Содержание
- Определение - Что означает онлайн-аналитическая обработка (OLAP)?
- Введение в Microsoft Azure и Microsoft Cloud | Из этого руководства вы узнаете, что такое облачные вычисления и как Microsoft Azure может помочь вам перенести и запустить свой бизнес из облака.
- Techopedia объясняет аналитическую онлайн-обработку (OLAP)
Определение - Что означает онлайн-аналитическая обработка (OLAP)?
Аналитическая онлайн-обработка (OLAP) - это концепция высокого уровня, которая описывает категорию инструментов, которые помогают в анализе многомерных запросов.
OLAP появился из-за огромной сложности и явного роста, связанного с бизнес-данными в 1970-х годах, когда объем и тип информации стали слишком тяжелыми для адекватного анализа с помощью простых запросов на языке структурированных запросов (SQL).
Введение в Microsoft Azure и Microsoft Cloud | Из этого руководства вы узнаете, что такое облачные вычисления и как Microsoft Azure может помочь вам перенести и запустить свой бизнес из облака.
Techopedia объясняет аналитическую онлайн-обработку (OLAP)
Возможность сравнения данных в традиционном SQL ограничена. Например, SQL может управлять запросами, такими как список торговых агентов, по сравнению с историей объема продаж. Однако при больших объемах данных может быть просто невозможно использовать SQL и сложно переводить данные в информацию, которая легко облегчает принятие решений. Трудно ответить на определенные вопросы в SQL, например, почему продажи продуктов выше в середине месяца, или почему агенты по продажам женского пола постоянно превосходят своих коллег-мужчин летом.
Признавая, что реляционные базы данных имеют врожденные ограничения, производители создали новые способы представления сложных взаимосвязей данных и анализа результатов для выявления скрытых и ранее неизвестных моделей и тенденций.
Тематическое исследование о потенциале OLAP выросло из использования одним крупным ритейлером инструментов OLAP для интеллектуального анализа данных. Этот розничный продавец заметил, что покупки детских товаров поздней ночью коррелировали с увеличением покупок пива поздней ночью. Первоначально это казалось совпадением, но более глубокий анализ клиентов показал, что ночные клиенты были в основном молодыми отцами в возрасте от середины до конца двадцатых или в начале тридцатых годов - демографические данные также связаны с располагаемым доходом поздней ночью. Основываясь на этих данных, ритейлеры начали перекрестную торговлю детскими товарами и пивом, а также объединили продажи обеих линий.
Это тематическое исследование доказало, как OLAP позволяет исследователям вникать и выявлять взаимосвязи данных между, казалось бы, не связанными событиями и тенденциями, тем самым улучшая процесс принятия деловых решений.