئة الأعمال ، يُفترض وجود متطلب لا لبس فيه - تحليل كامل للبيانات ، والذي يتضمن عرض التقارير الموحدة من وجهات نظر مختلفة.

البائعين المختلفين لديهم آليات عرض مختلفة. يتضمن إجراء التمثيل غير المتجانسة الاستخراج والتحويل والتحميل (ETL). على سبيل المثال ، في Microsoft SQL Server 2005 Analysis Services ، يتم تنفيذ مشكلة دمج البيانات باستخدام طرق عرض مصدر البيانات ، وهي أنواع من مصادر البيانات التي تصف نماذج العرض التحليلية.

تطبيقات الأعمال القائمة على تقنيات OLAP وأمثلة على المنتجات. التطبيقات الأكثر شيوعًا لتقنيات OLAP هي:

تحليل البيانات.

المهمة التي تم استخدام أدوات OLAP من أجلها في الأصل ولا تزال الأكثر شيوعًا. إن نموذج البيانات متعدد الأبعاد والقدرة على تحليل كميات كبيرة من البيانات والاستجابة السريعة للطلبات تجعل هذه الأنظمة لا غنى عنها لتحليل المبيعات وأنشطة التسويق والتوزيع والمهام الأخرى بكمية كبيرة من البيانات الأولية.

أمثلة على المنتجات: جداول Microsoft Excel المحورية ، وخدمات التحليل من Microsoft ، و SAP BW ، و Oracle Essbase ، و Oracle OLAP ، و Cognos PowerPlay ، و MicroStrategy ، و Business Objects.

التخطيط المالي والميزنة.

يسمح لك النموذج متعدد الأبعاد بإدخال البيانات في وقت واحد وتحليلها بسهولة (على سبيل المثال ، تحليل حقائق الخطة). لذلك ، يستخدم عدد من المنتجات الحديثة لفئة CPM (إدارة أداء الشركة) نموذج OLAP٪. مهمة مهمة هي الحساب الخلفي متعدد الأبعاد (الحل الخلفي ، الانهيار ، إعادة الكتابة) ، والذي يسمح لك بحساب التغييرات المطلوبة في خلايا التفاصيل عندما تتغير القيمة المجمعة. إنها أداة تحليل ماذا لو. للعب أشكال مختلفة من الأحداث عند التخطيط.

أمثلة على المنتجات: Microsoft PerformancePint و Oracle EPB و Oracle OFA و Oracle Hyperion Planning و SAP SEM و Cognos Enterprise Planning و Geac.

التوحيد المالي.

يعد توحيد البيانات وفقًا لمعايير المحاسبة الدولية ، مع مراعاة حصص الملكية والعملات المختلفة والمبيعات الداخلية ، مهمة عاجلة فيما يتعلق بمتطلبات تشديد سلطات التدقيق (SOX ، بازل II) والشركات التي تدخل في الاكتتابات العامة الأولية. تتيح تقنيات OLAP إمكانية تسريع حساب التقارير الموحدة وزيادة شفافية العملية بأكملها.

أمثلة على المنتجات: Oracle FCH و Oracle Hyperion FM و Cognos Controller.

مستودعات البيانات وتقنيات المعالجة التحليلية عبر الإنترنت (OLAP)
عناصر مهمة في دعم قرارات الأعمال ، والتي أصبحت بشكل متزايد جزءًا لا يتجزأ من أي صناعة. يوفر استخدام تقنيات OLAP كأداة لذكاء الأعمال مزيدًا من التحكم والوصول في الوقت المناسب إلى الإستراتيجية
المعلومات التي تساهم في صنع القرار الفعال.
يوفر هذا القدرة على محاكاة تنبؤات العالم الحقيقي واستخدام أكثر كفاءة للموارد. يمكّن OLAP المؤسسة من الاستجابة بسرعة أكبر لمتطلبات السوق.

فهرس:

1. إريك تومسن. حلول OLAP: بناء نظم معلومات متعددة الأبعاد الإصدار الثاني. Wiley Computer Publishing John Wiley & Sons، Inc.، 2002.

2. الورقة البيضاء لمجلس OLAP ، http://www.olapcouncil.org/research/whtpaply.htm

3. جيرد ستوم وبرنارد جانتر. تحليل المفهوم الرسمي _ الأسس الرياضية.