OLAP پردازش تحلیلی آنلاین

OLAP مخفف واژه های Online analytical processing بوده و در زبان پارسی “پردازش تحلیلی آنلاین” ترجمه می شود. رویکردی در جهت یافتن تحلیل های موثر از داده هاست و پشتیبانی از داده های چند بعدی از دیگر خصوصیات آن به شمار می رود. حال می بایست به چند سوال پاسخ داد:

• داده های چند بعدی چیست؟
• تحلیل داده ها به چه معناست؟
• کاربرد OLAP در چه حوزه هایی بررسی می شود؟
• مولفه های دخیل در فراهم سازی خوراک OLAP کدامند؟

داده های چند بعدی:

پیشنهاد می کنم برای شروع، نیم نگاهی مختصر و گذرا به Cube یا مکعب بیندازیم…

تصویر بالا را در نظر بگیرید، یه جدول ساده که میزان فروش در شهرهای مختلف را نمایش می دهد:

جدول فوق جمع فروش 6 شهر را در سال 88 نمایش می دهد، حال در نظر بگیرید نمونه های این جدول برای سال های 75 تا 87 به صورت مجزا پشت هم قرار بگیرند.

تصویر فوق همان مکعب داده ای است که می توان بر اساس داده های آن، به تحلیل های خوبی رسید که اصطلاحا این بعد داده را measures نیز می نامند.

تحلیل داده ها:

هدف از تحلیل داده ها، دستیابی به نتایج ارزشمند بر اساس داده هاییست که شاید به خودی خود بیانگر نتیجه گیری خاصی نباشند. مثال های واضح این تکنیک ها شامل موارد زیر می شود:

دستیابی به نتیجی چون: » زمینه سرمایه گذاری مناسب برای ماه های آتی سال

• مناطق مناسب جهت تبلیغات بیشتر در جهت فروش بهتر
• بررسی بهتر عملکرد نیروی انسانی و جایگذاری بهتر منابع سازمانی
• کنترل و مدیریت هزینه های سازمان
• و…

OLAP از زمره مفاهیم وابسته به حوزه هوش تجاری یا Business Intelligence می باشد و از کاربرهای آن می توان به موارد زیر اشاره کرد:

• سیستم های گزارش محور فروش، تحلیل بازار، مدیریت، بودجه
• سیستم های مدیریت پردازش های کسب و کار(Business process Management (BPM) 
• کلیه سیستم های DSS یا decision support system

داده هایی که خوراک OLAP ها را محیا می سازند عمدتا همان سیستم های OLTP رایج سازمان ها هستند، البته برای Data gathering راهکارهای زیادی مورد استفاده قرار میگیرند که از حوصله این پست که تنها برای آشنایی کلی با وازه OLAP نوشته شده خارج است.

نتیجه گیری: بیش از یک دهه از حجوم سازمان ها و شرکت های کشور به سمت سامانه های متمرکز و جامع اطلاعاتی نظیر سیستم های جامع مالی و اداری، MIS ها، IMS ها، ERP ها و… می گذرد ولی هنوز توجه درخور و شایسته ای به مفاهیم و کاربردهای OLAP نمی شود. علیرغم پرداخت بالاترین دستمزد حوزه IT در امریکا بخ متخصصین این فیلد، هنوز در کشور ما رغبت و علاقه ای در جهت یادگیری دیده نمی شود، به علاقه مندان این مفاهیم توصیه اکید میکنم تا مفاهیم زیر که متاسفانه توضیح و بست آنها از حوصله این پست خارج بود دنبال کنند .