Tietovarasto ja toiminnanohjausjärjestelmä KESKITIEDOTArkisto: HISTORIA JA KEHITYKSET

ARKISTO TIEDOT KESKUS: HISTORIA JA KEHITYKSET

90-luvun yritysteknologian kaksi hallitsevaa teemaa ovat
toteaa i tietovarasto ja ERP. Pitkään nämä kaksi voimakasta
virrat ovat olleet osa yrityksen IT-tietokonetta ilman, että niitä olisi koskaan ollut
risteykset. Se oli melkein kuin ne olisivat aineita ja anti-aineita. Mutta
molempien ilmiöiden kasvu johti väistämättä yhteen
heidän risteyksensä. Yritykset kohtaavat nykyään
mitä tehdä ERP: llä e tietovarasto. Tämä artikkeli havainnollistaa
mitkä ovat ongelmat ja miten yritykset käsittelevät niitä.
ALUSSA…
Alussa oli tietovarasto. Tietovarasto syntyi
torjua tapahtumien käsittelysovellusjärjestelmä.
Alkuaikoina Dati se oli tarkoitettu
vain vastakohta
liiketoimia. Mutta nykyään on paljon kehittyneempiä visioita
kuin mitä a tietovarasto. Nykymaailmassa
tietovarasto se lisätään rakenteeseen, joka voi olla
nimeltään Corporate Information Factory.
YRITYSTIETOTEHDAS
(CIF)
Yritystietotehtaalla on arkkitehtonisia komponentteja
standardi: koodimuunnoksen ja integraation taso
joka integroi i Dati sillä aikaa kun minä Dati he siirtyvät
- ympäristösovellus tietovarasto yrityksen, yhtiön; a
tietovarasto yrityksen, jossa i Dati
yksityiskohtaiset ja integroidut historiat. tietovarasto yhtiön palveluksessa
perusta, jolle kaikki muut osat voidaan rakentaa
ympäristön ympäristöstä tietovarasto; operatiivinen tietovarasto (ODS).
ODS on hybridirakenne, joka sisältää joitain tietoja
varasto ja muut OLTP-ympäristön näkökohdat; datamartit, joissa i
eri osastoilla voi olla oma versio tiedoista
varasto; a tietovarasto etsintä, jossa i
Yrityksen "ajattelijat" voivat esittää kyselynsä
72 tuntia ilman haitallisia vaikutuksia tietovarasto; ja muisti
lähellä linjaa, jossa Dati vanha ja Dati irtotavaraa voi olla
halvalla varastoituna.
Missä ERP yhdistää
YRITYSTIETOTEHDAS
ERP sulautuu yritystietotehtaaseen kahdessa paikassa.
Ensin perussovelluksena (lähtötasona), joka tarjoaa
Dati hakemuksesta tietovarasto. Tässä tapauksessa i Dati,
syntyy tapahtumaprosessin sivutuotteena,
on integroitu ja ladattu tietovarasto yrityksen, yhtiön.
toinen liittymiskohta ERP: n ja CIF: n ja ODS: n välillä. Todellakin, monet
ERP: tä käytetään klassisena ODS: nä.
Jos ERP: tä käytetään ydinsovelluksena, se on
samaa ERP: tä voidaan käyttää myös CIF: ssä ODS: nä. Sisään
jos kuitenkin ERP: tä käytetään molemmissa rooleissa, siellä
näiden kahden yksikön välillä on oltava selkeä ero. Toisin sanoen,
kun ERP: llä on ydinsovelluksen ja ODS: n rooli,
kahden arkkitehtonisen kokonaisuuden on oltava erillisiä. Jos yksi
ERP: n toteuttaminen yrittää toistaa molemmat roolit
samaan aikaan EU: ssa on väistämättä ongelmia
rakenteen suunnittelu ja toteutus.
ERITYISET HAJAT JA PERUSSOVELLUKSET
On monia syitä, jotka johtavat komponenttien jakamiseen
arkkitehtoninen. Ehkä kaikkein kertavin kysymys erottaa
arkkitehtuurin eri komponentit ovat kukin komponentti
arkkitehtuurilla on oma näkemyksensä. Perussovellus on tarpeen
muuhun tarkoitukseen kuin ODS. Yritä olla päällekkäisiä
perustason sovelluskuva ODS: n maailmasta tai päinvastoin
se ei ole oikea tapa työskennellä.
Näin ollen ERP: n ensimmäinen ongelma CIF: ssä on
- tarkista, onko perustason sovellusten ja
SDG:t.
DATAMALLIT YRITYKSESSÄ
TIETOTEHDAS
Eri komponenttien välisen yhteenkuuluvuuden saavuttamiseksi
CIF: n arkkitehtuurista on oltava malli Dati. Minä
malleja Dati toimivat linkkinä eri komponenttien välillä
arkkitehtuuri, kuten perussovellukset ja ODS. THE
malleja Dati tulla "henkiseksi etenemissuunnitelmaksi"
oikea merkitys CIF: n eri arkkitehtonisten komponenttien avulla.
Ajatuksena on, että tämän pitäisi olla käsityksen kanssa
olla hieno ja ainutlaatuinen malli Dati. Ilmeisesti hänen täytyy
olla malli Dati kullekin komponentille ja lisäksi siellä
sen on oltava järkevä polku, joka yhdistää eri mallit.
Jokainen arkkitehtuurin osa - ODS, perussovellukset,
tietovarasto yritys, ja niin edelleen .. - tarvitsee omansa
malli Dati. Ja niin on oltava tarkka määritelmä
kuten nämä mallit Dati ne ovat yhteydessä toisiinsa.
SIIRRY I TIEDOT ERP-PÄIVÄMÄÄRÄ
VARASTO
Jos alkuperä Dati on perussovellus ja / tai ODS, kun
ERP-insertit i Dati sisään tietovarasto, tällaisen lisäyksen on oltava
esiintyy alimmalla "rakeisuuden" tasolla. Yhteenveto tai
yksinkertaisesti koota i Dati kun he tulevat ulos
ERP: n lähtötasosta tai ERP: n ODS: stä ei ole
oikea asia. THE Dati tiedot tarvitaan päivämäärään
varasto muodostaa DSS-prosessin perustan. Tällainen Dati
datamartit ja tutkimukset muokkaavat niitä monin tavoin
ja tietovarasto.
Siirtymä Dati lähtötason sovellusympäristöstä
ERP: n kohdistaminen ERP: n ympäristöön tietovarasto yrityksen toiminta tapahtuu a
kohtuullisen rento. Tuo muutos tapahtuu sen jälkeen
noin 24 tuntia päivityksestä tai luomisesta ERP: hen. Tosiasia
on "laiska" jumalien liike Dati sisään tietovarasto
yrityksen sallii Dati tulossa ERP: ltä "asettumaan".
Kerran minä Dati talletetaan perussovellukseen,
sitten voit liikkua turvallisesti i Dati ERP
seurassa. Toinen tavoite saavutettavissa liikkeen ansiosta
"Laiska" jumalat Dati on selkeä rajaus operatiivisten prosessien ja
DSS. Kanssa "nopea" liike Dati jakolinja
DSS: n ja toiminnallisen välinen ero on edelleen epämääräinen.
Liikkuminen Dati ERP: n ODS: stä tietovarasto
yleensä tehdään säännöllisin väliajoin
viikoittain tai kuukausittain. Tässä tapauksessa
Dati se perustuu tarpeeseen "puhdistaa" vanha Dati historioitsijat.
Tietenkin ODS sisältää i Dati jotka ovat paljon uudempia
kunnioitus Dati historioitsijat löytyi tietovarasto.
Siirtymä Dati sisään tietovarasto sitä ei ole melkein koskaan tehty
"Tukkukauppa" (tukkumyyjän tavoin). Kopioi taulukko
ERP-ympäristöstä tietovarasto siinä ei ole järkeä. Yksi lähestymistapa
paljon realistisempi on Dati.
Vain Dati jotka ovat muuttuneet päivämäärän edellisen päivityksen jälkeen
varasto ovat niitä, jotka tulisi siirtää tietoihin
varasto. Yksi tapa tietää mitkä Dati niitä on muokattu
viimeisimmän päivityksen jälkeen on tarkasteltava Dati
löytyy ERP-ympäristöstä. Suunnittelija valitsee kaikki muutokset
joita on tapahtunut edellisen päivityksen jälkeen. Toinen lähestymistapa
on käyttää muutosten hankintatekniikoita Dati. kanssa
näitä tekniikoita analysoidaan loki- ja päiväkirjanauhoilla
määrittää mitkä Dati on siirrettävä ERP-ympäristöstä
Se tietovarasto. Nämä tekniikat ovat parhaita
kuinka paljon lokeja ja päiväkirjanauhoja voidaan lukea ERP-tiedostoista
ilman muita vaikutuksia ERP: n muihin resursseihin.
MUUT KOMPLIKAATIOT
Yksi ongelmista ERP: ssä CIF: ssä on se, mitä tapahtuu muille
sovelluslähteet tai ai Dati ODS: n, jonka on edistettävä
tietovarasto mutta ne eivät ole osa ERP-ympäristöä. Kun otetaan huomioon
ERP: n, etenkin SAP: n, sulautumisyrityksen suljettu luonne
avaimet ulkoisista lähteistä Dati i: n kanssa Dati jotka tulevat ERP: stä
aika liikkua i Dati sisään tietovarasto, se on suuri haaste.
Ja kuinka monta tarkalleen on todennäköisyyksiä, että minä Dati sovellusten tai
ERP-ympäristön ulkopuoliset ODS integroidaan dataan
varasto? Kertoimet ovat todella korkeat.
LÖYTÖ TIEDOT ERP: N HISTORIAT
Toinen ongelma Dati ERP on tuloksena
tarpeesta saada Dati historioitsijat tietovarasto.
Yleensä tietovarasto tarpeisiin Dati historioitsijat. ON
yleensä ERP-tekniikka ei tallenna näitä Dati
historiallinen, ainakaan siihen pisteeseen, missä sitä tarvitaan päivämääränä
varasto. Kun suuri määrä Dati historioitsijat alkavat
lisätään ERP-ympäristöön, tällaisen ympäristön on oltava
siivottu. Oletetaan esimerkiksi a tietovarasto on pakko
ladata viisi vuotta Dati historiallinen, kun taas ERP: llä on
enintään kuusi kuukautta näistä Dati. Niin kauan kuin yritys on tyytyväinen
kerätä erilaisia Dati historiallinen ajan myötä,
silloin ei ole mitään ongelmia käyttää ERP: tä lähteenä
tietovarasto. Mutta kun tietovarasto täytyy mennä
ottaa ajassa taaksepäin ja ota jumalia Dati historioitsijat, jotka eivät ole olleet
ERP on aiemmin kerännyt ja tallentanut sen, sitten ERP-ympäristö
tulee tehottomaksi.
ERP JA METADATA
Toinen huomio ERP: stä ja tietovarasto onko tuo
olemassa olevista metatiedoista ERP-ympäristössä. Sekä metatiedot
ne siirtyvät ERP-ympäristöstä tietovarasto,
metatiedot on siirrettävä samalla tavalla. Lisäksi i
metatiedot on muutettava muodossa ja rakenteessa
- infrastruktuurin edellyttämät tietovarasto. On iso
ero operatiivisten metatietojen ja DSS-metatietojen välillä. Metatiedot
ovat pääasiassa kehittäjille ja
ohjelmoija. DSS-metatiedot ovat ensisijaisesti käyttäjälle
viimeinen. Olemassa olevat metatiedot ERP-sovelluksissa tai ODS-tiedostoissa
ne on muunnettava, eikä muuntaminen ole aina helppoa
ja suora.
ERP-TIETOJEN HANKINTA
Jos ERP: tä käytetään palveluntarjoajana Dati varten tietovarasto ci
sen on oltava kiinteä liitäntä, joka liikkuu i Dati ympäristöstä
ERP ympäristöön tietovarasto. Käyttöliittymän on:
▪ olla helppo käyttää
▪ sallia pääsy Dati ERP
▪ ottaa merkityksen Dati joita ollaan siirtämässä
sisään tietovarasto
▪ tietää ERP: n rajoitukset, joita saattaa syntyä
kun kirjaudut sisään Dati ERP: n
▪ viitteellinen eheys
▪ hierarkkiset suhteet
▪ implisiittiset loogiset suhteet
▪ sovelluskäytäntö
▪ kaikki rakenteet Dati tukee ERP, ja niin edelleen ...
▪ oltava tehokas pääsyyn Dati, tarjoamalla:
▪ suora liike Dati
▪ muutoksen hankinta Dati
▪ tukea oikea-aikaista pääsyä Dati
▪ ymmärtää tiedostomuodon Dati, ja niin edelleen…
Rajapinta SAP: n kanssa
Käyttöliittymä voi olla kahden tyyppinen, kotimainen tai kaupallinen.
Joitakin tärkeimmistä kaupallisista rajapinnoista ovat:
▪ SAS
▪ Prims-ratkaisut
▪ D2k ja niin edelleen ...
Useita ERP-tekniikoita
ERP-ympäristön kohtelu ikään kuin se olisi yksi tekniikka, on
iso virhe. ERP-tekniikoita on monia, jokaisella on oma
vahvuudet. Tunnetuimmat myyjät markkinoilla ovat:
▪ SAP
▪ Oracle Financials
▪ PeopleSoft
JD Edwards
▪ Baans
SAP
SAP on suurin ja kattavin ERP-ohjelmisto. Sovellukset
SAP sisältää monenlaisia ​​sovelluksia monilla alueilla. SAP: lla on
maine olla:
▪ erittäin suuri
▪ erittäin vaikea ja kallis toteuttaa
▪ tarvitsee monia ihmisiä ja konsultteja
toteutettu
▪ tarvitsee toteuttamiseen erikoistuneita ihmisiä
▪ kestää kauan toteuttaa
Lisäksi SAP: llä on maine muistaa omasi Dati molto
huolellisesti, mikä vaikeuttaa yhden pääsyä niihin
henkilö SAP-alueen ulkopuolella. SAP: n vahvuus on olla
pystyy sieppaamaan ja tallentamaan suuren määrän Dati.
SAP ilmoitti äskettäin aikomuksestaan ​​jatkaa
sen sovellukset ai tietovarasto. On monia hyviä ja huonoja puolia
käytettäessä SAP: tä tietovarasto.
Yksi etu on, että SAP on jo asennettu ja että suurin osa
konsultit tuntevat jo SAP: n.
Haitat SAP: n toimittajana tietovarasto ovat
monet: SAP: lla ei ole kokemusta tietovarasto
Jos SAP on tietovarasto, on tarpeen "ottaa pois"
i Dati SAP al tietovarasto. Dato SAP: n seuranta
suljetussa järjestelmässä, on epätodennäköistä, että i on helppo saada SAP: sta
se (???). On monia vanhoja ympäristöjä, jotka käyttävät SAP: ta,
kuten IMS, VSAM, ADABAS, ORACLE, DB2 ja niin edelleen.
SAP vaatii "ei keksitty täällä" -lähestymistapaa. SAP ei halua
yhteistyössä muiden toimittajien kanssa käyttää tai luoda tietovarasto.
SAP vaatii koko ohjelmiston luomista itse.
Vaikka SAP on suuri ja tehokas yritys, tosiasia
yrittää kirjoittaa uudelleen ELT: n, OLAP: n tekniikkaa,
järjestelmän ja jopa DBMS se on vain hullua.
Sen sijaan, että omaksuttaisiin yhteistyökykyinen asenne toimittajien kanssa
di tietovarasto pitkään SAP on noudattanut lähestymistapaa
he "tietävät enemmän". Tämä asenne pidättää menestystä
SAP voi olla alueella tietovarasto.
SAP kieltäytyi antamasta ulkopuolisille toimittajille pääsyä
nopeasti ja sulavasti heille Dati. Itse käytön ydin
un tietovarasto on helppo käyttää Dati. SAP: n koko tarina on
perustuu vaikeuttamiseen Dati.
SAP: lla ei ole kokemusta suurten volyymien käsittelystä Dati;
alalla tietovarasto on määriä Dati ei ole koskaan nähty
SAP ja käsitellä näitä suuria määriä Dati sinulla on oltava yksi
sopiva tekniikka. SAP ei ilmeisesti ole tietoinen tästä
tekninen este, joka on olemassa tietokentän syöttämiseen
varasto.
SAP: n yrityskulttuuri: SAP on luonut liiketoiminnan
i: n saamiseksi Dati järjestelmästä. Mutta tätä varten sinulla on oltava
erilainen mentaliteetti. Perinteisesti ohjelmistoyritykset, jotka olivat
hyvät tietojen saamiseksi ympäristöön eivät ole olleet hyviä
tietojen saaminen toiseen suuntaan. Jos SAP pystyy tekemään tällaisen
switch on ensimmäinen yritys, joka tekee niin.
Lyhyesti sanottuna on kyseenalaista, pitäisikö yrityksen valita
SAP toimittajana tietovarasto. On olemassa erittäin vakavia riskejä
toisaalta ja hyvin vähän palkintoja. Mutta on toinenkin
syystä, joka estää SAP: n valitsemisen päivämäärätoimittajana
varasto. Koska jokaisella yrityksellä pitäisi olla sama päivämäärä
kaikkien muiden yritysten varasto? tietovarasto on sydän
kilpailuetu. Jos jokainen yritys omaksui saman
tietovarasto se olisi vaikeaa, vaikka ei mahdotonta,
saavuttaa kilpailuetu. SAP näyttää ajattelevan, että a
tietovarasto sitä voidaan pitää evästeenä ja se on
toinen merkki heidän "saada tietoja
sisään".
Mikään muu ERP-toimittaja ei ole yhtä hallitseva kuin SAP.
Epäilemättä on yrityksiä, jotka seuraavat SAP-polkua
heidän omilleen tietovarasto mutta oletettavasti nämä päivämäärät
SAP-varastot ovat suuria, kalliita ja erittäin vaativia
aikaa niiden luomiseen.
Nämä ympäristöt sisältävät sellaisia ​​toimintoja kuin "pankkitilien käsittely",
lentoyhtiöiden varausprosessit, valitusprosessit
vakuutukset ja niin edelleen. Suorituskykyisempi oli tapahtumajärjestelmä,
ilmeisempi oli tarve erottaa operatiivinen prosessi ja
DSS (päätöksenteon tukijärjestelmä). Kuitenkin resurssijärjestelmillä
ihminen ja henkilökohtainen, et koskaan kohdata suuria määriä
liiketoimia. Ja tietysti, kun henkilö palkataan
tai lähteä yrityksestä, tämä on tapahtuman kirjaa.
Mutta suhteessa muihin järjestelmiin, henkilöresurssijärjestelmiin ja
henkilökohtaisella ei yksinkertaisesti ole paljon tapahtumia. Siksi
inhimillisten ja henkilökohtaisten resurssien järjestelmien välillä ei ole täysin selvää
tarvitset DataWarehousen. Monin tavoin nämä järjestelmät
edustavat DSS-järjestelmien yhdistämistä.
Mutta on vielä yksi tekijä, joka on otettava huomioon, jos joku joutuu tekemään niin
tehdä tietovaraston ja PeopleSoftin kanssa. Monissa ympäristöissä, i Dati
henkilöstöresurssit ovat toissijaisia ​​liiketoiminnalle
ensisijainen yritys. Suurin osa yrityksistä toimii
valmistus, myynti, palvelujen tarjoaminen ja niin edelleen. THE
inhimilliset ja henkilökohtaiset resurssijärjestelmät ovat yleensä toissijaisia ​​(tai
tuki) yrityksen ydinliiketoimintaan. Siksi se on
yksiselitteinen ja hankala a tietovarasto erillinen
tuki henkilö- ja henkilökohtaisille resursseille.
PeopleSoft on tässä suhteessa hyvin erilainen kuin SAP. SAP: n kanssa se on
pakollinen, että on olemassa tietovarasto. PeopleSoftin kanssa se ei ole
sitten niin selvä. Tietovarasto on valinnainen PeopleSoftin kanssa.
Parasta mitä voidaan sanoa Dati PeopleSoft on se päivämäärä
varastoa voidaan käyttää i Dati suhteen
vanhat inhimilliset ja henkilökohtaiset resurssit. Toinen syy
jota yritys haluaisi käyttää a tietovarasto a
PeopleSoft-ympäristön vahingoksi on sallia pääsy ja
ilmainen pääsy analyysityökaluihin, ai Dati kirjoittanut PeopleSoft. Mutta
Näiden syiden lisäksi voi olla tapauksia, joissa on parempi olla tekemättä
sinulla on tietovarasto Dati PeopleSoft.
Yhteenvetona
Päivämäärän rakentamisesta on paljon oivalluksia
varasto ERP-ohjelmiston sisällä.
Jotkut näistä ovat:
▪ On järkevää saada a tietovarasto se näyttää miltä tahansa
muu alalla?
▪ Kuinka joustava toiminnanohjausohjelma on tietovarasto ohjelmisto?
▪ ERP tietovarasto ohjelmisto pystyy käsittelemään
Dati joka sijaitsee "tietovarasto areena "?
▪ Mikä on ERP-toimittajan tekemä tietue
edessään helppo ja edullinen, ajan suhteen, Dati? (mitä
on ERP-toimittajien kokemus halpojen,
aikaa, tietoja on helppo käyttää?)
▪ Mikä on DSS-arkkitehtuurin ja
ERP-toimittajan "yritystietotehdas"?
▪ ERP-toimittajat ymmärtävät miten päästä Dati sisällä
ympäristössä, mutta ymmärrät myös, kuinka niitä viedään?
▪ Kuinka avoin on ERP: n tasalla olevien instrumenttien myyjä
varastointi?
Kaikki nämä seikat on otettava huomioon määritettäessä
mihin laittaa tietovarasto joka isännöi i Dati ERP ja muut
Dati. Yleensä, ellei sille ole pakottavaa syytä
tehdä muuten on suositeltavaa rakentaa tietovarasto ulos
ERP-toimittajan ympäristöstä.
LUKU 1
Yleiskatsaus BI-organisaatioon
Keskeiset kohdat:
Tietovarastot toimivat päinvastoin
liiketoimintatiedon (BI) arkkitehtuuriin:
Yrityskulttuuri ja IT voivat rajoittaa menestystä
BI-organisaatioiden rakentaminen.
Teknologia ei ole enää rajoittava tekijä BI-organisaatioille.
Arkkitehtien ja projektisuunnittelijoiden ongelma ei ole, jos
tekniikkaa on olemassa, mutta jos ne pystyvät tehokkaasti toteuttamaan
käytettävissä olevaa tekniikkaa.
Monille yrityksille a tietovarasto se on vain muutakin kuin talletus
passiivinen jakelu i Dati käyttäjille, jotka sitä tarvitsevat. THE Dati
ne on erotettu lähdekoodijärjestelmistä ja asuttu kohderakenteisiin
di tietovarasto. Minä Dati ne voidaan puhdistaa myös kokonaisuudessaan
onnea. Myöskään ylimääräistä arvoa ei kuitenkaan lisätä
kerännyt Dati prosessin aikana.
Pohjimmiltaan passiivinen DW tuottaa parhaimmillaan
vain minä Dati puhdas ja toimiva käyttäjäyhdistyksille. Siellä
tietojen luominen ja analyyttinen ymmärtäminen riippuvat
kokonaan käyttäjät. Tuomari, jos DW (Tietovarasto) olla
menestys on subjektiivista. Jos arvioimme menestystä
kyky kerätä, integroida ja puhdistaa tehokkaasti i Dati
yritys ennakoitavissa olevalla pohjalla, niin kyllä, DW on menestys.
Toisaalta, jos tarkastelemme kokoelmaa, yhdistämistä ja sitä
tiedon hyödyntäminen koko organisaatiossa
DW on vika. DW antaa vain vähän tai ei ollenkaan arvoa
tiedot. Tämän seurauksena käyttäjien on pakko tehdä,
näin luodaan informaatiotiloja. Tässä luvussa esitellään
täydellinen visio yhteenvetona BI (Business
Älykkyys). Aloitetaan BI: n ja
sitten siirrymme keskusteluihin suunnittelusta ja
tietojen kehittäminen, toisin kuin yksinkertaisesti i Dati
käyttäjille. Keskustelut keskittyvät sitten laskentaan
BI-ponnisteluidesi arvo. Lopuksi määritellään miten IBM
osoite organisaatiosi arkkitehtuurin BI-vaatimuksiin.
Arkkitehtuurin kuvaus
organisaatio BI
Tehokkaat tapahtumakeskeiset tietojärjestelmät ovat nyt
jokaisen suuren yrityksen asialistalla, kun ne tasoittuvat
tehokkaasti leikkipaikka yrityksille ympäri maailmaa.
Kilpailukyvyn ylläpitäminen vaatii kuitenkin nyt järjestelmiä analyyttisesti
siihen suuntautunut voi mullistaa yrityksen kyvyn löytämällä uudelleen ja
käyttämällä heillä jo olevia tietoja. Nämä järjestelmät
analytiikka syntyy ymmärtämisestä rikkaudesta Dati
saatavilla. BI voi parantaa kaikkien tietojen suorituskykyä
yrityksen, yhtiön. Yritykset voivat parantaa asiakassuhteita ja
toimittajien, parantaa tuotteiden ja palvelujen voittoa, tuottaa
uusia ja parhaita tarjouksia, riskienhallintaa ja monien muiden joukossa
tulot leikkaavat menoja rajusti. BI: n kanssa
yritys lopulta alkaa käyttää asiakastietoja
kilpailukykyisenä voimavarana sovellusten ansiosta, joiden tavoitteet ovat
markkinoida.
Oikean liiketoiminnan merkitys tarkoittaa lopullisten vastausten saamista
avainkysymyksiä, kuten:
▪ Mikä meidän asiakkaat ne saavat meidät ansaitsemaan enemmän tai siellä
lähettävätkö he tappiolla?
▪ Missä parhaamme asuvat asiakkaat suhteessa kauppa/
varasto, jota he usein käyvät?
▪ Mitkä tuotteistamme ja palveluistamme voidaan myydä eniten
tehokkaasti ja kenelle?
▪ Mitä tuotteita voidaan myydä tehokkaimmin ja kenelle?
▪ Mikä myyntikampanja oli menestynein ja miksi?
▪ Mitkä myyntikanavat ovat tehokkaimpia mille tuotteille?
▪ Kuinka voimme parantaa suhteitamme parhaisiin asiakkaat?
Useimmilla yrityksillä on Dati karkea vastata
nämä kysymykset.
Operatiiviset järjestelmät tuottavat suuria määriä tuotetta
asiakas ja Dati myyntipaikoista, varaukset,
asiakaspalvelu- ja teknisen tuen järjestelmistä. Haaste on
poimia ja hyödyntää näitä tietoja.
Monet yritykset hyödyntävät vain pieniä omia murto-osia Dati
strategisiin analyyseihin.
I Dati jäljellä, usein liitetty i: hen Dati ulkoisista lähteistä, kuten i
"Hallituksen raportit" ja muut ostetut tiedot ovat yksi
kultakaivos odottaa vain tutkimista, ei Dati on pakko
vain tarkennetaan omassa informaatiokontekstissasi
organisaatio.
Tätä tietoa voidaan soveltaa useilla tavoilla, muunnelmilla
yleisen yritysstrategian suunnittelusta
henkilökohtainen viestintä toimittajien kanssa puhelinkeskusten kautta,
laskutus, Internet ja muut kohdat. Tämän päivän liiketoimintaympäristö sanelee
että DW ja siihen liittyvät BI-ratkaisut kehittyvät edelleen
Venäjän perinteisten rakenteiden toteuttaminen Dati jonka minä Dati normalisoitu
atomitason ja "tähti / kuutio maatilat".
Kilpailukyvyn ylläpitämiseksi tarvitaan sulautumista
perinteistä ja edistynyttä tekniikkaa pyrittäessä tukemaan a
laaja analyyttinen maisema.
Lopuksi yleisen ympäristön on parannettava tietoa
koko yritykselle varmistaen, että toteutetut toimet toteutetaan
tehtyjen analyysien seurauksena ne ovat hyödyllisiä niin, että kaikki tekevät
hyötyä.
Oletetaan esimerkiksi, että sijoitat omasi asiakkaat luokissa
korkea tai matala riski.
Jos nämä tiedot luodaan purkumallilla tai
muulla tavoin se on asetettava DW: hen ja tehtävä sen saataville
kenenkään, millä tahansa tavalla, kuten i
staattiset raportit, laskentataulukot, taulukot tai analyyttinen käsittely
linja (OLAP).
Kuitenkin tällä hetkellä paljon tällaista tietoa
pysyä siiloissa Dati yksilöistä tai osastoista, joita he tuottavat
analyysi. Organisaatiolla kokonaisuutena on vain vähän tai ei lainkaan näkyvyyttä
ymmärtämistä varten. Vain sekoittamalla tämän tyyppistä sisältöä
tietoja yrityksessäsi DW: llä voit poistaa
ja nosta Dw-ympäristöäsi.
Organisaation kehityksellä on kaksi suurta estettä
BI: stä.
Ensinnäkin meillä on itse organisaation ongelma
asiaan liittyvien asetusten
Vaikka emme voi auttaa politiikan muutoksissa
organisaation, voimme auttaa sinua ymmärtämään
BI-organisaatio, sen arkkitehtuuri ja miten
IBM-tekniikka helpottaa sen kehittämistä.
Toinen ylitettävä este on tekniikan puute
integroitu ja koko tilaa muistuttavan menetelmän tuntemus
BI: n sijaan vain pieni komponentti.
IBM reagoi tekniikan muutoksiin
integraation kannalta. Sinun vastuullasi on tarjota malli
itsetietoinen. Tätä arkkitehtuuria on kehitettävä
integroitumiseen valittu tekniikka ilman rajoituksia tai ainakin
tekniikka, joka noudattaa avoimia standardeja. Myös sinun
yrityksen johdon on varmistettava, että Bi: n yritys on
aikataulun mukaisesti eikä sallia sitä
itsepalvelusta saatavien tietohallien kehittäminen
asialistat tai tavoitteet.
Tämä ei tarkoita sitä, ettei BI-ympäristö ole herkkä
reagoida eri käyttäjien erilaisiin tarpeisiin ja vaatimuksiin; sen sijaan se tarkoittaa
että näiden yksilöllisten tarpeiden ja vaatimusten täytäntöönpano on
tehdään koko BI-organisaation hyödyksi.
Kuvaus BI-organisaation arkkitehtuurista voi
löytyy sivulta 9. Kuvassa 1.1. Arkkitehtuuri osoittaa
runsas sekoitus tekniikoita ja tekniikoita.
Perinteisestä näkökulmasta arkkitehtuuri sisältää seuraavat komponentit
varaston
Atomikerros.
Tämä on koko DW: n perusta, sydän ja siten
strateginen raportointi.
I Dati tähän tallennettu säilyttää historiallisen eheyden, raportit
Dati ja sisältää johdetun mittarin sekä puhtauden,
integroitu ja tallennettu käyttämällä purkumalleja.
Näiden kaikki myöhempi käyttö Dati ja siihen liittyvät tiedot ovat
johdettu tästä rakenteesta. Tämä on erinomainen lähde
louhinta Dati ja raportteihin, joissa on jäsennelty SQL-kysely
Operatiivinen talletus Dati tai raporttipohja
Dati(Operatiivinen tietovarasto (ODS) tai raportointi
tietokanta.)
Tämä on Dati erityisesti suunniteltu
tekninen raportointi.
I Dati nämä rakenteet voidaan lopulta tallentaa
levittää varastossa organisaatiovyöhykkeen kautta (vaiheistus
alue), jossa sitä voitaisiin käyttää strategiseen raportointiin.
Vaihealue.
Ensimmäinen pysäkki useimmille Dati tarkoitettu ympäristöön
varasto on organisaatioalue.
Täällä minä Dati ne integroidaan, puhdistetaan ja muunnetaan Dati hyödyllistä
täyttää varastorakenteen
Päivämäärät.
Tämä arkkitehtuurin osa edustaa Dati usata
erityisesti OLAP: lle. Datamarttien läsnäolo, jos i Dati ovat
Tähtimalliin tallennetaan päällekkäin Dati
moniulotteinen suhteellisessa ympäristössä tai arkistokaapeissa
di Dati tietyn OLAP-tekniikan, kuten
DB2 OLAP -palvelin, sillä ei ole merkitystä.
Ainoa rajoitus on, että arkkitehtuuri helpottaa Dati
moniulotteinen.
Arkkitehtuuri kattaa myös Bi: n kriittiset tekniikat ja tekniikat
jotka erotetaan seuraavasti:
Alueanalyysi
Avaruus on odottamaton tietovaranto analyytikoille ja
ratkaisevan ratkaisun saaminen on kriittistä. Avaruus voi
edustavat tietyssä maassa asuvien ihmisten tietoja
sijainti sekä tiedot sijainnin sijainnista
fyysisesti verrattuna muuhun maailmaan.
Tämän analyysin suorittamiseksi sinun on ensin sidottava omasi
tiedot leveys- ja pituuskoordinaateilla. Tämä se on
kutsutaan "geokoodaukseksi" ja sen on oltava osa uuttamista,
muunnos ja latausprosessi (ETL) tasolla
varastostasi.
Tiedon louhinta.
Liuottaminen Dati antaa yrityksillemme mahdollisuuden kasvaa
numero asiakkaat, ennustaa myyntitrendit ja sallia
suhteiden hallinta i: n kanssa asiakkaat (CRM) muiden aloitteiden ohella
BI.
Liuottaminen Dati Sen vuoksi se on integroitava
Dati DWHouseen ja sitä tukevat varaston prosessit
- varmistaa sekä tekniikan tehokas ja tehokas käyttö että -
liittyvät tekniikat.
Kuten BI-arkkitehtuurissa on esitetty,
Dwhouse, kuten datamarts, on erinomainen lähde Dati
uuttamista varten. Samojen rakenteiden on myös oltava
uuttotulosten vastaanottajat varmistaakseen saatavuuden
laajin yleisö.
Edustajat.
On olemassa useita agentteja, jotka tutkivat asiakasta kullekin kohdalle, kuten i
yrityksen käyttöjärjestelmät ja sama dw. Nämä aineet voivat
olla edistyneitä hermoverkkoja, jotka on koulutettu oppimaan
kunkin pisteen trendit, kuten tuotepohjaisen tulevan kysynnän
myynninedistämisestä, sääntöihin perustuvista moottoreista, joihin voidaan reagoida
un Dato joukko olosuhteita tai jopa yksinkertaisia ​​tekijöitä, jotka
he ilmoittavat poikkeuksista "ylimmälle johdolle". Nämä prosessit tekevät
yleensä läsnä reaaliajassa ja siksi on
olla läheisessä yhteydessä saman liikkumiseen Dati.
Kaikki nämä Dati, tekniikat ja tekniikat takaavat
että et viettää yötä luomalla organisaatiota
sinun BI.
Tätä toimintaa kehitetään asteittain pienille
pistettä.
Jokainen vaihe on itsenäinen projektityö, ja siitä raportoidaan
iteraationa dw- tai BI-aloitteessasi. Toistot
voi sisältää uuden tekniikan käyttöönoton
aloita uusilla tekniikoilla lisäämällä uusia rakenteita Dati ,
lastaus i Dati - tai laajentamalla analyysia
ympäristösi. Tätä kohtaa käsitellään enemmän
perusteellisesti luvussa 3.
Dw: n perinteisten rakenteiden ja Bi: n työkalujen lisäksi on muitakin
BI-organisaation toiminnot, joista olet velkaa
suunnittelu, kuten:
Asiakkaan kosketuspisteet (Asiakkaan kosketus)
kohdat).
Kuten minkä tahansa modernin organisaation kohdalla, on olemassa useita
asiakkaiden kosketuspisteet, jotka osoittavat, miten kokemus saadaan
positiivinen sinun asiakkaat. On perinteisiä kanavia, kuten i
kauppiaat, vaihdeoperaattorit, suoramainonta, multimedia ja tulostus
mainonta sekä uusimmat kanavat, kuten sähköposti ja verkko, ts Dati
tuotteet, joilla on jokin yhteyspiste, on hankittava,
kuljetetaan, puhdistetaan, muunnetaan ja sitten asutaan Dati ja
BI.
Perustiedot Dati operatiiviset ja käyttäjäyhdistykset
tietokannat ja käyttäjäyhteisöt).
Yhteyspisteiden lopussa asiakkaat löydät perusteet Dati
yrityksen ja käyttäjäyhteisöjen sovellus. THE Dati nykyinen
ovat Dati perinteinen, joka on yhdistettävä ja sulautettava Dati että
virtaus kosketuspisteistä tarvittavan täyttämiseksi
tiedot.
Analyytikot. (Analyytikot)
BI-ympäristön ensisijainen edunsaaja on analyytikko. Hän on se, joka
hyötyy nykyisestä Dati toiminnallinen, integroitu
eri lähteet Dati , täydennetty ominaisuuksilla, kuten analyysi
maantieteellinen (geokoodaus) ja esitetty BI-tekniikoissa, jotka
avulla voit purkaa, OLAP: n, edistyneen SQL-raportoinnin ja -analyysin
maantieteellinen. Ensisijainen käyttöliittymä analyytikoille
raportointi on BI-portaali.
Analyytikko ei kuitenkaan ole ainoa, joka hyötyy
BI.
Johtajat, suuret käyttäjäyhdistykset ja jopa kumppanit, toimittajat ja minä
asiakkaat heidän pitäisi löytää etuja yrityksen BI: stä.
Takaisinsyötön silmukka.
BI-arkkitehtuuri on oppimisympäristö. Periaate
Ominaisuus kehitykselle on sallia pysyvät rakenteet Dati
päivitettävä käytetyn BI-tekniikan ja toimintojen avulla
käyttäjän ymmärrystä. Esimerkki on
asiakas (asiakaspisteytys).
Jos myyntiosasto tekee kaivosmallin
asiakkaan pisteistä uuden palvelun käyttämiseksi, sitten
myyntiosaston ei pitäisi olla ainoa edunsaajaryhmä
palvelun.
Sen sijaan kaivosmalli tulisi tehdä osana
luonnollinen tiedonkulku yrityksen sisällä ja asiakkaan tulokset
sen pitäisi tulla integroitu osa EU: n tietoyhteiskuntaa
varasto, joka näkyy kaikille käyttäjille. IBM Bi-bi-centric Suite
mukaan lukien DB2 UDB, DB2 OLAP Server sisältää eniten
osa kuvassa määriteltyjä tärkeitä tekniikan komponentteja
1.1.
Käytämme arkkitehtuuria sellaisena kuin se näkyy tässä kirjakuvassa
antaa meille jatkuvuuden taso ja näyttää kuinka kukin tuote
IBM: n osa sopii BI: n yleisiin puitteisiin.
Tietosisällön tarjoaminen (tarjoaminen
Tietosisältö)
BI-ympäristön suunnittelu, kehittäminen ja toteuttaminen on
vaikea työ. Suunnittelun on omaksuttava niin paljon
nykyiset ja tulevat liiketoiminnan vaatimukset. Arkkitehtuurin suunnittelu
sen on oltava täydellinen sisällyttämään kaikki löydetyt johtopäätökset
suunnitteluvaiheessa. Suorituksen on pysyttävä
sitoutunut yhteen tarkoitukseen: kehittää BI-arkkitehtuuria
kuten se on virallisesti esitetty piirustuksessa ja perustuu standardin vaatimuksiin
liiketoimintaa.
On erityisen vaikeaa väittää, että kurinalaisuus varmistaa
suhteellinen menestys.
Tämä on yksinkertaista, koska et kehitä koko BI-ympäristöä
yhtäkkiä, mutta se tapahtuu pienin askelin ajan myötä.
Arkkitehtuurin BI-komponenttien tunnistaminen on kuitenkin
tärkeä kahdesta syystä: Ohjaat kaikkia myöhempiä päätöksiä
arkkitehtoniset tekniikat.
Pystyt tietoisesti suunnittelemaan tietyn tekniikan käytön
vaikka et ehkä saa edustajaa, joka tarvitsee
tekniikkaa useita kuukausia.
Yritysvaatimusten riittävä ymmärtäminen vaikuttaa tyyppiin
tuotteista, jotka hankit arkkitehtuurillesi.
Arkkitehtuurin suunnittelu ja kehitys takaavat
että varastosi on
ei satunnainen tapahtuma, vaan pikemminkin "hyvin harkittu",
huolellisesti rakennettu mainos toimia taiteen mosaiikkina
sekoitettu tekniikka.
Suunnittele tietosisältö
Kaikessa alustavassa suunnittelussa on keskityttävä ja tunnistettava
tärkeimmät BI: n komponentit, joita ympäristö tarvitsee
nykyään ja tulevaisuudessa.
Liiketoiminnan vaatimusten tunteminen on tärkeää.
Jo ennen kuin tavanomainen suunnittelu alkaa,
projektisuunnittelija voi usein tunnistaa yhden tai kaksi
komponentti heti.
Komponenttien tasapaino, joita voidaan tarvita
arkkitehtuuriasi ei kuitenkaan löydy helposti.
Suunnitteluvaiheessa pääosa arkkitehtuurista
sitoo sovelluskehitysistunnon (JAD) hakuun
tunnistamaan liiketoiminnan vaatimukset.
Joskus nämä vaatimukset voidaan ulkoistaa
kyselyt ja raportointi.
Esimerkiksi käyttäjät ilmoittavat, että jos he haluavat automatisoida
Tällä hetkellä raportti on luotava manuaalisesti integroimalla
kaksi nykyistä suhdetta ja laskemalla yhteen lasketut laskelmat
yhdistelmä Dati.
Vaikka tämä vaatimus on yksinkertainen, se määrittelee tietyn
toiminnon toiminnot, jotka sinun on sisällytettävä milloin
ostaa raportointityökaluja organisaatiollesi.
Suunnittelijan on myös noudatettava lisävaatimuksia
saada täydellinen kuva. Käyttäjät haluavat tilata
tämä raportti?
Raportin osajoukot luodaan ja lähetetään sähköpostitse eri ryhmille
käyttäjät? Haluatko nähdä tämän raportin yritysportaalissa?
Kaikki nämä vaatimukset ovat osa yksinkertaista tarvetta
korvaa manuaalinen raportti käyttäjien vaatimalla tavalla. Hyöty
tällaisista vaatimuksista on, että kaikilla, käyttäjillä ja suunnittelijoilla, on
ymmärtäminen raporttien käsitteestä.
On kuitenkin myös muita yrityksiä, jotka meidän on suunniteltava.
Kun liiketoiminnan vaatimukset ilmoitetaan muodossa
Liiketoiminnan strategiset kysymykset, kokeneelle suunnittelijalle on helppoa
erottaa mitat / tosiasiat ja mittavaatimukset.
Kuva 1.2 kuvaa a: n mittaus- ja mittakomponentit
Yritysongelma.
Jos JAD-käyttäjät eivät osaa ilmoittaa vaatimuksistaan
Suunnittelija toimittaa usein yrityksen ongelmana
esimerkkejä keräilyistunnon ohittamiseen
vaatimuksista.
Asiantunteva suunnittelija voi auttaa käyttäjiä ymmärtämään paitsi
strategista kauppaa, mutta myös kuinka kouluttaa sitä.
Vaatimusten keräämismenetelmää käsitellään luvussa 3; varten
nyt haluamme vain osoittaa tarpeen suunnitella kaikille
BI-vaatimusten tyypit
Strateginen liiketoimintaongelma ei ole vain vaatimus
Liiketoimintaa, mutta myös suunnittelua. Jos joudut vastaamaan
moniulotteiseen kysymykseen, niin sinun on muistettava,
lähetä i Dati mitat, ja jos haluat tallentaa i
Dati moniulotteinen, sinun on päätettävä, millainen tekniikka tai
tekniikkaa, jota aiot käyttää.
Otatko käyttöön varatun kuutitähtijärjestelmän vai molemmat?
Kuten näette, jopa yksinkertainen liiketoimintaongelma
sillä voi olla huomattava vaikutus suunnitteluun. kuitenkin
tämäntyyppiset liiketoiminnan vaatimukset ovat tavallisia ja tietysti ainakin
kokeneet suunnittelijat ja projektisuunnittelijat.
Teknologiasta ja tuesta on keskusteltu riittävästi
OLAP ja laaja valikoima ratkaisuja on saatavana. Tähän asti
mainitsimme tarpeen yhdistää yksinkertainen raportointi i: hen
liikennemuotovaatimukset ja kuinka nämä vaatimukset
vaikuttaa teknisiin arkkitehtonisiin päätöksiin
Mutta mitkä ovat vaatimukset, joita ei ole helppo ymmärtää
käyttäjät tai DW-tiimi? Et koskaan tarvitse analyysiä
spatiaalinen (spatiaalinen analyysi)?
Kaivosmallit Dati ne ovat välttämätön osa sinun
tulevaisuudessa? Kuka tietää?
On tärkeää huomata, että tämän tyyppisiä tekniikoita ei ole paljon
yleiset käyttäjäyhteisöt ja ryhmän jäsenet tuntevat
Dw, osittain, tämä voi tapahtua, koska he tyypillisesti
niitä hoitavat jotkut sisäiset tai kolmannen osapuolen tekniset asiantuntijat. Se on
äärimmäinen tapaus ongelmista, joita tämäntyyppiset tekniikat aiheuttavat. Itse
käyttäjät eivät voi kuvata liiketoiminnan vaatimuksia tai luoda niitä
jotta he voivat antaa ohjeita suunnittelijoille, he voivat
jää huomaamatta tai, mikä vielä pahempaa, yksinkertaisesti jätetään huomiotta.
Se tulee ongelmallisemmaksi, kun suunnittelija ja kehittäjä epäonnistuvat
he voivat tunnistaa yhden näistä edistyneistä, mutta
kriittisiä tekniikoita.
Kuten olemme usein kuulleet suunnittelijoiden sanovan: "No, miksi
Emmekö jätä sitä sivuun, kunnes saamme tämän toisen asian?
”Ovatko he todella kiinnostuneita prioriteeteista vai vain välttävätkö minua
vaatimuksia, joita he eivät ymmärrä? Se on todennäköisesti viimeinen hypoteesi.
Oletetaan, että myyntitiimisi on ilmoittanut vaatimuksesta
kuten kuvassa 1.3 todetaan, kuten näette,
vaatimus on muotoiltu liike-elämän ongelmana. Siellä
ero tämän ongelman ja tyypillisen ulottuvuusongelman välillä on
etäisyys. Tässä tapauksessa myyntiryhmä haluaa tietää,
kuukausittain tuotteiden, varastojen ja
asiakkaat jotka asuvat viiden meripeninkulman päässä varastosta
he ostavat.
Valitettavasti suunnittelijat tai arkkitehdit yksinkertaisesti pystyvät
sivuuttaa paikkakomponentti sanomalla: "meillä on asiakas,
tuote ja i Dati talletuksesta. Pidämme poissa etäisyydestä
toinen iterointi.
"Väärä vastaus. Tämän tyyppinen liiketoimintaongelma koskee
kokonaan BI. Se edustaa syvempää ymmärrystä
liiketoimintamme ja vankka analyysitila analyytikoillemme.
BI on yksinkertaisen kyselyn tai vakioraportoinnin ulkopuolella, tai
jopa OLAP. Tämä ei tarkoita sitä, että nämä tekniikat eivät
ovat tärkeitä BI: lle, mutta yksinään ne eivät edusta
BI-ympäristö.
Suunnittelu tietokontekstille
(Suunnittelu tietosisällölle)
Nyt kun olemme tunnistaneet liiketoimintavaatimukset, jotka erottavat ne
eri avainkomponentit on sisällytettävä piirustukseen
yleinen arkkitehtoninen. Jotkut BI: n komponenteista ovat osa
alkuperäisistä ponnisteluistamme, vaikka joitain ei toteuteta
useita kuukausia.
Kaikki tunnetut vaatimukset heijastuvat kuitenkin suunnitteluun niin
kun meidän on toteutettava tietty tekniikka, niin olemme
valmistaudu tekemään se. Jotain projektista heijastaa ajattelua
perinteinen.
Esimerkiksi luvun 1.1 alkuosassa on päivämäärä
mart, joka pitää Dati ulottuvuus.
Tämä joukko Dati käytetään tukemaan
Dati ulottuvuudeltaan liiketoiminnan aiheista
olemme tunnistaneet. Kuten lisäasiakirjat ovat
kuten suunnittelun kehittäminen Dati, me
alamme muodostaa miten minä Dati ne leviävät ympäristöön.
Olemme todenneet tarpeen edustaa Dati jotta
ulottuvuus, jakamalla ne (erityistarpeiden mukaan
määritetty) marteilla.
Seuraava vastattava kysymys on: miten ne rakennetaan
nämä tiedot ovat?
Rakennatko tähdet tukemaan kuutioita vai vain kuutioita vai vain tähtiä?
(tai oikeat kuutiot tai oikeat tähdet). Luo tietojen arkkitehtuuri
riippuvaiset martsit, jotka vaativat atomikerroksen kaikille Dati
hankittu? Salli riippumattomien datamartikkeleiden hankkia Dati
suoraan käyttöjärjestelmistä?
Mitä kuutiotekniikkaa yrität standardoida?
Sinulla on valtavia määriä jumalia Dati tarvitaan mitan analysointiin
tai tarvitset kansalliset myyntivoimakuutiot yhdessä
viikoittain vai molemmilla? Rakenna tehokas esine
kuten DB2 OLAP Server for Finance tai Cognos-kuutiot
PowerPlay myyntiorganisaatiollesi vai molemmat?
Nämä ovat suuria arkkitehtonisia suunnittelupäätöksiä
vaikuttaa BI-ympäristöön tästä eteenpäin. Jep,
olet tunnistanut OLAP: n tarpeen. Nyt kuinka teet sen
tekniikan tyyppi ja tekniikka?
Kuinka jotkut kehittyneemmistä tekniikoista vaikuttavat sinun
piirustukset? Oletamme, että olet todennut tarpeen
tilaa organisaatiossasi. Nyt sinun on soitettava
arkkitehtonisten piirustusten painokset, vaikkakin suunnittelemattomat
suorittaa avaruuskomponentteja useita kuukausia. Arkkitehdin on
Suunnittele tänään tarpeen mukaan. Ennustaa tarpeen
spatiaalinen analyysi, joka tuottaa, tallentaa, suorittaa ja tarjoaa
pääsy Dati tilaa. Tämän puolestaan ​​pitäisi toimia a
tekniikan tyyppiin ja eritelmiin liittyvä rajoitus
ohjelmistoalusta, jota voit tällä hetkellä harkita. Sillä
esimerkiksi hallintojärjestelmä tietokanta omainen
(RDBMS), jonka teet atomikerroksellesi, täytyy olla
käytettävissä on vankka tilallinen laajennus. Tämä varmistaisi
suurin suorituskyky geometriaa ja esineitä käytettäessä
tilaa analyyttisissä sovelluksissa. Jos RDBMS ei
osaa käsitellä minua Dati (avaruuskeskeinen) sisäisesti, joten sinun täytyy
vakaaja una tietokanta (avaruuskeskeinen) ulkoinen. Tämä vaikeuttaa
julkaisujen hallinta ja kokonaistehokkuuden vaarantaminen,
puhumattakaan sinulle aiheuttamista lisäongelmista
DBA: t, koska heillä on todennäköisesti vähän ymmärrystä
perustietoja Dati myös tilaa. Toisaalta, jos
RDMBS käsittelee kaikki paikkatiedot ja niihin liittyvät komponentit
optimoija on tietoinen erityistarpeista (esimerkiksi
indeksointi) paikkatietokohteita, sitten DBA: t voivat käsitellä niitä
hallita painoksia nopeasti ja voit nostaa
esitys.
Lisäksi sinun on säädettävä lavastusaluetta ja kerrosta
atomiympäristö osoitteiden puhdistamiseen (a
avainelementti spatiaaliseen analyysiin) sekä seuraavat
säästää tilaa esineitä. Julkaisujen peräkkäin
suunnittelu jatkuu nyt, kun olemme ottaneet käyttöön puhdistuksen käsitteen
osoite. Ensinnäkin tämä sovellus sanelee tyypin
tarvitsemasi ohjelmisto ETL-ponnisteluihisi.
Tarvitset tuotteita, kuten Trillium, antamaan sinulle osoitteen
puhdas, tai ETL-palveluntarjoaja, jonka olet valinnut tarjoavan sen
toiminnallisuus?
Tällä hetkellä on tärkeää, että arvostat suunnittelun tasoa, jonka olet
se on suoritettava loppuun ennen kuin aloitat omasi tekemisen
ympäristö (varasto). Yllä olevien esimerkkien pitäisi
osoittaa, kuinka monta suunnittelupäätöstä on noudatettava
minkä tahansa liiketoimintavaatimuksen tunnistaminen. Jos se on tehty
oikein, nämä suunnittelupäätökset edistävät
ympäristösi fyysisten rakenteiden keskinäinen riippuvuus,
käytetyn tekniikan valinta ja etenemisvirta
tietosisältö. Ilman tätä perinteistä arkkitehtuuria
BI: n, organisaatiosi on sekoitus
kaoottinen nykyisistä tekniikoista, parhaimmillaan, tavallaan yhtenäinen
ei ole tarkka näennäisen vakauden aikaansaamiseksi.
Säilytä tietosisältö
Tietojen arvon tuominen organisaatioosi on
erittäin vaikea toiminta. Ilman riittävää ymmärrystä
ja kokemus tai asianmukainen suunnittelu ja piirtäminen, jopa
paremmat joukkueet epäonnistuisivat. Toisaalta, jos sinulla on iso
intuitio ja yksityiskohtainen suunnittelu, mutta ei kurinalaisuutta sille
teloituksen aikana, olet vain tuhlannut rahaa ja aikaa
koska yrityksesi on tuomittu epäonnistumaan. Viestin pitäisi
ole selvä: Jos puuttuu yksi tai useampi näistä
taitoja, ymmärrystä / kokemusta tai suunnittelua / piirtämistä o
täytäntöönpanokuri, tämä johtaa lamautumiseen tai
tuhota BI-organisaation rakentaminen.
Onko joukkueesi valmistautunut tarpeeksi? Sinulla on joku
BI-tiimi, joka ymmärtää käytettävissä olevan laajan analyyttisen maiseman
BI-ympäristöissä tarvittavissa tekniikoissa ja tekniikoissa
vaikuttaa siihen maisemaan? Tiimissäsi on joku
joka tunnistaa edistyneiden sovellusten välisen eron
staattinen raportointi ja OLAP, vai erotko ROLAP: n ja OLAP: n välillä? Yksi
tiimisi jäsenet tunnistavat selkeästi tien
ote ja miten se voi vaikuttaa varastoon tai miten
Voiko varasto tukea kaivostoimintaa? Jäsen
ryhmän jäsen ymmärtää arvon Dati tilaa tai tekniikkaa
agenttipohjainen? Onko sinulla joku, joka arvostaa ainutlaatuista sovellusta
ETL-työkaluista ja välittäjätekniikasta
viesti? Jos sinulla ei ole sitä, hanki yksi. BI on paljon enemmän
suuri normalisoidusta atomikerroksesta, OLAP: sta, kaavioista a
tähti ja ODS.
On ymmärrystä ja kokemusta vaatimusten tunnistamiseksi
BI: n ja niiden ratkaisujen käyttö on välttämätöntä kyvyllesi
muodostaa käyttäjän tarpeet ja suunnittelu oikein
ja toteuttavat ratkaisunsa. Jos käyttäjäyhteisösi on
Vaatimusten kuvaamisen vaikeus on tiimin tehtävä
varasto antaa tämän oivalluksen. Mutta jos joukkue
varasto
ei tunnista BI: n erityistä sovellusta - esimerkiksi annettu
kaivos - silloin se ei ole paras asia, jota BI-ympäristöt tekevät
rajoittuvat usein passiivisiin talletuksiin. Ohita kuitenkin nämä
tekniikat eivät vähennä niiden merkitystä ja vaikutusta
liiketoimintatiedon mahdollisuuksien syntymisestä
organisaatiosi sekä suunnittelema tietorakenne
ylentää.
Suunnittelun on sisällettävä suunnittelun käsite, toim
molemmat vaativat pätevää henkilöä. Lisäksi suunnittelu
se vaatii tiimitalon filosofiaa ja havainnointia
standardit. Esimerkiksi, jos yrityksesi on perustanut sellaisen
standardiympäristössä tai on tunnistanut tietyn RDBMS: n, jonka olet
haluavat standardisoida koko alustan, se on uhkaava
kaikki joukkueen jäsenet noudattavat näitä standardeja. Yleensä yksi
tiimi paljastaa normalisoinnin tarpeen (käyttäjälle
yhteisöt), mutta joukkue itse ei halua liittyä
standardit, jotka on vahvistettu myös muilla yrityksen alueilla tai ehkä jopa EU: ssa
vastaavia yrityksiä. Ei vain tämä hyperkriittinen, mutta se varmistaa, että yritys ei
pystyy hyödyntämään olemassa olevia resursseja ja investointeja. Se ei tarkoita
että ei ole tilanteita, jotka takaavat alustan tai sellaisen
ei-standardi tekniikka; varaston ponnistelut
heidän on mustasukkaasti suojeltava yrityksen normeja aina
että liiketoiminnan vaatimukset eivät määrää toisin.
Kolmas avainkomponentti, joka tarvitaan BI: n rakentamiseen
organisaatio on kurinalaisuus.
Se riippuu kokonaisuudessaan yhtäläisesti yksilöistä ja ympäristöstä.
Projektisuunnittelijoiden, sponsoreiden, arkkitehtien ja käyttäjien on arvostettava
kurinalaisuutta tarvitaan yrityksen tietorakenteen rakentamiseksi.
Suunnittelijoiden on suunnattava projektinsa niin, että se on
suorittaa kaikki muut tarvittavat toimet yhteiskunnassa.
Oletetaan esimerkiksi, että yrityksesi rakentaa a
ERP-sovellus, jossa on varastokomponentti.
Siksi ERP-suunnittelijoiden vastuulla on tehdä yhteistyötä
varastoympäristötiimi, jotta kumpikaan ei kilpailisi
kopioi jo aloitettu työ.
Kurinalaisuus on myös aihe, joka on varattu
koko organisaatio, ja yleensä se on perustettu ja uskottu a
johtotasolla.
Ovatko johtajat halukkaita noudattamaan suunniteltua lähestymistapaa? A
lähestymistapa, joka lupaa luoda tietosisältöä
loppu tuo arvoa kaikille yrityksen alueille, mutta ehkä
vaarantako se henkilöitä tai osastojen asialistoja? Muista sanonta
"Kaikesta ajattelu on tärkeämpää kuin yhden asian ajattelu".
Tämä sanonta pätee BI-organisaatioihin.
Valitettavasti monet varastot keskittyvät ponnisteluihinsa
yrittää osoittaa ja tuoda arvoa tietylle osastolle tai
tiettyjä käyttäjiä huomioimatta hieman organisaatiota
yleinen. Oletetaan, että johtaja pyytää apua
washouse. Joukkue vastaa 90 päivän työhön
Sisältää paitsi ETA: n määrittelemien ilmoitusvaatimusten toimittamisen
mutta varmistaa, että kaikki Dati pohja sekoitetaan tasoon
ennen atomin käyttöönottoa kuutiotekniikassa
ehdotus.
Tämä tekninen lisäys varmistaa, että yritys
washouse hyötyvät Dati välttämätön johtajalle.
Johtaja puhui kuitenkin ulkopuolisten konsulttiyritysten kanssa
ovat ehdottaneet vastaavaa sovellusta, jonka toimitusaika on alle 4
viikkoa.
Olettaen, että talon sisäinen tiimiryhmä on pätevä,
johtajalla on valinta. Kuka voi tukea kuria
ylimääräistä tekniikkaa tarvitaan viljelemään hyvää
informatiivisen yrityksen tai voivat päättää toteuttaa omat
ratkaisu nopeasti. Jälkimmäinen näyttää olevan todella valittu
liian usein ja palvelee vain luomaan
joista hyötyvät vain harvat tai yksilö.
Lyhyen ja pitkän aikavälin tavoitteet
Arkkitehtien ja projektisuunnittelijoiden on virallistettava yksi
pitkän aikavälin näkymä yleisestä arkkitehtuurista ja suunnitelmista
kasvaa BI-organisaatioksi. Tämä yhdistelmä
lyhytaikaiset tulot ja pitkän aikavälin suunnittelu
edustavat BI-pyrkimysten kahta kasvoa. Voitto lyhyellä aikavälillä
vanhentuminen on BI: n puoli, joka liittyy
varastosi.
Tähän keskittyvät suunnittelijat, arkkitehdit ja sponsorit
täyttävät erityiset kaupalliset vaatimukset. Juuri tällä tasolla
fyysiset rakenteet rakennetaan, teknologiaa ostetaan ja
tekniikat toteutetaan. Niitä ei missään nimessä ole tarkoitettu käsittelemään
tiettyjen käyttäjäyhteisöjen määrittelemät erityisvaatimukset.
Kaikki tehdään tiettyjen määriteltyjen vaatimusten täyttämiseksi
tietyltä yhteisöltä.
Pitkän matkan suunnittelu on kuitenkin toinen puoli
BI: stä. Tässä suunnitelmat ja projektit varmistivat sen olevan
rakennettu fyysinen rakenne, valitut tekniikat ja
tekniikat, jotka on tehty silmällä kohti yritystä. Ja
pitkän aikavälin suunnittelu, joka tarjoaa yhteenkuuluvuuden
välttämätöntä sen varmistamiseksi, että liiketoiminnan edut syntyvät kaikilta
löydetyt lyhytaikaiset voitot.
Perustele BI-ponnistelusi
Un tietovarasto yksinään sillä ei ole luontaista arvoa. Toisessa
sanoin, teknologian joukossa ei ole luontaista arvoa
varasto- ja toteutustekniikat.
Mahdollisen varastotehon arvo löytyy toiminnoista
suoritetaan varastoympäristön ja sisällön seurauksena
informatiivinen kasvanut ajan myötä. Tämä on kriittinen kohta ymmärrettäväksi
ennen kuin yrität koskaan arvioida minkä tahansa aloitteen arvoa
missä.
Liian usein arkkitehdit ja suunnittelijat yrittävät käyttää arvoa
varaston fyysiset ja tekniset komponentit, vaikka arvo todellisuudessa on
perustettu liiketoimintaprosessien kanssa, joihin
varasto ja hyvin hankitut tiedot.
Tässä on haaste löytää BI: lle: Kuinka perustelet investoinnin?
Jos itse talolla ei ole sisäistä arvoa,
projektin on tutkittava, määriteltävä ja virallistettava edut
saavuttavat ne henkilöt, jotka käyttävät varastoa
parantaa tiettyjä liiketoimintaprosesseja tai niiden arvoa
suojattu tieto tai molemmat.
Mikä tahansa kaupallinen prosessi vaikeuttaa asioita
Varastoponnisteluista voi olla hyötyä
"Huomattava" tai "lievä". Huomattavat edut tarjoavat yhden
konkreettinen mittari sijoitetun pääoman tuottoprosentin mittaamiseksi - mainos
esimerkiksi käännä varasto ylimääräiseksi ajaksi jakson aikana
kuljetuskustannuksia lähetystä kohti. Se on enemmän
Pieniä etuja, kuten pääsyn parantaminen, on vaikea määritellä
tietoa aineellisen arvon perusteella.
Linkitä projektisi oppiaksesi
Yrityspyynnöt
Liian usein projektisuunnittelijat yrittävät yhdistää arvoa
varaston, jolla on yrityksen amorfiset tavoitteet. Toteamalla sen
”Varaston arvo perustuu kykyihimme
tyydyttää strategisia pyyntöjä ”, avataan miellyttävällä tavalla
puhe. Mutta yksin ei riitä sen määrittämiseksi
varastoihin sijoittaminen on järkevää. On parempi liittää edustajat
varasto, jossa on erityisiä ja tunnettuja kaupallisia pyyntöjä.
Mittaa ROI
ROI: n laskeminen varastoasetuksissa voi olla
erityisen vaikeaa. On erityisen vaikeaa, jos etu
tietyn toiston päämäärä on jotain aineetonta tai
helppo mitata. Eräässä tutkimuksessa havaittiin, että käyttäjät havaitsevat
BI-aloitteiden kaksi pääetua:
▪ Luo kyky tehdä päätöksiä
▪ Luo pääsy tietoihin
Nämä edut ovat pehmeitä (tai lieviä) etuja. Se on helppo nähdä
kuinka voimme laskea sijoitetun pääoman tuottoprosentin kovan lyijyn perusteella (tai
suurempi) kuin kuljetuskustannusten lasku, mutta miten
mitataanko kykyä tehdä parempia päätöksiä?
Tämä on ehdottomasti haaste projektisuunnittelijoille milloin
he yrittävät saada yrityksen sijoittamaan tiettyyn
varaston vaivaa. Myynnin kasvu tai kustannusten lasku
ne eivät ole enää keskeisiä teemoja, jotka ohjaavat BI-ympäristöä.
Sen sijaan etsit pääsyä yrityskyselyihin
parempi tieto niin, että tietty osasto voi
tehdä nopeita päätöksiä. Nämä ovat strategisia vetureita
mikä sattuu olemaan yhtä tärkeää yritykselle, mutta ne ovat
epäselvämpi ja vaikeampaa luonnehtia konkreettisessa mittarissa.
Tässä tapauksessa ROI: n laskeminen voi olla harhaanjohtava, ellei se ole merkityksetöntä.
Projektisuunnittelijoiden on kyettävä osoittamaan arvonsa
konkreettinen johtajien päättää sijoittamisesta
tietty toisto pätee. Emme kuitenkaan ehdota uutta
sijoitetun pääoman tuottoprosentin laskentamenetelmää, emmekä tee mitään argumentteja tai argumentteja
sitä vastaan.
Saatavilla on monia artikkeleita ja kirjoja, joissa käsitellään perusteita
laskea ROI. On olemassa erityisiä arvolausekkeita, kuten arvo
Gartnerin kaltaisten ryhmien tarjoamasta sijoituksesta (YOU), jonka voit
tutkia. Sen sijaan keskitymme minkä tahansa keskeisiin näkökohtiin
ROI tai muut arvolauselmat, jotka sinun on harkittava.
ROI: n soveltaminen
Väitteen "kovat" edut ja "kevyet" edut lisäksi
liittyy BI-ponnisteluihin, on muitakin huomioitavia asioita
kun sovellamme sijoitetun pääoman tuottoprosenttia. Esimerkiksi:
Määritä liikaa säästöjä tulevan DW: n ponnisteluille
Joka tapauksessa
Oletetaan, että yrityksesi siirtyi arkkitehtuuriltaan
keskusyksikkö hajautettuun UNIX-ympäristöön. Joten mikä tahansa
säästöt, jotka voidaan saavuttaa (tai ei välttämättä) tällä pyrkimyksellä
ei pitäisi katsoa yksinomaan, jos kaikille (?),
varasto.
Ei kirjaa kaikkia kustannuksia. Ja on monia asioita
ottaa huomioon. Harkitse seuraavaa luetteloa:
▪ Käynnistyskustannukset, mukaan lukien toteutettavuus.
▪ Omistetun laitteiston ja siihen liittyvän tallennustilan hinta e
viestintää
▪ Ohjelmistojen kustannukset, mukaan lukien ohjelmistojen hallinta Dati ja laajennukset
asiakas / palvelin, ETL-ohjelmisto, DSS-tekniikat,
visualisointi-, ohjelmointi- ja virtaussovellukset
työ- ja seurantaohjelmistot ,.
▪ Rakennesuunnittelukustannukset Dati, toteutuksen kanssa, ja
optimointi
▪ Ponnisteluun suoraan liittyvät ohjelmistokehityskustannukset
BI
▪ Kotituen kustannukset, mukaan lukien optimointi
suorituskyky, mukaan lukien ohjelmistoversion hallinta e
apuoperaatiot
Käytä ”Big-Bang” -sijoitetun pääoman tuottoprosenttia.
Varaston rakentaminen yhtenä ja jättimäisenä ponnisteluna
se on tuomittu epäonnistumaan, joten se laskee myös aloitteen sijoitetun pääoman tuottoprosentin
suuryrityksen tarjonta on yllättävää, ja että suunnittelijat
yrittää edelleen heikkoa yrityksiä arvioida kokonaisuuden arvo
vaivaa.
Koska suunnittelijat yrittävät antaa rahallisen arvon
yritysaloitteesta, jos se on yleisesti tiedossa ja hyväksyttyä
Onko vaikea arvioida tiettyjä toistoja? Miten se on mahdollista? Se ei ole
mahdollista muutamia poikkeuksia lukuun ottamatta. Älä tee sitä.
Nyt kun olemme selvittäneet, mitä ei pidä tehdä laskettaessa
ROI, tässä on joitain kohtia, jotka auttavat meitä määrittelemään
luotettava prosessi BI-ponnistelujen arvon arvioimiseksi.
ROI-suostumuksen saaminen. Riippumatta sinun
tekniikan valinta arvioida BI-ponnistelujen arvo, on
kaikkien osapuolten, myös projektisuunnittelijoiden, on sovittava
sponsorit ja yritysjohtajat.
Pienennä ROI tunnistettaviksi osiksi. Tarvittava askel kohti
Kohtuullinen ROI-laskenta on keskittää tämä laskelma yhteen
erityinen projekti. Tämän avulla voit arvioida arvon
erityisten liiketoiminnan vaatimusten perusteella
Määritä kustannukset. Kuten mainittiin, lukuisten kustannusten on oltava
huomioon. Lisäksi kustannusten on sisällettävä paitsi niihin liittyvät kustannukset
yksittäiseen iteraatioon, mutta myös siihen liittyviin kustannuksiin
yrityksen standardien noudattamisen varmistamiseen.
Määritä edut. ROI: n yhdistäminen selkeästi vaatimuksiin
kaupallinen, meidän pitäisi pystyä tunnistamaan
edut, jotka johtavat vaatimusten täyttämiseen.
Vähennä tulevien tulojen kustannuksia ja etuja. Se on tapa
paras tapa perustaa arviointisi nettonykyarvoon
(NPV), toisin kuin yritetään ennustaa tulevaa arvoa vuonna
tulot.
Pidä sijoitetun pääoman tuottoprosentin jakamisaika minimissä. ON'
hyvin dokumentoitu pitkällä aikavälillä, sitä on käytetty sinun
ROI.
Käytä useampaa kuin yhtä ROI-kaavaa. On olemassa lukuisia menetelmiä
ROI -ennuste ja sinun on suunniteltava, käytetäänkö yhtä vai useampaa
plus nettonykyarvo mukaan luettuna paluun sisäinen nopeus
(IRR) ja palautuminen.
Määritä toistettava prosessi. Tämä on ratkaisevaa laskettaessa
pitkäaikainen arvo. A
yksi toistettava prosessi kaikille projektisekvensseille a
seuraa.
Luetellut ongelmat ovat yleisimpiä asiantuntijoiden määrittelemiä
olohuoneen ympäristöstä. -. - Johdon vaatimus
"Big-Bang" -sijoitetun pääoman tuottoprosentin toimittaminen on hyvin hämmentävää. Jos aloitat kaikki
sijoitetun pääoman tuottoprosenttisi laskemalla vähentämällä ne tunnistettaviksi ja konkreettisiksi osiksi
hyvät mahdollisuudet arvioida tarkka ROI-arvio.
Kysymyksiä sijoitetun pääoman tuottoprosentin eduista
Riippumatta eduistasi, pehmeistä tai kovista, voit käyttää
joitain perustavia kysymyksiä niiden arvon määrittämiseksi. Vastaanottaja
esimerkki käyttäen yksinkertaista asteikkojärjestelmää, 1-10, sinä
voit havaita minkä tahansa työn vaikutuksen seuraavien avulla
kysymykset:
▪ Kuinka arvioisit ymmärryksen Dati tämän jälkeen
yrityksesi projekti?
▪ Kuinka arvioisit prosessin parannukset seurauksena
Tämä projekti?
▪ Kuinka mittaisit uusien oivallusten ja päätelmien vaikutuksia nyt
tämän iteraation avulla saataville
▪ Mikä on ollut uusien tietokoneympäristöjen vaikutus e
esiintyminen oppimisen seurauksena?
Jos vastauksia näihin kysymyksiin on vähän, on mahdollista, että
yritys ei ole tekemänsä investoinnin arvoinen. Kysymykset korkealla
pisteytys merkittäviin arvonnousuihin ja pitäisi
toimivat oppaina lisätutkimuksille.
Esimerkiksi korkeat pisteet prosessin parannuksista
sen pitäisi saada suunnittelijat tutkimaan, miten prosessit ovat
parantunut. Saatat huomata, että osa tai kaikki voitoista on tehty
ne ovat konkreettisia ja siksi rahallinen arvo voidaan helposti saada
sovellettu.
Saada kaikki irti ensimmäisestä iteroinnista
varasto
Suurin tulos liiketoiminnastasi on usein
muutama ensimmäinen iterointi. Nämä ensimmäiset ponnistelut ovat perinteisesti
luoda yleisölle hyödyllisin tietosisältö e
perustaa tukea teknologiasäätiölle seuraaville
BI-sovellukset.
Yleensä jokainen seuraava peräkkäin Dati projektin
varastot tuovat yritykselle yhä vähemmän lisäarvoa vuonna
yleinen. Tämä pätee erityisesti, jos iterointi ei
lisää uusia aiheita tai ei vastaa uuden tarpeita
käyttäjien yhteisö.
Tämä varastointiominaisuus koskee myös paristoja
kasvaa Dati historioitsijat. Koska myöhemmät ponnistelut vaativat enemmän
Dati ja kuinka enemmän Dati kaadetaan varastoon ajan myötä, suurin osa
Dati siitä tulee vähemmän merkityksellinen käytetyn analyysin kannalta. Nämä Dati ovat
usein kutsuttu Dati torkkua pois ja on aina kallista pitää heidät koska
niitä ei käytetä melkein koskaan.
Mitä tämä tarkoittaa projektin sponsoreille? Pohjimmiltaan, i
ensimmäiset sponsorit jakavat enemmän kuin investointikustannukset.
Tämä on ensisijaista, koska ne ovat sysäys kerroksen perustamiseen
suuri teknologinen ympäristö ja varastoresurssit,
mukaan lukien orgaaninen.
Mutta nämä ensimmäiset vaiheet tuovat korkeimman arvon ja siten suunnittelijat
usein on perusteltava sijoitus.
BI-aloitteen jälkeen tehdyillä projekteilla voi olla kustannuksia
alhaisempi (ensimmäiseen verrattuna) ja suora, mutta arvoa vähemmän
yritykselle.
Ja organisaatioiden omistajien on aloitettava harkinta
heittää kertyminen Dati ja vähemmän merkityksellisiä tekniikoita.
Tiedon louhinta: Kaivostoiminta Antaa
Lukuisat arkkitehtoniset komponentit vaativat muunnelmia
tiedonlouhintatekniikat ja tekniikat -
esimerkiksi erilaiset "agentit", jotka tarkastelevat
asiakkaat, yrityksen käyttöjärjestelmät ja samalle dw: lle. Nämä
aineet voivat olla kehittyneitä hermoverkkoja, joihin on koulutettu
potin trendit, kuten tulevaisuuden tuotteiden kysyntä
myynninedistämistoimet; sääntöihin perustuvat moottorit
reagoi kokonaisuuteen Dato olosuhteet, esimerkiksi diagnoosi
lääketieteelliset ja hoitosuositukset; tai jopa yksinkertaisia ​​aineita
tehtävänä on ilmoittaa poikkeuksista vanhemmille johtajille (alkuun
johtajat). Yleensä nämä uuttoprosessit Dati si
tarkista reaaliajassa; siksi heidän on oltava yhtenäisiä
täysin liikkeen kanssa Dati itse.
Online-analyyttinen käsittely
Verkkoanalyysi
Kyky viipaloida, pilkkoa, rullaa, porata alas
ja suorita analyysi
mitä, jos, kuuluu paketin tavoitteen piiriin
IBM-tekniikka. Esimerkiksi analyyttinen prosessointi toimii
verkossa on (OLAP) DB2: lle, joka tuo ulottuvuusanalyysin
moottori tietokanta sama.
Toiminnot lisäävät ulottuvuusapuohjelman SQL: ään samalla
hyödyntää kaikkia DB2: n luonnollisen osan etuja. Toinen
esimerkki OLAP-integraatiosta on purkutyökalu, DB2
OLAP-palvelimen analysaattori. Tämä tekniikka sallii
DB2 OLAP -palvelin on nopea ja automaattinen
analysoidaan arvojen tunnistamiseksi ja raportoimiseksi Dati epätavallinen tai odottamaton
koko kuutiossa kauppaanalyytikolle. Ja lopuksi, toiminnot
DW Center tarjoaa arkkitehdeille mahdollisuuden hallita muun muassa
muun muassa DB2 OLAP -palvelinkuution profiili
ETL-prosessien luonne.
Spatiaalianalyysi Spatial Analysis
Avaruus edustaa puolta analyyttisistä ankkureista (johtuminen)
tarvitaan panoraamaan
laaja analyyttinen (aika edustaa toista puolta). Atomitaso
varaston (atomitaso), esitetty kuvassa 1.1,
se sisältää sekä ajan että tilan perusteet. Nauhoitukset
aika-ankkuri-analyysi aika- ja osoitetiedoille
ankkuritilan analyysi. Aikaleimat (aikaleimat)
he suorittavat analyysin ajoissa, ja osoitetiedot johtavat
avaruusanalyysi. Kaavio näyttää geokoodauksen - prosessin
muuntamalla osoitteet pisteiksi kartalla tai pisteiksi avaruudessa
jotta käsitteet, kuten etäisyys ja sisäinen / ulkoinen, voivat olla
käytetään analyysissä - suoritetaan atomitasolla ja spatiaalisessa analyysissä
joka asetetaan analyytikon saataville. IBM tarjoaa laajennuksia
avaruusjärjestelmä, joka on kehitetty Ympäristöjärjestelmän tutkimuslaitoksen (ESRI) kanssa,
al tietokanta DB2 niin, että paikkakohteet voivat olla
varastoidaan normaalina osana tietokanta suhteellinen. DB2
Spatial Extenders, ne tarjoavat myös kaikki SQL-laajennukset
hyödyntämään paikkatutkimuksia. Esimerkiksi SQL-laajennukset osoitteesta
kysymys
etäisyys osoitteiden välillä vai onko piste alueen sisällä vai ulkopuolella
polygonaalisesti määritellyt, ovat analyyttinen standardi Spatialin kanssa
Extender. Katso lisätietoja luvusta 16.
tietokanta-Resident Tools Tools tietokanta-
asukas
DB2: ssa on monia BI: ssä asuvia SQL-ominaisuuksia, jotka auttavat
analyysitoiminnossa. Nämä sisältävät:
▪ Rekursiotoiminnot analyysin suorittamiseksi, kuten “etsi
kaikki mahdolliset lentoreitit kohteesta San Francisco a New York".
▪ Sijoituksen analyyttiset toiminnot, kumulatiiviset funktiot, kuutio
ja rollupit normaalisti tapahtuvien tehtävien helpottamiseksi
vain OLAP-tekniikalla, ne ovat nyt luonnollinen osa
moottori tietokanta
▪ Kyky luoda taulukoita, jotka sisältävät tuloksia
Myyjät tietokanta johtajat sekoittavat enemmän BI-ominaisuuksia
sisään tietokanta sama.
Tärkeimmät toimittajat tietokanta he sekoittavat enemmän
BI-toiminnot tietokanta sama.
Tämä tarjoaa parhaan suorituskyvyn ja lisää suoritusvaihtoehtoja
BI-ratkaisut.
DB2 V8: n ominaisuuksia ja toimintoja käsitellään
seuraavissa luvuissa:
Tekninen arkkitehtuuri ja tiedonhallinnan säätiöt
(Luku 5)
▪ DB2 BI: n perusteet (luku 6)
▪ DB2: n toteutetut kyselytaulukot (toteutunut kysely
Taulukot) (luku 7)
▪ DB2 OLAP -toiminnot (luku 13)
▪ DB2 Enhanced BI
Ominaisuudet ja toiminnot) (Luku 15)
Yksinkertaistettu tiedonsiirtojärjestelmä
Toimitusjärjestelmä Dati yksinkertaistettu
Kuvassa 1.1 esitetty arkkitehtuuri sisältää useita
rakenteet Dati fyysinen. Yksi on Dati toimintakykyinen.
Yleensä ODS on aihekeskeinen,
integroitu ja nykyinen. Rakennatko ODS: n tukemaan, mainos
esimerkiksi myyntikonttori. ODS-myynti integroituu Dati
tulevat useista eri järjestelmistä, mutta säilyttäisivät vain mainoksen
esimerkki tämän päivän tapahtumista. ODS voidaan päivittää
jopa monta kertaa päivässä. Samalla prosessit
työnnä i Dati integroitu muihin sovelluksiin. Tämä rakenne on
suunniteltu erityisesti integroitumaan Dati virta ja dynaaminen e
olisi todennäköinen ehdokas reaaliaikaisessa analyysissä,
kuinka tarjota palvelun edustajia asiakkaat myyntitiedot
asiakkaan virrat poimimalla myynnin trenditiedot
itse varastosta. Toinen kuvassa 1.1 esitetty rakenne on
muodollinen asema dw: lle. Ei vain tämä paikka
tarvittavan integraation toteuttaminen, DatiJa
muutoksen Dati varastossa matkalla, mutta se on myös
luotettava ja väliaikainen varastointialue Dati vastasi siihen
voidaan käyttää reaaliaikaisessa analyysissä. Jos päätät
käytä ODS- tai lavastusaluetta, yhtä
parhaista välineistä näiden rakenteiden täyttämiseksi Dati käyttämällä
Eri käyttölähteet on DB2: n heterogeeninen hajautettu kysely.
Tämän ominaisuuden tarjoaa valinnainen DB2-ominaisuus
nimeltään DB2 Relational Connect (vain kysely) ja DB2: n kautta
DataJoiner (erillinen tuote, joka toimittaa sovelluksen,
lisääminen, päivittäminen ja peruuttamismahdollisuus a
Heterogeeniset hajautetut RDBMS: t).
Tämän tekniikan avulla arkkitehdit voivat Dati sitoa Dati di
tuotanto analyyttisillä prosesseilla. Ei vain tekniikka
sopeutua käytännössä mihin tahansa replikointipyyntöön
he saattavat näkyä reaaliaikaisen analyysin kanssa, mutta se
ne voivat myös muodostaa yhteyden monenlaisiin tukiasemiin Dati lisää
suosittu, mukaan lukien DB2, Oracle, Sybase, SQL Server,
Informix ja muut. DB2 DataJoineria voidaan käyttää täyttämiseen
rakenne Dati muodollinen ODS tai jopa taulukko
pysyvästi edustettuna kunnostettavaksi suunnitellussa varastossa
nopea päivitys tai myytävänä. Tietysti,
nämä samat rakenteet Dati voidaan täyttää käyttämällä
toinen merkittävä tekniikka, joka on suunniteltu kopioimaan Dati, IBM
DataPropagator Relational. (DataPropagator on erillinen tuote
keskusjärjestelmille. DB2 UNIX, Linux, Windows ja OS / 2 sisältävät
kopiointipalvelut Dati vakiona).
Toinen tapa siirtää Dati toimii ympäri
yritykselle on muuten yrityssovellusten integraattori
tunnetaan nimellä välittäjä
ainutlaatuinen tekniikka mahdollistaa vertaansa vailla olevan ohjauksen keskelle
(kohdistaminen) ja liikkua Dati yrityksen ympärillä. IBM: llä on välittäjä
MQSeries tai muunnelma
tuotteeseen, joka sisältää vaatimukset verkkokaupan, IBM
WebSphere MQ.
Lisää keskustelua MQ: n hyödyntämisestä tukemaan a
varasto ja BI-ympäristö, vieraile verkkosivusto kirjasta. Toistaiseksi se on
riittää sanomaan, että tämä tekniikka on erinomainen väline
siepata ja muuntaa (MQSeries Integratorin avulla) Dati
BI-ratkaisuihin rekrytoidut kohdennetut operaattorit. Siellä
MQ-tekniikka on integroitu ja pakattu UDB V8: een, joka
se tarkoittaa, että viestijonoja voidaan nyt hallita
ikään kuin ne olisivat DB2-taulukoita. Käsite hitsaus
jonossa ja maailmankaikkeuden viestejä tietokanta relaatiopäät
kohti tehokasta toimitusympäristöä Dati.
Nolla-viive Nolla-viive
IBM: n perimmäinen strateginen tavoite on nollaviive (zerolatency) -analyysi.
Määritelty
Gartner, BI-järjestelmän on kyettävä johtamaan, omaksumaan
ja antaa tietoja analyytikoille pyynnöstä. Haaste,
tietysti, se on sekoituksessa Dati ajantasaisesti ja reaaliajassa
tarvittavat historialliset tiedot, kuten i Dati liittyvä malli / /
trendi tai poimittu ymmärrys
asiakas.
Tällainen tieto sisältää esimerkiksi tunnistamisen asiakkaat ad
korkea tai matala riski tai mitkä tuotteet i asiakkaat he ostavat paljon
todennäköisesti jos heillä on jo juustoa kärryissään
ostoksia.
Nollaviiveen saaminen riippuu itse asiassa kahdesta
perusmekanismit:
▪ Täydellinen liitto Dati jotka analysoidaan
vakiintuneita tekniikoita ja BI: n kehittämiä työkaluja
▪ Toimitusjärjestelmä Dati tehokkaasti sen varmistamiseksi
reaaliaikainen analyysi on todella käytettävissä
Nämä nollaviiveen edellytykset eivät eroa kahdesta
IBM: n asettamat ja edellä kuvatut tavoitteet.
Läheinen kytkentä Dati on osa
IBM: n järjestämä saumaton integraatio. Ja luo järjestelmä
toimitus Dati tehokas riippuu täysin
käytettävissä oleva tekniikka, joka yksinkertaistaa
Dati. Näin ollen kaksi IBM: n kolmesta tavoitteesta on kriittisiä
toteuttaa kolmas. IBM kehittää tietoisesti omaa
tekniikka sen varmistamiseksi, että nollaviive on todellisuus
varaston ponnistelut.
Yhteenveto / yhteenveto
BI-organisaatio tarjoaa etenemissuunnitelman
luo ympäristösi
toistuvasti. Sitä on mukautettava vastaamaan EU: n tarpeita
yrityksesi, sekä nykyinen että tuleva. Ilman arkkitehtonista visiota
leveä, varastojen toistoja on vähän enemmän kuin
satunnaiset keskusvarastototeutukset, joista ei ole paljon hyötyä
luoda suuri, informatiivinen yritys.
Ensimmäinen este projektipäälliköille on perustelut
tarvittavat investoinnit BI-organisaation kehittämiseen.
Vaikka sijoitetun pääoman tuottoprosentin laskeminen on pysynyt tärkeänä ehdotuksena
varaston saavutuksia, se on yhä vaikeampi
ennustaa tarkalleen. Tämä on johtanut muihin menetelmiin
sen selvittäminen, saatko rahasi arvoa.
hankitaan esimerkiksi sijoitusarvo2 (YOU)
ratkaisuna.
Se uhkaa arkkitehtien Dati ja projektisuunnittelijoista
- tarkoituksella tuottaa ja toimittaa tietoja
käyttäjille eikä vain anna palvelua Dati. Tuolla on
valtava ero näiden kahden välillä. Tiedot tekevät jotain
ero päätöksenteossa ja tehokkuudessa; suhteellisen, so
Dati ne ovat rakennuspalikoita näiden tietojen saamiseksi.
Vaikka kriittinen lähteelle Dati vastaamaan pyyntöihin
kaupallisen, BI-ympäristön tulisi olla suurempi rooli
tietosisällön luomisessa. Meidän on otettava
- lisätoimenpiteet puhdistamiseksi, integroimiseksi, muuntamiseksi tai
muuten luoda tietosisältö, jonka mukaan
käyttäjät voivat toimia, ja siksi meidän on varmistettava, että ne
toimet ja päätökset otetaan huomioon, jos se on kohtuullista
BI-ympäristössä. Jos siirrämme varaston palvelemaan vain Dati,
on varmaa, että käyttäjäyhdistykset luovat sisällön
tarvittavat tiedot toiminnan toteuttamiseksi. Tämä varmistaa, että heidän
yhteisö pystyy tekemään parempia päätöksiä, mutta yritys
se kärsii heidän käyttämästään tiedon puutteesta.
Dato että arkkitehdit ja projektisuunnittelijat aloittavat hankkeet
Erityisesti BI-ympäristölle, ne ovat edelleen tilivelvollisia yritykselle
suurelta osin. Yksinkertainen esimerkki tästä kaksisuuntaisesta ominaisuudesta
BI: n iteraatioiden kasvot löytyvät lähteestä Dati. Kaikki
Dati erityisistä kaupallisista pyynnöistä vastaanotettujen
ensimmäisessä atomikerroksessa. Tämä takaa
yrityksen tietovarallisuus sekä hallita, osoite
iteraatiossa määritetyt käyttäjäkohtaiset pyynnöt.

W hatisa D ata W arehouse?
Tietovarasto se on tietojärjestelmäarkkitehtuurin sydän
vuodesta 1990 ja tukee tietoprosesseja tarjoamalla vankan
integroitu alusta Dati historioitsijat otetaan myöhemmin
analyysi. THE tietovarasto tarjoavat helpon integroitumisen a
sellaisten sovellusjärjestelmien maailma, jotka eivät ole yhteensopivia keskenään. Päivämäärä
varasto on kehittynyt muodiksi. Tietovarasto
järjestää ja tallentaa i Dati tarvitaan tietoprosesseihin e
analyyttinen pitkän historiallisen aikanäkymän perusteella. Kaikki
tähän liittyy huomattava ja jatkuva sitoutuminen rakentamiseen e
ylläpitää tietovarasto.
Joten mikä on tietovarasto? tietovarasto ja:
▪ suuntautunut aiheisiin
▪ integroitu järjestelmä
▪ muunnosaika
▪ haihtumaton (ei peruuta)
kokoelma Dati käytetään tukemaan johtamispäätöksiä vuonna
prosessin toteutus.
I Dati lisätty tietovarasto syntyy useimmissa
tapaukset toimintaympäristöistä. tietovarasto on tehnyt a
- varastointiyksikkö, fyysisesti erillään muusta
järjestelmä, joka sisältää Dati aiemmin muunnettu
sovellukset, jotka toimivat ympäristöstä peräisin olevan tiedon perusteella
toimintakykyinen.
Kirjaimellinen määritelmä a tietovarasto ansaitsee perusteellisen ilmeen
selitys, koska sillä on tärkeitä motivaatioita ja merkityksiä
rahasto, joka kuvaa varaston ominaisuuksia.
KOHDESUUNNAN SUUNTAAMINEN
TEEMAINEN
Ensimmäinen ominaisuus tietovarasto on, että se on ai-suuntautunut
suurimmat toimijat yrityksessä. Kokeilun tuomitseminen i
Dati se on toisin kuin klassisempi menetelmä, joka tarjoaa
sovellusten suuntaaminen prosesseihin ja toimintoihin
- menetelmä, jonka suurin osa
vanhemmat suuntaavat järjestelmät.
Käyttömaailma on suunniteltu sovellusten ja toimintojen ympärille
kuten lainat, säästöt, pankkikortit ja luottamus laitokselle
taloudellinen. Dw-maailma on järjestetty aiheiden ympärille
kuten asiakas, myyjä, tuote ja yritys.
Kohdistaminen aiheiden ympärille vaikuttaa suunnitteluun ja
toteutuksesta Dati löytyy dw: stä. Asiaankuuluvammin
Tärkein väite vaikuttaa ohjelman tärkeimpään osaan
avainrakenne.
Sekä päivämäärän muotoilu vaikuttaa sovelluksen maailmaan
perusta ja prosessisuunnittelu. Maapallon maailma
dw keskittyy yksinomaan mallintamiseen Dati Se on päällä
piirustus tietokanta. Prosessin suunnittelu (muodossa
klassinen) ei ole osa dw-ympäristöä.
Prosessin / toiminnon ja sovelluksen valinnan erot
aihekohtainen valinta paljastuu myös sisällön eroina
ja Dati yksityiskohtaisella tasolla. THE Dati del dw ei sisällä i Dati että
niitä ei käytetä DSS-prosessiin sovellusten aikana
toiminnallinen suuntautunut Dati sisältää i Dati tyydyttääkseen
välittömästi toiminnalliset / käsittelyvaatimukset, jotka voivat tai
miinus DSS-analyytikon käyttäminen.
Toinen tärkeä tapa operatiivisissa sovelluksissa
ai Dati erota Dati dw on Dati. Minä Dati
ylläpitää jatkuvaa yhteyttä kahden tai useamman taulukon välillä
perustuu aktiiviseen liiketoimintasääntöön. THE Dati kirjoittanut dw
ne ylittävät ajan spektrin ja dw: ssä olevat suhteet ovat
paljon. Monet kaupankäyntisäännöt (ja vastaavasti monet
raportit Dati ) ovat edustettuina Dati kahden o välillä
useita pöytiä.
(Yksityiskohtainen selitys siitä, miten Dati ovat
hallitaan DW: ssä, viittaamme tekniseen aiheeseen
kysymys.)
Mistä tahansa muusta näkökulmasta kuin ero
toiminnallisen / prosessin ja sovelluksen valinnan välillä
kohteen valinta, järjestelmien välillä on suurempi ero
toiminnallinen ja Dati ja DW.
INTEGROINTI INTEGROINTI
Dw-ympäristön tärkein näkökohta on, että i Dati löytyi
dw: ssä ne on helppo integroida. AINA. ILMAN
POIKKEUKSET. Dw-ympäristön ydin on se, että minä Dati
Varaston rajoissa olevat integroidut.
Integraatio paljastaa itsensä monin eri tavoin - yleissopimuksissa
- määritelty johdonmukaisiksi yhdenmukaisten muuttujien laajuudessa
kodifioidut rakenteet, jotka koostuvat Dati
johdonmukainen ja niin edelleen.
Vuosien mittaan eri sovellusten suunnittelijat ovat tehneet sen
jolla on useita päätöksiä sovelluksen tavasta
voidaan kehittää. Yksilölliset tyyli- ja suunnittelupäätökset
suunnittelijoiden sovellukset paljastavat itsensä sadalla tavalla:
erot koodauksessa, avaimen rakenteessa, fyysisissä ominaisuuksissa,
tunnistamiskäytännöt ja niin edelleen. Monien kollektiivinen kapasiteetti
sovellussuunnittelijat luomaan epäjohdonmukaisia ​​sovelluksia
se on legendaarinen. Kuva 3 paljastaa joitain enemmän eroja
tärkeä sovellusten suunnittelutavoissa.
Koodaus: Koodaa:
Sovellussuunnittelijat valitsivat kenttäkoodauksen -
sukupuoli - monin tavoin. Suunnittelija edustaa sukupuolta
"m" ja "f". Toinen suunnittelija edustaa seksiä "1"
ja "0". Toinen suunnittelija edustaa seksiä "x" e
"Y". Toinen suunnittelija edustaa seksiä "uros" e
"Nainen". Sillä ei ole väliä kuinka seksi tulee DW: ssä. "M"
ja "F" ovat todennäköisesti yhtä hyviä kuin koko
edustus.
Tärkeää on, että mistä tahansa sukupuolikenttä tulee,
kyseinen kenttä saapuu DW: hen yhtenäisessä integroidussa tilassa. Of
seuraus, kun kenttä ladataan DW: hen
sovellus, jossa se on esitetty muodossa
"M" ja "F", so Dati on muunnettava DW-muotoon.
Attribuuttien mittaus:
Määritteet:
Sovellussuunnittelijat päättivät mitata putkilinjan vuonna
monin eri tavoin kurssilla
Joitakin vuosia. Suunnittelija tallentaa i Dati putkilinjan vuonna
senttimetriä. Toinen sovellussuunnittelija tallentaa i Dati
putkilinjan tuumaa. Toinen suunnittelija
sovelluskaupat i Dati putkilinjan miljoona kuutiometriä
sekunnissa. Ja toinen suunnittelija tallentaa tiedot
putkisto telakoiden suhteen. Mikä tahansa lähde, kun
putkilinjan tiedot saapuvat DW: hen heidän on oltava
mitataan samalla tavalla.
Kuvion 3 viitteiden mukaan integraatiokysymykset
ne vaikuttavat melkein kaikkiin hankkeen osa-alueisiin - ominaisuuksiin
fyysinen Dati, ongelma, että sinulla on enemmän kuin yksi lähde Dati,
epäjohdonmukaiset tunnistetut näytteet, Dati
epäjohdonmukainen ja niin edelleen.
Olipa suunnitteluargumentti mikä tahansa, tulos on sama -
i Dati on tallennettava DW: ssä yksikköön e
maailmanlaajuisesti hyväksyttävällä tavalla, vaikka käyttöjärjestelmä olisi
pohjakauppa eri tavalla i Dati.
Kun DSS-analyytikko katsoo DW: tä, analyytikon kohde
pitäisi olla Dati jotka ovat varastossa
pikemminkin kuin miettiä ohjelman uskottavuutta tai johdonmukaisuutta
Dati.
AIKAVAIHE
kaikki Dati DW: ssä ne ovat tarkkoja jossain vaiheessa.
Tämä perusominaisuus Dati DW: ssä se on hyvin erilainen kuin Dati
löytyy toimintaympäristöstä. THE Dati toimintaympäristöstä ovat
yhtä tarkka kuin pääsyn aikaan. Toisin sanoen,
käyttöympäristössä käytettäessä asemaa Dati, Mutta myös
odota, että se heijastaa tarkkoja arvoja kuten pääsyn hetkellä.
Miksi minä Dati DW: ssä ovat yhtä tarkkoja kuin jossakin vaiheessa
aika (eli ei "juuri nyt"), ts Dati löytyy DW: stä
ne ovat "aikaeroja".
Ajan vaihtelu Dati DW: hen viitataan monin tavoin.
Yksinkertaisin tapa on, että minä Dati edustaa DW: tä Dati sen a
pitkä horisontti - XNUMX-XNUMX vuotta. Horisontti
käyttöympäristön edustama aika on paljon lyhyempi
▪ nykyisistä nykyisistä arvoista jopa XNUMX yhdeksänkymmeneen
Sovellukset, joiden on toimittava hyvin ja joiden on oltava
Kaupan käsittelyyn käytettävissä olevien tietojen on oltava
vähimmäismäärä Dati jos he myöntävät jonkin verran
joustavuus. Joten operatiivisilla sovelluksilla on horisontti
lyhyt aika suunnittelun aiheena
äänisovellukset.
Toinen tapa, jolla "aikavarianssi" näkyy DW: ssä, on
avainrakenne. Jokainen DW: n avainrakenne sisältää,
epäsuorasti tai nimenomaisesti aikaelementti, kuten
päivä, viikko, kuukausi jne. Aikaosa on melkein aina
DW: stä löytyvän ketjutetun avaimen alaosassa. Näissä
ajoittain aikaelementti on olemassa implisiittisesti tapauksesta riippuen
jossa koko tiedosto kopioidaan kuukauden tai vuosineljänneksen lopussa.
Kolmas tapa näyttää aikaerot on se, että i Dati ja
DW, juuri rekisteröity oikein, ei voi olla
päivitetty. THE Dati DW: t ovat käytännöllisistä syistä pitkä
sarja tilannekuvia (tilannekuva). Tietenkin, jos tilannekuvat ovat
otettu väärin, niin tilannekuvia voi olla
muokattu. Mutta olettaen, että tilannekuvat on tehty
oikein, niitä ei muuteta heti, kun ne on tehty. Joissakin
tapaukset voivat olla epäeettisiä tai jopa pätemättömiä kuin
DW on muokattu. THE Dati toimintakykyinen, täsmällinen kuin vuonna
pääsyn yhteydessä ne voidaan päivittää sellaisenaan
tarve.
EI Haihtuvia
DW: n neljäs tärkeä ominaisuus on, että se on haihtumaton.
Päivitykset, lisäykset, peruutukset ja muutokset tehdään
säännöllisesti ennätyksellisen toimintaympäristöissä. Mutta
peruskäsittely Dati DW: ssä esiintyviä on paljon enemmän
yksinkertainen. Ohjelmistossa tapahtuu vain kahdenlaisia ​​toimintoja
DW - laitteen ensimmäinen lataus Dati ja pääsy Dati. Ei ole
kaikki päivitykset Dati (yleisessä merkityksessä
päivitys) DW: ssä normaalina prosessointitoimenpiteenä.
Tällä erolla on joitain erittäin voimakkaita seurauksia
operatiivisen käsittelyn ja DW-käsittelyn välillä. Tasolla
suunnitteluun, on oltava varovainen päivityksessä
poikkeava ei ole tekijä DW: ssä, koska Dati se ei ole
suoritettu. Tämä tarkoittaa, että suunnittelun fyysisellä tasolla
vapaudet voidaan hyödyntää pääsyn optimoimiseksi Dati,
erityisesti normalisoinnin ja
fyysinen denormalisointi. Toinen yksinkertaisuuden seuraus
DW: n toiminnasta tapahtuu taustalla olevassa tekniikassa
Suorita DW-ympäristö. Päivitysten tukeminen
tallenna nauhoituksella verkossa (kuten usein tapahtuu
operatiivinen käsittely) tekniikalta vaaditaan jonkin verran
hyvin monimutkaiset perustukset näennäisen yksinkertaisuuden alla.
Tekniikka, joka tukee varmuuskopiointia ja palautusta, tapahtumia
ja eheys Dati ja umpikujan ehdon löytäminen ja korjaaminen on
melko monimutkainen ja ei välttämätön DW-prosessoinnille.
DW: n ominaisuudet, suunnittelun suunta,
integrointi Dati DW: n sisällä, ajan vaihtelu ja yksinkertaisuus
hallinnointi Dati, kaikki johtaa ympäristöön, joka on hyvin, hyvin
eroaa perinteisestä käyttöympäristöstä. Lähes kaikkien lähde
Dati DW: stä ovat toimintaympäristö. On houkuttelevaa ajatella
että on olemassa massiivinen redundanssi Dati kahden ympäristön välillä.
Itse asiassa ensimmäinen vaikutelma, jonka monet ihmiset saavat, on
suuri irtisanominen Dati käyttöympäristön ja
DW. Tällainen tulkinta on pinnallinen ja todistaa sen
ymmärryksen puute, mitä DW: ssä tapahtuu.
Itse asiassa redundanssia on vähintään Dati käyttöympäristön välillä
ja minä Dati DW. Tarkastellaan seuraavaa:
▪ Minä Dati suodatetaan Dato että siirrät käyttöympäristöstä
DW-ympäristöön. Paljon Dati ne eivät koskaan katoa
käyttöympäristöstä. Paitsi että minä Dati joita tarvitaan
DSS-käsittely löytää suunnan ympäristössä
▪ ajanjakso Dati se eroaa hyvin ympäristöstä
toiselle. THE Dati toimintaympäristössä ne ovat erittäin tuoreita. THE Dati
DW: ssä he ovat paljon vanhempia. Vain näkökulmasta
aikahorisontissa on hyvin vähän päällekkäisyyksiä
käyttöympäristön ja DW: n välillä.
▪ DW sisältää Dati yhteenveto, jota ei koskaan löydy
ympäristössä
▪ Minä Dati on käynyt perusteellisen muutoksen siitä lähtien
kun ne siirtyvät kuvaan 3, havainnollistaa sitä eniten
osa Dati ovat huomattavasti muutettu edellyttäen
valitaan ja siirretään DW: hen. Toisin sanoen,
suurin osa Dati on fyysisesti muunnettu e
radikaalisti miten se siirretään DW: hen. Näkökulmasta
integraatio eivät ole samat Dati jotka asuvat
käyttöympäristössä.
Näiden tekijöiden valossa Dati kahden ympäristön välillä on
harvinainen tapahtuma, joka johtaa alle 1 prosentin redundanssiin näiden kahden välillä
ympäristöissä.
VARASTON RAKENNE
DW: llä on selkeä rakenne. On olemassa erilaisia ​​yhteenveto- ja tasotasoja
yksityiskohta, joka rajaa DW: t.
DW: n eri komponentit ovat:
▪ metatiedot
▪ Antaa ajankohtaiset tiedot
▪ Antaa vanhan yksityiskohdan
▪ Antaa hieman yhteenveto
▪ Antaa erittäin tiivistetty
Ylivoimaisesti suurin huolenaihe on i Dati yksityiskohtaisesti
virrat. Se on suurin huolenaihe, koska:
▪ Minä Dati ajankohtaiset tiedot heijastavat viimeisimpiä tapahtumia,
jotka ovat aina erittäin kiinnostavia ja
▪ i Dati tämänhetkiset yksityiskohdat ovat mittavia, koska ne ovat
varastoituna pienimmällä tarkkuustasolla e
▪ i Dati ajankohtaiset tiedot tallennetaan melkein aina
levymuisti, joka on nopeasti käytettävissä, mutta kallis e
monimutkainen
I Dati vanhemmat yksityiskohdat ovat Dati jotka on tallennettu
jokin muisto massa. Sillä on satunnainen pääsy ja se on
tallennetaan yksityiskohtaisuudella, joka on yhteensopiva Dati yksityiskohtainen
virrat. Vaikka ei ole pakollista säilyttää a
vaihtoehtoinen muisti, koska Dati yhdistynyt
satunnainen pääsy Dati, muistiväline Dati di
vanhempia yksityiskohtia ei yleensä tallenneta levylle.
I Dati yhteenveto on kevyesti Dati jotka tislataan alhaalta
nykyisen yksityiskohtien taso. Tämä
DW-taso tallennetaan melkein aina levymuistiin. THE
- suunnittelun ongelmat, jotka esitellään arkkitehdille Dati
tämän DW-tason rakentamisessa ovat:
▪ Mikä aikayksikkö on edellä tehty yhteenveto
▪ Mikä sisältö, määritteet tiivistävät hieman
pitoisuus Dati
Seuraava taso Dati DW: stä löytyy Dati erittäin
yhteenveto. THE Dati erittäin tiivistetyt ovat pienikokoisia ja helposti
saatavilla. THE Dati joskus löytyy hyvin yhteenvetoisia
DW-ympäristössä ja muissa tapauksissa i Dati erittäin tiivistetyt ovat
löytyy DW: tä isännöivän tekniikan välittömien seinien ulkopuolella.
(joka tapauksessa, i Dati erittäin tiivistetyt ovat osa DW: tä
riippumatta siitä missä minä Dati fyysisesti)
DW: n viimeinen osa on metatiedot. Monessa suhteessa
metatiedot istuvat eri ulottuvuudessa kuin muut Dati
koska metatiedot eivät sisällä mitään Dato direttamente
otettu toimintaympäristöstä. Metatiedoilla on erityinen rooli e
erittäin tärkeä DW: ssä. Metatietoja käytetään:
▪ hakemisto, joka auttaa DSS-analyytikkoa löytämään
DW: n sisältö,
▪ opas kartoitukseen Dati kuinka minä Dati He olivat
muunnettu käyttöympäristöstä DW-ympäristöön,
▪ opas algoritmeihin, joita käytetään yhteenvetoon välillä Dati di
nykyinen yksityiskohta ei Dati hieman yhteenveto, so Dati erittäin
yhteenvedot,
Metatiedoilla on paljon tärkeämpi rooli DW-ympäristössä
verrattuna siihen, mitä heillä on koskaan ollut toimintaympäristössä
VANHA YKSITYISKOHTAINEN VARASTOINTI
Magneettinauhaa voidaan käyttää tämän tyyppisten laitteiden tallentamiseen
Dati. Itse asiassa on olemassa monenlaisia ​​muistivälineitä
niitä tulisi harkita vanhojen säilyttämisessä Dati di
yksityiskohta.
Äänenvoimakkuudesta riippuen Dati, pääsyn tiheys, kustannukset
työkalujen ja pääsyn tyypin suhteen, se on täysin todennäköistä
että muut työkalut tarvitsevat vanhan yksityiskohtaisuuden
DW: ssä.
TIETOVIRTA
Jumalien virta on normaali ja ennustettavissa Dati DW: n sisällä.
I Dati kirjoita DW käyttöympäristöstä. (HUOMAUTUS: on
joitakin erittäin mielenkiintoisia poikkeuksia tähän sääntöön. Kuitenkin melkein
kaikki Dati syöttää DW käyttöympäristöstä). Dato että minä Dati
kirjoita DW käyttöympäristöstä, se muuttuu sellaisenaan
kuvailtu yläpuolella. Jos syötät DW: n, ts Dati syötä
nykyinen yksityiskohtien taso kuvan osoittamalla tavalla. Se asuu siellä ja sitä käytetään
kunnes yksi kolmesta tapahtumasta tapahtuu:
▪ on puhdistettu,
▪ on yhteenveto ja / tai
▪ on
Vanhentunut prosessi DW-liikkeen sisällä i Dati ajankohtaiset tiedot
a Dati vanhoja yksityiskohtia iän mukaan Dati. Prosessi
Yhteenveto käyttää Dati laskea i Dati
hieman yhteenvetoiset ja erittäin tiivistetyt tasot Dati. On
joitain poikkeuksia esitetystä virtauksesta (keskustellaan myöhemmin).
Kuitenkin yleensä suurimmalle osalle Dati löytyi
DW: n sisällä Dati on kuten kuvassa.
TIETOKONEEN KÄYTTÖ
Ei ole yllättävää, että eri tasot Dati DW: n sisällä
he saavat eri käyttöasteita. Pääsääntöisesti korkeampi taso
yhteenveto plus i Dati niitä käytetään.
Monet käyttötavat esiintyvät vuonna Dati hyvin yhteenvetoinen, kun taas vanha
Dati yksityiskohtia ei käytetä koskaan. Siellä on hyvä syy
siirrä organisaatio resurssien käytön paradigmaan. Lisää on
yhteenveto i Dati, sitä nopeammin ja tehokkaammin on päästä Dati. itse
un kauppa huomaa, että se tekee monia prosesseja DW: n yksityiskohdilla,
sitten vastaava suuri määrä koneen resursseja
kulutetaan. On kaikkien etujen mukaista asettaa syytteeseen
mahdollisimman korkealla tiivistelmällä.
Monissa myymälöissä DSS-analyytikko käytti DW: tä ennen ympäristöä
Dati yksityiskohtaisuuden tasolla. Monissa suhteissa saapuminen a Dati yksityiskohtainen
se näyttää turvahuovalta, vaikka niitä olisi saatavilla
muut yhteenvedon tasot. Yksi arkkitehdin toiminnoista Dati è
ei tottele DSS-käyttäjää järjestelmän jatkuvasta käytöstä Dati plus-tasolla
matala yksityiskohta. Saatavilla on kaksi syytä
arkkitehti Dati:
▪ asentamalla takaisinperintäjärjestelmän, jossa loppukäyttäjä maksaa
kulutetut resurssit e
▪ jotka osoittavat, että vasteaika voi olla erittäin hyvä
saatu, kun käyttäytyminen i: n kanssa Dati se on korkealla tasolla
yhteenveto, kun taas huono vasteaika johtuu
käyttäytyminen Dati matalalla tasolla
MUUT NÄKÖKOHDAT
On joitain muita rakentamisen ja hallinnan näkökohtia
DW.
Ensimmäinen huomio on indeksien kannalta. THE Dati korkeimmalla tasolla
yhteenveto voidaan indeksoida vapaasti, kun taas i Dati
alemmilla yksityiskohdilla ne ovat niin isoja, että ne voivat olla
indeksoitu säästeliäästi. Samasta tunnuksesta, i Dati korkealla tasolla
yksityiskohdat voidaan suhteellisen helposti kunnostaa,
samalla kun äänenvoimakkuus on Dati alemmilla tasoilla se on niin suuri, että i Dati ei
ne voidaan helposti kunnostaa. Näin ollen malli
ja Dati ja suunnittelun tekemä muodollinen työ asettaa
DW: n perusta sovellettiin melkein yksinomaan tasolle
yksityiskohtainen virta. Toisin sanoen
Dati niitä ei sovelleta yhteenvetotasoihin melkein kaikissa tapauksissa.
Toinen rakenteellinen näkökohta on
Dati kirjoittanut DW.
Osiointi voidaan tehdä kahdella tasolla - tasolla DBMS ja al
sovellustaso. Jaossa tasolla DBMS, DBMS è
tiedoksi jakoista ja tarkistaa ne vastaavasti. Siinä tapauksessa että
jako sovellustasolla, vain ohjelmoija on
tietoa jakoista ja vastuusta niistä
hallinto on jätetty hänelle
Tason alapuolella DBMS, paljon työtä tehdään automaattisesti. On
Paljon joustamattomuutta liittyy automaattiseen järjestelmänhallintaan
jakoihin. Jos kyseessä on jako sovellustasolla, Dati ja
tietovarasto, paljon työtä on ohjelmoijalla, mutta
lopputuloksena on joustavuus Dati päivämäärässä
varasto
MUUT ANOMALIAT
Vaikka komponentit tietovarasto toimi kuvatulla tavalla
melkein kaikille Dati, on joitain hyödyllisiä poikkeuksia, jotka on pakko
keskustella. Poikkeuksena on Dati julkiset yhteenvedot
(julkiset yhteenvetotiedot). Nämä ovat Dati yhteenvedot, jotka ovat olleet
laskettu tietovarasto mutta yhteiskunta käyttää niitä. THE Dati
julkiset yhteenvedot tallennetaan ja hallinnoidaan tietovarasto,
vaikka kuten edellä mainittiin, ne on selvitetty. THE
kirjanpitäjät työskentelevät tuottamaan tällaisia ​​neljännesvuosittain Dati kuten
tulot, neljännesvuosittaiset kulut, neljännesvuosittaiset voitot ja niin edelleen. Työ
kirjanpitäjien tekemä on ulkopuolinen tietovarasto. Kuitenkin, minä Dati ovat
käytetään "sisäisesti" yrityksen sisällä - alkaen markkinointi, myynti jne.
Toinen poikkeama, josta ei keskustella, on Dati ulkoinen.
Toinen loistava tyyppi Dati joka löytyy päivämäärästä
varasto on pysyvien yksityiskohtien tietoja. Nämä aiheuttavat
tarve varastoida pysyvästi i Dati yhdellä tasolla
eettisistä tai oikeudellisista syistä. Jos yritys esittelee i
työntekijöille vaarallisten aineiden suhteen on tarvetta Dati
yksityiskohtainen ja pysyvä. Jos yritys tuottaa tuotteen, joka
siihen liittyy yleinen turvallisuus, mitä lentokoneen osia on
tarve Dati pysyvät tiedot sekä jos yritys
tekee vaarallisia sopimuksia.
Yrityksellä ei ole varaa jättää huomioimatta yksityiskohtia miksi
muutaman seuraavan vuoden aikana, jos kyseessä on oikeusjuttu, palautusmenettely, a
kiistanalainen rakennusvirhe jne. yrityksen altistuminen
se voisi olla hienoa. Näin ollen on olemassa ainutlaatuinen tyyppi Dati
tunnetaan pysyvinä yksityiskohdina.
YHTEENVETO
Un tietovarasto on suuntautunut, integroitu, muunneltava kohde
aikaa, kokoelma Dati haihtumaton tuen tarpeita
hallinnon päätös. Kukin keskeisistä toiminnoista
un tietovarasto on vaikutuksia. Lisäksi on neljä
tasot Dati ja tietovarasto:
▪ Vanha yksityiskohta
▪ Nykyinen yksityiskohta
▪ Antaa hieman yhteenveto
▪ Antaa erittäin yhteenveto
Metatiedot ovat myös tärkeä osa tietovarasto.
ABSTRAKTI
Käsite varastointi Dati äskettäin saanut
paljon huomiota ja siitä on tullut 90-luvun trendi
johtuen a tietovarasto voittaa
hallinnon tukijärjestelmien rajoitukset, kuten i
päätöksentekojärjestelmät (DSS) ja tietojärjestelmät
johtaja (EIS).
Vaikka käsite tietovarasto näyttää lupaavalta,
toteuttaa i tietovarasto se voi olla ongelmallista
laajamittaiset varastointiprosessit. Huolimatta
varastointiprojektien monimutkaisuus Dati, monet toimittajat
ja konsultit, jotka varastavat Dati he väittävät sen
- varastointi Dati nykyinen ei aiheuta ongelmia.
Tämän tutkimushankkeen alussa melkein ei kuitenkaan yhtään
riippumaton, tiukka ja järjestelmällinen tutkimus oli tehty. Of
Näin ollen on vaikea sanoa, mitä todella tapahtuu
teollisuudessa rakennettaessa tietovarasto.
Tässä tutkimuksessa tutkittiin Dati
aikalaistensa kanssa, jonka tavoitteena on kehittää rikkaampaa ymmärrystä
Australian käytännöstä. Kirjallisuuden analyysi antoi
empiirisen tutkimuksen konteksti ja perusta.
Tästä hausta on useita tuloksia. Ensimmäinen
Tämä tutkimus paljasti tapahtuneet toiminnot
kehityksen aikana tietovarasto. Monilla alueilla, i Dati kerääntynyt
vahvisti kirjallisuudessa ilmoitetun käytännön. Toinen
sivusto, ongelmat ja asiat, jotka voivat vaikuttaa
kehittää tietovarasto tunnistettiin tästä tutkimuksesta.
Lopuksi edut, jotka ovat saaneet Australian organisaatioista
käyttö tietovarasto on paljastettu.
Luku 1
Tutkimuksen konteksti
Tietovarastoinnin käsite on saanut laajaa suosiota
altistuminen ja on muuttunut nousevaksi trendiksi vuonna
90-luku (McFadden 1996, TDWI 1996, Shah ja Milstein 1997,
Shanks ja muut. 1997, Eckerson 1998, Adelman ja Oates 2000). Tämä
voidaan nähdä artikkeleiden määrän kasvuna päivämääränä
varastointi kaupallisissa julkaisuissa (Little ja Gibson 1999).
Monet artikkelit (katso esimerkiksi Fisher 1995, Hackathorn 1995,
Morris 1995a, Bramblett ja King 1996, Graham et ai. 1996,
Sakaguchi ja Frolick 1996, Alvarez 1997, Brousell 1997, Clarke
1997, McCarthy 1997, O 'Donnell 1997, Edwards 1998, TDWI
1999) raportoi merkittävistä eduista organisaatioille
jotka toteuttavat i tietovarasto. He tukivat heidän teoriansa
Anekdoottiset todisteet onnistuneesta toteutuksesta, korkea tuotto
investointiluvuista (ROI) ja myös ohjeiden antamisesta
viite tai menetelmät tietovarasto
(Shanks ym. 1997, Seddon ja Benjamin 1998, Little ja Gibson
1999). Äärimmäisessä tapauksessa Graham et ai. (1996) ovat
ilmoitti kolmen vuoden sijoituksen keskimääräisen tuoton olevan 401%.
Suuri osa nykyisestä kirjallisuudesta on kuitenkin unohdettu
tällaisten hankkeiden toteuttamiseen liittyvät monimutkaisuudet. Hankkeet
tietovarasto ne ovat yleensä monimutkaisia ​​ja laajamittaisia ​​e
siksi ne merkitsevät suurta todennäköisyyttä epäonnistua, jos eivät
huolellisesti (Shah ja Milstein 1997, Eckerson 1997,
Foley 1997b, Zimmer 1997, Bort 1998, Gibbs ja Clymer 1998, Rao
1998). Ne vaativat valtavia määriä sekä henkilöresursseja että resursseja
taloudellista aikaa ja aikaa ja vaivaa niiden rakentamiseen (Hill 1998, Crofts 1998).
tyypillinen aika ja tarvittavat taloudelliset varat ovat vastaavasti
noin kaksi vuotta ja kaksi tai kolme miljoonaa dollaria (Braly 1995, Foley
1997b, Bort 1998, Humphries et ai. 1999). Nämä ajat ja keinot
taloushallinnon tarvitaan monien näkökohtien hallitsemiseksi ja konsolidoimiseksi
erityyppiset tietovarastot (Cafasso 1995, Hill 1998). Sivulle
laitteisto- ja ohjelmistokysymykset, muut toiminnot, jotka vaihtelevat
louhinnasta Dati - lastausprosesseihin Dati, alkaen
muistikapasiteetti päivitysten ja metatietojen hallintaan Dati
käyttäjien koulutuksessa ne on otettava huomioon.
Tämän tutkimushankkeen alkaessa oli hyvin vähän
tietovarastoinnin alalla suoritettu akateeminen tutkimus,
erityisesti Australiassa. Tämä kävi ilmi artikkelipulasta
julkaistu tietovarastossa sanomalehdistä tai muista kirjoituksista
tuon ajan tutkijat. Monet akateemisista kirjoituksista
saatavilla kuvattu Yhdysvaltojen kokemus. Puute
Akateeminen tutkimus sl-tietovarastoalueella on aiheuttanut
tiukan tutkimuksen ja empiiristen tutkimusten kysyntä (McFadden 1996,
Shanks ja muut. 1997, Little ja Gibson 1999). Erityisesti tutkimukset
-. - tutkimus tietovarasto
ne on tehtävä tietämyksen lisäämiseksi
yleisesti ohjelman täytäntöönpanosta tietovarasto e
toimii tulevan tutkimuksen perustana (Shanks toim
toiset. 1997, Little ja Gibson 1999).
Tämän tutkimuksen tarkoituksena on siis tutkia mitä todella
se tapahtuu, kun organisaatiot ylläpitävät ja käyttävät tietoja
varasto Australiassa. Erityisesti tähän tutkimukseen sisältyy
analyysi a tietovarasto,
alkaen aloittamisesta ja suunnittelusta suunnittelun ja
käyttöönotto ja myöhempi käyttö organisaatioissa
Australialainen. Lisäksi tutkimus myötävaikuttaa olemassa olevaan käytäntöön
kartoittamalla alueet, joilla käytäntöä voidaan jatkaa
parannettu ja tehottomuudet ja riskit voidaan minimoida tai
välttää. Lisäksi se toimii perustana muille tutkimuksille tietovarasto in
Australiassa ja täyttää tällä hetkellä kirjallisuudessa olevan aukon.
Tutkimuskysymykset
Tämän tutkimuksen tavoitteena on tutkia mukana olevaa toimintaa
täytäntöönpanossa tietovarasto ja niiden käyttö
Australian järjestöt. Erityisesti elementtejä tutkitaan
projektin suunnittelusta, kehittämisestä, al
toiminnasta, käytöstä ja riskeistä. Tästä syystä kysymys
tämän tutkimuksen on:
"Kuinka nykyinen käytäntö on tietovarasto Australiassa?"
Voit vastata tehokkaasti tähän ongelmaan a
tietty määrä sivututkimuskysymyksiä. Erityisesti kolme
alakysymykset tunnistettiin kirjallisuudesta, toisin sanoen
esitelty luvussa 2, ohjaamaan tätä tutkimushanketta:
Kuinka voin tietovarasto järjestöt
Australialainen? Mitä ongelmia kohdataan?
Mitä hyötyä siitä on?
Näihin kysymyksiin vastaamisessa käytettiin piirustusta
tutkiva tutkimus. Tutkimuksena
tutkimukseen, vastaukset yllä oleviin kysymyksiin eivät ole täydellisiä
(Shanks et ai. 1993, Denscombe 1998). Tässä tapauksessa se on
kolmiomittaus tarvitaan vastausten parantamiseksi näihin
kysymyksiä. Tutkimus tarjoaa kuitenkin vankan perustan
tulevaa työtä näiden kysymysten tutkimiseksi. Yksityiskohtainen
keskustelu tutkimusmenetelmän perusteluista ja suunnittelusta
on esitetty luvussa 3.
Tutkimushankkeen rakenne
Tämä tutkimushanke on jaettu kahteen osaan: asiayhteyteen liittyvä tutkimus
- tietovarastoinnin ja empiirisen tutkimuksen käsite (ks
kuva 1.1), joista kutakin käsitellään jäljempänä.
Osa I: Asiayhteyteen liittyvä tutkimus
Tutkimuksen ensimmäinen osa koostui
nykyinen kirjallisuus erityyppisistä tietovarastoista, mukaan lukien i
päätöksentekojärjestelmät (DSS), tietojärjestelmät
(EIS), tapaustutkimukset tietovarasto ja päivämääräkäsitteet
varasto. Lisäksi tulokset foum sui tietovarasto ja jumalat
- asiantuntijaryhmän johtamat kokousryhmät asiantuntijoille ja ammattilaisille
Monash DSS -tutkimus osallistui tutkimuksen tähän vaiheeseen
jonka tarkoituksena oli saada tietoa tietojen käytännöstä
varastoon ja tunnistaa niiden käyttöönottoon liittyvät riskit.
Tänä kontekstuaalisen tutkimuksen aikana ymmärtäminen
ongelma-alue on perustettu antamaan tietoa
perusta myöhemmille empiirisille tutkimuksille. Kuitenkin tämä
oli jatkuva prosessi
Research.
Osa II: Empiirinen tutkimus
Erityisesti suhteellisen uusi tietovarastoinnin käsite
Australiassa se aiheutti tarpeen suorittaa tutkimus
saat suuren kuvan käyttökokemuksesta. Tämä
osa tehtiin, kun ongelma-alue oli
kirjallisuuskatsauksen avulla. Käsite
kontekstuaalisen tutkimusvaiheen aikana muodostuneen tietovarastoinnin osuus on
käytettiin tämän tutkimuksen alkuperäisen kyselylomakkeen syötteenä.
Tämän jälkeen kyselylomake tarkistettiin. Kuusi päivämääräasiantuntijaa
varasto osallistui testiin. Testin tarkoitus
Alustavan kyselylomakkeen tarkoituksena oli tarkistaa täydellisyys ja tarkkuus
joitain kysymyksiä. Testitulosten perusteella kyselylomake on
muutettu ja muokattu versio lähetettiin osoitteeseen
kyselyn osallistujat. Sitten palautetut kyselylomakkeet olivat
analysoitiin i Dati taulukoissa, kaavioissa ja muissa muodoissa. THE
analyysitulokset Dati muodostaa tilannekuvan
tietovarastoinnin käytäntö Australiassa.
TIETOJEN SÄILYTYSKATSAUS
Tietovarastoinnin käsite on kehittynyt parannusten myötä
tietotekniikkaa.
Sen tarkoituksena on voittaa ryhmien kohtaamat ongelmat
tuki sovelluksille, kuten päätöksentekojärjestelmä (DSS) e
Johtamistietojärjestelmä (EIS).
Aiemmin näiden sovellusten suurin este on ollut
näiden sovellusten kyvyttömyys tarjota a tietokanta
analyysin kannalta välttämätön.
Tämä johtuu lähinnä YK: n työn luonteesta
johtajuutta. Yrityksen johdon edut vaihtelevat
jatkuvasti riippuen hoidetusta alueesta. Siksi i Dati
Näiden sovellusten perustavanlaatuisen on kyettävä
vaihda nopeasti hoidettavan osan mukaan.
Tämä tarkoittaa, että i Dati niiden on oltava saatavilla muodossa
riittävät vaadittuihin analyyseihin. Itse asiassa
sovellukset löysivät aikaisemmin monia vaikeuksia kerätä ja
integraatio Dati monimutkaisista ja monipuolisista lähteistä.
Tämän osan loppuosa tarjoaa yleiskatsauksen
tietovarastointi ja käsittelee miten tietovarasto voi ylittää i
Sovellusten tukiryhmien ongelmat.
Termi “Tietovarasto”William Inmon julkaisi sen vuonna 1990.
Sen usein siteerattu määritelmä näkee Tietovarasto Tulla
kokoelma Dati aihekeskeinen, integroitu, haihtumaton ja vaihteleva
ajan mittaan tukemaan johtamispäätöksiä.
Tämän määritelmän avulla Inmon huomauttaa, että i Dati asukkaat
a tietovarasto on oltava seuraavat 4
ominaisuudet:
▪ Kohdennettu aiheeseen
▪ Integroitu
▪ Haihtumaton
▪ Vaihtelee ajan myötä
Kohdekeskeinen Inmon tarkoittaa, että i Dati päivämäärässä
varasto suurimmilla organisaatioalueilla, jotka ovat olleet
määritelty mallissa Dati. Esimerkiksi kaikki Dati koskien asiakkaat
sisältyvät aihealueeseen ASIAKKAAT. Samoin kaikki
Dati tuotteisiin liittyvät aihealueet
TUOTTEET.
Integrati Inmon tarkoittaa sitä, että i Dati tulevat erilaisista
alustat, järjestelmät ja sijainnit yhdistetään ja tallennetaan
ainoa paikka. Näin ollen Dati samanlainen on muutettava
yhtenäisissä muodoissa, jotka lisätään ja verrataan
helposti.
Esimerkiksi miesten ja naisten sukupuoli on edustettuna
kirjaimilla M ja F yhdessä järjestelmässä ja kirjaimilla 1 ja 0 toisessa. Sillä
integroida ne oikealla tavalla, yhden tai molempien tiedostomuotojen on oltava
muunnetaan siten, että nämä kaksi muotoa ovat samat. Tässä
voimme muuttaa M arvoksi 1 ja F arvoksi 0 tai päinvastoin. Suunnattu
aihe ja integroitu osoittavat, että tietovarasto on suunniteltu
tarjota toiminnallinen ja poikittainen näkymä Dati syrjään
yhtiön.
Haihtumaton tarkoittaa, että i Dati sisään tietovarasto jäädä jäljelle
johdonmukainen ja päivitettävä Dati se ei ole tarpeen. Sen sijaan kukin
muutos Dati alkuperäiset lisätään tietokanta päivämäärästä
varasto. Tämä tarkoittaa, että Dati sisältyy
tietovarasto.
Muuttujille ajan mittaan Inmon osoittaa, että i Dati sisään tietovarasto
sisältää aina aikamerkit ja i Dati normalmente
ne ylittävät tietyn aikahorisontin. Esimerkiksi a
tietovarasto voi sisältää 5 vuoden historiallisia arvoja asiakkaat dal
1993–1997. Historioitsijan ja aikasarjan saatavuus
ja Dati avulla voit analysoida trendejä.
Un tietovarasto hän voi kerätä omat Dati järjestelmistä
OLTP; alkuperästä Dati organisaation ulkopuoliset ja / tai muut asiantuntijat
kaapata järjestelmäprojekteja Dati.
I Dati uutteet voivat käydä läpi puhdistusprosessin
tässä tapauksessa i Dati ne muunnetaan ja integroidaan ennen olemista
tallennettu tietokanta ja tietovarasto. Sitten minä Dati
asuvat tietokanta ja tietovarasto ovat saatavilla
loppukäyttäjän kirjautumistiedot ja palautustyökalut. Käyttämällä
Näillä työkaluilla loppukäyttäjä voi käyttää integroitua näkymää
organisaation organisaatio Dati.
I Dati asuvat tietokanta ja tietovarasto ovat
sekä yksityiskohtaisesti että yhteenvetomuodossa.
Yhteenvedon taso voi riippua Dati. Minä Dati
yksityiskohtainen voi koostua Dati virta ja Dati historioitsijat
I Dati todellisia eivät sisälly tietovarasto kunnes minä Dati
sisään tietovarasto ovat virkistyneet.
Sen lisäksi, että i Dati itse, a tietovarasto voi myös
tallentaa erityyppisiä Dato nimeltään METADATA joka
kuvaile i Dati asuu hänen tietokanta.
Metatietoja on kahta tyyppiä: kehitysmetatiedot ja
analyysi.
Kehityksen metatietoja käytetään hallintaan ja automatisointiin
- uuttamis -, puhdistus -, kartoitus - ja latausmenetelmät Dati sisään
tietovarasto.
Kehitysmetatietojen sisältämät tiedot voivat sisältää
- käyttöjärjestelmien yksityiskohdat, purettavien elementtien yksityiskohdat, -
malli Dati ja tietovarasto ja yrityssäännöt
muuntaminen Dati.
Toinen metatietotyyppi, joka tunnetaan nimellä analytiikan metatiedot
avulla loppukäyttäjä voi tutkia tietojen sisältöä
varasto löytää Dati käytettävissä ja niiden merkitys
selkeä ja ei-tekninen.
Siksi analytiikan metatiedot toimivat siltana tietojen välillä
varasto- ja loppukäyttäjäsovellukset. Tämä metatieto voi
sisältää liiketoimintamallin, kuvaukset Dati kirjeenvaihtajat
liiketoimintamalliin, ennalta määriteltyihin kyselyihin ja raportteihin,
käyttäjätunnusten ja hakemiston tiedot.
Analyysi- ja kehitysmetatiedot on yhdistettävä yhdeksi
integroidut suojarakennuksen metatiedot toimimaan kunnolla.
Valitettavasti monilla olemassa olevista työkaluista on omat
metatietoja ja tällä hetkellä ei ole olemassa olemassa olevia standardeja
anna tietovarastointityökalujen integroida nämä
metatiedot. Tämän tilanteen korjaamiseksi monet
tärkeimmät tietovarastointityökalut ovat muodostaneet Meta-datan
Neuvostosta tuli myöhemmin Meta Data Coalition.
Tämän koalition tarkoituksena on rakentaa metatietosarja
standardi, joka sallii erilaiset
muuntaa metatiedot
Heidän ponnistelunsa tuloksena syntyi meta
Data Interchange Specification (MDIS), joka mahdollistaa vaihdon
tietoja Microsoft-arkistojen ja niihin liittyvien MDIS-tiedostojen välillä.
- olemassaolo Dati sekä yhteenveto / indeksoitu että yksityiskohtainen antaa
käyttäjän kyky suorittaa DRILL DROWN
(poraus) tule Dati indeksoitu yksityiskohtaisiin ja päinvastoin.
- olemassaolo Dati yksityiskohtaiset historiatiedot mahdollistavat
trendianalyysi ajan myötä. Lisäksi analyysin metatiedot voivat
voidaan käyttää hakemistona tietokanta ja tietovarasto varten
auttaa loppukäyttäjiä löytämään i Dati tarpeen.
Verrattuna OLTP-järjestelmiin, niiden kykyyn tukea
analyysi Dati ja raportointi, tietovarasto sitä pidetään järjestelmänä
sopivampi tietoprosesseille, kuten e
vastata kyselyihin ja tuottaa raportteja. Seuraava osa
korostavat näiden kahden järjestelmän eroja yksityiskohtaisesti.
TIETOVARASTO OLTP-JÄRJESTELMIEN VASTAINEN
Monet organisaatioiden tietojärjestelmistä
niiden on tarkoitus tukea päivittäistä toimintaa. Nämä
tunnetaan OLTP SYSTEMS -järjestelminä, siepataan tapahtumia
päivitetään jatkuvasti joka päivä.
I Dati näissä järjestelmissä niitä usein muokataan, lisätään tai
poistettu. Esimerkiksi asiakasosoite vain muuttuu
hän liikkuu paikasta toiseen. Tässä tapauksessa uusi osoite
rekisteröidään muuttamalla osoitekenttää tietokanta.
Näiden järjestelmien päätavoitteena on vähentää järjestelmän kustannuksia
lyhentää käsittelyaikoja.
Esimerkkejä OLTP-järjestelmistä ovat kriittiset toiminnot, kuten kirjoittaminen
tilausten, palkanlaskennan, laskujen, valmistuksen ja muiden palvelujen kirjanpito asiakkaat.
Toisin kuin OLTP-järjestelmät, jotka on rakennettu prosesseja varten
tapahtumien ja tapahtumien perusteella, tietovarasto luotiin
tarjota tukea analyysiin perustuville prosesseille Dati on U
päätöksentekoprosesseja.
Tämä saavutetaan normaalisti integroimalla i Dati eri järjestelmistä
OLTP ja ulkoinen yhdessä "kontissa" Dati, kuten keskusteltiin
edellisessä osassa.
Monash-tietovarastoprosessimalli
Prosessin malli tietovarasto Monashin kehitti
tutkijat Monash DSS Research Groupista, perustuu
kirjallisuus tietovarasto, kokemuksista
- järjestelmäkenttien kehittäminen keskusteluista
sovellukset käytettäväksi tietovarasto, asiantuntijaryhmästä
käytössä tietovarasto.
Vaiheet ovat: aloittaminen, suunnittelu, kehittäminen, toiminnot ja
Selitykset. Kaavio selittää o iteratiivisen luonteen
a. evoluutiokehitys tietovarasto prosessin käyttö
kaksisuuntaiset nuolet eri vaiheiden väliin. Tässä
"iteratiivinen" ja "evoluutiomainen" konteksti tarkoittavat sitä kussakin
prosessin vaiheessa toteutustoimet ovat mahdollisia
aina edetä edelliseen vaiheeseen. Tämä on
a. projektin luonteen vuoksi tietovarasto jossa
osan uudet pyynnöt otetaan vastaan ​​milloin tahansa
loppukäyttäjä. Esimerkiksi a
prosessi tietovarasto, yksi vaaditaan loppukäyttäjältä
uusi ulottuvuus tai aihealue, joka ei liittynyt
alkuperäinen suunnitelma, se on lisättävä järjestelmään. Tämä
aiheuttaa muutoksen projektissa. Tuloksena on, että
suunnittelun on muutettava tähän mennessä luotujen asiakirjojen vaatimuksia
suunnitteluvaiheessa. Monissa tapauksissa
projektin on palattava suunnitteluvaiheeseen, jossa
uusi pyyntö on lisättävä ja dokumentoitava. Käyttäjä
lopullisen on voitava nähdä tarkistetut erityiset asiakirjat ja
kehitysvaiheessa tehdyt muutokset. Lopussa
Tämän kehitysjakson aikana projektilta on saatava erinomaista palautetta
molemmat joukkueet, kehitystiimi ja käyttäjätiimi. THE
palautetta käytetään sitten tulevan projektin parantamiseen.
Kapasiteettisuunnittelu
DW: t ovat yleensä kooltaan hyvin suuria ja kasvavat
hyvin nopeasti (Paras 1995, Rudin 1997a)
määrä Dati historioitsijat, jotka he säilyttävät elämästään. Siellä
kasvu voi johtua myös Dati lisävaatimukset
käyttäjille lisätä arvoa Dati että heillä on jo. Of
sen vuoksi Dati voi
merkittävästi (Eckerson 1997). Niin se on
on välttämätöntä varmistaa
kapasiteetti, jolla rakennettava järjestelmä voi kasvaa
kasvavat tarpeet (Paras 1995, LaPlante 1996, Lang 1997,
Eckerson 1997, Rudin 1997a, Foley 1997a).
Suunniteltaessa dw-skaalautuvuutta on tunnettava
Odotettu varaston koon kasvu, kysymystyypit
todennäköisesti suoritettava, ja tuettujen loppukäyttäjien määrä (Paras
1995, Rudin 1997b, Foley 1997a). Luo skaalautuvia sovelluksia
vaatii skaalautuvien ja teknisten palvelintekniikoiden yhdistelmän
skaalautuva sovellussuunnittelu (Paras 1995, Rudin 1997b.
Molemmat vaaditaan sovelluksen luomisessa
erittäin skaalautuva. Skaalautuvat palvelintekniikat voivat
tehdä tallennuksen, muistin ja muistin lisäämisen helpoksi ja kannattavaksi
Suoritin ilman heikentävää suorituskykyä (Lang 1997, Telephony 1997).
Skaalautuvia palvelintekniikoita on kaksi: laskenta
symmetrinen moninkertainen (SMP) ja massiivinen käsittely
(MPP)) (IDC 1997, Humphries et ai. 1999). Yksi palvelin
SMP: llä on yleensä useita prosessoreita, jotka jakavat muistia,
väyläjärjestelmä ja muut resurssit (IDC 1997, Humphries ym. 1999).
Muita prosessoreita voidaan lisätä lisäämään
hänen Potenza laskennallinen. Toinen tapa lisätä
Potenza SMP-palvelimen laskennallisen yhdistelmän avulla voit yhdistää useita
SMP-koneet. Tätä tekniikkaa kutsutaan klustereiksi (Humphries
et ai. 1999). MPP-palvelimella on toisaalta useita prosessoreita
omalla muistilla, väyläjärjestelmällä ja muilla resursseilla (IDC 1997,
Humphries et ai. 1999). Kutakin prosessoria kutsutaan solmuksi. A
lisäys Potenza laskennallinen voidaan saavuttaa
lisäsolmujen lisääminen MPP-palvelimille (Humphries et al.
1999).
SMP-palvelinten heikkous on se, että liian monta panos-lähtö-operaatiota
(I / O) voi ruuhkia väyläjärjestelmää (IDC 1997). Tämä
ongelmaa ei esiinny MPP-palvelimissa, koska kukin
prosessorilla on oma väyläjärjestelmä. Kuitenkin yhteenliitännät
kunkin solmun välillä ne ovat yleensä paljon hitaampia kuin väyläjärjestelmä
HMV: n osuus. Lisäksi MPP-palvelimet voivat lisätä kerroksen
lisää monimutkaisuutta sovelluskehittäjille (IDC
1997). Siten valintaan SMP- ja MPP-palvelimien välillä voidaan vaikuttaa
monilla tekijöillä, mukaan lukien kysymysten monimutkaisuus, suhde
hinta / suorituskyky, vaadittu käsittelykapasiteetti,
dw - sovellukset estetty ja koon kasvu tietokanta
dw ja loppukäyttäjien lukumäärä.
Lukuisia skaalautuvia sovellusten suunnittelutekniikoita
niitä voidaan käyttää kapasiteetin suunnittelussa. Yksi
käyttää erilaisia ​​ilmoituskausia, kuten päiviä, viikkoja, kuukausia ja vuosia.
Koska sillä on useita ilmoituskausia, tietokanta voidaan jakaa
hallitusti ryhmitetyt kappaleet (Inmon et al. 1997). Toinen
tekniikka on käyttää muodostettuja yhteenvetotaulukoita
Yhteenvetona Dati da Dati yksityiskohtainen. Siten i Dati yhteenvedot ovat enemmän
pienempi kuin yksityiskohtainen, mikä vaatii vähemmän muistitilaa.
Joten Dati yksityiskohdat voidaan tallentaa yksikköön
halvempi varastointi, mikä säästää vielä enemmän tallennustilaa.
Vaikka yhteenvetotaulukoiden käyttäminen voi säästää tilaa
muistia, ne vaativat paljon vaivaa pitääkseen heidät ajan tasalla
kaupallisten tarpeiden mukaisesti. Tämä tekniikka on kuitenkin
käytetään laajalti ja käytetään usein tekniikan yhteydessä
edellinen (paras 1995, Inmon 1996a, Chauduri ja Dayal
1997).
Määrittely Tietovarasto Tekninen
Arkkitehdit Tekniikoiden määrittely
arkkitehtuurit: dw
Alun perin tietovarastojen käyttöönottajat
dw: n keskitetty toteutus missä kaikki Datimukaan lukien
i Dati ulkoiset, integroitiin yhdeksi,
fyysinen arkisto (Inmon 1996a, Bresnahan 1996, Peacock 1998).
Tämän lähestymistavan tärkein etu on, että loppukäyttäjät
Pystyn tutustumaan näkemykseen yrittäjyyden mittakaavassa
(yrityksenlaajuinen näkymä) Dati organisatorinen (Ovum 1998). Toinen
etuna on, että se tarjoaa standardoinnin Dati attraverso
organisaatio, mikä tarkoittaa, että on vain yksi versio tai
määritelmä jokaiselle dw-arkistossa käytetylle terminologialle
(reposity) -metatiedot (Flanagan ja Safdie 1997, Ovum 1998).
Tämän lähestymistavan haittana on toisaalta se, että se on kallista ja vaikeaa
rakennetaan (Flanagan ja Safdie 1997, Ovum 1998, Inmon et ai.
1998). Ei kauan tallennusarkkitehtuurin jälkeen Dati
keskitetystä tuli suosittu, louhinnan käsite kehittyi
- pienemmistä alaryhmistä Dati tukea tarpeita
erityissovellukset (Varney 1996, IDC 1997, Berson ja Smith
1997, riikinkukko 1998). Nämä pienet järjestelmät ovat peräisin enemmän
suuri tietovarasto keskitetty. Niitä kutsutaan päivämääräksi
riippuvaiset osastovarastot tai riippuvaiset datamartit.
Riippuva data data -arkkitehtuuri tunnetaan nimellä
kolmitasoinen arkkitehtuuri, jossa ensimmäinen rivi koostuu päivämäärästä
keskitetty varasto, toinen koostuu Dati
osasto ja kolmas koostuu pääsystä Dati ja työkalut
analyysi (Demarest 1994, Inmon ym. 1997).
Datamartit rakennetaan normaalisti tietovarasto
keskitetty rakennettiin tarpeiden täyttämiseksi
yksikön tekniset tiedot (White 1995, Varney 1996).
Tietomarket i Dati erittäin merkityksellinen yksityiskohtiin liittyen
yksikköä (Inmon ym. 1997, Inmon ym. 1998, IA 1998).
Tämän menetelmän etuna on, että sitä ei tule olemaan Dato ei
integroitu ja että i Dati ne ovat vähemmän tarpeettomia tiedoissa
marts koska kaikki Dati tulevat talletuksesta Dati integroitu.
Toinen etu on, että niiden välillä on vain vähän linkkejä
data Mart ja siihen liittyvät lähteet Dati koska jokaisella data-Martilla on vain
lähde Dati. Lisäksi tämä arkkitehtuuri on paikallaan, käyttäjät
päätteet voivat silti käyttää Dati
liike-elämän organisaatio. Tämä menetelmä tunnetaan nimellä
ylhäältä alas -menetelmä, jossa datamartit rakennetaan päivämäärän jälkeen
varasto (riikinkukko 1998, Goff 1998).
Jotkut lisäävät tarvetta näyttää tulokset aikaisin
organisaatiot ovat alkaneet rakentaa itsenäisiä datamartteja
(Flanagan ja Safdie 1997, White 2000). Tässä tapauksessa tiedot nousevat
he ottavat omansa Dati suoraan Dati OLTP eikä siitä lähtien
keskitetty ja integroitu varastointi, mikä poistaa tarpeen
pitää keskusvarasto paikallaan.
Jokainen data-alue vaatii vähintään yhden linkin lähteisiin
di Dati. Haittana on, että sinulla on useita linkkejä jokaiselle päivämäärälle
Mart on, että verrattuna kahteen edelliseen arkkitehtuuriin,
liikaa Dati kasvaa merkittävästi.
Jokaisen tietomäärän on tallennettava kaikki Dati tarvitaan paikallisesti
ei ole vaikutusta OLTP-järjestelmiin. Tämä aiheuttaa Dati
ne on tallennettu eri datamartteihin (Inmon et ai. 1997).
Toinen tämän arkkitehtuurin haittapuoli on, että se johtaa
monimutkaisten yhteyksien luominen datamarttien ja niiden välille
lähteet Dati joita on vaikea suorittaa ja hallita (Inmon toim
toiset. 1997).
Toinen haittapuoli on, että loppukäyttäjät eivät voi virtaa
pääsy yritystietojen yleiskatsaukseen, koska i Dati
eri datamartseista ei ole integroitu (Ovum 1998).
Vielä yksi haittapuoli on, että niitä voi olla useampi kuin yksi
määritelmä mille tahansa terminologialle, jota käytetään sen tuottamassa datamartissa
epäjohdonmukaisuudet Dati organisaatiossa (Ovum 1998).
Edellä esitetyistä haitoista huolimatta riippumattomat tiedot ovat
ne ovat edelleen kiinnostuneita monista organisaatioista (IDC 1997).
Yksi tekijä, joka tekee heistä houkuttelevia, on se, että ne kehittyvät nopeammin
ja vaativat vähemmän aikaa ja resursseja (Bresnahan 1996, Berson e
Smith 1997, Ovum 1998). Näin ollen he palvelevat pääasiassa
todistushankkeina, joita voidaan käyttää tunnistamiseen
nopeasti projektin edut ja / tai puutteet (Parsaye
1995, Braly 1995, Newing 1996). Tässä tapauksessa osa
pilottihankkeessa toteutettavien on oltava pieniä mutta tärkeitä
järjestölle (Newing 1996, Mansell-Lewis 1996).
Tutkimalla prototyyppiä loppukäyttäjät ja hallinto voivat
päättää, jatketaanko vai lopetetaanko projekti (Flanagan ja Safdie
1997).
Jos päätöstä jatketaan, tiedot nousevat muille sektoreille
ne tulisi rakentaa yksi kerrallaan. On kaksi vaihtoehtoa
loppukäyttäjät heidän rakennustietojensa perusteella
riippumattomat matrat: integroidut / yhdistetyt ja integroimattomat (munasarja
1998)
Ensimmäisessä menetelmässä jokainen uusi datamoduuli tulisi rakentaa
perustuu nykyiseen tietoon ja malliin Dati käytetyt
yritykseltä (Varney 1996, Berson ja Smith 1997, Peacock 1998).
Tarve käyttää mallia Dati yrityksen tarpeesta
varmista, että kullekin terminologialle on vain yksi määritelmä
käytetään tietojen kautta, tämä varmistaa myös päivämäärän
eri marts voidaan yhdistää antaa yleiskatsaus
yritystiedot (Bresnahan 1996). Tämä menetelmä on
kutsutaan alhaalta ylöspäin ja on parasta, kun siihen liittyy rajoitus
taloudelliset varat ja aika (Flanagan ja Safdie 1997, Ovum 1998,
riikinkukko 1998, Goff 1998). Toisessa menetelmässä data näyttää
rakennettu pystyy vastaamaan vain tietyn yksikön tarpeisiin.
Vaihtoehto yhdistetystä data-ryhmästä on tietovarasto hajautettu
jossa tietokanta palvelinkeskittimen väliohjelmistoa käytetään moniin liittymiseen
datamartit yhdellä talletuksella Dati jaettu (Valkoinen 1995). Sisään
tässä tapauksessa, i Dati yrityksiä on jaettu useisiin datamartseihin.
Loppukäyttäjien pyynnöt välitetään tietokanta
palvelinkeskittimen väliohjelmisto, joka purkaa kaikki Dati tietojen edellyttämät
marts ja palauttaa tulokset loppukäyttäjäsovelluksille. Tämä
menetelmä tarjoaa yritystietoja loppukäyttäjille. Kuitenkin,
datamarttien ongelmia ei ole vielä poistettu
riippumaton. On toinenkin arkkitehtuuri, jota voidaan käyttää
soitti tietovarasto virtuaalinen (Valkoinen 1995). Kuitenkin tämä
Kuvassa 2.9 kuvattu arkkitehtuuri ei ole arkkitehtuuri
varastointia Dati todellinen, koska se ei siirrä kuormaa
OLTP-järjestelmistä tietovarasto (Demarest 1994).
Itse asiassa Dati loppukäyttäjät ovat ylittäneet
OLTP-järjestelmät, jotka palauttavat tulokset käsittelyn jälkeen
käyttäjän pyynnöt. Vaikka tämä arkkitehtuuri sallii käyttäjien
luoda raportteja ja muotoilla pyyntöjä, ei voi antaa i
Dati historia ja yleiskatsaus yritystiedoista vuodesta i Dati
eri OLTP-järjestelmistä peräisin olevia laitteita ei ole integroitu. Joten, tämä
arkkitehtuuri ei voi tyydyttää Dati mikä mainos on monimutkainen
esimerkki ennusteesta.
Käyttöoikeussovelluksen valinta ja
palautus Dati
Rakennuksen tarkoitus a tietovarasto on välittää
tietoa loppukäyttäjille (Inmon ym. 1997, Poe 1996,
McFadden 1996, Shanks et ai. 1997, Hammergren 1998); yksi tai
useita pääsy- ja palautussovelluksia Dati on toimitettava. Vastaanottaja
Nykyään näitä sovelluksia on laaja valikoima, joiden joukossa käyttäjä voi
valita (Hammergren 1998, Humphries et al 1999).
valitut sovellukset määrittävät työn onnistumisen
varastointia Dati organisaatiossa, koska
sovellukset ovat näkyvin osa tietovarasto käyttäjälle
lopullinen (Inmon et ai. 1997, Poe 1996). Menestyksekästä päivämäärää varten
varaston on kyettävä tukemaan Dati
loppukäyttäjä (Poe 1996, Seddon ja Benjamin 1998, Eckerson
1999). Joten loppukäyttäjän haluaman "tason" on oltava
tunnistettu (Poe 1996, Mattison 1996, Inmon et al 1997,
Humphries et ai. 1999).
Yleensä loppukäyttäjät voidaan ryhmitellä kolmeen
luokat: pääkäyttäjät, yritysanalyytikot ja tehokäyttäjät (Poe
1996, Humphries ym. 1999). Executive-käyttäjät tarvitsevat
helppo pääsy ennalta määritettyihin raporttisarjoihin (Humphries toim
muut 1999). Nämä suhteet voidaan helposti saavuttaa
valikoiden navigointi (Poe 1996). Lisäksi raporttien pitäisi
esitä tietoja graafisen esityksen avulla
kuten taulukoita ja malleja nopeasti toimitettavaksi
(Humphries ym. 1999). Liiketoiminta-analyytikot, jotka eivät
heillä voi olla tekniset valmiudet rakentaa suhteita
nollan itsensä, täytyy pystyä muuttamaan nykyisiä suhteita
vastaamaan heidän erityistarpeisiinsa (Poe 1996, Humphries et ai
1999). Toisaalta virrankäyttäjät ovat sellaisia ​​loppukäyttäjiä
heillä on kyky tuottaa ja kirjoittaa pyyntöjä ja raportteja
nolla (Poe 1996, Humphries et ai. 1999). He ovat niitä, jotka
kehittää raportteja muuntyyppisille käyttäjille (Poe 1996, Humphries
et ai. 1999).
Kun loppukäyttäjän vaatimukset on määritetty, se on tehtävä
valikoima pääsy- ja hakusovelluksia Dati kaikkien mukana
käytettävissä olevat (Poe 1996, Inmon et ai. 1997).
Pääsy Dati ja hakutyökalut voivat olla
luokiteltu 4 tyyppiin: OLAP-työkalu, EIS / DSS-työkalu, kyselytyökalu ja
raportointi- ja tiedonlouhintatyökalu.
OLAP-työkalujen avulla käyttäjät voivat luoda myös tilapäisiä kyselyjä
ne, jotka on tehty tietokanta ja tietovarasto. Plus nämä tuotteet
anna käyttäjien porautua Dati yleensä niille
yksityiskohtainen.
EIS / DSS-työkalut tarjoavat johdon raportoinnin "mitä jos" -analyysiksi
ja pääsy valikoissa järjestettyihin raportteihin. Raporttien on oltava
valmiiksi määritelty ja yhdistetty valikoihin navigoinnin helpottamiseksi.
Kysely- ja raportointityökalujen avulla käyttäjät voivat tuottaa raportteja
ennalta määritelty ja tarkka.
Tiedonlouhintatyökaluja käytetään tunnistamaan suhteet
voisi tuoda uutta valoa unohdettuihin toimintoihin Dati ja
tietovarasto.
Jokaisen käyttäjätyypin vaatimusten optimoinnin ohella, i
valittujen työkalujen on oltava intuitiivisia, tehokkaita ja helppokäyttöisiä.
Niiden on myös oltava yhteensopivia arkkitehtuurin muiden osien kanssa e
pystyy toimimaan olemassa olevien järjestelmien kanssa. Sitä ehdotetaan myös
valita datan käyttö- ja hakutyökalut hinnoilla ja suorituskyvyllä
kohtuullinen. Muita harkittavia kriteereitä ovat muun muassa
työkalun toimittajan tukemaan heidän tuotteitaan ja sen aikaansaamaa kehitystä
sama on tulevissa julkaisuissa. Käyttäjän sitoutumisen varmistamiseksi
tietovaraston käytössä kehitystiimi ottaa mukaan
käyttäjille työkalunvalintaprosessissa. Tässä tapauksessa
käyttäjän käytännön arviointi olisi suoritettava.
Kehittää tiimi voi parantaa tietovaraston arvoa
tarjoavat myös verkkoyhteyden tietovarastoihinsa. A
verkkopohjainen tietovarasto antaa käyttäjille pääsyn Dati
syrjäisistä paikoista tai matkoilla. Myös tiedot voivat
tarjotaan pienemmillä kustannuksilla vähentämällä kustannuksia
koulutuksen.
2.4.3 Tietovarasto Toimintavaihe
Tämä vaihe koostuu kolmesta toiminnasta: päivämäärästrategioiden määrittely
päivittäminen, tietovaraston toiminnan hallinta ja
tietovaraston turvallisuus.
Tietojen päivitysstrategioiden määrittely
Ensimmäisen latauksen jälkeen, i Dati sisään tietokanta tietovaraston
niitä on päivitettävä säännöllisesti lisääntymisen vuoksi
tehtyjä muutoksia Dati alkuperäiset. Siksi on tarpeen päättää
milloin päivittää, kuinka usein pitäisi
päivittää ja miten päivittää Dati. On suositeltavaa tehdä
päivittää Dati kun järjestelmä voidaan ottaa offline-tilaan. Siellä
päivitysnopeuden määrittää luotettava kehitystiimi
käyttäjien vaatimuksista. On kaksi tapaa päivittää
datavarasto: täydellinen päivitys ja jatkuva lataus
muutoksia.
Ensimmäinen lähestymistapa, täydellinen päivitys, vaatii
kaikki Dati tyhjästä. Tämä tarkoittaa, että kaikki Dati vaaditaan
puretaan, puhdistetaan, muunnetaan ja integroidaan kuhunkin päivitykseen. Tämä
lähestymistapaa tulisi välttää mahdollisimman paljon, koska
se vie paljon aikaa ja resursseja.
Vaihtoehtoinen tapa on ladata kuorma jatkuvasti
muutoksia. Tämä lisää i Dati joita on muutettu
tietovaraston viimeisestä päivitysjaksosta. Tunnistaminen
uudet tai muokatut tietueet vähentävät merkittävästi
Dati joka on levitettävä tietovarastoon kussakin
päivitys, koska vain nämä Dati lisätään tietokanta
tietovaraston.
On vähintään 5 lähestymistapaa, joita voidaan käyttää peruuttamiseen
i Dati uusi tai muokattu. Saada tehokas strategia
päivittää Dati näiden menetelmien sekoitus voi olla hyödyllinen
poimia kaikki muutokset järjestelmässä.
Ensimmäinen lähestymistapa, joka käyttää aikaleimoja, olettaa, että se tulee
osoitettu kaikille Dati muokattu ja päivitetty aikaleima niin
pystyä tunnistamaan kaikki helposti Dati muokattu ja uusi.
Tätä lähestymistapaa ei kuitenkaan ole käytetty laajasti useimmissa
osa nykypäivän käyttöjärjestelmiä.
Toinen lähestymistapa on käyttää Delta-tiedostoa, jonka on luonut
sovellus, joka sisältää vain Dati.
Tämän tiedoston käyttö vahvistaa myös päivitysjaksoa.
Jopa tätä menetelmää ei kuitenkaan ole käytetty monissa
sovellukset.
Kolmas tapa on skannata lokitiedosto, joka
se sisältää periaatteessa samanlaisia ​​tietoja kuin delta-tiedosto. Ainoa
ero on siinä, että palautustoiminnolle luodaan lokitiedosto ja
sitä voi olla vaikea ymmärtää.
Neljäs tapa on muokata sovelluskoodia.
Suurin osa sovelluskoodista on kuitenkin vanha ja
hauras; siksi tätä tekniikkaa tulisi välttää.
Viimeinen lähestymistapa on verrata Dati lähteet tiedoston kanssa
tärkein Dati.
Tietovaraston toiminnan hallinta
Kun tietovarasto on vapautettu käyttäjille, se on
tarpeen seurata sitä ajan myötä. Tässä tapauksessa järjestelmänvalvoja
tietovaraston käyttäjät voivat käyttää yhtä tai useampaa hallintatyökalua e
ohjaus tietovaraston käytön seuraamiseksi. Erityisesti
tietoa ihmisistä ja ajasta voidaan kerätä
johon he pääsevät tietovarastoon. Älä viitsi Dati kerätty voidaan luoda
suoritetun työn profiili, jota voidaan käyttää syötteenä
käyttäjän takaisinperinnän toteuttamisessa. Takaisinperintä
antaa käyttäjille mahdollisuuden saada tietoa prosessoinnin kustannuksista
tietovarasto.
Lisäksi tietovaraston hallintaa voidaan käyttää
tunnistaa kyselytyypit, niiden koko ja kyselyiden määrä per
päivä, kyselyn reaktioajat, saavutetut sektorit ja määrä
di Dati käsitelty. Toinen tarkoitus tarkistaa
datawarehouse on tunnistaa Dati jotka eivät ole käytössä. Nämä Dati
ne voidaan poistaa tietovarastosta ajan parantamiseksi
kyselyn suoritusvaste ja hallita kasvua
Dati jotka asuvat sisällä tietokanta tietovaraston.
Tietovaraston tietoturvan hallinta
Tietovarasto sisältää Dati integroitu, kriittinen, herkkä
pääsee helposti. Tästä syystä sen pitäisi
suojattu luvattomilta käyttäjiltä. Yksi tapa
työturvallisuuden on käyttää del-toimintoa DBMS
määrittää erilaisia ​​käyttöoikeuksia erityyppisille käyttäjille. Tässä
tavalla jokaiselle käyttäjätyypille on säilytettävä profiili
pääsy. Toinen tapa suojata tietovarasto on salata se
kuten siinä on kirjoitettu tietokanta tietovaraston. Pääsy
Dati ja hakutyökalujen on purettava Dati ennen kuin esitän i
tuloksia käyttäjille.
2.4.4 Tietovarasto Käyttöönottovaihe
Se on tietovaraston käyttöönottosyklin viimeinen vaihe.
tässä vaiheessa toteutettaviin toimiin kuuluu
käyttäjät voivat käyttää tietovarastoa ja suorittaa tarkastuksia
tietovaraston.
Käyttäjien koulutus
Käyttäjäkoulutus tulisi tehdä ensin
pääsy Dati tietovaraston käyttö ja tietokannan käyttö
haku. Yleensä istuntojen tulisi alkaa
- johdanto säilytyksen käsitteeseen Dati, The
tietovaraston sisältö metaan Dati ja perusominaisuudet
työkaluja. Sitten myös edistyneemmät käyttäjät voisivat tutkia
fyysiset taulukot sekä käyttäjien pääsy tietojen ominaisuuksiin ja
haku.
Käyttäjien kouluttamiseen on monia tapoja. Yksi
nämä tarjoavat valinnan monista käyttäjistä tai analyytikoista, jotka a
käyttäjien joukko luottaen heidän johtajuuteensa ja taitoihinsa
viestintä. Heitä koulutetaan henkilökohtaisesti
kaikki heidän on tiedettävä tutustuakseen
järjestelmään. Koulutuksen jälkeen he palaavat työhön e
he alkavat opettaa muille käyttäjille järjestelmän käyttöä. Päällä
oppimansa perusteella muut käyttäjät voivat alkaa
tutustu tietovarastoon.
Toinen lähestymistapa on kouluttaa monia käyttäjiä samaan
aikaa, kuin olisit käynyt luokkahuoneessa. Tämä menetelmä
se sopii, kun on paljon käyttäjiä, jotka tarvitsevat koulutusta
samaan aikaan. Vielä yksi tapa on kouluttaa
jokainen käyttäjä erikseen, yksi kerrallaan. Tämä menetelmä on
sopii, kun käyttäjiä on vähän.
Käyttäjäkoulutuksen tarkoituksena on perehtyä itseensä
pääsy Dati ja hakutyökalut sekä
tietovarasto. Jotkut käyttäjät voivat kuitenkin olla hukkua
istunnon aikana annettujen tietojen määrä
koulutus. Joten on tehtävä useita
päivittää istuntojen jatkuvaa apua ja vastata
tiettyihin kysymyksiin. Joissakin tapauksissa ryhmä
käyttäjiä tarjoamaan tällaista tukea.
Palautteen kerääminen
Kun tietovarasto on otettu käyttöön, käyttäjät voivat
käytä i Dati asuu tietovarastossa eri tarkoituksiin.
Lähinnä analyytikot tai käyttäjät käyttävät Dati sisään
tietovarasto:
1 Tunnista yrityksen suuntaukset
2 Analysoi tuotteen ostoprofiilit asiakkaat
3 Jaa i asiakkaat ja minä
4 Tarjoa parhaat palvelut asiakkaat - mukauttaa palveluja
5 Muotoile strategiat markkinointi
6 Tee kilpailukykyisiä arvioita kustannusanalyysejä ja apua varten
ohjaus
7 Tuki strategiselle päätöksenteolle
8 Tunnista syntymismahdollisuudet
9 Paranna nykyisten liiketoimintaprosessien laatua
10 Tarkista voitto
Seuraamalla tietovaraston kehityssuuntaa he voisivat
Suorita useita tarkistuksia järjestelmään palautteen saamiseksi
sekä kehitystiimiltä että yhteisöltä
loppukäyttäjät.
Saadut tulokset voidaan ottaa huomioon
seuraava kehitysvaihe.
Koska tietovarastolla on inkrementaalinen lähestymistapa,
on välttämätöntä oppia edellisten onnistumisista ja virheistä
kehitystä.
2.5 Yhteenveto
Tässä luvussa esitetyt lähestymistavat
kirjallisuus. Kohdassa 1 keskusteltiin
tietovarasto ja sen rooli päätöksentekotieteessä. Sisään
osassa 2 kuvataan tärkeimmät erot
tietovarasto ja OLTP-järjestelmät. Luvussa 3 keskusteltiin
Käytetty Monash-tietovarastomalli
osassa 4 kuvaamaan prosessiin liittyviä toimintoja
tietovaraston kehittämiseen, nämä teesit eivät perustuneet
tiukka tutkimus. Mitä todellisuudessa tapahtuu, voi olla
hyvin erilaiset kuin mitä kirjallisuudessa kerrotaan, kuitenkin nämä
tuloksia voidaan käyttää perustavan matkatavaran luomiseen
korostaa tämän tutkimuksen tietovaraston käsitettä.
Luku 3
Tutkimus- ja suunnittelumenetelmät
Tämä luku käsittelee tutkimus- ja suunnittelumenetelmiä
Tämä tutkimus. Ensimmäisessä osassa on yleinen näkymä menetelmistä
saatavana myös tietojen hakemiseen
Parhaan menetelmän valintaperusteet yhdelle keskustellaan
tietyssä tutkimuksessa. Kahta menetelmää käsitellään sitten osassa 2
valittu edellä esitetyillä kriteereillä; näistä valitaan ja
hyväksynyt yhden 3 jaksossa esitetyillä perusteilla
esitettiin myös syyt toisen kriteerin poissulkemiseen. Siellä
Osa 4 esittelee tutkimusprojektin ja osa 5 le
johtopäätökset.
3.1 Tietojärjestelmien tutkimus
Tietojärjestelmien tutkimus ei rajoitu pelkästään
teknologiseen alueeseen, mutta se on myös laajennettava koskemaan
käyttäytymiseen ja organisaatioon liittyviin tarkoituksiin.
Olemme tämän velkaa eri alojen opinnäytteille
yhteiskunta- ja luonnontieteet; tämä johtaa a
tietyt kvantitatiivisia menetelmiä sisältävät tutkimusmenetelmät
ja laadullinen käytettäväksi tietojärjestelmissä.
Kaikki käytettävissä olevat tutkimusmenetelmät ovat tärkeitä, itse asiassa vaihtelevia
tutkijat kuten Jenkins (1985), Nunamaker et ai. (1991) ja Galliers
(1992) väittävät, että universaalia spesifistä menetelmää ei ole
suorittaa tutkimusta tietojärjestelmien eri aloilla; todellakin
menetelmä voi olla sopiva tiettyyn hakuun, mutta ei
muille. Tämä johtaa meihin tarpeeseen valita menetelmä, joka
sopii juuri meidän tutkimusprojektiimme: tähän
valinta Benbasat et ai. (1987) toteavat, että ne on otettava huomioon
tutkimuksen luonne ja tarkoitus.
3.1.1 Tutkimuksen luonne
Tutkimuksen luonteeseen perustuvia erilaisia ​​menetelmiä voi olla
luokiteltu kolmeen tieteessä yleisesti tunnettuun perinteeseen
tiedot: positivistinen, tulkitseva ja kriittinen tutkimus.
3.1.1.1 Positivistinen tutkimus
Positivistinen tutkimus tunnetaan myös nimellä tieteellinen tutkimus tai
empiirinen. Se yrittää: ”selittää ja ennustaa mitä tapahtuu
sosiaalinen maailma, jossa tarkastellaan säännönmukaisuuksia ja syy-seuraussuhteita
sen osatekijöiden joukossa ”(Shanks et al 1993).
Positivistitutkimukselle on ominaista myös toistettavuus,
yksinkertaistukset ja kumotukset. Lisäksi positivistinen tutkimus myöntää
tutkittujen ilmiöiden välillä a priori -suhteiden olemassaolo.
Galliersin (1992) mukaan taksonomia on tutkimusmenetelmä
sisällytetään positivistiseen paradigmaan, joka ei kuitenkaan rajoitu tähän,
itse asiassa on laboratoriokokeita, kenttäkokeita,
tapaustutkimukset, lauseen todistukset, ennusteet ja simulaatiot.
Näitä menetelmiä käyttäen tutkijat myöntävät, että ilmiöt
tutkittu voidaan havaita objektiivisesti ja tiukasti.
3.1.1.2 Tulkitseva tutkimus
Tulkitseva tutkimus, jota usein kutsutaan fenomenologiaksi tai
Neuman (1994) kuvailee anti-positivismia ”analyysinä
systemaattinen toiminnan sosiaalinen merkitys suorien e
yksityiskohtainen tarkkailu ihmisistä luonnollisissa tilanteissa järjestyksessä
ymmärtämään ja tulkitsemaan miten
ihmiset luovat ja ylläpitävät sosiaalista maailmaa ”. Opinnot
tulkitseva hylkää oletuksen, että havaitut ilmiöt
voidaan havaita objektiivisesti. Itse asiassa ne perustuvat
subjektiivisista tulkinnoista. Lisäksi tulkitsevat tutkijat eivät
he asettavat a priori merkityksiä tutkimilleen ilmiöille.
Tämä menetelmä sisältää subjektiivisia / argumentatiivisia tutkimuksia,
tutkimus, kuvailevat / tulkitsevat tutkimukset, tuleva tutkimus ja
rooli. Näiden tutkimusten ja tapaustutkimusten lisäksi voidaan
sisällytetään tähän lähestymistapaan, koska ne koskevat
yksilöt tai organisaatiot monimutkaisissa tilanteissa
todellisesta maailmasta.
3.1.1.3 Kriittinen tutkimus
Kriittinen tutkimus on vähiten tiedossa oleva lähestymistapa tieteissä
sosiaalinen, mutta on viime aikoina saanut tutkijoiden huomion
tietojärjestelmien alalla. Filosofinen oletus, että
ihmiset tuottavat ja toistavat sosiaalista todellisuutta historiallisesti
samoin kuin sosiaaliset järjestelmät niiden toiminnalla ja vuorovaikutuksella. Heidän
taito välittyy kuitenkin monella tavalla
sosiaalinen, kulttuurinen ja poliittinen.
Tulkitsevan tutkimuksen lisäksi kriittinen tutkimus väittää, että
positivistisella tutkimuksella ei ole mitään tekemistä sosiaalisen kontekstin kanssa, eikä siinä oteta huomioon
sen vaikutus ihmisen toimintaan.
Kriittinen tutkimus puolestaan ​​kritisoi tulkitsevaa tutkimusta
olla liian subjektiivinen ja koska sen tarkoituksena ei ole auttaa
ihmisiä parantamaan elämäänsä. Suurin ero
kriittinen tutkimus ja kaksi muuta lähestymistapaa on sen arvioiva ulottuvuus.
Vaikka positivististen ja tulkitsevien perinteiden objektiivisuus on
ennustaa tai selitä status quo tai sosiaalinen todellisuus, kriittinen tutkimus
Tavoitteena on kriittisesti arvioida ja muuttaa alla olevaa sosiaalista todellisuutta
studio.
Kriittiset tutkijat vastustavat yleensä vallitsevaa tilannetta
poistaa sosiaaliset erot ja parantaa sosiaalisia olosuhteita. Siellä
kriittinen tutkimus on sitoutunut menettelytapaan
mielenkiinnon kohteena olevat ilmiöt ja ovat siten normaalisti pituussuuntaisia.
Esimerkkejä tutkimusmenetelmistä ovat pitkäaikaiset historialliset tutkimukset ja
etnografiset tutkimukset. Kriittinen tutkimus ei kuitenkaan ollut
käytetään laajalti tietojärjestelmien tutkimuksessa
3.1.2 Tutkimuksen tarkoitus
Tutkimuksen tarkoitusta voidaan käyttää yhdessä tutkimuksen luonteen kanssa
opastaa tutkijaa valitsemaan tietty menetelmä
Tutkimus. Tutkimushankkeen tarkoitus liittyy läheisesti toisiinsa
haun sijainti suhteessa muodostuvaan hakusykliin
kolme vaihetta: teorian rakentaminen, teorian testaus ja
teoria. Joten luottaen hetkeen suhteessa tutkimusjaksoon, a
tutkimushankkeella voi olla selittävä, kuvaava tarkoitus
etsivä tai ennakoiva.
3.1.2.1 Tutkiva tutkimus
Tutkiva tutkimus on tarkoitettu aiheen tutkimiseen
täysin uudet ja muotoilevat kysymyksiä ja hypoteeseja tutkimusta varten
tulevaisuudessa. Tämän tyyppistä tutkimusta käytetään
teoria saada alkuperäiset viitteet uudelta alueelta.
Normaalisti käytetään kvalitatiivisia tutkimusmenetelmiä, kuten tapauksia
tutkimus tai fenomenologiset tutkimukset.
On kuitenkin myös mahdollista käyttää kvantitatiivisia tekniikoita, kuten
tutkimukselliset tutkimukset tai kokeet.
3.1.3.3 Kuvaava tutkimus
Kuvaavan tutkimuksen tarkoituksena on analysoida ja kuvata hyvin
yksityiskohtaisesti tietty organisaatiotilanne tai käytäntö. Tämä
se soveltuu teorioiden rakentamiseen ja sitä voidaan käyttää myös
vahvistaa tai kiistää hypoteesit. Kuvaava tutkimus yleensä
sisältää mittausten ja näytteiden käytön. Sopivimmat tutkimusmenetelmät
ne sisältävät tutkimuksen ja tausta-analyysin.
3.1.2.3 Selittävä tutkimus
Selittävässä tutkimuksessa yritetään selittää miksi asiat tapahtuvat.
Se perustuu tosiseikkoihin, jotka on jo tutkittu ja yritetään löytää
näiden tosiseikkojen syyt.
Joten selittävä tutkimus perustuu yleensä tutkimukseen
tutkiva tai kuvaileva ja on liitännäinen testattavaksi ja tarkennettavaksi
teoriat. Selittävässä tutkimuksessa käytetään yleensä tapaustutkimuksia
o tutkimukseen perustuvat tutkimusmenetelmät.
3.1.2.4 Ennaltaehkäisevä tutkimus
Ennaltaehkäisevän tutkimuksen tavoitteena on ennustaa tapahtumia ja käyttäytymistä
havaittu, että heitä tutkitaan (Marshall ja Rossman
1995). Ennustaminen on totuuden tavanomainen tieteellinen testi.
Tämän tyyppinen tutkimus käyttää yleensä tutkintaa tai analyysiä
Dati historioitsijat. (Yin 1989)
Yllä oleva keskustelu osoittaa, että niitä on useita
mahdolliset tutkimusmenetelmät, joita voidaan käyttää tutkimuksessa
tietty. On kuitenkin oltava erityinen menetelmä, joka soveltuu paremmin
toiset tietyntyyppiseen tutkimushankkeeseen. (Galliers
1987, Yin 1989, De Vaus 1991). Siksi jokaisella tutkijalla on
tarve arvioida huolellisesti ohjelman vahvuudet ja heikkoudet
erilaisia ​​menetelmiä sopivimman tutkimusmenetelmän omaksumiseksi e
yhteensopiva tutkimushankkeen kanssa. (Jenkins 1985, Pervan ja Klass
1992, Bonomia 1985, Yin 1989, Himilton ja Ives 1992).
3.2. Mahdolliset tutkimusmenetelmät
Tämän projektin tavoitteena oli tutkia kokemusta
Australian organisaatiot, joissa on i Dati tallennetaan yhden kanssa
kehittäminen tietovarasto. Dato jota on tällä hetkellä yksi
tutkimuksen puute tietovarastoinnin alalla Australiassa,
tämä tutkimushanke on edelleen syklin teoreettisessa vaiheessa
tutkimusta ja sillä on etsivä tarkoitus. Tutki kokemusta
Australian organisaatiot ottavat käyttöön tietovarastoinnin
se vaatii todellisen yhteiskunnan tulkintaa. Näin ollen
seuraa tutkimushankkeen taustalla oleva filosofinen oletus
perinteinen tulkinta.
Käytettävissä olevien menetelmien perusteellisen tarkastelun jälkeen ne tunnistettiin
kaksi mahdollista tutkimusmenetelmää: kyselyt ja tapaustutkimukset
(tapaustutkimukset), joita voidaan käyttää tutkimukseen
tutkiva (Shanks et ai. 1993). Galliers (1992) väittää sen
näiden kahden menetelmän soveltuvuus tähän tiettyyn tutkimukseen
sen taksonomiassa sanottiin, että ne soveltuvat rakentamiseen
teoreettinen. Seuraavissa kahdessa alaosassa käsitellään kutakin menetelmää
yksityiskohta.
3.2.1 Tutkimusmenetelmä
Tutkimusmenetelmä tulee muinaisesta menetelmästä
väestönlaskenta. Census koostuu tietojen keräämisestä
koko väestö. Tämä menetelmä on kallis ja epäkäytännöllinen
varsinkin jos väestö on suuri. Joten verrattuna
väestönlaskennan yhteydessä tutkimus keskittyy yleensä
- kerää tietoja pienestä määrästä tai näytteestä
väestön edustajat (Fowler 1988, Neuman 1994). A
otos heijastaa populaatiota, josta se on otettu, eri
- tarkkuustasot näytteen rakenteen mukaan, -
koko ja käytetty menetelmä (Fowler 1988, Babbie
Neuman 1982, 1994).
Tutkimusmenetelmä määritellään "tilannekuviksi käytännöistä,
tilanteita tai näkemyksiä tiettynä ajankohtana
kyselylomakkeet tai haastattelut, joista voidaan päätellä
tehty "(Galliers 1992: 153) [tilannekuva tiedostoista,
tilanteita tai näkemyksiä tietyssä ajankohdassa
kyselylomakkeet tai haastattelut, joista voidaan tehdä päätelmiä].
kyselyt käsittelevät tietyistä näkökohdista kerättäviä tietoja
tutkimuksen, jonka useat osallistujat tekevät
kysymyksiä (Fowler 1988). Jopa nämä kyselylomakkeet ja haastattelut, jotka
sisältää henkilökohtaiset puhelinhaastattelut ja jäsennellyt haastattelut,
ovat keräystekniikoita Dati yleisimmin käytetty
tutkimukset (Blalock 1970, Nachmias ja Nachmias 1976, Fowler
1988), havaintoja ja analyysejä voidaan käyttää (Gable
1994). Kaikista näistä Dati, käyttö
kyselylomake on suosituin tekniikka, koska se varmistaa, että i Dati
kerätyt on jäsennelty ja muotoiltu, ja siten helpottaa
tietojen luokittelu (Hwang 1987, de Vaus 1991).
Analysoitaessa Dati, tutkintastrategiassa käytetään usein
kvantitatiiviset tekniikat, kuten tilastollinen analyysi, mutta ne voivat olla
käytetään myös laadullisia tekniikoita (Galliers 1992, Pervan
ja Klass 1992, Gable 1994). Normaalisti, i Dati kerätyt ovat
käytetään analysoimaan jakaumia ja assosiaatiomalleja
(Fowler 1988).
Vaikka tutkimukset ovat yleensä sopivia tutkimukseen
käsitellä kysymystä "mitä?" (mitä) tai siitä
johdannaiset, kuten 'kvantti' (kuinka paljon) ja 'kvantti' (kuinka monta), esse
voidaan kysyä miksi (Sonquist ja
Dunkelberg 1977, Yin 1989). Sonquistin ja Dunkelbergin mukaan
(1977), tutkimustutkimus osoittaa vaikeita hypoteeseja,
- arviointi, kuvaamalla väestö ja kehittämällä malleja
ihmisen käytös. Myös kyselyjä voidaan käyttää
tutkia tiettyä mielipidettä väestöstä, olosuhteista,
aiemmat mielipiteet, ominaisuudet, odotukset ja jopa käyttäytyminen
tai läsnä (Neuman 1994).
Tutkimukset antavat tutkijalle mahdollisuuden löytää
väestö ja tulokset ovat yleensä yleisempiä kuin
muut menetelmät (Sonquist ja Dunkelberg 1977, Gable 1994).
tutkimusten avulla tutkijat voivat liittyä maantieteelliseen alueeseen
laajempi ja tavoittaa monet rekisteröijät (Blalock 1970,
Sonquist ja Dunkelberg 1977, Hwang ja Lin 1987, Gable 1994,
Neuman 1994). Lopuksi kyselyt voivat antaa tietoja
joita ei ole saatavilla muualla tai analyysin edellyttämässä muodossa
(Fowler 1988).
Tutkimuksen suorittamisessa on kuitenkin joitain rajoituksia. Yksi
haittana on, että tutkija ei voi saada paljon tietoa
tutkitusta esineestä. Tämä johtuu siitä, että
tutkimuksia tehdään vain tiettynä ajankohtana, ja siksi
muuttujia ja ihmisiä on rajallinen määrä, joita tutkija voi
opiskella (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998).
Toinen haittapuoli on se, mitä kyselyn suorittaminen voi olla
aika ja resurssit ovat erittäin kalliita, varsinkin jos
sisältää henkilökohtaiset haastattelut (Fowler 1988).
3.2.2. Tutkimuksen tutkimusmenetelmä
Tutkimuksen tutkimusmenetelmään sisältyy perusteellinen tutkimus
erityistilanne todellisessa yhteydessä a
- määritelty ajanjakso ilman EU: n puuttumista asiaan
tutkija (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985).
Lähinnä tätä menetelmää käytetään kuvaamaan suhteita
muuttujat, joita tutkitaan tietyssä tilanteessa
(Galliers 1992). Tutkimukset voivat koskea yksittäisiä tapauksia tai
moninkertainen analysoidusta ilmiöstä riippuen (Franz ja Robey 1987,
Eisenhardt 1989, Yin 1989).
Tutkimuksen tutkimusmenetelmää kutsutaan kyselyksi
empiirinen tutkimus, joka tutkii nykyaikaista ilmiötä
sen todellinen asiayhteys käyttämällä useita lähteitä, jotka on kerätty joltakin tai
useita yksiköitä, kuten ihmisiä, ryhmiä tai organisaatioita ”(Yin 1989).
Ilmiön ja sen kontekstin välillä ei ole selkeää eroa
muuttujia ei ole kokeellisesti kontrolloitu tai manipuloitu (Yin
1989, Benbasat et ai., 1987).
Tiedostojen keräämiseen on olemassa erilaisia ​​tekniikoita Dati että he voivat
voidaan käyttää tutkintamenetelmässä, johon kuuluvat
suorat havainnot, arkistotietojen tarkastelut, kyselylomakkeet,
dokumentaation tarkastelu ja jäsennellyt haastattelut. Ottaa
monipuolinen valikoima keräystekniikoita Dati, tiedustelut
antaa tutkijoiden käsitellä molempia Dati kvalitatiivista
kvantitatiivinen samaan aikaan (Bonoma 1985, Eisenhardt 1989, Yin
1989, Gable 1994). Kuten tutkimusmenetelmässä, a
tutkiva tutkija toimii tarkkailijana tai tutkijana eikä
aktiivisena osallistujana tutkittavassa organisaatiossa.
Benbasat ym. (1987) väittävät, että tutkintamenetelmä on
soveltuu erityisen hyvin tutkimusteorian rakentamiseen, mikä
se alkaa tutkimuskysymyksellä ja jatkuu koulutuksella
teorian keräysprosessin aikana Dati. Oleminen
sopii myös näyttämölle
Rakennusteorian mukaan Franz ja Robey (1987) viittaavat siihen
tutkimusmenetelmää voidaan käyttää myös kompleksissa
teoriavaihe. Tässä tapauksessa kerättyjen todisteiden perusteella yksi
annettu teoria tai hypoteesi vahvistetaan tai kumotaan. Plus, tutkimus on
soveltuu myös tutkimukseen, joka käsittelee kysymyksiä, kuten "tai"
miksi (Yin 1989).
Muihin menetelmiin verrattuna tutkimukset antavat tutkijalle mahdollisuuden
kaapata olennaista tietoa yksityiskohtaisemmin (Galliers
1992, Shanks et ai., 1993). Lisäksi tutkimukset mahdollistavat
tutkija ymmärtää tutkittujen prosessien luonteen ja monimutkaisuuden
(Benbasat et ai. 1987).
Menetelmään liittyy neljä päähaittaa
tutkinta. Ensimmäinen on valvottujen vähennysten puute. Siellä
Tutkijan subjektiivisuus voi vääristää tuloksia ja johtopäätöksiä
tutkimuksesta (Yin 1989). Toinen haittapuoli on
hallittu havainto. Toisin kuin kokeelliset menetelmät,
tutkiva tutkija ei voi hallita tutkittuja ilmiöitä
koska niitä tarkastellaan luonnollisessa yhteydessä (Gable 1994).
kolmas haitta on toistettavuuden puute. Tämä johtuu tosiasiasta
että tutkija ei todennäköisesti havaitse samoja tapahtumia, e
ei voi tarkistaa tietyn tutkimuksen tuloksia (Lee 1989).
Lopuksi, toistamattomuuden seurauksena on vaikeaa
yleistää yhden tai useamman tutkimuksen tulokset (Galliers
1992, Shanks et ai., 1993). Kaikki nämä ongelmat kuitenkin epäonnistuvat
ovat ylitsepääsemättömiä ja voidaan itse asiassa minimoida
tutkija, joka soveltaa asianmukaisia ​​toimia (Lee 1989).
3.3. Perustelkaa tutkimusmenetelmä
hyväksytty
Tämän tutkimuksen kahdesta mahdollisesta tutkimusmenetelmästä
kyselyä pidetään sopivimpana. Tutkinta on
heitettiin pois sukulaisen huolellisen harkinnan jälkeen
ansiot ja heikkoudet. Jokaisen mukavuus tai sopimattomuus
Tämän tutkimuksen menetelmää käsitellään jäljempänä.
3.3.1. Sopimaton tutkimusmenetelmä
tiedustelu
Tutkimusmenetelmä vaatii perusteellista tutkimusta yhdestä
erityistilanne yhdessä tai useammassa organisaatiossa a
ajanjakso (Eisenhardt 1989). Tässä tapauksessa ajanjakso voi
ylittää tälle tutkimukselle annetun aikataulun. Toinen
syy olla ottamatta käyttöön tutkimusmenetelmää on, että tulokset
he voivat kärsiä kurinalaisuuden puutteesta (Yin 1989). Subjektiivisuus
tutkija voi vaikuttaa tuloksiin ja johtopäätöksiin. Toinen
syynä on, että tämä menetelmä soveltuu paremmin kysymysten tutkimiseen
tyypin "miten" tai "miksi" (Yin 1989), kun taas tutkimuskysymys
tätä tutkimusta varten se on mitä tyyppiä. Viimeinen mutta ei vähäisin
Tärkeää on, että tuloksia on vaikea yleistää vain yhdestä o: sta
muutama tutkimus (Galliers 1992, Shanks et ai. 1993). Pohjan
Tämän perustelun mukaan tutkimuksen tutkimusmenetelmä ei ole
valittiin sopimattomaksi tähän tutkimukseen.
3.3.2. Tutkimusmenetelmän mukavuus
tutkinta
Kun tämä tutkimus tehtiin, käytäntö tietovarastointiin
se ei ollut laajalti hyväksynyt
Australian järjestöt. Joten tietoa ei ollut paljon
niiden täytäntöönpanosta EU: n sisällä
Australian järjestöt. Saatavilla olevat tiedot tulivat
organisaatiot, jotka olivat toteuttaneet tai käyttäneet tietoja
varasto. Tässä tapauksessa kyselytutkimusmenetelmä on eniten
sopiva, koska se antaa tietoja, joita ei ole
saatavana muualla tai analyysin edellyttämässä muodossa (Fowler 1988).
Lisäksi tutkimuksen tutkimusmenetelmä antaa tutkijalle mahdollisuuden
saada hyvä käsitys käytännöistä, tilanteista tai tilanteista
nähty tiettynä ajankohtana (Galliers 1992, Denscombe 1998).
Ohjelman täydentämiseksi oli pyydetty yleiskatsaus
tietoa Australian kokemuksesta tietovarastoinnista.
Jälleen Sonquist ja Dunkelberg (1977) toteavat, että
kyselytutkimus on yleisempää kuin muut menetelmät.
3.4. Tutkimuksen tutkimussuunnittelu
Tietovarastointikäytäntö selvitettiin vuonna 1999.

Kohderyhmä koostui organisaatioista
Australialaiset, jotka ovat kiinnostuneita tietovarastotutkimuksista, sellaisenaan
luultavasti jo tietoa i: stä Dati että he varastoivat ja
siksi se voisi tarjota hyödyllistä tietoa tätä tutkimusta varten. Siellä
Kohderyhmä tunnistettiin ensimmäisessä tutkimuksessa
kaikki Australian The Data Warehousing Institute (Tdwiaap) -jäsenet.
Tässä osassa käsitellään tutkimusvaiheen suunnittelua
tämän tutkimuksen empiirinen analyysi.
3.4.1. Tavaroiden keräämisen tekniikka Dati
Kolmesta tutkimuksessa yleisesti käytetystä tekniikasta
(ts. kyselylomake postitse, puhelinhaastattelu ja haastattelu
henkilökohtainen) (Nachmias 1976, Fowler 1988, de Vaus 1991), per
tämä tutkimus hyväksyttiin kyselylomake postitse. Ensimmäinen
Syy jälkimmäisen käyttöönottoon on, että sillä voidaan saavuttaa a
maantieteellisesti hajallaan oleva väestö (Blalock 1970, Nachmias e
Nachmias 1976, Hwang ja Lin 1987, de Vaus 1991, Gable 1994).
Toiseksi postituslomake sopii osallistujille
korkeasti koulutettu (Fowler 1988). Kysely postitse tätä varten
tutkimus osoitettiin tietovarastoprojektien sponsoreille,
johtajat ja / tai projektipäälliköt. Kolmanneksi kyselylomakkeet
sähköposti ovat sopivia, kun sinulla on turvallinen luettelo
osoitteet (Salant ja Dilman 1994). TDWI, tässä tapauksessa a
luotettu tietovarastoyhdistys toimitti postituslistan
sen Australian jäsenistä. Toinen kyselyn etu
postitse puhelinlomakkeen tai haastattelujen osalta
henkilökohtainen on, että se antaa rekisteröijille mahdollisuuden vastata enemmän
tarkkuus, varsinkin kun rekisteröijien on kuultava asiaa
tallentaa tai keskustella kysymyksistä muiden ihmisten kanssa (Fowler
1988).
Mahdollinen haittapuoli voi olla kuluva aika
suorittaa kyselylomakkeita postitse. Normaalisti kyselylomake
posti suoritetaan tässä järjestyksessä: lähetä kirjeitä, odota niitä
vastaukset ja lähetä vahvistus (Fowler 1988, Bainbridge 1989).
Siksi kokonaisaika voi olla pidempi kuin vaadittu aika
henkilökohtaiset haastattelut tai puhelinhaastattelut. Kuitenkin
kokonaisaika voidaan tietää etukäteen (Fowler 1988,
Denscombe 1998). Haastattelujen suorittamiseen käytetty aika
henkilökohtaista ei voida tietää etukäteen, koska se vaihtelee
haastattelu toisen kanssa (Fowler 1988). Puhelinhaastattelut
voi olla nopeampi kuin kyselylomakkeiden lähettäminen ja
mutta henkilökohtaisilla haastatteluilla voi olla suuri epäonnistumisaste
reaktio joidenkin ihmisten saatavuuden vuoksi (Fowler 1988).
Lisäksi puhelinhaastattelut rajoittuvat yleensä luetteloihin
suhteellisen lyhyet kysymykset (Bainbridge 1989).
Toinen postikyselylomakkeen heikkous on korkea
vastauksen puute (Fowler 1988, Bainbridge 1989, Neuman
1994). Vastatoimenpiteet toteutettiin kuitenkin yhdistämällä
tämän tutkimuksen luotettavan laitoksen kanssa tietokentässä
varastointi (eli TDWI) (Bainbridge 1989, Neuman 1994),
joka lähettää kaksi muistutuskirjeitä niille, jotka eivät ole vastanneet
(Fowler 1988, Neuman 1994) ja sisältää myös kirjeen
mikä selittää tutkimuksen tarkoituksen (Neuman 1994).
3.4.2. Analyysiyksikkö
Tämän tutkimuksen tarkoituksena on saada tietoa
tietovarastoinnin toteutus ja käyttö
Australian organisaatioissa. Kohderyhmä
koostuu kaikista Australian organisaatioista, joilla on
toteutettu tai toteutetaan, ts tietovarasto. sisään
yksittäiset organisaatiot rekisteröidään. Kyselylomake
se postitettiin adoptiosta kiinnostuneille organisaatioille
di tietovarasto. Tämä menetelmä takaa, että tiedot
kokoelmat tulevat kunkin organisaation sopivimmista resursseista
osallistuja.
3.4.3. Tutkimusnäyte
Kyselyyn vastanneiden postituslista saat osoitteesta
TDWI. Tästä luettelosta 3000 australialaista organisaatiota
on valittu otannan perustaksi. A
lisäkirjeessä selitettiin hanke ja tutkimuksen tarkoitus,
sekä vastauskortti ja ennakkoon maksettu kirjekuori
palautettu täytetty kyselylomake lähetettiin otokseen.
3000 organisaatiosta 198 suostui osallistumaan ohjelmaan
tutkimus. Niin pienen määrän vastauksia odotettiin Dato il
heillä oli suuri määrä australialaisia ​​järjestöjä
halasi tai halasi päivämäärästrategiaa
organisaatioiden sisällä. Joten
Tämän tutkimuksen kohderyhmä koostui vain 198: sta
järjestöjen kanssa.
3.4.4. Kyselylomakkeen sisältö
Kyselylomakkeen rakenne perustui päivämäärämalliin
Monash-varastointi (käsitelty aiemmin osassa 2.3).
kyselylomakkeen sisältö perustui
kirjallisuus, esitetty luvussa 2. Kopio kyselylomakkeesta
kyselyyn osallistujille lähetetyt
Kyselylomake koostuu kuudesta osasta, jotka
seuraa käsitellyn mallin vaiheita. Seuraavat kuusi kappaletta
tiivistää lyhyesti kunkin osan sisältö.
Osa A: Perustiedot organisaatiosta
Tämä osio sisältää käyttäjän profiiliin liittyviä kysymyksiä
osallistuvat organisaatiot. Lisäksi jotkut kysymykset ovat
vuoden XNUMX tietovarastoprojektin kunto
osallistuja. Luottamukselliset tiedot, kuten nimi
organisaation jäseniä ei paljastettu kyselyanalyysissä.
Osa B: Aloita
Tämän osan kysymykset liittyvät
tietovarastointi. Kysymyksiä on esitetty kuinka kauan
se koskee projektin aloittajia, sponsoreita, taitoja ja tietoja
vaatimukset, tietovarastoinnin kehittämisen tavoitteet ja
loppukäyttäjän odotukset.
Osa C: Suunnittelu
Tämä osa sisältää kysymyksiä, jotka liittyvät
suunnittelu tietovarasto. Erityisesti kysymykset ovat
ilmoitettava toteutuksen laajuudesta, projektin kestosta ja kustannuksista
hankkeen kustannus-hyötyanalyysi.
Osa D: Kehitys
Kehitysosassa on kysymyksiä, jotka liittyvät
kehittää tietovarasto: käyttäjien vaatimusten kokoaminen
lopullinen, lähteet Dati, looginen malli Dati, prototyypit,
kapasiteetin suunnittelu, tekniset arkkitehtuurit ja niiden valinta
tietovarastoinnin kehittämistyökalut.
Osa E: Käyttö
Toimintaan liittyvät toimintakysymykset ed
laajennettavuus tietovarasto, kun se kehittyy
seuraava kehitysvaihe. Siellä tietojen laatu, strategiat
päivittää Dati, rakeisuus Dati, tietojen skaalautuvuus
varasto ja tietovarasto he olivat välillä
esitettyjen kysymysten tyypit.
Osa F: Kehitys
Tämä osa sisältää päivämäärän käyttöön liittyviä kysymyksiä
loppukäyttäjien varasto. Tutkija oli kiinnostunut
- tarkoituksen ja hyödyllisyyden kannalta tietovarasto, tarkastelu ja strategiat
hyväksytyt koulutusmenettelyt ja tiedonhallintastrategia
varasto hyväksytty.
3.4.5. Vastausaste
Vaikka postikyselyjä kritisoidaan a
Koska vaste on heikko, toimenpiteitä on toteutettu
tuottoprosentti (kuten aiemmin keskusteltiin osittain
3.4.1). Termi "vastausprosentti" viittaa prosenttiosuuteen
ihmiset tietyssä kyselyotoksessa, joka vastaa kyselyyn
kyselylomake (Denscombe 1998). Käytettiin seuraavaa
kaava tämän tutkimuksen vasteprosentin laskemiseksi:
Vastanneiden ihmisten määrä
Vastausprosentti =
—————————————————————————— X 100
Lähetettyjen kyselylomakkeiden kokonaismäärä
3.4.6. Pilottikoe
Ennen kuin kyselylomake lähetetään otokseen, kysymykset ovat
testattiin suorittamalla pilottikokeita, kuten Luck ehdotti
ja Rubin (1987), Jackson (1988) ja de Vaus (1991). Tarkoitus
pilottitestauksen tarkoituksena on paljastaa kaikki epämiellyttävät, epäselvät ja ilmaisut
vaikeasti tulkittavia kysymyksiä, selventää niitä
käytetyt määritelmät ja termit ja arvioitu aika
vaaditaan kyselylomakkeen täyttämiseen (Warwick ja Lininger 1975,
Jackson 1988, Salant ja Dilman 1994). Pilottikokeet olivat
suoritetaan valitsemalla aiheita, joilla on samanlaiset ominaisuudet kuin näillä
lopullisista aiheista, kuten Davis e Cosenza (1993). Sisään
Tässä tutkimuksessa kuusi tietovarastoinnin ammattilaista oli
valittu koehenkilöiksi. Jokaisen pilottikokeen jälkeen ne ovat
tarvittavat korjaukset on tehty. Suoritetuista pilottikokeista, i
osallistujat auttoivat uudistamaan ja palauttamaan
kyselylomakkeen lopullinen versio.
3.4.7. Analyysimenetelmät Di Antaa
I Dati suljetuista kyselylomakkeista kerätty kysely on
analysoitiin tilasto-ohjelmapaketilla
nimeltään SPSS. Monet vastauksista on analysoitu
kuvailevien tilastojen avulla. Useita kyselylomakkeita
he palasivat epätäydellisinä. Näitä hoidettiin majorilla
huomiota varmistaaksesi, että i Dati kadonneita ei ollut yksi
seuraus tietojen syöttövirheistä, mutta miksi kysymykset eivät
sopivat ilmoittajalle tai julistaja ei päättänyt
vastata yhteen tai useampaan tiettyyn kysymykseen. Nämä vastaukset
puuttuvat jätettiin huomiotta Dati ja ovat olleet
koodattu "- 9", jotta voidaan varmistaa niiden poissulkeminen prosessista
analyysi.
Kyselyä valmisteltaessa suljetut kysymykset olivat
esikoodattu antamalla numero kullekin vaihtoehdolle. Numero
sitten sitä käytettiin Dati analyysin aikana
(Denscombe 1998, Sapsford ja Jupp 1996). Esimerkiksi oli
kuusi vaihtoehdon B osan 1 kysymyksessä lueteltua vaihtoehtoa: neuvonta
hallinto, ylin johtaja, IT-osasto, yksikkö
liiketoimintaa, konsultteja ja muuta. Tiedostossa Dati SPSS: n, on
muuttuja on luotu ilmaisemaan 'projektin aloittaja',
kuusi arvotarraa: '1' 'hallitukselle', '2'
"korkean tason johtajalle" ja niin edelleen. Likertin-asteikon käyttö
joissakin suljetuissa kysymyksissä myös sallittu
tunniste, joka ei vaadi vaivaa arvojen käytön vuoksi
vastaavat SPSS: ään syötetyt numerot. Jos sinulla on kysymyksiä
tyhjentävät vastaukset, jotka eivät sulje pois toisiaan,
kutakin vaihtoehtoa kohdeltiin yhtenä muuttujana, jossa oli kaksi
arvotunnisteet: '1' merkitylle ja '2' merkitsemättömälle.
Avoimia kysymyksiä kohdeltiin eri tavalla kuin kysymyksiä
suljettu. Vastauksia näihin kysymyksiin ei lähetetty
SPSS. Päinvastoin, ne analysoitiin käsin. Tämän käyttö
kysymystyypin avulla voit saada tietoa ideoista
rekisteröijien vapaasti ilmaistut ja henkilökohtaiset kokemukset
(Bainbridge 1989, Denscombe 1998). Mahdollisuuksien mukaan se on tehty
vastausten luokittelu.
Analyysille Dati, käytetään yksinkertaisen tilastollisen analyysin menetelmiä,
kuten vastausten taajuus, keskiarvo, neliöpoikkeama
keskiarvo ja mediaani (Argyrous 1996, Denscombe 1998).
Gammatesti suoritettiin kvantitatiivisten mittausten saamiseksi
yhdistykset Dati tavalliset (Norusis 1983, Argyrous 1996).
Nämä testit olivat sopivia, koska käytetyt asteikot eivät olleet
heillä oli monia luokkia ja ne voitiin näyttää taulukossa
(Norusis 1983).
3.5 Yhteenveto
Tässä luvussa tutkimuksen metodologia ja
tutkimusta varten hyväksytyt mallit.
Sopivimman hakutavan valitseminen a
tietyn tutkimuksen mukaan
harkita useita sääntöjä, mukaan lukien luonne ja tyyppi
tutkimukset sekä kunkin mahdolliset edut ja heikkoudet
menetelmä (Jenkins 1985, Benbasat et ai. 1097, Galliers ja Land 1987,
yin 1989, Hamilton ja ives 1992, Galliers 1992, neuman 1994). Näytä
olemassa olevan tiedon ja teorian puute siitä
tietovarastoinnin käyttöönotosta Australiassa
tutkimus vaatii tulkitsevaa tutkimusmenetelmää, jolla on taito
tutkiva organisaatioiden kokemusten tutkimiseksi
Australialainen. Valittu hakutapa on valittu
kerätä tietoa päivämääräkäsitteen hyväksymisestä
australialaisten järjestöjen tekemä ruokailu. A
Keräystekniikaksi valittiin postikysely Dati.
perustelut tutkimusmenetelmälle ja keräystekniikalle Dati
valitut tiedot annetaan tässä luvussa. Se oli myös
analyysiyksiköstä, näytteestä, keskusteltiin
käytettyjen vastausten prosenttiosuudet, kyselylomakkeen sisältö,
kyselylomakkeen ja analyysimenetelmän ennakkotesti Dati.

Suunnittelu a Tietovarasto:
Entiteettisuhteen ja ulottuvuusmallinnuksen yhdistäminen
TIIVISTELMÄ
Kauppa i Dati se on suuri ajankohtainen ongelma monille
järjestöjen kanssa. Keskeinen kehitysongelma
varastointia Dati se on hänen suunnittelunsa.
Suunnittelun on tuettava käsitteiden havaitsemista tiedoista
varasto perinteinen järjestelmä ja muut lähteet Dati ja myös yksi
tietojen ymmärtäminen ja tehokkuus tietojen toteuttamisessa
varasto.
Suuri osa varastokirjallisuudesta Dati suositeltava
entiteettisuhteen mallintamisen tai ulottuvuusmallinnuksen käyttö
edustavat piirustusta tietovarasto.
Tässä sanomalehdessä näytämme kuinka molemmat
esitykset voidaan yhdistää lähestymistapaan
piirustus tietovarasto. Käytetty lähestymistapa on järjestelmällinen
tutkitaan tapaustutkimuksessa ja tunnistetaan useissa
tärkeitä vaikutuksia ammattilaisten kanssa.
TIETOJEN VARASTOINTI
Un tietovarasto se määritellään yleensä "aihekeskeiseksi,
integroitu, ajallinen ja pysyvä tiedonkeruu tueksi
johdon päätöksistä "(Inmon ja Hackathorn, 1994).
Aihekohtainen ja integroitu osoittaa, että tietovarasto è
suunniteltu ylittämään legaci-järjestelmien toiminnalliset rajat per
tarjoavat integroidun näkökulman Dati.
Aikavaihtoehto vaikuttaa historialliseen tai aikasarjaluonteeseen Dati in
un tietovarasto, jonka avulla trendit voidaan analysoida.
Haihtumaton osoittaa, että tietovarasto se ei ole jatkuvasti
päivitetty nimellä tietokanta OLTP: stä. Pikemminkin se on ajan tasalla
säännöllisesti Dati sisäisistä ja ulkoisista lähteistä.
tietovarasto se on suunniteltu erityisesti tutkimusta varten
pikemminkin kuin päivitysten eheyden ja
toimintaan.
Ajatus i Dati se ei ole uusi, se oli yksi tarkoituksista
hallinnointi Dati 1982-luvulta lähtien (Il Martin, XNUMX).
I tietovarasto ne tarjoavat infrastruktuurin Dati hallintaa varten
tukijärjestelmät. Johdon tukijärjestelmät sisältävät päätöksen
tukijärjestelmät (DSS) ja johtavat tietojärjestelmät (EIS).
DSS on tietokonepohjainen tietojärjestelmä, joka on
suunniteltu parantamaan prosessia ja siten sen pitoa
ihmisen päätös. EIS on tyypillisesti
Dati jonka avulla yritysjohtajat pääsevät helposti näkymään
ja Dati.
A. Yleinen arkkitehtuuri tietovarasto korostaa roolia
tietovarasto johdon tuessa. Tarjoamisen lisäksi
infrastruktuuri Dati EIS: lle ja DSS: lle, al tietovarasto on mahdollista
käyttää sitä suoraan kyselyiden kautta. THE Dati sisältyy päivämäärään
varasto perustuvat analyysiin
ja hankitaan kolmesta lähteestä: sisäiset vanhat järjestelmät,
erityiskäyttöiset tiedonkeruujärjestelmät ja ulkoiset tietolähteet. THE
Dati sisäisissä perintöjärjestelmissä ne ovat usein tarpeettomia,
epäjohdonmukainen, heikkolaatuinen ja tallennettu eri muodoissa
joten ne on sovitettava yhteen ja puhdistettava ennen kuin ne voidaan ladata
tietovarasto (Inmon, 1992; McFadden, 1996). THE Dati alkaen
varastointijärjestelmistä Dati tapauskohtaisesti ja lähteistä Dati
ulkoisia käytetään lisäykseen (päivittämiseen, korvaamiseen) i
Dati vanhoista järjestelmistä.
On monia pakottavia syitä kehittää a tietovarasto,
jotka sisältävät paremman päätöksenteon käytön kautta
todelliset lisätiedot (Ives 1995), tuki kohdennukselle
kokonaisliiketoiminnasta (Graham 1996) ja
tarjoaminen Dati EIS: lle ja DSS: lle (Graham 1996, McFadden
1996).
Äskettäisessä empiirisessä tutkimuksessa todettiin keskimäärin
investoinnit i tietovarasto 401% kolmen vuoden jälkeen (Graham,
1996). Kuitenkin muut empiiriset tutkimukset tietovarasto olla
löysi merkittäviä ongelmia, mukaan lukien vaikeudet mitata ja
etujen osoittaminen ilman selkeää tarkoitusta, aliarvioi se
varastointiprosessin tarkoitus ja monimutkaisuus i Datisisään
erityisesti lähteiden ja EU: n puhtauden osalta Dati.
Kauppa i Dati voidaan pitää ratkaisuna
hallinnan ongelmaan Dati organisaatioiden välillä. Siellä
manipulointi Dati sosiaalisena resurssina se on pysynyt yhtenä
avainkysymykset tietojärjestelmien hallinnassa
maailmaa monien vuosien ajan (Brancheau ym. 1996, Galliers ym. 1994,
Niederman et ai. 1990, Pervan 1993).
Suosittu lähestymistapa hallintaan Dati kahdeksankymmentäluvulla se oli
mallin kehittäminen Dati sosiaalinen. Malli Dati sosiaalinen se oli
suunniteltu tarjoamaan vakaa perusta uusien järjestelmien kehittämiselle
sovellukset ja tietokanta ja vanhat jälleenrakennukset ja integraatiot
systeemit (Brancheau et ai.
1989, Goodhue et ai. 1988: 1992, Kim ja Everest 1994).
Tässä lähestymistavassa on kuitenkin monia ongelmia vuonna
erityisesti kunkin tehtävän monimutkaisuus ja kustannukset sekä pitkä aika
tarvitaan konkreettisiin tuloksiin (Beynon-Davies 1994, Earl
1993, Goodhue et ai. 1992, Periasamy 1994, Shanks 1997).
Il tietovarasto se on erillinen tietokanta, joka on rinnakkain vanhojen kanssa
tietokantojen sijasta. Siksi voit
suoraan hallinnoida Dati ja välttää kalliita uudistuksia
vanhojen järjestelmien
OLEMASSA OLEVAT LÄHESTYMISPÄIVÄT PIIRUSTAMISEKSI
VARASTO
Rakentaminen ja parantaminen a tietovarasto
se tulisi ymmärtää pikemminkin evoluutioprosessina kuin a
perinteisen järjestelmäkehityksen elinkaari (Desio, 1995, Shanks,
O'Donnell ja Arnott 1997a). Siihen liittyy monia prosesseja
projektin tietovarasto kuten alustaminen, suunnittelu;
tiedot, jotka on hankittu yrityksen johtajilta vaadituista tarvikkeista;
lähteet, muunnokset, puhdistus Dati ja synkronointi vanhoista
- järjestelmät ja muut lähteet Dati; kehitteillä olevat jakelujärjestelmät;
- seuranta tietovarasto; ja prosessin hölynpölyä
evoluutio ja rakentaminen a tietovarasto (Shins, O'Donnell
ja Arnott 1997b). Tässä päiväkirjassa keskitymme miten
piirtää i Dati tallennetaan näiden muiden prosessien yhteydessä.
Tietoarkkitehtuurille on ehdotettu useita lähestymistapoja
kirjallisuusvarasto (Inmon 1994, Ives 1995, Kimball 1994
McFadden 1996). Jokaisella näistä menetelmistä on lyhyt kuvaus
tarkastele analyysillä heidän vahvuuksistaan ​​eikä.
Inmonin (1994) lähestymistapa Tietovarasto
Malli
Inmon (1994) ehdotti neljää iteratiivista vaihetta päivämäärän suunnittelemiseksi
varasto (katso kuva 2). Ensimmäinen vaihe on suunnitella malli
Dati sosiaalinen ymmärtää miten minä Dati voidaan integroida
organisaation sisällä toimivilla alueilla
jakamalla Dati säilytä alueilla. Malli Dati se on tehty
kauppaan Dati liittyvät päätöksentekoon, mukaan lukien Dati
historiallinen ja mukana Dati päätelty ja koottu. Toinen vaihe on
yksilöidä toteutettavat aihealueet. Nämä perustuvat
tietyn organisaation määrittelemille prioriteeteille. Kolmas
vaihe sisältää piirtämisen a tietokanta aihealueelle, aiheuttaa
erityistä huomiota kiinnitetään asianmukaisten tarkkuustasojen sisällyttämiseen.
Inmon suosittelee kokonaisuuden ja suhdemallin käyttöä. Neljäs
Vaihe on tunnistaa lähdejärjestelmät Dati vaaditaan ja kehitetään
muunnosprosessit hankkia, puhdistaa ja muotoilla i Dati.
Inmonin lähestymistavan vahvuudet ovat malli Dati sosiaalinen
tarjoaa perustan Dati organisaation sisällä
ja päivämäärien iteratiivisen kehityksen tukien suunnittelu
varasto. Sen haittoja ovat piirtämisen vaikeus ja hinta
malli- Dati sosiaalinen, entiteettimallien ymmärtämisen vaikeus e
molemmissa malleissa käytetyt suhteet Dati sosiaalinen ja Dati
tallennetaan aihealueittain ja Dati ja
piirustus tietovarasto toteuttamiseksi tietokanta
suhteellinen, mutta ei tietokanta moniulotteinen.
Ivesin (1995) lähestymistapa Tietovarasto
Malli
Ives (1995) ehdottaa nelivaiheista lähestymistapaa a: n piirtämiseen
tietojärjestelmä, jonka hän katsoo soveltuvan päivämäärän suunnitteluun
varasto (katso kuva 3). Lähestymistapa perustuu suurelta osin
Tietotekniikka tietojärjestelmien kehittämiseksi
(Martin 1990). Ensimmäinen askel on määritellä tavoitteet, tekijät
kriittiset ja onnistuneet ja keskeiset tulosindikaattorit. THE
keskeiset liiketoimintaprosessit ja tarvittavat tiedot ovat
valettu johtamaan meidät malliin Dati sosiaalinen. Toinen vaihe
siihen liittyy määriteltävän arkkitehtuurin kehittäminen Dati
varastoidaan alueittain, tietokanta di tietovarasto, komponentit
tarvittavan tekniikan, organisatorisen tuen joukko
tarvitaan toteuttamiseen ja käyttämiseen tietovarasto. Kolmas
vaihe sisältää tarvittavien ohjelmistopakettien ja työkalujen valinnan.
Neljäs vaihe on
tietovarasto. Ives toteaa, että varastoitavaksi Dati on sidottu
iteratiivinen prosessi.
Ivesin lähestymistavan vahvuus on
määrittää tietovaatimukset, strukturoidun käytön
- prosessin tukemiseksi tietovarasto,
sopiva laitteisto- ja ohjelmistovalinta sekä useiden laitteiden käyttö
edustustekniikat tietovarasto. Sen puutteet
ne ovat luontaisia ​​monimutkaisuudelle. Toiset sisältävät vaikeuksia
kehittää monia tasoja tietokanta all'interno del tietovarasto in
kohtuullinen aika ja kustannukset.
Kimballin (1994) lähestymistapa Tietovarasto
Malli
Kimball (1994) ehdotti viittä iteratiivista vaihetta päivämäärän piirtämiseksi
varasto (katso kuvat 4). Hänen lähestymistapansa on erityisesti
omistettu soolon piirtämiselle tietovarasto ja mallien käytöstä
ulottuvuus mieluummin kuin kokonaisuuksien ja suhteiden mallit. Kimball
analysoi näitä ulottuvuusmalleja, koska minun on helpompi ymmärtää
yritysjohtajat ovat tehokkaampia tekemisissä
monimutkaiset kuulemiset ja suunnittelu tietokanta fyysinen on enemmän
tehokas (Kimball 1994). Kimball myöntää, että a
tietovarasto on iteratiivinen, ja se tietovarasto erotettu tölkki
integroidaan jakamalla mittataulukot
yleinen.
Ensimmäinen vaihe on tunnistaa tietty aihealue
täydelliseksi. Toinen ja kolmas vaihe koskevat muotoilua
ulottuvuus. Toisessa vaiheessa mittaukset tunnistavat asiat
kiinnostus aihealueelle ja ryhmitelty tosiasiataulukkoon.
Esimerkiksi myynnin aihealueella kiinnostavat mittarit
ne voisivat sisältää myytyjen tuotteiden määrän ja dollarin
myyntivaluuttana. Kolmas vaihe käsittää
mitat, jotka ovat tapoja, joilla ne voidaan ryhmitellä i
tosiasiat. Myynnin aihealueella olennaiset ulottuvuudet
ne voivat sisältää kohteen, sijainnin ja ajanjakson. Siellä
tositaulukossa on moniosainen avain linkittää kuhunkin
ulottuvuustaulukoita ja sisältää tyypillisesti hyvin suuren määrän
hieno itse asiassa. Sitä vastoin kokolevyt sisältävät
kuvaavat tiedot mitoista ja muista ominaisuuksista
niitä voidaan käyttää tosiseikkojen ryhmittelemiseen. Faktataulukko e
ehdotukseen liittyvät mitat muodostavat ns. yhdeksi
tähtikuvio muodonsa vuoksi. Neljäs vaihe sisältää
rakennus a tietokanta moniulotteinen sen parantamiseksi
tähtijärjestelmä. Viimeinen vaihe on tunnistaa lähdejärjestelmät Dati
tarvitaan ja kehitetään muutosprosesseja hankkia, puhdistaa
ja muoto i Dati.
Kimballin lähestymistavan vahvuuksiin kuuluu mallien käyttö
ulottuvuus edustamaan i Dati varastoituja, jotka tekevät siitä
helppo ymmärtää ja johtaa tehokkaaseen fyysiseen suunnitteluun. A
ulottuvuusmalli, joka käyttää helposti molempia
järjestelmät tietokanta relaatiojärjestelmät voivat olla täydellisiä tai järjestelmiä
tietokanta moniulotteinen. Sen puutteisiin kuuluu puute
joitain tekniikoita, jotka helpottavat
monia tähtikuvioita yhden sisällä tietovarasto sekä
suunnittelun vaikeus äärimmäisen denormalisoidusta rakenteesta a
ulottuvuusmalli a Dati vanhassa järjestelmässä.
McFaddenin (1996) lähestymistapa tietoihin
Varasuunnittelu
McFadden (1996) ehdottaa viisivaiheista lähestymistapaa
piirtää tietovarasto (katso kuva 5).
Hänen lähestymistapansa perustuu synteesiin ideoista kirjallisuudesta
ja keskittyy yhden piirtämiseen tietovarasto. Ensimmäinen
vaiheeseen sisältyy vaatimusanalyysi. Vaikka erityispiirteet
tekniikoita ei ole määrätty, McFaddenin muistiinpanot tunnistavat
kokonaisuus Dati määritykset ja niiden määritteet, ja viittaa Watsonin lukijoihin
ja Frolick (1993) vaatimusten hankkimisesta.
Toisessa vaiheessa piirretään suhde-entiteettimalli
tietovarasto ja sitten yrityksen johtajat vahvistavat sen. Kolmas
Vaihe sisältää kartoituksen määrittämisen vanhasta järjestelmästä
ja ulkoiset lähteet tietovarasto. Neljäs vaihe sisältää
- prosessit kehitettäessä, jakelussa ja synkronoinnissa Dati sisään
tietovarasto. Viimeisessä vaiheessa järjestelmän toimitus on
kehitettiin kiinnittämällä erityistä huomiota käyttöliittymään.
McFadden huomauttaa, että piirustusprosessi on yleensä
toistuva.
McFaddenin lähestymistavan vahvuudet perustuvat osallistumiseen
Yritysjohtajat määrittelevät vaatimuksia ja myös
resurssien merkitys Dati, niiden puhdistus ja kerääminen. Hänen
puutteet liittyvät prosessin puuttumiseen a
suuri projekti tietovarasto monissa integroiduissa vaiheissa, ja
vaikeuksia ymmärtää kokonaisuuden ja suhdemalleja, joita käytetään suunnittelussa
tietovarasto.

admin CEO

👍Verkkoverkkotoimisto | Verkkotoimiston asiantuntija digitaalisessa markkinoinnissa ja hakukoneoptimoinnissa. Web Agency Online on verkkotoimisto. Agenzia Web Onlinen menestys digitaalisessa transformaatiossa perustuu Iron SEO -version 3 perusteisiin. Erikoisalat: järjestelmäintegraatio, yrityssovellusten integrointi, palvelukeskeinen arkkitehtuuri, pilvilaskenta, tietovarasto, liiketoimintaäly, Big Data, portaalit, intranetit, verkkosovellukset Relaatio- ja moniulotteisten tietokantojen suunnittelu ja hallinta Digitaalisen median rajapintojen suunnittelu: käytettävyys ja grafiikka. Online Web Agency tarjoaa yrityksille seuraavat palvelut: -SEO Googlessa, Amazon, Bing, Yandex; -Web Analytics: Google Analytics, Google Tag Manager, Yandex Metrica; -Käyttäjien muunnokset: Google Analytics, Microsoft Clarity, Yandex Metrica; -SEM Googlessa, Bingissä, Amazon Adsissa; -Sosiaalinen mediamarkkinointi (Facebook, Linkedin, Youtube, Instagram).

Katso koko bio

Digitaalinen markkinointi tietokanta DBMS Tietovarasto data Science Verkkomainonta Tietotekniikka Verkkovirasto Mainostoimisto Marketing