Основные преимущества OLAP-систем
Преимущества OLAP:
Предметная ориентированность
Означает, что в кубах собрана информация по различным аспектам деятельности организации: закупкам, продажам и т.п. Это отличает базы OLAP от оперативных БД, где данные организованы в соответствии с различными процессами, такими, как, например, оформление и выписка документов, оформление заказов и др.
Многопользовательский режим работы
Клиент-серверная архитектура OLAP-продуктов обеспечивает одновременный доступ большого числа пользователей. При этом анализ производится одинаково быстро по всем аспектам информации независимо от размера и сложности структуры БД.
Позволяет пользователю видеть сразу всю информацию, не отфильтрованную отчетами. То есть, если пользователь видит документ, например, со странной датой исполнения (например, накладная, датированная 5200 годом), то это означает, что такой документ реально существует в исходной (оперативной) базе
Сосредоточение необходимых данных в одном месте
Это положение отражает ту особенность, что вся аналитика, например, факта продажи (контрагент, менеджер, дата, вид сделки и прочее) хранится в том же кубе и доступ к ней не требует дополнительного обращения к каким-то внешним источникам (справочникам и т.п.)
Просмотра и анализа деловой информации. Пользователь получает интуитивно понятную модель данных, организуя их в виде многомерных кубов. Это позволяет ему проводить как сравнительный анализ показателей, так анализ различных сценариев по принципу "что-если", построенных на основе прогнозных и статистических данных компании.
Удобная навигация по данным
Как правило, с использование мышки.
перемещение по иерархиям внутри измерения (переход от анализа по годам к анализу по кварталам, от анализа продаж по менеджерам к анализу продаж по регионам и т.д.)
перемещение между измерениями (переход от анализа по измерению «Время» к анализу по «Товарам» и т.д.)
Разнообразные инструменты для обработки данных
Встроенные функции агрегации, ранжирования, сортировок, вычисления, правило Парето (80/20) и т.д.
От того насколько удобно для восприятия пользователя будут представлены срезы, зависит качество анализа информации
Обеспечивают выявление ассоциаций, закономерностей, трендов, проведение классификации, обобщения или детализации, составление прогнозов, т. е. предоставляет инструмент для управления предприятием в реальном времени
Простота освоения и использования сводных таблиц
Мало найдется пользователей, которые не работали бы с Excel. Excel – как один из вариантов OLAP-клиента очень прост в использовании. Сводные таблицы Excel легко воспринимаются. И требуют незначительных навыков в работе с ними.
Позволяют формировать и в дальнейшем использовать для анализа массивы заранее обработанных данных (предвычисленные индексы), потому что OLAP-системы работают не с оперативными базами данных, а со стратегическими архивами, отличающимися низкой частотой обновления, интегрированностью, хронологичностью и предметной ориентированностью. Именно неизменность данных и позволяет вычислять их промежуточное представление, ускоряющее анализ гигантских объемов информации
В отличие от классических методов поиска запросы формируются не на основе жестко заданных (или требующих для модификации вмешательства программиста и, следовательно, времени) форм, а с помощью гибких нерегламентированных подходов
Быстрая детализация итоговых данных
Просматривая сводные таблицы, пользователь видит сначала итоговые значения показателей (например, за период или по группе), и в случае необходимости может их легко детализировать (например, по 2005 году, по первому кварталу).
Высокая скорость формирования отчетов
Скорость выполнения OLAP – в десятки раз отличается от обычных. Дело в том, что в OLAP-кубах расчет необходимых данных происходит заранее, и при формировании отчета пользователь ждет только вывода данных. Любой сложности OLAP – отчеты строятся не более 5-10 секунд.
Многие сталкивались с «не состыковкой» данных: по вине дефекта учетной программы или из-за того, что учет велся параллельно в нескольких учетных системах. Например, когда не совпадают итоговые значения в разных разрезах. В OLAP-отчетов таких ситуаций не возникает. Поэтому всем данным OLAP-отчета можно доверять.
Возможность самостоятельного формирования нужных отчетов
В отличие от традиционных программ, которые выводят таблицу строго определенной формы и содержания, OLAP-технологии дают пользователю сформировать тот отчет, который ему необходим в данный момент. Пользователь может развернуть данные по произвольной аналитике, посмотреть их более или менее подробно (например, разложить по дням данные за месяц или же посмотреть те же цифры поквартально), вывести или же убрать какие-то показатели, сформировать иерархические заголовки таблицы и многое другое.
Возможность сведения данных из разных баз
Если в компании несколько подразделений с разной структурой БД и разными учетными программами, то OLAP-отчетность позволяет свести данные, консолидировать их.
Отсутствие привлечения программистов
На текущие задачи. Для того чтобы пользоваться OLAP-отчетностью, необходимо сформулировать один раз требования к ней. После этого специалист создаст механизмы наполнения ХД. На основании данных пользователь может сам создавать необходимые отчеты. Один отчет может заменять несколько отчетов простой системы. Легкость оперирования данными в OLAP–отчетах позволяет сохранить деньги на создании многих обычных отчетов. Не требуется оплачивать обучение, потому как пользоваться Excel могут практически все.
|
Предпосылки и причины появления OLAP
Глобализация экономики, повышение требовательности клиентов, усиление конкурентной борьбы, процессы слияния компаний, появление молодых, быстро развивающихся предприятий на волне электронной коммерции – все это требует маневренности и интеллектуализации бизнеса. Но для этого компаниям нужно повышать качество и скорость принятия решений в рамках своей деятельности, но также применять средства бизнес–интеллекта для периодической реорганизации бизнес–процессов. Вот почему все более востребованы сегодня комплексные методики анализа эффективности бизнеса.
Для большинства организаций характерно наличие многочисленных разрозненных источников данных; еще хуже то, что источники эти часто содержат неактуальные, несогласованные или просто недостоверные данные. А это ведет к принятию неэффективных, а то и неверных решений.
Помимо чисто технических проблем (организация доступа к разным несогласованным источникам данных или консолидация данных в одном источнике) имеются проблемы методические (классификация и описание информации в терминах предметной области, способы контроля и очистки данных), а также организационные (владение и санкционирование доступа к информации).
Исторически сложилось так, что до середины 90-х годов были наиболее развиты решения по автоматизации оперативной деятельности (учет людских, материальных и финансовых ресурсов, регистрация различных операций и событий) - системы транзакционной обработки данных (OLTP – On-Line Transaction Processing), часто называемые оперативными системами. Эти системы обеспечивают регистрацию некоторых фактов, их непродолжительное хранение и сохранение в архивах, обеспечивают решение лишь оперативных, в меньшей мере тактических, но не обеспечивают решение стратегических задач, а потому не удовлетворяет в полной мере потребности бизнеса.
Основу таких систем составляют системы управления реляционными базами данных - БД, зачастую основанные на традиционном подходе -использование уже построенных имеющихся системы для поддержки принятия решений. Обычно пытались строить просто систему запросов к оперативной системе и использовать полученные после интерпретации отчеты непосредственно для поддержки решений. Отчеты могли строиться на заказной базе, т.е. руководитель запрашивает отчет, и на регулярной, когда отчеты строятся по достижении некоторых событий или времени.
Пример.
Традиционный процесс поддержки принятия решений может выглядеть таким образом: руководитель идет к специалисту информационного отдела и делится с ним своим вопросом. Затем специалист информационного отдела строит запрос к оперативной системе, получает электронный отчет, интерпретирует его и затем доводит его до сведения руководящего персонала.
Конечно, такая схема обеспечивает в какой-то мере поддержку принятия решений, но она имеет крайне низкую эффективность и огромное число недостатков.
Предназначение OLAP систем - в предоставлении информации для принятия решений. В основе концепции OLAP лежит идея многомерной модели данных. OLAP является средством оперативной аналитической обработки многомерных массивов данных:
позволяет значительно упростить и ускорить процесс подготовки и принятия решений руководящим персоналом
служит цели превращения данных в информацию
принципиально отличается от традиционного процесса поддержки принятия решений, основанного на рассмотрении структурированных отчетов
Многомерность в OLAP-приложениях может быть разделена на три уровня.
3 уровня многомерности в OLAP-приложениях:
Многомерное представление данных
Средства конечного пользователя, обеспечивающие многомерную визуализацию и манипулирование данными; слой многомерного представления абстрагирован от физической структуры данных и воспринимает данные как многомерные.
Средство (язык) формулирования многомерных запросов (традиционный реляционный язык SQL здесь оказывается непригодным) и процессор, умеющий обработать и выполнить такой запрос.
Средства физической организации данных, обеспечивающие эффективное выполнение многомерных запросов.
Первые два уровня в обязательном порядке присутствуют во всех OLAP-средствах. Третий уровень, хотя и является широко распространенным, не обязателен, так как данные для многомерного представления могут извлекаться и из обычных реляционных структур; процессор многомерных запросов в этом случае транслирует многомерные запросы в SQL-запросы, которые выполняются реляционной СУБД.
Теоретически средства OLAP можно применять и непосредственно к оперативным данным или их точным копиям (чтобы не мешать оперативным пользователям). Но в этом случае существует определенный риск, поскольку будут анализироваться оперативные данные, которые напрямую для анализа непригодны.
|
Многомерный_подход'>Принципы проектирования и использования многомерных БД
Многомерный подход возник практически одновременно и параллельно с реляционным, но только начиная с 1993 г., интерес к многомерным системам управления БД (МСУБД) начал приобретать всеобщий характер. Главное достоинство МСУБД состоит в том, что они узко специализированны и область их применения -интерактивная аналитическая обработка агрегированных исторических и прогнозируемых данных.
Многомерный анализ (Multi-dimensional analysis)
Многомерный анализ (Multi-dimensional analysis) позволяет пользователям при работе с данными достичь глубокого понимания информации, хранящейся в БД. Многомерный подход к анализу предоставляет аналитику широкие возможности моделирования данных в соответствии со сложившимся у него представлением о проблеме, снижая тем самым вероятность ошибочной интерпретации полученных результатов. Поскольку многомерная модель отображает информацию так, как большинство людей ее себе представляют, то используется интуитивная навигация по БД. Кроме того, значительно упрощаются процедуры отображения на экране необходимых аналитику подмножеств данных, представления различных срезов информации, а также процедура задания алгоритма вычислений. Более того: в силу того, что данные хранятся в многомерной БД, выполнение подобных операций характеризуется гораздо более высокой скоростью и стабильной производительностью (по сравнению с базами данных любой другой структуры). Уникальное сочетание быстродействия и простоты использования является одним из основных преимуществ многомерного анализа.
|
Типы используемых данных
В системах анализа многомерных данных можно выделить три основных типа данных, анализ которых позволяет производить прогнозирование бизнес процессов.
3 типа данных, анализ которых позволяет производить прогнозирование бизнес процессов:
Агрегированные данные
Пользователя, занимающегося анализом, редко интересуют детализированные данные. Более того, чем выше уровень пользователя (руководителя, управляющего, аналитика), тем выше уровень агрегации данных, используемых им для принятия решения.
Пример.
Имеется фирма по продаже компьютеров. Коммерческого директора такой фирмы мало интересует вопрос: "Какого цвета компьютеры успешнее всего продает менеджер Петров: черного или серебристого?" Для него важно, какие модели, и какие цвета предпочитают в данном регионе. Его также мало интересует детализация на уровне контракта, часа или даже дня. Например, если выяснится, что Celeron серебристого цвета чаще покупают в утренние часы, этот факт скорее заинтересует психиатра, а не коммерческого аналитика. Для правильного формирования склада ему важна и необходима информация на уровне декады, месяца или даже квартала.
Исторические данные
Важнейшим свойством данных в аналитических задачах является их исторический характер. После того как зафиксировано, что Петров в июне 2005 г . продал 2 компьютера Celeron и 12 компьютеров Pentium, данные об этом событии становятся историческим (свершившимся) фактом. И после того, как информация об этом факте получена, верифицирована и заведена в БД, она может быть сколько угодно раз считана оттуда, но уже не может и не должна быть изменена.
Историчность данных предполагает не только высокий уровень статичности (неизменности) как собственно данных (например: Петров продал в 2004 г . 51 компьютер Celeron), так и их взаимосвязей (например: в 2004 г . Петров работал в г.Сумы; в 2004 г . продавались компьютеры модели Celeron). А это, в свою очередь, дает возможность использовать специализированные, основанные на предположении о статичности данных и их взаимосвязей методы загрузки, хранения, индексации и выборки.
Прогнозируемые данные
Когда говорится о неизменности и статичности данных в аналитических системах, имеется в виду неизменность исключительно исторических данных (данных, описывающих уже произошедшие события). Существенным моментом является то, что такое предположение ни в коем случае не распространяется на Прогнозируемые данные (данные о событии, которое еще не происходило).
Например, если строится прогноз об объеме продаж на сентябрь 2005 г . для менеджера Петрова, то, по мере поступления фактических (исторических) данных за 2004 г ., эта цифра будет многократно изменяться и уточняться. Более того, достаточно часто прогнозирование и моделирование затрагивает не только будущие, еще не произошедшие, но и прошлые, уже свершившиеся события. Например, анализ: "а, что будет (было бы)... если (бы)..?", строится на предположении о том, что значения некоторых данных, в том числе и из прошлого, отличны от реальных. И для ответа на вопрос: "Какой был бы прогноз по объему продаж компьютеров Celeron для менеджера Петрова на сентябрь 2005 г ., если бы объем продаж компьютеров Celeron в сентябре 2004 г . у него возрос на тот же процент, что объем продаж Pentium" потребуется не только вычислить новое, еще не существующее значение Объема Продаж, для еще не наступившего сентября 2005 г ., но и предварительно вычислить гипотетическое значение Объема продаж, за уже прошедший сентябрь 2004 г .
В свою очередь, к оперативным данным, отражающим состояние некоторой предметной области в данный текущий момент времени, не применимы такие понятия, как прошлое или будущее. Для них существует единственное понятие - сейчас, а их основное назначение - адекватное детализированное отображение текущих событий (изменений), происходящих в реальном мире.
Пример.
Менеджер Петров продал еще один компьютер Celeron; менеджера Петрова перевели из Сумского филиала фирмы в Шосткинский.
Вместе с тем изменчивость оперативных данных ни в коем случае не подразумевает их близость по свойствам к прогнозируемым данным. Между ними существует коренное различие. оперативным данным, в отличие от прогнозируемых, присуще свойство общезначимости, и обычно все пользователи работают с одним и тем же экземпляром данных. После того как в оперативную систему заведены данные о том, что Петров продал еще один компьютер, эта информация сразу же должна стать доступной всем заинтересованным в ней пользователям. Причем до тех пор, пока это изменение не зафиксировано, ни какой другой пользователь не имеет права изменять строку с информацией о продажах Петрова.
Существенно иная ситуация с прогнозируемыми данными. Они носят, скорее, личностный (индивидуальный) характер. Вполне реальна ситуация, когда коммерческий директор фирмы и управляющий региональным отделением одновременно решили получить прогноз возможного объема продаж на 2006 г . для Петрова. Однако каждый из них делает собственный прогноз. Каждый из них может использовать свои функции прогнозирования, и, даже если применяется один и тот же метод (или функция), прогноз может основываться на различных исторических интервалах, и результаты, по всей вероятности, будут различны. Поэтому каждый из них работает с собственным экземпляром прогнозируемых данных (хотя эти данные и относятся формально к одной и той же личности, виду деятельности и времени), и эти данные не должны смешиваться. Конечно, вполне вероятно, что один из этих вариантов будет принят в качестве плановых показателей для Петрова. Но после того как прогноз утвержден в качестве плана, данные просто перейдут в другую категорию и станут историческими.
| |
Скачать 2.04 Mb.