OLAP
OLAP (Online Analytical Processing) unterstützt Endanwender dabei, schnell und intuitiv auf umfangreiche Datenmengen zuzugreifen, um hypothesengestützte Analysen auf Grundlage einer bestimmten Logik durchzuführen.
OLAP-Systeme für die Entscheidungsunterstützung
IT-Unternehmen verzeichnen eine wachsende Nachfrage nach Systemen, in denen Knowledge Worker strategische und taktische Entscheidungen auf der Basis von Unternehmensdaten treffen können. Systeme für die Entscheidungsunterstützung werden als OLAP-Systeme (Online Analytical Processing) bezeichnet. Mit ihnen können Knowledge Worker operative Daten unter Verwendung vertrauter Geschäftsbegriffe intuitiv, schnell und flexibel bearbeiten, um analytische Einblicke zu gewähren.
OLAP-Systeme sollten folgende Voraussetzungen erfüllen:
- Unterstützung der komplexen Analysebedürfnisse von Entscheidungsträgern
- Analyse der Daten aus unterschiedlichen Perspektiven (Geschäftsdimensionen)
- Ausführen komplexer Analysen auf der Grundlage umfangreicher granularer Augangsdatensätze
ROLAP und MOLAP im Vergleich
Bei OLAP-Systemen unterscheiden wir zwischen zwei bekannten Architekturen: mehrdimensionales OLAP (MOLAP) und relationales OLAP (ROLAP). MOLAP-Achitekturen nutzen eine mehrdimensionale Datenbank für die Analyseerstellung. Ihre Hauptvoraussetzung für eine optimale OLAP-Implementierung ist die mehrdimensionale Speicherung von Daten. Bei ROLAP-Architekturen werden Daten dagegen direkt aus Data Warehouses abgerufen. ROLAP-Architekten sehen OLAP am besten implementiert, wenn direkt auf die relationale Datenbank zugegriffen wird. Beim Vergleich dieser beiden Architekturen fällt Folgendes auf:
- ROLAP überlässt es dem Systemdesigner, einen Kompromiss zwischen Abfrageantwortzeit und Batchverarbeitung zu finden, da die ROLAP-Architektur keine Beschränkung der Datenbank-Aggregation vorsieht. MOLAP erfordert generell, dass der größte Teil der Datenbank vorkompiliert wird, um eine akzeptable Abfrageleistung zu erzielen. Dies führt zu einer komplexeren Batchverarbeitung.
- Systeme mit hoher Datenvolatilität, insbesondere solche mit immer neuen Datenaggregationsregeln und benutzerdefinierten Konsoldierungen, erfordern eine Architektur, die Daten für Ad-Hoc- und Entscheidungsunterstützungs-Analysen dynamisch konsolidieren kann. ROLAP empfiehlt sich besonders für dynamische Konsolidierungen, während MOLAP eher für Batch-Konsolidierungen geeignet ist.
- ROLAP kann auf eine große Anzahl von Geschäftsanalyse-Perspektiven (Dimensionen) skaliert werden, während MOLAP mit maximal zehn Dimensionen am effizientesten arbeitet.
- ROLAP unterstützt OLAP-Analysen für große Mengen detaillierter Eingabedaten. MOLAP liefert nur dann eine zufrieden stellende Leistung, wenn das Eingabe-Dataset klein (maximal 5 GB) ist.
Basis-OLAP und relationales OLAP im Vergleich
A. Mit OLAP können Anwender durch einfache Mausklicks "Slice-and-Dice"-Analysen für Daten-Subsets ausführen und sie aus verschiedensten Perspektiven betrachten.
B. Die ROLAP-Architektur unterstützt "Drill Anywhere"-Funktionen in der gesamten relationalen Datenbank – über alle Dimensionen hinweg, von verdichteten Daten bis hin zu Detaildaten auf Transaktionsebene.
