Olap Cube Min

Il termine OLAP, acronimo di Online Analytical Processing, si riferisce ad un approccio utilizzato per eseguire query che coinvolgano più dimensioni permettendo una risposta in tempi molto più rapidi rispetto ad un’interrogazione di un database transazionale.

Immaginiamo il tipico caso di un manager che richieda un report dettagliato delle vendite per ogni area geografica. Nel caso in cui non sia presente un sistema di Business Intelligence in azienda i tempi per la produzione del report potrebbero essere molto lunghi (una settimana e oltre) e coinvolgere diversi soggetti con un’alta probabilità di commettere errori.  Questo perché le vendite tendenzialmente si intrecciano con molteplici dimensioni dell’azienda, come prodotto, cliente, punto vendita, fornitore… Come risolvere quindi questo problema? È qui che entra in gioco la Business Intelligence, di cui il cubo OLAP rappresenta una componente importante.

Cos’è un Cubo OLAP?

Le funzionalità di analisi multidimensionale messe a disposizione dai motori OLAP si collocano a metà tra il Data Warehouse e l’utente di business finale fornendo a quest’ultimo una modalità intuitiva ed estremamente performante per interrogare i dati.

La struttura risultante dall’incrocio tra tabelle dei fatti (es. ordini) e dimensioni (es. anagrafica clienti) dà vita a quello che viene definito Cubo OLAP, anche se in realtà è più corretto parlare di ipercubo, essendo normalmente composta da più di 3 dimensioni.

Olap Cube

Schema semplice di un sistema di BI con un cubo OLAP

All’interno dell’architettura OLAP è quindi possibile inserire sia valori di dettaglio sia misure, siano esse semplici aggregazioni come somme o medie, o regole di business che prevedono calcoli più complessi.

Il cubo OLAP utilizza quindi gli stessi concetti presenti nel Data Warehouse come dimensioni, gerarchie, attributi e misure, garantendo una navigazione dei dati semplice ed altamente performante.

OLAP vs. OLTP

Un sistema OLTP, acronimo di Online Transaction Processing, è volto a gestire le operazioni in un database transazionale. Questi sistemi danno priorità alla velocità e all’integrità delle operazioni transazionali, andando a gestire un gran numero di operazioni in tempi estremamente brevi. Un esempio tipico è in questo caso quello delle transazioni bancarie. Un sistema OLTP garantisce che i soldi trasferiti da un conto per un ordine di acquisto “arrivino a destinazione” sul conto del beneficiario. Questi sistemi, perfetti per questo tipo di operazioni real-time sono invece inadatti quando si tratta di analizzare dati aggregati. Per questo si utilizzano sistemi OLAP, progettati appositamente per performare in modo ottimale su dati aggregati, come quelli di un Data Warehouse.

Ti serve una consulenza?

Se hai bisogno di una consulenza dedicata su uno o più servizi da noi offerti, non esistare a scriverci.

Contattaci subito

Cubo OLAP: perché è importante?

Vediamo i principali vantaggi offerti da un’architettura OLAP:

  • Performance

Il principale vantaggio dell’OLAP è sicuramente la velocità nell’esecuzione delle query. Un cubo OLAP progettato correttamente tipicamente garantisce un tempo di query inferiore ai 5/10 secondi. Questo garantisce la possibilità di reperire i dati più aggiornati in tempi estremamente brevi.

Anche se il Data Warehouse contiene una grande mole di informazioni, il cubo OLAP costruito sopra di esso è in grado di estrarre i dati rapidamente per andare a popolare i report.

  • Multidimensionalità

Come spiegato nei paragrafi precedenti, il cubo OLAP utilizza un approccio multidimensionale per organizzare e analizzare i dati. Questo consente di agganciare gli attributi di un’entità come prodotto o cliente ai fatti (gli ordini di vendita e di acquisto, ad esempio). In questo modo è possibile, ad esempio, ordinare facilmente le vendite del prodotto X per le sue varie caratteristiche (modello, colore…) o analizzare il comportamento di acquisto dei propri clienti, attraverso tool di visualizzazione e reporting che consentano di estrarre insights in modo semplice ed immediato.

  • Facilità di utilizzo

Implementando al suo interno le regole di business, il cubo OLAP è in grado di fornire insight immediati a chi utilizza i dati, senza la necessità di operare complesse manipolazioni e calcoli. L’utente finale del cubo OLAP non necessita quindi di un bagaglio di competenze tecniche legate alla tecnologia particolarmente avanzato, ma è invece in grado di estrapolare le informazioni chiave grazie alla sua conoscenza del business di riferimento.

  • Affidabilità

Senza un’unità centrale adibita alla custodia del patrimonio dati aziendale come il Data Warehouse, il rischio è quello di avere diversi fogli di calcolo, ciascuno con dati e mtriche differenti che generano confusione ed errori. Grazie al DWH e al motore OLAP costruito su di esso, è possibile avere dati coerenti su cui fare affidamento, con già presenti all’interno la stragrande maggioranza dei calcoli e delle operazioni di manipolazione necessarie, in modo che i fatti rappresentati siano condivisi da tutti i soggetti che si occupano delle analisi (e tra i manager delle varie aree).

  • Spettro di analisi

Grazie alla multidimensionalità dei dati è possibile operare query e analisi a diversi livelli di dettaglio, con uno spettro di analisi che può andare dalla massima aggregazione al minuzioso controllo. Per esempio, immaginando di lavorare sui dati delle vendite, è possibile visualizzare l’aggregato per macro-area geografica e, attraverso operazioni di drill-down, scendere fino al massimo livello di dettaglio (la singola provincia o comune), in maniera estremamente rapida.  Quest’elevata flessibilità può permettere un’identificazione dei problemi o dei trend in atto all’interno dell’impresa, andandone a sondare le cause grazie alla possibilità di eseguire in modo rapido operazioni di drill-down e drill-through.

 

 

Conclusione

In questo articolo abbiamo visto una breve panoramica sul Cubo OLAP e sul perché rappresenta uno strumento importante in un sistema di Business Intelligence. Questo tipo di soluzione può presentare i benefici descritti sopra, ma affinché sia utilizzato al meglio è fondamentale possedere un sistema di BI pianificato nel modo corretto. Noi di Dataskills possiamo aiutarti in questo percorso. Se necessiti di maggiori informazioni non esitare a contattarci.

 

Per approfondire:

 

Andrea Bergonzi 150x150

Andrea Bergonzi

Sono laureato in Economia, Finanza e Mercati Internazionali presso l’Università Cattolica di Milano. Prima di terminare gli studi, ho ricoperto il ruolo di analista dei mercati finanziari presso una società di consulenza e ho collaborato come Research Editor con una società di Singapore. Dal 2020 sono membro di Dataskills, dove mi occupo di Data Science e Business Intelligence.

Comments are closed.

Iscrivi alla newsletter













    Dichiaro di aver letto ed accetto l’informativa sulla privacy

    Andrea Bergonzi 150x150

    Andrea Bergonzi

    Sono laureato in Economia, Finanza e Mercati Internazionali presso l’Università Cattolica di Milano. Prima di terminare gli studi, ho ricoperto il ruolo di analista dei mercati finanziari presso una società di consulenza e ho collaborato come Research Editor con una società di Singapore. Dal 2020 sono membro di Dataskills, dove mi occupo di Data Science e Business Intelligence.