Çevrimiçi analitik işleme nedir?
Çevrimiçi analiz işleme (OLAP), iş verilerini farklı bakış açılarından analiz etmek için kullanabileceğiniz bir yazılım teknolojisidir. Kuruluşlar, web siteleri, uygulamalar, akıllı sayaçlar ve dahili sistemler gibi birden çok veri kaynağından veri toplar ve depolar. OLAP, stratejik planlama için eyleme dönüştürülebilir içgörüler sağlamak için bu verileri birleştirir ve kategoriler halinde gruplandırır. Örneğin, bir perakendeci sattığı tüm ürünler hakkında renk, boyut, maliyet ve konum gibi verileri depolar. Perakendeci ayrıca sipariş edilen ürünlerin adı ve toplam satış değeri gibi müşteri satın alma verilerini farklı bir sistemde toplar. OLAP, hangi renkli ürünlerin daha popüler olduğu veya ürün yerleştirmenin satışları nasıl etkilediği gibi soruları yanıtlamak için veri kümelerini birleştirir..
OLAP neden önemlidir?
Çevrimiçi analitik işleme (OLAP), kuruluşların giderek artan miktarda dijital bilgiyi işlemesine ve bu bilgilerden yararlanmasına yardımcı olur. OLAP'nin bazı avantajları aşağıda belirtilmiştir.
Daha hızlı karar verme
İşletmeler, hızlı tempolu bir ekonomide rekabet gücünü sürdürmek amacıyla hızlı ve doğru kararlar almak için OLAP kullanır. Bilgisayar sistemi birden çok veri tablosunda arama yaptığı için birden çok ilişkisel veri tabanında analitik sorgu yapmak zaman alıcıdır. Öte yandan, OLAP sistemleri verileri önceden hesaplar ve entegre eder, böylece iş analistleri gerektiğinde daha hızlı rapor oluşturabilir.
Teknik olmayan kullanıcı desteği
OLAP sistemleri, teknik olmayan işletme kullanıcıları için karmaşık veri analizini kolaylaştırır. İşletme kullanıcıları, veri tabanlarının nasıl çalıştırılacağını öğrenmek yerine karmaşık analitik hesaplamalar oluşturabilir ve raporlar oluşturabilir.
Entegre veri görünümü
OLAP; pazarlama, finans, üretim ve diğer iş birimleri için birleşik bir platform sağlar. Yöneticiler ve karar vericiler genel görünüme sahip olabilir ve sorunları etkili bir şekilde çözebilir. Bir departman tarafından alınan kararların işletmenin diğer alanları üzerindeki etkisini gösteren olasılık analizi yapabilirler.
OLAP mimarisi nedir?
Çevrimiçi analiz işleme (OLAP) sistemleri, bilgileri ikiden fazla boyutta veya kategoride temsil ederek çok boyutlu verileri depolar. İki boyutlu veriler, sütunlar ve satırlar içerir ancak çok boyutlu verilerin birden fazla özelliği vardır. Örneğin, ürün satışlarına yönelik çok boyutlu veriler aşağıdaki boyutlardan oluşabilir:
- Ürün türü
- Konum
- Süre
Veri mühendisleri, aşağıdaki unsurlardan oluşan çok boyutlu bir OLAP sistemi oluşturur.
Veri ambarı
Bir veri ambarı uygulamalar, dosyalar ve veri tabanları dâhil olmak üzere farklı kaynaklardan bilgi toplar. Verilerin analitik amaçlara hazır olması için bilgileri çeşitli araçlar kullanarak işler. Örneğin, veri ambarı, verileri satır ve sütun tablolarında depolayan bir ilişkisel veri tabanından bilgi toplayabilir.
ETL araçları
Ayıkla, dönüştür ve yükle (ETL) araçları, verileri analitik amaçlara uygun bir biçime otomatik olarak alan, değiştiren ve hazırlayan veri tabanı işlemleridir. Veri ambarları, OLAP araçlarına sunulmadan önce çeşitli kaynaklardan gelen bilgileri dönüştürmek ve standartlaştırmak için ETL kullanır.
OLAP sunucusu
OLAP sunucusu, OLAP sistemine güç veren temel makinedir. İlişkisel veri tabanlarındaki bilgileri dönüştürmek ve OLAP işlemleri için hazırlamak amacıyla ETL araçlarını kullanır.
OLAP veri tabanı
OLAP veri tabanı, veri ambarına bağlanan ayrı bir veri tabanıdır. Veri mühendisleri bazen OLAP analizinin veri ambarına yük olmasını önlemek için bir OLAP veri tabanı kullanır. Ayrıca OLAP veri modelleri oluşturmayı kolaylaştırmak için de bir OLAP veri tabanı kullanırlar.
OLAP küpleri
Veri küpü, çok boyutlu bir bilgi dizisini temsil eden bir modeldir. Üç boyutlu bir veri modeli olarak görselleştirmek daha kolay olsa da, çoğu veri küpünün üçten fazla boyutu vardır. OLAP küpü veya hiperküp, OLAP sistemindeki veri küpleri için kullanılan terimdir. OLAP küpleri katıdır çünkü modelledikten sonra boyutları ve temel verileri değiştiremezsiniz. Örneğin, ambar boyutunu ürün, konum ve zaman boyutlarına sahip bir küpe eklerseniz küpün tamamını yeniden modellemeniz gerekir.
OLAP analitik araçları
İş analistleri OLAP küpü ile etkileşim kurmak için OLAP araçlarını kullanır. OLAP küpünün içindeki belirli bilgiler hakkında daha ayrıntılı öngörüler elde etmek için dilimleme, kenarlama ve döndürme gibi işlemler gerçekleştirirler.
OLAP nasıl çalışır?
OLAP nasıl çalışır?
Çevrimiçi analitik işleme (OLAP) sistemi, aşağıdaki adımlarla verileri toplayarak, düzenleyerek, birleştirerek ve analiz ederek çalışır:
- OLAP sunucusu, ilişkisel veri tabanları ve veri ambarları dâhil olmak üzere birden çok veri kaynağından veri toplar.
- Ardından, ayıkla, dönüştür ve yükle (ETL) araçları, belirtilen boyutların sayısına göre verileri bir OLAP küpünde temizler, birleştirir, önceden hesaplar ve depolar.
- İş analistleri OLAP küpündeki çok boyutlu verileri sorgulamak ve bunlardan raporlar oluşturmak için OLAP araçlarını kullanır.
OLAP, OLAP küpünü sorgulamak için Çok Boyutlu İfadeler (MDX) kullanır. MDX, veritabanlarını işlemek için bir dizi talimat sağlayan SQL benzeri bir sorgulamadır.
OLAP türleri nelerdir?
Çevrimiçi analitik işleme (OLAP) sistemleri üç temel şekilde çalışır.
MOLAP
Çok boyutlu çevrimiçi analitik işleme (MOLAP), bir veri ambarından çok boyutlu verileri temsil eden bir veri küpü oluşturmayı içerir. MOLAP sistemi, önceden hesaplanmış verileri hiperküpte depolar. Veri mühendisleri, hızlı analiz sağlayan bir OLAP teknolojisi türü olduğu için MOLAP'ı kullanır.
ROLAP
Bir veri küpü kullanmak yerine, ilişkisel çevrimiçi analitik işleme (ROLAP), veri mühendislerinin ilişkisel bir veri tabanı üzerinde çok boyutlu veri analizi yapmasına olanak tanır. Başka bir deyişle, veri mühendisleri, gerekli boyutlara dayalı olarak belirli bilgileri aramak ve almak için SQL sorgularını kullanır. ROLAP kapsamlı ve ayrıntılı verileri analiz etmek için uygundur. Ancak ROLAP, MOLAP ile karşılaştırıldığında yavaş sorgu performansına sahiptir.
HOLAP
Hibrit çevrimiçi analitik işleme (HOLAP), her iki mimarinin de en iyisini sağlamak için MOLAP ve ROLAP'ı birleştirir. HOLAP, veri mühendislerinin bir veri küpünden analitik sonuçları hızlı bir şekilde almasına ve ilişkisel veri tabanlarından ayrıntılı bilgi ayıklamasına olanak tanır.
OLAP'ta veri modelleme nedir?
Veri modelleme, verilerin veri ambarlarındaki veya çevrimiçi analitik işleme (OLAP) veri tabanlarındaki temsilidir. Veri modelleme, verileri doğrudan ilişkisel veri tabanından analiz ettiğinden ilişkisel çevrimiçi analitik işlemede (ROLAP) gereklidir. Çok boyutlu verileri yıldız veya kar tanesi şeması olarak depolar.
Yıldız şeması
Yıldız şeması bir bilgi tablosu ve çoklu boyut tablosundan oluşur. Bilgi tablosu, bir iş süreciyle ilgili sayısal değerler içeren bir veri tablosudur, boyut tablosu ise bilgi tablosundaki her özniteliği tanımlayan değerleri içerir. Bilgi tablosu, boyut tablosundaki ilgili bilgilerle ilişkili benzersiz tanımlayıcılar olan yabancı anahtarlara sahip boyutsal tabloları ifade eder.
Bir yıldız şemasında, bir bilgi tablosu çeşitli boyut tablolarına bağlanır, böylece veri modeli bir yıldız gibi görünür. Aşağıda ürün satışlarına yönelik bir bilgi tablosu örneği verilmiştir:
- Ürün kimliği
- Konum kimliği
- Satış Görevlisi Kimliği
- Satış tutarı
Veri tabanı sistemine ürün boyutu tablosundan bilgi almasını söyleyen ürün kimliği aşağıdaki gibi görünür:
- Ürün kimliği
- Ürün adı
- Ürün türü
- Ürün maliyeti
Aynı şekilde, konum kimliği aşağıdakilerden oluşabilecek bir konum boyutu tablosuna işaret eder:
- Konum kimliği
- Ülke
- Şehir
Satış elemanı tablosu aşağıdaki gibi görünebilir:
- Satış Görevlisi Kimliği
- Ad
- Soyadı
- E-posta
Kar tanesi şeması
Kar tanesi şeması yıldız şemasının bir uzantısıdır. Bazı boyut tabloları bir veya daha fazla ikincil boyut tablolarına yol açabilir. Bu, boyut tabloları bir araya getirildiğinde kar tanesi benzeri bir şekle neden olur.
Örneğin, ürün boyutu tablosu aşağıdaki alanları içerebilir:
- Ürün kimliği
- Ürün adı
- Ürün türü kimliği
- Ürün maliyeti
Ürün türü kimliği, aşağıdaki örnekte gösterildiği gibi başka bir boyut tablosuna bağlanır:
- Ürün türü kimliği
- Tür adı
- Sürüm
- Varyant
OLAP operasyonları nelerdir?
İş analistleri, çok boyutlu bir çevrimiçi analitik işleme (MOLAP) küpü ile birkaç temel analitik işlem gerçekleştirir.
Özetleme
Özetleme sırasında, çevrimiçi analitik işleme (OLAP) sistemi, belirli özellikler için verileri özetler. Başka bir deyişle, daha az ayrıntılı veriler gösterir. Örneğin, ürün satışlarını New York, Kaliforniya, Londra ve Tokyo'ya göre görüntüleyebilirsiniz. Özetleme işlemi, ABD, Birleşik Krallık ve Japonya gibi ülkelere dayalı satış verilerinin bir görünümünü sağlayacaktır.
Detaylandırma
Detaylandırma, özetleme işleminin tam tersidir. İş analistleri kavram hiyerarşisinde aşağı doğru hareket eder ve ihtiyaç duydukları ayrıntıları çıkarır. Örneğin, satış verilerini yıllara göre görüntülemekten aylara göre görselleştirmeye geçebilirler.
Dilimleme
Veri mühendisleri, OLAP küpünden iki boyutlu bir görünüm oluşturmak için dilimleme işlemini kullanır. Örneğin, bir MOLAP küpü verileri ürünlere, şehirlere ve aylara göre sıralar. Veri mühendisleri, küpü dilimleyerek belirli bir ay boyunca ürünlerden ve şehirlerden oluşan elektronik tablo benzeri bir tablo oluşturabilir.
Kenarlama
Veri mühendisleri, bir OLAP küpünden daha küçük bir alt küp oluşturmak için kenarlama işlemini kullanır. Gerekli boyutları belirler ve orijinal hiperküpten daha küçük bir küp oluştururlar.
Pivot
Pivot işlemi, çok boyutlu veri modeline farklı bir bakış açısı elde etmek için OLAP küpünü boyutlarından biri boyunca döndürmeyi içerir. Örneğin, üç boyutlu bir OLAP küpü ilgili eksenlerde aşağıdaki boyutlara sahiptir:
- X ekseni — ürün
- Y ekseni — konum
- Z ekseni — zaman
OLAP küpü, bir pivot üzerinde aşağıdaki yapılandırmaya sahiptir:
- X ekseni — konum
- Y ekseni — zaman
- Z-ekseni — ürün
OLAP, diğer veri analitiği yöntemleriyle nasıl karşılaştırılır?
Veri madenciliği
Veri madenciliği, kalıpları ve öngörüleri bulmak için büyük hacimli geçmiş veriyi işleyen analiz teknolojisidir. İş analistleri, veriler içindeki ilişkileri keşfetmek ve gelecekteki trendler hakkında doğru tahminler yapmak için veri madenciliği araçlarını kullanır.
OLAP ve veri madenciliği
Çevrimiçi analitik işleme (OLAP), özetlenmiş verileri sorgulamayı, ayıklamayı ve incelemeyi içeren bir veri tabanı analiz teknolojisidir. Öte yandan, veri madenciliği işlenmemiş bilgilere derinlemesine bakmayı içerir. Örneğin, pazarlamacılar, her web sitesi ziyaretinin kayıtlarından kullanıcı davranışlarını analiz etmek için veri madenciliği araçlarını kullanabilir. Daha sonra bu davranışları süre, cihaz, ülke, dil ve tarayıcı türü gibi çeşitli açılardan incelemek için OLAP yazılımını kullanabilirler.
OLTP
Çevrimiçi işlem gerçekleştirme (OLTP), bilgileri bir veri tabanında hızlı ve güvenilir bir şekilde depolayan bir veri teknolojisidir. Veri mühendisleri, finansal kayıtlar, hizmet abonelikleri ve müşteri geri bildirimleri gibi işlem verilerini ilişkisel bir veri tabanında depolamak için OLTP araçlarını kullanır. OLTP sistemleri, ilişkisel tablolarda kayıt oluşturmayı, güncellemeyi ve silmeyi içerir.
OLAP ve OLTP
OLTP, veri tabanlarında birden fazla işlem akışını işlemek ve depolamak için idealdir. Ancak, veri tabanından karmaşık sorgular gerçekleştiremez. Bu nedenle, iş analistleri çok boyutlu verileri analiz etmek için bir OLAP sistemi kullanır. Örneğin, veri bilimciler, geçmiş veriler üzerinde yoğun işlem kullanımlı sorgular gerçekleştirmek için bir OLTP veri tabanını bulut tabanlı bir OLAP küpüne bağlar.
AWS, OLAP'a nasıl yardımcı olur?
AWS veri tabanları, kuruluşların çevrimiçi analitik işleme (OLAP) işlemlerini depolamasına ve gerçekleştirmesine yardımcı olmak için çeşitli yönetilen bulut veri tabanları sağlar. Veri analistleri, kuruluşlarının gereksinimlerine uygun güvenli veri tabanları oluşturmak için AWS veri tabanlarını kullanır. Kuruluşlar, ödenebilirlik ve ölçeklenebilirlik nedeniyle iş verilerini AWS veri tabanlarına geçirir.
- Amazon Redshift, çevrimiçi analitik işleme için özel olarak tasarlanmış bir bulut veri ambarıdır.
- Amazon İlişkisel Veritabanı Hizmeti (Amazon RDS), OLAP işlevselliğine sahip ilişkisel bir veritabanıdır. Veri mühendisleri, boyutsal küpler üzerinde karmaşık sorgular gerçekleştirmek için Amazon RDS'yi Oracle OLAP ile birlikte kullanır.
- Amazon Aurora, MySQL ve PostgreSQL uyumlu bulut ilişkisel veritabanıdır. Karmaşık OLAP iş yüklerini çalıştırmak için optimize edilmiştir.
Hemen bir AWS hesabı oluşturarak AWS'de OLAP'ı kullanmaya başlayın.
