Docstoc

Achieve the impossible

Document Sample
Achieve the impossible Powered By Docstoc
					차세대 OLAP 솔루션
       FactView
           2007.7.12

       임팩트라인 윤형기
발표순서


•   배경
•   전통적인 BI/OLAP
•   New Trends of BI
•   차세대 BI/OLAP: FactView
•   시연
•   맺음말




                        2
배경
전략경영과 BI

BI 란? …
BI Framework




               3
전통적인 BI/OLAP
개요

Conventional BI Architecture




          Data source view         Cube designer
                               4
전통적인 BI/OLAP
프로젝트 절차




               5
전통적인 BI/OLAP
현황과 문제점


• 문제점 (현황)
  – 많은 투자와 오랜 준비기간
     • 도입 구축에 평균 6~18개월
  – 높은 실패율
     • 정보부재, multiple versions of truth
  – 모델링 방법론상의 논쟁
     • Inmon   vs. Kimball
  – 일부 분석가에만 한정
  – 유연성 부족
• 원인:
  – 설계사상:“컴퓨팅자원의 절감 > 현업 요구사항 해결”
  – Cube = multi-dimensional analysis based on pre-
    calculating
                              6
New Trends of BI
BI 동향

• Main drivers for change
   – “From tactical, department use
      To strategic, enterprise-wide BI”




• 기타
   – Web 2.0 and AJAX technology
   – Search engine(Google OneBox), BPM 등과의 결합
   – …


                                 7
New Trends of BI
BI 동향 –계속 –

• 신 기술  Pre-aggregated cube 제거
   – H/W기술: 메모리, 64-bit CPU (IA)
   – S/W기술: DB, UI/MMI
   –  In-memory analytics


• The Great BI Squeeze:




                             8
  차세대 BI/OLAP: FactView
  개요
QPR 제품군


                                            성과관리,
Cubeless OLAP 분석도구                          전략관리
(FactView
enabled by QliKView)           BSC


                                                     BPM (Process),
                   BI/OLAP              BPM
                              협업                     BAM (Activity)

                              포털

                             Workflow
                                        Workflow,
                                        Automation



                                  9
차세대 BI/OLAP: FactView
특징 – 계속 –

• Cube-less: Dimension과 measure의 구분이 없다.
  – Not “pre-aggregated” 상황변화에 유연하게 대처
  – On Demand Calculation Engine:



                  Transform of
                   Data Model




                             10
차세대 BI/OLAP: FactView
특징 – 계속 –


• In-Memory 분석 플랫폼
  – Powerful: Fast (On-demand) Calculation Engine
     • 고성능  메모리 load 시에 데이터 압축 – 약 10%로 줄임.
     • Summary-level as well as record-level
       analytics
     • Large scale, massive datasets


  – 현재) In Memory 분석이 OLAP과 reporting 시장의 갭을 메워줌.
  – 전망) “ will eventually replace them  mass market BI




                                 11
차세대 BI/OLAP: FactView
특징 – 계속 –

• Visually Intuitive UI:
   – Point-and-Click Queries , color coding in query feedback


                      • Equals to this…

                           WHERE [Fiscal Year] = 2004
                           AND ([Fiscal Month] = ‘Apr’ OR [Fiscal Month]
                              = ‘May’ OR [Fiscal Month] = ‘Jun’)
                           AND [Division Name] = ‘Domestic’
                           AND ([Region Name] = ‘Northeast’ OR [Region
                              Name] = ‘Southern’)
                           AND ([Product Type Desc] = ‘Breakfast Foods’
                              OR ([Product Type Desc] = ‘Dairy’ OR
                              [Product Type Desc] = ‘Eggs’)




                                   12
차세대 BI/OLAP
FactView 아키텍처




                13
시연
Demonstration


• 국내/해외




• 업종별 사례




                14
차세대 BI/OLAP: FactView
특징 –계속 –


• Scalability
   – RTE (Real-time, Near real-time OLAP)
   – Very Large Data Warehouse
        • 수 천명 동시사용, 수 억 record  sub-second response time
   – 대량 Data 분석의 필요성
        • Business users: CRM/POS, CDR, risk분석
        • Technical users: …
• Flexible:
   – RAD (Rapid Appl.Design), 표준 interfaces (ODBC, Web Services)
• (Near) Real-time OLAP

• 기타
   –   AJAX Zero-Footprint Client (ZFC) 환경 지원
   –   BPM, BSC Portal과 통합
   –   Mapping data (GIS)와의 결합
   –   SAP NetWeaver 대체/보완

• With or Without Data Warehouse
                                       15
차세대 BI/OLAP: FactView
개발 절차




• FV의 주된 작업은
  데이터 위치확인, 필요한 분석방법 결정 등
                        16
   차세대 BI/OLAP
   개발절차 –계속–



              ONE TIME         DAILY             RUN TIME
               ETL Script
기존의         Dimensions 결정
                                데이터 추출
OLAP          측정지표 결정                               Render UI
                                cube 계산
               Report 작성
             Dashboard 작성
              2 Months           4 Hours            Seconds
                              Dimensions 결정
                               측정지표 결정
FactView/                                          Cube 계산
              ETL Script        Report 작성
QlikView                                           Render UI
                              Dashboard 작성
                                데이터 추출
                 1일               1시간               수 초 단위
            DATA BOUND      PROCESS BOUND     MEMORY/PROCESS
                                              BOUND

                                   17
맺음말
평가


• Industry Leadership




                        18
맺음말
평가 – 계속 –


• Gartner Magic Quadrant




        FY 2004                 FY 2007

                           19
맺음말
소개

• 회사소개
  – 임팩트라인 소개
     • 2000년 설립 (서울)
     • 주된 소프트웨어 사업
        – 상용 솔루션                (www.impactline.net)
        – 오픈 솔루션 (OSS - Open BI) (www.openwith.net)
 – QRP Plc.
     • Collaborative BI 제품군
     • QPR Community: 50 여 개국, 3000여 개 기업
     • www.qpr.com
 – QlikTech
    • OLAP solution - QlikView
    • 6,000 개 기업의 25만 명의 사용자 (68 개 국가)
     • www.qliktech.com


                             20
맺음말
질의 응답



   Q & A




           21
보충자료
기반기술
Background Technology


• 64-bit architecture
   – Intel Xeon에서 commodity 64-bit 시작  Itanium  …
     AMD Opteron에서 경쟁 격화.
   – directly addressable memory = 18 exabytes (1 EB = 1 GB x 109)
      (cf. 4 GB in 32-bit CPU)
      • 특히 과학기술 등에 중요한 의미.
      • 단, 실제속도는 ∝ 시스템 architecture & clock 속도
   –  don’t need S/W tricks. (예: virtual memory, Cube, ...)
• OLAP
   – (기존) Cube = pre-calculated totals for pre-defined
     hierarchies
     즉, 필요할 것으로 예상되는 정보로부터 cube를 생성.
     필요 시 재 작업 (현업 + 전산)
   – AQL (Associative Query Logic)기술 (특허) 등.



                                  23
기반기술
Background Technology –계속 –

AQL (Associative Query Logic)TM




•   In traditional systems, the same piece of data may reside in hundreds
    of places.
•   In AQL systems, a piece of data occurs only once. One can extract data
    elements from various existing data sources to form a Data Cloud. The
    Data Cloud cleans up the data as it loads, eliminating inconsistencies
    and redundancies. Building the Data Cloud requires fewer steps and is
    much simpler than building a data warehouse.
•   Because the Data Cloud generally is only 15 to 20 percent of the size
    of the original source data, the entire data sets can reside in the RAM
    that already exists on most computers. The compact size of the Data
    Cloud also allows data to be retrieved, combined, and manipulated
    almost instantaneously.

                                         24
기반기술
DW


• Definition of a DW (Bill Inmon, 1992)
     – a database that contains the 4 characteristics:
        • Subject oriented (rather than operational applications)
        • Nonvolatile
        • Integrated
        • Time variant




                                   25
기반기술
DW

Wine Club Data Model        3-dimensional Data Cube




                       26
 기반기술
 DW

Wine Club Sales Dimensional Model        Multiple Join-Path Data Model




                                    27
기반기술
DW

Main Components of DW




                        28
기반기술
DW

STD for Ordering Process        Levels of Summarization




                           29
기반기술
DW

Star Schema        Snow-flak Schema




              30
기반기술
DW

Modified DW structure
incorporating
summary navigation
and data mining




                        31
기반기술
CRM

Components of CRM




                    32

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:5
posted:8/12/2011
language:Korean
pages:32