Введение в OLAP-технологию

В области информационных технологий всегда существовало два взаимодополняющих друг друга направления развития:

• системы, ориентированные на оперативную (транзакционную или операционную) обработку данных;

• системы, ориентированные на анализ данных — системы поддержки принятия решений.

Все, что говорилось об информационных систем в предыдущих главах, относится исключительно к ИС для оперативной обработки данных. Они предназначаются для автоматизации оперативной деятельности предприятий и называются системами On-Line Transaction Processing – (OLTP-системы). Их основная задача - обеспечить регистрацию некоторых фактов, их непродолжительное хранение с последующим размещением в архивах.

Информационную основу таких систем обеспечивают реляционные базы данных. Именно для этого класса систем изначально создавались и на это были ориентированы реляционные СУБД, которые сегодня стали основным средством построения информационных систем самого различного масштаба и назначения. Но, являясь высокоэффективным средством реализации систем оперативной обработки данных, реляционной СУБД оказались менее эффективными в задачах аналитической обработки.

Дело в том, что не каждая система позволяет использовать в полном объеме имеющуюся в ней информацию для поддержки принятия решений, принимаемых руководством предприятия с целью достижения конкурентных преимуществ. Разработка руководителем решений по управлению попадает в разряд областей наиболее сложно поддающихся автоматизации. Традиционным подходом являются попытки использовать уже построенные оперативные системы для решения задач поддержки принятия решений. Обычно пытаются строить развитую систему запросов к OLTP - системе и использовать полученные после интерпретации отчеты непосредственно для принятия решений.

Однако осуществить полноценную поддержку принятия решений непосредственно на основе данных OLTP-систем, автоматизирующих сбор и первичную обработку данных о деятельности предприятия, невозможно. Для этого следует использовать, так называемые квази-интеллектуальные OLAP-системы (On-Line Analytical Processing), обеспечивающие превращение “руды” – информации из OLTP-систем - в готовое “изделие”, которое руководство и аналитики могут использовать для выработки управленческих решений.

Полная структура информационно-аналитической системы, построенной на основе хранилища данных, показана на рис. 1.

Суть работы OLTP-систем состоит в предоставлении пользователю многомерной таблицы, автоматически суммирующей данные в различных разрезах и позволяющей интерактивно управлять вычислениями и формой отчета.

Эти требования к многомерности представления данных объясняются тем, что аналитики - это особые потребители корпоративной информации. Задача аналитика - находить закономерности в больших массивах данных. Поэтому аналитик не обращает внимания на отдельно взятый факт, что в понедельник шестого числа контрагенту Иванову была продана партия цемента - ему нужна информация о сотнях и тысячах подобных событий. Аналитик отбрасывает ненужные ему подробности вроде ИНН покупателя, его точного адреса и номера телефона, индекса контракта и тому подобного. В то же время данные, которые требуются аналитику для работы, обязательно содержат числовые значения - это обусловлено самой сущностью его деятельности [http://www.interface.ru/home.asp].

Рис. 1 - Полная структура информационно-аналитической системы

Современные информационные системы масштаба предприятия, как правило, содержат в виде подсистем либо в виде отдельных систем OLAP-приложения, предназначенные для комплексного многомерного анализа данных, их динамики, тенденций и т.п. Такой анализ в конечном итоге призван содействовать принятию решений. Нередко эти системы так и называются - системы поддержки принятия решений.

Фактически OLAP являются естественным продолжением и развитием идей электронных таблиц типа Excel для многомерных БД. Визуальный интерфейс OLAP является той же электронной таблицей, но оснащенный мощной машиной вычислений и особым стандартом представления данных и управления ими. Поэтому для специалистов, владеющих электронными таблицами, не возникает проблем в овладении OLAP-инструментом.

Таким образом, аналитику нужно много данных, эти данные являются выборочными, а также носят характер "набор атрибутов - число". Поэтому аналитики должны быть обеспечены информацией, образец которой приведен в таблице 1.

Здесь столбцы "Место дислокации", "Вид спорта" и "Время" являются атрибутами, а столбцы "Количество спортсменов" и “Объем финансирования” содержат числовые значения.

Анализируя таблицу 1, можно заметить, что она легко преобразуется в три измерения: по одной из осей откладывается "Место дислокации", по другой - "Вид спорта", по третьей - "Время". А числами в этом трехмерном массиве у нас будут "Количество спортсменов" или “Объем финансирования”. Именно такой трехмерный массив используется в качестве базы данных в OLAP-система и называется кубом (рис. 2).

Куб совсем не обязательно должен быть трехмерным. Он может быть и двумерным, и многомерным - в зависимости от решаемой задачи. Особо опытным аналитикам может понадобиться порядка 20 измерений, и мощные OLAP-системы именно на такое количество и рассчитаны. Более простые настольные приложения поддерживают не более шести измерений. При этом подсчет суммарных величин в ячейках куба уже не требует времени непосредственно на этапе анализа, поскольку все возможные суммы уже подсчитаны на этапе построения многомерной базы данных.

Таблица 1

Дата добавления: 2014-01-04