- OLAPは、計画立案や意思決定支援のために迅速な回答が必要な場合、企業が集計済みかつ多次元的なデータを素早く分析するのに役立ちます。
- OLAPキューブは、製品や時間などのディメンションにわたってデータを事前に集計することができるため、従来の関係データベースクエリよりもドリルダウン分析を高速に行うことができます。
- Open iT Analysis Serverは、OLAP方式のビジネスインテリジェンスを活用し、IT管理者がライセンスの使用状況やソフトウェア の資産に関する課題を効率的に分析できるよう支援します。
単純なリレーショナルクエリを扱うアナリストは、多次元ロールアップが完了するまで90秒待ち、さらに実際に重要なスライスをドリルダウンするためにさらに90秒待たなければなりません。3回目の反復を行う頃には、すでに質問の内容が変わってしまっています。OLAPは、製品や時間といった次元にわたって事前集計を行うことでこの状況を一変させ、ドリルダウンをフルテーブルスキャンではなく、1秒未満で完了する操作に変えます。Open iT Analysis Serverは、ライセンスの使用状況やソフトウェア の資産に関する質問に対しても、このOLAPスタイルのビジネスインテリジェンスを適用します。これにより、IT管理者は、計算に時間がかかればかかるほどその価値が失われてしまう計画や最適化に関する質問に対して、迅速な回答を得ることができます。
集計データの分析に基づくビジネス・インテリジェンスは、今日のビジネス界で最も重要なトピックの1つです。競争優位を得るために、ビジネスプロセス内で利用可能な多様なデータを収集、保存、分析することの重要性を認識する企業が増えています。効果的なデータ分析を可能にするビジネスインテリジェンス技術は数多くありますが、適切なツール、つまり迅速かつ正確な結果を提供できるツールを選ぶことが重要です。この記事では、このような結果をもたらすことが証明されているツールの1つに焦点を当てます。OLAPです。
オンライン分析処理（OLAP）は、多次元データの高速表示に最適化されたデータベース構造です。OLAPデータベースは、多次元データを理解するための効果的な手法として、「キューブ」と呼ばれることがよくあります。 簡単に言えば、OLAPキューブは3次元のスプレッドシートのようなものですが、OLAPは3次元以上のデータも扱うことができます。OLAPデータベースは通常、クエリに対して迅速な結果を提供するように最適化された、特別に設計されたリレーショナルデータベースとして実装されます。多次元クエリに対する高速な回答を提供するという点において、OLAPデータベースはフラットファイルデータベースや一般的なリレーショナルデータベース、トランザクション型リレーショナルデータベースを大幅に上回る性能を発揮します。
しかし、OLAPは実際にはどのようにこれを実現しているのでしょうか？ 標準的なリレーショナルデータベースとOLAPを比較してみましょう。これを説明するために、ソフトウェア 資産の管理と最適化を担当するITマネージャーが答えを求めている可能性のある質問として、次のようなものが挙げられます：
ある製品の1年間の最大ライセンス使用状況はどの程度か？
ここで、IT管理者が過去の使用記録を集めた非常に大きなデータベースを持っているとします。従来のリレーショナルデータベースを使用してこの質問に答えるには、異なるテーブルから情報を取得する必要があります。すべてのデータを結合し、必要な情報を抽出するためにクエリーを実行します。
複雑なクエリの場合、この作業に時間がかかることがあります。では、IT担当者がその情報を掘り下げようとするとどうなるのだろうか。例えば、次のようなことを知りたいとします。
特定のサイトにおいて、特定の月の間に、製品内の特定の機能について、ライセンスの使用上限はどれくらいですか？
その場合、IT管理者はクエリーを再実行する必要があります。このようなフィルタを適用すると、ただでさえ遅いプロセスがさらに遅くなり、情報を素早く必要とするビジネスにとっては選択肢から外れることになります。
計画立案、問題解決、意思決定支援においてデータの迅速な取得が優先される場合、企業はOLAPなどの多次元ツールを活用することができます。OLAPでは、保存されたデータはあらかじめ集計されているため、データ量が膨大であっても瞬時に結果を得ることができます。キューブには多くの次元を設定でき、これらを用いてデータを集計したり、さまざまな切り口で分析したりすることができます。さらに、これらの次元を、キューブ内に直接構築された階層構造に細分化することも可能です。
上の図は、最初の質問に答えるためのOLAPアプローチを示しています。このキューブのディメンションのうち、「製品」と「時間」 の2つがあります。 これらのディメンションを事前に集計しておくことで 、必要な情報を即座に取得することができます。ハイライトされている部分は、2014年の「製品C」の最大ライセンス使用量です。
OLAPキューブに追加できるもう1つのディメンションは「場所」です。
これは、OLAPが多次元分析をどのように行うかを示しています。この例では、OLAPキューブは「場所」ディメンションを「製品」および「時間」と組み合わせて事前に集計しています。ハイライトされた領域は、2014年の「製品C」の最大ライセンス使用量を示していますが、今回は北米地域のみに限定されています。
そして、そのデータから、階層を使用して情報を瞬時にドリルダウンすることができます。この図は、2014年2月の北米におけるFeature 2 - Product Cの最大ライセンス使用状況を表しています。
キューブを設計する際には、ビジネスの基本的なニーズに対応する少数の質問に対する答えを提供することに重点が置かれます。データの事前割り当てを慎重に検討して構築されたキューブは、これらの質問に簡単かつ迅速に答えることができます。これこそがOLAPの役割です。OLAPにより、ビジネスデータを効率的に分析することが可能になります。これは、Open iT Analysis Serverなど、OLAPを活用したビジネスインテリジェンスツールを検討すべき、極めて合理的な理由と言えます。
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.
Open iT Analysis Server および Open iT Base Enterprise 全体の詳細については、ここをクリックしてください。
