- L'OLAP aide les entreprises à analyser rapidement des données agrégées et multidimensionnelles lorsqu'elles ont besoin de réponses rapides pour la planification et l'aide à la décision.
- Les cubes OLAP permettent de pré-agréger les données selon différentes dimensions, telles que le produit et le temps, ce qui rend l'analyse par exploration plus rapide que les requêtes relationnelles classiques.
- Open iT Analysis Server utilise une solution de veille stratégique de type OLAP pour aider les responsables informatiques à analyser efficacement l'utilisation des licences et à répondre aux questions relatives au parc logiciel.
Un analyste confronté à une requête relationnelle simple doit attendre 90 secondes que le calcul multidimensionnel s’achève, puis 90 secondes supplémentaires pour explorer la tranche qui l’intéresse réellement. Au bout de la troisième itération, la question a déjà changé. L’OLAP change la donne en effectuant des pré-agrégations sur des dimensions telles que le produit et le temps, transformant ainsi les explorations en opérations de l’ordre de la fraction de seconde plutôt qu’en balayages complets de tables. Open iT Analysis Server applique cette même intelligence économique de type OLAP aux questions relatives à l’utilisation des licences et aux actifs logiciels, offrant ainsi aux responsables informatiques des réponses rapides aux questions de planification et d’optimisation qui perdent de leur valeur à mesure que leur calcul prend du temps.
L'intelligence économique basée sur l'analyse de données agrégées est l'un des sujets les plus importants dans le monde des affaires d'aujourd'hui. De plus en plus d'entreprises découvrent l'importance de la collecte, du stockage et de l'analyse des diverses données disponibles dans le cadre des processus d'entreprise afin d'acquérir un avantage concurrentiel. Avec le nombre de technologies de veille stratégique disponibles pour permettre une analyse efficace des données, il est essentiel de choisir le bon outil, celui qui peut fournir des résultats rapides et précis. Cet article se concentre sur un outil qui a fait ses preuves en la matière : 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:
Quelle est l'utilisation maximale d'une licence pour un produit donné au cours d'une année donnée ?
Imaginons maintenant que le responsable informatique dispose d'une très grande base de données contenant des historiques d'utilisation. Pour répondre à cette question à l'aide d'une base de données relationnelle classique, vous devez obtenir les informations dans différentes tables. Vous combinez toutes les données et effectuez une requête pour extraire les informations dont vous avez besoin.
Pour les requêtes complexes, ce processus peut être lent. Que se passe-t-il lorsque le responsable informatique souhaite approfondir ces informations ? Par exemple, il ou elle aimerait maintenant savoir :
What is the maximum license usage for a particular feature in the product within a specific month at a particular site?
Le responsable informatique devra alors effectuer à nouveau la requête. L'application de ces filtres ralentira encore davantage un processus déjà lent, ce qui n'est pas une option pour une entreprise qui a besoin d'informations rapidement.
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.
À partir de ces données, nous pouvons instantanément approfondir nos informations à l'aide de hiérarchies. Cette figure montre l'utilisation maximale de la licence de la fonctionnalité 2 - produit C pour le mois de février 2014 en Amérique du Nord.
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.
