Wat is OLAP?

De integratie van OLAP met datawarehouses stelt data-analisten in staat patronen en relaties in data veel sneller en efficiënter te ontdekken. Maar het werk van OLAP, wat staat voor Online Analytical Processing, gebeurt als het ware onder de motorkap. Je kunt dus een vaardig analist zijn die met data werkt in een business intelligence-tool en ondersteund wordt door OLAP, zonder precies te weten wat OLAP is of hoe nuttig het is.

In dit artikel leren we meer over OLAP en hoe het werkt, zodat je het volledig op waarde kunt schatten. Wil je tot in de details leren hoe OLAP past binnen databases? Volg dan onze cursus Database Design, die je een compleet beeld geeft en je niet alleen tot een expert maakt in het idee achter OLAP, maar ook in de plaats ervan binnen de bredere context van databases. 

Wat is Online Analytical Processing?

Je bent misschien een senior analist, maar je vraagt je nog steeds af: wat is OLAP, ofwel online analytical processing? Kort gezegd is OLAP een dataverwerkingstechniek die de manier waarop we enorme hoeveelheden data analyseren, heeft veranderd. Omdat OLAP een groot en belangrijk onderdeel is geworden van onze dataworkflows, werken analisten mogelijk met OLAP-innovaties zonder het te beseffen.  

Met OLAP kunnen data-analisten complexe queries razendsnel analyseren en enorme datasets omzetten in actiegerichte inzichten waar onze leidinggevenden vaak om vragen. Met OLAP kunnen analisten multidimensionale analyses uitvoeren; ze kijken dan naar dimensies zoals tijd, geografie en hiërarchische categorieën om patronen en trends te ontdekken die waarschijnlijk moeilijk te zien zijn als je met tabellen werkt en zonder OLAP verbanden moet vinden.

OLAP. Bron: CSUS coursework online

Laten we bekijken hoe OLAP betrokken is bij het manipuleren van grote datasets. Het mooiste is dat je deze bewerkingen realtime kunt uitvoeren. Ik denk daarbij aan drie specifieke acties:

1. Specifieke perspectieven uit de dataset extraheren.
2. Inzoomen op gedetailleerde niveaus voor diepgaande analyse.
3. Agrereren om samenvattingen op hoog niveau te genereren.

Zo helpt OLAP ons bijvoorbeeld verkoopdata per regio te extraheren, in te zoomen op details om de verkoopprestaties van elke afzonderlijke winkel te analyseren en vervolgens alles te aggregeren om algemene verkooptrends te tonen.

Wat zijn OLAP-cubes?

Geen enkel gesprek over OLAP is compleet zonder OLAP-cubes te bespreken. Een OLAP-cube, ook wel hypercube genoemd, is een soort datastructuur die snelle, multidimensionale analyse van grote hoeveelheden data mogelijk maakt, verder dan wat relationele databases aankunnen. De belangrijkste kenmerken zijn de volgende:

1. Dimensies: Dit zijn de verschillende categorieën voor analyse.
2. Metrieken: Dit zijn de numerieke waarden die je wilt analyseren.
3. Pre-aggregatie: Data wordt hier vooraf berekend en opgeslagen voor snelle querying.
4. Hiërarchieën: Hiermee kun je binnen dimensies inzoomen.
5. Snelle queryprestaties: Maakt snelle analyse van grote datasets mogelijk.

Eenvoudig gezegd tillen OLAP-cubes onze tabellen, die vlak en tweedimensionaal zijn (denk aan spreadsheets), naar iets met drie (of veel meer) dimensies. OLAP-cubes voegen extra lagen en verbanden toe. Ze organiseren data zo dat complexe analytische queries en rapportages veel sneller worden ondersteund.  

Hoe OLAP-systemen werken

Het analyseren van grote hoeveelheden multidimensionale data begint met het verzamelen van data uit verschillende bronnen en het opslaan ervan in datawarehouses, gevolgd door het creëren van OLAP-cubes voor snel en efficiënt queryen.  Hier is een visual zodat je de plek van OLAP hierin ziet:

OLAP-werkproces. Bron: NetSuite

Dataverzameling en -opslag

Data wordt geëxtraheerd uit meerdere bronnen, zoals transactionele databases en externe systemen. Vervolgens ondergaat de geëxtraheerde data een transformatieproces om de kwaliteit te waarborgen. Daarna wordt deze geladen in een centraal datawarehouse dat is geoptimaliseerd voor analytische queries en het opslaan van historische data.

Creatie van OLAP-cubes

OLAP-cubes zijn vooraf berekende, multidimensionale datastructuren die zijn opgebouwd uit de data in het datawarehouse. Ze organiseren data langs verschillende vooraf gedefinieerde dimensies en hiërarchieën (bijv. tijd, product, locatie) en metrieken (bijv. omzet, aantal). Deze voorafberekening van aggregaties is een kernonderdeel van OLAP en zorgt juist voor snelle query-antwoorden. Omdat OLAP-cubes op verschillende niveaus vooraf geaggregeerd zijn, hebben we toegang tot samengevatte data zonder steeds dezelfde SQL-query op ruwe data te hoeven schrijven.

Snel en efficiënt data opvragen

OLAP-cubes maken het makkelijker om snel toegang te krijgen tot samengevatte data op verschillende granulariteitsniveaus. Je kunt complexe analytische queries uitvoeren zonder de bronsystemen te belasten en profiteren van flexibelere dataverkenning. Hier zijn enkele van de belangrijkste OLAP-bewerkingen die data-analisten kunnen uitvoeren:

Basis-OLAP-bewerkingen. Bron: Wikimedia

• Roll-up: De roll-up-bewerking vat data samen om een minder gedetailleerd zicht te geven. In plaats van verkoopsdata te bekijken per specifieke steden zoals Parijs, Berlijn, Madrid en Rome, aggregeert een roll-up deze data tot verkopen per regio, zoals West-Europa en Zuid-Europa. 
• Drill-down: Het tegenovergestelde van roll-up is drill-down. Hierbij kan de analist dieper gaan in de datahiërarchie om informatie op lager niveau op te halen. Bijvoorbeeld: terwijl je naar jaaromzet kijkt, kun je inzoomen naar maandcijfers.
• Slice: De slice-bewerking haalt een specifieke subset van data op, gebaseerd op één dimensie. Bijvoorbeeld: slicen kan verkoopdata voor een bepaalde productcategorie analyseren.
• Dice: Met de dice-bewerking kunnen analisten gelijktijdig data selecteren en analyseren uit meerdere dimensies. Bijvoorbeeld: ze kunnen verkoopdata bekijken voor specifieke producten in bepaalde regio’s gedurende een gegeven periode.
• Pivot: De pivot-bewerking roteert de OLAP-cube in een van de dimensies. Een data-analist die een grafiek in een andere configuratie wil verkennen, kan de data bijvoorbeeld pivoteren met drag-and-drop-acties in een grafische gebruikersinterface.

Typen OLAP-systemen

Er zijn verschillende typen OLAP-systemen, elk met ander gebruik en andere voordelen. Laten we de typen samenvatten in een tabel.

OLAP vs. OLTP

Nu we naar verschillende typen OLAP-systemen hebben gekeken, kunnen we OLAP vergelijken met OLTP. In tegenstelling tot OLAP is OLTP, wat staat voor online transaction processing, ontworpen voor transactieafhandeling in plaats van analytische verwerking. OLAP richt zich op data-analyse en querying, terwijl OLTP draait om realtime transactieverwerking en dataintegriteit in operationele databases.

Over het algemeen verwerkt OLAP complexere queries zodat bedrijven betere beslissingen kunnen nemen. Een OLTP-systeem handelt dagelijkse transacties af om dataintegriteit te behouden en diverse applicaties te bedienen, zoals orderinvoer en voorraadbeheer.

Meer specifiek, en in de taal van data-engineering en -architectuur, kunnen we zeggen dat OLAP een multidimensionaal datamodel gebruikt met een gedenormaliseerd schema dat het best is voor snel queryen en leesintensieve operaties. OLTP daarentegen gebruikt een genormaliseerd relationeel datamodel, geoptimaliseerd voor schrijfintensieve operaties om consistentie bij realtime transacties te waarborgen. Laten we de verschillen vastleggen in een tabel:

Voordelen van OLAP

Laten we nu de belangrijkste voordelen van OLAP vastleggen, waarvan we er hierboven al enkele hebben aangestipt. 

• Snellere data-analyse: OLAP versnelt het queryen en analyseren van grote hoeveelheden data door de tijd te verkorten die nodig is om rapporten en inzichten te genereren. Dit helpt bedrijven om tijdig beslissingen te nemen op basis van de huidige beschikbare data.
• Toegankelijk voor niet-technische gebruikers: Maakt data-analyse toegankelijker, zelfs voor niet-technische gebruikers. Daardoor kunnen beginnende data-analisten complexe analytische berekeningen en rapporten uitvoeren zonder geavanceerde databasekennis.
• Uniform dataperspectief: Met OLAP kunnen bedrijven meerdere functies zoals marketing, financiën en productie op één platform beheren. Deze geïntegreerde kijk helpt managers en besluitvormers de bredere context te begrijpen en issues effectiever aan te pakken.
• Verwerking van complexe queries: OLAP-systemen verwerken complexe queries die veel dimensies en grote datavolumes omvatten. Dit helpt gebruikers data tot in detail te analyseren, iets wat met traditionele dataverwerkingstools erg moeilijk of onmogelijk zou zijn.

OLAP-oplossingen implementeren

Hier zijn belangrijke factoren om te overwegen bij het implementeren van OLAP-oplossingen binnen je organisatie:

1. Zakelijke vereisten: Definieer analytische behoeften en doelstellingen duidelijk.
2. Databronnen: Identificeer en integreer relevante databronnen.
3. Schaalbaarheid: Zorg dat de oplossing kan meegroeien met toenemende datavolumes.
4. Gebruiksvriendelijkheid: Kies tools die passen bij de technische vaardigheden van gebruikers.
5. Integratie: Houd rekening met compatibiliteit met bestaande systemen.
6. Kosten: Evalueer de totale eigendomskosten, inclusief licenties en onderhoud.

Enkele van de meest gangbare tools met OLAP-mogelijkheden zijn IBM Cognos en Oracle OLAP. Deze tools bieden diverse geavanceerde analysemogelijkheden om aan verschillende behoeften te voldoen. 

Tot slot

Zoals we hebben gezien, verandert OLAP ruwe data in actiegerichte inzichten door multidimensionale analyse en snel queryen mogelijk te maken. Wil je je verder verdiepen in dataverwerking en -analyse? Bekijk dan onze cursus Database Design, de cursus Data Warehousing Concepts en de cursus Introduction to Data Engineering. 

En als je met OLAP bezig bent, is de kans groot dat je met SQL werkt. DataCamp biedt veel SQL-cursussen en skill tracks om je vaardigheden te verbeteren, waaronder onze skill track SQL for Database Administrators, de cursus Introduction to Relational Databases in SQL en het project Data-Driven Decision Making in SQL.