Qu'est-ce que OLAP Cube dans Excel? Les principaux paramètres du système. Les principales caractéristiques de OLAP comprennent

/ D'une manière cubiste. Application des cubes OLAP dans la pratique de la gestion de grandes entreprises

En contact avec

Odnoklassniki.

Konstantin Tokmachev, architecte système

De manière cubiste.
Application des cubes OLAP dans la pratique de la gestion de grandes entreprises

Peut avoir déjà passé le temps quand ressources de calcul Les sociétés ont été dépensées uniquement pour l'enregistrement des rapports d'information et de comptabilité. Dans le même temps, les décisions de gestion ont été prises «sur les yeux» dans les cabinets, lors de réunions et de réunions. Il est possible qu'en Russie, il est temps de retourner aux complexes informatiques d'entreprise, leurs principales tâches de gestion de la résolution de ressources basées sur des données enregistrées dans l'ordinateur de données.

Sur les avantages de l'intelligence des entreprises

Dans le circuit de contrôle de la société entre les "données brutes" et "leviers" de l'impact sur l'objet géré, il existe des "indicateurs de travail" - KPI. Ils forment un "tableau de bord", reflétant l'état de différents sous-systèmes d'un objet géré. Pour équiper la société avec des indicateurs de performance informatifs et contrôler leur calcul et les valeurs obtenues sont les travaux d'une analyse métier. L'assistance essentielle pour organiser les sociétés de travail analytique est en mesure de fournir des services d'analyse automatisés, tels que MS Utility serveur SQL Services d'analyse (SSAS) et sa disposition principale - OLAP-Cube.

Oui, vous devez faire une autre remarque. Par exemple, dans la tradition américaine, une spécialité orientée opérée avec des cubes OLAP est appelée bi (Business Intelligence). Il ne devrait y avoir aucune illusion, comme si la Bi américaine correspond à l'analyste des affaires russe. Aucune infraction, mais souvent notre analyste d'affaires est un "non-bourse" et "non-propéramiste", un spécialiste des connaissances floues et avec un petit salaire, ce qui n'a pas vraiment d'outils et de méthodologie.

Le spécialiste BI est en fait des mathématiciens appliqués, un spécialiste de la classe haute qui a acheminé la société moderne méthodes mathématiques (Ce qu'on appelle les opérations ReSEARH - Méthodes de recherche des opérations). BI plus correspond à la première une fois dans l'URSS Specialty "System Analyste", produite par la Faculté de l'IMK MSU. M.v. Lomonosov. Les services OLAP-Cube et Analysis peuvent être une base prometteuse pour le lieu de travail de l'analyste des affaires russe, éventuellement après une augmentation de ses qualifications pour la BI américaine.

DANS dernièrement Il y avait une autre tendance néfaste. En raison de la spécialisation, la compréhension mutuelle entre différentes catégories de travailleurs de la société est perdue. Comptable, responsable et programmeur, comme "Swan, Cancer Oui Pike" à Basne I.A. Krylov, tirez la société dans différentes directions.

Le comptable est occupé à signaler, sa somme et sa signification et sa dynamique ne sont pas directement liées au processus métier de la Société.

Le gestionnaire est engagé dans son segment de processus métier, mais il n'est pas capable d'évaluer globalement, au niveau de la société dans son ensemble, des résultats et des perspectives de leurs actions.

Enfin, un programmeur qui était autrefois (grâce à l'éducation) conducteur d'idées techniques avancées de la science des activités dans le domaine des affaires, s'est transformée en un interprète passif de fantasmes d'un comptable et de gestionnaire, donc plus lorsque les services informatiques des sociétés sont inférieur aux comptables et tout pas trop paresseux. Le programmeur 1c est une véritable plage de sociétés russes. (Presque comme un joueur de football domestique.) Je ne parle pas des soi-disant "économistes et avocats", tout est dit à leur sujet.

Ainsi, la position d'une analyse commerciale équipée d'un appareil de haute technologie SSAS, qui détient la programmation et la comptabilité AZA, est en mesure de consolider les travaux de la société concernant l'analyse et les prévisions du processus métier.

Avantages des cubes OLAP

OLAP Cube est un moyen moderne d'analyser la base de données d'entreprise système informatique, permettant aux employés de tous les niveaux de la hiérarchie par l'ensemble d'indicateurs requis qui caractérise le processus de production de la société. Ce n'est pas seulement qu'une interface conviviale et une langue de requête flexible sur MDX (expressions multidimensionnelles) vous permettent de formuler et de calculer les indicateurs analytiques nécessaires, mais à une vitesse remarquable et à la facilité avec laquelle il fait un cube OLAP. De plus, ces rapides et la facilité, dans des limites connues, ne dépendent pas de la complexité des calculs et du volume de la base de données.

Une idée de olap-
cuba peut donner une "table récapitulative" MS Excel. Ces objets ont une logique similaire et des interfaces similaires. Mais, comme on le verra de l'article, la fonctionnalité OLAP est incomparablement plus riche et la performance est incomparablement plus élevée, de sorte que le "tableau récapitulatif" reste un produit de bureau local, tandis que OLAP est un produit de niveau d'entreprise.

Pourquoi OLAP-CUBE est-il si bon pour la résolution des tâches analytiques? L'OLAP-CUBE est disposé de manière à ce que tous les indicateurs de toutes les réductions possibles soient calculés à l'avance (en tout ou en partie), et l'utilisateur reste "retirer" les indicateurs requis (mesures de mesures) et des coupes (dimensions dimensions ), et redessinez les signes.

Tous les analystes possibles de toutes les coupes forment un champ énorme, ou plutôt, pas le champ, mais juste un cube OLAP multidimensionnel. Avec n'importe quelle demande, l'utilisateur (gestionnaire, analyse commercial, gestionnaire) a adressé le service d'analyse, la vitesse de réponse est expliquée par deux choses: premièrement, les analyses requises peuvent être facilement formulées (ou sélectionnées dans la liste par nom ou sont définies. Par la formule de MDX), deuxièmement, en règle générale, il est déjà calculé.

Le libellé d'analyse est possible en trois versions: il s'agit du champ de base de données (ou plutôt du champ d'entrepôt) ou du champ de calcul, déterminé au niveau de conception Cuba, soit l'expression de la langue MDX dans le travail interactif avec le cube.

Cela signifie plusieurs caractéristiques attrayantes des cubes OLAP à la fois. En fait, la barrière disparaît entre l'utilisateur et les données. La barrière sous la forme d'un programmeur d'application auquel, d'abord, vous devez expliquer le problème (mettre la tâche). Deuxièmement, vous devez attendre que le programmateur d'application crée l'algorithme, écrira et déboguera le programme, puis il peut être modifié. Si les employés ont beaucoup et que leurs exigences sont variées et modifiables, vous avez besoin d'une équipe complète. logiciel appliquéterre. En ce sens, l'OLAP-CUBE (et un analyste d'entreprise qualifié) en termes de travail analytique remplace toute la commande des programmeurs d'application, tout comme une puissant excavatrice avec une excavatrice lors de la creuser un fossé remplace une brigade entière de travailleurs migrants avec des pelles!

Dans le même temps, une autre qualité très importante des données analytiques obtenues est obtenue. Depuis que le Cube OLAP est un à l'entreprise entière, c'est-à-dire C'est le même champ avec les analystes du tout, puis une dispersion agaçante est exclue dans les données. Lorsque le gestionnaire doit poser la même tâche à plusieurs employés indépendants d'exclure le facteur de subjectivité, et ils apportent toujours des réponses différentes que chacun prend quelque chose à expliquer, etc. L'OLAP-Cube fournit une uniformité des données analytiques à différents niveaux de la hiérarchie d'entreprise, c'est-à-dire Si le gestionnaire souhaite détailler un certain indicateur qui l'intéresse, il arrivera certainement aux données de niveau inférieur que ses travaux subordonnés, et ce sera simplement les données sur la base de laquelle l'indicateur de niveau supérieur est conçu et non Autres données, obtenues par une autre manière, à un autre moment, etc. C'est-à-dire que toute la société voit la même analyse, mais à différents niveaux de consolidation.

Donnons un exemple. Supposons que le leader contrôle les créances. Alors que les créances en retard de KPI "Burns Green", cela signifie que tout est normal, aucune action de gestion n'est requise. Si la couleur a changé en jaune ou rouge - quelque chose ne va pas: Coupez le KPI sur les départements de vente et voir immédiatement la division "en rouge". La prochaine incision par les gestionnaires - et le vendeur dont les clients traversaient les paiements définis. (En outre, la quantité de retard peut être réduite par les acheteurs, selon les termes, etc.) Le chef de la Société peut contacter directement les contrevenants à n'importe quel niveau. Mais en fait, le même KPI (à ses niveaux de la hiérarchie), voir les chefs des ministères et les responsables de la vente. Par conséquent, afin de corriger la situation, ils n'ont même pas besoin d'attendre un "appel à la moquette" ... Bien sûr, KPI elle-même ne doit pas nécessairement être la quantité de retard - elle peut être une période moyenne pondérée de retard ou de rapidité générale des comptes clients.

Il convient de noter que la complexité et la flexibilité du langage MDX ainsi que l'obtention rapide (parfois instantanée) obtenant le résultat vous permettent de résoudre (en tenant compte des étapes de développement et de débogage) des tâches de gestion complexes, qui, dans d'autres conditions, ne peuvent pas être Élevé du tout en raison des considérations de main-d'œuvre pour les programmeurs d'applications et une incertitude initiale dans la production. (Le moment prolongé des solutions par les programmeurs d'applications de tâches analytiques dues à des modifications mal comprises et de longues modifications de programmes lors de l'évolution des conditions est souvent trouvée dans la pratique.)

Nous faisons également attention au fait que chaque employé de la société peut collecter l'analyste OLAP du champ commun exactement la récolte qu'il a besoin de travailler et ne contentit pas à cette "bande", qui est réduite en "rapports standard" communaux.

Interface de travail multijoueur avec OLAP-Cube dans le mode client-serveur permet à chaque employé, indépendamment des autres d'avoir sa propre (même sa propre fabrication avec une compétence), des blocs d'analyse (rapports), qui, en étant définis, sont automatiquement mises à jour - dans Plus simplement, toujours dans la condition pertinente.

C'est-à-dire que le cube OLAP vous permet de faire un travail analytique (qui est généralement engagé non seulement par des analystes de note, mais, en fait, presque tous les employés de la société, même des logistes et des gestionnaires, contrôlant les vestiges et les envois) plus sélectif » Avec une personne non générale exprimant «Qu'est-ce qui crée des conditions d'amélioration du travail et d'accroître la productivité.

Résumant notre introduction, nous notons que l'utilisation de cubes OLAP peut augmenter la gestion de la société à un niveau supérieur. L'uniformité des données analytiques à tous les niveaux de hiérarchie, de leur authenticité, de leur authenticité, de leur complexité, de la facilité de création et de modification des indicateurs, de l'individualité de la configuration, de la vitesse de traitement de données élevée, d'économiser de l'argent et du temps consacrés à l'appui des chemins d'analyse alternatifs (programmeurs d'application, employé indépendant calculs), perspectives ouvertes pour l'utilisation de cubes OLAP dans la pratique des grandes entreprises russes.

OLTP + OLAP: Circuit de retour dans la chaîne de gestion

Envisagez maintenant l'idée générale des cubes OLAP et de leur point d'application dans la chaîne de gestion de la société. Le terme OLAP (traitement analytique en ligne) a été introduit par le mathématicien britannique de l'Ergar Coddo en plus des termes OLTP entrés précédemment (traitement des transactions en ligne). Cela sera dit, mais E. Codd, bien sûr, a suggéré non seulement les termes, mais également des théories mathématiques d'OLTP et OLAP. Sans entrer dans les détails, l'interprétation moderne de l'OLTP est une base de données relationnelle, considérée comme un mécanisme d'enregistrement, de stockage et d'échantillonnage d'informations.

Solution de méthodologie

Systèmes ERP (planification des ressources de l'entreprise), sous forme de 1c7, 1c8, MS Dynamics AX, a des interfaces logicielles orientées par l'utilisateur (entrez et ajustez les documents, etc.) et une base de données relationnelle (DB) pour stocker et échantillonner les informations présentées aujourd'hui des produits logiciels tels que en tant que serveur MS SQL (SS).

Notez que les informations enregistrées dans la base de données ERP-SYSTEM sont en fait une ressource très précieuse. Le but n'est pas seulement que les informations enregistrées fournissent le flux de documents actuel de la Société (l'état des documents, leur ajustement, la possibilité d'impression et de rapprochement, etc.) et non seulement dans la possibilité de calculer les déclarations comptables (taxes, audit, etc.). Du point de vue de la gestion, il est beaucoup plus important que le système OLTP (base de données relationnelle) soit, en fait, un modèle numérique à jour des activités de la société en taille réelle.

Mais pour gérer le processus, il ne suffit pas d'enregistrer des informations à ce sujet. Le processus doit être représenté comme un système d'indicateurs numériques (KPI), caractérisant son mouvement. De plus, des valeurs valides doivent être définies pour les indicateurs. Et uniquement si la valeur de l'indicateur dépasse l'intervalle admissible, l'effet de contrôle doit être suivi.

Concernant cette logique (ou la mythologie) du contrôle ("Gestion de l'écart") Convergence et l'ancien philosophe grec de la platine, créant une image de l'alimentation (cybersois), qui lignes sur la pagaie, lorsque le bateau s'écarte du cours et de l'Américain Mathematicien Norbert Wiener qui a créé la science de la cybernétique à la veille des ordinateurs.

En plus du système d'enregistrement d'informations habituel de la méthode OLTP, vous avez besoin d'un autre système - un système d'analyse informations collectées. Cette superstructure, qui dans le circuit de commande joue le rôle de rétroaction entre le manuel et l'objet de contrôle, est le système OLAP ou, en bref, le cube OLAP.

En tant que mise en œuvre du logiciel de OLAP, nous examinerons l'utilitaire des services d'analyse MS, qui fait partie de la livraison standard MS SQL Server, Abrévied SSAS. Il convient de noter que, selon l'idée de E. Codd OLAP-Cube de l'analyste, il convient de donner la même liberté d'action globale que le système OLTP et la base de données relationnelle (SQL Server) sont fournis dans le stockage et l'échantillon d'informations. .

Matériel OLAP et support technique

Envisagez maintenant de la configuration spécifique des périphériques externes, des programmes d'application et des opérations technologiques, sur lesquels le travail automatisé Cuba OLAP Cuba est basé.

Nous supposons que la société utilise le système ERP, par exemple 1C7 ou 1C8, dans lequel les informations sont enregistrées comme d'habitude. La base de données de ce système ERP est située sur un certain serveur et est prise en charge par le programme MS SQL Server.

Nous supposons également que l'autre serveur est installé sur l'autre serveur, qui inclut MS SQL Server avec l'utilitaire de services d'analyse MS (SSAS), ainsi que sur les programmes MS SQL Server Mangement Studio, MS C #, MS Excel et MS Programmes. Visual Studio.. Ces programmes forment ensemble le contexte souhaité: Toolkit et les interfaces de développeur cubiques OLAP nécessaires.

Le serveur SSAS dispose d'un programme de blat distribué librement appelé (avec des paramètres) de la ligne de commande et de fournir un service postal.

Sur les postes de travail des employés, au sein du réseau local, entre autres, les programmes MS Excel sont installés (versions d'au moins 2003), ainsi que peut-être un conducteur spécial pour assurer MS Excel avec des services d'analyse MS (à moins que le conducteur approprié ne soit pas plus longtemps inclus dans MS Excel).

Pour définitivement, nous supposons que les employés sont installés sur des postes de travail système opérateur Windows XP et sur des serveurs - Windows Server 2008. De plus, Server MS SQL Server 2005 est utilisé comme SQL Server et Edition Enterprise Edition (EE) ou Developer Edition (DE) est installé sur le serveur avec OLAP Cube. Dans ces éditions, il est possible d'utiliser le soi-disant. "Mesures semi-adresses", c'est-à-dire Fonctions agrégées supplémentaires (statistiques), différentes des sommes ordinaires (par exemple, extremum ou valeur moyenne).

Design OLAP Cuba (Olap Cubism)

Disons quelques mots sur la conception de l'OLAP Cuba. Dans la langue des statistiques OLAP-Cube, il s'agit de nombreux indicateurs de performance calculés dans toutes les réductions nécessaires, par exemple, l'indicateur d'expédition en coupes par les acheteurs, par des marchandises, par dates, etc. En raison de la traduction directe de l'anglais dans la littérature russe sur les cubes OLAP, les indicateurs sont appelés «mesures» et les coupures sont des «dimensions». Ceci est mathématiquement correct, mais syntaxiquement et sémantiquement pas très bonne traduction. Les mots russes "mesure", "mesure", "dimension" ne différaient presque pas de sens et d'écriture, tandis que la "mesure" britannique et "dimension" sont différentes et en écrivant et au sens. Par conséquent, nous préférons semblables au sens des termes statistiques russes traditionnels «indicateurs» et «coupés».

Il existe plusieurs options pour la mise en œuvre du logiciel du cube OLAP par rapport au système OLTP où les données sont connectées. Nous ne considérerons qu'un seul schéma, le plus simple, fiable et rapide.

Dans ce schéma, OLAP et OLP n'ont pas de tableaux communs et les analystes OLAP sont calculés aussi détaillés que possible à la phase de mise à jour de Cuba (processus) précédant la phase d'utilisation. Ce schéma s'appelle Molap (OLAP multidimensionnelle). Ses minus sont asynchrones avec ERP et des coûts de mémoire élevés.

Bien que officiellement, le cube OLAP puisse être construit à l'aide de toutes les (mille) tables de la base de données relationnelle du système ERP et de tous (centaines) de leurs champs comme indicateurs ou incisions, il n'est pas possible de le faire. Au contraire. Pour charger dans les cubes, il est plus correct de préparer une base de données distincte appelée "Showcase" ou "Warehouse".

Plusieurs raisons sont forcées de le faire.

• tout d'abord, La liaison d'un cube OLAP aux tables de base de données réelles créera certainement problèmes techniques. La modification des données dans le tableau peut initier une mise à jour d'un cube et la mise à jour du cube n'est pas nécessaire. processus rapideDonc, le cube sera dans un état de restructuration permanente; Dans le même temps, la procédure de mise à jour du cube peut bloquer (lors de la lecture) des données des tables de base, est inhibée par le fonctionnement des utilisateurs pour enregistrer des données dans le système ERP.
• en deuxième, La présence de trop d'indicateurs et de coupures augmentera considérablement la zone de stockage du cube sur le serveur. Il n'oubliera pas qu'en Olap Cuba, non seulement les données source sont stockées, comme dans le système OLTP, ainsi que tous les indicateurs résumés pour toutes les coupes possibles (et même dans toutes les combinaisons de toutes les coupes). En outre, en conséquence, la vitesse de mise à jour du cube ralentit et à la fin de la vitesse de construction et de mise à jour des rapports d'analyste et d'utilisateur basé sur l'utilisateur.
• Troisièmement, trop un grand nombre de Les champs (indicateurs et coupes) créeront des problèmes dans l'interface de développeur OLAP, car Les listes d'éléments deviendront incroyables.
• Quatrièmement OLAP-CUBE est très sensible aux violations de l'intégrité des données. Le cube ne peut pas être construit si les données clés ne sont pas sous la référence, prescrites dans la structure des liens CUBE. Violation temporaire ou constante de l'intégrité, des champs non remplis - la chose habituelle dans la base de données système ERP, mais elle ne convient pas catégoriquement pour OLAP.

Vous pouvez toujours ajouter que le système ERP et le cube OLAP doivent être placés sur différents serveurs pour diviser la charge. Mais alors, s'il y a des tables courantes pour OLAP et OLTP, le problème du trafic réseau se produit également. Des problèmes pratiquement intraits apparaissent dans ce cas si vous avez besoin de la consolidation d'un cube OLAP-cube de plusieurs systèmes ERP hétérogènes (1C7, 1C8, MS Dynamics AX).

Probablement, vous pouvez continuer à résoudre les problèmes techniques en vrac. Mais surtout, rappelez-vous que, contrairement à OLPP, OLAP n'est pas un moyen d'enregistrement et de stockage de données, mais un moyen d'analyse. Cela signifie qu'il n'est pas nécessaire de "juste au cas où" expédier et expédier des données "sales" de ERP à OLAP. Au contraire, vous devez d'abord développer le concept de gestion de la société, au moins au niveau du système de KPI, et construisez davantage le stockage de données (entrepôt) situé sur le même serveur que le cube OLAP et contient une petite quantité raffinée de données de l'ERP requises pour gérer.

Sans promouvoir les mauvaises habitudes, le cube OLAP par rapport à OLTP peut être comparé par le bien connu "Cuba distillé", par lequel le "produit propre" est extrait de la "masse soignée" de l'enregistrement réel.

Nous avons donc obtenu que la source de données pour OLAP est une base de données spéciale (entrepôt) située sur le même serveur que OLAP. En général, cela signifie deux choses. Premièrement, il doit y avoir des procédures spéciales qui créeront des entrepôts des bases de données ERP. Deuxièmement, l'asynchrone de Cube OLAP avec ses systèmes ERP.

Compte tenu de ce qui précède, nous offrons la version suivante de l'architecture de processus informatique.

Solutions d'architecture

Laissez sur différents serveurs, il existe de nombreux systèmes ERP d'une certaine société (détention), de données analytiques pour lesquelles nous souhaitons consolider voir dans un cube OLAP. Nous soulignons que dans la technologie décrite, nous combinons les données des systèmes ERP au niveau des entrepôts, laissant la conception inchangée du Cube OLAP.

Sur le serveur OLAP, nous créons des images (copies vides) de tous ces systèmes ERP. Nous sommes périodiquement (tout le monde) à ces copies vides, nous effectuons une réplication partielle des bases de données de l'ERP activement actif correspondant.

En outre, SP (procédure stockée) sont lancés, qui sur le même serveur OLAP sans trafic réseau basé sur des bases de données de répliques partielles des systèmes ERP créent (ou reconstituer) stockage (entrepôt) - source data OLAP.-Cuba.

Ensuite, la procédure de mise à jour / de construction de cube standard est lancée selon l'entrepôt (fonctionnement du processus dans l'interface SSAS).

Nous commentantons les moments individuels de la technologie. Quel travail SP est effectué?

À la suite d'une réplication partielle, sous la forme d'un système ERP sur le serveur OLAP, les données actuelles apparaissent. Au fait, une réplication partielle peut être effectuée de deux manières.

Tout d'abord, de toutes les tables de la base de données système ERP lors de la réplication partielle, seuls ceux qui sont nécessaires pour construire des entrepôts sont copiés. Ceci est géré par une liste fixe de noms de table.

Deuxièmement, la partie de la réplication peut également signifier que tous les champs de terrain ne sont pas copiés, mais uniquement ceux impliqués dans la construction de l'entrepôt. La liste des champs de la copie est soit définie, soit une création dynamique dans SP dans l'image de la copie (s'il n'y a pas tous les champs de la copie du tableau).

Bien sûr, il est possible de ne pas copier entièrement les rangées des tables, mais n'ajoutez que de nouvelles entrées. Cependant, cela crée de graves inconvénients lors de la prise du personnel éditorial de l'ERP "Arrière", qui se trouve souvent dans des systèmes de travail réellement. Il est donc plus facile, sans être causant de la garde, copiez tous les enregistrements (ou mettez à jour la «queue» à compter de la date).

Ensuite, la tâche principale SP est de convertir des données ERP au format Warehouse. S'il n'y a qu'un seul système ERP, la tâche de conversion est principalement réduite au sciage et, éventuellement, reformatant les données nécessaires. Mais si dans le même OLAP Cuba, il est nécessaire de consolider plusieurs systèmes ERP de structures différentesLa transformation est compliquée.

La tâche de consolidation dans un cube de plusieurs systèmes ERP différents est particulièrement difficile, si les ensembles de leurs objets (livres de référence, contreparties, entrepôts, etc.) sont partiellement intersect, des objets ont une signification, mais décrit naturellement de différentes manières de la Livres de référence de différents systèmes (dans le sens des codes, des identificateurs, des titres, etc.).

En réalité, une telle image se pose dans une importante tenue, lorsque plusieurs composantes de ses sociétés autonomes de type unique effectuent les mêmes types d'activités sur le même territoire, mais utilisent leurs propres systèmes d'enregistrement et leurs propres systèmes d'enregistrement. Dans ce cas, lors de la consolidation des données au niveau des entrepôts, ne faites pas de cartographie des tables auxiliaires.

Nous allons accorder une attention à l'architecture de référentiel d'entrepôt. Habituellement, le schéma OLAP Cuba est représenté comme une "star", c'est-à-dire En tant que tableau de données, entouré de "rayons" de livres de référence - Tables de valeurs des clés secondaires. La table est un bloc d'indicateurs, les livres de référence sont leurs coupes. Dans le même temps, le livre de référence, à son tour, peut être un arbre asymétrique arbitraire ou une hiérarchie équilibrée, par exemple une classification à plusieurs niveaux de biens ou de contreparties. Dans OLAP Cuba, les champs numériques de la table de données de l'entrepôt deviennent automatiquement des "indicateurs" (ou des mesures de mesures) et les sections (ou dimensions de dimensions) peuvent être déterminées par les tables de clé secondaire.

Ceci est une description visuelle "pédagogique". En fait, l'architecture du cube OLAP peut être beaucoup plus compliquée.

Premièrement, l'entrepôt peut être composé de plusieurs "étoiles", éventuellement liées par des annuaires généraux. Dans ce cas, le cube OLAP sera fusionné plusieurs cubes (plusieurs blocs de données).

Deuxièmement, le «faisceau» de l'astérisque peut ne pas être un seul livre de référence, mais un système de fichiers entiers (hiérarchique).

Troisièmement, sur la base des coupes de dimension existantes, de nouvelles réductions hiérarchiques peuvent être déterminées (disons, avec un plus petit niveau de niveaux, avec un autre niveau de niveaux, etc.).

Quatrièmement, sur la base des indicateurs existants et des coupures lors de l'utilisation des expressions de langue MDX, de nouveaux indicateurs peuvent être définis (calculs). Il est important de noter que de nouveaux cubes, de nouveaux indicateurs, de nouvelles coupes sont automatiquement complètement intégrées aux éléments source. Il convient également de noter que les calculs malheureusement formulés et les coupes hiérarchiques peuvent ralentir considérablement le fonctionnement du cube OLAP.

MS Excel comme une interface avec OLAP

Un intérêt distinct est une interface utilisateur avec des cubes OLAP. Naturellement, l'interface la plus complète fournit une utilité SSAS elle-même. Il s'agit de la boîte à outils OLAP Cube Developer et d'un constructeur de rapports interactif et d'une fenêtre de travail interactive avec un cube OLAP par des demandes dans la langue MDX.

En plus des SSAS lui-même, de nombreux programmes fournissent une interface avec OLAP, dans une large mesure ou moins couvrant leur fonctionnalité. Mais parmi eux, il y en a un, qui, à notre avis, a des avantages indéniables. C'est Mme Excel.

L'interface MS Excel fournit un pilote spécial, individuellement téléchargeable ou inclus dans Excel. Il ne couvre pas toute la fonctionnalité OLAP, mais avec la croissance des versions MS Excel, cette couverture devient de plus en plus (disons, l'image graphique KPI apparaît dans MS Excel 2007, qui n'était pas dans MS Excel 2003, etc.).

Bien entendu, en plus de fonctionnalités assez complètes, le principal avantage de MS Excel est la distribution généralisée de ce programme et de la connaissance étroite avec le nombre accablant d'utilisateurs de bureaux. En ce sens, contrairement à d'autres programmes d'interface, la société n'a pas besoin d'acquérir en outre d'acquérir et personne n'a besoin d'être adressé.

Le grand avantage de MS Excel en tant qu'interface OLAP est la possibilité de traiter de manière approfondie les données de processus obtenues dans le rapport OLAP (c'est-à-dire des données de recherche continues obtenues à partir d'OLAP sur d'autres feuilles de la même Excel, plus avec des outils OLAP, mais des outils Excel conventionnels. ).

Cycle de traitement FACUBI ELEXUEL

Nous décrivons maintenant le cycle de calcul quotidien (le blanc) de l'opération OLAP. Le calcul est effectué sous le contrôle du programme FACUBI écrit en C # 2005 et a démarré par le planificateur de tâches sur le serveur avec entrepôt et SSAS. Au début de FACUBI aborde Internet et lit les taux de change actuels (utilisés pour représenter un certain nombre d'indicateurs en devises). Ensuite, les actions suivantes sont effectuées.

Premièrement, FACUBI lance SP cette réplication partielle de bases de données de divers systèmes ERP (éléments de maintien) disponibles sur le réseau local. La réplication est effectuée comme indiqué, sur les "composés" pré-préparés - images de systèmes ERP distants situés sur le serveur SSAS.

Deuxièmement, via SP est affichée à partir des répliques ERP au stockage de l'entrepôt - une DB spéciale, qui est la source des données Cube OLAP et située sur le serveur SSAS. Dans le même temps, trois tâches principales sont résolues:

• données ERP corsé sous les formats de cube requis; Nous parlons de tables et de champs de tables. (Parfois, la table souhaitée doit "couper", disons, de plusieurs feuilles MS Excel.) Des données similaires peuvent avoir format différent Dans différents ERP, par exemple, les champs d'identification clés des livres de référence 1C7 ont à 36 chiffres. code symbolique 8, mais les champs _idrref dans les livres de référence 1C8 - Numéros hexadécimaux 32;
• au cours du traitement Le contrôle logique des données est en cours (y compris les paramètres par défaut des paramètres par défaut sur le site des données manquantes, dans la mesure du possible) et le contrôle de l'intégrité, c'est-à-dire vérifier la présence de clés primaires et secondaires dans les classificateurs respectifs;
• codes de consolidation Objets ayant la même signification dans différents ERP. Par exemple, les éléments correspondants des livres de référence de différents ERP peuvent avoir la même signification, par exemple, c'est la même contrepartie. La tâche de consolidation des codes est résolue en construisant des tables de mappage, où divers codes des mêmes objets sont donnés à l'unité.

Troisièmement, FACUBI lance la procédure standard de mise à jour des données de processus Cuba (à partir des procédures des procédures d'utilité SSAS).

Selon les listes de contrôle, le programme FACUBI envoie des messages sur la progression des étapes de traitement.

Suivre FACUBI, le planificateur de tâches lance plusieurs fois fichiers ExcelDans quels rapports basés sur les indicateurs OLAP Cuba sont créés à l'avance. Comme nous l'avons dit, Mme Excel possède une interface de programmation spéciale (conducteur téléchargeable ou intégré séparément) pour fonctionner avec des cubes OLAP (avec SSAS). Lorsque MS Excel démarre, les programmes sont inclus sur les programmes MS VBA (type Macros) qui fournissent des données de mise à jour des rapports; Rapports Si nécessaire, modifié et envoyé par courrier (programme Blat) aux utilisateurs selon les listes de contrôle.

Les utilisateurs de réseau locaux ayant accès au serveur SSAS recevront des rapports "en direct" configurés à OLAP Cube. (En principe, ils eux-mêmes, sans aucun courrier, peuvent mettre à jour des rapports OLAP dans MS Excel qui y sont allongés ordinateurs locaux.) Les utilisateurs en dehors du réseau local ou recevront des rapports originaux, mais avec une fonctionnalité limitée ou pour eux (après mise à jour de rapports OLAP dans MS Excel) seront calculés par des rapports spéciaux «morts» qui n'accordent pas le serveur SSAS.

Évaluation des résultats

Nous avons parlé ci-dessus sur OLTP et OLAP Asynchronism. Dans cette version de la technologie, le cycle de mise à jour du cube OLAP est effectué la nuit (par exemple, il commence à 1 heure). Cela signifie que dans la journée de travail en cours, les utilisateurs travaillent avec les données d'hier. Étant donné que OLAP n'est pas un moyen d'inscription (voir le dernier conseil de rédaction), et la gestion signifie (comprendre la tendance du processus), un tel décalage n'est généralement pas critique. Cependant, si nécessaire, même dans la version décrite de l'architecture Cuba (MODAP), la mise à jour est possible de passer plusieurs fois par jour.

L'heure d'exécution des procédures de mise à jour dépend des caractéristiques de la conception OLAP-CUBE (complexité plus faible ou plus faible, de définitions plus ou moins réussies d'indicateurs et de coupures) et sur le volume de bases de données des systèmes OLTP externes. Selon l'expérience de la procédure de construction d'entrepôt, prenez quelques minutes à deux heures, la procédure de mise à jour de Cuba (processus) - de 1 à 20 minutes. Nous parlons de cubes OLAP complexes, réunissant des dizaines d'étapes du type "Asterisk", sur des dizaines de "rayons" (controverses-coupes) pour eux, environ des centaines d'indicateurs. Évaluation des volumes de bases de données des systèmes ERP externes sur les documents d'expédition, nous parlons de centaines de milliers de documents et, en conséquence, des millions de marques par an. La profondeur historique de la transformation, qui est intéressée par l'utilisateur, était de trois à cinq ans.

La technologie décrite est exploitée dans un certain nombre de grandes entreprises: depuis 2008 dans la "société de poissons russes" (RRK) et la mer russe (PM), de 2012 à Santa Bremor (SAT). Une partie des sociétés est l'avantage des entreprises de négociation et d'approvisionnement (RRK), d'autres - production (usines pour la transformation des poissons et des fruits de mer RM et SAT). Toutes les entreprises sont de grandes exploitations combinant plusieurs entreprises avec des systèmes comptables informatiques indépendants et différents - allant des systèmes ERP standard de type 1c7 et 1c8 et se terminant par la base de données «relique» DBF et Excel. J'ajouterai que la technologie d'exploitation décrite des OLAP-Cubes (à l'exclusion de la phase de développement) est soit du tout exige des employés spéciaux, soit inclus dans les Conditions d'utilisation d'une analyse de personnel. La tâche des années tourne en mode automatique, chaque jour fournissant diverses catégories de personnel d'entreprise avec des rapports actuels.

Décisions des avantages et des inconvénients

À mesure que l'expérience montre, l'option de la solution proposée est assez fiable et facile à utiliser. Il est facilement modifié (connectant / désactiver le nouvel ERP, créant de nouveaux indicateurs et réduit, créant et modifiant des rapports Excel et des listes de leur liste de diffusion) avec l'invariance du programme de contrôle FACUBI.

MS Excel En tant qu'interface OLAP fournit une expressivité suffisante et vous permet de rejoindre rapidement la technologie OLAP à différentes catégories d'employés de bureau. L'utilisateur reçoit des rapports d'OLAP quotidiennes "standard"; L'utilisation de l'interface MS Excel avec OLAP peut créer de manière indépendante des rapports OLAP dans MS Excel. De plus, l'utilisateur peut être indépendamment poursuivre l'étude des rapports d'information de l'OLAP à l'aide des fonctionnalités habituelles de sa MS Excel.

La base de données d'entrepôt "raffinée", dans laquelle consolidée (lors de la construction du cube), plusieurs systèmes ERP hétérogènes, même sans aucun OLAP, vous permet de résoudre (sur le serveur SSAS, la méthode de requêtes dans la langue transaction SQL ou SP et al.) De nombreuses tâches de gestion de contrôle. Rappelez-vous, la structure de l'entrepôt BD est unifiée et sensiblement plus facile (en termes de nombre de tableaux et de numéros de tables de tableaux) que la structure de la BD de l'ERP original.

Nous notons particulièrement que dans la décision que nous avons suggérée, il est possible de consolider dans un Cuba OLAP de divers systèmes ERP. Cela vous permet d'obtenir des analyses tout au long de la maintenance et de conserver de nombreuses années de continuité dans l'analyste lors de la commutation de la Société vers un autre compte Système ERP, disons lors de la passation de 1c7 à 1C8.

Nous avons utilisé le modèle Molap Cuba. Les avantages de ce modèle sont la fiabilité de l'opération et du traitement à grande vitesse des demandes des utilisateurs. Inconvénients et asynchronisation OLAP et OLTP, ainsi que de grandes quantités de mémoire pour le stockage OLAP.

En conclusion, nous donnons un autre argument en faveur de OLAP, qui aurait pu être plus pertinent pour le Moyen Âge. Depuis que sa preuve repose sur le crédit. Le mathématicien britannique Mathématicien britannique modeste, évidemment sous-estimé E. Codd à la fin des années 60 a développé la théorie des bases de données relationnelles. La force de cette théorie était telle que maintenant, après 50 ans, il est déjà difficile de trouver une base de données non relationnelle et une base de données d'une base de données autre que SQL.

La technologie OLTP basée sur la théorie de la base de données relationnelle a été la première idée de E. Codd. En fait, le concept de OLAP-Cubes est la deuxième idée exprimée par lui au début des années 90. Pas même être un mathématicien, il est tout à fait possible de s'attendre à ce que la deuxième idée soit aussi efficace que la première. C'est-à-dire en termes d'analyse informatique, l'idée d'OLAP sera bientôt capturée par le monde et toutes les autres seront fournies. Juste parce que le thème des analystes trouve sa solution mathématique exhaustive dans OLAP et cette décision est «de manière adéquate» (terme B. Spinoza) de la tâche pratique de l'analyse. "De manière adéquate" signifie Spinoza, et Dieu lui-même ne viendrait pas ...

1. Larson B. Développement de l'intelligence des entreprises dans Microsoft SQL Server 2005. - SPB.: "Peter", 2008.
2. CODD E. Compilement relationnel des sublaguages \u200b\u200bde base de données, systèmes de base de données, science informatique de courantes SUPPOSIA SERIES 1972, v. 6, Englood Cliffs, N.Y., Prentice - Hall.

En contact avec

Dans l'article précédent de ce cycle (Voir n ° 2'2005) Nous avons parlé des principales innovations des services d'analyse SQL Server 2005. Aujourd'hui, nous examinerons les moyens de créer des solutions OLAP incluses dans ce produit.

Brièvement sur les bases de OLAP

a directement pour commencer une conversation sur la création de solutions OLAP, nous rappelons que l'OLAP (traitement analytique en ligne) est une technologie complète d'analyse de données multidimensionnelles, dont le concept a été décrit en 1993 par EF Koddom, le célèbre auteur de la relation relationnelle modèle de données. Actuellement, le support OLAP est mis en œuvre dans de nombreux SGBD et d'autres instruments.

Olap-cuba

Quelles sont les données OLAP? Comme réponse à cette question, considérez l'exemple le plus simple. Supposons, dans la base de données d'entreprise de certaines entreprises, il existe un ensemble de tableaux contenant des informations sur les ventes de biens ou de services, et sur la base des factures, du pays (pays), de la ville (pays), de Customername, de pays, de vendeurs (vendeurs de gestionnaire), de commande (Date de placement de commande), CatégorieName (catégorie de produits), Nom de produit, Nom de l'expéditeur (Carrier), ExtendedPrice (paiement pour les marchandises), tandis que le dernier des champs répertoriés est un objet d'analyse.

La sélection de données à partir d'une telle vue peut être mise en œuvre à l'aide de la requête suivante:

Sélectionnez Pays, Ville, Customername, vendeur,

OrdonnanceDated, catégorieName, Nom de produit, Nom de l'expéditeur, Extendedprice

Des factures.

Supposons que nous soyons intéressés par le coût total des commandes effectuées par les clients de différents pays. Pour obtenir une réponse à cette question, vous devez faire la requête suivante:

Sélectionnez Pays, Somme (Extendedprice) des factures

Groupe par pays.

Le résultat de cette requête sera un ensemble unidimensionnel de données agrégées (dans ce cas):

Pays.	Somme (prolongée)
Argentine.	7327.3
L'Autriche.	110788.4
Belgique.	28491.65
Brésil.	97407.74
Canada.	46190.1
DANEMARK.	28392.32
Finlande.	15296.35
France.	69185.48
	209373.6
	...

Si nous voulons savoir quel coût total des commandes effectuées par des clients de différents pays et livrées par divers services de livraison, nous devons exécuter une demande contenant deux paramètres dans groupe de propositions. Par:

Sumrey, Nom de l'expéditeur, Somme (Extendedprice) des factures

Groupe par pays, Nom de l'expéditeur

Sur la base des résultats de cette requête, vous pouvez créer une table du formulaire suivant:

Cet ensemble de données s'appelle une table consolidée (table pivot).

Sumrey, Nom de l'expéditeur, vendeur Somme (Extendedprice) des factures

Groupe par pays, Nom de l'expéditeur, Année

Sur la base des résultats de cette demande, vous pouvez construire un cube tridimensionnel (Fig. 1).

Ajout de paramètres supplémentaires pour analyse, vous pouvez créer un cube avec théoriquement n'importe quel nombre de mesures, tandis que les quantités dans les cellules OLAP peuvent contenir les résultats du calcul de l'autre. fonctions globales (Par exemple, moyenne, maximum, valeurs minimales, le nombre d'enregistrements de représentation initiaux correspondant à cet ensemble paramètres). Les champs basés sur les résultats sont calculés sont appelés Mesures cubes.

Hiérarchie dans les mesures

Supposons que nous soyons intéressés non seulement par le coût total des commandes effectuées par les clients de différents pays, mais également la valeur totale des commandes formulées par les clients dans différentes villes d'un pays. Dans ce cas, vous pouvez utiliser le fait que les valeurs appliquées sur l'axe ont différents niveaux de détail - ceci est décrit dans le cadre du concept de la hiérarchie des modifications. Dis, au premier niveau de la hiérarchie, il y a des pays, dans les deuxième villes. Il convient de noter que, puisque SQL Server 2000, les services analytiques soutiennent des hiérarchies soi-disantes contenant, par exemple, de ces membres dont les enfants ne sont contenus pas dans les niveaux voisins de la hiérarchie ou absents pour certains membres du changement. Un exemple typique d'une telle hiérarchie est la considération du fait que dans différents pays, il ne peut exister aucune unités administratives-territoriales telles que le personnel ou une zone située dans une hiérarchie géographique entre pays et villes (fig. 2).

Notez que récemment que des hiérarchies typiques ont été allouées, par exemple, contenant des données géographiques ou temporaires, ainsi que de maintenir l'existence de plusieurs hiérarchies dans une dimension (en particulier, pour le calendrier et l'exercice financier).

Création de cubes OLAP dans SQL Server 2005

Les cubes SQL Server 2005 sont créés à l'aide du studio de développement SQL Server Business Intelligence. Cet outil est une version spéciale de Visual Studio 2005, conçue pour résoudre cette classe de tâches (et s'il existe déjà un environnement de développement fixe, la liste des modèles de projet est mise à jour avec des projets conçus pour créer des solutions basées sur SQL Sever et ses services analytiques) . En particulier, le modèle de projet Services d'analyse est conçu pour créer des solutions basées sur des services analytiques (Fig. 3).

Pour créer un cube OLAP, tout d'abord doit être résolu, en fonction des données pour la former. Le plus souvent, les cubes OLAP sont construits sur la base d'entrepôts de données relationnels avec les schémas «Star» ou «SnowfLake» (on nous a raconté la partie précédente de l'article). Dans le kit de livraison SQL, il existe un exemple d'un tel stockage - la base de données AventureWorkSDW, à utiliser laquelle le dossier Sources de données doit être trouvé sous forme de source, sélectionnez le nouveau point de menu contextuel de la source de données et répondez toujours aux questions de la compétence appropriée. magicien (Fig. 4).

Ensuite, il est recommandé de créer une vue de source de données - une vue basée sur laquelle un cube sera créé. Pour ce faire, sélectionnez l'élément approprié du dossier Vues Source de données et répondez toujours à l'assistant. Le résultat des actions spécifiées sera le diagramme de données selon lequel les sources de données seront construites et dans le schéma résultant, au lieu de l'original, vous pouvez spécifier des noms de table "amicaux" (Fig. 5).

Le cube décrit de cette manière peut être transféré sur le serveur de services d'analyse en sélectionnant l'option de déploiement dans le menu contextuel du projet et en affiche ses données (Fig. 7).

Lors de la création de cubes, de nombreuses fonctionnalités sont actuellement utilisées. nouvelle version SQL Server, tel que la présentation de sources de données. Le contenu des données source de la construction du cube, ainsi que la description de la structure du cube, est maintenant fabriqué à l'aide d'un ami pour de nombreux développeurs d'outils Visual Studio, qui constitue un avantage considérable de la nouvelle version de ce produit. - L'étude des développeurs de solutions analytiques de la nouvelle boîte à outils dans ce cas est minimisée.

Notez que dans la Cuba créée, vous pouvez modifier la composition des mesures, supprimer et ajouter des attributs de mesure et ajouter des attributs calculés de l'élément de mesure en fonction des attributs disponibles (Fig. 8).

Figure. 8. Ajout d'un attribut calculé

De plus, dans SQL Server 2005 cubes, vous pouvez effectuer un regroupement automatique ou un tri des éléments de mesure par la valeur d'attribut, afin de déterminer les liens entre les attributs, de mettre en œuvre les liens "beaucoup à beaucoup", identifier les indicateurs clés des entreprises, ainsi que la résolution de nombreuses autres tâches (détails sur la manière dont toutes ces actions sont effectuées, vous pouvez trouver dans section SQL Système de référence du tutoriel des services d'analyse de serveur de ce produit).

Dans les parties suivantes de cette publication, nous continuerons de vous familiariser avec les services analytiques de SQL Server 2005 et de découvrir ce qui est apparu dans la zone de support minier des données.

Qu'est-ce que OLAP aujourd'hui, en général connaît tous les experts. Au moins, les concepts de "OLAP" et de "données multidimensionnelles" sont régulièrement liés dans notre conscience. Néanmoins, le fait que ce sujet augmente à nouveau, j'espère, sera approuvé par la plupart des lecteurs, car il n'est pas obsolète pour l'idée de quoi que ce soit au fil du temps, vous devez communiquer périodiquement avec des personnes intelligentes ou lire des articles dans une bonne édition ...

Entrepôt de données (lieu OLAP dans structure de l'information entreprises)

Le terme "OLAP" est inextricablement lié au terme "entrepôt de données" (entrepôt de données).

Nous donnons une définition formulée par le «Fondateur Père-Fondateur» Entrepôts de données Inmona: «L'entrepôt de données est une collecte de données axée sur les sujets et non modifiables afin de soutenir le processus de prise de décisions de gestion».

Les données du référentiel tombent de systèmes opérationnels (systèmes OLTP), conçus pour automatiser les processus métier. De plus, le stockage peut être reconstitué en raison de sources externes, telles que des rapports statistiques.

Pourquoi créer des entrepôts de données - après tout, ils contiennent des informations sciemment redondantes, qui vivent "en direct" dans des bases de données ou des fichiers système opérationnels? Vous pouvez brièvement répondre: Analyser les données des systèmes opérationnels n'est pas directement impossible ou très difficile. Ceci est expliqué par diverses raisons, y compris le scanner des données, les stockant dans les formats de divers SGBD et dans différents "coins" du réseau d'entreprise. Mais même si, dans la société, toutes les données sont stockées sur le serveur de base de données central (qui est extrêmement rare), l'analyste ne comprend presque certainement pas dans leurs structures complexes, parfois complexes. L'auteur a une expérience suffisamment triste de tentatives visant à "nourrir" les analystes affamées "brutes" des données de systèmes opérationnels - il s'est avéré "pas sur les dents".

Ainsi, la tâche du référentiel est de fournir des "matières premières" à analyser à un endroit et dans une structure simple et compréhensible. Ralph Kimball dans la préface à son livre "The Data Warehouse Toolkit" écrit que si le lecteur comprend seulement une chose à lire tout le livre, à savoir: la structure de stockage doit être simple, l'auteur examinera sa tâche.

Il existe une autre raison qui justifie l'apparition d'un référentiel séparé - des demandes d'analyse complexes complexes d'informations opérationnelles inhiber les travaux actuels de la société, bloquant les tables pendant une longue période et capturer des ressources serveur.

À mon avis, sous le stockage, vous pouvez comprendre pas nécessairement une accumulation de données géantes - l'essentiel est que cela convient à une analyse. D'une manière générale, un terme distinct - des marchés de données (kiosques de données) est destiné aux petites installations de stockage, mais dans notre pratique russe, cela ne l'entend pas souvent.

OLAP - Outil d'analyse confortable

La centralisation et la structuration commode ne sont pas toutes nécessaires par Analytics. Il nécessite toujours un outil de visualisation, visualisant des informations. Les rapports traditionnels, même construits sur la base d'un stockage unique, sont privés d'une flexibilité. Ils ne peuvent pas être "Twist", "Déployer" ou "Collapse" pour obtenir la présentation de données souhaitée. Bien sûr, vous pouvez appeler un programmeur (s'il veut venir), et il (sinon occupé) fera un nouveau rapport rapidement - disons, pendant une heure (je ne crois pas et je ne crois pas - si vite dans la vie il n'y a personne; donnons-lui trois heures). Il s'avère que l'analyste peut vérifier un jour pas plus de deux idées. Et il (s'il est un bon analyste), de telles idées peuvent venir à la tête plusieurs par heure. Et plus les «sections» et les «coupes» de ces analystes considèrent, plus les idées qui nécessitent, à leur tour, nécessitent toutes les nouvelles et nouvelles "coupes" à vérifier. Ce serait son outil qui permettrait de déployer et de transformer les données simplement et à l'aise! En tant que tel outil et effectue OLAP.

Bien que OLAP ne soit pas un attribut nécessaire de l'entrepôt de données, il est de plus en plus utilisé pour analyser les informations accumulées dans ce stockage.

Les composants inclus dans le stockage typique sont présentés à la Fig. une.

Figure. 1. Structure de l'entrepôt de données

Les données opérationnelles sont collectées à partir de diverses sources, nettoyées, intégrées et pliées en stockage relationnelle. Dans le même temps, ils sont déjà disponibles pour une analyse utilisant divers moyens de rapports de construction. Ensuite, les données (entièrement ou partiellement) sont préparées pour l'analyse OLAP. Ils peuvent être chargés dans une base de données OLAP spéciale ou laissés dans un stockage relationnel. L'élément le plus important est la métadonnée, c'est-à-dire des informations sur la structure, le placement et la transformation des données. Grâce à eux, l'interaction effective de divers composants de stockage est assurée.

Résumé, il est possible de déterminer OLAP comme un ensemble de moyens d'analyse multidimensionnelle des données accumulées dans le référentiel. Théoriquement, les outils OLAP peuvent être appliqués directement aux données opérationnelles ou à leurs copies exactes (afin de ne pas interférer avec les utilisateurs opérationnels). Mais nous risquons donc de marcher sur le râteau déjà décrit ci-dessus, c'est-à-dire d'analyser les données opérationnelles qui ne conviennent pas à une analyse.

Définition et concepts de base OLAP

Pour commencer, déchiffrer: OLAP est un traitement analytique en ligne, c'est-à-dire une analyse des données opérationnelles. 12 Les principes définissants de OLAP formulés en 1993. E. F. CODD - Base de données relationnelle "Inventor". Plus tard, sa définition a été retravaillée dans le test dit FIMI, qui exige que l'application OLAP offre la possibilité d'analyser rapidement les informations multidimensionnelles partagées ().

Test FIMI

Vite. (Quick) - L'analyse doit être faite également rapidement dans tous les aspects de l'information. Un temps de réponse acceptable est de 5 s ou moins.

Analyse. (Analyse) - devrait pouvoir effectuer les principaux types de numériques et analyses statistiquesprédéterminé par le développeur d'applications ou défini arbitrairement par l'utilisateur.

Partagé. (Partagé) - De nombreux utilisateurs doivent avoir accès à des données, il est nécessaire de surveiller l'accès à des informations confidentielles.

Multidimensionnel (Multidimensionnelle) est la caractéristique principale et la plus significative du CLAP.

Informations (Information) - L'application doit pouvoir contacter tout information nécessaire, quel que soit son emplacement de volume et de stockage.

OLAP \u003d Vue multidimensionnelle \u003d cube

OLAP fournit des outils d'accès haut débit pratiques, visualisant et analysant des informations commerciales. L'utilisateur reçoit un modèle de données naturel et intuitif, les organisant sous la forme de cubes multidimensionnels (cubes). Les axes du système de coordonnées multidimensionnelles servent d'attributs principaux du processus commercial analysé. Par exemple, pour les ventes, il peut s'agir d'un produit, de la région, du type d'acheteur. Le temps est utilisé comme une des mesures. Aux intersections des axes de mesure (dimensions) - il existe des données, caractérisant quantitativement le processus - mesures (mesures). Ceux-ci peuvent être des volumes de vente en morceaux ou en termes monétaires, les restes en stock, les coûts, etc. L'utilisateur analyse des informations peut "couper" un cube dans des directions différentes, obtenir consolidée (par exemple, d'ici année) ou, au contraire, Informations détaillées (pour des semaines) et exercer d'autres manipulations qui se feront à l'esprit dans le processus d'analyse.

Comme mesure dans un cuba tridimensionnel illustré à la Fig. 2, les montants des ventes sont utilisés et comme une mesure, un produit et une boutique. Les mesures sont présentées à certains niveaux de regroupement: les marchandises sont regroupées par catégories, magasins - par pays et données au moment des opérations - de milliers de dollars. Un peu plus tard, nous examinerons davantage les niveaux de groupement (hiérarchie).

Figure. 2. Exemple de Cuba

Cube cube

Même le cube tridimensionnel est difficile à afficher sur l'écran de l'ordinateur afin que les valeurs des mesures d'intérêt soient visibles. Que pouvons-nous parler de cubes avec le nombre de mesures, les trois gros? Pour visualiser les données stockées à Cuba, sont généralement habituelles bidimensionnelles bidimensionnelles, c'est-à-dire une tabulaire, des représentations hiérarchiques complexes des rangées et des colonnes.

La vue bidimensionnelle du cube peut être obtenue par "couper" son sur un ou plusieurs axes (mesures): nous fixons les valeurs de toutes les mesures, à l'exception de deux, et nous obtenons une table bidimensionnelle conventionnelle. Dans l'axe horizontal de la table (en-têtes de colonne), une mesure est présentée, dans la verticale (en-têtes de cordes) - l'autre et dans les cellules du tableau - les valeurs des mesures. Dans ce cas, l'ensemble des mesures est en réalité considérée comme l'une des mesures - nous sélectionnons une mesure (puis nous pouvons placer deux dimensions dans les en-têtes et les colonnes) ou de montrer plusieurs mesures (puis l'un des axes de table sera Prenez le nom des mesures et l'autre - les valeurs de la seule mesure «non adoptée»).

Jetez un coup d'œil à la Fig. 3 - Voici une coupe à deux dimensions Cuba pour une mesure - Ventes unitaires (unités vendues) et deux mesures «incontestées» - Store (Store) et heure (heure).

Figure. 3. Tranche de cube bidimensionnelle pour une mesure

En figue. 4 ne montre qu'une seule mesure «non adoptée» - magasin, mais les valeurs de plusieurs mesures sont affichées ici - Ventes unitaires (vendues), des ventes de stockage et des coûts de stockage (dépenses de stockage).

Figure. 4. Tranche de cube bidimensionnelle pour plusieurs mesures

La vue bidimensionnelle de la Cuba est possible et lorsque "continué" reste et plus de deux dimensions. Dans le même temps, deux ou plusieurs mesures du cube "coupé" seront placées sur les axes de coupe (lignes et colonnes) - voir Fig. cinq.

Figure. 5. Tranche de cube bidimensionnelle avec plusieurs mesures sur un axe

Mots clés

Les valeurs "reportées" le long des mesures sont appelées membres ou marques (membres). Les balises sont utilisées à la fois pour la "coupe" du cube et pour la limitation (filtrage) des données sélectionnées - lors de la mesure restante "incompréhensible", nous ne sommes pas toutes des valeurs, mais leur sous-ensemble, par exemple, trois villes de plusieurs douzaine. Les valeurs des étiquettes sont affichées dans une vue de cube bidimensionnelle sous forme d'en-têtes de chaîne et de colonnes.

Hiérarchies et niveaux

Les balises peuvent être combinées dans des hiérarchies constituées d'un ou de plusieurs niveaux (niveaux). Par exemple, les étiquettes de mesure "magasin" (magasin) sont naturellement combinées dans une hiérarchie avec des niveaux:

Pays (pays)

ETAT

Ville (ville)

Magasin (magasin).

Conformément aux niveaux de hiérarchie, les valeurs globales sont calculées, telles que les ventes pour les États-Unis (niveau national) ou la Californie (niveau d'état). Dans une dimension, vous pouvez mettre en œuvre plusieurs hiérarchies - disons, pour le temps: (année, trimestre, mois, jour) et (année, semaine, jour).

Architecture d'application OLAP

Tout ce qui a été mentionné au-dessus de OLAP, en fait, concerne la présentation de données multidimensionnelles. La manière dont les données sont stockées, à peu près parlant, ne se soucie pas du fait que l'utilisateur final ni les développeurs d'outils auxquels le client utilise.

La multidimensionnalité dans les applications OLAP peut être divisée en trois niveaux:

• Représentation des données multidimensionnelles - Outils d'utilisateur final qui fournissent une visualisation multidimensionnelle et une manipulation de données; La couche de représentation multidimensionnelle est abstruite de la structure de données physiques et perçoit les données comme multidimensionnelles.
• Traitement multidimensionnel - des moyens (langage) de la formulation de requêtes multidimensionnelles (relation traditionnelle relationnel langue SQL Il s'avère inapproprié) et le processeur pouvant traiter et exécuter une telle demande.
• Stockage multidimensionnel - signifie organisation physique Données pour assurer l'exécution effective des requêtes multidimensionnelles.

Les deux premiers niveaux sont nécessairement présents dans tous les outils OLAP. Le troisième niveau, bien qu'il soit répandu, n'est pas nécessaire, car les données de la représentation multidimensionnelle peuvent être supprimées des structures relationnelles ordinaires; Le processeur de requêtes multidimensionnelles dans ce cas traduit des demandes multidimensionnelles aux requêtes SQL exécutées par des SGBD relationnels.

Les produits OLAP spécifiques, en règle générale, sont un moyen de représentation multidimensionnelle de données, un client OLAP (par exemple, des tables pivotement dans Excel 2000, des entreprises de Microsoft ou de la Proclarité de la société Knosys) ou d'un SGDM de serveur multidimensionnel, OLAP Server (pour Exemple, Oracle Express Server ou Microsoft OLAP Services).

La couche de traitement multidimensionnelle est généralement intégrée au client OLAP et / ou dans le serveur OLAP, mais peut être mis en évidence sous forme pure, telle que le composant de service de table pivot de Microsoft.

Aspects techniques du stockage de données multidimensionnelles

Comme mentionné ci-dessus, les outils d'analyse OLAP peuvent extraire des données et directement à partir de systèmes relationnels. Une telle approche était plus attrayante à cette époque où les serveurs OLAP étaient absents dans les feuilles de prix des principaux fabricants de SGBD. Mais aujourd'hui et Oracle, et Informix, et Microsoft propose des serveurs OLAP à part entière, et même ces responsables informatiques qui n'aiment pas se reproduire dans leurs réseaux "Zoo" de différents fabricants peuvent acheter (plus précisément, à appliquer à la direction de la société) OLAP Server de la même marque que le serveur de base de données principale.

Les serveurs OLAP ou les serveurs de base de données multidimensionnelles peuvent stocker leurs données multidimensionnelles de différentes manières. Avant d'envisager de ces manières, nous devons parler de tels un aspect importantcomme le stockage des agrégats. Le fait est que dans toute entrepôt de données - à la fois dans l'habituel et dans une multidimenstration - ainsi que des données détaillées extraites à partir de systèmes opérationnels, les indicateurs totaux (indicateurs agrégés, agrégats) sont stockés, tels que la quantité de volumes de vente par mois, Par catégories, les biens, etc. Les agrégats sont stockés explicitement dans le seul but - d'accélérer l'exécution des demandes. Après tout, d'une part, le stockage s'accumule, en règle générale, une très grande quantité de données, et d'autre part, dans la plupart des cas, pas détaillée, mais des indicateurs généralisés sont intéressés. Et si chaque fois qu'il devrait résumer des millions de ventes individuelles pour l'année pour calculer le montant des ventes, la vitesse aurait probablement été inacceptable. Par conséquent, lors du chargement de données dans des bases de données multidimensionnelles, tous les indicateurs totaux ou leur pièce sont calculés et enregistrés.

Mais comme vous le savez, vous devez payer pour tout. Et pour la rapidité des demandes de traitement à la totalité des données, il est nécessaire de payer une augmentation de la quantité de données et de temps sur leur téléchargement. De plus, une augmentation du volume peut être littéralement catastrophique - dans l'un des tests standard publiés, un comptage complet d'unités pour 10 Mo de données source requises 2,4 Go, c'est-à-dire que les données ont augmenté de 240 fois! Le degré de "gonflement" des données lors du calcul des unités dépend du nombre de mesures du cube et de la structure de ces mesures, c'est-à-dire le rapport du nombre de "pères" et "enfants" à différents niveaux de mesure. Pour résoudre le problème du stockage des agrégats, des régimes parfois complexes sont appliqués, ce qui permet à tous des agrégats possibles lors du calcul, d'atteindre une augmentation significative de la performance des requêtes.

Maintenant sur diverses options de stockage. Les données détaillées et les agrégats peuvent être stockés dans des structures relationnelles relatives ou multidimensionnelles. Le stockage multidimensionnel permet de traiter des données comme une matrice multidimensionnelle, garantissant ainsi les mêmes calculs rapides des indicateurs totaux et diverses transformations multidimensionnelles en fonction de toute mesure. Il y a quelque temps, les produits OLAP ont pris en charge le stockage relationnel ou multidimensionnel. Aujourd'hui, en règle générale, le même produit fournit à la fois ces types de stockage, ainsi que le troisième type - mélangé. Les termes suivants sont appliqués:

• Molap. (OLAP multidimensionnelle) - et des données détaillées et des agrégats sont stockés dans une base de données multidimensionnelle. Dans ce cas, la plus grande redondance est obtenue, car les données multidimensionnelles contiennent pleinement relationnelle.
• Rolap. (WNLAP relationnelle) - Les données détaillées restent là où elles "vivaient" initialement dans la base de données relationnelle; Les agrégats sont stockés dans la même base de données dans des tables de service spécialement créées.
• Holap. (Hybrid OLAP) - Les données détaillées restent en place (dans la base de données relationnelle) et les unités sont stockées dans une base de données multidimensionnelle.

Chacune de ces méthodes présente ses avantages et inconvénients et doit être appliquée en fonction des conditions - la quantité de données, la puissance de la SGBD relationnelle, etc.

Lors du stockage des données dans des structures multidimensionnelles, le problème potentiel de «gonflement» est dû au stockage de valeurs vides. Après tout, si la matrice multidimensionnelle est réservée sous toutes les combinaisons possibles de marques de mesure, et seule une petite partie (par exemple, un certain nombre de produits ne sont vendus que dans un petit nombre de régions), alors bo / même une partie du cube sera être vide, bien que l'endroit soit occupé. Les produits OLAP modernes sont capables de faire face à ce problème.

À suivre. À l'avenir, nous parlerons de produits OLAP spécifiques fabriqués par des fabricants de premier plan.

OLAP n'est pas un produit logiciel distinct, pas un langage de programmation et même pas une technologie spécifique. Si vous essayez de couvrir OLAP dans toutes ses manifestations, cet ensemble de concepts, principes et exigences sous-jacents aux produits logiciels facilitant les analystes accès aux données. Trouver pourquoi Les analystes ont besoin d'une manière particulière faciliter Accès aux données.

Le fait est que les analystes sont des consommateurs spéciaux d'informations d'entreprise. Task Analytics - Trouvez des régularités dans de grandes matrices de données. Par conséquent, l'analyste ne fera pas attention à un fait distinct que le quatrième numéro de la contrepartie de la contrepartie a été vendu par une partie d'encre noire - il avait besoin d'informations environ des centaines et des milliers Événements similaires. Les faits simples dans la base de données peuvent être intéressés, par exemple, un comptable ou chef du service des ventes, dont la compétence est la transaction. Analytics d'un enregistrement ne suffit pas - à lui, par exemple, ils peuvent avoir besoin de toutes les transactions de cette branche ou de cette représentation pour le mois, année. Dans le même temps analyste se lance Détails inutiles comme l'acheteur de l'auberge, son adresse exacte et son numéro de téléphone, l'indice du contrat, etc. Dans le même temps, les données qui nécessitent des analyses au travail doivent nécessairement contenir des valeurs numériques - cela est dû au plus essentiellement de ses activités.

Ainsi, l'analyste a besoin de nombreuses données, ces données sont sélectives et nous inquiète également " ensemble d'attributs - numéro". Ce dernier signifie que l'analyste fonctionne avec les tables suivantes:

Ici " Pays", "Produit", "An"sont des attributs ou des mesures, mais " Volume de ventes"Valeur numérique ou mesure. Tâche Analytics, répéter, consiste à identifier les relations persistantes entre les attributs et les paramètres numériques. En regardant la table, on peut noter qu'il peut être facilement traduit en trois dimensions: sur l'un des axes, nous reporterons les pays, de l'autre - les marchandises, au troisième. Et les valeurs de ce réseau tridimensionnel nous aurons les volumes de vente correspondants.

Présentation tridimensionnelle de la table. Le segment gris est montré que pour l'Argentine en 1988, il n'y a pas de données

C'est la matrice en trois dimensions en termes d'OLAP et est appelé cube. En fait, du point de vue des mathématiques strictes, un tel tableau ne sera pas toujours: dans ce cuba, le nombre d'éléments de toutes les dimensions devrait être identique et il n'y a pas de telles restrictions de Cubes OLAP. Néanmoins, malgré ces détails, le terme «Cuba OLAP» en raison de sa brièveté et de sa imagerie est devenu généralement accepté. OLAP Cube ne doit pas nécessairement être à trois dimensions. Il peut être deux et multidimensionnels - en fonction de la tâche résolue. Les analystes particulièrement mate peuvent avoir besoin d'environ 20 mesures - et des produits OLAP graves sont à une telle quantité et calculés. Des applications de bureau plus simples prennent en charge un endroit 6 mesurements.

Des mesures Les cubes OLAP se composent de la soi-disant metters. ou des membres (membres). Par exemple, la mesure du "pays" comprend les marques "Argentine", le Brésil, "Venezuela" et ainsi de suite.

Tous les éléments de Cuba ne devraient pas être remplis: s'il n'y a aucune information sur les ventes de produits en caoutchouc en Argentine en 1988, la valeur de la cellule correspondante ne sera tout simplement pas déterminée. Il est également absolument éventuellement possible que l'application OLAP stocke des données certainement dans une structure multidimensionnelle - l'essentiel est que pour l'utilisateur, cela ressemble à ceci. À propos, il s'agit précisément des méthodes spéciales de stockage compacte de données multidimensionnelles, "vide" (éléments non remplis) dans les cubes ne conduisent pas à une heure de mémoire inutile.

Cependant, le cube lui-même ne convient pas à l'analyse. Si vous pouvez toujours soumettre ou décrire de manière adéquate un cube tridimensionnel, puis à partir de six - ou de neuf ans est bien pire. donc avant utilisation du cube multidimensionnel tables bidimensionnelles. Cette opération s'appelle "couper" cube. Ce terme, encore une fois, façonné. Analyste comme s'il faut et "coupe" les mesures du Cuba pour ses intérêts. De cette façon, l'analyste reçoit un cuba coupé en deux dimensions et fonctionne avec elle. À peu près les mêmes enregistreurs considèrent les anneaux annuels sur le sort.

En conséquence, seules deux dimensions restent "poursuivies" - en fonction du nombre de mesures de table. Cela se produit, seule la mesure reste "non coupée" - si le cube contient plusieurs types de valeurs numériques, ils peuvent être reportés par l'une des mesures de la table.

Si vous avez toujours l'air plus étroitement dans la table, ce que nous avons été représenté en premier, vous pouvez voir que les données de celui-ci ne sont probablement pas primaires et obtenues en conséquence. addition Pour les plus petits éléments. Par exemple, une année est divisée en blocs, quartiers pendant des mois, mois pendant des semaines, semaines pendant des jours. Le pays est composé de régions et de régions - de colonies. Enfin, dans les villes elles-mêmes, les zones et les points de négociation spécifiques peuvent être distingués. Les marchandises peuvent être combinées dans des groupes de produits de base et ainsi de suite. En termes d'OLAP, ces syndicats multiples sont complètement logiques hiérarchie. Les outils OLAP permettent à tout moment de passer au niveau souhaité de la hiérarchie. En outre, en règle générale, plusieurs types de hiérarchies sont soutenus pour les mêmes éléments: par exemple, un jour d'un mois ou du jour de la Day-Decada. Les données initiales sont extraites des niveaux inférieurs de la hiérarchie, puis résumés pour obtenir les valeurs des niveaux plus élevés. Afin d'accélérer le processus de transition, des valeurs résumées pour différents niveaux sont stockées à Cuba. Ainsi, le fait de l'utilisateur ressemble à un cube, à titre approximatif, consiste en une variété de cubes plus primitifs.

Exemple de hiérarchie

C'est l'un des moments substantiels qui ont conduit à l'apparition de la performance et de l'efficacité OLAP. Imaginez ce qui se passe lorsque l'analyste doit recevoir des informations et il n'y a pas d'outils OLAP à l'entreprise. Un analyste indépendamment (qui est peu probable) ou l'utilisation du programmeur fournit la requête SQL correspondante et reçoit les données d'intérêt dans le rapport ou les exporte dans la feuille de calcul. Les problèmes se posent un excellent ensemble. Premièrement, l'analyste est contraint de ne pas travailler avec ses travaux (programmation SQL) ou d'attendre la tâche pour cela, les programmeurs effectueront - tout cela affecte négativement la productivité du travail, les agressions augmentent, le niveau d'infarctus et de trait de course etc. Deuxièmement, un seul rapport ou une table, en règle générale, ne sauvegarder pas les géants de la pensée et des pères de l'analyse russe - et l'ensemble de la procédure devra être répétée à nouveau et à nouveau. Troisièmement, comme nous l'avons déjà découvert, les analystes des bagatelles ne demandent pas - ils ont tout besoin de tout immédiatement. Cela signifie (bien que la technique et avance avec des étapes de sept milles) que le serveur du SGBD relationnel de l'entreprise à laquelle l'analyste tire-t-il, peut penser profond et pendant longtemps, bloquer les autres transactions.

Le concept d'OLAP est apparu spécifiquement pour résoudre ces problèmes. Cuba Olap est essentiellement des méta-rapports. Couper des méta-rapports (Cuba, qui est) pour les mesures, l'analyste reçoit, en fait, les rapports bidimensionnels «ordinaires» qui l'intéressent (ce n'est pas nécessairement des rapports sur la compréhension habituelle de ce terme - nous parlons de données structures avec les mêmes fonctions). Les avantages des cubes sont évidents - les données doivent être demandées à la SGBD relationnelle une seule fois - lors de la construction d'un cube. Étant donné que les analystes, en règle générale, ne fonctionnent pas avec des informations complétées et changent "à la volée", le cube formé est pertinent pour une période suffisamment longue. En raison de cela, non seulement exclut les interruptions de l'exploitation du serveur DBMS relationnel (il n'y a pas de requêtes avec des milliers et des millions de lignes de réponses), mais augmente fortement la vitesse de l'accès des données pour l'analyste lui-même. De plus, comme indiqué précédemment, la performance augmente et en comptant les sommes intermédiaires de hiérarchies et autres valeurs agrégées au moment de la construction d'un cube. C'est-à-dire que, si nos données initialement contenaient des informations sur les revenus quotidiens d'un produit particulier dans un magasin distinct, alors lors de la formation d'une application Cuba OLAP considère les résultats pour différents niveaux de hiérarchies (semaines et mois, villes et pays).

Bien sûr, pour l'augmentation de cette manière de performance, il est nécessaire de payer. Parfois, ils disent que la structure de données simplement "explose" - le cube OLAP peut occuper des dizaines et même des centaines de fois plus d'espace que les données source.

Répondez aux questions:

Quoi cubique OLAP?

Quoi mots clés Mesure spécifique? Créer des exemples.

Peuvent-ils les mesures À Cuba OLAP, contient des valeurs non numériques.

Dans le tableau standard standard, les données source sont stockées sur un disque dur local. Ainsi, vous pouvez toujours les gérer et les réorganiser, sans même avoir accès au réseau. Mais cela ne concerne en aucun cas les tables de résumé OLAP. Dans les tables OLAP consolidées, le cache n'est jamais stocké sur un disque dur local. Par conséquent, immédiatement après la déconnexion du réseau local, votre table consolidée perdra des performances. Vous ne pourrez pas vous déplacer, ce n'est pas un seul champ.

Si vous avez toujours besoin d'analyser les données OLAP après la déconnexion du réseau, créez un cube de données autonome. Le cube de données autonome est un fichier séparé qui est un cache de table pivot et stocke des données OLAP visualisées après déconnexion du réseau local. Les données OLAP copiées sur la table consolidée peuvent être imprimées sur le site http://evest.ua décrit en détail à ce sujet.

Pour créer un cube de données autonome, créez d'abord une table OLAP consolidée. Placez le curseur dans la table consolidée et cliquez sur le bouton Outils OLAP (Outils OLAP) des paramètres de l'onglet Contexte (Outils), qui est inclus dans l'onglet Contexte de l'onglet Contexte, fonctionnez avec des tables consolidées (outils à pivottage). Choisis une équipe Mode hors-ligne OLAP (OLAP hors ligne) (Fig. 9.8).

La boîte de dialogue Paramètres Cube autonome OLAP apparaît à l'écran. Cliquez dessus sur le bouton Créer un fichier de données hors connexion. Vous avez lancé un magicien de création de fichier de données de données. Cliquez sur le bouton Suivant pour continuer la procédure.

Il est nécessaire de spécifier la dimension et les niveaux qui seront inclus dans les données du cube. Dans la boîte de dialogue, sélectionnez les données qui seront importées à partir de la base de données OLAP. L'idée est de spécifier uniquement les dimensions qui seront nécessaires après la déconnexion de l'ordinateur du réseau local. Plus les dimensions indiquent, plus la taille sera longue aura un cube de données autonome.

Cliquez sur le bouton Suivant pour aller à la suivante boite de dialogue Maîtrise. En cela, vous avez la possibilité de spécifier des éléments ou des éléments de données qui ne seront pas inclus dans le cube. En particulier, vous n'aurez plus besoin de la mesure de la quantité étendue des ventes Internet, de sorte que la case à cocher pour elle sera déchargée dans la liste. La case à cocher Freeze indique que l'élément spécifié ne sera pas importé et prendra une place excédée sur le disque dur local.

À la dernière étape, spécifiez l'emplacement et le nom des données du cube. Dans notre cas, le fichier cube sera nommé myOfflinecube.cub et sera situé dans le dossier de travail.

Les fichiers cubiques de données ont une extension .lionceau

Après un certain temps, Excel enregistrera le cube autonome des données dans le dossier spécifié. Pour le tester, double-cliquez sur le fichier, ce qui entraînera une génération automatique du carnet de travail Excel, qui contient une table consolidée associée au cube de données sélectionné. Après avoir créé, vous pouvez étendre le cube de données autonome parmi tous les utilisateurs intéressés qui fonctionnent en mode réseau local désactivé.

Après la connexion au réseau local, vous pouvez ouvrir un fichier autonome du cube de données et la mettre à jour, ainsi que la table de données correspondante. Le principe principal indique que le cube de données autonome s'applique uniquement à fonctionner lorsque le réseau local est désactivé, mais il est obligatoire mis à jour après la restauration de la connexion. Tenter de mettre à jour le cube autonome après avoir enfreint la connexion entraînera une défaillance.