ما هي تقنية OLAP (المعالجة التحليلية عبر الإنترنت)؟

تحتوي معظم بيانات الأعمال على أبعاد متعددة—فئات متعددة يتم تقسيم البيانات إليها لعرضها أو تتبعها أو تحليلها. على سبيل المثال، قد تحتوي أرقام المبيعات على عدة أبعاد تتعلق بالموقع (المنطقة، البلد، الولاية/المقاطعة، المتجر)، والوقت (السنة، الشهر، الأسبوع، اليوم)، المنتج (الملابس، الرجال/النساء/الأطفال، العلامة التجارية، النوع)، وغيرها.

في مستودع البيانات أو بحيرة البيانات، يتم تخزين مجموعات البيانات في جداول، كل منها ينظّم البيانات وفق بُعدين اثنين فقط في كل مرة. تُتيح OLAP استخراج البيانات من مجموعات بيانات علائقية متعددة وإعادة تنظيمها في صيغة متعددة الأبعاد، ما يوفّر معالجة فائقة السرعة وتحليلات غنية بالرؤى.

يمثل مكعب OLAP، وهو جوهر معظم أنظمة OLAP، قاعدة بيانات متعددة الأبعاد تعتمد على المصفوفات، ما يُسهّل معالجة وتحليل أبعاد بيانات متعددة بشكل أسرع وأكثر كفاءة من قواعد البيانات العلائقية التقليدية.

يتم تنظيم جدول قاعدة البيانات العلائقية مثل جدول البيانات، حيث يتم تخزين السجلات الفردية بتنسيق ثنائي الأبعاد، صفًا تلو الآخر وعمودًا تلو الآخر. تقع كل "حقيقة" بيانات في قاعدة البيانات عند تقاطع بُعدين–صف وعمود—مثل المنطقة وإجمالي المبيعات.

يمكن لأدوات إعداد التقارير الخاصة بـ SQL وقواعد البيانات العلائقية بالتأكيد الاستعلام عن البيانات متعددة الأبعاد المخزنة في الجداول، وإعداد التقارير عنها، وتحليلها، ولكن الأداء يتباطأ مع زيادة أحجام البيانات. ويتطلب الأمر الكثير من العمل لإعادة تنظيم النتائج للتركيز على أبعاد مختلفة.

وهنا يأتي دور مكعب OLAP. يوسع مكعب OLAP الجدول المفرد بطبقات إضافية، وتضيف كل طبقة أبعادًا إضافية—عادةً ما تكون المستوى التالي في "التدرج الهرمي للمفهوم" للبُعد. على سبيل المثال، يمكن أن تنظم الطبقة العليا من المكعب المبيعات حسب المنطقة؛ ويمكن أن تكون الطبقات الإضافية هي البلد والولاية/المقاطعة والمدينة وحتى متجر معين.

من الناحية النظرية ، يمكن أن يحتوي المكعب على عدد لا حصر له من الطبقات. (يطلق على مكعب OLAP الذي يمثل أكثر من ثلاثة أبعاد أحيانًا اسم المكعب الفائق.) ويمكن أن توجد مكعبات أصغر داخل الطبقات—على سبيل المثال، يمكن أن تحتوي كل طبقة متجر على مكعبات ترتب المبيعات حسب مندوب المبيعات والمنتج. من الناحية العملية، سيقوم محللو البيانات بإنشاء مكعبات OLAP تحتوي على الطبقات التي يحتاجون إليها فقط، للحصول على التحليل والأداء الأمثل.

تُحوِّل عملية التنقيب للأسفل (drill-down) البيانات الأقل تفصيلاً إلى بيانات أكثر تفصيلاً عبر إحدى طريقتين—النزول في التسلسل الهرمي للمفاهيم أو إضافة بُعد جديد إلى المكعب. على سبيل المثال، إذا قمت بالاطلاع على بيانات المبيعات لربع سنة تقويمي أو مالي لمؤسسة ما، فيمكنك التعمق لرؤية مبيعات كل شهر، متدرجًا للأسفل في التسلسل الهرمي لمفهوم بُعد "الوقت".

التجميع (Roll up) هو عكس وظيفة التنقيب لأسفل (Drill-down) — فهو يجمع البيانات على مكعب OLAP بالانتقال إلى أعلى في التسلسل الهرمي للمفهوم أو عن طريق تقليل عدد الأبعاد. على سبيل المثال، يمكنك الارتقاء في التسلسل الهرمي لمفهوم بُعد "الموقع" من خلال عرض بيانات كل بلد، بدلاً من كل مدينة.

تُنشئ عملية التقسيم (slice) مكعبًا فرعيًا عن طريق اختيار بُعد واحد من مكعب OLAP الرئيسي. على سبيل المثال، يمكنك إجراء تقسيم عن طريق تمييز جميع البيانات الخاصة بالربع المالي أو التقويمي الأول للمؤسسة (البُعد الزمني).

تَعمل عملية "الترد" (dice) على عزل مكعب فرعي عن طريق اختيار عدة أبعاد داخل مكعب OLAP الرئيسي. على سبيل المثال، يمكنك إجراء عملية نرد عن طريق تمييز جميع البيانات حسب التقويم أو الأرباع المالية للمؤسسة (البُعد الزمني) وداخل الولايات المتحدة وكندا (بُعد الموقع).

تقوم الدالة المحورية بتدوير طريقة عرض المكعب الحالية لعرض تمثيل جديد للبيانات—مما يتيح طرق عرض ديناميكية متعددة الأبعاد للبيانات. تُشبه دالة OLAP المحورية ميزة الجداول المحورية في برامج جداول البيانات، مثل Microsoft Excel، ولكن في حين أن الجداول المحورية في Excel قد تكون صعبة، فإن محاور OLAP أسهل نسبيًا في الاستخدام (تتطلب خبرة أقل) ولها وقت استجابة وأداء استعلام أسرع.

وتُعرف المعالجة التحليلية عبر الإنترنت التي تعمل مباشرة مع مكعب OLAP باسم المعالجة التحليلية متعددة الأبعاد أو MOLAP. وفي الغالب، تُعد MOLAP الخيار الأسرع والأكثر عمليةً لتحليل البيانات متعددة الأبعاد.

مع ذلك، هناك نوعان آخران من OLAP قد يكونان مفضلين في بعض الحالات:

ROLAP، أو المعالجة التحليلية العلائقية عبر الإنترنت، وهي تحليل متعدد الأبعاد يتم على الجداول العلائقية مباشرة دون إعادة تنظيم البيانات في مكعب.

كما ذكرنا سابقًا، تُعد SQL أداة قادرة تمامًا على الاستعلامات متعددة الأبعاد، وإعداد التقارير، والتحليل. ولكن استعلامات SQL المطلوبة معقدة، وقد تسوء الأداء، كما أن طريقة عرض البيانات الناتجة ثابتة—لا يمكن تدويرها لتمثل طريقة عرض مختلفة للبيانات. ROLAP هو الأفضل عندما تكون القدرة على العمل مباشرة مع كميات كبيرة من البيانات أكثر أهمية من الأداء والمرونة.

تحاول تقنية HOLAP، أو المعالجة التحليلية عبر الإنترنت الهجينة، تحقيق تقسيم مثالي للعمل بين قواعد البيانات العلائقية ومتعددة الأبعاد ضمن بنية OLAP واحدة.، تحتوي الجداول العلائقية على كميات أكبر من البيانات، وتُستخدم المكعبات التحليلية (OLAP cubes) لإجراء عمليات التجميع والمعالجة الاستكشافية. تتطلب HOLAP خادم OLAP يدعم كلاً من MOLAP وROLAP.

أداة HOLAP يمكنها "التنقيب لأسفل" عبر مكعب البيانات وصولاً إلى الجداول العلائقية، مما يمهد الطريق لمعالجة سريعة للبيانات ووصول مرن إليها. يمكن لهذا النظام الهجين أن يوفر قابلية توسع أفضل، لكنه لا يستطيع الهروب من التباطؤ الحتمي عند الوصول إلى مصادر البيانات العلائقية. بالإضافة إلى ذلك، تتطلب بنيتها المعقدة عادةً تحديثات وصيانة متكررة، حيث يجب عليها تخزين ومعالجة جميع البيانات من قواعد البيانات العلائقية وقواعد البيانات متعددة الأبعاد. لهذا السبب، يمكن أن تصبح HOLAP أكثر تكلفة.

معالجة المعاملات عبر الإنترنت، أو OLTP، تشير إلى أساليب وبرمجيات معالجة البيانات التي تركز على البيانات والتطبيقات الموجهة نحو المعاملات.

يكمن الفرق الأساسي بين OLAP وOLTP في طبيعة الاستخدام: OLAP مخصصة للتحليل، في حين OLTP مخصصة للمعاملات.

تم تصميم أدوات OLAP لتحليل البيانات متعددة الأبعاد داخل مستودع البيانات، الذي يحتوي على كل من البيانات المعاملاتية والبيانات التاريخية. في الواقع، يُعد خادم OLAP عادةً الطبقة التحليلية الوسيطة في حلول مستودعات البيانات. تشمل الاستخدامات الشائعة لنموذج OLAP: التنقيب في البيانات، وتطبيقات ذكاء الأعمال، والحسابات التحليلية المعقدة، والسيناريوهات التنبؤية، بالإضافة إلى وظائف إعداد التقارير مثل التحليل المالي، وإعداد الميزانيات، وتخطيط التوقعات.

تم تصميم OLTP لدعم التطبيقات القائمة على المعاملات من خلال معالجة المعاملات الحديثة بأعلى قدر من السرعة والدقة. ومن أمثلة الاستخدامات الشائعة لنموذج OLTP: أجهزة الصراف الآلي، وبرمجيات التجارة الإلكترونية، ومعالجة مدفوعات بطاقات الائتمان، والحجوزات عبر الإنترنت، وأنظمة الحجز، وأدوات إدارة السجلات.

للتعرف بشكل أعمق على الاختلافات بين هذه الأساليب، راجع "OLAP مقابل OLTP: ما الفرق؟"

تُمكّن OLAP الشركات من زيادة إمكانات بياناتها المؤسسية إلى أقصى حد عن طريق تحويلها إلى التنسيق الأكثر عملية للتحليل متعدد الأبعاد. وهذا بدوره يجعل من الأسهل تمييز الرؤى المهمة للأعمال. ومع ذلك، إذا تم الاحتفاظ بهذه الأنظمة داخل الشركة، فإن ذلك يحد من إمكانية التوسع.

تُعد خدمات OLAP المستندة إلى السحابة أقل تكلفة وأسهل في الإعداد، ما يجعلها أكثر جذبًا للشركات الصغيرة أو الشركات الناشئة ذات الميزانيات المحدودة. يمكن للمؤسسات الاستفادة من الإمكانات الهائلة لمستودعات البيانات السحابية التي تُجري تحليلات متقدمة بسرعات لا مثيل لها بفضل استخدامها لمعالجة متوازية ضخمة (MPP). وبالتالي، يمكن للشركات استخدام المعالجة التحليلية عبر الإنترنت (OLAP) بسرعة السحابة وعلى نطاق واسع، وتحليل كميات ضخمة من البيانات دون الحاجة إلى نقلها من مستودع البيانات السحابي.

فنادق ومنتجعات وغولف Constance هي مجموعة فنادق فاخرة تضم تسعة عقارات على جزر في المحيط الهندي. لكن الافتقار إلى الاتصالات بين الجزر أدى إلى صوامع تنظيمية، مع عزل بيانات الأعمال في كل منتجع. قامت المؤسسة ببناء مستودع بيانات سحابي وبنية تحليلات سحابية لربط جميع الأنظمة والأدوات المحلية بمستودع بيانات مركزي قائم على السحابة. عند القيام بذلك، اكتسبت الشركة الرؤية الشاملة للمجموعة التي كانت بحاجة إليها للاستفادة من التحليلات التنبؤية المتقدمة وتطبيق نظام OLAP.

تُعد OLAP ضمن بنية السحابة حلاً سريعًا وفعالًا من حيث التكلفة، ومصممًا للمستقبل. وبمجرد إنشاء المكعبات التحليلية، يمكن للفرق استخدام أدوات ذكاء الأعمال الموجودة بالفعل للاتصال الفوري بنموذج OLAP واستخلاص رؤى تفاعلية فورية من بياناتهم السحابية.