OLAP nedir?

OLAP’in veri ambarlarıyla bütünleşmesi, veri analistlerinin verideki örüntüleri ve ilişkileri çok daha hızlı ve çok daha verimli bir şekilde bulmasına olanak tanıdı. Ancak Online Analytical Processing’in kısaltması olan OLAP’in yaptığı iş, tabiri caizse kaputun altında gerçekleşir. Yani bir iş zekâsı aracında verilerle çalışan yetkin bir analist olabilirsiniz ve OLAP tarafından destekleniyor olabilirsiniz; ama OLAP’in ne olduğunu veya ne kadar yardımcı olduğunu mutlaka bilmiyor olabilirsiniz.

Bu yazıda OLAP’i ve nasıl çalıştığını daha yakından inceleyerek ona tam anlamıyla değer vermenizi sağlayacağız. OLAP’in veritabanlarında nasıl yer aldığını derinlemesine öğrenmek isterseniz, bu konuya tüm yönleriyle bakan ve sizi yalnızca OLAP fikrinde değil, aynı zamanda veritabanlarının daha geniş bağlamındaki konumunda da uzmanlaştıracak Database Design kursumuzu deneyin. 

Çevrimiçi Analitik İşleme (OLAP) nedir?

Kıdemli bir analist olabilirsiniz ama yine de şunu merak ediyor olabilirsiniz: OLAP ya da çevrimiçi analitik işleme nedir? Kısaca söylemek gerekirse OLAP, çok büyük miktardaki veriyi nasıl analiz ettiğimizi değiştiren bir veri işleme tekniğidir. OLAP veri iş akışlarımızın büyük ve önemli bir parçası haline geldiğinden, analistler farkında olmadan OLAP’teki gelişmelerle çalışıyor olabilirler.  

OLAP sayesinde veri analistleri, yöneticilerimizin sık sık talep ettiği uygulanabilir içgörülere dönüştürmek üzere karmaşık sorguları hızla analiz edebilir. OLAP ile analistler çok boyutlu analiz yapabilir; yani zaman, coğrafya ve hiyerarşik kategoriler gibi boyutlara bakarak, tablolarla çalışıp OLAP olmadan ilişkilendirmeleri bulmaya çalışsaydınız muhtemelen tespit etmesi zor olacak örüntü ve eğilimleri görebilirler.

OLAP. Kaynak: CSUS çevrimiçi ders materyali

OLAP’in büyük veri kümelerinin işlenmesine nasıl dahil olduğuna bakalım. En iyi yanı, bu işlemleri gerçek zamanlı olarak yapabilmenizdir. Ben şu üç özgül eylemi düşünüyorum:

1. Veri setinden belirli bakış açılarını çıkarmak.
2. Derinlemesine analiz için ayrıntılara inmek.
3. Yüksek düzeyli özetler üretmek üzere veriyi toplulaştırmak.

Örneğin, OLAP bize bölgelere göre satış verilerini çıkarmada, her bir mağazanın satış performansını analiz etmek için ayrıntılara inmeyi sağlamada ve ardından genel satış eğilimlerini sunmak üzere tüm bilgileri toplulaştırmada yardımcı olur.

OLAP Küpleri Nedir?

OLAP tartışması, OLAP küplerinden bahsetmeden eksik kalır. Hiperküp olarak da bilinen OLAP küpü, ilişkisel veritabanlarının sağlayabileceğinin ötesinde kapsamlı veriler üzerinde hızlı ve çok boyutlu analiz yapılmasına imkân veren bir veri yapısı türüdür. Temel özellikleri şunlardır:

1. Boyutlar: Analiz için farklı kategorileri temsil ederler.
2. Ölçümler: Analiz etmek istediğiniz sayısal değerlerdir.
3. Ön Toplulaştırma: Veriler, burada hızlı sorgulama için önceden hesaplanır ve saklanır.
4. Hiyerarşiler: Boyutlar içinde ayrıntıya inmeyi sağlarlar.
5. Hızlı Sorgu Performansı: Büyük veri kümelerinin hızlı analizine olanak tanır.

Basitçe söylemek gerekirse, OLAP küpleri düz ve iki boyutlu (elektronik tabloları düşünün) tablolarımızı alır ve onları üç (ya da çok daha fazla) boyuta taşır. OLAP küpleri ek katmanlar ve bağlantılar ekler. Verileri, karmaşık analitik sorguları ve raporlamayı çok daha yüksek hızda destekleyecek şekilde düzenlerler.  

OLAP Sistemleri Nasıl Çalışır

Çok boyutlu büyük veri hacimlerini analiz etmek, çeşitli kaynaklardan verilerin toplanıp veri ambarlarında depolanmasıyla başlar; ardından hızlı ve verimli sorgulama için OLAP küpleri oluşturulur.  OLAP’in buradaki yerini görebilmeniz için bir görsel:

OLAP çalışma süreci. Kaynak: NetSuite

Veri toplama ve depolama

Veriler, işlem veritabanları ve harici sistemler gibi birden çok kaynaktan çıkarılır. Ardından, çıkarılan veriler kaliteyi korumak için bir dönüşüm sürecinden geçer. Sonrasında analitik sorgular ve geçmiş veri depolama için optimize edilmiş merkezi bir veri ambarına yüklenir.

OLAP küplerinin oluşturulması

OLAP küpleri, veri ambarında saklanan verilerden oluşturulan, önceden hesaplanmış, çok boyutlu veri yapılarıdır. Verileri, çeşitli ön tanımlı boyutlar ve hiyerarşiler (ör. zaman, ürün, konum) ile ölçümler (ör. satış, miktar) boyunca düzenlerler. Toplamaların bu ön hesaplanması, OLAP’in kilit bir parçasıdır ve gerçekten de hızlı sorgu yanıtlarını sağlayan şeydir. OLAP küpleri çeşitli seviyelerde önceden toplulaştırıldığı için, ham veri üzerinde aynı SQL sorgusunu yazmaya gerek kalmadan özet verilere erişebiliriz.

Hızlı ve verimli veri sorgulama

OLAP küpleri, farklı ayrıntı seviyelerinde özet verilere hızlıca erişmeyi kolaylaştırır. Kaynak sistemleri etkilemeden karmaşık analitik sorgular yapabilir ve daha esnek veri keşfinin keyfini çıkarabilirsiniz. Veri analistlerinin gerçekleştirebileceği bazı temel OLAP işlemleri şunlardır:

Temel OLAP işlemleri. Kaynak: Wikimedia

• Roll-up: Roll-up işlemi, daha az ayrıntılı bir görünüm sunmak için verileri özetler. Örneğin Paris, Berlin, Madrid ve Roma gibi belirli şehirlere göre ürün satışlarını görüntülemek yerine, roll-up bu verileri Batı Avrupa ve Güney Avrupa gibi bölgelere göre satışları gösterecek şekilde toplar. 
• Drill-down: Roll-up’ın tersi drill-down’dır. Burada analist, daha alt düzey bilgileri getirmek için veri hiyerarşisinde daha derine inebilir. Örneğin yıllık satış verilerine bakarken, aylık satışlara kadar ayrıntıya inilebilir.
• Slice: Slice işlemi, tek bir boyuta dayalı olarak veriden belirli bir alt küme çıkarır. Örneğin, slice belirli bir ürün kategorisinin satış verilerini analiz etmek için kullanılabilir.
• Dice: Dice işlemi, analistlerin aynı anda birden çok boyuttan veri seçip analiz etmesine olanak tanır. Örneğin, belirli ürünlerin belirli bölgelerde belirli bir dönem içindeki satış verileri incelenebilir.
• Pivot: Pivot işlemi, OLAP küpünü boyutlardan biri etrafında döndürür. Dolayısıyla farklı bir yapılandırmayla bir grafiği keşfetmek isteyen bir veri analisti, verileri bir grafik kullanıcı arayüzünde sürükle-bırak ile pivotlayabilir.

OLAP Sistem Türleri

Farklı kullanım alanları ve faydaları olan çeşitli OLAP sistem türleri vardır. Türleri bir tabloda özetleyelim.

OLAP ve OLTP

Artık farklı OLAP sistem türlerine baktığımıza göre, OLAP’i OLTP ile karşılaştırabiliriz. OLAP’in aksine, çevrimiçi işlem işleme anlamına gelen OTLP, analitik işlemeye değil, işlem işlemeye yönelik tasarlanmıştır. OLAP veri analizi ve sorgulamaya odaklanırken, OLTP operasyonel veritabanlarında gerçek zamanlı işlem işleme ve veri bütünlüğü etrafında şekillenir.

Genel olarak konuşursak, OLAP daha karmaşık sorguları ele alır; böylece işletmeler daha iyi kararlar alabilir. OLTP sistemi ise veri bütünlüğünü korumak ve sipariş girişi ile stok kontrolü gibi çeşitli uygulamalara hizmet etmek için günlük işlemleri yönetir.

Daha özelde ve veri mühendisliği ile mimarisi dilinde söyleyecek olursak, OLAP hızlı sorgulama ve okuma ağırlıklı işlemler için en uygun, normalleştirilmemiş şemaya sahip çok boyutlu bir veri modeli kullanır. Öte yandan OLTP, gerçek zamanlı işlemlerde tutarlılığı sağlamak için yazma ağırlıklı işlemlere optimize edilmiş normalleştirilmiş ilişkisel bir veri modeli kullanır. Farkları bir tabloda özetleyelim:

OLAP’in Faydaları

Şimdi, yukarıda değindiğimiz bazı noktaları da içeren, OLAP’in başlıca faydalarını not edelim. 

• Daha Hızlı Veri Analizi: OLAP, büyük miktarda veriyi sorgulama ve analiz etme sürecini hızlandırarak raporlar ve içgörüler üretmek için gereken süreyi azaltır. Bu da işletmelerin mevcut veriye dayanarak zamanında kararlar almasına yardımcı olur.
• Teknik Olmayan Kullanıcılar İçin Destek: Veri analizini teknik olmayan kullanıcılar için bile daha erişilebilir kılar. Sonuç olarak, gelişmekte olan veri analistleri gelişmiş veritabanı kullanımı öğrenmeden de karmaşık analitik hesaplamalar ve raporlar gerçekleştirebilir.
• Birleşik Veri Perspektifi: OLAP, pazarlama, finans ve üretim gibi birden çok işlevi tek bir platformda yönetmeye olanak tanır. Bu bütünleşik görünüm, yöneticilerin ve karar vericilerin daha geniş bağlamı anlamasına ve sorunları daha etkili biçimde ele almasına yardımcı olur.
• Karmaşık Sorgu İşleme: OLAP sistemleri, birçok boyutu ve çok büyük veri hacimlerini içeren karmaşık sorguları işler. Bu özellik, kullanıcıların veriyi ayrıntılı biçimde analiz etmesine yardımcı olur; bu da geleneksel veri işleme araçlarıyla yapmakta çok zor ya da imkânsız olabilecek bir şeydir.

OLAP Çözümlerinin Uygulanması

Kuruluşunuzda OLAP çözümleri uygularken dikkate almanız gereken temel faktörler şunlardır:

1. İş Gereksinimleri: Analitik ihtiyaçları ve hedefleri net biçimde tanımlayın.
2. Veri Kaynakları: İlgili veri kaynaklarını belirleyin ve entegre edin.
3. Ölçeklenebilirlik: Çözümün artan veri hacimleriyle büyüyebildiğinden emin olun.
4. Kullanıcı Dostuluğu: Kullanıcıların teknik becerileriyle uyumlu araçlar seçin.
5. Entegrasyon: Mevcut sistemlerle uyumluluğu göz önünde bulundurun.
6. Maliyet: Lisans ve bakım dahil toplam sahip olma maliyetini değerlendirin.

OLAP yeteneklerine sahip en yaygın araçlardan bazıları IBM Cognos ve Oracle OLAP’tir. Bu araçlar, farklı ihtiyaçları karşılamak üzere çeşitli gelişmiş analitik yeteneklerle gelir. 

Son Düşünceler

Gördüğümüz gibi OLAP, çok boyutlu analiz ve hızlı sorgulamaya imkân tanıyarak ham veriyi uygulanabilir içgörülere dönüştürür. Veri işleme ve analizle daha iyi tanışmak için Database Design kursumuza, Data Warehousing Concepts kursumuza ve Introduction to Data Engineering kursumuza göz atın. 

Ayrıca OLAP’i öğreniyorsanız, büyük olasılıkla SQL ile de çalışıyorsunuzdur. DataCamp, becerilerinizi geliştirmenize yardımcı olacak birçok SQL kursu ve yetkinlik yolu sunar; bunlar arasında SQL for Database Administrators yetkinlik yolu, Introduction to Relational Databases in SQL kursu ve Data-Driven Decision Making in SQL projesi yer alır.