پردازش تحلیلی آنلاین (OLAP)

OLAP تکنولوژی موجود در بسیاری از برنامه‌های هوش تجاری (BI) است 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...

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 بدین ترتیب توانایی انجام محاسبات پیچیده، تجزیه و تحلیل رویه‌ها و مدل‌سازی داده‌های پیچیده را فراهم می‌کند. OLAP تکنولوژی موجود در بسیاری از برنامه‌های هوش تجاری (BI) است 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.
OLAP مشخصه کلیدی بیشتر سیستم‌های DWH می‌باشد. داده کاوی‌ها (Data Mining) و OLAP ابزارهای قدرتمندی برای تصمیم‌گیری می‌باشند. این سیستم‌ها بر اساس تکامل سیستم‌های OLTP به معنی پردازش آنلاین تراکنش‌ها ایجادشده‌اند. سیستم OLTP به داده‌های عملیاتی می‌پردازد. داده‌های عملیاتی آن دسته از داده‌هایی هستند که طی انجام عملیات‌های مشخص از هر سیستم به دست می‌آیند. به عنوان مثال فرض کنید که در یک سیستم بانکی، شما مبلغی را از حسابتان برداشت می‌کنید. در این مثال شماره حساب، میزان برداشت، مقدار موجودی، شماره تراکنش و غیره عناصر داده‌های عملیاتی هستند. در یک سیستم OLTP داده‌ها به طور مکرر به روز می‌شوند؛ بنابراین انتظار می‌رود درخواست‌ها به سرعت پاسخ داده شود. از آنجایی که سیستم های OLTP شامل تعداد زیادی پرس و جوی به روز هستند، جداول پایگاه داده برای عملیات نوشتن بهینه شده است. برای جلوگیری از افزونگی داده‌ها و به روز رسانی‌های نادرست، جداول پایگاه داده نرمال هستند. مجموعه‌ای از جداولی که نرمال شده‌اند، به صورت تکه‌تکه (fragmented) می‌باشند. نرمال سازی نیز باعث بهینه‌سازی عملیات نوشتن در جداول می‌گردد. داده‌های عملیاتی معمولاً از نوع ارتباط محلی هستند که شامل پرس و جوهای دسترسی رکوردهای منحصربه‌فرد می‌شوند. این نوع پرس و جو در واقع پرس و جوهای نقطه‌ای (point queries) نامیده می‌شوند.

نمونه‌هایی از پرس و جو‌های OLTP:

حقوق یک فرد در یک سازمان به چه میزان است؟
برداشت پول از حساب بانکی: اگر پول از حساب برداشت شود، عملیات به‌روزرسانی انجام می‌شود.
آدرس و ایمیل شناسه‌ی کسی که رئیس حسابداری است چیست؟

OLAP به آرشیو یا سوابق داده‌ها می‌پردازد. سوابق داده‌ها به داده‌هایی گفته می‌شود که در طی یک دوره زمانی طولانی آرشیو می‌شوند. داده‌های OLTP از چندین دوره زمانی جمع‌آوری شده و در یک پایگاه داده بسیار بزرگ به نام انبار داده ذخیره می‌شوند. انبار داده‌ها برای عملیات انتخاب (Select) بسیار بهینه‌شده‌اند. به عنوان مثال: اگر ما اطلاعات ۱۰ سال اخیر را در مورد رزرو پرواز جمع‌آوری کنیم، این داده‌ها می‌تواند به ما اطلاعات معناداری مانند "روند در رزرو پرواز" ارائه دهند. همچنین اطلاعات مفیدی مانند "زمان اوج سفر"، "دسته‌بندی مردم از لحاظ طبقاتی (اقتصاد / کسب‌وکار) " و غیره را در اختیار ما قرار می‌دهند. پردازش تحلیلی آنلاین (OLAP) نیازمند فرم‌های تحلیلی می‌باشد. پرس و جوها به تعداد زیادی از رکوردهای جداول پایگاه داده دسترسی دارند و عملیات مورد نیاز را بر اساس این رکوردها اجرا می‌کنند. به‌روزرسانی در انبار داده‌ها به ندرت انجام می‌شود. پرس و جوهای OLAP اطلاعات تجمعی را در مورد چیزهایی که در گذشته در طی یک دوره از زمان اتفاق افتاده است، ارائه می‌دهند و این اطلاعات به مدیران در تصمیم‌گیری‌های استراتژیک کمک خواهد کرد. از این رو پرس و جوهای OLAP در تصمیم‌گیری‌های استراتژیک دارای اهمیت قابل‌توجهی می‌باشند.

نمونه‌هایی از پرس و جوهای OLAP:

چگونگی تغییرات سود در طول سال در مناطق مختلف
آیا از لحاظ مالی ادامه‌ی کار واحد تولید در محل X به صرفه خواهد بود؟

مزایای استفاده از OLAP:

دانش، پایه و اساس تمام تصمیم‌گیری‌های موفق است. کسب‌وکار موفق به طور مداوم در پی برنامه‌ریزی، تجزیه و تحلیل فعالیت‌های عملیاتی به منظور به حداکثر رساندن بهره‌وری، کاهش هزینه و به دست آوردن سهم بیشتری از بازار است. محققین حوزه آمار به شما خواهند گفت که اگر داده‌های نمونه شما بیشتر باشند، احتمال رسیدن به نتیجه درست افزایش می‌یابد. طبیعتاً، در یک شرکت داده‌های زیادی در رابطه با یک فعالیت خاص وجود دارد که در این صورت برنامه‌ریزی مؤثرتری برای آن فعالیت‌ خواهیم داشت. تمامی کسب‌وکارها با به‌کارگیری سیستم‌های مختلف، داده‌ها را جمع‌آوری می‌کنند، در این حالت با چالشی روبرو می‌شویم که چگونه تمامی داده‌ها را برای رسیدن به اطلاعاتی دقیق، قابل‌اعتماد و سریع کنار هم قرار دهیم. یک شرکت می‌تواند امکان استفاده و تبدیل آن‌ها به یک دانش مشترک، برای تصمیم‌گیری در حوزه رقابت کسب‌وکار فراهم کند.
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.

OLAP برای تجزیه و تحلیل چندبعدی

کسب‌وکار یک فعالیت چندبعدی است و بر روی تصمیم‌گیری بر اساس ابعاد چندگانه اجرا می‌شود. کسب و کارها با در نظر گرفتن بسیاری از متغیرها فعالیت‌های خود را ارزیابی می‌کنند. هنگامی که این متغیرها در یک صفحه گسترده ارزیابی می‌شوند، آن‌ها در محورها (x و y) قرار می‌گیرند که در آن هر محور نشان‌دهنده گروه‌بندی منطقی از متغیرها در یک دسته‌بندی است.
به عنوان مثال، واحد خرید و فروش ممکن است در مدت زمان یک سال، به صورت ماهانه بررسی می‌شود که در آن "اقدامات فروش"، ممکن است بر روی محور Y نمایش داده شوند و "ماه" ممکن است محور X را اشغال کند (به عنوان مثال، اقدامات فروش ردیف هستند و ماه ستون‌ها). تجزیه و تحلیل و گزارش سلامت کسب‌وکار و برنامه‌ریزی فعالیت‌های آینده، شامل تعداد بسیار زیادی از پارامترها است که باید به طور مداوم ارزیابی شوند و این امر فراتر از ارزیابی تعدادی صفحات گسترده مرتبط است. این گروه متغیر یا پارامترها، ابعادی (Cube) از محیط پردازش تحلیلی آنلاین(OLAP) نامیده می‌شوند. امروزه، بسیاری از کاربران صفحه گسترده در مورد تکنولوژیOLAP شنیده‌اند، اما معنای واقعی OLAP برایشان روشن نیست. بر خلاف پایگاه‌های داده رابطه‌ای، ابزارهای OLAP سوابق معاملات فردی را در دو بعد، ردیف‌ها و ستون‌ها مانند یک صفحه گسترده ذخیره نمی‌کنند، بلکه از ساختار پایگاه داده چندبعدی – که درOLAP با عنوان مکعب شناخته‌شده‌اند - برای ذخیره آرایه‌ای از اطلاعات تلفیقی استفاده می‌کنند. داده‌ها و فرمول‌ها در یک پایگاه داده چندبعدی بهینه ذخیره می‌شوند، درحالی‌که دیدهای (View) بر روی‌داده‌ها برای تقاضاها ایجاد شده است.
تحلیلگران می‌توانند از هر دید یا یک تکه از یک مکعب برای تولید یک نمایش از نقاط مدنظر مانند صفحه گسترده استفاده کنند. در شرکتی که ابعاد بسیار زیادی برای ارزیابی دارد نمی‌توان با دو بعد )صفحه گسترده استاندارد( و یا سه بعد به سادگی کارکرد، - برای مثال، یک کسب‌وکار که برای توزیع کالا حداقل بیش از یک مرکز واحد داشته باشد باید ابعاد زیر را در نظر بگیرد: حساب، محل، دوره، فروشندگان و محصولات. این ابعاد شامل پایگاهی برای برنامه‌ریزی، تجزیه و تحلیل و گزارش فعالیت‌های شرکت می‌باشد. آن‌ها باهم نشان‌دهنده "کل" تصویر کسب‌وکار هستند. توانایی انجام پیچیده‌ترین تجزیه و تحلیل‌ها، به طور خاص، تجزیه و تحلیل چندبعدی ارائه‌شده توسط OLAP برای سازمان ضروری است. تحلیلگران برای مشاهده و دست‌کاری داده‌ها در طول چندین بعد نیاز به تعریف یک سازمان دارند. اساساً، ابعادی لازم است که برای ایجاد یک مدل کسب‌وکار موثر است.

انواع سیستم های OLAP:

سیستم‌های OLAP را می‌توان به صورت زیر دسته‌بندی کرد:

(MOLAP (Multi-dimensional Online Analytical Processing

فرم کلاسیکی از OLAP است و گاهی به تنهایی به آن OLAP گفته می‌شود.MOLAP 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.

(ROLAP (Relational Online Analytical Processing

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. ROLAP به طراحی شِمای اختصاصی بستگی دارد. این روش بر روی دست‌کاری ذخیره‌سازی داده‌ها در پایگاه داده‌های رابطه‌ای با بهره‌گیری از روش‌های سنتی OLAP متکی است.

(HOLAP (Hybrid Online Analytical Processing

در سرتاسر صنعت هیچ روش روشنی با عنوان OLAP ترکیبی وجود ندارد، به جز این مورد که یک پایگاه داده‌ای باشد که در آن برای ذخیره‌سازی داده‌های رابطه‌ای و اختصاصی شده تمایز وجود داشته باشد.