Аналитическая обработка данных, прогнозирование и моделирование при помощи OLAP-технологии (ПАРУС OLAP)

OLTP: On-line transaction processing

Современные компании на протяжении нескольких лет используют мощные информационные OLTP-системы, накапливающие громадные объемы данных, которые эффективно используются в текущей работе различных подразделений: отделов планирования и реализации, бухгалтерии и т. п. Но для стратегических целей, эти данные - пока "вещь в себе". Легко ли Вы можете получить ответ на, казалось бы, простой вопрос: "Какая группа ваших продуктов, в каком регионе и по каким группам потребителей приносит наибольшую прибыль?", или: "Какие торговые представители в каждом регионе добились лучших результатов по месяцам прошлого года?" Сегодняшний деловой мир сталкивается с необходимостью принимать множество решений, опираясь на громадные объемы данных, которые необходимо обрабатывать в сжатые сроки. Накопленные данные могут стать базой для принятия стратегических решений, но для реализации этого намерения нужно специальное средство.

OLAP: On-line analytical processing

Диалоговая аналитическая обработка данных - OLAP - является удобным инструментом быстрого анализа больших объемов данных и наглядного отображения результатов в виде рисунков, графиков, диаграмм и таблиц. Этот класс программ адресован, в основном, высшему руководящему звену и предназначен для анализа сложного комплексного процесса, которым является реальная жизнь любого предприятия. Выявленные с помощью OLAP-технологии закономерности и тенденции - необходимая информация для принятия управленческих решений, а также для создания всевозможных отчетов и презентаций.

НЕ нашли? Не то? Что вы ищете?

Характеристики и круг задач, эффективно решаемых каждой технологией, поясняется следующей сравнительной таблицей:

Характеристика

OLTP

OLAP

Частота обновления данных

Высокая, небольшие "порции"

Малая, большие "порции"

"Возраст" данных

Текущие (несколько месяцев)

Исторические (за годы) и прогнозируемые

Уровень агрегации данных

Детализированные данные

В основном - агрегированные данные

Возможности аналитических операций

Регламентированные отчеты

Последовательность интерактивных отчетов, динамическое изменение уровней агрегации и срезов данных

Назначение системы

Регистрация, оперативный поиск и обработка, регламентированный анализ

Работа с историческими данными, аналитическая обработка, прогнозирование, моделирование

Сравнение OLTP и OLAP

Характеристика

OLTP

OLAP

Преобладающие опе-рации

Ввод данных, поиск

Анализ данных

Характер запросов

Много простых транзакций

Сложные транзакции

Хранимые данные

Оперативные, детализи-рованные

Охватывающие большой период времени, агреги-рованные

Вид деятельности

Оперативная, тактическая

Аналитическая, страте-гическая

Тип данных

Структурированные

Разнотипные

Системная характеристика

Учетная система (OLTP)

OLAP

Взаимодействие с пользователем

На уровне транзакции

На уровне всей базы данных

Данные, используемые при обращении пользователя к системе

Отдельные записи

Группы записей

Время отклика

Секунды

От нескольких секунд до нескольких минут

Использование аппаратных ресурсов

Стабильное

Динамическое

Характер данных

Главным образом первичные (самый низкий уровень детализации)

В основном производные (сводные значения)

Характер доступа к базе данных

Предопределенные или статические пути доступа и отношения данных

Неопределенные или динамические пути доступа и отношения данных

Изменчивость данных

Высокая (данные обновляются с каждой транзакцией)

Низкая (во время запроса данные обновляются редко)

Приоритеты

Высокая производительность Высокая доступность

Гибкость
Автономность пользователя

В рамках VIII международного конкурса программного обеспечения в области бизнеса и финансов "Бизнес-Софт'2001" Корпорация стала победителем и награждена дипломом в номинации "Лучшие решения в области бизнес-анализа" за разработку Системы с использованием OLAP-технологии.

Корпорация ПАРУС предлагает решение, основанное на совместном использовании двух взаимно дополняющих друг друга направлений в области информационных технологий: OLTP и OLAP.

Основные понятия OLAP-технологии

Все отчеты и запросы в рамках OLAP-технологии оперируют с мерами и измерениями, "содержащимися" в гиперкубах.

    Мерами называются анализируемые количественные показатели, характеризующие результаты деятельности компании: объемы закупок и продаж, прибыль, время хранения товаров на складе и т. п. Измерения - это описательные категории, в разрезе которых анализируются меры. Например, объем продаж может анализироваться в разрезе дат и периодов, покупателей, групп покупателей, товаров, групп товаров, каналов сбыта, складов, менеджеров по продажам и т. д. Размерность гиперкуба (куба с произвольным количеством измерений) равна количеству относящихся к нему описательных категорий. Понятие гиперкуба позволяет проиллюстрировать соотношение терминов "мера" и "измерение". Наиболее просто представить себе пример гиперкуба с тремя измерениями и одной мерой:

Чтобы почувствовать в полной мере все богатство возможностей применения OLAP - технологии, приведем пример многомерного гиперкуба Сбыт, предназначенного для анализа:

    потребителей и продаваемых товаров по методу АВС; сроков исполнения заказов различных потребителей; объемов продаж по периодам, товарам и группам товаров, регионам и потребителям, внутренним подразделениям, менеджерам и каналам сбыта; взаиморасчетов с потребителями; возврата товаров от потребителей и т. д.;

и имеющего:

    измерения: Потребители, Даты операций, Группы товаров, Номенклатура, Модификации, Упаковки, Склады, Виды оплаты, Виды отгрузки, Тарифы, Валюта, Организации, Подразделения, Ответственные, Каналы распределения, Регионы, Города; меры: Количество плановое, Количество фактическое, Сумма плановая, Сумма фактическая, Платежи плановые, Платежи фактические, Сальдо плановое, Сальдо фактическое, Цена реализации, Срок исполнения заказа, Сумма возврата.

Поскольку отчеты могут формироваться с использованием любых сочетаний измерений и мер, то формально, использование данного куба позволит получать десятки тысяч отчетов. Как показывает практика, несколько тысяч из этих отчетов могут быть использованы пользователями для анализа и принятия решений.

OLAP-технология, не ограничивая пользователя в аспектах рассмотрения, в коли-честве параметров и уровней детализации, позволяет быстро переходить от одной диаграммы к другой.

Пусть аналитик (менеджер, руководитель) собирается провести анализ про-даж компании за предыдущие периоды времени. Начнет он, скорее всего, с отчета по продажам за период времени, например, за 2000 год. Увидев, что во 2-м и 3-м кварталах этого года продажи выросли на 15%, он может сформировать отчет по продажам за эти периоды в разрезе номенклатуры товаров или менеджеров, или филиалов (регионов). Это даст ответ на вопрос, какой товар обеспечил рост объемов продаж или какой менеджер (филиал, регион) добился высоких результатов. Далее аналитик может заинтересоваться потребителями или группами потребителей выявленного выше товара или клиентами передового менеджера. Это выясняется с помощью отчета об объемах продаж для конкретного товара или конкретного менеджера в разрезе потребителей и/или групп потребителей. Далее можно узнать, как развивались отношения с этими потребителями или какие результаты показывал ранее найденный менеджер и т. д.

На все эти вопросы можно получить ответы, формируя отчеты с помощью гиперкуба "Сбыт".

Приведем примеры других гиперкубов:

    Закупки - для анализа: поставщиков и закупаемых материальных ресурсов по методу АВС; сроков исполнения заказов различными поставщиками; взаиморасчетов с поставщиками; накладных расходов, связанных с закупками; ... Запасы - для анализа: излишков и недостач; загрузки складов по товарам и периодам; времени хранения товарных запасов; оборотных средств, "замороженных" в товарных запасах; сроков годности товарных запасов; ... Эффективность бизнеса - для анализа: оборачиваемости средств по товарам и группам товаров, поставщикам, каналам распределения и потребителям; доходов и расходов по товарам и группам товаров, складам и внутренним подразделениям, каналам распределения и регионам; прибыли и рентабельности по товарам и группам товаров, внутренним подразделениям, каналам распределения и регионам... Доходы; Затраты; Обязательства контрагентов; ...

Архитектура OLAP-решения

OLAP-решение строится на базе семейства продуктов Oracle Express. Оно реализует клиент-серверную архитектуру.

    OLAP-cервер обеспечивает хранение данных в многомерной базы дан-ных и выполняет запросы OLAP-клиентов. Клиент (имеется ввиду среда конечного пользователя) обеспечивает просмотр и анализ многомерных данных. Администратор создает, конфигурирует и сопровождает базу данных OLAP-сервера. Источниками данных для OLAP-сервера являются различные OLTP-системы (например, ПАРУС 5.хх, ПАРУС 8.хх и т. д., системы сторонних производителей: 1С, Галактика, ...), другие внешние источники. Для использования внешних данных необходимо знать их структуры, т. е. понимать: откуда и какую информацию необходимо импортировать в базу данных OLAP-сервера.

Откуда берутся данные для формирования отчетов?

Казалось бы, что у OLAP-технологии есть недостаток: аналитический отчет формируется не по актуальным данным, а по периодически получаемому образу, который сразу же устаревает: ведь база данных OLTP-системы пополняется и изменяется буквально "каждую минуту". Но для анализа и прогноза вовсе не нужны данные, в точности соответствующие данному моменту: здесь важны общие тенденции, а мелкие детали - не существенны.

Потребительские свойства OLAP-решения

Используя OLAP-решение Корпорации ПАРУС для управления предприятием, Вы получите:

    обобщения вместо цифр; тенденции вместо статистики; сценарии развития предприятия
    Постоянно-высокая скорость выполнения отчетов любой сложности и запросов к базе данных любого объема. Возможность строить отчеты и запросы в бизнес-терминах конкретной предметной области пользователями - не специалистами в области информационных технологий. Открытая архитектура позволяет добавлять гиперкубы, а также меры и измерения в существующих гиперкубах. Возможно дополнение системы собственными методиками (алгоритмами) анализа данных. Наличие встроенных функции анализа данных (поиск N максимальных/минимальных значений, вычисление средних значений и др.) и основных функции статистического анализа. Реализация стандартных методик исследования бизнеса: определения динамики итоговых значений; анализа по степени важности; структурного анализа. Моделирование и прогнозирование всевозможных бизнес-ситуаций. Получение ответа на вопрос "Что будет, если...?"