Տվյալների պահեստ և Ձեռնարկությունների ռեսուրսների պլանավորում | DWH և ERP

ԱՐԽԻՎ ՏՎՅԱԼՆԵՐ ԿԵՆՏՐՈՆԱԿԱՆ՝ ՊԱՏՄՈՒԹՅԱՆ ՀԵՏ ԷՎՈԼՈՒՑԻԱ

90-ականներին կորպորատիվ տեխնոլոգիայի երկու գերիշխող թեմաներն էին i տվյալների պահեստ և ERP-ն: Երկար ժամանակ այս երկու հզոր հոսքերը եղել են կորպորատիվ ՏՏ-ի մասեր՝ առանց երբևէ խաչմերուկ ունենալու: Կարծես դրանք նյութ և հակամատերիա լինեին։ Բայց երկու երևույթների աճն էլ անխուսափելիորեն հանգեցրել է դրանց հատմանը։ Այսօր ընկերությունները կանգնած են խնդրի հետ, թե ինչ անել ERP-ի հետ և տվյալների պահեստ. Այս հոդվածը կբացատրի, թե որոնք են խնդիրները և ինչպես են դրանք լուծում ընկերությունների կողմից:

ՍԿԶԲՈՒՄ…

Սկզբում կար տվյալների պահեստ. Տվյալների պահեստ այն ծնվել է գործարքների մշակման հայտերի համակարգին հակազդելու համար: Վաղ օրերին անգիր անելը տվյալներ այն պետք է լինի ընդամենը գործարքների մշակման հավելվածների հակապատկեր: Բայց մեր օրերում կան շատ ավելի բարդ տեսլականներ, թե ինչ ա տվյալների պահեստ. Այսօրվա աշխարհում տվյալների պահեստ այն տեղադրվում է մի կառուցվածքում, որը կարելի է անվանել Կորպորատիվ տեղեկատվական գործարան:

ԿՈՐՊՈՐԱՏԻՎ ՏԵՂԵԿԱՏՎԱԿԱՆ ԳՈՐԾԱՐԱՆ (CIF)

Կորպորատիվ տեղեկատվական գործարանն ունի ստանդարտ ճարտարապետական ​​բաղադրիչներ՝ կոդի ինտեգրման և փոխակերպման շերտ, որն ինտեգրում է i. տվյալներ մինչդեռ ես տվյալներ նրանք տեղափոխվում են կիրառական միջավայրից դեպի միջավայր տվյալների պահեստ ընկերության; ա տվյալների պահեստ ընկերության, որտեղ տվյալներ մանրամասն և ինտեգրված պատմաբաններ։ Այն տվյալների պահեստ ձեռնարկությունը ծառայում է որպես հիմք, որի վրա կարող են կառուցվել շրջակա միջավայրի բոլոր մյուս մասերը տվյալների պահեստ; գործառնական տվյալների պահեստ (ODS): ODS-ը հիբրիդային կառույց է, որը պարունակում է որոշ ասպեկտներ տվյալների պահեստ և OLTP միջավայրի այլ ասպեկտներ; տվյալների մարթեր, որտեղ տարբեր բաժիններ կարող են ունենալ իրենց սեփական տարբերակը տվյալների պահեստ; ա տվյալների պահեստ հետախուզում, որտեղ ընկերության մտածողները կարող են ներկայացնել իրենց 72-ժամյա հարցումները՝ առանց որևէ վնասակար ազդեցության տվյալների պահեստ; և մոտ տողային հիշողություն, որում տվյալներ հին ու տվյալներ մեծածախ մանրամասները կարող են պահվել էժան գնով:

ՈՐՏԵՂ Է ERP-ն ՀԱՄԱԿԱՏԱՐՎՈՒՄ Է ԿՈՐՊՈՐԱՏԻՎ ՏԵՂԵԿԱՏՎԱԿԱՆ ԳՈՐԾԱՐԱՆ

ERP-ն միաձուլվում է Կորպորատիվ տեղեկատվական գործարանի հետ երկու տեղում: Հիմնականում որպես ելակետային ծրագիր, որն ապահովում է i տվյալներ դիմումի վերաբերյալ տվյալների պահեստ. Այս դեպքում i տվյալներ, որը ստեղծվում է որպես գործարքի գործընթացի կողմնակի արտադրանք, ինտեգրվում և բեռնվում են դրանում տվյալների պահեստ ընկերության։ ERP-ի և CIF-ի միջև երկրորդ կապը ODS-ն է: Իրոք, շատ միջավայրերում ERP-ն օգտագործվում է որպես դասական ODS:

Այն դեպքում, երբ ERP-ն օգտագործվում է որպես հիմնական հավելված, նույն ERP-ն կարող է օգտագործվել նաև CIF-ում որպես ODS: Ամեն դեպքում, եթե ERP-ն պետք է օգտագործվի երկու դերերում էլ, պետք է հստակ տարբերություն լինի երկու սուբյեկտների միջև: Այլ կերպ ասած, երբ ERP-ն խաղում է բազային հավելվածի և ODS-ի դերը, պետք է առանձնացնել երկու ճարտարապետական ​​սուբյեկտները: Եթե ​​ERP-ի մեկ ներդրում փորձի կատարել երկու դերերը միաժամանակ, ապա անխուսափելիորեն խնդիրներ կլինեն այդ շրջանակի նախագծման և իրականացման մեջ:

ԱՌԱՆՁԻՆ ՕԴՍ ԵՎ ՀԻՄՆԱԿԱՆ ԿԻՐԱՌՈՒՄՆԵՐ

Կան բազմաթիվ պատճառներ, որոնք հանգեցնում են ճարտարապետական ​​բաղադրիչների բաժանմանը: Հավանաբար, ճարտարապետության տարբեր բաղադրիչները առանձնացնելու ամենախոսուն կետն այն է, որ ճարտարապետության յուրաքանչյուր բաղադրիչ ունի իր տեսակետը: Ելակետային հավելվածը այլ նպատակի է ծառայում, քան ODS-ը: Փորձեք համընկնել

ODS-ի աշխարհի վերաբերյալ ելակետային կիրառման տեսակետը կամ հակառակը, աշխատելու արդար ձև չէ:

Հետևաբար, CIF-ում ERP-ի առաջին խնդիրը ստուգելն է, թե արդյոք կա տարբերություն ելակետային հավելվածների և ODS-ի միջև:

ՏՎՅԱԼՆԵՐԻ ՄՈԴԵԼՆԵՐԸ ԿՈՐՊՈՐԱՏՈՒՄ ՏԵՂԵԿԱՏՎԱԿԱՆ ԳՈՐԾԱՐԱՆ

CIF ճարտարապետության տարբեր բաղադրիչների միջև համախմբվածության հասնելու համար պետք է լինի մոդել տվյալներ. -ի մոդելները տվյալներ դրանք ծառայում են որպես կապող օղակ ճարտարապետության տարբեր բաղադրիչների միջև, ինչպիսիք են բազային հավելվածները և ODS-ը: -ի մոդելները տվյալներ դրանք դառնում են «ինտելեկտուալ ճանապարհային քարտեզ»՝ CIF-ի տարբեր ճարտարապետական ​​բաղադրիչներից ճիշտ իմաստ ստանալու համար:

Այս հասկացության հետ ձեռք ձեռքի տված, գաղափարն այն է, որ պետք է լինի մեկ մեծ և մեկ օրինակ տվյալներ. Ակնհայտ է, որ պետք է լինի օրինակ տվյալներ բաղադրիչներից յուրաքանչյուրի համար և ավելին, պետք է լինի խելամիտ ճանապարհ, որը կապում է տարբեր մոդելները: Ճարտարապետության յուրաքանչյուր բաղադրիչ – ODS, ելակետային հավելվածներ, տվյալների պահեստ ընկերության և այլն: – կարիք ունի իր սեփական մոդելի տվյալներ. Եվ այսպես, պետք է հստակ սահմանում լինի, թե ինչպես են այս մոդելները տվյալներ նրանք փոխազդում են միմյանց հետ:

ՇԱՐԺԵԼ I ՏՎՅԱԼՆԵՐ ERP-ի ՏՎՅԱԼՆԵՐՈՒՄ ԽԱՆՈՒԹ

Եթե ​​ծագումը տվյալներ ելակետային ծրագիր է և/կամ ODS, երբ ERP-ն տեղադրում է i տվյալներ մեջ տվյալների պահեստ, այս ներդիրը պետք է տեղի ունենա «հատիկավորության» ամենացածր մակարդակում։ Պարզապես ամփոփել կամ համախմբել i տվյալներ քանի որ դրանք դուրս են գալիս ERP բազային հավելվածից կամ ERP ODS-ը ճիշտ բան չէ անել: THE տվյալներ մանրամասները անհրաժեշտ են տվյալների պահեստ ձևավորել DSS գործընթացի հիմքը: Այդպիսին տվյալներ դրանք շատ առումներով կվերաձեւավորվեն տվյալների հայտնաբերման և հետազոտության միջոցով տվյալների պահեստ.

-ի տեղափոխումը տվյալներ ERP բազային կիրառական միջավայրից մինչև տվյալների պահեստ ընկերության գործունեությունն իրականացվում է ողջամտորեն հանգիստ ձևով: Այս քայլը տեղի է ունենում ERP-ում թարմացումից կամ ստեղծումից մոտավորապես 24 ժամ հետո: -ի «ծույլ» շարժում ունենալու փաստը տվյալներ մեջ տվյալների պահեստ ընկերության թույլ է տալիս տվյալներ գալիս է ERP-ից «կարգավորելու». Մի անգամ ես տվյալներ պահվում են բազային հավելվածում, այնուհետև կարող եք ապահով տեղափոխել տվյալներ ERP ձեռնարկությունում: Մեկ այլ նպատակ, որին կարելի է հասնել շնորհիվ «ծույլ» շարժման տվյալներ գործառնական գործընթացների և DSS-ի միջև հստակ սահմանազատումն է: -ի «արագ» շարժումով տվյալներ DSS-ի և գործառնական գիծը մնում է անորոշ:

Շարժումը տվյալներ ERP-ի ODS-ից մինչև տվյալների պահեստ Ընկերությունը կատարվում է պարբերաբար, սովորաբար շաբաթական կամ ամսական: Այս դեպքում շարժումը տվյալներ այն հիմնված է հները «մաքրելու» անհրաժեշտության վրա տվյալներ պատմաբաններ։ Բնականաբար, ODS-ը պարունակում է i տվյալներ որոնք շատ ավելի նոր են, քան տվյալներ պատմաբանները գտել են տվյալների պահեստ.

-ի տեղափոխումը տվյալներ մեջ տվյալների պահեստ այն գրեթե երբեք չի արվում «մեծածախ» (մեծածախ ձևով): Պատճենել աղյուսակը ERP միջավայրից տվյալների պահեստ դա իմաստ չունի. Շատ ավելի իրատեսական մոտեցում է ընտրված միավորների տեղափոխումը տվյալներ. Միայն տվյալներ որոնք փոխվել են վերջին թարմացումից հետո տվյալների պահեստ նրանք են, որոնք պետք է տեղափոխվեն տվյալների պահեստ. Մեկ ճանապարհ իմանալու, թե որոնք են տվյալներ փոխվել են վերջին թարմացումից ի վեր՝ նայելու ժամանակային դրոշմանիշները տվյալներ հայտնաբերվել է ERP միջավայրում: Դիզայները ընտրում է բոլոր փոփոխությունները, որոնք տեղի են ունեցել վերջին թարմացումից հետո: Մեկ այլ մոտեցում է փոփոխության գրավման տեխնիկայի օգտագործումը տվյալներ. Այս տեխնիկայով տեղեկամատյանները և ամսագրի ժապավենները վերլուծվում են՝ որոշելու համար, թե որոնք են տվյալներ պետք է տեղափոխվի ERP միջավայրից դեպի այն տվյալների պահեստ. Այս տեխնիկան լավագույնն է, քանի որ տեղեկամատյանները և ամսագրի ժապավենները կարելի է կարդալ ERP ֆայլերից՝ առանց հետագա ազդեցության ERP այլ ռեսուրսների վրա:

ԱՅԼ ԲԱՐԴՈՒԹՅՈՒՆՆԵՐ

CIF-ում ERP-ի խնդիրներից մեկն այն է, թե ինչ է տեղի ունենում հավելվածի այլ աղբյուրների կամ ai-ի հետ տվյալներ ODS-ի, որին նրանք պետք է նպաստեն տվյալների պահեստ բայց դրանք ERP միջավայրի մաս չեն: Հաշվի առնելով ERP-ի փակ բնույթը, հատկապես SAP-ը, փորձում է ինտեգրել բանալիները արտաքին աղբյուրներից տվյալներ ինձ հետ տվյալներ որոնք գալիս են ERP-ից տեղափոխման պահին i տվյալներ մեջ տվյալների պահեստ, դա մեծ մարտահրավեր է: Իսկ կոնկրետ որքա՞ն են հավանականությունները, որ i տվյալներ ERP միջավայրից դուրս գտնվող ծրագրերը կամ ODS-ները ինտեգրվելու են տվյալների պահեստ? Հնարավորություններն իրականում շատ մեծ են:

ԳՏՆԵԼ ՏՎՅԱԼՆԵՐ ՊԱՏՄԱԿԱՆ ERP-ից

Մեկ այլ խնդիր i տվյալներ ERP-ն այն է, որ բխում է ունենալու անհրաժեշտությունից տվյալներ պատմաբանները ներսում տվյալների պահեստ. Սովորաբար, տվյալների պահեստ կարիքները տվյալներ պատմաբաններ։ Իսկ ERP տեխնոլոգիան սովորաբար դրանք չի պահում տվյալներ պատմական, համենայն դեպս ոչ այնքանով, որքանով դա անհրաժեշտ է տվյալների պահեստ. Երբ մեծ քանակությամբ տվյալներ տեղեկամատյանները սկսում են ավելանալ ERP միջավայրում, այդ միջավայրը պետք է մաքրվի: Օրինակ, ենթադրենք ա տվյալների պահեստ պետք է բեռնված լինի հինգ տարի տվյալներ պատմական, մինչդեռ ERP-ն պահպանում է դրանցից առավելագույնը վեց ամիս տվյալներ. Քանի դեռ ընկերությունը բավարարված է հավաքել մի շարք տվյալներ որքան ժամանակ է անցնում, այնպես որ խնդիր չկա ERP-ն օգտագործել որպես աղբյուր տվյալների պահեստ. Բայց երբ տվյալների պահեստ պետք է հետ գնալ ժամանակը և աստվածներին վերցնել տվյալներ գրառումները, որոնք նախկինում չեն հավաքվել և պահպանվել ERP-ի կողմից, այնուհետև ERP միջավայրը դառնում է անարդյունավետ:

ERP ԵՎ METADATA

Մեկ այլ նկատառում, որը պետք է արվի ERP-ի մասին էլ տվյալների պահեստ այն ERP միջավայրում առկա մետատվյալների վրա է: Ճիշտ այնպես, ինչպես մետատվյալները տեղափոխվում են ERP միջավայրից դեպի տվյալների պահեստ, մետատվյալները պետք է տեղափոխվեն նույն կերպ։ Բացի այդ, մետատվյալները պետք է փոխակերպվեն ենթակառուցվածքի համար պահանջվող ձևաչափի և կառուցվածքի տվյալների պահեստ. Գործառնական մետատվյալների և DSS մետատվյալների միջև մեծ տարբերություն կա: Գործառնական մետատվյալները հիմնականում նախատեսված են մշակողի և նրա համար

ծրագրավորող. DSS մետատվյալները հիմնականում նախատեսված են վերջնական օգտագործողի համար: ERP հավելվածներում կամ ODS-ներում գոյություն ունեցող մետատվյալները պետք է փոխարկվեն, և այս փոխարկումը միշտ չէ, որ հեշտ և պարզ է:

ERP ՏՎՅԱԼՆԵՐԻ ԱՂԲՅՈՒՐ

Եթե ​​ERP-ն օգտագործվում է որպես մատակարար տվյալներ համար տվյալների պահեստ պետք է լինի ամուր ինտերֆեյս, որը շարժվում է i տվյալներ ERP միջավայրից մինչև շրջակա միջավայր տվյալների պահեստ. Ինտերֆեյսը պետք է.

• ▪ լինել հեշտ օգտագործման համար
• ▪ թույլ տալ մուտք գործել տվյալներ ERP-ի
• ▪ վերցնել իմաստը տվյալներ որոնք տեղափոխվում են տվյալների պահեստ
• ▪ իմանալ ERP-ի սահմանափակումները, որոնք կարող են առաջանալ մուտք գործելու ժամանակ տվյալներ ERP-ի:
• ▪ հղման ամբողջականություն
• ▪ հիերարխիկ հարաբերություններ
• ▪ անուղղակի տրամաբանական հարաբերություններ
• ▪ հայտի կոնվենցիա
• ▪ բոլոր կառույցները տվյալներ աջակցվում է ERP-ի կողմից և այլն…
• ▪ լինել արդյունավետ մուտք գործելու հարցում տվյալներ, տրամադրելով.
• ▪ ուղիղ շարժում տվյալներ
• ▪ փոփոխության ձեռքբերում տվյալներ
• ▪ աջակցել ժամանակին հասանելիությանը տվյալներ
• ▪ հասկանալ ձևաչափը տվյալներ, և այլն… Ինտերֆեյս SAP-ի հետ Ինտերֆեյսը կարող է լինել երկու տեսակի՝ տնային կամ առևտրային: Առևտրային հիմնական ինտերֆեյսներից մի քանիսը ներառում են.

• ▪ SAS
• ▪ Prime Solutions
• ▪ D2k և այլն… ԲԱԶՄԱԿԱՆ ERP ՏԵԽՆՈԼՈԳԻԱՆԵՐ ERP միջավայրին այնպես վերաբերվելը, կարծես դա մեկ տեխնոլոգիա է, մեծ սխալ է: Կան բազմաթիվ ERP տեխնոլոգիաներ, որոնցից յուրաքանչյուրն ունի իր ուժեղ կողմերը: Շուկայում ամենահայտնի վաճառողներն են.

• ▪ SAP
• ▪ Oracle Financials
• ▪ PeopleSoft
• Ջ.Դ. Էդվարդս
• ▪ Բաանս SAP SAP-ը ERP-ի ամենամեծ և ամենաընդգրկուն ծրագիրն է: SAP հավելվածները ներառում են բազմաթիվ տեսակի հավելվածներ բազմաթիվ ոլորտներում: SAP-ն ունի հետևյալ համբավը.

• ▪ շատ մեծ
• ▪ Իրականացումը շատ դժվար և ծախսատար է
• ▪ իրականացման համար շատ մարդիկ և խորհրդատուներ են պետք
• ▪ Իրականացման համար անհրաժեշտ են մասնագիտացված մարդիկ
• ▪ շատ ժամանակ է պահանջվում իրականացնելու համար Նաև SAP-ն իր անգիր անելու համբավ ունի տվյալներ սերտորեն՝ դժվարացնելով SAP-ի տարածքից դուրս գտնվող որևէ մեկի մուտքը դրանց: SAP-ի ուժն այն է, որ այն ի վիճակի է գրավել և պահել մեծ քանակությամբ տվյալներ. SAP-ը վերջերս հայտարարեց իր հայտերը երկարաձգելու մտադրության մասին տվյալների պահեստ. SAP-ը որպես վաճառող օգտագործելու շատ դրական և բացասական կողմեր ​​կան տվյալների պահեստ. Առավելությունն այն է, որ SAP-ն արդեն տեղադրված է, և խորհրդատուների մեծ մասն արդեն ծանոթ է SAP-ին:
  SAP-ի որպես մատակարար ունենալու թերությունները տվյալների պահեստ շատ են. SAP-ն աշխարհում փորձ չունի տվյալների պահեստ Եթե ​​SAP-ը մատակարար է տվյալների պահեստ, անհրաժեշտ է «հանել» i տվյալներ SAP-ից մինչև տվյալների պահեստ. Dato SAP-ի փակ համակարգի պատմությունը, դժվար թե դրանում հեշտ լինի ստանալ i SAP-ից (???): Կան բազմաթիվ ժառանգական միջավայրեր, որոնք սնուցում են SAP-ը, ինչպիսիք են IMS, VSAM, ADABAS, ORACLE, DB2 և այլն: SAP-ը պնդում է «այստեղ հորինված չէ» մոտեցումը: SAP-ը չի ցանկանում համագործակցել այլ վաճառողների հետ՝ օգտագործելու կամ ստեղծելու համար տվյալների պահեստ. SAP-ը պնդում է, որ ինքը արտադրի իր ամբողջ ծրագրաշարը:

Թեև SAP-ը մեծ և հզոր ընկերություն է, այն փաստը, որ փորձում է վերաշարադրել ELT-ի, OLAP-ի, համակարգի կառավարման և նույնիսկ կոդերի բազան: դմ դա ուղղակի խելագարություն է: Մատակարարների հետ համագործակցային վերաբերմունք ցուցաբերելու փոխարեն տվյալների պահեստ Երկար ժամանակ SAP-ը հետևել է այն մոտեցմանը, որը նրանք «լավագույնս գիտեն»: Այս վերաբերմունքը հետ է պահում այն ​​հաջողությունը, որը SAP-ը կարող էր ունենալ ոլորտում տվյալների պահեստ.
SAP-ի մերժումը արտաքին վաճառողներին թույլ տալ արագ և նրբագեղ մուտք գործել իրենց տվյալներ. Օգտագործման բուն էությունը ա տվյալների պահեստ հեշտ է մուտք գործել տվյալներ. SAP-ի ողջ պատմությունը հիմնված է այն դժվարացնելու վրա տվյալներ.
SAP-ի փորձի բացակայությունը մեծ ծավալների հետ գործ ունենալու հարցում տվյալներ; ոլորտում տվյալների պահեստ կան հատորներ տվյալներ երբեք չի տեսել SAP-ից և կարգավորել այս մեծ քանակությամբ տվյալներ դուք պետք է ունենաք ճիշտ տեխնոլոգիա: SAP-ը, ըստ երևույթին, տեղյակ չէ այս տեխնոլոգիական խոչընդոտի մասին, որը գոյություն ունի դաշտ մտնելու համար տվյալների պահեստ.
SAP-ի կորպորատիվ մշակույթը. SAP-ը բիզնես է ստեղծել i տվյալներ համակարգից։ Բայց դա անելու համար հարկավոր է ունենալ այլ մտածելակերպ: Ավանդաբար, ծրագրային ապահովման ընկերությունները, որոնք լավ էին կարողանում տվյալներ մուտք գործել միջավայր, լավ չէին կարողանում ստանալ տվյալներ այլ ճանապարհով: Եթե ​​SAP-ին հաջողվի կատարել այս տեսակի անջատիչներ, դա կլինի առաջին ընկերությունը, որը կանի դա:

Մի խոսքով, հարցական է, թե արդյոք ընկերությունը պետք է ընտրի SAP-ը որպես մատակարար տվյալների պահեստ. Մի կողմից շատ լուրջ ռիսկեր կան, մյուս կողմից՝ շատ քիչ պարգևներ։ Բայց կա ևս մեկ պատճառ, որը խանգարում է SAP-ին որպես մատակարար ընտրել տվյալների պահեստ. Քանի որ յուրաքանչյուր ընկերություն պետք է ունենա նույնը տվյալների պահեստ մնացած բոլոր ընկերություններից? Այն տվյալների պահեստ դա մրցակցային առավելության սիրտն է: Եթե ​​յուրաքանչյուր ընկերություն ընդուներ նույնը տվյալների պահեստ մրցակցային առավելության հասնելը դժվար, թեև ոչ անհնարին կլիներ։ SAP-ը կարծես կարծում է, որ ա տվյալների պահեստ կարող է դիտվել որպես թխուկ, և սա ևս մեկ նշան է նրանց մտայնության՝ «ստանալ տվյալները» հավելվածներում:

Ոչ մի այլ ERP վաճառող այնքան գերիշխող չէ, որքան SAP-ը: Անկասկած կլինեն ընկերություններ, որոնք կգնան SAP-ի ճանապարհով իրենց համար տվյալների պահեստ բայց ենթադրաբար սրանք տվյալների պահեստ SAP-ների ստեղծումը մեծ, թանկ և ժամանակատար կլինի:

Այս միջավայրերը ներառում են այնպիսի գործողություններ, ինչպիսիք են բանկային գանձապահի մշակումը, ավիաընկերությունների ամրագրման գործընթացները, ապահովագրական բողոքների գործընթացները և այլն: Որքան լավ էր գործում գործարքների համակարգը, այնքան ավելի ակնհայտ էր գործառնական գործընթացի և DSS-ի (որոշումների աջակցման համակարգի) միջև տարանջատման անհրաժեշտությունը: Այնուամենայնիվ, HR և անձնակազմի համակարգերի դեպքում դուք երբեք չեք առերեսվում գործարքների մեծ ծավալների հետ: Եվ, իհարկե, երբ մարդը աշխատանքի է ընդունվում կամ հեռանում է ընկերությունից, սա գործարքի գրանցում է: Սակայն այլ համակարգերի համեմատ, HR և անձնակազմի համակարգերը պարզապես շատ գործարքներ չունեն: Հետևաբար, HR և անձնակազմի համակարգերում լիովին ակնհայտ չէ, որ կա DataWarehouse-ի անհրաժեշտություն: Շատ առումներով այս համակարգերը DSS համակարգերի միաձուլումներ են:

Բայց կա ևս մեկ գործոն, որը պետք է հաշվի առնել datawarehouse-ի և PeopleSoft-ի հետ գործ ունենալիս: Շատ շրջանակներում, i տվյալներ Կադրերը և անձնական ռեսուրսները երկրորդական են ընկերության առաջնային բիզնեսի համար: Ընկերությունների մեծ մասը արտադրում է, վաճառում, ծառայություններ մատուցում և այլն։ HR և անձնակազմի համակարգերը սովորաբար երկրորդական են (կամ աջակցում են) ընկերության հիմնական բիզնեսի գծին: Ուստի երկիմաստ է ու անհարմար ա տվյալների պահեստ առանձին կադրերի և անձնական ռեսուրսների աջակցության համար:

PeopleSoft-ը շատ տարբերվում է SAP-ից այս առումով: SAP-ով պարտադիր է, որ կա ա տվյալների պահեստ. PeopleSoft-ի հետ ամեն ինչ այնքան էլ պարզ չէ: PeopleSoft-ի հետ տվյալների պահեստն ընտրովի է:

Լավագույն բանը, որ կարելի է ասել նրա համար տվյալներ PeopleSoft-ն այն է, որ տվյալների պահեստ կարող է օգտագործվել արխիվացնելու համար i տվյալներ կապված հին մարդկային և անձնական ռեսուրսների հետ։ Երկրորդ պատճառը, թե ինչու ընկերությունը կցանկանա օգտագործել a տվյալների պահեստ a

PeopleSoft միջավայրի թերությունն այն է, որ թույլ է տալիս մուտք գործել և ազատ մուտք գործել վերլուծության գործիքներ, նա տվյալներ PeopleSoft-ի կողմից: Բայց այս պատճառներից դուրս կարող են լինել դեպքեր, երբ նախընտրելի է չունենալ տվյալների պահեստ տվյալներ PeopleSoft- ը:

արդյունքում

Կան բազմաթիվ գաղափարներ, որոնք վերաբերում են ա տվյալների պահեստ ERP ծրագրաշարի ներսում:
Դրանցից մի քանիսն են.

• ▪ Իմաստ ունի ունենալ ա տվյալների պահեստ ո՞վ է նման արդյունաբերության մեջ որևէ մեկին:
• ▪ Որքան ճկուն է ERP-ն տվյալների պահեստ ծրագրակազմ
• ▪ ERP տվյալների պահեստ ծրագրաշարը կարող է կարգավորել մի ծավալ տվյալներ որը գտնվում է ատվյալների պահեստ ասպարեզ»?
• ▪ Ի՞նչ է անում ERP վաճառողի հետքի գրանցումը հեշտ և էժան, ժամանակատար, նա տվյալներ? (Ո՞րն է ERP վաճառողների արձանագրությունը էժան, ժամանակին և հեշտ հասանելի տվյալների առաքման վերաբերյալ):
• ▪ Ինչպիսի՞ն է ERP վաճառողի պատկերացումը DSS ճարտարապետության և կորպորատիվ տեղեկատվական գործարանի մասին:
• ▪ ERP վաճառողները հասկանում են, թե ինչպես ստանալ տվյալներ շրջակա միջավայրի ներսում, բայց նաև հասկանալ, թե ինչպես արտահանել դրանք:
• ▪ Որքանո՞վ է ERP վաճառողը բաց տվյալների պահեստավորման գործիքների համար:
  Այս բոլոր նկատառումները պետք է հաշվի առնել, երբ որոշել, թե որտեղ պետք է տեղադրել տվյալների պահեստ որը կհյուրընկալի i տվյալներ ERP-ի և այլոց տվյալներ. Ընդհանուր առմամբ, եթե այլ բան անելու համոզիչ պատճառ չկա, խորհուրդ է տրվում կառուցել տվյալների պահեստ ERP վաճառողի միջավայրից դուրս: ԳԼՈՒԽ 1 BI կազմակերպության ակնարկ Հիմնական կետերը.
  Տեղեկատվական շտեմարաններն աշխատում են բիզնեսի հետախուզության (BI) ճարտարապետության հակառակ ձևով.
  Կորպորատիվ մշակույթը և ՏՏ-ն կարող են սահմանափակել BI կազմակերպությունների կառուցման հաջողությունը:

Տեխնոլոգիան այլևս սահմանափակող գործոն չէ BI կազմակերպությունների համար: Ճարտարապետների և նախագծերի պլանավորողների խնդիրն այն չէ, թե արդյոք գոյություն ունի տեխնոլոգիա, այլ արդյոք նրանք կարող են արդյունավետորեն կիրառել առկա տեխնոլոգիաները:

Շատ ընկերությունների համար ա տվյալների պահեստ քիչ ավելին է, քան պասիվ ավանդ, որը բաշխում է i տվյալներ օգտատերերին, ովքեր դրա կարիքն ունեն: THE տվյալներ արդյունահանվում են սկզբնաղբյուր համակարգերից և բնակեցվում են թիրախային կառույցների կողմից տվյալների պահեստ. Ես տվյալներ դրանք նույնպես կարելի է մաքրել ցանկացած հաջողությամբ: Այնուամենայնիվ, ոչ մի լրացուցիչ արժեք չի ավելացվում կամ հավաքվում է տվյալներ այս գործընթացի ընթացքում:

Ըստ էության, պասիվ dw-ն, լավագույն դեպքում, ապահովում է միայն i տվյալներ մաքուր և գործառնական օգտագործողների ասոցիացիաների համար: Տեղեկատվության ստեղծումը և վերլուծական ըմբռնումը լիովին կախված են օգտվողներից: Դատելով, թե արդյոք DW (Տվյալների պահեստ) արդյոք հաջողությունը սուբյեկտիվ է: Եթե ​​մենք գնահատում ենք հաջողությունը արդյունավետ կերպով հավաքելու, ինտեգրելու և մաքրելու ունակության վրա տվյալներ կորպորատիվ կանխատեսելի հիմունքներով, ապա այո, DW-ն հաջողություն է: Մյուս կողմից, եթե նայենք կազմակերպության տեղեկատվության հավաքագրմանը, համախմբմանը և շահագործմանը որպես ամբողջություն, ապա DW-ն ձախողված է: DW-ն տալիս է քիչ կամ ընդհանրապես ոչ տեղեկատվական արժեք: Արդյունքում օգտատերերը ստիպված են լինում բավարարվել՝ այդպիսով ստեղծելով տեղեկատվական սիլոսներ։ Այս գլուխը ներկայացնում է ձեռնարկության BI (Business Intelligence) ճարտարապետությունը ամփոփելու համապարփակ տեսլականը: Մենք սկսում ենք BI-ի նկարագրությամբ, այնուհետև անցնում ենք տեղեկատվության նախագծման և մշակման քննարկումներին՝ ի տարբերություն պարզապես տրամադրելու տվյալներ օգտվողներին: Քննարկումներն այնուհետև կենտրոնանում են ձեր BI ջանքերի արժեքը հաշվարկելու վրա: Մենք եզրափակում ենք՝ սահմանելով, թե ինչպես է IBM-ն լուծում ձեր կազմակերպության BI ճարտարապետական ​​պահանջները:

-ի ճարտարապետության նկարագրությունը BI կազմակերպություն

Գործարքների վրա հիմնված հզոր տեղեկատվական համակարգերն այժմ օրվա կարգն են յուրաքանչյուր խոշոր ձեռնարկությունում՝ արդյունավետորեն հավասարեցնելով աշխարհի բոլոր կորպորացիաների խաղային պայմանները:

Այնուամենայնիվ, մրցունակ մնալը այժմ պահանջում է վերլուծական կողմնորոշված ​​համակարգեր, որոնք կարող են հեղափոխել ընկերության՝ արդեն իսկ ունեցած տեղեկատվությունը վերագտնելու և օգտագործելու կարողությունը: Այս վերլուծական համակարգերը բխում են հարստությունից հասկացողությունից տվյալներ հասանելի. BI-ն կարող է բարելավել արդյունավետությունը ձեռնարկության ողջ տեղեկատվության մեջ: Բիզնեսները կարող են բարելավել հաճախորդ-մատակարար հարաբերությունները, բարելավել արտադրանքի և ծառայությունների շահութաբերությունը, ստեղծել նոր և ավելի լավ գործարքներ, վերահսկել ռիսկը և, ի թիվս բազմաթիվ այլ ձեռքբերումների, կտրուկ կրճատել ծախսերը: BI-ի միջոցով ձեր ընկերությունը վերջապես սկսում է օգտագործել հաճախորդների տեղեկատվությունը որպես մրցունակ ակտիվ՝ շնորհիվ այն հավելվածների, որոնք ունեն շուկայական նպատակներ:

Բիզնեսի ճիշտ միջոցներ ունենալը նշանակում է ունենալ վերջնական պատասխաններ այնպիսի հիմնական հարցերի, ինչպիսիք են.

• ▪ Մերոնցից որն է հաճախորդները Ստիպո՞ւմ են մեզ ավելի շատ վաստակել, թե՞ ստիպում են մեզ գումար կորցնել:
• ▪ Այնտեղ, որտեղ ապրում են մեր լավագույնները հաճախորդները առնչությամբ խանութ/ պահեստ նրանք հաճախում.
• ▪ Մեր արտադրանքներից և ծառայություններից ո՞րը կարող է վաճառվել առավել արդյունավետ և ո՞ւմ:
• ▪ Ի՞նչ ապրանքներ կարելի է վաճառել առավել արդյունավետ և ո՞ւմ:
• ▪ Ո՞ր վաճառքի արշավն է ավելի հաջողակ և ինչու:
• ▪ Ո՞ր ապրանքների վաճառքի ուղիներն են առավել արդյունավետ:
• ▪ Ինչպես կարող ենք բարելավել հարաբերությունները մեր լավագույնի հետ հաճախորդները? Շատ ընկերություններ ունեն տվյալներ կոպիտ է պատասխանել այս հարցերին:
  Գործառնական համակարգերը առաջացնում են մեծ քանակությամբ ապրանքներ, հաճախորդներ և ծախսեր տվյալներ վաճառքի, ամրագրումների, հաճախորդների սպասարկման և տեխնիկական աջակցության համակարգերից: Խնդիրը այս տեղեկատվությունը կորզելն ու շահագործելն է: Շատ ընկերություններ շահույթ են ստանում միայն իրենց փոքր մասերից տվյալներ ռազմավարական վերլուծությունների համար։
  I տվյալներ մնացած, հաճախ զուգորդվում է i տվյալներ Արտաքին աղբյուրների ստացումը, ինչպիսիք են կառավարության հաշվետվությունները և այլ գնված տեղեկատվությունը, ոսկու հանքավայր է, որը պարզապես սպասում է հետազոտման, և տվյալներ դրանք պարզապես պետք է զտվեն ձեր կազմակերպության տեղեկատվական համատեքստում:

Այս գիտելիքը կարող է կիրառվել մի քանի ձևով՝ սկսած ընդհանուր կորպորատիվ ռազմավարության ձևավորումից մինչև մատակարարների հետ անձնական հաղորդակցություն, զանգերի կենտրոնների միջոցով, հաշիվ-ապրանքագրերի տրամադրում, Ինտերնետ և այլ կետեր: Այսօրվա բիզնես միջավայրը թելադրում է, որ DW-ն և հարակից BI լուծումները զարգանան ավանդական բիզնես կառույցներից դուրս: տվյալներ ինչպիսին է ես տվյալներ ատոմային մակարդակով նորմալացված և «աստղային/խորանարդային տնտեսություններ»:

Այն, ինչ պահանջվում է մրցունակ մնալու համար, ավանդական և առաջադեմ տեխնոլոգիաների միաձուլումն է՝ լայն վերլուծական լանդշաֆտին աջակցելու համար:
Ի վերջո, ընդհանուր միջավայրը պետք է բարելավի ընկերության գիտելիքները որպես ամբողջություն՝ համոզվելով, որ իրականացված վերլուծությունների արդյունքում ձեռնարկված գործողությունները օգտակար են, որպեսզի բոլորը շահեն:

Օրինակ, ենթադրենք, որ դուք դասակարգում եք ձեր սեփականը հաճախորդները բարձր կամ ցածր ռիսկային կատեգորիաներում:
Անկախ նրանից, թե այս տեղեկատվությունը ստեղծվում է հանքարդյունաբերության մոդելի կամ այլ միջոցների միջոցով, այն պետք է տեղադրվի DW-ում և հասանելի դառնա բոլորի համար՝ ցանկացած հասանելիության գործիքի միջոցով, ինչպիսիք են ստատիկ հաշվետվությունները, աղյուսակները, աղյուսակները կամ առցանց վերլուծական մշակումը (OLAP):

Այնուամենայնիվ, ներկայումս այս տեսակի տեղեկատվության մեծ մասը մնում է սիլոսներում տվյալներ վերլուծություն արտադրող անձանց կամ գերատեսչությունների: Կազմակերպությունը, որպես ամբողջություն, քիչ կամ բացակայում է ըմբռնման համար: Միայն այս տեսակի տեղեկատվական բովանդակությունը ձեր ձեռնարկության DW-ի մեջ միախառնելով կարող եք վերացնել տեղեկատվական սիլոսները և բարձրացնել ձեր DW միջավայրը:
BI կազմակերպություն զարգացնելու երկու հիմնական խոչընդոտ կա.
Նախ, մենք ունենք բուն կազմակերպության և նրա կարգապահության խնդիր։
Թեև մենք չենք կարող օգնել կազմակերպչական քաղաքականության փոփոխություններին, մենք կարող ենք օգնել հասկանալ կազմակերպության BI-ի բաղադրիչները, նրա ճարտարապետությունը և ինչպես է IBM-ի տեխնոլոգիան նպաստում դրա զարգացմանը:
Երկրորդ խոչընդոտը, որը պետք է հաղթահարվի, ինտեգրված տեխնոլոգիայի բացակայությունն է և մեթոդի իմացությունը, որը կոչում է ամբողջ BI տարածությունը՝ ի տարբերություն ընդամենը մի փոքր բաղադրիչի:

IBM-ն արձագանքում է տեխնոլոգիայի ինտեգրման փոփոխություններին: Գիտակից դիզայն ապահովելը ձեր պարտականությունն է: Այս ճարտարապետությունը պետք է մշակվի անսահմանափակ ինտեգրման համար ընտրված տեխնոլոգիայով, կամ առնվազն բաց ստանդարտներին համապատասխանող տեխնոլոգիայով: Բացի այդ, ձեր ընկերության ղեկավարությունը պետք է ապահովի, որ Bi-ի ձեռնարկությունն իրականացվի ժամանակացույցով և ոչ թե թույլ տա տեղեկատվական սիլոսների մշակումը, որոնք բխում են ինքնասպասարկման օրակարգերից կամ նպատակներից:
Սա չի նշանակում, որ BI միջավայրը զգայուն չէ տարբեր օգտագործողների տարբեր կարիքներին և պահանջներին արձագանքելու համար. փոխարենը դա նշանակում է, որ այդ անհատական ​​կարիքների և պահանջների իրականացումը կատարվում է ի շահ ողջ ԲԻ կազմակերպության:
BI կազմակերպության ճարտարապետության նկարագրությունը կարելի է գտնել 9-րդ էջում՝ Նկար 1.1-ում:Ճարտարապետությունը ցույց է տալիս տեխնոլոգիաների և տեխնիկայի հարուստ խառնուրդ:
Ավանդական տեսակետից ճարտարապետությունը ներառում է պահեստային հետևյալ բաղադրիչները

Ատոմային շերտ (Ատոմային շերտ):

Սա ամբողջ Dw-ի և հետևաբար ռազմավարական հաշվետվության հիմքն է, սիրտը:
I տվյալներ այստեղ պահվող կպահպանի պատմական ամբողջականությունը, հաղորդում է տվյալներ և ներառում է ստացված չափումները, ինչպես նաև մաքրվում, ինտեգրվում և պահպանվում են հանքարդյունաբերության մոդելների միջոցով:
Դրանց բոլոր հետագա օգտագործումը տվյալներ և հարակից տեղեկատվությունը ստացվում է այս կառուցվածքից: Սա հիանալի աղբյուր է հանքարդյունաբերության համար տվյալներ և կառուցվածքային SQL հարցումներով հաշվետվությունների համար

-ի գործառնական պահեստ տվյալներ կամ հաշվետվության հիմքը տվյալներ(Օպերատիվ տվյալների պահեստ (ODS) կամ հաշվետվություն բազա.)

Սա կառուցվածք է տվյալներ հատուկ մշակված տեխնիկական հաշվետվությունների համար:

I տվյալներ վերևում պահվող և հաղորդված այս կառույցները կարող են ի վերջո տարածվել պահեստում բեմական տարածքի միջոցով, որտեղ այն կարող է օգտագործվել ռազմավարական ազդանշանների համար:

Բեմադրության տարածք.

Առաջին կանգառը մեծամասնության համար տվյալներ Պահեստային միջավայրի համար նախատեսված է կազմակերպության գոտին:
Այստեղ ես տվյալներ ինտեգրվում են, մաքրվում և վերածվում տվյալներ շահույթ, որը կբնակեցնի պահեստի կառուցվածքը

Ամսաթիվ մարտեր.

Ճարտարապետության այս հատվածը ներկայացնում է կառուցվածքը տվյալներ օգտագործվում է հատուկ OLAP-ի համար: Datamarts-ի առկայությունը, եթե i տվյալներ դրանք պահվում են աստղային սխեմաներում, որոնց վրա նրանք ծածկում են տվյալներ բազմաչափ հարաբերական միջավայրում կամ ֆայլերում տվյալներ հատուկ OLAP տեխնոլոգիայի կողմից օգտագործվող սեփականությունը, ինչպիսին է DB2 OLAP սերվերը, տեղին չէ:

Միակ սահմանափակումն այն է, որ ճարտարապետությունը հեշտացնում է դրա օգտագործումը տվյալներ բազմաչափ.
Ճարտարապետությունը ներառում է նաև կրիտիկական Bi տեխնոլոգիաներ և տեխնիկա, որոնք առանձնանում են որպես.

Տարածական վերլուծություն

Տիեզերքը վերլուծաբանի համար տեղեկատվական անսպասելի շահույթ է և կարևոր է ամբողջական լուծման համար: Տիեզերքը կարող է տեղեկատվություն ներկայացնել այն մարդկանց մասին, ովքեր ապրում են որոշակի վայրում, ինչպես նաև տեղեկատվություն այն մասին, թե որտեղ է գտնվում այդ վայրը ֆիզիկապես մնացած աշխարհի համեմատ:

Այս վերլուծությունը կատարելու համար դուք պետք է սկսեք ձեր տեղեկությունները կապել լայնության և երկայնության կոորդինատներին: Սա կոչվում է «գեոկոդավորում» և պետք է լինի ձեր պահեստի ատոմային մակարդակի արդյունահանման, փոխակերպման և բեռնման գործընթացի (ETL):

Տվյալների հանքարդյունաբերություն.

-ի արդյունահանումը տվյալներ թույլ է տալիս մեր ընկերություններին ավելացնել դրանց թիվը հաճախորդները, կանխատեսել վաճառքի միտումները և հնարավորություն տալ հարաբերությունների կառավարում i հաճախորդները (CRM), ի թիվս այլ BI նախաձեռնությունների:

-ի արդյունահանումը տվյալներ հետևաբար այն պետք է ինտեգրվի կառուցվածքների հետ տվյալներ պահեստ և աջակցվում է պահեստային գործընթացներով՝ պարզելու տեխնոլոգիաների և հարակից տեխնիկայի արդյունավետ և արդյունավետ օգտագործումը:

Ինչպես նշված է BI ճարտարապետության մեջ, Dwhouse-ի ատոմային մակարդակը, ինչպես նաև տվյալների մարթերը, հիանալի աղբյուր են: տվյալներ արդյունահանման համար։ Այդ նույն հատկությունները պետք է լինեն նաև արդյունահանման արդյունքների ստացողներ՝ ամենալայն լսարանի համար հասանելիությունն ապահովելու համար:

Գործակալներ

Կան տարբեր «գործակալներ»՝ հաճախորդին ստուգելու ցանկացած կետ, օրինակ՝ ընկերության օպերացիոն համակարգերը և իրենք՝ dw-ն: Այս գործակալները կարող են լինել առաջադեմ նեյրոնային ցանցեր, որոնք պատրաստված են յուրաքանչյուր կետի միտումների մասին իմանալու համար, ինչպիսիք են ապրանքների ապագա պահանջարկը՝ հիմնված վաճառքի խթանումների վրա, կանոնների վրա հիմնված շարժիչներ՝ արձագանքելու համար: դետո մի շարք հանգամանքներ կամ նույնիսկ պարզ գործակալներ, որոնք բացառություններ են հաղորդում բարձրագույն ղեկավարներին: Այս գործընթացները հիմնականում տեղի են ունենում իրական ժամանակում և, հետևաբար, պետք է սերտորեն կապված լինեն գործընթացների շարժման հետ տվյալներ. Այս բոլոր կառույցները տվյալներ, տեխնոլոգիաները և տեխնիկան ապահովում են, որ դուք չեք գիշերի ձեր BI-ի կազմակերպությունը ստեղծելով:

Այս գործունեությունը կզարգացվի աստիճանաբար, փոքր կետերի համար:
Յուրաքանչյուր քայլ անկախ նախագծի ջանք է և կոչվում է կրկնություն ձեր BI dw-ում կամ նախաձեռնության մեջ: Կրկնությունները կարող են ներառել նոր տեխնոլոգիաների ներդրում, սկսած նոր տեխնիկայից, նոր շրջանակների ավելացում տվյալներ , բեռնում i տվյալներ լրացուցիչ կամ ձեր միջավայրի վերլուծության ընդլայնմամբ: Այս պարբերությունը ավելի մանրամասն քննարկվում է 3-րդ գլխում:

Բացի ավանդական DW շրջանակներից և BI գործիքներից, կան ձեր BI կազմակերպության այլ ասպեկտներ, որոնք դուք պետք է նախագծեք, ինչպիսիք են.

Հաճախորդների շփման կետեր (Հաճախորդի հպում միավոր):

Ինչպես ցանկացած ժամանակակից կազմակերպություն, կան մի շարք հաճախորդների հպման կետեր, որոնք ցույց են տալիս, թե ինչպես դրական փորձ ունենալ ձեր համար հաճախորդները. Կան ավանդական ալիքներ, ինչպիսիք են առևտրականները, կոմուտատորների օպերատորները, ուղիղ փոստը, մուլտիմեդիա և տպագիր գովազդը, ինչպես նաև ավելի ընթացիկ ալիքներ, ինչպիսիք են էլփոստը և համացանցը, տվյալներ Ինչ-որ շփման կետ ունեցող ապրանքները պետք է ձեռք բերվեն, տեղափոխվեն, մաքրվեն, վերամշակվեն և այնուհետև բնակեցվեն օբյեկտներում տվյալներ ԲԻ-ի.

-ի հիմքերը տվյալներ գործառնական և օգտագործողների ասոցիացիաներ (Օպերատիվ

տվյալների բազաներ և օգտագործողների համայնքներ):
Կոնտակտային կետերի վերջում հաճախորդները հիմքերը գտնված են տվյալներ ընկերության հավելվածների և օգտատերերի համայնքների: THE տվյալներ առկա են տվյալներ ավանդական, որը պետք է ի մի բերվի և միաձուլվի տվյալներ հոսում է շփման կետերից՝ անհրաժեշտ տեղեկատվությունը բավարարելու համար:

Վերլուծաբաններ. (Վերլուծաբաններ)

BI միջավայրի առաջնային շահառուն վերլուծաբանն է: Հենց նա է շահում ներկայիս արդյունահանումից տվյալներ գործառնական, ինտեգրված տարբեր աղբյուրների հետ տվյալներ , համալրված այնպիսի առանձնահատկություններով, ինչպիսիք են աշխարհագրական վերլուծությունը (գեոկոդավորումը) և ներկայացված BI տեխնոլոգիաներում, որոնք թույլ են տալիս հանքարդյունաբերություն, OLAP, առաջադեմ SQL հաշվետվություններ և աշխարհագրական վերլուծություններ: Հաշվետու միջավայրի վերլուծաբանի առաջնային ինտերֆեյսը BI պորտալն է:

Այնուամենայնիվ, վերլուծաբանը միակը չէ, ով շահում է BI ճարտարապետությունից:
Գործադիրներ, օգտվողների մեծ ասոցիացիաներ և նույնիսկ անդամներ, մատակարարներ և i հաճախորդները պետք է օգուտներ գտնի ձեռնարկության BI-ում:

Հետադարձ սնուցման հանգույց:

BI ճարտարապետությունը ուսումնական միջավայր է: Զարգացման բնորոշ սկզբունքն է թույլ տալ կայուն կառուցվածքներ տվյալներ պետք է թարմացվի օգտագործված BI տեխնոլոգիայի և օգտագործողի կողմից կատարված գործողությունների միջոցով: Օրինակ է հաճախորդների գնահատումը:

Եթե ​​վաճառքի բաժինը կատարում է հաճախորդների գնահատականների մայնինգ մոդել, ինչպիսին է նոր ծառայությունից օգտվելը, ապա վաճառքի բաժինը չպետք է լինի միակ խումբը, որն օգտվում է ծառայությունից:

Փոխարենը, մոդելային արդյունահանումը պետք է իրականացվի որպես ձեռնարկությունում տվյալների հոսքի բնական մաս, և հաճախորդների գնահատականները պետք է դառնան պահեստի տեղեկատվական համատեքստի ինտեգրված մասը, որը տեսանելի է բոլոր օգտագործողների համար: Bi-bI-կենտրոն IBM Suite-ը, ներառյալ DB2 UDB, DB2 OLAP սերվերը ներառում է ամենակարևոր տեխնոլոգիական բաղադրիչները, որոնք սահմանված են Նկար 1.1-ում:

Մենք օգտագործում ենք ճարտարապետությունը, ինչպես երևում է գրքի այս նկարում, որպեսզի մեզ տրամադրի շարունակականության մակարդակ և ցույց տալու, թե ինչպես է IBM-ի արտադրանքներից յուրաքանչյուրը տեղավորվում BI-ի ընդհանուր սխեմայի մեջ:

Տեղեկատվական բովանդակության տրամադրում (տրամադրում տեղեկատվական բովանդակություն)

Ձեր BI միջավայրի նախագծումը, զարգացումը և ներդրումը դժվար գործ է: Դիզայնը պետք է ներառի ինչպես ընթացիկ, այնպես էլ ապագա բիզնեսի պահանջները: Ճարտարապետական ​​գծագիրը պետք է լինի համապարփակ, որպեսզի ներառի նախագծման փուլում հայտնաբերված բոլոր եզրակացությունները: Կատարումը պետք է հավատարիմ մնա մեկ նպատակին. զարգացնել BI ճարտարապետությունը, ինչպես պաշտոնապես ներկայացված է նախագծում և հիմնված բիզնեսի պահանջների վրա:

Հատկապես դժվար է պնդել, որ կարգապահությունը հարաբերական հաջողություն կապահովի:
Սա պարզ է, քանի որ դուք միանգամից չեք ստեղծում BI միջավայր, այլ փոքր քայլերով ժամանակի ընթացքում:

Այնուամենայնիվ, ձեր ճարտարապետության BI բաղադրիչների նույնականացումը կարևոր է երկու պատճառով.
Դուք կկարողանաք գիտակցաբար պլանավորել տեխնոլոգիայի որոշակի կիրառում, թեև կարող եք չկրկնվել, երբ տեխնոլոգիան ձեզ անհրաժեշտ է մի քանի ամիս:

Ձեր բիզնեսի պահանջները բավարար չափով հասկանալը կազդի ձեր ճարտարապետության համար ձեռք բերված ապրանքների տեսակի վրա:
Ձեր ճարտարապետության նախագծումը և զարգացումը երաշխավորում են, որ ձեր պահեստը լինի

ոչ թե պատահական իրադարձություն, այլ ավելի շուտ մտածված, խնամքով կառուցված գովազդ օպերա արվեստի՝ որպես խառը տեխնիկայի խճանկար։

Դիզայն տեղեկատվական բովանդակություն

Ամբողջ սկզբնական դիզայնը պետք է կենտրոնանա և բացահայտի BI-ի հիմնական բաղադրիչները, որոնք անհրաժեշտ կլինեն ընդհանուր միջավայրին այժմ և ապագայում:
Կարևոր է իմանալ բիզնեսի պահանջները:

Նույնիսկ նախքան որևէ պաշտոնական պլանավորում սկսելը, ծրագրի պլանավորողը հաճախ կարող է անմիջապես բացահայտել մեկ կամ երկու բաղադրիչ:
Բաղադրիչների հավասարակշռությունը, որոնք կարող են պահանջվել ձեր ճարտարապետության համար, այնուամենայնիվ, հնարավոր չէ հեշտությամբ գտնել: Նախագծման փուլում ճարտարապետության հիմնական մասը կապում է հավելվածների մշակման նիստը (JAD) հետազոտության հետ՝ բացահայտելու բիզնեսի պահանջները:

Երբեմն այդ պահանջները կարող են վստահվել հարցումների և հաշվետվությունների գործիքներին:
Օրինակ՝ օգտատերերը նշում են, որ եթե ցանկանում են ավտոմատացնել ընթացիկ հաշվետվությունը, նրանք պետք է ձեռքով գեներացնեն՝ ինտեգրելով երկու ընթացիկ հաշվետվություններ և ավելացնելով դրանց համակցությունից ստացված հաշվարկները։ տվյալներ.
Թեև այս պահանջը պարզ է, այն սահմանում է որոշակի գործառույթ, որը դուք պետք է ներառեք ձեր կազմակերպության համար հաշվետվության գործիքներ գնելիս:

Դիզայները պետք է հետապնդի նաև լրացուցիչ պահանջներ՝ ամբողջական պատկեր ստանալու համար։ Օգտատերերը ցանկանու՞մ են բաժանորդագրվել այս զեկույցին:
Արդյո՞ք հաշվետվությունների ենթաբազմությունները ստեղծվում և էլեկտրոնային փոստով ուղարկվում են տարբեր օգտվողներին: Ցանկանու՞մ եք տեսնել այս հաշվետվությունը ընկերության պորտալում: Այս բոլոր պահանջները օգտատերերի պահանջով ձեռքով հաշվետվությունը փոխարինելու պարզ անհրաժեշտության մի մասն են: Այս տեսակի պահանջների առավելությունն այն է, որ բոլորը՝ օգտվողները և դիզայներները, ծանոթ են հաշվետվությունների հայեցակարգին:

Այնուամենայնիվ, կան այլ տեսակի բիզնեսներ, որոնք մենք պետք է պլանավորենք: Երբ բիզնեսի պահանջները ներկայացվում են ռազմավարական բիզնես հարցերի տեսքով, փորձառու պլանավորողի համար հեշտ է տարբերակել ծավալային և չափման/փաստերի պահանջները:

Եթե ​​JAD-ի օգտատերերը չգիտեն, թե ինչպես ձևակերպել իրենց պահանջները բիզնես խնդրի տեսքով, դիզայները հաճախ օրինակներ է տալիս պահանջների հավաքագրման նիստը բաց թողնելու-սկսելու համար:
Փորձագետ պլանավորողը կարող է օգնել օգտատերերին հասկանալ ոչ միայն ռազմավարական բիզնեսը, այլև այն ձևավորել:
Պահանջների հավաքագրման մոտեցումը քննարկվում է 3-րդ գլխում. Առայժմ մենք պարզապես ուզում ենք մատնանշել բոլոր տեսակի BI պահանջների նախագծման անհրաժեշտությունը:

Ռազմավարական բիզնեսի խնդիրը ոչ միայն բիզնեսի պահանջ է, այլև դիզայնի հուշում: Եթե ​​դուք պետք է պատասխանեք բազմաչափ հարցին, ապա պետք է անգիր սովորեք, ներկայացնեք տվյալներ ծավալային, և եթե ձեզ անհրաժեշտ է անգիր անել տվյալներ բազմաչափ, դուք պետք է որոշեք, թե ինչ տեսակի տեխնոլոգիա կամ տեխնիկա եք պատրաստվում օգտագործել:

Դուք իրականացնում եք վերապահված խորանարդի աստղերի սխեման, թե՞ երկուսն էլ: Ինչպես տեսնում եք, նույնիսկ պարզ բիզնես խնդիրը կարող է մեծապես ազդել դիզայնի վրա: Բայց այս տեսակի բիզնես պահանջները սովորական են և, իհարկե, առնվազն փորձառու նախագծերի պլանավորողների և դիզայներների կողմից:

Բավականաչափ բանավեճ է եղել OLAP տեխնոլոգիաների և աջակցության վերաբերյալ, և առկա են լուծումների լայն տեսականի: Մինչ այժմ մենք շոշափել ենք պարզ հաշվետվությունները ծավալային բիզնեսի պահանջներով համախմբելու անհրաժեշտությունը, և թե ինչպես են այդ պահանջներն ազդում տեխնիկական ճարտարապետության որոշումների վրա:

Բայց որո՞նք են այն պահանջները, որոնք անհասկանալի են օգտատերերի կամ Dw թիմի կողմից: Երբևէ ձեզ անհրաժեշտ կլինի՞ տարածական վերլուծություն (տարածական վերլուծություն):
Հանքարդյունաբերության մոդելները տվյալներ Արդյո՞ք դրանք կլինեն ձեր ապագայի անհրաժեշտ մասը: Ով գիտի?

Կարևոր է նշել, որ այս տեսակի տեխնոլոգիաները լավ հայտնի չեն օգտվողների ընդհանուր համայնքների և DW թիմի անդամների կողմից, մասամբ դա կարող է պայմանավորված լինել այն պատճառով, որ դրանք սովորաբար մշակվում են որոշ ներքին կամ երրորդ կողմի տեխնիկական փորձագետների կողմից: Սա այս տեսակի տեխնոլոգիաների առաջացրած խնդիրների եզրային դեպքն է: Եթե ​​օգտատերերը չեն կարողանում նկարագրել բիզնեսի պահանջները կամ շրջանակել դրանք դիզայներներին ուղղորդելու համար, նրանք կարող են աննկատ մնալ կամ, ավելի վատ, պարզապես անտեսվել:

Ավելի խնդրահարույց է դառնում, երբ դիզայներն ու մշակողը չեն կարողանում ճանաչել այս առաջադեմ, բայց կարևոր տեխնոլոգիաներից մեկի կիրառումը:
Ինչպես հաճախ ենք լսել, որ Դիզայներները ասում են. «Դե, ինչո՞ւ մենք այն մի կողմ չենք դնում, մինչև չստանանք այս մյուսը: «Իսկապե՞ս նրանք հետաքրքրված են առաջնահերթություններով, թե՞ պարզապես խուսափում են անհասկանալի պահանջներից: Ամենայն հավանականությամբ դա վերջին ենթադրությունն է։ Ենթադրենք, ձեր վաճառքի թիմը ներկայացրել է բիզնեսի պահանջը, ինչպես նշված է Նկար 1.3-ում, ինչպես տեսնում եք, պահանջը շրջանակված է բիզնես խնդրի տեսքով: Այս խնդրի և տիպիկ ծավալային խնդրի տարբերությունը հեռավորությունն է: Այս դեպքում վաճառքի թիմը ցանկանում է ամսական կտրվածքով իմանալ ապրանքների, պահեստների և պահեստների ընդհանուր վաճառքի մասին: հաճախորդները ովքեր ապրում են պահեստից 5 մղոն հեռավորության վրա, որտեղ նրանք գնումներ են կատարում:

Ցավոք, դիզայներները կամ ճարտարապետները կարող են պարզապես անտեսել տարածական բաղադրիչը՝ ասելով. «Մենք ունենք հաճախորդ, ապրանք և տվյալներ ավանդի. Եկեք պահենք հեռավորությունը մինչև մեկ այլ կրկնություն:

"Սխալ պատասխանը. Այս տեսակի բիզնեսի խնդիրը կապված է BI-ի հետ: Այն ներկայացնում է մեր բիզնեսի ավելի խորը պատկերացում և մեր վերլուծաբանների համար ամուր վերլուծական տարածք: BI-ն դուրս է պարզ հարցումներից կամ ստանդարտ հաշվետվություններից կամ նույնիսկ OLAP-ից: Դա չի նշանակում, որ այս տեխնոլոգիաները կարևոր չեն ձեր BI-ի համար, բայց դրանք ինքնին չեն ներկայացնում BI միջավայրը:

Դիզայն տեղեկատվական համատեքստի համար (Դիզայն տեղեկատվական բովանդակության համար)

Այժմ, երբ մենք բացահայտել ենք բիզնեսի պահանջները, որոնք տարբերում են տարբեր հիմնական բաղադրիչները, դրանք պետք է ներառվեն ընդհանուր ճարտարապետական ​​գծագրում: BI բաղադրիչներից մի քանիսը մեր նախնական ջանքերի մի մասն են, մինչդեռ որոշները չեն իրականացվի մի քանի ամիս:

Այնուամենայնիվ, բոլոր հայտնի պահանջները արտացոլված են նախագծում, այնպես որ, երբ մենք պետք է կիրառենք որոշակի տեխնոլոգիա, մենք պատրաստ լինենք դա անել: Նախագծի վերաբերյալ ինչ-որ բան կարտացոլի ավանդական մտածողությունը:

Այս հավաքածուն տվյալներ օգտագործվում է հետագա կիրառություններն աջակցելու համար տվյալներ ծավալային՝ պայմանավորված մեր բացահայտած բիզնես խնդիրներով: Քանի որ լրացուցիչ փաստաթղթեր են ստեղծվում, ինչպիսիք են ծրագրի մշակումը տվյալներ, մենք կսկսենք պաշտոնականացնելով որպես i տվյալներ տարածվում են շրջակա միջավայրում։ Մենք պարզել ենք i տվյալներ ծավալային ձևով՝ դրանք բաժանելով (ըստ կոնկրետ հատուկ կարիքների) տվյալների մարթերի։

Հաջորդ հարցը, որին պետք է պատասխանել, հետևյալն է.
Դուք աստղերը կառուցո՞ւմ եք խորանարդիկներին աջակցելու համար, թե՞ պարզապես խորանարդներ, թե՞ պարզապես աստղերը: (կամ ճիշտ խորանարդներ, կամ ճիշտ աստղեր): Ստեղծեք ճարտարապետություն կախված տվյալների մարթերի համար, որոնք պահանջում են ատոմային շերտ բոլորի համար տվյալներ ձեռք եք բերում Թույլ տալ անկախ տվյալների մարթեր ձեռք բերել i տվյալներ անմիջապես օպերացիոն համակարգերի՞ց:

Ո՞ր Cube տեխնոլոգիան եք փորձելու ստանդարտացնել:

Դուք հսկայական քանակությամբ աստվածներ ունեք տվյալներ պահանջվում է ծավալային վերլուծության համար, թե՞ ձեզ պետք են շաբաթական կտրվածքով ձեր ազգային վաճառքի ուժի խորանարդները, թե՞ երկուսն էլ: Դուք կառուցո՞ւմ եք այնպիսի հզոր օբյեկտ, ինչպիսին է DB2 OLAP սերվերը ֆինանսների համար կամ Cognos PowerPlay խորանարդները ձեր վաճառքի կազմակերպության համար, թե՞ երկուսն էլ: Սրանք ճարտարապետական ​​նախագծման մեծ որոշումներ են, որոնք կազդեն ձեր BI միջավայրի վրա՝ շարժվելով առաջ: Այո, դուք հայտնաբերել եք OLAP-ի անհրաժեշտությունը: Հիմա ինչպե՞ս եք պատրաստվում իրականացնել այդ տեխնիկան և տեխնոլոգիան:

Ինչպե՞ս են որոշ ավելի առաջադեմ տեխնոլոգիաներ ազդում ձեր դիզայնի վրա: Ենթադրենք, որ դուք հայտնաբերել եք ձեր կազմակերպությունում տարածական կարիք: Այժմ դուք պետք է հիշեք ճարտարապետական ​​գծագրերի հրատարակությունները, նույնիսկ եթե մի քանի ամիս չեք ծրագրում տարածական բաղադրիչներ պատրաստել: Ճարտարապետն այսօր պետք է նախագծի` ելնելով այն ամենից, ինչ պետք է: Նախատեսեք տարածական վերլուծության անհրաժեշտությունը, որը ստեղծում, պահպանում, պահպանում և հասանելիություն է ապահովում տվյալներ տարածական. Սա իր հերթին պետք է ծառայի որպես սահմանափակում՝ կապված ծրագրային ապահովման տեխնոլոգիայի տեսակի և պլատֆորմի առանձնահատկությունների հետ, որոնք դուք ներկայումս կարող եք դիտարկել: Օրինակ՝ կառավարման համակարգը տվյալների բազան հարաբերական (RDBMS), որը դուք պահպանում եք ձեր ատոմային շերտի համար, պետք է ունենա կայուն տարածական տարածություն: Սա կապահովի առավելագույն արդյունավետություն, երբ դուք օգտագործում եք երկրաչափություն և տարածական օբյեկտներ ձեր վերլուծական ծրագրերում: Եթե ​​ձեր RDBMS-ը չի կարողանում կարգավորել տվյալներ (տարածական-կենտրոնական) ներքին, այնպես որ դուք ստիպված կլինեք հաստատել ա տվյալների բազան (տարածական-կենտրոն) արտաքին. Սա բարդացնում է խնդիրների կառավարումը և վտանգի ենթարկում ձեր ընդհանուր կատարումը, էլ չենք խոսում այն ​​լրացուցիչ խնդիրների մասին, որոնք դա ստեղծում է ձեր DBA-ների համար, քանի որ նրանք, ամենայն հավանականությամբ, ունեն նվազագույն ըմբռնում հիմունքների մասին: տվյալներ նաև տարածական։ Մյուս կողմից, եթե ձեր RDMBS շարժիչը մշակում է բոլոր տարածական բաղադրիչները, և դրա օպտիմիզատորը տեղյակ է տարածական օբյեկտների հատուկ կարիքներին (օրինակ՝ ինդեքսավորմանը), ապա ձեր DBA-ները հեշտությամբ կարող են լուծել կառավարման խնդիրները, և դուք կարող եք առավելագույնի հասցնել արդյունավետությունը:

Բացի այդ, դուք պետք է կարգավորեք բեմականացման տարածքը և ատոմային միջավայրի շերտը՝ ներառելու հասցեների մաքրումը (ա

տարածական վերլուծության հիմնական տարրը), ինչպես նաև տարածական օբյեկտների հետագա խնայողությունը: Դիզայներական հրատարակությունների հաջորդականությունը շարունակվում է այժմ, երբ մենք ներմուծել ենք հասցեի մաքրություն հասկացությունը: Առաջին հերթին, այս հավելվածը կթելադրի ծրագրաշարի տեսակը, որն անհրաժեշտ է ձեր ETL ջանքերի համար:

Ձեզ անհրաժեշտ են այնպիսի ապրանքներ, ինչպիսին է Trillium-ը ձեզ մաքուր հասցե տրամադրելու համար, կամ ձեր ընտրած ETL վաճառողը այդ գործառույթն ապահովելու համար:
Առայժմ կարևոր է, որ դուք գնահատեք դիզայնի մակարդակը, որը պետք է ավարտվի նախքան ձեր պահեստը սկսելը: Վերոնշյալ օրինակները պետք է ցույց տան նախագծային որոշումների բազմաթիվությունը, որոնք պետք է հետևեն բիզնեսի որևէ կոնկրետ պահանջի նույնականացմանը: Երբ ճիշտ կայացվեն, այս նախագծային որոշումները նպաստում են ձեր միջավայրի ֆիզիկական կառուցվածքների, օգտագործվող տեխնոլոգիաների ընտրության և տեղեկատվական բովանդակության տարածման հոսքի միջև փոխկախվածությանը: Առանց այս սովորական BI ճարտարապետության, ձեր կազմակերպությունը ենթարկվելու է գոյություն ունեցող տեխնոլոգիաների քաոսային խառնուրդին, լավագույն դեպքում թույլ միաձուլված՝ ակնհայտ կայունություն ապահովելու համար:

Պահպանեք տեղեկատվական բովանդակությունը

Տեղեկատվության արժեքը ձեր կազմակերպություն բերելը շատ բարդ խնդիր է: Առանց բավարար ըմբռնման և փորձի, կամ պատշաճ ճարտարագիտության և դիզայնի, նույնիսկ լավագույն թիմերը կձախողվեին: Մյուս կողմից, եթե դուք ունեք հիանալի ինտուիցիա և մանրամասն դիզայն, բայց չկան կարգապահություն իրականացնելու համար, դուք պարզապես վատնել եք ձեր գումարն ու ժամանակը, քանի որ ձեր ջանքերը դատապարտված են ձախողման: Հաղորդագրությունը պետք է հստակ լինի. Եթե դուք չունեք այս հմտություններից մեկը կամ մի քանիսը, ըմբռնումը/փորձը կամ պլանավորման/նախագծման կամ իրականացման կարգապահությունը, դա կհանգեցնի BI կազմակերպության շենքի հաշմանդամությանը կամ ոչնչացմանը:

Արդյո՞ք ձեր թիմը բավականաչափ պատրաստված է: Ձեր BI թիմից որևէ մեկը հասկանու՞մ է BI միջավայրերում առկա հսկայական վերլուծական լանդշաֆտը և այդ լանդշաֆտը պահպանելու համար անհրաժեշտ տեխնիկաներն ու տեխնոլոգիաները: Ձեր թիմում կա՞ որևէ մեկը, ով կարող է տարբերել առաջադեմ կիրառումը

ստատիկ հաշվետվություններ և OLAP, թե՞ տարբերություններ ROLAP-ի և OLAP-ի միջև: Արդյո՞ք ձեր թիմի անդամներից մեկը հստակ ճանաչում է հանքարդյունաբերության ձևը և ինչպես դա կարող է ազդել պահեստի վրա կամ ինչպես կարող է պահեստը աջակցել հանքարդյունաբերության կատարմանը: Թիմի անդամը հասկանում է դրա արժեքը տվյալներ տիեզերական թե՞ գործակալների վրա հիմնված տեխնոլոգիա: Ունե՞ք ինչ-որ մեկին, ով գնահատում է ETL vs Message Broker տեխնոլոգիայի եզակի գործիքների կիրառումը: Եթե ​​չունես, ստացիր: BI-ն շատ ավելի մեծ է, քան նորմալացված ատոմային շերտը, OLAP-ը, աստղային սխեմաները և ODS-ը:

BI-ի պահանջները և դրանց լուծումները ճանաչելու ըմբռնումը և փորձը կարևոր է օգտատերերի կարիքները ճիշտ ձևակերպելու և նրանց լուծումները նախագծելու և իրականացնելու ձեր կարողության համար: Եթե ​​ձեր օգտատերերի համայնքը դժվարանում է նկարագրել պահանջները, ապա պահեստի թիմը պետք է տրամադրի այդ ըմբռնումը: Բայց եթե պահեստի թիմը

չի ճանաչում BI-ի հատուկ կիրառումը, օրինակ՝ տվյալների արդյունահանումը, ապա լավագույնը չէ, որ BI միջավայրերը հաճախ սահմանափակվում են պասիվ պահոցներով: Այնուամենայնիվ, այս տեխնոլոգիաների անտեսումը չի նվազեցնում դրանց կարևորությունը և ազդեցությունը ձեր կազմակերպության բիզնես հետախուզական կարողությունների, ինչպես նաև տեղեկատվական ակտիվի վրա, որը դուք նախատեսում եք խթանել:

Դիզայնը պետք է ներառի գծանկար հասկացությունը, և երկուսն էլ պահանջում են իրավասու անհատ: Բացի այդ, պլանավորումը պահանջում է թիմային փիլիսոփայություն և համապատասխանություն չափանիշներին: Օրինակ, եթե ձեր ընկերությունը ստեղծել է պլատֆորմի ստանդարտ կամ հայտնաբերել է որոշակի RDBMS, որը ցանկանում է ստանդարտացնել հարթակում, ապա պարտադիր է, որ թիմում բոլորը պահպանեն այդ չափանիշները: Ընդհանուր առմամբ թիմն արտահայտում է ստանդարտացման անհրաժեշտությունը (օգտագործողների համայնքներին), բայց թիմն ինքը չի ցանկանում պահպանել ընկերության այլ ոլորտներում կամ գուցե նույնիսկ նմանատիպ ընկերություններում հաստատված չափանիշները: Սա ոչ միայն կեղծավորություն է, այլ նաև փաստում է, որ ընկերությունը ի վիճակի չէ օգտագործել առկա ռեսուրսներն ու ներդրումները։ Դա չի նշանակում, որ չկան իրավիճակներ, որոնք երաշխավորում են ոչ ստանդարտացված հարթակ կամ տեխնոլոգիա. սակայն պահեստի ջանքերը

նրանք պետք է նախանձով պահպանեն ձեռնարկության չափանիշները, քանի դեռ բիզնեսի պահանջներն այլ բան չեն թելադրել:

Երրորդ հիմնական բաղադրիչը, որն անհրաժեշտ է BI կազմակերպություն կառուցելու համար, կարգապահությունն է:
Դա կախված է ընդհանուր առմամբ, հավասարապես անհատներից և շրջակա միջավայրից: Ծրագրի պլանավորողները, հովանավորները, ճարտարապետները և օգտվողները պետք է գնահատեն այն կարգապահությունը, որն անհրաժեշտ է ընկերության տեղեկատվական ակտիվները կառուցելու համար: Դիզայներները պետք է ուղղեն իրենց նախագծային ջանքերը՝ լրացնելու հասարակության մեջ անհրաժեշտ այլ ջանքերը:

Օրինակ, ենթադրենք, որ ձեր ընկերությունը կառուցում է ERP հավելված, որն ունի պահեստային բաղադրիչ:
Այսպիսով, ERP դիզայներների պարտականությունն է համագործակցել պահեստային միջավայրի թիմի հետ, որպեսզի չմրցեն կամ կրկնօրինակեն արդեն իսկ սկսված աշխատանքը:

Կարգապահությունը նաև թեմա է, որին պետք է անդրադառնա ամբողջ կազմակերպությունը և սովորաբար հաստատվում և լիազորված է գործադիր մակարդակում:
Արդյո՞ք ղեկավարները պատրաստ են հավատարիմ մնալ նախագծված մոտեցմանը: Մոտեցում, որը խոստանում է ստեղծել տեղեկատվական բովանդակություն, որն ի վերջո արժեք կհաղորդի ձեռնարկության բոլոր ոլորտներին, բայց միգուցե փոխզիջման կհասցնի անհատական ​​կամ գերատեսչական օրակարգերը: Հիշեք ասացվածքը «Ամեն ինչի մասին մտածելն ավելի կարևոր է, քան մեկ բանի մասին մտածելը»: Այս ասացվածքը ճիշտ է BI կազմակերպությունների համար:

Ցավոք, շատ պահեստներ իրենց ջանքերը կենտրոնացնում են որոշակի բաժնին կամ կոնկրետ օգտագործողներին արժեքներ թիրախավորելու և առաքելու փորձերի վրա՝ չհաշվելով ընդհանուր կազմակերպությունը: Ենթադրենք, որ ղեկավարը օգնություն է խնդրում պահեստի թիմից: Թիմը պատասխանում է 90-օրյա ջանքերով, որը ներառում է ոչ միայն գործադիրի կողմից սահմանված ծանուցման պահանջների ներկայացումը, այլ նաև ապահովել, որ բոլորը տվյալներ հիմքերը խառնվում են ատոմային մակարդակի մեջ, նախքան առաջարկվող խորանարդի տեխնոլոգիան ներմուծելը:
Այս ինժեներական հավելումը երաշխավորում է, որ պահեստային ձեռնարկությունը կշահի դրանից տվյալներ անհրաժեշտ է մենեջերին.
Այնուամենայնիվ, գործադիրը խոսեց արտաքին խորհրդատվական ընկերությունների հետ, որոնք առաջարկեցին նմանատիպ հայտ՝ առաքումով 4 շաբաթից պակաս ժամկետում:

Ենթադրելով, որ ներքին պահեստային թիմը իրավասու է, գործադիրն ունի ընտրություն: Ո՞վ կարող է աջակցել լրացուցիչ ինժեներական կարգապահությանը, որն անհրաժեշտ է ձեռնարկության տեղեկատվական ակտիվը մեծացնելու համար կամ կարող է ընտրել արագորեն ստեղծել սեփական լուծումը: Վերջինս, թվում է, շատ հաճախ է ընտրվում և ծառայում է միայն տեղեկատվության կոնտեյներներ ստեղծելուն, որոնք օգուտ են քչերին կամ անհատին:

Կարճաժամկետ և երկարաժամկետ նպատակներ

Ճարտարապետները և նախագծերի պլանավորողները պետք է ձևակերպեն ընդհանուր ճարտարապետության երկարաժամկետ տեսլականը և BI կազմակերպության աճի ծրագրերը: Կարճաժամկետ շահույթի և երկարաժամկետ պլանավորման այս համադրությունը BI-ի ջանքերի երկու կողմերն են: Կարճաժամկետ եկամուտը BI-ի այն կողմն է, որը կապված է ձեր պահեստի կրկնությունների հետ:

Այստեղ է, որ պլանավորողները, ճարտարապետները և հովանավորները կենտրոնանում են բիզնեսի հատուկ պահանջների բավարարման վրա: Հենց այս մակարդակում են կառուցվում ֆիզիկական կառույցներ, ձեռք են բերվում տեխնոլոգիաներ և կիրառվում են տեխնիկա: Դրանք ոչ մի կերպ չեն ստեղծվում կոնկրետ օգտատերերի համայնքների կողմից սահմանված հատուկ պահանջների համար: Ամեն ինչ արվում է որոշակի համայնքի կողմից սահմանված հատուկ պահանջների լուծման նպատակով:
Երկարաժամկետ պլանավորումը, այնուամենայնիվ, BI-ի մյուս կողմն է: Այստեղ է, որ պլաններն ու նախագծերը երաշխավորում են, որ ցանկացած ֆիզիկական կառուցվածք կառուցված է, ընտրվել են տեխնոլոգիաները և ձեռք բերված տեխնիկան՝ ուղղված ձեռնարկությանը: Երկարաժամկետ պլանավորումն է, որն ապահովում է համախմբվածությունը, որն անհրաժեշտ է ապահովելու, որ ամուր շահույթը բխում է հայտնաբերված ցանկացած կարճաժամկետ շահույթից:

Հիմնավորեք ձեր BI ջանքերը

Un տվյալների պահեստ ինքնին այն չունի բնածին արժեք: Այլ կերպ ասած, պահեստային տեխնոլոգիաների և իրականացման տեխնիկայի միջև ոչ մի բնորոշ արժեք չկա:

Պահեստի ցանկացած ջանքերի արժեքը հայտնաբերվում է պահեստային միջավայրի և ժամանակի ընթացքում մշակված տեղեկատվական բովանդակության արդյունքում կատարված գործողություններում: Սա կարևոր կետ է, որը պետք է հասկանալ, նախքան երբևէ փորձեք գնահատել որևէ տեղամասային նախաձեռնության արժեքը:

Շատ հաճախ, ճարտարապետներն ու պլանավորողները փորձում են արժեք կիրառել պահեստի ֆիզիկական և տեխնիկական բաղադրիչների վրա, երբ իրականում արժեքը հիմնված է բիզնես գործընթացների վրա, որոնք դրականորեն են ազդում պահեստի և լավ ստացված տեղեկատվության վրա:

Հենց այստեղ է BI հիմնադրման մարտահրավերը. Ինչպե՞ս եք արդարացնում ներդրումները: Եթե ​​տունն ինքնին չունի ներքին արժեք, ծրագրի պլանավորողները պետք է ուսումնասիրեն, սահմանեն և ֆորմալացնեն օգուտներն այն անհատների համար, ովքեր կօգտագործեն պահեստը հատուկ բիզնես գործընթացները կամ պաշտպանված տեղեկատվության արժեքը կամ երկուսն էլ բարձրացնելու համար:

Խնդիրները բարդացնելու համար, ցանկացած բիզնես գործընթաց, որը ազդում է պահեստի ջանքերից, կարող է ապահովել «էական» կամ «մեղմ» օգուտներ: Նշանակալից օգուտները շոշափելի չափանիշ են ապահովում ներդրումների վերադարձի (ROI) չափման համար. օրինակ՝ գույքագրումը լրացուցիչ ժամանակ հանձնել որոշակի ժամանակահատվածում կամ մեկ առաքման համար փոխադրման ավելի ցածր արժեքի համար: Ավելի դժվար է սահմանել նուրբ առավելությունները, ինչպիսիք են տեղեկատվության բարելավված հասանելիությունը, շոշափելի արժեքի տեսանկյունից:

Միացրեք ձեր նախագիծը՝ իմանալու համար բիզնես հարցումներ

Շատ հաճախ ծրագրի պլանավորողները փորձում են կապել պահեստի արժեքը ամորֆ ձեռնարկության նպատակների հետ: Հայտարարելով, որ «պահեստի արժեքը հիմնված է ռազմավարական պահանջները բավարարելու մեր կարողության վրա», մենք հաճելի կերպով բացում ենք քննարկումը։ Բայց միայն դա բավարար չէ որոշելու համար, թե արդյոք պահեստում ներդրումներ կատարելն իմաստ ունի: Ավելի լավ է պահեստի ներկայացուցիչներին կապել հատուկ բիզնես հարցումների և նշումների հետ:

Չափել ROI

Պահեստի պայմաններում ROI-ի հաշվարկը կարող է հատկապես դժվար լինել: Հատկապես դժվար է, եթե առաջատարը

որոշակի կրկնությունը ոչ նյութական կամ հեշտ չափելի բան է: Մեկ ուսումնասիրություն ցույց է տվել, որ օգտվողները ընկալում են BI նախաձեռնությունների երկու հիմնական առավելությունները.

• ▪ Ստեղծել որոշումներ կայացնելու կարողություն
• ▪ Ստեղծել տեղեկատվության հասանելիություն
  Այս առավելությունները փափուկ (կամ մեղմ) առավելություններ են: Հեշտ է տեսնել, թե ինչպես կարող ենք հաշվարկել ROI-ն՝ հիմնվելով ծանր (կամ ավելի մեծ) օգուտի վրա, ինչպիսին է բեռնափոխադրումների կրճատված արժեքը, բայց ինչպե՞ս ենք մենք չափում ավելի լավ որոշումներ կայացնելու կարողությունը:
  Սա միանշանակ մարտահրավեր է ծրագրի պլանավորողների համար, երբ նրանք փորձում են ստիպել ընկերությանը ներդրումներ կատարել որոշակի պահեստային ջանքերում: Վաճառքի աճը կամ ծախսերի նվազումն այլևս չեն հանդիսանում BI միջավայրը խթանող հիմնական թեմաները:
  Փոխարենը, դուք փնտրում եք բիզնեսի հարցումներ՝ տեղեկատվության ավելի լավ հասանելիության համար, որպեսզի որոշակի բաժին կարողանա ավելի արագ որոշումներ կայացնել: Սրանք ռազմավարական շարժիչ ուժեր են, որոնք հավասարապես կարևոր են ձեռնարկության համար, բայց ավելի երկիմաստ են և ավելի դժվար է բնութագրել շոշափելի չափման մեջ: Այս դեպքում ROI-ի հաշվարկը կարող է ապակողմնորոշիչ լինել, եթե ոչ անտեղի:
  Ծրագրի նախագծողները պետք է կարողանան ցույց տալ շոշափելի արժեք, որպեսզի ղեկավարները որոշեն, թե արդյոք որոշակի կրկնության մեջ ներդրումն արժե այն: Այնուամենայնիվ, մենք չենք առաջարկի ROI-ի հաշվարկման նոր մեթոդ և որևէ փաստարկ չենք բերի դրա կողմ կամ դեմ:
  Կան բազմաթիվ հոդվածներ և գրքեր, որոնք քննարկում են ROI-ի հաշվարկման հիմունքները: Կան հատուկ արժեքային առաջարկներ, ինչպիսիք են ներդրումների արժեքը (VOI), որոնք առաջարկվում են Gartner-ի նման խմբերի կողմից, որոնք դուք կարող եք ուսումնասիրել: Փոխարենը, մենք կկենտրոնանանք ցանկացած ROI-ի կամ արժեքային այլ առաջարկների հիմնական ասպեկտների վրա, որոնք դուք պետք է հաշվի առնեք: ROI-ի կիրառում Բի ջանքերի հետ կապված «դժվար» և «փափուկ» առավելությունների մասին վեճից բացի, կան նաև այլ հարցեր, որոնք պետք է հաշվի առնել ROI-ն կիրառելիս: Օրինակ:

Չափազանց շատ խնայողություններ վերագրելը DW-ի ջանքերին, որոնք, այնուամենայնիվ, կգան
Ենթադրենք, որ ձեր ընկերությունը հիմնական ճարտարապետությունից տեղափոխվել է բաշխված UNIX միջավայր: Այսպիսով, ցանկացած խնայողություն, որը կարող է (կամ չի կարող) իրականացվել այդ ջանքերից, չպետք է վերագրվի բացառապես, եթե ընդհանրապես (՞) պահեստին:

Ամեն ինչի համար հաշվառելը թանկ է։ Եվ շատ բաներ կան, որ պետք է հաշվի առնել։ Դիտարկենք հետևյալ ցուցակը.

• ▪ Գործարկման արժեքը, ներառյալ իրագործելիությունը:
• ▪ Նվիրված սարքաշարի արժեքը՝ կապված պահեստավորման և հաղորդակցության հետ
• ▪ Ծրագրաշարի արժեքը, ներառյալ կառավարումը տվյալներ և հաճախորդի/սերվերի ընդլայնումներ, ETL ծրագրակազմ, DSS տեխնոլոգիաներ, վիզուալիզացիայի գործիքներ, պլանավորման և աշխատանքային հոսքի հավելվածներ և մոնիտորինգի ծրագրակազմ, .
• ▪ Կառուցվածքի նախագծման արժեքը տվյալներ, ստեղծման և օպտիմալացման հետ
• ▪ Ծրագրային ապահովման մշակման արժեքը անմիջականորեն կապված է BI ջանքերի հետ
• ▪ Տնային աջակցության արժեքը, ներառյալ կատարողականի օպտիմալացումը, ներառյալ ծրագրաշարի տարբերակների վերահսկումը և օգնության գործառնությունները Կիրառել «Big-Bang» ROI: Պահեստը որպես մեկ, հսկայական ջանքերի կառուցումը դատապարտված է ձախողման, ուստի նաև հաշվարկեք ROI-ը խոշոր ձեռնարկության նախաձեռնության համար: Առաջարկը զարմանալի է, և որ պլանավորողները շարունակում են թույլ փորձեր կատարել՝ գնահատելու ողջ ջանքերի արժեքը: Ինչո՞ւ են պլանավորողները փորձում դրամական արժեք տալ բիզնես նախաձեռնությանը, եթե լայնորեն հայտնի և ընդունված է, որ կոնկրետ կրկնությունների գնահատումը դժվար է: Ինչպե՞ս է դա հնարավոր։ Մի քանի բացառություններով դա հնարավոր չէ։ Մի արեք դա: Այժմ, երբ մենք որոշել ենք, թե ինչ չի կարելի անել ROI-ը հաշվարկելիս, ահա մի քանի կետ, որոնք կօգնեն ձեզ հաստատել հուսալի գործընթաց՝ ձեր BI ջանքերի արժեքը գնահատելու համար:

ROI-ի համաձայնություն ստանալը: Անկախ ձեր BI-ի ջանքերի արժեքը գնահատելու տեխնիկայի ընտրությունից, այն պետք է համաձայնեցվի բոլոր կողմերի՝ ներառյալ ծրագրի պլանավորողների, հովանավորների և կորպորատիվ ղեկավարների կողմից:

Կտրեք ROI-ն նույնականելի մասերի: Ողջամիտ ROI-ի հաշվարկմանն ուղղված անհրաժեշտ քայլը այդ հաշվարկը կոնկրետ նախագծի վրա կենտրոնացնելն է: Սա այնուհետև թույլ է տալիս գնահատել արժեքը՝ հիմնված հատուկ բիզնեսի պահանջների վրա, որոնք բավարարված են

Սահմանեք ծախսերը. Ինչպես նշվեց, անհրաժեշտ է հաշվի առնել բազմաթիվ ծախսեր: Բացի այդ, ծախսերը պետք է ներառեն ոչ միայն այն ծախսերը, որոնք կապված են անհատական ​​կրկնության հետ, այլև ծախսերը՝ կապված ձեռնարկության չափանիշներին համապատասխանության ապահովման հետ:

Սահմանեք առավելությունները. Հստակ կապելով ROI-ն կոնկրետ բիզնես պահանջների հետ՝ մենք պետք է կարողանանք բացահայտել այն առավելությունները, որոնք կհանգեցնեն պահանջների բավարարմանը:

Նվազեցրեք ծախսերն ու օգուտները մոտալուտ շահույթում: Սա լավագույն միջոցն է՝ ձեր գնահատումները հիմնելու զուտ ներկա արժեքի (NPV) վրա՝ ի տարբերություն ապագա շահույթի ապագա արժեքը կանխատեսելու փորձի:

Պահպանեք ձեր ROI-ն նվազագույնի հասցնելու ժամանակը: Այն լավ փաստագրված է երկարաժամկետ հեռանկարում, այն օգտագործվել է ձեր ROI-ում:

Օգտագործեք մեկից ավելի ROI բանաձև: Գոյություն ունեն ROI-ի կանխատեսման բազմաթիվ մեթոդներ, և դուք պետք է պլանավորեք օգտագործել դրանցից մեկը կամ մի քանիսը, ներառյալ զուտ ներկա արժեքը, ներքին եկամտաբերությունը (IRR) և վերադարձը:

Սահմանել կրկնվող գործընթաց: Սա վճռորոշ նշանակություն ունի ցանկացած երկարաժամկետ արժեքի հաշվարկման համար: Մեկ կրկնվող գործընթաց պետք է փաստաթղթավորվի բոլոր հետագա նախագծի ենթահաջորդականությունների համար:

Թվարկված խնդիրներն ամենատարածվածն են, որոնք սահմանել են պահեստային միջավայրի փորձագետները: «Big-Bang» ROI-ի տրամադրման վերաբերյալ ղեկավարության պնդումը շատ շփոթեցնող է: Եթե ​​դուք սկսեք ձեր բոլոր ROI-ի հաշվարկները՝ դրանք բաժանելով ճանաչելի, շոշափելի մասերի, դուք լավ հնարավորություն կունենաք գնահատելու ROI-ի ճշգրիտ գնահատումը:

Հարցեր ROI-ի առավելությունների մասին

Ինչպիսին էլ լինեն ձեր առավելությունները՝ փափուկ կամ կոշտ, դուք կարող եք օգտագործել մի քանի հիմնական հարցեր՝ դրանց արժեքը որոշելու համար: Օրինակ՝ օգտագործելով պարզ մասշտաբային համակարգ՝ 1-ից 10-ը, կարող եք չափել ցանկացած ջանքերի ազդեցությունը՝ օգտագործելով հետևյալ հարցերը.

• Ինչպե՞ս կգնահատեք հասկացողությունը տվյալներ հետևո՞ւմ եք ձեր ընկերության այս նախագծին:
• Ինչպե՞ս կգնահատեք գործընթացի բարելավումները այս ծրագրի արդյունքում:
• Ինչպե՞ս կարող եք չափել նոր պատկերացումների և եզրակացությունների ազդեցությունը, որոնք այժմ հասանելի են այս կրկնության շնորհիվ
• Ինչպիսի՞ն էր նոր և ավելի լավ համակարգչային միջավայրերի ազդեցությունը սովորածի արդյունքում: Եթե ​​այս հարցերի պատասխանները քիչ են, հնարավոր է, որ ձեռնարկությունը չարժե կատարված ներդրումներին։ Բարձր գնահատական ​​ունեցող հարցերը մատնանշում են արժեքային զգալի ձեռքբերումներ և պետք է ծառայեն որպես ուղեցույց հետագա հետաքննության համար: Օրինակ, գործընթացի բարելավման բարձր միավորը պետք է ստիպի դիզայներներին ուսումնասիրել, թե ինչպես են բարելավվել գործընթացները: Դուք կարող եք պարզել, որ ձեռք բերված որոշ կամ բոլոր ձեռքբերումները շոշափելի են, և, հետևաբար, դրամական արժեք կարող է հեշտությամբ կիրառվել: Ստանալով առավելագույնը առաջին կրկնությունից պահեստ Ձեր ձեռնարկության ջանքերի ամենամեծ վարձատրությունը հաճախ լինում է առաջին մի քանի կրկնություններից: Այս վաղ ջանքերը ավանդաբար ստեղծում են հանրության համար առավել օգտակար տեղեկատվական բովանդակությունը և օգնում են ստեղծել տեխնոլոգիական հիմք հետագա BI հավելվածների համար: Սովորաբար յուրաքանչյուր հաջորդ հաջորդականությունը տվյալներ Պահեստային նախագծերն ավելի ու ավելի քիչ լրացուցիչ արժեք են բերում ձեռնարկությանը որպես ամբողջություն: Սա հատկապես ճիշտ է, եթե կրկնությունը չի ավելացնում նոր թեմաներ կամ չի բավարարում օգտվողների նոր համայնքի կարիքները:

Պահպանման այս հատկությունը կիրառելի է նաև աճող կույտերի համար տվյալներ պատմաբաններ։ Քանի որ հետագա ջանքերը պահանջում են ավելին տվյալներ և ինչպես ավելին տվյալներ ժամանակի ընթացքում լցվում են պահեստ, մեծ մասը տվյալներ այն դառնում է ավելի քիչ համապատասխան օգտագործված վերլուծության համար: Սրանք տվյալներ դրանք հաճախ կոչվում են տվյալներ քնած վիճակում և միշտ թանկ է դրանք պահել, քանի որ դրանք գրեթե երբևէ չեն օգտագործվում:

Ի՞նչ է սա նշանակում ծրագրի հովանավորների համար: Ըստ էության, առաջին հովանավորներն ավելի շատ են կիսում, քան ներդրումային ծախսերը։ Սա առաջնային է, քանի որ դրանք խթան են հանդիսանում պահեստի լայն տեխնոլոգիական և ռեսուրսային միջավայրի շերտը հիմնելու համար, ներառյալ օրգանական:

Բայց այս առաջին քայլերը կրում են ամենամեծ արժեքը, և, հետևաբար, ծրագրի պլանավորողները հաճախ ստիպված են արդարացնել ներդրումները:
Ձեր BI նախաձեռնությունից հետո կատարված նախագծերը կարող են ունենալ ավելի ցածր (առաջինի համեմատ) և ուղղակի ծախսեր, բայց ավելի քիչ արժեք են բերում ձեռնարկությանը:

Եվ կազմակերպությունների սեփականատերերը պետք է սկսեն մտածել կուտակումը նետելու մասին տվյալներ և ավելի քիչ համապատասխան տեխնոլոգիաներ:

Տվյալների արդյունահանում. արդյունահանում dati

Շատ ճարտարապետական ​​բաղադրիչներ պահանջում են տվյալների հանքարդյունաբերության տեխնոլոգիաների և տեխնիկայի տատանումներ.
օրինակ՝ տարբեր «գործակալներ»՝ ուսումնասիրելու հետաքրքրության կետերը հաճախորդները, ընկերության օպերացիոն համակարգերը եւ նույն dw. Այս գործակալները կարող են լինել առաջադեմ նեյրոնային ցանցեր, որոնք վերապատրաստվել են կաթսայի միտումների վրա, ինչպիսիք են արտադրանքի ապագա պահանջարկը, որը հիմնված է վաճառքի խթանումների վրա. կանոնների վրա հիմնված շարժիչներ՝ մի շարքին արձագանքելու համար դետո հանգամանքներ, օրինակ՝ բժշկական ախտորոշում և բուժման առաջարկություններ. կամ նույնիսկ պարզ գործակալներ՝ բարձրագույն ղեկավարներին բացառություններ հաղորդելու դերով: Ընդհանրապես այս արդյունահանման գործընթացները տվյալներ si

ստուգել իրական ժամանակում; հետևաբար, նրանք պետք է ամբողջությամբ միավորվեն շարժման հետ տվյալներ ստեսսի

Առցանց վերլուծական մշակման մշակում

Առցանց վերլուծություն

Կտրելու, զառախաղի, գլորելու, փորելու և վերլուծություն կատարելու ունակություն
what-if, գտնվում է IBM տեխնոլոգիական փաթեթի շրջանակներում: Օրինակ, առցանց վերլուծական մշակման (OLAP) գործառույթները գոյություն ունեն DB2-ի համար, որը ծավալային վերլուծություն է բերում շարժիչի մեջ: բազա նույնը.

Գործառույթները ավելացնում են ծավալային օգտակարություն SQL-ին՝ միաժամանակ քաղելով DB2-ի բնական մաս լինելու բոլոր առավելությունները: OLAP ինտեգրման մեկ այլ օրինակ է արդյունահանող գործիքը՝ DB2 OLAP Analyzer Server: Այս տեխնոլոգիան թույլ է տալիս DB2 OLAP սերվերի խորանարդները արագ և ավտոմատ կերպով սկանավորվել՝ գտնելու և զեկուցելու համար արժեքները: տվյալներ անսովոր կամ անսպասելի ցանկացած խորանարդի համար առևտրային վերլուծաբանի համար: Եվ վերջապես, DW կենտրոնի գործառույթները ճարտարապետներին հնարավորություն են տալիս ստուգելու, ի թիվս այլ բաների, DB2 OLAP խորանարդ սերվերի պրոֆիլը որպես ETL գործընթացների բնական մաս:

Տարածական վերլուծություն Տարածական վերլուծություն

Տիեզերքը ներկայացնում է համայնապատկերի համար անհրաժեշտ վերլուծական խարիսխների (հաղորդումների) կեսը
լայն վերլուծական (ժամանակը ներկայացնում է մյուս կեսը): Պահեստի ատոմային մակարդակը, որը ներկայացված է Նկար 1.1-ում, ներառում է ինչպես ժամանակի, այնպես էլ տարածության հիմքերը: Ժամանակի դրոշմանիշները խարիսխում են վերլուծությունները ըստ ժամանակի և հասցեական տեղեկատվության խարիսխի վերլուծություններին ըստ տարածության: Ժամկետանիշները վերլուծությունն իրականացնում են ըստ ժամանակի, իսկ հասցեի տեղեկատվությունը վերլուծությունն իրականացնում է ըստ տարածության: Դիագրամը ցույց է տալիս գեոկոդավորումը՝ հասցեները քարտեզի կետերի կամ տարածության կետերի փոխակերպելու գործընթացը, որպեսզի վերլուծության մեջ օգտագործվեն այնպիսի հասկացություններ, ինչպիսիք են հեռավորությունը և ներսը/դրսը, որն իրականացվում է ատոմային մակարդակում, և տարածական վերլուծությունը հասանելի է դառնում վերլուծաբանին: IBM-ը տրամադրում է տարածական ընդարձակումներ, որոնք մշակվել են Environmental System Research Institute (ESRI) հետ, al բազա DB2 այնպես, որ տարածական օբյեկտները կարող են պահպանվել որպես սովորական մաս բազա հարաբերական. db2

Spatial Extender-ները նաև տրամադրում են բոլոր SQL ընդլայնումները՝ օգտվելու տարածական վերլուծությունից: Օրինակ՝ SQL ընդլայնումները, որոնց վրա կարող եք հարցումներ կատարել
Հասցեների միջև հեռավորությունը, թե արդյոք կետը գտնվում է սահմանված բազմանկյուն տարածքի ներսում կամ դրսում, վերլուծական ստանդարտ է Spatial Extender-ի հետ: Լրացուցիչ տեղեկությունների համար տե՛ս գլուխ 16-ը:

Database- Resident Tools Tools Database-Բնակիչ

DB2-ն ունի բազմաթիվ SQL BI-ռեզիդենտ առանձնահատկություններ, որոնք օգնում են վերլուծության գործողությանը: Դրանք ներառում են.

• Վերադարձի գործառույթներ՝ վերլուծություն կատարելու համար, օրինակ՝ «գտնել թռիչքի բոլոր հնարավոր ուղիները Սան Ֆրանցիսկո a Նյու Յորք".
• Վերլուծական գործառույթները դասակարգման, կուտակային, խորանարդի և համախմբման գործառույթների համար՝ հեշտացնելու առաջադրանքները, որոնք սովորաբար կատարվում են միայն OLAP տեխնոլոգիայով, այժմ հանդիսանում են շարժիչի բնական մասը: բազա
• Արդյունքներ պարունակող աղյուսակներ ստեղծելու ունակություն
  -ի վաճառողները բազա առաջնորդները խառնում են BI-ի ավելի շատ հատկանիշներ բազա նույնը
  Հիմնական մատակարարները տվյալների բազան նրանք խառնում են ավելի շատ BI հատկանիշներ բազա նույնը
  Սա ապահովում է ավելի լավ կատարողականություն և ավելի շատ կատարողական տարբերակներ BI լուծումների համար:
  DB2 V8-ի առանձնահատկություններն ու գործառույթները մանրամասն քննարկվում են հետևյալ գլուխներում.
  Տեխնիկական ճարտարապետության և տվյալների կառավարման հիմունքներ (Գլուխ 5)

• DB2 BI հիմունքներ (Գլուխ 6)
• DB2 նյութականացված հարցումների աղյուսակներ (Գլուխ 7)
• DB2 OLAP գործառույթներ (Գլուխ 13)
• DB2 Ընդլայնված BI-ի առանձնահատկությունները և գործառույթները (Գլուխ 15) Պարզեցված տվյալների առաքման համակարգ Առաքման համակարգ տվյալներ պարզեցված

Նկար 1.1-ում պատկերված ճարտարապետությունը ներառում է բազմաթիվ կառույցներ տվյալներ ֆիզիկական. Մեկը պահեստն է տվյալներ գործող. Ընդհանուր առմամբ, ODS-ը օբյեկտ կողմնորոշված ​​է, ինտեգրված և ընթացիկ: Դուք կարող եք ստեղծել ODS՝ աջակցելու, օրինակ, վաճառքի գրասենյակին: ODS-ի վաճառքը կլրացվի տվյալներ շատ տարբեր համակարգերից, բայց միայն կպահեր, օրինակ, այսօրվա գործարքները: ODS-ը կարող է նաև թարմացվել օրական շատ անգամ: Միաժամանակ գործընթացները մղում են i տվյալներ ինտեգրված այլ հավելվածների մեջ: Այս կառուցվածքը հատուկ նախագծված է ինտեգրվելու համար տվյալներ ընթացիկ և դինամիկ և հավանական թեկնածու կլինի իրական ժամանակի վերլուծություններին աջակցելու համար, ինչպիսին է սպասարկման գործակալների տրամադրումը հաճախորդները հաճախորդի վաճառքի ընթացիկ տեղեկատվությունը` բուն գույքագրումից հանելով վաճառքի միտումների մասին տեղեկատվությունը: Նկար 1.1-ում ցուցադրված մեկ այլ կառույց dw-ի պաշտոնական վիճակն է: Սա ոչ միայն անհրաժեշտ ինտեգրման, որակի կատարման վայրն է տվյալներ, և վերափոխման մասին տվյալներ մուտքային պահեստի, բայց նաև հուսալի և ժամանակավոր պահեստային տարածք է տվյալներ կրկնօրինակներ, որոնք կարող են օգտագործվել իրական ժամանակի վերլուծության մեջ: Եթե ​​դուք որոշել եք օգտագործել ODS կամ բեմադրման տարածք, այս կառույցները բնակեցնելու լավագույն գործիքներից մեկը տվյալներ տարբեր գործառնական աղբյուրների օգտագործումը DB2-ի տարասեռ բաշխված հարցումն է: Այս հնարավորությունը տրամադրվում է ընտրովի DB2 հատկանիշով, որը կոչվում է DB2 Relational Connect (միայն հարցումներ) և DB2 DataJoiner-ի միջոցով (առանձին արտադրանք, որը տրամադրում է հարցումներ, տեղադրում, թարմացում և ջնջում տարասեռ բաշխված RDBMS-ներին):

Այս տեխնոլոգիան թույլ է տալիս ճարտարապետներին տվյալներ կապել տվյալներ արտադրության վերլուծական գործընթացներով։ Տեխնոլոգիան ոչ միայն կարող է հարմարվել իրական ժամանակի վերլուծության հետ կապված կրկնօրինակման գրեթե ցանկացած պահանջին, այլև այն կարող է միանալ տարբեր տեսակի տվյալներ ամենատարածվածը, ներառյալ DB2, Oracle, Sybase, SQL Server, Informix և այլն: DB2 DataJoiner-ը կարող է օգտագործվել կառուցվածքը համալրելու համար տվյալներ պաշտոնական, օրինակ՝ ODS կամ նույնիսկ մշտական ​​աղյուսակ, որը ներկայացված է պահեստում, որը նախատեսված է ակնթարթային թարմացումների արագ վերականգնման կամ վաճառքի համար: Իհարկե, այդ կառույցներն իրենք են տվյալներ կարելի է բնակեցնել՝ օգտագործելով

ևս մեկ կարևոր տեխնոլոգիա, որը նախատեսված է կրկնօրինակելու համար տվյալներ, IBM DataPropagator Relational. (DataPropagator-ը առանձին արտադրանք է կենտրոնական համակարգերի համար: DB2 UNIX, Linux, Windows և OS/2 ներառում են կրկնօրինակման ծառայություններ տվյալներ որպես ստանդարտ հատկանիշ):
Տեղափոխման մեկ այլ մեթոդ տվյալներ Ձեռնարկության շուրջ գործող ձեռնարկության հավելվածների ինտեգրատոր է, որը այլ կերպ հայտնի է որպես հաղորդագրության բրոքեր: Այս եզակի տեխնոլոգիան թույլ է տալիս անզուգական վերահսկողություն թիրախավորման և տեղափոխման համար: տվյալներ ընկերության շուրջ։ IBM-ն ունի ամենաշատ օգտագործվող հաղորդագրությունների բրոքերը՝ MQSeries կամ արտադրանքի տարբերակ, որը ներառում է պահանջները. Էլեկտրոնային առեւտուր, IBM WebSphere MQ.
Լրացուցիչ քննարկման համար, թե ինչպես օգտագործել MQ-ն՝ պահեստի և BI միջավայրին աջակցելու համար, այցելեք կայք գրքի։ Առայժմ բավական է ասել, որ այս տեխնոլոգիան հիանալի միջոց է գրավելու և փոխակերպելու համար (օգտագործելով MQSeries Integrator) տվյալներ նպատակային օպերատիվ աշխատողներ, որոնք հավաքագրվել են BI լուծումների համար: MQ տեխնոլոգիան ինտեգրվել և փաթեթավորվել է UDB V8-ում, ինչը նշանակում է, որ հաղորդագրությունների հերթերն այժմ կարող են կառավարվել այնպես, կարծես դրանք լինեն DB2 աղյուսակներ: Եռակցման հերթի հաղորդագրությունների հայեցակարգը և տիեզերքը բազա հարաբերական ուղղված է դեպի առաքման հզոր միջավայր տվյալներ.

Zero-Latency Զրոյական latency

IBM-ի վերջնական ռազմավարական նպատակը զրոյական ուշացման վերլուծությունն է: Ինչպես սահմանված է
Gartner, BI համակարգը պետք է կարողանա եզրակացություններ անել, ներծծել և տրամադրել տեղեկատվություն վերլուծաբանների համար ըստ պահանջի: Մարտահրավերն, իհարկե, այն է, թե ինչպես խառնել տվյալներ ընթացիկ և իրական ժամանակում անհրաժեշտ պատմական տեղեկություններով, ինչպիսիք են i տվյալներ առնչվող միտում/օրինաչափություն կամ արդյունահանված պատկերացում, ինչպիսին է հաճախորդների պրոֆիլավորումը:

Նման տեղեկատվությունը ներառում է, օրինակ, նույնականացումը հաճախորդները բարձր կամ ցածր ռիսկի կամ որ ապրանքներ i հաճախորդները նրանք, ամենայն հավանականությամբ, կգնեն, եթե արդեն պանիր ունեն իրենց զամբյուղներում:

Զրոյական ուշացում ստանալը իրականում կախված է երկու հիմնարար մեխանիզմներից.

• Ամբողջական միավորում տվյալներ որոնք վերլուծվում են սահմանված տեխնիկայով և ԲԻ-ի կողմից ստեղծված գործիքներով
• Առաքման համակարգ տվյալներ Արդյունավետ է ապահովելու, որ իրական ժամանակի վերլուծությունները իսկապես հասանելի են Այս նախադրյալները զրոյական հետաձգման համար չեն տարբերվում IBM-ի կողմից սահմանված և վերը նկարագրված երկու նպատակներից: -ի ամուր զուգավորումը տվյալներ այն IBM-ի անխափան ինտեգրացիոն ծրագրի մի մասն է: Եվ ստեղծեք առաքման համակարգ տվյալներ արդյունավետությունը լիովին կախված է առկա տեխնոլոգիայից, որը հեշտացնում է առաքման գործընթացը տվյալներ. Հետևաբար, IBM-ի երեք նպատակներից երկուսը կարևոր են երրորդին հասնելու համար: IBM-ը գիտակցաբար զարգացնում է իր տեխնոլոգիան՝ ապահովելու համար, որ զրոյական ուշացումն իրականություն է պահեստային ջանքերի համար: Ամփոփում / Սինթեզ Ձեր BI կազմակերպությունը տրամադրում է ճանապարհային քարտեզ ձեր միջավայրը կառուցելու համար
  կրկնվող. Այն պետք է ճշգրտվի, որպեսզի արտացոլի ձեր բիզնեսի կարիքները, ինչպես ներկա, այնպես էլ ապագա: Առանց լայն ճարտարապետական ​​տեսլականի, պահեստի կրկնությունները փոքր-ինչ ավելին են, քան կենտրոնական պահեստի պատահական իրականացումները, որոնք քիչ բան են անում մեծ, տեղեկատվական ձեռնարկություն ստեղծելու համար: Ծրագրի ղեկավարների համար առաջին խոչընդոտն այն է, թե ինչպես արդարացնել BI կազմակերպությունը զարգացնելու համար անհրաժեշտ ներդրումները: Թեև ROI-ի հաշվարկները մնացել են գույքագրման ձեռքբերումների հիմնական հիմքը, ճշգրիտ կանխատեսելն ավելի դժվար է դառնում: Սա հանգեցրել է այլ մեթոդների՝ որոշելու, թե արդյոք դուք ստանում եք ձեր գումարի արժեքը: Ներդրումների արժեքը 2 (VOI), օրինակ, ձեռք է բերվում որպես լուծում: Դա պարտավոր է ճարտարապետների վրա տվյալներ և ծրագրի պլանավորողները միտումնավոր ստեղծում և տրամադրում են տեղեկատվություն օգտվողների ասոցիացիաներին և ոչ թե պարզապես ծառայություն մատուցում տվյալներ. Այս երկուսի միջև հսկայական տարբերություն կա: Տեղեկատվությունը մի բան է, որը որոշումներ կայացնելու և արդյունավետության մեջ տարբերություն է դնում. համեմատաբար, i տվյալներ դրանք հիմք են հանդիսանում այդ տեղեկատվության ստացման համար:

Նույնիսկ եթե քննադատում է աղբյուրը տվյալներ բիզնեսի պահանջները լուծելու համար BI միջավայրը պետք է ավելի մեծ դեր ունենա տեղեկատվական բովանդակություն ստեղծելու գործում: Մենք պետք է լրացուցիչ քայլեր ձեռնարկենք մաքրելու, ինտեգրելու, փոխակերպելու կամ այլ կերպ ստեղծելու տեղեկատվական բովանդակություն, որի վրա օգտագործողները կարող են գործել, և այնուհետև մենք պետք է ապահովենք, որ այդ գործողություններն ու որոշումները, որտեղ ողջամիտ են, արտացոլվեն BI միջավայրում: Եթե ​​մենք տեղափոխենք պահեստը միայն ծառայելու համար տվյալներ, վստահ եղեք, որ օգտատերերի ասոցիացիաները կստեղծեն տեղեկատվական բովանդակություն, որն անհրաժեշտ է քայլեր ձեռնարկելու համար: Սա ապահովում է, որ նրանց համայնքը կկարողանա ավելի լավ որոշումներ կայացնել, սակայն ձեռնարկությունը տառապում է նրանց կողմից օգտագործված գիտելիքների պակասից: Dato որ ճարտարապետները և նախագծերի պլանավորողները նախաձեռնում են կոնկրետ նախագծեր BI միջավայրում, նրանք հաշվետու են մնում ձեռնարկությանը որպես ամբողջություն: BI կրկնությունների այս երկկողմանի հատկանիշի պարզ օրինակը գտնվում է սկզբնաղբյուրում տվյալներ. Ամբողջ տվյալներ Հատուկ առևտրային հարցումների համար ստացված պետք է լցված լինի առաջին ատոմային շերտում: Սա ապահովում է ձեռնարկության տեղեկատվական ակտիվի զարգացումը, ինչպես նաև կառավարում, հասցեագրում օգտագործողների հատուկ հարցումները, որոնք սահմանված են կրկնության մեջ:

Ի՞նչ է տվյալների պահեստը:

Տվյալների պահեստ եղել է տեղեկատվական համակարգերի ճարտարապետության սիրտը 1990 թվականից և աջակցում է տեղեկատվական գործընթացներին՝ առաջարկելով ամուր ինտեգրված հարթակ: տվյալներ պատմությունը՝ որպես հիմք հետագա վերլուծությունների համար։ THE տվյալների պահեստ դրանք առաջարկում են ինտեգրվելու հեշտություն անհամատեղելի կիրառական համակարգերի աշխարհում: Տվյալների պահեստ այն դարձել է մոդայիկ: Տվյալների պահեստ կազմակերպել և մտապահել i տվյալներ անհրաժեշտ է տեղեկատվական և վերլուծական գործընթացների համար՝ երկար պատմական ժամանակային հեռանկարի հիման վրա։ Այս ամենը ենթադրում է զգալի և մշտական ​​ջանք շինարարության և պահպանման գործում տվյալների պահեստ.

Այսպիսով, ինչ է a տվյալների պահեստ? Ա տվյալների պահեստ է:

• ▪ առարկայական ուղղվածություն
• ▪ ինտեգրված համակարգ
• ▪ ժամանակի փոփոխություն
• ▪ անկայուն (չի չեղարկվում)

հավաքածու տվյալներ օգտագործվում է կառավարչական որոշումներին աջակցելու գործընթացների իրականացման համար:
I տվյալներ մեջ մտցված տվյալների պահեստ դրանք շատ դեպքերում բխում են գործառնական միջավայրից: Այն տվյալների պահեստ այն պատրաստված է պահեստավորման միավորից՝ ֆիզիկապես անջատված մնացած համակարգից, որը պարունակում է տվյալներ նախկինում փոխակերպված հավելվածներով, որոնք գործում են գործառնական միջավայրից ստացվող տեղեկատվության հիման վրա:

Ա-ի բառացի սահմանումը տվյալների պահեստ այն արժանի է մանրակրկիտ բացատրության, քանի որ կան կարևոր դրդապատճառներ և հիմքում ընկած իմաստներ, որոնք նկարագրում են պահեստի բնութագրերը:

ԱՌՄԻԿԱԿԱՆ ԿՈՂՄՆՈՐՈՇՈՒՄԸ ԹԵՄԱՏԱԿԱՆ

Ա–ի առաջին հատկանիշը տվյալների պահեստ այն է, որ այն ուղղված է ընկերության հիմնական սուբյեկտներին: Գործընթացների ուղեցույցը միջոցով տվյալներ դա ի տարբերություն ավելի դասական մեթոդի, որը նախատեսում է ծրագրերի կողմնորոշում դեպի գործընթացներ և գործառույթներ, մի մեթոդ, որը հիմնականում տարածված է ավելի քիչ վերջին կառավարման համակարգերի կողմից:

Գործառնական աշխարհը նախագծված է այնպիսի ծրագրերի և գործառույթների շուրջ, ինչպիսիք են վարկերը, խնայողությունները, բանկային քարտերը և ֆինանսական հաստատության վստահությունը: dw-ի աշխարհը կազմակերպված է հիմնական թեմաների շուրջ, ինչպիսիք են հաճախորդը, վաճառողը, ապրանքը և գործունեությունը: Թեմաների շուրջ դասավորվածությունն ազդում է նախագծման և իրականացման վրա տվյալներ հայտնաբերվել է dw-ում: Ամենակարևորը, հիմնական թեման ազդում է առանցքային կառուցվածքի ամենակարևոր մասի վրա:

Հավելվածների աշխարհը ազդում է ինչպես տվյալների բազայի նախագծման, այնպես էլ գործընթացի ձևավորման վրա: dw-ի աշխարհը կենտրոնացած է բացառապես վիդեո մոդելավորման վրա տվյալներ և դիզայնի վրա բազա. Գործընթացի ձևավորումը (իր դասական ձևով) dw միջավայրի մաս չէ:

Գործընթացի/ֆունկցիայի կիրառման և առարկայի ընտրության միջև եղած տարբերությունները բացահայտվում են նաև որպես բովանդակության տարբերություններ. տվյալներ մանրամասն մակարդակի վրա։ THE տվյալներ del dw-ն չի ներառում i տվյալներ որը չի օգտագործվի հավելվածների ընթացքում DSS մշակելու համար

գործառնական ուղղվածություն տվյալներ պարունակում է i տվյալներ անմիջապես բավարարել ֆունկցիոնալ/մշակման պահանջները, որոնք կարող են կամ չունենալ որևէ օգուտ DSS վերլուծաբանի համար:
Մեկ այլ կարևոր միջոց, որի համար գործառնական ուղղվածություն ունեցող հավելվածները տվյալներ տարբերվում են տվյալներ dw-ի հաշվետվություններում է տվյալներ. Ես տվյալներ օպերատիվ աշխատողները պահպանում են շարունակական հարաբերություններ երկու կամ ավելի աղյուսակների միջև՝ հիմնված բիզնես կանոնների վրա, որոնք ակտիվ են: THE տվյալներ dw-ն ընդգրկում է ժամանակի մի սպեկտր, և dw-ում հայտնաբերված հաշվետվությունները շատ են: Առևտրի շատ կանոններ (և, համապատասխանաբար, բազմաթիվ զեկույցներ տվյալներ ) ներկայացված են պաշարում տվյալներ երկու կամ ավելի սեղանների միջև:

(Մանրամասն բացատրության համար, թե ինչպես են փոխհարաբերությունները տվյալներ կառավարվում են DW-ում, խնդրում ենք դիմել Տեխնիկական թեմային այդ հարցի վերաբերյալ:)
Ոչ մի այլ տեսանկյունից, քան ֆունկցիոնալ/գործընթացային հավելվածի ընտրության և առարկայի ընտրության միջև եղած հիմնարար տարբերությունը, չկա՞ հիմնական տարբերություն օպերացիոն համակարգերի և տվյալներ և DW-ն։

INTEGRATION INTEGRATION

dw միջավայրի ամենակարևոր կողմն այն է, որ i տվյալներ dw-ում հայտնաբերվածները հեշտությամբ ինտեգրվում են: ՄԻՇՏ. ԱՌԱՆՑ ԲԱՑԱՌՈՒԹՅՈՒՆՆԵՐԻ. dw միջավայրի բուն էությունն այն է, որ i տվյալներ պարունակվող պահեստի սահմաններում ինտեգրված են.

Ինտեգրումն իրեն դրսևորում է շատ տարբեր ձևերով. տվյալներ հետևողական և այլն:

Տարիների ընթացքում տարբեր հավելվածների դիզայներները բազմաթիվ որոշումներ են կայացրել այն մասին, թե ինչպես պետք է մշակվի հավելվածը: Դիզայներների հավելվածների ոճը և անհատականացված դիզայներական որոշումները բացահայտվում են հարյուր ձևով՝ կոդավորման, հիմնական կառուցվածքի, ֆիզիկական բնութագրերի, նույնականացման պայմանագրերի և այլնի տարբերություններով: Շատ հավելվածների դիզայներների հավաքական կարողությունը՝ ստեղծելու անհամապատասխան հավելվածներ, լեգենդար է: Գծապատկեր 3-ում ներկայացված են հավելվածների նախագծման ամենակարևոր տարբերությունները:

Կոդավորում՝ կոդավորում.

Հավելվածի դիզայներներն ընտրել են դաշտի կոդավորումը` սեռը, մի քանի ձևով: Դիզայները սեռը ներկայացնում է որպես «m» և «f»: Մեկ այլ դիզայներ սեռը ներկայացնում է որպես «1» և «0»: Մեկ այլ դիզայներ ներկայացնում է սեռը որպես «x» և «y»: Մեկ այլ դիզայներ սեռը ներկայացնում է որպես «արական» և «իգական»: Կարևոր չէ, թե ինչպես է սեռը մտնում DW: «M»-ը և «F»-ը հավանաբար նույնքան լավն են, որքան ցանկացած ներկայացում:

Կարևորն այն է, որ ինչ աղբյուրից էլ գալիս է սեռական դաշտը, այդ դաշտը հասնում է DW-ին հետևողական ինտեգրված վիճակում: Հետևաբար, երբ դաշտը բեռնվում է DW-ում մի հավելվածից, որտեղ այն դրսում ներկայացված է «M» և «F» ձևաչափերով, տվյալներ պետք է փոխարկվի DW ձևաչափի:

Հատկանիշների չափում Հատկանիշներ:

Տարիների ընթացքում կիրառական դիզայներները որոշել են խողովակաշարը չափել տարբեր ձևերով: Դիզայները խանութում է i տվյալներ խողովակաշարը սանտիմետրերով: Մեկ այլ հավելվածի դիզայներ պահում է տվյալներ խողովակաշարը դյույմներով: Մեկ այլ հավելվածի դիզայներ պահում է տվյալներ խողովակաշարը միլիոն խորանարդ ֆուտ վայրկյանում: Եվ մեկ այլ դիզայներ պահպանում է խողովակաշարի մասին տեղեկատվությունը բակերի առումով: Ինչ էլ որ լինի աղբյուրը, երբ խողովակաշարի մասին տեղեկատվությունը հասնում է DW, այն պետք է չափվի նույն կերպ:

Ինչպես ցույց է տրված գծապատկեր 3-ում, ինտեգրման խնդիրները ազդում են ծրագրի գրեթե բոլոր ասպեկտների վրա՝ դրա ֆիզիկական բնութագրերի վրա տվյալներ, մեկից ավելի աղբյուրներ ունենալու երկընտրանքը տվյալներ, անհամապատասխան բացահայտված նմուշների, ձևաչափերի հարցը տվյալներ անհամապատասխան և այլն:

Ինչ էլ որ լինի դիզայնի փաստարկը, արդյունքը նույնն է. i տվյալներ պետք է պահվի DW-ում եզակի և գլոբալ ընդունելի ձևով, նույնիսկ երբ հիմքում ընկած օպերացիոն համակարգերը պահում են i տվյալներ.

Երբ DSS վերլուծաբանը նայում է DW-ին, վերլուծաբանի ուշադրության կենտրոնում պետք է լինի շահագործումը. տվյալներ որոնք գտնվում են պահեստում,

այլ ոչ թե մտածելու վստահելիության կամ հետևողականության մասին տվյալներ.

ԺԱՄԱՆԱԿԱՅԻՆ ՏԱՐԲԵՐԱԿԱՆՈՒԹՅՈՒՆ

Բոլորը տվյալներ DW-ում դրանք ճշգրիտ են ժամանակի որոշակի պահի համար: Այս հիմնական հատկանիշը տվյալներ DW-ում շատ տարբեր է տվյալներ հայտնաբերվել է գործառնական միջավայրում: THE տվյալներ գործառնական միջավայրը նույնքան ճշգրիտ է, որքան մուտքի պահին: Այլ կերպ ասած, գործառնական միջավայրում, երբ միավորը հասանելի է տվյալներԱկնկալվում է, որ այն արտացոլում է արժեքները նույնքան ճշգրիտ, որքան մուտքի պահին: Ինչու ես տվյալներ DW-ում ճշգրիտ են, քանի որ ժամանակի ինչ-որ պահի (այսինքն, ոչ «հենց հիմա»), i տվյալներ DW-ում հայտնաբերված են «ժամանակային շեղումներ»:
Ժամանակի շեղումը տվյալներ DW-ի կողմից հիշատակվում է բազմաթիվ առումներով:
Ամենապարզ ճանապարհն այն է, որ i տվյալներ DW-ն ներկայացնում է տվյալներ երկարաժամկետ հորիզոնում՝ հինգից տասը տարի: Գործառնական միջավայրի համար պատկերված ժամանակային հորիզոնը շատ ավելի կարճ է, քան այսօրվա ներկայիս արժեքները մինչև վաթսուն իննսուն
Հավելվածները, որոնք պետք է լավ աշխատեն և պետք է հասանելի լինեն գործարքների մշակման համար, պետք է բերեն նվազագույն գումար տվյալներ եթե դրանք թույլ են տալիս ճկունության ցանկացած աստիճան: Այսպիսով, գործառնական հավելվածներն ունեն կարճ ժամանակային հորիզոն, ինչպես օրինակ աուդիո հավելվածի նախագծման թեման:
DW-ում «ժամանակի շեղումը» երևացող երկրորդ ձևը հիմնական կառուցվածքում է: DW-ի յուրաքանչյուր հիմնական կառույց պարունակում է անուղղակիորեն կամ բացահայտորեն ժամանակային տարր, օրինակ՝ օր, շաբաթ, ամիս և այլն: Ժամանակի տարրը գրեթե միշտ գտնվում է DW-ում հայտնաբերված միացված ստեղնի ներքևում: Այս դեպքերում ժամանակի տարրը անուղղակիորեն գոյություն կունենա, ինչպես օրինակ այն դեպքը, երբ ամբողջ ֆայլը կրկնօրինակվում է ամսվա կամ եռամսյակի վերջում:
Ժամանակի շեղման երրորդ եղանակը ցուցադրվում է այն է, որ i տվյալներ DW-ի, պարզապես ճիշտ գրանցված, չի կարող թարմացվել: THE տվյալներ DW-ն, բոլոր գործնական նպատակների համար, նկարահանումների երկար շարք է: Իհարկե, եթե լուսանկարը սխալ է արված, ապա snapshot-ը կարող է փոփոխվել: Բայց եթե ենթադրենք, որ լուսանկարները ճիշտ են արված, դրանք չեն փոխվում հենց որ նկարվեն: Որոշ

դեպքերում, DW-ի լուսանկարների փոփոխումը կարող է էթիկայից դուրս կամ նույնիսկ անվավեր լինել: THE տվյալներ գործառնական, լինելով նույնքան ճշգրիտ, որքան հասանելիության պահին, կարող է թարմացվել ըստ անհրաժեշտության:

ՈՉ ցնդող

DW-ի չորրորդ կարևոր հատկանիշն այն է, որ այն անկայուն է:
Թարմացումները, ներդիրները, ջնջումները և փոփոխությունները պարբերաբար կատարվում են գործառնական միջավայրերում՝ ռեկորդ առ գրառում: Բայց հիմնական մանիպուլյացիա է տվյալներ DW-ում անհրաժեշտ է շատ ավելի հեշտ: Գոյություն ունեն միայն երկու տեսակի գործողություններ, որոնք տեղի են ունենում DW-ում` սկզբնական բեռնումը տվյալներ և մուտք դեպի տվյալներ. -ի թարմացում չկա տվյալներ (թարմացման ընդհանուր իմաստով) DW-ում որպես նորմալ մշակման գործողություն։ Գործառնական մշակման և DW մշակման միջև կան այս հիմնական տարբերության մի քանի շատ հզոր հետևանքներ: Դիզայնի մակարդակում վթարի թարմացման հարցում զգույշ լինելու անհրաժեշտությունը DW-ի գործոն չէ, քանի որ թարմացումը տվյալներ այն չի իրականացվում։ Սա նշանակում է, որ դիզայնի ֆիզիկական մակարդակում կարելի է ազատություններ կիրառել՝ հասանելիությունը օպտիմալացնելու համար տվյալներ, մասնավորապես՝ նորմալացման և ֆիզիկական ապանորմալացման թեմաներով զբաղվելիս։ DW-ի շահագործման պարզության մեկ այլ հետևանք է DW միջավայրը գործարկելու համար օգտագործվող հիմքում ընկած տեխնոլոգիան: Օնլայն ռեկորդ առ ձայն թարմացումներին աջակցելու համար (ինչպես հաճախ լինում է գործառնական մշակման դեպքում) պահանջում է, որ տեխնոլոգիան ունենա շատ բարդ հիմք՝ ակնհայտ պարզության ներքո:
Տեխնոլոգիա, որն աջակցում է կրկնօրինակում և վերականգնում, գործարքներ և ֆայլերի ամբողջականություն տվյալներ իսկ փակուղու հայտնաբերումն ու վերացումը բավականին բարդ և անհարկի է DW-ի մշակման համար: DW-ի բնութագրերը, դիզայնի կողմնորոշումը, ինտեգրումը տվյալներ DW-ի շրջանակներում, ժամանակի շեղում և կառավարման հեշտություն տվյալներ, այդ ամենը հանգեցնում է այնպիսի միջավայրի, որը շատ ու շատ տարբերվում է դասական գործառնական միջավայրից: Գրեթե բոլորի աղբյուրը տվյալներ DW-ի գործառնական միջավայրն է: Գայթակղիչ է մտածել, որ կա զանգվածային ավելորդություն տվյալներ երկու միջավայրերի միջև։
Իրոք, առաջին տպավորությունը, որ շատերն ունեն, մեծ ավելորդությունն է տվյալներ գործառնական միջավայրի և շրջակա միջավայրի միջև

DW ընդլայնում. Նման մեկնաբանությունը մակերեսային է և ցույց է տալիս DW-ում տեղի ունեցողի անհասկանալիությունը։
Իրոք, կա նվազագույն ավելորդություն տվյալներ գործառնական միջավայրի և i տվյալներ DW-ի. Հաշվի առեք հետևյալը. I տվյալներ դրանք զտված են դետո որ դուք գործառնական միջավայրից անցնում եք DW միջավայրին: Շատերը տվյալներ նրանք երբեք դուրս չեն գալիս գործառնական միջավայրից: Միայն այն, որ Ի տվյալներ որոնք անհրաժեշտ են DSS մշակման համար իրենց ուղղությունը գտնում են շրջակա միջավայրում

▪ ժամանակային հորիզոնը տվյալներ այն շատ է տարբերվում մի միջավայրից մյուսը: THE տվյալներ գործառնական միջավայրում դրանք շատ թարմ են։ THE տվյալներ DW-ում նրանք շատ ավելի հին են։ Պարզապես ժամանակային հորիզոնի տեսանկյունից, գործառնական միջավայրի և DW-ի միջև շատ քիչ համընկնում կա:

▪ DW-ն պարունակում է տվյալներ ամփոփում, որոնք երբեք չեն գտնվում շրջակա միջավայրում

▪ Ես տվյալներ ենթարկվում են հիմնարար վերափոխման, երբ նրանք անցնում են Նկար 3-ին, ցույց է տալիս, որ դրանց մեծ մասը տվյալներ զգալիորեն փոփոխվում են, պայմանով, որ դրանք ընտրվեն և տեղափոխվեն DW: Մեկ այլ կերպ ասած, մեծ մասը տվյալներ այն ֆիզիկապես և արմատապես փոխվում է, երբ այն տեղափոխվում է DW: Ինտեգրման տեսանկյունից դրանք նույնը չեն տվյալներ բնակվում է գործառնական միջավայրում. Հաշվի առնելով այս գործոնները, ավելորդությունը տվյալներ երկու միջավայրերի միջև հազվադեպ իրադարձություն է, որը հանգեցնում է երկու միջավայրերի միջև 1%-ից պակաս ավելորդության: ՊԱՀԵՍՏԻ ԿԱՌՈՒՑՎԱԾՔԸ DW-ները ունեն հստակ կառուցվածք. Կան ամփոփման և մանրամասնության տարբեր մակարդակներ, որոնք սահմանազատում են DW-ները:
DW-ի տարբեր բաղադրիչներն են.

• Metadata
• dati ընթացիկ մանրամասներ
• dati հին դետալներից
• dati մի փոքր ամփոփված
• dati խիստ ամփոփված

Առայժմ հիմնական մտահոգությունը վերաբերում է i տվյալներ ընթացիկ մանրամասներ. Դա առաջնային մտահոգություն է, քանի որ.

• I տվյալներ Ընթացիկ մանրամասները արտացոլում են ամենավերջին իրադարձությունները, որոնք միշտ մեծ հետաքրքրություն են առաջացնում և
• i տվյալներ Ընթացիկ մանրամասների տվյալները ծավալուն են, քանի որ դրանք պահվում են հատիկության ամենացածր մակարդակում և
• i տվյալներ Ընթացիկ մանրամասները գրեթե միշտ պահվում են սկավառակի հիշողության մեջ, որն արագ հասանելի է, բայց թանկ և բարդ I-ից տվյալներ մանրամասները ավելի հին են տվյալներ որոնք պահվում են որոշ հիշողության վրա զանգված. Այն հասանելի է պատահաբար և պահվում է մանրամասների հետ համատեղելի մակարդակով տվյալներ ընթացիկ մանրամասներ: Թեև պահեստավորման այլընտրանքային միջավայրի վրա պարտադիր չէ՝ մեծ ծավալի պատճառով տվյալներ միավորված սպորադիկ մուտքի հետ տվյալներ, պահպանման միջոցը համար տվյալներ Ավելի հին մանրամասները սովորաբար չեն պահվում սկավառակի վրա: THE տվյալներ թեթևակի ամփոփված են տվյալներ որոնք թորված են հայտնաբերված դետալների ցածր մակարդակից մինչև մանրամասնության ներկա մակարդակը։ DW-ի այս մակարդակը գրեթե միշտ պահվում է սկավառակի հիշողության մեջ: Դիզայնի խնդիրները, որոնք ներկայանում են ճարտարապետին տվյալներ DW-ի այս մակարդակի կառուցման մեջ են.

• Ժամանակի ո՞ր միավորն է վերևում կատարված ամփոփումը
• Ինչ բովանդակություն, ատրիբուտներ մի փոքր կամփոփեն բովանդակությունը տվյալներ Հաջորդ մակարդակը տվյալներ DW-ում հայտնաբերված այն է տվյալներ խիստ ամփոփված. THE տվյալներ խիստ ամփոփված են կոմպակտ և հեշտությամբ մատչելի: THE տվյալներ շատ ամփոփված են երբեմն հանդիպում DW միջավայրում և այլ դեպքերում i տվյալներ խիստ վերացական են հայտնաբերվել DW-ն հյուրընկալող տեխնոլոգիայի անմիջական պատերից դուրս: (ամեն դեպքում, ես տվյալներ խիստ ամփոփվածները DW-ի մի մասն են, անկախ նրանից, թե որտեղ i տվյալներ ֆիզիկապես տեղավորված են): DW-ի վերջնական բաղադրիչը մետատվյալների բաղադրիչն է: Շատ առումներով մետատվյալները գտնվում են այլ հարթության մեջ, քան մյուսները տվյալներ DW-ի, քանի որ մետատվյալները որևէ բան չեն պարունակում դետո ուղղակիորեն վերցված գործառնական միջավայրից: Մետատվյալները հատուկ և շատ կարևոր դեր ունեն DW-ում։ Մետատվյալներն օգտագործվում են որպես.

• գրացուցակ, որը կօգնի DSS-ի վերլուծաբանին գտնել DW-ի բովանդակությունը,
• քարտեզագրման ուղեցույց տվյալներ այն մասին, թե ինչպես ես տվյալներ գործառնական միջավայրից վերածվել են DW միջավայրի,
• i.-ի միջև ամփոփման համար օգտագործվող ալգորիթմների ուղեցույց տվյալներ ընթացիկ մանրամասներ ei տվյալներ մի փոքր ամփոփված, i տվյալներ Ամփոփելով, մետատվյալները շատ ավելի մեծ դեր են խաղում DW միջավայրում, քան երբևէ գործառնական միջավայրում ՀԻՆ ՄԱՆՐԱՄԱՍՆԵՐԻ ՊԱՀՊԱՆՄԱՆ ՄԻՋՈՑ Այդպիսի պահելու համար կարելի է օգտագործել մագնիսական ժապավեն տվյալներ. Իրոք, կա պահեստավորման կրիչների լայն տեսականի, որոնք պետք է հաշվի առնել հինը պահելու համար տվյալներ մանրամասնությունից։ Կախված ծավալից տվյալներ, մուտքի հաճախականությունը, գործիքների արժեքը և մուտքի տեսակը, միանգամայն հավանական է, որ այլ գործիքների համար անհրաժեշտ կլինի DW-ի դետալների հին մակարդակը: ՏՎՅԱԼՆԵՐԻ ՀՈՍՔ Կա նորմալ և կանխատեսելի հոսք տվյալներ DW-ի շրջանակներում։
  I տվյալներ դրանք DW են մտնում գործառնական միջավայրից։ (ՆՇՈՒՄ. Կան շատ հետաքրքիր բացառություններ այս կանոնից: Այնուամենայնիվ, գրեթե բոլորը տվյալներ մուտքագրեք DW գործառնական միջավայրից): Dato որ ես տվյալներ նրանք մտնում են DW գործառնական միջավայրից, այն վերափոխվում է, ինչպես նկարագրված է վերևում: Պայմանով մուտքագրեք DW, i տվյալներ մուտքագրեք մանրամասների ընթացիկ մակարդակը, ինչպես ցույց է տրված: Այն գտնվում է այնտեղ և օգտագործվում է այնքան ժամանակ, մինչև տեղի ունենա երեք իրադարձություններից մեկը.

• մաքրվում է,
• ամփոփված է և/կամ ▪է DW-ի ներսում հնացած գործընթացը շարժվում է i տվյալներ ընթացիկ մանրամասներ ա տվյալներ մանրամասն հին, ըստ տարիքի տվյալներ. Այդ գործընթացը

ամփոփումն օգտագործում է մանրամասները տվյալներ հաշվարկելու համար տվյալներ մի փոքր ամփոփված և բարձր ամփոփված մակարդակները տվյալներ. Ցուցադրված հոսքից կան որոշ բացառություններ (կքննարկվեն ավելի ուշ): Այնուամենայնիվ, սովորաբար, ճնշող մեծամասնության համար տվյալներ հայտնաբերվել է DW-ի ներսում, հոսքը տվյալներ այն ինչպես ներկայացված է:

ՏԵՂԵԿԱՏՎԱԿԱՆ ՊԱՀԵՍՏԻ ՕԳՏԱԳՈՐԾՈՒՄԸ

Զարմանալի չէ, որ տարբեր մակարդակներում տվյալներ DW-ում դրանք չեն ստանում օգտագործման տարբեր մակարդակներ: Որպես կանոն, որքան բարձր է ամփոփման մակարդակը, այնքան ավելի շատ i տվյալներ դրանք օգտագործվում են.
Շատ օգտագործումներ են տեղի ունենում տվյալներ խիստ ամփոփված, մինչդեռ հին տվյալներ մանրամասնությունները գրեթե երբեք չեն օգտագործվում: Լավ պատճառ կա կազմակերպությունը տեղափոխելու ռեսուրսների օգտագործման պարադիգմը: Ավելին ամփոփված i տվյալներ, այնքան ավելի արագ և արդյունավետ է դրան հասնելը տվյալներ. Եթե խանութ գտնում է, որ այն կատարում է DW-ի շատ մանրուքների մակարդակի մշակում, այնուհետև սպառվում է համապատասխանաբար մեծ քանակությամբ մեքենայական ռեսուրսներ: Բոլորի շահերից է բխում նման բարձր մակարդակի ամփոփման հնարավորինս արագ մշակումը:

Շատ խանութների համար DSS-ի վերլուծաբանը նախնական DW միջավայրում օգտագործել է տվյալներ մանրամասնության մակարդակով։ Շատ առումներով ժամանումը ժամը տվյալներ մանրամասնությունն անվտանգության ծածկույթի տեսք ունի, նույնիսկ երբ առկա են ամփոփման այլ մակարդակներ: ճարտարապետի գործունեությունից տվյալներ DSS օգտագործողին մշտական ​​օգտագործումից հեռացնելն է տվյալներ մանրամասների ամենացածր մակարդակում: Ճարտարապետի մոտ երկու դրդապատճառ կա տվյալներ:

• լիցքավորման համակարգի տեղադրում, որտեղ վերջնական օգտագործողը վճարում է սպառված ռեսուրսների համար էլ
• որոնք ցույց են տալիս, որ շատ լավ արձագանքման ժամանակ կարելի է ձեռք բերել, երբ վարքագիծը i տվյալներ գտնվում է ամփոփման բարձր մակարդակի վրա, մինչդեռ վատ արձագանքման ժամանակը գալիս է նրա վարքագծից տվյալներ ցածր մակարդակի վրա ԱՅԼ ՀԱՇՎԵՏՎՈՒԹՅՈՒՆՆԵՐ Կան մի քանի այլ DW-ի շինարարության և կառավարման նկատառումներ:
  Առաջին նկատառումը ինդեքսներն են: THE տվյալներ Ամփոփման ավելի բարձր մակարդակներում դրանք կարող են ազատորեն ինդեքսավորվել, մինչդեռ i տվյալներ

Մանրամասների ավելի ցածր մակարդակներում դրանք այնքան ծավալուն են, որ կարող են ինդեքսավորվել խնայողաբար: Նույն սկզբունքով, i տվյալներ դետալների բարձր մակարդակներում կարելի է համեմատաբար հեշտությամբ վերակազմավորվել, մինչդեռ ծավալը տվյալներ ցածր մակարդակներում այն ​​այնքան մեծ է, որ i տվյալներ դրանք հեշտությամբ չեն կարող վերանորոգվել: Հետևաբար, մոդելը տվյալներ և դիզայնի կողմից կատարված պաշտոնական աշխատանքը հիմք է դնում DW-ի համար, որը կիրառվում է գրեթե բացառապես ներկա մակարդակի մանրամասների համար: Այլ կերպ ասած, մոդելային գործունեությունը տվյալներ դրանք գրեթե բոլոր դեպքերում չեն վերաբերում ամփոփման մակարդակներին: Մեկ այլ կառուցվածքային նկատառում է ստորաբաժանումը տվյալներ DW-ի կողմից։

Բաժանումը կարող է իրականացվել երկու մակարդակով` մակարդակով դմ և կիրառական մակարդակում: Մակարդակով բաժանման մեջ դմ, The դմ տեղեկացված է ստորաբաժանումների մասին և համապատասխանաբար վերահսկում է դրանք: Հավելվածի մակարդակի բաժանման դեպքում միայն ծրագրավորողը տեղյակ է ստորաբաժանումների մասին, և դրանց կառավարման պատասխանատվությունը թողնված է նրան։

Մակարդակից ցածր դմ, շատ աշխատանք կատարվում է ավտոմատ կերպով։ Բաժանմունքների ինքնակառավարման հետ կապված շատ անճկունություն կա: Բաժանման մակարդակի կիրառման դեպքում տվյալներ որ տվյալների պահեստ, աշխատանքի մեծ մասը ընկնում է ծրագրավորողի վրա, բայց վերջնական արդյունքը ճկունությունն է կառավարման մեջ տվյալներ մեջ տվյալների պահեստ

ԱՅԼ ԱՆՈՄԱԼԻԱՆԵՐ

Մինչդեռ բաղադրիչները տվյալների պահեստ աշխատել այնպես, ինչպես նկարագրված է գրեթե բոլորի համար տվյալներ, կան մի քանի օգտակար բացառություններ, որոնք պետք է քննարկվեն: Բացառություն է տվյալներ հրապարակային ամփոփագրեր (հանրային ամփոփ տվյալներ): Սրանք տվյալներ ամփոփագրեր, որոնք հաշվարկվել են տվյալների պահեստ բայց դրանք օգտագործվում են հասարակության կողմից: THE տվյալներ հանրային ամփոփագրերը պահվում և կառավարվում են տվյալների պահեստ, չնայած, ինչպես վերը նշվեց, դրանք պարզված են: Հաշվապահներն աշխատում են նման եռամսյակներ արտադրելու համար տվյալներ ինչպիսիք են եկամուտները, եռամսյակային ծախսերը, եռամսյակային շահույթը և այլն: Հաշվապահների կողմից կատարված աշխատանքը արտաքինից է տվյալների պահեստ. Այնուամենայնիվ, i տվյալներ օգտագործվում են «ներքին» ընկերության ներսում՝ սկսած Մարքեթինգ, վաճառք և այլն։ Մեկ այլ անոմալիա, որը չի քննարկվելու, այն է տվյալներ արտաքին.

Մեկ այլ ակնառու տեսակ տվյալներ որը կարելի է գտնել ա տվյալների պահեստ դա մշտական ​​մանրամասն տվյալներին է: Սրանք առաջացնում են մշտական ​​պահեստավորման անհրաժեշտություն տվյալներ մանրամասն մակարդակում՝ էթիկական կամ իրավական նկատառումներով: Եթե ​​ընկերությունն իր աշխատողներին ենթարկում է վտանգավոր նյութերի, դրա կարիքը կա տվյալներ մանրամասն և մշտական: Եթե ​​ընկերությունն արտադրում է այնպիսի արտադրանք, որը ներառում է հանրային անվտանգություն, օրինակ՝ ինքնաթիռի մասեր, անհրաժեշտություն կա. տվյալներ մշտական ​​մանրամասներ, ինչպես նաև, եթե ընկերությունը վտանգավոր պայմանագրեր է կնքում:

Ընկերությունը չի կարող իրեն թույլ տալ անտեսել մանրամասները, քանի որ հաջորդ մի քանի տարիների ընթացքում դատական ​​հայցի, հետկանչի, վիճելի շինարարական թերության և այլնի դեպքում: ընկերության բացահայտումը կարող է մեծ լինել: Արդյունքում կա եզակի տեսակ տվյալներ հայտնի է որպես մշտական ​​մանրամասն տվյալներ:

Ամփոփ

Un տվյալների պահեստ այն առարկայական, ինտեգրված, լարված տարբերակ է, հավաքածու տվյալներ ոչ անկայուն՝ աջակցելու վարչակազմի որոշումների կայացման կարիքներին: ա-ի ակնառու գործառույթներից յուրաքանչյուրը տվյալների պահեստ ունի իր հետևությունները: Բացի այդ, կան չորս մակարդակներ տվյալներ որ տվյալների պահեստ:

• Հին մանրամասներ
• Ընթացիկ մանրամասն
• dati մի փոքր ամփոփված
• dati բարձր ամփոփված մետատվյալները նույնպես կարևոր մասն են կազմում տվյալների պահեստ. Վերացական Պահպանման հայեցակարգը տվյալներ այն վերջերս մեծ ուշադրության է արժանացել և դարձել է 90-ականների թրենդը, ինչը պայմանավորված է ա. տվյալների պահեստ հաղթահարել կառավարման աջակցության համակարգերի սահմանափակումները, ինչպիսիք են որոշումների աջակցման համակարգերը (DSS) և գործադիր տեղեկատվական համակարգերը (EIS): Թեև հայեցակարգը տվյալների պահեստ խոստումնալից է թվում, իրականացնել i տվյալների պահեստ կարող է խնդրահարույց լինել մեծածավալ պահեստավորման գործընթացների պատճառով: Չնայած պահեստավորման նախագծերի բարդությանը տվյալներ, բազմաթիվ մատակարարներ և խորհրդատուներ, որոնք պահեստում են տվյալներ պնդում են, որ պահեստավորումը տվյալներ խնդիր չկա. Այնուամենայնիվ, այս հետազոտական ​​նախագծի սկզբում հազիվ թե որևէ անկախ, կոշտ և համակարգված հետազոտություն կատարվեր: Հետևաբար, դժվար է ասել, թե իրականում ինչ է տեղի ունենում ոլորտում, երբ դրանք կառուցվում են տվյալների պահեստ. Այս ուսումնասիրությունը ուսումնասիրել է պահեստավորման պրակտիկան տվյալներ ժամանակակիցները, որի նպատակն է զարգացնել ավստրալական պրակտիկայի ավելի հարուստ պատկերացում: Գրականության ակնարկը տրամադրեց էմպիրիկ ուսումնասիրության համատեքստը և հիմքը: Այս հետազոտության մի շարք արդյունքներ կան. Նախ, այս ուսումնասիրությունը բացահայտեց այն գործողությունները, որոնք տեղի են ունեցել զարգացման ընթացքում տվյալների պահեստ. Շատ ոլորտներում, i տվյալներ հավաքվածները հաստատել են գրականության մեջ նշված պրակտիկան: Երկրորդ՝ խնդիրները և խնդիրները, որոնք կարող են ազդել զարգացման վրա տվյալների պահեստ բացահայտվել են այս ուսումնասիրությամբ: Վերջապես, օգուտները, որոնք ձեռք են բերել ավստրալական կազմակերպությունները, որոնք կապված են օգտագործման հետ տվյալների պահեստ բացահայտվել են.

Գլուխ 1

Որոնման համատեքստ

Տվյալների պահեստավորման հայեցակարգը լայն տարածում գտավ և դարձավ զարգացող միտում 90-ականներին (McFadden 1996, TDWI 1996, Shah and Milstein 1997, Shanks et al. 1997, Eckerson 1998, Adelman and Oates 2000): Սա կարելի է տեսնել առևտրային հրապարակումներում տվյալների պահպանման վերաբերյալ հոդվածների աճող թվից (Little and Gibson 1999): Բազմաթիվ հոդվածներ (տե՛ս, օրինակ, Fisher 1995, Hackathorn 1995, Morris 1995a, Bramblett and King 1996, Graham et al. 1996, Sakaguchi and Frolick 1996, Alvarez 1997, Brousell 1997, 1997, 1997, 1997, 1998, 1999, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, Clar. XNUMX, Edwards XNUMX, TDWI XNUMX) զեկուցել են զգալի օգուտներ այն կազմակերպություններին, որոնք իրականացնում են տվյալների պահեստ. Նրանք հաստատեցին իրենց տեսությունը հաջող իրագործման անեկդոտային ապացույցներով, ներդրումների բարձր եկամտաբերության (ROI) թվերով, ինչպես նաև՝ տրամադրելով ուղեցույցներ կամ մեթոդաբանություններ մշակելու համար։ տվյալների պահեստ

(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson 1999): Ծայրահեղ դեպքում, Graham et al. (1996 թ.) զեկուցել է 401% եռամյա ներդրումների միջին եկամտաբերությունը:

Ընթացիկ գրականության մեծ մասը, սակայն, անտեսել է նման նախագծերի իրականացման բարդությունները: -ի նախագծերը տվյալների պահեստ դրանք սովորաբար բարդ են և լայնածավալ, և, հետևաբար, ունեն ձախողման մեծ հավանականություն, եթե ուշադիր չեն վերահսկվում (Shah and Milstein 1997, Eckerson 1997, Foley 1997b, Zimmer 1997, Bort 1998, Gibbs and Clymer 1998, Rao 1998): Դրանք կառուցելու համար պահանջում են հսկայական քանակությամբ մարդկային և ֆինանսական ռեսուրսներ, ժամանակ և ջանք (Hill 1998, Crofts 1998): Պահանջվող տիպիկ ժամանակը և ֆինանսական միջոցները կազմում են համապատասխանաբար մոտ երկու տարի և երկու-երեք միլիոն դոլար (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999): Այս ժամանակը և ֆինանսական միջոցները պահանջվում են տվյալների պահեստավորման բազմաթիվ տարբեր ասպեկտներ վերահսկելու և համախմբելու համար (Cafasso 1995, Hill 1998): Սարքավորումների և ծրագրային ապահովման նկատառումներից բացի, այլ գործառույթներ, որոնք տարբերվում են արդյունահանումից տվյալներ -ի բեռնման գործընթացներին տվյալներ, թարմացումները և մետաները կառավարելու հիշողության հզորությունը տվյալներ օգտագործողների ուսուցման համար, պետք է հաշվի առնել:

Այն ժամանակ, երբ սկսվեց այս հետազոտական ​​ծրագիրը, շատ քիչ ակադեմիական հետազոտություններ էին իրականացվում տվյալների պահեստավորման ոլորտում, հատկապես Ավստրալիայում: Դա ակնհայտ էր այն ժամանակվա ամսագրերի կամ ակադեմիական այլ գրությունների կողմից տվյալների պահպանման վերաբերյալ հրապարակված հոդվածների սակավությունից: Առկա ակադեմիական գրություններից շատերը նկարագրում էին ԱՄՆ-ի փորձը: Տվյալների պահեստավորման ոլորտում ակադեմիական հետազոտությունների բացակայությունը առաջացրել է խիստ հետազոտությունների և էմպիրիկ ուսումնասիրությունների պահանջարկ (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999): Մասնավորապես, իրականացման գործընթացի վերաբերյալ հետազոտական ​​ուսումնասիրություններ տվյալների պահեստ պետք է արվի՝ ընդլայնելու ընդհանուր գիտելիքները իրականացման վերաբերյալ տվյալների պահեստ և հիմք կծառայի ապագա հետազոտական ​​ուսումնասիրության համար (Shanks et al. 1997, Little and Gibson 1999):

Հետևաբար, այս ուսումնասիրության նպատակն է ուսումնասիրել, թե իրականում ինչ է տեղի ունենում, երբ կազմակերպությունները իրականացնում և օգտագործում են i տվյալների պահեստ Ավստրալիայում։ Մասնավորապես, այս ուսումնասիրությունը կներառի ա տվյալների պահեստ, սկսած մեկնարկից և նախագծումից՝ նախագծման և իրականացման միջոցով և հետագայում ավստրալական կազմակերպություններում օգտագործելու միջոցով: Բացի այդ, ուսումնասիրությունը կնպաստի նաև ընթացիկ պրակտիկային՝ բացահայտելով ոլորտները, որտեղ պրակտիկան կարող է հետագայում բարելավվել, իսկ անարդյունավետությունն ու ռիսկերը կարող են նվազագույնի հասցնել կամ խուսափել: Ավելին, այն հիմք կծառայի այլ ուսումնասիրությունների համար տվյալների պահեստ Ավստրալիայում եւ կլրացնի այն բացը, որը ներկայումս առկա է գրականության մեջ։

Հետազոտական ​​հարցեր

Այս հետազոտության նպատակն է ուսումնասիրել իրականացվող գործողությունները տվյալների պահեստ և դրանց օգտագործումը ավստրալական կազմակերպությունների կողմից: Մասնավորապես, ուսումնասիրվում են ծրագրի պլանավորման, մշակման, շահագործման, օգտագործման և դրա հետ կապված ռիսկերի տարրերը: Այսպիսով, այս հետազոտության հարցը հետևյալն է.

«Ինչպիսի՞ն է Հայաստանի ներկայիս պրակտիկան տվյալների պահեստ Ավստրալիայում?

Այս հարցին արդյունավետ պատասխանելու համար անհրաժեշտ են մի շարք օժանդակ հետազոտական ​​հարցեր: Մասնավորապես, գրականությունից բացահայտվել են երեք ենթահարցեր, որոնք ներկայացված են 2-րդ գլխում, որպեսզի առաջնորդեն այս հետազոտական ​​նախագիծը. տվյալների պահեստ ավստրալական կազմակերպությունների կողմից. Ի՞նչ խնդիրներ են առաջանում:

Որո՞նք են փորձված օգուտները:
Այս հարցերին պատասխանելիս օգտագործվել է հետախուզական հետազոտական ​​ձևավորում, որն օգտագործում է հարցում: Որպես հետախուզական հետազոտություն, վերը նշված հարցերի պատասխանները ամբողջական չեն (Shanks et al. 1993, Denscombe 1998): Այս դեպքում որոշակի եռանկյունավորում է պահանջվում այս հարցերի պատասխանները բարելավելու համար: Այնուամենայնիվ, հետաքննությունը ամուր հիմքեր կապահովի այս հարցերն ուսումնասիրող ապագա աշխատանքի համար: Հետազոտության մեթոդի հիմնավորման և նախագծման մանրամասն քննարկումը ներկայացված է 3-րդ գլխում:

Հետազոտական ​​նախագծի կառուցվածքը

Այս հետազոտական ​​նախագիծը բաժանված է երկու մասի՝ տվյալների պահեստավորման հայեցակարգի համատեքստային ուսումնասիրություն և էմպիրիկ հետազոտություն (տես Նկար 1.1), որոնցից յուրաքանչյուրը քննարկվում է ստորև:

Մաս I. Համատեքստային ուսումնասիրություն

Հետազոտության առաջին մասը բաղկացած էր տվյալների պահեստավորման տարբեր տեսակների վերաբերյալ ընթացիկ գրականության վերանայումից, ներառյալ որոշումների աջակցման համակարգերը (DSS), գործադիր տեղեկատվական համակարգերը (EIS), դեպքերի ուսումնասիրությունները: տվյալների պահեստ և հասկացությունները տվյալների պահեստ. Նաև ֆորումների արդյունքները տվյալների պահեստ և Monash DSS հետազոտական ​​խմբի ղեկավարած փորձագետների և պրակտիկանտների հանդիպումների խմբերը նպաստեցին ուսումնասիրության այս փուլին, որը նպատակ ուներ պատկերացում կազմելու պրակտիկայի մասին: տվյալների պահեստ և բացահայտել դրանց ընդունման հետ կապված ռիսկերը: Համատեքստային ուսումնասիրության այս ժամանակահատվածում հիմնվել է խնդրի տարածքի ըմբռնումը՝ հետագա էմպիրիկ հետազոտությունների համար գիտելիքների բազա ապահովելու համար: Այնուամենայնիվ, սա շարունակական գործընթաց էր, քանի որ հետազոտական ​​ուսումնասիրությունն իրականացվել է:

Մաս II. Էմպիրիկ հետազոտություն

Տվյալների պահեստավորման համեմատաբար նոր հայեցակարգը, հատկապես Ավստրալիայում, ստեղծել է հետազոտության անհրաժեշտություն՝ օգտագործման փորձի լայն պատկերացում կազմելու համար: Այս մասն իրականացվել է այն բանից հետո, երբ խնդրի տիրույթը ստեղծվել է լայնածավալ գրականության վերանայման միջոցով: Համատեքստային ուսումնասիրության փուլում ձևավորված տվյալների պահեստավորման հայեցակարգը օգտագործվել է որպես տվյալ հետազոտության սկզբնական հարցաթերթիկի մուտքագրում: Դրանից հետո հարցաթերթիկը վերանայվեց։ Դուք փորձագետ եք տվյալների պահեստ մասնակցել է թեստին։ Նախնական հարցաշարի թեստավորման նպատակն էր ստուգել հարցերի ամբողջականությունն ու ճշգրտությունը: Թեստի արդյունքների հիման վրա հարցաթերթիկը փոփոխվել է, իսկ փոփոխված տարբերակը փոստով ուղարկվել է հարցման մասնակիցներին: Այնուհետև վերադարձված հարցաթերթիկները վերլուծվել են i տվյալներ աղյուսակներում, դիագրամներում և այլ ձևաչափերով: THE

վերլուծության արդյունքները տվյալներ կազմել Ավստրալիայում տվյալների պահեստավորման պրակտիկայի պատկերը:

ՏՎՅԱԼՆԵՐԻ ՊԱՀԵՍՏԱՑՈՒՑԻՉ ՀԱՄԱԿԱՐԳ

Տվյալների պահեստավորման հայեցակարգը զարգացել է համակարգչային տեխնոլոգիաների բարելավումներով:
Այն ուղղված է այն խնդիրների հաղթահարմանը, որոնց բախվում են հավելվածների աջակցող խմբերը, ինչպիսիք են Որոշումների աջակցման համակարգը (DSS) և Գործադիր տեղեկատվական համակարգը (EIS):

Նախկինում այս հավելվածների ամենամեծ խոչընդոտը եղել է այս հավելվածների՝ ա տվյալների բազան վերլուծության համար անհրաժեշտ.
Դա հիմնականում պայմանավորված է ղեկավարության աշխատանքի բնույթով։ Ընկերության ղեկավարության շահերը մշտապես տարբերվում են՝ կախված ընդգրկված տարածքից: Հետևաբար, ես տվյալներ Այս հավելվածների հիմնարար սկզբունքը պետք է կարողանա արագ փոփոխվել՝ կախված այն մասից, որը պետք է բուժվի:
Սա նշանակում է, որ i տվյալներ պետք է հասանելի լինի համապատասխան ձևով` պահանջվող վերլուծությունների համար: Փաստորեն, հավելվածների աջակցման խմբերը նախկինում շատ դժվար էին հավաքում և ինտեգրում տվյալներ բարդ և բազմազան աղբյուրներից:

Այս բաժնի մնացած մասը ներկայացնում է տվյալների պահեստավորման հայեցակարգի ակնարկ և քննարկվում է, թե ինչպես է տվյալների պահեստ կարող է հաղթահարել հավելվածների աջակցման խմբերի խնդիրները։
«Տերմինը»Տվյալների պահեստհայտնի դարձավ Ուիլյամ Ինմոնի կողմից 1990 թվականին: Նրա հաճախ մեջբերվող սահմանումը տեսնում է Տվյալների պահեստ որպես հավաքածու տվյալներ առարկայական, ինտեգրված, անկայուն և ժամանակի ընթացքում փոփոխական՝ ի աջակցություն կառավարման որոշումների:

Օգտագործելով այս սահմանումը, Ինմոնը նշում է, որ i տվյալներ բնակվող Ա տվյալների պահեստ պետք է ունենա հետևյալ 4 բնութագրերը.

• ▪ Առարկայական ուղղվածություն
• ▪ Ինտեգրված
• ▪ Ոչ անկայուն
• ▪ Փոփոխական ժամանակի ընթացքում Առարկայական ուղղվածությամբ Inmon-ը նշանակում է, որ i տվյալներ մեջ տվյալների պահեստ խոշորագույն կազմակերպական ոլորտներում, որոնք եղել են

սահմանված մոդելում տվյալներ. Օրինակ բոլորը տվյալներ վերաբերյալ i հաճախորդները պարունակվում են թեմայի տարածքում ՀԱՃԱԽՈՐԴՆԵՐԻՆ. Նմանապես բոլորը տվյալներ ապրանքների հետ կապված պարունակվում են թեմայի տարածքում ԱՊՐԱՆՔՆԵՐ:

Ինտեգրված Ինմոն ասելով նշանակում է, որ i տվյալներ տարբեր հարթակներից, համակարգերից և տեղանքներից համակցված և պահվում են մեկ տեղում: Հետևաբար տվյալներ նմանատիպերը պետք է փոխակերպվեն հետևողական ձևաչափերի, որպեսզի հեշտությամբ ավելացվեն և համեմատվեն:
Օրինակ՝ արական և իգական սեռերը մի համակարգում ներկայացված են M և F տառերով, իսկ մյուսում՝ 1 և 0 տառերով։ Դրանք ճիշտ ինտեգրելու համար մեկ կամ երկու ձևաչափերը պետք է փոխակերպվեն այնպես, որ երկու ձևաչափերը հավասար լինեն: Այս դեպքում մենք կարող ենք փոխել M-ը 1-ի և F-ի 0-ի կամ հակառակը: Առարկայական ուղղվածությունը և Ինտեգրվածը ցույց են տալիս, որ տվյալների պահեստ նախատեսված է ապահովելու ֆունկցիոնալ և լայնակի տեսլականը տվյալներ ընկերության կողմից։

Non-volatile ասելով նա նկատի ունի, որ i տվյալներ մեջ տվյալների պահեստ մնալ հետևողական և թարմացնել տվյալներ դա անհրաժեշտ չէ. Փոխարենը, ցանկացած փոփոխություն տվյալներ բնօրինակները ավելացված են բազա որ տվյալների պահեստ. Սա նշանակում է, որ պատմաբանը տվյալներ պարունակվում է տվյալների պահեստ.

Ժամանակի փոփոխականների համար Inmon-ը ցույց է տալիս, որ i տվյալներ մեջ տվյալների պահեստ միշտ պարունակում է ei տեմպի ցուցիչները տվյալներ նրանք սովորաբար հատում են որոշակի ժամանակային հորիզոն: Օրինակ՝ ա
տվյալների պահեստ կարող է պարունակել 5 տարվա պատմական արժեքներ հաճախորդները 1993-ից մինչև 1997 թթ.-ի պատմական և ժամանակային շարքերի առկայությունը տվյալներ թույլ է տալիս վերլուծել միտումները:

Un տվյալների պահեստ նա կարող է հավաքել իր սեփականը տվյալներ OLTP համակարգերից, ծագումից տվյալներ արտաքին կազմակերպությանը և/կամ այլ հատուկ ծուղակային համակարգերի նախագծերից տվյալներ.
I տվյալներ քաղվածքները կարող են անցնել մաքրման գործընթացով, այս դեպքում i տվյալներ փոխակերպվում և ինտեգրվում են նախքան այն պահվելը բազա որ տվյալների պահեստ. Հետո ես տվյալներ

ներսում բնակվող բազա որ տվյալների պահեստ հասանելի են վերջնական օգտագործողի մուտքերի և վերականգնման գործիքների համար: Օգտագործելով այս գործիքները, վերջնական օգտագործողը կարող է մուտք գործել կազմակերպության ինտեգրված տեսք տվյալներ.

I տվյալներ ներսում բնակվող բազա որ տվյալների պահեստ դրանք պահվում են ինչպես մանրամասն, այնպես էլ ամփոփ ձևաչափերով:
Ամփոփման մակարդակը կարող է կախված լինել դրա բնույթից տվյալներ. Ես տվյալներ մանրամասն կարող է բաղկացած լինել տվյալներ ընթացիկ և տվյալներ պատմաբանները
I տվյալներ իրականը ներառված չեն տվյալների պահեստ մինչև ես տվյալներ մեջ տվյալների պահեստ վերաթարմացվում են:
Ի լրումն պահեստավորման տվյալներ իրենք իրենց, ա տվյալների պահեստ այն կարող է նաև պահել այլ տեսակի դետո կոչվում է ՄԵՏԱՏՎՅԱԼ, որը նկարագրում է i տվյալներ բնակվող իր բազա.
Գոյություն ունեն մետատվյալների երկու տեսակ՝ զարգացման մետատվյալներ և վերլուծության մետատվյալներ:
Մշակման մետատվյալներն օգտագործվում են արդյունահանման, մաքրման, քարտեզագրման և վերբեռնման գործընթացները կառավարելու և ավտոմատացնելու համար տվյալներ մեջ տվյալների պահեստ.
Մշակման մետատվյալներում պարունակվող տեղեկատվությունը կարող է պարունակել օպերացիոն համակարգերի մանրամասներ, արդյունահանվող տարրերի մանրամասներ, մոդել տվյալներ որ տվյալների պահեստ և տվյալների փոխակերպման բիզնես կանոնները տվյալներ.

Մետատվյալների երկրորդ տեսակը, որը հայտնի է որպես վերլուծական մետատվյալներ, հնարավորություն է տալիս վերջնական օգտագործողին ուսումնասիրել տվյալների բովանդակությունը: տվյալների պահեստ գտնել i տվյալներ մատչելի և դրանց նշանակությունը հստակ, ոչ տեխնիկական առումով:

Այսպիսով, վերլուծական մետատվյալները կամուրջ են գործում տվյալների պահեստ և վերջնական օգտագործողի հավելվածները: Այս մետատվյալները կարող են պարունակել բիզնես մոդել, նկարագրություններ տվյալներ բիզնես մոդելին համապատասխան, նախապես սահմանված հարցումներ և հաշվետվություններ, օգտատերերի մուտքի համար նախատեսված տեղեկատվություն և ինդեքս:

Վերլուծության և զարգացման մետատվյալները պետք է համակցվեն մեկ ինտեգրված պարունակող մետատվյալների մեջ՝ ճիշտ գործելու համար:

Ցավոք, գոյություն ունեցող գործիքներից շատերն ունեն իրենց սեփական մետատվյալները, և ներկայումս այդ ստանդարտները չկան

թույլ տալ տվյալների պահեստավորման գործիքներին ինտեգրել այս մետատվյալները: Այս իրավիճակը շտկելու համար տվյալների պահեստավորման առաջատար գործիքների շատ վաճառողներ ստեղծեցին Meta Data Խորհուրդը, որը հետագայում դարձավ Meta Data Coalition:

Այս կոալիցիայի նպատակն է ստեղծել ստանդարտ մետատվյալների հավաքածու, որը թույլ է տալիս տվյալների պահեստավորման տարբեր գործիքներ փոխարկել մետատվյալները:
Նրանց ջանքերի արդյունքում ծնվեց Meta Data Exchange Specification (MDIS), որը թույլ կտա տեղեկատվության փոխանակում Microsoft-ի արխիվների և հարակից MDIS ֆայլերի միջև:

-ի գոյությունը տվյալներ և՛ ամփոփված/ինդեքսավորված, և՛ մանրամասն, այն օգտվողին հնարավորություն է տալիս կատարել DRILL DROWN (հորատում) տվյալներ ինդեքսավորվում է մանրամասններին և հակառակը: -ի գոյությունը տվյալներ մանրամասն պատմությունը թույլ է տալիս ժամանակի ընթացքում ստեղծել միտումների վերլուծություններ: Բացի այդ, վերլուծության մետատվյալները կարող են օգտագործվել որպես դել գրացուցակ բազա որ տվյալների պահեստ օգնել վերջնական օգտագործողներին գտնել i տվյալներ անհրաժեշտ է

Համեմատած OLTP համակարգերի հետ՝ դրանց վերլուծությունն աջակցելու ունակությամբ տվյալներ և հաշվետվություն, ի տվյալների պահեստ այն դիտվում է որպես ավելի համապատասխան համակարգ տեղեկատվական գործընթացների համար, ինչպիսիք են հարցումների պատրաստումը և պատասխանը և հաշվետվությունների պատրաստումը: Հաջորդ բաժինը մանրամասնորեն կընդգծի երկու համակարգերի տարբերությունները:

ՏՎՅԱԼՆԵՐԻ ՊԱՀԵՍՏ OLTP ՀԱՄԱԿԱՐԳԵՐԻ ԴԵՄ

Կազմակերպությունների ներսում տեղեկատվական համակարգերից շատերը նախատեսված են ամենօրյա գործողություններին աջակցելու համար: Այս համակարգերը, որոնք հայտնի են որպես OLTP SYSTEMS, ֆիքսում են ամենօրյա գործարքները, որոնք անընդհատ թարմացվում են:

I տվյալներ Այս համակարգերում դրանք հաճախ փոփոխվում, ավելացվում կամ ջնջվում են: Օրինակ, հաճախորդի հասցեն փոխվում է, երբ նա տեղից տեղ է շարժվում: Այս դեպքում նոր հասցեն կգրանցվի՝ փոփոխելով հասցեի դաշտը բազա. Այս համակարգերի հիմնական նպատակն է նվազեցնել գործարքի ծախսերը և միևնույն ժամանակ կրճատել մշակման ժամանակը: OLTP համակարգերի օրինակները ներառում են այնպիսի կարևոր գործողություններ, ինչպիսիք են պատվերի գրանցումը, աշխատավարձի գրանցումը, հաշիվ-ապրանքագրերը, արտադրությունը, հաճախորդների սպասարկումը: հաճախորդները.

Ի տարբերություն OLTP համակարգերի, որոնք ստեղծվել են գործարքների և իրադարձությունների վրա հիմնված գործընթացների համար, i տվյալների պահեստ ստեղծվել են վերլուծության վրա հիմնված գործընթացի աջակցություն տրամադրելու համար տվյալներ և որոշումների կայացման գործընթացների վերաբերյալ։

Սա սովորաբար ձեռք է բերվում i տվյալներ տարբեր OLTP և արտաքին համակարգերից մեկ «կոնտեյներով»: տվյալներ, ինչպես քննարկվել է նախորդ բաժնում։

Monash տվյալների պահեստավորման գործընթացի մոդել

Գործընթացի մոդելը տվյալների պահեստ Monash-ը մշակվել է Monash DSS Research Group-ի հետազոտողների կողմից և հիմնված է գրականության վրա տվյալների պահեստ, փորձ զարգացման աջակցության համակարգերի ոլորտներում, քննարկումներ հավելվածների վաճառողների հետ՝ օգտագործման համար տվյալների պահեստ, օգտագործման փորձագետների խմբի վրա տվյալների պահեստ.

Փուլերն են՝ մեկնարկ, պլանավորում, մշակում, գործառնություն և բացատրություն: Դիագրամը բացատրում է ա-ի մշակման կրկնվող կամ էվոլյուցիոն բնույթը տվյալների պահեստ գործընթացը՝ օգտագործելով տարբեր փուլերի միջև տեղադրված երկկողմանի սլաքներ: Այս համատեքստում «կրկնվող» և «էվոլյուցիոն» նշանակում է, որ գործընթացի յուրաքանչյուր քայլում իրականացման գործողությունները միշտ կարող են հետընթաց տարածվել դեպի նախորդ փուլ: Դա պայմանավորված է նախագծի բնույթով տվյալների պահեստ որի դեպքում վերջնական օգտագործողի կողմից լրացուցիչ հարցումներ են կատարվում ցանկացած պահի: Օրինակ՝ գործընթացի զարգացման փուլում տվյալների պահեստԵթե ​​վերջնական օգտագործողի կողմից պահանջվում է նոր առարկայի չափ կամ տարածք, որը սկզբնական պլանի մաս չէր, այն պետք է ավելացվի համակարգին: Սա նախագծում փոփոխություն է առաջացնում: Արդյունքն այն է, որ նախագծային թիմը պետք է փոխի մինչ այժմ ստեղծված փաստաթղթերի պահանջները նախագծման փուլում: Շատ դեպքերում, ծրագրի ներկա վիճակը պետք է վերադառնա նախագծման փուլ, որտեղ նոր պահանջը պետք է ավելացվի և փաստաթղթավորվի: Վերջնական օգտագործողը պետք է կարողանա տեսնել վերանայված հատուկ փաստաթղթերը և փոփոխությունները, որոնք կատարվել են զարգացման փուլում: Այս զարգացման ցիկլի վերջում նախագիծը պետք է լավ արձագանք ստանա ինչպես մշակողների, այնպես էլ օգտագործողների թիմերից: Հետադարձ կապն այնուհետև նորից օգտագործվում է ապագա նախագիծը բարելավելու համար:

Կարողությունների պլանավորում
dw-ն հակված է շատ մեծ չափերի և շատ արագ աճելու (Best 1995, Rudin 1997a) շնորհիվ քանակի տվյալներ պատմական, որը նրանք պահպանում են իրենց տեւողությունից։ Աճը կարող է պայմանավորված լինել նաև տվյալներ օգտատերերի կողմից պահանջվող հավելումներ՝ արժեքը բարձրացնելու համար տվյալներ որ նրանք արդեն ունեն։ Հետևաբար, պահպանման պահանջները տվյալներ կարող է զգալիորեն ընդլայնվել (Eckerson 1997): Այսպիսով, անհրաժեշտ է ապահովել, որ կարողությունների պլանավորում իրականացնելով, կառուցվելիք համակարգը կարող է աճել, քանի որ կարիքները մեծանում են (Best 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a):
Տվյալների պահեստի մասշտաբայնությունը պլանավորելիս պետք է իմանալ պահեստի չափի ակնկալվող աճը, հնարավոր հարցերի տեսակները և աջակցվող վերջնական օգտագործողների թիվը (Best 1995, Rudin 1997b, Foley 1997a): Սանդղելի հավելվածներ ստեղծելու համար պահանջվում է մասշտաբային սերվերի տեխնոլոգիաների և ընդլայնելի հավելվածների նախագծման տեխնիկայի համադրություն (Best 1995, Rudin 1997b: Երկուսն էլ անհրաժեշտ են մեծ մասշտաբավոր հավելված ստեղծելու համար: Սանդղելի սերվերի տեխնոլոգիաները կարող են հեշտ և ծախսարդյունավետ դարձնել պահեստ, հիշողություն և պրոցեսոր ավելացնելը առանց ստորացուցիչ կատարում (Lang 1997, Telephony 1997):

Գոյություն ունեն երկու հիմնական մասշտաբավոր սերվերային տեխնոլոգիաներ՝ սիմետրիկ բազմակի մշակում (SMP) և զանգվածաբար զուգահեռ մշակում (MPP)) (IDC 1997, Humphries et al. 1999): SMP սերվերը սովորաբար ունի բազմաթիվ պրոցեսորներ, որոնք կիսում են հիշողությունը, համակարգի ավտոբուսները և այլ ռեսուրսներ (IDC 1997, Humphries et al. 1999): Այն խթանելու համար կարող են ավելացվել լրացուցիչ պրոցեսորներ իշխանություն հաշվողական. Մեկ այլ մեթոդ բարձրացնելու իշխանություն SMP սերվերի հաշվարկը ներառում է բազմաթիվ SMP մեքենաներ: Այս տեխնիկան հայտնի է որպես կլաստերավորում (Humphries et al. 1999): MPP սերվերը, մյուս կողմից, ունի բազմաթիվ պրոցեսորներ, որոնցից յուրաքանչյուրն ունի իր հիշողությունը, ավտոբուսային համակարգն ու այլ ռեսուրսներ (IDC 1997, Humphries et al. 1999): Յուրաքանչյուր պրոցեսոր կոչվում է հանգույց: -ի աճը իշխանություն հաշվողական կարելի է ձեռք բերել

լրացուցիչ հանգույցներ ավելացնելով MPP սերվերներին (Humphries et al. 1999):

SMP սերվերների թույլ կողմն այն է, որ չափից շատ մուտքային-ելքային (I/O) գործողությունները կարող են ծանրաբեռնել ավտոբուսային համակարգը (IDC 1997): Այս խնդիրը չի առաջանում MPP սերվերների ներսում, քանի որ յուրաքանչյուր պրոցեսոր ունի իր ավտոբուսային համակարգը: Այնուամենայնիվ, յուրաքանչյուր հանգույցի միջև փոխկապակցվածությունը սովորաբար շատ ավելի դանդաղ է, քան SMP ավտոբուսային համակարգը: Ավելին, MPP սերվերները կարող են հավելյալ բարդության շերտ ավելացնել հավելվածների մշակողներին (IDC 1997): Այսպիսով, SMP և MPP սերվերների միջև ընտրության վրա կարող են ազդել բազմաթիվ գործոններ, ներառյալ հավելվածների բարդությունը, գնի/գործողության հարաբերակցությունը, պահանջվող թողունակությունը, կանխված dw հավելվածները և չափի մեծացումը: բազա dw-ի և վերջնական օգտագործողների քանակի մեջ:

Կարողությունների պլանավորման մեջ կարող են օգտագործվել մի շարք մասշտաբային հավելվածների նախագծման տեխնիկա: Մեկն օգտագործում է տարբեր հաշվետու ժամանակաշրջաններ, ինչպիսիք են օրերը, շաբաթները, ամիսները և տարիները: Ունենալով ծանուցման տարբեր ժամանակահատվածներ՝ բազա կարելի է բաժանել կառավարելիորեն խմբավորված մասերի (Inmon et al. 1997): Մեկ այլ տեխնիկա է օգտագործել ամփոփ աղյուսակներ, որոնք կառուցված են ամփոփման միջոցով տվյալներ da տվյալներ մանրամասն. Այսպիսով, Ի տվյալներ ռեֆերատներն ավելի կոմպակտ են, քան մանրամասն, ինչը պահանջում է ավելի քիչ հիշողության տարածք: Այսպիսով, տվյալներ մանրամասները կարող են արխիվացվել ավելի էժան պահեստավորման միավորում, որն էլ ավելի շատ պահեստ է խնայում: Թեև ամփոփ աղյուսակների օգտագործումը կարող է խնայել պահեստային տարածքը, դրանք մեծ ջանքեր են պահանջում՝ դրանք ընթացիկ և բիզնեսի կարիքներին համապատասխան պահելու համար: Այնուամենայնիվ, այս տեխնիկան լայնորեն օգտագործվում է և հաճախ օգտագործվում է նախորդ տեխնիկայի հետ համատեղ (Best 1995, Inmon 1996a, Chauduri and Dayal):
1997).

Սահմանելը Տվյալների պահեստ Տեխնիկական ճարտարապետություններ Dw ճարտարապետության տեխնիկայի սահմանում

Տվյալների պահեստավորման վաղ ընդունողները հիմնականում նախատեսում էին տվյալների պահեստի կենտրոնացված իրականացում, որտեղ բոլորը տվյալներ, այդ թվում՝ i տվյալներ արտաքին, ինտեգրվել են մեկ,
ֆիզիկական պահեստ (Inmon 1996a, Bresnahan 1996, Peacock 1998):

Այս մոտեցման հիմնական առավելությունն այն է, որ վերջնական օգտագործողները կարող են մուտք գործել ձեռնարկության ողջ տեսարան տվյալներ կազմակերպական (Ovum 1998): Մեկ այլ գումարած այն է, որ այն առաջարկում է ստանդարտացում տվյալներ ամբողջ կազմակերպությունում, ինչը նշանակում է, որ կա միայն մեկ տարբերակ կամ սահմանում յուրաքանչյուր տերմինաբանության համար, որն օգտագործվում է պահեստի մետատվյալներում (Flanagan and Safdie 1997, Ovum 1998): Մյուս կողմից, այս մոտեցման թերությունն այն է, որ այն թանկ է և դժվար է կառուցել (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998): Պահպանման ճարտարապետությունից շատ չանցած տվյալներ կենտրոնացված դարձավ հանրաճանաչ, աստվածների ամենափոքր ենթաբազմությունների հանքարդյունաբերության հայեցակարգը զարգացավ տվյալներ հատուկ հավելվածների կարիքներին աջակցելու համար (Varney 1996, IDC 1997, Berson and Smith 1997, Peacock 1998): Այս փոքր համակարգերը բխում են ավելի մեծից տվյալների պահեստ կենտրոնացված. Նրանք կոչվում են տվյալների պահեստ աշխատողների գերատեսչական կամ աշխատողների տվյալների մարթեր: Կախված տվյալների mart ճարտարապետությունը հայտնի է որպես եռաստիճան ճարտարապետություն, որտեղ առաջին մակարդակը բաղկացած է տվյալների պահեստ կենտրոնացված, երկրորդը բաղկացած է ավանդներից տվյալներ գերատեսչական և երրորդը բաղկացած է մուտքից տվյալներ և վերլուծության գործիքներով (Demarest 1994, Inmon et al. 1997):

Տվյալների մարթերը սովորաբար կառուցվում են դրանից հետո տվյալների պահեստ կենտրոնացված կառուցվել է հատուկ ստորաբաժանումների կարիքները բավարարելու համար (White 1995, Varney 1996):
Data marts խանութ i տվյալներ որոշակի միավորներին համապատասխան (Inmon et al. 1997, Inmon et al. 1998, IA 1998):

Այս մեթոդի առավելությունն այն է, որ չի լինի դետո ինտեգրված չէ, և որ i տվյալներ ավելի քիչ ավելորդ կլինի տվյալների շուկաներում, քանի որ բոլորը տվյալներ գալիս են ավանդից տվյալներ ինտեգրված. Մյուս առավելությունն այն է, որ ավելի քիչ կապեր կլինեն յուրաքանչյուր տվյալների շուկայի և դրա աղբյուրների միջև տվյալներ քանի որ յուրաքանչյուր տվյալների մարթ ունի միայն մեկ աղբյուր տվյալներ. Բացի այդ, այս ճարտարապետության առկայության դեպքում վերջնական օգտվողները դեռ կարող են մուտք գործել տվյալներ

կորպորատիվ կազմակերպություններ. Այս մեթոդը հայտնի է որպես վերևից ներքև մեթոդ, որտեղ տվյալների մարթերը կառուցվում են հետո տվյալների պահեստ (սիրամարգ 1998, Գոֆ 1998)։
Արդյունքների վաղաժամ ցուցադրման անհրաժեշտությունը մեծացնելով, որոշ կազմակերպություններ սկսել են կառուցել տվյալների անկախ մարկեր (Flanagan and Safdie 1997, White 2000): Այս դեպքում տվյալների մարթերը ստանում են իրենցը տվյալներ ուղիղ հիմունքներից տվյալներ OLTP և ոչ OLTP կենտրոնացված և ինտեգրված պահոցից՝ այդպիսով վերացնելով տեղում կենտրոնական պահոցի անհրաժեշտությունը:

Յուրաքանչյուր տվյալների մարթ պահանջում է առնվազն մեկ հղում դեպի իր աղբյուրները տվյալներ. Յուրաքանչյուր տվյալների շուկայի մի քանի հղումներ ունենալու մեկ թերությունն այն է, որ նախորդ երկու ճարտարապետության համեմատ՝ գերառատությունը. տվյալներ զգալիորեն ավելանում է.

Յուրաքանչյուր տվյալների մարթ պետք է պահպանի բոլորը տվյալներ պահանջվում է տեղական մակարդակում, որպեսզի ազդեցություն չունենա OLTP համակարգերի վրա: Սա առաջացնում է i տվյալներ դրանք պահվում են տարբեր տվյալների մարկերում (Inmon et al. 1997): Այս ճարտարապետության մեկ այլ թերությունն այն է, որ այն հանգեցնում է տվյալների մարթերի և դրանց տվյալների աղբյուրների միջև բարդ փոխկապակցման ստեղծմանը: տվյալներ որոնք դժվար է իրականացնել և վերահսկել (Inmon et al. 1997):

Մեկ այլ թերություն այն է, որ վերջնական օգտվողները կարող են չկարողանալ մուտք գործել ընկերության տեղեկատվության ընդհանուր պատկերացում, քանի որ i տվյալներ Տարբեր տվյալների գծերը ինտեգրված չեն (Ovum 1998):
Եվս մեկ թերություն այն է, որ տվյալների շուկաներում օգտագործվող յուրաքանչյուր տերմինաբանության համար կարող են լինել մեկից ավելի սահմանումներ, որոնք առաջացնում են տվյալների անհամապատասխանություններ: տվյալներ կազմակերպությունում (Ovum 1998):
Չնայած վերը քննարկված թերություններին, ինքնուրույն տվյալների շուկաները դեռ գրավում են բազմաթիվ կազմակերպությունների հետաքրքրությունը (IDC 1997): Նրանց գրավիչ դարձնող գործոններից մեկն այն է, որ նրանք ավելի արագ են զարգանում և պահանջում են ավելի քիչ ժամանակ և ռեսուրսներ (Bresnahan 1996, Berson and Smith 1997, Ovum 1998): Հետևաբար, դրանք հիմնականում ծառայում են որպես թեստային նմուշներ, որոնք կարող են օգտագործվել դիզայնի առավելություններն ու/կամ թերությունները արագ բացահայտելու համար (Parsaye 1995, Braly 1995, Newing 1996): Այս դեպքում փորձնական նախագծում իրականացվելիք մասը պետք է լինի փոքր, բայց կարևոր կազմակերպության համար (Newing 1996, Mansell-Lewis 1996):

Նախատիպը ուսումնասիրելով՝ վերջնական օգտագործողները և ղեկավարությունը կարող են որոշել՝ շարունակել, թե դադարեցնել նախագիծը (Flanagan and Safdie 1997):
Եթե ​​որոշումը շարունակվելու է, ապա այլ ճյուղերի համար տվյալների մարկերը պետք է ստեղծվեն մեկ առ մեկ: Գոյություն ունեն երկու տարբերակ վերջնական օգտագործողների համար՝ ելնելով նրանց կարիքներից անկախ տվյալների մատրեր կառուցելիս՝ ինտեգրված/ֆեդերացված և չինտեգրված (Ovum 1998)

Առաջին մեթոդի դեպքում յուրաքանչյուր նոր տվյալների շուկա պետք է կառուցվի ընթացիկ տվյալների մարթերի և մոդելի հիման վրա տվյալներ օգտագործվում է ընկերության կողմից (Varney 1996, Berson and Smith 1997, Peacock 1998): Մոդելի օգտագործման անհրաժեշտությունը տվյալներ ձեռնարկության մասին նշանակում է, որ պետք է ապահովել, որ յուրաքանչյուր տերմինաբանության համար կա միայն մեկ սահմանում, որն օգտագործվում է տվյալների շուկաներում, ինչպես նաև ապահովելու, որ տվյալների տարբեր մարթեր կարող են միավորվել՝ ձեռնարկության տեղեկատվության ընդհանուր պատկերացում տալու համար (Bresnahan 1996): Այս մեթոդը կոչվում է ներքևից վեր մեթոդ և լավագույնս օգտագործվում է, երբ կա ֆինանսական միջոցների և ժամանակի սահմանափակում (Flanagan and Safdie 1997, Ovum 1998, Peacock 1998, Goff 1998): Երկրորդ մեթոդով կառուցված տվյալների մարթերը կարող են բավարարել միայն կոնկրետ միավորի կարիքները: Դաշնային տվյալների շուկայի տարբերակն է տվյալների պահեստ բաշխված, որում բազա հանգույց սերվերի միջնակարգ ծրագիրն օգտագործվում է տվյալների բազմաթիվ մարթերի միաձուլման համար մեկ պահեստում տվյալներ տարածված (White 1995): Այս դեպքում, i տվյալներ բիզնեսը բաշխված է տվյալների մի քանի շուկաներում: Վերջնական օգտվողի հարցումները փոխանցվում են բազա հանգույց սերվերի միջին ծրագիր, որը քաղում է բոլորը տվյալներ պահանջվել է տվյալների մարթերի կողմից և արդյունքները վերադարձնել վերջնական օգտագործողի հավելվածներին: Այս մեթոդը վերջնական օգտագործողներին տրամադրում է բիզնես տեղեկատվություն: Այնուամենայնիվ, անկախ տվյալների մարտերի խնդիրները դեռ վերացված չեն։ Կա մեկ այլ ճարտարապետություն, որը կարող է օգտագործվել, որը կոչվում է տվյալների պահեստ վիրտուալ (White 1995): Այնուամենայնիվ, այս ճարտարապետությունը, որը պատկերված է Նկար 2.9-ում, տվյալների պահպանման ճարտարապետություն չէ տվյալներ իրական, քանի որ այն չի տեղափոխում բեռը OLTP համակարգերից դեպի տվյալների պահեստ (Demarest 1994):

Փաստորեն, խնդրանքներ տվյալներ վերջնական օգտագործողների կողմից դրանք փոխանցվում են OLTP համակարգերին, որոնք արդյունքներ են տալիս օգտվողների հարցումները մշակելուց հետո: Թեև այս ճարտարապետությունը թույլ է տալիս վերջնական օգտագործողներին ստեղծել հաշվետվություններ և հարցումներ կատարել, այն չի կարող ապահովել i

տվյալներ ընկերության տեղեկատվության պատմությունը և ակնարկը i տվյալներ քանի որ տարբեր OLTP համակարգերը ինտեգրված չեն: Հետևաբար, այս ճարտարապետությունը չի կարող բավարարել վերլուծությունը տվյալներ ինչպիսիք են կանխատեսումները:

Մուտքի և տվյալների վերականգնման հավելվածների ընտրություն տվյալներ

Կառուցման նպատակը ա տվյալների պահեստ վերջնական օգտագործողներին տեղեկատվություն փոխանցելն է (Inmon et al. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998); մուտքի և վերականգնման մեկ կամ մի քանի հավելված տվյալներ պետք է տրամադրվի. Մինչ օրս գոյություն ունի նման հավելվածների լայն տեսականի, որոնցից օգտվողը կարող է ընտրել (Hammergren 1998, Humphries et al. 1999): Ընտրված հավելվածները որոշում են պահեստավորման ջանքերի հաջողությունը տվյալներ կազմակերպությունում, որովհետև հավելվածներն ամենատեսանելի մասն են տվյալների պահեստ վերջնական օգտագործողին (Inmon et al. 1997, Poe 1996): Հաջողակ լինելու համար ա տվյալների պահեստ, պետք է կարողանա աջակցել տվյալների վերլուծության գործողություններին տվյալներ վերջնական օգտագործողի մասին (Poe 1996, Seddon and Benjamin 1998, Eckerson 1999): Այսպիսով, վերջնական օգտագործողի ուզածի «մակարդակը» պետք է նույնականացվի (Poe 1996, Mattison 1996, Inmon et al. 1997, Humphries et al. 1999):

Ընդհանուր առմամբ, վերջնական օգտագործողները կարող են խմբավորվել երեք կատեգորիաների՝ գործադիր օգտագործողներ, բիզնես վերլուծաբաններ և հզոր օգտագործողներ (Poe 1996, Humphries et al. 1999): Գործադիր օգտատերերին անհրաժեշտ է հեշտ մուտք գործել կանխորոշված ​​հաշվետվությունների հավաքածուներ (Humphries et al. 1999): Այս զեկույցներին կարելի է հեշտությամբ մուտք գործել մենյուի նավարկմամբ (Poe 1996): Բացի այդ, հաշվետվությունները պետք է ներկայացնեն տեղեկատվություն՝ օգտագործելով գրաֆիկական ներկայացում, ինչպիսիք են աղյուսակները և ձևանմուշները՝ տեղեկատվությունն արագ փոխանցելու համար (Humphries et al. 1999): Բիզնես վերլուծաբանները, ովքեր կարող են չունենալ տեխնիկական հնարավորություններ՝ ինքնուրույն հաշվետվություններ մշակելու համար, պետք է կարողանան փոփոխել ընթացիկ հաշվետվությունները՝ իրենց հատուկ կարիքները բավարարելու համար (Poe 1996, Humphries et al. 1999): Մյուս կողմից, հզոր օգտագործողները վերջնական օգտագործողների այն տեսակն են, որն ունի զրոյից հարցումներ և հաշվետվություններ ստեղծելու և գրելու կարողություն (Poe 1996, Humphries et al. 1999): Նրանք են, ովքեր

նրանք հարաբերություններ են կառուցում այլ տեսակի օգտատերերի համար (Poe 1996, Humphries et al. 1999):

Երբ վերջնական օգտագործողի պահանջները որոշվեն, պետք է կատարվի մուտքի և վերականգնման հավելվածների ընտրություն տվյալներ բոլոր առկաներից (Poe 1996, Inmon et al. 1997):
Մուտք դեպի տվյալներ և որոնման գործիքները կարելի է դասակարգել 4 տեսակի՝ OLAP գործիք, EIS/DSS գործիք, հարցումների և հաշվետվության գործիք և տվյալների արդյունահանման գործիք:

OLAP գործիքները թույլ են տալիս օգտվողներին ստեղծել ժամանակավոր հարցումներ, ինչպես նաև դրանց վրա արված հարցումներ բազա որ տվյալների պահեստ. Բացի այդ, այս արտադրանքը թույլ է տալիս օգտվողներին փորել ներքեւ տվյալներ ընդհանուրից մանրամասն.

EIS/DSS գործիքներն ապահովում են գործադիր հաշվետվություններ, ինչպիսիք են «ինչ կլիներ, եթե» վերլուծությունը և մուտքը մենյուից կախված հաշվետվություններ: Հաշվետվությունները պետք է նախապես սահմանված լինեն և միաձուլվեն ընտրացանկերի հետ՝ ավելի հեշտ նավարկելու համար:
Հարցման և հաշվետվության գործիքները թույլ են տալիս օգտվողներին պատրաստել նախապես սահմանված և հատուկ հաշվետվություններ:

Տվյալների արդյունահանման գործիքներն օգտագործվում են բացահայտելու հարաբերությունները, որոնք կարող են նոր լույս սփռել մոռացված գործողությունների վրա տվյալներ տվյալների պահեստից։

Յուրաքանչյուր տեսակի օգտատերերի պահանջների օպտիմալացմանը զուգահեռ՝ ընտրված գործիքները պետք է լինեն ինտուիտիվ, արդյունավետ և հեշտ օգտագործման համար: Նրանք նաև պետք է համատեղելի լինեն ճարտարապետության այլ մասերի հետ և կարողանան աշխատել գոյություն ունեցող համակարգերի հետ: Առաջարկվում է նաև ընտրել տվյալների հասանելիության և որոնման գործիքներ՝ ողջամիտ գնով և արդյունավետությամբ: Մյուս չափանիշները, որոնք պետք է հաշվի առնել, ներառում են գործիքի վաճառողի պարտավորությունը աջակցելու իրենց արտադրանքին և այն զարգացումներին, որոնք այն կունենա ապագա թողարկումներում: Տվյալների պահեստից օգտվողների ներգրավվածությունն ապահովելու համար մշակող թիմը օգտատերերին ներգրավում է գործիքների ընտրության գործընթացում: Այս դեպքում պետք է իրականացվի օգտագործողի գործնական գնահատում։

Տվյալների պահեստի արժեքը բարձրացնելու համար մշակող թիմը կարող է նաև ապահովել վեբ մուտք դեպի իրենց տվյալների պահեստներ: Վեբ միացված տվյալների պահեստը թույլ է տալիս օգտվողներին մուտք գործել տվյալներ հեռավոր վայրերից կամ ճանապարհորդելիս: Նաև տեղեկատվությունը կարող է

տրամադրվել ավելի ցածր գնով՝ վերապատրաստման ծախսերի նվազման միջոցով:

2.4.3 Տվյալների պահեստ Գործողության փուլ

Այս փուլը բաղկացած է երեք գործողություններից՝ տվյալների թարմացման ռազմավարությունների սահմանում, տվյալների պահեստի գործունեության վերահսկում և տվյալների պահեստի անվտանգության կառավարում:

Տվյալների թարմացման ռազմավարությունների սահմանում

Նախնական բեռնումից հետո, i տվյալներ մեջ բազա տվյալների պահեստը պետք է պարբերաբար թարմացվի՝ դրա վրա կատարված փոփոխությունները վերարտադրելու համար տվյալներ բնօրինակները։ Այսպիսով, դուք պետք է որոշեք, թե երբ թարմացնեք, որքան հաճախ պետք է պլանավորվի թարմացումը և ինչպես թարմացնել տվյալներ. Առաջարկվում է թարմացնել տվյալներ երբ համակարգը կարող է անջատվել: Թարմացման արագությունը որոշվում է մշակողների թիմի կողմից՝ ելնելով օգտագործողի պահանջներից: Տվյալների պահեստը թարմացնելու երկու մոտեցում կա՝ ամբողջական թարմացում և փոփոխությունների շարունակական վերբեռնում:

Առաջին մոտեցումը՝ ամբողջական թարմացում, պահանջում է վերաբեռնել բոլորը տվյալներ զրոյից. Սա նշանակում է, որ բոլոր տվյալներ պահանջվողը պետք է արդյունահանվի, մաքրվի, փոխակերպվի և ինտեգրվի յուրաքանչյուր թարմացման մեջ: Հնարավորության դեպքում պետք է խուսափել այս մոտեցումից, քանի որ դա ժամանակատար և ռեսուրսներ է խլում:

Այլընտրանքային մոտեցում է անընդհատ վերբեռնել փոփոխությունները: Սա ավելացնում է i տվյալներ որոնք փոխվել են տվյալների պահեստի թարմացման վերջին փուլից հետո: Նոր կամ փոփոխված գրառումների հայտնաբերումը զգալիորեն նվազեցնում է դրանց քանակը տվյալներ որը պետք է տարածվի տվյալների պահեստ յուրաքանչյուր թարմացման ժամանակ, քանի որ միայն դրանք տվյալներ կավելացվի բազա տվյալների պահեստից։

Գոյություն ունեն առնվազն 5 մոտեցում, որոնք կարող են օգտագործվել i տվյալներ նոր կամ փոփոխված: Տեսանյութի թարմացման արդյունավետ ռազմավարության հասնելու համար տվյալներ Այս մոտեցումների խառնուրդը, որը ներառում է համակարգի բոլոր փոփոխությունները, կարող է օգտակար լինել:

Առաջին մոտեցումը, որն օգտագործում է ժամանակի դրոշմակնիքներ, ենթադրում է, որ բոլորը նշանակված են տվյալներ խմբագրել և թարմացրել է ժամանակի կնիքը, որպեսզի կարողանաք հեշտությամբ նույնականացնել բոլորին տվյալներ փոփոխված և նոր։ Այնուամենայնիվ, այս մոտեցումն այսօր լայնորեն չի կիրառվել օպերացիոն համակարգերի մեծ մասում:
Երկրորդ մոտեցումը հավելվածի կողմից ստեղծված դելտա ֆայլի օգտագործումն է, որը պարունակում է միայն դրանում կատարված փոփոխությունները տվյալներ. Այս ֆայլի օգտագործումը նաև ուժեղացնում է թարմացման ցիկլը: Այնուամենայնիվ, նույնիսկ այս մեթոդը չի օգտագործվել բազմաթիվ ծրագրերում:
Երրորդ մոտեցումը մատյան ֆայլի սկանավորումն է, որը հիմնականում պարունակում է դելտա ֆայլի նման տեղեկատվություն: Միակ տարբերությունն այն է, որ գրանցամատյանի ֆայլը ստեղծվում է վերականգնման գործընթացի համար և դժվար է հասկանալ:
Չորրորդ մոտեցումը դիմումի կոդը փոփոխելն է: Այնուամենայնիվ, հավելվածի կոդերի մեծ մասը հին է և փխրուն. ուստի այս տեխնիկան պետք է խուսափել:
Վերջին մոտեցումը համեմատելն է i տվյալներ աղբյուրները հիմնական ֆայլով dei տվյալներ.

Տվյալների պահեստի գործունեության մոնիտորինգ

Հենց որ տվյալների պահեստը թողարկվի օգտատերերին, այն պետք է ժամանակի ընթացքում վերահսկվի: Այս դեպքում տվյալների պահեստի ադմինիստրատորը կարող է օգտագործել մեկ կամ մի քանի կառավարման և վերահսկման գործիքներ՝ տվյալների պահեստի օգտագործումը վերահսկելու համար: Մասնավորապես, տեղեկություններ կարելի է հավաքել մարդկանց և տվյալների պահեստ մուտք գործելու ժամանակի մասին: Դե արի տվյալներ հավաքված, կարող է ստեղծվել կատարված աշխատանքի պրոֆիլը, որը կարող է օգտագործվել որպես մուտքագրում օգտագործողի կողմից հետվճարման իրականացման մեջ: Chargeback-ը թույլ է տալիս օգտվողներին տեղեկացված լինել տվյալների պահեստի մշակման արժեքի մասին:

Բացի այդ, տվյալների պահեստի աուդիտը կարող է օգտագործվել նաև հարցումների տեսակների, դրանց չափի, օրական հարցումների քանակի, հարցման արձագանքման ժամանակների, հասած հատվածների և քանակի բացահայտման համար: տվյալներ մշակված. Տվյալների պահեստի աուդիտի մեկ այլ նպատակը նույնականացնելն է տվյալներ որոնք չեն օգտագործվում. Սրանք տվյալներ դրանք կարող են հեռացվել տվյալների պահեստից՝ ժամանակը բարելավելու համար

հարցումների կատարման պատասխանի և վերահսկելու աճը տվյալներ որոնք բնակվում են ներսում տվյալների բազան տվյալների պահեստից։

Տվյալների պահեստի անվտանգության կառավարում

Տվյալների պահեստը պարունակում է տվյալներ ինտեգրված, քննադատական, զգայուն, որին կարելի է հեշտությամբ հասնել: Այդ իսկ պատճառով այն պետք է պաշտպանված լինի չարտոնված օգտվողներից: Անվտանգության իրականացման եղանակներից մեկը del ֆունկցիան օգտագործելն է ԱՀԿ-ն տարբեր տեսակի օգտատերերի տարբեր արտոնություններ տրամադրելու համար: Այս կերպ մուտքի պրոֆիլը պետք է պահպանվի յուրաքանչյուր տեսակի օգտագործողի համար: Տվյալների պահեստը ապահովելու մեկ այլ միջոց է այն գաղտնագրելն է, ինչպես գրված է փաստաթղթում տվյալների բազան տվյալների պահեստից։ Մուտք դեպի տվյալներ և որոնման գործիքները պետք է վերծանեն այն տվյալներ արդյունքները օգտատերերին ներկայացնելուց առաջ:

2.4.4 Տվյալների պահեստ Տեղակայման փուլ

Դա տվյալների պահեստի իրականացման ցիկլի վերջին փուլն է: Այս փուլում իրականացվելիք գործողությունները ներառում են օգտագործողների ուսուցում տվյալների պահեստից օգտվելու և տվյալների պահեստի վերանայումների իրականացում:

Օգտագործողների ուսուցում

Օգտագործողների ուսուցումը պետք է իրականացվի նախքան մուտք գործելը տվյալներ տվյալների պահեստի և որոնման գործիքների օգտագործումը: Ընդհանուր առմամբ, նիստերը պետք է սկսվեն պահեստավորման հայեցակարգի ներդրմամբ տվյալներ, տվյալների պահեստի բովանդակությունը, մետա տվյալներ և գործիքների հիմնական հատկանիշները: Այնուհետև ավելի առաջադեմ օգտվողները կարող են նաև ուսումնասիրել տվյալների հասանելիության և որոնման գործիքների օգտագործողների ֆիզիկական աղյուսակներն ու առանձնահատկությունները:

Օգտատերերի ուսուցում կատարելու բազմաթիվ մոտեցումներ կան: Դրանցից մեկը ներառում է բազմաթիվ օգտատերերի կամ վերլուծաբանների ընտրություն, որոնք ընտրվել են օգտատերերի մի շարքից՝ հիմնված նրանց առաջնորդության և հաղորդակցման հմտությունների վրա: Սրանք անձամբ վերապատրաստված են այն ամենի վերաբերյալ, ինչ անհրաժեշտ է իմանալ համակարգի հետ ծանոթանալու համար: Վերապատրաստումից հետո նրանք վերադառնում են իրենց աշխատանքին և սկսում սովորեցնել մյուս օգտատերերին, թե ինչպես օգտագործել համակարգը: Վրա

Իրենց սովորածի հիման վրա այլ օգտվողներ կարող են սկսել ուսումնասիրել տվյալների պահեստը:
Մեկ այլ մոտեցում է միաժամանակ մարզել բազմաթիվ օգտատերերի, կարծես պարապում եք դասարանում: Այս մեթոդը հարմար է, երբ կան բազմաթիվ օգտատերեր, որոնք պետք է միաժամանակ վերապատրաստվեն: Մեկ այլ մեթոդ յուրաքանչյուր օգտատերերին առանձին-առանձին վարժեցնելն է: Այս մեթոդը հարմար է, երբ քիչ օգտվողներ կան:

Օգտատերերի վերապատրաստման նպատակն է ծանոթանալ մուտքին տվյալներ և որոնման գործիքներ, ինչպես նաև տվյալների պահեստի բովանդակություն: Այնուամենայնիվ, որոշ օգտատերեր կարող են ծանրաբեռնված լինել թրեյնինգի ընթացքում տրամադրվող տեղեկատվության քանակով: Այնուհետև անհրաժեշտ է կատարել մի շարք թարմացման դասընթացներ՝ շարունակական աջակցության և կոնկրետ հարցերին պատասխանելու համար: Որոշ դեպքերում ստեղծվում է օգտատերերի խումբ՝ այս տեսակի աջակցություն տրամադրելու համար:

Հավաքեք արձագանքներ

Տվյալների պահեստը գործարկվելուց հետո օգտվողները կարող են օգտագործել i տվյալներ տարբեր նպատակներով տվյալների պահեստում բնակվելը. Հիմնականում վերլուծաբանները կամ օգտատերերն օգտագործում են i տվյալներ տվյալների պահեստում՝

1. 1 Բացահայտեք ընկերության միտումները
2. 2 Վերլուծեք գնման պրոֆիլները հաճախորդները
3. 3 Բաժանել i հաճախորդները Էդ ես
4. 4 Տրամադրել լավագույն ծառայությունները հաճախորդները - հարմարեցնել ծառայությունները
5. 5 Ձևակերպել ռազմավարություններ Մարքեթինգ
6. 6 Կատարեք մրցակցային գնանշումներ ծախսերի վերլուծության համար և օգնեք վերահսկել
7. 7 Աջակցել ռազմավարական որոշումների կայացմանը
8. 8 Բացահայտեք ի հայտ գալու հնարավորությունները
9. 9 Բարելավել ընթացիկ բիզնես գործընթացների որակը
10. 10 Ստուգեք շահույթը

Հետևելով տվյալների պահեստի զարգացման ուղղությանը, կարող են իրականացվել համակարգի մի շարք վերանայումներ՝ հետադարձ կապ ստանալու համար

ինչպես մշակողների թիմի, այնպես էլ վերջնական օգտագործողների համայնքի կողմից:
Ստացված արդյունքները կարելի է հաշվի առնել հաջորդ զարգացման ցիկլի համար։

Քանի որ տվյալների պահեստն ունի աճող մոտեցում, անհրաժեշտ է դասեր քաղել նախորդ զարգացումների հաջողություններից և սխալներից:

2.5 Ամփոփում

Այս գլխում քննարկվել են գրականության մեջ առկա մոտեցումները: Բաժին 1-ում քննարկվեց տվյալների պահեստի հայեցակարգը և դրա դերը որոշումների գիտության մեջ: Բաժին 2-ում նկարագրված են տվյալների պահեստների և OLTP համակարգերի հիմնական տարբերությունները: Բաժին 3-ը քննարկում էր Monash տվյալների պահեստի մոդելը, որն օգտագործվում էր 4-րդ բաժնում՝ նկարագրելու համար տվյալների պահեստի ստեղծման գործընթացում ներգրավված գործողությունները, այս պնդումները հիմնված չէին խիստ հետազոտության վրա: Այն, ինչ տեղի է ունենում իրականում, կարող է շատ տարբեր լինել գրականությունից, սակայն այս արդյունքները կարող են օգտագործվել հիմնական ուղեբեռ ստեղծելու համար, որն ընդգծում է այս հետազոտության համար տվյալների պահեստի հայեցակարգը:

Գլուխ 3

Հետազոտության և նախագծման մեթոդներ

Այս գլուխը վերաբերում է այս հետազոտության հետազոտության և նախագծման մեթոդներին: Առաջին մասը ցույց է տալիս ընդհանուր տեսակետը հետազոտության մեթոդների վերաբերյալ, որոնք հասանելի են տեղեկատվության որոնման համար, ավելին, քննարկվում են որոշակի ուսումնասիրության համար լավագույն մեթոդի ընտրության չափանիշները: Բաժին 2-ում այնուհետև քննարկվում են վերը նշված չափանիշներով ընտրված երկու մեթոդներ. դրանցից մեկը կընտրվի և կընդունվի 3-րդ բաժնում նշված պատճառներով, որտեղ նշված են նաև մյուս չափանիշի բացառման պատճառները: Բաժին 4-ը ներկայացնում է հետազոտական ​​նախագիծը, իսկ 5-րդ բաժնում՝ եզրակացությունները:

3.1 Հետազոտություններ տեղեկատվական համակարգերում

Տեղեկատվական համակարգերի հետազոտությունը չի սահմանափակվում պարզապես տեխնոլոգիական տիրույթով, այլ նաև պետք է ընդլայնվի՝ ներառելով վարքագծային և կազմակերպչական նպատակները:
Մենք դա պարտական ​​ենք տարբեր առարկաների թեզերին՝ սկսած հասարակական գիտություններից մինչև բնական. Սա հանգեցնում է տեղեկատվական համակարգերի համար քանակական և որակական մեթոդների կիրառման հետազոտական ​​մեթոդների որոշակի սպեկտրի անհրաժեշտության:
Բոլոր առկա հետազոտական ​​մեթոդները կարևոր են, իրականում մի քանի հետազոտողներ, ինչպիսիք են Ջենկինսը (1985), Նունամեյքեր և այլք: (1991թ.) և Գալիերսը (1992թ.) պնդում են, որ տեղեկատվական համակարգերի տարբեր ոլորտներում հետազոտություններ իրականացնելու հատուկ ունիվերսալ մեթոդ չկա. Իրականում մեթոդը կարող է հարմար լինել որոշակի հետազոտության, բայց ոչ մյուսների համար: Սա մեզ հանգեցնում է այնպիսի մեթոդի ընտրության անհրաժեշտությանը, որը հարմար է մեր կոնկրետ հետազոտական ​​նախագծին. այս ընտրության համար Benbasat et al. (1987) նշում են, որ պետք է հաշվի առնել հետազոտության բնույթը և նպատակը:

3.1.1 Հետազոտության բնույթը

Բնության վրա հիմնված հետազոտության տարբեր մեթոդները կարելի է դասակարգել տեղեկատվական գիտության երեք լայնորեն հայտնի ավանդույթների՝ պոզիտիվիստական, մեկնաբանական և քննադատական ​​հետազոտությունների:

3.1.1.1 Պոզիտիվիստական ​​հետազոտություն

Պոզիտիվիստական ​​հետազոտությունը հայտնի է նաև որպես գիտական ​​կամ էմպիրիկ ուսումնասիրություն: Այն ձգտում է․

Պոզիտիվիստական ​​հետազոտությանը բնորոշ է նաև կրկնելիությունը, պարզեցումները և հերքումները։ Ավելին, պոզիտիվիստական ​​հետազոտությունը ընդունում է ուսումնասիրված երևույթների միջև ապրիորի հարաբերությունների առկայությունը:
Ըստ Galliers (1992) տաքսոնոմիան հետազոտական ​​մեթոդ է, որը ներառված է պոզիտիվիստական ​​պարադիգմում, որը, սակայն, չի սահմանափակվում այսքանով, իրականում կան լաբորատոր փորձեր, դաշտային փորձեր, դեպքերի ուսումնասիրություններ, թեորեմների ցուցադրում, կանխատեսումներ և սիմուլյացիաներ: Օգտագործելով այս մեթոդները՝ հետազոտողները խոստովանում են, որ ուսումնասիրված երևույթները կարելի է դիտարկել օբյեկտիվ և խստորեն։

3.1.1.2 Մեկնողական հետազոտություն

Մեկնաբանական հետազոտությունը, որը հաճախ կոչվում է ֆենոմենոլոգիա կամ հակապոզիտիվիզմ, Նեյմանը (1994) նկարագրում է որպես «գործողության սոցիալական իմաստի համակարգված վերլուծություն բնական իրավիճակներում մարդկանց անմիջական և մանրակրկիտ դիտարկման միջոցով, որպեսզի հասնենք հասկացողության և մեկնաբանությունը, թե ինչպես են մարդիկ ստեղծում և պահպանում իրենց սոցիալական աշխարհը»: Մեկնաբանական ուսումնասիրությունները մերժում են այն ենթադրությունը, որ դիտարկվող երեւույթները կարելի է օբյեկտիվորեն դիտարկել։ Իրականում դրանք հիմնված են սուբյեկտիվ մեկնաբանությունների վրա։ Ավելին, մեկնաբանական հետազոտողները իրենց ուսումնասիրած երևույթներին a priori իմաստներ չեն դնում:

Այս մեթոդը ներառում է սուբյեկտիվ/փաստարկային ուսումնասիրություններ, գործողությունների հետազոտություն, նկարագրական/մեկնաբանական ուսումնասիրություններ, ապագա հետազոտություններ և դերախաղ: Ի հավելումն այս հարցումների և դեպքերի ուսումնասիրություններին կարող են ներառվել այս մոտեցման մեջ, քանի որ դրանք վերաբերում են իրական աշխարհի բարդ իրավիճակներում գտնվող անհատների կամ կազմակերպությունների ուսումնասիրություններին:

3.1.1.3 Քննադատական ​​հետազոտություն

Քննադատական ​​որոնումը սոցիալական գիտությունների ամենաքիչ հայտնի մոտեցումն է, սակայն վերջերս արժանացել է տեղեկատվական համակարգերի ասպարեզում հետազոտողների ուշադրությանը: Փիլիսոփայական ենթադրություն, որ սոցիալական իրականությունը պատմականորեն արտադրվում և վերարտադրվում է մարդկանց կողմից, ինչպես նաև սոցիալական համակարգերն իրենց գործողություններով և փոխազդեցություններով: Նրանց կարողությունը, սակայն, պայմանավորված է մի շարք սոցիալական, մշակութային և քաղաքական նկատառումներով:

Ինչպես մեկնաբանական հետազոտությունը, քննադատական ​​հետազոտությունը պնդում է, որ պոզիտիվիստական ​​հետազոտությունը ոչ մի կապ չունի սոցիալական համատեքստի հետ և անտեսում է դրա ազդեցությունը մարդու գործողությունների վրա:
Քննադատական ​​հետազոտությունը, մյուս կողմից, քննադատում է մեկնաբանական հետազոտությունը չափազանց սուբյեկտիվ լինելու և մարդկանց օգնելու համար իրենց կյանքը բարելավելու համար: Քննադատական ​​հետազոտության և մյուս երկու մոտեցումների միջև ամենամեծ տարբերությունը դրա գնահատողական հարթությունն է: Մինչ պոզիտիվիստական ​​և մեկնաբանական ավանդույթների օբյեկտիվությունը ստատուս քվոն կամ սոցիալական իրականությունը կանխատեսելն է կամ բացատրելը, քննադատական ​​հետազոտությունը նպատակ ունի քննադատորեն գնահատել և վերափոխել ուսումնասիրվող սոցիալական իրականությունը:

Քննադատ հետազոտողները սովորաբար ընդդիմանում են ստատուս քվոյին՝ սոցիալական տարբերությունները վերացնելու և սոցիալական պայմանները բարելավելու նպատակով: Քննադատական ​​հետազոտությունը պարտավորություն ունի հետաքրքրող երևույթների գործընթացային տեսակետին և, հետևաբար, սովորաբար երկայնական է: Հետազոտության մեթոդների օրինակներ են երկարաժամկետ պատմագիտական ​​և ազգագրական ուսումնասիրությունները: Քննադատական ​​որոնումը, սակայն, լայնորեն չի կիրառվել տեղեկատվական համակարգերի հետազոտության մեջ

3.1.2 Հետազոտության նպատակը

Հետազոտության բնույթի հետ մեկտեղ, դրա նպատակը կարող է օգտագործվել հետազոտողին ուղղորդելու որոշակի հետազոտական ​​մեթոդի ընտրության հարցում: Հետազոտական ​​նախագծի շրջանակը սերտորեն կապված է հետազոտության դիրքի հետ՝ կապված հետազոտական ​​ցիկլի հետ, որը բաղկացած է երեք փուլից՝ տեսության կառուցում, տեսության փորձարկում և տեսության ճշգրտում: Այսպիսով, հետազոտական ​​ցիկլի հետ կապված թափի հիման վրա հետազոտական ​​նախագիծը կարող է ունենալ բացատրական, նկարագրական, հետախուզական կամ կանխատեսող նպատակ:

3.1.2.1 Հետախուզական հետազոտություն

Հետախուզական հետազոտությունը նպատակաուղղված է բոլորովին նոր թեմայի հետազոտմանը և ապագա հետազոտության համար հարցեր ու վարկածներ ձևակերպելուն: Այս տեսակի հետազոտությունն օգտագործվում է տեսության կառուցման մեջ՝ նոր տարածքում նախնական հղումներ ստանալու համար: Սովորաբար օգտագործվում են որակական հետազոտության մեթոդներ, ինչպիսիք են դեպքերի ուսումնասիրությունները կամ ֆենոմենոլոգիական ուսումնասիրությունները:

Այնուամենայնիվ, հնարավոր է նաև օգտագործել քանակական մեթոդներ, ինչպիսիք են հետախուզական հետազոտությունները կամ փորձերը:

3.1.3.3 Նկարագրական որոնում

Նկարագրական հետազոտությունը նախատեսված է վերլուծելու և մանրամասն նկարագրելու որոշակի իրավիճակ կամ կազմակերպչական պրակտիկա: Սա հարմար է տեսություններ կառուցելու համար և կարող է օգտագործվել նաև վարկածները հաստատելու կամ վիճարկելու համար: Նկարագրական հետազոտությունը սովորաբար ներառում է չափումների և նմուշների օգտագործումը: Հետազոտության համապատասխան մեթոդները ներառում են հարցումներ և ֆոնային վերլուծություններ:

3.1.2.3 Բացատրական հետազոտություն

Բացատրական հետազոտությունը փորձում է բացատրել, թե ինչու են դեպքերը տեղի ունենում: Այն հիմնվում է արդեն ուսումնասիրված փաստերի վրա և փորձում է գտնել այդ փաստերի պատճառները:
Այսպիսով, բացատրական հետազոտությունը սովորաբար կառուցվում է հետախուզական կամ նկարագրական հետազոտության վրա և օժանդակ է տեսությունների փորձարկման և ճշգրտման համար: Բացատրական հետազոտությունը սովորաբար օգտագործում է դեպքերի ուսումնասիրություններ կամ հետազոտության վրա հիմնված մեթոդներ:

3.1.2.4 Կանխարգելիչ հետազոտություն

Կանխարգելիչ հետազոտությունը նպատակ ունի կանխատեսել դիտարկվող իրադարձություններն ու վարքագիծը, որոնք ուսումնասիրվում են (Marshall and Rossman 1995): Կանխատեսումը ճշմարտության ստանդարտ գիտական ​​թեստն է: Այս տեսակի հետազոտությունները հիմնականում օգտագործում են հարցումներ կամ տվյալների վերլուծություն տվյալներ պատմաբաններ։ (Յին 1989)

Վերոնշյալ քննարկումը ցույց է տալիս, որ կան մի շարք հնարավոր հետազոտական ​​մեթոդներ, որոնք կարող են օգտագործվել որոշակի ուսումնասիրության մեջ: Այնուամենայնիվ, պետք է լինի կոնկրետ մեթոդ, որն ավելի հարմար է, քան մյուսները որոշակի տեսակի հետազոտական ​​նախագծի համար: (Galliers 1987, Yin 1989, De Vaus 1991): Հետևաբար, յուրաքանչյուր հետազոտող պետք է ուշադիր գնահատի տարբեր մեթոդների ուժեղ և թույլ կողմերը, որպեսզի որդեգրի հետազոտական ​​ծրագրին համապատասխանող ամենահարմար հետազոտական ​​մեթոդը: (Jenkins 1985, Pervan and Klass 1992, Bonomia 1985, Yin 1989, Himilton and Ives 1992)։

3.2. Հնարավոր որոնման մեթոդներ

Այս նախագծի նպատակն էր ուսումնասիրել ավստրալական կազմակերպությունների փորձը i տվյալներ պահպանվում է զարգացմամբ տվյալների պահեստ. Dato որ ներկայումս Ավստրալիայում տվյալների պահեստավորման ոլորտում հետազոտությունների պակաս կա, այս հետազոտական ​​նախագիծը դեռ հետազոտական ​​ցիկլի տեսական փուլում է և ունի հետախուզական նպատակ: Ավստրալական կազմակերպություններում տվյալների պահեստավորումն ընդունող փորձի ուսումնասիրությունը պահանջում է իրական հասարակության մեկնաբանում: Հետևաբար, հետազոտական ​​նախագծի հիմքում ընկած փիլիսոփայական ենթադրությունը հետևում է ավանդական մեկնաբանությանը:

Առկա մեթոդների խիստ ուսումնասիրությունից հետո հայտնաբերվել են հետազոտության երկու հնարավոր մեթոդներ՝ հարցումներ և դեպքերի ուսումնասիրություններ, որոնք կարող են օգտագործվել հետախուզական հետազոտության համար (Shanks et al. 1993): Գալիերսը (1992) պնդում է այս երկու մեթոդների համապատասխանությունը այս կոնկրետ ուսումնասիրության համար իր վերանայված տաքսոնոմիայում՝ ասելով, որ դրանք հարմար են տեսական կառուցման համար: Հետևյալ երկու ենթաբաժինները մանրամասնորեն քննարկում են յուրաքանչյուր մեթոդ:

3.2.1 Հարցումների հետազոտության մեթոդ

Հարցումների հետազոտության մեթոդը բխում է հնագույն մարդահամարի մեթոդից: Մարդահամարը մի ամբողջ բնակչությունից տեղեկատվություն հավաքելու մասին է: Այս մեթոդը թանկ է և անիրագործելի, հատկապես, եթե բնակչությունը մեծ է: Այսպիսով, համեմատած մարդահամարի հետ, հարցումը սովորաբար կենտրոնացած է բնակչության փոքր թվով կամ ընտրանքի համար տեղեկություններ հավաքելու վրա (Fowler 1988, Neuman 1994): Նմուշը արտացոլում է այն պոպուլյացիան, որտեղից այն կազմված է, տարբեր աստիճանի ճշգրտությամբ՝ կախված ընտրանքի կառուցվածքից, չափից և ընտրության մեթոդից (Fowler 1988, Babbie 1982, Neuman 1994):

Հարցման մեթոդը սահմանվում է որպես «ժամանակի որոշակի պահի պրակտիկայի, իրավիճակների կամ տեսակետների ակնթարթային պատկերներ, որոնք իրականացվել են հարցաթերթիկների կամ հարցազրույցների միջոցով, որոնցից կարող են եզրակացություններ լինել.
արված» (Galliers 1992:153) [պրակտիկաների, իրավիճակների կամ տեսակետների նկարահանում ժամանակի որոշակի կետում՝ արված հարցաթերթիկների կամ հարցազրույցների միջոցով, որոնցից կարելի է եզրակացություններ անել]: Հարցումները վերաբերում են մի շարք մասնակիցներից ուսումնասիրության որոշակի ասպեկտների մասին տեղեկություններ հավաքելուն՝ հարցեր տալու միջոցով (Fowler 1988): Այս հարցաթերթիկները և հարցազրույցները, որոնք ներառում են դեմ առ դեմ հեռախոսային հարցազրույցներ և կառուցվածքային հարցազրույցներ, նույնպես հավաքագրման տեխնիկա են: տվյալներ օգտագործված հարցումներում (Blalock 1970, Nachmias and Nachmias 1976, Fowler 1988), կարող են օգտագործվել դիտարկումներ և վերլուծություններ (Gable 1994): Աստվածներին հավաքելու այս բոլոր մեթոդներից տվյալներ, հարցաթերթի օգտագործումը ամենատարածված տեխնիկան է, քանի որ այն ապահովում է, որ i տվյալներ

հավաքագրված են կառուցվածքային և ձևաչափված, և այդպիսով հեշտացնում են տեղեկատվության դասակարգումը (Hwang 1987, de Vaus 1991):

Վերլուծելով Ի տվյալներ, հետազոտության ռազմավարությունը հաճախ օգտագործում է քանակական տեխնիկա, ինչպիսին է վիճակագրական վերլուծությունը, բայց որակական տեխնիկան կարող է օգտագործվել նաև (Galliers 1992, Pervan

and Klass 1992, Gable 1994): Սովորաբար, i տվյալներ հավաքագրվածները օգտագործվում են վերլուծելու բաշխումները և ասոցիացիաների օրինաչափությունները (Fowler 1988):

Չնայած հարցումները, ընդհանուր առմամբ, տեղին են «ի՞նչ» հարցի հետ կապված որոնումների համար: (ինչ) կամ դրանից բխող, օրինակ՝ «quanto» (որքան) և «quant» (քանի) դրանք կարող են տրվել «ինչու» հարցի միջոցով (Sonquist and Dunkelberg 1977, Yin 1989): Ըստ Sonquist-ի և Dunkelberg-ի (1977), հետազոտական ​​հետազոտությունը ուղղված է կոշտ վարկածների, գնահատման ծրագրերի, բնակչության նկարագրության և մարդկային վարքի մոդելների մշակմանը: Ավելին, հարցումները կարող են օգտագործվել որոշակի բնակչության կարծիքը, պայմանները, համոզմունքները, բնութագրերը, ակնկալիքները և նույնիսկ անցյալ կամ ներկա վարքագիծը ուսումնասիրելու համար (Neuman 1994):

Հարցումները թույլ են տալիս հետազոտողին բացահայտել բնակչության փոխհարաբերությունները, և արդյունքները սովորաբար ավելի ընդհանուր են, քան մյուս մեթոդները (Sonquist and Dunkelberg 1977, Gable 1994): Հարցումները թույլ են տալիս հետազոտողներին ընդգրկել ավելի լայն աշխարհագրական տարածք և հասնել մեծ թվով հարցվողների (Blalock 1970, Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994, Neuman 1994): Վերջապես, հարցումները կարող են տրամադրել տեղեկատվություն, որը հասանելի չէ այլ տեղ կամ վերլուծության համար պահանջվող ձևով (Fowler 1988):

Այնուամենայնիվ, կան որոշ սահմանափակումներ հարցում անցկացնելու համար: Թերությունն այն է, որ հետազոտողը չի կարող շատ տեղեկություններ ստանալ ուսումնասիրված օբյեկտի մասին: Դա պայմանավորված է նրանով, որ հարցումները կատարվում են միայն որոշակի ժամանակ, և, հետևաբար, կան սահմանափակ թվով փոփոխականներ և մարդիկ, որոնք հետազոտողը կարող է.

ուսումնասիրություն (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998): Մեկ այլ թերություն այն է, որ հարցում անցկացնելը կարող է շատ ծախսատար լինել ժամանակի և ռեսուրսների առումով, հատկապես, եթե այն ներառում է դեմ առ դեմ հարցազրույցներ (Fowler 1988):

3.2.2. Հարցման հետազոտության մեթոդ

Հետազոտական ​​հետազոտության մեթոդը ներառում է որոշակի իրավիճակի խորը ուսումնասիրություն իր իրական համատեքստում որոշակի ժամանակահատվածում, առանց հետազոտողի որևէ միջամտության (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985): Հիմնականում այս մեթոդը օգտագործվում է որոշակի իրավիճակում ուսումնասիրվող փոփոխականների միջև փոխհարաբերությունները նկարագրելու համար (Galliers 1992): Հետաքննությունները կարող են ներառել մեկ կամ մի քանի դեպքեր՝ կախված վերլուծված երևույթից (Franz and Robey 1987, Eisenhardt 1989, Yin 1989):

Հետազոտական ​​հետազոտության մեթոդը սահմանվում է որպես «էմպիրիկ հետազոտություն, որն ուսումնասիրում է ժամանակակից երևույթը իր իրական համատեքստում, օգտագործելով բազմաթիվ աղբյուրներ, որոնք վերցված են մեկ կամ մի քանի միավորներից, ինչպիսիք են մարդիկ, խմբերը կամ կազմակերպությունները» (Yin 1989): Չկա հստակ տարանջատում երևույթի և դրա համատեքստի միջև և չկա փոփոխականների վերահսկում կամ փորձարարական մանիպուլյացիա (Yin 1989, Benbasat et al. 1987):

Աստվածներին հավաքելու տարբեր տեխնիկա կա տվյալներ որոնք կարող են կիրառվել հարցման մեթոդում, որը ներառում է ուղղակի դիտարկումներ, արխիվային գրառումների վերանայում, հարցաթերթիկներ, փաստաթղթերի վերանայում և կառուցվածքային հարցազրույցներ: Բերքահավաքի տարբեր մեթոդների առկայություն տվյալներ, հարցումները թույլ են տալիս հետազոտողներին զբաղվել երկուսն էլ տվյալներ որակական և քանակական միևնույն ժամանակ (Bonoma 1985, Eisenhardt 1989, Yin 1989, Gable 1994): Ինչպես և հարցման մեթոդի դեպքում, հարցման հետազոտողը ծառայում է որպես դիտորդ կամ հետազոտող, այլ ոչ թե որպես ուսումնասիրվող կազմակերպության ակտիվ մասնակից:

Բենբասատը և այլոք (1987) պնդում են, որ հետազոտության մեթոդը հատկապես հարմար է հետազոտության տեսության կառուցմանը, որը սկսվում է հետազոտական ​​հարցից և շարունակվում է վերապատրաստմամբ:

տեսության հավաքագրման գործընթացում տվյալներ. Հարմար է նաև բեմի համար

Տեսության կառուցման վերաբերյալ Ֆրանցը և Ռոբին (1987) առաջարկում են, որ հետազոտության մեթոդը կարող է օգտագործվել նաև բարդ տեսության փուլի համար: Այս դեպքում հավաքագրված ապացույցների հիման վրա տվյալ տեսությունը կամ վարկածը ստուգվում կամ հերքվում է։ Բացի այդ, հարցումը հարմար է նաև «ինչպես» կամ «ինչու» հարցերով զբաղվող հետազոտության համար (Yin 1989):

Համեմատած այլ մեթոդների հետ՝ հարցումները թույլ են տալիս հետազոտողին առավել մանրամասնորեն հավաքել էական տեղեկատվությունը (Galliers 1992, Shanks et al. 1993): Ավելին, հետազոտությունները թույլ են տալիս հետազոտողին հասկանալ ուսումնասիրված գործընթացների բնույթն ու բարդությունը (Benbasat et al. 1987):

Հարցման մեթոդի հետ կապված չորս հիմնական թերություններ կան. Առաջինը վերահսկվող նվազեցումների բացակայությունն է: Հետազոտողի սուբյեկտիվությունը կարող է փոխել հետազոտության արդյունքներն ու եզրակացությունները (Յին 1989 թ.): Երկրորդ թերությունը վերահսկվող դիտարկման բացակայությունն է։ Ի տարբերություն փորձարարական մեթոդների, հետազոտողը չի կարող վերահսկել ուսումնասիրված երևույթները, քանի որ դրանք ուսումնասիրվում են իրենց բնական համատեքստում (Gable 1994): Երրորդ թերությունը վերարտադրելիության բացակայությունն է: Դա պայմանավորված է նրանով, որ հետազոտողը դժվար թե դիտարկի նույն իրադարձությունները և չի կարող ստուգել որոշակի հետազոտության արդյունքները (Lee 1989): Վերջապես, որպես անկրկնելիության հետևանք, դժվար է ընդհանրացնել մեկ կամ մի քանի հարցումներից ստացված արդյունքները (Galliers 1992, Shanks et al. 1993): Այս բոլոր խնդիրները, սակայն, անհաղթահարելի չեն և կարող են, ըստ էության, նվազագույնի հասցնել հետազոտողը` կիրառելով համապատասխան գործողություններ (Lee 1989):

3.3. Հիմնավորեք հետազոտության մեթոդաբանությունը ընդունված

Այս հետազոտության երկու հնարավոր հետազոտական ​​մեթոդներից հետազոտության մեթոդը համարվում է ամենահարմարը: Քննչականը մերժվել է՝ կապված մանրազնին ուսումնասիրելով

արժանիքներ և թույլ կողմեր. Այս ուսումնասիրության համար յուրաքանչյուր մեթոդի հարմարությունը կամ անհամապատասխանությունը քննարկվում է ստորև:

3.3.1. Անհամապատասխան հետազոտության մեթոդ հարցման

Հարցման մեթոդը պահանջում է որոշակի իրավիճակի խորը ուսումնասիրություն մեկ կամ մի քանի կազմակերպություններում որոշակի ժամանակահատվածում (Eisenhardt 1989): Այս դեպքում ժամկետը կարող է գերազանցել այս ուսումնասիրության համար նախատեսված ժամկետը: Հարցման մեթոդը չընդունելու մեկ այլ պատճառ էլ այն է, որ արդյունքները կարող են տուժել խստության պակասից (Yin 1989): Հետազոտողի սուբյեկտիվությունը կարող է ազդել արդյունքների և եզրակացությունների վրա: Մեկ այլ պատճառ էլ այն է, որ այս մեթոդն ավելի հարմար է «ինչպես» կամ «ինչու» տիպի հետազոտական ​​հարցերի համար (Yin 1989), մինչդեռ այս հետազոտության հետազոտական ​​հարցը «ինչ» տիպն է: Վերջին, բայց ոչ պակաս կարևորը, դժվար է ընդհանրացնել ընդամենը մեկ կամ մի քանի հարցումների արդյունքները (Galliers 1992, Shanks et al. 1993): Այս հիմնավորման հիման վրա հարցման հետազոտության մեթոդը չի ընտրվել, քանի որ այն ոչ պիտանի է այս հետազոտության համար:

3.3.2. Որոնման մեթոդի հարմարավետությունը հետաքննություն

Երբ այս հետազոտությունն իրականացվեց, տվյալների պահեստավորման պրակտիկան լայնորեն չէր ընդունվել ավստրալական կազմակերպությունների կողմից: Հետևաբար, ավստրալական կազմակերպություններում դրանց իրականացման վերաբերյալ շատ տեղեկատվություն չկար: Առկա տեղեկատվությունը ստացվել է կազմակերպություններից, որոնք իրականացրել կամ օգտագործել են ա տվյալների պահեստ. Այս դեպքում հետազոտության հետազոտության մեթոդը ամենահարմարն է, քանի որ այն թույլ է տալիս ստանալ տեղեկատվություն, որը հասանելի չէ այլուր կամ վերլուծության համար պահանջվող ձևով (Fowler 1988): Բացի այդ, հետազոտական ​​հետազոտության մեթոդը թույլ է տալիս հետազոտողին լավ պատկերացում կազմել պրակտիկայի, իրավիճակների կամ տեսակետների վերաբերյալ տվյալ պահին (Galliers 1992, Denscombe 1998): Ավստրալիայի տվյալների պահեստավորման փորձի մասին իրազեկվածությունը բարձրացնելու համար ակնարկ է պահանջվել:

Ավելին, Sonquist-ը և Dunkelberg (1977) նշում են, որ հետազոտության հետազոտության արդյունքներն ավելի ընդհանուր են, քան մյուս մեթոդները:

3.4. Հարցումների հետազոտական ​​ձևավորում

Տվյալների պահեստավորման պրակտիկայի հետազոտությունն անցկացվել է 1999 թվականին: Թիրախային բնակչությունը բաղկացած էր ավստրալական կազմակերպություններից, որոնք հետաքրքրված էին տվյալների պահեստավորման ուսումնասիրություններով, քանի որ նրանք հավանաբար արդեն տեղյակ էին տվյալներ որոնք նրանք պահպանում են և, հետևաբար, կարող են օգտակար տեղեկատվություն տրամադրել այս ուսումնասիրության համար: Թիրախային բնակչությունը որոշվել է «Տվյալների պահեստավորման ինստիտուտի» (Tdwi-aap) բոլոր ավստրալացի անդամների նախնական հարցման արդյունքում: Այս բաժինը քննարկում է այս հետազոտության էմպիրիկ հետազոտության փուլի նախագծումը:

3.4.1. Տվյալների հավաքագրման տեխնիկա տվյալներ

Հարցումների հետազոտության մեջ սովորաբար օգտագործվող երեք մեթոդներից (այսինքն՝ փոստով հարցաշար, հեռախոսային հարցազրույց և անձնական հարցազրույց) (Nachmias 1976, Fowler 1988, de Vaus 1991), փոստի հարցաշարն ընդունվել է այս հետազոտության համար: Վերջինիս ընդունման առաջին պատճառն այն է, որ այն կարող է հասնել աշխարհագրորեն ցրված բնակչությանը (Blalock 1970, Nachmias and Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994)։ Երկրորդ, փոստի հարցաշարը հարմար է բարձր կրթությամբ մասնակիցների համար (Fowler 1988): Այս հետազոտության փոստի հարցաթերթիկը հասցեագրված էր տվյալների պահեստավորման ծրագրի հովանավորներին, տնօրեններին և/կամ ծրագրի ղեկավարներին: Երրորդ, փոստային հարցաթերթիկները տեղին են, երբ հասանելի է հասցեների ապահով ցանկ (Salant and Dilman 1994): TDWI-ն, այս դեպքում, վստահելի տվյալների պահեստավորման ասոցիացիան տրամադրել է իր ավստրալիացի անդամների փոստային ցուցակը: Փոստի հարցաշարի մեկ այլ առավելություն հեռախոսային հարցաթերթիկների կամ անձնական հարցազրույցների նկատմամբ այն է, որ այն հնարավորություն է տալիս պատասխանողներին ավելի ճշգրիտ պատասխանել, հատկապես, երբ պատասխանողները պետք է ծանոթանան գրառումներին կամ քննարկեն հարցերը այլ մարդկանց հետ (Fowler 1988):

Հնարավոր թերությունը կարող է լինել այն ժամանակը, որը պահանջվում է փոստով հարցաթերթիկներ անցկացնելու համար: Սովորաբար, փոստով հարցաթերթիկը կատարվում է այս հաջորդականությամբ՝ նամակներ, սպասել պատասխանների և ուղարկել հաստատում (Fowler 1988, Bainbridge 1989): Այսպիսով, ընդհանուր ժամանակը կարող է ավելի երկար լինել, քան դեմ առ դեմ հարցազրույցների կամ հեռախոսային հարցազրույցների համար պահանջվող ժամանակը: Այնուամենայնիվ, ընդհանուր ժամանակը կարող է նախապես հայտնի լինել (Fowler 1988, Denscombe 1998): Անձնական հարցազրույցների անցկացման համար ծախսված ժամանակը չի կարող նախապես հայտնի լինել, քանի որ այն տատանվում է հարցազրույցից հարցազրույց (Fowler 1988): Հեռախոսային հարցազրույցները կարող են ավելի արագ լինել, քան փոստով հարցաթերթիկները և անձնական հարցազրույցները, բայց կարող են ունենալ անպատասխան բարձր տոկոս՝ որոշ մարդկանց անհասանելիության պատճառով (Fowler 1988): Բացի այդ, հեռախոսային հարցազրույցները հիմնականում սահմանափակվում են հարցերի համեմատաբար կարճ ցուցակներով (Bainbridge 1989):

Փոստով ուղարկված հարցաթերթի մեկ այլ թույլ կողմը չպատասխանելու բարձր մակարդակն է (Fowler 1988, Bainbridge 1989, Neuman 1994): Այնուամենայնիվ, հակաքայլեր են ձեռնարկվել՝ այս ուսումնասիրությունը կապելով վստահելի տվյալների պահեստավորման հաստատության հետ (այսինքն՝ TDWI) (Bainbridge 1989, Neuman 1994), որը երկու հիշեցման նամակ է տալիս չպատասխանողներին (Fowler 1988, Neuman 1994) և ներառում է նաև լրացուցիչ նամակ՝ բացատրելով. ուսումնասիրության նպատակը (Neuman 1994):

3.4.2. Վերլուծության միավոր

Այս ուսումնասիրության նպատակն է տեղեկատվություն ստանալ Ավստրալիայի կազմակերպություններում տվյալների պահպանման և դրա օգտագործման վերաբերյալ: Թիրախային բնակչությունը բոլոր ավստրալական կազմակերպություններն են, որոնք իրականացրել կամ իրականացնում են, i տվյալների պահեստ. Այնուհետև գրանցվում են առանձին կազմակերպությունները: Հարցաթերթիկը փոստով ուղարկվել է այն կազմակերպություններին, որոնք հետաքրքրված են ընդունելու հարցում տվյալների պահեստ. Այս մեթոդը ապահովում է, որ հավաքագրված տեղեկատվությունը ստացվի յուրաքանչյուր մասնակից կազմակերպության ամենահարմար ռեսուրսներից:

3.4.3. Հարցման նմուշ

Հարցման մասնակիցների փոստային ցուցակը ստացվել է TDWI-ից: Այս ցանկից 3000 ավստրալական կազմակերպություններ ընտրվել են որպես նմուշառման հիմք։ Նմուշին ուղարկվել է լրացուցիչ նամակ, որը բացատրում է նախագիծը և հարցման նպատակը, պատասխան ձևի և լրացված հարցաթերթիկը վերադարձնելու համար կանխավճարային ծրարի հետ միասին: 3000 կազմակերպություններից 198-ը համաձայնել են մասնակցել հետազոտությանը: Այսքան քիչ արձագանքներ էին սպասվում դետո Ավստրալիայի մեծ թվով կազմակերպություններ, որոնք այն ժամանակ ընդունել էին կամ ընդունում էին տվյալների պահեստավորման ռազմավարությունը իրենց կազմակերպություններում: Այսպիսով, այս հետազոտության թիրախային բնակչությունը բաղկացած է ընդամենը 198 կազմակերպություններից:

3.4.4. Հարցաթերթիկի բովանդակությունը

Հարցաթերթիկի ձևավորումը հիմնված էր Monash տվյալների պահեստավորման մոդելի վրա (ավելի վաղ քննարկվել է 2.3 մասում): Հարցաթերթիկի բովանդակությունը հիմնված է 2-րդ գլխում ներկայացված գրականության վերանայման վրա: Հարցաթերթիկի պատճենը, որն ուղարկվել է հարցման մասնակիցներին, կարելի է գտնել Հավելված Բ-ում: Հարցաթերթիկը կազմված է վեց բաժիններից, որոնք հետևում են լուսաբանված մոդելի քայլերին: Հետևյալ վեց պարբերությունները համառոտ ամփոփում են յուրաքանչյուր բաժնի բովանդակությունը:

Բաժին Ա. Հիմնական տեղեկություններ կազմակերպության մասին
Այս բաժինը պարունակում է հարցեր, որոնք վերաբերում են մասնակից կազմակերպությունների բնութագրին: Բացի այդ, որոշ հարցեր վերաբերում են մասնակցի տվյալների պահեստավորման նախագծի կարգավիճակին: Գաղտնի տեղեկատվությունը, ինչպիսին է կազմակերպության անունը, չի բացահայտվել հարցման վերլուծության մեջ:

Բաժին B. Սկիզբ
Այս բաժնի հարցերը վերաբերում են տվյալների պահեստավորմանը սկսելուն: Հարցեր տրվեցին ծրագրի նախաձեռնողների, հովանավորների, պահանջվող հմտությունների և գիտելիքների, տվյալների պահեստավորման զարգացման նպատակների և վերջնական օգտագործողների ակնկալիքների վերաբերյալ:

Բաժին Գ. Դիզայն
Այս բաժինը պարունակում է հարցեր՝ կապված կազմակերպության պլանավորման գործունեության հետ տվյալների պահեստ. Մասնավորապես, հարցերը վերաբերում էին իրականացման շրջանակին, ծրագրի տևողությանը, ծրագրի արժեքին և ծախս/օգուտ վերլուծությանը:

Բաժին Դ. Զարգացում
Զարգացման բաժնում կան հարցեր՝ կապված զարգացման գործունեության հետ տվյալների պահեստՎերջնական օգտագործողի պահանջների հավաքածու, աղբյուրներ տվյալներ, տրամաբանական մոդելը տվյալներ, նախատիպեր, հզորությունների պլանավորում, տեխնիկական ճարտարապետություններ և տվյալների պահեստավորման մշակման գործիքների ընտրություն։

Բաժին E. Գործողություն
Գործառնական հարցեր՝ կապված շահագործման և ընդարձակման հետ տվյալների պահեստ, քանի որ այն զարգանում է զարգացման հաջորդ փուլում։ Այնտեղ տվյալների որակը, թարմացման ռազմավարությունները տվյալներ, հատիկավորությունը տվյալներ, մասշտաբայնությունը տվյալների պահեստ և անվտանգության հարցեր տվյալների պահեստ տրված հարցերի տեսակներից էին:

Բաժին Զ. Զարգացում
Այս բաժինը պարունակում է հարցեր՝ կապված օգտագործման հետ տվյալների պահեստ վերջնական օգտագործողների կողմից: Հետազոտողին հետաքրքրում էր դրա նպատակն ու օգտակարությունը տվյալների պահեստընդունված վերանայման և վերապատրաստման ռազմավարությունները և վերահսկողության ռազմավարությունը տվյալների պահեստ ընդունված.

3.4.5. Արձագանքման տոկոսադրույքը

Թեև փոստով հարցումները քննադատվում են պատասխանների ցածր մակարդակ ունենալու համար, քայլեր են ձեռնարկվել՝ բարձրացնելու եկամտաբերությունը (ինչպես վերը նշված է 3.4.1 բաժնում): «Արձագանքման տոկոսադրույք» տերմինը վերաբերում է հարցման որոշակի ընտրանքի այն մարդկանց տոկոսին, ովքեր պատասխանում են հարցաշարին (Denscombe 1998): Հետևյալ բանաձևը օգտագործվել է այս հետազոտության համար արձագանքման մակարդակը հաշվարկելու համար.

Պատասխանողների թիվը
Պատասխանների մակարդակ = ————————————————————————– X 100 Ուղարկված հարցաթերթիկների ընդհանուր թիվը

3.4.6. Փորձնական օդաչու

Նախքան հարցաշարը ընտրանքին ուղարկելը, հարցերը փորձարկվել են փորձնական փորձարկումների միջոցով, ինչպես առաջարկել են Լաք և Ռուբինը (1987), Ջեքսոնը (1988) և դե Վաուսը (1991): Փորձնական փորձարկումների նպատակն է բացահայտել ցանկացած անհարմար, երկիմաստ արտահայտություններ և դժվար մեկնաբանվող հարցեր, պարզաբանել օգտագործված սահմանումները և տերմինները և որոշել հարցաթերթիկը լրացնելու համար պահանջվող մոտավոր ժամանակը (Warwick and Lininger 1975, Jackson 1988, Salant): and Dilman 1994): Փորձնական փորձարկումներն իրականացվել են՝ ընտրելով առարկաներ, որոնք նման են վերջնական առարկաների բնութագրերին, ինչպես առաջարկել է Դևիսը: Cosenza (1993): Այս ուսումնասիրության ընթացքում տվյալների պահեստավորման վեց մասնագետներ ընտրվել են որպես փորձնական առարկաներ: Յուրաքանչյուր պիլոտային փորձարկումից հետո կատարվում էին անհրաժեշտ ուղղումներ։ Իրականացված փորձնական թեստերից մասնակիցները նպաստեցին հարցաշարի վերջնական տարբերակի վերափոխմանը և վերակայմանը:

3.4.7. Վերլուծության մեթոդներ dati

I տվյալներ Փակ հարցաթերթերից հավաքված հարցման տվյալները վերլուծվել են SPSS կոչվող վիճակագրական ծրագրային փաթեթի միջոցով: Պատասխաններից շատերը վերլուծվել են՝ օգտագործելով նկարագրական վիճակագրություն: Մի շարք հարցաթերթիկներ վերադարձվել են թերի: Սրանց ավելի ուշադիր են վերաբերվել՝ համոզվելու համար, որ i տվյալներ բացակայելը ոչ թե տվյալների մուտքագրման սխալների հետևանք է եղել, այլ այն պատճառով, որ հարցերը հարմար չեն գրանցողի համար, կամ գրանցողը որոշել է չպատասխանել մեկ կամ մի քանի կոնկրետ հարցերի: Այս բացակայող պատասխաններն անտեսվել են տվյալների վերլուծելիս տվյալներ և ծածկագրվել են որպես «-9»՝ ապահովելու նրանց բացառումը վերլուծության գործընթացից:

Հարցաթերթիկը պատրաստելիս փակ հարցերը նախապես կոդավորվել են՝ յուրաքանչյուր տարբերակի համար հատկացնելով: Այնուհետև համարն օգտագործվել է i տվյալներ վերլուծության ժամանակ (Denscombe 1998, Sapsford and Jupp 1996): Օրինակ, Բ բաժնի 1-ին հարցում թվարկված վեց տարբերակ կար՝ տնօրենների խորհուրդ, ավագ գործադիր, ՏՏ բաժին, բիզնես միավոր, խորհրդատուներ և այլն: -ի ֆայլում տվյալներ SPSS-ում փոփոխական է ստեղծվել «նախագծի նախաձեռնողի» համար՝ վեց արժեքային պիտակներով՝ «1»՝ «տախտակ», «2»՝ «ավագ ղեկավար» և այլն փողոցում: Լիկերտինի սանդղակի օգտագործումը որոշ փակ հարցերում նաև թույլ է տվել պարզ նույնականացում՝ օգտագործելով SPSS-ում մուտքագրված համապատասխան թվային արժեքները: Ոչ սպառիչ պատասխաններով, որոնք փոխադարձաբար բացառող չէին հարցերի համար, յուրաքանչյուր տարբերակ դիտարկվեց որպես մեկ փոփոխական՝ երկու արժեքով պիտակներով՝ «1» «ստուգված» և «2»՝ «չնշված»:

Բաց հարցերին այլ կերպ են վերաբերվել փակ հարցերին: Այս հարցերի պատասխանները SPSS-ում չեն մուտքագրվել: Փոխարենը դրանք վերլուծվել են ձեռքով։ Այս տեսակի հարցերի օգտագործումը թույլ է տալիս տեղեկատվություն ստանալ հարցվողների ազատ արտահայտված գաղափարների և անձնական փորձի մասին (Bainbridge 1989, Denscombe 1998): Հնարավորության դեպքում արվել է պատասխանների դասակարգում:

-ի վերլուծության համար տվյալներՕգտագործվում են պարզ վիճակագրական վերլուծության մեթոդներ, ինչպիսիք են պատասխանների հաճախականությունը, միջինը, ստանդարտ շեղումը և մեդիանը (Argyros 1996, Denscombe 1998):
Գամմա թեստը կատարողական էր միջև կապերի քանակական չափումները ստանալու համար տվյալներ կարգեր (Նորուսիս 1983, Արգիրուս 1996)։ Այս թեստերը տեղին էին, քանի որ օգտագործված հերթական սանդղակները շատ կատեգորիաներ չունեին և կարող էին ցուցադրվել աղյուսակում (Նորուսիս 1983):

3.5 Ամփոփում

Այս գլխում քննարկվել են այս հետազոտության համար ընդունված հետազոտության մեթոդաբանությունը և դիզայնը:

Որոշակի ուսումնասիրության համար առավել հարմար հետազոտական ​​մեթոդի ընտրությունը պահանջում է
հաշվի առնելով մի շարք կանոններ, ներառյալ հետազոտության բնույթն ու տեսակը, ինչպես նաև յուրաքանչյուր հնարավոր մեթոդի արժանիքներն ու թույլ կողմերը (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, yin 1989, Hamilton and ives 1992, Galliers 1992, neuman 1994): Հաշվի առնելով Ավստրալիայում տվյալների պահեստավորման ընդունման վերաբերյալ առկա գիտելիքների և տեսության բացակայությունը, այս հետազոտական ​​ուսումնասիրությունը պահանջում է մեկնաբանական հետազոտության մեթոդ՝ ավստրալական կազմակերպությունների փորձն ուսումնասիրելու հետախուզական ունակությամբ: Ընտրված հետազոտության մեթոդն ընտրվել է ավստրալիական կազմակերպությունների կողմից տվյալների պահեստավորման հայեցակարգի ընդունման վերաբերյալ տեղեկատվություն հավաքելու համար: Որպես հավաքագրման տեխնիկա ընտրվել է փոստային հարցաթերթիկ տվյալներ. Հետազոտության մեթոդի և հավաքագրման տեխնիկայի հիմնավորումները տվյալներ Ընտրությունները կտրամադրվեն այս գլխում: Այնուհետև քննարկվել է վերլուծության միավորը, օգտագործված ընտրանքը, պատասխանների տոկոսները, հարցաթերթի բովանդակությունը, հարցաթերթի նախնական թեստը և վերլուծության մեթոդը: տվյալներ.

Նախագծում ա Տվյալների պահեստ:

Սուբյեկտների հարաբերությունների և ծավալային մոդելավորման համատեղում

Աբստրակտ
Խանութ i տվյալներ շատ կազմակերպությունների համար հիմնական արդի խնդիր է: Պահեստավորման զարգացման առանցքային խնդիր տվյալներ դա նրա դիզայնն է:
Նկարը պետք է աջակցի հայեցակարգերի հայտնաբերմանը տվյալների պահեստ ժառանգական համակարգին և այլ աղբյուրներին տվյալներ ինչպես նաև հեշտ ըմբռնում և արդյունավետություն իրականացման գործում տվյալների պահեստ.
Պահեստային գրականության մեծ մասը տվյալներ խորհուրդ է տալիս օգտագործել սուբյեկտների հարաբերությունների մոդելավորում կամ ծավալային մոդելավորում՝ դիզայնը ներկայացնելու համար տվյալների պահեստ.
Այս փաստաթղթում մենք ցույց ենք տալիս, թե ինչպես կարող են համակցվել երկու ներկայացումները դիզայնի մոտեցման մեջ տվյալների պահեստ. Օգտագործված մոտեցումը համակարգված է

ուսումնասիրվել է դեպքի ուսումնասիրության մեջ և բացահայտվել է մի շարք կարևոր հետևանքներով մասնագետների հետ:

ՏՎՅԱԼՆԵՐԻ ՊԱՀԵՍՏՈՒՄ

Un տվյալների պահեստ այն սովորաբար սահմանվում է որպես «առարկայական կողմնորոշված, ինտեգրված, ժամանակային և անկայուն տվյալների հավաքում` ի աջակցություն ղեկավարության որոշումների» (Inmon and Hackathorn, 1994): Առարկայական կողմնորոշված ​​և ինտեգրված ցույց է տալիս, որ տվյալների պահեստ նախագծված է անցնելու ժառանգական համակարգերի ֆունկցիոնալ սահմանները՝ առաջարկելու ինտեգրված հեռանկար տվյալներ.
Time-variant-ը վերաբերում է տեսանյութի պատմական կամ ժամանակային բնույթին տվյալներ un- ում տվյալների պահեստ, ինչը հնարավորություն է տալիս վերլուծել միտումները: Ոչ ցնդող ցույց է տալիս, որ տվյալների պահեստ այն անընդհատ չի թարմացվում, ինչպես a բազա OLTP-ի: Ավելի շուտ այն թարմացվում է պարբերաբար, հետ տվյալներ ներքին և արտաքին աղբյուրներից: Այն տվյալների պահեստ այն հատուկ նախագծված է հետազոտության համար, այլ ոչ թե թարմացնելու ամբողջականությունը և գործառնական կատարումը:
I-ի պահպանման գաղափարը տվյալներ դա նորություն չէ, դա եղել է կառավարման նպատակներից մեկը տվյալներ վաթսունականներից (Il Martin, 1982):
I տվյալների պահեստ նրանք առաջարկում են ենթակառուցվածքը տվյալներ կառավարման աջակցության համակարգերի համար: Կառավարման աջակցության համակարգերը ներառում են որոշումների աջակցման համակարգեր (DSS) և գործադիր տեղեկատվական համակարգեր (EIS): DSS-ը համակարգչային տեղեկատվական համակարգ է, որը նախատեսված է բարելավելու գործընթացը և, հետևաբար, մարդկային որոշումների կայացումը: EIS-ը սովորաբար առաքման համակարգ է տվյալներ որը բիզնեսի ղեկավարներին հնարավորություն է տալիս հեշտությամբ մուտք գործել տեսարան տվյալներ.
Ա–ի ընդհանուր ճարտարապետությունը տվյալների պահեստ կարևորում է դերը տվյալների պահեստ կառավարման աջակցության մեջ: Բացի ենթակառուցվածքն առաջարկելուց տվյալներ EIS-ի և DSS-ի համար, al տվյալների պահեստ այն կարելի է ուղղակիորեն մուտք գործել հարցումների միջոցով: THE տվյալներ ընդգրկված ա տվյալների պահեստ հիմնված են կառավարման տեղեկատվության պահանջների վերլուծության վրա և ստացվում են երեք աղբյուրներից՝ ներքին ժառանգական համակարգեր, հատուկ նշանակության տվյալների հավաքագրման համակարգեր և տվյալների արտաքին աղբյուրներ: THE տվյալներ Ներքին ժառանգական համակարգերում հաճախ ավելորդ են, անհետևողական, ցածր որակի և պահվում են տարբեր ձևաչափերով, ուստի դրանք պետք է համադրվեն և մաքրվեն՝ նախքան դրանք ներբեռնելը:

տվյալների պահեստ (Inmon, 1992; McFadden, 1996): THE տվյալներ պահեստավորման համակարգերից տվյալներ ժամանակավոր և աղբյուրներից տվյալներ արտաքինը հաճախ օգտագործվում է մեծացնելու (թարմացնել, փոխարինել) i տվյալներ ժառանգական համակարգերից:

Կան բազմաթիվ համոզիչ պատճառներ զարգացնելու ա տվյալների պահեստ, որոնք ներառում են ավելի շատ տեղեկատվության արդյունավետ օգտագործման միջոցով որոշումների կայացում (Ives 1995), աջակցություն ամբողջ գործերի վրա կենտրոնանալու համար (Graham 1996) և որոշումների կայացման ծախսերի կրճատում։ տվյալներ EIS-ի և DSS-ի համար (Graham 1996, McFadden 1996):

Վերջերս իրականացված էմպիրիկ ուսումնասիրությունը միջինում հայտնաբերել է ներդրումների վերադարձ i տվյալների պահեստ 401%-ով երեք տարի անց (Graham, 1996): Այնուամենայնիվ, մյուս էմպիրիկ ուսումնասիրությունները տվյալների պահեստ հայտնաբերել էական խնդիրներ, այդ թվում՝ նպաստների չափման և բաշխման դժվարությունը, հստակ նպատակի բացակայությունը, պահեստավորման գործընթացի շրջանակն ու բարդությունը թերագնահատելը տվյալներ, հատկապես աղբյուրների և մաքրության վերաբերյալ տվյալներ. Խանութ i տվյալներ կարելի է դիտարկել որպես կառավարման խնդրի լուծում տվյալներ կազմակերպությունների միջև։ -ի մանիպուլյացիա տվյալներ Որպես սոցիալական ռեսուրս, այն երկար տարիներ մնացել է ամբողջ աշխարհում տեղեկատվական համակարգերի կառավարման հիմնական խնդիրներից մեկը (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993):

Ակտիվների կառավարման հանրաճանաչ մոտեցում տվյալներ ութսունականներին մոդելի մշակումն էր տվյալներ հասարակական. Մոդել տվյալներ սոցիալական նախագծված էր կայուն հիմք առաջարկելու նոր կիրառական համակարգերի մշակման համար էլ բազա և ժառանգական համակարգերի վերակառուցումն ու ինտեգրումը (Brancheau et al.

1989, Goodhue et al. 1988:1992, Քիմ և Էվերեստ 1994): Այնուամենայնիվ, այս մոտեցման հետ կապված կան մի քանի խնդիրներ, մասնավորապես, յուրաքանչյուր առաջադրանքի բարդությունն ու արժեքը, ինչպես նաև շոշափելի արդյունքների հասնելու համար պահանջվող երկար ժամանակը (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997 թ. )

Il տվյալների պահեստ դա առանձին տվյալների բազա է, որը գոյություն ունի ժառանգական տվյալների բազաների հետ, այլ ոչ թե դրանք փոխարինելու: Այն, հետևաբար, թույլ է տալիս ուղղորդել կառավարմանը տվյալներ և խուսափել հին համակարգերի ծախսատար վերակառուցումից:

ԳՈՐԾՈՂ ՄՈՏԵՑՈՒՄՆԵՐ ՏՎՅԱԼՆԵՐԻ ԴԻԶԱՅՆԻՆ

ԽԱՆՈՒԹ

Կառուցման և կատարելագործման գործընթացը ա տվյալների պահեստ պետք է ավելի շատ հասկանալ որպես էվոլյուցիոն գործընթաց, այլ ոչ թե ավանդական համակարգերի զարգացման կյանքի ցիկլ (Դեսիո, 1995, Shanks, O'Donnell and Arnott 1997a): Նախագծում ընդգրկված են բազմաթիվ գործընթացներ տվյալների պահեստ ինչպիսիք են սկզբնավորումը, պլանավորումը; Ընկերության ղեկավարներից պահանջվող պահանջներից ստացված տեղեկատվություն. աղբյուրներ, վերափոխումներ, մաքրում տվյալներ և համաժամեցում հին համակարգերից և այլ աղբյուրներից տվյալներ; մշակման փուլում գտնվող առաքման համակարգեր; մոնիտորինգի տվյալների պահեստ; և էվոլյուցիոն գործընթացի անիմաստությունը և կառուցելու ա տվյալների պահեստ (Stinchi, O'Donnell and Arnott 1997b): Այս ամսագրում մենք կենտրոնանում ենք, թե ինչպես նկարել i տվյալներ պահվում են այս այլ գործընթացների համատեքստում: Տեսանյութերի ճարտարապետության մի շարք առաջարկվող մոտեցումներ կան տվյալների պահեստ գրականության մեջ (Inmon 1994, Ives 1995, Kimball 1994, McFadden 1996)։ Այս մեթոդաբանություններից յուրաքանչյուրն ունի համառոտ ակնարկ՝ դրանց ուժեղ և թույլ կողմերի վերլուծությամբ:

Ինմոնի (1994) Մոտեցումը համար Տվյալների պահեստ Դիզայն

Ինմոնը (1994) առաջարկեց չորս կրկնվող քայլեր՝ ա տվյալների պահեստ (տես նկար 2): Առաջին քայլը կաղապարի ձևավորումն է տվյալներ սոցիալական հասկանալու համար, թե ինչպես ես տվյալներ կարող է ինտեգրվել կազմակերպության ներսում գործող ֆունկցիոնալ տարածքների մեջ՝ բաժանելով i տվյալներ պահեստավորել տարածքներում: Մոդել տվյալներ այն պատրաստված է պահեստավորման համար տվյալներ կապված որոշումների կայացման հետ, ներառյալ տվյալներ պատմական և ներառված տվյալներ հանված և ագրեգացված: Երկրորդ քայլը իրականացման համար առարկայական ոլորտների բացահայտումն է: Դրանք հիմնված են որոշակի կազմակերպության կողմից որոշված ​​առաջնահերթությունների վրա: Երրորդ քայլը ներառում է նկարել ա բազա Առարկայական տարածքի համար առանձնահատուկ ուշադրություն դարձրեք հատիկության համապատասխան մակարդակների ներառմանը: Ինմոնը խորհուրդ է տալիս օգտագործել էության և հարաբերությունների մոդելը: Չորրորդ քայլը աղբյուրի համակարգերի նույնականացումն է տվյալներ պահանջվում և զարգացնում է փոխակերպման գործընթացները՝ գրավելու, մաքրելու և ձևաչափելու համար i տվյալներ.

Ինմոնի մոտեցման ուժեղ կողմերն այն են, որ մոդելը տվյալներ սոցիալական առաջարկում է հիմք ինտեգրման տվյալներ կազմակերպության շրջանակներում և պլանավորման աջակցում է կրկնվող զարգացման համար տվյալների պահեստ. Դրա թերությունները մոդելի նախագծման դժվարությունն ու ծախսերն են տվյալներ սոցիալական, երկու մոդելներում օգտագործվող սուբյեկտների և հարաբերությունների մոդելները հասկանալու դժվարությունը, որ տվյալներ սոցիալական և այն տվյալներ պահվում է ըստ առարկայի տարածքի և համապատասխանության տվյալներ -ի գծագրի տվյալների պահեստ -ի պատրաստման համար բազա հարաբերական, բայց ոչ համար բազա բազմաչափ.

Ives' (1995) Մոտեցում դեպի Տվյալների պահեստ Դիզայն

Այվսը (1995) առաջարկում է տեղեկատվական համակարգի նախագծման չորս քայլ մոտեցում, որը, նրա կարծիքով, կիրառելի է նախագծման համար. տվյալների պահեստ (տես նկար 3): Մոտեցումը հիմնված է տեղեկատվական համակարգերի զարգացման համար տեղեկատվական ճարտարագիտության վրա (Martin 1990): Առաջին քայլը ձեր նպատակները, հաջողությունը և կարևոր գործոնները և կատարողականի հիմնական ցուցանիշները որոշելն է: Հիմնական բիզնես գործընթացները և անհրաժեշտ տեղեկատվությունը մոդելավորվում են, որպեսզի մեզ առաջնորդեն դեպի մոդել տվյալներ հասարակական. Երկրորդ քայլը ներառում է որոշիչ ճարտարապետության մշակում տվյալներ պահվում է ըստ տարածքի, բազա di տվյալների պահեստ, տեխնոլոգիական բաղադրիչները, որոնք անհրաժեշտ են, կազմակերպչական աջակցության մի շարք, որոնք անհրաժեշտ են իրականացնելու և գործելու համար տվյալների պահեստ. Երրորդ քայլը ներառում է անհրաժեշտ ծրագրային փաթեթների և գործիքների ընտրություն: Չորրորդ քայլը մանրակրկիտ նախագծումն ու կառուցումն է տվյալների պահեստ. Այվսը նշում է այդ խանութը տվյալներ դա սահմանափակ կրկնվող գործընթաց է:

Ives-ի մոտեցման ուժեղ կողմերն են տեխնիկական բնութագրերի օգտագործումը տեղեկատվական պահանջները որոշելու համար, կառուցվածքային գործընթացի օգտագործումը, որն աջակցում է ինտեգրմանը: տվյալների պահեստՀամապատասխան ապարատային և ծրագրային ապահովման ընտրություն և բազմակի ներկայացման տեխնիկայի օգտագործում տվյալների պահեստ. Նրա թերությունները բնորոշ են բարդությանը: Մյուսները ներառում են բազմաթիվ մակարդակների զարգացման դժվարություն բազա շրջանակներում տվյալների պահեստ ողջամիտ ժամկետներում և ծախսերում:

Քիմբալի (1994) մոտեցումը Տվյալների պահեստ Դիզայն

Քիմբալը (1994) առաջարկել է հինգ կրկնվող քայլեր ա նախագծելու համար տվյալների պահեստ (տես Նկար 4): Նրա մոտեցումը հատկապես նվիրված է մենակատարի նկարչությանը տվյալների պահեստ և ծավալային մոդելների կիրառման մասին՝ նախապատվությունը տալով միավորների և հարաբերությունների մոդելներին: Քիմբալը վերլուծում է այդ ծավալային մոդելները, քանի որ բիզնեսի առաջնորդների համար ավելի հեշտ է հասկանալ բիզնեսը, այն ավելի արդյունավետ է բարդ խորհրդատվությունների և նախագծման ժամանակ: բազա ֆիզիկական ավելի արդյունավետ է (Kimball 1994): Քիմբալն ընդունում է, որ զարգացնելով ա տվյալների պահեստ կրկնվող է, և դա տվյալների պահեստ առանձնացվածը կարող է ինտեգրվել ընդհանուր չափերի աղյուսակների բաժանման միջոցով:

Առաջին քայլը կատարելագործման ենթակա կոնկրետ առարկայի ոլորտը բացահայտելն է: Երկրորդ և երրորդ քայլերը ներառում են ծավալային ձևավորում: Երկրորդ քայլում միջոցառումները բացահայտում են առարկայական ոլորտում հետաքրքրող բաները և դրանք խմբավորում փաստերի աղյուսակում: Օրինակ, վաճառքի առարկայի տարածքում հետաքրքրության չափումները կարող են ներառել վաճառված ապրանքների քանակը և դոլարը որպես վաճառքի արժույթ: Երրորդ քայլը ներառում է չափումների նույնականացում, որոնք փաստերի խմբավորման ուղիներն են: Վաճառքի առարկայի տարածքում համապատասխան չափերը կարող են ներառել ապրանքը, գտնվելու վայրը և ժամանակաշրջանը: Փաստերի աղյուսակն ունի մի քանի մասից բաղկացած բանալի՝ այն կապելու չափման աղյուսակներից յուրաքանչյուրին և սովորաբար պարունակում է շատ մեծ թվով փաստեր: Ի հակադրություն, չափումների աղյուսակները պարունակում են նկարագրական տեղեկատվություն չափումների և այլ հատկանիշների մասին, որոնք կարող են օգտագործվել փաստերը խմբավորելու համար: Առաջարկվող առնչվող փաստերի և չափումների աղյուսակը ձևավորում է այն, ինչ կոչվում է աստղային սխեման՝ շնորհիվ իր ձևի: Չորրորդ քայլը ներառում է ա բազա բազմաչափ՝ աստղի նախշը կատարելագործելու համար: Վերջին քայլը սկզբնաղբյուր համակարգերի նույնականացումն է տվյալներ պահանջվում և զարգացնում է փոխակերպման գործընթացները՝ գրավելու, մաքրելու և ձևաչափելու համար i տվյալներ.

Քիմբալի մոտեցման ուժեղ կողմերը ներառում են ծավալային մոդելների օգտագործումը i տվյալներ պահվում է, ինչը հեշտացնում է այն հասկանալը և հանգեցնում է արդյունավետ ֆիզիկական ձևավորման: Ծավալային մոդել, որը նույնպես հեշտությամբ օգտագործում է երկու համակարգերը բազա հարաբերական կարող է կատարելագործվել կամ համակարգեր բազա բազմաչափ. Դրա թերությունները ներառում են որոշ տեխնիկայի բացակայությունը, որը հեշտացնում է բազմաթիվ աստղային սխեմաների պլանավորումը կամ ինտեգրումը տվյալների պահեստ և չափային մոդելի ծայրահեղ ապանորմալացված կառուցվածքից նախագծման դժվարությունը ա տվյալներ ժառանգական համակարգերում:

McFadden's (1996) մոտեցում տվյալներին Պահեստի դիզայն

Մաքֆադենը ​​(1996 թ.) առաջարկում է հինգ քայլից բաղկացած մոտեցում նկարչության ա տվյալների պահեստ (տես նկար 5):
Նրա մոտեցումը հիմնված է գրականության գաղափարների սինթեզի վրա և կենտրոնացած է սինգլի ձևավորման վրա տվյալների պահեստ. Առաջին քայլը ներառում է պահանջների վերլուծություն: Թեև տեխնիկական բնութագրերը սահմանված չեն, Մաքֆադենի նշումները նույնականացնում են կազմակերպությունները տվյալներ բնութագրերը և դրանց հատկանիշները, և հղում է անում ընթերցողներին՝ Watson and Frolick (1993) պահանջները հավաքելու համար:
Երկրորդ քայլում կազմվում է կազմակերպության հարաբերությունների մոդելը տվյալների պահեստ և այնուհետև վավերացվել ընկերության ղեկավարների կողմից: Երրորդ քայլը ներառում է քարտեզագրման որոշումը ժառանգական համակարգերից և արտաքին աղբյուրներից տվյալների պահեստ. Չորրորդ քայլը ներառում է մշակման, տեղակայման և համաժամացման գործընթացներ տվյալներ մեջ տվյալների պահեստ. Վերջնական փուլում համակարգի առաքումը մշակվում է՝ շեշտը դնելով օգտատիրոջ միջերեսի վրա: Մաքֆադենը ​​նշում է, որ նկարչության գործընթացը հիմնականում կրկնվող է:

McFadden-ի մոտեցման ուժեղ կողմերը բիզնեսի առաջնորդների ներգրավվածությունն են պահանջների որոշման մեջ, ինչպես նաև ռեսուրսների կարևորությունը: տվյալներդրանց մաքրում և հավաքում։ Դրա թերությունները խոշոր նախագծի բաժանման գործընթացի բացակայությունն է տվյալների պահեստ բազմաթիվ ինտեգրված փուլերում, և այնտեղ

նախագծման մեջ օգտագործված էության և հարաբերությունների մոդելները հասկանալու դժվարություն տվյալների պահեստ.

Մեզ միայն հարազատ մարդիկ չեն, ովքեր ընտրում են մեզ: