Qu'est-ce que le traitement analytique en ligne?

Le traitement traitement analytique en ligne (OLAP), par opposition au traitement des transactions en ligne (OLTP), prend en charge l'analyse des données en utilisant une connexion en direct à des données structurées pour révéler des informations analytiques. Les systèmes OLTP créent des données et les systèmes OLAP analysent les données commerciales.

Pourquoi le traitement analytique en ligne est-il important ?

Les entreprises doivent agir rapidement pour rester compétitives, réagir aux menaces et aux opportunités, et répondre aux besoins des clients. traitement analytique en ligne fournit une visibilité sur ces changements dans l'environnement de l'entreprise.

L'évolution du traitement analytique en ligne

Les systèmes de traitement des transactions sont conçus pour un débit élevé, de grandes populations d'utilisateur et la création de données à grande vitesse. Par exemple, les systèmes bancaires tels que les distributeurs automatiques de billets (DAB) et les systèmes de points de vente (TPV) dans les supermarchés doivent être très réactifs. Les premiers systèmes de reporting recueillaient les données de transaction la nuit lorsque les systèmes de transaction fournissaient des rapports par lots à consommer le jour suivant.

Les systèmes de reporting ont évolué vers des entrepôts de données et des systèmes cube OLAP, qui regroupent les données pour permettre une analyse multidimensionnelle des données de transaction. Le problème des premiers systèmes OLAP était que les cubes ou hypercubes de données qu'ils créaient n'avaient pas accès aux données sous-jacentes les plus récentes.

Les systèmes d'entrepôt de données d'aujourd'hui peuvent être couplés à des sources de données streaming basées sur des messages afin de collecter des données à partir de systèmes transactionnels en quelques secondes après leur création. Les systèmes d'apprentissage automatique peuvent détecter des tendances et des corrélations subtiles dans les flux de données brutes qui peuvent être affichées dans des visualisations dynamiques. Les tableaux de bord en temps réel des systèmes informatique décisionnelle permettent aux organisations de réagir aux changements dans l'instant.

Systèmes hybrides OLTP et OLAP

Pour minimiser le temps de latence entre les données du système transactionnel et l'analyse des données, des produits tels qu'Actian Ingres sont apparus pour répondre à ce besoin. Dans ce système hybride, le moteur de base de données OLTP d'Ingres est axé sur les charges de travail transactionnelles et couplé à la base de données analytique Vector, qui stocke les données analytiques. Il s'agit d'une instance de base de données unique qui utilise le stockage en ligne pour les tables OLTP et le stockage en colonnes pour les tables d'support décision. Un mot-clé dans la commande CREATE TABLE indique à la base de données Actian X l'utilisation prévue de la table afin qu'elle puisse être optimisée pour les données OLTP ou OLAP.

Cubes OLAP

Une classe de bases de données qui précharge les données dans un cube multidimensionnel avec des données pré-agrégées pour support découpage des données à travers différentes dimensions. Ces bases de données utilisent un langage de requête expressions multidimensionnelles (MDX) non standard. Les cubes OLAP ont été largement remplacés par la technologie des bases de données en colonnes, qui utilise des requêtes SQL standard et peut rafraîchir les données en en temps réel.

Les avantages du traitement analytique en ligne

Les utilisateurs d'applications d'support décision sont de plus en plus demandeurs de données plus fraîches pour leurs analyses. Voici quelques-uns des avantages liés à l'utilisation des dernières données analytiques disponibles :

• Lorsqu'une entreprise prend conscience de changements dans son environnement, elle doit souvent réagir rapidement pour minimiser les dommages causés à sa réputation. Le suivi des commentaires des clients sur les nouveaux produits et services exige de s'adapter aux commentaires négatifs ou aux changements dans le sentiment des commentaires des réseaux sociaux sur l'entreprise ou le produit avant qu'ils ne s'aggravent.
• Les systèmes de détection des fraudes ont besoin des informations les plus récentes avant qu'une entreprise ne prenne une décision de prêt ou n'intègre le risque dans une prime d'assurance.
• Lorsque des opportunités de marché se présentent, comme une vague de chaleur dans une région donnée, un détaillant en quincaillerie doit s'approvisionner en ventilateurs et en systèmes d'air conditionné pendant que la chaleur dure.
• Les changements dans la tarification des fournisseurs déterminent le prix qu'un fabricant facture à ses clients. Plus il réagit rapidement, plus il a de chances d'éviter une baisse de ses marges bénéficiaires.

Actian et traitement analytique en ligne

La plateforme de données Actian fournit un système unifié de gestion des données données qui comprend la base de données analytique Actian Vector et DataConnect pour intégrer les données opérationnelles à partir de leur système source dans un état prêt pour l'analyse.