مکعب های اولاپ اکسل. OLAP = نمای چند بعدی = مکعب. ایجاد یک مکعب فروش اینترنتی

مکعب های داده OLAP (پردازش تحلیلی آنلاین) به شما امکان استخراج و تجزیه و تحلیل کارآمد داده های چند بعدی را می دهد. بر خلاف انواع دیگر پایگاه های داده، پایگاه های داده OLAP به طور خاص برای پردازش تحلیلی و استخراج سریع انواع مجموعه داده ها از آنها طراحی شده اند. در واقع چندین تفاوت کلیدی بین پایگاه داده های استاندارد رابطه ای، مانند Access یا SQL Server و پایگاه های داده OLAP وجود دارد.

برنج. 1. برای اتصال یک مکعب OLAP به یک کتاب کار اکسل، از دستور استفاده کنید از خدمات تجزیه و تحلیل

یادداشت را در یا دانلود کنید

در پایگاه داده های رابطه ای، اطلاعات به صورت رکوردهایی نمایش داده می شوند که به ترتیب اضافه، حذف و به روز می شوند. پایگاه های داده OLAP فقط یک عکس فوری از داده ها را ذخیره می کنند. در یک پایگاه داده OLAP، اطلاعات به عنوان یک بلوک واحد از داده ها بایگانی می شود و فقط برای خروجی درخواستی در نظر گرفته شده است. اگرچه اطلاعات جدید را می توان به پایگاه داده OLAP اضافه کرد، داده های موجود به ندرت ویرایش می شوند، بسیار کمتر حذف می شوند.

پایگاه داده های رابطه ای و پایگاه های داده OLAP از نظر ساختاری متفاوت هستند. پایگاه داده های رابطه ای معمولاً شامل مجموعه ای از جداول هستند که به یکدیگر مرتبط هستند. در برخی موارد، یک پایگاه داده رابطه‌ای حاوی جداول زیادی است که تعیین نحوه اتصال آنها بسیار دشوار است. در پایگاه های داده OLAP، رابطه بین بلوک های جداگانه داده ها از قبل تعیین می شود و در ساختاری به نام ذخیره می شود مکعب های OLAP. مکعب های داده اطلاعات کاملی را در مورد ساختار سلسله مراتبی و روابط پایگاه داده ذخیره می کنند که ناوبری در آن را بسیار ساده می کند. علاوه بر این، اگر از قبل بدانید که داده‌هایی که استخراج می‌کنید کجا هستند و چه داده‌های دیگری با آن‌ها مرتبط هستند، ایجاد گزارش بسیار آسان‌تر است.

تفاوت اصلی بین پایگاه های داده رابطه ای و پایگاه های داده OLAP در نحوه ذخیره سازی اطلاعات است. داده ها در یک مکعب OLAP به ندرت به صورت کلی ارائه می شوند. مکعب های داده OLAP معمولا حاوی اطلاعات ارائه شده در قالب از پیش طراحی شده هستند. بنابراین، عملیات گروه‌بندی، فیلتر کردن، مرتب‌سازی و ادغام داده‌ها در مکعب‌ها قبل از پر کردن آنها با اطلاعات انجام می‌شود. این امر بازیابی و نمایش داده های درخواستی را تا حد امکان ساده می کند. بر خلاف پایگاه داده های رابطه ای، نیازی به سازماندهی صحیح اطلاعات قبل از نمایش آن بر روی صفحه نیست.

پایگاه داده های OLAP معمولا توسط مدیران فناوری اطلاعات ایجاد و نگهداری می شوند. اگر سازمان شما ساختاری ندارد که مسئول مدیریت پایگاه های داده OLAP باشد، می توانید با مدیر پایگاه داده رابطه ای تماس بگیرید و درخواست پیاده سازی کنید. شبکه شرکتیحداقل برخی از راه حل های OLAP.

اتصال به مکعب داده OLAP

برای دسترسی به پایگاه داده OLAP، ابتدا باید یک اتصال به مکعب OLAP برقرار کنید. با رفتن به تب روبان شروع کنید داده ها. روی دکمه کلیک کنید از منابع دیگرو دستور را از منوی کشویی انتخاب کنید از خدمات تجزیه و تحلیل(عکس. 1).

هنگامی که فرمان مشخص شده Data Connection Wizard را انتخاب می کنید (شکل 2). وظیفه اصلی آن کمک به شما برای ایجاد یک اتصال به سرور است که توسط اکسل هنگام مدیریت داده ها استفاده می شود.

1. ابتدا باید اطلاعات ثبت نام را در اکسل ارائه دهید. همانطور که در شکل نشان داده شده است، نام سرور، نام ورود و رمز دسترسی به داده ها را در فیلدهای کادر محاوره ای وارد کنید. 2. روی دکمه کلیک کنید به علاوه. اگر با استفاده از وصل شوید حسابویندوز، سپس سوئیچ را تنظیم کنید از احراز هویت ویندوز استفاده کنید.

2. پایگاه داده ای را که با آن کار خواهید کرد از لیست کشویی انتخاب کنید (شکل 3). مثال فعلی از پایگاه داده آموزشی خدمات تحلیلی استفاده می کند. پس از انتخاب این پایگاه داده، لیست زیر از شما می خواهد که تمام مکعب های OLAP موجود در آن را وارد کنید. مکعب داده مورد نیاز را انتخاب کرده و روی دکمه کلیک کنید به علاوه.

برنج. 3. پایگاه داده کار و مکعب OLAP را که قصد دارید برای تجزیه و تحلیل داده ها استفاده کنید، انتخاب کنید

3. در کادر محاوره ای جادوگر بعدی که در شکل نشان داده شده است. 4، از شما خواسته می شود که اطلاعات توصیفی در مورد اتصالی که ایجاد می کنید وارد کنید. تمام فیلدهای کادر محاوره ای نشان داده شده در شکل. 4 نیازی به پر کردن نیست. همیشه می‌توانید کادر گفتگوی فعلی را بدون پر کردن آن نادیده بگیرید و این به هیچ وجه بر اتصال شما تأثیری نخواهد گذاشت.

برنج. 4. اطلاعات توصیفی اتصال را تغییر دهید

4. روی دکمه کلیک کنید آمادهبرای تکمیل ایجاد اتصال یک کادر محاوره ای روی صفحه ظاهر می شود داده ها را وارد کنید(شکل 5). سوئیچ را تنظیم کنید گزارش PivotTableو برای شروع ایجاد جدول محوری روی OK کلیک کنید.

ساختار مکعب OLAP

همانطور که یک جدول محوری از پایگاه داده OLAP ایجاد می کنید، متوجه خواهید شد که پنجره پنجره وظیفه فیلدهای جدول محوریبا جدول محوری معمولی متفاوت خواهد بود. دلیل آن در چیدمان PivotTable نهفته است تا ساختار مکعب OLAP متصل به آن را از نزدیک منعکس کند. برای پیمایش در یک مکعب OLAP در سریع ترین زمان ممکن، باید با اجزای آن و نحوه تعامل آنها به طور کامل آشنا شوید. در شکل شکل 6 ساختار اصلی یک مکعب OLAP معمولی را نشان می دهد.

همانطور که می بینید، اجزای اصلی یک مکعب OLAP عبارتند از ابعاد، سلسله مراتب، سطوح، اعضا و اندازه ها:

• ابعاد. ویژگی های اصلی عناصر داده های تحلیل شده نمونه های متداول ابعاد شامل محصولات، مشتری و کارمند است. در شکل شکل 6 ساختار بعد محصولات را نشان می دهد.
• سلسله مراتب. تجمع از پیش تعریف شده از سطوح در یک بعد مشخص. سلسله مراتب به شما این امکان را می دهد که داده های خلاصه ایجاد کنید و آن ها را در سطوح مختلف ساختار تجزیه و تحلیل کنید، بدون اینکه به روابطی که بین این سطوح وجود دارد، بپردازید. در مثال نشان داده شده در شکل. 6، بعد محصولات دارای سه سطح است که در یک سلسله مراتب واحد از دسته بندی محصولات جمع می شوند.
• سطوح. سطوح مقوله هایی هستند که در یک سلسله مراتب مشترک جمع می شوند. لایه‌ها را به‌عنوان فیلدهای داده‌ای در نظر بگیرید که می‌توان آن‌ها را جدا از یکدیگر جستجو و تجزیه و تحلیل کرد. در شکل 6 فقط سه سطح وجود دارد: دسته، زیر مجموعه و نام محصول.
• اعضا. یک عنصر داده واحد در یک بعد. اعضا معمولاً از طریق ساختار OLAP از ابعاد، سلسله مراتب و سطوح قابل دسترسی هستند. در مثال در شکل. 6 عضو برای سطح نام محصول تعریف شده است. سطوح دیگر اعضای خاص خود را دارند که در ساختار نشان داده نشده است.
• معیارهای- این داده های واقعی در مکعب های OLAP است. اندازه گیری ها در ابعاد خود ذخیره می شوند که به آنها ابعاد اندازه گیری می گویند. شما می توانید با استفاده از هر ترکیبی از ابعاد، سلسله مراتب، سطوح و اعضا پرس و جو کنید. این روش اقدامات "برش" نامیده می شود.

اکنون که با ساختار مکعب های OLAP آشنا شدید، بیایید نگاهی تازه به لیست فیلد PivotTable بیندازیم. ساماندهی رشته های موجود مشخص می شود و شکایتی ایجاد نمی کند. در شکل شکل 7 نشان می دهد که چگونه لیست فیلد عناصر یک جدول محوری OLAP را نشان می دهد.

در لیست فیلد PivotTable اقدامات OLAPابتدا نمایش داده می شوند و با نماد جمع بندی (سیگما) نشان داده می شوند. اینها تنها عناصر داده ای هستند که می توانند در ناحیه VALUE باشند. بعد از آنها در لیست ابعاد نشان داده شده است که با یک نماد با تصویر جدول نشان داده شده است. مثال ما از بعد مشتری استفاده می کند. این بعد شامل تعدادی سلسله مراتب است. پس از گسترش سلسله مراتب، می توانید سطوح داده های فردی را مشاهده کنید. برای مشاهده ساختار داده یک مکعب OLAP، به سادگی در لیست فیلدها در جدول محوری حرکت کنید.

محدودیت های جدول محوری OLAP

هنگام کار با OLAP PivotTables، به یاد داشته باشید که با منبع داده PivotTable در محیط OLAP Services Analysis تعامل دارید. این بدان معناست که هر جنبه رفتاری مکعب داده، از ابعاد گرفته تا اندازه گیری هایی که در مکعب گنجانده شده است، توسط سرویس های تحلیلی OLAP نیز کنترل می شود. به نوبه خود، این منجر به محدودیت‌هایی در عملیاتی می‌شود که می‌توان روی جداول محوری OLAP انجام داد:

• شما نمی توانید فیلدهایی غیر از اندازه گیری ها را در ناحیه VALUES جدول محوری قرار دهید.
• تغییر تابع مورد استفاده برای جمع بندی غیرممکن است.
• شما نمی توانید یک فیلد محاسبه شده یا آیتم محاسبه شده ایجاد کنید.
• هر گونه تغییر در نام فیلدها بلافاصله پس از حذف فیلد از جدول محوری لغو می شود.
• تغییر پارامترهای فیلد صفحه مجاز نیست.
• دستور در دسترس نیست نمایش دهیدصفحات;
• گزینه غیرفعال است نمایش دهیدامضاهاعناصراگر هیچ فیلدی در ناحیه مقدار وجود نداشته باشد.
• گزینه غیرفعال است جمع های فرعیتوسط عناصر صفحه انتخاب شده توسط فیلتر.
• پارامتر در دسترس نیست زمینهدرخواست;
• پس از دوبار کلیک کردن در قسمت VALUES، تنها 1000 رکورد اول از کش جدول محوری برگردانده می شود.
• چک باکس غیرفعال شد بهینه سازی کنیدحافظه.

ایجاد مکعب های داده مستقل

در یک جدول محوری استاندارد، اطلاعات منبع در هارد دیسک محلی شما ذخیره می شود. بنابراین، شما همیشه می توانید آنها را مدیریت کنید، و همچنین ساختار را تغییر دهید، حتی بدون دسترسی به شبکه. اما این به هیچ وجه در مورد جداول محوری OLAP صدق نمی کند. در جداول محوری OLAP، کش روی هارد دیسک محلی قرار ندارد. بنابراین، بلافاصله پس از قطع شدن از شبکه محلیجدول محوری OLAP شما دیگر کار نخواهد کرد. شما نمی توانید یک فیلد را در چنین جدولی جابه جا کنید.

اگر هنوز نیاز به تجزیه و تحلیل داده های OLAP دارید، زمانی که به شبکه متصل نیستید، یک مکعب داده آفلاین ایجاد کنید. این یک فایل جداگانه است که کش جدول محوری را نشان می دهد. این فایل داده های OLAP را که پس از قطع شدن از شبکه محلی مشاهده می شود، ذخیره می کند. برای ایجاد یک مکعب داده مستقل، ابتدا یک جدول محوری OLAP ایجاد کنید. مکان نما را در جدول محوری قرار دهید و روی دکمه کلیک کنید ابزارهای OLAPتجزیه و تحلیل برگه متنی، که در مجموعه برگه های متنی گنجانده شده است کار با Pivot Tables. یک تیم انتخاب کنید حالت آفلاین OLAP(شکل 8).

یک کادر محاوره ای روی صفحه ظاهر می شود تنظیمات عمر باتری OLAP(شکل 9). روی دکمه کلیک کنید فایل داده آفلاین ایجاد کنید. اولین پنجره از Data Cube File Creation Wizard روی صفحه ظاهر می شود. روی دکمه کلیک کنید به علاوهبرای ادامه رویه

در مرحله دوم (شکل 10) ابعاد و سطوحی را که در مکعب داده گنجانده می شود را مشخص کنید. در کادر محاوره ای، باید داده هایی را برای وارد کردن از پایگاه داده OLAP انتخاب کنید. فقط باید ابعادی را انتخاب کنید که پس از جدا کردن رایانه از شبکه محلی مورد نیاز است. هرچه ابعاد بیشتری را مشخص کنید، مکعب داده مستقل بزرگتر خواهد بود.

روی دکمه کلیک کنید به علاوهبرای رفتن به مرحله سوم (شکل 11). در این پنجره باید اعضا یا عناصر داده ای را انتخاب کنید که در مکعب قرار نخواهند گرفت. اگر کادر انتخاب انتخاب نشده باشد، مورد مشخص شده وارد نمی شود و فضای غیر ضروری را در هارد دیسک محلی شما اشغال می کند.

محل و نام مکعب داده را مشخص کنید (شکل 12). فایل‌های مکعب داده پسوند cub. هستند.

پس از مدتی، اکسل مکعب داده آفلاین را در پوشه مشخص شده ذخیره می کند. برای آزمایش آن، روی فایل دوبار کلیک کنید، که به طور خودکار یک کتاب کار اکسل ایجاد می کند که حاوی یک جدول محوری مرتبط با مکعب داده انتخاب شده است. پس از ایجاد، می توانید مکعب داده آفلاین را بین همه کاربران علاقه مندی که در حالت آفلاین LAN کار می کنند، توزیع کنید.

پس از اتصال به شبکه محلی، می توانید فایل مکعب داده آفلاین را باز کرده و آن و جدول داده های مرتبط را به روز کنید. لطفاً توجه داشته باشید که اگرچه از مکعب داده آفلاین در صورت عدم دسترسی به شبکه استفاده می‌شود، اما در صورت بازیابی اتصال شبکه باید به‌روزرسانی شود. تلاش برای به روز رسانی یک مکعب داده آفلاین پس از قطع شدن اتصال شبکه منجر به شکست می شود.

استفاده از توابع مکعب داده در جداول محوری

توابع مکعب داده که در پایگاه داده های OLAP استفاده می شوند را می توان از جدول محوری نیز اجرا کرد. در نسخه های قدیمی اکسل، شما فقط پس از نصب افزونه Analysis Pack به عملکرد مکعب داده دسترسی داشتید. در اکسل 2013، این توابع در برنامه تعبیه شده اند و بنابراین برای استفاده در دسترس هستند. برای درک کامل توانایی های آنها، اجازه دهید به یک مثال خاص نگاه کنیم.

یکی از مهمترین راه های سادهیادگیری عملکردهای یک مکعب داده شامل تبدیل یک جدول محوری OLAP به فرمول های مکعب داده است. این روش بسیار ساده است و به شما امکان می دهد تا فرمول های مکعب داده را بدون ایجاد از ابتدا به سرعت بدست آورید. اصل کلیدی این است که تمام سلول‌های جدول محوری را با فرمول‌هایی جایگزین کنید که به پایگاه داده OLAP مرتبط هستند. در شکل شکل 13 یک جدول محوری مرتبط با پایگاه داده OLAP را نشان می دهد.

مکان نما را در هر نقطه از جدول محوری قرار دهید، روی دکمه کلیک کنید ابزارهای OLAPزبانه روبان متنی تحلیل و بررسیو یک تیم انتخاب کنید تبدیل به فرمول(شکل 14).

اگر جدول محوری شما حاوی فیلد فیلتر گزارش باشد، کادر محاوره ای نشان داده شده در شکل 1 روی صفحه نمایش شما ظاهر می شود. 15. در این پنجره می توانید تعیین کنید که آیا می خواهید لیست های کشویی فیلتر داده ها را به فرمول تبدیل کنید یا خیر. اگر پاسخ مثبت است، لیست های کشویی حذف می شوند و فرمول های ثابت به جای آن نمایش داده می شوند. اگر قصد دارید در آینده از لیست‌های کشویی برای تغییر محتویات جدول محوری استفاده کنید، تنها چک باکس موجود در کادر محاوره‌ای را پاک کنید. اگر روی یک PivotTable در حالت سازگاری کار می کنید، فیلترهای داده به صورت خودکار و بدون هشدار قبلی به فرمول تبدیل می شوند.

پس از چند ثانیه به جای جدول محوری، فرمول هایی نمایش داده می شود که در مکعب داده ها اجرا می شوند و خروجی اطلاعات لازم را در پنجره اکسل ارائه می دهند. لطفاً توجه داشته باشید که با این کار سبک های اعمال شده قبلی حذف می شوند (شکل 16).

برنج. 16. به نوار فرمول نگاهی بیندازید: سلول ها حاوی فرمول های مکعب داده هستند

با توجه به اینکه مقادیری که مشاهده می کنید دیگر بخشی از شی PivotTable نیستند، می توانید ستون ها، ردیف ها و اعضای محاسبه شده را اضافه کنید و آنها را با سایر موارد ترکیب کنید. منابع خارجی، و همچنین گزارش را با بیشترین تغییر دهید راه های مختلف، از جمله کشیدن و رها کردن فرمول ها.

افزودن محاسبات به جداول محوری OLAP

که در نسخه های قبلیجداول محوری OLAP Excel اجازه محاسبات سفارشی را نمی دهند. این بدان معنی است که امکان افزودن یک سطح تجزیه و تحلیل اضافی به PivotTables OLAP وجود ندارد، به همان صورتی که امکان افزودن فیلدها و اعضای محاسبه شده به PivotTable های معمولی وجود دارد (برای اطلاعات بیشتر، لطفاً قبل از ادامه مطمئن شوید که با این مطالب آشنا هستید. خواندن).

Excel 2013 ابزارهای جدید OLAP را معرفی می کند - اندازه گیری های محاسبه شده و اعضای محاسبه شده عبارات MDX. شما دیگر محدود به استفاده از معیارها و اعضا در مکعب OLAP خود که توسط DBA شما ارائه شده است نیستید. با ایجاد محاسبات سفارشی، قابلیت های تجزیه و تحلیل بیشتری به دست می آورید.

مقدمه ای بر MDX.هنگامی که از یک PivotTable با یک مکعب OLAP استفاده می کنید، پرس و جوهای MDX (عبارات چند بعدی) را به پایگاه داده صادر می کنید. MDX یک زبان پرس و جو است که برای بازیابی داده ها از منابع چند بعدی (مانند مکعب های OLAP) استفاده می شود. هنگامی که یک OLAP PivotTable تغییر یا به روز می شود، پرس و جوهای MDX مربوطه به پایگاه داده OLAP ارسال می شود. نتایج پرس و جو به اکسل بازگردانده می شود و در قسمت PivotTable نمایش داده می شود. این امکان کار با داده های OLAP را بدون کپی محلی از کش جدول محوری فراهم می کند.

هنگامی که معیارهای محاسبه شده و اعضای MDX را ایجاد می کنید، از نحو زبان MDX استفاده می کنید. با استفاده از این نحو، یک جدول محوری به محاسبات اجازه می دهد تا با پایگاه داده OLAP ارتباط برقرار کنند. نمونه‌های مورد بحث در کتاب بر اساس طرح‌های پایه MDX هستند که جدید را نشان می‌دهند توابع اکسل 2013. اگر نیاز به ایجاد معیارهای پیچیده محاسبه شده و اعضای MDX دارید، باید زمانی را صرف یادگیری بیشتر در مورد قابلیت های MDX کنید.

اقدامات محاسبه شده را ایجاد کنید.اندازه گیری محاسبه شده نسخه OLAP یک فیلد محاسبه شده است. ایده ایجاد یک فیلد داده جدید بر اساس برخی عملیات ریاضی انجام شده بر روی فیلدهای OLAP موجود است. در مثال نشان داده شده در شکل. 17، از جدول خلاصه OLAP استفاده شده است که شامل لیست و مقدار کالاها و همچنین درآمد حاصل از فروش هر یک از آنها می باشد. ما باید یک معیار جدید اضافه کنیم که میانگین قیمت هر واحد یک کالا را محاسبه کند.

تحلیل و بررسی کار با Pivot Tables. در منوی کشویی ابزارهای OLAPمورد را انتخاب کنید (شکل 18).

برنج. 18. یک آیتم منو را انتخاب کنید اندازه گیری محاسبه شده MDX

یک کادر محاوره ای روی صفحه ظاهر می شود یک اندازه گیری محاسبه شده ایجاد کنید(شکل 19).

این مراحل را دنبال کنید:

2. گروه اندازه گیری که اندازه گیری جدید محاسبه شده در آن قرار خواهد گرفت را انتخاب کنید. اگر این کار را انجام ندهید، اکسل به طور خودکار اندازه گیری جدید را در اولین گروه اندازه گیری موجود قرار می دهد.

3. در میدان بیان MDX(MDX) کدی را وارد کنید که اندازه گیری جدید را مشخص می کند. برای سرعت بخشیدن به فرآیند ورود، از لیست سمت چپ برای انتخاب معیارهای موجود برای استفاده در محاسبات استفاده کنید. بر روی اندازه مورد نظر دوبار کلیک کنید تا به فیلد MDX اضافه شود. MDX زیر برای محاسبه میانگین قیمت فروش واحد استفاده می شود:

4. روی OK کلیک کنید.

به دکمه توجه کنید MDX را بررسی کنیدکه در قسمت پایین سمت راست پنجره قرار دارد. روی این دکمه کلیک کنید تا بررسی کنید که نحو MDX درست است. اگر نحو حاوی خطا باشد، یک پیام ظاهر می شود.

هنگامی که ایجاد اندازه گیری محاسبه شده جدید خود را به پایان رساندید، به لیست بروید فیلدهای جدول محوریو آن را انتخاب کنید (شکل 20).

دامنه اندازه گیری محاسبه شده فقط برای کتاب کار فعلی اعمال می شود. به عبارت دیگر، معیارهای محاسبه شده مستقیماً در مکعب سرور OLAP ایجاد نمی شوند. این بدان معنی است که هیچ کس نمی تواند به اندازه گیری محاسبه شده دسترسی داشته باشد مگر اینکه شما را باز کنید دسترسی عمومیبه کتاب کار یا آن را در اینترنت منتشر نخواهید کرد.

اعضای MDX محاسبه شده را ایجاد کنید.یک عضو محاسبه شده MDX نسخه OLAP یک عضو محاسبه شده معمولی است. ایده ایجاد یک عنصر داده جدید بر اساس برخی عملیات ریاضی انجام شده بر روی عناصر OLAP موجود است. در مثال نشان داده شده در شکل. 22، یک جدول محوری OLAP استفاده می شود که شامل اطلاعات فروش برای سال های 2005-2008 (با تفکیک سه ماهه) است. فرض کنید می‌خواهید با ایجاد یک عنصر جدید، نیمه اول سال، داده‌های فصل اول و دوم را جمع آوری کنید. ما همچنین داده های مربوط به سه ماهه سوم و چهارم را با هم ترکیب می کنیم و یک عنصر جدید Second of Year را تشکیل می دهیم.

برنج. 22. ما می خواهیم اعضای جدید محاسبه شده MDX، نیمه اول سال و نیمه دوم سال را اضافه کنیم.

مکان نما را در هر نقطه از PivotTable قرار دهید و برگه متنی را انتخاب کنید تحلیل و بررسیاز مجموعه ای از برگه های متنی کار با Pivot Tables. در منوی کشویی ابزارهای OLAPمورد را انتخاب کنید MDX Computed Member(شکل 23).

یک کادر محاوره ای روی صفحه ظاهر می شود (شکل 24).

برنج. 24. پنجره ایجاد یک آیتم محاسبه شده

این مراحل را دنبال کنید:

1. برای اندازه گیری محاسبه شده یک نام بگذارید.

2. سلسله مراتب والد را که در حال ایجاد اعضای جدید محاسبه شده برای آن هستید، انتخاب کنید. در یک سایت ساخت و ساز عنصر والدیک مقدار اختصاص دهید همه. این تنظیم به اکسل اجازه می دهد تا به تمام اعضای سلسله مراتب والد هنگام ارزیابی یک عبارت دسترسی داشته باشد.

3. در پنجره بیان MDXسینتکس MDX را وارد کنید. برای صرفه جویی در زمان، از لیست سمت چپ برای انتخاب اعضای موجود برای استفاده در MDX استفاده کنید. روی مورد انتخاب شده دوبار کلیک کنید و اکسل آن را به پنجره اضافه می کند بیان MDX. در مثال نشان داده شده در شکل. 24، مجموع سه ماهه اول و دوم محاسبه می شود:

..&& +

.. && +

.. && + …

4. روی OK کلیک کنید. اکسل عضو محاسبه شده MDX تازه ایجاد شده را در PivotTable نمایش می دهد. همانطور که در شکل نشان داده شده است. 25، آیتم محاسبه شده جدید همراه با سایر موارد محاسبه شده در PivotTable نمایش داده می شود.

در شکل شکل 26 فرآیند مشابهی را نشان می دهد که برای ایجاد آیتم محاسبه شده نیمه دوم سال استفاده شده است.

توجه داشته باشید که اکسل حتی سعی نمی کند اعضای اصلی MDX را حذف کند (شکل 27). جدول محوری همچنان رکوردهای مربوط به سال های 2005-2008 را به تفکیک سه ماهه نشان می دهد. در این مورد، این یک مشکل بزرگ نیست، اما در اکثر سناریوها، باید عناصر "اضافی" را برای جلوگیری از درگیری پنهان کنید.

برنج. 27. اکسل عضو محاسبه شده MDX ایجاد شده را به عنوان اعضای اصلی نمایش می دهد. اما همچنان بهتر است برای جلوگیری از درگیری، عناصر اصلی را حذف کنید

به یاد داشته باشید: اعضای محاسبه شده فقط در کتاب کار فعلی یافت می شوند. به عبارت دیگر، معیارهای محاسبه شده مستقیماً در مکعب سرور OLAP ایجاد نمی شوند. این بدان معنی است که هیچ کس نمی تواند به معیار محاسبه شده یا عضو محاسبه شده دسترسی داشته باشد مگر اینکه کتاب کار را به اشتراک بگذارید یا آن را به صورت آنلاین منتشر کنید.

توجه داشته باشید که اگر سلسله مراتب والد یا عنصر والد در یک مکعب OLAP تغییر کند، عنصر محاسبه شده MDX دیگر کار نمی کند. شما باید این عنصر را دوباره ایجاد کنید.

مدیریت محاسبات OLAPاکسل یک رابط فراهم می کند که به شما امکان می دهد اندازه های محاسبه شده و اعضای MDX را در جداول محوری OLAP مدیریت کنید. مکان نما را در هر نقطه از PivotTable قرار دهید و برگه متنی را انتخاب کنید تحلیل و بررسیاز مجموعه ای از برگه های متنی کار با Pivot Tables. در منوی کشویی ابزارهای OLAPمورد را انتخاب کنید مدیریت محاسبات. در پنجره مدیریت محاسباتسه دکمه موجود است (شکل 28):

• ايجاد كردن.یک اندازه گیری محاسبه شده جدید یا عضو MDX محاسبه شده ایجاد کنید.
• تغییر دادن.محاسبه انتخاب شده را تغییر دهید.
• حذف.محاسبه انتخاب شده را حذف کنید.

برنج. 28. جعبه گفتگو مدیریت محاسبات

تجزیه و تحلیل what-if را روی داده های OLAP انجام دهید.در اکسل 2013، می‌توانید تجزیه و تحلیل what-if را روی داده‌های جداول محوری OLAP انجام دهید. با تشکر از این فرصت جدیدمی توانید مقادیر را در PivotTable تغییر دهید و اندازه گیری ها و اعضا را بر اساس تغییرات خود دوباره محاسبه کنید. همچنین می توانید تغییرات را به مکعب OLAP بازگردانید. برای استفاده از قابلیت های تجزیه و تحلیل what-if، یک OLAP PivotTable ایجاد کنید و برگه متنی را انتخاب کنید. تحلیل و بررسی کار با Pivot Tables. در منوی کشویی ابزارهای OLAPتیم را انتخاب کنید تجزیه و تحلیل چه می شد –> تحلیل what-if را فعال کنید(شکل 29).

از این مرحله به بعد، می توانید مقادیر جدول محوری را تغییر دهید. برای تغییر مقدار انتخاب شده در PivotTable، روی آن کلیک راست کرده و مورد را از منوی زمینه انتخاب کنید. (شکل 30). اکسل تمام محاسبات را در PivotTable با تغییراتی که ایجاد کرده اید، از جمله اندازه گیری های محاسبه شده و اعضای MDX محاسبه شده، دوباره اجرا می کند.

برنج. 30. یک مورد را انتخاب کنید هنگام محاسبه جدول محوری، تغییر را در نظر بگیریدبرای ایجاد تغییرات در جدول محوری

به‌طور پیش‌فرض، ویرایش‌های انجام‌شده در PivotTable در حالت تجزیه و تحلیل what-if محلی هستند. اگر می خواهید تغییرات را در سرور OLAP منتشر کنید، دستور انتشار تغییرات را انتخاب کنید. یک برگه متنی را انتخاب کنید تحلیل و بررسی، در مجموعه ای از برگه های متنی قرار دارد کار با Pivot Tables. در منوی کشویی ابزارهای OLAPموارد را انتخاب کنید تجزیه و تحلیل چه می شد – > انتشار تغییرات(شکل 31). در نتیجه اجرای این دستور، " جواب دادن» در سرور OLAP، به این معنی که تغییرات را می توان به مکعب OLAP منبع منتشر کرد. (برای انتشار تغییرات در سرور OLAP، باید مجوزهای مناسب برای دسترسی به سرور را داشته باشید. با مدیر پایگاه داده خود تماس بگیرید تا به شما کمک کند مجوز دسترسی نوشتن به پایگاه داده OLAP را دریافت کنید.)

یادداشت بر اساس کتاب Jelen، Alexander نوشته شده است. . فصل 9

/ به شیوه ای کوبیست. کاربرد مکعب های OLAP در مدیریت شرکت های بزرگ

در تماس با

همکلاسی ها

کنستانتین توکماچف, معمار سیستم

به سبک کوبیسم.
کاربرد مکعب های OLAP در مدیریت شرکت های بزرگ

شاید زمانی گذشته باشد که منابع محاسباتی یک شرکت صرفاً صرف ثبت اطلاعات و گزارش های حسابداری می شد. در همان زمان، تصمیمات مدیریتی "با چشم" در دفاتر، در جلسات و جلسات اتخاذ می شد. شاید در روسیه زمان آن رسیده است که سیستم های محاسباتی شرکتی را به منبع اصلی خود بازگردانیم - حل مشکلات مدیریت بر اساس داده های ثبت شده در رایانه

درباره مزایای تجزیه و تحلیل کسب و کار

در حلقه مدیریت شرکت، بین داده های "خام" و "اهرم های" تاثیرگذاری بر شی مدیریت شده، "شاخص های عملکرد" ​​- KPI وجود دارد. آنها نوعی "داشبورد" را تشکیل می دهند که وضعیت زیرسیستم های مختلف شی کنترل شده را منعکس می کند. تجهیز شرکت به شاخص های عملکرد آموزنده و نظارت بر محاسبه و مقادیر به دست آمده کار یک تحلیلگر تجاری است. خدمات تجزیه و تحلیل خودکار، مانند ابزار MS SQL Server Analysis Services (SSAS) و ابزار اصلی آن، مکعب OLAP، می تواند کمک قابل توجهی در سازماندهی کار تحلیلی شرکت ارائه دهد.

یک نکته دیگر باید در اینجا ذکر شود. بیایید بگوییم، در سنت آمریکایی، یک تخصص متمرکز بر کار با مکعب های OLAP، BI (هوش تجاری) نامیده می شود. نباید این توهم وجود داشته باشد که BI آمریکایی با "تحلیلگر تجاری" روسی مطابقت دارد. توهینی وجود ندارد، اما اغلب تحلیلگر کسب و کار ما یک "کم حسابدار" و "کم برنامه نویس" است، یک متخصص با دانش مبهم و دستمزد ناچیز، که واقعا هیچ یک از ابزارها و روش های خاص خود را ندارد.

یک متخصص BI در واقع یک ریاضیدان کاربردی است، یک متخصص بسیار ماهر که روش‌های ریاضی مدرن را در زرادخانه شرکت قرار می‌دهد (آنچه تحقیقات عملیاتی نامیده می‌شود - روش‌های تحقیق در عملیات). BI با تخصص "تحلیلگر سیستم" سازگارتر است که زمانی در اتحاد جماهیر شوروی بود و از دانشکده ریاضیات محاسباتی و ریاضیات دانشگاه دولتی مسکو فارغ التحصیل شد. M.V. لومونوسوف مکعب OLAP و خدمات تجزیه و تحلیل می تواند به پایه ای امیدوارکننده برای محل کار یک تحلیلگر تجاری روسی تبدیل شود، شاید پس از آموزش های پیشرفته در جهت BI آمریکایی.

اخیراً یک روند مضر دیگر ظاهر شده است. به لطف تخصص، درک متقابل بین دسته های مختلف کارکنان شرکت از بین رفته است. یک حسابدار، مدیر و برنامه نویس، مانند "قو، خرچنگ و پیک" در افسانه I.A. کریلوف، شرکت را به جهات مختلف می کشند.

حسابدار مشغول گزارش دهی است؛ مبالغ او چه از نظر معنا و چه از لحاظ پویایی مستقیماً با فرآیند تجاری شرکت ارتباط ندارد.

مدیر به بخشی از فرآیند تجاری خود مشغول است، اما قادر به ارزیابی جهانی، در سطح کل شرکت، نتایج و چشم انداز اقدامات خود نیست.

سرانجام، برنامه نویسی که زمانی (به لطف تحصیلاتش) هدایت کننده ایده های فنی پیشرفته از حوزه علم تا حوزه تجارت بود، به مجری منفعل خیالات حسابدار و مدیر تبدیل شده است، بنابراین اینطور نیست. برای دپارتمان‌های فناوری اطلاعات شرکت‌ها که توسط حسابداران و به‌طور کلی همه کسانی که تنبل نیستند هدایت شوند، غیرمعمول است. فقدان ابتکار، برنامه نویس 1C بی سواد، اما با دستمزد نسبتاً بالا، بلای واقعی شرکت های روسی است. (تقریباً مانند یک فوتبالیست داخلی.) من حتی در مورد به اصطلاح "اقتصاددانان و حقوقدانان" صحبت نمی کنم؛ همه چیز از مدت ها قبل در مورد آنها گفته شده است.

بنابراین، موقعیت یک تحلیلگر کسب و کار، مجهز به دستگاه دانش فشرده SSAS، مسلط به مبانی برنامه نویسی و حسابداری، توانایی تثبیت کار شرکت در رابطه با تحلیل و پیش بینی فرآیند کسب و کار را دارد.

مزایای مکعب های OLAP

مکعب OLAP است درمان مدرنتجزیه و تحلیل پایگاه داده سیستم کامپیوتری شرکت، که این امکان را به کارکنان در تمام سطوح سلسله مراتبی با مجموعه شاخص های مورد نیاز ارائه می دهد که مشخص می کند. فرایند ساختشرکت ها نکته تنها این نیست که رابط کاربری مناسب و زبان جستجوی انعطاف پذیر برای مکعب MDX (Expressions چند بعدی) به شما امکان می دهد شاخص های تحلیلی لازم را فرموله و محاسبه کنید، بلکه سرعت و سهولت قابل توجهی که مکعب OLAP با آن این کار را انجام می دهد، است. علاوه بر این، این سرعت و سهولت، در حدود معین، به پیچیدگی محاسبات و اندازه پایگاه داده بستگی ندارد.

مقدمه ای بر OLAP-
مکعب را می توان با "جدول محوری" MS Excel ارائه کرد. این اشیا دارای منطق مشابه و رابط های مشابه هستند. اما، همانطور که از مقاله مشاهده خواهد شد، عملکرد OLAP به طور غیرقابل مقایسه غنی تر است، و عملکرد به طور غیرقابل مقایسه بالاتر است، بنابراین "جدول محوری" یک محصول دسکتاپ محلی باقی می ماند، در حالی که OLAP یک محصول در سطح سازمانی است.

چرا مکعب OLAP برای حل بسیار خوب است وظایف تحلیلی? مکعب OLAP به گونه ای طراحی شده است که همه نشانگرها در تمام بخش های ممکن از قبل محاسبه شده باشند (کلاً یا جزئی) و کاربر فقط می تواند نشانگرها (اندازه ها) و ابعاد (ابعاد) مورد نیاز را با ماوس، و برنامه می تواند جداول را دوباره ترسیم کند.

تمام تجزیه و تحلیل های ممکن در همه بخش ها یک میدان بزرگ، یا بهتر است بگوییم، نه یک میدان، بلکه فقط یک مکعب OLAP چند بعدی را تشکیل می دهند. هر درخواستی که کاربر (مدیر، تحلیلگر کسب و کار، مجری) به سرویس تجزیه و تحلیل مراجعه کند، سرعت پاسخگویی با دو چیز توضیح داده می شود: اول، تجزیه و تحلیل مورد نیاز را می توان به راحتی فرموله کرد (یا از یک لیست با نام انتخاب شود، یا توسط یک مشخص شود. فرمول در زبان MDX)، در مرحله دوم، به عنوان یک قاعده، قبلا محاسبه شده است.

فرمول بندی تجزیه و تحلیل در سه گزینه امکان پذیر است: یا یک فیلد پایگاه داده (یا بهتر است بگوییم یک فیلد انبار)، یا یک فیلد محاسبه تعریف شده در سطح طراحی مکعب، یا یک عبارت زبان MDX هنگام کار تعاملی با مکعب.

این به معنای چندین ویژگی جذاب مکعب های OLAP است. اساساً، مانع بین کاربر و داده ناپدید می شود. مانع به شکل یک برنامه نویس کاربردی است که ابتدا باید مشکل را توضیح دهد (تکلیف تعیین کنید). در مرحله دوم، باید منتظر بمانید تا برنامه نویس برنامه یک الگوریتم ایجاد کند، برنامه را بنویسد و اشکال زدایی کند، و سپس احتمالاً آن را اصلاح کند. اگر تعداد زیادی کارمند وجود داشته باشد و نیازهای آنها متنوع و قابل تغییر باشد، به یک تیم کامل از برنامه نویسان برنامه نیاز است. از این نظر، یک مکعب OLAP (و یک تحلیلگر کسب و کار واجد شرایط) از نظر کار تحلیلی جایگزین کل تیم برنامه نویسان کاربردی می شود، همانطور که یک بیل مکانیکی قدرتمند با یک اپراتور بیل مکانیکی، کل تیم کارگران مهاجر را با بیل در هنگام حفر خندق جایگزین می کند!

در عین حال، کیفیت بسیار مهم دیگری از داده های تحلیلی به دست آمده به دست می آید. از آنجایی که تنها یک مکعب OLAP برای کل شرکت وجود دارد، یعنی. این همان زمینه با تحلیلگران برای همه است، که اختلافات آزاردهنده در داده ها را از بین می برد. زمانی که یک مدیر برای از بین بردن عامل سوبژکتیویته مجبور است تکلیف یکسانی را از چندین کارمند مستقل بپرسد، اما باز هم پاسخ های متفاوتی می دهند که همه متعهد می شوند به نحوی توضیح دهند و غیره. مکعب OLAP یکنواختی داده های تحلیلی را در سطوح مختلف سلسله مراتب شرکت تضمین می کند. اگر مدیری بخواهد شاخص خاصی را که مورد علاقه او است به تفصیل بیان کند، مطمئناً به داده های سطح پایین تر می رسد که زیردستان با آن کار می کند و این دقیقاً داده هایی است که بر اساس آن شاخص سطح بالاتر محاسبه شده است. ، و نه برخی از داده های دیگر، دریافت شده به روشی دیگر، در زمان دیگری و غیره. یعنی کل شرکت تجزیه و تحلیل یکسان را می بیند، اما در سطوح مختلف تجمیع.

بیایید یک مثال بزنیم. فرض کنید یک مدیر حساب های دریافتنی را کنترل می کند. تا زمانی که KPI برای مطالبات معوق سبز است، به این معنی است که همه چیز عادی است و هیچ اقدام مدیریتی لازم نیست. اگر رنگ به زرد یا قرمز تغییر کرده است، چیزی اشتباه است: ما KPI ها را توسط بخش های فروش برش می دهیم و بلافاصله بخش ها را "قرمز" می بینیم. بخش بعدی توسط مدیران - و فروشنده ای که مشتریانش از پرداخت عقب مانده اند، شناسایی می شود. (بعلاوه، مبلغ معوقه را می توان بر اساس مشتریان، بر اساس شرایط و غیره تقسیم کرد.) رئیس شرکت می تواند مستقیماً با متخلفان در هر سطحی تماس بگیرد. اما به طور کلی، همان KPI (در سطوح سلسله مراتبی آنها) هم توسط مدیران بخش و هم توسط مدیران فروش مشاهده می شود. بنابراین، برای اصلاح وضعیت، آنها حتی نیازی به انتظار "تماس روی فرش" ندارند... البته، KPI خود لزوماً نباید میزان پرداخت های معوق باشد - این می تواند باشد. میانگین موزون مدت پرداخت های معوق یا به طور کلی نرخ گردش مطالبات.

اجازه دهید توجه داشته باشیم که پیچیدگی و انعطاف‌پذیری زبان MDX، همراه با نتایج سریع (گاهی آنی) به ما امکان می‌دهد (با در نظر گرفتن مراحل توسعه و اشکال‌زدایی) مشکلات کنترل پیچیده‌ای را حل کنیم که در غیر این صورت ممکن بود اصلاً مطرح نمی‌شد. به دلیل پیچیدگی برنامه نویسان برنامه و عدم قطعیت اولیه در فرمول. (مهلت‌های طولانی برای برنامه‌نویسان کاربردی برای حل مسائل تحلیلی به دلیل فرمول‌بندی‌های ناشناخته و اصلاحات طولانی برنامه‌ها زمانی که شرایط اغلب در عمل با آن مواجه می‌شوند.)

اجازه دهید به این واقعیت نیز توجه کنیم که هر کارمند شرکت می تواند دقیقاً برداشتی را که برای کار خود به آن نیاز دارد از میدان عمومی یک تحلیلگر OLAP جمع آوری کند و به "نوار" ای که در جمع برای او بریده می شود راضی نباشد. "گزارش های استاندارد".

رابط چند کاربره برای کار با یک مکعب OLAP در حالت سرویس گیرنده-سرور به هر کارمند، مستقل از دیگران، اجازه می دهد تا بلوک های تحلیلی (حتی خودساخته با مهارت) خود را داشته باشد (گزارش ها)، که پس از تعریف، به طور خودکار تنظیم می شوند. به روز شده - به عبارت دیگر، آنها همیشه به روز هستند.

یعنی مکعب OLAP به شما این امکان را می دهد که کار تحلیلی (که در واقع نه تنها توسط تحلیلگران پذیرش انجام می شود، بلکه در واقع تقریباً توسط همه کارمندان شرکت، حتی تدارکات و مدیرانی که تعادل و محموله ها را کنترل می کنند) انتخابی تر کنید. "نه به صورت کلی" که شرایطی را برای بهبود کار و افزایش بهره وری ایجاد می کند.

برای خلاصه کردن مقدمه، خاطرنشان می کنیم که استفاده از مکعب های OLAP می تواند مدیریت یک شرکت را به سطح بالاتری برساند. یکنواختی داده های تحلیلی در تمام سطوح سلسله مراتب، قابلیت اطمینان، پیچیدگی، سهولت ایجاد و اصلاح شاخص ها، تنظیمات فردی، سرعت بالای پردازش داده ها و در نهایت صرفه جویی در هزینه و زمان صرف شده برای پشتیبانی از مسیرهای تحلیلی جایگزین (برنامه نویسان برنامه، محاسبات مستقل کارمند) چشم انداز استفاده از مکعب های OLAP را در عمل شرکت های بزرگ روسی باز می کند.

OLTP + OLAP: طرح کلی بازخورددر زنجیره مدیریت شرکت

حال بیایید به ایده کلی مکعب های OLAP و نقطه کاربرد آنها در زنجیره مدیریت شرکت نگاه کنیم. اصطلاح OLAP (پردازش تحلیلی آنلاین) توسط ریاضیدان انگلیسی ادگار کاد علاوه بر اصطلاح قبلی OLTP (پردازش معاملات آنلاین) معرفی شد. این بعداً مورد بحث قرار خواهد گرفت، اما E. Codd، البته، نه تنها اصطلاحات، بلکه نظریه های ریاضی OLTP و OLAP را نیز پیشنهاد کرد. بدون پرداختن به جزئیات، در تفسیر مدرن، OLTP یک پایگاه داده رابطه ای است که به عنوان مکانیزمی برای ثبت، ذخیره و بازیابی اطلاعات در نظر گرفته می شود.

روش شناسی راه حل

سیستم های ERP (برنامه ریزی منابع سازمانی)، مانند 1C7، 1C8، MS Dynamics AX، دارای رابط های نرم افزاری کاربر محور (ورود و ویرایش اسناد و غیره) و یک پایگاه داده رابطه ای (DB) برای ذخیره و بازیابی اطلاعات هستند که امروزه توسط نرم افزار ارائه می شود. محصولاتی مانند MS SQL Server (SS).

توجه داشته باشید که اطلاعات ثبت شده در پایگاه داده سیستم ERP در واقع یک منبع بسیار ارزشمند است. نکته تنها این نیست که اطلاعات ثبت شده جریان اسناد جاری شرکت (استخراج اسناد، تنظیم آنها، قابلیت چاپ و تطبیق و ...) را تضمین می کند و نه تنها توانایی محاسبه صورت های مالی (مالیات، حسابرسی و غیره) را تضمین می کند. ). از دیدگاه مدیریت، بسیار مهمتر است که سیستم OLTP (پایگاه داده رابطه ای) در واقع یک مدل دیجیتالی واقعی از فعالیت های شرکت باشد.

اما برای مدیریت فرآیند، ثبت اطلاعات مربوط به آن کافی نیست. فرآیند باید در قالب یک سیستم از شاخص های عددی (KPIs) که پیشرفت آن را مشخص می کند ارائه شود. علاوه بر این، محدوده قابل قبولی از مقادیر باید برای شاخص ها تعریف شود. و تنها در صورتی که مقدار نشانگر خارج از بازه مجاز باشد، باید یک عمل کنترلی دنبال شود.

با توجه به این منطق (یا اسطوره) کنترل ("کنترل از طریق انحراف")، هم فیلسوف یونان باستان، افلاطون، که تصویر سکاندار (سایبرنوز) را خلق کرد، که وقتی قایق از مسیر منحرف می شود به پارو تکیه می دهد، و هم نوربرت وینر، ریاضیدان آمریکایی، که علم سایبرنتیک را در آستانه عصر رایانه ایجاد کرد.

علاوه بر سیستم معمول برای ثبت اطلاعات با استفاده از روش OLTP، سیستم دیگری مورد نیاز است - سیستمی برای تجزیه و تحلیل اطلاعات جمع آوری شده. این افزونه که در حلقه کنترل نقش بازخورد بین مدیریت و شی کنترل را ایفا می کند، یک سیستم OLAP یا به طور خلاصه یک مکعب OLAP است.

به عنوان یک پیاده‌سازی نرم‌افزار OLAP، ما ابزار MS Analysis Services را در نظر خواهیم گرفت که بخشی از تحویل استاندارد MS SQL Server، به اختصار SSAS است. توجه داشته باشید که طبق طرح E. Codd، مکعب OLAP در تجزیه و تحلیل باید همان آزادی عمل جامعی را بدهد که سیستم OLTP و پایگاه داده رابطه‌ای (SQL Server) در ذخیره و بازیابی اطلاعات فراهم می‌کنند.

لجستیک OLAP

حالا بیایید به پیکربندی خاص نگاه کنیم دستگاه های خارجی، برنامه های کاربردی و عملیات تکنولوژیکی که بر اساس آنها عملیات خودکار مکعب OLAP استوار است.

ما فرض می کنیم که شرکت از یک سیستم ERP استفاده می کند، به عنوان مثال، 1C7 یا 1C8، که اطلاعات در آن به طور معمول ثبت می شود. پایگاه داده این سیستم ERP بر روی سرور خاصی قرار دارد و توسط MS SQL Server پشتیبانی می شود.

همچنین فرض می‌کنیم که سرور دیگری دارای نرم‌افزار نصب شده است، از جمله MS SQL Server با ابزار MS Analysis Services (SSAS) و همچنین MS SQL Server Management Studio، MS C#، MS Excel و MS Visual Studio. این برنامه ها با هم زمینه مورد نیاز را تشکیل می دهند: ابزارها و رابط های لازم برای توسعه دهنده مکعب های OLAP.

سرور SSAS یک برنامه آزادانه به نام blat دارد که (با پارامترها) از نامیده می شود خط فرمانو ارائه خدمات پستی

در ایستگاه های کاری کارکنان در داخل شبکه محلی، از جمله، برنامه های MS Excel (نسخه های نه کمتر از 2003) و همچنین احتمالاً یک درایور ویژه برای اطمینان از کارکرد MS Excel با خدمات تحلیل MS (مگر اینکه درایور مربوطه قبلاً نصب شده باشد) نصب می شود. موجود در MS Excel).

برای قطعیت، فرض می کنیم که یک سیستم عامل در ایستگاه های کاری کارمندان نصب شده است. سیستم ویندوز XP و روی سرورها - ویندوز سرور 2008. علاوه بر این، اجازه دهید MS SQL Server 2005 به عنوان SQL Server، با نسخه Enterprise (EE) یا Developer Edition (DE) روی سرور با مکعب OLAP استفاده شود. در این نسخه ها امکان استفاده از به اصطلاح وجود دارد. "اقدامات نیمه افزودنی"، یعنی. توابع مجموع اضافی (آمار) غیر از مجموع معمولی (به عنوان مثال، حداکثر یا متوسط).

طراحی مکعب OLAP (کوبیسم OLAP)

بیایید چند کلمه در مورد طراحی خود مکعب OLAP بگوییم. در زبان آمار، مکعب OLAP مجموعه‌ای از شاخص‌های عملکردی است که در تمام بخش‌های ضروری محاسبه می‌شود، به عنوان مثال، نشانگر حمل و نقل در بخش‌های مشتریان، کالاها، تاریخ‌ها و غیره. به دلیل ترجمه مستقیم از انگلیسی در ادبیات روسی در مکعب های OLAP، شاخص ها "اندازه ها" و بخش ها "ابعاد" نامیده می شوند. این ترجمه از نظر ریاضی درست است، اما از نظر نحوی و معنایی چندان موفق نیست. کلمات روسی "میزان"، "بعد"، "بعد" از نظر معنی و املا تقریباً یکسان هستند، در حالی که "میزان" و "بعد" انگلیسی از نظر املا و معنی متفاوت هستند. بنابراین، ما به اصطلاحات آماری سنتی روسی "شاخص" و "برش" که از نظر معنی مشابه هستند، ترجیح می دهیم.

چندین گزینه برای اجرای نرم افزار یک مکعب OLAP در رابطه با سیستم OLTP که در آن داده ها ثبت می شود وجود دارد. ما فقط یک طرح را در نظر خواهیم گرفت، ساده ترین، قابل اطمینان ترین و سریع ترین.

در این طراحی، OLAP و OLTP جداول را به اشتراک نمی گذارند و تجزیه و تحلیل OLAP با جزئیات حداکثر ممکن در مرحله به روز رسانی مکعب (Process) که قبل از مرحله استفاده است محاسبه می شود. این طرح MOLAP (OLAP چند بعدی) نامیده می شود. معایب آن ناهمزمانی با ERP و هزینه بالای حافظه است.

اگرچه به طور رسمی یک مکعب OLAP را می توان با استفاده از همه (هزاران) جداول پایگاه داده رابطه ای سیستم ERP به عنوان منبع داده و همه (صدها) فیلدهای آنها به عنوان شاخص یا بخش ساخت، در واقع این کار نباید انجام شود. برعکس. برای بارگذاری در یک مکعب، درست تر است که یک پایگاه داده جداگانه به نام "ویترین" یا "انبار" تهیه کنید.

دلایل متعددی ما را مجبور به انجام این کار می کند.

• اولا،پیوند یک مکعب OLAP به جداول در یک پایگاه داده واقعی مطمئناً مشکلات فنی ایجاد می کند. تغییر داده‌ها در یک جدول می‌تواند باعث تازه‌سازی مکعب شود، و تازه کردن یک مکعب لزوماً یک فرآیند سریع نیست، بنابراین مکعب در حالت بازسازی دائمی خواهد بود. در عین حال، روش به روز رسانی مکعب می تواند (هنگام خواندن) داده های جداول پایگاه داده را مسدود کند و کار کاربران را در ثبت داده ها در سیستم ERP کند کند.
• دوما, وجود نشانگرها و برش های بیش از حد باعث افزایش چشمگیر فضای ذخیره سازی مکعب در سرور می شود. فراموش نکنیم که مکعب OLAP نه تنها داده‌های منبع را مانند سیستم OLTP، بلکه تمام شاخص‌های خلاصه شده در تمام بخش‌های ممکن (و حتی همه ترکیب‌های همه بخش‌ها) را نیز ذخیره می‌کند. علاوه بر این، سرعت به روز رسانی مکعب و در نهایت سرعت ساخت و به روز رسانی تجزیه و تحلیل و گزارش های کاربران بر اساس آنها کاهش می یابد.
• سوم, بسیاری از زمینه ها (شاخص ها و بخش ها) مشکلاتی را در رابط توسعه دهنده OLAP ایجاد می کنند، زیرا لیست عناصر بسیار زیاد خواهد شد.
• چهارم، مکعب OLAP به نقض یکپارچگی داده ها بسیار حساس است. اگر داده های کلیدی در پیوند مشخص شده در ساختار اتصالات فیلد مکعبی قرار نگیرند، مکعب نمی تواند ساخته شود. نقض یکپارچگی موقت یا دائمی، فیلدهای خالی در پایگاه داده سیستم ERP رایج است، اما این برای OLAP مطلقا مناسب نیست.

همچنین می توانید اضافه کنید که سیستم ERP و مکعب OLAP باید در سرورهای مختلف قرار داشته باشند تا بار را به اشتراک بگذارند. اما پس از آن، اگر جداول مشترک برای OLAP و OLTP وجود داشته باشد، مشکل ترافیک شبکه نیز به وجود می آید. مشکلات عملاً غیر قابل حل در این مورد زمانی به وجود می آیند که لازم است چندین سیستم ERP متفاوت (1C7، 1C8، MS Dynamics AX) را در یک مکعب OLAP ادغام کنیم.

احتمالاً بتوانیم به انباشتن مشکلات فنی ادامه دهیم. اما مهمتر از همه، به یاد داشته باشید که برخلاف OLTP، OLAP وسیله ای برای ضبط و ذخیره داده ها نیست، بلکه یک ابزار تجزیه و تحلیل است. این بدان معنی است که نیازی به آپلود و بارگیری داده های "کثیف" از ERP به OLAP "در صورت لزوم" نیست. برعکس، ابتدا باید یک مفهوم برای مدیریت شرکت، حداقل در سطح سیستم KPI ایجاد کنید، و سپس یک انبار داده برنامه (انبار) طراحی کنید، که روی همان سروری که مکعب OLAP قرار دارد و حاوی یک کوچک است. , مقدار پالایش داده از ERP لازم برای مدیریت .

بدون ترویج عادات بد، مکعب OLAP در رابطه با OLTP را می توان به "هنوز" معروف تشبیه کرد که از طریق آن یک "محصول خالص" از "توده تخمیر شده" ثبت واقعی استخراج می شود.

بنابراین، دریافتیم که منبع داده OLAP یک پایگاه داده (انبار) ویژه است که در همان سرور OLAP قرار دارد. به طور کلی این به معنای دو چیز است. اول، باید رویه های خاصی وجود داشته باشد که یک انبار از پایگاه های داده ERP ایجاد کند. ثانیا، مکعب OLAP با سیستم های ERP خود ناهمزمان است.

با در نظر گرفتن موارد فوق، ما نسخه زیر از معماری فرآیند محاسبات را پیشنهاد می کنیم.

معماری راه حل

فرض کنید بسیاری از سیستم‌های ERP یک شرکت خاص (هلدینگ) در سرورهای مختلف قرار دارند، داده‌های تحلیلی که ما می‌خواهیم آن‌ها را در یک مکعب OLAP ادغام کنیم. ما تأکید می کنیم که در فناوری توصیف شده، داده های سیستم های ERP را در سطح انبار ترکیب می کنیم و طراحی مکعب OLAP را بدون تغییر باقی می گذاریم.

در سرور OLAP ما تصاویر (نسخه های خالی) از پایگاه داده های همه این سیستم های ERP را ایجاد می کنیم. ما به صورت دوره‌ای (شبیه) همانندسازی جزئی پایگاه‌های داده ERP فعال مربوطه را روی این کپی‌های خالی انجام می‌دهیم.

در مرحله بعد، SP (رویه ذخیره شده) راه اندازی می شود که در همان سرور OLAP بدون ترافیک شبکه، بر اساس کپی های جزئی پایگاه های داده سیستم ERP، یک انبار (انبار) - منبع داده مکعب OLAP را ایجاد می کند (یا دوباره پر می کند).

سپس روال استاندارد برای به روز رسانی/ساخت یک مکعب بر اساس داده های انبار راه اندازی می شود (عملیات فرآیند در رابط SSAS).

بیایید در مورد برخی از جنبه های فناوری نظر دهیم. SP ها چه نوع کاری انجام می دهند؟

در نتیجه تکرار جزئی، داده های فعلی در تصویر برخی از سیستم های ERP در سرور OLAP ظاهر می شوند. به هر حال، تکرار جزئی را می توان به دو روش انجام داد.

در مرحله اول، از تمام جداول موجود در پایگاه داده سیستم ERP، در طول تکرار جزئی، تنها آنهایی که برای ساخت یک انبار مورد نیاز هستند کپی می شوند. این توسط یک لیست ثابت از نام جدول کنترل می شود.

ثانیا، تکرار جزئی ممکن است به این معنی باشد که همه فیلدهای جدول کپی نمی شوند، بلکه فقط آنهایی که در ساخت انبار نقش دارند کپی می شوند. لیست فیلدهایی که باید کپی شوند یا مشخص شده یا به صورت پویا در SP در تصویر کپی ایجاد می شود (اگر در ابتدا همه فیلدها در کپی جدول وجود نداشته باشند).

البته می توان تمام ردیف های جدول را کپی نکرد، بلکه فقط رکوردهای جدید اضافه کرد. با این حال، این امر باعث ایجاد ناراحتی های جدی در هنگام حسابداری برای تجدید نظرهای ERP "به صورت ماسبق" می شود، که اغلب در سیستم های واقعی وجود دارد. بنابراین، کپی کردن همه رکوردها (یا به‌روزرسانی «دم» از تاریخ معینی) بدون هیچ مقدمه‌ای آسان‌تر است.

در مرحله بعد، وظیفه اصلی SP تبدیل داده های سیستم ERP به فرمت انبار است. اگر فقط یک سیستم ERP وجود داشته باشد، وظیفه تبدیل عمدتاً به کپی کردن و احتمالاً قالب‌بندی مجدد داده‌های ضروری می‌رسد. اما اگر لازم باشد چندین سیستم ERP از ساختارهای مختلف را در یک مکعب OLAP ادغام کنیم، آنگاه تبدیل ها پیچیده تر می شوند.

کار ادغام چندین سیستم ERP مختلف در یک مکعب به ویژه دشوار است اگر مجموعه‌های اشیاء آنها (دایرکتوری‌های کالا، پیمانکاران، انبارها و غیره) تا حدی همپوشانی داشته باشند، اشیاء یک معنی داشته باشند، اما طبیعتاً در دایرکتوری‌ها به‌طور متفاوتی توصیف می‌شوند. سیستم های مختلف (از نظر کدها، شناسه ها، نام ها و غیره).

در حقیقت، چنین تصویری در یک شرکت هلدینگ بزرگ به وجود می‌آید، زمانی که چندین شرکت مستقل تشکیل‌دهنده آن از همان نوع، تقریباً انواع مشابهی از فعالیت‌ها را در تقریباً یک قلمرو انجام می‌دهند، اما از سیستم‌های ثبت نام خود و غیر توافقی استفاده می‌کنند. در این مورد، هنگام ادغام داده ها در سطح انبار، نمی توانید بدون جداول نقشه برداری کمکی انجام دهید.

بیایید کمی به معماری ذخیره سازی انبار توجه کنیم. به طور معمول، یک طرح مکعب OLAP به شکل یک "ستاره" نشان داده می شود. به عنوان یک جدول داده احاطه شده توسط "اشعه" از دایرکتوری ها - جداول مقادیر کلید ثانویه. جدول بلوکی از «شاخص‌ها» است؛ کتاب‌های مرجع بخش‌های آن‌ها هستند. در این مورد، فهرست به نوبه خود می تواند یک درخت نامتعادل دلخواه یا یک سلسله مراتب متعادل باشد، به عنوان مثال، یک طبقه بندی چند سطحی از کالاها یا پیمانکاران. در یک مکعب OLAP، فیلدهای عددی یک جدول داده از یک انبار به طور خودکار به "شاخص" (یا اندازه گیری) تبدیل می شوند و بخش ها (یا ابعاد) را می توان با استفاده از جداول کلید ثانویه تعریف کرد.

این یک توصیف بصری "آموزشی" است. در واقع، معماری یک مکعب OLAP می تواند بسیار پیچیده تر باشد.

اولاً، یک انبار می تواند از چندین "ستاره" تشکیل شده باشد که احتمالاً از طریق دایرکتوری های مشترک به هم متصل می شوند. در این حالت، مکعب OLAP ترکیبی از چندین مکعب (چند بلوک داده) خواهد بود.

ثانیا، "اشعه" یک ستاره می تواند نه تنها یک فهرست، بلکه یک سیستم فایل کامل (سلسله مراتبی) باشد.

ثالثاً، بر اساس بخش‌های ابعاد موجود، بخش‌های سلسله مراتبی جدیدی را می‌توان با استفاده از ابزارهای رابط توسعه‌دهنده OLAP تعریف کرد (مثلاً با سطوح کمتر، با ترتیب سطوح متفاوت و غیره).

چهارم اینکه بر اساس شاخص ها و بخش های موجود، با استفاده از عبارات زبان MDX می توان اندیکاتورهای (محاسبات) جدیدی را تعریف کرد. مهم است که توجه داشته باشید که مکعب های جدید، شاخص های جدید، بخش های جدید به طور خودکار به طور کامل با عناصر اصلی ادغام می شوند. همچنین لازم به ذکر است که محاسبات و بخش های سلسله مراتبی با فرمول ضعیف می توانند عملکرد یک مکعب OLAP را به میزان قابل توجهی کاهش دهند.

MS Excel به عنوان رابط با OLAP

رابط کاربری با مکعب های OLAP از جذابیت خاصی برخوردار است. به طور طبیعی، کامل ترین رابط توسط خود ابزار SSAS ارائه شده است. این شامل یک جعبه ابزار توسعه دهنده مکعب OLAP، یک طراح گزارش تعاملی و یک پنجره است کار تعاملیبا یک مکعب OLAP با استفاده از پرس و جوهای MDX.

علاوه بر خود SSAS، برنامه‌های زیادی وجود دارند که یک رابط برای OLAP فراهم می‌کنند و عملکرد آن‌ها را تا حد زیادی پوشش می‌دهند. اما در بین آنها یکی وجود دارد که به نظر ما مزایای غیرقابل انکاری دارد. این MS Excel است.

رابط کاربری MS Excel توسط یک درایور ویژه ارائه شده است که به صورت جداگانه قابل دانلود یا در توزیع Excel موجود است. همه عملکردهای OLAP را پوشش نمی دهد، اما با افزایش تعداد نسخه های MS Excel، این پوشش گسترده تر می شود (به عنوان مثال، در MS Excel 2007 ظاهر می شود تصویر گرافیکی KPI، که در MS Excel 2003 و غیره نبود).

البته مزیت اصلی ام اس اکسل علاوه بر عملکرد نسبتا کامل آن، توزیع گسترده این برنامه و آشنایی نزدیک تعداد زیادی از کاربران آفیس با آن است. از این نظر، برخلاف سایر برنامه های رابط، این شرکت نیازی به خرید هیچ چیز اضافی ندارد و نیازی به آموزش اضافی ندارد.

مزیت بزرگ MS Excel به عنوان رابط با OLAP توانایی پردازش بیشتر مستقل داده های به دست آمده در گزارش OLAP است (یعنی ادامه مطالعه داده های به دست آمده از OLAP در برگه های دیگر همان Excel، بدون استفاده از ابزارهای OLAP، اما با استفاده از ابزارهای عادی اکسل).

چرخه درمان شبانه Facubi

اکنون چرخه محاسباتی روزانه (شبانه) عملیات OLAP را شرح خواهیم داد. محاسبه تحت کنترل برنامه facubi انجام می شود که در C# 2005 نوشته شده و از طریق Task Scheduler روی سروری با انبار و SSAS راه اندازی شده است. در ابتدا، facubi به اینترنت می‌رود و نرخ‌های ارز فعلی را می‌خواند (برای نشان دادن تعدادی از شاخص‌ها در یک ارز استفاده می‌شود). در مرحله بعد مراحل زیر را انجام دهید.

ابتدا، facubi SP هایی را راه اندازی می کند که تکثیر جزئی پایگاه داده های سیستم های ERP مختلف (عناصر نگهدارنده) موجود در شبکه محلی را انجام می دهند. همانطور که گفتیم، همانند سازی روی "پس زمینه" از پیش آماده شده انجام می شود - تصاویر سیستم های ERP راه دور واقع در سرور SSAS.

در مرحله دوم، از طریق SP، یک نقشه برداری از کپی های ERP به ذخیره سازی انبار انجام می شود - یک DB ویژه، که منبع داده های مکعب OLAP است و در سرور SSAS قرار دارد. در این مورد، سه کار اصلی حل می شود:

• داده های ERPبا فرمت های مکعب مورد نیاز تنظیم شده است. ما در موردهم در مورد جداول و هم در مورد فیلدهای جدول. (گاهی اوقات جدول مورد نیاز باید از روی چندین برگه MS Excel "مد" شود.) داده های مشابه ممکن است فرمت های متفاوتی در ERP های مختلف داشته باشند، به عنوان مثال، فیلدهای شناسه کلید در فهرست های 1C7 دارای یک کد نویسه 36 رقمی به طول 8 هستند. فیلدهای , و _idrref در دایرکتوری های 1С8 – اعداد هگزادسیمال با طول 32.
• در طول پردازش کنترل منطقی داده انجام می شود (از جمله نوشتن "پیش فرض" به جای داده های از دست رفته، در صورت امکان) و کنترل یکپارچگی، به عنوان مثال. بررسی وجود کلیدهای اولیه و ثانویه در طبقه بندی کننده های مربوطه.
• تلفیق کد اشیایی که در ERP های مختلف معنای یکسانی دارند. به عنوان مثال، عناصر متناظر دایرکتوری های ERP های مختلف ممکن است معنای یکسانی داشته باشند، مثلاً طرف مقابل یکسان هستند. مشکل ادغام کدها با ساخت جداول نگاشت حل می شود کدهای مختلفهمین اشیاء به وحدت می رسند.

سوم، پرتاب فاکوبی رویه استانداردبه روز رسانی داده های مکعب فرآیند (از رویه های ابزار SSAS).

بر اساس چک لیست ها، facubi ایمیل هایی در مورد پیشرفت مراحل پردازش ارسال می کند.

پس از اجرای facubi، Task Scheduler چندین را راه اندازی می کند فایل های اکسل، که در آن گزارش ها بر اساس شاخص های مکعب OLAP از قبل ایجاد می شوند. همانطور که گفتیم MS Excel یک ویژگی خاص دارد رابط نرم افزاری(درایور جداگانه قابل دانلود یا داخلی) برای کار با مکعب های OLAP (با SSAS). هنگامی که MS Excel را راه اندازی می کنید، برنامه های MS VBA (مانند ماکروها) فعال می شوند که اطمینان حاصل می کنند که داده ها در گزارش ها به روز می شوند. گزارش ها در صورت لزوم اصلاح می شوند و طبق چک لیست ها از طریق پست (برنامه بلات) برای کاربران ارسال می شوند.

کاربران شبکه محلی با دسترسی به سرور SSAS گزارش‌های "زنده" پیکربندی شده برای مکعب OLAP را دریافت خواهند کرد. (در اصل، آنها خودشان، بدون هیچ نامه ای، می توانند گزارش های OLAP را در MS Excel که در آنها وجود دارد، به روز کنند کامپیوترهای محلی.) کاربران خارج از شبکه محلی یا گزارش های اصلی را دریافت می کنند، اما با عملکرد محدود، یا برای آنها (پس از به روز رسانی گزارش های OLAP در MS Excel) گزارش های "مرده" ویژه ای محاسبه می شود که به سرور SSAS دسترسی ندارند.

ارزیابی نتایج

ما در بالا در مورد ناهمزمانی OLTP و OLAP صحبت کردیم. در نوع فناوری مورد بررسی، چرخه به‌روزرسانی مکعب OLAP در شب انجام می‌شود (مثلاً از ساعت 1 صبح شروع می‌شود). این بدان معناست که در روز کاری جاری، کاربران با داده های دیروز کار می کنند. از آنجایی که OLAP یک ابزار ضبط نیست (به آخرین ویرایش سند نگاه کنید)، بلکه یک ابزار مدیریتی است (درک روند فرآیند)، چنین تاخیری معمولاً حیاتی نیست. با این حال، در صورت لزوم، حتی در نسخه توصیف شده معماری مکعب (MOLAP)، به روز رسانی می تواند چندین بار در روز انجام شود.

زمان اجرای رویه های به روز رسانی به ویژگی های طراحی مکعب OLAP (پیچیدگی کم و بیش، تعاریف کم و بیش موفق شاخص ها و بخش ها) و به حجم پایگاه های داده سیستم های OLTP خارجی بستگی دارد. طبق تجربه، مراحل ساخت انبار از چند دقیقه تا دو ساعت طول می کشد، روند به روز رسانی مکعب (Process) از 1 تا 20 دقیقه طول می کشد. ما در مورد مکعب های پیچیده OLAP صحبت می کنیم که ده ها ساختار از نوع ستاره، ده ها "پرتو" رایج (بخش های مرجع) برای آنها و صدها نشانگر را متحد می کند. با برآورد حجم پایگاه داده های سیستم های ERP خارجی بر اساس اسناد حمل و نقل، ما در مورد صدها هزار سند و بر این اساس، میلیون ها خط محصول در سال صحبت می کنیم. عمق پردازش تاریخی مورد توجه کاربر سه تا پنج سال بود.

تکنولوژی توصیف شده در تعدادی از شرکت های بزرگ: از سال 2008 در شرکت ماهی روسیه (RRK) و شرکت دریای روسیه (RM)، از سال 2012 در شرکت سانتا برمور (SB). برخی از شرکت ها عمدتاً شرکت های تجاری و خرید (PPC) هستند، برخی دیگر شرکت های تولیدی (کارخانه های پردازش ماهی و غذاهای دریایی در جمهوری مولداوی و جمهوری بلاروس) هستند. همه شرکت‌ها هلدینگ‌های بزرگی هستند که چندین شرکت را با سیستم‌های حسابداری کامپیوتری مستقل و متنوع - از سیستم‌های استاندارد ERP مانند 1C7 و 1C8 تا سیستم‌های حسابداری "عقاید" مبتنی بر DBF و Excel را متحد می‌کنند. اضافه می کنم که فناوری توصیف شده برای عملکرد مکعب های OLAP (بدون در نظر گرفتن مرحله توسعه) یا به هیچ وجه به کارمندان خاصی نیاز ندارد یا مسئولیت یک تحلیلگر تجاری تمام وقت است. مشکل سالهاست که در حال چرخش است حالت خودکار، ارائه گزارش روزانه به رده های مختلف کارمندان شرکت ها.

مزایا و معایب راه حل

تجربه نشان می دهد که راه حل پیشنهادی کاملا قابل اعتماد و آسان برای استفاده است. به راحتی تغییر می کند (اتصال/قطع ERP های جدید، ایجاد شاخص ها و بخش های جدید، ایجاد و اصلاح گزارش های اکسل و لیست های پستی آنها) با تغییر ناپذیر. برنامه کنترل facubi.

MS Excel به عنوان یک رابط با OLAP بیان کافی را ارائه می دهد و به دسته های مختلف کارمندان دفتر اجازه می دهد تا به سرعت با فناوری OLAP آشنا شوند. کاربر گزارش های OLAP "استاندارد" روزانه را دریافت می کند. با استفاده از رابط MS Excel با OLAP، می تواند به طور مستقل گزارش های OLAP را در MS Excel ایجاد کند. علاوه بر این، کاربر می تواند به طور مستقل به مطالعه اطلاعات گزارش های OLAP با استفاده از قابلیت های معمول MS Excel خود ادامه دهد.

پایگاه داده انبار "تصفیه شده"، که در آن چندین سیستم ERP ناهمگن ادغام شده اند (در طول ساخت مکعب)، حتی بدون هیچ گونه OLAP، به شما امکان می دهد (در سرور SSAS، با استفاده از روش پرس و جو در زبان) حل کنید. تراکنش SQLیا روش SP و غیره) بسیاری از مشکلات کنترل کاربردی. به یاد بیاوریم که ساختار پایگاه داده انبار یکپارچه و بسیار ساده تر از ساختارهای پایگاه داده ERP اصلی (از نظر تعداد جداول و تعداد فیلدهای جدول) است.

ما به ویژه توجه می کنیم که در راه حل پیشنهادی ما امکان ادغام سیستم های مختلف ERP در یک مکعب OLAP وجود دارد. این به شما این امکان را می دهد که تجزیه و تحلیل را برای کل هلدینگ بدست آورید و زمانی که یک شرکت به سیستم ERP حسابداری دیگری منتقل می شود، مثلاً هنگام انتقال از 1C7 به 1C8، تداوم طولانی مدت در تجزیه و تحلیل را حفظ کنید.

ما از مدل مکعب MOLAP استفاده کردیم. از مزایای این مدل می توان به قابلیت اطمینان در عملیات و سرعت بالای پردازش درخواست های کاربران اشاره کرد. معایب: OLAP و OLTP ناهمزمان هستند و همچنین مقدار زیادی حافظه برای ذخیره سازی OLAP وجود دارد.

در پایان، در اینجا استدلال دیگری به نفع OLAP وجود دارد که ممکن است در قرون وسطی مناسب تر باشد. زیرا قدرت اثبات آن بر اختیار است. یک ریاضیدان انگلیسی متواضع و آشکارا دست کم گرفته شده، E. Codd، نظریه پایگاه داده های رابطه ای را در اواخر دهه 60 توسعه داد. قدرت این نظریه به حدی بود که اکنون پس از 50 سال، یافتن یک پایگاه داده غیررابطه ای و یک زبان جستجوی پایگاه داده به جز SQL دشوار است.

فناوری OLTP، بر اساس تئوری پایگاه های داده رابطه ای، اولین ایده E. Codd بود. در واقع، مفهوم مکعب های OLAP دومین ایده او است که توسط او در اوایل دهه 90 بیان شد. حتی بدون ریاضیدان بودن، می توانید کاملاً انتظار داشته باشید که ایده دوم به اندازه ایده اول مؤثر باشد. یعنی از نظر تجزیه و تحلیل کامپیوتری، ایده های OLAP به زودی جهان را فرا خواهند گرفت و جای بقیه را خواهند گرفت. صرفاً به این دلیل که مبحث تجزیه و تحلیل، راه‌حل ریاضی جامع خود را در OLAP می‌یابد، و این راه‌حل برای مسئله عملی تجزیه و تحلیل «کافی» است (اصطلاح B. Spinoza). "به اندازه کافی" در اسپینوزا به این معنی است که خود خدا نمی توانست بهتر از این فکر کند...

1. لارسون بی. توسعه تجزیه و تحلیل تجاری در مایکروسافت SQL Server 2005. – سنت پترزبورگ: "پیتر"، 2008.
2. Codd E. Relational Completeness of Data Base Sublanguages, Data Base Systems, Courant Computer Science Sumposia Series 1972, v. 6، صخره های انگلوود، نیویورک، پرنتیس – هال.

در تماس با

داده ها معمولاً پراکنده و درازمدت ذخیره می شوند. می توان آن را بر اساس DBMS رابطه ای جهانی یا نرم افزار تخصصی پیاده سازی کرد (همچنین به OLAP مراجعه کنید). که در محصولات نرم افزاریشرکت SAP از اصطلاح "infocube" استفاده می کند.

شاخص های آرایه مربوط به ابعاد (ابعاد) یا محورهای مکعب است و مقادیر عناصر آرایه با اندازه گیری ها (اندازه های) مکعب مطابقت دارد.

w : (ایکس,y,z) → w xyz,

جایی که ایکس, y, z- اندازه گیری ها w- اندازه گرفتن.

بر خلاف یک آرایه معمولی در یک زبان برنامه نویسی، دسترسی به عناصر یک مکعب OLAP را می توان با مجموعه کامل ابعاد شاخص یا زیر مجموعه آنها انجام داد و سپس نتیجه نه یک عنصر، بلکه بسیاری از آنها خواهد بود.

دبلیو : (ایکس,y) → W = ( w z1, w z2, …, w zn}

شرح نیز شناخته شده است مکعب OLAPاستفاده از اصطلاحات جبر رابطه ای به عنوان طرح روابط.

همچنین ببینید

بنیاد ویکی مدیا 2010.

• نمودار ستاره ای
• خانه ما روسیه است (جناح)

ببینید «مکعب OLAP» در فرهنگ‌های دیگر چیست:

مکعب OLAP- ... ویکیپدیا

OLAP- (انگلیسی: پردازش تحلیلی آنلاین، پردازش تحلیلی در زمان واقعی) فناوری پردازش داده، که شامل تهیه خلاصه (تجمیع) اطلاعات بر اساس مقادیر زیادی داده، ساختار یافته توسط ... ... ویکی پدیا

مکعب (ابهام‌زدایی)- مکعب یک اصطلاح چند ارزشی است: در ریاضیات در استریومتری، مکعب یک چند وجهی منتظم شش ضلعی است در جبر، توان سوم یک عدد مجموعه فیلم های علمی تخیلی: "مکعب" "مکعب 2: ابرمکعب" "مکعب صفر" عامیانه و اصطلاحات تخصصی پزشکی... ... ویکی پدیا

مکعب- این اصطلاح معانی دیگری دارد، به مکعب (معانی) مراجعه کنید. نوع مکعب چند وجهی منظم صورت مربع ... ویکی پدیا

موندریان- نوع سرور OLAP سرور OLAP Developer Pentaho سیستم عاملکراس پلت فرم نرم افزار آخرین نسخه 3.4.1 (2012 05 07) مجوز نرم افزار رایگان ... ویکی پدیا - سیستم تحلیلی اطلاعات سیستم خودکاربه عنوان یک قاعده، اجازه دادن به کارشناسان برای تجزیه و تحلیل سریع حجم زیادی از داده ها، یکی از عناصر مراکز موقعیتی است. همچنین گاهی اوقات IAS شامل یک سیستم جمع آوری... ... ویکی پدیا می شود

به عنوان بخشی از این کار، مسائل زیر در نظر گرفته خواهد شد:

• مکعب های OLAP چیست؟
• معیارها، ابعاد، سلسله مراتب چیست؟
• چه نوع عملیاتی را می توان بر روی مکعب های OLAP انجام داد؟

مفهوم مکعب OLAP

فرض اصلی OLAP چند بعدی بودن در ارائه داده است. در اصطلاح OLAP، مفهوم مکعب یا ابر مکعب برای توصیف فضای داده گسسته چند بعدی استفاده می شود.

مکعبیک ساختار داده چند بعدی است که یک کاربر تحلیلگر می تواند اطلاعات را از آن جستجو کند. مکعب ها از حقایق و ابعاد ایجاد می شوند.

داده ها- این اطلاعات مربوط به اشیاء و رویدادهای شرکت است که مورد تجزیه و تحلیل قرار می گیرد. حقایق از همان نوع اندازه گیری ها را تشکیل می دهند. اندازه گیری نوع مقدار در یک سلول مکعب است.

اندازه گیری ها- اینها عناصر داده ای هستند که با استفاده از آنها حقایق تجزیه و تحلیل می شوند. مجموعه ای از چنین عناصری یک ویژگی بعد را تشکیل می دهد (به عنوان مثال، روزهای هفته می توانند ویژگی بعد زمانی را تشکیل دهند). در وظایف تجزیه و تحلیل کسب و کار برای شرکت های تجاری، ابعاد اغلب شامل مقوله هایی مانند «زمان»، «فروش»، «محصولات»، «مشتریان»، «کارمندان»، «موقعیت جغرافیایی» است. ابعاد اغلب ساختارهای سلسله مراتبی هستند که مقوله های منطقی را نشان می دهند که توسط آن کاربر می تواند داده های واقعی را تجزیه و تحلیل کند. هر سلسله مراتب می تواند یک یا چند سطح داشته باشد. بنابراین، سلسله مراتب بعد "موقعیت جغرافیایی" ممکن است شامل سطوح: "کشور - منطقه - شهر" باشد. در سلسله مراتب زمانی، به عنوان مثال، می‌توانیم ترتیب سطوح زیر را تشخیص دهیم: یک بعد می‌تواند چندین سلسله مراتب داشته باشد (هر سلسله مراتب یک بعد باید همان ویژگی کلیدی جدول ابعاد را داشته باشد).

یک مکعب می‌تواند حاوی داده‌های واقعی از یک یا چند جدول واقعی باشد و اغلب شامل چند بعد است. هر مکعب معین معمولاً تمرکز خاصی برای تجزیه و تحلیل دارد.

شکل 1 نمونه ای از مکعب طراحی شده برای تجزیه و تحلیل فروش فرآورده های نفتی توسط یک شرکت خاص را بر اساس منطقه نشان می دهد. این مکعب دارای سه بعد (زمان، محصول و منطقه) و یک پیمانه (حجم فروش به صورت پولی) است. مقادیر اندازه گیری در سلول های مربوط به مکعب ذخیره می شود. هر سلول به طور منحصر به فرد توسط مجموعه ای از اعضای هر بعد که یک تاپل نامیده می شود شناسایی می شود. برای مثال، سلولی که در گوشه سمت چپ پایین مکعب قرار دارد (شامل مقدار 98399 دلار است) توسط تاپل مشخص می شود [ژوئیه 2005، شرق دور، دیزل]. در اینجا ارزش 98399 دلار حجم فروش (بر حسب پولی) دیزل در خاور دور برای ژوئیه 2005 را نشان می دهد.

همچنین شایان ذکر است که برخی از سلول ها هیچ مقداری ندارند: این سلول ها خالی هستند زیرا جدول واقعیت حاوی داده هایی برای آنها نیست.

برنج. 1.مکعب با اطلاعات فروش فرآورده های نفتی در مناطق مختلف

هدف نهایی از ایجاد چنین مکعب هایی به حداقل رساندن زمان پردازش پرس و جوهایی است که اطلاعات مورد نیاز را از داده های واقعی استخراج می کنند. برای انجام این کار، مکعب ها معمولاً شامل مجموع از پیش محاسبه شده هستند که نامیده می شوند تجمعات(تجمعات). آن ها مکعب فضای داده ای بزرگتر از فضای واقعی را پوشش می دهد - نقاط منطقی و محاسبه شده در آن وجود دارد. توابع تجمع به شما این امکان را می دهد که مقادیر نقاط را در فضای منطقی بر اساس مقادیر واقعی محاسبه کنید. ساده ترین توابع تجمع عبارتند از SUM، MAX، MIN، COUNT. بنابراین، برای مثال، با استفاده از تابع MAX، برای مکعب ارائه شده در مثال، می توان تشخیص داد که اوج فروش گازوئیل چه زمانی در خاور دور اتفاق افتاده است و غیره.

یکی دیگر از ویژگی های خاص مکعب های چند بعدی دشواری در تعیین منشا است. به عنوان مثال، چگونه نقطه 0 را برای بعد محصول یا مناطق تعیین می کنید؟ راه حل این مشکل، معرفی یک ویژگی خاص است که تمام عناصر بعد را ترکیب می کند. این ویژگی (به طور خودکار ایجاد می شود) فقط شامل یک عنصر است - All. برای توابع تجمع ساده مانند مجموع، عنصر All معادل مجموع مقادیر همه عناصر در فضای واقعی یک بعد معین است.

یک مفهوم مهم در یک مدل داده چند بعدی، فضای فرعی یا مکعب فرعی است. زیر مکعب قسمتی از فضای کامل یک مکعب به شکل یک شکل چند بعدی در داخل مکعب است. از آنجایی که فضای چند بعدی یک مکعب گسسته و محدود است، زیرمکعب نیز گسسته و محدود است.

عملیات بر روی مکعب های OLAP

عملیات زیر را می توان بر روی یک مکعب OLAP انجام داد:

• تکه؛
• چرخش؛
• تحکیم؛
• جزئیات

تکه(شکل 2) یک مورد خاص از یک زیر مکعب است. این روشی برای تشکیل یک زیرمجموعه از یک آرایه داده چند بعدی مربوط به یک مقدار واحد از یک یا چند عنصر بعدی است که در این زیر مجموعه گنجانده نشده است. به عنوان مثال، برای اطلاع از اینکه چگونه فروش فرآورده های نفتی در طول زمان تنها در یک منطقه خاص، یعنی در اورال پیشرفت کرده است، باید بعد "محصولات" را در عنصر "اورال" ثابت کنید و زیرمجموعه (زیر مکعب) مربوطه را از زیر استخراج کنید. مکعب

برنج. 2.برش مکعب OLAP

چرخش(شکل 3) - عملیات تغییر مکان اندازه گیری ارائه شده در یک گزارش یا در صفحه نمایش داده شده است. به عنوان مثال، یک عملیات چرخش ممکن است شامل تنظیم مجدد ردیف ها و ستون های یک جدول باشد. علاوه بر این، چرخش یک مکعب داده، ابعاد خارج از جدول را با ابعاد موجود در صفحه نمایش داده شده در جای خود قرار می دهد و بالعکس.

OLAP (پردازش تحلیلی آنلاین)روشی برای پردازش داده های تحلیلی الکترونیکی است که سازماندهی داده ها را به دسته های سلسله مراتبی با استفاده از مجموع از پیش محاسبه شده نشان می دهد. داده های OLAP به صورت سلسله مراتبی سازماندهی می شوند و به جای جداول در مکعب ها ذخیره می شوند. مکعب های OLAP یک مجموعه داده چند بعدی با محورهای حاوی پارامترها و سلول های حاوی داده های کل وابسته به پارامتر هستند. مکعب ها برای تجزیه و تحلیل پیچیده چند بعدی حجم زیادی از داده ها طراحی شده اند، زیرا آنها به جای تعداد زیادی رکورد فردی، تنها نتایج خلاصه ای را برای گزارش ارائه می دهند.

مفهوم OLAP در سال 1993 توسط محقق معروف پایگاه داده و نویسنده مدل داده های رابطه ای E. F. Codd شرح داده شد. در حال حاضر، پشتیبانی OLAP در بسیاری از DBMS ها و ابزارهای دیگر پیاده سازی شده است.

یک مکعب OLAP شامل دو نوع داده است:

· مجموع مقادیر، مقادیری که می خواهید خلاصه کنید، نشان دهنده فیلدهای داده محاسبه شده;

· اطلاعات توصیفی نشان دهنده اندازه گیری هایا ابعاد. اطلاعات توصیفی معمولاً در سطوح جزئیات سازماندهی می شوند. به عنوان مثال: "سال"، "ربع"، "ماه" و "روز" در بعد "زمان". سازمان‌دهی فیلدها در سطوح جزئیات به کاربران گزارش‌دهنده اجازه می‌دهد تا سطح جزئیاتی را که می‌خواهند مشاهده کنند، انتخاب کنند، از داده‌های خلاصه سطح بالا شروع کنند و سپس به نمای دقیق‌تر بپردازند و بالعکس.

ابزارهای مایکروسافت پرس و جو همچنین به شما این امکان را می دهند که مکعب های OLAP را از یک کوئری که داده های پایگاه داده رابطه ای را بارگذاری می کند، ایجاد کنید. دسترسی مایکروسافت، در این حالت جدول خطی به یک سلسله مراتب ساختاری (مکعب) تبدیل می شود.

Create OLAP Cube Wizard یک ابزار داخلی مایکروسافت Query است. برای ایجاد یک مکعب OLAP بر اساس پایگاه داده رابطه ای، باید مراحل زیر را قبل از اجرای جادوگر انجام دهید.

1. منبع داده را تعیین کنید (شکل 6.1 را ببینید).

2. با استفاده از مایکروسافت پرس و جو، یک پرس و جو ایجاد کنید، فقط شامل آن دسته از فیلدهایی است که یا فیلدهای داده یا فیلدهای ابعاد یک مکعب OLAP هستند؛ اگر یک فیلد در یک مکعب بیش از یک بار استفاده شود، باید به اندازه مورد نیاز در پرس و جو گنجانده شود. تعداد دفعات

3. در آخرین مرحله جادوگر ایجاد پرس و جو، سوئیچ را روی مورد تنظیم کنید ایجاد یک مکعب OLAP از از این درخواست (شکل 6.2 را ببینید) یا پس از ایجاد درخواست مستقیماً از منوی Query فایلیک تیم انتخاب کنید مکعب OLAP ایجاد کنید، پس از آن Create OLAP Cube Wizard راه اندازی می شود.

Create OLAP Cube Wizard از سه مرحله تشکیل شده است.

در مرحله اول جادوگر (نگاه کنید به شکل 6.6) فیلدهای داده- فیلدهای محاسبه شده که باید مقادیر کل برای آنها تعیین شود.

برنج. 6.6. تعریف فیلدهای داده

جادوگر فیلدهای محاسبه شده مورد انتظار (معمولاً فیلدهای عددی) را در بالای لیست قرار می دهد، آنها را بررسی می کند و عملکرد حاصل از این فیلدها را تعیین می کند، معمولا - مجموع. هنگام انتخاب فیلدهای داده، حداقل یک فیلد باید به عنوان فیلد محاسبه شده انتخاب شود و حداقل یک فیلد باید بدون علامت باقی بماند تا بعد مشخص شود.

هنگام ایجاد یک مکعب OLAP، می توانید از چهار تابع خلاصه استفاده کنید مجموع, عدد(تعداد مقادیر)، کمترین, بیشترینبرای فیلدهای عددی و یک تابع عددبرای همه زمینه های دیگر اگر می خواهید از چندین تابع خلاصه مختلف از یک فیلد استفاده کنید، آن فیلد باید به تعداد دفعات لازم در پرس و جو گنجانده شود.

نام یک فیلد محاسبه شده را می توان در یک ستون تغییر داد نام فیلد داده.

در مرحله دوم ویزارد، داده های توصیفی و ابعاد آنها تعیین می شوند (شکل 6.7 را ببینید). برای انتخاب یک فیلد اندازه گیری، باید از لیست فیلدهای منبعفیلد بعد مورد نظر را بکشید سطح بالابه لیست اندازه گیری هابه منطقه ای که به عنوان علامت گذاری شده است برای ایجاد ابعاد، فیلدها را به اینجا بکشید. برای ایجاد یک مکعب OLAP، باید حداقل یک بعد را تعریف کنید. در همان مرحله جادوگر، با استفاده از منوی زمینهمی توانید نام یک بعد یا فیلد سطح را تغییر دهید.

برنج. 6.7. تعریف فیلدهای ابعاد

فیلدهایی که حاوی داده های مجزا یا مجزا هستند و به یک سلسله مراتب تعلق ندارند، می توانند به عنوان ابعاد تک سطحی تعریف شوند. با این حال، اگر برخی از زمینه ها در سطوح سازماندهی شوند، مکعب کارآمدتر خواهد بود. برای ایجاد یک سطح به عنوان بخشی از یک بعد، یک فیلد را از لیست بکشید فیلدهای منبعدر زمینه ای که یک بعد یا سطح است. فیلدهایی که حاوی اطلاعات دقیق تر هستند باید در سطوح پایین تر قرار گیرند. به عنوان مثال، در شکل 6.7 فیلد عنوان شغلیسطح میدان است اسم دپارتمان.

برای انتقال یک فیلد به سطح پایین تر یا بالاتر، باید آن را به یک قسمت پایین تر یا بالاتر در بعد بکشید. برای نمایش یا مخفی کردن سطوح، به ترتیب از دکمه های یا استفاده کنید.

اگر از فیلدهای تاریخ یا زمان به عنوان بعد سطح بالا استفاده می کنید، جادوگر مکعب OLAP به طور خودکار سطوح را برای آن ابعاد ایجاد می کند. سپس کاربر می تواند انتخاب کند که کدام سطوح باید در گزارش ها ظاهر شوند. به عنوان مثال، می توانید هفته ها، فصل ها و سال ها یا ماه ها را انتخاب کنید (شکل 6.7 را ببینید).

به یاد داشته باشید که جادوگر به طور خودکار سطوح را برای فیلدهای تاریخ و زمان تنها زمانی ایجاد می کند که یک بعد سطح بالا ایجاد می کنید. هنگام اضافه کردن این فیلدها به عنوان سطوح فرعی یک بعد، سطوح خودکار ایجاد نمی شوند.

در مرحله سوم جادوگر، نوع مکعب ایجاد شده توسط جادوگر با سه گزینه ممکن تعیین می شود (شکل 6.8 را ببینید).

برنج. 6.8. انتخاب نوع مکعبی که باید در مرحله سوم ویزارد ایجاد شود

· دو گزینه اول شامل ایجاد یک مکعب هر بار که یک گزارش را باز می کنید (اگر مکعب از اکسل مشاهده می شود، پس ما در مورد جدول محوری صحبت می کنیم). در این صورت فایل درخواست و فایل تعاریف مکعب *.oqy، که حاوی دستورالعمل های ایجاد یک مکعب است. فایل *.oqy را می توان در آن باز کرد برنامه اکسلبرای ایجاد گزارش بر اساس مکعب، و در صورت نیاز به ایجاد تغییرات در مکعب، می توانید Query را باز کنید تا دوباره Create Cube Wizard را اجرا کنید.

به طور پیش‌فرض، فایل‌های تعریف مکعب، و همچنین فایل‌های پرس و جو، در پوشه نمایه کاربر در Application Data\Microsoft\Que-ries ذخیره می‌شوند. هنگام ذخیره یک فایل *.oqy در پوشه استاندارد، نام فایل تعریف مکعب در برگه نمایش داده می شود. مکعب های OLAPهنگام باز کردن یک پرس و جو جدید در مایکروسافت پرس و جو یا هنگام انتخاب یک دستور یک درخواست ایجاد کنید(منو داده ها، منوی فرعی وارد کردن داده های خارجی) در مایکروسافت اکسل.

· در صورت انتخاب گزینه سوم از نوع مکعبی ذخیره یک فایل مکعب حاوی تمام داده های مکعب، تمام داده های مکعب بازیابی می شود و یک فایل مکعب با پسوند * در مکانی مشخص شده توسط کاربر ایجاد می شود. توله، که این داده ها در آن ذخیره می شود. ایجاد این فایلبا فشار دادن دکمه فوراً اتفاق نمی افتد آماده; فایل یا زمانی که تعریف مکعب را در یک فایل ذخیره می کنید یا زمانی که گزارشی بر اساس مکعب ایجاد می کنید ایجاد می شود.

انتخاب نوع مکعب توسط چندین عامل تعیین می شود: مقدار داده ای که مکعب در آن قرار دارد. نوع و پیچیدگی گزارش هایی که بر اساس مکعب ایجاد می شود. منابع سیستم (حافظه و فضای دیسک) و غیره

یک فایل مکعب *.cub جداگانه باید در موارد زیر ایجاد شود:

1) برای گزارش های تعاملی که به طور مکرر تغییر می کنند در صورتی که فضای دیسک کافی وجود داشته باشد.

2) زمانی که باید مکعب را در سرور شبکه ذخیره کنید تا هنگام ایجاد گزارش، دسترسی به آن را برای سایر کاربران فراهم کنید. یک فایل مکعبی می‌تواند داده‌های خاصی را از پایگاه داده منبع ارائه دهد، در حالی که داده‌های حساس یا حساسی را که می‌خواهید از دسترسی سایر کاربران جلوگیری کنید حذف می‌کند.