FASMI Пендса и Крита

Позднее Пендс (Nigel Pendse) и Крит (Richard Creeth), считая, что правила Кодда не достаточны для удовлетворительного определения именно OLAP-систем, переработали их в так называемый тест FASMI (Fast Analysis of Shared Multidimensional Information - быстрый анализ разделяемой многомерной информации), который более полно перечисляет требования к продуктам OLAP. FASMI - это аббревиатура от названия каждого пункта теста:

Fast (Быстрый)

Fast - означает, что система должна обеспечивать выдачу большинства ответов пользователям в пределах приблизительно пяти секунд. При этом самые простые запросы обрабатываются в течение од-ной секунды и очень немногие - более 20-ти секунд.

Analysis (Анализ)

Analysis - означает, что система может справляться с любым логическим и статистическим анализом, характерным для данного приложения, и обеспечивает его сохранение в виде, доступном для конечного пользователя. Хотя некоторое "предварительное программирование" может быть необходимо, вряд ли стоит считать, что это приемлемый подход, когда все прикладные определения должны быть выполнены профессионалом на соответствующем языке.

Shared (Разделяемый доступ)

Shared - означает, что система осуществляет все требования защиты конфиденциальности (возможно до уровня ячейки) и, если множественный доступ для записи необходим, обеспечивает блокировку модификаций на соответствующем уровне. Не во всех приложениях есть необходимость обратной записи данных. Однако количество таких приложений растет, и система должна быть способна обработать множественные модификации своевременным, безопасным способом;

Multidimensional (Многомерность)

Ключевое требование. Система должна обеспечить многомерное концептуальное представление данных, включая полную поддержку для иерархий и множественных иерархий, поскольку это определенно наиболее логичный способ анализировать бизнес и организации. Минимальное число измерений, которые должны быть обработаны, не устанавливается, поскольку оно также зависит от приложения, и большинство продуктов OLAP имеет достаточное количество измерений для тех рынков, на которые они нацелены;

Information (Информация)

Information- возможность обращаться к любой нужной информации независимо от ее объема и места хранения. Необходимая информация должна быть получена там, где она необходима. Однако многое зависит от приложения. Учитывая эти требования к OLAP они должны обеспечивать возможность получать нужную информацию, в каком бы электронном ХД она не находилась. OLAP-cистемы позволяют формировать вместо традиционных запросов к БД «сколько, где, когда» запросы типа: «почему, как и т.п.». Например:

почему хорошо зарекомендовавшая себя система защиты от НСД в корпоративной сети неэффективна;
какие негативные последствия возможны при сверхурочной работе пользователя;
что следует из совместного появления ряда событий и т.п.

Когда человек задает вопросы, он налагает ограничения, формулируя вопросы во многих измерениях, поэтому процесс анализа в многомерной модели приближен к реальности человеческого мышления. В таблице приведена сравнительная характеристика статического и динамического видов анализа данных.

Характеристика	Статический анализ	Динамический анализ
Типы вопросов	Сколько? Как? Когда?	Почему? Что будет, если?
Время отклика	Не регламентируется	Секунды
Типичные операции	Регламентированный отчет, таблица, диаграмм	Последовательность интерактивных отчетов, диаграмм, экранных форм. Динамическое изменение уровней агрегации и сре- зов данных.
Уровень аналитических требований	Средний	Высокий
Тип экранных форм	В основном, определенный заранее, регламентированный	Определяемый пользователем
Уровень агрегации данных	Детализированные и суммарные	В основном, суммарные
Возраст данных	Текущие и прогнозируемые	Исторические, текущие и прогнозируемые
Типы запросов	В основном, предсказуемые	Непредсказуемые, от случаю к случаю
Назначение	Регламентированная аналитическая обработка	Многопроходный анализ, моделирование и построение прогнозов

Особое значение простота доступа к данным играет для системных аналитиков, т.к. они особые потребители корпоративной информации. Задача аналитика - находить закономерности в больших массивах данных. Одиночные факты в БД могут заинтересовать предметного специалиста, в компетенции которого входит поиск конкретной информации. Аналитику одной записи недостаточно -ему, к примеру, могут понадобиться все аналогичные транзакции, например, за месяц, год. Заодно аналитик отбрасывает ненужные ему подробности, и потребляет данные, которые требуются для работы, обязательно содержащие числовые значения - это обусловлено самой сущностью его деятельности. Итак, аналитику нужно много данных, которые являются выборочными, а также носят характер "набор атрибутов - число". Задачей аналитика является выявление стойких взаимосвязей между атрибутами и числовыми параметрами. В основе OLAPлежит идея многомерной модели данных, в которой на смену таким понятиям как отношения и сущности приходят понятия измерений и кубов данных. Технология OLAP, которую называют также интерактивной (диалоговой) аналитической обработкой, дает возможность на основе многомерной (гиперкубической) модели данных (в отличие от плоской реляционной модели данных) моделировать реальные структуры и связи, которые есть исключительно важными для аналитических систем. Она предназначенная для создания мульти параметрических моделей с целью более адекватно отбивать реальные процессы. Технология OLAP разрешает быстро изменять взгляды на данные в зависимости от выбранных параметров и обеспечить лицу, которое принимает решения, полную картину анализируемых ситуаций. Измерение С точки зрения анализа каждый анализируемый факт удобно рассматривать как функцию от его характеристик. Например, производство изделия есть функция от материалов, станков, рабочих, инженеров, технологов, управленцев, возможно, еще каких-то существенных параметров. Параметры такого типа носят название измерений. Реляционная база данных, содержащая всю информацию о предметной области, превращается в ХД в терминах OLAP, а процесс создания структуры аналитической системы сводится к определению измерений и организации витрин данных. Многомерный анализ Одновременный анализ по нескольким измерениям определяется как многомерный анализ. По измерениям (осям) в многомерной модели откладывают основные факторы (атрибуты), влияющие на деятельность предприятия, т.е. то, по чему ведется анализ. В качестве одного из измерений используется время, иными могут быть, например, изделия, филиалы компании и т.п. Так получают многомерный куб (гиперкуб, метакуб, куб фактов), который затем наполняется показателями деятельности предприятия (цены, продажи, план, прибыли, убытки и т.п.). При том гиперкуб является концептуальной логической моделью организации данных, а не физической реализацией их хранения, поскольку храниться такие данные могут и в реляционных таблицах. Гиперкуб (Hypercube) На самом деле, с точки зрения строгой математики кубом такой массив будет далеко не всегда: у на-стоящего куба количество элементов во всех измерениях должно быть одинаковым, а у кубов OLAP такого ограничения нет. Тем не менее, несмотря на эти детали, термин гиперкуб (метакуб) ввиду своей краткости и образности стал общепринятым. Гиперкуб (Hypercube) – это умозрительная многомерная конструкция в многомерном пространстве, образованном плоскостями данных, которые важны для деятельности предприятия. При этом сама OLAP-система выступает именно в роли гиперкуба, способного накапливать в себе всю информацию, интересующую руководителя. В качестве ребер (осей) куба в таком случае выступают различные данные. Пример. Товар, цена производимого или конкурентного товара, регион, тип покупателя компании-участники производственного цикла, подрядчики при организации услуг, объемы продаж, география самой компании.