Indhold
- Definition - Hvad betyder Online Analytical Processing (OLAP)?
- En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
- Techopedia forklarer Online Analytical Processing (OLAP)
Definition - Hvad betyder Online Analytical Processing (OLAP)?
Online analytisk behandling (OLAP) er et koncept på højt niveau, der beskriver en kategori af værktøjer, der hjælper i analysen multidimensionelle forespørgsler.
OLAP blev til på grund af den enorme kompleksitet og den rene vækst, der er forbundet med forretningsdata i løbet af 1970'erne, da informationsvolumen og type blev for tung til tilstrækkelig analyse gennem enkle SQL-forespørgsler (strukturerede forespørgsler).
En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
Techopedia forklarer Online Analytical Processing (OLAP)
Traditionel SQL's data-sammenligningsevne er begrænset. For eksempel kan SQL styre forespørgsler, såsom en liste over salgsagenter, sammenlignet med salgsvolumenhistorier. Med større datamængder kan det imidlertid være overvældende bare at bruge SQL og svært at oversætte data til information, der let letter beslutningstagning. Det er vanskeligt at besvare visse spørgsmål i SQL, f.eks. Hvorfor varesalget er højere i midten af måneden, eller hvorfor kvindelige salgsagenter konsekvent overgår deres mandlige kolleger i løbet af sommeren.
Ved at erkende, at relationelle databaser har iboende begrænsninger, skabte producenter nye måder at repræsentere komplekse dataforhold og analysere resultater for at skelne skjulte og tidligere ukendte mønstre og tendenser.
En case study om OLAPs potentiale voksede ud fra en stor forhandlers brug af OLAP-værktøjer til data mining. Denne forhandler bemærkede, at køb af babyprodukter om aftenen korrelerede med øgede ølkøb om sent nat. Oprindeligt virkede dette som en tilfældighed, men en dybere kundeanalyse afslørede, at kunder om aftenen for det meste var unge fædre i midten til slutningen af tyverne eller begyndelsen af trediverne - en demografisk også forbundet med den disponible indkomst om aftenen. Baseret på disse data begyndte detailhandlere på tværs af merchandising til babyprodukter og øl, og det samlede salg af begge produktlinjer skyrocketed.
Denne casestudie beviste, hvordan OLAP udstyrer forskere til at uddybe og afdække dataforhold mellem tilsyneladende ikke-relaterede begivenheder og tendenser og dermed forbedre forretningsbeslutningen.