Machine Translated by Google

ICIEVE 2017 Publicaciones de IOP

Conferencia de la OIO. Serie: Ciencia e ingeniería de1234567890''“”

materiales 306 (2018) 012129 doi:10.1088/1757-899X/306/1/012129

Business Intelligence en memoria: conceptos y rendimiento

Vicepresidente Rantung1* ,O
Kembuan2, PTD Rompas2 , Un Mewengkang2 , OES Liando2
y J Sumayku2
1
Departamento de Informática, Universidad Estatal de Manado, Tondano 95618, Sulawesi
Norte, Indonesia
2
Departamento de Educación en Tecnologías de la Información y la Comunicación, Universitas
Estado de Manado, Tondano 95618, Célebes Septentrional, Indonesia

*Autor para correspondencia: vivirantung@unima.ac.id

Resumen. Esta investigación tiene como objetivo discutir el Business Intelligent (BI) en memoria y modelar
las preguntas de análisis de negocios para conocer el rendimiento del BI en memoria. Mediante el uso, la
aplicación Qlickview encontró paneles de BI a los que se podía acceder y modificar fácilmente. los tableros
se desarrollan juntos utilizando un enfoque de desarrollo ágil, como el estudio previo, la planificación, la
ejecución iterativa, la implementación y la evaluación. Al final, esta investigación ayuda al analizador a
elegir una implementación adecuada para la solución de BI.

1. Introducción
La inteligencia empresarial en memoria se basa en la tecnología del sistema de base de datos en memoria (IMDS), que
se desarrolla precisamente para satisfacer las demandas de rendimiento y disponibilidad de recursos en los sistemas
integrados [1]. La memoria como almacenamiento temporal tiene funciones para suministrar datos y guardar datos
ayuda a que el trabajo de la CPU sea más rápido [2]. El crecimiento de la tecnología de innovación influye en la memoria
como consecuencia del área de gestión de datos. El sistema de información como parte del área de gestión de datos
aprovecha la oportunidad y adopta los conceptos de In-Memory Database para In-Memory BI [3]. Los impactos de In-
Memory Database se refieren a aplicaciones empresariales [4]. Business Intelligence es uno de ellos y In-Memory BI
adoptó el marco tecnológico [5]. Si BI tradicional carga datos desde el disco duro, In-Memory BI carga datos desde la
memoria [6]. En una revisión de investigación reciente [7], que informa una revisión sistemática de artículos publicados
sobre diferentes herramientas de visualización de datos que diferentes organizaciones implementan para Business
Intelligence con el fin de realizar análisis comerciales. La investigación anterior ha pagado
atención al análisis comparativo de herramientas analíticas en memoria y no ha creado modelos para evaluar estos
criterios. Nuestra investigación actual aborda estas necesidades en el campo de la evaluación del rendimiento de In-
Memory BI. El In-Memory BI que contiene todas las ventajas de la tecnología In-Memory Database.
La consideración del rendimiento de In-Memory BI plantea las siguientes preguntas: R1. Relacionado con la
implementación de In-Memory BI: ¿Cómo In-Memory BI ayuda al usuario a tomar mejores decisiones? ; ¿La solución In
Memory BI responde a las preguntas de análisis empresarial? R2. Relacionado con el modelo de datos de In-Memory
BI: ¿El usuario debe considerar el modelo de datos cuando usa In-Memory BI? R3. Relacionado con el requisito técnico
de BI [8]: ¿In-Memory BI considera la seguridad? ; ¿Qué hay de la capacidad de In-Memory BI? Esta investigación se
llevó a cabo para encontrar respuestas a las preguntas anteriores y proporcionar un caso de estudio para crear una
solución de BI utilizando la aplicación In-Memory BI. Aunque el tipo de aplicación de In Memory BI en la actualidad tiene
muchas variaciones, esta investigación se centra en el índice asociativo en memoria.

El contenido de este trabajo puede usarse bajo los términos de la licencia Creative Commons Attribution 3.0. Cualquier otra distribución
de este trabajo debe mantener la atribución al autor(es) y el título del trabajo, cita de la revista y DOI.
Publicado bajo licencia por IOP Publishing Ltd 1
Machine Translated by Google

ICIEVE 2017 Publicaciones de IOP

Conferencia de la OIO. Serie: Ciencia e ingeniería de1234567890''“”

materiales 306 (2018) 012129 doi:10.1088/1757-899X/306/1/012129

2. Métodos

Siguiendo un enfoque de desarrollo ágil, investigamos y describimos cómo funciona In-Memory BI en relación con la implementación,
el modelo de datos y los requisitos técnicos. El modelo y la interfaz de usuario se desarrollan juntos utilizando la Metodología de
proyectos de Qlikview (QPM). Esta metodología incluye las siguientes fases: 1) Pre-estudio; 2) Planificación; 3) ejecución iterativa;
4) Implementación; 5) Evaluación en la Figura 1 [9] [10].

La primera etapa fue el estudio previo que incluye los siguientes pasos principales: definir los objetivos comerciales iniciales y
el alcance, identificar los requisitos comerciales iniciales y los requisitos de datos, preparar la plataforma empresarial. En la
segunda etapa, se llevó a cabo una planificación del proyecto con tres etapas principales: la planificación de la gestión del proyecto,
los requisitos comerciales priorizados y la definición de los requisitos de preparación de datos (archivos QVD para una
implementación más grande), definir la plataforma empresarial y planificar los ciclos de la aplicación. La tercera etapa es la fase de
ejecución iterativa que incluye los siguientes pasos: construir, probar, revisar por el usuario y refinar. El paso de compilación
incluye: compilar el proceso de recarga de datos (configuración de las conexiones, creación de un script de carga incremental),
diseño del modelo de datos, aprovisionamiento de datos y desarrollo de la interfaz de usuario.
Las cuatro y cinco etapas del método de investigación son la implementación y la evaluación.

Figura 1. Metodología del proyecto Qlickview [9].

3. Resultados y discusión

Hay muchas variaciones de la aplicación In-Memory BI. La propia aplicación In-Memory se divide en 5 tipos principales, como In-
Memory OLAP, In-Memory ROLAP, In-memory inverted index, in-memory asociative index y in-memory hoja de cálculo [11][12].
Como se muestra en la tabla 1, la aplicación Qlickview se categorizó como índice asociativo en memoria y esta investigación utiliza
la herramienta para modelar una solución de BI para conocer el rendimiento de In-Memory BI. Y los datos que se utilizaron para el
experimento son la base de datos "NorthWind" [13].

Antes de modelar la solución de BI, se realizaron preguntas de análisis de negocio. Hay dos preguntas para generar una
solución de BI: 1) ¿Qué cantidad de cada categoría de producto ordenaron los clientes de EE. UU. por trimestre en 1997? ; 2)
¿Quiénes son los tres mejores representantes de ventas? .La figura 2 muestra la respuesta a la pregunta comercial 1 y la figura 3
muestra la respuesta a la pregunta comercial 2. La figura 2 muestra la facturación por tiempo y demografía, también la facturación
por categoría de productos y proveedores donde las dimensiones utilizadas son año, trimestre y país.
La dimensión que se utilizó para responder la pregunta n.° 2 es el nombre de los empleados, el orden del año, el país de las ovejas
y la facturación.

3.1. Implementación de BI en memoria

La implementación de In-Memory BI ayudará al usuario a tomar mejores decisiones porque los informes, las consultas y el análisis
se vuelven más rápidos ya que todo el índice está en la memoria. También tratan al usuario al proporcionar una interfaz atractiva.
Crea soluciones de BI fácilmente y considera datos complejos de preguntas detalladas de análisis comercial con muchas funciones
preparadas para gráficos, secuencias de comandos y dimensiones. Los resultados anteriores muestran que responder preguntas
de análisis empresarial no es gran cosa. Además, la aplicación Qlickview desafía al usuario a explorar el tablero y encontrar un
nuevo hecho de análisis sin volver a agregar.

3.2. Modelo de datos de In-Memory BI

Según Evelson, "los informes, las consultas y el análisis se pueden realizar sin ninguna restricción del modelo, por ejemplo,
cualquier atributo se puede reutilizar instantáneamente como un hecho o como una dimensión y cada consulta con una combinación
interna también puede mostrar los resultados de una combinación externa en cada columna. significa menos modelado requerido que

2
Machine Translated by Google

ICIEVE 2017 Publicaciones de IOP

Conferencia de la OIO. Serie: Ciencia e ingeniería de1234567890''“”

materiales 306 (2018) 012129 doi:10.1088/1757-899X/306/1/012129

una solución basada en OLAP” realmente sucedió desde que se implementó la base de datos Nortwind en la aplicación Qlickview
[14] [15]. Los experimentos cargan datos desde un archivo de Excel, por lo que para los más convencidos sobre el modelado de datos
necesita hacer más experimentos que carguen datos de la arquitectura del servidor del cliente.

Tabla 1. Variaciones de aplicaciones de BI en memoria

Aplicaciones en memoria Tipo Descripción Proveedores

OLAP clásico en memoria MOLAP IBM Cognos
cubo cargado TM1, Actuar
ROLAP en memoria
Índice invertido en memoria
Índice asociativo en memoria
Hoja de cálculo en memoria
enteramente en BIRT.
Memoria.
Metadatos ROLAP Microestrategia
cargado completamente en
memoria.
Índice (con datos) SAP Business
cargado en Objetos (BI
Acelerador de memoria),
Endeca.
Una matriz/índice QlikView,
con cada TIBCO
entidad/atributo Spotfire, SAS
correlacionado con JMP, Advizor
todas las demás Soluciones (también
entidad/atributo. OEM por
Información
constructores).
Hoja de cálculo como Microsoft
matriz cargada (PowerPivot)
completamente en

Memoria

Figura 2. Tablero de la pregunta comercial 1.

3.3. Requisitos técnicos de BI

Seguridad: la seguridad es un gran problema cuando se implementan soluciones de BI. Los problemas se refieren a cómo se accede
a los datos, dónde se almacenan y quién tiene acceso a los datos [16]. La aplicación Qlickview proporciona un mecanismo de
seguridad que se puede configurar de dos maneras diferentes: se puede integrar en el script del documento o se puede configurar
mediante el uso del editor Qlickview. En detalle, ofrece relación de autenticación y autorización de quién puede acceder a los datos.
Desafortunadamente, no pueden cumplir con la totalidad de

3
Machine Translated by Google

ICIEVE 2017 Publicaciones de IOP

Conferencia de la OIO. Serie: Ciencia e ingeniería de1234567890''“”

materiales 306 (2018) 012129 doi:10.1088/1757-899X/306/1/012129

seguridad. No brindan seguridad en el nivel de la fuente de datos porque la mejor ubicación segura para los datos es
un servidor centralizado.
Capacidad: según la investigación de Qlickview, la implementación de Qlickview puede manejar muchos miles de
usuarios simultáneos y cantidades extremadamente grandes de datos [17]. Sin embargo, estamos hablando de
tecnología, por lo que todo esto depende de la innovación en tecnología de memoria.

Figura 3. Tablero de la pregunta comercial 2.

4. Conclusión
Las conclusiones que se obtienen son: In-Memory BI ayuda a obtener soluciones de BI en rápido acceso,
almacenamiento y manipulación; Aplicación de BI en memoria (Qlickview) fácil de implementar incluso para datos
complejos y preguntas detalladas de análisis comercial, elimina la reagregación, es flexible para acercar otro requisito
de análisis, tiene fuentes dinámicas, cubre análisis avanzados y gran visualización de datos; La aplicación In Memory
BI (Qlickview) tiene un desarrollo de procesos altamente iterativo que reduce el modelado de datos
en la solución de BI, pero para la arquitectura del servidor del cliente debe tenerse en cuenta; La aplicación In-Memory
BI (Qlickview) proporciona un mecanismo de seguridad en la autorización y autenticación de ofertas; La aplicación de
BI en memoria (Qlickview) no proporciona seguridad en el nivel de fuente de datos; BI en memoria dependiendo de la
cantidad de RAM.

Referencias
[1] KL Tan, Q Cai, BC Ooi, WF Wong, C Yao y H Zhang 2015 Bases de datos en memoria ACM
Rec. SIGMOD. 44 2 35-40
[2] S Manegold, P Boncz y M Kersten 2002 Optimización de la combinación de memoria principal en hardware moderno
Trans. IEEE. Saber Ing. de datos 14 4 709-730
[3] P Loos, J Lechtenbörger, G Vossen, A Zeier, J Krüger y J Müller 2011 Bases de datos en memoria
en sistemas de información empresarial Ingeniería de Sistemas de Información y Negocios 3 389-395
[4] JV Brocke, S Debortoli, O Müller y N Reuter 2014 Cómo la tecnología en memoria puede crear valor comercial:
Perspectivas del caso hilti Commun. Asoc. información sist. 34 1 151-168
[5] H Chen, RHL Chiang y VC Storey 2012 Business intelligence and analytics: from big data
de gran impacto Mis Q. 36 4 1165-1188
[6] H Zhang, G Chen, BC Ooi, KL Tan y M Zhang 2015 Gestión de big data en memoria y
procesamiento: Una encuesta IEEE Trans. Saber Ing. de datos 27 7 1920-1948
[7] A Shukla y S Dhir 2016 Herramientas para visualización de datos en inteligencia de negocios: Caso de estudio
utilizando la herramienta qlikview Diseño de Sistemas de Información y Aplicaciones Inteligentes 2 319-326
[8] S Williams y N Williams 2004 Evaluación de la preparación de BI: La clave para el BI ROI Bus. Intel. J 9 3
15–23
[9] M Muntean 2014 Hacia una BI ágil mediante el uso de análisis en memoria Informatica Economica 2 26-
40
[10] M Muntean y T Surcel 2013 Agile BI: el futuro de BI Inform. economía 17 114-124

4
Machine Translated by Google

ICIEVE 2017 Publicaciones de IOP

Conferencia de la OIO. Serie: Ciencia e ingeniería de1234567890''“”

materiales 306 (2018) 012129 doi:10.1088/1757-899X/306/1/012129

[11] H Plattner y A Zeier 2012 Gestión de datos en memoria: tecnología y aplicaciones

Medios de comunicación de ciencia y negocios de Springer

[12] M Ivan 2014 Características de la inteligencia empresarial en memoria Inform. economía J. 18 3 17-25
[13] Fakas, J Georgios y C Zhi 2008 Ranking de resúmenes de objetos Ingeniería de datos ICDE'09
IEEE 25ª Conferencia Internacional sobre. IEEE
[14] B Evelson 2010 Olvido lo que hay en la memoria. Forrester para desarrollo y entrega de aplicaciones http://
profesionales [En línea] blogs.forrester.com/boris_evelson/10-03-31-
i_forget_whats_in_memory
[15] S Manegold, P Boncz y M Kersten 2002 Optimización de la combinación de memoria principal en hardware moderno
Trans. IEEE. Saber Ing. de datos 14 4 709-730
[16] A Cardenas, PK Manadhata y SP Rajan 2013 Big Data Analytics for Security IEEE Secur.
priv. 11 6 74-76
[17] LL Briggs 2013 Las bases de datos en memoria prometen resultados más rápidos Tdwi, la principal fuente de inteligencia
empresarial y almacenamiento Datos
[en línea] http://tdwi.org/Articles/2009/10/07/QA--Inmemory-Databases-Promise-
Faster Resultados.aspx?sc_lang=en&Page=1

5
Machine Translated by Google

Reproducido con permiso del propietario de los derechos de autor.

Prohibida la reproducción sin permiso.