Data Warehouse und ERP | ZENTRALDATENARCHIV: GESCHICHTE UND ENTWICKLUNGEN

ARCHIV DATA ZENTRAL: GESCHICHTE UND ENTWICKLUNGEN

Die beiden dominierenden Themen der Unternehmenstechnologie in den 90er Jahren sind
Staaten ich Data Warehouse und das ERP. Schon lange diese beiden Mächtigen
Strömungen waren Teile der Unternehmens-IT, ohne dies jemals getan zu haben
Kreuzungen. Es war fast so, als wären sie Materie und Antimaterie. Aber
Das Wachstum beider Phänomene führte unweigerlich zu einem
ihre Kreuzung. Unternehmen stehen heute vor dem Problem von
was tun mit ERP e Data Warehouse. Dieser Artikel wird veranschaulichen
Was sind die Probleme und wie werden sie von Unternehmen angegangen?
AM ANFANG…
Am Anfang war die Data Warehouse. Data Warehouse wurde geboren für
dem Transaktionsverarbeitungs-Anwendungssystem entgegenwirken.
In den frühen Tagen das Auswendiglernen der geben Es sollte so sein
nur ein kontrapunkt zu den verarbeitungsanwendungen von
Transaktionen. Aber heutzutage gibt es viel anspruchsvollere Visionen
als was a Data Warehouse. In der heutigen Welt die
Data Warehouse es wird in eine Struktur eingefügt, die
genannt Corporate Information Factory.
DIE UNTERNEHMENSINFORMATIONSFABRIK
(CIF)
Die Corporate Information Factory verfügt über architektonische Komponenten
Standard: eine Ebene der Code-Transformation und -Integration
welches integriert i geben während ich geben Sie bewegen sich aus der Umgebung von
Umweltanwendung der Data Warehouse des Unternehmens; ein
Data Warehouse des Unternehmens, in dem ich geben
detaillierte und integrierte Historien. Das Data Warehouse des Unternehmens dient als
Fundament, auf dem alle anderen Teile aufgebaut werden können
der Umgebung von Data Warehouse; einen Betriebsdatenspeicher (ODS).
Ein ODS ist eine Hybridstruktur, die einige Aspekte der Daten enthält
Warehouse und andere Aspekte einer OLTP-Umgebung; Data Marts, in denen ich
Verschiedene Abteilungen haben möglicherweise eine eigene Version der Daten
Lagerhaus; ein Data Warehouse der Erkundung, in der ich
Firmendenker können ihre Fragen stellen
72 Stunden ohne schädliche Wirkung auf Data Warehouse; und eine Erinnerung
in der Nähe der Linie, in der geben alt und geben Bulk-Detail kann sein
billig gelagert.
WO ERP MIT DEM KOMBINIERT
UNTERNEHMENSINFORMATIONSFABRIK
Das ERP wird an zwei Stellen mit der Corporate Information Factory zusammengeführt.
Zunächst als Basisanwendung (Baseline), die die
geben der Bewerbung an Data Warehouse. In diesem Fall geben,
als Nebenprodukt eines Transaktionsprozesses generiert,
werden integriert und geladen in die Data Warehouse des Unternehmens. Das
zweiter Verbindungspunkt zwischen ERP und CIF und dem ODS. In der Tat viele
In Umgebungen wird das ERP als klassisches ODS verwendet.
Wenn ERP als Kernanwendung verwendet wird, ist es
Das gleiche ERP kann auch in CIF als ODS verwendet werden. Im
Wenn das ERP jedoch in beiden Rollen verwendet werden soll, gibt es dort
Es muss eine klare Unterscheidung zwischen den beiden Einheiten sein. Mit anderen Worten,
Wenn ERP die Rolle der Kernanwendung und des ODS spielt, wird die
Zwei architektonische Einheiten müssen unterschiedlich sein. Wenn eine einzelne
Die Implementierung eines ERP versucht, beide Rollen zu spielen
Gleichzeitig wird es unvermeidlich Probleme in der
Design und Implementierung dieser Struktur.
SEPARATE ODS UND GRUNDLEGENDE ANWENDUNGEN
Es gibt viele Gründe, die zur Aufteilung von Komponenten führen
architektonisch. Vielleicht die aussagekräftigste Frage, um die zu trennen
Unterschiedliche Komponenten einer Architektur sind die einzelnen Komponenten
der Architektur hat seine eigene Sicht. Die Basisanwendung wird benötigt
für einen anderen Zweck als das ODS. Versuchen Sie zu überlappen
eine Basisanwendungsansicht auf die Welt eines ODS oder umgekehrt
Es ist keine richtige Art zu arbeiten.
Folglich ist das erste Problem eines ERP im CIF das von
Überprüfen Sie, ob zwischen Basisanwendungen und der Anwendung unterschieden wird
ODS.
DATENMODELLE IM UNTERNEHMEN
INFORMATIONSFABRIK
Kohäsion zwischen den verschiedenen Komponenten erreichen
Von der Architektur des CIF muss es ein Modell geben geben. Die
Modelle von geben dienen als Bindeglied zwischen den verschiedenen Komponenten
Architektur wie Basisanwendungen und ODS. DAS
Modelle von geben werden die "intellektuelle Roadmap", um die zu haben
richtige Bedeutung durch die verschiedenen architektonischen Komponenten des CIF.
Hand in Hand mit dieser Vorstellung ist die Idee, dass es sie geben sollte
sei ein großartiges und einzigartiges Modell von geben. Offensichtlich muss er
ein Modell von sein geben für jede der Komponenten und darüber hinaus dort
Es muss ein vernünftiger Weg sein, der die verschiedenen Modelle verbindet.
Jede Komponente der Architektur - ODS, Basisanwendungen,
Data Warehouse Firma, und so weiter .. - braucht seine eigene
Modell von geben. Und so muss es eine genaue Definition von geben
wie diese Modelle von geben sie sind miteinander verbunden.
BEWEGE ICH DATA DES ERP-DATUMS
WARENHAUS
Wenn der Ursprung des geben ist eine Basisanwendung und / oder ein ODS, wenn
ERP-Einfügungen i geben in Data Warehouse, eine solche Einfügung muss
treten auf der niedrigsten Ebene der "Granularität" auf. Rückblick oder
einfach aggregieren i geben wie sie herauskommen
von der Basisanwendung des ERP oder des ODS des ERP ist das nicht
das Richtige zu tun. DAS geben Details werden im Datum benötigt
Lager als Grundlage für den DSS-Prozess. Eine solche geben
Sie werden in vielerlei Hinsicht durch Data Marts und Explorations umgestaltet
des Restaurants Data Warehouse.
Die Verschiebung von geben aus der Basisanwendungsumgebung
des ERP an die Umgebung des Data Warehouse des Unternehmens erfolgt in a
einigermaßen entspannt. Diese Verschiebung geschieht danach
ca. 24 Stunden nach dem Update oder der Erstellung im ERP. Die Tatsache von
habe eine "faule" Bewegung der Götter geben in Data Warehouse
des Unternehmens erlaubt die geben aus dem ERP kommen, um "abzurechnen".
Sobald ich geben sind in der Basisanwendung hinterlegt,
dann kannst du dich sicher bewegen i geben des ERP
in der Firma. Ein weiteres Ziel dank Bewegung erreichbar
"Faule" Götter geben ist die klare Abgrenzung zwischen betrieblichen Prozessen und
DSS. Mit einer "schnellen" Bewegung der geben die Trennlinie
zwischen DSS und Betrieb bleibt vage.
Die Bewegung von geben aus dem ODS des ERP zu Data Warehouse
des Unternehmens erfolgt in der Regel in regelmäßigen Abständen
wöchentlich oder monatlich. In diesem Fall ist die Bewegung von
geben es basiert auf der Notwendigkeit, das Alte zu "reinigen" geben Historiker.
Natürlich enthält das ODS i geben die sind viel jünger
im Vergleich zu geben Historiker gefunden in Data Warehouse.
Die Verschiebung von geben in Data Warehouse es ist fast nie fertig
"Großhandel" (im Großhandel). Kopieren Sie eine Tabelle
aus der ERP-Umgebung zu Data Warehouse es ergibt keinen Sinn. Ein Ansatz
viel realistischer ist die Verschiebung ausgewählter Einheiten der geben.
Nur geben die sich seit der letzten Aktualisierung des Datums geändert haben
Lager sind diejenigen, die in den Daten verschoben werden sollen
Warenhaus. Ein Weg, um zu wissen, welche geben Sie wurden geändert
seit dem letzten update soll man sich die zeitstempel der ansehen geben
in der ERP-Umgebung gefunden. Der Designer wählt alle Änderungen aus
die seit dem letzten Update aufgetreten sind. Ein anderer Ansatz
ist es, Änderungserfassungstechniken zu verwenden geben. Mit
Diese Techniken werden Protokoll- und Journalbänder analysiert, um
Bestimmen Sie welche geben muss aus der ERP-Umgebung nach verschoben werden
Der der Data Warehouse. Diese Techniken sind am besten geeignet
Wie viele Protokolle und Journalbänder können aus den ERP-Dateien gelesen werden?
ohne weitere Auswirkungen auf die anderen Ressourcen des ERP.
ANDERE KOMPLIKATIONEN
Eines der Probleme mit ERP in CIF ist, was mit anderen passiert
Anwendungsquellen oder ai geben des ODS, der dazu beitragen muss
Data Warehouse aber sie sind nicht Teil der ERP-Umgebung. Angenommen
geschlossener Charakter von ERP, insbesondere SAP, der Versuch der Integration
Schlüssel aus externen Quellen von geben mit der geben das kommt vom ERP zum
Zeit sich zu bewegen i geben in Data Warehouse, es ist eine große Herausforderung.
Und wie viele genau sind die Wahrscheinlichkeiten, die ich geben von Anwendungen oder
ODS außerhalb der ERP-Umgebung werden in die Daten integriert
Warenhaus? Die Chancen stehen tatsächlich sehr hoch.
FINDEN DATA HISTORIK AUS ERP
Ein weiteres Problem mit dem geben des ERP ist das resultierende
von der Notwendigkeit zu haben geben Historiker innerhalb der Data Warehouse.
In der Regel die Data Warehouse Bedürfnisse geben Historiker. IS
In der Regel werden diese in der ERP-Technologie nicht gespeichert geben
historisch, zumindest nicht bis zu dem Punkt, an dem es am Datum benötigt wird
Warenhaus. Wenn eine große Menge von geben Historiker beginnen zu
zur ERP-Umgebung hinzugefügt werden, muss eine solche Umgebung sein
aufgeräumt. Angenommen, a Data Warehouse sollte
mit fünf Jahren geladen werden geben historisch, während das ERP die hält
maximal sechs Monate davon geben. Solange das Unternehmen zufrieden ist
sammle eine Vielzahl von geben historisch im Laufe der Zeit,
Dann gibt es keine Probleme bei der Verwendung des ERP als Quelle für die
Data Warehouse. Aber wenn die Data Warehouse deve andare
zurück in die Zeit und nimm Götter geben Historiker, die nicht gewesen sind
zuvor vom ERP gesammelt und gespeichert, dann von der ERP-Umgebung
wird ineffizient.
ERP UND METADATEN
Eine weitere Überlegung zu ERP und Data Warehouse Das ist es
zu vorhandenen Metadaten in der ERP-Umgebung. Sowie Metadaten
sie gehen von der ERP-Umgebung in die Data Warehouse,
Metadaten müssen auf die gleiche Weise verschoben werden. Darüber hinaus i
Metadaten müssen in Format und Struktur transformiert werden
benötigt die Infrastruktur der Data Warehouse. Es gibt einen großen
Unterschied zwischen Betriebsmetadaten und DSS-Metadaten. Die Metadaten
operativ sind vor allem für den Entwickler und für die
Programmierer. DSS-Metadaten sind in erster Linie für den Benutzer bestimmt
das endgültige. Die vorhandenen Metadaten in ERP-Anwendungen oder ODSs
Sie müssen konvertiert werden und diese Konvertierung ist nicht immer einfach
und direkt.
QUELLE DER ERP-DATEN
Wenn das ERP als Anbieter von verwendet wird geben für die Data Warehouse ci
es muss eine solide Schnittstelle sein, die i bewegt geben aus der Umwelt
ERP für die Umwelt Data Warehouse. Die Schnittstelle muss:
▪ einfach zu bedienen sein
▪ Zugriff gewähren auf geben des ERP
▪ nehmen Sie die Bedeutung von geben das sind im Begriff, bewegt zu werden
in Data Warehouse
▪ kennen die Einschränkungen von ERP, die in auftreten können
Zeitpunkt, zu dem Sie sich anmelden geben des ERP:
▪ referenzielle Integrität
▪ hierarchische Beziehungen
▪ implizite logische Beziehungen
▪ Anwendungskonvention
▪ alle Strukturen der geben vom ERP unterstützt und so weiter ...
▪ effizient beim Zugriff sein geben, durch:
▪ direkte Bewegung von geben
▪ Erwerb von Veränderungen geben
▪ Unterstützung des zeitnahen Zugriffs auf geben
▪ Verstehen Sie das Format der geben, und so weiter…
SCHNITTSTELLE MIT SAP
Es gibt zwei Arten von Schnittstellen: hausgemachte oder kommerzielle.
Einige der wichtigsten kommerziellen Schnittstellen umfassen:
▪ SAS
▪ Prims-Lösungen
▪ D2k und so weiter ...
MEHRFACHE ERP-TECHNOLOGIEN
Die ERP-Umgebung so zu behandeln, als wäre sie eine einzige Technologie
großer Fehler. Es gibt viele ERP-Technologien, jede mit ihrer eigenen
Stärken. Die bekanntesten Anbieter auf dem Markt sind:
▪ SAP
▪ Oracle Finanzen
▪ PeopleSoft
JD Edwards
▪ Banane
SAP
SAP ist die größte und vollständigste ERP-Software. Anwendungen
von SAP umfassen viele Arten von Anwendungen in vielen Bereichen. SAP hat
der Ruf zu sein:
▪ sehr groß
▪ sehr schwierig und teuer zu implementieren
▪ braucht viele Menschen und Berater
umgesetzt
▪ benötigt spezialisierte Mitarbeiter für die Implementierung
▪ Die Implementierung dauert lange
Darüber hinaus hat SAP den Ruf, sich selbst zu merken geben sehr
vorsichtig, was es für einen schwierig macht, auf sie zuzugreifen
Person außerhalb des SAP-Bereichs. Die Stärke von SAP soll sein
in der Lage, eine große Menge von zu erfassen und zu speichern geben.
SAP hat kürzlich seine Verlängerungsabsicht angekündigt
seine Anwendungen ai Data Warehouse. Es gibt viele Vor- und Nachteile
im Einsatz von SAP als Lieferant von Data Warehouse.
Ein Vorteil ist, dass SAP bereits installiert ist und dass die meisten
Berater kennen SAP bereits.
Die Nachteile von SAP als Lieferant von Data Warehouse sie sind
viele: SAP hat keine Erfahrung in der Welt der Data Warehouse
Wenn SAP der Lieferant von Data Warehouse, es ist notwendig, "herauszunehmen"
i geben von SAP al Data Warehouse. Datum eine SAP-Erfolgsbilanz von
Geschlossenes System, es ist unwahrscheinlich, dass es einfach ist, i von SAP zu bekommen
es (???). Es gibt viele ältere Umgebungen, die SAP unterstützen.
wie IMS, VSAM, ADABAS, ORACLE, DB2 und so weiter.
SAP besteht auf einem "hier nicht erfundenen" Ansatz. SAP will nicht
arbeiten Sie mit anderen Anbietern zusammen, um die Data Warehouse.
SAP besteht darauf, die gesamte Software selbst zu generieren.
Obwohl SAP ein großes und leistungsstarkes Unternehmen ist, ist die Tatsache von
Versuch, die Technologie von ELT, OLAP, Verwaltung der neu zu schreiben
System und sogar den Basiscode des dbms Es ist einfach verrückt.
Anstatt eine kooperative Haltung gegenüber Lieferanten einzunehmen
di Data Warehouse SAP verfolgt seit langem den Ansatz, dass
sie "wissen mehr". Diese Haltung hält den Erfolg zurück
SAP kann im Bereich von Data Warehouse.
Die Weigerung von SAP, externen Lieferanten den Zugang zu gewähren
schnell und anmutig zu ihnen geben. Das Wesen der Verwendung
un Data Warehouse ist leicht zugänglich geben. Die ganze Geschichte von SAP ist
basierend darauf, den Zugang zu erschweren geben.
Die mangelnde Erfahrung von SAP im Umgang mit großen Mengen von geben;
im Bereich der Data Warehouse es gibt Mengen von geben seitdem nie gesehen
SAP und diese großen Mengen von zu behandeln geben du musst einen haben
geeignete Technologie. SAP ist sich dessen offenbar nicht bewusst
technologische Barriere, die besteht, um in das Datenfeld einzutreten
Warenhaus.
Die Unternehmenskultur von SAP: SAP hat ein Unternehmen geschaffen
bei der Erlangung von i geben aus dem System. Aber um dies zu tun, müssen Sie haben
eine andere Mentalität. Traditionell waren das Softwareunternehmen
gut darin, Daten in eine Umgebung zu bringen, war nicht gut darin
Daten in die andere Richtung bringen. Wenn SAP dies kann
switch wird das erste Unternehmen sein, das dies tut.
Kurz gesagt, es ist fraglich, ob ein Unternehmen auswählen sollte
SAP als Lieferant von Data Warehouse. Es gibt sehr ernste Risiken
einerseits und sehr wenige Belohnungen andererseits. Aber es gibt noch einen anderen
Grund, der die Wahl von SAP als Datumslieferant erschwert
Warenhaus. Weil jedes Unternehmen das gleiche Datum haben sollte
Lager aller anderen Firmen? Das Data Warehouse ist das Herz
Wettbewerbsvorteil. Wenn jedes Unternehmen das gleiche übernahm
Data Warehouse es wäre schwierig, wenn nicht unmöglich,
einen Wettbewerbsvorteil erzielen. SAP scheint zu glauben, dass a
Data Warehouse es kann als Cookie gesehen werden und das ist a
weiteres Zeichen für ihre "Holen Sie sich die Daten
im".
Kein anderer ERP-Anbieter ist so dominant wie SAP.
Zweifellos wird es Unternehmen geben, die dem SAP-Pfad folgen
für ihre Data Warehouse aber vermutlich dieses Datum
SAP-Lager werden groß, teuer und sehr anspruchsvoll sein
Zeit für ihre Schaffung.
Diese Umgebungen umfassen Aktivitäten wie "Bankangestellte-Verarbeitung",
Verfahren für Flugreservierungen, Verfahren für Beschwerden
Versicherung und so weiter. Leistungsstärker war das Transaktionssystem,
offensichtlicher war die Notwendigkeit einer Trennung zwischen Betriebsprozess und
DSS (Decision Support System). Allerdings mit Ressourcensystemen
menschlich und persönlich, Sie sind nie mit großen Mengen von konfrontiert
Transaktionen. Und natürlich, wenn eine Person eingestellt wird
oder verlassen Sie das Unternehmen. Dies ist eine Aufzeichnung einer Transaktion.
Aber im Vergleich zu anderen Systemen, Personalwesen und
Persönlich haben einfach nicht viele Transaktionen. Daher in der
Systeme der menschlichen und persönlichen Ressourcen ist nicht ganz offensichtlich, dass es gibt
brauche ein DataWarehouse. In vielerlei Hinsicht diese Systeme
stellen den Zusammenschluss von DSS-Systemen dar.
Aber es gibt noch einen anderen Faktor, der berücksichtigt werden muss, wenn man muss
tun mit Datawarehouse und PeopleSoft. In vielen Umgebungen, ich geben
Personal- und Personalressourcen sind dem Geschäft untergeordnet
Hauptunternehmen. Die meisten Unternehmen arbeiten
Herstellung, Verkauf, Erbringung von Dienstleistungen und so weiter. DAS
Personal- und Personalressourcensysteme sind normalerweise zweitrangig (oder von
Unterstützung) zum Kerngeschäftsbereich des Unternehmens. Daher ist es
zweideutig und unbequem a Data Warehouse getrennt für die
Unterstützung der menschlichen und persönlichen Ressourcen.
PeopleSoft unterscheidet sich in dieser Hinsicht stark von SAP. Mit SAP ist es
zwingend, dass es eine gibt Data Warehouse. Mit PeopleSoft ist es nicht
dann so klar. Ein Data Warehouse ist bei PeopleSoft optional.
Das Beste, was man für die sagen kann geben PeopleSoft ist das Datum
Lager kann verwendet werden, um i zu speichern geben verwandt mit
alte menschliche und persönliche Ressourcen. Ein zweiter Grund für die
die ein Unternehmen nutzen möchte a Data Warehouse a
Zum Nachteil der PeopleSoft-Umgebung ist es, den Zugriff zu ermöglichen und
freier Zugang zu Analysewerkzeugen, ai geben von PeopleSoft. Aber
Zusätzlich zu diesen Gründen kann es Fälle geben, in denen es vorzuziehen ist, dies nicht zu tun
habe ein Datawarehouse für geben PeopleSoft.
Kurz gesagt
Es gibt viele Einblicke in die Konstruktion eines Datums
Lager in einer ERP-Software.
Einige davon sind:
▪ Es ist sinnvoll, a Data Warehouse das sieht nach irgendwas aus
sonst in der Branche?
▪ Wie flexibel ein ERP ist Data Warehouse Software?
▪ Ein ERP Data Warehouse Software kann ein Volumen von
geben die sich in einem "Data Warehouse Arena"?
▪ Wie hoch ist die Erfolgsbilanz des ERP-Anbieters?
mit Blick auf einfach und kostengünstig, in Bezug auf die Zeit, ai geben? (Was
ist die Erfolgsbilanz der ERP-Anbieter bei der Lieferung von kostengünstigen, auf
Zeit, einfach auf Daten zuzugreifen?)
▪ Wie ist das Verständnis der DSS-Architektur und der
"Corporate Information Factory" des ERP-Anbieters?
▪ ERP-Anbieter wissen, wie man es bekommt geben innerhalb
Umwelt, aber auch verstehen, wie man sie exportiert?
▪ Wie offen ist der ERP-Anbieter für aktuelle Instrumente?
Lagerung?
All diese Überlegungen müssen bei der Bestimmung berücksichtigt werden
wo soll ich das hinstellen Data Warehouse das wird hosten ich geben ERP und andere
geben. Im Allgemeinen, es sei denn, es gibt einen zwingenden Grund dafür
ansonsten wird empfohlen zu bauen Data Warehouse aus
aus der Umgebung des ERP-Anbieters.
KAPITEL 1
Übersicht über die BI-Organisation
Wichtige Punkte:
Die Informationsspeicher funktionieren umgekehrt
zur Business Intelligence (BI) -Architektur:
Unternehmenskultur und IT können den Erfolg einschränken
Aufbau von BI-Organisationen.
Technologie ist nicht länger der begrenzende Faktor für BI-Organisationen. Das
Problem für Architekten und Projektplaner ist nicht, wenn die
Technologie existiert, aber wenn sie die effektiv implementieren können
verfügbare Technologie.
Für viele Unternehmen a Data Warehouse es ist wenig mehr als eine Anzahlung
passives Verteilen i geben an Benutzer, die es brauchen. DAS geben
Sie werden aus den Quellsystemen extrahiert und in Zielstrukturen gefüllt
di Data Warehouse. Die geben Sie können auch mit dem Ganzen gereinigt werden
Glück. Es wird jedoch auch kein zusätzlicher Wert hinzugefügt
gesammelt von geben während dieses Prozesses.
Im Wesentlichen liefert passives DW bestenfalls
nur ich geben sauber und betriebsbereit für Benutzerverbände. Dort
Informationserstellung und analytisches Verständnis hängen davon ab
ausschließlich von Nutzern. Beurteilen Sie, ob die DW (Data Warehouse) entweder
Erfolg ist subjektiv. Wenn wir den Erfolg am beurteilen
Fähigkeit, effizient zu sammeln, zu integrieren und zu reinigen i geben
Unternehmen auf vorhersehbarer Basis, dann ist die DW ein Erfolg.
Auf der anderen Seite, wenn wir uns die Sammlung, die Konsolidierung und sie ansehen
Informationsverwertung der gesamten Organisation
Der DW ist ein Fehler. Ein DW liefert wenig oder keinen Wert von
Information. Infolgedessen sind Benutzer gezwungen, zu tun,
So entstehen Informationssilos. Dieses Kapitel präsentiert
eine vollständige Ansicht, um die Architektur von BI (Business) zusammenzufassen
Intelligenz) der Unternehmen. Beginnen wir mit einer Beschreibung von BI und
dann werden wir zu Diskussionen über Design und Design übergehen
Informationsentwicklung im Gegensatz zur einfachen Bereitstellung von i geben
an Benutzer. Die Diskussionen konzentrieren sich dann auf die Berechnung von
Wert Ihrer BI-Bemühungen. Wir schließen mit der Definition, wie IBM
adressiert die Architektur-BI-Anforderungen Ihrer Organisation.
Beschreibung der Architektur von
Organisation von BI
Leistungsstarke transaktionsorientierte Informationssysteme sind jetzt
auf der Tagesordnung in jedem großen Unternehmen, wie sie Ebene
effektiv der Spielplatz für Unternehmen auf der ganzen Welt.
Um wettbewerbsfähig zu bleiben, müssen Systeme jetzt analytisch analysiert werden
orientiert, die die Fähigkeit des Unternehmens durch Wiederentdeckung und revolutionieren können
unter Verwendung der Informationen, die sie bereits haben. Diese Systeme
Analytik beruht auf Verständnis aus dem Reichtum von geben
verfügbar. BI kann die Leistung aller Informationen verbessern
des Unternehmens. Unternehmen können Kundenbeziehungen verbessern und
Lieferanten, verbessern den Gewinn von Produkten und Dienstleistungen, generieren
neue und beste Angebote, Risikokontrolle und unter anderem
Die Einnahmen haben die Ausgaben drastisch gesenkt. Mit BI von Ihnen
Das Unternehmen beginnt endlich, Kundeninformationen zu verwenden
als wettbewerbsfähiges Kapital dank Anwendungen, die Ziele haben von
Markt.
Das richtige Geschäft zu haben bedeutet, endgültige Antworten zu haben
Schlüsselfragen wie:
▪ Welche von uns Kundschaft Sie bringen uns dazu, mehr zu verdienen, oder dort
senden sie mit Verlust?
▪ Wo unsere Besten leben Kundschaft in Bezug auf Geschäft/
Lager sie häufig?
▪ Welche unserer Produkte und Dienstleistungen können am meisten verkauft werden?
effektiv und an wen?
▪ Welche Produkte können am effektivsten und an wen verkauft werden?
▪ Welche Verkaufskampagne war am erfolgreichsten und warum?
▪ Welche Vertriebskanäle sind für welche Produkte am effektivsten?
▪ Wie wir die Beziehungen zu unseren Besten verbessern können Kundschaft?
Die meisten Unternehmen haben geben grob zu beantworten
diese Fragen.
Betriebssysteme erzeugen große Produktmengen von
Kunde und geben Markt von Verkaufsstellen, Buchungen,
von Kundendienst- und technischen Support-Systemen. Die Herausforderung ist
Extrahieren und nutzen Sie diese Informationen.
Viele Unternehmen nutzen nur kleine Bruchteile geben
für strategische Analysen.
I geben verbleibend, oft verbunden mit i geben resultierend aus externen Quellen wie i
"Regierungsberichte" und andere gekaufte Informationen sind eine davon
Goldmine, die nur darauf wartet, erkundet zu werden, ei geben Muss
nur im informativen Kontext von Ihnen verfeinert werden
Organisation.
Dieses Wissen kann auf verschiedene Arten und Variationen angewendet werden
von der Gestaltung einer allgemeinen Unternehmensstrategie bis hin zu
persönliche Kommunikation mit Lieferanten über Call Center,
Fakturierung, Internet und andere Punkte. Das heutige Geschäftsumfeld diktiert es
dass sich DW und verwandte BI-Lösungen weiterentwickeln
die Ausführung traditioneller Strukturen von geben was ich geben normalisiert auf
Atomic Level und "Star / Cube Farms".
Was benötigt wird, um wettbewerbsfähig zu bleiben, ist eine Fusion von
traditionelle und fortschrittliche Technologie zur Unterstützung von a
riesige analytische Landschaft.
Schließlich muss das allgemeine Umfeld das Wissen verbessern
des gesamten Unternehmens, um sicherzustellen, dass die ergriffenen Maßnahmen
Infolge der durchgeführten Analysen sind sie nützlich, so dass es jeder tut
Vorteil.
Nehmen wir zum Beispiel an, Sie ordnen Ihre Kundschaft in den Kategorien
hohes oder niedriges Risiko.
Wenn diese Informationen von einem Miningmodell generiert werden oder
andernfalls muss es in DW gestellt und zugänglich gemacht werden
jedermann, durch irgendeinen Zugang, wie ich
statische Berichte, Tabellenkalkulationen, Tabellen oder analytische Verarbeitung in
Linie (OLAP).
Derzeit jedoch viele dieser Art von Informationen
in den Silos von bleiben geben der Personen oder Abteilungen, die sie generieren
Die Analyse. Die Organisation als Ganzes hat wenig oder keine Sichtbarkeit
zum Verständnis. Nur durch Mischen dieser Art von Inhalten
Informationen in Ihrem Unternehmen DW können Sie die Silos der beseitigen
Informationen und erhöhen Sie Ihre Dw-Umgebung.
Es gibt zwei Haupthindernisse für die Entwicklung einer Organisation
von BI.
Erstens haben wir das Problem der Organisation selbst
der entsprechenden Vorschriften.
Obwohl wir bei Richtlinienänderungen nicht helfen können
Organisation können wir Ihnen helfen, die Komponenten von zu verstehen
eine BI-Organisation, ihre Architektur und wie die
Die IBM Technologie erleichtert die Entwicklung.
Das zweite Hindernis, das überwunden werden muss, ist der Mangel an Technologie
integriert und das Wissen einer Methode, die den gesamten Raum erinnert
von BI im Gegensatz zu nur einer kleinen Komponente.
IBM reagiert auf technologische Veränderungen
der Integration. Es liegt in Ihrer Verantwortung, ein Design bereitzustellen
selbstbewusst, befangen, gehemmt, unsicher, verlegen. Diese Architektur muss mit entwickelt werden
Technologie ausgewählt für die Integration ohne Einschränkungen oder zumindest mit
Technologie, die offenen Standards entspricht. Auch deine
Die Unternehmensleitung muss sicherstellen, dass das Unternehmen von Bi ist
nach dem Zeitplan durchgeführt und nicht zu erlauben
Entwicklung von Informationssilos aus Eigennutz
Agenden oder Ziele.
Dies bedeutet nicht, dass die BI-Umgebung nicht empfindlich dafür ist
auf die unterschiedlichen Bedürfnisse und Anforderungen verschiedener Benutzer reagieren; stattdessen bedeutet es
dass die Umsetzung dieser individuellen Bedürfnisse und Anforderungen ist
zum Nutzen der gesamten BI-Organisation durchgeführt.
Eine Beschreibung der Architektur der BI-Organisation kann
finden Sie auf Seite 9 in Abbildung 1.1. Die Architektur demonstriert
eine reichhaltige Mischung aus Technologien und Techniken.
Aus traditioneller Sicht umfasst die Architektur die folgenden Komponenten
des Lagers
Atomschicht.
Dies ist das Fundament, das Herz der gesamten DW und damit der
strategische Berichterstattung.
I geben hier gespeichert wird historische Integrität behalten, Berichte von
geben und schließen Sie die abgeleitete Metrik ein, sowie sauber zu sein,
integriert und mithilfe von Extraktionsvorlagen gespeichert.
Alle nachfolgenden Verwendungen dieser geben und verwandte Informationen ist
abgeleitet von dieser Struktur. Dies ist eine ausgezeichnete Quelle für
Extraktion von geben und für Berichte mit strukturierten SQL-Abfragen
Betriebsablage von geben oder Berichtsbasis von
geben(Betriebsdatenspeicher (ODS) oder Berichterstellung
Datenbank.)
Dies ist eine Struktur von geben speziell entwickelt für
technische Berichterstattung.
I geben gespeichert und über diese Strukturen übertragen werden kann schließlich
Verbreitung im Lager durch die Organisationszone (Staging)
Bereich), wo es für die strategische Berichterstattung verwendet werden könnte.
Bühnenbereich.
Die erste Station für die meisten geben bestimmt für die Umwelt von
Lager ist die Organisationszone.
Hier ich geben Sie werden integriert, gereinigt und in verwandelt geben nützlich, dass
füllt die Lagerstruktur
Date Marts.
Dieser Teil der Architektur repräsentiert die Struktur von geben gebraucht
speziell für OLAP. Das Vorhandensein der Datamarts, wenn i geben sie sind
im überlappenden Sternschema gespeichert geben
mehrdimensional in einer relationalen Umgebung oder in Aktenschränken
di geben proprietär von bestimmten OLAP-Technologie verwendet, wie die
DB2 OLAP Server ist nicht relevant.
Die einzige Einschränkung besteht darin, dass die Architektur die Verwendung von erleichtert geben
mehrdimensional.
Architektur umfasst auch kritische Technologien und Techniken von Bi
die unterschieden werden als:
Raumanalyse
Der Weltraum ist ein Informationsschub für den Analytiker und
Es ist wichtig, die Auflösung zu vervollständigen. Raum kann
repräsentieren die Informationen von Menschen, die in einem bestimmten leben
Standort sowie Informationen darüber, wo sich dieser Standort befindet
physisch im Vergleich zum Rest der Welt.
Um diese Analyse durchzuführen, müssen Sie zunächst Ihre Analyse durchführen
Informationen zu Längen- und Breitengradkoordinaten. Das ist es
als "Geokodierung" bezeichnet und muss Teil der Extraktion sein,
Transformation und der Ladevorgang (ETL) auf der Ebene
Ihres Lagers.
Data Mining.
Die Extraktion von geben ermöglicht unseren Unternehmen, die zu wachsen
Anzahl von Kundschaft, um Verkaufstrends vorherzusagen und zu ermöglichen
die Verwaltung der Beziehungen zu i Kundschaft (CRM), neben anderen Initiativen der
Gehirnverletzung erlitten hat.
Die Extraktion von geben es muss daher in die Strukturen von integriert werden
geben des DWHouse und unterstützt durch Lagerprozesse für
Feststellung des effektiven und effizienten Einsatzes von Technologie und
verwandte Techniken.
Wie in der BI-Architektur angegeben, ist die atomare Ebene des
Dwhouse ist wie Datamarts eine ausgezeichnete Quelle für geben
zur Extraktion. Die gleichen Strukturen müssen auch sein
Empfänger von Extraktionsergebnissen zur Feststellung der Verfügbarkeit für
breitestes Publikum.
Agenten.
Es gibt verschiedene Agenten, um den Client für jeden Punkt zu untersuchen, wie z
Betriebssysteme des Unternehmens und der gleichen dw. Diese Agenten können
fortgeschrittene neuronale Netze trainiert werden, um etwas darüber zu lernen
Trends für jeden Punkt, wie z. B. das zukünftige nachfragebasierte Produkt
bei Verkaufsförderungsmaßnahmen auf Regeln basierende Engines, auf die reagiert werden muss
un dato eine Reihe von Umständen oder sogar einfache Agenten, die
Sie melden Ausnahmen an "Top-Führungskräfte". Diese Prozesse tun es
in der Regel in Echtzeit vorhanden und muss daher
eng mit der Bewegung desselben gekoppelt sein geben.
Alle diese Strukturen von geben, Technologien und Techniken garantieren
dass Sie nicht die Nacht damit verbringen werden, eine Organisation der
Ihr BI.
Diese Aktivität wird in kleinen Schritten für kleine entwickelt
Punkte.
Jeder Schritt ist ein eigenständiger Projektaufwand und wird gemeldet
als Iteration in Ihrer dw- oder BI-Initiative. Die Iterationen
kann die Implementierung neuer Technologien umfassen, z
Beginnen Sie mit neuen Techniken, indem Sie neue Strukturen hinzufügen geben ,
Laden i geben zusätzlich oder mit der Erweiterung der Analyse
Ihre Umgebung. Dieser Absatz wird näher erläutert
ausführlich in Kapitel 3.
Neben den traditionellen Strukturen von Dw und den Werkzeugen von Bi gibt es noch andere
Funktionen Ihrer BI-Organisation, die Sie schulden
Design, wie:
Kundenberührungspunkte (Kundenberührungspunkte
Punkte).
Wie bei jeder modernen Organisation gibt es eine Reihe von
Kundenkontaktpunkte, die angeben, wie Sie eine Erfahrung machen können
positiv für deine Kundschaft. Es gibt traditionelle Kanäle wie i
Händler, Telefonist, Direktwerbung, Multimedia und Druck
Werbung sowie die aktuellsten Kanäle wie E-Mail und Web, i geben
Produkte mit einem Kontaktpunkt müssen erworben werden,
transportiert, gereinigt, transformiert und dann in Strukturen von bevölkert geben des
Gehirnverletzung erlitten hat.
Grundlagen von geben Betriebs- und Benutzerverbände (Operational
Datenbanken und Benutzergemeinschaften).
Am Ende der Kontaktpunkte der Kundschaft Sie finden die Grundlagen von geben
Anwendung des Unternehmens und der Benutzergemeinschaften. DAS geben vorhanden
sie sind geben traditionell, das wieder vereint und mit dem verschmolzen werden muss geben dass
fließen von den Kontaktpunkten, um die notwendigen zu befriedigen
Informationen.
Analysten. (Analysten)
Der Hauptnutznießer der BI-Umgebung ist der Analyst. Er ist es, der
profitiert von der aktuellen Extraktion von geben betriebsbereit, integriert mit
verschiedene Quellen von geben , ergänzt durch Funktionen wie Analyse
geografisch (Geokodierung) und in BI-Technologien dargestellt, dass
Ermöglichen das Extrahieren, OLAP, erweiterte SQL-Berichte und -Analysen
geografisch. Die primäre Schnittstelle für den Analysten zur Umgebung von
Reporting ist das BI-Portal.
Der Analyst ist jedoch nicht der einzige, der von der Architektur des
Gehirnverletzung erlitten hat.
Führungskräfte, große Benutzerverbände und sogar Partner, Lieferanten und i
Kundschaft Sie sollten Vorteile in Enterprise BI finden.
Rückspeiseschleife.
Die BI-Architektur ist eine Lernumgebung. Ein Prinzip
charakteristisch für die entwicklung ist es, dauerhafte strukturen von zu ermöglichen geben
durch verwendete BI-Technologie und durch Aktionen aktualisiert werden
Benutzer intrapese. Ein Beispiel ist die Bewertung der
Kunde (Kundenbewertung).
Wenn die Verkaufsabteilung ein Bergbaumodell erstellt
von den Bewertungen des Kunden, einen neuen Dienst zu nutzen, dann die
Die Verkaufsabteilung sollte nicht die einzige Nutznießergruppe sein
des Dienstes.
Stattdessen sollte das Bergbaumodell als Teil erstellt werden
natürlicher Datenfluss innerhalb des Unternehmens und die Ergebnisse des Kunden
es sollte ein integraler Bestandteil der Informationsumgebung der
Lager, für alle Benutzer sichtbar. Die IBM Suite von Bi-Bi-Centric
einschließlich DB2 UDB enthält DB2 OLAP Server die meisten
Teil der wichtigen Komponenten der Technologie, in der Abbildung definiert
1.1
Wir verwenden Architektur, wie sie in dieser Buchfigur für erscheint
Geben Sie uns ein Maß an Kontinuität und zeigen Sie, wie jedes Produkt
von IBM passen zum allgemeinen Schema von BI.
Bereitstellung des Informationsinhalts (Bereitstellung
Informationsgehalt)
Das Entwerfen, Entwickeln und Implementieren Ihrer BI-Umgebung ist
eine mühsame Operation. Das Design muss so viel umfassen
aktuelle und zukünftige Geschäftsanforderungen. Das Design der Architektur
Es muss vollständig sein, um alle gefundenen Schlussfolgerungen aufzunehmen
während der Entwurfsphase. Die Ausführung muss bleiben
einem einzigen Zweck verpflichtet: die Entwicklung der BI-Architektur
wie in der Zeichnung formell dargestellt und auf der Grundlage der Anforderungen von
Geschäft.
Es ist besonders schwierig zu argumentieren, dass Disziplin die Sicherheit gewährleisten wird
relativer Erfolg.
Dies ist einfach, da Sie keine gesamte BI-Umgebung entwickeln
auf einmal, aber es geschieht in kleinen Schritten im Laufe der Zeit.
Das Identifizieren der BI-Komponenten Ihrer Architektur ist jedoch
wichtig aus zwei Gründen: Sie leiten alle nachfolgenden Entscheidungen
Architekturtechniken.
Sie können einen bestimmten Einsatz von Technologie bewusst gestalten
obwohl Sie möglicherweise keinen Repräsentanten bekommen, der das braucht
Technologie für mehrere Monate.
Das ausreichende Verständnis Ihrer Geschäftsanforderungen wirkt sich auf den Typ aus
von Produkten, die Sie für Ihre Architektur erwerben.
Das Design und die Entwicklung Ihrer Architektur sorgen dafür
dass Ihr Lager ist
kein zufälliges Ereignis, sondern ein "gut durchdachtes",
sorgfältig konstruierte Anzeige opera der Kunst als Mosaik von
gemischte Technologie.
Entwerfen Sie den Informationsgehalt
Alle anfänglichen Planungen müssen sich konzentrieren und identifizieren
Hauptkomponenten von BI, die von der Umgebung benötigt werden
allgemein in der Gegenwart und in der Zukunft.
Es ist wichtig, die Geschäftsanforderungen zu kennen.
Noch bevor die konventionelle Planung beginnt, wird die
Der Projektplaner kann häufig einen oder zwei identifizieren
Komponente sofort.
Das Gleichgewicht der Komponenten, die für die
Ihre Architektur ist jedoch nicht leicht zu finden.
Während der Entwurfsphase der Hauptteil der Architektur
bindet die Anwendungsentwicklungssitzung (JAD) an eine Suche
Geschäftsanforderungen zu identifizieren.
Manchmal können diese Anforderungen ausgelagert werden
Anfragen und Berichterstattung.
Beispielsweise erklären Benutzer dies, wenn sie automatisieren möchten
Derzeit muss ein Bericht manuell durch Integration generiert werden
zwei Stromverhältnisse und Addition der aus abgeleiteten Berechnungen
Kombination von geben.
Diese Anforderung ist zwar einfach, definiert jedoch eine bestimmte
Funktionalität der Funktion, die Sie angeben müssen, wenn
Kaufen Sie Berichterstellungstools für Ihr Unternehmen.
Der Designer muss auch zusätzliche Anforderungen für verfolgen
ein vollständiges Bild bekommen. Benutzer möchten abonnieren
dieser Bericht?
Die Teilmengen des Berichts werden generiert und per E-Mail an die verschiedenen gesendet
Benutzer? Möchten Sie diesen Bericht auf dem Unternehmensportal sehen?
All diese Anforderungen sind Teil des einfachen Bedarfs an
Ersetzen Sie einen manuellen Bericht nach Bedarf der Benutzer. Der Vorteil
Zu diesen Anforderungen gehören alle, Benutzer und Designer
ein Verständnis des Konzepts der Berichte.
Es gibt jedoch andere Arten von Unternehmen, die wir planen müssen.
Wenn die Geschäftsanforderungen in Form von angegeben sind
Geschäftsstrategische Fragen, das ist für den erfahrenen Designer einfach
Erkennen Sie die Maß- / Fakten- und Maßanforderungen.
Abbildung 1.2 zeigt Mess- und Maßkomponenten von a
Geschäftsproblem.
Wenn JAD-Benutzer nicht wissen, wie sie ihre Anforderungen deklarieren sollen
In Form eines Geschäftsproblems wird der Designer häufig zur Verfügung stellen
Beispiele zum Überspringen der Erfassungssitzung
Anforderungen.
Der erfahrene Designer kann Benutzern helfen, mehr als nur das zu verstehen
strategischer Handel, aber auch wie man ihn trainiert.
Der Ansatz zum Sammeln von Anforderungen wird in Kapitel 3 erörtert. zum
Jetzt möchten wir nur noch auf die Notwendigkeit hinweisen, für alle zu entwerfen
die Arten von BI-Anforderungen
Ein strategisches Geschäftsproblem ist nicht nur eine Voraussetzung
Geschäft, aber auch ein Design-Hinweis. Wenn du antworten musst
zu einer mehrdimensionalen Frage muss man sich dann merken,
einreichen i geben Abmessungen, und wenn Sie i speichern müssen
geben mehrdimensional müssen Sie entscheiden, welche Art von Technologie oder
Technik, die Sie anwenden werden.
Implementieren Sie ein reserviertes Würfelsternschema oder beides?
Wie Sie sehen, sogar ein einfaches Geschäftsproblem
kann einen erheblichen Einfluss auf das Design haben. jedoch
Diese Art von Geschäftsanforderungen sind normal und natürlich zumindest
von erfahrenen Designern und Projektplanern.
Es gab genügend Debatten über die Technologien und die Unterstützung von
OLAP und eine breite Palette von Lösungen sind verfügbar. Bis jetzt
Wir erwähnten die Notwendigkeit, einfache Berichterstattung mit i zu kombinieren
dimensionale Anforderungen des Geschäfts, und wie diese Anforderungen
technische Architekturentscheidungen beeinflussen.
Aber was sind die Anforderungen, die nicht ohne weiteres verstanden werden
von Benutzern oder vom DW-Team? Sie werden die Analyse niemals brauchen
räumlich (räumliche Analyse)?
Die Bergbaumodelle von geben Sie werden ein notwendiger Teil von Ihnen sein
Zukunft? Wer weiß?
Es ist wichtig zu beachten, dass diese Arten von Technologien nicht viel sind
bekannt durch die allgemeinen Benutzergemeinschaften und Teammitglieder von
Dw, teilweise könnte dies passieren, weil sie typischerweise
Sie werden von internen oder externen technischen Experten bearbeitet. Es ist ein
Extremfall der Probleme, die diese Art von Technologien verursachen. Selbst
Benutzer können Geschäftsanforderungen nicht beschreiben oder einrahmen
Um Designern Richtlinien zu geben, können sie
unbemerkt bleiben oder, schlimmer noch, einfach ignoriert werden.
Es wird problematischer, wenn der Designer und der Entwickler versagen
Sie können die Anwendung eines dieser fortgeschrittenen aber erkennen
kritische Technologien.
Wie wir oft gehört haben, sagten die Designer: „Nun, warum
Legen wir es nicht beiseite, bis wir das andere Ding bekommen?
„Interessieren sie sich wirklich für Prioritäten oder meiden Sie einfach i
Anforderungen, die sie nicht verstehen? Es ist höchstwahrscheinlich die letzte Hypothese.
Angenommen, Ihr Verkaufsteam hat eine Anforderung mitgeteilt
des Geschäfts, wie in Abbildung 1.3 angegeben, wie Sie sehen können, die
Die Anforderung wird in Form eines Geschäftsproblems festgelegt. Dort
Unterschied zwischen diesem Problem und dem typischen Dimensionsproblem ist
die Distanz. In diesem Fall möchte die Verkaufsgruppe wissen,
monatlich Gesamtumsatz mit Produkten, Lagern und
Kundschaft die innerhalb von 5 Meilen von dem Lager wohnen, in dem sie sich befinden
Sie kaufen.
Leider können Designer oder Architekten dies einfach
Ignorieren Sie die Raumkomponente, indem Sie sagen: „Wir haben den Kunden, den
Produkt und ich geben der Kaution. Wir halten den Abstand bis zu
eine weitere Iteration.
"Falsche Antwort. Diese Art von Geschäftsproblemen betrifft
ganz BI. Es repräsentiert ein tieferes Verständnis der
unser Geschäft und ein robuster Analysebereich für unsere Analysten.
BI geht über einfache Abfragen oder Standardberichte hinaus
sogar OLAP. Dies bedeutet nicht, dass diese Technologien dies nicht tun
sind wichtig für Ihr BI, aber allein repräsentieren sie nicht
die BI-Umgebung.
Design für den Informationskontext
(Entwerfen für Informationsinhalte)
Nachdem wir die Geschäftsanforderungen identifiziert haben, die sie auszeichnen
In einer Zeichnung müssen verschiedene grundlegende Komponenten enthalten sein
allgemeine Architektur. Einige der Komponenten von BI sind Teil von
von unseren anfänglichen Bemühungen, während einige nicht für umgesetzt werden
mehrere Monate.
Alle bekannten Anforderungen spiegeln sich jedoch im Design wider, so dass
Wenn wir eine bestimmte Technologie implementieren müssen, sind wir es
mach dich bereit dafür. Etwas an dem Projekt wird das Denken widerspiegeln
Traditionelle.
Zum Beispiel zeigt Abbildung 1.1 am Anfang des Kapitels ein Datum
Mart, der die hält geben dimensional.
Dieser Satz von geben wird verwendet, um spätere Verwendungen von zu unterstützen
geben dimensional angetrieben von den Business-Themen, die
wir haben identifiziert. Als zusätzliche Dokumente gelten
generiert, wie die Designentwicklung der gebenwir
wir werden anfangen zu formalisieren, wie ich geben Sie verbreiten sich in der Umwelt.
Wir haben die Notwendigkeit festgestellt, die zu vertreten geben so
dimensional, teilen sie (nach spezifischen Bedürfnissen
bestimmt) am Date Marts.
Die nächste zu beantwortende Frage lautet: Wie werden sie gebaut?
diese Data Marts?
Bauen Sie die Sterne, um die Würfel zu stützen, oder nur Würfel oder nur die Sterne?
(oder rechte Würfel oder rechte Sterne). Generieren Sie die Architektur für die Daten
abhängige Marts, die eine atomare Schicht für alle benötigen geben
erworben? Ermöglichen Sie unabhängigen Data Marts den Erwerb geben
direkt von Betriebssystemen?
Welche Würfeltechnologie werden Sie zu standardisieren versuchen?
Sie haben riesige Mengen an Göttern geben für die Dimensionsanalyse erforderlich
oder Sie benötigen Ihre nationalen Vertriebswürfel auf einem
wöchentlich oder auf beiden? Baue einen mächtigen Gegenstand
B. DB2 OLAP Server für Finanzen oder Cognos-Cubes
PowerPlay für Ihre Vertriebsorganisation oder beides?
Dies sind die großen architektonischen Entwurfsentscheidungen, die
Sie wirken sich von nun an auf Ihre BI-Umgebung aus. Jep,
Sie haben einen Bedarf an OLAP festgestellt. Wie werden Sie das jetzt tun?
Art der Technik und Technologie?
Wie sich einige der fortschrittlicheren Technologien auf Ihre auswirken
Zeichnungen? Wir gehen davon aus, dass Sie einen Bedarf festgestellt haben
Platz in Ihrer Organisation. Jetzt müssen Sie die anrufen
Architekturzeichnungen, wenn auch ungeplant von
Raumfahrtkomponenten für mehrere Monate durchzuführen. Der Architekt muss
Design heute basierend auf dem, was benötigt wird. Sagen Sie die Notwendigkeit voraus
räumliche Analyse, die erzeugt, speichert, durchführt und bereitstellt
Zugriff auf geben Platz. Dies sollte wiederum als
Einschränkungen hinsichtlich der Art der Technologie und der Spezifikationen
Softwareplattform, die Sie derzeit in Betracht ziehen können. Zum
Beispielsweise das Verwaltungssystem von Datenbank relationale
(RDBMS), die Sie für Ihre atomare Schicht ausführen müssen
eine robuste räumliche Erweiterung zur Verfügung. Dies würde die
maximale Leistung bei Verwendung von Geometrie und Objekten
Platz in Ihren analytischen Anwendungen. Wenn Ihr RDBMS dies nicht tut
kann mit i umgehen geben (räumlich zentriert) intern, also müssen Sie
Stabilisieren Sie ein Datenbank (räumlich zentriert) extern. Dies erschwert die
Verwalten von Editionen und Beeinträchtigen Ihrer Gesamtleistung,
ganz zu schweigen von den zusätzlichen Problemen, die für Sie entstanden sind
Datenbankadministratoren, da sie wahrscheinlich nur ein minimales Verständnis haben
der Grundlagen von geben Platz auch. Auf der anderen Seite, wenn Ihre
RDMBS behandelt alle räumlichen und verwandten Komponenten
Der Optimierer ist sich besonderer Bedürfnisse bewusst (z. B.
Indizierung) der räumlichen Objekte, dann können Ihre DBAs damit umgehen
Editionen sofort verwalten und Sie können die erhöhen
Leistung.
Außerdem müssen Sie den Staging-Bereich (Szenenbereich) und die Ebene anpassen
atomare Umgebung, um die Adressbereinigung einzuschließen (a
Schlüsselelement für die räumliche Analyse) sowie die folgenden
platzsparende Objekte. Die Aufeinanderfolge von Ausgaben von
Das Design wird fortgesetzt, nachdem wir den Begriff der Reinigung eingeführt haben
Adresse. Zum einen bestimmt diese App die Art von
Software, die für Ihre ETL-Bemühungen benötigt wird.
Sie benötigen Produkte wie Trillium, um eine Adresse zu erhalten
sauber oder ein ETL-Anbieter, den Sie ausgewählt haben, um dies bereitzustellen
Funktionalität?
Im Moment ist es wichtig, dass Sie das Niveau des Designs schätzen
Es muss abgeschlossen sein, bevor Sie mit der Erstellung beginnen
Umwelt (Lager). Die obigen Beispiele sollten
Demonstrieren Sie die Vielzahl der Entwurfsentscheidungen, die folgen müssen
die Identifizierung einer bestimmten Geschäftsanforderung. Wenn fertig
Richtig, diese Designentscheidungen fördern
die gegenseitige Abhängigkeit zwischen den physischen Strukturen Ihrer Umgebung, die
Auswahl der verwendeten Technologie und des Ausbreitungsflusses
Informationsgehalt. Ohne diese konventionelle Architektur
von BI unterliegt Ihre Organisation einer Mischung
bestenfalls chaotisch gegenüber bestehenden Technologien, so vereint
nicht genau, um scheinbare Stabilität zu gewährleisten.
Informationsinhalt pflegen
Den Wert von Informationen in Ihr Unternehmen zu bringen, ist
eine sehr schwierige Operation. Ohne ausreichendes Verständnis
und Erfahrung oder richtige Planung und Zeichnung, auch die
bessere Teams würden scheitern. Auf der anderen Seite, wenn Sie eine große haben
Intuition und ein detailliertes Design, aber keine Disziplin für
Ausführung, Sie haben nur Ihr Geld und Ihre Zeit verschwendet
weil deine Anstrengung zum Scheitern verurteilt ist. Die Nachricht sollte
Seien Sie klar: Wenn Sie eines oder mehrere davon vermissen
Fähigkeiten, Verständnis / Erfahrung oder Planung / Zeichnen o
Implementierungsdisziplin, dies führt zu Krüppel oder
zerstören den Aufbau der BI-Organisation.
Ist Ihr Team genug vorbereitet? Da ist jemand bei dir
BI-Team, das die riesige analytische Landschaft versteht
in BI-Umgebungen in den erforderlichen Techniken und Technologien
diese Landschaft zu bewirken? Es ist jemand in Ihrem Team
die den Anwendungsunterschied zwischen fortgeschritten erkennen kann
statische Berichterstattung und OLAP oder die Unterschiede zwischen ROLAP und OLAP? Einer der
Ihre Teammitglieder erkennen den Weg deutlich
extrahieren und wie es das Lager beeinflussen könnte oder wie
Kann das Lager die Mining-Leistung unterstützen? Ein Mitglied
des Teams versteht den Wert von geben Raum oder Technologie
agentenbasiert? Haben Sie jemanden, der die einzigartige Anwendung schätzt?
von ETL-Tools versus Broker-Technologie
Botschaft? Wenn Sie es nicht haben, besorgen Sie sich eines. BI ist viel mehr
groß einer normalisierten Atomschicht, von OLAP, der Schemata a
Stern und ein ODS.
Haben Sie das Verständnis und die Erfahrung, um die Anforderungen zu erkennen
von BI und ihren Lösungen ist für Ihre Fähigkeiten von wesentlicher Bedeutung
Benutzeranforderungen und Design richtig formalisieren
und führen ihre Lösungen durch. Wenn Ihre Benutzergemeinschaft hat
Schwierigkeiten bei der Beschreibung der Anforderungen, es ist die Aufgabe des Teams
Lager bieten dieses Verständnis. Aber wenn das Team von
Lagerhaus
erkennt die spezifische Anwendung von BI nicht an - zum Beispiel gegeben
Mining - dann ist es nicht das Beste, was BI-Umgebungen tun
oft beschränkt auf passive Einlagen. Ignorieren Sie diese jedoch
Technologien mindern nicht ihre Bedeutung und ihre Wirkung
über die Entstehung Ihrer Business-Intelligence-Möglichkeiten
Organisation sowie die von Ihnen entworfene Informationsstruktur
befördern.
Das Design muss den Begriff Design enthalten, hrsg
beide erfordern eine kompetente Person. Darüber hinaus das Design
Es erfordert eine Team-Werehouse-Philosophie und Beobachtung
von Standards. Zum Beispiel, wenn Ihr Unternehmen eine eingerichtet hat
Standardplattform oder hat ein bestimmtes RDBMS identifiziert, das Sie
plattformübergreifend standardisieren wollen, droht das
Jeder im Team hält sich an diese Standards. Im Allgemeinen eine
Das Team macht den Benutzer auf die Notwendigkeit einer Normalisierung aufmerksam
Kommuniten), aber das Team selbst ist nicht bereit, sich dem anzuschließen
Standards, die in anderen Bereichen des Unternehmens oder vielleicht sogar in der
ähnliche Unternehmen. Dies ist nicht nur hyporkritisch, sondern stellt auch sicher, dass das Unternehmen dies nicht tut
ist in der Lage, vorhandene Ressourcen und Investitionen zu nutzen. Es bedeutet nicht
dass es keine Situationen gibt, die eine Plattform oder eine garantieren
Nicht-Standard-Technologie; jedoch die Bemühungen des Lagers
Sie sollten eifersüchtig die Standards des Unternehmens bis zu schützen
Diese Geschäftsanforderungen schreiben nichts anderes vor.
Die dritte Schlüsselkomponente, die zum Erstellen eines BI benötigt wird
Organisation ist die Disziplin.
Es hängt insgesamt gleichermaßen vom Einzelnen und von der Umwelt ab.
Projektplaner, Sponsoren, Architekten und Benutzer müssen das zu schätzen wissen
Disziplin notwendig, um die Informationsstruktur des Unternehmens aufzubauen.
Designer müssen ihre Designbemühungen so ausrichten, dass
andere notwendige Anstrengungen in der Gesellschaft zu vervollständigen.
Angenommen, Ihr Unternehmen erstellt eine
ERP-Anwendung mit einer Lagerkomponente.
Es liegt also in der Verantwortung der ERP-Designer, mit dem zusammenzuarbeiten
Lagerumgebungsteam, um auch nicht zu konkurrieren
Doppelarbeit bereits begonnen.
Disziplin ist auch ein Thema, das besetzt werden muss
von der gesamten Organisation und wird in der Regel gegründet und anvertraut a
Führungsebene.
Sind Führungskräfte bereit, sich an einen bestimmten Ansatz zu halten? EIN
Ansatz, der verspricht, Informationsinhalte zu erstellen, die dem
Ende wird Wert in allen Bereichen des Unternehmens bringen, aber vielleicht
Beeinträchtigt es Einzelpersonen oder Abteilungsagenden? Erinnere dich an das Sprichwort
„Über alles nachzudenken ist wichtiger als über eine Sache nachzudenken“.
Dieses Sprichwort gilt für BI-Organisationen.
Leider konzentrieren sich viele Lager auf ihre Bemühungen
versuchen, eine bestimmte Abteilung oder zu einer bestimmten Abteilung anzusprechen und Wert zu bringen
bestimmte Benutzer, mit ein wenig Rücksicht auf die Organisation in
Allgemeines. Angenommen, die Exekutive bittet um Unterstützung von der
werehouse. Das Team antwortet mit 90 Arbeitstagen
umfasst nicht nur die Lieferung der von der
Executive, aber sorgt dafür, dass alle geben Basis sind in der Ebene gemischt
atomar vor der Einführung in die Würfeltechnologie
Vorschlag.
Diese technische Ergänzung stellt sicher, dass die Firma
werehouse wird davon profitieren geben notwendig für den Manager.
Die Exekutive sprach jedoch mit externen Beratungsunternehmen darüber
haben einen ähnlichen Antrag mit Lieferung in weniger als 4 vorgeschlagen
Wochen.
Vorausgesetzt, das hauseigene Werehouse-Team ist kompetent
Exekutive hat die Wahl. Wer kann die Disziplin von unterstützen
Zusätzliche Technik erforderlich, um das Gute zu kultivieren
informatives Unternehmen oder können wählen, ihre eigenen durchzuführen
Lösung schnell. Letzteres scheint wirklich gewählt zu sein
zu oft und dient nur dazu, Informationscontainer von zu erstellen
die nur wenigen oder den einzelnen zugute kommen.
Kurz- und langfristige Ziele
Architekten und Projektplaner müssen einen formalisieren
langfristige Sicht auf die allgemeine Architektur und Pläne für
zu einer BI-Organisation heranwachsen. Diese Kombination von
kurzfristiger Gewinn und langfristige Planung
repräsentieren die beiden Gesichter der BI-Bemühungen. Der Gewinn auf kurze Sicht
Ablauf ist die Facette von BI, die mit Iterationen des verknüpft ist
Ihr Lager.
Hier konzentrieren sich Planer, Architekten und Sponsoren
bestimmte kommerzielle Anforderungen erfüllen. Es ist auf dieser Ebene, wo die
physische Strukturen werden gebaut, Technologie wird gekauft und die
Techniken werden implementiert. Sie sind keineswegs dafür gemacht, damit umzugehen
spezifische Anforderungen, wie sie von bestimmten Benutzergemeinschaften definiert werden.
Alles wird getan, um bestimmte definierte Anforderungen zu erfüllen
aus einer bestimmten Gemeinschaft.
Langfristige Planung ist jedoch die andere Facette
von BI. Hier haben die Pläne und Projekte dafür gesorgt
baute jede physikalische Struktur, die ausgewählten Technologien und die
Techniken mit Blick auf das Unternehmen gemacht. Und die
langfristige Planung, die für Zusammenhalt sorgt
notwendig, um sicherzustellen, dass die geschäftlichen Vorteile von allen profitieren
die kurzfristigen Gewinne gefunden.
Begründen Sie Ihren BI-Aufwand
Un Data Warehouse für sich genommen hat es keinen inhärenten Wert. In anderen
Worte, es gibt keinen inhärenten Wert unter den Technologien von
Lager- und Implementierungstechniken.
Der Wert eines Lageraufwands wird in den Aktionen ermittelt
durchgeführt als Ergebnis der Lagerumgebung und des Inhalts
informativ im Laufe der Zeit gewachsen. Dies ist ein kritischer Punkt zu verstehen
bevor Sie jemals versuchen, den Wert einer Initiative abzuschätzen
wohaus.
Zu oft versuchen Architekten und Planer, Wert darauf zu legen
physische und technische Komponenten des Lagers, wenn der Wert tatsächlich ist
gegründet mit Geschäftsprozessen, die positiv beeinflusst werden von
Lager und gut erworbene Informationen.
Hier liegt die Herausforderung, BI zu gründen: Wie rechtfertigen Sie die Investition?
Wenn das Wherehouse selbst keinen inneren Wert hat, sind die Designer von
Das Projekt muss die Vorteile untersuchen, definieren und formalisieren
erreicht von den Personen, die das Lager für nutzen werden
Verbesserung bestimmter Geschäftsprozesse oder des Werts von
geschützte Informationen oder beides.
Um die Sache zu komplizieren, jeder kommerzielle Prozess
Betroffen von Lagerbemühungen könnten Vorteile bringen
"Beträchtlich" oder "mild". Beträchtliche Vorteile bieten einen
greifbare Metrik zur Messung des Return on Investment (ROI) - Anzeige
Drehen Sie beispielsweise das Inventar während eines Zeitraums eine zusätzliche Zeit um
spezifisch oder für niedrigere Transportkosten pro Sendung. Es ist mehr
Es ist schwierig, die geringfügigen Vorteile wie den verbesserten Zugang zu zu definieren
Informationen in Bezug auf den materiellen Wert.
Verbinden Sie Ihr Projekt, um das zu erfahren
Geschäftsanfragen
Zu oft versuchen Projektdesigner, Werte zu verknüpfen
des Lagers mit amorphen Zielen der Firma. Indem ich das sage
„Der Wert eines Lagers basiert auf unserer Fähigkeit dazu
strategische Wünsche erfüllen “eröffnen wir die
Rede. Aber allein reicht nicht aus, um festzustellen, ob
Investitionen in Inventar sind sinnvoll. Es ist besser, Wiederholungen zu verbinden
Lager mit spezifischen und bekannten kommerziellen Anfragen.
Messung des ROI
Die Berechnung des ROI in einem Lager-Setup kann erfolgen
besonders schwierig. Es ist besonders schwierig, wenn der Vorteil
Prinzip einer bestimmten Wiederholung ist etwas Immaterielles oder
einfach zu messen. Eine Studie ergab, dass Benutzer wahrnehmen
Die beiden Hauptvorteile von BI-Initiativen:
▪ Erstellen Sie die Fähigkeit, Entscheidungen zu treffen
▪ Zugriff auf Informationen erstellen
Diese Vorteile sind weiche (oder milde) Vorteile. Es ist leicht zu sehen
Wie können wir einen ROI basierend auf einem harten Vorsprung berechnen (oder
größer) wie die Reduzierung der Transportkosten, aber wie
Messen wir die Fähigkeit, bessere Entscheidungen zu treffen?
Dies ist definitiv eine Herausforderung für Projektdesigner, wenn
Sie versuchen, das Unternehmen dazu zu bringen, in ein bestimmtes Unternehmen zu investieren
Lageraufwand. Umsatz steigern oder Kosten senken
Sie sind nicht mehr die zentralen Themen, die die BI-Umgebung bestimmen.
Stattdessen suchen Sie nach Zugriff auf Geschäftsanforderungen
besser zu informieren, damit eine bestimmte Abteilung kann
schnellere Entscheidungen treffen. Dies sind strategische Treiber für
Das ist genauso wichtig für das Geschäft, aber sie sind es
mehrdeutiger und schwieriger in einer greifbaren Metrik zu charakterisieren.
In diesem Fall kann die Berechnung des ROI täuschen, wenn nicht sogar irrelevant sein.
Projektplaner müssen in der Lage sein, Wert zu demonstrieren
für Führungskräfte greifbar, um zu entscheiden, ob sie investieren möchten
eine bestimmte Wiederholung gilt. Wir werden jedoch keinen neuen vorschlagen
Methode zur Berechnung des ROI, noch werden wir irgendwelche Pro oder Argumente tun
dagegen.
Es gibt viele Artikel und Bücher, in denen die Grundlagen für diskutiert werden
ROI berechnen. Es gibt spezielle Wertversprechen wie Wert
on Investment (YOU), angeboten von Gruppen wie Gartner, die Sie können
forschen. Stattdessen konzentrieren wir uns auf die Kernaspekte eines jeden
ROI oder andere Wertversprechen, die Sie berücksichtigen müssen.
ROI anwenden
Neben dem Argument über "harte" Vorteile gegenüber "leichten" Vorteilen
Im Zusammenhang mit BI-Bemühungen sind andere Aspekte zu berücksichtigen
wenn wir den ROI anwenden. Zum Beispiel:
Führen Sie zu viele Einsparungen auf die Bemühungen der DW zurück, die kommen würden
jedoch
Nehmen wir an, Ihr Unternehmen hat eine Architektur von
Mainframe zu einer verteilten UNIX-Umgebung. Also keine
Einsparungen, die durch diesen Aufwand erzielt werden können (oder auch nicht)
sollte nicht ausschließlich, wenn allen (?), dem zugeschrieben werden
Warenhaus.
Nicht alle Kosten berücksichtigen. Und es gibt viele Dinge von
berücksichtigen. Betrachten Sie die folgende Liste:
▪ Startkosten einschließlich Machbarkeit.
▪ Kosten für dedizierte Hardware mit zugehörigem Speicher e
Kommunikation
▪ Softwarekosten einschließlich Verwaltung von geben und Erweiterungen
Client / Server, ETL-Software, DSS-Technologien,
Visualisierungs-, Programmier- und Flow-Anwendungen
Arbeits- und Nachverfolgungssoftware.
▪ Strukturentwurfskosten gebenmit der Realisierung und
die Optimierung von
▪ Softwareentwicklungskosten, die direkt mit dem Aufwand verbunden sind
BI
▪ Kosten für die Unterstützung zu Hause, einschließlich der Optimierung von
Leistung, einschließlich Softwareversionskontrolle e
Hilfe Operationen
Wenden Sie den ROI „Urknall“ an.
Der Bau des Lagers als eine einzige und gigantische Anstrengung
ist zum Scheitern verurteilt und berechnet daher auch den ROI für eine Initiative
großes Unternehmen Das Angebot ist überraschend, und dass Designer
weiterhin schwache Versuche unternehmen, den Wert des Ganzen zu schätzen
Anstrengung.
Weil die Designer versuchen, einen Geldwert anzugeben
auf Geschäftsinitiative, wenn es allgemein bekannt und akzeptiert ist
Ist es schwierig, bestimmte Wiederholungen zu schätzen? Wie ist es möglich? Es ist nicht
mit wenigen ausnahmen möglich. Tu es nicht.
Nachdem wir festgelegt haben, was bei der Berechnung nicht zu tun ist
ROI, hier sind einige Punkte, die uns bei der Definition von helfen werden
Ein zuverlässiger Prozess zur Schätzung des Werts Ihrer BI-Bemühungen.
Einholung der Zustimmung des ROI. Unabhängig von deinem
Wahl der Technik, um den Wert Ihrer BI-Bemühungen abzuschätzen, muss
von allen Parteien, einschließlich der Projektplaner, vereinbart werden,
Sponsoren und Führungskräfte.
Reduzieren Sie den ROI auf identifizierbare Teile. Ein notwendiger Schritt in Richtung in
Eine vernünftige Berechnung eines ROI besteht darin, diese Berechnung auf einen zu konzentrieren
spezifisches Projekt. Auf diese Weise können Sie einen Wert schätzen
basierend auf spezifischen Geschäftsanforderungen, die erfüllt werden
Definieren Sie die Kosten. Wie bereits erwähnt, müssen zahlreiche Kosten anfallen
berücksichtigt. Darüber hinaus müssen die Kosten nicht nur die damit verbundenen Kosten umfassen
auf die einzelne Iteration, aber auch auf die damit verbundenen Kosten
die Gewährleistung der Einhaltung der Unternehmensstandards.
Vorteile definieren. ROI eindeutig mit Anforderungen verknüpfen
kommerziell sollten wir in der Lage sein, die zu identifizieren
Vorteile, die zur Erfüllung der Anforderungen führen.
Reduzieren Sie Kosten und Nutzen bei den kommenden Einnahmen. Es ist der Weg
Der beste Weg, um Ihre Bewertungen auf den Barwert zu stützen
(NPV) im Gegensatz zu dem Versuch, den zukünftigen Wert in vorherzusagen
zukünftige Einnahmen.
Halten Sie Ihre ROI-Zwischenzeit auf ein Minimum. IS '
gut dokumentiert auf lange Sicht wurde es in Ihrem verwendet
ROI.
Verwenden Sie mehr als eine ROI-Formel. Es gibt zahlreiche Methoden für die
ROI-Prognose und Sie sollten planen, ob Sie eine oder verwenden möchten
plus, einschließlich des Barwerts, der internen Geschwindigkeit der Rückgabe
(IRR) und Wiederherstellung.
Definieren Sie den wiederholbaren Prozess. Dies ist entscheidend für die Berechnung
jeder langfristige Wert. EIN
einzelner wiederholbarer Prozess für alle Projektsequenzen a
Folgen.
Die aufgeführten Probleme sind die häufigsten, die von Experten definiert wurden
der Werehouse-Umgebung. Das Beharren des Managements von
Es ist sehr verwirrend, einen „Big Bang“ -ROI zu erzielen. Wenn Sie alle anfangen
Ihre ROI-Berechnungen, indem Sie sie auf identifizierbare und greifbare Teile reduzieren, haben Sie
eine gute Chance, eine genaue ROI-Bewertung abzuschätzen.
Fragen zu den Vorteilen des ROI
Unabhängig von Ihren Vorteilen, weich oder hart, können Sie nutzen
einige grundlegende Fragen, um ihren Wert zu bestimmen. Zu
Beispiel mit einem einfachen Skalensystem, von 1 bis 10, Sie
Mit den folgenden Schritten können Sie die Auswirkungen von Anstrengungen erkennen
Fragen:
▪ Wie würden Sie das Verständnis von bewerten? geben im Anschluss daran
das Projekt Ihres Unternehmens?
▪ Wie würden Sie die Prozessverbesserungen als Ergebnis von schätzen?
dieses Projekt?
▪ Wie würden Sie jetzt die Auswirkungen neuer Erkenntnisse und Schlussfolgerungen messen?
durch diese Iteration verfügbar gemacht
▪ Welche Auswirkungen haben neue Computerumgebungen? E.
Leistung als Ergebnis dessen, was gelernt wurde?
Wenn die Antworten auf diese Fragen wenige sind, ist es möglich, dass
Das Unternehmen ist die getätigte Investition nicht wert. Fragen mit einem hohen
Punkte für signifikante Wertzuwächse und sollten
dienen als Leitfaden für weitere Untersuchungen.
Zum Beispiel eine hohe Punktzahl für Prozessverbesserungen
Es sollte die Designer veranlassen, zu untersuchen, wie die Prozesse ablaufen
wurde verbessert. Sie können feststellen, dass einige oder alle der erzielten Gewinne
Sie sind greifbar und daher kann ein Geldwert leicht sein
angewendet.
Optimale Nutzung der ersten Iteration des
Lagerhaus
Das größte Ergebnis Ihrer geschäftlichen Bemühungen ist oft in der
erste paar Iterationen. Diese ersten Bemühungen traditionell
den nützlichsten Informationsgehalt für die Öffentlichkeit festlegen e
legt Hilfe für die technologische Grundlage für nachfolgende fest
BI-Anwendungen.
In der Regel jede nachfolgende Teilfolge von geben des Projekts von
Lager bringen dem Unternehmen in immer weniger Mehrwert
Allgemeines. Dies gilt insbesondere dann, wenn die Iteration dies nicht tut
fügt neue Themen hinzu oder entspricht nicht den Anforderungen eines neuen
Benutzergemeinschaft.
Diese Aufbewahrungsfunktion gilt auch für Batterien
Erhöhung von geben Historiker. Da nachfolgende Bemühungen mehr erfordern
geben und wie mehr geben werden im Laufe der Zeit in das Lager gegossen, die meisten von
geben es wird für die verwendete Analyse weniger relevant. Diese geben sie sind
oft angerufen geben döste ein und es ist immer teuer, sie zu behalten, weil
Sie werden fast nie benutzt.
Was bedeutet das für Projektsponsoren? Im Wesentlichen ich
Erstsponsoren teilen sich mehr als die Investitionskosten.
Dies ist primär, weil sie der Anstoß sind, die Schicht zu gründen
großes technologisches Umfeld und Lagerressourcen,
einschließlich Bio.
Aber diese ersten Schritte bringen den höchsten Wert und damit die Designer
müssen oft die Investition rechtfertigen.
Projekte, die nach Ihrer BI-Initiative erstellt wurden, können Kosten verursachen
niedriger (im Vergleich zum ersten) und direkt, aber weniger wert
An die Firma.
Und Organisationsinhaber müssen darüber nachdenken
werfen die Ansammlung von geben und weniger relevante Technologien.
Data Mining: Bergbau Geben
Zahlreiche architektonische Komponenten erfordern Variationen von
Data Mining-Technologien und -Techniken -
zum Beispiel die verschiedenen "Agenten" für die Prüfung der Punkte von Interesse der
Kundschaft, die Betriebssysteme des Unternehmens und für den gleichen dw. Diese
Agenten können fortgeschrittene neuronale Netze sein, auf die trainiert wird
Topftrends, wie zukünftige Produktnachfrage basierend auf
Verkaufswerbung; regelbasierte Engines für
auf ein Ganzes reagieren dato Umstände, zum Beispiel Diagnose
medizinische und Behandlungsempfehlungen; oder sogar einfache Agenten
mit der Rolle, Ausnahmen an leitende Angestellte zu melden (oben
Führungskräfte). Im Allgemeinen sind diese Extraktionsprozesse geben si
in Echtzeit überprüfen; deshalb müssen sie vereint sein
vollständig mit der Bewegung von geben selbst.
Online Analytic Processing Verarbeitung
Online Analytics
Die Fähigkeit zu schneiden, zu hacken, zu rollen, zu bohren
und führen Sie die Analyse durch
Was-wäre-wenn, liegt im Rahmen des Ziels der Suite
IBM Technologie. Zum Beispiel die analytischen Verarbeitungsfunktionen
Für DB2 gibt es Online (OLAP), das die Dimensionsanalyse in die
Motor von Datenbank stesso.
Funktionen fügen SQL währenddessen ein dimensionales Dienstprogramm hinzu
Nutzen Sie alle Vorteile eines natürlichen Bestandteils von DB2. Ein weiterer
Beispiel für die OLAP-Integration ist das Extraktionswerkzeug DB2
OLAP Server Analyzer. Diese Technologie ermöglicht die Würfel der
DB2 OLAP Server soll schnell und automatisch sein
analysiert, um Werte von zu identifizieren und darüber zu berichten geben ungewöhnlich oder unerwartet
im ganzen Würfel an den Handelsanalysten. Und schließlich die Funktionen der
Das DW Center bietet Architekten die Möglichkeit, unter anderem die Kontrolle zu behalten
andere Dinge, das Profil eines DB2 OLAP-Server-Cubes als Teil
Art der ETL-Prozesse.
Raumanalyse Raumanalyse
Der Raum repräsentiert die Hälfte der analytischen Anker (Leitung)
notwendig für ein Panorama
breite analytische (Zeit repräsentiert die andere Hälfte). Die atomare Ebene
(atomare Ebene) des Lagers, dargestellt in Abbildung 1.1,
es beinhaltet die Grundlagen von Zeit und Raum. Die Aufnahmen
der Zeitankeranalyse für Zeit- und Adressinformationen
Ankerraumanalyse. Zeitstempel (Zeitstempel)
Sie führen die Analyse rechtzeitig durch und die Adressinformationen führen
die Analyse nach Raum. Das Diagramm zeigt die Geokodierung - Prozess von
Konvertieren von Adressen in Punkte in einer Karte oder Punkte im Raum
so dass Konzepte wie Distanz und intern / extern sein können
in der Analyse verwendet - auf atomarer Ebene und räumliche Analyse durchgeführt
die dem Analysten zur Verfügung gestellt wird. IBM bietet Erweiterungen
Raum, entwickelt mit dem Environmental System Research Institute (ESRI),
al Datenbank DB2, damit räumliche Objekte sein können
als normaler Teil der gespeichert Datenbank relational. DB2
Spatial Extender bieten auch alle SQL-Erweiterungen für
räumliche Analyse ausnutzen. Zum Beispiel SQL-Erweiterungen von
Frage über
Abstand zwischen Adressen oder ob sich ein Punkt innerhalb oder außerhalb eines Bereichs befindet
polygonal definiert, sind ein analytischer Standard mit dem Spatial
Extender. Weitere Informationen finden Sie in Kapitel 16.
Datenbase-Resident Tools Tools Datenbase-
Resident
DB2 verfügt über viele BI-residente SQL-Funktionen, die dies unterstützen
in der Analyseaktion. Diese schließen ein:
▪ Rekursionsfunktionen zur Durchführung von Analysen, z. B. „Suchen
alle möglichen Flugrouten ab San Francisco a New York".
▪ Die Analysefunktionen für Ranking, kumulative Funktionen, Cube
und Rollups, um die normalerweise auftretenden Aufgaben zu erleichtern
Nur mit der OLAP-Technologie sind sie heute ein natürlicher Bestandteil der
Motor von Datenbank
▪ Die Möglichkeit, Tabellen zu erstellen, die Ergebnisse enthalten
Verkäufer von Datenbank Führungskräfte mischen mehr BI-Funktionen
in Datenbank Gleiche.
Die Hauptlieferanten von Datenbank Sie mischen mehr von der
BI-Funktionalität in der Datenbank Gleiche.
Dies bietet die beste Leistung und mehr Ausführungsoptionen für die
BI-Lösungen.
Die Merkmale und Funktionen von DB2 V8 werden erläutert
im Detail in den folgenden Kapiteln:
Grundlagen der technischen Architektur und des Datenmanagements
(Kapitel 5)
▪ DB2 BI-Grundlagen (Kapitel 6)
▪ DB2 Materialized Query Tables (Materialized Query)
Tabellen) (Kapitel 7)
▪ DB2 OLAP-Funktionen (Kapitel 13)
▪ DB2 Enhanced BI
Merkmale und Funktionen) (Kapitel 15)
Vereinfachtes Datenlieferungssystem
Liefersystem von geben Vereinfacht
Die in Abbildung 1.1 dargestellte Architektur umfasst mehrere
Strukturen geben physisch. Eines ist das Lagerhaus von geben Betriebs.
Im Allgemeinen ist ein ODS ein themenorientiertes,
integriert und aktuell. Würden Sie ein ODS zur Unterstützung erstellen, ad
Beispiel: das Verkaufsbüro. ODS-Verkäufe würden sich integrieren geben
kommen aus zahlreichen verschiedenen Systemen, würden aber nur ad behalten
Beispiel die heutigen Transaktionen. Das ODS kann aktualisiert werden
sogar mehrmals am Tag. Zur gleichen Zeit die Prozesse
drücke ich geben in andere Anwendungen integriert. Diese Struktur ist
speziell entwickelt, um zu integrieren geben aktuell und dynamisch e
wäre ein wahrscheinlicher Kandidat für eine Echtzeitanalyse,
wie man Service-Agenten bereitstellt Kundschaft Verkaufsinformationen
Ströme eines Kunden durch Extrahieren von Verkaufstrendinformationen
aus dem Lager selbst. Eine andere in Abbildung 1.1 gezeigte Struktur ist
ein formaler status für den dw. Dies ist nicht nur der richtige Ort dafür
die Ausführung der notwendigen Integration, der Qualität von gebenund
der Transformation von geben von Lager auf dem Weg, aber es ist auch
ein zuverlässiger und temporärer Lagerraum für geben antwortete das
könnte in der Echtzeitanalyse verwendet werden. Wenn Sie sich dazu entschließen
Verwenden Sie einen ODS- oder Staging-Bereich
der besten Werkzeuge, um diese Strukturen zu füllen geben utilizzando
Unterschiedliche Betriebsquellen ist die heterogen verteilte Abfrage von DB2.
Diese Funktion wird durch die optionale DB2-Funktion bereitgestellt
genannt DB2 Relational Connect (nur Abfrage) und über DB2
DataJoiner (ein separates Produkt, das die Anwendung liefert,
das Einfügen, Aktualisieren und die Möglichkeit der Stornierung a
Heterogen verteilte RDBMS).
Diese Technologie ermöglicht es Architekten geben di legare geben di
Produktion mit analytischen Prozessen. Technologie kann nicht nur
Passen Sie sich virtuell an alle Replikationsanforderungen an, die
Sie werden möglicherweise mit Echtzeitanalysen angezeigt, aber es ist so
Sie können auch mit einer Vielzahl von Basen von verbunden werden geben mehr
beliebt, einschließlich DB2, Oracle, Sybase, SQL Server,
Informix und andere. DB2 DataJoiner kann zum Auffüllen verwendet werden
eine Struktur geben formal als ODS oder sogar als Tabelle
permanent in dem für die Restaurierung vorgesehenen Lager vertreten
schnell von sofortigen Updates oder zum Verkauf. Na sicher,
diese gleichen Strukturen geben kann mit gefüllt werden
eine weitere wichtige Technologie für die Replikation von geben, IBM
DataPropagator Relational. (DataPropagator ist ein separates Produkt
für zentrale Systeme. DB2 UNIX, Linux, Windows und OS / 2 enthalten
Replikationsdienste von geben als Standardfunktion).
Eine andere Methode zum Verschieben der geben herumarbeiten
to Enterprise ist ansonsten ein Enterprise Application Integrator
bekannt als der Nachrichtenbroker
Die einzigartige Technologie ermöglicht eine unübertroffene Steuerung
(Zielen) und bewegen geben rund um das Unternehmen. IBM hat den Broker
der am weitesten verbreiteten Nachricht, MQSeries oder einer Variation
des Produkts, das die Anforderungen von enthält e-commerce, IBM
WebSphere-MQ.
Weitere Informationen zur Nutzung von MQ zur Unterstützung von a
Lager und eine BI-Umgebung, besuchen Sie Webseite aus dem Buch. Im Moment ist es so
Es genügt zu sagen, dass diese Technologie ein ausgezeichnetes Medium für ist
Erfassen und Transformieren (mit MQSeries Integrator) geben
gezielte Betreiber für BI-Lösungen rekrutiert. Dort
Die MQ-Technologie wurde in UDB V8 integriert und verpackt
Dies bedeutet, dass die Nachrichtenwarteschlangen jetzt verwaltet werden können
als wären es DB2-Tabellen. Das Konzept des Schweißens der
Nachrichten in der Warteschlange und im Universum Datenbank relationale Köpfe
in Richtung einer leistungsstarken Lieferumgebung geben.
Null-Latenz Null-Latenz
Das ultimative strategische Ziel für IBM ist die Analyse ohne Latenz (Null Latenz).
Wie definiert durch
Gartner, ein BI-System muss ableiten, assimilieren können
und stellen Sie Analysten auf Anfrage Informationen zur Verfügung. Die Herausforderung,
Natürlich liegt es darin, wie man mischt geben aktuell und in Echtzeit
mit notwendigen historischen Informationen, wie i geben verwandtes Modell / von
Trend oder extrahiertes Verständnis als Abgrenzung der
Kunden.
Zu diesen Informationen gehört beispielsweise die Identifizierung von Kundschaft ad
hohes oder niedriges Risiko oder welche Produkte i Kundschaft Sie werden viel kaufen
wahrscheinlich, wenn sie schon etwas Käse in ihren Karren haben
Einkaufen.
Das Erreichen einer Latenz von Null hängt tatsächlich von zwei ab
grundlegende Mechanismen:
▪ Vollständige Vereinigung von geben die mit dem analysiert werden
etablierte Techniken und mit den von BI entwickelten Tools
▪ Ein Liefersystem von geben effizient, um dies zu gewährleisten
Echtzeitanalyse ist wirklich verfügbar
Diese Voraussetzungen für eine Latenz von Null unterscheiden sich nicht von den beiden
Von IBM festgelegte und oben beschriebene Ziele.
Die enge Kopplung der geben ist ein Teil der
nahtlose Integration von IBM arrangiert. Und ein System erstellen
Lieferung von geben effizient ist völlig abhängig von der
verfügbare Technologie, die den Lieferprozess von vereinfacht
geben. Folglich sind zwei der drei Ziele von IBM von entscheidender Bedeutung
den dritten zu realisieren. IBM entwickelt bewusst seine eigenen
Technologie, um sicherzustellen, dass keine Latenzzeit Realität ist
Lagerbemühungen.
Zusammenfassung / Synthese
Die BI-Organisation stellt eine Roadmap für bereit
Erstellen Sie Ihre Umgebung
iterativ. Es muss an die Bedürfnisse von angepasst werden
Ihr Geschäft, sowohl aktuell als auch zukünftig. Ohne eine architektonische Vision
groß, die Lagerwiederholungen sind kaum mehr als
zufällige Central Warehouse-Implementierungen, die wenig bewirken
ein großes, informatives Unternehmen schaffen.
Die erste Hürde für Projektmanager ist die Rechtfertigung
Investitionen, die für die Entwicklung der BI-Organisation erforderlich sind.
Obwohl die ROI-Berechnung eine Hauptunterstützung für geblieben ist
Lagerleistungen wird es immer schwieriger
genau vorhersagen. Dies hat zu anderen Methoden für die
festzustellen, ob Sie auf Ihre Kosten kommen. Das
Der Value on Investment2 (YOU) wird zum Beispiel beschafft
als Lösung.
Es droht über den Architekten von geben und auf Projektplaner
absichtlich generieren und Informationen an Verbände von
Benutzer und nicht einfach einen Dienst auf geben geben. Da ist ein
großer Unterschied zwischen den beiden. Information ist etwas, das einen macht
Unterschied in Entscheidungsfindung und Effektivität; relativ, ich
geben Sie sind Bausteine ​​für die Ableitung dieser Informationen.
Obwohl kritisch gegenüber der Quelle geben Anfragen zu adressieren
kommerziell sollte die BI-Umgebung eine größere Rolle spielen
beim Erstellen von Informationsinhalten. Wir müssen nehmen
zusätzliche Maßnahmen zum Reinigen, Integrieren, Umwandeln oder
Andernfalls wird ein Informationsinhalt erstellt, nach dem die
Benutzer können Maßnahmen ergreifen, und deshalb müssen wir sicherstellen, dass diese
Maßnahmen und diese Entscheidungen, sofern angemessen, werden reflektiert
in der BI-Umgebung. Wenn wir das Lager absteigen, um nur weiter zu dienen geben,
Es wird sichergestellt, dass Benutzerzuordnungen den Inhalt erstellen
Informationen, die benötigt werden, um Maßnahmen zu ergreifen. Dies stellt sicher, dass ihre
Gemeinschaft wird in der Lage sein, bessere Entscheidungen zu treffen, aber die Firma
es leidet unter dem Mangel an Wissen, das sie benutzt haben.
Datum dass Architekten und Projektplaner Projekte initiieren
Spezifisch für die BI-Umgebung bleiben sie gegenüber dem Unternehmen rechenschaftspflichtig
im großen und ganzen. Ein einfaches Beispiel für diese Zwei-Wege-Funktion
Gesichter der Iterationen von BI finden Sie in der Quelle geben. alle
geben für bestimmte kommerzielle Anfragen erhalten werden muss
in der ersten Atomschicht besiedelt. Dies garantiert die Entwicklung der
Corporate Information Asset sowie verwalten, adressieren die
In der Iteration definierte benutzerspezifische Anforderungen.

W hatisa D ata W arehouse?
Data Warehouse es ist das Herz der Informationssystemarchitektur
seit 1990 und unterstützt Informationsprozesse durch das Angebot eines soliden
integrierte Plattform von geben Historiker als Grundlage für später genommen
Analysen. DAS Data Warehouse bieten einfache Integration in a
Welt der inkompatiblen Anwendungssysteme. Datum
Lager hat sich zu einem Trend entwickelt. Data Warehouse
organisiert und speichert i geben notwendig für Informationsprozesse e
analytisch auf der Grundlage einer langen historischen Zeitperspektive. Alle
Dies beinhaltet ein beträchtliches und konstantes Engagement in der Konstruktion. e
bei der Aufrechterhaltung der Data Warehouse.
Also was ist ein Data Warehouse? ein Data Warehouse ist:
▪ themenorientiert
▪ integriertes System
▪ Variantenzeit
▪ nichtflüchtig (nicht abgebrochen)
eine Sammlung von geben verwendet, um Managemententscheidungen in zu unterstützen
Prozessimplementierung.
I geben eingefügt in Data Warehouse entstehen in den meisten
Fälle aus betrieblichen Umgebungen. Das Data Warehouse wird gemacht von a
Speichereinheit, physisch getrennt vom Rest der
System, das enthält geben zuvor transformiert von
Anwendungen, die Informationen aus der Umgebung verarbeiten
Betriebs.
Die wörtliche Definition von a Data Warehouse verdient einen eingehenden Blick
Erklärung, da es wichtige Motivationen und Bedeutungen von gibt
Fonds, der die Merkmale eines Lagers beschreibt.
SUBJEKTORIENTIERUNG ORIENTIERUNG
THEMATISCH
Das erste Merkmal von a Data Warehouse ist, dass es KI-orientiert ist
Hauptakteure in einem Unternehmen. Die Beurteilung der Prüfungen durch i
geben es steht im Gegensatz zu der klassischeren Methode, die bietet
die Ausrichtung von Anwendungen auf Prozesse und Funktionen,
Methode zum größten Teil von den meisten geteilt
ältere Richtungssysteme.
Die Betriebswelt ist auf Anwendungen und Funktionen ausgerichtet
wie Kredite, Ersparnisse, Bankkarten und Vertrauen für eine Institution
finanziell. Die Welt des Dw ist nach Themen organisiert
wie der Kunde, der Verkäufer, das Produkt und das Geschäft.
Die Ausrichtung auf Themen wirkt sich auf Design und Design aus
auf die Realisierung von geben gefunden im dw. Relevanter,
Das Hauptargument betrifft den wichtigsten Teil des
Schlüsselstruktur.
Die Welt der Anwendung wird sowohl von der Gestaltung des Datums beeinflusst
Basis und aus dem Prozessdesign. Die Welt von
dw konzentriert sich ausschließlich auf die Modellierung geben und
Zeichnung der Datenbank. Das Design des Prozesses (in seiner Form
classic) ist nicht Teil der dw-Umgebung.
Die Unterschiede zwischen der Wahl des Prozesses / der Funktion und der Anwendung
Wahl nach Thema werden auch als inhaltliche Unterschiede offenbart
von geben auf einer detaillierten Ebene. DAS geben del dw nicht enthalten i geben dass
Sie werden während der Anwendungen nicht für den DSS-Prozess verwendet
operativ orientiert an geben enthalten i geben zufrieden stellen
sofort die Funktions- / Verarbeitungsanforderungen, die oder
minus Verwendung für den DSS-Analysten.
Ein weiterer wichtiger Weg, um betriebsorientierte Anwendungen
ai geben unterscheiden sich von geben von dw steht in den Berichten von geben. Die geben
betrieblich eine kontinuierliche Beziehung zwischen zwei oder mehr Tabellen aufrechterhalten
basierend auf einer Geschäftsregel, die aktiv ist. DAS geben von dw
sie kreuzen ein zeitspektrum und die im dw gefundenen verhältnisse sind
viel von. Viele Handelsregeln (und entsprechend viele
Berichte von geben ) sind im Lager von vertreten geben zwischen zwei o
mehrere Tabellen.
(Für eine detaillierte Erklärung, wie die Beziehungen zwischen dem geben sie sind
verwaltet in der DW, verweisen wir auf das Tech-Thema dazu
Frage.)
Aus keiner anderen Perspektive als der des Unterschieds
Grundlegend zwischen der Wahl von Funktion / Prozess und Anwendung
Bei der Wahl des Themas gibt es einen größeren Unterschied zwischen den Systemen
betriebsbereit und geben und die DW.
INTEGRATION INTEGRATION
Der wichtigste Aspekt der Umgebung von dw ist, dass i geben gefunden
innerhalb des dw lassen sie sich leicht integrieren. IMMER. OHNE
AUSNAHMEN. Das Wesen der Dw-Umgebung ist, dass ich geben
innerhalb der Grenzen des Lagers enthalten sind integriert.
Integration zeigt sich auf viele verschiedene Arten - in Konventionen
im Umfang konsistenter Variablen als konsistent identifiziert, in
kodifizierte Strukturen, bestehend aus den physikalischen Eigenschaften von geben
konsequent und so weiter.
Im Laufe der Jahre haben es die Designer verschiedener Anwendungen getan
viele Entscheidungen darüber treffen, wie eine Bewerbung sein soll
entwickelt sein. Individuelle Stil- und Designentscheidungen
Anwendungen von Designern zeigen sich auf hundert Arten: in
Unterschiede in Codierung, Schlüsselstruktur, physikalischen Eigenschaften,
Identifikationskonventionen und so weiter. Die kollektive Kapazität vieler
Anwendungsdesigner zum Erstellen inkonsistenter Anwendungen
es ist legendär. Abbildung 3 zeigt einige der weiteren Unterschiede
wichtig für die Gestaltung von Anwendungen.
Kodierung: Kodierung:
Anwendungsentwickler haben sich für die Feldcodierung entschieden -
Sex - auf verschiedene Weise. Ein Designer repräsentiert Sex als
ein "m" und "f". Ein anderer Designer repräsentiert Sex als "1"
und eine "0". Ein anderer Designer repräsentiert Sex als "x" e
"Y". Ein anderer Designer repräsentiert Sex als "männlich" e
"weiblich". Es ist nicht wirklich wichtig, wie Sex in der DW kommt. Sie"
und das "F" sind wahrscheinlich so gut wie das Ganze
Darstellung.
Was zählt ist, dass aus welchem ​​Ursprung auch immer das Geschlechtsfeld kommt,
Dieses Feld kommt in einem konsistenten integrierten Zustand in der DW an. Von
Folge, wenn das Feld von in den DW geladen wird
eine Anwendung, in der sie im Format dargestellt wurde
"M" und "F", ich geben muss in das DW-Format konvertiert werden.
Messung von Attributen: Messung von
Attribute:
Anwendungsentwickler haben sich entschieden, die Pipeline in zu messen
eine Vielzahl von Möglichkeiten im Kurs
Einigen Jahren. Ein Designer speichert i geben der Pipeline in
Zentimeter. Ein anderer Anwendungsdesigner speichert i geben
der Pipeline in Zoll. Ein anderer Designer aus
Anwendungsspeicher i geben der Pipeline in Millionen Kubikfuß
pro Sekunde. Und ein anderer Designer speichert die Informationen der
Pipeline in Bezug auf Yards. Was auch immer die Quelle ist, wenn die
Pipeline-Informationen kommen in der DW an, die sie sein müssen
auf die gleiche Weise gemessen.
Nach den Angaben in Abbildung 3 sind die Integrationsprobleme
Sie betreffen fast jeden Aspekt des Projekts - die Funktionen
physisch von geben, das Dilemma, mehr als eine Quelle von zu haben geben, das
Angelegenheit inkonsistenter identifizierter Proben, Formate von geben
inkonsistent und so weiter.
Unabhängig vom Designargument ist das Ergebnis dasselbe -
i geben muss im DW in einem Singular e gespeichert werden
global akzeptable Weise auch bei Betriebssystemen von
unterer Laden anders i geben.
Wenn der DSS-Analyst die DW betrachtet, das Ziel des Analysten
sollte die Ausbeutung von sein geben die im Lager sind,
anstatt sich über die Glaubwürdigkeit oder Konsistenz von zu wundern
geben.
ZEITVARIANZ
Alle geben in der DW sind sie zu einem bestimmten Zeitpunkt genau.
Diese Grundfunktion von geben in DW ist es ganz anders als geben
in der Betriebsumgebung gefunden. DAS geben der Betriebsumgebung sind
präzise wie im Moment des Zugriffs. Mit anderen Worten,
in der Betriebsumgebung, wenn auf ein Laufwerk zugegriffen wird geben, Aber auch
Warten Sie, bis die genauen Werte wie im Moment des Zugriffs wiedergegeben sind.
Warum ich geben in der DW sind so genau wie irgendwann in der
Zeit (dh nicht "gerade jetzt"), ich geben in der DW gefunden
Sie sind "Zeitvarianz".
Die Zeitvarianz von geben Auf DW wird auf vielfältige Weise Bezug genommen.
Der einfachste Weg ist, dass ich geben eines DW darstellen geben auf einem
langer Zeithorizont - fünf bis zehn Jahre. Der Horizont
Die für die Betriebsumgebung dargestellte Zeit ist viel kürzer
▪ von den aktuellen Werten von bis zu neunzig
Anwendungen, die gut funktionieren müssen und müssen
verfügbar für die Transaktionsverarbeitung muss die tragen
Mindestmenge von geben wenn sie einen Grad von zugeben
Flexibilität. Die betrieblichen Anwendungen haben also einen Horizont
kurze Zeit, als Designthema von
Audioanwendungen.
Der zweite Weg, wie 'Zeitvarianz' in der DW erscheint, ist in der
Schlüsselstruktur. Jede Schlüsselstruktur in der DW enthält:
implizit oder explizit ein Zeitelement, wie z
Tag, Woche, Monat usw. Das Zeitelement ist fast immer
am unteren Rand des verketteten Schlüssels im DW. In diesen
Gelegentlich existiert das Zeitelement implizit, je nachdem
Dabei wird eine ganze Datei am Ende des Monats oder Quartals dupliziert.
Die dritte Art und Weise, wie die Zeitvarianz angezeigt wird, ist i geben des Restaurants
DW, nur richtig registriert, kann nicht sein
Aktualisiert. DAS geben der DW sind für alle praktischen Zwecke lang
Serie von Schnappschüssen (Schnappschuss). Natürlich, wenn die Schnappschüsse sind
falsch aufgenommen wurde, dann können Schnappschüsse sein
geändert. Aber vorausgesetzt, die Schnappschüsse sind fertig
Richtig, sie werden nicht geändert, sobald sie fertig sind. In einigen
Fälle können unethisch oder sogar ungültig sein, dass die Schnappschüsse in der
DW werden geändert. DAS geben Betrieb, präzise wie in
Nach dem Zugriff können sie aktualisiert werden, sobald sie angezeigt werden
das Bedürfnis.
NICHT VOLATIL
Das vierte wichtige Merkmal von DW ist, dass es nicht flüchtig ist.
Aktualisierungen, Einfügungen, Stornierungen und Änderungen werden vorgenommen
regelmäßig für Betriebsumgebungen von Datensatz zu Datensatz. Aber die
grundlegende Manipulation von geben in der DW benötigt wird viel mehr
einfach. Es gibt nur zwei Arten von Operationen, die in der
DW - das anfängliche Laden des geben und Zugang zu geben. Da ist nicht
jedes Update der geben (im allgemeinen Sinne von
Update) im DW als normaler Verarbeitungsvorgang.
Dieser Unterschied hat einige sehr starke Konsequenzen
Basis zwischen operativer Verarbeitung und DW-Verarbeitung. Auf dem Level
Design, die Notwendigkeit, bei der Aktualisierung vorsichtig zu sein
anomal ist kein Faktor in der DW, da die Aktualisierung der geben nicht
durchgeführt. Dies bedeutet, dass auf der physischen Ebene des Designs
Freiheiten können genutzt werden, um den Zugang zu zu optimieren geben,
insbesondere im Umgang mit den Themen Normalisierung und
physikalische Denormalisierung. Eine weitere Folge der Einfachheit
Der Betrieb von DW erfolgt in der zugrunde liegenden Technologie, für die
Führen Sie die DW-Umgebung aus. Updates müssen unterstützt werden
Aufnahme für Aufnahme online (wie es oft der Fall ist
betriebliche Verarbeitung) muss die Technologie haben
sehr komplexe Grundlagen unter einer scheinbaren Einfachheit.
Die Technologie, die Backup und Recovery, Transaktionen unterstützt
und Integrität von geben und die Deadlock-Bedingung Entdeckung und Abhilfe ist
ziemlich komplex und für die DW-Verarbeitung nicht erforderlich.
Die Eigenschaften eines DW, Designorientierung,
Integration von geben innerhalb der DW, Zeitvarianz und Einfachheit
Management von gebenAlles führt zu einer Umgebung, die sehr, sehr ist
unterscheidet sich von der klassischen Betriebsumgebung. Die Quelle von fast allen
geben von DW sind die Betriebsumgebung. Es ist verlockend zu denken
dass es massive Redundanz von gibt geben zwischen den beiden Umgebungen.
Tatsächlich ist der erste Eindruck, den viele Menschen bekommen, der von
große Redundanz von geben zwischen der Betriebsumgebung und der
DW. Eine solche Interpretation ist oberflächlich und beweist eine
Unverständnis darüber, was in der DW passiert.
In der Tat gibt es ein Minimum an Redundanz von geben zwischen der Betriebsumgebung
und geben der DW. Betrachten wir Folgendes:
▪ I. geben werden gefiltert dato dass Sie aus der Betriebsumgebung übergeben
in die DW-Umgebung. Viel von geben sie werden nie ohnmächtig
aus der Betriebsumgebung. Außer dass ich geben welche benötigt werden für
Die DSS-Verarbeitung findet ihre Richtung in der Umgebung
▪ den Zeithorizont des geben es unterscheidet sich sehr von einer Umgebung
zu den anderen. DAS geben In der Betriebsumgebung sind sie sehr frisch. DAS geben
in DW sind sie viel älter. Nur aus der Perspektive
des Zeithorizonts gibt es sehr wenig Überlappung
zwischen der Betriebsumgebung und dem DW.
▪ Die DW enthält geben Zusammenfassung, die nie gefunden werden
in der Umwelt
▪ I. geben seitdem eine grundlegende Transformation durchlaufen
wie sie zu Abbildung 3 übergehen, zeigt das am meisten
Teil von dem geben sind erheblich modifiziert vorausgesetzt
ausgewählt und in die DW verschoben werden. Anders ausgedrückt, die
die meisten geben ist physikalisch verändert e
radikal, wie es in die DW verschoben wird. Aus der Sicht
Integration sind nicht dasselbe geben die wohnen
in der Betriebsumgebung.
In Anbetracht dieser Faktoren ist die Redundanz von geben zwischen den beiden Umgebungen ist
Ein seltenes Ereignis, das zu einer Redundanz von weniger als 1% zwischen beiden führt
Umgebungen.
DIE STRUKTUR DES LAGERS
DWs haben eine eigene Struktur. Es gibt verschiedene zusammenfassende und unterschiedliche Ebenen
Details, die die DWs abgrenzen.
Die verschiedenen Komponenten eines DW sind:
▪ Metadaten
▪ Geben aktuelle Details
▪ Geben von altem Detail
▪ Geben leicht zusammengefasst
▪ Geben hoch zusammengefasst
Bei weitem das Hauptanliegen ist für i geben von Detail
Ströme. Es ist das Hauptanliegen, weil:
▪ I. geben Aktuelle Details spiegeln die jüngsten Ereignisse wider.
die sind immer von großem Interesse und
▪ ich geben von aktuellen Details sind voluminös, weil es ist
auf der niedrigsten Granularitätsstufe gespeichert e
▪ ich geben Aktuelle Details werden fast immer gespeichert
Festplattenspeicher, der schnell zugänglich, aber teuer ist e
Komplex aus
I geben ältere Details sind geben die auf gespeichert sind
etwas Erinnerung an Masse. Es hat sporadisch Zugriff und es ist
auf einer Detailebene gespeichert, die mit kompatibel ist geben ausführlich
Ströme. Während es nicht obligatorisch ist, auf einem zu speichern
alternativer Speicher aufgrund des großen Volumens von geben vereint mit
sporadischer Zugang von geben, das Speichermedium für geben di
ältere Details werden normalerweise nicht auf der Festplatte gespeichert.
I geben leicht zusammengefasst sind geben die von unten destilliert werden
Detaillierungsgrad auf dem aktuellen Detaillierungsgrad gefunden. Dies
Die DW-Ebene wird fast immer im Festplattenspeicher gespeichert. DAS
Probleme des Entwurfs, die dem Architekten der vorgestellt werden geben
Bei der Konstruktion dieser Ebene der DW sind:
▪ Welche Zeiteinheit ist die oben durchgeführte Zusammenfassung?
▪ Welche Inhalte, Attribute werden die leicht zusammenfassen
Inhalt von geben
Die nächste Stufe von geben in der DW gefunden ist die von geben hoch
zusammengefasst. DAS geben hoch zusammengefasst sind kompakt und leicht
zugänglich. DAS geben hoch zusammengefasst werden manchmal gefunden
in der DW-Umgebung und in anderen Fällen i geben hoch zusammengefasst sind
außerhalb der unmittelbaren Mauern der Technologie gefunden, die die DW hostet.
(auf jeden Fall, ich geben hoch zusammengefasst sind Teil der DW
egal wo ich geben physisch untergebracht sind).
Die letzte Komponente des DW sind die Metadaten. In vieler Hinsicht
Metadaten befinden sich in einer anderen Dimension als andere geben
des DW, da die Metadaten keine enthalten dato direkt
aus der Betriebsumgebung entnommen. Metadaten spielen eine besondere Rolle e
sehr wichtig in der DW. Metadaten werden verwendet als:
▪ ein Verzeichnis, das dem DSS-Analysten hilft, das zu finden
Inhalt der DW,
▪ eine Anleitung zur Zuordnung von geben wie ich geben waren
von der Betriebsumgebung in die DW-Umgebung umgewandelt,
▪ eine Anleitung zu den Algorithmen, die für die Zusammenfassung zwischen verwendet werden geben di
aktuelles Detail ei geben leicht zusammengefasst, ich geben hoch
Zusammenfassungen,
Metadaten spielen in der DW-Umgebung eine viel wichtigere Rolle
als jemals zuvor in der Betriebsumgebung
ALTES DETAIL LAGERMITTEL
Magnetband kann verwendet werden, um diese Art von zu speichern
geben. In der Tat gibt es eine Vielzahl von Erinnerungswerkzeugen, die
Sie sollten für die Erhaltung der alten berücksichtigt werden geben di
Detail.
Abhängig von der Lautstärke des geben, die Häufigkeit des Zugriffs, die Kosten
von den Werkzeugen und der Art des Zugriffs ist es völlig wahrscheinlich
dass andere Tools den alten Detaillierungsgrad benötigen
in der DW.
DATENFLUSS
Es gibt einen normalen und vorhersehbaren Fluss von Göttern geben innerhalb der DW.
I geben Geben Sie den DW aus der Betriebsumgebung ein. (HINWEIS: Es gibt
Einige sehr interessante Ausnahmen von dieser Regel. Jedoch fast
alle geben Geben Sie den DW über die Betriebsumgebung ein. Datum dass die geben
Geben Sie den DW aus der Betriebsumgebung ein, er wird so transformiert, wie er war
oben beschrieben. Vorausgesetzt, Sie geben die DW ein, d.h. geben Geben Sie die
aktueller Detaillierungsgrad, wie gezeigt. Es befindet sich dort und wird verwendet
bis eines der drei Ereignisse eintritt:
▪ wird gereinigt,
▪ ist zusammengefasst und / oder
▪ ist
Veralteter Prozess innerhalb einer DW-Bewegung i geben aktuelle Details
a geben von altem Detail, je nach Alter von geben. Der Prozess
Zusammenfassung verwendet das Detail von geben zu berechnen i geben
leicht zusammengefasste und stark zusammengefasste Niveaus von geben. Es gibt
Einige Ausnahmen zum angezeigten Ablauf (wird später erläutert).
In der Regel jedoch für die überwiegende Mehrheit von geben gefunden
innerhalb eines DW ist der Fluss von geben ist wie abgebildet.
VERWENDUNG DES DATAWAREHOUSE
Es überrascht nicht, dass die verschiedenen Ebenen von geben innerhalb der DW nicht
Sie erhalten unterschiedliche Nutzungsniveaus. Je höher das Niveau von
Zusammenfassung plus i geben Sie sind gebraucht.
Viele Verwendungen kommen in vor geben hoch zusammengefasst, während die alten
geben Details werden fast nie verwendet. Es gibt einen guten Grund in der
Verschieben Sie die Organisation in das Paradigma der Ressourcennutzung. Mehr hat
Zusammenfassung i geben, je schneller und effizienter es ist, zum geben. Wenn
un Geschäft Finden Sie heraus, dass es viele Prozesse auf der Detailebene des DW ausführt.
dann eine entsprechend große Menge an Maschinenressourcen
verbraucht wird. Es ist im besten Interesse aller, strafrechtlich verfolgt zu werden
wie in einem hohen Grad an Zusammenfassung so schnell wie möglich.
Für viele Geschäfte wird der DSS-Analyst in einer Vorumgebung DW verwendet
geben auf der Detailebene. In vielerlei Hinsicht ist die Ankunft a geben ausführlich
es sieht aus wie eine Sicherheitsdecke, auch wenn sie verfügbar sind
andere Ebenen der Zusammenfassung. Eine der Aktivitäten des Architekten von geben è
ungewohnt den DSS-Benutzer von der ständigen Verwendung von geben auf der Plus-Ebene
geringes Detail. Es gibt zwei Gründe
vom Architekten von geben:
▪ durch Installation eines Rückbuchungssystems, bei dem der Endbenutzer das bezahlt
verbrauchte Ressourcen e
▪ was darauf hinweist, dass die sehr gute Reaktionszeit sein kann
erhalten, wenn das Verhalten mit i geben es ist auf einem hohen Niveau
der Zusammenfassung, während die schlechte Reaktionszeit aus dem resultiert
Verhalten von geben auf einem niedrigen Niveau von
Weitere Überlegungen
Es gibt einige andere Konstruktions- und Managementüberlegungen
DW
Die erste Überlegung betrifft Indizes. DAS geben auf den höchsten Ebenen von
Zusammenfassung kann frei indiziert werden, während i geben
in den unteren Detailebenen sind sie so umfangreich, dass sie sein können
sparsam indiziert. Aus dem gleichen Grund, ich geben auf den hohen Ebenen von
Detail kann relativ leicht wiederhergestellt werden,
während die Lautstärke von geben auf den unteren Ebenen ist es so groß, dass ich geben liefert nicht
Sie können leicht renoviert werden. Folglich das Modell
von geben und die formale Arbeit des Entwurfs setzte die
Grundlage für die DW galt fast ausschließlich für das Niveau
Detailstrom. Mit anderen Worten, die Modellierungsaktivitäten von
geben Sie gelten nicht in fast allen Fällen für Zusammenfassungsebenen.
Eine weitere strukturelle Überlegung betrifft die Unterteilung von
geben von DW.
Die Partitionierung kann auf zwei Ebenen erfolgen - auf der Ebene von dbms und die
Anwendungsebene. In der Abteilung auf der Ebene dbms, dann dbms è
über die Abteilungen informiert und prüft sie entsprechend. Im Fall von
Aufteilung auf Anwendungsebene ist nur der Programmierer
über die Abteilungen und die Verantwortung für sie informiert
Verwaltung bleibt ihm überlassen
Unterhalb des Levels dbmswird viel Arbeit automatisch erledigt. Es gibt
viel Inflexibilität verbunden mit der automatischen Verwaltung von
Abteilungen. Im Falle einer Teilung auf Anwendungsebene von geben des Restaurants
Data Warehouse, viel Arbeit liegt am Programmierer, aber die
Endergebnis ist Flexibilität bei der Verwaltung von geben im Datum
Lagerhaus
ANDERE ANOMALIEN
Während die Komponenten des Data Warehouse arbeit wie beschrieben
für fast alle gebengibt es einige nützliche Ausnahmen, die müssen
diskutiert sein. Eine Ausnahme ist die von geben öffentliche Zusammenfassungen
(öffentliche zusammenfassende Daten). Diese sind geben Zusammenfassungen, die gewesen sind
außerhalb der berechnet Data Warehouse aber sie werden von der Gesellschaft genutzt. DAS geben
öffentliche Zusammenfassungen werden im . gespeichert und verwaltet Data Warehouse,
obwohl wie oben erwähnt, sind sie herausgefunden. DAS
Buchhalter arbeiten daran, solche vierteljährlich zu produzieren geben als
Einnahmen, vierteljährliche Ausgaben, vierteljährlicher Gewinn und so weiter. Die Arbeit
von den Buchhaltern erfolgt außerhalb der Data Warehouse. Wie auch immer, ich geben sie sind
„intern“ im Unternehmen verwendet – von Marketing, Verkauf usw.
Eine andere Anomalie, die nicht diskutiert wird, ist die von geben extern.
Eine andere großartige Art von geben welches an einem Datum gefunden werden kann
Lager ist das von permanenten Detaildaten. Diese verursachen die
müssen dauerhaft gespeichert werden i geben auf einer Ebene
aus ethischen oder rechtlichen Gründen detailliert. Wenn ein Unternehmen ausstellt i
verwandte Arbeitnehmer zu gefährlichen Stoffen besteht ein Bedarf an geben
detailliert und dauerhaft. Wenn ein Unternehmen ein Produkt produziert, das
Es geht um die öffentliche Sicherheit, welche Teile eines Flugzeugs es gibt
das Bedürfnis nach geben permanente Details, sowie wenn ein Unternehmen
schließt gefährliche Verträge ab.
Das Unternehmen kann es sich nicht leisten, die Details zu übersehen, warum
in den nächsten Jahren im Falle einer Klage ein Rückruf, a
umstrittener Baumangel usw. Unternehmensexposition
es könnte großartig sein. Folglich gibt es einen einzigartigen Typ von geben
bekannt als permanente Detaildaten.
ZUSAMMENFASSUNG
Un Data Warehouse ist ein orientiertes, integriertes Variantenobjekt von
Zeit, eine Sammlung von geben nichtflüchtig zur Unterstützung der Bedürfnisse von
Entscheidung der Verwaltung. Jede der hervorstechenden Funktionen von
un Data Warehouse hat seine Implikationen. Außerdem sind es vier
Ebenen von geben des Restaurants Data Warehouse:
▪ Altes Detail
▪ Aktuelles Detail
▪ Geben leicht zusammengefasst
▪ Geben hoch zusammengefasst
Metadaten sind auch ein wichtiger Bestandteil der Data Warehouse.
ABSTRAKT
Das Konzept der Lagerung von geben vor kurzem erhalten
viel Aufmerksamkeit und es wurde ein Trend der 90er Jahre. Das ist es
aufgrund der Fähigkeit von a Data Warehouse die überwinden
Einschränkungen von Administrationsunterstützungssystemen wie i
Entscheidungshilfesysteme (DSS) und Informationssysteme
Executive (EIS).
Obwohl das Konzept der Data Warehouse sieht vielversprechend aus,
implementieren ich Data Warehouse es kann problematisch sein wegen
groß angelegte Speicherprozesse. Trotz der
Komplexität von Speicherprojekten gebenviele Lieferanten
und Berater, die speichern geben argumentiere das
die Lagerung von geben Strom bringt keine Probleme mit sich.
Zu Beginn dieses Forschungsprojekts jedoch fast keine
Es wurden unabhängige, strenge und systematische Untersuchungen durchgeführt. Von
Folglich ist es schwierig zu sagen, was wirklich passiert
in der Industrie beim Bauen Data Warehouse.
Diese Studie untersuchte die Speicherpraxis von geben
Zeitgenossen, die ein besseres Verständnis entwickeln wollen
der australischen Praxis. Die Analyse der Literatur lieferte die
Kontext und Grundlage für empirische Studien.
Es gibt eine Reihe von Ergebnissen dieser Suche. Zuerst
Ort, diese Studie enthüllte die Aktivitäten, die aufgetreten sind
während der Entwicklung der Data Warehouse. In vielen Bereichen bin ich geben versammelt
bestätigte die in der Literatur angegebene Praxis. Im zweiten
Website, Probleme und Probleme, die Auswirkungen haben können
Entwicklung der Data Warehouse wurden aus dieser Studie ermittelt.
Schließlich Vorteile aus den australischen Organisationen mit verbunden
die Verwendung von Data Warehouse wurden enthüllt.
Kapitel 1
Forschungskontext
Das Konzept des Data Warehousing erfreut sich großer Beliebtheit
Exposition und hat sich in einen aufkommenden Trend in verwandelt
90er Jahre (McFadden 1996, TDWI 1996, Shah und Milstein 1997,
Schenkel und andere. 1997, Eckerson 1998, Adelman und Oates 2000). Dies
Dies zeigt die wachsende Anzahl von Artikeln am Datum
Lagerung in kommerziellen Publikationen (Little and Gibson 1999).
Viele Artikel (siehe zum Beispiel Fisher 1995, Hackathorn 1995,
Morris 1995a, Bramblett und King 1996, Graham et al. 1996,
Sakaguchi und Frolick 1996, Alvarez 1997, Brousell 1997, Clarke
1997, McCarthy 1997, O'Donnell 1997, Edwards 1998, TDWI
1999) berichteten über signifikante Vorteile für Organisationen
welches implementieren ich Data Warehouse. Sie unterstützten ihre Theorie
mit anekdotischen Hinweisen auf erfolgreiche Implementierungen die hohe Rendite
zu Investitionszahlen (ROI) und auch als Anleitung
Referenzen oder Methoden für die Entwicklung von Data Warehouse
(Shanks et al. 1997, Seddon und Benjamin 1998, Little und Gibson
1999). Im Extremfall haben Graham et al. (1996) haben
meldete eine durchschnittliche Rendite für eine dreijährige Investition von 401%.
Ein Großteil der aktuellen Literatur wurde jedoch vernachlässigt
Komplexität bei der Durchführung solcher Projekte. Die Projekte von
Data Warehouse sie sind normalerweise komplex und großräumig e
Daher implizieren sie eine hohe Ausfallwahrscheinlichkeit, wenn dies nicht der Fall ist
sorgfältig kontrolliert (Shah und Milstein 1997, Eckerson 1997,
Foley 1997b, Zimmer 1997, Bort 1998, Gibbs und Clymer 1998, Rao
1998). Sie erfordern enorme Mengen an Personal und Ressourcen
finanzielle und Zeit und Mühe, um sie zu bauen (Hill 1998, Crofts 1998). Das
typische Zeit und die notwendigen finanziellen Mittel sind jeweils
ungefähr zwei Jahre und zwei oder drei Millionen Dollar (Braly 1995, Foley
1997b, Bort 1998, Humphries et al. 1999). Diese Zeiten und Mittel
Finanzdaten sind erforderlich, um viele Aspekte zu kontrollieren und zu konsolidieren
verschiedene Arten von Data Warehousing (Cafasso 1995, Hill 1998). Auf die Seite
Überlegungen zu Hardware und Software, andere Funktionen, die variieren
aus der Extraktion von geben zu den Ladevorgängen von gebenaus
Speicherkapazität zum Verwalten von Updates und Meta geben
Für die Benutzerschulung müssen sie berücksichtigt werden.
Zum Zeitpunkt des Starts dieses Forschungsprojekts gab es sehr wenig
akademische Forschung auf dem Gebiet des Data Warehousing,
vor allem in Australien. Dies ergab sich aus dem Mangel an Artikeln
veröffentlicht über Data Warehousing von Zeitungen oder anderen Schriften
Akademiker der Zeit. Viele der akademischen Schriften
verfügbar beschrieben die US-Erfahrung. Der Mangel an
Die akademische Forschung im Bereich sl Data Warehousing hat die
Nachfrage nach strenger Forschung und empirischen Studien (McFadden 1996,
Schenkel und andere. 1997, Little and Gibson 1999). Insbesondere die Studien
Recherche zum Umsetzungsprozess von Data Warehouse
Sie müssen getan werden, um das Wissen zu erweitern
Allgemeines zur Umsetzung von Data Warehouse e
wird als Grundlage für eine zukünftige Forschungsstudie dienen (Shanks ed
Andere. 1997, Little and Gibson 1999).
Der Zweck dieser Studie ist es daher, zu untersuchen, was wirklich ist
Dies geschieht, wenn Organisationen Daten verwalten und verwenden
Lager in Australien. Insbesondere wird diese Studie beinhalten
eine Analyse eines gesamten Entwicklungsprozesses von a Data Warehouse,
von der Initiierung und Planung bis zum Design und
Implementierung und anschließende Verwendung innerhalb von Organisationen
Australisch. Darüber hinaus wird die Studie auch zur bestehenden Praxis beitragen
Bereiche identifizieren, in denen die Praxis weiter vorangetrieben werden kann
verbessert und Ineffizienzen und Risiken können minimiert werden oder
vermieden. Darüber hinaus dient es als Grundlage für weitere Studien zu Data Warehouse in
Australien und wird die Lücke füllen, die derzeit in der Literatur besteht.
Forschungsfragen
Ziel dieser Forschung ist es, die damit verbundenen Aktivitäten zu untersuchen
Bei der Umsetzung von Data Warehouse und ihre Verwendung durch
Australische Organisationen. Insbesondere werden die Elemente untersucht
in Bezug auf Projektplanung, Entwicklung, al
Betrieb, Verwendung und Risiken in Frage. Daher die Frage
dieser Forschung ist:
„Wie ist die derzeitige Praxis der Data Warehouse in Australien?"
Um dieses Problem effektiv zu beantworten, a
bestimmte Anzahl von Nebenforschungsfragen. Insbesondere drei
Unterfragen wurden aus der Literatur identifiziert, das heißt
vorgestellt in Kapitel 2, um dieses Forschungsprojekt zu leiten:
Wie geht es mir Data Warehouse von Organisationen
Australisch? Was sind die aufgetretenen Probleme?
Welche Vorteile ergeben sich?
Bei der Beantwortung dieser Fragen wurde eine Zeichnung verwendet
explorative Forschung mit Untersuchung. Als Studie
explorativ sind die Antworten auf die obigen Fragen nicht vollständig
(Shanks et al. 1993, Denscombe 1998). In diesem Fall ist es
Eine Triangulation ist erforderlich, um die Reaktionen auf diese zu verbessern
Fragen. Die Untersuchung wird jedoch eine solide Grundlage für liefern
zukünftige Arbeit, die diese Fragen untersucht. Eine detaillierte
Diskussion über die Rechtfertigung der Forschungsmethode und des Forschungsdesigns
wird in Kapitel 3 vorgestellt.
Struktur des Forschungsprojekts
Dieses Forschungsprojekt gliedert sich in zwei Teile: die Kontextstudie
des Konzepts von Datawarehousing und empirischer Forschung (vgl
Abbildung 1.1), von denen jede unten diskutiert wird.
Teil I: Kontextstudie
Der erste Teil der Forschung bestand in der Überprüfung der
aktuelle Literatur zu verschiedenen Arten von Data Warehousing, einschließlich i
Entscheidungshilfesysteme (DSS), Informationssysteme
Executive (EIS), die Fallstudien von Data Warehouse und Datumskonzepte
Lagerhaus. Darüber hinaus sind die Ergebnisse des Foum sui Data Warehouse und
Tagungsgruppen für Experten und Fachleute unter der Leitung der Gruppe von
Die Monash DSS-Forschung hat zu dieser Phase der Studie beigetragen
die Informationen über die Praxis der Daten erhalten sollte
Lager und die Risiken zu identifizieren, die mit ihrer Annahme verbunden sind.
Während dieser Zeit des kontextuellen Studiums Verständnis
Der Problembereich wurde eingerichtet, um Wissen zu vermitteln
Grundlage für nachfolgende empirische Untersuchungen. Dies jedoch
war ein fortlaufender Prozess während der Durchführung der Studie von
Forschung.
Teil II: Empirische Forschung
Insbesondere das relativ neue Konzept des Data Warehousing
in Australien wurde die Notwendigkeit geschaffen, eine Untersuchung für durchzuführen
Machen Sie sich ein umfassendes Bild von der Nutzungserfahrung. Dies
Teil wurde erledigt, sobald die Problemdomäne war
wurde durch umfangreiche Literaturrecherche etabliert. Das Konzept
von Data-Warehousing während der kontextuellen Studienphase gebildet wird
wurde als Input für den ersten Fragebogen dieser Studie verwendet.
Danach wurde der Fragebogen überprüft. Sechs Datumsexperten
Lager nahm am Test teil. Der Zweck der
Der erste Fragebogen sollte die Vollständigkeit und Richtigkeit überprüfen
einige Fragen. Basierend auf den Testergebnissen ist der Fragebogen
wurde geändert und die geänderte Version wurde an gesendet
Umfrageteilnehmer. Dann wurden Fragebögen zurückgegeben
analysiert für i geben in Tabellen, Diagrammen und anderen Formaten. DAS
Analyseergebnisse von geben bilden eine Momentaufnahme der
Praxis des Data Warehousing in Australien.
ÜBERBLICK ÜBER DIE DATENLAGERUNG
Das Konzept des Data Warehousing hat sich mit den Verbesserungen weiterentwickelt
der Computertechnologie.
Ziel ist es, die Probleme zu überwinden, auf die Gruppen von
Unterstützung von Anwendungen wie dem Decision Support System (DSS) e
Leitendes Informationssystem (EIS).
In der Vergangenheit war das größte Hindernis dieser Anwendungen
die Unfähigkeit dieser Anwendungen, eine bereitzustellen Datenbank
notwendig für die Analyse.
Dies ist hauptsächlich auf die Art der Arbeit der
Führung. Die Interessen des Managements eines Unternehmens variieren
ständig abhängig von der behandelten Fläche. Deshalb habe ich geben
Grundlegend für diese Anwendungen muss in der Lage sein
je nach zu behandelndem Teil schnell wechseln.
Dies bedeutet, dass ich geben Sie müssen im Formular verfügbar sein
ausreichend für die erforderlichen Analysen. In der Tat sind die Selbsthilfegruppen der
Anwendungen fanden in der Vergangenheit viele Schwierigkeiten zu sammeln und
Integration geben aus komplexen und vielfältigen Quellen.
Der Rest dieses Abschnitts gibt einen Überblick über das Konzept von
Data Warehousing und befasst sich damit, wie die Data Warehouse kann i . überschreiten
Probleme mit Anwendungsunterstützungsgruppen.
Der Ausdruck "Data Warehousing„Wurde 1990 von William Inmon veröffentlicht.
Seine oft zitierte Definition sieht die Data Warehousing wie die
Sammlung von geben themenorientiert, integriert, nichtflüchtig und variabel
im Laufe der Zeit, um Managemententscheidungen zu unterstützen.
Mit dieser Definition weist Inmon darauf hin, dass i geben Bewohner
in eine Data Warehouse muss die folgenden 4 . besitzen
Merkmale:
▪ Fachorientiert
▪ Integriert
▪ Nicht flüchtig
▪ Zeitlich variabel
Mit themenorientiert bedeutet Inmon, dass i geben im Datum
Lager in den größten Organisationsbereichen, die bisher waren
im Modell definiert geben. Zum Beispiel alle geben bezüglich i Kundschaft
sind im Themenbereich enthalten KUNDEN. Ebenso alle
geben im Zusammenhang mit den Produkten sind im Themenbereich enthalten
PRODUKTE.
Mit Integrati bedeutet Inmon, dass i geben von verschiedenen kommen
Plattformen, Systeme und Standorte werden kombiniert und gespeichert
einziger Ort. Folglich geben ähnlich muss transformiert werden
in konsistenten Formaten hinzugefügt und verglichen werden
leicht.
Zum Beispiel sind das männliche und das weibliche Geschlecht vertreten
durch die Buchstaben M und F in einem System und mit 1 und 0 in einem anderen. Zum
Integrieren Sie sie richtig, eines oder beide Formate müssen
transformiert werden, so dass die beiden Formate gleich sind. In diesem
In diesem Fall könnten wir M auf 1 und F auf 0 ändern oder umgekehrt. Orientiert an
Thema und integriert zeigen an, dass die Data Warehouse Es ist für entworfen
bieten eine funktionale und transversale Vision von geben gibt einen Teil
Unternehmen.
Nichtflüchtig bedeutet, dass i geben in Data Warehouse Rimangono
konsistent und Aktualisierung von geben es ist nicht notwendig. Stattdessen jeder
verändern in geben Originale werden dem hinzugefügt Datenbank Daten löschen
Warenhaus. Dies bedeutet, dass der Historiker der geben ist in der enthalten
Data Warehouse.
Für Variablen im Zeitverlauf gibt Inmon an, dass i geben in Data Warehouse
enthalten immer Zeitmarken und i geben normalerweise
Sie überschreiten einen bestimmten Zeithorizont. Zum Beispiel a
Data Warehouse kann 5 Jahre historische Werte der enthalten Kundschaft von
1993 bis 1997. Die Verfügbarkeit des Historikers und eine Zeitreihe
von geben ermöglicht es Ihnen, Trends zu analysieren.
Un Data Warehouse er kann seine eigenen sammeln geben von Systemen
OLTP, von den Ursprüngen geben außerhalb der Organisation und / oder von anderen Spezialisten
Systemprojekte erfassen geben.
I geben Extrakte können einen Reinigungsprozess durchlaufen, in
dieser Fall i geben Sie werden transformiert und integriert, bevor sie sind
gespeichert in der Datenbank des Restaurants Data Warehouse. Dann bin ich geben
wohnhaft in der Datenbank des Restaurants Data Warehouse werden zur Verfügung gestellt
Tools für den Zugriff und die Wiederherstellung von Endbenutzern. Verwenden von
Mit diesen Tools kann der Endbenutzer auf die integrierte Ansicht zugreifen
der Organisation von geben.
I geben wohnhaft in der Datenbank des Restaurants Data Warehouse sie sind
sowohl im Detail als auch in Zusammenfassungsformaten gespeichert.
Die Ebene der Zusammenfassung kann von der Art der geben. Die geben
detailliert kann bestehen aus geben aktuell und geben historisch
I geben real sind nicht im enthalten Data Warehouse bis ich geben
in Data Warehouse sind aufgefrischt.
Neben der Speicherung von i geben selbst, a Data Warehouse kann auch
Speichern Sie eine andere Art von dato genannt METADATA welche
beschreibe ich geben wohnhaft in seinem Datenbank.
Es gibt zwei Arten von Metadaten: Entwicklungsmetadaten und
Analyse.
Entwicklungsmetadaten werden zum Verwalten und Automatisieren verwendet
Prozesse der Extraktion, Reinigung, Kartierung und Verladung von geben in
Data Warehouse.
Die in den Entwicklungsmetadaten enthaltenen Informationen können enthalten
Details der Betriebssysteme, Details der zu extrahierenden Elemente, die
Modell geben des Restaurants Data Warehouse und Unternehmensregeln für die
Umwandlung von geben.
Die zweite Art von Metadaten, die als Analytics-Metadaten bezeichnet werden
ermöglicht dem Endbenutzer, den Inhalt der Daten zu untersuchen
Lager, um die zu finden geben verfügbar und ihre Bedeutung in Begriffen
klar und nicht technisch.
Daher fungieren Analytics-Metadaten als Brücke zwischen den Daten
Lager- und Endbenutzeranwendungen. Diese Metadaten können
enthalten das Geschäftsmodell, Beschreibungen von geben Korrespondenten
zum Geschäftsmodell, vordefinierte Abfragen und Berichte,
Informationen für Benutzeranmeldungen und den Index.
Die Analyse- und Entwicklungsmetadaten müssen zu einer zusammengefasst werden
Integrierte Containment-Metadaten funktionieren ordnungsgemäß.
Leider haben viele der vorhandenen Tools ihre eigenen
Metadaten und derzeit gibt es keine bestehenden Standards, die
Ermöglichen Sie Data Warehousing-Tools, diese zu integrieren
Metadaten. Um dieser Situation abzuhelfen, haben viele Kaufleute der
Die wichtigsten Data Warehousing-Tools haben Meta Data gebildet
Rat, der später zur Meta Data Coalition wurde.
Der Zweck dieser Koalition ist es, eine Reihe von Metadaten zu erstellen
Standard, der verschiedene Data Warehousing-Tools von ermöglicht
Metadaten konvertieren
Ihre Bemühungen führten zur Geburt der Meta
Data Interchange Specification (MDIS), die den Austausch ermöglicht
Informationen zwischen den Microsoft-Archiven und den zugehörigen MDIS-Dateien.
Die Existenz von geben sowohl zusammengefasst / indiziert als auch detailliert gibt
dem Benutzer die Möglichkeit, einen DRILL DROWN durchzuführen
(Bohren) komm schon geben indiziert zu detaillierten und umgekehrt.
Die Existenz von geben detaillierte geschichten ermöglichen das machen von
Trendanalyse im Zeitverlauf. Zusätzlich können die Analysemetadaten
als Verzeichnis der verwendet werden Datenbank des Restaurants Data Warehouse für
Hilfe für Endbenutzer bei der Suche nach i geben notwendig.
Im Vergleich zu OLTP-Systemen mit ihrer Fähigkeit zu unterstützen
Analyse von geben und Berichterstattung, die Data Warehouse es wird als system gesehen
besser geeignet für Informationsprozesse wie die Durchführung von e
Beantworten Sie Fragen und erstellen Sie Berichte. Der nächste Abschnitt
wird die Unterschiede der beiden Systeme im Detail hervorheben.
DATENLAGER GEGEN OLTP-SYSTEME
Viele der Informationssysteme innerhalb von Organisationen
Sie sollen den täglichen Betrieb unterstützen. Diese
Systeme, die als OLTP SYSTEMS bekannt sind, erfassen Transaktionen
täglich aktualisiert.
I geben Innerhalb dieser Systeme werden sie häufig modifiziert, hinzugefügt oder
gelöscht. Zum Beispiel ändert sich nur eine Kundenadresse
er bewegt sich von Ort zu Ort. In diesem Fall die neue Adresse
wird durch Ändern des Adressfeldes von registriert Datenbank.
Das Hauptziel dieser Systeme ist die Reduzierung der Kosten von
Transaktionen und reduzieren gleichzeitig die Bearbeitungszeiten.
Beispiele für OLTP-Systeme sind kritische Aktionen wie Schreibvorgänge
Buchhaltung von Bestellungen, Gehaltsabrechnungen, Rechnungen, Fertigung, ai Dienstleistungen Kundschaft.
Im Gegensatz zu OLTP-Systemen, die für Prozesse entwickelt wurden
basierend auf Transaktionen und Ereignissen, d.h Data Warehouse wurden erzeugt
Unterstützung für analysebasierte Prozesse von geben und
Entscheidungsprozesse.
Dies wird normalerweise durch Integration von i erreicht geben aus verschiedenen Systemen
OLTP und extern in einem einzigen "Container" von geben,wie besprochen
im vorherigen Abschnitt.
Monash Data Warehousing-Prozessmodell
Das Vorgehensmodell für Data Warehouse Monash wurde entwickelt von der
Forscher der Monash DSS Research Group, basiert auf der
Literaturen von Data Warehouse, über die Erfahrung bei der Unterstützung der
Entwicklung von Systemfeldern im Gespräch mit Anbietern von
Anwendungen zur Verwendung auf Data Warehouse, über eine Expertengruppe
bei der Verwendung von Data Warehouse.
Die Phasen sind: Initiierung, Planung, Entwicklung, Betrieb und
Erklärungen. Das Diagramm erklärt die iterative Natur o
evolutionäre Entwicklung von a Data Warehouse Prozess mit
Zwei-Wege-Pfeile zwischen den verschiedenen Stufen. In diesem
"iterativer" und "evolutionärer" Kontext bedeuten das jeweils
Schritt des Prozesses sind Implementierungsaktivitäten möglich
Propagieren Sie immer zurück zur vorherigen Stufe. Das ist
aufgrund der Art des Projekts von a Data Warehouse wobei
zusätzliche Anfragen aus dem Teil übernehmen jederzeit
Endbenutzer. Zum Beispiel während der Entwicklungsphase von a
prozess von Data Warehouse, einer wird vom Endbenutzer benötigt
neue Dimension oder Themenbereich, die sich nicht auf die
Originalplan, dieser muss dem System hinzugefügt werden. Diese
bewirkt eine Änderung im Projekt. Das Ergebnis ist, dass die
Design muss die Anforderungen der bisher erstellten Dokumente ändern
während der Entwurfsphase. In vielen Fällen ist der aktuelle Stand der
Das Projekt muss in die Entwurfsphase zurückkehren, in der
Die neue Anfrage muss hinzugefügt und dokumentiert werden. Der Benutzer
final muss in der Lage sein, die überarbeitete spezifische Dokumentation und die zu sehen
Änderungen, die in der Entwicklungsphase vorgenommen wurden. Am Ende von
In diesem Entwicklungszyklus muss das Projekt ein hervorragendes Feedback erhalten
beide Teams, das Entwicklungsteam und das Benutzerteam. DAS
Feedback wird dann wiederverwendet, um ein zukünftiges Projekt zu verbessern.
Kapazitätsplanung
DWs sind in der Regel sehr groß und wachsen
sehr schnell (Best 1995, Rudin 1997a) nach dem
Menge von geben Historiker, die sie aus ihrem Leben behalten. Dort
Wachstum kann auch durch verursacht werden geben zusätzlich erforderlich von
Benutzer, um den Wert von zu erhöhen geben das haben sie schon. Von
dementsprechend sind die Speicheranforderungen für geben können
signifikant verbessert werden (Eckerson 1997). So ist es
unerlässlich, um eine Planung der
Kapazität, mit der das zu bauende System wachsen kann
wachsende Bedürfnisse (Best 1995, LaPlante 1996, Lang 1997,
Eckerson 1997, Rudin 1997a, Foley 1997a).
Bei der Planung der Dw-Skalierbarkeit muss man das kennen
Erwartetes Wachstum der Lagergröße, Arten von Fragen
wahrscheinlich durchgeführt, und die Anzahl der unterstützten Endbenutzer (Best
1995, Rudin 1997b, Foley 1997a). Erstellen Sie skalierbare Anwendungen
erfordert eine Kombination aus skalierbaren und technischen Servertechnologien
skalierbares Anwendungsdesign (Best 1995, Rudin 1997b.
Beides ist beim Erstellen einer Anwendung erforderlich
extrem skalierbar. Skalierbare Servertechnologien können
Machen Sie es einfach und rentabel, Speicher, Speicher und Speicher hinzuzufügen
CPU ohne Leistungseinbußen (Lang 1997, Telephony 1997).
Es gibt zwei skalierbare Servertechnologien: Compute
Symmetrisches Multiple (SMP) und massive Verarbeitung
parallel (MPP)) (IDC 1997, Humphries et al. 1999). Ein Server
SMP hat normalerweise mehrere Prozessoren, die sich einen Speicher teilen.
Bussystem und andere Ressourcen (IDC 1997, Humphries et al. 1999).
Zusätzliche Prozessoren können hinzugefügt werden, um die Anzahl zu erhöhen
seine Kraft rechnerisch. Eine andere Methode zur Erhöhung der
Kraft Berechnung des SMP-Servers kombinieren Sie zahlreiche
SMP-Maschinen. Diese Technik wird als Clustering (Humphries) bezeichnet
et al. 1999). Ein MPP-Server verfügt dagegen über mehrere Prozessoren
mit eigenem Speicher, Bussystem und anderen Ressourcen (IDC 1997,
Humphries et al. 1999). Jeder Prozessor wird als Knoten bezeichnet. EIN
Zunahme in Kraft rechnerisch erreicht werden kann
Hinzufügen zusätzlicher Knoten zu MPP-Servern (Humphries et al.
1999).
Eine Schwäche von SMP-Servern besteht darin, dass zu viele Eingabe-Ausgabe-Operationen ausgeführt werden
(I / O) kann das Bussystem überlasten (IDC 1997). Diese
Auf MPP-Servern tritt seitdem kein Problem auf
Prozessor hat ein eigenes Bussystem. Allerdings sind die Verbindungen
zwischen jedem Knoten sind sie im Allgemeinen viel langsamer als das Bussystem
der SMPs. Darüber hinaus können MPP-Server eine Ebene hinzufügen
zusätzliche Komplexität für Anwendungsentwickler (IDC)
1997). Somit kann die Wahl zwischen SMP- und MPP-Servern beeinflusst werden
durch viele Faktoren, einschließlich der Komplexität der Fragen, die Beziehung
Preis / Leistung, die erforderliche Verarbeitungskapazität, die
dw Anwendungen verhindert und die Vergrößerung von Datenbank
von dw und in der Anzahl der Endbenutzer.
Zahlreiche skalierbare Anwendungsdesign-Techniken
Sie können in der Kapazitätsplanung verwendet werden. Einer
Verwendet verschiedene Benachrichtigungsfristen wie Tage, Wochen, Monate und Jahre.
Mit verschiedenen Benachrichtigungsfristen kann die Datenbank kann aufgeteilt werden in
überschaubare gruppierte Stücke (Inmon et al. 1997). Noch einer
Technik ist die Verwendung von Übersichtstabellen, die erstellt werden
zusammenfassen geben da geben detailliert. Also, ich geben Zusammenfassungen sind mehr
Kompakt als detailliert, was weniger Speicherplatz erfordert.
So ist die geben Details können in einer Einheit von gespeichert werden
billigerer Speicher, der noch mehr Speicher spart.
Obwohl die Verwendung von Übersichtstabellen Platz sparen kann
Speicher erfordern sie viel Aufwand, um sie auf dem neuesten Stand zu halten
im Einklang mit den kommerziellen Bedürfnissen. Diese Technik ist jedoch
weit verbreitet und oft in Verbindung mit der Technik verwendet
vorherige (Best 1995, Inmon 1996a, Chauduri und Dayal
1997).
Definieren Data Warehousing Technische
Architekturen Definition von Techniken
Architekturen von dw
Erstanwender von Data Warehousing sind in erster Linie konzipiert
eine zentralisierte Implementierung von dw wo alle gebeneinschließlich
i geben extern, wurden in eine einzige integriert,
physisches Endlager (Inmon 1996a, Bresnahan 1996, Peacock 1998).
Der Hauptvorteil dieses Ansatzes ist, dass die Endbenutzer
Ich kann auf unternehmerische Ebene auf die Ansicht zugreifen
(unternehmensweite Sicht) der geben organisatorisch (Ovum 1998). Ein weiterer
Vorteil ist, dass es Standardisierung von bietet geben durch das
die Organisation, dh es gibt nur eine Version oder
Definition für jede im dw-Repository verwendete Terminologie
(Reposity-) Metadaten (Flanagan und Safdie 1997, Ovum 1998). Das
Nachteil dieses Ansatzes ist andererseits, dass er teuer und schwierig ist
gebaut werden (Flanagan und Safdie 1997, Ovum 1998, Inmon et al.
1998). Nicht lange nach der Speicherarchitektur geben
Zentralisiert wurde populär, das Konzept der Extraktion entwickelte sich
der kleineren Teilmengen der geben die Bedürfnisse von zu unterstützen
spezifische Anwendungen (Varney 1996, IDC 1997, Berson und Smith
1997, Pfau 1998). Diese kleinen Systeme sind von den mehr abgeleitet
groß Data Warehouse zentralisiert. Sie heißen Datum
abhängige Abteilungslager oder abhängige Data Marts.
Die abhängige Data-Mart-Architektur ist bekannt als
dreistufige Architektur, in der die erste Zeile aus dem Datum besteht
Zentrales Lager, das zweite besteht aus den Lagern von geben
Abteilung und die dritte besteht aus Zugang zu geben und die Werkzeuge von
Analyse (Demarest 1994, Inmon et al. 1997).
Data Marts werden normalerweise nach dem Data Warehouse
zentralisiert wurde gebaut, um die Bedürfnisse von zu erfüllen
Gerätespezifikationen (White 1995, Varney 1996).
Data Marts speichern i geben sehr relevant in Bezug auf Details
Einheiten (Inmon et al. 1997, Inmon et al. 1998, IA 1998).
Der Vorteil dieser Methode ist, dass es keine gibt dato liefert nicht
integriert und dass ich geben Sie sind innerhalb der Daten weniger redundant
Marts seit allem geben kommen von einer Kaution von geben integriert.
Ein weiterer Vorteil ist, dass es nur wenige Verbindungen zwischen den einzelnen gibt
Datamart und verwandte Quellen von geben weil jeder data mart nur hat
eine Quelle von geben. Plus mit dieser Architektur, Benutzer
Endungen können weiterhin auf die Übersicht von zugreifen geben
Geschäftsstruktur. Diese Methode ist als bekannt
Top-Down-Methode, bei der die Data Marts nach dem Datum erstellt werden
Lager (Pfau 1998, Goff 1998).
Einige erhöhen die Notwendigkeit, frühzeitig Ergebnisse zu zeigen
Organisationen haben begonnen, unabhängige Data Marts aufzubauen
(Flanagan und Safdie 1997, White 2000). In diesem Fall werden die Data Marts
sie nehmen ihre geben direkt aus den Grundlagen von geben OLTP und nicht seitdem
zentraler und integrierter Speicher, wodurch die Notwendigkeit entfällt
Haben Sie das Zentrallager eingerichtet.
Jeder Datamart benötigt mindestens einen Link zu seinen Quellen
di geben. Ein Nachteil, mehrere Links für jedes Datum zu haben
Mart ist, dass im Vergleich zu den beiden vorherigen Architekturen die
Überfluss an geben steigt deutlich an.
Jeder Datamart muss alle speichern geben lokal erforderlich für
haben keine Auswirkungen auf OLTP-Systeme. Dies verursacht die geben
Sie werden in verschiedenen Data Marts gespeichert (Inmon et al. 1997).
Ein weiterer Nachteil dieser Architektur ist, dass sie zum führt
Schaffung komplexer Verbindungen zwischen Data Marts und ihren
Quellen von geben die schwer durchzuführen und zu kontrollieren sind (Inmon ed
Andere. 1997).
Ein weiterer Nachteil ist, dass Endbenutzer nicht mit Strom versorgen können
Zugriff auf die Unternehmensinformationsübersicht seit i geben
der verschiedenen Data Marts sind nicht integriert (Ovum 1998).
Ein weiterer Nachteil ist, dass es möglicherweise mehr als einen gibt
Definition für jede Terminologie, die in den von ihr generierten Data Marts verwendet wird
Inkonsistenzen von geben in der Organisation (Ovum 1998).
Trotz der oben diskutierten Nachteile unabhängige Data Marts
Sie ziehen immer noch das Interesse vieler Organisationen auf sich (IDC 1997).
Ein Faktor, der sie attraktiv macht, ist, dass sie sich schneller entwickeln
und erfordern weniger Zeit und Ressourcen (Bresnahan 1996, Berson e
Smith 1997, Ovum 1998). Folglich dienen sie hauptsächlich
als Beweisprojekte, die zur Identifizierung verwendet werden können
schnell die Vorteile und / oder Unvollkommenheiten im Projekt (Parsaye
1995, Braly 1995, Newing 1996). In diesem Fall ist der von Teil
Die Umsetzung im Pilotprojekt muss klein, aber wichtig sein
für die Organisation (Newing 1996, Mansell-Lewis 1996).
Durch die Untersuchung des Prototyps können Endbenutzer und Verwaltung
Entscheiden Sie, ob Sie das Projekt fortsetzen oder beenden möchten (Flanagan und Safdie
1997).
Wenn die Entscheidung fortgesetzt werden soll, werden die Data Marts für andere Sektoren
Sie sollten einzeln gebaut werden. Es gibt zwei Möglichkeiten für
Endbenutzer basierend auf ihren Anforderungen beim Erstellen von Daten
unabhängige Matratzen: integriert / föderiert und nicht integriert (Ovum
1998)
Bei der ersten Methode sollte jeder neue Datamart erstellt werden
basierend auf aktuellen Data Marts und Modell geben gebraucht
von der Firma (Varney 1996, Berson und Smith 1997, Peacock 1998).
Die Notwendigkeit, das Modell zu verwenden geben des Unternehmens macht es notwendig
Stellen Sie sicher, dass es für jede Terminologie nur eine Definition gibt
Wird über Data Marts verwendet, um auch dieses Datum sicherzustellen
Verschiedene Marts können zusammengefügt werden, um einen Überblick über die zu geben
Unternehmensinformationen (Bresnahan 1996). Diese Methode ist
Wird als Bottom-up bezeichnet und ist am besten geeignet, wenn eine Einschränkung vorliegt
finanzielle Mittel und Zeit (Flanagan und Safdie 1997, Ovum 1998,
Pfau 1998, Goff 1998). Bei der zweiten Methode werden die Data Marts
gebaut kann nur die Bedürfnisse einer bestimmten Einheit erfüllen.
Eine Variante des föderierten Data Mart ist die Data Warehouse verteilt
in denen die Datenbank Server Hub Middleware wird verwendet, um viele zu verbinden
Data Marts in einer einzigen Einzahlung von geben verteilt (White 1995). Im
dieser Fall, ich geben Unternehmen sind in mehreren Data Marts verteilt.
Endbenutzeranfragen werden an weitergeleitet Datenbank
Server Hub Middleware, die alle extrahiert geben von den Daten gefordert
Marts und gibt die Ergebnisse an die Endbenutzeranwendungen zurück. Diese
Methode bietet Geschäftsinformationen für Endbenutzer. Jedoch,
Die Probleme der Data Marts sind noch nicht beseitigt
unabhängig. Es gibt eine andere Architektur, die verwendet werden kann, nämlich
genannt die Data Warehouse virtuell (Weiß 1995). Dieser jedoch
Architektur, die in Abbildung 2.9 beschrieben ist, ist keine Architektur
der Lagerung von geben real, da es die Last nicht bewegt
von OLTP-Systemen zu Data Warehouse (Demarest 1994).
In der Tat sind die Anfragen nach geben von Endbenutzern haben die übergangen
OLTP-Systeme, die nach der Verarbeitung der Ergebnisse zurückgeben
Benutzeranfragen. Obwohl diese Architektur Benutzer erlaubt
um Berichte zu generieren und Anfragen zu formulieren, kann ich nicht bereitstellen
geben Geschichte und Überblick über Unternehmensinformationen seit i geben
aus den verschiedenen OLTP-Systemen sind nicht integriert. Also dieser hier
Architektur kann die Analyse von nicht befriedigen geben Komplex welche Anzeige
Prognosebeispiel.
Auswahl der Zugangsanwendung und
Erholung von geben
Der Zweck des Gebäudes a Data Warehouse ist zu vermitteln
Informationen für Endbenutzer (Inmon et al. 1997, Poe 1996,
McFadden 1996, Shanks et al. 1997, Hammergren 1998); eins oder
Mehrfachzugriffs- und Wiederherstellungsanwendungen geben muss zur Verfügung gestellt werden. Zu
Heute gibt es eine Vielzahl dieser Anwendungen, unter denen der Benutzer arbeiten kann
wählen (Hammergren 1998, Humphries et al 1999). Das
Ausgewählte Anwendungen bestimmen den Erfolg der Bemühungen
der Lagerung von geben in einer Organisation, weil die
Anwendungen sind der sichtbarste Teil der Data Warehouse an den Benutzer
final (Inmon et al. 1997, Poe 1996). Für ein erfolgreiches Date
Lager muss in der Lage sein, die Analyseaktivitäten des zu unterstützen geben
Endbenutzer (Poe 1996, Seddon und Benjamin 1998, Eckerson
1999). Das "Niveau" dessen, was der Endbenutzer will, muss also sein
identifiziert (Poe 1996, Mattison 1996, Inmon et al. 1997,
Humphries et al. 1999).
Im Allgemeinen können Endbenutzer in drei Gruppen eingeteilt werden
Kategorien: Executive User, Business Analysten und Power User (Poe
1996, Humphries et al. 1999). Executive User brauchen
einfacher Zugriff auf vordefinierte Berichtssätze (Humphries ed
andere 1999). Diese Beziehungen können leicht mit erreicht werden
Navigation der Menüs (Poe 1996). Außerdem sollten Berichte
Präsentieren Sie Informationen mithilfe einer grafischen Darstellung
wie Tabellen und Vorlagen, um schnell zu liefern
Informationen (Humphries et al. 1999). Business Analysten, die das nicht tun
Sie verfügen möglicherweise über die technischen Fähigkeiten, um Beziehungen aufzubauen
Null für sich, müssen in der Lage sein, die aktuellen Verhältnisse für zu ändern
erfüllen ihre spezifischen Bedürfnisse (Poe 1996, Humphries et al
1999). Power-User hingegen sind die Art von Endbenutzern, die
Sie haben die Möglichkeit, Anfragen und Berichte zu generieren und zu schreiben
Null (Poe 1996, Humphries et al 1999). Sie sind diejenigen, die
Entwicklung von Berichten für andere Benutzertypen (Poe 1996, Humphries
et al. 1999).
Sobald die Endbenutzeranforderungen festgelegt wurden, muss dies durchgeführt werden
eine Auswahl von Zugriffs- und Abrufanwendungen geben tra tutti
die verfügbaren (Poe 1996, Inmon et al 1997).
Zugang zu geben und Abrufwerkzeuge können sein
klassifiziert in 4 Typen: OLAP-Tool, EIS / DSS-Tool, Abfrage-Tool und
Berichts- und Data Mining-Tool.
Mit OLAP-Tools können Benutzer auch Ad-hoc-Abfragen erstellen
die gemacht auf Datenbank des Restaurants Data Warehouse. Plus diese Produkte
Ermöglichen Sie Benutzern einen Drilldown von geben allgemein zu denen
detailliert.
EIS / DSS-Tools bieten Executive Reporting als "Was wäre wenn" -Analyse
und Zugriff auf in Menüs organisierte Berichte. Berichte müssen sein
vordefiniert und mit Menüs zusammengeführt, um die Navigation zu vereinfachen.
Mithilfe von Abfrage- und Berichterstellungstools können Benutzer Berichte erstellen
vordefiniert und spezifisch.
Data Mining-Tools werden verwendet, um Beziehungen zu identifizieren, die
könnte neues Licht auf vergessene Operationen in werfen geben des Restaurants
Datawarehouse.
Neben der Optimierung der Anforderungen jedes Benutzertyps, d.h.
Ausgewählte Werkzeuge müssen intuitiv, effizient und einfach zu bedienen sein.
Sie müssen auch mit anderen Teilen der Architektur kompatibel sein. E.
in der Lage, mit vorhandenen Systemen zu arbeiten. Es wird auch empfohlen,
Wählen Sie Tools für den Datenzugriff und den Datenabruf mit Preisen und Leistung
angemessen. Weitere zu berücksichtigende Kriterien sind das Engagement der
Anbieter des Tools zur Unterstützung seines Produkts und der Entwicklungen, die es ausmachen
Gleiches wird in zukünftigen Versionen gelten. Um die Benutzerinteraktion sicherzustellen
Bei der Nutzung des Data Warehouse bezieht das Entwicklungsteam die
Benutzer im Werkzeugauswahlprozess. In diesem Fall
Eine praktische Benutzerbewertung sollte durchgeführt werden.
Um den Wert des Data Warehouse zu verbessern, kann das Entwicklungsteam
bieten auch Webzugriff auf ihre Data Warehouses. EIN
Über das webfähige Datawarehouse können Benutzer darauf zugreifen geben
von abgelegenen Orten oder auf Reisen. Auch die Informationen können
zu geringeren Kosten durch Kostensenkung bereitgestellt werden
des Trainings.
2.4.3 Data Warehousing Betriebsphase
Diese Phase besteht aus drei Aktivitäten: Definition von Datumsstrategien
Aktualisierung, Kontrolle der Data Warehouse-Aktivitäten und Verwaltung von
Data Warehouse-Sicherheit.
Definition von Datenaktualisierungsstrategien
Nach dem ersten Upload, ich geben in Datenbank des Datawarehouse
Sie müssen regelmäßig aufgefrischt werden, um reproduziert zu werden
Änderungen vorgenommen am geben Originale. Es ist daher notwendig zu entscheiden
wann zu aktualisieren, wie oft sollte die
aktualisieren und wie man die aktualisiert geben. Es wird empfohlen, das zu tun
Auffrischen von geben wenn das System offline geschaltet werden kann. Dort
Die Aktualisierungsrate wird vom vertrauenden Entwicklungsteam festgelegt
auf Benutzeranforderungen. Es gibt zwei Ansätze, um das zu aktualisieren
Datawarehouse: vollständige Aktualisierung und kontinuierliches Laden von
Änderungen.
Der erste Ansatz, die vollständige Aktualisierung, erfordert das erneute Laden des
alle geben von Grund auf neu. Das bedeutet, dass alle geben erforderlich muss
extrahiert, gereinigt, transformiert und in jede Aktualisierung integriert werden. Diese
Ansatz sollte so weit wie möglich vermieden werden, weil
Es kostet viel Zeit und Ressourcen.
Ein alternativer Ansatz besteht darin, das kontinuierlich zu laden
Änderungen. Dies fügt i hinzu geben das wurden geändert
aus dem letzten Aktualisierungszyklus des Data Warehouse. Die Identifizierung von
Neue oder geänderte Datensätze reduzieren die Anzahl der Datensätze erheblich
geben die jeweils an das Data Warehouse weitergegeben werden müssen
Update da nur diese geben wird dem hinzugefügt Datenbank
des Datawarehouse.
Es gibt mindestens 5 Ansätze, die zum Zurückziehen verwendet werden können
i geben neu oder modifiziert. Um eine effiziente Strategie von zu erhalten
Auffrischen von geben Eine Mischung dieser Ansätze kann nützlich sein
Nehmen Sie alle Änderungen im System auf.
Der erste Ansatz, bei dem Zeitstempel verwendet werden, geht davon aus, dass dies der Fall ist
allen zugeordnet geben einen Zeitstempel so geändert und aktualisiert
in der Lage sein, alle leicht zu identifizieren geben modifiziert und neu.
Dieser Ansatz ist jedoch in den meisten Fällen nicht weit verbreitet
Teil der heutigen Betriebssysteme.
Der zweite Ansatz besteht darin, eine Delta-Datei zu verwenden, die von generiert wurde
eine Anwendung, die nur die Änderungen enthält, die an der vorgenommen wurden geben.
Durch die Verwendung dieser Datei wird auch der Aktualisierungszyklus verlängert.
Selbst diese Methode wurde jedoch in vielen Fällen nicht angewendet
Anwendungen.
Der dritte Ansatz besteht darin, eine Protokolldatei zu scannen, die
Es enthält im Wesentlichen Informationen ähnlich der Delta-Datei. Der Einzige
Unterschied ist, dass eine Protokolldatei für den Wiederherstellungsprozess erstellt wird und
es kann schwer zu verstehen sein.
Der vierte Ansatz besteht darin, den Anwendungscode zu ändern.
Der größte Teil des Anwendungscodes ist jedoch alt und
fragil; Daher sollte diese Technik vermieden werden.
Der letzte Ansatz ist der Vergleich der geben Quellen mit der Datei
Haupt von geben.
Kontrolle der Data Warehouse-Aktivitäten
Sobald das Data Warehouse für Benutzer freigegeben wurde, ist es
notwendig, um es im Laufe der Zeit zu überwachen. In diesem Fall der Administrator
des Data Warehouse kann ein oder mehrere Verwaltungstools verwenden. e
Kontrolle zur Überwachung der Nutzung des Data Warehouse. Bestimmtes
Informationen über Personen und Zeit können in gesammelt werden
die sie auf das Data Warehouse zugreifen. Komm schon geben gesammelt kann erstellt werden
ein Profil der durchgeführten Arbeit, das als Eingabe verwendet werden kann
bei der Implementierung der Rückbuchung des Benutzers. Die Rückbuchung
ermöglicht es Benutzern, über die Kosten der Verarbeitung des informiert zu werden
Datawarehouse.
Darüber hinaus kann auch die Data Warehouse-Steuerung verwendet werden
Identifizieren Sie die Arten von Abfragen, ihre Größe und die Anzahl der Abfragen pro
Tag, Reaktionszeiten der Abfrage, erreichte Sektoren und Menge
di geben verarbeitet. Ein weiterer Zweck der Überprüfung der
Datawarehouse ist die zu identifizieren geben die nicht in Gebrauch sind. Diese geben
Sie können aus dem Data Warehouse entfernt werden, um die Zeit zu verkürzen
Antwort auf die Abfrageausführung und Steuerung des Wachstums von
geben die sich innerhalb der befinden Datenbank des Datawarehouse.
Data Warehouse-Sicherheitsmanagement
Ein Data Warehouse enthält geben integriert, kritisch, sensibel, dass
kann leicht erreicht werden. Aus diesem Grund sollte es
vor unbefugten Benutzern geschützt sein. Ein Weg, um
Implementieren von Sicherheit ist die Verwendung der del-Funktion DBMS
verschiedenen Benutzertypen unterschiedliche Berechtigungen zuweisen. In diesem
Auf diese Weise muss für jeden Benutzertyp ein Profil gepflegt werden
Zugriff. Eine andere Möglichkeit, das Data Warehouse zu sichern, besteht darin, es zu verschlüsseln
wie es geschrieben steht Datenbank des Datawarehouse. Zugriff auf
geben und die Abrufwerkzeuge müssen das entschlüsseln geben vor der Präsentation i
Ergebnisse für Benutzer.
2.4.4 Data Warehousing Bereitstellungsphase
Dies ist die letzte Phase im Data Warehouse-Implementierungszyklus. Das
Zu den in dieser Phase auszuführenden Aktivitäten gehört die Ausbildung von
Benutzer können das Data Warehouse verwenden und Überprüfungen durchführen
des Datawarehouse.
Benutzerschulung
Die Benutzerschulung sollte zuerst durchgeführt werden
Zugriff auf geben des Data Warehouse und die Nutzung des
Abruf. Im Allgemeinen sollten Sitzungen mit beginnen
die Einführung in das Konzept der Lagerung von gebenzu
Inhalt des Datawarehouse, zum Meta geben und die Grundfunktionen
von Werkzeugen. Dann könnten auch fortgeschrittenere Benutzer das studieren
physische Tabellen und die Funktionen der Benutzer des Datenzugriffs und Tools von
abrufen.
Es gibt viele Ansätze zur Schulung von Benutzern. Einer von
Diese bieten eine Auswahl vieler Benutzer oder Analysten, die von a ausgewählt wurden
Gruppe von Benutzern, die sich auf ihre Führung und Fähigkeiten verlassen
Kommunikation. Diese werden in persönlicher Eigenschaft am geschult
alles, was sie wissen müssen, um sich mit dem vertraut zu machen
System. Nach dem Training kehren sie zu ihrer Arbeit zurück. E.
Sie beginnen anderen Benutzern den Umgang mit dem System beizubringen. Auf der
Basierend auf dem, was sie gelernt haben, können andere Benutzer damit beginnen
Erkunden Sie das Datawarehouse.
Ein anderer Ansatz besteht darin, viele Benutzer gleichzeitig zu schulen
Zeit, als ob Sie einen Unterrichtskurs belegen würden. Diese Methode
Es ist geeignet, wenn viele Benutzer geschult werden müssen
gleichzeitig. Eine weitere Methode ist das Trainieren
jeder Benutzer einzeln, einer nach dem anderen. Diese Methode ist
Geeignet, wenn nur wenige Benutzer vorhanden sind.
Der Zweck der Benutzerschulung besteht darin, sich vertraut zu machen
mit Zugang zu geben und die Abrufwerkzeuge sowie den Inhalt der
Datawarehouse. Einige Benutzer können jedoch überfordert sein
die Menge an Informationen, die während der Sitzung bereitgestellt werden
Ausbildung. Es muss also eine Reihe von Maßnahmen ergriffen werden
Aktualisieren Sie die Sitzungen, um Unterstützung zu erhalten und zu antworten
zu spezifischen Fragen. In einigen Fällen eine Gruppe von
Benutzer, um diese Art der Unterstützung bereitzustellen.
Feedback einholen
Sobald das Data Warehouse eingeführt wurde, können Benutzer
benutze i geben Aufenthalt im Data Warehouse für verschiedene Zwecke.
Hauptsächlich verwenden Analysten oder Benutzer die geben in
Datawarehouse für:
1 Identifizieren Sie Unternehmenstrends
2 Analysieren Sie die Einkaufsprofile von Kundschaft
3 Teilen Sie i Kundschaft und
4 Bieten Sie den besten Service für Kundschaft - Dienste anpassen
5 Strategien formulieren Marketing
6 Machen Sie wettbewerbsfähige Schätzungen für Kostenanalysen und helfen Sie
Smartgeräte App
7 Unterstützung der strategischen Entscheidungsfindung
8 Identifizieren Sie die sich bietenden Möglichkeiten
9 Verbessern Sie die Qualität der aktuellen Geschäftsprozesse
10 Überprüfen Sie den Gewinn
Sie könnten der Entwicklungsrichtung des Data Warehouse folgen
Führen Sie eine Reihe von Überarbeitungen des Systems durch, um Feedback zu erhalten
sowohl vom Entwicklungsteam als auch von der Community
Endverbraucher.
Die erzielten Ergebnisse können für die berücksichtigt werden
nächster Entwicklungszyklus.
Da das Data Warehouse einen inkrementellen Ansatz verfolgt,
Es ist wichtig, aus den Erfolgen und Fehlern der vorherigen zu lernen
Entwicklungen.
2.5 Zusammenfassung
In diesem Kapitel werden die Ansätze in
Literatur. In Abschnitt 1 wurde das Konzept von erörtert
Datawarehouse und seine Rolle in der Entscheidungswissenschaft. Im
Abschnitt 2 beschrieb die Hauptunterschiede zwischen
Data Warehouse- und OLTP-Systeme. In Abschnitt 3 wurde die
Monash Data Warehouse-Modell, das verwendet wurde
in Abschnitt 4, um die am Prozess beteiligten Aktivitäten zu beschreiben
Entwicklung eines Data Warehouse, auf dem diese Thesen nicht basierten
strenge Forschung. Was in der Realität passiert, kann sein
sehr verschieden von dem, was die Literatur berichtet, jedoch diese
Ergebnisse können verwendet werden, um ein Grundgepäck zu erstellen, das
unterstreichen das Konzept des Data Warehouse für diese Forschung.
Kapitel 3
Forschungs- und Entwurfsmethoden
Dieses Kapitel befasst sich mit Forschungs- und Entwurfsmethoden für
diese Studie. Der erste Teil zeigt eine allgemeine Ansicht der Methoden
auch zum Abrufen von Informationen verfügbar
Die Kriterien für die Auswahl der besten Methode für eine werden diskutiert
besondere Studie. In Abschnitt 2 werden dann zwei Methoden erörtert
ausgewählt mit den oben angegebenen Kriterien; davon werden ausgewählt und
verabschiedete eine mit den in Abschnitt 3 dargelegten Gründen, wo sie sind
Die Gründe für den Ausschluss des anderen Kriteriums wurden ebenfalls dargelegt. Dort
Abschnitt 4 präsentiert das Forschungsprojekt und Abschnitt 5 le
Schlussfolgerungen.
3.1 Forschung in Informationssystemen
Forschung in Informationssystemen beschränkt sich nicht nur auf
auf den technologischen Bereich, muss aber auch erweitert werden, um einzuschließen
Zwecke in Bezug auf Verhalten und Organisation.
Wir verdanken dies den Thesen verschiedener Disziplinen von
sozial- bis naturwissenschaftlich; dies führt zu der Notwendigkeit eines
bestimmtes Spektrum von Forschungsmethoden mit quantitativen Methoden
und qualitativ für Informationssysteme verwendet werden.
Alle verfügbaren Forschungsmethoden sind wichtig, in der Tat vielfältig
Forscher wie Jenkins (1985), Nunamaker et al. (1991) und Galliers
(1992) argumentieren, dass es keine universelle spezifische Methode gibt
Forschung in verschiedenen Bereichen von Informationssystemen durchzuführen; tatsächlich
Eine Methode kann für eine bestimmte Suche geeignet sein, jedoch nicht
für andere. Dies führt uns zu der Notwendigkeit, eine Methode auszuwählen, die
ist für unser spezielles Forschungsprojekt geeignet: dafür
Wahl Benbasat et al. (1987) geben an, dass sie berücksichtigt werden müssen
Art und Zweck der Forschung.
3.1.1 Art der Forschung
Verschiedene Methoden, die auf der Art der Forschung basieren, können sein
klassifiziert in drei weithin bekannte Traditionen in der Wissenschaft
Information: positivistische, interpretative und kritische Forschung.
3.1.1.1 Positivistische Forschung
Positivistische Forschung ist auch als wissenschaftliche Studie oder bekannt
empirisch. Es wird versucht: „zu erklären und vorherzusagen, was in der EU passieren wird
soziale Welt mit Blick auf Regelmäßigkeiten und Ursache-Wirkungs-Beziehungen
unter seinen Bestandteilen “(Shanks et al. 1993).
Positivistische Forschung zeichnet sich auch durch Wiederholbarkeit aus,
Vereinfachungen und Widerlegungen. Darüber hinaus gibt positivistische Forschung zu
die Existenz von a priori Beziehungen zwischen den untersuchten Phänomenen.
Nach Galliers (1992) ist Taxonomie eine Forschungsmethode
im positivistischen Paradigma enthalten, das jedoch nicht darauf beschränkt ist,
in der Tat gibt es Laborexperimente, Feldversuche,
Fallstudien, Theorembeweise, Vorhersagen und Simulationen.
Mit diesen Methoden geben die Forscher zu, dass die Phänomene
studiert kann objektiv und streng beobachtet werden.
3.1.1.2 Interpretative Forschung
Interpretative Forschung, die oft als Phänomenologie oder bezeichnet wird
Antipositivismus wird von Neuman (1994) als „Analyse“ beschrieben
systematisch die soziale Bedeutung von Handeln durch direkte e
detaillierte Beobachtung von Menschen in natürlichen Situationen in Ordnung
zu dem Verständnis und der Interpretation des Wie gelangen
Menschen schaffen und erhalten ihre soziale Welt “. Studien
interpretativ lehnen die Annahme ab, dass die beobachteten Phänomene
kann objektiv beobachtet werden. In der Tat basieren sie
auf subjektive Interpretationen. Interpretationsforscher hingegen nicht
Sie legen den Phänomenen, die sie untersuchen, a priori Bedeutungen auf.
Diese Methode umfasst subjektive / argumentative Studien, Aktionen von
Forschung, deskriptive / interpretative Studien, zukünftige Forschung und Spiele von
Rolle. Zusätzlich zu diesen Umfragen und Fallstudien können
in diesen Ansatz einbezogen, da sie die Studien von betreffen
Einzelpersonen oder Organisationen in komplexen Situationen
der realen Welt.
3.1.1.3 Kritische Forschung
Kritische Forschung ist der am wenigsten bekannte Ansatz in den Wissenschaften
sozial, hat aber vor kurzem die Aufmerksamkeit von Forschern erhalten
im Bereich der Informationssysteme. Die philosophische Annahme, dass die
soziale Realität wird historisch von Menschen produziert und reproduziert,
sowie soziale Systeme mit ihren Handlungen und Interaktionen. Ihr
Geschicklichkeit wird jedoch durch eine Reihe von Überlegungen vermittelt
sozial, kulturell und politisch.
Neben der interpretativen Forschung argumentiert die kritische Forschung, dass die
positivistische Forschung hat nichts mit dem sozialen Kontext zu tun und ignoriert das
sein Einfluss auf menschliches Handeln.
Kritische Forschung kritisiert dagegen interpretative Forschung für
zu subjektiv sein und weil es nicht darauf abzielt zu helfen
Menschen, um ihr Leben zu verbessern. Der größte Unterschied zwischen dem
Die kritische Forschung und die beiden anderen Ansätze sind ihre bewertende Dimension.
Während die Objektivität der positivistischen und interpretativen Traditionen für ist
Vorhersage oder Erklärung des Status Quo oder der sozialen Realität, kritische Forschung
zielt darauf ab, die soziale Realität unten kritisch zu bewerten und zu transformieren
Studio.
Kritische Forscher lehnen in der Regel den Status Quo ab, um
soziale Unterschiede beseitigen und soziale Bedingungen verbessern. Dort
kritische Forschung hat eine Verpflichtung zu einer prozeduralen Sicht der
Phänomene von Interesse und ist daher normalerweise in Längsrichtung.
Beispiele für Forschungsmethoden sind historische Langzeitstudien und
ethnographische Studien. Kritische Forschung war jedoch nicht
weit verbreitet in der Informationssystemforschung
3.1.2 Zweck der Forschung
Zusammen mit der Art der Forschung kann ihr Zweck genutzt werden
den Forscher bei der Auswahl einer bestimmten Methode zu führen
Forschung. Der Zweck eines Forschungsprojekts ist eng miteinander verbunden
die Position der Suche in Bezug auf den Suchzyklus, der aus besteht
drei Phasen: Konstruktion der Theorie, Test der Theorie und Verfeinerung der
Theorie. Unter Berufung auf den Moment in Bezug auf den Forschungszyklus, a
Forschungsprojekt kann einen erklärenden, beschreibenden Zweck haben
Erkundung oder Vorhersage.
3.1.2.1 Explorative Forschung
Explorative Forschung zielt darauf ab, ein Thema zu untersuchen
völlig neu und formulieren Fragen und Hypothesen für die Forschung
Zukunft. Diese Art der Forschung wird beim Bau der
Theorie, um erste Referenzen in einem neuen Bereich zu erhalten.
Normalerweise werden qualitative Forschungsmethoden verwendet, wie zum Beispiel Fälle
Studie oder phänomenologische Studien.
Es ist jedoch auch möglich, quantitative Techniken anzuwenden, wie z
explorative Untersuchungen oder Experimente.
3.1.3.3 Beschreibende Forschung
Deskriptive Forschung zielt darauf ab, in großem Umfang zu analysieren und zu beschreiben
detailliert eine bestimmte organisatorische Situation oder Praxis. Diese
es eignet sich zum Bauen von Theorien und kann auch für verwendet werden
Hypothesen bestätigen oder bestreiten. Beschreibende Forschung in der Regel
beinhaltet die Verwendung von Messungen und Proben. Die am besten geeigneten Forschungsmethoden
Dazu gehören Untersuchungen und Hintergrundanalysen.
3.1.2.3 Erklärende Forschung
Erklärende Forschung versucht zu erklären, warum Dinge passieren.
Es basiert auf Fakten, die bereits untersucht wurden und zu finden versuchen
die Gründe für diese Tatsachen.
Erklärende Forschung baut also normalerweise auf Forschung auf
explorativ oder beschreibend und ist ergänzend, um zu testen und zu verfeinern
die Theorien. Erklärende Forschung verwendet typischerweise Fallstudien
o umfragebasierte Forschungsmethoden.
3.1.2.4 Vorbeugende Forschung
Präventive Forschung zielt darauf ab, Ereignisse und Verhaltensweisen vorherzusagen
unter der Beobachtung, dass sie untersucht werden (Marshall und Rossman
1995). Vorhersage ist der wissenschaftliche Standardtest der Wahrheit.
Diese Art der Forschung verwendet im Allgemeinen Untersuchungen oder Analysen von
geben Historiker. (Yin 1989)
Die obige Diskussion zeigt, dass es eine Reihe von gibt
mögliche Forschungsmethoden, die in einer Studie verwendet werden können
besonders. Es muss jedoch eine bestimmte Methode geben, die besser geeignet ist
andere für eine bestimmte Art von Forschungsprojekt. (Galliers
1987, Yin 1989, De Vaus 1991). Jeder Forscher hat also
müssen die Stärken und Schwächen von sorgfältig abwägen
verschiedene Methoden, um die am besten geeignete Forschungsmethode anzuwenden e
kompatibel mit dem Forschungsprojekt. (Jenkins 1985, Pervan und Klass
1992, Bonomia 1985, Yin 1989, Himilton und Ives 1992).
3.2. Mögliche Forschungsmethoden
Das Ziel dieses Projekts war es, die Erfahrungen in zu studieren
Australische Organisationen mit i geben mit einem gespeichert
Entwicklung von Data Warehouse. Datum was derzeit gibt es eine
Mangel an Forschung im Bereich Data Warehousing in Australien,
Dieses Forschungsprojekt befindet sich noch in der theoretischen Phase des Zyklus
Forschung und hat einen explorativen Zweck. Erkundung der Erfahrung in
Australische Organisationen übernehmen Data Warehousing
es erfordert die Interpretation der realen Gesellschaft. Folglich ist die
Die dem Forschungsprojekt zugrunde liegende philosophische Annahme folgt
die traditionelle Interpretation.
Nach einer strengen Überprüfung der verfügbaren Methoden wurden sie identifiziert
zwei mögliche Forschungsmethoden: Umfragen und Fallstudien
(Fallstudien), die für die Forschung verwendet werden können
explorativ (Shanks et al. 1993). Galliers (1992) argumentiert das
die Eignung dieser beiden Methoden für diese spezielle Studie in der
In seiner Taxonomie wurde erneut darauf hingewiesen, dass sie für den Bau geeignet sind
theoretisch. In den folgenden beiden Unterabschnitten wird jede Methode in erläutert
Detail.
3.2.1 Untersuchungsmethode
Die Methode der Untersuchungsforschung stammt aus der alten Methode von
Volkszählung. Eine Volkszählung besteht aus dem Sammeln von Informationen von
eine ganze Bevölkerung. Diese Methode ist teuer und unpraktisch
besonders wenn die Bevölkerung groß ist. Also im Vergleich zum
Volkszählung konzentriert sich eine Umfrage normalerweise auf die
Sammeln Sie Informationen für eine kleine Anzahl oder Stichprobe der
Vertreter der Bevölkerung (Fowler 1988, Neuman 1994). EIN
Die Stichprobe spiegelt die Population wider, aus der sie stammt, mit unterschiedlichen
Genauigkeitsniveaus, entsprechend der Struktur der Probe, die
Größe und verwendete Auswahlmethode (Fowler 1988, Babbie
1982, Neumann 1994).
Die Erhebungsmethode ist definiert als "Momentaufnahmen von Praktiken".
Situationen oder Ansichten zu einem bestimmten Zeitpunkt, die unter Verwendung von
Fragebögen oder Interviews, aus denen Rückschlüsse gezogen werden können
made "(Galliers 1992: 153) [Momentaufnahme der Dateien,
Situationen oder Ansichten zu einem bestimmten Zeitpunkt, die unter Verwendung von
Fragebögen oder Interviews, aus denen Rückschlüsse gezogen werden können]. Das
Umfragen befassen sich mit der Sammlung von Informationen zu bestimmten Aspekten
der Studie, von einer Reihe von Teilnehmern zu tun
Fragen (Fowler 1988). Auch diese Fragebögen und Interviews, die
Dazu gehören persönliche Telefoninterviews und strukturierte Interviews.
sind die Sammlungstechniken von geben am häufigsten verwendet in
Untersuchungen (Blalock 1970, Nachmias und Nachmias 1976, Fowler
1988) können Beobachtungen und Analysen verwendet werden (Gable
1994). Von all diesen Methoden der Sammlung der geben, die Verwendung der
Fragebogen ist die beliebteste Technik, da es sicherstellt, dass ich geben
gesammelt werden strukturiert und formatiert und erleichtern so die
Klassifizierung von Informationen (Hwang 1987, de Vaus 1991).
Bei der Analyse der gebenwird häufig eine Untersuchungsstrategie angewendet
quantitative Techniken, wie statistische Analyse, aber sie können sein
Es werden auch qualitative Techniken eingesetzt (Galliers 1992, Pervan
und Klass 1992, Gable 1994). Normalerweise ich geben gesammelt werden
wird zur Analyse von Verteilungen und Assoziationsmodellen verwendet
(Fowler 1988).
Obwohl Umfragen im Allgemeinen für die Forschung geeignet sind
Umgang mit der Frage "Was?" (was) oder davon
resultierend, wie 'Quantum' (wie viel) und 'Quant'è' (wie viele), esse
kann über die Frage 'warum' (Sonquist und
Dunkelberg 1977, Yin 1989). Laut Sonquist und Dunkelberg
(1977) weist die Forschungsuntersuchung auf schwierige Hypothesen hin, Programm von
Bewertung, Beschreibung der Bevölkerung und Entwicklung von Modellen der
menschliches Verhalten. Auch Umfragen können verwendet werden
eine bestimmte Meinung der Bevölkerung zu studieren, Bedingungen,
frühere Meinungen, Eigenschaften, Erwartungen und sogar Verhaltensweisen
oder anwesend (Neuman 1994).
Die Untersuchungen ermöglichen es dem Forscher, die Beziehungen zwischen den
Bevölkerung und die Ergebnisse sind in der Regel allgemeiner als
andere Methoden (Sonquist und Dunkelberg 1977, Gable 1994). Das
Umfragen ermöglichen es Forschern, sich auf ein geografisches Gebiet zu beziehen
breiter und um viele Registranten zu erreichen (Blalock 1970,
Sonquist und Dunkelberg 1977, Hwang und Lin 1987, Gable 1994,
Neuman 1994). Schließlich können Umfragen die Informationen liefern
die an keiner anderen Stelle oder in der für die Analyse erforderlichen Form verfügbar sind
(Fowler 1988).
Es gibt jedoch einige Einschränkungen bei der Durchführung einer Untersuchung. Einer
Nachteil ist, dass der Forscher nicht viele Informationen erhalten kann
über das untersuchte Objekt. Dies liegt an der Tatsache, dass die
Untersuchungen werden nur zu einem bestimmten Zeitpunkt durchgeführt und daher
Es gibt eine begrenzte Anzahl von Variablen und Personen, die der Forscher kann
zu studieren (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998).
Ein weiterer Nachteil ist, was die Durchführung einer Umfrage sein kann
sehr teuer in Bezug auf Zeit und Ressourcen, insbesondere wenn
beinhaltet persönliche Interviews (Fowler 1988).
3.2.2. Untersuchungsforschungsmethode
Die Untersuchungsmethode der Untersuchung beinhaltet eine eingehende Untersuchung von
eine bestimmte Situation in ihrem realen Kontext in a
definierter Zeitraum, ohne dass die
Forscher (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985).
Hauptsächlich wird diese Methode verwendet, um die Beziehungen zwischen zu beschreiben
die Variablen, die in einer bestimmten Situation untersucht werden
(Galliers 1992). Untersuchungen können Einzelfälle oder
mehrfach, abhängig vom analysierten Phänomen (Franz und Robey 1987,
Eisenhardt 1989, Yin 1989).
Die Untersuchungsmethode wird als „Anfrage“ bezeichnet
empirische Studie, die ein zeitgenössisches Phänomen innerhalb der untersucht
seinen realen Kontext unter Verwendung mehrerer Quellen, die entweder von oder gesammelt wurden
mehrere Entitäten wie Personen, Gruppen oder Organisationen “(Yin 1989).
Es gibt keine klare Trennung zwischen dem Phänomen und seinem Kontext. E.
Es gibt keine experimentelle Kontrolle oder Manipulation der Variablen (Yin
1989, Benbasat et al. 1987).
Es gibt eine Vielzahl von Techniken für die Sammlung der geben wer kann
in der Untersuchungsmethode eingesetzt werden, die die
direkte Beobachtungen, Überprüfung von Archivunterlagen, Fragebögen,
Dokumentationsprüfung und strukturierte Interviews. Haben
eine Vielzahl von Sammeltechniken geben, die Anfragen
ermöglichen Forschern, mit beiden umzugehen geben qualitativ das
gleichzeitig quantitativ (Bonoma 1985, Eisenhardt 1989, Yin
1989, Gable 1994). Wie bei der Erhebungsmethode a
Der investigative Forscher fungiert als Beobachter oder Forscher und nicht
als aktiver Teilnehmer an der untersuchten Organisation.
Benbasat et al. (1987) behaupten, dass die Untersuchungsmethode ist
besonders geeignet für die Konstruktion der Forschungstheorie, die
Es beginnt mit einer Forschungsfrage und setzt sich mit der Ausbildung fort
einer Theorie während des Sammlungsprozesses geben. sein
auch für die Bühne geeignet
Franz und Robey (1987) schlagen dies vor
Die Untersuchungsmethode kann auch für den Komplex verwendet werden
theoretisches Stadium. In diesem Fall, basierend auf den gesammelten Beweisen, eine
gegebene Theorie oder Hypothese wird verifiziert oder widerlegt. Plus, die Untersuchung ist
auch geeignet für die Forschung, die sich mit Fragen wie "oder" befasst
"Warum" (Yin 1989).
Im Vergleich zu anderen Methoden ermöglichen Untersuchungen dem Forscher dies
Erfassen Sie wichtige Informationen detaillierter (Galliers
1992, Shanks et al. 1993). Darüber hinaus ermöglichen die Untersuchungen die
Forscher, um die Natur und Komplexität der untersuchten Prozesse zu verstehen
(Benbasat et al. 1987).
Mit der Methode sind vier Hauptnachteile verbunden
Ermittlung. Das erste ist das Fehlen kontrollierter Abzüge. Dort
Die Subjektivität des Forschers kann die Ergebnisse und Schlussfolgerungen verzerren
der Studie (Yin 1989). Der zweite Nachteil ist das Fehlen von
kontrollierte Beobachtung. Im Gegensatz zu experimentellen Methoden ist die
Forscher können die untersuchten Phänomene nicht kontrollieren
da sie in ihrem natürlichen Kontext untersucht werden (Gable 1994). Das
Der dritte Nachteil ist die mangelnde Reproduzierbarkeit. Dies liegt an der Tatsache
dass es unwahrscheinlich ist, dass der Forscher dieselben Ereignisse beobachtet, z
kann die Ergebnisse einer bestimmten Studie nicht verifizieren (Lee 1989).
Schließlich ist es aufgrund der Nichtreplizierbarkeit schwierig
Verallgemeinern Sie die Ergebnisse einer oder mehrerer Untersuchungen (Galliers)
1992, Shanks et al. 1993). Alle diese Probleme schlagen jedoch fehl
sind unüberwindbar und können in der Tat durch minimiert werden
Forscher, der geeignete Maßnahmen anwendet (Lee 1989).
3.3. Begründen Sie die Forschungsmethodik
angenommen
Aus den beiden möglichen Forschungsmethoden für diese Studie ergibt sich die
Umfrage wird als am besten geeignet angesehen. Das der Untersuchung ist
wurde nach sorgfältiger Prüfung des Verwandten verworfen
Verdienste und Schwächen. Die Bequemlichkeit oder die Unangemessenheit von jedem
Die Methode für diese Studie wird unten diskutiert.
3.3.1. Unangemessene Forschungsmethode
der Anfrage
Die Untersuchungsmethode erfordert eine gründliche Untersuchung über eine
besondere Situation innerhalb einer oder mehrerer Organisationen für a
Zeitraum (Eisenhardt 1989). In diesem Fall kann der Zeitraum
den für diese Studie angegebenen Zeitrahmen überschreiten. Ein weiterer
Grund für die Nichtanwendung der Untersuchungsmethode ist, dass die Ergebnisse
Sie können unter mangelnder Strenge leiden (Yin 1989). Subjektivität
des Forschers kann die Ergebnisse und Schlussfolgerungen beeinflussen. Ein weiterer
Grund dafür ist, dass diese Methode besser für die Erforschung von Fragen geeignet ist
vom Typ "wie" oder "warum" (Yin 1989), während die Forschungsfrage
Für diese Studie ist es vom Typ "Was". Zu guter Letzt
Wichtig ist, dass es schwierig ist, die Ergebnisse von nur einem o zu verallgemeinern
wenige Untersuchungen (Galliers 1992, Shanks et al 1993). Auf der Basis von
Aus diesem Grund ist die Untersuchungsforschungsmethode nicht
wurde für diese Studie als ungeeignet ausgewählt.
3.3.2. Bequemlichkeit der Forschungsmethode
Umfrage
Als diese Forschung durchgeführt wurde, die Praxis des Datawarehousing
es war nicht weit verbreitet von
Australische Organisationen. Es gab also nicht viele Informationen
in Bezug auf ihre Umsetzung innerhalb der
Australische Organisationen. Die verfügbaren Informationen kamen
von Organisationen, die Daten implementiert oder verwendet haben
Warenhaus. In diesem Fall ist die Umfrageforschungsmethode die am meisten verwendete
geeignet, da es ermöglicht, Informationen zu erhalten, die nicht sind
an anderer Stelle oder in der für die Analyse erforderlichen Form erhältlich (Fowler 1988).
Darüber hinaus ermöglicht die Umfrageforschungsmethode dem Forscher,
Erhalten Sie einen guten Einblick in die Praktiken, Situationen oder Situationen
zu einem bestimmten Zeitpunkt gesehen (Galliers 1992, Denscombe 1998).
Eine Übersicht wurde angefordert, um das zu erweitern
Kenntnisse über die australischen Erfahrungen mit Data Warehousing.
Wiederum geben Sonquist und Dunkelberg (1977) an, dass die Ergebnisse von
Umfrageforschung ist allgemeiner als andere Methoden.
3.4. Umfrage Forschungsdesign
Die Untersuchung der Data Warehousing-Praxis wurde 1999 durchgeführt.

Die Zielgruppe bestand aus Organisationen
Australier, die sich so wie sie für Data Warehousing-Studien interessierten
wahrscheinlich schon über i informiert geben dass sie speichern und,
Daher könnte es nützliche Informationen für diese Studie liefern. Dort
Zielgruppe wurde mit einer ersten Umfrage von identifiziert
alle australischen Mitglieder des 'Data Warehousing Institute' (Tdwiaap).
In diesem Abschnitt wird das Design der Forschungsphase erörtert
empirische Analyse dieser Studie.
3.4.1. Technik der Sammlung von geben
Aus den drei Techniken, die üblicherweise in der Umfrageforschung verwendet werden
(dh Fragebogen per Post, Telefoninterview und Interview
persönlich) (Nachmias 1976, Fowler 1988, de Vaus 1991), per
Diese Studie wurde der Fragebogen per Post angenommen. Der Erste
Grund für die Übernahme des letzteren ist, dass es eine erreichen kann
geografisch verteilte Bevölkerung (Blalock 1970, Nachmias e
Nachmias 1976, Hwang und Lin 1987, de Vaus 1991, Gable 1994).
Zweitens ist der Mailing-Fragebogen für die Teilnehmer geeignet
hochgebildet (Fowler 1988). Der Fragebogen per Mail dazu
Die Studie richtete sich an Sponsoren von Data Warehousing-Projekten.
Direktoren und / oder Projektmanager. Drittens die Fragebögen weiter
Mail sind geeignet, wenn Sie eine sichere Liste von haben
Adressen (Salant und Dilman 1994). TDWI, in diesem Fall a
Die vertrauenswürdige Data Warehousing-Zuordnung stellte die Mailingliste bereit
seiner australischen Mitglieder. Ein weiterer Vorteil des Fragebogens
per Post in Bezug auf den telefonischen Fragebogen oder Interviews
Persönlich ist, dass es Registranten ermöglicht, mit mehr zu antworten
Genauigkeit, insbesondere wenn Registranten konsultieren müssen
zeichnet Fragen auf oder diskutiert sie mit anderen Personen (Fowler)
1988).
Ein möglicher Nachteil kann die Zeit sein, die dafür benötigt wird
Fragebögen per Post durchführen. Normalerweise ein Fragebogen auf
Mail wird in dieser Reihenfolge ausgeführt: Briefe senden, auf sie warten
antwortet und sendet eine Bestätigung (Fowler 1988, Bainbridge 1989).
Daher kann die Gesamtzeit länger sein als die dafür erforderliche Zeit
persönliche Interviews oder Telefoninterviews. Die
Die Gesamtzeit kann im Voraus bekannt sein (Fowler 1988,
Denscombe 1998). Die Zeit, die für die Durchführung der Interviews aufgewendet wurde
Persönliches kann nicht im Voraus bekannt sein, da es von abweicht
ein Interview mit dem anderen (Fowler 1988). Telefoninterviews
kann schneller sein als das Versenden von Fragebögen und
Persönliche Interviews können jedoch eine hohe Ausfallrate aufweisen
Reaktion aufgrund der Nichtverfügbarkeit einiger Personen (Fowler 1988).
Darüber hinaus beschränken sich Telefoninterviews in der Regel auf Listen von
relativ kurze Fragen (Bainbridge 1989).
Eine weitere Schwäche eines Mail-Fragebogens ist die hohe Rate von
mangelnde Reaktion (Fowler 1988, Bainbridge 1989, Neuman
1994). Gegenmaßnahmen wurden jedoch durch Assoziierung ergriffen
diese Studie mit einer vertrauenswürdigen Institution im Datenbereich
Warehousing (d. h. TDWI) (Bainbridge 1989, Neuman 1994), the
Das sendet zwei Erinnerungsschreiben an diejenigen, die nicht geantwortet haben
(Fowler 1988, Neuman 1994) und enthält auch einen Brief
das erklärt den Zweck der Studie (Neuman 1994).
3.4.2. Analyseeinheit
Der Zweck dieser Studie ist es, Informationen über zu erhalten
die Implementierung von Data Warehousing und dessen Verwendung
innerhalb australischer Organisationen. Die Zielgruppe
besteht aus allen australischen Organisationen, die haben
implementiert sind oder implementieren, i Data Warehouse. in
Die einzelnen Organisationen werden dann registriert. Der Fragebogen
Es wurde an Organisationen verschickt, die an einer Adoption interessiert waren
di Data Warehouse. Diese Methode garantiert, dass die Informationen
Sammlungen stammen aus den am besten geeigneten Ressourcen jeder Organisation
Teilnehmer.
3.4.3. Umfragestichprobe
Die Mailingliste der Umfrageteilnehmer wurde von erhalten
TDWI. Aus dieser Liste 3000 australische Organisationen
wurden als Grundlage für die Probenahme ausgewählt. EIN
In einem zusätzlichen Schreiben wurden das Projekt und der Zweck der Untersuchung erläutert.
zusammen mit einer Antwortkarte und einem frankierten Umschlag für
Senden Sie den ausgefüllten Fragebogen an die Probe zurück.
Von den 3000 Organisationen stimmten 198 der Teilnahme an der
Studie. Eine so geringe Anzahl von Antworten wurde erwartet dato il
eine große Anzahl australischer Organisationen, die sie damals hatten
umarmte oder umarmte die Datumsstrategie
Lagerhaltung innerhalb ihrer Organisationen. Also, die
Die Zielpopulation für diese Studie bestand nur aus 198 Personen
Organisationen.
3.4.4. Inhalt des Fragebogens
Die Struktur des Fragebogens basierte auf dem Datumsmodell
Monash-Lagerung (weiter oben in Teil 2.3 beschrieben). Das
Der Inhalt des Fragebogens basierte auf der Analyse von
Literatur in Kapitel 2. Eine Kopie des Fragebogens
per E-Mail an die Umfrageteilnehmer gesendet werden
in Anhang B. Der Fragebogen besteht aus sechs Abschnitten, die
Folgen Sie den Phasen des behandelten Modells. Die folgenden sechs Absätze
Fassen Sie den Inhalt jedes Abschnitts kurz zusammen.
Abschnitt A: Grundlegende Informationen zur Organisation
Dieser Abschnitt enthält Fragen zum Profil von
teilnehmende Organisationen. Außerdem sind einige der Fragen
in Bezug auf den Zustand des Data Warehousing-Projekts von
Teilnehmer. Vertrauliche Informationen wie Name
der Organisation wurden in der Umfrageanalyse nicht offengelegt.
Abschnitt B: Start
Die Fragen in diesem Abschnitt beziehen sich auf die Startaktivität von
Data Warehousing. Es wurden Fragen gestellt, wie lange
Es geht um Projektinitiatoren, Sponsoren, Fähigkeiten und Wissen
Anforderungen, die Ziele der Data Warehousing-Entwicklung und die
Erwartungen der Endbenutzer.
Abschnitt C: Design
Dieser Abschnitt enthält Fragen zu den Aktivitäten von
Planung von Data Warehouse. Konkret sind die Fragen
Geben Sie den Umfang der Ausführung, die Dauer des Projekts und die Kosten an
des Projekts und der Kosten-Nutzen-Analyse.
Abschnitt D: Entwicklung
Im Entwicklungsbereich gibt es Fragen zu den Aktivitäten von
Entwicklung der Data Warehouse: Sammlung von Benutzeranforderungen
endgültig die Quellen von geben, das logische Modell von geben, Prototypen, die
Kapazitätsplanung, technische Architekturen und Auswahl von
Entwicklungswerkzeuge für Data Warehousing.
Abschnitt E: Betrieb
Betriebsfragen im Zusammenhang mit dem Betrieb ed
Erweiterbarkeit von Data Warehouse, wie es sich in die . entwickelt
nächste Entwicklungsstufe. Dort Datenqualität, die Strategien von
Auffrischen von geben, die Granularität der geben, Skalierbarkeit von Daten
Lager und die Sicherheitsfragen der Data Warehouse sie waren dazwischen
die Arten der gestellten Fragen.
Abschnitt F: Entwicklung
Dieser Abschnitt enthält Fragen zur Verwendung des Datums
Lager nach Endbenutzern. Der Forscher war interessiert
für den Zweck und die Nützlichkeit der Data Warehouse, Überprüfung und Strategien
verabschiedete Schulungsverfahren und die Datenkontrollstrategie
Lager angenommen.
3.4.5. Rücklaufquote
Obwohl postalische Umfragen dafür kritisiert werden, dass sie a
geringe Reaktion, Maßnahmen wurden ergriffen, um die zu erhöhen
Rendite (wie bereits teilweise erläutert)
3.4.1). Der Begriff "Rücklaufquote" bezieht sich auf den Prozentsatz von
Personen in einer bestimmten Umfragestichprobe, die die
Fragebogen (Denscombe 1998). Das Folgende wurde verwendet
Formel zur Berechnung der Rücklaufquote für diese Studie:
Anzahl der Personen, die geantwortet haben
Rücklaufquote =
——————————————————————————— X 100
Gesamtzahl der gesendeten Fragebögen
3.4.6. Testlauf
Bevor der Fragebogen an die Probe gesendet wird, sind die Fragen
wurden durch Pilotversuche getestet, wie von Luck vorgeschlagen
und Rubin (1987), Jackson (1988) und de Vaus (1991). Der Zweck der
Pilottests sollen alle unangenehmen, mehrdeutigen und Ausdrücke aufdecken
schwierige Fragen zu interpretieren, zu klären
Definitionen und Begriffe verwendet und um die ungefähre Zeit zu identifizieren
erforderlich, um den Fragebogen auszufüllen (Warwick und Lininger 1975,
Jackson 1988, Salant und Dilman 1994). Die Pilotversuche waren
durchgeführt durch Auswahl von Themen mit ähnlichen Eigenschaften wie diese
der Abschlussfächer, wie von Davis e . vorgeschlagen Cosenza (1993). Im
In dieser Studie waren sechs Data Warehousing-Experten
als Pilotfächer ausgewählt. Nach jedem Pilottest sind sie
notwendige Korrekturen wurden vorgenommen. Aus den durchgeführten Pilotversuchen, d.h.
Die Teilnehmer halfen beim Umbau und Zurücksetzen des
endgültige Version des Fragebogens.
3.4.7. Analysemethoden Di. Geben
I geben der Umfrage aus geschlossenen Fragebögen sind gesammelt
wurden mit einem statistischen Programmpaket analysiert
genannt SPSS. Viele der Antworten wurden analysiert
unter Verwendung deskriptiver Statistiken. Eine Reihe von Fragebögen
sie kehrten unvollständig zurück. Diese wurden mit Major behandelt
Aufmerksamkeit, um sicherzustellen, dass ich geben fehlten waren keine
Folge von Dateneingabefehlern, aber warum nicht die Fragen
Sie waren für den Anmelder geeignet, oder der Anmelder entschied sich nicht
Beantworten Sie eine oder mehrere spezifische Fragen. Diese Antworten
fehlende wurden bei der Analyse von ignoriert geben und sie waren es
codiert als '- 9', um ihren Ausschluss vom Prozess festzustellen
Analyse.
Bei der Erstellung des Fragebogens wurden die Fragen geschlossen
vorcodiert, indem jeder Option eine Nummer zugewiesen wird. Die Nummer
dann wurde es verwendet, um die vorzubereiten geben während der Analyse
(Denscombe 1998, Sapsford und Jupp 1996). Zum Beispiel gab es
Sechs Optionen, die in Frage 1 von Abschnitt B aufgeführt sind: Beratung
Verwaltung, leitender Angestellter, IT-Abteilung, Einheit
von Unternehmen, Beratern und mehr. In der Datei von geben von SPSS ist
Es wurde eine Variable generiert, die den Projektinitiator angibt.
mit sechs Wertelabels: '1' für den 'Verwaltungsrat', '2'
für 'die hochrangige Führungskraft' und so weiter. Die Verwendung der Likertin-Skala
in einigen der geschlossenen Fragen auch erlaubt
eine Identifikation, die angesichts der Verwendung von Werten keinen Aufwand erfordert
entsprechende Nummern in SPSS eingegeben. Bei Fragen mit
nicht erschöpfende Antworten, die sich nicht gegenseitig ausschlossen,
Jede Option wurde als einzelne Variable mit zwei behandelt
Wertelabels: '1' für 'markiert' und '2' für 'nicht markiert'.
Offene Fragen wurden anders behandelt als Fragen
geschlossen. Die Antworten auf diese Fragen wurden nicht veröffentlicht
SPSS. Im Gegenteil, sie wurden von Hand analysiert. Die Verwendung davon
Art der Fragen ermöglicht es Ihnen, Informationen über die Ideen zu erhalten
frei zum Ausdruck gebrachte und persönliche Erfahrungen von Registranten
(Bainbridge 1989, Denscombe 1998). Wo möglich wurde es getan
eine Kategorisierung der Antworten.
Für die Analyse von gebenwerden Methoden der einfachen statistischen Analyse verwendet,
wie die Häufigkeit der Antworten, der Mittelwert, die quadratische Abweichung
Mittelwert und Median (Argyrous 1996, Denscombe 1998).
Der Gamma-Test wurde durchgeführt, um quantitative Messungen zu erhalten
Assoziationen zwischen geben Ordnungszahlen (Norusis 1983, Argyrous 1996).
Diese Tests waren angemessen, da die verwendeten Ordnungsskalen dies nicht waren
Sie hatten viele Kategorien und konnten in einer Tabelle angezeigt werden
(Norusis 1983).
3.5 Zusammenfassung
In diesem Kapitel werden die Forschungsmethodik und die
Entwürfe für diese Studie übernommen.
Auswahl der am besten geeigneten Suchmethode für a
bestimmte Studie nimmt in
Berücksichtigen Sie eine Reihe von Regeln, einschließlich Art und Typ
Forschung, sowie die Vorzüge und Schwächen jedes möglichen
Methode (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987,
Yin 1989, Hamilton and Ives 1992, Galliers 1992, Neuman 1994). Aussicht
der Mangel an vorhandenem Wissen und Theorie darüber
der Einführung von Data Warehousing in Australien, diese Studie von
Forschung erfordert eine interpretative Forschungsmethode mit einer Fähigkeit
Erkundungstour, um die Erfahrungen von Organisationen zu erkunden
Australisch. Die gewählte Suchmethode wurde für ausgewählt
Informationen über die Annahme des Datumskonzepts sammeln
Warenhaus von australischen Organisationen. EIN
Als Sammeltechnik wurde der postalische Fragebogen gewählt geben.
Begründungen für die Forschungsmethode und die Sammeltechnik geben
ausgewählt wird in diesem Kapitel bereitgestellt. Es war auch so
Es wurde eine Diskussion über die Analyseeinheit, die Probe, geführt
verwendet, die Prozentsätze der Antworten, den Inhalt des Fragebogens, die
Vortest des Fragebogens und der Analysemethode geben.

Designing a Data Warehousing:
Kombination von Entitätsbeziehung und Dimensionsmodellierung
ABSTRACT
Speichern Sie i geben Für viele ist dies ein großes aktuelles Problem
Organisationen. Ein zentrales Entwicklungsproblem
der Lagerung von geben es ist sein Design.
Das Design muss die Erkennung von Konzepten in den Daten unterstützen
Lager ein Altsystem und andere Quellen von geben und auch eins
einfaches Verständnis und Effizienz bei der Implementierung von Daten
Warenhaus.
Ein Großteil der Speicherliteratur geben empfohlen
die Verwendung von Entity Relationship Modeling oder Dimensional Modeling für
repräsentieren die Zeichnung von Data Warehouse.
In dieser Zeitung zeigen wir, wie beides
Darstellungen können in einem Ansatz für die kombiniert werden
Zeichnung von Data Warehouse. Der verwendete Ansatz ist systematisch
in einer Fallstudie untersucht und in einer Reihe von identifiziert
wichtige Implikationen mit Fachleuten.
DATENLAGERUNG
Un Data Warehouse es wird in der Regel als "fachorientiertes,
Integrierte, zeitvariante und nichtflüchtige Datenerfassung zur Unterstützung
der Entscheidungen des Managements "(Inmon und Hackathorn, 1994).
Fachorientiert und integriert weist darauf hin, dass die Data Warehouse è
entwickelt, um die funktionalen Grenzen des Legaci-Systems zu überschreiten
bieten eine integrierte Perspektive von geben.
Die Zeitvariante beeinflusst die historische oder zeitliche Natur von geben in
un Data Warehouse, mit dem Trends analysiert werden können.
Nichtflüchtig bedeutet, dass die Data Warehouse es ist nicht durchgehend
aktualisiert als Datenbank von OLTP. Vielmehr ist es aktuell
in regelmäßigen Abständen mit geben aus internen und externen Quellen. Das
Data Warehouse es ist speziell für die Forschung konzipiert
eher als für die Integrität der Updates und die Leistung der
Operationen.
Die Idee, i zu speichern geben es ist nicht neu, es war einer der Zwecke
Management von geben seit den 1982er Jahren (Il Martin, XNUMX).
I Data Warehouse sie bieten die infrastruktur geben für das Management
Unterstützungssysteme. Management-Support-Systeme beinhalten Entscheidungen
Unterstützungssysteme (DSS) und Executive Information Systems (EIS).
Ein DSS ist ein computergestütztes Informationssystem
entwickelt, um den Prozess und damit den Griff von zu verbessern
menschliche Entscheidung. Ein EIS ist typischerweise ein Liefersystem von
geben Dadurch können Führungskräfte einfach auf die Ansicht zugreifen
von geben.
Die allgemeine Architektur von a Data Warehouse unterstreicht die Rolle von
Data Warehouse in der Managementunterstützung. Neben dem Angebot
die Infrastruktur geben für EIS und DSS, auch Data Warehouse es ist möglich,
Zugriff direkt über Abfragen. DAS geben in einem Datum enthalten
Lager basieren auf einer Analyse des Informationsbedarfs von
Management und werden aus drei Quellen bezogen: interne Legacy-Systeme,
Spezialdatenerfassungssysteme und externe Datenquellen. DAS
geben In internen Legacy-Systemen sind sie häufig redundant.
inkonsistent, von geringer Qualität und in verschiedenen Formaten gespeichert
Daher müssen sie abgeglichen und gereinigt werden, bevor sie in die geladen werden können
Data Warehouse (Inmon, 1992; McFadden, 1996). DAS geben von
von Speichersystemen geben ad hoc und aus Quellen geben
extern werden verwendet, um zu erweitern (aktualisieren, ersetzen) i
geben von Legacy-Systemen.
Es gibt viele zwingende Gründe für die Entwicklung eines Data Warehouse,
Dazu gehört eine bessere Entscheidungsfindung durch Nutzung
aktuell mehr Informationen (Ives 1995), Unterstützung für einen Fokus
auf das gesamte Geschäft (Graham 1996) und die Reduzierung der Kosten von
Bereitstellung geben für EIS und DSS (Graham 1996, McFadden
1996).
Eine kürzlich durchgeführte empirische Studie ergab im Durchschnitt eine Rendite von
Investitionen für i Data Warehouse 401% nach drei Jahren (Graham,
1996). Die anderen empirischen Studien zu Data Warehouse haben
fanden erhebliche Probleme, einschließlich Schwierigkeiten bei der Messung und
Leistungen zuweisen, die keinen klaren Zweck haben, ihn unterschätzen
Zweck und Komplexität des Speicherprozesses i gebenin
insbesondere im Hinblick auf die Quellen und die Sauberkeit der geben.
Speichern Sie i geben kann als Lösung betrachtet werden
auf das Problem der Verwaltung geben zwischen Organisationen. Dort
Manipulation von geben als soziale Ressource ist es eine von geblieben
Schlüsselthemen bei der Verwaltung von Informationssystemen rund um die
Welt seit vielen Jahren (Brancheau et al. 1996, Galliers et al. 1994,
Niedermannet al. 1990, Pervan 1993).
Ein beliebter Ansatz für die Verwaltung geben in den achtziger Jahren war es
die Entwicklung eines Modells geben Sozial. Modell geben sozial war es
entwickelt, um eine stabile Basis für die Entwicklung neuer Systeme zu bieten
Anwendungen und Datenbank und alte Rekonstruktion und Integration
Systeme (Brancheau et al.
1989 haben Goodhue et al. 1988: 1992, Kim und Everest 1994).
Es gibt jedoch viele Probleme mit diesem Ansatz, in
insbesondere die Komplexität und die Kosten jeder Aufgabe sowie die lange Zeit
erforderlich für greifbare Ergebnisse (Beynon-Davies 1994, Earl
1993 haben Goodhue et al. 1992, Periasamy 1994, Shanks 1997).
Il Data Warehouse Es handelt sich um eine separate Datenbank, die mit Legacy koexistiert
Datenbanken, anstatt sie zu ersetzen. Es erlaubt Ihnen daher
leiten die Verwaltung von geben und vermeiden Sie kostspielige Umbauten
von Legacy-Systemen.
BESTEHENDE ANSÄTZE ZUR DATUMZEICHNUNG
WARENHAUS
Der Prozess des Bauens und Perfektionierens von a Data Warehouse
es sollte eher als ein evolutionärer Prozess verstanden werden als als ein
Lebenszyklus der traditionellen Systementwicklung (Desio, 1995, Schaft,
O'Donnell und Arnott 1997a). Es gibt viele Prozesse in einem
Projekt von Data Warehouse wie Initialisierung, Planung;
Informationen, die aus den von den Managern des Unternehmens angeforderten Anforderungen gewonnen wurden;
Quellen, Transformationen, Reinigung von geben und Synchronisation von Legacy
Systeme und andere Quellen von geben;; Liefersysteme in Entwicklung;
Überwachung von Data Warehouse; und Unsinn des Prozesses
Evolution und Konstruktion von a Data Warehouse (Shin, O'Donnell
und Arnott 1997b). In diesem Tagebuch konzentrieren wir uns darauf, wie
zeichne ich geben im Kontext dieser anderen Prozesse gespeichert.
Für die Datenarchitektur werden eine Reihe von Ansätzen vorgeschlagen
Lager in der Literatur (Inmon 1994, Ives 1995, Kimball 1994
McFadden 1996). Jede dieser Methoden hat eine kurze
Überprüfung mit einer Analyse ihrer Stärken und nicht.
Inmons (1994) Ansatz für Data Warehousing
Design
Inmon (1994) schlug vier iterative Schritte vor, um ein Datum zu entwerfen
Lager (siehe Abbildung 2). Der erste Schritt besteht darin, ein Modell zu entwerfen
geben sozial zu verstehen, wie ich geben kann integriert werden
über Funktionsbereiche innerhalb einer Organisation
Unterteilung der geben in Bereichen speichern. Modell geben es ist gemacht für
lagern geben in Bezug auf die Entscheidungsfindung, einschließlich geben
historisch und enthalten geben abgeleitet und aggregiert. Der zweite Schritt ist
Themenbereiche für die Implementierung identifizieren. Diese basieren
zu Prioritäten, die von einer bestimmten Organisation festgelegt wurden. Der dritte
Schritt beinhaltet das Zeichnen von a Datenbank für den Themenbereich posiert
Besonderes Augenmerk wird auf die Aufnahme eines angemessenen Granularitätsniveaus gelegt.
Inmon empfiehlt die Verwendung des Entitäts- und Beziehungsmodells. Vierte
Schritt ist die Identifizierung von Quellsystemen geben erforderlich und entwickeln
Transformationsprozesse zum Erfassen, Bereinigen und Formatieren i geben.
Die Stärken von Inmons Ansatz sind das Modell geben sozialen
bildet die Grundlage für die Integration von geben innerhalb der Organisation
und Planung von Unterstützungen für die iterative Entwicklung des Datums
Warenhaus. Seine Nachteile sind die Schwierigkeit und die Kosten des Zeichnens
das Modell geben sozial, die Schwierigkeit, Muster von Entitäten zu verstehen e
Beziehungen in beiden Modellen verwendet, dass geben sozial und das von geben
gespeichert nach Themenbereichen und der Angemessenheit von geben des Restaurants
Zeichnung von Data Warehouse zur Realisierung von Datenbank
relational aber nicht für Datenbank mehrdimensional.
Ives' (1995) Herangehensweise an Data Warehousing
Design
Ives (1995) schlägt einen vierstufigen Ansatz zum Zeichnen von a vor
Informationssystem, das er für die Gestaltung eines Datums für anwendbar hält
Lager (siehe Abbildung 3). Der Ansatz basiert sehr stark auf
Informationstechnik zur Entwicklung von Informationssystemen
(Martin 1990). Der erste Schritt besteht darin, die Ziele und Faktoren zu bestimmen
kritische und erfolgreiche und wichtige Leistungsindikatoren. DAS
Schlüsselgeschäftsprozesse und notwendige Informationen sind
geformt, um uns zu einem Modell zu führen geben Sozial. Der zweite Schritt
es beinhaltet die Entwicklung einer definierenden Architektur geben
nach Bereichen gespeichert, Datenbank di Data Warehouse, die Komponenten
der Technologie, die erforderlich sind, die Menge der organisatorischen Unterstützung
erforderlich für die Implementierung und den Betrieb mit Data Warehouse. Der dritte
Schritt beinhaltet die Auswahl der erforderlichen Softwarepakete und Tools.
Der vierte Schritt ist die detaillierte Planung und Konstruktion des
Data Warehouse. Ives merkt das zu speichern geben ist eine Grenze
iterativer Prozess.
Die Stärke von Ives 'Ansatz ist die Verwendung technischer Spezifikationen für
Bestimmen Sie die Informationsanforderungen, die Verwendung einer strukturierten
Prozess zur Unterstützung der Integration von Data Warehouse,
die geeignete Auswahl von Hardware und Software sowie die Verwendung mehrerer
Darstellungstechniken für die Data Warehouse. Seine Mängel
Sie sind der Komplexität inhärent. Andere schließen Schwierigkeiten in ein
entwickeln viele Ebenen von Datenbank innerhalb der Data Warehouse in
angemessene Zeit und Kosten.
Kimballs (1994) Ansatz zu Data Warehousing
Design
Kimball (1994) schlug fünf iterative Schritte zum Zeichnen eines Datums vor
Lager (siehe Abbildungen 4). Sein Ansatz ist besonders
gewidmet der Zeichnung eines Solos Data Warehouse und zur Verwendung von Vorlagen
Dimensional gegenüber Modellen von Entitäten und Beziehungen. Kimball
analysiere diese dimensionalen Modelle, weil es für mich einfacher ist zu verstehen
Geschäftsleute sind effizienter im Umgang
komplexe Konsultationen und das Design von Datenbank physisch ist mehr
effizient (Kimball 1994). Kimball erkennt an, dass die Entwicklung eines
Data Warehouse ist iterativ, und das Data Warehouse getrennte Dose
durch die Unterteilung in Maßtabellen integriert werden
verbreitet.
Der erste Schritt besteht darin, den jeweiligen Themenbereich zu identifizieren
perfektioniert. Der zweite und dritte Schritt betreffen die Modellierung
dimensional. Im zweiten Schritt identifizieren die Messungen Dinge von
Interesse an dem Themenbereich und in einer Faktentabelle gruppiert.
Zum Beispiel in einem Themenbereich des Verkaufs misst das Interesse
Sie können die Anzahl der verkauften Artikel und den Dollar enthalten
als Verkaufswährung. Der dritte Schritt beinhaltet die Identifizierung der
Dimensionen, in denen sie gruppiert werden können i
Fakten. In einem Verkaufsthemenbereich relevante Dimensionen
Sie können Artikel, Ort und Zeitraum umfassen. Dort
Die Faktentabelle verfügt über einen mehrteiligen Schlüssel, der mit jedem verknüpft werden kann
von Dimensionstabellen und enthält in der Regel eine sehr große Anzahl
in der Tat großartig. Im Gegensatz dazu enthalten Größentafeln
beschreibende Informationen über die Dimensionen und andere Attribute, die
Sie können verwendet werden, um Fakten zu gruppieren. Die Faktentabelle e
Dimensionen, die mit dem Vorschlag verbunden sind, bilden das, was als eins bezeichnet wird
Sternchenmuster aufgrund seiner Form. Der vierte Schritt beinhaltet
Gebäude a Datenbank mehrdimensional, um es zu perfektionieren
Sternschema. Der letzte Schritt besteht darin, Quellsysteme zu identifizieren geben
erforderlich und entwickeln Transformationsprozesse zu erwerben, zu reinigen
und Format i geben.
Zu den Stärken von Kimballs Ansatz gehört die Verwendung von Modellen
dimensional, um i darzustellen geben gespeichert, die es machen
leicht zu verstehen und führt zu einem effizienten physischen Design. EIN
dimensionales Modell, das beide leicht verwendet
Alarmanlagen, Datenbank relationale Systeme können perfektioniert werden oder Systeme
Datenbank mehrdimensional. Zu seinen Mängeln gehört der Mangel
einige Techniken zur Erleichterung der Planung oder Integration von
viele Sternenmuster in einem Data Warehouse er ist gut auch für die
Schwierigkeit des Entwurfs aus der extrem denormalisierten Struktur in a
Dimensionsmodell a geben im Legacy-System.
McFaddens (1996) Ansatz zu Daten
Lagergestaltung
McFadden (1996) schlägt einen fünfstufigen Ansatz vor
zeichne ein Data Warehouse (siehe Abbildung 5).
Sein Ansatz basiert auf einer Synthese von Ideen aus der Literatur
und konzentriert sich auf das Zeichnen eines Solos Data Warehouse. Der Erste
Schritt beinhaltet eine Anforderungsanalyse. Auch wenn die Besonderheiten
Techniken sind nicht vorgeschrieben, McFaddens Notizen identifizieren die
Entität geben Spezifikationen und ihre Attribute und bezieht sich auf Watson-Leser
und Frolick (1993) für den Erwerb der Anforderungen.
Im zweiten Schritt wird ein Beziehungsentitätsmodell für gezeichnet
Data Warehouse und dann von Führungskräften validiert. Der dritte
Schritt umfasst das Bestimmen der Zuordnung aus dem Altsystem
und externe Quellen von Data Warehouse. Der vierte Schritt beinhaltet
Prozesse in der Entwicklung, Verteilung und Synchronisation von geben in
Data Warehouse. Im letzten Schritt erfolgt die Auslieferung des Systems
entwickelt mit besonderem Schwerpunkt auf einer Benutzeroberfläche.
McFadden weist darauf hin, dass der Zeichenprozess im Allgemeinen ist
iterativ.
Die Stärken von McFaddens Ansatz liegen in der Teilnahme
von Geschäftsführern bei der Ermittlung von Anforderungen und auch
die Bedeutung der Ressourcen geben, ihre Reinigung und Sammlung. Ihr
Nachteile beziehen sich auf das Fehlen eines Verfahrens zum Aufteilen von a
tolles Projekt von Data Warehouse in vielen integrierten Stufen, und die
Schwierigkeiten beim Verständnis der Entitäts- und Beziehungsmodelle, die beim Entwurf von verwendet werden
Data Warehouse.

Administrator CEO & Founder

👍Online-Webagentur | Webagentur-Experte für digitales Marketing und SEO. Web Agency Online ist eine Webagentur. Für Agenzia Web Online basiert der Erfolg in der digitalen Transformation auf den Grundlagen von Iron SEO Version 3. Spezialgebiete: Systemintegration, Unternehmensanwendungsintegration, serviceorientierte Architektur, Cloud Computing, Data Warehouse, Business Intelligence, Big Data, Portale, Intranets, Webanwendungen Entwurf und Verwaltung relationaler und mehrdimensionaler Datenbanken. Entwurf von Schnittstellen für digitale Medien: Benutzerfreundlichkeit und Grafiken. Die Online-Webagentur bietet Unternehmen folgende Dienstleistungen an: -SEO auf Google, Amazon, Bing, Yandex; -Webanalyse: Google Analytics, Google Tag Manager, Yandex Metrica; -Benutzerkonvertierungen: Google Analytics, Microsoft Clarity, Yandex Metrica; -SEM bei Google, Bing, Amazon Ads; -Social-Media-Marketing (Facebook, Linkedin, Youtube, Instagram).

Siehe vollständige Biografie

Digitales Marketing Datenbase DBMS Data Warehousing Daten Wissenschaft Onlinewerbung Informationstechnologie Web Agency Werbeagentur Marketing