OLAP

OLAP ermöglicht es Ihnen wichtige Kennzahlen aus Ihren OrgaMon Daten herauszufiltern. OLAP hilft Ihnen Fragen an den OrgaMon zu stellen. Hier typische Fragestellungen:

• Anzahl der Kunden, die in den letzten 3 Monaten etwas gekauft haben
• Der durchschnittliche Umsatz pro Kunde. Average Revenue per User (ARPU)
• Liste der Artikel, die seit einem Jahr ohne Verkauf sind
• Liste der Artikel, sortiert nach dem Verkaufsrang

In der Regel benötigt man eine externe Datenhaltung in einem Datawarehouse um solch leistungsstarke Analysen von Unternehmensdaten durchzuführen. OrgaMon OLAP arbeitet OnLine und ist dadurch echtzeitfähig. Allerdings ist bei der Erstellung der Abfragen ein internes Verständnis der Datenbank Tabellen hilfreich.

Einen Überblick über den OLAP-Beriff finden Sie hier : [1]
Einen Überblick über den Datawarehouse-Begriff finden Sie hier: (Link noch eintragen!)
Der nächste Schritt werden Modellrechnungen im OrgaMon sein, also das weiterführen von Unternehmenszahlen in die Zukunft und entsprechende Auswertungen. Dadurch kann rechtzeitig vor schadhaften Entwicklungen gewarnt werden.

Funktionsüberblick

Im wesentlichen wird eine OLAP Anfrage mit einem Programmscript gesteuert. Als Kommentarzeilen werden mit "--" und "//" beginnende Zeilen interpretiert. An verschiedenen Stellen im Programm können Ergebnisse aus OLAP Abfragen wiederum im OrgaMon eingelesen und weiterverarbeitet werden. Über Parameter ganz am Anfang kann es Endusern einfach ermöglicht werden die Anfrage zu parametrisieren. In Zukunft sollen Parameter über Eingabedialoge abfragbar sein. (Ev. mit Historie und default belegungen) In Zukunft sollen Dimensionen vordefiniert sein (Artikel,Belege, Verkäufe, Personen). In Zukunft sollen Attribute angebbar sein (Artikel.Anlage > -3 Monate, Person.Alter > 40). In Zukunft sollen Betirebsbegriffe vordefinierbar sein.
Umsatz(eines Artikel) (select MENGE_GELIEFERT from POSTEN-Club)
Umsatz(einer Person) (select DAVON_BEZAHLT from BELEG-Club)

der POSTEN-Club kann dann einfach * sein, oder wieder selektiert. Ösen-Idee: Jede Dimension hat Ösen, in die manden Abfrage-Faden flechten kann. OLAP-Admins definieren Clubs,Dimensionen und Ösen. Zeiträume sollten nun (Jahrgenauer |Taggenauer | Monatgenauer | Wochengenauer) kummuliert werden. Das ist die Granularität. Summe ist die gröbste Körnung.

Bedeutung der einzelnen Möglichkeiten

select SQL Statement
$ Parameter Vorbelegen von Konstanten
$ numerischer Parameter Erstellen und Laden von SQL Includes
data SQL Statements an die Datenbank
cast Feld-Typen anpassen
join 2 Ergebnistabellen verbinden
extent 2 Ergebnistabellen erweitern
integrate über identische Spalten andere addieren
sort über Spalten sortieren
complete fehlende Spalten komplettieren
assign Punkte einem Zeitstrahl zurordnen
subtract aus 2 Ergebnistabellen die Differenzmenge bilden
list einzelnen Spalten werden Kommaseperiert aufgelistet
save speichert das Ergebnis in der Datenbank ab
nop "No Operation" keine Aktion, zählt aber den Context um eins weiter

Ausblick auf OLAP$<TAN>

In Zukunft werden Zwischenergebnisse in echten Datenbank Tabellen gespeichert. So kann man leicht zunächst einige benötigte Dimensionen erstellen und formen, um danach Ergebisse zu falten. Dabei wird für jede Tabelle eine fortlaufende TAN gezogen. In den späteren Tabelle kann dan über $TAN und $TAN-1 auf diese TAbelle referenziert werden.

Ergebnismenge als XLS

Das Endergebnis wird als Standard XLS für OpenOffice http://www.openoffice.org ausgegeben.