Cos'è OLAP (Online Analytical Processing)?

La maggior parte dei dati aziendali ha più dimensioni, ovvero più categorie in cui i dati vengono suddivisi per la presentazione, il monitoraggio o l'analisi. Ad esempio, le cifre delle vendite potrebbero avere diverse dimensioni relative alla sede (regione, paese, stato/provincia, negozio), tempo (anno, mese, settimana, giorno), prodotto (abbigliamento, uomo/donna/bambini, marchio, tipo) e altro ancora.

Tuttavia, in un data warehouse o in un data lake, i set di dati sono memorizzati in tabelle, ognuna delle quali può organizzare i dati solo in due di queste dimensioni alla volta. OLAP estrae i dati da più set di dati relazionali e li riorganizza in un formato multidimensionale che consente un'elaborazione molto rapida e un'analisi molto dettagliata.

Il cubo OLAP, ovvero il nucleo della maggior parte dei sistemi OLAP, è un database multidimensionale basato su array che consente di elaborare e analizzare più dimensioni di dati in modo molto più rapido ed efficiente rispetto a un database relazionale tradizionale.

Una tabella di database relazionale è strutturata come un foglio di calcolo, in cui sono memorizzati i singoli record in un formato bidimensionale, riga per colonna. Ciascun "fatto" di dati nel database si trova all'incrocio di due dimensioni, una riga e una colonna, ad esempio regione e vendite totali.

Gli strumenti di reporting di database SQL e relazionali possono certamente eseguire query, report e analizzare dati multidimensionali memorizzati nelle tabelle, ma le prestazioni rallentano con l'aumento dei volumi di dati. E riorganizzare i risultati per concentrarsi su diverse dimensioni richiede molto lavoro.

È qui che entra in gioco il cubo OLAP. Il cubo OLAP estende la singola tabella con livelli aggiuntivi, ciascuno dei quali aggiunge ulteriori dimensioni, solitamente il livello successivo nella "gerarchia dei concetti" della dimensione. Ad esempio, il livello superiore del cubo potrebbe organizzare le vendite per regione; i livelli aggiuntivi possono essere paese, stato/provincia, città e perfino negozio specifico.

In teoria, un cubo può contenere un numero infinito di livelli. (Un cubo OLAP che rappresenta più di tre dimensioni è talvolta chiamato ipercubo.) Cubi più piccoli possono esistere all'interno dei livelli: ad esempio, ogni livello del data store potrebbe contenere cubi che organizzano le vendite per venditore e prodotto. In pratica, gli analisti di dati creano cubi OLAP contenenti solo i livelli di cui necessitano, per attività di analisi e prestazioni ottimali.

L'operazione di drill-down converte i dati meno dettagliati in dati più dettagliati attraverso uno dei due metodi: spostamento verso il basso nella gerarchia dei concetti o aggiunta di una nuova dimensione al cubo. Ad esempio, se visualizzi i dati sulle vendite per il calendario o il trimestre fiscale di un'organizzazione, puoi eseguire il drill-down per visualizzare le vendite per ogni mese, spostandoti verso il basso nella gerarchia dei concetti della dimensione "tempo".

Il roll up è l'opposto della funzione di drill-down: aggrega i dati su un cubo OLAP spostandosi verso l'alto nella gerarchia dei concetti o riducendo il numero di dimensioni. Ad esempio, potresti salire nella gerarchia dei concetti della dimensione "località" visualizzando i dati di ciascun paese, anziché di ciascuna città.

L'operazione slice crea un sotto-cubo selezionando una singola dimensione dal cubo OLAP principale. Ad esempio, è possibile eseguire un'operazione slice evidenziando tutti i dati per il primo trimestre fiscale o di calendario dell'organizzazione (dimensione temporale).

L'operazione dice isola un sotto-cubo selezionando diverse dimensioni all'interno del cubo OLAP principale. Ad esempio, è possibile eseguire un'operazione dice evidenziando tutti i dati in base al calendario o ai trimestri fiscali di un'organizzazione (dimensione temporale) e all'interno degli Stati Uniti e del Canada (dimensione geografica).

La funzione pivot ruota la vista corrente del cubo per visualizzare una nuova rappresentazione dei dati, abilitando le visualizzazioni multidimensionali dinamiche dei dati. La funzione pivot OLAP è paragonabile alla funzionalità della tabella pivot nei software per fogli di calcolo, come Microsoft Excel, ma mentre le tabelle pivot in Excel possono essere impegnative, i pivot OLAP sono relativamente più facili da usare (è richiesta meno esperienza) e hanno un tempo di risposta e prestazioni di query più veloci.

OLAP che funziona direttamente con un cubo OLAP multidimensionale è noto come OLAP multidimensionale o MOLAP. Ancora una volta, per la maggior parte degli usi, MOLAP è il tipo più rapido e pratico di analisi multidimensionale dei dati.

Tuttavia, esistono altri due tipi di OLAP che possono essere preferibili in alcuni casi:

ROLAP, o OLAP relazionale, è un'analisi dei dati multidimensionale che opera direttamente sui dati delle tabelle relazionali, senza prima riorganizzare i dati in un cubo.

Come notato in precedenza, SQL è uno strumento perfettamente in grado di eseguire query, reporting e analisi multidimensionali. Ma le query SQL richieste sono complesse, le prestazioni possono rallentare e la visualizzazione risultante dei dati è statica: non può essere ruotata per rappresentare una visualizzazione diversa dei dati. ROLAP è la soluzione migliore quando la capacità di lavorare direttamente con grandi quantità di dati è più importante delle prestazioni e della flessibilità.

HOLAP, o OLAP ibrido, tenta di creare la divisione ottimale del lavoro tra database relazionali e multidimensionali all'interno di un'unica architettura OLAP. Le tabelle relazionali contengono quantità maggiori di dati e i cubi OLAP vengono utilizzati per le aggregazioni e l'elaborazione speculativa. HOLAP richiede un server OLAP che supporti sia MOLAP che ROLAP.

Uno strumento HOLAP può eseguire il "drill through" del cubo di dati alle tabelle relazionali, aprendo la strada a un trattamento dei dati rapido e un accesso flessibile. Questo sistema ibrido è in grado di offrire una migliore scalabilità ma non può sfuggire all'inevitabile rallentamento durante l'accesso alle origini di dati relazionali. Inoltre, la sua architettura complessa in genere richiede aggiornamenti e manutenzione più frequenti, poiché deve memorizzare ed elaborare tutti i dati da database relazionali e database multidimensionali. Per questo motivo, HOLAP può rivelarsi più costoso.

L'elaborazione delle transazioni online (OLTP), si riferisce ai metodi di elaborazione dei dati e ai software specifici per dati e applicazioni orientati alle transazioni.

La differenza principale tra OLAP e OLTP è il nome: OLAP è di natura analitica e OLTP è transazionale. 

Gli strumenti OLAP sono progettati per l'analisi multidimensionale dei dati in un data warehouse, che contiene sia dati transazionali che storici. Infatti, un server OLAP è in genere il livello medio e analitico di una soluzione di data warehousing. Gli usi comuni di OLAP includono data mining e altre applicazioni di business intelligence, calcoli analitici complessi e scenari predittivi, nonché funzioni di reporting aziendale come analisi finanziaria, definizione del budget e pianificazione previsionale.

OLTP è progettato per supportare le applicazioni orientate alle transazioni elaborando le transazioni recenti nel modo più rapido e accurato possibile. Gli usi comuni di OLTP includono bancomat, software di e-commerce, elaborazione dei pagamenti con carta di credito, prenotazioni online, sistemi di prenotazione e strumenti di conservazione di record.

Per un approfondimento delle differenze tra questi approcci, consulta "OLAP e OLTP a confronto: qual è la differenza?"

OLAP consente alle aziende di massimizzare il potenziale dei dati aziendali trasformandoli in un formato più pratico per l'analisi multidimensionale. Questo, a sua volta, rende più facile discernere preziosi insight aziendali. Tuttavia, se questi sistemi vengono mantenuti internamente, ciò limita il potenziale di scalabilità.

I servizi OLAP basati sul cloud sono meno costosi e più facili da configurare, rendendoli più attraenti per le piccole imprese o le startup con un budget limitato. Le aziende possono sfruttare il vasto potenziale dei data warehouse basati su cloud che eseguono analytics sofisticati a velocità impareggiabili perché utilizzano l'elaborazione parallela massiccia (MPP). Pertanto, le aziende possono utilizzare OLAP alla velocità e alla scala del cloud, analizzando grandi quantità di dati senza spostarli dal data warehouse sul cloud.

Constance Hotels, Resorts & Golf è un gruppo alberghiero di lusso con nove strutture sulle isole dell'Oceano Indiano. Tuttavia, la mancanza di comunicazioni da isola a isola ha dato luogo a silos organizzativi, con dati aziendali isolati in ciascun resort. L'organizzazione ha creato un data warehouse cloud e un'architettura di analytics per collegare tutti i sistemi e gli strumenti on-premise con un repository centralizzato basato sul cloud. In questo modo, l'azienda ha ottenuto gli insight a livello di gruppo di cui necessitava per utilizzare l'analytics predittiva avanzata e implementare un sistema OLAP.

OLAP nell'architettura cloud è una soluzione rapida ed economica pensata per il futuro. Una volta realizzati i cubi, i team possono utilizzare gli strumenti di business intelligence esistenti per connettersi istantaneamente al modello OLAP e trarre insight interattivi in tempo reale dai propri dati cloud.