Технологии автоматизации аналитических исследований
Современная классификация аналитических систем строится с учетом появления новых технологий, изменения уровня востребованности аналитических систем в банках и на предприятиях, с учетом роста подготовленности среднестатистического сотрудника организации к восприятию аналитики. В табл. 1 приведена наиболее полная классификация систем аналитических исследований.
Рассмотрим основные компоненты в классификации систем аналитических исследований. Согласно классификации компании IDC, рынок BI состоит из 5 сегментов: 1) OLAP-продуктов, 2) инструментов добычи данных, 3) средств построения хранилищ и витрин данных, 4) управленческих информационных систем и приложений, 5) инструментов конечного пользователя для выполнения запросов и построения отчетов.
Таблица 1
Классификация систем аналитических исследований
OLAP-продукты классифицируются по трем основным признакам: по способу хранения данных, по месту нахождения OLAP-машины, а также по степени готовности к применению. Таблица классификации программно-аппаратных продуктов систем аналитических исследований представлена ниже (табл. 2):
Таблица 2
Классификационные признаки систем аналитических исследований
|
Основание для классификации |
Классификационные признаки |
|
Способ хранения данных
Место размещение OLAP-машины
Степень готовности
Инструменты добычи данных
Средства построения хранилищ и витрин данных
Инструменты конечного пользователя для выполнения запросов и построения отчётов |
Многомерные OLAP-продукты (MOLAP), исходные и многомерные данные хранятся в многомерной БД или в многомерном локальном кубе, что обеспечивает высокую скорость выполнения OLAP-операций. Реляционные OLAP (ROLAP), исходные данные хранятся в реляционной БД или в плоских локальных таблицах на файл сервере. Гибридные OLAP (HOLAP), исходные данные остаются в реляционной базе, а агрегаты размещаются в многомерной. OLAP-серверы, вычисления и хранения данных выполняются сервером, клиентское приложение получает результаты запросов к многомерным кубам, хранящимся на сервере. Некоторые OLAP-серверы поддерживают 3 способа хранения данных (см. выше). OLAP-клиенты, построение многомерного куба и OLAP вычисления выполняются в памяти клиентского компьютера. OLAP-клиенты также поддерживают 3 способа хранения (см. выше) OLAP компоненты, с помощью которых разрабатывается клиентские OLAP программы; а также инструментальные OLAP системы, предназначенные для создания аналитических приложений и бывают системами для программирования и системами для быстрой настройки. Конечные OLAP-приложения – это готовые прикладные решения для конечного пользователя, требующие только установки и настройки.
Методы добычи данных – являются составной частью процесса поиска полезных знаний в разрозненных данных. Дерево решений – позволяет представить правила в иерархической структуре. Ассоциативные правила – позволяют находить закономерности между связанными событиями. Генетические алгоритмы – применяются для решения задач оптимизации. Нейронные сети – реализуют алгоритмы обратного распространения. Ошибки и применяются для восстановления пропуска данных, прогнозирования и поиска закономерностей. Средства построения хранилищ данных: средства проектирования хранилищ данных входят в состав реляционных и многомерных СУБД; средства извлечения , преобразования и загрузки данных обеспечивают процессы при переносе данных из одного приложения или системы в другую; готовые предметно-ориентированные данные, в которых уже имеются механизмы построения хранилищ и витрин данных. Инструменты выполнения запросов и построения отчётов предназначены для формирования запросов к ИС в пользовательских терминах, их исполнения, просмотр полноценных отчётов. Эти системы могут быть встроены в состав OLAP-систем. |