پایگاه داده تحلیلی، مخزن داده ای متمرکز، جمع آوری شده از منابع اطلاعاتی مختلف و ناهمگن در یک محدوده وسیع زمانی و برای پشتیبانی از سیستم های تصمیم یار می باشد. پایگاه داده تحلیلی منبع داده ای است که در فرایند تصمیم گیری از طریق پردازش تحلیلی بر خط استفاده می شود. فرایند توسعه یک پایگاه داده تحلیلی با تحلیل پایگاه داده عملیاتی، شناسایی نیازهای تحلیلی و نهایتا طراحی در سه سطح مفهومی، منطقی و فیزیکی انجام می شود. در این مقاله ابتدا مدل های طراحی موجود در سطوح مختلف پایگاه داده تحلیلی بررسی می شود. سپس مدل های سطح منطقی با توجه به خصوصیات مطرح در آن ها مقایسه و تحلیل شده، و نهایتا مدلی بهبودیافته در این سطح، برای فرایند طراحی پایگاه داده تحلیلی، ارائه می شود که ترکیبی از دو مدل ستاره ای و دانه برفی، به صورت دولایه ای است. به منظور مقایسه مدل پیشنهادی با مدل های موجود، از معیار زمان پاسخگویی به پرس وجوها استفاده شده است. آزمایشات نشان می دهد که مدل پیشنهادی منجر به بهبود زمان پاسخ به پرس وجوها می شود. در واقع زمان پاسخ به پرس وجوها در مدل پیشنهادی(دولایه ای) نسبت به مدل ستاره ای بطور متوسط 53/58 درصد و نسبت به مدل دانه برفی بطور متوسط 61/96 درصد بهبود می یابد.

بهره­گیری از فضاهای پیراشهری به عنوان کالاهای استراتژیک و مقرون­به­صرفه جهت توسعۀ خوشه­های نوآوری، شهرها را به سمت تحقق توسعۀ پایدار و اکوسیستم نوآور بر مدار اقتصاد دانش­بنیان رهنمون می­سازد. هدف این پژوهش، شناسایی و استخراج مراحل تکوین و توسعۀ خوشه­های نوآوری جهت کاربست آن در فضاهای پیراشهری است. روش پژوهش حاضر، از لحاظ ماهیت، کیفی، ازنظر هدف، کاربردی-توسعه­ای و از نوع مطالعات ثانویه با رویکرد مرور سیستماتیک ادبیات منطبق بر فرآیند هشت مرحله ای اوکلی(2015) است. جامعۀ آماری شامل مقاله­ها، کتاب­ها و پایان­نامه­های مربوط به خوشه­های نوآوری شهری، ­از سال 2000 تا 2023 است. حجم نمونه شامل 32 منبع می­باشد. بر اساس نتایج پژوهش، بیشترین منابع پژوهش مربوط به سال­های  2018-2023 ( 62 درصد منابع) و پایگاه­های داده­­ای ساینس دایرکت و اشپرینگر است(به ترتیب 28 و 22 درصد منابع). بر اساس نتایج حاصل از تحلیل منابع، 113 کد بر تکامل و توسعۀ خوشه­های نوآوری شهری جهت کاربست آن ها در فضاهای پیراشهری تأثیرگذار هستند که در 26 مقوله مشتمل بر برنامه­ریزی راهبردی، پیش­نیازها، سازمانی، مدیریت، ساختار جمعیت، محیط فرهنگی، خدمات، مدیریت دولت، الزامات فرهنگی، زیرساخت اقتصادی، مالی، ساختار صنعتی، انباشت صنعتی، سطح اقتصادی، نوآوری فناورانه، موقعیت جغرافیایی، ارتباط صنعت-دانشگاه، مقیاس شهر، محیط اکولوژیک، طراحی و محیطی طبقه بندی شده اند. این مقوله ها در هشت کد محوری متشکل از نهادی، اجتماعی- فرهنگی، اقتصادی، انباشت جغرافیایی و فضایی، زیرساخت و غیره طبقه بندی شده اند. مراحل توسعه و تکوین خوشه­های نوآوری شامل مرحله پیش­خوشه و ظهور خوشه، راه­اندازی، فاز رشد خوشۀ پسین، پایداری، زوال و درنهایت سازگاری خوشه­ای، جهش یا فرسودگی است.

در پایگاه داده تحلیلی برای پاسخگویی سریع به پرس و جوهای تحلیلی کاربران، پاسخ تعدادی از پرس و جوها را ذخیره می نمایند. پاسخ پرس و جوهایی که در پایگاه داده تحلیلی ذخیره می شوند، منجر به تولید دیدهای ذخیره شده می گردد. مساله بروز رسانی و نگهداری از دیدها در پایگاه داده تحلیلی زمانی مطرح می گردد که داده ها در منابع داده پایه بوسیله تراکنش های مختلف مورد تغییر قرار گیرند. برای نگهداری از دیدها در پایگاه داده تحلیلی، عبارت های نگهداری دید متفاوتی ارائه شده است. در این مقاله الگوریتمی برای تولید عبارت نگهداری دید بهبود یافته ای ارائه می شود. الگوریتم ارائه شده از دو بخش تشکیل شده است. در بخش اول از الگوریتم پیشنهادی، درختی تشکیل می گردد که در آن تعداد دسترسی به منابع داده ای بزرگ (منابعی با تعداد رکورد و حجم بالا)، کاهش داده می شود. در بخش دوم بر اساس درخت تولید شده در بخش اول و اندازه تغییرات منابع داده(منابع داده پایه و گره های میانی درخت)، عبارت نگهداری دید بهبود یافته ای برای بروز رسانی پایگاه داده تحلیلی ارائه می گردد. نتایج آزمایش ها نشان می دهد که عبارت نگهداری دید ارائه شده، زمان و هزینه نگهداری از پایگاه داده تحلیلی را در مقایسه با روش های ارائه شده قبلی کاهش داده است.

امروزه تصمیم ­ گیری سریع، اهمیت زیادی در محیط کسب و کار دارد. بنابراین مدیران سعی دارند تا از داده­ های موجود در پایگاه داده تحلیلی برای پیش ­ بینی و تصمیم ­ گیری درست استفاده کنند. برای داشتن داده­ های مناسب، باید تغییرات ایجاد شده در منابع، با کم ترین تأخیر در پایگاه داده تحلیلی اعمال شوند. برای رسیدن به این هدف، الگوریتم ­ های متعددی ارایه شده است که از آن جمله به الگوریتم X-HYBRIDJOIN می ­ توان اشاره کرد. در این الگوریتم برای انتخاب پارتیشنی از لوح سخت که در حافظه اصلی بارگزاری می ­ شود از روش مناسبی استفاده نشده است. در این مقاله الگوریتم جدیدی ارائه می ­ شود که در آن تغییراتی در نحوه انتخاب پارتیشن یادشده، ایجاد شده است. بدین صورت که برای هر پارتیشنی از R که بر روی لوح سخت قرار دارد، تعداد رکوردهای موجود از آن پارتیشن در حافظه اصلی، شمارش شده و در آرایه ­ ای ثبت می شود. با استفاده از آرایه به دست آمده، هر بار پارتیشنی را می ­ توان انتخاب کرد که شامل بیشترین رکورد برای پیوست است. برای شمارش تعداد رکوردهای هر پارتیشن، در هنگام ورود جریان داده، بررسی می ­ شود که جریان داده ورودی مربوط به کدام پارتیشن است. نتایج حاصل از اجرای الگوریتم جدید نشان می ­ دهد که زمان پیوست و فضای مصرفی کاهش یافته است.

در سال های اخیر به دلیل استفاده از پایگاه داده تحلیلی موضوع مربوط به حفظ و نگهداری دید ذخیره شده مورد اهمیت است. برای دسترسی سریع به داده ها، پایگاه های داده تحلیلی، داده های لازم را از منابع مختلف جمع آوری کرده و به فرم دید ذخیره شده در خود ذخیره می کنند. این امر باعث سرعت بالای پایگاه داده تحلیلی در پاسخ به پرس و جوها می شود. وقتی داده ها در منابع مختلف تغییر می کنند دیدهای ذخیره شده نیز باید به روز شوند که موضوع نگهداری دید مطرح می شود. در این زمان ارائه الگوریتم هایی به منظور نگهداری دید با هزینه بهینه، مطرح می شود. الگوریتمی که در این مقاله ارائه می شود، ترکیب یک روش ریاضی با الگوریتم فراابتکاری فرهنگی است که باعث کاهش زمان جستجو و بهینه شدن هزینه دسترسی به داده ها در پایگاه داده تحلیلی می شود. الگوریتم فرهنگی از یک فضای باور مناسب استفاده می کند که شامل چندین رابطه نگهداری افزایشی دید است. هر بار که بهترین پاسخ در انتهای هر نسل به دست آید در فضایی به اسم فضای باور ذخیره می شود. آزمایش ها نشان می دهند که الگوریتم فرهنگی در مقایسه با روش های قبلی و الگوریتم باکتریال که روش پیشنهادی قبلی ما به این منظور است نیز از سرعت بالاتری به منظور به روز رسانی دید افزایشی برخوردار است.

دلیل اصلی شکست سیستم های پایگاه داده تحلیلی، عدم تشخیص لزوم ایجاد آنهاست. تحلیل لزوم ایجاد پایگاه داده تحلیلی دارای اهمیت بسیار زیادی است. در این مقاله چارچوبی با نام AUT-QPM برای بررسی لزوم ایجاد پایگاه داده تحلیلی، بر اساس نوع پرس و جوهای مطرح در آن، ارایه می گردد. به این منظور ابتدا انواع پرس و جو دسته بندی شده و سپس بر روی یک پایگاه داده عملیاتی و پایگاه داده تحلیلی متناظر با آن با سایزهای مختلف اعمال می شود. سپس به منظور ارزیابی پرس و جو، پارامترهای مورد بررسی ارایه می گردند که عبارتند از زمان پاسخ پرس و جو و تعداد مراجعات به دیسک. با بررسی این پارامترها به منظور پاسخ گویی به پرس و جو، ملاحظه می شود که در رابطه با پرس و جوهای چندبعدی و مجتمع، وجود پایگاه داده تحلیلی ضروری بوده و در رابطه با پرس و جوهای تو در تو و پیوندی، استفاده از پایگاه داده تحلیلی مفید بوده و برای پرس و جوهای ساده و محاسباتی، استفاده از پایگاه داده عملیاتی مناسب تر است.

پایگاه داده تحلیلی، پشتیبانی از داده های خارجی را که به صورت پویا بعد از ساخت و طراحی پایگاه داده تحلیلی مورد نیاز است مهیا نمی کند. از این رو تحلیل گر برای انجام تحلیل های موثر خود نیازمند پیداکردن همبستگی میان داده های خارجی و پایگاه داده تحلیلی است و در مواقعی نیز نیازمند مقایسه بین هر دو داده پایگاه داده تحلیلی و داده های خارجی با یکدیگر می باشد. همچنین تحلیل گر مجبور است که برای برخی از موقعیت های تکراری کارهای گذشته را تکرار کند که این کارها شامل اصطلاحات، ایجاد معیارها و مقایسه می باشد. برای فارغ شدن از این مسایل در این مقاله تلاش شده که یک معماری تقریبا بی درنگ مبتنی بر هستان شناسی پیشنهاد شود. علاوه بر این الگوریتمی نیز جهت کاهش زمان پاسخ دهی به پرس و جوهای تحلیلی کاربران با استفاده از دیدهای ذخیره شده و پردازش موازی پیشنهاد می شود. نمونه های مطالعاتی به منظور نشان دادن نحوه ایجاد همبستگی میان داده های خارجی با داده پایگاه داده تحلیلی صورت گرفت و نتایج به دست آمده کشف همبستگی میان داده های خارجی و داده پایگاه داده تحلیلی را نشان می دهد. در آزمایش ها استفاده از دیدهای ذخیره شده در دو رویکرد مستقیم و والد در پایگاه داده تحلیلی معماری موجود، باعث کاهش زمان پاسخ دهی به پرس و جوهای ترتیبی، مقایسه ای و ترکیبی موازی کاربران می شود.

پایگاه داده تحلیلی و پردازش تحلیلی برخط، از اجزا اصلی سیستم های تصمیم یار به شمار می روند که به طور روزافزون در مباحث مرتبط با پایگاه های داده مورد توجه قرار گرفته اند. سیستم های تصمیم یار نسبت به سیستم های پردازش تراکنش برخط، نیازمندی های متفاوتی دارند. در این سیستم ها بهینه سازی پرس وجوها و پردازش کارای مکعب های داده ای، در ساختار پایگاه داده تحلیلی نقش اساسی در عملکرد سیستم ایفا می کند.در این مقاله با به کارگیری تکنیک های محاسبه از پایین به بالای عناصر شبکه جستجو، روش کارایی برای پردازش پرس و جو در پایگاه داده تحلیلی و انجام محاسبات مکعب داده ارایه شده است. بررسی نتایج به دست آمده بر مبنای پارامترهای ارزیابی حکایت از آن دارد که الگوریتم ارایه شده در این مقاله نسبت به بهترین الگوریتم هایی که پیش از آن ارایه شده اند، عملکرد بهتری (بر اساس معیار زمان اجرا) از خود نشان می دهد و سرعت آن در اجرای پرس و جوهای یکنوا و با حجم داده های بسیار زیاد، به مراتب بهتر از الگوریتم های پیش از آن است. ضمن اینکه با توجه به نگاه دوبعدی ایجادشده توسط این الگوریتم به مساله مکعب و تبدیل مکعب به ساختار ابرگراف، میزان حافظه مورد نیاز این الگوریتم در مواردی که مجموع سازی بر روی زیرمجموعه ای از ابعاد مکعب صورت پذیرد، کمتر از حافظه مصرف شده توسط الگوریتم های پیش از آن است.