1. Introduction to OLAP / Microsoft Analysis Services
Introduction to OLAP and Analysis Services from Microsoft (ONLY for INTERNAL USE)
Josef Schiefer
IBM Watson Research Center

2. Introduction to OLAP / Microsoft Analysis Services
What is OLAP?
Online Analytical Processing - coined by EF Codd in 1994 paper contracted by Arbor Software*
Generally synonymous with earlier terms such as Decisions Support, Business Intelligence, Executive Information System
OLAP = Multidimensional Database
MOLAP: Multidimensional OLAP (Arbor Essbase, Oracle Express)
ROLAP: Relational OLAP (Informix MetaCube, Microstrategy DSS Agent)

3. Introduction to OLAP / Microsoft Analysis Services
OLAP is FASMI
Fast
Analysis
Shared
Multidimensional
Information
Nigle Pendse definiert OLAP als "Fast Analysis of Shared Multidimensional Information", also als "Schnelle Analyse von gemeinsam genutzten multidimensionalen Informationen“
Schnell bedeutet, daß das System für die meisten Abfragen nicht länger als 5 Sekunden
dauern dürfen. Nur sehr komplexe Abfragen dürfen maximal 20 Sekunden dauern.
Der Analytiker soll nicht durch lange Antwortzeiten des Systems abgelenkt werden.
Analyse bedeutet, daß das System bereits Geschäftslogik und statistische Analyse
(die für Anwendungsprogramme relevant sind) beherrschen soll. Die Analyse Funktionen
sollen dem Benutzer auf eine möglichst intuitive Art zur Verfügung stehen.
Gemeinsam genutzt bedeutet, daß das System mehrere Benutzer gleichzeitig bedienen kann.
Multidimensional (eine Schlüsselanforderung an OLAP) bedeutet, daß das System
mehrdimensionale Sichten auf die Daten zur Verfügung stellen muß.
Informationen sind die Daten und abgeleitete Informationen, die von
Anwendungsprogrammen angefordert werden.
Nigel Pendse, Richard Creath - The OLAP Report

4. Introduction to OLAP / Microsoft Analysis Services
Cubes
A cube stores information in a multidimensional structure and is the central object in a multidimensional database.
Each cube contains a set of dimensions and measures.
Dimensions are derived from the tables and columns in your data that provide the categories you want to analyze.
Measures are the quantitative data derived from your data columns
- Würfel ist zentrales Element bzw. Konstrukt von OLAP
Dient zum Speichern der abgefragten Daten
- Jeder Würfel enthält eine Menge von Dimensionen und Maßzahlen
- Maßzahlen sind quantitative Daten, die von einem DB-Feld abgeleitet werden

5. Introduction to OLAP / Microsoft Analysis Services
Dimensions
The dimensions you build should be distinct categories you want to add to cubes in your OLAP database.
example: geography, time, or employee dimensions represented in the picture
- Dimensionen sollten klare, sinnvolle Kategorien/Klassen aufweisen
- Dimensionen sind orthogonal (unabhängig) voneinander
- Sie definieren einen Hyper-Cube (siehe Bild)

6. Introduction to OLAP / Microsoft Analysis Services
Cube and Dimensions
Dimensions: Product, Region, Time
Product Region Time
Industry Country Year
Category Region Quarter
Product City Month Week
Office Day
Hierarchical summarization paths
Region W S N
Product
Gel
Juice
Cola
Milk
Cream
Soap
Month 1 2 3 4 7 6 5

7. Dimensions and Hierarchy
Introduction to OLAP / Microsoft Analysis Services
Dimensions and Hierarchy
Dimensions are the categories used to organize or describe analysis information
Dimensions are used to navigate the information and to summarize the details into more aggregate data.
Frequently used dimensions include time periods, geography, products, organization, and so on.
Often dimensions are hierarchical (World - Continents - Countries)
1) Dimensionen dienen zum Klassifizieren der Daten.
2) Dimensionen erleichtern das Navigieren der Informationen und das Aggegieren
bzw. Zusammenfassen der Daten
3) Häufige Dimensionen sind Zeit, Region, Produkt, Organisation
4) Dimensationen sind häufig hierarchisch

8. Measures = numercial Values
Introduction to OLAP / Microsoft Analysis Services
Measures = numercial Values
Measures are the quantitative data in an OLAP database.
For example, values such as sales, budget, cost, and so on, are all examples of measures.
Measure values are organized in data cubes according to dimensions
1) Maßzahlen sind numerische Werte für quantitative Daten in einer OLAP Datenbank
2) Beispiele sind Umsatz, Budget, Kosten
3) Maßzahlen können nach ihren Dimensionen in einem Datenwürfel dargestellt werden
Jede Maßzahl hängt von einer Menge von Dimensionen ab. Diese bilden den
Kontext einer Variable (z.B. Verkaufszahlen hängt von Produkt, Region, Zeit)

9. Introduction to OLAP / Microsoft Analysis Services
Aggregations
Aggregations greatly improve query efficiency and response time. A cube can hold a number of aggregations.
The aggregation amount is based on several factors - the size of the data, the amount of storage space you allocate for aggregation storage, the mode of storage you select, and how much you want to optimize the aggregations design.
- Entlang von Attribut-Hierarchien können Daten aggregiert (verdichtet) werden
und sind so auf verschiedenen Aggregierungsstufen für Analysen zugreifbar.
- Aggregationen verbessern Abfrage-Effizienz und Antwortzeit
- Ausmaß der Aggregation hängt von mehreren Faktoren ab
* Menge der Daten
* Menge Speicherplatz
* Art des Speicherplatzes
* Optimierungziel

10. Introduction to OLAP / Microsoft Analysis Services
Primary OLAP Problems
Rigid, inflexible architectures
MOLAP or ROLAP
Significant scalability problems
Data explosion and sparsity
Poor distributed client/server implementation
Separation of data warehousing from OLAP tools
Lack of integration between user tools and OLAP
Difficult to prototype, develop, deploy
Time and expense
- starre, inflexible Architekturen
* MOLAP - Optimiert auf mehrdimensionale Daten
* ROLAP - Optimiert auf Transaktionen, effizient nur bei wenigen Dimensionen
- Skalierungsprobleme
* riesen Datenmengen
* „Sparsity“ - dünn besetzte Datenwürfel - Würfel ist zeitweise großteils leer
* Verteilung der Implementierung auf Client/Server
... derzeit meist nur Serverseitig (Bsp. Cache)
- Trennung von Data Warehouse und OLAP Tools
* Mangelhafte Integration Anwendungssoftware, Anwender-Tools und OLAP
- Schwierig zu Entwickeln, Einsetzen, Installieren
* zeit- und kostenintensiv

11. Introduction to OLAP / Microsoft Analysis Services
MS-AS: Architecture
Microsoft Analysis Services are optimized for all OLAP architectures and offers seamless integration
MOLAP: aggregations & details managed in an efficient multidimensional store
ROLAP: aggregations created in relational store
HOLAP: different things to different vendors
Aggregations: details in relational, aggregations in MOLAP store
Partitions: single logical cube physically divided into multiple MOLAP and ROLAP partitions
Virtual cubes: “view-like” join of multiple MOLAP and ROLAP cubes
MS-AS unterstützt alle OLAP Archtekturen und bietet eine nahtlose Integration
(eine der großen Stärken!!)
- MOLAP: Aggregationen & Detailinformationen werden in einem effizienten mehrdimensionalen Datenspeicher verwaltet
- ROLAP: Aggregationen werden aus relationalen Datenquellen erzeugt
- HOLAP:
* Aggregation: Details werden in relationalen, Aggregationen in MOLAP
Datenspeicher gehalten * Partitionierung: logischer Datenwürfel kann sich physikalisch aus
mehreren MOLAP oder ROLAP Partitionen zusammensetzen
* Virtuelle Würfel: View für OLAP-Würfel
- ermöglicht mehrere Würfel zusammenzufassen
- ermöglicht beschränkte Sicht auf einen Würfel

12. Introduction to OLAP / Microsoft Analysis Services
MS-AS: Scalability
MS-AS offer major innovation
Data explosion managed by partial pre-aggregation
Automatic elimination of sparse storage
Partitioned cubes
parallel query processing across clustered servers
fine tuning of aggregations, to better manage performance and disk space trade-offs
1) Plato bietet wichtige Neuerungen
*) Große Datenmengen werden teilweise voraggregiert *) Automatische Beseitigung von „Sparse“ Storage
2) Paritionierte Würfel *) Durchführung von parallele Abfragen über geclusterte Server (Express Server Orcacle)
*) fines Tuning von Aggregationen um einen besseren Kompromiß zwischen
Performance und Disk Space einzugehen
3) Kooperatives Caching zwischen Client und Server
*) Minimiert Netzwerkverkehr

13. Introduction to OLAP / Microsoft Analysis Services
MS-AS: Scalability
Cooperative client/server query management and caching
network traffic minimized
server queries processed efficiently
Microsoft Data Cube Service
desktop component ships with next release of Office
used with Excel, Access, and Web
supports local, offline usage
2) Kooperatives Caching und Query-Verarbeitung zwischen Client und Server
*) Queries können effizient und schnell durchgeführt werden
*) Minimiert Netzwerkverkehr
3) Microsoft Data Cube Service
*) Desktop Komponenten werden werden nächsten Auslieferung von Office dabei sein
*) wird in Excel, Access und Web (IIS) eingebaut sein
*) ermöglicht Offline-Zugriff

14. Microsoft Data Cube Service
Introduction to OLAP / Microsoft Analysis Services
Microsoft Data Cube Service
Basic architecture:
Cache query results and metadata, not disk pages.
Algorithms deduce missing data and transform queries
Aggregation
Filtering
Combination
Instant reply to cached queries
1) Grundlegendes Ziel vom Microsoft Data Cube Service
*) Caching von Abfrageergebnissen und Metadaten - aber nicht auf von Disk Pages
2) Algorithmen ergänzen fehlende Daten und transformieren Quieries
*) Aggregation
*) Filterung
*) Verbindung/Kombination von Datenwürfeln
3) Sofortige Antwort auf gecachte Queries (materialized cube...)

15. Introduction to OLAP / Microsoft Analysis Services
MS Data Cube Benefits
Efficient distribution of query and calculation processing across client & server
Single component spans Microsoft desktop and server platforms & products
Unifies the MD data access story across Excel, MS-AS, and SQL Server
Enables Microsoft to establish industry standard for MD data access
Basis for MS-AS and Excel mobile story
1) Effiziente Verteiluntung von Queries und Berechnungen auf Client & Server
2) einfache Komponenten decken Desktop/Server/Produkte ab
3) Ermöglicht MD Datenzugriff Excel, Plato und SQL-Server
4) Ermöglicht Microsoft einen Industrie Standard für Mehrdimensionalen Datenbankzugriff
festzulegen
5) Ermöglicht die Offline-Zugriff auf DWh-Daten

16. Introduction to OLAP / Microsoft Analysis Services
MS-AS: Integration
The Microsoft Analysis Services integrate the maintenance of OLAP with the underlying data warehouse
Design the DW structure
Create the DW tables/cubes
Populate the DW tables/cubes
Maintain by incremental loads
Optimize by actual usage patterns
Manage users, scripts, usage, metadata
Multiple data sources (not just SQLS)
Plato bezieht die Maintenance/Wartung des zugrundeliegenden Data Warehouses mit ein:
- Design der DW Struktur
- Erzeugen von DW Tables/Cubes
- Befüllung der Tables/Cubes
- Unterstützung von inkrementellen Updates/Loads
- Optimierung durch Beachtung Zugriffsmuster
- Verwaltet User, Skripts, Zugriff, Metadaten
- Unterstützung von meheren Datenquellen (relational, multidimensional...)

17. Introduction to OLAP / Microsoft Analysis Services
MS-AS: Integration
OLE DB for OLAP & ADO MD
based upon existing data access technology
establishes industry standard for MD data access
OLE DB/ODBC enable MS-AS to access data in all major RDBMs
Third party client applications
1) OLE DB for OLAP & ADO MD *) basiert auf bestehenden Datenbank Technologie (DAO-ODBC - OLE DB) *) eigener Industriestandard für mehrdiemensionalen Datenbankzugriff (--> MDX)
2) OLE DB/ODBC ermöglicht Zugriff auf jeglich RDMBS (DB2, ORCALE, INFORMAX)
3) Client-Applikationen können von leicht von Drittanbietern erstellt werden.
Plato bildet mehr oder minder nur eine klar definierte Schnittstelle

18. OLAP Problem: Complexity
Introduction to OLAP / Microsoft Analysis Services
OLAP Problem: Complexity
OLAP products are traditionally difficult to configure, develop, and deploy
Arcane tools
Heavy consulting
Poor integration
1) OLAP Produkte sind normalerweise schwer zu konfigurieren, zu entwickeln, zu installieren
*) obskure Tools *) schwierige Beratung *) schwache Integration

19. Introduction to OLAP / Microsoft Analysis Services
MS-AS: Complexity
Intuitive User Interface
Wizards, intuitive dialogs, and graphics simplify complex tasks without code
Integrated into Microsoft Management Console
MS-AS’s TCO will be very low
cost of NT Server platform
leveraged investment in relational technology
wide availability of client applications
1) Intuitive Benutzeroberfläche *) Wizards, intuitive Dialog vereinfachen komplexe Aufgabe *) vollkommene Integration in Microsoft Management Console
2) Total Cost of Ownership sehr niedrig *) Kosten für NT-Server
*) Ausnützung von Investionen in relationale Technologie *) große Verfügbarkeit von Client-Applikationen (OLE-DB, Office etc)

20. 3 Tier Architecture & Components
Introduction to OLAP / Microsoft Analysis Services
3 Tier Architecture & Components
DCube
OLE DB for OLAP
Client Tier
Excel
ActiveX Controls
Third Party Applications
ADO MD
Data selection & navigation
Presentation and charting
What-if formulas
Client side caching
Desktop object model
Offline usage
MOLAP
ROLAP
HOLAP
Data Warehouse Tier
MS-AS Server
SQL Server
Multidimensional calcs
MOLAP/ROLAP/HOLAP data Modeling/aggregations
Security
Metadata management
Server side caching
Administrative tools
Server object model
Query distribution
OLTP Source Tier
OLE DB
DTS
RDBMs

21. Let‘s go to the demonstration ... 