پردازش تحلیلی آنلاین (OLAP)
OLAP چیست؟
OLAP مخفف عبارت (Online Analytical Processing) به معنای “پردازش تحلیلی آنلاین” می‌باشد. این تکنولوژی داده‌های کسب‌وکار را به صورت چندبعدی تجزیه و تحلیل می‌کند و ما را قادر می سازد تا همزمان اطلاعات را از چندین سیستم پایگاه داده تجزیه و تحلیل کنیم و توانایی انجام محاسبات پیچیده، تجزیه و تحلیل رویه‌ها و مدل‌سازی داده‌های پیچیده را فراهم می‌کند. هدف اصلی تجزیه و تحلیل داده ها است و نه پردازش داده ها.
OLAP یک فناوری قدرتمند در پشت بسیاری از برنامه های Intelligence Business یا (BI) است (در مورد Intelligence Business یا هوش تجاری توی مقاله آنچه در مورد هوش تجاری باید بدانید مفصل صحبت کردیم.) که داده ها را کشف می کند و شامل قابلیت‌هایی مانند مشاهده‌ی گزارشات (بدون محدودیت)، محاسبات تحلیلی پیچیده و برنامه‌ریزی سناریوی پیش‌بینی می‌باشد. OLAP کاربران نهایی را قادر می‌سازد تا به انجام تجزیه و تحلیل داده‌ها در ابعاد مختلف بپردازند و در نتیجه درک کاربر از داده‌ها را در جهت تصمیم‌گیری افزایش می‌دهد.
باید در نظر داشت که OLAP یک تکنیک ساده نیست بلکه مجموعه‌ای از مفاهیمی از قبیل سازمان پایگاه داده، نمایش داده و مدل کردن کوئری می‌باشد. تکنولوژی OLAP ابزارها و مفاهیمی را ارائه می‌کند که به وسیله آن‌ها امکان انجام یک تحلیل موثر و دلخواه بر روی هر نوع داده‌ای فراهم می‌گردد. تکنولوژیOLAP به طیف گسترده‌ای از تکنیک‌ها اطلاق می‌شود و از ابزارهای پشتیبانی کنندۀ تصمیم گیری می‌باشد.
OLAP و پایگاه داده های مربوطه با استفاده از یک ساختار سلسله مراتبی و یک data model چندبعدی قدرتمند جهت سازماندهی اطلاعات به ساده سازی محاسبات پرداخته وگزارشاتی بسیار سریع‌تر نسبت به روش های قبلی ارائه می دهند. بانک های اطلاعاتی به کار رفته در OLAP که Datawarehouse یا انبار داده ها نامیده می شوند متشکل از مکعب های اطلاعاتی چند بعدی بوده که امکان آنالیز سریع اطلاعات پایگاه داده های مختلف را فراهم می‌آورند. محاسبات پیچیده میتوانند براحتی درون این مکعب ها قرارگرفته و باعث بهبود کیفیت تحلیل برنامه های کاربردی شوند.
این داده های مورد نیاز را از انبار داده جمع آوری می کند و تجزیه و تحلیل مورد نیاز تجارت را انجام می دهد تا تصمیمی در کسب و کار برای بهبود سود ، بهبود فروش ، بهبود مارک ، بهبود بازاریابی و موارد دیگر استفاده کند. بنابراین OLAP از هوش تجاری برای جستجوی کمک در تحلیل روند ، پیش بینی فروش ، گزارشگری مالی ، اهداف برنامه ریزی ، بودجه و موارد دیگر استفاده می کند.
(OLAP (Online Analytical Processing انواع مختلفی دارد و نویسندگان در متون و مقالات مختلف با اسامی و واژه‌های متنوعی به آن اشاره می‌کنند.
بیشتر بخوانید : آشنایی با انبار داده
چند نمونه از انواع OLAP و توضیح هر یک
ROLAP: مخفف Relational OLAP یا OLAP رابطه‌ای است. این نوع OLAP از پایگاه‌داده‌های رابطه‌ای مانند SQL Server و MySQL جهت پیاده‌سازی استفاده می‌کند.
این نوع مستقیماً با پایگاه داده‌های رابطه‌ای کار می‌کند. اطلاعات پایه و جدول‌های چندبعدی به عنوان جدول‌های رابطه‌ای ذخیره می‌شوند و جدول‌های جدیدی برای نگهداری اطلاعات جمع‌آوری شده ایجاد می‌شود. سیستم های ROLAP عملیات OLAP را در قالب استفاده از مدل سنتی Relational ساماندهی می کنند و لذا از سیستم های MOLAP کندتر عمل می کنند و به فضای بیشتری نیز نیاز دارند.
MOLAP: مخفف Multidimentional OLAP یا OLAP چند بُعدی است. این سیستم ها بدلیل ساختار خاص نگهداری اطلاعات از سرعت بالاتری نسبت به سایر مدلها برخوردارند. به جای اینکه داده‌ها را در یک پایگاه داده رابطه‌ای ذخیره کند آن‌ها را در یک آرایه بهینه چندبعدی نگهداری می‌کند. بنابراین نیازمند پیش محاسبه و ذخیره‌سازی اطلاعات در یک مکعب، در قالب یک عملیات شناخته‌شده به عنوان یک پردازش است. این سیستم ها جداول داده های حقیقی و جداول چند بعدی را با ایندکس های فشرده نگهداری کرده و جستجوهای تحلیلی پیچیده را در حداقل زمان اجرا می کنند. سرعت این ابزار بالا ولی سایز بانک اطلاعاتی آن نسبتا کوچک است. سرعت این ابزار بالا ولی سایز بانک اطلاعاتی آن نسبتا کوچک است.
HOLAP: مخفف Hybrid OLAP یا OLAP ترکیبی است. در واقع ترکیبی از MOLAP و ROLAP می‌باشد. که دارای بانک اطلاعاتی بزرگ و راندمان بالاتر نسبت به ROLAP می باشد. سیستم های HOLAP به شکل بینابینی پیاده سازی شده اند. یعنی داده های Fact را در جداول فشرده و داده های Dimension را در فضای رابطه ای نگهداری می کنند لذا مزایای هردو مدل را دارند.
سه عملیات عمده OLAP
Roll-up: حرکت در سطح جزئی‌تر به سمت کلیت این مرحله شامل تجمیع داده‌هایی است که می‌تواند بروی یک یا چند بُعد محاسبه و قرار داده شده باشد. به عنوان مثال می‌توان اطلاعات تمامی‌دفاتر فروش را در واحد فروش انباشته کرد و یا فروش را بر اساس مقدار بیشتر فروش در هر دفتر بخش بندی کرد.
Drill-down: حرکت از سطح کلی تر به جزئی تر یک تکنیک است که به کاربران اجازه می‌دهد بر اساس جزئیات حرکت کنند. از موقعیتی با جزئیات داده‌ای کم به جزئیات زیاد می‌رود. این کار با پایین آمدن در ساختار سلسله مراتبی( به سمت جزئیات بیشتر) یا با ایجاد ابعاد اضافی انجام می‌گیرد. به عنوان مثال کاربر مقدار فروش یک محصول خاص را در منطقه مورد نظر خود مشاهده نماید.
Slicing and dicing: یک ویژگی است که به کاربران اجازه می‌دهد برخی از اطلاعات یک مکعب OLAP را بر مبنای دیدگاه‌های متفاوت مشاهده نمایند. برخی از بزرگترین تولید کنندگان سیستم‌های (OLAP (Online Analytical Processing در دنیا بر اساس میزان فروش به ترتیب عبارتند ازMicrosoft ،Oracle ،IBM و …
مزایای OLAP
OLAP می تواند برای استخراج داده ها ، تجزیه و تحلیل داده ها ، گزارش دهی ، برای یافتن روابط بین موارد داده استفاده شود. برای وارد کردن داده از یک رابطه موجود می توانیم از ODBC (اتصال به پایگاه داده باز) برای ایجاد یک بانک اطلاعاتی چند بعدی OLAP استفاده کنیم.
فن آوری OLAP به عنوان یک توانایی برای رسیدن به “دسترسی سریع به اطلاعات چندبعدی به اشتراک گذاشته‌شده” تعریف می‌شود. با توجه به توانایی تکنولوژی OLAP برای ایجاد واحدهای بسیار سریع و محاسبات مجموعه داده‌های اساسی، می‌توان به مفید بودن آن برای کمک به رهبران کسب‌وکار پی برد.
بیشتر بخوانید : تفاوت بین OLTP و OLAP
معایب OLAP
برخی از معایب (Online Analytical Processing) پیش مدل سازی است که به عنوان یک ضرورت ، وابستگی زیاد به فناوری اطلاعات ، توانایی محاسبه ضعیف ، واکنش در برابر کند ، کوتاه بودن توانایی تحلیل تعاملی ، مدل انتزاعی ، ریسک بالقوه بزرگ است.
برخی از ابزارهای تحلیلی (OLAP) عبارتند از IBM Cognos ، Micro Strategy، Palo OLAP Server، Apache Kylin، Oracle OLAP، icCube، Pentaho BI، JsHypercube و غیره.
دوره های مرتبط
دوره کامل تضمینی هوش تجاری با رویکرد کسب درآمد در داخل و خارج از کشور
آنالیز داده و هوش تجاری یکی از پردرآمدهای شغل های دنیا چه در داخل کشور و چه خارج از کشور است. ما در دوره آموزشی صفر تا صد هوش تجاری را به صورت تضمینی آموزش میدهیم.
آموزش صفر تا صد طراحی؛ تحلیل و پیاده سازی سامانه های حرفه ای هوش تجاری با پاور بی آی
آموزش صفر تاصد طراحی، تحلیل و پیاده سازی سامانه های حرفه ای هوش تجاری با پاور بی آی در 98 ساعت و توسط اساتید مجرب آماده شده است.
آموزش صفر تا صد داشبورد سازی در سی شارپ
آموزش ویدیویی هوش تجاری در SQL
1 دیدگاه
به گفتگوی ما بپیوندید و دیدگاه خود را با ما در میان بگذارید.
ممنون از مطلب مفیدتون
بدردم خورد