Informativno-analitički sistem KPS-a "Monitoring-Analysis" omogućava vam kontrolu procesa carinjenja u oblasti nomenklature, troškova, težine robe koja se obrađuje i obračuna carinskih plaćanja.
"Monitoring-Analiza" implementira proces integracije za različite izvore informacija (DB GTE, DB TP NSI, DB USRLE, DB USRN), a zatim koristi akumulirane (zbirne) podatke za generiranje izvještaja i referenci različitog oblika.
Monitoring-analiza obavlja sljedeće funkcije:
- omogućavanje pristupa CDB -u CCD -a, kao i CDB -u carinskih računa (TPO);
- omogućavanje stvaranja i uređivanja uslova koji ograničavaju odabir podataka iz CDB -a CCD -a;
- vizuelni prikaz i štampanje informacija o izvještaju;
- ispravljanje primljenih izvještaja u programu Microsoft Excel.
Podaci o aktivnostima carinskih organa u području carinjenja CCD-a prikazani su u Monitoring-analizi prema različitim kriterijima, uključujući:
- trošak, težinu i asortiman robe koja se obrađuje;
- obračunata plaćanja;
- zemlja porijekla i zemlja odredišta prevezene robe;
- učesnici carinjenja (carinski organi, carinski inspektori, učesnici u vanjsko -ekonomskim aktivnostima);
- dinamika procesa carinjenja.
„Monitoring-analiza“ omogućava primanje i općih podataka o carinjenju robe i detaljnih informacija o svakom od učesnika u vanjskoekonomskim aktivnostima, određenom skladištu i carinskom inspektoru.
Dodatno, "Monitoring-Analysis" omogućava pristup (analizu i kontrolu) procesima isporuke robe pod carinskom kontrolom.
Monitoring-analiza ”ima izraženu strukturu na tri nivoa. Korisnik (putem Internet Explorera) šalje zahtjev WWW serveru. WWW poslužitelj šalje zahtjev ORACLE DBMS -u. DBMS obrađuje zahtjev i vraća ga na WWW poslužitelj.
WWW poslužitelj zauzvrat pretvara primljene podatke u HTML stranicu i vraća rezultat korisniku. Stoga se sva ažuriranja KPS softvera Monitoring-Analysis odvijaju na WWW poslužitelju i u ORACLE DBMS-u. Izmjene softvera u skladu s tim postaju dostupne korisniku.
- CDB TPO - praćenje procesa carinjenja TPO od strane CDB TPO;
- CDB DCD - praćenje procesa isporuke robe carinskom kontrolom (pristup DB "Dostava -CDB");
- Pretražujte u Jedinstvenom državnom registru pravnih lica, Jedinstvenom državnom registru pravnih lica - tražite informacije o pravnim licima - učesnicima u procesima carinjenja.
3. Opći podaci o as adppr "Analytica-2000
Baza podataka UAIS -a Savezne carinske službe Rusije pohranjuje i obrađuje ogromne količine informacija o različitim aspektima carinskih aktivnosti, uključujući elektroničke kopije carinskih deklaracija za teret (CCD) i carinskih potvrda (koje ruska carina izdaje od 1991. godine). Prosječna stopa rasta volumen baze podataka je 600 hiljada zapisa po kvartalu (oko 2,5 miliona godišnje). Ovaj niz podataka sadrži najvrednije podatke o spoljno -ekonomskim aktivnostima Rusije.
Značajne količine informacija o vanjskoekonomskim aktivnostima Rusije zahtijevaju dostupnost efikasnih alata za obradu koji podržavaju procese donošenja odluka za upravljanje carinskim aktivnostima.
Prvi korak u stvaranju cjelovitog sistema podrške odlučivanju na korporativnom nivou (DSS) bila je obrada sistema operativne višedimenzionalne analize podataka u elektronskoj kopiji. carinske isprave, koji pruža novi nivo analize podataka i neusporedive pokazatelje učinka u odnosu na statističku analizu.
Sistemski ciljevi sistema "Analytica-2000":
- smanjenje vremena i troškova rada potrebnih za prikupljanje zbirnih informacija;
- povećanje produktivnosti rada zaposlenih u FCS -u;
- poboljšanje kvaliteta analitičkih podataka izdatih na zahtjev viših organizacija;
- pružanje mogućnosti višim i srednjim menadžerima, kao i analitičarima da se snalaze u ogromnim količinama podataka i odaberu informacije potrebne za donošenje odluka;
- pružanje grafičkog prikaza podataka.
Analitička kontrola kvaliteta okoliš sastoji se od sledećih faza:
1. Odabir mjesta uzorkovanja;
2. Uzorkovanje;
3. Obrada uzoraka;
4. Mjerenje koncentracije zagađivača;
5. Obrada i provjera matematičkih podataka;
6. Tumačenje i upoređivanje primljenih podataka.
At odabir mjesta uzorkovanja(plinovite, tekuće, čvrste) faktore treba uzeti u obzir: geografske, geološke i ekološke karakteristike područje, priroda distribucije zagađenja u vremenu i prostoru, meteorološki i hidrološki uslovi.
Moguće je "pokriti" područje istraživanja rešetkom s odgovarajućom skalom koraka i uzeti uzorke na svim čvornim točkama. U drugim slučajevima, uzorci se mogu uzeti na karakterističnim mjestima sa različitom očekivanom kontaminacijom. Broj mjesta uzorkovanja u određenom području ovisi o tehničkim i ekonomskim mogućnostima stanice ili postaje.
At uzorkovanje potrebno je dobiti statistički prosječan uzorak, što se najlakše postiže uzimanjem tekućeg uzorka. Dobivanjem statistički prosječnog uzorka tla ili biote uzima se niz uzoraka na različitim mjestima, nakon čega slijedi mehaničko usrednjavanje u kugličnom mlinu ili otapanjem u kiselinama. Analitički uzorak određene mase uzima se iz dobijenog materijala. Statistički prosječan uzorak zraka može se dobiti pumpanjem velikih količina istog kroz posebne filtere ili apsorbere tekućine, a zatim se ispiranjem apsorbirane zagađujuće tvari izlučuje posebnim rastvorom.
Obrada uzoraka može se izvršiti odmah nakon odabira. Ako se očekuje skladištenje ili transport, treba uzeti u obzir gubitak zagađivača zbog adsorpcije na stijenkama posude, taloženja čestica ili kemijskih reakcija. Najprikladnije su polietilenske ili teflonske posude. Tečni uzorak se sipa „ispod čepa“. Čvrsti uzorci su takođe izolovani od kontakta sa vazduhom. Drugo rukovanje uzorkom uključuje koncentraciju i odvajanje zagađivača, što se obično vrši u namjenskoj laboratoriji.
Stage "Dimenzija" je analitičko određivanje koncentracije zagađivača, uključujući odabir metode analize, pripremu uzorka prema receptu metode, kalibraciju instrumenta, provjeru metode pomoću standarda i slijepe eksperimente.
Prilikom provođenja monitoringa koriste se standardnim ili općeprihvaćenim međuresornim ili resornim metodama analize.
| Prethodni materijali: |
Strana 31 od 45
Ekološko i analitičko praćenje okoliša.
Ekološki i analitički monitoring- praćenje sadržaja zagađujućih tvari u vodi, zraku i tlu fizičkim, kemijskim i fizičko -kemijskim metodama analize - omogućuje otkrivanje ulaska zagađujućih tvari u okoliš, utvrđivanje utjecaja antropogenih faktora na pozadinu prirodnih i optimiziranje ljudska interakcija s prirodom. Dakle, monitoring tla predviđa određivanje kiselosti, slanosti tla i gubitka humusa.
Hemijski nadzor - dio ekološko -analitičkog, to je sustav za promatranje kemijskog sastava atmosfere, padavina, površinskih i podzemnih voda, oceana i mora, tla, sedimenata na dnu, vegetacije, životinja i praćenje dinamike širenja kemijskih zagađivača. Njegov zadatak je utvrditi stvarni nivo zagađenja okoliša visoko otrovnim sastojcima; svrha - naučna i tehnička podrška sistema posmatranja i predviđanja; identifikaciju izvora i faktora zagađenja, kao i stepen njihovog uticaja; praćenje utvrđenih izvora zagađivača koji ulaze u prirodnu sredinu i nivo njenog zagađenja; procjena stvarnog zagađenja okoliša; prognozu zagađenja okoliša i načine za poboljšanje situacije.
Takav sistem zasnovan je na sektorskim i regionalnim podacima, uključuje elemente ovih podsistema; može pokriti oba lokalna područja unutar jedne države (nacionalni monitoring), i tako zemlja generalno (globalni monitoring).
Ekološki i analitički monitoring zagađenja kao dio Jedinstvenog državnog sistema praćenja okoliša. Kako bi se radikalno povećala efikasnost rada na očuvanju i poboljšanju stanja okoliša, osigurala okolišna sigurnost, 24. novembra 1993. donesena je Vladina uredba Ruska Federacija Br. 1229 “O stvaranju Jedinstvenog državnog sistema praćenja okoliša” (EGSEM). Organizacija rada na stvaranju Jedinstvenog državnog sistema zaštite životne sredine predviđa uključivanje novih vrsta i vrsta zagađujućih materija u oblast posmatranja i identifikaciju njihovog uticaja na životnu sredinu; proširenje geografije monitoringa okoliša zbog novih teritorija i izvora zagađenja.
Glavni zadaci EGSEM -a:
- razvoj programa za praćenje stanja prirodnog okoliša na teritoriji Rusije, u njenim pojedinačnim regijama i okruzima;
- organizacija osmatranja i mjerenja indikatora objekata monitoringa životne sredine;
- pouzdanost i uporedivost podataka posmatranja kako u pojedinim regijama i okruzima, tako i na cijeloj teritoriji Rusije;
- prikupljanje i obrada podataka posmatranja;
- skladištenje podataka promatranja, stvaranje posebnih banaka podataka koje karakteriziraju ekološku situaciju na teritoriji Rusije i u pojedinim regijama;
- usklađivanje banaka i baza podataka o životnoj sredini sa međunarodnim ekološkim informacionim sistemima;
- procjena i prognoza stanja ekoloških objekata i antropogenih uticaja na njih, prirodnih resursa, odgovora ekosistema i javnog zdravlja na promjene u stanju ljudskog okoliša;
- provođenje operativne kontrole i precizna mjerenja radioaktivne i hemijske kontaminacije kao posljedica nesreća i katastrofa, kao i predviđanje ekološke situacije i procjena štete nanesene prirodnom okolišu;
- dostupnost integriranih informacija o okolišu širokom spektru potrošača, društvenih pokreta i organizacija;
- informisanje organa upravljanja o stanju životne sredine i prirodnim resursima, bezbjednosti životne sredine;
- razvoj i implementacija jedinstvene naučne i tehničke politike u oblasti monitoringa životne sredine.
EGSEM predviđa stvaranje dva međusobno povezana bloka: praćenje zagađenja ekosistema i praćenje ekoloških posljedica takvog zagađenja. Osim toga, trebao bi pružiti informacije o početnom (osnovnom) stanju biosfere, kao i identifikaciju antropogenih promjena u pozadini prirodne varijabilnosti prirode.
Trenutno službe Roshydrometa provode promatranje nivoa zagađenosti atmosfere, tla, voda i donjih sedimenata rijeka, jezera, akumulacija i mora u smislu fizičkih, hemijskih i hidrobioloških (za vodna tijela) pokazatelja. Nadzor izvora antropogenog utjecaja na prirodni okoliš i zona njihovog izravnog utjecaja na faunu i floru, kopnenu faunu i floru (osim šuma) provode nadležne službe Ministarstva prirodnih resursa. Monitoring zemljišta, geološkog okoliša i podzemnih voda provode odjeljenja Odbora Ruske Federacije za zemljišne resurse i upravljanje zemljištem i Odbora Ruske Federacije za geologiju i korištenje podzemlja.
U 2000. godini, sistem Roshydromet je upravljao sa 150 hemijskih laboratorija, 41 klaster laboratorijom za analizu uzoraka vazduha u 89 gradova sa laboratorijskom kontrolom. Promatranja zagađenja zraka provedena su na 682 stacionarna stuba u 248 gradova i mjesta Ruske Federacije, a tlo na poljoprivrednom zemljištu nije zanemareno.
Površinske vode na kopnu se prate na 1175 vodotoka i 151 rezervoara. Uzorkovanje se vrši na 1892 boda (2604 boda). U 2000. analizirano je 30.000 uzoraka vode za 113 indikatora. Opservacije za zagađenje mora postoje u 11 mora koje ispiru teritorij Ruske Federacije. Sistem Roshydromet godišnje analizira više od 3000 uzoraka za 12 indikatora.
Mreža stanica za osmatranje prekograničnog transporta zagađujućih materija orijentisana je prema zapadnoj granici Rusije. Trenutno ovdje rade stanice Pushkinskie Gory i Pinega koje uzimaju uzorke atmosferskih aerosola, plinova i padavina.
Kontrola za hemijski sastav a kiselost atmosferskih padavina vrši se na 147 stanica federalnog i regionalnog nivoa. U većini uzoraka on-line se mjeri samo pH vrijednost. Prilikom praćenja zagađenja snježnog pokrivača u uzorcima se također određuju amonijevi ioni, ioni sulfacije, benzo (a) piren i teški metali.
Globalni sistem praćenja atmosferske pozadine uključuje tri vrste stanica: bazne, regionalne i regionalne sa proširenim programom.
Takođe je stvoreno šest stanica za kompleksno pozadinsko praćenje, koje se nalaze u rezervatima biosfere: Barguzinski, Centralno-Lesni, Voronjež, Prioksko-Terasni, Astrahan i Kavkazski.
Za nadzor zračenja na teritoriju zemlje, posebno u područjima zagađenim posljedicama černobilske nesreće i drugih radijacijskih katastrofa, koriste se stacionarna mreža i mobilna sredstva. Zračno gama ispitivanje teritorije Ruske Federacije također se provodi prema posebnom programu.
U okviru EGSEM -a stvara se sistem za brzo otkrivanje zagađenja povezanog sa vanredne situacije.
Ekološko i analitičko praćenje zagađenja u sklopu USEM -a može se podijeliti u tri velika bloka: kontrola zagađenja u područjima sa značajnim antropogenim uticajem, na regionalnom nivou, na pozadinskom nivou.
Svi podaci iz područja s bilo kojim stupnjem utjecaja, hitnih i općih, u redovnim intervalima šalju se u centar za prikupljanje i obradu informacija. Za automatizirani sistem koji se trenutno razvija, primarna faza je lokalni sistem koji opslužuje određenu regiju ili grad.
Podaci mobilnih stanica i stacionarnih laboratorija o zagađenju okoliša dioksinima i srodnim spojevima obrađuju se, sortiraju i prenose na sljedeći nivo - na regionalni informativnim centrima... Nadalje, podaci se šalju zainteresiranim organizacijama. Treći nivo sistema je glavni podatkovni centar u kojem se sažimaju informacije o zagađenju okoliša na nacionalnoj razini.
Efikasnost automatiziranih sistema za obradu ekoloških i analitičkih informacija značajno se povećava upotrebom automatskih stanica za praćenje zagađenja vode i zraka. Lokalni automatizovani sistemi za kontrolu zagađenja vazduha stvoreni su u Moskvi, Sankt Peterburgu, Čeljabinsku, Nižnji Novgorod, Sterlitamak, Ufa i drugi gradovi. Pilot ispitivanja stanica za automatizovanu kontrolu kvaliteta vode se izvode na mjestima ispuštanja vode i vodozahvata. Instrumenti su stvoreni za kontinuirano određivanje dušikovih oksida, sumpora i ugljika, ozona, amonijaka, klora i hlapljivih ugljikovodika. Na automatiziranim stanicama za kontrolu zagađenja vode mjere se temperatura, pH, električna vodljivost, kisik, klor, fluor, bakar, nitrat itd.
Jedinica za informiranje i analitičko praćenje obavlja svoju glavnu funkciju, budući da je analiza i procjena stanja objekta i dinamika njegovih pokazatelja učinka važna za nadležne organe da donose informirane upravljačke odluke. Efikasnu informacijsku i analitičku podršku za rješavanje potrebnih zadataka mogu pružiti sistemi za automatizaciju analitičkih aktivnosti stručnjaka upravljačkih tijela, organiziranje procesa prikupljanja, pohrane i obrade informacija. Koncept takvih sistema za široku klasu upravljanih objekata trebao bi se temeljiti savremena tehnologija integrirana skladišta podataka i dubinska analitička obrada akumuliranih informacija zasnovanih na suvremenim informacijskim tehnologijama.
Kao što je već napomenuto, tradicionalni i općeprihvaćeni izvori primarnih informacija su statističko izvještavanje, računovodstveno i upravljačko računovodstvo, finansijsko izvještavanje, upitnici, intervjui, ankete itd.
Faza analitičke i statističke obrade strukturiranih primarnih informacija je također nekoliko tradicionalnih općeprihvaćenih pristupa. Pojava ovih pristupa i njihova sistemska integracija bili su posljedica objektivne potrebe za automatizacijom računovodstvenog i statističkog rada s ciljem što preciznijeg, kvalitetnijeg i pravovremenijeg odražavanja procesa koji se javljaju u analiziranom predmetnom području, kao i identifikacije njihovih karakteristika tendencije.
Automatizacija statističkog rada ogledala se u stvaranju i radu automatizovane statistike informacioni sistemi: 1970 -ih - automatizirani sistem državne statistike (ASDS), a od 1988. - u dizajnu jedinstvenog statističkog informacijskog sustava (ESIS). Glavni zadatak ovih razvoja bio je prikupljanje i obrada računovodstvenih i statističkih podataka neophodnih za planiranje i upravljanje nacionalnom ekonomijom na osnovu široke upotrebe ekonomskih statističkih metoda, računarske i organizacione tehnologije, komunikacionih sistema u tijelima državne statistike.
U strukturnom i teritorijalnom pogledu, ASDS je bio strogo hijerarhijski, imao je četiri nivoa: sindikalni, republički, regionalni, okrug (grad). Na svakom nivou izvršena je obrada informacija radi implementacije zadataka, prije svega, ovog nivoa.
U funkcionalnom aspektu, funkcionalni i sigurnosni podsistemi razlikuju se u ASDS -u. Ovi podsistemi, bez obzira na sadržaj specifičnih statističkih zadataka, implementirali su funkcije prikupljanja i obrade statističkih podataka, sveobuhvatne statističke analize, praćenja implementacije pokazatelja, pribavljanja statističkih podataka neophodnih za tekuće i operativno planiranje, blagovremenog dostavljanja svih potrebnih statističkih podataka upravljačka tela. Sa stajališta korisnika, zadaci praćenja, prema svojoj namjeni, podijeljeni su na:
rutinski zadaci u vezi s obradom podataka statističkog izvještavanja na odgovarajućim strukturnim i teritorijalnim nivoima ASDS -a;
informativno -referentni servisni zadaci; zadaci dubinske ekonomske analize.
Rutinski zadaci koji se odnose na obradu podataka statističkog izvještavanja na nivoima ASDS -a. Svaki rutinski zadatak, u pravilu, povezan je s obradom podataka nekog određenog oblika statističkog izvještavanja ili više njih, blisko povezanih u smislu obrazaca izvještavanja. Rješavanje takvih problema provodi se kompleksima elektroničke obrade informacija, koji predstavljaju skup softverskih, tehničkih i organizacijskih alata koji koriste lokalne informacijske nizove.
Zadaci informativno -referentnih službi predviđaju formiranje potrebnih statističkih podataka na zahtjev za brzu pripremu izvještaja, analitičkih bilješki i referenci, nisu uređeni sadržajem. njihova rješenja pružaju se uz pomoć automatizirane banke podataka u obliku sistema za prikupljanje, pohranjivanje, pretraživanje, obradu i izdavanje informacija na zahtjev korisnika u traženom obliku.
Zadaci dubinske ekonomske analize temelje se na upotrebi:
vremenske serije (konstrukcija poligona, histogrami frekvencija i kumulativne linije, izbor trendova iz odabrane klase funkcija);
izglađivanje izvornih vremenskih serija, dijagnostika na temelju odabranog trenda i autoregresivnog modela, analiza ostataka radi autokorelacije i normalnosti)
parna regresija (određivanje linearnih i nelinearnih regresijskih jednadžbi, procjena njihovih statističkih karakteristika, izbor optimalnog oblika komunikacije);
višestruka regresija (određivanje matrice uparenih koeficijenata korelacije, određivanje višestrukih linearnih regresijskih jednadžbi),
faktorska analiza (dobivanje linearnog modela, opisanog malim brojem faktora, izračunavanje vrijednosti "opterećenja na opće faktore" i najopćenitijih faktora, grafičko tumačenje faktora na ravni i u prostoru);
korelacijska analiza (dobivanje korelacijskih matrica, srednjih i standardnih odstupanja).
Organizacijski i tehnološki oblik rješavanja ove klase problema su analitički kompleksi, koji predstavljaju skup primijenjenih programskih paketa usmjerenih na implementaciju matematičkih i statističkih metoda. Za pokrivanje širokog vremenskog raspona analiziranih podataka koristi se registarski oblik praćenja zasnovan na automatiziranim registrima, što omogućava pohranjivanje i obradu značajnih zbirki podataka organiziranih
u obliku nizova, neovisno o strukturi statističkih izvještaja za svaki objekt ili određenu grupu objekata praćenja. Registarski oblik praćenja posebno je učinkovit za statističke informacije koje karakteriziraju relativno stabilne objekte, pa se registri mogu smatrati automatiziranim kartotekama grupa homogenih jedinica statističkog promatranja određene vrste. Njegova aplikacija omogućuje korisniku da prima različite podatke koji karakteriziraju stanje objekta ispunjavanjem jedinstvenog obrasca zahtjeva.
Važan smjer u poboljšanju statističkog praćenja bio je osigurati povećanje sadržaja, pouzdanosti i efikasnosti podataka izvještavanja na osnovu kombinacije trenutnog izvještavanja, jednokratnog računovodstva, uzorka i monografskih istraživanja, kao i optimiziranja protoka informacija. Poseban naglasak stavljen je na poboljšanje ekonomskih i matematičkih metoda analize i predviđanja razvoja sistema. Osim toga, značajan napredak u evoluciji metoda praćenja bila je upotreba novih informacijskih tehnologija, i to:
razvoj integrirane tehnologije za obradu informacija korištenjem banaka podataka i računarskih mreža;
stvaranje sredstava za računalno modeliranje sistema za obradu podataka;
razvoj intelektualnih tipova interfejsa krajnjeg korisnika sa računarom zasnovanim na automatizovanim radnim stanicama, uključujući upotrebu ekspertnih sistema.
Novo Informacione tehnologije značajno proširila mogućnost izravnog automatiziranog pristupa potrebnim statističkim podacima, diverzificirala sastav i sadržaj analitičkih radova. Sada je moguće integrirati jedan sistem za praćenje statističkih informacija sa drugim informacionim sistemima svih nivoa upravljanja telekomunikacionim kanalima.
Međutim, sve razmatrane metode analitičke i statističke obrade podataka imaju značajan nedostatak. Cijeli skup podataka u njima se obrađuje kao različit skup, zbog čega ne postoji sistemsko jedinstvo. Između jednog ili drugog toka informacija može se uspostaviti samo umjetna veza njihovim kombiniranjem u određeni oblik izvještavanja. Međutim, nemoguće je predvidjeti sve oblike za sve moguće pojave i veze. Tradicionalne metode analitičke i statističke obrade podataka ne uzimaju u obzir činjenicu da postoji prirodna veza između bilo koje vrste pojava i događaja, zasnovana na univerzalnim pokazateljima koji su svojstveni svima njima. U prisustvu takvog prirodnog sistema
povezivanja, postaje moguće uporediti s fenomenom koji se razmatra sve faktore, događaje, podatke povezane s njim u eksplicitnom ili implicitnom obliku. Praćenje zasnovano na ovom pristupu karakterizira potpunost obuhvaćanja uzročno-posljedičnih veza faktora međusobnog uticaja latentnih tendencija. Sve se to razmatra u neraskidivom sistemskom jedinstvu.
Ovaj nedostatak može se ukloniti zbog nedavno vrlo raširenog pristupa problemu analitičke i statističke obrade podataka na osnovu najnoviju tehnologiju OLAP - Analitička obrada na mreži.
Izraz OLAP odnosi se na tehnike koje korisnicima baze podataka omogućuju generiranje opisnih i uporednih podataka u stvarnom vremenu i dobivanje odgovora na različite analitičke upite. Definirajući principi OLAP koncepta uključuju:
višedimenzionalno konceptualno predstavljanje - OLAP baze podataka moraju podržavati višedimenzionalno predstavljanje podataka, predviđaju klasične operacije cijepanja i rotiranja kocke konceptualnih podataka;
transparentnost - korisnici ne moraju znati da koriste OLAP bazu podataka. Oni mogu koristiti alate koje poznaju kako bi došli do podataka i donijeli prave odluke. oni takođe ne moraju znati ništa o izvoru podataka;
dostupnost - softver mora odabrati i komunicirati s najboljim izvorom podataka kako bi formirao odgovor na dati zahtjev. Trebali bi omogućiti automatsko mapiranje vlastite logike različitim heterogenim izvorima podataka;
performanse dogovorene - performanse bi trebale biti praktično neovisne o broju dimenzija u zahtjevu. Sistemski modeli moraju biti dovoljno moćni da podnose sve promjene u modelu koji se razmatra;
podrška za klijent-server arhitekturu-OLAP alati moraju biti sposobni za rad u okruženju klijent-server, budući da se pretpostavlja da višedimenzionalnom serveru baze podataka mora biti dostupan iz drugih programa i alata;
jednakost svih dimenzija - svaka dimenzija podataka mora biti ekvivalentna i po strukturi i po operativnim sposobnostima. Osnovna struktura podataka, formule i formati izvještaja ne bi se trebali fokusirati na jednu dimenziju podataka;
dinamička obrada rijetkih matrica - tipični višedimenzionalni modeli mogu lako pristupiti velikom skupu
reference ćelija, od kojih mnoge nemaju podatke u datom trenutku. Ove nedostajuće vrijednosti moraju se učinkovito pohranjivati i ne proizvoditi negativan uticaj tačnost ili brzinu preuzimanja informacija;
Podrška za mnoštvo cool - OLAP alata treba podržati i ohrabriti grupni rad i razmjenu ideja i analiza među korisnicima. Za to je vrlo važno imati pristup podacima više korisnika;
podrška za operacije različitih dimenzija. Sve višedimenzionalne operacije (npr. Agregacija) moraju biti definirane i dostupne na takav način da se izvode na ujednačen i dosljedan način, bez obzira na broj dimenzija;
intuitivno upravljanje podacima - podaci koji se dostavljaju korisničkom analitičaru trebaju sadržavati sve informacije potrebne za efikasnu navigaciju (formiranje kriški, promjena nivoa detalja u prezentaciji informacija) i ispunjavanje odgovarajućih upita;
fleksibilno izvještavanje - korisnik ima mogućnost izdvojiti sve potrebne podatke i generirati ih u bilo kojem obliku koji mu treba;
neograničene dimenzije i agregatni nivoi - ne bi trebalo biti ograničenja u broju podržanih dimenzija.
Upotreba sistema zasnovanih na OLAP tehnologiji omogućava:
organizirati jedinstveno skladište informacija na osnovu statističkih i drugih izvještajnih podataka;
omogućuju jednostavan i efikasan pristup skladištu informacija uz razlikovanje prava pristupa
pružaju mogućnost operativne analitičke obrade pohranjenih podataka, statističke analize;
pojednostaviti, standardizirati i automatizirati izradu obrazaca analitičkih izvještaja s prikazom podataka u zadanom obliku.
Glavna karakteristika i važna prednost višedimenzionalnog prikaza podataka u odnosu na tradicionalne informacijske metode je mogućnost zajedničke analize. velike grupe parametri u međusobnoj vezi, što je važno u proučavanju složenih pojava.
OLAP tehnologija značajno skraćuje vrijeme za prikupljanje i analizu primarnih informacija neophodnih za donošenje odluka u određenom području ljudskih aktivnosti, a također povećava vidljivost i sadržaj informacija izvještaja o procesima i pojavama koji se u tim područjima dešavaju.
OLAP sistemi vam omogućavaju da akumulirate velike količine podataka prikupljenih iz različitih izvora. Ove informacije su obično
Prije stvaranja takvog sistema potrebno je razmotriti i razjasniti tri glavna pitanja:
akumulirati podatke i kako modelirati podatke na konceptualnoj razini i upravljati njihovom pohranom; kako analizirati podatke;
kako efikasno učitati podatke iz više nezavisnih izvora.
Ova se pitanja mogu povezati s tri glavne komponente sistema za donošenje odluka: poslužiteljem skladišta podataka, operativnim analitičkim alatima za obradu podataka i alatima za obogaćivanje skladišta podataka.
Budući da je organizacija skladišta informacija predmet drugih disciplina, razmotrit ćemo samo pitanje analitičke obrade podataka. Trenutno postoji niz OLAP alata koje možete koristiti za analizu informacija. To su softverski proizvodi poput MicroStrategi 7 i WebIntelligence, Cognos Powerplay, AlphaBlox i slično. Pogledajmo ove proizvode na osnovu sljedećih kriterija:
jednostavnost upotrebe - softverski proizvod trebao bi biti dovoljno jednostavan za korisnika bez posebne obuke;
interaktivnost - softverski alat ima interaktivne mogućnosti, uključujući: pregled dokumenata, dinamičko ažuriranje postojećih dokumenata, pristup najnovijim informacijama, dinamičko izvršavanje upita prema izvorima podataka, dinamičko neograničeno "produbljivanje u podatke";
funkcionalnost - aplikacija mora pružati iste mogućnosti kao i tradicionalne klijent / poslužitelj;
dostupnost - informacije bi trebale biti dostupne za bilo koji uređaj i radno mjesto, a dio klijenta bi trebao biti mali kako bi zadovoljio različite nivoe propusnosti korisničke mreže i zadovoljio standardiziranu tehnologiju;
arhitektura - ovaj kriterijum karakteriše aspekte softverske implementacije proizvoda;
neovisnost o izvorima podataka - aplikacija mora omogućiti pristup dokumentima bilo koje vrste i omogućiti interaktivan pristup relacijskim i višedimenzionalnim bazama podataka,
performanse i skalabilnost - kako bi se osigurale performanse i skalabilnost aplikacije, potrebno je implementirati mogućnosti univerzalnog pristupa bazama podataka, mogućnost keširanja servera podataka i slično;
sigurnost - aspekti administriranja aplikacija za pružanje različitih prava pristupa različitim kategorijama korisnika;
troškovi implementacije i administracije - troškovi implementacije OLAP proizvoda po korisniku trebali bi biti znatno niži nego za tradicionalne proizvode.
MicroStrategi 7 i: -skup softverskih proizvoda sa širokim spektrom funkcija, izgrađenih na jedinstvenoj serverskoj arhitekturi. Korisničko okruženje je implementirano u Misgo-Strategi Web Professional.
Korisnicima se nudi niz statističkih, finansijskih i matematičkih funkcija za kompleksnu OLAP i relacionu analizu. Svi korisnici imaju pristup i objedinjenim i detaljnim informacijama (na razini transakcije). Možete izvesti nove proračune, filtrirati podatke izvještaja, rotirati i dodavati međuzbrojeve i brzo mijenjati sadržaj izvještaja.
Osnovna funkcionalnost postiže se na sljedeće načine:
MicroStrategi 7 i OLAP usluge - sučelje sa proizvodima trećih strana;
Inteligentna kockasta tehnologija - Pojednostavljuje analizu i implementaciju pružajući sažete informacije za brzo, interaktivno gledanje.
MicroStrategi Narrowcaster - Omogućava korisnicima slanje mjernih podataka ili plaćanje putem web sučelja. Korisnici mogu slati svoje izvještaje e -poštom, zakazivati isporuke izvještaja, objavljivati ih timovima i izvoziti u Excel, PDF ili HTML formate.
Ovaj proizvod pruža podršku i integraciju na više platformi, prenosivost na Unix, podršku za aplikacijske servere trećih strana.
Proizvod je zasnovan na XML arhitekturi. Korisnici mogu integrirati XML generiran na MicroStrategi Webu u svoje aplikacije ili ga formatirati po želji.
Tanki klijent, implementiran u HTML formatu, eliminira probleme kompatibilnosti preglednika, implementira se kroz sve zaštitne zidove. Vrsta i funkcije programa mogu se prilagoditi posebnim potrebama. Moguće je ugraditi MicroStrategi Web u druge aplikacije na mreži.
Računari koji koriste MicroStrategi Web mogu se grupisati, pružajući skalabilnost i pouzdanost. Predviđeno je dodavanje dodatne opreme. ako
zadatak ne uspije, prenosi se na drugi računar iz istog klastera.
Podaci su zaštićeni na ćelijskom nivou pomoću sigurnosnih filtera i ACL -ova. Sigurnost web prometa osigurana je tehnologijom šifriranja podataka na transportnom nivou - SSL (Secire SocxeT Level).
WebIntelligence-Web proizvod za kreiranje upita, izvještaja i analizu podataka. Omogućava korisnicima mreže (i intranet i ekstranet) siguran pristup podacima za daljnja istraživanja i upravljanje. Omogućava analitičke sposobnosti na raspolaganju različite kategorije korisnika. Dostupan je širok spektar alata poslovne inteligencije, uključujući izradu složenih izvještaja, izvođenje proračuna, filtriranje, bušenje i agregaciju.
Weblntelligence pruža sljedeće mogućnosti:
oblikovanje i ispis izvještaja u načinu vizualnog dizajna;
izvještaji o blokovima grešaka. U složenim izvještajima, za prenošenje sveobuhvatnih informacija, ponekad je potrebno postaviti nekoliko tablica ili dijagrama odjednom. U tu svrhu, WebIntelligence pruža mogućnost dodavanja nekoliko blokova i dijagrama u jedan izvještaj;
mogućnost interaktivnog bušenja podataka.
Proizvod ima niz funkcija:
pristup podacima uskladištenim u tradicionalnim relacionim bazama podataka i na OLAP serveru;
funkcije analize podataka;
mogućnost razmjene informacija. WebIntelligence je tanki klijent koji ne zahtijeva instalaciju i održavanje aplikacijskog softvera ili međuopreme baze podataka na web lokaciji klijenta. Prilikom instaliranja klijentskog dijela omogućen je izbor tehnologije. Omogućeno je postavljanje na Microsoft Windows i Unix platforme.
Pomoću WebIntelligence možete istraživati i analizirati različite OLAP izvore podataka te dijeliti OLAP i relacijske podatke.
Proizvod je prilagodljiv kako bi najbolje odgovarao korporativnoj strukturi bilo kojeg objekta.
WebIntelligence može raditi na jednom serveru ili na više NT ili Unix mašina. Poslužitelji se mogu dodati sistemu po potrebi, ako jedna od komponenti otkaže, druga se automatski koristi. Uravnoteženo opterećenje na više poslužitelja optimizira sistemske resurse i jamči brzo vrijeme odziva.
Weblntelligence koristi različite tehnologije za zaštitu informacija. Komponente se identificiraju pomoću tehnologije digitalnog certificiranja, ako je potrebno. Za rad s različitim sustavima vatrozida koristi se protokol prijenosa hiperteksta.
Aplikacija ima standardno web sučelje. Podržane su glavne funkcije (dohvaćanje podataka sa određenim dimenzijama i vrijednostima, "produbljivanje" u podatke, ugniježđene unakrsne tabele, proračuni, omogućavanje / onemogućavanje prikaza redova, stupaca i grafikona; filtri, sortiranje) za pregled, istraživanje, izvještavanje i objavljivanje OLAP -a podaci u interaktivnom načinu rada.
Cognos Powerplay pruža sljedeće značajke: HTML / JavaScript, koji pruža univerzalni pristup korisniku koji koristi Netscape Navigator 3.0 ili noviji ili Microsoft Internet Explorer;
pristup OLAP podacima bilo kojeg korisnika objekta; Kreiranje i objavljivanje BPM (Business Performance Management) izvještaja u obliku PDF dokumenata za Cognos Upfront portal, tako da korisnici imaju pristup najvažnijim korporativnim podacima na Webu;
pretvaranje podataka iz PDF-formata u dinamičke izvještaje, njihovo daljnje istraživanje i prijenos rezultata na unaprijed;
poslužitelj podržava platforme: Windows NT, Windows 2000 i novije, SUN Solaris, HP / UX, IBM AIX.
Zahvaljujući podršci SSL protokola, PoverPlay jamči sigurnost podataka poslanih putem weba. Osim toga, specificiranjem korisničkih klasa, sistemski administratori mogu kontrolirati njihov pristup i lokalnim kockama i ljusci web portala. Ove klase su pohranjene u posebnoj softverskoj komponenti LDAP (Light Directory Access Protocol) koja je odgovorna za centralizirano upravljanje sigurnošću cijelog sistema, kao i za integraciju sa trenutnom sigurnošću.
Korištenje HTML-a za implementaciju lokacija na strani klijenta omogućava poslužitelju PoverPlay da radi u sigurnom okruženju. Ovo omogućava sigurno postavljanje aplikacija za korisnike, partnere i dobavljače.
Alphablox- međuopreme koji pruža alate i gradivne blokove za rad na webu. Time se uklanjaju složenosti povezane sa osiguravanjem mrežnih veza s bazama podataka, autorizacijom i oblikovanjem podataka.Analitička platforma AlphaBlox implementirana je na bazi standardizirane I2EE-kompatibilne arhitekture.
Proizvodi AlphaBlox dizajnirani su za analitičke proračune unutar i izvan objekta.
Posebno su zanimljive Java komponente (Vioh). Od ovih komponenti možete stvoriti analitičku web aplikaciju. Jedan od dosadnih zadataka izgradnje OLAP web proizvoda je listanje i oblikovanje podataka u pregledniku. Vrlo često je potrebno podatke prikazati kao tablicu ili grafikone. Prilikom stvaranja programa pomoću AlphaBloxa, možete u njega umetnuti bilo koji broj takvih Java komponenti i prilagoditi ih za rješavanje potrebnih zadataka postavljanjem određenih parametara apleta, kontrolirajući tako izgled i funkcije komponenti. Ovaj softverski proizvod pruža sljedeće mogućnosti: pristup informacijama - podaci se preuzimaju iz različitih relacijskih i višedimenzionalnih baza podataka;
Upiti i analiza - Komponente izvode jednostavne i složene upite različitim izvorima podataka, bez potrebe za CQL programiranjem;
prezentacija - mogućnost predstavljanja podataka u različitim formatima (u obliku izvještaja, tabela, dijagrama).
Java komponente su modularne i za višekratnu upotrebu. mogu se koristiti za implementaciju analitičkih sposobnosti za razne poslovne funkcije. Budući da ih kontrolira niz parametara, njihova svojstva se mogu promijeniti pomoću uređivača teksta. Ovo pruža fleksibilnost u razvoju i nadogradnji vašeg analitičkog rješenja. Komponente se mogu prilagoditi tako da odgovaraju specifičnim poslovnim zahtjevima i mogu se ponovo koristiti postavljanjem dodatnih aplikacija u druge industrije. Programeri aplikacija mogu napisati dodatni kod u JSP, JavaServlets ili JavaScript.
AlphaBlox rješenja koriste usluge koje pruža aplikacijski poslužitelj i Java Runtime Environment (JRE), bilo koja Java proširenja ili prilagođena proširenja razvijena za tu platformu.
Okvir aplikacije AlphaBloxa je zasnovan na standardima i može se integrirati sa postojećim operativnim sistemima, transakcionom infrastrukturom i naslijeđenim sistemima. Omogućava korisniku pristup podacima iz različitih izvora i njihovu naknadnu analizu.
AlphaBlox koristi industrijske standardne resurse i mogućnosti poslužitelja aplikacija, uključujući http obradu / keširanje i upravljanje memorijom / procesima, te integraciju web servera. Osim toga, 12EE-kompatibilna arhitektura eliminira nepotrebna ažuriranja stranica i dopušta osnovnoj logici da se izvodi na poslužitelju.
AlphaBlox koristi isti sigurnosni model, a aplikacijski server je implementiran sa standardne funkcije J2EE platforme. Ovo eliminira potrebu za nezavisnim modelom odbrambenog mehanizma.
Jednostavnost implementacije jedna je od glavnih prednosti web aplikacije. Ovo se u potpunosti odnosi na AlphaBlox aplikacije. Međutim, za njih su potrebne posebne verzije preglednika i Java platforme, dok HTML tanki klijent radi u većini preglednika.
Mrežna analiza podataka zasnovana na OLAP tehnologiji omogućuje analitičarima, menadžerima i rukovodiocima da razumiju podatke pomoću fiksnog, zajedničkog, interaktivnog pristupa širokom spektru mogućih formata podataka, koji su dobiveni iz sirovih podataka, da odražavaju stvarnu poziciju objekta u oblik razumljiv korisnicima. OLAP funkcionalnost karakterizira dinamička višedimenzionalna analiza zbirnih podataka o objektu potrebnih za podršku krajnjem korisniku analitičkim radnjama, uključujući račun i modeliranje, primjenjivo na podatke analizom trenda u uzastopnim vremenskim intervalima, rezanjem i dubokim nivoima generalizacije i slično.
OLAP alati fokusirani su na pružanje višedimenzionalne analize informacija. Da bi se to postiglo, koriste se višedimenzionalni modeli za pohranu i prezentaciju podataka. Podaci su organizirani u kocke (ili hiperkocke) definirane u višedimenzionalnom prostoru, sastavljene od pojedinačnih dimenzija. Svaka dimenzija uključuje mnogo nivoa detalja. Tipične OLAP operacije uključuju promjenu nivoa detalja prikaza informacija (pomicanje gore -dolje po hijerarhiji dimenzija), odabir određenih dijelova kocke i preusmjeravanje višedimenzionalnog prikaza podataka na ekranu (dobivanje zaokretne tablice).
Reper ARV-1 razvijen je za OLAP baze podataka. Ovaj test simulira stvarnu situaciju za OLAP serverski softver. Standard definira skup dimenzija koje definiraju logički okvir. Logička struktura baze podataka sastoji se od šest mjera: vrijeme, scenarij, mjera, proizvod, kupac i kanal. Referentna vrijednost ne predviđa određeni fizički model: ulazni podaci su dostupni u ASCII formatu datoteke. Testne operacije blisko modeliraju standardne OLAP operacije na velikim količinama podataka koji se uzastopno učitavaju iz internih ili eksternih izvora. Ove operacije uključuju skupljanje informacija, detaljnu analizu hijerarhija podataka, proračun novih podataka na osnovu poslovnih modela i slično.
Razmatraju se mogućnosti OLAP tehnologije koja je osnova za organizaciju i višedimenzionalnu analizu informacija o praćenju. Razmotrimo faze ovog procesa.
Prije učitavanja informacija u višedimenzionalnu bazu podataka za nadgledanje (DBB), treba ih izvući iz različitih izvora, očistiti, transformirati i konsolidirati (slika 1.3). U budućnosti bi se informacije o či -ju trebale periodično ažurirati.
Pirinač. 1.3.
Izvlačenje podataka je proces izdvajanja podataka iz operativnih baza podataka i drugih izvora. Analiza dostupnih izvora informacija pokazuje da je većina njih predstavljena u obliku tabelarnih podataka, primljenih u elektroničkom ili tiskanom obliku. Savremeni načini skeniranja i prepoznavanja slike omogućuju gotovo potpunu automatizaciju ove faze pripreme podataka.
Prije unosa podataka u bazu podataka, svakako ih očistite. Obično brisanje uključuje popunjavanje nedostajućih vrijednosti, ispravljanje pravopisnih pogrešaka i drugih grešaka pri unosu podataka, definiranje standardnih kratica i formata, zamjenu sinonima standardnim identifikatorima i slično. Podaci za koje se utvrdi da su lažni i ne mogu se ispraviti odbacuju se.
Nakon brisanja podataka potrebno je sve primljene informacije pretvoriti u format koji će zadovoljiti zahtjeve softverskog proizvoda koji se koristi (OLAP server). Proces pretvorbe postaje posebno važan kada trebate kombinirati podatke iz nekoliko različitih izvora. Ovaj proces se naziva konsolidacija.
Faza učitavanja informacija u bazu podataka je stvaranje potrebne strukture podataka i popunjavanje njenih podataka dobivenih u prethodnim fazama pripreme podataka.
Dohvaćanje podataka iz baze podataka omogućuje Microsoft SQL Server Analysis Services, koja je i višedimenzionalni davatelj podataka i pružatelj tabličnih podataka. Dakle, izvršavanje upita vraća ili višedimenzionalni skup podataka ili običnu tablicu, ovisno o jeziku upita koji se koristi. Analysis Services podržava i SQL i MDX (višedimenzionalne izraze) proširenja.
SQL upiti mogu se proslijediti uslugama Analysis Services pomoću sljedećih alata za pristup podacima:
Microsoft OLE DB i OLE DB za OLAP
Microsoft ActiveX Data Objects (ADO) i ActiveX Data Objects Multidimenzionalni (ADO MD).
OLE DB za OLAP proširuje mogućnosti OLE DB -a tako da uključuje objekte specifične za višedimenzionalne podatke. ADO MD proširuje ADO na sličan način.
Microsoft SQL Server Analysis Services vam omogućuje izvršavanje ispune s MDX ekstenzijama koje pružaju bogatu i moćnu sintaksu upita za rad s višedimenzionalnim podacima koje OLAP poslužitelj pohranjuje u kockama. Analysis Services podržava MDX funkcionalnost za definiranje izračunatih polja, izradu kockica lokalnih podataka i postavljanje upita pomoću komponente Pilot Table Services.
Moguće je stvoriti prilagođene funkcije koje rade s višedimenzionalnim podacima. Interakcija s njima (prosljeđivanje argumenata i vraćanje rezultata) odvija se pomoću MDX sintakse.
Analysis Services pruža preko 100 ugrađenih MDX funkcija za definiranje složenih izračunatih polja. Ove funkcije spadaju u sljedeće kategorije: rad s nizovima; rad sa mjerenjima; rad sa hijerarhijama; rad sa nivoima hijerarhije; logičke funkcije; rad sa objektima; numeričke funkcije; rad sa setovima; rad sa žicama; rad sa torbama.
Moguće je kreirati lokalne kocke namijenjene za gledanje na računarima na kojima je instaliran OLAP server. Kreiranje lokalnih kockica zahtijeva MDX sintaksu i prolazi kroz komponentu Pilot Table Services, koja je OLE DB klijent OLAP poslužitelja. Ova komponenta također čini da lokalne kocke rade offline kada nema veze s OLAP poslužiteljem pružajući OLE DB sučelje izvora podataka. Izrazi CREATE CUBE i INSERT INTO koriste se za stvaranje lokalnih kocki.
MDX Query Language, koji je proširenje SQL -a, omogućuje vam postavljanje upita kockama po podacima i vraćanje rezultata kao višedimenzionalnih skupova podataka.
Kao i u običnom SQL -u, kreator MDX upita mora prvo odrediti strukturu skupa podataka koji se vraća. U većini slučajeva, kreator MDX upita misli o vraćenom skupu podataka kao o višedimenzionalnim strukturama. Za razliku od običnog SQL upita, koji manipulira tablicama radi dobivanja dvodimenzionalnog skupa zapisa, MDX upit se bavi kockama kako bi se formirao višedimenzionalni skup rezultata. Treba napomenuti da MDX upit može također vratiti dvodimenzionalne skupove podataka, koji su poseban slučaj višedimenzionalnog skupa podataka.
Vizualizacija višedimenzionalnih skupova podataka može biti glomazna. Jedna tehnika vizualizacije je ograničiti unos na ravnu, dvodimenzionalnu tablicu koristeći mnoge ugniježđene dimenzije duž jedne osi. Ovo će ugniježđenje rezultirati podnaslovima.
Pilot Table Services, dio Microsoft SQL Server Analysis Services, je OLAP poslužitelj za pristup OLAP podacima. Ova komponenta funkcionira kao klijent usluge Analysis Services.
Pilot Table Services sadrži analizu podataka, kockanje i optimalno upravljanje memorijom. Komponenta pruža sučelje za višedimenzionalne podatke. Moguće je spremiti podatke u lokalnu kocku na računaru klijenta, a zatim ih analizirati bez povezivanja na OLAP server. Usluge pilot stola potrebne su za izvršavanje sljedećih zadataka:
uspostavljanje veze sa OLAP serverom kao klijentskom komponentom;
obezbeđivanje programa sa OLE DB interfejsom sa OLAP ekstenzijama;
funkcionira kao tablični izvor podataka, podržava podskup SQL -a;
funkcionira kao višedimenzionalni izvor podataka, podržava MDX ekstenzije;
kreiranje lokalne kocke podataka;
funkcionira kao mobilni OLAP klijent za desktop računare.
Komponenta zaokretne tablice može raditi samo na jednoj lokalnoj particiji kocke. Takođe nema ugrađen sistem upravljanja nivoom za pružanje informacija. Stoga su performanse Pilot Table Servisa direktno proporcionalne količini podataka na koje se obraćaju.
Treba napomenuti da je OLAP sučelje jednostavno i ne zahtijeva više znanja od proračunske tablice. OLAP vam omogućuje korištenje različite forme izvještaje, sučelje za interaktivnu analizu podataka i mogućnost generiranja obrazaca za ispis. Međutim, u usporedbi s tradicionalnim metodama programiranja i generiranja prilagođenih izvještaja, OLAP ne samo da smanjuje troškove programiranja stotinama puta, već i mijenja način rada korisnika s izvještajem.
Razlika između OLAP -a kao alata za izvještavanje leži u mogućnosti automatskog i interaktivnog izvođenja takvih operacija s podacima:
rekurzivno grupiranje podataka; izračunavanje međuzbrojeva za podgrupe; izračunavanje konačnih zbira.
Komande za ove operacije daje sam korisnik. Odjeljci korištene tablice koriste se kao kontrole. Kada korisnik promijeni oblik izvještaja (na primjer, premjesti kolone), sistem izvodi međuzbrojne proračune i prikazuje novi izvještaj.
Osim toga, korisnik može promijeniti sortiranje i filtrirati proizvoljnim kombinacijama podataka, vidjeti podatke u postocima, promijeniti skalu i izvršiti druge potrebne transformacije izvještaja (ove mogućnosti nisu neizostavan atribut OLAP tehnologije, već ovise o posebna implementacija alata).
Kao rezultat toga, korisnik može samostalno, na intuitivan način, iz postojećeg skupa podataka, generirati sve vrste izvještaja koje je moguće za ovaj skup. To pomaže u prevladavanju vjekovnih ograničenja informacijskih sistema, a to je da je snaga sučelja uvijek niža od snage baze podataka.
OLAP tehnologija vam omogućuje implementaciju gotovo svih mogućih vrsta tabelarnog prikaza sadržaja baze podataka. Ako je proizvod dovoljno fleksibilan, tada je zadaća programera opisati semantički sloj (rječnik), nakon čega kvalificirani korisnik može samostalno kreirati nove kocke, u smislu poznate mu predmetne oblasti. Drugi korisnici mogu generirati izvještaje za svaku kocku.
Dakle, OLAP tehnologija služi i programerima i korisnicima u svim onim slučajevima kada trebate vidjeti informacije u obliku tabličnih izvještaja, u kojima se podaci grupiraju, a ukupni zbroji izračunavaju za grupe.
Iskustvo je pokazalo da nije dovoljno korisnicima pružiti veliku kocku mnogih dimenzija i činjenica. To je zbog sljedećih razloga.
Prvo, u svakom trenutku korisniku je potreban vrlo specifičan izvještaj.
Drugo, neki algoritmi za izračunavanje zbroja opisani su složenim formulama, a korisnik možda nema dovoljno kvalifikacija da ih odredi.
Treće, OLAP izvještaj može imati posebnu metodu za izračunavanje ukupnih iznosa, lokaciju dimenzija i početne uvjete sortiranja, koje je naveo autor izvještaja.
Četvrto, u mnogim slučajevima lakše je razumjeti podatke ako ne pogledate tablicu s brojevima, već dijagram. Postavljanje OLAP karte ponekad zahtijeva dobru prostornu maštu jer se višedimenzionalna kocka mora odražavati kao skup oblika ili linija u 3D crtežu. U modernim grafičkim komponentama postoji na hiljade svojstava, pa može proći dosta vremena za postavljanje grafikona ili grafikona za OLAP izvještaj.
Peto, kao i za svaki drugi izvještaj, za OLAP izvještaj važan je njegov efikasan dizajn, uključujući postavke naslova i opisa, boja i fontova.
Stoga, za ugodno korisničko iskustvo, OLAP izvještaj mora sadržavati određeni skup primijenjenih metapodataka koji opisuju algoritme agregacije, preduvjete za filtriranje i sortiranje, naslove i komentare te pravila vizualnog dizajna.
Prilikom vizualizacije informacija u višedimenzionalnoj kocki, značajan faktor je poredak dimenzija prema njihovoj sličnosti. Osnovna ideja je da se mjerenja koja karakteriziraju slične parametre nalaze jedno pored drugog. Za određivanje takvih mjerenja koriste se različite metode grupiranja, posebno se mogu koristiti heuristički algoritmi.
Opisana informacijsko -analitička tehnologija nije jedina moguća. Ali sve su to razvoj poslovne inteligencije (VI), čija je svrha prikupljanje, organiziranje, analiza i prezentiranje informacija. Izbor određene informacijske i analitičke tehnologije ostaje na korisniku, uzimajući u obzir karakteristike objekta predmetnog područja.
