Selasa, 16 Desember 2014

Belajar OLAP

Dasar-Dsar OLAP (Online Analytical Processing)

Olap
Online Analytical Processing, atau disingkat OLAP adalah sebuah pendekatan secara cepat menyediakan jawaban-jawaban terhadap kueri analitik yang multidimensi di dalam alam. OLAP adalah bagian dari kategori yang lebih global dari pemikiran bisnis, yang juga merangkum hubungan antara pelaporan dan penggalian data. Aplikasi khusus dari OLAP adalah pelaporan bisnis untuk penjualan, pemasaran, manajemen pelaporan, manajemen proses bisnis (MPB), penganggaran dan peramalan, laporan keuangan dan bidang-bidang yang serupa. Istilah OLAP merupakan perampingan dari istilah lama database OLTP (Online Transaction Processing).Database yg dikonfigurasikan untuk pelayanan OLAP model data multidimensi, bisa digunakan untuk analisis komplek dan kueri khusus (ad hoc) dengan suatu laju waktu eksekusi.
Mereka meminjam aspek database navigasi dan database hierarki yang lebih cepat daripada yang sefamilinya. Nigel Pendse menyarankan suatu alternatif dan mungkin istilahnya lebih deskriptif yang menjelaskan bahwa konsep OLAP adalah Analisis Cepat dari Informasi Multidimensi yang dapat di-sharing (FASMI). Keluaran dari kueri OLAP ditampilkan secara khusus dalam format matrik atau pivot. Dimensinya membentuk baris berupa ukuran dan kolom berupa nilai dari matrik.

Desain Konsep
Di dalam inti sebarang sistem OLAP merupakan konsep dari sebuah kubus OLAP (disebut juga sebagai kubus multidimesi atau hiperkubus) yang terdiri dari numeric fact yang disebut ukuran dan dikategorikan sebagai dimensi. Kubus metadata secara khusus terbuat dari sebuah skema bintang atau skema kristal salju dari tabel di dalam sebuah database yang berhubungan. Ukuran diturunkan dari rekord dalam fact table dan dimensi-dimensi yang diturunkan dari tabel-tabel dimensi.
Setiap pengukuran bisa dijadikan gagasan karena memiliki sebuah himpunan label, atau metadata yang dihubungkan dengannya. Sebuah dimensi merupakan apa yang dijelaskan label-label ini; ia juga menyediakan informasi tentang ukuran.
Contoh sederhana untuk menjadikan kubus yang berisi penyimpanan sales sebagai ukuran dan tanggal/jam sebagai sebuah dimensi. Setiap penjualan memiliki label tanggal/jam yang menjelaskan lebih tentang penjualan itu.Sebarang jumlah dimensi dapat ditambahkan ke struktur seperti penyimpanan, kasir, atau pelanggan dengan menjumlahkan sebuah kolom ke fact table.
Bisa pula analis melihat ukuran sepanjang sebarang kombinasi dari dimensi-dimensi itu. Ide dasar dari OLAP adalah cukup sederhana. Mari kita pikirkan bahwa data memesan buku sejenak. Misalkan Anda ingin tahu berapa banyak orang memesan buku tertentu setiap bulan selama tahun. Anda dapat menulis permintaan yang cukup sederhana untuk mendapatkan informasi yang Anda inginkan. menangkap adalah bahwa mungkin membutuhkan waktu yang lama untuk SQL Server untuk churn melalui banyak baris data.
Dan bagaimana jika tidak semua data dalam tabel SQL Server tunggal, tetapi tersebar di dalam berbagai database seluruh organisasi Anda? Info pelanggan, misalnya, mungkin dalam database Oracle, dan informasi pemasok dalam database xBase warisan. SQL Server dapat menangani permintaan didistribusikan heterogen, tetapi mereka lebih lambat.
Bagaimana jika, setelah melihat angka-angka bulanan, Anda ingin menelusuri ke nomor mingguan atau harian? Itu akan lebih memakan waktu dan memerlukan menulis pertanyaan bahkan lebih. Di sinilah OLAP masuk Ide dasarnya adalah ruang penyimpanan trade off sekarang untuk meningkatkan kecepatan query kemudian. OLAP melakukan hal ini dengan menyimpan precalculating dan agregat. Bila Anda mengidentifikasi data yang ingin Anda simpan dalam database OLAP, Analisis Jasa analisis di muka dan angka keluar angka-angka harian, mingguan, dan bulanan dan toko mereka pergi (dan toko agregat lainnya pada saat yang sama). Hal ini memakan banyak ruang disk, tetapi itu berarti bahwa ketika Anda ingin mencari data Anda dapat melakukannya dengan cepat.
Kemudian dalam tulisan ini, Anda akan melihat bagaimana Anda dapat menggunakan Analisis Layanan untuk mengekstrak informasi ringkasan dari data Anda. Pertama, meskipun, Anda harus membiasakan diri dengan kosakata baru. Konsep dasar OLAP termasuk :
  • cube
  • Dimension table
  • Dimension
  • Hierarchy
  • Level
  • Fact table
  • Measure
  • Schema
1. Kubus
Unit dasar dari penyimpanan dan analisis dalam Analisis Jasa adalah kubus. kubus adalah kumpulan data yang telah dikumpulkan untuk memungkinkan permintaan untuk kembali data dengan cepat. Sebagai contoh, sebuah kubus data mungkin agar dikumpulkan menurut periode waktu dan dengan judul, membuat kubus cepat ketika Anda mengajukan pertanyaan tentang perintah oleh minggu atau perintah menurut judul.
Kubus dipesan ke dimensi dan ukuran. Data untuk kubus berasal dari serangkaian pementasan tabel, kadang-kadang disebut bintang-schema database. Dimensi dalam kubus dimensi berasal dari tabel dalam database pementasan, sementara tindakan berasal dari fakta tabel dalam database pementasan.

2. Dimensi meja
Sebuah tabel dimensi hidup dalam database pementasan dan berisi data yang ingin Anda gunakan untuk grup merangkum nilai-nilai Anda. Dimensi tabel berisi kunci utama dan semua atribut lain yang menggambarkan entitas yang tersimpan dalam tabel. Contohnya meja Pelanggan yang berisi kota, informasi negara dan kode pos untuk dapat menganalisis penjualan secara geografis, atau meja Produk yang berisi kategori dan lini produk untuk mendobrak angka penjualan.

3. Dimensi
Masing-masing kubus memiliki satu atau lebih dimensi, masing-masing berdasarkan tabel satu atau lebih dimensi. Sebuah dimensi merupakan kategori untuk menganalisis data bisnis: waktu atau kategori pada contoh di atas. Biasanya, dimensi memiliki hirarki alami sehingga hasil yang lebih rendah dapat "digulung" menjadi hasil yang lebih tinggi. Sebagai contoh, di tingkat geografis Anda mungkin memiliki total kota agregasi higga menjadi total negara, atau jumlah total negara ke negara.

4. Hirarki
Hirarki A dapat terbaik divisualisasikan sebagai sebuah pohon node. bagan organisasi sebuah perusahaan adalah contoh dari sebuah hirarki. Masing-masing dimensi dapat berisi beberapa hierarki, beberapa dari mereka adalah hierarki alam (hubungan orangtua-anak antara nilai-nilai atribut terjadi secara alami dalam data), hirarki navigasi lain (hubungan orangtua-anak dibentuk oleh pengembang.)

5. Tingkat
Setiap lapisan dalam hirarki disebut level. Misalnya, Anda dapat berbicara tentang tingkat seminggu atau sebulan tingkat dalam hierarki waktu fiskal, dan tingkat kota atau tingkat negara dalam hierarki geografi.

6. Fakta meja
Sebuah kehidupan tabel fakta dalam database pementasan dan berisi informasi dasar yang Anda ingin meringkas. Ini mungkin agar detail informasi, catatan penggajian, informasi efektivitas obat, atau apa pun yang setuju dengan penjumlahan dan rata-rata. Setiap meja yang Anda gunakan dengan Sum atau fungsi Rata-rata dalam permintaan total adalah taruhan yang baik untuk menjadi tabel fakta. Tabel fakta berisi kolom untuk fakta individu serta bidang kunci asing terkait fakta-fakta dengan tabel dimensi.

7. Mengukur
Setiap kubus akan berisi satu atau lebih tindakan, masing-masing berdasarkan kolom dalam tabel fakta bahwa Anda '; d ingin menganalisis. Dalam kubus informasi pesanan, misalnya, tindakan akan hal-hal seperti unit penjualan dan laba.

8. Skema
Fakta tabel dan tabel dimensi yang terkait, yang tidak mengejutkan, mengingat bahwa Anda menggunakan tabel dimensi untuk informasi grup dari tabel fakta. Hubungan dalam bentuk kubus sebuah skema. Ada dua dasar skema OLAP: bintang dan kepingan salju. Dalam skema bintang, setiap tabel dimensi berhubungan langsung ke tabel fakta. Dalam skema kepingan salju, beberapa tabel dimensi yang berhubungan langsung dengan tabel fakta. Misalnya, jika Anda termasuk OrderDetails kubus sebagai tabel fakta, dengan Pelanggan dan Order sebagai tabel dimensi, dan Pelanggan terkait dengan Pesanan, yang pada gilirannya berhubungan dengan OrderDetails, maka Anda sedang berhadapan dengan skema kepingan salju.

Tidak ada komentar: