Розділ «5. Створення сховищ даних. Технології OLAP та Data Mining»

o Oracle Pack - засіб оптимізації системи.

o Oracle Diagnostics Pack - засіб контролю, діагностики й підтримки бази даних, операційної системи та додатків.

o Oracle Change Management Pack - засіб ліквідації помилок і втрат під час модернізації баз даних.

У першої системи управління базами даних (функції сервера) і взаємодія з користувачем були поєднані в одній програмі. Бази даних і прикладні програми, які працювали з ними, функціонували на одному (центральному) комп'ютері. Там же виконувались усі процедури звертання до даних і їх обробка.

Комп'ютер, що керує певним ресурсом, називають сервером цього ресурсу, комп'ютер, який ним користується - клієнтом (файл-сервер, сервер баз даних). Той самий комп'ютер може виконувати як роль сервера, так і клієнта.

Цей принцип поширюється і на взаємодію програм. Якщо одна з них виконує деякі функції, надаючи іншим відповідний набір послуг, то вона називається сервером. Програми, що користуються цими послугами, називаються клієнтами (SQL-сервер і SQL-клієнт).

Підтримка інтелектуального аналізу є одним із базових компонентів сучасних корпоративних інформаційних систем. В межах OLAP-технологій вона отримала самостійний розвиток в сучасних технологіях.

Корпоративне сховище даних може функціонувати в трьох архітектурах - реляційній (ROLAP), багатовимірній (MOLAP), і гібридній або змішаній (HOLAP).

У ROLAP (Relation OLAP) - архітектурі дані зберігаються в реляційній базі даних, а агретовані - у спеціальних службових таблицях. Реляційні таблиці і зв'язки між ними генеруються автоматично. Головні функції системи розподіляються між трьома логічними рівнями:

o масштабована паралельна реляційна база даних забезпечує зберігання і швидкий доступ;

o середній рівень аналізу підтримує багатовимірне представлення даних і розширені функціональні можливості, які є недоступними на базовому реляційному сервері;

o рівень представлення відповідає за донесення результатів до користувачів.

Реляційна архітектура забезпечує високу швидкість роботи зі сховищем при невеликих обсягах даних.

HOLAP (Hybrid OLAP) - передбачає збереження основних даних в реляційному сховищі, а агрегованих - в багатовимірній базі MOLAP (Multidimensional OLAP) у зручному для користувача вигляді.

5.3. Технологія аналізу сховищ даних (Data Mining)

Data Mining (добування знань, даних) - технологія аналізу сховищ даних, що грунтується на методах штучного інтелекту та інструментах підтримки прийняття рішень. Зокрема сюди входить знаходження трендів і комерційно корисних залежностей. Деколи використовують термін "knowledge discovery"

(виявлення знань) - виявлення прихованих структур (patterns) у сховищах даних, щоб перетворити їх на знання або термін "інтелектуальний аналіз даних". Всі ці терміни є синонімами.

Класичне визначення технології "видобування даних" (Data Mining) звучить таким чином: це виявлення в початкових ("сирих") даних - раніше невідомих, нетривіальних, практично корисних і доступних інтерпретації знань. Тобто інформація, знайдена в процесі застосування методів Data Mining, повинна бути нетривіальною і раніше невідомою, наприклад, отриманий показник середніх продажів не є таким. Знання повинні описувати нові зв'язки між властивостями, передбачати значення та характеристики одних параметрів на основі інших.

Основна мета Data Mining полягає у виявленні прихованих правил і закономірностей у великих масивах даних. На відміну від оперативної аналітичної обробки даних (OLAP), у Data Mining основну задачу формулювання гіпотез і виявлення незвичайних шаблонів (закономірностей) перекладено з людини на комп'ютер.

Фірми Oracle, Microsoft, IBM т. ін. випустили ряд продуктів (DarWin, Microsoft SQL Server 200, IBM Intelligent for Data, відповідно), що реалізують алгоритми Data Mining і дають змогу автоматизувати процес аналізу даних.