OLAP-Analyse – multidimensionale Datenauswertung
OLAP (Online Analytical Processing) bezeichnet eine multidimensionale Datenanalyse, bei der Kennzahlen entlang verschiedener Dimensionen (Zeit, Region, Produkt, Kunde) drill-down-fähig betrachtet werden. OLAP unterscheidet sich klar von OLTP (Transaktionsverarbeitung): während OLTP einzelne Buchungen schreibt, aggregiert OLAP riesige Datenmengen zu Auswertungs-Würfeln.
OLAP-Architekturen
Drei klassische Architektur-Ansätze:
- MOLAP (Multidimensional OLAP): Würfel werden in einem dedizierten Multidimensional-Speicher gehalten. Schnellste Antwortzeiten.
- ROLAP (Relational OLAP): Würfel werden auf relationalen Tabellen abgebildet. Skaliert besser für sehr große Datenmengen.
- HOLAP (Hybrid OLAP): Mischform mit aggregierten Daten in OLAP-Cube und Detaildaten in relationaler DB.
Tools
Klassische OLAP-Tools sind Microsoft SSAS, SAP BW, Oracle Essbase, IBM Cognos TM1, icCube, Jedox. Moderne BI-Plattformen wie Power BI, Tableau, Qlik Sense und Looker bieten OLAP-ähnliche Funktionen über In-Memory-Engines, ohne klassische Cube-Modellierung.
Abgrenzung zu Reporting und Self-Service-BI
Klassisches Reporting liefert vordefinierte Berichte. OLAP erlaubt interaktive Analyse mit Drill-Down, Slice-and-Dice und Roll-Up. Self-Service-BI demokratisiert OLAP-ähnliche Funktionen für Endanwender, ohne explizite Cube-Modellierung.
Häufige Fragen
- Brauche ich OLAP zusätzlich zum ERP-Reporting?
Ab gewisser Datenmenge und Analysetiefe ja – ERP-Reports werden bei großen Datensätzen träge.
- Sind klassische OLAP-Cubes noch Stand der Technik?
Im klassischen DWH-Stack ja, in modernen Cloud-DWH-Architekturen werden sie zunehmend von In-Memory-/Columnar-Engines abgelöst.