MIS PROJECT 

OLAP  

GROUP­5:
Arnab Bhagawati
Kamiya
Anupreet
Saurabh
Rupesh kumar
Prabha 

   
 Online analytical processing

● an approach to quickly answer multi­dimensional 
analytical queries
●The typical applications of OLAP are in business 

reporting  for  sales,  marketing,  management 

reporting,  business  process  management  (BPM), 
budgeting and forecasting, financial reporting and 
similar areas

   
 HISTORY

●The  first  product  that  performed  OLAP  queries 

was Express, which was released in 1970
●did  not  appear  until  1993  when  it  was  coined  by 

Edgar  F.  Codd,  who  has  been  described  as  "the 

father of the relational database".
●In 1998, Microsoft released its first OLAP Server 

­  Microsoft  Analysis  Services,  which  drove  wide 

adoption  of  OLAP  technology  and  moved  it  into 
mainstream.
   
 Concept

● The concept of an OLAP cube:

It  consists  of  numeric  facts  called  measures 

●

which are categorized by dimensions.

● STAR SCHEMA

   
   
 Multidimensional databases

a variation of the relational model that uses 
multidimensional structures to organize data and 
express the relationships between data” 

The structure is broken into cubes and the cubes 
are able to store and access data within the 
confines of each cube.

   
 Aggregation
●It  has  been  claimed  that  for  complex  queries 
OLAP  cubes  can  produce  an  answer  in  around 
0.1%  of  the  time  for  the  same  query  on  OLTP 
relational data.
●The  most  important  mechanism  in  OLAP  which 

allows it to achieve such performance is the use of 
aggregations. Aggregations are built from the fact 
table  by  changing  the  granularity  on  specific 
dimensions  and  aggregating  up  data  along  these 
dimensions.
   
 Types

●MOLAP
●ROLAP

●Hybrid

Comparison

   
 USING NEURAL NETWORK
# Data Preparation: The data you use in 
: 
NeuralTools is defined in data sets. A Data Set 
Manager is used to set up data sets so they can 
be used over and over again with your neural 
networks.
# Training: With training, a neural network is 
Training
generated from a data set comprised of cases 
with known output values. This data often consists 
of historical cases for which you know the values 
of output/dependent variable.
   
    
 * Testing: With testing, a trained neural network is 
 Testing:
tested to see how well it does at predicting known 
output values.  After testing, the performance of 
the network is measured by statistics such as the 
% of the known answers it correctly predicted.

    * Prediction: A trained neural network is used to 
Prediction
predict unknown output values. Once trained and 
tested, the network can be used as needed to 
predict outputs for new case data.
   
 Market structure
Microsoft Corporation                 1,806
Hyperion Solutions Corporation  1,077
Cognos                                             735
Business Objects                           416
MicroStrategy                                416
SAP AG                                          330
Cartesis SA                                      210
Applix                                               205
Infor                                                   199
Oracle Corporation                             159
Others                                               152
 Total                                                5,700