Andmeladu ja ERP | KESKNE ANDMETE ARHIIV: AJALUGU JA EVOLUTSIOONID

ARHIIV ANDMED KESK: AJALUGU JA EVOLUTSIOON

Korporatiivtehnoloogia kaks domineerivat teemat 90ndatel on
märgib i andmekogus ja ERP. Pikka aega need kaks võimsat
voolud on olnud ettevõtte IT osad, ilma et see oleks kunagi olnud
ristmikud. Tundus, nagu oleksid need mateeria ja antiaine. Aga
mõlema nähtuse kasv viis paratamatult üheni
nende ristmik. Tänapäeval seisavad ettevõtted silmitsi probleemiga
mida teha ERP-ga e andmekogus. See artikkel illustreerib
millised on probleemid ja kuidas ettevõtted neid lahendavad .
ALGUSES…
Alguses oli andmekogus. Andmeladu jaoks on sündinud
tehingute töötlemise rakendussüsteemi vastu.
Esimestel päevadel päheõppimine andma see oli mõeldud nii olema
lihtsalt vastupunkt taotluste töötlemisele
tehingud. Kuid tänapäeval on palju keerukamaid nägemusi
sellest, mida saab teha andmekogus. Tänapäeva maailmas on
andmekogus see on sisestatud struktuuri, mida saab
nimega Corporate Information Factory.
ETTEVÕTETE INFOTEHAS
(CIF)
Ettevõtteteabe tehases on arhitektuursed komponendid
standard: koodi teisendamise ja integreerimise tase
mis integreerib i andma kuni ma andma nad liiguvad keskkonnast välja
keskkonnarakendus andmekogus ettevõttest; a
andmekogus ettevõttest, kus i andma
üksikasjalikud ja integreeritud ajaloolased. The andmekogus ettevõttest tegutseb
vundament, millele saab ehitada kõik muud osad
keskkonnast andmekogus; operatiivne andmesalv (ODS).
ODS on hübriidstruktuur, mis sisaldab mõningaid andmete aspekte
ladu ja muud OLTP-keskkonna aspektid; andmemartsid, milles i
erinevatel osakondadel võib olla oma andmete versioon
ladu; a andmekogus uurimisest, mille käigus i
ettevõtte “filosoofid” (mõtlejad) saavad esitada oma päringuid
72 tundi ilma kahjuliku mõjuta andmekogus; ja mälestus
lähedal rida, milles andma vana ja andma hulgi üksikasjad võivad olla
odavalt hoitud.
KUS ERP ÜHENDAB
ETTEVÕTETE INFOTEHAS
ERP ühineb kahes kohas Corporate Information Factoryga.
Peamiselt baasrakendusena, mis pakub i
andma rakendusest andmekogus. Sel juhul i andma,
mis tekib tehinguprotsessi kõrvalsaadusena,
on integreeritud ja laaditud andmekogus ettevõttest. The
teine ​​ühenduspunkt ERP ja CIF ning ODS vahel. Tõepoolest, paljud
keskkondades kasutatakse ERP-d klassikalise ODS-ina.
Kui ERP-d kasutatakse põhirakendusena, siis see
sama ERP-d saab kasutada ka CIF-is ODS-ina. sisse
kui aga ERP-d kasutatakse mõlemas rollis, siis seal
nende kahe üksuse vahel peab olema selge vahe. Teisisõnu,
kui ERP mängib põhirakenduse ja ODS-i rolli,
kaks arhitektuurilist üksust peavad olema erinevad. Kui vallaline
ERP rakendamine püüab täita mõlemat rolli
samal ajal tekib paratamatult probleeme
selle struktuuri kavandamine ja rakendamine.
ERALDI ODS-ID JA PÕHIRAKENDUSED
Põhjuseid, mis põhjustavad komponentide lõhenemist, on palju
arhitektuurne. Võib-olla kõige kõnekam küsimus selle eraldamiseks
arhitektuuri erinevad komponendid on see, et iga komponent
arhitektuuril on oma nägemus. Algtaseme rakendus on vajalik
osoonikihti kahandavate ainete omast erineval eesmärgil. Proovige kattuda
algtaseme rakenduse vaade ODS-i maailmast või vastupidi
see ei ole õige viis töötada.
Järelikult on CIF-is ERP-i esimene probleem
kontrollige, kas baasrakenduste ja rakenduse vahel on vahet
SDG-d.
ANDMEMUDELID ETTEVÕTES
INFOTEHAS
Erinevate komponentide vahelise sidususe saavutamiseks
CIF-i arhitektuurist peab olema mudel andma. Ma
mudelid andma olla ühenduslüliks erinevate komponentide vahel
arhitektuur, nagu baasrakendused ja ODS. THE
mudelid andma saada "intellektuaalseks teekaardiks".
õige tähendus CIF-i erinevatest arhitektuurilistest komponentidest.
Selle mõistega käsikäes on idee, et see peaks olema
olla suurepärane ja ainulaadne mudel andma. Ilmselgelt peab ta
olla eeskujuks andma iga komponendi jaoks ja lisaks seal
see peab olema mõistlik tee, mis ühendab erinevaid mudeleid.
Arhitektuuri iga komponent – ​​ODS, baasrakendused,
andmekogus ettevõttest ja nii edasi .. – vajab oma
mudel andma. Ja seega peab olema täpne määratlus
nagu need mudelid andma nad liidetakse üksteisega.
LIIKUMINE I ANDMED ERP-st ANDMETES
LADUS
Kui päritolu andma on baasrakendus ja/või ODS, kui
ERP lisab i andma sisse andmekogus, selline sisestamine peab
esinevad "teralisuse" madalaimal tasemel. Kokkuvõte või
lihtsalt koondada i andma kui nad välja tulevad
ERP-i algtasemest või ERP-i ODS-ist ei ole
õige tegu. THE andma andmed on vajalikud
ladu, mis on DSS-protsessi aluseks. Sellised andma
andmeturud ja -uuringud kujundavad neid mitmel viisil ümber
kohta andmekogus.
nihkumine andma algtaseme rakenduskeskkonnast
ERP keskkonda andmekogus ettevõttest tehakse a
mõistlikult lõdvestunud. See nihe toimub pärast seda
umbes 24 tundi pärast värskendamist või loomist ERP-s. Fakt,
on jumalate "laisk" liikumine andma sisse andmekogus
ettevõtte lubab andma tulevad ERP-st "arveldama".
Kord i andma on deponeeritud algtaseme rakenduses,
siis saate i ohutult liigutada andma ERP-st
ettevõttes. Veel üks eesmärk, mida on võimalik saavutada tänu liikumisele
"Lasad" jumalad andma on selge piiritlemine tööprotsesside ja
DSS. "Kiire" liikumisega andma eraldusjoon
DSS-i ja töökorra vahel on ebamäärane.
Liikumine andma ERP ODS-ist kuni andmekogus
ettevõtte tegevust tehakse tavaliselt perioodiliselt
nädalas või kuus. Sel juhul liikumine
andma see põhineb vajadusel "puhastada" vana andma ajaloolased.
Loomulikult sisaldab ODS i andma mis on palju uuemad
austus andma aastal leidsid ajaloolased andmekogus.
nihkumine andma sisse andmekogus seda pole peaaegu kunagi tehtud
"Hulgimüük" (hulgimüügi korras). Kopeerige tabel
ERP keskkonnast kuni andmekogus see ei ole loogiline. Üks lähenemine
palju realistlikum on valitud ühikute nihe andma.
Ainult andma mis on muutunud pärast kuupäeva viimast värskendamist
ladu on need, mida tuleks andmetes teisaldada
ladu. Üks viis teada saada, millised andma neid on muudetud
kuna viimasest värskendusest tuleb vaadata ajatempleid andma
leitud ERP keskkonnas. Disainer valib kõik muudatused
mis on tekkinud pärast viimast värskendust. Teine lähenemine
on kasutada muutuste omandamise tehnikaid andma. Koos
neid tehnikaid analüüsitakse logi ja ajakirja lintidele selleks, et
määrake, millised andma tuleb ERP keskkonnast teisaldada
See andmekogus. Need tehnikad on parimad
kuidas saab ERP-failidest lugeda logisid ja päevikulinde
ilma täiendava mõjuta ERP teistele ressurssidele.
MUUD TÜSUSED
Üks CIF-i ERP-i probleeme on see, mis juhtub teistega
rakendusallikad või ai andma mis peab kaasa aitama
andmekogus kuid need ei ole osa ERP keskkonnast. antud
suletud olemus ERP, eriti SAP, katse integreerida
võtmed välistest allikatest andma koos i andma mis tulevad ERP-st
aeg liikuda i andma sisse andmekogus, see on suur väljakutse.
Ja millised on täpselt tõenäosused, et i andma rakendustest või
ODS väljaspool ERP keskkonda integreeritakse andmetesse
ladu? Tõenäosused on tegelikult väga suured.
LEIA ANDMED AJALUGU ERP-st
Teine probleem seoses andma tulemuseks on ERP
vajadusest omada andma ajalooline sees andmekogus.
Tavaliselt andmekogus vajadustele andma ajaloolased. Ja
tavaliselt ERP-tehnoloogia neid ei salvesta andma
ajalooline, vähemalt mitte nii kaugele, et seda kuupäeval vaja oleks
ladu. Kui suures koguses andma ajaloolased hakkavad
ERP keskkonda lisada, peab selline keskkond olema
koristatud. Oletame näiteks, et a andmekogus peab
koormata viie aastaga andma ajalooline, samas kui ERP omab
maksimaalselt kuus kuud andma. Nii kaua, kuni ettevõte on rahul
koguda erinevaid andma ajalooline aja möödudes,
siis ei teki probleeme ERP-i kasutamisel allikana
andmekogus. Aga kui andmekogus peab minema
ajas tagasi ja võtke jumalad andma ajaloolased, kes pole olnud
varem kogutud ja salvestatud ERP, seejärel ERP-keskkonna poolt
muutub ebaefektiivseks.
ERP JA METAANDMED
Veel üks kaalutlus, mida ERP ja andmekogus on see
olemasolevate metaandmete kohta ERP keskkonnas. Nagu ka metaandmed
nad liiguvad ERP keskkonnast del andmekogus,
metaandmeid tuleb teisaldada samal viisil. Lisaks i
metaandmed tuleb vormingus ja struktuuris teisendada
mida nõuab infrastruktuur andmekogus. Seal on suur
erinevus operatiivsete metaandmete ja DSS-i metaandmete vahel. Metaandmed
töötavad peamiselt arendaja ja
programmeerija. DSS-i metaandmed on eelkõige teie jaoks
finaal. Olemasolevad metaandmed ERP-rakendustes või ODS-ides
need tuleb teisendada ja see teisendamine ei ole alati lihtne
ja otsene.
ERP ANDMETE ALLIKAS
Kui ERP-d kasutatakse pakkujana andma per il andmekogus ci
see peab olema kindel liides, mis liigutab i andma keskkonnast
ERP keskkonnale andmekogus. Liides peab:
▪ olema lihtne kasutada
▪ võimaldama juurdepääsu andma ERP-st
▪ võtavad tähenduse andma mida hakatakse teisaldama
sisse andmekogus
▪ teadma ERP piiranguid, mis võivad tekkida
sisselogimise aeg andma ERP-st:
▪ referentsiaalne terviklikkus
▪ hierarhilised suhted
▪ kaudsed loogilised seosed
▪ rakenduskonventsioon
▪ kõik struktuurid andma toetab ERP ja nii edasi...
▪ olema juurdepääsul tõhus andma, pakkudes:
▪ otsene liikumine andma
▪ muudatuse omandamine andma
▪ toetada õigeaegset juurdepääsu andma
▪ mõista vormingut andma, ja nii edasi…
LIIDES SAP-iga
Liides võib olla kahte tüüpi, kodumaine või kaubanduslik.
Mõned peamised kaubanduslikud liidesed hõlmavad järgmist:
▪ SAS
▪ Peamised lahendused
▪ D2k ja nii edasi...
MITU ERP-TEHNOLOOGIAT
ERP-keskkonna käsitlemine nii, nagu see oleks ühtne tehnoloogia, on a
suur viga. On palju ERP-tehnoloogiaid, millest igaühel on oma
tugevused. Tuntuimad müüjad turul on:
▪ SAP
▪ Oracle Financials
▪ PeopleSoft
JD Edwards
▪ Baans
SAP
SAP on suurim ja täiuslikum ERP-tarkvara. Rakendused
SAP hõlmab mitut tüüpi rakendusi paljudes valdkondades. SAP-il on
olemise maine:
▪ väga suur
▪ väga raske ja kulukas rakendada
▪ vajab palju inimesi ja konsultante
rakendatud
▪ vajab rakendamiseks spetsialiseerunud inimesi
▪ rakendamine võtab kaua aega
Lisaks on SAP-il maine oma päheõppijana andma väga
hoolikalt, muutes neile juurdepääsu raskeks
isik väljaspool SAP piirkonda. SAPi tugevus on olla
võimeline jäädvustama ja salvestama suures koguses andma.
SAP teatas hiljuti oma kavatsusest pikendada
selle rakendused ai andmekogus. Plusse ja miinuseid on palju
kasutades SAP-i pakkujana andmekogus.
Üks eelis on see, et SAP on juba installitud ja enamik neist
konsultandid juba tunnevad SAP-i.
SAP-i kui tarnija puudused andmekogus sono
palju: SAP-il puudub kogemus maailmas andmekogus
Kui SAP on tarnija andmekogus, on vaja "välja võtta"
i andma SAP al andmekogus. Dato SAP-i kogemus
suletud süsteemis ei ole tõenäoliselt lihtne i-d SAP-ist sisestada
see (???). SAP-i toiteallikaks on palju pärandkeskkondi,
nagu IMS, VSAM, ADABAS, ORACLE, DB2 jne.
SAP nõuab lähenemist "ei ole siin leiutatud". SAP ei taha
tehke selle kasutamiseks või loomiseks koostööd teiste tarnijatega andmekogus.
SAP nõuab kogu oma tarkvara ise loomist.
Kuigi SAP on suur ja võimas ettevõte, on tõsiasi
proovige ümber kirjutada ELT, OLAP, halduse tehnoloogia
süsteem ja isegi põhikood dbms see on lihtsalt hull.
Selle asemel, et tarnijatega koostööd teha
di andmekogus pikaajaline, SAP on järginud lähenemisviisi, et
nad "teavad rohkem". Selline suhtumine hoiab tagasi selle edu
SAP võib olla piirkonnas andmekogus.
SAP keeldumine lubada välistele tarnijatele juurdepääsu
neile kiiresti ja elegantselt andma. Kasutamise põhiolemus
un andmekogus on lihtne juurdepääs andma. Kogu SAP-i lugu on
põhineb juurdepääsu raskendamiseks andma.
SAP-i kogemuste puudumine suurte mahtude käsitlemisel andma;
valdkonnas andmekogus on mahud andma pole kunagi näinud
SAP ja nende suurte koguste käsitlemiseks andma sul peab üks olema
sobiv tehnoloogia. Ilmselt pole SAP sellest teadlik
tehnoloogiline barjäär, mis eksisteerib andmevälja sisenemisel
ladu.
SAP-i ärikultuur: SAP on loonud ettevõtte
i saamisel andma süsteemist. Kuid selleks peab teil olema
teistsugune mentaliteet. Traditsiooniliselt tarkvarafirmad, kes olid
andmete keskkonda viimises pole hea olnud
saada andmeid teisele poole. Kui SAP suudab seda teha
switch on esimene ettevõte, kes seda teeb.
Lühidalt öeldes on küsitav, kas ettevõte peaks valima
SAP kui tarnija andmekogus. Seal on väga tõsised ohud
ühelt poolt ja teiselt poolt väga vähe hüvesid. Kuid on ka teine
põhjus, mis ei soovita SAP-i kuupäeva tarnijaks valida
ladu. Sest igal ettevõttel peaks olema sama kuupäev
kõigi teiste ettevõtete ladu? The andmekogus see on süda
konkurentsieelis. Kui iga ettevõte võtaks kasutusele sama
andmekogus see oleks raske, kuigi mitte võimatu,
konkurentsieelise saavutamine. SAP näib arvavat, et a
andmekogus seda võib vaadelda kui küpsist ja see on a
edasine märk nende "andmed hankimisest
sisse ".
Ükski teine ​​ERP-müüja ei ole nii domineeriv kui SAP.
Kahtlemata leidub ettevõtteid, kes järgivad SAP-i teed
nende jaoks andmekogus kuid arvatavasti need kuupäevad
SAP laod on suured, kallid ja nõuavad palju
aega nende loomiseks.
Need keskkonnad hõlmavad selliseid tegevusi nagu "pangakassa töötlemine",
lennufirmade broneerimise protsessid, kaebuste esitamise protsessid
kindlustus ja nii edasi. Toimivam oli tehingusüsteem,
ilmsem oli vajadus eraldada tööprotsess ja
DSS (otsuste tugisüsteem). Küll aga ressursisüsteemidega
inimlik ja isiklik, ei seisa kunagi silmitsi suurte kogustega
tehingud. Ja muidugi siis, kui inimene tööle võetakse
või lahkuge ettevõttest, see on tehingu kirje.
Kuid võrreldes teiste süsteemide, inimressursisüsteemide ja
isiklikud inimesed lihtsalt ei tee palju tehinguid. Seetõttu sisse
inim- ja isiklike ressursside süsteemid pole täiesti ilmne
vaja DataWarehouse'i. Paljuski need süsteemid
esindavad DSS-süsteemide liitmist.
Kuid on veel üks tegur, mida tuleb arvesse võtta, kui seda teha
teha andmehoidla ja PeopleSoftiga. Paljudes ringkondades, st andma
inim- ja isiklikke ressursse on ettevõtte jaoks teisejärguline
esmane ettevõte. Enamik ettevõtteid täidab
tootmine, müük, teenuste osutamine ja nii edasi. THE
Personali- ja personalisüsteemid on tavaliselt teisejärgulised (või sellest
toetus) ettevõtte põhitegevusele. Seetõttu on
kahemõtteline ja ebamugav a andmekogus jaoks eraldi
inim- ja isiklike ressursside toetamine.
PeopleSoft on selles osas SAP-ist väga erinev. SAP-iga on see nii
kohustuslik, et on olemas a andmekogus. PeopleSoftiga pole see nii
siis nii selge. Andmeladu on PeopleSoftiga valikuline.
Parim, mida selle kohta öelda saab andma PeopleSoft on need andmed
ladu saab kasutada i hoidmiseks andma mis puudutab
vanad inim- ja isiklikud ressursid. Teine põhjus, miks
mida ettevõte soovib kasutada a andmekogus a
PeopleSofti keskkonna kahjuks on juurdepääsu võimaldamine ja
tasuta juurdepääs analüüsivahenditele, ai andma poolt PeopleSoft. Aga
lisaks nendele põhjustele võib esineda juhtumeid, kus on parem seda mitte teha
jaoks on andmeladu andma PeopleSoft.
Kokkuvõttes
Andmete koostamise kohta on palju ideid
ladu ERP tarkvara sees.
Mõned neist on:
▪ Mõistlik on omada a andmekogus mis näeb välja nagu ükskõik milline
mujal tööstuses?
▪ Kui paindlik on ERP andmekogus tarkvara?
▪ ERP andmekogus tarkvara saab hakkama mahuga
andma mis asub kohas "andmekogus areen"?
▪ Milline on ERP-müüja kogemus?
silmitsi lihtne ja odav, ajaliselt, ai andma? (mida
on ERP tarnijate kogemusi tarnimisel odav, kohta
aega, andmetele lihtne juurde pääseda?)
▪ Milline on arusaam DSS-i arhitektuurist ja
ERP müüja "ettevõtte teabe tehas"?
▪ ERP-müüjad mõistavad, kuidas saada andma sees
keskkonda, vaid ka mõista, kuidas neid eksportida?
▪ Kui avatud on ERP müüja andmetööriistadele
laondus?
Kõiki neid kaalutlusi tuleb otsustamisel arvesse võtta
kuhu panna andmekogus mis majutab i andma ERP ja teised
andma. Üldiselt, kui selleks pole mõjuvat põhjust
teisiti teha, on soovitatav ehitada andmekogus fuori
ERP tarnija keskkonnast.
1. PEATÜKK
BI organisatsiooni ülevaade
Võtmepunktid:
Teabehoidlad töötavad austusele vastupidiselt
ärianalüüsi (BI) arhitektuurile:
Ettevõtluskultuur ja IT võivad edukust piirata
BI organisatsioonide ehitamine.
Tehnoloogia ei ole enam BI organisatsioonide jaoks piirav tegur. The
arhitektide ja projektiplaneerijate probleem ei ole see, kui
tehnoloogia on olemas, kuid kui nad suudavad seda tõhusalt rakendada
kättesaadav tehnoloogia.
Paljude ettevõtete jaoks a andmekogus see on veidi enamat kui tagatisraha
passiivne jaotamine i andma kasutajatele, kes seda vajavad. THE andma
need eraldatakse lähtesüsteemidest ja asustatakse sihtstruktuuridesse
di andmekogus. Ma andma neid saab ka tervega puhastada
varandus. Siiski ei lisata ka lisaväärtust
poolt kogutud andma selle protsessi käigus.
Põhimõtteliselt pakub passiivne DW parimal juhul
ainult i andma kasutajate ühendustele puhas ja toimiv. Seal
info loomine ja analüütiline mõistmine sõltuvad
täielikult kasutajate poolt. Otsustades, kas DW (Andmeladu) on
edu on subjektiivne. Kui hindame edu
võime tõhusalt koguda, integreerida ja puhastada i andma
ettearvatava alusel, siis jah, DW on edukas.
Teisest küljest, kui vaatame kollektsiooni, konsolideerimist ja seda
organisatsiooni kui terviku teabe kasutamine
DW on ebaõnnestunud. DW annab vähe või üldse mitte väärtust
teavet. Selle tulemusena on kasutajad sunnitud leppima
luues nii infosiilud. See peatükk esitab
täielik visioon BI (äritegevuse) arhitektuuri kokkuvõtmiseks
ettevõtete luureandmed). Alustame BI ja kirjeldusega
siis liigume edasi arutelude juurde disaini ja
teabe arendamine, erinevalt lihtsalt i pakkumisest andma
kasutajatele. Seejärel keskendutakse arutelude arvutamisele
teie BI jõupingutuste väärtus. Lõpetuseks määratleme, kuidas IBM
tegeleb teie organisatsiooni arhitektuurilise BI-nõuetega.
Arhitektuuri kirjeldus
BI organisatsioon
Nüüd on võimsad tehingutele orienteeritud infosüsteemid
päevakorda igas suurettevõttes, nii nagu nad tasemeni jõuavad
tõhusalt mänguväljak ettevõtetele üle kogu maailma.
Konkurentsis püsimiseks on aga nüüd vaja süsteeme analüütiliselt
sellele orienteeritud võib muuta ettevõtte võimekuse taasavastamise ja
kasutades neil juba olemasolevat teavet. Need süsteemid
analüütika tuleneb rikkusest arusaamisest andma
saadaval. BI võib parandada kogu teabe jõudlust
ettevõttest. Ettevõtted saavad parandada kliendisuhteid ja
tarnijaid, parandada toodete ja teenuste kasumit, genereerida
uued ja parimad pakkumised, riskikontroll ja palju muud
sissetulekud vähendavad kulutusi drastiliselt. Sinu BI-ga
ettevõte hakkab lõpuks klienditeavet kasutama
konkurentsivõimelise varana tänu rakendustele, millel on eesmärgid
turul.
Õige äri omamine tähendab kindlate vastuste olemasolu
võtmeküsimused nagu:
▪ Milline meie oma kliendid nad panevad meid rohkem teenima, või seal
kas nad saadavad kahjuga?
▪ Kus elavad meie parimad kliendid suhtes pood/
ladu, kus nad sageli käivad?
▪ Milliseid meie tooteid ja teenuseid saab kõige rohkem müüa
tõhusalt ja kellele?
▪ Milliseid tooteid saab kõige tõhusamalt müüa ja kellele?
▪ Milline müügikampaania oli edukaim ja miks?
▪ Millised müügikanalid on milliste toodete puhul kõige tõhusamad?
▪ Kuidas saame parandada suhteid oma parimatega kliendid?
Enamikul ettevõtetel on andma karm vastata
need küsimused.
Operatsioonisüsteemid toodavad suures koguses toodet
klient ja andma turg müügikohtadest, broneeringutest,
klienditeeninduse ja tehnilise toe süsteemidest. Väljakutse on
seda teavet eraldada ja kasutada.
Paljud ettevõtted kasutavad ära vaid väikest osa omast andma
strateegiliste analüüside jaoks.
I andma järelejäänud, sageli kombineerituna i-ga andma mis tulenevad välistest allikatest nagu i
"Valitsusaruanded" ja muu ostetud teave on üks
kullakaevandus ootab lihtsalt uurimist, ei andma peab
täpsustada ainult teie informatiivses kontekstis
organisatsioon.
Neid teadmisi saab rakendada erinevatel viisidel, variatsioonidel
ettevõtte üldise strateegia kujundamisest kuni
isiklik suhtlemine tarnijatega kõnekeskuste kaudu,
arvete esitamine, Internet ja muud punktid. Tänapäeva ärikeskkond määrab
et DW ja sellega seotud BI-lahendused arenevad edasi
traditsiooniliste struktuuride teostamine andma mis i andma normaliseeritud
aatomitasemel ja "täht/kuubikufarmid".
Konkurentsis püsimiseks on vaja ettevõtete ühendamist
traditsiooniline ja arenenud tehnoloogia, et toetada a
suur analüütiline maastik.
Lõpuks peab üldine keskkond teadmisi parandama
ettevõtte kui terviku, tagades, et võetud meetmed
läbiviidud analüüside tulemusena tulevad need kasuks, et kõik on
kasu.
Oletame näiteks, et asetate omale järjestuse kliendid kategooriates
kõrge või madal risk.
Kas selle teabe genereerib kaevandusmudel või
muul viisil tuleb see sisestada DW-sse ja teha neile juurdepääsetavaks
igaüks, mis tahes juurdepääsuvahenditega, näiteks i
staatilised aruanded, arvutustabelid, tabelid või analüütiline töötlemine
rida (OLAP).
Kuid praegu on seda tüüpi teavet palju
jäävad silodesse andma nende loodud isikute või osakondade kohta
analüüsi. Organisatsioon tervikuna on vähe nähtav või puudub üldse
mõistmise jaoks. Lihtsalt segades seda tüüpi sisu
Teavet oma ettevõttes DW saate silohoidlad kõrvaldada
teavet ja tõsta oma Dw-keskkonda.
Organisatsiooni arengul on kaks peamist takistust
BI-st.
Esiteks on meil probleem organisatsiooni endaga
seotud määrustest.
Isegi kui me ei saa aidata poliitikamuudatustega
organisatsiooni, saame aidata teil mõista selle komponente
BI-organisatsioon, selle arhitektuur ja kuidas
IBM-tehnoloogia hõlbustab selle arendamist.
Teine takistus, mida ületada, on tehnoloogia puudumine
integreeritud ja teadmised meetodi kohta, mis kutsub kogu ruumi
BI-st, mitte ainult väikesest komponendist.
IBM reageerib tehnoloogia muutustele
integreeritud. Disaini pakkumise eest vastutate teie
eneseteadlik. Seda arhitektuuri tuleb koos arendada
piiranguteta või vähemalt koos integreerimiseks valitud tehnoloogia
tehnoloogia, mis järgib avatud standardeid. Samuti sinu oma
ettevõtte juhtkond peab tagama, et Bi ettevõte on
ajakava järgi läbi viia ja seda mitte lubada
iseteenindamisest tulenevate teabehoidlate arendamine
päevakorrad või eesmärgid.
See ei tähenda, et BI-keskkond pole tundlik
reageerida erinevate kasutajate erinevatele vajadustele ja nõudmistele; selle asemel tähendab see
et nende individuaalsete vajaduste ja nõuete elluviimine on
tehakse kogu BI organisatsiooni hüvanguks.
BI organisatsiooni arhitektuuri kirjeldus saab
leiate joonise 9 leheküljelt 1.1. Arhitektuur näitab
rikkalik kombinatsioon tehnoloogiatest ja tehnikatest.
Traditsioonilisest vaatenurgast sisaldab arhitektuur järgmisi komponente
laost
Aatomikiht.
See on kogu DW ja seega ka selle alus, süda
strateegiline aruandlus.
I andma siia salvestatud säilitab ajaloolise terviklikkuse, aruanded
andma ja sisaldama tuletatud mõõdikut ning olema puhas,
integreeritud ja salvestatud kaevandamismallide abil.
Nende kogu edasine kasutamine andma ja sellega seotud teave on
tuletatud sellest struktuurist. See on suurepärane allikas
kaevandamine andma ja struktureeritud SQL-päringutega aruannete jaoks
Töötav ladu andma või aruandebaas
andma(Operational data store (ODS) või aruandlus
andmebaas.)
See on struktuur andma spetsiaalselt loodud
tehniline aruandlus.
I andma neid struktuure saab lõpuks säilitada ja üle kanda
levitada laos läbi organisatsiooni tsooni (lavastus
ala), kus seda saaks kasutada strateegiliseks aruandluseks.
Lavastusala.
Enamiku jaoks esimene peatus andma mõeldud keskkonnale
ladu on organisatsiooni tsoon.
Siin i andma need integreeritakse, puhastatakse ja muudetakse andma kasulik see
asustab laostruktuuri
Kuupäev marts.
See arhitektuuri osa esindab selle struktuuri andma kasutatud
spetsiaalselt OLAP-i jaoks. Datamartide olemasolu, kui i andma sono
salvestatud täheskeemi, mis kattuvad andma
mitmemõõtmeline relatsioonikeskkonnas või kappides
di andma patenteeritud, mida kasutab spetsiifiline OLAP-tehnoloogia, näiteks
DB2 OLAP-server, see ei ole asjakohane.
Ainus piirang on see, et arhitektuur hõlbustab kasutamist andma
mitmemõõtmeline.
Arhitektuur hõlmab ka kriitilisi Bi tehnoloogiaid ja tehnikaid
mida eristatakse järgmiselt:
Ruumianalüüs
Ruum on analüütikule ootamatu infotulva ja
lahenduse lõpuleviimiseks on ülioluline. Kosmos võib
esindavad teatud piirkonnas elavate inimeste teavet
asukoht, samuti teave selle asukoha kohta
füüsiliselt võrreldes muu maailmaga.
Selle analüüsi tegemiseks peate alustama oma sidumisega
laius- ja pikkuskraadi koordinaatide teave. See on
nimetatakse geokodeerimiseks ja see peab olema osa kaevandamisest,
ümberkujundamine ja laadimisprotsess (ETL) tasemel
teie laost.
Andmete kaevandamine.
Ekstraheerimine andma võimaldab meie ettevõtetel kasvada
mitu kliendid, ennustada müügitrende ja võimaldada
suhete haldamine i-ga kliendid (CRM) muude algatuste hulgas
BI.
Ekstraheerimine andma seepärast tuleb see integreerida struktuuridega
andma DWHouse'i ja seda toetavad laoprotsessid
teha kindlaks nii tehnoloogia tõhus kui ka tõhus kasutamine ning
seotud tehnikad.
Nagu on näidatud BI arhitektuuris, on aatomitase
Dwhouse, nagu ka datamarts, on suurepärane allikas andma
kaevandamiseks. Need samad struktuurid peavad samuti olema
kaevandamise tulemuste saajatele kättesaadavuse tagamiseks
laiem vaatajaskond (laiem vaatajaskond).
Esindajad.
Klienti iga punkti kohta uurivad erinevad ained, näiteks, st
ettevõtte operatsioonisüsteemid ja sama dw. Need ained võivad
olema arenenud närvivõrgud, mida on õpetatud tundma õppima
iga punkti suundumused, näiteks tulevane nõudlus toote järgi
müügiedenduste kohta, reeglitel põhinevad mootorid, millele reageerida
un andmeid asjaolude kogum või isegi lihtsad ained, mis
nad osutavad eranditele "tippjuhtidele". Need protsessid jah
üldiselt reaalajas ja seetõttu peab
olema tihedalt seotud selle liikumisega andma.
Kõik need struktuurid andma, tehnoloogiate ja tehnikate garantii
et te ei veeda ööd organisatsiooni loomisega
teie BI.
Seda tegevust arendatakse väikeste jaoks järk-järgult
punktid.
Iga samm on iseseisev projektitöö ja sellest teatatakse
dw- või BI-algatuse iteratsioonina. Iteratsioonid
võib hõlmata uute tehnoloogiate rakendamist
alustage uute tehnikatega, lisades uusi struktuure andma ,
laadimine i andma täiendav või koos analüüsi laiendamisega
teie keskkond. Seda lõiku arutatakse rohkem
põhjalikult 3. peatükis.
Lisaks traditsioonilistele Dw struktuuridele ja Bi tööriistadele on ka teisi
BI-organisatsiooni funktsioonid, mille võlgnete
disain, näiteks:
Kliendi puutepunktid (Customer touch
punktid).
Nagu kõigi kaasaegsete organisatsioonide puhul, on ka mitmeid
kliendi puutepunktid, mis näitavad, kuidas kogemust saada
positiivne teie jaoks kliendid. Seal on traditsioonilised kanalid nagu i
kauplejad, elektrikilbi operaatorid, otsepost, multimeedia ja trükkimine
reklaam, aga ka kõige värskemad kanalid nagu meil ja veeb, st andma
tuleb hankida teatud kokkupuutepunktiga tooted,
transporditakse, puhastatakse, muudetakse ja seejärel asustatakse ehitistes andma kohta
BI.
Alused andma operatiiv- ja kasutajaühendused (Operational
andmebaasid ja kasutajakogukonnad).
Lõpus kontaktpunktid kliendid leiate põhitõed andma
ettevõtte ja kasutajakogukondade rakendus. THE andma olemasolevad
sono andma traditsiooniline, mis tuleb uuesti ühendada ja ühendada andma et
voolu kontaktpunktidest, et täita vajalik
teavet.
Analüütikud. (Analüütikud)
BI keskkonna peamine kasusaaja on analüütik. See on tema, kes
kasu praegusest kaevandamisest andma töökorras, integreeritud
erinevad allikad andma , mida on täiendatud selliste funktsioonidega nagu analüüs
geograafilised (geokodeerimine) ja esitatakse BI-tehnoloogiates, mis
võimaldab teil ekstraheerida OLAP-i, täiustatud SQL-i aruandlust ja analüüsi
geograafiline. Analüütiku esmane liides keskkonnale
aruandlus on BI portaal.
Kuid analüütik pole ainus, kes selle arhitektuurist kasu saab
BI.
Juhid, suured kasutajate ühendused ja isegi liikmed, tarnijad ja i
kliendid nad peaksid leidma ettevõtte BI-st kasu.
Tagasisööta silmus.
BI arhitektuur on õpikeskkond. Põhimõte
arengule iseloomulik on võimaldada püsivaid struktuure andma
mida uuendatakse kasutatud BI-tehnoloogia ja tegevuste järgi
kasutaja arusaamad. Näiteks on hindamine
klient (kliendi punktiarvestus).
Kui müügiosakond teostab kaevandusmudelit
kliendi skooridest uue teenuse kasutamise kohta, siis
müügiosakond ei tohiks olla ainus kasusaajate rühm
teenusest.
Selle asemel tuleks kaevandamismudel teostada osana
loomulik andmevoog ettevõtte sees ja kliendi hinded
peaks saama infokeskkonna lahutamatuks osaks
ladu, nähtav kõigile kasutajatele. Kahe-kahekeskne IBM Suite
sealhulgas DB2 UDB, sisaldab DB2 OLAP Server enamikku
osa tehnoloogia olulistest komponentidest, mis on määratletud joonisel
1.1.
Kasutame selle raamatu joonisel kujutatud arhitektuuri
anda meile järjepidevuse tase ja näidata, kuidas iga toode
IBM sobib BI üldisele skeemile.
Infosisu pakkumine (pakkumine
Teabe sisu)
Oma BI keskkonna kujundamine, arendamine ja juurutamine on
vaevarikas operatsioon. Disain peab hõlmama nii palju
praegused ja tulevased ärinõuded. Arhitektuuri kujundus
see peab olema täielik, et hõlmata kõik leitud järeldused
projekteerimisetapi ajal. Hukkamine peab jääma
pühendunud ühele eesmärgile: arendada BI arhitektuuri
nagu on formaalselt esitatud joonisel ja mis põhineb nõuetele
äri.
Eriti raske on väita, et distsipliin tagab
suhteline edu.
See on lihtne, kuna te ei arenda tervet BI-keskkonda
ootamatult, kuid see toimub aja jooksul väikeste sammudena.
Kuid teie arhitektuuri BI-komponentide tuvastamine on
oluline kahel põhjusel: Te juhite kõiki järgnevaid otsuseid
arhitektuuritehnikad.
Saate teadlikult kavandada konkreetse tehnoloogia kasutamise
kuigi te ei pruugi saada kordamist, mida see vajab
tehnoloogiat mitu kuud.
Oma ärinõuete piisav mõistmine mõjutab tüüpi
toodetest, mida oma arhitektuuri jaoks hankite.
Teie arhitektuuri projekteerimine ja arendamine tagavad
et teie ladu on
mitte juhuslik sündmus, vaid pigem "hästi läbimõeldud",
hoolikalt koostatud reklaam töötama kunstist kui mosaiigist
segatud tehnoloogia.
Kujundage teabe sisu
Kogu esialgne planeerimine peab keskenduma ja tuvastama
BI peamised komponendid, mida keskkond vajab
üldine olevikus ja tulevikus.
Ettevõtte nõuete tundmine on oluline.
Isegi enne tavapärase planeerimise algust
projektiplaneerija suudab sageli tuvastada ühe või kaks
komponent kohe.
Nende komponentide tasakaal, mida võib vaja minna
teie arhitektuuri ei ole aga lihtne leida.
Projekteerimisetapis arhitektuuri põhiosa
seob rakenduse arendusseansi (JAD) otsinguga
ärinõuete väljaselgitamiseks.
Mõnikord saab neid nõudeid tellida
päringud ja aruandlus.
Näiteks kasutajad deklareerivad, et kui nad soovivad automatiseerida
praegu tuleb aruanne integreerimise teel käsitsi luua
kaks voolusuhet ja lisades saadud arvutused
kombinatsioon andma.
Kuigi see nõue on lihtne, määratleb see teatud
funktsiooni funktsionaalsust peate lisama millal
osta oma organisatsioonile aruandlustööriistu.
Projekteerija peab järgima ka lisanõudeid
saada täielik pilt. Kasutajad soovivad tellida
see aruanne?
Aruande alamhulgad luuakse ja saadetakse erinevatele e-postiga
kasutajad? Kas soovite seda aruannet ettevõtteportaalis näha?
Kõik need nõuded on osa lihtsast vajadusest
asendada käsitsi aruanne vastavalt kasutajate nõudmistele. Kasu
Seda tüüpi nõuded on kõigile, nii kasutajatele kui ka disaineritele
aruannete kontseptsiooni mõistmine.
Siiski on ka teist tüüpi ettevõtteid, mida peame planeerima.
Kui ärinõuded on esitatud kujul
Äristrateegilised küsimused, kogenud disainerile on see lihtne
eristama mõõte / fakti ja mõõtmete nõudeid.
Joonis 1.2 illustreerib a mõõtmise ja mõõtmete komponente
äriprobleem.
Kui JAD-i kasutajad ei tea, kuidas oma nõudeid deklareerida
äriprobleemi näol pakub disainer sageli
näiteid kogumise seansi vahelejätmiseks ja alustamiseks
nõuetele.
Asjatundlik disainer aitab kasutajatel mõista enamat kui lihtsalt
strateegiline kaubandus, aga ka kuidas seda koolitada.
Nõuete kogumise lähenemisviisi käsitletakse 3. peatükis; jaoks
nüüd tahame lihtsalt juhtida tähelepanu vajadusele kujundada kõigile
BI-nõuete tüübid
Strateegiline äriprobleem ei ole lihtsalt nõue
Äri, aga ka disaini vihje. Kui pead vastama
mitmemõõtmelisele küsimusele, siis peate pähe õppima,
esitama i andma mõõtmed ja kui teil on vaja i
andma mitmemõõtmeline, peate otsustama, millist tehnoloogiat või
tehnikat, mida kavatsete kasutada.
Kas rakendate reserveeritud kuubiku tähe skeemi või mõlemat?
Nagu näete, isegi lihtne äriprobleem
sellel võib olla disainile märkimisväärne mõju. Kuid
seda tüüpi ärinõuded on tavalised ja loomulikult vähemalt
kogenud disainerite ja projektiplaneerijate poolt.
Tehnoloogiate ja nende toetamise üle on peetud piisavalt arutelu
OLAP ja saadaval on lai valik lahendusi. Praeguseni
mainisime vajadust ühendada lihtne aruandlus i-ga
ettevõtte suuruse nõuded ja kuidas need nõuded
mõjutada tehnilisi arhitektuurilisi otsuseid.
Kuid millised on nõuded, millest ei saa aru
kasutajate või DW meeskonna poolt? Te ei vaja kunagi analüüsi
ruumiline (ruumianalüüs)?
Kaevandamise mudelid andma need on sinu vajalik osa
tulevik? Kes teab?
Oluline on märkida, et seda tüüpi tehnoloogiaid pole palju
üldkasutajate kogukonnad ja meeskonnaliikmed teavad
Dw, osaliselt võib see juhtuda, sest nad tavaliselt
nendega tegelevad mõned ettevõttesisesed või kolmanda osapoole tehnilised eksperdid. See on
seda tüüpi tehnoloogiate tekitatud probleemide äärmuslik juhtum. Ise
kasutajad ei saa kirjeldada ärinõudeid ega neid kujundada
et anda disaineritele juhiseid, saavad nad seda teha
jääda märkamatuks või, mis veelgi hullem, lihtsalt ignoreerida.
See muutub problemaatilisemaks, kui disainer ja arendaja ebaõnnestuvad
nad tunnevad ära ühe sellise täiustatud, kuid
kriitilised tehnoloogiad.
Nagu oleme sageli kuulnud disainereid ütlemas: "Noh, miks
kas me ei pane seda kõrvale, kuni saame selle teise asja?
„Kas nad on tõesti prioriteetidest huvitatud või lihtsalt väldivad i
nõuded, millest nad aru ei saa? Tõenäoliselt on see viimane hüpotees.
Oletame, et teie müügimeeskond on nõudest teatanud
äritegevusest, nagu on näidatud joonisel 1.3, nagu näete,
nõue on kujundatud äriprobleemi vormis. Seal
erinevus selle probleemi ja tüüpilise mõõtmeprobleemi vahel on
kaugus. Sel juhul soovib müügigrupp teada,
igakuiselt kogu müük toodetest, ladudest ja
kliendid kes elavad 5 miili raadiuses laost, kus nad asuvad
nad ostavad.
Kahjuks saavad disainerid või arhitektid seda lihtsalt teha
ignoreerige ruumikomponenti, öeldes: "Meil on klient,
toode ja i andma deposiidist. Hoiame distantsi kuni
teine ​​iteratsioon.
"Vale vastus. Seda tüüpi äriprobleemid puudutavad
täielikult BI. See esindab sügavamat arusaamist
meie äri ja tugev analüütikaruum meie analüütikutele.
BI on väljaspool lihtsat päringut või standardset aruandlust või
isegi OLAP. See ei tähenda, et need tehnoloogiad seda ei tee
need on teie BI jaoks olulised, kuid iseenesest ei ole
BI keskkond.
Disain teabe konteksti jaoks
(Infosisu kujundamine)
Nüüd oleme tuvastanud ärinõuded, mis neid eristavad
joonisele tuleb lisada erinevad põhikomponendid
üldarhitektuurne. Mõned BI komponendid on osa
meie esialgsetest jõupingutustest, samas kui mõnda neist ei rakendata
mitu kuud.
Kõik teadaolevad nõuded on aga disainis kajastatud nii, et
kui me peame rakendama teatud tehnoloogiat, siis me seda oleme
valmistuge seda tegema. Midagi projektist peegeldab mõtlemist
traditsiooniline.
Näiteks joonisel 1.1 peatüki alguses on kuupäev
mart, mis hoiab andma mõõtmetega.
See komplekt andma kasutatakse hilisema kasutuse toetamiseks
andma mõõtmetega, mis on tingitud äriprobleemidest, mis
oleme tuvastanud. Nagu lisadokumendid on
loodud, näiteks disaini arendamine andma, meie
hakkame vormistama, kuidas i andma nad levivad keskkonnas.
Oleme kindlaks teinud vajaduse esindada andma nii
mõõtmetega, jagades need (vastavalt konkreetsetele vajadustele
kindlaks) marts.
Järgmine küsimus, millele tuleb vastata, on: kuidas neid ehitatakse
need andmekaubad?
Kas ehitate tähti kuubikute toetamiseks või lihtsalt kuubikuid või ainult tähti?
(või parempoolsed kuubikud või parempoolsed tähed). Loo andmete arhitektuur
sõltuvad mardid, mis nõuavad kõigi jaoks aatomikihti andma
aquisites? Luba sõltumatutel andmeturgudel omandada andma
otse operatsioonisüsteemidest?
Millist kuubitehnoloogiat proovite standardida?
Teil on tohutul hulgal jumalaid andma vajalik mõõtmete analüüsiks
või vajate oma riikliku müügipersonali kuubikuid ühel
iganädalaselt või mõlemalt? Ehitage võimas üksus
näiteks DB2 OLAP Server for Finance või Cognose kuubikud
PowerPlay teie müügiorganisatsiooni või mõlema jaoks?
Need on suured arhitektuurse disaini otsused
mõjutab edaspidi teie BI-keskkonda. Jep,
olete tuvastanud vajaduse OLAP-i järele. Nüüd, kuidas te seda teete
tehnika ja tehnoloogia tüüp?
Kuidas mõned kõige arenenumad tehnoloogiad teie oma mõjutavad
joonised? Eeldame, et olete vajaduse kindlaks teinud
ruumi teie organisatsioonis. Nüüd peate helistama
arhitektuursed joonised, ehkki planeerimata
kosmosekomponentide teostamiseks mitu kuud. Arhitekt peab
kujundada täna vajalikust lähtuvalt. Ennusta vajadust
ruumianalüüs, mis genereerib, salvestab, teostab ja tarnib
juurdepääsu andma ruumi. See omakorda peaks toimima a
tehnoloogia tüübi ja spetsifikatsioonidega seotud piirangud
tarkvaraplatvorm, mida saate praegu kaaluda. Sest
näiteks haldussüsteem andmebaasi relatsiooniline
(RDBMS), mida oma aatomikihi jaoks kasutate, peab olema
saadaval tugev ruumiline laiendus. See tagaks
maksimaalne jõudlus geomeetria ja objektide kasutamisel
ruumi teie analüütilistes rakendustes. Kui teie RDBMS seda ei tee
saan ma hakkama andma (ruumikeskne) sisemiselt, nii et peate seda tegema
kehtestada a andmebaasi (ruumikeskne) väline. See raskendab
väljaannete haldamine ja teie üldise toimivuse kahjustamine,
rääkimata teie jaoks tekitatud lisaprobleemidest
DBA-d, kuna neil on ilmselt vähe arusaamist
alustest andma ruumi samuti. Teisest küljest, kui teie
RDMBS haldab kõiki ruumilisi komponente ja nendega seotud
optimeerija on teadlik erivajadustest (näiteks
ruumiobjektide indekseerimine), siis saavad teie DBA-d hakkama
hallata viivitamatult väljaandeid ja saate tõsta
esitus.
Samuti peate kohandama lavastusala ja kihti
aatomikeskkond, mis hõlmab aadresside puhastamist (a
ruumianalüüsi võtmeelement), samuti järgmine
ruumiobjektide säästmine. Väljaannete järgnevus
disain jätkub nüüd, kui oleme kasutusele võtnud koristamise mõiste
aadress. Esiteks määrab see rakendus selle tüübi
ETL-i tööks vajalik tarkvara.
Teil on aadressi andmiseks vaja selliseid tooteid nagu Trillium
puhas või teie valitud ETL-i tarnija selle pakkumiseks
funktsionaalsus?
Praegu on oluline, et hindaksite oma disaini taset
tuleb lõpule viia enne, kui hakkate oma rakendama
keskkond (ladu). Ülaltoodud näited peaksid
demonstreerida paljusid disainiotsuseid, mis peavad järgnema
mis tahes konkreetse ärinõude tuvastamine. Kui tehtud
õigesti, need disainiotsused soodustavad
vastastikune sõltuvus teie keskkonna füüsiliste struktuuride vahel
kasutatava tehnoloogia valik ja leviku voog
teabe sisu. Ilma selle tavapärase arhitektuurita
BI-st, kohaldatakse teie organisatsioonile segu
olemasolevate tehnoloogiate kaootiline, parimal juhul teatud viisil ühendatud
näilise stabiilsuse tagamiseks ebatäpne.
Säilitage teabe sisu
Teabe väärtuse toomine oma organisatsiooni on
väga raske operatsioon. Ilma piisava mõistmiseta
ja kogemusi või õiget planeerimist ja joonistamist, isegi
paremad meeskonnad ebaõnnestuksid. Teisest küljest, kui teil on suur
intuitsioon ja detailplaneering, kuid puudub distsipliin
hukkamine, olete lihtsalt oma raha ja aega raisanud
sest teie pingutus on määratud läbikukkumisele. Sõnum peaks
olge selge: kui teil on üks või mitu neist puudu
oskused, mõistmine / kogemus või planeerimine / joonistamine o
rakendamise distsipliini, toob see kaasa sandistamise või
hävitada BI organisatsiooni hoone.
Kas teie meeskond on piisavalt ette valmistatud? Sinu kõrval on keegi
BI-meeskond, kes mõistab saadaolevat tohutut analüütilist maastikku
BI keskkondades, vajalikes tehnikates ja tehnoloogiates
seda maastikku mõjutada? Teie meeskonnas on keegi
mis suudab tuvastada rakenduste erinevuse edasijõudnute vahel
staatiline aruandlus ja OLAP või ROLAPi ja OLAPi erinevused? Üks neist
teie meeskonnaliikmed tunnevad selgelt teed
väljavõte ja kuidas see võib ladu mõjutada või kuidas
kas ladu suudab kaevandamist toetada? Liige
meeskonnast mõistab selle väärtust andma ruumi või tehnoloogiat
agendipõhine? Kas teil on keegi, kes hindab ainulaadset rakendust?
ETL tööriistad versus maakleri tehnoloogia
sõnum? Kui teil seda pole, hankige üks. BI on palju enamat
suur normaliseeritud aatomikiht, OLAP, skeemid a
täht ja ODS.
Oman arusaamist ja kogemusi nõuete tunnustamiseks
BI ja nende lahendused on teie võimekuse jaoks hädavajalikud
korrektselt vormistada kasutaja vajadused ja disain
ja oma lahendusi ellu viima. Kui teie kasutajate kogukonnal on
raskusi nõuete kirjeldamisel, see on meeskonna töö
ladu annavad selle ülevaate. Aga kui meeskond
ladu
ei tunne ära BI spetsiifilist rakendust – näiteks andmeid
kaevandamine – siis pole see parim, mida BI-keskkonnad teevad
sageli piirduvad passiivsete hoiustega. Siiski ignoreerige neid
tehnoloogiad ei vähenda nende tähtsust ega mõju
teie ärianalüüsi võimaluste tekkimise kohta
organisatsiooni, aga ka teie kavandatava teabestruktuuri
edutama.
Planeerimine peab sisaldama joonistamise mõistet, toim
mõlemad nõuavad pädevat isikut. Lisaks disain
see nõuab meeskonnatöö filosoofiat ja vaatlust
standarditele. Näiteks kui teie ettevõte on selle asutanud
standardplatvormil või on tuvastanud teie jaoks konkreetse RDBMS-i
Tahad standardida kogu platvormil, see on ähvardamas
kõik meeskonna liikmed järgivad neid standardeid. Üldiselt üks
meeskond paljastab normaliseerimise vajaduse (kasutajale
kommuunid), kuid meeskond ise ei soovi sellega liituda
standardid, mis on kehtestatud ka muudes ettevõtte või võib-olla isegi ettevõtte valdkondades
sarnased ettevõtted. See mitte ainult ei ole silmakirjalik, vaid tagab, et ettevõte seda ei tee
suudab ära kasutada olemasolevaid ressursse ja investeeringuid. See ei tähenda
et ei ole olukordi, mis tagavad platvormi või ühe
mittestandardne tehnoloogia; aga lao jõupingutusi
nad peaksid kadedalt kaitsma ettevõtte standardeid kuni
et ärinõuded ei nõua teisiti.
Kolmas põhikomponent, mis on vajalik BI loomiseks
organisatsioon on distsipliin.
See sõltub kokkuvõttes võrdselt nii üksikisikust kui ka keskkonnast.
Projekti planeerijad, sponsorid, arhitektid ja kasutajad peavad seda hindama
ettevõtte infostruktuuri ülesehitamiseks vajalik distsipliin.
Disainerid peavad suunama oma projekteerimistööd nii, et
viia lõpule muud ühiskonnas vajalikud jõupingutused.
Oletame näiteks, et teie ettevõte loob a
ERP-rakendus, millel on laokomponent.
Seega on ERP disainerite kohustus teha koostööd
laokeskkonna meeskond, et mitte konkureerida või
dubleerida juba alustatud tööd.
Distsipliin on ka teema, millega tuleb tegeleda
kogu organisatsiooni poolt ning tavaliselt asutatakse ja usaldatakse a
täidesaatev tase.
Kas juhid on valmis järgima kavandatud lähenemisviisi? A
lähenemine, mis lubab luua infosisu, mis on
lõpuks toob see väärtust kõigisse ettevõtte valdkondadesse, kuid võib-olla
Kas see kahjustab üksikute või osakondade tegevuskavasid? Pea meeles ütlus
"Mõelda kõigele on tähtsam kui mõelda ainult ühele asjale."
See ütlus kehtib BI organisatsioonide kohta.
Kahjuks keskenduvad paljud laod oma jõupingutused
soovivad juhtida ja tuua väärtust konkreetsesse osakonda või a
konkreetsed kasutajad, pöörates vähe tähelepanu organisatsioonile
üldine. Oletame, et juht palub abi meeskonnalt aadressil
washouse. Meeskond vastab sellele 90-päevase tööga
hõlmab mitte ainult teavitusnõuete edastamist, mis on määratletud
juht, kuid tagab, et kõik andma alused segatakse tasemele
enne kuubikutehnoloogias kasutuselevõttu
ettepanek.
See tehniline täiendus tagab, et feat of
werehouse saab kasu andma mida juht vajab.
Juht rääkis aga väliste konsultatsioonifirmadega, et
on pakkunud välja sarnase rakenduse, mille tarneaeg on vähem kui 4
nädalat.
Eeldades, et sisemine wastupanu meeskond on pädev,
juhil on valik. Kes saab distsipliini toetada
kaevu kasvatamiseks on vaja täiendavat inseneritööd
teabeettevõte või võivad nad ise luua
lahendus kiiresti. Viimane näib olevat tõesti valitud
liiga sageli ja seda kasutatakse ainult teabekonteinerite loomiseks
millest saavad kasu vähesed või üksikisik.
Lühi- ja pikaajalised eesmärgid
Arhitektid ja projektide koostajad peavad vormistama a
pikaajaline nägemus üldisest arhitektuurist ja plaanidest
kasvada BI organisatsioonis. See kombinatsioon
lühiajaline kasum ja pikaajaline planeerimine
esindavad jõupingutuste kahte tahku BI. Lühiajaline kasu
aegumine on BI tahk, mis on seotud iteratsioonidega
teie ladu.
See on koht, kus planeerijad, arhitektid ja sponsorid keskenduvad
vastama konkreetsetele ärinõuetele. Just sellel tasemel
ehitatakse füüsilisi ehitisi, ostetakse tehnikat ja
tehnikaid rakendatakse. Need ei ole mingil juhul vastamisi tehtud
konkreetsete kasutajakogukondade määratletud erinõuded.
Kõik tehakse selleks, et täita määratletud konkreetseid nõudeid
konkreetsest kogukonnast.
Pikaajaline planeerimine on aga teine ​​tahk
BI-st. See on koht, kus plaanid ja kujundused tagasid, et see oli
ehitatud mis tahes füüsiline struktuur, valitud tehnoloogiad ja
realiseeritud tehnikaid, mis on tehtud ettevõttele silmaga. Ja
pikaajaline planeerimine, mis tagab ühtekuuluvuse
vajalik tagamaks, et ärikasu saavad kõik
leitud lühiajaline kasu.
Põhjendage oma BI jõupingutusi
Un andmekogus sel iseenesest pole loomuomane väärtus. Muus
sõnadega, tehnoloogiate vahel puudub olemuslik väärtus
ladu ja teostustehnikad.
Iga laotöö väärtus peitub tegevustes
teostatakse laokeskkonna ja sisu tulemusena
aja jooksul kasvatatud teave. See on kriitiline punkt, mida tuleb mõista
enne kui proovite mõne algatuse väärtust hinnata
Kodu.
Liiga sageli püüavad arhitektid ja planeerijad väärtustada
lao füüsilised ja tehnilised komponendid, kui tegelikult väärtus on
asutab äriprotsesse, millele on positiivselt mõjutatud
ladu ja hästi omandatud teave.
Siin peitub väljakutse BI asutamisele: kuidas põhjendate investeeringut?
Kui majal endal pole sisemist väärtust, siis projekteerijad
projekt peab kasu uurima, määratlema ja vormistama
saavutavad need isikud, kes kasutavad ladu
parandada konkreetseid äriprotsesse või nende väärtust
kaitstud teave või mõlemad.
Teemade keeruliseks muutmiseks mis tahes äriprotsess
laotööst mõjutatud võib kasu tuua
"märkimisväärne" või "väike". Märkimisväärsed eelised pakuvad a
käegakatsutav mõõdik investeeringutasuvuse (ROI) mõõtmiseks – nt
Näiteks varude ümberpööramine perioodi jooksul täiendavalt
konkreetsed või madalamad transpordikulud saadetise kohta. See on rohkem
Väiksemaid eeliseid, nagu parem juurdepääs, on raske kindlaks teha
materiaalse väärtuse mõttes.
Ühendage oma projekt, et teada saada
ärisoovid
Liiga sageli üritavad projektidisainerid väärtusi ühendada
ettevõtte amorfsete eesmärkidega laost. väites, et
“Lao väärtus põhineb meie võimel
rahuldada strateegilisi taotlusi” avame meeldivalt
kõne. Kuid sellest üksi ei piisa, et teha kindlaks, kas
investeering lattu on mõttekas. Parem on kordused ühendada
ladu koos konkreetsete äriliste taotluste ja märkustega.
ROI mõõtmine
ROI arvutamine laosättes võib olla
eriti raske. See on eriti raske, kui plii
konkreetse korduse printsiip on midagi immateriaalset või
lihtne mõõta. Uuring näitas, et kasutajad tajuvad
BI-algatuste kaks peamist eelist:
▪ Loo oskus teha otsuseid
▪ Loo juurdepääs teabele
Need eelised on pehmed (või kerged) eelised. Seda on lihtne näha
kuidas saame arvutada ROI-d kõva serva (o
suurem), näiteks transpordikulude vähendamine, aga kuidas
kas me mõõdame võimet teha paremaid otsuseid?
See on kindlasti väljakutse projekti planeerijatele, kui
nad üritavad panna ettevõtet investeerima ühte konkreetsesse
lao pingutus. Müügi suurendamine või kulude vähendamine
need ei ole enam kesksed teemad, mis juhivad BI-keskkonda.
Selle asemel otsite juurdepääsu äritaotlustes
teabele kõige paremini, et konkreetne osakond saaks seda teha
langetada otsuseid kiiremini. Need on strateegilised jõud a
mis on ettevõtte jaoks sama olulised, kuid on
mitmetähenduslikum ja käegakatsutavas mõõdikus raskemini iseloomustatav.
Sel juhul võib ROI arvutamine olla eksitav, kui mitte asjakohane.
Projekti kujundajad peavad suutma väärtust näidata
Juhtidel on käegakatsutav otsustada, kas investeering
konkreetne kordus loeb. Uut me siiski välja ei paku
ROI arvutamise meetodit, samuti ei esita me poolt ega argumente
selle vastu.
Saadaval on palju artikleid ja raamatuid, mis käsitlevad põhialuseid
ROI arvutamine. On olemas spetsiaalsed väärtuspakkumised, näiteks väärtus
Investment (VOI), mida pakuvad sellised rühmad nagu Gartner, et saate
uurima. Selle asemel keskendume mis tahes põhiaspektidele
ROI või muud väärtuspakkumised, mida peate kaaluma.
ROI rakendamine
Lisaks argumendile "kõvade" eeliste ja "pehmete" eeliste kohta
Seoses BI jõupingutustega tuleb arvestada ka muude probleemidega
kui rakendame ROI-d. Näiteks:
Liiga suure säästu omistamine DW jõupingutustele
igal juhul
Oletame, et teie ettevõte läks üle arhitektuurilt
suurarvuti hajutatud UNIX-i keskkonda. Nii et ükskõik milline
kokkuhoid, mis võib (või ei pruugi) selle jõupingutusega realiseerida
ei tohiks omistada eranditult, kui kõigile (?), kellele
ladu.
Kõigega arvestamata jätmine on kallis. Ja seal on palju asju
arvesse võtma. Kaaluge järgmist loendit:
▪ Käivitamise kulud, sealhulgas teostatavus.
▪ Spetsiaalse riistvara ja sellega seotud salvestusruumi maksumus e
kommunikatsioon
▪ Tarkvara maksumus, sh haldamine andma ja laiendused
klient/server, ETL tarkvara, DSS tehnoloogiad, tööriistad
visualiseerimis-, ajastamis- ja voorakendused
töö- ja jälgimistarkvara, .
▪ Konstruktsiooni projekteerimise maksumus andma, realiseerimisega ja
optimeerimine
▪ Tarkvara arenduskulud, mis on otseselt seotud pingutusega
BI
▪ Kodutoe maksumus, sealhulgas optimeerimine
jõudlus, sealhulgas tarkvara versioonikontroll e
abioperatsioonid
Rakendage "Big-Bang" ROI-d.
Lao realiseerimine ühe ja hiiglasliku pingutusena
ebaõnnestub, seega arvutage ka algatuse ROI
suurettevõtete Pakkumine on üllatav ja et disainerid
jätkavad nõrgad katsed hinnata terviku väärtust
pingutus.
Sest disainerid püüavad anda rahalise väärtuse
ettevõtte algatusel, kui see on laialt tuntud ja aktsepteeritud
kas konkreetsete korduste hindamine on keeruline? Kuidas on see võimalik? See ei ole
väheste eranditega võimalik. Ära tee seda.
Nüüd, kui oleme kindlaks teinud, mida arvutamisel mitte teha
ROI, siin on mõned punktid, mis aitavad meil määratleda
usaldusväärne protsess teie BI-alaste jõupingutuste väärtuse hindamiseks.
ROI nõusoleku saamine. Sõltumata sinu omast
BI-alaste jõupingutuste väärtuse hindamiseks tehnika valik
kokku leppima kõigi osapoolte, sealhulgas projekti planeerijate poolt,
ettevõtete sponsorid ja juhid.
Jaotage ROI tuvastatavateks osadeks. Vajalik samm sissepääsu suunas
ROI mõistlik arvutamine on koondada see arvutus a
konkreetne projekt. See võimaldab teil seejärel hinnata väärtust
põhineb konkreetsetel ärinõuetel, mis on täidetud
Määratlege kulud. Nagu mainitud, peab olema palju kulusid
kaalus. Lisaks peavad kulud sisaldama mitte ainult kaasnevaid kulusid
ühele iteratsioonile, aga ka sellega seotud kuludele
et tagada vastavus ettevõtte standarditele.
Määratlege eelised. Sidudes ROI selgelt nõuetega
konkreetsed tehingud, peaksime suutma tuvastada
kasu, mis viib nõuete täitmiseni.
Vähendage kulusid ja tulusid peatse kasumi korral. See on tee
parim viis oma hinnangute aluseks võtta nüüdispuhasväärtus
(NPV) erinevalt katsest ennustada tulevast väärtust
tulevane sissetulek.
Hoidke oma ROI jagamiseks aega minimaalseks. JA'
hästi dokumenteeritud selle pika aja jooksul, mida teil on kasutatud
ROI
Kasutage rohkem kui ühte ROI valemit. Selleks on palju meetodeid
ROI ennustus ja peaksite planeerima, kas kasutada ühte või
pluss, sealhulgas nüüdispuhasväärtus, tagasiside sisemine kiirus
(IRR) ja taastumine.
Määratlege korratav protsess. See on arvutamisel ülioluline
mis tahes pikaajaline väärtus. See tuleks dokumenteerida a
üks korratav protsess kõigi projekti alamjärjestuste jaoks a
järgima.
Loetletud probleemid on ekspertide määratletud kõige levinumad
wastumaja keskkonnast. Juhtkonna nõudmine
"Big-Bang" ROI edastamine on väga segane. Kui alustate kõiki
ROI arvutused, jagades need tuvastatavateks, käegakatsutavateks osadeks
hea võimalus hinnata täpset ROI hinnangut.
Küsimused ROI eeliste kohta
Olenemata teie eelistest, kas pehme või kõva, võite kasutada
mõned põhiküsimused nende väärtuse määramiseks. To
näiteks kasutades lihtsat skaalasüsteemi, 1 kuni 10, sina
saate jälgida mis tahes pingutuse mõju, kasutades järgmist
taotlused:
▪ Kuidas hindaksite arusaamist? andma seda järgides
teie ettevõtte projekt?
▪ Kuidas hindaksite protsesside täiustusi?
see projekt?
▪ Kuidas mõõdaksite praegu uute arusaamade ja järelduste mõju?
selle iteratsiooniga kättesaadavaks tehtud
▪ Milline on olnud uute arvutikeskkondade mõju e
esinemine õpitu tulemusel?
Kui vastuseid neile küsimustele on vähe, on see võimalik
ettevõte ei ole tehtud investeeringut väärt. Kõrgetasemelised küsimused
skoor osutab olulisele väärtuse kasvule ja peaks
olla juhised edasisel uurimisel.
Näiteks kõrge hinde protsessi täiustamise eest
see peaks suunama disainerid vaatama, kuidas protsessid on
parandatud. Võite avastada, et osa või kõik kasu on saavutatud
need on käegakatsutavad ja seetõttu saab hõlpsasti olla rahaline väärtus
rakendatud.
Esimesest iteratsioonist maksimumi võtmine
ladu
Teie äritegevuse suurim tulemus on sageli selles
paar esimest iteratsiooni. Need varased jõupingutused traditsiooniliselt
luua avalikkusele kõige kasulikum infosisu e
loob abi tehnoloogia vundamendile hilisemaks
BI rakendused.
Tavaliselt iga järgnev järgnevus andma aasta projektist
laod toovad ettevõttele aina vähem lisaväärtust
üldine. See kehtib eriti siis, kui iteratsioon ebaõnnestub
lisab uusi argumente või ei rahulda vajadust uue järele
kasutajate kogukond.
See hoiustamisfunktsioon kehtib ka vaiade puhul
poolt kasvama andma ajaloolased. Kuna hilisemad jõupingutused nõuavad rohkem
andma ja kuidas veel andma valatakse aja jooksul lattu, enamik
andma see muutub kasutatava analüüsi jaoks vähem oluliseks. Need andma sono
sageli kutsutakse andma magama ja neid on alati kallis hoida, sest
neid ei kasutata peaaegu kunagi.
Mida see projekti sponsorite jaoks tähendab? Sisuliselt i
esimesed sponsorid jagavad rohkem kui investeerimiskulud.
See on esmane, sest need on kihi rajamise tõukejõuks
suur laoressurss ja tehnoloogiakeskkond,
sealhulgas orgaaniline.
Kuid need esimesed sammud kannavad kõrgeimat väärtust ja seega ka disainereid
projekt peab sageli investeeringut õigustama.
Pärast teie BI-algatust tehtud projektidel võivad olla kulud
halvem (võrreldes esimesega) ja otsene, kuid omavad vähem väärtust
ettevõttele.
Ja organisatsioonide omanikud peavad hakkama kaaluma
visata kogunemine andma ja vähem asjakohased tehnoloogiad.
Andmekaevandamine: kaevandamine Andma
Paljud arhitektuursed komponendid nõuavad variatsioone
andmekaevandamise tehnoloogiad ja tehnikad –
näiteks erinevad "agendid" huvipunktide uurimiseks
kliendid, ettevõtte operatsioonisüsteemid ja sama dw. Need
agendid võivad olla arenenud närvivõrgud, mille jaoks on koolitatud
pottrendid, nagu tulevane tootenõudlus, mis põhineb
müügiedendused; reeglitel põhinevad mootorid
komplektile reageerida andmeid asjaoludest, näiteks diagnoosist
meditsiinilised ja ravisoovitused; või isegi lihtsad agendid
eranditest teatamise rolliga tippjuhtidele (ülemine
juhid). Üldiselt need ekstraheerimisprotsessid andma si
kontrollida reaalajas; seetõttu peavad nad olema ühtsed
täielikult koos liikumisega andma ise.
Veebipõhine analüütiline töötlemine
Interneti-analüütika
Võimalus viilutada, tükeldada, veeretada, alla puurida
ja viige analüüs läbi
mis-kui, jääb sviidi ulatusse, eesmärki
IBM tehnoloogia. Näiteks analüütilised ravifunktsioonid
DB2 jaoks on olemas võrguühendus (OLAP), mis toob mõõtmete analüüsi
mootor andmebaas sama.
Funktsioonid lisavad SQL-ile dimensioonilist utiliiti
kasutage kõiki DB2 loomulikuks osaks olemise eeliseid. Teine
OLAP-i integreerimise näide on ekstraktimise tööriist DB2
OLAP Analyzer Server. See tehnoloogia võimaldab kuubikuteks
DB2 OLAP-server toimiks kiiresti ja automaatselt
analüüsitakse väärtuste leidmiseks ja nende kohta aruandmiseks andma ebatavaline või ootamatu
kogu kuubi eest kauplemisanalüütikule. Ja lõpuks, funktsioonid
DW Center pakub arhitektidele muu hulgas vahendeid kontrollimiseks
muud asjad, profileerige osana DB2 OLAP-serveri kuup
ETL protsesside olemus.
Ruumiline analüüs Ruumianalüüs
Ruum esindab poolt analüütilistest ankrutest (juhtivustest).
panoraami jaoks vajalik
lai analüütiline (aeg esindab teist poolt). Aatomi tase
lao (aatomitasand ), mis on kujutatud joonisel 1.1,
sisaldab nii aja kui ruumi põhialuseid. Salvestised
Aja- ja aadressiteabe ajapõhine ankuranalüüs
ankruanalüüs kosmosest. Ajatemplid
analüüsi õigeaegselt läbi viima ja teabevihjeid käsitlema
ruumiline analüüs. Diagramm näitab geokodeerimise protsessi
aadresside teisendamine punktideks kaardil või punktideks ruumis
et sellised mõisted nagu kaugus ja sees/väljas saaksid olla
kasutatakse analüüsis – viiakse läbi aatomitasandil ja ruumianalüüsis
mis tehakse analüütikule kättesaadavaks. IBM pakub laiendusi
kosmos, mis on välja töötatud koos Keskkonnasüsteemide uurimisinstituudiga (ESRI),
al andmebaas DB2 nii, et ruumiobjekte saab
hoitakse tavapärase osana andmebaas suhteline. db2
Ruumilaiendid pakuvad ka kõiki SQL-i laiendusi
kasutada ära ruumianalüüsi. Näiteks SQL-laiendid alates
küsimus selle kohta
aadresside vaheline kaugus või kui punkt asub piirkonnas või väljaspool seda
määratletud hulknurksed, on ruumilise analüütiline standard
pikendajad. Lisateabe saamiseks vaadake peatükki 16.
andmebaas-Resident Tools Tools andmebaas-
Resident
DB2-l on palju SQL BI-residentide abifunktsioone
analüüsitoimingus. Need sisaldavad:
▪ Rekursioonifunktsioonid analüüsi tegemiseks, näiteks „leida
kõik võimalikud lennutrassid alates San Francisco a New York".
▪ Analüütilised funktsioonid järjestamiseks, kumulatiivsed funktsioonid, kuup
ja koondfailid tavapäraste ülesannete hõlbustamiseks
ainult OLAP-tehnoloogiaga, on nüüd selle loomulik osa
mootor andmebaas
▪ Võimalus luua tulemusi sisaldavaid tabeleid
Müüjad andmebaas juhid segavad rohkem kui BI-võimalusi
sisse andmebaas sama.
Peamised tarnijad andmebaasi nad segunevad rohkem kui
BI funktsionaalsus andmebaas sama.
See pakub lesi jaoks parimat jõudlust ja rohkem täitmisvõimalusi
BI lahendused.
Arutatakse DB2 V8 funktsioone ja funktsioone
üksikasjalikult järgmistes peatükkides:
Tehniline arhitektuur ja andmehalduse alused
(5. peatükk)
▪ DB2 BI põhialused (6. peatükk)
▪ DB2 materialiseeritud päringu tabelid (materialiseeritud päring
Tabelid) (7. peatükk)
▪ DB2 OLAP-i funktsioonid (peatükk 13)
▪ DB2 Enhanced BI funktsioonid ja funktsioonid (Enhanced BI
Omadused ja funktsioonid) (15. peatükk)
Lihtsustatud andmeedastussüsteem
Tarnesüsteem andma lihtsustatud
Joonisel 1.1 kujutatud arhitektuur sisaldab mitmeid
struktuurid andma füüsiline. Üks on ladu andma töökorras.
Üldiselt on ODS objektorienteeritud,
integreeritud ja praegune. Kas ehitaksid ODS-i, et toetada nt
näiteks müügiesindus. ODS müük täiendaks andma
paljudest erinevatest süsteemidest, kuid säilitaks ainult nt
näiteks tänased tehingud. ODS-i saab värskendada
isegi mitu korda päevas. Samal ajal protsessid
lükka i andma integreeritud teistesse rakendustesse. See rajatis on
spetsiaalselt integreerimiseks loodud andma praegune ja dünaamiline e
oleks tõenäoline kandidaat reaalajas analüütika toetamiseks,
kuidas teenindada agente kliendid müügiteave
müügitrendide teabe hankimise teel
laost endast. Teine joonisel 1.1 näidatud struktuur on
dw ametlik staatus. See pole mitte ainult koht
vajaliku integratsiooni teostamine, kvaliteet andmaJa
ümberkujundamisest andma laost tuleb, aga see on ka
usaldusväärne ja ajutine ladustamisala andma seda korrata
saaks kasutada reaalajas analüütikas. Kui otsustate
kasutage ODS-i või lavastusala, ühte
parimatest tööriistadest nende struktuuride asustamiseks andma kasutades
erinevad tööallikad on DB2 heterogeenne hajutatud päring.
Seda võimalust pakub DB2 valikuline funktsioon
nimega DB2 Relational Connect (ainult päringud) ja DB2 kaudu
DataJoiner (eraldi toode, mis esitab küsimuse,
lisamine, värskendamine ja tühistamise võimalus a
heterogeenselt jaotatud RDBMS-id).
See tehnoloogia võimaldab arhitektidel andma siduma andma di
tootmine koos analüütiliste protsessidega. Mitte ainult tehnoloogia ei saa
kohaneda praktiliselt kõigi replikatsioonitaotlustega
nad võivad tulla reaalajas analüüsiga, kuid see
neid saab ühendada ka paljude erinevate alustega andma rohkem
populaarne, sealhulgas DB2, Oracle, Sybase, SQL Server,
Informix ja teised. Täitmiseks saab kasutada DB2 DataJoinerit
struktuur andma formaalne nagu ODS või isegi tabel
alaliselt esindatud taastamiseks mõeldud laos
kiire vahetu värskendus või müügiks. Loomulikult
need samad struktuurid andma saab asustada kasutades
veel üks oluline tehnoloogia, mis on loodud replikatsiooniks andma, IBM
DataPropagator Relatsioon. (DataPropagator on eraldi toode
kesksüsteemide jaoks. DB2 UNIX, Linux, Windows ja OS/2 hõlmavad
replikatsiooniteenused andma standardfunktsioonina).
Teine meetod liikumiseks andma ümber tegutsedes
ettevõttele on ettevõtte rakenduste integraator muidu
tuntud sõnumite vahendajana. See
Ainulaadne tehnoloogia võimaldab tsentreerida konkurentsitult paremat juhtimist
(sihtimine) ja liikuda andma ettevõtte ümber. IBMil on maakler
kõige laialdasemalt kasutatavast sõnumist, MQSeriesist või selle variatsioonist
nõudeid sisaldava toote kohta e-kaubandus, IBM
WebSphere MQ.
Lisateavet selle kohta, kuidas MQ-d toetada, a
ladu ja BI keskkond, külastage veebisait raamatust. Praeguseks on küll
Piisab, kui öelda, et see tehnoloogia on suurepärane meedium
püüdmine ja teisendamine (kasutades MQSeriesi integraatorit) andma
BI-lahenduste jaoks värvatud sihttöötajad. Seal
MQ tehnoloogia on integreeritud ja pakendatud UDB V8-sse, mis
tähendab, et sõnumijärjekordi saab nüüd hallata
nagu oleksid need DB2 tabelid. Keevitamise mõiste
järjekorras olevad sõnumid ja universum andmebaas suhtepead
võimsa tarnekeskkonna suunas andma.
Null-latentsus Null-latentsus
IBMi ülim strateegiline eesmärk on nulllatentsusanalüüs.
Nagu on määratlenud
Gartner, BI-süsteem peab suutma järeldada, assimileerida
ja andma analüütikutele nõudmisel teavet. Väljakutse,
muidugi seisneb see segamises andma praegune ja reaalajas
vajaliku ajaloolise teabega, nagu i andma seotud mudel/
tendents või väljavõetud arusaam kui piiritlemine
klient.
Selline teave hõlmab näiteks identifitseerimist kliendid ad
kõrge või madala riskiga või millised tooted i kliendid nad ostavad palju
ilmselt siis, kui neil on juba kärus juustu
omandamised.
Nulllatentsusaja saamine sõltub tegelikult kahest
põhimehhanismid:
▪ Täielik liitmine andma mis on sõelutud koos
väljakujunenud tehnikate ja BI väljatöötatud vahenditega
▪ tarnesüsteem andma tõhus selle tagamiseks
reaalajas analüüs on tegelikult saadaval
Need nulllatentsuse eeldused ei erine nendest kahest
IBMi seatud ja eespool kirjeldatud eesmärgid.
Tihe ühendus andma on osa programmist
IBMi korraldatud sujuv integratsioon. Ja luua süsteem
kohaletoimetamisest andma tõhusus sõltub täielikult
saadaolev tehnoloogia, mis lihtsustab tarneprotsessi
andma. Seetõttu on kaks IBMi kolmest eesmärgist kriitilised
kolmandat teha. IBM arendab teadlikult oma
latentsuse nulli tagamise tehnoloogia on reaalsus
lao jõupingutusi.
Kokkuvõte / Süntees
BI organisatsioon pakub tegevuskava
luua oma keskkond
iteratiivselt. Seda tuleb kohandada, et see kajastaks vajadusi
teie ettevõte, nii praegune kui ka tulevik. Ilma arhitektuurse visioonita
lai, aktsiate esindajad on veidi rohkem kui
juhuslikud kesklao rakendused, mis ei tee midagi
luua laiaulatuslik teabepõhine ettevõte.
Projektijuhtide esimene takistus on see, kuidas õigustada
BI organisatsiooni arendamiseks vajalikud investeeringud.
Kuigi ROI arvutamine on jäänud alustalaks
laosaavutused, muutub see üha keerulisemaks
täpselt ennustada. See on toonud kaasa muid meetodeid
otsusekindlus, kas saate oma raha väärt. The
hangitakse näiteks investeeringu väärtust2 (VOI).
lahendusena.
See on ülesandeks arhitektidele andma ja projektiplaneerijatel
teadlikult genereerida ja anda teavet ühendustele
kasutajaid ja mitte ainult sui-teenust pakkuda andma. Siin on
tohutu erinevus nende kahe vahel. Teave on midagi, mida inimene teeb
otsustusprotsesside ja tulemuslikkuse erinevus; suhteliselt, st
andma need on selle teabe tuletamise ehitusplokid.
Isegi kui kriitiline allika suhtes andma taotluste lahendamiseks
äri, BI keskkond peaks täitma suuremat rolli
infosisu loomisel. Peame võtma
lisameetmed puhastamiseks, integreerimiseks, muutmiseks või
muul viisil luua teabesisu, mille järgi
kasutajad saavad midagi ette võtta ja seetõttu peame tagama, et need
tegevustele ja otsustele, kui see on mõistlik, on tagasisidet
BI keskkonnas. Kui me paigutame lao ainult teenindamiseks andma,
on kindel, et kasutajate ühendused loovad sisu
meetmete võtmiseks vajalik teave. See tagab, et nende
kogukond saab teha paremaid otsuseid, kuid ettevõte
kannatab teadmiste puudumise tõttu, mida nad on kasutanud.
Dato et arhitektid ja projektiplaneerijad algatavad projekte
BI-keskkonnale omaselt jäävad nad ettevõtte ees vastutavaks
suures plaanis. Selle kahe funktsiooni lihtne näide
BI iteratsioonide näod leitakse allikast andma. Kõik
andma konkreetsete kaubanduslike päringute jaoks saadud
asustatud esimeses aatomikihis. See tagab arengu
ettevõtte teabevara, samuti hallata, suunata
iteratsioonis määratletud konkreetsed kasutajapäringud.

W hatisa D ata W arehouse ?
Andmeladu see on infosüsteemide arhitektuuri süda
aastast 1990 ja toetab infoprotsesse pakkudes soliidset
integreeritud platvorm andma hilisemaks aluseks võetud ajalooline
analüüsid. THE andmekogus pakuvad a-sse integreerimise lihtsust
ühildumatute rakendussüsteemide maailmas. Kuupäev
ladu on muutunud moeröögatuseks. Andmeladu
organiseerima ja meelde jätma i andma infoprotsesside jaoks vajalik e
analüütiline pika ajaloolise ajalise perspektiivi alusel. Kõik
see hõlmab märkimisväärseid ja pidevaid jõupingutusi ehitamisel ja
hooldamisel andmekogus.
Mis on siis a andmekogus? andmekogus on:
▪ ainele orienteeritud
▪ integreeritud süsteem
▪ ajaline kõikumine
▪ püsiv (ei tühista)
kogumik andma kasutatakse juhtimisotsuste toetamiseks
protsesside rakendamine.
I andma sisestatud andmekogus tekivad enamikus
juhtumeid töökeskkonnast. The andmekogus on tehtud ühe poolt
salvestusseade, mis on ülejäänud osast füüsiliselt eraldatud
süsteem, mis sisaldab andma poolt varem töödeldud
rakendused, mis töötavad keskkonnast pärineva teabe põhjal
töökorras.
Sõnasõnaline määratlus a andmekogus väärib põhjalikku uurimist
selgitus, kuna sellel on olulised motiivid ja tähendused
fond, mis kirjeldab lao omadusi.
ÕPPEAINE ORIENTATSIOON
TEMAATILINE
Esimene omadus a andmekogus on see, et see on suunatud
ettevõtte peamised tegijad. Protsesside juhend läbi
andma see on vastuolus klassikalisema meetodiga, mis näeb ette
rakenduste orienteeritus protsessidele ja funktsioonidele,
meetodit jagab enamik
vanemad suunasüsteemid.
Operatsioonimaailm on loodud rakenduste ja funktsioonide ümber
nagu laenud, säästud, pangakaardid ja asutuse usaldus
rahaline. Dw maailm on organiseeritud subjektide ümber
nagu klient, müüja, toode ja tegevus.
Teemade ümber joondamine mõjutab disaini ja
tegemise kohta andma leitud dw-st. Eelkõige
põhiteema mõjutab kõige olulisemat osa
võtme struktuur.
Rakenduse maailma mõjutab nii andmete kujundus
kui protsessi kavandamisest. Maailm
dw on keskendunud ainult video modelleerimisele andma ja
joonistamine andmebaas. Protsessi ülesehitus (selle kujul
klassikaline) ei kuulu dw-keskkonda.
Protsessi/funktsiooni rakenduse valiku erinevused ja
ainevalik avaldub ka sisuerinevustena
kohta andma üksikasjalikul tasemel. THE andma del dw ei sisalda i andma et
neid ei kasutata DSS-i protsessis, samas kui rakendused
tegevusele orienteeritud andma sisaldavad i andma rahuldama
kohe funktsionaalsed/töötlusnõuded, mida saab o
vähemalt DSS-i analüütiku jaoks.
Teine oluline viis, kuidas operatiivselt orienteeritud rakendused
ai andma erineda andma dw kohta on aruannetes andma. Ma andma
operatiivtöötajad säilitavad pideva suhte kahe või enama tabeli vahel
põhineb ärireeglil, mis on aktiivne. THE andma autor dw
need hõlmavad ajaspektrit ja dw-s leitud suhted on
palju. Paljud kaubandusreeglid (ja vastavalt ka paljud
aruanded andma ) on esindatud laos andma kahe või vahel
rohkem tabeleid.
(Üksikasjaliku selgituse saamiseks selle kohta, kuidas seosed andma sono
hallata DW-s, viitame selle kohta Tech Topicile
küsimus.)
Mitte ühestki muust vaatenurgast kui erinevuse vaatenurgast
funktsionaalse/protsessi ja rakenduse valikul
õppeaine valik, on süsteemide vahel suurem erinevus
töökorras ja andma ja DW.
INTEGRATSIOON INTEGRATSIOON
Dw keskkonna kõige olulisem aspekt on see, et i andma leitud
dw-s on neid lihtne integreerida. ALATI. ILMA
ERANDID. Dw keskkonna olemus seisneb selles, et i andma
lao piires sisalduvad on integreeritud.
Integratsioon avaldub mitmel erineval viisil – kokkulepetes
tuvastatud järjekindlate muutujate ulatuses
järjepidevad kodeeritud struktuurid füüsilistes atribuutides andma
järjepidev ja nii edasi.
Aastate jooksul on mitmete rakenduste kujundajad seda teinud
kellel on palju otsuseid selle kohta, kuidas rakendus peaks
arendada. Stiil ja individuaalsed disainiotsused
disainerite taotlustest selgub sajal viisil: sisse
kodeerimise erinevused, võtme struktuur, füüsikalised omadused,
identifitseerimiskonventsioonid ja nii edasi. Paljude kollektiivne võimekus
rakenduste kujundajad, et luua ebajärjekindlaid rakendusi
see on legendaarne. Joonisel 3 on toodud mõned suuremad erinevused
oluline rakenduste kujundamisel.
Kodeerimine: kodeerimine:
Rakenduste kujundajad on valinud välja kodeerimise –
seks - erinevatel viisidel. Disainer esindab seksi kui
"m" ja "f". Teine disainer esindab sugu kui "1"
ja "0". Teine disainer esindab sugu kui "x" ja
"y". Teine disainer esindab sugu kui "meest" ja
"naissoost". Pole tähtis, kuidas seks DW-sse jõuab. "M"
ja "F" on ilmselt sama head kui kõik
esindus.
Tähtis on see, et olenemata päritolust, mis seksiväli pärineb,
see väli jõuab DW-sse ühtses integreeritud olekus. Alates
tagajärg, kui väli laaditakse DW-sse alates
rakendus, kus see on vormingus välja nuputatud
"M" ja "F", st andma tuleb teisendada DW-vormingusse.
Atribuutide mõõtmine: Measurement of
Atribuudid:
Rakenduse kujundajad otsustasid torujuhtme sisse mõõta
kursuse jooksul mitmel viisil
Mõned aastad. Disainer kauplustes i andma torujuhtmest sisse
sentimeetrit. Teine rakenduste kujundaja salvestab andma
torujuhtmest tollides. Teine disainer
rakenduste poed i andma torujuhtmest miljonites kuupjalgades
sekundis. Ja teine ​​disainer salvestab selle teabe
torujuhe jardide osas. Olenemata allikast, millal
torujuhtmeteave saabub DW-sse, mis nad olema peavad
mõõdetakse samal viisil.
Vastavalt joonisel 3 kujutatule integratsiooniprobleemid
need mõjutavad peaaegu kõiki disaini aspekte – funktsioone
füüsilised jumalad andma, dilemma omada rohkem kui ühte allikat andmaon
ebajärjekindlate tuvastatud näidiste, vormingute küsimus andma
ebajärjekindel ja nii edasi.
Olenemata disainiargumendist on tulemus sama –
i andma tuleb DW-s salvestada ainsuses e
ülemaailmselt vastuvõetaval viisil isegi operatsioonisüsteemide korral
fondipood erinevalt i andma.
Kui DSS-i analüütik vaatab DW-d, analüütiku objektiivi
peaks olema ärakasutamine andma mis on laos,
selle asemel, et mõelda selle usaldusväärsuse või järjepidevuse üle
andma.
AJA VARIANTSUS
Kõik i andma DW-s on need teatud ajahetke täpsed.
See põhiomadus andma DW-s on väga erinev andma
leitud tegevuskeskkonnas. THE andma tegevuskeskkonnast on
täpne juurdepääsu ajal. Teisisõnu,
töökeskkonnas seadmele juurde pääsedes andma, Aga ka
oodake, kuni see kajastab juurdepääsu ajal täpseid väärtusi.
Miks mina andma DW-s on täpsed nagu mingil ajal
aeg (st mitte "praegu"), st andma leitud DW-st
need on "aja dispersioon".
Ajaline dispersioon andma DW poolt on viidatud mitmel viisil.
Lihtsaim viis on see, et i andma DW-st andma see on
pikk ajahorisont – viis kuni kümme aastat. Horisont
tegevuskeskkonna jaoks esindatud aeg on palju lühem
▪ tänastest hetkeväärtustest kuni kuuskümmend üheksakümmend
Rakendused, mis peavad hästi töötama ja peavad olema
tehingute töötlemiseks saadaval peab tooma
minimaalne kogus andma kui nad mingil määral tunnistavad
paindlikkus. Nii et töörakendustel on horisont
lühikese aja jooksul, kui disaini argumendi
helirakendused.
Teine viis, kuidas ajavariatsioon DW-s ilmub, on
võtme struktuur. Iga DW võtmestruktuur sisaldab
kaudselt või eksplitsiitselt ajaelement, nt
päev, nädal, kuu jne. Aja element on peaaegu alati olemas
DW-s leitud ühendatud võtme allosas. Nendes
juhtudel eksisteerib aja element kaudselt, näiteks juhus
kus kuu või kvartali lõpus dubleeritakse terve fail.
Kolmas viis aja dispersiooni kuvamiseks on see, et i andma kohta
DW, lihtsalt korralikult registreeritud, ei saa olla
uuendatud. THE andma DW-d on praktilistel eesmärkidel pikad
hetktõmmiste seeria (hetktõmmis). Muidugi, kui hetktõmmised on
valesti tehtud, siis võivad hetktõmmised olla
muudetud. Kuid eeldades, et pildid tehakse
õigesti, ei muudeta neid kohe pärast valmistamist. Mõnes
juhtudel võib olla ebaeetiline või isegi kehtetu, et pildis olevad pildid
DW on muudetud. THE andma töökorras, täpselt nagu see
juurdepääsu hetkel, saab neid värskendada nii, nagu see kuvatakse
vajadust.
EI PÜÜV
DW neljas oluline omadus on see, et see ei ole lenduv.
Tehakse uuendusi, lisamisi, kustutamisi ja muudatusi
regulaarselt kirje kaupa töökeskkondade jaoks. Kuid
põhiline manipuleerimine andma DW-s on vaja palju rohkem
lihtne. Selles toimub ainult kahte tüüpi toiminguid
DW – esialgne laadimine andma ja juurdepääs andma. Pole
uuendust pole andma (üldises tähenduses
värskendus) DW-s tavalise töötlemistoiminguna.
Sellel erinevusel on mõned väga võimsad tagajärjed
operatiivtöötluse ja DW töötlemise vahel. Tasemel
disaini järgi tuleb uuendamisel olla ettevaatlik
ebanormaalne ei ole DW-s tegur, kuna värskendamine andma see ei ole
läbi viidud. See tähendab, et disaini füüsilisel tasandil
juurdepääsu optimeerimiseks saab kasutada vabadusi andma,
eelkõige standardimise ja standardimise teemade käsitlemisel
füüsiline denormaliseerimine. Veel üks lihtsuse tagajärg
DW tegevusest on aluseks kasutatud tehnoloogia
käivitada DW keskkond. Värskenduste toetamine
kirje kirje kaupa (nagu sageli juhtub
operatiivne töötlemine) tehnoloogial peab olema mõni
väga keerulised alused näilise lihtsuse all.
Varundamist ja taastamist ning tehinguid toetav tehnoloogia
ja terviklikkus andma ja ummikseisu avastamine ja abinõu on
üsna keeruline ja pole DW töötlemiseks vajalik.
DW omadused, disaini orientatsioon,
integreerimine andma DW piires aja dispersioon ja lihtsus
juhtimisest andma, kõik viib keskkonda, mis on väga-väga
erineb klassikalisest töökeskkonnast. Peaaegu kõige allikas
andma DW-st on töökeskkond. See on ahvatlev mõelda
et tegemist on tohutu koondamisega andma kahe keskkonna vahel.
Tegelikult on paljude inimeste esimene mulje selline
suur koondamine andma tegevuskeskkonna ja keskkonna vahel
DW laiendus. Selline tõlgendus on pealiskaudne ja tõestab a
arusaamatus, mis DW-s toimub.
Tõepoolest, koondamine on minimaalne andma tegevuskeskkonna vahel
toim i andma DW-st. Arvestame järgmisega:
▪ ma andma need filtreeritakse andmeid et te töökeskkonnast lahkute
DW keskkonda. Palju andma nad ei minesta kunagi
tegevuskeskkonnast. Ainult et i andma mille jaoks on vaja
DSS-töötlus leiavad oma suuna keskkonnas
▪ ajahorisont andma see on väga erinev keskkonnast
teisele. THE andma tegevuskeskkonnas on nad väga värsked. THE andma
DW-s on nad palju vanemad. Ainult perspektiivist
ajahorisondist on väga vähe kattumist
töökeskkonna ja DW vahel.
▪ DW sisaldab andma kokkuvõtteid, mida kunagi ei leitud
keskkonnas
▪ ma andma aastast läbinud põhjaliku muutuse
Joonis 3 illustreerib seda kõige enam
osa andma on oluliselt muudetud
valitakse ja teisaldatakse DW-sse. Teisisõnu,
kõige rohkem andma on füüsiliselt muudetud e
radikaalselt, kuna see viiakse DW-sse. Vaatepunktist
integratsioon ei ole samad andma kes elavad
tegevuskeskkonnas.
Arvestades neid tegureid, koondatakse andma kahe keskkonna vahel on
harv juhus, mis põhjustab nende kahe koondamise alla 1%.
keskkondades.
LAO STRUKTUUR
DW-del on selge struktuur. Kokkuvõtteid ja kokkuvõtteid on erineval tasemel
detail, mis piiritleb DW-d.
DW erinevad komponendid on:
▪ metaandmed
▪ Andma praegused üksikasjad
▪ Andma vanadest detailidest
▪ Andma veidi kokku võetud
▪ Andma väga kokku võetud
Peamine murekoht on i andma detailidest
hoovused. See on peamine mure, sest:
▪ ma andma praegused üksikasjad kajastavad kõige värskemaid sündmusi,
mis pakuvad alati suurt huvi ja
▪ i andma praegused üksikasjad on mahukad, sest see on nii
säilitatakse madalaimal granulaarsuse tasemel e
▪ i andma praegused andmed on peaaegu alati salvestatud
kettamälu, millele on kiire ligipääs, kuid kallis ja
kompleks alates
I andma detailid on vanemad andma millele talletatakse
mingi mälestus mass. Juurdepääs on juhuslikult ja see on nii
salvestatud detailidega ühilduval tasemel andma üksikasjalik
hoovused. Kuigi see ei ole kohustuslik salvestada andmekandjale
alternatiivmälu suure mahu tõttu andma ühendatud
juhuslik juurdepääs andma, salvestusmeediumi jaoks andma di
vanemaid detaile tavaliselt kettale ei salvestata.
I andma kergelt kokku võttes need on andma mis on põhjadestilleeritud
praegusel detailsustasemel leitud üksikasjalikkuse tase. See
DW tase salvestatakse peaaegu alati kettamällu. THE
projekteerimisprobleemid, mis esitavad end arhitektile andma
selle DW taseme ehitamisel on:
▪ Mis ajaühikus on ülaltoodud kokkuvõte tehtud
▪ Mis sisu, atribuudid võtavad veidi kokku
sisu andma
Järgmine tase andma DW-st leitud on see andma väga
kokku võetud. THE andma väga kokkuvõtlikult on kompaktsed ja lihtsalt
ligipääsetav. THE andma mõnikord leitakse väga kokkuvõtteid
DW keskkonnas ja muudel juhtudel i andma need on väga kokku võetud
leitud väljaspool DW-d asuva tehnoloogia vahetuid seinu.
(igal juhul, st andma väga kokkuvõtlikult on osa DW-st
olenemata sellest, kus ma andma on füüsiliselt majutatud).
DW viimane komponent on metaandmete komponent. Paljudes aspektides
metaandmed asuvad teistest erinevas mõõtmes andma
DW-st, kuna metaandmed ei sisalda ühtegi andmeid otse
võetud tegevuskeskkonnast. Eriline roll on metaandmetel e
DW-s väga oluline. Metaandmeid kasutatakse järgmiselt:
▪ kataloog, mis aitab DSS-i analüütikul leida
DW sisu,
▪ juhend kaardistamiseks andma sellest, kuidas ma andma Nad olid
töökeskkonnast DW keskkonnaks teisendatud,
▪ juhend algoritmide kohta, mida kasutatakse kokkuvõtete tegemiseks i andma di
praegune detail ei andma veidi kokkuvõtlikult, st andma väga
kokkuvõtlikult,
Metaandmed mängivad DW keskkonnas palju suuremat rolli
võrreldes sellega, mis neil kunagi tegevuskeskkonnas on olnud
VANA DETAILI SÄILUSTUSKESKMINE
Sellise hoidmiseks saab kasutada magnetlinti
andma. Tõepoolest, on olemas suur valik andmekandjaid
tuleks kaaluda vana säilitamiseks andma di
detail.
Sõltuvalt mahust andma, juurdepääsu sagedus, maksumus
tööriistadest ja juurdepääsu tüübist on see täiesti tõenäoline
et teised tööriistad vajavad vana detailsust
DW-s.
ANDMEVOOG
Seal on normaalne ja prognoositav vool andma DW sees.
I andma nad sisenevad DW-sse töökeskkonnast. (MÄRKUS: on
mõned väga huvitavad erandid sellest reeglist. Siiski peaaegu
kõik andma sisestage töökeskkonnast DW). Dato et mina andma
nad sisenevad DW-sse töökeskkonnast, see muudetakse selliseks, nagu see oli
eelnevalt kirjeldatud. Tingimusel, et sisestate DW, st andma nad sisenevad
praegune detailsuse tase, nagu näidatud. See elab seal ja on kasutusel
kuni toimub üks kolmest sündmusest:
▪ on puhastatud,
▪ on kokku võetud ja/või
▪ on
Vananenud protsess DW sees liigub i andma praegused üksikasjad
a andma detailid vanad, vastavalt vanusele andma. Protsess
kokkuvõte kasutab detaili andma arvutada andma
veidi kokku võetud ja väga kokkuvõtlikud tasemed andma. Seal on
mõned erandid näidatud voost (räägitakse hiljem).
Kuid tavaliselt enamiku jaoks andma leitud
DW sees, voog andma see on nagu kujutatud.
ANDMELAO KASUTAMINE
Pole üllatav, et erinevad tasemed andma DW sees mitte
saavad erineval tasemel kasutust. Reeglina, mida kõrgem on tase
kokkuvõte, pluss i andma neid kasutatakse.
Paljud kasutusalad esinevad andma väga kokkuvõtlikult, samas kui vana
andma detaile ei kasutata peaaegu kunagi. Sellel on hea põhjus
viia organisatsioon ressursside kasutamise paradigmale. Rohkem on
kokkuvõte i andma, seda kiirem ja tõhusam on selleni jõudmine andma. See
un pood leiab, et see töötleb DW-sid palju üksikasjalikult,
siis vastav suur hulk masinaressursse
tarbitakse. Kõigi huvides on kohtu alla andmine
niipea kui võimalik kõrgetasemelise kokkuvõtte tegemisel.
Paljude kaupluste jaoks on DSS-i analüütik DW-eelses keskkonnas kasutanud
andma detailide tasemel. Paljuski saabumine kl andma üksikasjalik
meenutab turvatekki, isegi kui need on saadaval
muud kokkuvõtte tasemed. aasta arhitekti üks tegevusi andma è
võõrutage DSS-i kasutaja pidevast kasutamisest andma plusstasemel
madal detail. Saadaval on kaks põhjust
aasta arhitektist andma:
▪ tagasimaksesüsteemi paigaldamine, kus lõppkasutaja tasub
tarbitud ressursid e
▪ näitab, et reageerimisaeg võib olla väga hea
saadud, kui käitumine i-ga andma see on kõrgel tasemel
kokkuvõtte tegemisel, samas kui kehv reageerimisaeg tuleneb
käitumine andma madalal tasemel
MUUD KAALUTLUSED
On veel mõned ehitus- ja juhtimiskaalutlused
DW laiendus.
Esimene kaalutlus on indeksite küsimus. THE andma kõrgeimal tasemel
kokkuvõtet saab vabalt indekseerida, samas kui i andma
madalamal detailsustasemel on need nii mahukad, et see võib olla
säästlikult indekseeritud. Samast märgist, st andma kõrgel tasemel
detaile saab suhteliselt lihtsalt taastada,
samas kui maht andma madalamatel tasanditel on see nii suur, et i andma ei
neid saab kergesti renoveerida. Järelikult mudel
kohta andma ja disainiga tehtud formaalne töö kujutavad endast
Vundament DW jaoks rakendatakse peaaegu eranditult tasemele
detaili vool. Teisisõnu, modelleerimistegevus
andma need ei kehti peaaegu igal juhul kokkuvõtte tasemete kohta.
Teine struktuurne kaalutlus on alajaotamine
andma autor DW.
Jaotamist saab teha kahel tasemel – tasemel dbms ja al
rakenduse tase. Jaotuses tasemel dbms, dbms è
teatatud jaoskondadest ja kontrollib neid vastavalt. Juhul kui
jaotus rakenduse tasemel, on ainult programmeerija
jagudest ja nende vastutusest
haldamine jääb tema hooleks
Taseme all dbms, tehakse suur osa tööst automaatselt. Seal on
palju paindumatust, mis on seotud automaatse manustamisega
divisjonid. Jaoskonnatasandi kohaldamise korral andma kohta
andmekogus, palju tööd langeb programmeerijale, kuid
lõpptulemus on paindlikkus manustamisel andma kuupäeval
ladu
MUUD ANOMAALIAD
Kuigi komponendid andmekogus need töötavad nii nagu kirjeldatud
peaaegu kõigile andma, tuleb teha mõned kasulikud erandid
arutatakse. Erandiks on see andma avalikud kokkuvõtted
(avalikud kokkuvõtlikud andmed). Need on andma kokkuvõtted, mis on olnud
välja arvutatud andmekogus kuid ühiskond kasutab neid. THE andma
avalikud kokkuvõtted salvestatakse ja hallatakse andmekogus,
kuigi nagu eespool mainitud, on need välja mõeldud. THE
raamatupidajad töötavad selle nimel, et seda teha kord kvartalis andma nagu
tulud, kvartalikulud, kvartali kasum jne. Töö
raamatupidajate poolt tehtud on väline andmekogus. Siiski, i andma sono
kasutatakse ettevõttesiseselt – alates turundus, müük jne.
Teine anomaalia, mida ei käsitleta, on see andma väline.
Veel üks silmapaistev tüüp andma mida võib leida andmetest
ladu on püsivate detailandmete ladu. Need põhjustavad
vaja püsivalt säilitada i andma ühel tasandil
üksikasjalikud eetilistel või juriidilistel põhjustel. Kui ettevõte kuvab i
seotud töötajad ohtlike ainetega andma
üksikasjalik ja püsiv. Kui ettevõte toodab toodet, mis
mis puudutab avalikku turvalisust, millised lennuki osad on olemas
vajadus andma püsiv üksikasjalik, samuti kui ettevõte
sõlmida ohtlikke lepinguid.
Ettevõte ei saa endale lubada konkreetsetest põhjustest tähelepanuta jätta
lähema paari aasta jooksul kohtuvaidluse korral tagasikutsumine, a
vaidlusalune ehitusviga jne. ettevõtte kokkupuude
see võib olla suur. Selle tulemusena on ainulaadne tüüp andma
mida tuntakse püsivate detailandmetena.
KOKKUVÕTE
Un andmekogus see on objektorienteeritud, integreeritud variant
aeg, kogumik andma vajadusi toetav püsimatu
haldusotsus. Iga silmapaistvam omadus
un andmekogus sellel on oma tagajärjed. Lisaks on neid neli
tasemed andma kohta andmekogus:
▪ Vanad detailid
▪ Praegune detail
▪ Andma veidi kokku võetud
▪ Andma väga kokku võetud
Metaandmed on samuti oluline osa andmekogus.
ABSTRAKTNE
Säilitamise kontseptsioon andma hiljuti saadud
palju tähelepanu ja sellest sai 90ndate trend
tänu võimele a andmekogus ületada
juhtimistugisüsteemide piirangud nagu i
otsuste tugisüsteemid (DSS) ja infosüsteemid
juhid (EIS).
Kuigi mõiste andmekogus tundub paljulubav,
rakendama i andmekogus võib olla problemaatiline, sest
suuremahuliste laoprotsesside jaoks. Hoolimata
laoprojektide keerukus andma, palju tarnijaid
ja konsultandid, kes varusid andma nad väidavad seda
ladustamine andma ei tekita probleemi.
Selle uurimisprojekti alguses aga peaaegu mitte ühtegi
läbi viidud sõltumatud, ranged ja süstemaatilised uuringud. Alates
Seetõttu on raske öelda, mis tegelikult juhtub
tööstuses, kui nad ehitavad andmekogus.
Selles uuringus uuriti laopraktikat andma
kaasaegsed, mille eesmärk on arendada rikkamat arusaama
Austraalia praktikast. Kirjanduse ülevaade andis
empiirilise uuringu kontekst ja alus.
Sellel uuringul on mitmeid tulemusi. Esiteks
kohas, paljastas see uuring toimunud tegevused
väljatöötamise ajal andmekogus. Paljudes valdkondades, st andma kogunenud
kinnitas kirjanduses kirjeldatud praktikat. Teiseks
saidil, probleemid ja probleemid, mida see võib mõjutada
arendus andmekogus tuvastati selle uuringuga.
Lõpuks kasu, mis on saadud Austraalia organisatsioonidelt, mis on seotud
kasutamisest andmekogus on selgunud.
Peatükk 1
Otsingu kontekst
Andmehoidla kontseptsioon on leidnud laialdast tunnustust
kokkupuudet ja on muutunud arenevaks trendiks
90. aastad (McFadden 1996, TDWI 1996, Shah ja Milstein 1997,
Shanks ja teised. 1997, Eckerson 1998, Adelman ja Oates 2000). See on
seda võib näha andmeid käsitlevate artiklite arvu suurenemisest
ladustamine kaubandusväljaannetes (Little ja Gibson 1999).
Paljud artiklid (vt nt Fisher 1995, Hackathorn 1995,
Morris 1995a, Bramblett ja King 1996, Graham et al. 1996,
Sakaguchi ja Frolick 1996, Alvarez 1997, Brousell 1997, Clarke
1997, McCarthy 1997, O'Donnell 1997, Edwards 1998, TDWI
1999) on teatanud organisatsioonidele märkimisväärsest kasust
mis rakendavad i andmekogus. Nad toetasid oma teooriat
anekdootlike tõenditega edukate juurutuste kohta on kõrge tootlus
investeeringunäitajate (ROI) kohta ja ka juhiste andmine
viited või metoodikad selle väljatöötamiseks andmekogus
(Shanks et al. 1997, Seddon ja Benjamin 1998, Little ja Gibson
1999). Äärmuslikul juhul Graham et al. (1996) on
teatas kolmeaastase investeeringu keskmiseks tootluseks 401%.
Suur osa praegusest kirjandusest on aga kahe silma vahele jätnud
projektide elluviimisega seotud keerukust. aasta projektid
andmekogus on tavaliselt keerulised ja suuremahulised ning
seetõttu viitavad need suure tõenäosusega ebaõnnestumiseks, kui nad seda ei tee
hoolikalt kontrollitud (Shah ja Milstein 1997, Eckerson 1997,
Foley 1997b, Zimmer 1997, Bort 1998, Gibbs ja Clymer 1998, Rao
1998). Need nõuavad tohutul hulgal nii inim- kui ka inimressursse
rahaline ning nende ehitamiseks kuluv aeg ja pingutus (Hill 1998, Crofts 1998). The
tüüpiline nõutav aeg ja rahalised vahendid on vastavalt
umbes kaks aastat ja kaks või kolm miljonit dollarit (Braly 1995, Foley
1997b, Bort 1998, Humphries et al. 1999). Need ajad ja vahendid
paljude aspektide kontrollimiseks ja konsolideerimiseks on vaja finantsinstrumente
erineb andmehoidlast (Cafasso 1995, Hill 1998). Küljele
riist- ja tarkvarakaalutlustest ning muudest funktsioonidest, mis erinevad
kaevandamisest andma laadimisprotsessidele andma, alates
mälumaht värskenduste haldamiseks ja meta andmiseks andma
kasutajate koolitamiseks, tuleb kaaluda.
Selle uurimisprojekti alguse ajal oli seda väga vähe
andmehoidla valdkonnas läbiviidud akadeemilised uuringud,
eriti Austraalias. Seda näitas esemete nappus
avaldatud andmete säilitamise kohta ajalehtede või muude pühakirjade poolt
tolleaegsed akadeemikud. Paljud akadeemilised kirjutised
saadaval kirjeldas USA kogemust. Puudumine
akadeemilised uuringud sl ala andmehoidla on põhjustanud
nõudis põhjalikku uurimistööd ja empiirilisi uuringuid (McFadden 1996,
Shanks ja teised. 1997, Little ja Gibson 1999). Eelkõige õpingud
rakendusprotsessi uurimine andmekogus
tuleb teha teadmiste laiendamiseks
rakendamise kohta üldiselt andmekogus e
on tulevase uurimistöö aluseks (Shanks toim
teised. 1997, Little ja Gibson 1999).
Selle uuringu eesmärk on seega uurida, mis see tegelikult on
see juhtub siis, kui organisatsioonid säilitavad ja kasutavad andmeid
ladu Austraalias. Täpsemalt hõlmab see uuring
a) kogu arendusprotsessi analüüs andmekogus,
alustades algatamisest ja kujundamisest kuni disainini ja
juurutamine ja hilisem kasutamine organisatsioonides
austraallane. Lisaks aitab uuring kaasa ka praegusele praktikale
määratleda valdkonnad, kus praktikat saab edasi arendada
parandada ning ebaefektiivsust ja riske saab minimeerida või
välditud. Lisaks on see aluseks muudele uuringutele andmekogus in
Austraalia ja täidab praegu kirjanduses eksisteeriva tühimiku.
Uurimisküsimused
Selle uurimistöö eesmärk on uurida sellega seotud tegevusi
rakendamisel andmekogus ja nende kasutamine
Austraalia organisatsioonid. Eelkõige uuritakse elemente
projektide planeerimise, arendamise, al
toimimine, kasutamine ja sellega seotud riskid. Siit ka küsimus
sellest uuringust on:
"Kuidas on praegune praktika andmekogus Austraalias?"
Sellele probleemile tõhusaks reageerimiseks a
täiendavate uurimisküsimuste arv. Eelkõige kolm
alaküsimused on kirjandusest välja selgitatud, st
2. peatükis esitatud uurimisprojekti juhtimiseks:
Kuidas rakendatakse i andmekogus organisatsioonide poolt
austraallane? Millised on tekkinud probleemid?
Millised on kogetud eelised?
Nendele küsimustele vastamisel kasutati joonist
uurimuslikud uuringud, mis kasutavad uurimist. Kuidas ma õpin
uurimuslik, vastused ülaltoodud küsimustele ei ole täielikud
(Shanks et al. 1993, Denscombe 1998). Sel juhul on see nii
Nendele reageerimise parandamiseks on vaja triangulatsiooni
taotlusi. Uurimine loob siiski kindla aluse
neid küsimusi uuriv tulevane töö. Üksikasjalik
arutelu uurimismeetodi põhjendatuse ja disaini üle
on esitatud 3. peatükis.
Uurimisprojekti struktuur
See uurimisprojekt on jagatud kaheks osaks: kontekstuaalne uuring
Andmehoidla ja empiirilise uurimistöö kontseptsioonist (vt
Joonis 1.1), millest igaüks on allpool käsitletud.
I osa: Kontekstuaalne uuring
Uurimistöö esimene osa koosnes ülevaatest
Praegune kirjandus erinevat tüüpi andmehoidla kohta, sealhulgas i
otsustussüsteemid (DSS), infosüsteemid
juhid (EIS), juhtumiuuringud andmekogus ja kuupäeva mõisted
ladu. Samuti foorumite tulemused kohta andmekogus ja jumalad
ekspertide ja spetsialistide kohtumisrühmad, mida juhib rühm
Monashi DSS-i uuringud aitasid kaasa uuringu sellesse faasi
mille eesmärk oli saada teavet andmepraktika kohta
ladu ja tuvastada nende kasutuselevõtmisega kaasnevad riskid.
Sellel kontekstuaalse uurimise perioodil mõistmine
on loodud selleks, et anda teadmisi
järgnevate empiiriliste uuringute aluseks. Siiski see
oli uuringu läbiviimise ajal pidev protsess
uuringud.
II osa: Empiiriline uurimus
Eriti uus andmehoidla kontseptsioon
Austraalias, on tekitanud vajaduse viia läbi uurimine
saada laiaulatuslik pilt kasutuskogemusest. See
osa tehti siis, kui probleemne domeen oli
loodud ulatusliku kirjanduse ülevaate kaudu. Kontseptsioon
andmehoidla formaadis kontekstuaalse uuringu etapis
kasutati selle uuringu esialgse küsimustiku sisendina.
Pärast seda vaadati küsimustik üle. Olete kohtingueksperdid
ladu osales testis. Katsetamise eesmärk
Esialgne küsimustik pidi kontrollima täielikkust ja täpsust
mõned küsimused. Testitulemuste põhjal on küsimustik
on muudetud ja muudetud versioon on saadetud aadressile
uuringus osalejad. Ankeedid tagastati siis olid
analüüsitud i jaoks andma tabelites, diagrammides ja muudes vormingutes. THE
analüüsi tulemused andma moodustavad hetkepildi
andmehoidla praktika Austraalias.
ANDMELAOD ÜLEVAADE
Andmehoidla mõiste on täiustuste käigus arenenud
arvutitehnoloogiast.
Selle eesmärk on ületada rühmade ees seisvad probleemid
rakendustugi, näiteks otsuste tugisüsteem (DSS) e
Executive Information System (EIS).
Varem on nende rakenduste suurim takistus olnud
nende rakenduste suutmatus pakkuda a andmebaasi
analüüsiks vajalik.
See on enamasti tingitud töö iseloomust
juhtimine. Ettevõtte juhtkonna huvid on erinevad
pidevalt sõltuvalt töödeldud piirkonnast. Seetõttu i andma
nende rakenduste jaoks peab olema võimalik
muutuvad kiiresti sõltuvalt töödeldavast osast.
See tähendab, et i andma peab olema vormil saadaval
piisav nõutavate analüüside jaoks. Tegelikult tugirühmad
taotluste kogumine leidis varem palju raskusi ed
integratsioon andma keerulistest ja mitmekesistest allikatest.
Selle osa ülejäänud osas antakse ülevaade mõistest
andmehoidla ja kuidas andmekogus võib ületada
Rakenduste tugirühma probleemid.
Mõiste “Andmeladuavaldas William Inmon 1990. aastal.
Selle sageli tsiteeritud määratlus näeb Andmeladu Tulema
kogumine andma ainele orienteeritud, integreeritud, muutumatu ja muutuv
aja jooksul juhtimisotsuste toetuseks.
Seda määratlust kasutades juhib Inmon tähelepanu sellele, et i andma elanikud
sees andmekogus peab omama järgmist 4
Funktsioonid:
▪ Õppeainele orienteeritud
▪ Integreeritud
▪ Mittelenduv
▪ Aja jooksul muutuv
Subjektile orienteeritud Inmon tähendab, et i andma kuupäeval
ladu suurimates organisatsioonilistes piirkondades, mis on olnud
mudelis määratletud andma. Näiteks kõik andma i kohta kliendid
sisalduvad ainevaldkonnas KLIENDID. Samamoodi kõik
andma toodetega seotud teave sisaldub teemavaldkonnas
TOOTED.
Integreeritud Inmon tähendab, et i andma pärit erinevatest
platvormid, süsteemid ja asukohad kombineeritakse ja salvestatakse
ainus koht. Järelikult andma sarnased tuleb teisendada
järjepidevas vormingus, mida lisada ja võrrelda
lihtsalt.
Näiteks on esindatud mees- ja naissugu
ühes süsteemis tähtedega M ja F ning teises süsteemis 1 ja 0-ga. Sest
integreerida need õigel viisil, peab üks või mõlemad vormingud
teisendada nii, et need kaks vormingut oleksid samad. Selles
Sel juhul võiksime muuta M väärtuseks 1 ja F väärtuseks 0 või vastupidi. Orienteeri end
subjekt ja integreeritud näitavad, et andmekogus on mõeldud
pakkuda funktsionaalset ja transversaalset nägemust andma kõrvale
ettevõttest.
Mittelenduva all mõtleb ta seda, et i andma sisse andmekogus jääma
järjepidev ja ajakohastamine andma see pole vajalik. Selle asemel iga
sisse muutuma andma originaalid on lisatud andmebaas kuupäevast
ladu. See tähendab, et ajaloolane andma sisaldub
andmekogus.
Ajaga muutujate puhul näitab Inmon, et i andma sisse andmekogus
sisaldavad alati temponäitajaid ei andma normalmente
hõlmavad teatud ajahorisondi. Näiteks a
andmekogus võib sisaldada 5 aastat ajaloolisi väärtusi kliendid dal
1993 kuni 1997. Ajaloo ja aegrea kättesaadavus
kohta andma võimaldab analüüsida trende.
Un andmekogus ta saab ise koguda andma süsteemidest
OLTP;algust andma organisatsioonivälised ja/või muud erivaldkonnad
püüdmissüsteemi projektid andma.
I andma ekstraktid võivad läbida puhastusprotsessi
see juhtum i andma neid muudetakse ja integreeritakse enne olemist
sisse salvestatud andmebaas kohta andmekogus. Siis ma andma
kes elab andmebaas kohta andmekogus tehakse kättesaadavaks
lõppkasutaja juurdepääsu ja taastamise tööriistad. Kasutades
need tööriistad saavad lõppkasutaja juurdepääsu integreeritud vaatele
korraldamisest andma.
I andma kes elab andmebaas kohta andmekogus sono
salvestatud nii üksikasjalikus kui kokkuvõtlikus vormingus.
Kokkuvõtte tase võib sõltuda selle olemusest andma. Ma andma
üksikasjalikud võivad koosneda andma praegune ja andma ajaloolased
I andma päris ei kuulu andmekogus kuni i andma
sisse andmekogus uuendatakse uuesti.
Lisaks säilitamisele andma ise, a andmekogus saab ka
hoidke teistsugust andmeid nimega METAANDMED, mis
kirjelda i andma elab tema juures andmebaas.
Metaandmeid on kahte tüüpi: arenduse metaandmed ja metaandmete järgi
analüüsid.
Arenduse metaandmeid kasutatakse haldamiseks ja automatiseerimiseks
kaevandamise, puhastamise, kaardistamise ja laadimise protsessid andma sisse
andmekogus.
Arengu metaandmetes sisalduv teave võib sisaldada
operatsioonisüsteemide üksikasjad, ekstraheeritavate elementide üksikasjad,
mudel andma kohta andmekogus ja ettevõtte eeskirjad
konverteerimine andma.
Teist tüüpi metaandmed, mida nimetatakse analüütika metaandmeteks
võimaldab lõppkasutajal andmete sisu uurida
ladu, et leida andma kättesaadavad ja nende tähendus terminites
selge ja mittetehniline.
Seetõttu toimivad analüüsi metaandmed andmete vahel sillana
lao- ja lõppkasutajarakendused. Need metaandmed võivad
sisaldavad ärimudelit, kirjeldusi andma sobitamine
ärimudelile, eelmääratletud päringutele ja aruannetele,
teave kasutajate sisselogimise ja indeksi jaoks.
Analüüsi ja arenduse metaandmed tuleb ühendada üheks
integreeritud metaandmete kaitse.
Kahjuks on paljudel olemasolevatel tööriistadel oma
metaandmed ja praegu puuduvad standardid, mis
need võimaldavad andmehoidla tööriistadel neid integreerida
metaandmed. Selle olukorra parandamiseks pakuvad paljud kauplejad
peamised andmehoidla tööriistad on moodustanud Meta Data
nõukogu, millest hiljem sai metaandmete koalitsioon.
Selle koalitsiooni eesmärk on luua metaandmete kogum
standard, mis võimaldab erinevaid andmehoidla tööriistu
teisendada metaandmeid
Nende jõupingutuste tulemusel sündis Meta
Andmevahetuse spetsifikatsioon (MDIS), mis võimaldab vahetust
Microsofti arhiivide ja seotud MDIS-failide vahel.
Olemasolu andma nii kokkuvõtlikult/indekseeritud kui ka üksikasjalikult annab
kasutajal võimalus teha PUURIMINE
(puurimine) tule andma indekseeritud üksikasjalikele ja vastupidi.
Olemasolu andma üksikasjalik ajalugu võimaldab realiseerida
suundumuste analüüs aja jooksul. Lisaks saab analüüsida metaandmeid
kasutada del kataloogina andmebaas kohta andmekogus kohta
aidata lõppkasutajatel i asukohta leida andma vajalik.
Võrreldes OLTP-süsteemidega, nende võimega toetada
analüüs andma ja aruandlus, andmekogus seda nähakse süsteemina
sobivam teabeprotsesside jaoks, nagu läbi viia ja
vastata päringutele ja koostada aruandeid. Järgmine osa
toob üksikasjalikult esile kahe süsteemi erinevused.
ANDMELADU OLTP-SÜSTEEMIDE VASTU
Paljud organisatsioonisisesed infosüsteemid
need on mõeldud igapäevase tegevuse toetamiseks. Need
süsteemid, mida tuntakse OLTP SYSTEMS nime all, hõivavad tehinguid
uuendatakse pidevalt iga päev.
I andma nendes süsteemides sageli muudetakse, lisatakse või
kustutatud. Näiteks kliendi aadress peaaegu ei muutu
ta liigub ühest kohast teise. Sel juhul uus aadress
registreeritakse aadressivälja muutmisega andmebaas.
Nende süsteemide peamine eesmärk on vähendada kulusid
tehinguid ja samal ajal vähendada töötlemisaega.
OLTP-süsteemide näited hõlmavad kriitilisi toiminguid, näiteks kirjutamist
tellimuste raamatupidamine, palgaarvestus, arved, tootmine, ai teenused kliendid.
Erinevalt OLTP-süsteemidest, mis loodi protsessi teel
tehingute ja sündmuste alusel, st andmekogus need loodi
analüüsil põhineva protsessitoetuse pakkumiseks andma on U
otsustusprotsessid.
Tavaliselt saavutatakse see i andma erinevatest süsteemidest
OLTP ja väline ühes "konteineris". andma,nagu arutatud
eelmises jaotises.
Monashi andmeladustamisprotsessi mudel
Protsessi mudel andmekogus Monashi töötas välja
Monash DSS Research Groupi teadlased, põhineb
aasta kirjandust andmekogus, allo toe kogemusest
süsteemivaldkondade arendamine, arutelud tarnijatega
rakendused kasutamiseks andmekogusekspertide rühma kohta
kasutamises andmekogus.
Faasid on: algatamine, planeerimine, arendus, toimingud ja
Selgitused. Diagramm selgitab iteratiivset olemust o
evolutsiooniline areng a andmekogus protsessi kasutades
kahesuunalised nooled, mis on paigutatud erinevate faaside vahele. Selles
"iteratiivne" ja "evolutsiooniline" kontekst tähendavad seda mõlemas
protsessi etapp, rakendustegevused võivad olla
levib alati tagasi eelmisele etapile. See on
tulenevalt projekti iseloomust a andmekogus milles
lisataotlusi esitatakse igal ajal
lõppkasutajale. Näiteks arendusfaasis a
protsessi andmekogus, seda nõuab lõppkasutaja
uus mõõde või teemavaldkond, mis ei kuulunud sellesse
algne plaan, tuleb see süsteemi lisada. See
põhjustab projektis muudatusi. Tulemuseks on see, et meeskond
projekteerimine peab muutma seni loodud dokumentide nõudeid
projekteerimisetapi ajal. Paljudel juhtudel on praegune olukord
projekt peab minema tagasi projekteerimisetappi, kus
uus taotlus tuleb lisada ja dokumenteerida. Kasutaja
lõplik peab saama näha konkreetset muudetud dokumentatsiooni ei
arendusfaasis tehtud muudatusi. Lõpus
sellest arendustsüklist peab projekt saama suurepärast tagasisidet
mõlemad meeskonnad, arendusmeeskond ja kasutajameeskond. THE
tagasisidet kasutatakse seejärel tulevase projekti täiustamiseks.
Võimekuse planeerimine
DW-d kipuvad olema väga suured ja kasvavad
väga kiiresti (Parim 1995, Rudin 1997a) järgides
kogus andma ajaloolised, mida nad säilitavad oma kestusest. Seal
kasvu võib põhjustada ka andma täiendavalt nõutud
kasutajate väärtust tõsta andma mis neil juba on. Alates
vastavalt ladustamisnõuded andma saab
märkimisväärselt tõhustada (Eckerson 1997). Nii, see on
oluline tagada, viies läbi planeerimise
võimsus, et ehitatav süsteem võib kasvada koos
kasvavad vajadused (Best 1995, LaPlante 1996, Lang 1997,
Eckerson 1997, Rudin 1997a, Foley 1997a).
Dw skaleeritavuse planeerimisel peab teadma
lao suuruse eeldatav kasv, küsimuste liigid
tõenäoliselt tehakse ja toetatud lõppkasutajate arv (Parim
1995, Rudin 1997b, Foley 1997a). Ehitage skaleeritavaid rakendusi
see nõuab tehniliste ja skaleeritavate serveritehnoloogiate kombinatsiooni
skaleeritava rakenduse disaini (Best 1995, Rudin 1997b.
Rakenduse koostamisel on vaja mõlemat
äärmiselt skaleeritav. Skaleeritavad serveritehnoloogiad võivad
muuta lihtsaks ja mugavaks salvestusruumi, mälu ja
CPU jõudlust halvendamata (Lang 1997, Telephony 1997).
On kaks peamist skaleeritavat serveritehnoloogiat: Arvutamine
sümmeetriline multipleksimine (SMP) ja massiline töötlemine
paralleelne (MPP)) (IDC 1997, Humphries et al. 1999). Server
SMP-l on tavaliselt mitu mälu jagavat protsessorit,
siinisüsteem ja muud ressursid (IDC 1997, Humphries et al. 1999).
Suurendamiseks saab lisada täiendavaid protsessoreid
tema oma võimsus arvutuslik. Teine meetod suurendada
võimsus SMP-serveri arvutuslik eesmärk on kombineerida paljusid
SMP masinad. Seda tehnikat tuntakse klastritena (Humphries
et al. 1999). Teisest küljest on MPP-serveril mitu protsessorit
oma mälu, siinisüsteemi ja muude ressurssidega (IDC 1997,
Humphries et al. 1999). Iga protsessorit nimetatakse sõlmeks. A
suurenemine võimsus arvutuslikud on võimalik saada
MPP-serveritele täiendavate sõlmede lisamine (Humphries et al.
1999).
SMP-serverite nõrkus on liiga palju sisend-väljundtoiminguid
(I/O) võib siinisüsteemi ummistada (IDC 1997). See
probleem ei esine MPP serverites, kuna iga
protsessoril on oma siinisüsteem. Küll aga omavahelised seosed
iga sõlme vahel on üldiselt palju aeglasemad kui siinisüsteem
SMP-dest. Samuti saavad MPP-serverid kihi lisada
täiendavat keerukust rakenduste arendajatele (IDC
1997). Seega saab mõjutada valikut SMP ja MPP serverite vahel
mitmete tegurite, sealhulgas küsimuste keerukuse ja suhte tõttu
hind/jõudlus, nõutav töötlemisvõimsus,
takistas dw-rakendusi ja nende suuruse suurenemist andmebaas
dw-st ja lõppkasutajate arvust.
Arvukad skaleeritavate rakenduste kujundamise tehnikad
saab kasutada võimsuse planeerimisel. Üks
kasutab erinevaid aruandlusperioode, nagu päevad, nädalad, kuud ja aastad.
Erinevate teatamistähtaegadega andmebaas saab jagada
tükid kergesti rühmitatavad (Inmon et al. 1997). Veel üks
tehnikaks on kasutada koostatud kokkuvõtlikke tabeleid
summeerida andma da andma üksikasjalik. Seega, i andma kokkuvõtteid on rohkem
kompaktne kui detailne, mis nõuab vähem mäluruumi.
Seega andma detaile saab arhiveerida ühikuna
odavam salvestusruum, mis säästab veelgi rohkem tagatisraha.
Kuigi kokkuvõtvate tabelite kasutamine võib säästa ruumi
mälu, nõuavad nad palju vaeva, et neid ajakohasena hoida
kooskõlas äriliste vajadustega. See tehnika on aga
laialdaselt kasutatav ja sageli koos tehnikaga
eelmine (Parim 1995, Inmon 1996a, Chauduri ja Dayal
1997).
Defineerimine Andmeladu Tehniline
Arhitektuurid Tehnikate määratlus
dw arhitektuurid
Esialgsed andmehoidla kasutuselevõtjad olid peamiselt eostatud
dw tsentraliseeritud rakendamine, kus kõik andma, kaasas
i andma välised, integreeriti ühtseks,
füüsiline hoidla (Inmon 1996a, Bresnahan 1996, Peacock 1998).
Selle lähenemisviisi peamine eelis on lõppkasutajad
neil on juurdepääs ettevõtlusskaala vaatele
(üle ettevõtte vaade) dei andma organisatsiooniline (Ovum 1998). Teine
eeliseks on see, et see pakub standardimist andma läbi
organisatsioon, mis tähendab, et on ainult üks versioon või
definitsioon iga hoidlas kasutatava terminoloogia jaoks dw
(hoidla) metaandmed (Flanagan ja Safdie 1997, Ovum 1998). The
Teisest küljest on selle lähenemisviisi negatiivne külg see, et see on kallis ja raske
ehitatav (Flanagan ja Safdie 1997, Ovum 1998, Inmon et al.
1998). Mitte kaua pärast salvestusarhitektuuri andma
tsentraliseeritud sai populaarseks, arenes välja kaevandamise kontseptsioon
väikseimatest alamhulkadest andma vajaduste toetamiseks
spetsiifilised rakendused (Varney 1996, IDC 1997, Berson ja Smith
1997, paabulind 1998). Need väikesed süsteemid on tuletatud suurematest
suur andmekogus tsentraliseeritud. Neid nimetatakse kuupäevaks
sõltuvad osakondade laod või sõltuvad andmekeskused.
Sõltuv andmemargi arhitektuur on tuntud kui
kolmetasandiline arhitektuur, kus esimene tasand koosneb andmetest
tsentraliseeritud ladu, teine ​​koosneb ladudest andma
osakond ja kolmas koosneb juurdepääsust andma ja tööriistadest
analüüs (Demarest 1994, Inmon et al. 1997).
Andmemargid ehitatakse tavaliselt pärast seda andmekogus
vajaduste rahuldamiseks ehitati tsentraliseeritud
konkreetsed üksused (White 1995, Varney 1996).
Data Marts Store i andma väga asjakohane seoses üksikasjadega
ühtsus (Inmon et al. 1997, Inmon jt 1998, IA 1998).
Selle meetodi eeliseks on see, et seda ei teki andmeid ei
integreeritud ja et i andma need on andmetes vähem üleliigsed
marts kuna kõik andma pärit deposiit andma integreeritud.
Teine eelis on see, et nende vahel on vähem linke
andmemart ja sellega seotud allikad andma sest igal andmeturul on ainult
allikaks andma. Lisaks, kui see arhitektuur on paigas, kasutajad
kasutajad pääsevad endiselt ülevaatele juurde andma
korporatiivsed organisatsioonid. Seda meetodit tuntakse kui
ülalt-alla meetod, kus andmete järele ehitatakse andmemargid
ladu (paabulind 1998, Goff 1998).
Kasvav vajadus näidata tulemusi varakult, mõned
organisatsioonid on alustanud sõltumatute andmeturgude loomist
(Flanagan ja Safdie 1997, White 2000). Sel juhul andmemartsid
nad võtavad oma andma otse põhitõdedest andma OLTP ja mitte sellest ajast
tsentraliseeritud ja integreeritud salvestusruum, välistades seega vajaduse
keskne hoidla on paigas.
Iga andmemart nõuab vähemalt ühte linki selle allikatele
di andma. Üks puudus on see, et iga kuupäeva jaoks on mitu linki
mart on see, et võrreldes kahe eelmise arhitektuuriga,
üleküllus andma suureneb oluliselt.
Iga andmekeskus peab salvestama kõik andma vaja kohapeal
ei mõjuta OLTP süsteeme. See põhjustab i andma
neid hoitakse erinevates andmekeskustes (Inmon et al. 1997).
Selle arhitektuuri teine ​​puudus on see, et see viib
luues keerulisi seoseid andmeturgude ja nende vahel
allikad andma mida on raske teostada ja kontrollida (Inmon toim
teised. 1997).
Teine puudus on see, et lõppkasutajad ei pruugi toita
pääseb ligi ettevõtte teabe ülevaatele, sest i andma
erinevatest andmemartidest ei ole integreeritud (Ovum 1998).
Veel üks puudus on see, et neid võib olla rohkem kui üks
määratlus iga terminoloogia jaoks, mida see genereeritavates andmeturgudes kasutatakse
ebakõlad andma organisatsioonis (Ovum 1998).
Vaatamata ülalpool käsitletud puudustele on sõltumatud andmeturud
pälvivad endiselt paljude organisatsioonide huvi (IDC 1997).
Üks tegur, mis muudab nad atraktiivseks, on see, et nad arenevad kiiremini
ning nõuavad vähem aega ja ressursse (Bresnahan 1996, Berson e
Smith 1997, Ovum 1998). Sellest tulenevalt teenivad nad enamasti
testide kavanditena, mida saab tuvastamiseks kasutada
kiiresti projekti eelised ja/või puudused (Parsaye
1995, Braly 1995, Newing 1996). Sel juhul osa alates
peab olema väike, kuid oluline
organiseerimise jaoks (Newing 1996, Mansell-Lewis 1996).
Prototüüpi uurides saavad lõppkasutajad ja administratsioon
otsustada, kas jätkata või peatada projekt (Flanagan ja Safdie
1997).
Kui otsustate jätkata, lähevad andmed teistele tööstusharudele
neid tuleks ehitada ükshaaval. Selleks on kaks võimalust
lõppkasutajate andmete koostamise vajadustest lähtuvalt
sõltumatud matrid: integreeritud/liit ja integreerimata (Ovum
1998)
Esimese meetodi puhul tuleks ehitada iga uus andmemart
põhineb praegustel andmetel ja mudelil andma kasutatud
firma poolt (Varney 1996, Berson ja Smith 1997, Peacock 1998).
Mudeli kasutamise vajadus andma ettevõtte vajadus
veenduge, et iga terminoloogia jaoks on ainult üks määratlus
kasutatakse andmete turgude kaudu, see on ka andmete tagamine
Ülevaate andmiseks saab liita erinevaid marte
ettevõtte teave (Bresnahan 1996). See meetod on
nimetatakse alt üles ja see on parim, kui on olemas piirang
aeg ja rahalised võimalused (Flanagan ja Safdie 1997, Ovum 1998,
paabulind 1998, Goff 1998). Teise meetodi puhul data marts
ehitatud suudab rahuldada ainult konkreetse üksuse vajadusi.
Ühendatud andmemargi variant on andmekogus laiali
milles andmebaas jaoturi serveri vahevara kasutatakse paljude ühendamiseks
andmemartsid ühes hoidlas andma levitatud (Valge 1995). sisse
see juhtum, st andma äritegevust levitatakse mitmetes andmeturgudes.
Lõppkasutajate taotlused edastatakse aadressile andmebaas
hub serveri vahevara, mis ekstraktib kõik andma andmetega nõutud
marts ja edastavad tulemused lõppkasutaja rakendustele. See
meetod pakub äriteavet lõppkasutajatele. Kuid,
Data Martide probleemid pole ikka veel kõrvaldatud
sõltumatu. On veel üks arhitektuur, mida saab kasutada, mis on
helistage andmekogus virtuaalne (White 1995). Siiski see
arhitektuur, mida on kirjeldatud joonisel 2.9, ei ole arhitektuur
ladustamisest andma tõeline, kuna see ei liiguta koormat
OLTP süsteemidest kuni andmekogus (Demarest 1994).
Tegelikult taotlused andma lõppkasutajate poolt on ai ületanud
OLTP-süsteemid, mis tagastavad tulemused pärast meilide töötlemist
kasutaja taotlused. Kuigi see arhitektuur võimaldab kasutajatel
lõplik koostada aruandeid ja sõnastada taotlusi, ei saa pakkuda
andma ajalugu ja ülevaade ettevõtte teabest alates i andma
kuna erinevad OLTP-süsteemid pole integreeritud. Niisiis, see
arhitektuur ei vasta analüüsile andma keeruline nagu
näidisennustused.
Juurdepääsurakenduse valik ja
taastumine andma
Ehitamise eesmärk a andmekogus on edasi anda
teave lõppkasutajatele (Inmon et al. 1997, Poe 1996,
McFadden 1996, Shanks jt 1997, Hammergren 1998); üks või
mitu juurdepääsu ja taastamise rakendust andma tuleb pakkuda. To
tänapäeval on neid rakendusi, mille hulgas kasutajad saavad kasutada, lai valik
valida (Hammergren 1998, Humphries et al. 1999). The
valitud rakendused määravad jõupingutuste edu
ladustamisest andma organisatsioonis, sest
rakendused on kõige nähtavam osa andmekogus kasutajale
lõplik (Inmon et al. 1997, Poe 1996). Et kohting õnnestuks
ladu, peab suutma toetada andmeanalüüsi tegevusi andma
lõppkasutaja kohta (Poe 1996, Seddon ja Benjamin 1998, Eckerson
1999). Seega peab olema lõppkasutaja soovitud "tase".
tuvastatud (Poe 1996, Mattison 1996, Inmon jt 1997,
Humphries jt ​​1999).
Üldiselt võib lõppkasutajad jagada kolmeks
kategooriad: juhtivad kasutajad, ärianalüütikud ja energiakasutajad (Poe
1996, Humphries jt ​​1999). Juhtkasutajad peavad seda tegema
lihtne juurdepääs eelmääratletud aruannete komplektidele (Humphries ed
teised 1999). Neid aruandeid saab hõlpsasti saavutada
menüüs navigeerimine (Poe 1996). Lisaks peaksid aruanded
esitada teavet graafilise esituse abil
nagu tabelid ja mallid, et kiiresti tarnida
teavet (Humphries et al. 1999). Ärianalüütikud, kes seda ei tee
neil võib olla tehnilisi võimalusi suhete loomiseks
null, peavad saama praeguseid aruandeid muuta
vastavad nende spetsiifilistele vajadustele (Poe 1996, Humphries et al
1999). Võimsad kasutajad on seevastu seda tüüpi lõppkasutajad, kes
neil on võimalus päringuid ja aruandeid genereerida ja kirjutada
null (Poe 1996, Humphries et al. 1999). Nemad on need, kes
koostama aruandeid teist tüüpi kasutajatele (Poe 1996, Humphries
jt 1999).
Kui lõppkasutaja nõuded on kindlaks määratud, tuleb see teha
valik juurdepääsu- ja taastamisrakendusi andma kõigi seas
need, mis on saadaval (Poe 1996, Inmon et al. 1997).
Juurdepääsu andma ja otsingutööriistad võivad olla
liigitatakse 4 tüüpi: OLAP-tööriist, EIS/DSS-tööriist, päringutööriist ja
aruandlus- ja andmekaevetööriistad.
OLAP-tööriistad võimaldavad kasutajatel luua nii ad hoc päringuid kui ka
need, mis on tehtud andmebaas kohta andmekogus. Lisaks need tooted
võimaldab kasutajatel süveneda alates andma üldine neile
üksikasjalik.
EIS-i/DSS-i tööriistad pakuvad juhtimisaruandlust, näiteks "mis siis, kui" analüüsi
ja juurdepääs menüü alusel korraldatud aruannetele. Aruanded peavad olema
eelmääratletud ja menüüdega ühendatud, et navigeerida oleks lihtsam.
Päringu- ja aruandlustööriistad võimaldavad kasutajatel aruandeid koostada
ettemääratud ja konkreetne.
Andmekaevandamise tööriistu kasutatakse selliste suhete tuvastamiseks
võiks heita uut valgust aastal unustatud operatsioonidele andma kohta
andmeladu.
Kõrvuti iga kasutajatüübi nõuete optimeerimisega, st
valitud tööriistad peavad olema intuitiivsed, tõhusad ja hõlpsasti kasutatavad.
Samuti peavad need ühilduma teiste arhitektuuri osadega e
võime töötada olemasolevate süsteemidega. Samuti soovitatakse
valige andmetele juurdepääsu ja otsingu tööriistad hindade ja toimivustega
mõistlik. Muud kriteeriumid, mida tuleb arvesse võtta, hõlmavad kohustust
tööriista tarnija oma toote ja sellega seotud arenduste toetamiseks
endal on tulevastes väljaannetes. Kasutajate kaasatuse tagamiseks
andmelao kasutamisel kaasab arendusmeeskond
kasutajad tööriista valiku protsessis. Sel juhul
kasutaja kohta tuleks anda praktiline hinnang.
Andmelao väärtuse tõstmiseks saab arendusmeeskond
pakuvad ka veebijuurdepääsu oma andmeladudele. A
veebitoega andmeladu võimaldab kasutajatel pääseda juurde andma
kaugetest kohtadest või reisil olles. Samuti võib teave
pakkuda madalamate kuludega, vähendades kulusid
koolituse.
2.4.3 Andmeladu Operatsioonifaas
See etapp koosneb kolmest tegevusest: kuupäevastrateegiate määratlemine
värskendamine, andmelao tegevuste kontroll ja haldamine
andmelao turvalisus.
Andmete värskendamise strateegiate määratlus
Pärast esmast laadimist, st andma sisse andmebaas andmelaost
i mängimiseks tuleb perioodiliselt värskendada
tehtud muudatused andma originaalid. Seega peame otsustama
millal värskendada, kui sageli peaks
värskenda ja kuidas värskendada andma. Soovitatav on teha
värskendada andma kui süsteemi saab võrgust välja lülitada. Seal
värskendussageduse määrab arendusmeeskond
kasutaja nõudmiste järgi. Värskendamiseks on kaks lähenemisviisi
andmeladu: andmete täielik värskendamine ja pidev laadimine
muudatused.
Esimene lähenemine, täielik värskendamine, nõuab uuesti laadimist
kõik andma algusest. See tähendab, et kõik andma nõutav must
ekstraheerida, puhastada, teisendada ja integreerida igasse värskendusse. See
lähenemist tuleks võimaluse korral vältida, sest
see võtab palju aega ja ressursse.
Alternatiivne lähenemine on i pidev laadimine
muudatusi. See lisab i andma mida on muudetud
alates viimasest andmelao värskendustsüklist. Identifitseerimine
uued või muudetud kirjed vähendab oluliselt
andma mis tuleb levitada andmelattu igas
värskendage, kuna ainult need andma lisatakse andmebaas
andmelaost.
Tagasivõtmiseks on võimalik kasutada vähemalt 5 lähenemist
i andma uus või muudetud. Et saada tõhus strateegia
värskendada andma nende lähenemisviiside kombinatsioon võib olla kasulik
tõmbab kõik süsteemi muudatused.
Esimene lähenemine, mis kasutab ajatempleid, eeldab, et see tuleb
kõigile määratud andma ajatemplit teatud viisil muutnud ja värskendanud
et oleks võimalik kõiki hõlpsasti tuvastada andma muudetud ja uus.
Seda lähenemisviisi pole aga enamikus laialdaselt kasutatud
osa tänapäeva operatsioonisüsteemidest.
Teine võimalus on kasutada delta-faili, mille on genereerinud
rakendus, mis sisaldab ainult rakenduses tehtud muudatusi andma.
Selle faili kasutamine võimendab ka värskendustsüklit.
Kuid isegi seda meetodit pole paljudel kasutatud
rakendusi.
Kolmas lähenemisviis on logifaili skannimine, mis
sisaldab põhimõtteliselt delta-failiga sarnast teavet. Ainus
erinevus seisneb selles, et taastamisprotsessi jaoks luuakse logifail e
sellest võib olla raske aru saada.
Neljas lähenemisviis on rakenduse koodi muutmine.
Kuid suurem osa rakenduse koodist on vana ja
habras; seetõttu tuleks seda tehnikat vältida.
Viimane lähenemine on võrrelda i andma allikad koos failiga
peamised jumalad andma.
Andmelao tegevuse jälgimine
Kui andmeladu on kasutajatele välja antud, siis see ka on
tuleb aja jooksul jälgida. Sel juhul administraator
andmelaos võib kasutada ühte või mitut haldustööriista e
kontroll andmelao kasutamise jälgimiseks. Eriti
võib koguda teavet inimeste ja ilma kohta
millele nad andmelaole juurde pääsevad. Ole nüüd andma kogutud saab luua
tehtud töö profiil, mida saab kasutada sisendina
kasutaja tagasimaksete rakendamisel. Tagasimakse
võimaldab kasutajatel saada teavet töötlemiskulude kohta
andmeladu.
Samuti saab kasutada andmelao juhtimist
teha kindlaks päringute tüübid, nende suurus, päringute arv ühe kohta
päev, päringule reageerimise ajad, saavutatud sektorid ja kogus
di andma töödeldud. Teine eesmärk on kontrollida
andmeladu on identifitseeritav i andma mida ei kasutata. Need andma
neid saab aja parandamiseks andmelaost eemaldada
päringu täitmise vastust ja kontrolli kasvu
andma mis asuvad sees andmebaasi andmelaost.
Andmelao turvahaldus
Andmeladu sisaldab andma integreeritud, kriitiline, tundlik see
pääseb kergesti ligi. Sel põhjusel peaks
olema kaitstud volitamata kasutajate eest. Võimalus
turvalisuse juurutamine tähendab funktsiooni del kasutamist DB-süsteemid
eri tüüpi kasutajatele erinevate õiguste määramiseks. Selles
profiili tuleb säilitada iga kasutajatüübi jaoks
juurdepääs. Teine võimalus andmelao turvamiseks on selle krüptimine
nagu sees kirjas on andmebaasi andmelaost. Juurdepääsu
andma ja otsingutööriistad peavad dekrüpteerima andma enne esitamist i
tulemusi kasutajatele.
2.4.4 Andmeladu Kasutuselevõtu faas
See on andmelao juurutamistsükli viimane etapp. The
selles etapis läbiviidavad tegevused hõlmavad koolitust
kasutajatel andmeladu kasutada ja arvustusi luua
andmelaost.
Kasutaja koolitus
Esmalt tuleks läbi viia kasutajakoolitus
juurdepääsust andma andmelaost ja tööriistade kasutamisest
väljatoomine. Üldiselt peaksid seansid algama
ladustamise mõiste sissejuhatus andma, al
andmelao sisu, ai meta andma ja põhifunktsioonid
tööriistadest. Seejärel võiksid ka kogenumad kasutajad seda uurida
füüsilised tabelid ning andmetele juurdepääsu ja tööriistade kasutajafunktsioonid
väljatoomine.
Kasutajakoolituse läbiviimiseks on palju lähenemisviise. Üks neist
need pakuvad valikut paljudest kasutajatest või analüütikutest, kelle on valinud a
kasutajate kogum, tuginedes nende juhtimisele ja oskustele
suhtlemine. Neid koolitatakse isiklikult
kõike, mida nad peavad teadma, et tutvuda
süsteem. Kui koolitus on läbi, naasevad nad oma töö juurde e
nad hakkavad teistele kasutajatele süsteemi kasutama õpetama. peal
õpitu põhjal saavad teised kasutajad reklaami alustada
uurige andmeladu.
Teine lähenemisviis on koolitada paljusid kasutajaid samal viisil
aega, nagu teeksite klassiruumis kursust. See meetod
see sobib, kui on palju kasutajaid, kes vajavad väljaõpet
samal ajal. Veel üks meetod on treenimine
iga kasutaja eraldi, ükshaaval. See meetod on
sobib siis, kui kasutajaid on vähe.
Kasutajakoolituse eesmärk on neid kurssi viia
juurdepääsuga andma ja otsingutööriistad ning ka sisu
andmeladu. Mõned kasutajad võivad siiski olla ülekoormatud
seansi ajal antud teabe hulga järgi
koolitust. Seega tuleb teha mitmeid
ajakohastada seansside pidevat abi ja vastata
konkreetsetele küsimustele. Mõnel juhul rühm
kasutajatele seda tüüpi tuge pakkuda.
Tagasiside kogumine
Kui andmeladu on kasutusele võetud, saavad kasutajad seda teha
kasuta i andma erinevatel eesmärkidel andmelaos elamine.
Enamasti kasutavad analüütikud või kasutajad i andma sisse
andmeladu:
1 Tehke kindlaks ettevõtte suundumused
2. Analüüsige ostuprofiile kliendid
3 Jaga i kliendid toim i
4 Pakkuge parimaid teenuseid kliendid - kohandada teenuseid
5 Sõnastage strateegiad turundus
6 Tehke hinnaanalüüsi ja abi jaoks konkurentsivõimelisi hinnapakkumisi
kontrollida
7 Toetada strateegiliste otsuste tegemist
8 Tehke kindlaks võimalused esilekerkimiseks
9 Parandada praeguste äriprotsesside kvaliteeti
10 Kontrollige kasumit
Andmelao arendussuunda järgides võiksid
viige tagasiside saamiseks läbi rida süsteemiülevaateid
nii arendusmeeskonnalt kui ka kasutajate kogukonnalt
lõppkasutajad.
Saadud tulemusi saab arvesse võtta
järgmine arendustsükkel.
Kuna andmelaol on astmeline lähenemine,
oluline on õppida eelmiste õnnestumistest ja vigadest
arenguid.
2.5 Kokkuvõte
Selles peatükis on käsitletud olemasolevaid lähenemisviise
kirjandust. 1. osas arutati mõistet
andmeladu ja selle roll otsustusteaduses. Aastal
osas 2 kirjeldati peamisi erinevusi
andmeladu ja OLTP süsteemid. Jaotises 3 arutasime
kasutatud andmelao mudel vastavalt Monashile
jaotises 4 protsessiga seotud tegevuste kirjeldamiseks
andmelao arendamine, need teesid ei põhinenud
ranged uuringud. See, mis tegelikkuses juhtub, võib olla
väga erinev sellest, mida kirjanduses kirjeldatakse, olgu need siiski
tulemusi saab kasutada põhipagasi loomiseks, mis
rõhutate selle uurimistöö jaoks andmelao kontseptsiooni.
Peatükk 3
Uurimis- ja disainimeetodid
See peatükk käsitleb uurimis- ja disainimeetodeid
see uuring. Esimene osa näitab meetodite üldist vaadet
Lisaks on teabe hankimiseks saadaval otsingumootorid
arutatakse kriteeriume, mille alusel valida ühe jaoks parim meetod
konkreetne uuring. 2. osas käsitletakse seejärel kahte meetodit
valitud äsja sätestatud kriteeriumide alusel; nende hulgast valitakse välja ed
võttis selle vastu punktis 3 toodud põhjustel, kus nad on
selgitatakse ka muu kriteeriumi väljajätmise põhjuseid. Seal
4. osas tutvustatakse uurimisprojekti ja 5. osas le
järeldused.
3.1 Infosüsteemide uurimine
Infosüsteemide uurimine ei ole lihtsalt piiratud
tehnoloogilisele sfäärile, kuid seda tuleb ka laiendada
käitumuslikud ja organisatsioonilised eesmärgid.
Oleme selle võlgu erinevate erialade teesidele alates
sotsiaalteadused loodusteadustele; see toob kaasa vajaduse a
teatud uurimismeetodite spekter, mis hõlmab kvantitatiivseid meetodeid
ja kvalitatiivne infosüsteemide jaoks kasutamiseks.
Kõik olemasolevad uurimismeetodid on olulised, tegelikult mitu
teadlased nagu Jenkins (1985), Nunamaker et al. (1991) ja Galliers
(1992) väidavad, et universaalset spetsiifilist meetodit pole olemas
viia läbi uuringuid infosüsteemide erinevates valdkondades; Tõepoolest
meetod võib sobida konkreetse uuringu jaoks, kuid mitte
teiste jaoks. See toob meile vajaduse valida meetod, mis
sobib meie konkreetse uurimisprojekti jaoks: selle jaoks
valik Benbasat et al. (1987) väidavad, et neid tuleks kaaluda
uurimistöö olemus ja eesmärk.
3.1.1 Uuringu laad
Erinevad meetodid, mis põhinevad uurimistöö iseloomul, võivad olla
liigitatakse kolme teaduses laialt tuntud traditsiooni
teabest: positivistlik, tõlgendav ja kriitiline uurimus.
3.1.1.1 Positivistlik uurimus
Positivistlik uurimus on tuntud ka kui teaduslik uurimus või
empiiriline. Selle eesmärk on: "selgitada ja ennustada, mis juhtub
sotsiaalset maailma, vaadeldes seaduspärasusi ja põhjus-tagajärg seoseid
elementide hulgas, mis seda moodustavad” (Shanks et al 1993).
Positivistlikku uurimistööd iseloomustab ka korratavus,
lihtsustusi ja ümberlükkamisi. Lisaks tunnistavad positivistlikud uuringud
aprioorsete seoste olemasolu uuritavate nähtuste vahel.
Galliersi (1992) järgi on taksonoomia uurimismeetod
kaasatud positivistlikusse paradigmasse, mis aga ei piirdu sellega,
tegelikult on olemas laborikatsed, välikatsed,
juhtumiuuringud, teoreemide tõestamine, prognoosid ja simulatsioonid.
Neid meetodeid kasutades tunnistavad teadlased, et nähtused
uuritud on võimalik objektiivselt ja rangelt jälgida.
3.1.1.2 Tõlgendusuuringud
Tõlgendusuuringud, mida sageli nimetatakse fenomenoloogiaks või
anti-positivismi kirjeldab Neuman (1994) kui „analüüsi
tegevuse sotsiaalse tähenduse süstemaatika läbi otsese ja
inimeste üksikasjalik jälgimine loomulikes olukordades korras
jõuda arusaamiseni ja tõlgenduseni sellest, kuidas
inimesed loovad ja hoiavad oma sotsiaalset maailma. Uuringud
tõlgendusteooriad lükkavad ümber oletuse, et vaadeldavad nähtused
saab objektiivselt jälgida. Tõepoolest, need põhinevad
subjektiivsete tõlgenduste kohta. Lisaks sellele ei tee seda tõlgendavad uurijad
nad panevad uuritavatele nähtustele peale a priori tähendusi.
See meetod hõlmab subjektiivseid / argumenteerivaid uuringuid, tegevusi
uuringud, kirjeldavad/tõlgenduslikud uuringud, tulevikuuuringud ja mängud
rolli. Lisaks nendele küsitlustele ja juhtumiuuringutele saab
kaasatud sellesse lähenemisviisi, kuna need puudutavad uuringuid
üksikisikud või organisatsioonid keerukates olukordades
reaalsest maailmast.
3.1.1.3 Kriitilised uuringud
Kriitiline uurimine on teaduses kõige vähem tuntud lähenemisviis
sotsiaalne, kuid on hiljuti pälvinud teadlaste tähelepanu
infosüsteemide vallas. Filosoofiline eeldus, et
sotsiaalset reaalsust toodavad ja taastoodavad ajalooliselt inimesed,
samuti sotsiaalsed süsteemid oma tegevuste ja interaktsioonidega. Nende
võimet vahendavad aga mitmed kaalutlused
sotsiaalne, kultuuriline ja poliitiline.
Nagu tõlgendusuuringud, väidavad kriitilised uuringud, et
positivistlikel uurimistöödel pole sotsiaalse kontekstiga mingit pistmist ja see ignoreerib
selle mõju inimtegevusele.
Kriitiline uurimus seevastu kritiseerib tõlgendusuuringuid selle eest
liiga subjektiivne ja miks see ei kavatse aidata
inimesed oma elu paremaks muutma. Suurim erinevus nende vahel
kriitilise uurimistöö ja ülejäänud kaks lähenemisviisi on selle hindav mõõde.
Kuigi positivistlike ja interpretatiivsete traditsioonide objektiivsus on selleks
status quo või sotsiaalse reaalsuse ennustamine või selgitamine, kriitiline uurimine
eesmärk on kriitiliselt hinnata ja muuta sotsiaalset tegelikkust all
stuudio.
Kriitilised uurijad seisavad tavaliselt status quo vastu, et seda teha
kõrvaldada sotsiaalsed erinevused ja parandada sotsiaalseid tingimusi. Seal
kriitilisel uurimistööl on pühendumus protsessivaatele
huvipakkuvad nähtused ja on seetõttu tavaliselt pikisuunalised.
Uurimismeetodite näideteks on pikaajalised ajaloouuringud ja
etnograafilised uuringud. Kriitilisi uuringuid pole aga tehtud
kasutatakse laialdaselt infosüsteemide uurimisel
3.1.2 Uuringu eesmärk
Koos otsingu olemusega saab kasutada ka selle eesmärki
juhendada uurijat konkreetse meetodi valimisel
uurimine. Uurimisprojekti eesmärk on tihedalt seotud
otsingu positsioonile otsingutsükli suhtes, mis koosneb
kolm etappi: teooria koostamine, teooria testimine ja teooria täiustamine
teooria. Seega, lähtudes impulsi versus otsingutsüklist, a
uurimisprojektil võib olla selgitav, kirjeldav, di
uuriv või ennustav.
3.1.2.1 Uurimuslikud uuringud
Uurimistöö on suunatud teema uurimisele
täiesti uued ning sõnastada uurimistöö jaoks küsimusi ja hüpoteese
tulevik. Seda tüüpi otsingut kasutatakse ehituses
teooriat, et saada uues valdkonnas esialgseid viiteid.
Tavaliselt kasutatakse kvalitatiivseid uurimismeetodeid, näiteks juhtumiuuringuid
või fenomenoloogilised uuringud.
Siiski on võimalik kasutada ka kvantitatiivseid tehnikaid, nagu
uurimuslikud uuringud või katsed.
3.1.3.3 Kirjeldav otsing
Kirjeldav uurimus on suunatud suures osas analüüsimisele ja kirjeldamisele
kirjeldada konkreetset olukorda või organisatsiooni tava. See
see sobib teooriate konstrueerimiseks ja seda saab ka kasutada
hüpoteese kinnitada või vaidlustada. Tavaliselt kirjeldav otsing
hõlmab mõõtmiste ja proovide kasutamist. Kõige sobivamad uurimismeetodid
hõlmavad uurimisi ja taustaanalüüse.
3.1.2.3 Selgitav uurimine
Selgitavad uuringud püüavad selgitada, miks asjad juhtuvad.
See on üles ehitatud faktidele, mida on juba uuritud ja mida püütakse leida
nende faktide põhjused.
Nii et selgitav uurimus põhineb tavaliselt uurimistööl
uurimuslik või kirjeldav ning on abistav, et testida ja täpsustada
teooriad. Selgitavates uuringutes kasutatakse tavaliselt juhtumiuuringuid
või küsitluspõhised uurimismeetodid.
3.1.2.4 Ennetav uurimine
Ennetavate uuringute eesmärk on ennustada sündmusi ja käitumist
vaatluse all, mida uuritakse (Marshall ja Rossman
1995). Ennustamine on standardne teaduslik tõe test.
Seda tüüpi uuringutes kasutatakse tavaliselt küsitlusi või andmeanalüüsi
andma ajaloolased. (Yin 1989)
Ülaltoodud arutelu näitab, et on mitmeid
võimalikud uurimismeetodid, mida saab uuringus kasutada
eriti. Siiski peab olema konkreetne meetod, mis on sobivam
teised teatud tüüpi uurimisprojektide jaoks. (Galliers
1987, Yin 1989, De Vaus 1991). Seega on igal teadlasel
tuleb hoolikalt hinnata tugevusi ja nõrkusi
erinevaid meetodeid, et jõuda kõige sobivama uurimismeetodini e
kooskõlas uurimisprojektiga. (Jenkins 1985, Pervan ja Klass
1992, Bonomia 1985, Yin 1989, Himilton ja Ives 1992).
3.2. Võimalikud otsingumeetodid
Selle projekti eesmärk oli uurida kogemusi aastal
Austraalia organisatsioonid i andma salvestatud ühega
arendus andmekogus. Dato mis praegu on olemas
Austraalia andmelao valdkonna uuringute puudumine,
see uurimisprojekt on alles tsükli teoreetilises faasis
uurimistöö ja sellel on uurimuslik eesmärk. Kogemuste uurimine
Austraalia organisatsioonid, kes võtavad kasutusele andmehoidla
nõuab tegeliku ühiskonna tõlgendust. Järelikult on
järgneb uurimisprojekti aluseks olev filosoofiline eeldus
traditsiooniline tõlgendus.
Pärast olemasolevate meetodite põhjalikku uurimist on need kindlaks tehtud
kaks võimalikku uurimismeetodit: küsitlused ja juhtumiuuringud
(juhtumiuuringud), mida saab kasutada uurimistöös
uurimuslik (Shanks et al. 1993). Galliers (1992) väidab, et
nende kahe meetodi sobivust selle konkreetse uuringu jaoks
selle taksonoomiat muudeti, öeldes, et need sobivad ehitamiseks
teoreetiline. Järgmises kahes alajaotuses käsitletakse iga meetodit
detail.
3.2.1 Küsitluse uurimismeetod
Küsitluse uurimismeetod pärineb iidsest meetodist
rahvaloendus. Loendus on teabe kogumine
terve elanikkond. See meetod on kallis ja ebapraktiline
eriti kui rahvaarv on suur. Nii et võrreldes
rahvaloenduse puhul keskendub uuring tavaliselt sellele
koguda teavet väikese arvu või näidiste kohta
elanikkonna esindajad (Fowler 1988, Neuman 1994). A
valim peegeldab üldkogumit, millest see on koostatud, koos erinevatega
täpsustasemed vastavalt valimi struktuurile
suurus ja kasutatud valikumeetod (Fowler 1988, Babbie
1982, Neumann 1994).
Küsitlusmeetodit määratletakse kui "praktikate hetketõmmiseid,
olukordi või vaateid konkreetsel ajahetkel, kasutades
küsimustikud või intervjuud, millest võib teha järeldusi
tehtud” (Galliers 1992:153) [praktikate hetktõmmis,
olukordi või vaateid konkreetsel ajahetkel, kasutades
küsimustikud või intervjuud, millest saab järeldusi teha]. The
uuringud tegelevad teatud aspektide kohta teabe kogumisega
uuringus osalesid mitmed osalejad
küsimused (Fowler 1988). Isegi need ankeedid ja intervjuud, mis
hõlmavad näost näkku telefoniintervjuusid ja struktureeritud intervjuusid,
on kogumistehnikad andma aastal kasutatakse kõige sagedamini
uuringud (Blalock 1970, Nachmias ja Nachmias 1976, Fowler
1988), saab kasutada vaatlusi ja analüüse (Gable
1994). Kõigist nendest jumalate kogumise meetoditest andma, kasutamine
küsimustik on kõige populaarsem tehnika, kuna see tagab, et i andma
kogutud on struktureeritud ja vormindatud ning hõlbustab seega
teabe klassifikatsioon (Hwang 1987, de Vaus 1991).
Analüüsides i andma, juurdlusstrateegia kasutab sageli
kvantitatiivsed tehnikad, näiteks statistiline analüüs, kuid võivad olla
Kasutatakse ka kvalitatiivseid tehnikaid (Galliers 1992, Pervan
ja Klass 1992, Gable 1994). Tavaliselt, st andma kogutud on
kasutatakse assotsiatsioonide jaotuste ja mustrite analüüsimiseks
(Fowler 1988).
Kuigi küsitlused on üldiselt otsinguteks sobivad
tegeledes küsimusega "mis?" (mis) või sellest
tuletades, nagu 'kui palju' (kui palju) ja 'quant'è' (kui palju), nad
saab küsida "miks" küsimuse kaudu (Sonquist ja
Dunkelberg 1977, Yin 1989). Sonquisti ja Dunkelbergi järgi
(1977), uurimistöö osutab rasketele hüpoteesidele, programm di
hindamine, populatsiooni kirjeldamine ja mudelite väljatöötamine
inimkäitumine. Samuti saab kasutada küsitlusi
uurida teatud arvamust elanikkonnast, tingimustest,
arvamused, omadused, ootused ja isegi varasemad käitumised
või praegu (Neuman 1994).
Uuringud võimaldavad uurijal avastada seoseid nende vahel
elanikkonnast ja tulemused on tavaliselt üldisemad kui kohta
teisi meetodeid (Sonquist ja Dunkelberg 1977, Gable 1994). The
uuringud võimaldavad teadlastel katta geograafilist piirkonda
laiemalt ja jõuda suure hulga registreerijateni (Blalock 1970,
Sonquist ja Dunkelberg 1977, Hwang ja Lin 1987, Gable 1994,
Neumann 1994). Lõpuks võivad küsitlused anda teavet
mida mujal või analüüsideks vajalikul kujul ei ole
(Fowler 1988).
Uuringu läbiviimisel on siiski mõned piirangud. Üks
Puuduseks on see, et uurija ei saa palju teavet
uuritava objekti kohta. See on tingitud asjaolust, et
uuringud viiakse läbi ainult kindlal hetkel ja seetõttu
on piiratud arv muutujaid ja inimesi, mida uurija saab
uuring (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998).
Teine puudus on see, milline võib olla uuringu läbiviimine
väga kulukas aja ja ressursside poolest, eriti kui
hõlmab näost näkku intervjuusid (Fowler 1988).
3.2.2. Küsitluse uurimismeetod
Küsitluse uurimismeetod hõlmab põhjalikku uurimist
konkreetne olukord selle tegelikus kontekstis a
kindlaksmääratud aja jooksul ilma igasuguse sekkumiseta
uurija (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985).
Enamasti kasutatakse seda meetodit vaheliste suhete kirjeldamiseks
muutujad, mida konkreetses olukorras uuritakse
(Galliers 1992). Uurimine võib hõlmata üksikjuhtumeid või
kordajad, olenevalt analüüsitud nähtusest (Franz ja Robey 1987,
Eisenhardt 1989, Yin 1989).
Uurimismeetodit määratletakse kui „päringut
empiiriline uuring, mis uurib kaasaegset nähtust
selle tegelik kontekst, kasutades mitut ühest o-st välja võetud allikat
mitu üksust, nagu inimesed, rühmad või organisatsioonid” (Yin 1989).
Puudub selge eraldus nähtuse ja selle konteksti vahel e
muutujaid ei kontrolli ega eksperimentaalselt manipuleerita (Yin
1989, Benbasat jt 1987).
Jumalate kogumiseks on mitmesuguseid tehnikaid andma et nad saavad
kasutada uurimismeetodis, mis hõlmab
otsesed vaatlused, arhiividokumentide ülevaated, küsimustikud,
dokumentatsiooni läbivaatamine ja struktureeritud intervjuud. Võttes
mitmekesine valik saagikoristustehnikaid andma, uurimised
võimaldavad teadlastel mõlemaga tegeleda andma kvalitatiivne see
kogused samal ajal (Bonoma 1985, Eisenhardt 1989, Yin
1989, Gable 1994). Nagu küsitlusmeetodi puhul, a
uurija tegutseb vaatleja või uurijana ja mitte
õppekorralduses aktiivse osalejana.
Benbasat jt (1987) väidavad, et uurimismeetod on
eriti sobiv uurimisteooria konstrueerimiseks, mis
see algab uurimisküsimusega ja jätkub koolitusega
teooriast kogumise käigus andma. Olemine
sobib ka lavale
teooria ehitusest, Franz ja Robey (1987) viitavad sellele
kompleksi puhul saab kasutada ka päringumeetodit
teooria etapp. Antud juhul kogutud tõendite põhjal a
antud teooria või hüpotees kontrollitakse või lükatakse ümber. Lisaks on uurimine
sobib ka "kuidas" või "kuidas" küsimustega tegelemiseks
"sest" (Yin 1989).
Võrreldes teiste meetoditega võimaldavad küsitlused uurijal
jäädvustage olulist teavet üksikasjalikumalt (Galliers
1992, Shanks jt 1993). Lisaks võimaldavad uuringud
teadlane, et mõista uuritavate protsesside olemust ja keerukust
(Benbasat et al. 1987).
Meetodiga on seotud neli peamist puudust
uurimine. Esimene on kontrollitud mahaarvamiste puudumine. Seal
Uurija subjektiivsus võib tulemusi ja järeldusi kallutada
uuringust (Yin 1989). Teine puudus on selle puudumine
kontrollitud vaatlus. Erinevalt eksperimentaalsetest meetoditest on
uurija ei suuda uuritud nähtusi kontrollida
kuna neid vaadeldakse nende loomulikus kontekstis (Gable 1994). The
kolmas puudus on korratavuse puudumine. See on tingitud asjaolust
et uurija tõenäoliselt ei jälgi samu sündmusi, nt
see ei saa kontrollida konkreetse uuringu tulemusi (Lee 1989).
Lõpetuseks, mittekordavuse tõttu on see keeruline
üldistada ühe või mitme uuringu tulemusi (Galliers
1992, Shanks jt 1993). Kõik need probleemid aga mitte
on ületamatud ja neid saab tegelikult minimeerida
teadlane, kes rakendab sobivaid tegevusi (Lee 1989).
3.3. Põhjendage uurimismetoodikat
vastu võetud
Selle uuringu kahest võimalikust uurimismeetodist on meetod
uuringut peetakse kõige sobivamaks. See uurimine on
kõrvaldati pärast asjakohaste hoolikat kaalumist
eelised ja nõrkused. Igaühe mugavus või sobimatus
Selle uuringu meetodit arutatakse hiljem.
3.3.1. Sobimatu uurimismeetod
järelepärimise kohta
Päringumeetod nõuab põhjalikku uurimist a
eriolukord ühes või mitmes organisatsioonis a
ajaperiood (Eisenhardt 1989). Sel juhul võib periood
ületada selle uuringu jaoks ettenähtud ajavahemikku. Teine
põhjus mitte kasutada päringumeetodit on see, et tulemused
nad võivad kannatada ranguse puudumise tõttu (Yin 1989). Subjektiivsus
uurija arvamus võib mõjutada tulemusi ja järeldusi. Teine
Põhjus on selles, et see meetod sobib rohkem küsimuste otsimiseks
tüübist "kuidas" või "miks" (Yin 1989), samas kui uurimisküsimus
selle uuringu jaoks on see tüüpi "mis". Last but not least
Oluline on see, et ainult ühe o põhjal on tulemusi raske üldistada
vähe päringuid (Galliers 1992, Shanks et al. 1993). Alusel
see põhjendus, küsitlus uurimismeetod ei ole
valiti selle uuringu jaoks sobimatuks.
3.3.2. Otsingumeetodi mugavus
uurimine
Kui see uuring viidi läbi, praktika andmeladu
poolt ei olnud laialdaselt omaks võetud
Austraalia organisatsioonid. Seega polnud palju teavet
nende rakendamise kohta
Austraalia organisatsioonid. Olemasolev teave pärineb
organisatsioonidelt, kes olid andmeid juurutanud või kasutanud
ladu. Sel juhul on küsitluse uurimismeetod kõige rohkem
sobib, kuna see võimaldab saada teavet, mis ei ole
saadaval mujal või analüüsiks vajalikul kujul (Fowler 1988).
Lisaks võimaldab küsitluse uurimismeetod uurijal
saada hea ülevaade tavadest, olukordadest või
teatud ajahetkel nähtud (Galliers 1992, Denscombe 1998).
Taotleti ülevaadet, et suurendada
teadmisi Austraalia andmehoidla kogemusest.
Jällegi väidavad Sonquist ja Dunkelberg (1977), et tulemused
Küsitlusuuringud on üldisemad kui muud meetodid.
3.4. Uuringute uuringute disain
Andmeladustamise praktika uuring viidi läbi 1999. aastal.

Sihtrühm koosnes organisatsioonidest
huvitatud andmehoidla uuringutest, nagu nad olid
ilmselt juba informeeritud i-st andma milline kauplus ja
seetõttu võib see anda selle uuringu jaoks kasulikku teavet. Seal
Sihtrühm tuvastati esialgse uuringuga
kõik Austraalia andmehoidla instituudi (Tdwiaap) liikmed.
Selles jaotises käsitletakse uurimisfaasi kavandamist
selle uuringu empiiria.
3.4.1. Kogumise tehnika andma
Kolmest uurimistöös tavaliselt kasutatavast tehnikast
(st küsimustik posti teel, telefoniintervjuu ja intervjuu
isiklik) (Nachmias 1976, Fowler 1988, de Vaus 1991),
selle uuringu küsimustik võeti vastu posti teel. Esimene
viimase kasutuselevõtu põhjus on see, et sellega on võimalik saavutada a
geograafiliselt hajutatud elanikkond (Blalock 1970, Nachmias e
Nachmias 1976, Hwang ja Lin 1987, de Vaus 1991, Gable 1994).
Teiseks sobib osalejatele postiankeet
kõrgelt haritud (Fowler 1988). Küsimustik selleks posti teel
uuring oli suunatud andmehoidla projekti sponsoritele,
projektijuhid ja/või juhid. Kolmandaks, küsimustikud
post sobivad, kui teil on turvaline nimekiri
aadressid (Salant ja Dilman 1994). TDWI, antud juhul üks
usaldusväärne andmehoidla ühendus esitas meililisti
oma Austraalia liikmetest. Veel üks küsimustiku pluss
posti teel või telefoni teel küsitledes või intervjuudes
isiklik on see, et see võimaldab registreerujatel rohkem vastata
täpsus, eriti kui vastajatel on vaja konsulteerida
teeb märkmeid või arutab küsimusi teiste inimestega (Fowler
1988).
Võimalik puudus võib olla selleks kuluv aeg
küsimustikke läbi viia posti teel. Tavaliselt küsimustiku kaugusel
post toimub järgmises järjekorras: saatke kirju, oodake
vastuseid ja saata kinnitus (Fowler 1988, Bainbridge 1989).
Seega võib koguaeg olla pikem kui selleks vajaminev aeg
isiklikud intervjuud või telefoniintervjuud. Siiski,
koguaega saab ette teada (Fowler 1988,
Denscombe 1998). Intervjuude läbiviimiseks kulutatud aeg
isiklikku ei saa ette teada, kuna see varieerub
ühest intervjuust teise (Fowler 1988). Telefoniintervjuud
võib olla kiirem kui posti teel ankeetide ja e-kirjade saatmine
isiklikud intervjuud, kuid neil võib olla suur vahelejäämise määr
mõnede inimeste kättesaamatuse tõttu (Fowler 1988).
Lisaks piirduvad telefoniintervjuud tavaliselt loenditega
suhteliselt lühikesed küsimused (Bainbridge 1989).
Teine posti teel saadetud küsimustiku nõrkus on selle kõrge määr
vastuse puudumine (Fowler 1988, Bainbridge 1989, Neuman
1994). Siiski on võetud vastumeetmeid, ühendades
seda uuringut usaldusväärse andmeasutusega
ladustamine (st TDWI) (Bainbridge 1989, Neuman 1994),
mis saadab kaks meeldetuletuskirja neile, kes pole vastanud
(Fowler 1988, Neuman 1994) ja sisaldab ka kirja
uuringu eesmärki selgitav täiendus (Neuman 1994).
3.4.2. Analüüsiüksus
Selle uuringu eesmärk on saada teavet selle kohta
andmehoidla rakendamine ja selle kasutamine
Austraalia organisatsioonide raames. Sihtpopulatsioon
koosneb kõigist Austraalia organisatsioonidest, millel on
rakendatakse või rakendatakse, st andmekogus. sisse
üksikud organisatsioonid on nimetatud allpool. Küsimustik
see saadeti lapsendamisest huvitatud organisatsioonidele
di andmekogus. See meetod tagab teabe
kollektsioonid pärinevad iga organisatsiooni kõige sobivamatest ressurssidest
osaleja.
3.4.3. Uuringu näidis
Küsitluses osalejate "postiloend" saadi
TDW laiendus. Sellest loendist 3000 Austraalia organisatsiooni
valiti valimi moodustamise aluseks. A
lisakiri, milles selgitatakse projekti ja uurimise eesmärki,
koos vastusekaardi ja ettemakstud ümbrikuga
tagasi täidetud küsimustik saadeti valimisse.
3000 organisatsioonist on nõustunud osalema 198
Uuring. Nii väikest vastuste arvu oodati andmeid il
suur hulk Austraalia organisatsioone
võtsid omaks või võtsid omaks kuupäevastrateegia
ladustamine oma organisatsioonides. Seega
Selle uuringu sihtrühm koosneb ainult 198-st
organisatsioonid.
3.4.4. Küsimustiku sisu
Küsimustiku ülesehitus põhines kuupäevamudelil
ladustamine Monash (räägitud varem osas 2.3). The
küsimustiku sisu põhines analüüsil
2. peatükis esitatud kirjandus. Küsimustiku koopia
saadetud küsitluses osalejatele
Lisas B. Küsimustik koosneb kuuest osast, mis
järgige töödeldud mudeli faase. Järgmised kuus lõiku
tehke iga jaotise sisu lühikokkuvõte.
Jaotis A: põhiteave organisatsiooni kohta
See jaotis sisaldab profiiliga seotud küsimusi
osalevad organisatsioonid. Lisaks on mõned küsimused
mis on seotud andmehoidla projekti seisukorraga
osaleja. Konfidentsiaalne teave, näiteks nimi
uuringu analüüsis ei avalikustatud.
Jaotis B: algus
Selle jaotise küsimused on seotud alustamisega
andmehoidla. Küsiti, kui palju
see puudutab projekti algatajaid, sponsoreid, oskusi ja teadmisi
päringud, andmehoidla arendamise eesmärgid ja
lõppkasutaja ootused.
Jaotis C: Disain
See jaotis sisaldab ettevõtte tegevusega seotud küsimusi
planeerimine andmekogus. Täpsemalt on küsimused
teatage teostuse ulatus, projekti kestus, maksumus
projekti ja tasuvusanalüüsi.
Jaotis D: Arendus
Arengu rubriigis on küsimused, mis on seotud tegevusega
arendus andmekogus: kasutajanõuete kogumine
lõplik, allikad andma, loogiline mudel andma, prototüübid,
võimsuse planeerimine, tehniline arhitektuur ja valik
andmehoidla arendustööriistad.
E osa: toimimine
Operatsiooniga seotud küsimused toim
laiendatavusele andmekogus, milleks see areneb
järgmine arenguetapp. Seal andmete kvaliteetstrateegiad
värskendada andma, detailsus andmaandmete skaleeritavus
ladu ja turvaprobleemid andmekogus need olid vahepeal
küsitavate küsimuste tüübid.
Jaotis F: Arendus
See jaotis sisaldab andmete kasutamisega seotud küsimusi
ladu lõppkasutajate poolt. Uurija tundis huvi
eesmärgi ja kasulikkuse pärast andmekogus, ülevaade ja strateegiad
koolituse ja andmete kontrollistrateegia kohta
ladu vastu võetud.
3.4.5. Reageerimismäär
Kuigi postiküsitlusi kritiseeritakse selle eest, et neil on määr
vähene reageerimine, on võetud meetmeid, et suurendada
tootlus (nagu varem osaliselt arutatud
3.4.1). Mõiste "vastusmäär" viitab protsendile
inimesed konkreetses küsitlusvalimis, kes vastasid
küsimustik (Denscombe 1998). Kasutati järgmist
valem selle uuringu vastuse määra arvutamiseks:
Vastanute arv
Reageerimismäär =
—————————————————————————— X 100
Saadetud küsimustike koguarv
3.4.6. Katsepiloot
Enne küsimustiku valimisse saatmist on küsimused
Lucki soovitatud pilootkatsete abil
ja Rubin (1987), Jackson (1988) ja de Vaus (1991). Eesmärk
piloottestide eesmärk on paljastada kõik ebamugavad, mitmetähenduslikud ja väljendid
küsimusi on raske tõlgendada, selgitada
kasutatud määratlused ja terminid ning ligikaudne aeg
küsimustiku täitmiseks vajalik (Warwick ja Lininger 1975,
Jackson 1988, Salant ja Dilman 1994). Pilootkatsed olid
teostatakse, valides neile sarnaste omadustega ained
lõpuainetest, nagu soovitas Davis e Cosenza (1993). Sisse
selles uuringus olid kuus andmehoidla spetsialisti
valitud pilootaineteks. Pärast iga pilootkatset nad on
vajalikud parandused on tehtud. Läbiviidud pilootkatsetest, st
osalejad aitasid seda ümber kujundada ja lähtestada
küsimustiku lõplik versioon.
3.4.7. Analüüsimeetodid Andma
I andma suletud küsimustikest kogutud uuringuandmed on
analüüsiti statistilise tarkvarapaketi abil
nimetatakse SPSS-iks. Paljusid vastuseid on analüüsitud
kasutades kirjeldavat statistikat. Hulk küsimustikke
nad tagastati mittetäielikult. Neid raviti vanemaga
tähelepanu veendumaks, et i andma puudu ei olnud ükski
andmesisestuse vigade tagajärg, aga miks mitte ka küsimusi
sobisid deklaraatoriks või otsustas mitte
vastata ühele või mitmele konkreetsele küsimusele. Need vastused
puuduvad ignoreeriti sõelumisel andma ja on olnud
koodiga "-9", et tagada nende väljajätmine protsessist
analüüsid.
Ankeedi koostamisel olid suletud küsimused
eelkodeeritud, määrates igale valikule numbri. Number
siis kasutati seda i ettevalmistamiseks andma analüüsi ajal
(Denscombe 1998, Sapsford ja Jupp 1996). Näiteks olid
B jao 1. küsimuses loetletud kuus võimalust: nõustamine
direktoraat, tippjuht, IT-osakond, üksus
äri, konsultandid ja palju muud. failis andma SPSS, see on
genereeriti muutuja, mis näitab projekti algatajat,
kuue väärtussildiga: '1' tähendab 'tahvlit', '2'
"kõrgema juhi" jaoks ja nii edasi. Likertini skaala kasutamine
mõnes suletud küsimuses on sellel ka luba
identifitseerimine, mis väärtuste kasutamist arvestades ei nõua pingutust
vastavad numbrid sisestatud SPSS-i. Küsimuste korral koos
mittetäielikud vastused, mis ei välistanud üksteist,
iga varianti käsitleti ühe muutujana kahega
väärtussildid: "1" tähistab "märgitud" ja "2" tähistab "märgistamata".
Avatud küsimusi käsitleti erinevalt küsimustest
suletud. Vastuseid neile küsimustele pole postitatud
SPSS. Selle asemel analüüsiti neid käsitsi. Selle kasutamine
küsimuse tüüp võimaldab teil ideede kohta teavet hankida
vabalt väljendatud ja registreerunute isiklikud kogemused
(Bainbridge 1989, Denscombe 1998). Võimaluse korral on seda ka tehtud
vastuste kategoriseerimine.
Analüüsi jaoks andma, kasutatakse lihtsa statistilise analüüsi meetodeid,
nagu reaktsioonide sagedus, keskmine, standardhälve
keskmine ja mediaan (Argyrous 1996, Denscombe 1998).
Gamma test oli efektiivne kvantitatiivsete mõõtmiste saamiseks
vahelistest seostest andma järgarvud (Norusis 1983, Argyrous 1996).
Need testid olid asjakohased, kuna kasutatud järguskaalad ei olnud
neil oli palju kategooriaid ja neid sai näidata tabelis
(Norusis 1983).
3.5 Kokkuvõte
Selles peatükis käsitletakse uurimismetoodikat ja
selle uuringu jaoks vastu võetud kavandid.
A jaoks sobivaima otsingumeetodi valimine
konkreetne uuring võtab arvesse
kaaluge mitmeid reegleid, sealhulgas olemust ja tüüpi
uurimistöö, samuti iga võimaliku eelised ja nõrkused
meetod (Jenkins 1985, Benbasat et al. 1097, Galliers ja Land 1987,
yin 1989, Hamilton ja ives 1992, Galliers 1992, neuman 1994). Vaade
olemasolevate teadmiste ja teooria puudumine selle kohta
andmehoidla kasutuselevõtust Austraalias, selle uuringu autor
uurimine eeldab interpreteerivat uurimismeetodit koos oskusega
uurimuslik, et uurida organisatsioonide kogemusi
austraallane. Teie otsingumeetod on valitud
koguda teavet kuupäeva kontseptsiooni kasutuselevõtu kohta
ladu Austraalia organisatsioonide poolt. A
Kogumistehnikaks valiti posti teel ankeet andma.
uurimismeetodi ja kogumistehnika põhjendused andma
valikud esitatakse selles peatükis. Pluss see oli
esitas arutelu analüüsiühiku ehk valimi üle
kasutatud, vastamise määrad, küsimustiku sisu,
küsimustiku eeltestimine ja analüüsimeetod andma.

Projekteerimine a Andmeladu:
Olemisuhete ja mõõtmete modelleerimise kombineerimine
ABSTRACT
Kauplus i andma see on paljude jaoks aktuaalne teema
organisatsioonid. Arengu põhiprobleem
ladustamisest andma see on tema disain.
Disain peab toetama mõistete tuvastamist andmetes
laost pärandsüsteemi ja muudesse allikatesse andma ja ka üks
andmete lihtne mõistmine ja tõhus rakendamine
ladu.
Suur osa säilitamist käsitlevast kirjandusest andma soovitatav
olemisuhete modelleerimise või mõõtmete modelleerimise kasutamine
esindavad disaini andmekogus.
Selles ajakirjas näitame, kuidas mõlemad
esitusi saab kombineerida lähenemisviisi jaoks
joonistamine andmekogus. Kasutatud lähenemisviis on süstemaatiline
uuritud juhtumiuuringus ja tuvastatud paljudes
olulist mõju professionaalidele.
ANDMETE LADU
Un andmekogus on tavaliselt määratletud kui "subjektile orienteeritud,
integreeritud, ajavariandiga ja muutumatu andmete kogumine
juhtkonna otsustest” (Inmon ja Hackathorn, 1994).
Õppeainele orienteeritud ja integreeritud näitab, et andmekogus è
loodud pärandsüsteemide funktsionaalsete piiride ületamiseks
pakkuda integreeritud perspektiivi andma.
Ajavariant on seotud video ajaloolise või aegridade olemusega andma in
un andmekogus, mis võimaldab suundumusi analüüsida.
Mittelenduv näitab, et andmekogus see ei ole pidev
uuendatud kui a andmebaas OLTP-st. Pigem ajakohastatakse
perioodiliselt, koos andma sisemistest ja välistest allikatest. The
andmekogus see on spetsiaalselt loodud uurimistööks
mitte värskenduse terviklikkuse ja jõudluse jaoks
operatsioonid.
Idee salvestada i andma see pole uus, see oli üks eesmärke
juhtimisest andma alates kuuekümnendatest (Il Martin, 1982).
I andmekogus nad pakuvad infrastruktuuri andma juhtimise jaoks
tugisüsteemid. Juhtimise tugisüsteemid hõlmavad otsustamist
tugisüsteemid (DSS) ja juhtide infosüsteemid (EIS).
DSS on arvutipõhine infosüsteem, mis on
mõeldud protsessi ja sellest tulenevalt ka haarde parandamiseks
inimlik otsus. EIS on tavaliselt kohaletoimetamissüsteem
andma mis võimaldab ettevõtete juhtidel vaatele hõlpsasti juurde pääseda
kohta andma.
Üldarhitektuur a andmekogus rõhutab rolli
andmekogus juhtimise toetamisel. Lisaks pakkumisele
infrastruktuuri andma EIS-i ja DSS-i jaoks, al andmekogus on võimalik
pääseb sellele otse päringute kaudu juurde. THE andma kaasatud kuupäeva
ladu põhinevad teabenõuete analüüsil
haldamine ja need saadakse kolmest allikast: sisemised pärandsüsteemid,
eriotstarbelised andmehõivesüsteemid ja välised andmeallikad. THE
andma sisemistes pärandsüsteemides on sageli üleliigsed,
nõrk, madala kvaliteediga ja salvestatud mitmes vormingus
nii et need tuleb enne seadmesse laadimist sobitada ja puhastada
andmekogus (Inmon, 1992; McFadden, 1996). THE andma alates
salvestussüsteemidest andma ad hoc ja allikatest andma
väliseid kasutatakse sageli suurendamiseks (värskendamiseks, asendamiseks) i
andma pärandsüsteemidest.
On palju kaalukaid põhjuseid, miks a andmekogus,
mis hõlmavad paremat otsuste langetamist kasutamise kaudu
tõhus rohkem teavet (Ives 1995), fookuse tugi
kogu äritegevuse kohta (Graham 1996) ja kulude vähendamine
pakkumine andma EIS-i ja DSS-i jaoks (Graham 1996, McFadden
1996).
Hiljutine empiiriline uuring näitas, et keskmiselt on
investeeringud i jaoks andmekogus kolme aasta pärast 401% (Graham,
1996). Kuid teised empiirilised uuringud andmekogus olema
leidis olulisi probleeme, sealhulgas raskusi ed
hüvitiste eraldamine, selge eesmärgi puudumine, selle alahindamine
i salvestamise protsessi ulatus ja keerukus andmasisse
eriti allikate ja puhtuse osas andma.
Kauplus i andma võib pidada lahenduseks
juhtimisprobleemile andma organisatsioonide vahel. Seal
manipuleerimine andma sotsiaalse ressursina on see jäänud üheks
peamised probleemid infosüsteemide haldamisel kogu ulatuses
maailmas paljude aastate jooksul (Brancheau jt 1996, Galliers jt 1994,
Niederman et al. 1990, Pervan 1993).
Populaarne lähenemine varahaldusele andma see oli kaheksakümnendatel
mudeli väljatöötamine andma sotsiaalne. Mudel andma see oli sotsiaalne
loodud pakkuma stabiilset alust uute süsteemide arendamiseks
rakendused ja andmebaas ja pärandi taastamine ja integreerimine
süsteemid (Brancheau et al.
1989, Goodhue et al. 1988:1992, Kim ja Everest 1994).
Selle lähenemisviisiga on aga palju probleeme
eelkõige iga ülesande keerukus ja maksumus ning pikk aeg
käegakatsutavate tulemuste saamiseks on vaja (Beynon-Davies 1994, Earl
1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997).
Il andmekogus see on eraldi andmebaas, mis eksisteerib koos pärandiga
andmebaase, mitte neid asendada. Seetõttu võimaldab see teil
juhtima andma ja vältida kulukat rekonstrueerimist
pärandsüsteemidest.
OLEMASOLEVAD LÄHENEMISVIISID ANDMETE KUJUNDAMISEKS
LADUS
Ehitamise ja täiustamise protsess a andmekogus
tuleks mõista pigem evolutsiooniprotsessi kui a
traditsiooniliste süsteemide arendamise elutsükkel (Soov, 1995, Shanks,
O'Donnell ja Arnott 1997a). A-ga on seotud palju protsesse
projekt andmekogus nagu lähtestamine, ajastamine;
ettevõtte juhtidelt nõutud nõuetest saadud teave;
allikad, teisendused, puhastamine andma ja sünkroonida pärandist
süsteemid ja muud allikad andma; väljatöötamisel olevad tarnesüsteemid;
jälgimine andmekogus; ja protsessi mõttetus
evolutsiooniline ja ehitus a andmekogus (Shins, O'Donnell
ja Arnott 1997b). Selles ajakirjas keskendume sellele, kuidas
joonistama i andma salvestatakse nende muude protsesside kontekstis.
Andmearhitektuurile on välja pakutud mitmeid lähenemisviise
ladu kirjanduses (Inmon 1994, Ives 1995, Kimball 1994
McFadden 1996). Igal neist meetoditest on lühikirjeldus
ülevaade koos nende tugevate ja nõrkade külgede analüüsiga.
Inmoni (1994) Approach for Andmeladu
Disain
Inmon (1994) pakkus välja neli iteratiivset sammu andmete kujundamiseks
ladu (vt joonis 2). Esimene samm on malli kujundamine
andma sotsiaalne, et mõista, kuidas i andma saab integreerida
organisatsiooni funktsionaalsete valdkondade vahel
alajaotamine i andma hoida piirkondades. Mudel andma see on loodud
poodi andma mis on seotud otsuste tegemisega, sealhulgas andma
ajalooline ja kaasatud andma maha ja liita. Teine samm on
määratleda valdkonnad, mida rakendada. Need põhinevad
konkreetse organisatsiooni määratud prioriteetide kohta. Kolmas
samm hõlmab joonistamist a andmebaas ainevaldkonna jaoks poosid
pöörama erilist tähelepanu asjakohaste detailsuse tasemete lisamisele.
Inmon soovitab kasutada olemi- ja suhtemudelit. Neljandaks
samm on lähtesüsteemide tuvastamine andma vaja ja arendada
teisendusprotsessid jäädvustamiseks, puhastamiseks ja vormindamiseks i andma.
Inmoni lähenemise tugevad küljed seisnevad selles, et mudel andma sotsiaal-
pakub aluse integreerimiseks andma organisatsiooni sees
ja tugede planeerimine andmete iteratiivseks arendamiseks
ladu. Selle puudused on joonistamise keerukus ja hind
mudel andma sotsiaalne, olemimudelite mõistmise raskus e
mõlemas mudelis kasutatud seosed, et andma sotsiaalne ja see andma
salvestatud teemavaldkondade kaupa ja asjakohasust andma kohta
joonistamine andmekogus realiseerimiseks andmebaas
suhteline, kuid mitte jaoks andmebaas mitmemõõtmeline.
Ives'i (1995) Approach to Andmeladu
Disain
Ives (1995) pakub välja neljaastmelise lähenemisviisi a
infosüsteem, mida ta peab kuupäeva kujundamisel kohaldatavaks
ladu (vt joonis 3). Lähenemine põhineb väga palju
Infotehnoloogia infosüsteemide arendamiseks
(Martin 1990). Esimese sammuna tuleb kindlaks määrata eesmärgid, tegurid
edulood ja peamised tulemusnäitajad. THE
peamised äriprotsessid ja vajalik teave on
modelleeritud, et juhatada meid mudelini andma sotsiaalne. Teine samm
see hõlmab sellise arhitektuuri väljatöötamist, mis määratleb andma
salvestatud piirkonna järgi, andmebaas di andmekogus, komponendid
vajaliku tehnoloogia, organisatsioonilise toe komplekti
rakendamiseks ja kasutamiseks andmekogus. Kolmas
samm sisaldab vajalike tarkvarapakettide ja tööriistade valikut.
Neljas samm on detailne projekteerimine ja ehitamine
andmekogus. Ives märgib, et kauplus andma ta on side
iteratiivne protsess.
Ivesi lähenemise tugevuseks on tehniliste kirjelduste kasutamine
määrata teabenõuded, kasutada struktureeritud
integreerimist toetav protsess andmekogus,
sobiva riist- ja tarkvara valik ning mitme kasutamine
esitustehnikad andmekogus. Tema puudused
neile on omane keerukus. Teised hõlmavad raskusi
arendada mitmeid tasemeid andmebaas all'interno del andmekogus in
mõistlik aeg ja kulu.
Kimballi (1994) lähenemine Andmeladu
Disain
Kimball (1994) pakkus välja viis iteratiivset sammu andmete kujundamiseks
ladu (vt joonis 4). Tema lähenemine on eriline
pühendatud ainult ühe joonisele andmekogus ja mallide kasutamine
dimensiooniline olemi- ja suhtemudelite ees. Kimball
analüüsida neid dimensioonimudeleid, sest seda on i jaoks lihtsam mõista
ettevõtete juhid, on tehingute tegemisel tõhusam
komplekssed konsultatsioonid ja projekteerimine andmebaas füüsiline on rohkem
tõhus (Kimball 1994). Kimball tunnistab, et arendades a
andmekogus on iteratiivne ja see andmekogus eraldi purk
integreerida mõõtmetabeliteks jagamise kaudu
levinud.
Esimene samm on määratleda konkreetne teemavaldkond
täiustatud. Teine ja kolmas samm puudutavad kujundamist
mõõtmetega. Teises etapis tuvastavad meetmed asjad
huvi teemavaldkonna vastu ja koondatakse faktide tabelisse.
Näiteks müügivaldkonnas huvipakkuvad meetmed
need võivad sisaldada müüdud esemete kogust ja dollarit
müügivaluutana. Kolmas samm hõlmab tuvastamist
mõõtmed, mille abil saab i rühmitada
faktid. Müügi teemavaldkonnas asjakohased mõõtmed
võib sisaldada üksust, asukohta ja ajaperioodi. Seal
faktitabelil on mitmeosaline võti, millega saab linkida igaühe
mõõtmetabelitest ja sisaldab tavaliselt väga suurt hulka
suur faktidel. Seevastu mõõtmete tabelid sisaldavad
kirjeldav teave suuruse ja muude atribuutide kohta, mis
saab kasutada faktide rühmitamiseks. Faktitabel e
pakkumise vormiga seotud mõõtmed, mida nimetatakse üheks
tähemuster selle kuju tõttu. Neljas samm hõlmab
ehitus a andmebaas mitmemõõtmeline, et seda täiustada
tähe muster. Viimane samm on lähtesüsteemide tuvastamine andma
vaja ja arendada ümberkujundamisprotsesse omandada, puhastada
ja formaat i andma.
Kimballi lähenemise tugevused hõlmavad mallide kasutamist
dimensiooniline esindama i andma salvestatud, mis seda teevad
kergesti mõistetav ja viib tõhusa füüsilise disainini. A
mõõtmetega mudel, mis kasutab ka hõlpsasti mõlemat
süsteemid andmebaas relatsioonilist saab täiustada või süsteeme
andmebaas mitmemõõtmeline. Selle puuduste hulka kuulub puudumine
kavandamise või integreerimise hõlbustamiseks
palju täheskeeme ühes andmekogus ja
raskused projekteerimisel äärmuslikult denormaliseeritud struktuurist a
mõõtmetega mudel a andma pärandsüsteemides.
McFaddeni (1996) Approach to Data
Laokujundus
McFadden (1996) pakub välja viieastmelise lähenemisviisi
joonistada a andmekogus (vt joonis 5).
Tema lähenemine põhineb kirjanduse ideede sünteesil
ja on keskendunud soolo joonistamisele andmekogus. Esimene
samm hõlmab nõuete analüüsi. Kuigi spetsiifika
tehnikaid ei ole ette nähtud, McFaddeni märkmed tuvastavad
üksus andma spetsifikatsioonid ja nende atribuudid ning viitab Watsoni lugejatele
ja Frolick (1993) nõuete tabamiseks.
Teises etapis koostatakse olemi suhte mudel
andmekogus ja seejärel kinnitavad ettevõtte juhid. Kolmas
samm hõlmab kaardistamise määramist pärandsüsteemist
ja välised allikad andmekogus. Neljas samm hõlmab
arendamise, juurutamise ja sünkroonimise protsessid andma sisse
andmekogus. Viimases etapis on süsteemi tarnimine
arendatud rõhuasetusega kasutajaliidesele.
McFadden juhib tähelepanu sellele, et joonistamisprotsess on üldiselt
iteratiivne.
McFaddeni lähenemise tugevused viitavad osalemisele
ettevõtete juhid nõuete kindlaksmääramisel ja ka
ressursside tähtsust andmanende puhastamine ja kogumine. Tema
kinks on seotud a jagamise protsessi puudumisega
suur projekt andmekogus paljudes integreeritud etappides ja seal
raskused projekteerimisel kasutatud olemi- ja suhtemudelite mõistmisel
andmekogus.

admin Tegevjuht & Turundus

👍Võrguveebiagentuur | Veebiagentuuri ekspert digitaalse turunduse ja SEO alal. Veebiagentuur Online on veebiagentuur. Agenzia Web Online'i jaoks põhineb edu digitaalse transformatsiooni vallas Iron SEO versiooni 3 alustel. Erialad: süsteemiintegratsioon, ettevõtte rakenduste integreerimine, teenusele orienteeritud arhitektuur, pilvandmetöötlus, andmeladu, äriteave, suurandmed, portaalid, sisevõrgud, veebirakendused Relatsiooniliste ja mitmemõõtmeliste andmebaaside projekteerimine ja haldamine Digitaalse meedia liideste kujundamine: kasutatavus ja graafika. Interneti-veebiagentuur pakub ettevõtetele järgmisi teenuseid: -SEO Google'is, Amazon, Bing, Yandex; -Web Analytics: Google Analytics, Google Tag Manager, Yandex Metrica; -Kasutajate konversioonid: Google Analytics, Microsoft Clarity, Yandex Metrica; -SEM Google'is, Bingis, Amazon Adsis; -Sotsiaalmeedia turundus (Facebook, Linkedin, Youtube, Instagram).

Vaata täielikku biograafiat

Digitaalne turundus andmebaas DB-süsteemid Andmeladu andmed Science internetireklaam Infotehnoloogia Web Agentuur Reklaamiagentuur Turundus