Современные информационные технологии/ 3. Программное обеспечение

Магистрант Тасболатова А.М., к.ф.-м.н. Камалова Г.А.

Западно-Казахстанский аграрно-технический университет им. Жангир хана, Казахстан

Использование OLAP и многомерных данных для

принятия решений

Менеджеры видят информацию в качестве важнейшего ресурса и требуют систем, которые позволяют им использовать его для достижения конкурентного преимущества. Один из лучших способов использования организационную информацию осуществляется посредством оперативной аналитической обработки и многомерной базы данных. OLAP и МDDB используют многомерные структуры, которые позволяют менеджерам сегментировать виды данных о производительности компании и углубиться в проблемные места.

При предоставлении OLAP и MDDB, задача состоит в том, чтобы различать между систем подходящий для оперативной обработки транзакций (OLTP) - которая подчеркивает повседневные операций и те что подходят для OLAP, в форме, которая поддерживает принятия управленческих решений. Например, менеджеры редко читают отчеты но они как правило, производятся традиционно и с большим энтузиазмом. Они предпочитают простую в использовании интерактивную систему как для преднамеренного поиска информации или для просмотра, чтобы получить общее представление о том, что происходит внутри и вокруг их организации. Такая система является идеальным применением OLAP и MDDB.

Разработчики MDDB и пользователи считают трехмерное изображение организационных данных, чтобы обеспечить менеджеров с лучшим средством понимания текущего состояния и возможности будущего их бизнеса. MDDB представляет данные пользователям в виде гиперкуба или многомерного массива, где каждое значение данных ядра (как правило, ключевые показатели эффективности) занимает ячейку, индексированная по уникальным набором значений параметров. В своей простейшей форме можно легко визуализировать эту структуру, используя значение, например, количество проданных, и показать как она изменяется вдоль трех наиболее распространенных размеров (время, место, и типа продукта).

Рисунок 1- Структура гиперкуба

Гиперкубы не ограничиваются только одним набором значений или трех эталонных размеров, так как они могут быть расширены, чтобы включить любое количество значений и размеров. Это представление стоит в резком контрасте с набором таблиц, используемых для представления данных в хорошо известной модели реляционной базы данных.

Данные чаще всего хранятся в MDDB. MDDB часто используются в сочетании с хранилищем данных или для эксплуатации данных в исполнительной информационной системы.

Несколько вариантов OLAP развивались в течение последних нескольких лет, наиболее важными из которых являются многомерным OLAP (MOLAP) и реляционной OLAP (ROLAP).

Данные в системах MOLAP периодически выгружаются из реляционных баз данных организации в полупостоянного гиперкуба. При загрузке таких данных, необходимо выполнить несколько агрегирование исходных данных. Это обеспечивает большую гибкость и более высокую производительность для пользователей в MDDB. Одна общая критика в MOLAP является отсутствие стандартизации среди фирменных MDDB продуктов, которые включают его. Тем не менее, тот факт, что большинство баз данных MOLAP доступны только для чтения и позволяет автоматизировать процесс извлечения данных из всех стандартных RDBMS минимизируя этот недостаток.

ROLAP, с другой стороны, анализирует исходные данные в текущей организационной базе данных или в реляционных хранилищ данных. Мощность обработки для выполнения анализа требует дорогостоящего, высокопроизводительного оборудования. Кроме того, ROLAP системы, как правило, используют только текущие организационные базы данных и поэтому лишены исторической информации. ROLAP имеет то преимущество, что связано с открытыми стандартами систем лежащий на основе RDBMS.

MOLAP занимает больше места, создавая физический куб, который дублирует данные, но значительно ускоряет OLAP. А ROLAP использует гораздо меньше места, но замедляет OLAP.

Основная проблема с MDDB, где время является измерением, как иметь дело с размерами, если структура изменяется с течением времени.

Все ИТ-специалисты, участвующие в тематических исследованиях сообщали о трудностях с основными понятиями мер и измерений, а также с их идентификации в данных. С другой стороны, это было удивительно, как быстро менеджеры поняли концепции измерения. Это говорит о том, что знакомство с данными, вместе с информационными потребностями задачи, является более значительным, чем традиционные базы данных многомерного моделирования.

В заключении можно сказать, что следует уделять больше внимания на понимание информации и знаний в качестве бизнес-активов для организационного планирования, принятия решений и инноваций.

ЛИТЕРАТУРА

1 Полубояров. В.В. Использование MS SQL Server Analysis Services 2008 для построения хранилищ данных. — Интуит. — 2010. — 487с.

2 Борисов Д.Н. Корпоративные информационные системы. — Воронеж: Издательско-полиграфический центр Воронежского государственного университета, 2007. — с. 99.

3 Акимов А.А., Богатырев В. Е., Финогеев А. Г. Системы поддержки принятия решений на базе беспроводных сенсорных сетей с использованием интеллектуального анализа данных Надежность и качество: труды Международного симпозиума. — Пенза, 2010. — Т. 1. — с. 225-229.

4 Гамма Э. Приемы объектно-ориентированного проектирования. Паттерны проектирования / Р. Хелм, Р. Джонсон, Дж. Влиссидес. — СПб.: Питер, 2007. — 366 c.