Inhoud
- Definitie - Wat betekent Online Analytical Processing (OLAP)?
- Een inleiding tot Microsoft Azure en de Microsoft Cloud | In deze handleiding leert u wat cloud computing inhoudt en hoe Microsoft Azure u kan helpen bij het migreren en runnen van uw bedrijf vanuit de cloud.
- Techopedia verklaart Online Analytical Processing (OLAP)
Definitie - Wat betekent Online Analytical Processing (OLAP)?
Online analytische verwerking (OLAP) is een concept op hoog niveau dat een categorie hulpmiddelen beschrijft die helpen bij de analyse van multidimensionale vragen.
OLAP is tot stand gekomen vanwege de enorme complexiteit en de enorme groei van bedrijfsgegevens in de jaren zeventig, omdat het volume en het type informatie te zwaar werden voor een adequate analyse door middel van eenvoudige vragen met gestructureerde query-taal (SQL).
Een inleiding tot Microsoft Azure en de Microsoft Cloud | In deze handleiding leert u wat cloud computing inhoudt en hoe Microsoft Azure u kan helpen bij het migreren en runnen van uw bedrijf vanuit de cloud.
Techopedia verklaart Online Analytical Processing (OLAP)
De gegevensvergelijkingsmogelijkheden van traditionele SQL zijn beperkt. SQL kan bijvoorbeeld query's beheren, zoals een lijst met verkoopagenten, versus geschiedenis van verkoopvolumes. Bij grotere datavolumes kan het echter overweldigend zijn om alleen SQL te gebruiken en moeilijk om gegevens te vertalen in informatie die gemakkelijk het nemen van beslissingen vergemakkelijkt. Het is moeilijk om bepaalde vragen in SQL te beantwoorden, zoals waarom de verkoop van producten halverwege de maand hoger is, of waarom vrouwelijke verkoopagenten hun mannelijke collega's in de zomer consequent uitbesteden.
Erkennend dat relationele databases inherente beperkingen hebben, creëerden fabrikanten nieuwe manieren om complexe gegevensrelaties weer te geven en resultaten te analyseren om verborgen en voorheen onbekende patronen en trends te onderscheiden.
Een case study over het potentieel van OLAP is gegroeid uit het gebruik van OLAP-tools door een grote retailer voor datamining. Deze detailhandelaar merkte op dat aankopen van babyproducten 's avonds laat correleerden met de toegenomen aankopen van bier' s avonds laat. Aanvankelijk leek dit toeval, maar uit diepere klantanalyses bleek dat late-nightklanten voornamelijk jonge vaders van midden tot eind twintig of begin dertig waren - een demografie die ook geassocieerd werd met het beschikbare nachtelijke inkomen. Op basis van deze gegevens begonnen retailers met het verhandelen van babyproducten en bier, en de gecombineerde verkoop voor beide productlijnen schoot omhoog.
Deze case study bewees hoe OLAP onderzoekers in staat stelt om gegevensrelaties tussen schijnbaar niet-gerelateerde gebeurtenissen en trends te onderzoeken en bloot te leggen, waardoor de zakelijke besluitvorming wordt verbeterd.