Comment s'inscrivent les outils d'analyse OLAP au sein d'une architecture décisionnelle ?
Les applications OLAP sont intimement associées aux entrepôts de données - c'est-à-dire les bases qui, au sein d'une plate-forme de business intelligence, se chargent de consolider (par le biais d'outils d'intégration de données notamment) l'ensemble des informations métier d'une activité, en vue d'en permettre ensuite l'analyse. En fait, un datawarehouse se résume en une architecture trois tiers :

- Une base relationnelle qui stocke et structure les contenus,
- La couche d'analyse OLAP en tant que telle (ou serveur OLAP),
- Les interfaces client de reporting.

Au sein d'une solution de business intelligence, OLAP fait donc figure de logique applicative, couche prenant en charge requêtes et traitement métier.

> Les requêtes SQL ne pourraient-elles pas prétendre remplacer OLAP ?
Non. A l'origine, les premiers outils décisionnels ont cherché à exploiter les possibilités de requêtage des bases relationnelles. Cependant, cette voie a très vite montré ses limites. En effet, les infocentres traditionnels (OLTP - OnLine Transactional Processing - à 2 dimensions) ne se prêtent guère aux requêtes croisées ou multidimensionnelles. C'est pour répondre à cette problématique que E.F. Codd élabore la méthode OLAP.

> Quels sont les avantages d'une telle application...
Le principal point fort d'un dispositif OLAP résiderait dans la grande souplesse de son mode de requêtage. En fonction des données dont il dispose dans la base sous-jacente, un utilisateur peut commencer par générer une représentation d'un chiffre d'affaires par produit ou par région puis lui préférer une vue par région et par produit. L'opération ne nécessitera que quelques clics. Avec une base multidimensionnelle, il lui suffit en effet de faire pivoter le cube sans pour autant régénérer une requête.

> ... Et ses inconvénients et la manière d'y faire face ?
Parce qu'elle se doit de pouvoir faire face à l'ensemble des besoins d'interrogation actuels et futurs d'une activité, une couche OLAP est trop souvent construite autour d'un nombre exhaustif de dimensions. Une réalité qui se traduit par une application volumineuse et des temps de réponses souvent longs pour l'utilisateur final - et ceci même si certains résultats de calcul sont stockés en cache.

A la différence de cette stratégie, il est préférable d'adopter une démarche de réflexion descendante en vue de sélectionner avec le plus de précisions possible les éléments de la base.

Quels sont les différents types de modèles OLAP ?
Depuis 1993, OLAP a donné lieu à plusieurs déclinaison :

- MOLAP (pour Multidimensional OLAP) désigne les applicatifs multidimensionnels découlant directement du concept initial (voir plus haut).
- ROLAP (Relational OLAP) renvoie à une base relationnelle classique structurée pour réagir à la manière d'une base OLAP. Critiquée pour sa faible performance, elle serait néanmoins mieux adaptée à de grandes quantités de données.
- HOLAP (Hybride OLAP) repose sur des bases ROLAP, et MOLAP, cette dernière prenant en charge les contenus les plus souvent recherchés.
- DOLAP (Desktop OLAP) est un module OLAP directement installé sur le poste client. Très rapide, il demeure cependant limité en taille.

A quels domaines s'applique OLAP ?
Ressources humaines, ventes, opérations, etc. D'abord utilisés sur les terrains de la finance et du marketing, les produits décisionnels incluant des fonctions OLAP se sont immiscés depuis quelques années dans l'ensemble des départements de l'entreprise, tous secteurs confondus.

Commentant ce point, certains analystes affirment que la généralisation des outils de reporting est en grande partie à mettre au crédit de cette nouvelle catégorie de plates-formes d'analyse. Des outils qui, grâce à leur mode de calcul, se caractériseraient par une grande simplicité de paramétrage et une puissance d'analyse élevée. Sans compter une capacité de décomposition hiérarchique des données qui s'adaperait parfaitement au suivi des projets et de l'organisation d'une entreprise.