차세대 OLAP 솔루션 FactView

차세대 OLAP 솔루션FactView 2007.7.12 임팩트라인 윤형기

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

배경전략경영과 BI BI 란? … BI Framework

전통적인 BI/OLAP개요 Conventional BI Architecture Data source view Cube designer

전통적인 BI/OLAP프로젝트 절차

전통적인 BI/OLAP현황과 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

New Trends of BIBI 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 • …

New Trends of BIBI 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:

차세대 BI/OLAP: FactView개요 QPR 제품군 성과관리, 전략관리 Cubeless OLAP 분석도구(FactViewenabled by QliKView) BSC BI/OLAP BPM 협업포털 BPM (Process), BAM (Activity) Workflow Workflow, Automation

차세대 BI/OLAP: FactView특징 – 계속 – • Cube-less: Dimension과 measure의 구분이 없다. • Not “pre-aggregated” 상황변화에 유연하게 대처 • On Demand Calculation Engine: Transform of Data Model

차세대 BI/OLAP: FactView특징 – 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 reporting시장의 갭을 메워줌. • 전망) “ will eventually replace them mass market BI

차세대 BI/OLAP: FactView특징 – 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’)

차세대 BI/OLAPFactView 아키텍처

시연 Demonstration • 국내/해외 • 업종별 사례

차세대 BI/OLAP: FactView특징 –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

차세대 BI/OLAP: FactView개발 절차 • FV의 주된 작업은 데이터 위치확인, 필요한 분석방법 결정 등

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

맺음말평가 • Industry Leadership

맺음말평가 – 계속 – • Gartner Magic Quadrant FY 2004 FY 2007

맺음말소개 • 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

맺음말질의 응답 Q & A

보충자료

기반기술Background 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.

기반기술Background 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.

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

기반기술DW Wine Club Data Model 3-dimensional Data Cube

기반기술DW Wine Club Sales Dimensional Model Multiple Join-Path Data Model

기반기술DW Main Components of DW

기반기술DW STD for Ordering Process Levels of Summarization

기반기술DW Star Schema Snow-flak Schema

기반기술DW Modified DW structure incorporating summary navigation and data mining

기반기술CRM Components of CRM

차세대 OLAP 솔루션 FactView