Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-21

1 <a>#статьи</a>

2 <ul><li>27 фев 2024</li>

3 <li>0</li>

4 </ul>Рассказываем об основах популярной технологии бизнес-аналитики.

5 Иллюстрация: Оля Ежак для Skillbox Media

6 Онлайн-журнал для тех, кто влюблён в код и информационные технологии. Пишем для айтишников и об айтишниках.

7 Хранилища данных можно разделить на три основных типа: SQL (реляционные), NoSQL (нереляционные) и OLAP. Они различаются между собой структурой хранения информации и областью применения.

8 OLAP-системы используются реже всего. Но без них не обойтись, если компания планирует работать с аналитическими системами, постоянно обрабатывающими огромные объёмы данных - терабайты и петабайты информации.

9 Содержание

10 <ul><li><a>Что такое OLAP-технология</a></li>

11 <li><a>Как выглядят OLAP-кубы</a></li>

12 <li><a>Какие подходы к хранению данных существуют</a></li>

13 <li><a>Из чего состоит OLAP-система</a></li>

14 <li><a>Какие преимущества есть у этого подхода</a></li>

15 <li><a>Где используется OLAP</a></li>

16 </ul>Оперативная аналитическая обработка данных (OLAP) - это технология, позволяющая в режиме реального времени получить определённый срез данных для их последующего анализа.

17 Звучит сложно, но давайте посмотрим на работу OLAP в жизни. Представим, что в агентстве недвижимости аналитикам необходимо оценить количество продаж и их доходность, чтобы выявить самые выгодные сделки за последний год. Благодаря этому они смогут понять, какие факторы влияют на стоимость недвижимости, а значит, и на прибыль компании, чтобы их оптимизировать.

18 Выгружать данные вручную долго, так как информация о сделках и финансовые показатели компании хранятся в разных хранилищах. Аналитику придётся вручную доставать нужные данные и пытаться найти между ними взаимосвязи.

19 OLAP-системы автоматизируют этот процесс и могут работать с разными хранилищами, содержащими разные типы данных, формируя общую выгрузку с учётом заданных критериев. И это не всё. После выгрузки информацию можно визуализировать для отчёта или поиска взаимосвязей между показателями.

20 Всё это возможно благодаря способности OLAP преобразовывать данные в OLAP-кубы и работать с ними.

21 В OLAP-системах информация хранится либо в реляционных базах, либо в виде специальных многомерных OLAP-кубов. Причём исходные данные для построения последних могут браться из обычных БД.

22 OLAP-куб - это многомерный массив данных. Каждая его грань содержит информацию только по одному признаку.

23 Разберём эту структуру на примере агентства недвижимости. Компания может хранить информацию о сделках в виде обычной таблицы с фамилиями риелторов и числом заключённых ими договоров. На выходе получаются привычные строки и столбцы:

24 Таблица с информацией о риелторах и числе их сделок.Иллюстрация: Skillbox MediaНо представим, что мы хотим посмотреть на то, как сделки каждого риелтора разбиты по месяцам года. Добавим в схему третье измерение:

25 OLAP-куб, объединяющий три показателя.Иллюстрация: Skillbox MediaЭто уже простой OLAP-куб с тремя показателями. Его можно усложнять и дальше, добавляя новые метрики. Например, информацию о месторасположении недвижимости по районам города.

26 Важно!

27 OLAP-кубы бывают разные. Некоторые из них хранят в себе и первичные данные, и результаты их предварительной обработки. А некоторые - только полученные после предварительного анализа агрегаты данных. При этом исходная информация хранится в связанных с кубом таблицах.

28 OLAP-куб используется для получения срезов данных по своим измерениям. Благодаря этому аналитик получает возможность не собирать информацию вручную из разрозненных таблиц, а обращаться только к одному источнику.

29 При этом такие срезы по разным показателям формируются автоматически при предварительной обработке данных. Это ускоряет выполнение запросов к хранилищу.

30 В OLAP-системах используют один из трёх вариантов хранения данных: MOLAP, ROLAP или HOLAP. Рассмотрим каждый из них.

31 MOLAP (multidimensional OLAP).Первичные данные и результат их обработки хранятся в виде классических OLAP-кубов, описанных в предыдущем разделе. Это самый быстрый метод из всех трёх - пользователь сразу извлекает по запросу любой срез хранящейся информации.

32 Но у подхода есть ограничение. Результат предварительной обработки данных - это таблицы, которые занимают большой объём памяти на сервере. Поэтому если первичной информации много, то MOLAP может не подойти.

33 ROLAP (relational OLAP) - исходные данные и результат их обработки хранятся в реляционных базах данных, а не в OLAP-кубе. Система проще по структуре, так как информация находится в обычных SQL-таблицах, но медленнее, чем MOLAP. Для получения каждого среза приходится отправлять несколько запросов к разным таблицам.

34 HOLAP (hybrid OLAP) - гибридная схема, объединяющая MOLAP и ROLAP. Первичная информация хранится в реляционной БД, а результат её анализа - в многомерном кубе. Этот вариант применяется чаще всего, так как использует сильные стороны обоих подходов.

35 В любой OLAP-системе есть несколько компонентов: хранилище, ETL-инструменты, сервер и аналитические инструменты.

36 Хранилище- место сбора и хранения данных, которые используются в анализе. В зависимости от принятой в компании системы - MOLAP, ROLAP или HOLAP - информация хранится в виде многомерных кубов, реляционных баз данных или в смешанном варианте.

37 ETL-инструменты (extract, transform, load)- набор средств извлечения, преобразования и загрузки данных в хранилище. Благодаря им информация собирается, предварительно обрабатывается и сохраняется в MOLAP, ROLAP или HOLAP для последующего анализа.

38 Серверуправляет всей системой OLAP, а также извлекает с помощью ETL-методов информацию и обрабатывает её, формируя агрегаты данных.

39 Аналитические инструментынужны для взаимодействия между пользователями и хранилищем. Например, они обрабатывают запрос аналитика и передают его в хранилище, получая ответ в нужном виде. К ним относят<a>Oracle Essbase</a>,<a>Microsoft SQL Server Analysis Services</a>,<a>ClickHouse от "Яндекса"</a>и другие системы.

40 Популярность технологии оперативной обработки данных связана с её особенностями:

41 Пользователь имеет неограниченный доступ к данным.Он может получить любую информацию в полном объёме в любой момент.

42 Данные хранятся в одном месте, поэтому нет необходимости учитывать особенности работы с каждым отдельным хранилищем, настраивать их взаимодействие и вручную искать конкретную информацию.

43 Высокая скорость предоставления данных, так как они хранятся в предобработанном виде. Другие системы, где информация собирается из разных БД, требуют больше времени для формирования ответа на запрос.

44 Уровень детализации точно настраивается.Пользователь OLAP-системы сам определяет точность и глубину выдаваемых данных. Например, можно сделать обобщённый запрос о том, сколько всего было проведено сделок в компании за год. А можно добавить в него информацию о каждой конкретной сделке: дате, сумме, с кем она была проведена и так далее.

45 OLAP - это инструмент, используемый в Business Intelligence. Такие системы собирают информацию из разных источников, обрабатывают её и представляют в виде удобных отчётов.

46 Что можно сделать с помощью OLAP:

47 <ul><li>изучить потребности клиентов и оценить востребованность товаров в онлайн-магазине;</li>

48 <li>оценить эффективность логистики и оптимизировать маршруты;</li>

49 <li>управлять ресурсами компании, находя свободные и предупреждая их дефицит с помощью изменений в закупках;</li>

50 <li>подготовить финансовые, товарные и другие виды отчётов;</li>

51 <li>найти причины снижения выручки и прибыли, определить механизмы их устранения и так далее.</li>

52 </ul>Поэтому технология оперативной аналитической обработки данных используется для решения различных задач в:

53 <ul><li>складском учёте товаров;</li>

54 <li>онлайн- и офлайн-продажах;</li>

55 <li>организации логистики товаров;</li>

56 <li>маркетинговых исследованиях;</li>

57 <li>учёте качества обслуживания клиентов и других.</li>

58 </ul>Подведём итоги того, что мы сегодня узнали:

59 <ul><li>OLAP (оперативная аналитическая обработка данных) - это BI-технология, позволяющая в режиме реального времени анализировать данные, полученные из разных источников.</li>

60 <li>В её основе лежат OLAP-кубы - многомерные массивы данных, объединяющие в себе информацию из большого числа таблиц с её предварительной обработкой.</li>

61 <li>OLAP-системы используются в логистике, онлайн- и офлайн-продажах, работе с клиентами и других сферах, где требуется собирать и анализировать большой объём данных для поиска лучших бизнес-решений.</li>

62 </ul>Data Science с нуля: пробуем профессии на практике за 5 дней

63 Вы разберётесь в трёх главных направлениях data science: машинном обучении, разработке на Python и визуализации данных. Решите, какая сфера вам ближе, и выполните 4 реальные задачи с данными.

64 <a>Пройти бесплатно</a>

65 <a>Попробуйте data science на бесплатном курсеПройдите курс по data science и изучите 3 направления в работе с данными. Решите, в какой сфере хотите развиваться дальше, и получите ценные подарки. Пройти курс →</a>