OLAP: online analytical processing

blank

OLAP (processamento analítico online) é uma forma de computação projetada para tornar mais fácil e rápido para os usuários extrair e consultar dados para que possam investigá-los de várias perspectivas. 

As consultas de Business Intelligence OLAP são frequentemente usadas em muitas atividades de previsão e orçamento, especialmente para previsões, apontar tendências e prever vendas. 

Um exemplo comum disso é quando um cliente solicita que uma visualização de dados seja criada para apresentar uma planilha exibindo todos os itens de bola de praia de uma empresa vendidos no Rio de Janeiro em julho, bem como outros dados relacionados à receita, como as estatísticas dos mesmos produtos em setembro. 

Os sistemas OLAP computam resultados agregados de fontes tabulares. 

Para fazer análises desse tipo, diferentes tipos de dados são adquiridos de diferentes fontes e, em seguida, mantidos em data warehouses antes de serem processados e organizados em cubos de dados. 

Um cubo OLAP é um conjunto de dados que possui dimensões classificadas nas dimensões obtidas a partir de tabelas dimensionais nos data warehouses. 

Em seguida, as dimensões (nomes de clientes, nações e meses) são fornecidas com membros (como clientes e países) que são estruturados hierarquicamente. 

Para reduzir drasticamente o tempo de consulta, os cubos OLAP são frequentemente pré-resumidos nas dimensões para permitir um processamento rápido de consulta. 

Depois que os analistas fazem operações OLAP nesses bancos de dados multidimensionais, eles são capazes de executar cinco tipos de operações OLAP nesses bancos de dados: 

  • “Roll-up”. Isso também é conhecido pelo nome de drill-up, ou consolidação, e envolve o resumo dos dados em uma dimensão. 
  • “Drill-down”. Ele permite que os analistas investiguem mais profundamente os detalhes dos dados, por exemplo, mapeando o crescimento das vendas de um produto ao longo de vários períodos, como anos, meses e semanas. 
  • “Slice”. As informações mostradas dessa maneira permitem que um analista exiba dados em um nível, como “vendas em 2017”. 
  • “Dice”. Isso oferece ao analista a capacidade de explorar vários aspectos dos dados para obter uma imagem mais aprofundada, como “vendas de bolas de praia azuis em São Paulo em 2017”. 
  • “Pivot”. Os dados podem ser vistos de uma perspectiva diferente quando seus eixos são girados. 

O software OLAP encontrará a interseção de dimensões, como todos os itens vendidos na área leste, em um determinado preço durante um período específico, e os mostrará. 

A medição produzida é conhecida como “medida”; ele pode ser encontrado apenas no cubo OLAP, ou pode ser incluído nas tabelas de fatos do data warehouse, ou pode até mesmo ser calculado para cada cubo OLAP. 

OLAP começa com dados de várias fontes, que são reunidos em um data warehouse. Depois de limpar os dados, eles são carregados em cubos OLAP que os usuários utilizam para consulta. 

Existe uma ampla classe de sistemas OLAP 

Geralmente, existem três configurações básicas de OLAP (processamento analítico online): 

  • OLAP que indexa diretamente em um banco de dados multidimensional é conhecido como MOLAP. 
  • OLAP que utiliza análise multidimensional dinâmica é ROLAP. 
  • O HOLAP foi projetado para usar a capacidade de dados aumentada do ROLAP, enquanto, ao mesmo tempo, usa o processamento aprimorado do MOLAP. Esta abordagem incorpora ROLAP e MOLAP para entregar um OLAP híbrido (HOLAP). 

Aplicativos que usam OLAP 

OLAP é eficaz para minerar ligações de dados que não foram detectadas anteriormente. Como nem todos os dados transacionais são necessários para a análise de tendências, um banco de dados OLAP não precisa ser tão grande quanto um data warehouse. 

Os dados podem ser importados de bancos de dados relacionais existentes usando o padrão de conectividade de banco de dados aberto ODBC e usados para construir um banco de dados multidimensional para OLAP. 

Os sistemas OLAP são comumente usados em aplicativos de negócios com cenários de casos de uso limitados, nos quais os custos do software aumentam com o número de usuários.