Zawartość
- Definicja - Co oznacza Online Analytical Processing (OLAP)?
- Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.
- Techopedia wyjaśnia Online Analytical Processing (OLAP)
Definicja - Co oznacza Online Analytical Processing (OLAP)?
Przetwarzanie analityczne online (OLAP) to koncepcja wysokiego poziomu, która opisuje kategorię narzędzi, które pomagają w analizie wielowymiarowych zapytań.
OLAP powstał z powodu ogromnej złożoności i ogromnego wzrostu związanego z danymi biznesowymi w latach 70. XX wieku, ponieważ ilość i rodzaj informacji stały się zbyt duże, aby można je było odpowiednio analizować za pomocą prostych zapytań w języku SQL.
Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.
Techopedia wyjaśnia Online Analytical Processing (OLAP)
Możliwości porównywania danych przez tradycyjny SQL są ograniczone. Na przykład SQL może zarządzać zapytaniami, takimi jak lista agentów sprzedaży, w porównaniu z historiami wielkości sprzedaży. Jednak w przypadku większych woluminów danych użycie samego języka SQL może być przytłaczające i trudne do przetłumaczenia danych na informacje, które z łatwością ułatwiają podejmowanie decyzji. Trudno jest odpowiedzieć na niektóre pytania w języku SQL, takie jak dlaczego sprzedaż produktów jest wyższa w połowie miesiąca lub dlaczego kobiety sprzedawczynie konsekwentnie sprzedają swoich męskich odpowiedników latem.
Uznając, że relacyjne bazy danych mają nieodłączne ograniczenia, producenci stworzyli nowe sposoby reprezentowania złożonych relacji danych i analizowania wyników w celu rozpoznania ukrytych i wcześniej nieznanych wzorców i trendów.
Studium przypadku dotyczące potencjału OLAP wyrosło z użycia przez jednego dużego sprzedawcę detalicznego narzędzi OLAP do eksploracji danych. Ten sprzedawca zauważył, że zakupy produktów dla niemowląt późno w nocy korelują ze zwiększonymi zakupami piwa w nocy. Początkowo wydawało się, że to zbieg okoliczności, ale głębsza analiza klientów ujawniła, że klientami późnej nocy byli głównie młodzi ojcowie w wieku od połowy lat dwudziestych do trzydziestych lub wczesnych lat trzydziestych - dane demograficzne związane również z dochodem do dyspozycji z późnych godzin nocnych. Na podstawie tych danych detaliści rozpoczęli cross-merchandising produktów dla dzieci i piwa, a łączna sprzedaż obu linii produktów wzrosła.
To studium przypadku udowodniło, w jaki sposób OLAP wyposaża badaczy w odkrywanie i odkrywanie powiązań danych między pozornie niepowiązanymi zdarzeniami i trendami, co usprawnia podejmowanie decyzji biznesowych.