Программа олап для чего

Онлайн-аналитическая обработка (OLAP) — это программная технология, которую можно использовать для анализа бизнес-данных с разных точек зрения. Организации собирают и хранят данные из нескольких источников данных, таких как веб-сайты, приложения, интеллектуальные счетчики и внутренние системы.

OLAP объединяет и группирует эти данные по категориям, чтобы обеспечить практическую информацию для стратегического планирования. Например, розничный торговец хранит данные обо всех продаваемых товарах, такие как цвет, размер, стоимость и местоположение. Розничный торговец также собирает данные о покупках клиентов, такие как название заказанных товаров и общая стоимость продаж, в другой системе. OLAP объединяет наборы данных, чтобы ответить на такие вопросы, как цветные продукты более популярны или как размещение продукта влияет на продажи.

Почему OLAP играет такую важную роль?

Онлайн-аналитическая обработка (OLAP) помогает организациям обрабатывать растущий объем цифровой информации и извлекать из нее выгоду. Некоторые преимущества OLAP включают следующее.

BIWEB (#2) Что такое Сводные таблицы Excel и OLAP кубы

Возможность принимать более обоснованные решения

Предприятия используют OLAP для принятия быстрых и точных решений, чтобы оставаться конкурентоспособными в быстро меняющейся экономической ситуации. Выполнение аналитических запросов к нескольким реляционным базам данных занимает много времени, поскольку компьютерная система выполняет поиск по нескольким таблицам данных. С другой стороны, системы OLAP предварительно рассчитывают и интегрируют данные, чтобы бизнес-аналитики могли быстрее создавать отчеты при необходимости.

Нетехническая поддержка пользователей

Системы OLAP упрощают комплексный анализ данных для нетехнических бизнес-пользователей. Бизнес-пользователи могут создавать сложные аналитические расчеты и создавать отчеты вместо того, чтобы учиться работать с базами данных.

Интегрированное представление данных

OLAP предоставляет унифицированную платформу для маркетинговых, финансовых, производственных и других бизнес-подразделений. Руководители и лица, принимающие решения, могут видеть общую картину и эффективно решать проблемы. Они могут проводить анализ «что если», который показывает влияние решений, принятых одним отделом, на другие области бизнеса.

Что такое архитектура OLAP?

Системы онлайн-аналитической обработки (OLAP) хранят многомерные данные, представляя информацию более чем в двух измерениях или категориях. Двумерные данные включают столбцы и строки, но многомерные данные имеют множество характеристик. Например, многомерные данные о продажах продукции могут состоять из указанных ниже измерений.

• Тип продукта
• География
• Время

Инженеры по обработке данных создают многомерную систему OLAP, состоящую из указанных ниже элементов.

Хранилище данных

Хранилище данных собирает информацию из разных источников, включая приложения, файлы и базы данных. Оно обрабатывает информацию с помощью различных инструментов, чтобы данные были готовы к аналитическим целям. Например, хранилище данных может собирать информацию из реляционной базы данных, в которой данные хранятся в таблицах строк и столбцов.

Создание OLAP куба в Excel

Инструменты ETL

Инструменты извлечения, преобразования и загрузки (ETL) – это процессы базы данных, которые автоматически извлекают, изменяют и подготавливают данные к формату, подходящему для аналитических целей. Хранилища данных используют ETL для преобразования и стандартизации информации из различных источников перед тем, как сделать ее доступной для инструментов OLAP.

Сервер OLAP

Сервер OLAP – это базовая машина, которая питает систему OLAP. Он использует инструменты ETL для преобразования информации в реляционных базах данных и подготовки их к операциям OLAP.

База данных OLAP

База данных OLAP – это отдельная база данных, которая подключается к хранилищу данных. Инженеры по обработке данных иногда используют базу данных OLAP, чтобы предотвратить нагрузку на хранилище данных анализом OLAP. Они также используют базу данных OLAP для упрощения создания моделей данных OLAP.

Кубы OLAP

Куб данных – это модель, представляющая многомерный массив информации. Хотя визуализировать его в виде трехмерной модели данных проще, большинство кубов данных имеют более трех измерений. Куб OLAP или гиперкуб – это термин для кубов данных в системе OLAP. Кубы OLAP являются жесткими, поскольку вы не можете изменить их параметры и базовые данные после моделирования. Например, если вы добавляете измерение хранилища в куб с измерениями продукта, местоположения и времени, вам придется переделать весь куб.

Аналитические инструменты OLAP

Бизнес-аналитики используют инструменты OLAP для взаимодействия с кубом OLAP. Они выполняют такие операции, как нарезка, нарезка в виде кубов и поворотные операции для получения более глубокого понимания конкретной информации в OLAP-кубе.

Как работает OLAP?

Как работает OLAP?

Онлайн-система аналитической обработки (OLAP) работает путем сбора, организации, агрегирования и анализа данных с использованием указанных ниже шагов.

1. Сервер OLAP собирает данные из нескольких источников данных, включая реляционные базы данных и хранилища данных.
2. Затем инструменты извлечения, преобразования и загрузки (ETL) очищают, агрегируют, предварительно рассчитывают и сохраняют данные в кубе OLAP в соответствии с указанным количеством измерений.
3. Бизнес-аналитики используют инструменты OLAP для запроса и создания отчетов на основе многомерных данных в кубе OLAP.

OLAP использует многомерные выражения (MDX) для запроса куба OLAP. Многомерные выражения – это запрос, подобно SQL, который предоставляет набор инструкций для работы с базами данных.

Какие виды OLAP существуют?

Системы онлайн-аналитической обработки (OLAP) работают по трем основным направлениям.

MOLAP

Многомерная онлайн-аналитическая обработка (MOLAP) включает создание куба данных, представляющего многомерные данные из хранилища данных. Система MOLAP хранит предварительно рассчитанные данные в гиперкубе. Инженеры по обработке данных используют MOLAP, потому что этот тип технологии OLAP обеспечивает быстрый анализ.

ROLAP

Вместо использования куба данных реляционная онлайн-аналитическая обработка (ROLAP) позволяет инженерам данных выполнять многомерный анализ данных в реляционной базе данных. Другими словами, инженеры по обработке данных используют SQL-запросы для поиска и извлечения конкретной информации на основе требуемых измерений. ROLAP подходит для анализа обширных и подробных данных. Однако ROLAP имеет более низкую производительность запросов по сравнению с MOLAP.

HOLAP

Гибридная онлайн-аналитическая обработка (HOLAP) сочетает MOLAP и ROLAP, чтобы обеспечить лучшее из обеих архитектур. HOLAP позволяет инженерам по обработке данных быстро извлекать аналитические результаты из куба данных и подробную информацию из реляционных баз данных.

Что такое моделирование данных в OLAP?

Моделирование данных – это представление данных в хранилищах данных или базах данных онлайн-аналитической обработки (OLAP). Моделирование данных имеет важное значение для реляционной онлайн-аналитической обработки (ROLAP), поскольку оно анализирует данные прямо из реляционной базы данных. Она хранит многомерные данные в виде звезды или снежинки.

Схема «звезда»

Схема «звезда» состоит из таблицы фактов и нескольких таблиц измерений. Таблица фактов – это таблица данных, содержащая числовые значения, относящиеся к бизнес-процессу, а таблица измерений содержит значения, описывающие каждый атрибут в таблице фактов. Таблица фактов относится к таблицам измерений с внешними ключами – уникальными идентификаторами, которые коррелируют с соответствующей информацией в таблице измерений.

В схеме «звезда» таблица фактов соединяется с несколькими таблицами измерений, поэтому модель данных выглядит как звезда. Ниже приведен пример таблицы фактов о продажах продукции:

• Идентификатор продукта
• Идентификатор местоположения
• Идентификатор продавца
• Сумма продаж

Идентификатор продукта указывает системе базы данных получить информацию из таблицы аналитик продукта, которая может выглядеть указанным ниже образом.

• Идентификатор продукта
• Название продукта
• Тип продукта
• Себестоимость продукта

Аналогичным образом идентификатор местоположения указывает на таблицу измерений местоположения, которая может состоять из указанных ниже элементов.

• Идентификатор местоположения
• Страна
• Город

Таблица salesperson может выглядеть указанным ниже образом.

• Идентификатор продавца
• Имя
• Фамилия
• Электронная почта

Схема «снежинка»

Схема «снежинка» является продолжением схемы звезды. Некоторые таблицы измерений могут привести к появлению одной или нескольких дополнительных таблиц измерений. В результате получается форма снежинки при сборке таблиц размеров.

Например, таблица аналитик продукта может содержать указанные ниже поля.

• Идентификатор продукта
• Название продукта
• Идентификатор типа продукта
• Себестоимость продукта

Идентификатор типа продукта соединяется с другой таблицей измерений, как показано в следующем примере.

• Идентификатор типа продукта
• Имя типа
• Версия
• Вариант

Что такое операции OLAP?

Бизнес-аналитики выполняют несколько основных аналитических операций с помощью куба многомерной онлайн-аналитической обработки (MOLAP).

Сводный вид

В сводном виде система онлайн-аналитической обработки (OLAP) суммирует данные по конкретным атрибутам. Другими словами, в таком случае показываются менее подробные данные. Например, вы можете просмотреть продажи товаров по Нью-Йорку, Калифорнии, Лондону и Токио. Операция свертывания предоставит представление данных о продажах на основе таких стран, как США, Великобритания и Япония.

Детализация

Детализация противоположна операции свертывания. Бизнес-аналитики продвигаются вниз в иерархии концепций и извлекают необходимые им детали. Например, они могут перейти от просмотра данных о продажах по годам к их визуализации по месяцам.

Система слайсов

Инженеры по обработке данных используют систему слайсов для создания двумерного представления из куба OLAP. Например, куб MOLAP сортирует данные по продуктам, городам и месяцам. Создавая слайсы, инженеры по обработке данных могут создать таблицу в виде электронной таблицы, состоящую из продуктов и городов за определенный месяц.

Система кубов

Инженеры по обработке данных используют систему кубов для создания меньшего куба из куба OLAP. Они определяют необходимые размеры и строят куб меньшего размера из исходного гиперкуба.

Разворот

Операция разворота включает поворот куба OLAP вдоль одного из его измерений для получения другого взгляда на многомерную модель данных. Например, трехмерный куб OLAP имеет указанные ниже размеры по соответствующим осям.

• Ось X – продукт
• Ось Y – местоположение
• Ось Z – время

После разворота куб OLAP имеет указанную ниже конфигурацию.

• Ось X – местоположение
• Ось Y – время
• Ось Z – продукт

Как OLAP сравнивается с другими методами анализа данных?

Интеллектуальный анализ данных

Интеллектуальный анализ данных – это аналитическая технология, которая обрабатывает большие объемы исторических данных для поиска закономерностей и идей. Бизнес-аналитики используют инструменты интеллектуального анализа данных для выявления взаимосвязей в данных и точного прогнозирования будущих тенденций.

OLAP и интеллектуальный анализ данных

Онлайн-аналитическая обработка (OLAP) – это технология анализа баз данных, которая включает запросы, извлечение и изучение обобщенных данных. С другой стороны, интеллектуальный анализ данных предполагает глубокое изучение необработанной информации. Например, маркетологи могут использовать инструменты интеллектуального анализа данных для анализа поведения пользователей на основе записей о каждом посещении веб-сайта. Затем они могут использовать программное обеспечение OLAP для проверки такого поведения с разных сторон, таких как продолжительность, устройство, страна, язык и тип браузера.

OLTP

Онлайн-обработка транзакций (OLTP) – это технология обработки данных, которая быстро и надежно хранит информацию в базе данных. Специалисты по обработке данных используют инструменты OLTP для хранения транзакционных данных, таких как финансовые отчеты, подписки на сервисы и отзывы клиентов, в реляционной базе данных. Системы OLTP включают создание, обновление и удаление записей в реляционных таблицах.

OLAP и OLTP

OLTP отлично подходит для обработки и хранения нескольких потоков транзакций в базах данных. Однако в таком случае нельзя выполнять сложные запросы из базы данных. Поэтому бизнес-аналитики используют систему OLAP для анализа многомерных данных. Например, специалисты по обработке данных подключают базу данных OLTP к облачному кубу OLAP для выполнения ресурсоемких запросов к историческим данным.

Как AWS помогает с OLAP?

Базы данных AWS предоставляют различные управляемые облачные базы данных, помогающие организациям хранить и выполнять операции онлайн-аналитической обработки (OLAP). Аналитики данных используют базы данных AWS для создания безопасных баз данных, соответствующих требованиям их организации. Организации переносят свои бизнес-данные в базы данных AWS из-за доступности и масштабируемости.

• Amazon Redshift – это облачное хранилище данных, разработанное специально для аналитической онлайн-обработки.
• Служба реляционных баз данных Amazon (Amazon RDS) – это реляционная база данных с функциональностью OLAP. Инженеры по обработке данных используют Amazon RDS с Oracle OLAP для выполнения сложных запросов к размерным кубам.
• Amazon Aurora – это облачная реляционная база данных, совместимая с MySQL и PostgreSQL. Эта система оптимизирована для выполнения сложных рабочих нагрузок OLAP.

Создайте учетную запись AWS и начните работу с технологией OLAP уже сегодня.

Источник: aws.amazon.com

Что такое ОЛАП? Определения, типы и преимущества

Предприятия используют различные инструменты для обработки, хранения и анализа своих данных, чтобы улучшить свои бизнес-процессы и результаты. Технологии, такие как онлайн-инструменты аналитической обработки, могут помочь профессионалам систематизировать свои данные. Понимание того, что такое OLAP и как вы можете его использовать, может помочь вам определить, может ли ваш бизнес извлечь выгоду из одного из этих инструментов. В этой статье мы обсудим, что такое OLAP, его операции и приложения, преимущества его использования и различные типы систем OLAP.

Что такое ОЛАП?

OLAP, или оперативная аналитическая обработка, — это метод вычислений, который решает сложные аналитические программы. Это инструмент бизнес-аналитики, который обрабатывает большие объемы данных в нескольких категориях. Это обрабатывает данные из витрины данных, хранилища или другого устройства хранения данных. OLAP использует кубы для структурирования нескольких категорий.

В отличие от стандартного графика, который может отображать количество продаж во времени, третья ось или измерение в кубе может быть дополнительной категорией, например местоположением. Предприятия используют это представление данных в прогнозировании, бюджетировании и финансовом планировании.

Куб OLAP обычно имеет три категории данных, такие как продукты, время и местоположение. Кубы могут иметь и другие категории данных, такие как демографические данные или клиенты. Куб размещает данные по этим осям, чтобы определить текущие тенденции и проанализировать, как эти три компонента соотносятся друг с другом.

Программы для Windows, мобильные приложения, игры — ВСЁ БЕСПЛАТНО, в нашем закрытом телеграмм канале — Подписывайтесь:)

Операции в OLAP

Существует пять операций, которые выполняет OLAP, и каждая из них выполняет различные аналитические задачи, которые предприятия используют для извлечения данных. Вот некоторые описания каждого:

Консолидация (свертывание)

Консолидация — это объединение данных, анализируемых программой, в одно или несколько измерений. Например, этот процесс объединяет или сводит данные от каждого продавца-консультанта в данные о продажах по подразделениям или регионам. Это уменьшает количество измерений в кубе OLAP и дает профессионалам более широкое представление о данных, которые они используют при прогнозировании.

Детализация

В отличие от консолидации, операции детализации создают определенные категории для одного или нескольких массивов в кубе OLAP. Например, вместо сбора квартальных данных в четырех разделах вы можете анализировать ежемесячные данные. Это увеличивает количество измерений в кубе, но предоставляет более подробную информацию конечным пользователям.

Ломтик

Операция среза просматривает одно измерение в кубе OLAP. Например, вместо анализа данных о местоположении, временной шкале и категории срез может быть просто временной шкалой и категорией. Эта операция выполняется на удаленном фрагменте для определенного представления данных. В примере изучения временной шкалы и категории пользователь может просматривать эти данные в одном конкретном месте, а не во всех местах в кубе.

Игральная кость

Игра в кости — это операция, при которой вы берете меньшие кубы из двух или более измерений внутри куба OLAP. Например, если у вас есть данные по пяти местоположениям, четырем кварталам и пяти категориям, вы можете проанализировать по два из них. Это создает меньший фрагмент данных для анализа.

Вращаться

Операция поворота или поворота вращает ось, чтобы получить новое представление данных. Программы обычно выполняют эту операцию над определенным фрагментом данных. Это может показать разные взгляды на тенденции и циклы, которые предприятия могут использовать для прогнозирования.

Приложения для OLAP

Компании могут использовать OLAP для анализа своих данных, таких как продажи, рынки, взаимодействие и финансы. Возможность просмотра данных с несколькими измерениями показывает, как различные факторы могут повлиять на другие данные, а использование различных операций может помочь предоставить более подробные или высокоуровневые представления этой информации. Некоторые распространенные приложения для OLAP:

• Отчетность по продажам
• Маркетинг
• Управленческая отчетность
• Управление процессом
• Бюджетирование
• Прогнозирование

Преимущества использования OLAP

OLAP — отличный инструмент для компаний, позволяющий расширить свои знания о бизнес-процессах, продажах, маркетинге и взаимодействии. Чем больше данных у бизнеса, тем больше он может принимать более обоснованные решения на будущее. Вот некоторые преимущества использования метода OLAP:

• Лучшее понимание: чем больше выборочных данных может проанализировать компания, тем больше бизнес может предсказать свои будущие результаты. Вместо того, чтобы просто просматривать статические данные, операции OLAP предоставляют компаниям текущие данные и анализ «что, если».
• Надежные данные: OLAP — это технология, которую используют многие программы бизнес-аналитики, поэтому она автоматически рассчитывает свои цифры и тенденции, а не человек, вычисляющий эти цифры вручную. Помимо ошибок ввода данных, OLAP — надежная технология.
• Специальные отчеты: технология OLAP позволяет компаниям получать доступ к представлениям данных, когда они им нужны. Различные операции предоставляют пользователям возможность собирать различные анализы для разных представлений в своих операциях.
• Многомерные данные. В отличие от плоских или двумерных данных, таких как данные о продажах во времени, множественные измерения показывают, как каждый аспект бизнеса, например местоположение и разные категории, влияют друг на друга. Тенденции продаж могут различаться в зависимости от местоположения и с течением времени, поэтому понимание этих различных аспектов помогает компании лучше планировать.
• Быстрый доступ: вместо того, чтобы собирать данные из множества источников, программы, использующие OLAP, предоставляют эту информацию быстро.

Типы OLAP-систем

Существует несколько разновидностей систем OLAP, включая многомерные, реляционные и гибридные. В зависимости от типа анализа, необходимого предприятиям, они могут использовать одну или несколько из этих моделей бизнес-аналитики. Вот некоторые описания для каждого и как кто-то может их использовать:

Многомерный (МОЛАП)

Это оригинальный и наиболее часто используемый OLAP. MOLAP может быть самым быстрым и простым способом обработки и анализа данных, поскольку он хранит данные в многомерных массивах и часто обрабатывает данные до того, как пользователь получит к ним доступ. Часто кубы данных содержат все ответы на возможные запросы, например, какие продажи были в данном месте в течение определенного месяца, обеспечивая быстрые ответы на запросы пользователей. Предварительное вычисление, или возможность обработки данных без обращения пользователя к программе, является одним из основных преимуществ MOLAP. Вот еще несколько причин для использования этого типа:

• Индексация и кеширование для быстрого получения результатов по запросам
• Сжатие файлов для лучшего хранения
• Предоставление высокого уровня и подробного анализа
• Разрешение на автоматическую индексацию
• Предоставление легкого доступа к реструктурированным данным

Реляционный (ROLAP)

Этот тип по-прежнему является многомерным, но организует данные в реляционных таблицах, где данные не вычисляются предварительно. При использовании таких операций, как нарезка, ROLAP создает сценарии на основе данных. ROLAP может получать доступ и заполнять данные в других базах данных или информацию, собранную из предыдущих запросов. Некоторые преимущества этого включают:

• Обработка больших наборов данных
• Сокращение времени загрузки по сравнению с другими инструментами обработки данных
• Доступ к данным с помощью любого инструмента отчетности SQL
• Обработка дополнительных данных, таких как описания
• Доступ к нему имеет гораздо больше пользователей

Гибрид (ХОЛАП)

Гибридные модели сочетают в себе функции моделей ROLAP и MOLAP, определяя, какие данные хранить в предварительно вычисленных структурах, а какие лучше использовать в реляционной структуре. Хотя структуры HOLAP могут различаться, они часто используют структуру ROLAP для хранения больших объемов подробных данных и специализированную структуру MOLAP для консолидированных данных более высокого уровня. Некоторые преимущества этой модели включают в себя:

• Кэширование для быстрых запросов, хотя некоторые запросы в реляционной базе данных могут выполняться дольше
• Объем обработки увеличивается
• Обработка больших объемов данных
• Сжатие хранилища для увеличения скорости доступа
• Объединение функций запросов ROLAP и сохраненных данных в MOLAP

Источник: buom.ru

Обзор olAP

OlAP — это технология, которая используется для у упорядочества крупных бизнес-баз данных и поддержки бизнес-аналитики. Базы данных OLAP разделены на один или несколько кубов, и каждый из них организован и разработан администратором куба так, чтобы получать и анализировать данные так, чтобы было проще создавать и использовать нужные отчеты сводная диаграмма и сводная диаграмма.

В этой статье

• Что такое бизнес-аналитика?
• Что такое OLAP?
• Функции OLAP в Excel
• Компоненты программного обеспечения, необходимые для доступа к источникам данных OLAP
• Различия функций между исходными данными OLAP и данными, которые не являются источником OLAP

Что такое бизнес-аналитика?

Бизнес-аналитику часто требуется получить общую картину бизнеса, увидеть более широкие тенденции на основе совокупных данных и увидеть, что эти тенденции разбиты на любое количество переменных. Бизнес-аналитика — это процесс извлечения данных из базы данных OLAP, а затем их анализа для получения информации, которую можно использовать для принятия обоснованных бизнес-решений и принятия мер. Например, olAP и бизнес-аналитика помогают отвечать на следующие вопросы о бизнес-данных:

• Как сопоставлять совокупные продажи всех продуктов за 2007 г. с совокупными продажами за 2006 г.?
• Чем наша прибыльность по сравнению с тем же периодом времени за последние пять лет?
• Сколько средств потратили клиенты в прошлом году за 35 лет и как изменилось это поведение с течением времени?
• Сколько продуктов было продано в двух отдельных странах или регионах в этом месяце, а не в том же месяце прошлого года?
• Что такое разбивка прибыли (как в процентах от прибыли, так и по итоговой) по категориям продуктов для каждой возрастной группы клиентов?
• Поиск лучших и нижних продавцов, распространителей, поставщиков, клиентов, партнеров или клиентов.

Что такое OLAP?

Базы данных OLAP упрощают запросы бизнес-аналитики. OLAP — это технология базы данных, оптимизированная для запросов и отчетов, а не для обработки транзакций. Источником данных для OLAP являются базы данных OLTP, которые обычно хранятся в хранилищах данных. Данные OLAP получаются на основе этих исторических данных и объединяются в структуры, которые позволяют сложный анализ.

Данные OLAP также уорганизованы в иерархию и хранятся в кубах, а не в таблицах. Это сложная технология, использующая многомерные структуры для быстрого доступа к данным для анализа. Эта организация упрощает отображение высокоуровневых сводных отчетов, таких как итоги продаж по всей стране или региону, а также сведений о сайтах, где продажи являются особенно сильными или слабыми. сводная диаграмма

Базы данных OLAP ускоряют ирисовку данных. Так как сервер OLAP, а не Microsoft Office Excel вычисляет сводимые значения, при создании или изменении отчета на Excel меньше данных. Этот подход позволяет работать с намного большими объемами исходных данных, чем можно было бы, если бы они были у вас в традиционной базе данных, в которой Excel извлекает все отдельные записи и вычисляет сводимые значения.

Базы данных OLAP содержат два основных типа данных: показатели, которые являются числовые данные, количество и средние значения, которые используются для принятия обоснованных деловых решений, и измерения ( категории, которые вы используете для организации этих мер. Базы данных OLAP помогают упорядочесть данные по уровням детализации, используя те же категории, что и для анализа данных.

В следующих разделах подробно описаны все компоненты.

Куба Структура данных, которая собирает меры по уровням и иерархиям каждого измерения, которые вы хотите проанализировать. Кубы объединяют несколько измерений, таких как время, география и строки товаров, с обобщенными данными, такими как данные о продажах или складских запасах. Кубы не являются «кубами» в строгом математическом смысле, так как они не обязательно имеют одинаковые стороны. Однако они являются вехой в сложных концепциях.

Измерения Набор значений в кубе, основанных на столбце в таблице фактов куба и обычно числовом значении. Меры — это центральные значения в кубе, которые предварительно продвинуются, агрегируются и анализируются. Распространенные примеры: продажи, прибыль, доходы и затраты.

Член Элемент в иерархии, представляющий одно или несколько вхождений данных. Участник может быть уникальным или неуникционным. Например, 2007 и 2008 представляют уникальные участники на уровне года измерения времени, в то время как Январь — неинъюникционные участники на уровне месяца, так как измерение времени может иметь более одного января, если оно содержит данные за более чем один год.

Вычисляемая член Член измерения, значение которого вычисляется во время запуска с помощью выражения. Значения вычисляемого члена могут быть получены из значений других участников. Например, вычисляемого члена (Прибыль) можно определить путем вычитания значения участника (Затраты) из значения участника (Продажи).

измерение Набор из одной или более иерархий уровней в кубе, который пользователь понимает и использует в качестве основы для анализа данных. Например, географическое измерение может включать уровни «Страна/регион», «Область/край» и «Город». Или измерение времени может включать иерархию с уровнями года, квартала, месяца и дня. В отчете или отчете сводная диаграмма отчете каждая иерархия становится набором полей, которые можно развернуть и свернуть для более низкого или более высокого уровня.

Иерархия Логическая структура дерева, которая упорядочьт часть измерения, чтобы каждый член был одним родительским и нулевым или более членами ребенка. Ребенок — это участник следующего нижнего уровня иерархии, непосредственно связанный с текущим. Например, в иерархии «Время», содержащей уровни Квартал, Месяц и День, «Январь» является потомком Кв1.

Родитель — это член на следующем более высоком уровне иерархии, непосредственно связанный с текущим. Родительское значение обычно является консолидацией значений всех ее детей. Например, в иерархии времени, которая содержит уровни Квартал, Месяц и День, Кв1 является родительским из января.

Уровень В иерархии данные можно организовать по нижнему и более высокому уровням детализации, например по годам, кварталам, месяцам и дням в иерархии времени.

Функции OLAP в Excel

Сбор данных OLAP Вы можете подключаться к источникам данных OLAP так же, как к другим внешним источникам данных. Вы можете работать с базами данных, созданными в Microsoft SQL Server olAP Services версии 7.0, Microsoft SQL Server Analysis Services версии 2000 и Microsoft SQL Server Analysis Services версии 2005 , серверных продуктов Microsoft OLAP. Excel также можно работать со сторонними продуктами OLAP, совместимыми с OLE-DB для OLAP.

Данные OLAP можно отобразить только в отчете или отчете сводная диаграмма или на функции, преобразованной из отчета, но не как отчет диапазон внешних данных. Вы можете сохранять отчеты и отчеты сводная диаграмма OLAP в шаблонах отчетов, а также создавать ODC-файлы Office (ODC) для подключения к базам данных OLAP для запросов OLAP. Когда вы открываете ODC-файл, Excel отображает пустой отчет, который можно разложить.

Создание файлов куба для автономного использования Вы можете создать файл автономного куба (.cub) с подмножество данных из базы данных сервера OLAP. Автономные файлы кубов можно использовать для работы с данными OLAP, если вы не подключены к сети. Куб позволяет работать с большими объемами данных в отчете или отчете сводная диаграмма, чем в противном случае, и ускоряет искомые данные. Файлы кубов можно создавать только при использовании поставщик OLAP, например Microsoft SQL Analysis Services Server версии 2005, которая поддерживает эту функцию.

Действия сервера Действие сервера — это необязательная, но полезная функция, которую администратор куба OLAP может определить на сервере, который использует элемент куба или меру в качестве параметра в запросе для получения сведений в кубе или запуска другого приложения, например браузера. Excel поддерживает url-адрес, отчет, набор строк, детализацию и развернуть до подробных серверов, но не поддерживает проприетарные данные, statement и Dataset.

Ключевые показатели эффективности Ключевой показатель эффективности — это специальный вычисляемая мера, определяемая на сервере, которая позволяет отслеживать «ключевые показатели производительности», включая состояние (соответствует ли текущее значение определенному числу?) и тенденция (какое значение будет со временем?). Если они отображаются, сервер может отправлять связанные значки, похожие на новые значки Excel, которые указывают выше или ниже уровней состояния (например, значок «Остановить свет»), а также указывает ли значение вверх или вниз (например, на стрелку с направлением).

Форматирование сервера Администраторы кубов могут создавать меры и элементы с форматированием цветов, форматированием шрифтов и правилами условного форматирования, которые могут быть назначены корпоративным стандартным бизнес-правилом. Например, серверным форматом прибыли может быть числовом формате валюты, цветом ячейки зеленого цвета, если значение больше или равно 30 000, и красным, если значение меньше 30 000, и полужирным шрифтом, если значение меньше 30 000, и обычным, если значение больше или равно 30 000. Дополнительные сведения см. в этой ссылке.

Язык интерфейса Office Администратор куба может определять перевод данных и ошибок на сервере для пользователей, которым нужно видеть сведения из стебли на другом языке. Эта функция определяется как свойство подключения к файлу, и региональные параметры компьютера пользователя должны соответствовать языку интерфейса.

Компоненты программного обеспечения, необходимые для доступа к источникам данных OLAP

Поставщик OLAP Чтобы настроить источники данных OLAP для Excel, требуется один из следующих поставщиков OLAP:

• Поставщик Microsoft OLAP Excel включает программное обеспечение драйвер источника данных и клиентского программного обеспечения, необходимые для доступа к базам данных, созданным с помощью служб MICROSOFT SQL SERVER OLAP версии 7.0, Microsoft SQL Server OLAP Services версии 2000 (8.0) и Microsoft SQL Server Analysis Services версии 2005 (9.0).
• Сторонние поставщики OLAP Для других продуктов OLAP необходимо установить дополнительные драйверы и клиентское программное обеспечение. Чтобы использовать Excel для работы с данными OLAP, сторонний продукт должен соответствовать стандарту OLE-DB для OLAP и Microsoft Office совместимости. Для получения сведений об установке и использовании сторонних поставщиков OLAP обратитесь к системного администратора или поставщику продукта OLAP.

Серверные базы данных и файлы кубов Клиент Excel OLAP поддерживает подключения к двум типам баз данных OLAP. Если база данных на olAP-сервере доступна в сети, вы можете извлечь исходные данные непосредственно из нее. Если у вас есть автономный файл куба данных OLAP или файл определение кубов, вы можете подключиться к этому файлу и извлечь из него исходные данные.

Источники данных Источник данных обеспечивает доступ ко всем данным в базе данных OLAP или автономном файле куба. После создания источника данных OLAP вы можете создавать на его основе отчеты и возвращать данные OLAP в Excel в виде отчета или отчета сводная диаграмма таблицы, а также в функции, преобразованной из отчета.

Microsoft Query Запрос можно использовать для извлечения данных из внешней базы данных, например Microsoft SQL Microsoft Access. Использовать запрос для извлечения данных из связанной с файлом куба с помощью запроса не требуется. Дополнительные сведения см. в том, как использовать Microsoft Query для извлечения внешних данных.

Различия функций между исходными данными OLAP и данными, которые не являются источником OLAP

Если вы работаете с отчетами и отчетами сводная диаграмма, полученными как исходные данные OLAP, так и другими типами исходных данных, вы заметите некоторые отличия функций.

Ирисовка данных Сервер OLAP возвращает новые данные Excel каждый раз при изменении макета отчета. При обработке внешних исходных данных можно запрашивать все исходные данные одновременно или настроить параметры запроса только в том случае, если отображаются разные элементы полей фильтра отчета. Кроме того, есть несколько других способов обновления отчета.

В отчетах, основанных на исходных данных OLAP, параметры поля фильтра отчета недоступны, фоновый запрос недоступен, а оптимизировать параметр памяти недоступен.

Примечание: Оптимизация памяти также недоступна для источников данных OLEDB и отчетов с отчетами в отчетах, основанных на диапазоне ячеев.

Типы полей Исходные данные OLAP, измерение поля можно использовать только в качестве строк (рядов), столбцов (категорий) или полей страниц. Поля мер можно использовать только как поля значений. Для других типов исходных данных все поля можно использовать в любой части отчета.

Доступ к подробным данным Для исходных данных OLAP сервер определяет доступные уровни детализации и вычисляет итоги, поэтому подробные записи, которые составляют сводные значения, могут быть недоступны. Однако сервер может предоставлять поля свойств, которые можно отобразить. У других типов исходных данных нет полей свойств, но вы можете отобразить их значения и элементы, а также элементы без данных.

В полях фильтра отчета OLAP может не быть элемента Все, а команда Показать страницы фильтра отчета недоступна.

Порядок начальной сортировки Для исходных данных OLAP элементы сначала отображаются в том порядке, в котором они возвращаются сервером OLAP. После этого вы можете сортировать или переусортировать элементы вручную. Для других типов исходных данных элементы в новом отчете сначала отображаются в порядке возрастания по имени элемента.

Расчеты Серверы OLAP предоставляют сводные значения непосредственно для отчета, поэтому функции сведения для полей значений изменить нельзя. Для других типов исходных данных можно изменить функцию сведения для поля значений и использовать несколько функций сведения для одного поля значений. В отчетах с исходными данными OLAP нельзя создавать вычисляемые поля или вычисляемые объекты.

Промежуточные итоги В отчетах с исходными данными OLAP нельзя изменить функцию суммарных итогов. С помощью других типов исходных данных можно изменять функции суммарных итогов и показывать или скрывать итоги для всех полей строк и столбцов.

Для исходных данных OLAP при расчете итогов и общие итоги можно включать или исключать скрытые элементы. Для других типов исходных данных в подытогов можно включить скрытые элементы поля фильтра отчета, но скрытые элементы в других полях по умолчанию исключаются.

Источник: support.microsoft.com