Зовнішня реклама являється одним із найефективніших рекламних носіїв. Це інформація з якою людина стикається кожного дня. З кожним роком кількість носіїв реклами збільшується, з’являються нові типи з індивідуальним розрахунком різних критеріїв, даних стає все більше і для їх обробки потрібно чимало часу використовуючи звичайні методи обробки та налізу. Трапляються проблеми з обробкою, інформація виявляється застарілою або суперечить фактичній інформації, отриманої з інших джерел.

В Україні обробкою даних зовнішньої реклами займається «DOORS consulting», маючи у своєму розпорядженні «Outdoor Analytic» (версія 3.1.). Це головна програма на ринку зовнішньої реклами, яка використовується при стратегічному та тактичному плануванні рекламних кампаній, для визначення обсягу і потенціалу ринку, моніторингу та аналізу ефективності проведених кампаній, а також для складання різноманітних звітів.

Компанія «DOORS consulting» створена в жовтні 2004 р Систематичні дослідження ефективності зовнішньої реклами проводяться з 2006 р А з 2009 р, спільно з компанією «Комунікаційний альянс України», проводиться моніторинг носіїв зовнішньої реклами.[2]

Проаналізувавши роботу програми було виявлено повільну роботу при обробці даних за великий проміжок часу. Джерела даних розташовані локально у кожного клієнта, що спричиняє виникненню невідповідності даних. Дані неструктуровані, що взагалі являється нонсенсом. Співробітники компанії завжди находять помилки та невідповідності у звітах, це спричиняє проведенню додаткового аналізу даних, на що відповідно витрачається багато часу.

Саме тому продукти потребують переносу на актуальну платформу, що розвивається і яка зможе їм надавати новітні засоби для розробки та підтримки. Локальні дані клієнтів з якими вони працюють необхідно вилучити та орієнтувати роботу програмних продуктів на джерела даних, що будуть розташовані на віддаленому сервері «DOORS consulting». Це забезпечить точність та цілісність даних.

Дані стосовно зовнішньої реклами містяться у різних джерела, тому доцільним буде використання OLAP технологій, для обробки великих масивів даних, та побудови кубів для проведення аналітики.

Онлайн аналітична обробка (OLAP) - це технологія, яка організовує великі бізнес-бази даних і підтримує комплексний аналіз. Він може бути використаний для виконання складних аналітичних запитів без негативного впливу на транзакційні системи.[1]

За допомогою систем побудованих на основі OLAP-технологій, що в свою чергу і буде основним завданням розробки інформаційної технології інтелектуального аналізу даних, неточність даних зведеться до мінімуму а швидкість обробки та побудови звітів займатиме близько 0,1% від аналогічних запитів до реляційної БД.

На рисунку 1 зображена структура вхідних ти вихідних даних сховища.

Рис. 1. Структура вхідних та вихідних даних сховища

Ручне введення даних – це дані отримані в результаті опису тих чи інших носіїв на основі моніторингу в реальному часі.

Різнорідний тип документів – набір даних, що має сталу структуру та вміст затверджений спеціальними органами.

Імпорт з інших системи – реляційні бази даних з набором та описом по зовнішній рекламі.

Сховище даних – побудоване на основі вхідних даних, забезпечує інтелектуальний аналіз даних.

За допомогою сховища даних проводитиметься аналітика, побудова звітів, моніторинг та експорт в інші системи.

На даному етапі розробляється структурована база даних та програмні продукти для роботи з нею. Наступний етап полягає в тому щоб перенести усі дані в структуровану систему ти побудова сховища даних на основі OLAP-технологій.

Висновки.

Перенесення неструктурованих джерел даних у структуровані та глобалізація локальних даних забезпечить цілісність та коректність вихідної інформації.

Вихід на сучасний рівень обробки інформації з використанням новітніх OLAP-технологій, для обробки великих масивів даних, та побудови кубів для проведення аналітики.

Заявлений час обробки запитів в OLAP становитиме близько 0,1% від аналогічних запитів до реляційної БД.

Вихід на новий рівень оброки даних у сфері моніторингу зовнішньої реклами.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Online analytical processing (OLAP) [https://docs.microsoft.com/en-us/azure/architecture/data-guide/relational-data/online-analytical-processing] — 2018.

2. DOORS Consulting [http://www.doors-c.com.ua/] – 2019.