Документација — OLAP

---

Преглед на архитектурата

Напредната тема го проширува постоечкиот OLTP модел (Hotel, Room, Reservation, Customer, Pet, Payment, итн.) со посебен OLAP слој во форма на ѕвезда шема (star schema): табели за димензиите во однос на три факт-табели, кои се користат за аналитички прашања (ROLLUP, CUBE, drill-down, window функции, pivoting, slicing).

Причина за постоење на овој слој одделно од OLTP делот: OLTP шемата е оптимизирана за брзи, точни, секојдневни трансакциски прашања (пр. „резервациите на клиент X"). За разлика од OLTP, OLAP слојот е оптимизиран за тешки, аналитички прашања врз милиони редови (пр. „приход по хотел, по квартал, по вид миленче").

Редослед на создавање на OLAP

1. Dimensions.sql        → димензии
2. FactReservation.sql   → факт табела: резервации
3. FactOrderProduct.sql  → факт табела: продажба на производи
4. FactServiceUsage.sql  → факт табела: користење услуги
5. OLAP_Queries.sql      → аналитички прашања

---

Dimensions.sql — Табели со димензии

Цел

Ги гради табелите со димензии — податоци кои подоцна се користат за филтрирање и групирање во факт-табелите. Ова е стандарден чекор при градење на OLAP/dimensional модел врз постоечка OLTP база.

Содржина

Табела	Тип	Опис
DimDate	Type 1	Датумска димензија, за периодот 2015–2027. date_key е во формат YYYYMMDD и служи и како partition key во факт-табелите. Содржи изведени атрибути: ден, месец, квартал, година, сезона, викенд.
DimHotel	Type 1	Хотели, преземени директно од Hotel.
DimRoomType	Type 1	Типови соби.
DimSpecies, DimBreed	Type 1	Видови и раси на миленчиња.
DimService	Type 1	Услуги, со додадена изведена колона price_category (Budget, Standard, Premium).
DimProduct	Type 1	Производи, со изведена price_range (Low, Mid, High).
DimRoom	Type 2	Соби — цената и типот можат да се менуваат со тек на време.
DimPet	Type 2	Миленчиња. Содржи изведена колона age_group.
DimCustomer	Type 2	Клиенти — адреса/локација. Содржи изведена колона customer_segment (New, Regular, VIP).
DimEmployee	Type 2	Вработени.

• Type 1 — нема чување историја.
• Type 2 — табелите имаат valid_from, valid_to, is_current колони, наменети за чување историја на промени.

---

FactReservation.sql — Факт табела за резервации

Цел

Централна и најголема факт-табела — по еден ред за секоја резервација, со мерки (total_cost, nights_stayed, num_services, has_delivery) и референци кон сите релевантни димензии.

Партиционирање

Табелата е партиционирана според датум, со по една партиција за секоја година (2015–2027). Ова значи дека прашање филтрирано по конкретна година (пр. WHERE d.year = 2022) чита само од таа партиција, наместо да скенира сè.

---

FactOrderProduct.sql — Факт табела за продажба на производи

Цел

По еден ред за секој производ во секоја нарачка (mapping на OrderProduct), со мерки за количина, единечна цена, вкупна цена, статус на нарачка и статус на достава.

Партиционирање и индекси

Табелата е партиционирана според датум (година).

---

FactServiceUsage.sql — Факт табела за услуги

Цел

По еден ред за секое закажување услуга, со мерки за цена, времетраење и статус.

Партиционирање и индекси

Табелата е партиционирана според датум (година).

---

OLAP_Queries.sql — Аналитички прашања

Цел

Прашања кои ги демонстрираат стандардните OLAP операции и техники: ROLLUP, CUBE, drill-down, window функции, pivoting и slicing.

1. Приходи — ROLLUP по хотел, година, квартал

Хиерархиско групирање: GROUP BY ROLLUP(h.hotel_name, d.year, d.quarter) генерира детален ред за секоја комбинација, плус меѓусуми на секое повисоко ниво (по хотел+година, по хотел, вкупно).

2. Occupancy Rate по хотел и сезона — CUBE

GROUP BY CUBE(h.hotel_name, d.season) генерира сите можни комбинации на групирање, бидејќи хотел и сезона се независни димензии без природна хиерархија меѓу нив.

3. Drill Down — Наоѓање каде паѓа приходот

Постепено навлегување од општо кон конкретно:

1. Открива година со нисок приход (годишните тотали се споредуваат меѓу себе преку self-join — секоја година е споена со редот за претходната година, наместо со LAG()).
2. По хотел, во таа година — открива хотел со низок приход.
3. По вид миленче, во тој хотел/година — открива вид кој придонел за приходот.
4. По месец, за тој вид/хотел/година — крајно ниво на детали.

Секој чекор го стеснува опсегот со WHERE, врз основа на она што е откриено во претходниот чекор.

4. Топ услуги по приход — Window Functions

Рангира услуги одделно во секој хотел. Вгнездена агрегација пресметува процент од вкупниот приход на хотелот.

5. Customer Lifetime Value — највредни клиенти

Два одделни ранга во исто прашање: глобален и по сегмент (партиција).

6. Продажба на производи — CUBE по категорија, хотел и ценовен опсег

CUBE(dp.category_name, h.hotel_name, dp.price_range) со три независни димензии генерира 8 можни комбинации на групирање — сите комбинации од: категорија, хотел и ценовен опсег.

7. Pivoting — типови соби како колони

Ги претвора вредностите на димензијата room_type во посебни колони (наместо редови), со цел приходот по секој тип соба да се спореди во еден ред по хотел. Реализирано преку условна агрегација (SUM(CASE WHEN ... THEN ... END)), бидејќи Postgres нема вградена PIVOT синтакса.

8. Slicing — фиксирање вредности на димензии

Slicing значи фиксирање на вредноста на една димензија. Во аналитичките прашања се фиксира вредноста на хотелот - hotel_name = 'Fur Haven' и се прави преглед на преостанатите димензии. Во аналитичките прашања се прави и dicing (се фиксираат вредности на повеќе димензии истовремено): хотел + сезона + вид миленче.