- O OLAP ajuda as empresas a analisar rapidamente dados agregados e multidimensionais quando são necessárias respostas rápidas para o planeamento e o apoio à tomada de decisões.
- Os cubos OLAP podem pré-agregar dados em várias dimensões, tais como produto e tempo, tornando a análise detalhada mais rápida do que as consultas relacionais convencionais.
- O Open iT Analysis Server utiliza inteligência empresarial do tipo OLAP para ajudar os gestores de TI a analisar de forma eficiente a utilização de licenças e questões relacionadas com os ativos de software.
Um analista que se depara com uma consulta relacional simples tem de esperar 90 segundos até que um rollup multidimensional termine e, depois, espera mais 90 segundos para aprofundar a análise na fatia que realmente importa. Na terceira iteração, a questão já mudou. O OLAP altera essa equação ao pré-agregar dados em dimensões como produto e tempo, transformando as análises detalhadas em operações que demoram menos de um segundo, em vez de varreduras completas da tabela. O Open iT Analysis Server aplica essa mesma inteligência empresarial ao estilo OLAP às questões relacionadas com a utilização de licenças e ativos de software, proporcionando aos gestores de TI respostas rápidas às questões de planeamento e otimização que perdem valor quanto mais tempo demoram a ser calculadas.
O business intelligence baseado na análise de dados agregados é um dos tópicos mais importantes no mundo empresarial actual. Cada vez mais empresas estão a descobrir a importância de recolher, armazenar e analisar os diversos dados disponíveis no âmbito dos processos empresariais para obter vantagens competitivas. Com o número de tecnologias de business intelligence disponíveis para permitir uma análise de dados eficaz, é essencial escolher a ferramenta certa, uma que possa fornecer resultados rápidos e precisos. Este artigo focalizar-se-á numa ferramenta que comprovadamente dá estes 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:
Qual é a utilização máxima da licença para um determinado produto dentro de um determinado ano?
Agora, imagine que o gestor de TI tem uma base de dados muito grande de registos históricos de utilização. Para responder a essa pergunta utilizando uma base de dados relacional convencional, é necessário obter a informação a partir de diferentes tabelas. Combina todos os dados e efectua uma consulta para extrair a informação de que necessita.
Para consultas complexas, este pode ser um processo lento. O que acontece quando o gestor de TI quer detalhar essa informação? Por exemplo, ele ou ela gostaria agora de saber:
What is the maximum license usage for a particular feature in the product within a specific month at a particular site?
O gestor de TI teria então de voltar a executar a consulta. A aplicação destes filtros irá atrasar ainda mais um processo já lento, o que não é uma opção para uma empresa que necessita de informação rapidamente.
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.
E a partir desses dados, podemos imediatamente pesquisar a nossa informação usando hierarquias. Esta figura mostra a Utilização Máxima da Licença da Funcionalidade 2 - Produto C para Fevereiro de 2014 na América do Norte.
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.
Clique aqui para mais informações sobre o Open iT Analysis Server e todo o Open iT Base Enterprise.
