Технологи обробки інформації при стратегічному управлінні

Інструментарій організації даних у динамічних СППР базується на динамічному інтерактивному багатовимірному аналізі даних. Е. Кодд сформулював 12 основних вимог до програмних продуктів класу ОLАР (табл. 3.1) [40].

Таблиця 3.1

Основні вимоги до програмних продуктів класу ОLАР

№ п/п	Правило	Пояснення

	Багатовимірне концептуальне представлення даних (Multi-Dimensional Conceptual View)	Концептуальне представлення моделі даних у продукті ОLАР повинно бути багатовимірним за своєю природою, тобто дозволяти аналітикам виконувати інтуїтивні операції «аналіз уздовж і поперек» (slice and dice), обертання (rotate) та розміщення (pivot) напрямків консолідації

Продовження табл.3.1

№ п/п	Правило	Пояснення

	Прозорість (Transparency)	Користувач не повинен знати про те, які конкретні засоби використовуються для зберігання й обробки даних, як дані організовані та звідки беруться
	Доступність (Accessibility)	Аналітик повинен мати можливість виконувати аналіз у рамках загальної концептуальної схеми, при цьому дані можуть залишатися під керуванням успадкованої СКБД, але при цьому вони мають бути прив'язаними до загальної аналітичної моделі. Тобто інструментарій ОLАР повинен накладати свою логічну схему на фізичні масиви даних, виконуючи всі перетворення, які є потрібними для забезпечення єдиного, узгодженого і цілісного погляду користувача на інформацію
	Стійка продуктивність (Consistent Reporting Performance)	Із збільшенням кількості вимірів та розмірів бази даних аналітики не повинні зіткнутися з будь-яким зменшенням продуктивності. Стійка продуктивність необхідна для підтримки простоти використання та доведення ОLАР до кінцевого користувача
	Клієнт-серверна архітектура (Client-Server Architecture)	Велика частина даних, які вимагають оперативно-аналітичної обробки, зберігається в мейн-фреймових системах, а витягується з персональних комп'ютерів, Тому однією з вимог є здатність продуктів ОLАР працювати в середовищі «клієнт-сервер». Головною ідеєю тут є те, що серверний компонент інструмента ОLАР повинен бути досить інтелектуальним і мати здатність будувати загальну концептуальну схему на основі узагальнення та консолідації різних логічних і фізичних схем корпоративних баз даних для забезпечення ефекту прозорості
	Рівноправність вимірювань (Generic Dimensionality)	Усі вимірювання даних повинні бути рівноправними. Додаткові характеристики можуть бути надані окремим вимірюванням, але, оскільки всі вони симетричні, дана додаткова функціональність може бути надана будь-якому вимірюванню. Базова структура даних, формули та формати звітів не повинні спиратися на якесь одне вимірювання
	Динамічна обробка розріджених матриць (Dynamic Sparse Matrix Handing)	Інструмент ОLАР має забезпечувати оптимальну обробку розріджених матриць. Швидкість доступу повинна зберігатися незалежно від, розташування чарунок даних та бути постійною величиною для моделей, які мають різну кількість вимірювань та різну розрідженість даних
	Підтримка багатокорис-тувацького режиму (Multi-User Support)	Часто кілька аналітиків мають необхідність працювати водночас з однією аналітичною моделлю або створювати різні моделі на основі одних корпоративних даних. Інструмент ОLАР повинен надавати їм конкурентний доступ, забезпечувати цілісність та захист даних
	Необмежена підтримка кросмірних операцій (Unrestricted Cross-dimensional Operations)	Обчислення та маніпуляція даними за будь-якою кількістю вимірювань не повинні забороняти або обмежувати будь-які відносини між осередками даних. Перетворення, що вимагають довільного визначення, повинні задаватися на функціонально повній мові формул

Закінчення табл.3.1

№ п/п	Правило	Пояснення

	Інтуїтивне маніпулювання даними (Intuitive Data Manipulation)	Переорієнтація напрямків консолідації, деталізація даних у колонках та рядках, агрегація та інші маніпуляції, притаманні структурі ієрархії напрямків консолідації, повинні виконуватися в максимально зручному, природному та комфортному для користувача інтерфейсі
	Гнучкий механізм генерації звітів (Flexible Reporting)	Повинні підтримуватися різні засоби візуалізації даних, тобто звіти повинні представлятися в будь-якій можливій орієнтації
	Необмежена кількість вимірювань і рівнів агрегації (Unlimited Dimension and Aggregation Levels)	Настійно рекомендується допущення в могутньому ОLАР-інструменті як мінімум п'ятнадцяти, а краще - двадцяти вимірювань в аналітичній моделі. Більш того, кожне з цих вимірювань повинно допускати практично необмежену кількість заданих користувачем рівнів агрегації в будь-якому напрямі консолідації

За Е. Коддом, багатовимірне концептуальне представлення (multi-dimensional conceptual view) є найбільш природним поглядом керівного персоналу на об'єкт керування, що являє собою множину перспективу, яка складається з декількох незалежних вимірювань, вздовж яких можуть бути проаналізовані певні сукупності даних [40].

Багатовимірний аналіз - одночасний аналіз за декількома вимірами даних. Кожний вимір включає напрями консолідації даних, які складаються з серії послідовних рівнів узагальнення, де кожний вищій рівень відповідає більшому рівню агрегації даних за відповідним виміром. Так, вимір «Виконавець» може визначатися напрямом консолідації, який складається з рівнів узагальнення «Підприємство - Підрозділ - Відділ - Службовець». Вимір «Час» може навіть включати два різні напрямки консолідації: «Рік - Квартал - Місяць - День» і «Тиждень — День».

Операція спуску (drilling down) відповідає рухові від вищих ступенів консолідації до нижчих; навпаки, операція підйому (drilling up) означає рух від нижчих рівнів до вищих.

Забезпечуючи багатовимірне концептуальне представлення бази даних, всі продукти ОLАР поділяються на три класи за моделлю БД:

1. МОLАР – Multidimensional OLAP- системи оперативної аналітичної обробки працюють тільки зі своїми власними багатовимірними базами даних. До них відносяться такі СУБД, як «Arbor Software», Oracle Express Server компанії «Oracle». Вони базуються на патентованих технологіях для багатовимірних CУБД (БСУБД) та є найбільш дорогими. Ці системи забезпечують пивний цикл ОLАР-обробки або включають в собі, крім серверного компонента, власний інтегрований клієнтський інтерфейс чи використовують для зв'язку з користувачем зовнішні програми роботи з електронними таблицями. Для обслуговування таких систем потрібен спеціальний штат співробітників, які займаються встановленням, супроводом системи, формуванням представлень даних для кінцевих користувачів. Найбільш могутнім (та найдорожчим) представником даного класу є СУБД SAS System компанії «SAS Institute» SAS System складається з безлічі підсистем-модулів, що дозволяють проектувати готові рішення, доповнені функціями OLАР та функціями інтелектуального аналізу.

2. RОLАР – Relational OLAPдозволили представляти дані, які зберігаються в класичній реляційній базі, у багатовимірній формі. До цього класу відносяться DSS/Server та DSS/Agent компанії «Micro Strategy», Metacube компанії «Informix», DecisionSuite компанії «Information Advanteger » та ін. ROLAP-системи добре пристосовані для роботи з великими сховищами. Подібно до систем МОLАР, вони вимагають значних витрат на обслуговування фахівцями з інформаційних технологій та передбачають одночасну роботу багатьох користувачів.

3. НОLАР- Hybrid ОLАР(з'явилися близько 1997 р.) - гібридні системи, розроблені з метою поєднання переваг та мінімізації недоліків, властивих попереднім класам. До цього класу відноситься СУБД Media/МR компанії «Speedware». За твердженням розробників, система типової НОLАР об'єднує аналітичну гнучкість та швидкість відповіді МОLАР з постійним доступом до реальних даних, притаманну RОLАР.

Крім оглянутих засобів, існує ще один клас - інструменти генерації запитів та звітів для настільних ПК, доповнені функціями ОЬАРі/або інтегровані із зовнішніми засобами, які виконують такі функції. Ці досить розвинені системи здійснюють вибір даних з початкових джерел, перетворюють їх та розміщують у динамічній багатовимірній БД, яка функціонує на клієнтській станції кінцевого користувача. Для роботи з невеликими, просто організованими базами ці засоби підходять найкращим чином. Основними представниками цього класу є BusinessObjects однойменної компанії, BrioQuery компанії «Brio Technology» та PowerPlay компанії «Cognos».

Читайте також:

<== попередня сторінка	\|	наступна сторінка ==>
Інструментальні засоби розробки і підтримки корпоративної інформаційної системи	\|	Особливості багатовимірного представлення даних

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.009 сек.