Je sais que OLAP est utilisé dans Power Pivot, autant que je sache, pour accélérer l'interaction avec les données. Mais je sais que de grandes bases de données comme Google BigQuery et Amazon RedShift sont apparues ces dernières années. Est-ce que les solutions de BI ciblées SQL comme Looker et Chart.io utilisent des OLAP ou dépendent-elles de la vitesse des bases de données?Les solutions de BI ciblées SQL comme Looker et Chart.io utilisent-elles des OLAP?
Looker dépend de la vitesse de la base de données, mais modélise les données pour améliorer la vitesse. Mode et Périscope sont similaires à ceci. Pas sûr de Chartio. OLAP a été utilisé pour organiser les données pour aider avec les vitesses d'interrogation. Bien qu'elles soient utilisées par de nombreux produits de BI, tels que Power Pivot et Pentaho, plusieurs entreprises ont développé leurs propres moyens d'organiser les données pour accélérer la requête. Parfois, cela inclut le stockage des données dans leurs propres structures de données pour organiser les données. De nombreuses entreprises de cloud computing comme Birst, Domo et Gooddata le font.
Looker a créé un langage de modélisation appelé LookML pour modéliser les données stockées dans un magasin de données. Comme les bases de données sont maintenant plus rapides qu'elles ne l'étaient au moment de la création d'OLAP, Looker a pris l'approche de se connecter directement au magasin de données (Redshift, BigQuery, Snowflake, MySQL, etc.) pour interroger les données. Le modèle LookML permet à l'utilisateur de s'interfacer avec les données, puis d'exécuter la requête pour obtenir des résultats dans une table ou une visualisation.
Cela dépend. J'ai une certaine expérience avec la solution de BI (par exemple, nous avons travaillé avec Tableau), et il peut fonctionner est deux modes principaux: Il peut exécuter la requête contre votre serveur, ou peut collecter les données pertinentes et les stocker sur la machine de l'utilisateur (ou sur le serveur où l'application est installée). Lorsque nous travaillions avec de gros volumes, nous demandions à Tableau d'interroger SQL Server lui-même, parce que notre machine SQL Server est très forte par rapport aux autres machines que nous avions. De toute façon, même si vous stockez les données localement et que vous voulez les "actualiser", quand il met à jour les données, il doit les récupérer dans la base de données, ce qui peut parfois être une opération coûteuse (dépend de les données sont construites et organisées). Vous devriez également remarquer que vous comparez deux familles de produits différentes: alors que Google BigQuery et RedShift d'Amazon sont en fait des moteurs de bases de données qui stockaient les données et les interrogeaient, la plupart des solutions BI et de reporting sont plus axées sur l'interrogation les données et la visualisation et donc (en général) sont moins axées sur des bases de données internes intelligentes (du moins d'après mon expérience).