آشنایی با پردازش تحلیلی آنلاین (OLAP) و کاربردهایش

در این مطلب با بررسی روند کار این شیوه، سوالات مرتبط با پردازش تحلیلی آنلاین، طریقه عملکرد و ویژگی‌های منحصر به فرد OLAP را پاسخ می‌دهیم.

پردازش تحلیلی آنلاین (OLAP) چیست؟

امروزه، همه کسب‌وکار‌ها داده‌های خود را با استفاده از سیستم‌های مختلف جمع‌آوری می‌کنند اما همچنان  یک چالش برجای مانده است. چگونه می‌توان همه داده‌ها را تجمیع کرد تا اطلاعات دقیق، قابل اعتماد و سریع درباره کسب‌وکار ایجاد شود؟

طبعاً شرکتی که بتواند اطلاعات گردآوری شده را به صورت دقیق و سریع به دانشی مشترک تبدیل کند، مطمئناً در موقعیت بهتری برای اتخاذ تصمیمات تجاری موفق نسبت به رقبا خود قرار خواهد گرفت.

بهره‌گیری از روش پردازش تحلیلی آنلاین یا همان OLAP باعث می‌شود اطلاعات حائز اهمیت برند تجاری خود را بهتر تجزیه و تحلیل کنید.

کاربرد پردازش تحلیلی آنلاین (OLAP) چیست؟

به طور کلی از پردازش تحلیلی آنلاین در امور مرتبط با تجزیه و تحلیل روند‌های شهرت یافته در جهان (Trends)، تهیه و ارائه گزارش‌های مالی، پیش‌بینی میزان و روش‌های فروش، تخصیص بودجه و سایر اهداف مرتبط با برنامه‌ریزی بهره گرفته می‌شود. در این قسمت با شرح یک مثال اثر‌گذاری OLAP شرح داده خواهد شد.

فرض کنید شما در یک شرکت تولیدکننده توپ‌های ساحلی (توپ‌های فوتبال ساحلی یا والیبال ساحلی) در آمریکا مشغول به کار هستید. می‌توانید با استفاده از OLAP در راستای دریافت آمار‌ها و اطلاعات در رابطه با میزان توپ‌های به فروش رسیده در ماه‌های مختلفی از سال اقدام کرده و تمامی داده‌ها را به صورت منظم بر روی یک فایل Spreadsheet دریافت کنید.

در این مثال، شما می‌توانید با دریافت اطلاعات میزان فروش توپ‌های ساحلی با تعیین یک دوره ماهیانه یا یک تاریخ دقیق (مثلاً جولای ۲۰۲۲) تمامی اطلاعات مرتبط با فروش شرکت خود را به دست آورید. حال با تهیه آمار‌های فروش ماه سپتامبر می‌توانید به مقایسه جامع بین میزان فروش، طریقه فروش و میزان استقبال کاربران از محصولات خود را بپردازید. در نتیجه این تجزیه و تحلیل، شما به این مهم دست می‌یابید که فروش توپ‌های ساحلی در بازه زمانی ۳ ماهه فصل تابستان از رونق بیشتری برخوردار است.

مکعب OLAP چیست؟

جهت تسهیل فرآیند تجزیه و تحلیل در پردازش تحلیلی آنلاین، تمامی اطلاعات و داده‌های از تعداد زیادی از منابع جمع‌آوری شده، داده‌های قابل استفاده از داده‌های غیر‌قابل استفاده جدا‌سازی شده، در مکعب‌هایی از داده ذخیره‌سازی و سازماندهی می‌شوند. با این تفاسیر، هر مکعب داده حاوی داده‌هایی طبقه‌بندی شده و به دست آمده از جداول ابعادی انبار‌های داده خواهد بود. با ارجاع به مثالی که پیش‌تر از آن سخن گفته شد؛ طبقه‌بندی این داده‌ها می‌تواند مرتبط با «اسامی مشتریان، منطقه جغرافیایی محصولات به فروش رسیده و دوره زمانی فروش محصولات» باشد. در مرحله بعدی، ابعاد که به صورت سلسله مراتبی سازمان‌دهی شده‌اند؛ تکمیل خواهند شد. عمدتاً مکعب‌های OLAP به صورت از پیش تعیین شده در ابعاد خلاصه خواهند شد و به همین دلیل زمان صرف شده روی جست‌وجو و دریافت اطلاعات از پایگاه داده‌های رابطه‌ای به طرز چشمگیری کاهش خواهد یافت.

نحوه کارکرد پردازش تحلیلی آنلاین

تحلیلگران با ترتیب اثر دادن ۵ نوع عملیات تحلیلی OLAP روی پایگاه داده‌های چند بعدی جمع‌آوری شده، قادرند تا پردازش تحلیلی آنلاین را رقم بزنند. در ادامه به شرح مختصری از این اقدامات خواهیم پرداخت.

۱. رول آپ (Roll-up)

از این عملیات به عنوان فرایند تثبیت یا تمرین روی داده‌ها نیز یاد می‌شود. در این فرایند تمامی داده‌های قابل استفاده در ابعاد مورد نظر مکعب به صورت خلاصه جمع‌آوری خواهند شد.

۲. حرکت عمقی در داده‌ها (Drill-down)

در این فرآیند تحلیلگران قادرند به صورت عمقی در بین داده‌ها حرکت کنند. به طور مثال آنها می‌توانند از بازه‌های زمانی غیرطبقه‌بندی‌شده‌ای مانند «دوره زمانی» به جزئیات بیشتری دست یابند. این جزئیات می‌توانند تاثیر شگرفی روی ترسیم رشد فروش محصولات و در نتیجه اخذ استراتژی‌های موثر بر فروش از خود به جا بگذارند.

۳. برش دادن (Slice)

در این فرآیند تحلیلگر می‌تواند بنا بر نیاز تنها یک سطح از اطلاعات را به نمایش بگذارد. به طور مثال «میزان فروش در سال 2017».

4. تاس (Dice)

این مرحله به تحلیلگران اجازه می‌دهد داده‌ها را از ابعاد مختلف و گوناگون برای تجزیه و تحلیل انتخاب کنند. به طور مثال «فروش توپ های ساحلی آبی در نیویورک در سال 2017».

5. چرخاندن محور (Pivot)

تحلیلگران قادرند با چرخاندن محور‌های داده‌های مکعب، از موضع و زاویه‌ تازه‌ای به داده‌ها بنگرند. پس از این مراحل، نرم‌افزار OLAP با یافتن محل‌های تقاطع ابعاد مانند «تمام محصولات به فروش رسیده»، «منطقه مشخص شده»، «بازه زمانی معین» و «بیشتر از یک رقم تعیین شده» می‌تواند نتیجه را به کاربران نمایش دهد. نتیجه حاصل شده به عنوان اندازه یا همان Measure تلقی می‌شود. هر مکعب می‌تواند شامل یک یا صد‌ها اندازه باشد. این مقدار به اطلاعات ذخیره شده در جداول واقعی در انبار‌های داده وابسته است و از آنها مشتق می‌شود.

انواع پردازش تحلیلی آنلاین

تا به این لحظه به پرسش اولیه «OLAP‌ چیست؟» تا حد زیادی پاسخ داده شد؛ در ادامه با ارائه یک لیست در رابطه با انواع پردازش‌ تحلیلی آنلاین سعی می‌کنیم ابعاد دیگری از این موضوع را مطرح کنیم. به طور کلی سیستم‌های OLAP به ۳ دسته عمده تقسیم‌بندی می‌شوند. این دسته‌بندی‌ها عبارت‌اند از:

● OLAP چندبعدی (MOLAP)

OLAP چند بعدی که مخفف Multidimensional OLAP است؛ به دسته‌ای از پردازش تحلیلی آنلاین گفته می‌شود که داده‌ها به صورت مستقیم در یک پایگاه داده چند بعدی به نمایش در می‌آیند.

● OLAP رابطه‌ای (ROLAP)

OLAP رابطه‌ای یا همان Relational OLAP دسته‌ای از پردازش تحلیلی آنلاین است که در آن، عملیات تجزیه و تحلیل چند بعدی و پویای داده‌ها از داده‌های ذخیره شده در یک پایگاه داده رابطه‌ای (Relational) صورت می‌گیرد.

● OLAP ترکیبی (HOLAP)

Hybrid OLAP دسته‌بندی‌ ترکیبی و متشکل از دو دسته‌بندی پیشین یعنی ROLAP و MOLAP است. پردازش ترکیبی تحلیلی آنلاین با هدف ارتقاء ظرفیت داده‌های بیشتر از ROLAP و قابلیت پردازش بهتر از MOLAP توسعه یافته است.

موارد استفاده از OLAP

از OLAP‌ می‌توان در داده کاوی، کشف روابط نا‌شناخته و غیر‌معین بین اقلام داده بهره برد. نکته قابل توجه این است که برای صورت‌پذیری عملیات OLAP نیازمند به تهیه پایگاه داده در مقیاس حجیم به اندازه انبار داده نخواهید بود؛ چرا که تمامی داده‌های ذخیره شده در انبار داده قابلیت استفاده در تجزیه و تحلیل فرآیند OLAP را دارا نخواهند بود. علاوه بر این، شما می‌توانید با استفاده از ODBC (مختصر شده عبارت Open Database Connectivity) به استخراج داده‌ها از پایگاه‌های داده رابطه‌ای (Relational) جهت تولید یک پایگاه داده چند بعدی برای سیستم OLAP بپردازید.

محصولات OLAP عموماً با دیده بهره‌وری در محیط‌های چند کاربره طراحی می‌شوند و هزینه نرم افزار بر اساس تخمین تعداد کاربران صورت می‌گیرد. علاوه بر این شما قادرید در برخی از ابزار‌های مشهور مانند مایکروسافت اکسل و بخش خدمات آنالیز سرور در مایکروسافت SQL یا همان Microsoft SQL Server’s Analysis Services از ویژگی‌های OLAP بهره ببرید. در ادامه به شماری از محصولات OLAP خواهیم پرداخت. برخی از این محصولات عبارت‌اند از:

• IBM Cognos
• Oracle OLAP
• Oracle Essbase

مزایا و معایب OLAP

در این بخش به بررسی برخی مزایا و معایب پردازش تحلیلی آنلاین خواهیم پرداخت.

مزایای OLAP عبارت‌اند از:

• تجمیع و محاسبات بسیار سریع مجموعه داده‌های پایه و تاثیر‌گذار
• اخذ اطلاعات چند بعدی تجارت
• تطبیق‌پذیری با شرایط هر نوع کسب‌وکار
• توانایی بررسی نمودار‌های متشکل از اجزاء شکل‌دهنده و تاثیر‌گذار روی کسب‌وکار
• به دست آوردن اطلاعات و نمودار‌های قابل اعتماد
• شناخت و اخذ سیاست‌های مرتبط با مدیریت کسب‌وکار
• افزایش سرعت در تصمیم‌گیری و اتخاذ راه‌حل‌های حیاتی
• دستیابی به سود‌دهی هر چه بیشتر مجموعه با توجه به حداکثرسازی بهره‌وری در تصمیمات اتخاذ شده
• توانایی اخذ تصمیمات آگاهانه، با بهترین کیفیت و در کوتاه‌ترین زمان

معایب OLAP عبارت‌اند از:

• ضرورت صورت‌گیری پیش‌نمایش اطلاعات در پردازش تحلیلی آنلاین امری ضروری است. در بررسی اطلاعات تجاری، ابزارهای سنتی OLAP در بررسی و تحلیل سریع؛ پیش‌نمایش قبلی اطلاعات هرگز اتفاق نخواهد افتاد.
• نیازمند ظرفیت محاسباتی بالا و غیر‌قابل پیش‌بینی بودن میزان ظرفیت مورد نیاز
• ظرفیت تحلیل تعاملی پایین
• کندی در پاسخگویی به نیاز‌ها
• طراحی شده بر مبنای مدل نظری
• امکان ایجاد موقعیت‌های حاد و خطرناک درصورت مسلط نبودن بر این روش تحلیلی