Isi
- Definisi - Apa artinya Online Analytical Processing (OLAP)?
- Pengantar Microsoft Azure dan Microsoft Cloud | Sepanjang panduan ini, Anda akan mempelajari tentang apa itu cloud computing dan bagaimana Microsoft Azure dapat membantu Anda untuk bermigrasi dan menjalankan bisnis Anda dari cloud.
- Techopedia menjelaskan Online Analytical Processing (OLAP)
Definisi - Apa artinya Online Analytical Processing (OLAP)?
Online analytical processing (OLAP) adalah konsep tingkat tinggi yang menggambarkan kategori alat yang membantu dalam analisis kueri multi-dimensi.
OLAP muncul karena kerumitan luar biasa dan pertumbuhan tipis yang terkait dengan data bisnis selama tahun 1970-an karena volume dan jenis informasi menjadi terlalu berat untuk analisis yang memadai melalui kueri bahasa terstruktur sederhana (SQL).
Pengantar Microsoft Azure dan Microsoft Cloud | Sepanjang panduan ini, Anda akan mempelajari tentang apa itu cloud computing dan bagaimana Microsoft Azure dapat membantu Anda untuk bermigrasi dan menjalankan bisnis Anda dari cloud.
Techopedia menjelaskan Online Analytical Processing (OLAP)
Kemampuan perbandingan data SQL tradisional terbatas. Misalnya, SQL dapat mengelola kueri, seperti daftar agen penjualan, versus riwayat volume penjualan. Namun, dengan volume data yang lebih besar, akan sangat sulit hanya menggunakan SQL dan sulit menerjemahkan data menjadi informasi yang memudahkan pengambilan keputusan. Sulit untuk menjawab pertanyaan-pertanyaan tertentu dalam SQL, seperti mengapa penjualan produk lebih tinggi pertengahan bulan, atau mengapa agen penjualan wanita secara konsisten menjual lebih banyak rekan-rekan pria mereka selama musim panas.
Menyadari bahwa basis data relasional memiliki keterbatasan yang melekat, pabrikan menciptakan cara-cara baru untuk mewakili hubungan data yang kompleks dan menganalisis hasil untuk melihat pola dan tren yang tersembunyi dan sebelumnya tidak dikenal.
Sebuah studi kasus tentang potensi OLAP tumbuh dari penggunaan peritel besar alat OLAP untuk penambangan data. Pengecer ini memperhatikan bahwa pembelian produk bayi larut malam berkorelasi dengan peningkatan pembelian bir larut malam. Awalnya, ini tampak seperti kebetulan, tetapi analisis pelanggan yang lebih dalam mengungkapkan bahwa pelanggan larut malam kebanyakan adalah ayah muda berusia pertengahan hingga akhir dua puluhan atau awal tiga puluhan - sebuah demografi juga terkait dengan pendapatan disposable larut malam. Berdasarkan data ini, pengecer mulai cross merchandising produk bayi dan bir, dan penjualan gabungan untuk kedua lini produk meroket.
Studi kasus ini membuktikan bagaimana OLAP melengkapi para peneliti untuk menggali dan mengungkap hubungan data antara peristiwa dan tren yang tampaknya tidak terkait, sehingga meningkatkan pengambilan keputusan bisnis.