PANEVROPSKI UNIVERZITET APEIRON
FAKULTET POSLOVNE INFORMATIKE
Vanredne studije
Smer „Poslovna informatika”
Predmet
Menadžment poslovnih informacionih sistema
„OLAP tehnologije”
(seminarski rad)
Predmetni nastavnik
Doc. dr Gordana Radić
Student
Drago Vučković
Index br. 109-09/VIT
Banja Luka, januar 2012.
2
Sadržaj:
1. Uvod ............................................................................................................................................. 3
2. Definicije osnovnih OLAP operacija ............................................................................................. 5
2.1 Glavna tačka (engl. Pivot) ...................................................................................................... 5
2.2 Sloj (engl. Slice) .................................................................................................................... 5
2.3 Presjek (engl. Dice) ............................................................................................................... 5
2.4 Uzdizanje (engl. Roll-up) ....................................................................................................... 6
2.5 Detaljiziranje (engl. Drill down) ............................................................................................ 6
3. FASMI specifikacija ..................................................................................................................... 8
3.1 Osnovne mogućnosti ............................................................................................................. 9
3.2 Specijalne mogućnosti ........................................................................................................... 9
3.3 Mogućnosti izvještavanja....................................................................................................... 9
3.4 Kontrolisanje dimenzija ......................................................................................................... 9
4. OLAP modeli ...............................................................................................................................10
6. OLAP funkcije u programu Excel.................................................................................................12
6.1 Preuzimanje OLAP podataka ......................................................................................................12
6.2 Kreiranje datoteka kocki za korišćenje van mreže .......................................................................13
6.3 Radnje servera ............................................................................................................................13
6.4 KPI mjere ...................................................................................................................................13
6.6 Jezik za prikaz u sistemu Office..................................................................................................13
7. Zaključak .....................................................................................................................................14
Literatura .............................................................................................................................................15
3
1. Uvod
Prikupljanje podataka u bazu podataka karakteriše narastanje baze po svom
obimu u skladište podataka, koje prati poslovanje preduzeća. Za strategijsko odlučivanje,
uglavnom se ne koriste svakodnevni rezultati poslovanja preduzeća, već zbirni i izvedeni iz
predhodnog vremenskog perioda, tako da skladište podataka predstavlja dobru informatičku
osnovu za poslovno odlučivanje. Skladište podataka ima ulogu da objedini srodne podatke
poslovanja vitalnih funkcija preduzeća u oblik pogodan za sprovođenje raznih analiza. Nasuprot
svakodnevnoj, operativnoj, OLTP1 obradi podataka, javlja se potreba za analitičkom obradom
podataka - OLAP2. OLTP baze podataka uglavnom koriste SQL
3 jezik upita koji je namjenjen
za relacione baze podataka. Iako je tokom godina isti razvijen i unaprijeđivan, ipak nije
dovoljno jednostavan da bi se koristio u kompleksnim analizama. OLAP sistemi sadrže kopije
podataka iz OLTP sistema tako da ne ugrožavaju konkurentnost obrade, jer se nad istim
podacima ne vrše operacije ažuriranja i kreriranja izveštaja. OLAP predstavlja efikasan metod
za analiziranje skladišta sa velikom količinom podataka.
Termin OLAP sačinio je E.F. Codd 1992. godine, pri čemu je definisao i pet
ključnih karakteristika analitičke obrade podataka:
Multidimenzioni konceptuelni pregled – primarni fokus je relacija između
dimezija, nasuprot prezentovanju transakcionih zapisa;
Transparentnost – krajnji korisnik ne treba da brine o detaljima pristupa
podacima ili konverzijama;
Pristupnost – OLAP treba korisniku predstaviti jednu logičku šemu podataka,
nasuprot kompleksnom fizičkom modelu;
Fleksibilno izvještavanje – DBMS mora na sintetički način predstaviti podatke
ili informacije koja proizilaze iz animacije modela podataka, a sve u skladu sa bilo
kojom mogućom orijentacijom;
Neograničen broj nivoa dimenzija i agregacija – ozbiljni alati bi trebali
predstaviti najmanje 15 dimenzija.
Podaci za OLAP bazu podataka prikupljaju se iz raznih skupova skladišta
podataka, kao npr. operativne baze podataka a mogu se preuzimati i iz bilo kog relacionog ili
nerelacionog izvora podataka. Ovi skupovi podataka su često veoma veliki i nije uvijek
unaprijed poznato koji podaci će biti potrebni i kada se treba izvršiti željena analiza. Pri tome,
neki dijelovi podataka biće potrebni samo povremeno. Podaci se skladište na jedinstven način i
stoga vrsta izvora podataka nije od velikog značaja. Ova osobina omogućena je zahvaljujući
činjenici da je moguće uzimanje podataka iz različitih DBMS4 sistema za upravljanje bazom
podataka i objedinjavanje u zajednički OLAP sistem. Način skladištanja podataka je
optimizovan u cilju kreiranja veoma kompleksnih izveštaja. Održavanje OLAP baze ažurnom je
u praksi veoma zahtjevno što upućuje na to da je OLAP kocke korisnije formirati samo kada je
to stvarno neophodno. OLAP uglavnom koristi MDX5 jezik za kreiranje multi-dimenzionih
upita, koji poseduje mnogo više mogućnosti nego SQL jezik. S obzirom na to da izvori
podataka mogu biti veoma raznovrsni, za prikupljanje podataka predlaže se upotreba XML6
1 Online Transaction Processing
2 Online Analytical Processing
3 Structured Query Language
4 Database Management System
5 MultiDimensional eXpressions
6 Extensible Markup Language
4
jezika. Relacioni podaci se mogu lako transformisati u XML zapis, a XML podjezici mogu se
lako transformisati u druge podjezike upotrebom XSLT7. Na sličan način, OLAP podaci mogu
se lako transformisati u oblik pogodan za OLAP server, što nam omogućava da korist imo
različite servere za analiziranje podataka koji su u mogućnosti očitati podatke u XML obliku.
Nakon toga, analizira se upit koji podaci su potrebni za željenu OLAP kocku. Konstruisanje
OLAP kocki unaprijed omogućuje korisnicima brže dobijanje odgovora na njihove formirane
upite, dok nije predviđeno da se konstruisanje kocki vrši istovremeno pri postavljanju OLAP
upita.
OLAP kocke manjeg obima je lakše obraditi i mogu sadržavati više prethodno
proračunatih podataka nego veće kocke. Poželjno je da korisnici mogu postavljati MDX upite
na virtuelnoj (univerzalnoj) šemi OLAP kocke, a da sistem analizira ove upite, kao i da utvrdi
strukturu određene šeme OLAP kocke i koje podatke je nophodno prikupiti. Na osnovu ovih
informacija sistem može izvršiti prikupljanje podataka kako bi sačinio željenu OLAP bazu
podataka. U svakodnevnoj upotrebi, sačinjavanje OLAP upita odvija se tako što se prvo
korisniku predstavi univerzalno skladište podataka koje predstavlja sve podatke analiziranja i
nakon toga korisnik formira upit zasnovan na MDX jeziku. Server za prikupljanje analizira upit
kako bi utvrdio mjere, dimenzije i ograničenja za datu kocku. Takođe, server za prikupljanje
šalje zahtjeve distribuiranim skladištima podataka u skladu sa distributivnim modelom.
Skladišta podataka vraćaju željene podatke u XML formatu, nakon čega server za prikupljanje
sakuplja podatke. Server za prikupljanje pravi neophodne izmjene na podacima i u slučaju
potrebe izvršava neophodne agregacije. Potom se podaci šalju ka OLAP serveru kako bi se
formirala stvarna OLAP kocka. Korisnik može formirati upite OLAP kocki u OLAP serveru
upotrebom alata koje obezbjeđuje OLAP server. Danas je aktuelno nekoliko proizvođača OLAP
orijentisanih proizvoda na tržištu, kao npr. Microsoft Analysis Services i Oracle OLAP koji
nude djelimična rješenja u ovom kontekstu. Svi današnji sistemi za skladištenje podataka i
OLAP, koriste mehanizme za formiranje upita koji su dizajnirani prije nekoliko decenija.
Zasnivaju se na SQL i MDX jezicima kojima nedostaju karakteristike bezbjednosti i
fleksibilnosti objektno orijentisanih jezika koji se danas koriste u razvojnim okruženjima.
7 Extensible Stylesheet Language Transformations
5
2. Definicije osnovnih OLAP operacija
Osnovne OLAP operacije navedene su kao što slijedi:
2.1 Glavna tačka (engl. Pivot)
Ova OLAP operacija se odnosi na prezentovanje podataka i omogućuje
korisnicima da preuređuju osi posmatrane kocke;
Pivot operacija se definiše kao izlistavanje parova dimenzija, pri čemu svaki par
dimenzija predtavlja i staru dimenziju u trenutnom rezultatu upita nad podacima, kao i novu
dimenziju koja će zamijeniti staru pri novom predstavljanju. Ovom operacijom ne vrše se
proračuni vrijednosti ćelija, pa je rezultujuća kocka jednaka početnoj.
2.2 Sloj (engl. Slice)
Predstavlja operaciju kojom se odabira podskup višedimenzionog niza (ili
kocke), a koji predstavlja jednu vrijednost za jednog člana dimenzije;
2.3 Presjek (engl. Dice)
Raslojavanja na više od dvije dimenzije kocke podataka (ili na više od dva
uzastopna sloja);
Slika 2.2: Sloj
Slika 2.1.1: Početni pogled Slika 2.1.2: Glavna tačka
Slika 2.3: Presjek
6
2.4 Uzdizanje (engl. Roll-up)
Predstavlja specifičnu tehniku analiziranja kojom korisnik prelazi kroz nivoe
podataka u rasponu od najviše detalja (dolje), do najsažetijih (gore), prema hijerarhiji koncepta;
Slika 2.4: Odvijanje
2.5 Detaljiziranje (engl. Drill down)
Predstavlja specifičnu analitičku tehnika kojom korisnik prelazi između nivoa
podataka u rasponu od najsažetijih (gore), do najdetaljnijih (dolje), prema hijerarhiji koncepta;
Slika 2.5: Detaljliziranje
Koncept skladišta podataka započinje sa fizičkim odvajanjem operativnog i
okruženja za donošenje odluka. Skladište podataka je jedinstveni sistem za upravljanje bazom
podataka (DBMS) koji je dizajniran za izvršavanje upita u veoma kratkom vremenu, kao i za
analiziranje višedimenzionih podataka, što ga čini centralnim smještajnim kapacitetom
podataka za sve OLAP sisteme. Veličina i složenost analize podataka je u proteklih nekoliko
godina značajno porasla. S obzirom na to skladište podataka predstavlja veliki, konzistentni
smještajni kapacitet za informisanje svih odjeljenja razgranate korporacije, uobičajeno je da se
skladište podataka koristi kao podrška procesu analize podataka. Može se posmatrati kao
trodijelna arhitektura:
- izvori podataka sa tržištima podataka (engl. Data Marts),
- OLAP server koji omogućuje korisnicima da pristupaju i analiziraju podatke u skladištu
podataka,
- alati koji obezbjeđuju grafički interfejs za najviše rukovodstvo i donosioce odluka.
7
Slika 2.7: Arhitektura skladišta podataka
Kocka podataka je višedimenzioni model podataka koji podržava OLAP obradu
podataka. Može se opisati kao apstrakcija podataka koja omogućava pregledavanje agregiranih
podataka iz više perspektiva i sastoji se od dimenzija i mjera.
Dimenzije su poznate i kao atributi koji se mogu podijeliti na dva tipa:
- prvi koji predstavlja entite kao što su npr. radnici ili proizvodi, a
- drugi su mjerni atributi koji predstavlju pojmove od interesa i agregiraju se u
skladu sa entitetima na koje se odnose.
U prostoru dimenzije d, {A1, A2, .. Ad} postoji O(2d) kombinacija atributa i ovaj
zbir pogleda se naziva skup potencije (engl. Power Set). U OLAP terminologiji pogledi se često
nazivaju i kuboidi ili grupacije i svaki pogled predstavlja jedinstvenu kombinaciju atributa
entiteta i može se posmatrati kao predstavljanje agregacije mjernih atributa. Kocka podataka se
sastoji od baznog kuboida plus (2d)-1 kuboida i može se opisati potpuna ako sadrži ukupno 2d
mogućih pogleda, ili kao nepotpuna ako je konstrusan samo podskup pogleda.
8
3. FASMI specifikacija
- Fast Analysis Shared Multidimensional Information
Fast (brzina)
Brzina sistema treba biti projektovana tako da korisnicima unutar 5 sekundi
isporuči više odgovora, pri čemu jednostavnije analize nebi trebale trajati duže od 1 sekunde za
dobijanje odgovora. Kod velikih količina podataka ovaj uslov nije lako postići korišćenjem
pojedinačnih ad-hoc kalkulacija, odnosno brzim (engl. on-the fly) kalkulacijama. Da bi
zadovoljni uslov brzine dobijanja odgovora, proizođači koriste različite tehnike koje uključuju
specijalne forme za skladištenje podataka, zahjtevne prethodne kalkulacije, kao i poseban
hardver.
Analysis (analiza)
Sistem treba imati sposobnost da zadovolji bilo koju vrstu poslovne logike koja
je za korisnika relevantna. Takođe, radi ispunjavanja ovog uslova se zahtijevaju i neka
predprogramiranja, ukoliko određeni problemi nisu rješivi korišćenjem 4GL jezika (jezici IV
generacije).
Shared (djeljivost)
Sistem mora zadovoljiti sve zahtjeve u pogledu bezbjednosti i povjerljivosti i
ovaj zahtjev se može primjenjivati od nivoa ćelije. Ukoliko postoji potreba za višekorisničkim
pristupom, neophodno je omogućiti zaključavanje za konkretna ažuriranja na odgovarajućem
nivou.
Multidimensional (višedimenzionalnost)
Za FASMI definiciju, višedimenzionalnost predstavlja ključni zahtjev koji mora
biti ispunjen. Višedimenzionalnost je u jednoj riječi OLAP. Sistem treba obezbijediti
višedimenzionalni konceptuelni pogled na podatke, što uključuje i potpunu podršku za
hijerarhije i višestruke hijerarhije. Kao dio FASMI definicije, ne definiše se posebno broj
dimenzija.
Information (informacije)
Informacije predstavljaju sve što je izvedeno iz podataka i što je u vezi sa
podacima a relevantno za aplikaciju. Koliko ulaznih podataka određena aplikacija može
prihvatiti predstavlja kapacitet, a ne terabajta koji se mogu uskladištiti.
Razmatranjem FASMI specifikacije proširuje se skup uslova koje OLAP sistem
mora ispuniti.
Ti uslovi se dijele u 4 grupe:
- osnovne mogućnosti,
- specijalne mogućnosti,
- mogućnost izvještavanja,
- mogućnost kontrolisanja dimenzije.
9
3.1 Osnovne mogućnosti
o višedimenzionalni koceptuelni pogled (Codd-ovo pravilo broj 1)
o transparentnost (Codd-ovo pravilo broj 2)
o pristupačnost – OLAP kao medijator (Codd-ovo pravilo broj 3)
o OLAP model analize
Ovaj zahtjev redefiniše 4 modela analize koja je postavio dr Codd (kategorijski,
egzegetički, razmatrajući, formulatički) i pojednostavljuje zahtjeve na parametričko
statičko izvještavanje, isjecanje i formiranje kocki po dubini struktura, analize „šta
ako“, modeliranje za postizanje cilja
o podrška višekorisničkom radu (Codd-ovo pravilo 8)
o klijent-server arhitektura (Codd-ovo pravilo 5)
o intuitivna manipulacija podacima (Codd-ovo pravilo broj 10),
o batch ekstrakcija nasuprot interpraticije
OLAP mora omogućiti dva pristupa: OLAP bazi podataka kao izdvojenim
podacima, i pristup podacima u eksternoj bazi u on-line režimu.
3.2 Specijalne mogućnosti
o obrada nenormalizovanih podataka
Obezbjeđuje da OLAP bude snabdjeven integracijom sa izvorima denormalizovanih
podataka. Bilo koje ažuriranje izvedeno u OLAP okruženju nebi trebalo imati uticaj
na sačuvane denormalizovane podatke u izvornim skupovima, što znači da
interpretacija podataka ne treba uticati na izvor.
o smještanje OLAP rezultata odvojeno od izvora podataka
o izdvajanje nedostajućih vrijednosti
sve vrijednosti koje nedostaju trebaju se pojaviti u uniformnom obliku, kako to već
relacioni model predviđa
o postupci za vrijednosti koje nedostaju
OLAP organizator treba sve takve vrijednosti da ignoriše bez obzira na izvor
podataka
3.3 Mogućnosti izvještavanja
o konzistentne performanse izvještavanja (Codd-ovo pravilo broj 4)
o automatizovano popunjavanje fizičkog nivoa (Codd-ovo pravilo broj 7)
o izvještavanje treba biti prilagodljivo (Codd-ovo pravilo broj 11)
3.4 Kontrolisanje dimenzija
o generička dimenzionalnost (Codd-ovo pravilo broj 6)
o neograničen pristup operacijama sa ukrštenim dimenzijama
(Codd-ovo pravilo broj 9)
o neograničene dimenzije i nivoi agregacije (Codd-ovo pravilo broj 12)
10
4. OLAP modeli
Ukoliko se podaci smještaju u višedimenzioni niz tada se radi od MOLAP8
dizajnu. MOLAP omogućuje implicitno adresiranje duž osi višedimenzionog niza, ali
istovremeno to može imati negativan uticaj na performanse obrade jer prostor (kao i posmatrani
kubni niz) postaje prorijeđen. MOLAP predstavlja jedan od uobičajenih modela OLAP analize i
najpogodniji je za operacije raslojavanja i presijecanja9. Kod ovog modela, svi proračuni
generišu se prilikom kreiranja kocke i u tom slučaju, dolaze do izražaja njegove prednosti koje
se ogledaju u izvrsnim performansama prilikom pronalaženja podataka. Nedostaci MOLAP
modela izražavaju se u tome nije moguće naknadno dodavati velike količine podataka jer su svi
proračni već izvršeni. Drugi nedostatak je u tome što se zahtijevaju dodatna ulaganja jer je
tehnologija kocke najčešće licencirana.
Na slici 3.2 predstavljena je konstrukcija baznog kuboida trodimenzione kocke
(proizvod, kupac i lolacija), pri čemu je pod (a) prikazan MOLAP, a pod (b) ROLAP10
model.
Slika 3.2: (a) MOLAP, (b) ROLAP
Relacioni OLAP, ili ROLAP smješta kuboide kao jedinstvene tabele i teži ka
dobroj razmjeri u prostoru, jer samo oni zapisi koji stvarno postoje se materijalizuju i smještaju.
Međutim, zahtijeva se eksplicitno višedimenziono indeksiranje kako bi se model koristio
efikasno. ROLAP model manipuliše sa podacima u relacionim bazama i daje prikaz kao da se
radi o uobičajenoj OLAP proceduri raslojavanja i presjecanja, koja u suštini odgovara
dodavanju „WHERE“ uslova u SQL iskazu. Prednosti ROLAP modela su u tome što može
obraditi velike količine podataka, kao i u tome što je naslijedio funkcionalnosti iz relacionih
baza. Količina podataka je ograničena sa količinom podataka relacione baze na kojoj se model
zasniva, što praktično znači da u pogledu količine podataka sam ROLAP nema ograničenja.
Nedostak ovog modela su spore performanse. Svaki ROLAP izvještaj je u osnovi SQL upit (ili
višestruki SQL upiti) u relacionoj bazi podataka i ukoliko je relaciona baza podataka velikog
kapaciteta, izvršavanja upita može dugo potrajati. S obzirom na to da se zasniva na SQL
upitima nad relacionom bazom, ovaj model vjerovatno neće moći zadovoljiti sve potrebe za
složenim proračunima. Proizvođači ovih rješenja nastoje ovaj nedostatak prevazići tako
izradom složenih gotovih funkcija, kao i mogućnošću da korisnici sami definišu njihove
funkcije.
8 MultiDimensional Online Analytical Processing
9 Slicing & Dicing
10 Relational OLAP
11
HOLAP11
je model koji kombinuje prednosti MOLAP i ROLAP pristupa. Za
informacije sumarnog tipa HOLAP se oslanja na kocke podataka zbog boljih performansi
ovakvog pristupa. Za detaljne informacije, sa druge strane, HOLAP vrši detaljiziranje, ili
bušenje kroz kocku do relacione baze podataka. HOLAP kao hibridni koncept u razvoju OLAP
alata je prevladao. HOLAP samo sumarizacije drži u multidimenzionalnoj kocki, dok
elementarni nivo podataka drži u izvornoj relaciji, i njima pristupa pomoću procedura bušenja
kocki podataka. Na taj način objedinjene su i velika brzina pristupa i relativno malo zauzeće
prostora.
DOLAP12
, ili OLAP za stone računare, prilagođen je primjeni na stonim
računarima skromnijih memorijskih kapaciteta i mogućnostima obrade za razliku od velikih
serverskh računara. Po pretpostavci, DOLAP ne podržava višekorisničke aplikacije, već samo
manje aplikacije namijenjene zadovoljavanju potreba pojedinačnih korisnika. U najnovije
vrijeme razvijene su i verzije za prienosna, pa čak i ručne računare.
EOLAP13
se koristi za pristupanje XML dokumentima iz OLAP sistema na
fleksibilan način.
5. Analiziranje podataka
Prilikom analiziranja podataka koristie se dvije metode:
- metoda raslojavanja i presijecanja14
, i
- metoda rotacije ili pivotiranja15
.
Pravilnije bi bilo reći da ovdje radi o karakteristikama OLAP sistema koje
proizilaze iz njegove višedimenzionalne strukture tj. o različitim mogućnostima pogleda na
podatke.
Višedimenzioni skupovi podataka mogu se analizirati horizontalno
(raslojavanje) i vertikalno (presijecanje). Kvalitet ove metode se ogleda u tome što je
korisnicima intuitivno lako shvatljiva, te što je savremeni OLAP alati obavljaju vrlo brzo.
Takođe, možemo vršiti raslojavanje na više nivoa i presijecanja po različitim dimenzijama.
11
Hybrid Online Analytical Processing
12 Desktop OLAP
13 Elastic OLAP
14 Slice and Dice Method
15 Pivoting
12
Slika 4.1: OLAP kocka
OLAP kocka se može na različite načine rotirati oko svoje osi. Ono što su bili
redovi, možemo prikazati kao stupce i obrnuto. Što je više dimenzija to je i više mogućnosti
kojima se mogu prikazati podaci. Ako se neka dimenzija sastoji od više nivoa mogućnosti,
analiziranje se usložnjava i raste broj prikaza podataka. Spuštanje kroz te dimenzione nivoe
naziva se detaljiziranje16
, a uzdizanje je agregiranje17
.
6. OLAP funkcije u programu Excel
6.1 Preuzimanje OLAP podataka
Sa OLAP izvorima podataka se povezuje na isti način kao i sa drugim spoljnim
izvorima podataka. Mogu se koristiti baze podataka kreirane pomoću Microsoft serverskih
OLAP proizvoda, kao što su Microsoft SQL Server OLAP Services verzija 7.0, Microsoft SQL
Server Analysis Services verzija 2000 i Microsoft SQL Server Analysis Services verzija 2005.
Excel takođe može da radi sa OLAP proizvodima nezavisnih proizvođača koji su kompatibilni
sa OLE-DB18
za OLAP. OLAP podaci mogu se prikazati samo kao izvještaj izvedene tabele ili
izvedenog grafikona, ili u funkciji radnog lista konvertovanoj iz izvještaja izvedene tabele, ali
ne kao opseg spoljnih podataka. OLAP izvještaji izvedene tabele i izvedenog grafikona mogu
se sačuvati u predlošcima izvještaja i mogu se kreirati Office datoteke sa podacima za
povezivanje tj. ODC19
datoteke (.odc) za povezivanje sa OLAP bazom podataka za OLAP
upite. Nakon otvaranja ODC datoteke, Excel prikazuje prazan izvještaj izvedene tabele koji je
spreman za raspoređivanje.
16 Drill down
17 Drill up
18 Object Linking and Embedding, Database
19 Office Data Connection
13
6.2 Kreiranje datoteka kocki za korišćenje van mreže
Može se kreirati datoteka kocke van mreže (.cub) sa podskupom podataka iz
baze podataka na OLAP serveru. Da bi radili sa OLAP podacima bez povezivanja sa mrežom
koriste se vanmrežne datoteke kocke. Za upotrebu OLAP podataka kada niste povezani sa
mrežom koristite se vanmrežne datoteke kocke. Kocka ubrzava preuzimanje podataka i
omogućava rad sa većom količinom podataka u izvještaju izvedene tabele ili izvedenog
grafikona radite nego što bi to inače mogli. Datoteke kocke mogu se kreirate samo ako se
koristi OLAP dobavljač, poput sistema Microsoft SQL Analysis Services Server verzija 2005
koji podržava ovu funkciju.
6.3 Radnje servera
Radnja servera predstavlja opcionu, ali korisnu funkciju koju administrator
OLAP kocke može definisati na serveru koji koristi člana kocke ili mjeru kao parametar za upit
da bi dobio detalje u kocki ili da bi pokrenuo drugu aplikaciju poput pregledača. Excel
podržava sljedeće radnje servera: URL, Report, Rowset, Drill Through i Expand to Detail, ali
ne podržava radnje Proprietary, Statement i Dataset.
6.4 KPI mjere
KPI je posebna izračunata mjera koja je definisana na serveru i dozvoljava
praćenje „ključnih indikatora učinka“, uključujući status (da li se trenutna vrijednost poklapa sa
određenim brojem?) i trend (kako se vrijednost mijenja s vremenom?). Kada su ove vrijednosti
prikazane, server može slati povezane ikone koje su slične novom skupu ikona programa Excel
da bi pokazao nivoe ispod ili iznad statusa, ili ima li vrijednost tendenciju rasta ili opadanja
(kao što je ikona sa strelicom okrenutom u određenom smijeru).
6.5 Oblikovanje servera
Administratori kocke mogu kreirati mjere i izračunate članove pomoću
oblikovanja boja, fonta i uslovnim oblikovanjem pravila, koja mogu biti dodijeljena kao pravilo
za korporativno standardno poslovanje. Npr, format servera da bude format broja, boja ćelije,
ili stil fonta.
6.6 Jezik za prikaz u sistemu Office
Administrator kocke može definisati prevode za podatke i greške na serveru za
korisnike koji žele informacije izvedene tabele vidjeti na drugom jeziku. Ova funkcija
definisana je kao svojstvo za povezivanje datoteka, dok postavke korisničkog računara moraju
da odgovaraju jeziku za prikaz za određenu zemlju ili region.
14
7. Zaključak
Broj korisnika OLAP tehnologije je veliki i pored toga što se radi o relativno
novoj tehnologiji. Razlog za to je što današnje kompanije zapošljavaju sve obrazovanije
osoblje, kojem ne predstavlja poteškoće korićenje računarskih tehnologija visokog nivoa.
Osnovni elementi OLAP sistema su:
a. baza podataka, koja predstavlja osnovu za vršenje analize,
b. OLAP server, za manipulaciju podacima,
c. interfejs za korisnike i kao i prema drugim aplikacijama,
d. alati za administriranje.
Interfejs OLAP sistema korisniku treba da omogući jednostavno rukovanje,
samostalno izvođenje analitičkih operacija i dobijanje pregleda i poslovne grafike, a sve bez
potrebnog znanja programiranja i strukture baze podataka. OLAP sistemi omogućavaju
jednostavnu sintezu, analizu i agregaciju podataka po zadanom kriterijumu. Koriste se za
intuitivnu, brzu i fleksibilnu manipulaciju transakcionim podacima. OLAP sistemi podržavaju
kompleksne analize koje sprovode analitičari i omogućavaju analizu podataka iz različitih
perspektiva (poslovnih dimenzija). OLAP sistemi kao skladišta podataka koriste
multidimenzionalnost i denormalizaciju.
Proces uvođenja OLAP tehnologije u kompaniju predstavlja značajnu investiciju
jer je potrebno ulagati sredstva u tehnologiju, softver, opremu i edukaciju osoblja, ali
upotrebom kvalitetnih informacija, rukovođenje kompanijom sve više prestaje biti intuirivno i
sve se više zasniva na egzaktnim pokazateljima.
15
Literatura
Doc. dr. Gordana Radić, UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA,
Panevropski univerzitet „APEIRON“, 1. izdanje, Banja Luka, 2009.
Prof. dr Bojan Ćirić – POSLOVNA INTELIGENCIJA, Data Status, Beograd, 2006.
Internet, http://spectrum.library.concordia.ca/7388/1/Taleb_PhD_S2011.pdf, 26.1.2012.
Internet,http://office.microsoft.com/sr-latn-cs/excel-help/pregled-tehnologije-olap-online-
analytical-processing-HP010177437.aspx, 26.1.2012.
Internet,http://www.oracle.com/technetwork/database/options/olap/olap-11g-datasheet-
130332.pdf?ssSourceSiteId=ocomen, 28.1.2012.
Internet,http://www.oracle.com/us/obiee-11g-technical-overview-078853.pdf, 20.10.2012.
Internet, http://olap.com/w/index.php/OLAP_Education_Wiki, 29.1.2012.
Top Related