مدل های اجرای هوش تجاری (OLTP – OLAP)

انبار داده یا پایگاه داده تحلیلی (Data WareHouse)

در یک سازمان نرم‌افزارها و زیر سیستم‌های مختلفی وجود دارد که هر کدام داده‌هایی را تولید می‌کنند و در فرآیند هوش تجاری بایستی از آن‌ها جهت ایجاد ارزش استفاده شود. هر کدام از نرم‌افزارهای موجود در سازمان داده‌های تولید شده مختص به خود را دارند که این داده‌های مختلف نه تنها از یک پلتفرم نیستند بلکه حتا در مستر دیتا هم باهم همخوانی ندارند. اگر بخواهیم برای هر پرس و جو (Query) که به تحلیل ما کمک کند، به این نرم‌افزارها درخواستی دهیم، احتمالا وقت و زمان خود را هدر داده‌ایم و ممکن است به نتیجه مطلوب هم نرسیم. پس بهتر است داده‌ها را با توجه به موضوعی که می‌خواهیم تحلیل کنیم در یک مکان مشترک واحد انبار کنیم. به این مکان انبار داده یاData Warehouse می‌گویند.

OLAP چیست؟

olap یکی از مدل های اجرای هوش تجاری پردازش تحلیلی برخط یا OLAP، به اختصار عبارت Online Analytical Processing است و برای پردازش داده‌های آنلاین و دسترسی سریعتر به داده ها طراحی شده است.

در واقع olap ، شامل بررسی و شناخت روش‌های جمع‌آوری، دسته بندی و ارائه اطلاعات به صورت سریع و کاربرپسند است تا فرایند تصمیم‌گیری را برای کاربران آسان‌تر کند.

نوع خاصی از ذخیره سازی اطلاعات در پایگاه داده تحلیلی یا OLAP شکل می‌گیرد بصورتی که دانه های اطلاعاتی از انبار داده وارد مکعب‌های چند بعدی شده و تمامی حالت‌های محاسباتی ممکن به ازای ابعاد مختلف بصورت از پیش محاسبه شده در آن ذخیره می‌شود تا در زمان درخواست و واکشی اطلاعات آماده بازیابی با سرعت بالا باشند.

ساختار OLAP شبیه به یک مکعب روبیک از داده‌ها است که می‌توان آنرا در جهات مختلف چرخانید تا بتوان سناریو‌های مختلف مانند «قبلا چه شده»، «چه می‌شد اگر» و داده کاوی اطلاعات و … را بررسی نمود. مدل چند بعدی OLAP فراخوانی و نمایش داده‌ها را در مقایسه با بانک‌های اطلاعاتی رابطه‌ای بسیار تسهیل می‌کند.

در این مرحله طراحی دیتامدل، کیوب‌ها، ابعاد، سلسله مراتب‌ها و انواع پردازش اطلاعات درون مکعب‌ها انجام می‌شود. همچنین فرمول نویسی متریک‌ها و شاخص‌های کلیدی عملکرد KPI بصورت تخصصی با زبان‌های مخصوص تحلیل داده برنامه‌نویسی شده تا در مرحله نمایش و تجسم اطلاعات در اختیار تحلیلگران داده برای ساخت گزارشات و داشبوردها قرار گیرد.

OLTP چیست؟

واژه OLTP مخفف Online transaction processing می باشد و با عنوان پردازش تراکنش های آنلاین شناخته می شود و از برنامه های معامله گرا در معماری ۳ لایه پشتیبانی می کند. OLTP تراکنش روزانه یک سازمان را انجام می دهد. OLTP جهت پردازش داده‌های خود بر روی انواع پایگاه‌داده‌ها استفاده می‌کنند، هدف اصلی پردازش داده ها است و نه تجزیه و تحلیل داده ها.

این معاملات همیشه مربوط به درج ، حذف یا به روزرسانی داده ها در دیتابیس است. این درج / به روز رسانی یا حذف باید بر روی مقدار کمی از داده های موجود در پایگاه داده باشد. این است که به عنوان یک سیستم غیر متمرکز ساخته شده است برای جلوگیری از یک نقطه از شکست در نتیجه حفظ هم زمان. داده ها در پایگاه داده OLTP بصورت جامع و به روز می باشند، و طرح مورد استفاده برای ذخیره پایگاه داده تراکنشی ، مدل ورود داده معمولا از فرم سوم نرمال سازی۳NF استفاده می شود می باشد.

شما می توانید امکانات دیگر این سامانه را در صفحه هوش تجاری بررسی فرمایید.

موارد تفاوت Data WareHouse OLAP و OLTP DataBase

از لحاظ مدلهای داده: پایگاههای داده برای مدل OLTP امکان پردازش تعداد زیادی تراکنش همروند، که اغلب حاوی رکوردهای اندکی هستند را دارد . اما انبارهای داده برای پردازش OLAP طراحی شده اند که اطلاعات در مکعب‌ها بصورت Precalculate یا از پیش محاسبه شده به ازای حالتها و بعدهای مختلف ذخیره می شوند و آماده بازیابی با سرعت بالا هستند.

از لحاظ عملیات قابل اجرا بر روی آن‌ها: عملیاتی که بر روی پایگاه داده‌ها صورت می گیرد، عموما شامل عملیات نوشتن و به هنگام سازی و حذف (Update, Delete, Write) است در حالی که عمل خواندن (Select) از انبار، عمده عملیات قابل اجرا بر روی انبارداده را تشکیل می دهد .

از لحاظ مقدار داده: مقدار داده‌های یک پایگاه داده در حدود چند مگابایت تا چند گیگابایت است در حالی که این مقدار در انبار داده در حدود چند گیگابایت تا چند ترابایت است.

از لحاظ زمان پرس و جو: انبار داده با استفاده از تکنیکهای فشرده سازی، خلاصه سازی و سلسله مراتبی کردن فیلدها سرعت انجام پرس وجو را بهبود بخشیده است.

مدل-اجرای-هوش-تجاری
اگر سوالی در رابطه با سامانه هوش تجاری دارید می توانید از طریق صفحه درخواست دمو با ما در ارتباط باشید و یا با شماره تماس های شرکت تماس حاصل فرمایید.
تمامی حقوق این سایت متعلق به شرکت سبزافزار آریا است.