Informacijski i analitički sustav KPS “Monitoring-Analysis” omogućuje praćenje procesa carinjenje u području nomenklature, troškova, težine prerađene robe, obračuna carine.
„Monitoring-Analysis” provodi proces integracije za različite izvore informacija (CTD DB, TP NSI DB, Jedinstveni državni registar pravnih osoba DB, Jedinstveni državni registar DB) i naknadno koristi akumulirane (agregirane) podatke za generiranje izvješća i potvrda različitih oblicima.
“Monitoring-Analiza” obavlja sljedeće funkcije:
– omogućavanje pristupa CDB-u carinske deklaracije, kao i CDB-u naloga za primitke (CRO);
– pružanje mogućnosti kreiranja i uređivanja uvjeta koji ograničavaju odabir podataka iz CDB-a;
– vizualni prikaz i ispis informacija izvješća;
– ispravak zaprimljenih izvješća u Microsoft Excelu.
Podaci o aktivnostima carinskih tijela u području carinjenja carinskih deklaracija prikazani su u „Monitoring-analizi“ prema različitim kriterijima, uključujući:
– trošak, težinu i nomenklaturu robe koja se prerađuje;
– obračunata plaćanja;
– zemlju podrijetla i zemlju odredišta robe koja se premješta;
– sudionici u carinjenju (carinski organi, carinski inspektori, sudionici vanjskotrgovinskih poslova);
– dinamiku procesa carinjenja.
„Monitoring-Analiza“ omogućuje dobivanje kako općih podataka o carinjenju robe, tako i detaljnih podataka o svakom od sudionika u vanjskotrgovinskom poslovanju, konkretnom skladištu i carinskom inspektoru.
Dodatno, “Monitoring-Analiza” pruža mogućnost pristupa (analize i kontrole) procesima isporuke robe pod carinskim nadzorom.
Monitoring-Analiza" ima jasno definiranu trorazinsku strukturu. Korisnik (preko Internet Explorera) šalje zahtjev WWW poslužitelju. 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 za praćenje i analizu događaju na WWW poslužitelju iu ORACLE DBMS-u. Promjene u softveru su sukladno tome dostupne korisniku.
– CDB TPO – praćenje procesa carinjenja TPO prema CDD TPO;
– CDD DKD – praćenje procesa isporuke robe carinskom kontrolom (pristup bazi podataka „Delivery-CBD”);
– Pretraživanje u Jedinstvenom državnom registru pravnih osoba, Jedinstveni državni registar pravnih osoba - traženje podataka o pravnim osobama – sudionicima u postupcima carinjenja.
3. Opće informacije o AS ADP "Analytics-2000"
UAIS baza podataka Federalne carinske službe Rusije pohranjuje i obrađuje ogromne količine informacija o različitim aspektima carinskih aktivnosti, uključujući elektroničke kopije carinskih deklaracija tereta (CCD) i naloga za primitak carine (koje izdaje ruska carina od 1991.). Stopa rasta obujam baze podataka je u prosjeku 600 tisuća zapisa po kvartalu (oko 2,5 milijuna godišnje). Ovaj niz podataka sadrži vrijedne informacije o vanjskim gospodarskim aktivnostima Rusije.
Značajne količine informacija o ruskim inozemnim gospodarskim aktivnostima zahtijevaju dostupnost učinkovitih alata za obradu za pružanje procesa podrške odlučivanju za upravljanje carinskim aktivnostima.
Prvi korak u stvaranju cjelovitog sustava za podršku odlučivanju (DSS) na korporativnoj razini bila je obrada sustava za operativnu višedimenzionalnu analizu podataka elektroničkih kopija carinskih dokumenata, koji daje novu razinu analize podataka i pokazatelje uspješnosti neusporedive u usporedba sa statističkom analizom.
Ciljevi sustava za stvaranje sustava Analytics-2000:
– smanjenje vremena i rada potrebnih za dobivanje agregiranih informacija;
– povećanje produktivnosti zaposlenika Savezne carinske službe;
– poboljšanje kvalitete analitičkih podataka izdanih na zahtjev viših organizacija;
– pružanje mogućnosti višim i srednjim menadžerima, kao i analitičarima, da se kreću kroz ogromne količine podataka i odabiru informacije potrebne za donošenje odluka;
– pružanje grafičkog prikaza podataka.
Analitička kontrola kvalitete okoliš sastoji se od sljedećih faza:
1. Odabir mjesta uzorkovanja;
2. Uzorkovanje;
3. Obrada uzoraka;
4. Mjerenje koncentracije onečišćujućih tvari;
5. Matematička obrada i provjera podataka;
6. Interpretacija i usporedba dobivenih podataka.
Na odabir mjesta uzorkovanja(plinoviti, tekući, čvrsti) čimbenici treba uzeti u obzir: geografski, geološki i značajke okoliša područje, karakter raspodjele onečišćenja u vremenu i prostoru, meteorološke i hidrološke prilike.
Možete "pokriti" područje istraživanja mrežom s odgovarajućom skalom koraka i uzeti uzorke na svim čvornim točkama. U drugim slučajevima, uzorci se mogu uzeti s reprezentativnih lokacija s različitim očekivanim razinama kontaminacije. Broj točaka uzorkovanja na određenom području ovisi o tehničkim i ekonomskim mogućnostima postaje ili pošte.
Na uzorkovanje potrebno je dobiti statistički prosječan uzorak, što se najlakše postiže uzimanjem tekućeg uzorka. Da bi se dobio statistički prosječan uzorak tla ili biote, uzima se niz uzoraka na različitim točkama, nakon čega slijedi mehaničko usrednjavanje u kuglastom mlinu ili otapanje u kiselinama. Od dobivenog materijala uzima se analitički uzorak određene mase. Statistički prosječan uzorak zraka može se dobiti pumpanjem velikih količina zraka kroz posebne filtre ili tekuće apsorbere i zatim ispiranjem apsorbiranog onečišćivača posebnom otopinom.
Obrada uzoraka može se provesti odmah nakon odabira. Ako je predviđeno skladištenje ili transport, gubitak kontaminanta zbog adsorpcije na stijenke posude, taloženja čestica ili kemijske reakcije. Najprikladnije je posuđe od polietilena ili teflona. Tekući uzorak se ulijeva "ispod čepa". Čvrsti uzorci su također izolirani od kontakta sa zrakom. Druge vrste obrade uzorka uključuju koncentraciju i odvajanje kontaminanata, što se obično radi u posebnom laboratoriju.
Pozornica "dimenzija" predstavlja analitičko određivanje koncentracije onečišćujuće tvari, uključujući izbor analitičke metode, pripremu uzorka prema uputama za metodu, umjeravanje instrumenata, provjeru metode pomoću standarda i provođenje slijepih pokusa.
Pri provođenju monitoringa koriste se standardne ili općeprihvaćene međuresorne ili resorne metode analize.
| Prethodni materijali: |
Stranica 31 od 45
Ekološki i analitički monitoring okoliša.
Ekološki i analitički monitoring– praćenje sadržaja onečišćujućih tvari u vodi, zraku i tlu pomoću fizikalnih, kemijskih i fizikalno-kemijskih metoda analize – omogućuje otkrivanje ulaska onečišćujućih tvari u okoliš, utvrđivanje utjecaja antropogenih čimbenika u odnosu na prirodne i optimizaciju interakcija čovjeka s prirodom. Tako, praćenje tla omogućuje određivanje kiselosti tla, slanosti i gubitka humusa.
Kemijski nadzor – dio ekološko-analitičkog, to je sustav motrenja kemijskog sastava atmosfere, oborina, površinskih i podzemnih voda, oceanskih i morskih voda, tla, pridnenih sedimenata, vegetacije, životinja te praćenje dinamike širenja kemijskih onečišćujućih tvari. . Njegova je zadaća utvrditi stvarnu razinu onečišćenja okoliša visokotoksičnim sastojcima; namjena – znanstvena i tehnička potpora sustavu motrenja i prognoziranja; utvrđivanje izvora i čimbenika onečišćenja, kao i stupnja njihova utjecaja; praćenje utvrđenih izvora onečišćujućih tvari koje ulaze u prirodni okoliš i razine njegovog onečišćenja; procjena stvarnog onečišćenja okoliša; prognoza zagađenja okoliša i načini poboljšanja stanja.
Takav sustav temelji se na sektorskim i regionalnim podacima i uključuje elemente ovih podsustava; može pokriti oba lokalna područja unutar jedne države (nacionalni monitoring), tako i Zemlja općenito (globalno praćenje).
Ekološko-analitičko praćenje onečišćenja u sklopu Jedinstvenog državnog sustava praćenja okoliša. Kako bi se radikalno povećala učinkovitost rada na očuvanju i poboljšanju stanja staništa i osigurala sigurnost okoliša, donesena je odluka Vlade 24. studenoga 1993. Ruska Federacija 1229 „O stvaranju Jedinstvenog državnog sustava praćenja okoliša” (USEMS). Organizacija rada na stvaranju Jedinstvenog državnog sustava praćenja predviđa uključivanje novih vrsta i vrsta onečišćujućih tvari u opseg promatranja i utvrđivanje njihovog utjecaja na okoliš; proširenje geografije praćenja okoliša na nova područja i izvore onečišćenja.
Glavni zadaci USSEM-a:
– razvoj programa praćenja stanja prirodnog okoliša na teritoriju Rusije, u pojedinim regijama i područjima;
– organiziranje motrenja i provođenje mjerenja pokazatelja objekata motrenja okoliša;
– pouzdanost i usporedivost podataka promatranja kako u pojedinim regijama i okruzima, tako iu cijeloj Rusiji;
– prikupljanje i obrada podataka motrenja;
– pohranjivanje podataka promatranja, stvaranje posebnih banaka podataka koje karakteriziraju stanje okoliša na teritoriju Rusije iu njenim pojedinim regijama;
– usklađivanje banaka i baza podataka o okolišu s međunarodnim informacijskim sustavima za okoliš;
– procjena i prognoza stanja objekata okoliša i antropogenih utjecaja na njih, prirodnih resursa, odgovora ekosustava i javnog zdravlja na promjene stanja čovjekovog okoliša;
– provođenje operativnog motrenja i preciznih mjerenja radioaktivnog i kemijskog onečišćenja kao posljedica nesreća i katastrofa te predviđanje stanja okoliša i procjena šteta nanesenih prirodnom okolišu;
– dostupnost integriranih informacija o okolišu širokom krugu potrošača, društvenih pokreta i organizacija;
– informiranje državnih tijela o stanju okoliša i prirodnih resursa, sigurnosti okoliša;
– razvoj i provođenje jedinstvene znanstveno-tehničke politike u području praćenja stanja okoliša.
Jedinstveni državni sustav praćenja okoliša predviđa stvaranje dva međusobno povezana bloka: praćenje onečišćenja ekosustava i praćenje ekoloških posljedica takvog onečišćenja. Osim toga, trebao bi pružiti informacije o početnom (osnovnom) stanju biosfere, kao i identifikaciju antropogenih promjena u pozadini prirodne varijabilnosti.
Trenutno usluge Roshydrometa provode promatranja razina onečišćenja atmosfere, tla, vode i donjih sedimenata rijeka, jezera, akumulacija i mora prema fizičkim, kemijskim i hidrobiološkim (za vodna tijela) pokazateljima. Praćenje izvora antropogenog utjecaja na prirodni okoliš i područja njihova izravnog utjecaja na biljni i životinjski svijet, kopnenu faunu i floru (osim šuma) provode nadležne službe Ministarstva prirodnih resursa. Praćenje zemljišta, geološkog okoliša i podzemnih voda provode odjeli Odbora za zemljišne resurse i upravljanje zemljištem Ruske Federacije i Odbora za geologiju i korištenje podzemlja Ruske Federacije.
Godine 2000. sustav Roshydromet upravljao je sa 150 kemijskih laboratorija i 41 klaster laboratorijem za analizu uzoraka zraka u 89 gradova s nelaboratorijskom kontrolom. Promatranja onečišćenja zraka provedena su na 682 stacionarna mjesta u 248 gradova Ruske Federacije, a bez pozornosti nije ostalo ni tlo na poljoprivrednim površinama.
Površinske vode kopna prate se na 1.175 vodotoka i 151 akumulaciji. Uzorkovanje se provodi na 1892 točke (2604 mjesta). U 2000. godini analizirano je 30.000 uzoraka vode na 113 pokazatelja. Promatračke točke za onečišćenje mora postoje u 11 mora koja operu teritorij Ruske Federacije. U sustavu Roshydromet godišnje se analizira više od 3000 uzoraka prema 12 pokazatelja.
Mreža promatračkih postaja za prekogranični prijenos onečišćujućih tvari usmjerena je na zapadnu granicu Rusije. Trenutno ovdje rade stanice Pushkinskie Gory i Pinega, koje provode uzorkovanje atmosferskih aerosola, plinova i oborina.
Kontrola za kemijski sastav i kiselosti atmosferskih oborina provode se na 147 postaja na federalnoj i regionalnoj razini. U većini uzoraka on-line se mjeri samo pH vrijednost. Pri praćenju onečišćenja snježnog pokrivača u uzorcima se određuju i amonijevi ioni, sulfationi, benzo(a)piren i teški metali.
Globalni sustav praćenja atmosferske pozadine uključuje tri vrste postaja: osnovnu, regionalnu i regionalnu s proširenim programom.
Također je stvoreno šest integriranih pozadinskih nadzornih stanica koje se nalaze u rezervati biosfere: Barguzinski, Središnja šuma, Voronjež, Prioksko-Terrasny, Astrahan i Kavkaski.
Za praćenje radijacije u cijeloj zemlji, posebice u područjima kontaminiranim kao posljedica nesreće u Černobilu i drugih radijacijskih katastrofa, koristi se fiksna mreža i mobilna oprema. Gama snimanje iz zraka na području Ruske Federacije također se provodi prema posebnom programu.
U okviru Jedinstvenog državnog sustava praćenja okoliša stvara se sustav za brzo otkrivanje onečišćenja povezanog s hitne situacije.
Ekološko i analitičko praćenje onečišćenja kao dio Jedinstvenog državnog sustava praćenja okoliša može se podijeliti u tri velika bloka: kontrola onečišćenja u zonama značajnog antropogenog utjecaja, na regionalnoj razini i na pozadinskoj razini.
Svi podaci iz zona s bilo kojom razinom utjecaja, kako hitnih tako i generaliziranih, šalju se u centar za prikupljanje i obradu informacija u određenim intervalima. Za automatizirani sustav Trenutno se razvija, primarni stupanj je lokalni sustav koji opslužuje zasebno područje ili grad.
Informacije iz mobilnih stanica i stacionarnih laboratorija o onečišćenju okoliša dioksinima i srodnim spojevima obrađuju se, razvrstavaju i prenose na sljedeću razinu - regionalnom informacijskih centara. Podaci se potom šalju zainteresiranim organizacijama. Treća razina sustava je glavni podatkovni centar koji sažima informacije o onečišćenju okoliša na nacionalnoj razini.
Učinkovitost automatiziranih sustava za obradu okolišnih i analitičkih informacija značajno se povećava upotrebom automatskih stanica za kontrolu onečišćenja vode i zraka. Lokalni automatizirani sustavi kontrole onečišćenja zraka stvoreni su u Moskvi, Sankt Peterburgu, Čeljabinsku, Nižnji Novgorod, Sterlitamak, Ufa i drugi gradovi. Na ispustima i vodozahvatima provode se pilot ispitivanja automatiziranih stanica za kontrolu kakvoće vode. Izrađeni su instrumenti za kontinuirano određivanje dušikovih oksida, sumpornih i ugljikovih oksida, ozona, amonijaka, klora i hlapivih ugljikovodika. Na automatiziranim postajama za kontrolu onečišćenja vode mjere se temperatura, pH, električna vodljivost, sadržaj kisika, ioni klora, fluora, bakra, nitrati itd.
Jedinica za informacijsko i analitičko praćenje obavlja svoju glavnu funkciju, budući da je za donošenje informiranih upravljačkih odluka važno da nadležna tijela analiziraju i procjenjuju stanje objekta i dinamiku njegovih pokazatelja učinkovitosti. Sustavi automatizacije analitičkih aktivnosti stručnjaka menadžmenta mogu pružiti učinkovitu informacijsku i analitičku podršku za rješavanje potrebnih problema, organiziraju procese prikupljanja, pohrane i obrade informacija. Treba se temeljiti na konceptu takvih sustava za široku klasu upravljanih objekata Moderna tehnologija integrirana skladišta podataka i dubinsku analitičku obradu akumuliranih informacija temeljenu na suvremenim informacijskim tehnologijama.
Kao što je već navedeno, tradicionalni i općeprihvaćeni izvori primarnih informacija su statističko izvješćivanje, računovodstveno i upravljačko računovodstvo, financijsko izvješćivanje, upitnici, intervjui, ankete itd.
Faza analitičke i statističke obrade strukturiranih primarnih informacija također je nekoliko tradicionalnih općeprihvaćenih pristupa. Pojava ovih pristupa i njihova sistemska integracija bili su posljedica objektivne potrebe za automatizacijom računovodstvenog i statističkog rada kako bi se što točnije, kvalitetnije i pravodobnije prikazali procesi koji se odvijaju u analiziranom predmetnom području, kao i identificirali njihovi karakteristični trendovi. .
Automatizacija statističkog rada ogleda se u izradi i radu automatizirane statistike informacijski sustavi: 1970-ih - automatizirani sustav državne statistike (ASDS), a od 1988. - u dizajnu jedinstvenog statističkog informacijskog sustava (ESIS). Glavni cilj tih razvoja bio je prikupljanje i obrada računovodstvenih i statističkih informacija potrebnih za planiranje i upravljanje nacionalnim gospodarstvom na temelju široke uporabe ekonomskih statističkih metoda, računalne i organizacijske opreme te komunikacijskih sustava u tijelima državne statistike.
U strukturno-teritorijalnom pogledu, ASDS je bio strogo hijerarhijski uređen, imao je četiri razine: saveznu, republičku, regionalnu, okružnu (gradsku). Na svakoj se razini provodila obrada informacija u svrhu realizacije zadataka prvenstveno na ovoj razini.
S funkcionalnog aspekta ASDS razlikuje funkcionalne i potporne podsustave. Ovi podsustavi, neovisno o sadržaju pojedinih statističkih zadataka, ostvaruju funkcije prikupljanja i obrade statističkih informacija, složene statističke analize, praćenja provedbe pokazatelja, dobivanja statističkih podataka potrebnih za tekuće i operativno planiranje, te pravovremenog dostavljanja svih potrebnih statističkih podataka. upravnim tijelima. Sa stajališta korisnika, zadaci nadzora prema namjeni dijele se na:
regulatorne poslove koji se odnose na obradu statističkih izvještajnih podataka na odgovarajućim strukturnim i teritorijalnim razinama ASDS-a;
poslovi informacijsko-referentnih službi; zadaci dubinske ekonomske analize.
Regulatorni poslovi vezani uz obradu statističkih izvještajnih podataka na razinama ASDS-a. Svaki regulatorni zadatak, u pravilu, povezan je s obradom podataka iz određenog oblika statističkog izvješćivanja ili više usko povezanih oblika izvješćivanja. Rješenje takvih problema provodi se elektroničkim kompleksima za obradu informacija, koji su skup softverskih, hardverskih i organizacijskih alata koji koriste lokalne informacijske nizove.
Poslovi informacijsko-referentnih službi uključuju izradu, na zahtjev, potrebnih statističkih podataka za promptnu izradu izvješća, analitičkih bilješki i potvrda, a nisu sadržajno regulirani. njihova rješenja osiguravaju uz pomoć automatizirane banke podataka u obliku sustava za prikupljanje, pohranjivanje, pretraživanje, obradu i izdavanje informacija prema zahtjevima korisnika u traženom obliku.
Zadaci dubinske ekonomske analize temelje se na korištenju:
vremenske serije (konstrukcija poligona, histograma frekvencija i kumulativnih linija, izbor trendova iz odabrane klase funkcija);
izglađivanje izvorne vremenske serije, dijagnostika temeljena na odabranom trendu i autoregresijskom modelu, analiza reziduala za autokorelaciju i normalnost)
parna regresija (definiranje linearnih i nelinearnih regresijskih jednadžbi, procjena njihovih statističkih karakteristika, izbor optimalnog oblika povezivanja);
višestruka regresija (definicija matrice koeficijenata parne korelacije, definicija jednadžbi višestruke linearne regresije),
faktorska analiza (dobivanje linearnog modela opisanog malim brojem faktora, izračunavanje vrijednosti “opterećenja na opće faktore” i najčešćih faktora, grafička interpretacija faktora u ravnini i prostoru);
korelacijska analiza (dobivanje korelacijskih matrica, prosjeka i standardnih devijacija).
Organizacijski i tehnološki oblik rješavanja ove klase problema su analitički kompleksi, koji su skup aplikativnih programskih paketa usmjerenih na implementaciju matematičkih i statističkih metoda. Za pokrivanje širokih vremenskih raspona analiziranih podataka koristi se registarski oblik praćenja temeljen na automatiziranim registrima, koji omogućuju pohranu i obradu značajnih skupova podataka organiziranih
u obliku nizova, neovisno o strukturi statističkih izvješća za svaki objekt ili pojedinu skupinu objekata praćenja. Registarski oblik praćenja posebno je učinkovit za statističke informacije koje karakteriziraju relativno stabilne objekte, stoga se registri mogu smatrati automatiziranom kartotekom skupina homogenih jedinica statističkog promatranja određene vrste. Njegovo korištenje omogućuje korisniku da ispunjavanjem objedinjenog obrasca zahtjeva dobije različite podatke koji karakteriziraju stanje pojedinog objekta.
Važno područje unaprjeđenja statističkog praćenja bilo je osiguranje povećanja sadržaja, pouzdanosti i učinkovitosti izvještajnih podataka na temelju kombinacije tekućeg izvještavanja, jednokratnih evidencija, uzorka i monografskih istraživanja, kao i optimizacija protoka informacija. . Poseban naglasak stavlja se na usavršavanje ekonomsko-matematičkih metoda za analizu i prognozu razvoja sustava. Osim toga, značajan napredak u evoluciji metoda praćenja bila je uporaba novih informacijskih tehnologija, i to:
razvoj složene tehnologije obrade informacija korištenjem banaka podataka i računalnih mreža;
izrada računalnih alata za modeliranje sustava za obradu podataka;
razvoj inteligentnih tipova sučelja krajnjeg korisnika s računalom na temelju automatiziranih radnih stanica koje uključuju korištenje ekspertnih sustava.
Novi informacijska tehnologija značajno proširila mogućnost izravnog automatiziranog pristupa potrebnim statističkim informacijama, diverzificirala sastav i sadržaj analitičkog rada. Omogućena je integracija jednog sustava statističkog informacijskog praćenja s drugim informacijskim sustavima na svim razinama upravljanja telekomunikacijskim kanalima.
Međutim, sve razmatrane metode analitičke i statističke obrade podataka imaju značajan nedostatak. Cijeli skup podataka obrađuje se kao raznorodan skup, zbog čega ne postoji sustavno jedinstvo. Samo se umjetna veza između jednog ili drugog toka informacija može uspostaviti njihovim spajanjem u poseban obrazac za izvješćivanje. Međutim, nemoguće je dati sve oblike za sve moguće pojave i veze. Tradicionalne metode analitičke i statističke obrade podataka ne uzimaju u obzir činjenicu da između bilo koje vrste pojava i događaja postoji prirodna veza, na temelju univerzalnih pokazatelja svojstvenih svima njima. Ako postoji sustav takvih prirodnih
veze, postaje moguće usporediti s pojavom koja se razmatra sve čimbenike, događaje i podatke koji su s njom povezani, eksplicitno ili implicitno. Praćenje temeljeno na ovom pristupu karakterizira potpunost obuhvata uzročno-posljedičnih veza između čimbenika međusobnog utjecaja skrivenih trendova. Sve se to promatra u neraskidivoj sustavnoj cjelini.
Ovaj se nedostatak može eliminirati zahvaljujući vrlo uobičajenom U zadnje vrijeme pristup problemu analitičke i statističke obrade podataka na temelju najnovija tehnologija OLAP - Online Analytical Processing (analiza operativnih podataka).
Pojam OLAP odnosi se na tehnike koje korisnicima baze podataka omogućuju generiranje deskriptivnih i usporednih informacija o podacima u stvarnom vremenu i dobivanje odgovora na različite analitičke upite. Definirajući principi OLAP koncepta uključuju:
višedimenzionalni konceptualni prikaz - OLAP baze podataka moraju podržavati višedimenzionalni prikaz podataka, osigurava klasične operacije particioniranja i rotiranja konceptualne podatkovne kocke;
transparentnost - korisnici ne moraju znati da koriste OLAP bazu podataka. Mogu koristiti alate s kojima su upoznati kako bi dobili podatke i donijeli odluke koje su im potrebne. također ne moraju znati ništa o izvoru podataka;
pristupačnost - softverski alati moraju sami odabrati i komunicirati s najboljim izvorom podataka za generiranje odgovora na zadani zahtjev. Moraju osigurati automatsko mapiranje vlastitog logičkog dijagrama u različite heterogene izvore podataka;
dosljedna izvedba - izvedba bi trebala biti gotovo neovisna o broju dimenzija u upitu. Modeli sustava moraju biti dovoljno snažni da podnose sve promjene modela koji se razmatra;
podrška za arhitekturu klijent-poslužitelj - OLAP alati moraju moći raditi u okruženju klijent-poslužitelj, budući da se pretpostavlja da višedimenzionalni poslužitelj 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. Temeljna struktura podataka, formule i formati izvješća ne bi se trebali fokusirati ni na jednu dimenziju podataka;
dinamička obrada rijetkih matrica - tipični visokodimenzionalni modeli mogu lako pristupiti velikim skupovima
reference ćelija, od kojih mnoge nemaju podatke u bilo koje određeno vrijeme. Ove vrijednosti koje nedostaju moraju se pohraniti na učinkovit način, a ne proizvoditi negativan utjecaj o točnosti ili brzini pronalaženja informacija;
podrška za više okruženja - OLAP alati trebali bi podržavati i poticati grupni rad i razmjenu ideja i analiza među korisnicima. Za to je vrlo važan višekorisnički pristup podacima;
podrška za operacije između različitih dimenzija. Sve višedimenzionalne operacije (kao što je agregacija) moraju biti definirane i dostupne na takav način da se izvode ujednačeno i dosljedno, bez obzira na broj dimenzija;
intuitivno upravljanje podacima - podaci koji se daju korisniku-analitičaru moraju sadržavati sve informacije potrebne za učinkovitu navigaciju (formiranje odsječaka, promjene u razini detalja prezentacije informacija) i izvršavanje relevantnih upita;
fleksibilno generiranje izvješća - korisnik ima mogućnost izdvojiti sve podatke koji su mu potrebni i generirati ih u bilo kojem obliku koji mu je potreban;
neograničene dimenzije i razine združivanja - ne bi trebalo biti ograničenja u broju podržanih dimenzija.
Korištenje sustava temeljenih na OLAP tehnologiji omogućuje:
ustrojiti jedinstveno spremište podataka na temelju statističkih i drugih izvještajnih podataka;
omogućiti jednostavan i učinkovit pristup informacijama o pohrani s diferenciranim pravima pristupa
omogućiti brzu analitičku obradu pohranjenih podataka i provođenje statističke analize;
pojednostaviti, standardizirati i automatizirati stvaranje obrazaca analitičkih izvješća koji prikazuju podatke u danom obliku.
Glavna posebnost i važna prednost višedimenzionalnog prikaza podataka u usporedbi s tradicionalnim informacijskim metodama je mogućnost zajedničke analize velike skupine parametri u međusobnoj povezanosti, što je važno pri proučavanju složenih pojava.
OLAP tehnologija značajno skraćuje vrijeme prikupljanja i analize primarnih informacija potrebnih za donošenje odluka u određenom području ljudskog djelovanja, a također povećava preglednost i informativnost izvješća o procesima i pojavama koje se događaju u tim područjima.
OLAP sustavi omogućuju prikupljanje velikih količina podataka prikupljenih iz različitih izvora. Ove informacije su obično
Prije stvaranja takvog sustava potrebno je razmotriti i razjasniti tri glavna pitanja:
akumulirati podatke i kako konceptualno modelirati podatke i upravljati njihovim očuvanjem; kako analizirati podatke;
kako učinkovito učitati podatke iz više neovisnih izvora.
Ova se pitanja mogu povezati s tri glavne komponente sustava za podršku odlučivanju: poslužitelj skladišta podataka, operativni alati za analitičku obradu podataka i alati za nadopunjavanje skladišta podataka.
Budući da je organizacija informacijskih skladišta predmet drugih disciplina, razmotrit ćemo samo problematiku analitičke obrade podataka. Sada postoji niz OLAP alata koji se mogu koristiti za analizu informacija. Riječ je o programskim proizvodima kao što su MicroStrategi 7 i WebIntelligence, Cognos Powerplay, AlphaBlox i slični. Pregledajmo ove proizvode na temelju sljedećih kriterija:
jednostavnost korištenja - softverski proizvod treba biti dovoljno jednostavan za korisnika bez posebne obuke;
interaktivnost - softverski alat ima interaktivne mogućnosti, uključujući: pregled dokumenata, dinamičko ažuriranje postojećih dokumenata, omogućavanje pristupa najnovijim informacijama, dinamičko izvršavanje upita izvorima podataka, dinamičko neograničeno "produbljivanje u podatke";
funkcionalnost - aplikacija mora pružati iste mogućnosti kao i tradicionalni partneri klijent/poslužitelj;
pristupačnost - informacije trebaju biti dostupne svakom uređaju i radnom mjestu, a klijentski dio treba biti malen kako bi zadovoljio različite razine propusnosti korisničke mreže i zadovoljio standardiziranu tehnologiju;
arhitektura - ovaj kriterij karakterizira aspekte softverske implementacije proizvoda;
neovisnost o izvorima podataka - aplikacija mora omogućiti pristup dokumentima bilo koje vrste i interaktivni pristup relacijskim i višedimenzionalnim bazama podataka,
izvedba i skalabilnost - kako bi se osigurala izvedba i skalabilnost aplikacije, potrebno je implementirati univerzalni pristup bazama podataka, mogućnost predmemoriranja podataka od strane poslužitelja itd.;
sigurnost - aspekti administracije aplikacija za pružanje različitih prava pristupa različitim kategorijama korisnika;
trošak implementacije i administracije - trošak implementacije OLAP proizvoda po korisniku trebao bi biti znatno niži nego za tradicionalne proizvode.
MicroStrategi 7 i:-skup softverskih proizvoda sa širokim rasponom funkcija, izgrađenih na jedinstvenoj poslužiteljskoj arhitekturi. Korisničko okruženje implementirano je u Misgo-Strategi Web Professional.
Korisnicima se nudi niz statističkih, financijskih i matematičkih funkcija za složenu OLAP i relacijsku analizu. Svi korisnici imaju pristup i agregiranim i detaljnim informacijama (na razini transakcije). Možete izvoditi nove izračune, filtrirati podatke izvješća, rotirati i dodavati međuzbrojeve i brzo mijenjati sadržaj izvješća.
Osnovna funkcionalnost se postiže na sljedeći način:
MicroStrategi 7 i OLAP usluge - sučelje za proizvode trećih strana;
Tehnologija Intelligent Cube - pojednostavljuje analizu i implementaciju pružanjem sažetih informacija za brzo, interaktivno gledanje;
MicroStrategi Narrowcaster - daje korisnicima mogućnost slanja ili plaćanja metrike putem web sučelja. Korisnici mogu poslati svoja izvješća e-poštom, zakazati prosljeđivanje izvješća, objaviti ih timovima i izvesti ih u Excel, PDF ili HTML formate.
Ovaj proizvod pruža podršku za više platformi i integraciju, prenosivost na Unix i podršku za aplikacijske poslužitelje trećih strana.
Proizvod se temelji na XML arhitekturi. Korisnici mogu integrirati XML generiran u MicroStrategi Webu u svoje aplikacije ili ga formatirati po želji.
Tanki klijent, implementiran u HTML formatu, uklanja probleme s kompatibilnošću preglednika i postavlja se kroz sve alate za mrežnu sigurnost. Izgled i funkcije programa mogu se prilagoditi specifičnim potrebama. MicroStrategi Web možete ugraditi u druge aplikacije koje rade na mreži.
Računala koja pokreću MicroStrategi Web mogu se kombinirati u klastere, pružajući skalabilnost i pouzdanost. Moguće je dodati dodatnu opremu. Ako
Ako posao ne uspije, prenosi se na drugo računalo iz istog klastera.
Podaci su zaštićeni na razini ćelije pomoću sigurnosnih filtera i popisa za kontrolu pristupa. Sigurnost Web prometa osigurava tehnologija enkripcije podataka na transportnoj razini - SSL (Secire SocxeT Level - razina sigurnih utičnica).
WebIntelligence-Web proizvod za izradu upita, izvješća i analizu podataka. Omogućuje korisnicima mreže (intraneta i ekstraneta) siguran pristup podacima za daljnje istraživanje i upravljanje. Čini analitičke sposobnosti dostupnima razne kategorije korisnika. Omogućen je širok raspon alata za poslovnu analizu, uključujući stvaranje složenih izvješća, izvođenje izračuna, filtriranje, bušenje i združivanje.
Webintelligence pruža sljedeće značajke:
oblikovanje i ispis izvješća u načinu vizualnog dizajna;
bogata izvješća o blokovima. U složenim izvješćima ponekad je potrebno smjestiti nekoliko tablica ili grafikona odjednom kako bi se prenijele sveobuhvatne informacije. Da biste to učinili, WebIntelligence pruža mogućnost dodavanja nekoliko blokova i grafikona u jedno izvješće;
Mogućnost detaljiziranja podataka u interaktivnom načinu rada.
Proizvod ima niz funkcija:
pristup podacima pohranjenim u tradicionalnim relacijskim bazama podataka i na OLAP poslužitelju;
funkcije analize podataka;
mogućnost razmjene informacija. WebIntelligence je tanki klijent i ne zahtijeva instalaciju ili održavanje aplikacijskog softvera ili međuprograma baze podataka na web mjestu klijenta. Prilikom instalacije klijentskog dijela moguće je odabrati tehnologiju. Omogućena je implementacija na Microsoft Windows i Unix platformama.
S WebIntelligenceom možete istraživati i analizirati višestruke OLAP izvore podataka i koristiti OLAP i relacijske podatke zajedno.
Proizvod je prilagodljiv tako da u najvećoj mjeri odgovaraju korporativnoj strukturi bilo kojeg objekta.
WebIntelligence može raditi na jednom poslužitelju ili na više NT ili Unix strojeva. Po potrebi se u sustav mogu dodavati poslužitelji, a ako dođe do kvara na jednoj od komponenti, automatski se koristi druga. Ponderirano balansiranje opterećenja na više poslužitelja optimizira sistemske resurse i jamči brzo vrijeme odziva.
Webintelligence koristi različite tehnologije informacijske sigurnosti. Kada je potrebno, komponente se identificiraju pomoću tehnologije digitalnog certifikata. Za rad s različitim mrežnim sigurnosnim sustavima koristi se Hypertext Transfer Protocol.
Aplikacija ima standardno web sučelje. Podržane su osnovne mogućnosti (odabir podataka s određenim dimenzijama i vrijednostima, bušenje podataka, ugniježđene unakrsne tablice, izračuni, omogućavanje/onemogućavanje prikaza redaka, stupaca i grafikona; filtri, sortiranje) za pregled, istraživanje, izvješćivanje i objavljivanje OLAP podataka u interaktivnom način rada.
Cognos Powerplay pruža sljedeću funkcionalnost: HTML/JavaScript aplikaciju koja pruža univerzalni pristup za korisnika koji koristi Netscape Navigator verziju 3.0 ili noviju ili Microsoft Internet Explorer;
pristup OLAP podacima bilo kojeg korisnika objekta; izrada i objava BPM izvješća (Business Performance Management) u obliku PDF dokumenata za Cognos Upfront portal, kako bi korisnici imali pristup najvažnijim korporativnim podacima u Web okruženju;
pretvaranje podataka iz PDF formata u dinamička izvješća, njihovo daljnje istraživanje i prijenos rezultata u Upfront;
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, definiranjem korisničkih klasa, administratori sustava mogu kontrolirati njihov pristup i lokalnim kockama i ljusci web portala. Te su klase pohranjene u posebnoj, dostupnoj putem Light Directory Access Protocol-a (LDAP), softverske komponente koja je zadužena za centralizirano sigurnosno upravljanje cijelim sustavom, kao i za integraciju s trenutnom sigurnošću.
Upotreba HTML-a za implementaciju klijentskih stranica osigurava da PoverPlay poslužitelj radi u sigurnom okruženju. Ovo osigurava sigurnu implementaciju aplikacija za kupce, partnere i dobavljače.
AlphaBlox- međuprogram koji pruža alate i građevne blokove za rad na webu. Ovo eliminira složenosti povezane sa osiguravanjem mrežnih veza s bazama podataka, autorizacijom i formatiranjem podataka.AlphaBlox analitička platforma implementirana je na temelju standardizirane I2EE-kompatibilne arhitekture.
AlphaBlox proizvodi dizajnirani su za analitičko računalstvo na lokaciji i izvan nje.
Posebno su zanimljive Java komponente (Vioh). Od ovih komponenti možete kreirati analitičku web aplikaciju. Jedan od dugotrajnih zadataka pri izradi web OLAP proizvoda je prikazivanje i formatiranje podataka u pregledniku. Vrlo često podatke treba prikazati u obliku tablice ili dijagrama. Prilikom izrade programa pomoću AlphaBloxa, u njega možete umetnuti bilo koji broj takvih Java komponenti i konfigurirati ih za rješavanje željenih problema postavljanjem određenih parametara apleta, čime kontrolirate izgled i funkcije komponenti. Ovaj softverski proizvod pruža sljedeće mogućnosti: pristup informacijama - podaci se dohvaćaju 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 prezentiranja podataka u različitim formatima (u obliku izvješća, tablica, grafikona).
Java komponente su modularne i mogu se ponovno koristiti. mogu se koristiti za implementaciju analitičkih mogućnosti za razne poslovne funkcije. Budući da su kontrolirani skupom parametara, njihova se svojstva mogu mijenjati pomoću uređivača teksta. To omogućuje fleksibilnost pri razvoju i nadogradnji analitičkog rješenja. Komponente se mogu prilagoditi za ispunjavanje specifičnih poslovnih zahtjeva i ponovno koristiti za implementaciju dodatnih aplikacija u drugim područjima poslovanja. Programeri aplikacija mogu pisati dodatni kod u JSP, JavaServlets ili JavaScript.
AlphaBlox rješenja koriste usluge koje pruža aplikacijski poslužitelj i Java Runtime Environment (JRE), sva Java proširenja ili prilagođena proširenja razvijena za ovu platformu.
Struktura AlphaBlox aplikacija temelji se na standardima i omogućuje integraciju s postojećim operativnim sustavima, transakcijskom infrastrukturom i tradicionalnim sustavima. Korisnicima omogućuje pristup podacima iz različitih izvora i njihovu naknadnu analizu.
AlphaBlox koristi standardne resurse i mogućnosti poslužitelja aplikacija, uključujući http obradu/caching i upravljanje memorijom/procesima, kao i integraciju s web poslužiteljima. Dodatno, 12EE-kompatibilna arhitektura eliminira nepotrebna osvježavanja stranice i omogućuje rad jezgrene logike na poslužitelju.
AlphaBlox koristi isti sigurnosni model, a aplikacijski poslužitelj implementiran je pomoću standardne karakteristike J2EE platforme. Time se eliminira potreba za stvaranjem neovisnog modela zaštitnog mehanizma.
Jednostavnost postavljanja jedna je od glavnih prednosti web aplikacije. Ovo se u potpunosti odnosi na AlphaBlox aplikacije. Međutim, oni zahtijevaju određene verzije preglednika i Java platformi, dok tanki HTML klijent radi u većini preglednika.
Analiza podataka u stvarnom vremenu temeljena na OLAP-u omogućuje analitičarima, menadžerima i rukovoditeljima da steknu uvid u podatke koristeći fiksni, dijeljeni, interaktivni pristup velikom broju mogućih formata podataka koji su izvedeni iz sirovih podataka kako bi odražavali stvarnost objekta u način koji korisnici mogu razumjeti. Funkcionalnost OLAP-a karakterizira dinamička višedimenzionalna analiza agregiranih podataka o objektima potrebnih za podršku krajnjem korisniku s analitičkim radnjama, uključujući računicu i modeliranje, primijenjenih na podatke analizom trenda tijekom uzastopnih vremenskih intervala, rezanjem kroz više podatkovnih točaka za na- gledanje zaslona, mijenjanje razine detalja prezentacije informacija na više duboke razine generalizacije i slično.
OLAP alati usmjereni 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 sastavljenom od pojedinačnih dimenzija. Svako mjerenje uključuje mnoge razine detalja. Tipične OLAP operacije uključuju promjenu razine detalja u prezentaciji informacija (pomicanje gore-dolje po hijerarhiji dimenzija), odabir određenih dijelova kocke i preusmjeravanje višedimenzionalne prezentacije podataka na ekranu (dobivanje zaokretne tablice).
ARV-1 benchmark test razvijen je za OLAP baze podataka. Ovaj test simulira stvarnu situaciju za OLAP poslužiteljski softver. Norma definira skup dimenzija koje definiraju logičku strukturu. Logička struktura baze podataka sastoji se od šest dimenzija: vrijeme, scenarij, mjera, proizvod, kupac i kanal. Referentna vrijednost ne daje određeni fizički model: ulazni podaci dani su u ASCII formatu datoteke. Testne operacije pažljivo simuliraju standardne OLAP operacije na velikim količinama podataka koji se uzastopno učitavaju iz unutarnjih ili vanjskih izvora. Te operacije uključuju agregaciju informacija, bušenje u hijerarhijske podatke, izračunavanje novih podataka na temelju poslovnih modela i slično.
Mogućnosti OLAP tehnologije razmatraju se kao osnova za organizaciju i višedimenzionalnu analizu informacija praćenja. Pogledajmo faze ovog procesa.
Prije nego što se informacije mogu učitati u višedimenzionalnu bazu podataka za praćenje (MDD), moraju se izvući iz različitih izvora, očistiti, transformirati i konsolidirati (Slika 1.3). Ubuduće se ove informacije moraju povremeno ažurirati.
Riža. 1.3.
Ekstrakcija podataka je proces dohvaćanja podataka iz operativnih baza podataka i drugih izvora. Analiza dostupnih izvora informacija pokazuje da je većina njih prikazana u obliku tabličnih podataka, dobivenih elektroničkim ili tiskanim putem. Moderna sredstva skeniranje i prepoznavanje slike omogućuju gotovo potpunu automatizaciju ove faze pripreme podataka.
Prije unosa podataka u bazu potrebno ju je očistiti. Obično čišćenje uključuje popunjavanje vrijednosti koje nedostaju, ispravljanje tipfelera i drugih pogrešaka 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 čišćenja podataka potrebno je sve primljene informacije pretvoriti u format koji će zadovoljiti zahtjeve korištenog programskog proizvoda (OLAP poslužitelj). Postupak pretvorbe postaje posebno važan kada je potrebno kombinirati podatke iz više različitih izvora. Taj se proces naziva konsolidacija.
Faza učitavanja informacija u BDB sastoji se od stvaranja potrebne strukture podataka i njenog punjenja informacijama dobivenim u prethodnim fazama pripreme podataka.
Izdvajanje informacija iz BDB-a omogućuje Microsoft SQL Server Analysis Services, koji je i pružatelj višedimenzionalnih podataka i pružatelj tabličnih podataka. Stoga pokretanje upita vraća ili višedimenzionalni skup podataka ili običnu tablicu, ovisno o korištenom jeziku upita. Analysis Services podržava i SQL i MDX (višedimenzionalni izrazi) proširenja.
SQL upiti mogu se poslati 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 Multidimensional (ADO MD).
OLE DB za OLAP proširuje mogućnosti OLE DB-a uključivanjem objekata specifičnih za višedimenzionalne podatke. ADO MD proširuje ADO na sličan način.
Microsoft SQL Server Analysis Services omogućuje vam pokretanje ispuna 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, izgradnju lokalnih podatkovnih kocki i pokretanje upita pomoću komponente Pilot Table Services.
Moguće je izraditi prilagođene funkcije koje rade s višedimenzionalnim podacima. Interakcija s njima (predavanje argumenata i vraćanje rezultata) odvija se korištenjem MDX sintakse.
Analysis Services nudi više od 100 ugrađenih MDX funkcija za definiranje složenih izračunatih polja. Te su funkcije podijeljene u sljedeće kategorije: rad s nizovima; rad s mjerenjima; rad s hijerarhijama; rad s hijerarhijskim razinama; logičke funkcije; rad s predmetima; numeričke funkcije; rad sa setovima; rad sa žicama; rad s torkama.
Moguće je izraditi lokalne kocke namijenjene pregledu na računalima na kojima je instaliran OLAP poslužitelj. Stvaranje lokalnih kocki zahtijeva korištenje MDX sintakse i prolazi kroz komponentu Pilot Table Services, koja je OLE DB klijent OLAP poslužitelja. Ova komponenta također omogućuje izvanmrežni rad s lokalnim kockama kada nisu povezani s OLAP poslužiteljem pružajući OLE DB sučelje izvora podataka. Za izradu lokalnih kocki koristite naredbe CREATE CUBE i INSERT INTO.
MDX upitni jezik, koji je proširenje SQL-a, omogućuje vam postavljanje upita kockama podataka i vraćanje rezultata kao višedimenzionalnih skupova podataka.
Baš kao u običnom SQL-u, kreator MDX upita prvo mora odrediti strukturu skupa podataka koji se vraća. U većini slučajeva kreator MDX upita zamišlja vraćeni skup podataka kao višedimenzionalne strukture. Za razliku od uobičajenog SQL upita, koji manipulira tablicama kako bi proizveo dvodimenzionalni skup zapisa, MDX upit manipulira kockama kako bi proizveo višedimenzionalni rezultat skupa podataka. Treba napomenuti da MDX upit također može vratiti dvodimenzionalne skupove podataka, koji su poseban slučaj višedimenzionalnog skupa podataka.
Vizualizacija višedimenzionalnih skupova podataka može biti prilično teška. Jedna tehnika vizualizacije je ograničiti uvlačenje na ravnu, dvodimenzionalnu tablicu pomoću mnogo ugniježđenih dimenzija duž jedne osi. Ovo gniježđenje će rezultirati podnaslovima.
Pilot Table Services, dio Microsoft SQL Server Analysis Services, je OLAP poslužitelj za pristup OLAP podacima. Ova komponenta funkcionira kao klijent Analysis Services.
Funkcije Pilot Table Services uključuju analizu podataka, konstrukciju kocke i optimalno upravljanje memorijom. Komponenta pruža sučelje za višedimenzionalne podatke. Moguće je spremiti podatke u lokalnu kocku na računalu klijenta i naknadnu analizu bez povezivanja na OLAP poslužitelj. Pilot Table Services je potreban za obavljanje sljedećih zadataka:
uspostavljanje veze s OLAP poslužiteljem kao klijentskom komponentom;
pružanje programa s OLE DB sučeljem s OLAP ekstenzijama;
funkcionira kao izvor tabličnih podataka, podržava podskup SQL-a;
funkcionira kao višedimenzionalni izvor podataka, podržava MDX proširenja;
stvaranje lokalne podatkovne kocke;
funkcionira kao mobilni stolni OLAP klijent.
Komponenta zaokretnih tablica može raditi samo s jednom lokalnom particijom kocke. Također nema ugrađen sustav za upravljanje razinama pružanja informacija. Stoga je izvedba Pilot Table Services izravno proporcionalna količini podataka kojima se bavi.
Treba napomenuti da je OLAP sučelje jednostavno i ne zahtijeva ništa više znanja od proračunske tablice. OLAP vam omogućuje korištenje raznih oblika izvješća, sučelje za interaktivnu analizu podataka i mogućnost generiranja tiskanih obrazaca. Međutim, u usporedbi s tradicionalnim metodama programiranja i generiranja prilagođenih izvješća, OLAP ne samo da smanjuje troškove programiranja stotinama puta, već mijenja i sam princip rada korisnika s izvješćem.
Razlika između OLAP-a kao alata za generiranje izvješća je mogućnost automatskog i interaktivnog izvođenja sljedećih operacija s podacima:
rekurzivno grupiranje podataka; izračunavanje međuzbrojeva za podskupine; izračun konačnih rezultata.
Naredbe za izvođenje ovih operacija daje sam korisnik. Korišteni dijelovi tablice djeluju kao kontrole. Kada korisnik promijeni obrazac izvješća (na primjer, premjesti stupce), sustav izvodi izračun međuzbrojeva i prikazuje novi izvještaj.
Dodatno, korisnik može promijeniti razvrstavanje i filtriranje po proizvoljnim kombinacijama podataka, vidjeti podatke u postocima, promijeniti mjerilo i izvršiti druge potrebne transformacije izvješća (ove mogućnosti nisu bitan atribut OLAP tehnologije, već ovise o specifičnoj implementaciji alat).
Kao rezultat toga, korisnik može samostalno, na intuitivan način, iz postojećeg skupa podataka generirati sve moguće vrste izvješća za taj skup. Ovo pomaže u prevladavanju starog ograničenja informacijskih sustava, a to je da je snaga sučelja uvijek manja od snage baze podataka.
OLAP tehnologija omogućuje implementaciju gotovo svih mogućih tipova tabličnih slika sadržaja baze podataka. Ako je proizvod dovoljno fleksibilan, tada je programerov zadatak opisati semantički sloj (rječnik), nakon čega kvalificirani korisnik može samostalno kreirati nove kocke, koristeći pojmove iz predmetnog područja koji su mu poznati. Ostali korisnici mogu generirati izvješća za svaku kocku.
Dakle, OLAP tehnologija služi i programerima i korisnicima u svim slučajevima kada je potrebno vidjeti informacije u obliku tabelarnih izvješća u kojima se grupiraju podaci i izračunavaju ukupni iznosi za skupine.
Iskustvo pokazuje da korisnicima nije dovoljno pružiti veliku kocku koja se sastoji od mnogo dimenzija i činjenica. To je zbog sljedećih razloga.
Prvo, u svakom trenutku korisnik treba vrlo specifično izvješće.
Drugo, neki algoritmi za izračunavanje ukupnih zbrojeva opisani su složenim formulama, a korisnik možda neće imati dovoljno kvalifikacija da ih odredi.
Treće, OLAP izvješće može imati specifičnu metodu za izračunavanje ukupnih iznosa, lokaciju dimenzija i početne uvjete sortiranja koje navodi autor izvješća.
Četvrto, u mnogim je slučajevima lakše razumjeti podatke ako pogledate grafikon, a ne tablicu s brojevima. Postavljanje OLAP dijagrama ponekad zahtijeva dosta prostorne mašte, budući da se kocka s mnogo dimenzija mora odražavati kao skup oblika ili linija u trodimenzionalnom crtežu. Svojstva modernih grafičkih komponenti broje se u tisućama, tako da prethodno postavljanje dijagrama ili grafikona za OLAP izvješće može biti dugotrajno.
Peto, kao i za svako drugo izvješće, učinkovit dizajn je važan za OLAP izvješće, uključujući postavke za naslove i naslove, boje i fontove.
Stoga, za ugodno korisničko iskustvo, OLAP izvješće mora sadržavati određeni skup primijenjenih metapodataka koji opisuju algoritme agregacije, preduvjete za filtriranje i sortiranje, naslove i komentare te pravila vizualnog dizajna.
Kod vizualizacije informacija u višedimenzionalnoj kocki značajan čimbenik je poredak dimenzija prema njihovoj sličnosti. Osnovna ideja je da se dimenzije koje karakteriziraju slične parametre nalaze u blizini. Za određivanje takvih mjerenja koriste se različite metode grupiranja, a posebno se mogu koristiti heuristički algoritmi.
Opisana informacijsko-analitička tehnologija nije jedina moguća. Ali sve su to razvoji poslovne inteligencije (VI), čija je svrha prikupljanje, sistematiziranje, analiza i prezentiranje informacija. Izbor određene informacijsko-analitičke tehnologije ostaje na korisniku, uzimajući u obzir karakteristike objekta u predmetnom području.
