온라인 분석처리(OLAP)의 이해.

Presentation on theme: "온라인 분석처리(OLAP)의 이해."— Presentation transcript:

1 온라인 분석처리(OLAP)의 이해

2 순서 OLAP 개요 OLAP 종류와 구현방식 OLAP 사례: ROLAP OLAP 사례: MOLAP OLAP 사례: BMT(Bench Mark Test)

3 OLAP의 개요 OLAP 정의 의사결정과 기업정보시스템 등에 필요한 정보를 이용, 저장, 조작 하는데 사용하는 다차원 도구로써 대용량의 데이터베이스나 데이터웨어하우스에 정보요구자가 직접 접근하여 다차원적 질의를 통해 대화식으로 정보를 탐색해나가는 과정 (or) 사용자들에 의해서 이해되는 기업의 실제 차원을 반영하기 위해 원래의 데이터(raw data)로 부터 변환된 정보의 모든 가능한뷰 들의 다양성을 제공하고 빠르고 일관된 대화식 접근을 통하여, 분석가, 관리자, 그리고 임원이 데이터에 대해서 통찰력을 얻도록 가능하게 해주는 소프트웨어 기술의 한 범주 임 FASMI (Fast Analysis of Shared Multidimensional Information) 정의 ● FAST : 사용자의 쿼리에 대한 반응속도가 5초 이내인 것 ● ANALYSIS : 시스템이 사용자에게 임의의 비즈니스 로직과 통계적 분석 기능을 쉽게 제공해야 함 ● SHARED : 동일한 데이터에 대해 다중 사용자가 동시에 공유하여 분석할 수 있어야 함 ● MULTIDIMENSIONAL : 시스템은 데이터를 다차원적으로(일단, 데이터를 바라보는 다양한 관점으로 이해하자. 나중에 개념을 다시 다룰 것이다.) 보여 줄 수 있어야 하며 여기에는 계층구조(hierarchy)와 다중 계층구조(multi‐hierarchy)에 대한 지원 포함 ● INFORMATION : 얻을 수 있는 데이터와 필요에 의해 파생된 모든 정보

4 OLAP의 개요 3계층 데이터웨어하우징의 구조

5

6 OLAP의 개요 3계층 데이터웨어하우징의 구조
OLTP: 데이터베이스 시스템에서 매출전표기록이나 재고 관리 등의 기본데이터를 수집하고 관리하는 운영시스템 OLAP : 분석이나 관리목적으로 다차원 테이블을 수집하고 관리하고, 처리하고 보여주기 위한 응용과 기술들의 집합도구 OLAP이 적용될 수 있는 환경은 데이터가 저장되어있는 기업 단위의 데이터웨어하우스 또는 특정부서에서 관리하는 데이터마트가 존재해야 되는 것 OLAP의 목적 : 최종사용자가 기업의 전반적인 상황을 이해할 수 있게 하고 의사결정을 지원 OLTP는 매일 매일의 기업운영을 가능하게 하는 반면 OLAP은 기업이 나이가야 할 방향을 설정할 수 있게 한다.

7

8 차원(dimension)의 수준(level)
Dimensions typically contain a natural hierarchy of levels or attributes. Part of the value of OLAP is to provide analysts a fast and easy capability to “drill down” from a higher, more-summarized level of the dimension to a lower, more-detailed level — such as drilling from year to quarter. “Drill-down” fixes the other dimensional attributes of a particular cell (those not constituting the “drill path”) and carries these into the new view. For example, drilling down the time dimension from a cell representing some unique occurrence of “sales by product, city, and year” (say, widgets in Boston during 2008) would yield a composite view of four cells representing widgets in Boston during 1Q08o 4Q08. A key design issue is what levels of the hierarchy to populate. For example, monthly sales could be calculated by summing just four weekly sales measures, but in general the higher levels of a dimension are accessed more frequently and cost less to store. The cost of storing lower levels of detail is higher levels of storage and administration (to load and maintain the larger data store).

9 Dimensional Hierarchy
Tenets/Principles: Multidimensional “drilling” is a basic tenet of OLAP navigation, which is found in all OLAP-style technologies. Yr2008 Increasing data size detail 1Q00 2Q00 3Q00 4Q00 Jul 2008 Aug 2008 Sep 2008 Wk 27 Wk 28 Wk 29 Wk 30 Wk 31 Source: Gartner Research 출처: Gartner

10 큐브(Cube)와 이의 조작 A ”cube” is the conceptual model of measures that share dimensions and the hierarchies in those dimensions. Users work with this virtual cube by selecting which measures to analyze, then choosing which of the dimensions to show simultaneously (from left to right in the cross-tab and from top to bottom). The combination of slice and dice, pivoting, and drilling provides the user vocabulary of OLAP. In a cube with three dimensions, each dimension with a hierarchy of three levels (an overly simple example), there are 27 different cross-tabs that can be produced. A phenomenon known as “cube explosion” describes cube growth as a factorial function of its dimensions and levels. Cube design involves a trade-off between level of detail within the cube and user requirements for most (not all) potential queries.

11 Multidimensionality Three dimensions, each with three levels =
Definition: “Cube” is a generic term used to describe multidimensional structures, both physical and virtual. Year Quarter Month Total Region Customer Total Group Product Three dimensions, each with three levels = 27 different flexible cross-tabs Source: Gartner Research 출처: Gartner

12 OLAP에 의한 데이터 접근의 예

13 OLAP에 의한 데이터 접근의 예(계속)

14 OLAP에 의한 데이터 접근의 예(계속)

15 OLAP에 의한 데이터 접근의 예(계속)

16 OLAP의 개요 OLAP의 특성 다차원성 : 사용자들이 실질적인 차원에서 정보를 분석하도록 한다. 정보란 본질적으로 비교를 통해 얻어진다. 다양한 각도를 정보를 구성하는 차원으로 생각할 수 있다. 정보는 본질적으로 다차원적이며, 다차원 모델은 비즈니스를 표현하는 가장 자연스러운 형태이다(다양한 뷰 제공). 직접접근 : 다차원 정보는 사용자의 관점에서 구축되어 사용자는 필요한 시점에 정보 매개자 없이 정보원에 직접 접근하여 다양한 각도에서 분석을 수행할 수 있다. 대화식 분석 : OLAP 환경에서 사용자는 시스템과의 상호작용을 통해 정보를 분석하며 원하는 결과를 얻을 때까지 계속해서 분석을 수행하게 된다. OLAP 시스템은 대화식 분석과정에서 사용자의 사고 흐름이 중간에 끊어지지 않도록 사용자 질의에 신속한 답을 제공해야 한다(drill-down, drill-up, slice, dice 등). 의사결정에 활용 : OLAP 시스템은 이렇게 수집된 데이터를 의사결정에 활용하는 측면을 담당하여 '왜(Why)'에 초점이 맞추어진다. 즉 OLTP 시스템이 일상적인 기업의 운영을 지원하는 반면, OLAP 시스템은 기업의 방향을 설정하는 역할을 한다(시계열 분석(year-to-date, 기간)).

17 OLAP의 개요 OLAP의 특성-OLTP와 OLAP 비교 구분 OLTP OLAP 데이터의 구조 복잡(운영 시스템 계산에 적합)
단순(사업 분석에 적합) 데이터의 갱신 순간적/동적 주기적/정적 응답시간 2, 3 초 ~ 몇 초 이내 수 초 ~ 몇 분까지도 가능 데이터의 범위 과거 30 일 ~ 90 일 과거 5 년 ~ 10 년 데이터 성격 정규/핵심 업무 데이터, mission critical 데이터 비정규/read‐only 데이터, index 에 의존 데이터의 크기 수 Giga Byte 수 Tera Byte 데이터의 내용 현재 데이터 기록 보관된, 요약/계산 데이터 데이터 특성 거래 중심 주제 중심 데이터 액세스 빈도 높음 보통 혹은 낮음 데이터의 사용법 고도로 구조화된 연속 처리 고도로 비구조화된 분석처리 질의어의 성격 예언 가능, 주기적 예측하기 어렵고, 특수하다

18 OLAP 종류와 구현방식 OLAP 서버는 사업사용자에게 데이터웨어하우스나 데이터마트로부터 다차원 데이터를 제공한다.
OLAP서버의 종류: MOLAP (Multi‐dimensional  OLAP), ROLAP(Relational OLAP), HOLAP(Hybrid OLAP) 및 DOLAP(Database OLAP)

19 Business Uses for OLAP Use OLAP for: Don’t use OLAP for: Granularity
Tenets/Principles: Multidimensionality is an intuitive style of data analysis which mirrors the complexity of the real world. Use OLAP for: Don’t use OLAP for: Granularity Analyzing aggregated/derived multidimensional data Browsing through detail data Functionality Complex pre-programmed analysis Operational reporting Flexibility Multidimensional analysis (drill down, exceptions, trends) Ad hoc query, forms, spreadsheet size analysis Examples Financial budgeting, sales forecast, ABC, risk analysis Canned reporting, accrual overview, heavy data entry Source: Gartner Research 출처: Gartner

20 OLAP provides an optimized environment for multidimensional analysis.
This intuitive style mirrors the complexity of the business world. OLAP organizes data by dimensions, supplying multiple inter-related points of view of the same data. Dimensions represent basic business structures and put data into context. Typical questions OLAP is meant to answer include: How high are revenues, broken down per region and offices within each region, year-to-date and what is the difference with the same period last year? Which products within division A jointly constitute 80 percent of overall profitability of that division, based on the sales and associated direct and indirect costs of the last three years? How much has the Internet as a customer contact medium grown for our company the last 13 months and what is the cannibalization effect on other distribution channels? What do patterns of credit card fraud reveal about the interaction of high-risk merchants, products, locations and times?

21 Traditional Reporting vs. Multidimensional Analysis
Tenets/Principles: Multidimensionality organizes data into hierarchies of dimensions and measures over time, vs. a two-dimensional approach supporting a “row and column” view of the world. .20 AE077 01/08/00 $3,800 SKU019 3022Z 01/07/00 LA Zephyr .05 AE034 01/12/00 $500 SKU101 5002A 12/1/99 CHI Acme AE017 2/1/00 $390 SKU009 7621C 11/21/99 BOS Westwind .10 12/31/99 $1,250 SKU022 NYC Discount Sales Person Ship Date Amt. Due Product ID Order Number Order Date Location Customer Discount per Salesperson per Product per Month Amt.Due per Customer per Week per Product Source: Gartner Research . 출처: Gartner

22 기존 보고서와 차이점 Traditional reports and forms and spreadsheets are a fixed, list type view of the business. Common terminology: rows, columns, tables and forms. To describe multidimensional views, a whole other terminology is used. Measures contain the things we want to know: variables like revenue, costs, variances or growth rates. Some measures contain sums or counts, others contain calculated values (Variance = Actual - Budget). They are typically measured in units, amounts or percentages, and represented as columns in a report. Dimensions provide business context by organizing measures into the available points of view and break-points, represented as rows in a report. Dimensions can contain hierarchies when the dimension contains more than one aggregation level. While reports can be rendered in three dimensions, by using graphics packages or embedding one dimension within another in column headings, this is not true multidimensionality. The difference is not data visualization (OLAP tools face the same limitations of flat computer screens), but traditional reporting files and database structures that lock users into discrete views of an n-dimensional data universe

23 OLAP 활용 사례 - 신용등급별 성별 혼인관계별 순보험료 분석

24 데이터웨어하우스 도구 (9장에서) MOLAP (MDB-based OLAP)
다차원 데이터베이스를 중심으로 다차원적인 분석을 하도록 만들어진 OLAP의 구현 방식이다. 즉 MOLAP은 다양하고 신속한 분석을 위해 특수하게 만들어진 솔루션이다. 그러나 원시 데이터(raw data)를 볼 수 없고 대용량의 데이터를 취급하기에는 역부족이며 데이터를 로딩하는 데 시간이 너무 많이 걸리는 단점이 있다. ROLAP(Relational OLAP, RDB-based OLAP) 관계형 데이터베이스 내에서 사실 테이블과 차원 테이블을 서로 조인(join)시켜서 원하는 다차원 분석이 가능하도록 한 것이다. ROLAP은 관계형 데이터베이스를 근간으로 하기 때문에 확장성이 좋다. 대용량 데이터를 잘 다룰 수 있어서 특히 전사적 데이터웨어하우스(enterprise data warehouse)를 구축하는 데는 반드시 ROLAP 솔루션을 채택하는 것이 좋다. 또한 원시 데이터를 볼 수 있다는 장점이 있다. 그리고 기초적인 분석기능, 즉 합계(sum), 수(count), %, 평균편차, 표준편차 정도만 제공한다. 그러나 회귀분석과 같은 고급 통계분석 기능은 사용할 수 없다. HOLAP(Hybrid OLAP) 최근 들어 MOLAP의 단점을 보강하기 위해서 여러 MOLAP 회사들이 MOLAP의 근간이 되는 다차원 데이터베이스에서 관계형 데이터베이스에 있는 데이터를 액세스할 수 있는 기능을 추가했다. 여기서 주목할 점은 ROLAP 회사들이 ROLAP의 단점을 보강하기 위해 MOLAP의 좋은 점을 채택한 것이 아니라, MOLAP 회사들이 MOLAP의 단점을 보강하기 위해서 ROLAP의 장점을 일부 수용한 것이라는 점이다.

25 Microstrategy DSS Agent,
데이터웨어하우스 도구(9장에서) 여러 가지 OLAP 방식 비교 ROLAP MOLAP Hybrid OLAP 기준구조 관계형데이터베이스 다차원데이터베이스 다차원 데이터베이스 관계형 데이터베이스 대용량 데이터 ○ × 원시 데이터 액세스 분석 기능 구축 시간 6개월 이상 3개월 내외 핵심 기술 다차원 모델링 다차원 데이터베이스와 다차원 모델링 적용 전사적데이터웨어하우스 데이터 마트, EIS 예 Oracle Discoverer, Microstrategy DSS Agent, Informix Metacube, BrioqueryPlatinum, InfoBeacon Cognos Powerplay Oracle Express Arbor Essbase

26 Simple OLAP (SOLAP) Most commonly found form of OLAP
Tactical Guideline: Simple OLAP may be used independently or in conjunction with a more sophisticated OLAP engine (e.g., MOLAP, ROLAP). Most commonly found form of OLAP Data cache is limited in size, portable Useful for personal productivity – downloading slices from MDDBMS or RDBMS Disposable, cannot be updated or modified Not a DBMS Mandates end user environment – No API Source: Gartner Research

27 SOLAP의 장단점 While OLAP tools and underlying architectures become increasingly complex, a new area re-emerges: Simple OLAP. It is reinvented, because it was what OLAP used to be about — empowering users to set up their own analytic environment. Simple OLAP is positioned right in the middle of spreadsheets and the heavy-duty OLAP engines. In terms of storage, SOLAP is a subcategory of MOLAP, making use of proprietary multidimensional storage mechanism. The amount of data that needs to be stored is usually bigger than a spreadsheet could handle efficiently, but smaller that an OLAP data mart. Effective Simple OLAP provides a strong compression mechanism, so it is possible to download cubes to a notebook, so it can be used while not connected to a network. The trade-off here is that the compression mechanism usually makes the cube very closed, a binary file instead of a MDDBMS. This means cube files cannot be updated or modified. When changes need to be made (adding to or modifying a hierarchy), the whole cube needs to be regenerated, taking anywhere from a few minutes to a few hours. Typically, the multidimensional file has a tight fit with the user interface, making it a proprietary yet very functional solution.

28

29 The Cube Continuum H L H MDDBMS Only MOLAP API SQL Performance
New Rules/New Realities: ROLAP and MOLAP continue to move to the center – each absorbing some of the other’s functionality. However, important differences remain. Performance H MOLAP MDDBMS Only API SQL M/HOLAP MDDBMS with RDBMS detail R/HOLAP RDBMS detail with aggregates ROLAP RDBMS normalized schema Source: Gartner Research L H Flexibility 출처: Gartner

30 MOLAP vs. ROLAP Enhancements in RDBMS technology are allowing ROLAP designs to behave more like MDDBMSs — in the sense of defining and storing precalculated data points to support faster multidimensional queries. Materialized views (MV) are pre-joined, prebuilt aggregate tables (unlike traditional views which are a virtual table only, instantiated dynamically at query time). MVs are understood by the RDBMS optimizer as effectively a compressed subset of larger underlying tables, so that the optimizer can transparently and automatically substitute the smaller and faster MV in choosing a query execution plan. The MV can be indexed like any regular table; but it can also be maintained automatically by the RDBMS as the underlying detail tables change. The selective use of specialized constructs which trade storage and administration costs in return for faster performance of multi-dimensional queries now describes hybrids of both MOLAP and ROLAP. In M/HOLAP, the trade-off is expressed in cube design as a function of levels of detail contained in the cube vs. RDBMS detail accessed by reach-through. In R/HOLAP, the trade-off is expressed in schema design as specialized relational objects (conventional and MV aggregate tables and indexes) to complement existing data warehouse detail and dimension tables.

31 Underlying OLAP Storage Constructs
Tactical Guideline: Implementors will have to choose between prebuilt, high-performance cube structures (MOLAP) and more flexible access to large data sets, with reduced end user performance (ROLAP). MOLAP ROLAP Fast MDDBMS SQL engine RDBMS RDBMS Detail Tables Summary Tables Materialized Views Indexes ETL ETL Source: Gartner Research Big 출처: Gartner

32 각각의 장단점 있음 MOLAP cubes are specialized storage constructs, optimized for multidimensional analysis and housed in purpose-built MDDBMS. The internal structure of the cube represents each vendor’s own technique for improving performance of OLAP queries. Most cubes are based on indexed bit-arrays, providing short access paths to precalculated cells of the underlying data model. Sparse arrays are a technique for compressing empty cells. Advantages of MOLAP are performance and strong data calculator functionality (MDX). Drawbacks: scaling and flexibility. The ROLAP approach does not employ physical cubes, but instead stores data in relational objects such as traditional tables (which can be indexed), along with new object types e.g., materialized views. The relational schema may employ a mix of detail and summary tables to support the same data model as MOLAP — the virtual cube. However, there is not the equivalent presumption that all cells will be precalculated and physically stored in advance. This gives ROLAP its advantage in scaling and flexibility, but also accounts for its primary drawback — performance. A specialized ROLAP design known as star schema helps performance for multidimensional queries, but trades off some of the advantages of a normalized relational schema, referential integrity.

33

34 Combining Constructs Year Cube Quarter Month Week Reach-through RDBMS
Tactical Guideline: When implementing an MDDBMS, relational reach through should be employed to strike a balance between commonly accessed aggregates and exceptional access to lower-level detail. Cube Year Quarter Month Week Day Reach-through RDBMS Source: Gartner Research 출처: Gartner

35 Hybrid OLAP The need to limit detail levels for manageable cube size led to a capability called “reach-through,” where drill-down requests unsupported by detail within the cube could invoke a SQL generation engine to build the appropriate relational query and pass this to a back-end RDBMS. This is typically the same data source that provided the data for the cube. Reach-through enables drill-down to lower levels of detail in the form of a simple list. Reach-through and other hybrid techniques are an important step that help mitigate the inherent constraints of MOLAP cubes with regard to scaling and flexibility. In this context, flexibility means the ability for an analyst to drill in any direction (down or across) without being limited to the data points actually built into the cube.

36 MDDBMS vs. RDBMS Data: Structure: Administration: Access:
Imperative: Organizations must be aware of the significant differences between MOLAP and ROLAP approaches – matching applications to the most appropriate set of characteristics. Multidimensional Relational Pre-calculated Detail & Aggregates Data: Compressed Array Indexed Tables Structure: Administration: Specialist DBA Access: API SQL Source: Gartner Research Metadata Abstraction 출처: Gartner

37 MOLPA과 ROLAP의 기술적 차이와 변화 추이
Apart from underlying storage models, key differences remain between MOLAP and ROLAP - including the administration of those specialized storage constructs. Routine tasks such as schema/cube design, loading, maintenance, backup/recovery, security, and performance tuning are invisible to the user analyst, but essential to the OLAP experience. Aggregate tables and indexes are a normal and familiar part of the DBA’s domain, and are administered with standard tools-of-the-trade like SQL scripts and native RDBMS utilities. MDDBMS administration is a specialist role with its own product-specific tools and issues. ROLAP structures are maintained and accessed with SQL, MOLAP with their own vendor-specific APIs. However, Microsoft’s OLE-DB for OLAP (ODBO) object model with MDX (Multidimensional Expression Language) is gaining increasing support as the de facto standard API. We expect ODBO to become more widely supported, although some vendors (such as Oracle) will support its own APIs. We expect OLAP suppliers (including the RDBMS leaders) to provide more streamlined interoperability between cubes and relational databases. In this way, MDDBMS will extend — but not rival — relational data marts and the enterprise data warehouse as primary platforms for the broad spectrum of business intelligence applications.

38 ROLAP과 SQL

39 다차원 모델 만들기: Cube 작성

40 SQL vs. MDX New Rules/Realities: New DML constructs are emerging as a means for leveraging OLAP engines, with Microsoft’s OLE DB for OLAP and MDX emerging as a de facto standard. Report: Count create table ZZMD00 unrecoverable as select a22.CUSTOMER_ID CUSTOMER_ID, sum(a21.ORDER_AMT) DOLLARSALES from ORDER_FACT a21, LU_ORDER a22 where a21.ORDER_ID = a22.ORDER_ID group by a22.CUSTOMER_ID create table ZZMD01 unrecoverable as select sum(a21.TOT_DOLLAR_SALES) ALLCUSTOMER from YR_CATEGORY_SLS a21 select a21.CUSTOMER_ID CUSTOMER_ID, sum(NVL((a21.DOLLARSALES / LTRIM(a22.ALLCUSTOMER, 0)), 0)) over(order by NVL((a21.DOLLARSALES / LTRIM(a22.ALLCUSTOMER, 0)), 0) desc rows unbounded preceding) DOLLARSALES from ZZMD00 a21, ZZMD01 a22 create table ZZMQ02 ( CUSTOMER_ID NUMBER(10), DA47 NUMBER) insert into ZZMQ02 values ([DummyInsertValue]) select a32.DA47 DA47, count(a32.CUSTOMER_ID) CUSTOMERCOU from LU_CUSTOMER a31, ZZMQ02 a32 where a31.CUSTOMER_ID = a32.CUSTOMER_ID group by a32.DA47 drop table ZZMD00 drop table ZZMD01 drop table ZZMQ02 With Member Measures.[Budget offset] as ‘Measures.Actual – Measures.Budget’ Select {Measures.Actual, Measures.Budget, Measures.[Budget Offset]} on Columns, Time.[2000].Children on rows From [Sales vs Budget] Where Geography.[East Coast] Source: Microsoft MDX SQL Source: Microstrategy and Microsoft Source: Microstrategy 출처: Gartner

41 SQL vs. MDX SQL is best at expressing data relationships between rows and columns within tables — basically set mathematics. However, as a language for multidimensional analysis, it leaves much to be desired. ROLAP has evolved purpose-built engines to automate SQL generation and allow a far greater degree of sophistication and complexity than is feasible with hand-coded queries. Generated SQL streams often include subqueries and multiple statements passing intermediate results through temporary tables. In this way, ROLAP overcomes some but not all of the inherent limitations of SQL as a multidimensional language. One advantage of SQL is that even the most-complex queries can be understood (albeit with some effort) and debugged by Database Administrators (DBA), who may also use SQL history and statistics as a guide to tuning the data warehouse. MOLAP depends on a vendor-specific API to invoke multidimensional access to the MDDBMS cube. At a lower level, MDDBMS-specific Data Manipulation Language (DML) is used to define physical access to the cube. In most cases this is transparent to the MOLAP developer, unless they need to extend the basic set features with custom functionality. Microsoft’s MDX is an example.

42 OLAP 연산 ① - Drill-up Drill-Up(Roll-Up)
한 차원의 계층구조를 따라 단계적으로 구체적인 내용의 상세 데이터로부터 요약된 형태의 데이터로 접근하는 기능 Chicago New York Toronto Vancouver 440 location(countries) location(cities) 1560 395 USA 2000 roll-up on location (from cities to countries) Canada Q1 605 825 14 400 Q1 1000 Q2 Q2 time(quarters) time(quarters) Q3 Q3 Q4 Q4 computer security computer security home entertainment phone home entertainment phone item(type) item(type)

43 OLAP 연산 ② - Drill-down Drill-Down
한 차원의 계층구조를 따라 단계적으로 요약된 형태의 데이터 수준에서 보다 구체적인 내용의 상세 데이터로 접근하는 기능 Chicago New York Toronto Vancouver location(cities) location(cities) Chicago New York Toronto Vancouver 440 Jan 150 1560 395 Feb 100 drill-down on time (from quarters to months) time(quarters) Mar 150 Q1 605 825 14 400 Apr Q2 May time(quarters) Jun Q3 Jul Q4 Aug computer security Sep home entertainment phone Oct Nov item(type) Dec computer security home entertainment phone item(type)

44 OLAP 연산 ③ - Slice Slice 사용자가 큐브의 일부분(큐브의 한 면)을 자신이 원하는 형태로 절단하여 살펴보는 기능(하나의 페이지 차원 선택) location(cities) Chicago New York Toronto Vancouver 440 1560 395 Q1 605 825 14 400 slice for time = “Q1” Chicago Q2 New York time(quarters) Location(cities) Q3 Toronto Q4 Vancouver 605 825 14 400 computer security computer security home entertainment phone home entertainment phone item(type) item(type)

45 OLAP 연산 ④ - Dice Dice 사용자가 큐브의 일부분(서브 큐브)을 자신이 원하는 형태로 절단하여 살펴보는 기능(2개 이상의 차원 선택) Chicago New York Toronto Vancouver 440 location(cities) 1560 dice for (location=“Toronto” or “Vancouver” and (time = “Q1” or “Q2”) and (item = “home entertainment” or “computer”) 395 Q1 605 825 14 400 Q2 time(quarters) Q3 Toronto Vancouver Q4 location(cities) 395 computer security Q1 605 home entertainment phone time(quarters) Q2 item(type) computer home entertainment item(type)

46 OLAP 연산 ⑤ - Pivot Pivot(Rotate)
사용자에게 최종적으로 보여지는 결과 화면을 리포트라고 할 때, 리포트에 보여지는 축(행, 열, 페이지 차원)을 서로 바꾸는 기능 Chicago home entertainment 605 pivot New York computer 825 Location(cities) item(type) Toronto phone 14 Vancouver 605 825 14 400 security 400 Vancouver computer security New York home entertainment phone Chicago Toronto item(type) location(cities)

47 OLAP 연산 ⑥ - Drill-across,through
2개 이상의 큐브(사실테이블)를 포함하여 다차원 연산을 수행하는 것 Drill-Through OLAP 시스템에 존재하지 않는 데이터가 추가적으로 필요할 경우, OLAP 시스템으로부터 데이터웨어하우스나 OLTP 시스템에 존재하는 상세데이터에 접근하는 것 Data Warehouse drill-across drill-through OLTP

48 BioQuery 사용 예

49 BioQuery 사용 예 - 시간차원 Drill down

50 BioQuery 사용 예 - 지역차원 Drill down

51 BioQuery 사용 예 - Chart

52

53 OLAP 종류와 구현방식 다차원 OLAP(MOLAP) 구현방식
다차원 DB를 중심으로 다차원적인 분석을 하도록 만들어진 OLAP 구현방식으로서 MOLAP에서는 DB가 물리적으로 여러 개의 차원을 갖고, 이 공간에 데이터를 저장하여 사용자가 각각의 차원 축들에 대한 값들을 지정하여 필요한 데이터를 검색할 수 있도록 한다. MOLAP에서는 비어 있는 셀들이 많이 생기게 되므로, 대용량의 시스템에 적합하지 않은 반면에, 셀 단위의 데이터 비교가 가능하다는 장점이 있다. 구현방식

54 OLAP 종류와 구현방식 다차원 OLAP(MOLAP)-아키텍처 4 Tier 구조
MOLAP 1 Tier 구조(MOLAP 클라이언트 + 개인용 MDB) MOLAP 2 Tier 구조(MOLAP 클라이언트 + MOLAP 서버) MOLAP 3 Tier 구조(MOLAP 클라이언트 + MOLAP 서버 + DWH 서버) MOLAP 4 Tier 구조(웹 브라우저 + 웹 서버 + MOLAP 서버 + DWH 서버로 분류된다. 4 Tier 구조

55 OLAP 종류와 구현방식 관계형 OLAP(ROLAP)-아키텍처 구현방식
관계형 DB를 그대로 이용하되 다차원적 데이터 모델링을 통해서 다차원적인 분석이 가능하도록 하는 방식이며 MOLAP과는 달리 기존의 RDBMS를 기반으로 한 성형 스키마(star schema) 혹은 눈송이 스키마(snowflake schema)를 이용하여, 사용자에게 다차원 시야를 제공한다. ROLAP은 MOLAP에 비해 훨씬 적은 공간으로 유지가 가능하여 대용량의 데이터를 처리하는데 유리하다. 그러나 데이터는 RDBMS에 의해 레코드 단위로 관리가 되어 셀 단위의 비교가 불가능하다. 사용자와 관계형 DBMS사이에 위치하여 사용자를 대신해서 복잡한 SQL을 생성하고 다차원 연산을 수행한다. 구현방식

56 OLAP 종류와 구현방식 관계형 OLAP(ROLAP)-구조 Step 1 : 메타 데이터를 입력
Step 3 : 사용자간 ROLAP 사용자 버전으로 액세스 Step 4 : ROLAP 엔진이 메타데이터 엑세스 Step 5 : 메타 데이터에서 원하는 정보를 추출 Step 6 : ROLAP 엔진에서 다이나믹하게 SQL 프로세싱 Step 7 : 데이터웨어하우스에서 SQL 프로세싱 Step 8 : 사용자가 원하는 형식으로 포맷

57 OLAP 종류와 구현방식 관계형 OLAP(ROLAP)-아키텍처 4 Tier 구조
ROLAP 1 Tier 구조(ROLAP 클라이언트 + 개인용 관계형 DB) ROLAP 2 Tier 구조(ROLAP 클라이언트 + DWH 서버) ROLAP 3 Tier 구조(ROLAP 클라이언트 + ROLAP 서버 + DWH 서버) ROLAP 4 Tier 구조(웹 브라우저 + 웹 서버 + ROLAP 서버 + DWH 서버) 4 Tier 구조

58 OLAP 종류와 구현방식 ROLAP과 MOLAP 비교

59 OLAP 종류와 구현방식 하이브리드 OLAP(HOLAP) 구현방식
빠른 응답성능을 제공하는 MOLAP의 장점과 보다 확장성이 뛰어난 ROLAP의 장점을 결합하여 보다 나은 솔루션을 제공하고 있다. 구현방식 [1] 데이터를 SAM이나 관계형 DB테이블을 이용해서 MOLAP서버에 로딩한다. 이때 관계형DB는 ER 모델링이 아니라 다차원 모델링으로 되어있다. [2] MOLAP 서버내의 관리자용 소프트웨어가 차원테이블과 사실테이블에 대한 정보를 입력한다. [3] MOLAP client가 MOLAP서버에 있는 데이터를 ACCESS 할 때 데이터가 있으면 그대로 보여주고 없으면 관계형 DB에서 가지고 온다.

60 OLAP 종류와 구현방식 데스크탑 OLAP(DOLAP) 웹 OLAP(Web OLAP)
DOLAP에서는 OLAP 엔진의 기능이 DBMS 엔진에 내장되는 형태로서, DB로부터 레코드들을 가져온 후에 OLAP 엔진이 다차원 형태로 변환하여 사용자에게 전달하던 기존의 방식을 개선하여, DB에서 곧바로 다차원 형태로 전달하는 기술이다. 웹 OLAP(Web OLAP) ROLAP, MOLAP에도 모두 다 존재 하는 것으로, OLAP을 과거 클라이언트/서버에서만 구현하는 것이 아니라 웹에서 구현하자는 것으로 Web OLAP의 구현 방식은 다이나믹한 HTML 방식과 Active-X 방식이 있다. Dynamic HTML 생성방식 : 웹서버 내에 있는 웹 인터페이스(OLAP 벤더 제출)가 OLAP서버에 데이터를 요구하면 OLAP서버가 SQL을 만들어 데이터웨어하우스에 전송하는 방식 Active-X 방식 : 웹서버 내에 있는 자바 프로그램은 다이나믹하게 SQL을 만들어 DWH에 보내고, DWH는 이를 처리하여 나온 데이터를 웹 서버에 보내준다. 그리고 자바로 만든 OLAP 프로그램이 다이나믹하게 자바 애플릿(Java applet)을 사용자의 웹 브라우저로 보낸다.

61 OLAP 사례 : ROLAP Power*Si Light 란? Power*Si Light는 저렴한 비용으로 고도의 정보를 손쉽게 분석할 수 있도록 제작된 중소규모 단위 업무 혹은 개인용 BI(Business Intelligence) 구축 도구로써 DW나 DM에 대한 전문지식이 없더라도 본 도구를 사용하면 텍스트, 엑셀, DB테이블의 자료가 OLAP의 구조에 맞게 자동으로 변형, 적재됨으로 Power*Si Expert를 활용하여 다차원의 정보를 손쉽게 분석할 수 있다. 구성단계별 내용 DB 연결 : ODBC 통한 MS-SQL, MS-ACCESS, Oracle 연결 추출 : File Load (Excel, TXT, CSV File) , DB Load(Table) 변형 또는 정제 Meta Table 생성 업무, 모델, 요소, 항목함수 등 설정. 요소 테이블, 요소 컬럼 생성, 추가, 삭제 - 값 올림 번호 자동 입력. (Sequence Number)  전송 : Insert Row at a time / Bulk Insert

62 OLAP 사례 : ROLAP Power*Si의 구성

63 OLAP 사례 : MOLAP PowerPlay 기본 설명 강력한 e-Business BPM 보고서 작성 및 분석 기능 제공
완벽한 Managed Reporting 다차원 분석 및 웹, 윈도우, 엑셀, 모바일 웹환경에서의 완벽한 OLAP구현 Cognos Portal 제품인 Upfront로 모든 정보 Publish 하여 최적의 e-Biz 실현 High Application Value를 통한 전략적 시스템 구축

64 OLAP 사례 : MOLAP PowerPlay Managed Reporting 생성 OLAP 기능 다이나믹 보고서 생성
전사적 차원의 활용 단일 보고서로 다양한 사용자층 사용 Balanced, Unbalanced/Nested Crosstab 생성 열 또는 행의 다차원 정보 카테고리 포함 손익계산서와 같은 보고서용 포멧 데이터 모든 변경 사항을 큐브 구조에 적용 매크로를 통한 자동화 기능

65 OLAP 사례 : BMT(Bench Mark Test)
어떤 제품이나 시스템에 대해 측정되는 일련의 조건들. 'PC 매거진'의 실험실에서는 주기적으로 몇몇 새로운 컴퓨터들이나 장치들을 동일한 응용프로그램이나 사용자 반응 및 상황에서 시험하고 비교한다. 측정되고 비교되는 모든 제품에 대해 종합상황을 벤치마크라고 부른다. 그 외에도 많은 상용 잡지는 자신들만의 벤치마크 테스트를 개발하여 제품들의 등급을 검토할 때 사용한다. 단일 보고서로 다양한 사용자층 사용 특정한 운영체계나 응용프로그램의 성능을 측정하기 위해 특별히 설계된 프로그램 다른 새로운 제품들과 비교할 수 있도록, 사용자들이 이미 친숙한 기존의 제품 어떤 상품이 만족시켜야만 할 성능 기준 표 하드웨어나 소프트웨어의 성능을 비교 평가하기 위한 테스트

66 An OLAP Scorecard 출처: Gartner
Imperative: Organizations should comprehend the strengths and weaknesses of the various OLAP approaches and ability to support current projects, before investing. Source: Gartner Research 출처: Gartner

67 어떤 OLAP을 골라야 하나? There is no such thing as the overall ideal OLAP architecture, offering the most efficient solution for each organization and functional need. Different user needs call for different solutions. It is perfectly logical for organizations to buy and use more than one OLAP tool, e.g., a low-end and a high-end tool. Since BI is increasingly part of total application offerings, this is another reason why organizations use more than one tool. Although each organization has its own unique set of needs, it is possible to compare various architectures as a first step towards tool selection. If price is the key question, SOLAP tools should be considered. Traditionally, the MOLAP-based tools offer the most analytic value. In terms of data scalability, ROLAP tools present a strong case. If there are a large number of users that also need to work off-line, they might need a SOLAP tool, downloading information from a more centralized ROLAP environment. Go for MOLAP or SOLAP if user performance is the primary issue.

68 Positioning the Vendors
Market: There is no OLAP market to speak of. The various forms of OLAP, and related technologies, can be found across multiple BI market segments. MOLAP (MDDBMS) ROLAP SOLAP EBIS Computer Associates Applix BI Platforms Hyperion EBIS and Platforms Microstrategy Brio Microsoft BI Infrastructure Business Objects Oracle Sagent BI Platforms and Applications Pilot SAP Cognos Source: Gartner Research Seagate (Holos) Seagate (Info) SAS Whitelight 출처: Gartner

69 OLAP is not a market, per se.
The various forms of OLAP can be found across multiple BI market segments – including BI platforms, enterprise BI suites, BI infrastructure and BI applications. MOLAP functionality is most closely associated with BI Platforms — environments used to develop custom, BI applications. ROLAP can be within BI platforms and also within packaged applications – especially where large volumes of attribute-rich data must be analyzed. And SOLAP is most often found within enterprise BI suites – aimed at the masses of potential users. All of these can complement each other. For instance, most Enterprise BI Suites support access to MOLAP and some ROLAP engines – to enhance scale and analytical functions.

70 OLAP 정리 OLAP의 다차원분석, 빠른 접근, 강력한 계산능력이 다른 분석방법보다 뛰어남
다차원 분석은 물리적 큐브에 의해서 표현될 수 있는 3차원에 국한되지 않음 하이퍼큐브 들은 더 많은 차원을 가진 뷰들을 표현하는 방법을 제공 함 ROLAP 과 MOLAP 차이점은 기본데이터가 저장되는 방식에 있으므로, 사용자는 자신의 환경에 적합한지 확인해야 함 OLAP 도구들은 계속 성숙되어 가고 있음.