Cubos OLAP

El procesamiento analítico en línea (OLAP) es una tecnología que permite el análisis rápido e interactivo de datos multidimensionales. Los cubos OLAP o hipercubos son matrices de datos que abarcan muchas dimensiones, como el tiempo, la ubicación y el producto, lo que facilita su consulta y análisis en comparación con las tablas de las bases de datos tradicionales.

¿Por qué son importantes los cubos OLAP?

La necesidad de los cubos OLAP surge de los retos a los que se enfrentan los analistas y científicos de datos cuando intentan realizar consultas analíticas en bases de datos transaccionales. Para responder a preguntas complejas sobre datos relacionales es necesario realizar amplias uniones, complejos diseños de esquemas y preagregación, lo que hace que las consultas resulten caras, ineficaces y lentas. Al tener los resultados de la consulta estructurados en un cubo, los usuarios pueden rebanar y cortar los datos precalculados de forma más eficiente.

¿Cuál es el inconveniente de los cubos OLAP?

En los primeros tiempos del almacenamiento de datos, los cubos OLAP eran populares porque resolvían muchos problemas asociados a las bases de datos relacionales que no se habían creado para el procesamiento analítico. Sin embargo, los cubos OLAP tienen dos defectos principales:

• Tiempo de inactividad: Los datos del cubo OLAP sólo son válidos durante el tiempo en que se rellena el cubo; si los datos de origen subyacentes cambian, el cubo no puede actualizarse sin el tiempo de inactividad necesario. Esto funciona para aplicaciones que sólo se basan en datos históricos, pero es insuficiente para el análisis en tiempo real.
• Inflexibilidad: Los cubos OLAP deben solicitar de antemano las dimensiones que desean, lo que dificulta la exploración de nuevas variables sobre la marcha.

En la actualidad, el uso de cubos OLAP ha quedado eclipsado en gran medida por nuevos atributos de almacenamiento de datos, como los modelos de datos en columnas, los esquemas en estrella, los conjuntos de resultados persistentes y las vistas materializadas.

Funciones del cubo OLAP

Las siguientes capacidades definen lo que puede hacer con un cubo OLAP.

Rebanar

El corte permite a los usuarios analizar un subconjunto de la matriz multidimensional especificando un único valor para una de sus dimensiones. Por ejemplo, con un cubo OLAP con dimensiones de categorías de productos y ventas a través de las tiendas, a lo largo del tiempo, podría cortar el cubo por una dimensión de tiempo, como un trimestre específico.

Dados

El corte en dados, similar al corte en rodajas, permite al usuario analizar una subselección a través de dimensiones especificando valores para varias dimensiones y múltiples criterios. Por ejemplo, si se analizan las ventas totales de un producto específico con las dimensiones de producto, tiempo y región, se podría optar por dividir el cubo en dados por un trimestre concreto y un producto específico.

Perforación

El desglose de un resultado permite examinarlo a un nivel más detallado mediante la navegación por jerarquías.

Enrollable

Un roll-up agrega datos a niveles superiores y se utiliza para proporcionar una visión de conjunto. Un usuario puede ver los ingresos de un producto en una tienda individual y, a continuación, realizar un roll-up para ampliar el zoom a todas las tiendas, lo que sitúa el rendimiento de la tienda en particular en el contexto de todas las tiendas durante un período determinado.

Pivotante

La pivotante permite al usuario ver los datos desde múltiples perspectivas visualizándolos desde diferentes dimensiones.

Casos de uso de cubos OLAP

Venta al por menor

Los responsables de tienda necesitan saber qué productos se venden bien para determinar si necesitan pedir más existencias o retirar un producto por completo. A nivel regional, los usuarios quieren ver las ventas totales por tienda. Sus cubos OLAP pueden tener dimensiones como tienda, ventas totales, tiempo o producto.

Logística

Los profesionales de la cadena de suministro necesitan conocer la cantidad de mercancías que necesita cada centro de distribución para optimizar los plazos de entrega y la capacidad de los almacenes. Las dimensiones de este cubo incluyen la región, las ventas de productos, la cantidad disponible y la capacidad disponible.

Finanzas

Un director financiero de una multinacional necesita analizar el rendimiento de su empresa en múltiples dimensiones. El director financiero (CFO) debe ser capaz de desglosar ventanas temporales específicas a nivel regional y nacional. En este caso, el nivel más alto podría ser el de los ingresos globales, que pueden compararse con un calendario y desglosarse por precio de venta y rentabilidad.

Ventajas de los cubos OLAP

A continuación se exponen las principales razones por las que las empresas utilizan los cubos OLAP:

• Los cubos OLAP son rápidos porque todos los datos están preagregados.
• Los cubos OLAP son fáciles de navegar mediante operaciones sencillas como roll-ups, drill-downs, pivotes, slicing y dicing.
• Son más interactivos que los informes tabulares y resultan útiles para funciones sencillas de inteligencia empresarial.

Actian y OLAP

Para los usuarios de OLAP que buscan simplificar el ciclo de vida de la inteligencia empresarial (BI), la base de datos de análisis Actian Vector proporciona una alternativa viable a los cubos OLAP. Ofrece un rendimiento superior y proporciona datos en tiempo real sin necesidad de preagrupar los datos. Al acoplar una solución de BI moderna con Actian Vector, los analistas obtienen la capacidad de realizar análisis, exploración y visualización en tiempo real utilizando una interfaz de usuario potente e intuitiva.

Obtenga más información sobre la base de datos analítica Actian Vector aquí.