7. 3 Основные особенности продуктов olap

Требования, предъявляемые к продуктам OLAP объединены в так называемый тест FASMI:

1. Fast. Небольшое время доступа к аналитическим данным (< 5 секунд)

2. Analysis. Возможность осуществления любого логич и статистич анализа и сохранение разультатов в удобном для конечного пользователя виде.

3. Shared. Многопользовательский доступ к данным с поддержкой соответствующих механизмов и средств авторизованного доступа

4. Multidimensional. Многомерное концептуальное представление данных, включая полную поддержку для иерархий.

5. Information. Возмож-ть обращаться к любой нужной инф-ии независимо от её объёма и места хранения.

OLAP технология может быть реализована различными способами, начиная с простейших ср-в анализа данных в офисных приложениях и заканчивая распределительными аналитич-ми системами.

1. OlaP-средства встроенные в настольные приложения(#Microsoft Excel). Предназначенны для решения сравнительно несложных задач. Осуществл-т вычисление агрегатных данных и их отображение. При этом сами агрегатные данные распологаются оперативной памяти.

2. Сетевые OLAP-системы построены на основе архитектуры “клиент-сервер”. Сервер обеспечивает непосредственно извлечение информ-ии из хранилища данных и всё остальное необходимое для создания кубов.

Многие OLAP-средства в настольных приложениях позволяют обращаться к серверным OLAP системам выступая в роли клиентских приложений. В связи с различиями в способах хранения данных подобные продукты делятся на:

1. Физический OLAP (MOLAP и/или HOLAP)

2. Виртуальный OLAP (ROLAP)

Cистемы, имеющие в своей основе физический OLAP, обеспечивают стабильно лучшее время отклика на запросы, чем системы основанные на виртуальном OLAP

Наибольшее применение OLAP находят в продуктах для бизнес-планирования.

Тема 8. Технология Data Mining

Data Mining-это технология поддержки процесса принятия решений, основанная на выявлении скрытых закономерностей и систематических взаимосвязей м/у данными внутри массивов инф-ии большого объёма, которые затем можно применить к новым совокупностям данных.

Инф-я, полученная в рез-те DM автоматически обобщается до ур-ня знаний, которые можно исп-ть для повышения эффектив-ти бизнеса.

С термином DM тесно связаны …:

1. Обнаружение знаний в БД, которые включают в себя подготовку данных, выбор информативных признаков, очистку данных, выявление закономерностей в данных, а также обработку и интерпретацию полученных результатов.

2. Интеллектуальный анализ данных. Концепция данного анализа определяют задачи поиска функциональных и логических закономерностей в накопленной инф-ии, построение моделей и правил.

Термин DM обозначает не столько конкретную технологию, сколько сам процесс поиска тенденций, взаимосвязей и закономерностей, посредством различ-х математич-х и статистич-х алгоритмов:

- кластеризации

-создание субвыборок

- регрессионного и корреляционного анализа и др.

Цель этого поиска – представить данные в виде, отражающим БП, а также построить модель, с помощью которой можно прогнозировать процессы, критичные для планирования бизнеса.

Средство DM отличается от инструментов статистич обработки данных и ср-в OLAP тем что вместо проверки заранее предпологаемых пользователями взаимосвязей они на основании имеющихся данных способны находить такие взаимозависимости самостоятельно и строить гипотезы об их характере.

Наиболее эффективно применение DM при наличии большого количества данных, содержащихся в хранилище данных.