La trasformazione digitale ha portato le aziende ad essere sempre più data-driven, orientando i loro processi e le loro decisioni nella prospettiva delle operazioni e delle analisi di quantità e varietà di dati sempre più importanti. È infatti ormai decisamente complesso trovare un ambito di business la cui attività non dipenda dal dover continuamente trattare e gestire dati digitali provenienti da varie fonti e conservati in sistemi di gestione quali database, data lake, data warehouse e molti altri. 

Se i dati costituiscono la materia prima, il valore grezzo e la principale fonte di ricchezza delle aziende digitali, un business di successo deve saper estrarre dai dati stessi il maggior potenziale informativo possibile. L’attenzione si sposta pertanto sull’elaborazione dei dati, il data processing, disciplina che dispone di specifici sistemi come OLAP (online analytical processing) e OLTP (online transaction processing). 

Le funzionalità e le differenze tra OLAP e OLPT sono facilmente intuibili dalla descrizione dei rispettivi acronimi, che vedono i primi orientati all’analisi per la produzione di insight e i secondi pensati nello specifico per affrontare a livello operativo le transazioni di dati. 

Cerchiamo di capire nel dettaglio cosa sono OLAP e OLTP e quali sono i criteri secondo cui è oggi possibile valutare la loro implementazione in ambito aziendale. 

OLAP 

OLAP è l’acronimo di online analytical processing, che potremmo localizzare come elaborazione di analisi online. Si tratta di un data processing system la cui finalità è quella di effettuare analisi multidimensionali su grandi quantità di dati a velocità molto elevata, per restituire insight utili ad informare e rendere più consapevoli le decisioni aziendali. 

In altri termini, l’OLAP è uno strumento di business analytics che si colloca operativamente tra il sistema di gestione dei dati (es. data warehouse) e i software di data visualization, che hanno il compito di rendere disponibili agli stakeholder gli insight con le informazioni elaborate a partire dai dati grezzi. Tra le figure coinvolte ritroviamo quindi i C-Level, i decisori su vari livelli nell’organizzazione e i data analyst. 

La capacità di supportare le decisioni aziendali fa si che gli OLAP vengano inoltre utilizzati per analizzare in tempo reale un’ampia varietà di andamenti, in modo da capire se gli obiettivi prefissati sono o meno in via di raggiungimento, orientando in maniera consapevole le scelte in chiave futura. 

I sistemi OLAP vengono utilizzati per il data mining e la realizzazione di analisi anche molto complesse, come quelle richieste nell’ambito della finanza, della definizione del budget e delle previsioni di vendita, a prescindere dal settore di applicazione. 

OLTP 

OLTP è l’acronimo di online transaction processing, traducibile come elaborazione di transazioni online. Si tratta di applicativi pensati nello specifico per supportare le transazioni finanziarie, i CRM, gli ERP e molte operazioni verticali, tra cui quelle legate al retail, in particolare per quanto concerne le procedure di marketing e vendita. Gli OLTP sono inoltre particolarmente diffusi nell’ambito della transazione non finanziaria, come le operazioni di cambio password dei sistemi di autenticazione online. 

Nel contesto di una transazione, i sistemi OLTP si occupano nello specifico di ciò che gli esperti di linguaggio SQL conoscono come: “insert, update, delete”, ossia di registrare l’inserimento, l’aggiornamento e l’eliminazione dei dati, con una logica snella e decisamente moderna nella sua concezione tecnologica. 

OLTP è pertanto un processo finalizzato a garantire la corretta operatività delle transazioni e vede quali principali stakeholder l’IT manager e gli specialisti dei database. 

Gli OLTP utilizzano database relazionali, accomunati almeno dalle seguenti caratteristiche: 

  • Operatività 24/7 con tier di disponibilità molto elevati per garantire l’assenza di downtime 
  • Supporto ai backup incrementali 
  • Elaborazione di grandi numeriche di transazioni semplici come inserimento, aggiornamento ed eliminazione dei dati 
  • Integrità dei dati per garantire il loro accesso a molti utenti simultaneamente 
  • Operatività in tempo reale, supportata da operazioni rapide, eseguite nell’ordine dei millisecondi 
  • Indicizzazione dei dati a disposizione di ricerche e query effettuate dai sistemi di analisi e altri strumenti IT 

Le differenze 

OLAP è un sistema di data processing utilizzato per collezionare e analizzare dati, mentre OLTP è un sistema di data processing che ha come obiettivo quello di gestire a livello operativo le transazioni online. 

Sulla base di queste semplici definizioni, è possibile identificare le principali differenze che intercorrono tra queste due tecnologie, a cominciare dalle operazioni. OLAP è predisposto ad effettuare transazioni lunghe, complesse e meno frequenti (near real time) rispetto ad OLTP, che si basa su presupposti operativi diametralmente opposti, con una spiccata attenzione verso l’elaborazione in tempo reale (real time). 

Dal punto di vista dell’elaborazione, OLAP è molto più lento rispetto ad OLTP, ma richiede uno storage in grado di ospitare una grande quantità di dati. OLTP, operando sulle transazioni in tempo reale, deve essere invece estremamente veloce, con carichi di lavoro che consistono in operazioni di lettura e scrittura via SQL, nella maniera più semplice possibile. 

OLAP predilige una tipologia di dati fortemente aggregati, mentre OLTP, lavorando direttamente sulle transazioni in corso, è pensato per elaborare dati di natura disaggregata. 

A livello tecnologico, un database OLAP gode di uno schema multidimensionale in grado di supportare query complesse di dati correnti e dati storici. Differenti database OLTP possono essere infatti aggregati come dati per le analisi effettuate dai sistemi OLAP, ad esempio grazie ad un data warehouse. 

Le differenze tra i due sistemi di elaborazioni dei dati emergono anche dal loro contesto applicativo. 

OLAP è utilizzato dai data scientist e dagli a specialisti della business analytics per effettuare analisi e ricerche approfondite sui dati derivanti dal business, mentre OLTP, essendo orientato ad elaborare le transazioni, viene utilizzato per supportare vari front-end in ambito retail, nei sistemi ATM, nell’online banking, nell’e-commerce e per la logistica, ad esempio nei sistemi di prenotazione online. 

Quale scegliere 

La risposta a questa domanda non può che essere: perché dover scegliere? OLAP e OLTP sono sistemi di elaborazione dei dati tra loro estremamente differenti sia a livello funzionale che a livello operativo, ai fini di soddisfare esigenze tra loro profondamente distinte. 

Come già precisato, un OLTP può predisporre la base di dati di cui un OLAP necessita per svolgere le proprie analisi, creando una continuità digitale lungo l’intero processo, che può ad esempio spaziare dalla singola transazione all’analisi dei dati di vendita in tempo reale, utile a migliorare l’efficienza dell’intero ciclo di processi che spazia dal concept alla commercializzazione di un prodotto. Tutto ciò è possibile grazie alle decisioni più informate che gli stakeholder possono regolarmente effettuare attraverso gli insight generati da un OLAP. 

ARGOMENTI CORRELATI
Categoria: ANALYTICS
ETL Extract Transform Load - Immagine grafica con le lettere ETL al centro per richiamare l'attenzione sull'architettura che consente Extract - Transform - Load dei dati

ETL, il significato di Extract, Transform, Load: cos’è e a cosa serve

I dati vengono ormai generati con un flusso incessante, in ogni singolo istante, da miliardi di dispositivi interconnessi in tutto… Leggi tutto

Data Monetization: cos'è e come si implementa in azienda. Immagine che raffigura una donna seduta con dei grafici crescenti in mano ad indicare il valore ottenibile con la data monetization.

Cos’è la data monetization e come si implementa in azienda

Lo scopo di tutte le attività che vengono pianificate ed effettuate all’interno di qualunque azienda è quello di creare profitto.… Leggi tutto

Cos'è il Data Mesh e quali vantaggi porta alle aziende. Immagine che raffigura persone attorno ad una scrivania che collaborano alla creazione del puzzle comune aziendale

Data Mesh: un nuovo approccio architetturale 

Nell’epoca dei Big Data ci troviamo quotidianamente ad affiancare le aziende nella definizione di strategie data driven e ad aiutarle… Leggi tutto