L'elaborazione transazionale online (OLTP) consente l'esecuzione in tempo reale di un numero elevato di transazioni di database da parte di un gran numero di persone, generalmente su internet.
L'OLTP è ciò che consente l'elaborazione rapida e accurata dei dati dietro gli sportelli automatici e l'online banking, i registratori di cassa e l'e-commerce e decine di altri servizi con cui interagiamo ogni giorno.
Una transazione di database è una modifica, un inserimento, una cancellazione o una query di dati in un database. I sistemi OLTP (e le transazioni di database che abilitano) gestiscono molte delle transazioni finanziarie che effettuiamo ogni giorno, tra cui transazioni bancarie online e bancomat, e-commerce e acquisti in negozio e prenotazioni di hotel e compagnie aeree, solo per citarne alcuni. In ognuno di questi casi, la transazione di database rimane anche come registrazione della transazione finanziaria corrispondente. OLTP può anche supportare gli scambi di database non finanziari, tra cui la modifica delle password e i messaggi di testo.
Nell'OLTP, la caratteristica comune che definisce qualsiasi transazione di database è la sua atomicità (o indivisibilità): una transazione riesce nel suo insieme o fallisce (o viene annullata). Non può rimanere in uno stato pendente o intermedio.
In generale, i sistemi OLTP eseguono le seguenti operazioni:
L'OLTP viene spesso confuso con l'online analytical processing o OLAP. Entrambi hanno acronimi simili e sono sistemi di elaborazione dei dati online, ma la somiglianza termina qui.
OLTP è ottimizzato per l'esecuzione di transazioni di database online. I sistemi OLTP sono progettati per essere utilizzati dagli operatori in prima linea (ad esempio cassieri, cassieri di banca, impiegati part-time) o per applicazioni self-service per i clienti (ad esempio servizi bancari online, e-commerce, prenotazioni di viaggio).
OLAP, al contrario, è ottimizzato per condurre analisi di dati complesse. I sistemi OLAP sono progettati per essere utilizzati da data scientist, analisti aziendali e knowledge worker e supportano la business intelligence (BI), il data mining e altre applicazioni di supporto decisionale.
Non sorprende che esistano differenze tecniche tra i sistemi OLTP e OLAP:
Vale la pena notare che i sistemi OLTP spesso fungono da fonte di informazioni per i sistemi OLAP. Spesso, l'obiettivo dell'analytics eseguita utilizzando OLAP è quello di migliorare la strategia aziendale e ottimizzare i processi aziendali, il che può fornire una base per apportare miglioramenti al sistema OLTP.
Per un approfondimento delle differenze tra questi approcci, consulta "OLAP e OLTP a confronto: qual è la differenza?"
Con l'arrivo di Internet e dell'era dell'e-commerce, i sistemi OLTP sono diventati onnipresenti. Si trovano in quasi tutti i settori o mercati verticali e in molti sistemi rivolti ai consumatori. Esempi quotidiani di sistemi OLTP sono:
Progetta una strategia dati che elimini i silo, riduca la complessità e migliori la qualità dei dati per esperienze eccezionali di clienti e dipendenti.
Watsonx.data ti consente di scalare l'analytics e l'AI con tutti i tuoi dati, ovunque risiedano, attraverso uno storage dei dati aperto, ibrido e governato.
Sblocca il valore dei dati enterprise con IBM Consulting, creando un'organizzazione basata su insight in grado di generare vantaggi aziendali.