Analysis Services Enhancements

מבוא

בגרסא האחרונה של  SQL Server 200 , מיקרוסופט סגרה את הפער בין אפשרות מסד נתונים רב – ממדי, שירותי OLAP וכדומה. למעשה, מיקרוסופט ביצעו הרבה שיפורים משמעותיים שהם אף שינו את השם ל"שירותי ניתוח"   (Analysis Services) .

כריית מידע (Data Mining)

השינוי הדרמטי ביותר שנעשה בשירותי הניתוח הוא ההוספה של יכולות כריית מידע. כריית מידע היא אוסף של אלגוריתמים סטטיסטיים, שפותחו ע"י מיקרוסופט – מחקר, שמשתמשים בהם על מנת למצוא תבניות (patterns) בקבוצות נתונים גדולות. ביכולתך להשתמש בתבניות אלו על מנת לזהות, לסווג או לחזות דברים כגון : שימוש בתבניות לשימושים דמוגרפים או התנהגותיים על מנת לשפר ניהול קשר עם לקוחות והגדלת ההכנסה הפוטנציאלית. 

מיקרוסופט יישמו את שירותי ניתוח אלו ע"י שימוש ב – OLE DB לספציפיקציות כריית מידע על מנת לאפשר למפתחי אפליקציות לשלב כריית מידע עם אפליקציות חיצוניות. לדוגמא: ע"י שימוש ב- OLE DB  מפתח האפליקציה יכול לשלב כריית מידע לתוך אתר אינטרנט על מנת לחזות תבניות קנייה המבוססות על דיוקנים (profiles) דמוגרפים. למרות שלא קיימים כרגע נתוני ביצועים, מיקרוסופט משתמשת בטכנולוגיה הזו באתרי האינטרנט שלה MSN ו – MSNBC מזה כמספר חודשים.

שני אלגוריתמים קיימים בגרסא הסופית :

1. עצי ההחלטה של מיקרוסופט (Microsoft Decision Trees )
2. המקבץ של מיקרוסופט (Clustering  Microsoft)

אלגוריתמים אלו מסוגלים לבצע מיון, חיזוי וקיבוץ (Clustering ) . בנוסף מיקרוסופט השאירה את הדלת פתוחה לאלגוריתמים נוספים בעתיד על מנת לתמוך במשימות כרייה כגון ניתוח חריגות, הערכה, ודמיון קבוצות.

עצי ההחלטה של מיקרוסופט משמשים לביצוע מיון. הם בונים אחד או יותר עצי החלטה שניתן לבצע בהם שימוש לחזות תכונות בהתבסס על תכונות אחרות. לדוגמא: תהליך מיון זה יכול לשמש על מנת לסווג בקשות אשראי לדרגות של נמוך, בינוני, וגבוה ואף לאתר רמאויות בהתבסס על קלטים כגון גיל, מין, הכנסה ותכונות נוספות. 

המקבץ של מיקרוסופט משמש לקיבוץ של רשומות לקבוצות בעלות תכונות דומות. השוני בין מיון וקיבוץ הוא שקיבוץ של רשומות יחד מתבסס על תכונות דומות ולא ע"י קלט חזוי מוגדר מראש.

OLAP

מיקרוסופט הוסיפה מספר מאפיינים (features)  חדשים בתחומי התכנון. שירותי OLAP תומכים בממד אב-בן שיכול להציג מבנים כמו בתרשים ארגוני. תכונה נוספת שבה ממד אב-בן יכול להוות יתרון הוא נוסחאות מותאמות. בדוגמת התרשים הארגוני, משכורת  של המבנה הארגוני יכולות להיות מחושבות ע"י שימוש בנוסחאות מותאמות. כמו כן, שירותי OLAPתומכים בהיררכיות לא סטנדרטיות במקומות שהיררכיות סטנדרטיות אינן מתאימות.  לדוגמא: בארה"ב, ערים מרכיבות מדינות ומדינות מרכיבות ארצות. אולם, בארצות אחרות, ערים יכולות להרכיב רק ארץ. כעת ע"י שימוש ב-OLAP ניתן לייצג זאת בצורה נכונה.

כיום, שירותי OLAP גם תומכים באבטחה ברמת הממד או החבר. דבר זה מאפשר תכנון יותר גרעיני של האבטחה. לדוגמא: ביכולתך לתכנן תפקידי אבטחה לאפשר למשתמשים ממחלקה מסוימת  לראות מטריקות עבור המחלקה שלהם, אך לא עבור מחלקות אחרות.

בנוסף שירותי OLAP תומכים באדמיניסטרציה רבת- משתמש (multi user) . כעת, אין צורך לחקות בזמן שמשתמש אחר עורך מסד נתונים שונה על אותו השרת.תוספות אלו ורבות נוספות גורמות לכך ששירותי הניתוח הן הבחירה הטובה ביותר עבור OLAP וכריית מידע בארגון.