Table des matières:
- Définition - Que signifie le traitement analytique en ligne (OLAP)?
- Techopedia explique le traitement analytique en ligne (OLAP)
Définition - Que signifie le traitement analytique en ligne (OLAP)?
Le traitement analytique en ligne (OLAP) est un concept de haut niveau qui décrit une catégorie d'outils qui facilitent l'analyse des requêtes multidimensionnelles.
OLAP est né de la grande complexité et de la forte croissance associées aux données commerciales au cours des années 1970, le volume et le type d'informations devenant trop lourds pour une analyse adéquate par le biais de requêtes SQL (Structured Query Structured Language) simples.
Techopedia explique le traitement analytique en ligne (OLAP)
La capacité de comparaison de données de SQL traditionnel est limitée. Par exemple, SQL peut gérer les requêtes, telles qu'une liste d'agents commerciaux, par rapport aux historiques de volume des ventes. Cependant, avec des volumes de données plus importants, il peut être accablant d'utiliser simplement SQL et difficile de traduire les données en informations qui facilitent facilement la prise de décision. Il est difficile de répondre à certaines questions dans SQL, par exemple pourquoi les ventes de produits sont plus élevées au milieu du mois ou pourquoi les agents commerciaux féminins surpassent constamment leurs homologues masculins pendant l'été.
Reconnaissant que les bases de données relationnelles ont des limites inhérentes, les fabricants ont créé de nouvelles façons de représenter des relations de données complexes et d'analyser les résultats pour discerner des modèles et des tendances cachés et jusque-là inconnus.
Une étude de cas sur le potentiel d'OLAP est née de l'utilisation par un grand détaillant d'outils OLAP pour l'exploration de données. Ce détaillant a remarqué que les achats de produits pour bébés tard le soir étaient corrélés à l'augmentation des achats de bière tard le soir. Au début, cela semblait être une coïncidence, mais une analyse plus approfondie des clients a révélé que les clients de fin de soirée étaient principalement des jeunes pères de la mi-vingtaine à la fin de la trentaine ou du début de la trentaine - une démographie également associée au revenu disponible tard le soir. Sur la base de ces données, les détaillants ont commencé à commercialiser des produits pour bébés et de la bière, et les ventes combinées des deux gammes de produits ont monté en flèche.
Cette étude de cas a prouvé comment OLAP équipe les chercheurs pour explorer et découvrir les relations de données entre des événements et des tendances apparemment sans rapport, améliorant ainsi la prise de décision commerciale.
