Online Analytical Processing (oder OLAP) ist ein wichtiges Konzept im Analyse- und Planungsbereich, das durch Lösungen wie Planning Analytics (TM1), Jedox, Infor Alea und andere eingeführt wurde. In diesem Artikel behandeln wir einen Vergleich zwischen verschiedenen Ansätzen.
Es gibt keine wirklich präzise technische Spezifikation, sondern bezieht sich auf Datenbank- und Analysetechnologien, mit denen Geschäftsbenutzer mehrdimensionale Datenmodelle erstellen und diese verwenden können, um alle Dimensionen und Hierarchien im Modell effektiv zu analysieren und zu navigieren. Zum Beispiel die Analyse von Verkaufsdaten über Dimensionen wie Kunde, Zeit, Vertriebsmitarbeiter und Hierarchien wie Kunden- und Regionalgruppierungen.
Das am häufigsten verwendete „OLAP-Tool“ ist wahrscheinlich die Excel-Pivot-Tabelle, die alle 12 OLAP-Regeln unterstützt insbesondere wenn sie in Verbindung mit einem OLAP-Server (z. B. Analysis Services) verwendet wird. Am Anfang war die OLAP-Funktionalität ein wesentlicher Bestandteil von Client-Server-basierten Systemen wie Express, TM1, Essbase, gefolgt von Microsoft Analysis Services und später Jedox (das als Open Source-Projekt unter dem Namen Palo begann).
OLAP-Lösungen erfreuten sich bei Geschäftsanwendern großer Beliebtheit, da sie ihre erforderlichen Analysemodelle (meistens für finanzielle Anwendungsfälle) ohne fundiertes IT-Know-how selbst erstellen konnten.
Besonders erfolgreich waren Lösungen, die Rückschreibvorgänge in Echtzeit verarbeiten konnten, dh dem Benutzer ermöglichten, die Ergebnisse einer Datenänderung sofort zu sehen. Eine Anforderung, die ein wesentlicher Bestandteil für die Planung und Prognose von Prozessen ist.
Im Jahr 2005 führte Microsoft das einheitliche dimensionale Modell ein, das die Vorteile von OLTP („Online Transactional Processing“) kombiniert, typischerweise relationale Datenbanksysteme und „OLAP“ -Datenbanken. Beispielsweise könnten Benutzer während der Analyse im laufenden Betrieb ihre eigenen Hierarchien erstellen, anstatt sie zuvor im Modell starr definieren zu müssen.
Im Jahr 2010 wurde zunächst mit Power Pivot und ab 2012 in Analysis Services Tabular die neue Vertipaq-Engine veröffentlicht, die erstmals die Speicherung von Säulendaten und die Speicherverarbeitung umfasste. Diese neue Technologie ermöglichte – bis dahin – eine beispiellose Abfrageleistung mit Abfragezeiten von weniger als einer Sekunde in Modellen mit mehreren zehn Millionen Datensätzen auf einem Laptop. Der einzige Nachteil hierbei war, dass das Zurückschreiben nicht unterstützt wird.
Eine Herausforderung bei allen OLAP-Systemen bestand darin, dass eine separate Datenspeicherschicht erforderlich war. Dies bedeutete, dass die IT-Abteilungen zusätzlich zu einem Corporate Data Warehouse, das normalerweise auf einer relationalen Datenbank basiert, eine separate „OLAP-Datenbank“ verwalten mussten. Die einzige Ausnahme bilden hier ROLAP-Systeme (relationales OLAP), die aus Sicht der Leistung in der Regel nicht optimal waren und das Zurückschreiben meist nicht unterstützten. Schlimmer als die Verwaltung von zwei Datenbanken ist die Tatsache, dass dies normalerweise komplexe und zeitaufwändige ETL-Prozesse (Extraction Transformation and Loading) erfordert, um beispielsweise die Planungsdaten im Data Warehouse abzurufen und umgekehrt die Istdaten im Planungssystem.
Basierend auf diesen Herausforderungen mit Acterys suchten wir nach einem Ansatz, der Folgendes kombiniert:
Der Acterys-Ansatz verwendet eine Engine, die die Modellierung verwaltet und auf eine bewährte relationale Standarddatenbank auf der Festplatte oder im Arbeitsspeicher zurückschreibt. Eine Plattform, die häufig bereits lizenziert ist und für Data Warehouses von Unternehmen verwendet wird. Eine webbasierte Designumgebung ermöglicht es Geschäftsbenutzern, die Modelle und alle damit verbundenen Verwaltungsaspekte zu verwalten und zu bearbeiten, ohne Kenntnisse über Data Warehousing oder relationale Datenbanken zu haben. Das System erstellt automatisch das erforderliche optimale Data Warehouse-Sternschema, das für Analyse und Planung optimiert ist. Der Einsatz neuer relationaler Technologien, Multithreading und In-Memory-Bereitstellung garantiert extrem schnelle Verarbeitungszeiten. In Tests konnten wir 20 Millionen Rückschreibtransaktionen in 20 Sekunden auf der Standardserverinfrastruktur verarbeiten.
Benutzer können die erforderliche Logik in DAX (mittlerweile ein in Excel und Power BI weit verbreiteter Standard), SQL oder den neuen Power Platform-Komponenten MS Flow und PowerApps einrichten. Alle Daten werden in einer Standard-SQL-Datenbank in der Cloud oder vor Ort mit einer „Direct Query“ -Verbindung zu den Frontends gespeichert, die eine superschnelle Echtzeitantwort ohne zusätzliche Speicherschicht ermöglicht. Alle Client-Interaktionen von jedem unterstützten Fronted werden durch flexible Sicherheitsrechte (Lesen UND Schreiben!) Bis auf die Ebene einzelner Zellen beschränkt und in Audit-Trails aufgezeichnet, um eine umfassende Governance sicherzustellen. Im Gegensatz zur Neuerfindung des Rads werden Benutzer mit den vorhandenen Windows-, Active Directory- oder Microsoft-Konten verwaltet.
Neben der unnötigen Vervielfältigung auf der Datenspeicherseite sahen wir auch auf der Frontend-Seite Verbesserungspotenzial.
In vielen Fällen verwenden Benutzer heutzutage eine Datenerkennungslösung und ein separates Planungssystem. Auch bei diesem Ansatz sind große Anstrengungen erforderlich, um die beiden Teile zu integrieren. Aus unserer Sicht vermeidbar durch nahtlose Erweiterung der marktführenden Datenerkennungslösung um umfassende Planungsfunktionen. Aus diesem Grund enthält Acterys ein Add-On für Power BI.
Mit dem bahnbrechenden, benutzerorientierten „Self-Service“ -Ansatz von Power BI kann der Planungsmanager innerhalb von Minuten Dateneingabeblätter mit allen verfügbaren erweiterten Visualisierungs- und Analysefunktionen erstellen und von nahtlosen Einsichts- und Simulationsoptionen mit tatsächlichen UND-Planungsdaten profitieren. Ein Ansatz, mit dem Unternehmen Planung und Prognose in weniger als einem Tag bereitstellen können: KMG
Die dramatisch verkürzten Planungszyklen ermöglichen die Durchführung von Prognosen in kürzeren Zeitintervallen, was wiederum die Qualität erhöht und aktuelle Informationen sicherstellt, die es Unternehmen ermöglichen, auf relevante Änderungen der Bedingungen viel besser zu reagieren.
Da der Prozess so viel effektiver und einfacher zu handhaben ist, genießen die beteiligten Teilnehmer – die diesen Prozess normalerweise fürchten – ihn nicht nur mehr, sondern sehen auch die Vorteile der zusätzlichen Erkenntnisse, die sie durch die hochmoderne Analysekraft gewinnen.
Power BI ist großartig, aber einige Anforderungen erfordern immer noch Flexibilität in der Tabellenkalkulation. Aus diesem Grund enthält Acterys auch ein Excel-Add-On, das umfassendes Lesen UND Schreiben direkt in die Quell-Data-Warehouse-Tabellen ermöglicht. Dadurch entfällt der Aufwand für die Tabellenkalkulation vollständig, da Berichte und Dateneingabeformulare automatisch basierend auf der einzelnen Version des Wahrheitsdatenmodells aktualisiert werden.
In der folgenden Tabelle sind die Unterschiede zwischen dem alten OLAP und dem Acterys-Ansatz aufgeführt
Legacy OLAP (e.g. Alea (Infor BI), Jedox, TM1 ) | Acterys Unified Dimensional Modelling | |
Server | ||
Storage | Proprietary | Relational Database |
Multidimensional Analysis | ü | ü |
Direct Handling of transactional records | ü | ü |
Data Integration | ||
One Click Connectors to Accounting Systems | Some connectors available (e.g. SAP) but these require extensive customization and have a heavy price tag >$20k | ü
Fully automated connectors that generate entire model with a click |
API | ü | ü |
Cloud Approach | Varying. Often not natively supported or with a “pseudo cloud approach” using a virtual machine that still requires unnecessary machine and software maintenance efforts that a full cloud solution avoids. | Native Cloud App, virtual machine / on premise deployment on request |
Frontend | ||
Integration with 3rd party frontends | ||
Excel | ü | ü |
Power BI: Power BI context aware integration e.g. planning form updates based on click in other visuals or slicers in Power BI and vice versa | ü | |
Calculation Language | Proprietary | Standard Microsoft Excel DAX, MDX |
Scalability Web Reporting | Limited (Jedox: Single thread core) | Power BI near infinite scalability |
Web Based Model Management | ü | ü |
Time Intelligence | Limited | All Time Intelligence that DAX, MDX offer |
Zero Suppression | Resource intensive query in a multidimensional data space | Simple query on existing records |
Interactive dashboard elements that are interconnected and refresh on click of an object | ü | |
SQL AND Multidimensional Access | ü | |
User can build hierarchies on the fly without the need to predefine them in model. | ü | |
On Premise/Cloud | ü | ü |
Microsoft Account Integration. Users can use existing Active Directory/Microsoft Accounts without the need to maintain separate security layer | ü | |
Workflows | Custom development requiring coding and proprietary macro language knowledge | Built in standard (mostly without coding knowledge) Microsoft solutions: Microsoft Flow, PowerApps |
Cell based security | ü | ü |
In-memory processing | ü | ü |
IntelliSense (system suggests syntax and available model parameters while typing) for Excel Formulas | ü | |
IntelliSense in calculation logic | ü | |
Licensing | ||
Minimum Users | 5 (Jedox) | 1 |
Average Cost Per User Per Month | > USD $200 | <USD $100 |
Für weitere Informationen darüber, wie Acterys Ihre Planungs- und Analyseprozesse auf die nächste Stufe heben kann, kontaktieren Sie uns bitte. Derzeit bieten wir auch älteren OLAP-Benutzern (TM1, Jedox, Alea (jetzt Teil von Infor) usw.) Migrationsanreize an, bei denen wir Benutzern bestehende Wartungsverträge gutschreiben und ermäßigte Services für die Migration anbieten.
© 2024 Managility Pty Ltd All rights reserved.