OLAP
Analítica
Fondo negro y azul
OLAP

OLAP, un componente central de las implementaciones de almacenamiento de datos, permite un análisis de datos multidimensional rápido y flexible para aplicaciones de inteligencia empresarial (BI) y de apoyo a la toma de decisiones.

 

Conozca más

Vea cómo Vektis ayuda a mejorar la calidad de la atención médica a través de los datos

Lea la guía del comprador de la base de datos


¿Qué es OLAP?

OLAP (paraprocesamiento analítico en línea) es un software para realizar análisis multidimensionales a altas velocidades en grandes volúmenes de datos de unalmacén de datos , data mart, o algún otro almacén de datos unificado y centralizado.

La mayoría de los datos comerciales tienen varias dimensiones: varias categorías en las que se desglosan los datos para su presentación, seguimiento o análisis. Por ejemplo, las cifras de ventas pueden tener varias dimensiones relacionadas con la ubicación (región, país, estado / provincia, tienda), tiempo (año, mes, semana, día), producto (ropa, hombres / mujeres / niños, marca, tipo) y más.

Pero en un almacén de datos, los conjuntos de datos se almacenan en tablas, cada una de las cuales puede organizar los datos en solo dos de estas dimensiones a la vez. OLAP extrae datos de múltiples conjuntos de datos relacionales y los reorganiza en un formato multidimensional que permite un procesamiento muy rápido y un análisis muy profundo. 

Productos destacados

Db2 Warehouse on Cloud

Db2 Database

IBM Db2 Warehouse


¿Qué es un cubo OLAP?

El núcleo de la mayoría de los sistemas OLAP, el cubo OLAP es una base de datos multidimensional basada en arreglos que hace posible procesar y analizar múltiples dimensiones de datos de manera mucho más rápida y eficiente que una base de datos relacional tradicional.

Una tabla de base de datos relacional está estructurada como una hoja de cálculo y almacena registros individuales en un formato bidimensional fila por columna. Cada "hecho" de datos en la base de datos se encuentra en la intersección de dos dimensiones, una fila y una columna, como región y ventas totales.

Las herramientas de informes de bases de datos relacionales y SQL ciertamente pueden consultar, informar y analizar datos multidimensionales almacenados en tablas, pero el rendimiento se ralentiza a medida que aumentan los volúmenes de datos. Y requiere mucho trabajo reorganizar los resultados para enfocarlos en diferentes dimensiones.

Aquí es donde entra el cubo OLAP. El cubo OLAP amplía la tabla única con capas adicionales, cada una de las cuales agrega dimensiones adicionales, generalmente el siguiente nivel en la "jerarquía de conceptos" de la dimensión. Por ejemplo, la capa superior del cubo podría organizar las ventas por región; Las capas adicionales pueden ser país, estado / provincia, ciudad e incluso una tienda específica.

En teoría, un cubo puede contener un número infinito de capas. (Un cubo OLAP que representa más de tres dimensiones a veces se denomina hipercubo). Y pueden existir cubos más pequeños dentro de las capas; por ejemplo, cada capa de la tienda podría contener cubos que ordenen las ventas por vendedor y producto. En la práctica, los analistas de datos crearán cubos OLAP que contienen solo las capas que necesitan para un análisis y un rendimiento óptimos. 

Profundizar

La operación de desglose convierte los datos menos detallados en datos más detallados a través de uno de dos métodos: moverse hacia abajo en la jerarquía de conceptos o agregar una nueva dimensión al cubo. Por ejemplo, si ve los datos de ventas para el calendario o el trimestre fiscal de una organización, puede desglosarlos para ver las ventas de cada mes, moviéndose hacia abajo en la jerarquía de conceptos de la dimensión "tiempo".

Roll up

Roll up es lo opuesto a la función de detallar: agrega datos en un cubo OLAP subiendo en la jerarquía de conceptos o reduciendo el número de dimensiones. Por ejemplo, podría ascender en la jerarquía de conceptos de la dimensión "ubicación" al ver los datos de cada país, en lugar de cada ciudad.

Slice and dice

La operación de slice crea un subcubo seleccionando una única dimensión del cubo OLAP principal. Por ejemplo, puede realizar un segmento resaltando todos los datos del primer trimestre fiscal o calendario de la organización (dimensión de tiempo).

La operación de dados aísla un subcubo seleccionando varias dimensiones dentro del cubo OLAP principal. Por ejemplo, puede realizar una operación de dados resaltando todos los datos por el calendario o los trimestres fiscales de una organización (dimensión de tiempo) y dentro de los EE. UU. Y Canadá (dimensión de ubicación).

Pivot

La función de pivot rota la vista de cubo actual para mostrar una nueva representación de los datos, lo que permite vistas dinámicas multidimensionales de datos. La función de pivot OLAP es comparable a la función de tabla dinámica en software de hoja de cálculo, como Microsoft Excel, pero mientras que las tablas dinámicas en Excel pueden ser desafiantes, los pivotes OLAP son relativamente más fáciles de usar (se requiere menos experiencia) y tienen un tiempo de respuesta más rápido y rendimiento de la consulta.


MOLAP frente a ROLAP frente a HOLAP

OLAP que trabaja directamente con un OLAP multidimensional cubo se conoce comoOLAP multidimensional, oMOLAP . Nuevamente, para la mayoría de los usos, MOLAP es el tipo más rápido y práctico de análisis de datos multidimensionales.

Sin embargo, existen otros dos tipos de OLAP que pueden ser preferibles en ciertos casos:

ROLAP

ROLAP, o OLAP relacional,  es un análisis de datos multidimensional que opera directamente sobre datos en tablas relacionales, sin primero reorganizar los datos en un cubo.

Como se señaló anteriormente, SQL es una herramienta perfectamente capaz para consultas, informes y análisis multidimensionales. Pero las consultas SQL necesarias son complejas, el rendimiento se puede arrastrar y la vista resultante de los datos es estática; no se puede girar para representar una vista diferente de los datos. ROLAP es mejor cuando la capacidad de trabajar directamente con grandes cantidades de datos es más importante que el rendimiento y la flexibilidad.

HOLAP

HOLAP, u OLAP híbrido , intenta crear la división óptima del trabajo entre bases de datos relacionales y multidimensionales dentro de una única arquitectura OLAP. Las tablas relacionales contienen mayores cantidades de datos y los cubos OLAP se utilizan para agregaciones y procesamiento especulativo. HOLAP requiere un servidor OLAP que admita tanto MOLAP como ROLAP.

Una herramienta HOLAP puede "explorar" el cubo de datos hasta las tablas relacionales, lo que allana el camino para un procesamiento rápido de datos y un acceso flexible. Este sistema híbrido puede ofrecer una mejor escalabilidad, pero no puede escapar de la inevitable ralentización al acceder a fuentes de datos relacionales. Además, su arquitectura compleja generalmente requiere actualizaciones y mantenimiento más frecuentes, ya que debe almacenar y procesar todos los datos de bases de datos relacionales y bases de datos multidimensionales. Por este motivo, HOLAP puede resultar más caro.


OLAP frente a OLTP

Procesamiento de transacciones en línea, u OLTP , se refiere a métodos de procesamiento de datos y software enfocados en aplicaciones y datos orientados a transacciones. 

La principal diferencia entre OLAP y OLTP está en el nombre: OLAP es de naturaleza analítica y OLTP es transaccional. 

Las herramientas OLAP están diseñadas para el análisis multidimensional de datos en un almacén de datos, que contiene datos históricos y transaccionales. De hecho, un servidor OLAP suele ser el nivel analítico intermedio de una solución de almacenamiento de datos. Los usos comunes de OLAP incluyen minería de datos y otras aplicaciones de inteligencia empresarial, cálculos analíticos complejos y escenarios predictivos, así como funciones de informes empresariales como, por ejemplo, análisis financiero, elaboración de presupuestos y planificación de previsiones.

OLTP está diseñado para admitir aplicaciones orientadas a transacciones al procesar transacciones recientes de la manera más rápida y precisa posible. Los usos comunes de OLTP incluyen cajeros automáticos, software de comercio electrónico, procesamiento de pagos con tarjeta de crédito, reservas en línea, sistemas de reserva y herramientas de mantenimiento de registros.

Para profundizar en las diferencias entre estos enfoques, consulte "OLAP vs. OLTP: ¿cuál es la diferencia?"


OLAP y arquitectura en la nube

OLAP permite a las empresas maximizar el potencial de sus datos corporativos transformándolos al formato más práctico para el análisis multidimensional. Esto, a su vez, hace que sea más fácil discernir información valiosa sobre el negocio. Sin embargo, si estos sistemas se mantienen en la empresa, limita el potencial de escala.

Los servicios OLAP basados en la nube son menos costosos y más fáciles de configurar, lo que los hace más atractivos para pequeñas empresas o nuevas empresas con un presupuesto limitado. Las empresas pueden aprovechar el vasto potencial de los almacenes de datos basados en la nube que realizan análisis sofisticados a velocidades inigualables porque utilizan el procesamiento masivamente paralelo (MPP). Por lo tanto, las empresas pueden usar OLAP a la velocidad y escala de la nube, analizando grandes cantidades de datos sin moverlos de su almacén de datos en la nube.

Constance Hotels, Resorts & Golf es un grupo hotelero de lujo con nueve propiedades en islas del Océano Índico. Sin embargo, la falta de comunicaciones de isla a isla dio paso a silos organizativos, con datos comerciales aislados en cada complejo. La organización creó un almacén de datos en la nube y una arquitectura de análisis para vincular todos los sistemas y herramientas locales con un repositorio de datos central basado en la nube. Al hacer esto, la compañía obtuvo la información de todo el grupo que necesitaban para aprovechar el análisis predictivo avanzado e implementar un sistema OLAP.

OLAP en la arquitectura de la nube es una solución rápida y rentable diseñada para el futuro. Una vez que se crean los cubos, los equipos pueden usar las herramientas de inteligencia empresarial existentes para conectarse instantáneamente con el modelo OLAP y obtener información interactiva en tiempo real a partir de sus datos en la nube.


OLAP e IBM Cloud

IBM Db2 Warehouse on Cloud es un servicio de nube pública administrado. Puede configurar IBM Db2 Warehouse en las instalaciones con su hardware o en una nube privada. Como  almacén de datos, este servicio incluye características como procesamiento de datos en memoria y tablas de columnas para procesamiento analítico en línea (OLAP). Como estas funciones comparten un motor de base de datos común, puede optimizar o mover fácilmente cargas de trabajo de datos.

Los equipos también pueden usar IBM Cubing Services para crear, editar, importar, exportar e implementar OLAP  modelos de cubo sobre el esquema de almacén relacional. Este servicio proporciona una vista multidimensional de los datos almacenados en una base de datos relacional para optimizar y mejorar el rendimiento de las consultas OLAP.

Regístrese para obtener un ID de IBM (IBMid) y crear su cuenta de IBM Cloud

Soluciones relacionadas

IBM Db2 Warehouse on Cloud

IBM Db2 Warehouse on Cloud es un servicio de nube pública gestionado. Puede configurar IBM Db2 Warehouse en las instalaciones con su propio hardware o en una nube privada.


Cubing Services

IBM DB2 Warehouse integra y simplifica el entorno del almacén de datos ofreciendo un almacenamiento dinámico y brindando soporte directo para OLAP contra el almacén de datos.