Apa yang dimaksud dengan Online Analytical Processing (OLAP) ?

Online Analytical Processing (OLAP) adalah terminologi yang menerangkan teknologi yang meng gunakan view multidimensi pengelompokkan data untuk menyediakan akses cepat terhadap informasi strategis untuk keperluan analisis lebih lanjut.

Apa yang dimaksud dengan Online Analytical Processing (OLAP) ?

OLAP adalah singkatan Online Analytical Processing. OLAP berfungsi untuk melakukan analisis data bisnis multidimensi dan menyediakan kemampuan untuk perhitungan yang rumit, analisis trend, dan pemodelan data yang canggih. OLAP adalah dasar untuk berbagai jenis aplikasi bisnis untuk Bisnis Manajemen Kinerja, Perencanaan, Penganggaran, Forecasting, Pelaporan Keuangan, Analisis, Model Simulasi, Knowledge Discovery, dan Data Pelaporan Warehouse.

OLAP memungkinkan pengguna akhir untuk melakukan analisis ad hoc data dalam beberapa dimensi, sehingga memberikan wawasan dan pemahaman yang mereka butuhkan untuk membuat keputusan yang lebih baik.

Tujuan dari OLAP adalah untuk menganalisis data multidimensi secara interaktif dari berbagai perspektif. OLAP terdiri dari tiga operasi analitis dasar: Konsolidasi (roll-up), drill-down, dan mengiris dan dicing.

  • Konsolidasi melibatkan agregasi data yang dapat diakumulasikan dan dihitung dalam satu atau lebih dimensi. Misalnya, semua kantor penjualan digabungkan ke departemen penjualan atau penjualan divisi untuk mengantisipasi tren penjualan.

  • Drill-down adalah teknik yang memungkinkan pengguna untuk menavigasi melalui rincian. Misalnya, pengguna dapat melihat penjualan untuk produk individu yang membentuk penjualan suatu daerah.

  • Mengiris dan dicing adalah fitur dimana pengguna dapat mengambil (slicing) satu set data tertentu dari kubus OLAP dan melihat (dicing) irisan dari sudut pandang yang berbeda. sudut pandang ini kadang-kadang disebut dimensi (seperti melihat penjualan yang sama dengan penjual atau berdasarkan tanggal atau pelanggan atau dengan produk atau menurut wilayah, dll)

Sistem OLAP

Inti dari setiap sistem OLAP adalah kubus OLAP (juga disebut ‘kubus multidimensi’ atau hypercube). Ini terdiri dari fakta-fakta numerik yang disebut tindakan yang dikategorikan oleh dimensi. Langkah-langkah ditempatkan di persimpangan dari hypercube, yang membentang dengan dimensi sebagai ruang vektor. Antarmuka biasa untuk memanipulasi sebuah kubus OLAP adalah antarmuka matriks, seperti tabel Pivot dalam program spreadsheet, yang melakukan operasi proyeksi sepanjang dimensi, seperti agregasi atau averaging.

Contoh sederhana akan menjadi kubus yang berisi penjualan toko ini sebagai ukuran, dan Date / Time sebagai dimensi. Setiap Sale memiliki Date / Time label yang menjelaskan tentang penjualan itu.

Contoh:

Struktur Multidimensi

Struktur multidimensi didefinisikan sebagai "variasi dari model relasional yang menggunakan struktur multidimensional untuk mengatur data dan mengekspresikan hubungan antara data”. Struktur ini dibagi menjadi kubus dan kubus dapat menyimpan dan mengakses data dalam batas-batas masing-masing kubus. “Setiap sel dalam struktur multidimensi berisi data agregat yang berkaitan dengan unsur-unsur bersama masing-masing dimensi”. Bahkan ketika data dimanipulasi tetap mudah untuk mengakses dan terus merupakan format database kompak. Data masih tetap saling terkait. struktur multidimensi cukup populer untuk database analitis yang menggunakan pengolahan analisis (OLAP) aplikasi online.

Database analitis menggunakan database ini karena kemampuan mereka untuk memberikan jawaban atas pertanyaan bisnis yang kompleks dengan cepat. Data dapat dilihat dari sudut yang berbeda, yang memberikan perspektif yang lebih luas dari masalah seperti model lainnya.

Agregasi

Agregasi menurut istilah komputer adalah suatu teknik komposisi untuk mengimplementasikan objek dari suatu komponen, melalui objek baru yang dapat dibangun dengan satu atau beberapa yang sudah ada, yang mendukung pengolahan suatu interface.

Telah dinyatakan bahwa untuk kueri komplek kubus OLAP bisa menghasilkan sebuah jawaban sekitar 0.1% dari waktu untuk kueri yang sama pada data OLTP yang berhubungan. Mekanisme tunggal paling penting dalam OLAP yang bisa mencapai kinerja yang sedemikian merupakan penggunaan dari agregasi. Agregasi-agregasi dibangun dari fact table dengan mengubah granularitas pada dimensi khusus dan mengumpulkan lagi data sepanjang dimensi-dimensi tersebut. Jumlah agregasi yang mungkin ditentukan oleh setiap kombinasi yang mungkin dari dimensi granularitas.

MOLAP (Multi-dimensi Pengolahan Analisis Online)

MOLAP (multi-dimensi pengolahan analisis online) adalah bentuk klasik OLAP dan kadang-kadang disebut hanya sebagai OLAP. toko MOLAP data ini dalam sebuah storage array multi dimensi dioptimalkan, bukan di database relasional.

Keuntungan dari MOLAP adalah:

  • kinerja query cepat karena penyimpanan dioptimalkan, pengindeksan
    multidimensi dan caching.
  • Lebih kecil ukuran on-disk data dibandingkan dengan data yang tersimpan dalam
    database relasional karena teknik kompresi.
  • Otomatis perhitungan agregat tingkat yang lebih tinggi dari data.

Hal ini sangat kompak untuk set data berdimensi rendah. Model Array memberikan pengindeksan alami ekstraksi data yang efektif dicapai melalui pre-penataan data agregat.

Kekurangan dari MOLAP

  • Dalam beberapa Solusi MOLAP langkah pengolahan (beban data) bisa sangat panjang, terutama pada volume data yang besar. Hal ini biasanya diatasi dengan hanya melakukan pengolahan tambahan, yaitu, pengolahan hanya data yang telah berubah (biasanya data baru) bukan pemrosesan kembali seluruh data set.
  • Beberapa metodologi MOLAP memperkenalkan redundansi data.

Relasional OLAP (ROLAP)
ROLAP adalah bekerja secara langsung dengan database relasional dan tidak memerlukan pra-perhitungan. Basis data dan tabel dimensi disimpan sebagai tabel relasional dan tabel baru diciptakan untuk memegang informasi yang dikumpulkan.

Keuntungan dari ROLAP

  • ROLAP dianggap lebih terukur dalam menangani volume data yang besar, terutama model dengan dimensi dengan kardinalitas yang sangat tinggi (yaitu, jutaan anggota).
  • Pendekatan ROLAP dapat memanfaatkan kontrol otorisasi database seperti keamanan tingkat baris,
    dimana hasil query yang disaring tergantung pada kriteria yang telah ditetapkan diterapkan, misalnya, untuk pengguna tertentu atau kelompok pengguna (SQL klausa WHERE)

Kekurangan dari ROLAP

  • Ada konsensus dalam industri bahwa alat ROLAP memiliki kinerja lebih lambat dari alat MOLAP. Namun, lihat diskusi di bawah ini tentang kinerja ROLAP.
  • Pemuatan tabel agregat harus dikelola oleh kode ETL kustom. Alat ROLAP tidak membantu dengan tugas ini. Ini berarti waktu pengembangan tambahan dan kode lebih banyak untuk mendukung.

Kelemahan dari Fleksibilitas
Beberapa perusahaan memilih ROLAP karena mereka berniat untuk menggunakan kembali ada tabel-rute database relasional tabel akan sering tidak optimal dirancang untuk digunakan OLAP. Fleksibilitas superior alat ROLAP memungkinkan ini kurang dari desain optimal untuk bekerja, tapi kinerja menderita. alat MOLAP berbeda akan memaksa data yang akan kembali dimasukkan ke desain OLAP optimal.

Referensi

https://id.wikipedia.org/wiki/Online_analytical_processing
http://olap.com/olap-definition/