خدمات

خلاقانه سمر

بعضی از خدمات ما واقعا شما رو شگفت زده میکنن، ما قبل از فروش شما رو مطمئن میکنیم.رضایت شما همواره از اولیت های سمر بوده و هست.
ما بهبود روند کسب کار شما را تضمین میکنیم . استفاده از ابزارهای نرم افزاری سمر به عنوان بازوی مدیریت شتابدهنده تجارت شما خواهد بود.

تولید نرم افزارهای تحت وب

انبار داده و تحلیل داده ها

پیاده سازی ERP

اپلیکیشن های موبایلی

خدمات سمر- هوش تجاری - انبارداده

امروزه سازمانها ، بانکها ، بانگاه های اقتصادی با افزونگی داده مواجه هستند . داده نقش چاه نفت در گذشته را ایفا میکند . اما آیا داده های خام اثر بخشی لازم را دارند ؟ بدون شک داده های خام منجر به ایجاد بینش و تاثیرات مثبت اثر بخش در سطح سازمان نخواهند بود . البته میزان و کیفیت اثر بخشی مد نظر میباشد والا داده های خام برای راهبری های روزمره بسیار ضروری و حیاتی هستند، زمانی که نیاز به توسعه ، بهینه سازی و محقق سازی اهداف استراتژیک باشد نیاز به داده های فرآوری شده میباشد. داده ها در سامانه ها و بانکهای اطلاعاتی تولید و ثبت میشوند . واکشی ، پاکسازی ، تبدیل این اطلاعات در یک انباره داده به همراه شاخصهای کلیدی باعث میشود شما به داده های چند بعدی و مناسب دسترسی داشته باشید. ایجاد یک انبار داده با داده های چند بعدی این امکان را فراهم میکند که دانش چند بعدی از آن داده بخصوص ، حاصل گردد . به عبارتی به این واسطه میتوانید یک پارامتر غیر متریک را قابلیت متر کردن به آن ببخشید . بصورت مثال درصورتی که شما بپرسید حال سازمان چطور است ، پاسخ این سوال نیاز به اطلاعات حوزه های مختلف دارد . مجموع اطلاعات بخش های مختلف میتواند بواسطه تحلیل های پیشرفته پاسخ واقعی و مناسبی با درجع عیار وضعیت مطلوب یا نامطلوب را ارایه دهد.

حال که انبار داده مناسب شکل گرفت نیاز به مصور سازی داده بواطه دشبوردهای مدیریتی داریم که بواسطه المانهای بسیار دقیق داده را طوری در معرض نمایش مدیران قرار بدهیم که ایجاد بینش دقیقی نماید . این امر بواسطه استفاده از هوش مصنوعی و یادگیری ماشین باعث میشود تجارتها بتوانند پیش بینی بسیار دقیقی از آینده داشته باشند. بنابراین براحتی میتوانند اهداف استراتژیک خود را اندازه گیری و رصد نمایند و مدیریت و اشراف کاملی روی تمامی جزیئات اثر گذار داشته باشند.کاهش هزینه ، بالا بردن بهره وری ، مانیتور کردن سازمان ، دسترسی بر خط به اطلاعات از کل به جزء و از جزء به کل تنها بخش کمی از منافع این سیستم میباشد.

طراحی و پیاده سازی انبارداده و داشبوردهای مدیریتی هوش تجاری

برای طراحی و پیاده سازی انباره داده استفاده از ابزار قدرتمند Oracle DW و برای طرایح و پیاده سازی هوش تجاری از ابزار قدرتمد OBIEE و Oracle Analytics

انبارداده چیست و چه امکاناتی داره؟

ما انباره های داده رو با ابزار قدرتمند DW اوراکل طراحی و پیاده سازی میکنیم. برای اینکه با Data Warehouse بیشتر آشنا بشین میتونین فیلم روبرو را تماشا کنین و برای اینکه به سطح عمیق تری از اطلاعات برسین میتوانید از دکمه زیر بهره بگیرین و کاتالوگ مفصل DWO رو دانلود مطالعه بفرمایید.

هوش تجاری چیست و چه امکاناتی داره؟

ما داشبوردهای مدیریتی هوش تجاری رو با ابزار قدرتمند OBIEE و Analytics اوراکل طراحی و پیاده سازی میکنیم. برای اینکه با BI بیشتر آشنا بشین میتونین فیلم روبرو را تماشا کنین و برای اینکه به سطح عمیق تری از اطلاعات برسین میتوانید از دکمه زیر بهره بگیرین و کاتالوگ مفصل Business Intelligence رو دانلود مطالعه بفرمایید.

انبارداده و هوش تجاری برای چه تجارتهایی مناسب هستند ؟

سازمانها ، بانکها ، شرکتها و بنگاه های اقتصادی که داده های خامی از لایه عملیاتی خود دریافت میکنند و نیاز دارند این داده ها در یک انباره داده تجمیع گردد و بواسطه تحلیل ، اندازه گیری و محاسبات فرآوری گردد میتوانند این خدمات استفاده نمایند . گاها سازمانهایی هستند که برای رسیدن به بینش مناسب دچار فقدان لازم در یک حوزه یا بخش بخصوص هستند ، گروه سمر برای رفع این نیاز سامانه های جمع آوری اطلاعات تحت وبی را طراحی و پیاده سازی مینماید تا کارفرما بتواند از مزایای دانش داده در همه ابعاد بهرمند گردد.

هزینه طراحی و پیاده سازی انبارداده و هوش تجاری از چه قرار هست ؟

برای طراحی و پیاده سازی یک انبارداده و هوش تجاری به دو سرور نیاز هست . یک سرور برای نصب و پیاده سازی انبارداده و دیگری برای انبارداده . مشخصات این سرور ها بستگی به تعداد کاربران همزمان و حجم دادها کارفرما دارد. برای تعداد کاربران زیاد میتوانیم خدمات کلاسترینگ چندیدن سرور رو براتون پیاده سازی کنیم . برای بازه زمانی طراحی و پیاده سازی میتوان از دو سرور مجازی بسیار معمولی هم بهره گرفت تا در هزینه ها صرفه جویی کرد و به مرور با افزایش تعداد کاربران و لود داده های واقعی و استفاده در محیط عملیاتی سرورها رو ارتقا داد . سازمان نظام صنفی رایانه بصورت میانگین برای خدمات برنامه نویسی در سال ۱۴۰۰ برای هر نفر ساعت ۳۸۰ هزار تومان رو در نظر گرفته است . طی تجربه سالها کار در این حوزه رنج قیمت طراحی و پیاده سازی یک انبار داده از حدود 400 میلیون تومان تا حدود 3 میلیارد تومان بسته به وسعت و حجم داده متغییر خواهد بود . جزییات در این صنعت بسیار حایزاهمیت میباشد و بها نهایی را متاثر مینماید.

روش انجام و زمانبندی طراحی و پیاده‌سازی انبارداده و هوش تجاری از چه قرار هست ؟

بطور معمول اعلام نیازی از سمت کارفرما صادر میگردد . نیازهای مطرح شده توسط گروه سمر بدقت بررسی و تحلیل میگردد . سپس یک طرح که شامل فازبندی های پروژه ، نحوه اجرا ، زمانبندی و قیمت میباشد به کارفرما تحویل میگردد . متدلوژی بکار گرفته شده در گروه سمر معمولا چابک تعاملی میباشد . فاز ابتدایی شناخت منابع داده و ساختر آنها میباشد.در گام بعدی واکشی داده صورت میپذیرد . در حین واکشی عملیات پاکسازی و تبدیل داده نیز صورت خواهد پذیرفت . سپس نوبت به شناسایی شاخص های کلیدی و ایجاد ساختار کیوب برای همه مارتهای اطلاعاتی میرسد و در نهایت شیوه مصور سازی داده ها در دشبوردهای سطوح مختلف کاربری ملاک عمل قرار خواهد گرفت. برحسب تجربه یه پروژه تولید سامانه بانک اطلاعاتی حداقل ۴ الی ۱۲ ماه در فاز طراحی و پیاده سازی نیاز داره اما در این بازه ۴ الی ۱۲ ماهه بعد از گذشت ۲۰ روز ابتدایی داده های اولیه پروژه واکشی و کارفرما قدم به قدم در جریان واکشی ها و طراحی داشبوردهای مدیریتی اضافه شده قرار خواهد گرفت و نظارت کاملی بر روند پروژه خواهد داشت. وسعت و حجم داده ، تامین منابع و داده های مورد نیاز در مدت زمان طراحی و پیاده سازی انبارداده و هوش تجاری مستقیما تاثیر گذار خواهد بود.

پشتیبانی و خدمات پس از فروش انبارداده و هوش تجاری از چه قرار هست ؟

گروه سمر برای مشتریان محترم و ارزشمند خود پشتیبانی رایگان را دقیقا معادل مدت زمان طراحی و پیاده سازی در نظر گرفته است . به عبارتی اگر فرآیند طراحی و پیاده سازی طی ۱۲ ماه انجام شده است دقیقا به همین میزان پشتیبانی رایگان ارایه میگردد . سازمان محترم نظام صنفی رایانه برای هر سال پشتیبانی ۳۵٪ از هزینه طراحی و پیاده سازی را در نظر گرفته است .طبعا عدد بدست آمده به میزان تعداد سال سپری شده از طراحی و پیاده سازی به میزان نرخ تورم اعلامی بانک مرکزی افزوده خواهد شد. اما از انجا که نیازهای متفاوتی در خدمات پشتیبانی مطرح میباشد گروه سمر برای رفاه حال مشتریان عزیر یک بازه از ۱۰٪ الی ۳۵٪ را ارایه مینماید و مشتریان براساس نیاز خود میتوانند نیاز خود را انتخاب و متناسب با نیاز خود هزینه های خود را مدیریت و صرفه جویی نمایند.گروه سمر همواره بدنبال ایجاد یک رابطه بلند مدت با شرایط برد برد با مشتریان عزیز خود بوده است و میباشد.

آماده هستین

برای شروع ؟

اگر پروژه های دارین و نیاز به بررسی و دریافت اطلاعات بیشتر دارین یا قرار جلسه مورد نیاز هست میتونین فرم زیر رو پر کین تا در کوتاه ترین زمان کارشناسان سمر با شما تماس حاصل کنن 



    چرا از Oracle DW برای طراحی و پیاده سازی انبارداده استفاده میکنین ؟

    در مقایسه ، انبار اوراکل ساده است و در صورتی که اهداف و منابع مشخص باشد به راحتی قابل تنظیم است. هدف اصلی آن بداهه سازی تصمیم گیری در تجارت است. افزایش بهره وری و هزینه های عملیاتی موثر را تضمین مینماید. از تبدیل داده های خام بزرگ به بینش های ارزشمند پشتیبانی می کند. یکپارچگی داده ها را می توان با کیفیت سریع تضمین کرد.

    چرا از Oracle OBIEE & Analytics استفاده میکنین ؟

    مدیریت داده ها بخش مهمی از ماموریت تجزیه و تحلیل است. ایجاد منبع واحد حقیقت یکی از اهداف اصلی مدیریت داده موثر است. مزیت اصلی Oracle OBIEE قابلیت های مدیریت داده آن است. جدول مقایسه زیر خود گویای قدرت اوراکل در حوزه هوش تجاری و برتری آن بر Power BI مایکروسافت و Tableau میباشد.

    Factor OBIEE Power BI Tableau
    Self-service capabilities for end-users No, high dependence on IT teams Yes Yes
    Ease of using complex schemas Quite easy Complex, Star schema is recommended. Offers flexibility with cross-filtering options Complex, Star schema is highly recommended
    Data visualizations Difficult to create Easy to create with simple drag and drop actions, even for advanced visuals, like maps Easy to create with simple drag and drop actions, even for advanced visuals, like maps
    Data Management Easy Has inbuilt options for basic ETL functions ETL tool is available at additional cost
    Data source connectivity Has inbuilt connectors for fewer, widely used data sources Has a relatively more  inbuilt connectors covering more data sources Has a relatively more  inbuilt connectors covering more data sources
    Data blending options with external data sources Difficult Easy Easy
    Scalability friendliness High Low Low

    کارشناسان سمر صمیمانه پاسخگوی شما عزیزان هستند

    برای  ارتباط با ما میتوانید از طریق واتس اپ ،  ایمیل ، تلفن ، شبکه های اجتماعی و حتی صندوق صوتی تلفن شرکت در تماس باشید

    تلفن : 28427715

     عوامل و تغییرات سریع در محیط عملیات شرکت ها و سازمان ها، آنها را به سوی پشتیبانی رایانه ای از عملیاتشان سوق می دهد. بدین معنی که فشارهای خارج از شرکت ها منجر به ایجاد رویکرد پاسخ در سازمان ها می شود که با توجه به سرعت محیط، این پاسخ ها باید با سرعت همراه باشد؛ چرا که محیط بسیار رقابتی است و لذا برای دستیابی به پاسخ های سریع، لازم است سامانه های رایانه ای به کمک شرکت ها بیایند. سامانه های رایانه ای می توانند فرآیند پاسخ را تسهیل و تسریع نمایند. در ذیل مدلی از فضا و فشارهای خارجی کسب و کار ها و نیز پاسخ ها و چگونگی حضور سامانه های رایانه ای ارایه شده است. سامانه های رایانه ای به مدیران و کسب و کارها به روش های مختلفی کمک می کنند:

    محاسبات را تسهیل می کنند و سرعت انجام آنها را افزایش می دهد. ارتباطات و همکاری ها را بهبود می دهند. بهره وری افراد را افزایش می دهند. مدیریت داده ها را ممکن می کند و آن را بهبود می دهد. قابلیت دسترسی ها را افزایش می دهد. ایجاد دید: گذشته و حال کسب و کار ها را برای پیش بینی آینده به کار می گیرد. مدیریت و تحلیل عملکرد کسب و کار: شاخص های عملکرد کلیدی (Key Performance Indicators, KPI) را تعریف می کند. گزارش دهی: گزارش های لحظه ای و دسته ای ایجاد می کند. پوشش دامنه زمانی وسیع‏تر یك پایگاه داده یكپارچه حاصل از پردازش چندین پایگاه داده عملیاتی قابلیت پاسخ‏گویی به پرسش‏های پیچیده كاربران و برنامه های كاربردی در مهرماه سال 90 میزان فروش پژو در تهران به چه میزان بوده است؟ در شهر اصفهان کدام نوع خودرو بیش‎ترین فروش را داشته است؟ میزان فروش سال 90 نسبت به سال 89 چقدر تفاوت دارد؟ کدام رنگ سمند بیش‏تر به فروش می‏رود؟ با توجه به هزینه‏ های تولید و میزان فروش، سود حاصل از کدام محصول بیش‏تر است؟ این روش ها منجر به ساخت تصمیم های اساسی برای کسب و کارها می شود که در مجموع سازنده سیستم های تصمیم یار برای سازمان ها، شرکت ها و در مجموع کسب و کار می شود. استفاده از سیستم های تصمیم یار سابقه دیرینه ای دارد که به طور خلاصه می توان به روند ذیل اشاره کرد:

    اولین بار در سال 1971 واژه «سامانه های تصمیم یار» (Decision Support System) در دانشگاه MIT به کار برده شد که مرکز اصلی آن بر اتخاذ تصمیمات نیمه ساخت یافته و ناساخت یافته عنوان گردید. در سال 1989، گروه گارتنر هوش تجاری را به عنوان یک واژه چترگونه (Umbrella Term) معرفی نمود که شامل مفاهیم و روش هایی می شد که به بهبود تصمیم گیری در کسب و کار مبتنی بر واقعیت ها تاکید داشت. در سال 2008 موسسه فارستر (Forrester) هوش تجاری را مجومه از متدلوژی ها، فرآیندها، معماری ها و تکنولوژی هایی تعریف کرد که داده های خام را به اطلاعات مفید و معنادار تبدیل می کند. توماس داونپورت (Thomas Davenport) در سال 2010 هوش تجاری را شامل تحلیل های کسب و کار (Business Analytics)، پردازش تحلیلی بر خط (OLAP)، پرس و جوها (Queries)، گزارش ها (Reports) و ابزارهای هشدار (Alert Tools) تعریف کرد. رویکردهایی که در اکثر تعاریف از هوش کسب و کار به آنها اشاره شده است، ناظر بر سه حوزه در این مفهوم می باشد که شامل رویکردهای مدیریتی- فرآیندی، رویکردهای تکنولوژیکی و رویکرد محصول که در ذیل به آنها اشاره شده است.

    محصول تکنولوژیکی مدیریتی / فرآیند رویکرد توصیف هوش تجاری به عنوان یک محصول نوظهور که نتیجه تحلیل عمیق داده ‏های دقیق کسب و کار، و همچنین شیوه‏ های تحلیل با استفاده از ابزار هوش تجاری. تمرکز بر روی ابزار‏ها و تکنولوژی‏هایی که ثبت، ترمیم، دستکاری و تحلیل اطلاعات را ممکن می‏سازند. تمرکز بر روی فرآیند جمع آوری داده از منابع داخلی و خارجی، و تحلیل آنها به منظور تولید اطلاعات مرتبط برای بهبود در تصمیم گیری

    چشم انداز هوش تجاری شاید بتوان به طور خلاصه چشم انداز هوش تجاری را اینگونه مطرح کرد: "ارتقاء عملیات و فرایندهای کلیدی کسب و کار از طریق تامین اطلاعات و دانش حیاتی کسب و کار در زمان درست، قالب درست و برای همه سطوح سازمانی"

    اهداف هوش تجاری لذا اهدافی را که هوش تجاری به دنبال آن است را می توان به صورت ذیل خلاصه کرد: "بهینه سازی، تحلیل،کنترل و دیده بانی عملیات و فرایندهای کسب و کار"

    کارکردهای هوش تجاری به دنبال اهداف هوش تجاری، سه کارکرد اصلی در کسب و کارهای مختلف ایجاد می شود که عبارتند از:

    رویکردهای تکنیکی از سوی دیگر لازم است تکنیک های لازم برای تحلیل داده های مختلف به کار رود. در شکل زیر رویکردهای مختلف تکنیکی برای استفاده از انواع داده ها نشان داده شده است. برای رسیدن به این اهداف لازم است کسب و کار از دیدگاه عملیات و فرایندهای بنگاه به درستی تحلیل گردد که در شکل زیر به آن اشاره شده است.

    تحلیل داده ها امروزه تحلیل داده ها با استفاده از ابزارها و تکنیک هایی که در این زمینه وجود دارند، بسیار ساده شده است. تحلیل داده ها انواع مختلفی دارد که در ذیل به آنها اشاره می شود:

    تحلیل آماری (Statistical Analytics): بسته‎های تحلیل آماری مانند (S++)که می‎توانند با پایگاه داده‎ها در ارتباط باشند. داده کاوی: (Data Mining) داده کاوی جستجو می‎کند تا دانش را به شکل الگو‏ها و قواعد آماری از پایگاه داده‎های بزرگ به طور خودکار کشف نماید. پایگاه داده تحلیلی: (Analytical DB) یک پایگاه داده تحلیلی، اطلاعات جمع آوری شده از منابع متعدد را بایگانی نموده و آن‎ها را بر اساس یک طرح یکپارچه در یک سایت ذخیره می‎کند. برای کسب و کار‏های بزرگ مهم است که از بخش‎های متعدد و در صورت امکان در سایت‎های متعدد، داده تولید نمایند.

    پایگاه داده تحلیلی "منبع داده جمع آوری شده از داده‏های منابع اطلاعاتی مختلف و حتی ناهمگن، تحت یك ساختار و در یك محدوده وسیع زمانی با هدف پاسخ‏گویی به پرسش‏های تحلیلی كاربران است." پایگاه داده تحلیلی تفاوت هایی را با پایگاه های عملیاتی دارند، از جمله می توان به مشخصات ذیل در پایگاه داده تحلیلی اشاره نمود: انواع داده ها در پایگاه داده تحلیلی داده های متنوعی در پایگاه داده تحلیلی ذخیره می شوند که عبارتند از: داده جاری:داده ‏های فعلی منابع عملیاتی داده قدیمی:داده‏ های قدیمی منابع اطلاعاتی داده خلاصه شده:داده ‏های نتیجه شده از داده ‏های موجود و پردازش‏های مرتبط فراداده:شامل اطلاعات مربوط به داده‏ ها، دیكشنری از اطلاعات پایگاه، راهنمایی جهت نگاشت داده از محیط عملیاتی به محیط پایگاه داده تحلیلی و قواعد استفاده شده برای خلاصه سازی است. معماری یك پایگاه داده تحلیلی معماری یك پایگاه داده تحلیلی شامل سه لایه می باشد: لایه زیرین:منابع اولیه داده را تشكیل می‏دهد. این لایه شامل پایگاه‏های داده رابطه‏ای، فایل‏های مسطح و منابع دیگر است. لایه میانی:خود پایگاه داده تحلیلی و سرویس دهنده‏ های پردازش تحلیلی برخط تشكیل می‏دهند. سرویس دهنده ‏های پردازش تحلیلی برخط، داده چند بعدی را برای ارائه به كاربران نهایی در اختیار قرار می‏دهند. لایه انتهایی:سرویس گیرنده‏ ها هستند كه با عملیات داده كاوی، پرس ‏و‏جو و تحلیل، داده را از سرویس دهنده‏ های پردازش تحلیلی بر خط می‏گیرند. دو نوع مشهور از معماری پایگاه داده بیشتر مورد توجه قرار گرفته است که شامل معماری Inmon و معماری Kimball است. در شکل ذیل دو معماری فوق نشان داده شده است. برای ایجاد یک پایگاه داده تحلیلی فرآیند ذیل باید انجام شود: چهارچوب هوش تجاری مایکروسافت در شکل زیر به طور شماتیک به چهارچوب هوش تجاری شرکت مایکروسافت اشاره شده است.

    اصطلاحات مهم در هوش کسب و کار پردازش تحلیلی برخط (Online Analytical Processing)

    سرویس‏هایی که از پایگاه داده تحلیلی به منظور پاسخ‏گویی سریع به پرسش‏های تحلیلی کاربران استفاده می‏کنند، پردازش تحلیلی برخط (OLAP) نامیده می‏شوند.OLAP عبارت است از مجموعه‏ ای از نرم افزارها که برای اکتشاف و تحلیل سریع داده ‏های مبتنی بر یک شیوه چند بُعدی با چندین سطح از مجموع سازی (Aggregation) استفاده می‏شود، و تصمیم گیری را تسریع و تسهیل می‏کند. آسان شدن تصمیم گیری به دلیل قابلیت هدایت تحلیل‏ها بدون نیاز به یک زبان پرس ‏و‏جوی اصلی یا فهم ساختار زیرین بانک اطلاعاتی حاصل می‏شود.

    سریع‏ترشدن تصمیم گیری نیز از این جهت است که مجموع داده ‏ها برای درخواست‏های متداول از پیش محاسبه شدهاست و به اصطلاح داده ‏ها،Pre-Aggregat شده اند، بنابراین زمان محاسبه کاهش یافته و پاسخ‏گویی به پرس‏وجوهای پیچیده تحلیلی به سرعت امکان پذیر خواهد بود.پایگاه داده تحلیلی(DW)و پردازش تحلیلی بر خط(OLAP)از جمله عناصر ضروری در سیستم‏های تصمیم‏یار به شمار می‏آیند. در سوی دیگر پردازش هایی از نوع پردازش تراکنشی برخط(OnLine Transactional Processing)قرار دارند که همان طور که از نامشان پیداست به داده هایی که از تراکنش های روزانه حاصل از عملیات مختلف در فرایندهای سازمان، حاصل می شود، اطلاق می گردد. جدول ذیل نشان دهنده تفاوت هایOLAPوOLTPاست.

    پردازش پارامترها پردازش تراكنش برخط(OLTP) پردازش تحلیلی برخط(OLAP) كاربران كاربران فناوری اطلاعات كاركنان دانش كاركرد عملیات روزانه پشتیبانی تصمیم طراحی پایگاه داده كاربرد-گرا موضوع-گرا داده جاری، به روز، با جزئیات، رابطه‌ای، منفرد سابقه، خلاصه شده، چند بعدی، سرجمع، یكپارچه كاربرد عملیات تكرار شونده خاص منظوره دسترسی خواندن/نوشتن، اندیس گذاری/درهم سازی بر روی كلید اصلی پویش سراسری وگسترده واحد كاری تراكنش‌های ساده و كوتاه پرس‌وجوهای پیچیده تعداد ركوردهای مورد دسترسی ده‏ها ركورد میلیون‌ها ركورد تعداد كاربران هزاران كاربر صدها كاربر اندازه پایگاه داده مگابایت - گیگابایت گیگابایت - ترابایت معیار سنجش بازده تراكنش(Throughput , Speed) بازده پرس‌وجو، پاسخ(Throughput,Speed)جامعیت و همبستگی هدف انجام کار‏های کسب و کار روزانه پشتیبانی از تصمیم گیری و پاسخگویی به پرس‏و‏جو‏های کسب و کار و مدیریتی منبع داده پایگاه داده تراکنشی پایگاه داده تحلیلی وdata mart گزارش گیری روزمره، به صورت دوره‏ای، گزارش‏ها با تمرکز دقیق. Ad hoc، چند بعدی، پرس‏و‏جو‏ها و گزارش‏ها با تمرکز گسترده نیازمندی‏های منبع پایگاه داده‏های رابطه‏ای معمولی چند پردازنده، ظرفیت بزرگ، پایگاه داده‏های تخصصی سرعت اجرا سریع (ثبت تراکنش‏های کسب و کار و گزارش‏های روزمره) کند (پرس‏و‏جو‏های پیچیده، با مقیاس بزرگ و نیازمند منابع زیاد)

    مأموریتOLAP فرض کنید کارخانه ایران خودرو محصولات مختلفی از قبیل پژو، سمند، وانت و غیره را تولید می‎کند. همچنین، این کارخانه در شهر‎های مختلف دارای نمایندگی است و مدیران کارخانه می‎خواهند عملکرد فروش محصولات خود در شهر‏های مختلف را تحلیل کنند.OLAPسرویسی است که وظیفه آن پاسخ سریع به سوالات مربوط به کسب و کار است. سوالاتی از قبیل: زیرساخت داده ها در OLAP با زیرساخت داده ای در OLTP نیز با هم تفاوتند. در شکل زیر ساخت مربوط به هر یک نشان داده شده است. چهار روش برای ذخیره سازی در OLAP وجود دارد:

    : (Relational OLAP) ROLAP اگر هم داده ‏های مجتمع و هم غیرمجتمع در پایگاه داده رابطه‎ای ذخیره شوند. : (Multi-dimensional OLAP) MOLAP اگر هم داده‏های مجتمع و هم غیرمجتمع در پایگاه داده ابعادی ذخیره شوند. : (Hybrid OLAP) HOLAPاگر داده ‏های غیر مجتمع در پایگاه داده رابطه‏ای و داده ‏های مجتمع در پایگاه داده ابعادی ذخیره شوند. (Desktop OLAP) DOLAP؛