Інформаційні системи

Дані параметруються кількома рівноправними вимірами, наприклад дані щодо продажу у великій торговельній компанії можна аналізувати в таких вимірах:

• час (день, тиждень, місяць, квартал, рік) ;
• географія (місто, штат, країна) ;
• товар (фірма-виробник, тип товару) ; « покупець (стать, вік).

Засобами користувацького інтерфейсу OLAP-системи можна виконувати такі базові операції над гіперкубом моделі даних: поворот; проекція (значення в комірках, що лежать на осі проекції, підсумовуються згідно з визначеною ознакою) ; розкриття (drill-down), тобто коли одне зі значень виміру замінюється сукупністю значень із наступного рівня ієрархії виміру, при цьому замінюються значення в комірках гіперкуба; згортка (roll-up/drill-up), що є операцією, оберненою до операції розкриття; перетин (slice-and-dice). Незважаючи на те, що екран комп'ютера плоский, користувач має змогу спостерігати гіперкуб моделі даних за допомогою відповідних плоских зрізів, використовуючи зазначені операції.

Оскільки в основі технології OLAP лежить концепція гіперкуба моделі даних, то залежно від відповіді на запитання про те, чи існує гіперкуб як окрема фізична структура чи це є лише віртуальна модель даних, розрізняють два основні типи аналітичної обробки даних: MOLAP і ROLAP.

MOLAP (Multidimensional OLAP) – це багатовимірна OLAP-система, в котрій гіперкуб реалізується як окрема база даних не-реляційної структури, яка забезпечує багатовимірне зберігання, обробку і подання даних. Програмні продукти, що належать до цього типу OLAP-технології, як правило, мають сервер багатовимірних баз даних. Ця структура забезпечує максимально ефективний щодо швидкості доступ до даних, проте потребує додаткового ресурсу пам'яті. Крім того, велика розмірність моделі даних і розрідженість гіперкубів призводить до витрат великих апаратних ресурсів, що не завжди може бути доцільним.

В ROLAP (Relational OLAP) багатовимірна структура реалізується реляційними таблицями, тобто гіперкуб – це лише користувацький інтерфейс, котрий емулюється на звичайній реляційній СУБД. Така структура забезпечує зберігання великих обсягів інформації, проте є менш продуктивною з погляду ефективності OLAP-операцій.

Недоліки основних типів OLAP-технології зумовили появу нового класу аналітичних інструментів – HOLAP-системи, що забезпечує гібридну (hybrid) оперативну аналітичну обробку даних із реалізацією обох підходів, тобто з доступом як до даних багатовимірних баз даних, так і до даних реляційного типу.

На даний час розроблено досить багато аналітичних систем, сконструйованих з використанням OLAP-технології (Hyperion OLAP, Elite OLAP, Oracle Express та багато інших). Ринок програмних OLAP-продуктів постійно розширюється. Сучасні системи оперативної аналітичної обробки дають користувачам змогу вирішувати ключові задачі управління бізнес-процесом, зокрема прикладні програми Hyperion OLAP дозволяють виконувати аналіз прибутковості; аналіз напрямків розвитку продукції; аналіз продажу; аналіз становища на ринку; аналіз асортименту продуктів; аналіз ризику; аналіз конкурентоспроможності; складання звітів з продуктивності; моделювання сценарію; аналіз бюджету і прогнозів тощо. Зауважимо, що згідно із сучасними поглядами на створення інформаційних систем OLAP-системи мають базуватися на спеціальній базі даних – сховищі даних.

Сховище даних (Data WarenHouse) як особлива форма організації бази даних, котра призначена для зберігання в погодженому вигляді історичної інформації, що надходить з різних оперативних систем та зовнішніх джерел, в останній час набуває широкого розповсюдження в інформаційних системах, зокрема в системах підтримки прийняття рішень. І хоча з формального погляду сховище даних являє собою різновид звичайної БД, проектують їх по-різному.

Для звичайних БД процес створення відбувається за схемою: вивчення предметної області; побудова інформаційної моделі; розробка на основі інформаційної моделі проекту бази даних; створення бази даних. Обов'язкові етапи створення сховищ даних інші, а саме:

• визначення інформаційних потреб користувачів стосовно даних, котрі нагромаджуються в базах даних операційних систем – систем обробки трансакцій OLTP-систем, що є джерелами оперативних даних;
• вивчення локальних баз даних OLTP-систем;
• виокремлення для кожної бази даних підмножини даних, необхідних для завантаження у сховище даних;
• інтегрування локальних підмножин даних і розробка загальної погодженої схеми сховища.

Для виконання створення сховищ даних за поданою схемою існують різні інструментальні засоби, зокрема програмний продукт Oracle Designer та його спрощена версія Oracle Data Mart Designer, де вираз Data Mart означає вітрину даних як спеціалізоване сховище, що обслуговує один з напрямків діяльності компаній, наприклад облік запасів чи маркетинг. У вітрини даних інформація надходить або зі сховища (залежні вітрини), або безпосередньо з джерел даних, проходячи попередні узгодження та перетворення (незалежні вітрини).

Схему формування та використання сховища даних в СППР зображено на рис. 7. Дані беруться з різноманітних джерел оперативних даних. Після їх переміщення відбираються дані для гарантування того, що вони мають сенс, є неперервними і точними. Потім дані завантажуються в реляційні таблиці, здатні підтримувати різноманітні види аналізу та запитів, і оптимізуються для тих таблиць, котрі, як очікується, найчастіше використовуватимуться. І нарешті дані зберігаються для подальшого використання в СППР.

Коли сховища даних уже створені та оптимізовані, необхідно ефективно завантажувати нові дані в систему, завантажувати їх без переривання процесу підтримки прийняття рішень. Проте зі збільшенням кількості даних розробники змушені визначати нові синтаксичні формати та формат запитів, які є більш швидкими та легкими, а також вишукувати нові підходи до поєднання реля-ційних таблиць і добування даних із цих дуже великих баз даних