- OLAP ayuda a las empresas a analizar rápidamente datos agregados y multidimensionales cuando se necesitan respuestas rápidas para la planificación y el apoyo a la toma de decisiones.
- Los cubos OLAP pueden preagregar datos en distintas dimensiones, como el producto y el tiempo, lo que agiliza el análisis de desglose en comparación con las consultas relacionales convencionales.
- Open iT Analysis Server utiliza inteligencia empresarial de tipo OLAP para ayudar a los responsables de TI a analizar de forma eficiente el uso de las licencias y las cuestiones relacionadas con los activos de software.
Un analista que se enfrenta a una consulta relacional plana tiene que esperar 90 segundos a que finalice un rollup multidimensional y, a continuación, otros 90 segundos más para profundizar en la sección que realmente le interesa. Para cuando llega la tercera iteración, la pregunta ya ha cambiado. El OLAP transforma esa ecuación mediante la preagregación a través de dimensiones como el producto y el tiempo, convirtiendo los desgloses en operaciones que duran menos de un segundo, en lugar de escaneos completos de la tabla. Open iT Analysis Server aplica esa misma inteligencia empresarial al estilo OLAP a cuestiones relacionadas con el uso de licencias y los activos de software, lo que proporciona a los responsables de TI respuestas rápidas a las cuestiones de planificación y optimización que pierden valor cuanto más tardan en calcularse.
La inteligencia empresarial basada en el análisis de datos agregados es uno de los temas más importantes en el mundo de los negocios hoy en día. Cada vez son más las empresas que descubren la importancia de recopilar, almacenar y analizar los diversos datos disponibles en los procesos empresariales para obtener una ventaja competitiva. Con el número de tecnologías de inteligencia empresarial disponibles para permitir un análisis eficaz de los datos, es esencial elegir la herramienta adecuada, una que pueda ofrecer resultados rápidos y precisos. Este artículo se centrará en una herramienta que ha demostrado dar estos resultados: OLAP.
Online Analytical Processing (OLAP) is a database structure optimized for rapid display of multi-dimensional data. OLAP databases are often referred to as “cubes”, an effective way to think of multidimensional data. In a simplified sense an OLAP cube is something like a three dimensional spreadsheet, though OLAP is able to handle more than three dimensions. OLAP databases are typically implemented in specially designed relational databases, optimized to deliver rapid results to queries. OLAP databases can substantially outperform flat file databases and typical or transactional relational databases when it comes to providing fast answers to multi-dimensional queries.
But how does OLAP actually do this? Let’s compare a standard relational database and OLAP. To demonstrate this, a possible question that IT managers responsible for managing and optimizing software assets may want answered is:
¿Cuál es el uso máximo de licencias para un producto concreto en un año determinado?
Ahora, imagina que el responsable de TI tiene una base de datos muy grande con registros históricos de uso. Para responder a esa pregunta utilizando una base de datos relacional convencional, necesita obtener la información de diferentes tablas. Combina todos los datos y realiza una consulta para extraer la información que necesita.
En el caso de las consultas complejas, esto puede ser un proceso lento. ¿Qué ocurre cuando el responsable de TI quiere profundizar en esa información? Por ejemplo, ahora le gustaría saber:
What is the maximum license usage for a particular feature in the product within a specific month at a particular site?
El responsable de TI tendría que volver a realizar la consulta. La aplicación de estos filtros ralentizará aún más un proceso ya de por sí lento, lo que no es una opción para una empresa que necesita información rápidamente.
Where fast data retrieval is a priority in planning, problem solving and decision support, businesses can take advantage of multi-dimensional tools such as OLAP. In OLAP, stored data is pre-aggregated, which can bring results instantaneously even with large amounts of data. Cubes can have many dimensions which can be used to aggregate, slice and dice the data. In addition, one can further slice the dimensions into hierarchies built directly within the cube.
The figure above illustrates the OLAP approach to answering our first question. Two of the dimensions for our cube are Product and Time. Through the pre-aggregation of these dimensions, we can instantly retrieve the information we need. The highlighted area is the Maximum License Usage of Product C for the year 2014.
Another dimension that we may add to our OLAP cube is Location.
This shows how OLAP performs multi-dimensional analysis. In this example, the OLAP cube pre-aggregates the Location dimension with Product and Time. The highlighted area shows the Maximum License Usage of Product C for the year 2014, but this time only for North America.
Y a partir de esos datos, podemos desglosar instantáneamente nuestra información utilizando jerarquías. Esta figura muestra el uso máximo de licencias de la función 2 - Producto C para febrero de 2014 en Norteamérica.
In designing a cube, one focuses on providing answers to a small sets of questions addressing fundamental business needs. A cube built on well-considered pre-allocation of data answers these questions, easy and fast. This is what OLAP does. It allows one to explore business data efficiently – a clearly smart reason to consider business intelligence tools that utilize OLAP, such as the Open iT Analysis Server.
The Analysis Server is an advanced software asset management tool addressing the needs of individuals tasked with managing complex and expensive software asset portfolios. Along with Open iT modules, the Analysis Server can provide rich reports on the many facets of <software asset management (SAM), such as license usage, application, server and storage usage, in a fast and efficient way.
