Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

OLAP или развитые аналитические инструменты


OLAP (Online Analytical Processing) – инструмент анализа данных, ориентированный на непрограммистов. Ранние воплощения OLAP появились в 1980-х годах, а бум пришелся на середину 1990-х. Технология OLAP успешно преодолела пик ажиотажа и стала одной из важных составляющих бизнес-интеллекта.

Инструменты OLAP являются аналитическими инструментами, которые первоначально были основаны на многомерных базах данных (МБД).

МБД – это базы данных, сконструированные специально для поддержки анализа количественных данных с множеством измерений. Большинство приложений включают измерение времени, другие измерения могут касаться географии, организационных единиц, клиентов, продуктов и др.

Технология OLAP позволяет аналитикам, менеджерам и управляющим сформировать свое собственное видение данных, используя быстрый, единообразный, оперативный доступ к разнообразным формам представления информации.

OLAP-системы выполняют следующие функции: извлечение, преобразование и загрузка информации из разнообразных информационных систем компании в хранилище данных; многомерный анализ бизнес-данных во всевозможных гибко настраиваемых разрезах (например: время, подразделение, услуга с необходимой степенью детализации, объём услуги и т. п.) за выбранные промежутки времени с необходимой степенью детализации; выполнение нерегламентированных запросов к информации для получения оперативных отчётов по требованию.

Для поддержки МБД используются OLAP-серверы, оптимизированные для многомерного анализа и поставляемые с аналитическими возможностями.

Клиент-серверная архитектура OLAP-продуктов может обеспечить большое количество пользователей одновременным доступом. При этом по всем аспектам информации анализ должен производиться одинаково быстро, независимо от размера и сложности организации БД. Таким образом, OLAP предоставляет удобные быстродействующие средства доступа, просмотра и анализа деловой информации.

Сегодня многомерный анализ поддерживают и реляционные СУБД. OLAP для реляционных БД (ROLAP) имеет преимущество по масштабируемости и гибкости, но проигрывает по производительности многомерному OLAP (MOLAP).

Data mining (интеллектуальный анализ данных) Дословно переводится как «добыча данных». Представляет собой процесс выявления скрытых, полезных фактов и взаимосвязей в крупных массивах данных. Выполняется путем тщательного исследования данных с использованием технологий распознавания шаблонов, а также статистических и математических методов. При разведке данных многократно выполняются различные операции и преобразования над сырыми данными.

Данные, которые были получены в результате использования средств Data mining описывают новые связи между свойствами, предсказывают одни значения признаков на основе других. В круг задач, которые решает Data mining входят:



  • Классификация - структуризация объектов по заданным классам
  • Ассоциация - выявление ассоциативных цепей. Впервые такой метод был применен для анализа рыночной корзины типичного потребителя.
  • Кластеризация - группировка событий и наблюдений в кластеры. В основу берутся свойства описывающие суть самих группируемых событий
  • Прогнозирование - предсказание на основе имеющихся данных возможного развития событий как прогрессивное, так и регрессивное.
  • Анализ изменений - выявление типичных ситуаций, шаблонов. Сюда входит и установление закономерностей между различными временными событиями, равно как и обнаружение зависимостей и причинно-следственных связей.

Интеллектуальный анализ данных можно использовать для решения любых бизнес-проблем, в которых фигурирует различная изменяющаяся с течением времени информация, включая:

<== предыдущая лекция | следующая лекция ==>
Инструменты генерации запросов и отчетов | BI-платформы

Дата добавления: 2014-01-03; Просмотров: 353; Нарушение авторских прав?


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



ПОИСК ПО САЙТУ:


Рекомендуемые страницы:

Читайте также:
studopedia.su - Студопедия (2013 - 2020) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление
Генерация страницы за: 0.003 сек.