الغرض من الدورة هو دراسة تقنية OLAP ومفهوم تنفيذها وبنيتها.

في العالم الحديث، تتيح شبكات الكمبيوتر وأنظمة الحوسبة تحليل ومعالجة كميات كبيرة من البيانات.

يؤدي وجود كمية كبيرة من المعلومات إلى تعقيد البحث عن الحلول بشكل كبير، ولكنه يجعل من الممكن الحصول على حسابات وتحليلات أكثر دقة. لحل هذه المشكلة، هناك فئة كاملة من أنظمة المعلومات التي تقوم بالتحليل. تسمى هذه الأنظمة أنظمة دعم القرار (DSS) (نظام دعم القرار).

لإجراء التحليل، يجب على نظام DSS تجميع المعلومات، وأن يكون لديه وسائل لإدخالها وتخزينها. في المجمل، يمكن تحديد ثلاث مهام رئيسية يتم حلها في DSS:

· إدخال بيانات؛

· مخزن البيانات؛

· تحليل البيانات.

يتم إدخال البيانات إلى نظام دعم القرار تلقائيًا من خلال أجهزة استشعار تحدد حالة البيئة أو العملية، أو بواسطة مشغل بشري.

إذا تم إدخال البيانات تلقائيًا من أجهزة الاستشعار، فسيتم تجميع البيانات عن طريق إشارة الاستعداد التي تحدث عند ظهور المعلومات أو عن طريق الاستقصاء الدوري. إذا تم الإدخال بواسطة شخص ما، فيجب عليه تزويد المستخدمين بوسائل ملائمة لإدخال البيانات، والتحقق من صحة الإدخال، وكذلك إجراء الحسابات اللازمة.

عند إدخال البيانات في وقت واحد من قبل العديد من المشغلين، من الضروري حل مشاكل التعديل والوصول الموازي لنفس البيانات.

يوفر DSS للمحلل البيانات في شكل تقارير وجداول ورسوم بيانية للدراسة والتحليل، ولهذا السبب توفر هذه الأنظمة وظائف دعم القرار.

تقوم الأنظمة الفرعية لإدخال البيانات، والتي تسمى OLTP (معالجة المعاملات عبر الإنترنت)، بتنفيذ معالجة البيانات التشغيلية. ولتنفيذها، يتم استخدام أنظمة إدارة قواعد البيانات التقليدية (DBMS).

يمكن بناء النظام الفرعي للتحليل على أساس:

· أنظمة فرعية لتحليل استرجاع المعلومات تعتمد على نظام إدارة قواعد البيانات العلائقية والاستعلامات الثابتة باستخدام لغة SQL.

· الأنظمة الفرعية للتحليل التشغيلي. لتنفيذ مثل هذه الأنظمة الفرعية، يتم استخدام تكنولوجيا معالجة البيانات التحليلية التشغيلية OLAP، وذلك باستخدام مفهوم تمثيل البيانات متعددة الأبعاد؛

· الأنظمة الفرعية للتحليل الفكري. يطبق هذا النظام الفرعي أساليب وخوارزميات DataMining.

من وجهة نظر المستخدم، توفر أنظمة OLAP أدوات للعرض المرن للمعلومات في أقسام مختلفة، والحصول التلقائي على البيانات المجمعة، وتنفيذ عمليات الالتفاف التحليلية، والتنقيب، والمقارنة بمرور الوقت. وبفضل كل هذا، تعد أنظمة OLAP حلاً يتمتع بمزايا كبيرة في مجال إعداد البيانات لجميع أنواع تقارير الأعمال، بما في ذلك عرض البيانات في أقسام مختلفة ومستويات مختلفة من التسلسل الهرمي، مثل تقارير المبيعات والأشكال المختلفة للميزانيات والميزانيات. آحرون. تتمتع أنظمة OLAP بمزايا كبيرة لمثل هذا التمثيل في أشكال أخرى من تحليل البيانات، بما في ذلك التنبؤ.

1.2 التعريف OLAP -أنظمة

تسمى تقنية تحليل البيانات المعقدة متعددة الأبعاد OLAP. يعد OLAP مكونًا رئيسيًا في مؤسسة مستودع البيانات.

يمكن تنفيذ وظيفة OLAP بطرق مختلفة، سواء كانت بسيطة، مثل تحليل البيانات في التطبيقات المكتبية، أو أكثر تعقيدًا - الأنظمة التحليلية الموزعة القائمة على منتجات الخادم.

OLAP (On-LineAnalyticalProcessing) هي تقنية لمعالجة البيانات التحليلية التشغيلية التي تستخدم أدوات وطرق لجمع وتخزين وتحليل البيانات متعددة الأبعاد لدعم عمليات صنع القرار.

الغرض الرئيسي من أنظمة OLAP هو دعم الأنشطة التحليلية والاستعلامات التعسفية لمحللي المستخدمين. الغرض من تحليل OLAP هو اختبار الفرضيات الناشئة.

لحل المشكلات التحليلية المرتبطة بالحسابات المعقدة والتنبؤ ونمذجة سيناريوهات "ماذا لو..."، يتم استخدام تقنية تحليل البيانات متعددة الأبعاد - تقنية OLAP. تم وصف مفهوم OLAP لأول مرة في عام 1993 من قبل إدغار كود، وهو باحث مشهور في قواعد البيانات ومؤلف نموذج البيانات العلائقية، في كتاب “OLAP for User Analysts: What It ينبغي أن يكون”، حيث أوجز 12 قانونًا لمعالجة البيانات التحليلية، وفقًا لما لا تزال منتجات مطوري OLAP موجودة حتى اليوم:

1. التمثيل المفاهيمي متعدد الأبعاد للبيانات.

2. الشفافية (شفافية الوصول إلى البيانات الخارجية للمستخدم مما يسمح له أينما كان بالتواصل مع الخادم باستخدام أداة تحليلية).

3. توافر البيانات وتفصيلها.

4. الأداء المتسق عند تطوير التقارير (إذا زاد عدد الأبعاد أو حجم قاعدة البيانات، فلا ينبغي أن يواجه محلل المستخدم انخفاضًا في الأداء).

5. بنية خادم العميل (يمكن الوصول إلى OLAP من سطح المكتب).

6. تعدد الأبعاد العامة.

7. التحكم الديناميكي في المصفوفات المتفرقة.

8. دعم متعدد المستخدمين. غالبًا ما يشعر العديد من المستخدمين التحليليين بالحاجة إلى العمل مع نموذج تحليلي واحد أو إنشاء نماذج مختلفة من نفس البيانات. ويجب أن توفر أداة OLAP إمكانات المشاركة (الاستعلام والإكمال) والنزاهة والأمان.

9. عمليات متقاطعة غير محدودة.

10. معالجة البيانات بشكل بديهي.

11. خيارات مرنة لتلقي التقارير.

12. أبعاد وعدد غير محدود من مستويات التجميع (يجب أن توفر الأداة التحليلية 15 بعداً على الأقل في وقت واحد، ويفضل 20).

إن عيوب التقارير التقليدية للمدير واضحة: ليس لدى المدير الوقت الكافي لاختيار أرقام الاهتمام من التقرير، خاصة وأنهم قد يكونون كثيرا. أدى تعقيد التقارير التي يجب فهمها وإزعاج العمل بها إلى الحاجة إلى إنشاء مفهوم جديد للعمل مع البيانات.

عندما يحتاج المحلل إلى الحصول على معلومات، فإنه، بشكل مستقل أو بمساعدة مبرمج، يقوم بإجراء استعلام SQL المناسب لقاعدة البيانات ويتلقى البيانات التي يهتم بها في شكل تقرير. يمكن بناء التقارير عند الطلب أو عند تحقيق أحداث أو أوقات معينة. وهذا يثير العديد من المشاكل. بادئ ذي بدء، لا يتمتع المحلل في أغلب الأحيان بمهارات برمجة عالية المستوى ولا يمكنه تنفيذ استعلام SQL بشكل مستقل إلى قاعدة البيانات. بالإضافة إلى ذلك، لا يحتاج المحلل إلى تقرير واحد فقط، بل يحتاج إلى الكثير منها في الوقت الفعلي. المبرمجون، الذين يمكنهم بسهولة تنفيذ أي استفسارات إلى قاعدة البيانات، حتى لو ساعدوه، لن يكونوا طوال الوقت، لأن لديهم أيضًا عملهم الخاص. تؤدي الطلبات الجماعية إلى خادم قاعدة البيانات إلى تعقيد عمل موظفي الشركة الذين يعملون باستمرار مع قواعد البيانات.

ظهر مفهوم OLAP على وجه التحديد لحل مثل هذه المشاكل. OLAP (يان ل ine أتحليلي صالمعالجة) هي المعالجة التحليلية التشغيلية لكميات كبيرة من البيانات في الوقت الفعلي. الغرض من أنظمة OLAP هو تسهيل حل مشكلات تحليل كميات كبيرة من البيانات ومعالجة استعلامات قاعدة البيانات المعقدة بسرعة.

OLAP هو:

ليس منتج البرمجيات

ليست لغة برمجة

ليست التكنولوجيا

OLAP عبارة عن مجموعة من المفاهيم والمبادئ والمتطلبات التي تسهل على المحللين الوصول إلى البيانات. إنها أداة للتحليل الديناميكي متعدد الأبعاد لكميات كبيرة من البيانات في الوقت الفعلي.

مهمة المحلل هي العثور على أنماط في كميات كبيرة من البيانات. لن ينتبه المحلل إلى حقيقة واحدة، فهو يحتاج إلى معلومات حول عشرات الأحداث المماثلة. تعتبر الحقائق الفردية في قاعدة البيانات ذات أهمية، على سبيل المثال، للمحاسب أو موظف قسم المبيعات المسؤول عن المعاملة. بالنسبة للمحلل، سجل واحد لا يكفي - فهو، على سبيل المثال، قد يحتاج إلى جميع معاملات فرع معين أو مكتب تمثيلي لمدة شهر أو سنة. وفي الوقت نفسه، يتجاهل المحلل التفاصيل غير الضرورية مثل رقم التعريف الضريبي للمشتري، وعنوانه الدقيق ورقم هاتفه، وفهرس العقد، وما شابه ذلك. في الوقت نفسه، تحتوي البيانات التي يحتاجها المحلل لعمله بالضرورة على قيم عددية - وهذا يرجع إلى جوهر نشاطه.

غالبًا ما يتم تمثيل مجموعة البيانات متعددة الأبعاد على شكل مكعب OLAP (انظر الشكل 26). تحتوي محاور مكعب OLAP على معلمات، وتحتوي الخلايا على بيانات مجمعة تعتمد عليها.

أرز. 26OLAP - مكعب

مكعبات OLAP هي في الأساس تقارير تعريفية. مزايا المكعبات واضحة - يجب طلب البيانات من قاعدة البيانات مرة واحدة فقط - عند إنشاء مكعب. نظرًا لأن المحللين، كقاعدة عامة، لا يعملون مع المعلومات التي يتم استكمالها وتغييرها بسرعة، فإن المكعب الذي تم إنشاؤه يكون ذا صلة لفترة طويلة. بفضل هذا، لا يتم القضاء على الانقطاعات في تشغيل خادم قاعدة البيانات فقط (لا توجد استفسارات مع الآلاف والملايين من خطوط الاستجابة)، ولكن سرعة الوصول إلى البيانات للمحلل نفسه تزداد بشكل حاد.

ولكن هناك أيضًا عيبًا كبيرًا: يمكن لمكعب OLAP أن يشغل مساحة أكبر بعشرات أو حتى مئات المرات من البيانات الأصلية.

OLAP - ليس من الضروري أن يكون المكعب ثلاثي الأبعاد. يمكن أن يكون ثنائي الأبعاد ومتعدد الأبعاد - اعتمادًا على المشكلة التي يتم حلها. قد يحتاج المحللون إلى أكثر من 20 بُعدًا؛ وقد تم تصميم منتجات OLAP الجادة لهذا المبلغ فقط. تدعم تطبيقات سطح المكتب الأبسط 6 أبعاد كحد أقصى.

لا يجب ملء جميع عناصر المكعب: إذا كانت هناك أي معلومات مفقودة، فلن يتم تحديد القيمة الموجودة في الخلية المقابلة لها. ليس من الضروري أيضًا أن يقوم تطبيق OLAP بتخزين البيانات في بنية متعددة الأبعاد - الشيء الرئيسي هو أن هذه البيانات تبدو تمامًا مثل هذه للمستخدم.

يمكن ملء مكعب OLAP بالبيانات الحقيقية من أنظمة التشغيل وبيانات التنبؤ بناءً على البيانات التاريخية. يمكن أن تكون أبعاد المكعب الفائق معقدة وهرمية ويمكن إنشاء علاقات فيما بينها. أثناء عملية التحليل، يمكن للمستخدم تغيير وجهة نظره حول البيانات (ما يسمى بعملية تغيير العرض المنطقي)، وبالتالي عرض البيانات من وجهات نظر مختلفة وحل مشاكل محددة. يمكن إجراء عمليات مختلفة على المكعبات، بما في ذلك التنبؤ والتخطيط الشرطي (تحليل ماذا لو).

يمكن تصوير وتصور المكعب ثلاثي الأبعاد بسهولة. ومع ذلك، يكاد يكون من المستحيل تخيل أو تصوير مكعب ذو ستة أو عشرين بعدًا بشكل كافٍ. لذلك، قبل الاستخدام، يتم استخراج الجداول العادية ثنائية الأبعاد من المكعب متعدد الأبعاد، أي. كما لو أنهم "يقطعون" أبعاد المكعب حسب العلامات. من خلال قطع مكعبات OLAP حسب الأبعاد، يتلقى المحلل فعليًا "التقارير العادية ثنائية الأبعاد" التي تهمه (ليست بالضرورة التقارير بالمعنى المعتاد للمصطلح - فنحن نتحدث عن هياكل البيانات ذات الوظائف نفسها). تسمى هذه العملية "قطع" المكعب. بهذه الطريقة، يتلقى المحلل شريحة ثنائية الأبعاد من المكعب ويعمل معها. الأقسام الضرورية هي التقارير.

من خلال التفاعل مع نظام OLAP، يمكن للمستخدم إجراء عرض مرن للمعلومات، والحصول على شرائح بيانات عشوائية، وإجراء عمليات تحليلية للتفصيل، والالتفاف، والتوزيع الشامل، والمقارنة مع مرور الوقت (انظر الشكل 27).

أرز. 27 صالحصول على شرائح البيانات التعسفية باستخدامقطع مكعب OLAP.

تصنيف منتجات OLAP

يتم تنفيذ العمليات على البيانات بواسطة محرك OLAP. يتم تصنيف منتجات OLAP وفقًا لطريقة تخزين البيانات وموقع محرك OLAP.

بناءً على طريقة تخزين البيانات، يتم تقسيمها إلى ثلاث فئات: MOLAP وROLAP وHOLAP:

MOLAP - يتم تخزين البيانات المصدرية والمجمعة في قاعدة بيانات متعددة الأبعادأو في مكعب محلي متعدد الأبعاد.

ROLAP - يتم تخزين البيانات المصدر فيها قاعدة بيانات علائقيةأو في جداول محلية مسطحة على خادم الملفات. يمكن وضع البيانات المجمعة في جداول الخدمة في نفس قاعدة البيانات. يتم تحويل البيانات من قاعدة بيانات علائقية إلى مكعبات متعددة الأبعاد بناءً على طلب أداة OLAP.

HOLAP - تظل البيانات الأصلية موجودة قاعدة بيانات علائقية، ويتم وضع البيانات المجمعة فيها قاعدة بيانات متعددة الأبعاد. يتم إنشاء مكعب OLAP بناءً على طلب أداة OLAP استنادًا إلى البيانات العلائقية ومتعددة الأبعاد.

بناءً على موقع محرك OLAP، يمكن التمييز بين فئتين رئيسيتين لمنتجات OLAP: خادم OLAP وعميل OLAP.

خادم OLAPيتلقى طلبًا، ويحسب ويخزن البيانات المجمعة على الخادم، مما يمنح تطبيق العميل المثبت على كمبيوتر العميل فقط نتائج الاستعلامات للمكعبات متعددة الأبعاد المخزنة على الخادم. تدعم العديد من خوادم OLAP الحديثة طرق تخزين البيانات الثلاثة: MOLAP، وROLAP، وHOLAP.

عميل OLAPينشئ مكعبًا متعدد الأبعاد وحسابات OLAP ليس على خادم منفصل، ولكن على كمبيوتر العميل الخاص بالمستخدم نفسه. يتم تقسيم عملاء OLAP أيضًا إلى ROLAP وMOLAP.

من المعروف أن خادم OLAP يمكنه معالجة كميات أكبر من البيانات مقارنة بعميل OLAP بنفس قوة الكمبيوتر. وذلك لأن خادم OLAP يقوم بتخزين قاعدة بيانات متعددة الأبعاد تحتوي على مكعبات محسوبة مسبقًا على محركات الأقراص الثابتة. تقدم برامج العميل طلبات إلى الخادم، وتستقبل كلاً من المكعب وأجزائه. تعتبر خصائص سرعة خادم OLAP أقل حساسية لنمو البيانات.

يجب أن يكون لدى عميل OLAP المكعب بالكامل في ذاكرة الوصول العشوائي (RAM) في وقت التشغيل. لذلك، يعتمد مقدار البيانات التي تتم معالجتها بواسطة عميل OLAP بشكل مباشر على مقدار ذاكرة الوصول العشوائي (RAM) الموجودة على جهاز الكمبيوتر الخاص بالمستخدم. يقوم عميل OLAP بإنشاء استعلام إلى قاعدة البيانات، والذي يصف شروط التصفية وخوارزمية التجميع الأولي للبيانات الأولية. يقوم الخادم بالبحث عن التحديد المضغوط وتجميعه وإرجاعه لإجراء المزيد من حسابات OLAP. يمكن أن يكون حجم هذه العينة أصغر بعشرات أو مئات المرات من حجم السجلات الأولية غير المجمعة. وبالتالي، يتم تقليل الحاجة إلى عميل OLAP على موارد الكمبيوتر بشكل كبير.

يضع خادم OLAP الحد الأدنى من المتطلبات على قوة أجهزة الكمبيوتر العميلة. متطلبات عميل OLAP أعلى، لأن... يقوم بإجراء العمليات الحسابية في ذاكرة الوصول العشوائي الخاصة به. إذا كانت طاقة أجهزة الكمبيوتر العميلة منخفضة، فسيعمل عميل OLAP ببطء أو لن يتمكن من العمل على الإطلاق. قد يكون شراء خادم قوي واحدًا أرخص من ترقية كافة أجهزة الكمبيوتر لديك.

تكلفة خادم OLAP مرتفعة جدًا، ويتطلب تنفيذ وصيانة خادم OLAP موظفين مؤهلين تأهيلاً عاليًا. تعتبر تكلفة عميل OLAP أقل بكثير من تكلفة خادم OLAP.

مع إدخال OLAP، زادت إنتاجية وكفاءة إدارة المؤسسة بشكل كبير. الشخص الرئيسي في عملية تحليل البيانات هو خبير– متخصص بالموضوع . يطرح الخبير فرضيات (افتراضات)، ولتحليلها، إما أن ينظر إلى عينات معينة بطرق مختلفة، أو يبني نماذج لاختبار مدى موثوقية الفرضيات.

تسمح الأدوات التحليلية للمستخدم النهائي، الذي ليس لديه معرفة خاصة بتكنولوجيا المعلومات، بالعمل مع كميات كبيرة من البيانات. الغرض من أنظمة الأعمال التحليلية: دعم اتخاذ القرار على جميع مستويات إدارة المؤسسة.

الأنظمة التحليلية المستوى التشغيليتوفير إدارة المؤسسة في "الوضع التشغيلي"، أي. تنفيذ برنامج إنتاجي محدد. الأنظمة التحليلية المستوى الاستراتيجيمساعدة إدارة المؤسسة على تطوير القرارات في "وضع التطوير". أنظمة الإدارة الإستراتيجية هي أنظمة معلومات تحليلية تدعم حل المهام الرئيسية للإدارة الإستراتيجية للشركة.

يمكن قراءة العديد من المقالات حول OLAP على الموقع الإلكتروني: http://www.olap.ru/basic/oolap.asp

في عام 1993، مؤسس النهج العلائقي لبناء قاعدة البيانات، إدغار كود وشركائه (إدغار كود، عالم رياضيات وزميل IBM)، نشر مقالًا بدأته شركة Arbor Software (الشركة الشهيرة حاليًا Hyperion Solutions)، بعنوان "توفير OLAP ( المعالجة التحليلية عبر الإنترنت) للمستخدمين التحليليين"، والتي صاغت 12 ميزة لتقنية OLAP، والتي تم استكمالها لاحقًا بستة ميزات أخرى. أصبحت هذه الأحكام المحتوى الرئيسي لتكنولوجيا جديدة واعدة للغاية.

الملامح الرئيسية للتكنولوجياأولاب (الأساسية):

• التمثيل المفاهيمي متعدد الأبعاد للبيانات؛
• معالجة بديهية للبيانات؛
• توافر البيانات وتفاصيلها؛
• حزمة استخراج البياناتضد التفسير؛
• نماذج تحليل OLAP؛
• بنية خادم العميل (يمكن الوصول إلى OLAP من سطح المكتب)؛
• الشفافية (الوصول الشفاف إلى البيانات الخارجية)؛
• دعم متعدد المستخدمين.

مميزات خاصة(خاص):

• معالجة البيانات غير الرسمية؛
• حفظ نتائج OLAP: تخزينها بشكل منفصل عن البيانات المصدر؛
• استبعاد القيم المفقودة؛
• التعامل مع القيم المفقودة

ميزات إعداد التقارير(تقرير):

• المرونة في إعداد التقارير؛
• أداء التقارير القياسية؛
• التكوين التلقائي لطبقة استخراج البيانات المادية.

إدارة الأبعاد(البعد):

• عالمية القياسات.
• عدد غير محدود من الأبعاد ومستويات التجميع؛
• عدد غير محدود من العمليات بين الأبعاد.

تاريخيًا، لا يتضمن مصطلح "OLAP" اليوم عرضًا متعدد الأبعاد للبيانات من المستخدم النهائي فحسب، بل يتضمن أيضًا عرضًا متعدد الأبعاد للبيانات الموجودة في قاعدة البيانات الهدف. وهذا هو بالضبط سبب ارتباط الظهور كمصطلحات مستقلة "OLAP العلائقية"(رولاب) و "OLAP متعدد الأبعاد"(مولاب).

تعد خدمة OLAP أداة لتحليل كميات كبيرة من البيانات في الوقت الفعلي. من خلال التفاعل مع نظام OLAP، سيتمكن المستخدم من عرض المعلومات بمرونة، والحصول على شرائح بيانات عشوائية وإجراء عمليات تحليلية للتفصيل والالتفاف والتوزيع الشامل والمقارنة بمرور الوقت باستخدام العديد من المعلمات في وقت واحد. تتم جميع الأعمال باستخدام نظام OLAP من حيث مجال الموضوع وتسمح لك ببناء نماذج سليمة إحصائيًا لحالة العمل.

برنامج أولاب - هي أداة لتحليل البيانات التشغيليةالموجودة في المستودع. السمة الرئيسية هي أن هذه الأدوات مخصصة للاستخدام ليس من قبل متخصص في مجال تكنولوجيا المعلومات، وليس من قبل خبير إحصائي، ولكن من قبل محترف في مجال الإدارة التطبيقي - مدير قسم، قسم، إدارة، و وأخيرا المخرج. تم تصميم الأدوات للتواصل مع المحللين مع المشكلة، وليس مع الكمبيوتر. في التين.

يوضح الشكل 6.14 مكعب OLAP الأولي الذي يسمح لك بتقييم البيانات على ثلاثة أبعاد.

يتيح لك مكعب OLAP متعدد الأبعاد ونظام الخوارزميات الرياضية المقابلة للمعالجة الإحصائية تحليل البيانات بأي تعقيد في أي فترة زمنية.

أرز. 6.14.

بوجود آليات مرنة تحت تصرفه لمعالجة البيانات والعرض المرئي (الشكل 6.15، الشكل 6.16)، يقوم المدير أولاً بفحص البيانات من زوايا مختلفة قد تكون (أو لا تكون) مرتبطة بالمشكلة التي يتم حلها. بعد ذلك، يقوم بمقارنة مؤشرات الأعمال المختلفة مع بعضها البعض، محاولًا تحديد العلاقات المخفية؛ يمكنهم النظر إلى البيانات عن كثب، بالتفصيل، على سبيل المثال، تقسيمها إلى مكونات حسب الوقت أو المنطقة أو العميل، أو على العكس من ذلك، تعميم عرض المعلومات بشكل أكبر لإزالة التفاصيل المشتتة للانتباه. بعد ذلك، باستخدام الوحدة النمطيةالتقييم الإحصائي ونمذجة المحاكاة

يتم إنشاء العديد من الخيارات لتطوير الأحداث، ويتم تحديد الخيار الأكثر قبولا.

على سبيل المثال، قد يكون لدى مدير الشركة فرضية مفادها أن انتشار نمو الأصول في مختلف فروع الشركة يعتمد على نسبة المتخصصين الحاصلين على التعليم الفني والاقتصادي فيها. ولاختبار هذه الفرضية يمكن للمدير أن يطلب من المستودع ويعرض على الرسم البياني نسبة الفائدة لتلك الفروع التي انخفض نمو أصولها في الربع الحالي بأكثر من 10% مقارنة بالعام الماضي، وتلك التي زادت بأكثر من 25%. يجب أن يكون قادرًا على استخدام مجموعة مختارة بسيطة من القائمة المتوفرة. إذا كانت النتائج التي تم الحصول عليها تنقسم بشكل كبير إلى مجموعتين متطابقتين، فيجب أن يصبح هذا حافزًا لمزيد من اختبار الفرضية المطروحة.

حاليا، اتجاه يسمى النمذجة الديناميكية(المحاكاة الديناميكية)، والتي تنفذ بالكامل مبدأ FASMI المذكور أعلاه.

باستخدام النمذجة الديناميكية، يقوم المحلل ببناء نموذج لحالة العمل التي تتطور بمرور الوقت، وفقًا لسيناريو معين. علاوة على ذلك، يمكن أن تكون نتيجة مثل هذه النمذجة عدة مواقف عمل جديدة، مما يؤدي إلى إنشاء شجرة من الحلول الممكنة مع تقييم احتمالات وآفاق كل منها.

أرز. 6.16.

يوضح الجدول 6.3 الخصائص المقارنة للتحليل الساكن والديناميكي.

الجدول 6.3.

صفة مميزة	التحليل الساكن	التحليل الديناميكي
أنواع الأسئلة	من؟ ماذا؟ كم عدد؟ كيف؟ متى؟ أين؟	لماذا هذا؟ ماذا سيحدث لو...؟ ماذا يحدث إذا…؟
وقت الاستجابة	غير منتظم	ثواني
عمليات البيانات النموذجية	تقرير منظم، رسم بياني، جدول، رسم	تسلسل التقارير التفاعلية والرسوم البيانية ونماذج الشاشة. تغيير مستويات التجميع وشرائح البيانات ديناميكيًا
مستوى المتطلبات التحليلية	متوسط	عالي
نوع أشكال الشاشة	محددة سلفا في الأساس، منظمة	يحددها المستخدم، قابلة للتخصيص
مستوى تجميع البيانات	تفصيلاً وتلخيصاً	تعريف المستخدم
"عمر" البيانات	التاريخية والحالية	التاريخية والحالية والمتوقعة
أنواع الطلبات	يمكن التنبؤ به في الغالب	لا يمكن التنبؤ به - من حالة إلى أخرى
غاية	المعالجة التحليلية المنظمة	تحليل التمريرات المتعددة والنمذجة والتنبؤ

دائمًا تقريبًا، تكون مهمة بناء نظام تحليلي لتحليل البيانات متعددة الأبعاد هي مهمة البناء نظام معلومات واحد يعمل باستمرار ويعتمد على برامج وحلول غير متجانسة. ويصبح اختيار وسائل تنفيذ الملكية الفكرية مهمة صعبة للغاية. يجب أن تؤخذ عوامل كثيرة في الاعتبار هنا، بما في ذلك التوافق المتبادل بين مختلف مكونات البرمجياتوسهولة تطويرها واستخدامها وتكاملها والكفاءة التشغيلية والاستقرار وحتى الأشكال والمستوى والآفاق المحتملة للعلاقات بين شركات التصنيع المختلفة.

ينطبق OLAP حيثما توجد مهمة تحليل البيانات متعددة المتغيرات. بشكل عام، إذا كان لديك جدول بيانات يحتوي على عمود وصفي واحد على الأقل وعمود واحد به أرقام، فستكون أداة OLAP أداة فعالة لتحليل التقارير وإنشاءها. وكمثال على استخدام تقنية OLAP، فكر في دراسة نتائج عملية البيع.

الأسئلة الرئيسية: "كم تم بيعه؟"، "بأي مبلغ تم بيعه؟" التوسع عندما يصبح العمل أكثر تعقيدًا وتتراكم البيانات التاريخية لعدد معين من العوامل أو الأقسام: ".. في سانت بطرسبرغ، موسكو، جبال الأورال، سيبيريا..."، ".. في الربع الأخير، مقارنة بـ الحالي، "" ..من المورد أ مقارنة بالمورد ب..."، وما إلى ذلك.

تعد الإجابات على هذه الأسئلة ضرورية لاتخاذ قرارات إدارية: بشأن تغيير التشكيلة والأسعار وإغلاق وفتح المتاجر والفروع وإنهاء وتوقيع الاتفاقيات مع التجار وإجراء الحملات الإعلانية أو إنهائها وما إلى ذلك.

إذا حاولت تسليط الضوء على الأرقام الرئيسية (الحقائق) والأقسام (وسائط القياس) التي يتلاعب بها المحلل، في محاولة لتوسيع أعمال الشركة أو تحسينها، فسوف تحصل على جدول مناسب لتحليل المبيعات كنوع من القالب الذي يتطلب تعديلات مناسبة ل كل مؤسسة محددة.

وقت. كقاعدة عامة، هذه عدة فترات: السنة، الربع، الشهر، العقد، الأسبوع، اليوم. تقوم العديد من أدوات OLAP تلقائيًا بحساب أعلى الفترات من تاريخ ما وحساب الإجماليات لها.

فئة المنتج. يمكن أن تكون هناك عدة فئات، فهي تختلف حسب كل نوع من أنواع الأعمال: التنوع، النموذج، نوع التعبئة والتغليف، وما إلى ذلك. إذا تم بيع منتج واحد فقط أو كانت المجموعة صغيرة جدًا، فلن تكون هناك حاجة للفئة.

منتج. في بعض الأحيان يتم استخدام اسم المنتج (أو الخدمة) أو رمزه أو رقم المقالة. في الحالات التي يكون فيها النطاق كبيرًا جدًا (وبعض المؤسسات لديها عشرات الآلاف من العناصر في قائمة الأسعار الخاصة بها)، قد لا يتم إجراء التحليل الأولي لجميع أنواع البضائع، ولكن يتم تعميمه على بعض الفئات المتفق عليها.

منطقة. اعتمادًا على عالمية العمل، يمكنك أن تعني القارة، مجموعة البلدان، البلد، الإقليم، المدينة، المنطقة، الشارع، جزء من الشارع. وبطبيعة الحال، إذا كان هناك منفذ واحد فقط، فإن هذا البعد مفقود.

بائع. يعتمد هذا القياس أيضًا على هيكل وحجم العمل. يمكن أن يكون هذا: فرع، متجر، تاجر، مدير مبيعات. في بعض الحالات، لا يوجد قياس، على سبيل المثال، عندما لا يؤثر البائع على أحجام المبيعات، يكون هناك متجر واحد فقط، وهكذا.

مشتر. في بعض الحالات، مثل البيع بالتجزئة، يكون المشتري غير شخصي ولا يوجد قياس؛ وفي حالات أخرى، تتوفر معلومات عن المشتري وتكون مهمة للمبيعات. وقد يحتوي هذا البعد على اسم الشركة المشترية أو العديد من مجموعات وخصائص العملاء: الصناعة، مجموعة المؤسسات، المالك، وما إلى ذلك. تحليل هيكل المبيعات لتحديد أهم المكونات في سياق الاهتمام. لهذا، من الملائم استخدام، على سبيل المثال، مخطط نوع "دائري" في الحالات المعقدة عندما يتم فحص 3 أبعاد في وقت واحد - "الأعمدة". على سبيل المثال، في متجر معدات الكمبيوتر لهذا الربع، بلغت مبيعات أجهزة الكمبيوتر 100000 دولار، ومعدات التصوير الفوتوغرافي - 10000 دولار، والمواد الاستهلاكية - 4500 دولار. الخلاصة: يعتمد حجم مبيعات المتجر إلى حد كبير على بيع أجهزة الكمبيوتر (في الواقع، ربما تكون المواد الاستهلاكية ضرورية لبيع أجهزة الكمبيوتر، ولكن هذا تحليل للتبعيات الداخلية).

تحليل الديناميكيات ( تحليل الانحدار- تحديد الاتجاهات). تحديد الاتجاهات والتقلبات الموسمية. يتم عرض الديناميكيات بوضوح من خلال رسم بياني من النوع "الخطي". على سبيل المثال، انخفضت مبيعات منتجات إنتل خلال العام، في حين نمت مبيعات مايكروسوفت. ربما تحسنت رفاهية العميل العادي، أو تغيرت صورة المتجر، ومعها تركيبة العملاء. يجب تعديل التشكيلة. مثال آخر: لمدة 3 سنوات، تنخفض مبيعات كاميرات الفيديو في فصل الشتاء.

تحليل التبعية(تحليل الارتباط). مقارنة أحجام مبيعات المنتجات المختلفة مع مرور الوقت لتحديد النطاق المطلوب - "السلة". ومن الملائم أيضًا استخدام مخطط "خطي" لهذا الغرض. على سبيل المثال، عندما تمت إزالة الطابعات من النطاق خلال الشهرين الأولين، تبين انخفاض مبيعات خراطيش المسحوق.

التشتت، متوسط ​​الانحراف، أوضاع الترتيب الأعلى - يمكن الحصول على أكثر أنواع التقارير التحليلية تطوراً.

تعد أنظمة OLAP جزءًا من المفهوم الأكثر عمومية لـ "موارد المؤسسة الفكرية" أو "أدوات تحليل الأعمال الذكية" (Business Intelligence - BI)، والتي تتضمن، بالإضافة إلى خدمة OLAP التقليدية، أدوات لتنظيم مشاركة البيانات والمعلومات الناشئة في عملية مرافق تخزين عمل المستخدم. توفر تقنية ذكاء الأعمال التبادل الإلكتروني لوثائق التقارير، والتمييز بين حقوق المستخدم، والوصول إلى المعلومات التحليلية من الإنترنت والإنترانت.

تحتوي أنظمة المعلومات الخاصة بمؤسسة جادة، كقاعدة عامة، على تطبيقات مصممة للتحليل المعقد للبيانات وديناميكياتها واتجاهاتها وما إلى ذلك. وبناء على ذلك، تصبح الإدارة العليا المستهلك الرئيسي لنتائج التحليل. ويهدف هذا التحليل في نهاية المطاف إلى دعم عملية صنع القرار. ومن أجل اتخاذ أي قرار إداري، من الضروري الحصول على المعلومات اللازمة، وعادة ما تكون كمية. للقيام بذلك، من الضروري جمع هذه البيانات من جميع أنظمة المعلومات الخاصة بالمؤسسة، وإحضارها إلى تنسيق مشترك ثم تحليلها فقط. ولهذا الغرض، يتم إنشاء مستودعات البيانات.

ما هو مستودع البيانات؟

عادة - المكان الذي يتم فيه جمع كافة المعلومات ذات القيمة التحليلية. تتوافق متطلبات هذه المتاجر مع التعريف الكلاسيكي لـ OLAP وسيتم شرحها أدناه.

في بعض الأحيان يكون للمستودع هدف آخر - وهو تكامل جميع بيانات المؤسسة، للحفاظ على سلامة المعلومات وأهميتها داخل جميع أنظمة المعلومات. الذي - التي. لا يقوم المستودع بتجميع المعلومات التحليلية فحسب، بل يجمع جميع المعلومات تقريبًا، ويمكنه تقديمها في شكل أدلة إلى الأنظمة الأخرى.

عادةً ما يختلف مستودع البيانات النموذجي عن قاعدة البيانات العلائقية النموذجية. أولا، تم تصميم قواعد البيانات العادية لمساعدة المستخدمين على أداء العمل اليومي، في حين تم تصميم مستودعات البيانات لاتخاذ القرار. على سبيل المثال، يتم بيع البضائع وإصدار الفواتير باستخدام قاعدة بيانات مصممة لمعالجة المعاملات، ويتم تحليل ديناميكيات المبيعات على مدى عدة سنوات، مما يسمح بتخطيط العمل مع الموردين، باستخدام مستودع البيانات.

ثانيًا، في حين أن قواعد البيانات التقليدية تخضع للتغيير المستمر أثناء عمل المستخدمين، فإن مستودع البيانات مستقر نسبيًا: وعادةً ما يتم تحديث البيانات الموجودة فيه وفقًا لجدول زمني (على سبيل المثال، أسبوعيًا أو يوميًا أو كل ساعة، حسب الاحتياجات). ومن الناحية المثالية، فإن عملية الإثراء هي ببساطة إضافة بيانات جديدة على مدى فترة من الزمن دون تغيير المعلومات السابقة الموجودة بالفعل في المستودع.

وثالثا، غالبا ما تكون قواعد البيانات العادية مصدر البيانات التي تنتهي في المستودع. بالإضافة إلى ذلك، يمكن تجديد المستودع من مصادر خارجية، مثل التقارير الإحصائية.

كيف يتم بناء منشأة التخزين؟

إيتل– المفهوم الأساسي : ثلاث مراحل :

• الاستخراج – استخراج البيانات من مصادر خارجية بتنسيق مفهوم؛
• التحويل – تحويل هيكل البيانات المصدر إلى هياكل ملائمة لبناء نظام تحليلي؛

دعونا نضيف مرحلة أخرى - تنظيف البيانات ( تنظيف) – عملية تصفية البيانات غير ذات الصلة أو تصحيح البيانات الخاطئة بناءً على الأساليب الإحصائية أو المتخصصة. لكي لا يتم إنشاء تقارير مثل "مبيعات عام 20011" لاحقًا.

دعنا نعود إلى التحليل.

ما هو التحليل ولماذا هو مطلوب؟

التحليل هو دراسة البيانات لغرض اتخاذ القرارات. تسمى الأنظمة التحليلية أنظمة دعم القرار ( مفاجآت صيف دبي).

تجدر الإشارة هنا إلى الفرق بين العمل مع DSS ومجموعة بسيطة من التقارير المنظمة وغير المنظمة. يكون التحليل في DSS دائمًا تفاعليًا ومتكررًا. أولئك. يقوم المحلل بالتنقيب في البيانات، وتأليف الاستفسارات التحليلية وتعديلها، ويتلقى التقارير التي قد يكون هيكلها غير معروف مسبقًا. سنعود إلى هذا بمزيد من التفاصيل أدناه عندما نناقش لغة الاستعلام. MDX.

OLAP

تتمتع أنظمة دعم القرار عادة بالوسائل اللازمة لتزويد المستخدم ببيانات مجمعة لعينات مختلفة من المجموعة الأصلية في شكل مناسب للإدراك والتحليل (الجداول والرسوم البيانية وما إلى ذلك). يتضمن النهج التقليدي لتجزئة البيانات المصدرية استخلاص مجموعة بيانات متعددة الأبعاد واحدة أو أكثر من البيانات المصدرية (غالبًا ما تسمى المكعب الفائق أو metacube)، والتي تحتوي محاورها على سمات، وتحتوي الخلايا على بيانات كمية مجمعة. (يمكن أيضًا تخزين هذه البيانات في جداول علائقية، ولكن في هذه الحالة نتحدث عن التنظيم المنطقي للبيانات، وليس عن التنفيذ المادي لتخزينها.) على طول كل محور، يمكن تنظيم السمات في شكل تسلسلات هرمية، تمثل مستويات مختلفة من التفاصيل الخاصة بهم. بفضل نموذج البيانات هذا، يمكن للمستخدمين صياغة استعلامات معقدة وإنشاء تقارير والحصول على مجموعات فرعية من البيانات.

تسمى تقنية تحليل البيانات المعقدة متعددة الأبعاد OLAP (المعالجة التحليلية عبر الإنترنت). يعد OLAP مكونًا رئيسيًا لتخزين البيانات التقليدية. تم وصف مفهوم OLAP في عام 1993 من قبل إدغار كود، وهو باحث مشهور في قواعد البيانات ومؤلف نموذج البيانات العلائقية. في عام 1995، بناءً على المتطلبات التي حددها Codd، تمت صياغة ما يسمى باختبار FASMI (التحليل السريع للمعلومات المشتركة متعددة الأبعاد)، بما في ذلك المتطلبات التالية لتطبيقات التحليل متعدد الأبعاد:

• تزويد المستخدم بنتائج التحليل في وقت مقبول (عادة لا يزيد عن 5 ثوانٍ)، حتى على حساب تحليل أقل تفصيلاً؛
• القدرة على إجراء أي تحليل منطقي وإحصائي خاص بتطبيق معين وحفظه في شكل يمكن للمستخدم النهائي الوصول إليه؛
• وصول متعدد المستخدمين إلى البيانات مع دعم آليات القفل المناسبة ووسائل الوصول المعتمدة؛
• التمثيل المفاهيمي متعدد الأبعاد للبيانات، بما في ذلك الدعم الكامل للتسلسلات الهرمية والتسلسلات الهرمية المتعددة (وهذا مطلب أساسي لـ OLAP)؛
• القدرة على الوصول إلى أي معلومات ضرورية، بغض النظر عن حجمها ومكان تخزينها.

تجدر الإشارة إلى أنه يمكن تنفيذ وظيفة OLAP بطرق مختلفة، بدءًا من أبسط أدوات تحليل البيانات في التطبيقات المكتبية وحتى الأنظمة التحليلية الموزعة القائمة على منتجات الخادم. أولئك. OLAP ليست تقنية، ولكن أيديولوجية.

قبل أن نتحدث عن تطبيقات OLAP المختلفة، دعونا نلقي نظرة فاحصة على ماهية المكعبات من وجهة نظر منطقية.

مفاهيم متعددة الأبعاد

لتوضيح مبادئ OLAP، سوف نستخدم قاعدة بيانات Northwind، المضمنة مع Microsoft SQL Server وهي قاعدة بيانات نموذجية تقوم بتخزين المعلومات التجارية لشركة توزيع أغذية بالجملة. تتضمن هذه البيانات معلومات حول الموردين والعملاء وقائمة البضائع الموردة وفئاتها وبيانات حول الطلبات والسلع المطلوبة وقائمة موظفي الشركة.

مكعب

لنأخذ على سبيل المثال جدول Invoices1 الذي يحتوي على طلبات الشركة. الحقول في هذا الجدول ستكون كما يلي:

• تاريخ الطلب
• بلد
• مدينة
• اسم الزبون
• شركة توصيل
• اسم المنتج
• كمية البضائع
• سعر الطلب

ما هي البيانات المجمعة التي يمكننا الحصول عليها من هذا العرض؟ عادةً ما تكون هذه إجابات لأسئلة مثل:

• ما هي القيمة الإجمالية للطلبات المقدمة من العملاء من دولة معينة؟
• ما هي القيمة الإجمالية للطلبات التي يقدمها العملاء في دولة معينة وتسلمها شركة معينة؟
• ما هي القيمة الإجمالية للطلبات التي يقدمها العملاء في بلد معين في سنة معينة وتسلمها شركة معينة؟

يمكن الحصول على كل هذه البيانات من هذا الجدول باستخدام استعلامات SQL واضحة تمامًا مع التجميع.

ستكون نتيجة هذا الاستعلام دائمًا عبارة عن عمود من الأرقام وقائمة من السمات التي تصفه (على سبيل المثال، البلد) - وهي عبارة عن مجموعة بيانات أحادية البعد، أو متجه في اللغة الرياضية.

لنتخيل أننا بحاجة للحصول على معلومات حول التكلفة الإجمالية للطلبات من جميع البلدان وتوزيعها بين شركات التوصيل - سنحصل على جدول (مصفوفة) بالأرقام، حيث سيتم إدراج شركات التوصيل في عناوين الأعمدة والبلدان في الصف العناوين، وفي الخلايا سيكون هناك كمية من الطلبات. هذه مجموعة بيانات ثنائية الأبعاد. تسمى هذه المجموعة من البيانات بالجدول المحوري ( جدول محوري) أو جدولي.

إذا أردنا الحصول على نفس البيانات، ولكن أيضًا حسب السنة، فسيظهر تغيير آخر، أي. ستصبح مجموعة البيانات ثلاثية الأبعاد (موتر مشروط من الدرجة الثالثة أو "مكعب" ثلاثي الأبعاد).

من الواضح أن الحد الأقصى لعدد الأبعاد هو عدد جميع السمات (التاريخ، البلد، العميل، وما إلى ذلك) التي تصف بياناتنا المجمعة (كمية الطلبات، وعدد المنتجات، وما إلى ذلك).

وهكذا نصل إلى مفهوم تعدد الأبعاد وتجسيده - مكعب متعدد الأبعاد. سوف نسمي هذا الجدول " جدول الحقائق" الأبعاد أو محاور المكعب ( أبعاد) هي السمات التي يتم التعبير عن إحداثياتها بالقيم الفردية لهذه السمات الموجودة في جدول الحقيقة. أولئك. على سبيل المثال، إذا تم الاحتفاظ بمعلومات حول الطلبات في النظام من عام 2003 إلى عام 2010، فإن محور هذا العام سيتكون من 8 نقاط مقابلة. إذا جاءت الطلبات من ثلاث دول، فسيحتوي محور الدولة على 3 نقاط، وما إلى ذلك. بغض النظر عن عدد البلدان المدرجة في دليل البلدان. تسمى النقاط الموجودة على المحور "أعضائه" ( أعضاء).

في هذه الحالة، ستسمى البيانات المجمعة نفسها "تدابير" ( يقيس). ولتجنب الخلط بينه وبين "الأبعاد"، يفضل أن يطلق على الأخيرة اسم "المحاور". تشكل مجموعة التدابير محور "تدابير" آخر ( مقاسات). يحتوي على عدد من الأعضاء (النقاط) يساوي عدد المقاييس (الأعمدة المجمعة) في جدول الحقيقة.

يمكن دمج أعضاء الأبعاد أو المحاور بواسطة تسلسل هرمي واحد أو أكثر ( تَسَلسُل). دعونا نشرح ما هو التسلسل الهرمي بمثال: يمكن توحيد المدن من الطلبات في مناطق، أو مناطق في مناطق، أو مناطق في بلد ما، أو دول في قارات أو كيانات أخرى. أولئك. هناك هيكل هرمي - القارة- البلد-المنطقة-المنطقة-المدينة– 5 مستويات ( مستوى). بالنسبة للمنطقة، يتم تجميع البيانات لجميع المدن المضمنة فيها. لمنطقة عبر جميع المناطق التي تحتوي على جميع المدن، وما إلى ذلك. لماذا نحتاج إلى تسلسلات هرمية متعددة؟ على سبيل المثال، في محور تاريخ الطلب، قد نرغب في تجميع النقاط (أي الأيام) في تسلسل هرمي سنة شهر يوماو بواسطة سنة-أسبوع-يوم: في كلتا الحالتين هناك ثلاثة مستويات. من الواضح أن أيام مجموعة الأسبوع والشهر مختلفة. هناك أيضًا تسلسلات هرمية، حيث لا يكون عدد المستويات فيها محددًا ويعتمد على البيانات. على سبيل المثال، المجلدات الموجودة على قرص الكمبيوتر.

يمكن أن يتم تجميع البيانات باستخدام عدة وظائف قياسية: المجموع، الحد الأدنى، الحد الأقصى، المتوسط، العدد.

MDX

دعنا ننتقل إلى لغة الاستعلام في البيانات متعددة الأبعاد.
لم يتم تصميم لغة SQL في الأصل للمبرمجين، بل للمحللين (وبالتالي لديها بناء جملة يشبه اللغة الطبيعية). لكن مع مرور الوقت، أصبح الأمر أكثر تعقيدا، والآن القليل من المحللين يعرفون كيفية استخدامه بشكل جيد، هذا إذا كانوا يستخدمونه على الإطلاق. لقد أصبح أداة للمبرمجين. لغة الاستعلام MDX، التي يُشاع أنها تم تطويرها من قبل مواطننا السابق موشا (أو موشا) بوسومانسكي في براري مايكروسوفت، كانت تهدف أيضًا في البداية إلى استهداف المحللين، ولكن مفاهيمها وصياغتها (التي تذكرنا بشكل غامض بـ SQL، و عبثًا تمامًا، أي لأنه يربك فقط)، حتى أكثر تعقيدًا من SQL. ومع ذلك، لا تزال أساسياتها سهلة الفهم.

وسنتناولها بالتفصيل لأنها اللغة الوحيدة التي حصلت على وضع قياسي ضمن إطار معيار بروتوكول XMLA العام، وثانيًا لأن هناك تطبيق مفتوح المصدر لها على شكل مشروع موندريان من الشركة بنتاهو. تستخدم أنظمة تحليل OLAP الأخرى (على سبيل المثال، Oracle OLAP Option) عادةً امتداداتها الخاصة لبناء جملة SQL، ولكنها تعلن أيضًا عن دعم MDX.

إن العمل مع مجموعات البيانات التحليلية يعني فقط قراءتها، ولا يعني كتابتها. الذي - التي. لا يحتوي MDX على أي بنود لتغيير البيانات، ولكن هناك فقرة اختيار واحدة فقط - حدد.

في OLAP يمكنك إنشاء مكعبات متعددة الأبعاد شرائح- أي. عندما تتم تصفية البيانات على طول محور واحد أو أكثر، أو التوقعات- عندما "ينهار" المكعب على محور واحد أو أكثر، مما يؤدي إلى تجميع البيانات. على سبيل المثال، المثال الأول الخاص بنا بخصوص كمية الطلبات من البلدان هو إسقاط المكعب على محور الدولة. سيبدو استعلام MDX لهذه الحالة كما يلي:

حدد...الأطفال في الصفوف من
ما هو هنا؟

يختار- الكلمة الأساسية مضمنة في بناء الجملة للجمال فقط.
هو اسم المحور. تتم كتابة كافة أسماء الأعلام في MDX بين قوسين مربعين.
هو اسم التسلسل الهرمي. في حالتنا، هذا هو التسلسل الهرمي بين البلد والمدينة
– هذا هو اسم عضو المحور في المستوى الأول من التسلسل الهرمي (أي الدولة) الكل – وهو عضو ميتا يوحد جميع أعضاء المحور. يوجد مثل هذا المصطلح التعريفي في كل محور. على سبيل المثال، في محور السنة يوجد "كل السنوات"، وما إلى ذلك.
أطفالهي وظيفة عضو. كل عضو لديه العديد من الوظائف المتاحة. مثل الوالد. المستوى، التسلسل الهرمي، ويعيد على التوالي السلف، والمستوى في التسلسل الهرمي والتسلسل الهرمي نفسه الذي ينتمي إليه العضو في هذه الحالة. الأطفال - إرجاع مجموعة من الأعضاء الأطفال لهذا العضو. أولئك. في حالتنا – البلدان.
على الصفوف– يشير إلى كيفية ترتيب هذه البيانات في الجدول الناتج. في هذه الحالة - في رأس السطور. القيم المحتملة هنا: على الأعمدة، على الصفحات، على الفقرات، الخ. من الممكن أيضًا الإشارة ببساطة عن طريق الفهرس، بدءًا من 0.
من- وهذا مؤشر على المكعب الذي يتم الاختيار منه.

ماذا لو لم نكن بحاجة إلى جميع البلدان، بل إلى دولتين محددتين فقط؟ للقيام بذلك، يمكننا أن نحدد بوضوح في الطلب البلدان التي نحتاجها، بدلاً من تحديد كل شيء باستخدام وظيفة الأطفال.

حدد (...، ...) في الصفوف من
الأقواس المتعرجة في هذه الحالة هي إعلان المجموعة ( تعيين). المجموعة عبارة عن قائمة، وتعداد للأعضاء من محور واحد.

لنكتب الآن استعلامًا للمثال الثاني - الإخراج في سياق موظف التوصيل:

حدد...الأطفال في الصفوف.الأعضاء في الأعمدة من
تمت الإضافة هنا:
- المحور؛
.أعضاء- دالة محورية تُرجع جميع المصطلحات الموجودة عليها. التسلسل الهرمي والمستوى لهما نفس الوظيفة. لأن يوجد تسلسل هرمي واحد فقط في هذا المحور، ومن ثم يمكن حذف الإشارة إليه، لأنه المستوى والتسلسل الهرمي متماثلان أيضًا، ومن ثم يمكنك عرض جميع الأعضاء في قائمة واحدة.

أعتقد أنه من الواضح بالفعل كيف يمكننا مواصلة ذلك بمثالنا الثالث بالتفصيل حسب السنة. لكن من الأفضل ألا نتعمق أكثر حسب السنة، بل يجب أن نقوم بالتصفية - على سبيل المثال. بناء شريحة وللقيام بذلك سنكتب الاستعلام التالي:

حدد .. الأطفال في الصفوف . الأعضاء في الأعمدة من حيث (.)
أين الترشيح هنا؟

أين- الكلمة الرئيسية
هو أحد أعضاء التسلسل الهرمي . الاسم الكامل، بما في ذلك جميع المصطلحات، سيكون: .. ، ولكن وبما أن اسم هذا العضو فريد داخل المحور، فيمكن حذف كافة التوضيحات الوسيطة للاسم.

لماذا مصطلح التاريخ بين قوسين؟ الأقواس عبارة عن صف ( مترابطة بيانية). الصف هو إحداثيات واحدة أو أكثر على طول متنوعمحاور على سبيل المثال، للتصفية على طول محورين في وقت واحد، ندرج بين قوسين مصطلحين من مختلفالقياسات مفصولة بفواصل. أي أن الصف يحدد "شريحة" من المكعب (أو "التصفية"، إذا كانت هذه المصطلحات أقرب).

يتم استخدام Tuple لأكثر من مجرد التصفية. يمكن أن تكون الصفوف أيضًا في رؤوس الصفوف/الأعمدة/الصفحات، وما إلى ذلك.

يعد ذلك ضروريًا، على سبيل المثال، لعرض نتيجة استعلام ثلاثي الأبعاد في جدول ثنائي الأبعاد.

حدد crossjoin(...Children, ..Children) في الصفوف. الأعضاء في الأعمدة من حيث (.)
تقاطع الانضمامهي وظيفة. تقوم بإرجاع مجموعة من الصفوف (نعم، يمكن أن تحتوي المجموعة على صفوف!) الناتجة عن المنتج الديكارتي لمجموعتين. أولئك. ستحتوي المجموعة الناتجة على كافة المجموعات الممكنة من البلدان والسنوات. وبالتالي ستحتوي رؤوس الصفوف على زوج من القيم: البلد-السنة.

والسؤال هو أين بيان ما هي الخصائص العددية التي ينبغي عرضها؟ في هذه الحالة، يتم استخدام المقياس الافتراضي المحدد لهذا المكعب، أي. سعر الطلب. إذا أردنا استخلاص مقياس آخر، فإننا نتذكر أن المقاييس هي أعضاء في البعد مقاسات. ونحن نتصرف بنفس الطريقة تمامًا كما هو الحال مع المحاور الأخرى. أولئك. تصفية استعلام بواسطة أحد المقاييس سيؤدي إلى عرض هذا المقياس بالضبط في الخلايا.

سؤال: ما الفرق بين التصفية في المكان والتصفية عن طريق تحديد أعضاء المحور في الصفوف. الجواب: لا شيء عمليا. ببساطة حيث تتم الإشارة إلى شريحة لتلك المحاور التي لا تشارك في تكوين العناوين. أولئك. نفس المحور لا تستطيعيكون حاضرا في نفس الوقت على الصفوف، و في أين.

الأعضاء المحسوبة

بالنسبة للاستعلامات الأكثر تعقيدًا، يمكنك إعلان الأعضاء المحسوبين. أعضاء كل من محاور السمة والقياس. أولئك. يمكنك الإعلان، على سبيل المثال، عن إجراء جديد يعرض مساهمة كل دولة في إجمالي كمية الطلبات:

مع العضو. كـ '.CurrentMember / ..'، FORMAT_STRING='0.00%' حدد ...الأطفال في الصفوف من حيث .
يتم الحساب في سياق الخلية التي تكون جميع سماتها الإحداثية معروفة. يمكن الحصول على الإحداثيات المقابلة (الأعضاء) بواسطة الدالة CurrentMember لكل محور من محاور المكعب. وهنا يجب أن نفهم أن التعبير .العضو الحالي/..لا يقسم حدا على آخر، بل يقسم البيانات المجمعة ذات الصلةشرائح مكعب! أولئك. سيتم تقسيم شريحة المنطقة الحالية إلى شريحة لجميع المناطق، أي. القيمة الإجمالية لجميع الطلبات. FORMAT_STRING – يضبط تنسيق عرض القيم، على سبيل المثال. %.

مثال آخر للعضو المحسوب ولكن على محور السنوات:

مع العضو. مثل '. - .'
ومن الواضح أن التقرير لن يحتوي على وحدة، بل على اختلاف الأقسام المقابلة لها، أي. الفرق في كمية الطلبات في هذين العامين.

عرض في رولاب

تعتمد أنظمة OLAP بطريقة أو بأخرى على نوع من تخزين البيانات ونظام التنظيم. عندما نتحدث عن RDBMS، فإننا نتحدث عن ROLAP (سنترك MOLAP وHOLAP للدراسة المستقلة). ROLAP – OLAP على قاعدة بيانات علائقية، أي. موصوفة على شكل جداول عادية ثنائية الأبعاد. تقوم أنظمة ROLAP بتحويل استعلامات MDX إلى SQL. مشكلة الحوسبة الرئيسية لقواعد البيانات هي التجميع السريع. للتجميع بشكل أسرع، عادة ما تكون البيانات الموجودة في قاعدة البيانات غير طبيعية بدرجة كبيرة، أي. لا يتم تخزينها بكفاءة عالية من حيث مساحة القرص المستغلة ومراقبة سلامة قاعدة البيانات. بالإضافة إلى أنها تحتوي أيضًا على جداول مساعدة تخزن البيانات المجمعة جزئيًا. لذلك، بالنسبة لـ OLAP، يتم عادةً إنشاء مخطط قاعدة بيانات منفصل، والذي يكرر بشكل جزئي فقط بنية قواعد بيانات المعاملات الأصلية من حيث الدلائل.

ملاحة

توفر العديد من أنظمة OLAP أدوات تنقل تفاعلية للاستعلام الذي تم إنشاؤه بالفعل (وبالتالي البيانات المحددة). وفي هذه الحالة يتم استخدام ما يسمى بـ "الحفر" أو "الحفر". الترجمة الأكثر ملاءمة إلى اللغة الروسية هي كلمة "تعميق". لكن هذه مسألة ذوق، ففي بعض البيئات ظلت كلمة "الحفر" عالقة.

تدريبات- هذا عبارة عن تقرير تفصيلي عن طريق تقليل درجة تجميع البيانات، بالإضافة إلى التصفية على طول محور آخر (أو عدة محاور). هناك عدة أنواع من الحفر:

• الحفر لأسفل– التصفية على طول أحد محاور المصدر للتقرير مع عرض معلومات مفصلة عن الفروع ضمن التسلسل الهرمي لعضو التصفية المحدد. على سبيل المثال، إذا كان هناك تقرير عن توزيع الطلبات مقسمًا حسب البلدان والسنوات، فإن النقر على عام 2007 سيعرض تقريرًا مقسمًا حسب نفس البلدان والأشهر من عام 2007.
• جانب الحفر– التصفية تحت واحد أو أكثر من المحاور المختارة وإزالة التجميع على طول واحد أو أكثر من المحاور الأخرى. على سبيل المثال، إذا كان هناك تقرير عن توزيع الطلبات مقسمًا حسب البلدان والسنوات، فإن النقر على عام 2007 سيعرض تقريرًا آخر مقسمًا، على سبيل المثال، حسب البلدان والموردين مع التصفية حسب عام 2007.
• حوض الحفر– إزالة التجميع على طول جميع المحاور والتصفية المتزامنة معها – يتيح لك رؤية البيانات المصدر من جدول الحقائق الذي تم الحصول على القيمة الموجودة في التقرير منه. أولئك. عند النقر على قيمة الخلية، يتم عرض تقرير بجميع الطلبات التي أعطت هذا المبلغ. نوع من الحفر الفوري في "أعماق" المكعب.

هذا كل شئ. الآن، إذا قررت تكريس نفسك لذكاء الأعمال وOLAP، فقد حان الوقت لبدء قراءة الأدبيات الجادة.

العلامات:

• OLAP
• موندريان
• ذكاء الأعمال
• MDX

اضف اشارة

مذهلة - قريبة ...

في سياق عملي، غالبًا ما كنت بحاجة إلى إعداد تقارير معقدة، كنت أحاول دائمًا العثور على شيء مشترك فيها من أجل تجميعها بشكل أكثر بساطة وعالمية، حتى أنني كتبت ونشرت مقالًا حول هذا الموضوع بعنوان "شجرة أوسيبوف". " ومع ذلك، تم انتقاد مقالتي وقالوا إن جميع المشكلات التي أثرتها قد تم حلها منذ فترة طويلة في MOLAP.RU v.2.4 (www.molap.rgtu.ru) وأوصوا بالنظر إلى الجداول المحورية في EXCEL.
لقد اتضح أن الأمر بسيط للغاية لدرجة أنه بعد تطبيق يدي الصغيرة البارعة عليه، توصلت إلى مخطط بسيط للغاية لتنزيل البيانات من 1C7 أو أي قاعدة بيانات أخرى (يشار إليها فيما يلي بـ 1C تعني أي قاعدة بيانات) والتحليل في OLAP.
أعتقد أن العديد من أنظمة تحميل OLAP معقدة للغاية، وأنا أختار البساطة.

صفات :

1. مطلوب فقط EXCEL 2000 للعمل.
2. يمكن للمستخدم تصميم التقارير بنفسه بدون برمجة.
3. التحميل من 1C7 بتنسيق ملف نصي بسيط.
4. بالنسبة للإدخالات المحاسبية، هناك بالفعل معالجة عالمية للتفريغ تعمل في أي تكوين. معالجة العينات متاحة لتنزيل البيانات الأخرى.
5. يمكنك تصميم نماذج التقارير مسبقًا ومن ثم تطبيقها على البيانات المختلفة دون إعادة تصميمها.
6. أداء جيد جدًا. في المرحلة الطويلة الأولى، يتم أولاً استيراد البيانات إلى EXCEL من ملف نصي ويتم إنشاء مكعب OLAP، وبعد ذلك يمكن إنشاء أي تقرير بسرعة كبيرة على أساس هذا المكعب. على سبيل المثال، يتم تحميل البيانات المتعلقة بمبيعات المنتجات لمتجر لمدة 3 أشهر بمجموعة متنوعة من 6000 منتج إلى EXCEL خلال 8 دقائق على Cel600-128M، ويتم إعادة حساب التصنيف حسب المنتج والمجموعة (تقرير OLAP) في دقيقة واحدة.
7. يتم تنزيل البيانات من 1C7 كاملة للمدة المحددة (جميع الحركات عبر جميع المستودعات والشركات والحسابات). عند الاستيراد إلى EXCEL، من الممكن استخدام عوامل التصفية التي تقوم بتحميل البيانات الضرورية فقط للتحليل (على سبيل المثال، من جميع الحركات، المبيعات فقط).
8. في الوقت الحالي، تم تطوير طرق لتحليل الحركات أو البقايا، ولكن ليس الحركات والبقايا معًا، على الرغم من أن ذلك ممكن من حيث المبدأ.

ما هو أولاب : (www.molap.rgtu.ru)

لنفترض أن لديك سلسلة بيع بالتجزئة. ليتم تحميل البيانات الخاصة بعمليات التداول إلى ملف نصي أو جدول مثل هذا:

التاريخ - تاريخ التشغيل
شهر - شهر التشغيل
الأسبوع - أسبوع العملية
النوع - شراء، بيع، إرجاع، شطب
الطرف المقابل - منظمة خارجية تشارك في المعاملة
المؤلف - الشخص الذي أصدر الفاتورة

في 1C، على سبيل المثال، سيتوافق صف واحد من هذا الجدول مع سطر واحد من الفاتورة؛ ويتم أخذ بعض الحقول (الطرف المقابل، التاريخ) من رأس الفاتورة.

عادةً ما يتم تحميل البيانات المخصصة للتحليل إلى نظام OLAP لفترة زمنية معينة، ومن حيث المبدأ، يمكن تحديد فترة أخرى باستخدام مرشحات التحميل.

هذا الجدول هو مصدر تحليل OLAP.

تقرير	قياسات	بيانات	منقي
كم عدد المنتجات وما هي الكمية التي تباع يوميا؟	التاريخ، المنتج	كمية كمية	عرض = "بيع"
ما هي الأطراف المقابلة التي قامت بتوريد البضائع مقابل أي مبلغ شهريًا؟	الشهر، المقاول، المنتج	مجموع	عرض = "شراء"
ما هو المبلغ الذي كتبه المشغلون لأي نوع من الفواتير طوال الفترة المشمولة بالتقرير؟		مجموع

يحدد المستخدم بنفسه أي من حقول الجدول ستكون الأبعاد والبيانات والمرشحات التي سيتم تطبيقها. يقوم النظام نفسه بإنشاء تقرير في شكل جدول مرئي. يمكن وضع الأبعاد في عناوين الصفوف أو الأعمدة في جدول التقرير.
كما ترون، من جدول واحد بسيط يمكنك الحصول على الكثير من البيانات في شكل تقارير مختلفة.

كيفية استخدامه بنفسك :

قم بفك البيانات من التوزيع بالضبط في الدليل c:\fixin (بالنسبة لنظام التداول، يكون ذلك ممكنًا في c:\reports). اقرأ ملف readme.txt واتبع جميع التعليمات الموجودة فيه.

يجب عليك أولاً كتابة معالجة تقوم بتحميل البيانات من 1C إلى ملف نصي (جدول). تحتاج إلى تحديد تكوين الحقول التي سيتم تفريغها.
على سبيل المثال، تقوم المعالجة الشاملة الجاهزة، والتي تعمل في أي تكوين وتنزيل المعاملات لفترة لتحليل OLAP، بتنزيل الحقول التالية للتحليل:

التاريخ|يوم الأسبوع|الأسبوع|السنة|ربع السنة|الشهر|المستند|الشركة|الدين|Dtالتسمية
|DtGroupNomenclature|DtSectionNomenclature|الائتمان|المبلغ|ValAmount|الكمية
|العملة|DtCounterparties|DtGroupCounterparties|KtCounterparties|KtGroupCounterparties|
CT كائنات متنوعة

حيث توجد تحت البادئات Dt(Kt) حسابات فرعية للخصم (الائتمان)، والمجموعة هي مجموعة هذا الحساب الفرعي (إن وجدت)، والقسم هو مجموعة المجموعة، والفئة هي مجموعة القسم.

بالنسبة لنظام التداول، يمكن أن تكون الحقول كما يلي:

الاتجاه|نوع الحركة|للنقد|المنتج|الكمية|السعر|المبلغ|التاريخ|الشركة
|المستودع|العملة|المستند|يوم الأسبوع|الأسبوع|السنة|ربع السنة|الشهر|المؤلف
|فئة المنتج|فئة الحركة|فئة الطرف المقابل|مجموعة المنتجات
|ValAmount|التكلفة|الطرف المقابل

لتحليل البيانات، يتم استخدام الجداول "Movement Analysis.xls" ("Accounting Analysis.xls"). عند فتحها، لا تقم بتعطيل وحدات الماكرو، وإلا فلن تتمكن من تحديث التقارير (يتم تشغيلها بواسطة وحدات ماكرو VBA). تأخذ هذه الملفات بياناتها المصدرية من الملفات C:\fixin\motions.txt (C:\fixin\buh.txt)، وإلا فهي نفسها. لذلك، قد تضطر إلى نسخ بياناتك إلى أحد هذه الملفات.
لتحميل بياناتك إلى EXCEL، حدد أو اكتب الفلتر الخاص بك وانقر فوق الزر "إنشاء" في ورقة "الشروط".
تبدأ أوراق التقرير بالبادئة "تقرير". انتقل إلى ورقة التقرير، وانقر على "تحديث" وستتغير بيانات التقرير وفقًا لآخر بيانات تم تحميلها.
إذا لم تكن راضيًا عن التقارير القياسية، فهناك ورقة ReportTemplate. انسخه إلى ورقة جديدة وقم بتخصيص نوع التقرير من خلال العمل مع جدول محوري في هذه الورقة (لمزيد من المعلومات حول العمل مع الجداول المحورية، راجع أي كتاب EXCEL 2000). أوصي بإعداد التقارير على مجموعة صغيرة من البيانات، ثم تشغيلها على مجموعة كبيرة، لأن... لا توجد طريقة لتعطيل إعادة رسم الجداول في كل مرة يتغير فيها تخطيط التقرير.

الملاحظات الفنية :

عند تحميل البيانات من 1C، يقوم المستخدم بتحديد المجلد حيث سيتم تحميل الملف. لقد قمت بذلك لأنه من المحتمل أن يتم تحميل عدة ملفات (بقايا وحركات) في المستقبل القريب. بعد ذلك، بالنقر فوق الزر "إرسال" في Explorer -> "إلى تحليل OLAP في EXCEL 2000"، يتم نسخ البيانات من المجلد المحدد إلى المجلد C:\fixin. (لكي يظهر هذا الأمر في قائمة أمر "Send"، تحتاج إلى نسخ الملف "For OLAP Analysis in EXCEL 2000.bat" إلى الدليل C:\Windows\SendTo) لذلك، قم بتحميل البيانات على الفور عن طريق التسمية الملفاتmotions.txt أو buh.txt.

تنسيق الملف النصي:
السطر الأول من الملف النصي هو رؤوس الأعمدة مفصولة بـ "|"، أما الأسطر المتبقية فهي تحتوي على قيم هذه الأعمدة مفصولة بـ "|".

لاستيراد ملفات نصية إلى Excel، يتم استخدام Microsoft Query (أحد مكونات EXCEL) لكي يعمل، يجب أن يكون لديك ملف shema.ini يحتوي على المعلومات التالية في دليل الاستيراد (C:\fixin):

ColNameHeader=True
التنسيق = محدد (|)
MaxScanRows=3
مجموعة الأحرف=ANSI
ColNameHeader=True
التنسيق = محدد (|)
MaxScanRows=3
مجموعة الأحرف=ANSI

توضيح:motions.txt وbuh.txt هما اسم القسم، ويتوافق مع اسم الملف المستورد، ويصف كيفية استيراد ملف نصي إلى Excel. تعني المعلمات المتبقية أن السطر الأول يحتوي على أسماء الأعمدة، وفاصل الأعمدة هو "|"، ومجموعة الأحرف هي Windows ANSI (لـ DOS - OEM).
يتم تحديد نوع الحقل تلقائيًا بناءً على البيانات الموجودة في العمود (التاريخ، الرقم، السلسلة).
لا يلزم وصف قائمة الحقول في أي مكان - سيحدد كل من EXCEL وOLAP بنفسهما الحقول الموجودة في الملف من خلال العناوين الموجودة في السطر الأول.

انتبه، تحقق من الإعدادات الإقليمية "لوحة التحكم" --> "الإعدادات الإقليمية". أثناء المعالجة التي أقوم بها، يتم تحميل الأرقام بفاصلة، وتكون التواريخ بالتنسيق "DD.MM.YYYY".

عند النقر فوق الزر "إنشاء"، يتم تحميل البيانات في الجدول المحوري في الورقة "الأساسية"، وتأخذ جميع التقارير الموجودة في أوراق "التقرير" البيانات من هذا الجدول المحوري.

أدرك أن محبي MS SQL Server وقواعد البيانات القوية سيبدأون في التذمر من أن كل شيء مبسط للغاية، وأن معالجتي ستستنفد من خلال عينة مدتها عام، ولكن أولاً وقبل كل شيء أريد أن أعطي فوائد تحليل OLAP للمتوسطين. المنظمات الحجم. أود أن أضع هذا المنتج كأداة تحليل سنوية لشركات البيع بالجملة، وتحليل ربع سنوي لتجار التجزئة، وتحليل تشغيلي لأي مؤسسة.

اضطررت إلى التلاعب بـ VBA حتى يمكن أخذ البيانات من ملف يحتوي على أي قائمة من الحقول ويمكنني إعداد نماذج التقارير مسبقًا.

وصف العمل في EXCEL (للمستخدمين):

تعليمات استخدام التقارير:
1. أرسل البيانات التي تم تنزيلها للتحليل (راجع المسؤول). للقيام بذلك، انقر بزر الماوس الأيمن على المجلد الذي قمت بتنزيل البيانات فيه من 1C وحدد أمر "إرسال"، ثم "إلى تحليل OLAP في EXCEL 2000".
2. افتح الملف "Motion Analysis.xls"
3. حدد قيمة التصفية؛ يمكن إضافة المرشحات التي تحتاجها في علامة التبويب "القيم".
4. انقر فوق الزر "إنشاء"، وسيتم تحميل البيانات التي تم تنزيلها في برنامج EXCEL.
5. بعد تحميل البيانات في برنامج EXCEL، يمكنك عرض التقارير المتنوعة. للقيام بذلك، فقط انقر فوق الزر "تحديث" في التقرير المحدد. تبدأ أوراق التقرير بالتقرير.
انتباه! بعد تغيير قيمة عامل التصفية، تحتاج إلى النقر فوق الزر "إنشاء" مرة أخرى حتى تتم إعادة تحميل البيانات الموجودة في EXCEL من ملف التحميل وفقًا للمرشحات.

المعالجة من المثال التجريبي:

معالجةmotionsbuh2011.ert - أحدث إصدار لتحميل المعاملات من Accounting 7.7 للتحليل في Excel. يحتوي على مربع اختيار "إرفاق بالملف"، والذي يسمح لك بتحميل البيانات في أجزاء حسب الفترة، وإلحاقها بنفس الملف، بدلاً من تحميلها إلى نفس الملف مرة أخرى:

تقوم معالجةmotionswork.ert بتحميل بيانات المبيعات لتحليلها في Excel.

أمثلة على التقارير:

الشطرنج الأسلاك:

عبء عمل المشغل حسب أنواع الفواتير:

ملاحظة. :

من الواضح أنه يمكن استخدام مخطط مماثل لتنظيم تنزيل البيانات من 1C8.
في عام 2011، اتصل بي أحد المستخدمين الذي كان بحاجة إلى تحسين هذه المعالجة في 1C7 حتى تتمكن من تحميل كميات كبيرة من البيانات، ووجدت مصدرًا خارجيًا وقمت بالعمل. لذا فإن التطوير مناسب تمامًا.

تم تحسين معالجةmotionsbuh2011.ert للتعامل مع تفريغ كميات كبيرة من البيانات.