የውሂብ ማከማቻ እና የድርጅት ግብዓት እቅድ | DWH እና ERP

አርችቲቭ መረጃ መሃል፡ ታሪክ ኢ.ዲ ኢቮሉሽን

በ90ዎቹ ውስጥ የኮርፖሬት ቴክኖሎጂ ሁለቱ ዋና መሪ ሃሳቦች እኔ ናቸው። የውሂብ መጋዘን እና ኢአርፒ. ለረጅም ጊዜ እነዚህ ሁለት ኃይለኛ ጅረቶች መገናኛ ሳይኖራቸው የኮርፖሬት IT አካል ናቸው። እነሱ ቁስ አካል እና ፀረ-ቁስ ናቸው ማለት ይቻላል. ነገር ግን የሁለቱም ክስተቶች እድገታቸው ወደ መስቀለኛ መንገድ መሄዱ የማይቀር ነው። ዛሬ ኩባንያዎች ከኢአርፒ እና ጋር ምን ማድረግ እንዳለባቸው ችግር እያጋጠማቸው ነው። የውሂብ መጋዘን. ይህ ጽሑፍ ችግሮቹ ምን እንደሆኑ እና በኩባንያዎች እንዴት እንደሚፈቱ ያብራራል.

በ ... መጀመሪያ…

መጀመሪያ ላይ እ.ኤ.አ. የውሂብ መጋዘን. የመረጃ ማከማቻ የግብይቱን ሂደት አፕሊኬሽን ሲስተም ለመቃወም ተወለደ። በመጀመሪያዎቹ ቀናት የማስታወስ ችሎታ dati ለግብይት ማቀናበሪያ ማመልከቻዎች ብቻ ተቃራኒ ነጥብ እንዲሆን ታስቦ ነበር። ግን በአሁኑ ጊዜ በጣም የተራቀቁ እይታዎች አሉ ምን ሀ የውሂብ መጋዘን. በዛሬው ዓለም ውስጥ እ.ኤ.አ. የውሂብ መጋዘን የኮርፖሬት መረጃ ፋብሪካ ተብሎ ሊጠራ በሚችል መዋቅር ውስጥ ገብቷል.

የኮርፖሬሽኑ መረጃ ፋብሪካ (ሲአይኤፍ)

የኮርፖሬት ኢንፎርሜሽን ፋብሪካ ደረጃውን የጠበቀ የስነ-ህንፃ አካላት አሉት፡ iን የሚያዋህድ የኮድ ውህደት እና ትራንስፎርሜሽን ንብርብር dati እኔ እያለ dati ከመተግበሪያው አካባቢ ወደ አካባቢው ይንቀሳቀሳሉ የውሂብ መጋዘን የኩባንያው; ሀ የውሂብ መጋዘን የኩባንያው እኔ dati ዝርዝር እና የተቀናጁ ታሪኮች. ዘ የውሂብ መጋዘን የኢንተርፕራይዙ ሁሉም ሌሎች የአከባቢው ክፍሎች ሊገነቡ የሚችሉበት መሰረት ሆኖ ያገለግላል የውሂብ መጋዘን; የሚሰራ የውሂብ ማከማቻ (ኦዲኤስ)። ODS የአንዳንድ ገጽታዎችን የያዘ ድብልቅ መዋቅር ነው። የውሂብ መጋዘን እና ሌሎች የ OLTP አካባቢ ገጽታዎች; የተለያዩ ዲፓርትመንቶች የራሳቸው ስሪት ሊኖራቸው በሚችልበት የውሂብ ማርቶች የውሂብ መጋዘን; ሀ የውሂብ መጋዘን የኩባንያው አሳቢዎች የ72-ሰዓት መጠይቆቻቸውን ያለምንም ጎጂ ውጤት ማቅረብ የሚችሉበት አሰሳ የውሂብ መጋዘን; እና የቅርቡ መስመር ማህደረ ትውስታ, በውስጡ dati ያረጀ እና dati የጅምላ ዝርዝሮች በርካሽ ላይ ሊቀመጡ ይችላሉ.

ኢአርፒ ከነሱ ጋር የሚጣመርበት ቦታ የድርጅት መረጃ ፋብሪካ

ኢአርፒ ከኮርፖሬት መረጃ ፋብሪካ ጋር በሁለት ቦታዎች ይዋሃዳል። በዋነኛነት i የሚያቀርበው እንደ መነሻ መተግበሪያ ነው። dati የማመልከቻው ለ የውሂብ መጋዘን. በዚህ ጉዳይ ላይ i dati, እንደ የግብይት ሂደት ተረፈ ምርት, የተዋሃዱ እና የተጫኑ ናቸው የውሂብ መጋዘን የኩባንያው. በ ERP እና CIF መካከል ያለው ሁለተኛው አገናኝ ODS ነው. በእርግጥ፣ በብዙ አካባቢዎች ኢአርፒ እንደ ክላሲክ ኦዲኤስ ጥቅም ላይ ይውላል።

ኢአርፒ እንደ መሰረታዊ አፕሊኬሽን ጥቅም ላይ ከዋለ፣ ተመሳሳዩን ኢአርፒ በ CIF ውስጥ እንደ ODS መጠቀምም ይቻላል። በማንኛውም ሁኔታ ERP በሁለቱም ሚናዎች ውስጥ ጥቅም ላይ የሚውል ከሆነ በሁለቱ አካላት መካከል ግልጽ የሆነ ልዩነት ሊኖር ይገባል. በሌላ አነጋገር፣ ኢአርፒ የመሠረታዊ አተገባበር እና ኦዲኤስ ሚና ሲጫወት፣ ሁለቱ የሕንፃ አካላት መለየት አለባቸው። አንድ የኢአርፒ ትግበራ ሁለቱንም ሚናዎች በአንድ ጊዜ ለመወጣት ከሞከረ በዚህ መዋቅር ዲዛይን እና አተገባበር ላይ ችግሮች መኖራቸው የማይቀር ነው።

መለየት ኦዴስ እና መሰረታዊ ማመሌከቻዎች

የስነ-ህንፃ ክፍሎችን ወደ መከፋፈል የሚያመሩ ብዙ ምክንያቶች አሉ. ምናልባትም የሕንፃውን የተለያዩ ክፍሎች ለመለየት በጣም አስፈላጊው ነጥብ እያንዳንዱ የሕንፃው አካል የራሱ እይታ አለው ። የመነሻ መስመር ማመልከቻው ከኦ.ዲ.ኤስ የተለየ ዓላማ አለው። መደራረብ ይሞክሩ

በ ODS ዓለም ላይ የመነሻ መተግበሪያ እይታ ወይም በተቃራኒው ለመስራት ፍትሃዊ መንገድ አይደለም።

ስለዚህ፣ በCIF ውስጥ ያለው የኢአርፒ የመጀመሪያው ችግር በመሠረታዊ አፕሊኬሽኖች እና በኦዲኤስ መካከል ልዩነት መኖሩን ማረጋገጥ ነው።

የኮርፖሬሽኑ ውስጥ የውሂብ ሞዴሎች የመረጃ ፋብሪካ

በሲአይኤፍ አርክቴክቸር የተለያዩ ክፍሎች መካከል ያለውን ትስስር ለማሳካት ሞዴል መኖር አለበት። dati. ሞዴሎች የ dati እንደ መሰረታዊ አፕሊኬሽኖች እና ኦዲኤስ ባሉ የተለያዩ የሕንፃው ክፍሎች መካከል እንደ አገናኝ ሆነው ያገለግላሉ። ሞዴሎች የ dati ከተለያዩ የ CIF የሕንፃ ክፍሎች ትክክለኛውን ትርጉም ለማግኘት "የምሁራን የመንገድ ካርታ" ይሆናሉ.

ከዚህ ጽንሰ-ሀሳብ ጋር አብሮ በመሄድ, ሀሳቡ አንድ ትልቅ እና ነጠላ ንድፍ መኖር አለበት dati. ስርዓተ ጥለት መኖር እንዳለበት ግልጽ ነው። dati ለእያንዳንዱ አካላት እና በተጨማሪ የተለያዩ ሞዴሎችን የሚያገናኝ ምክንያታዊ መንገድ መኖር አለበት። እያንዳንዱ የሕንፃው አካል - ኦዲኤስ ፣ መሰረታዊ መተግበሪያዎች ፣ የውሂብ መጋዘን የኩባንያው እና ወዘተ ... - የራሱን ሞዴል ያስፈልገዋል dati. እና ስለዚህ እነዚህ ሞዴሎች እንዴት እንደሚሆኑ ትክክለኛ ፍቺ መኖር አለበት። dati እርስ በእርሳቸው ይገናኛሉ ፡፡

እኔ አንቀሳቅስ መረጃ የ ERP ቀን WAREHOUSE

ከሆነ የ dati የመነሻ አፕሊኬሽን እና/ወይም ODS ነው፣ ERP ሲያስገባ i dati nel የውሂብ መጋዘን, ይህ ማስገቢያ በ "ጥራጥሬነት" ዝቅተኛው ደረጃ ላይ መከናወን አለበት. በቀላሉ ድጋሚ ወይም ድምር i dati ከኢአርፒ መነሻ አፕሊኬሽን ሲወጡ ወይም ERP ODS ማድረግ ትክክለኛ ነገር አይደለም። የ dati ዝርዝሮች በ ውስጥ ያስፈልጋሉ። የውሂብ መጋዘን የ DSS ሂደትን መሰረት ለማድረግ. እንደዚህ dati በዳታ ማርቶች እና አሰሳ በብዙ መልኩ ይቀርጻሉ። የውሂብ መጋዘን.

መፈናቀል የ dati ከኢአርፒ መነሻ አፕሊኬሽን አከባቢ እስከ እ.ኤ.አ የውሂብ መጋዘን የኩባንያው በተመጣጣኝ ዘና ባለ ሁኔታ ይከናወናል. ይህ እርምጃ በኢአርፒ ውስጥ ከዝማኔው ወይም ከተፈጠረ ከ24 ሰዓታት በኋላ ይከሰታል። የ "ሰነፍ" እንቅስቃሴ የመኖሩ እውነታ dati nel የውሂብ መጋዘን የኩባንያው ይፈቅዳል dati ከኢአርፒ ወደ "እልባት" መምጣት። አንዴ እኔ dati በመነሻ ትግበራ ውስጥ ተከማችተዋል ፣ ከዚያ በደህና ማንቀሳቀስ ይችላሉ። dati በድርጅቱ ውስጥ የ ERP. የ "ሰነፍ" እንቅስቃሴ ምስጋና ሊደረስበት የሚችል ሌላ ግብ dati በአሠራር ሂደቶች እና በ DSS መካከል ግልጽ የሆነ ገደብ ነው. የ "ፈጣን" እንቅስቃሴ ጋር dati በዲኤስኤስ እና በአሠራር መካከል ያለው መስመር ግልጽ ያልሆነ ነው.

ኢል ሞቪሜንቶ ዲ dati ከኢአርፒ ኦዲኤስ እስከ የውሂብ መጋዘን የኩባንያው አሠራር በየጊዜው, አብዛኛውን ጊዜ በየሳምንቱ ወይም በየወሩ ይከናወናል. በዚህ ሁኔታ ውስጥ ያለው እንቅስቃሴ dati እሱ አሮጌውን "ለማፅዳት" አስፈላጊነት ላይ የተመሠረተ ነው dati የታሪክ ምሁራን። በተፈጥሮ፣ ODS i dati ከ በጣም አዲስ የሆኑት dati የታሪክ ጸሐፊዎች በ ውስጥ ተገኝተዋል የውሂብ መጋዘን.

መፈናቀል የ dati nel የውሂብ መጋዘን “በጅምላ” (በጅምላ አከፋፋይ) በጭራሽ አይደረግም ማለት ይቻላል። ሠንጠረዥን ከኢአርፒ አከባቢ ወደ ቅዳ የውሂብ መጋዘን ትርጉም የለውም። የበለጠ ትክክለኛ አቀራረብ የንጥል ክፍሎችን ማንቀሳቀስ ነው። dati. ብቻ dati ከመጨረሻው ዝመና በኋላ የተቀየሩት። የውሂብ መጋዘን ወደ ውስጥ መንቀሳቀስ ያለባቸው ናቸው የውሂብ መጋዘን. የትኞቹን ለማወቅ አንዱ መንገድ dati ከመጨረሻው ዝማኔ ጀምሮ የጊዜ ማህተሞችን መመልከት ስለሆነ ተለውጠዋል dati በ ERP አካባቢ ውስጥ ተገኝቷል. ንድፍ አውጪው ከመጨረሻው ዝመና በኋላ የተከሰቱትን ለውጦች ሁሉ ይመርጣል። ሌላው አቀራረብ የመቀየሪያ ዘዴዎችን መጠቀም ነው dati. በእነዚህ ቴክኒኮች የምዝግብ ማስታወሻዎች እና የመጽሔት ካሴቶች የትኞቹ እንደሆኑ ለማወቅ ይተነተናል dati ከኢአርፒ አካባቢ ወደ ዚያው መወሰድ አለበት። የውሂብ መጋዘን. እነዚህ ቴክኒኮች በጣም የተሻሉ ናቸው የምዝግብ ማስታወሻዎች እና የጆርናል ካሴቶች ከኢአርፒ ፋይሎች ሊነበቡ ስለሚችሉ በሌሎች የኢአርፒ ሀብቶች ላይ ምንም ተጽእኖ ሳያስከትሉ።

ሌሎች ማሟያዎች

በሲአይኤፍ ውስጥ ካሉት የኢአርፒ ችግሮች አንዱ በሌሎች የመተግበሪያ ምንጮች ወይም በአይ ላይ ምን እንደሚከሰት ነው። dati ለኦ.ዲ.ኤስ. የውሂብ መጋዘን ግን የኢአርፒ አካባቢ አካል አይደሉም። ከኢአርፒ ዝግ ተፈጥሮ አንፃር ፣ በተለይም SAP ፣ ከውጫዊ ምንጮች ቁልፎችን ለማዋሃድ በመሞከር ላይ dati ከ i ጋር dati በሚንቀሳቀስበት ጊዜ ከኢአርፒ የሚመጡ i dati nel የውሂብ መጋዘን፣ ትልቅ ፈተና ነው። እና እኔ በትክክል ምን ሊሆኑ ይችላሉ dati ከኢአርፒ አካባቢ ውጪ ያሉ አፕሊኬሽኖች ወይም ODS በ ውስጥ ይዋሃዳሉ የውሂብ መጋዘን? ዕድሉ በእውነቱ በጣም ከፍተኛ ነው።

አግኝ መረጃ ታሪኮች ከኢአር

ሌላኛው ችግር dati የኢአርፒ ከፍላጎት የመነጨ ነው። dati የታሪክ ምሁራን በ የውሂብ መጋዘን. አብዛኛውን ጊዜ እ.ኤ.አ የውሂብ መጋዘን ፍላጎቶች dati የታሪክ ምሁራን። እና የኢአርፒ ቴክኖሎጂ አብዛኛውን ጊዜ እነዚህን አያከማችም። dati ታሪካዊ, ቢያንስ በ ውስጥ አስፈላጊ እስከሆነ ድረስ የውሂብ መጋዘን. መቼ ትልቅ መጠን dati ምዝግብ ማስታወሻዎች በ ERP አካባቢ ውስጥ መጨመር ይጀምራሉ, ያ አካባቢ ማጽዳት አለበት. ለምሳሌ፣ ሀ የውሂብ መጋዘን ከአምስት አመት ጋር መጫን አለበት dati ታሪካዊ ሲሆን ኢአርፒ ከእነዚህ ውስጥ ቢበዛ ስድስት ወራትን ይይዛል dati. ኩባንያው በርካታ ቁጥር ለመሰብሰብ እስካረካ ድረስ dati ታሪካዊ ጊዜ እያለፈ ሲሄድ ኢአርፒን እንደ ምንጭ መጠቀም ምንም ችግር የለበትም የውሂብ መጋዘን. ግን መቼ የውሂብ መጋዘን ወደ ጊዜ መመለስ እና አማልክትን መውሰድ አለበት dati ቀደም ሲል በኢአርፒ ያልተሰበሰበ እና ያልዳነ ታሪክ፣ ከዚያም የኢአርፒ አካባቢ ውጤታማ አይሆንም።

ኢአርፒ እና ሜታዳታ

ስለ ኢአርፒ ለማድረግ ሌላ ግምት እና የውሂብ መጋዘን በኢአርፒ አካባቢ ባለው ሜታዳታ ላይ ያለው ነው። ልክ እንደ ሜታዳታ ከኢአርፒ አካባቢ ወደ የውሂብ መጋዘን, ሜታዳታ በተመሳሳይ መንገድ መንቀሳቀስ አለበት. በተጨማሪም ሜታዳታ መሠረተ ልማት ወደሚያስፈልገው ቅርጸት እና መዋቅር መቀየር አለበት የውሂብ መጋዘን. በኦፕሬሽናል ሜታዳታ እና በ DSS ሜታዳታ መካከል ትልቅ ልዩነት አለ። ኦፕሬሽናል ሜታዳታ በአብዛኛው ለገንቢ እና ለ

ፕሮግራመር. የDSS ሜታዳታ በዋናነት ለዋና ተጠቃሚ ነው። በERP አፕሊኬሽኖች ወይም ODS ውስጥ ያለው ሜታዳታ መቀየር አለበት እና ይህ ልወጣ ሁል ጊዜ ቀላል እና ቀላል አይደለም።

የኢአርፒ መረጃን ማንሳት

ኢአርፒ እንደ አቅራቢ ሆኖ የሚያገለግል ከሆነ dati በእያንዳንዱ የውሂብ መጋዘን የሚንቀሳቀስ ጠንካራ በይነገጽ መኖር አለበት i dati ከኢአርፒ አካባቢ ወደ አካባቢው የውሂብ መጋዘን. በይነገጽ መሆን አለበት:

• ▪ ለመጠቀም ቀላል ይሁኑ
• ▪ መዳረሻ ፍቀድ dati የኢ.ፒ.አር.
• ▪ ትርጉሙን አንሳ dati የሚንቀሳቀሱት የውሂብ መጋዘን
• ▪ ሲደርሱ ሊነሱ የሚችሉትን የኢአርፒ ገደቦች ማወቅ dati የኢ.ፒ.አር.
• ▪ የማጣቀሻ ታማኝነት
• ▪ ተዋረዳዊ ግንኙነቶች
• ▪ ስውር ምክንያታዊ ግንኙነቶች
• ▪ ማመልከቻ ስምምነት
• ▪ ሁሉም የ dati በ ERP የተደገፈ እና ወዘተ ...
• ▪ በማግኘት ረገድ ቀልጣፋ መሆን dati፣ በማቅረብ
• ▪ ቀጥተኛ እንቅስቃሴ dati
• ▪ ለውጥን ማግኘት dati
• ▪ ወቅታዊ መዳረሻን መደገፍ dati
• ▪ ቅርጸቱን ይረዱ dati, እናም ይቀጥላል… ከ SAP ጋር መገናኘት በይነገጹ ሁለት ዓይነት ሊሆን ይችላል, የቤት ውስጥ ወይም የንግድ. አንዳንድ ዋና ዋና የንግድ በይነገጾች የሚከተሉትን ያካትታሉ:

• ▪ SAS
• ▪ ዋና መፍትሄዎች
• ▪ D2k፣ እና የመሳሰሉት… ብዙ የ ERP ቴክኖሎጂዎች የኢአርፒ አካባቢን እንደ አንድ ነጠላ ቴክኖሎጂ ማከም ትልቅ ስህተት ነው። ብዙ የኢአርፒ ቴክኖሎጂዎች አሉ, እያንዳንዱም ጥንካሬ አለው. በገበያ ውስጥ በጣም የታወቁ ሻጮች የሚከተሉት ናቸው

• ▪ SAP
• ▪ Oracle ፋይናንሺያል
• ▪ PeopleSoft
• ጄዲ ኤድዋርድስ
• ▪ ባንስ SAP SAP ትልቁ እና አጠቃላይ የኢአርፒ ሶፍትዌር ነው። የኤስኤፒ አፕሊኬሽኖች በብዙ አካባቢዎች ብዙ አይነት አፕሊኬሽኖችን ያካትታሉ። SAP በሚከተሉት ስም ይታወቃል፡-

• ▪ በጣም ትልቅ
• ▪ ለመተግበር በጣም አስቸጋሪ እና ውድ ነው።
• ▪ ለመተግበር ብዙ ሰዎችን እና አማካሪዎችን ይፈልጋል
• ▪ ለትግበራው ልዩ ሰዎች ያስፈልጉታል።
• ▪ ለመተግበር ብዙ ጊዜ ይፈልጋል እንዲሁም SAP በማስታወስ መልካም ስም አለው። dati በቅርበት፣ ከ SAP አካባቢ ውጭ የሆነ ሰው እነሱን ለማግኘት አስቸጋሪ ያደርገዋል። የ SAP ጥንካሬ ከፍተኛ መጠን ያለው መጠን ለመያዝ እና ለማከማቸት የሚያስችል ነው dati. SAP ማመልከቻዎቹን ለማራዘም ፍላጎት እንዳለው በቅርቡ አስታውቋል የውሂብ መጋዘን. SAP እንደ ሻጭ ለመጠቀም ብዙ ጥቅሞች እና ጉዳቶች አሉ። የውሂብ መጋዘን. ጥቅሙ SAP ቀድሞውኑ ተጭኗል እና አብዛኛዎቹ አማካሪዎች ከ SAP ጋር በደንብ ያውቃሉ።
  SAP እንደ አቅራቢ ያለው ጉዳቶች የውሂብ መጋዘን ብዙ ናቸው: SAP በዓለም ውስጥ ምንም ልምድ የለውም የውሂብ መጋዘን SAP የአቅራቢው ከሆነ የውሂብ መጋዘን, "ማውጣት" አስፈላጊ ነው i dati ከ SAP al የውሂብ መጋዘን. ቀን የ SAP ትራክ ሪከርድ የተዘጋ ስርዓት፣ ከ SAP በውስጡ (???) ማግኘት ቀላል ሊሆን የማይችል ነው ። እንደ IMS፣ VSAM፣ ADABAS፣ ORACLE፣ DB2፣ እና የመሳሰሉት SAPን የሚያበረታቱ ብዙ የቆዩ አካባቢዎች አሉ። SAP "እዚህ ያልተፈጠረ" አካሄድ ላይ አጥብቆ ይጠይቃል። SAP ለመጠቀም ወይም ለመፍጠር ከሌሎች አቅራቢዎች ጋር አጋር መሆን አይፈልግም። የውሂብ መጋዘን. SAP ሁሉንም የራሱን ሶፍትዌሮች ማመንጨት ላይ አጥብቆ ይጠይቃል።

ምንም እንኳን SAP ትልቅ እና ኃይለኛ ኩባንያ ቢሆንም, የ ELT, OLAP, የስርዓት አስተዳደር እና ሌላው ቀርቶ የኮድ መሰረትን ቴክኖሎጂ እንደገና ለመጻፍ መሞከር እውነታ. dbms እብደት ብቻ ነው። ከአቅራቢዎች ጋር የትብብር አቋም ከመውሰድ ይልቅ የውሂብ መጋዘን ለረጅም ጊዜ ሲቆዩ, SAP እነሱ "በሚያውቁት" አካሄድ ተከትለዋል. ይህ አመለካከት SAP በአከባቢው ሊያገኘው የሚችለውን ስኬት ወደ ኋላ ይመልሰዋል። የውሂብ መጋዘን.
የኤስኤፒ የውጭ አቅራቢዎች የእነርሱን በፍጥነት እና በጸጋ እንዲደርሱበት አለመፍቀድ dati. የመጠቀም ዋናው ነገር ሀ የውሂብ መጋዘን በቀላሉ መድረስ ነው dati. የ SAP አጠቃላይ ታሪክ ለመድረስ አስቸጋሪ በማድረግ ላይ የተመሰረተ ነው dati.
ከትላልቅ ጥራዞች ጋር በተያያዘ የ SAP ልምድ ማነስ dati; በመስክ ላይ የውሂብ መጋዘን ጥራዞች አሉ dati ከ SAP ፈጽሞ አይታይም እና እነዚህን ከፍተኛ መጠን ለመቆጣጠር dati ትክክለኛው ቴክኖሎጂ ሊኖርዎት ይገባል. SAP በግልጽ ወደ መስኩ ለመግባት ስላለው ይህንን የቴክኖሎጂ እንቅፋት አያውቅም የውሂብ መጋዘን.
የኤስኤፒ የድርጅት ባህል፡ SAP iን በማግኘት ረገድ ቢዝነስ ገንብቷል። dati ከስርአቱ. ይህንን ለማድረግ ግን የተለየ አስተሳሰብ ሊኖርህ ይገባል። እንደተለመደው መረጃን ወደ አካባቢው በማስገባት ረገድ ጥሩ የነበሩ የሶፍትዌር ኩባንያዎች ዳታ በሌላ መንገድ እንዲሄድ በማድረግ ረገድ ጥሩ አልነበሩም። SAP እንደዚህ ዓይነቱን ማብሪያ / ማጥፊያ ለማድረግ, ይህንን ለማድረግ የመጀመሪያው ኩባንያ ይሆናል.

በአጭሩ አንድ ኩባንያ SAP ን እንደ አቅራቢው መምረጡ አጠያያቂ ነው። የውሂብ መጋዘን. በአንድ በኩል በጣም ከባድ የሆኑ አደጋዎች እና በሌላ በኩል በጣም ጥቂት ሽልማቶች አሉ. ነገር ግን SAP እንደ አቅራቢ መምረጥን የሚከለክል ሌላ ምክንያት አለ የውሂብ መጋዘን. ምክንያቱም እያንዳንዱ ኩባንያ ተመሳሳይ መሆን አለበት የውሂብ መጋዘን ከሌሎች ኩባንያዎች ሁሉ? የ የውሂብ መጋዘን የውድድር ጥቅም ልብ ነው። እያንዳንዱ ኩባንያ ተመሳሳይ ተቀባይነት ካገኘ የውሂብ መጋዘን የውድድር ጥቅም ለማግኘት የማይቻል ባይሆንም አስቸጋሪ ይሆናል. SAP የሚያስበው ይመስላል ሀ የውሂብ መጋዘን እንደ ኩኪ ሊታይ ይችላል እና ይህ አሁንም አፕሊኬሽኖቹ "ውሂቡን ወደ ውስጥ ያስገቡ" የሚል የአስተሳሰባቸው ምልክት ነው።

እንደ SAP የበላይ የሆነ ሌላ የኢአርፒ አቅራቢ የለም። ለነሱ የ SAP መንገድ የሚሄዱ ኩባንያዎች እንደሚኖሩ ጥርጥር የለውም የውሂብ መጋዘን ግን ምናልባት እነዚህ የውሂብ መጋዘን SAPs ትልቅ፣ ውድ እና ለመፍጠር ጊዜ የሚወስድ ይሆናል።

እነዚህ አካባቢዎች እንደ የባንክ ክፍያ ማቀናበሪያ፣ የአየር መንገድ ቦታ ማስያዝ ሂደቶች፣ የኢንሹራንስ ቅሬታ ሂደቶች እና የመሳሰሉትን ተግባራት ያካትታሉ። የግብይት ስርዓቱን በተሻለ ሁኔታ ማከናወን ፣ የበለጠ ግልፅ የሆነው በአሠራሩ ሂደት እና በ DSS (የውሳኔ ድጋፍ ስርዓት) መካከል መለያየት አስፈላጊነት ነበር። ነገር ግን፣ በ HR እና በሰራተኞች ስርዓቶች፣ ከፍተኛ መጠን ያለው ግብይቶች አያጋጥሙዎትም። እና በእርግጥ, አንድ ሰው ሲቀጠር ወይም ኩባንያውን ሲለቅ ይህ የግብይት መዝገብ ነው. ነገር ግን ከሌሎች ስርዓቶች አንጻር የሰው ኃይል እና የሰው ኃይል ስርዓቶች ብዙ ግብይቶች የላቸውም። ስለዚህ፣ በሰው ሰራሽ እና የሰው ሃይል ሲስተም የዳታ ማከማቻ ፍላጎት እንዳለ ሙሉ በሙሉ ግልፅ አይደለም። በብዙ መልኩ እነዚህ ስርዓቶች የ DSS ስርዓቶች ውህደት ናቸው።

ነገር ግን ከዳታ ማከማቻ እና ፒፕልሶፍት ጋር ሲገናኝ ግምት ውስጥ መግባት ያለበት ሌላ ነገር አለ። በብዙ ክበቦች, i dati የሰው ኃይል እና የግል ሀብቶች ከኩባንያው ዋና ሥራ ሁለተኛ ናቸው ። አብዛኛዎቹ ኩባንያዎች በማኑፋክቸሪንግ, በመሸጥ, በአገልግሎት አሰጣጥ እና በመሳሰሉት ላይ ናቸው. የሰው ኃይል እና የሰው ኃይል ሥርዓቶች አብዛኛውን ጊዜ ከኩባንያው ዋና የሥራ መስመር (ወይም ድጋፍ) ሁለተኛ ናቸው። ስለዚህ, ተመጣጣኝ እና የማይመች ነው ሀ የውሂብ መጋዘን ለ HR እና ለግል ሀብቶች ድጋፍ የተለየ።

በዚህ ረገድ ፒፕልሶፍት ከ SAP በጣም የተለየ ነው። ከ SAP ጋር፣ ሀ መኖሩ ግዴታ ነው። የውሂብ መጋዘን. በPeoplesSoft፣ ሁሉም ነገር ግልጽ አይደለም። የውሂብ ማከማቻ በ PeopleSoft አማራጭ ነው።

ለ ሊባል የሚችል ምርጥ ነገር dati PeopleSoft ያ ነው። የውሂብ መጋዘን መዝገብ ቤት ለማስቀመጥ ጥቅም ላይ ሊውል ይችላል i dati ከአሮጌው የሰው እና የግል ሀብቶች ጋር የተያያዘ. አንድ ኩባንያ ለመጠቀም የሚፈልግበት ሁለተኛው ምክንያት ሀ የውሂብ መጋዘን a

የPeopleSoft አካባቢ ጉዳቱ የትንታኔ መሳሪያዎችን ማግኘት እና ነፃ መዳረሻን መፍቀድ ነው፣ ai dati በ PeopleSoft. ነገር ግን ከእነዚህ ምክንያቶች ባሻገር የውሂብ ማከማቻ አለመኖሩ የሚመረጥባቸው ሁኔታዎች ሊኖሩ ይችላሉ። dati PeopleSoft

በማጠቃለያው

ከግንባታ ጋር የተያያዙ ብዙ ሃሳቦች አሉ የውሂብ መጋዘን በ ERP ሶፍትዌር ውስጥ.
ከእነዚህ ውስጥ አንዳንዶቹ

• ▪ መኖሩ ምክንያታዊ ነው። የውሂብ መጋዘን በኢንዱስትሪው ውስጥ ማንን ይመስላል?
• ▪ ኢአርፒ ምን ያህል ተለዋዋጭ ነው። የውሂብ መጋዘን ሶፍትዌር?
• ▪ ኢአርፒ የውሂብ መጋዘን ሶፍትዌር አንድ ጥራዝ ማስተናገድ ይችላል dati የሚገኘው በ "የውሂብ መጋዘን አረና ”?
• ▪ ቀላል እና ርካሽ፣ ጊዜ የሚወስድ፣ አኢአርፒ አቅራቢው የሚያከናውነው ዱካ ምንድን ነው? dati? (ርካሽ፣ በሰዓቱ፣ በቀላሉ መረጃን ለመድረስ የኢአርፒ አቅራቢዎች ሪከርድ ምንድነው?)
• ▪ የኢአርፒ አቅራቢው ስለ DSS አርክቴክቸር እና ስለ ኮርፖሬት መረጃ ፋብሪካ ያለው ግንዛቤ ምን ይመስላል?
• ▪ የኢአርፒ አቅራቢዎች እንዴት ማግኘት እንደሚችሉ ይገነዘባሉ dati በአከባቢው ውስጥ ፣ ግን እንዴት ወደ ውጭ እንደሚላኩ ተረድተዋል?
• ▪ የኢአርፒ አቅራቢው ለመረጃ ማከማቻ መሳሪያዎች ምን ያህል ክፍት ነው?
  የት እንደሚቀመጥ ሲወስኑ እነዚህ ሁሉ ግምት ውስጥ መግባት አለባቸው የውሂብ መጋዘን እኔ የሚያስተናግደው የትኛው dati ኢአርፒ እና ሌሎች dati. በአጠቃላይ, ካልሆነ በስተቀር አሳማኝ ምክንያት ከሌለ, መገንባት ይመከራል የውሂብ መጋዘን ከኢአርፒ አቅራቢ አካባቢ ውጭ። ምዕራፍ 1 የ BI ድርጅት ቁልፍ ነጥቦች አጠቃላይ እይታ፡-
  የመረጃ ማከማቻዎች ከቢዝነስ ኢንተለጀንስ (BI) ስነ-ህንፃ በተቃራኒ መንገድ ይሰራሉ።
  የድርጅት ባህል እና IT የ BI ድርጅቶችን የመገንባት ስኬት ሊገድቡ ይችላሉ።

ቴክኖሎጂ ለ BI ድርጅቶች መገደብ አይደለም. የአርክቴክቶች እና የፕሮጀክት እቅድ አውጪዎች ችግር ቴክኖሎጂው መኖር አለመኖሩ ሳይሆን ያለውን ቴክኖሎጂ በብቃት መተግበር አለመቻላቸው ነው።

ለብዙ ኩባንያዎች ሀ የውሂብ መጋዘን እኔ የሚያከፋፍለውን አንድ ተገብሮ ተቀማጭ በላይ ትንሽ ነው dati ለሚፈልጉት ተጠቃሚዎች ፡፡ ዘ dati ከምንጩ ስርዓቶች የተወሰዱ እና ወደ ዒላማ መዋቅሮች የሚገቡት በ የውሂብ መጋዘን. እኔ dati በማንኛውም ዕድል ሊጸዱ ይችላሉ. ሆኖም ምንም ተጨማሪ እሴት አልተጨመረም ወይም አልተሰበሰበም። dati በዚህ ሂደት ውስጥ.

በመሰረቱ፣ ተገብሮ dw፣ በተሻለ ሁኔታ፣ i ብቻ ያቀርባል dati ለተጠቃሚ ማህበራት ንጹህ እና የሚሰራ. የመረጃ ፈጠራ እና የትንታኔ ግንዛቤ ሙሉ በሙሉ በተጠቃሚዎች ላይ የተመሰረተ ነው። ዲደብልዩየመረጃ ማከማቻ) ስኬት ግላዊ መሆን አለመሆኑ። በብቃት የመሰብሰብ፣ የማዋሃድ እና የማጽዳት ችሎታ ላይ ስኬትን የምንፈርድ ከሆነ i dati ኮርፖሬት ሊገመት በሚችል መሰረት፣ አዎ፣ DW ስኬታማ ነው። በሌላ በኩል በአጠቃላይ ድርጅቱን መረጃ መሰብሰብ፣ ማጠናከር እና መበዝበዝን ከተመለከትን DW ውድቀት ነው። DW ትንሽ ወይም ምንም የመረጃ ዋጋ ይሰጣል። በውጤቱም, ተጠቃሚዎች እንዲያደርጉ ይገደዳሉ, ስለዚህ የመረጃ ቋቶችን ይፈጥራሉ. ይህ ምዕራፍ የኢንተርፕራይዙ BI(የንግድ ኢንተለጀንስ) አርክቴክቸርን እንደገና ለመቅረጽ አጠቃላይ እይታን ያቀርባል። እኛ በ BI መግለጫ እንጀምራለን እና ወደ መረጃ ዲዛይን እና ልማት ውይይቶች እንሸጋገራለን ፣ ይልቁንም በቀላሉ ለማቅረብ dati ለተጠቃሚዎች። ውይይቶች የ BI ጥረቶችዎን ዋጋ በማስላት ላይ ያተኩራሉ። IBM የድርጅትዎን BI የሕንፃ መስፈርቶችን እንዴት እንደሚፈታ በመግለጽ እንጨርሳለን።

የሕንፃው መግለጫ የ BI አደረጃጀት

ኃይለኛ የግብይት ተኮር የመረጃ ሥርዓቶች በአሁኑ ጊዜ በእያንዳንዱ ትልቅ ኢንተርፕራይዝ ውስጥ የቀኑ ቅደም ተከተል ናቸው ፣ ይህም በዓለም ዙሪያ ያሉ ኮርፖሬሽኖችን የመጫወቻ ሜዳውን ውጤታማ በሆነ መንገድ ያስተካክላል።

ተቀናቃኝ ሆኖ ለመቀጠል ግን አሁን የኩባንያውን ቀድሞውንም ያገኘውን መረጃ የማግኘት እና የመጠቀም አቅም ላይ ለውጥ ሊያመጣ የሚችል የትንታኔ ተኮር ስርዓቶችን ይፈልጋል። እነዚህ የትንታኔ ሥርዓቶች የሚመነጩት ከሀብት በመረዳት ነው። dati ይገኛል ። BI በድርጅቱ ውስጥ ባሉ ሁሉም መረጃዎች ላይ አፈጻጸምን ማሻሻል ይችላል። ንግዶች የደንበኛ-አቅርቦት ግንኙነቶችን ማሻሻል፣ የምርት እና የአገልግሎት ትርፋማነትን ማሻሻል፣ አዲስ እና የተሻሉ ስምምነቶችን መፍጠር፣ ስጋትን መቆጣጠር እና ከሌሎች በርካታ ትርፎች መካከል ወጪዎችን በእጅጉ መቀነስ ይችላሉ። ከ BI ጋር፣ ኩባንያዎ በመጨረሻ የደንበኛ መረጃን እንደ ተወዳዳሪ እሴት መጠቀም ይጀምራል የገበያ ዓላማዎች ስላላቸው።

ትክክለኛ የንግድ መንገድ መኖር ማለት ለሚከተሉት ቁልፍ ጥያቄዎች ትክክለኛ መልስ ማግኘት ማለት ነው፡-

• ▪ ከኛ የቱ ደንበኞች የበለጠ እንድናገኝ ያደርጉናል ወይስ ገንዘብ እንድናጣ ያደርጉናል?
• ▪ ጥሩ የምንኖርበት ቦታ ደንበኞች ጋር በተያያዘ ሱቅ/ መጋዘን አዘውትረው?
• ▪ ከምርቶቻችንና አገልግሎቶቻችን መካከል የትኛው ይበልጥ ውጤታማ በሆነ መንገድ ሊሸጥ ይችላል እና ለማን ነው?
• ▪ የትኞቹ ምርቶች በብቃት ሊሸጡ ይችላሉ እና ለማን?
• ▪ የትኛው የሽያጭ ዘመቻ የበለጠ ስኬታማ ነው እና ለምን?
• ▪ የትኞቹ የሽያጭ ቻናሎች ለየትኞቹ ምርቶች በጣም ውጤታማ ናቸው?
• ▪ በአቅማችን ግንኙነቶችን እንዴት ማሻሻል እንደምንችል ደንበኞች? አብዛኛዎቹ ኩባንያዎች አሏቸው dati እነዚህን ጥያቄዎች ለመመለስ አስቸጋሪ ነው.
  ስርዓተ ክወናዎች ከፍተኛ መጠን ያለው ምርት፣ ደንበኛ እና ወጪ ያመነጫሉ። dati ከሽያጭ ቦታዎች, የተያዙ ቦታዎች, የደንበኞች አገልግሎት እና የቴክኒክ ድጋፍ ስርዓቶች. ፈተናው ይህንን መረጃ ማውጣት እና መጠቀም ነው። ብዙ ኩባንያዎች የሚያገኙት ከትንሽ ክፍልፋዮች ብቻ ነው። dati ለስልታዊ ትንተናዎች ፡፡
  I dati ይቀራል ፣ ብዙውን ጊዜ ከ i ጋር ተቀላቅሏል dati እንደ የመንግስት ዘገባዎች እና ሌሎች የተገዙ መረጃዎችን የመሳሰሉ የውጭ ምንጮችን ማግኘት የወርቅ ማዕድን ፍለጋ እየጠበቀ ነው, እና dati እነሱ በድርጅትዎ የመረጃ አውድ ውስጥ ብቻ ማጣራት አለባቸው።

ይህ እውቀት አጠቃላይ የድርጅት ስትራቴጂ ከመንደፍ ጀምሮ ከአቅራቢዎች ጋር ግላዊ ግኑኝነትን፣ የጥሪ ማእከላትን፣ የክፍያ መጠየቂያ ደረሰኝን፣ Internet እና ሌሎች ነጥቦች. የዛሬው የንግድ አካባቢ DW እና ተዛማጅ BI መፍትሄዎች ባህላዊ የንግድ መዋቅሮችን ከማስኬድ ባለፈ በዝግመተ ለውጥ እንዲመጡ ይደነግጋል። dati እኔ dati የአቶሚክ ደረጃ መደበኛ እና "ኮከብ/ኩብ እርሻዎች"።

ተወዳዳሪ ሆኖ ለመቆየት የሚያስፈልገው ሰፊ የትንታኔ ገጽታን ለመደገፍ በሚደረገው ጥረት ባህላዊ እና የላቁ ቴክኖሎጂዎች ውህደት ነው።
በመጨረሻም አጠቃላይ አካባቢው በአጠቃላይ የኩባንያውን ዕውቀት ማሻሻል አለበት, በተደረጉት ትንታኔዎች ምክንያት የተወሰዱት እርምጃዎች ሁሉም ሰው ተጠቃሚ እንዲሆኑ ጠቃሚ መሆናቸውን ያረጋግጡ.

ለምሳሌ ፣ የራስዎን ደረጃ ይሰጡ እንበል ደንበኞች በከፍተኛ ወይም ዝቅተኛ የአደጋ ምድቦች.
ይህ መረጃ የሚመነጨው በማዕድን ሞዴልም ይሁን በሌላ መንገድ፣ ወደ DW ውስጥ ማስገባት እና በማናቸውም የመዳረሻ መሳሪያዎች እንደ የማይንቀሳቀስ ሪፖርቶች፣ የተመን ሉሆች፣ ሰንጠረዦች ወይም የመስመር ላይ የትንታኔ ሂደት (OLAP) በመሳሰሉት ተደራሽ መሆን አለበት።

ሆኖም፣ በአሁኑ ጊዜ፣ አብዛኛው የዚህ አይነት መረጃ በሴሎ ውስጥ ይቀራል dati ትንታኔውን የሚያመነጩት ግለሰቦች ወይም ክፍሎች. ድርጅቱ በአጠቃላይ ለመረዳት ትንሽ ወይም ምንም ታይነት የለውም. የዚህ አይነት የመረጃ ይዘትን ወደ ኢንተርፕራይዝዎ DW በማዋሃድ ብቻ የኢንፎርሜሽን ሴሎኖችን ማስወገድ እና የDW አካባቢዎን ከፍ ማድረግ ይችላሉ።
BI ድርጅትን ለማዳበር ሁለት ዋና ዋና መሰናክሎች አሉ።
በመጀመሪያ፣ የድርጅቱ ራሱ እና የዲሲፕሊን ችግር አለብን።
በድርጅታዊ የፖሊሲ ለውጦች መርዳት ባንችልም የድርጅቱን BI ክፍሎች፣ አርክቴክቸር እና የአይቢኤም ቴክኖሎጂ እድገቱን እንዴት እንደሚያመቻች ለመረዳት ልንረዳው እንችላለን።
ለማሸነፍ ሁለተኛው እንቅፋት የተቀናጀ ቴክኖሎጂ እጥረት እና አጠቃላይ የ BI ቦታን ከትንሽ አካላት በተቃራኒ የሚጠራ ዘዴን ማወቅ ነው።

IBM ቴክኖሎጂን በማዋሃድ ላይ ለሚደረጉ ለውጦች ምላሽ እየሰጠ ነው። ንቃተ-ህሊና ያለው ንድፍ ማቅረብ የእርስዎ ኃላፊነት ነው። ይህ አርክቴክቸር ላልተገደበ ውህደት በተመረጠ ቴክኖሎጂ ወይም ቢያንስ ክፍት ደረጃዎችን በሚያከብር ቴክኖሎጂ መጎልበት አለበት። እንዲሁም፣ የድርጅትዎ አስተዳደር የቢ ኢንተርፕራይዝ በጊዜ መርሐግብር መከናወኑን ማረጋገጥ አለበት እንጂ ከራስ ወዳድነት አጀንዳዎች ወይም ግቦች የሚመነጩ የመረጃ ሴሎሶችን መፍጠር አይደለም።
ይህ ማለት የ BI አካባቢ ለተለያዩ ተጠቃሚዎች ፍላጎቶች እና ፍላጎቶች ምላሽ ለመስጠት ስሜታዊነት የለውም ማለት አይደለም። ይልቁንስ የነዚያ የግለሰብ ፍላጎቶች እና መስፈርቶች መተግበሩ ለጠቅላላው የ BI ድርጅት ጥቅም ነው ማለት ነው.
የ BI ድርጅት አርክቴክቸር መግለጫ በገጽ 9 ላይ በስዕል 1.1 ይገኛል። አርክቴክቸር የበለጸገ የቴክኖሎጂ እና ቴክኒኮችን ድብልቅ ያሳያል።
ከባህላዊው እይታ አንጻር ስነ-ህንፃው የሚከተሉትን የመጋዘን ክፍሎችን ያካትታል

አቶሚክ ንብርብር.

ይህ የመላው Dw ልብ እና የስትራቴጂካዊ ዘገባዎች መሰረት ነው።
I dati እዚህ የተከማቸ ታሪካዊ ታማኝነትን ያቆያል ፣ ሪፖርቶች dati እና የተገኙ መለኪያዎችን ያካትቱ, እንዲሁም በማዕድን ማውጫ ሞዴሎች በመጠቀም ማጽዳት, ማዋሃድ እና መከማቸት.
የእነዚህ ሁሉ ቀጣይ አጠቃቀም dati እና ተዛማጅ መረጃዎች ከዚህ መዋቅር የተገኙ ናቸው. ይህ ለማዕድን በጣም ጥሩ ምንጭ ነው dati እና የተዋቀሩ የ SQL ጥያቄዎች ላሏቸው ሪፖርቶች

የክዋኔ ተቀማጭ ገንዘብ dati ወይም የሪፖርት መሠረት dati(የአሠራር መረጃ ማከማቻ (ኦዲኤስ) ወይም ሪፖርት ማድረግ የውሂብ ጎታ.)

ይህ የ dati በተለይ ለቴክኒካል ዘገባዎች የተነደፈ.

I dati ከእነዚህ መዋቅሮች በላይ የተከማቸ እና ሪፖርት የተደረገው በመጨረሻ ወደ መጋዘኑ በዝግጅቱ ቦታ በኩል ሊሰራጭ ይችላል፣ ይህም ለስልታዊ ምልክት አገልግሎት ሊውል ይችላል።

የማቆሚያ ቦታ።

ለአብዛኛው የመጀመሪያ ማቆሚያ dati ለመጋዘን አካባቢ የታሰበ የድርጅቱ ዞን ነው.
እዚህ እኔ dati እነሱ የተዋሃዱ ፣ የተጸዱ እና ወደ ተለውጠዋል dati የመጋዘን መዋቅርን የሚሞላ ትርፍ

የቀን ማርቶች

ይህ የስነ-ህንፃው ክፍል አወቃቀሩን ይወክላል dati በተለይ ለ OLAP ጥቅም ላይ ይውላል. የውሂብማርቶች መገኘት, i ከሆነ dati እነሱ በተደራረቡባቸው የኮከብ እቅዶች ውስጥ ይከማቻሉ dati multidimensional በግንኙነት አካባቢ, ወይም በፋይሎች ውስጥ dati እንደ DB2 OLAP አገልጋይ ባሉ ልዩ የ OLAP ቴክኖሎጂ ጥቅም ላይ የዋለው የባለቤትነት መብት አግባብነት የለውም።

ብቸኛው እገዳ ሥነ-ሕንጻው አጠቃቀምን የሚያመቻች መሆኑ ነው dati ሁለገብ
አርክቴክቱ እንዲሁ የሚለዩት ወሳኝ የቢ ቴክኖሎጂዎችን እና ቴክኒኮችን ያካትታል፡-

የቦታ ትንተና

ክፍት ቦታ ለተንታኙ የመረጃ ንፋስ ነው እና መፍትሄውን ለማጠናቀቅ ወሳኝ ነው። ስፔስ በተወሰነ ቦታ ላይ ስለሚኖሩ ሰዎች መረጃን እንዲሁም ይህ ቦታ ከተቀረው ዓለም ጋር በተገናኘ በአካል የት እንዳለ መረጃን ሊወክል ይችላል።

ይህንን ትንታኔ ለመስራት መረጃዎን ከኬክሮስ እና ኬንትሮስ መጋጠሚያዎች ጋር በማያያዝ መጀመር አለብዎት። ይህ “ጂኦኮዲንግ” ተብሎ የሚጠራ ሲሆን በመጋዘንዎ የአቶሚክ ደረጃ የማውጣት፣ ትራንስፎርሜሽን እና የመጫን ሂደት (ETL) አካል መሆን አለበት።

ማዕድን ማውጣት.

ማውጣቱ የ dati ኩባንያዎቻችን ቁጥራቸውን እንዲያሳድጉ ያስችላቸዋል ደንበኞች, የሽያጭ አዝማሚያዎችን ለመተንበይ እና ግንኙነት አስተዳደርን ለማንቃት i ደንበኞች (ሲ) ከሌሎች የ BI ተነሳሽነቶች መካከል።

ማውጣቱ የ dati ስለሆነም ከ dati የቴክኖሎጂ እና ተዛማጅ ቴክኒኮችን ውጤታማ እና ቀልጣፋ አጠቃቀምን ለማረጋገጥ መጋዘን እና በመጋዘን ሂደቶች የተደገፈ።

በ BI አርክቴክቸር እንደተመለከተው፣ የአቶሚክ ደረጃ Dwhouse፣ እንዲሁም ዳታማርቶች፣ እጅግ በጣም ጥሩ ምንጭ ነው dati ለማውጣት. ለሰፊው ታዳሚ መገኘትን ለማረጋገጥ እነዛ ተመሳሳይ ንብረቶች እንዲሁ የማውጣት ውጤት ተቀባዮች መሆን አለባቸው።

ወኪሎች

እንደ ማንኛውም ነጥብ ደንበኛው ለመመርመር የተለያዩ "ኤጀንቶች" አሉ, የኩባንያው ስርዓተ ክወናዎች እና dw እራሳቸው. እነዚህ ወኪሎች በእያንዳንዱ ነጥብ ላይ ስለ አዝማሚያዎች ለመማር የሰለጠኑ የላቁ የነርቭ ኔትወርኮች ሊሆኑ ይችላሉ፣ ለምሳሌ በሽያጭ ማስተዋወቂያዎች ላይ የተመሰረተ የወደፊት የምርት ፍላጎት፣ ደንብን መሰረት ያደረጉ ሞተሮች ዳቶ የሁኔታዎች ስብስብ፣ ወይም ቀላል ወኪሎች እንኳን ልዩ ሁኔታዎችን ለከፍተኛ አስፈፃሚዎች ሪፖርት የሚያደርጉ። እነዚህ ሂደቶች በአጠቃላይ በእውነተኛ ጊዜ ውስጥ ይከሰታሉ, ስለዚህ, ከሂደቶቹ እንቅስቃሴ ጋር በጥብቅ የተጣመሩ መሆን አለባቸው dati. እነዚህ ሁሉ መዋቅሮች የ datiቴክኖሎጂዎች እና ቴክኒኮች የእርስዎን BI ድርጅት ለመፍጠር ሌሊቱን እንደማታድሩ ያረጋግጣሉ።

ይህ እንቅስቃሴ ለትንንሽ ነጥቦች በተጨመሩ ደረጃዎች ይዘጋጃል.
እያንዳንዱ እርምጃ ራሱን የቻለ የፕሮጀክት ጥረት ነው፣ እና በእርስዎ BI dw ወይም ተነሳሽነት ውስጥ እንደ ተደጋጋሚነት ተጠቅሷል። መደጋገም አዳዲስ ቴክኖሎጂዎችን መተግበር፣ ከአዳዲስ ቴክኒኮች ጀምሮ፣ አዲስ ማዕቀፎችን መጨመርን ሊያካትት ይችላል። dati , በመጫን ላይ i dati ተጨማሪ , ወይም ከአካባቢዎ ትንተና መስፋፋት ጋር. ይህ አንቀጽ በምዕራፍ 3 ላይ በዝርዝር ተብራርቷል።

ከተለምዷዊ የDW ማዕቀፎች እና የ BI መሳሪያዎች በተጨማሪ ሌሎች ሊነድፏቸው የሚፈልጓቸው የ BI ድርጅትዎ ገጽታዎች አሉ፡-

የደንበኞች ንክኪ ነጥቦች (የደንበኛ ንክኪ) ነጥቦች).

እንደማንኛውም ዘመናዊ ድርጅት ለእርስዎ እንዴት አዎንታዊ ተሞክሮ እንደሚኖር የሚጠቁሙ በርካታ የደንበኛ የመዳሰሻ ነጥቦች አሉ። ደንበኞች. እንደ ነጋዴዎች፣ የመቀየሪያ ሰሌዳ ኦፕሬተሮች፣ የቀጥታ መልዕክት፣ መልቲሚዲያ እና የህትመት ማስታወቂያ፣ እንዲሁም እንደ ኢሜል እና ድር ያሉ ተጨማሪ ወቅታዊ ቻናሎች ያሉ ባህላዊ ቻናሎች አሉ። dati የግንኙነት ነጥብ ያላቸው ምርቶች መገኘት፣ ማጓጓዝ፣ ማጽዳት፣ ማቀነባበር እና ከዚያም በተቋማት መሞላት አለባቸው dati የ BI.

መሠረታዊ ነገሮች dati የሥራ እና የተጠቃሚ ማህበራት (ኦፕሬሽናል)

የመረጃ ቋቶች እና የተጠቃሚ ማህበረሰቦች).
የግንኙነቱ ነጥቦች መጨረሻ ላይ ደንበኞች መሰረታዊ ነገሮችን ያገኛሉ dati የኩባንያው እና የተጠቃሚ ማህበረሰቦች አተገባበር. ዘ dati ያሉ ናቸው። dati እንደገና መገናኘት እና መቀላቀል ያለበት ባህላዊ dati አስፈላጊውን መረጃ ለማሟላት ከመዳሰሻ ነጥቦች የሚፈስ.

ተንታኞች. (ተንታኞች)

የ BI አካባቢ ቀዳሚ ተጠቃሚ ተንታኙ ነው። አሁን ባለው የማውጣት ስራ የሚጠቀመው እሱ ነው። dati የሚሰራ ፣ ከተለያዩ ምንጮች ጋር የተቀናጀ dati እንደ ጂኦግራፊያዊ ትንተና (ጂኦኮዲንግ) በመሳሰሉት ባህሪያት ተጨምሯል እና በማዕድን ቁፋሮ ፣ OLAP ፣ የላቀ የ SQL ዘገባ እና የጂኦግራፊያዊ ትንተና በ BI ቴክኖሎጂዎች ውስጥ ቀርቧል። ለተንታኙ ለሪፖርት ማቅረቢያ አካባቢ ዋናው በይነገጽ BI ፖርታል ነው።

ነገር ግን፣ ተንታኙ ከ BI አርክቴክቸር የሚጠቀመው ብቻ አይደለም።
አስፈፃሚዎች ፣ ትልልቅ የተጠቃሚ ማህበራት ፣ እና አጋሮች እንኳን ፣ አቅራቢዎች እና እኔ ደንበኞች በድርጅት BI ውስጥ ጥቅማጥቅሞችን ማግኘት አለባቸው ፡፡

የኋላ መመገቢያ ሉፕ።

BI architecture የመማሪያ አካባቢ ነው። የእድገት ባህሪይ መርህ ቋሚ መዋቅሮችን መፍቀድ ነው dati በ BI ቴክኖሎጂ ጥቅም ላይ በሚውልበት እና በተጠቃሚ እርምጃዎች ለመዘመን። ምሳሌ ደንበኛ ነጥብ ነው።

የሽያጭ ዲፓርትመንት እንደ አዲስ አገልግሎት በመጠቀም የደንበኞችን ውጤቶች በማዕድን ማውጫ ሞዴል ካደረገ የሽያጭ ክፍል ከአገልግሎቱ ተጠቃሚ የሆነው ብቸኛው ቡድን መሆን የለበትም።

ይልቁንም የሞዴል ማዕድን ማውጣት በድርጅቱ ውስጥ እንደ ተፈጥሯዊ የመረጃ ፍሰት አካል ሆኖ መከናወን አለበት እና የደንበኞች ውጤቶች የመጋዘን መረጃ አውድ የተቀናጀ አካል በመሆን ለሁሉም ተጠቃሚዎች መታየት አለባቸው። Bi-bI-centric IBM Suite DB2 UDBን፣ DB2 OLAP አገልጋይን ጨምሮ በጣም አስፈላጊ የቴክኖሎጂ ክፍሎችን ያካትታል፣ በስእል 1.1 የተገለጹ።

ቀጣይነት ያለው ደረጃ እንዲሰጠን እና እያንዳንዱ የIBM ምርቶች ከአጠቃላይ የ BI እቅድ ጋር እንዴት እንደሚስማሙ ለማሳየት ከመፅሃፉ ላይ እንደሚታየው አርክቴክቸር እንጠቀማለን።

የመረጃ ይዘቱን መስጠት (መስጠት) የመረጃ ይዘት)

የእርስዎን BI አካባቢ መንደፍ፣ ማዳበር እና መተግበር ከባድ ስራ ነው። ዲዛይኑ ሁለቱንም ወቅታዊ እና የወደፊት የንግድ መስፈርቶችን መቀበል አለበት. በንድፍ ደረጃ የተገኙትን ሁሉንም ድምዳሜዎች ለማካተት የአርክቴክቸር ስዕሉ ሁሉን አቀፍ መሆን አለበት። ማስፈጸሚያ ለአንድ ዓላማ ቁርጠኛ ሆኖ መቆየት አለበት፡- በዲዛይኑ ላይ እንደተገለጸው እና በንግድ መስፈርቶች መሠረት የቢ አርኪቴክቸርን ለማዳበር።

በተለይ ተግሣጽ አንጻራዊ ስኬትን ያረጋግጣል ብሎ መከራከር ከባድ ነው።
ይህ ቀላል ነው ምክንያቱም የ BI አካባቢን በአንድ ጊዜ ስላላዳበሩት ነገር ግን በጊዜ ሂደት በትንሽ እርምጃዎች።

ነገር ግን፣ የእርስዎን የስነ-ህንጻ (BI) ክፍሎች መለየት ለሁለት ምክንያቶች አስፈላጊ ነው፡ ሁሉንም ተከታይ የቴክኒካል አርክቴክቸር ውሳኔዎችን ትነዳለህ።
ቴክኖሎጂውን ለብዙ ወራት መድገም ባይኖርዎትም አውቆ አንድ የተወሰነ የቴክኖሎጂ አጠቃቀም ማቀድ ይችላሉ።

የእርስዎን የንግድ መስፈርቶች በበቂ ሁኔታ መረዳት ለሥነ ሕንፃዎ በሚያገኟቸው ምርቶች አይነት ላይ ተጽእኖ ይኖረዋል።
የእርስዎ አርክቴክቸር ዲዛይን እና ልማት መጋዘንዎ መሆኑን ያረጋግጣል

የዘፈቀደ ክስተት ሳይሆን በደንብ የታሰበበት በጥንቃቄ የተሰራ ማስታወቂያ ኦፔራ ጥበብ እንደ ድብልቅ ቴክኖሎጂ ሞዛይክ።

የመረጃ ይዘቱን ይንደፉ

ሁሉም የመጀመሪያ ንድፍ ማተኮር እና አሁን እና ወደፊት በአጠቃላይ አካባቢ የሚያስፈልጉትን ዋና ዋና የ BI ክፍሎች መለየት አለባቸው።
የንግድ ሥራ መስፈርቶችን ማወቅ አስፈላጊ ነው ፡፡

ማንኛውም መደበኛ እቅድ ከመጀመሩ በፊት እንኳን, የፕሮጀክት እቅድ አውጪው ብዙ ጊዜ አንድ ወይም ሁለት ክፍሎችን ወዲያውኑ መለየት ይችላል.
ለሥነ ሕንፃህ የሚያስፈልጉት የአካል ክፍሎች ሚዛን ግን በቀላሉ ሊገኝ አይችልም። በንድፍ ደረጃው ውስጥ, የስነ-ህንፃው ዋና አካል የንግድ መስፈርቶችን ለመለየት በምርምር ላይ የመተግበሪያ ልማት ክፍለ ጊዜ (JAD) ያያይዘዋል.

አንዳንድ ጊዜ እነዚህ መስፈርቶች ለመጠየቅ እና ለሪፖርት ማድረጊያ መሳሪያዎች በአደራ ሊሰጡ ይችላሉ።
ለምሳሌ፣ ተጠቃሚዎች የአሁኑን ሪፖርት በራስ ሰር መስራት ከፈለጉ ሁለት ወቅታዊ ሪፖርቶችን በማጣመር እና ከውህደቱ የተገኙ ስሌቶችን በመጨመር በእጅ ማመንጨት እንዳለባቸው ይገልጻሉ። dati.
ይህ መስፈርት ቀላል ቢሆንም፣ ለድርጅትዎ ሪፖርት ማድረጊያ መሳሪያዎችን ሲገዙ ማካተት ያለብዎትን የተወሰነ ባህሪ ተግባር ይገልጻል።

ንድፍ አውጪው የተሟላ ምስል ለማግኘት ተጨማሪ መስፈርቶችን መከተል አለበት። ተጠቃሚዎች ለዚህ ሪፖርት መመዝገብ ይፈልጋሉ?
ሪፖርቶች ንዑስ ስብስቦች ተፈጥረዋል እና ለተለያዩ ተጠቃሚዎች ኢሜይል ይላካሉ? ይህንን ሪፖርት በኩባንያው ፖርታል ውስጥ ማየት ይፈልጋሉ? እነዚህ ሁሉ መስፈርቶች በተጠቃሚዎች በሚፈለገው መሰረት በእጅ የሚሰራ ሪፖርትን የመተካት ቀላል ፍላጎት አካል ናቸው። የእነዚህ አይነት መስፈርቶች ጥቅም ሁሉም ሰው, ተጠቃሚዎች እና ዲዛይነሮች, የሪፖርቶችን ጽንሰ-ሀሳብ ያውቃሉ.

ሌሎች የንግድ ዓይነቶች አሉ, ሆኖም ግን, እቅድ ማውጣት አለብን. የንግድ ሥራ መስፈርቶች በስትራቴጂካዊ የንግድ ጥያቄዎች መልክ ሲገለጹ ፣ ልምድ ላለው እቅድ አውጪ ልኬትን እና መስፈርቶችን ለመለካት ቀላል ነው።

የJAD ተጠቃሚዎች ፍላጎቶቻቸውን በንግድ ችግር መልክ እንዴት እንደሚገልጹ ካላወቁ፣ ንድፍ አውጪው ብዙውን ጊዜ መስፈርቶችን የመሰብሰቢያ ክፍለ ጊዜን ለመዝለል ምሳሌዎችን ይሰጣል።
የባለሙያው እቅድ አውጪ ተጠቃሚዎች ስትራቴጂያዊ ንግድን ብቻ ​​ሳይሆን እንዴት እንደሚቀርጹት እንዲረዱት ይረዳል።
መስፈርቶች የመሰብሰቢያ አቀራረብ በምዕራፍ 3 ውስጥ ተብራርቷል. አሁን ለሁሉም ዓይነት የ BI መስፈርቶች ዲዛይን ማድረግ አስፈላጊ መሆኑን ብቻ መግለፅ እንፈልጋለን።

ስልታዊ የንግድ ሥራ ችግር የንግድ ሥራ መስፈርት ብቻ ሳይሆን የንድፍ ምልክትም ጭምር ነው. ሁለገብ ጥያቄን መመለስ ካለብህ፣ በቃ ማስታወስ አለብህ፣ ያቅርብ dati ልኬቶች ፣ እና እርስዎ ለማስታወስ ከፈለጉ dati ሁለገብ ፣ ምን ዓይነት ቴክኖሎጂ ወይም ቴክኒክ እንደሚቀጥሩ መወሰን ያስፈልግዎታል።

የተያዘ የኩብ ኮከብ እቅድ ይተገብራሉ ወይስ ሁለቱንም? እንደሚመለከቱት, ቀላል የንግድ ጉዳይ እንኳን በንድፍ ላይ ከፍተኛ ተጽዕኖ ያሳድራል. ነገር ግን የዚህ አይነት የንግድ መስፈርቶች የተለመዱ እና በእርግጥ ቢያንስ ልምድ ባላቸው የፕሮጀክት እቅድ አውጪዎች እና ዲዛይነሮች ናቸው.

ስለ OLAP ቴክኖሎጂዎች እና ድጋፍ በቂ ክርክሮች ታይተዋል፣ እና ብዙ አይነት መፍትሄዎች አሉ። እስካሁን ድረስ ቀላል ዘገባዎችን ከተለያየ የንግድ መስፈርቶች ጋር የማሰባሰብን አስፈላጊነት እና እነዚህ መስፈርቶች በቴክኒካዊ አርክቴክቸር ውሳኔዎች ላይ ተጽዕኖ እንደሚያሳድሩ ነክተናል።

ግን በተጠቃሚዎች ወይም በDw ቡድን በቀላሉ ያልተረዱት መስፈርቶች ምንድን ናቸው? የቦታ ትንተና (ትንተና ቦታ) መቼም ያስፈልግዎታል?
የማዕድን ማውጫ ሞዴሎች እ.ኤ.አ. dati ለወደፊትዎ አስፈላጊ አካል ይሆናሉ? ማን ያውቃል?

እንደነዚህ ዓይነቶቹ ቴክኖሎጂዎች በአጠቃላይ የተጠቃሚ ማህበረሰቦች እና የ DW ቡድን አባላት በደንብ የማይታወቁ መሆናቸውን ልብ ሊባል የሚገባው ነው, ይህ በከፊል, ይህ ሊሆን የቻለው በአንዳንድ የውስጥ ወይም የሶስተኛ ወገን ቴክኒካል ባለሙያዎች ነው. የዚህ አይነት ቴክኖሎጂዎች የሚያመነጩት የችግሮች ጫፍ ጉዳይ ነው። ተጠቃሚዎች የንግድ መስፈርቶችን መግለጽ ካልቻሉ ወይም ለዲዛይነሮች መመሪያ መስጠት ካልቻሉ፣ ሳይስተዋል ወይም በከፋ መልኩ በቀላሉ ችላ ሊባሉ ይችላሉ።

ንድፍ አውጪው እና ገንቢው ከእነዚህ የላቁ ግን ወሳኝ ቴክኖሎጂዎች ውስጥ አንዱን መተግበሩን ማወቅ በማይችሉበት ጊዜ የበለጠ ችግር ይፈጥራል።
ዲዛይነሮች ሲናገሩ ብዙ ጊዜ እንደሰማነው፣ “ይህን ሌላ ነገር እስካላገኘን ድረስ ለምን አናስቀምጠውም? “በእርግጥ ቅድሚያ ሊሰጣቸው የሚገቡ ጉዳዮች ላይ ፍላጎት አላቸው ወይስ በቀላሉ የማይረዷቸውን መስፈርቶች ያስወግዳሉ? ምናልባትም የመጨረሻው ግምት ነው. በስእል 1.3 ላይ እንደተገለጸው የሽያጭ ቡድንዎ የንግድ ፍላጎትን አስተላልፏል እንበል፣ እንደምታዩት መስፈርቱ የተቀረፀው በንግድ ችግር መልክ ነው። በዚህ ችግር እና በተለመደው የመጠን ችግር መካከል ያለው ልዩነት ርቀት ነው. በዚህ ጉዳይ ላይ የሽያጭ ቡድኑ በየወሩ ከምርቶች, መጋዘኖች እና አጠቃላይ ሽያጮችን ማወቅ ይፈልጋል ደንበኞች ከሚገዙበት መጋዘን በ5 ማይል ርቀት ላይ የሚኖሩ።

በሚያሳዝን ሁኔታ፣ ዲዛይነሮች ወይም አርክቴክቶች “ደንበኛው፣ ምርቱ እና ምርቱ አለን” በማለት የቦታ ክፍሉን በቀላሉ ችላ ማለት ይችላሉ። dati የተቀማጩ. ሌላ ድግግሞሽ እስኪመጣ ድረስ ርቀቱን እንጠብቅ።

"የተሳሳተ ምላሽ. ይህ ዓይነቱ የንግድ ችግር ስለ BI ነው. እሱ ስለ ንግዶቻችን ጥልቅ ግንዛቤን እና ለተንታኞቻችን ጠንካራ የትንታኔ ቦታን ይወክላል። BI ከቀላል መጠይቅ ወይም መደበኛ ሪፖርት ወይም ከOLAP በላይ ነው። ያ ማለት ግን እነዚህ ቴክኖሎጂዎች ለእርስዎ BI አስፈላጊ አይደሉም ማለት አይደለም፣ ነገር ግን እነሱ ራሳቸው የ BI አካባቢን አይወክሉም።

ለመረጃው ሁኔታ ዲዛይን (ለመረጃ ይዘት ዲዛይን ማድረግ)

አሁን የተለያዩ ዋና ዋና ክፍሎችን የሚለዩትን የንግድ መስፈርቶች ለይተን ካወቅን, በአጠቃላይ የስነ-ህንፃ ስዕል ውስጥ መካተት አለባቸው. አንዳንዶቹ የ BI ክፍሎች የመጀመሪያ ጥረቶች አካል ናቸው፣ አንዳንዶቹ ግን ለብዙ ወራት አይተገበሩም።

ሆኖም ግን, ሁሉም የታወቁ መስፈርቶች በንድፍ ውስጥ ተንጸባርቀዋል ስለዚህ አንድ የተለየ ቴክኖሎጂን መተግበር በሚያስፈልገን ጊዜ ይህን ለማድረግ ዝግጁ ነን. ስለ ፕሮጀክቱ አንድ ነገር ባህላዊ አስተሳሰብን ያንፀባርቃል.

ይህ ስብስብ እ.ኤ.አ. dati በኋላ ላይ ጥቅም ላይ ለማዋል ጥቅም ላይ ይውላል dati ለይተን ባወቅናቸው የንግድ ጉዳዮች የሚመራ ልኬት። እንደ ተጨማሪ ሰነዶች እንደ የፕሮጀክት ልማት dati, እንደ i ፎርማሊንግ በማድረግ እንጀምራለን dati በአከባቢው ውስጥ ይሰራጫሉ. እኔ መወከል አስፈላጊ መሆኑን አረጋግጠናል dati በመጠኑ መንገድ, እነሱን (በተወሰኑ ልዩ ፍላጎቶች መሰረት) ወደ የውሂብ ማርቶች በመከፋፈል.

የሚመለሰው የሚቀጥለው ጥያቄ፡- እነዚህ ዳታ ማርቶች እንዴት ይገነባሉ?
ኮከቦችን ኩብ ለመደገፍ ትገነባለህ ወይስ ኩብ ብቻ ወይስ ኮከቦችን? (ወይም የቀኝ ኩቦች ወይም የቀኝ ኮከቦች). ለሁሉም የአቶሚክ ንብርብር ለሚፈልጉ ጥገኛ ዳታ ማርቶች አርክቴክቸር ይፍጠሩ dati አግኝቷል? ገለልተኛ የውሂብ ማራዘሚያዎች እንዲያገኙ ይፍቀዱ dati በቀጥታ ከስርዓተ ክወናዎች?

ምን ዓይነት የኩብ ቴክኖሎጂን ደረጃውን የጠበቀ ለማድረግ ይሞክራሉ?

ብዛት ያላቸው አማልክት አለዎት dati ለክምታዊ ትንተና ያስፈልጋል ወይንስ በየሳምንቱ ወይም በሁለቱም የብሔራዊ የሽያጭ ኃይልዎ ኩብ ይፈልጋሉ? እንደ DB2 OLAP አገልጋይ ለፋይናንስ ወይም Cognos PowerPlay cubes ለሽያጭ ድርጅትዎ ወይም ለሁለቱም ኃይለኛ ነገር ይገነባሉ? እነዚህ የእርስዎ BI አካባቢ ወደፊት እንዲራመድ ተጽዕኖ የሚያደርጉ ትልልቅ የስነ-ህንፃ ዲዛይን ውሳኔዎች ናቸው። አዎ፣ የ OLAP አስፈላጊነትን ለይተው ያውቃሉ። አሁን እንደዚህ አይነት ቴክኒክ እና ቴክኖሎጂ እንዴት ልታከናውን ነው?

አንዳንድ በጣም የላቁ ቴክኖሎጂዎች በእርስዎ ዲዛይን ላይ ምን ተጽዕኖ ያሳድራሉ? በድርጅትህ ውስጥ የቦታ ፍላጎት እንዳለህ ለይተህ እናስብ። አሁን ለብዙ ወራት የቦታ ክፍሎችን ለመሥራት ባታቅዱ እንኳን የሕንፃውን ሥዕል እትሞችን ማስታወስ አለብህ። አርክቴክቱ በሚፈለገው መሰረት ዛሬ ዲዛይን ማድረግ አለበት. የሚያመነጭ፣ የሚያከማች፣ የሚጠብቅ እና መዳረሻ የሚሰጥ የቦታ ትንተና እንደሚያስፈልግ አስቡት dati የቦታ. ይህ ደግሞ በአሁኑ ጊዜ ግምት ውስጥ ማስገባት የሚችሉትን የሶፍትዌር ቴክኖሎጂ አይነት እና የመድረክ መግለጫዎችን በተመለከተ እንደ እገዳ ሆኖ ሊያገለግል ይገባል። ለምሳሌ, የአስተዳደር ስርዓት የውሂብ መሠረት ተዛማጅ (RDBMS) ለአቶሚክ ንብርብር የሚይዘው ጠንካራ የቦታ ስፋት ሊኖረው ይገባል። ይህ በእርስዎ የትንታኔ መተግበሪያዎች ውስጥ ጂኦሜትሪ እና የቦታ ቁሶችን ሲጠቀሙ ከፍተኛውን አፈጻጸም ያረጋግጣል። የእርስዎ RDBMS ማስተናገድ ካልቻለ dati (ስፓሻል-ማእከል) በውስጥ፣ ስለዚህ ሀ ማቋቋም አለቦት የውሂብ መሠረት (የቦታ-ማዕከላዊ) ውጫዊ. ይህ ለዲቢኤዎችዎ የሚፈጥረውን ተጨማሪ ችግሮች ሳይጠቅሱ የችግር አያያዝን ያወሳስበዋል እና አጠቃላይ የስራ አፈጻጸምዎን ይጎዳል፣ ምክንያቱም ስለ መሰረታዊ ነገሮች ትንሽ ግንዛቤ ሊኖራቸው ስለሚችል። dati ቦታም እንዲሁ. በሌላ በኩል፣ የእርስዎ የRDMBS ሞተር ሁሉንም የቦታ ክፍሎችን የሚይዝ ከሆነ እና አመቻቹ የቦታ ዕቃዎችን ልዩ ፍላጎቶች (ለምሳሌ ፣ መረጃ ጠቋሚ) የሚያውቅ ከሆነ የእርስዎ DBAs የአስተዳደር ጉዳዮችን በፍጥነት ማስተናገድ ይችላሉ እና አፈፃፀሙን ከፍ ማድረግ ይችላሉ።

እንዲሁም፣ የአድራሻ ማጽጃን ለማካተት የማዘጋጃ ቦታውን እና የአቶሚክ አካባቢን ማስተካከል ያስፈልግዎታል (ሀ

የመገኛ ቦታን ለመገምገም ቁልፍ አካል) ፣ እንዲሁም የቦታ ቁሶችን መቆጠብ ። የአድራሻ ንፅህናን ሀሳብ ካስተዋወቅን በኋላ የንድፍ እትሞች ተከታታይነት ቀጥሏል። አንደኛ ነገር፣ ይህ አፕሊኬሽን ለኢቲኤል ጥረት የሚፈልጉትን የሶፍትዌር አይነት ይወስናል።

ንጹህ አድራሻ ለእርስዎ ለመስጠት እንደ ትሪሊየም ያሉ ምርቶች ወይም ያንን ተግባር ለማቅረብ የመረጡት የኢቲኤል አቅራቢ ይፈልጋሉ?
ለአሁን መጋዘንዎን ለመጠገን ከመጀመርዎ በፊት መጠናቀቅ ያለበትን የንድፍ ደረጃ ማድነቅዎ አስፈላጊ ነው. ከላይ ያሉት ምሳሌዎች የማንኛውንም የንግድ መስፈርት መለየት መከተል ያለባቸውን ብዛት ያላቸውን የንድፍ ውሳኔዎች ማሳየት አለባቸው። በትክክል ከተደረጉ እነዚህ የንድፍ ውሳኔዎች በአካባቢዎ አካላዊ መዋቅሮች, ጥቅም ላይ የዋለው የቴክኖሎጂ ምርጫ እና የመረጃ ይዘት ስርጭት መካከል ያለውን ግንኙነት ያበረታታሉ. ያለዚህ የተለመደ የ BI አርክቴክቸር፣ ድርጅትዎ ለተመሰቃቀለ የቴክኖሎጂ ነባር ቴክኖሎጂዎች ተገዢ ይሆናል፣ በተሻለ መልኩ መረጋጋትን ለመስጠት አንድ ላይ ተጣምሮ።

የመረጃ ይዘትን ጠብቁ

የመረጃን ዋጋ ወደ ድርጅትዎ ማምጣት በጣም ከባድ ስራ ነው። በቂ ግንዛቤ እና ልምድ ከሌለ ወይም ትክክለኛ ምህንድስና እና ዲዛይን ከሌለ ምርጥ ቡድኖች እንኳን ይወድቃሉ። በአንጻሩ፣ ትልቅ ውስጠ-አእምሮ እና ዝርዝር ንድፍ ካለህ ነገር ግን ለመፈጸም የሚያስችል ዲሲፕሊን ከሌለህ፣ ጥረታችሁ ሊከሽፍ ስለሚችል ገንዘባችሁን እና ጊዜያችሁን አጠፋችሁ። መልእክቱ ግልጽ መሆን አለበት፡ ከእነዚህ ክህሎቶች ውስጥ አንድ ወይም ከዚያ በላይ ከሌሉዎት መረዳት/ልምድ ወይም እቅድ/ንድፍ ወይም የአተገባበር ዲሲፕሊን ከሌለዎት ይህ የ BI ድርጅትን ግንባታ ወደ ሽባ ወይም ውድመት ያመራል።

የእርስዎ ቡድን በበቂ ሁኔታ ተዘጋጅቷል? በእርስዎ BI ቡድን ውስጥ ያለ ሰው በቢኤ አከባቢዎች ያለውን ሰፊ ​​የትንታኔ ገጽታ፣ እና ያንን የመሬት ገጽታ ለመጠበቅ የሚያስፈልጉትን ቴክኒኮች እና ቴክኖሎጂዎች የሚረዳ አለ? የላቀ በመተግበር ላይ ያለውን ልዩነት የሚያውቅ በቡድንዎ ውስጥ አለ?

የማይንቀሳቀስ ሪፖርት ማድረግ እና OLAP፣ ወይስ በ ROLAP እና OLAP መካከል ያሉ ልዩነቶች? ከቡድንዎ አባላት አንዱ የማዕድን ማውጫውን መንገድ እና በመጋዘኑ ላይ ምን ተጽዕኖ እንደሚያሳድር ወይም መጋዘኑ የማዕድን አፈፃፀምን እንዴት እንደሚደግፍ በግልፅ ያውቃል? የቡድን አባል ዋጋውን ይገነዘባል dati ቦታ ወይስ ወኪል ላይ የተመሰረተ ቴክኖሎጂ? የኢቲኤል vs የመልእክት ደላላ ቴክኖሎጂ ልዩ መሳሪያዎችን መተግበሪያ የሚያደንቅ ሰው አለህ? ከሌለህ አንድ አግኝ። BI ከተለምዶ የአቶሚክ ንብርብር፣ OLAP፣ የኮከብ ንድፎች እና ኦዲኤስ በጣም ትልቅ ነው።

የ BI መስፈርቶችን እና መፍትሄዎቻቸውን የማወቅ ግንዛቤ እና ልምድ ማግኘቱ የተጠቃሚ ፍላጎቶችን በአግባቡ ለማደራጀት እና መፍትሄዎቻቸውን ለመንደፍ እና ለመተግበር ለእርስዎ ችሎታ አስፈላጊ ነው። የተጠቃሚው ማህበረሰብ መስፈርቶችን ለመግለፅ ከተቸገረ፣ ያንን መረዳት የመስጠት የመጋዘን ቡድን ነው። ነገር ግን የመጋዘን ቡድን ከሆነ

የ BI ን ልዩ አተገባበር አያውቀውም - ለምሳሌ የውሂብ ማዕድን - ከዚያ የ BI አከባቢዎች ብዙውን ጊዜ ተገብሮ ማከማቻዎች እንዲሆኑ ብቻ የተገደቡ መሆናቸው የተሻለ አይደለም። ነገር ግን፣ እነዚህን ቴክኖሎጂዎች ችላ ማለት በድርጅትዎ የንግድ ኢንተለጀንስ ችሎታዎች እና እንዲሁም ለማስተዋወቅ ያቀዱትን የመረጃ ሀብት ላይ ያላቸውን ጠቀሜታ እና ተፅእኖ አይቀንስም።

ዲዛይኑ የመሳል ሀሳብን ማካተት አለበት, እና ሁለቱም ብቃት ያለው ግለሰብ ያስፈልጋቸዋል. በተጨማሪም፣ እቅድ ማውጣት የቡድን ዌር ሃውስ ፍልስፍና እና ደረጃዎችን ማክበርን ይጠይቃል። ለምሳሌ፣ ኩባንያዎ የመድረክ ደረጃን ካቋቋመ ወይም በመድረክ ላይ ደረጃውን የጠበቀ እንዲሆን የሚፈልገውን የተለየ RDBMS ካወቀ፣ በቡድኑ ውስጥ ያለ ማንኛውም ሰው እነዚህን መመዘኛዎች ማክበሩ አስፈላጊ ነው። በአጠቃላይ አንድ ቡድን ደረጃውን የጠበቀ (ለተጠቃሚ ማህበረሰቦች) አስፈላጊነትን ይገልጻል, ነገር ግን ቡድኑ እራሱ በሌሎች የኩባንያው አካባቢዎች ወይም ምናልባትም ተመሳሳይ ኩባንያዎች ውስጥ የተቀመጡትን ደረጃዎች ለማክበር ፈቃደኛ አይደለም. ይህ ግብዝነት ብቻ ሳይሆን ኩባንያው ያሉትን ሀብቶች እና ኢንቨስትመንቶች መበዝበዝ የማይችል መሆኑን ያረጋግጣል። ደረጃውን ያልጠበቀ መድረክ ወይም ቴክኖሎጂ የሚያረጋግጡ ሁኔታዎች የሉም ማለት አይደለም; ይሁን እንጂ የመጋዘን ጥረቶች

የንግድ መስፈርቶች ተቃራኒ እስኪሆኑ ድረስ የድርጅቱን ደረጃዎች በቅናት መጠበቅ አለባቸው.

BI ድርጅት ለመገንባት የሚያስፈልገው ሦስተኛው ቁልፍ አካል ዲሲፕሊን ነው።
በአጠቃላይ በግለሰብ እና በአካባቢው ላይ እኩል ይወሰናል. የፕሮጀክት እቅድ አውጪዎች፣ ስፖንሰሮች፣ አርክቴክቶች እና ተጠቃሚዎች የኩባንያውን የመረጃ ንብረቶችን ለመገንባት የሚያስፈልገውን ዲሲፕሊን ማድነቅ አለባቸው። ንድፍ አውጪዎች በኅብረተሰቡ ውስጥ የሚፈለጉትን ሌሎች ጥረቶች ለማሟላት የንድፍ ጥረታቸውን መምራት አለባቸው.

ለምሳሌ፣ ኩባንያዎ የመጋዘን አካል ያለው የኢአርፒ መተግበሪያ ገነባ እንበል።
ስለዚህ ቀደም ሲል የተጀመሩትን ስራዎች ለመወዳደር ወይም ለማባዛት እንዳይችሉ ከመጋዘን አካባቢ ቡድን ጋር መተባበር የኢአርፒ ዲዛይነሮች ሃላፊነት ነው.

ተግሣጽም በጠቅላላ ድርጅቱ ትኩረት ሊሰጠው የሚገባ እና በአብዛኛው በአስፈጻሚ ደረጃ የተቋቋመና የታዘዘ ርዕሰ ጉዳይ ነው።
አስፈፃሚዎች የተቀየሰ አቀራረብን ለማክበር ፈቃደኞች ናቸው? በመጨረሻም ለሁሉም የኢንተርፕራይዙ አካባቢዎች ዋጋ የሚያስገኝ፣ ግን የግለሰብ ወይም የመምሪያ አጀንዳዎችን የሚያበላሽ የመረጃ ይዘት ለመፍጠር ቃል የገባ አካሄድ? "ስለ አንድ ነገር ከማሰብ ይልቅ ስለ ሁሉም ነገር ማሰብ የበለጠ አስፈላጊ ነው" የሚለውን አባባል አስታውስ. ይህ አባባል ለ BI ድርጅቶች እውነት ነው።

እንደ አለመታደል ሆኖ፣ ብዙ መጋዘኖች ለድርጅቱ ብዙም ግምት ውስጥ ሳይገቡ ለአንድ ክፍል ወይም ለተወሰኑ ተጠቃሚዎች ዋጋን ለማነጣጠር እና ለማቅረብ በመሞከር ላይ ያተኩራሉ። ስራ አስኪያጁ ከዋሬ ሃውስ ቡድን እርዳታ ጠየቀ እንበል። ቡድኑ በአስፈጻሚው የተገለጹትን የማሳወቂያ መስፈርቶች ማድረስ ብቻ ሳይሆን ሁሉንም ማረጋገጥን በሚያካትት የ90-ቀን ጥረት ምላሽ ይሰጣል። dati ወደታቀደው የኩብ ቴክኖሎጂ ከመግባታቸው በፊት ቤዝ ወደ አቶሚክ ደረጃ ይደባለቃሉ።
ይህ የምህንድስና መጨመሪያ ውሬ ሃውስ ኢንተርፕራይዝ ከ ተጠቃሚ እንደሚሆን ያረጋግጣል dati ለአስተዳዳሪው አስፈላጊ ፡፡
ነገር ግን፣ ስራ አስፈፃሚው ከ4 ሳምንታት ባነሰ ጊዜ ውስጥ ከማድረስ ጋር ተመሳሳይ ማመልከቻ ያቀረቡትን የውጭ አማካሪ ድርጅቶችን አነጋግሯል።

የውስጥ ዋሪ ሃውስ ቡድን ብቁ ነው ብለን ካሰብን፣ አስፈፃሚው ምርጫ አለው። የኢንተርፕራይዝ መረጃን ንብረት ለማሳደግ የሚያስፈልገውን ተጨማሪ የምህንድስና ዲሲፕሊን ማን ሊደግፍ ይችላል ወይም የራሳቸውን መፍትሄ በፍጥነት ለመገንባት መምረጥ ይችላል። የኋለኛው በጣም ብዙ ጊዜ የተመረጠ ይመስላል እና ለጥቂቶች ወይም ለግለሰብ የሚጠቅሙ የመረጃ መያዣዎችን ለመፍጠር ብቻ ያገለግላል።

የአጭር እና የረጅም ጊዜ ግቦች

አርክቴክቶች እና የፕሮጀክት እቅድ አውጪዎች ስለ አጠቃላይ አርክቴክቸር የረጅም ጊዜ እይታ እና የ BI ድርጅትን ለማሳደግ ዕቅዶችን መደበኛ ማድረግ አለባቸው። ይህ የአጭር ጊዜ ትርፍ እና የረጅም ጊዜ እቅድ ጥምረት የ BI ጥረቶች ሁለቱ ገጽታዎች ናቸው። የአጭር ጊዜ ገቢ ከመጋዘንዎ ድግግሞሽ ጋር የተያያዘው የ BI ገጽታ ነው።

ይህ እቅድ አውጪዎች፣ አርክቴክቶች እና ስፖንሰሮች ልዩ የንግድ መስፈርቶችን በማሟላት ላይ ያተኮሩበት ነው። አካላዊ አወቃቀሮች የተገነቡበት፣ ቴክኖሎጂ የሚገዛበት እና ቴክኒኮች የሚተገበሩበት በዚህ ደረጃ ነው። በምንም አይነት መልኩ በተወሰኑ የተጠቃሚ ማህበረሰቦች እንደተገለጸው የተወሰኑ መስፈርቶችን እንዲያሟሉ አልተደረጉም። ሁሉም ነገር የሚከናወነው በአንድ የተወሰነ ማህበረሰብ የተገለጹ ልዩ መስፈርቶችን ለመፍታት በማቀድ ነው።
የረጅም ጊዜ እቅድ ማውጣት ግን ሌላው የ BI ገጽታ ነው። እቅዶቹ እና ዲዛይኖቹ የትኛውም አካላዊ መዋቅር መገንባቱን ፣ የተመረጡት ቴክኖሎጂዎች እና ቴክኒኮችን ወደ ኢንተርፕራይዙ በትኩረት የተሰሩ መሆናቸውን ያረጋገጡበት ነው። ጠንካራ ጥቅማጥቅሞች ከማንኛውም የአጭር ጊዜ ትርፍ የተገኙ መሆናቸውን ለማረጋገጥ አስፈላጊውን ትብብር የሚያቀርበው የረጅም ጊዜ እቅድ ነው።

የ BI ጥረትዎን ትክክለኛ ያድርጉ

Un የውሂብ መጋዘን በራሱ ምንም የተፈጥሮ ዋጋ የለውም. በሌላ አነጋገር በመጋዘን ቴክኖሎጂዎች እና በአተገባበር ቴክኒኮች መካከል ምንም አይነት እሴት የለም.

የማንኛውንም የመጋዘን ጥረት ዋጋ የሚገኘው በመጋዘን አካባቢ እና በጊዜ ሂደት በተመረተው የመረጃ ይዘት ምክንያት በተከናወኑ ድርጊቶች ውስጥ ነው. የማንኛውንም ቤት ተነሳሽነት ዋጋ ለመገመት ከመሞከርዎ በፊት ይህ ሊረዱት የሚገባ ወሳኝ ነጥብ ነው።

በጣም ብዙ ጊዜ አርክቴክቶች እና እቅድ አውጪዎች በመጋዘኑ አካላዊ እና ቴክኒካል ክፍሎች ላይ ዋጋን ተግባራዊ ለማድረግ ይሞክራሉ በእውነቱ እሴቱ በንግዱ ሂደት ላይ የተመሰረተ ሲሆን ይህም በመጋዘኑ እና በጥሩ ሁኔታ የተያዘ መረጃ ነው።

BI ለመመስረት ፈተናው እዚህ አለ፡ ኢንቨስትመንቱን እንዴት ያረጋግጣሉ? መኖሪያ ቤቱ ራሱ ምንም ዓይነት ውስጣዊ እሴት ከሌለው፣ የፕሮጀክት ዕቅድ አውጪዎች ልዩ የንግድ ሥራ ሂደቶችን ወይም የተጠበቁ መረጃዎችን ዋጋ ለማሳደግ መጋዘኑን ለሚጠቀሙ ግለሰቦች መመርመር፣ መግለፅ እና ጥቅሞቹን መደበኛ ማድረግ አለባቸው።

ጉዳዮችን ለማወሳሰብ፣ በመጋዘን ጥረቶች የተጎዳ ማንኛውም የንግድ ሂደት “ተጨባጭ” ወይም “መለስተኛ” ጥቅሞችን ሊሰጥ ይችላል። ጉልህ ጥቅማጥቅሞች በኢንቨስትመንት ላይ ተመላሽ (ROI) ለመለካት ተጨባጭ መለኪያ ይሰጣሉ - ለምሳሌ በተወሰነ ጊዜ ውስጥ ተጨማሪ ጊዜን ወይም ለአንድ ጭነት ዝቅተኛ የመጓጓዣ ዋጋ። እንደ የተሻሻለ የመረጃ ተደራሽነት ያሉ ስውር ጥቅማጥቅሞችን በተጨባጭ እሴት ለመግለጽ የበለጠ ከባድ ነው።

ለማወቅ ፕሮጀክትዎን ያገናኙ የንግድ ጥያቄዎች

በጣም ብዙ ጊዜ የፕሮጀክት እቅድ አውጪዎች የመጋዘን ዋጋን ከማይመስሉ የድርጅት ግቦች ጋር ለማገናኘት ይሞክራሉ። "የመጋዘን ዋጋ ስልታዊ ጥያቄዎችን ለማሟላት ባለን አቅም ላይ የተመሰረተ ነው" በማለት ውይይቱን አስደሳች በሆነ መንገድ እንከፍታለን። ነገር ግን በመጋዘን ውስጥ ኢንቨስት ማድረግ ትርጉም ያለው መሆኑን ለመወሰን ያ ብቻ በቂ አይደለም። የመጋዘን ተወካዮችን ከተወሰኑ የንግድ ጥያቄዎች እና ማስታወሻዎች ጋር ማገናኘት የተሻለ ነው.

ROI ን መለካት

በመጋዘን ውስጥ ROI ማስላት በተለይ ከባድ ሊሆን ይችላል። እርሳሱ ከሆነ በተለይ አስቸጋሪ ነው

የአንድ የተወሰነ ድግግሞሽ የማይዳሰስ ወይም ለመለካት ቀላል የሆነ ነገር ነው። አንድ ጥናት ተጠቃሚዎች የ BI ተነሳሽነት ሁለቱን ዋና ጥቅሞች እንደሚገነዘቡ አረጋግጧል።

• ▪ ውሳኔ ለማድረግ ችሎታን መፍጠር
• ▪ የመረጃ ተደራሽነትን መፍጠር
  እነዚህ ጥቅሞች ለስላሳ (ወይም መለስተኛ) ጥቅሞች ናቸው. እንደ የተቀነሰ የጭነት ዋጋ ባለው ከባድ (ወይም ከዚያ በላይ) ጥቅም ላይ በመመስረት ROIን እንዴት ማስላት እንደምንችል ለማየት ቀላል ነው፣ ነገር ግን የተሻሉ ውሳኔዎችን የማድረግ ችሎታን እንዴት እንለካለን?
  ኩባንያው በአንድ የተወሰነ የመጋዘን ጥረት ላይ ኢንቨስት እንዲያደርግ ለማድረግ ሲሞክሩ ይህ ለፕሮጀክት እቅድ አውጪዎች በእርግጥ ፈታኝ ነው። የሽያጭ መጨመር ወይም ማሽቆልቆል ወጪዎች የ BI አካባቢን የሚያንቀሳቅሱ ማዕከላዊ ገጽታዎች አይደሉም።
  በምትኩ፣ አንድ የተወሰነ ክፍል በፍጥነት ውሳኔዎችን እንዲወስድ ለተሻለ የመረጃ ተደራሽነት የንግድ ጥያቄዎችን እየፈለግክ ነው። እነዚህ ለድርጅቱ እኩል ጠቀሜታ ያላቸው ነገር ግን የበለጠ አሻሚዎች እና በተጨባጭ መለኪያ ለመለየት አስቸጋሪ የሆኑ ስልታዊ ነጂዎች ናቸው። በዚህ አጋጣሚ ROIን ማስላት አግባብነት ከሌለው አሳሳች ሊሆን ይችላል።
  የፕሮጀክት ዲዛይነሮች በአንድ የተወሰነ ድግግሞሽ ውስጥ ያለው ኢንቨስትመንት ዋጋ ያለው መሆኑን ለመወሰን ለአስፈፃሚዎች ተጨባጭ እሴት ማሳየት መቻል አለባቸው. ነገር ግን፣ ROIን ለማስላት አዲስ ዘዴ አንሰጥም፣ ለእሱም ሆነ ለመቃወም ምንም ዓይነት ክርክር አንሰጥም።
  ROIን ለማስላት መሰረታዊ ነገሮችን የሚያብራሩ ብዙ መጣጥፎች እና መጽሃፎች አሉ። እንደ ጋርትነር ባሉ ቡድኖች ሊመረምሩ የሚችሏቸው እንደ ዋጋ ኢንቬስትመንት (VOI) ያሉ ልዩ ዋጋ ያላቸው ሀሳቦች አሉ። በምትኩ፣ ከግምት ውስጥ ማስገባት ያለብዎት የማንኛውም የ ROI ወይም ሌሎች የእሴት ሀሳቦች ዋና ገጽታዎች ላይ እናተኩራለን። ROI ን በመተግበር ላይ ከ BI ጥረቶች ጋር በተያያዙት "ከባድ" እና "ለስላሳ" ጥቅሞች ላይ ካለው ክርክር ባሻገር ROI ን ሲተገበሩ ግምት ውስጥ መግባት ያለባቸው ሌሎች ጉዳዮችም አሉ። ለምሳሌ:

ለማንኛውም ሊመጡ ለሚችሉ ለDW ጥረቶች በጣም ብዙ ቁጠባዎች ምክንያት በማድረግ
ኩባንያዎ ከዋናው መዋቅር ወደ የተከፋፈለ UNIX አካባቢ ተንቀሳቅሷል እንበል። ስለዚህ ከጥረቱ እውን ሊሆን የሚችል (ወይም ላይሆን) ማንኛውም ቁጠባ፣ ጨርሶ (?) ከሆነ፣ ወደ መጋዘኑ ብቻ መወሰድ የለበትም።

ለሁሉም ነገር ሂሳብ አለመመዝገብ ውድ ነው። እና ግምት ውስጥ መግባት ያለባቸው ብዙ ነገሮች አሉ. የሚከተለውን ዝርዝር አስብ።

• ▪ አዋጭነትን ጨምሮ የጅምር ዋጋ።
• ▪ የተቀናጀ የሃርድዌር ዋጋ ከማከማቻ እና ግንኙነት ጋር
• ▪ የሶፍትዌሩ ወጪ፣ አስተዳደርን ጨምሮ dati እና የደንበኛ/የአገልጋይ ቅጥያዎች፣ የኢቲኤል ሶፍትዌር፣ የዲኤስኤስ ቴክኖሎጂዎች፣ የእይታ መሳሪያዎች፣ መርሐግብር እና የስራ ፍሰት አፕሊኬሽኖች እና ሶፍትዌሮችን መቆጣጠር፣ .
• ▪ የመዋቅር ዲዛይን ወጪ dati፣ ከመፍጠር እና ከማመቻቸት ጋር
• ▪ የሶፍትዌር ልማት ወጪ ከ BI ጥረት ጋር በቀጥታ የተያያዘ
• ▪ የሶፍትዌር ሥሪት ቁጥጥር እና የእገዛ ሥራዎችን ጨምሮ የሥራ አፈጻጸምን ማሳደግን ጨምሮ የቤት ድጋፍ ወጪ “ቢግ-ባንግ” ROI ን ይተግብሩ። መጋዘኑን እንደ አንድ ነጠላ ግዙፍ ጥረቶች መገንባት ውድቅ ነው, ስለዚህ ለትልቅ ድርጅት ተነሳሽነት ROI አስሉ ቅናሹ አስገራሚ ነው, እና እቅድ አውጪዎች የጠቅላላውን ጥረት ዋጋ ለመገመት ደካማ ሙከራዎችን ማድረጋቸውን ቀጥለዋል. እቅድ አውጪዎች ለየት ያሉ ድግግሞሾችን መገመት ከባድ እንደሆነ በሰፊው የሚታወቅ እና ተቀባይነት ካገኘ በንግድ ተነሳሽነት ላይ የገንዘብ እሴት ለማስቀመጥ ለምን ይሞክራሉ? እንዴት ይቻላል? ከጥቂቶች በስተቀር አይቻልም። አታድርግ። አሁን ROIን በሚሰላበት ጊዜ ማድረግ የሌለብንን መስርተናል፣ የ BI ጥረቶችዎን ዋጋ ለመገመት አስተማማኝ ሂደት ለመመስረት የሚያግዙዎት ጥቂት ነጥቦች እዚህ አሉ።

የROI ስምምነትን በማግኘት ላይ። የ BI ጥረቶችዎን ዋጋ ለመገመት የመረጡት ቴክኒክ ምንም ይሁን ምን የፕሮጀክት እቅድ አውጪዎች፣ ስፖንሰሮች እና የድርጅት ስራ አስፈፃሚዎችን ጨምሮ በሁሉም ወገኖች ስምምነት ላይ መድረስ አለበት።

ROIን ወደሚታወቁ ክፍሎች ይሰብሩ። ወደ ምክንያታዊ የ ROI ስሌት አስፈላጊ እርምጃ ያንን ስሌት በአንድ የተወሰነ ፕሮጀክት ላይ ማተኮር ነው። ይህ እንግዲህ በተሟሉ የንግድ መስፈርቶች ላይ በመመስረት ዋጋን ለመገመት ያስችላል

ወጪዎችን ይግለጹ. እንደተጠቀሰው ብዙ ወጪዎችን ግምት ውስጥ ማስገባት ያስፈልጋል. በተጨማሪም፣ ወጪዎች ከግለሰብ ድግግሞሽ ጋር የተያያዙትን ብቻ ሳይሆን የድርጅት ደረጃዎችን መከበራቸውን ከማረጋገጥ ጋር የተያያዙ ወጪዎችንም ማካተት አለባቸው።

ጥቅሞችን ይግለጹ. ROIን ከተወሰኑ የንግድ መስፈርቶች ጋር በማገናኘት መስፈርቶቹን ወደሟሟላት የሚያመጡትን ጥቅሞች መለየት መቻል አለብን።

በቅርብ ጥቅሞች ውስጥ ወጪዎችን እና ጥቅሞችን ይቀንሱ። ወደፊት በሚመጡት ገቢዎች ላይ የወደፊት ዋጋን ለመተንበይ ከመሞከር በተቃራኒ የእርስዎን ግምገማዎች አሁን ባለው ዋጋ (NPV) ላይ ለመመሥረት ምርጡ መንገድ ነው።

የእርስዎን ROI በትንሹ ለመከፋፈል ጊዜዎን ያቆዩ። በእርስዎ ROI ውስጥ ጥቅም ላይ ከዋለ በረጅም ጊዜ ውስጥ በደንብ ተመዝግቧል።

ከአንድ በላይ የROI ቀመር ተጠቀም። ROIን ለመተንበይ ብዙ ዘዴዎች አሉ፣ እና ከነሱ ውስጥ አንዱን ወይም ከዛ በላይ ለመጠቀም ማቀድ አለቦት፣ የተጣራ የአሁን ዋጋ፣ የውስጥ መመለሻ መጠን (IRR) እና መልሶ ክፍያ።

ሊደገም የሚችል ሂደትን ይግለጹ. ይህ ማንኛውንም የረጅም ጊዜ እሴት ለማስላት ወሳኝ ነው. አንድ ነጠላ ሊደገም የሚችል ሂደት ለሁሉም ተከታይ የፕሮጀክት ንዑስ ቅደም ተከተሎች መመዝገብ አለበት።

የተዘረዘሩት ችግሮች በጣም የተለመዱት በዌር ሃውስ አካባቢ ባለሙያዎች የተገለጹ ናቸው። “Big-Bang” ROI ለማድረስ የአስተዳዳሪው ግፊት በጣም ግራ የሚያጋባ ነው። ሁሉንም የ ROI ስሌቶችህን ወደ ተለዩ፣ ተጨባጭ ክፍሎች በመከፋፈል ከጀመርክ ትክክለኛውን የ ROI ግምት ለመገመት ጥሩ እድል ይኖርሃል።

ስለ ROI ጥቅሞች ጥያቄዎች

ጥቅማ ጥቅሞችዎ ምንም ቢሆኑም፣ ለስላሳም ይሁን ከባድ፣ ዋጋቸውን ለመወሰን ጥቂት መሰረታዊ ጥያቄዎችን መጠቀም ይችላሉ። ለምሳሌ፣ ከ1 እስከ 10 ባለው ቀላል የልኬት ስርዓት በመጠቀም የማንኛውም ጥረት ተጽእኖ የሚከተሉትን ጥያቄዎች መለካት ይችላሉ።

• ግንዛቤን እንዴት ይመዝኑታል። dati ይህንን የድርጅትዎን ፕሮጀክት በመከተል?
• በዚህ ፕሮጀክት ምክንያት የሂደቱን ማሻሻያ እንዴት ይገመግማሉ?
• በዚህ ተደጋጋሚነት አሁን የቀረቡትን አዳዲስ ግንዛቤዎች እና ግምቶች ተፅእኖ እንዴት ይለካሉ
• በተማረው ነገር ምክንያት የአዳዲስ እና የተሻሉ የኮምፒዩተር አከባቢዎች ተፅእኖ ምን ነበር? የእነዚህ ጥያቄዎች መልሶች ጥቂት ከሆኑ ኢንተርፕራይዙ ለተደረገው ኢንቬስትመንት ዋጋ የለውም. ከፍተኛ ነጥብ የሚያስገኙ ጥያቄዎች ከፍተኛ ዋጋ ያላቸውን ጥቅሞች ያመለክታሉ እና ለተጨማሪ ምርመራ እንደ መመሪያ ሆነው ሊያገለግሉ ይገባል። ለምሳሌ, ለሂደት ማሻሻያዎች ከፍተኛ ውጤት ዲዛይነሮች ሂደቶች እንዴት እንደተሻሻሉ እንዲመረምሩ ሊመራቸው ይገባል. አንዳንድ ወይም ሁሉም የተገኙት ግኝቶች ተጨባጭ ናቸው እና ስለዚህ የገንዘብ ዋጋ በቀላሉ ሊተገበር ይችላል። ከመጀመሪያው ተደጋጋሚነት ምርጡን ማግኘት የ መጋዘን የድርጅትዎ ጥረት ትልቁ ውጤት በመጀመሪያዎቹ ጥቂት ድግግሞሾች ውስጥ ነው። እነዚህ ቀደምት ጥረቶች በባህላዊ መልኩ ለህዝብ በጣም ጠቃሚ የሆነውን የመረጃ ይዘት ያቋቁማሉ እና ለቀጣይ የ BI አፕሊኬሽኖች የቴክኖሎጂ መሰረትን ለመመስረት ይረዳሉ። አብዛኛውን ጊዜ እያንዳንዱ ተከታይ ተከታይ dati የመጋዘን ፕሮጀክቶች ለድርጅቱ በአጠቃላይ አነስተኛ እና ያነሰ ተጨማሪ እሴት ያመጣሉ. ይህ በተለይ ድግግሞሹ አዳዲስ ርዕሶችን ካልጨመረ ወይም የአዲስ ተጠቃሚ ማህበረሰብን ፍላጎት ካላሟላ ነው።

ይህ የማከማቻ ባህሪ በማደግ ላይ ባሉ ቁልል ላይም ይሠራል dati የታሪክ ምሁራን ፡፡ ቀጣይ ጥረቶች የበለጠ ስለሚፈልጉ dati እና እንደ ተጨማሪ dati ከጊዜ በኋላ ወደ መጋዘኑ ውስጥ ይፈስሳሉ ፣ በጣም dati ጥቅም ላይ ከሚውለው ትንታኔ ጋር ያነሰ ተዛማጅ ይሆናል ፡፡ እነዚህ dati ብዙ ጊዜ ይጠራሉ dati እንቅልፍ የሌላቸው እና እነሱን ማቆየት ሁልጊዜ ውድ ነው ምክንያቱም በጭራሽ ጥቅም ላይ የማይውሉ ናቸው.

ይህ ለፕሮጀክት ስፖንሰሮች ምን ማለት ነው? በመሠረቱ፣ የመጀመሪያዎቹ ስፖንሰሮች ከኢንቨስትመንት ወጪዎች የበለጠ ይጋራሉ። ይህ ቀዳሚ ነው ምክንያቱም መጋዘኑን ኦርጋኒክን ጨምሮ ሰፊ የቴክኖሎጂ እና የመረጃ አካባቢ ሽፋን ለመመስረት አነሳሶች ናቸው።

ነገር ግን እነዚህ የመጀመሪያ ደረጃዎች ትልቁን ዋጋ ይይዛሉ እና ስለዚህ የፕሮጀክት እቅድ አውጪዎች ብዙውን ጊዜ ኢንቨስትመንቱን ማረጋገጥ አለባቸው።
ከእርስዎ የ BI ተነሳሽነት በኋላ የተሰሩ ፕሮጀክቶች ዝቅተኛ (ከመጀመሪያው ጋር ሲነጻጸር) እና ቀጥተኛ ወጪዎች ሊኖራቸው ይችላል, ነገር ግን ለድርጅቱ ያነሰ ዋጋ ያመጣሉ.

እና የድርጅቱ ባለቤቶች ግንባታውን ለመጣል ማሰብ መጀመር አለባቸው dati እና አነስተኛ ተዛማጅ ቴክኖሎጂዎች ፡፡

የመረጃ ማዕድን ማውጫ Dati

ብዙ የስነ-ህንፃ አካላት የመረጃ ማዕድን ቴክኖሎጂዎችን እና ቴክኒኮችን ልዩነት ይፈልጋሉ-
ለምሳሌ ፣ የተለያዩ “ወኪሎች” የፍላጎት ነጥቦችን ለመመርመር ደንበኞች, የኩባንያው ኦፕሬቲንግ ሲስተሞች እና ለተመሳሳይ dw. እነዚህ ወኪሎች እንደ የሽያጭ ማስተዋወቂያዎች ላይ ተመስርተው የወደፊት የምርት ፍላጎትን በመሳሰሉ የድስት አዝማሚያዎች ላይ የሰለጠኑ የላቀ የነርቭ አውታረ መረቦች ሊሆኑ ይችላሉ ። ለአንድ ስብስብ ምላሽ ለመስጠት ደንቦችን መሰረት ያደረጉ ሞተሮች ዳቶ የሁኔታዎች, ለምሳሌ, የሕክምና ምርመራ እና የሕክምና ምክሮች; ወይም ቀላል ወኪሎች ለከፍተኛ አስፈፃሚዎች የማይካተቱትን ሪፖርት የማድረግ ሚና ያላቸው። በአጠቃላይ እነዚህ የማውጣት ሂደቶች dati si

በእውነተኛ ጊዜ ማረጋገጥ; ስለሆነም ከእንቅስቃሴው ጋር ሙሉ ለሙሉ አንድ መሆን አለባቸው dati ራሳቸው ፡፡

የመስመር ላይ ትንታኔ ማቀነባበሪያ ሂደት

የመስመር ላይ ትንታኔዎች

የመቁረጥ ፣ የመቁረጥ ፣ የመንከባለል ፣ የመቆፈር እና የመተንተን ችሎታ
ምን- ከሆነ ፣ በ IBM ቴክኖሎጂ ስብስብ ወሰን ውስጥ ከሆነ። ለምሳሌ፣ የመስመር ላይ የትንታኔ ሂደት (OLAP) ተግባራት ለ DB2 አሉ ይህም ወደ ሞተሩ ልኬት ትንተና ያመጣል የውሂብ ጎታ ተመሳሳይ

የዲቢ2 የተፈጥሮ አካል በመሆን ሁሉንም ጥቅሞችን እያገኙ ተግባራት ወደ SQL ልኬት መገልገያ ይጨምራሉ። ሌላው የ OLAP ውህደት ምሳሌ የማውጫ መሳሪያው DB2 OLAP Analyzer Server ነው። ይህ ቴክኖሎጂ የ DB2 OLAP አገልጋይ ኪዩቦች በፍጥነት እና በራስ-ሰር እንዲቃኙ ያስችላቸዋል dati ለየትኛውም ኪዩብ ያልተለመደ ወይም ያልተጠበቀ ለንግድ ተንታኙ። እና በመጨረሻም የዲደብሊው ሴንተር ተግባራት አርክቴክቶች ከሌሎች ነገሮች በተጨማሪ የ DB2 OLAP cube አገልጋይን መገለጫ እንደ የኢቲኤል ሂደቶች ተፈጥሯዊ አካል ለመፈተሽ መንገድ ይሰጣሉ።

የቦታ ትንተና የቦታ ትንተና

ቦታ ለፓኖራማ አስፈላጊ የሆኑትን የትንታኔ መልሕቆች (ምልክቶች) ግማሹን ይወክላል
ሰፊ ትንታኔ (ጊዜ ሌላኛውን ግማሽ ያመለክታል). በስእል 1.1 የተወከለው የመጋዘን የአቶሚክ ደረጃ ለሁለቱም ጊዜ እና ቦታ መሠረቶችን ያካትታል. የጊዜ ማህተሞች መልህቅ ትንታኔዎችን በጊዜ እና የአድራሻ መረጃ መልህቅ ትንታኔዎችን በቦታ። የጊዜ ማህተሞች ትንታኔውን በጊዜ ያካሂዳሉ፣ እና የአድራሻ መረጃ ትንተናውን በቦታ ያካሂዳል። ዲያግራሙ ጂኦኮዲንግ ያሳያል - አድራሻዎችን በካርታ ላይ ወደ ነጥቦች የመቀየር ሂደት ወይም በህዋ ላይ ያሉ ፅንሰ-ሀሳቦች እንደ ርቀት እና ከውስጥ/ውጭ ያሉ ፅንሰ ሀሳቦች በትንተና ውስጥ ጥቅም ላይ እንዲውሉ - በአቶሚክ ደረጃ የተካሄደ እና የቦታ ትንተና ለተንታኙ እንዲቀርብ ይደረጋል። IBM የቦታ ማራዘሚያዎችን ያቀርባል, ከአካባቢያዊ ስርዓት ምርምር ተቋም (ESRI), al የውሂብ ጎታ DB2 ስለዚህ የመገኛ ቦታ ነገሮች እንደ መደበኛ የ የውሂብ ጎታ ዝምድና. ዲቢ 2

የቦታ ማራዘሚያዎች፣ እንዲሁም የቦታ ትንታኔን ለመጠቀም ሁሉንም የSQL ቅጥያዎችን ያቅርቡ። ለምሳሌ፣ ለመጠየቅ የSQL ቅጥያዎች
በአድራሻዎች መካከል ያለው ርቀት ወይም አንድ ነጥብ ከውስጥ ወይም ከውስጥ ወይም ከተወሰነ ባለ ብዙ ጎን አካባቢ ከሆነ ከSpatial Extender ጋር የትንታኔ ደረጃዎች ናቸው። ለበለጠ መረጃ ምዕራፍ 16ን ተመልከት።

የውሂብ ጎታ- የነዋሪ መሳሪያዎች መሣሪያዎች የውሂብ ጎታ- ነዋሪ

DB2 ለመተንተን ተግባር የሚረዱ ብዙ የSQL BI-ነዋሪ ባህሪያት አሉት። እነዚህም የሚከተሉትን ያካትታሉ:

• እንደ “ሁሉንም ሊሆኑ የሚችሉ የበረራ መንገዶችን ይፈልጉ ሳን ፍራንሲስኮ a ኒው ዮርክ".
• በመደበኛነት በ OLAP ቴክኖሎጂ ብቻ የሚከናወኑ ተግባራትን ለማመቻቸት የደረጃ ፣የድምር ፣ኩብ እና ጥቅል ተግባራት የትንታኔ ተግባራት አሁን የኤንጂን ተፈጥሯዊ አካል ናቸው። የውሂብ ጎታ
• ውጤቶችን የሚያካትቱ ሠንጠረዦችን የመፍጠር ችሎታ
  ሻጮች የውሂብ ጎታ መሪዎች በ ውስጥ ተጨማሪ የ BI ባህሪያትን ይደባለቃሉ የውሂብ ጎታ ስቶሶ
  ዋናዎቹ አቅራቢዎች የውሂብ መሠረት በ ውስጥ ተጨማሪ የ BI ባህሪያትን ይደባለቃሉ የውሂብ ጎታ ስቶሶ
  ይህ ለ BI መፍትሄዎች የተሻለ አፈፃፀም እና ተጨማሪ የማስፈጸሚያ አማራጮችን ይሰጣል።
  የ DB2 V8 ባህሪዎች እና ተግባራት በሚቀጥሉት ምዕራፎች ውስጥ በዝርዝር ተብራርተዋል ።
  የቴክኒክ አርክቴክቸር እና የውሂብ አስተዳደር መሠረቶች (ምዕራፍ 5)

• DB2 BI መሰረታዊ ነገሮች (ምዕራፍ 6)
• DB2 ቁሳቁስ የተሰሩ የመጠይቅ ጠረጴዛዎች (ምዕራፍ 7)
• DB2 OLAP ተግባራት (ምዕራፍ 13)
• DB2 የተሻሻለ BI ባህሪያት እና ተግባራት (ምዕራፍ 15) ቀለል ያለ የመረጃ አቅርቦት ስርዓት የመላኪያ ስርዓት dati ቀለል ተደርጓል

በስእል 1.1 ላይ የሚታየው አርክቴክቸር ብዙ አወቃቀሮችን ያካትታል dati አካላዊ. አንደኛው መጋዘን ነው dati የሚሰራ። በአጠቃላይ፣ ODS በነገር ላይ ያነጣጠረ፣ የተቀናጀ እና የአሁን ነው። ለምሳሌ የሽያጭ ቢሮን ለመደገፍ ODS ትገነባለህ። የኦዲኤስ ሽያጮች ተጨማሪ ይሆናሉ dati ከብዙ የተለያዩ ስርዓቶች ነገር ግን የሚይዘው ለምሳሌ የዛሬውን ግብይቶች ብቻ ነው። ODS በቀን ብዙ ጊዜ ሊዘምን ይችላል። በተመሳሳይ ጊዜ ሂደቶቹ i dati ወደ ሌሎች መተግበሪያዎች የተዋሃደ. ይህ መዋቅር በተለይ ለመዋሃድ የተነደፈ ነው dati ወቅታዊ እና ተለዋዋጭ እና እንደ የአገልግሎት ወኪሎች አቅርቦት ያሉ የእውነተኛ ጊዜ ትንታኔዎችን ለመደገፍ እጩ ሊሆን ይችላል። ደንበኞች የደንበኛ ወቅታዊ የሽያጭ መረጃ የሽያጭ አዝማሚያ መረጃን ከዕቃው ውስጥ በማውጣት። በስእል 1.1 ላይ የሚታየው ሌላው መዋቅር ለ dw መደበኛ ሁኔታ ነው. ይህ ብቻ ሳይሆን አስፈላጊው ውህደት የሚፈፀምበት ቦታ, የጥራት ጥራት dati፣ እና የለውጡ dati የመጪው መጋዘን, ግን ደግሞ አስተማማኝ እና ጊዜያዊ ማከማቻ ቦታ ነው dati በእውነተኛ ጊዜ ትንታኔ ውስጥ ጥቅም ላይ ሊውሉ የሚችሉ ብዜቶች። ODS ወይም የዝግጅት ቦታ ለመጠቀም ከወሰኑ እነዚህን መዋቅሮች ለመሙላት በጣም ጥሩ ከሆኑ መሳሪያዎች ውስጥ አንዱ dati የተለያዩ የአሠራር ምንጮችን በመጠቀም የ DB2 የተለያዩ የተከፋፈለ መጠይቅ ነው። ይህ ችሎታ DB2 Relational Connect በሚባለው አማራጭ DB2 ባህሪ (ጥያቄዎች ብቻ) እና በ DB2 DataJoiner በኩል (ጥያቄን የሚያቀርብ፣ የሚያስገባ፣ የሚያዘምን እና ለተለያዩ የተከፋፈሉ RDBMSs ችሎታን የሚሰርዝ የተለየ ምርት) ይሰጣል።

ይህ ቴክኖሎጂ አርክቴክቶች እንዲሠሩ ያስችላቸዋል dati ለማሰር dati የትንታኔ ሂደቶች ጋር ምርት. ቴክኖሎጂው በእውነተኛ ጊዜ ትንታኔ ሊነሱ ከሚችሉት የማባዛት ፍላጎቶች ጋር መላመድ ብቻ ሳይሆን ከብዙ አይነት ጋርም ሊገናኝ ይችላል። dati በጣም ታዋቂ፣ DB2፣ Oracle፣ Sybase፣ SQL Server፣ Informix እና ሌሎችን ጨምሮ። DB2 DataJoiner መዋቅርን ለመሙላት ጥቅም ላይ ሊውል ይችላል። dati መደበኛ እንደ ODS ወይም ሌላው ቀርቶ በቅጽበት ዝማኔዎች በፍጥነት ለማገገም ወይም ለሽያጭ በተዘጋጀው መጋዘን ውስጥ የተወከለ ቋሚ ጠረጴዛ። እርግጥ ነው, እነዚህ መዋቅሮች እራሳቸው dati በመጠቀም ሊሞላ ይችላል

ለማባዛት የተቀየሰ ሌላ ዋና ቴክኖሎጂ dati, IBM DataPropagator ግንኙነት. (DataPropagator ለማዕከላዊ ስርዓቶች የተለየ ምርት ነው። DB2 UNIX፣ Linux፣ Windows እና OS/2 የማባዛት አገልግሎቶችን ያካትታሉ። dati እንደ መደበኛ ባህሪ).
ሌላውን ለማንቀሳቀስ ሌላ ዘዴ dati በኢንተርፕራይዙ ዙሪያ የሚሰራ የኢንተርፕራይዝ አፕሊኬሽን ኢንተግራተር በሌላ መልኩ የመልእክት ደላላ በመባል ይታወቃል።ይህ ልዩ ቴክኖሎጂ ኢላማ ለማድረግ እና ለመንቀሳቀስ ተወዳዳሪ የሌለው ቁጥጥርን ይፈቅዳል። dati በኩባንያው ዙሪያ. IBM በብዛት ጥቅም ላይ የዋለ የመልእክት ደላላ፣ MQSeries፣ ወይም የምርት ልዩነት አለው ይህም መስፈርቶችን ያካትታል ኢ-ኮሜርስ፣ IBM WebSphere MQ
የመጋዘን እና የ BI አካባቢን ለመደገፍ MQ እንዴት መጠቀም እንደሚቻል ላይ ተጨማሪ ውይይት ለማግኘት ይጎብኙ ድህረገፅ የመጽሐፉ. ለአሁኑ፣ ይህ ቴክኖሎጂ ለመያዝ እና ለመለወጥ (MQSeries Integratorን በመጠቀም) ጥሩ ዘዴ ነው ብሎ መናገር በቂ ነው። dati ለ BI መፍትሄዎች የተቀጠሩ የታለሙ ኦፕሬተሮች። የMQ ቴክኖሎጂ በUDB V8 ውስጥ ተቀናጅቶ እና የታሸገ ነው፣ ይህ ማለት አሁን የመልእክት ወረፋዎች እንደ DB2 ሰንጠረዦች ሊተዳደሩ ይችላሉ። የብየዳ ወረፋ መልዕክቶች ጽንሰ እና አጽናፈ የውሂብ ጎታ የግንኙነት አቅጣጫዎች ወደ ኃይለኛ የማስረከቢያ አካባቢ dati.

ዜሮ-Latency ዜሮ መዘግየት

የ IBM የመጨረሻው ስትራቴጂካዊ ግብ ዜሮ-ላቲቲቲ ትንተና ነው። እንደተገለጸው
ጋርትነር፣ የቢኤ ሲስተም በፍላጎት ለተንታኞች መረጃ መስጠት፣ ማስገባት እና መስጠት መቻል አለበት። ፈታኙ ነገር, እንዴት መቀላቀል እንደሚቻል ነው dati የአሁን እና የእውነተኛ ጊዜ አስፈላጊ ታሪካዊ መረጃዎች፣ ለምሳሌ i dati ተዛማጅ አዝማሚያ/ስርዓተ-ጥለት፣ ወይም የወጣ ግንዛቤ፣ እንደ የደንበኛ መገለጫ።

እንደነዚህ ያሉ መረጃዎች ለምሳሌ ለይቶ ማወቅን ያጠቃልላል ደንበኞች ከፍተኛ ወይም ዝቅተኛ ስጋት ወይም የትኞቹ ምርቶች i ደንበኞች በጋሪዎቻቸው ውስጥ አይብ ካላቸው ሊገዙ ይችላሉ።

ዜሮ መዘግየት በእውነቱ በሁለት መሰረታዊ ዘዴዎች ላይ የተመሰረተ ነው.

• የተሟላ ህብረት dati በተቀመጡት ቴክኒኮች እና በ BI በተፈጠሩት መሳሪያዎች የሚተነተኑ
• የመላኪያ ሥርዓት የ dati የእውነተኛ ጊዜ ትንታኔዎች በትክክል መኖራቸውን ለማረጋገጥ ቀልጣፋ እነዚህ ለዜሮ መዘግየት ቅድመ ሁኔታዎች በ IBM ከተቋቋሙት እና ከላይ ከተገለጹት ሁለት ግቦች የተለዩ አይደሉም። የ ን ጥብቅ ትስስር dati የ IBM እንከን የለሽ ውህደት ፕሮግራም አካል ነው። እና የመላኪያ ስርዓት ይፍጠሩ dati ቀልጣፋው የአቅርቦትን ሂደት የሚያቃልል ባለው ቴክኖሎጂ ላይ ሙሉ በሙሉ ጥገኛ ነው። dati. ስለዚህ፣ ከ IBM ሶስት ግቦች ሁለቱ ሶስተኛውን ለማሳካት ወሳኝ ናቸው። IBM የዜሮ መዘግየት ለመጋዘን ጥረቶች እውን መሆኑን ለማረጋገጥ ቴክኖሎጂውን እያወቀ ነው። ማጠቃለያ / ጥንቅር የእርስዎ BI ድርጅት አካባቢዎን ለመገንባት ፍኖተ ካርታ ያቀርባል
  በተደጋጋሚ። የንግድዎን ፍላጎቶች ለማንፀባረቅ ፣ የአሁን እና የወደፊቱን ለማስተካከል መስተካከል አለበት። ያለ ሰፊ የስነ-ህንፃ እይታ፣ የመጋዘን መደጋገም ከማዕከላዊው መጋዘን ከተጋላጭነት የዘለለ ትልቅ መረጃ ሰጭ ድርጅት ለመፍጠር ብዙም አይረዳም። ለፕሮጀክት መሪዎች የመጀመሪያው መሰናክል የ BI ድርጅትን ለማሳደግ የሚያስፈልገውን ኢንቨስትመንት እንዴት ማረጋገጥ እንደሚቻል ነው። የ ROI ስሌቶች የእቃ ዝርዝር ስኬቶች ዋና ዋና ሆነው ቢቆዩም፣ በትክክል ለመተንበይ አስቸጋሪ እየሆነ መጥቷል። ይህ የገንዘብዎን ዋጋ እያገኙ መሆንዎን ለመወሰን ሌሎች ዘዴዎችን አስከትሏል። ዋጋ በኢንቨስትመንት2 (VOI) ለምሳሌ እንደ መፍትሄ ተገዝቷል። በ አርክቴክቶች ላይ ግዴታ ነው dati እና በፕሮጀክት እቅድ አውጪዎች ላይ ሆን ብለው ለተጠቃሚ ማህበራት መረጃን ያመነጫሉ እና ያቅርቡ እና በቀላሉ አገልግሎት አይሰጡም dati. በሁለቱ መካከል ትልቅ ልዩነት አለ። መረጃ በውሳኔ አሰጣጥ እና ውጤታማነት ላይ ለውጥ የሚያመጣ ነገር ነው; በአንጻራዊነት, i dati ያንን መረጃ ለማግኘት ብሎኮች እየገነቡ ነው ፡፡

ምንም እንኳን ምንጩን ቢተችም dati የንግድ ጥያቄዎችን ለመፍታት የ BI አካባቢ የመረጃ ይዘት በመፍጠር ረገድ የላቀ ሚና ማገልገል አለበት። ለማፅዳት፣ ለማዋሃድ፣ ለመለወጥ ወይም በሌላ መንገድ ተጠቃሚዎች ሊሰሩበት የሚችሉትን የመረጃ ይዘት ለመፍጠር ተጨማሪ እርምጃዎችን መውሰድ አለብን፣ እና እነዚያ እርምጃዎች እና ውሳኔዎች ምክንያታዊ ሲሆኑ፣ በ BI አካባቢ ውስጥ እንደሚንፀባረቁ ማረጋገጥ አለብን። መጋዘኑን ለማገልገል ብቻ ከወረድን datiየተጠቃሚ ማህበራት እርምጃ ለመውሰድ አስፈላጊውን የመረጃ ይዘት እንደሚፈጥሩ እርግጠኛ ይሁኑ። ይህም ማህበረሰባቸው የተሻሉ ውሳኔዎችን እንዲወስኑ ያረጋግጣሉ, ነገር ግን ኢንተርፕራይዙ በተጠቀሙበት የእውቀት ማነስ ተጎድቷል. ቀን አርክቴክቶች እና የፕሮጀክት እቅድ አውጪዎች በ BI አካባቢ ውስጥ የተወሰኑ ፕሮጀክቶችን እንዲጀምሩ, ለድርጅቱ በአጠቃላይ ተጠያቂ ሆነው ይቆያሉ. የዚህ ባለ ሁለት ጎን የ BI ድግግሞሾች ባህሪ ቀላል ምሳሌ ከምንጩ ውስጥ ይገኛል። dati. ሁሉ dati ለተወሰኑ የንግድ ጥያቄዎች የተቀበሉት በመጀመሪያው አቶሚክ ንብርብር ውስጥ መሞላት አለባቸው። ይህ የኢንተርፕራይዝ መረጃ ንብረት ልማትን ያረጋግጣል፣ እንዲሁም ያስተዳድራል፣ በድግግሞሹ ውስጥ የተገለጹትን የተወሰኑ የተጠቃሚ ጥያቄዎችን ያስተዳድራል።

የውሂብ ማከማቻ ምንድን ነው?

የመረጃ ማከማቻ ከ1990 ዓ.ም ጀምሮ የኢንፎርሜሽን ስርዓቶች አርክቴክቸር እምብርት ሲሆን የመረጃ ሂደቶችን የሚደግፍ ጠንካራ የተቀናጀ መድረክ በማቅረብ ነው። dati ታሪክ ለቀጣይ ትንታኔዎች መሠረት ሆኖ ተወስዷል. የ የውሂብ መጋዘን ተኳኋኝ ወደሌላቸው የመተግበሪያ ስርዓቶች ዓለም የመዋሃድ ቀላልነትን ይሰጣሉ። የመረጃ ማከማቻ ፋሽን ለመሆን ተሻሽሏል። የመረጃ ማከማቻ ያደራጃል እና ያከማቻል i dati ረጅም ታሪካዊ ጊዜያዊ እይታን መሰረት በማድረግ ለመረጃ እና ለትንታኔ ሂደቶች አስፈላጊ ነው። ይህ ሁሉ በግንባታ እና ጥገና ላይ ከፍተኛ እና የማያቋርጥ ጥረትን ያካትታል የውሂብ መጋዘን.

ስለዚህ ምንድነው የውሂብ መጋዘን? አንድ የውሂብ መጋዘን እና

• ▪ ርዕሰ ጉዳይ ላይ ያተኮረ
• ▪ የተቀናጀ ስርዓት
• ▪ የጊዜ ልዩነት
• ▪ ተለዋዋጭ ያልሆነ (አይሰርዝም)

ስብስብ እ.ኤ.አ. dati በሂደቶች አፈፃፀም ውስጥ የአስተዳደር ውሳኔዎችን ለመደገፍ ጥቅም ላይ ይውላል.
I dati ውስጥ ገብቷል የውሂብ መጋዘን በአብዛኛዎቹ ሁኔታዎች ከተግባራዊ አከባቢዎች የተገኙ ናቸው. የ የውሂብ መጋዘን ከማከማቻ አሃድ የተሰራ ነው, በአካል ከተቀረው ስርዓት የተለየ, በውስጡ የያዘው dati ቀደም ሲል ከኦፕሬሽኑ አከባቢ በሚመነጩ መረጃዎች ላይ በሚሰሩ መተግበሪያዎች ተለውጠዋል።

ቃል በቃል ትርጓሜው ሀ የውሂብ መጋዘን የመጋዘንን ባህሪያት የሚገልጹ ጠቃሚ ማበረታቻዎች እና መሰረታዊ ትርጉሞች ስላሉ ጥልቅ ማብራሪያ ይገባዋል።

የርዕሰ አንቀፅ ንጣፍ ጭብጥ

የኤ የውሂብ መጋዘን ወደ አንድ ኩባንያ ዋና ርዕሰ ጉዳዮች ያተኮረ ነው. የሂደቶቹ መመሪያ በ dati አፕሊኬሽኖችን ወደ ሂደቶች እና ተግባራት አቅጣጫ ከሚሰጠው በጣም ክላሲክ ዘዴ ጋር ተቃራኒ ነው፣ ይህ ዘዴ በአብዛኛው በቅርብ ጊዜ ባልሆኑ የአስተዳደር ስርዓቶች የሚጋራ ነው።

የክወና አለም የተነደፈው እንደ ብድር፣ ቁጠባ፣ የባንክ ካርዶች እና ለፋይናንስ ተቋም እምነት ባሉ መተግበሪያዎች እና ተግባራት ነው። የ dw ዓለም የተደራጀው በዋና ዋና ጉዳዮች እንደ ደንበኛ፣ ሻጭ፣ ምርት እና እንቅስቃሴ ባሉ ጉዳዮች ዙሪያ ነው። በርዕሶች ዙሪያ ማመጣጠን በንድፍ እና በአተገባበር ላይ ተጽዕኖ ያሳድራል። dati በ dw ውስጥ ተገኝቷል. ከሁሉም በላይ, ዋናው ርዕስ በቁልፍ መዋቅር ውስጥ በጣም አስፈላጊ የሆነውን ክፍል ይነካል.

የመተግበሪያዎች ዓለም በሁለቱም የውሂብ ጎታ ንድፍ እና በሂደት ንድፍ ተጽዕኖ ይደረግበታል። የ dw ዓለም በቪዲዮ ሞዴሊንግ ላይ ብቻ ያተኮረ ነው። dati እና በንድፍ ላይ የውሂብ ጎታ. የሂደት ንድፍ (በሚታወቀው ቅርፅ) የ dw አካባቢ አካል አይደለም.

በሂደት/የተግባር አፕሊኬሽን ምርጫ እና በርዕሰ ጉዳይ ምርጫ መካከል ያለው ልዩነት እንዲሁ በይዘቱ ልዩነት ተገለጠ dati በዝርዝር ደረጃ ላይ ፡፡ ዘ dati ዴል ደው አይ አይጨምርም dati በማመልከቻ ጊዜ DSS ለማስኬድ ጥቅም ላይ የማይውል

ወደ ተኮር አሠራር dati እኔ ይ containል dati ለDSS ተንታኝ ምንም ጥቅም ላይኖራቸው ይችላል ወይም ላይኖራቸው የሚችሉ የተግባር/የሂደት መስፈርቶችን ወዲያውኑ ለማሟላት።
ሌላ አስፈላጊ መንገድ ኦፕሬሽን ተኮር መተግበሪያዎች dati ከዚህ በተለየ dati የ ‹WW› ዘገባዎች ውስጥ ነው dati. እኔ dati ኦፕሬተሮች ንቁ በሆነ የንግድ ህግ ላይ በመመስረት በሁለት ወይም ከዚያ በላይ በሆኑ ጠረጴዛዎች መካከል ቀጣይነት ያለው ግንኙነትን ያቆያሉ። የ dati የ dw span የጊዜ ልዩነት እና በdw ላይ የተገኙት ዘገባዎች ብዙ ናቸው። ብዙ የንግድ ህጎች (እና በተመሳሳይ ፣ ብዙ ሪፖርቶች dati ) በመጋዘኑ ውስጥ ይወከላሉ dati በሁለት ወይም ከዚያ በላይ ጠረጴዛዎች መካከል.

(በ. መካከል) መካከል ስላለው ግንኙነት ዝርዝር ማብራሪያ ለማግኘት dati በDW ውስጥ የሚተዳደሩ ናቸው፣ እባክዎ በዚህ ጉዳይ ላይ የቴክ ርእሱን ይመልከቱ።)
በተግባራዊ/ሂደት ትግበራ ምርጫ እና በርዕሰ ጉዳይ ምርጫ መካከል ካለው መሠረታዊ ልዩነት በቀር በስርዓተ ክወናዎች እና መካከል ትልቅ ልዩነት አለ? dati እና DW.

የመዋሃድ ውህደት

የዱብ አከባቢ በጣም አስፈላጊው ገጽታ i ነው dati በ dw ውስጥ የሚገኙት በቀላሉ የተዋሃዱ ናቸው. ሁልጊዜ። ያለ በስተቀር። የ dw አካባቢ ዋናው ነገር i dati በመጋዘኑ ወሰን ውስጥ የተካተቱ ናቸው ፡፡

ውህደት እራሱን በተለያዩ መንገዶች ይገልፃል - ወጥነት ባለው ተለይተው በሚታወቁ ስምምነቶች ፣ በተለዋዋጮች ወጥነት ባለው መለኪያ ፣ ወጥ በሆነ ኮድ በተቀመጡ አወቃቀሮች ፣ በአካላዊ ባህሪዎች dati ወጥነት ያለው ፣ ወዘተ ፡፡

ባለፉት አመታት የተለያዩ አፕሊኬሽኖች ዲዛይነሮች ማመልከቻ እንዴት መፈጠር እንዳለበት ብዙ ውሳኔዎችን አድርገዋል። የዲዛይነሮች አፕሊኬሽኖች ዘይቤ እና ግለሰባዊ የንድፍ ውሳኔዎች በመቶ መንገዶች ይገለጣሉ-በኮድ ልዩነት ፣ በቁልፍ አወቃቀሮች ፣ በአካላዊ ባህሪዎች ፣ የመለያ ስምምነቶች ፣ ወዘተ. ብዙ የመተግበሪያ ዲዛይነሮች ወጥነት የሌላቸው አፕሊኬሽኖችን ለመፍጠር ያላቸው የጋራ ችሎታ አፈ ታሪክ ነው። ምስል 3 አፕሊኬሽኖች እንዴት እንደተዘጋጁ አንዳንድ በጣም አስፈላጊ የሆኑትን ልዩነቶች ያጋልጣል።

ኢንኮዲንግ: ኢንኮድ

የመተግበሪያ ዲዛይነሮች የመስክ ኮድ - ጾታ - በተለያዩ መንገዶች መርጠዋል. ንድፍ አውጪ ጾታን እንደ "m" እና "f" ይወክላል። ሌላ ዲዛይነር ጾታን እንደ "1" እና "0" ይወክላል. ሌላ ዲዛይነር ጾታን እንደ "x" እና "y" ይወክላል። ሌላ ዲዛይነር ጾታን እንደ "ወንድ" እና "ሴት" ይወክላል. ወሲብ ወደ DW እንዴት እንደገባ ምንም ለውጥ የለውም። “M” እና “F” ምናልባት እንደማንኛውም ውክልና ጥሩ ናቸው።

ዋናው ነገር የወሲብ መስክ ከየትኛውም ምንጭ ቢመጣ፣ ያ መስክ በDW ውስጥ የሚደርሰው ወጥነት ባለው የተቀናጀ ሁኔታ ነው። በዚህም ምክንያት መስኩ ውጭ በ"M" እና "F" ቅርጸት ከተወከለው መተግበሪያ ወደ DW ሲጫን፣ dati ወደ DW ቅርጸት መለወጥ አለበት።

የባህሪዎችን መለካት-የመለኪያ ባህሪዎች

የመተግበሪያ ዲዛይነሮች ባለፉት አመታት የቧንቧ መስመርን በተለያዩ መንገዶች ለመለካት መርጠዋል. አንድ ዲዛይነር i dati የቧንቧ መስመር በሴንቲሜትር. ሌላ መተግበሪያ ዲዛይነር ያከማቻል dati የቧንቧ መስመር በ ኢንች. ሌላ መተግበሪያ ዲዛይነር ያከማቻል dati የቧንቧ መስመር በሴኮንድ ሚሊዮን ኪዩቢክ ጫማ. እና ሌላ ንድፍ አውጪ ከጓሮዎች አንጻር የቧንቧ መስመር መረጃን ያከማቻል. ምንጩ ምንም ይሁን ምን የቧንቧ መስመር መረጃ በDW ውስጥ ሲደርስ በተመሳሳይ መንገድ መለካት አለበት.

በስእል 3 እንደሚታየው የውህደት ጉዳዮች በሁሉም የፕሮጀክቱ ገፅታዎች ላይ ተጽእኖ ያሳድራሉ - የአካላዊ ባህሪያት dati፣ ከአንድ በላይ ምንጮች የመኖራቸው አጣብቂኝ dati, ወጥነት የሌላቸው ተለይተው የሚታወቁ ናሙናዎች ጉዳይ, ቅርፀቶች dati የማይጣጣም, ወዘተ.

የንድፍ ክርክር ምንም ይሁን ምን ውጤቱ አንድ ነው - i dati ከስር ኦፕሬቲንግ ሲስተሞች ስቶር ውስጥም ቢሆን በልዩ እና በአለም አቀፍ ደረጃ ተቀባይነት ባለው መልኩ በDW ውስጥ መቀመጥ አለባቸው dati.

የDSS ተንታኝ DWን ሲመለከት የተንታኙ ትኩረት የብዝበዛ መሆን አለበት። dati በመጋዘኑ ውስጥ

ስለ ተዓማኒነት ወይም ስለ ወጥነት ከመገረም ይልቅ dati.

የጊዜ ልዩነት

ሁሉም i dati በDW ውስጥ ለተወሰነ ጊዜ ያህል ትክክለኛ ናቸው። ይህ መሠረታዊ ባህሪ dati በ DW ውስጥ በጣም የተለየ ነው dati በሚሠራበት አካባቢ ውስጥ ተገኝቷል ፡፡ ዘ dati የስርዓተ ክወናው አካባቢ ልክ እንደ መድረሻው ትክክለኛ ነው። በሌላ አገላለጽ, አንድ ክፍል ሲደረስ በሚሠራበት አካባቢ dati፣ ልክ እንደ መድረሻው ትክክለኛ እሴቶችን እንዲያንፀባርቅ ይጠበቃል። ለምን እኔ dati በDW ውስጥ ልክ እንደ አንዳንድ ጊዜ (ማለትም "አሁን" አይደለም)፣ i dati በDW ውስጥ የሚገኙት "የጊዜ ልዩነት" ናቸው.
የጊዜ ልዩነት dati DW በብዙ መንገዶች ተጠቅሷል ፡፡
በጣም ቀላሉ መንገድ እኔ ነው dati የ DW ተወካይ dati ለረጅም ጊዜ አድማስ - ከአምስት እስከ አስር አመታት. ለአሰራር አካባቢ የሚታየው የጊዜ አድማስ ከዛሬዎቹ ዋጋዎች እስከ ስልሳ ዘጠና ድረስ በጣም ያነሰ ነው
በደንብ መስራት የሚያስፈልጋቸው እና ለግብይት ሂደት መገኘት የሚያስፈልጋቸው አፕሊኬሽኖች አነስተኛውን መጠን ማምጣት አለባቸው dati ለማንኛውም የመተጣጠፍ ደረጃ የሚፈቅዱ ከሆነ. ስለዚህ የተግባር አፕሊኬሽኖች እንደ የድምጽ አፕሊኬሽን ዲዛይን ርዕስ ያለ የአጭር ጊዜ አድማስ አላቸው።
በDW ውስጥ ሁለተኛው 'የጊዜ ልዩነት' የሚታየው በቁልፍ መዋቅር ውስጥ ነው። በDW ውስጥ ያለው እያንዳንዱ ቁልፍ መዋቅር በተዘዋዋሪም ሆነ በግልፅ የጊዜ አካልን እንደ ቀን፣ ሳምንት፣ ወር፣ ወዘተ ይዟል። የጊዜ ኤለመንቱ ሁልጊዜ ማለት ይቻላል በDW ውስጥ ካለው ከተጣመረ ቁልፍ ግርጌ ነው። በእነዚህ አጋጣሚዎች፣ የጊዜ ክፍሉ በተዘዋዋሪ ይኖራል፣ ለምሳሌ አንድ ሙሉ ፋይል በወሩ ወይም ሩብ መጨረሻ ላይ የተባዛ ከሆነ።
ሦስተኛው መንገድ የጊዜ ልዩነት መታየቱ እኔ dati የDW, በትክክል የተመዘገበ, ሊዘመን አይችልም. የ dati የDW ለሁሉም ተግባራዊ ዓላማዎች ረጅም ተከታታይ ቅጽበተ-ፎቶዎች ናቸው። በእርግጥ ቅጽበተ-ፎቶው የተሳሳተ ከሆነ ፣ ከዚያ ቅጽበተ-ፎቶዎቹ ሊሻሻሉ ይችላሉ። ነገር ግን ቅጽበተ-ፎቶዎቹ በትክክል እንደተወሰዱ ከወሰድን ልክ እንደተነሱ አይለወጡም። በአንዳንድ

በDW ውስጥ ያሉ ቅጽበተ-ፎቶዎች የተስተካከሉ መሆናቸው ሥነ ምግባራዊ ያልሆነ ወይም ትክክል ያልሆነ ሊሆን ይችላል። የ dati የሚሰራ፣ እንደ መዳረሻው ጊዜ ትክክለኛ መሆን፣ እንደ አስፈላጊነቱ ሊዘመን ይችላል።

ድምጽ መስጠት አይደለም

አራተኛው የ DW ባህርይ የማይለዋወጥ መሆኑ ነው ፡፡
ዝማኔዎች፣ ማስገባቶች፣ ስረዛዎች እና ለውጦች በመደበኛነት ወደ ኦፕሬሽን አከባቢዎች በመመዝገብ-በመመዝገብ ይከናወናሉ። ነገር ግን መሰረታዊ ማጭበርበር የ dati በDW ውስጥ የሚያስፈልገው በጣም ቀላል ነው። በ DW ውስጥ የሚከሰቱ ሁለት አይነት ስራዎች ብቻ ናቸው - የመጀመርያው ጭነት dati እና መዳረሻ dati. የ ዝማኔ የለም dati (በአጠቃላይ የማዘመን ስሜት) በDW ውስጥ እንደ መደበኛ የማቀናበሪያ ሥራ። በኦፕሬሽን ሂደት እና በDW ሂደት መካከል ያለው የዚህ መሰረታዊ ልዩነት አንዳንድ በጣም ኃይለኛ ውጤቶች አሉ። በንድፍ ደረጃ፣ ስለ ያልተለመደ ማሻሻያ መጠንቀቅ አስፈላጊነት ለDW ምክንያት አይደለም፣ dati አይደረግም. ይህ ማለት በአካላዊ የንድፍ ደረጃ, መዳረሻን ለማመቻቸት ነፃነቶች ሊወሰዱ ይችላሉ datiበተለይም የመደበኛነት እና የአካላዊ ቅልጥፍናን ርእሶች በተመለከተ. ሌላው የDW ቀላል አሰራር መዘዝ DW አካባቢን ለማስኬድ ጥቅም ላይ የዋለው መሰረታዊ ቴክኖሎጂ ነው። የመስመር ላይ መዝገብ በመመዝገብ ማሻሻያዎችን መደገፍ (ብዙውን ጊዜ በአሰራር ሂደት ላይ እንደሚደረገው) ቴክኖሎጂው ከሚታየው ቀላልነት በታች በጣም የተወሳሰበ መሰረት እንዲኖረው ይጠይቃል።
ምትኬን እና መልሶ ማግኛን፣ ግብይቶችን እና የውሂብ ታማኝነትን የሚደግፍ ቴክኖሎጂ dati እና ዘግይቶ ማወቅ እና መፍትሄ በጣም ውስብስብ እና ለDW ሂደት አላስፈላጊ ነው። የDW ባህሪያት፣ የንድፍ አቅጣጫ፣ ውህደት dati በDW ውስጥ፣ የጊዜ ልዩነት እና የአስተዳደር ቀላልነት dati, ይህ ሁሉ ከጥንታዊው የአሠራር አካባቢ በጣም በጣም የተለየ ወደሆነ አካባቢ ይመራል. የሁሉም ማለት ይቻላል ምንጭ dati የ DW የስራ አካባቢ ናቸው። በጣም ብዙ ድግግሞሽ አለ ብሎ ማሰብ አጓጊ ነው። dati በሁለቱ አካባቢዎች መካከል ፡፡
በእርግጥ ብዙ ሰዎች ያላቸው የመጀመሪያው ስሜት በጣም ትልቅ ድጋሚ ነው dati በሚሠራበት አካባቢ እና በ

DW ቅጥያ እንዲህ ዓይነቱ አተረጓጎም ላይ ላዩን እና በDW ውስጥ ምን እየተከሰተ እንዳለ አለመረዳትን ያሳያል።
በእውነቱ ዝቅተኛ የሥራ ቅጥር ሁኔታ አለ dati በአሠራሩ አካባቢ እና i መካከል dati የDW. የሚከተለውን አስብ፡ I dati ተጣርተዋል ዳቶ ከኦፕሬሽን አካባቢ ወደ DW አካባቢ መቀየር. ብዙ dati ከቀዶ ጥገናው አካባቢ ፈጽሞ አይሄዱም. ብቻ እኔ dati ለ DSS ሂደት የሚፈለጉት አቅጣጫቸውን በአከባቢው ያገኛሉ

▪ የጊዜ አድማስ የ dati ከአንዱ አካባቢ ወደ ሌላው በጣም የተለየ ነው. የ dati በሚሠራበት አካባቢ ውስጥ በጣም አዲስ ናቸው ፡፡ ዘ dati በDW ውስጥ እነሱ በጣም በዕድሜ የገፉ ናቸው። ከግዜ አድማስ አንፃር፣ በስርዓተ ክወናው አካባቢ እና በDW መካከል ያለው መደራረብ በጣም ትንሽ ነው።

▪ DW ይዟል dati በአካባቢ ውስጥ ፈጽሞ የማይገኙ ማጠቃለያ

▪ I dati ወደ ስእል 3 ሲሸጋገሩ መሰረታዊ ለውጥ ማድረጋቸው አብዛኞቹን ያሳያል dati ተመርጠው ወደ DW ከተዛወሩ በከፍተኛ ሁኔታ ተሻሽለዋል። ሌላ መንገድ አስቀምጥ, አብዛኞቹ dati ወደ DW ሲዘዋወር በአካል እና በስር ነቀል ይለወጣል። ከመዋሃድ አንፃር ተመሳሳይ አይደሉም dati በሥራ አካባቢ ውስጥ መኖር. እነዚህ ምክንያቶች ከተሰጠው, የ ተደጋጋሚነት dati በሁለቱ አከባቢዎች መካከል ያልተለመደ ክስተት ሲሆን ይህም በሁለቱ አከባቢዎች መካከል ከ 1% ያነሰ ድግግሞሽ ያመጣል. የመዋቢያ ቤቱ መዋቅር DWs የተለየ መዋቅር አላቸው። DWsን የሚወስኑ የተለያዩ የማጠቃለያ ደረጃዎች እና ዝርዝሮች አሉ።
የ DW የተለያዩ አካላት

• ዲበ
• Dati ወቅታዊ ዝርዝሮች
• Dati የድሮ ዝርዝር
• Dati በትንሹ ተጠቃሏል
• Dati በከፍተኛ ሁኔታ ተጠቃሏል

እስካሁን ድረስ ዋናው ስጋት ለ i ነው dati ወቅታዊ ዝርዝሮች. ዋናው ጉዳይ ነው ምክንያቱም፡-

• I dati ወቅታዊ ዝርዝሮች በጣም የቅርብ ጊዜ ክስተቶችን ያንፀባርቃሉ, ሁልጊዜም ከፍተኛ ፍላጎት ያላቸው እና
• i dati የአሁኑ ዝርዝር መረጃ በጣም ብዙ ነው ምክንያቱም በዝቅተኛው የጥራጥሬነት ደረጃ እና
• i dati የአሁን ዝርዝሮች ሁልጊዜ ማለት ይቻላል በዲስክ ማህደረ ትውስታ ውስጥ ይከማቻሉ ፣ ይህም ለመድረስ ፈጣን ነው ፣ ግን ከ I ውድ እና ውስብስብ dati የቆዩ ዝርዝሮች ናቸው dati በአንዳንድ ማህደረ ትውስታ ላይ የተከማቹ massa. እሱ አልፎ አልፎ ይደረስበታል እና ከ ጋር በሚስማማ ዝርዝር ደረጃ ይከማቻል dati ወቅታዊ ዝርዝሮች. በተለዋጭ የማከማቻ ቦታ ላይ ማከማቸት ግዴታ ባይሆንም, በትልቅ መጠን ምክንያት dati ከ ስፖራዲያክ መዳረሻ ጋር አንድነት dati፣ የማስታወሻ ሜዲያ ለ dati የድሮው ዝርዝር ብዙውን ጊዜ በዲስክ ላይ አይከማችም። የ dati በጥቅሉ የተጠቃለሉ ናቸው dati ከተገኘው ዝቅተኛ የዝርዝር ደረጃ እስከ አሁን ባለው የዝርዝር ደረጃ የተበታተኑ. ይህ የDW ደረጃ ሁልጊዜ ማለት ይቻላል በዲስክ ማህደረ ትውስታ ውስጥ ይከማቻል። የንድፍ ችግሮች እራሳቸውን ወደ አርክቴክተሩ ያቀርባሉ dati በዚህ የ ‹DW› ደረጃ ግንባታ ውስጥ-

• ከዚህ በላይ ያለው ማጠቃለያ የትኛው የጊዜ አሃድ ነው
• ምን ይዘት፣ ባህሪያት የይዘቱን ይዘት በጥቂቱ ያጠቃልላሉ dati ቀጣዩ ደረጃ የ dati በ DW ውስጥ የሚገኘው የ dati በጣም ጠቅለል ያለ. የ dati በጣም ማጠቃለያ የታመቁ እና በቀላሉ ተደራሽ ናቸው። የ dati በጣም ጠቅለል ያለ አንዳንድ ጊዜ በDW አካባቢ እና በሌሎች ጉዳዮች ውስጥ ይገኛሉ i dati በጣም ረቂቅ የሆኑ ቴክኖሎጂዎች DW ከሚያስተናግዱበት የቅርቡ ግድግዳዎች ውጭ ይገኛሉ። (በማንኛውም ሁኔታ, i dati በጣም ጠቅለል ያለ የDW አካል ናቸው የትም ይሁን dati በአካል የተቀመጡ ናቸው)። የDW የመጨረሻው አካል ሜታዳታ ክፍል ነው። በብዙ መልኩ ሜታዳታ ከሌሎቹ በተለየ መጠን ተቀምጧል dati የ DW ፣ ሜታዳታ ምንም ስለሌለው ዳቶ በቀጥታ ከተሰራበት አካባቢ የተወሰደ. ሜታዳታ በDW ውስጥ ልዩ እና በጣም ጠቃሚ ሚና አለው። ዲበ ውሂብ እንደሚከተለው ጥቅም ላይ ይውላል፡-

• የ DSS ተንታኝ የDW ይዘትን እንዲያገኝ የሚረዳ ማውጫ፣
• የካርታ ስራ መመሪያ dati እኔ እንዴት dati ከስራ አካባቢ ወደ DW አካባቢ ተለውጠዋል፣
• በ i መካከል ለማጠቃለል ጥቅም ላይ የዋሉ የአልጎሪዝም መመሪያ dati ወቅታዊ ዝርዝሮች ei dati በትንሹ የተጠቃለለ ፣ እ.ኤ.አ. dati በከፍተኛ ሁኔታ ሲጠቃለል፣ ሜታዳታ በDW አካባቢ ውስጥ በሥራ አካባቢ ውስጥ ከነበረው የበለጠ ትልቅ ሚና ይጫወታል። የድሮ ዝርዝር ማከማቻ መካከለኛ ማግኔቲክ ቴፕ ያንን ዓይነት ለማከማቸት ሊያገለግል ይችላል dati. በእርግጥ አሮጌዎችን ለማከማቸት ሊታሰብባቸው የሚገቡ የተለያዩ የማከማቻ ሚዲያዎች አሉ dati ዝርዝር. በድምጽ መጠን ላይ በመመስረት dati, የመዳረሻ ድግግሞሽ, የመሳሪያዎች ዋጋ እና የመዳረሻ አይነት, ሌሎች መሳሪያዎች በ DW ውስጥ የድሮውን ዝርዝር ደረጃ ሊፈልጉ እንደሚችሉ ሙሉ በሙሉ ሊሆን ይችላል. የውሂብ ፍሰት መደበኛ እና ሊገመት የሚችል የአማልክት ፍሰት አለ dati በ DW ውስጥ
  I dati ወደ DW የሚገቡት ከክወና አካባቢ ነው። (ማስታወሻ፡- በዚህ ህግ ውስጥ አንዳንድ በጣም አስገራሚ ልዩ ሁኔታዎች አሉ። ሆኖም ግን ሁሉም ማለት ይቻላል። dati ከሥራ አከባቢው ወደ DW ያስገቡ). ቀን እኔ i dati ወደ DW የሚገቡት ከሥራው አካባቢ ነው, ከላይ እንደተገለፀው ይለወጣል. DW ካስገቡ፣ i dati እንደሚታየው አሁን ያለውን የዝርዝር ደረጃ ያስገቡ። እዚያ ይኖራል እና ከሶስት ክስተቶች ውስጥ አንዱ እስኪከሰት ድረስ ጥቅም ላይ ይውላል፡

• ይጸዳል ፣
• ተጠቃሏል፣ እና/ወይም ▪በDW ውስጥ ያለው ጊዜ ያለፈበት ሂደት ይንቀሳቀሳል i dati ወቅታዊ ዝርዝሮች ሀ dati የድሮ ዝርዝር ፣ እንደ ዕድሜው dati. ሂደቱ

ማጠቃለያ ዝርዝርን ይጠቀማል dati እኔ ለማስላት dati በትንሹ የተጠቃለለ እና በጣም የተጠቃለሉ ደረጃዎች dati. ለሚታየው ፍሰት አንዳንድ ልዩ ሁኔታዎች አሉ (በኋላ ለመወያየት)። ሆኖም ፣ ብዙውን ጊዜ ፣ ​​ለአብዛኛዎቹ dati በDW ውስጥ ተገኝቷል፣ የ dati እንደ ስዕል ነው

የመረጃ ቋቱን መጠቀም

የተለያዩ ደረጃዎች አያስገርምም dati በDW ውስጥ የተለያዩ የአጠቃቀም ደረጃዎችን አያገኙም። እንደ አንድ ደንብ, የማጠቃለያው ከፍተኛ ደረጃ, የበለጠ i dati እነሱ ጥቅም ላይ ይውላሉ.
ብዙ አጠቃቀሞች በ ውስጥ ይከሰታሉ dati አሮጌው እያለ በከፍተኛ ሁኔታ ተጠቃሏል dati ዝርዝር ጉዳዮች በጭራሽ ጥቅም ላይ አይውሉም ። ድርጅቱን ወደ ሀብት አጠቃቀም ሁኔታ ለመቀየር በቂ ምክንያት አለ. የበለጠ ተጠቃሏል i dati፣ ወደ እና በፍጥነት ለመድረስ ይበልጥ ፈጣን እና ቀልጣፋ ነው dati. ከሆነ ሱቅ ብዙ የዲደብሊው-ደረጃ ሂደትን እንደሚያከናውን ካረጋገጠ በኋላ በተመሳሳይ መጠን ከፍተኛ መጠን ያለው የማሽን ሀብቶች ይበላሉ። እንዲህ ዓይነቱን ከፍተኛ ደረጃ ማጠቃለያ በተቻለ ፍጥነት ማካሄድ ለሁሉም ሰው ይበጃል።

ለብዙ መደብሮች በቅድመ-አከባቢ DW ውስጥ የዲ.ኤስ.ኤስ ተንታኝ ጥቅም ላይ ውሏል dati በዝርዝር ደረጃ. መምጣቱን በብዙ ረገድ ሀ dati ሌሎች የማጠቃለያ ደረጃዎች በሚገኙበት ጊዜ እንኳን ዝርዝር የደህንነት ብርድ ልብስ ይመስላል። የ አርክቴክት እንቅስቃሴ አንዱ dati የ DSS ተጠቃሚን ከቋሚ አጠቃቀም ማስወጣት ነው። dati በዝቅተኛው የዝርዝር ደረጃ. ለአርክቴክቱ ሁለት ማበረታቻዎች አሉ። dati:

• የመመለሻ ስርዓትን መጫን, የመጨረሻው ተጠቃሚ ለተበላው ሀብቶች የሚከፍልበት
• በጣም ጥሩ የምላሽ ጊዜ ሊገኝ እንደሚችል የሚያመለክቱ ከ i ጋር ያለው ባህሪ ሲከሰት ነው dati በከፍተኛ ደረጃ ማጠቃለያ ላይ ነው, ደካማ ምላሽ ጊዜ የሚመጣው ከ ባህሪው ነው dati በዝቅተኛ ደረጃ ላይ ሌሎች ማረጋገጫዎች ሌሎች ጥቂት የDW የግንባታ እና የአስተዳደር ጉዳዮች አሉ።
  የመጀመሪያው ግምት የኢንዴክሶች ነው ፡፡ ዘ dati በከፍተኛ ደረጃ የማጠቃለያ ደረጃዎች በነፃነት ሊመረመሩ ይችላሉ, እኔ ግን dati

በዝቅተኛ የዝርዝሮች ደረጃዎች በጣም ብዙ ከመሆናቸው የተነሳ በመጠኑ ሊጠቁሙ ይችላሉ። ከተመሳሳይ ምልክት, i dati በከፍተኛ ደረጃ ዝርዝሮች በአንጻራዊነት በቀላሉ ሊዋቀሩ ይችላሉ, የድምጽ መጠን ግን dati በዝቅተኛ ደረጃዎች በጣም ትልቅ ስለሆነ እኔ dati በቀላሉ ሊታደሱ አይችሉም. በዚህም ምክንያት, የ dati እና በዲዛይኑ የተከናወነው መደበኛ ስራ DW አሁን ባለው የዝርዝር ደረጃ ላይ ብቻ እንዲተገበር መሰረት ይጥላል. በሌላ አነጋገር የሞዴሊንግ እንቅስቃሴዎች የ dati በማጠቃለያ ደረጃዎች ላይ አይተገበሩም, በሁሉም ማለት ይቻላል. ሌላው መዋቅራዊ ግምት የንዑስ ክፍፍል ነው dati በ DW.

ክፍፍል በሁለት ደረጃዎች ሊከናወን ይችላል - በ dbms እና በመተግበሪያው ደረጃ. በደረጃው ክፍፍል ውስጥ dbmsእሱ dbms ስለ ክፍፍሎቹ ይነገራል እና በዚህ መሠረት ይቆጣጠራል. በአፕሊኬሽን ደረጃ ክፍል ውስጥ ክፍሎቹን የሚያውቀው ፕሮግራም አውጪው ብቻ ነው እና የአስተዳደራቸው ኃላፊነት ለእሱ የተተወ ነው።

ከደረጃው በታች dbms, ብዙ ስራዎች በራስ-ሰር ይከናወናሉ. ክፍፍሎችን እራስን ከማስተዳደር ጋር የተያያዘ ብዙ ተለዋዋጭነት አለ. በክፍል-ደረጃ አተገባበር ላይ የ dati የ የውሂብ መጋዘን, ብዙ ስራዎች በፕሮግራም አውጪው ላይ ይወድቃሉ, ነገር ግን የመጨረሻው ውጤት በአስተዳደሩ ውስጥ ተለዋዋጭነት ነው dati nel የውሂብ መጋዘን

ሌሎች መመሪያዎች

የ የውሂብ መጋዘን ለሁሉም ማለት ይቻላል እንደተገለጸው ሥራ dati, መወያየት ያለባቸው አንዳንድ ጠቃሚ ልዩ ሁኔታዎች አሉ. ለየት ያለ ሁኔታ የ dati የህዝብ ማጠቃለያ (የህዝብ ማጠቃለያ መረጃ)። እነዚህ ናቸው። dati ከ ውስጥ የተቆጠሩ ማጠቃለያዎች የውሂብ መጋዘን ግን እነሱ በኅብረተሰቡ ይጠቀማሉ ፡፡ ዘ dati የህዝብ ማጠቃለያዎች ውስጥ ይቀመጣሉ እና ይተዳደራሉ የውሂብ መጋዘን, ምንም እንኳን ከላይ እንደተገለፀው የተገነዘቡ ናቸው. የሂሳብ ባለሙያዎች በየሩብ ዓመቱ ለማምረት ይሠራሉ dati እንደ ገቢ, የሩብ ወጭዎች, የሩብ ዓመት ትርፍ, ወዘተ. በሂሳብ ባለሙያዎች የሚሠራው ሥራ ውጫዊ ነው የውሂብ መጋዘን. ሆኖም ፣ እ.ኤ.አ. dati በኩባንያው ውስጥ "ውስጣዊ" ጥቅም ላይ ይውላሉ - ከ ግብይት፣ ሽያጭ ፣ ወዘተ. ሌላ ያልተለመደ ነገር, እሱም አይብራራም, የ dati ውጫዊ

ሌላ ታላቅ ዓይነት dati በ ውስጥ ሊገኝ የሚችለው የውሂብ መጋዘን የቋሚ ዝርዝር መረጃ ነው። እነዚህ በቋሚነት የማከማቸት አስፈላጊነት ያስከትላሉ dati ለሥነምግባር ወይም ሕጋዊ ምክንያቶች በዝርዝር ደረጃ. አንድ ኩባንያ ሠራተኞቹን ለአደገኛ ንጥረ ነገሮች የሚያጋልጥ ከሆነ አስፈላጊ ነው dati ዝርዝር እና ቋሚ. አንድ ኩባንያ የህዝብ ደህንነትን የሚያካትት እንደ የአውሮፕላን ክፍሎች ያሉ ምርቶችን ቢያመርት አስፈላጊ ነው። dati ቋሚ ዝርዝሮች, እንዲሁም አንድ ኩባንያ አደገኛ ኮንትራቶች ውስጥ ከገባ.

ኩባንያው ዝርዝሩን ችላ ብሎ ማለፍ አይችልም ምክንያቱም በሚቀጥሉት ጥቂት አመታት, ክስ, ማስታወስ, አከራካሪ የግንባታ ጉድለት, ወዘተ. የኩባንያው መጋለጥ ትልቅ ሊሆን ይችላል. በውጤቱም ልዩ የሆነ ዓይነት አለ dati በቋሚነት ዝርዝር መረጃ በመባል ይታወቃል ፡፡

ማጠቃለያ

Un የውሂብ መጋዘን ነገሩን ያማከለ፣ የተቀናጀ፣ ውጥረት ያለበት ተለዋጭ፣ ስብስብ ነው። dati የአስተዳደሩን የውሳኔ አሰጣጥ ፍላጎቶች በመደገፍ ተለዋዋጭ ያልሆኑ. እያንዳንዱ ጉልህ ተግባራት ሀ የውሂብ መጋዘን የሚል አንድምታ አለው። በተጨማሪም አራት ደረጃዎች አሉ dati የ የውሂብ መጋዘን:

• የድሮ ዝርዝሮች
• ወቅታዊ ዝርዝር
• Dati በትንሹ ተጠቃሏል
• Dati በከፍተኛ ሁኔታ የተጠቃለለ ሜታዳታ የዚያ አስፈላጊ አካል ነው። የውሂብ መጋዘን. አብስትራክት የማከማቻው ፅንሰ-ሀሳብ dati በቅርብ ጊዜ ብዙ ትኩረት አግኝቷል እና የ 90 ዎቹ አዝማሚያ ሆኗል. ይህ በችሎታ ምክንያት ነው. የውሂብ መጋዘን እንደ የውሳኔ ድጋፍ ሥርዓቶች (DSS) እና የአስፈፃሚ የመረጃ ሥርዓቶች (EIS) ያሉ የአስተዳደር ድጋፍ ሥርዓቶችን ውስንነቶች ለማሸነፍ። ምንም እንኳን የ የውሂብ መጋዘን ተስፋ ሰጪ ይመስላል፣ ተግባራዊ i የውሂብ መጋዘን በትላልቅ የመጋዘን ሂደቶች ምክንያት ችግር ሊፈጥር ይችላል. የመጋዘን ፕሮጀክቶች ውስብስብ ቢሆንም dati፣ ብዙ አቅራቢዎች እና አማካሪዎች የሚያከማቹ dati ማከማቻ ይከራከራሉ dati ምንም ችግር አያቅርቡ. ነገር ግን፣ በዚህ የምርምር ፕሮጀክት መጀመሪያ ላይ፣ ምንም አይነት ገለልተኛ፣ ጥብቅ እና ስልታዊ ምርምር አልተሰራም። ስለዚህም እነሱ ሲገነቡ በኢንዱስትሪው ውስጥ ምን እንደሚፈጠር ለመናገር አስቸጋሪ ነው የውሂብ መጋዘን. ይህ ጥናት የመጋዘን አሰራርን ዳስሷል dati ስለ አውስትራሊያ ልምምድ የበለፀገ ግንዛቤን ለማዳበር ያለመ የዘመኑ ሰዎች። የስነ-ጽሁፍ ግምገማው ለተጨባጭ ጥናት አውድ እና መሰረት ሰጥቷል. በዚህ ጥናት ውስጥ በርካታ ውጤቶች አሉ. በመጀመሪያ ደረጃ, ይህ ጥናት በእድገቱ ወቅት የተከናወኑ ተግባራትን አሳይቷል የውሂብ መጋዘን. በብዙ አካባቢዎች ፣ እ.ኤ.አ. dati ተሰብስቦ በሥነ ጽሑፍ ውስጥ የተዘገበው አሠራር አረጋግጧል. በሁለተኛ ደረጃ, በእድገቱ ላይ ተጽዕኖ ሊያሳርፉ የሚችሉ ጉዳዮች እና ችግሮች የውሂብ መጋዘን በዚህ ጥናት ተለይተዋል. በመጨረሻም፣ ከመጠቀም ጋር በተያያዙ የአውስትራሊያ ድርጅቶች የተገኙ ጥቅሞች የውሂብ መጋዘን ተገልጧል ፡፡

ምዕራፍ 1

የምርምር አውድ

የመረጃ ማከማቻ ጽንሰ-ሀሳብ ሰፊ ተጋላጭነትን ተቀብሏል እና በ90ዎቹ (McFadden 1996፣ TDWI 1996፣ Shah and Milstein 1997፣ Shanks et al. 1997፣ Eckerson 1998፣ Adelman and Oates 2000) አዲስ አዝማሚያ ሆነ። ይህ በንግድ ህትመቶች (Little and Gibson 1999) ውስጥ በመረጃ ማከማቸት ላይ ከሚወጡት መጣጥፎች ብዛት ማየት ይቻላል። ብዙ መጣጥፎች (ለምሳሌ ፊሸር 1995፣ ሃካቶርን 1995፣ ሞሪስ 1995አ፣ ብራምብልት እና ኪንግ 1996፣ ግሬሃም እና ሌሎች 1996፣ ሳካጉቺ እና ፍሮሊክ 1996፣ አልቫሬዝ 1997፣ ብሮውዝል 1997፣ ክላርክ፣ 1997 ማክካርቲ 1997' ኤድዋርድስ 1997፣ TDWI 1998) ለሚተገበሩ ድርጅቶች ጉልህ ጥቅሞችን ሪፖርት አድርገዋል የውሂብ መጋዘን. ንድፈ ሃሳባቸውን በተሳካ ሁኔታ አፈፃፀሞች ላይ፣ በኢንቨስትመንት ላይ ከፍተኛ ትርፍ (ROI) አሃዞችን እና እንዲሁም መመሪያዎችን ወይም ዘዴዎችን ለማዳበር በሚያስችል ተጨባጭ ማስረጃ ደግፈዋል። የውሂብ መጋዘን

(Shanks et al. 1997፣ Seddon and Benjamin 1998፣ Little and Gibson 1999)። በአስከፊ ሁኔታ, Graham et al. (1996) የ 401% የሶስት አመት ኢንቨስትመንት አማካይ ተመላሽ ሪፖርት አድርጓል.

አብዛኛው የአሁኑ ሥነ-ጽሑፍ ግን እንደነዚህ ያሉትን ፕሮጀክቶች በማካሄድ ላይ ያሉትን ውስብስብ ነገሮች ችላ ብሎታል. ፕሮጀክቶች የ የውሂብ መጋዘን ብዙውን ጊዜ ውስብስብ እና ትልቅ መጠን ያላቸው ናቸው ስለዚህም በጥንቃቄ ቁጥጥር ካልተደረገላቸው (Shah and Milstein 1997, Eckerson 1997, Foley 1997b, Zimmer 1997, Bort 1998, Gibbs and Clymer 1998, Rao 1998) እነርሱን ለመገንባት ሰፊ የሰው እና የገንዘብ ሀብቶች፣ ጊዜ እና ጥረት ይፈልጋሉ (Hill 1998፣ Crofts 1998)። የሚያስፈልገው የተለመደው ጊዜ እና የፋይናንሺያል መንገድ እንደቅደም ተከተላቸው ሁለት ዓመት እና ከሁለት እስከ ሶስት ሚሊዮን ዶላር ገደማ ነው (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999)። ይህ ጊዜ እና የገንዘብ ዘዴ ብዙ የተለያዩ የመረጃ ማከማቻ ገጽታዎችን ለመቆጣጠር እና ለማዋሃድ ያስፈልጋል (Cafasso 1995, Hill 1998)። ከሃርድዌር እና የሶፍትዌር እሳቤዎች ጎን ለጎን, ሌሎች ተግባራት, ይህም ከማውጣቱ ይለያያል dati ወደ የመጫን ሂደቶች የ datiዝማኔዎችን እና ሜታውን ለማስተዳደር የማህደረ ትውስታ አቅም dati ለተጠቃሚ ስልጠና እነሱ ከግምት ውስጥ መግባት አለባቸው ፡፡

ይህ የምርምር ፕሮጀክት በተጀመረበት ወቅት በመረጃ ማከማቻ መስክ በተለይም በአውስትራሊያ ውስጥ እየተካሄደ ያለው የአካዳሚክ ጥናት በጣም ጥቂት ነበር። ይህ በመጽሔቶች ወይም በጊዜው የነበሩ ሌሎች የአካዳሚክ ጽሑፎች በመረጃ ማከማቻ ላይ የሚታተሙ መጣጥፎች አነስተኛ ከመሆናቸው ግልጽ ነበር። ብዙዎቹ የሚገኙት የአካዳሚክ ጽሑፎች የአሜሪካን ልምድ ገልጸውታል። በመረጃ ማከማቻ አካባቢ የአካዳሚክ ምርምር እጥረት ለጠንካራ ምርምር እና ተጨባጭ ጥናቶች (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999) ፍላጎት አስከትሏል. በተለይም በአተገባበር ሂደት ላይ የምርምር ጥናቶች የውሂብ መጋዘን ስለ አተገባበሩ አጠቃላይ እውቀትን ለማራዘም መደረግ አለበት የውሂብ መጋዘን እና ለወደፊት የምርምር ጥናት መሰረት ሆኖ ያገለግላል (Shanks et al. 1997, Little and Gibson 1999)።

ስለሆነም የዚህ ጥናት ዓላማ ድርጅቶች i ሲተገበሩ እና ሲጠቀሙ ምን እንደሚፈጠር መመርመር ነው። የውሂብ መጋዘን በአውስትራሊያ ውስጥ. በተለይም፣ ይህ ጥናት አጠቃላይ የማዳበር ሂደት ትንተናን ያካትታል ሀ የውሂብ መጋዘንከጅምር እና ዲዛይን ጀምሮ በንድፍ እና ትግበራ እና በአውስትራሊያ ድርጅቶች ውስጥ ጥቅም ላይ ይውላል። በተጨማሪም ጥናቱ አሰራሩን የበለጠ ማሻሻል የሚቻልባቸውን እና ቅልጥፍናን እና አደጋዎችን የሚቀንስ ወይም የሚቀርባቸውን ቦታዎች በመለየት ለአሁኑ አሰራር አስተዋፅኦ ያደርጋል። በተጨማሪም ፣ ለሌሎች ጥናቶች መሠረት ይሆናል የውሂብ መጋዘን በአውስትራሊያ ውስጥ እና በአሁኑ ጊዜ በሥነ ጽሑፍ ውስጥ ያለውን ክፍተት ይሞላል።

የምርምር ጥያቄዎች

የዚህ ጥናት ዓላማ በአተገባበሩ ውስጥ ያሉትን ተግባራት ማጥናት ነው የውሂብ መጋዘን እና በአውስትራሊያ ድርጅቶች አጠቃቀማቸው። በተለይም የፕሮጀክት እቅድ ማውጣት፣ ልማት፣ አሰራር፣ አጠቃቀም እና አደጋን የሚመለከቱ አካላት ተጠንተዋል። ስለዚህ የዚህ ጥናት ጥያቄ የሚከተለው ነው-

አሁን ያለው የ የውሂብ መጋዘን በአውስትራሊያ ውስጥ?

ይህንን ጥያቄ በብቃት ለመመለስ፣ በርካታ ንዑስ የምርምር ጥያቄዎች ያስፈልጋሉ። በተለይም ይህንን የምርምር ፕሮጀክት ለመምራት በምዕራፍ 2 ላይ ከቀረቡት ጽሑፎች ውስጥ ሦስት ንዑስ ጥያቄዎች ተለይተዋል፡- እንዴት ናቸው የውሂብ መጋዘን በአውስትራሊያ ድርጅቶች? ያጋጠሙ ችግሮች ምንድን ናቸው?

ያገ experiencedቸው ጥቅሞች ምንድናቸው?
ለእነዚህ ጥያቄዎች መልስ ሲሰጥ፣ የዳሰሳ ጥናት የሚጠቀም የዳሰሳ ጥናት ንድፍ ጥቅም ላይ ውሏል። እንደ ዳሰሳ ጥናት፣ ከላይ ለተጠቀሱት ጥያቄዎች መልሶች ሙሉ አይደሉም (Shanks et al. 1993, Denscombe 1998)። በዚህ ሁኔታ, ለእነዚህ ጥያቄዎች መልሶች ለማሻሻል አንዳንድ ሶስት ማዕዘን ያስፈልጋል. ይሁን እንጂ ምርመራው እነዚህን ጥያቄዎች ለመመርመር ለወደፊቱ ሥራ ጠንካራ መሠረት ይሰጣል. ስለ የምርምር ዘዴ ማረጋገጫ እና ዲዛይን ዝርዝር ውይይት በምዕራፍ 3 ቀርቧል።

የምርምር ፕሮጀክቱ አወቃቀር

ይህ የምርምር ፕሮጀክት በሁለት ክፍሎች የተከፈለ ነው፡ የመረጃ ማከማቻ ጽንሰ-ሀሳብ አውድ ጥናት እና ተጨባጭ ምርምር (ስእል 1.1 ይመልከቱ) እያንዳንዳቸው ከዚህ በታች ተብራርተዋል.

ክፍል I: ዐውደ-ጽሑፋዊ ጥናት

የጥናቱ የመጀመሪያ ክፍል የውሳኔ ድጋፍ ስርዓቶችን (DSS) ፣ የአስፈፃሚ መረጃ ስርዓቶችን (EIS) ፣ የጉዳይ ጥናቶችን ጨምሮ በተለያዩ የመረጃ ማከማቻ ዓይነቶች ላይ ወቅታዊ ጽሑፎችን መገምገምን ያካትታል ። የውሂብ መጋዘን እና ጽንሰ-ሐሳቦች የውሂብ መጋዘን. እንዲሁም የውይይት መድረኮች በ ላይ የውሂብ መጋዘን እና በሞናሽ ዲኤስኤስ የምርምር ቡድን የሚመራው የባለሙያ እና የባለሙያዎች ስብሰባ ቡድኖች በዚህ የጥናት ሂደት ላይ ግንዛቤን ለማግኘት ታስቦ በነበረው የጥናት ደረጃ ላይ አስተዋፅዖ አድርገዋል። የውሂብ መጋዘን እና በጉዲፈቻዎቻቸው ውስጥ ያሉትን አደጋዎች ለመለየት. በዚህ የዐውደ-ጽሑፋዊ ጥናት ወቅት፣ ለሚቀጥሉት ተጨባጭ ምርመራዎች የእውቀት መሠረት ለመስጠት የችግሩን አካባቢ ግንዛቤ ተቋቁሟል። ይሁን እንጂ የምርምር ጥናቱ ሲካሄድ ይህ ቀጣይ ሂደት ነበር.

ክፍል II-ኢምፔሪያል ምርምር

በአንፃራዊነት አዲሱ የመረጃ ማከማቻ ጽንሰ-ሀሳብ በተለይም በአውስትራሊያ ውስጥ ስለአጠቃቀም ልምድ ሰፋ ያለ እይታ ለማግኘት የዳሰሳ ጥናት አስፈላጊነት ፈጥሯል። ይህ ክፍል የተከናወነው የችግሩ ጎራ ከተመሠረተ በሰፊ የስነ-ጽሁፍ ግምገማ ነው። በዐውደ-ጽሑፋዊ የጥናት ምዕራፍ ወቅት የተፈጠረው የመረጃ ማከማቻ ጽንሰ-ሐሳብ ለዚህ ጥናት የመጀመሪያ መጠይቅ እንደ ግብአት ጥቅም ላይ ውሏል። ከዚህ በኋላ መጠይቁ ተገምግሟል። እርስዎ ላይ ባለሙያ ነዎት የውሂብ መጋዘን በፈተናው ውስጥ ተሳትፏል. የመጀመሪያ መጠይቁን የመፈተሽ አላማ የጥያቄዎቹን ሙሉነት እና ትክክለኛነት ለማረጋገጥ ነው። በፈተና ውጤቶቹ ላይ በመመስረት መጠይቁ ተስተካክሏል እና የተሻሻለው እትም ለዳሰሳ ጥናቱ ተሳታፊዎች በፖስታ ተልኳል። የተመለሱት መጠይቆች ለ i dati በጠረጴዛዎች, ስዕላዊ መግለጫዎች እና ሌሎች ቅርፀቶች. ዘ

የትንተና ውጤቶች dati በአውስትራሊያ ውስጥ የውሂብ ማከማቻ ልምምድ ቅጽበታዊ ፎቶ ይፍጠሩ።

የመረጃ አቅርቦት አጠቃላይ እይታ

የመረጃ ማከማቻ ጽንሰ-ሐሳብ በኮምፒዩተር ቴክኖሎጂ ማሻሻያዎች ተሻሽሏል።
እንደ የውሳኔ ድጋፍ ስርዓት (DSS) እና አስፈፃሚ መረጃ ስርዓት (EIS) ባሉ የመተግበሪያ ድጋፍ ቡድኖች ያጋጠሙትን ችግሮች ለማሸነፍ ያለመ ነው።

ቀደም ባሉት ጊዜያት የእነዚህ መተግበሪያዎች ትልቁ እንቅፋት እነዚህ መተግበሪያዎች ለማቅረብ አለመቻላቸው ነው። የውሂብ መሠረት ለመተንተን አስፈላጊ ፡፡
ይህ በዋነኛነት በአመራሩ የስራ ባህሪ ነው። የኩባንያው አስተዳደር ፍላጎቶች በተሸፈነው አካባቢ ላይ በመመስረት በየጊዜው ይለያያሉ። ስለዚህ እኔ dati ለነዚህ አፕሊኬሽኖች መሰረታዊ የሆኑ መታከም ያለበት ክፍል ላይ በመመስረት በፍጥነት መለወጥ መቻል አለባቸው።
ይህ ማለት i dati ለሚፈለጉት ትንታኔዎች በተገቢው ቅጽ ውስጥ መገኘት አለባቸው. እንደ እውነቱ ከሆነ, የመተግበሪያ ድጋፍ ቡድኖች ለመሰብሰብ እና ለማዋሃድ ቀደም ሲል በጣም አስቸጋሪ ሆኖ አግኝተውታል dati ከተወሳሰቡ እና ከተለያዩ ምንጮች.

የዚህ ክፍል ቀሪው የውሂብ ማከማቻ ጽንሰ-ሀሳብ አጠቃላይ እይታን ያቀርባል እና እንዴት እንደሆነ ያብራራል። የውሂብ መጋዘን የመተግበሪያ ድጋፍ ቡድኖችን ችግሮች ማሸነፍ ይችላል.
ቃሉ “የውሂብ መጋዘንእ.ኤ.አ. በ1990 በዊልያም ኢንሞን ታዋቂ ሆነ። ብዙ ጊዜ የተጠቀሰው ፍቺው ይህንን ይመለከታል የውሂብ መጋዘን እንደ ስብስብ dati ርዕሰ-ጉዳይ-ተኮር, የተቀናጀ, ተለዋዋጭ ያልሆኑ እና በጊዜ ሂደት ተለዋዋጭ, የአስተዳደር ውሳኔዎችን በመደገፍ.

ይህንን ትርጓሜ በመጠቀም Inmon i dati ውስጥ መኖር የውሂብ መጋዘን የሚከተሉት 4 ባህሪያት ሊኖራቸው ይገባል.

• ▪ ርዕሰ ጉዳዩን ያማከለ
• ▪ የተዋሃደ
• ▪ ተለዋዋጭ ያልሆነ
• ▪ በጊዜ ሂደት የሚለዋወጥ በርዕሰ-ጉዳይ-ተኮር Inmon ማለት i dati nel የውሂብ መጋዘን በነበሩት ትላልቅ ድርጅታዊ አካባቢዎች

በአምሳያው ውስጥ ተገል definedል dati. ለምሳሌ ሁሉም dati ስለ ደንበኞች በትምህርቱ አካባቢ ውስጥ ይገኛሉ ለደንበኛዎቻችን. በተመሳሳይ ሁሉም dati ከምርቶቹ ጋር በተዛመደ በርዕሰ-ጉዳይ PRODUCTS ውስጥ ይገኛሉ።

በኢንተራቲ ኢንሞን ማለት i dati ከተለያዩ መድረኮች, ስርዓቶች እና ቦታዎች ተጣምረው በአንድ ቦታ ይቀመጣሉ. በዚህም ምክንያት dati በቀላሉ ለመደመር እና ለማነፃፀር ተመሳሳይ የሆኑ ወደ ወጥነት ያላቸው ቅርጸቶች መለወጥ አለባቸው።
ለምሳሌ ወንድ እና ሴት ጾታ በአንድ ስርዓት M እና F ፊደሎች እና በ 1 እና 0 ይወከላሉ. እነሱን በትክክል ለማዋሃድ, ሁለቱ ቅርጾች እኩል እንዲሆኑ አንድ ወይም ሁለቱም ቅርጸቶች መለወጥ አለባቸው. በዚህ አጋጣሚ M ወደ 1 እና F ወደ 0 ወይም በተቃራኒው መቀየር እንችላለን. በርዕሰ ጉዳይ ላይ ያተኮረ እና የተቀናጀ የ የውሂብ መጋዘን ተግባራዊ እና ተሻጋሪ እይታን ለማቅረብ የተነደፈ ነው። dati በኩባንያው.

የማይለዋወጥ ማለት i dati nel የውሂብ መጋዘን ወጥነት ያለው እና ማዘመን dati አስፈላጊ አይደለም. በምትኩ, በ ውስጥ ማንኛውም ለውጥ dati ኦርጅናሎች ታክለዋል የውሂብ ጎታ የ የውሂብ መጋዘን. ይህ ማለት የታሪክ ምሁር dati ውስጥ ይገኛል የውሂብ መጋዘን.

ለተለዋጭ ጊዜ በላይ Inmon የሚያመለክተው i dati nel የውሂብ መጋዘን ሁል ጊዜ የጊዜ አመልካቾችን እና እኔን ይይዛሉ dati እነሱ በመደበኛነት የተወሰነ ጊዜን ያቋርጣሉ። ለምሳሌ ሀ
የውሂብ መጋዘን የ 5 ዓመታት ታሪካዊ እሴቶችን ይይዛል ደንበኞች ከ 1993 እስከ 1997. የታሪካዊ እና ተከታታይ ጊዜያት መገኘት dati አዝማሚያዎችን ለመተንተን ያስችልዎታል ፡፡

Un የውሂብ መጋዘን የራሱን መሰብሰብ ይችላል dati ከ OLTP ስርዓቶች; ከመነሻዎች dati ከድርጅቱ ውጭ እና / ወይም ከሌሎች ልዩ የማጥመጃ ስርዓት ፕሮጀክቶች dati.
I dati ተዋጽኦዎች የጽዳት ሂደት ውስጥ ማለፍ ይችላሉ, በዚህ ጉዳይ ላይ i dati በ ውስጥ ከመከማቸታቸው በፊት ይለወጣሉ እና የተዋሃዱ ናቸው የውሂብ ጎታ የ የውሂብ መጋዘን. ከዚያ ፣ እ.ኤ.አ. dati

ውስጥ መኖር የውሂብ ጎታ የ የውሂብ መጋዘን ለዋና ተጠቃሚ መግቢያዎች እና መልሶ ማግኛ መሳሪያዎች ይገኛሉ። እነዚህን መሳሪያዎች በመጠቀም የመጨረሻ ተጠቃሚው የድርጅቱን የተቀናጀ እይታ መድረስ ይችላል። dati.

I dati ውስጥ መኖር የውሂብ ጎታ የ የውሂብ መጋዘን በሁለቱም በዝርዝር እና በማጠቃለያ ቅርጸቶች ውስጥ ተቀምጠዋል.
የማጠቃለያው ደረጃ በተፈጥሮው ላይ የተመሠረተ ሊሆን ይችላል dati. እኔ dati ዝርዝር ሊኖረው ይችላል dati የአሁኑ እና dati የታሪክ ምሁራን
I dati እውነተኛ በ ውስጥ አልተካተተም የውሂብ መጋዘን እስከ dati nel የውሂብ መጋዘን ታድሰዋል ፡፡
እኔ ከማከማቸት በተጨማሪ i dati ራሳቸው ፣ ሀ የውሂብ መጋዘን እንዲሁም የተለየ ዓይነት ማከማቸት ይችላል ዳቶ METADATA ተብሎ የሚገለጸው i dati በእሱ ውስጥ የሚኖር የውሂብ ጎታ.
ሁለት ዓይነት ሜታዳታ አሉ፡ ልማት ሜታዳታ እና ትንተና ሜታዳታ።
የልማት ሜታዳታ የማውጣት፣ የማጽዳት፣ የካርታ ስራ እና የመስቀል ሂደቶችን ለማስተዳደር እና በራስ ሰር ለመስራት ይጠቅማል dati nel የውሂብ መጋዘን.
በልማት ሜታዳታ ውስጥ ያለው መረጃ የስርዓተ ክወናዎች ዝርዝሮችን ፣ የሚወጡትን ንጥረ ነገሮች ዝርዝሮች ፣ ሞዴሉን ሊይዝ ይችላል። dati የ የውሂብ መጋዘን እና ውሂብን ለመለወጥ የንግድ ደንቦች dati.

ሁለተኛው ዓይነት ሜታዳታ፣ አናሊቲክስ ሜታዳታ በመባል የሚታወቀው የመጨረሻው ተጠቃሚ የይዘቱን ይዘት እንዲመረምር ያስችለዋል። የውሂብ መጋዘን ለማግኘት i dati የሚገኙ እና ትርጉማቸው ግልጽ በሆነ፣ ቴክኒካዊ ባልሆኑ ቃላት።

ስለዚህ የትንታኔ ሜታዳታ በ መካከል እንደ ድልድይ ሆኖ ይሰራል የውሂብ መጋዘን እና የመጨረሻ ተጠቃሚ መተግበሪያዎች. ይህ ዲበ ውሂብ የንግድ ሞዴሉን፣ መግለጫዎችን ሊይዝ ይችላል። dati ከንግዱ ሞዴል ጋር የሚዛመድ, አስቀድሞ የተገለጹ መጠይቆች እና ሪፖርቶች, የተጠቃሚ መዳረሻ እና መረጃ ጠቋሚ.

ትንተና እና ልማት ሜታዳታ በትክክል ለመስራት ወደ አንድ የተቀናጀ የይዘት ሜታዳታ መቀላቀል አለባቸው።

እንደ አለመታደል ሆኖ ብዙዎቹ ነባር መሳሪያዎች የራሳቸው ሜታዳታ አላቸው እና በአሁኑ ጊዜ ምንም ነባር መመዘኛዎች የሉም

ይህን ሜታዳታ እንዲያዋህድ የውሂብ ማከማቻ መሳሪያዎች ፍቀድ። ይህንን ሁኔታ ለማስተካከል ብዙ የዋና የመረጃ ማከማቻ መሳሪያዎች አቅራቢዎች የሜታ ዳታ ካውንስል መሰረቱ በኋላ የሜታ መረጃ ጥምረት ሆነ።

የዚህ ጥምረት ዓላማ የተለያዩ የውሂብ ማከማቻ መሳሪያዎች ዲበ ውሂብን ለመለወጥ የሚያስችል መደበኛ የዲበዳታ ስብስብ መገንባት ነው።
ጥረታቸው በማይክሮሶፍት ማህደሮች እና በተዛማጅ ኤምዲአይኤስ ፋይሎች መካከል የመረጃ ልውውጥ እንዲኖር የሚያስችል የሜታ ዳታ ልውውጥ መግለጫ (ኤምዲአይኤስ) መወለድ አስከትሏል።

መኖር dati በማጠቃለያው/በመረጃ የተደገፈ እና በዝርዝር ለተጠቃሚው DRILL DOWN (ቁፋሮ) እንዲሰራ እድል ይሰጣል። dati ወደ ዝርዝር መረጃ ጠቋሚ እና በተቃራኒው. መኖር dati ዝርዝር ታሪክ በጊዜ ሂደት የአዝማሚያ ትንታኔዎችን መፍጠር ያስችላል። በተጨማሪም የትንታኔ ሜታዳታ እንደ ዴል ማውጫ ሆኖ ሊያገለግል ይችላል። የውሂብ ጎታ የ የውሂብ መጋዘን የመጨረሻ ተጠቃሚዎች i ን እንዲያገኙ ለማገዝ dati አስፈላጊ

ከOLTP ስርዓቶች ጋር በማነፃፀር፣ ለመተንተን የመደገፍ ችሎታቸው dati እና ሪፖርት ማድረግ ፣ እ.ኤ.አ. የውሂብ መጋዘን እንደ ጥያቄዎችን ማቅረብ እና መመለስ እና ሪፖርቶችን ማዘጋጀት ላሉ የመረጃ ሂደቶች የበለጠ ተገቢ ስርዓት ሆኖ ይታያል። የሚቀጥለው ክፍል የሁለቱን ስርዓቶች ልዩነት በዝርዝር ያሳያል.

የውሂብ ቤት በ OLTP ስርዓቶች ላይ

በድርጅቶች ውስጥ ያሉ አብዛኛዎቹ የመረጃ ሥርዓቶች የዕለት ተዕለት እንቅስቃሴዎችን ለመደገፍ የታቀዱ ናቸው። እነዚህ የOLTP ስርዓቶች በመባል የሚታወቁት ስርዓቶች ያለማቋረጥ የዘመኑ ዕለታዊ ግብይቶችን ይይዛሉ።

I dati በእነዚህ ስርዓቶች ውስጥ ብዙ ጊዜ ተስተካክለዋል፣ ይታከላሉ ወይም ይሰረዛሉ። ለምሳሌ አንድ ደንበኛ ከቦታ ወደ ቦታ ሲዘዋወር አድራሻው ይቀየራል። በዚህ አጋጣሚ አዲሱ አድራሻ የአድራሻውን መስክ በማስተካከል ይመዘገባል የውሂብ ጎታ. የእነዚህ ስርዓቶች ዋና ዓላማ የግብይት ወጪዎችን መቀነስ እና በተመሳሳይ ጊዜ የማስኬጃ ጊዜን መቀነስ ነው. የOLTP ስርዓቶች ምሳሌዎች እንደ የትዕዛዝ ጋዜጣ፣ የደመወዝ ክፍያ፣ ደረሰኞች፣ ማምረት፣ የደንበኞች አገልግሎት ያሉ ወሳኝ እርምጃዎችን ያካትታሉ። ደንበኞች.

ለግብይት እና ለክስተቶች ተኮር ሂደቶች ከተፈጠሩት ከOLTP ስርዓቶች በተለየ፣ i የውሂብ መጋዘን የተፈጠሩት ትንታኔዎችን መሰረት ያደረገ የሂደት ድጋፍ ለመስጠት ነው። dati እና በውሳኔ አሰጣጥ ሂደቶች ላይ.

ይህ በመደበኛነት የተገኘውን i በማዋሃድ ነው dati ከተለያዩ የ OLTP እና ውጫዊ ስርዓቶች በአንድ "መያዣ" ውስጥ dati, ባለፈው ክፍል ላይ እንደተብራራው.

የሞናሽ ዳታ ማከማቻ ሂደት ሂደት ሞዴል

የሂደቱ ሞዴል ለ የውሂብ መጋዘን ሞናሽ በMonash DSS የምርምር ቡድን በተመራማሪዎች የተገነባ እና በሥነ ጽሑፍ ላይ የተመሠረተ ነው። የውሂብ መጋዘን፣ በልማት ድጋፍ ስርዓቶች መስኮች ልምድ ፣ ከመተግበሪያ አቅራቢዎች ጋር ጥቅም ላይ የሚውሉ ውይይቶች የውሂብ መጋዘን, በአጠቃቀም ውስጥ በባለሙያዎች ቡድን ላይ የውሂብ መጋዘን.

ደረጃዎቹ፡- አነሳሽነት፣ እቅድ ማውጣት፣ ልማት፣ ስራዎች እና ማብራሪያ ናቸው። ስዕሉ ሀ የውሂብ መጋዘን በተለያዩ ደረጃዎች መካከል የተቀመጡ ባለ ሁለት መንገድ ቀስቶችን በመጠቀም ሂደት። በዚህ ዐውደ-ጽሑፍ "ተዘዋዋሪ" እና "ዝግመተ ለውጥ" ማለት በእያንዳንዱ የሂደቱ ደረጃ, የትግበራ እንቅስቃሴዎች ሁልጊዜ ወደ ቀድሞው ደረጃ ወደ ኋላ ሊራቡ ይችላሉ. ይህ በፕሮጀክት ባህሪ ምክንያት ነው የውሂብ መጋዘን በዋና ተጠቃሚው ተጨማሪ ጥያቄዎች በማንኛውም ጊዜ የሚከሰቱበት። ለምሳሌ, በሂደቱ የእድገት ደረጃ ወቅት የውሂብ መጋዘንአዲስ የርዕሰ ጉዳይ መጠን ወይም አካባቢ በዋና ተጠቃሚው ከተጠየቀ፣የመጀመሪያው እቅድ አካል ያልሆነ፣ ወደ ስርዓቱ መታከል አለበት። ይህ በፕሮጀክቱ ላይ ለውጥ ያመጣል. ውጤቱም የንድፍ ቡድኑ በዲዛይን ጊዜ ውስጥ እስካሁን የተፈጠሩትን ሰነዶች መስፈርቶች መለወጥ አለበት. በአብዛኛዎቹ ሁኔታዎች, የፕሮጀክቱ ወቅታዊ ሁኔታ አዲሱን መስፈርት ለመጨመር እና ለመመዝገብ ወደ የንድፍ ደረጃው መመለስ አለበት. የመጨረሻ ተጠቃሚው የተገመገሙትን ልዩ ሰነዶች እና በእድገት ደረጃ ላይ የተደረጉ ለውጦችን ማየት መቻል አለበት። በዚህ የእድገት ዑደት መጨረሻ ላይ ፕሮጀክቱ ከሁለቱም የልማት እና የተጠቃሚ ቡድኖች ጥሩ አስተያየት ማግኘት አለበት. የወደፊቱን ፕሮጀክት ለማሻሻል ግብረመልስ እንደገና ጥቅም ላይ ይውላል።

የአቅም ማቀድ
dw በመጠን መጠኑ በጣም ትልቅ እና በፍጥነት ያድጋል (ምርጥ 1995 ፣ ሩዲን 1997 ሀ) በብዛቱ ምክንያት dati ከቆዩበት ጊዜ ጀምሮ ያቆዩዋቸው ታሪካዊ. እድገትም ሊፈጠር ይችላል። dati እሴቱን ለመጨመር በተጠቃሚዎች የተጠየቁ add-ons dati አስቀድመው ያላቸው. በዚህ ምክንያት የማከማቻ መስፈርቶች ለ dati በከፍተኛ ሁኔታ ሊሻሻል ይችላል (ኤከርሰን 1997)። ስለዚህ የአቅም እቅድ በማዘጋጀት የሚገነባው ስርአት ፍላጎቶች እያደጉ ሲሄዱ (Best 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a) ማረጋገጥ አስፈላጊ ነው.
የውሂብ መጋዘንን ለማስፋፋት በማቀድ አንድ ሰው በመጋዘን መጠን ውስጥ የሚጠበቀውን እድገትን ፣ ሊደረጉ የሚችሉ የጥያቄ ዓይነቶችን እና የሚደገፉትን የመጨረሻ ተጠቃሚዎች ብዛት ማወቅ አለበት (ምርጥ 1995 ፣ Rudin 1997b ፣ Foley 1997a)። ሊለኩ የሚችሉ አፕሊኬሽኖችን መገንባት ሊሰፋ የሚችል የአገልጋይ ቴክኖሎጂዎችን እና ሊሰፋ የሚችል የአፕሊኬሽን ዲዛይን ቴክኒኮችን ጥምር ይጠይቃል (ምርጥ 1995፣ ሩዲን 1997b። ሁለቱም በጣም ሊሰፋ የሚችል መተግበሪያ ለመገንባት አስፈላጊ ናቸው። አዋራጅ አፈጻጸም (ላንግ 1997፣ ቴሌፎኒ 1997)።

ሁለት ዋና ሊዛነፉ የሚችሉ የአገልጋይ ቴክኖሎጂዎች አሉ፡ ሲምሜትሪክ በርካታ ፕሮሰሲንግ (SMP) እና massively parallel processing (MPP)) (IDC 1997፣ Humphries et al. 1999)። የኤስኤምፒ አገልጋይ ብዙውን ጊዜ ማህደረ ትውስታን፣ የስርዓት አውቶቡሶችን እና ሌሎች ሃብቶችን የሚጋሩ በርካታ ፕሮሰሰሮች አሉት (IDC 1997፣ Humphries et al. 1999)። እሱን ለማሳደግ ተጨማሪ ማቀነባበሪያዎች ሊጨመሩ ይችላሉ። ኃይል ስሌት. ሌላውን የመጨመር ዘዴ ኃይል የ SMP አገልጋይ ስሌት ፣ ብዙ የ SMP ማሽኖችን ማዋሃድ ነው። ይህ ዘዴ ክላስተር (Humphries et al. 1999) በመባል ይታወቃል። በሌላ በኩል የኤምፒፒ አገልጋይ እያንዳንዳቸው የራሳቸው ማህደረ ትውስታ፣ የአውቶቡስ ሲስተም እና ሌሎች ግብአቶች ያላቸው በርካታ ፕሮሰሰሮች አሉት (IDC 1997፣ Humphries et al. 1999)። እያንዳንዱ ፕሮሰሰር መስቀለኛ መንገድ ይባላል። ውስጥ መጨመር ኃይል ማስላት ይቻላል

ተጨማሪ አንጓዎችን ወደ MPP አገልጋዮች ማከል (Humphries et al. 1999)።

የኤስኤምፒ አገልጋዮች ድክመት በጣም ብዙ የግብአት-ውፅዓት (አይ/ኦ) ኦፕሬሽኖች የአውቶብስ ሲስተምን (IDC 1997) ሊያጨናንቁት መቻላቸው ነው። እያንዳንዱ ፕሮሰሰር የራሱ አውቶቡስ ሲስተም ስላለው ይህ ችግር በኤምፒፒ አገልጋዮች ውስጥ አይከሰትም። ነገር ግን፣ በእያንዳንዱ መስቀለኛ መንገድ መካከል ያለው ትስስር በአጠቃላይ ከ SMP አውቶቡስ ሲስተም በጣም ቀርፋፋ ነው። በተጨማሪም የኤምፒፒ አገልጋዮች ለመተግበሪያ ገንቢዎች (IDC 1997) ተጨማሪ ውስብስብነት ማከል ይችላሉ። ስለዚህ በ SMP እና በኤምፒፒ አገልጋዮች መካከል ያለው ምርጫ የመተግበሪያዎቹ ውስብስብነት፣ የዋጋ/የአፈጻጸም ጥምርታ፣ የሚፈለገው ግብአት፣ የ dw አፕሊኬሽኖች መከልከል እና የመጠን መጨመርን ጨምሮ በብዙ ነገሮች ላይ ተጽእኖ ሊኖረው ይችላል። የውሂብ ጎታ የ dw እና የዋና ተጠቃሚዎች ብዛት።

በአቅም እቅድ ውስጥ በርካታ ሊሰፋ የሚችል የመተግበሪያ ንድፍ ቴክኒኮችን መጠቀም ይቻላል። አንድ ሰው እንደ ቀናት፣ ሳምንታት፣ ወራት እና ዓመታት ያሉ የተለያዩ የሪፖርት ማቅረቢያ ጊዜዎችን ይጠቀማል። የተለያዩ የማሳወቂያ ጊዜዎች ስላሉት፣ እ.ኤ.አ የውሂብ ጎታ በአስተዳደር በተሰበሰቡ ቁርጥራጮች ሊከፋፈል ይችላል (Inmon et al. 1997)። ሌላው ዘዴ በማጠቃለያ የተገነቡ የማጠቃለያ ሠንጠረዦችን መጠቀም ነው dati da dati ዝርዝር. ስለሆነም ፣ እ.ኤ.አ. dati አብስትራክት ከዝርዝር የበለጠ የታመቀ ነው፣ ይህም አነስተኛ የማህደረ ትውስታ ቦታን ይፈልጋል። ስለዚህ የ dati ዝርዝሮችን ወደ ያነሰ ውድ የማከማቻ ክፍል ሊቀመጡ ይችላሉ፣ ይህም የበለጠ ማከማቻን ይቆጥባል። የማጠቃለያ ሰንጠረዦችን መጠቀም የማከማቻ ቦታን መቆጠብ ቢችልም, ወቅታዊ እና ከንግድ ፍላጎቶች ጋር እንዲጣጣሙ ለማድረግ ብዙ ጥረት ይጠይቃሉ. ይሁን እንጂ ይህ ዘዴ በሰፊው ጥቅም ላይ የዋለ ሲሆን ብዙውን ጊዜ ከቀድሞው ቴክኒክ (ምርጥ 1995, ኢንሞን 1996a, ቻውዱሪ እና ዳያል) ጋር በጥምረት ጥቅም ላይ ይውላል.
1997).

መግለፅ የውሂብ መጋዘን የቴክኒክ አርክቴክቸር የ dw አርክቴክቸር ቴክኒኮች ፍቺ

ቀደምት የመረጃ ማከማቻ አድራጊዎች በዋነኛነት ሁሉም ባለበት የተማከለ የመረጃ ማከማቻ አተገባበርን አስበው ነበር። datiእኔ ጨምሮ dati ውጫዊ ፣ በአንድ ነጠላ የተዋሃዱ ፣
አካላዊ ማከማቻ (Inmon 1996a, Bresnahan 1996, Peacock 1998).

የዚህ አቀራረብ ዋነኛ ጥቅም የመጨረሻ ተጠቃሚዎች የኢንተርፕራይዙን አጠቃላይ እይታ ማግኘት መቻላቸው ነው። dati ድርጅታዊ (Ovum 1998). ሌላው ፕላስ የ standardization ያቀርባል dati በድርጅቱ ውስጥ፣ ይህም ማለት ለእያንዳንዱ የቃላት ፍቺ አንድ ስሪት ወይም ፍቺ ብቻ በማከማቻው ሜታዳታ ውስጥ ጥቅም ላይ ይውላል (Flanagan and Safdie 1997፣ Ovum 1998)። በሌላ በኩል የዚህ አካሄድ ጉዳቱ ውድ እና ለመገንባት አስቸጋሪ ነው (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998)። ከማከማቻው ሥነ ሕንፃ በኋላ ብዙም ሳይቆይ dati ማዕከላዊነት ታዋቂ ሆነ ፣ ትንሹ የአማልክት ንዑስ ስብስቦች ማዕድን ማውጣት ጽንሰ-ሀሳብ ተሻሽሏል። dati የተወሰኑ መተግበሪያዎችን ፍላጎት ለመደገፍ (ቫርኒ 1996፣ IDC 1997፣ በርሰን እና ስሚዝ 1997፣ ፒኮክ 1998)። እነዚህ ትናንሽ ስርዓቶች ከትልቁ የተገኙ ናቸው የውሂብ መጋዘን የተማከለ. ተጠርተዋል። የውሂብ መጋዘን የሰራተኛ ክፍል ወይም የሰራተኛ ውሂብ ማርቶች. ጥገኛ ዳታ ማርት አርክቴክቸር የመጀመሪያው ደረጃ ን ያካተተ ባለ ሶስት እርከን አርክቴክቸር በመባል ይታወቃል የውሂብ መጋዘን የተማከለ, ሁለተኛው ተቀማጭ ያካትታል dati መምሪያ እና ሦስተኛው ተደራሽነትን ያቀፈ ነው dati እና በመተንተን መሳሪያዎች (Demarest 1994, Inmon et al. 1997).

የውሂብ ማርቶች በመደበኛነት የሚገነቡት ከ ‹በኋላ› ነው የውሂብ መጋዘን ማዕከላዊ የተገነባው የተወሰኑ ክፍሎችን ፍላጎቶች ለማሟላት ነው (ነጭ 1995 ፣ ቫርኒ 1996)።
የውሂብ ማርቶች መደብር እኔ dati ለተወሰኑ ክፍሎች (Inmon et al. 1997, Inmon et al. 1998, IA 1998) ተዛማጅነት ያላቸው.

የዚህ ዘዴ ጥቅም አንድም አይኖርም የሚል ነው ዳቶ ያልተዋሃደ እና እኔ dati ከሁሉም ጀምሮ በመረጃ ማርቶች ውስጥ አነስተኛ ድግግሞሽ ይሆናል። dati ከተቀማጭ ገንዘብ ይመጣሉ dati የተቀናጀ. ሌላው ጥቅም በእያንዳንዱ የውሂብ ማርት እና በምንጮቹ መካከል ያነሱ አገናኞች መኖራቸው ነው። dati ምክንያቱም እያንዳንዱ የውሂብ ማርት አንድ ምንጭ ብቻ አለው dati. በተጨማሪም ይህ አርክቴክቸር ባለበት፣ የመጨረሻ ተጠቃሚዎች አሁንም ሊደርሱበት ይችላሉ። dati

የድርጅት ድርጅቶች. ይህ ዘዴ ከላይ ወደ ታች ያለው ዘዴ በመባል ይታወቃል, የውሂብ ማርቶች ከተገነቡ በኋላ የውሂብ መጋዘን (ፒኮክ 1998፣ ጎፍ 1998)።
ውጤቱን ቀደም ብሎ የማሳየት ፍላጎትን በመጨመር፣ አንዳንድ ድርጅቶች ገለልተኛ የመረጃ ማርቶች መገንባት ጀምረዋል (Flanagan and Safdie 1997, White 2000)። በዚህ አጋጣሚ የውሂብ ማርቶች የራሳቸውን ያገኛሉ dati በቀጥታ ከ dati OLTP እና OLTP ያልሆኑ ከተማከለው እና ከተዋሃዱ ማከማቻዎች, ስለዚህም በቦታው ላይ ያለውን ማዕከላዊ ማከማቻ አስፈላጊነት ያስወግዳል.

እያንዳንዱ የውሂብ ማርት ወደ ምንጮቹ ቢያንስ አንድ አገናኝ ይፈልጋል dati. ከእያንዳንዱ የውሂብ ማርት ጋር ብዙ አገናኞችን ማግኘቱ አንድ ጉዳቱ ካለፉት ሁለት የሕንፃ ግንባታዎች ጋር ሲነፃፀር ከመጠን በላይ መብዛቱ ነው። dati በከፍተኛ ሁኔታ ይጨምራል።

እያንዳንዱ የውሂብ ማርት ሁሉንም ማከማቸት አለበት dati በ OLTP ስርዓቶች ላይ ምንም ተጽእኖ እንዳይኖረው በአካባቢው ያስፈልጋል. ይህ ምክንያት i dati በተለያዩ የዳታ ማርቶች ውስጥ ይከማቻሉ (Inmon et al. 1997)። ሌላው የዚህ አርክቴክቸር ጉዳት በዳታ ማርቶች እና በመረጃ ምንጫቸው መካከል ውስብስብ ግንኙነቶችን ወደመፍጠር የሚያመራ መሆኑ ነው። dati ለመተግበር እና ለመቆጣጠር አስቸጋሪ የሆኑ (Inmon et al. 1997)።

ሌላው ጉዳቱ የመጨረሻ ተጠቃሚዎች የኩባንያውን መረጃ አጠቃላይ እይታ ማግኘት አይችሉም ምክንያቱም እኔ dati የተለያዩ የውሂብ ማርቶች አልተዋሃዱም (Ovum 1998)።
ሌላው ጉዳቱ በዳታ ማርቶች ውስጥ ጥቅም ላይ የሚውለው ለእያንዳንዱ የቃላት ፍቺ ከአንድ በላይ ትርጓሜዎች ሊኖሩ ስለሚችሉ የመረጃ አለመጣጣምን ይፈጥራል። dati በድርጅቱ ውስጥ (ኦቭም 1998).
ምንም እንኳን ከላይ የተገለጹት ድክመቶች ቢኖሩም, ራሱን የቻለ የውሂብ ማርቶች አሁንም የበርካታ ድርጅቶችን ፍላጎት ይስባል (IDC 1997). ማራኪ የሚያደርጋቸው አንዱ ምክንያት በፍጥነት ለማዳበር እና አነስተኛ ጊዜ እና ግብዓት የሚጠይቁ መሆናቸው ነው (Bresnahan 1996, Berson and Smith 1997, Ovum 1998)። ስለዚህም በዋናነት በዲዛይኑ ውስጥ ያሉትን ጥቅሞች እና/ወይም ድክመቶች ለመለየት የሚያገለግሉ የሙከራ ንድፎችን (Parsaye 1995, Braly 1995, Newing 1996) ሆነው ያገለግላሉ። በዚህ ጉዳይ ላይ በሙከራ ፕሮጀክት ውስጥ የሚተገበረው ክፍል ትንሽ መሆን አለበት ነገር ግን ለድርጅቱ አስፈላጊ ነው (Newing 1996, Mansell-Lewis 1996).

ፕሮቶታይቡን በመመርመር፣ ዋና ተጠቃሚዎች እና አስተዳደሩ ፕሮጀክቱን ለመቀጠል ወይም ለማቆም መወሰን ይችላሉ (Flanagan and Safdie 1997)።
ውሳኔው የሚቀጥል ከሆነ ለሌሎች ኢንዱስትሪዎች ዳታ ማርቶች አንድ በአንድ መገንባት አለባቸው። ገለልተኛ የመረጃ ምንጣፎችን በመገንባት ለዋና ተጠቃሚዎች ባላቸው ፍላጎት መሰረት ሁለት አማራጮች አሉ፡ የተቀናጀ/የተዋሃደ እና ያልተዋሃደ (Ovum 1998)

በመጀመሪያው ዘዴ እያንዳንዱ አዲስ የውሂብ ማርት አሁን ባለው የውሂብ ማርቶች እና ሞዴል ላይ ተመስርቶ መገንባት አለበት dati በድርጅቱ ጥቅም ላይ የዋለ (ቫርኒ 1996፣ በርሰን እና ስሚዝ 1997፣ ፒኮክ 1998)። ሞዴሉን የመጠቀም አስፈላጊነት dati የኢንተርፕራይዙ ማለት በዳታ ማርቶች ላይ ለሚጠቀሙት እያንዳንዱ የቃላቶች ፍቺ አንድ ብቻ መኖሩን ማረጋገጥ አለበት፣ እንዲሁም የኢንተርፕራይዝ መረጃን አጠቃላይ እይታ ለመስጠት የተለያዩ ዳታ ማርቶች መቀላቀል መቻላቸውን ማረጋገጥ አለበት (ብሬናሃን 1996)። ይህ ዘዴ ከታች ወደ ላይ የሚወጣ ዘዴ ተብሎ የሚጠራ ሲሆን በፋይናንሺያል መንገዶች እና በጊዜ ላይ ገደብ ሲፈጠር በተሻለ ሁኔታ ጥቅም ላይ ይውላል (Flanagan and Safdie 1997, Ovum 1998, Peacock 1998, Goff 1998). በሁለተኛው ዘዴ, የተገነቡ የውሂብ ማርቶች የአንድ የተወሰነ ክፍል ፍላጎቶችን ብቻ ማሟላት ይችላሉ. የፌደራል ዳታ ማርት ልዩነት የ የውሂብ መጋዘን የተከፋፈለው በ የውሂብ ጎታ hub server middleware ብዙ የውሂብ ማርቶችን ወደ አንድ ማከማቻ ለማዋሃድ ይጠቅማል dati ተሰራጭቷል (ነጭ 1995). በዚህ ሁኔታ, i dati ንግድ በበርካታ የውሂብ ማርቶች ውስጥ ይሰራጫል. የመጨረሻ ተጠቃሚ ጥያቄዎች ተላልፈዋል የውሂብ ጎታ ሁሉንም የሚያወጣ የአገልጋይ ማዕከል መካከለኛ መሣሪያ dati በዳታ ማርቶች የተጠየቀ እና ውጤቶቹን ለዋና ተጠቃሚ መተግበሪያዎች ይመልሱ። ይህ ዘዴ ለዋና ተጠቃሚዎች የንግድ መረጃ ይሰጣል. ነገር ግን የገለልተኛ ዳታ ማርቶች ችግሮች አሁንም አልተወገዱም። ጥቅም ላይ ሊውል የሚችል ሌላ አርክቴክቸር አለ እሱም ይባላል የውሂብ መጋዘን ምናባዊ (ነጭ 1995) ነገር ግን ይህ በስእል 2.9 የሚታየው አርክቴክቸር የመረጃ ማከማቻ አርክቴክቸር አይደለም። dati ከ OLTP ስርዓቶች ጭነቱን ስለማያንቀሳቅስ እውነት ነው የውሂብ መጋዘን (ደማርስ 1994) ፡፡

በእርግጥ ፣ የሚጠየቁት dati በዋና ተጠቃሚዎች ወደ OLTP ስርዓቶች ይተላለፋሉ ይህም የተጠቃሚ ጥያቄዎችን ካስተካከለ በኋላ ውጤቱን ይመልሳል. ይህ አርክቴክቸር ለዋና ተጠቃሚዎች ሪፖርቶችን እንዲያመነጩ እና እንዲጠይቁ የሚፈቅድ ቢሆንም፣ i ማቅረብ አይችልም።

dati ከኩ ጀምሮ የኩባንያው መረጃ ታሪክ እና አጠቃላይ እይታ dati የተለያዩ የ OLTP ስርዓቶች ስላልተጣመሩ. ስለዚህ, ይህ አርክቴክቸር ትንታኔውን ማርካት አይችልም dati እንደ ትንበያዎች.

የመዳረሻ እና የውሂብ መልሶ ማግኛ መተግበሪያዎች ምርጫ dati

የመገንባት ዓላማ ሀ የውሂብ መጋዘን ለዋና ተጠቃሚዎች (Inmon et al. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998) መረጃን ማስተላለፍ ነው; አንድ ወይም ከዚያ በላይ የመዳረሻ እና የመልሶ ማግኛ መተግበሪያዎች dati መቅረብ አለበት። እስከዛሬ ድረስ ለተጠቃሚው የሚመርጥባቸው የተለያዩ አይነት አፕሊኬሽኖች አሉ (Hammergren 1998፣ Humphries et al. 1999)። የተመረጡት አፕሊኬሽኖች የመጋዘን ጥረቱ ስኬትን ይወስናሉ። dati በአንድ ድርጅት ውስጥ ምክንያቱም አፕሊኬሽኖቹ በጣም የሚታዩት የ የውሂብ መጋዘን ለዋና ተጠቃሚ (Inmon et al. 1997, Poe 1996). ስኬታማ ለመሆን ሀ የውሂብ መጋዘን፣ የመረጃ ትንተና እንቅስቃሴዎችን መደገፍ መቻል አለበት። dati የመጨረሻው ተጠቃሚ (Poe 1996, Seddon and Benjamin 1998, Eckerson 1999). ስለዚህ የመጨረሻው ተጠቃሚ የሚፈልገው "ደረጃ" መታወቅ አለበት (Poe 1996, Mattison 1996, Inmon et al. 1997, Humphries et al. 1999)።

በአጠቃላይ የመጨረሻ ተጠቃሚዎች በሶስት ምድቦች ሊመደቡ ይችላሉ፡ አስፈፃሚ ተጠቃሚዎች፣ የንግድ ተንታኞች እና የኃይል ተጠቃሚዎች (Poe 1996፣ Humphries et al. 1999)። አስፈፃሚ ተጠቃሚዎች ቀድሞ የተገለጹ የሪፖርቶች ስብስቦችን በቀላሉ ማግኘት ያስፈልጋቸዋል (Humphries et al. 1999)። እነዚህ ሪፖርቶች በምናሌ ዳሰሳ (Poe 1996) በቀላሉ ሊገኙ ይችላሉ። በተጨማሪም ሪፖርቶች መረጃውን በፍጥነት ለማድረስ እንደ ሰንጠረዦች እና አብነቶች ያሉ ስዕላዊ መግለጫዎችን በመጠቀም መረጃን ማቅረብ አለባቸው (ሀምፍሪስ እና ሌሎች 1999)። የቢዝነስ ተንታኞች ከባዶ ሪፖርቶችን በራሳቸው የማዘጋጀት ቴክኒካል አቅም ላይኖራቸው ይችላል፣የወቅቱን ሪፖርቶች ልዩ ፍላጎቶቻቸውን ለማሟላት መቻል አለባቸው (Poe 1996, Humphries et al. 1999)። በሌላ በኩል የኃይል ተጠቃሚዎች ከባዶ ጥያቄዎችን እና ዘገባዎችን የማመንጨት እና የመፃፍ ችሎታ ያላቸው የመጨረሻ ተጠቃሚ ዓይነቶች ናቸው (Poe 1996 ፣ Humphries et al. 1999)። እነሱ ናቸው።

ለሌሎች የተጠቃሚ አይነቶች ግንኙነት ይገነባሉ (Poe 1996, Humphries et al. 1999)።

አንዴ የመጨረሻ ተጠቃሚ መስፈርቶች ከተወሰኑ የመዳረሻ እና መልሶ ማግኛ መተግበሪያዎች ምርጫ መደረግ አለበት። dati ከሚገኙት መካከል (Poe 1996, Inmon et al. 1997).
መዳረሻ dati እና የማውጫ መሳሪያዎች በ 4 ዓይነቶች ሊከፋፈሉ ይችላሉ፡ OLAP መሳሪያ፣ EIS/DSS መሳሪያ፣ መጠይቅ እና ሪፖርት ማድረጊያ መሳሪያ እና የመረጃ ማዕድን ማውጣት መሳሪያ።

የ OLAP መሳሪያዎች ተጠቃሚዎች የማስታወቂያ ሆክ መጠይቆችን እንዲሁም በ ላይ የተሰሩትን እንዲፈጥሩ ያስችላቸዋል የውሂብ ጎታ የ የውሂብ መጋዘን. በተጨማሪም፣ እነዚህ ምርቶች ተጠቃሚዎች እንዲቆፍሩ ያስችላቸዋል dati አጠቃላይ ለዝርዝር.

የEIS/DSS መሳሪያዎች እንደ “ምን ከሆነ” ትንተና እና በምናሌ ላይ የተመሰረቱ ሪፖርቶችን ማግኘትን የመሳሰሉ አስፈፃሚ ሪፖርት ያቀርባል። ለቀላል አሰሳ ሪፖርቶች አስቀድሞ የተገለጹ እና ከምናሌዎች ጋር መቀላቀል አለባቸው።
መጠይቅ እና ሪፖርት ማድረጊያ መሳሪያዎች ተጠቃሚዎች አስቀድሞ የተገለጹ እና የተወሰኑ ሪፖርቶችን እንዲያዘጋጁ ያስችላቸዋል።

የመረጃ ማምረቻ መሳሪያዎች በተረሱ ስራዎች ላይ አዲስ ብርሃን ሊሰጡ የሚችሉ ግንኙነቶችን ለመለየት ጥቅም ላይ ይውላሉ dati የመረጃ ቋቱ ፡፡

የእያንዳንዱን አይነት ተጠቃሚ መስፈርቶች ከማመቻቸት ጎን ለጎን የተመረጡት መሳሪያዎች ሊታወቁ የሚችሉ፣ ቀልጣፋ እና ለአጠቃቀም ቀላል መሆን አለባቸው። እንዲሁም ከሌሎች የሕንፃው ክፍሎች ጋር የሚጣጣሙ እና ከነባር ስርዓቶች ጋር መስራት መቻል አለባቸው. በተመጣጣኝ ዋጋ እና አፈጻጸም የውሂብ መዳረሻ እና ማግኛ መሳሪያዎችን ለመምረጥም ይመከራል። ሊታሰብባቸው የሚገቡ ሌሎች መመዘኛዎች የመሳሪያ አቅራቢው ምርታቸውን ለመደገፍ ያለውን ቁርጠኝነት እና ወደፊት በሚለቀቁት እትሞች ላይ የሚያደርጋቸውን እድገቶች ያካትታሉ። የመረጃ ማከማቻውን ለመጠቀም የተጠቃሚውን ተሳትፎ ለማረጋገጥ የገንቢ ቡድኑ በመሳሪያ ምርጫ ሂደት ውስጥ ተጠቃሚዎችን ያካትታል። በዚህ ጉዳይ ላይ የተጠቃሚው ተግባራዊ ግምገማ መደረግ አለበት.

የመረጃ ማከማቻውን ዋጋ ለማሳደግ የልማት ቡድኑ የመረጃ መጋዘኖቻቸውን ድረ-ገጽ ማግኘት ይችላል። በድር የነቃ የውሂብ ማከማቻ ተጠቃሚዎች ይህንን እንዲደርሱበት ያስችላቸዋል dati ከርቀት ቦታዎች ወይም በሚጓዙበት ጊዜ ፡፡ እንዲሁም መረጃው ይችላል

የሥልጠና ወጪዎችን በመቀነስ ዝቅተኛ ወጭ ማቅረብ።

2.4.3 የውሂብ መጋዘን የክወና ደረጃ

ይህ ደረጃ ሶስት ተግባራትን ያቀፈ ነው፡ የመረጃ ማደስ ስትራቴጂዎች ፍቺ፣ የመረጃ መጋዘን እንቅስቃሴዎችን መቆጣጠር እና የመረጃ መጋዘን ደህንነት አስተዳደር።

የመረጃ አድስ ስልቶች ትርጉም

ከመጀመሪያው ጭነት በኋላ ፣ እ.ኤ.አ. dati nel የውሂብ ጎታ የዳታ ማከማቻው ላይ የተደረጉ ለውጦችን ለማባዛት በየጊዜው መታደስ አለበት። dati ኦሪጅናል. ስለዚህ መቼ እንደሚታደስ፣ እድሳቱ ለምን ያህል ጊዜ መታቀድ እንዳለበት እና እንዴት ማደስ እንዳለቦት መወሰን አለቦት። dati. ለማደስ ይመከራል dati ስርዓቱ ከመስመር ውጭ ሊወሰድ በሚችልበት ጊዜ. የማደስ መጠኑ የሚወሰነው በተጠቃሚ መስፈርቶች ላይ በመመስረት በልማት ቡድን ነው። የውሂብ መጋዘንን ለማደስ ሁለት አቀራረቦች አሉ፡ ሙሉ ማደስ እና ቀጣይ ለውጦችን መጫን።

የመጀመሪያው አቀራረብ, ሙሉ ማደስ, ሁሉንም እንደገና መጫን ያስፈልገዋል dati ከባዶ. ይህ ማለት ሁሉም ማለት ነው dati የሚፈለገው ማውጣት፣ ማጽዳት፣ መለወጥ እና በእያንዳንዱ ማደስ ውስጥ መካተት አለበት። ይህ አካሄድ ጊዜ የሚወስድ እና ሀብት የሚወስድ በመሆኑ በተቻለ መጠን መወገድ አለበት።

አማራጭ አካሄድ ለውጦችን ያለማቋረጥ መስቀል ነው። ይህ እኔ ይጨምራል dati ከመጨረሻው የውሂብ መጋዘን እድሳት ዑደት ጀምሮ የተቀየሩ። አዲስ ወይም የተቀየሩ መዝገቦችን መለየት መጠኑን በእጅጉ ይቀንሳል dati በእያንዳንዱ ማሻሻያ ውስጥ ወደ የውሂብ ማከማቻው እንደ እነዚህ ብቻ መሰራጨት ያለበት dati ላይ ይታከላል የውሂብ ጎታ የመረጃ ቋቱ ፡፡

i ን ለማስወገድ ቢያንስ 5 አቀራረቦች አሉ። dati አዲስ ወይም የተሻሻለ. ውጤታማ የቪዲዮ ማደስ ስትራቴጂን ለማሳካት dati በስርዓቱ ውስጥ ያሉትን ሁሉንም ለውጦች የሚያመጡት የእነዚህ አካሄዶች ድብልቅ ጠቃሚ ሊሆን ይችላል።

የጊዜ ማህተሞችን የሚጠቀም የመጀመሪያው አቀራረብ ሁሉም ሰው እንደተመደበ ያስባል dati ሁሉንም በቀላሉ መለየት እንዲችሉ የጊዜ ማህተም አርትዕ እና አዘምኗል dati የተሻሻለ እና አዲስ. ይሁን እንጂ ይህ አካሄድ ዛሬ በአብዛኛዎቹ ኦፕሬቲንግ ሲስተሞች ውስጥ በስፋት ጥቅም ላይ አልዋለም.
ሁለተኛው አቀራረብ በ ላይ የተደረጉ ለውጦችን ብቻ የያዘ በመተግበሪያ የመነጨ ዴልታ ፋይል መጠቀም ነው። dati. ይህን ፋይል መጠቀም የዝማኔ ዑደቱንም ያጎላል። ይሁን እንጂ, ይህ ዘዴ እንኳን በብዙ መተግበሪያዎች ውስጥ ጥቅም ላይ አልዋለም.
ሦስተኛው አቀራረብ የሎግ ፋይልን መፈተሽ ነው, እሱም በመሠረቱ ከዴልታ ፋይል ጋር ተመሳሳይ መረጃ ይዟል. ብቸኛው ልዩነት ለማገገም ሂደት የምዝግብ ማስታወሻ ፋይል መፈጠሩ እና ለመረዳት አስቸጋሪ ሊሆን ይችላል.
አራተኛው አቀራረብ የመተግበሪያውን ኮድ ማሻሻል ነው. ሆኖም፣ አብዛኛው የመተግበሪያ ኮድ አሮጌ እና ተሰባሪ ነው፤ ስለዚህ ይህ ዘዴ መወገድ አለበት.
የመጨረሻው አካሄድ ማወዳደር ነው dati ከዋናው ፋይል ጋር ምንጮች dei dati.

የውሂብ መጋዘን እንቅስቃሴዎችን መቆጣጠር

አንዴ የመረጃ ማከማቻው ለተጠቃሚዎች ከተለቀቀ በኋላ በጊዜ ሂደት ክትትል ሊደረግበት ይገባል። በዚህ አጋጣሚ የመረጃ መጋዘን አስተዳዳሪው የመረጃ ማከማቻውን አጠቃቀም ለመቆጣጠር አንድ ወይም ብዙ የአስተዳደር እና የመቆጣጠሪያ መሳሪያዎችን ሊጠቀም ይችላል። በተለይም በሰዎች ላይ እና የመረጃ ማከማቻውን በሚደርሱበት ጊዜ መረጃ መሰብሰብ ይቻላል. በል እንጂ dati ተሰብስቦ የተከናወነው ሥራ መገለጫ ሊፈጠር ይችላል ይህም ለተጠቃሚው መልሶ ክፍያ ትግበራ እንደ ግብአት ሊያገለግል ይችላል። መልሶ ክፍያ ለተጠቃሚዎች የውሂብ መጋዘን ሂደት ወጪን እንዲያውቁ ያስችላቸዋል።

በተጨማሪም የመረጃ መጋዘን ኦዲት የመጠይቅ ዓይነቶችን፣ መጠኖቻቸውን፣ በቀን የሚጠየቁትን መጠይቆች ብዛት፣ የጥያቄ ምላሽ ጊዜዎችን፣ የተደረሱ ዘርፎችን እና መጠኑን ለመለየት ጥቅም ላይ ሊውል ይችላል። dati ተሰራ። ሌላው የዳታ መጋዘን ኦዲት ማድረግ ዓላማው dati ጥቅም ላይ የማይውሉ ፡፡ እነዚህ dati ጊዜን ለማሻሻል ከመረጃ ማከማቻው ሊወገዱ ይችላሉ

የጥያቄ አፈፃፀም ምላሽ እና የእድገቱን ይቆጣጠሩ dati ውስጥ የሚኖሩ የውሂብ መሠረት የመረጃ ቋቱ ፡፡

የመረጃ መጋዘን ደህንነት አያያዝ

የመረጃ መጋዘን ይ containsል dati የተቀናጀ፣ ወሳኝ፣ በቀላሉ ሊደረስበት የሚችል። በዚህ ምክንያት ካልተፈቀዱ ተጠቃሚዎች መጠበቅ አለበት. ደህንነትን ለመተግበር አንዱ መንገድ የዴል ተግባርን መጠቀም ነው። DBMS ለተለያዩ የተጠቃሚ ዓይነቶች የተለያዩ መብቶችን ለመመደብ. በዚህ መንገድ የመዳረሻ መገለጫ ለእያንዳንዱ አይነት ተጠቃሚ መቀመጥ አለበት። የመረጃ ማከማቻውን ለመጠበቅ ሌላኛው መንገድ በ ውስጥ እንደተፃፈው ማመስጠር ነው። የውሂብ መሠረት የመረጃ ቋቱ ፡፡ መዳረሻ dati እና የመልሶ ማግኛ መሳሪያዎች ዲክሪፕት ማድረግ አለባቸው dati ውጤቱን ለተጠቃሚዎች ከማቅረቡ በፊት.

2.4.4 የውሂብ መጋዘን የማሰማራት ደረጃ

በመረጃ መጋዘን አተገባበር ዑደት ውስጥ የመጨረሻው ደረጃ ነው. በዚህ ምዕራፍ የሚከናወኑ ተግባራት ተጠቃሚዎች የመረጃ ማከማቻውን እንዲጠቀሙ ማሰልጠን እና የመረጃ ማከማቻውን ግምገማ ማካሄድ ይገኙበታል።

የተጠቃሚ ስልጠና

ከመድረስዎ በፊት የተጠቃሚ ስልጠና መደረግ አለበት dati የውሂብ መጋዘን እና የመሰብሰቢያ መሳሪያዎችን አጠቃቀም. በአጠቃላይ ፣ ክፍለ-ጊዜዎች የማከማቻ ጽንሰ-ሀሳብን በማስተዋወቅ መጀመር አለባቸው dati, የውሂብ መጋዘን ይዘት, ሜታ dati እና የመሳሪያዎቹ መሰረታዊ ባህሪያት. ከዚያ፣ የላቁ ተጠቃሚዎች የውሂብ መዳረሻ እና ማግኛ መሳሪያዎችን የተጠቃሚዎች አካላዊ ሰንጠረዦች እና ባህሪያት ሊያጠኑ ይችላሉ።

የተጠቃሚ ስልጠናዎችን ለመስራት ብዙ መንገዶች አሉ። ከእነዚህ ውስጥ አንዱ በአመራር እና በመግባባት ችሎታቸው ላይ በመመስረት ከተጠቃሚዎች ስብስብ የተመረጡ የበርካታ ተጠቃሚዎችን ወይም ተንታኞች ምርጫን ያካትታል። እነዚህ ከስርዓቱ ጋር ለመተዋወቅ ማወቅ በሚያስፈልጋቸው ነገር ሁሉ ላይ በግል የሰለጠኑ ናቸው። ከስልጠና በኋላ ወደ ስራቸው ይመለሳሉ እና ሌሎች ተጠቃሚዎች ስርዓቱን እንዴት እንደሚጠቀሙ ማስተማር ይጀምራሉ. በላዩ ላይ

በተማሩት መሰረት፣ ሌሎች ተጠቃሚዎች የውሂብ ማከማቻውን ማሰስ መጀመር ይችላሉ።
ሌላው አካሄድ ብዙ ተጠቃሚዎችን በተመሳሳይ ጊዜ ማሰልጠን ነው፣ በክፍል ውስጥ እያሰለጠኑ እንዳሉ። ይህ ዘዴ በተመሳሳይ ጊዜ ማሰልጠን የሚያስፈልጋቸው ብዙ ተጠቃሚዎች ሲኖሩ ተስማሚ ነው. ሌላው ዘዴ እያንዳንዱን ተጠቃሚ አንድ በአንድ ማሰልጠን ነው። ይህ ዘዴ ጥቂት ተጠቃሚዎች ሲኖሩ ተስማሚ ነው.

የተጠቃሚ ስልጠና ዓላማ በመድረስ እራስዎን በደንብ ማወቅ ነው። dati እና የማውጫ መሳሪያዎች እንዲሁም የመረጃ ማከማቻ ይዘቶች። ነገር ግን፣ አንዳንድ ተጠቃሚዎች በስልጠና ክፍለ ጊዜ በተሰጠው መረጃ መጠን ሊሸነፉ ይችላሉ። ከዚያም ለቀጣይ ድጋፍ እና የተወሰኑ ጥያቄዎችን ለመመለስ ብዙ የማደስ ክፍለ ጊዜዎች መደረግ አለባቸው። በአንዳንድ አጋጣሚዎች የዚህ አይነት ድጋፍ ለመስጠት የተጠቃሚ ቡድን ይመሰረታል።

ግብረመልስን መሰብሰብ

አንዴ የውሂብ ማከማቻው ከተለቀቀ በኋላ ተጠቃሚዎች i መጠቀም ይችላሉ። dati ለተለያዩ ዓላማዎች በመረጃ ማከማቻ ውስጥ መኖር ። በአብዛኛው፣ ተንታኞች ወይም ተጠቃሚዎች i dati በመረጃ ማከማቻ መጋዘን ውስጥ ለ፡-

1. 1 የኩባንያውን አዝማሚያዎች መለየት
2. 2 የግዢ መገለጫዎችን ይተንትኑ ደንበኞች
3. 3 የተከፈለ i ደንበኞች እ.አ.አ.
4. 4 ምርጥ አገልግሎቶችን ያቅርቡ ደንበኞች - አገልግሎቶችን ማበጀት
5. 5  ስልቶችን ይቅረጹ ግብይት
6. 6 ለዋጋ ትንታኔዎች ተወዳዳሪ ጥቅሶችን ያዘጋጁ እና ለመቆጣጠር ያግዙ
7. 7 ስልታዊ ውሳኔዎችን ይደግፉ
8. 8 ለመውጣት እድሎችን ለይ
9. 9 የወቅቱን የንግድ ሂደቶች ጥራት ያሻሽሉ
10. 10 ትርፉን ይፈትሹ

የመረጃ ማከማቻውን የእድገት አቅጣጫ በመከተል ግብረመልስ ለማግኘት የስርዓቱ ተከታታይ ግምገማዎች ሊደረጉ ይችላሉ።

በሁለቱም በልማት ቡድን እና በዋና ተጠቃሚ ማህበረሰብ።
የተገኘው ውጤት ለቀጣዩ የእድገት ዑደት ግምት ውስጥ ማስገባት ይቻላል.

የመረጃ ማከማቻው የመጨመሪያ አካሄድ ስላለው፣ ካለፉት እድገቶች ስኬቶች እና ስህተቶች መማር አስፈላጊ ነው።

2.5 ማጠቃለያ

በዚህ ምእራፍ ውስጥ በሥነ-ጽሑፍ ውስጥ ያሉ አቀራረቦች ተብራርተዋል. በክፍል 1 የመረጃ መጋዘን ጽንሰ-ሀሳብ እና በውሳኔ ሳይንስ ውስጥ ያለው ሚና ተብራርቷል ። ክፍል 2 በመረጃ መጋዘኖች እና በ OLTP ስርዓቶች መካከል ያለውን ዋና ልዩነት ገልጿል። ክፍል 3 ስለ ሞናሽ የመረጃ ማከማቻ ሞዴል በክፍል 4 ውስጥ የውሂብ ማከማቻን በማዘጋጀት ሂደት ውስጥ የተከናወኑ ተግባራትን ለመግለጽ ጥቅም ላይ የዋለውን የሞናሽ የመረጃ ማከማቻ ሞዴል ተወያይቷል ፣ እነዚህ የይገባኛል ጥያቄዎች በጠንካራ ጥናት ላይ የተመሰረቱ አይደሉም። በእውነታው የሚከሰቱት ጽሑፎቹ ከዘገቡት በጣም የተለየ ሊሆን ይችላል, ነገር ግን እነዚህ ውጤቶች ለዚህ ምርምር የመረጃ መጋዘን ጽንሰ-ሀሳብን የሚያጎላ መሰረታዊ ሻንጣ ለመፍጠር ጥቅም ላይ ሊውሉ ይችላሉ.

ምዕራፍ 3

ምርምር እና ዲዛይን ዘዴዎች

ይህ ምዕራፍ የዚህን ጥናት ምርምር እና ዲዛይን ዘዴዎች ይመለከታል. የመጀመሪያው ክፍል ለመረጃ ፍለጋ ያሉትን የምርምር ዘዴዎች አጠቃላይ እይታ ያሳያል ፣በተጨማሪም ለአንድ የተወሰነ ጥናት ምርጡን ዘዴ ለመምረጥ መስፈርቶች ተብራርተዋል። በክፍል 2 ውስጥ ከላይ ከተጠቀሱት መስፈርቶች ጋር የተመረጡ ሁለት ዘዴዎች ከዚያም ተብራርተዋል; ከእነዚህ ውስጥ አንዱ የሚመረጠው እና በክፍል 3 ውስጥ በተገለጹት ምክንያቶች የሌላኛው መስፈርት የተገለሉበት ምክንያቶች በተቀመጡበት ምክንያት ነው. ክፍል 4 የምርምር ፕሮጀክቱን እና ክፍል 5 መደምደሚያዎችን ያቀርባል.

3.1 በመረጃ ሥርዓቶች ውስጥ ጥናት

የኢንፎርሜሽን ሲስተም ጥናት በቴክኖሎጂው መስክ ብቻ የተገደበ ሳይሆን የባህሪ እና ድርጅታዊ ግቦችን ለማካተት መስፋፋት አለበት።
ከማህበራዊ ሳይንስ ጀምሮ እስከ ተፈጥሮው ድረስ ባሉት ልዩ ልዩ የትምህርት ዘርፎች የተሰጡ ትምህርቶች ለዚህ አለብን። ይህ ለመረጃ ስርዓቶች ጥቅም ላይ የሚውሉ የመጠን እና የጥራት ዘዴዎችን የሚያካትቱ የተወሰኑ የምርምር ዘዴዎች አስፈላጊነትን ያስከትላል።
ሁሉም የሚገኙ የምርምር ዘዴዎች አስፈላጊ ናቸው, እንዲያውም በርካታ ተመራማሪዎች እንደ Jenkins (1985), Nunamaker et al. (1991) እና ጋሊየርስ (1992) በተለያዩ የመረጃ ሥርዓቶች ውስጥ ምርምር ለማካሄድ የተለየ ዓለም አቀፍ ዘዴ እንደሌለ ይከራከራሉ ። በእውነቱ አንድ ዘዴ ለተወሰነ ምርምር ተስማሚ ሊሆን ይችላል ነገር ግን ለሌሎች አይደለም. ይህ ለእኛ ለተለየ የምርምር ፕሮጄክታችን ተስማሚ የሆነ ዘዴን እንድንመርጥ ያደርገናል-ለዚህ ምርጫ Benbasat et al. (1987) የጥናቱ ተፈጥሮ እና ዓላማ ሊታሰብበት እንደሚገባ ይገልፃል።

3.1.1 የምርምር ተፈጥሮ

ተፈጥሮን መሰረት ያደረጉ የተለያዩ የምርምር ዘዴዎች በመረጃ ሳይንስ ውስጥ በሦስት በሰፊው የሚታወቁ ወጎች፡ አወንታዊ፣ ተርጓሚ እና ሂሳዊ ምርምር ሊከፈሉ ይችላሉ።

3.1.1.1 አዎንታዊ አመለካከት ያለው ምርምር

አዎንታዊ ምርምር ሳይንሳዊ ወይም ኢምፔሪካል ጥናት በመባልም ይታወቃል። እሱ የሚፈልገው፡- “በማህበረሰቡ ዓለም ውስጥ ምን እንደሚፈጠር መግለፅ እና መተንበይ በሚፈጥሩ አካላት መካከል ያለውን መደበኛነት እና የምክንያት-ውጤት ግንኙነቶችን በመመልከት” (Shanks et al 1993)።

አወንታዊ ምርምርም በተደጋጋሚነት፣ በማቅለል እና በመቃወም ይታወቃል። በተጨማሪም፣ አዎንታዊ ምርምር በተጠኑት ክስተቶች መካከል የቅድሚያ ግንኙነቶች መኖራቸውን አምኗል።
እንደ ጋሊየርስ (1992) ታክሶኖሚ በአዎንታዊ ዘይቤ ውስጥ የተካተተ የምርምር ዘዴ ነው ፣ ግን በዚህ ብቻ የተወሰነ አይደለም ፣ በእውነቱ የላብራቶሪ ሙከራዎች ፣ የመስክ ሙከራዎች ፣ የጉዳይ ጥናቶች ፣ የቲዎሬም ማሳያዎች ፣ ትንበያዎች እና ምሳሌዎች አሉ። እነዚህን ዘዴዎች በመጠቀም ተመራማሪዎች የተጠኑት ክስተቶች በተጨባጭ እና በጥብቅ ሊታዩ እንደሚችሉ አምነዋል.

3.1.1.2 የትርጓሜ ምርምር

ብዙውን ጊዜ ፍኖሜኖሎጂ ወይም ፀረ-አዎንታዊነት ተብሎ የሚጠራው የትርጓሜ ምርምር በኒውማን (1994) እንደተገለጸው “በተፈጥሮ ሁኔታዎች ውስጥ ያሉ ሰዎችን በቀጥታ እና በዝርዝር በመመልከት የድርጊት ስልታዊ ትንተና እና ግንዛቤ ላይ ለመድረስ። ሰዎች ማህበራዊ ዓለማቸውን እንዴት እንደሚፈጥሩ እና እንደሚጠብቁ ትርጓሜ። የትርጓሜ ጥናቶች የተስተዋሉ ክስተቶች በተጨባጭ ሊታዩ ይችላሉ የሚለውን ግምት ውድቅ ያደርጋሉ። በእውነቱ እነሱ በተጨባጭ ትርጓሜዎች ላይ የተመሰረቱ ናቸው. በተጨማሪም፣ የትርጓሜ ተመራማሪዎች በሚያጠኗቸው ክስተቶች ላይ ቅድሚያ ትርጉሞችን አይጭኑም።

ይህ ዘዴ ተጨባጭ/አከራካሪ ጥናቶችን፣ የተግባር ጥናትን፣ ገላጭ/ትርጓሜ ጥናቶችን፣ የወደፊት ምርምርን እና ሚና መጫወትን ያካትታል። ከእነዚህ የዳሰሳ ጥናቶች በተጨማሪ እና የጉዳይ ጥናቶች ውስብስብ በሆኑ የገሃድ ዓለም ሁኔታዎች ውስጥ ያሉ ግለሰቦችን ወይም ድርጅቶችን ጥናቶችን ስለሚመለከቱ በዚህ አካሄድ ውስጥ ሊካተቱ ይችላሉ።

3.1.1.3 ወሳኝ ጥናት

ወሳኝ ፍለጋ በማህበራዊ ሳይንስ ውስጥ በጣም ዝቅተኛው ዘዴ ነው ነገር ግን በቅርብ ጊዜ በመረጃ ስርዓቶች መድረክ ውስጥ የተመራማሪዎችን ትኩረት አግኝቷል. ማህበራዊ እውነታ በታሪክ የሚመረተው እና የሚባዛው በሰዎች ነው የሚለው ፍልስፍናዊ ግምት፣ እንዲሁም ማህበራዊ ስርዓቶች ከድርጊታቸው እና ከግንኙነታቸው ጋር። ችሎታቸው ግን በበርካታ ማህበራዊ፣ ባህላዊ እና ፖለቲካዊ ጉዳዮች ሸምጋይ ነው።

እንደ አስተርጓሚ ምርምር፣ ሂሳዊ ጥናት አወንታዊ ምርምር ከማህበራዊ ሁኔታ ጋር ምንም ግንኙነት እንደሌለው እና በሰዎች ድርጊት ላይ ያለውን ተጽእኖ ችላ በማለት ይከራከራሉ።
በሌላ በኩል ክሪቲካል ምርምር የትርጓሜ ምርምርን በጣም ተገዥ ስለመሆኑ እና ሰዎች ሕይወታቸውን እንዲያሻሽሉ ለመርዳት አለመዘጋጀቱን ይወቅሳል። በሂሳዊ ምርምር እና በሌሎቹ ሁለት አቀራረቦች መካከል ያለው ትልቁ ልዩነት የግምገማ ልኬቱ ነው። የአዎንታዊ እና የትርጓሜ ባህሎች ተጨባጭነት የወቅቱን ወይም የማህበራዊ እውነታን መተንበይ ወይም ማስረዳት ቢሆንም፣ ሂሳዊ ጥናት በጥናት ላይ ያለውን ማህበራዊ እውነታ በትችት ለመገምገም እና ለመለወጥ ያለመ ነው።

ወሳኝ ተመራማሪዎች ማህበራዊ ልዩነቶችን ለማስወገድ እና ማህበራዊ ሁኔታዎችን ለማሻሻል አብዛኛውን ጊዜ ያለውን ሁኔታ ይቃወማሉ. ወሳኝ ምርምር የፍላጎት ክስተቶችን ሂደት እይታ ቁርጠኝነት አለው፣ እና ስለዚህ፣ በተለምዶ ቁመታዊ ነው። የጥናት ዘዴዎች ምሳሌዎች የረጅም ጊዜ ታሪካዊ ጥናቶች እና የኢትኖግራፊ ጥናቶች ናቸው. ወሳኝ ፍለጋ ግን በኢንፎርሜሽን ሲስተም ጥናት ውስጥ በሰፊው ጥቅም ላይ አልዋለም

3.1.2 የምርምር ዓላማ

ከምርምሩ ባህሪ ጋር ተያይዞ ዓላማው ተመራማሪው የተለየ የምርምር ዘዴ ሲመርጥ ለመምራት ሊያገለግል ይችላል። የምርምር ፕሮጀክቱ ወሰን ከምርምር ዑደት ጋር በተዛመደ ከምርምሩ አቀማመጥ ጋር በቅርበት የተዛመደ ነው ይህም ሶስት ደረጃዎችን ያቀፈ ነው፡ የንድፈ ሃሳብ ግንባታ፣ የንድፈ ሃሳብ ሙከራ እና የንድፈ ሃሳብ ማጣራት። ስለዚህ ከምርምር ዑደት ጋር በተገናኘ በተነሳሽነት ላይ በመመስረት, የምርምር ፕሮጀክት ገላጭ, ገላጭ, ገላጭ ወይም ትንበያ ዓላማ ሊኖረው ይችላል.

3.1.2.1 የአሰሳ ጥናት

የአሳሽ ጥናት ሙሉ ለሙሉ አዲስ ርዕስን ለመመርመር እና ለወደፊት ምርምር ጥያቄዎችን እና መላምቶችን ለመቅረጽ ያለመ ነው። ይህ ዓይነቱ ምርምር በአዲስ አካባቢ የመጀመሪያ ማጣቀሻዎችን ለማግኘት በቲዎሪ ግንባታ ውስጥ ጥቅም ላይ ይውላል። አብዛኛውን ጊዜ ጥራት ያለው የምርምር ዘዴዎች ጥቅም ላይ ይውላሉ, እንደ ኬዝ ጥናቶች ወይም phenomenological ጥናቶች.

ሆኖም፣ እንደ የአሳሽ ዳሰሳ ጥናቶች ወይም ሙከራዎች ያሉ የቁጥር ቴክኒኮችን መጠቀምም ይቻላል።

3.1.3.3 ገላጭ ምርምር

ገላጭ ጥናት አንድን ሁኔታ ወይም ድርጅታዊ አሠራር በጥልቀት ለመተንተን እና ለመግለፅ የተነደፈ ነው። ይህ ጽንሰ-ሀሳቦችን ለመገንባት ተገቢ ነው እናም መላምቶችን ለማረጋገጥ ወይም ለመቃወም ጥቅም ላይ ሊውል ይችላል። ገላጭ ምርምር አብዛኛውን ጊዜ መለኪያዎችን እና ናሙናዎችን መጠቀምን ያካትታል. ተስማሚ የምርምር ዘዴዎች የዳሰሳ ጥናቶችን እና የጀርባ ትንታኔዎችን ያካትታሉ.

3.1.2.3 ገለፃ ጥናት

የማብራሪያ ጥናት ነገሮች ለምን እንደሚከሰቱ ለማስረዳት ይሞክራል። ቀደም ሲል የተጠኑ እውነታዎች ላይ ይገነባል እና የእነዚህን እውነታዎች ምክንያቶች ለማግኘት ይሞክራል.
ስለዚህ የማብራሪያ ምርምር ብዙውን ጊዜ በአሳሽ ወይም ገላጭ ምርምር ላይ የተገነባ እና ለሙከራ እና ለማጥራት ንድፈ ሐሳቦች አጋዥ ነው። የማብራሪያ ምርምር በተለምዶ ኬዝ ጥናቶችን ወይም በዳሰሳ ጥናት ላይ የተመሰረተ የምርምር ዘዴዎችን ይጠቀማል።

3.1.2.4 የመከላከያ ምርምር

ቅድመ-ምርምር ዓላማው እየተጠኑ ያሉትን የተስተዋሉ ክስተቶችን እና ባህሪያትን ለመተንበይ ነው (ማርሻል እና ሮስማን 1995)። ትንበያ የእውነት ሳይንሳዊ ፈተና ነው። ይህ ዓይነቱ ጥናት በአጠቃላይ የዳሰሳ ጥናቶችን ወይም የመረጃ ትንተናዎችን ይጠቀማል dati የታሪክ ምሁራን ፡፡ (ይን 1989)

ከላይ ያለው ውይይት በአንድ የተወሰነ ጥናት ውስጥ ጥቅም ላይ ሊውሉ የሚችሉ በርካታ የምርምር ዘዴዎች እንዳሉ ያሳያል. ይሁን እንጂ ለተወሰነ የምርምር ፕሮጀክት ከሌሎቹ የበለጠ ተስማሚ የሆነ የተለየ ዘዴ መኖር አለበት. (Galliers 1987፣ Yin 1989፣ De Vaus 1991)። ስለሆነም እያንዳንዱ ተመራማሪ ከምርምር ፕሮጀክቱ ጋር የሚጣጣም በጣም ተስማሚ የምርምር ዘዴን ለመውሰድ የተለያዩ ዘዴዎችን ጥንካሬ እና ድክመቶች በጥንቃቄ መገምገም አለበት. (ጄንኪንስ 1985፣ ፐርቫን እና ክላስ 1992፣ ቦኖሚያ 1985፣ Yin 1989፣ ሂሚልተን እና ኢቭስ 1992)።

3.2. ሊሆኑ የሚችሉ የምርምር ዘዴዎች

የዚህ ፕሮጀክት ግብ የአውስትራሊያ ድርጅቶችን ልምድ ከi ጋር ማጥናት ነበር። dati ልማት ጋር የተከማቸ የውሂብ መጋዘን. ቀን በአሁኑ ጊዜ በአውስትራሊያ ውስጥ በመረጃ ማከማቻ ቦታ ላይ የምርምር እጥረት አለ ፣ ይህ የምርምር ፕሮጀክት አሁንም በምርምር ዑደት የንድፈ-ሀሳባዊ ደረጃ ላይ ያለ እና የማብራሪያ ዓላማ አለው። የመረጃ ማከማቻን በሚቀበሉ የአውስትራሊያ ድርጅቶች ውስጥ ያለውን ልምድ ማሰስ እውነተኛውን ማህበረሰብ መተርጎምን ይጠይቃል። ስለሆነም፣ በምርምር ፕሮጀክቱ ስር ያለው ፍልስፍናዊ ግምት ባህላዊውን ትርጓሜ ይከተላል።

ያሉትን ዘዴዎች አጥብቆ ከተመረመሩ በኋላ፣ ሁለት ሊሆኑ የሚችሉ የምርምር ዘዴዎች ተለይተዋል፡ የዳሰሳ ጥናቶች እና የጉዳይ ጥናቶች፣ ለዳሰሳ ጥናት (Shanks et al. 1993)። ጋሊየርስ (1992) ለቲዎሬቲካል ግንባታ ተስማሚ ናቸው በማለት በተሻሻለው የታክሶኖሚ ጥናት ውስጥ እነዚህ ሁለት ዘዴዎች ለዚህ የተለየ ጥናት ተስማሚ መሆናቸውን ይከራከራሉ። የሚከተሉት ሁለት ንዑስ ክፍሎች እያንዳንዱን ዘዴ በዝርዝር ያብራራሉ.

3.2.1 የምርመራ ዘዴ

የዳሰሳ ጥናት ዘዴው የመጣው ከጥንታዊው የሕዝብ ቆጠራ ዘዴ ነው። ቆጠራ ከመላው ህዝብ መረጃ መሰብሰብ ነው። ይህ ዘዴ ውድ እና ተግባራዊ ሊሆን የማይችል ነው, በተለይም የህዝቡ ብዛት ከሆነ. ስለዚህ፣ ከህዝብ ቆጠራ ጋር ሲነጻጸር፣ የዳሰሳ ጥናት በአብዛኛው የሚያተኩረው ለትንሽ ቁጥር ወይም ለናሙና የህዝብ ተወካዮች መረጃ መሰብሰብ ላይ ነው (Fowler 1988, Neuman 1994)። ናሙናው የሚወጣበትን ህዝብ ያንፀባርቃል፣ በተለያየ ደረጃ ትክክለኛነት፣ እንደ ናሙናው መዋቅር፣ መጠን እና ምርጫ ዘዴ (Fowler 1988, Babbie 1982, Neuman 1994) ይወሰናል።

የዳሰሳ ጥናቱ ዘዴ “በተወሰነ ጊዜ ውስጥ ያሉ ልምዶች ፣ ሁኔታዎች ወይም እይታዎች ቅጽበታዊ መግለጫዎች ፣ መጠይቆችን ወይም ቃለ-መጠይቆችን በመጠቀም የተከናወኑ ናቸው ፣ ከእነዚህም ውስጥ ግምቶች ሊሆኑ ይችላሉ ።
የተሰራ” (Galliers 1992:153) [መጠይቆችን ወይም ቃለ-መጠይቆችን በመጠቀም የተነሱ ልምዶችን፣ ሁኔታዎችን ወይም አመለካከቶችን ፎቶግራፍ ማንሳት ይቻላል፣ ከነሱም ግምቶች ሊደረጉ ይችላሉ። የዳሰሳ ጥናቶች የተወሰኑ የጥናቱ ገጽታዎችን ጥያቄዎችን በመጠየቅ ከበርካታ ተሳታፊዎች መረጃ መሰብሰብን ይመለከታል (Fowler 1988)። ፊት ለፊት የስልክ ቃለመጠይቆችን እና የተዋቀሩ ቃለመጠይቆችን ያካተቱ እነዚህ መጠይቆች እና ቃለመጠይቆች እንዲሁ የመሰብሰቢያ ዘዴዎች ናቸው። dati በዳሰሳ ጥናቶች (Blalock 1970, Nachmias and Nachmias 1976, Fowler 1988) ጥቅም ላይ የዋለ, ምልከታዎችን እና ትንታኔዎችን መጠቀም ይቻላል (Gable 1994). ከእነዚህ ሁሉ አማልክት የመሰብሰብ ዘዴዎች dati, መጠይቁን መጠቀም በጣም ታዋቂው ቴክኒክ ነው, ምክንያቱም እኔ መሆኑን ያረጋግጣል dati

የተሰበሰቡት የተዋቀሩ እና የተቀረጹ ናቸው, እና በዚህም የመረጃ ምደባን ያመቻቻል (Hwang 1987, de Vaus 1991).

በመተንተን እ.ኤ.አ. datiየዳሰሳ ጥናት ስትራቴጂ ብዙውን ጊዜ እንደ ስታቲስቲካዊ ትንታኔ ያሉ የቁጥር ቴክኒኮችን ይጠቀማል ነገር ግን ጥራት ያላቸው ቴክኒኮችን መጠቀምም ይቻላል (Galliers 1992, Pervan

እና ክላስ 1992 ፣ ጋብል 1994) ፡፡ በመደበኛነት ፣ እ.ኤ.አ. dati የተሰበሰቡት የማህበራትን ስርጭቶች እና ቅጦችን ለመተንተን ያገለግላሉ (Fowler 1988)።

ምንም እንኳን የዳሰሳ ጥናቶች 'ምን?' የሚለውን ጥያቄ ለሚመለከቱ ፍለጋዎች በአጠቃላይ ተገቢ ቢሆኑም። (ምን) ወይም ከእሱ በመነሳት፣ እንደ 'quanto' (ስንት) እና 'quant'è' (ስንት) ያሉ፣ 'ለምን' (Sonquist and Dunkelberg 1977፣ Yin 1989) በሚለው ጥያቄ ሊጠየቁ ይችላሉ። እንደ ሶንኩዊስት እና ደንከልበርግ (1977) የምርምር ጥያቄ በጠንካራ መላምቶች፣ የግምገማ ፕሮግራሞች፣ የህዝብ ብዛትን የሚገልጽ እና የሰውን ባህሪ ሞዴሎችን በማዳበር ላይ ያለመ ነው። በተጨማሪም፣ የዳሰሳ ጥናቶች የአንድን ህዝብ አስተያየት፣ ሁኔታ፣ እምነት፣ ባህሪያት፣ የሚጠበቁ እና አልፎ ተርፎም ያለፈ ወይም አሁን ያሉ ባህሪያትን ለማጥናት መጠቀም ይቻላል (Neuman 1994)።

የዳሰሳ ጥናቶች ተመራማሪው የህዝብ ግንኙነትን እንዲያውቁ ያስችላቸዋል እና ውጤቶቹ ብዙውን ጊዜ ከሌሎች ዘዴዎች የበለጠ አጠቃላይ ናቸው (ሶንኲስት እና ደንከልበርግ 1977፣ ጋብል 1994)። የዳሰሳ ጥናቶች ተመራማሪዎች ሰፋ ያለ ጂኦግራፊያዊ አካባቢ እንዲሸፍኑ እና ብዙ ምላሽ ሰጪዎችን እንዲደርሱ ያስችላቸዋል (Blalock 1970, Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994, Neuman 1994). በመጨረሻም፣ የዳሰሳ ጥናቶች በሌላ ቦታ የማይገኙ መረጃዎችን ወይም ለመተንተን በሚፈለገው ቅጽ (Fowler 1988) ሊሰጡ ይችላሉ።

ዳሰሳ ለማካሄድ ግን አንዳንድ ገደቦች አሉ። ጉዳቱ ተመራማሪው ስለተጠናው ነገር ብዙ መረጃ ማግኘት አለመቻሉ ነው። ይህ የሆነበት ምክንያት የዳሰሳ ጥናቶቹ የሚከናወኑት በተወሰነ ጊዜ ብቻ በመሆኑ እና ስለሆነም ተመራማሪው ሊያደርጉት የሚችሉት የተወሰኑ ተለዋዋጮች እና ሰዎች በመኖራቸው ነው።

ጥናት (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998). ሌላው ጉዳቱ የዳሰሳ ጥናት ማካሄድ በጊዜ እና በንብረቶች ላይ በጣም ውድ ሊሆን ይችላል፣በተለይም የፊት ለፊት ቃለ ምልልሶችን የሚያካትት ከሆነ (Fowler 1988)።

3.2.2. የምርመራ ጥናት ዘዴ

የጥያቄው የምርምር ዘዴ በተመራማሪው በኩል ምንም አይነት ጣልቃ ገብነት ሳይደረግ በተወሰነ ጊዜ ውስጥ የተወሰነ ሁኔታን በተጨባጭ ሁኔታ ውስጥ በጥልቀት ማጥናትን ያካትታል (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985). በዋናነት ይህ ዘዴ በተወሰነ ሁኔታ ውስጥ እየተጠኑ ባሉት ተለዋዋጮች መካከል ያለውን ግንኙነት ለመግለጽ ይጠቅማል (Galliers 1992)። በተተነተነው ክስተት (Franz and Robey 1987, Eisenhardt 1989, Yin 1989) ላይ በመመስረት ምርመራዎቹ ነጠላ ወይም ብዙ ጉዳዮችን ሊያካትቱ ይችላሉ።

የጥያቄ ምርምር ዘዴው እንደ "እንደ ሰዎች፣ ቡድኖች ወይም ድርጅቶች ካሉ ከአንድ ወይም ከዛ በላይ አካላት የተወሰዱ ብዙ ምንጮችን በመጠቀም ወቅታዊውን ክስተት በትክክለኛ አውድ ውስጥ የሚመረምር ተጨባጭ ጥያቄ" (Yin 1989) ተብሎ ይገለጻል። በክስተቱ እና በዐውደ-ጽሑፉ መካከል ግልጽ የሆነ መለያየት የለም እና ተለዋዋጮችን መቆጣጠር ወይም ሙከራ ማድረግ የለም (Yin 1989, Benbasat et al. 1987)።

ለመሰብሰብ የተለያዩ ቴክኒኮች አሉ dati በቀጥታ ምልከታዎች፣ የማህደር መዝገብ ክለሳዎች፣ መጠይቆች፣ የሰነድ ግምገማ እና የተዋቀሩ ቃለ-መጠይቆችን የሚያካትተው በመጠይቁ ዘዴ ውስጥ ሊሰራ ይችላል። የተለያዩ የመሰብሰቢያ ዘዴዎች መኖር dati፣ የዳሰሳ ጥናቶች ተመራማሪዎች ሁለቱንም እንዲቋቋሙ ያስችላቸዋል dati ጥራት ያለው እና መጠናዊ በተመሳሳይ ጊዜ (Bonoma 1985, Eisenhardt 1989, Yin 1989, Gable 1994). እንደ የዳሰሳ ጥናቱ ዘዴ፣ የዳሰሳ ጥናት ተመራማሪው እንደ ተመልካች ወይም ተመራማሪ ሆኖ የሚያገለግል እንጂ በጥናት ላይ ባለው ድርጅት ውስጥ ንቁ ተሳታፊ አይደለም።

ቤንባሳት እና ሌሎች (1987) የጥያቄ ዘዴው በተለይ ለምርምር ቲዎሪ ግንባታ ተስማሚ ነው፣ ይህም በምርምር ጥያቄ ተጀምሮ በስልጠና ይቀጥላል።

በመሰብሰብ ሂደት ወቅት የንድፈ ሀሳብ dati. ለመድረክም ተስማሚ መሆን

የንድፈ ሃሳቡ ግንባታ፣ ፍራንዝ እና ሮቤይ (1987) እንደሚጠቁሙት የጥያቄ ዘዴው ለተወሳሰበ የንድፈ ሃሳብ ደረጃም ጥቅም ላይ ሊውል ይችላል። በዚህ ሁኔታ፣ በተሰበሰበው ማስረጃ ላይ በመመስረት፣ የተሰጠው ንድፈ ሃሳብ ወይም መላምት ተረጋግጧል ወይም ውድቅ ይሆናል። በተጨማሪም፣ ጥያቄ 'እንዴት' ወይም 'ለምን' ለሚሉት ጥያቄዎች (Yin 1989) ለሚመለከተው ጥናትም ተስማሚ ነው።

ከሌሎች ዘዴዎች ጋር ሲነጻጸር፣ የዳሰሳ ጥናቶች ተመራማሪው አስፈላጊ መረጃዎችን በበለጠ ዝርዝር እንዲይዙ ያስችላቸዋል (Galliers 1992, Shanks et al. 1993)። በተጨማሪም ምርመራዎች ተመራማሪው የተጠኑትን ሂደቶች ምንነት እና ውስብስብነት እንዲረዳ ያስችለዋል (Benbasat et al. 1987)።

ከመጠይቁ ዘዴ ጋር የተያያዙ አራት ዋና ዋና ጉዳቶች አሉ. የመጀመሪያው የቁጥጥር ተቀናሾች አለመኖር ነው. የተመራማሪው ርዕሰ ጉዳይ የጥናቱ ውጤቶችን እና መደምደሚያዎችን ሊለውጥ ይችላል (Yin 1989)። ሁለተኛው ጉዳት የቁጥጥር ምልከታ አለመኖር ነው. ከሙከራ ዘዴዎች በተለየ፣ የጥያቄ ተመራማሪው በተፈጥሮአዊ ሁኔታቸው ስለሚመረመሩ የተጠኑትን ክስተቶች መቆጣጠር አይችሉም (Gable 1994)። ሦስተኛው ጉዳት የማባዛት እጥረት ነው. ይህ የሆነበት ምክንያት ተመራማሪው ተመሳሳይ ክስተቶችን ለመከታተል ስለማይችል እና የአንድ የተወሰነ ጥናት ውጤት ማረጋገጥ ባለመቻሉ ነው (ሊ 1989)። በመጨረሻም፣ ባለመደጋገሙ ምክንያት፣ ከአንድ ወይም ከዛ በላይ የዳሰሳ ጥናቶች የተገኙ ውጤቶችን ጠቅለል አድርጎ ለማቅረብ አስቸጋሪ ነው (Galliers 1992፣ Shanks et al. 1993)። እነዚህ ሁሉ ችግሮች ግን ሊቋቋሙት የማይችሉት እና በእርግጥ በተመራማሪው ተገቢ እርምጃዎችን በመተግበር ሊቀንሱ ይችላሉ (ሊ 1989)።

3.3. የምርምር ዘዴውን ትክክለኛ ያድርጉ ጉዲፈቻ

ለዚህ ጥናት ሊደረጉ ከሚችሉት ሁለት የምርምር ዘዴዎች የዳሰሳ ጥናቱ ዘዴ በጣም ተስማሚ ነው ተብሎ ይታሰባል። ተያያዥ ጉዳዮችን በጥንቃቄ ካጤኑ በኋላ መርማሪው ውድቅ ተደርጓል

ጥቅሞች እና ድክመቶች. ለዚህ ጥናት የእያንዳንዱ ዘዴ ምቾት ወይም ተገቢነት ከዚህ በታች ተብራርቷል.

3.3.1. ተገቢ ያልሆነ የምርምር ዘዴ የጥያቄ

የመጠየቅ ዘዴው በተወሰነ ጊዜ ውስጥ በአንድ ወይም በብዙ ድርጅቶች ውስጥ ያለውን የተወሰነ ሁኔታ በጥልቀት ማጥናት ይጠይቃል (Eisenhardt 1989)። በዚህ ሁኔታ, ጊዜው ለዚህ ጥናት ከተሰጠው የጊዜ ገደብ ሊበልጥ ይችላል. የጥያቄውን ዘዴ የማይቀበልበት ሌላው ምክንያት ውጤቶቹ በጠንካራ እጥረት (Yin 1989) ሊሰቃዩ ይችላሉ. የተመራማሪው ርእሰ ጉዳይ በውጤቶቹ እና መደምደሚያዎች ላይ ተጽእኖ ሊያሳድር ይችላል. ሌላው ምክንያት ይህ ዘዴ 'እንዴት' ወይም 'ለምን' አይነት (Yin 1989) ለሚሉት ጥያቄዎች ለምርምር የሚመች ሲሆን የዚህ ጥናት የጥናት ጥያቄ ግን 'ምን' አይነት ነው። በመጨረሻ ግን ቢያንስ፣ ከአንድ ወይም ከጥቂት ጥናቶች (Galliers 1992, Shanks et al. 1993) የተገኙ ግኝቶችን ጠቅለል አድርጎ መግለጽ ከባድ ነው። በዚህ ምክንያት, የዳሰሳ ጥናት ዘዴው ለዚህ ጥናት የማይመች በመሆኑ አልተመረጠም.

3.3.2. የምርምር ዘዴው ምቾት ምርመራ

ይህ ጥናት ሲካሄድ የመረጃ ማከማቻ አሰራር በአውስትራሊያ ድርጅቶች ዘንድ ተቀባይነት አላገኘም። ስለዚህ፣ በአውስትራሊያ ድርጅቶች ውስጥ ስለ ትግበራቸው ብዙ መረጃ አልነበረም። የተገኘው መረጃ ከተገበሩ ወይም ከተጠቀሙ ድርጅቶች የመጣ ነው። የውሂብ መጋዘን. በዚህ ሁኔታ የዳሰሳ ጥናት ዘዴው ሌላ ቦታ ወይም ለመተንተን በሚፈለገው ቅጽ (Fowler 1988) የማይገኙ መረጃዎችን ለማግኘት ስለሚያስችል በጣም ተስማሚ ነው. በተጨማሪም፣ የጥያቄው የምርምር ዘዴ ለተመራማሪው በተወሰነ ጊዜ ስለተግባር፣ ሁኔታዎች ወይም እይታዎች ጥሩ ግንዛቤ እንዲያገኝ ያስችለዋል (Galliers 1992, Denscombe 1998)። የአውስትራሊያን የመረጃ ማከማቻ ልምድ ግንዛቤ ለማሳደግ አጠቃላይ እይታ ተጠይቋል።

በተጨማሪም ሶንኲስት እና ደንከልበርግ (1977) የዳሰሳ ጥናት ውጤቶች ከሌሎች ዘዴዎች የበለጠ አጠቃላይ መሆናቸውን ይገልጻሉ።

3.4. የዳሰሳ ጥናት ምርምር ዲዛይን

የመረጃ ማከማቻ ልምምድ ዳሰሳ የተካሄደው በ1999 ነው። የታለመው ህዝብ የመረጃ ማከማቻ ጥናት የሚፈልጉ የአውስትራሊያ ድርጅቶችን ያቀፈ ነበር፣ ምክንያቱም ምናልባት ቀድሞውንም ሊያውቁት ስለሚችሉ ነው። dati ያከማቹት እና, ስለዚህ, ለዚህ ጥናት ጠቃሚ መረጃን ሊሰጡ ይችላሉ. የታለመው ህዝብ በዳታ ማከማቻ ኢንስቲትዩት (Tdwi-ap) ሁሉም የአውስትራሊያ አባላት በተደረገ የመጀመሪያ ጥናት ተለይቷል። ይህ ክፍል የዚህን ጥናት ተጨባጭ ምርምር ምዕራፍ ንድፍ ያብራራል.

3.4.1. የመሰብሰብ ቴክኒክ dati

በዳሰሳ ጥናት ውስጥ በብዛት ጥቅም ላይ ከዋሉት ሦስቱ ቴክኒኮች (ማለትም የመልእክት መጠይቅ፣ የስልክ ቃለ መጠይቅ እና የግል ቃለ መጠይቅ) (Nachmias 1976, Fowler 1988, de Vaus 1991) የመልእክት መጠይቁ ለዚህ ጥናት ተቀባይነት አግኝቷል። የኋለኛውን ለመቀበል የመጀመሪያው ምክንያት በጂኦግራፊያዊ የተበታተነ ህዝብ (Blalock 1970, Nachmias and Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994) ሊደርስ ይችላል. በሁለተኛ ደረጃ፣ የደብዳቤ መጠይቁ ከፍተኛ ትምህርት ላላቸው ተሳታፊዎች ተስማሚ ነው (Fowler 1988)። የዚህ ጥናት የፖስታ መጠይቅ የተደረገው ለመረጃ ማከማቻ ፕሮጀክት ስፖንሰሮች፣ ዳይሬክተሮች እና/ወይም የፕሮጀክት አስተዳዳሪዎች ነው። ሦስተኛ፣ የፖስታ መጠይቆች ደህንነቱ የተጠበቀ የአድራሻ ዝርዝር ሲገኝ ተገቢ ናቸው (Salant and Dilman 1994)። TDWI፣ በዚህ አጋጣሚ፣ የታመነ የውሂብ ማከማቻ ማህበር የአውስትራሊያ አባላቱን የፖስታ መላኪያ ዝርዝር አቅርቧል። ሌላው የመልዕክት መጠይቁ በስልክ መጠይቆች ወይም በግል ቃለመጠይቆች ላይ ያለው ጠቀሜታ ምላሽ ሰጪዎች በትክክል ምላሽ እንዲሰጡ ያስችላቸዋል፣በተለይ ምላሽ ሰጪዎች መዝገቦችን እንዲያማክሩ ወይም ከሌሎች ሰዎች ጋር ጥያቄዎችን ሲወያዩ (Fowler 1988)።

ጉዳቱ ምናልባት መጠይቆችን በፖስታ ለማካሄድ የሚያስፈልገው ጊዜ ሊሆን ይችላል። በተለምዶ የደብዳቤ መጠይቅ የሚከናወነው በዚህ ቅደም ተከተል ነው፡ የፖስታ ደብዳቤዎች፣ ምላሾችን ይጠብቁ እና ማረጋገጫ ይላኩ (Fowler 1988, Bainbridge 1989)። ስለዚህ፣ ጠቅላላ ጊዜ ለፊት-ለፊት ቃለመጠይቆች ወይም የስልክ ቃለመጠይቆች ከሚያስፈልገው ጊዜ በላይ ሊሆን ይችላል። ሆኖም አጠቃላይ ጊዜው አስቀድሞ ሊታወቅ ይችላል (Fowler 1988, Denscombe 1998). ከቃለ መጠይቅ ወደ ቃለ መጠይቅ ስለሚለያይ (Fowler 1988) የግል ቃለመጠይቆቹን በመምራት ያሳለፈው ጊዜ አስቀድሞ ሊታወቅ አይችልም። የስልክ ቃለመጠይቆች ከደብዳቤ መጠይቆች እና ከግል ቃለመጠይቆች የበለጠ ፈጣን ሊሆኑ ይችላሉ ነገር ግን በአንዳንድ ሰዎች ባለመገኘት ምክንያት ከፍተኛ ያልተመለሰ መጠን ሊኖረው ይችላል (Fowler 1988)። በተጨማሪም፣ የስልክ ቃለመጠይቆች በአጠቃላይ በአንፃራዊነት አጫጭር የጥያቄ ዝርዝሮች ብቻ የተገደቡ ናቸው (Bainbridge 1989)።

ሌላው በፖስታ የተላከ መጠይቅ ድክመት ከፍተኛ ምላሽ የማይሰጥ ፍጥነት ነው (Fowler 1988, Bainbridge 1989, Neuman 1994). ነገር ግን፣ ይህንን ጥናት ከታመነ የመረጃ ማከማቻ ተቋም (ማለትም TDWI) (Bainbridge 1989፣ Neuman 1994) ጋር በማያያዝ፣ ምላሽ ለሌላቸው ሁለት የማስታወሻ ደብዳቤዎችን የሚያወጣ (Fowler 1988፣ Neuman 1994) እና እንዲሁም የሚያብራራውን ተጨማሪ ደብዳቤ በማከል የመከላከያ እርምጃዎች ተወስደዋል። የጥናቱ ዓላማ (Neuman 1994).

3.4.2. የትንተና ክፍል

የዚህ ጥናት ዓላማ ስለ የውሂብ ማከማቻ አተገባበር እና በአውስትራሊያ ድርጅቶች ውስጥ ስላለው ጥቅም መረጃ ማግኘት ነው። የታለመው ህዝብ ሁሉም የአውስትራሊያ ድርጅቶች ነው የተገበሩት፣ ወይም እየተገበሩ ያሉት፣ i የውሂብ መጋዘን. ከዚያም የግለሰብ ድርጅቶች ይመዘገባሉ. መጠይቁ ለመቀበል ፍላጎት ላላቸው ድርጅቶች ተልኳል። የውሂብ መጋዘን. ይህ ዘዴ የሚሰበሰበው መረጃ ከእያንዳንዱ ተሳታፊ ድርጅት በጣም ተስማሚ ምንጮች መገኘቱን ያረጋግጣል.

3.4.3. የዳሰሳ ጥናት ናሙና

የዳሰሳ ጥናት ተሳታፊዎች የፖስታ መላኪያ ዝርዝር የተገኘው ከTDWI ነው። ከዚህ ዝርዝር ውስጥ 3000 የአውስትራሊያ ድርጅቶች ለናሙና መሰረት ሆነው ተመርጠዋል። የፕሮጀክቱን እና የዳሰሳ ጥናቱ ዓላማን የሚገልጽ ቀጣይ ደብዳቤ፣ ከምላሽ ፎርም እና የቅድመ ክፍያ ኤንቨሎፕ የተሟላውን መጠይቁን ለመመለስ ወደ ናሙናው ተልኳል። ከ3000 ድርጅቶች 198ቱ በጥናቱ ለመሳተፍ ተስማምተዋል። እንደነዚህ ያሉት አነስተኛ ቁጥር ያላቸው ምላሾች ይጠበቁ ነበር ዳቶ በዚያን ጊዜ በድርጅታቸው ውስጥ የመረጃ ማከማቻ ስትራቴጂን የተቀበሉ ወይም የተቀበሉት ከፍተኛ ቁጥር ያላቸው የአውስትራሊያ ድርጅቶች። ስለዚህ ለዚህ ጥናት የታለመው ህዝብ 198 ድርጅቶችን ብቻ ያቀፈ ነው።

3.4.4. የመጠይቁ ይዘት

የመጠይቁ ንድፍ በMonash የውሂብ ማከማቻ ሞዴል ላይ የተመሰረተ ነበር (ቀደም ሲል በክፍል 2.3 ላይ ተብራርቷል)። የመጠይቁ ይዘት በምዕራፍ 2 ላይ በቀረበው የስነ-ጽሁፍ ግምገማ ላይ የተመሰረተ ነው. ለዳሰሳ ጥናቱ ተሳታፊዎች የተላከው የመጠይቁ ግልባጭ በአባሪ ለ ላይ ይገኛል. መጠይቁ የተሸፈነው ሞዴል ደረጃዎችን በሚከተሉ ስድስት ክፍሎች ያቀፈ ነው. የሚከተሉት ስድስት አንቀጾች የእያንዳንዱን ክፍል ይዘት በአጭሩ ያጠቃልላሉ።

ክፍል ሀ-ስለ ድርጅቱ መሰረታዊ መረጃ
ይህ ክፍል ከተሳታፊ ድርጅቶች መገለጫ ጋር የተያያዙ ጥያቄዎችን ይዟል። በተጨማሪም፣ አንዳንድ ጥያቄዎች ከተሳታፊው የመረጃ ማከማቻ ፕሮጀክት ሁኔታ ጋር ይዛመዳሉ። እንደ የድርጅቱ ስም ያሉ ሚስጥራዊ መረጃዎች በአሰሳ ጥናት ትንታኔ ውስጥ አልተገለጸም።

ክፍል B: ይጀምሩ
በዚህ ክፍል ውስጥ ያሉት ጥያቄዎች በመረጃ ማከማቻ ላይ ከመጀመር ጋር የተያያዙ ናቸው. የፕሮጀክት ጀማሪዎችን፣ ስፖንሰሮችን፣ ተፈላጊ ችሎታዎችን እና ዕውቀትን፣ የመረጃ ማከማቻ ልማት ግቦችን እና የዋና ተጠቃሚዎችን ግምት በተመለከተ ጥያቄዎች ተጠይቀዋል።

ክፍል ሐ: ዲዛይን
ይህ ክፍል የእቅድ ተግባራትን በተመለከተ ጥያቄዎችን ይዟል የውሂብ መጋዘን. በተለይም ጥያቄዎቹ ስለ አፈፃፀሙ ስፋት፣ የፕሮጀክቱ ቆይታ፣ የፕሮጀክቱ ወጪ እና የዋጋ/ጥቅማ ጥቅሞች ትንተና ላይ ነበሩ።

ክፍል መ: ልማት
በልማት ክፍል ውስጥ ከልማት ተግባራት ጋር የተያያዙ ጥያቄዎች አሉ የውሂብ መጋዘንየመጨረሻ ተጠቃሚ መስፈርቶች ስብስብ, ምንጮች dati፣ የሎጂክ ሞዴል dati, ምሳሌዎች, የአቅም ማቀድ, የቴክኒክ አርክቴክቸር እና የውሂብ ማከማቻ ልማት መሳሪያዎች ምርጫ.

ክፍል ሠ-ሥራ
ከኦፕሬሽኑ አሠራር እና ማራዘሚያ ጋር የተያያዙ የአሠራር ጥያቄዎች የውሂብ መጋዘን, በሚቀጥለው የእድገት ደረጃ ላይ እየተሻሻለ ሲመጣ. እዚያ የውሂብ ጥራት፣ የ እድሳት ስልቶች dati፣ የ granularity dati, scalability የ የውሂብ መጋዘን እና የደህንነት ጉዳዮች የውሂብ መጋዘን ከተጠየቁት የጥያቄ ዓይነቶች መካከል ነበሩ።

ክፍል F: ልማት
ይህ ክፍል መጠቀምን የሚመለከቱ ጥያቄዎችን ይዟል የውሂብ መጋዘን በመጨረሻ ተጠቃሚዎች. ተመራማሪው ስለ አላማ እና ጥቅም ፍላጎት ነበረው የውሂብ መጋዘንየተወሰደው የግምገማ እና የስልጠና ስልቶች እና የቁጥጥር ስትራቴጂ የውሂብ መጋዘን ማደጎ.

3.4.5. የምላሽ መጠን

ምንም እንኳን የደብዳቤ ዳሰሳ ጥናቶች ዝቅተኛ ምላሽ መጠን አላቸው ተብሎ ቢተቸም የመመለሻ መጠንን ለመጨመር እርምጃዎች ተወስደዋል (ከላይ በክፍል 3.4.1 እንደተገለፀው)። 'የምላሽ መጠን' የሚለው ቃል በአንድ የተወሰነ የዳሰሳ ጥናት ናሙና ውስጥ ለመጠይቁ ምላሽ የሚሰጡ ሰዎችን መቶኛ ያመለክታል (Denscombe 1998)። የዚህ ጥናት ምላሽ መጠን ለማስላት የሚከተለው ቀመር ጥቅም ላይ ውሏል፡

ምላሽ የሰጡ ሰዎች ብዛት
የምላሽ መጠን = ————————————————————————– X 100 የተላኩ መጠይቆች ጠቅላላ ብዛት

3.4.6. የበረራ ሙከራ

መጠይቁ ወደ ናሙናው ከመላኩ በፊት ጥያቄዎቹ የተፈተኑት በሉክ እና ሩቢን (1987) ጃክሰን (1988) እና ደ ቫውስ (1991) እንደተጠቆሙት የሙከራ ሙከራዎችን በማካሄድ ነው። የአብራሪ ሙከራዎች አላማ ማንኛቸውም የማይመች፣ አሻሚ አገላለፆች እና ለመተርጎም አስቸጋሪ የሆኑ ጥያቄዎችን መግለጽ፣ ጥቅም ላይ የዋሉ ማናቸውንም ትርጓሜዎችን እና ቃላትን ግልጽ ማድረግ እና መጠይቁን ለመሙላት የሚያስፈልገውን ግምታዊ ጊዜ መለየት ነው (ዋርዊክ እና ሊኒንገር 1975፣ ጃክሰን 1988፣ ሳላንት እና ዲልማን 1994)። የአብራሪ ሙከራዎቹ የተካሄዱት በዴቪስ ኢ እንደተጠቆመው ከመጨረሻዎቹ የትምህርት ዓይነቶች ጋር ተመሳሳይ ባህሪያት ያላቸውን ርዕሰ ጉዳዮች በመምረጥ ነው። Cosenza (1993) በዚህ ጥናት ስድስት የመረጃ ማከማቻ ባለሙያዎች እንደ አብራሪነት ተመርጠዋል። ከእያንዳንዱ አብራሪ ሙከራ በኋላ አስፈላጊዎቹ እርማቶች ተደርገዋል. ከተደረጉት የሙከራ ፈተናዎች ተሳታፊዎች የመጠይቁን የመጨረሻ እትም ለማሻሻል እና እንደገና ለማስጀመር አስተዋፅኦ አድርገዋል።

3.4.7. የመተንተን ዘዴዎች ዲ Dati

I dati ከተዘጋው መጠይቆች የተሰበሰበው የዳሰሳ ጥናት መረጃ ኤስፒኤስኤስ በተባለ ስታቲስቲካዊ ሶፍትዌር ፓኬጅ በመጠቀም ተተነተነ። ብዙዎቹ ምላሾች ገላጭ ስታቲስቲክስን በመጠቀም ተንትነዋል። በርካታ መጠይቆች ሳይሟሉ ተመልሰዋል። እኔ መሆኑን ለማረጋገጥ እነዚህ ይበልጥ በጥንቃቄ መታከም ተደርጓል dati የጎደሉት የውሂብ ማስገቢያ ስህተቶች ውጤቶች አይደሉም፣ ነገር ግን ጥያቄዎቹ ለተመዝጋቢው ተስማሚ ስላልሆኑ፣ ወይም ተመዝጋቢው አንድ ወይም ከዚያ በላይ የሆኑ ጥያቄዎችን ላለመመለስ ወሰነ። ውሂቡን ሲተነተን እነዚህ የጎደሉ መልሶች ችላ ተብለዋል። dati እና ከመተንተን ሂደቱ መገለላቸውን ለማረጋገጥ እንደ '-9' ተሰጥቷቸዋል።

መጠይቁን በሚዘጋጅበት ጊዜ፣ የተዘጉ ጥያቄዎች ለእያንዳንዱ አማራጭ ቁጥር በመመደብ ቅድመ ኮድ ተሰጥቷቸዋል። ቁጥሩ ከዚያ ለማሰልጠን ጥቅም ላይ ውሏል i dati በመተንተን (Denscombe 1998, Sapsford and Jupp 1996)። ለምሳሌ በክፍል B ጥያቄ 1 ውስጥ የተዘረዘሩ ስድስት አማራጮች ነበሩ፡ የዳይሬክተሮች ቦርድ፣ ከፍተኛ ስራ አስፈፃሚ፣ የአይቲ ክፍል፣ የንግድ ክፍል፣ አማካሪዎች እና ሌሎችም። በፋይሉ ውስጥ dati የ SPSS፣ ተለዋዋጭ ለ'ፕሮጀክት አስጀማሪ' ተፈጥሯል፣ ስድስት እሴት መለያዎች ያሉት፡ '1' ለ'ቦርድ'፣ '2' ለ 'ከፍተኛ አስፈፃሚ' እና በጎዳና ላይ። በአንዳንድ የተዘጉ ጥያቄዎች ላይ የሊከርቲን ሚዛን መጠቀም ወደ SPSS የገቡትን ተጓዳኝ አሃዛዊ እሴቶች በመጠቀም ያለልፋት ለመለየት አስችሏል። የማያሟሉ መልሶች ላሏቸው ጥያቄዎች፣ እርስ በርሳቸው የማይነጣጠሉ፣ እያንዳንዱ አማራጭ እንደ ነጠላ ተለዋዋጭ በሁለት እሴት መለያዎች ተወስዷል፡- '1' ለ 'የተፈተሸ' እና '2' ለ 'ያልተፈተሸ'።

ክፍት ጥያቄዎች ከተዘጉ ጥያቄዎች በተለየ መልኩ ተስተናግደዋል። የእነዚህ ጥያቄዎች መልሶች ወደ SPSS አልገቡም። ይልቁንም በእጅ የተተነተነ ነበር. የዚህ አይነት ጥያቄ አጠቃቀም በነጻነት የተገለጹ ሃሳቦችን እና በግላዊ ተሞክሮዎች ላይ መረጃን ለማግኘት ያስችላል (Bainbridge 1989, Denscombe 1998)። ከተቻለ፣ የምላሾች ምድብ ተዘጋጅቷል።

ለትንተና datiቀላል የስታቲስቲክስ ትንተና ዘዴዎች እንደ ምላሾች ድግግሞሽ, አማካኝ, መደበኛ መዛባት እና ሚዲያን (Argyrous 1996, Denscombe 1998) ጥቅም ላይ ይውላሉ.
የጋማ ፈተና በመካከላቸው ያሉትን ማኅበራት የመጠን መለኪያዎችን ለማግኘት ውጤታማ ነበር። dati ተራዎች (ኖሩሲስ 1983፣ አርጊረስ 1996)። እነዚህ ሙከራዎች ተገቢ ነበሩ ምክንያቱም ጥቅም ላይ የሚውሉት መደበኛ ሚዛኖች ብዙ ምድቦች ስለሌሉት እና በሠንጠረዥ ውስጥ ሊታዩ ስለሚችሉ ነው (Nurusis 1983)።

3.5 ማጠቃለያ

በዚህ ምእራፍ ውስጥ ለዚህ ጥናት የተወሰደው የምርምር ዘዴ እና ዲዛይን ተብራርቷል.

ለአንድ የተወሰነ ጥናት በጣም ተገቢውን የምርምር ዘዴ መምረጥ ይወስዳል
የጥናት ተፈጥሮ እና አይነትን ጨምሮ በርካታ ህጎችን ግምት ውስጥ ማስገባት እንዲሁም የእያንዳንዱን ዘዴ ጠቀሜታ እና ድክመቶች (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, Yin 1989, Hamilton and ives 1992, Galliers) 1992 ፣ ኒውማን 1994) በአውስትራሊያ ውስጥ የመረጃ መጋዘን መቀበልን በተመለከተ ካለው እውቀት እና ንድፈ ሃሳብ እጥረት አንጻር፣ ይህ የምርምር ጥናት የአውስትራሊያ ድርጅቶችን ልምድ ለመዳሰስ የሚያስችል የማሰስ ችሎታ ያለው የትርጓሜ የምርምር ዘዴ ይጠይቃል። የተመረጠው የምርምር ዘዴ የመረጃ ማከማቻ ፅንሰ-ሀሳብን በአውስትራሊያ ድርጅቶች መቀበልን በተመለከተ መረጃ ለመሰብሰብ ተመርጧል። የፖስታ መጠይቅ እንደ የመሰብሰቢያ ቴክኒክ ተመርጧል dati. ለምርምር ዘዴ እና የመሰብሰቢያ ቴክኒክ ማረጋገጫዎች dati በዚህ ምዕራፍ ውስጥ ምርጫዎች ይቀርባሉ. በመቀጠልም የትንተና አሃድ፣ ጥቅም ላይ የዋለው ናሙና፣ የምላሽ መጠን፣ የመጠይቁ ይዘት፣ የመጠይቁ ቅድመ-ሙከራ እና የመተንተን ዘዴ ላይ ውይይት ቀርቧል። dati.

ዲዛይን ሀ የውሂብ መጋዘን:

አካልን ግንኙነት እና ልኬት ሞዴልን በማጣመር

ማሟላት
ያከማቹ dati የብዙ ድርጅቶች ዋና ወቅታዊ ጉዳይ ነው። በመጋዘን ልማት ውስጥ ቁልፍ ችግር dati እሱ የእሱ ንድፍ ነው ፡፡
ስዕሉ በ ውስጥ ጽንሰ-ሐሳቦችን መፈለግን መደገፍ አለበት የውሂብ መጋዘን ወደ ውርስ ስርዓት እና ሌሎች ምንጮች dati እና ደግሞ ቀላል ግንዛቤ እና አፈጻጸም ውስጥ ቅልጥፍና የውሂብ መጋዘን.
አብዛኛው የማከማቻ ሥነ ጽሑፍ dati የህጋዊ አካል ግንኙነት ሞዴሊንግ ወይም የመጠን ሞዴሊንግ ንድፉን ለመወከል እንዲጠቀሙ ይመክራል። የውሂብ መጋዘን.
በዚህ ጽሑፍ ውስጥ ሁለቱንም ውክልናዎች በንድፍ ውስጥ እንዴት እንደሚጣመሩ እናሳያለን የውሂብ መጋዘን. ጥቅም ላይ የዋለው አቀራረብ ስልታዊ ነው

በአንድ ጉዳይ ጥናት ውስጥ ተመርምሮ እና ከባለሙያዎች ጋር በበርካታ ጠቃሚ እንድምታዎች ተለይቷል.

የውሂብ መጋዘን

Un የውሂብ መጋዘን እሱ ዘወትር የሚገለጸው “ርዕሰ-ጉዳይ-ተኮር፣ የተቀናጀ፣ የጊዜ-ተለዋዋጭ፣ እና የአስተዳደር ውሳኔዎችን ለመደገፍ የማይለዋወጥ የመረጃ ስብስብ” (Inmon and Hackathorn, 1994) ነው። በርዕሰ ጉዳይ ላይ ያተኮረ እና የተዋሃደ መሆኑን ያመለክታል የውሂብ መጋዘን የተቀናጀ እይታን ለማቅረብ የቅርስ ስርዓቶች ተግባራዊ ድንበሮችን ለማቋረጥ የተቀየሰ ነው። dati.
የጊዜ-ተለዋጭ ታሪካዊ ወይም የጊዜ-ተከታታይ ተፈጥሮን ይነካል dati በ ውስጥ የውሂብ መጋዘን, ይህም አዝማሚያዎችን ለመተንተን ያስችላል. ተለዋዋጭ ያልሆኑ የ የውሂብ መጋዘን ያለማቋረጥ እንደ ሀ የውሂብ ጎታ የ OLTP. ይልቁንም በየጊዜው ይሻሻላል, በ dati ከውስጥ እና ከውጭ ምንጮች. ዘ የውሂብ መጋዘን በተለይ የታማኝነት እና የአሠራር አፈጻጸምን ከማዘመን ይልቅ ለምርምር የተነደፈ ነው።
እኔ የማከማቸት ሀሳብ i dati አዲስ አይደለም፣ ከአስተዳደር ዓላማዎች አንዱ ነበር። dati ከ 1982 ዎቹ ጀምሮ (ኢል ማርቲን ፣ XNUMX) ፡፡
I የውሂብ መጋዘን መሠረተ ልማት ይሰጣሉ dati ለአስተዳደር ድጋፍ ስርዓቶች. የአስተዳደር ድጋፍ ስርዓቶች የውሳኔ ድጋፍ ስርዓቶችን (DSS) እና የአስፈፃሚ የመረጃ ስርዓቶችን (EIS) ያካትታሉ። DSS በኮምፒዩተር ላይ የተመሰረተ የመረጃ ስርዓት ሂደትን እና በዚህም ምክንያት የሰው ውሳኔዎችን ለማሻሻል የተነደፈ ነው። EIS በተለምዶ የመላኪያ ሥርዓት ነው። dati የንግድ ሥራ አስፈፃሚዎች እይታን በቀላሉ ለመድረስ የሚያስችል dati.
የአጠቃላይ የሕንፃ የውሂብ መጋዘን የሚለውን ሚና ጎላ አድርጎ ያሳያል የውሂብ መጋዘን በአስተዳደር ድጋፍ ውስጥ. መሠረተ ልማትን ከማቅረብ በተጨማሪ dati ለ EIS እና ለ DSS ፣ አል የውሂብ መጋዘን በጥያቄዎች በቀጥታ ማግኘት ይቻላል. የ dati ሀ ውስጥ ተካትቷል የውሂብ መጋዘን በአስተዳደር መረጃ መስፈርቶች ትንተና ላይ የተመሰረቱ እና ከሶስት ምንጮች የተገኙ ናቸው-የውስጥ ውርስ ስርዓቶች ፣ ልዩ ዓላማ የመረጃ ቀረጻ ስርዓቶች እና የውጪ የመረጃ ምንጮች። የ dati በውስጣዊ ቅርስ ስርአቶች ውስጥ ብዙ ጊዜ የማይደጋገሙ፣ ወጥነት የሌላቸው፣ ዝቅተኛ ጥራት ያላቸው እና በተለያዩ ቅርጸቶች የተከማቹ ናቸው ስለዚህ ወደ ውስጥ ከመጫኑ በፊት መታረቅ እና ማጽዳት አለባቸው።

የውሂብ መጋዘን (Inmon, 1992; McFadden, 1996) ፡፡ ዘ dati ከማከማቻ ስርዓቶች dati ጊዜ እና ከ ምንጮች dati ውጫዊ ለመጨመር (ለማዘመን ፣ ለመተካት) ጥቅም ላይ ይውላሉ i dati ከቅርስ ስርዓቶች.

ለማዳበር ብዙ አሳማኝ ምክንያቶች አሉ የውሂብ መጋዘንተጨማሪ መረጃን በውጤታማነት በመጠቀም የተሻሻለ የውሳኔ አሰጣጥን (Ives 1995)፣ በአጠቃላይ ጉዳዮች ላይ ለማተኮር ድጋፍ (Graham 1996) እና የውሳኔ አሰጣጥ ወጪዎችን መቀነስ ያካትታል። dati ለ EIS እና DSS (ግራሃም 1996፣ ማክፋደን 1996)።

የቅርብ ጊዜ ተጨባጭ ጥናት በአማካይ ለ i ንዋይ ተመላሽ ተገኝቷል የውሂብ መጋዘን ከሶስት አመታት በኋላ በ401% (ግራሃም፣ 1996)። ሆኖም ፣ ሌሎች ተጨባጭ ጥናቶች የውሂብ መጋዘን ጥቅማ ጥቅሞችን ለመለካት እና ለመመደብ አስቸጋሪነት ፣ ግልጽ ዓላማ ማጣት ፣ የማከማቸት ሂደትን ስፋት እና ውስብስብነት ግምት ውስጥ በማስገባት ጉልህ ችግሮች ተገኝተዋል ። datiበተለይም ምንጮችን እና ንፅህናን በተመለከተ dati. ማከማቻ i dati የአስተዳደር ችግር እንደ መፍትሄ ሊወሰድ ይችላል dati በድርጅቶች መካከል. ማጭበርበር የ dati እንደ ማህበራዊ ምንጭ ለብዙ አመታት በአለም ዙሪያ የመረጃ ስርዓቶችን በማስተዳደር ረገድ ቁልፍ ከሆኑ ችግሮች አንዱ ሆኖ ቆይቷል (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993).

ለማስተዳደር የታወቀ አቀራረብ dati በሰማኒያዎቹ ውስጥ የአንድ ሞዴል እድገት ነበር dati ማህበራዊ. ሞዴል dati ማህበራዊ ለአዳዲስ አፕሊኬሽን ሥርዓቶች ልማት የተረጋጋ መሠረት ለማቅረብ ታስቦ ነበር ሠ የውሂብ ጎታ እና የቅርስ ስርዓቶች መልሶ መገንባት እና ውህደት (Brancheau et al.

1989፣ ጉድሁ እና ሌሎች። 1988፡1992፣ ኪም እና ኤቨረስት 1994)። ይሁን እንጂ በዚህ አቀራረብ ላይ በርካታ ችግሮች አሉ, በተለይም የእያንዳንዱ ስራ ውስብስብነት እና ዋጋ, እና ተጨባጭ ውጤቶችን ለማግኘት ረጅም ጊዜ የሚፈጀው ጊዜ (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997) ).

Il የውሂብ መጋዘን ከውርስ የውሂብ ጎታዎች ጋር ከመተካት ይልቅ አብሮ የሚኖር የተለየ ዳታቤዝ ነው። ስለዚህ አስተዳደርን እንዲመሩ ይፈቅድልዎታል dati እና ውድ የሆኑ የቀድሞ ስርዓቶችን መልሶ መገንባትን ያስወግዱ።

ለመቅረጽ የቀረቡ መንገዶች

WAREHOUSE

የመገንባት እና ፍጹም የማድረግ ሂደት ሀ የውሂብ መጋዘን ከባህላዊ ስርዓቶች ልማት የሕይወት ዑደት ይልቅ እንደ የዝግመተ ለውጥ ሂደት የበለጠ መረዳት አለበት (ዴሴዮ፣ 1995 ፣ ሻንክስ ፣ ኦዶኔል እና አርኖት 1997 ሀ)። በፕሮጀክት ውስጥ ብዙ ሂደቶች አሉ የውሂብ መጋዘን እንደ መጀመር, መርሐግብር; ከኩባንያ አስተዳዳሪዎች ከተጠየቁት መስፈርቶች የተገኘ መረጃ; ምንጮች, ለውጦች, ማጽዳት dati እና ከውርስ ስርዓቶች እና ሌሎች ምንጮች ያመሳስሉ dati; በእድገት ላይ ያሉ የአቅርቦት ስርዓቶች; ክትትል የውሂብ መጋዘን; እና የዝግመተ ለውጥ ሂደት እና የመገንባት ትርጉም የለሽነት ሀ የውሂብ መጋዘን (ስቲንቺ፣ ኦዶኔል እና አርኖት 1997 ለ)። በዚህ ጆርናል ውስጥ, እንዴት መሳል እንደሚቻል ላይ እናተኩራለን i dati በእነዚህ ሌሎች ሂደቶች አውድ ውስጥ ተከማችቷል. ለቪዲዮ አርክቴክቸር በርካታ የታቀዱ አቀራረቦች አሉ። የውሂብ መጋዘን በሥነ ጽሑፍ (Inmon 1994፣ Ives 1995፣ Kimball 1994፣ McFadden 1996)። እያንዳንዳቸው እነዚህ ዘዴዎች ስለ ጥንካሬዎቻቸው እና ድክመቶቻቸው ትንተና አጭር ግምገማ አላቸው።

የኢንሞን (1994) አቀራረብ የውሂብ መጋዘን ዕቅድ

ኢንሞን (1994) ሀ ለመንደፍ አራት ተደጋጋሚ እርምጃዎችን አቅርቧል የውሂብ መጋዘን (ስእል 2 ይመልከቱ). የመጀመሪያው እርምጃ አብነት መንደፍ ነው dati እኔ እንዴት እንደሆነ ለመረዳት ማህበራዊ dati i ን በመከፋፈል በአንድ ድርጅት ውስጥ ባሉ ተግባራዊ ቦታዎች ላይ ሊጣመር ይችላል dati በአከባቢዎች ውስጥ ማከማቸት. ሞዴል dati ለማጠራቀሚያነት የተሰራ ነው dati ከውሳኔ አሰጣጥ ጋር የተዛመደ ፣ ጨምሮ dati ታሪካዊ, እና ተካትቷል dati የተቀነሰ እና የተዋሃደ. ሁለተኛው እርምጃ ለትግበራው ርዕሰ ጉዳዮችን መለየት ነው. እነዚህ በአንድ የተወሰነ ድርጅት የሚወሰኑ ቅድሚያዎች ላይ የተመሰረቱ ናቸው. ሦስተኛው ደረጃ መሳል ያካትታል የውሂብ ጎታ ለርዕሰ-ጉዳዩ አካባቢ, ተገቢውን የጥራጥሬነት ደረጃዎች ለማካተት ልዩ ትኩረት ይስጡ. ኢንሞን ህጋዊ እና የግንኙነት ሞዴልን መጠቀም ይመክራል። አራተኛው እርምጃ የምንጭ ስርዓቶችን መለየት ነው dati ለመያዝ፣ ለማፅዳት እና ለመቅረጽ የሚያስፈልጉ እና የለውጥ ሂደቶችን ማዳበር i dati.

የኢንሞን አቀራረብ ጥንካሬዎች ሞዴሉ ናቸው dati ማህበራዊ ውህደትን መሰረት አድርጎ ያቀርባል dati በድርጅቱ ውስጥ እና የእቅድ አወጣጥ ድጋፎች ለ ተደጋጋሚ እድገት የውሂብ መጋዘን. የእሱ ድክመቶች ሞዴሉን የመንደፍ ችግር እና ዋጋ ናቸው dati ማህበራዊ, በሁለቱም ሞዴሎች ውስጥ ጥቅም ላይ የዋሉ አካላትን እና ግንኙነቶችን ሞዴሎችን የመረዳት ችግር, ያ dati ማህበራዊ እና የዚያ dati በርዕሰ-ጉዳይ የተከማቸ እና አግባብነት ያለው dati የ ስእል የ የውሂብ መጋዘን ለመገንዘብ የውሂብ ጎታ ዝምድና ግን ለ የውሂብ ጎታ ባለብዙ-ልኬት.

አይቭስ (1995) ወደ የውሂብ መጋዘን ዕቅድ

ኢቭስ (1995) የመረጃ ስርዓትን ለመንደፍ ባለ አራት ደረጃ አቀራረብን ሀሳብ አቅርቧል ፣ ይህም ለግንባታ ዲዛይን ተግባራዊ ይሆናል ብሎ ያምናል ። የውሂብ መጋዘን (ስእል 3 ይመልከቱ). አቀራረቡ በኢንፎርሜሽን ኢንጂነሪንግ ላይ የተመሰረተው ለመረጃ ስርዓት ልማት (ማርቲን 1990) ነው። የመጀመሪያው እርምጃ ግቦችዎን ፣ ስኬትዎን እና ወሳኝ ሁኔታዎችን እና ቁልፍ የአፈፃፀም አመልካቾችን መወሰን ነው። ወደ ሞዴል እንዲመራን ቁልፍ የንግድ ሂደቶች እና አስፈላጊ መረጃዎች ተቀርፀዋል። dati ማህበራዊ. ሁለተኛው እርምጃ ገላጭ አርክቴክቸር ማዘጋጀትን ያካትታል dati በአከባቢዎች የተከማቸ ፣ የውሂብ ጎታ di የውሂብ መጋዘን, የሚያስፈልጉት የቴክኖሎጂ ክፍሎች, ለመተግበር እና ለመስራት የሚያስፈልጉትን የድርጅታዊ ድጋፍ ስብስብ የውሂብ መጋዘን. ሦስተኛው ደረጃ አስፈላጊ የሆኑ የሶፍትዌር ፓኬጆችን እና መሳሪያዎችን መምረጥን ያካትታል. አራተኛው ደረጃ የዝርዝር ንድፍ እና ግንባታ ነው የውሂብ መጋዘን. አይቬስ ለማስቀመጥ ማስታወሻዎች dati የተገደበ የመደጋገም ሂደት ነው።

የኢቭስ አቀራረብ ጥንካሬዎች የመረጃ መስፈርቶችን ለመወሰን ቴክኒካዊ ዝርዝሮችን መጠቀም, የተዋሃደ ሂደትን በመጠቀም ውህደትን ይደግፋል. የውሂብ መጋዘን፣ ተገቢውን የሃርድዌር እና የሶፍትዌር ምርጫ እና በርካታ የውክልና ቴክኒኮችን ለ የውሂብ መጋዘን. የእሱ ጉድለቶች ውስብስብነት ያላቸው ናቸው. ሌሎች ብዙ ደረጃዎችን የማዳበር ችግርን ያካትታሉ የውሂብ ጎታ ውስጥ የውሂብ መጋዘን በተመጣጣኝ ጊዜ እና ወጪ.

የኪምቦል (1994) አቀራረብ ለ የውሂብ መጋዘን ዕቅድ

ኪምቦል (1994) ሀ ለመንደፍ አምስት ተደጋጋሚ እርምጃዎችን አቀረበ የውሂብ መጋዘን (ምስል 4 ይመልከቱ). የእሱ አቀራረብ በተለይ በብቸኝነት ሥዕል ላይ ያተኮረ ነው። የውሂብ መጋዘን እና ከህጋዊ አካል እና የግንኙነት ሞዴሎች ይልቅ የመጠን ሞዴሎችን አጠቃቀም ላይ። ኪምቦል እነዚያን የመጠን ሞዴሎችን ይተነትናል ምክንያቱም የንግድ ሥራ መሪዎች ንግድን ለመረዳት ቀላል ነው ፣ ውስብስብ ምክክርን በሚመለከቱበት ጊዜ የበለጠ ቀልጣፋ ነው ፣ እና የ የውሂብ ጎታ አካላዊ የበለጠ ቀልጣፋ ነው (ኪምቦል 1994)። ኪምቦል ማደግ ሀ የውሂብ መጋዘን ተለዋዋጭ ነው ፣ እና ያ ነው የውሂብ መጋዘን ተለያይተው ወደ የጋራ መመዘኛዎች ሰንጠረዦች በመከፋፈል ሊዋሃዱ ይችላሉ.

የመጀመሪያው እርምጃ የሚሟላውን ልዩ ርዕሰ ጉዳይ መለየት ነው. ሁለተኛው እና ሦስተኛው ደረጃዎች የመጠን ቅርጽን ያካትታሉ. በሁለተኛው እርከን ልኬቶቹ በርዕሰ-ጉዳዩ ላይ ትኩረት የሚሹ ነገሮችን ይለያሉ እና በእውነታ ሰንጠረዥ ውስጥ ይቧድኗቸዋል። ለምሳሌ፣ በሽያጭ ርዕሰ ጉዳይ አካባቢ የፍላጎት መለኪያዎች የሚሸጡትን እቃዎች መጠን እና ዶላር እንደ የሽያጭ ምንዛሬ ሊያካትቱ ይችላሉ። ሦስተኛው እርምጃ እውነታዎችን መቧደን የሚቻልባቸው መንገዶች የሆኑትን ልኬቶች መለየትን ያካትታል። በሽያጭ ርእሰ ጉዳይ አካባቢ፣ ተዛማጅነት ያላቸው ልኬቶች ንጥልን፣ አካባቢን እና ጊዜን ሊያካትቱ ይችላሉ። የእውነታው ሰንጠረዥ ከእያንዳንዱ የልኬት ሰንጠረዦች ጋር ለማገናኘት ባለብዙ ክፍል ቁልፍ አለው እና በተለምዶ በጣም ብዙ እውነታዎችን ይይዛል። በአንጻሩ፣ የልኬት ሠንጠረዦች ስለ ልኬቶች እና ሌሎች እውነታዎችን ለመቧደን ሊያገለግሉ የሚችሉ ገላጭ መረጃዎችን ይይዛሉ። የታቀደው ተያያዥ እውነታ እና የልኬት ሰንጠረዥ በቅርጹ ምክንያት የኮከብ ንድፍ ተብሎ የሚጠራውን ይመሰርታል. አራተኛው እርምጃ ሀ የውሂብ ጎታ ባለ ብዙ ገጽታ የኮከቡን ንድፍ ፍጹም ለማድረግ። የመጨረሻው እርምጃ የምንጭ ስርዓቶችን መለየት ነው dati ለመያዝ፣ ለማፅዳት እና ለመቅረጽ የሚያስፈልጉ እና የለውጥ ሂደቶችን ማዳበር i dati.

የኪምቦል አቀራረብ ጥንካሬዎች i ለመወከል የመጠን ሞዴሎችን መጠቀምን ያካትታሉ dati የተከማቸ ይህም ለመረዳት ቀላል ያደርገዋል እና ወደ ቀልጣፋ አካላዊ ንድፍ ይመራል። ሁለቱንም ስርዓቶች በቀላሉ የሚጠቀም ልኬት ሞዴል የውሂብ ጎታ የግንኙነት ስርዓቶች ሊሟሉ ይችላሉ ወይም የውሂብ ጎታ ሁለገብ. ጉድለቶቹ በ ሀ ውስጥ ብዙ የኮከብ እቅዶችን ለማቀድ ወይም ለማዋሃድ አንዳንድ ቴክኒኮች አለመኖራቸውን ያጠቃልላል የውሂብ መጋዘን እና በመጠን ሞዴል ውስጥ ካለው እጅግ በጣም የተዛባ መዋቅር የመንደፍ ችግር ሀ dati በቅርስ ስርዓት ውስጥ.

የማክፋዴን (1996) ወደ መረጃ አቀራረብ የመጋዘን ዲዛይን

ማክፋደን (1996) ሀ ለመሳል ባለ አምስት ደረጃ አቀራረብን አቅርቧል የውሂብ መጋዘን (ስእል 5 ን ይመልከቱ).
የእሱ አገባብ ከሥነ-ጽሑፋዊ ሃሳቦች ውህደት ላይ የተመሰረተ እና በነጠላ ንድፍ ላይ ያተኮረ ነው የውሂብ መጋዘን. የመጀመሪያው እርምጃ መስፈርቶች ትንተና ያካትታል. ቴክኒካዊ ዝርዝሮች ባይታዘዙም፣ የ McFadden ማስታወሻዎች አካላትን ይለያሉ። dati መስፈርቶች እና ባህሪያቸው፣ እና መስፈርቶቹን ለመያዝ አንባቢዎችን Watson and Frolick (1993) ይጠቅሳል።
በሁለተኛ ደረጃ የግንኙነት አካል ሞዴል ተዘጋጅቷል የውሂብ መጋዘን እና ከዚያም በኩባንያ ኃላፊዎች የተረጋገጠ. ሦስተኛው ደረጃ ካርታውን ከውርስ ስርዓቶች እና የውጭ ምንጮችን መወሰንን ያካትታል የውሂብ መጋዘን. አራተኛው ደረጃ በማደግ, በማሰማራት እና በማመሳሰል ሂደቶችን ያካትታል dati nel የውሂብ መጋዘን. በመጨረሻው ደረጃ የስርዓቱ አቅርቦት በተጠቃሚ በይነገጽ ላይ አፅንዖት በመስጠት የተገነባ ነው. McFadden የስዕሉ ሂደት በአጠቃላይ ተደጋጋሚ መሆኑን ይገነዘባል.

የ McFadden አቀራረብ ጥንካሬዎች መስፈርቶችን እና የሀብቶችን አስፈላጊነት ለመወሰን የንግድ መሪዎች ተሳትፎ ናቸው. datiማፅዳትና መሰብሰብ. ጉድለቶቹ አንድ ትልቅ ፕሮጀክት ለመከፋፈል ሂደት አለመኖሩ ነው የውሂብ መጋዘን በብዙ የተቀናጁ ደረጃዎች እና እ.ኤ.አ.

በንድፍ ውስጥ ጥቅም ላይ የዋለውን አካል እና የግንኙነት ሞዴሎችን ለመረዳት ችግር የውሂብ መጋዘን.

እኛን የሚመርጡን ለእኛ ቅርብ የሆኑት ብቻ አይደሉም ፡፡