PANEVROPSKI UNIVERZITET APEIRON

FAKULTET POSLOVNE INFORMATIKE

Vanredne studije

Smer „Poslovna informatika”

Predmet

Menadžment poslovnih informacionih sistema

„OLAP tehnologije”

(seminarski rad)

Predmetni nastavnik

Doc. dr Gordana Radić

Student

Drago Vučković

Index br. 109-09/VIT

Banja Luka, januar 2012.

2

Sadržaj:

1. Uvod ............................................................................................................................................. 3

2. Definicije osnovnih OLAP operacija ............................................................................................. 5

2.1 Glavna tačka (engl. Pivot) ...................................................................................................... 5

2.2 Sloj (engl. Slice) .................................................................................................................... 5

2.3 Presjek (engl. Dice) ............................................................................................................... 5

2.4 Uzdizanje (engl. Roll-up) ....................................................................................................... 6

2.5 Detaljiziranje (engl. Drill down) ............................................................................................ 6

3. FASMI specifikacija ..................................................................................................................... 8

3.1 Osnovne mogućnosti ............................................................................................................. 9

3.2 Specijalne mogućnosti ........................................................................................................... 9

3.3 Mogućnosti izvještavanja....................................................................................................... 9

3.4 Kontrolisanje dimenzija ......................................................................................................... 9

4. OLAP modeli ...............................................................................................................................10

6. OLAP funkcije u programu Excel.................................................................................................12

6.1 Preuzimanje OLAP podataka ......................................................................................................12

6.2 Kreiranje datoteka kocki za korišćenje van mreže .......................................................................13

6.3 Radnje servera ............................................................................................................................13

6.4 KPI mjere ...................................................................................................................................13

6.6 Jezik za prikaz u sistemu Office..................................................................................................13

7. Zaključak .....................................................................................................................................14

Literatura .............................................................................................................................................15

3

1. Uvod

Prikupljanje podataka u bazu podataka karakteriše narastanje baze po svom

obimu u skladište podataka, koje prati poslovanje preduzeća. Za strategijsko odlučivanje,

uglavnom se ne koriste svakodnevni rezultati poslovanja preduzeća, već zbirni i izvedeni iz

predhodnog vremenskog perioda, tako da skladište podataka predstavlja dobru informatičku

osnovu za poslovno odlučivanje. Skladište podataka ima ulogu da objedini srodne podatke

poslovanja vitalnih funkcija preduzeća u oblik pogodan za sprovođenje raznih analiza. Nasuprot

svakodnevnoj, operativnoj, OLTP1 obradi podataka, javlja se potreba za analitičkom obradom

podataka - OLAP2. OLTP baze podataka uglavnom koriste SQL

3 jezik upita koji je namjenjen

za relacione baze podataka. Iako je tokom godina isti razvijen i unaprijeđivan, ipak nije

dovoljno jednostavan da bi se koristio u kompleksnim analizama. OLAP sistemi sadrže kopije

podataka iz OLTP sistema tako da ne ugrožavaju konkurentnost obrade, jer se nad istim

podacima ne vrše operacije ažuriranja i kreriranja izveštaja. OLAP predstavlja efikasan metod

za analiziranje skladišta sa velikom količinom podataka.

Termin OLAP sačinio je E.F. Codd 1992. godine, pri čemu je definisao i pet

ključnih karakteristika analitičke obrade podataka:

Multidimenzioni konceptuelni pregled – primarni fokus je relacija između

dimezija, nasuprot prezentovanju transakcionih zapisa;

Transparentnost – krajnji korisnik ne treba da brine o detaljima pristupa

podacima ili konverzijama;

Pristupnost – OLAP treba korisniku predstaviti jednu logičku šemu podataka,

nasuprot kompleksnom fizičkom modelu;

Fleksibilno izvještavanje – DBMS mora na sintetički način predstaviti podatke

ili informacije koja proizilaze iz animacije modela podataka, a sve u skladu sa bilo

kojom mogućom orijentacijom;

Neograničen broj nivoa dimenzija i agregacija – ozbiljni alati bi trebali

predstaviti najmanje 15 dimenzija.

Podaci za OLAP bazu podataka prikupljaju se iz raznih skupova skladišta

podataka, kao npr. operativne baze podataka a mogu se preuzimati i iz bilo kog relacionog ili

nerelacionog izvora podataka. Ovi skupovi podataka su često veoma veliki i nije uvijek

unaprijed poznato koji podaci će biti potrebni i kada se treba izvršiti željena analiza. Pri tome,

neki dijelovi podataka biće potrebni samo povremeno. Podaci se skladište na jedinstven način i

stoga vrsta izvora podataka nije od velikog značaja. Ova osobina omogućena je zahvaljujući

činjenici da je moguće uzimanje podataka iz različitih DBMS4 sistema za upravljanje bazom

podataka i objedinjavanje u zajednički OLAP sistem. Način skladištanja podataka je

optimizovan u cilju kreiranja veoma kompleksnih izveštaja. Održavanje OLAP baze ažurnom je

u praksi veoma zahtjevno što upućuje na to da je OLAP kocke korisnije formirati samo kada je

to stvarno neophodno. OLAP uglavnom koristi MDX5 jezik za kreiranje multi-dimenzionih

upita, koji poseduje mnogo više mogućnosti nego SQL jezik. S obzirom na to da izvori

podataka mogu biti veoma raznovrsni, za prikupljanje podataka predlaže se upotreba XML6

1 Online Transaction Processing

2 Online Analytical Processing

3 Structured Query Language

4 Database Management System

5 MultiDimensional eXpressions

6 Extensible Markup Language

4

jezika. Relacioni podaci se mogu lako transformisati u XML zapis, a XML podjezici mogu se

lako transformisati u druge podjezike upotrebom XSLT7. Na sličan način, OLAP podaci mogu

se lako transformisati u oblik pogodan za OLAP server, što nam omogućava da korist imo

različite servere za analiziranje podataka koji su u mogućnosti očitati podatke u XML obliku.

Nakon toga, analizira se upit koji podaci su potrebni za željenu OLAP kocku. Konstruisanje

OLAP kocki unaprijed omogućuje korisnicima brže dobijanje odgovora na njihove formirane

upite, dok nije predviđeno da se konstruisanje kocki vrši istovremeno pri postavljanju OLAP

upita.

OLAP kocke manjeg obima je lakše obraditi i mogu sadržavati više prethodno

proračunatih podataka nego veće kocke. Poželjno je da korisnici mogu postavljati MDX upite

na virtuelnoj (univerzalnoj) šemi OLAP kocke, a da sistem analizira ove upite, kao i da utvrdi

strukturu određene šeme OLAP kocke i koje podatke je nophodno prikupiti. Na osnovu ovih

informacija sistem može izvršiti prikupljanje podataka kako bi sačinio željenu OLAP bazu

podataka. U svakodnevnoj upotrebi, sačinjavanje OLAP upita odvija se tako što se prvo

korisniku predstavi univerzalno skladište podataka koje predstavlja sve podatke analiziranja i

nakon toga korisnik formira upit zasnovan na MDX jeziku. Server za prikupljanje analizira upit

kako bi utvrdio mjere, dimenzije i ograničenja za datu kocku. Takođe, server za prikupljanje

šalje zahtjeve distribuiranim skladištima podataka u skladu sa distributivnim modelom.

Skladišta podataka vraćaju željene podatke u XML formatu, nakon čega server za prikupljanje

sakuplja podatke. Server za prikupljanje pravi neophodne izmjene na podacima i u slučaju

potrebe izvršava neophodne agregacije. Potom se podaci šalju ka OLAP serveru kako bi se

formirala stvarna OLAP kocka. Korisnik može formirati upite OLAP kocki u OLAP serveru

upotrebom alata koje obezbjeđuje OLAP server. Danas je aktuelno nekoliko proizvođača OLAP

orijentisanih proizvoda na tržištu, kao npr. Microsoft Analysis Services i Oracle OLAP koji

nude djelimična rješenja u ovom kontekstu. Svi današnji sistemi za skladištenje podataka i

OLAP, koriste mehanizme za formiranje upita koji su dizajnirani prije nekoliko decenija.

Zasnivaju se na SQL i MDX jezicima kojima nedostaju karakteristike bezbjednosti i

fleksibilnosti objektno orijentisanih jezika koji se danas koriste u razvojnim okruženjima.

7 Extensible Stylesheet Language Transformations

5

2. Definicije osnovnih OLAP operacija

Osnovne OLAP operacije navedene su kao što slijedi:

2.1 Glavna tačka (engl. Pivot)

Ova OLAP operacija se odnosi na prezentovanje podataka i omogućuje

korisnicima da preuređuju osi posmatrane kocke;

Pivot operacija se definiše kao izlistavanje parova dimenzija, pri čemu svaki par

dimenzija predtavlja i staru dimenziju u trenutnom rezultatu upita nad podacima, kao i novu

dimenziju koja će zamijeniti staru pri novom predstavljanju. Ovom operacijom ne vrše se

proračuni vrijednosti ćelija, pa je rezultujuća kocka jednaka početnoj.

2.2 Sloj (engl. Slice)

Predstavlja operaciju kojom se odabira podskup višedimenzionog niza (ili

kocke), a koji predstavlja jednu vrijednost za jednog člana dimenzije;

2.3 Presjek (engl. Dice)

Raslojavanja na više od dvije dimenzije kocke podataka (ili na više od dva

uzastopna sloja);

Slika 2.2: Sloj

Slika 2.1.1: Početni pogled Slika 2.1.2: Glavna tačka

Slika 2.3: Presjek

6

2.4 Uzdizanje (engl. Roll-up)

Predstavlja specifičnu tehniku analiziranja kojom korisnik prelazi kroz nivoe

podataka u rasponu od najviše detalja (dolje), do najsažetijih (gore), prema hijerarhiji koncepta;

Slika 2.4: Odvijanje

2.5 Detaljiziranje (engl. Drill down)

Predstavlja specifičnu analitičku tehnika kojom korisnik prelazi između nivoa

podataka u rasponu od najsažetijih (gore), do najdetaljnijih (dolje), prema hijerarhiji koncepta;

Slika 2.5: Detaljliziranje

Koncept skladišta podataka započinje sa fizičkim odvajanjem operativnog i

okruženja za donošenje odluka. Skladište podataka je jedinstveni sistem za upravljanje bazom

podataka (DBMS) koji je dizajniran za izvršavanje upita u veoma kratkom vremenu, kao i za

analiziranje višedimenzionih podataka, što ga čini centralnim smještajnim kapacitetom

podataka za sve OLAP sisteme. Veličina i složenost analize podataka je u proteklih nekoliko

godina značajno porasla. S obzirom na to skladište podataka predstavlja veliki, konzistentni

smještajni kapacitet za informisanje svih odjeljenja razgranate korporacije, uobičajeno je da se

skladište podataka koristi kao podrška procesu analize podataka. Može se posmatrati kao

trodijelna arhitektura:

- izvori podataka sa tržištima podataka (engl. Data Marts),

- OLAP server koji omogućuje korisnicima da pristupaju i analiziraju podatke u skladištu

podataka,

- alati koji obezbjeđuju grafički interfejs za najviše rukovodstvo i donosioce odluka.

7

Slika 2.7: Arhitektura skladišta podataka

Kocka podataka je višedimenzioni model podataka koji podržava OLAP obradu

podataka. Može se opisati kao apstrakcija podataka koja omogućava pregledavanje agregiranih

podataka iz više perspektiva i sastoji se od dimenzija i mjera.

Dimenzije su poznate i kao atributi koji se mogu podijeliti na dva tipa:

- prvi koji predstavlja entite kao što su npr. radnici ili proizvodi, a

- drugi su mjerni atributi koji predstavlju pojmove od interesa i agregiraju se u

skladu sa entitetima na koje se odnose.

U prostoru dimenzije d, {A1, A2, .. Ad} postoji O(2d) kombinacija atributa i ovaj

zbir pogleda se naziva skup potencije (engl. Power Set). U OLAP terminologiji pogledi se često

nazivaju i kuboidi ili grupacije i svaki pogled predstavlja jedinstvenu kombinaciju atributa

entiteta i može se posmatrati kao predstavljanje agregacije mjernih atributa. Kocka podataka se

sastoji od baznog kuboida plus (2d)-1 kuboida i može se opisati potpuna ako sadrži ukupno 2d

mogućih pogleda, ili kao nepotpuna ako je konstrusan samo podskup pogleda.

8

3. FASMI specifikacija

- Fast Analysis Shared Multidimensional Information

Fast (brzina)

Brzina sistema treba biti projektovana tako da korisnicima unutar 5 sekundi

isporuči više odgovora, pri čemu jednostavnije analize nebi trebale trajati duže od 1 sekunde za

dobijanje odgovora. Kod velikih količina podataka ovaj uslov nije lako postići korišćenjem

pojedinačnih ad-hoc kalkulacija, odnosno brzim (engl. on-the fly) kalkulacijama. Da bi

zadovoljni uslov brzine dobijanja odgovora, proizođači koriste različite tehnike koje uključuju

specijalne forme za skladištenje podataka, zahjtevne prethodne kalkulacije, kao i poseban

hardver.

Analysis (analiza)

Sistem treba imati sposobnost da zadovolji bilo koju vrstu poslovne logike koja

je za korisnika relevantna. Takođe, radi ispunjavanja ovog uslova se zahtijevaju i neka

predprogramiranja, ukoliko određeni problemi nisu rješivi korišćenjem 4GL jezika (jezici IV

generacije).

Shared (djeljivost)

Sistem mora zadovoljiti sve zahtjeve u pogledu bezbjednosti i povjerljivosti i

ovaj zahtjev se može primjenjivati od nivoa ćelije. Ukoliko postoji potreba za višekorisničkim

pristupom, neophodno je omogućiti zaključavanje za konkretna ažuriranja na odgovarajućem

nivou.

Multidimensional (višedimenzionalnost)

Za FASMI definiciju, višedimenzionalnost predstavlja ključni zahtjev koji mora

biti ispunjen. Višedimenzionalnost je u jednoj riječi OLAP. Sistem treba obezbijediti

višedimenzionalni konceptuelni pogled na podatke, što uključuje i potpunu podršku za

hijerarhije i višestruke hijerarhije. Kao dio FASMI definicije, ne definiše se posebno broj

dimenzija.

Information (informacije)

Informacije predstavljaju sve što je izvedeno iz podataka i što je u vezi sa

podacima a relevantno za aplikaciju. Koliko ulaznih podataka određena aplikacija može

prihvatiti predstavlja kapacitet, a ne terabajta koji se mogu uskladištiti.

Razmatranjem FASMI specifikacije proširuje se skup uslova koje OLAP sistem

mora ispuniti.

Ti uslovi se dijele u 4 grupe:

- osnovne mogućnosti,

- specijalne mogućnosti,

- mogućnost izvještavanja,

- mogućnost kontrolisanja dimenzije.

9

3.1 Osnovne mogućnosti

o višedimenzionalni koceptuelni pogled (Codd-ovo pravilo broj 1)

o transparentnost (Codd-ovo pravilo broj 2)

o pristupačnost – OLAP kao medijator (Codd-ovo pravilo broj 3)

o OLAP model analize

Ovaj zahtjev redefiniše 4 modela analize koja je postavio dr Codd (kategorijski,

egzegetički, razmatrajući, formulatički) i pojednostavljuje zahtjeve na parametričko

statičko izvještavanje, isjecanje i formiranje kocki po dubini struktura, analize „šta

ako“, modeliranje za postizanje cilja

o podrška višekorisničkom radu (Codd-ovo pravilo 8)

o klijent-server arhitektura (Codd-ovo pravilo 5)

o intuitivna manipulacija podacima (Codd-ovo pravilo broj 10),

o batch ekstrakcija nasuprot interpraticije

OLAP mora omogućiti dva pristupa: OLAP bazi podataka kao izdvojenim

podacima, i pristup podacima u eksternoj bazi u on-line režimu.

3.2 Specijalne mogućnosti

o obrada nenormalizovanih podataka

Obezbjeđuje da OLAP bude snabdjeven integracijom sa izvorima denormalizovanih

podataka. Bilo koje ažuriranje izvedeno u OLAP okruženju nebi trebalo imati uticaj

na sačuvane denormalizovane podatke u izvornim skupovima, što znači da

interpretacija podataka ne treba uticati na izvor.

o smještanje OLAP rezultata odvojeno od izvora podataka

o izdvajanje nedostajućih vrijednosti

sve vrijednosti koje nedostaju trebaju se pojaviti u uniformnom obliku, kako to već

relacioni model predviđa

o postupci za vrijednosti koje nedostaju

OLAP organizator treba sve takve vrijednosti da ignoriše bez obzira na izvor

podataka

3.3 Mogućnosti izvještavanja

o konzistentne performanse izvještavanja (Codd-ovo pravilo broj 4)

o automatizovano popunjavanje fizičkog nivoa (Codd-ovo pravilo broj 7)

o izvještavanje treba biti prilagodljivo (Codd-ovo pravilo broj 11)

3.4 Kontrolisanje dimenzija

o generička dimenzionalnost (Codd-ovo pravilo broj 6)

o neograničen pristup operacijama sa ukrštenim dimenzijama

(Codd-ovo pravilo broj 9)

o neograničene dimenzije i nivoi agregacije (Codd-ovo pravilo broj 12)

10

4. OLAP modeli

Ukoliko se podaci smještaju u višedimenzioni niz tada se radi od MOLAP8

dizajnu. MOLAP omogućuje implicitno adresiranje duž osi višedimenzionog niza, ali

istovremeno to može imati negativan uticaj na performanse obrade jer prostor (kao i posmatrani

kubni niz) postaje prorijeđen. MOLAP predstavlja jedan od uobičajenih modela OLAP analize i

najpogodniji je za operacije raslojavanja i presijecanja9. Kod ovog modela, svi proračuni

generišu se prilikom kreiranja kocke i u tom slučaju, dolaze do izražaja njegove prednosti koje

se ogledaju u izvrsnim performansama prilikom pronalaženja podataka. Nedostaci MOLAP

modela izražavaju se u tome nije moguće naknadno dodavati velike količine podataka jer su svi

proračni već izvršeni. Drugi nedostatak je u tome što se zahtijevaju dodatna ulaganja jer je

tehnologija kocke najčešće licencirana.

Na slici 3.2 predstavljena je konstrukcija baznog kuboida trodimenzione kocke

(proizvod, kupac i lolacija), pri čemu je pod (a) prikazan MOLAP, a pod (b) ROLAP10

model.

Slika 3.2: (a) MOLAP, (b) ROLAP

Relacioni OLAP, ili ROLAP smješta kuboide kao jedinstvene tabele i teži ka

dobroj razmjeri u prostoru, jer samo oni zapisi koji stvarno postoje se materijalizuju i smještaju.

Međutim, zahtijeva se eksplicitno višedimenziono indeksiranje kako bi se model koristio

efikasno. ROLAP model manipuliše sa podacima u relacionim bazama i daje prikaz kao da se

radi o uobičajenoj OLAP proceduri raslojavanja i presjecanja, koja u suštini odgovara

dodavanju „WHERE“ uslova u SQL iskazu. Prednosti ROLAP modela su u tome što može

obraditi velike količine podataka, kao i u tome što je naslijedio funkcionalnosti iz relacionih

baza. Količina podataka je ograničena sa količinom podataka relacione baze na kojoj se model

zasniva, što praktično znači da u pogledu količine podataka sam ROLAP nema ograničenja.

Nedostak ovog modela su spore performanse. Svaki ROLAP izvještaj je u osnovi SQL upit (ili

višestruki SQL upiti) u relacionoj bazi podataka i ukoliko je relaciona baza podataka velikog

kapaciteta, izvršavanja upita može dugo potrajati. S obzirom na to da se zasniva na SQL

upitima nad relacionom bazom, ovaj model vjerovatno neće moći zadovoljiti sve potrebe za

složenim proračunima. Proizvođači ovih rješenja nastoje ovaj nedostatak prevazići tako

izradom složenih gotovih funkcija, kao i mogućnošću da korisnici sami definišu njihove

funkcije.

8 MultiDimensional Online Analytical Processing

9 Slicing & Dicing

10 Relational OLAP

11

HOLAP11

je model koji kombinuje prednosti MOLAP i ROLAP pristupa. Za

informacije sumarnog tipa HOLAP se oslanja na kocke podataka zbog boljih performansi

ovakvog pristupa. Za detaljne informacije, sa druge strane, HOLAP vrši detaljiziranje, ili

bušenje kroz kocku do relacione baze podataka. HOLAP kao hibridni koncept u razvoju OLAP

alata je prevladao. HOLAP samo sumarizacije drži u multidimenzionalnoj kocki, dok

elementarni nivo podataka drži u izvornoj relaciji, i njima pristupa pomoću procedura bušenja

kocki podataka. Na taj način objedinjene su i velika brzina pristupa i relativno malo zauzeće

prostora.

DOLAP12

, ili OLAP za stone računare, prilagođen je primjeni na stonim

računarima skromnijih memorijskih kapaciteta i mogućnostima obrade za razliku od velikih

serverskh računara. Po pretpostavci, DOLAP ne podržava višekorisničke aplikacije, već samo

manje aplikacije namijenjene zadovoljavanju potreba pojedinačnih korisnika. U najnovije

vrijeme razvijene su i verzije za prienosna, pa čak i ručne računare.

EOLAP13

se koristi za pristupanje XML dokumentima iz OLAP sistema na

fleksibilan način.

5. Analiziranje podataka

Prilikom analiziranja podataka koristie se dvije metode:

- metoda raslojavanja i presijecanja14

, i

- metoda rotacije ili pivotiranja15

.

Pravilnije bi bilo reći da ovdje radi o karakteristikama OLAP sistema koje

proizilaze iz njegove višedimenzionalne strukture tj. o različitim mogućnostima pogleda na

podatke.

Višedimenzioni skupovi podataka mogu se analizirati horizontalno

(raslojavanje) i vertikalno (presijecanje). Kvalitet ove metode se ogleda u tome što je

korisnicima intuitivno lako shvatljiva, te što je savremeni OLAP alati obavljaju vrlo brzo.

Takođe, možemo vršiti raslojavanje na više nivoa i presijecanja po različitim dimenzijama.

11

Hybrid Online Analytical Processing

12 Desktop OLAP

13 Elastic OLAP

14 Slice and Dice Method

15 Pivoting

12

Slika 4.1: OLAP kocka

OLAP kocka se može na različite načine rotirati oko svoje osi. Ono što su bili

redovi, možemo prikazati kao stupce i obrnuto. Što je više dimenzija to je i više mogućnosti

kojima se mogu prikazati podaci. Ako se neka dimenzija sastoji od više nivoa mogućnosti,

analiziranje se usložnjava i raste broj prikaza podataka. Spuštanje kroz te dimenzione nivoe

naziva se detaljiziranje16

, a uzdizanje je agregiranje17

.

6. OLAP funkcije u programu Excel

6.1 Preuzimanje OLAP podataka

Sa OLAP izvorima podataka se povezuje na isti način kao i sa drugim spoljnim

izvorima podataka. Mogu se koristiti baze podataka kreirane pomoću Microsoft serverskih

OLAP proizvoda, kao što su Microsoft SQL Server OLAP Services verzija 7.0, Microsoft SQL

Server Analysis Services verzija 2000 i Microsoft SQL Server Analysis Services verzija 2005.

Excel takođe može da radi sa OLAP proizvodima nezavisnih proizvođača koji su kompatibilni

sa OLE-DB18

za OLAP. OLAP podaci mogu se prikazati samo kao izvještaj izvedene tabele ili

izvedenog grafikona, ili u funkciji radnog lista konvertovanoj iz izvještaja izvedene tabele, ali

ne kao opseg spoljnih podataka. OLAP izvještaji izvedene tabele i izvedenog grafikona mogu

se sačuvati u predlošcima izvještaja i mogu se kreirati Office datoteke sa podacima za

povezivanje tj. ODC19

datoteke (.odc) za povezivanje sa OLAP bazom podataka za OLAP

upite. Nakon otvaranja ODC datoteke, Excel prikazuje prazan izvještaj izvedene tabele koji je

spreman za raspoređivanje.

16 Drill down

17 Drill up

18 Object Linking and Embedding, Database

19 Office Data Connection

13

6.2 Kreiranje datoteka kocki za korišćenje van mreže

Može se kreirati datoteka kocke van mreže (.cub) sa podskupom podataka iz

baze podataka na OLAP serveru. Da bi radili sa OLAP podacima bez povezivanja sa mrežom

koriste se vanmrežne datoteke kocke. Za upotrebu OLAP podataka kada niste povezani sa

mrežom koristite se vanmrežne datoteke kocke. Kocka ubrzava preuzimanje podataka i

omogućava rad sa većom količinom podataka u izvještaju izvedene tabele ili izvedenog

grafikona radite nego što bi to inače mogli. Datoteke kocke mogu se kreirate samo ako se

koristi OLAP dobavljač, poput sistema Microsoft SQL Analysis Services Server verzija 2005

koji podržava ovu funkciju.

6.3 Radnje servera

Radnja servera predstavlja opcionu, ali korisnu funkciju koju administrator

OLAP kocke može definisati na serveru koji koristi člana kocke ili mjeru kao parametar za upit

da bi dobio detalje u kocki ili da bi pokrenuo drugu aplikaciju poput pregledača. Excel

podržava sljedeće radnje servera: URL, Report, Rowset, Drill Through i Expand to Detail, ali

ne podržava radnje Proprietary, Statement i Dataset.

6.4 KPI mjere

KPI je posebna izračunata mjera koja je definisana na serveru i dozvoljava

praćenje „ključnih indikatora učinka“, uključujući status (da li se trenutna vrijednost poklapa sa

određenim brojem?) i trend (kako se vrijednost mijenja s vremenom?). Kada su ove vrijednosti

prikazane, server može slati povezane ikone koje su slične novom skupu ikona programa Excel

da bi pokazao nivoe ispod ili iznad statusa, ili ima li vrijednost tendenciju rasta ili opadanja

(kao što je ikona sa strelicom okrenutom u određenom smijeru).

6.5 Oblikovanje servera

Administratori kocke mogu kreirati mjere i izračunate članove pomoću

oblikovanja boja, fonta i uslovnim oblikovanjem pravila, koja mogu biti dodijeljena kao pravilo

za korporativno standardno poslovanje. Npr, format servera da bude format broja, boja ćelije,

ili stil fonta.

6.6 Jezik za prikaz u sistemu Office

Administrator kocke može definisati prevode za podatke i greške na serveru za

korisnike koji žele informacije izvedene tabele vidjeti na drugom jeziku. Ova funkcija

definisana je kao svojstvo za povezivanje datoteka, dok postavke korisničkog računara moraju

da odgovaraju jeziku za prikaz za određenu zemlju ili region.

14

7. Zaključak

Broj korisnika OLAP tehnologije je veliki i pored toga što se radi o relativno

novoj tehnologiji. Razlog za to je što današnje kompanije zapošljavaju sve obrazovanije

osoblje, kojem ne predstavlja poteškoće korićenje računarskih tehnologija visokog nivoa.

Osnovni elementi OLAP sistema su:

a. baza podataka, koja predstavlja osnovu za vršenje analize,

b. OLAP server, za manipulaciju podacima,

c. interfejs za korisnike i kao i prema drugim aplikacijama,

d. alati za administriranje.

Interfejs OLAP sistema korisniku treba da omogući jednostavno rukovanje,

samostalno izvođenje analitičkih operacija i dobijanje pregleda i poslovne grafike, a sve bez

potrebnog znanja programiranja i strukture baze podataka. OLAP sistemi omogućavaju

jednostavnu sintezu, analizu i agregaciju podataka po zadanom kriterijumu. Koriste se za

intuitivnu, brzu i fleksibilnu manipulaciju transakcionim podacima. OLAP sistemi podržavaju

kompleksne analize koje sprovode analitičari i omogućavaju analizu podataka iz različitih

perspektiva (poslovnih dimenzija). OLAP sistemi kao skladišta podataka koriste

multidimenzionalnost i denormalizaciju.

Proces uvođenja OLAP tehnologije u kompaniju predstavlja značajnu investiciju

jer je potrebno ulagati sredstva u tehnologiju, softver, opremu i edukaciju osoblja, ali

upotrebom kvalitetnih informacija, rukovođenje kompanijom sve više prestaje biti intuirivno i

sve se više zasniva na egzaktnim pokazateljima.

15

Literatura

Doc. dr. Gordana Radić, UPRAVLJANJE POSLOVNIM INFORMACIONIM SISTEMIMA,

Panevropski univerzitet „APEIRON“, 1. izdanje, Banja Luka, 2009.

Prof. dr Bojan Ćirić – POSLOVNA INTELIGENCIJA, Data Status, Beograd, 2006.

Internet, http://spectrum.library.concordia.ca/7388/1/Taleb_PhD_S2011.pdf, 26.1.2012.

Internet,http://office.microsoft.com/sr-latn-cs/excel-help/pregled-tehnologije-olap-online-

analytical-processing-HP010177437.aspx, 26.1.2012.

Internet,http://www.oracle.com/technetwork/database/options/olap/olap-11g-datasheet-

130332.pdf?ssSourceSiteId=ocomen, 28.1.2012.

Internet,http://www.oracle.com/us/obiee-11g-technical-overview-078853.pdf, 20.10.2012.

Internet, http://olap.com/w/index.php/OLAP_Education_Wiki, 29.1.2012.