Online Analytical Processing (OLAP)
Online Analytical Processing (OLAP) ist eine Methode, die es Benutzern ermöglicht, Daten einfach und selektiv zu extrahieren und abzufragen, um sie aus verschiedenen Blickwinkeln zu analysieren. OLAP-Abfragen helfen unter anderem bei Trendanalysen, Finanzberichterstattungen, Umsatzprognosen, Budgetierung und anderen Planungszwecken.
Ein Benutzer kann zum Beispiel die Analyse von Daten anfordern, um eine Tabelle mit allen Fußball-Produkten eines Unternehmens anzuzeigen, die im Juli in Deutschland verkauft wurden, die Umsatzzahlen mit denen im September vergleichen und dann einen Vergleich mit anderen Produktverkäufen in Deutschland im gleichen Zeitraum anzeigen.
Wie OLAP-Systeme funktionieren
Um diese Art der Analyse zu erleichtern, werden Daten aus mehreren Datenquellen gesammelt und in Data Warehouses gespeichert, die dann bereinigt und in Data Cubes (Datenwürfel) organisiert werden.
Jeder OLAP-Würfel enthält Daten, die nach Dimensionen kategorisiert sind (zum Beispiel Kunden, geografische Verkaufsregion und Zeitspanne) und die durch Dimensionstabellen in den Data Warehouses abgeleitet werden. Die Dimensionen werden dann mit Merkmalen (wie Kundennamen, Länder und Monate) gefüllt, die hierarchisch organisiert sind. OLAP-Würfel werden häufig über Dimensionen vorverdichtet, um die Abfragezeit gegenüber relationalen Datenbanken zu verbessern.
Analysten können fünf Arten von OLAP-Analyseoperationen mit diesen mehrdimensionalen Datenbanken durchführen:
- Roll-up: Diese auch als Consolidation oder Drill-Up bekannte Operation fasst die Daten entlang der Dimension zusammen.
- Drill-down: Dadurch können Analysten tiefer in den Datendimensionen navigieren, zum Beispiel von Zeitspanne auf Jahre und Monate herunterdrillen, um das Umsatzwachstum für ein Produkt darzustellen.
- Slice: Dies ermöglicht es einem Analysten, eine Informationsebene zur Anzeige zu nehmen, zum Beispiel Verkäufe im Jahr 2019.
- Dice: Dies ermöglicht es einem Analysten, Daten aus mehreren Dimensionen zur Analyse auszuwählen, wie zum Beispiel Verkäufe von blauen Strandbällen in Deutschland im Jahr 2017.
- Pivot: Analysten können eine neue Sicht auf die Daten erhalten, indem sie die Datenachsen des Würfels drehen.
Die OLAP-Software lokalisiert die Schnittmenge der Dimensionen, wie zum Beispiel alle Produkte, die in einer Region über einen bestimmten Preis in einem bestimmten Zeitraum verkauft wurden, und zeigt sie an. Das Ergebnis ist die Maßzahl oder Kennzahl (measure). Jeder OLAP-Würfel verfügt über mindestens ein bis Hunderte oder Tausende von Kennzahlen, die aus den in Faktentabellen im Data Warehouse gespeicherten Informationen abgeleitet werden.
Arten von OLAP-Systemen
OLAP-Systeme gehören typischerweise zu einer von diesen drei Arten:
- Multidimensionales OLAP (MOLAP) ist ein OLAP-System, das direkt in eine multidimensionale Datenbank indiziert.
- Relationales OLAP (ROLAP) ist ein OLAP-System, das eine dynamische mehrdimensionale Analyse von Daten durchführt, die in einer relationalen Datenbank gespeichert sind.
- Hybrid OLAP (HOLAP) ist eine Kombination aus ROLAP und MOLAP. HOLAP wurde entwickelt, um die größere Datenkapazität von ROLAP mit der besseren Verarbeitungsfähigkeit von MOLAP zu kombinieren.
Verwendung von OLAP
OLAP kann für Data Mining oder die Erforschung bisher unerkannter Beziehungen zwischen Datenelementen verwendet werden. Eine OLAP-Datenbank muss nicht so groß wie ein Data Warehouse sein, da nicht alle Transaktionsdaten für die Trendanalyse benötigt werden. Mit Unterstützung von Open Database Connectivity (ODBC) können Daten aus bestehenden relationalen Datenbanken importiert werden, um eine multidimensionale Datenbank für OLAP zu erstellen.
Bekannte OLAP-Produkte sind IBM Cognos Analytics, Oracle OLAP und Oracle Essbase. OLAP-Funktionen sind auch in Tools wie Microsoft Excel und den Analysis Services von Microsoft SQL Server enthalten. OLAP-Produkte sind in der Regel für Mehrbenutzerumgebungen konzipiert, wobei die Kosten der Software von der Anzahl der Benutzer abhängen.
