- L'OLAP aide les entreprises à analyser rapidement des données agrégées et multidimensionnelles lorsqu'elles ont besoin de réponses rapides pour la planification et l'aide à la décision.
- Les cubes OLAP permettent de pré-agréger les données selon différentes dimensions, telles que le produit et le temps, ce qui rend l'analyse par exploration plus rapide que les requêtes relationnelles classiques.
- Open iT Analysis Server utilise une solution de veille stratégique de type OLAP pour aider les responsables informatiques à analyser efficacement l'utilisation des licences et à répondre aux questions relatives au parc logiciel.
Un analyste confronté à une requête relationnelle simple doit attendre 90 secondes que le calcul multidimensionnel s’achève, puis 90 secondes supplémentaires pour explorer la tranche qui l’intéresse réellement. Au bout de la troisième itération, la question a déjà changé. L’OLAP change la donne en effectuant des pré-agrégations sur des dimensions telles que le produit et le temps, transformant ainsi les explorations en opérations de l’ordre de la fraction de seconde plutôt qu’en balayages complets de tables. Open iT Analysis Server applique cette même intelligence économique de type OLAP aux questions relatives à l’utilisation des licences et aux actifs logiciels, offrant ainsi aux responsables informatiques des réponses rapides aux questions de planification et d’optimisation qui perdent de leur valeur à mesure que leur calcul prend du temps.
L'intelligence économique basée sur l'analyse de données agrégées est l'un des sujets les plus importants dans le monde des affaires d'aujourd'hui. De plus en plus d'entreprises découvrent l'importance de la collecte, du stockage et de l'analyse des diverses données disponibles dans le cadre des processus d'entreprise afin d'acquérir un avantage concurrentiel. Avec le nombre de technologies de veille stratégique disponibles pour permettre une analyse efficace des données, il est essentiel de choisir le bon outil, celui qui peut fournir des résultats rapides et précis. Cet article se concentre sur un outil qui a fait ses preuves en la matière : OLAP.
Le traitement analytique en ligne (OLAP) est une structure de base de données optimisée pour l'affichage rapide de données multidimensionnelles. Les bases de données OLAP sont souvent appelées« cubes », ce qui constitue une manière efficace d'appréhender les données multidimensionnelles. Pour simplifier, un cube OLAP s'apparente à une feuille de calcul en trois dimensions, bien que l'OLAP soit capable de gérer plus de trois dimensions. Les bases de données OLAP sont généralement implémentées dans des bases de données relationnelles spécialement conçues, optimisées pour fournir des résultats rapides aux requêtes. Les bases de données OLAP peuvent nettement surpasser les bases de données à fichiers plats et les bases de données relationnelles classiques ou transactionnelles lorsqu'il s'agit de fournir des réponses rapides à des requêtes multidimensionnelles.
Mais comment l'OLAP s'y prend-il concrètement ? Comparons une base de données relationnelle classique et l'OLAP. Pour illustrer cela, voici une question à laquelle les responsables informatiques chargés de la gestion et de l'optimisation des actifs logiciels pourraient souhaiter obtenir une réponse :
Quelle est l'utilisation maximale d'une licence pour un produit donné au cours d'une année donnée ?
Imaginons maintenant que le responsable informatique dispose d'une très grande base de données contenant des historiques d'utilisation. Pour répondre à cette question à l'aide d'une base de données relationnelle classique, vous devez obtenir les informations dans différentes tables. Vous combinez toutes les données et effectuez une requête pour extraire les informations dont vous avez besoin.
Pour les requêtes complexes, ce processus peut être lent. Que se passe-t-il lorsque le responsable informatique souhaite approfondir ces informations ? Par exemple, il ou elle aimerait maintenant savoir :
Quelle est l'utilisation maximale de la licence pour une fonctionnalité donnée du produit au cours d'un mois donné, sur un site donné ?
Le responsable informatique devra alors effectuer à nouveau la requête. L'application de ces filtres ralentira encore davantage un processus déjà lent, ce qui n'est pas une option pour une entreprise qui a besoin d'informations rapidement.
Lorsque la rapidité d'extraction des données est une priorité pour la planification, la résolution de problèmes et l'aide à la décision, les entreprises peuvent tirer parti d'outils multidimensionnels tels que l'OLAP. Dans l'OLAP, les données stockées sont pré-agrégées, ce qui permet d'obtenir des résultats instantanément, même avec de grands volumes de données. Les cubes peuvent comporter de nombreuses dimensions qui permettent d'agréger, de découper et d'analyser les données. De plus, il est possible de subdiviser davantage ces dimensions en hiérarchies intégrées directement au sein du cube.
La figure ci-dessus illustre l'approche OLAP permettant de répondre à notre première question. Deux des dimensions de notre cube sont « Produit » et « Temps ». Grâce à la pré-agrégation de ces dimensions, nous pouvons récupérer instantanément les informations dont nous avons besoin. La zone surlignée correspond à l'utilisation maximale des licences du produit C pour l'année 2014.
Une autre dimension que nous pouvons ajouter à notre cube OLAP est celle dela localisation.
Ceci illustre la manière dont l'OLAP effectue des analyses multidimensionnelles. Dans cet exemple, le cube OLAP regroupe au préalable la dimension « Emplacement » avec les dimensions « Produit » et « Temps ». La zone mise en évidence indique l'utilisation maximale des licences du produit C pour l'année 2014, mais cette fois-ci uniquement pour l'Amérique du Nord.
À partir de ces données, nous pouvons instantanément approfondir nos informations à l'aide de hiérarchies. Cette figure montre l'utilisation maximale de la licence de la fonctionnalité 2 - produit C pour le mois de février 2014 en Amérique du Nord.
Lors de la conception d'un cube, on s'attache à apporter des réponses à un petit ensemble de questions portant sur les besoins fondamentaux de l'entreprise. Un cube reposant sur une pré-allocation des données mûrement réfléchie permet de répondre à ces questions facilement et rapidement. C'est là tout l'intérêt de l'OLAP. Il permet d'explorer efficacement les données métier – une raison tout à fait pertinente d'envisager l'utilisation d'outils de Business Intelligence qui exploitent l'OLAP, tels que l'Open iT Analysis Server.
The Analysis Server is an advanced software asset management tool addressing the needs of individuals tasked with managing complex and expensive software asset portfolios. Along with Open iT modules, the Analysis Server can provide rich reports on the many facets of <software asset management (SAM), such as license usage, application, server and storage usage, in a fast and efficient way.
