Gagnageymsla og ERP | MIÐGagna skjalasafn: SAGA og þróun

SKJALASAFN GÖGN CENTRAL : SAGA OG ÞRÓUN

Tvö ráðandi þemu fyrirtækjatækni á 90. áratugnum eru
segir i gagnageymsla og ERP. Lengi vel þessir tveir voldugir
straumar hafa verið hluti af upplýsingatækni fyrirtækja án þess að hafa nokkurn tíma
gatnamót. Það var næstum eins og þeir væru efni og and-efni. En
vöxtur beggja fyrirbæranna leiddi óhjákvæmilega til annars
gatnamót þeirra. Í dag standa fyrirtæki frammi fyrir vandamálinu
hvað á að gera við ERP e gagnageymsla. Þessi grein mun sýna
hver eru vandamálin og hvernig er brugðist við þeim af fyrirtækjum.
Í BYRJUN…
Í upphafi var gagnageymsla. Gagnageymsla fæddist fyrir
gegn umsóknarkerfi viðskiptavinnslunnar.
Í árdaga minnið á dati það átti að vera
bara mótvægi við umsóknir um vinnslu tölvupósts
viðskipti. En nú á dögum eru miklu flóknari sýn
af því sem a getur gert gagnageymsla. Í heiminum í dag er
gagnageymsla er sett inn í mannvirki sem getur verið
heitir Corporate Information Factory.
FYRIRTÆKJAUPPLÝSINGASMIÐJA
(CIF)
The Corporate Information Factory hefur byggingarhluta
staðall: stig umbreytingar og samþættingar kóða
sem samþættir i dati meðan ég dati þeir flytja úr umhverfinu af
umsókn um umhverfið gagnageymsla félagsins; a
gagnageymsla fyrirtækisins þar sem dati
ítarlegum og samþættum sagnfræðingum. The gagnageymsla félagsins gegnir hlutverki
grunnur sem hægt er að byggja alla aðra hluta á
af umhverfinu gagnageymsla; rekstrargagnageymslu (ODS).
ODS er blendingur sem inniheldur einhvern þátt gagnanna
vöruhús og aðrir þættir OLTP umhverfisins; gagnamars, þar sem i
mismunandi deildir geta haft sína eigin útgáfu af gögnunum
vöruhús; a gagnageymsla könnunar þar sem m.a
fyrirtæki "heimspekingar" (hugsuðir) geta sent inn fyrirspurnir sínar um
72 klst án skaðlegra áhrifa á gagnageymsla; og minning
nærlínu, þar sem dati gamall og dati magn upplýsingar geta verið
geymt ódýrt.
HVAR SAMMENNINGAR ERP MEÐ
FYRIRTÆKJAUPPLÝSINGASMIÐJA
ERP sameinast Corporate Information Factory á tveimur stöðum.
Fyrst og fremst sem grunnforrit sem veitir m.a
dati umsóknarinnar til gagnageymsla. Í þessu tilviki i dati,
myndast sem aukaafurð viðskiptaferlis,
eru samþætt og hlaðin inn í gagnageymsla félagsins. The
annar sameiningarpunktur ERP og CIF og ODS. Reyndar margir
umhverfi sem ERP er notað sem klassískt ODS.
Ef ERP er notað sem kjarnaforrit, þá
sama ERP er einnig hægt að nota í CIF sem ODS. Í
Hins vegar, ef ERP á að nota í báðum hlutverkum, þar
það verður að vera skýr skil á milli þessara tveggja aðila. Með öðrum orðum,
þegar ERP gegnir hlutverki grunnforrits og ODS, le
Aðgreina þarf tvær byggingareiningar. Ef einhleypur
innleiðing ERP reynir að uppfylla bæði hlutverkin
á sama tíma verða óhjákvæmilega vandamál í
hönnun og framkvæmd þessa mannvirkis.
AÐSKILD STJÓRNAR OG GRUNNLEININGAR
Það eru margar ástæður sem leiða til skiptingar íhluta
byggingarlistar. Kannski mælskasta spurningin til að aðskilja
mismunandi hluti af arkitektúr er að hver hluti
arkitektúr hefur sína eigin skoðun. Grunnforritið þjónar
í öðrum tilgangi en ODS. Reyndu að skarast
grunnlínu umsóknarsýn á heim ODS eða öfugt
það er ekki rétt vinnubrögð.
Þar af leiðandi er fyrsta vandamálið við ERP í CIF að
athugaðu hvort það sé greinarmunur á grunnforritum og
SDGs.
Gagnalíkön í fyrirtækinu
UPPLÝSINGASMIÐJA
Til að ná samheldni milli mismunandi þátta
af arkitektúr CIF, verður að vera fyrirmynd af dati. Ég
módel af dati þeir þjóna sem tengill milli hinna ýmsu þátta
arkitektúr eins og grunnlínuforrit og ODS. THE
módel af dati orðið „vitsmunalegt vegakort“ til að hafa
rétt merking frá mismunandi byggingarhluta CIF.
Samhliða þessari hugmynd er hugmyndin að það ætti
vera frábær og einstök fyrirmynd dati. Auðvitað á hann að gera það
vera fyrirmynd dati fyrir hvern hluta og ennfremur þar
það hlýtur að vera skynsamleg leið sem tengir mismunandi gerðir.
Hver hluti arkitektúrsins - ODS, grunnlínuforrit,
gagnageymsla fyrirtækisins, og svo framvegis .. – þarf sitt eigið
fyrirmynd af dati. Og því verður að vera nákvæm skilgreining á
eins og þessar gerðir af dati þeir tengjast hver öðrum.
FLYTTA I GÖGN ERP Í GÖGNUM
Vöruhús
Ef uppruni dati er grunnlínuforrit og/eða ODS, þegar
ERP setur inn i dati í gagnageymsla, þessi færsla verður
fara fram á lægsta stigi granularity. Recap eða
einfaldlega samanlagt i dati eins og þeir koma út
frá ERP grunnlínuforritinu eða ERP ODS er ekki til staðar
rétt að gera. THE dati upplýsingar eru nauðsynlegar í gögnunum
vöruhús til að mynda grunninn að DSS ferlinu. Svona dati
þau verða endurmótuð á margan hátt með gagnamars og könnun
del gagnageymsla.
Flutningur á dati frá grunnlínuumhverfi umsóknar
ERP til umhverfisins gagnageymsla félagsins er gert í a
þokkalega afslappaðan hátt. Sú breyting verður eftir það
um 24 klukkustundir frá uppfærslu eða stofnun í ERP. Sú staðreynd að
hafa "lata" hreyfingu á dati í gagnageymsla
félagsins leyfir dati koma frá ERP til að "setjast".
Einu sinni i dati eru settar inn í grunnlínuumsóknina,
þá geturðu örugglega flutt i dati af ERP
í fyrirtækinu. Annað markmið sem hægt er að ná þökk sé hreyfingu
„latir“ guðir dati er skýr afmörkun milli rekstrarferla og
DS framlenging. Með „hröðri“ hreyfingu á dati afmörkunarlínunni
milli DSS og rekstrar er enn óljóst.
Hreyfingin á dati frá ODS ERP til gagnageymsla
félagsins er gert reglulega, venjulega
vikulega eða mánaðarlega. Í þessu tilviki hreyfing á
dati það er byggt á þörfinni á að "hreinsa" þá gömlu dati sagnfræðingar.
Auðvitað inniheldur ODS i dati sem eru miklu nýrri
virðing fyrir dati sagnfræðingar sem finnast í gagnageymsla.
Flutningur á dati í gagnageymsla það er nánast aldrei gert
„heildsala“ (með heildsala). Afritaðu töflu
frá ERP umhverfi til gagnageymsla það er ekkert vit í því. Ein nálgun
miklu raunhæfari er hreyfing valinna eininga af dati.
Aðeins dati sem hafa breyst frá síðustu uppfærslu gagnanna
vöruhús eru þau sem ætti að flytja inn í gögnin
vöruhús. Ein leið til að vita hvaða dati þeim hefur verið breytt
síðan síðasta uppfærsla er að skoða tímastimpla á dati
finnast í ERP umhverfinu. Hönnuður velur allar breytingar
sem hafa komið upp frá síðustu uppfærslu. Önnur nálgun
er að nota breytingafangatækni dati. Með
þessar aðferðir greina logs og dagbók spólur í því skyni að
ákveða hvaða dati verður að færa úr ERP umhverfi til
Það af gagnageymsla. Þessar aðferðir eru bestar í
hvernig hægt er að lesa logs og dagbókarspólur úr ERP skrám
án frekari áhrifa á önnur ERP auðlindir.
AÐRAR KVIKKYNNINGAR
Eitt af vandamálunum við ERP í CIF er hvað gerist hjá öðrum
umsóknarheimildir eða ai dati af ODS sem þeir þurfa að leggja sitt af mörkum til
gagnageymsla en þeir eru ekki hluti af ERP umhverfinu. Dagsetning á
lokað eðli ERP, sérstaklega SAP, tilraun til að samþætta
lyklar frá utanaðkomandi aðilum dati við i dati sem koma frá ERP al
kominn tími til að flytja i dati í gagnageymsla, það er mikil áskorun.
Og hverjar eru nákvæmlega líkurnar á því að i dati af umsóknum eða
ODS utan ERP umhverfisins verður samþætt inn í gögnin
vöruhús? Líkurnar eru reyndar mjög miklar.
FINNA GÖGN SÖGULEGT FRÁ ERP
Annað vandamál með i dati ERP er sú sem myndast
frá þörfinni á að hafa dati sagnfræðingar innan gagnageymsla.
Venjulega er gagnageymsla þarfir dati sagnfræðingar. OG
ERP tækni geymir þetta venjulega ekki dati
sögulegt, að minnsta kosti ekki að því marki sem nauðsynlegt er í dagsetningunni
vöruhús. Þegar mikið magn af dati sagnfræðingar byrjar ad
til að bætast við í ERP umhverfinu verður það umhverfi að vera það
hreinsað. Segjum til dæmis að a gagnageymsla verður
vera hlaðinn með fimm ár af dati sögulegt á meðan ERP heldur áfram
að hámarki sex mánuði af þeim dati. Svo framarlega sem fyrirtækið er sátt við
safna röð af dati saga eftir því sem tíminn líður,
þá er ekkert vandamál að nota ERP sem heimild fyrir
gagnageymsla. En þegar gagnageymsla þarf að fara
aftur í tímann og takið guði dati sagnfræðingar sem hafa ekki verið
áður safnað og vistað af ERP, síðan ERP umhverfinu
það verður óhagkvæmt.
ERP OG METADATA
Annað sem þarf að huga að varðandi ERP e gagnageymsla er þetta
á fyrirliggjandi lýsigögnum í ERP umhverfinu. Sem og lýsigögn
þeir fara úr ERP umhverfinu yfir í del gagnageymsla, Í
lýsigögn verða að vera flutt á sama hátt. Ennfremur, i
lýsigögn verða að breytast í sniði og uppbyggingu
sem krafist er af innviðum gagnageymsla. Það er stór
munur á rekstrarlýsigögnum og DSS lýsigögnum. Lýsigögnin
rekstur eru aðallega fyrir framkvæmdaraðila og fyrir
forritari. DSS lýsigögn eru fyrst og fremst fyrir þig
loka. Fyrirliggjandi lýsigögn í ERP forritum eða ODS
þeim þarf að breyta og þessi umbreyting er ekki alltaf auðveld
og beint.
UPPHAFI ERP GÖGNIN
Ef ERP er notað sem birgir af dati á il gagnageymsla ci
verður að vera traust viðmót sem hreyfist i dati frá umhverfinu
ERP fyrir umhverfið gagnageymsla. Viðmótið verður að:
▪ vera auðveld í notkun
▪ leyfa aðgang að dati af ERP
▪ taka upp merkingu dati sem á að flytja
í gagnageymsla
▪ þekkja takmarkanir ERP sem gætu komið upp í
augnabliki þegar aðgangur er gerður dati ERP:
▪ tilvísunarheiðarleiki
▪ stigveldistengsl
▪ óbein rökfræðileg tengsl
▪ Umsóknarsamningur
▪ öll mannvirki í dati studd af ERP, og svo framvegis…
▪ vera duglegur að nálgast dati, með því að veita:
▪ bein hreyfing á dati
▪ kaup á breytingu dati
▪ styðja tímanlegan aðgang að dati
▪ skilja sniðið á dati, og svo framvegis…
VIÐVITI VIÐ SAP
Viðmótið getur verið tvenns konar, heimaræktað eða viðskiptalegt.
Sum helstu viðskiptaviðmótin eru:
▪ SAS
▪ Grunnlausnir
▪ D2k, og svo framvegis...
FJÖLGA ERP TÆKNI
Að meðhöndla ERP umhverfið eins og það væri ein tækni er a
stór mistök. Það eru margar ERP tækni, hver með sína eigin
styrkleika. Þekktustu söluaðilarnir á markaðnum eru:
▪ SAP
▪ Oracle Financials
▪ PeopleSoft
JD Edwards
▪ Bans
SAP
SAP er stærsti og umfangsmesti ERP hugbúnaðurinn. Umsóknirnar
SAP nær yfir margar tegundir af forritum á mörgum sviðum. SAP hefur
orðspor þess að vera:
▪ mjög stór
▪ Mjög erfitt og dýrt í framkvæmd
▪ þarf marga menn og ráðgjafa til að vera
komið til framkvæmda
▪ þarf sérhæft fólk við innleiðinguna
▪ þarf mikinn tíma til að innleiða
SAP hefur einnig orðspor fyrir að geyma það dati molto
vandlega, sem gerir það erfitt fyrir einn að nálgast þær
einstaklingur utan SAP svæðisins. Styrkur SAP er að vera
fær um að fanga og geyma mikið magn af dati.
SAP tilkynnti nýlega fyrirætlun sína um að framlengja
umsóknir þess til gagnageymsla. Það eru margir kostir og gallar
í því að nota SAP sem veitanda gagnageymsla.
Kosturinn er sá að SAP er þegar uppsett og að flest
ráðgjafar þekkja SAP nú þegar.
Ókostirnir við að hafa SAP sem birgir á gagnageymsla þeir eru
margir: SAP hefur enga reynslu í heimi gagnageymsla
Ef SAP er birgir af gagnageymsla, það er nauðsynlegt að "taka út"
i dati frá SAP til gagnageymsla. Gögn afrekaskrá SAP um
lokað kerfi, það er ólíklegt að auðvelt sé að fá i frá SAP inn
það (???). Það eru mörg eldri umhverfi sem knýja SAP,
eins og IMS, VSAM, ADABAS, ORACLE, DB2 og svo framvegis.
SAP krefst þess að „ekki fundin upp hér“ nálgun. SAP vill það ekki
vinna með öðrum söluaðilum til að nota eða búa til gagnageymsla.
SAP krefst þess að búa til allan sinn eigin hugbúnað sjálft.
Þó SAP sé stórt og öflugt fyrirtæki, þá er staðreyndin
tilraun til að endurskrifa tækni ELT, OLAP, stjórnun á
kerfi og jafnvel kóðagrunn dbms það er bara geðveikt.
Í stað þess að taka upp samvinnuviðhorf við birgja
di gagnageymsla Í langan tíma hefur SAP fylgt þeirri nálgun sem
þeir "vita best". Þetta viðhorf heldur aftur af velgengni sem
SAP kann að hafa á svæðinu gagnageymsla.
Synjun SAP á að veita ytri söluaðilum aðgang
tafarlaust og tignarlega til þeirra dati. Kjarninn í notkun
un gagnageymsla er auðvelt aðgengi að dati. Öll sagan af SAP er
byggt á því að gera það erfitt aðgengi dati.
Skortur á reynslu SAP í að takast á við mikið magn af dati;
á sviði gagnageymsla það eru bindi af dati aldrei séð síðan
SAP og til að stjórna þessu miklu magni af dati þú verður að eiga einn
viðeigandi tækni. SAP er greinilega ekki meðvitað um þetta
tæknileg hindrun sem er til staðar til að komast inn á sviði gagna
vörugeymsla.
Fyrirtækjamenning SAP: SAP skapaði fyrirtæki
í að fá i dati úr kerfinu. En til að gera þetta verður þú að hafa
annað hugarfar. Hefð eru hugbúnaðarfyrirtæki sem voru
góður í að koma gögnum inn í umhverfi hefur ekki verið góður í
fá gögn til að fara í hina áttina. Ef SAP getur gert svona
switch verður fyrsta fyrirtækið til að gera það.
Í stuttu máli er spurning hvort fyrirtæki eigi að velja
SAP sem birgir af gagnageymsla. Það eru mjög alvarlegar áhættur
annars vegar og mjög fá verðlaun hins vegar. En það er annað
ástæða sem dregur úr vali á SAP sem gagnaveitanda
vöruhús. Vegna þess að hvert fyrirtæki ætti að hafa sömu dagsetningu
vöruhús allra annarra fyrirtækja? The gagnageymsla það er hjartað
af samkeppnisforskotinu. Ef hvert fyrirtæki tæki upp það sama
gagnageymsla það væri erfitt, þó ekki ómögulegt,
ná samkeppnisforskoti. SAP virðist halda að a
gagnageymsla má líta á sem kex og það er a
enn eitt merki þeirra „fá gögnin
í “.
Enginn annar ERP söluaðili er eins ráðandi og SAP.
Vafalaust verða til fyrirtæki sem munu fara leið SAP
fyrir þeirra gagnageymsla en væntanlega þessar dagsetningar
SAP vöruhús verða stór, dýr og krefjast mikils
tími fyrir sköpun þeirra.
Þetta umhverfi felur í sér starfsemi eins og vinnslu banka
pöntunarferli flugfélaga, kvörtunarferli
tryggingar og svo framvegis. Viðskiptakerfið var skilvirkara,
augljósara var þörfin fyrir aðskilnað á milli rekstrar og ferlis
DSS (Decision Support System). Hins vegar með auðlindakerfi
mannleg og persónuleg, maður stendur aldrei frammi fyrir miklu magni af
viðskipti. Og auðvitað þegar maður er ráðinn
eða yfirgefa fyrirtækið þetta er skrá yfir viðskipti.
En miðað við önnur kerfi, HR kerfi og
Einkafólk hefur bara ekki mörg viðskipti. Þess vegna, í
mannauðs- og starfsmannakerfi er ekki alveg augljóst að svo sé
vantar DataWarehouse. Á margan hátt þessi kerfi
tákna sameiningu DSS kerfa.
En það er annar þáttur sem verður að hafa í huga ef þú þarft
gera með datawarehouse og með PeopleSoft. Í mörgum hringjum, þ.e dati
HR og persónuleg auðlindir eru aukaatriði í viðskiptum
yfirmaður félagsins. Flest fyrirtæki standa sig
framleiðslu, sölu, þjónustu og svo framvegis. THE
HR og starfsmannakerfi eru venjulega aukaatriði (eða af
stuðning) við meginviðskipti fyrirtækisins. Þess vegna er það
tvíræð og óþægileg a gagnageymsla aðskilið fyrir
stuðningur við mannauð og persónulegan auðlindir.
PeopleSoft er mjög ólíkt SAP hvað þetta varðar. Með SAP er það
skylt að það sé a gagnageymsla. Með PeopleSoft er það ekki
þá svo ljóst. Gagnahús er valfrjálst með PeopleSoft.
Það besta sem hægt er að segja um dati PeopleSoft er að gögnin
lager er hægt að nota til að geyma i dati varðandi
gömul mannauð og persónuleg auðlind. Önnur ástæða fyrir
sem fyrirtæki vill nota a gagnageymsla a
ókostur PeopleSoft umhverfisins er að leyfa aðgang og
ókeypis aðgangur að greiningartækjum, ai dati eftir PeopleSoft. En
auk þessara ástæðna geta komið upp tilvik þar sem æskilegt er að gera það ekki
hafa gagnageymslu fyrir dati PeopleSoft.
Í stuttu máli
Það eru margar hugmyndir um smíði gagna
vöruhús innan ERP hugbúnaðar.
Sum þessara eru:
▪ Það er skynsamlegt að hafa a gagnageymsla sem lítur út eins og hver
annað í greininni?
▪ Hversu sveigjanlegt ERP er gagnageymsla hugbúnaður?
▪ ERP gagnageymsla hugbúnaður getur séð um magn af
dati sem er staðsett í agagnageymsla vettvangur"?
▪ Hver er rekjaskráningin sem ERP söluaðilinn gerir af
frammi fyrir auðvelt og ódýrt, tímafrekt, ai dati? (hvað
er afrekaskrá ERP söluaðila á afhendingu ódýr, á
tíma, auðvelt að nálgast gögn?)
▪ Hver er skilningur á DSS arkitektúr og
"upplýsingaverksmiðja fyrirtækja" af ERP söluaðilanum?
▪ ERP söluaðilar skilja hvernig á að fá dati inni í
af umhverfinu, en skilur líka hvernig á að flytja þau út?
▪ Hversu opinn er seljandi ERP fyrir gagnaverkfærum
vörugeymsla?
Öll þessi sjónarmið verða að hafa í huga við ákvörðun
hvar á að setja gagnageymsla sem mun hýsa i dati ERP og annarra
dati. Almennt, nema rík ástæða sé til
að gera annað, er mælt með því að byggja gagnageymsla út
frá ERP söluaðila umhverfi.
KAFLI 1
Yfirlit yfir BI stofnunina
Lykil atriði:
Upplýsingageymslur virka á öfugan hátt
til viðskiptagreindar (BI) arkitektúr:
Fyrirtækjamenning og upplýsingatækni geta takmarkað árangur í
byggja upp BI stofnanir.
Tæknin er ekki lengur takmarkandi þátturinn fyrir BI stofnanir. The
vandamál fyrir arkitekta og skipulagsfræðinga er ekki hvort
tækni er til, en ef þeir geta í raun innleitt
fyrirliggjandi tækni.
Fyrir mörg fyrirtæki a gagnageymsla það er lítið annað en innborgun
óvirkur sem dreifir i dati til notenda sem þurfa á því að halda. THE dati
þær eru unnar úr upprunakerfum og eru byggðar inn í markskipulag
di gagnageymsla. Ég dati þau má líka þrífa með öllu
örlög. Hins vegar bætist ekkert aukaverðmæti við
safnað af dati meðan á þessu ferli stendur.
Í raun skilar óvirki Dw í besta falli
aðeins i dati hreinn og starfhæfur til notendasamtaka. Þarna
upplýsingasköpun og greiningarskilningur veltur
algjörlega af notendum. Að dæma hvort DW (Gagnageymsla) er
árangur er huglægur. Ef við metum árangur á
getu til að safna, samþætta og þrífa á skilvirkan hátt i dati
fyrirtæki á fyrirsjáanlegum grundvelli, þá já, DW er farsælt.
Á hinn bóginn, ef við lítum á söfnunina, samþjöppun og sjá
hagnýtingu upplýsinga stofnunarinnar í heild, þá
DW er bilun. DW gefur lítið sem ekkert gildi
upplýsingar. Þess vegna neyðast notendur til að láta sér nægja,
búa þannig til síló af upplýsingum. Þessi kafli kynnir
yfirgripsmikið yfirlit til að rifja upp arkitektúr BI(Business
upplýsingaöflun) fyrirtækjanna. Byrjum á lýsingu á BI og
þá förum við yfir í umræðurnar um hönnunina og
þróun upplýsinga, öfugt við einfaldlega að veita i dati
til notenda. Umræðurnar beinast þá að útreikningi á
gildi BI viðleitni þinnar. Við lokum með því að skilgreina hvernig IBM
minnir á BI byggingarkröfur fyrirtækisins þíns.
Byggingarlistarlýsing á
BI stofnun
Öflug viðskiptamiðuð upplýsingakerfi eru nú
á dagskrá í hverju stóru fyrirtæki, eftir því sem þau jafnast
í raun leikvöllur fyrirtækja í heiminum.
Að vera samkeppnishæf krefst nú kerfisgreiningar
miðar að því að geta gjörbylt getu fyrirtækisins með því að enduruppgötva ed
nota þær upplýsingar sem þeir hafa þegar. Þessi kerfi
greinandi koma frá skilningi frá auði dati
laus. BI getur bætt árangur í öllum upplýsingum
fyrirtækisins. Fyrirtæki geta bætt samskipti viðskiptavina við viðskiptavini
birgja, bæta hagnað af vörum og þjónustu, búa til
ný og bestu tilboð, athuga áhættu og meðal margra annarra
tekjur draga verulega úr útgjöldum. Með BI þitt
fyrirtæki byrjar loksins að nota upplýsingar um viðskiptavini
sem samkeppniseign þökk sé umsóknum sem hafa markmið um
markaði.
Að hafa rétt viðskiptatæki þýðir að hafa endanleg svör við
lykilspurningar eins og:
▪ Hver okkar viðskiptavinir þeir láta okkur græða meira, eða þar
tapa þeir?
▪ Þar sem okkar bestu búa viðskiptavinir í tengslum við búð/
vöruhús sem þeir oft?
▪ Hver af vörum okkar og þjónustu er hægt að selja meira
á áhrifaríkan hátt og hverjum?
▪ Hvaða vörur er best að selja og hverjum?
▪ Hvaða söluherferð er árangursríkari og hvers vegna?
▪ Hvaða söluleiðir eru skilvirkustu fyrir hvaða vörur?
▪ Hvernig við getum bætt samskipti við okkar bestu viðskiptavinir?
Flest fyrirtæki hafa dati gróft að svara
þessar spurningar.
Rekstrarkerfi framleiða mikið magn af vörum, af
viðskiptavinur og af dati markaðarins frá sölustöðum, frá pöntunum,
frá þjónustuveri og tækniþjónustukerfum. Áskorunin er
draga út og nýta þessar upplýsingar.
Mörg fyrirtæki hagnast aðeins á litlum hluta þeirra dati
fyrir stefnumótandi greiningar.
I dati eftir, oft ásamt i dati afla utanaðkomandi heimilda eins og i
„Ríkisskýrslur“ og aðrar keyptar upplýsingar eru eitt
gullnáma sem bíður bara eftir að verða könnuð, ei dati verður
aðeins betrumbætt í upplýsingasamhengi þínu
skipulag.
Þessari þekkingu er hægt að beita á mismunandi vegu, afbrigði
frá því að hanna heildarstefnu fyrirtækisins til
persónuleg samskipti við birgja, í gegnum símaver,
reikningagerð, internet og önnur atriði. Viðskiptaumhverfi nútímans ræður
að DW og tengdar BI lausnir þróast frekar
framkvæmd hefðbundinna mannvirkja af dati eins og ég dati eðlileg til
atómstigi og „stjörnu-/kubbabú“.
Það sem þarf til að vera samkeppnishæft er sameining
hefðbundin og háþróuð tækni í viðleitni til að styðja a
gríðarstórt greinandi landslag.
Að lokum verður almennt umhverfi að bæta þekkingu
af fyrirtækinu í heild, að tryggja að þær aðgerðir sem gripið hefur verið til
vegna gerðar greininga koma þær sér vel þannig að allir eru það
gagn.
Segjum til dæmis að þú raðar þínum eigin viðskiptavinir í flokkunum
mikil eða lítil hætta.
Hvort þessar upplýsingar eru búnar til með námuvinnslulíkani eða
aðrar leiðir, það verður að setja í Dw og gera aðgengilegt fyrir
hvern sem er, með hvaða aðgangi sem er, eins og i
kyrrstöðuskýrslur, töflureikna, töflur eða greiningarvinnsla í
lína (OLAP).
Hins vegar, eins og er, mikið af þessari tegund af upplýsingum
þeir eru áfram í sílóum af dati þeirra einstaklinga eða deilda sem þeir mynda
greininguna. Stofnunin í heild hefur lítið sem ekkert sýnileika
til skilnings. Aðeins með því að blanda þessari tegund af efni
upplýsingar í fyrirtækinu þínu dw sem þú getur útrýmt sílóunum af
upplýsingar og lyftu Dw umhverfi þínu.
Það eru tvær helstu hindranir við að þróa stofnun
BI.
Í fyrsta lagi höfum við vandamál stofnunarinnar sjálfrar
af viðkomandi grein.
Jafnvel þótt við getum ekki aðstoðað við stefnubreytingar
stofnunarinnar getum við hjálpað til við að skilja þættina í
BI stofnun, arkitektúr hennar og hvernig
IBM tækni auðveldar þróun þess.
Önnur hindrunin sem þarf að yfirstíga er skortur á tækni
samþætt og þekking á aðferð sem kallar allt rýmið
BI öfugt við aðeins lítinn þátt.
IBM er að bregðast við tæknibreytingum
af samþættum. Það er á þína ábyrgð að útvega hönnun
sjálf-meðvitund. Þennan arkitektúr verður að þróa með
tækni valin til samþættingar án takmarkana, eða að minnsta kosti, með
tækni sem fylgir opnum stöðlum. Einnig þitt
fyrirtækjastjórn ber að tryggja að framtak Bi sé
framkvæmt samkvæmt áætluninni og að leyfa það ekki
þróun upplýsingasílóa sem stafa af sjálfsþjónustu
dagskrár eða markmið.
Þetta er ekki þar með sagt að BI umhverfið sé ekki viðkvæmt fyrir
bregðast við mismunandi þörfum og kröfum mismunandi notenda; í staðinn þýðir það
að framkvæmd þeirra einstaklingsþarfa og krafna sé
gert í þágu allrar BI stofnunarinnar.
Lýsing á BI arkitektúr stofnunarinnar getur
er að finna á blaðsíðu 9 á mynd 1.1. Arkitektúrinn sýnir
rík blanda af tækni og tækni.
Frá hefðbundnu sjónarhorni inniheldur arkitektúrinn eftirfarandi hluti
af vöruhúsi
Atómlag (atómalag).
Þetta er grunnurinn, hjarta alls Dw og þess vegna
stefnumótandi skýrslugerð.
I dati geymd hér mun halda sögulegum heilindum, skýrslur um
dati og innihalda afleidda mæligildið, auk þess að vera hreint,
samþætt og geymt með því að nota námusniðmátið.
Öll síðari notkun þessara dati og tengdar upplýsingar eru
af þessari uppbyggingu. Þetta er frábær heimild fyrir
útdráttur af dati og fyrir skýrslur með skipulögðum SQL fyrirspurnum
Rekstrargeymsla á dati eða skýrslugrunnur af
dati(Operational Data Store (ODS) eða skýrslur
gagnagrunnur.)
Þetta er uppbygging á dati sérstaklega hannað fyrir
tæknilega skýrslugerð.
I dati geymd og tilkynnt fyrir ofan þessi mannvirki geta loksins
dreifa sér inn í vöruhúsið í gegnum sviðssvæði (sviðsetning
svæði), þar sem hægt væri að nota það fyrir stefnumótandi merkjasendingar.
Sviðssvæði.
Fyrsta stopp fyrir flesta dati ætlað fyrir umhverfið á
vöruhús er skipulagssvæðið.
Hér er ég dati eru samþætt, hreinsuð og umbreytt í dati gagnlegt það
þeir munu fylla vöruhúsabygginguna
Dagsetning mars.
Þessi hluti arkitektúrsins táknar uppbyggingu dati notað
sérstaklega fyrir OLAP. Tilvist gagnamerkja, ef ég dati þeir eru
geymd í stjörnuskemunum sem þau liggja yfir dati
fjölvídd í tengslaumhverfi, eða í skjalaskápum
di dati séreign notuð af sérstakri OLAP tækni, svo sem
DB2 OLAP þjónn, það á ekki við.
Eina þvingunin er að arkitektúrinn auðveldar notkun dati
fjölvíddar.
Arkitektúrinn inniheldur einnig mikilvæga Bi tækni og tækni
sem eru aðgreindar sem:
Staðbundin greining
Rými er upplýsingagjöf fyrir sérfræðinginn og
það er mikilvægt fyrir fulla upplausn. Space getur
tákna upplýsingar um fólk sem býr í ákveðnu
staðsetningu, svo og upplýsingar um hvar sú staðsetning er
líkamlega miðað við umheiminn.
Til að framkvæma þessa greiningu verður þú að byrja á því að binda þitt
upplýsingar um breiddar- og lengdargráðu hnit. Að meina hvað
vísað til sem „landkóðun“ og verður að vera hluti af útdrættinum,
umbreytingu og ferlið við hleðslu (ETL) á stig
atómnúmer vöruhússins þíns.
Gagnanám.
Útdráttur á dati gerir fyrirtækjum okkar kleift að vaxa
Fjöldi viðskiptavinir, til að spá fyrir um söluþróun og gera kleift
tengslastjórnun við viðskiptavinir (CRM), meðal annars frumkvæðis
BI.
Útdráttur á dati það verður því að vera samþætt við mannvirki í
dati af Dwhouse og stutt af vöruhúsaferlum fyrir
ganga úr skugga um bæði skilvirka og skilvirka notkun tækni og
tengdar tækni.
Eins og fram kemur í BI arkitektúrnum er lotuefnastig
Dwhouse, eins og datamarts, er frábær uppspretta dati
til útdráttar. Þessi sömu mannvirki verða líka að vera
viðtakendur útdráttarniðurstaðna til að tryggja aðgengi að
stærsti markhópurinn (breiðasti markhópurinn).
Umboðsmenn.
Það eru ýmsir "umboðsmenn" til að skima viðskiptavininn fyrir hvaða punkti sem er eins og, þ.e
stýrikerfi fyrirtækja og dw sjálfir. Þessir umboðsmenn geta
vera háþróuð taugakerfi sem eru þjálfuð til að fræðast um
þróun hvers liðs, svo sem eftirspurn eftir vörum í framtíðinni
um sölukynningar, reglubundnar vélar til að bregðast við
un dagsetning sett af kringumstæðum, eða jafnvel einföldum umboðsmönnum sem
þeir benda á undantekningar á „æðstu stjórnendum“. Þessi ferli já
almennt til staðar í rauntíma og verður því
vera nátengd hreyfingu þeirra dati.
Öll þessi mannvirki af dati, tækni og tækni tryggja
að þú munt ekki eyða nóttinni í að búa til skipulag á
BI þinn.
Þessi starfsemi verður þróuð í þrepum, fyrir smærri
stig.
Hvert skref er sjálfstætt verkefnaátak og greint frá því
sem endurtekningu á dw eða BI frumkvæði þínu. Endurtekningarnar
getur falið í sér innleiðingu nýrrar tækni, fyrir
byrja með nýrri tækni, bæta við nýjum mannvirkjum af dati ,
hleðsla i dati viðbót , eða með greiningu stækkun á
umhverfi þínu. Nánar er fjallað um þessa málsgrein
ítarlega í 3. kafla.
Fyrir utan hefðbundna uppbyggingu Dw og Bi verkfæra eru önnur
aðgerðir BI stofnunarinnar sem þú skuldar fyrir
hönnun, svo sem:
Snertipunktar viðskiptavina (snerting viðskiptavina
stig).
Eins og með öll nútíma skipulag þá eru nokkrir
snertipunktar viðskiptavina sem gefa til kynna hvernig á að upplifa upplifun
jákvætt fyrir þitt viðskiptavinir. Það eru hinar hefðbundnu rásir eins og i
kaupmenn, skiptiborðsstjórar, beinpóstur, margmiðlun og prentun
auglýsingar, svo og nýjustu rásirnar eins og tölvupóst og vefinn, þ.e dati
kaupa þarf vörur með einhverjum snertifleti,
flutt, hreinsað, umbreytt og síðan byggt í mannvirkjum af dati á
BI.
Byggir á dati rekstrar- og notendasamtök (Operational
gagnagrunna og notendasamfélög).
Í lok tengiliða viðskiptavinir grunnurinn er fundinn dati
af forrita- og notendasamfélögum fyrirtækisins. THE dati núverandi
þeir eru dati hefðbundið sem verður að sameina og sameinast dati að
þeir streyma frá snertipunktum til að uppfylla nauðsynlegar
upplýsingar.
Sérfræðingar. (Greinendur)
Aðalávinningurinn af BI umhverfinu er sérfræðingur. Það er hann sem
hagnast á núverandi útdrætti á dati rekstrarlegt, samþætt við
mismunandi heimildir um dati , aukið með eiginleikum eins og greiningu
landfræðileg (landkóðun) og kynnt í BI tækni sem
leyfa námuvinnslu, OLAP, háþróaðri SQL skýrslugerð og greiningu
landfræðilega. Aðalviðmót sérfræðingsins við umhverfið
skýrslugerð er BI gáttin.
Hins vegar er sérfræðingur ekki sá eini sem hefur hag af arkitektúrnum
BI.
Stjórnendur, stór notendasamtök og jafnvel félagsmenn, birgjar og i
viðskiptavinir ætti að finna ávinning í fyrirtæki BI.
Bakmatarlykkja.
BI arkitektúr er námsumhverfi. Meginregla
einkennandi fyrir þróun er að gera ráð fyrir viðvarandi uppbyggingu dati
að vera uppfærð með notaðri BI tækni og með aðgerðum
notendafyrirtæki. Dæmi er mat á
viðskiptavinur (einkunn viðskiptavina).
Ef söludeild framkvæmir námulíkan
af skorum viðskiptavina eins og að nota nýja þjónustu, þá
söludeild ætti ekki að vera eini styrkþegahópurinn
þjónustunnar.
Þess í stað ætti að framkvæma námulíkanið sem hluta
eðli gagnaflæðis innan fyrirtækisins og skor viðskiptavina
ætti að verða samþættur hluti af upplýsingaumhverfi
vöruhús, sýnilegt öllum notendum. Bi-bI-miðlæg IBM Suite
þar á meðal DB2 UDB, DB2 OLAP Server inniheldur flestar
hluti af mikilvægum þáttum tækninnar, skilgreindir á myndinni
1.1.
Við notum arkitektúrinn eins og hann birtist í þessari bókmynd fyrir
gefa okkur samfellustig og sýna hvernig hver vara
af IBM passa inn í almennt mynstur BI.
Að útvega upplýsingaefni (veita
upplýsingaefni)
Hanna, þróa og innleiða BI umhverfi þitt er
vandasamt verkefni. Hönnunin verður að taka til bæði
núverandi og framtíðarkröfur fyrirtækja. Byggingarhönnunin
verður að vera tæmandi til að innihalda allar niðurstöður sem finnast
á hönnunarstigi. Framkvæmdin verður að vera áfram
staðráðinn í einum tilgangi: að þróa arkitektúr BI
eins og það er formlega sett fram á teikningu og byggt á kröfum um
fyrirtæki.
Það er sérstaklega erfitt að halda því fram að agi tryggi
hlutfallslegan árangur.
Þetta er einfalt vegna þess að þú byggir ekki upp BI umhverfi fyrir alla
skyndilega, en það gerist í litlum skrefum með tímanum.
Hins vegar er það að bera kennsl á BI hluti arkitektúrsins þíns
mikilvægt af tveimur ástæðum: Þú munt leiðbeina öllum síðari ákvörðunum
arkitektúr tækni.
Þú munt geta meðvitað hannað ákveðna notkun tækni
þó að þú fáir ekki endurtekningu þarf það
tækni í nokkra mánuði.
Að skilja kröfur fyrirtækisins nægilega mun hafa áhrif á tegundina
af vörum sem þú munt eignast fyrir arkitektúrinn þinn.
Skipulag og þróun arkitektúrs þíns tryggir
sem vöruhúsið þitt er
ekki tilviljunarkenndur atburður, heldur "vel úthugsaður",
vandlega smíðuð auglýsing ópera af list eins og mósaík af
blandaðri tækni.
Hönnun upplýsingaefnis
Öll frumhönnun verður að einbeita sér og bera kennsl á
helstu BI hluti sem umhverfið þitt mun þurfa
almennt í nútíð og framtíð.
Það er mikilvægt að þekkja kröfur fyrirtækisins.
Jafnvel áður en öll formleg skipulagning hefst,
verkefnaskipuleggjandi getur oft greint einn eða tvo
hluti strax.
Jafnvægi íhluta sem gæti verið þörf fyrir
Hins vegar er ekki auðvelt að finna arkitektúrinn þinn.
Á hönnunarstigi, meginhluti arkitektúrsins
bindur forritaþróunarlotuna (JAD) við leit
til að bera kennsl á kröfur fyrirtækja.
Stundum er hægt að útvista þessum kröfum til verkfæra
fyrirspurnir og skýrslugerð.
Til dæmis segja notendur að ef þeir vilja gera sjálfvirkan
sem stendur þarf skýrsla að búa til handvirkt samþættingu
tvö straumhlutföll og bæta við útreikningum sem fengnir eru úr
samsetning af dati.
Þó að þessi krafa sé einföld, skilgreinir hún ákveðna
virkni eiginleikans sem þú verður að hafa með hvenær
kaupa skýrslutæki fyrir stofnunina.
Hönnuður verður einnig að fylgja eftir viðbótarkröfum um
fá heildarmynd. Notendur vilja gerast áskrifendur að
þessa skýrslu?
Undirmengi skýrslunnar eru mynduð og send með tölvupósti til hinna ýmsu
notendur? Viltu sjá þessa skýrslu í fyrirtækjagáttinni?
Allar þessar kröfur eru hluti af þeirri einföldu þörf
skipta um handvirka skýrslu eins og notendur biðja um. Ávinningurinn
af þessum tegundum af kröfum er að allir, notendur og þróunaraðilar, hafa
skilning á hugtakinu skýrslur.
Það eru hins vegar aðrar tegundir fyrirtækja sem við þurfum að skipuleggja fyrir.
Þegar viðskiptakröfur koma fram í formi
Viðskiptastefnumótandi spurningar, það er auðvelt fyrir reyndan skipuleggjanda
greina víddar- og mælikvarða/staðreyndarkröfur.
Mynd 1.2 sýnir stærð og stærðarhluta a
viðskiptavandamál.
Ef JAD notendur vita ekki hvernig á að lýsa yfir kröfum sínum
í formi viðskiptavanda mun hönnuðurinn oft skila
dæmi um að sleppa og hefja gagnasöfnunarlotuna
kröfur.
Sérfræðingurinn getur hjálpað notendum að skilja ekki aðeins
stefnumótandi viðskipti, en einnig hvernig á að mynda þau.
Fjallað er um kröfuröflunaraðferðina í kafla 3; Fyrir
nú viljum við bara benda á nauðsyn þess að hanna fyrir alla
tegundir BI kröfur
Stefnumótandi viðskiptamál er, ekki bara krafa
Viðskipti, en líka hönnunarvísbending. Ef þú þarft að svara
við margvíða spurningu, þá verður þú að leggja á minnið,
leggja fram i dati víddar, og ef þú þarft að leggja á minnið
dati fjölvídd, þú þarft að ákveða hvers konar tækni eða
tækni sem þú ætlar að nota.
Innleiðir þú frátekið teningsstjörnuskema, eða bæði?
Eins og þú sérð, jafnvel einfalt viðskiptavandamál
getur haft töluverð áhrif á hönnunina. Hins vegar
þessar tegundir viðskiptakrafna eru venjulegar og auðvitað, amk
af reyndum verkefnaskipuleggjendum og hönnuðum.
Það hefur verið nóg umræða um tæknina og stuðninginn við
OLAP og margs konar lausnir eru í boði. Hingað til
við nefndum nauðsyn þess að sameina einfalda skýrslugerð með i
kröfur um stærð fyrirtækja, og hvernig þessar kröfur
hafa áhrif á tæknilegar byggingarákvarðanir.
En hverjar eru kröfurnar sem ekki er auðskilið
af notendum eða af Dw teyminu? Þú munt alltaf þurfa greininguna
staðbundin(rýmisgreining)?
Námuvinnslulíkönin af dati þau verða nauðsynlegur hluti af þínum
framtíð? Hver veit?
Það er mikilvægt að hafa í huga að þessi tegund af tækni er ekki mikil
þekkt af almennum notendasamfélögum og liðsmönnum
Dw, að hluta til, þetta gæti gerst vegna þess að þeir venjulega
eru meðhöndlaðir af innri eða þriðja aðila tæknisérfræðingum. Það er
landamæratilvik þeirra vandamála sem þessi tegund tækni skapar. Sjálfstfl
notendur geta ekki lýst viðskiptakröfum eða sett þær í ramma
til að veita hönnuðum leiðbeiningar geta þeir
fara óséður eða, það sem verra er, einfaldlega hunsað.
Það verður erfiðara þegar hönnuður og verktaki mistakast
getur viðurkennt umsókn um einn af þessum háþróuðu en
mikilvæg tækni.
Eins og við höfum oft heyrt hönnuði segja: „Jæja, hvers vegna
leggjum við það ekki til hliðar þangað til við fáum þetta annað?
„Hafa þeir raunverulegan áhuga á forgangsröðun, eða forðast þeir einfaldlega i
kröfur sem þeir skilja ekki? Sennilega er það síðari forsendan.
Segjum að söluteymið þitt hafi sent frá sér kröfu
viðskiptanna, eins og fram kemur á mynd 1.3, eins og þú sérð, er
krafan er sett fram í formi viðskiptavanda. Þarna
munurinn á þessu vandamáli og dæmigerðu víddarvandamálinu er
fjarlægðin. Í þessu tilviki vill söluteymið vita,
mánaðarlega er heildarsala af vörum, vöruhúsum og
viðskiptavinir sem búa innan 5 mílna frá vöruhúsinu þar sem þeir
þeir kaupa.
Því miður geta hönnuðir eða arkitektar það einfaldlega
hunsa rýmisþáttinn með því að segja, „við höfum skjólstæðinginn, the
vöru og i dati af innborguninni. Við höldum fjarlægðinni til kl
önnur endurtekning.
"Rangt svar. Svona viðskiptavandamál varðar
algjörlega BI. Það táknar dýpri skilning á
fyrirtæki okkar og öflugt greiningarrými fyrir greiningaraðila okkar.
BI er handan við einfaldar fyrirspurnir eða staðlaða skýrslugerð
jafnvel OLAP. Þetta er ekki þar með sagt að þessi tækni mistekst
þau eru mikilvæg fyrir BI þinn, en eru það í sjálfu sér ekki
BI umhverfið.
Hönnun fyrir upplýsingasamhengi
(Hönnun fyrir upplýsingaefni)
Nú þegar við höfum greint viðskiptakröfurnar sem standa upp úr
ýmsir grundvallarþættir, verða að vera með í hönnun
almenn byggingarlist. Sumir af BI íhlutunum eru hluti
af fyrstu viðleitni okkar, en sumt verður ekki hrint í framkvæmd fyrir
nokkra mánuði.
Hins vegar endurspeglast allar þekktar kröfur í hönnuninni þannig að
þegar við þurfum að innleiða ákveðna tækni þá erum við það
vertu tilbúinn til að gera það. Eitthvað við verkefnið mun endurspegla hugsunina
hefðbundin.
Til dæmis sýnir mynd 1.1, í upphafi kaflans, gögn
mart sem heldur i dati víddar.
Þetta sett af dati er notað til að styðja síðar notkun á
dati víddar drifið af Viðskiptamálum sem
við höfum borið kennsl á. Eins og viðbótarskjölin eru
myndast, svo sem hönnunarþróun á dati, við
við munum byrja að formfesta hvernig i dati þau dreifast í umhverfinu.
Við höfum gengið úr skugga um nauðsyn þess að vera fulltrúi i dati svo
víddar, skipta þeim í sundur (eftir sérstökum þörfum
ákvarðað) á gagnamars.
Næsta spurning sem þarf að svara er hvernig þau verða byggð
þessi gagnamars?
Byggir þú stjörnurnar til að styðja við teningana, eða bara teninga, eða bara stjörnurnar?
(eða hægri teningur, eða hægri stjörnur). Búðu til arkitektúr fyrir gögnin
háð mars sem krefst atómlags fyrir alla dati
eignast þú? Leyfa óháðum gagnamerkjum að afla i dati
beint úr stýrikerfum?
Hvaða Cube Technology ætlar þú að reyna að staðla?
Þú átt gríðarlegt magn af guðum dati krafist fyrir víddargreiningu
eða þarftu teninga landssöluliðsins þíns á einn
vikulega eða bæði? Búðu til öflugan hlut
eins og DB2 OLAP Server for Finance eða Cognos teninga
PowerPlay fyrir sölufyrirtækið þitt eða bæði?
Þetta eru stóru byggingarhönnunarákvarðanir sem
þeir munu hafa áhrif á BI umhverfið þitt í framtíðinni. Já,
þú hefur bent á þörf fyrir OLAP. Hvernig ætlarðu nú að framkvæma það
tegund tækni og tækni?
Hvernig sum af fullkomnustu tækni hefur áhrif á þína
teikningar? Gerum ráð fyrir að þú hafir greint þörf
pláss í fyrirtækinu þínu. Nú verður þú að hringja í
byggingarteikningaútgáfur, jafnvel þótt óskipulagðar séu af
framkvæma rýmishluta í nokkra mánuði. Arkitektinn verður
hönnun í dag út frá því sem þarf. Gera ráð fyrir þörfinni fyrir
staðbundin greining sem býr til, geymir, framkvæmir og afhendir
aðgangur að dati staðbundin. Þetta ætti aftur á móti að þjóna sem a
takmörkun varðandi tegund tækni og forskriftir
hugbúnaðarvettvangur sem þú gætir verið að íhuga núna. Fyrir
td stjórnsýslukerfi af gagnagrunn Vensla
(RDBMS) sem þú framkvæmir fyrir atómlagið þitt verður að hafa
öflugt rýmislegt umfang í boði. Þetta myndi tryggja
hámarksafköst þegar rúmfræði og hlutir eru notaðir
pláss í greiningarforritum þínum. Ef RDBMS þinn gerir það ekki
ræður við i dati (rýmismiðuð) innbyrðis, svo þú verður að gera það
stöðugir una gagnagrunn (rýmismiðlægur) ytri. Þetta flækir
málefnastjórnun og hafa áhrif á heildarframmistöðu þína,
svo ekki sé minnst á viðbótarvandamálin sem þú hefur skapað
DBAs, þar sem þeir hafa líklega lágmarks skilning
af grundvelli dati rýmis líka. Á hinn bóginn, ef vélin þín
RDMBS sér um alla staðbundna hluti og tengda
Optimizer er meðvitaður um sérþarfir (td.
flokkun) staðbundinna hluta, þá geta DBAs þínir séð um
stjórnaðu málum strax og þú getur hækkað þau
frammistaða.
Einnig þarftu að stilla sviðssvæðið og lagið
atómumhverfis til að fela í sér hreinsun heimilisfangs (un
lykilatriði í staðbundinni greiningu), sem og næsta
spara plásshluti. Röð útgáfur af
teikning heldur áfram nú þegar við höfum kynnt hugmyndina um þrif
heimilisfang. Fyrir það fyrsta mun þetta forrit ráða tegundinni af
nauðsynlegur hugbúnaður fyrir ETL viðleitni þína.
Þú þarft vörur eins og Trillium til að gefa þér heimilisfang
hreint, eða ETL söluaðili að eigin vali til að veita það
virkni?
Í bili er mikilvægt að þú kunnir að meta staðalinn í hönnuninni
verður að vera lokið áður en þú byrjar að innleiða þitt
umhverfi (vöruhús). Ofangreind dæmi ættu
sýna fram á fjölda teikningaákvarðana sem verða að fylgja
auðkenning á sérstakri viðskiptakröfu. Ef gert er
rétt, þessar hönnunarákvarðanir stuðla að
innbyrðis háð milli líkamlegra mannvirkja umhverfisins þíns, the
úrval af tækni sem notuð er og flæði útbreiðslu á
innihald upplýsinga. Án þessa hefðbundna byggingarlistar
af BI, stofnun þín verður háð blöndun
óskipulegur núverandi tækni, í besta falli sameinuð á vissan hátt
ónákvæm til að veita augljósan stöðugleika.
Halda upplýsingainnihaldi
Að koma með gildi upplýsinga til fyrirtækis þíns er
mjög erfið aðgerð. Án nægilegs skilnings
og reynslu, eða rétta skipulagningu og hönnun, jafnvel
betri lið myndu mistakast. Á hinn bóginn, ef þú ert með frábært
innsæi og ítarleg skipulagning en enginn agi fyrir
framkvæmd, þú eyddir bara peningunum þínum og tíma
vegna þess að viðleitni þín mun misheppnast. Skilaboðin ættu
vertu skýr: Ef þig vantar einn eða fleiri af þessum
færni, skilningur/reynsla eða skipulagning/teikning o
framkvæmd aga, mun þetta leiða til lömunar eða
eyðileggja byggingu BI stofnunarinnar.
Er liðið þitt nægilega undirbúið? Það er einhver á þér
BI teymi sem skilur hið mikla greiningarlandslag sem til er
í BI umhverfi, í nauðsynlegri tækni og tækni
að hafa áhrif á það landslag? Það er einhver í liði þínu
sem getur greint muninn á notkun milli háþróaðra
kyrrstöðuskýrslur og OLAP, eða munurinn á ROLAP og OLAP? Einn af
meðlimir liðsins þíns þekkja greinilega leiðina
útdráttur og hvernig það gæti haft áhrif á vöruhúsið eða hvernig
getur vöruhúsið stutt afköst námuvinnslunnar? Meðlimur
liðsins skilur gildi þess dati rúm eða tækni
umboðsmaður byggður? Ertu með einhvern sem kann að meta einstaka umsókn
af ETL verkfærum gegn miðlaratækni
skilaboð? Ef þú átt það ekki, fáðu þér einn. BI er miklu meira
stórt af eðlilegu atómlagi, af OLAP, af kerfum a
stjörnu og ODS.
Hafa skilning og reynslu til að viðurkenna kröfur
BI og lausnir þeirra eru nauðsynlegar fyrir getu þína
formfesta þarfir notenda rétt og hanna
og innleiða lausnir þeirra. Ef notendasamfélagið þitt hefur
erfiðleikar við að lýsa kröfunum, það er verkefni teymisins
vöruhús veita þann skilning. En ef liðið af
vörugeymsla
kannast ekki við sérstaka notkun BI - til dæmis gögn
námuvinnslu- þá er það ekki það besta sem BI umhverfi gerir
takmarka sig oft við að vera óvirkar innlán. Hins vegar skaltu hunsa þetta
tæknin dregur ekki úr mikilvægi þeirra og áhrifum sem hún hefur
um tilkomu eigin viðskiptagreindarmöguleika
skipulag, sem og upplýsingaskipulagið sem þú hannar
að auglýsa.
Skipulag verður að fela í sér hugmyndina um teikningu, útg
bæði krefjast hæfs einstaklings. Auk þess að hanna
það krefst teymi werehouse heimspeki og athugun
staðlanna. Til dæmis, ef fyrirtæki þitt hefur stofnað a
staðlaðan vettvang eða hefur auðkennt tiltekið RDBMS sem þú
langar að staðla þvert á vettvang, það er yfirvofandi að
allir í liðinu fylgja þessum stöðlum. Almennt einn
teymi afhjúpar þörfina fyrir eðlilega stillingu (fyrir notanda
samfélög), en liðið sjálft er ekki tilbúið til að taka þátt í
staðlar sem einnig eru settir á öðrum sviðum í fyrirtækinu eða jafnvel í
svipuð fyrirtæki. Þetta er ekki aðeins hræsni heldur kemur það í ljós að fyrirtækið gerir það ekki
er fær um að nýta núverandi fjármagn og fjárfestingar. Það þýðir ekki
að það eru engar aðstæður sem tryggja vettvang eða a
óstöðluð tækni; þó viðleitni vöruhússins
ætti af öfundsverði að standa vörð um staðla fyrirtækisins upp til
að viðskiptakröfur ráði ekki öðru.
Þriðji lykilþátturinn sem þarf til að byggja upp BI
skipulag er fræðigreinin.
Það fer í heildina jafnt eftir einstaklingum og umhverfi.
Verkefnaskipuleggjendur, styrktaraðilar, arkitektar og notendur verða að meta það
aga sem þarf til að byggja upp upplýsingaskipulag fyrirtækisins.
Hönnuðir verða að beina hönnunarviðleitni sinni á þann hátt að
ljúka öðrum nauðsynlegum viðleitni í samfélaginu.
Segjum til dæmis að fyrirtækið þitt byggi upp a
ERP forrit sem er með vöruhúsahluta.
Svo það er á ábyrgð ERP hönnuða að vinna með
vöruhús umhverfi lið til að ekki keppa eða
afrita þá vinnu sem þegar er hafin.
Agi er líka efni sem þarf að vera upptekið
af allri stofnuninni og er venjulega stofnað og falið a
framkvæmdastig.
Eru stjórnendur tilbúnir til að fylgja hönnuðum nálgun? A
nálgun sem lofar að búa til upplýsingaefni sem er
að lokum mun það færa gildi á öllum sviðum fyrirtækisins, en kannski
Er það málamiðlun einstakra eða deilda dagskrá? Mundu orðatiltækið
„Að hugsa um allt er mikilvægara en að hugsa bara um eitt“.
Þetta orðatiltæki á við um BI stofnanir.
Því miður einbeita mörg vöruhús viðleitni sína
leitast við að keyra og koma verðmætum til ákveðinnar deildar eða a
tilteknum notendum, með lítið tillit til skipulags í
almennt. Segjum sem svo að stjórinn óski eftir aðstoð frá teyminu kl
varhús. Teymið bregst við með 90 daga starfi sem
felur ekki aðeins í sér afhendingu tilkynningakrafna sem skilgreindar eru af
framkvæmdastjóri en tryggir að allir dati grunnur er blandaður inn í borðið
atóm áður en hún var kynnt í teningatækni
tillögu.
Þessi verkfræðilega viðbót tryggir að afrek
vöruhús mun njóta góðs af dati sem stjórnandinn þarfnast.
Hins vegar ræddi framkvæmdastjórinn við utanaðkomandi ráðgjafafyrirtæki um það
hafa lagt fram sambærilega umsókn með afhendingu innan 4
vikur.
Að því gefnu að innra geymsluhópurinn sé hæfur, þá
framkvæmdastjóri hefur val. Hver getur stutt aga
viðbótarverkfræði sem þarf til að rækta brunninn
upplýsingafyrirtæki eða geta valið að búa til sína eigin
lausn fljótt. Hið síðarnefnda virðist sannarlega vera valið
of oft og þjónar aðeins til að búa til upplýsingagáma um
sem fáir eða einstaklingurinn hagnast á.
Skamm- og langtímamarkmið
Arkitektar og skipulagsfræðingar verða að formfesta a
langtímasýn á heildararkitektúr og áætlanir um
vaxa í BI stofnun. Þessi samsetning af
skammtímahagnaður og langtímaáætlun
tákna tvö andlit viðleitni BI. Skammtíma hagnaður
fyrning er hlið BI sem er tengd við endurtekningar á
vöruhúsið þitt.
Þetta er þar sem skipuleggjendur, arkitektar og styrktaraðilar leggja áherslu á
uppfylla sérstakar viðskiptakröfur. Það er á þessu stigi þar sem
líkamleg mannvirki eru byggð, tækni er keypt og
tækni eru innleidd. Þeir eru alls ekki gerðir til að horfast í augu við
sérstakar kröfur eins og þær eru skilgreindar af sérstökum notendasamfélögum.
Allt er gert til að mæta skilgreindum sérstökum kröfum
frá ákveðnu samfélagi.
Langtímaskipulag er hins vegar hinn þátturinn
af BI. Þetta er þar sem áætlanir og hönnun tryggðu að það væri
byggt hvaða líkamlega uppbyggingu, tækni sem valin er og
innleitt tækni sem unnin er með auga fyrir fyrirtækinu. Og
langtímaskipulag sem veitir samheldni
nauðsynlegt til að tryggja að hagur fyrirtækja komi öllum til skila
skammtímaávinningurinn sem fannst.
Rökstyðjið BI viðleitni þína
Un gagnageymsla í sjálfu sér hefur það ekkert eðlislegt gildi. Í öðru
orð, það er ekkert eðlislægt gildi á milli tækninnar
vöruhús og útfærslutækni.
Gildi hvers kyns vöruhúsaátaks er að finna í aðgerðunum
framkvæmt vegna vöruhúsaumhverfis og innihalds
upplýsingar sem unnar hafa verið með tímanum. Þetta er mikilvægt atriði til að skilja
áður en þú reynir nokkurn tíma að meta verðmæti nokkurs frumkvæðis með því að
heim.
Of oft reyna arkitektar og skipulagsfræðingar að beita gildi til
efnislegir og tæknilegir íhlutir vöruhússins þegar verðmætin eru í raun og veru
stofnar með viðskiptaferlum sem hafa jákvæð áhrif á
vöruhús og vel aflaðar upplýsingar.
Hér liggur áskorunin við stofnun BI: Hvernig réttlætir þú fjárfestinguna?
Ef hvar húsið sjálft hefur ekkert innra gildi, hönnuðir af
verkefnið verður að rannsaka, skilgreina og formfesta ávinninginn
náð af þeim einstaklingum sem munu nota vöruhúsið til
bæta tiltekna viðskiptaferla eða verðmæti
verndaðar upplýsingar eða hvort tveggja.
Til að flækja efni, hvaða viðskiptaferli sem er
fyrir áhrifum af vöruhúsaviðleitni gæti veitt ávinning
„talsvert“ eða „lítið“. Töluverðir kostir veita a
áþreifanlegur mælikvarði til að mæla arðsemi fjárfestingar (ROI) – t.d
til dæmis að velta birgðum til viðbótar á tímabili
sérstaklega eða fyrir lægri flutningskostnað á hverja sendingu. Það er meira
Það er erfitt að finna smá kosti, svo sem bættan aðgang að
upplýsingar, hvað varðar áþreifanlegt gildi.
Tengdu verkefnið þitt til að þekkja
viðskiptabeiðnir
Of oft reyna verkefnahönnuðir að tengja gildi
vöruhússins með myndlaus markmið fyrirtækisins. staðhæfing um það
„Verðmæti vöruhúss byggist á getu okkar til að
uppfylla stefnumótandi beiðnir“ við opnum skemmtilega
ræðu. En það eitt og sér er ekki nóg til að skera úr um hvort
fjárfestingin í vöruhúsinu er skynsamleg. Það er betra að tengja endurtekningar
vöruhúss með sérstökum viðskiptabeiðnum og athugasemdum.
Mældu arðsemi
Útreikningur á arðsemi í vöruhúsum getur verið
sérstaklega erfitt. Það er sérstaklega erfitt ef forystu
meginatriði tiltekinnar endurtekningar er eitthvað óáþreifanlegt eða
auðvelt að mæla. Rannsókn leiddi í ljós að notendur skynja
tveir helstu kostir BI frumkvæðis:
▪ Skapa getu til að taka ákvarðanir
▪ Búðu til aðgang að upplýsingum
Þessir kostir eru mjúkir (eða vægir) kostir. Það er auðvelt að sjá það
hvernig getum við reiknað arðsemi út frá harðri brún (o
meiri) eins og lækkun flutningskostnaðar, en hvernig
mælum við getu til að taka betri ákvarðanir?
Þetta er örugglega áskorun fyrir verkefnaskipuleggjendur þegar
þeir eru að reyna að fá fyrirtækið til að fjárfesta í einu tilteknu
lagerátak. Aukin sala eða minnkandi kostnaður
þau eru ekki lengur aðalþemu sem knýja BI umhverfið áfram.
Þess í stað ertu að leita að aðgangi í viðskiptabeiðnum
best að upplýsingum þannig að tiltekin deild geti
taka ákvarðanir hraðar. Þetta eru stefnumótandi drifkraftar a
sem eru fyrirtækinu jafn mikilvæg en eru það
óljósari og erfiðara að einkenna í áþreifanlegum mælikvarða.
Í þessu tilviki getur útreikningur á arðsemi verið villandi, ef ekki óviðkomandi.
Verkefnahönnuðir verða að geta sýnt fram á gildi
áþreifanlegt fyrir stjórnendur að ákveða hvort fjárfesting í
ákveðin endurtekning skiptir máli. Hins vegar munum við ekki leggja til nýjan
aðferð til að reikna út arðsemi, né munum við koma með neina kosti eða rök
á móti því.
Það eru margar greinar og bækur í boði sem fjalla um grundvallaratriði fyrir
reikna arðsemi. Það eru sérstakar gildistillögur eins og gildi
á fjárfestingu (VOI), í boði hjá hópum eins og Gartner, sem þú getur
að rannsaka. Þess í stað munum við einbeita okkur að kjarnaþáttum hvers kyns
arðsemi eða aðrar gildistillögur sem þú þarft að hafa í huga.
Að beita arðsemi
Til viðbótar við rökin um „harða“ kosti á móti „mjúkum“ ávinningi
Í tengslum við viðleitni BI eru önnur atriði sem þarf að huga að
þegar við notum arðsemi. Til dæmis:
Að rekja of mikinn sparnað til DW viðleitni sem myndi koma
í öllu falli
Segjum að fyrirtækið þitt hafi farið úr arkitektúr af
mainframe í dreifðu UNIX umhverfi. Svo hvaða
sparnað sem gæti (eða kannski ekki) orðið að veruleika með þeirri viðleitni
ætti ekki að rekja eingöngu, ef til allra (?), til
vörugeymsla.
Það er dýrt að gera ekki grein fyrir öllu. Og það er ýmislegt til
taka með í reikninginn. Íhugaðu eftirfarandi lista:
▪ Kostnaður við gangsetningu, þar á meðal hagkvæmni.
▪ Kostnaður við sérstakan vélbúnað með tilheyrandi geymslu e
fjarskipti
▪ Kostnaður við hugbúnaðinn, þ.mt stjórnun á dati og framlengingar
viðskiptavinur/þjónn, ETL hugbúnaður, DSS tækni, verkfæri
visualization, tímasetningu og flæði forrit
vinnu- og rakningarhugbúnaður,.
▪ Byggingarhönnunarkostnaður dati, með framkvæmd, og
hagræðingu á
▪ Hugbúnaðarþróunarkostnaður sem tengist átakinu beint
BI
▪ Kostnaður við heimilisaðstoð, þar á meðal hagræðingu á
afköst, þ.mt hugbúnaðarútgáfustýring e
hjálpa aðgerðum
Notaðu „Big-Bang“ arðsemi.
Framkvæmd vöruhússins sem eitt og risastórt átak
er skylt að mistakast, svo reiknaðu líka arðsemi fyrir frumkvæði
af stórum fyrirtækjum Tilboðið kemur á óvart, og að hönnuðir
halda áfram að gera veikburða tilraunir til að áætla verðmæti heildarinnar
átak.
Vegna þess að hönnuðirnir reyna að gefa peningalegt gildi
um framtaksframtakið ef það er almennt þekkt og viðurkennt að
er erfitt að áætla sérstakar endurtekningar? Hvernig er það hægt? Það er ekki
mögulegt með fáum undantekningum. Ekki gera það.
Nú þegar við höfum komist að því hvað á ekki að gera við útreikning
arðsemi, hér eru nokkur atriði sem munu hjálpa okkur við að skilgreina
áreiðanlegt ferli til að meta gildi BI viðleitni þinnar.
Að fá samþykki fyrir arðsemi. Burtséð frá þínum
val á tækni til að meta verðmæti BI viðleitni þinnar, verður
vera samþykkt af öllum aðilum, þar með talið verkefnaskipuleggjendum,
styrktaraðila og stjórnendur fyrirtækja.
Skiptu arðsemi í auðkennanlega hluta. Nauðsynlegt skref í átt að inn
sanngjarn útreikningur á arðsemi er að einbeita þeim útreikningi á a
tilteknu verkefni. Þetta gerir þér síðan kleift að meta gildi
byggt á sérstökum viðskiptakröfum sem eru uppfylltar
Skilgreindu kostnaðinn. Eins og getið er, hlýtur fjöldi kostnaðar að vera
talið. Ennfremur verður kostnaðurinn ekki aðeins að fela í sér kostnað sem tengist honum
til stöku endurtekningar en einnig til tilheyrandi kostnaðar
til að tryggja að farið sé að stöðlum fyrirtækja.
Skilgreindu kosti. Með því að tengja skýrt arðsemi við kröfur
sérstök viðskipti ættum við að geta greint
kosti sem leiða til þess að uppfylla kröfur.
Draga úr kostnaði og ávinningi í yfirvofandi hagnaði. Það er leiðin
besta leiðin til að byggja verðmat þitt á hreinu núvirði
(NPV) ólíkt því að reyna að spá fyrir um framtíðarvirði í
framtíðartekjur.
Haltu tímanum til að skipta arðsemi þinni í lágmarki. OG'
vel skjalfest í langan tíma sem það hefur verið notað í þinni
Arðsemi
Notaðu fleiri en eina arðsemisformúlu. Það eru til fjölmargar aðferðir til að
arðsemisspá og þú ættir að skipuleggja hvort þú notar einn eða
auk, þar með talið hreint núvirði, innri hraða endurgjöfarinnar
(IRR) og bata.
Skilgreindu endurtekið ferli. Þetta skiptir sköpum við útreikning
hvaða langtímaverðmæti sem er. Það ætti að vera skjalfest a
eitt endurtekið ferli fyrir allar undirraðir verkefna a
fylgja.
Vandamálin sem talin eru upp eru þau algengustu sem eru skilgreind af sérfræðingum
af umhverfi vöruhússins. Krafa stjórnenda um
að hafa „Big-Bang“ arðsemi skila er mjög ruglingslegt. Ef þú byrjar á öllum
arðsemisútreikninga þína með því að skipta þeim niður í auðkennanlega, áþreifanlega hluta, þú hefur
gott tækifæri til að meta nákvæmt arðsemismat.
Spurningar um ávinning af arðsemi
Hver sem ávinningurinn þinn er, mjúkur eða harður, geturðu notað
nokkrar grundvallarspurningar til að ákvarða gildi þeirra. Til
dæmi með því að nota einfalt kvarðakerfi, frá 1 til 10, þú
þú getur fylgst með áhrifum hvers kyns átaks með því að nota eftirfarandi
beiðnir:
▪ Hvernig myndir þú meta skilning á dati í kjölfarið á þessu
verkefni fyrirtækis þíns?
▪ Hvernig myndir þú meta umbætur á ferlinum vegna
þetta verkefni?
▪ Hvernig myndir þú mæla áhrif nýrrar innsýnar og ályktana núna
gert aðgengilegt með þessari endurtekningu
▪ Hvaða áhrif hafa nýtt tölvuumhverfi haft e
frammistöðu vegna þess sem hafði verið lært?
Ef svörin við þessum spurningum eru fá, er það mögulegt
fyrirtækið er ekki fjárfestingarinnar virði. Spurningar með hámarki
stig benda til verulegs verðmætaaukningar og ætti
vera leiðbeiningar um frekari rannsóknir.
Til dæmis hátt stig fyrir endurbætur á ferli
það ætti að leiða hönnuði til að skoða hvernig ferlarnir eru
verið bætt. Þú gætir komist að því að einhver eða allur ávinningurinn er gerður
þau eru áþreifanleg og því getur peningalegt verðmæti auðveldlega verið það
beitt.
Að fá sem mest út úr fyrstu endurtekningu á
vörugeymsla
Mesti árangur af viðleitni fyrirtækisins er oft í
fyrstu endurtekningarnar. Þessar fyrstu viðleitni hefð
koma á gagnlegustu upplýsingaefni fyrir almenning e
kemur á fót aðstoð við grunn tækni til síðari tíma
BI umsóknir.
Venjulega hver síðari framhald af dati af verkefni af
vöruhús færa fyrirtækinu minna og minna aukavirði
almennt. Þetta á sérstaklega við ef endurtekningin mistekst
bætir við nýjum rökum eða uppfyllir ekki þörfina fyrir ný
notendasamfélag.
Þessi geymsluaðgerð á einnig við um stafla
vaxandi með dati sagnfræðingar. Þar sem síðari viðleitni krefst meira
dati og hvernig meira dati er hellt inn í vöruhúsið með tímanum, flestum
dati það verður minna viðeigandi fyrir greininguna sem notuð er. Þessar dati þeir eru
oft kallaður dati sofandi og það er alltaf dýrt að halda þeim vegna þess
þeir eru nánast aldrei notaðir.
Hvað þýðir þetta fyrir styrktaraðila verkefnisins? Í meginatriðum, i
fyrstu styrktaraðilar deila meiru en fjárfestingarkostnaði.
Þetta er aðal vegna þess að þeir eru hvatinn að því að stofna lagið
stór vöruhúsaauðlind og tækniumhverfi,
þar á meðal lífrænt.
En þessi fyrstu skref bera hæsta gildi og þar með hönnuðirnir
verkefnisins hlýtur oft að réttlæta fjárfestinguna.
Verkefni unnin eftir BI frumkvæði þitt geta haft kostnað í för með sér
óæðri (miðað við þann fyrsta) og bein, en bera minna gildi
til fyrirtækisins.
Og eigendur stofnana þurfa að fara að íhuga
kasta uppsöfnun á dati og minna viðeigandi tækni.
Gagnanám: Útdráttur Dati
Fjölmargir byggingarhlutar þurfa afbrigði af
gagnavinnslutækni og -tækni—
til dæmis, mismunandi "umboðsmenn" til að skoða áhugaverða staði
viðskiptavinir, stýrikerfi félagsins og fyrir sama dw. Þessar
umboðsmenn geta verið háþróuð taugakerfi þjálfuð í
pottur þróun, eins og framtíðar eftirspurn eftir vörum byggt á
sölukynningar; reglur byggðar vélar fyrir
bregðast við setti dagsetning af aðstæðum, til dæmis greiningu
ráðleggingar um læknisfræði og meðferð; eða jafnvel einföld lyf
með það hlutverk að tilkynna undantekningar til æðstu stjórnenda (efst
stjórnendur). Almennt þessi útdráttarferli dati si
staðfesta í rauntíma; þess vegna verða þeir að sameinast
alveg með hreyfingu á dati sjálfir.
Greiningarvinnsla á netinu
Greining á netinu
Hæfni til að sneiða, teninga, rúlla, bora niður
og framkvæma greininguna
hvað-ef, er innan gildissviðs, markmið svítunnar
IBM tækni. Til dæmis greiningarmeðferðaraðgerðir
online (OLAP) er til fyrir DB2 sem færir víddargreiningu inn í
vél af gagnagrunnur sama.
Aðgerðir bæta víddar gagnsemi við SQL á meðan
nýttu þér alla kosti þess að vera eðlilegur hluti af DB2. Annað
dæmi um OLAP samþættingu er útdráttarverkfærið, DB2
OLAP greiningarþjónn. Þessi tækni gerir teninga af the
DB2 OLAP þjónn til að vera fljótur og sjálfvirkur
greind til að finna og tilkynna um gildi á dati óvenjulegt eða óvænt
fyrir allan teninginn til viðskiptasérfræðingsins. Og að lokum, aðgerðir
DW Center veitir arkitektum úrræði til að athuga, meðal annars
annað, sniðið DB2 OLAP netþjónstening sem hluta
eðli ETL ferla.
Staðbundin greining Staðbundin greining
Rýmið táknar helming greiningarakkeranna (leiðsla).
þarf fyrir víðmynd
breið greining (tíminn táknar hinn helminginn). Atómstigið
(atómstig) vöruhússins, sýnd á mynd 1.1,
felur í sér grundvallaratriði fyrir bæði tíma og rúm. Upptökurnar
Tímabundin akkerisgreining fyrir upplýsingar um tíma og heimilisfang
akkerisgreining úr geimnum. Tímastimplar
framkvæma greiningu í tíma og takast á við upplýsingaleiðir
rýmisgreining. Skýringarmyndin sýnir landkóðun-ferli af
umbreyta heimilisföngum í punkta á korti eða punkta í geimnum
þannig að hugtök eins og fjarlægð og inni/úti geti verið
notað í greiningu – framkvæmt á atómstigi og staðbundinni greiningu
sem er aðgengilegt sérfræðingnum. IBM veitir viðbætur
rúm, þróað með Environmental System Research Institute (ESRI),
al gagnagrunnur DB2 þannig að staðbundnir hlutir geta verið
haldið sem venjulegum hluta af gagnagrunnur tengsl. db2
Spatial Extenders, þeir veita einnig allar SQL viðbætur fyrir
nýta staðbundna greiningu. Til dæmis, SQL viðbætur frá
spurning um
fjarlægð milli heimilisfönga eða ef punktur er innan eða utan svæðis
skilgreind marghyrningur, eru greiningarstaðall með Spatial
framlengingartæki. Sjá kafla 16 fyrir frekari upplýsingar.
Gagnasafn-Resident Tools Tools Gagnasafn-
Resident
DB2 hefur marga SQL BI-aðstoðareiginleika
í greiningaraðgerðinni. Þar á meðal eru:
▪ Endurtekningaaðgerðir til að framkvæma greiningu, svo sem „finna
allar mögulegar flugleiðir frá San Francisco a Nýja Jórvík".
▪ Greiningaraðgerðir fyrir röðun, uppsöfnuð föll, teningur
og uppröðun til að auðvelda verkefni sem venjulega eiga sér stað
aðeins með OLAP tækni, eru nú eðlilegur hluti af
vél af gagnagrunnur
▪ Getan til að búa til töflur sem innihalda niðurstöður
Seljendur á gagnagrunnur leiðtogar blanda saman meira en BI getu
í gagnagrunnur sama.
Helstu birgjar gagnagrunn þeir eru að blanda meira en
virkni BI í gagnagrunnur sama.
Þetta veitir bestu frammistöðu og fleiri framkvæmdarmöguleika fyrir les
BI lausnir.
Fjallað er um eiginleika og aðgerðir DB2 V8
ítarlega í eftirfarandi köflum:
Tæknileg arkitektúr og gagnastjórnunarstofnanir
(5. kafli)
▪ Grundvallaratriði DB2 BI (6. kafli)
▪ DB2 efnislegar fyrirspurnatöflur (efnisbundnar fyrirspurnir
Töflur) (7. kafli)
▪ DB2 OLAP aðgerðir (kafli 13)
▪ DB2 Enhanced BI eiginleikar og aðgerðir (Enhanced BI
Eiginleikar og aðgerðir) (15. kafli)
Einfaldað gagnaafhendingarkerfi
Afhendingarkerfi af dati einfölduð
Arkitektúrinn sem sýndur er á mynd 1.1 inniheldur nokkra
mannvirki dati líkamlegt. Eitt er vöruhús á dati rekstrarleg.
Almennt er ODS hlutbundinn,
samþætt og núverandi. Myndir þú byggja ODS til að styðja við, t.d
td söluskrifstofunni. ODS sala myndi bæta við dati
úr fjölmörgum mismunandi kerfum en myndi bara halda, t.d
td viðskipti í dag. Hægt er að uppfæra ODS
jafnvel nokkrum sinnum á dag. Á sama tíma, ferlarnir
ýttu á i dati samþætt í önnur forrit. Þessi aðstaða er
sérstaklega hannað til að samþætta dati núverandi og kraftmikið e
væri líklegur frambjóðandi til að styðja rauntíma greiningar,
hvernig á að veita þjónustuaðilum viðskiptavinir söluupplýsingar
strauma viðskiptavina með því að draga út upplýsingar um söluþróun
frá vöruhúsinu sjálfu. Önnur uppbygging sem sýnd er á mynd 1.1 er
formleg staða fyrir dw. Þetta er ekki aðeins staðurinn fyrir
framkvæmd nauðsynlegrar samþættingar, gæði af datiOg
af umbreytingu á dati af lager kemur, en það er líka
áreiðanlegt og tímabundið geymslusvæði fyrir dati endurtók það
gæti verið notað í rauntíma greiningu. Ef þú ákveður það
nota ODS eða sviðssvæði, einn
af bestu verkfærunum til að byggja upp þessi mannvirki dati að nota
mismunandi rekstraruppsprettur er misleit dreifð fyrirspurn DB2.
Þessi hæfileiki er afhentur með DB2 valfrjálsa eiginleikanum
kallað DB2 Relational Connect (aðeins fyrirspurnir) og í gegnum DB2
DataJoiner (sérstök vara sem skilar spurningunni,
innskotið, uppfærslan og möguleiki á afturköllun a
misleitt dreifð RDBMS).
Þessi tækni gerir arkitektum kleift að dati að binda dati di
framleiðslu með greiningarferlum. Ekki aðeins tækni
laga sig að nánast hvaða afritunarbeiðni sem er
þeir gætu komið með rauntíma greiningu, en það
þeir geta einnig tengst margs konar bækistöðvum dati meira
vinsæl, þar á meðal DB2, Oracle, Sybase, SQL Server,
Informix og fleiri. DB2 DataJoiner er hægt að nota til að fylla út
mannvirki dati formlegt eins og ODS eða jafnvel borð
varanlega fulltrúa í vöruhúsi hannað til endurreisnar
fljótur með tafarlausum uppfærslum eða til sölu. Auðvitað,
þessi sömu mannvirki dati hægt að byggja með því
önnur mikilvæg tækni hönnuð til að afrita dati, IBM
DataPropagator Relational. (DataPropagator er sérstök vara
fyrir miðlæg kerfi. DB2 UNIX, Linux, Windows og OS/2 innihalda
afritunarþjónusta af dati sem staðalbúnaður).
Önnur aðferð til að flytja dati starfar í kring
að fyrirtækinu er fyrirtæki umsókn samþættari annars
þekktur sem skilaboðamiðlari. Þetta
Einstök tækni gerir óviðjafnanlega stjórn á miðju
(miðun) og hreyfa sig dati í kringum fyrirtækið. IBM er með miðlarann
af mest notuðu skilaboðunum, MQSeries, eða afbrigði
vörunnar sem inniheldur kröfur um E-verslun, IBM
WebSphere MQ.
Fyrir frekari umræður um hvernig á að nýta MQ til að styðja a
vöruhús og BI umhverfi, heimsókn vefsíðu bókarinnar. Í bili er það
nægir að nefna að þessi tækni er frábær miðill fyrir
handtaka og umbreyta (með því að nota MQSeries Integrator) dati
markvissir starfsmenn ráðnir fyrir BI lausnir. Þarna
MQ tækni hefur verið samþætt og pakkað í UDB V8, sem
þýðir að nú er hægt að stjórna skilaboðaröðum
eins og þær væru DB2 töflur. Hugmyndin um suðu á
skilaboð í biðröð og alheimurinn af gagnagrunnur tengslahausar
í átt að öflugu afhendingarumhverfi af dati.
Núll leynd Núll leynd
Endanlegt stefnumarkmið IBM er núll leynd greining.
Eins og skilgreint er af
Gartner, BI kerfi verður að geta ályktað, samlagast
og veita sérfræðingum upplýsingar sé þess óskað. Áskorunin,
auðvitað liggur það í því hvernig á að blanda dati núverandi og í rauntíma
með nauðsynlegum sögulegum upplýsingum, eins og i dati tengd líkan/af
tilhneiging, eða útdreginn skilningur, sem afmörkun á
viðskiptavinur
Slíkar upplýsingar fela til dæmis í sér auðkenningu á viðskiptavinir ad
mikil eða lítil áhætta eða hvaða vörur i viðskiptavinir þeir munu kaupa mikið
líklega ef þeir eru nú þegar með ost í körfunum sínum
yfirtökur.
Að fá núll leynd er í raun háð tveimur
grundvallaraðferðir:
▪ Ljúka sameiningu á dati sem eru greindar með
rótgróin tækni og með þeim verkfærum sem BI hefur þróað
▪ Afhendingarkerfi af dati duglegur að tryggja það
rauntímagreining er í raun tiltæk
Þessar forsendur fyrir núll leynd eru ekkert frábrugðnar þessu tvennu
markmið sett af IBM og lýst er hér að ofan.
The þétt tenging á dati er hluti af dagskránni
hnökralaus samþætting á vegum IBM. Og búa til kerfi
af afhendingu á dati duglegur er algjörlega háður
tiltæk tækni sem einfaldar afhendingarferlið á
dati. Þess vegna eru tvö af þremur markmiðum IBM mikilvæg
að gera það þriðja. IBM er meðvitað að þróa sína eigin
tækni til að tryggja núll leynd er raunveruleiki fyrir
vöruhúsaviðleitni.
Samantekt / Samantekt
BI stofnunin útvegar vegvísi fyrir
skapaðu umhverfi þitt
ítrekað. Það verður að laga það til að endurspegla þarfir
fyrirtæki þitt, bæði núverandi og framtíðar. Án byggingarlistarsýnar
breiður, birgðir reps eru lítið meira en
handahófskenndar útfærslur á miðlægum vöruhúsum sem gera lítið til
skapa breitt upplýsingafyrirtæki.
Fyrsta hindrunin fyrir verkefnastjóra er hvernig á að réttlæta
fjárfestingar sem nauðsynlegar eru til uppbyggingar BI stofnunarinnar.
Þó að arðsemisútreikningurinn hafi verið meginstoð fyrir
vöruhús afrek, það er að verða erfiðara að
spá nákvæmlega. Þetta hefur leitt til annarra aðferða fyrir
ákvörðun ef þú ert að fá peningana þína. The
virði á fjárfestingu2 (VOI), til dæmis, er aflað
sem lausn.
Það er í höndum arkitekta dati og um verkefnaskipuleggjendur
vísvitandi afla og veita upplýsingar til samtökum um
notendur og ekki bara gefa sui þjónustu dati. Það er
mikill munur á þessu tvennu. Upplýsingar eru eitthvað sem maður gerir
munur á ákvarðanatökuferlum og skilvirkni; tiltölulega, þ
dati þeir eru byggingareiningar til að afla þeirra upplýsinga.
Jafnvel þótt gagnrýni sé á heimildina dati til að sinna beiðnum
fyrirtæki, ætti BI umhverfið að þjóna stærra hlutverki
við gerð upplýsingaefnis. Við verðum að taka
viðbótarráðstafanir til að hreinsa, samþætta, umbreyta eða
að öðru leyti búa til upplýsingaefni samkvæmt því sem
notendur geta gripið til aðgerða og því þurfum við að tryggja að þeir
aðgerðir og þessar ákvarðanir, þar sem það er sanngjarnt, hafa endurgjöf
í BI umhverfi. Ef við víkjum vöruhúsinu til að þjóna aðeins á dati,
það er tryggt að notendasamtök muni búa til efnið
upplýsingar sem þarf til að grípa til aðgerða. Þetta tryggir að þeirra
samfélagið mun geta tekið betri ákvarðanir, en fyrirtækið
þjáist af þekkingarskorti sem þeir hafa notað.
Gögn að arkitektar og skipulagsfræðingar hafi frumkvæði að verkefnum
sérstaklega fyrir BI umhverfið, þeir eru áfram ábyrgir gagnvart fyrirtækinu
í stórum dráttum. Einfalt dæmi um þennan tvíþætta eiginleika
andlit endurtekningar BI er að finna í heimildinni dati. Öll
dati berast fyrir sérstakar viðskiptabeiðnir verður að vera
byggð í fyrsta atómlaginu. Þetta tryggir þróun á
fyrirtækjaupplýsingaeign, sem og stjórna, leiða
sérstakar notendabeiðnir skilgreindar í endurtekningu.

HVAÐ er D ata W arehouse?
Gagnageymsla það er hjarta arkitektúrs upplýsingakerfa
síðan 1990 og styður upplýsingaferli með því að bjóða upp á traust
samþættur vettvangur af dati sögulegt tekið til grundvallar síðar
greiningar. THE gagnageymsla bjóða upp á auðvelda samþættingu í a
heimur ósamrýmanlegra forritakerfa. Dagsetning
vöruhús hefur þróast í tísku. Gagnageymsla
skipuleggja og leggja á minnið i dati nauðsynleg fyrir upplýsingaferli e
greinandi út frá löngu sögulegu tímalegu sjónarhorni. Allt
þetta felur í sér töluvert og stöðugt átak í framkvæmdum og
í viðhaldi á gagnageymsla.
Svo hvað er a gagnageymsla? A gagnageymsla og:
▪ efnismiðað
▪ samþætt kerfi
▪ tímabreytingar
▪ óstöðugt (hættir ekki við)
safn af dati notað til stuðnings stjórnunarákvörðunum í
innleiðingu ferla.
I dati sett inn gagnageymsla koma upp í flestum
mál úr rekstrarumhverfi. The gagnageymsla er gert af einum
geymslueining, líkamlega aðskilin frá restinni af
kerfi, sem inniheldur dati áður afgreitt af
forrit sem vinna á upplýsingum sem koma frá umhverfinu
rekstrarleg.
Bókstafleg skilgreining á a gagnageymsla verðskuldar ítarlega rannsókn
skýringar þar sem það eru mikilvægar hvatir og merkingar
sjóður sem lýsa eiginleikum vöruhúss.
EFNISHÁTTUNARSTÆÐING
ÞEMAÐI
Fyrsti eiginleiki a gagnageymsla er að því er stefnt að
helstu leikmenn í fyrirtæki. Leiðarvísir ferlanna í gegnum
dati það er í mótsögn við klassískari aðferðina sem gerir ráð fyrir
stefnumörkun forrita að ferlum og aðgerðum,
aðferð sem flestir deila
eldri stefnukerfi.
Rekstrarheimurinn er hannaður í kringum forrit og aðgerðir
svo sem lán, sparnað, bankakort og traust fyrir stofnun
fjármála. Heimur dw er skipulagður í kringum viðfangsefni
eins og viðskiptavinurinn, seljandinn, varan og starfsemin.
Samræming í kringum efni hefur áhrif á hönnun og
um gerð dati finnast í dw. Ekki síst,
aðalefnið hefur áhrif á mikilvægasta hlutann
lykilskipulag.
Heimur forritsins er undir áhrifum bæði af hönnun gagnanna
grunni en frá ferlihönnun. Heimurinn af
dw einbeitir sér eingöngu að myndbandsgerð dati Það er byrjað
teikningu af gagnagrunnur. Hönnun ferlisins (í formi þess
klassískt) er ekki hluti af dw umhverfinu.
Munurinn á vali á ferli/aðgerðaforriti og
efnisval kemur einnig í ljós sem munur á efni
dei dati á ítarlegu stigi. THE dati del dw innihalda ekki i dati að
þeir verða ekki notaðir fyrir DSS ferli, meðan forrit
rekstrarmiðað dati innihalda i dati að fullnægja
strax þær virkni-/vinnslukröfur sem geta o
hafa allavega not fyrir DSS sérfræðing.
Önnur mikilvæg leið sem rekstrarlega stilla forrit
ai dati er öðruvísi en dati af dw er í skýrslum um dati. Ég dati
rekstraraðilar halda áframhaldandi sambandi milli tveggja eða fleiri borða
byggt á viðskiptareglu sem er virk. THE dati eftir dw
þau spanna tímaróf og hlutföllin sem finnast í dw eru
margir. Margar viðskiptareglur (og samsvarandi margar
skýrslur um dati ) eru fulltrúar í lager af dati milli tveggja eða
fleiri borð.
(Til að fá nákvæma útskýringu á því hvernig tengslin milli dati þeir eru
stjórnað í DW, við vísum til tæknimálsins um það
spurning.)
Frá engu öðru sjónarhorni en mismuninum
grundvallaratriði á milli vals á virkni/ferli og notkun
námsefnisval er meiri munur á kerfunum
rekstrar- og dati og DW.
SAMTÖKING SAMBANDI
Mikilvægasti þátturinn í dw umhverfinu er að i dati Fundið
innan dw eru þau auðveldlega samþætt. ALLTAF. ÁN
UNDANTEKNINGAR. Kjarninn í dw umhverfinu er að i dati
sem eru innan marka vöruhússins eru samþætt.
Samþætting birtist á marga mismunandi vegu - í venjum
greind í samræmi, að því marki sem samræmdar breytur eru, í
samræmdar kóðaðar mannvirki, í eðlisfræðilegum eiginleikum dati
samkvæmur og svo framvegis.
Í gegnum árin hafa hönnuðir nokkurra forrita gert það
eiga margar ákvarðanir um hvernig umsókn ætti að vera
vera þróaður. Stíll og einstaklingsmiðaðar ákvarðanir um hönnun
af umsóknum hönnuða koma í ljós á hundrað vegu: í
munur á kóðun, lykilbyggingu, eðliseiginleika,
auðkenningarsamningar og svo framvegis. Sameiginleg getu margra
forritshönnuðir til að búa til ósamræmd forrit
það er goðsagnakennd. Mynd 3 afhjúpar nokkurn meiri mun
mikilvægt í því hvernig forrit eru hönnuð.
Kóðun: Kóðun:
Forritshönnuðir hafa valið reitkóðun -
kynlíf- á mismunandi vegu. Hönnuður táknar kynlíf sem
„m“ og „f“. Annar hönnuður táknar kyn sem „1“
og „0“. Annar hönnuður táknar kyn sem „x“ og
"y". Annar hönnuður táknar kyn sem "karlkyns" og
"kvenkyns". Það skiptir í raun ekki máli hvernig kynlífið kemst inn í DW. "M"
og "F" eru líklega eins góð og öll
framsetning.
Það sem skiptir máli er að frá hvaða uppruna sem kynlífssviðið kemur,
þessi reitur kemur til DW í samþættu ástandi. Frá
afleiðing þegar sviðið er hlaðið inn í DW frá
forrit þar sem það hefur verið fundið út á sniði
„M“ og „F“, þ.e dati verður að breyta í DW snið.
Mæling á eiginleikum: Mæling á
Eiginleikar:
Forritshönnuðirnir völdu að mæla leiðsluna inn
ýmsar leiðir á námskeiðinu
Sum ár. A hönnuður verslanir i dati af leiðslunni inn
sentimetrar. Annar forritshönnuður geymir dati
leiðslunnar miðað við tommur. Annar hönnuður af
forritaverslanir i dati af leiðslunni í milljónum rúmmetra
á sekúndu. Og annar hönnuður geymir upplýsingar um
leiðslu miðað við metra. Hver sem heimildin er, þegar
upplýsingar um leiðslur berast í DW sem þær verða að vera
mæld á sama hátt.
Samkvæmt vísbendingum á mynd 3 eru samþættingarmálin
þau hafa áhrif á næstum alla þætti hönnunarinnar - eiginleikana
líkamlegir guðir dati, vandamálið að hafa fleiri en eina uppsprettu dati, Í
spurning um ósamræmi auðkennd sýni, snið af dati
ósamræmi og svo framvegis.
Hver sem hönnunarröksemdirnar eru, þá er niðurstaðan sú sama -
i dati verður að geyma í DW í eintölu e
á heimsvísu viðunandi hátt jafnvel þegar stýrikerfi af
sjóðabúð öðruvísi i dati.
Þegar DSS sérfræðingur lítur á DW, linsu greiningaraðilans
ætti að vera hagnýting á dati sem eru í vöruhúsinu,
frekar en að velta fyrir sér trúverðugleika eða samkvæmni
dati.
TÍMAFRAMKVÆMD
Allir dati í DW eru þeir nákvæmir að einhverju augnabliki.
Þessi grunnþáttur í dati í DW er mjög ólíkur dati
finnast í rekstrarumhverfinu. THE dati rekstrarumhverfisins eru
nákvæm eins og á aðgangstímanum. Með öðrum orðum,
í rekstrarumhverfi þegar aðgangur er að einingu dati, þar já
bíddu eftir því að það endurspegli nákvæm gildi eins og við aðgang.
Afhverju ég dati í DW eru nákvæmar eins og á einhverjum tíma í
tími (þ.e. ekki „núna“), þ.e dati finnast í DW
þau eru „tímafrávik“.
Tímabilið á dati eftir DW er vísað til á fjölmarga vegu.
Einfaldasta leiðin er að i dati af DW tákna dati það er
langur tími - fimm til tíu ár. Sjóndeildarhringurinn
tími sem fulltrúi rekstrarumhverfisins er mun styttri
▪ frá núverandi gildum frá allt að sextíu og níutíu
Forrit sem þurfa að virka vel og þurfa að vera
í boði fyrir vinnslu færslu verður að koma með
lágmarksupphæð dati ef þeir viðurkenna einhverja gráðu
sveigjanleika. Þannig að rekstrarforrit hafa sjóndeildarhring
stuttan tímaramma, sem hönnunarrök um
hljóð forrit.
Önnur leiðin sem „tímafrávik“ birtist í DW er í
lykilskipulag. Hver lykilbygging í DW inniheldur,
óbeint eða beinlínis, tímaþáttur, eins og
dagur, vika, mánuður o.s.frv. Tímaþátturinn er næstum alltaf
neðst á samtengda lyklinum sem finnast í DW. Í þessum
stundum mun tímaþátturinn vera til óbeint, svo sem tilviljun
þar sem heil skrá er afrituð í lok mánaðar eða ársfjórðungs.
Þriðja leiðin sem tímafrávik birtist er að i dati del
DW, bara rétt skráð, getur ekki verið
uppfært. THE dati DW eru, í öllum hagnýtum tilgangi, langir
röð af skyndimyndum (snapshot). Auðvitað ef skyndimyndirnar eru
verið tekin rangt, þá gætu skyndimyndirnar verið
breytt. En að því gefnu að myndir séu teknar
rétt, þeim er ekki breytt um leið og þau eru gerð. Í sumum
tilfellum getur verið siðlaust eða jafnvel ógilt að skyndimyndirnar í
DW eru breytt. THE dati rekstrarlegur, vera nákvæmur eins og í
augnabliki aðgangs er hægt að uppfæra þær eins og þær birtast
þörfin.
EKKI rokgjarnt
Fjórða mikilvæga einkenni DW er að það er óstöðugt.
Gerðar eru uppfærslur, innsetningar, eyðingar og breytingar
reglulega fyrir skrá-fyrir-skrá rekstrarumhverfi. En
grunnmeðferð á dati þarf í DW er miklu meira
einfalt. Það eru aðeins tvenns konar aðgerðir sem eiga sér stað í
DW – upphafshleðsla á dati og aðgangur að dati. Það er ekki
engin uppfærsla á dati (í almennum skilningi
uppfærsla) í DW sem venjulega vinnsluaðgerð.
Það eru mjög öflugar afleiðingar af þessum mun
grunnur á milli rekstrarvinnslu og DW vinnslu. Á stigi
með hönnun, nauðsyn þess að fara varlega í uppfærslu
óeðlilegt er ekki þáttur í DW, þar sem uppfærsla á dati það er ekki
framkvæmt. Þetta þýðir að á líkamlegu stigi hönnunar,
frelsi er hægt að taka til að hámarka aðgang að dati,
sérstaklega þegar kemur að viðfangsefnum stöðlunar og af
líkamleg afeðlun. Önnur afleiðing einfaldleikans
af starfsemi DW er í undirliggjandi tækni sem notuð er við
keyra DW umhverfið. Að þurfa að styðja uppfærslur
skrá fyrir skrá í línu (eins og oft er raunin með
rekstrarvinnsla) þarf tæknin að hafa eitthvað
mjög flóknar undirstöður undir augljósum einfaldleika.
Tæknin sem styður öryggisafrit og endurheimt, viðskipti
og heilindi af dati og uppgötvun og úrræði pattstöðu er
frekar flókið og ekki nauðsynlegt fyrir DW vinnslu.
Eiginleikar DW, hönnunarstefnu,
sameining á dati innan DW, tímafrávik og einfaldleiki
af stjórnun á dati, allt leiðir til umhverfi sem er mjög, mjög
ólíkt hinu klassíska rekstrarumhverfi. Uppspretta nánast allra
dati af DW eru rekstrarumhverfi. Það er freistandi að hugsa
að það er stórfelld offramboð á dati milli þessara tveggja umhverfis.
Reyndar er fyrsta sýn sem margir hafa af
mikil offramboð á dati milli rekstrarumhverfis og umhverfis
DW framlenging. Slík túlkun er yfirborðskennd og sannar a
skortur á skilningi hvað gerist í DW.
Reyndar er lágmarks offramboð dati milli rekstrarumhverfisins
og af dati af DW. Við teljum eftirfarandi:
▪ Ég dati þau eru síuð dagsetning sem þú ferð úr rekstrarumhverfinu
til DW umhverfisins. Margir dati þeir líða aldrei út
úr rekstrarumhverfinu. Aðeins að i dati sem þarf til
DSS vinnsla finnur stefnu sína í umhverfinu
▪ Tímabilið á dati það er mjög ólíkt umhverfi
til hins. THE dati í rekstrarumhverfinu eru þeir mjög ferskir. THE dati
í DW eru þeir miklu eldri. Aðeins frá sjónarhorni
á tímabilinu er mjög lítil skörun
milli rekstrarumhverfisins og DW.
▪ DW inniheldur dati af samantekt sem finnast aldrei
í umhverfinu
▪ Ég dati gengist undir grundvallar umbreytingu síðan
augnabliki sem þeir fara yfir á mynd 3 sýnir að flest
hluti af dati eru verulega breyttar enda
á að velja og færa í DW. Með öðrum orðum, the
mest af dati er líkamlega breytt e
róttækan eins og það er flutt til DW. Frá sjónarhóli
samþættingar eru ekki þau sömu dati sem búa
í rekstrarumhverfinu.
Í ljósi þessara þátta, offramboð á dati milli tveggja umhverfis er
sjaldgæft tilvik sem leiðir til minna en 1% offramboðs á milli þeirra tveggja
umhverfi.
UPPBYGGING VÖRUHÚSSINS
DWs hafa sérstaka uppbyggingu. Það eru mismunandi stig yfirlits og af
smáatriði sem afmarka DWs.
Hinir ýmsu þættir DW eru:
▪ Lýsigögn
▪ Dati núverandi upplýsingar
▪ Dati af gömlum smáatriðum
▪ Dati örlítið í stuttu máli
▪ Dati mjög í stuttu máli
Lang helsta áhyggjuefnið er í dati af smáatriðum
straumar. Það er aðal áhyggjuefnið vegna þess að:
▪ Ég dati núverandi upplýsingar endurspegla nýjustu atburði,
sem eru alltaf af miklum áhuga og
▪ i dati núverandi smáatriði eru fyrirferðarmikil vegna þess að svo er
geymt á lægsta stigi granularity e
▪ i dati núverandi upplýsingar eru næstum alltaf geymdar á
diskaminni, sem er fljótlegt að nálgast, en dýrt og
flókið frá
I dati smáatriði eru eldri dati sem eru geymdar á
nokkur minning um massa. Það hefur aðgang af og til og það er það
geymt á smáatriði sem er samhæft við dati ítarleg
straumar. Þó það sé ekki skylt að geyma á miðli af
valminni, vegna mikils magns af dati sameinuð með
sporadískur aðgangur að dati, geymslumiðillinn fyrir dati di
eldri smáatriði eru venjulega ekki geymd á disknum.
I dati létt saman eru þau dati sem eru botneimaðir
smáatriði sem finnast á núverandi smáatriðum. Þetta
DW stig er næstum alltaf geymt í diskaminni. THE
hönnunarvandamál sem koma fram fyrir arkitektinn dati
við byggingu þessa stigs DW eru:
▪ Hvaða tímaeining er samantektin gerð hér að ofan
▪ Hvaða innihald, eiginleikar munu draga örlítið saman
innihaldi dati
Næsta stig af dati finnast í DW er að af dati mjög
tekið saman. THE dati mjög stuttar eru samningar og auðveldlega
aðgengileg. THE dati mjög samantektir finnast stundum
í DW umhverfi og í öðrum tilfellum i dati mjög samantekt sem þau eru
finnast fyrir utan nánasta veggi tækni sem hýsir DW.
(í öllum tilvikum, þ dati mjög stuttar eru hluti af DW
óháð því hvar ég dati eru líkamlega hýst).
Lokahluti DW er lýsigagnahlutinn. Að mörgu leyti
lýsigögn sitja í annarri vídd en önnur dati
af DW, vegna þess að lýsigögnin innihalda engin dagsetning beint
tekið úr rekstrarumhverfinu. Lýsigögn hafa sérstakt hlutverk e
mjög mikilvægt í DW. Lýsigögn eru notuð sem:
▪ Skrá til að hjálpa DSS sérfræðingnum að finna
DW efni,
▪ leiðbeiningar um kortlagningu dati af því hvernig ég dati Þau voru
breytt úr rekstrarumhverfi í DW umhverfi,
▪ leiðbeiningar um reiknirit sem notuð eru til að draga saman milli i dati di
núverandi smáatriði ei dati örlítið í stuttu máli, þ.e dati mjög
í stuttu máli,
Lýsigögn gegna miklu stærra hlutverki í DW umhverfinu
miðað við það sem þeir hafa nokkru sinni haft í rekstrarumhverfinu
GAMLT DETAIL GEYMSLUMÁL
Hægt er að nota segulband til að geyma svoleiðis
dati. Reyndar er til mikið úrval af geymslumiðlum sem
ætti að huga að varðveislu gamalla dati di
smáatriði.
Það fer eftir rúmmáli dati, aðgangstíðni, kostnaður
af verkfærum og tegund aðgangs er það alveg líklegt
að önnur verkfæri þurfi gamla smáatriðin
í DW.
FLÆÐI gagna
Það er eðlilegt og fyrirsjáanlegt flæði á dati innan DW.
I dati þeir koma inn í DW frá rekstrarumhverfinu. (ATH: það eru til
nokkrar mjög áhugaverðar undantekningar frá þessari reglu. Hins vegar næstum
allar dati sláðu inn DW frá rekstrarumhverfinu). Gögn að ég dati
þeir koma inn í DW frá rekstrarumhverfinu, það er umbreytt eins og það var
lýst áður. Að því gefnu að þú slærð inn DW, þ.e dati þeir ganga inn í
núverandi smáatriði, eins og sýnt er. Þar er það til húsa og er notað
þar til einn af þremur atburðum á sér stað:
▪ er hreinsað,
▪ er dregið saman og/eða
▪ er
Úrelt ferli inni í DW hreyfist i dati núverandi upplýsingar
a dati af smáatriðum gamall, eftir aldri dati. Árangurinn
samantekt notar smáatriði af dati að reikna út dati
örlítið samantekt og mjög samandregin stig af dati. Það eru
nokkrar undantekningar frá flæðinu sem sýnt er (verður fjallað um síðar).
Hins vegar, venjulega, fyrir langflest dati Fundið
innan DW, flæði af dati það er eins og sýnt er.
NOTKUN GAGNAHÚSIÐ
Ekki kemur á óvart að mismunandi stigum dati innan DW ekki
fá mismunandi notkunarstig. Sem reglu, því hærra stig af
samantekt, auk i dati þau eru notuð.
Mörg notkun eiga sér stað í dati mjög í stuttu máli, en hið gamla
dati smáatriði eru nánast aldrei notuð. Það er góð ástæða í
færa stofnunina yfir í auðlindanýtingarhugmyndina. Meira hefur
samantekt i dati, því fljótlegra og skilvirkara er að komast á dati. leita
un búð finn að það gerir mikla vinnslu á smáatriðum á DW,
þá samsvarandi mikið magn af vélaauðlindum
er neytt. Það er öllum fyrir bestu að fara fyrir dóm
eins og í háu stigi samantektar eins fljótt og auðið er.
Fyrir margar verslanir hefur DSS sérfræðingur í pre-DW umhverfi notað
dati á smáatriðum. Að mörgu leyti komu kl dati ítarleg
líkist öryggisteppi, jafnvel þegar þau eru tiltæk
önnur stig samantektar. Ein af starfsemi arkitektsins dati è
venja DSS notandann frá stöðugri notkun dati á plússtigi
lágt smáatriði. Það eru tvær ástæður fyrir hendi
arkitektsins dati:
▪ setja upp endurgreiðslukerfi, þar sem endir notandi greiðir
auðlindir sem neytt er e
▪ gefur til kynna að mjög góður viðbragðstími geti verið
fæst þegar hegðunin með i dati það er í háum gæðaflokki
af samantekt, en lélegur viðbragðstími kemur frá
hegðun af dati á lágu stigi
ÖNNUR TILGANGUR
Það eru nokkur önnur byggingar- og stjórnunarsjónarmið
DW framlenging.
Fyrsta hugleiðingin er vísitölur. THE dati á hæstu stigum
samantekt má frjálslega verðtryggja, á meðan i dati
við lægri smáatriði eru þau svo fyrirferðarmikil að það getur verið
sparlega verðtryggt. Af sömu rökum, þ dati á háu stigi
smáatriði er tiltölulega auðvelt að endurheimta,
meðan rúmmálið á dati á neðri hæðunum er það svo stórt að i dati ekki
þeir geta verið endurnýjaðir auðveldlega. Þar af leiðandi, fyrirmyndin
dei dati og formleg vinna sem gerð er við hönnunina
grunnur fyrir DW átti nánast eingöngu við um stigið
smáatriði núverandi. Með öðrum orðum, líkanastarfsemi
dati þau eiga ekki við um samantektarstig, í næstum öllum tilvikum.
Annað skipulagslegt sjónarmið er að deiliskipting á
dati eftir DW.
Skipting er hægt að gera á tveimur stigum - á stigi dbms og al
umsóknarstig. Í deildinni á stigi dbms, Í dbms è
upplýst um deildirnar og eftirlit með þeim í samræmi við það. Ef ske kynni
deild á umsóknarstigi, aðeins forritarinn er það
upplýst um deildirnar og ábyrgð þeirra
stjórn er eftir honum
Fyrir neðan stigi dbms, mikil vinna er unnin sjálfkrafa. Það er
mikill ósveigjanleiki sem tengist sjálfvirkri stjórnun á
deildir. Þegar um er að ræða beitingu á deildarstigi dati del
gagnageymsla, mikil vinna fellur á forritarann, en
lokaniðurstaðan er sveigjanleiki í stjórnun dati í dagsetningunni
vörugeymsla
ÖNNUR frávik
Þó að íhlutir í gagnageymsla þeir virka eins og lýst er
fyrir næstum alla dati, það eru nokkrar gagnlegar undantekningar sem verða að vera
verði rædd. Undantekning er sú af dati opinberar samantektir
(opinber samantektargögn). Þetta eru dati samantektir sem verið hafa
reiknað út af gagnageymsla en þeir eru notaðir af samfélaginu. THE dati
opinberar samantektir eru geymdar og stjórnað í gagnageymsla,
þó að eins og nefnt sé hér að ofan séu þeir útskýrðir. THE
endurskoðendur vinna að því að framleiða slíkt ársfjórðungslega dati sem
tekjur, ársfjórðungsleg gjöld, ársfjórðungslegur hagnaður og svo framvegis. Vinnan
gert af endurskoðendum er utan við gagnageymsla. Hins vegar, i dati þeir eru
notað „innbyrðis“ innan fyrirtækisins – frá markaðssetningu, sölu o.s.frv.
Annað frávik, sem ekki verður fjallað um, er það dati ytri.
Önnur framúrskarandi tegund af dati sem er að finna í gögnum
vöruhús er varanleg smáatriði. Þessar valda
þarf að geyma varanlega i dati á einu stigi
ítarlegar af siðferðilegum eða lagalegum ástæðum. Ef fyrirtæki sýnir i
tengt starfsfólki við hættuleg efni sem þörf er á dati
ítarleg og varanleg. Ef fyrirtæki framleiðir vöru sem
felur í sér almannaöryggi, hvaða hlutar flugvélar eru til
þörfina á dati varanleg nákvæm, svo og ef fyrirtæki
gera hættulega samninga.
Fyrirtækið hefur ekki efni á að líta framhjá sérstökum hvers vegna
á næstu árum, ef til málshöfðunar kemur, innköllun, a
umdeildur byggingargalli o.fl. útsetningu fyrirtækis
það gæti verið stórt. Þar af leiðandi er einstök tegund af dati
þekkt sem varanleg smáatriði.
SAMANTEKT
Un gagnageymsla það er hlutbundið, samþætt afbrigði af
tíma, safn af dati óstöðug til stuðnings þörfum
stjórnsýsluákvörðun. Hvert áberandi einkenni
un gagnageymsla hefur sínar afleiðingar. Auk þess eru fjórir
stigum af dati del gagnageymsla:
▪ Gömul smáatriði
▪ Núverandi smáatriði
▪ Dati örlítið í stuttu máli
▪ Dati mjög í stuttu máli
Lýsigögn eru einnig mikilvægur hluti af gagnageymsla.
ÁSTANDUR
Hugmyndin um geymslu á dati fékk nýlega
mikla athygli og það varð trend 90. Það er að segja
vegna getu a gagnageymsla að sigrast á
takmarkanir á stoðkerfum stjórnenda eins og i
ákvarðanastuðningskerfi (DSS) og upplýsingakerfi
stjórnendur (EIS).
Þótt hugmyndin um gagnageymsla lítur lofandi út,
innleiða i gagnageymsla getur verið vandamál vegna þess
af stórfelldum vöruhúsaferlum. Þrátt fyrir
flókið vöruhúsaverkefna dati, margir birgjar
og ráðgjafa sem hafa birgðir dati þeir halda því fram
geymsla á dati bjóða upp á ekkert vandamál.
Hins vegar, við upphaf þessa rannsóknarverkefnis, nánast engin
óháðar, strangar og kerfisbundnar rannsóknir hefðu farið fram. Frá
Þar af leiðandi er erfitt að segja til um hvað gerist í raun og veru
í greininni þegar þeir byggja gagnageymsla.
Þessi rannsókn kannaði vörugeymsluaðferðir dati
samtíðarmanna sem miðar að því að þróa ríkari skilning
af áströlskum æfingum. Bókmenntaskoðunin veitti
samhengi og grunnur að reynslurannsóknum.
Það eru ýmsar niðurstöður úr þessari rannsókn. Fyrst
stað leiddi þessi rannsókn í ljós starfsemina sem átti sér stað
við þróun á gagnageymsla. Á mörgum sviðum, þ dati safnað saman
staðfesti þá framkvæmd sem greint er frá í bókmenntum. Í öðru lagi
síðuna, vandamálin og vandamálin sem hún getur haft áhrif á
þróun gagnageymsla voru auðkennd af þessari rannsókn.
Að lokum, ávinningur af áströlskum samtökum sem tengjast
notkun gagnageymsla hafa komið í ljós.
Kafli 1
Leitarsamhengi
Hugmyndin um gagnageymslu hefur hlotið víðtæka viðurkenningu
útsetningu og hefur breyst í vaxandi þróun í
90 (McFadden 1996, TDWI 1996, Shah og Milstein 1997,
Shanks og aðrir. 1997, Eckerson 1998, Adelman og Oates 2000). Það er
má sjá af vaxandi fjölda greina um gögnin
vörugeymsla í viðskiptaútgáfum (Little og Gibson 1999).
Margar greinar (sjá td Fisher 1995, Hackathorn 1995,
Morris 1995a, Bramblett og King 1996, Graham o.fl. 1996,
Sakaguchi og Frolick 1996, Alvarez 1997, Brousell 1997, Clarke
1997, McCarthy 1997, O'Donnell 1997, Edwards 1998, TDWI
1999) hafa greint frá verulegum ávinningi fyrir stofnanir
sem útfæra i gagnageymsla. Þeir studdu kenningu sína
með sönnunargögnum um árangursríkar útfærslur, háa ávöxtunina
um fjárfestingartölur (ROI) og einnig að veita leiðbeiningar um
tilvísun eða aðferðafræði við þróun á gagnageymsla
(Shanks o.fl. 1997, Seddon og Benjamin 1998, Little og Gibson
1999). Í öfgafullu tilviki, Graham o.fl. (1996) hafa
greint frá meðalávöxtun þriggja ára fjárfestingar upp á 401%.
Mikið af núverandi bókmenntum hefur hins vegar litið framhjá
flókið sem fylgir slíkum verkefnum. Verkefnin hjá
gagnageymsla eru venjulega flóknar og stórfelldar og
þess vegna fela þær í sér miklar líkur á að mistakast ef þær eru það ekki
athugað vandlega (Shah og Milstein 1997, Eckerson 1997,
Foley 1997b, Zimmer 1997, Bort 1998, Gibbs og Clymer 1998, Rao
1998). Þeir krefjast mikils magns af bæði mannauði og mannauði
fjárhag og tíma og fyrirhöfn til að byggja þau (Hill 1998, Crofts 1998). The
dæmigerður tími og fjárhagsleg úrræði sem krafist er eru í sömu röð
um tvö ár og tvær eða þrjár milljónir dollara (Braly 1995, Foley
1997b, Bort 1998, Humphries o.fl. 1999). Þessir tímar og leiðir
fjármálagerninga þarf til að stjórna og treysta marga þætti
ólíkt gagnavörslu (Cafasso 1995, Hill 1998). Til hliðar
af vélbúnaðar- og hugbúnaðarsjónarmiðum, öðrum aðgerðum, sem eru mismunandi
frá útdrætti á dati til hleðsluferla á dati, frá
minni getu til að stjórna uppfærslum og gefa meta dati
til notendaþjálfunar, verður að hafa í huga.
Þegar þetta rannsóknarverkefni hófst var það mjög lítið
fræðilegar rannsóknir gerðar á sviði gagnavörslu,
sérstaklega í Ástralíu. Þetta kom í ljós af skorti á hlutum
birt um gagnageymslur af dagblöðum eða öðrum ritningum
fræðimenn þess tíma. Mörg fræðiritin
í boði lýsti reynslu Bandaríkjanna. Skorturinn á
fræðilegar rannsóknir á sl svæði gagnageymslu hefur valdið því
krafðist strangrar rannsóknar og reynslurannsókna (McFadden 1996,
Shanks og aðrir. 1997, Little og Gibson 1999). Einkum nám
rannsóknir á innleiðingarferlinu gagnageymsla
þarf að gera til að auka þekkingu
almennt um framkvæmd á gagnageymsla e
mun þjóna sem grundvöllur fyrir framtíðarrannsóknarrannsókn (Shanks útg
öðrum. 1997, Little og Gibson 1999).
Tilgangur þessarar rannsóknar er því að rannsaka hvað hún raunverulega er
það gerist þegar stofnanir viðhalda og nota gögn
vöruhús í Ástralíu. Nánar tiltekið mun þessi rannsókn fela í sér
greining á heilu þróunarferli a gagnageymsla,
frá upphafi og hönnun í gegnum hönnun og
innleiðingu og síðari notkun innan stofnana
ástralska. Að auki mun námið einnig stuðla að núverandi framkvæmd
greina svæði þar sem æfingin getur verið lengra
bætt og hægt er að lágmarka óhagkvæmni og áhættu eða
forðast. Jafnframt mun það þjóna sem grundvöllur annarra rannsókna á gagnageymsla in
Ástralíu og mun fylla það skarð sem nú er til í bókmenntum.
Rannsóknarspurningar
Markmið þessarar rannsóknar er að rannsaka starfsemina sem um er að ræða
við framkvæmd á gagnageymsla og notkun þeirra af
Ástralsk samtök. Einkum eru þættirnir rannsakaðir
varðandi skipulagningu verkefna, þróun, al
rekstur, notkun og áhættu sem því fylgir. Þess vegna spurningin
af þessari rannsókn er:
„Hvernig er núverandi framkvæmd á gagnageymsla í Ástralíu?"
Til að bregðast á áhrifaríkan hátt við þessu vandamáli, a
fjölda aukarannsóknarspurninga. Einkum þrír
undirspurningar hafa verið auðkenndar úr bókmenntum, þ.e
kynnt í kafla 2, til að leiðbeina þessu rannsóknarverkefni:
Hvernig er útfært i gagnageymsla af samtökum
Ástralskur? Hver eru vandamálin sem upp koma?
Hver er ávinningurinn sem þú hefur upplifað?
Við svörun þessara spurninga var notuð teikning
könnunarrannsóknir sem nota rannsókn. Hvernig ég læri
könnunargögn, svörin við ofangreindum spurningum eru ekki tæmandi
(Shanks o.fl. 1993, Denscombe 1998). Í þessu tilfelli er það
Þríhyrningur er nauðsynlegur til að bæta viðbrögð við þessu
beiðnir. Rannsóknin mun þó leggja traustan grunn fyrir
framtíðarvinnu við að skoða þessar spurningar. A ítarlegt
umræður um rökstuðning rannsóknaraðferðarinnar og um hönnun
kemur fram í 3. kafla.
Uppbygging rannsóknarverkefnisins
Þetta rannsóknarverkefni skiptist í tvo hluta: samhengisrannsóknina
um hugtakið vörugeymsla gagna og reynslurannsóknir (sjá
Mynd 1.1), sem hver um sig er rædd hér að neðan.
I. hluti: Samhengisrannsókn
Fyrsti hluti rannsóknarinnar fólst í endurskoðun á
Núverandi bókmenntir um ýmsar tegundir gagnageymslu, þar á meðal i
ákvarðanastuðningskerfi (DSS), upplýsingakerfi
stjórnendur (EIS), dæmisögur um gagnageymsla og dagsetningarhugtök
vöruhús. Einnig, niðurstöður umræðunum á gagnageymsla og guðir
fundarhópar fyrir sérfræðinga og fagaðila undir forystu hópsins
Monash DSS rannsóknir, stuðlaði að þessum áfanga rannsóknarinnar
sem ætlað var að fá upplýsingar um gagnaframkvæmdina
vöruhús og til að bera kennsl á áhættuna sem fylgir upptöku þeirra.
Á þessu tímabili samhengisrannsóknar, skilningur
af vandamálasvæðinu hefur verið stofnað til að veita þekkingu á
grundvöllur fyrir síðari reynslurannsóknir. Hins vegar þetta
var í gangi meðan rannsóknin fór fram
Rannsóknir.
II. hluti: Reynslurannsóknir
Tiltölulega nýja hugmyndin um vörugeymsla gagna, sérstaklega
í Ástralíu, hefur skapað þörf á að framkvæma rannsókn fyrir
fá víðtæka mynd af notkunarupplifuninni. Þetta
hluti var gerður þegar vandamálið var
verið stofnað með víðtækri ritrýni. Hugmyndin
af gagnageymslusniði á meðan á samhengisnámi stendur er
var notað sem inntak í upphaflega spurningalista þessarar rannsóknar.
Að þessu loknu var farið yfir spurningalistann. Þið eruð stefnumótasérfræðingar
vöruhús tók þátt í prófinu. Tilgangurinn með því að prófa
Upphaflegur spurningalisti var til að athuga hvort hann væri heill og nákvæmur
nokkrar spurningar. Byggt á niðurstöðum prófsins er spurningalistinn
verið breytt og breytta útgáfan hefur verið send til
þátttakendur í könnuninni. Spurningalistar sem skiluðu sér þá voru
greind fyrir i dati í töflum, skýringarmyndum og öðrum sniðum. THE
greiningarniðurstöður af dati mynda skyndimynd af
iðkun gagnageymslu í Ástralíu.
GAGNAVÖRUN YFIRLIT
Hugmyndin um vörugeymsla gagna hefur þróast með endurbótum
af tölvutækni.
Það miðar að því að sigrast á vandamálum sem hópar lenda í
stuðningur við forrit eins og Decision Support System (DSS) e
Upplýsingakerfi stjórnenda (EIS).
Í fortíðinni hefur stærsta hindrunin við þessar umsóknir verið
vanhæfni þessara forrita til að veita a gagnagrunn
nauðsynlegt fyrir greininguna.
Þetta stafar að mestu af eðli starfsins
forystu. Hagsmunir stjórnenda fyrirtækis eru mismunandi
stöðugt eftir því svæði sem meðhöndlað er. Því i dati
grundvallaratriði í þessum forritum verður að geta
breytast hratt eftir því hvaða hluta á að meðhöndla.
Þetta þýðir að i dati verður að vera aðgengilegt á forminu
fullnægjandi fyrir nauðsynlegar greiningar. Í raun eru stuðningshópar á
umsóknir reyndust margar erfiðleikar í fortíðinni að safna ed
að samþætta dati úr flóknum og fjölbreyttum áttum.
Það sem eftir er af þessum hluta sýnir yfirlit yfir hugtakið
gagnageymslu og hvernig gagnageymsla getur farið yfir
Málefni stuðningshóps umsókna.
Hugtakið „Gagnavöruhúsvar gefin út af William Inmon árið 1990.
Oft tilvitnuð skilgreining hennar sér Gagnavöruhús Komið
safn af dati efnismiðuð, samþætt, óstöðug og breytileg
með tímanum, til stuðnings ákvörðunum stjórnenda.
Með því að nota þessa skilgreiningu bendir Inmon á að i dati íbúa
í gagnageymsla verður að hafa eftirfarandi 4
einkenni:
▪ Efnismiðað
▪ Innbyggt
▪ Óstöðugt
▪ Breytilegt yfir tíma
Með efnismiðuðum Inmon þýðir að i dati í dagsetningunni
vöruhús á stærstu skipulagssvæðum sem verið hafa
skilgreind í líkaninu dati. Til dæmis allt dati varðandi i viðskiptavinir
eru að finna á málefnasviðinu VIÐSKIPTAVINIR. Eins allar
dati sem varða vörurnar eru að finna á málefnasviðinu
VÖRUR.
Með Integrated Inmon þýðir að i dati koma frá mismunandi
pallar, kerfi og staðsetningar eru sameinaðar og geymdar í
eini staðurinn. Þar af leiðandi dati svipað verður að breyta
í samræmdu sniði til að bæta við og bera saman
auðveldlega.
Til dæmis eru karlkyns og kvenkyns fulltrúa
með bókstöfunum M og F í einu kerfi og með 1 og 0 í öðru. Fyrir
samþætta þau á réttan hátt, annað eða bæði sniðin verða að vera
vera umbreytt þannig að sniðin tvö séu eins. Í þessu
Við gætum breytt M í 1 og F í 0 eða öfugt. Beindu þig að
efni og samþætt benda til þess að gagnageymsla er hannað fyrir
veita virka og þverfræðilega sýn á dati til hliðar
félagsins.
Með Óstöðugleika á hann við að m.a dati í gagnageymsla eftir
samræmi og uppfærsla á dati það er ekki nauðsynlegt. Þess í stað, hver
breyta í dati frumritum er bætt við gagnagrunnur dagsins
vöruhús. Þetta þýðir að sagnfræðingur á dati er að finna í
gagnageymsla.
Fyrir breytur með tíma gefur Inmon til kynna að i dati í gagnageymsla
innihalda alltaf taktvísana ei dati venjulega
spanna ákveðinn tíma. Til dæmis a
gagnageymsla getur innihaldið 5 ára söguleg verðmæti af viðskiptavinir dal
1993 til 1997. Aðgengi að sögulegum gögnum og tímaröð
dei dati gerir þér kleift að greina þróun.
Un gagnageymsla hann getur safnað sínum eigin dati úr kerfum
OLTP; frá uppruna dati utan stofnunarinnar og/eða af öðrum sértækjum
handtaka kerfisverkefni dati.
I dati útdrættir geta farið í gegnum hreinsunarferli, í
þetta mál i dati þau eru umbreytt og samþætt áður en þau eru til
geymd í gagnagrunnur del gagnageymsla. Svo ég dati
búsettur innan gagnagrunnur del gagnageymsla eru gerðar aðgengilegar
aðgangs- og endurheimtarverkfæri fyrir notendur. Notar
þessi verkfæri getur endir notandi fengið aðgang að samþættu útsýninu
á skipulagi dati.
I dati búsettur innan gagnagrunnur del gagnageymsla þeir eru
geymd í bæði ítarlegu og yfirlitssniði.
Stig yfirlitsins getur verið háð eðli þess dati. Ég dati
nákvæmar geta falist í dati núverandi og dati sagnfræðingar
I dati alvöru eru ekki innifalin í gagnageymsla þangað til i dati
í gagnageymsla eru enduruppfærðar.
Auk þess að geyma dati sjálfir, a gagnageymsla getur einnig
geyma annars konar dagsetning heitir METADATA sem
lýsa i dati búsettur í hans gagnagrunnur.
Það eru tvær tegundir af lýsigögnum: þróunarlýsigögn og eftir lýsigögnum
greiningar.
Þróunarlýsigögnin eru notuð til að stjórna og gera sjálfvirkan
ferli útdráttar, hreinsunar, kortlagningar og hleðslu á dati í
gagnageymsla.
Upplýsingarnar í þróunarlýsigögnum geta innihaldið
upplýsingar um stýrikerfi, upplýsingar um þá þætti sem á að draga út,
líkan dati del gagnageymsla og reglum félagsins um
umbreyting á dati.
Önnur gerð lýsigagna, þekkt sem greiningarlýsigögn
gerir endanotandanum kleift að kanna innihald gagnanna
vöruhús til að finna dati í boði og merkingu þeirra í skilmálum
skýr og ótæknileg.
Þess vegna virka lýsigögn greiningar sem brú á milli gagnanna
vöruhús og notendaforrit. Þessi lýsigögn geta
innihalda viðskiptamódelið, lýsingar á dati samsvörun
að viðskiptamódelinu, fyrirfram skilgreindum fyrirspurnum og skýrslum,
upplýsingar fyrir notendainnskráningu og vísitölu.
Greining og þróun lýsigögn verða að sameina í eitt
samþætt lýsigagnainnihald til að virka rétt.
Því miður hafa mörg núverandi verkfæri sín eigin
lýsigögn og eins og er eru engir staðlar sem fyrir eru sem
þeir leyfa gagnageymsluverkfærum að samþætta þetta
lýsigögn. Til að ráða bót á þessu ástandi margir kaupmenn af
helstu gagnageymslutæki hafa myndað Meta Data
Council sem síðar varð Meta Data Coalition.
Tilgangur þessarar bandalags er að byggja upp safn lýsigagna
staðall sem gerir mismunandi gagnageymsluverkfærum kleift að
umbreyta lýsigögnum
Viðleitni þeirra leiddi til fæðingar Meta
Data Interchange Specification (MDIS) sem mun leyfa skiptin
af upplýsingum á milli Microsoft skjalasafna og tengdra MDIS skráa.
Tilvist dati bæði samantekt/verðtryggð og ítarleg gefur
notandanum möguleika á að framkvæma DRÚKNUN
(bora) komdu dati verðtryggð með ítarlegum og öfugt.
Tilvist dati nákvæm saga gerir framkvæmd á
þróunargreiningu yfir tíma. Að auki geta greiningarlýsigögn
vera notaður sem del skrá gagnagrunnur del gagnageymsla á
hjálpa endanotendum að finna i dati nauðsynlegar.
Í samanburði við OLTP kerfi, með getu þeirra til að styðja
greining á dati og skýrslugerð, the gagnageymsla það er litið á það sem kerfi
hentugra fyrir upplýsingaferli eins og gerð og
svara fyrirspurnum og gera skýrslur. Næsti kafli
mun varpa ljósi á muninn á kerfunum tveimur í smáatriðum.
GAGNAVÖRUHÚS GEGN OLTP KERFI
Mörg upplýsingakerfa innan stofnana
er ætlað að standa undir daglegum rekstri. Þessar
kerfi þekkt sem OLTP SYSTEMS, fanga viðskipti
stöðugt uppfært daglega.
I dati innan þessara kerfa er þeim oft breytt, bætt við eða
eytt. Til dæmis breytist heimilisfang viðskiptavinar varla
hann flytur frá einum stað til annars. Í þessu tilviki nýja heimilisfangið
verður skráð með því að breyta heimilisfangsreitnum á gagnagrunnur.
Meginmarkmið þessara kerfa er að draga úr kostnaði
færslur og stytta um leið afgreiðslutíma.
Dæmi um OLTP kerfi eru mikilvægar aðgerðir eins og að skrifa
pöntunarbókhald, launaskrá, reikningar, framleiðsla, loftræstiþjónusta viðskiptavinir.
Ólíkt OLTP kerfum, sem voru búin til í hverju ferli
byggt á viðskiptum og atburðum, þ.e gagnageymsla þeir urðu til
að veita stuðning við greiningartengda ferla dati er U
ákvarðanaferli.
Þetta er venjulega náð með því að samþætta i dati úr ýmsum kerfum
OLTP og ytri í einum „íláti“. dati,eins og um var rætt
í fyrri hlutanum.
Monash Data Warehousing Process Model
Ferlislíkanið fyrir gagnageymsla Monash var þróað af
vísindamenn frá Monash DSS rannsóknarhópnum, byggir á
bókmenntir af gagnageymsla, um reynsluna af því að styðja við
þróun kerfissviða, um viðræður við söluaðila
forrit til notkunar á gagnageymsla, í hópi sérfræðinga
í notkun á gagnageymsla.
Áfangarnir eru: Upphaf, áætlanagerð, þróun og rekstur
Skýringar. Skýringarmyndin útskýrir endurtekið eðli eða
þróunarþróun á a gagnageymsla ferli með því að nota
tvíhliða örvar settar á milli mismunandi fasa. Í þessu
„endurtekið“ og „þróunarlegt“ samhengi þýða að á hverju
skrefi ferlisins er hægt að framkvæma innleiðingaraðgerðir
breiða alltaf aftur á bak til fyrra stigs. Þetta er
vegna eðlis verkefnisins a gagnageymsla þar sem
frekari beiðnir koma upp hvenær sem er
endanotandans. Til dæmis, á þróunarstigi a
ferli af gagnageymsla, einn er beðinn af endanlegum notanda
ný vídd eða efnissvið, sem ekki tilheyrði
upprunalega áætlun, þetta þarf að bæta við kerfið. Þetta
veldur breytingu á verkefninu. Niðurstaðan er sú að liðið á
hönnun verður að breyta kröfum skjala sem búið er til hingað til
á hönnunarstigi. Í mörgum tilfellum er núverandi ástand
verkefni verður að fara aftur í hönnunarstig þar sem
nýju beiðninni þarf að bæta við og skjalfesta. Notandinn
endanleg verður að geta séð tiltekna skjöl yfirfarin ei
breytingar sem gerðar voru á þróunarstigi. Í lok
þessari þróunarlotu verður verkefnið að fá frábær viðbrögð frá
bæði liðin, þróunarteymið og notendateymið. THE
endurgjöf er síðan endurnýtt til að bæta framtíðarverkefni.
Skipulagsgeta
Dw hafa tilhneigingu til að vera mjög stór í stærð og vaxa
mjög fljótt (Best 1995, Rudin 1997a) í kjölfarið
magn dati sögu sem þeir geyma frá endingu sinni. Þarna
vöxtur getur einnig stafað af dati aukaatriði sem óskað er eftir
notendur til að auka verðmæti dati sem þeir hafa nú þegar. Frá
þar af leiðandi geymslukröfur fyrir dati dós
aukist verulega (Eckerson 1997). Þannig er það
nauðsynlegt að tryggja, með því að framkvæma skipulagningu á
getu, sem kerfið sem á að byggja getur vaxið með
vöxtur þarfa (Best 1995, LaPlante 1996, Lang 1997,
Eckerson 1997, Rudin 1997a, Foley 1997a).
Við áætlanagerð um dw sveigjanleika verður maður að þekkja
væntanlegur vöxtur í birgðastærð, tegundir spurninga
líklegt er að það verði framkvæmt og fjöldi notenda studd (Best
1995, Rudin 1997b, Foley 1997a). Byggja skalanleg forrit
krefst blöndu af skalanlegum netþjónatækni og tækni
að hanna skalanleg forrit (Best 1995, Rudin 1997b.
Hvort tveggja er nauðsynlegt þegar forrit er búið til
einstaklega skalanlegt. Stærðanleg miðlaratækni getur
gera það auðvelt og hagkvæmt að bæta við geymslu, minni og
Örgjörvi án niðurlægjandi frammistöðu (Lang 1997, Telephony 1997).
Það eru tvær megin stigstærðar miðlaratækni: reikna
samhverf margfeldi (SMP) og stórfelld vinnsla
samhliða (MPP) ) (IDC 1997, Humphries o.fl. 1999). Miðlari
SMP hefur venjulega marga örgjörva sem deila einu minni,
strætókerfi og önnur úrræði (IDC 1997, Humphries o.fl. 1999).
Hægt er að bæta við fleiri örgjörvum til að auka
hana máttur reiknifræðilega. Önnur aðferð til að auka
máttur reiknikraftur SMP þjónsins, er að sameina fjölmarga
SMP vélar. Þessi tækni er þekkt sem þyrping (Humphries
o.fl. 1999). MPP netþjónn er aftur á móti með marga örgjörva hver
með eigin minni, rútukerfi og öðrum auðlindum (IDC 1997,
Humphries o.fl. 1999). Hver örgjörvi er kallaður hnútur. A
aukningu í máttur er hægt að fá útreikninga
að bæta við viðbótarhnútum við MPP netþjóna (Humphries o.fl.
1999).
Veikleiki SMP netþjóna er of margar inntaks-úttaksaðgerðir
(I/O) getur stíflað strætókerfið (IDC 1997). Þetta
vandamál eiga sér ekki stað innan MPP netþjóna þar sem hver
örgjörvi hefur sitt eigið strætókerfi. Hins vegar samtengingarnar
milli hvers hnúts eru þeir almennt mun hægari en strætókerfið
SMP-manna. Að auki geta MPP netþjónar bætt við lagi
auka flókið fyrir forritara (IDC
1997). Þannig er hægt að hafa áhrif á valið á milli SMP og MPP netþjóna
af mörgum þáttum, þar á meðal hversu flóknar spurningarnar eru, sambandið
verð/afköst, nauðsynleg meðferðargeta,
komið í veg fyrir dw umsóknir og aukningu í stærð á gagnagrunnur
af dw og í fjölda endanotenda.
Fjölmargar stigstærðar forritshönnunartækni
hægt að nota við skipulagningu afkastagetu. Einn
notar ýmis tilkynningatímabil eins og daga, vikur, mánuði og ár.
Með ýmsum tilkynningarfresti, sem gagnagrunnur má skipta í
stykki flokkast auðveldlega saman (Inmon o.fl. 1997). Annar
tækni er að nota yfirlitstöflur sem eru smíðaðar
leggja saman dati da dati ítarleg. Þannig, i dati samantektir eru fleiri
fyrirferðarlítið en ítarlegt, sem krefst minna minnisrýmis.
Svo dati hægt er að geyma smáatriði í drifi
ódýrari geymsla, sem sparar enn meiri geymslu.
Þó að nota yfirlitstöflur getur sparað pláss
minni, þeir krefjast mikillar fyrirhafnar til að halda þeim uppfærðum og inn
í samræmi við viðskiptaþarfir. Hins vegar er þessi tækni
mikið notað og oft notað í tengslum við tæknina
fyrri(Best 1995, Inmon 1996a, Chauduri og Dayal
1997).
Skilgreina Gagnavöruhús Tæknileg
Arkitektúr Skilgreining á tækni
dw arkitektúr
Snemma notendur vörugeymsla gagna voru fyrst og fremst hugsuð
miðstýrð útfærsla dw þar sem öll dati, innifalið
i dati ytri, voru samþætt í einn,
líkamleg geymsla (Inmon 1996a, Bresnahan 1996, Peacock 1998).
Helsti kosturinn við þessa nálgun er að endir notendur
Ég get nálgast útsýnið á frumkvöðlamælikvarða
(útsýni yfir alla fyrirtæki) dei dati skipulagsheild (Ovum 1998). Annað
kosturinn er að það býður upp á stöðlun á dati aðdráttarafl
stofnuninni, sem þýðir að það er aðeins ein útgáfa eða
skilgreiningu fyrir hvert hugtök sem notuð eru í dw innborguninni
(reposity) lýsigögn (Flanagan og Safdie 1997, Ovum 1998). The
Ókosturinn við þessa nálgun er hins vegar sá að hún er dýr og erfið
til að byggja (Flanagan og Safdie 1997, Ovum 1998, Inmon o.fl.
1998). Ekki löngu eftir geymsluarkitektúrinn dati
miðstýrð varð vinsæl, hugtakið útdráttur þróaðist
af minnstu hlutmengi dati til að styðja við þarfir
sérstakar umsóknir (Varney 1996, IDC 1997, Berson og Smith
1997, páfugl 1998). Þessi litlu kerfi eru unnin af hinu meira
mikill gagnageymsla miðstýrt. Þau eru kölluð dagsetning
háð vöruhús eða háð gagnamagn.
The háð data Mart arkitektúr er þekktur sem
þriggja þrepa arkitektúr þar sem fyrsta þrepið samanstendur af gögnunum
miðlæg vöruhús, annað samanstendur af vöruhúsum dati
deildar og sú þriðja felur í sér aðgang að dati og úr verkfærum af
greiningu (Demarest 1994, Inmon o.fl. 1997).
Gagnamars eru venjulega smíðaðir eftir gagnageymsla
miðstýrð var byggð til að mæta þörfum
sérstakar einingar (White 1995, Varney 1996).
Gagnaverslun i dati mjög viðeigandi varðandi einstök atriði
einingu (Inmon o.fl. 1997, Inmon o.fl. 1998, IA 1998).
Kosturinn við þessa aðferð er að það verður engin dagsetning ekki
samþætt og að i dati þær verða minna óþarfar í gögnunum
mars síðan öll dati koma frá innborgun á dati samþætt.
Annar kostur er að það verða fáar tengingar á milli hvers og eins
gagnamars og tengdar heimildir um dati vegna þess að hver gagnamart hefur aðeins
uppspretta af dati. Auk þess með þennan arkitektúr á sínum stað, notendur
úrslit geta enn nálgast yfirlit yfir dati
fyrirtækjasamtaka. Þessi aðferð er þekkt sem
ofangreind aðferð, þar sem gagnamars eru byggðir eftir gögnunum
vöruhús (páfugl 1998, Goff 1998).
Auka þörfina á að sýna árangur snemma, sumt
stofnanir hafa byrjað að byggja upp sjálfstæða gagnamars
(Flanagan og Safdie 1997, White 2000). Í þessu tilviki, gagnamars
þeir taka sitt dati beint frá grunnatriði dati OLTP og ekki frá
miðstýrð og samþætt geymsla, sem útilokar þannig þörfina fyrir
hafa miðlæga geymslu á staðnum.
Hver gagnamarkaður þarf að minnsta kosti einn tengil á heimildir sínar
di dati. Einn ókostur við að hafa marga tengla fyrir hverja dagsetningu
Mart er að, samanborið við tvo fyrri arkitektúr, sem
ofgnótt af dati hækkar verulega.
Sérhver gagnaverslun verður að geyma öll dati óskað á staðnum fyrir
hafa engin áhrif á OLTP kerfi. Þetta veldur því að i dati
þau eru geymd í mismunandi gagnamörkum (Inmon o.fl. 1997).
Annar ókostur við þessa arkitektúr er að það leiðir til
sköpun flókinna samtenginga milli gagnamars og þeirra
heimildir um dati sem erfitt er að framkvæma og stjórna (Inmon útg
öðrum. 1997).
Annar ókostur er að endir notendur geta ekki virkjað
fá aðgang að yfirliti yfir fyrirtækjaupplýsingar eins og i dati
af mismunandi gagnamörkum eru ekki samþætt (Ovum 1998).
Annar ókostur er að það geta verið fleiri en einn
skilgreiningu fyrir hvert hugtök sem notuð eru í gagnamerlinum sem hún býr til
ósamræmi við dati í skipulagi (Ovum 1998).
Þrátt fyrir ókostina sem fjallað er um hér að ofan, óháð gögn mars
þær vekja enn áhuga margra stofnana (IDC 1997).
Einn þáttur sem gerir þá aðlaðandi er að þeir eru fljótari að þróast
og krefjast minni tíma og fjármagns (Bresnahan 1996, Berson e
Smith 1997, Ovum 1998). Samkvæmt því þjóna þeir aðallega
sem prófverkefni sem hægt er að nota til að bera kennsl á
fljótt kosti og/eða ófullkomleika í verkefninu (Parsaye
1995, Braly 1995, Newing 1996). Í þessu tilviki er hluti frá
innleiðing í tilraunaverkefninu verður að vera lítil en mikilvæg
fyrir samtökin (Newing 1996, Mansell-Lewis 1996).
Með því að skoða frumgerðina geta notendur og stjórnendur
ákveða hvort halda eigi áfram eða hætta verkefninu (Flanagan og Safdie
1997).
Ef ákvörðunin er að halda áfram, gögn mars fyrir aðra geira
þeir ættu að vera byggðir einn í einu. Það eru tveir valkostir fyrir
endanotendur út frá þörfum þeirra í gagnasmíði
sjálfstæðar matrs: samþættar/samþættar og ósamþættar (Ovum
1998)
Í fyrstu aðferðinni ætti að byggja hverja nýja gagnavöruverslun
byggt á núverandi gagnamars og líkani dati notað
af fyrirtækinu (Varney 1996, Berson og Smith 1997, Peacock 1998).
Nauðsyn þess að nota líkanið dati félagsins gerir það nauðsynlegt
tryggja að það sé aðeins ein skilgreining fyrir hvert hugtök
notað í gegnum gagnamars, þetta er einnig til að tryggja að gögn
Hægt er að sameina mismunandi mars til að gefa yfirsýn yfir
fyrirtækjaupplýsingar (Bresnahan 1996). Þessi aðferð er
kallast botn-upp og er best þegar það er þvingun á
fjárhag og tími (Flanagan og Safdie 1997, Ovum 1998,
páfugl 1998, Goff 1998). Í seinni aðferðinni, gagnamars
byggt getur aðeins fullnægt þörfum ákveðinnar einingar.
Afbrigði af sameinuðu gagnamarkaðnum er gagnageymsla dreift
þar sem gagnagrunnur miðlara miðlara er notaður til að sameinast mörgum
gagnamars í einni geymslu af dati dreift (White 1995). Í
þetta mál, þ dati fyrirtækjum er dreift í nokkra gagnamars.
Beiðnir endanotenda eru sendar til gagnagrunnur
miðlara miðlara miðlara, sem dregur út allt dati farið fram á með gögnunum
mars og skilar niðurstöðunum í notendaforritin. Þetta
aðferð veitir viðskiptaupplýsingum til endanotenda. Hins vegar,
Vandamálum gagnamars er enn ekki eytt
óháð. Það er annar arkitektúr sem hægt er að nota sem er
hringdu í gagnageymsla sýndarmynd (White 1995). Hins vegar þetta
arkitektúr, sem lýst er á mynd 2.9, er ekki arkitektúr
af geymslu dati raunverulegt þar sem það hreyfir ekki álaginu
frá OLTP kerfum til gagnageymsla (Demarest 1994).
Reyndar eru beiðnir um dati af notendum hafa farið yfir til
OLTP kerfi sem skila niðurstöðum eftir vinnslu
beiðnir notenda. Þó að þessi arkitektúr leyfir notendum
lokapróf til að búa til skýrslur og móta beiðnir, getur ekki veitt i
dati sögu og yfirlit yfir fyrirtækisupplýsingar síðan i dati
frá mismunandi OLTP kerfum eru ekki samþætt. Svo, þessi
arkitektúr getur ekki fullnægt greiningu á dati flókið eins og
dæmi spár.
Val á aðgangs- og aðgangsforritum
endurheimt á dati
Tilgangurinn með byggingu a gagnageymsla er að senda
upplýsingar til endanotenda (Inmon o.fl. 1997, Poe 1996,
McFadden 1996, Shanks o.fl. 1997, Hammergren 1998); einn eða
mörg aðgangs- og endurheimtarforrit dati skal veita. Til
Í dag er mikið úrval af þessum forritum fyrir notandann að velja úr
velja (Hammergren 1998, Humphries o.fl. 1999). The
valdar umsóknir ráða árangri átaksins
af geymslu dati í stofnun vegna þess að
umsóknir eru sýnilegasti hluti af gagnageymsla til notandans
endanleg (Inmon o.fl. 1997, Poe 1996). Til að ná árangri á stefnumóti
vöruhús, verður að geta stutt við greiningarstarfsemi dati
endanotandans (Poe 1996, Seddon og Benjamin 1998, Eckerson
1999). Þannig að „stig“ þess sem endanlegur notandi vill verður að vera
auðkennd (Poe 1996, Mattison 1996, Inmon o.fl. 1997,
Humphries o.fl. 1999).
Almennt séð er hægt að flokka endanotendur í þrennt
flokkar: yfirnotendur, viðskiptafræðingar og stórnotendur (Poe
1996, Humphries o.fl. 1999). Framkvæmdanotendur þurfa
greiðan aðgang að fyrirfram skilgreindum skýrslum (Humphries útg
aðrir 1999). Þessar skýrslur er hægt að ná auðveldlega með
valmyndaleiðsögn (Poe 1996). Auk þess ættu skýrslur
setja fram upplýsingar með myndrænni framsetningu
svo sem töflur og sniðmát til að flytja fljótt
upplýsingar (Humphries o.fl. 1999). Viðskiptasérfræðingar, sem gera það ekki
þeir kunna að hafa tæknilega möguleika til að þróa tengsl út frá
núll á eigin spýtur, þeir þurfa að geta breytt núverandi samböndum til
fullnægja sérstökum þörfum þeirra (Poe 1996, Humphries o.fl
1999). Stórnotendur eru aftur á móti sú tegund endanotenda sem
hafa getu til að búa til og skrifa beiðnir og skýrslur frá
núll (Poe 1996, Humphries o.fl. 1999). Það eru þeir sem
þróa skýrslur fyrir aðrar tegundir notenda (Poe 1996, Humphries
og aðrir 1999).
Þegar búið er að ákveða þarf notendakröfur
úrval aðgangs- og endurheimtarforrita dati meðal allra
þær sem til eru (Poe 1996, Inmon o.fl. 1997).
Aðgangur að dati og endurheimtartæki geta verið
flokkast í 4 gerðir: OLAP tól, EIS/DSS tól, fyrirspurnartól og
skýrslugerðar- og gagnavinnsluverkfæri.
OLAP verkfæri gera notendum kleift að búa til sérstakar fyrirspurnir sem og
þær sem gerðar eru á gagnagrunnur del gagnageymsla. Plús þessar vörur
leyfa notendum að bora niður frá dati almennt fyrir þá
ítarleg.
EIS/DSS verkfæri veita stjórnendaskýrslu sem „hvað ef“ greiningu
og aðgangur að valmyndarskipulögðum skýrslum. Skýrslur verða að vera
fyrirfram skilgreind og sameinuð valmyndum til að auðvelda flakk.
Fyrirspurnar- og skýrslutól gera notendum kleift að búa til skýrslur
fyrirfram skilgreind og sértæk.
Gagnanámaverkfæri eru notuð til að bera kennsl á tengsl sem
gæti varpað nýju ljósi á gleymdar aðgerðir í dati del
gagnavöruhús.
Samhliða því að hagræða kröfum hverrar tegundar notenda, þ.e
Valin verkfæri verða að vera leiðandi, skilvirk og auðveld í notkun.
Þeir verða einnig að vera samrýmanlegir öðrum hlutum arkitektúrsins e
fær um að vinna með núverandi kerfi. Einnig er lagt til að
velja gagnaaðgang og öflunartæki með verðum og afköstum
sanngjarnt. Aðrar forsendur sem þarf að huga að fela í sér skuldbindingu
seljanda tólsins til að styðja vöru sína og þróunina sem hún
sama mun hafa í framtíðarútgáfum. Til að tryggja þátttöku notenda
í notkun gagnavöruhússins tekur þróunarteymið þátt í
notendur í verkfæravalsferlinu. Í þessu tilfelli
framkvæma skal hagnýtt notendamat.
Til að bæta verðmæti gagnavöruhússins getur þróunarteymið
veita einnig vefaðgang að gagnageymslum sínum. A
Vefvirkt gagnavöruhús gerir notendum kleift að fá aðgang að dati
frá afskekktum stöðum eða á ferðalögum. Einnig upplýsingarnar geta
vera veitt með lægri kostnaði með lækkun kostnaðar
þjálfunar.
2.4.3 Gagnavöruhús Aðgerðaráfangi
Þessi áfangi samanstendur af þremur verkefnum: Skilgreina dagsetningaraðferðir
endurnýjun, eftirlit með starfsemi gagnageymslu og stjórnun á
gagnageymsluöryggi.
Skilgreining á gagnahressunaraðferðum
Eftir fyrstu hleðslu, þ dati í gagnagrunnur gagnageymslunnar
þarf að endurnýja reglulega til að spila
breytingar sem gerðar voru á dati frumrit. Við verðum því að ákveða
hvenær á að hressa, hversu oft
endurnýja og hvernig á að endurnýja dati. Lagt er til að gera
hressa dei dati þegar hægt er að taka kerfið offline. Þarna
Endurnýjunartíðni er ákvörðuð af þróunarteymi sem byggir á
um kröfur notenda. Það eru tvær aðferðir til að hressa upp á
gagnavöruhús: algjör endurnýjun og stöðug hleðsla á
breytingar.
Fyrsta aðferðin, full endurnýjun, krefst endurhleðslu
allar dati frá grunni. Þetta þýðir að öll dati krafist verður
verið tekinn út, hreinsaður, umbreyttur og samþættur í hverri endurnýjun. Þetta
aðkoma ætti að forðast eins og hægt er vegna þess
Það krefst mikils tíma og fjármagns.
Önnur aðferð er að hlaða i
breytingar. Þetta bætir i dati sem hefur verið breytt
frá síðustu endurnýjun gagnavöruhúss. Auðkenningin á
nýjar eða breyttar skrár dregur verulega úr magni af
dati sem ber að dreifa til gagnageymslunnar í hverju
uppfærsla þar sem aðeins þessir dati verður bætt við gagnagrunnur
gagnageymslunnar.
Það eru að minnsta kosti 5 aðferðir sem hægt er að nota til að hætta við
i dati ný eða breytt. Til að fá skilvirka stefnu
hressa dei dati blanda af þessum aðferðum getur verið gagnleg
tekur upp allar breytingar á kerfinu.
Fyrsta aðferðin, sem notar tímastimpla, gerir ráð fyrir að það komi
úthlutað öllum dati breytti og uppfærði tímastimpil svo
til að geta auðkennt alla dati breytt og nýtt.
Þessi aðferð hefur hins vegar ekki verið notuð víða
hluti af stýrikerfum nútímans.
Önnur aðferðin er að nota delta skrá sem myndast af
forrit sem inniheldur aðeins breytingar sem gerðar eru á dati.
Notkun þessarar skráar eykur einnig uppfærsluferilinn.
Hins vegar hefur jafnvel þessi aðferð ekki verið notuð í mörgum
umsóknir.
Þriðja aðferðin er að skanna annálaskrá, sem
inniheldur í grundvallaratriðum svipaðar upplýsingar og delta skráin. Sá eini
munurinn er sá að annálaskrá er búin til fyrir endurheimtarferlið og
það getur verið erfitt að skilja það.
Fjórða aðferðin er að breyta forritskóðanum.
Hins vegar er flest forritskóðinn gamall og
viðkvæmt; því ætti að forðast þessa tækni.
Síðasta aðferðin er að bera saman i dati heimildir með skránni
helstu guðir dati.
Eftirlit með starfsemi gagnageymslu
Þegar gagnageymslunni hefur verið gefið út til notenda er það það
nauðsynlegt að fylgjast með því með tímanum. Í þessu tilviki, stjórnandinn
gagnavöruhússins getur notað eitt eða fleiri stjórnunartæki og
eftirlit til að fylgjast með notkun gagnageymslunnar. Einkum
hægt er að safna upplýsingum um fólk og veður
sem þeir fá aðgang að gagnageymslunni. Láttu ekki svona dati hægt er að búa til uppskeru
snið af vinnu sem hægt er að nota sem inntak
við að innleiða endurgreiðslu notenda. Endurgreiðslan
gerir notendum kleift að upplýsa um kostnað við vinnslu
gagnavöruhús.
Ennfremur er einnig hægt að nota gagnageymslustýringu fyrir
auðkenna tegundir fyrirspurna, stærð þeirra, fjölda fyrirspurna á
dag, svartímar við fyrirspurninni, greinum sem náðst hafa og magn
di dati unnið. Annar tilgangur með því að athuga
gagnavöruhús er að bera kennsl á dati sem ekki eru í notkun. Þessar dati
Hægt er að fjarlægja þau úr gagnageymslunni til að bæta tíma
af framkvæmd fyrirspurn svar og stjórna vexti af
dati sem búa innan gagnagrunn gagnageymslunnar.
Öryggisstjórnun gagnageymslu
Gagnahús inniheldur dati samþætt, gagnrýnið, viðkvæmt það
hægt að ná auðveldlega. Af þessum sökum ætti það
vera varin fyrir óviðkomandi notendum. Ein leið til að
innleiða öryggi er að nota del aðgerðina DBMS
að úthluta mismunandi réttindi til mismunandi tegunda notenda. Í þessu
hátt, verður að viðhalda prófíl fyrir hverja tegund notenda
aðgangur. Önnur leið til að tryggja gagnageymsluna þína er að dulkóða það
eins og það er skrifað í gagnagrunn gagnageymslunnar. Aðgangur að
dati og endurheimtartækin verða að afkóða dati áður en lagt er fram i
niðurstöður til notenda.
2.4.4 Gagnavöruhús Uppsetningaráfangi
Það er síðasti áfanginn í innleiðingarferli gagnavöruhúss. The
starfsemi sem á að framkvæma í þessum áfanga felur í sér þjálfun á
notendur til að nota gagnageymsluna og búa til umsagnir
gagnageymslunnar.
Notendaþjálfun
Notendaþjálfun ætti að fara fram fyrst
um aðgang að dati gagnageymslunnar og notkun tækja
endurheimt. Almennt ættu fundir að byrja með
kynning á hugtakinu geymslu á dati, til
innihald gagnageymslunnar, ai meta dati og grunneiginleikar
af verkfærunum. Þá gætu lengra komnir notendur líka rannsakað
efnislegar töflur og notendaeiginleika gagnaaðgangs og verkfæra
endurheimt.
Það eru margar aðferðir til að gera notendaþjálfun. Einn af
þetta felur í sér úrval margra notenda eða sérfræðinga sem a
hópur notenda, byggt á forystu þeirra og getu
samskipti. Þetta eru þjálfaðir í persónulegri getu á
allt sem þeir þurfa að vita til að kynnast
kerfi. Þegar þjálfuninni er lokið fara þeir aftur til starfa og
þeir byrja að kenna öðrum notendum hvernig á að nota kerfið. Á
byggt á því sem þeir hafa lært geta aðrir notendur byrjað
kanna gagnageymsluna.
Önnur aðferð er að þjálfa marga notendur í því sama
tíma, eins og þú værir að taka kennslustofunámskeið. Þessi aðferð
Það hentar vel þegar það eru margir notendur sem þarf að þjálfa
á sama tíma. Önnur aðferð er að þjálfa
hver notandi fyrir sig, einn af öðrum. Þessi aðferð er
hentugur þegar notendur eru fáir.
Tilgangur notendaþjálfunar er að kynna þig
með aðgang að dati og öflunarverkfærin sem og innihald
gagnavöruhús. Hins vegar geta sumir notendur orðið óvart
með því magni upplýsinga sem veittar voru á þinginu
þjálfun. Það þarf því að gera ákveðinn fjölda hluta
áframhaldandi stuðningur og endurmenntunarfundir til að bregðast við
við ákveðnar spurningar. Í sumum tilfellum myndast hópur
notendum að veita þessa tegund af stuðningi.
Að safna viðbrögðum
Þegar gagnageymslunni hefur verið komið í notkun geta notendur
nota i dati sem eru í gagnageymslunni í ýmsum tilgangi.
Aðallega nota sérfræðingar eða notendur i dati í
gagnageymslu fyrir:
1 Þekkja þróun fyrirtækja
2 Greindu innkaupasniðin fyrir viðskiptavinir
3 Skiptu i viðskiptavinir og af
4 Veita bestu þjónustu við viðskiptavinir - sérsníða þjónustu
5 Móta aðferðir markaðssetningu
6 Gefðu samkeppnishæf tilboð fyrir kostnaðargreiningar og aðstoð
stjórn
7 Styðja stefnumótandi ákvarðanatöku
8 Finndu tækifæri til að skera þig úr
9 Bættu gæði núverandi viðskiptaferla
10 Athugaðu hagnaðinn
Eftir þróunarstefnu gagnageymslunnar gætu þeir
Framkvæmdu röð kerfisrýna til að fá endurgjöf
bæði frá þróunarteymi og frá samfélaginu
endanotendur.
Hægt er að taka tillit til niðurstaðna sem fást fyrir
næsta þróunarlotu.
Þar sem gagnavöruhúsið hefur stigvaxandi nálgun,
það er nauðsynlegt að læra af árangri og mistökum fyrri
þróun.
2.5 Samantekt
Í þessum kafla hefur verið fjallað um þær aðferðir sem eru til staðar í
bókmenntir. Í kafla 1 var fjallað um hugtakið
gagnageymslu og hlutverk þess í ákvarðanafræði. Í
kafla 2 helstu munur á
gagnageymslu og OLTP kerfi. Í kafla 3 ræddum við
Monash gagnavöruhúsalíkan sem var notað
í kafla 4 til að lýsa starfseminni sem tekur þátt í ferlinu
þróun gagnageymslu, hafa þessar ritgerðir ekki verið byggðar á
strangar rannsóknir. Það sem gerist í raunveruleikanum getur verið
mjög frábrugðið því sem bókmenntir segja frá, hvernig sem þetta er
Hægt er að nota niðurstöður til að búa til grunnfarangur sem
leggja áherslu á hugmyndina um vöruhús gagna fyrir þessar rannsóknir.
Kafli 3
Rannsóknar- og hönnunaraðferðir
Í þessum kafla er fjallað um rannsóknir og hönnunaraðferðir fyrir
þessari rannsókn. Fyrri hlutinn sýnir almenna sýn á aðferðirnar
af rannsóknum sem eru tiltækar til að sækja upplýsingar, auk þess
Fjallað er um forsendur til að velja bestu aðferðina fyrir einn
sérstakt nám. Tvær aðferðir eru síðan ræddar í kafla 2
valinn með þeim forsendum sem nýlega voru settar fram; af þeim verður valið og
samþykkt einn með þeim ástæðum sem fram koma í 3. lið þar sem þær eru
Einnig er gerð grein fyrir ástæðum þess að hin viðmiðunin er útilokuð. Þarna
Í 4. hluta er rannsóknarhönnunin kynnt og í 5. kafla er hún kynnt
ályktanir.
3.1 Rannsóknir í upplýsingakerfum
Rannsóknir í upplýsingakerfum eru ekki bara takmarkaðar
til tæknisviðs en verður einnig að víkka út til að ná yfir
markmið varðandi hegðun og skipulag.
Við eigum þetta að þakka ritgerðum ýmissa greina allt frá
félagsvísindi til náttúruvísinda; þetta leiðir til þess að þörf er á a
ákveðið svið rannsóknaraðferða sem fela í sér megindlegar aðferðir
og eigindleg til að nota fyrir upplýsingakerfi.
Allar tiltækar rannsóknaraðferðir eru mikilvægar, reyndar nokkrar
vísindamenn eins og Jenkins (1985), Nunamaker o.fl. (1991) og Galliers
(1992) halda því fram að engin sérstök alhliða aðferð sé til
að stunda rannsóknir á ýmsum sviðum upplýsingakerfa; Einmitt
aðferð gæti hentað tiltekinni rannsókn en ekki
fyrir aðra. Þetta færir okkur þörfina á að velja aðferð sem
hentar fyrir tiltekið rannsóknarverkefni okkar: fyrir þetta
val Benbasat o.fl. (1987) segja að þau beri að skoða
eðli og tilgang rannsóknarinnar.
3.1.1 Eðli rannsókna
Ýmsar aðferðir byggðar á eðli rannsóknarinnar geta verið
flokkast í þrjár hefðir sem víða eru þekktar í vísindum
upplýsinga: pósitífískar, túlkandi og gagnrýnar rannsóknir.
3.1.1.1 Pósitífískar rannsóknir
Pósitífískar rannsóknir eru einnig þekktar sem vísindarannsókn eða
reynslusögur. Það reynir að: „útskýra og spá fyrir um hvað mun gerast í
félagslegum heimi með því að skoða reglusemi og orsök og afleiðingu sambönd
meðal þeirra þátta sem mynda það“ (Shanks o.fl. 1993).
Pósitífískar rannsóknir einkennast einnig af endurtekningarhæfni,
einföldun og afsönnun. Ennfremur viðurkenna pósitífískar rannsóknir
tilvist a priori tengsla milli fyrirbæra sem rannsökuð eru.
Samkvæmt Galliers (1992) er flokkunarfræði rannsóknaraðferð
innifalinn í pósitívistískri hugmyndafræði, sem þó takmarkast ekki við þetta,
í raun eru tilraunir á rannsóknarstofu, vettvangstilraunir,
dæmisögur, setningarsönnun, spár og uppgerð.
Með því að nota þessar aðferðir viðurkenna vísindamenn að fyrirbæri
rannsakað er hægt að fylgjast með hlutlægum og ströngum hætti.
3.1.1.2 Túlkunarrannsóknir
Túlkunarrannsóknir, sem oft eru kallaðar fyrirbærafræði eða
and-jákvæðni er lýst af Neuman (1994) sem „greining
kerfisbundið um félagslega merkingu aðgerða með beinum og
nákvæma athugun á fólki í náttúrulegum aðstæðum, í röð
að komast að skilningi og túlkun á því hvernig
fólk skapar og viðheldur félagslegum heimi sínum." Nám
túlkunaraðferðir hafna þeirri forsendu að fyrirbæri sem sést hafa
hægt að skoða hlutlægt. Í raun eru þeir byggðir
um huglægar túlkanir. Ennfremur gera túlkunarfræðingar það ekki
þeir leggja fyrirfram merkingu á fyrirbærin sem þeir rannsaka.
Þessi aðferð felur í sér huglægar/rökræðarannsóknir, aðgerðir af
rannsóknir, lýsandi/túlkandi rannsóknir, framtíðarrannsóknir og leikir
hlutverki. Í viðbót við þessar rannsóknir og dæmisögur geta verið
innifalin í þessari nálgun þar sem þau varða rannsóknir á
einstaklingar eða stofnanir í flóknum aðstæðum
af hinum raunverulega heimi.
3.1.1.3 Gagnrýndar rannsóknir
Gagnrýnin rannsókn er minnst þekkta aðferðin í vísindum
félagslega en hefur nýlega fengið athygli vísindamanna
á sviði upplýsingakerfa. Sú heimspekilega forsenda að
félagslegur veruleiki er sögulega framleiddur og endurgerður af fólki,
sem og félagsleg kerfi með aðgerðum sínum og samskiptum. Þeirra
hæfni er hins vegar miðlað af ákveðinni tillitssemi
félagslegt, menningarlegt og pólitískt.
Rétt eins og túlkunarrannsóknir halda gagnrýnnar rannsóknir því fram að
pósitífískar rannsóknir hafa ekkert með félagslegt samhengi að gera og hunsa það
áhrif þess á gjörðir manna.
Gagnrýnar rannsóknir gagnrýna hins vegar túlkunarrannsóknir fyrir
vera of huglægt og vegna þess að það miðar ekki að því að hjálpa
fólk til að bæta líf sitt. Stærsti munurinn á milli
gagnrýnar rannsóknir og hinar tvær aðferðirnar eru matsvídd hennar.
Á meðan hlutlægni pósitívistískra og túlkunarhefða er fyrir
spá fyrir um eða útskýra óbreytt ástand eða félagslegan veruleika, gagnrýnar rannsóknir
miðar að því að gagnrýna og umbreyta undirliggjandi félagslegum veruleika
stúdíó.
Gagnrýnir rannsakendur eru venjulega á móti óbreyttu ástandi til að
fjarlægja félagslegan mun og bæta félagslegar aðstæður. Þarna
gagnrýnar rannsóknir hafa skuldbindingu um ferli sýn á
áhugaverð fyrirbæri og er því venjulega langsum.
Dæmi um rannsóknaraðferðir eru langtíma sagnfræðirannsóknir og
þjóðfræðirannsóknir. Gagnrýnar rannsóknir hafa hins vegar ekki verið
mikið notað í upplýsingakerfarannsóknum
3.1.2 Tilgangur rannsóknarinnar
Samhliða eðli leitarinnar er hægt að nota tilgang hennar
að leiðbeina rannsakanda við val á tiltekinni aðferð
rannsóknir. Tilgangur rannsóknarverkefnis er nátengdur
að staðsetningu leitarinnar miðað við leitarlotuna sem samanstendur af
þrír áfangar: kenningasmíði, kenningapróf og kenningasmíð
kenning. Svo, miðað við skriðþunga með tilliti til leitarlotunnar, a
rannsóknarverkefni getur haft skýrandi, lýsandi tilgang
rannsakandi eða forspár.
3.1.2.1 Könnunarrannsóknir
Könnunarrannsóknir miða að því að rannsaka efni
alveg nýtt og móta rannsóknarspurningar og tilgátur
framtíð. Þessi tegund rannsókna er notuð við byggingu
kenningu til að fá fyrstu tilvísanir á nýju svæði.
Venjulega eru eigindlegar rannsóknaraðferðir, svo sem dæmi, notaðar
náms eða fyrirbærafræðilegra rannsókna.
Hins vegar er líka hægt að beita megindlegum aðferðum eins og
könnunarrannsóknir eða tilraunir.
3.1.3.3 Lýsandi leit
Lýsandi rannsóknir miða að því að greina og lýsa að miklu leyti
tilgreina sérstakar aðstæður eða skipulagshætti. Þetta
hentar vel fyrir fræðibyggingu og er einnig hægt að nota í
staðfesta eða mótmæla tilgátum. Lýsandi rannsóknir venjulega
felur í sér notkun mælinga og sýna. Hentugustu rannsóknaraðferðirnar
fela í sér rannsóknir og greiningar á forsögum.
3.1.2.3 Skýringarrannsóknir
Skýringarrannsóknir reyna að útskýra hvers vegna hlutirnir gerast.
Það er byggt á staðreyndum sem þegar hafa verið rannsakaðar og reynt að finna
rökin fyrir þessum staðreyndum.
Þannig að skýringarrannsóknir eru venjulega byggðar á rannsóknum
rannsakandi eða lýsandi og er aukaatriði við prófanir og betrumbætur
kenningarnar. Skýringarrannsóknir nota venjulega dæmisögur
eða rannsóknaraðferðir sem byggja á könnunum.
3.1.2.4 Fyrirbyggjandi rannsóknir
Fyrirbyggjandi rannsóknir miða að því að spá fyrir um atburði og hegðun
undir athugun sem verið er að rannsaka (Marshall og Rossman
1995). Spá er staðlað vísindalegt próf sannleikans.
Þessi tegund rannsókna notar almennt kannanir eða greiningu á
dati sagnfræðingar. (Yin 1989)
Ofangreind umfjöllun sýnir að það eru nokkrir
mögulegar rannsóknaraðferðir sem hægt er að nota í rannsókn
sérstakur. Hins vegar verður að vera til ákveðin aðferð sem hentar betur
annarra fyrir tiltekna tegund rannsóknarverkefnis. (Galliers
1987, Yin 1989, De Vaus 1991). Sérhver rannsakandi hefur því
þarf að meta vandlega styrkleika og veikleika
ýmsar aðferðir, til að komast að því að taka upp heppilegustu rannsóknaraðferðina e
í samræmi við rannsóknarverkefnið. (Jenkins 1985, Pervan og Klass
1992, Bonomia 1985, Yin 1989, Himilton og Ives 1992).
3.2. Mögulegar leitaraðferðir
Markmiðið með þessu verkefni var að rannsaka reynsluna í
Ástralsk samtök með i dati geymt með einum
þróun gagnageymsla. Gögn sem nú er eitt
skortur á rannsóknum á gagnageymslusvæðinu í Ástralíu,
þetta rannsóknarverkefni er enn í fræðilegum áfanga lotunnar
rannsóknir og hefur könnunartilgang. Að kanna upplifunina í
Ástralsk samtök taka upp gagnageymslu
krefst túlkunar á raunverulegu samfélagi. Þar af leiðandi er
fer sú heimspekilega forsenda sem liggur til grundvallar rannsóknarverkefninu
hin hefðbundna túlkun.
Eftir ítarlega athugun á tiltækum aðferðum var greint frá þeim
tvær mögulegar rannsóknaraðferðir: kannanir og dæmisögur
(tilviksrannsóknir), sem hægt er að nota til rannsókna
rannsakandi (Shanks o.fl. 1993). Galliers (1992) heldur því fram
hæfi þessara tveggja aðferða fyrir þessa tilteknu rannsókn í
endurskoðuð flokkunarfræði þess að þeir séu hentugir til byggingar
fræðilegt. Eftirfarandi tveir undirkaflar fjalla um hverja aðferð í
smáatriði.
3.2.1 Könnunarrannsóknaraðferð
Könnunarrannsóknaraðferðin kemur frá fornu aðferðinni
manntal. Manntal felst í því að safna upplýsingum frá
heilan íbúa. Þessi aðferð er dýr og óhagkvæm
sérstaklega ef íbúafjöldinn er stór. Svo, miðað við
manntal, könnun beinist venjulega að
safna upplýsingum fyrir lítinn fjölda, eða sýnishorn, af
fulltrúar íbúanna (Fowler 1988, Neuman 1994). A
úrtak endurspeglar þýðið sem það er dregið úr, með mismunandi
nákvæmni, í samræmi við sýnishorn uppbyggingu, the
stærð og valaðferð sem notuð er (Fowler 1988, Babbie
1982, Neuman 1994).
Rannsóknaraðferðin er skilgreind sem „skynmyndir af starfsháttum,
aðstæður eða skoðanir á tilteknum tímapunkti, gripið til með því að nota
spurningalistar eða viðtöl, sem ályktanir kunna að vera af
gert“ (Galliers 1992:153) [ljósmynd af vinnubrögðum,
aðstæður eða skoðanir á tilteknum tímapunkti, framkvæmt með því að nota
spurningalistar eða viðtöl, sem draga má ályktanir af]. The
rannsóknir fjalla um söfnun upplýsinga um ákveðna þætti
rannsóknarinnar, eftir ákveðinn fjölda þátttakenda, sem gerir
spurningar (Fowler 1988). Jafnvel þessir spurningalistar og viðtöl, sem
fela í sér augliti til auglitis síma og skipulögð viðtöl,
eru söfnunartækni af dati algengast að nota í
rannsóknir (Blalock 1970, Nachmias og Nachmias 1976, Fowler
1988), er hægt að nota athuganir og greiningar (Gable
1994). Af öllum þessum aðferðum við að safna dati, notkun
spurningalisti er vinsælasta tæknin þar sem hann tryggir að m.a dati
safnað er uppbyggð og sniðin og auðveldar því
flokkun upplýsinga (Hwang 1987, de Vaus 1991).
Við greiningu i dati, rannsóknaráætlun notar oft
megindlegar aðferðir, svo sem tölfræðilegar greiningar, en þær geta verið
eigindlegar aðferðir eru einnig notaðar (Galliers 1992, Pervan
og Klass 1992, Gable 1994). Venjulega, i dati safnað eru
notað til að greina dreifingu og mynstur félagasamtaka
(Fowler 1988).
Þó kannanir séu almennt viðeigandi fyrir rannsóknir
sem fjalla um spurninguna "hvað?" (hvað) eða úr því
leiða þær, eins og „hversu mikið“ og „hversu margar“
hægt að spyrja með „af hverju“ spurningunni (Sonquist og
Dunkelberg 1977, Yin 1989). Samkvæmt Sonquist og Dunkelberg
(1977), miðar rannsóknarrannsóknin að erfiðum tilgátum, dagskrá um
mat, lýsa þýði og þróa líkön af
mannlega hegðun. Að auki er hægt að nota kannanir
að rannsaka ákveðna skoðun á íbúafjölda, aðstæðum,
skoðanir, einkenni, væntingar og jafnvel fyrri hegðun
eða nútíð (Neuman 1994).
Rannsóknirnar gera rannsakanda kleift að uppgötva tengslin á milli
íbúa og niðurstöðurnar eru venjulega almennari en
aðrar aðferðir (Sonquist og Dunkelberg 1977, Gable 1994). The
kannanir gera rannsakendum kleift að ná yfir landfræðilegt svæði
breiðari og ná til margra boðbera (Blalock 1970,
Sonquist og Dunkelberg 1977, Hwang og Lin 1987, Gable 1994,
Neuman 1994). Loks geta kannanir veitt upplýsingar
sem ekki eru fáanlegar annars staðar eða í því formi sem krafist er fyrir greiningarnar
(Fowler 1988).
Það eru þó nokkrar takmarkanir á því að framkvæma könnun. Einn
ókosturinn er sá að rannsakandinn getur ekki aflað mikilla upplýsinga
varðandi hlutinn sem rannsakaður var. Þetta stafar af því að
rannsóknir fara aðeins fram á ákveðnum tíma og því,
það er takmarkaður fjöldi breyta og fólks sem rannsakandinn getur
rannsókn (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998).
Annar ókostur er hvað það getur verið að keyra könnun
mjög dýrt hvað varðar tíma og fjármagn, sérstaklega ef
felur í sér viðtöl augliti til auglitis (Fowler 1988).
3.2.2. Fyrirspurnarrannsóknaraðferð
Fyrirspurnarrannsóknaraðferðin felur í sér ítarlega rannsókn á
tilteknar aðstæður innan raunverulegs samhengis í a
skilgreint tímabil, án nokkurrar afskipta af hálfu
rannsakandi (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985).
Aðallega er þessi aðferð notuð til að lýsa tengslunum á milli
þær breytur sem verið er að rannsaka í tilteknum aðstæðum
(Galliers 1992). Rannsóknir geta varðað einstök mál eða
margfeldi, fer eftir fyrirbærinu sem greint er (Franz og Robey 1987,
Eisenhardt 1989, Yin 1989).
Fyrirspurnarrannsóknaraðferðin er skilgreind sem „fyrirspurn
empirísk rannsókn sem rannsakar samtímafyrirbæri innan
afstætt raunverulegt samhengi, með því að nota margar heimildir sem safnað er frá einum eða
margar einingar eins og fólk, hópar eða samtök“ (Yin 1989).
Það er engin skýr skil á milli fyrirbærisins og samhengis þess e
það er engin stjórn eða tilraunameðferð á breytunum (Yin
1989, Benbasat o.fl. 1987).
Það er margvísleg tækni til að safna guðum dati að þeir geti
vera notuð í fyrirspurnaraðferðinni, sem felur í sér
beinar athuganir, yfirlit yfir skjalagögn, spurningalistar,
yfirferð gagna og skipulögð viðtöl. Að hafa
fjölbreytt úrval af uppskerutækni dati, rannsóknir
leyfa rannsakendum að takast á við hvort tveggja dati eigindlegt það
magn á sama tíma (Bonoma 1985, Eisenhardt 1989, Yin
1989, Gable 1994). Eins og á við um könnunaraðferðina, a
rannsóknarrannsakandi virkar sem athugandi eða rannsakandi og ekki
sem virkur þátttakandi í stofnuninni sem verið er að rannsaka.
Benbasat o.fl. (1987) fullyrða að fyrirspurnaraðferðin sé
sérstaklega hentugur fyrir fræðibyggingarrannsóknir, sem
byrja með rannsóknarspurningu og halda áfram með þjálfun
af kenningu á meðan á söfnunarferlinu stendur dati. Að vera
hentar líka á sviðið
af kenningasmíði benda Franz og Robey (1987) til þess
Einnig er hægt að nota fyrirspurnaraðferðina fyrir flókið
fræðiáfangi. Í þessu tilviki, byggt á sönnunargögnum sem safnað var, einn
tiltekin kenning eða tilgáta er sannreynd eða hrakin. Auk þess er rannsóknin
einnig hentugur fyrir rannsóknir sem fjalla um 'hvernig' eða 'hvernig' spurningar
„af hverju“ (Yin 1989).
Í samanburði við aðrar aðferðir gera kannanir rannsakanda kleift
fanga nauðsynlegar upplýsingar nánar (Galliers
1992, Shanks o.fl. 1993). Ennfremur leyfa rannsóknir
rannsakanda til að skilja eðli og flókið ferli sem rannsakað er
(Benbasat o.fl. 1987).
Það eru fjórir helstu ókostir tengdir aðferðinni
rannsókn. Í fyrsta lagi er skortur á stjórnuðum frádráttum. Þarna
Huglægni rannsakanda getur breytt niðurstöðum og niðurstöðum
rannsóknarinnar (Yin 1989). Annar ókosturinn er skortur á
stýrða athugun. Ólíkt tilraunaaðferðum er
Rannsakandi getur ekki stjórnað fyrirbærunum sem rannsökuð eru
þar sem þau eru skoðuð í sínu náttúrulega samhengi (Gable 1994). The
þriðji ókosturinn er skortur á endurtekningarhæfni. Þetta er vegna þess
að ólíklegt sé að rannsakandi muni fylgjast með sömu atburðum, og
getur ekki sannreynt niðurstöður tiltekinnar rannsóknar (Lee 1989).
Að lokum, vegna þess að ekki er hægt að endurtaka það, er það erfitt
alhæfa niðurstöður sem fást úr einni eða fleiri rannsóknum (Galliers
1992, Shanks o.fl. 1993). Öll þessi vandamál eru hins vegar ekki
eru óyfirstíganlegar og má í raun lágmarka með
rannsakandi beitir viðeigandi aðgerðum (Lee 1989).
3.3. Rökstyðjið rannsóknaraðferðina
Ættleiddur
Af tveimur mögulegum rannsóknaraðferðum fyrir þessa rannsókn, aðferðin við
rannsókn er talin heppilegasta. Það að rannsaka er
var hent eftir vandlega athugun á viðkomandi
kosti og veikleika. Þægindi eða óviðeigandi hvers og eins
aðferð við þessa rannsókn er rædd hér að neðan.
3.3.1. Óviðeigandi rannsóknaraðferð
af fyrirspurn
Fyrirspurnaraðferðin krefst ítarlegrar rannsóknar um einn
sérstakar aðstæður innan einnar eða fleiri stofnana fyrir a
tímabil (Eisenhardt 1989). Í þessu tilviki getur tímabilið
fara yfir þann tímaramma sem gefinn er fyrir þessa rannsókn. Annað
Ástæða þess að könnunaraðferðin er ekki notuð er sú að niðurstöðurnar
þeir geta þjáðst af skorti á strangleika (Yin 1989). Huglægni
rannsakanda getur haft áhrif á niðurstöður og niðurstöður. Annað
ástæðan er sú að þessi aðferð hentar betur til rannsókna á spurningum
af gerðinni „hvernig“ eða „af hverju“ (Yin 1989), en rannsóknarspurningin
fyrir þessa rannsókn er hún af gerðinni „hvað“. Síðast en ekki síst
Mikilvægt er að það er erfitt að alhæfa niðurstöður frá aðeins einum eða
fáar rannsóknir (Galliers 1992, Shanks o.fl. 1993). Á grundvelli
þessa skynsamlegu skýringu, rannsóknaraðferðin við fyrirspurn er það ekki
var valið vegna þess að það hentaði ekki í þessa rannsókn.
3.3.2. Þægindi af leitaraðferð af
rannsókn
Þegar þessi rannsókn var gerð, framkvæmd gagnageymslu
hafði ekki verið almennt samþykkt af
Ástralsk samtök. Svo það voru ekki miklar upplýsingar
varðandi framkvæmd þeirra innan frv
Ástralsk samtök. Fyrirliggjandi upplýsingar komu
frá stofnunum sem höfðu innleitt eða notað gögn
vöruhús. Í þessu tilviki er könnunarrannsóknaraðferðin mest
hentugur vegna þess að það gerir þér kleift að fá upplýsingar sem eru það ekki
fáanlegt annars staðar eða á því formi sem krafist er til greiningar (Fowler 1988).
Að auki gerir könnunarrannsóknaraðferðin rannsakanda kleift
fá góða innsýn í starfshætti, aðstæður eða
séð á ákveðnum tíma (Galliers 1992, Denscombe 1998).
Það þurfti heildarsýn til að auka
Þekking á reynslu af ástralskri gagnavörslu.
Aftur segja Sonquist og Dunkelberg (1977) að niðurstöður af
Könnunarrannsóknir eru almennari en aðrar aðferðir.
3.4. Hönnun könnunarrannsókna
Rannsóknin á gagnavörslustarfinu fór fram árið 1999.

Markhópurinn samanstóð af samtökum
Ástralar hafa áhuga á rannsóknum á gagnavörslu, eins og þeir voru
líklega þegar upplýst um i dati sem þeir geyma og,
því gæti það veitt gagnlegar upplýsingar fyrir þessa rannsókn. Þarna
markhópur var auðkenndur með fyrstu könnun á
allir ástralskir meðlimir „The Data Warehousing Institute“ (Tdwiaap).
Í þessum kafla er fjallað um hönnun rannsóknarstigsins
reynslusögur um þessa rannsókn.
3.4.1. Söfnunartækni dati
Frá þremur aðferðum sem almennt eru notaðar í könnunarrannsóknum
(t.d. spurningalisti í pósti, símaviðtal og viðtal
persónuleg) (Nachmias 1976, Fowler 1988, de Vaus 1991), fyrir
þessi rannsókn tók upp spurningalistann í tölvupósti. Fyrsti
ástæðan fyrir því að taka upp hið síðarnefnda er að það geti náð a
landfræðilega dreifður íbúa (Blalock 1970, Nachmias e
Nachmias 1976, Hwang og Lin 1987, de Vaus 1991, Gable 1994).
Í öðru lagi hentar póstspurningalistinn þátttakendum
hámenntaður (Fowler 1988). Póst spurningalisti fyrir þetta
rannsókninni var beint til styrktaraðila gagnavörsluverkefnisins,
stjórnarmenn og/eða verkefnastjórar. Í þriðja lagi, spurningalistar í burtu
póstur hentar vel þegar þú ert með öruggan lista yfir
heimilisföng (Salant og Dilman 1994). TDWI, í þessu tilfelli, einn
traust gagnavörslufélag útvegaði heimilisfangalistann
ástralskra meðlima þess. Annar kostur spurningalistans
í gegnum póst á móti síma spurningalista eða viðtölum
persónulegt er að það gerir skráningum kleift að svara meira
nákvæmni, sérstaklega þegar skráningaraðilar þurfa að hafa samráð
minnispunkta eða ræddu spurningar við annað fólk (Fowler
1988).
Mögulegur ókostur getur verið sá tími sem þarf til
framkvæma spurningalista í pósti. Venjulega spurningalisti í burtu
póstur fer fram í þessari röð: senda bréf, bíða eftir
svör og sendu staðfestingu (Fowler 1988, Bainbridge 1989).
Þannig getur heildartíminn verið lengri en sá tími sem þarf til
persónuleg viðtöl eða fyrir símaviðtöl. Hins vegar er
heildartíma er hægt að vita fyrirfram (Fowler 1988,
Denscombe 1998). Tíminn sem fer í viðtöl
persónuupplýsingar er ekki hægt að vita fyrirfram þar sem þær eru mismunandi frá
eitt viðtal við annað (Fowler 1988). Símaviðtöl
getur verið fljótlegra en spurningalistar í pósti og
persónuleg viðtöl en getur verið hátt hlutfall vantunar
viðbrögð vegna þess að sumt fólk er ekki tiltækt (Fowler 1988).
Að auki eru símaviðtöl almennt takmörkuð við lista yfir
tiltölulega stuttar spurningar (Bainbridge 1989).
Annar veikleiki spurningalista í pósti er hátt hlutfall af
skortur á svörun (Fowler 1988, Bainbridge 1989, Neuman
1994). Hins vegar hefur verið gripið til mótvægisaðgerða, tengt
þessa rannsókn hjá traustri stofnun á sviði gagna
vörugeymsla (þ.e. TDWI) (Bainbridge 1989, Neuman 1994),
sem sendir tvö áminningarbréf til þeirra sem ekki hafa svarað
(Fowler 1988, Neuman 1994) og inniheldur einnig bréf
viðbót sem útskýrir tilgang rannsóknarinnar (Neuman 1994).
3.4.2. Greiningareining
Tilgangur þessarar rannsóknar er að afla upplýsinga um
framkvæmd gagnageymslu og notkun þeirra
innan áströlskra stofnana. Markhópurinn
samanstendur af öllum áströlskum samtökum sem hafa
innleitt, eða eru að innleiða, þ.e gagnageymsla. . In Í
þá eru einstök samtök skráð. Spurningalistinn
það var sent í pósti til stofnana sem hafa áhuga á ættleiðingu
di gagnageymsla. Þessi aðferð tryggir að upplýsingarnar
safnað kemur frá hentugustu auðlindum hverrar stofnunar
þátttakandi.
3.4.3. Könnunarsýni
„Póstlisti“ þátttakenda í könnuninni var fenginn af
TDWI. Af þessum lista, 3000 ástralsk samtök
voru valdir sem grunnur fyrir sýnatöku. A
viðbótarbréf útskýrði verkefnið og tilgang rannsóknarinnar,
ásamt svarblaði og fyrirframgreitt umslagi fyrir
senda til baka útfyllta spurningalistann voru sendur til úrtaksins.
Af 3000 samtökum samþykktu 198 að taka þátt í
nám. Búist var við svo fáum svörum dagsetning il
mikill fjöldi áströlskra stofnana sem þeir höfðu þá
faðmaði eða voru að faðma stefnumótunarstefnuna
vörugeymsla innan stofnana sinna. Svo
Markhópur þessarar rannsóknar samanstendur af aðeins 198
stofnanir.
3.4.4. Efni spurningalistans
Uppbygging spurningalistans var byggð á dagsetningarlíkaninu
Monash vörugeymsla (rætt áður í hluta 2.3). The
efni spurningalistans var byggt á greiningu á
bókmenntir kynntar í kafla 2. Afrit af spurningalistanum
sent til þátttakenda í könnuninni má finna
í viðauka B. Spurningalistinn samanstendur af sex hlutum, sem
áfangar líkansins sem fjallað er um fylgja. Eftirfarandi sex málsgreinar
þeir draga stuttlega saman innihald hvers hluta.
Hluti A: Grunnupplýsingar um stofnunina
Þessi hluti inniheldur spurningar sem tengjast prófílnum á
samtök sem taka þátt. Auk þess eru sumar spurningarnar
varðandi ástand gagnavörsluverkefnisins
þátttakandi. Trúnaðarupplýsingar eins og nafn þitt
stofnunarinnar komu ekki fram í könnuninni.
Kafli B: Byrja
Spurningarnar í þessum hluta tengjast upphafsaðgerðinni
gagnageymslu. Spurt var hversu lengi
varðar frumkvöðla verkefna, ábyrgðarmenn, færni og þekkingu
beiðnir, markmið þróunar gagnageymslu og
væntingar notenda.
Kafli C: Hönnun
Þessi hluti inniheldur spurningar sem tengjast starfsemi
skipulagningu á gagnageymsla. Einkum eru spurningarnar
fram um umfang framkvæmda, lengd verks, kostnað
verkefnisins og kostnaðar/ábatagreiningu.
Kafli D: Þróun
Í þróunarhlutanum eru spurningar sem tengjast starfsemi
þróun gagnageymsla: safn af notendakröfum
endanleg, heimildir um dati, rökrétt líkan af dati, frumgerðir, the
afkastagetuskipulagningu, tæknilegum arkitektúr og vali á
þróunarverkfæri fyrir gagnavöruhús.
Kafli E: Rekstur
Aðgerðarspurningar tengdar rekstri útg
að stækkanleika á gagnageymsla, hvernig það þróast í
næsta áfanga þróunar. Þarna gagna gæðum, áætlanir um
hressa dei dati, granularity af dati, sveigjanleiki gagna
vöruhús og öryggisvandamál gagnageymsla þeir voru á milli
tegundir spurninga sem spurt er.
Kafli F: Þróun
Þessi hluti inniheldur spurningar sem tengjast gagnanotkun
vöruhús eftir notendur. Rannsakandi hafði áhuga
að tilgangi og notagildi gagnageymsla, endurskoðun og aðferðir
af þjálfun sem hefur verið samþykkt og gagnaeftirlitsáætlun
vöruhús samþykkt.
3.4.5. Svarhlutfall
Þótt póstkannanir séu gagnrýndar fyrir að hafa hlutfall af
lág svörun, hafa verið gerðar ráðstafanir til að auka við
ávöxtunarkröfu (eins og áður var rætt að hluta
3.4.1). Hugtakið „svarhlutfall“ vísar til hlutfalls af
fólk í tilteknu könnunarúrtaki sem svarar
spurningalista (Denscombe 1998). Eftirfarandi var notað
formúla til að reikna út svarhlutfall fyrir þessa rannsókn:
Fjöldi fólks sem svaraði
Svarhlutfall =
——————————————————————————– X 100
Heildarfjöldi sendra spurningalista
3.4.6. Prófflugmaður
Áður en spurningalistinn er sendur til úrtaksins eru spurningarnar
verið skoðaðar með því að framkvæma flugmannspróf, eins og Luck lagði til
og Rubin (1987), Jackson (1988) og de Vaus (1991). Tilgangurinn með
flugpróf er að leiða í ljós allt óþægilegt, óljóst og orðatiltæki
spurningar sem erfitt er að túlka, til að skýra einhverjar
skilgreiningar og hugtök sem notuð eru og til að bera kennsl á áætlaðan tíma
þarf til að fylla út spurningalistann (Warwick og Lininger 1975,
Jackson 1988, Salant og Dilman 1994). Flugmannsprófin voru
framkvæmt með því að velja viðfangsefni með svipuð einkenni og þau
af lokagreinum, eins og lagt var til Davis e Cosenza (1993). Í
í þessari rannsókn voru sex sérfræðingar í gagnavörslu
valin sem tilraunaviðfangsefni. Eftir hvert flugpróf eru þeir
nauðsynlegar leiðréttingar hafa verið gerðar. Úr flugprófunum sem gerðar voru, þ.e
þátttakendur hjálpuðu til við að endurmóta og endurstilla
lokaútgáfa spurningalistans.
3.4.7. Aðferðir við greiningu á Dati
I dati af rannsókn sem safnað er úr lokuðum spurningalistum eru
voru greind með tölfræðilegum hugbúnaðarpakka
heitir SPSS. Mörg svörin voru greind
með því að nota lýsandi tölfræði. Ákveðinn fjöldi spurningalista
þau skiluðu sér ófullnægjandi. Þetta var meðhöndlað af meiri
gaum að því að ég dati saknað var ekki einn
afleiðing villna við innslátt gagna, en hvers vegna spurningarnar gera það ekki
hentuðu þeim sem lýstu yfir, eða hann ákvað að gera það ekki
svara einni eða fleiri ákveðnum spurningum. Þessi svör
saknað var hunsað við greininguna dati og þeir voru
kóðaðar sem „- 9“ til að tryggja útilokun þeirra frá ferlinu
greiningar.
Við gerð spurningalistans var spurningunum lokað
forkóða með því að úthluta númeri við hvern valmöguleika. Númerið
þá var það notað til að undirbúa i dati við greininguna
(Denscombe 1998, Sapsford og Jupp 1996). Það voru til dæmis
sex valkostir sem taldir eru upp í spurningu 1 í kafla B: ráðgjöf
stjórn, yfirmaður, upplýsingatæknideild, eining
fyrirtækja, ráðgjafa og fleira. Í skránni á dati af SPSS, er
breyta var búin til til að gefa til kynna „verkefnishafann“,
með sex gildismerkjum: '1' fyrir 'stjórn', '2'
fyrir „æðsta stjórnandann“ og svo framvegis. Notkun Likertin kvarðans
í sumum lokuðu spurningunum leyfði það einnig
auðkenning sem krefst engrar fyrirhafnar miðað við notkun gilda
samsvarandi númer færð inn í SPSS. Fyrir spurningar með
ótæmandi svör, sem útilokuðu ekki hvert annað,
hver valkostur var meðhöndlaður sem ein breytu með tveimur
gildismerki: '1 ' fyrir 'merkt' og '2 ' fyrir 'ómerkt'.
Opnar spurningar voru meðhöndlaðar á annan hátt en spurningar
lokað. Svörin við þessum spurningum hafa ekki verið færð inn
SPSS. Þess í stað voru þau handgreind. Notkunin á þessu
tegund spurninga gerir þér kleift að fá upplýsingar um hugmyndir
tjáð sig frjálslega og persónulega reynslu svarenda
(Bainbridge 1989, Denscombe 1998). Þar sem hægt er hefur það verið gert
flokkun svara.
Til greiningar á dati, einfaldar tölfræðilegar greiningaraðferðir eru notaðar,
eins og tíðni svara, meðaltal, staðalfrávik
meðaltal og miðgildi (Argyrous 1996, Denscombe 1998).
Gamma prófið var árangursríkt til að fá megindlegar mælingar
af samtökum milli dati ordinals (Norusis 1983, Argyrous 1996).
Þessar prófanir voru viðeigandi vegna þess að raðkvarðarnir sem notaðir voru voru það ekki
þeir voru með marga flokka og hægt var að sýna í töflu
(Norusis 1983).
3.5 Samantekt
Í þessum kafla er aðferðafræði rannsókna og
hönnun sem samþykkt var fyrir þessa rannsókn.
Val á viðeigandi rannsóknaraðferð fyrir a
tiltekið nám tekur við
tillit til fjölda reglna, þar á meðal eðlis og tegundar
rannsókna, sem og kosti og veikleika hvers mögulegs
aðferð (Jenkins 1985, Benbasat o.fl. 1097, Galliers og Land 1987,
yin 1989, Hamilton og ives 1992, Galliers 1992, neuman 1994). Útsýni
skortur á þekkingu og kenningum um það
af upptöku gagnageymslu í Ástralíu, þessi rannsókn af
rannsóknir krefjast túlkandi rannsóknaraðferðar með færni
rannsakandi til að kanna reynslu stofnana
ástralska. Valin var rannsóknaraðferðin fyrir
safna upplýsingum um upptöku dagsetningarhugtaksins
vörugeymsla ástralskra stofnana. A
póstur spurningalisti var valinn sem söfnunartækni dati. The
rökstuðning fyrir rannsóknaraðferð og söfnunartækni dati
valið verður í þessum kafla. Það var líka
fram umræðu um greiningareininguna, úrtakið
notað, prósentutölur svara, innihald spurningalistans,
forprófun á spurningalistanum og greiningaraðferð dati.

Hönnun a Gagnavöruhús:
Að sameina einingatengsl og víddarlíkanagerð
ÁGRIP
Geyma i dati Það er stórt mál í dag fyrir marga
stofnanir. Lykilvandamál í þróun
af geymslu á dati það er hans hönnun.
Hönnunin verður að styðja við greiningu hugtaka í gögnunum
vöruhús til arfleifðarkerfis og annarra heimilda dati og líka einn
auðskilinn og skilvirkni í innleiðingu gagna
vörugeymsla.
Mikið af lagerbókmenntum dati mælt með
notkun einingatengslalíkana eða víddarlíkana fyrir
tákna hönnun gagnageymsla.
Í þessu blaði sýnum við hvernig bæði
Hægt er að sameina framsetningar í eina nálgun fyrir
teikningu af gagnageymsla. Aðferðin sem notuð er er kerfisbundin
skoðuð í tilviksrannsókn og er auðkennd í fjölda
mikilvægar afleiðingar með fagfólki.
GAGNAVÖRUHÚS
Un gagnageymsla er venjulega skilgreint sem „viðfangsmiðað,
samþætt, tímabreytileg og óstöðug gagnasöfnun til stuðnings
ákvarðana stjórnenda“ (Inmon og Hackathorn, 1994).
Efnismiðuð og samþætt gefur til kynna að gagnageymsla è
hannað til að fara yfir virknimörk eldri kerfa fyrir
bjóða upp á samþætt sjónarhorn á dati.
Tímafbrigði snýst um sögulegt eða tímaraðar eðli myndbands dati in
un gagnageymsla, sem gerir kleift að greina þróun.
Óstöðugleiki gefur til kynna að gagnageymsla það er ekki stöðugt
uppfært sem a gagnagrunnur af OLTP. Frekar er það uppfært
reglulega, með dati frá innri og ytri aðilum. The
gagnageymsla það er sérstaklega hannað fyrir rannsóknir
frekar en fyrir heilleika uppfærslunnar og frammistöðu
aðgerðir.
Hugmyndin um að geyma i dati það er ekki nýtt, það var einn af tilgangunum
af stjórnun á dati frá sjöunda áratugnum (Il Martin, 1982).
I gagnageymsla þeir bjóða upp á innviðina dati fyrir stjórnun
stoðkerfi. Stuðningskerfi stjórnenda fela í sér ákvörðun
stuðningskerfi (DSS) og stjórnendaupplýsingakerfi (EIS).
DSS er tölvubundið upplýsingakerfi sem er
hannað til að bæta ferlið og þar af leiðandi gripið
mannleg ákvörðun. EIS er venjulega afhendingarkerfi
dati sem gerir stjórnendum fyrirtækja kleift að nálgast útsýnið auðveldlega
dei dati.
Almennur arkitektúr a gagnageymsla undirstrikar hlutverk
gagnageymsla í stjórnendastuðningi. Auk þess að bjóða
innviðina dati fyrir EIS og DSS, al gagnageymsla er mögulegt
nálgast það beint í gegnum fyrirspurnir. THE dati innifalinn í dagsetningu
vöruhús byggjast á greiningu á upplýsingakröfum um
stjórnun og eru fengnar frá þremur aðilum: innri arfleifðarkerfum,
gagnaöflunarkerfi með sérstökum tilgangi og ytri gagnaveitur. THE
dati í innri eldri kerfum eru þau oft óþörf,
ósamræmi, lítil gæði og geymd á mörgum sniðum
þannig að það þarf að samræma þau og þrífa áður en þú getur hlaðið þeim inn í
gagnageymsla (Inmon, 1992; McFadden, 1996). THE dati frá
frá geymslukerfum dati ad hoc og frá heimildum dati
ytri eru oft notuð til að auka (uppfæra, skipta út) i
dati úr eldri kerfum.
Það eru margar sannfærandi ástæður fyrir því að þróa a gagnageymsla,
sem fela í sér betri ákvarðanatöku með notkun
skilvirkari meiri upplýsingar (Ives 1995), stuðningur við áherslur
um heildarviðskipti (Graham 1996), og lækkun kostnaðar við
ákvæði um dati fyrir EIS og DSS (Graham 1996, McFadden
1996).
Nýleg empírísk rannsókn leiddi í ljós að meðaltali skilaði
fjárfestingar fyrir i gagnageymsla um 401% eftir þrjú ár (Graham,
1996). Hins vegar eru aðrar reynslurannsóknir á gagnageymsla hafa
fann veruleg vandamál þar á meðal erfiðleika við að mæla útg
úthluta ávinningi, skortur á skýrum tilgangi, vanmeta hann
tilgangur og flókið ferli geymslu i dati, Í
sérstaklega varðandi heimildir og hreinleika dati.
Geyma i dati getur talist lausn
til vanda um stjórnun á dati milli stofnana. Þarna
meðferð á dati sem félagsleg auðlind hefur hún verið ein af þeim
lykilatriði við stjórnun upplýsingakerfa yfir allt
heiminum í mörg ár (Brancheau o.fl. 1996, Galliers o.fl. 1994,
Niederman o.fl. 1990, Pervan 1993).
Vinsæl nálgun við eignastýringu dati á níunda áratugnum var það
að þróa líkan dati félagslegt. Fyrirmynd dati félagslegt var
hannað til að bjóða upp á stöðugan grunn fyrir þróun nýrra kerfa
umsóknir e gagnagrunnur og arfleifð enduruppbyggingu og samþættingu
kerfi (Brancheau o.fl.
1989, Goodhue o.fl. 1988:1992, Kim og Everest 1994).
Hins vegar eru mörg vandamál við þessa nálgun, í
sérstaklega hversu flókið og kostnaður hvers verkefnis er og langur tími
þarf að hafa áþreifanlegar niðurstöður (Beynon-Davies 1994, Earl
1993, Goodhue o.fl. 1992, Periasamy 1994, Shanks 1997).
Il gagnageymsla það er sérstakur gagnagrunnur sem er til samhliða hinum eldri
gagnagrunna frekar en að skipta þeim út. Það gerir þér því kleift
stýra stjórnun á dati og forðast dýra uppbyggingu
af eldri kerfum.
NÚVERANDI AÐFERÐIR AÐ GAGNAHÖNNUN
Vöruhús
Ferlið við að byggja og fullkomna a gagnageymsla
ætti frekar að skilja sem þróunarferli frekar en a
þróunarlífsferill hefðbundinna kerfa (Löngun, 1995, Shanks,
O'Donnell og Arnott 1997a). Það eru mörg ferli sem taka þátt í a
verkefni af gagnageymsla svo sem frumstilling, áætlanagerð;
upplýsingar sem fengnar eru úr kröfum stjórnenda fyrirtækja;
heimildir, umbreytingar, hreinsun á dati og samstillingu frá arfleifð
kerfi og aðrar heimildir dati; afhendingarkerfi í þróun;
eftirlit með gagnageymsla; og tilgangsleysi í ferlinu
þróun og smíði a gagnageymsla (Stinchi, O'Donnell
og Arnott 1997b). Í þessu tímariti leggjum við áherslu á hvernig
teikna i dati geymd í samhengi við þessa aðra ferla.
Það eru nokkrar aðferðir sem lagðar eru til fyrir gagnaarkitektúr
vöruhús í bókmenntum (Inmon 1994, Ives 1995, Kimball 1994
McFadden 1996). Hver þessara aðferðafræði hefur stutt
endurskoðun með greiningu á styrkleikum þeirra og veikleikum.
Nálgun Inmon (1994) fyrir Gagnavöruhús
hönnun
Inmon (1994) lagði til fjögur ítrekuð skref til að draga gögn
vöruhús (sjá mynd 2). Fyrsta skrefið er að hanna sniðmát
dati félagslegt að skilja hvernig ég dati hægt að samþætta
þvert á starfssvið innan stofnunar
deila i dati geyma á svæðum. Fyrirmynd dati það er gert fyrir
að geyma dati sem lúta að ákvarðanatöku, þ.m.t dati
söguleg, og innifalin dati ályktað og lagt saman. Annað skrefið er
tilgreina viðfangsefni til framkvæmda. Þessar eru byggðar
um forgangsröðun sem ákveðin stofnun ákveður. Þriðji
skref felur í sér að teikna a gagnagrunnur fyrir málefnasviðið, staði
gæta sérstaklega að því að innihalda viðeigandi magn af nákvæmni.
Inmon mælir með því að nota entities and relations líkanið. Í fjórða lagi
skref er að bera kennsl á upprunakerfi dati krafist og þróast
umbreytingarferli til að fanga, hreinsa og forsníða i dati.
Styrkleikar nálgunar Inmon eru þeir að líkanið dati félagsleg
býður upp á grundvöll samþættingar á dati innan stofnunarinnar
og styðja áætlanagerð fyrir endurtekna gagnaþróun
vöruhús. Gallar þess eru erfiðleikar og kostnaður við að teikna
fyrirmynd dati félagslega, erfiðleika við að skilja líkan af einingum og
sambönd sem notuð eru í báðum gerðum, að dati félagslegt og það af dati
geymd eftir efnissviði, og viðeigandi dati del
teikningu af gagnageymsla fyrir gerð gagnagrunnur
tengsl en ekki fyrir gagnagrunnur fjölvíddar.
Nálgun Ives (1995) til Gagnavöruhús
hönnun
Ives (1995) leggur til fjögurra þrepa nálgun við hönnun a
upplýsingakerfi sem hann telur eiga við um hönnun gagna
vöruhús (sjá mynd 3). Nálgunin byggist mjög á
Upplýsingaverkfræði til þróunar upplýsingakerfa
(Martin 1990). Fyrsta skrefið er að ákvarða markmiðin, þættina
mikilvægar og árangursríkar og lykilframmistöðuvísar. THE
lykilviðskiptaferli og nauðsynlegar upplýsingar eru
fyrirmynd til að leiða okkur að fyrirmynd dati félagslegt. Annað skref
felur í sér þróun skilgreiningararkitektúrs dati
geymt eftir svæðum, gagnagrunnur di gagnageymsla, íhlutunum
tækni sem krafist er, hópur skipulagsstuðnings
þarf að innleiða og starfa með gagnageymsla. Þriðji
skref felur í sér að velja nauðsynlega hugbúnaðarpakka og verkfæri.
Fjórða skrefið er nákvæm hönnun og smíði
gagnageymsla. Ives tekur eftir þeirri verslun dati hann er bundinn maður
endurtekið ferli.
Styrkur nálgunar Ives er notkun sérstakra aðferða við
ákvarða upplýsingakröfur, notkun skipulagðs
ferli til að styðja við samþættingu gagnageymsla,
viðeigandi val á vélbúnaði og hugbúnaði og notkun margra
framsetning tækni fyrir gagnageymsla. Gallar þess
þau eru fólgin í margbreytileika. Aðrir fela í sér erfiðleika í
þróa mörg stig af gagnagrunnur innan gagnageymsla in
sanngjarnan tíma og kostnað.
Nálgun Kimballs (1994) til Gagnavöruhús
hönnun
Kimball (1994) lagði til fimm endurtekningarskref til að draga gögn
vöruhús (sjá mynd 4). Nálgun hans er sérstaklega
tileinkað hönnun aðeins einnar gagnageymsla og notkun líkana
víddar fremur en líkön af einingum og samböndum. Kimball
greina þessi víddarlíkön vegna þess að það er auðveldara fyrir mig að skilja
Leiðtogar fyrirtækja eru skilvirkari í viðskiptum
flókið samráð, og hönnun á gagnagrunnur líkamlegt er meira
duglegur (Kimball 1994). Kimball viðurkennir að þróun a
gagnageymsla er endurtekið, og það gagnageymsla aðskilin þeir geta
vera samþætt með skiptingu í víddartöflur
sameiginlegt.
Fyrsta skrefið er að bera kennsl á tiltekið efnissvið sem á að vera
fullkomnað. Annað og þriðja skrefið varða mótun
víddar. Í öðru skrefi greina mælingar hluti af
áhuga á málefnasviðinu og flokkað í staðreyndatöflu.
Til dæmis, á sölusviði, mælingarnar sem vekja áhuga
gæti falið í sér magn seldra hluta og dollara
sem sölugjaldmiðill. Þriðja skrefið felur í sér að bera kennsl á
stærðir sem eru þær leiðir sem hægt er að flokka þær á i
staðreyndir. Á sölusviði, viðeigandi stærðir
gæti falið í sér hlut, staðsetningu og tímabil. Þarna
staðreyndatafla hefur marga hluta lykil til að tengja við hvern
af víddartöflum og inniheldur venjulega mjög marga
fullt af staðreyndum. Aftur á móti innihalda víddartöflur
lýsandi upplýsingar um stærðir og aðra eiginleika sem
hægt að nota til að flokka staðreyndir. Staðreyndataflan e
stærðir sem tengjast tillögunni sem kallast ein
stjörnumynstur vegna lögunar. Fjórða skrefið felur í sér
byggingu a gagnagrunnur fjölvíddar til að fullkomna það
stjörnu mynstur. Lokaskrefið er að bera kennsl á upprunakerfi dati
krafist og þróa umbreytingarferli til að eignast, hreinsa
og snið i dati.
Styrkleikar nálgunar Kimballs eru meðal annars notkun líkana
víddar til að tákna i dati geymd sem gera það
auðvelt að skilja og leiðir til skilvirkrar líkamlegrar hönnunar. A
víddarlíkan sem notar líka auðveldlega bæði
kerfi af gagnagrunnur tengsl geta verið fullkomin eða kerfi
gagnagrunnur fjölvíddar. Gallar þess eru meðal annars skortur
af sumum aðferðum til að auðvelda skipulagningu eða samþættingu
mörg stjörnumynstur innan einnar gagnageymsla og
erfiðleikar við að hanna út frá hinni öfgafullu eðlilegu uppbyggingu í a
víddarlíkan a dati í eldri kerfum.
McFadden's (1996) Approach to Data
Vöruhús hönnun
McFadden (1996) leggur til fimm þrepa nálgun á
teikna a gagnageymsla (sjá mynd 5).
Nálgun hans byggir á samruna hugmynda úr bókmenntum
og einbeitir sér að hönnun aðeins einnar gagnageymsla. Fyrsti
skref felur í sér kröfugreiningu. Þó sérstakur
tækni er ekki ávísað, skýringar McFadden auðkenna
aðila dati forskriftir og eiginleika þeirra, og vísar til lesenda Watson
og Frolick (1993) til að fanga kröfur.
Í öðru skrefi er teiknað fyrir einingatengslalíkan
gagnageymsla og síðan staðfest af leiðtogum fyrirtækja. Þriðji
skref felur í sér að ákvarða kortlagningu frá arfleifðarkerfi
og utanaðkomandi heimildum um gagnageymsla. Fjórða skrefið felur í sér
ferla í þróun, dreifingu og samstillingu á dati í
gagnageymsla. Í síðasta skrefi er kerfið afhent
þróað með sérstakri áherslu á notendaviðmót.
McFadden bendir á að teiknaferlið sé almennt
endurtekið.
Styrkleikar nálgunar McFadden benda til þátttöku
af leiðtogum fyrirtækja við að ákvarða kröfur og einnig
mikilvægi auðlinda dati, hreinsun þeirra og söfnun. Henni
gallar varða skort á ferli til að skipta a
frábært verkefni hjá gagnageymsla í mörgum samþættum áföngum, og þar
erfiðleikar við að skilja eininguna og tengslalíkönin sem notuð eru við hönnun á
gagnageymsla.

Admin forstjóri

👍Vefstofa á netinu | Sérfræðingur á vefmiðlun í stafrænni markaðssetningu og SEO. Web Agency Online er vefskrifstofa. Fyrir Agenzia Web Online velgengni í stafrænni umbreytingu er byggð á grunni Iron SEO útgáfu 3. Sérsvið: Kerfissamþætting, Enterprise Application Integration, Service oriented Architecture, Cloud Computing, Data warehouse, Business Intelligence, Big Data, gáttir, innra net, vefumsókn Hönnun og stjórnun tengsla- og fjölvíddargagnagrunna Hönnun viðmóta fyrir stafræna miðla: notagildi og grafík. Vefstofa á netinu býður fyrirtækjum upp á eftirfarandi þjónustu: -SEO á Google, Amazon, Bing, Yandex; -Vefgreining: Google Analytics, Google Tag Manager, Yandex Metrica; -Viðskipti notenda: Google Analytics, Microsoft Clarity, Yandex Metrica; -SEM á Google, Bing, Amazon auglýsingar; -Markaðssetning á samfélagsmiðlum (Facebook, Linkedin, Youtube, Instagram).

Sjá alla ævisögu

Digital Marketing Gagnasafn DBMS Gagnavöruhús Data Science Online Advertising Upplýsingatækni Vefstofa Auglýsingastofa Markaðssetning