CC BY
174
ПРИМЕНЕНИЕ OLAP ТЕХНОЛОГИИ В СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
© Дудник А.А., Петроченков А.Б.
Пермский Государственный Технический Университет, г. Пермь
В данной работе рассматривается применение технологии оперативной аналитической обработки информации в системах поддержки принятия решений. В компьютерных системах такого рода разрозненная информация представляется в виде многомерных кубов, которыми можно легко манипулировать, извлекая необходимую пользователю информацию при помощи различных срезов данных.
На сегодняшний день одним из наиболее перспективных направлений в развитии информационных технологий являются системы поддержки принятия решений. Системы поддержки принятия решений базируются на следующих технологиях: оперативные базы данных, хранилища данных, системы оперативной аналитической обработки информации и интеллектуальный анализ данных. В то же время классические методы поддержки принятия решений в большинстве своем, хоть и разработаны довольно давно и получили широкое распространение, не имеют под собой четкого математического обоснования.
Технологии, лежащие в основе систем поддержки принятие решений хоть и проработаны достаточно глубоко, но все же новы и являются приоритетными направлениями исследований в области информационных технологий. Технологии СППР не имеют четко очерченной области применения и могут быть использованы в любой отрасли социально-экономической деятельности, где возникает необходимость в анализе большого количества данных и принятия сложных управленческих решений.
Система поддержки принятия решений - это диалоговая автоматизированная система, использующая правила принятия решений и соответствующие модели с базами данных, а также интерактивный компьютерный процесс моделирования.
Принятие решений должно основываться на реальных данных об объекте управления. Такая информация обычно хранится в оперативных базах данных OLTP-систем (OLTP (On-Line Transaction Processing) - оперативная обработка транзакций (в реальном времени)). Но эти оперативные данные не подходят для целей анализа, так как для анализа и принятия стратегических решений в основном нужна агрегированная информация.
Решением данной проблемы является создание отдельного хранилища данных (ХД), содержащего агрегированную информацию в удобном виде. Целью построения хранилища данных является интеграция, актуализация и согласование оперативных данных из разнородных источников для формирования единого непротиворечивого взгляда на объект управления в целом.
На основе хранилища данных возможно составление отчетности для руководства, анализ данных с помощью OLAP-технологий и интеллектуальный анализ данных.
Многомерное концептуальное представление является наиболее естественным взглядом управляющего персонала на объект управления. Оно представляет собой множественную перспективу, состоящую из нескольких независимых измерений, вдоль которых могут быть проанализированы определенные совокупности данных. Одновременный анализ по нескольким измерениям данных определяется как многомерный анализ. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. Так, измерение Исполнитель может определяться направлением консолидации, состоящим из уровней обобщения «предприятие - подразделение - отдел - служащий». Измерение Время может даже включать два направления консолидации - «год - квартал -месяц - день» и «неделя - день», поскольку счет времени по месяцам и по неделям несовместим. В этом случае становится возможным произвольный выбор желаемого уровня детализации информации по каждому из измерений. Операция спуска соответствует движению от высших ступеней консолидации к низшим; напротив, операция подъема означает движение от низших уровней к высшим.
Хранилища данных содержат информацию, собранную из нескольких оперативных баз данных. Хранилища, как правило, на порядок больше оперативных баз, зачастую от сотен гигабайт до нескольких терабайт. Как правило, хранилище данных поддерживается независимо от оперативных баз данных организации, поскольку требования к функциональности и производительности аналитических приложений отличаются от требований к транзакционным системам. Хранилища данных создаются специально для приложений поддержки принятия решений и предоставляют накопленные за определенное время, сводные, консолидированные и пре-агрегированные данные, которые более приемлемы для анализа, чем детальные индивидуальные записи.
Технология комплексного многомерного анализа данных получила название OLAP. OLAP (On-Line Analytical Processing) - это аналитическая обработка в реальном времени (технология обработки информации,
включающая составление и динамическую публикацию отчетов и документов). OLAP является ключевым компонентом организации хранилищ данных.
Основными понятиями многомерной модели данных являются:
1. Показатель - это величина (обычно числового типа), которая является предметом анализа. Это, например, объём продаж некоторого товара, или выручка от продаж товара. Один OLAP-куб может обладать одним или несколькими показателями;
2. Измерение (dimension) - это множество объектов одного или нескольких типов, организованных в виде иерархической структуры и обеспечивающих информационный контекст числового показателя. Измерение принято визуализировать в виде ребра многомерного куба.
Объекты, совокупность которых образует измерение, называются членами измерений (members). Члены измерений визуализируют как точки или участки, откладываемые на осях гиперкуба. 3. Ячейка (cell) - мельчайшая структура куба, соответствующая конкретному значению некоторого показателя. Ячейки при визуализации располагаются внутри куба и здесь же принято отображать соответствующее значение показателя.
Измерения играют роль индексов, используемых для идентификации значений показателей, находящихся в ячейках гиперкуба. Комбинация членов различных измерений играют роль координат, которые определяют значение определенного показателя. Поскольку для куба может быть определено несколько показателей, то комбинация членов всех измерения будет определять несколько ячеек со значениями каждого из показателей. Для однозначной идентификации ячейки необходимо указать комбинацию членов всех измерений и показатель.
Рис. 1. OLAP-куб
В отличие от измерений, не все значения показателей должны иметь, и имеют реальные значения. Например, Менеджер Петров в 1994 г. мог еще не работать в фирме, и в этом случае все значения Показателя Объем продаж за этот год будут иметь неопределенные, «пустые» значения.
Общую схему работы OLAP системы можно представить следующим образом:
Плоская тлблчиа
N-мерный *уб
Диаграмма
Отображения
Рис. 2. Общая схема OLAP системы
Техника реализации включает много различных патентованных идей: разновидности архитектуры «клиент-сервер», анализ временных рядов, объектная ориентация, оптимизация хранения данных, параллельные процессы и т.д.
Есть два основных подхода к решению задачи выборки данных. Первый из них называется Multidimensional OLAP (MOLAP) - реализация механизма при помощи многомерной базы данных на стороне сервера, а второй Relational OLAP (ROLAP) - построение кубов 'на лету' на основе SQL запросов к реляционной СУБД. Каждый из этих подходов имеет свои плюсы и минусы.
HOLAP - гибридная архитектура, которая объединяет достоинства технологий ROLAP и MOLAP. В отличие от технологии MOLAP, которая работает лучше, когда данные более менее плотные, серверы ROLAP лучше в тех случаях, когда данные довольно разрежены. Серверы HOLAP применяют подход ROLAP для разреженных областей многомерного пространства и подход MOLAP - для плотных областей. Серверы HOLAP разделяют запрос на несколько подзапросов, направляют их к соответствующим фрагментам данных, комбинируют результаты, а затем предоставляют результат пользователю.
Современный уровень развития аппаратных и программных средств с некоторых пор сделал возможным повсеместное ведение баз данных оперативной информации на разных уровнях управления. В процессе своей деятельности промышленные предприятия, корпорации, ведомственные
структуры, органы государственной власти и местного самоуправления накопили большие объемы данных. Они хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения, что сегодня в свою очередь придает проблеме применения OLAP технологий в системах поддержки принятия решений особую актуальность.
Список литературы:
1. Стариков А. А. OLAP технологии: // http://www.basegroup.ru/olap/
2. Янски Я.Я. Опыт использования технологии OLAP: // http://www.basegroup.ru/olap/pulsar.htm
ПРИМЕНЕНИЕ АЛГОРИТМОВ РАВНОВЫГОДНОГО РАСПРЕДЕЛЕНИЯ ПРИБЫЛИ ДЛЯ ФИЛИАЛОВ ОАО «ЦЕНТРТЕЛЕКОМ»
© Корниенко Н.А.
Липецкий государственный технический университет, г. Липецк
В работе изложенные принципы равной выгоды и разработан программный комплекс для их моделирования. Выполнен анализ уровня цен на услуги связи в Центральном и Центрально-черноземном регионах и определены меры выгодности собственных тарифов - в ведущем операторе связи Липецкой области - липецком филиале ОАО «Центртелеком».
1. Введение
ОАО «ЦентрТелеком» - базовый оператор телекоммуникаций Центра Европейской части РФ. «ЦентрТелекому» принадлежит развитая инфраструктура телекоммуникаций в 17 субъектах федерации Центральной части России - региона с самой высокой плотностью населения.
Тарифы на часть услуг регулируются Министерством по антимонопольной политике и его региональными отделениями. Тарифы на нерегулируемые Естественно, что в различных регионах тарифы на нерегулируемые услуги связи могут существенно различаться. При этом от региона к региону различается и рентабельность услуги.
В такой ситуации регионы находятся в неравных условиях друг относительно друга: кто-то продает услугу по слишком низкой цене, и получа-
