Експлуатація (супроводження)

–​ збір даних про функціонування ІС;

–​ виправлення помилок і недоробок;

–​ модернізація ІС.

По завершенні життєвого циклу ІС здійснюється заміна ІС новою системою.

Порядок і послідовність стадій ЖЦ, послідовність, умови повторення процесів та методи виконання робіт обумовлюються вибором тої або іншої моделі ЖЦ.

10.​ Класифікація CASE-засобів за функціональним призначенням.

CASE-технологія передбачає використання різних за функціональним призначенням груп засобів.

Засоби аналізу і проектування призначені для підтримки визначення системних вимог, створення специфікацій компонентів системи, проектування системи. В результаті формуються архітектура системи і детальний проект, розроблений до рівня алгоритмів і структур даних. До цієї групи належать пакети AllFusion Process Modeler, CASE.Аналітик, IBM Rational Rose, Silverrun, Oracle Designer, Design/IDEF та ін.

Засоби проектування баз даних забезпечують створення інфологічної та даталогічної моделей баз даних, генерування схем баз даних. До цієї групи належать AllFusion ERwin Data Modeler, S-Designor, DataBase Designer.

Засоби програмування здійснюють підтримку програмування і тестування, а також автоматичну кодогенерацію зі специфікацій з одержанням повністю документованої виконуваної програми. В цю групу входять генератори і аналізатори кодів, генератори тестів, налагоджувачі. Основні пакети: DECASE, APS.

Засоби супроводження і реінжинірингу забезпечують управління функціонуванням системи, коригування й модифікацію, аналіз і реінжиніринг існуючої системи. До них відносяться документатори, аналізатори програм, засоби міграції, засоби реструктурування і реінжинірингу: Adpac CASE Tools, SuperStructure, Inspector/Recoder, IBM Rational Rose, Silverrun.

Засоби оточення включають засоби підтримки каркасів і платформ для створення, інтеграції CASE-засобів: Multi/Cam, Sylva Foundry.

Засоби управління проектом призначені для підтримки планування, контролю, керування та взаємодії в процесі розробки і супроводження проектів: Project Workbench та ін.

11.​ Технології підтримки групової роботи.

До основних технологій підтримки групової роботи в мережі належать:

​ ·групове програмне забезпечення (groupware);

​ ·технології автоматизації керування потоками робіт (workflow);

​ ·технологія електронного обміну даними;

​ ·спільний медіа-простір;

​ ·технології колективного навчання.

Групове програмне забезпечення (groupware) - це специфічне програмне забезпечення, призначене для підтримки інтелектуальної колективної роботи групи виконавців над загальнодоступним завданням. Групове забезпечення має ширші функції, ніж звичайне програмне забезпечення доступу декількох користувачів до одних і тих самих даних, воно включає механізми, що допомагають координації користувачів при виконанні поточних проектів і відслідковуванню їх здійснення, дає змогу працювати разом за допомогою комп’ютерно підтримуваних комунікацій, співробітництва і координації.

Основні функції groupware:

–​ Управління бізнес-процесами:

​ §електронне складання календарного плану;

​ §розроблення графіків і таблиць;

​ §координація.

–​ Підтримка зв’язку:

​ §електронна пошта/ передача повідомлень;

​ §обмін документами/спільне авторство;

​ §електронний конференц-зв’язок.

–​ Прийняття рішень:

​ §моделювання і підтримка рішень;

​ §доступ до баз даних;

​ §використання інтелектуальних агентів.

Сімейство засобів групової роботи groupware можна поділити на декілька класів:

​ ·системи обміну повідомленнями;

​ ·системи забезпечення комп’ютерних телеконференцій;

​ ·системи підтримки групового прийняття рішень і електронних нарад;

​ ·співавторські системи і системи аргументації;

​ ·координаційні системи.

Технології автоматизації керування потоками робіт (workflow) призначені для керування деякими базовими одиницями - роботами, які мають бути виконані за визначених умов, в заданій послідовності і певними виконавцями. Виконання окремої роботи може проводитися в різних часових рамках, контролюватися за часом і змістом, з нею можуть пов'язуватись документи, завдання, резолюції і т. ін.

Технологія електронного обміну даними (Computer-mediated communication, CMC (electronic meetings)) – передбачає використання комп’ютерів, програмного забезпечення й мереж передачі даних для створення, зберігання, доставки, регулювання та оброблення інформації між учасниками групи, а також між комп’ютером і групою.

Медіа-простір - електронні умови, в яких групи користувачів можуть працювати разом, навіть якщо вони не знаходяться в одному й тому ж місці в той же час. В медіа-просторі користувачі можуть в реальному часі створювати візуальні та звукові середовища, які охоплюють фізично розподілені площі. Вони також можуть контролювати запис, доступ та відтворення зображень і звуків у цих середовищах.

Технології колективного навчання (computer supported collaborative learning, CSCL) – область наукових досліджень, що вивчає засоби, методи, технології та програмне забезпечення спільного навчання з метою підтримки побудови сумісних знань і інтерактивному режимі. Одним із головних застосувань CSCL є навчання студентів через їх взаємодію.

12.​ Системи підтримки групової роботи.

Системи підтримки групової роботи забезпечують інтерфейс до загальнодоступного (розподіленого) інформаційного середовища, надають інформаційну підтримку, можуть змінити динаміку взаємодії групи, поліпшити зв’язок між учасниками зустрічі, структурувати й зосередити зусилля на вирішенні завдань.

Системи включають такі інструментальні засоби:

–​ управління регламентом (порядок денний);

–​ електронної «мозкової» атаки;

–​ голосування;

–​ електронного складання календарного плану;

–​ управління проектами;

–​ управління адресною книгою;

–​ управління блокнотом тощо.

В основі роботи систем підтримки групової роботи є використання технологій groupware, локальних і глобальної мереж, технічних засобів у формі електронних кімнат для нарад і засоби підтримки телекомунікацій.

Найпоширеніші види систем комп’ютерної підтримки групової роботи є:

–​ cистеми електронних нарад (electronic meeting systems, EMS);

–​ системи комп’ютерної підтримки спільної роботи (systems for computer-supported cooperative work, CSCW):

o​ системи автоматизації ділових процесів (Workflow Management System, WMS);

o​ системи електронного документообігу (Electronic Document Management Systems, EDMS);

o​ системи керування контентом (Content Management Systems, CMS);

o​ електронні архіви;

–​ групові системи підтримки прийняття рішень (group decision support systems, GDSS);

–​ системи підтримки переговорів (negotiation support systems, NSS);

–​ ситуаційні центри (situational center, SC).

Системи електронних нарад EMS призначені для підтримки електронних зустрічей в мережі в синхронному чи асинхронному режимі.

Технології workflow слугують для побудови систем автоматизації ділових процесів WMS. Системи WMS використовуються для автоматизації рутинних багатокрокових офісних операцій і включають в себе документообіг як окрему дію. Для інтеграції з іншими прикладними програмами ці системи надають відкриті інтерфейси і механізми доступу. У разі зберігання документів на сервері, користувачам передаються тільки права доступу до них.

Групові системи підтримки прийняття рішень (ГСППР) - це інтерактивні інформаційні системи, які полегшують колективне розв’язання неструктурованих та слабоструктурованих проблем групою осіб, що приймають рішення. ГСППР об’єднують технологію groupware (систем групової роботи) з технологією систем підтримки прийняття рішень (СППР). До звичайного програмного забезпечення СППР приєднуються технічні засоби у формі електронних кімнат для нарад, локальні мережі та засоби підтримки телекомунікацій.

Системи підтримки переговорів NSS призначені для підтримки переговорів у мережі, вирішення конфліктних ситуацій, узгодження різних інтересів і поглядів і вироблення компромісного рішення.

Ситуаційний центр SC являє собою спеціальне місце для спостереження, моделювання, аналізу поточних або можливих ситуацій, швидкої оцінки проблемних ситуацій, оперативної побудови і «програвання» сценаріїв та підтримки прийняття рішень одним або частіше групою спеціалістів.

Ситуаційні центри створюються для органів державної влади, структур керування складними технічними об’єктами з метою аналізу та підтримки прийняття рішень у складних проблемних ситуаціях. Ситуаційні центри мають забезпечувати функції: візуалізації, віртуалізації, моделювання ситуацій у тривимірному просторі, а також відповідати вимогам нового покоління методології прийняття рішень, орієнтованої спеціально на роботу спеціалістів у нечітких, багатоваріантних умовах.

13.​ Класифікація засобів бізнес-аналітики (ВІ).

1. Інструменти ВІ:

– генератори запитів і звітів;

– інструменти оперативного аналітичного оброблення даних (online analytical processing, OLAP) і сховища даних;

– корпоративні BI-набори (enterprise BI suites, EBIS);

– BI-платформи (ВІ-platforms, ВІР).

2. ВІ-прикладні програми (додатки).

Генератори запитів і звітів – інструменти, що надають користувачам доступ до баз даних, аналіз і динамічне формування звітних документів. Запити можуть бути як незапланованими (ad hoc), так і мати регламентний характер. Розвинені генератори запитів і звітів об’єднують можливості пакетної генерації регламентних звітів і генераторів запитів, розсилки звітів і їх оперативного оновлення, містять засоби ділової графіки, мають можливості інтеграції з офісними програмними системами та публікації звітів в Internet.

Засоби оперативного аналітичного оброблення даних (online analytical processing, OLAP) і сховища даних дають змогу аналітикам отримати точні значення ключових показників діяльності підприємства в автоматичному режимі або шляхом швидкого інтерактивного доступу до даних у сховищі і виконання над ними різноманітних аналітичних операцій: перетину (slice&dice), обертання (pivoting), розгортання, згортання (drill down/ roll up), проекції, агрегування, розрахункових операцій тощо. OLAP-операції над даними можуть бути організовані у певний спосіб для відображення різних аспектів діяльності підприємства, надаючи можливість досягти розуміння стану бізнес-процесів під час оперативного прийняття рішень. Показники діяльності підприємства стають більш доступними, оскільки оновлюються динамічно і подаються в контексті історичних даних та екстрапольованих трендів.

Корпоративні BI-набори (enterprise BI suites, EBIS) – набори інструментів генерації запитів, звітів і OLAP. Корпоративні BI-набори мають забезпечувати масштабування і використовуватись не лише внутрішніми користувачами, а й ключовими замовниками, постачальниками та ін. Продукти BI-наборів мають допомагати адміністраторам під час впровадження і керування Business Intelligence (BI) без додавання нових ресурсів. Деякі постачальники описують свої BI-набори как BI-портали. Ці портальные прикладні програми забезпечують підмножину можливостей EBIS за допомогою Web-браузера.

BI-платформи (ВІ-platforms, ВІР).

Платформи Business Intelligence (BI) пропонують набори інструментів для створення, впровадження, підтримки і супроводження BI-додатків (прикладних програм). На ВІ-платформах створюють наповнені даними прикладні програми з замовленими інтерфейсами кінцевого користувача, організовані навколо специфічних бізнес-проблем, з цільовим аналізом і моделями. Платформи Business Intelligence (BI), хоча й не так швидко зростають і широко використовуються як корпоративні BI-набори, але є важливими завдяки росту BI-додатків.

BI-прикладні програми (додатки)

Прикладні програми Business Intelligence (BI) містять убудовані BI-інструменти (OLAP, генератори запитів і звітів, засоби моделювання, статистичного аналізу, візуалізації і data mining). BI-додатки зазвичай орієнтовані на конкретну функцію організації або задачу, як-от: аналіз і прогноз продажів, фінансове бюджетування, прогнозування, аналіз ризиків, і т. ін. BI-додатки можуть вибирати дані для аналізу з систем керування ресурсами підприємства ERP, застосовуватись як системи керування ефективністю підприємства (Enterprise Perfomance Management) або системи збалансованих показників (Balanced Scorecard).

До складу Business Intelligence (BI) можуть входити також засоби аналізу: пакети статистичного аналізу і аналіз часових рядів і оцінки ризиків; засоби моделювання.

Також у складі ВІ містяться засоби графічного оформлення результатів: засоби ділової графіки; інструментальні панелі; панелі ключових показників ефективності, засоби аналітичної картографії і топологічних карт; засоби візуалізації багатовимірних даних.

14.​ Поняття і особливості сховища даних.

Появу у 1992 році концепції сховищ даних пов’язують з виникненням потреб в оперативному багатоаспектному бізнес-аналізі і появою технології OLAP. Розвиток цієї технології потребував нового підходу до збереження даних, який відрізнявся від традиційного підходу баз даних, що використовується в системах оперативної обробки даних - OLTP-системах.

Транзакційні системи, або системи операційної обробки даних, - OLTP (On-Line Transactional Processing) призначені для оперативної обробки даних, що характеризують поточний стан об’єктів предметної області. При цьому використовуються довгі і короткі транзакції. Довга транзакція - це сукупність операцій бізнес-процесу, що потребують звернення до компонентів інформаційної системи, причому кожна з операцій не має цінності без виконання всієї сукупності. Коротка транзакція - це окреме звернення до одного з компонентів ІС або звернення клієнта до сервера. За допомогою довгих транзакцій OLTP-система має можливість керувати складними ланцюжками операцій бізнес-процеса як єдиним цілим.

Задачами, що розв’язуються в OLTP-системах, звичайно є традиційні планові, облікові та інші, що передбачають оброблення первинної оперативної інформації з переважним використанням методів прямого розрахунку. Дані у базах даних OLTP-систем зберігаються протягом періоду їх обробки (місяць, рік), а потім вивантажуються в архів або знищуються..

На відміну від цього, аналітичні системи, до яких належать і OLAP-системи, потребували збереження, накопичення оперативних даних і подання їх у вигляді, придатному для аналізу.

Сховище даних (Data Warehouse) являє собою предметно-орієнтоване, прив’язане до часу і незмінне зібрання даних для підтримки процесу прийняття керуючих рішень. Дані у сховище надходять з оперативних систем, призначених для автоматизації бізнес-процесів, а також із зовнішніх джерел, наприклад, із статистичних звітів. Головним призначенням сховища є надання інформації для аналізу в одному місці і в інтуїтивно зрозумілій структурі.

Необхідність розробки сховищ даних обумовлена факторами:

· виникнення технології оперативного аналітичного оброблення даних OLAP і на її основі систем підтримки прийняття рішень;

· системи підтримки прийняття рішень на базі OLAP погано сполучаються з транзакційними системами оперативної обробки даних (OLTP-системами). Одночасне вирішення оперативних і аналітичних запитів на одній базі даних часто призводить до нестачі ресурсів;

· формування аналітичних звітів на основі традиційних баз даних потребує дуже значних витрат часу, що пояснюється необхідністю оброблення первинних оперативних даних за відсутності їх попередньої обробки (узагальнення та агрегації). Кількість часу зростає одночасно з ростом об’єму оперативних даних у базі даних. Це призводить до затримок при реалізації аналітичних запитів;

· досить часто на підприємстві чи в організації функціонує декілька OLTP-систем, кожна з яких має свою окрему базу даних, у яких використовуються різні структури даних, способи кодування, одиниці вимірювання. Побудова зведеного аналітичного запиту на основі декількох баз даних є складною проблемою, яка спочатку потребує вирішення проблеми узгодженості даних з різних баз даних;

· для розв’язання задач оперативного аналізу часто буває недостатньо лише оперативних даних, що містяться у базі даних, а необхідня також архівні дані та інформація зовнішніх джерел (маркетингова, соціологічна інформація і т. ін.).

Винахідник сховищ даних Б. Інмон у 1992 році визначив їх особливості:

· предметна орієнтація: дані у сховищі організовані відповідно до основних напрямів діяльності підприємства (замовники, продажі, склад), а не до процесів, як в оперативних базах даних;

· інтегрованість: первинні дані оперативних баз даних перед введенням у сховище даних перевіряються, вибираються, приводяться до одного вигляду, необхідною мірою агрегуються;

· підтримка хронології: дані у сховищі нагромаджуються у вигляді історичних пластів, що дає змогу аналізувати зміну показників у часі;

· незмінність: дані, завантажені у сховище, не підлягають змінам. З ними можливі лише операції їх первинного завантаження, пошуку, читання, агрегації;

· мінімальна надлишковість: забезпечується фільтрацією та очищенням даних OLTP-систем перед їх завантаженням у сховище.

15.​ Моделі сховищ даних.

Сховища даних слугують місцем збереження та джерелом інформації для засобів оперативного аналітичного оброблення даних OLAP і можуть мати різну модель побудови - багатовимірну (Multidimensional OLAP - MOLAP), реляційну - (Relational OLAP - ROLAP) або гібридну - (Hybrid OLAP - HOLAP).

Багатовимірна модель

Багатовимірна модель сховища даних MOLAP (Multidimensional OLAP) передбачає збереження і детальних даних, і їх агрегатів у багатовимірній базі даних. В основі такої моделі лежить поняття багатовимірного куба (гіперкуба) даних, у комірках якого зберігаються показники (наприклад, обсяги продажів), а вимірами є ознаки аналізованого процесу (наприклад, види товарів, регіони, періоди продажів). Розглянемо докладніше елементи багатовимірної моделі.

Показник, або міра (Measure) - це поле, значення якого однозначно визначається фіксованим набором значень вимірів, що характеризують певний факт.

Показники складають головну частину вмісту сховища даних і можуть бути подані у вигляді:

· числових значень фактів чи подій бізнес-процесу, що відбувався на об’єкті управління, для якого створене сховище (наприклад, обсяг і дохід від продажів);

· формул, що описують розрахунок над іншими показниками сховища. Деякі OLAP-продукти дозволяють користувачам створювати власні формули для розрахунку показників.

Вимір (Dimension) - це множина однотипних даних, що утворюють одну з осей куба і характеризують якусь ознаку бізнес-процесу, інформація по якому зберігається у сховищі.

Наприклад, для процесу продажів одним із вимірів може бути регіон продажів. Окремі значення виміру називаються членами виміру, або мітками (members), і можуть утворювати ієрархії. Наприклад, значення регіонів в ієрархії розташовуються так: на вищому рівні - «Україна», нижче - «Київська область», «Полтавська область» і т. ін.; нижче - Київ, Васильків, Баришівка і т.ін.

Відношення (Relation) - це зв’язки між різними вимірами моделі та між окремими значеннями всередині певного виміру. Ці елементи моделі використовуються для вираження різних типів відношень (приналежності, ієрархії, типізації та ін.) між елементами кубу і використовуються під час аналізу даних для їх відбору або визначення порядку агрегування показників.

Багатовимірна модель забезпечує можливості використання різноманітих аналітичних операцій на даними у кубі:

· операція перетину (slice-and-dice) здійснює вибірку підмножини куба, у якій значення одного чи декількох виміорів фіксовані. Наприклад, можна отримати зріз значень продажів всіх товарів за всі періоди часу для певного регіону;

· операції розгортання та згортання (drill-down та roll-up) використовують ієрархію значень виміру для переходу униз по ієрархії на детальніші рівні або угору для отримання узагальненого подання;

· операція обертання (rotation) куба надає можливість побачити інше подання даних, згруповане за іншими вімірами. Наприклад, можна поміняти місцями рідки і стовпці таблиці;

· операція об’єднання (drill-across) виконує комбінацію кубів, що мають один або декілька спільних вимірів.

Багатовимірна модель сховища даних завдяки особливостям своєї організації (надмірності даних, підтримці великої кількості зв’язків між даними) забезпечує високу продуктивність роботи при аналізі даних. Проте існують недоліки, які перешкоджають її широкому застосуванню. Подання даних у вигляді багатовимірного кубу, коли резервується місце для всіх можливих значень, призводить до суттєвих зайвих витрат пам’яті у разі відсутності деяких значень.

Інструментальними засобами створення багатовимірних сховищ даних є продукти корпорації Oracle, Power Play (корпорації Cognos Corp.), Data Direct (корпорації INTERSOLV).

Реляційна модель

Реляційна модель сховища даних ROLAP (Relational OLAP) передбачає зберігання і детальних, і агрегованих (підсумкових) даних у реляційній базі даних, але агреговані дані розміщуються у спеціально створених службових таблицях.

ROLAP-модель підтримують MetaCube (корпорація Informix), Business-Objects (корпорація BusinessObjects) та ін.

Гібридна модель

Гібридна модель сховища даних HOLAP (Hybrid OLAP) - це спеціалізований механізм, який дає змогу зберігати дані у власних форматах - масивах, що відповідають зручному для ко­ристувачів представленню даних. Основною ознакою цієї моделі є те, що детальні дані залишаються на своєму звичайному місці - у ре­ляційній базі даних, а агреговані (підсумкові) дані зберігають­ся в багатовимірній базі даних.

Висока швидкість оброблення запитів у багатовимірній базі даних забезпечується завдяки попередньму обчисленню агрегованих показників. Швидкість оброблення запитів значно підвищується за рахунок того, що можливо отримати відповідь на запитання на підставі резуль­татів попередніх обчислень, а не виконуючи їх «на льоту». HOLAP-архітектура зазвичай ви­користовується при побудові багаторівневих сховищ даних, що створюються на різних рівнях корпоративних ІС, і особливо ефективна в разі об­роблення надто великих обсягів даних.

Інструментальним засобом, що підтримує HOLAP-модель, є SAS System (компанія SAS Institute).

16.​ Особливості технології OLAP (групи правил Кодда).

Технологія оперативного аналітичного оброблення даних OLAP (OnLine Analytical Processing) була виокремлена як особливий підхід до обробки даних у зв’язку з появою спеціальних засобів для збереження та аналізу накопичених облікових даних - сховищ даних. OLAP-програми являють собою сукупність засобів багатовимірного аналізу даних, накопичених у сховищі даних. Користувачу OLAP надається інтуїтивно зрозуміла модель даних, організована у вигляді багатовимірних кубів (Cubes). Осями - вимірами (Dimensions) багатовимірної системи координат слугують основні атрибути аналізованого бізнес-процесу (наприклад, для процесу продажів - товар, регіон, тип покупця). Значення, що відкладаються на осях кубу, називаються членами виміру, або мітками (members). Члени виміру можуть утворювати ієрархії, що складаються з декількох рівнів. Наприклад, для виміру «Час» ієрархією може бути «Роки ® квартали ® місяці ® тижні ® дні». У комірках кубу на перетинаннях вимірів знаходяться дані, що кількісно характеризують процес - міри, або показники (Measures) (наприклад, обсяги продажів, витрати).

Системи на основі OLAP дають змогу аналітикам і менеджерам, які потребують оперативного прийняття рішень, досягти розуміння процесів, що відбуваються на підприємстві, шляхом швидкого інтерактивного доступу до даних у сховищі і виконання над ними різноманітних аналітичних операцій: перетину, обертання, згортання, розгортання, проекції, агрегування, розрахункових операцій тощо. OLAP-операції над даними організовані так, щоб відобразити різні аспекти діяльності підприємства, надаючи:

· базовий рівень або зведення даних, наприклад, загальну суму продажів по регіону за певний період;

· зрізи даних, що відносяться до певного періоду в минулому і в поточний час;

· агрегування даних за певною ознакою (наприклад, за видами товарів) і можливість у режимі діалогу пересуватись по рівнях агрегації;

· похідні дані, що підраховуються на базі збережуваних даних, наприклад, різниця між фактичним і запланованим показником тощо.

Термін OLAP був вперше запропонований у 1993 р. Е.Ф.Коддом, відомим дослідником в області баз даних, коли він разом із партнерами опублікували статтю «Забезпечення OLAP (оперативного аналітичного оброблення) для користувачів-аналітиків», у якій виклали основні положення нової OLAP-технології. Ця стаття включала 12 правил, що визначали принципи технології OLAP. У 1995 році до них були додані ще шість. Доктор Кодд розбив всі правила на чотири групи:

1. Базові особливості (багатовимірне подання даних, інтуїтивне маніпулювання даними, доступність, пакетне отримання даних, моделі аналізу OLAP, архітектура клієнт-сервер, прозорість, багатокористувацька підтримка).

2. Спеціальні особливості (обробка ненормалізованих даних, зберігання результатів OLAP, виокремлення відсутніх значень, ігнорування відсутніх значень при аналізі).

3. Особливості подання звітів (гнучкість формування звітів, стандартна продуктивність, автоматичне налаштовування фізичного рівня).

4. Управління вимірами (універсальність вимірів, необмежена кількість вимірів і рівнів агрегації, необмежені операції між даними вимірів).

Пізніше вчені Н.Пендс і Р.Кріт запропонували власне визначення OLAP - так званий тест FASMI (Fast Analysis of Shared Multidimensional Information - швидкий аналіз розділюваної багатовимірної інформації), який вимагає, щоб OLAP-додаток надавав такі можливості:

Висока швидкість. Аналіз має виконуватись однаково швидко по всіх аспектах інформації за умови допустимого часу відгуку не більше 5 секунд. При цьому найпростіші запити опрацьовуються протягом однієї секунди і дуже небагато запитів - понад 20 секунд. Для досягнення цієї мети розробники OLAP-продуктів застосовують широкий спектр методів, включаючи спеціалізовані форми збереження даних, великі попередні обчислення або підсилені апаратні вимоги.

Аналіз. Забезпечення можливості проводити основні типи числового і статистичного аналізу, який може бути завчасно визначений розробником додатку або довільно визначатися користувачем. Засоби аналізу можуть включати процедури аналізу часових рядів, розподілу витрат, валютних переведень, пошуку цілей, зміни багатовимірних структур, непроцедурного моделювання, виявлення виняткових ситуацій, витягів даних та інші операції.

Розділення доступу. Доступ до даних має бути багатокористувацьким, при цьому має контролюватись доступ до конфіденційної інформації. Система має забезпечувати усі вимоги захисту конфіденційності (можливо, до рівня комірки) і, у разі необхідності множинного доступу до запису, здійснювати блокування модифікацій на відповідному рівні.

Багатовимірність. Забезпечення багатовимірного концептуального подання даних, включаючи повну підтримку ієрархії, оскільки таке представлення є найбільш логічним для аналізу бізнесу.

Робота з інформацією. OLAP-додаток повинен мати можливість звертатися до будь-якої потрібної інформації, незалежно від її обсягу і місця зберігання. Потужність різноманітних OLAP-продуктів слід вимірювати не тільки тим, скільки гігабайт вони можуть зберігати, а й тим, скільки вхідних даних вони можуть опрацьовувати. При цьому варто враховувати багато чинників, включаючи дублювання даних, необхідну оперативну пам’ять, використання дискового простору, експлуатаційні показники, інтеграцію з сховищами даних і т. ін.

Поиск по сайту: