نقش OLAP در پروژه‌های هوش تجاری

OLAP مخفف On-Line Analytical Processing تکنولوژی است برای تحلیل پایگاه داده‌های کسب و کارهای بزرگ، یک پایگاه داده تحلیلی‌ست. این سیستم شامل تاریخچه اطلاعات به منظور ایجاد گزارش‌های تحلیلی است تا در اختیار مدیران سازمان قرار گیرد. در این بخش یک پروژه با استفاده از OLAP Tabular پیاده‌سازی گردید. این نوع بانک اطلاعاتی سرعت بالایی در استخراج و تجمیع اطلاعات دارد، همچنین دارای انعطاف پذیری بالا در تحلیل اطلاعات دارد. انجام این فرآیند در SQL Server  به وسیله ی یک سرویسی به نام SQL Server Analysis Services  یا  SSAS قابل انجام است. در ادامه به بررسی نقش OLAP در پروژه‌های هوش تجاری می پردازیم.

پیاده‌سازی پروژه‌ها به روش Enterprise:

پروژه‌های هوش‌تجاری به دو روش Self Service BI و Enterprise BI قابل اجرا می‌باشد. در این همایش ما به بررسی مدل Enterprise BI می‌پردازیم.

به روش Enterprise BI  برای پروژه های بزرگ مناسب است و برای اجرای آن نیازمند یک تیم تخصصی می باشد و پیاده سازی هر لایه با استفاده از ابزارهای خاص انجام می شود  اما در روش Self Service BI صفر تا صد اجرای پروژه با استفاده از نرم‌افزار انجام می شود  و ورود داده از منابع اطلاعاتی مختلف انجام می گردد پیاده سازی پروژه به سبک داده به روش ETL  به انبار داده منتقل می شود و برای بحث تخلیل انبار داده از سرویس SSAS  استفاده می کنیم. 

مدل‌های پیاده‌سازی OLAP در هوش تجاری:

دو نگرش عمده مایکروسافت در تولید مدل‌های معنایی که به واسطه دو سرویس SSAS نیز ارائه می‌شوند مدل‌های Tabular و Multidimensional هستند. مدل معنایی Tabular از سال ۲۰۱۲ به محصولات مایکروسافت اضافه شد. بالاترین مفهوم شیئی در این مدل Database هست. مفاهیم مورد استفاده در مدلسازی تبولار بسیار شبیه به مفاهیم Database رابطه‌ای در SQL Server می‌باشند. هر Instance از SSAS Tabular می‌تواند شامل چندین دیتابیس باشد و هر دیتابیس تبولار شامل مجموعه‌ای از اشیا و داده‌هاست که فقط به یک Business Solution مربوط می‌شوند. اگر زمان گزارش سازی نیاز به چند دیتابیس پیدا کردید حتما جایی در طراحی خود اشتباه کرده اید! چون هر آنچه که نیاز دارید باید در دل یک دیتابیس وجود داشته باشد. اگر با چنین شرایطی مواجه شدید باید مدل جدیدی ایجاد کنید و تمامی مفاهیم مدل‌های دیگر که پراکنده هستند در این مدل مجتمع کنید.