Differenza tra OLTP, OLAP, ROLAP, MOLAP, HOLAP e DOLAP
Data Warehouse
In informatica, i Data Warehouse (DWH) sono il principale strumento a supporto della Business Intelligence (BI). Essi permettono di collezionare dati integrati, consistenti e certificati, afferenti a tutti i processi di business dell’azienda e provenienti dalle fonti operazionali. Questi dati vengono in seguito opportunatamente trasformati attraverso procedure ETL e controllati attraverso il sistema di Data Quality.
La Qualità dei dati è un requisito fondamentale per l’intero sistema informativo. In quanto, se i dati risultano sporchi, possono oltre che causare un peggioramento delle performance aziendali, portare a prendere decisioni inopportune, comportando costi aggiuntivi e perdita di opportunità.
L’obiettivo di un DWH è pertanto quello di supportare il “knowledge Worker” (dirigente, amministratore, gestore, analista) per aiutarlo a condurre analisi finalizzate all’attuazione di processi decisionali e al miglioramento del patrimonio informativo, e fornire un unico punto di accesso per tutti i dati dell’azienda, resi consistenti e affidabili attraverso i processi di ETL. Il DWH garantisce inoltre una profondità storica completa dei dati, poiché in esso viene persistito anche lo stato passato delle informazioni permettendo così un’analisi temporale.
Dovranno quindi essere attentamente progettati per gestire in maniera efficiente ed efficace le caratteristiche dei Big Dat.
In altre parole, un sistema di questo tipo deve supportare le attività di analisi e controllo manageriale di routine, le attività di ricerca delle cause di un problema (focused search) e le attività di gestione manageriale complessa (decision making), permettendo inoltre un facile utilizzo ad un’utenza con un tempo disponibile ridotto e riluttante verso nuove tecnologie (soprattutto nei casi in cui non riesce a percepire in breve tempo i benefici).
È possibile che un DWH sia suddiviso in diversi Data Mart, ognuno dei quali specifico per un solo processo di business fra quelli presenti all’interno dell’azienda (ordini, vendite, clienti, marketing, etc.).
Data Mart
Generalmente un Data Mart viene estratto da un DWH, ma talvolta può essere costituito anche in assenza di un sistema di dati integrato.
Nello specifico, un Data Mart è un database analitico progettato per incontrarsi con le esigenze specifiche di un’impresa. Essendo sottoinsieme logico o fisico di un Data Warehouse di dimensioni maggiori, segue le stesse regole di progettazione con dati aggregati a vari livelli di dettaglio.
L’implementazione può essere di due tipi:
- Top-Down: costruzione del DWH, e conseguente aggregazione ed esportazione nei vari Data Mart.
- Bottom-Up: concentrandosi su aree specifiche del business si costruiranno i vari Data Mart per poi giungere alla costruzione del In questo modo si avrà un approccio scalabile.
Differenza tra OLTP e OLAP
Online Transaction Processing (OLTP)
A livello di database, gli Online Transaction Processing si basano su query multi-access veloci ed efficaci. Le principali operazioni svolte sono INSERT, DELETE e UPDATE in quanto modificano direttamente i dati. Questi ultimi vengono quindi costantemente aggiornati e, di conseguenza, richiedono un efficiente supporto alle operazioni di riscrittura. Una caratteristica fondamentale di questi sistemi è la normalizzazione, la quale fornisce un modo rapido ed efficace per effettuare scrittura nel database.
Online Analytical Processing (OLAP)
L’Online Analytical Processing è un insieme di tecniche software per l’analisi celere e interattiva di grandi moli di dati, con la possibilità di farlo da punti di vista differenti. Questi sistemi si riveleranno molto utili per l’ottenimento di informazioni di sintesi. Queste ultime avranno lo scopo di supportare e migliorare i processi decisionali aziendale. Esempi di strumenti OLAP sono i Data Warehouse, i Cubi Multidimensionali.
In base alla memorizzazione dei dati, si avranno diverse architetture OLAP, ognuna delle quali con i propri pro e contro:
- Relational OLAP (ROLAP): i dati vengono memorizzati in un database relazionale come supporto al motore OLAP. Le analisi multidimensionali vengono tradotte in query, restituendo risultati in forma multidimensionale.
- Multidimensional OLAP (MOLAP): si ha sia il database che il motore multidimensionale. Ci saranno difficoltà per operazioni di Drill-Down.
- Hybryd OLAP (HOLAP): unisce i vantaggi dei due sistemi In particolare, pre-aggrega i dati in sistemi multidimensionali per un’analisi efficiente e veloce, mentre vengono ricercate in un data base relazionale in caso di Drill-Down.
- Desktop OLAP (DOLAP): i dati vengono caricati in un sistema client e vengono calcolati dal motore in locale.
