OLAP im Finanzmanagement. OLAP-CUBE (dynamisches Management-Reporting)

Nachdem wir verstanden haben, was OLAP ist und welche Eigenschaften es hat, kommen wir zur vielleicht wichtigsten Frage: Für wen sind Softwareprodukte dieser Klasse gedacht?

Wie bereits erwähnt, ist die Informationsinfrastruktur des Unternehmens hierarchischer Natur und umfasst die Ebene der primären Informationserfassung (Transaktionsebene), die Ebenen der Speicherung und Data Marts, die OLAP-Ebene und die Ebene der Client-Analyseanwendungen. Somit nehmen OLAP-Systeme einen ganz besonderen Platz in der Informationsinfrastruktur des Unternehmens ein.

Oft stellt sich die Frage: Wie unterscheidet sich aus Sicht eines Benutzeranalysten ein OLAP-System von einem Data Warehouse? Man kann sagen, dass der Hauptunterschied zwischen OLAP aus Sicht des Benutzers in der Strukturierung der Informationen nach ihrem thematischen (speziell thematischen, nicht technischen) Wesen liegt. Bei der Arbeit mit einer OLAP-Anwendung verwendet der Analyst bekannte Finanz- und Wirtschaftsbegriffe, Kategorien und Indikatoren (Arten von Materialien und Fertigprodukten, Verkaufsregionen, Verkaufsvolumen, Kosten, Gewinn usw.) und um beliebige, sogar ganz bestimmte zu bilden Wenn er eine komplexe Abfrage ausführen möchte, muss er kein SQL lernen. Und die Antwort auf die Anfrage erfolgt innerhalb weniger Sekunden. Darüber hinaus kann ein Wirtschaftswissenschaftler bei der Arbeit mit einem OLAP-System auf vertraute Tools wie Tabellenkalkulationen oder spezielle Reporting-Tools zurückgreifen.

Wenn ein Data Warehouse hauptsächlich Gegenstand der Aufmerksamkeit von IT-Diensten ist, dann ist OLAP ein Werkzeug für „fachbezogene“ Analysten. Gleichzeitig sind sich Analysten möglicherweise nicht einmal der Existenz des Repositorys bewusst. Somit kann OLAP ohne Übertreibung als Softwaretool aus dem Arsenal des Wirtschaftswissenschaftlers bezeichnet werden, denn der Wirtschaftswissenschaftler beschäftigt sich mit einer Vielzahl analytischer Aufgaben: Marketinganalyse, Umsatzanalyse, Analyse von Budgetindikatoren, Analyse von Jahresabschlüssen und vielen anderen .

Über LAP – ein universelles Werkzeug. Gleichzeitig ist es jedoch aufgrund seiner Vielseitigkeit nicht vollständig für spezifische finanzielle und wirtschaftliche Aufgaben geeignet, die den Einsatz spezieller Techniken und Organisationsprinzipien erfordern. Daher können OLAP-Anwendungen nicht als vollwertige Alternative zu spezialisierten Analyseanwendungen wie Budgetierungssystemen oder der Konsolidierung von Finanzberichten dienen. Hier gibt es keinen Widerspruch: ein Softwareprodukt, das umsetzt allgemeine Grundsätze Die ökonomische Analyse kann kaum den Anspruch erheben, absolut alle Einzelprobleme zu lösen. Andererseits ist es aber auch die Kombination von OLAP und spezialisierten Systemen, die dem Wirtschaftswissenschaftler die größten Vorteile verschafft, da hier spezielle Funktionen, Methoden und Algorithmen erfolgreich mit der Universalität der analytischen Datenverarbeitung kombiniert werden.

Aus diesem Grund werden OLAP-Tools häufig von Client-Analyseanwendungen zur mehrdimensionalen Datenspeicherung verwendet. Dabei nutzt der Anwender die ihm bekannten Werkzeuge zur Umsetzung bestimmter Managementtechniken, die Daten zur Verarbeitung und Analyse werden jedoch im OLAP-Server gespeichert. Ein anschauliches Beispiel ist Hyperion Planning – ein Budgetierungs-, Planungs- und Prognosesystem. Sein obligatorisches Element ist eine mehrdimensionale Datenbank, die zum Speichern der sich am dynamischsten ändernden Informationen verwendet wird (Metadaten und andere statische Informationen werden in einer relationalen Datenbank gespeichert).

Daher spielt ein gut aufgebautes OLAP-System im Leben eines Wirtschaftswissenschaftlers eine sehr wichtige Rolle, denn mit seiner Hilfe können Sie auf die neuesten Informationen zugreifen und allgemeine Analyseverfahren schnell durchführen. Und komplexe Finanzfunktionen und notwendige organisatorische Aspekte werden durch spezialisierte Systeme bereitgestellt, wiederum basierend auf OLAP-Daten. Wie die Erfahrung führender Unternehmen (sowohl internationaler als auch russischer) zeigt, sind OLAP-Technologien kostengünstig und Investitionen in solche Lösungen amortisieren sich recht schnell.

Business Performance Management-Konzept: Der Anfang der Reise. Abfrage- und Berichtstools

Wie bereits erwähnt, bieten die Tools zum Generieren von Abfragen und Erstellen von Berichten (Abfrage und Berichterstellung) Funktionen zum Erstellen von Abfragen an Informations- und Analysesysteme, zum Integrieren von Daten aus mehreren Quellen, zum Anzeigen von Daten mit der Möglichkeit zum Drilldown und zum Zusammenfassen sowie zum Erstellen und Drucken vollständiger Daten -ausgereifte Berichte, inklusive Präsentationsqualität. Einige der Softwareprodukte dieser Klasse können von Endbenutzern mit minimaler Unterstützung durch die IT-Abteilung verwendet werden, während andere einen gewissen Programmieraufwand erfordern und von technischen Spezialisten konfiguriert werden.

Typische Vertreter von Systemen dieser Klasse sind Softwareprodukte der Hyperion Corporation, vereint in der Hyperion Performance Suite-Familie.

Bei der Hyperion Performance Suite handelt es sich um eine Reihe von Tools zur Abfrage, Analyse, Berichterstellung und Bereitstellung im gesamten Unternehmen. Diese Softwareprodukte wurden Teil der BI-Systemreihe von Hyperion, nachdem Hyperion 2003 Brio Software übernommen hatte, ein Unternehmen, das auf dem Business-Intelligence-Markt für seine effizienten und benutzerfreundlichen Lösungen bekannt ist. Zuvor arbeiteten die Unternehmen Hyperion und Brio mehrere Jahre lang eng als Technologiepartner zusammen, so dass die Kombination ihrer Entwicklungen die Schaffung einer einzigartigen Linie ermöglichte, in der Hyperion-Lösungen (das Hyperion Essbase OLAP-System und analytische Anwendungen – Hyperion Planning) zum Einsatz kamen , Hyperion Financial Management und andere) erschienen organisch ergänzt moderne Mittel Brio-Abfragen und Berichterstattung. Dadurch ist Hyperion zum Eigentümer der leistungsstärksten und umfassendsten Business-Intelligence-Softwareproduktlinie auf dem Markt geworden. Heute werden all diese Entscheidungen von vielen geschätzt ausländische Firmen, wurde für russische Unternehmen verfügbar.

Die Hyperion Performance Suite umfasst zwei Softwareprodukte- Hyperion Intelligence und Hyperion SQR.

Hyperion Intelligence ist ein modernes, benutzerfreundliches System zur Generierung komplexer Abfragen für verschiedene Datenquellen, einschließlich ERP-, CRM-, Bank- und anderen Transaktionssystemen, sowie zur Darstellung dieser Daten in einer für die Analyse geeigneten Form. Durch die Nutzung der in vorhandenen Informationssystemen gespeicherten Daten ermöglicht Hyperion Intelligence Entwicklern, Analysten und Verbrauchern, Rohdaten in wertvolle Entscheidungsinformationen umzuwandeln. Die analytischen Fähigkeiten des Systems ermöglichen es den Spezialisten der Organisation, Geschäftschancen und -trends schnell einzuschätzen und die Gültigkeit von Managemententscheidungen zu erhöhen, und die intuitive Benutzeroberfläche, die auf Internettechnologien basiert, stellt Informationen jedem autorisierten Benutzer zur Verfügung.

Hyperion SQR bietet eine effiziente Lösung für die Verwaltung großer Berichtsmengen – und zwar aus relativ großen Mengen einfache Nachrichten bis hin zu komplexen, organisationskritischen Berichten. Mit Hyperion SQR können Entwickler Berichte beliebiger Komplexität in Präsentationsqualität erstellen und diese Berichte dann an Endbenutzer im gesamten Unternehmen weitergeben. Durch die Verarbeitung komplexer Abfragen und die darauf basierende Erstellung visueller Berichte wandelt Hyperion SQR Datensätze in Geschäftsinformationen um, wodurch Sie die Effizienz der gesamten Organisation verbessern können. Der Schwerpunkt des Systems liegt auf der Arbeit mit regulierter Berichterstattung, der Erstellung von Berichten nach einem vorgegebenen Zeitplan und der zeitnahen Bereitstellung von Informationen für Mitarbeiter, Kunden, Lieferanten und Geschäftspartner. Die Arbeit mit Berichten ist sehr einfach: Mit vertrauten Webbrowsern können Benutzer Berichte anzeigen, ausdrucken oder per E-Mail versenden. Email in verschiedenen Formaten. Das System bietet außerdem die Möglichkeit, Nachrichten zu klassifizieren, Versionskontrolle und Archivierung durchzuführen, und die integrierte Programmiersprache der dritten Generation ermöglicht es Ihnen, Hyperion SQR als Tool zum Erstellen von Datenextraktions-, Transformations- und Ladetools zu verwenden.

Die Hyperion-BI-Lösungsreihe, ergänzt durch von Brio übernommene Abfrage- und Berichtstools, ist sowohl für IT-Experten als auch für Endbenutzer interessant.

Aus Sicht des Endbenutzers ist dies: handliches Werkzeug, wodurch wir das bereits erwähnte Problem lösen können, mit dem Manager und Fachexperten so oft konfrontiert sind – das Problem einer „einheitlichen Sicht auf Managementinformationen“. Erinnern wir uns daran, dass dieses Problem darin besteht, dass die für die Analyse und Entscheidungsfindung notwendigen Managementinformationen sehr oft in verschiedenen Quellen gespeichert werden – Buchhaltungssystemen, ERP-Systemen, Datenbanken usw. Dies macht es äußerst schwierig, die notwendigen Informationen zu erhalten und sie darzustellen eine benutzerfreundliche Form: Spezialisten sind gezwungen, Zeit mit Routineverfahren zur Datenerfassung und -verarbeitung zu verbringen, wobei die Gefahr einer Verzerrung besteht. Auf diese Weise gewonnene Managementinformationen erfüllen häufig nicht die Anforderungen an Zuverlässigkeit und Relevanz, was ihren Wert mindert. In dieser Hinsicht können Hyperion BI-Lösungen die Sammlung von Informationen erheblich vereinfachen und beschleunigen, vereinheitlichen und in einer praktischen und visuellen Form präsentieren. Solche Informationen stellen eine verlässliche Grundlage für Managemententscheidungen dar, Routineabläufe werden auf ein Minimum reduziert und die Zeit der Spezialisten für die Lösung analytischer Probleme freigesetzt.

Aus IT-Sicht sind Hyperion BI-Lösungen skalierbar, einfach zu unterstützen und verfügen über integrierte Sprachen, mit denen Sie die Funktionalität der Software erweitern können.

Blaue Pfeile zeigen die Wege an, über die Informationen in das System gelangen; grüne Pfeile zeigen an, wie die Informationen anschließend verwendet werden.

1. Informationen zu Bestellungen werden in das 1c-System eingegeben – dbf-Version.
2. Laden von „Auto-Exchange“-Daten. Eigentlich ist das ein zusätzlicher Schritt. Daten können direkt aus der dbf-Datenbank bezogen werden. Die 1c-Programmierer entschieden jedoch, dass der standardmäßige Daten-Upload-Mechanismus (für 1c) weniger Schaden anrichten würde.
3. Einmal am Tag werden Änderungen des vergangenen Tages in eine speziell vorbereitete MsSql-Datenbank hochgeladen – den Speicher. Es werden nicht alle Informationen heruntergeladen, sondern nur das, was für die Cubes benötigt wird.

   Grundsätzlich ist es nicht erforderlich, ein „Lager“ zu errichten. Daten für den Cube können direkt aus der 1C-Datenbank (MsSQL oder dbf) bezogen werden. Aber in meinem Fall werden bei 1C regelmäßig Daten aus früheren Zeiträumen gelöscht und Verzeichnisse gelöscht. Außerdem werden die Daten vor dem Laden in den Speicher ein wenig „bereinigt“.

4. Der Cube wird neu berechnet – die Daten gehen in den Cube.

Informationen aus dem Speicher werden nicht nur von Cubes, sondern auch von externen Anwendungen verwendet. Diese Daten werden beispielsweise für die Lohn- und Gehaltsabrechnung, für die Abrechnung von Zahlungen und Lieferungen sowie für die Planung der Arbeit eines Managers benötigt. Gleichzeitig Daten von diesen externe Programme fallen auch in Würfel.

Mitarbeiter im Büro arbeiten mit Würfeln – Management, Manager, Marketing, Buchhaltung. Informationen werden auch an Lieferanten und Handelsvertreter in verschiedenen Städten der Region gesendet.

Jeder Benutzer kann auf unterschiedliche Weise Informationen erhalten:

1. Erstellen Sie selbst einen Bericht auf einer Webseite oder in Excel

   Anfangs wurde nur Excel verwendet, es traten jedoch viele Probleme auf, da die Excel-Dateien „verstreut“ waren; es war notwendig, einen „Einstiegspunkt“ für die Auswahl der Informationen zu erhalten.
   Daher wurde eine lokale Site erstellt, auf der Seiten aus PivotTable veröffentlicht wurden. Ein Mitarbeiter, der „hier und jetzt“ ein paar Zahlen erhalten möchte, geht auf diese Website und erstellt einen Bericht in der von ihm benötigten Form. Wenn jemand diesen Bericht in Zukunft verwenden muss, kann er einen Antrag auf Veröffentlichung seines Berichts in SSRS stellen oder ihn selbst in Excel speichern.

2. Anzeigen eines in SQL Server Reporting Services (SSRS) veröffentlichten Standardberichts
3. Holen Sie sich einen lokalen Cube – und „rotieren“ Sie Daten außerhalb des Büros mit Excel
4. Abonnieren Sie den Newsletter und erhalten Sie Standardberichte von SSRS per E-Mail
5. Auch die Marketingabteilung nutzt das Programm CubeSlice. Darin können Sie selbst lokale Cubes erstellen und es ist viel bequemer als in Excel

Lokale Würfel

Manchmal muss ein Benutzer regelmäßig Berichte mit großen Datenmengen erhalten. Beispielsweise schickte die Marketingabteilung Berichte in Form von Excel-Dateien mit mehreren Dutzend Seiten an Lieferanten.
Olap ist nicht dafür ausgelegt, solche Informationen zu empfangen – die Erstellung der Berichte hat sehr lange gedauert.

Auch für den Lieferanten ist es in der Regel umständlich, mit großen Berichten zu arbeiten. Daher stimmten die meisten von ihnen, nachdem sie versucht hatten, mit lokalen Cubes zu arbeiten, zu, Berichte in dieser Form zu erhalten. Die Liste der von der Marketingabteilung erstellten Berichte wurde erheblich reduziert. Die verbleibenden umfangreichen Berichte wurden in SSRS implementiert, Abonnements wurden erstellt (Berichte werden automatisch generiert und nach einem Zeitplan an Lieferanten gesendet).

Grundlegende Systemparameter

Serverkonfiguration:

Prozessor: 2xAMD Opteron 280
Speicher: 4 GB
Festplatten-Arrays:
Betriebssystem: RAID 1 (Spiegel) 2xSCSI 15k
Daten: RAID 0+1 4xSCSI 10k

Stimmen Sie zu, es ist schwierig, eine solche Maschine als „leistungsstarken“ Server zu bezeichnen

Datenvolumen:

10 GB Speicher, Daten seit 2002
Aggregation 30 %
Mehrdimensionale Datenbankgröße 350 MB
Anzahl der Mitglieder „großer Dimensionen“: Waren 25.000, Adressen – 20.000.
Anzahl der Dokumente pro Tag – 400. Durchschnittliche Anzahl der Zeilen in einem Dokument – ​​30

Was das Unternehmen am Ende hatte:

Profis

• Für die Leitung des Unternehmens

  Ermöglicht Ihnen, die Situation „von oben“ zu betrachten und allgemeine Muster der Geschäftsentwicklung zu erkennen.
  Hilft, die Dynamik von Änderungen der wichtigsten Leistungsindikatoren der gesamten Organisation zu verfolgen und die Leistungsindikatoren der Untergebenen schnell zu bewerten.

• Für den Manager

  Die Fähigkeit, sich selbstständig und schnell die für eine Entscheidung notwendigen Informationen zu beschaffen.
  Einfache Bedienung. Alle Aktionen sind intuitiv

• Für Lieferanten

  Möglichkeit der interaktiven Arbeit mit Informationen

• Aus der Sicht eines IT-Spezialisten

  Reduzierung von Routinearbeiten. Der Benutzer erhält die meisten Berichte selbstständig.

Nachteile:

• Implementierungskosten. Zusätzliche Hardware und Software erforderlich.
• Mangel an ausgebildeten Fachkräften. Kosten für die Schulung der Mitarbeiter der IT-Abteilung.

Im Jahr 1993 veröffentlichten der Begründer des relationalen Ansatzes zur Datenbankkonstruktion, Edgar Codd, und seine Partner (Edgar Codd, ein Mathematiker und IBM-Stipendiat), einen von Arbor Software (heute das berühmte Unternehmen Hyperion Solutions) initiierten Artikel mit dem Titel „Bereitstellung von OLAP ( Online-Analyseverarbeitung) für analytische Benutzer“, das zwölf Merkmale der OLAP-Technologie formulierte, die anschließend um sechs weitere ergänzt wurden. Diese Bestimmungen wurden zum Hauptinhalt einer neuen und vielversprechenden Technologie.

Hauptmerkmale der Technologie OLAP (Grundkenntnisse):

• mehrdimensionale konzeptionelle Darstellung von Daten;
• intuitive Datenmanipulation;
• Verfügbarkeit und Detailliertheit der Daten;
• Charge Datenextraktion gegen Interpretation;
• OLAP-Analysemodelle;
• Client-Server-Architektur (OLAP vom Desktop aus zugänglich);
• Transparenz (transparenter Zugriff auf externe Daten);
• Mehrbenutzerunterstützung.

Besondere Merkmale(Besonders):

• Verarbeitung nicht formalisierter Daten;
• Speichern von OLAP-Ergebnissen: Speichern getrennt von den Quelldaten;
• Ausschluss fehlender Werte;
• Umgang mit fehlenden Werten.

Merkmale der Berichterstattung(Bericht):

• Flexibilität bei der Berichterstattung;
• Standard-Berichtsleistung;
• Automatische Konfiguration der physischen Datenextraktionsschicht.

Dimensionsverwaltung(Abmessungen):

• Universalität der Messungen;
• unbegrenzte Anzahl an Dimensionen und Aggregationsebenen;
• Unbegrenzte Anzahl von Operationen zwischen Dimensionen.

Historisch gesehen impliziert der Begriff „OLAP“ heute nicht nur eine mehrdimensionale Sicht auf Daten des Endbenutzers, sondern auch eine mehrdimensionale Sicht auf die Daten in der Zieldatenbank. Genau damit ist die Entstehung als eigenständige Begriffe verbunden „Relationales OLAP“(ROLAP) und „Mehrdimensionales OLAP“(MOLAP).

Der OLAP-Dienst ist ein Tool zur Analyse großer Datenmengen in Echtzeit. Durch die Interaktion mit dem OLAP-System kann der Benutzer Informationen flexibel anzeigen, beliebige Datenausschnitte erhalten und analytische Operationen der Detaillierung, Faltung, End-to-End-Verteilung und Vergleiche im Zeitverlauf unter Verwendung vieler Parameter gleichzeitig durchführen. Alle Arbeiten mit dem OLAP-System erfolgen in Terminologie Fachbereich und ermöglicht Ihnen die Erstellung statistisch fundierter Modelle der Geschäftssituation.

OLAP-Software - ist ein Tool zur Betriebsdatenanalyse im Repository enthalten. Das Hauptmerkmal besteht darin, dass diese Werkzeuge für die Verwendung durch Laien auf diesem Gebiet gedacht sind. Informationstechnologien, kein Experte für Statistik, sondern ein Fachmann im angewandten Bereich des Managements – ein Abteilungsleiter, eine Abteilung, ein Management und schließlich ein Direktor. Die Tools sind für die Analystenkommunikation konzipiert mit dem Problem, nicht mit dem Computer. In Abb. Abbildung 6.14 zeigt einen elementaren OLAP-Würfel, mit dem Sie Daten dreidimensional auswerten können.

Ein mehrdimensionaler OLAP-Würfel und ein System entsprechender mathematischer Algorithmen zur statistischen Verarbeitung ermöglichen die Analyse beliebig komplexer Daten in jedem Zeitintervall.

Reis. 6.14.

Da ihm flexible Mechanismen zur Datenmanipulation und visuellen Darstellung zur Verfügung stehen (Abb. 6.15, Abb. 6.16), untersucht der Manager zunächst Daten aus verschiedenen Blickwinkeln, die möglicherweise mit dem zu lösenden Problem zusammenhängen (oder auch nicht).

Als nächstes vergleicht er verschiedene Geschäftsindikatoren miteinander und versucht, versteckte Zusammenhänge zu identifizieren; kann die Daten genauer betrachten, beispielsweise indem er sie in Komponenten nach Zeit, Region oder Kunde aufschlüsselt, oder umgekehrt die Darstellung von Informationen weiter verallgemeinern, um störende Details zu entfernen. Danach verwenden Sie das Modul statistische Auswertung und Simulationsmodellierung Es werden mehrere Optionen für die Entwicklung von Ereignissen konstruiert und daraus die akzeptable Option ausgewählt.

Reis. 6.15.

Ein Unternehmensmanager könnte beispielsweise die Hypothese haben, dass die Verteilung des Vermögenswachstums in verschiedenen Unternehmenszweigen vom Anteil der dortigen Fachkräfte mit technischer und wirtschaftlicher Ausbildung abhängt. Um diese Hypothese zu testen, kann der Manager das Zinsverhältnis für die Filialen, deren Vermögenswachstum im laufenden Quartal im Vergleich zum Vorjahr um mehr als 10 % zurückgegangen ist, und für die Filialen, deren Vermögenswachstum um mehr als 10 % zugenommen hat, vom Lager anfordern und in einer Grafik anzeigen lassen 25 %. Er sollte in der Lage sein, eine einfache Auswahl aus dem bereitgestellten Menü zu nutzen. Wenn die erzielten Ergebnisse signifikant in zwei entsprechende Gruppen fallen, sollte dies ein Anreiz für eine weitere Prüfung der aufgestellten Hypothese sein.

Derzeit ist eine Richtung aufgerufen dynamische Modellierung(Dynamische Simulation), die das oben genannte FASMI-Prinzip vollständig umsetzt.

Mithilfe der dynamischen Modellierung erstellt der Analyst ein Modell einer Geschäftssituation, die sich im Laufe der Zeit entsprechend einem bestimmten Szenario entwickelt. Darüber hinaus kann das Ergebnis einer solchen Modellierung mehrere neue Geschäftssituationen sein, die einen Baum generieren mögliche Lösungen mit einer Einschätzung der Wahrscheinlichkeit und Aussichten jedes einzelnen.

Reis. 6.16.

Tabelle 6.3 zeigt Vergleichsmerkmale statische und dynamische Analyse.

Tabelle 6.3.

Charakteristisch	Statische Analyse	Dynamische Analyse
Arten von Fragen	WHO? Was? Wie viele? Wie? Wann? Wo?	Warum so? Was würde passieren wenn...? Was passiert wenn…?
Reaktionszeit	Nicht reguliert	Sekunden
Typische Datenoperationen	Geregelter Bericht, Diagramm, Tabelle, Zeichnung	Abfolge von interaktiven Berichten, Diagrammen, Masken. Dynamische Änderung der Aggregationsebenen und Datensegmente
Niveau der analytischen Anforderungen	Durchschnitt	Hoch
Art der Bildschirmmasken	Grundsätzlich vorgegeben, geregelt	Benutzerdefiniert, anpassbar
Datenaggregationsebene	Ausführlich und zusammenfassend	Benutzerdefinierte
„Alter“ der Daten	Historisch und aktuell	Historisch, aktuell und projiziert
Arten von Anfragen	Größtenteils vorhersehbar	Unvorhersehbar – von Fall zu Fall
Zweck	Geregelte analytische Verarbeitung	Multi-Pass-Analyse, Modellierung und Prognose

Fast immer ist die Aufgabe des Aufbaus ein analytisches System zur mehrdimensionalen Datenanalyse aufzubauen ein einziges, koordiniertes Informationssystem basierend auf heterogenen Software und Lösungen. Und schon die Wahl der Mittel zur Umsetzung von geistigem Eigentum wird zu einer äußerst schwierigen Aufgabe. Dabei müssen viele Faktoren berücksichtigt werden, darunter auch die gegenseitige Kompatibilität verschiedener Softwarekomponenten, einfache Entwicklung, Nutzung und Integration, betriebliche Effizienz, Stabilität und gleichmäßige Formen, Niveau und potenzielle Aussichten der Beziehungen zwischen verschiedenen produzierenden Unternehmen.

OLAP ist überall dort anwendbar, wo es darum geht, multivariate Daten zu analysieren. Wenn Sie über eine Datentabelle verfügen, die mindestens eine beschreibende Spalte und eine Spalte mit Zahlen enthält, ist dies im Allgemeinen mit dem OLAP-Tool möglich wirksame Mittel Analyse und Berichterstellung. Betrachten Sie als Beispiel für den Einsatz der OLAP-Technologie eine Untersuchung der Ergebnisse des Verkaufsprozesses.

Schlüsselfragen: „Wie viel wurde verkauft?“, „Für welchen Betrag wurde verkauft?“ expandieren, wenn das Geschäft komplexer wird und sich historische Daten zu einer bestimmten Anzahl von Faktoren oder Abschnitten ansammeln: „..in St. Petersburg, Moskau, dem Ural, Sibirien ...“, „.. im letzten Quartal im Vergleich zu der aktuelle“, „ ..von Lieferant A im Vergleich zu Lieferant B...“ usw.

Antworten auf solche Fragen sind für Managemententscheidungen notwendig: über Sortiments- und Preisänderungen, die Schließung und Eröffnung von Geschäften, Filialen, die Beendigung und Unterzeichnung von Verträgen mit Händlern, die Durchführung oder Beendigung von Werbekampagnen usw.

Wenn Sie versuchen, die Hauptzahlen (Fakten) und Abschnitte (Messargumente) hervorzuheben, die der Analyst manipuliert, um das Geschäft des Unternehmens zu erweitern oder zu optimieren, erhalten Sie eine für die Umsatzanalyse geeignete Tabelle als eine Art Vorlage, die entsprechende Anpassungen erfordert jedes einzelne Unternehmen.

Zeit. In der Regel sind dies mehrere Zeiträume: Jahr, Quartal, Monat, Jahrzehnt, Woche, Tag. Viele OLAP-Tools berechnen automatisch die höchsten Zeiträume eines Datums und berechnen für diese Summen.

Produktkategorie. Es kann mehrere Kategorien geben, diese unterscheiden sich je nach Unternehmensart: Sorte, Modell, Verpackungsart usw. Wenn nur ein Produkt verkauft wird oder das Sortiment sehr klein ist, ist eine Kategorie nicht erforderlich.

Produkt. Manchmal werden der Name des Produkts (oder der Dienstleistung), sein Code oder seine Artikelnummer verwendet. In Fällen, in denen das Sortiment sehr groß ist (und einige Unternehmen Zehntausende Artikel in ihrer Preisliste haben), wird die Erstanalyse möglicherweise nicht für alle Warenarten durchgeführt, sondern auf einige vereinbarte Kategorien verallgemeinert.

Region. Abhängig von der Globalität des Unternehmens können damit Kontinent, Ländergruppe, Land, Gebiet, Stadt, Bezirk, Straße, Straßenabschnitt gemeint sein. Natürlich, wenn es nur einen gibt ein Laden, dann fehlt diese Messung.

Verkäufer. Diese Messung hängt auch von der Struktur und Größe des Unternehmens ab. Dies können sein: Filiale, Geschäft, Händler, Vertriebsleiter. In einigen Fällen erfolgt keine Messung, beispielsweise wenn der Verkäufer keinen Einfluss auf die Verkaufsmengen hat, es nur ein Geschäft gibt usw.

Käufer. In einigen Fällen, beispielsweise im Einzelhandel, ist der Käufer unpersönlich und es gibt keine Messung; in anderen Fällen sind Informationen über den Käufer verfügbar und für den Verkauf wichtig. Diese Dimension kann den Namen des kaufenden Unternehmens oder viele Gruppen und Merkmale von Kunden enthalten: Branche, Unternehmensgruppe, Eigentümer usw. Analyse der Vertriebsstruktur, um die wichtigsten Komponenten im relevanten Kontext zu identifizieren. Zu diesem Zweck ist es beispielsweise in komplexen Fällen praktisch, ein Diagramm vom Typ „Kreis“ zu verwenden, wenn drei Dimensionen gleichzeitig untersucht werden – „Spalten“. Im Geschäft für Computerausrüstung beliefen sich die Umsätze mit Computern beispielsweise im Quartal auf 100.000 US-Dollar, Fotoausrüstung auf 10.000 US-Dollar und Verbrauchsmaterialien auf 4.500 US-Dollar. Fazit: Der Ladenumsatz hängt zu einem großen Teil vom Verkauf von Computern ab (vielleicht sogar). Verbrauchsmaterialien notwendig für den Verkauf von Computern, es handelt sich hierbei jedoch um eine Analyse interner Abhängigkeiten).

Dynamikanalyse ( Regressionsanalyse- Trends erkennen). Identifizierung von Trends und saisonalen Schwankungen. Die Dynamik wird durch ein Diagramm vom Typ „Linie“ übersichtlich dargestellt. Beispielsweise gingen die Verkäufe von Intel-Produkten im Laufe des Jahres zurück, während die Verkäufe von Microsoft stiegen. Vielleicht hat sich das Wohlergehen des Durchschnittskunden verbessert, oder das Image des Ladens hat sich verändert und damit auch die Zusammensetzung der Kunden. Das Sortiment muss angepasst werden. Ein weiteres Beispiel: Drei Jahre lang sinken die Verkäufe von Videokameras im Winter.

Abhängigkeitsanalyse (Korrelationsanalyse). Vergleich der Verkaufsmengen verschiedener Produkte im Zeitverlauf, um das erforderliche Sortiment – ​​den „Warenkorb“ – zu ermitteln. Es ist auch praktisch, zu diesem Zweck ein „Liniendiagramm“ zu verwenden. Als beispielsweise in den ersten zwei Monaten Drucker aus dem Sortiment genommen wurden, kam es zu einem Umsatzrückgang bei Pulverkartuschen.

Streuung, mittlere Abweichung, Moden höherer Ordnung – es können die anspruchsvollsten Arten von Analyseberichten erstellt werden.

OLAP-Systeme sind Teil des allgemeineren Konzepts der „intellektuellen Unternehmensressourcen“ oder „intelligenten Geschäftsanalysetools“ (Business Intelligence – BI), das neben dem traditionellen OLAP-Dienst auch Tools zur Organisation des Austauschs von Daten und anfallenden Informationen umfasst im Prozess der Benutzerarbeit Speichereinrichtungen. Die Business-Intelligence-Technologie ermöglicht den elektronischen Austausch von Berichtsdokumenten, die Differenzierung von Benutzerrechten und den Zugriff auf analytische Informationen aus dem Internet und Intranet.

Ein OLAP-Bericht unterscheidet sich von einem regulären Bericht dadurch, dass Sie selbst bestimmen, über welche Parameter Sie Informationen erhalten möchten. Im iiko-System können solche Berichte erstellt werden, um beliebige Daten zu analysieren. Zum Beispiel über die Höhe der Einnahmen, beliebte Gerichte, Mitarbeiterleistungen, Warenverbrauch etc.

Wenn ein Händler Teil eines mit iikoChain verwalteten Netzwerks ist, können OLAP-Berichte zentral in Chain konfiguriert und dann in RMS repliziert werden. Das Bearbeiten und Löschen solcher „zentralen“ OLAP-Berichte bei einzelnen Händlern ist nicht möglich.

Während der Replikation werden Berichte in iikoRMS durch ähnlich benannte „zentralisierte“ Berichte ersetzt, die von iikoChain heruntergeladen werden.

Es gibt zwei Arten von OLAP-Berichten im System:

• OLAP-Verkaufsbericht um alle durch Lochschecks eingehenden Informationen zu analysieren. Was die Berichtsparameter bedeuten und wie sie berechnet werden, erfahren Sie im Artikel OLAP-Verkaufsberichtsfelder.
• OLAP-Buchungsbericht um Informationen über registrierte Transaktionen zu analysieren. Die Buchung spiegelt jeden Vorgang wider, der die Bewegung verursacht hat Geld nach internen Konten des Systems.

In einem Verkaufsbericht können Sie beispielsweise Informationen über die Anzahl der verkauften Gerichte und die Anzahl der Gäste sehen, die sie jeden Tag gekauft haben. Um jedoch zu sehen, wie die Zutaten der verkauften Gerichte abgeschrieben wurden, müssen Sie Folgendes verwenden Veröffentlichungsbericht. Dies liegt daran, dass ein Verkauf für das System neben dem vom Gast erhaltenen Geld auch die Abschreibung von Waren, die Zutaten von Gerichten sind, aus dem Lager bedeutet. Jede dieser Abschreibungen ist ein separater Eintrag.

Diese Berichte befinden sich im Menüpunkt Berichte. Darüber hinaus kann aus einer Liste von Kassenschichten ein OLAP-Umsatzbericht erstellt werden. Dazu im Menüpunkt Einzelhandelsverkauf → Kassiererschichten Kreuzen Sie im Menü die Schichten an, die Sie interessieren Aktionen Menüpunkt wählen Erstellen Sie einen neuen OLAP-Bericht.

Der OLAP-Umsatzbericht ist bereits mit Berichten zur Analyse der Umsatzbeträge vorkonfiguriert. Um einen dieser Berichte zu erstellen, müssen Sie lediglich seinen Namen im Feld auswählen Berichtsformat.

So fügen Sie einen neuen Bericht hinzu:

1. Ziehen Sie Parameter in den Datenbereich.
2. Drück den Knopf Speichern als.
3. Geben Sie einen Titel ein und wählen Sie den Berichtstyp aus:

• „Für alle Benutzer“ – der Bericht steht allen Benutzern zur Verfügung.
• „Nur für mich“ – der Bericht steht nur dem Ersteller zur Verfügung.

1. Drück den Knopf Speichern.

Ein Benutzer mit dem Recht „Allgemeine OLAP-Berichte bearbeiten“ ( B_ESOR) kann alle Berichte erstellen und bearbeiten, einschließlich der Berichte, die allen Benutzern zur Verfügung stehen.

Wenn die Berechtigungen „Allgemeine OLAP-Berichte bearbeiten“ lauten ( B_ESOR) der Benutzer nicht hat, kann er nur persönliche Berichte erstellen und speichern. Allgemeine sind nur zum Lesen und Bearbeiten verfügbar, ohne dass Änderungen gespeichert werden

Die Indikatoren, die dem Bericht hinzugefügt werden können, sind auf der linken Seite in alphabetischer Reihenfolge aufgeführt. Unter dem Namen jedes einzelnen von ihnen ist die Gruppe angegeben, zu der dieser Indikator gehört.

Um einen Bericht zu erstellen, ziehen Sie die gewünschten Parameter in die Zeilen-, Spalten- oder Tabellendatenbereiche. Der Bereich, in dem Sie den Parameter platzieren können, wird blau hervorgehoben.

Um das Auffinden des gewünschten Indikators zu erleichtern, geben Sie seinen Namen in die Suchleiste ein:

Alle Parameter sind in Gruppen unterteilt. Die Schaltfläche mit dem Gruppennamen wird blau hervorgehoben. Wenn Sie darauf klicken und dadurch die Hintergrundbeleuchtung entfernen, verschwinden die Schaltflächen mit Parametern, die sich auf diese Gruppe beziehen, aus der Liste. Wenn Sie beispielsweise beim Erstellen eines bestimmten Berichts nicht an Informationen darüber interessiert sind, an welchem ​​Servicestandort (Filialen) die Stelle platziert wurde und an welcher Kasse die Bestellung abgeschlossen wurde, können Sie die Parameter der „Organisation“ ausblenden. Gruppe.

Als zusätzlicher Filter können die Berichtsdaten auf einen oder mehrere Werte des interessierenden Parameters eingeschränkt werden. Dafür:

Mithilfe des Filtertyps können Sie Parameterwerte auf eine bestimmte Weise auswählen:

• Einschließlich: Der Bericht zeigt nur Daten für die im Filter überprüften Werte an. Werte, die zum Zeitpunkt der Filtereinstellung nicht in der Liste enthalten waren, werden später nicht in den Bericht übernommen (z. B. wenn neue Gerichte auftauchen, werden diese nicht im Verkaufsbericht angezeigt).
• Exklusiv: Der Bericht zeigt Daten für alle Werte mit Ausnahme derjenigen, die in diesem Filter aktiviert sind. Um diesen Typ auszuwählen, klicken Sie auf die Schaltfläche Einschließlich Dadurch ändert sich die Beschriftung und der Filtertyp wird angewendet Exklusiv.

Indikatoren, auf die Filter angewendet wurden, werden in dunkler Farbe hervorgehoben und am Anfang der Liste platziert, wenn sie nicht zu den Zeilen, Spalten oder dem Tabellendatenbereich hinzugefügt wurden.

Wenn Sie einen Bericht erstellen oder neu erstellen, der viele Daten enthält, wird empfohlen, das Kontrollkästchen zu deaktivieren Auto-Update, daher kann dies die Zeit, die zum Erstellen eines Berichts benötigt wird, erheblich verlängern. Wenn dieses Feld aktiviert ist, werden alle Änderungen der im Bericht dargestellten Daten in Echtzeit verfolgt und sofort darin angezeigt.

Informationen zu den in iiko registrierten Verkäufen und Transaktionen können Sie auch über das Internet abrufen

Nachdem die Daten empfangen, bereinigt, in eine einzige Form gebracht und gespeichert wurden, müssen sie analysiert werden. Zu diesem Zweck wird die OLAP-Technologie verwendet.

Die zwölf Grundprinzipien von OLAP wurden 1993 von E. F. Codd, dem „Erfinder“ relationaler Datenbanken, formuliert. OLAP ist OnLine Analytical Processing, also betriebliche Datenanalyse. Codds Definition wurde später zum sogenannten FASMI-Test (Fast Analysis of Shared Multidimensional Information) weiterentwickelt, der die Bereitstellung durch die OLAP-Anwendung erfordert folgende Möglichkeiten schnelle Analyse geteilter mehrdimensionaler Informationen: hohe Geschwindigkeit; Analyse; Zugriffsfreigabe; Mehrdimensionalität; mit Informationen arbeiten...

Hohe Geschwindigkeit. Die Analyse sollte für alle Aspekte der Informationen gleich schnell durchgeführt werden. In diesem Fall beträgt die akzeptable Reaktionszeit nicht mehr als 5 Sekunden.

Analyse. Es muss möglich sein, Grundtypen von numerischen und zu erzeugen statistische Analyse- vom Anwendungsentwickler vordefiniert oder vom Benutzer willkürlich definiert.

Zugriffsfreigabe. Der Zugriff auf Daten muss für mehrere Benutzer möglich sein und der Zugriff auf vertrauliche Informationen muss kontrolliert werden.

Mehrdimensionalität. Das wichtigste und wesentlichste Merkmal von OLAP.

Arbeiten mit Informationen. Die Anwendung muss auf alle benötigten Informationen zugreifen können, unabhängig von deren Umfang und Speicherort.

Mehrdimensionale Darstellung. OLAP bietet Unternehmen die bequemste und schnellste Möglichkeit, auf Geschäftsinformationen zuzugreifen, sie anzuzeigen und zu analysieren. Am wichtigsten ist, dass OLAP dem Benutzer ein natürliches, intuitives Datenmodell bietet und es in mehrdimensionalen Würfeln organisiert. Die Achsen (Dimensionen) des mehrdimensionalen Koordinatensystems sind die Hauptattribute des analysierten Geschäftsprozesses. Bei einem Verkaufsprozess könnte dies beispielsweise eine Produktkategorie, eine Region oder ein Käufertyp sein. Als eine der Dimensionen wird fast immer die Zeit verwendet. Im Inneren des Würfels befinden sich Daten, die den Prozess quantitativ charakterisieren – die sogenannten Measures. Dies können Verkaufsmengen in Stück oder in Geld, Lagerbestände, Kosten usw. sein. Ein Benutzer, der Informationen analysiert, kann einen Würfel in verschiedene Richtungen „schneiden“, zusammenfassende (z. B. nach Jahr) oder umgekehrt detaillierte (nach Woche) Daten erhalten und andere für die Analyse erforderliche Vorgänge ausführen.

OLAP-Datenspeicherung . Zunächst muss gesagt werden, dass OLAP-Datenbanken fast immer neben detaillierten Daten auch sogenannte Aggregate, also vorberechnete zusammenfassende Indikatoren, speichern, da der Analyst immer mit einigen zusammenfassenden (und nicht mit detaillierten) Daten arbeitet. Beispiele für Aggregate sind das Gesamtverkaufsvolumen des Jahres oder der durchschnittliche Warenbestand im Lager. Das Speichern vorberechneter Aggregationen ist die wichtigste Möglichkeit, die Geschwindigkeit von OLAP-Abfragen zu verbessern.

Der Aufbau von Aggregaten kann jedoch zu einer erheblichen Vergrößerung der Datenbankgröße führen.

Ein weiteres Problem beim Speichern von OLAP-Daten ist die geringe Dichte mehrdimensionaler Daten. Wenn beispielsweise im Jahr 2000 in einer bestimmten Region keine Verkäufe getätigt wurden, liegt am Schnittpunkt der entsprechenden Würfeldimensionen kein Wert vor. Wenn der OLAP-Server in diesem Fall einen bestimmten fehlenden Wert speichert, kann die Anzahl der leeren Zellen (die dennoch Speicherplatz benötigen) um ein Vielfaches größer sein als die Anzahl der gefüllten Zellen, wenn die Daten sehr spärlich sind. Das Gesamtvolumen wird ungerechtfertigt ansteigen. Die von Microsoft hierfür vorgeschlagenen Lösungen sind nachstehend aufgeführt.

Arten von OLAP. Folgendes kann zum Speichern von OLAP-Daten verwendet werden:

Spezielles mehrdimensionales DBMS (OLAP-Server). In diesem Fall reden sie darüber MOLAP (Multidimensionales OLAP). Beim Ausführen komplexer Abfragen, die Daten analysieren verschiedene Dimensionen,Mehrdimensionale DBMS bieten eine bessere Leistung als relationale. Gleichzeitig hängt die Geschwindigkeit der Abfrageausführung nicht davon ab, entlang welcher Dimension der „Schnitt“ des mehrdimensionalen Würfels erstellt wird.

Traditionelles relationales DBMS – ROLAP (Relationales OLAP). Die Verwendung spezieller Datenstrukturen – Stern- und Schneeflockenschemata – sowie die Speicherung berechneter Aggregate ermöglichen eine mehrdimensionale Analyse relationaler Daten. Relationale DBMS waren in der Vergangenheit häufiger anzutreffen und es wurden erhebliche Investitionen in sie getätigt, sodass ROLAP derzeit häufiger anzutreffen ist.

Kombinierte Option - HOLAP (Hybrid-OLAP), die beide Arten von DBMS kombiniert. Eine Möglichkeit, zwei Arten von DBMS zu kombinieren, besteht darin, Aggregate in einem mehrdimensionalen DBMS und detaillierte Daten (mit dem größten Volumen) in einem relationalen zu speichern.

Microsoft bietet folgende OLAP-Analysetools an:

Microsoft SQL Server 7.0 enthält einen voll ausgestatteten OLAP-Server – SQL Server OLAP Services. Der Server ist natürlich darauf ausgelegt, Client-Anfragen zu bedienen, und dies erfordert ein bestimmtes Interaktionsprotokoll und eine bestimmte Abfragesprache. Beispielsweise werden für die Client-Interaktion mit einem relationalen Server-DBMS (SQL Server) die Protokolle und Sprachen ODBC oder OLE DB verwendet SQL-Abfragen. Um auf den OLAP-Server zuzugreifen, hat Microsoft das Protokoll OLE DB für OLAP und eine Abfragesprache für mehrdimensionale Daten entwickelt – MDX (MultiDimensional eXpression). So wie zur Vereinfachung und Bequemlichkeit eine Ebene von ADO-Objekten (ActiveX Data Objects) über OLE DB entwickelt wurde, wurde ADO MD (MultiDimensional ADO) über OLE DB für OLAP erstellt.

Datenanalysetools in Microsoft Office 2000. Microsoft Excel 2000 enthält einen neuen Mechanismus Pivot-Tabellen- OLAP PivotTable, das den gleichnamigen Mechanismus in früheren Versionen ersetzte. Neben den bisherigen Funktionen zur Analyse relationaler Daten verfügt die PivotTable-Engine nun über Funktionen zur Analyse von OLAP-Daten, d. h. sie fungiert als OLAP-Client. Als Server kann Microsoft SQL Server 7.0 sowie jedes Produkt verwendet werden, das die OLE DB für OLAP-Schnittstelle unterstützt. Zusammenfassungsmechanismus Excel-Tabellen Unterstützt die oben beschriebenen Funktionen des PivotTable Services (PTS)-Dienstes vollständig. Somit können die analysierten OLAP-Daten sowohl in lokalen Cubes als auch auf dem OLAP-Server liegen.

Microsoft Office 2000 enthält außerdem eine Reihe von ActiveX-Komponenten namens Office 2000-Webkomponenten, mit denen Sie die Analyse von OLAP-Daten mithilfe von Webbrowser-Tools organisieren können. Dazu gehören die folgenden vier Komponenten:

Kalkulationstabelle- implementiert die eingeschränkte Funktionalität einer Excel-Tabelle.

PivotTable- „Zwilling“ von Excel-Pivot-Tabellen; kann mit OLAP Services-Daten arbeiten.

Diagramm- ermöglicht Ihnen die Erstellung von Diagrammen, die sowohl auf relationalen als auch auf OLAP-Daten basieren.

Datenquelle– eine Servicekomponente zum Binden anderer Komponenten an die Datenquelle.

Beim Arbeiten mit OLAP-Daten greifen Webkomponenten auf PivotTable-Dienste zu.

5.5. ANALYSETECHNOLOGIE „DATA MINING“

Das Aufkommen der Data-Mining-Technologie ist mit der Notwendigkeit verbunden, Wissen aus angesammelten Daten zu extrahieren Informationssysteme heterogene Daten. Es entstand ein Konzept, das auf Russisch als „Extraktion“, „Extraktion“ von Wissen bezeichnet wurde. Der Begriff „Data Mining“ hat sich im Ausland etabliert.

Bisher weit verbreitete Methoden der mathematischen Statistik erwiesen sich vor allem zum Testen vorformulierter Hypothesen (verification-driven Data Mining) und für die „grobe“ explorative Analyse, die die Grundlage des Online Analytical Processing (OLAP) bildet, als nützlich.

Entscheidender Vorteil „Data-Mining“ im Vergleich zu früheren Methoden - die Fähigkeit, automatisch Hypothesen über die Beziehung zwischen verschiedenen Parametern oder Datenkomponenten zu generieren. Bei der Arbeit eines Analysten mit einem herkömmlichen Datenverarbeitungspaket besteht die Arbeit tatsächlich darin, eine oder zwei von ihm aufgestellte Hypothesen zu testen oder zu klären. In Fällen, in denen es keine anfänglichen Annahmen gibt und das Datenvolumen erheblich ist, verlieren bestehende Systeme ihre Funktionalität und werden zu Zeitverschwendern für den Analysten.

Ein weiteres wichtiges Merkmal von Data-Mining-Systemen ist die Fähigkeit, mehrdimensionale Abfragen zu verarbeiten und nach mehrdimensionalen Abhängigkeiten zu suchen. Einzigartig ist auch die Fähigkeit von Data-Mining-Systemen, Ausnahmesituationen automatisch zu erkennen – d. h. Datenelemente, die aus allgemeinen Mustern „herausfallen“.

Es gibt fünf Standardtypen von Mustern, mit denen Sie Data-Mining-Methoden identifizieren können

Verband

Folge

Einstufung

Clusterbildung

Prognose

Die Suche nach Mustern erfolgt mit Methoden, die nicht durch a priori Annahmen über die Stichprobenstruktur und die Art der Verteilungen der Werte der analysierten Indikatoren eingeschränkt sind. Beispiele für Aufgaben für eine solche Suche wann Daten verwenden Der Bergbau ist in Tabelle 1 aufgeführt.

Tabelle 1 – Vergleich der Problemformulierungen bei Verwendung von OLAP- und Data-Mining-Methoden