Baze de date: ansamblul de colectii de date impreuna cu dictionarul de date.

Managementul strategic cuprinde sistemele informatice executive (EIS sau SIE); tine de inteligenta artificiala(IA). Managementul tactic cuprinde sistemele informatice pt management (MIS sau SIM); sistemele de asistare decizii (DSS sau SAD) si sistemele informatice de raportare (RIS sau SIR); tine de sistemele expert (SE). Managementul operational cuprinde prelucrarea tranzactiilor (SPT sau SPAD) si prelucrarea tranzactiilor online (OLTP); tine de sistemele expert (SE). Scopul depozitelor de date il reprezinta modelarea si analiza datelor pt luarea deciziilor. DD este o colectie de date orientate pe subiecte, integrate, istorice si nevalabile destinate sprijinirii procesului de luare a deciziilor manageriale. (W.H.Inmon) Orientarea pe subiecte: Un depozit de date este orientat pe subiecte ale activitatii intreprinderii: clienti, produse, servicii sau la alte activitati din cadrul societatii. Datele sunt preluate din toate aplicatiile OLTP referitoare la subiectul respectiv. Pt a fi elocvente, datele trebuie sa fie caracterizate de instrumente din diverse surse. DD ofera o viziune specifica la un anumit subiect, excluzand datele care nu sunt folositoare in procesul de luare a deciziilor. Integrarea: inconsistentele din datele sursa sunt eliminate; integrarea datelor provenite din surse diferite presupune extragerea, transformarea, curatarea datelor. Caracterul istoric: in DD sunt stocate date istorice (5-10 ani in urma);descendentii pot consulta valorile succesive ale acelorasi date pt a determina evolutia in timp si a calcula anumiti indicatori. Persistenta datelor: Datele dintr-un DD sunt permanente si nu pot fi modificate. Atunci cand datele sursa se modifica, depozitul este actualizat, asta insemnand doar adaugarea. DD este organizat pt a facilita folosirea datelor in scopuri decizionale. Un DD reprezinta o stocare centralizata a datelor detaliate provenite din toate sursele din cadrul organizatiei si din afara si permite interogarea dinamica si analiza detaliata a tuturor informatiilor. DD furnizeaza instrumente prin intermediul carora utilizatorii finali pot accesa rapid datele. Ralph Kimball: DD ofera acces la datele organizationale; datele continute sunt consistente; datele pot fi separate si combinate in functie de fiecare dimensiune sau aspect al afacerii; DD include un set de instrumente pt interogare, analiza si prezentare a informatiilor; repr locul in care sunt publicate datele folosite; calitatea datelor continute in depozit repr o premisa pt reingineria afacerii. Barry Devlin: DD-stocare a datelor, completa, unitara, consistenta, obtinuta dintr-o varietate de surse, disponibila utilizatorilor finali intr-un mod usor utilizabil in contextul afacerii. Corey si Abbey(Oracle): DD=colectie de datestrategice derivate direct din sistemele OLTP si alte surse externe. Efraim Turban: Scopul unui DD este de a realiza un fond de date care sa faca accesibile datele operationale intr-o forma acceptabila pt asistarea deciziilor si pt alte aplicatii. SCOPURILE DD: -asigura accesul imediat la datele organizatiei, fara intermediul unei alte persoane

-accesul presupune existenta unor utilitare usor de folosit -datele intr-un DD trebuie sa fie separate si combinate -DD nu repr doar datele, ci si un set de utilitare pt a interoga, analiza, prezenta informatiile. -DD sunt locurile unde publicam datele folosite; datele sunt asamblate din diverse surse, sunt corectate de erori. -calitatea datelor trebuie sa fie superioara intr-un DD. Aria de cuprindere: Un depozit de intreprindere trebuie sa colecteze toate informatiile despre subiecte care privesc intreaga organizatie. Caracteristici DD: colecteaza un volum mare de date; contine date detaliate, dar si agregate; poate fi implementat pe traditionalele mainframes, pe supraservere UNIX sau pe platforme cu arhitecturi paralele => cheltuieli mari pt modelare si pt proiectare si realizare. Un Data mart(magazie de date): contine un subset al volumului de date din organizatie, specific unui grup de utilizatori. Caracteristici: domeniul este limitat la subiecte specifice; datele continute sunt de ibicei agregate; implementarea se poate face pe servere mai ieftine care se bazeaza pe sisteme de operare UNIX sau WINDOWS/NT; cilclu de implementare al unui DM se masoara in saptamani. Concluzie: DM poate fi considerat un subansamblu al unui DD (este mai ieftin si mai usor de intretinut). Un Depozit virtual: este un set de viziuni asupra bazelor de date operationale.Pt eficienta procesarii interogarii, numai unele din viziunile de agregare pot si materializate. Un DV se poate construi usor, dar necesita capacitati suplimentare de servere de date. DD si instrumentele OLAP sunt bazate pe modele multidimensionale. Aceste modele pot fi descrise si printr-un limbaj de programare si vizualizeaza datele sub forma unui cub de date. Cubul de date este definit prin dimensiuni si fapte. Cubul 3D: datele sunt reprezentate ca serii de tabele 2D. Putem vedea cubul 4D, ca serii de tabele 3D. In literatura data warehouse, cubul de date se mai numeste cuboid, care poate fi descris printr-o matrice, iar nodurile pot fi combinatii intre dimeniuni. DMQL( Data Mining Query Language), contine primitive pentru definirea DD si data mart-urilor(DM) Define cube(nume_cub) as [(lista_dimensiuni)] : (lista valori) Define dimension(nume_dimensiune) as (atribut_sau_lista_subdimensiune) Modelul stea

Define cube vnzari-stea [timp, produs, sum(vnzari_lei), cant_vnduta=count(*) Define dimension tip,tip_marca) produs as

furnizor,

zona]:

vnzari_lei

Define dimension timp as (cheie_timp, zi, zi_din_sapt, luna, trimestru, an) (cheie_produs, nume_produs, categorie,

Define dimension furnizor as (cheie_furnizor, nume_furnizor, tip_furnizor) Define dimension zona as (cheie_zona, den_zona, strada, locatie, judet, regiune,cod_postal) Schema fulg de zapada: Modelul fulg de zapada este o varianta a modelului stea n care o parte din tabelele dimensiune sunt normalizate, iar datele sunt mpartite n tabele suplimentare. Tabelele dimensiune din modelul fulg de zapada pot fi pastrate n forma normalizata, ceea ce determina o redundanta redusa. Asemenea tabele sunt usor de ntretinut si astfel se economiseste spatiu de stocare, dar creste timpul de interogare. Structura fulg de nea reduce eficacitatea browsing-ului.

Define cube vnzari_fulg_de_nea [timp, produs, furnizor, zona]: vnzari_lei = sum(vnzari_lei), cant_vnduta=count(*) Define dimension timp as (cheie_timp, zi, zi_din_sapt, luna, trimestru, an) Define dimension tip,tip_marca) produs as (cheie_produs, nume_produs, categorie,

Define dimension furnizor as (cheie_furnizor, nume_furnizor, tip_furnizor) Define dimension zona as (cheie_zona, den_zona, strada, locatie, judet, regiune,cod_postal) Schema galaxie(constelatie de fapte): -exista tabele multiple de fapte care partajeaza tabelele dimensiune; acest gen de schema poate fi vazuta ca o colectie de stele.

Reguli pt definirea cubului de date: -Un cub poate fi definit prin masurile si dimensiunile pe care le contine.O masura intr-un cub de date este o functie numerica ce poate fi evaluata in fiecare punct din spatiile cubului. Ex:cub pt analiza vanzarilor. cost_produs_vandut,cantitate_vanduta. Dimensiuni: zona, produs, timp. Masurile pot fi organizate n trei categorii bazate pe tipurile de functii agregate utilizate: distributive, algebrice, holistice. Functiile de agregare pot fi distributive daca pot fi calculate in mod distributiv, ex:count. Functiile algebrice ex: AVG( ) poate fi calc SUM( )/COUNT( ); MIN(); MAX() si abaterea standard. Functiile holistice daca nu este limitata constant pe spatiul de stocaj cerut de deschiderea subagregarii, ex: median( ), mode( ), rank( ). Interogare relationala: SELECT v.cheie_timp, v.cheie_produs, v.cheie_furnizor, v.cheie_zona, SUM (v.cant_vnduta*v.pret), SUM (v.cant_vnduta) FROM timp t, produs p, furnizor f, zona z, vnzari v WHERE v.cheie_timp = t.cheie_timp and v.cheie_produs = p.cheie_produs and v.cheie_furnizor = f.cheie_furnizor and v.cheie_zona = z.cheie_zona GROUP BY v.cheie_timp, v.cheie_produs, v.cheie.furnizor, v.cheie_zona Eficienta interogarilor: Datorita volumului mare de date este crucial pentru sistemele data warehouse sa dispuna de tehnici de tip cub foarte eficiente pentru calcule, metode de acces si de procesare a interogarilor. n centru analizelor multidimensionale de date sta eficienta calculelor de agregare la intersectia multor seturi de dimensiuni.ex: group by, compute cube(calculeaza agregari asupra subseturilor, pe dim specifice). Compute the sum of vanzari, grouping by produs and oras Compute the sum of vanzari, grouping by produs Compute the sum of vanzari, grouping by oras Masuri: pret_produs_vandut,

Arhitectura unui depozit de date are trei componente principale: -depozitul de date propriu-zis si sistemul de gestiune a depozitului de date -sistemul de achizitie a datelor din sistemele OLTP si din alte surse -sistemul de analiza si prezentare a datelor din depozitul de date Arhitectura simplificata: - sursele de date pentru depozit pot fi: bazele de date operationale curente,baze de date vechi arhivate si baze de date externe -datele agregate folosite, desi determina cresterea redundantei, ele sunt foarte importante pentru a asigura un timp de raspuns ct mai mic. Totodata putem identifica care sunt etapele pentru construierea depozitului de date: -extragerea datelor din bazele de date operationale si sursele externe n cadrul depozitului, urmata de copierea datelor -curatarea datelor si ncarcarea datelor corecte n cadrul depozitului de date -obtinerea datelor agregate cerute de utilizatori.

Instrumentele software pot fi: instrumente necesare utilizatorilor (pentru acces rapid la date): de ex limbaj de interogare gen SQL, generatoare de rapoarte
instrumente specializate pentru asisterea deciziilor (obtinerea de grafice, diagrame, etc.): instrumente OLAP si Data Mining. Instrumentele OLAP se bazeaza pe reprezentarea multidimensionala a datelor (cubul de date) si permite analiza interactiva si rapida a datelor prin operatiuni de tip roll-up, drill-down, slice, dice etc. Utilizatorul poate obtine rezultate imediate parcurgnd dinamic dimensiunile cubului de date, lucrnd cu niveluri diferite de sinteza/ detaliere. Toate instrumentele de tip OLAP si Data Mining se bazeaza pe cubul de date. Ele permit interactiunea rapida a datelor. Arhitectura complexa: O arhitectura mai complexa este aceea n care se foloseste un sistem de purificare si integrare a datelor precum si multiple sisteme data mart proiectate pentru compartimente ale ntreprinderii. Sursele de date pot fi sisteme operationale si fisiere. Acestea sunt extrase, curatate, stocate si integrate n depozitul de date. Depozitul de date se refera de asemenea si mai multe sisteme data mart proiectate pentru compartimentele nterprinderii. Datele din cadrul depozitului de date sunt n final folosite de utilizatori pentru efectuarea de analiza, obtinerea de rapoarte si transformarea datelor n cunostinte (mining). Datele sunt reprezentari prin simboluri ale informatiilor sau cunostintelor. Cunostinta este modul de reflectare a realitatii. Data mining transforma datele in cunostinte. NIVELE DE REALIZARE:

Modelul operational: Datele unei companii sunt de obicei pastrate sub forma diferita la locatii diferite. Aceste date pot proveni de la aplicatii de mainframe sau de la sisteme distribuite din cadrul companiilor cum ar fi sisteme de gestiune a comenzilor, de eliberare a facturilor, de contabilitate financiara. Indiferent de originea lor, datele trebuie sa fie colectate si aduse ntr-o forma consistenta pentru a putea fi folosite. Acest proces se numeste transformarea datelor si reprezinta baza pe care se construieste un depozit de date consistent, de nalta calitate. Transformarea datelor presupune un proces de extragere, conditionare, curatare, fuziune, unificare pe adresa, punctare, validare si ncarcare. Modelul central: Partea centrala a unui depozit de date l constituie sistemul de gestiune al bazei de date si serverul principal pe care acesta ruleaza. Din punct de vedere al implementarii unui depozit de date exista n acest moment doua tendinte: implementarea unui sistem distribuit; implementarea unei surse de date unice, centralizate la care au acces utilizatorii din toate departamentele unei institutii. Modelul strategic, de afaceri: Valoarea finala a unui depozit de date este determinata de avantajele pe care le ofera utilizatorului final n diferite procese de luare a deciziilor si analiza. Prin folosirea diferitelor unelte de acces la informatie si data mining disponibile pe piata, utilizatorii pot obtine informatii care i vor ajuta n procesele de stabilire a strategiei firmei. Arhitectura pe trei niveluri: Nivelul de jos (bottom-tier) este constituit din serverul depozitului de date si este, n multe cazuri, un sistem de baze de date relationale. n cadrul acestui nivel datele sunt extrase, curatate, transformate si ncarcate n depozitul de date. Nivelul mediu (middle-tier) bazat pe un server OLAP care este implementat n mod obisnuit, utiliznd fie un model relational OLAP (ROLAP), fie un model multidimensional(MOLAP). Nivelul superior(top-tier) este nivelul client care contine instrumente pentru generarea interogarilor si a rapoartelor, instrumente de analiza si/sau instrumente data mining(de ex, analiza trendului, predictii etc.). Arhitectura ORACLE: Orice sursa Orice date Orice Acces Date operationale de interogare/ raportare Instrumente

DATA WAREHOUSE Instrumen te de analiza(OLAP) Date externe Aplicatii

Orice Sursa. Datele colectate n depozitul de date Oracle. Orice Date. Datorita utilizatorilor depozitului de date, proiectantii de sisteme sunt pusi n fata unui set divers de cerinte. Accesul la date trebuie sa fie rapid, direct si intuitiv. Orice Acces. Sa avem interogari si raportari ad-hoc, what if.
INSTRUMENTE SOFTWARE: Tehnologiile si instrumentele din zona data warehouse pot fi mpartite n doua mari categorii: Hardware - se refera la serverele data warehouse si la sistemele de operare pe care ruleaza; Software- se refera att la principalele instrumente care sunt folosite pentru a extrage, curata, integra, popula, stoca, accesa, distribui si prezenta datele din depozit. n cazul depozitelor de date se recomanda folosirea a doua categorii de sisteme hardaware: sisteme pentru multiprocesarea simetrica (Symmetric Multiprocessing SMP), caracterizate prin conectarea mai multor procesoare pe acelasi nod si prin scalabilitate sisteme pentru procesarea paralela masiva (Massively Parallel Processing - MPP), ce contin mai multe noduri, pe care se pot dispune unul sau mai multe procesoare. Arhitectura SMP contine mai multe procesoare care mpart o memorie comuna, precum si aceleasi intrari si iesiri. CRITERII PENTRU SELECTIA HARDWARE: Scalabilitatea. Solutia data warehouse este scalabila n termeni de spatiu si putere de procesare. Acest criteriu este foarte important daca depozitul de date este proiectat sa aiba o rata de crestere mare. Stabilitatea financiara a furnizorului. Furnizorul trebuie sa dovedeasca faptul ca este un jucator viabil n segmentul hardware respectiv, iar performantele sale financiare indica stabilitate. Raportul pret/performanta. Produsele trebuie comparate ntre ele prin prisma raportului pret/performanta. Se va selecta echipamentul la care acest raport este optim. Termenul de livrare. Trebuie sa se analizeze daca furnizorul poate oferi echipamentele n timpul necesar, pentru ca proiectul data warehouse sa nu fie ntrziat. Asistenta dupa livrare. Furnizorul trebuie sa fie capabil sa ofere asistenta dupa livrarea echipamentelor ; n acest caz se va analiza timpul de raspuns la problemele aparute si modul n care ele vor fi rezolvate. Platforme hardware: Digital. AlphaServer si Digital Unix; HP. HP9000 Enterprise Parallel Server; IBM. RS6000, AS/400; Microsoft. Windows NT, 2000, XP; Sequent. Sequent NUMA-Q si sistemul de operare DYNIX. Instrumente software: Instrumente de extragere si transformare a datelor; Instrumente (tehnologii) de stocare a datelor n depozit; Instrumente de accesare si utilizare a depozitului de date.

Instrumente de extragere: Exista doua metode de baza pentru extragerea datelor din cadrul sistemelor operationale: extragerea n masa- depozitul de date este mprospatat periodic prin extragerea datelor din sistemele sursa replicarea. Instrumentele de replicare a datelor pot asigura migrarea datelor ntre sisteme, respectiv dintr-o baza de date n alta. Aceste instrumente constituie o alternativa buna pentru cazurile n care nu avem acces la codurile sursa. Pentru a realiza o replicare eficienta a datelor trebuiesc asigurate urmatoarele conditii : sa existe o conectare prin retea si o interfata corespunzatoare de acces la baza de date ; sa fie asigurat accesul la dictionarul bazei de date pentru a identifica datele care urmeaza sa fie replicate ; structura datelor sursa trebuie sa fie compatibila cu structura datelor destinatie pentru a evita utilizarea unor transformari complexe ale datelor replicate, transformari care vor ngreuna controlul replicarii datelor. n categoria tehnologiilor pentru replicarea datelor intra o varietate de produse care asigura : transferul fisierelor de date ; gestiunea copiilor de date ; mecanisme de sincronizare a copiilor de date replicarea bazelor de date. Exemple de instrumente de extragere : Passport (Apertus Carleton) ETI Extract (Evolutionary Technologies) InfoPump (Platinum). Instrumentele de transformare au rolul de a modifica datele extrase ntr-un anumit format necesar pentru a putea fi stocate n cadrul depozitului de date. Facilitatile oferite de catre aceste instrumente sunt: partitionarea si consolidarea cmpurilor, standardizarea(se refera la standardele si conventiile n ceea ce priveste abrevierile, tipurile de date, etc.), deduplicarea(definirea de reguli pentru a identifica date duplicate). Instrumente pentru asigurarea calitatii datelor pentru depozite de date sunt urmatoarele: Data Quality Workbench (DataFlux); Content Tracker (Pine Cone Systems); Quality Manager (Prism); Integrity Data Reengineering (Vality Technology). Instrumente pentru depozite de metadate: Warehouse Control Center (Apertus Carleton); PowerMart Repository (Informatica); Warehouse Control Center (Intellidex); Prism Warehouse Directory (Prism). Instrumentele OLAP: se impart in 2 categorii: MOLAP SI ROLAP. Instrumentele MOLAP ofera facilitati analitice pentru baze de date multidimensionale si au un timp de raspuns foarte mic, datorita structurii eficiente de stocare a datelor. Aceste instrumente ofera si functionalitati privind realizarea de previziuni si diverse calcule statistice. Instrumentele ROLAP ofera facilitati analitice pentru bazele de date relationale. Exemple de instrumente OLAP : Essbase OLAP (Arbor Software); Powerplay (Cognos); R/OLAP/XL (Intranet Business Systems). Instrumente pentru realizarea rapoartelor: Exista la ora actuala doua categorii principale de instrumente pentru producerea rapoartelor: Generatoare de rapoarte; Servere de rapoarte.

Generatoarele de rapoarte permit utilizatorilor sa creeze rapoarte parametrizate care pot fi lansate n executie ori de cte ori este nevoie. Aceste generatoare necesita un efort intial de programare pentru definirea modelului de raport, iar o data ce modelul corect a fost definit, generarea raportului presupune doar apelarea. Serverele de rapoarte sunt similare cu generatoarele de rapoarte, dar au capabilitati suplimentare care permit utilizatorilor sa gestioneze momentele de producere a rapoartelor. Programnd generarea rapoartelor pentru perioade de timp n care personalul nu lucreaza, depozitul de date va putea fi astfel folosit pentru realizarea interogarilor adhoc. Unele servere de rapoarte pot avea si functionalitati legate de distribuirea rapoartelor; de exemplu, un server de rapoarte poate trimite prin e-mail noile rapoarte generate sau le poate include ntr-o pagina Web care sa poata fi accesata prin intranetul ntreprinderii. Exemple de instrumente pentru realizarea rapoartelor: IQ/SmartServer (IQ Software); Crystal Reports (Seagate Software). Instrumentele data mining au rolul de a cauta modele n depozitul de date, pentru a evidentia cunostinte noi despre organizatie si mediul n care isi desfasoara activitatea. Instrumentele data mining se bazeaza pe diferite modele de algoritmi, iar selectia unui astfel de instrument depinde n mare masura de numarul si tipul algoritmilor care pot fi utilizati. Modulul data mining lucreaza cel mai bine cu date la nivel elementar (date tranzactionale), ceea ce implica necesitatea unor spatii de memorare voluminoase. O conditie necesara pentru ca operatiunea de data mining sa dea rezultate corecte este aceea ca datele care sunt analizate sa fie corecte. Un set de date care contin erori sau inconsistente va genera abateri de la situatia reala care influenteaza rezultatele analizei. Exemple de produse data mining : KnowledgeSTUDIO (ANGOSS); Data Surveyor (Data Distilleries); Intelligent Miner (IBM); Clementine (Integral Solutions); PATTERN (Magnify); Decision Series (NeoVista Software); Syllogic Data Mining Tool (Syllogic). Sisteme de alertare si de generare a exceptiilor Au rolul de a atrage atentia utilizatorului asupra datelor care sunt definite ca exceptii. O organizatie, de regula, implementeaza trei tipuri de alerte: Alerte operationale din sisteme operationale individuale; Alerte operationale din magazinele de date operationale; Alerte decizionale din depozitul de date. Alerte operationale din sisteme operationale individuale. Implementate n aplicatiile OLTP si sunt folosite pentru a evidentia exceptiile legate de sistemele operationale. Alerte operationale din magazinele de date operationale (Operational Data Store - ODS)-necesita date operationale integrate si, de aceea, sunt posibil de implementat doar n sistemele ODS. Alerte decizionale din depozitul de date- necesita comparatii ntre valori de date istorice. Ex: Dynamic Query Messenger (Compulogic); Activator Module, Contet Tracker (Pine Cone Systems). Instrumente de modelare a datelor- permit utilizatorilor sa dezvolte un model att pentru baza de date sursa, ct si pentru baza de date destinatie. Este de preferat ca ele sa poata genera si structurile de date pe baza specificatiilor din model, precum si modelul datelor pe baza structurilor deja existente n bazele de date. Instrumentele de modelare a datelor ajuta foarte mult auditorii sistemelor pentru a-si forma o viziune clara asupra datelor si a legaturilor dintre ele.

Ex: Terrain (Cayenne Software); Syntagma Designer (Relational Matters); PowerDesigner WarehouseArchitect (Sybase). Instrumente pentru gestiunea depozitului de date: Au rolul de a sprijini administratorii depozitului de date in activitatile zilnice de administrare a depozitului de date. Instrumentele de acest tip pot automatiza diverse aspecte ale administrarii depozitului; de exemplu, unele se axeaza pe procesul de ncarcare a datelor, altele pe identificarea celor mai frecvente interogari, altele pe identificarea datelor care nu sunt folosite etc. Ex: Usage Traker, Refreshment Tracker (Pine Cone Systems); Enterprise Control and Coordination (Red Brick Systems). Sistemul OLAP (on-line analytical processing) BD relationale au fost si vor repr cea mai imp. solutie tehnologica pt intrep. La nivelul acestora a aparut insa o alta cerinta , dar nu pt o inlocuire a BDR ci pt instrumentele de analiza de tipul OLAP, care vin sa completeze sist. info. traditionale ale intreprinderii. In ultima decada , foarte multe organizatii au investit peste 1 mil$ in domeniul proceselor economice. Astazi aceste organizatii fac un nou pas care sa le sporeasca avantajul competitive si integreaza analiza de tip OLAP incadrul sist. inf. Definitie: On-line analytical este o tehnologie software ce permite analistilor, managerillor si persoanele cu fctie de conducere sa analizeze datele printr un acces rapid, si consistent si interactiv si sa le vizualizeze intr-un mod cat mai variat. Functionalitatea OLAP: Este caract. de o dinamica analiza multidimensionala in sprijinul utilizatorului fiind printr-o serie de activitati: -Aplicarea de formule si modele asupra dimensiunilor si ierarhiilor -Previziuni pe perioade diferite de timp; -Analize in adancime (drill down); -Extragerea unui subset de date pt vizualizare; -Notatii in cadrul dimensiunilor. OLAP este implementat ca un set de aplicati si intrumente ce ofera acces rapid si consistent la date fara a tine cont de dimnesiunile sau complexitatea datelor. Sistemele OLAP ajuta ultilizatorul sa sintetizeze inf. Intreprinderii printr o vizualizare comparativa si personalizata ca si printr o analiza a datelor istorice folosind scenarii de tipul ce se intampla daca?(what if); Acestea se obtin cu ajutorul serverului de OLAP special conceput pentru manipularea de date multidimensionale; Arhitectura serverului si nr. datelor sunt optimizate pt regasiri rapide, analize ad-hoc calcule flexibile si transferul datelor. Serverul OLAP permite popularea in timp real structuri multidimensionale prin date pornind din surse externe ca BD si fisiere; Spre deosebire de sistemul operational care functioneaza pe baza unor proceduri prestabilite ( exista o gama relativ limitata de tranzactii operate de o organizatie) un sistem de analiza on-line(OLAP) ofera suport pt o varietate de cerinte care nu pot fi tranzactionate decat intr o mica masura; Sistemele OLAP ajuta managerii in urma analiza datelor sa si comercializeze mai bine produsele , sa-si planifice productia intr un mod mai eficient sa controleze costurile, sa descopere evolutiile viitoare ale unor factori; OLAP poate fi utilizat in orice domeniu al afacerilor: analize si studii de piata, evolutii ale indicatorilor firmelor si intreprinderilor; Caracteristicile sistemelor OLAP: -Analiza dinamica a datelor:

Ofera o intelegere mai buna asupra schemelor intervenite in cadrul afacerilor, intreprinderilor si pot fi utilizate pt identificarea solutiilor, pt planificarea tactica si strategica la nivelul intreprinderilor. -Acces rapid la date: Volum mare de date accesat foarte rapid -Surse date multiple; -Sincronizarea surselor de date; -Analiza istorica(inducerea timpului ca dimensiune) -Grad de generalizare ridicat; Datorita acestor caract. functionale si a particularitatilor sist. inf. existent=> multiple arhitecturi OLAP