Olap transkripti. Finansal yönetimde OLAP

Ders çalışmasının amacı, OLAP teknolojisini, uygulama kavramını ve yapısını incelemektir.

Modern dünyada, bilgisayar ağları ve bilgi işlem sistemleri, büyük miktarda veriyi analiz etmeyi ve işlemeyi mümkün kılar.

Büyük miktarda bilgi, çözüm aramayı büyük ölçüde karmaşıklaştırır, ancak çok daha doğru hesaplamalar ve analizler elde etmeyi mümkün kılar. Bu sorunu çözmek için, analiz gerçekleştiren bütün bir bilgi sistemleri sınıfı vardır. Bu tür sistemlere karar destek sistemleri (DSS) (DSS, Karar Destek Sistemi) denir.

Analizi gerçekleştirmek için KDS, girdi ve depolama araçlarına sahip olarak bilgi toplamalıdır. Toplamda, DSS'de çözülen üç ana görev vardır:

· veri girişi;

· veri depolama;

· veri analizi.

DSS'ye veri girişi, ortamın veya sürecin durumunu karakterize eden sensörlerden veya bir insan operatör tarafından otomatik olarak gerçekleştirilir.

Veriler sensörlerden otomatik olarak girilirse, bilgi göründüğünde görünen hazır olma sinyali veya döngüsel sorgulama yoluyla veriler toplanır. Giriş bir kişi tarafından gerçekleştirilirse, kullanıcılara veri girmek, girişin doğruluğunu kontrol etmek ve gerekli hesaplamaları yapmak için uygun araçlar sağlamalıdır.

Birkaç operatör tarafından aynı anda veri girerken, aynı verinin değiştirilmesi ve paralel erişim sorunlarının çözülmesi gerekir.

DSS, analistlere çalışma ve analiz için raporlar, tablolar, grafikler biçiminde veriler sağlar, bu nedenle bu tür sistemler karar destek işlevleri sağlar.

OLTP (On-linetransactionprocessing) adı verilen veri girişi alt sistemlerinde operasyonel veri işleme uygulanmaktadır. Uygulamaları için geleneksel veritabanı yönetim sistemleri (DBMS) kullanılır.

Analiz alt sistemi aşağıdakiler temelinde oluşturulabilir:

· SQL dilini kullanan ilişkisel VTYS ve statik sorgulara dayalı bilgi erişim analizi alt sistemleri;

· Operasyonel analizin alt sistemleri. Bu tür alt sistemleri uygulamak için, çok boyutlu veri sunumu kavramını kullanan OLAP çevrimiçi analitik veri işleme teknolojisi kullanılır;

· Entelektüel analizin alt sistemleri. Bu alt sistem, DataMining yöntemlerini ve algoritmalarını uygular.

Kullanıcının bakış açısından, OLAP sistemleri, çeşitli dilimlerdeki bilgilerin esnek bir şekilde görüntülenmesi, toplu verilerin otomatik olarak elde edilmesi, analitik evrişim işlemlerinin gerçekleştirilmesi, detaylandırma, zaman içinde karşılaştırma için bir araç sağlar. Tüm bunlar sayesinde OLAP sistemleri, satış raporları, çeşitli bütçe biçimleri gibi verilerin farklı bölümlerde ve farklı hiyerarşi seviyelerinde sunulmasını içeren her türlü iş raporlaması için veri hazırlama alanında büyük avantajlara sahip bir çözümdür. ve diğerleri. OLAP sistemleri, tahmin de dahil olmak üzere diğer veri analizi biçimlerinde böyle bir sunumun büyük avantajlarına sahiptir.

1.2 Tanım OLAP-sistemler

Karmaşık çok değişkenli veri analizi teknolojisine OLAP denir. OLAP, bir HD organizasyonunun önemli bir bileşenidir.

OLAP işlevselliği, hem ofis uygulamalarında veri analizi gibi en basitleri hem de sunucu ürünlerine dayalı daha karmaşık - dağıtılmış analitik sistemler olmak üzere çeşitli şekillerde uygulanabilir.

OLAP (On-LineAnalyticalProcessing), çok boyutlu verileri toplamak, depolamak ve analiz etmek ve karar verme süreçlerini desteklemek için araçlar ve yöntemler kullanan çevrimiçi analitik veri işleme teknolojisidir.

OLAP sistemlerinin temel amacı, analitik aktiviteleri, analitik kullanıcıların keyfi isteklerini desteklemektir. OLAP analizinin amacı, ortaya çıkan hipotezleri test etmektir.

veri depolama operasyonel veritabanlarının anlık görüntüleri temelinde oluşturulur. bilgi sistemi ve muhtemelen çeşitli dış kaynaklar. Veri ambarları, veritabanı teknolojileri, OLAP, derin veri analizi, veri görselleştirme kullanır.

Veri ambarlarının temel özellikleri.

• tarihsel verileri içerir;
• ayrıntılı bilgilerin yanı sıra kısmen ve tamamen toplu verileri depolar;
• veriler çoğunlukla statiktir;
• geçici, yapılandırılmamış ve sezgisel veri işleme yöntemi;
• orta ve düşük yoğunlukta işlem işleme;
• verileri kullanmanın öngörülemeyen yolu;
• analiz amaçlı;
• odaklanmak konu alanları;
• stratejik karar verme desteği;
• nispeten az sayıda yöneticiye hizmet vermektedir.

OLAP (Çevrimiçi Analitik İşleme) terimi, veri sunum modelini ve buna göre veri ambarlarında işleme teknolojisini tanımlamak için kullanılır. OLAP, derinlemesine analiz için stratejik bilgilere hızlı erişim sağlamak için birleştirilmiş verilerin çok boyutlu bir görünümünü kullanır. OLAP uygulamaları aşağıdaki temel özelliklere sahip olmalıdır:

• çok boyutlu veri sunumu;
• karmaşık hesaplamalar için destek;
• zaman faktörünün doğru değerlendirilmesi.

OLAP avantajları:

• yükseliş verimliliküretim personeli, geliştiriciler Uygulama programları... Stratejik bilgilere zamanında erişim.
• kullanıcılara şemada kendi değişikliklerini yapmaları için bol fırsat sağlar.
• OLAP uygulamaları güvenir veri depolama ve OLTP sistemleri, onlardan güncel veriler alarak kaydetmeye izin verir. bütünlük kontrolü kurumsal veriler.
• OLTP sistemlerindeki yükü azaltmak ve veri depolama.

OLAP ve OLTP. Özellikler ve temel farklılıklar

OLAP	OLTP
Bilgi deposu hem dahili kurumsal verileri hem de harici verileri içermelidir	operasyonel veri tabanına giren ana bilgi kaynağı şirketin faaliyetleridir ve verileri analiz etmek için harici bilgi kaynaklarının (örneğin istatistiksel raporlar) dahil edilmesi gerekir.
Analitik veri tabanlarının hacmi, operasyonel veri tabanlarının hacminden en azından bir büyüklük sırası daha büyüktür. güvenilir analiz ve tahmin için Bilgi deposu birkaç yıl boyunca şirketin faaliyetleri ve piyasanın durumu hakkında bilgi sahibi olmanız gerekir.	Operasyonel işleme için son birkaç aya ait veriler gereklidir
Bilgi deposu operasyonel veritabanlarının içeriğiyle en iyi eşleşen, tek tip olarak sunulan ve üzerinde anlaşmaya varılan bilgileri içermelidir. Çeşitli kaynaklardan bilgi çıkarmak ve "temizlemek" için bir bileşen gereklidir. Birçok büyük şirketin aynı anda kendi veritabanlarına sahip birkaç operasyonel IS'si vardır (tarihsel nedenlerden dolayı).	Operasyonel veritabanları, farklı formatlarda sunulan, varış zamanının farklı göstergeleriyle, hatta bazen çelişkili olan anlamsal olarak eşdeğer bilgileri içerebilir.
Analitik bir veritabanına karşı sorgu kümesini tahmin etmek imkansızdır. veri depolama ad hoc analist isteklerine yanıt vermek için mevcuttur. Yalnızca, isteklerin çok sık gelmeyeceğine ve büyük miktarda bilgi içereceğine güvenebilirsiniz. Analitik veritabanının boyutu, kümelerle (toplam, minimum, maksimum, kastetmek vesaire.)	Veri işleme sistemleri, belirli sorunları çözme beklentisiyle oluşturulur. Veritabanındaki bilgiler sık ​​sık ve küçük parçalar halinde seçilir. Genellikle, operasyonel veritabanına yönelik sorgular, tasarım sırasında zaten bilinir.
Analitik veritabanlarının düşük değişkenliği ile (yalnızca veri yüklerken), dizilerin sıralanması makul olur, toplu örnekleme için daha hızlı indeksleme yöntemleri, önceden toplanmış verilerin depolanması	Veri işleme sistemleri, yapıları gereği oldukça değişkendir ve kullanılan DBMS'de dikkate alınır (normalleştirilmiş veritabanı yapısı, diziler sırasız bir şekilde saklanır, indeksleme için B-ağaçları, işlemsel)
Analitik veri tabanı bilgileri, bir kurum için o kadar kritiktir ki, büyük bir koruma düzeyine ihtiyaç duyulur (tablonun belirli satırlarına ve/veya sütunlarına bireysel erişim hakları)	Veri işleme sistemleri için genellikle yeterli bilgi koruması masa seviyesinde

OLAP sistemleri için kod kuralları

1993 yılında Codd, Analitik Kullanıcılar için OLAP: The Way It Should Be başlıklı bir çalışma yayınladı. İçinde, çevrimiçi analitik işlemenin temel kavramlarını özetledi ve çevrimiçi analitik işlemeyi sağlayan ürünler tarafından karşılanması gereken 12 kural belirledi.

1. Kavramsal çok boyutlu görünüm. Bir OLAP modeli özünde çok boyutlu olmalıdır. Çok boyutlu bir kavramsal diyagram veya özel görünüm, hesaplamanın yanı sıra modelleme ve analizi de kolaylaştırır.
2. Şeffaflık. Kullanıcı, nereden geldiğini bile bilmeden OLAP makinesinden gerekli tüm verileri alabilir. OLAP ürünü, kullanıcının araçlarının bir parçası olsun ya da olmasın, bu gerçek kullanıcı tarafından görülmemelidir. OLAP, istemci-sunucu tarafı bilgi işlem tarafından sağlanıyorsa, bu durum, mümkünse, kullanıcı tarafından da görünmez olmalıdır. OLAP, kullanıcının nerede olursa olsun, bir analitik araç kullanarak sunucuyla iletişim kurmasına olanak tanıyan, gerçekten açık bir mimari bağlamında sunulmalıdır. Buna ek olarak, analitik araç homojen ve heterojen veritabanı ortamları ile etkileşime girdiğinde de şeffaflık sağlanmalıdır.
3. kullanılabilirlik. OLAP kendi sağlamalıdır mantık şeması heterojen bir veritabanı ortamında erişim için ve kullanıcıya veri sağlamak için uygun dönüşümler gerçekleştirin. Ayrıca, gerçekte nerede, nasıl ve ne tür fiziksel veri organizasyonunun kullanılacağını önceden düşünmeniz gerekir. Bir OLAP sistemi, yalnızca gerçekten gerekli olan verilere erişmeli ve gereksiz girdi gerektiren "mutfak hunisi" genel ilkesini uygulamamalıdır.
4. Devamlı verim raporlar geliştirirken. Verim boyut sayısı ve veritabanı boyutundaki artışla raporlama önemli ölçüde düşmemelidir.
5. İstemci-sunucu mimarisi. Ürünün yalnızca istemci/sunucu olması değil, aynı zamanda farklı istemcilerin minimum çaba ve programlama ile bağlanabilmesi için sunucu bileşeninin yeterince akıllı olması gerekir.
6. Genel çok boyutluluk. Tüm boyutlar eşit olmalı, her boyut hem yapı hem de operasyonel yetenekler açısından eşdeğer olmalıdır. Doğru, bireysel boyutlar için ek operasyonel olanaklara izin verilir (görünüşe göre zaman ima edilir), ancak bu tür ek işlevler herhangi bir boyuta sağlanmalıdır. bu kadar basit olmamalı veri yapıları, hesaplama veya raporlama biçimleri herhangi bir boyuta daha özeldi.
7. dinamik kontrol seyrek matrisler... OLAP sistemleri, fiziksel şemalarını model tipine, veri hacimlerine ve veritabanı seyrekliğine göre otomatik olarak ayarlamalıdır.
8. Çok oyunculu destek. OLAP aracı yetenekler sağlamalıdır paylaşmak(istek ve ekleme), bütünlük ve güvenlik.
9. Sınırsız geçit. Her türlü ölçüm için her türlü işleme izin verilmelidir.
10. Sezgisel veri işleme. Veri manipülasyonu, menüler ve çoklu işlemler kullanılmadan görünüm modunda hücreler üzerinde doğrudan eylemler yoluyla gerçekleştirildi.
11. Esnek raporlama seçenekleri. Ölçümler, kullanıcının ihtiyaç duyduğu şekilde rapora yerleştirilmelidir.
12. Sınırsız

Yüksek rekabet koşulları ve dış çevrenin büyüyen dinamikleri, kurumsal yönetim sistemleri için artan gereksinimleri zorunlu kılmaktadır. Yönetim teorisi ve pratiğinin gelişimine, faaliyetlerin verimliliğini artırmayı amaçlayan yeni yöntem, teknoloji ve modellerin ortaya çıkması eşlik etti. Yöntemler ve modeller, sırayla, analitik sistemlerin ortaya çıkmasına katkıda bulundu. Rusya'da analitik sistemlere olan talep yüksektir. Bu sistemler finans sektöründeki uygulama açısından en ilginç olanlardır: bankalar, sigortacılık, yatırım şirketleri. Analitik sistemlerin çalışmalarının sonuçları, öncelikle şirketin gelişiminin kararlarına bağlı olduğu insanlar için gereklidir: yöneticiler, uzmanlar, analistler. Analitik sistemler, konsolidasyon, raporlama, optimizasyon ve tahmin problemlerinin çözülmesine izin verir. Şimdiye kadar, analitik sistemlerin nihai bir sınıflandırması olmadığı gibi, bu yönde kullanılan terimlerle ilgili genel bir tanım sistemi de bulunmamaktadır. Bir işletmenin bilgi yapısı, her biri kendi bilgiyi işleme ve yönetme şekli ile karakterize edilen ve yönetim sürecinde kendi işlevi olan bir dizi seviye ile temsil edilebilir. Böylece analitik sistemler bu altyapının farklı seviyelerinde hiyerarşik olarak konumlandırılacaktır.

İşlemsel sistemler katmanı

Veri ambarı katmanı

Veri mart katmanı

OLAP seviyesi - sistemler

Analitik Uygulama Katmanı

OLAP - sistemler - (Çevrimiçi Analitik İşleme, gerçek zamanlı analitik işleme) - karmaşık çok boyutlu veri analizi için bir teknolojidir. OLAP - sistemler, çok faktörlü verileri analiz etme görevinin olduğu durumlarda uygulanabilir. Analiz ve rapor oluşturma için verimli bir araçtır. Yukarıda tartışılan veri ambarları, veri martları ve OLAP sistemleri İş Zekası (BI) sistemleri olarak sınıflandırılır.

Çoğu zaman, karar vericiler tarafından doğrudan kullanım beklentisiyle oluşturulan bilgi ve analitik sistemlerin kullanımı son derece kolaydır, ancak işlevsellik açısından ciddi şekilde sınırlıdır. Bu tür statik sistemler literatürde Yönetici Bilgi Sistemleri (EIS) olarak adlandırılır. Önceden tanımlanmış sorgu kümeleri içerirler ve günlük inceleme için yeterli olduklarından, karar verirken ortaya çıkabilecek mevcut verilerle ilgili tüm soruları yanıtlayamazlar. Kural olarak, böyle bir sistemin çalışmasının sonucu, dikkatli bir çalışmanın ardından analistin yeni bir dizi soru sorduğu çok sayfalı raporlardır. Ancak, böyle bir sistemin tasarımında öngörülmeyen her yeni istek, önce resmi olarak tanımlanmalı, programcı tarafından kodlanmalı ve ancak daha sonra yürütülmelidir. Bu durumda bekleme süresi, her zaman kabul edilebilir olmayan saatler ve günler olabilir. Böylece, bilgi-analitik sistem müşterilerinin çoğunun aktif olarak savaştığı statik KDS'lerin dış basitliği, feci bir esneklik kaybına dönüşür.

Dinamik DSS ise, veri için geçici analist isteklerini işlemeye odaklanır. Bu tür sistemler için en kapsamlı gereksinimler, OLAP kavramının temellerini atan makalede E. F. Codd tarafından ele alındı. Analistler, bu sistemlerle etkileşimli bir sorgu oluşturma ve sonuçlarını inceleme sırası ile çalışır.

Ancak dinamik KDS'ler yalnızca çevrimiçi analitik işleme (OLAP) alanından daha fazlasında çalışabilir; birikmiş verilere dayalı yönetim kararlarının alınmasına yönelik destek üç temel alanda gerçekleştirilebilir.

Ayrıntılı veri küresi. Bu, çoğu bilgi alma sisteminin alanıdır. Çoğu durumda, ilişkisel VTYS'ler burada ortaya çıkan görevlerle mükemmel bir iş çıkarır. İlişkisel veri işleme dili için genel kabul görmüş standart SQL'dir. Ayrıntılı bilgi arama görevlerinde son kullanıcı arayüzü sağlayan bilgi erişim sistemleri, hem ayrı işlem sistemleri veri tabanları üzerinden hem de ortak bir veri ambarı üzerinden eklenti olarak kullanılabilir.

Agregaların kapsamı. Veri ambarında toplanan bilgilere kapsamlı bir bakış, genelleştirilmesi ve toplanması, hiperküp gösterimi ve çok boyutlu analiz, çevrimiçi analitik veri işleme (OLAP) sistemlerinin görevleridir. Burada özel çok boyutlu VTYS'ye odaklanabilir veya ilişkisel teknolojiler çerçevesinde kalabilirsiniz. İkinci durumda, önceden toplanmış veriler yıldız şeklindeki bir veritabanında toplanabilir veya bilgi, ilişkisel bir veritabanının ayrıntılı tablolarını tararken anında toplanabilir.

Düzenlilik alanı. Fikri işleme, ana görevleri birikmiş bilgilerde işlevsel ve mantıksal kalıplar aramak, bulunan anomalileri açıklayan ve / veya tahmin eden modellerin ve kuralların oluşturulması olan veri madenciliği yöntemleri (IAD, Veri Madenciliği) ile gerçekleştirilir. bazı süreçlerin gelişimi.

Hızlı analitik veri işleme

OLAP konsepti, çok boyutlu veri sunumu ilkesine dayanmaktadır. EF Codd tarafından 1993 yılında yayınlanan bir makalesinde, ilişkisel modelin eksikliklerini incelemiş, her şeyden önce "verileri çok boyutlu olarak, yani kurumsal analistler için en anlaşılır şekilde birleştirmenin, görüntülemenin ve analiz etmenin" imkansızlığına işaret etmiştir. , ve ilişkisel VTYS'nin işlevselliğini genişleten ve özelliklerinden biri olarak çok değişkenli analizi içeren OLAP sistemleri için genel gereksinimleri belirledi.

OLAP ürünlerinin verinin sunulma şekline göre sınıflandırılması.

Şu anda piyasada OLAP işlevselliğini bir dereceye kadar sağlayan çok sayıda ürün bulunmaktadır. En iyi bilinenlerin yaklaşık 30'u anket Web sunucusunda listelenmiştir http://www.olapreport.com/. Kullanıcı arayüzünden kaynak veritabanına çok boyutlu bir kavramsal görünüm sağlayarak, tüm OLAP ürünleri kaynak veritabanına benzer şekilde üç sınıfa ayrılır.

En eski çevrimiçi analitik işleme sistemleri (örneğin, Arbor Software'den Essbase, Oracle'dan Oracle Express Server) MOLAP sınıfına aitti, yani yalnızca kendi çok boyutlu veritabanlarıyla çalışabilirlerdi. Tescilli çok boyutlu DBMS teknolojilerine dayanırlar ve en pahalı olanlardır. Bu sistemler tam bir OLAP işleme döngüsü sağlar. Sunucu bileşenine ek olarak, kendi entegre istemci arabirimlerini içerirler veya kullanıcıyla iletişim kurmak için harici elektronik tablo programlarını kullanırlar. Bu tür sistemleri sürdürmek için, sistemi kurmak, sürdürmek ve son kullanıcılar için veri temsilleri oluşturmak için özel bir çalışan kadrosu gereklidir.

İlişkisel çevrimiçi analitik işleme (ROLAP) sistemleri, ilişkisel bir veritabanında depolanan verileri çok boyutlu bir biçimde temsil etmenize olanak tanır ve bir ara meta veri katmanı aracılığıyla çok boyutlu bir modele bilgi dönüşümü sağlar. ROLAP sistemleri, büyük depolama tesisleriyle çalışmak için çok uygundur. MOLAP sistemleri gibi, önemli BT bakımı gerektirirler ve çok kullanıcılıdırlar.

Son olarak, hibrit sistemler (Hibrit OLAP, HOLAP), önceki sınıflarda bulunan avantajları birleştirmek ve dezavantajları en aza indirmek için tasarlanmıştır. Bu sınıf, Speedware's Media / MR'ı içerir. Geliştiricilere göre, MOLAP'ın analitik esnekliğini ve yanıt verebilirliğini ROLAP'ta bulunan gerçek verilere sürekli erişimle birleştirir.

Çok Boyutlu OLAP (MOLAP)

Çok boyutlu veri gösterimine dayalı özel VTYS'lerde, veriler ilişkisel tablolar biçiminde değil, sıralı çok boyutlu diziler biçiminde düzenlenir:

1) hiperküpler (veritabanında depolanan tüm hücreler aynı boyuta sahip olmalıdır, yani en eksiksiz ölçüm temelinde olmalıdır) veya

2) poliküpler (her değişken kendi ölçüm seti ile saklanır ve ilgili tüm işleme zorlukları sistemin iç mekanizmalarına kaydırılır).

Çevrimiçi analitik işleme sistemlerinde çok boyutlu veri tabanlarının kullanılması aşağıdaki avantajlara sahiptir.

Çok boyutlu bir VTYS kullanılması durumunda, çok boyutlu veritabanı denormalize olduğundan, önceden toplanmış göstergeler içerdiğinden ve istenen hücrelere optimize edilmiş erişim sağladığından, verilerin aranması ve seçilmesi, ilişkisel bir veritabanının çok boyutlu kavramsal görünümünden çok daha hızlıdır.

Çok boyutlu VTYS'ler, bilgi modeline çeşitli yerleşik işlevleri dahil etme görevleriyle kolayca başa çıkarken, SQL dilinin nesnel olarak mevcut sınırlamaları, bu görevleri ilişkisel VTYS'ler temelinde gerçekleştirmeyi oldukça zor ve bazen imkansız hale getirir.

Öte yandan, önemli sınırlamalar vardır.

Çok boyutlu DBMS'ler büyük veritabanlarıyla çalışmaya izin vermez. Ek olarak, denormalizasyon ve ön toplama nedeniyle, çok boyutlu bir veritabanındaki veri miktarı, kural olarak (Codd'a göre) orijinal ayrıntılı veri hacminden 2,5-100 kat daha azına karşılık gelir.

Çok boyutlu VTYS'ler, ilişkisel olanlara kıyasla harici belleği çok verimsiz kullanır. Vakaların ezici çoğunluğunda, bilgi hiperküpü oldukça seyrektir ve veriler sıralı bir biçimde depolandığından, tanımsız değerler yalnızca verileri en büyük bitişik gruplar halinde düzenlemeye izin veren en uygun sıralama düzeni seçilerek kaldırılabilir. Ancak bu durumda bile, sorun sadece kısmen çözüldü. Ayrıca, seyrek verileri depolamak için en uygun olan sıralama düzeninin, sorgularda en sık kullanılan sıralamadan farklı olması muhtemeldir. Bu nedenle, gerçek sistemlerde, veritabanı tarafından işgal edilen disk alanının performansı ve fazlalığı arasında bir uzlaşma bulmanız gerekir.

Bu nedenle, çok boyutlu VTYS'nin kullanımı yalnızca aşağıdaki koşullar altında doğrulanır.

Analiz için ilk verilerin hacmi çok büyük değil (birkaç gigabayttan fazla değil), yani veri toplama seviyesi oldukça yüksek.

Bilgi boyutları kümesi sabittir (çünkü yapılarındaki herhangi bir değişiklik neredeyse her zaman hiperküpün tamamen yeniden yapılandırılmasını gerektirir).

Ad hoc isteklere sistem yanıt süresi en kritik parametredir.

Özel işlevler yazma yeteneği de dahil olmak üzere, bir hiperküpün hücrelerinde çapraz boyutlu hesaplamalar yapmak için karmaşık yerleşik işlevlerin kapsamlı kullanımı gerekir.

İlişkisel OLAP (ROLAP)

İlişkisel veritabanlarının çevrimiçi analitik işleme sistemlerinde doğrudan kullanımı aşağıdaki avantajlara sahiptir.

Çoğu durumda, kurumsal veri ambarları, ilişkisel DBMS araçları kullanılarak uygulanır ve ROLAP araçları, doğrudan bunlar üzerinde analiz yapmanıza olanak tanır. Aynı zamanda, depolama boyutu MOLAP durumunda olduğu gibi kritik bir parametre değildir.

Problemin değişken bir boyutu söz konusu olduğunda, ölçüm yapısındaki değişikliklerin oldukça sık yapılması gerektiğinde, boyutun dinamik bir temsiline sahip ROLAP sistemleri en uygun çözümdür, çünkü bu tür değişiklikler içlerinde fiziksel bir yeniden düzenleme gerektirmez. veritabanı.

İlişkisel VTYS'ler, önemli ölçüde daha yüksek düzeyde veri koruması ve erişim haklarını farklılaştırmak için iyi fırsatlar sağlar.

ROLAP'ın çok boyutlu VTYS'ye kıyasla ana dezavantajı düşük performanstır. İlişkisel sistemler, DBA'ların çok fazla çaba sarf etmesi anlamına gelen MOLAP ile karşılaştırılabilir performans elde etmek için dikkatli bir veritabanı şeması ve dizin ayarı gerektirir. Sadece yıldız şemaları kullanılarak iyi ayarlanmış ilişkisel sistemlerin performansı çok boyutlu veri tabanlarına dayalı sistemlerin performansına yakın olabilir.

OLAP teknolojisi kavramı 1993 yılında Edgar Codd tarafından formüle edilmiştir.

Bu teknoloji, OLAP küpleri olarak adlandırılan çok boyutlu veri kümelerinin oluşturulmasına dayanmaktadır (tanımdan anlaşılacağı gibi, üç boyutlu olması gerekmez). OLAP teknolojilerini kullanmanın amacı, verileri analiz etmek ve bu analizi, yönetim personelinin algılamasına ve bunlara dayalı kararlar almasına uygun bir biçimde sunmaktır.

Çok değişkenli analiz uygulamaları için temel gereksinimler:

• - kullanıcıya analiz sonuçlarını makul bir sürede sağlamak (en fazla 5 saniye);
• - verilere çok kullanıcılı erişim;
• - çok boyutlu veri sunumu;
• - depolama yeri ve hacminden bağımsız olarak herhangi bir bilgiye erişme yeteneği.

OLAP sistemleri araçları, belirtilen koşullara göre verileri sıralama ve seçme yeteneği sağlar. Çeşitli niteliksel ve niceliksel koşullar belirtilebilir.

Veritabanları oluşturmak ve sürdürmek için çok sayıda araçta kullanılan ana veri modeli - DBMS, ilişkisel modeldir. İçindeki veriler, anahtar alanlarla bağlantılı bir dizi iki boyutlu ilişki tablosu şeklinde sunulur. Çoğaltmayı, tutarsızlığı ortadan kaldırmak, veritabanlarının bakımı için işçilik maliyetlerini azaltmak için varlık tablolarını normalleştirmek için resmi bir aygıt kullanılır. Ancak, bellek kaynakları kaydedilmesine rağmen, kullanımı veritabanı sorgularına yanıt oluşturmak için harcanan ek zamanla ilişkilidir.

Çok boyutlu bir veri modeli, incelenmekte olan nesneyi çok boyutlu bir küp şeklinde temsil eder, daha sık olarak üç boyutlu bir model kullanılır. Boyutlar veya nitelik nitelikleri, küpün eksenleri veya yüzleri boyunca çizilir. Temel nitelikler, küp hücrelerinin doldurulmasıdır. Çok boyutlu bir küp, karar destek sistemindeki analitik çalışma materyallerine dayalı raporlama ve analitik belgeler ve multimedya sunumlarının oluşturulmasında algı ve sunumu kolaylaştırmak için üç boyutlu küplerin bir kombinasyonu ile temsil edilebilir.

OLAP teknolojileri çerçevesinde, verilerin çok boyutlu sunumunun hem ilişkisel VTYS'ler hem de çok boyutlu özelleştirilmiş araçlar aracılığıyla düzenlenebileceği gerçeğine dayanarak, üç tür çok boyutlu OLAP sistemi vardır:

• - çok boyutlu OLAP-MOLAP;
• - ilişkisel (İlişki) OLAP-ROLAP;
• - karışık veya hibrit (Hibrit) OLAP-HOLAP.

Çok boyutlu VTYS'lerde, veriler ilişkisel tablolar biçiminde değil, tüm depolanan verilerin aynı boyuta sahip olması gerektiğinde, hiperküpler biçiminde sıralı çok boyutlu diziler biçiminde düzenlenir, bu da en eksiksiz temeli oluşturma ihtiyacı anlamına gelir. ölçümler. Veriler poliküpler şeklinde düzenlenebilir, bu versiyonda her göstergenin değerleri kendi ölçüm setiyle saklanır, veri işleme sistemin kendi aracı tarafından gerçekleştirilir. Bu durumda depolama yapısı basitleştirilmiştir, çünkü çok boyutlu veya nesne yönelimli bir depolama alanına ihtiyaç yoktur. Verileri ilişkisel bir modelden bir nesne modeline dönüştürmek için modeller ve sistemler oluşturmak için büyük işçilik maliyetleri azalır.

MOLAP'ın avantajları şunlardır:

• - ROLAP'tan daha hızlı, isteklere yanıtların alınması - harcanan zaman bir ila iki kat daha azdır;
• - SQL sınırlamaları nedeniyle birçok yerleşik işlevin uygulanması zordur.

MOLAP kısıtlamaları şunları içerir:

• - nispeten küçük boyutlu veritabanları;
• - denormalizasyon ve ön toplama nedeniyle, çok boyutlu diziler orijinal verilerden 2,5-100 kat daha fazla bellek kullanır (ölçüm sayısındaki artışla bellek tüketimi katlanarak artar);
• - arayüz ve veri işleme araçları için standartlar yoktur;
• - veri yüklerken kısıtlamalar vardır.

Çok boyutlu veri oluşturmak için gereken çaba önemli ölçüde artar. bu durumda, bilgi deposunda bulunan ilişkisel veri modelini nesneleştirmek için pratik olarak hiçbir özel araç yoktur. Sorgulara yanıt süresi genellikle OLAP sistemlerinin gereksinimlerini karşılayamaz.

ROLAP sistemlerinin avantajları şunlardır:

• - doğrudan veri ambarında bulunan verileri hızlı bir şekilde analiz etme yeteneği, çünkü çoğu kaynak veritabanları ilişkiseldir;
• - problemin değişken boyutu ile RO-LAP kazanır, çünkü veritabanının fiziksel olarak yeniden düzenlenmesi gerekmez;
• - ROLAP sistemleri, daha az güçlü istemci istasyonları ve sunucular kullanabilir ve karmaşık SQL sorgularını işleme yükünün büyük kısmını sunucular üstlenir;
• - ilişkisel VTYS'lerde bilgi koruma seviyesi ve erişim haklarının farklılaşması, çok boyutlu olanlardan kıyaslanamayacak kadar yüksektir.

ROLAP sistemlerinin dezavantajları, düşük performans, veritabanı şemalarının dikkatli bir şekilde detaylandırılması ihtiyacı, indekslerin özel ayarlanması, sorgu istatistiklerinin analizi ve veritabanı şemalarını değiştirirken analiz bulgularının dikkate alınmasıdır, bu da önemli ek işçilik maliyetlerine yol açar.

Bu koşulların yerine getirilmesi, ROLAP sistemlerini kullanırken, erişim süresi açısından MOLAP sistemlerine benzer göstergeler elde etmeyi ve ayrıca bellek tasarruflarını aşmayı sağlar.

Hibrit OLAP sistemleri, ilişkisel ve çok boyutlu bir veri modeli uygulayan araçların bir kombinasyonudur. Bu, böyle bir modelin oluşturulması ve bakımı için kaynak maliyetini, taleplere yanıt süresini önemli ölçüde azaltmanıza olanak tanır.

Bu yaklaşım, ilk iki yaklaşımın avantajlarından yararlanır ve dezavantajlarını telafi eder. Bu ilke, bu amaçla en gelişmiş yazılım ürünlerinde uygulanmaktadır.

OLAP sistemlerinde hibrit mimarinin kullanılması, çok değişkenli analizde yazılım araçlarının kullanımıyla ilgili sorunları çözmenin en uygun yoludur.

Model algılama modu, akıllı veri işlemeye dayalıdır. Buradaki ana görev, incelenen süreçlerdeki kalıpları, çeşitli faktörlerin karşılıklı ilişkilerini ve etkileşimlerini belirlemek, büyük "olağandışı" sapmalar aramak, çeşitli temel süreçlerin seyrini tahmin etmektir. Bu alan veri madenciliğine aittir.

Olgular ve bilgi arasındaki temel fark, verileri almamız ve not almamız ve bilgileri kendi yararımıza kullanabilmemizdir. Kabaca söylemek gerekirse, bilgi analiz edilir ve veriler sistematize edilir. Zamanında alınan bilgiler sayesinde birçok firma hem finansal krize hem de en şiddetli rekabete dayanmayı başarıyor. Gerçekleri toplamak ve ihtiyacınız olan tüm verilere sahip olmak yeterli değildir. Bunları da analiz edebilmeniz gerekir. İnsanların önemli iş kararları vermesini kolaylaştırmak için çeşitli destek sistemleri geliştirilmiştir. Bu amaçla, büyük heterojen veri dizilerini analiz etmenize ve bunları bir iş kullanıcısı için yararlı bilgilere dönüştürmenize izin veren çeşitli karmaşık sistemler geliştirilmiştir. Yeni iş zekası alanı, veri ambarları ve teknolojileri kullanarak iş sistemlerinin süreç yönetimini geliştirmeyi amaçlamaktadır.

Günümüz iş bilgi sistemleri pazarı, bir işletmenin yönetim muhasebesini düzenlemesine, üretim ve satışların operasyonel yönetimini sağlamasına ve müşteriler ve tedarikçilerle etkin bir şekilde etkileşime girmesine yardımcı olan çok çeşitli çözümler sunmaktadır.

İş sistemleri pazarında ayrı bir niş, stratejik kurumsal yönetim düzeyinde karar vermeyi desteklemek için tasarlanmış analitik yazılım ürünleri tarafından işgal edilir. Bu tür araçlar ve operasyonel yönetim sistemleri arasındaki temel fark, ikincisinin bir "operasyon modunda", yani iyi tanımlanmış bir üretim programının uygulanmasında kurumsal yönetim sağlaması, stratejik düzeydeki analitik sistemlerin ise yönetime yardımcı olmasıdır. kurumsal bir "geliştirme modunda" çözümler bulmak için.

Gerçekleştirilen değişikliklerin ölçeği, belirli üretim alanlarındaki teknolojilerin derinlemesine yeniden yapılandırılmasından kısmen yenilenmesine kadar değişebilir, ancak her durumda, karar vericiler işletmenin kaderinin uzun vadede bağlı olduğu geliştirme alternatiflerini düşünüyor.

İşletmenin bilgi sistemi ne kadar güçlü ve gelişmiş olursa olsun, öncelikle durağan, köklü iş süreçlerine ayarlı olduğu için bu sorunların çözümüne yardımcı olamaz ve ikinci olarak bilgi için bilgi değildir ve olamaz. yeni iş alanları, yeni teknolojiler, yeni organizasyonel kararlar ile ilgili kararlar almak.

OLAP (Çevrimiçi Analitik İşleme) veri işleme teknolojisi sayesinde, herhangi bir kuruluş çalışması için ihtiyaç duyduğu verileri neredeyse anında (beş saniye içinde) alabilir. OLAP beş anahtar kelime ile özetlenebilir.

HIZLI (Hızlı) - bu, gerekli bilgilerin aranması ve tesliminin beş saniyeden fazla sürmediği anlamına gelir. En basit sorgular bir saniyede işlenir ve yalnızca birkaç karmaşık sorgunun işlem süresi yirmi saniyeden fazladır. Bu sonuca ulaşmak için, özel veri depolama biçimlerinden kapsamlı ön hesaplamaya kadar çeşitli yöntemler kullanılır. Böylece daha önce hazırlanması günler süren raporu bir dakikada alabilirsiniz.

ANALİZ (Analitik), sistemin hem istatistiksel hem de mantıksal olarak her türlü analizi yapabileceğini ve ardından erişilebilir bir biçimde sakladığını söyler.

PAYLAŞILMIŞ, ​​sistemin hücre düzeyine kadar gerekli gizliliği sağladığı anlamına gelir.

ÇOK BOYUTLU - OLAP'ın temel özelliği budur. Sistem hiyerarşileri ve çoklu hiyerarşileri tam olarak desteklemelidir, çünkü bu şekilde hem işi hem de organizasyonların faaliyetlerini analiz etmek en mantıklı olanıdır.

BİLGİ İhtiyacınız olan bilgiler, ihtiyaç duyulan yere iletilmelidir.

Bir organizasyonun çalışması sırasında, faaliyet alanı ile ilgili veriler her zaman birikir, bazen tamamen farklı yerlerde saklanır ve bunları bir araya getirmek kolay ve zaman alıcı değildir. Etkileşimli analitik veri işleme veya OLAP teknolojisinin geliştirildiği ortaya çıkan iş hipotezlerini test etmek için veri edinimini hızlandırmak içindir. Bu tür OLAP sistemlerinin temel amacı, keyfi kullanıcı isteklerine hızlı bir şekilde yanıt vermektir. Böyle bir ihtiyaç, genellikle, geliştiricinin ortaya çıkan bir çalışma hipotezine ihtiyacı olduğunda, bazı önemli iş projelerini geliştirirken ortaya çıkar. Çoğu zaman, kullanıcının ihtiyaç duyduğu bilgiler bir tür bağımlılık biçiminde sunulmalıdır - örneğin, satış hacminin ürün kategorisine, satış bölgesine, sezona vb. OLAP sayesinde seçilen dönem için istenilen düzende gerekli verileri anında alma yeteneğine sahiptir.

Etkileşimli OLAP teknolojisi, büyük miktarda raporu ve tonlarca veriyi, bir çalışanın doğru zamanda bilinçli bir iş veya finansal karar vermesine yardımcı olacak yararlı ve doğru bilgilere dönüştürür.

Ayrıca, OLAP sayesinde işlem verimliliği artar ve kullanıcı büyük hacimli sıralanmış (toplanmış) bilgileri neredeyse anında alabilir. OLAP sayesinde kullanıcı, kuruluşunun ne kadar etkin çalıştığını açıkça görebilir, dış değişikliklere hızlı ve esnek bir şekilde yanıt verme yeteneğine sahiptir ve kuruluşunun mali kayıplarını en aza indirme yeteneğine sahiptir. OLAP, kararlarınızın kalitesini artıran doğru bilgiler sağlar.

İş zekası sistemlerinin tek dezavantajı yüksek maliyetleridir. Kişisel bir bilgi ambarı oluşturmak hem zaman hem de çok para gerektirir.

OLAP teknolojisinin iş dünyasında kullanılması, kullanıcının isteği üzerine olağan biçimde sunulabilen gerekli bilgileri hızlı bir şekilde elde etmenizi sağlar - raporlar, grafikler veya tablolar.

İş yapıları için sistem entegrasyon prosedürleri, ortak ERP, CRM ve SCM çözümlerinin kullanımına dayanmaktadır. Çoğu durumda, sistemler farklı üreticiler tarafından sağlanır ve içe aktarılan veriler, bir veri uzlaştırma prosedüründen ve heterojen veriler biçiminde sunumdan geçmelidir. Bir iş ortamında, açık bir gereklilik varsayılır - konsolide raporları farklı bakış açılarından görüntülemeyi içeren verilerin eksiksiz bir analizi.

Farklı satıcıların farklı sunum mekanizmaları vardır. Heterojen temsil prosedürü, çıkarma, dönüştürme ve yüklemeyi (ETL) içerir. Örneğin, Microsoft SQL Server 2005 Analiz Hizmetlerinde, veri birleştirme sorunu, analitik görünüm modellerini tanımlayan veri kaynağı türleri olan Veri Kaynağı Görünümleri kullanılarak uygulanır.

OLAP teknolojilerine dayalı iş uygulamaları, ürün örnekleri. OLAP teknolojilerinin en yaygın uygulamaları şunlardır:

Veri analizi.

OLAP araçlarının orijinal olarak kullanıldığı ve hala en popüler olan görev. Çok boyutlu bir veri modeli, önemli miktarda veriyi analiz etme ve taleplere hızlı yanıt verme yeteneği, bu tür sistemleri büyük miktarda ilk veri içeren satış, pazarlama faaliyetleri, dağıtım ve diğer görevleri analiz etmek için vazgeçilmez kılar.

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

Finansal planlama ve bütçeleme.

Çok boyutlu bir model, aynı anda veri girmenize ve kolayca analiz etmenize olanak tanır (örneğin, plan-gerçek analizi). Bu nedenle, CPM (Kurumsal Performans Yönetimi) sınıfının bir dizi modern ürünü OLAP% modelini kullanır. Önemli bir görev, toplu değer değiştiğinde ayrıntı hücrelerinde gerekli değişiklikleri hesaplamanıza izin veren çok boyutlu geri hesaplamadır (geri çözme, geri yazma, geri yazma). Bu bir ne olursa olsun analiz aracıdır. planlama yaparken çeşitli etkinlik türlerini oynamak için.

Ürün örnekleri: Microsoft PerformancePint, Oracle EPB, Oracle OFA, Oracle Hyperion Planning, SAP SEM, Cognos Enterprise Planning, Geac.

Finansal konsolidasyon.

Mülkiyet payları, çeşitli para birimleri ve iç cirolar dikkate alınarak verilerin uluslararası muhasebe standartlarına uygun olarak konsolide edilmesi, denetim otoritelerinin (SOX, Basel II) ve halka arza giren şirketlerin sıkılaştırma gereksinimleri ile bağlantılı olarak acil bir görevdir. OLAP teknolojileri, konsolide raporların hesaplanmasını hızlandırmayı ve tüm sürecin şeffaflığını artırmayı mümkün kılar.

Ürün örnekleri: Oracle FCH, Oracle Hyperion FM, Cognos Controller.

Veri ambarları ve Çevrimiçi Analitik İşleme (OLAP) teknolojileri
giderek herhangi bir endüstrinin ayrılmaz bir parçası haline gelen iş karar desteğinin önemli unsurlarıdır. OLAP teknolojilerinin iş zekası için bir araç olarak kullanılması, stratejik bilgilere daha fazla kontrol ve zamanında erişim sağlar.
Etkili karar vermeye katkıda bulunan bilgiler.
Bu, gerçek dünya tahminlerini simüle etme ve kaynakların daha verimli kullanılmasını sağlar. OLAP, bir kuruluşun pazar taleplerine daha hızlı yanıt vermesini sağlar.

Kaynakça:

1. Erik Thomsen. OLAP Çözümleri: Çok Boyutlu Bilgi Sistemleri Oluşturma İkinci Baskı. Wiley Bilgisayar Yayıncılığı John Wiley & Sons, Inc., 2002.

2. OLAP konseyi raporu, http://www.olapcouncil.org/research/whtpaply.htm

3. Gerd Stumme ve Bernhard Ganter. Biçimsel Kavram Analizi _ Matematiksel Temeller.