04/07/2011 ഡെറക് കമിംഗോർ

സാങ്കേതികവിദ്യയുമായി ബന്ധപ്പെട്ട ഏതെങ്കിലും മേഖലയിൽ നിങ്ങൾ പ്രവർത്തിച്ചിട്ടുണ്ടെങ്കിൽ, "ക്യൂബ്" എന്ന പദം നിങ്ങൾ കേട്ടിട്ടുണ്ടാകും; എന്നിരുന്നാലും, മിക്ക സാധാരണ ഡാറ്റാബേസ് അഡ്മിനിസ്ട്രേറ്റർമാരും ഡവലപ്പർമാരും ഈ ഒബ്‌ജക്‌റ്റുകളിൽ പ്രവർത്തിച്ചില്ല. മൾട്ടിഡൈമൻഷണൽ വിവരങ്ങൾ വേഗത്തിൽ സമാഹരിക്കാൻ ക്യൂബുകൾ ശക്തമായ ഒരു ഡാറ്റാ ആർക്കിടെക്ചർ നൽകുന്നു. നിങ്ങളുടെ ഓർഗനൈസേഷന് വലിയ അളവിലുള്ള ഡാറ്റ വിശകലനം ചെയ്യണമെങ്കിൽ, ക്യൂബ് ആണ് ഏറ്റവും അനുയോജ്യമായ പരിഹാരം.

എന്താണ് ഒരു ക്യൂബ്?

പ്രകടനവും ഡാറ്റാ സമഗ്രതയും നിലനിർത്തിക്കൊണ്ട് ആയിരക്കണക്കിന് ഒരേസമയം ഇടപാടുകൾ കൈകാര്യം ചെയ്യുന്നതിനാണ് റിലേഷണൽ ഡാറ്റാബേസുകൾ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. ഡിസൈൻ പ്രകാരം, റിലേഷണൽ ഡാറ്റാബേസുകൾ വലിയ അളവിലുള്ള ഡാറ്റ സമാഹരിക്കുന്നതിലും തിരയുന്നതിലും കാര്യക്ഷമമല്ല. വലിയ അളവിലുള്ള ഡാറ്റ സമാഹരിക്കാനും തിരികെ നൽകാനും, ഒരു റിലേഷണൽ ഡാറ്റാബേസിന് ഒരു സെറ്റ് അധിഷ്‌ഠിത അന്വേഷണം ലഭിക്കണം, അതിനുള്ള വിവരങ്ങൾ ഫ്ലൈയിൽ ശേഖരിക്കുകയും സമാഹരിക്കുകയും ചെയ്യും. അത്തരത്തിലുള്ള റിലേഷണൽ അന്വേഷണങ്ങൾ വളരെ ചെലവേറിയതാണ്, കാരണം അവ ഒന്നിലധികം ജോയിംഗുകളിലും മൊത്തത്തിലുള്ള പ്രവർത്തനങ്ങളിലും ആശ്രയിക്കുന്നു; വലിയ അളവിലുള്ള ഡാറ്റയുമായി പ്രവർത്തിക്കുമ്പോൾ മൊത്തത്തിലുള്ള റിലേഷണൽ അന്വേഷണങ്ങൾ പ്രത്യേകിച്ചും ഫലപ്രദമല്ല.

റിലേഷണൽ ഡാറ്റാബേസുകളിലെ ഈ കുറവ് പരിഹരിക്കാൻ രൂപകൽപ്പന ചെയ്ത മൾട്ടിഡൈമൻഷണൽ എന്റിറ്റികളാണ് ക്യൂബുകൾ. ഒരു ക്യൂബ് ഉപയോഗിക്കുന്നതിലൂടെ, വലിയ അഗ്രഗേഷൻ വോള്യങ്ങളുള്ള ചോദ്യങ്ങൾക്ക് വേഗത്തിലുള്ള പ്രതികരണം നൽകുന്ന ഒരു ഡാറ്റാ ഘടന നിങ്ങൾക്ക് ഉപയോക്താക്കൾക്ക് നൽകാനാകും. ഒന്നിലധികം അളവുകളിലുടനീളം ഡാറ്റ (അളവുകൾ) സമാഹരിച്ച് ക്യൂബുകൾ ഈ "അഗ്രഗേഷൻ മാജിക്" നിർവഹിക്കുന്നു. ക്യൂബിന്റെ പ്രീ-അഗ്രഗേഷൻ സാധാരണയായി പ്രോസസ്സിംഗ് സമയത്ത് നടത്തുന്നു. നിങ്ങൾ ഒരു ക്യൂബ് പ്രോസസ്സ് ചെയ്യുമ്പോൾ, ഡിസ്കിൽ ബൈനറി രൂപത്തിൽ സംഭരിച്ചിരിക്കുന്ന പ്രീകംപ്യൂട്ടഡ് ഡാറ്റ അഗ്രഗേഷനുകൾ നിങ്ങൾ നിർമ്മിക്കുന്നു.

SQL സെർവർ അനലിറ്റിക്കൽ സർവീസസ് (SSAS) പ്രവർത്തന OLAP ഡാറ്റാ അനാലിസിസ് സിസ്റ്റത്തിലെ സെൻട്രൽ ഡാറ്റ കൺസ്ട്രക്‌റ്റാണ് ക്യൂബ്. ക്യൂബുകൾ സാധാരണയായി ഡൈമൻഷണൽ മോഡൽ എന്ന് വിളിക്കപ്പെടുന്ന ഒരു അന്തർലീനമായ റിലേഷണൽ ഡാറ്റാബേസിൽ നിന്നാണ് നിർമ്മിച്ചിരിക്കുന്നത്, പക്ഷേ അവ പ്രത്യേക സാങ്കേതിക എന്റിറ്റികളാണ്. യുക്തിപരമായി, ഒരു ക്യൂബ് എന്നത് അളവുകളും (അളവുകൾ) അളവുകളും (അളവുകൾ) ചേർന്ന ഒരു ഡാറ്റ വെയർഹൗസാണ്. അളവുകളിൽ വിവരണാത്മക സവിശേഷതകളും ശ്രേണികളും അടങ്ങിയിരിക്കുന്നു, അതേസമയം അളവുകൾ നിങ്ങൾ അളവുകളിൽ വിവരിക്കുന്ന വസ്തുതകളാണ്. അളവുകളെ ഡൈമൻഷൻ ഗ്രൂപ്പുകൾ എന്ന് വിളിക്കുന്ന ലോജിക്കൽ കോമ്പിനേഷനുകളായി തരം തിരിച്ചിരിക്കുന്നു. നിങ്ങൾ അളവുകൾ ഒരു സ്വഭാവത്തെ അടിസ്ഥാനമാക്കി അളവുകൾ ഗ്രൂപ്പുകളിലേക്ക് ലിങ്ക് ചെയ്യുന്നു - വിശദാംശങ്ങളുടെ അളവ്.

ഒരു ഫയൽ സിസ്റ്റത്തിൽ, ലിങ്ക് ചെയ്ത ബൈനറി ഫയലുകളുടെ ഒരു ശ്രേണിയായി ഒരു ക്യൂബ് നടപ്പിലാക്കുന്നു. ക്യൂബിന്റെ ബൈനറി ആർക്കിടെക്ചർ, മൾട്ടിഡൈമൻഷണൽ ഡാറ്റയുടെ വലിയ അളവുകൾ വേഗത്തിൽ വീണ്ടെടുക്കാൻ സഹായിക്കുന്നു.

ഡൈമൻഷണൽ മോഡൽ എന്ന് വിളിക്കപ്പെടുന്ന ഒരു അടിസ്ഥാന റിലേഷണൽ ഡാറ്റാബേസിൽ നിന്നാണ് ക്യൂബുകൾ നിർമ്മിച്ചിരിക്കുന്നത് എന്ന് ഞാൻ സൂചിപ്പിച്ചു. ഡൈമൻഷൻ മോഡലിൽ ക്യൂബ് എന്റിറ്റികളുമായി ബന്ധിപ്പിക്കുന്ന റിലേഷണൽ ടേബിളുകൾ (വസ്തുതയും അളവും) അടങ്ങിയിരിക്കുന്നു. ഫാക്റ്റ് ടേബിളുകളിൽ വിറ്റഴിച്ച ഉൽപ്പന്നത്തിന്റെ അളവ് പോലുള്ള അളവുകൾ അടങ്ങിയിരിക്കുന്നു. ഉൽപ്പന്ന നാമങ്ങൾ, തീയതികൾ, ജീവനക്കാരുടെ പേരുകൾ എന്നിവ പോലുള്ള വിവരണാത്മക ആട്രിബ്യൂട്ടുകൾ ഡൈമൻഷൻ ടേബിളുകൾ സംഭരിക്കുന്നു. സാധാരണഗതിയിൽ, ഫാക്‌ട് ടേബിളുകളും ഡൈമൻഷൻ ടേബിളുകളും പ്രാഥമിക വിദേശ കീ നിയന്ത്രണങ്ങളിലൂടെ ബന്ധപ്പെട്ടിരിക്കുന്നു, ഫാക്‌ട് ടേബിളിൽ സ്ഥിതിചെയ്യുന്ന വിദേശ കീകൾ (ഈ റിലേഷണൽ ബന്ധം മുകളിൽ ചർച്ച ചെയ്ത ക്യൂബ് ഗ്രാനുലാരിറ്റി ആട്രിബ്യൂട്ടുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു). ഡയമൻഷൻ ടേബിളുകൾ ഒരു ഫാക്‌ട് ടേബിളുമായി നേരിട്ട് ബന്ധിപ്പിച്ചാൽ, ഒരു സ്റ്റാർ സ്കീമ രൂപപ്പെടുന്നു. ഡൈമൻഷൻ ടേബിളുകൾ ഒരു വസ്തുത പട്ടികയുമായി നേരിട്ട് ബന്ധിപ്പിച്ചിട്ടില്ലെങ്കിൽ, ഫലം ഒരു സ്നോഫ്ലെക്ക് സ്കീമയാണ്.

ആപ്ലിക്കേഷൻ അനുസരിച്ച് ഡൈമൻഷണൽ മോഡലുകൾ തരംതിരിച്ചിട്ടുണ്ടെന്ന് ദയവായി ശ്രദ്ധിക്കുക. സെയിൽസ് അല്ലെങ്കിൽ ഇൻവെന്ററി മാനേജ്മെന്റ് പോലെയുള്ള ഒരൊറ്റ ബിസിനസ് പ്രക്രിയയ്ക്കായി രൂപകൽപ്പന ചെയ്തിട്ടുള്ള ഒരു ഡൈമൻഷണൽ മോഡലാണ് ഡാറ്റാ മാർട്ട്. ക്രോസ്-ബിസിനസ് പ്രോസസ്സ് അനലിറ്റിക്‌സ് സുഗമമാക്കുന്നതിന് ഘടക ബിസിനസ്സ് പ്രക്രിയകൾ ക്യാപ്‌ചർ ചെയ്യാൻ രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്ന ഒരു ഡൈമൻഷണൽ മോഡലാണ് ഡാറ്റ വെയർഹൗസ്.

സോഫ്റ്റ്വെയർ ആവശ്യകതകൾ

ക്യൂബുകൾ എന്താണെന്നും അവ എന്തിനാണ് പ്രധാനം എന്നും നിങ്ങൾക്ക് ഇപ്പോൾ ഒരു അടിസ്ഥാന ധാരണയുണ്ട്, ഞാൻ ഗിയറുകൾ ഓണാക്കി SSAS ഉപയോഗിച്ച് നിങ്ങളുടെ ആദ്യ ക്യൂബ് നിർമ്മിക്കുന്നതിനുള്ള ഒരു ഘട്ടം ഘട്ടമായുള്ള ടൂറിൽ നിങ്ങളെ കൊണ്ടുപോകും. നിങ്ങൾക്ക് ആവശ്യമായ ചില അടിസ്ഥാന സോഫ്‌റ്റ്‌വെയർ ഘടകങ്ങളുണ്ട്, അതിനാൽ നിങ്ങളുടെ ആദ്യ ക്യൂബ് നിർമ്മിക്കാൻ തുടങ്ങുന്നതിന് മുമ്പ്, നിങ്ങളുടെ സിസ്റ്റം ആവശ്യകതകൾ പാലിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുക.

എന്റെ ഉദാഹരണം ഇന്റർനെറ്റ് സെയിൽസ് ക്യൂബ് നിർമ്മിക്കുന്നത് AdventureWorksDW 2005 ടെസ്റ്റ് ഡാറ്റാബേസിൽ നിന്നാണ്. ഇന്റർനെറ്റ് സെയിൽസ് ഡാറ്റ വിശകലനം ചെയ്യാൻ ഉപയോഗപ്രദമാകുന്ന ടെസ്റ്റ് ഡാറ്റാബേസിൽ കാണുന്ന ടേബിളുകളുടെ ഒരു ഉപസെറ്റിൽ നിന്ന് ഞാൻ ടെസ്റ്റ് ക്യൂബ് നിർമ്മിക്കും. ഡാറ്റാബേസ് പട്ടികകളുടെ അടിസ്ഥാന ലേഔട്ട് ചിത്രം 1 കാണിക്കുന്നു. ഞാൻ 2005 പതിപ്പ് ഉപയോഗിക്കുന്നതിനാൽ, നിങ്ങൾക്ക് SQL സെർവർ 2005 അല്ലെങ്കിൽ SQL സെർവർ 2008 ഉപയോഗിച്ച് എന്റെ നിർദ്ദേശങ്ങൾ പാലിക്കാം.

ചിത്രം 1. അഡ്വഞ്ചർ വർക്ക്സ് ഇന്റർനെറ്റ് സെയിൽസ് ഡാറ്റാ മാർട്ടിന്റെ ഉപവിഭാഗം

Adventure WorksDW 2005 പരിശീലന ഡാറ്റാബേസ് CodePlex വെബ്സൈറ്റിൽ കാണാം: msftdbprodsamples.codeplex.com. "SQL സെർവർ 2005 ഉൽപ്പന്ന സാമ്പിൾ ഡാറ്റാബേസുകൾ ഇപ്പോഴും ലഭ്യമാണ്" (http://codeplex.com/MSFTDBProdSamples/Release/ProjectReleases.aspx?ReleaseId=4004) എന്ന ലിങ്ക് കണ്ടെത്തുക. പരിശീലന ഡാറ്റാബേസ് AdventureWorksBI.msi (http://msftdbprodsamples.codeplex.com/releases/view/4004#DownloadId=11755) എന്ന ഫയലിൽ അടങ്ങിയിരിക്കുന്നു.

സൂചിപ്പിച്ചതുപോലെ, SSAS, ബിസിനസ് ഇന്റലിജൻസ് ഡെവലപ്‌മെന്റ് സ്റ്റുഡിയോ (BIDS) ഘടകങ്ങൾ ഉൾപ്പെടെയുള്ള SQL സെർവർ 2008 അല്ലെങ്കിൽ 2005-ന്റെ ഒരു ഉദാഹരണത്തിലേക്ക് നിങ്ങൾക്ക് ആക്‌സസ് ഉണ്ടായിരിക്കണം. ഞാൻ SQL സെർവർ 2008 ഉപയോഗിക്കും, അതിനാൽ നിങ്ങൾ SQL സെർവർ 2005 ഉപയോഗിക്കുകയാണെങ്കിൽ ചില സൂക്ഷ്മമായ വ്യത്യാസങ്ങൾ നിങ്ങൾ കണ്ടേക്കാം.

ഒരു SSAS പ്രോജക്റ്റ് സൃഷ്ടിക്കുന്നു

നിങ്ങൾ ആദ്യം ചെയ്യേണ്ടത് ബിഡ്സ് ഉപയോഗിച്ച് ഒരു SSAS പ്രോജക്റ്റ് സൃഷ്ടിക്കുക എന്നതാണ്. ആരംഭ മെനുവിലും തുടർന്ന് Microsoft SQL സെർവർ 2008/2005 മെനുവിലും BIDS കണ്ടെത്തുക, ഉപ-ഇനം SQL സെർവർ ബിസിനസ് ഇന്റലിജൻസ് ഡെവലപ്‌മെന്റ് സ്റ്റുഡിയോ. ഈ ബട്ടണിൽ ക്ലിക്കുചെയ്യുന്നത് ഡിഫോൾട്ട് സ്പ്ലാഷ് സ്‌ക്രീനിനൊപ്പം ബിഡ്‌സ് സമാരംഭിക്കും. ഫയൽ, പുതിയത്, പ്രോജക്‌റ്റ് തിരഞ്ഞെടുത്ത് ഒരു പുതിയ SSAS പ്രോജക്‌റ്റ് സൃഷ്‌ടിക്കുക. ചിത്രം 1 കാണിക്കുന്ന പുതിയ പ്രോജക്റ്റ് ഡയലോഗ് ബോക്സ് നിങ്ങൾ കാണും. അനാലിസിസ് സർവീസസ് പ്രോജക്റ്റ് ഫോൾഡർ തിരഞ്ഞെടുത്ത് പ്രോജക്റ്റ് വിവരണം SQLMAG_MyFirstCube ആയി സജ്ജമാക്കുക. ശരി ക്ലിക്ക് ചെയ്യുക.

പ്രോജക്റ്റ് സൃഷ്ടിക്കുമ്പോൾ, സൊല്യൂഷൻ എക്സ്പ്ലോററിൽ അതിൽ വലത്-ക്ലിക്കുചെയ്ത് സന്ദർഭ മെനുവിൽ നിന്ന് പ്രോപ്പർട്ടികൾ തിരഞ്ഞെടുക്കുക. ഇപ്പോൾ SQLMAG_MyFirstCube: പ്രോപ്പർട്ടി പേജുകളുടെ ഡയലോഗ് ബോക്‌സിന്റെ ഇടതുവശത്തുള്ള വിന്യാസ വിഭാഗം തിരഞ്ഞെടുക്കുക, ചിത്രം 2 കാണിക്കുന്നത് പോലെ ടാർഗെറ്റ് സെർവറും ഡാറ്റാബേസ് ക്രമീകരണങ്ങളും അവലോകനം ചെയ്യുക. നിങ്ങൾ ഒരു വിതരണം ചെയ്ത SQL സെർവർ പരിതസ്ഥിതിയിലാണ് പ്രവർത്തിക്കുന്നതെങ്കിൽ, നിങ്ങൾ യോഗ്യത നേടേണ്ടതുണ്ട്. നിങ്ങൾ വിന്യസിക്കാൻ പോകുന്ന സെർവറിന്റെ പേരോടുകൂടിയ ടാർഗെറ്റ് സെർവർ പ്രോപ്പർട്ടി. ഈ SSAS പ്രൊജക്‌റ്റിനായുള്ള വിന്യാസ ക്രമീകരണത്തിൽ നിങ്ങൾ സന്തുഷ്ടനാണെങ്കിൽ ശരി ക്ലിക്കുചെയ്യുക.

ഡാറ്റ ഉറവിടം നിർവചിക്കുന്നു

നിങ്ങൾ സൃഷ്ടിക്കേണ്ട ആദ്യത്തെ ഒബ്ജക്റ്റ് ഡാറ്റ ഉറവിടമാണ്. ഒരു ഡാറ്റ സോഴ്സ് ഒബ്‌ജക്റ്റ്, ക്യൂബിന്റെ അടിഭാഗത്തുമായി ബന്ധപ്പെട്ട ഒബ്‌ജക്‌റ്റുകൾ നിർമ്മിക്കാൻ ഉപയോഗിക്കുന്ന സ്കീമയും ഡാറ്റയും നൽകുന്നു. BIDS-ൽ ഒരു ഡാറ്റ ഉറവിട ഒബ്‌ജക്റ്റ് സൃഷ്‌ടിക്കുന്നതിന്, ഡാറ്റ ഉറവിട വിസാർഡ് ഉപയോഗിക്കുക.

സൊല്യൂഷൻ എക്സ്പ്ലോറർ പാനലിലെ ഡാറ്റ സോഴ്സ് ഫോൾഡറിൽ റൈറ്റ് ക്ലിക്ക് ചെയ്ത് പുതിയ ഡാറ്റ സോഴ്സ് തിരഞ്ഞെടുത്ത് ഡാറ്റ സോഴ്സ് വിസാർഡ് ആരംഭിക്കുക. ബിഡ്‌സിൽ SSAS ഒബ്‌ജക്‌റ്റുകൾ സൃഷ്‌ടിക്കുന്നതിന് ഒരു വികസന സ്വഭാവമുണ്ടെന്ന് നിങ്ങൾ കണ്ടെത്തും. വിസാർഡ് ആദ്യം നിങ്ങളെ ഒബ്ജക്റ്റ് സൃഷ്ടിക്കൽ പ്രക്രിയയിലൂടെയും പൊതുവായ ക്രമീകരണങ്ങളിലൂടെയും നടത്തുന്നു. തുടർന്ന് നിങ്ങൾ തത്ഫലമായുണ്ടാകുന്ന SSAS ഒബ്‌ജക്റ്റ് ഡിസൈനറിൽ തുറന്ന് ആവശ്യമെങ്കിൽ അത് വിശദമായി ഇഷ്ടാനുസൃതമാക്കുക. പ്രോംപ്റ്റ് സ്‌ക്രീൻ കഴിഞ്ഞാൽ, പുതിയ ബട്ടൺ ക്ലിക്കുചെയ്‌ത് ഒരു പുതിയ ഡാറ്റ കണക്ഷൻ നിർവചിക്കുക. ആവശ്യമുള്ള ഡാറ്റാബേസ് ഇൻസ്‌റ്റൻസ് സ്വന്തമാക്കിയ നിങ്ങൾ ആഗ്രഹിക്കുന്ന SQL സെർവറിലേക്ക് പോയിന്റ് ചെയ്യുന്ന ഒരു പുതിയ നേറ്റീവ് OLEDB\SQL സെർവർ നേറ്റീവ് ക്ലയന്റ് 10 കണക്ഷൻ തിരഞ്ഞെടുത്ത് സൃഷ്‌ടിക്കുക. നിങ്ങളുടെ SQL സെർവർ എൻവയോൺമെന്റ് ക്രമീകരണങ്ങൾ അനുസരിച്ച് നിങ്ങൾക്ക് Windows അല്ലെങ്കിൽ SQL സെർവർ പ്രാമാണീകരണം ഉപയോഗിക്കാം. നിങ്ങൾ ഡാറ്റാബേസ് കണക്ഷൻ ശരിയായി തിരിച്ചറിഞ്ഞിട്ടുണ്ടെന്ന് ഉറപ്പാക്കാൻ ടെസ്റ്റ് കണക്ഷൻ ബട്ടണിൽ ക്ലിക്ക് ചെയ്യുക, തുടർന്ന് ശരി ക്ലിക്കുചെയ്യുക.

അടുത്തതായി വരുന്നത് ആൾമാറാട്ട വിവരം, ഡാറ്റാ അസോസിയേഷൻ പോലെ, SQL സെർവർ എൻവയോൺമെന്റ് എങ്ങനെയാണ് ഘടനാപരമായിരിക്കുന്നത് എന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു. SSAS അതിന്റെ ഒബ്‌ജക്റ്റുകൾ പ്രോസസ്സ് ചെയ്യുമ്പോൾ ആശ്രയിക്കുന്ന സുരക്ഷാ സന്ദർഭമാണ് പ്രിവിലേജ് കടം വാങ്ങൽ. നിങ്ങൾ ഒരു പ്രാഥമിക, ഒറ്റ സെർവറിൽ (അല്ലെങ്കിൽ ലാപ്‌ടോപ്പ്) നിങ്ങളുടെ വിന്യാസം നിയന്ത്രിക്കുകയാണെങ്കിൽ, മിക്ക വായനക്കാരും ഉണ്ടെന്ന് ഞാൻ അനുമാനിക്കുന്നു, നിങ്ങൾക്ക് സേവന അക്കൗണ്ട് ഉപയോഗിക്കുക ഓപ്ഷൻ തിരഞ്ഞെടുക്കാം. ഡാറ്റ ഉറവിട വിസാർഡ് പൂർത്തിയാക്കാൻ അടുത്തത് ക്ലിക്ക് ചെയ്ത് AWDW2005 ഡാറ്റ ഉറവിട നാമമായി സജ്ജമാക്കുക. പരിശോധനാ ആവശ്യങ്ങൾക്കായി നിങ്ങൾക്ക് ഈ രീതി ഉപയോഗിക്കാൻ കഴിയുന്നത് വളരെ സൗകര്യപ്രദമാണ്, എന്നാൽ ഒരു യഥാർത്ഥ ഉൽപ്പാദന അന്തരീക്ഷത്തിൽ ഒരു സേവന അക്കൗണ്ട് ഉപയോഗിക്കുന്നത് നല്ല രീതിയല്ല. ഡാറ്റ ഉറവിടത്തിലേക്ക് SSAS കണക്ഷൻ അവകാശങ്ങൾ കടമെടുക്കാൻ ഡൊമെയ്ൻ അക്കൗണ്ടുകൾ വ്യക്തമാക്കുന്നതാണ് നല്ലത്.

ഡാറ്റ ഉറവിട കാഴ്ച

നിങ്ങൾ നിർവചിച്ച ഡാറ്റ ഉറവിടത്തിനായി, SSAS ക്യൂബ് നിർമ്മാണ പ്രക്രിയയിലെ അടുത്ത ഘട്ടം ഒരു ഡാറ്റാ ഉറവിട കാഴ്ച (DSV) സൃഷ്ടിക്കുക എന്നതാണ്. നിങ്ങളുടെ ക്യൂബ് പ്രതീക്ഷിക്കുന്ന സ്കീമയെ അടിസ്ഥാന ഡാറ്റാബേസിൽ നിന്ന് വേർതിരിക്കുന്നതിനുള്ള കഴിവ് DSV നൽകുന്നു. തൽഫലമായി, ഒരു ക്യൂബ് നിർമ്മിക്കുമ്പോൾ അടിസ്ഥാന റിലേഷണൽ സ്കീമ വിപുലീകരിക്കാൻ DSV ഉപയോഗിക്കാം. ഡാറ്റ സോഴ്‌സ് സ്‌കീമകൾ വിപുലീകരിക്കുന്നതിനുള്ള DSV-യുടെ ചില പ്രധാന സവിശേഷതകളിൽ പേരുള്ള അന്വേഷണങ്ങൾ, പട്ടികകൾ തമ്മിലുള്ള ലോജിക്കൽ ബന്ധങ്ങൾ, കണക്കാക്കിയ കോളങ്ങൾ എന്നിവ ഉൾപ്പെടുന്നു.

നമുക്ക് മുന്നോട്ട് പോയി DSV ഫോൾഡറിൽ വലത്-ക്ലിക്കുചെയ്ത് പുതിയ DSV വ്യൂ വിസാർഡ് സൃഷ്‌ടിക്കാൻ പുതിയ ഡാറ്റ ഉറവിട കാഴ്ച തിരഞ്ഞെടുക്കുക. ഡയലോഗ് ബോക്സിൽ, ഒരു ഡാറ്റ ഉറവിടം തിരഞ്ഞെടുക്കുക എന്ന ഘട്ടത്തിൽ, ഒരു റിലേഷണൽ ഡാറ്റാബേസ് കണക്ഷൻ തിരഞ്ഞെടുത്ത് അടുത്തത് ക്ലിക്കുചെയ്യുക. FactInternetSales, DimProduct, DimTime, DimCustomer ടേബിളുകൾ തിരഞ്ഞെടുത്ത് ഈ ടേബിളുകൾ ഉൾപ്പെടുത്തിയ കോളത്തിലേക്ക് നീക്കാൻ ഒറ്റ വലത് അമ്പടയാള ബട്ടണിൽ ക്ലിക്ക് ചെയ്യുക. അവസാനമായി, അടുത്തത് ക്ലിക്ക് ചെയ്ത് ഡിഫോൾട്ട് പേര് സ്വീകരിച്ച് ഫിനിഷ് ക്ലിക്ക് ചെയ്ത് വിസാർഡ് പൂർത്തിയാക്കുക.

ഈ ഘട്ടത്തിൽ, നിങ്ങൾക്ക് സൊല്യൂഷൻ എക്സ്പ്ലോററിലെ ഡാറ്റാ സോഴ്സ് വ്യൂസ് ഫോൾഡറിന് കീഴിലുള്ള ഒരു DSV കാഴ്ച ഉണ്ടായിരിക്കണം. DSV ഡിസൈനർ സമാരംഭിക്കുന്നതിന് പുതിയ DSV-യിൽ ഡബിൾ ക്ലിക്ക് ചെയ്യുക. ചിത്രം 2-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ, തന്നിരിക്കുന്ന DSV-യ്‌ക്കായുള്ള നാല് പട്ടികകളും നിങ്ങൾ കാണും.

ഡാറ്റാബേസ് അളവുകൾ സൃഷ്ടിക്കുന്നു

ഞാൻ മുകളിൽ വിശദീകരിച്ചതുപോലെ, അളവുകൾ, വിശദാംശങ്ങളുടെ തലത്തിന് മുകളിലുള്ള സംഗ്രഹം പ്രാപ്തമാക്കാൻ ഉപയോഗിക്കുന്ന അളവുകളുടെയും ശ്രേണികളുടെയും വിവരണാത്മക സവിശേഷതകൾ നൽകുന്നു. ഒരു ഡാറ്റാബേസ് അളവും ഒരു ക്യൂബ് അളവും തമ്മിലുള്ള വ്യത്യാസം മനസ്സിലാക്കേണ്ടത് പ്രധാനമാണ്: ഡാറ്റാബേസിൽ നിന്നുള്ള അളവുകൾ ക്യൂബ് നിർമ്മിക്കാൻ ഉപയോഗിക്കുന്ന ക്യൂബിന്റെ വിവിധ അളവുകൾക്ക് അടിസ്ഥാന അളവിലുള്ള ഒബ്ജക്റ്റുകൾ നൽകുന്നു.

ഡാറ്റാബേസും ക്യൂബ് അളവുകളും "റോൾ അളവുകൾ" എന്നറിയപ്പെടുന്ന ഒരു ആശയത്തിന് മനോഹരമായ ഒരു പരിഹാരം നൽകുന്നു. നിങ്ങൾ ഒരു ക്യൂബിൽ ഒരു ഡൈമൻഷൻ ഒന്നിലധികം തവണ ഉപയോഗിക്കേണ്ടിവരുമ്പോൾ റോൾ അടിസ്ഥാനമാക്കിയുള്ള അളവുകൾ ഉപയോഗിക്കുന്നു. ഈ ക്യൂബ് സംഭവത്തിൽ തീയതി ഒരു മികച്ച ഉദാഹരണമാണ്: നിങ്ങൾ ഒരു തീയതി അളവ് നിർമ്മിക്കുകയും നിങ്ങൾ ഓൺലൈൻ വിൽപ്പന വിശകലനം ചെയ്യാൻ ആഗ്രഹിക്കുന്ന ഓരോ തീയതിക്കും ഒരിക്കൽ റഫറൻസ് ചെയ്യുകയും ചെയ്യും. കലണ്ടർ തീയതി നിങ്ങൾ സൃഷ്ടിക്കുന്ന ആദ്യ മാനമായിരിക്കും. സൊല്യൂഷൻ എക്‌സ്‌പ്ലോററിലെ അളവുകൾ ഫോൾഡറിൽ വലത്-ക്ലിക്കുചെയ്ത് ഡൈമൻഷൻ വിസാർഡ് സമാരംഭിക്കുന്നതിന് പുതിയ അളവ് തിരഞ്ഞെടുക്കുക. നിലവിലുള്ള ഒരു പട്ടിക ഉപയോഗിക്കുക തിരഞ്ഞെടുത്ത് സെലക്ട് ക്രിയേഷൻ മെത്തേഡ് സ്റ്റെപ്പിൽ അടുത്തത് ക്ലിക്ക് ചെയ്യുക. സ്‌പെസിഫൈ സോഴ്‌സ് ഇൻഫർമേഷൻ സ്റ്റെപ്പിൽ, മെയിൻ ടേബിൾ ഡ്രോപ്പ്-ഡൗൺ ലിസ്റ്റിലെ ഡിംടൈം ടേബിൾ വ്യക്തമാക്കി അടുത്തത് ക്ലിക്ക് ചെയ്യുക. ഇപ്പോൾ, Select Dimension Attributes ഘട്ടത്തിൽ, നിങ്ങൾ സമയ മാനത്തിന്റെ ആട്രിബ്യൂട്ടുകൾ തിരഞ്ഞെടുക്കേണ്ടതുണ്ട്. ചിത്രം 3 കാണിക്കുന്നത് പോലെ ഓരോ ആട്രിബ്യൂട്ടും തിരഞ്ഞെടുക്കുക.

അടുത്തത് ക്ലിക്ക് ചെയ്യുക. അവസാന ഘട്ടമായി, പേര് ഫീൽഡിൽ മങ്ങിയ തീയതി നൽകുക, ഡൈമൻഷൻ വിസാർഡ് പൂർത്തിയാക്കാൻ പൂർത്തിയാക്കുക ക്ലിക്കുചെയ്യുക. സൊല്യൂഷൻ എക്‌സ്‌പ്ലോററിലെ അളവുകളുടെ ഫോൾഡറിന് കീഴിലുള്ള പുതിയ മങ്ങിയ തീയതി അളവ് നിങ്ങൾ ഇപ്പോൾ കാണും.

തുടർന്ന് ഉൽപ്പന്നവും ഉപഭോക്തൃ അളവുകളും സൃഷ്ടിക്കാൻ ഡൈമൻഷൻ വിസാർഡ് ഉപയോഗിക്കുക. മുമ്പത്തെ പോലെ അടിസ്ഥാന അളവ് സൃഷ്ടിക്കാൻ അതേ ഘട്ടങ്ങൾ പാലിക്കുക. ഡൈമൻഷൻ വിസാർഡുമായി പ്രവർത്തിക്കുമ്പോൾ, സെലക്ട് ഡൈമൻഷൻ ആട്രിബ്യൂട്ടുകൾ സ്റ്റെപ്പിൽ സാധ്യതയുള്ള എല്ലാ ആട്രിബ്യൂട്ടുകളും നിങ്ങൾ തിരഞ്ഞെടുത്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക. മറ്റ് ക്രമീകരണങ്ങൾക്കുള്ള ഡിഫോൾട്ട് മൂല്യങ്ങൾ ഒരു ടെസ്റ്റ് ക്യൂബ് ഉദാഹരണത്തിന് നല്ലതാണ്.

ഒരു ഇന്റർനെറ്റ് സെയിൽസ് ക്യൂബ് സൃഷ്ടിക്കുന്നു

ഇപ്പോൾ നിങ്ങൾ ഡാറ്റാബേസ് അളവുകൾ തയ്യാറാക്കിയ ശേഷം, നിങ്ങൾക്ക് ക്യൂബ് നിർമ്മിക്കാൻ തുടങ്ങാം. സൊല്യൂഷൻ എക്സ്പ്ലോററിൽ, ക്യൂബ് വിസാർഡ് സമാരംഭിക്കുന്നതിന് ക്യൂബ്സ് ഫോൾഡറിൽ റൈറ്റ് ക്ലിക്ക് ചെയ്ത് പുതിയ ക്യൂബ് തിരഞ്ഞെടുക്കുക. സെലക്ട് ക്രിയേഷൻ മെത്തേഡ് വിൻഡോയിൽ, നിലവിലുള്ള ടേബിളുകൾ ഉപയോഗിക്കുക എന്ന ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക. സെലക്ട് മെഷർ ഗ്രൂപ്പ് ടേബിളുകൾ എന്ന ഘട്ടത്തിൽ മെഷർ ഗ്രൂപ്പിനായി FactInternetSales പട്ടിക തിരഞ്ഞെടുക്കുക. സെലക്ട് മെഷേഴ്സ് സ്റ്റെപ്പിലെ പ്രൊമോഷൻ കീ, കറൻസി കീ, സെയിൽസ് ടെറിട്ടറി കീ, റിവിഷൻ നമ്പർ ഡയമൻഷനുകൾ എന്നിവയ്‌ക്ക് അടുത്തുള്ള ബോക്സുകൾ അൺചെക്ക് ചെയ്‌ത് അടുത്തത് ക്ലിക്കുചെയ്യുക.

നിലവിലുള്ള അളവുകൾ തിരഞ്ഞെടുക്കുക സ്ക്രീനിൽ, നിലവിലുള്ള എല്ലാ ഡാറ്റാബേസ് അളവുകളും ക്യൂബ് അളവുകളായി ഉപയോഗിക്കുന്നതിന് തിരഞ്ഞെടുത്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക. ഈ ക്യൂബ് കഴിയുന്നത്ര ലളിതമാക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നതിനാൽ, പുതിയ അളവുകൾ തിരഞ്ഞെടുക്കുക എന്ന ഘട്ടത്തിലെ FactInternetSales മാനം തിരഞ്ഞെടുത്തത് മാറ്റുക. തിരഞ്ഞെടുത്ത FactInternetSales മാനം ഉപേക്ഷിക്കുന്നതിലൂടെ, നിങ്ങൾ ഒരു വസ്തുത മാനം അല്ലെങ്കിൽ ഡീജനറേറ്റ് ഡൈമൻഷൻ എന്ന് വിളിക്കുന്നത് സൃഷ്ടിക്കും. ഒരു പരമ്പരാഗത ഡയമൻഷൻ ടേബിളിൽ നിന്ന് വ്യത്യസ്തമായി ഒരു അടിസ്ഥാന വസ്തുത പട്ടിക ഉപയോഗിച്ച് സൃഷ്ടിച്ച അളവുകളാണ് ഫാക്റ്റ് അളവുകൾ.

വിസാർഡ് പൂർത്തിയാക്കുന്ന ഘട്ടത്തിലേക്ക് പോകാൻ അടുത്തത് ക്ലിക്ക് ചെയ്ത് ക്യൂബ് നെയിം ഫീൽഡിൽ "എന്റെ ആദ്യ ക്യൂബ്" നൽകുക. ക്രിയേറ്റ് ക്യൂബ് വിസാർഡ് പ്രക്രിയ പൂർത്തിയാക്കാൻ ഫിനിഷ് ബട്ടണിൽ ക്ലിക്ക് ചെയ്യുക.

ഒരു ക്യൂബ് വികസിപ്പിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്നു

ഇപ്പോൾ നിങ്ങൾ ആദ്യത്തെ ക്യൂബ് വിന്യസിക്കാനും പ്രോസസ്സ് ചെയ്യാനും തയ്യാറാണ്. സൊല്യൂഷൻ എക്സ്പ്ലോററിലെ പുതിയ ക്യൂബ് ഐക്കണിൽ വലത്-ക്ലിക്കുചെയ്ത് പ്രോസസ്സ് തിരഞ്ഞെടുക്കുക. ഉള്ളടക്കം കാലഹരണപ്പെട്ടതായി ദൃശ്യമാകുന്ന ഒരു സന്ദേശ ബോക്സ് നിങ്ങൾ കാണും. ടാർഗെറ്റ് SSAS സെർവറിലേക്ക് പുതിയ ക്യൂബ് വിന്യസിക്കാൻ അതെ ക്ലിക്ക് ചെയ്യുക. നിങ്ങൾ ഒരു ക്യൂബ് വിന്യസിക്കുമ്പോൾ, ടാർഗെറ്റ് SSAS സെർവറിലേക്ക് നിങ്ങൾ ഒരു XML ഫോർ അനലിസിസ് (XMLA) ഫയൽ അയയ്ക്കുന്നു, അത് സെർവറിൽ തന്നെ ക്യൂബ് സൃഷ്ടിക്കുന്നു. സൂചിപ്പിച്ചതുപോലെ, ഒരു ക്യൂബ് പ്രോസസ്സ് ചെയ്യുന്നത് അതിന്റെ ബൈനറികൾ ഡിസ്കിൽ പ്രധാന ഉറവിടത്തിൽ നിന്നുള്ള ഡാറ്റയും കൂടാതെ നിങ്ങൾ ചേർത്ത അധിക മെറ്റാഡാറ്റയും (ക്യൂബ് അളവുകൾ, അളവുകൾ, ക്രമീകരണങ്ങൾ) ഉപയോഗിച്ച് പോപ്പുലേറ്റ് ചെയ്യുന്നു.

വിന്യാസ പ്രക്രിയ പൂർത്തിയായിക്കഴിഞ്ഞാൽ, ഒരു പുതിയ പ്രോസസ് ക്യൂബ് ഡയലോഗ് ബോക്സ് ദൃശ്യമാകുന്നു. ക്യൂബ് പ്രോസസ്സ് ചെയ്യുന്നത് ആരംഭിക്കാൻ റൺ ബട്ടണിൽ ക്ലിക്ക് ചെയ്യുക, അത് പ്രോസസ് പ്രോഗ്രസ് വിൻഡോയിൽ തുറക്കുന്നു. പ്രോസസ്സിംഗ് പൂർത്തിയാകുമ്പോൾ, ക്യൂബ് വിന്യാസവും പ്രോസസ്സിംഗ് പ്രക്രിയകളും പൂർത്തിയാക്കാൻ അടയ്ക്കുക (രണ്ട് ഡയലോഗ് ബോക്സുകളും അടയ്ക്കുന്നതിന് രണ്ട് തവണ) ക്ലിക്ക് ചെയ്യുക.

നിങ്ങൾ ഇപ്പോൾ നിങ്ങളുടെ ആദ്യ ക്യൂബ് നിർമ്മിക്കുകയും വിന്യസിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്തു. സൊല്യൂഷൻ എക്സ്പ്ലോറർ വിൻഡോയിൽ വലത്-ക്ലിക്കുചെയ്ത് ബ്രൗസ് തിരഞ്ഞെടുത്ത് നിങ്ങൾക്ക് ഈ പുതിയ ക്യൂബ് കാണാൻ കഴിയും. നിങ്ങളുടെ പുതിയ ക്യൂബ് പര്യവേക്ഷണം ചെയ്യാൻ പിവറ്റ് പട്ടികയുടെ മധ്യഭാഗത്തേക്ക് അളവുകൾ വലിച്ചിടുക. ക്യൂബ് വിവിധ അഗ്രഗേഷൻ ചോദ്യങ്ങൾ എത്ര വേഗത്തിൽ പ്രോസസ്സ് ചെയ്യുന്നു എന്ന് ശ്രദ്ധിക്കുക. ഇപ്പോൾ നിങ്ങൾക്ക് OLAP ക്യൂബിന്റെ പരിധിയില്ലാത്ത ശക്തിയും അതിനാൽ ബിസിനസ്സ് മൂല്യവും അഭിനന്ദിക്കാം.

ഡെറക് കമിംഗോർ ( [ഇമെയിൽ പരിരക്ഷിതം]) ബിസിനസ് അനലിറ്റിക്സ് മേഖലയിൽ മൈക്രോസോഫ്റ്റ് പാർട്ണർ പദവിയുള്ള ബി.ഐ. വോയേജിലെ മുതിർന്ന ആർക്കിടെക്റ്റാണ്. SQL സെർവർ MVP ശീർഷകവും നിരവധി Microsoft സർട്ടിഫിക്കേഷനുകളും ഉണ്ട്

വ്യാഖ്യാനം: OLAP ഡാറ്റ വെയർഹൗസുകൾക്കായി ഡാറ്റ ക്യൂബുകൾ രൂപകൽപ്പന ചെയ്യുന്നതിന്റെ അടിസ്ഥാനകാര്യങ്ങൾ ഈ പ്രഭാഷണം ഉൾക്കൊള്ളുന്നു. CASE ടൂൾ ഉപയോഗിച്ച് ഒരു ഡാറ്റ ക്യൂബ് നിർമ്മിക്കുന്ന രീതി ഉദാഹരണം കാണിക്കുന്നു.

പ്രഭാഷണത്തിന്റെ ഉദ്ദേശ്യം

ഈ പ്രഭാഷണത്തിലെ മെറ്റീരിയൽ പഠിച്ച ശേഷം, നിങ്ങൾക്കറിയാം:

• എന്താണ് ഒരു ഡാറ്റ ക്യൂബ് OLAP ഡാറ്റ വെയർഹൗസ് ;
• ഒരു ഡാറ്റ ക്യൂബ് എങ്ങനെ രൂപകൽപ്പന ചെയ്യാം OLAP ഡാറ്റ വെയർഹൗസുകൾ ;
• എന്താണ് ഒരു ഡാറ്റ ക്യൂബ് അളവ്;
• ഒരു ഡാറ്റ ക്യൂബുമായി ഒരു വസ്തുത എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നു;
• ഡൈമൻഷൻ ആട്രിബ്യൂട്ടുകൾ എന്തൊക്കെയാണ്;
• എന്താണ് ശ്രേണിക്രമം;
• എന്താണ് ഒരു ഡാറ്റ ക്യൂബ് മെട്രിക്;

കൂടാതെ പഠിക്കുക:

• പണിയുക മൾട്ടിഡൈമൻഷണൽ ചാർട്ടുകൾ ;
• ലളിതമായ ഡിസൈൻ മൾട്ടിഡൈമൻഷണൽ ചാർട്ടുകൾ.

ആമുഖം

OLAP സാങ്കേതികവിദ്യ ഒറ്റയല്ല സോഫ്റ്റ്വെയർ, അല്ല പ്രോഗ്രാമിംഗ് ഭാഷ. OLAP-നെ അതിന്റെ എല്ലാ പ്രകടനങ്ങളിലും ഉൾപ്പെടുത്താൻ ഞങ്ങൾ ശ്രമിക്കുകയാണെങ്കിൽ, അത് വിശകലന വിദഗ്ധർക്ക് ഡാറ്റ ആക്‌സസ് ചെയ്യുന്നത് എളുപ്പമാക്കുന്ന സോഫ്റ്റ്‌വെയർ ഉൽപ്പന്നങ്ങൾക്ക് അടിവരയിടുന്ന ആശയങ്ങളുടെയും തത്വങ്ങളുടെയും ആവശ്യകതകളുടെയും ഒരു കൂട്ടമാണ്.

കോർപ്പറേറ്റ് വിവരങ്ങളുടെ പ്രധാന ഉപഭോക്താക്കൾ അനലിസ്റ്റുകളാണ്. വലിയ അളവിലുള്ള ഡാറ്റയിൽ പാറ്റേണുകൾ കണ്ടെത്തുക എന്നതാണ് അനലിസ്റ്റിന്റെ ജോലി. അതിനാൽ, ഒരു നിശ്ചിത ദിവസം ഒരു ബാച്ച് ബോൾപോയിന്റ് പേനകൾ വാങ്ങുന്നയാൾ ഇവാനോവിന് വിറ്റു എന്ന വ്യക്തിഗത വസ്തുത അനലിസ്റ്റ് ശ്രദ്ധിക്കില്ല - നൂറുകണക്കിന്, ആയിരക്കണക്കിന് സമാന സംഭവങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങൾ അദ്ദേഹത്തിന് ആവശ്യമാണ്. ഡാറ്റ വെയർഹൗസിലെ ഒറ്റ വസ്തുതകൾ താൽപ്പര്യമുള്ളതായിരിക്കാം, ഉദാഹരണത്തിന്, ഒരു അക്കൗണ്ടന്റിനോ അല്ലെങ്കിൽ സെയിൽസ് ഡിപ്പാർട്ട്‌മെന്റ് മേധാവിക്കോ, ഒരു നിശ്ചിത കരാറിന്റെ പിന്തുണയുള്ള കഴിവ്. ഒരു അനലിസ്റ്റിന്, ഒരു റെക്കോർഡ് മതിയാകില്ല - ഉദാഹരണത്തിന്, ഒരു മാസത്തേക്കോ പാദത്തിനോ വർഷത്തേക്കോ ഒരു പോയിന്റ് ഓഫ് സെയിൽസിന്റെ എല്ലാ കരാറുകളെയും കുറിച്ചുള്ള വിവരങ്ങൾ അദ്ദേഹത്തിന് ആവശ്യമായി വന്നേക്കാം. വാങ്ങുന്നയാളുടെ ടിന്നിലോ അവന്റെ ഫോൺ നമ്പറിലോ അനലിസ്റ്റിന് താൽപ്പര്യമുണ്ടാകില്ല - അവൻ നിർദ്ദിഷ്ട സംഖ്യാ ഡാറ്റയുമായി പ്രവർത്തിക്കുന്നു, ഇത് അവന്റെ പ്രൊഫഷണൽ പ്രവർത്തനത്തിന്റെ സാരാംശമാണ്.

കേന്ദ്രീകരണവും സൗകര്യപ്രദമായ ഘടനയും ഒരു വിശകലന വിദഗ്ധന് ആവശ്യമുള്ളതെല്ലാം അല്ല. വിവരങ്ങൾ കാണാനും ദൃശ്യവൽക്കരിക്കാനും അവന് ഒരു ഉപകരണം ആവശ്യമാണ്. പരമ്പരാഗത റിപ്പോർട്ടുകൾ, ഒരൊറ്റ ഡാറ്റ വെയർഹൗസിന്റെ അടിസ്ഥാനത്തിൽ നിർമ്മിച്ചവ പോലും, അഭാവം, എന്നിരുന്നാലും, ഒരു നിശ്ചിത വഴക്കം. ഡാറ്റയുടെ ആവശ്യമുള്ള കാഴ്‌ച ലഭിക്കുന്നതിന് അവ "വളച്ചൊടിക്കുക", "വികസിക്കുക" അല്ലെങ്കിൽ "തകർച്ച" ചെയ്യാൻ കഴിയില്ല. ഒരു അനലിസ്റ്റിന് കൂടുതൽ "സ്ലൈസുകളും" "സെക്ഷനുകളും" ഡാറ്റ പര്യവേക്ഷണം ചെയ്യാൻ കഴിയും, അയാൾക്ക് കൂടുതൽ ആശയങ്ങൾ ഉണ്ട്, അതാകട്ടെ, സ്ഥിരീകരണത്തിനായി കൂടുതൽ കൂടുതൽ "സ്ലൈസുകൾ" ആവശ്യമാണ്. ഒരു അനലിസ്റ്റിന്റെ ഡാറ്റാ വിശകലനത്തിനുള്ള അത്തരമൊരു ഉപകരണമായി OLAP പ്രവർത്തിക്കുന്നു.

OLAP ഒരു ഡാറ്റാ വെയർഹൗസിന്റെ ആവശ്യമായ ആട്രിബ്യൂട്ട് അല്ലെങ്കിലും, ഈ ഡാറ്റ വെയർഹൗസിൽ ശേഖരിച്ച വിവരങ്ങൾ വിശകലനം ചെയ്യാൻ ഇത് കൂടുതലായി ഉപയോഗിക്കുന്നു.

പ്രവർത്തനപരമായ ഡാറ്റ വിവിധ ഉറവിടങ്ങളിൽ നിന്ന് ശേഖരിക്കുകയും വൃത്തിയാക്കുകയും സംയോജിപ്പിക്കുകയും ഒരു ഡാറ്റ വെയർഹൗസിൽ സംഭരിക്കുകയും ചെയ്യുന്നു. മാത്രമല്ല, വിവിധ റിപ്പോർട്ടിംഗ് ടൂളുകൾ ഉപയോഗിച്ച് വിശകലനത്തിനായി അവ ഇതിനകം ലഭ്യമാണ്. തുടർന്ന് ഡാറ്റ (പൂർണ്ണമായോ ഭാഗികമായോ) OLAP വിശകലനത്തിനായി തയ്യാറാക്കപ്പെടുന്നു. അവ ഒരു പ്രത്യേക OLAP ഡാറ്റാബേസിലേക്ക് ലോഡുചെയ്യാം അല്ലെങ്കിൽ ഒരു റിലേഷണൽ ഡാറ്റാബേസിൽ ഇടാം. OLAP ഉപയോഗിക്കുന്നതിനുള്ള ഏറ്റവും പ്രധാനപ്പെട്ട ഘടകം മെറ്റാഡാറ്റയാണ്, അതായത് ഘടന, സ്ഥാനം, എന്നിവയെ കുറിച്ചുള്ള വിവരങ്ങൾ ഡാറ്റ പരിവർത്തനം. അവർക്ക് നന്ദി, വിവിധ സംഭരണ ​​ഘടകങ്ങളുടെ ഫലപ്രദമായ ഇടപെടൽ ഉറപ്പാക്കുന്നു.

അങ്ങനെ, ഒരു ഡാറ്റ വെയർഹൗസിൽ കുമിഞ്ഞുകിടക്കുന്ന മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ വിശകലനത്തിനുള്ള ഒരു കൂട്ടം ടൂളുകളായി OLAP നിർവചിക്കാം.. സൈദ്ധാന്തികമായി, OLAP ടൂളുകൾ പ്രവർത്തന ഡാറ്റയിലോ അവയുടെ കൃത്യമായ പകർപ്പുകളിലോ നേരിട്ട് പ്രയോഗിക്കാവുന്നതാണ്. എന്നിരുന്നാലും, ഈ വിശകലനത്തിന് അനുയോജ്യമല്ലാത്ത ഡാറ്റ വിശകലനത്തിന് വിധേയമാക്കാനുള്ള അപകടമുണ്ട്.

ക്ലയന്റിലും സെർവറിലും OLAP

OLAP മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ വിശകലനത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ക്ലയന്റ്, സെർവർ OLAP ടൂളുകളായി വിഭജിക്കാൻ കഴിയുന്ന വിവിധ ഉപകരണങ്ങൾ ഉപയോഗിച്ച് ഇത് നിർമ്മിക്കാൻ കഴിയും.

OLAP ക്ലയന്റ് ടൂളുകൾ മൊത്തം ഡാറ്റ (തുക, ശരാശരി, പരമാവധി അല്ലെങ്കിൽ കുറഞ്ഞ മൂല്യങ്ങൾ) കണക്കാക്കുകയും അവ പ്രദർശിപ്പിക്കുകയും ചെയ്യുന്ന ആപ്ലിക്കേഷനുകളാണ്, അതേസമയം മൊത്തം ഡാറ്റ തന്നെ അത്തരം ഒരു OLAP ഉപകരണത്തിന്റെ വിലാസ സ്ഥലത്ത് ഒരു കാഷെയിൽ അടങ്ങിയിരിക്കുന്നു.

ഒരു ഡെസ്‌ക്‌ടോപ്പ് DBMS-ൽ സോഴ്‌സ് ഡാറ്റ അടങ്ങിയിട്ടുണ്ടെങ്കിൽ, മൊത്തം ഡാറ്റയുടെ കണക്കുകൂട്ടൽ OLAP ടൂൾ തന്നെയാണ് ചെയ്യുന്നത്. യഥാർത്ഥ ഡാറ്റയുടെ ഉറവിടം ഒരു സെർവർ DBMS ആണെങ്കിൽ, പല ക്ലയന്റ് OLAP ടൂളുകളും സെർവറിലേക്ക് GROUP BY ഓപ്പറേറ്റർ അടങ്ങിയ SQL അന്വേഷണങ്ങൾ അയയ്ക്കുന്നു, അതിന്റെ ഫലമായി സെർവറിൽ കണക്കാക്കിയ മൊത്തം ഡാറ്റ ലഭിക്കും.

ചട്ടം പോലെ, സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റ പ്രോസസ്സിംഗ് ടൂളുകളിലും (ഈ ക്ലാസിലെ ഉൽപ്പന്നങ്ങളുടെ, സ്റ്റാറ്റ് സോഫ്റ്റ്, SPSS എന്നിവയിൽ നിന്നുള്ള ഉൽപ്പന്നങ്ങൾ റഷ്യൻ വിപണിയിൽ വ്യാപകമായി ഉപയോഗിക്കപ്പെടുന്നു) ചില സ്പ്രെഡ്ഷീറ്റുകളിലും OLAP പ്രവർത്തനം നടപ്പിലാക്കുന്നു. പ്രത്യേകിച്ചും, മൈക്രോസോഫ്റ്റ് എക്സൽ 2000-ന് നല്ല മൾട്ടി-ഡൈമൻഷണൽ അനാലിസിസ് ടൂളുകൾ ഉണ്ട്. ഈ ഉൽപ്പന്നം ഉപയോഗിച്ച്, നിങ്ങൾക്ക് ഒരു ചെറിയ പ്രാദേശിക മൾട്ടി-ഡൈമൻഷണൽ OLAP ക്യൂബ് സൃഷ്ടിക്കാനും ഒരു ഫയലായി സേവ് ചെയ്യാനും അതിന്റെ ദ്വിമാന അല്ലെങ്കിൽ ത്രിമാന വിഭാഗങ്ങൾ പ്രദർശിപ്പിക്കാനും കഴിയും.

പലതും വികസന ഉപകരണങ്ങൾലളിതമായ OLAP പ്രവർത്തനം നടപ്പിലാക്കുന്ന ആപ്ലിക്കേഷനുകൾ സൃഷ്ടിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്ന ക്ലാസുകളുടെ ലൈബ്രറികളോ ഘടകങ്ങളോ അടങ്ങിയിരിക്കുന്നു (ഉദാഹരണത്തിന്, Borland Delphi, Borland C++Builder എന്നിവയിലെ ഡിസിഷൻ ക്യൂബ് ഘടകങ്ങൾ). കൂടാതെ, നിരവധി കമ്പനികൾ വാഗ്ദാനം ചെയ്യുന്നു നിയന്ത്രണങ്ങൾ ActiveX ഉം സമാനമായ പ്രവർത്തനം നടപ്പിലാക്കുന്ന മറ്റ് ലൈബ്രറികളും.

ക്ലയന്റ് OLAP ടൂളുകൾ ഒരു ചട്ടം പോലെ, ചെറിയ അളവുകൾ (സാധാരണയായി ആറിൽ കൂടുതൽ ശുപാർശ ചെയ്യപ്പെടുന്നില്ല) കൂടാതെ ഈ പാരാമീറ്ററുകൾക്കായി ഒരു ചെറിയ വൈവിധ്യമാർന്ന മൂല്യങ്ങൾ ഉപയോഗിച്ചാണ് ഉപയോഗിക്കുന്നത് എന്നത് ശ്രദ്ധിക്കുക - എല്ലാത്തിനുമുപരി, തത്ഫലമായുണ്ടാകുന്ന മൊത്തത്തിലുള്ള ഡാറ്റ ഇവയുമായി പൊരുത്തപ്പെടണം. അത്തരമൊരു ഉപകരണത്തിന്റെ വിലാസ ഇടം, സംഖ്യ അളവുകൾ വർദ്ധിപ്പിക്കുന്നതിനനുസരിച്ച് അവയുടെ എണ്ണം ഗണ്യമായി വർദ്ധിക്കുന്നു അതിനാൽ, ഏറ്റവും പ്രാകൃതമായ ക്ലയന്റ് OLAP ടൂളുകൾ പോലും, ഒരു ചട്ടം പോലെ, അതിൽ ഒരു മൾട്ടിഡൈമൻഷണൽ ക്യൂബ് സൃഷ്ടിക്കാൻ ആവശ്യമായ റാം തുകയുടെ പ്രാഥമിക കണക്കുകൂട്ടൽ അനുവദിക്കുന്നു.

നിരവധി (എല്ലാം അല്ല) OLAP ക്ലയന്റ് ടൂളുകൾ കാഷെയിലെ ഉള്ളടക്കങ്ങൾ ഒരു ഫയലായി സംഭരിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു, ഇത് വീണ്ടും കണക്കാക്കുന്നത് ഒഴിവാക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു. മറ്റ് ഓർഗനൈസേഷനുകൾക്ക് കൈമാറുന്നതിനോ പ്രസിദ്ധീകരിക്കുന്നതിനോ വേണ്ടി മൊത്തത്തിലുള്ള ഡാറ്റ അന്യമാക്കുന്നതിന് ഈ അവസരം പലപ്പോഴും ഉപയോഗിക്കപ്പെടുന്നു എന്നത് ശ്രദ്ധിക്കുക. വിവിധ രാജ്യങ്ങളിലെ ആരോഗ്യ മന്ത്രാലയങ്ങളും ലോകാരോഗ്യ സംഘടനയും പ്രസിദ്ധീകരിച്ച തുറന്ന വിവരങ്ങളാണ് വിവിധ പ്രദേശങ്ങളിലെയും വ്യത്യസ്ത പ്രായ വിഭാഗങ്ങളിലെയും രോഗാവസ്ഥ സ്ഥിതിവിവരക്കണക്കുകളാണ് അത്തരം അന്യവൽക്കരിക്കാവുന്ന മൊത്തം ഡാറ്റയുടെ ഒരു സാധാരണ ഉദാഹരണം. അതേസമയം, രോഗങ്ങളുടെ നിർദ്ദിഷ്ട കേസുകളെക്കുറിച്ചുള്ള വിവരങ്ങൾ പ്രതിനിധീകരിക്കുന്ന യഥാർത്ഥ ഡാറ്റ തന്നെ മെഡിക്കൽ സ്ഥാപനങ്ങളിൽ നിന്നുള്ള രഹസ്യാത്മക ഡാറ്റയാണ്, ഒരു സാഹചര്യത്തിലും ഇൻഷുറൻസ് കമ്പനികളുടെ കൈകളിൽ വീഴരുത്, വളരെ കുറവാണ്.

ഒരു ഫയലിൽ മൊത്തം ഡാറ്റയുടെ ഒരു കാഷെ സംഭരിക്കുന്നതിനുള്ള ആശയം സെർവർ OLAP ടൂളുകളിൽ കൂടുതൽ വികസിപ്പിച്ചെടുത്തു, അതിൽ മൊത്തം ഡാറ്റ സംരക്ഷിക്കുന്നതും മാറ്റുന്നതും അതുപോലെ തന്നെ അവ അടങ്ങുന്ന സംഭരണം പരിപാലിക്കുന്നതും ഒരു പ്രത്യേക ആപ്ലിക്കേഷനോ പ്രക്രിയയോ ആണ് നടത്തുന്നത്. OLAP സെർവർ. ക്ലയന്റ് ആപ്ലിക്കേഷനുകൾക്ക് അത്തരം മൾട്ടിഡൈമൻഷണൽ സ്റ്റോറേജ് അഭ്യർത്ഥിക്കാനും പ്രതികരണമായി ചില ഡാറ്റ സ്വീകരിക്കാനും കഴിയും. ചില ക്ലയന്റ് ആപ്ലിക്കേഷനുകൾ അത്തരം സ്റ്റോറുകൾ സൃഷ്ടിക്കുകയോ അല്ലെങ്കിൽ മാറിയ ഉറവിട ഡാറ്റയെ അടിസ്ഥാനമാക്കി അപ്ഡേറ്റ് ചെയ്യുകയോ ചെയ്തേക്കാം.

ക്ലയന്റ് OLAP ടൂളുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ സെർവർ OLAP ടൂളുകൾ ഉപയോഗിക്കുന്നതിന്റെ ഗുണങ്ങൾ ഡെസ്‌ക്‌ടോപ്പുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ സെർവർ DBMS-കൾ ഉപയോഗിക്കുന്നതിന്റെ ഗുണങ്ങൾക്ക് സമാനമാണ്: സെർവർ ടൂളുകൾ ഉപയോഗിക്കുമ്പോൾ, മൊത്തം ഡാറ്റയുടെ കണക്കുകൂട്ടലും സംഭരണവും സെർവറിലും ക്ലയന്റ് ആപ്ലിക്കേഷനിലും സംഭവിക്കുന്നു. അവർക്കെതിരായ അന്വേഷണങ്ങളുടെ ഫലങ്ങൾ മാത്രമേ സ്വീകരിക്കുകയുള്ളൂ, ഇത് പൊതുവെ നെറ്റ്‌വർക്ക് ട്രാഫിക് കുറയ്ക്കാൻ അനുവദിക്കുന്നു, ലീഡ് ടൈംക്ലയന്റ് ആപ്ലിക്കേഷൻ ഉപയോഗിക്കുന്ന അഭ്യർത്ഥനകളും ഉറവിട ആവശ്യകതകളും. എന്റർപ്രൈസ് സ്കെയിൽ ഡാറ്റ വിശകലനവും പ്രോസസ്സിംഗ് ടൂളുകളും, ചട്ടം പോലെ, സെർവർ OLAP ടൂളുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണെന്ന് ശ്രദ്ധിക്കുക, ഉദാഹരണത്തിന്, Oracle Express Server, Microsoft SQL Server 2000 Analysis Services, Hyperion Essbase, ക്രിസ്റ്റൽ തീരുമാനങ്ങളിൽ നിന്നുള്ള ഉൽപ്പന്നങ്ങൾ, ബിസിനസ്സ് ഒബ്ജക്റ്റുകൾ, കോഗ്നോസ്, എസ്എഎസ് ഇൻസ്റ്റിറ്റ്യൂട്ട്. സെർവർ ഡിബിഎംഎസുകളുടെ എല്ലാ മുൻനിര നിർമ്മാതാക്കളും ഒന്നോ അതിലധികമോ സെർവർ OLAP ടൂളുകൾ നിർമ്മിക്കുന്നതിനാൽ (അല്ലെങ്കിൽ മറ്റ് കമ്പനികളിൽ നിന്ന് ലൈസൻസ് നേടിയിട്ടുണ്ട്), തിരഞ്ഞെടുപ്പ് വളരെ വിശാലമാണ്, മിക്കവാറും എല്ലാ സാഹചര്യങ്ങളിലും ഡാറ്റാബേസ് സെർവറിന്റെ അതേ നിർമ്മാതാവിൽ നിന്ന് നിങ്ങൾക്ക് ഒരു OLAP സെർവർ വാങ്ങാം. .

നിരവധി ക്ലയന്റ് OLAP ടൂളുകൾ (പ്രത്യേകിച്ച്, Microsoft Excel 2003, Seagate Analysis, മുതലായവ) സെർവർ OLAP സ്റ്റോറേജുകൾ ആക്സസ് ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്നു, ഈ സാഹചര്യത്തിൽ അത്തരം അന്വേഷണങ്ങൾ നടത്തുന്ന ക്ലയന്റ് ആപ്ലിക്കേഷനുകളായി പ്രവർത്തിക്കുന്നു. കൂടാതെ, വിവിധ നിർമ്മാതാക്കളിൽ നിന്നുള്ള OLAP ടൂളുകൾക്കായുള്ള ക്ലയന്റ് ആപ്ലിക്കേഷനുകളായ നിരവധി ഉൽപ്പന്നങ്ങളുണ്ട്.

മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ സംഭരണത്തിന്റെ സാങ്കേതിക വശങ്ങൾ

മൾട്ടി-ഡൈമൻഷണൽ ഡാറ്റ വെയർഹൗസുകളിൽ വ്യത്യസ്ത അളവിലുള്ള വിശദാംശങ്ങളുടെ മൊത്തത്തിലുള്ള ഡാറ്റ അടങ്ങിയിരിക്കുന്നു, ഉദാഹരണത്തിന്, ദിവസം, മാസം, വർഷം, ഉൽപ്പന്ന വിഭാഗം മുതലായവ അനുസരിച്ച് വിൽപ്പന അളവ്. മൊത്തം ഡാറ്റ സംഭരിക്കുന്നതിന്റെ ഉദ്ദേശ്യം കുറയ്ക്കുക എന്നതാണ് ലീഡ് ടൈംഅഭ്യർത്ഥനകൾ, കാരണം മിക്ക കേസുകളിലും, വിശകലനത്തിനും പ്രവചനങ്ങൾക്കും, ഇത് വിശദമായതല്ല, മറിച്ച് താൽപ്പര്യമുള്ള സംഗ്രഹ ഡാറ്റയാണ്. അതിനാൽ, ഒരു മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാബേസ് സൃഷ്ടിക്കുമ്പോൾ, ചില മൊത്തം ഡാറ്റ എല്ലായ്പ്പോഴും കണക്കാക്കുകയും സംഭരിക്കുകയും ചെയ്യുന്നു.

എല്ലാ മൊത്തത്തിലുള്ള ഡാറ്റയും സംരക്ഷിക്കുന്നത് എല്ലായ്പ്പോഴും ന്യായീകരിക്കപ്പെടുന്നില്ല എന്നത് ശ്രദ്ധിക്കുക. പുതിയ അളവുകൾ ചേർക്കുമ്പോൾ, ക്യൂബ് നിർമ്മിക്കുന്ന ഡാറ്റയുടെ അളവ് ഗണ്യമായി വളരുന്നു എന്നതാണ് വസ്തുത (ചിലപ്പോൾ അവർ ഡാറ്റ വോളിയത്തിന്റെ "സ്ഫോടനാത്മക വളർച്ച"യെക്കുറിച്ച് സംസാരിക്കുന്നു). കൂടുതൽ കൃത്യമായി പറഞ്ഞാൽ, മൊത്തം ഡാറ്റയുടെ വോളിയത്തിലെ വളർച്ചയുടെ അളവ് ക്യൂബിന്റെ അളവുകളുടെ എണ്ണത്തെയും ഈ അളവുകളുടെ ശ്രേണികളുടെ വിവിധ തലങ്ങളിലുള്ള അളവുകളിലെ അംഗങ്ങളെയും ആശ്രയിച്ചിരിക്കുന്നു. "സ്ഫോടനാത്മക വളർച്ച" എന്ന പ്രശ്നം പരിഹരിക്കുന്നതിന്, വിവിധ സ്കീമുകൾ ഉപയോഗിക്കുന്നു, ഇത് സാധ്യമായ എല്ലാ മൊത്തത്തിലുള്ള ഡാറ്റയും കണക്കാക്കുമ്പോൾ അന്വേഷണ നിർവ്വഹണത്തിന്റെ സ്വീകാര്യമായ വേഗത കൈവരിക്കുന്നത് സാധ്യമാക്കുന്നു.

അസംസ്കൃതവും മൊത്തത്തിലുള്ളതുമായ ഡാറ്റ റിലേഷണൽ അല്ലെങ്കിൽ മൾട്ടിഡൈമൻഷണൽ ഘടനകളിൽ സംഭരിക്കാൻ കഴിയും. അതിനാൽ, ഡാറ്റ സംഭരണത്തിന്റെ മൂന്ന് രീതികൾ നിലവിൽ ഉപയോഗിക്കുന്നു.

• മോലാപ്പ്(മൾട്ടിഡൈമൻഷണൽ OLAP) - ഉറവിടവും മൊത്തത്തിലുള്ള ഡാറ്റയും ഒരു മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാബേസിൽ സംഭരിച്ചിരിക്കുന്നു. മൾട്ടിഡൈമൻഷണൽ ഘടനകളിൽ ഡാറ്റ സംഭരിക്കുന്നത് ഒരു മൾട്ടിഡൈമൻഷണൽ അറേ ആയി ഡാറ്റ കൈകാര്യം ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്നു, അതിനാൽ മൊത്തം മൂല്യങ്ങൾ കണക്കാക്കുന്നതിനുള്ള വേഗത ഏത് അളവുകൾക്കും തുല്യമാണ്. എന്നിരുന്നാലും, ഈ സാഹചര്യത്തിൽ, മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാബേസ് അനാവശ്യമാണ്, കാരണം മൾട്ടിഡൈമൻഷണൽ ഡാറ്റയിൽ യഥാർത്ഥ റിലേഷണൽ ഡാറ്റ അടങ്ങിയിരിക്കുന്നു.
• ROLAP(റിലേഷണൽ OLAP) - യഥാർത്ഥ ഡാറ്റ യഥാർത്ഥത്തിൽ സ്ഥിതിചെയ്യുന്ന അതേ റിലേഷണൽ ഡാറ്റാബേസിൽ തന്നെ തുടരുന്നു. മൊത്തം ഡാറ്റ അതേ ഡാറ്റാബേസിൽ സൂക്ഷിക്കുന്നതിനായി പ്രത്യേകം സൃഷ്ടിച്ച സേവന പട്ടികകളിൽ സ്ഥാപിച്ചിരിക്കുന്നു.
• HOLAP(ഹൈബ്രിഡ് OLAP) - യഥാർത്ഥ ഡാറ്റ യഥാർത്ഥത്തിൽ സ്ഥിതിചെയ്യുന്ന അതേ റിലേഷണൽ ഡാറ്റാബേസിൽ തന്നെ തുടരുന്നു, കൂടാതെ മൊത്തം ഡാറ്റ ഒരു മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാബേസിൽ സംഭരിച്ചിരിക്കുന്നു.

ചില OLAP ടൂളുകൾ റിലേഷണൽ ഘടനകളിൽ മാത്രം ഡാറ്റ സംഭരിക്കുന്നതിനെ പിന്തുണയ്ക്കുന്നു, ചിലത് മൾട്ടിഡൈമൻഷണലുകളിൽ മാത്രം. എന്നിരുന്നാലും, മിക്ക ആധുനിക സെർവർ OLAP ടൂളുകളും ഡാറ്റ സംഭരണത്തിന്റെ മൂന്ന് രീതികളെയും പിന്തുണയ്ക്കുന്നു. സ്റ്റോറേജ് രീതി തിരഞ്ഞെടുക്കുന്നത് ഉറവിട ഡാറ്റയുടെ വോളിയവും ഘടനയും, അന്വേഷണ നിർവ്വഹണ വേഗതയുടെ ആവശ്യകതകളും OLAP ക്യൂബുകൾ അപ്ഡേറ്റ് ചെയ്യുന്നതിന്റെ ആവൃത്തിയും ആശ്രയിച്ചിരിക്കുന്നു.

ആധുനിക OLAP ടൂളുകളിൽ ബഹുഭൂരിപക്ഷവും "ശൂന്യമായ" മൂല്യങ്ങൾ സംഭരിക്കുന്നില്ല എന്നതും ശ്രദ്ധിക്കുക ("ശൂന്യമായ" മൂല്യത്തിന്റെ ഒരു ഉദാഹരണം സീസൺ പുറത്തുള്ള ഒരു സീസണൽ ഉൽപ്പന്നത്തിന്റെ വിൽപ്പനയുടെ അഭാവമായിരിക്കും).

അടിസ്ഥാന OLAP ആശയങ്ങൾ

FAMSI ടെസ്റ്റ്

സങ്കീർണ്ണമായ മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ വിശകലനത്തിനുള്ള സാങ്കേതികവിദ്യയെ OLAP (ഓൺ-ലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്) എന്ന് വിളിക്കുന്നു. ഒരു ഡാറ്റ വെയർഹൗസ് ഓർഗനൈസേഷന്റെ ഒരു പ്രധാന ഘടകമാണ് OLAP. പ്രശസ്ത ഡാറ്റാബേസ് ഗവേഷകനും റിലേഷണൽ ഡാറ്റ മോഡലിന്റെ രചയിതാവുമായ എഡ്ഗർ കോഡ് 1993-ൽ OLAP എന്ന ആശയം വിവരിച്ചു. 1995-ൽ, കോഡ് നിർദ്ദേശിച്ച ആവശ്യകതകളെ അടിസ്ഥാനമാക്കി, വിളിക്കപ്പെടുന്നവ FASMI ടെസ്റ്റ്(പങ്കിട്ട മൾട്ടിഡൈമൻഷണൽ വിവരങ്ങളുടെ വേഗത്തിലുള്ള വിശകലനം) - മൾട്ടിഡൈമൻഷണൽ വിശകലനത്തിനുള്ള ആപ്ലിക്കേഷനുകൾക്കുള്ള ഇനിപ്പറയുന്ന ആവശ്യകതകൾ ഉൾപ്പെടെ, പങ്കിട്ട മൾട്ടിഡൈമൻഷണൽ വിവരങ്ങളുടെ വേഗത്തിലുള്ള വിശകലനം:

• വേഗം(വേഗത) - ഉപയോക്താക്കൾക്ക് വിശകലന ഫലങ്ങൾ നൽകുന്നത് സ്വീകാര്യമായ സമയം (സാധാരണയായി 5 സെക്കൻഡിൽ കൂടരുത്), കുറച്ച് വിശദമായ വിശകലനത്തിന്റെ ചിലവിൽ പോലും;
• വിശകലനം(വിശകലനം) - നൽകിയിരിക്കുന്ന ആപ്ലിക്കേഷനുമായി ബന്ധപ്പെട്ട ഏതെങ്കിലും ലോജിക്കൽ, സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനം നടത്താനും അന്തിമ ഉപയോക്താവിന് ആക്സസ് ചെയ്യാവുന്ന ഫോമിൽ സംരക്ഷിക്കാനുമുള്ള കഴിവ്;
• പങ്കിട്ടു(പങ്കിട്ടത്) - ഉചിതമായ ലോക്കിംഗ് മെക്കാനിസങ്ങൾക്കും അംഗീകൃത ആക്‌സസ് മാർഗങ്ങൾക്കുമുള്ള പിന്തുണയോടെ ഡാറ്റയിലേക്കുള്ള മൾട്ടി-യൂസർ ആക്‌സസ്;
• ബഹുമുഖം(മൾട്ടിഡൈമൻഷണൽ) - ശ്രേണികൾക്കും ഒന്നിലധികം ശ്രേണികൾക്കുമുള്ള പൂർണ്ണ പിന്തുണ ഉൾപ്പെടെയുള്ള ഡാറ്റയുടെ മൾട്ടിഡൈമൻഷണൽ ആശയപരമായ പ്രാതിനിധ്യം (ഇത് OLAP-ന്റെ പ്രധാന ആവശ്യകതയാണ്);
• വിവരങ്ങൾ(വിവരങ്ങൾ) - ആപ്ലിക്കേഷന്റെ വോളിയവും സ്റ്റോറേജ് ലൊക്കേഷനും പരിഗണിക്കാതെ, ആവശ്യമായ ഏത് വിവരവും ആക്സസ് ചെയ്യാൻ കഴിയണം.

ഓഫീസ് ആപ്ലിക്കേഷനുകളിലെ ഏറ്റവും ലളിതമായ ഡാറ്റാ വിശകലന ടൂളുകൾ മുതൽ സെർവർ ഉൽപ്പന്നങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള ഡിസ്ട്രിബ്യൂട്ടഡ് അനലിറ്റിക്കൽ സിസ്റ്റങ്ങൾ വരെ OLAP പ്രവർത്തനം വിവിധ രീതികളിൽ നടപ്പിലാക്കാൻ കഴിയുമെന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്.

വിവരങ്ങളുടെ ബഹുമുഖ പ്രാതിനിധ്യം

സമചതുര

ബിസിനസ്സ് വിവരങ്ങൾ ആക്സസ് ചെയ്യുന്നതിനും കാണുന്നതിനും വിശകലനം ചെയ്യുന്നതിനുമുള്ള സൗകര്യപ്രദവും വേഗത്തിലുള്ളതുമായ മാർഗങ്ങൾ OLAP നൽകുന്നു. ഉപയോക്താവിന് സ്വാഭാവികവും അവബോധജന്യവും ലഭിക്കുന്നു ഡാറ്റ മോഡൽ, അവയെ മൾട്ടിഡൈമൻഷണൽ ക്യൂബുകളുടെ (ക്യൂബുകൾ) രൂപത്തിൽ ക്രമീകരിക്കുന്നു. മൾട്ടിഡൈമൻഷണൽ കോർഡിനേറ്റ് സിസ്റ്റത്തിന്റെ അക്ഷങ്ങൾ വിശകലനം ചെയ്ത ബിസിനസ്സ് പ്രക്രിയയുടെ പ്രധാന ആട്രിബ്യൂട്ടുകളാണ്. ഉദാഹരണത്തിന്, വിൽപ്പനയ്ക്ക് അത് ഉൽപ്പന്നം, പ്രദേശം, വാങ്ങുന്നയാളുടെ തരം എന്നിവ ആകാം. അളവുകളിലൊന്നായി സമയം ഉപയോഗിക്കുന്നു. അളക്കൽ അക്ഷങ്ങളുടെ (അളവുകൾ) കവലകളിൽ പ്രക്രിയയെ അളവ്പരമായി ചിത്രീകരിക്കുന്ന ഡാറ്റയുണ്ട് - അളവുകൾ (അളവുകൾ). ഇത് കഷണങ്ങളായോ പണത്തിന്റെ അടിസ്ഥാനത്തിലോ, സ്റ്റോക്ക് ബാലൻസുകൾ, ചെലവുകൾ മുതലായവ ആകാം. വിവരങ്ങൾ വിശകലനം ചെയ്യുന്ന ഒരു ഉപയോക്താവിന് ക്യൂബിനെ വ്യത്യസ്ത ദിശകളിലേക്ക് "മുറിക്കാൻ" കഴിയും, സംഗ്രഹം (ഉദാഹരണത്തിന്, വർഷം പ്രകാരം) അല്ലെങ്കിൽ, നേരെമറിച്ച്, വിശദമായി (ആഴ്ച പ്രകാരം) ) വിവരങ്ങളും വിശകലന പ്രക്രിയയിൽ അവന്റെ മനസ്സിൽ വരുന്ന മറ്റ് കൃത്രിമത്വങ്ങളും നടപ്പിലാക്കുക.

ചിത്രത്തിൽ കാണിച്ചിരിക്കുന്ന ത്രിമാന ക്യൂബിലെ അളവുകൾ പോലെ. 26.1, വിൽപ്പന തുകകൾ ഉപയോഗിക്കുന്നു, സമയം, ഉൽപ്പന്നം, സ്റ്റോർ എന്നിവ അളവുകളായി ഉപയോഗിക്കുന്നു. ഗ്രൂപ്പിംഗിന്റെ നിർദ്ദിഷ്‌ട തലങ്ങളിൽ അളവുകൾ അവതരിപ്പിക്കുന്നു: ഉൽപ്പന്നങ്ങൾ വിഭാഗമനുസരിച്ച് തരംതിരിച്ചിരിക്കുന്നു, രാജ്യം അനുസരിച്ച് സ്‌റ്റോറുകൾ, മാസം തോറും ഇടപാട് സമയ ഡാറ്റ. കുറച്ച് കഴിഞ്ഞ് ഞങ്ങൾ ഗ്രൂപ്പിംഗിന്റെ ( ശ്രേണി) ലെവലുകൾ കൂടുതൽ വിശദമായി പരിശോധിക്കും.

അരി. 26.1

ഒരു ക്യൂബ് "മുറിക്കുന്നു"

ഒരു ത്രിമാന ക്യൂബ് പോലും കമ്പ്യൂട്ടർ സ്ക്രീനിൽ പ്രദർശിപ്പിക്കാൻ പ്രയാസമാണ്, അതിനാൽ താൽപ്പര്യത്തിന്റെ അളവുകളുടെ മൂല്യങ്ങൾ ദൃശ്യമാകും. മൂന്നിൽ കൂടുതൽ അളവുകളുള്ള ക്യൂബുകളെ കുറിച്ച് നമുക്ക് എന്ത് പറയാൻ കഴിയും? ഒരു ക്യൂബിൽ സംഭരിച്ചിരിക്കുന്ന ഡാറ്റ ദൃശ്യവൽക്കരിക്കുന്നതിന്, ഒരു ചട്ടം പോലെ, പരിചിതമായ ദ്വിമാന, അതായത്, സങ്കീർണ്ണമായ ശ്രേണിയിലുള്ള വരികളും നിര തലക്കെട്ടുകളുമുള്ള പട്ടിക കാഴ്ചകൾ ഉപയോഗിക്കുന്നു.

ഒരു ക്യൂബിന്റെ ദ്വിമാന പ്രാതിനിധ്യം ഒന്നോ അതിലധികമോ അക്ഷങ്ങളിൽ (അളവുകൾ) കുറുകെ "മുറിക്കുന്നതിലൂടെ" ലഭിക്കും: രണ്ട് ഒഴികെയുള്ള എല്ലാ അളവുകളുടെയും മൂല്യങ്ങൾ ഞങ്ങൾ ശരിയാക്കുന്നു, കൂടാതെ ഞങ്ങൾക്ക് ഒരു സാധാരണ ദ്വിമാന പട്ടിക ലഭിക്കും. പട്ടികയുടെ തിരശ്ചീന അക്ഷം (നിര തലക്കെട്ടുകൾ) ഒരു അളവിനെ പ്രതിനിധീകരിക്കുന്നു, ലംബ അക്ഷം (വരി തലക്കെട്ടുകൾ) മറ്റൊന്നിനെ പ്രതിനിധീകരിക്കുന്നു, പട്ടിക സെല്ലുകൾ അളവുകളുടെ മൂല്യങ്ങളെ പ്രതിനിധീകരിക്കുന്നു. ഈ സാഹചര്യത്തിൽ, അളവുകളുടെ ഒരു കൂട്ടം യഥാർത്ഥത്തിൽ അളവുകളിലൊന്നായി കണക്കാക്കപ്പെടുന്നു: ഒന്നുകിൽ പ്രദർശിപ്പിക്കുന്നതിന് ഞങ്ങൾ ഒരു അളവ് തിരഞ്ഞെടുക്കുന്നു (അതിനുശേഷം നമുക്ക് വരിയിലും കോളം തലക്കെട്ടുകളിലും രണ്ട് അളവുകൾ സ്ഥാപിക്കാം), അല്ലെങ്കിൽ നിരവധി അളവുകൾ കാണിക്കുക (പിന്നെ അതിലൊന്ന് ടേബിൾ അക്ഷങ്ങൾ അളവുകളുടെ പേരുകളാലും മറ്റൊന്ന് "അൺകട്ട്" അളവിന്റെ മൂല്യങ്ങളാലും ഉൾക്കൊള്ളും).

(ലെവലുകൾ). ഉദാഹരണത്തിന്, അവതരിപ്പിച്ച ലേബലുകൾ എല്ലാ OLAP ടൂളുകളും പിന്തുണയ്ക്കുന്നില്ല. ഉദാഹരണത്തിന്, Microsoft Analysis Services 2000 രണ്ട് തരത്തിലുള്ള ശ്രേണിയെയും പിന്തുണയ്ക്കുന്നു, എന്നാൽ Microsoft OLAP സേവനങ്ങൾ 7.0 സമതുലിതമായവയെ മാത്രമേ പിന്തുണയ്ക്കൂ. വിവിധ OLAP ടൂളുകളിൽ ശ്രേണി നിലകളുടെ എണ്ണം, ഒരു ലെവലിലെ അംഗങ്ങളുടെ പരമാവധി അനുവദനീയമായ എണ്ണം, അളവുകളുടെ പരമാവധി എണ്ണം എന്നിവ വ്യത്യസ്തമായിരിക്കും.

OLAP ആപ്ലിക്കേഷനുകളുടെ ആർക്കിടെക്ചർ

OLAP നെക്കുറിച്ച് മുകളിൽ പറഞ്ഞതെല്ലാം ഡാറ്റയുടെ മൾട്ടിഡൈമൻഷണൽ അവതരണവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. ഡാറ്റ എങ്ങനെ സംഭരിക്കുന്നു, ഏകദേശം പറഞ്ഞാൽ, ക്ലയന്റ് ഉപയോഗിക്കുന്ന ഉപകരണത്തിന്റെ അന്തിമ ഉപയോക്താവിനെയോ ഡെവലപ്പർമാരെയോ ബാധിക്കുന്നില്ല.

OLAP ആപ്ലിക്കേഷനുകളിലെ മൾട്ടിഡൈമൻഷണാലിറ്റിയെ മൂന്ന് തലങ്ങളായി തിരിക്കാം.

• മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാ പ്രാതിനിധ്യം - ഡാറ്റയുടെ മൾട്ടിഡൈമൻഷണൽ വിഷ്വലൈസേഷനും കൃത്രിമത്വവും നൽകുന്ന അന്തിമ ഉപയോക്തൃ ടൂളുകൾ; മൾട്ടിഡൈമൻഷണൽ റെപ്രസന്റേഷൻ ലെയർ ഡാറ്റയുടെ ഭൗതിക ഘടനയിൽ നിന്ന് സംഗ്രഹിക്കുകയും ഡാറ്റയെ മൾട്ടിഡൈമൻഷണലായി കണക്കാക്കുകയും ചെയ്യുന്നു.
• മൾട്ടി-ഡൈമൻഷണൽ അന്വേഷണങ്ങൾ രൂപപ്പെടുത്തുന്നതിനുള്ള ഒരു മാർഗമാണ് (ഭാഷ) മൾട്ടിഡൈമൻഷണൽ പ്രോസസ്സിംഗ് (പരമ്പരാഗത റിലേഷണൽ ഭാഷ SQL ഇവിടെ അനുയോജ്യമല്ല) കൂടാതെ അത്തരം ഒരു ചോദ്യം പ്രോസസ്സ് ചെയ്യാനും നടപ്പിലാക്കാനും കഴിയുന്ന ഒരു പ്രോസസ്സർ ആണ്.
• മൾട്ടിഡൈമൻഷണൽ ക്വറികളുടെ കാര്യക്ഷമമായ നിർവ്വഹണം ഉറപ്പാക്കുന്ന ഡാറ്റ ഭൗതികമായി ഓർഗനൈസുചെയ്യുന്നതിനുള്ള ഒരു മാർഗമാണ് മൾട്ടിഡൈമൻഷണൽ സ്റ്റോറേജ്.

എല്ലാ OLAP ടൂളുകളിലും ആദ്യ രണ്ട് ലെവലുകൾ നിർബന്ധമാണ്. മൂന്നാമത്തെ തലം, വ്യാപകമാണെങ്കിലും, ആവശ്യമില്ല, കാരണം ഒരു മൾട്ടിഡൈമൻഷണൽ പ്രാതിനിധ്യത്തിനായുള്ള ഡാറ്റ സാധാരണ റിലേഷണൽ ഘടനകളിൽ നിന്ന് വേർതിരിച്ചെടുക്കാൻ കഴിയും; ഈ കേസിലെ മൾട്ടിഡൈമൻഷണൽ ക്വറി പ്രൊസസർ, റിലേഷണൽ ഡിബിഎംഎസ് എക്സിക്യൂട്ട് ചെയ്യുന്ന മൾട്ടിഡൈമൻഷണൽ അന്വേഷണങ്ങളെ SQL ക്വറികളിലേക്ക് വിവർത്തനം ചെയ്യുന്നു.

നിർദ്ദിഷ്ട OLAP ഉൽപ്പന്നങ്ങൾ, ചട്ടം പോലെ, ഒന്നുകിൽ ഒരു മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാ അവതരണ ടൂൾ ആണ് (OLAP ക്ലയന്റ് - ഉദാഹരണത്തിന്, Microsoft-ൽ നിന്നുള്ള Excel 2000 ലെ പിവറ്റ് ടേബിളുകൾ അല്ലെങ്കിൽ Knosys-ൽ നിന്നുള്ള ProClarity) അല്ലെങ്കിൽ ഒരു മൾട്ടിഡൈമൻഷണൽ സെർവർ DBMS (OLAP സെർവർ - ഉദാഹരണത്തിന്, Oracle Express സെർവർ അല്ലെങ്കിൽ Microsoft OLAP സേവനങ്ങൾ).

മൾട്ടിഡൈമൻഷണൽ പ്രോസസ്സിംഗ് ലെയർ സാധാരണയായി OLAP ക്ലയന്റ് കൂടാതെ/അല്ലെങ്കിൽ OLAP സെർവറിലാണ് നിർമ്മിച്ചിരിക്കുന്നത്, എന്നാൽ മൈക്രോസോഫ്റ്റിന്റെ പിവറ്റ് ടേബിൾ സർവീസ് ഘടകം പോലെ അതിന്റെ ശുദ്ധമായ രൂപത്തിൽ വേർതിരിക്കാവുന്നതാണ്.

ഒരുപക്ഷേ ചിലർക്ക്, റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കുമ്പോൾ OLAP സാങ്കേതികവിദ്യ (ഓൺ-ലൈൻ അനലിറ്റിക് പ്രോസസ്സിംഗ്) ഉപയോഗിക്കുന്നത് അൽപ്പം വിചിത്രമായി തോന്നും, അതിനാൽ അവർക്ക് OLAP-CUBE ഉപയോഗിക്കുന്നത് ബജറ്റിംഗും മാനേജ്മെന്റ് അക്കൗണ്ടിംഗും ഓട്ടോമേറ്റ് ചെയ്യുമ്പോൾ ഏറ്റവും പ്രധാനപ്പെട്ട ആവശ്യകതകളിലൊന്നല്ല.

വാസ്തവത്തിൽ, മാനേജ്മെന്റ് റിപ്പോർട്ടിംഗുമായി പ്രവർത്തിക്കുമ്പോൾ ഒരു മൾട്ടിഡൈമൻഷണൽ ക്യൂബ് ഉപയോഗിക്കുന്നത് വളരെ സൗകര്യപ്രദമാണ്. ബജറ്റ് ഫോർമാറ്റുകൾ വികസിപ്പിക്കുമ്പോൾ, നിങ്ങൾക്ക് മൾട്ടിവാരിയേറ്റ് ഫോമുകളുടെ പ്രശ്നം നേരിടാം (ഇതിനെക്കുറിച്ച് നിങ്ങൾക്ക് പുസ്തകം 8, "ഒരു കമ്പനിയിൽ ബജറ്റിംഗ് സജ്ജീകരിക്കുന്നതിനുള്ള സാങ്കേതികവിദ്യ", "മാനേജ്മെന്റ് അക്കൗണ്ടിംഗ് സജ്ജീകരിക്കുകയും ഓട്ടോമേറ്റ് ചെയ്യുകയും ചെയ്യുക" എന്ന പുസ്തകത്തിൽ കൂടുതൽ വായിക്കാം).

ഒരു കമ്പനിയുടെ ഫലപ്രദമായ മാനേജ്മെന്റിന് കൂടുതൽ വിശദമായ മാനേജുമെന്റ് റിപ്പോർട്ടിംഗ് ആവശ്യമാണ് എന്നതാണ് ഇതിന് കാരണം. അതായത്, സിസ്റ്റം കൂടുതൽ കൂടുതൽ വ്യത്യസ്തമായ അനലിറ്റിക്കൽ വിഭാഗങ്ങൾ ഉപയോഗിക്കുന്നു (വിവര സംവിധാനങ്ങളിൽ, അനലിറ്റിക്സ് ഒരു കൂട്ടം റഫറൻസ് പുസ്തകങ്ങളാൽ നിർണ്ണയിക്കപ്പെടുന്നു).

സ്വാഭാവികമായും, മാനേജർമാർക്ക് താൽപ്പര്യമുള്ള എല്ലാ വിശകലന വിഭാഗങ്ങളിലും റിപ്പോർട്ടിംഗ് സ്വീകരിക്കാൻ താൽപ്പര്യപ്പെടുന്നു എന്ന വസ്തുതയിലേക്ക് ഇത് നയിക്കുന്നു. ഇതിനർത്ഥം റിപ്പോർട്ടുകൾ എങ്ങനെയെങ്കിലും "ശ്വസിക്കാൻ" ഉണ്ടാക്കണം എന്നാണ്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഒരേ റിപ്പോർട്ട് വ്യത്യസ്ത വിശകലന വശങ്ങളിൽ വിവരങ്ങൾ നൽകണം എന്ന വസ്തുതയെക്കുറിച്ചാണ് ഈ സാഹചര്യത്തിൽ നമ്മൾ സംസാരിക്കുന്നതെന്ന് നമുക്ക് പറയാം. അതിനാൽ, സ്റ്റാറ്റിക് റിപ്പോർട്ടുകൾ പല ആധുനിക മാനേജർമാർക്കും അനുയോജ്യമല്ല. ഒരു മൾട്ടിഡൈമൻഷണൽ ക്യൂബിന് നൽകാൻ കഴിയുന്ന ചലനാത്മകത അവർക്ക് ആവശ്യമാണ്.

അതിനാൽ, ആധുനികവും ഭാവിയിലെ വിവര സംവിധാനങ്ങളിൽ OLAP സാങ്കേതികവിദ്യ ഇതിനകം നിർബന്ധിത ഘടകമായി മാറിയിരിക്കുന്നു. അതിനാൽ, ഒരു സോഫ്റ്റ്വെയർ ഉൽപ്പന്നം തിരഞ്ഞെടുക്കുമ്പോൾ, അത് OLAP സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നുണ്ടോ എന്ന് നിങ്ങൾ ശ്രദ്ധിക്കേണ്ടതുണ്ട്.

മാത്രമല്ല, യഥാർത്ഥ ക്യൂബുകളെ അനുകരണങ്ങളിൽ നിന്ന് വേർതിരിച്ചറിയാൻ നിങ്ങൾക്ക് കഴിയേണ്ടതുണ്ട്. അത്തരത്തിലുള്ള ഒരു സിമുലേഷനാണ് MS Excel-ലെ പിവറ്റ് ടേബിളുകൾ. അതെ, ഈ ഉപകരണം ഒരു ക്യൂബ് പോലെ കാണപ്പെടുന്നു, എന്നാൽ വാസ്തവത്തിൽ ഇത് ഒന്നല്ല, കാരണം ഇവ സ്റ്റാറ്റിക് ആണ്, ഡൈനാമിക് ടേബിളുകളല്ല. കൂടാതെ, ഹൈറാർക്കിക്കൽ ഡയറക്‌ടറികളിൽ നിന്നുള്ള ഘടകങ്ങൾ ഉപയോഗിച്ച് റിപ്പോർട്ടുകൾ നിർമ്മിക്കാനുള്ള കഴിവ് അവർക്ക് വളരെ മോശമായി നടപ്പിലാക്കുന്നു.

മാനേജ്മെന്റ് റിപ്പോർട്ടിംഗ് നിർമ്മിക്കുമ്പോൾ CUBE ഉപയോഗിക്കുന്നതിന്റെ പ്രസക്തി സ്ഥിരീകരിക്കുന്നതിന്, ഒരു സെയിൽസ് ബജറ്റ് ഉപയോഗിച്ച് നമുക്ക് ഒരു ലളിതമായ ഉദാഹരണം നൽകാം. പരിഗണനയിലുള്ള ഉദാഹരണത്തിൽ, ഇനിപ്പറയുന്ന വിശകലന വിഭാഗങ്ങൾ കമ്പനിക്ക് പ്രസക്തമാണ്: ഉൽപ്പന്നങ്ങൾ, ശാഖകൾ, വിൽപ്പന ചാനലുകൾ. ഈ മൂന്ന് അനലിറ്റിക്‌സും കമ്പനിക്ക് പ്രധാനമാണെങ്കിൽ, വിൽപ്പന ബജറ്റ് (അല്ലെങ്കിൽ റിപ്പോർട്ട്) നിരവധി പതിപ്പുകളിൽ പ്രദർശിപ്പിക്കാൻ കഴിയും.

മൂന്ന് അനലിറ്റിക്കൽ വിഭാഗങ്ങളെ അടിസ്ഥാനമാക്കി നിങ്ങൾ ബജറ്റ് ലൈനുകൾ സൃഷ്ടിക്കുകയാണെങ്കിൽ (പരിഗണനയിലുള്ള ഉദാഹരണത്തിലെന്നപോലെ), ഇത് വളരെ സങ്കീർണ്ണമായ ബജറ്റ് മോഡലുകൾ സൃഷ്ടിക്കാനും ക്യൂബ് ഉപയോഗിച്ച് വിശദമായ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കാനും നിങ്ങളെ അനുവദിക്കുന്നു എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്.

ഉദാഹരണത്തിന്, ഒരു അനലിറ്റിക്സ് (ഡയറക്‌ടറി) മാത്രം ഉപയോഗിച്ച് ഒരു വിൽപ്പന ബജറ്റ് സമാഹരിക്കാൻ കഴിയും. ഒരു അനലിറ്റിക്സ് "ഉൽപ്പന്നങ്ങൾ" അടിസ്ഥാനമാക്കി നിർമ്മിച്ച വിൽപ്പന ബജറ്റിന്റെ ഒരു ഉദാഹരണം ഇവിടെ അവതരിപ്പിച്ചിരിക്കുന്നു ചിത്രം 1.

അരി. 1. OLAP-CUBE-ലെ ഒരു അനലിറ്റിക്സ് "ഉൽപ്പന്നങ്ങൾ" അടിസ്ഥാനമാക്കി നിർമ്മിച്ച വിൽപ്പന ബജറ്റിന്റെ ഒരു ഉദാഹരണം

ഒരേ വിൽപ്പന ബജറ്റ് രണ്ട് അനലിറ്റിക്‌സ് (ഡയറക്‌ടറികൾ) ഉപയോഗിച്ച് സമാഹരിക്കാം. "ഉൽപ്പന്നങ്ങൾ", "ശാഖകൾ" എന്നീ രണ്ട് വിശകലനങ്ങളുടെ അടിസ്ഥാനത്തിൽ നിർമ്മിച്ച വിൽപ്പന ബജറ്റിന്റെ ഒരു ഉദാഹരണം ഇവിടെ അവതരിപ്പിക്കുന്നു ചിത്രം 2.

അരി. 2. ഇന്റഗ്രൽ സോഫ്‌റ്റ്‌വെയർ പാക്കേജിന്റെ OLAP-CUBE-ലെ "ഉൽപ്പന്നങ്ങൾ", "ശാഖകൾ" എന്നീ രണ്ട് അനലിറ്റിക്‌സിന്റെ അടിസ്ഥാനത്തിൽ നിർമ്മിച്ച വിൽപ്പന ബജറ്റിന്റെ ഒരു ഉദാഹരണം

.

കൂടുതൽ വിശദമായ റിപ്പോർട്ടുകൾ നിർമ്മിക്കേണ്ട ആവശ്യമുണ്ടെങ്കിൽ, ഒരേ വിൽപ്പന ബജറ്റ് മൂന്ന് അനലിറ്റിക്‌സ് (ഡയറക്‌ടറികൾ) ഉപയോഗിച്ച് സമാഹരിക്കാം. "ഉൽപ്പന്നങ്ങൾ", "ശാഖകൾ", "വിൽപ്പന ചാനലുകൾ" എന്നീ മൂന്ന് വിശകലനങ്ങളുടെ അടിസ്ഥാനത്തിൽ നിർമ്മിച്ച ഒരു വിൽപ്പന ബജറ്റിന്റെ ഉദാഹരണം ചിത്രം 3.

അരി. 3. ഇന്റഗ്രൽ സോഫ്‌റ്റ്‌വെയർ പാക്കേജിന്റെ OLAP-CUBE-ലെ "ഉൽപ്പന്നങ്ങൾ", "ശാഖകൾ", "സെയിൽസ് ചാനലുകൾ" എന്നീ മൂന്ന് അനലിറ്റിക്‌സ് അടിസ്ഥാനമാക്കി നിർമ്മിച്ച വിൽപ്പന ബജറ്റിന്റെ ഒരു ഉദാഹരണം

റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കാൻ ഉപയോഗിക്കുന്ന CUBE വ്യത്യസ്ത ശ്രേണികളിൽ ഡാറ്റ പ്രദർശിപ്പിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു എന്നത് ഓർക്കേണ്ടതാണ്. ഓൺ ചിത്രം 3വിൽപ്പന ബജറ്റ് ആദ്യം ഉൽപ്പന്നം വഴി "വികസിപ്പിച്ചെടുക്കുന്നു", തുടർന്ന് ബ്രാഞ്ച് വഴി, തുടർന്ന് വിൽപ്പന ചാനൽ വഴി.

ഒരേ ഡാറ്റ മറ്റൊരു ശ്രേണിയിൽ അവതരിപ്പിക്കാം. ഓൺ ചിത്രം 4അതേ വിൽപ്പന ബജറ്റ് ആദ്യം ഉൽപ്പന്നം വഴിയും പിന്നീട് വിൽപ്പന ചാനലിലൂടെയും തുടർന്ന് ബ്രാഞ്ച് വഴിയും "വികസിപ്പിച്ചെടുക്കുന്നു".

അരി. 4. ഇന്റഗ്രൽ സോഫ്‌റ്റ്‌വെയർ പാക്കേജിന്റെ OLAP-CUBE-ലെ "ഉൽപ്പന്നങ്ങൾ", "വിതരണ ചാനലുകൾ", "ശാഖകൾ" എന്നീ മൂന്ന് അനലിറ്റിക്‌സ് അടിസ്ഥാനമാക്കി നിർമ്മിച്ച വിൽപ്പന ബജറ്റിന്റെ ഒരു ഉദാഹരണം

ഓൺ ചിത്രം 5അതേ വിൽപ്പന ബജറ്റ് ആദ്യം ശാഖകളിലൂടെയും പിന്നീട് ഉൽപ്പന്നങ്ങളിലൂടെയും പിന്നീട് വിൽപ്പന ചാനലുകളിലൂടെയും "വികസിക്കുന്നു".

അരി. 5. OLAP-CUBE സോഫ്‌റ്റ്‌വെയർ പാക്കേജ് "INTEGRAL" ലെ "ശാഖകൾ", "ഉൽപ്പന്നങ്ങൾ", "സെയിൽസ് ചാനലുകൾ" എന്നീ മൂന്ന് അനലിറ്റിക്‌സ് അടിസ്ഥാനമാക്കി നിർമ്മിച്ച വിൽപ്പന ബജറ്റിന്റെ ഒരു ഉദാഹരണം

വാസ്തവത്തിൽ, ഇവയെല്ലാം വിൽപ്പന ബജറ്റ് പിൻവലിക്കുന്നതിനുള്ള സാധ്യമായ ഓപ്ഷനുകളല്ല.

കൂടാതെ, ഡയറക്ടറികളുടെ ശ്രേണിപരമായ ഘടനയിൽ പ്രവർത്തിക്കാൻ KUB നിങ്ങളെ അനുവദിക്കുന്നു എന്ന വസ്തുത നിങ്ങൾ ശ്രദ്ധിക്കേണ്ടതുണ്ട്. അവതരിപ്പിച്ച ഉദാഹരണങ്ങളിൽ, ശ്രേണിപരമായ ഡയറക്ടറികൾ "ഉൽപ്പന്നങ്ങൾ", "വിതരണ ചാനലുകൾ" എന്നിവയാണ്.

ഉപയോക്താവിന്റെ വീക്ഷണകോണിൽ നിന്ന്, ഈ ഉദാഹരണത്തിൽ അദ്ദേഹത്തിന് നിരവധി മാനേജ്മെന്റ് റിപ്പോർട്ടുകൾ ലഭിക്കുന്നു (കാണുക. അരി. 1-5), കൂടാതെ സോഫ്റ്റ്വെയർ ഉൽപ്പന്നത്തിലെ ക്രമീകരണങ്ങളുടെ വീക്ഷണകോണിൽ നിന്ന്, ഇത് ഒരു റിപ്പോർട്ടാണ്. CUBE ഉപയോഗിച്ച് നിങ്ങൾക്ക് ഇത് പല തരത്തിൽ കാണാൻ കഴിയും.

സ്വാഭാവികമായും, പ്രായോഗികമായി, അവരുടെ ലേഖനങ്ങൾ ഒന്നോ അതിലധികമോ അനലിസ്റ്റുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണെങ്കിൽ, വിവിധ മാനേജ്മെന്റ് റിപ്പോർട്ടുകൾ ഔട്ട്പുട്ട് ചെയ്യുന്നതിനുള്ള വളരെ വലിയ സംഖ്യ ഓപ്ഷനുകൾ സാധ്യമാണ്. അനലിറ്റിക്‌സിന്റെ സെറ്റ് തന്നെ ഉപയോക്താക്കളുടെ വിശദാംശങ്ങളുടെ ആവശ്യകതയെ ആശ്രയിച്ചിരിക്കുന്നു. ശരിയാണ്, ഒരു വശത്ത്, വലിയ അനലിസ്റ്റ്, കൂടുതൽ വിശദമായ റിപ്പോർട്ടുകൾ നിർമ്മിക്കാൻ കഴിയുമെന്ന് നാം മറക്കരുത്. എന്നാൽ, മറുവശത്ത്, സാമ്പത്തിക ബജറ്റിംഗ് മോഡൽ കൂടുതൽ സങ്കീർണ്ണമാകുമെന്നാണ് ഇതിനർത്ഥം. ഏത് സാഹചര്യത്തിലും, ഒരു KUB ഉണ്ടെങ്കിൽ, താൽപ്പര്യമുള്ള വിശകലന വിഭാഗങ്ങൾക്ക് അനുസൃതമായി, വിവിധ പതിപ്പുകളിൽ ആവശ്യമായ റിപ്പോർട്ടിംഗ് കാണാനുള്ള അവസരം കമ്പനിക്ക് ലഭിക്കും.

OLAP-CUBE-ന്റെ കൂടുതൽ സവിശേഷതകൾ പരാമർശിക്കേണ്ടത് ആവശ്യമാണ്.

ഒരു മൾട്ടിഡൈമൻഷണൽ ഹൈറാർക്കിക്കൽ OLAP-CUBE-ൽ നിരവധി അളവുകൾ ഉണ്ട്: വരി തരം, തീയതി, വരികൾ, ഡയറക്ടറി 1, ഡയറക്ടറി 2, ഡയറക്ടറി 3 (കാണുക. അരി. 6). സ്വാഭാവികമായും, പരമാവധി ഡയറക്‌ടറികൾ അടങ്ങുന്ന ബജറ്റ് ലൈനിൽ ഉള്ളത്ര ഡയറക്‌ടറികളുള്ള ബട്ടണുകൾ റിപ്പോർട്ട് പ്രദർശിപ്പിക്കുന്നു. ഏതെങ്കിലും ബജറ്റ് ലൈനിൽ ഒരു റഫറൻസ് പുസ്തകം ഇല്ലെങ്കിൽ, റിപ്പോർട്ടിന് റഫറൻസ് ബുക്കുകളുള്ള ഒരു ബട്ടൺ പോലും ഉണ്ടാകില്ല.

തുടക്കത്തിൽ, OLAP-CUBE എല്ലാ അളവുകളിലും നിർമ്മിച്ചിരിക്കുന്നു. സ്ഥിരസ്ഥിതിയായി, റിപ്പോർട്ട് ആദ്യം നിർമ്മിക്കുമ്പോൾ, അളവുകൾ കൃത്യമായി കാണിച്ചിരിക്കുന്ന മേഖലകളിൽ സ്ഥിതിചെയ്യുന്നു ചിത്രം 6. അതായത്, "തീയതി" പോലുള്ള ഒരു അളവ് ലംബമായ അളവുകൾ (കോളം ഏരിയയിലെ അളവുകൾ), അളവുകൾ "വരി", "ഡയറക്‌ടറി 1", "ഡയറക്‌ടറി 2", "ഡയറക്‌ടറി 3" എന്നിവയിൽ സ്ഥിതിചെയ്യുന്നു. തിരശ്ചീന അളവുകളുടെ വിസ്തീർണ്ണം (ഏരിയ വരികളിലെ അളവുകൾ), കൂടാതെ "വരി തരം" അളവ് "വികസിക്കാത്ത" അളവുകളുടെ (പേജ് ഏരിയയിലെ അളവുകൾ) മേഖലയിലാണ്. ഒരു മാനം അവസാനത്തെ ഏരിയയിലാണെങ്കിൽ, റിപ്പോർട്ടിലെ ഡാറ്റ ആ മാനത്തിൽ "വികസിക്കുകയില്ല".

ഈ അളവുകൾ ഓരോന്നും മൂന്ന് മേഖലകളിൽ ഏതെങ്കിലും സ്ഥാപിക്കാവുന്നതാണ്. അളവുകൾ കൈമാറ്റം ചെയ്തുകഴിഞ്ഞാൽ, പുതിയ മെഷർമെന്റ് കോൺഫിഗറേഷനുമായി പൊരുത്തപ്പെടുന്നതിന് റിപ്പോർട്ട് തൽക്ഷണം പുനർനിർമ്മിക്കുന്നു. ഉദാഹരണത്തിന്, നിങ്ങൾക്ക് റഫറൻസ് ബുക്കുകൾ ഉപയോഗിച്ച് തീയതിയും വരികളും സ്വാപ്പ് ചെയ്യാം. അല്ലെങ്കിൽ നിങ്ങൾക്ക് റഫറൻസ് ബുക്കുകളിലൊന്ന് വെർട്ടിക്കൽ മെഷർമെന്റ് ഏരിയയിലേക്ക് നീക്കാം (കാണുക. അരി. 7). മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, നിങ്ങൾക്ക് OLAP-CUBE-ൽ റിപ്പോർട്ട് "ട്വിസ്റ്റ്" ചെയ്യാനും ഉപയോക്താവിന് ഏറ്റവും സൗകര്യപ്രദമായ റിപ്പോർട്ട് ഔട്ട്പുട്ട് ഓപ്ഷൻ തിരഞ്ഞെടുക്കാനും കഴിയും.

അരി. 7. INTEGRAL സോഫ്റ്റ്‌വെയർ പാക്കേജിന്റെ മെഷർമെന്റ് കോൺഫിഗറേഷൻ മാറ്റിയതിന് ശേഷം ഒരു റിപ്പോർട്ട് പുനർനിർമ്മിക്കുന്നതിനുള്ള ഒരു ഉദാഹരണം

മെഷർമെന്റ് കോൺഫിഗറേഷൻ പ്രധാന ക്യൂബ് ഫോമിലോ മാറ്റുന്ന മാപ്പ് എഡിറ്ററിലോ മാറ്റാവുന്നതാണ് (കാണുക. അരി. 8). ഈ എഡിറ്ററിൽ, നിങ്ങൾക്ക് മൗസ് ഉപയോഗിച്ച് അളവുകൾ ഒരു ഏരിയയിൽ നിന്ന് മറ്റൊന്നിലേക്ക് വലിച്ചിടാനും കഴിയും. കൂടാതെ, നിങ്ങൾക്ക് ഒരു പ്രദേശത്ത് അളവുകൾ സ്വാപ്പ് ചെയ്യാം.

കൂടാതെ, അതേ രൂപത്തിൽ നിങ്ങൾക്ക് ചില അളവെടുപ്പ് പാരാമീറ്ററുകൾ ക്രമീകരിക്കാൻ കഴിയും. ഓരോ അളവുകൾക്കും, നിങ്ങൾക്ക് ആകെത്തുകയുടെ സ്ഥാനം, മൂലകങ്ങളുടെ അടുക്കൽ ക്രമം, മൂലകങ്ങളുടെ പേരുകൾ എന്നിവ ഇഷ്ടാനുസൃതമാക്കാൻ കഴിയും (കാണുക. അരി. 8). റിപ്പോർട്ടിൽ ഏത് ഘടകത്തിന്റെ പേര് പ്രദർശിപ്പിക്കണമെന്ന് നിങ്ങൾക്ക് വ്യക്തമാക്കാനും കഴിയും: ചുരുക്കി (പേര്) അല്ലെങ്കിൽ പൂർണ്ണമായ (FullName).

അരി. 8. INTEGRAL സോഫ്റ്റ്‌വെയർ പാക്കേജിന്റെ മെഷർമെന്റ് മാപ്പ് എഡിറ്റർ

നിങ്ങൾക്ക് അവയിൽ ഓരോന്നിലും നേരിട്ട് അളക്കൽ പാരാമീറ്ററുകൾ എഡിറ്റുചെയ്യാനാകും (കാണുക. അരി. 9). ഇത് ചെയ്യുന്നതിന്, അളക്കൽ പേരിന് അടുത്തുള്ള ബട്ടണിൽ സ്ഥിതിചെയ്യുന്ന ഐക്കണിൽ ക്ലിക്കുചെയ്യുക.

അരി. 9. ഡയറക്ടറി എഡിറ്റ് ചെയ്യുന്നതിനുള്ള ഉദാഹരണം 1 ഉൽപ്പന്നങ്ങളും സേവനങ്ങളും

ഈ എഡിറ്റർ ഉപയോഗിച്ച്, റിപ്പോർട്ടിൽ കാണിക്കേണ്ട ഘടകങ്ങൾ നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാം. സ്ഥിരസ്ഥിതിയായി, എല്ലാ ഘടകങ്ങളും റിപ്പോർട്ടിൽ പ്രദർശിപ്പിക്കും, എന്നാൽ ആവശ്യമെങ്കിൽ, ചില ഘടകങ്ങളോ ഫോൾഡറുകളോ ഒഴിവാക്കാവുന്നതാണ്. ഉദാഹരണത്തിന്, റിപ്പോർട്ടിൽ നിങ്ങൾക്ക് ഒരു ഉൽപ്പന്ന ഗ്രൂപ്പ് മാത്രമേ പ്രദർശിപ്പിക്കേണ്ടതുള്ളൂവെങ്കിൽ, മെഷർമെന്റ് എഡിറ്ററിലെ മറ്റുള്ളവയെല്ലാം നിങ്ങൾ അൺചെക്ക് ചെയ്യേണ്ടതുണ്ട്. അതിനുശേഷം, റിപ്പോർട്ടിൽ ഒരു ഉൽപ്പന്ന ഗ്രൂപ്പ് മാത്രമേ ഉണ്ടാകൂ (കാണുക. അരി. 10).

ഈ എഡിറ്ററിൽ നിങ്ങൾക്ക് ഘടകങ്ങൾ അടുക്കാനും കഴിയും. കൂടാതെ, ഘടകങ്ങൾ വിവിധ രീതികളിൽ പുനഃക്രമീകരിക്കാൻ കഴിയും. അത്തരമൊരു പുനർഗ്രൂപ്പിംഗിന് ശേഷം, റിപ്പോർട്ട് തൽക്ഷണം പുനർനിർമ്മിക്കുന്നു.

അരി. 10. INTEGRAL സോഫ്‌റ്റ്‌വെയർ പാക്കേജിലെ ഒരു ഉൽപ്പന്ന ഗ്രൂപ്പിന്റെ (ഫോൾഡർ) മാത്രം റിപ്പോർട്ടിലെ ഔട്ട്‌പുട്ടിന്റെ ഉദാഹരണം

ഡൈമൻഷൻ എഡിറ്ററിൽ, നിങ്ങൾക്ക് വേഗത്തിൽ നിങ്ങളുടെ സ്വന്തം ഗ്രൂപ്പുകൾ സൃഷ്ടിക്കാനും അവിടെയുള്ള ഡയറക്ടറികളിൽ നിന്ന് ഘടകങ്ങൾ വലിച്ചിടാനും മറ്റും കഴിയും. സ്ഥിരസ്ഥിതിയായി, മറ്റ് ഗ്രൂപ്പ് മാത്രമേ സ്വയമേവ സൃഷ്ടിക്കപ്പെടുകയുള്ളൂ, എന്നാൽ മറ്റ് ഗ്രൂപ്പുകൾ സൃഷ്ടിക്കാൻ കഴിയും. അതിനാൽ, ഡൈമൻഷൻ എഡിറ്റർ ഉപയോഗിച്ച്, റഫറൻസ് ബുക്കുകളുടെ ഏതൊക്കെ ഘടകങ്ങളും റിപ്പോർട്ടിൽ ഏത് ക്രമത്തിലാണ് പ്രദർശിപ്പിക്കേണ്ടതെന്നും നിങ്ങൾക്ക് ക്രമീകരിക്കാൻ കഴിയും.

അത്തരം പുനഃക്രമീകരണങ്ങളെല്ലാം രേഖപ്പെടുത്തിയിട്ടില്ല എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. അതായത്, റിപ്പോർട്ട് അടച്ചതിനുശേഷം അല്ലെങ്കിൽ അതിന്റെ വീണ്ടും കണക്കുകൂട്ടലിന് ശേഷം, ക്രമീകരിച്ച രീതിശാസ്ത്രത്തിന് അനുസൃതമായി എല്ലാ ഡയറക്ടറികളും റിപ്പോർട്ടിൽ പ്രദർശിപ്പിക്കും.

വാസ്തവത്തിൽ, ലൈനുകൾ സജ്ജീകരിക്കുമ്പോൾ അത്തരം മാറ്റങ്ങളെല്ലാം തുടക്കത്തിൽ തന്നെ വരുത്താമായിരുന്നു.

ഉദാഹരണത്തിന്, നിയന്ത്രണങ്ങൾ ഉപയോഗിച്ച് റിപ്പോർട്ടിൽ ഏതൊക്കെ എലമെന്റുകളോ ഡയറക്‌ടറികളുടെ ഗ്രൂപ്പുകളോ പ്രദർശിപ്പിക്കണമെന്നും ഏതൊക്കെ ചെയ്യരുതെന്നും നിങ്ങൾക്ക് വ്യക്തമാക്കാം.

കുറിപ്പ്: ഈ ലേഖനത്തിന്റെ വിഷയം വർക്ക്ഷോപ്പുകളിൽ കൂടുതൽ വിശദമായി ചർച്ചചെയ്യുന്നു "ഒരു എന്റർപ്രൈസസിന്റെ ബജറ്റ് മാനേജ്മെന്റ്"ഒപ്പം "മാനേജ്മെന്റ് അക്കൗണ്ടിംഗിന്റെ ഓർഗനൈസേഷനും ഓട്ടോമേഷനും"ഈ ലേഖനത്തിന്റെ രചയിതാവ് അലക്സാണ്ടർ കാർപോവ് നടത്തിയതാണ്.

റിപ്പോർട്ടിലെ ചില ഘടകങ്ങളോ ഡയറക്‌ടറി ഫോൾഡറുകളോ മാത്രം ഉപയോക്താവിന് പതിവായി പ്രദർശിപ്പിക്കേണ്ടതുണ്ടെങ്കിൽ, റിപ്പോർട്ട് ലൈനുകൾ സൃഷ്ടിക്കുമ്പോൾ അത്തരം ക്രമീകരണങ്ങൾ മുൻകൂട്ടി ചെയ്യുന്നതാണ് നല്ലത്. റിപ്പോർട്ടുകളിലെ ഡയറക്‌ടറി ഘടകങ്ങളുടെ വിവിധ കോമ്പിനേഷനുകൾ ഉപയോക്താവിന് പ്രധാനമാണെങ്കിൽ, മെത്തഡോളജി സജ്ജീകരിക്കുമ്പോൾ നിയന്ത്രണങ്ങളൊന്നും സജ്ജീകരിക്കേണ്ട ആവശ്യമില്ല. മെഷർമെന്റ് എഡിറ്റർ ഉപയോഗിച്ച് അത്തരം നിയന്ത്രണങ്ങളെല്ലാം വേഗത്തിൽ ക്രമീകരിക്കാൻ കഴിയും.

/ ഒരു ക്യൂബിസ്റ്റ് രീതിയിൽ. വലിയ കമ്പനികളുടെ മാനേജ്മെന്റ് പ്രാക്ടീസിൽ OLAP ക്യൂബുകളുടെ പ്രയോഗം

എന്നിവരുമായി ബന്ധപ്പെട്ടു

സഹപാഠികൾ

കോൺസ്റ്റാന്റിൻ ടോക്മാചേവ്, സിസ്റ്റം ആർക്കിടെക്റ്റ്

ഒരു ക്യൂബിസ്റ്റ് ശൈലിയിൽ.
വലിയ കമ്പനികളുടെ മാനേജ്മെന്റ് പ്രാക്ടീസിൽ OLAP ക്യൂബുകളുടെ പ്രയോഗം

ഒരു കോർപ്പറേഷന്റെ കമ്പ്യൂട്ടിംഗ് ഉറവിടങ്ങൾ വിവരങ്ങളും അക്കൌണ്ടിംഗ് റിപ്പോർട്ടുകളും രേഖപ്പെടുത്തുന്നതിന് മാത്രം ചെലവഴിച്ച സമയം കടന്നുപോയി. അതേ സമയം, ഓഫീസുകളിലും മീറ്റിംഗുകളിലും മീറ്റിംഗുകളിലും മാനേജ്മെന്റ് തീരുമാനങ്ങൾ "കണ്ണുകൊണ്ട്" എടുക്കപ്പെട്ടു. ഒരുപക്ഷേ റഷ്യയിൽ കോർപ്പറേറ്റ് കമ്പ്യൂട്ടിംഗ് സിസ്റ്റങ്ങളെ അവയുടെ പ്രധാന ഉറവിടത്തിലേക്ക് തിരികെ കൊണ്ടുവരാനുള്ള സമയമാണിത് - കമ്പ്യൂട്ടറിൽ രജിസ്റ്റർ ചെയ്ത ഡാറ്റയെ അടിസ്ഥാനമാക്കി മാനേജ്മെന്റ് പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നു

ബിസിനസ് അനലിറ്റിക്‌സിന്റെ നേട്ടങ്ങളെക്കുറിച്ച്

കോർപ്പറേറ്റ് മാനേജുമെന്റ് ലൂപ്പിൽ, നിയന്ത്രിത വസ്തുവിനെ സ്വാധീനിക്കുന്ന "റോ" ഡാറ്റയ്ക്കും "ലിവറുകൾക്കും" ഇടയിൽ, "പ്രകടന സൂചകങ്ങൾ" - കെപിഐകൾ ഉണ്ട്. നിയന്ത്രിത വസ്തുവിന്റെ വിവിധ ഉപസിസ്റ്റങ്ങളുടെ അവസ്ഥയെ പ്രതിഫലിപ്പിക്കുന്ന ഒരുതരം "ഡാഷ്ബോർഡ്" അവ രൂപപ്പെടുത്തുന്നു. വിവരദായക പ്രകടന സൂചകങ്ങൾ ഉപയോഗിച്ച് കമ്പനിയെ സജ്ജമാക്കുകയും അവയുടെ കണക്കുകൂട്ടലും ലഭിച്ച മൂല്യങ്ങളും നിരീക്ഷിക്കുകയും ചെയ്യുന്നത് ഒരു ബിസിനസ് അനലിസ്റ്റിന്റെ ജോലിയാണ്. MS SQL സെർവർ അനാലിസിസ് സർവീസസ് (SSAS) യൂട്ടിലിറ്റിയും അതിന്റെ പ്രധാന ഉപകരണമായ OLAP ക്യൂബും പോലുള്ള ഓട്ടോമേറ്റഡ് വിശകലന സേവനങ്ങൾക്ക് കോർപ്പറേഷന്റെ വിശകലന പ്രവർത്തനങ്ങൾ സംഘടിപ്പിക്കുന്നതിൽ കാര്യമായ സഹായം നൽകാൻ കഴിയും.

ഇവിടെ ഒരു കാര്യം കൂടി പറയേണ്ടതുണ്ട്. നമുക്ക് പറയാം, അമേരിക്കൻ പാരമ്പര്യത്തിൽ, OLAP ക്യൂബുകൾക്കൊപ്പം പ്രവർത്തിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഒരു പ്രത്യേകതയെ BI (ബിസിനസ് ഇന്റലിജൻസ്) എന്ന് വിളിക്കുന്നു. അമേരിക്കൻ ബിഐ റഷ്യൻ "ബിസിനസ് അനലിസ്റ്റുമായി" യോജിക്കുന്നുവെന്ന മിഥ്യാധാരണകളൊന്നും ഉണ്ടാകരുത്. കുറ്റമില്ല, പക്ഷേ പലപ്പോഴും ഞങ്ങളുടെ ബിസിനസ്സ് അനലിസ്റ്റ് "അണ്ടർ-അക്കൗണ്ടന്റ്", "അണ്ടർ-പ്രോഗ്രാമർ" ആണ്, അവ്യക്തമായ അറിവും ചെറിയ ശമ്പളവുമുള്ള ഒരു സ്പെഷ്യലിസ്റ്റാണ്, അദ്ദേഹത്തിന് സ്വന്തമായി ഉപകരണങ്ങളും രീതിശാസ്ത്രവും ഒന്നുമില്ല.

ഒരു BI സ്പെഷ്യലിസ്റ്റ്, വാസ്തവത്തിൽ, ഒരു അപ്ലൈഡ് ഗണിതശാസ്ത്രജ്ഞനാണ്, ആധുനിക ഗണിതശാസ്ത്ര രീതികൾ കമ്പനിയുടെ ആയുധപ്പുരയിൽ ഉൾപ്പെടുത്തുന്ന ഉയർന്ന യോഗ്യതയുള്ള ഒരു സ്പെഷ്യലിസ്റ്റാണ് (ഓപ്പറേഷൻ റിസർച്ച് - പ്രവർത്തന ഗവേഷണ രീതികൾ എന്ന് വിളിക്കുന്നത്). മോസ്കോ സ്റ്റേറ്റ് യൂണിവേഴ്സിറ്റിയിലെ കംപ്യൂട്ടേഷണൽ മാത്തമാറ്റിക്സ് ആൻഡ് മാത്തമാറ്റിക്സ് ഫാക്കൽറ്റിയിൽ നിന്ന് ബിരുദം നേടിയ സോവിയറ്റ് യൂണിയനിൽ ഒരിക്കൽ ഉണ്ടായിരുന്ന സ്പെഷ്യാലിറ്റി "സിസ്റ്റം അനലിസ്റ്റുമായി" BI കൂടുതൽ സ്ഥിരത പുലർത്തുന്നു. എം.വി. ലോമോനോസോവ്. OLAP ക്യൂബും വിശകലന സേവനങ്ങളും ഒരു റഷ്യൻ ബിസിനസ് അനലിസ്റ്റിന്റെ ജോലിസ്ഥലത്തിന് ഒരു നല്ല അടിത്തറയായി മാറും, ഒരുപക്ഷേ അമേരിക്കൻ ബിഐയുടെ ദിശയിലുള്ള ചില നൂതന പരിശീലനത്തിന് ശേഷം.

ഈയിടെ, മറ്റൊരു ഹാനികരമായ പ്രവണത ഉയർന്നുവന്നിട്ടുണ്ട്. സ്പെഷ്യലൈസേഷന് നന്ദി, വിവിധ വിഭാഗങ്ങളിലെ കോർപ്പറേഷൻ ജീവനക്കാർ തമ്മിലുള്ള പരസ്പര ധാരണ നഷ്ടപ്പെട്ടു. I.A. യുടെ കെട്ടുകഥയിലെ "ഒരു ഹംസം, ഒരു കൊഞ്ച്, ഒരു പൈക്ക്" പോലെയുള്ള ഒരു അക്കൗണ്ടന്റും മാനേജരും പ്രോഗ്രാമറും. ക്രൈലോവ്, കോർപ്പറേഷനെ വ്യത്യസ്ത ദിശകളിലേക്ക് വലിക്കുന്നു.

അക്കൗണ്ടന്റ് റിപ്പോർട്ടിംഗിൽ തിരക്കിലാണ്; അർത്ഥത്തിലും ചലനാത്മകതയിലും അവന്റെ തുകകൾ കമ്പനിയുടെ ബിസിനസ്സ് പ്രക്രിയയുമായി നേരിട്ട് ബന്ധപ്പെട്ടിട്ടില്ല.

മാനേജർ തന്റെ ബിസിനസ്സ് പ്രക്രിയയിൽ തിരക്കിലാണ്, പക്ഷേ ആഗോളതലത്തിൽ, കമ്പനിയുടെ മൊത്തത്തിലുള്ള തലത്തിൽ, അവന്റെ പ്രവർത്തനങ്ങളുടെ ഫലങ്ങളും സാധ്യതകളും വിലയിരുത്താൻ കഴിയില്ല.

അവസാനമായി, ഒരു കാലത്ത് (അദ്ദേഹത്തിന്റെ വിദ്യാഭ്യാസത്തിന് നന്ദി) സയൻസ് മേഖല മുതൽ ബിസിനസ്സ് മേഖലയിലേക്കുള്ള നൂതന സാങ്കേതിക ആശയങ്ങളുടെ ചാലകനായിരുന്ന പ്രോഗ്രാമർ, അക്കൗണ്ടന്റിന്റെയും മാനേജരുടെയും ഫാന്റസികളുടെ നിഷ്ക്രിയ നിർവ്വഹണക്കാരനായി മാറി, അതിനാൽ അത് ഇല്ല. കോർപ്പറേഷനുകളുടെ ഐടി ഡിപ്പാർട്ട്‌മെന്റുകൾ അക്കൗണ്ടന്റുമാരാലും പൊതുവെ മടിയന്മാരല്ലാത്ത എല്ലാവരാലും നയിക്കപ്പെടുന്നത് അസാധാരണമാണ്. മുൻകൈയുടെ അഭാവം, നിരക്ഷരൻ, എന്നാൽ താരതമ്യേന ഉയർന്ന ശമ്പളമുള്ള 1C പ്രോഗ്രാമർ റഷ്യൻ കോർപ്പറേഷനുകളുടെ ഒരു യഥാർത്ഥ വിപത്താണ്. (ഏതാണ്ട് ഒരു ആഭ്യന്തര ഫുട്ബോൾ കളിക്കാരനെപ്പോലെ.) "സാമ്പത്തിക വിദഗ്ധരും അഭിഭാഷകരും" എന്ന് വിളിക്കപ്പെടുന്നവരെക്കുറിച്ച് പോലും ഞാൻ സംസാരിക്കുന്നില്ല; അവരെക്കുറിച്ച് എല്ലാം വളരെക്കാലം മുമ്പ് പറഞ്ഞിട്ടുണ്ട്.

അതിനാൽ, ഒരു ബിസിനസ് അനലിസ്റ്റിന്റെ സ്ഥാനം, വിജ്ഞാന-തീവ്രമായ SSAS ഉപകരണം കൊണ്ട് സജ്ജീകരിച്ചിരിക്കുന്നു, പ്രോഗ്രാമിംഗിന്റെയും അക്കൗണ്ടിംഗിന്റെയും അടിസ്ഥാനകാര്യങ്ങളിൽ പ്രാവീണ്യമുണ്ട്, ബിസിനസ്സ് പ്രക്രിയയുടെ വിശകലനവും പ്രവചനവുമായി ബന്ധപ്പെട്ട് കമ്പനിയുടെ പ്രവർത്തനം ഏകീകരിക്കാൻ പ്രാപ്തമാണ്.

OLAP ക്യൂബുകളുടെ പ്രയോജനങ്ങൾ

ഒരു കോർപ്പറേറ്റ് കമ്പ്യൂട്ടർ സിസ്റ്റം ഡാറ്റാബേസ് വിശകലനം ചെയ്യുന്നതിനുള്ള ഒരു ആധുനിക ഉപകരണമാണ് OLAP ക്യൂബ്, അത് ശ്രേണിയുടെ എല്ലാ തലങ്ങളിലുമുള്ള ജീവനക്കാർക്ക് കമ്പനിയുടെ ഉൽപ്പാദന പ്രക്രിയയെ ചിത്രീകരിക്കുന്ന ആവശ്യമായ സൂചകങ്ങൾ നൽകാൻ നിങ്ങളെ അനുവദിക്കുന്നു. MDX ക്യൂബിനായുള്ള സൗകര്യപ്രദമായ ഇന്റർഫേസും വഴക്കമുള്ള അന്വേഷണ ഭാഷയും (മൾട്ടിഡൈമൻഷണൽ എക്‌സ്‌പ്രഷനുകൾ) ആവശ്യമായ വിശകലന സൂചകങ്ങൾ രൂപപ്പെടുത്താനും കണക്കാക്കാനും നിങ്ങളെ അനുവദിക്കുന്നു എന്നത് മാത്രമല്ല, OLAP ക്യൂബ് ഇത് ചെയ്യുന്നതിന്റെ ശ്രദ്ധേയമായ വേഗതയും എളുപ്പവുമാണ്. മാത്രമല്ല, ഈ വേഗതയും എളുപ്പവും, ചില പരിധിക്കുള്ളിൽ, കണക്കുകൂട്ടലുകളുടെ സങ്കീർണ്ണതയെയും ഡാറ്റാബേസിന്റെ വലുപ്പത്തെയും ആശ്രയിക്കുന്നില്ല.

OLAP-നുള്ള ചില ആമുഖം-
MS Excel-ന്റെ "പിവറ്റ് ടേബിൾ" വഴി ക്യൂബ് നൽകാം. ഈ ഒബ്‌ജക്‌റ്റുകൾക്ക് സമാനമായ ലോജിക്കും സമാന ഇന്റർഫേസുകളുമുണ്ട്. പക്ഷേ, ലേഖനത്തിൽ നിന്ന് കാണുന്നത് പോലെ, OLAP പ്രവർത്തനക്ഷമത താരതമ്യപ്പെടുത്താനാവാത്തവിധം സമ്പന്നമാണ്, കൂടാതെ പ്രകടനം താരതമ്യപ്പെടുത്താനാവാത്തവിധം ഉയർന്നതാണ്, അതിനാൽ "പിവറ്റ് ടേബിൾ" ഒരു പ്രാദേശിക ഡെസ്ക്ടോപ്പ് ഉൽപ്പന്നമായി തുടരുന്നു, അതേസമയം OLAP ഒരു എന്റർപ്രൈസ്-ലെവൽ ഉൽപ്പന്നമാണ്.

വിശകലന പ്രശ്‌നങ്ങൾ പരിഹരിക്കുന്നതിന് OLAP ക്യൂബ് ഏറ്റവും അനുയോജ്യമായത് എന്തുകൊണ്ട്? സാധ്യമായ എല്ലാ വിഭാഗങ്ങളിലെയും എല്ലാ സൂചകങ്ങളും മുൻകൂട്ടി കണക്കാക്കുന്ന വിധത്തിലാണ് OLAP ക്യൂബ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത് (പൂർണ്ണമായോ ഭാഗികമായോ), കൂടാതെ ഉപയോക്താവിന് ആവശ്യമായ സൂചകങ്ങളും (അളവുകൾ) അളവുകളും (അളവുകൾ) മാത്രമേ "പുറന്തള്ളാൻ" കഴിയൂ. മൗസ്, കൂടാതെ പ്രോഗ്രാമിന് പട്ടികകൾ വീണ്ടും വരയ്ക്കാൻ കഴിയും.

എല്ലാ വിഭാഗങ്ങളിലും സാധ്യമായ എല്ലാ വിശകലനങ്ങളും ഒരു വലിയ ഫീൽഡ് ഉണ്ടാക്കുന്നു, അല്ലെങ്കിൽ, ഒരു ഫീൽഡ് അല്ല, മറിച്ച് ഒരു മൾട്ടിഡൈമൻഷണൽ OLAP ക്യൂബ് മാത്രമാണ്. ഉപയോക്താവ് (മാനേജർ, ബിസിനസ് അനലിസ്റ്റ്, എക്സിക്യൂട്ടീവ്) അനലിറ്റിക്‌സ് സേവനത്തിലേക്ക് തിരിയുന്ന ഏത് അഭ്യർത്ഥനയും, പ്രതികരണത്തിന്റെ വേഗത രണ്ട് കാര്യങ്ങളാൽ വിശദീകരിക്കപ്പെടുന്നു: ഒന്നാമതായി, ആവശ്യമായ അനലിറ്റിക്‌സ് എളുപ്പത്തിൽ രൂപപ്പെടുത്താൻ കഴിയും (ഒന്നുകിൽ ഒരു ലിസ്റ്റിൽ നിന്ന് പേര് പ്രകാരം തിരഞ്ഞെടുത്തു, അല്ലെങ്കിൽ വ്യക്തമാക്കുന്നു. MDX ഭാഷയിലെ ഫോർമുല ), രണ്ടാമതായി, ഒരു ചട്ടം പോലെ, ഇത് ഇതിനകം കണക്കാക്കിയിട്ടുണ്ട്.

അനലിറ്റിക്സിന്റെ രൂപീകരണം മൂന്ന് ഓപ്ഷനുകളിൽ സാധ്യമാണ്: ഇത് ഒന്നുകിൽ ഒരു ഡാറ്റാബേസ് ഫീൽഡ് (അല്ലെങ്കിൽ, ഒരു വെയർഹൗസ് ഫീൽഡ്), അല്ലെങ്കിൽ ക്യൂബ് ഡിസൈൻ തലത്തിൽ നിർവചിച്ചിരിക്കുന്ന ഒരു കണക്കുകൂട്ടൽ ഫീൽഡ് അല്ലെങ്കിൽ ക്യൂബുമായി സംവേദനാത്മകമായി പ്രവർത്തിക്കുമ്പോൾ ഒരു MDX ഭാഷാ എക്സ്പ്രഷൻ.

ഇതിനർത്ഥം OLAP ക്യൂബുകളുടെ ആകർഷകമായ നിരവധി സവിശേഷതകൾ എന്നാണ്. അടിസ്ഥാനപരമായി, ഉപയോക്താവും ഡാറ്റയും തമ്മിലുള്ള തടസ്സം അപ്രത്യക്ഷമാകുന്നു. തടസ്സം ഒരു ആപ്ലിക്കേഷൻ പ്രോഗ്രാമറുടെ രൂപത്തിലാണ്, ആദ്യം, പ്രശ്നം വിശദീകരിക്കേണ്ടതുണ്ട് (ഒരു ടാസ്ക് സജ്ജമാക്കുക). രണ്ടാമതായി, ആപ്ലിക്കേഷൻ പ്രോഗ്രാമർ ഒരു അൽഗോരിതം സൃഷ്ടിക്കുന്നതിനും പ്രോഗ്രാം എഴുതുന്നതിനും ഡീബഗ് ചെയ്യുന്നതിനുമായി നിങ്ങൾ കാത്തിരിക്കേണ്ടിവരും, തുടർന്ന് അത് പരിഷ്‌ക്കരിക്കാം. നിരവധി ജീവനക്കാരുണ്ടെങ്കിൽ അവരുടെ ആവശ്യകതകൾ വ്യത്യസ്തവും മാറ്റാവുന്നതുമാണെങ്കിൽ, ആപ്ലിക്കേഷൻ പ്രോഗ്രാമർമാരുടെ ഒരു ടീം ആവശ്യമാണ്. ഈ അർത്ഥത്തിൽ, ഒരു OLAP ക്യൂബ് (ഒപ്പം ഒരു യോഗ്യതയുള്ള ബിസിനസ്സ് അനലിസ്റ്റും) ഒരു മുഴുവൻ ആപ്ലിക്കേഷൻ പ്രോഗ്രാമർമാരുടെ ടീമിനെയും വിശകലന പ്രവർത്തനത്തിന്റെ കാര്യത്തിൽ മാറ്റിസ്ഥാപിക്കുന്നു, ഒരു എക്‌സ്‌കവേറ്റർ ഓപ്പറേറ്ററുള്ള ഒരു ശക്തമായ എക്‌സ്‌കവേറ്റർ ഒരു കുഴി കുഴിക്കുമ്പോൾ ഒരു മുഴുവൻ കുടിയേറ്റ തൊഴിലാളികളെയും കോരിക ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നതുപോലെ!

അതേ സമയം, ലഭിച്ച അനലിറ്റിക്കൽ ഡാറ്റയുടെ മറ്റൊരു വളരെ പ്രധാനപ്പെട്ട ഗുണനിലവാരം കൈവരിക്കുന്നു. മുഴുവൻ കമ്പനിക്കും ഒരു OLAP ക്യൂബ് മാത്രമുള്ളതിനാൽ, അതായത്. ഡാറ്റയിലെ ശല്യപ്പെടുത്തുന്ന പൊരുത്തക്കേടുകൾ ഇല്ലാതാക്കുന്ന എല്ലാവർക്കുമായി അനലിസ്റ്റുകളുള്ള ഒരേ മേഖലയാണിത്. ആത്മനിഷ്ഠതയുടെ ഘടകം ഇല്ലാതാക്കാൻ മാനേജർക്ക് ഒരേ ചുമതല നിരവധി സ്വതന്ത്ര ജീവനക്കാരോട് ചോദിക്കേണ്ടിവരുമ്പോൾ, അവർ ഇപ്പോഴും വ്യത്യസ്തമായ ഉത്തരങ്ങൾ നൽകുന്നു, അത് എങ്ങനെയെങ്കിലും വിശദീകരിക്കാൻ എല്ലാവരും ഏറ്റെടുക്കുന്നു. കോർപ്പറേറ്റ് ശ്രേണിയുടെ വിവിധ തലങ്ങളിൽ അനലിറ്റിക്കൽ ഡാറ്റയുടെ ഏകീകൃതത OLAP ക്യൂബ് ഉറപ്പാക്കുന്നു, അതായത്. ഒരു മാനേജർ തനിക്ക് താൽപ്പര്യമുള്ള ഒരു പ്രത്യേക സൂചകം വിശദീകരിക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, അവൻ തീർച്ചയായും അവന്റെ കീഴിലുള്ള ഉദ്യോഗസ്ഥൻ പ്രവർത്തിക്കുന്ന താഴ്ന്ന നിലയിലുള്ള ഡാറ്റയിലേക്ക് വരും, ഇത് കൃത്യമായി ഉയർന്ന തലത്തിലുള്ള സൂചകം കണക്കാക്കിയ ഡാറ്റയായിരിക്കും. , മറ്റ് ചില ഡാറ്റയല്ല, മറ്റേതെങ്കിലും രീതിയിൽ, മറ്റേതെങ്കിലും സമയത്ത്, മുതലായവ സ്വീകരിച്ചു. അതായത്, മുഴുവൻ കമ്പനിയും ഒരേ അനലിറ്റിക്‌സ് കാണുന്നു, എന്നാൽ അഗ്രഗേഷന്റെ വ്യത്യസ്ത തലങ്ങളിൽ.

ഒരു ഉദാഹരണം പറയാം. സ്വീകാര്യമായ അക്കൗണ്ടുകൾ മാനേജർ നിയന്ത്രിക്കുന്നുവെന്ന് നമുക്ക് പറയാം. കാലഹരണപ്പെട്ട സ്വീകാര്യതയ്ക്കുള്ള കെപിഐ പച്ചയായിരിക്കുന്നിടത്തോളം, എല്ലാം സാധാരണമാണെന്നും മാനേജ്മെന്റ് നടപടികളൊന്നും ആവശ്യമില്ലെന്നും അർത്ഥമാക്കുന്നു. നിറം മഞ്ഞയോ ചുവപ്പോ ആയി മാറിയെങ്കിൽ, എന്തോ കുഴപ്പമുണ്ട്: ഞങ്ങൾ സെയിൽസ് ഡിപ്പാർട്ട്മെന്റുകൾ വഴി കെപിഐകൾ വെട്ടി, ഉടൻ തന്നെ വകുപ്പുകൾ "ചുവപ്പിൽ" കാണും. മാനേജർമാരുടെ അടുത്ത വിഭാഗം - പേയ്‌മെന്റുകളിൽ ക്ലയന്റുകൾ പിന്നിലുള്ള വിൽപ്പനക്കാരനും തിരിച്ചറിയപ്പെടുന്നു. (കൂടാതെ, കാലഹരണപ്പെട്ട തുക ഉപഭോക്താക്കൾക്ക്, നിബന്ധനകൾ മുതലായവ പ്രകാരം വിഭജിക്കാം.) കോർപ്പറേഷൻ മേധാവിക്ക് ഏത് തലത്തിലും നിയമലംഘകരുമായി നേരിട്ട് ബന്ധപ്പെടാം. എന്നാൽ പൊതുവേ, ഒരേ കെപിഐ (അവരുടെ ശ്രേണി തലങ്ങളിൽ) ഡിപ്പാർട്ട്മെന്റ് മേധാവികളും സെയിൽസ് മാനേജർമാരും കാണുന്നു. അതിനാൽ, സാഹചര്യം ശരിയാക്കാൻ, "കോൾ ഓൺ ദി കാർപെറ്റിനായി" അവർ കാത്തിരിക്കേണ്ടതില്ല... തീർച്ചയായും, കെപിഐ തന്നെ കാലഹരണപ്പെട്ട പേയ്‌മെന്റുകളുടെ തുക ആയിരിക്കണമെന്നില്ല - അത് കാലഹരണപ്പെട്ട പേയ്‌മെന്റുകളുടെ വെയ്റ്റഡ് ശരാശരി കാലയളവ് അല്ലെങ്കിൽ പൊതുവേ, സ്വീകാര്യതകളുടെ വിറ്റുവരവിന്റെ നിരക്ക്.

MDX ഭാഷയുടെ സങ്കീർണ്ണതയും വഴക്കവും, വേഗതയേറിയ (ചിലപ്പോൾ തൽക്ഷണം) ഫലങ്ങളോടൊപ്പം, സങ്കീർണ്ണമായ നിയന്ത്രണ ജോലികൾ പരിഹരിക്കാൻ (വികസനത്തിന്റെയും ഡീബഗ്ഗിംഗിന്റെയും ഘട്ടങ്ങൾ കണക്കിലെടുത്ത്) ഞങ്ങളെ അനുവദിക്കുന്നു. ആപ്ലിക്കേഷൻ പ്രോഗ്രാമർമാരുടെ സങ്കീർണ്ണതയും ഫോർമുലേഷനിലെ പ്രാരംഭ അനിശ്ചിതത്വവും കാരണം. (പ്രായോഗികമായി സാഹചര്യങ്ങൾ മാറുമ്പോൾ, ശരിയായി മനസ്സിലാക്കാത്ത ഫോർമുലേഷനുകളും പ്രോഗ്രാമുകളുടെ ദൈർഘ്യമേറിയ പരിഷ്കാരങ്ങളും കാരണം വിശകലന പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ ആപ്ലിക്കേഷൻ പ്രോഗ്രാമർമാർക്കുള്ള ദൈർഘ്യമേറിയ സമയപരിധി.)

കമ്പനിയിലെ ഓരോ ജീവനക്കാരനും പൊതുമേഖലയിൽ നിന്ന് ഒരു OLAP അനലിസ്റ്റിന് അവന്റെ ജോലിക്ക് ആവശ്യമായ വിളവെടുപ്പ് കൃത്യമായി ശേഖരിക്കാനാകുമെന്ന വസ്തുതയും നമുക്ക് ശ്രദ്ധിക്കാം, മാത്രമല്ല വർഗീയതയിൽ അവനുവേണ്ടി മുറിച്ചെടുത്ത “സ്ട്രിപ്പിൽ” തൃപ്തിപ്പെടരുത്. "സ്റ്റാൻഡേർഡ് റിപ്പോർട്ടുകൾ".

ക്ലയന്റ്-സെർവർ മോഡിൽ ഒരു OLAP ക്യൂബ് ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നതിനുള്ള മൾട്ടി-യൂസർ ഇന്റർഫേസ്, ഓരോ ജീവനക്കാരനെയും മറ്റുള്ളവരിൽ നിന്ന് സ്വതന്ത്രമായി, അവരുടേതായ (ചില വൈദഗ്ധ്യം ഉപയോഗിച്ച് സ്വയം നിർമ്മിച്ചത് പോലും) അനലിറ്റിക്സ് ബ്ലോക്കുകൾ (റിപ്പോർട്ടുകൾ) അനുവദിക്കുന്നു, അവ ഒരിക്കൽ നിർവചിച്ചാൽ, സ്വയമേവ അപ്ഡേറ്റ് ചെയ്തു - മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, അവ എല്ലായ്പ്പോഴും കാലികമാണ്.

അതായത്, വിശകലന പ്രവർത്തനങ്ങൾ നടത്താൻ OLAP ക്യൂബ് നിങ്ങളെ അനുവദിക്കുന്നു (ഇത് യഥാർത്ഥത്തിൽ റിസപ്ഷൻ അനലിസ്റ്റുകൾ മാത്രമല്ല, വാസ്തവത്തിൽ, കമ്പനിയിലെ മിക്കവാറും എല്ലാ ജീവനക്കാരും, ബാലൻസുകളും ഷിപ്പ്മെന്റുകളും നിയന്ത്രിക്കുന്ന ലോജിസ്റ്റിഷ്യൻമാരും മാനേജർമാരും പോലും) കൂടുതൽ തിരഞ്ഞെടുക്കുന്നു, "പൊതുവാക്കിൽ അല്ല" , ഇത് ജോലി മെച്ചപ്പെടുത്തുന്നതിനും ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനുമുള്ള സാഹചര്യങ്ങൾ സൃഷ്ടിക്കുന്നു.

ഞങ്ങളുടെ ആമുഖം സംഗ്രഹിക്കാൻ, OLAP ക്യൂബുകളുടെ ഉപയോഗം ഒരു കമ്പനിയുടെ മാനേജ്മെന്റിനെ ഉയർന്ന തലത്തിലേക്ക് ഉയർത്താൻ കഴിയുമെന്ന് ഞങ്ങൾ ശ്രദ്ധിക്കുന്നു. ശ്രേണിയുടെ എല്ലാ തലങ്ങളിലുമുള്ള അനലിറ്റിക്കൽ ഡാറ്റയുടെ ഏകീകൃതത, അവയുടെ വിശ്വാസ്യത, സങ്കീർണ്ണത, സൂചകങ്ങൾ സൃഷ്ടിക്കുന്നതിനും പരിഷ്‌ക്കരിക്കുന്നതിനുമുള്ള എളുപ്പം, വ്യക്തിഗത ക്രമീകരണങ്ങൾ, ഡാറ്റ പ്രോസസ്സിംഗിന്റെ ഉയർന്ന വേഗത, ഒടുവിൽ, ഇതര വിശകലന പാതകളെ പിന്തുണയ്ക്കുന്നതിനായി ചെലവഴിക്കുന്ന പണവും സമയവും ലാഭിക്കൽ (അപ്ലിക്കേഷൻ പ്രോഗ്രാമർമാർ, ജീവനക്കാരുടെ സ്വതന്ത്ര കണക്കുകൂട്ടലുകൾ) വലിയ റഷ്യൻ കമ്പനികളുടെ പ്രയോഗത്തിൽ OLAP ക്യൂബുകൾ ഉപയോഗിക്കുന്നതിനുള്ള സാധ്യതകൾ തുറക്കുന്നു.

OLTP + OLAP: കമ്പനി മാനേജ്‌മെന്റ് ശൃംഖലയിലെ ഫീഡ്‌ബാക്ക് ലൂപ്പ്

OLAP ക്യൂബുകളുടെ പൊതുവായ ആശയവും കോർപ്പറേറ്റ് മാനേജ്മെന്റ് ശൃംഖലയിലെ അവയുടെ പ്രയോഗത്തിന്റെ പോയിന്റും നോക്കാം. OLAP (ഓൺലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്) എന്ന പദം ബ്രിട്ടീഷ് ഗണിതശാസ്ത്രജ്ഞനായ എഡ്ഗർ കോഡ് തന്റെ മുമ്പ് അവതരിപ്പിച്ച OLTP (ഓൺലൈൻ ഇടപാടുകൾ പ്രോസസ്സിംഗ്) കൂടാതെ അവതരിപ്പിച്ചു. ഇത് പിന്നീട് ചർച്ച ചെയ്യപ്പെടും, എന്നാൽ E. കോഡ്, തീർച്ചയായും, നിബന്ധനകൾ മാത്രമല്ല, OLTP, OLAP എന്നിവയുടെ ഗണിതശാസ്ത്ര സിദ്ധാന്തങ്ങളും നിർദ്ദേശിച്ചു. വിശദാംശങ്ങളിലേക്ക് കടക്കാതെ, ആധുനിക വ്യാഖ്യാനത്തിൽ, OLTP എന്നത് ഒരു റിലേഷണൽ ഡാറ്റാബേസാണ്, ഇത് വിവരങ്ങൾ രേഖപ്പെടുത്തുന്നതിനും സൂക്ഷിക്കുന്നതിനും വീണ്ടെടുക്കുന്നതിനുമുള്ള ഒരു സംവിധാനമായി കണക്കാക്കപ്പെടുന്നു.

പരിഹാര രീതിശാസ്ത്രം

1C7, 1C8, MS Dynamics AX പോലുള്ള ERP സിസ്റ്റങ്ങൾക്ക് (എന്റർപ്രൈസ് റിസോഴ്‌സ് പ്ലാനിംഗ്) ഉപയോക്തൃ-അധിഷ്ഠിത സോഫ്റ്റ്‌വെയർ ഇന്റർഫേസുകളും (ഡോക്യുമെന്റുകൾ നൽകുന്നതും എഡിറ്റുചെയ്യുന്നതും മുതലായവ) ഒരു റിലേഷണൽ ഡാറ്റാബേസും (DB) ഉണ്ട്, ഇന്ന് സോഫ്റ്റ്‌വെയർ പ്രതിനിധീകരിക്കുന്നു. MS SQL സെർവർ (SS) പോലുള്ള ഉൽപ്പന്നങ്ങൾ.

ERP സിസ്റ്റം ഡാറ്റാബേസിൽ രജിസ്റ്റർ ചെയ്തിരിക്കുന്ന വിവരങ്ങൾ തീർച്ചയായും വളരെ മൂല്യവത്തായ ഒരു വിഭവമാണെന്ന് ശ്രദ്ധിക്കുക. രജിസ്റ്റർ ചെയ്ത വിവരങ്ങൾ കോർപ്പറേഷന്റെ നിലവിലെ ഡോക്യുമെന്റ് ഫ്ലോ (രേഖകൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യൽ, അവ ക്രമീകരിക്കൽ, അച്ചടിക്കാനും അനുരഞ്ജിപ്പിക്കാനുമുള്ള കഴിവ് മുതലായവ) മാത്രമല്ല സാമ്പത്തിക പ്രസ്താവനകൾ (നികുതികൾ, ഓഡിറ്റ് മുതലായവ) കണക്കാക്കാനുള്ള കഴിവ് മാത്രമല്ല. ). ഒരു മാനേജ്‌മെന്റ് വീക്ഷണകോണിൽ നിന്ന്, OLTP സിസ്റ്റം (റിലേഷണൽ ഡാറ്റാബേസ്) കോർപ്പറേഷന്റെ പ്രവർത്തനങ്ങളുടെ യഥാർത്ഥ ജീവിത വലുപ്പത്തിലുള്ള ഡിജിറ്റൽ മാതൃകയാണെന്നത് വളരെ പ്രധാനമാണ്.

എന്നാൽ പ്രക്രിയ നിയന്ത്രിക്കുന്നതിന്, അതിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ രജിസ്റ്റർ ചെയ്താൽ മാത്രം പോരാ. പ്രക്രിയ അതിന്റെ പുരോഗതിയെ ചിത്രീകരിക്കുന്ന സംഖ്യാ സൂചകങ്ങളുടെ (കെപിഐ) ഒരു സംവിധാനത്തിന്റെ രൂപത്തിൽ അവതരിപ്പിക്കണം. കൂടാതെ, സൂചകങ്ങൾക്കായി മൂല്യങ്ങളുടെ സ്വീകാര്യമായ ശ്രേണികൾ നിർവചിക്കേണ്ടതുണ്ട്. ഇൻഡിക്കേറ്ററിന്റെ മൂല്യം അനുവദനീയമായ ഇടവേളയ്ക്ക് പുറത്താണെങ്കിൽ മാത്രം, ഒരു നിയന്ത്രണ പ്രവർത്തനം പാലിക്കണം.

നിയന്ത്രണത്തിന്റെ ഈ യുക്തിയെ (അല്ലെങ്കിൽ മിത്തോളജി) സംബന്ധിച്ച് ("വ്യതിചലനത്തിലൂടെയുള്ള നിയന്ത്രണം"), പുരാതന ഗ്രീക്ക് തത്ത്വചിന്തകനായ പ്ലേറ്റോ, ബോട്ട് ഗതിയിൽ നിന്ന് വ്യതിചലിക്കുമ്പോൾ തുഴയിൽ ചാരി നിൽക്കുന്ന ഹെൽംസ്മാൻ (സൈബർനോസ്) എന്ന ചിത്രം സൃഷ്ടിച്ചു. കമ്പ്യൂട്ടർ യുഗത്തിന്റെ തലേന്ന് സൈബർനെറ്റിക്സ് ശാസ്ത്രം സൃഷ്ടിച്ച അമേരിക്കൻ ഗണിതശാസ്ത്രജ്ഞൻ നോബർട്ട് വീനർ.

OLTP രീതി ഉപയോഗിച്ച് വിവരങ്ങൾ രേഖപ്പെടുത്തുന്നതിനുള്ള സാധാരണ സംവിധാനത്തിന് പുറമേ, മറ്റൊരു സിസ്റ്റം ആവശ്യമാണ് - ശേഖരിച്ച വിവരങ്ങൾ വിശകലനം ചെയ്യുന്നതിനുള്ള ഒരു സംവിധാനം. കൺട്രോൾ ലൂപ്പിൽ മാനേജ്മെന്റും കൺട്രോൾ ഒബ്‌ജക്‌റ്റും തമ്മിലുള്ള ഫീഡ്‌ബാക്കിന്റെ പങ്ക് വഹിക്കുന്ന ഈ ആഡ്-ഓൺ ഒരു OLAP സിസ്റ്റം അല്ലെങ്കിൽ ചുരുക്കത്തിൽ ഒരു OLAP ക്യൂബ് ആണ്.

OLAP-ന്റെ ഒരു സോഫ്‌റ്റ്‌വെയർ നടപ്പിലാക്കൽ എന്ന നിലയിൽ, SSAS എന്ന ചുരുക്കപ്പേരിൽ MS SQL സെർവറിന്റെ സ്റ്റാൻഡേർഡ് ഡെലിവറിയുടെ ഭാഗമായ MS അനാലിസിസ് സർവീസസ് യൂട്ടിലിറ്റി ഞങ്ങൾ പരിഗണിക്കും. E. Codd-ന്റെ പ്ലാൻ അനുസരിച്ച്, OLTP സിസ്റ്റവും റിലേഷണൽ ഡാറ്റാബേസും (SQL സെർവർ) വിവരങ്ങൾ സംഭരിക്കുന്നതിനും വീണ്ടെടുക്കുന്നതിനും നൽകുന്ന അതേ സമഗ്രമായ പ്രവർത്തന സ്വാതന്ത്ര്യം അനലിറ്റിക്സിലെ OLAP ക്യൂബ് നൽകണം എന്നത് ശ്രദ്ധിക്കുക.

OLAP ലോജിസ്റ്റിക്സ്

OLAP ക്യൂബിന്റെ ഓട്ടോമേറ്റഡ് പ്രവർത്തനം അടിസ്ഥാനമാക്കിയുള്ള ബാഹ്യ ഉപകരണങ്ങളുടെയും ആപ്ലിക്കേഷൻ പ്രോഗ്രാമുകളുടെയും സാങ്കേതിക പ്രവർത്തനങ്ങളുടെയും നിർദ്ദിഷ്ട കോൺഫിഗറേഷൻ നോക്കാം.

കോർപ്പറേഷൻ ഒരു ERP സംവിധാനം ഉപയോഗിക്കുന്നതായി ഞങ്ങൾ അനുമാനിക്കും, ഉദാഹരണത്തിന്, 1C7 അല്ലെങ്കിൽ 1C8, അതിനുള്ളിൽ സാധാരണ പോലെ വിവരങ്ങൾ രേഖപ്പെടുത്തുന്നു. ഈ ERP സിസ്റ്റത്തിന്റെ ഡാറ്റാബേസ് ഒരു നിശ്ചിത സെർവറിൽ സ്ഥിതിചെയ്യുന്നു, ഇത് MS SQL സെർവർ പിന്തുണയ്ക്കുന്നു.

MS Analysis Services (SSAS) യൂട്ടിലിറ്റിയുള്ള MS SQL സെർവറും MS SQL സെർവർ മാനേജ്‌മെന്റ് സ്റ്റുഡിയോ, MS C#, MS Excel, MS Visual Studio എന്നിവയുൾപ്പെടെ മറ്റൊരു സെർവറിൽ സോഫ്‌റ്റ്‌വെയർ ഇൻസ്റ്റാൾ ചെയ്‌തിട്ടുണ്ടെന്നും ഞങ്ങൾ അനുമാനിക്കും. ഈ പ്രോഗ്രാമുകൾ ഒരുമിച്ച് ആവശ്യമായ സന്ദർഭം രൂപപ്പെടുത്തുന്നു: OLAP ക്യൂബുകളുടെ ഡെവലപ്പർക്കുള്ള ഉപകരണങ്ങളും ആവശ്യമായ ഇന്റർഫേസുകളും.

SSAS സെർവറിന് ബ്ലാറ്റ് എന്ന് വിളിക്കപ്പെടുന്ന ഒരു സ്വതന്ത്ര പ്രോഗ്രാം ഉണ്ട്, അത് കമാൻഡ് ലൈനിൽ നിന്ന് വിളിക്കാം (പാരാമീറ്ററുകൾക്കൊപ്പം) കൂടാതെ ഒരു മെയിൽ സേവനം നൽകുന്നു.

ലോക്കൽ നെറ്റ്‌വർക്കിലെ ജീവനക്കാരുടെ വർക്ക്‌സ്റ്റേഷനുകളിൽ, മറ്റ് കാര്യങ്ങളിൽ, MS Excel പ്രോഗ്രാമുകൾ (2003-ൽ കുറയാത്ത പതിപ്പുകൾ) ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ട്, കൂടാതെ, MS അനാലിസിസ് സേവനങ്ങളുമായി MS Excel പ്രവർത്തിക്കുന്നുവെന്ന് ഉറപ്പാക്കാൻ ഒരു പ്രത്യേക ഡ്രൈവറും (അനുബന്ധ ഡ്രൈവർ ഇതിനകം ഇല്ലെങ്കിൽ) MS Excel ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്).

വ്യക്തതയ്ക്കായി, ജീവനക്കാരുടെ വർക്ക്സ്റ്റേഷനുകളിൽ Windows XP ഓപ്പറേറ്റിംഗ് സിസ്റ്റവും സെർവറുകളിൽ Windows Server 2008 ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടെന്ന് ഞങ്ങൾ അനുമാനിക്കും. കൂടാതെ, നമുക്ക് MS SQL Server 2005 SQL സെർവറായി ഉപയോഗിക്കുകയും എന്റർപ്രൈസ് പതിപ്പ് (EE) ഇൻസ്റ്റാൾ ചെയ്യുകയും ചെയ്യാം. OLAP ക്യൂബ് ) അല്ലെങ്കിൽ ഡെവലപ്പർ പതിപ്പ് (DE) ഉള്ള സെർവറിൽ. ഈ പതിപ്പുകളിൽ വിളിക്കപ്പെടുന്നവ ഉപയോഗിക്കാൻ കഴിയും. "സെമി-അഡിറ്റീവ് നടപടികൾ", അതായത്. സാധാരണ തുകകൾ ഒഴികെയുള്ള അധിക മൊത്തത്തിലുള്ള പ്രവർത്തനങ്ങൾ (സ്ഥിതിവിവരക്കണക്കുകൾ) (ഉദാഹരണത്തിന്, എക്സ്ട്രീം അല്ലെങ്കിൽ ശരാശരി).

OLAP ക്യൂബ് ഡിസൈൻ (OLAP ക്യൂബിസം)

OLAP ക്യൂബിന്റെ രൂപകൽപ്പനയെക്കുറിച്ച് കുറച്ച് വാക്കുകൾ പറയാം. സ്ഥിതിവിവരക്കണക്കുകളുടെ ഭാഷയിൽ, ആവശ്യമായ എല്ലാ വിഭാഗങ്ങളിലും കണക്കാക്കിയ പ്രകടന സൂചകങ്ങളുടെ ഒരു കൂട്ടമാണ് OLAP ക്യൂബ്, ഉദാഹരണത്തിന്, ഉപഭോക്താക്കൾ, സാധനങ്ങൾ, തീയതികൾ മുതലായവയുടെ വിഭാഗങ്ങളിലെ ഷിപ്പ്മെന്റ് സൂചകം. OLAP ക്യൂബുകളിൽ റഷ്യൻ സാഹിത്യത്തിൽ ഇംഗ്ലീഷിൽ നിന്നുള്ള നേരിട്ടുള്ള വിവർത്തനം കാരണം, സൂചകങ്ങളെ "അളവുകൾ" എന്നും വിഭാഗങ്ങളെ "അളവുകൾ" എന്നും വിളിക്കുന്നു. ഇത് ഗണിതശാസ്ത്രപരമായി ശരിയാണ്, എന്നാൽ വാക്യഘടനാപരമായും അർത്ഥപരമായും വളരെ വിജയകരമല്ല. റഷ്യൻ വാക്കുകൾ "അളവ്", "മാനം", "മാനം" എന്നിവ അർത്ഥത്തിലും അക്ഷരവിന്യാസത്തിലും ഏതാണ്ട് സമാനമാണ്, ഇംഗ്ലീഷ് "അളവ്", "മാനം" എന്നിവ അക്ഷരവിന്യാസത്തിലും അർത്ഥത്തിലും വ്യത്യസ്തമാണ്. അതിനാൽ, പരമ്പരാഗത റഷ്യൻ സ്റ്റാറ്റിസ്റ്റിക്കൽ പദങ്ങളായ "സൂചകം", "കട്ട്" എന്നിവയ്ക്ക് ഞങ്ങൾ മുൻഗണന നൽകുന്നു, അവ അർത്ഥത്തിൽ സമാനമാണ്.

ഡാറ്റ രേഖപ്പെടുത്തുന്ന OLTP സിസ്റ്റവുമായി ബന്ധപ്പെട്ട് OLAP ക്യൂബിന്റെ സോഫ്‌റ്റ്‌വെയർ നടപ്പിലാക്കുന്നതിന് നിരവധി ഓപ്ഷനുകൾ ഉണ്ട്. ഏറ്റവും ലളിതവും വിശ്വസനീയവും വേഗതയേറിയതുമായ ഒരു സ്കീം മാത്രമേ ഞങ്ങൾ പരിഗണിക്കൂ.

ഈ രൂപകൽപ്പനയിൽ, OLAP ഉം OLTP ഉം പട്ടികകൾ പങ്കിടില്ല, കൂടാതെ OLAP അനലിറ്റിക്‌സ് ഉപയോഗ ഘട്ടത്തിന് മുമ്പുള്ള ക്യൂബ് അപ്‌ഡേറ്റ് (പ്രോസസ്) ഘട്ടത്തിൽ കഴിയുന്നത്ര വിശദമായി കണക്കാക്കുന്നു. ഈ പദ്ധതിയെ MOLAP (മൾട്ടിഡൈമൻഷണൽ OLAP) എന്ന് വിളിക്കുന്നു. ഇആർപിയും ഉയർന്ന മെമ്മറി ചെലവും ഉള്ള അസമന്വിതമാണ് ഇതിന്റെ ദോഷങ്ങൾ.

എല്ലാ (ആയിരക്കണക്കിന്) ഇആർപി സിസ്റ്റം റിലേഷണൽ ഡാറ്റാബേസ് ടേബിളുകളും ഒരു ഡാറ്റാ ഉറവിടമായും അവയുടെ എല്ലാ (നൂറുകണക്കിന്) ഫീൽഡുകളും സൂചകങ്ങളായോ വിഭാഗങ്ങളായോ ഉപയോഗിച്ച് ഔപചാരികമായി ഒരു OLAP ക്യൂബ് നിർമ്മിക്കാമെങ്കിലും, വാസ്തവത്തിൽ ഇത് ചെയ്യാൻ പാടില്ല. വിപരീതമായി. ഒരു ക്യൂബിലേക്ക് ലോഡ് ചെയ്യാൻ, "ഷോകേസ്" അല്ലെങ്കിൽ "വെയർഹൗസ്" എന്ന് വിളിക്കപ്പെടുന്ന ഒരു പ്രത്യേക ഡാറ്റാബേസ് തയ്യാറാക്കുന്നത് കൂടുതൽ ശരിയാണ്.

പല കാരണങ്ങൾ നമ്മെ ഇത് ചെയ്യാൻ പ്രേരിപ്പിക്കുന്നു.

• ഒന്നാമതായി,ഒരു യഥാർത്ഥ ഡാറ്റാബേസിലെ പട്ടികകളുമായി OLAP ക്യൂബ് ലിങ്ക് ചെയ്യുന്നത് തീർച്ചയായും സാങ്കേതിക പ്രശ്നങ്ങൾ സൃഷ്ടിക്കും. ഒരു ടേബിളിലെ ഡാറ്റ മാറ്റുന്നത് ക്യൂബിന്റെ പുതുക്കലിന് കാരണമാകും, ഒരു ക്യൂബ് പുതുക്കുന്നത് ഒരു വേഗത്തിലുള്ള പ്രക്രിയയല്ല, അതിനാൽ ക്യൂബ് നിരന്തരമായ പുനർനിർമ്മാണ അവസ്ഥയിലായിരിക്കും; അതേ സമയം, ക്യൂബ് അപ്‌ഡേറ്റ് നടപടിക്രമത്തിന് ഡാറ്റാബേസ് പട്ടികകളുടെ ഡാറ്റ തടയാൻ (വായിക്കുമ്പോൾ) കഴിയും, ഇത് ERP സിസ്റ്റത്തിൽ ഡാറ്റ രജിസ്റ്റർ ചെയ്യുന്നതിൽ ഉപയോക്താക്കളുടെ പ്രവർത്തനം മന്ദഗതിയിലാക്കുന്നു.
• രണ്ടാമതായി, വളരെയധികം സൂചകങ്ങളും മുറിവുകളും ഉള്ളത് സെർവറിലെ ക്യൂബിന്റെ സംഭരണ ​​പ്രദേശം നാടകീയമായി വർദ്ധിപ്പിക്കും. OLAP ക്യൂബ് OLTP സിസ്റ്റത്തിലെന്നപോലെ ഉറവിട ഡാറ്റ മാത്രമല്ല, സാധ്യമായ എല്ലാ വിഭാഗങ്ങളിലും സംഗ്രഹിച്ചിരിക്കുന്ന എല്ലാ സൂചകങ്ങളും (എല്ലാ വിഭാഗങ്ങളുടെയും എല്ലാ കോമ്പിനേഷനുകളും പോലും) സംഭരിക്കുന്നു എന്നത് മറക്കരുത്. കൂടാതെ, ക്യൂബ് അപ്‌ഡേറ്റ് ചെയ്യുന്നതിന്റെ വേഗതയും, ആത്യന്തികമായി, അനലിറ്റിക്‌സും അവ അടിസ്ഥാനമാക്കിയുള്ള ഉപയോക്തൃ റിപ്പോർട്ടുകളും നിർമ്മിക്കുന്നതിനും അപ്‌ഡേറ്റ് ചെയ്യുന്നതിനുമുള്ള വേഗതയും അതിനനുസരിച്ച് മന്ദഗതിയിലാകും.
• മൂന്നാമത്, വളരെയധികം ഫീൽഡുകൾ (സൂചകങ്ങളും വിഭാഗങ്ങളും) OLAP ഡെവലപ്പർ ഇന്റർഫേസിൽ പ്രശ്നങ്ങൾ സൃഷ്ടിക്കും, കാരണം മൂലകങ്ങളുടെ പട്ടിക വളരെ വലുതായിരിക്കും.
• നാലാമതായി, ഡാറ്റ സമഗ്രത ലംഘനങ്ങളോട് OLAP ക്യൂബ് വളരെ സെൻസിറ്റീവ് ആണ്. ക്യൂബ് ഫീൽഡ് കണക്ഷനുകളുടെ ഘടനയിൽ വ്യക്തമാക്കിയ ലിങ്കിൽ കീ ഡാറ്റ സ്ഥിതി ചെയ്യുന്നില്ലെങ്കിൽ ക്യൂബ് നിർമ്മിക്കാൻ കഴിയില്ല. ഒരു ERP സിസ്റ്റം ഡാറ്റാബേസിൽ താൽക്കാലികമോ സ്ഥിരമോ ആയ സമഗ്രത ലംഘനങ്ങൾ, ശൂന്യമായ ഫീൽഡുകൾ സാധാരണമാണ്, എന്നാൽ ഇത് OLAP-ന് തികച്ചും അനുയോജ്യമല്ല.

ലോഡ് പങ്കിടുന്നതിന് ERP സിസ്റ്റവും OLAP ക്യൂബും വ്യത്യസ്‌ത സെർവറുകളിൽ സ്ഥിതിചെയ്യണമെന്നും നിങ്ങൾക്ക് ചേർക്കാം. എന്നാൽ, OLAP, OLTP എന്നിവയ്‌ക്കായി പൊതുവായ പട്ടികകൾ ഉണ്ടെങ്കിൽ, നെറ്റ്‌വർക്ക് ട്രാഫിക്കിന്റെ പ്രശ്‌നവും ഉയർന്നുവരുന്നു. വ്യത്യസ്‌തമായ നിരവധി ഇആർപി സിസ്റ്റങ്ങളെ (1C7, 1C8, MS ഡൈനാമിക്‌സ് AX) ഒരു OLAP ക്യൂബിലേക്ക് ഏകീകരിക്കേണ്ടത് ആവശ്യമായി വരുമ്പോൾ ഈ സാഹചര്യത്തിൽ പ്രായോഗികമായി പരിഹരിക്കാനാകാത്ത പ്രശ്നങ്ങൾ ഉണ്ടാകുന്നു.

ഒരുപക്ഷേ, നമുക്ക് സാങ്കേതിക പ്രശ്നങ്ങൾ കുമിഞ്ഞുകൂടുന്നത് തുടരാം. എന്നാൽ ഏറ്റവും പ്രധാനമായി, OLTP-യിൽ നിന്ന് വ്യത്യസ്തമായി, OLAP ഡാറ്റ റെക്കോർഡുചെയ്യുന്നതിനും സംഭരിക്കുന്നതിനുമുള്ള ഒരു മാർഗമല്ല, മറിച്ച് ഒരു അനലിറ്റിക്സ് ഉപകരണമാണെന്ന് ഓർമ്മിക്കുക. ഇതിനർത്ഥം ERP-യിൽ നിന്ന് OLAP-ലേക്ക് "ഡേർട്ടി" ഡാറ്റ അപ്‌ലോഡ് ചെയ്യുകയും ഡൗൺലോഡ് ചെയ്യുകയും ചെയ്യേണ്ട ആവശ്യമില്ല എന്നാണ്. നേരെമറിച്ച്, നിങ്ങൾ ആദ്യം കമ്പനി കൈകാര്യം ചെയ്യുന്നതിനുള്ള ഒരു ആശയം വികസിപ്പിക്കണം, കുറഞ്ഞത് KPI സിസ്റ്റത്തിന്റെ തലത്തിലെങ്കിലും, തുടർന്ന് OLAP ക്യൂബിന്റെ അതേ സെർവറിൽ സ്ഥിതി ചെയ്യുന്ന ഒരു ആപ്ലിക്കേഷൻ ഡാറ്റ വെയർഹൗസ് (വെയർഹൗസ്) രൂപകൽപ്പന ചെയ്യണം. , മാനേജ്മെന്റിന് ആവശ്യമായ ERP-യിൽ നിന്നുള്ള ഡാറ്റയുടെ ശുദ്ധീകരിച്ച തുക.

മോശം ശീലങ്ങൾ പ്രോത്സാഹിപ്പിക്കാതെ, OLTP-യുമായി ബന്ധപ്പെട്ട OLAP ക്യൂബിനെ അറിയപ്പെടുന്ന "ഇപ്പോഴും" എന്നതിനോട് ഉപമിക്കാം, അതിലൂടെ യഥാർത്ഥ രജിസ്ട്രേഷന്റെ "പുളിപ്പിച്ച പിണ്ഡത്തിൽ" നിന്ന് ഒരു "ശുദ്ധമായ ഉൽപ്പന്നം" വേർതിരിച്ചെടുക്കുന്നു.

അതിനാൽ, OLAP-നുള്ള ഡാറ്റ ഉറവിടം OLAP-ന്റെ അതേ സെർവറിൽ സ്ഥിതിചെയ്യുന്ന ഒരു പ്രത്യേക ഡാറ്റാബേസ് (വെയർഹൗസ്) ആണെന്ന് ഞങ്ങൾക്ക് ലഭിച്ചു. പൊതുവേ, ഇത് രണ്ട് കാര്യങ്ങളാണ് അർത്ഥമാക്കുന്നത്. ആദ്യം, ERP ഡാറ്റാബേസുകളിൽ നിന്ന് ഒരു വെയർഹൗസ് സൃഷ്ടിക്കുന്ന പ്രത്യേക നടപടിക്രമങ്ങൾ ഉണ്ടായിരിക്കണം. രണ്ടാമതായി, OLAP ക്യൂബ് അതിന്റെ ERP സിസ്റ്റങ്ങളുമായി അസമന്വിതമാണ്.

മുകളിൽ പറഞ്ഞ കാര്യങ്ങൾ കണക്കിലെടുത്ത്, കമ്പ്യൂട്ടിംഗ് പ്രോസസ് ആർക്കിടെക്ചറിന്റെ ഇനിപ്പറയുന്ന പതിപ്പ് ഞങ്ങൾ നിർദ്ദേശിക്കുന്നു.

പരിഹാര വാസ്തുവിദ്യ

ഒരു നിശ്ചിത കോർപ്പറേഷന്റെ (ഹോൾഡിംഗ്) നിരവധി ഇആർപി സിസ്റ്റങ്ങൾ വ്യത്യസ്ത സെർവറുകളിൽ സ്ഥിതിചെയ്യുന്നുവെന്ന് കരുതുക, ഒരു OLAP ക്യൂബിനുള്ളിൽ ഏകീകരിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്ന വിശകലന ഡാറ്റ. വിവരിച്ച സാങ്കേതികവിദ്യയിൽ, വെയർഹൗസ് തലത്തിൽ ERP സിസ്റ്റങ്ങളിൽ നിന്നുള്ള ഡാറ്റ ഞങ്ങൾ സംയോജിപ്പിക്കുന്നു, OLAP ക്യൂബിന്റെ രൂപകൽപ്പന മാറ്റമില്ലാതെ തുടരുന്നു.

OLAP സെർവറിൽ ഈ എല്ലാ ERP സിസ്റ്റങ്ങളുടെയും ഡാറ്റാബേസുകളുടെ ചിത്രങ്ങൾ (ശൂന്യമായ പകർപ്പുകൾ) ഞങ്ങൾ സൃഷ്ടിക്കുന്നു. ഈ ശൂന്യമായ പകർപ്പുകളിൽ ഞങ്ങൾ ഇടയ്ക്കിടെ (രാത്രിയിൽ) അനുബന്ധ സജീവമായ ERP ഡാറ്റാബേസുകളുടെ ഭാഗികമായ പകർപ്പ് നടത്തുന്നു.

അടുത്തതായി, SP (സംഭരിച്ച നടപടിക്രമം) സമാരംഭിക്കുന്നു, ഇത് നെറ്റ്‌വർക്ക് ട്രാഫിക്കില്ലാത്ത അതേ OLAP സെർവറിൽ, ERP സിസ്റ്റം ഡാറ്റാബേസുകളുടെ ഭാഗിക പകർപ്പുകളെ അടിസ്ഥാനമാക്കി, ഒരു വെയർഹൗസ് (വെയർഹൗസ്) സൃഷ്ടിക്കുന്നു (അല്ലെങ്കിൽ നിറയ്ക്കുന്നു) - OLAP ക്യൂബിന്റെ ഡാറ്റ ഉറവിടം.

തുടർന്ന് വെയർഹൗസ് ഡാറ്റയെ അടിസ്ഥാനമാക്കി ഒരു ക്യൂബ് അപ്‌ഡേറ്റ് ചെയ്യുന്നതിനും നിർമ്മിക്കുന്നതിനുമുള്ള സ്റ്റാൻഡേർഡ് നടപടിക്രമം സമാരംഭിക്കുന്നു (SSAS ഇന്റർഫേസിലെ പ്രോസസ്സ് പ്രവർത്തനം).

സാങ്കേതികവിദ്യയുടെ ചില വശങ്ങളെക്കുറിച്ച് നമുക്ക് അഭിപ്രായമിടാം. എസ്പിമാർ എന്ത് ജോലിയാണ് ചെയ്യുന്നത്?

ഭാഗികമായ ആവർത്തനത്തിന്റെ ഫലമായി, OLAP സെർവറിലെ ചില ERP സിസ്റ്റത്തിന്റെ ഇമേജിൽ നിലവിലെ ഡാറ്റ ദൃശ്യമാകുന്നു. വഴിയിൽ, ഭാഗികമായ അനുകരണം രണ്ട് തരത്തിൽ നടത്താം.

ഒന്നാമതായി, ERP സിസ്റ്റം ഡാറ്റാബേസിലെ എല്ലാ പട്ടികകളിൽ നിന്നും, ഭാഗികമായ പകർപ്പെടുക്കൽ സമയത്ത്, ഒരു വെയർഹൗസ് നിർമ്മിക്കാൻ ആവശ്യമായവ മാത്രം പകർത്തുന്നു. പട്ടിക നാമങ്ങളുടെ ഒരു നിശ്ചിത പട്ടികയാണ് ഇത് നിയന്ത്രിക്കുന്നത്.

രണ്ടാമതായി, ഭാഗികമായ പകർപ്പ് അർത്ഥമാക്കുന്നത് പട്ടികയുടെ എല്ലാ ഫീൽഡുകളും പകർത്തിയതല്ല, എന്നാൽ വെയർഹൗസ് നിർമ്മിക്കുന്നതിൽ ഏർപ്പെട്ടിരിക്കുന്നവ മാത്രമാണ്. പകർത്താനുള്ള ഫീൽഡുകളുടെ ലിസ്റ്റ് പകർപ്പിന്റെ ഇമേജിൽ SP-യിൽ വ്യക്തമാക്കിയതോ ചലനാത്മകമായി സൃഷ്ടിച്ചതോ ആണ് (പട്ടികയുടെ പകർപ്പിൽ എല്ലാ ഫീൽഡുകളും തുടക്കത്തിൽ ഇല്ലെങ്കിൽ).

തീർച്ചയായും, മുഴുവൻ പട്ടിക വരികളും പകർത്താൻ കഴിയില്ല, പക്ഷേ പുതിയ റെക്കോർഡുകൾ ചേർക്കാൻ മാത്രം. എന്നിരുന്നാലും, ഇആർപി പുനരവലോകനങ്ങൾ "മുൻകാലമായി" കണക്കാക്കുമ്പോൾ ഇത് ഗുരുതരമായ അസൗകര്യങ്ങൾ സൃഷ്ടിക്കുന്നു, ഇത് യഥാർത്ഥ ജീവിത സംവിധാനങ്ങളിൽ പലപ്പോഴും സംഭവിക്കാറുണ്ട്. അതിനാൽ എല്ലാ രേഖകളും പകർത്തുന്നത് (അല്ലെങ്കിൽ ഒരു നിശ്ചിത തീയതി മുതൽ ആരംഭിക്കുന്ന "ടെയിൽ" അപ്ഡേറ്റ് ചെയ്യുക) കൂടുതൽ സങ്കോചമില്ലാതെ എളുപ്പമാണ്.

അടുത്തതായി, ERP സിസ്റ്റം ഡാറ്റ വെയർഹൗസ് ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്യുക എന്നതാണ് എസ്പിയുടെ പ്രധാന ദൌത്യം. ഒരേയൊരു ഇആർപി സിസ്റ്റം മാത്രമേ ഉള്ളൂവെങ്കിൽ, പരിവർത്തനത്തിന്റെ ചുമതല പ്രധാനമായും ആവശ്യമായ ഡാറ്റ പകർത്തുന്നതിനും പുനർരൂപകൽപ്പന ചെയ്യുന്നതിനും വേണ്ടി വരുന്നു. എന്നാൽ ഒരേ OLAP ക്യൂബിൽ വ്യത്യസ്ത ഘടനകളുടെ നിരവധി ERP സംവിധാനങ്ങൾ ഏകീകരിക്കേണ്ടത് ആവശ്യമാണെങ്കിൽ, പരിവർത്തനങ്ങൾ കൂടുതൽ സങ്കീർണ്ണമാകും.

അവയുടെ ഒബ്‌ജക്‌റ്റുകൾ (ചരക്കുകളുടെ ഡയറക്ടറികൾ, കരാറുകാർ, വെയർഹൗസുകൾ മുതലായവ) ഭാഗികമായി ഓവർലാപ്പ് ചെയ്യുകയാണെങ്കിൽ, ഒബ്‌ജക്‌റ്റുകൾക്ക് ഒരേ അർത്ഥമുണ്ട്, പക്ഷേ ഡയറക്‌ടറികളിൽ സ്വാഭാവികമായും വ്യത്യസ്തമായി വിവരിച്ചിട്ടുണ്ടെങ്കിൽ, ഒരു ക്യൂബിൽ വിവിധ ഇആർപി സംവിധാനങ്ങൾ ഏകീകരിക്കുക എന്നത് വളരെ ബുദ്ധിമുട്ടാണ്. വ്യത്യസ്ത സിസ്റ്റങ്ങളുടെ (കോഡുകൾ, ഐഡന്റിഫയറുകൾ, പേരുകൾ മുതലായവയുടെ അർത്ഥത്തിൽ).

വാസ്തവത്തിൽ, ഒരു വലിയ ഹോൾഡിംഗ് കമ്പനിയിൽ അത്തരമൊരു ചിത്രം ഉണ്ടാകുന്നത്, ഒരേ തരത്തിലുള്ള നിരവധി സ്വയംഭരണ കമ്പനികൾ ഏകദേശം ഒരേ പ്രദേശത്ത് ഒരേ തരത്തിലുള്ള പ്രവർത്തനങ്ങൾ നടത്തുമ്പോൾ, എന്നാൽ അവരുടേതായതും അംഗീകരിക്കാത്തതുമായ രജിസ്ട്രേഷൻ സംവിധാനങ്ങൾ ഉപയോഗിക്കുമ്പോൾ. ഈ സാഹചര്യത്തിൽ, വെയർഹൗസ് തലത്തിൽ ഡാറ്റ ഏകീകരിക്കുമ്പോൾ, നിങ്ങൾക്ക് സഹായ മാപ്പിംഗ് പട്ടികകൾ ഇല്ലാതെ ചെയ്യാൻ കഴിയില്ല.

വെയർഹൗസ് സ്റ്റോറേജ് ആർക്കിടെക്ചറിലേക്ക് നമുക്ക് കുറച്ച് ശ്രദ്ധ നൽകാം. സാധാരണഗതിയിൽ, ഒരു OLAP ക്യൂബ് സ്കീമയെ ഒരു "നക്ഷത്രം" എന്ന രൂപത്തിൽ പ്രതിനിധീകരിക്കുന്നു, അതായത്. ഡയറക്‌ടറികളുടെ "കിരണങ്ങൾ" കൊണ്ട് ചുറ്റപ്പെട്ട ഒരു ഡാറ്റ ടേബിളായി - ദ്വിതീയ കീ മൂല്യങ്ങളുടെ പട്ടികകൾ. പട്ടിക "സൂചകങ്ങളുടെ" ഒരു ബ്ലോക്കാണ്; റഫറൻസ് പുസ്തകങ്ങൾ അവയുടെ വിഭാഗങ്ങളാണ്. ഈ സാഹചര്യത്തിൽ, ഡയറക്‌ടറി ഒരു ഏകപക്ഷീയമായ അസന്തുലിതമായ വൃക്ഷമോ സമതുലിതമായ ശ്രേണിയോ ആകാം, ഉദാഹരണത്തിന്, ചരക്കുകളുടെയോ കരാറുകാരുടെയോ മൾട്ടി-ലെവൽ വർഗ്ഗീകരണം. ഒരു OLAP ക്യൂബിൽ, ഒരു വെയർഹൗസിൽ നിന്നുള്ള ഡാറ്റാ ടേബിളിന്റെ സംഖ്യാ ഫീൽഡുകൾ സ്വയമേവ "സൂചകങ്ങൾ" (അല്ലെങ്കിൽ അളവുകൾ) ആയി മാറുന്നു, കൂടാതെ വിഭാഗങ്ങൾ (അല്ലെങ്കിൽ അളവുകൾ) ദ്വിതീയ കീ പട്ടികകൾ ഉപയോഗിച്ച് നിർവചിക്കാം.

ഇതൊരു വിഷ്വൽ "പെഡഗോഗിക്കൽ" വിവരണമാണ്. വാസ്തവത്തിൽ, ഒരു OLAP ക്യൂബിന്റെ വാസ്തുവിദ്യ കൂടുതൽ സങ്കീർണ്ണമായിരിക്കും.

ഒന്നാമതായി, ഒരു വെയർഹൗസിൽ നിരവധി "നക്ഷത്രങ്ങൾ" അടങ്ങിയിരിക്കാം, ഒരുപക്ഷേ പൊതുവായ ഡയറക്ടറികളിലൂടെ ബന്ധിപ്പിച്ചിരിക്കാം. ഈ സാഹചര്യത്തിൽ, OLAP ക്യൂബ് നിരവധി ക്യൂബുകളുടെ (നിരവധി ഡാറ്റ ബ്ലോക്കുകൾ) ഒരു യൂണിയൻ ആയിരിക്കും.

രണ്ടാമതായി, ഒരു നക്ഷത്രചിഹ്നത്തിന്റെ "റേ" എന്നത് ഒരു ഡയറക്‌ടറി മാത്രമല്ല, ഒരു മുഴുവൻ (ശ്രേണീകൃത) ഫയൽ സിസ്റ്റമായിരിക്കാം.

മൂന്നാമതായി, നിലവിലുള്ള ഡൈമൻഷൻ സെക്ഷനുകളുടെ അടിസ്ഥാനത്തിൽ, OLAP ഡെവലപ്പർ ഇന്റർഫേസ് ടൂളുകൾ ഉപയോഗിച്ച് പുതിയ ഹൈറാർക്കിക്കൽ വിഭാഗങ്ങൾ നിർവചിക്കാവുന്നതാണ് (അതായത്, കുറച്ച് ലെവലുകൾ, വ്യത്യസ്തമായ ലെവലുകൾ മുതലായവ)

നാലാമതായി, നിലവിലുള്ള സൂചകങ്ങളെയും വിഭാഗങ്ങളെയും അടിസ്ഥാനമാക്കി, MDX ഭാഷാ പദപ്രയോഗങ്ങൾ ഉപയോഗിച്ച്, പുതിയ സൂചകങ്ങൾ (കണക്കുകൂട്ടലുകൾ) നിർവചിക്കാം. പുതിയ ക്യൂബുകൾ, പുതിയ സൂചകങ്ങൾ, പുതിയ വിഭാഗങ്ങൾ എന്നിവ യഥാർത്ഥ ഘടകങ്ങളുമായി സ്വയമേവ സംയോജിപ്പിച്ചിരിക്കുന്നു എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. മോശമായി രൂപപ്പെടുത്തിയ കണക്കുകൂട്ടലുകളും ശ്രേണിപരമായ വിഭാഗങ്ങളും ഒരു OLAP ക്യൂബിന്റെ പ്രവർത്തനത്തെ ഗണ്യമായി മന്ദഗതിയിലാക്കുമെന്നതും ശ്രദ്ധിക്കേണ്ടതാണ്.

OLAP-യുമായുള്ള ഒരു ഇന്റർഫേസായി MS Excel

OLAP ക്യൂബുകളുമായുള്ള ഉപയോക്തൃ ഇന്റർഫേസാണ് പ്രത്യേക താൽപ്പര്യം. സ്വാഭാവികമായും, ഏറ്റവും പൂർണ്ണമായ ഇന്റർഫേസ് SSAS യൂട്ടിലിറ്റി തന്നെ നൽകുന്നു. ഇതിൽ ഒരു OLAP ക്യൂബ് ഡെവലപ്പർ ടൂൾകിറ്റ്, ഒരു ഇന്ററാക്ടീവ് റിപ്പോർട്ട് ഡിസൈനർ, MDX ഭാഷയിലുള്ള ചോദ്യങ്ങൾ ഉപയോഗിച്ച് OLAP ക്യൂബ് ഉപയോഗിച്ച് ഇന്ററാക്ടീവ് വർക്കിനുള്ള ഒരു വിൻഡോ എന്നിവ ഉൾപ്പെടുന്നു.

SSAS- ന് പുറമേ, OLAP-ന് ഒരു ഇന്റർഫേസ് നൽകുന്ന നിരവധി പ്രോഗ്രാമുകളുണ്ട്, അവയുടെ പ്രവർത്തനക്ഷമത കൂടുതലോ കുറവോ ആണ്. എന്നാൽ അവയിൽ ഒന്നുണ്ട്, അത് ഞങ്ങളുടെ അഭിപ്രായത്തിൽ നിഷേധിക്കാനാവാത്ത ഗുണങ്ങളുണ്ട്. ഇതാണ് MS Excel.

MS Excel-നുള്ള ഇന്റർഫേസ് ഒരു പ്രത്യേക ഡ്രൈവർ നൽകുന്നു, പ്രത്യേകം ഡൗൺലോഡ് ചെയ്യാവുന്നതാണ് അല്ലെങ്കിൽ Excel വിതരണത്തിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഇത് OLAP-ന്റെ എല്ലാ പ്രവർത്തനങ്ങളും ഉൾക്കൊള്ളുന്നില്ല, എന്നാൽ MS Excel പതിപ്പ് നമ്പറുകളുടെ വളർച്ചയോടെ, ഈ കവറേജ് വിശാലമാവുകയാണ് (ഉദാഹരണത്തിന്, MS Excel 2007-ൽ KPI-യുടെ ഒരു ഗ്രാഫിക്കൽ പ്രാതിനിധ്യം ദൃശ്യമാകുന്നു, ഇത് MS Excel 2003-ൽ ഇല്ലായിരുന്നു, തുടങ്ങിയവ.).

തീർച്ചയായും, അതിന്റെ പൂർണ്ണമായ പ്രവർത്തനത്തിന് പുറമേ, MS Excel ന്റെ പ്രധാന നേട്ടം ഈ പ്രോഗ്രാമിന്റെ വ്യാപകമായ വിതരണവും ധാരാളം ഓഫീസ് ഉപയോക്താക്കളുടെ അടുത്ത പരിചയവുമാണ്. ഈ അർത്ഥത്തിൽ, മറ്റ് ഇന്റർഫേസ് പ്രോഗ്രാമുകളിൽ നിന്ന് വ്യത്യസ്തമായി, കമ്പനിക്ക് അധികമായി ഒന്നും വാങ്ങേണ്ടതില്ല, അധികമായി ആരെയും പരിശീലിപ്പിക്കേണ്ടതില്ല.

OLAP-യുമായുള്ള ഒരു ഇന്റർഫേസ് എന്ന നിലയിൽ MS Excel-ന്റെ വലിയ നേട്ടം, OLAP റിപ്പോർട്ടിൽ ലഭിച്ച ഡാറ്റ കൂടുതൽ സ്വതന്ത്രമായി പ്രോസസ്സ് ചെയ്യാനുള്ള കഴിവാണ് (അതായത്, OLAP-ൽ നിന്ന് ലഭിച്ച ഡാറ്റ അതേ Excel-ന്റെ മറ്റ് ഷീറ്റുകളിൽ പഠിക്കുന്നത് തുടരുക, ഇനി OLAP ടൂളുകൾ ഉപയോഗിക്കില്ല, പക്ഷേ സാധാരണ Excel ടൂളുകൾ ഉപയോഗിച്ച്).

Facubi രാത്രി ചികിത്സ സൈക്കിൾ

ഇപ്പോൾ നമ്മൾ OLAP പ്രവർത്തനത്തിന്റെ ദൈനംദിന (രാത്രി) കമ്പ്യൂട്ടേഷണൽ സൈക്കിൾ വിവരിക്കും. C# 2005-ൽ എഴുതിയതും വെയർഹൗസും SSAS ഉം ഉള്ള സെർവറിൽ ടാസ്ക് ഷെഡ്യൂളർ വഴി സമാരംഭിച്ച, facubi പ്രോഗ്രാമിന്റെ നിയന്ത്രണത്തിലാണ് കണക്കുകൂട്ടൽ നടത്തുന്നത്. തുടക്കത്തിൽ, facubi ഇന്റർനെറ്റിൽ പോയി നിലവിലെ വിനിമയ നിരക്കുകൾ വായിക്കുന്നു (ഒരു കറൻസിയിലെ നിരവധി സൂചകങ്ങളെ പ്രതിനിധീകരിക്കാൻ ഉപയോഗിക്കുന്നു). അടുത്തതായി, ഇനിപ്പറയുന്ന ഘട്ടങ്ങൾ നടപ്പിലാക്കുക.

ആദ്യം, പ്രാദേശിക നെറ്റ്‌വർക്കിൽ ലഭ്യമായ വിവിധ ഇആർപി സിസ്റ്റങ്ങളുടെ (ഹോൾഡിംഗ് എലമെന്റുകൾ) ഡാറ്റാബേസുകളുടെ ഭാഗികമായ അനുകരണം നടത്തുന്ന എസ്പികൾ facubi സമാരംഭിക്കുന്നു. ഞങ്ങൾ പറഞ്ഞതുപോലെ, മുൻകൂട്ടി തയ്യാറാക്കിയ "പശ്ചാത്തലങ്ങളിലേക്ക്" - SSAS സെർവറിൽ സ്ഥിതി ചെയ്യുന്ന വിദൂര ERP സിസ്റ്റങ്ങളുടെ ഇമേജുകളിലേക്ക് പകർത്തൽ നടത്തുന്നു.

രണ്ടാമതായി, SP മുഖേന, ERP പകർപ്പുകളിൽ നിന്ന് വെയർഹൗസ് സ്റ്റോറേജിലേക്ക് ഒരു മാപ്പിംഗ് നടത്തുന്നു - ഒരു പ്രത്യേക ഡിബി, അത് OLAP ക്യൂബ് ഡാറ്റയുടെ ഉറവിടവും SSAS സെർവറിൽ സ്ഥിതിചെയ്യുന്നതുമാണ്. ഈ സാഹചര്യത്തിൽ, മൂന്ന് പ്രധാന ജോലികൾ പരിഹരിക്കപ്പെടുന്നു:

• ERP ഡാറ്റആവശ്യമായ ക്യൂബ് ഫോർമാറ്റുകളിലേക്ക് ക്രമീകരിച്ചു; ഞങ്ങൾ ടേബിളുകളെക്കുറിച്ചും ടേബിൾ ഫീൽഡുകളെക്കുറിച്ചും സംസാരിക്കുന്നു. (ചിലപ്പോൾ ആവശ്യമായ ടേബിൾ, നിരവധി MS Excel ഷീറ്റുകളിൽ നിന്ന് "ഫാഷൻ" ആക്കേണ്ടതുണ്ട്.) സമാനമായ ഡാറ്റയ്ക്ക് വ്യത്യസ്ത ERP-കളിൽ വ്യത്യസ്ത ഫോർമാറ്റുകൾ ഉണ്ടായിരിക്കാം, ഉദാഹരണത്തിന്, 1C7 ഡയറക്‌ടറികളിലെ കീ ഐഡി ഫീൽഡുകൾക്ക് 8 നീളമുള്ള 36-അക്ക പ്രതീക കോഡ് ഉണ്ട്. , കൂടാതെ 1С8 ഡയറക്‌ടറികളിലെ _idrref ഫീൽഡുകൾ - 32 നീളമുള്ള ഹെക്‌സാഡെസിമൽ സംഖ്യകൾ;
• പ്രോസസ്സിംഗ് സമയത്ത് ലോജിക്കൽ ഡാറ്റ നിയന്ത്രണം നടപ്പിലാക്കുന്നു (നഷ്‌ടമായ ഡാറ്റയുടെ സ്ഥാനത്ത് "സ്ഥിരസ്ഥിതി" എഴുതുന്നത് ഉൾപ്പെടെ, സാധ്യമായ ഇടങ്ങളിൽ) സമഗ്രത നിയന്ത്രണം, അതായത്. അനുബന്ധ ക്ലാസിഫയറുകളിൽ പ്രാഥമിക, ദ്വിതീയ കീകളുടെ സാന്നിധ്യം പരിശോധിക്കുന്നു;
• കോഡ് ഏകീകരണം വ്യത്യസ്ത ERP-കളിൽ ഒരേ അർത്ഥമുള്ള വസ്തുക്കൾ. ഉദാഹരണത്തിന്, വ്യത്യസ്ത ERP-കളുടെ ഡയറക്ടറികളുടെ അനുബന്ധ ഘടകങ്ങൾക്ക് ഒരേ അർത്ഥമുണ്ടാകാം, പറയുക, അവ ഒരേ എതിർകക്ഷിയാണ്. മാപ്പിംഗ് ടേബിളുകൾ നിർമ്മിക്കുന്നതിലൂടെ കോഡുകൾ ഏകീകരിക്കുന്നതിനുള്ള പ്രശ്നം പരിഹരിക്കപ്പെടുന്നു, അവിടെ ഒരേ ഒബ്‌ജക്റ്റുകളുടെ വ്യത്യസ്ത കോഡുകൾ ഐക്യത്തിലേക്ക് കൊണ്ടുവരുന്നു.

മൂന്നാമതായി, പ്രോസസ് ക്യൂബ് ഡാറ്റ അപ്‌ഡേറ്റ് ചെയ്യുന്നതിനുള്ള സ്റ്റാൻഡേർഡ് നടപടിക്രമം facubi സമാരംഭിക്കുന്നു (SSAS യൂട്ടിലിറ്റിയുടെ നടപടിക്രമങ്ങളിൽ നിന്ന്).

ചെക്ക്‌ലിസ്റ്റുകളെ അടിസ്ഥാനമാക്കി, പ്രോസസ്സിംഗ് ഘട്ടങ്ങളുടെ പുരോഗതിയെക്കുറിച്ച് facubi ഇമെയിലുകൾ അയയ്ക്കുന്നു.

facubi എക്സിക്യൂട്ട് ചെയ്ത ശേഷം, ടാസ്‌ക് ഷെഡ്യൂളർ നിരവധി എക്സൽ ഫയലുകൾ സമാരംഭിക്കുന്നു, അതിൽ OLAP ക്യൂബ് സൂചകങ്ങളെ അടിസ്ഥാനമാക്കി റിപ്പോർട്ടുകൾ മുൻകൂട്ടി സൃഷ്‌ടിക്കപ്പെട്ടവയാണ്. ഞങ്ങൾ പറഞ്ഞതുപോലെ, OLAP ക്യൂബുകൾക്കൊപ്പം (SSAS-നൊപ്പം) പ്രവർത്തിക്കാൻ MS Excel-ന് ഒരു പ്രത്യേക സോഫ്റ്റ്വെയർ ഇന്റർഫേസ് (പ്രത്യേകം ഡൗൺലോഡ് ചെയ്യാവുന്നതോ ബിൽറ്റ്-ഇൻ ഡ്രൈവർ) ഉണ്ട്. നിങ്ങൾ MS Excel ആരംഭിക്കുമ്പോൾ, MS VBA പ്രോഗ്രാമുകൾ (മാക്രോകൾ പോലുള്ളവ) സജീവമാക്കുന്നു, ഇത് റിപ്പോർട്ടുകളിലെ ഡാറ്റ അപ്ഡേറ്റ് ചെയ്യപ്പെടുന്നുവെന്ന് ഉറപ്പാക്കുന്നു; റിപ്പോർട്ടുകൾ ആവശ്യമെങ്കിൽ പരിഷ്‌ക്കരിക്കുകയും ചെക്ക്‌ലിസ്റ്റുകൾ അനുസരിച്ച് ഉപയോക്താക്കൾക്ക് മെയിൽ (ബ്ലാറ്റ് പ്രോഗ്രാം) വഴി അയയ്ക്കുകയും ചെയ്യുന്നു.

SSAS സെർവറിലേക്കുള്ള ആക്‌സസ് ഉള്ള ലോക്കൽ നെറ്റ്‌വർക്ക് ഉപയോക്താക്കൾക്ക് OLAP ക്യൂബിനായി കോൺഫിഗർ ചെയ്ത "തത്സമയ" റിപ്പോർട്ടുകൾ ലഭിക്കും. (തത്ത്വത്തിൽ, മെയിലുകളൊന്നും കൂടാതെ തന്നെ, അവരുടെ പ്രാദേശിക കമ്പ്യൂട്ടറുകളിൽ സ്ഥിതി ചെയ്യുന്ന MS Excel-ൽ OLAP റിപ്പോർട്ടുകൾ അപ്‌ഡേറ്റ് ചെയ്യാൻ അവർക്ക് കഴിയും.) പ്രാദേശിക നെറ്റ്‌വർക്കിന് പുറത്തുള്ള ഉപയോക്താക്കൾക്ക് ഒന്നുകിൽ യഥാർത്ഥ റിപ്പോർട്ടുകൾ ലഭിക്കും, എന്നാൽ പരിമിതമായ പ്രവർത്തനക്ഷമതയോ അല്ലെങ്കിൽ അവർക്ക് (OLAP അപ്‌ഡേറ്റ് ചെയ്തതിന് ശേഷം. MS Excel-ലെ റിപ്പോർട്ടുകൾ) SSAS സെർവർ ആക്സസ് ചെയ്യാത്ത പ്രത്യേക "ഡെഡ്" റിപ്പോർട്ടുകൾ കണക്കാക്കും.

ഫലങ്ങളുടെ വിലയിരുത്തൽ

OLTP, OLAP എന്നിവയുടെ അസമന്വിതത്തെക്കുറിച്ച് ഞങ്ങൾ മുകളിൽ സംസാരിച്ചു. പരിഗണനയിലുള്ള സാങ്കേതിക വേരിയന്റിൽ, OLAP ക്യൂബ് അപ്‌ഡേറ്റ് സൈക്കിൾ രാത്രിയിൽ നടത്തുന്നു (അത് പുലർച്ചെ 1 മണിക്ക് ആരംഭിക്കുന്നു). ഇതിനർത്ഥം നിലവിലെ പ്രവൃത്തി ദിവസത്തിൽ, ഉപയോക്താക്കൾ ഇന്നലത്തെ ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നു എന്നാണ്. OLAP ഒരു റെക്കോർഡിംഗ് ടൂൾ അല്ല (ഡോക്യുമെന്റിന്റെ ഏറ്റവും പുതിയ പുനരവലോകനം നോക്കുക), ഒരു മാനേജ്മെന്റ് ടൂൾ (പ്രക്രിയയുടെ പ്രവണത മനസ്സിലാക്കുക), അത്തരം ഒരു കാലതാമസം സാധാരണയായി നിർണായകമല്ല. എന്നിരുന്നാലും, ആവശ്യമെങ്കിൽ, ക്യൂബ് ആർക്കിടെക്ചറിന്റെ (മോലാപ്) വിവരിച്ച പതിപ്പിൽ പോലും, അപ്ഡേറ്റ് ദിവസത്തിൽ പല തവണ നടത്താം.

അപ്‌ഡേറ്റ് നടപടിക്രമങ്ങളുടെ നിർവ്വഹണ സമയം OLAP ക്യൂബിന്റെ ഡിസൈൻ സവിശേഷതകളെയും (കൂടുതലോ കുറവോ സങ്കീർണ്ണത, സൂചകങ്ങളുടെയും വിഭാഗങ്ങളുടെയും കൂടുതലോ കുറവോ വിജയകരമായ നിർവചനങ്ങൾ) കൂടാതെ ബാഹ്യ OLTP സിസ്റ്റങ്ങളുടെ ഡാറ്റാബേസുകളുടെ അളവിനെയും ആശ്രയിച്ചിരിക്കുന്നു. അനുഭവം അനുസരിച്ച്, വെയർഹൗസ് നിർമ്മാണ നടപടിക്രമം നിരവധി മിനിറ്റ് മുതൽ രണ്ട് മണിക്കൂർ വരെ എടുക്കും, ക്യൂബ് അപ്ഡേറ്റ് നടപടിക്രമം (പ്രക്രിയ) 1 മുതൽ 20 മിനിറ്റ് വരെ എടുക്കും. ഡസൻ കണക്കിന് നക്ഷത്ര-തരം ഘടനകൾ, ഡസൻ കണക്കിന് സാധാരണ "കിരണങ്ങൾ" (റഫറൻസ് വിഭാഗങ്ങൾ), നൂറുകണക്കിന് സൂചകങ്ങൾ എന്നിവയെ ഒന്നിപ്പിക്കുന്ന സങ്കീർണ്ണമായ OLAP ക്യൂബുകളെക്കുറിച്ചാണ് നമ്മൾ സംസാരിക്കുന്നത്. ഷിപ്പിംഗ് ഡോക്യുമെന്റുകളെ അടിസ്ഥാനമാക്കി ബാഹ്യ ഇആർപി സിസ്റ്റങ്ങളുടെ ഡാറ്റാബേസുകളുടെ അളവ് കണക്കാക്കുന്നത്, ഞങ്ങൾ ലക്ഷക്കണക്കിന് രേഖകളെക്കുറിച്ചും അതനുസരിച്ച് പ്രതിവർഷം ദശലക്ഷക്കണക്കിന് ഉൽപ്പന്ന ലൈനുകളെക്കുറിച്ചും സംസാരിക്കുന്നു. ഉപയോക്താവിന് താൽപ്പര്യമുള്ള ചരിത്രപരമായ പ്രോസസ്സിംഗ് ആഴം മൂന്ന് മുതൽ അഞ്ച് വർഷം വരെയാണ്.

വിവരിച്ച സാങ്കേതികവിദ്യ നിരവധി വലിയ കോർപ്പറേഷനുകളിൽ ഉപയോഗിച്ചു: 2008 മുതൽ റഷ്യൻ ഫിഷ് കമ്പനിയിലും (ആർആർകെ) റഷ്യൻ സീ കമ്പനിയിലും (ആർഎം), 2012 മുതൽ സാന്താ ബ്രെമോർ കമ്പനിയിൽ (എസ്ബി). ചില കോർപ്പറേഷനുകൾ പ്രാഥമികമായി വ്യാപാരവും വാങ്ങുന്ന സ്ഥാപനങ്ങളുമാണ് (പിപിസികൾ), മറ്റുള്ളവ ഉൽപ്പാദന കമ്പനികളാണ് (റിപ്പബ്ലിക് ഓഫ് മോൾഡോവയിലെയും ബെലാറസ് റിപ്പബ്ലിക്കിലെയും മത്സ്യം, സീഫുഡ് സംസ്കരണ പ്ലാന്റുകൾ). എല്ലാ കോർപ്പറേഷനുകളും വലിയ ഹോൾഡിംഗുകളാണ്, സ്വതന്ത്രവും വ്യത്യസ്തവുമായ കമ്പ്യൂട്ടർ അക്കൗണ്ടിംഗ് സംവിധാനങ്ങളുള്ള നിരവധി കമ്പനികളെ ഒന്നിപ്പിക്കുന്നു - സാധാരണ ERP സിസ്റ്റങ്ങളായ 1C7, 1C8 മുതൽ DBF, Excel എന്നിവ അടിസ്ഥാനമാക്കിയുള്ള "റിലിക്ക്" അക്കൗണ്ടിംഗ് സിസ്റ്റങ്ങൾ വരെ. OLAP ക്യൂബുകൾ പ്രവർത്തിപ്പിക്കുന്നതിനുള്ള വിവരിച്ച സാങ്കേതികവിദ്യ (വികസന ഘട്ടം കണക്കിലെടുക്കാതെ) ഒന്നുകിൽ പ്രത്യേക ജീവനക്കാരെ ആവശ്യമില്ല, അല്ലെങ്കിൽ ഒരു മുഴുവൻ സമയ ബിസിനസ്സ് അനലിസ്റ്റിന്റെ ഉത്തരവാദിത്തമാണ്. വിവിധ വിഭാഗങ്ങളിലെ കോർപ്പറേറ്റ് ജീവനക്കാർക്ക് ദിവസേനയുള്ള കാലികമായ റിപ്പോർട്ടിംഗ് നൽകിക്കൊണ്ട് വർഷങ്ങളായി ഈ ടാസ്‌ക് സ്വയമേവ പ്രവർത്തിക്കുന്നു.

പരിഹാരത്തിന്റെ ഗുണങ്ങളും ദോഷങ്ങളും

നിർദ്ദിഷ്ട പരിഹാരം തികച്ചും വിശ്വസനീയവും ഉപയോഗിക്കാൻ എളുപ്പവുമാണെന്ന് അനുഭവം കാണിക്കുന്നു. ഫാക്യൂബി കൺട്രോൾ പ്രോഗ്രാമിന്റെ മാറ്റമില്ലാതെ ഇത് എളുപ്പത്തിൽ പരിഷ്‌ക്കരിക്കപ്പെടുന്നു (പുതിയ ERP-കളുടെ കണക്ഷൻ/വിച്ഛേദിക്കൽ, പുതിയ സൂചകങ്ങളും വിഭാഗങ്ങളും സൃഷ്ടിക്കൽ, Excel റിപ്പോർട്ടുകളും അവയുടെ മെയിലിംഗ് ലിസ്റ്റുകളും സൃഷ്ടിക്കുകയും പരിഷ്‌ക്കരിക്കുകയും ചെയ്യുക).

OLAP-യുമായുള്ള ഒരു ഇന്റർഫേസ് എന്ന നിലയിൽ MS Excel മതിയായ ആവിഷ്‌കാരത പ്രദാനം ചെയ്യുന്നു കൂടാതെ വിവിധ വിഭാഗത്തിലുള്ള ഓഫീസ് ജീവനക്കാരെ OLAP സാങ്കേതികവിദ്യയുമായി പെട്ടെന്ന് പരിചയപ്പെടാൻ അനുവദിക്കുന്നു. ഉപയോക്താവിന് ദിവസേന "സ്റ്റാൻഡേർഡ്" OLAP റിപ്പോർട്ടുകൾ ലഭിക്കുന്നു; OLAP-നൊപ്പം MS Excel ഇന്റർഫേസ് ഉപയോഗിച്ച്, MS Excel-ൽ സ്വതന്ത്രമായി OLAP റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കാൻ കഴിയും. കൂടാതെ, ഉപയോക്താവിന് തന്റെ MS Excel-ന്റെ സാധാരണ കഴിവുകൾ ഉപയോഗിച്ച് OLAP റിപ്പോർട്ടുകളുടെ വിവരങ്ങൾ സ്വതന്ത്രമായി പഠിക്കാൻ കഴിയും.

"ശുദ്ധീകരിച്ച" വെയർഹൗസ് ഡാറ്റാബേസ്, അതിൽ നിരവധി വൈവിധ്യമാർന്ന ERP സിസ്റ്റങ്ങൾ (ക്യൂബിന്റെ നിർമ്മാണ സമയത്ത്) ഏകീകരിക്കപ്പെട്ടിരിക്കുന്നു (ക്യൂബിന്റെ നിർമ്മാണ വേളയിൽ), OLAP ഇല്ലാതെ പോലും, പരിഹരിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു (ഒരു SSAS സെർവറിൽ, ട്രാൻസാക്റ്റ് SQL അല്ലെങ്കിൽ SP രീതി ഉപയോഗിച്ച്. , മുതലായവ) പല പ്രയോഗിച്ച മാനേജ്മെന്റ് പ്രശ്നങ്ങൾ. യഥാർത്ഥ ERP-യുടെ ഡാറ്റാബേസ് ഘടനകളെ അപേക്ഷിച്ച് വെയർഹൗസ് ഡാറ്റാബേസ് ഘടന ഏകീകൃതവും (പട്ടികകളുടെ എണ്ണവും പട്ടിക ഫീൽഡുകളുടെ എണ്ണവും അനുസരിച്ച്) വളരെ ലളിതവുമാണെന്ന് നമുക്ക് ഓർക്കാം.

ഞങ്ങളുടെ നിർദ്ദിഷ്ട പരിഹാരത്തിൽ ഒരു OLAP ക്യൂബിൽ വിവിധ ERP സിസ്റ്റങ്ങൾ ഏകീകരിക്കാനുള്ള സാധ്യതയുണ്ടെന്ന് ഞങ്ങൾ പ്രത്യേകം ശ്രദ്ധിക്കുന്നു. ഒരു കോർപ്പറേഷൻ മറ്റൊരു അക്കൗണ്ടിംഗ് ഇആർപി സിസ്റ്റത്തിലേക്ക് മാറുമ്പോൾ, 1C7 ൽ നിന്ന് 1C8 ലേക്ക് മാറുമ്പോൾ, മുഴുവൻ ഹോൾഡിംഗിനും അനലിറ്റിക്‌സ് നേടാനും അനലിറ്റിക്‌സിൽ ദീർഘകാല തുടർച്ച നിലനിർത്താനും ഇത് നിങ്ങളെ അനുവദിക്കുന്നു.

ഞങ്ങൾ MOLAP ക്യൂബ് മോഡൽ ഉപയോഗിച്ചു. ഈ മോഡലിന്റെ പ്രയോജനങ്ങൾ പ്രവർത്തനത്തിലെ വിശ്വാസ്യതയും ഉപയോക്തൃ അഭ്യർത്ഥനകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന്റെ ഉയർന്ന വേഗതയുമാണ്. പോരായ്മകൾ: OLAP, OLTP എന്നിവ അസമന്വിതമാണ്, അതുപോലെ തന്നെ OLAP സംഭരിക്കുന്നതിനുള്ള വലിയ അളവിലുള്ള മെമ്മറിയും.

ഉപസംഹാരമായി, മധ്യകാലഘട്ടത്തിൽ കൂടുതൽ ഉചിതമായിരുന്നേക്കാവുന്ന OLAP ന് അനുകൂലമായ മറ്റൊരു വാദം ഇതാ. കാരണം അതിന്റെ തെളിവ് ശക്തി അധികാരത്തിലാണ്. 60-കളുടെ അവസാനത്തിൽ ഒരു എളിമയുള്ള, വ്യക്തമായി അണ്ടർറേറ്റ് ചെയ്യപ്പെട്ട ബ്രിട്ടീഷ് ഗണിതശാസ്ത്രജ്ഞനായ ഇ. കോഡ് റിലേഷണൽ ഡാറ്റാബേസുകളുടെ സിദ്ധാന്തം വികസിപ്പിച്ചെടുത്തു. ഈ സിദ്ധാന്തത്തിന്റെ ശക്തി എന്തായിരുന്നു, ഇപ്പോൾ, 50 വർഷത്തിനു ശേഷം, SQL ഒഴികെയുള്ള ഒരു നോൺ-റിലേഷണൽ ഡാറ്റാബേസും ഒരു ഡാറ്റാബേസ് അന്വേഷണ ഭാഷയും കണ്ടെത്തുന്നത് ഇതിനകം തന്നെ ബുദ്ധിമുട്ടാണ്.

റിലേഷണൽ ഡാറ്റാബേസുകളുടെ സിദ്ധാന്തത്തെ അടിസ്ഥാനമാക്കിയുള്ള OLTP സാങ്കേതികവിദ്യയാണ് ഇ.കോഡിന്റെ ആദ്യ ആശയം. വാസ്തവത്തിൽ, OLAP ക്യൂബുകൾ എന്ന ആശയം അദ്ദേഹത്തിന്റെ രണ്ടാമത്തെ ആശയമാണ്, 90 കളുടെ തുടക്കത്തിൽ അദ്ദേഹം പ്രകടിപ്പിച്ചു. ഒരു ഗണിതശാസ്ത്രജ്ഞനല്ലെങ്കിലും, രണ്ടാമത്തെ ആശയം ആദ്യത്തേത് പോലെ ഫലപ്രദമാകുമെന്ന് നിങ്ങൾക്ക് പ്രതീക്ഷിക്കാം. അതായത്, കമ്പ്യൂട്ടർ അനലിറ്റിക്‌സിന്റെ കാര്യത്തിൽ, OLAP ആശയങ്ങൾ ഉടൻ തന്നെ ലോകത്തെ ഏറ്റെടുക്കുകയും മറ്റെല്ലാവരെയും സ്ഥാനഭ്രഷ്ടനാക്കുകയും ചെയ്യും. ലളിതമായി, അനലിറ്റിക്സിന്റെ വിഷയം അതിന്റെ സമഗ്രമായ ഗണിതശാസ്ത്രപരമായ പരിഹാരം OLAP-ൽ കണ്ടെത്തുന്നു, ഈ പരിഹാരം അനലിറ്റിക്സിന്റെ പ്രായോഗിക പ്രശ്നത്തിന് "പര്യാപ്തമാണ്" (ബി. സ്പിനോസയുടെ പദം). സ്പിനോസയിൽ "പര്യാപ്തമായത്" അർത്ഥമാക്കുന്നത് ദൈവത്തിന് തന്നെ ഇതിലും മികച്ചതൊന്നും ചിന്തിക്കാൻ കഴിയുമായിരുന്നില്ല...

1. ലാർസൺ ബി. മൈക്രോസോഫ്റ്റ് SQL സെർവർ 2005 ലെ ബിസിനസ് അനലിറ്റിക്‌സിന്റെ വികസനം. - സെന്റ് പീറ്റേഴ്‌സ്ബർഗ്: "പീറ്റർ", 2008.
2. കോഡ് ഇ. ഡാറ്റാ ബേസ് ഉപഭാഷകളുടെ റിലേഷണൽ കംപ്ലീറ്റ്നെസ്, ഡാറ്റാ ബേസ് സിസ്റ്റങ്ങൾ, കോറന്റ് കമ്പ്യൂട്ടർ സയൻസ് സമ്പോസിയ സീരീസ് 1972, വി. 6, ഇംഗ്ലീഷ് വുഡ് ക്ലിഫ്സ്, N.Y., പ്രെന്റിസ് - ഹാൾ.

എന്നിവരുമായി ബന്ധപ്പെട്ടു

ഒരു ഒറ്റപ്പെട്ട ക്യൂബ് ഫയൽ (.cub) ഒരു ഓൺലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് (OLAP) ക്യൂബിൽ ഒരു രൂപത്തിൽ ഡാറ്റ സംഭരിക്കുന്നു. ഈ ഡാറ്റ ഒരു OLAP സെർവറിൽ നിന്നുള്ള OLAP ഡാറ്റാബേസിന്റെ ഭാഗത്തെ പ്രതിനിധീകരിക്കാം, അല്ലെങ്കിൽ ഇത് ഏതെങ്കിലും OLAP ഡാറ്റാബേസിൽ നിന്ന് സ്വതന്ത്രമായി സൃഷ്ടിച്ചതാകാം. സെർവർ ലഭ്യമല്ലാത്തപ്പോഴോ ഓഫ്‌ലൈനിലായിരിക്കുമ്പോഴോ പിവറ്റ്‌ടേബിളും പിവറ്റ്‌ചാർട്ട് റിപ്പോർട്ടുകളും ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നത് തുടരാൻ, ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ ഉപയോഗിക്കുക.

ഓഫ്‌ലൈൻ ക്യൂബുകളെ കുറിച്ച് കൂടുതലറിയുക

OLAP സെർവറിൽ നിന്നുള്ള ഡാറ്റാ ഉറവിടത്തെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പിവറ്റ് ടേബിൾ അല്ലെങ്കിൽ പിവറ്റ്ചാർട്ട് റിപ്പോർട്ടിൽ നിങ്ങൾ പ്രവർത്തിക്കുമ്പോൾ, നിങ്ങളുടെ കമ്പ്യൂട്ടറിലെ ഒരു പ്രത്യേക ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിലേക്ക് ഉറവിട ഡാറ്റ പകർത്താൻ ഓഫ്‌ലൈൻ ക്യൂബ് വിസാർഡ് ഉപയോഗിക്കുക. ഈ ഓഫ്‌ലൈൻ ഫയലുകൾ സൃഷ്‌ടിക്കാൻ, നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ Microsoft SQL സെർവർ അനാലിസിസ് സേവനങ്ങളിൽ നിന്നുള്ള MSOLAP പോലുള്ള ഈ കഴിവുകളെ പിന്തുണയ്ക്കുന്ന ഒരു OLAP ഡാറ്റ ദാതാവ് നിങ്ങൾക്കുണ്ടായിരിക്കണം.

കുറിപ്പ്: Microsoft SQL സെർവർ അനാലിസിസ് സേവനങ്ങളിൽ നിന്ന് ഒറ്റപ്പെട്ട ക്യൂബ് ഫയലുകൾ സൃഷ്ടിക്കുന്നതും ഉപയോഗിക്കുന്നതും Microsoft SQL സെർവർ ഇൻസ്റ്റാളേഷൻ നിബന്ധനകൾക്കും ലൈസൻസിംഗിനും വിധേയമാണ്. നിങ്ങളുടെ SQL സെർവറിന്റെ പതിപ്പിന് അനുയോജ്യമായ ലൈസൻസിംഗ് വിവരങ്ങൾ അവലോകനം ചെയ്യുക.

ഓഫ്‌ലൈൻ ക്യൂബ് വിസാർഡ് ഉപയോഗിക്കുന്നു

ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ സൃഷ്‌ടിക്കുന്നതിന്, OLAP ഡാറ്റാബേസിൽ ഡാറ്റയുടെ ഒരു ഉപസെറ്റ് തിരഞ്ഞെടുക്കാൻ ഓഫ്‌ലൈൻ ക്യൂബ് വിസാർഡ് ഉപയോഗിക്കുക, തുടർന്ന് ആ സെറ്റ് സംരക്ഷിക്കുക. റിപ്പോർട്ടിൽ ഫയലിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന എല്ലാ ഫീൽഡുകളും ഉൾപ്പെടുത്തേണ്ടതില്ല, കൂടാതെ OLAP ഡാറ്റാബേസിൽ ലഭ്യമായ അതിന്റെ അളവുകളിൽ നിന്നും ഡാറ്റ ഫീൽഡുകളിൽ നിന്നും നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാം. ഫയൽ വലുപ്പം കുറയ്ക്കുന്നതിന്, റിപ്പോർട്ടിൽ പ്രദർശിപ്പിക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്ന ഡാറ്റ മാത്രം ഉൾപ്പെടുത്താം. നിങ്ങൾക്ക് എല്ലാ അളവുകളും ഒഴിവാക്കാം, കൂടാതെ മിക്ക തരത്തിലുള്ള അളവുകൾക്കും, നിങ്ങൾ പ്രദർശിപ്പിക്കാൻ ആഗ്രഹിക്കാത്ത താഴ്ന്ന-ലെവൽ വിശദാംശങ്ങളും ഉയർന്ന തലത്തിലുള്ള സവിശേഷതകളും ഒഴിവാക്കുകയും ചെയ്യാം. ഒരു ഓഫ്‌ലൈൻ ഫയലിനായി, ആ ഘടകങ്ങൾക്കായി ഡാറ്റാബേസിൽ ലഭ്യമായ പ്രോപ്പർട്ടി ഫീൽഡുകളിൽ ഉൾപ്പെടുത്താവുന്ന എല്ലാ ഘടകങ്ങളും സംരക്ഷിക്കപ്പെടുന്നു.

ഡാറ്റ ഓഫ്‌ലൈനായി എടുക്കുകയും തുടർന്ന് ഡാറ്റ ഓൺലൈനിൽ തിരികെ കൊണ്ടുവരികയും ചെയ്യുന്നു

ഇത് ചെയ്യുന്നതിന്, നിങ്ങൾ ആദ്യം ഒരു പിവറ്റ് ടേബിൾ റിപ്പോർട്ട് അല്ലെങ്കിൽ സെർവർ ഡാറ്റാബേസിനെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പിവറ്റ്ചാർട്ട് റിപ്പോർട്ട് സൃഷ്ടിക്കേണ്ടതുണ്ട്, തുടർന്ന് റിപ്പോർട്ടിൽ നിന്ന് ഒരു ഒറ്റപ്പെട്ട ക്യൂബ് ഫയൽ സൃഷ്ടിക്കുക. തുടർന്ന്, ഒരു റിപ്പോർട്ടിനൊപ്പം പ്രവർത്തിക്കുമ്പോൾ, നിങ്ങൾക്ക് എപ്പോൾ വേണമെങ്കിലും സെർവർ ഡാറ്റാബേസിനും ഓഫ്‌ലൈൻ ഫയലിനും ഇടയിൽ മാറാം (ഉദാഹരണത്തിന്, വീട്ടിലോ റോഡിലോ ലാപ്‌ടോപ്പിൽ പ്രവർത്തിക്കുകയും പിന്നീട് നെറ്റ്‌വർക്കിലേക്ക് കമ്പ്യൂട്ടർ വീണ്ടും ബന്ധിപ്പിക്കുകയും ചെയ്യുമ്പോൾ).

ഡാറ്റ ഓഫ്‌ലൈനായി എടുക്കുന്നതിനും ഓൺലൈനിൽ തിരികെ കൊണ്ടുവരുന്നതിനുമുള്ള അടിസ്ഥാന ഘട്ടങ്ങൾ ഇനിപ്പറയുന്നവ വിവരിക്കുന്നു.

കുറിപ്പ്:

പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിൽ ക്ലിക്ക് ചെയ്യുക. ഇതൊരു പിവറ്റ്ചാർട്ട് റിപ്പോർട്ടാണെങ്കിൽ, അനുബന്ധ പിവറ്റ് ടേബിൾ റിപ്പോർട്ട് തിരഞ്ഞെടുക്കുക.

"ടാബിൽ" വിശകലനം" കൂട്ടത്തിൽ കണക്കുകൂട്ടലുകൾബട്ടൺ ക്ലിക്ക് ചെയ്യുക OLAP സേവനംബട്ടൺ അമർത്തുക ഓഫ്‌ലൈൻ OLAP.

ഒരു ഇനം തിരഞ്ഞെടുക്കുക കണക്റ്റിവിറ്റിയുള്ള OLAPതുടർന്ന് ബട്ടൺ ക്ലിക്ക് ചെയ്യുക ശരി.

ഒരു ഡാറ്റ ഉറവിടം കണ്ടെത്താൻ ആവശ്യപ്പെടുകയാണെങ്കിൽ, ക്ലിക്ക് ചെയ്യുക ഉറവിടം കണ്ടെത്തുകനെറ്റ്‌വർക്കിൽ ഒരു OLAP സെർവർ കണ്ടെത്തുക.

ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിനെ അടിസ്ഥാനമാക്കിയുള്ള പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിൽ ക്ലിക്ക് ചെയ്യുക.

Excel 2016-ൽ: "ടാബിൽ ഡാറ്റ" കൂട്ടത്തിൽ അഭ്യർത്ഥനകളും കണക്ഷനുകളും എല്ലാം അപ്ഡേറ്റ് ചെയ്യുകബട്ടൺ അമർത്തുക അപ്ഡേറ്റ് ചെയ്യുക.

Excel 2013 ൽ: "ടാബിൽ ഡാറ്റ" കൂട്ടത്തിൽ കണക്ഷനുകൾബട്ടണിന് അടുത്തുള്ള അമ്പടയാളത്തിൽ ക്ലിക്കുചെയ്യുക എല്ലാം അപ്ഡേറ്റ് ചെയ്യുകബട്ടൺ അമർത്തുക അപ്ഡേറ്റ് ചെയ്യുക.

"ടാബിൽ" വിശകലനം" കൂട്ടത്തിൽ കണക്കുകൂട്ടലുകൾബട്ടൺ ക്ലിക്ക് ചെയ്യുക OLAP സേവനംബട്ടൺ അമർത്തുക ഓഫ്‌ലൈൻ OLAP.

ബട്ടൺ ക്ലിക്ക് ചെയ്യുക ഓഫ്‌ലൈൻ OLAP മോഡ്, തുടർന്ന് - .

കുറിപ്പ്: നിർത്തുകഡയലോഗ് ബോക്സിൽ.

മുന്നറിയിപ്പ്:

ഒരു OLAP സെർവർ ഡാറ്റാബേസിൽ നിന്ന് ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ സൃഷ്ടിക്കുന്നു

കുറിപ്പ്: OLAP ഡാറ്റാബേസ് വലുതും ഡാറ്റയുടെ ഒരു വലിയ ഉപവിഭാഗത്തിലേക്ക് ആക്സസ് നൽകുന്നതിന് ക്യൂബ് ഫയൽ ആവശ്യമാണെങ്കിൽ, ധാരാളം ഡിസ്ക് സ്പേസ് ആവശ്യമായി വരും, ഫയൽ സംരക്ഷിക്കുന്നതിന് വളരെ സമയമെടുത്തേക്കാം. പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിന്, ഒരു MDX സ്ക്രിപ്റ്റ് ഉപയോഗിച്ച് നിങ്ങൾ ഒറ്റയ്ക്ക് ക്യൂബ് ഫയലുകൾ സൃഷ്ടിക്കാൻ ശുപാർശ ചെയ്യുന്നു.

പ്രശ്നം: ഒരു ക്യൂബ് സേവ് ചെയ്യുമ്പോൾ എന്റെ കമ്പ്യൂട്ടറിൽ മതിയായ ഡിസ്ക് സ്പേസ് ഇല്ല.

OLAP ഡാറ്റാബേസുകൾ വലിയ അളവിലുള്ള വിശദമായ ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിനാണ് രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്നത്, അതിനാൽ ഒരു സെർവറിൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്ന ഒരു ഡാറ്റാബേസിന് നിങ്ങളുടെ പ്രാദേശിക ഹാർഡ് ഡ്രൈവിൽ ലഭ്യമായതിനേക്കാൾ കൂടുതൽ ഇടം എടുക്കാനാകും. ഒരു ഓഫ്‌ലൈൻ ഡാറ്റ ക്യൂബിനായി നിങ്ങൾ ഒരു വലിയ അളവിലുള്ള ഡാറ്റ തിരഞ്ഞെടുക്കുകയാണെങ്കിൽ, നിങ്ങൾക്ക് മതിയായ സ്വതന്ത്ര ഡിസ്‌ക് ഇടം ഉണ്ടായിരിക്കില്ല. ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിന്റെ വലുപ്പം കുറയ്ക്കാൻ ഇനിപ്പറയുന്ന സമീപനം സഹായിക്കും.

ഡിസ്ക് ഇടം ശൂന്യമാക്കുക അല്ലെങ്കിൽ മറ്റൊരു ഡിസ്ക് തിരഞ്ഞെടുക്കുകക്യൂബ് ഫയൽ സംരക്ഷിക്കുന്നതിന് മുമ്പ്, ഡിസ്കിൽ നിന്ന് ആവശ്യമില്ലാത്ത ഫയലുകൾ നീക്കം ചെയ്യുക അല്ലെങ്കിൽ ഒരു നെറ്റ്‌വർക്ക് ഡ്രൈവിൽ ഫയൽ സംരക്ഷിക്കുക.

ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിൽ കുറഞ്ഞ ഡാറ്റ ഉൾപ്പെടെഫയലിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന ഡാറ്റയുടെ അളവ് എങ്ങനെ ചെറുതാക്കാമെന്ന് പരിഗണിക്കുക, അതിലൂടെ ഒരു പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിനോ പിവറ്റ്ചാർട്ടിനോ ആവശ്യമായ എല്ലാ ഡാറ്റയും ഫയലിൽ അടങ്ങിയിരിക്കുന്നു. ചുവടെയുള്ള ഘട്ടങ്ങൾ പരീക്ഷിക്കുക.

ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ ഒരു OLAP സെർവർ ഡാറ്റാബേസിലേക്ക് ബന്ധിപ്പിക്കുന്നു

ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ അപ്‌ഡേറ്റ് ചെയ്യുകയും വീണ്ടും സൃഷ്‌ടിക്കുകയും ചെയ്യുന്നു

ഒരു സെർവർ ക്യൂബിൽ നിന്നോ ഒരു പുതിയ ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിൽ നിന്നോ ലഭിച്ച ഏറ്റവും പുതിയ ഡാറ്റയിൽ നിന്ന് സൃഷ്‌ടിച്ച ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ അപ്‌ഡേറ്റ് ചെയ്യുന്നതിന് ഗണ്യമായ സമയമെടുക്കുകയും വലിയ അളവിൽ താൽക്കാലിക ഡിസ്‌ക് ഇടം ആവശ്യമായി വരികയും ചെയ്യും. നിങ്ങളുടെ ഹാർഡ് ഡ്രൈവിൽ മതിയായ ഇടമുണ്ടെന്ന് ഉറപ്പുവരുത്തിയ ശേഷം, മറ്റ് ഫയലുകളിലേക്ക് ഉടനടി ആക്സസ് ആവശ്യമില്ലാത്തപ്പോൾ ഈ പ്രക്രിയ പ്രവർത്തിപ്പിക്കുക.

പ്രശ്നം: പുതുക്കിയപ്പോൾ പുതിയ ഡാറ്റ റിപ്പോർട്ടിൽ ദൃശ്യമാകില്ല.

ഉറവിട ഡാറ്റാബേസിന്റെ ലഭ്യത പരിശോധിക്കുന്നുപുതിയ ഡാറ്റ ലഭിക്കുന്നതിന് ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിന് സോഴ്‌സ് സെർവർ ഡാറ്റാബേസിലേക്ക് കണക്റ്റുചെയ്യാൻ കഴിഞ്ഞേക്കില്ല. ക്യൂബിന്റെ ഡാറ്റാ ഉറവിടമായ സെർവറിലെ ഒറിജിനൽ ഡാറ്റാബേസിന്റെ പേര് മാറ്റുകയോ മറ്റൊരു സ്ഥലത്തേക്ക് മാറ്റുകയോ ചെയ്തിട്ടില്ലെന്ന് ഉറപ്പാക്കുക. സെർവർ ആക്‌സസ് ചെയ്യാവുന്നതാണെന്നും ബന്ധിപ്പിക്കാൻ കഴിയുമെന്നും ഉറപ്പാക്കുക.

പുതിയ ഡാറ്റയ്ക്കായി പരിശോധിക്കുന്നുറിപ്പോർട്ടിൽ ഉൾപ്പെടുത്തേണ്ട ഡാറ്റ അപ്‌ഡേറ്റ് ചെയ്‌തിട്ടുണ്ടോ എന്നറിയാൻ നിങ്ങളുടെ ഡാറ്റാബേസ് അഡ്മിനിസ്‌ട്രേറ്ററുമായി പരിശോധിക്കുക.

ഡാറ്റാബേസ് ഓർഗനൈസേഷന്റെ മാറ്റമില്ലാത്തത് പരിശോധിക്കുന്നു OLAP സെർവർ ക്യൂബ് പരിഷ്‌ക്കരിച്ചിട്ടുണ്ടെങ്കിൽ, നിങ്ങൾ റിപ്പോർട്ട് പുനഃസംഘടിപ്പിക്കുകയോ ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ സൃഷ്‌ടിക്കുകയോ മാറ്റിയ ഡാറ്റ ആക്‌സസ് ചെയ്യുന്നതിന് OLAP ക്യൂബ് വിസാർഡ് സൃഷ്‌ടിക്കുകയോ ചെയ്യേണ്ടതുണ്ട്. ഡാറ്റാബേസ് മാറ്റങ്ങളെക്കുറിച്ച് അറിയാൻ, നിങ്ങളുടെ ഡാറ്റാബേസ് അഡ്മിനിസ്ട്രേറ്ററെ ബന്ധപ്പെടുക.

ഓഫ്‌ലൈൻ ക്യൂബ് ഫയലിലെ മറ്റ് ഡാറ്റ ഉൾപ്പെടെ

പരിഷ്‌ക്കരിച്ച ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ സംരക്ഷിക്കുന്നത് സമയമെടുക്കും, ഫയൽ സേവ് ചെയ്യുമ്പോൾ നിങ്ങൾക്ക് Microsoft Excel-ൽ പ്രവർത്തിക്കാൻ കഴിയില്ല. നിങ്ങളുടെ ഹാർഡ് ഡ്രൈവിൽ മതിയായ ഇടമുണ്ടെന്ന് ഉറപ്പുവരുത്തിയ ശേഷം, മറ്റ് ഫയലുകളിലേക്ക് ഉടനടി ആക്സസ് ആവശ്യമില്ലാത്തപ്പോൾ ഈ പ്രക്രിയ പ്രവർത്തിപ്പിക്കുക.

ഒരു നെറ്റ്‌വർക്ക് കണക്ഷൻ ഉണ്ടെന്നും ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ ഡാറ്റ ലഭിച്ച ഉറവിട OLAP സെർവർ ഡാറ്റാബേസ് ആക്‌സസ് ചെയ്യാനാകുമെന്നും പരിശോധിച്ചുറപ്പിക്കുക.

ഒരു സ്റ്റാൻഡ്-എലോൺ ക്യൂബ് ഫയലിൽ നിന്ന് സൃഷ്‌ടിച്ച പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിൽ ക്ലിക്ക് ചെയ്യുക, അല്ലെങ്കിൽ പിവറ്റ് ചാർട്ട് റിപ്പോർട്ടിനായി അനുബന്ധ പിവറ്റ് ടേബിൾ റിപ്പോർട്ടിൽ ക്ലിക്ക് ചെയ്യുക.

ടാബിൽ ഓപ്ഷനുകൾകൂട്ടത്തിൽ സേവനംബട്ടൺ ക്ലിക്ക് ചെയ്യുക OLAP സേവനംബട്ടൺ അമർത്തുക ഓഫ്‌ലൈൻ OLAP മോഡ്.

ബട്ടൺ ക്ലിക്ക് ചെയ്യുക ഓഫ്‌ലൈൻ OLAP മോഡ്, തുടർന്ന് - ഓഫ്‌ലൈൻ ഡാറ്റ ഫയൽ എഡിറ്റ് ചെയ്യുക.

ഈ ഫയലിൽ ഉൾപ്പെടുത്താൻ മറ്റ് ഡാറ്റ തിരഞ്ഞെടുക്കുന്നതിന് ഓഫ്‌ലൈൻ ക്യൂബ് വിസാർഡ് പിന്തുടരുക. അവസാന ഘട്ടത്തിൽ, മാറ്റാനുള്ള ഫയലിന്റെ പേരും പാതയും വ്യക്തമാക്കുക.

കുറിപ്പ്:ഫയൽ സംരക്ഷിക്കുന്നത് റദ്ദാക്കാൻ, ബട്ടൺ ക്ലിക്ക് ചെയ്യുക നിർത്തുകഡയലോഗ് ബോക്സിൽ ഒരു ക്യൂബ് ഫയൽ സൃഷ്ടിക്കുന്നു - പുരോഗതി.

ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ ഇല്ലാതാക്കുന്നു

മുന്നറിയിപ്പ്:ഒരു റിപ്പോർട്ടിനായി നിങ്ങൾ ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ ഇല്ലാതാക്കുകയാണെങ്കിൽ, നിങ്ങൾക്ക് ആ റിപ്പോർട്ട് ഓഫ്‌ലൈനിൽ ഇനി ഉപയോഗിക്കാനാകില്ല, ആ റിപ്പോർട്ടിനായി നിങ്ങൾക്ക് ഇനി ഒരു ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ സൃഷ്‌ടിക്കാനാവില്ല.

ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ ഉപയോഗിക്കുന്ന റിപ്പോർട്ടുകൾ അടങ്ങിയ ഏതെങ്കിലും വർക്ക്ബുക്കുകൾ അടയ്‌ക്കുക, അല്ലെങ്കിൽ അത്തരം എല്ലാ റിപ്പോർട്ടുകളും ഇല്ലാതാക്കിയെന്ന് ഉറപ്പാക്കുക.

Microsoft Windows-ൽ, ഓഫ്‌ലൈൻ ക്യൂബ് ഫയൽ (CUB ഫയൽ) കണ്ടെത്തി ഇല്ലാതാക്കുക.

അധിക വിവരം

നിങ്ങൾക്ക് എല്ലായ്പ്പോഴും Excel ടെക് കമ്മ്യൂണിറ്റിയിൽ നിന്ന് ഒരു ചോദ്യം ചോദിക്കാം, ഉത്തരങ്ങളുടെ കമ്മ്യൂണിറ്റിയിൽ സഹായം ആവശ്യപ്പെടാം, അല്ലെങ്കിൽ വെബ്‌സൈറ്റിലേക്ക് ഒരു പുതിയ ഫീച്ചർ അല്ലെങ്കിൽ മെച്ചപ്പെടുത്തൽ നിർദ്ദേശിക്കുക