Першим продуктом, що виконував OLAP-запити, був Express (компанія IRI). Інші відомі OLAP-продукти включають Microsoft Analysis Services, DB2 OLAP Server від IBM, SAP BW, продукти Brio, BusinessObjects, Cognos, MicroStrategy та інші виробники.
Найцікавіші та складніші можливості аналізу даних полягають у прогнозуванні і виявленні тенденцій. Подібні розрахунки базуються на побудові функції екстраполяції на основі часових рядів даних. Прогнозування завжди суттєво залежить від особливостей ПрО, тому універсальних алгоритмів екстраполяції не існує.
Інша цікава можливість OLAP-систем полягає у визначенні початкових умов щодо заданих бажаних результатів.
Основні постачальники на ринку OLAP, такі як Oracle Corporation, Arbor Software і Seagate Software, у своїх продуктах надають можливість використовувати будь-який з трьох варіантів реалізації OLAP-систем.
При створенні аналітичної системи необхідно розуміти, що її продуктивність визначається правильно вибраною архітектурою системи для певного класу задач і заданого обсягу даних. Саме тому найгнучкішою вважається реалізація в гібридній архітектурі, де розробник може використовувати відпрацьовані механізми, що надаються реляційними базами даних, такими як оптимізація виконання з'єднань таблиць і матеріалізовані подання (materialized views), у поєднанні з пов-ноіндексною структурою багатовимірних баз даних, що дає змогу здійснювати миттєві вибірки за кубами даних.
У стратегічні плани розвитку OLAP-систем деяких виробників, наприклад, Oracle, входить подальша інтеграція багатовимірного і реляційного серверів і повне їх злиття. Подібна тенденція спостерігається і стосовно систем здобуття знань. Microsoft, Oracle та інші виробники вбудовують функціональність систем Data Mining в ядро СУБД і забезпечують її підтримку на рівні мови маніпулювання даними.
Корпоративні ВІ-набори інтегруються в набори інструментів генерації запитів, звітів і OLAP. Продукти ВІ-наборів мають допомагати адміністраторам підчас впровадження йуправління ВІ без залучення нових ресурсів. Завдяки спорідненості Web і корпоративних ВІ-наборів деякі постачальники описують їх як ВІ-портали. Ці портальні пропозиції забезпечують підмножину можливостей EBIS за допомогою Web-браузера.
ВІ платформи пропонують набори інструментів для створення, впровадження, підтримки і супроводу ВІ-застосунків.
У застосунках бізнес-інтелекту вбудовані ВІ-інструменти (OLAP, генератори запитів і звітів, засоби моделювання, статистичного аналізу, візуалізації і data mining).
ВІ-застосунки орієнтовані на конкретну функцію організації або задачі: фінансове бюджетування, прогнозування, аналіз ризиків, аналіз тенденцій тощо. Вони можуть застосовуватися в упра в лінні ефективністю підприємства (en ter pr і se per f от а псе management) або системи збалансованих показників (balanced scorecard).
Архітектура Business Intelligence визначає компоненти доставки ВІ-інформації і компоненти ВІ-технології. Після визначення профілів використання ВІ-інформації може бути спроектована архітектура доставки інформації, заснована на цих профілях і на необхідному типі впровадження. Це може бути певний набір клієнтів з мережевим підключенням, клієнтів і серверів, "тонких" клієнтів на основі Web та інших засто-сунків. Архітектура доставки інформації визначає призначені для користувача інтерфейси, які часто є порталами з можливістю персоналізації.
Архітектура ВІ-технології визначає інфраструктуру і компоненти, необхідні для підтримки впровадження, експлуатації та адміністрування ВІ-інструментів і застосунків, а також зв'язки цих компонентів. Потужна архітектура ВІ-технології складається з двох рівнів: інфраструктури і прикладних сервісів.
Інфраструктурний рівень включає інформаційні ресурси, адміністрування і мережу. На цьому рівні дані збираються, інтегруються і стають доступними. Сховище даних є одним із можливих компонентів інфраструктурного рівня. Прикладні сервіси включають усі ВІ-сервіси, наприклад, механізми запитів, аналізу, генерації звітів та візуалізації, а також засоби безпеки і метадані.
Web-доступ до ВІ (як до статичного, так і динамічного кон-тенту) дає змогу забезпечити уніфікований інформаційний простір і колективну розподілену роботу всіх учасників бізнес-процесу. Технології J2EE, .NET, що застосовуються розробниками ВІ, роблять ВІ-інструменти відкритими компонентами з дружніми інтерфейсами і доступними у всіх типах мереж, що підвищує інтеграцію інформаційно-аналітичної системи та її інтероперабельність.
Концепція єдиного централізованого сховища даних дає змогу забезпечити аналітичну систему якісними даними. Ці питання вирішуються на інфраструктурному рівні шляхом створення корпоративного сховища даних і централізованого управління метаданими.
Рівень розвитку сучасних аналітичних систем допомагає вигідно використовувати накопичені дані і визначати оптимальну стратегію розвитку бізнесу. OLAP-системи надають можливість аналітику перевірити гіпотези при аналізі даних. Проте приховані знання можуть міститися в інформаційних масивах. Саме застосуванням спеціальних методів автоматичного аналізу здобуття знань присвячено напрямок досліджень - інтелектуальний аналіз даних.
Інтелектуальний аналіз даних використовує спеціалізовані алгоритми, що встановлюють співвідношення інформації і допомагають розпізнати важливі (невідомі) тенденції, вільні від упередженої думки і припущень користувача.
Задача класифікації і регресії
Задача пошуку асоціативних правил
Задача кластеризації
Моделі Data Mining
Статистичні методи Data Mining
Кібернетичні методи Data Mining
Інтелектуальні технології Text Mining
8.5. Агентно орієнтовані системи на підприємствах
Формування динамічних бізнес-процесів у глобальній мережі Internet