- Что такое OLAP
- Особенности OLAP
- Структура OLAP-систем
- Реляционные базы
- OLAP-кубы
- Серверная часть
- Клиентская часть
- Типы OLAP-систем
- Характеристики OLAP-системы
- Преимущества OLAP-систем
- Где применяется OLAP-система
Для составления точных прогнозов и реалистичных планов полезно опираться на статистику. Как правило, чем шире выборка и разнообразнее данные, тем полнее картина и точнее прогноз. Но бывает так, что статистики много, но непонятно, как ее анализировать, потому что связи между элементами неочевидны.
Организовать разрозненную информацию и сделать ее пригодной для анализа помогает технология OLAP.
Что такое OLAP
Технология OLAP позволяет в реальном времени обрабатывать информацию, собранную из разных источников. Аббревиатура расшифровывается как Online Analytical Processing, или «интерактивная аналитическая обработка данных».
На основе методов Online Analytical Processing работают многие автоматизированные системы аналитики. В их функции входит формирование отчетов, прогнозирование, планирование и подготовка расчетов на основе больших массивов со сложной структурой.
Особенности OLAP
Методика используется для аналитики многомерных массивов. Многомерность означает, что между элементами массива существует множество связей.
Система консолидирует информацию из нескольких каналов, например:
- пользовательских баз;
- CRM;
- ERP;
- программ складского и финансового учета.
Собранная информация обрабатывается на сервере в соответствии с заданной моделью представления. Алгоритмы автоматически выстраивают связи и компонуют данные для комплексного анализа.
Компоновка ведется по схеме «Звезда» или «Снежинка». Звездообразное моделирование — это структурирование информации вокруг категорий с предоставлением ключей к каждому измерению. Примеры категорий — «Товар», «Цена заказа», «Время». Каждая категория — это отдельное измерение, к которому относятся данные. Каждая запись в категории содержит ссылки на связанные таблицы измерений.
Схема «Снежинка» — это более сложная «Звезда». Датасет также организован вокруг категорий, но к каждому измерению добавляются дополнительные признаки, что ведет к разветвленной структуре связей.
Пользователи могут выбирать срезы для аналитики, переходить с общего уровня представления информации на более узкий и обратно. Смысл такого подхода к моделированию датасетов — получить возможность изучать статистику под разными углами, находить неявные закономерности, делать выводы и принимать взвешенные бизнес-решения.
Структура OLAP-систем
Программное обеспечение состоит из нескольких блоков:
- база данных, или БД, — хранилище информации из разных каналов;
- серверная часть — операционный модуль для работы с датасетами по запросам пользователей;
- клиентское приложение — интерфейс и пользовательские инструменты.
Настроить импорт информации в базу можно из любых источников. В качестве хранилища используются реляционные БД или мультимерные модели.
Реляционные базы
Реляционные БД предоставляют табличный вид организации хранения. Это двумерная структура, в которой датасет распределен по строкам и столбцам. Пример: в клиентской базе реляционного типа хранятся связки «клиент — заказ», то есть информация о покупателе, заказанных товарах, дате отгрузки и цене.
OLAP-кубы
Мультимерные БД предлагают больше двух измерений, что позволяет обрабатывать разнородную статистику более эффективно. Например, в БД с несколькими измерениями, кроме связки «клиент — заказ» можно включить записи о других событиях, которые необходимо учитывать при изучении динамики продаж: о закрепленном менеджере, месяце, сезонности спроса, маркетинговых мероприятиях или особенностях региона.
Многомерная структура датасета в Online Analytical Processing называется кубом. Это отдельный сервер или модуль на сервере, куда поступает информация из хранилища с реляционными БД или клиентскими файлами.
Основа куба — двумерный список зависимостей и фактов, которые описывают взаимодействие элементов разных измерений. Опираясь на эти взаимосвязи, сервер извлекает из куба нужные параметры в соответствии с запросом пользователя.
Серверная часть
За выполнение операций по запросам пользователей, извлечение из хранилища и обработку информации отвечает комплекс серверных компонентов. Компоновка датасета, расчеты и установка связей ведутся на сервере. Для взаимодействия БД с источниками статистики и операционным центром используются программные средства ETL, который расшифровывается как Extract, Transform, Load.
Клиентская часть
Результаты обработки информации выводятся в приложение или веб-интерфейс, например в панель бизнес-аналитики. Пользовательские интерфейсы включают визуализацию, диаграммы, таблицы или графику для комфортной работы с объемными датасетами.
Программа может выполнять сложные запросы, например:
- фильтровать и сортировать значения по заданным параметрам;
- группировать записи по указанным признакам;
- работать с хронологическими изменениями;
- проводить математические вычисления.
В комплекс ПО может входить аналитический инструментарий — программы для отправки запросов на сервер, визуализации отчетности, настройки дашбордов и создания выборок.
Типы OLAP-систем
В зависимости от методов работы с информацией и организации БД различают следующие виды решений:
- ROLAP работает с реляционными базами и подходит для исследования текстовых и числовых записей;
- MOLAP работает с кубической структурой представления информации;
- HOLAP — гибридное решение, которое работает с реляционными базами и кубическими моделями.
Характеристики OLAP-системы
Программные решения на основе MOLAP и HOLAP имеют следующие параметры:
- клиент-серверная архитектура;
- многомерность и вариативность представления;
- простота навигации и управления информацией для пользователя;
- высокая производительность за счет предварительной агрегации и подготовки датасетов;
- возможность индексирования для ускорения формирования выборки;
- прозрачность за счет возможности отследить источник информации;
- многопользовательский режим работы с функцией разграничения уровней доступа.
Для качественной аналитики необходимо поддерживать релевантность информации. База должна содержать полную, истинную и актуальную статистику. Чтобы определять пропуски, ошибки или избыточность исходных данных, в программу можно внедрить блок нормализации датасетов.
Преимущества OLAP-систем
Технология обеспечивает согласованность между результатом исследования и исходной информацией. Она дает возможность проследить всю логическую цепочку, оценить достоверность, обоснованность и адекватность выводов, сделанных на основе аналитики.
Система позволяет работать с неунифицированными и противоречивыми данными. В программе можно изучить датасет на разных уровнях детализации и выявить скрытые влияния процессов друг на друга.
Обучение работе в Online Analytical Processing обычно не требуется. Результаты выполнения операций на сервере поступают в клиентское приложение в формате, оптимальном для просмотра и исследования. Пользователь может самостоятельно настроить панель навигации, скомпоновать нужный отчет или сделать график с помощью встроенного инструментария.
Где применяется OLAP-система
Аналитические инструменты на основе методов Online Analytical Processing используются в разных направлениях:
- оптимизации бизнес-процессов с учетом узкой отраслевой специфики;
- финансовом планировании;
- маркетинге;
- аналитике продаж;
- управлении закупками;
- исследовании производственных показателей;
- улучшении метрик сайтов и приложений;
- изучении клиентской базы.
Одна из особенностей OLAP — масштабируемость. Программа способна обрабатывать большие массивы и гибко подстраиваться под растущие потребности бизнеса. При интеграции с Hadoop и другими платформами распределенного хранения и исследования очень больших датасетов ПО можно использовать в проектах, связанных с Big Data и технологиями машинного обучения.