მონაცემთა საწყობი და ERP | მონაცემთა ცენტრალური არქივი: ისტორია და ევოლუცია

არქივი დათი ცენტრალური: ისტორია და ევოლუცია

90-იან წლებში კორპორატიული ტექნოლოგიების ორი დომინანტური თემაა
აცხადებს ი მონაცემთა საწყობი და ERP. დიდი ხნის განმავლობაში ეს ორი ძლევამოსილი
დენები იყო კორპორატიული IT-ის ნაწილი, ყოველგვარი გარეშე
კვეთა. თითქმის თითქოს მატერია და ანტიმატერია ყოფილიყო. მაგრამ
ორივე ფენომენის ზრდამ აუცილებლად გამოიწვია ერთი
მათი კვეთა. დღეს კომპანიები პრობლემის წინაშე დგანან
რა ვუყოთ ERP-ს ე მონაცემთა საწყობი. ეს სტატია ასახავს
რა არის პრობლემები და როგორ აგვარებენ მათ კომპანიები.
ᲓᲐᲡᲐᲬᲧᲘᲡᲗᲐᲜ…
დასაწყისში იყო მონაცემთა საწყობი. მონაცემთა საწყობი დაიბადა იმისთვის
ტრანზაქციის დამუშავების განაცხადის სისტემას დაუპირისპირდება.
ადრეულ დღეებში დამახსოვრება მონაცემები ეს გამიზნული იყო
მხოლოდ ელ.ფოსტის დამუშავების აპლიკაციების კონტრაპუნქტია
გარიგებები. მაგრამ დღესდღეობით არის ბევრად უფრო დახვეწილი ხედვები
რა შეუძლია გააკეთოს მონაცემთა საწყობი. დღევანდელ სამყაროში
მონაცემთა საწყობი ჩასმულია სტრუქტურაში, რომელიც შეიძლება იყოს
სახელწოდებით კორპორატიული ინფორმაციის ქარხანა.
კორპორატიული ინფორმაციის ქარხანა
(CIF)
კორპორატიული ინფორმაციის ქარხანას აქვს არქიტექტურული კომპონენტები
სტანდარტი: ტრანსფორმაციის დონე და კოდის ინტეგრაცია
რომელიც აერთიანებს ი მონაცემები სანამ მე მონაცემები ისინი მოძრაობენ გარემოდან
გამოყენება გარემოში მონაცემთა საწყობი კომპანიის; ა
მონაცემთა საწყობი იმ კომპანიის, სადაც მონაცემები
დეტალური და ინტეგრირებული ისტორიკოსები. The მონაცემთა საწყობი კომპანიის ემსახურება როგორც
საძირკველი, რომელზედაც შეიძლება აშენდეს ყველა სხვა ნაწილი
გარემოს მონაცემთა საწყობი; ოპერატიული მონაცემთა მაღაზია (ODS).
ODS არის ჰიბრიდული სტრუქტურა, რომელიც შეიცავს მონაცემების გარკვეულ ასპექტს
საწყობი და OLTP გარემოს სხვა ასპექტები; მონაცემთა მარტები, სადაც ი
სხვადასხვა დეპარტამენტს შეიძლება ჰქონდეს მონაცემთა საკუთარი ვერსია
საწყობი; ა მონაცემთა საწყობი საძიებო, რომელშიც ი
კომპანია „ფილოსოფოსებს“ (მოაზროვნეებს) შეუძლიათ თავიანთი შეკითხვის გაგზავნა
72 საათი მავნე ზემოქმედების გარეშე მონაცემთა საწყობი; და მეხსიერება
ხაზთან ახლოს, რომელშიც მონაცემები ძველი და მონაცემები ნაყარი დეტალები შეიძლება იყოს
იაფად ინახება.
სად ერწყმის ERP-ს
კორპორატიული ინფორმაციის ქარხანა
ERP ორ ადგილას ერწყმის კორპორატიული ინფორმაციის ქარხანას.
ძირითადად, როგორც საბაზისო აპლიკაცია, რომელიც უზრუნველყოფს ი
მონაცემები განაცხადის მიმართ მონაცემთა საწყობი. ამ შემთხვევაში ი მონაცემები,
გენერირებული, როგორც ტრანზაქციის პროცესის გვერდითი პროდუქტი,
ინტეგრირებული და ჩატვირთულია მონაცემთა საწყობი კომპანიის. The
ERP-სა და CIF-სა და ODS-ს შორის კავშირის მეორე წერტილი. სინამდვილეში, ბევრი
გარემოში ERP გამოიყენება როგორც კლასიკური ODS.
იმ შემთხვევაში, თუ ERP გამოიყენება როგორც ძირითადი პროგრამა, ის
იგივე ERP ასევე შეიძლება გამოყენებულ იქნას CIF-ში, როგორც ODS. In
თუმცა, თუ ERP უნდა იქნას გამოყენებული ორივე როლში, იქ
უნდა არსებობდეს მკაფიო განსხვავება ორ ერთეულს შორის. Სხვა სიტყვებით,
როდესაც ERP ასრულებს ბაზის განაცხადის როლს და ODS, le
უნდა გამოიყოს ორი არქიტექტურული ერთეული. თუ მარტოხელა
ERP-ის განხორციელება ცდილობს ორივე როლის შესრულებას
ამავე დროს აუცილებლად იქნება პრობლემები
ამ სტრუქტურის დიზაინი და განხორციელება.
ცალკეული ODS და ძირითადი აპლიკაციები
არსებობს მრავალი მიზეზი, რამაც გამოიწვია კომპონენტების გაყოფა
არქიტექტურული. ალბათ ყველაზე მჭევრმეტყველი კითხვაა
არქიტექტურის სხვადასხვა კომპონენტი არის ის, რომ თითოეული კომპონენტი
არქიტექტურას თავისი შეხედულება აქვს. საბაზისო განაცხადი ემსახურება
ODS-ისგან განსხვავებული მიზნისთვის. სცადეთ გადახურვა
საბაზისო განაცხადის ხედი ODS-ის სამყაროზე ან პირიქით
ეს არ არის მუშაობის სწორი გზა.
შესაბამისად, ERP-ის პირველი პრობლემა CIF-ში არის ის
შეამოწმეთ არის თუ არა განსხვავება საბაზისო აპლიკაციებსა და აპლიკაციებს შორის
ODS
მონაცემთა მოდელები კორპორატიულში
საინფორმაციო ქარხანა
სხვადასხვა კომპონენტებს შორის ერთიანობის მისაღწევად
CIF-ის არქიტექტურაში უნდა არსებობდეს მოდელი მონაცემები. მე
მოდელების მონაცემები ისინი ემსახურებიან როგორც კავშირს სხვადასხვა კომპონენტებს შორის
არქიტექტურა, როგორიცაა საბაზისო აპლიკაციები და ODS. THE
მოდელების მონაცემები გახდეს „ინტელექტუალური საგზაო რუკა“ რომ ჰქონდეს
სწორი მნიშვნელობა CIF-ის სხვადასხვა არქიტექტურული კომპონენტიდან.
ამ ცნებასთან ერთად, იდეა არის ის, რომ უნდა იყოს
იყავი შესანიშნავი და უნიკალური მოდელი მონაცემები. რა თქმა უნდა, მას უნდა
იყოს მოდელი მონაცემები თითოეული კომპონენტისთვის და უფრო მეტიც იქ
ეს უნდა იყოს გონივრული გზა, რომელიც აკავშირებს სხვადასხვა მოდელებს.
არქიტექტურის თითოეული კომპონენტი - ODS, საბაზისო აპლიკაციები,
მონაცემთა საწყობი კომპანიის და ა.შ.. – სჭირდება საკუთარი
მოდელის მონაცემები. და ამიტომ უნდა არსებობდეს ზუსტი განმარტება
ამ მოდელების მსგავსად მონაცემები ისინი ურთიერთობენ ერთმანეთთან.
გადაადგილება I დათი ERP მონაცემებში
საწყობი
თუ წარმოშობა მონაცემები არის საბაზისო განაცხადი და/ან ODS, როდესაც
ERP ჩანართები ი მონაცემები in მონაცემთა საწყობი, ეს ჩანაწერი უნდა
ხდება მარცვლოვნების ყველაზე დაბალ დონეზე. შეჯამება ან
უბრალოდ აგრეგაცია ი მონაცემები როგორც გამოდიან
ERP საბაზისო აპლიკაციიდან ან ERP ODS არ არის
სწორი საქმეა. THE მონაცემები დეტალები საჭიროა მონაცემებში
საწყობი DSS პროცესის საფუძველს წარმოადგენს. ასეთი მონაცემები
ისინი მრავალი გზით შეიცვლება მონაცემთა მარტისა და ძიების შედეგად
del მონაცემთა საწყობი.
გადაადგილება მონაცემები საბაზისო განაცხადის გარემოდან
ERP-ის გარემოს მონაცემთა საწყობი კომპანიის კეთდება ა
გონივრულად მოდუნებული გზა. ეს ცვლა ხდება ამის შემდეგ
დაახლოებით 24 საათი ERP-ში განახლებიდან ან შექმნიდან. ფაქტი
აქვს "ზარმაცი" მოძრაობა მონაცემები in მონაცემთა საწყობი
კომპანიის საშუალებას იძლევა მონაცემები მოდის ERP-დან „მოგვარებისთვის“.
ერთხელ მე მონაცემები დეპონირებულია საბაზისო განაცხადში,
მაშინ შეგიძლიათ უსაფრთხოდ გადაიტანოთ ი მონაცემები ERP-ის
საწარმოში. კიდევ ერთი მიზანი, რომლის მიღწევაც შესაძლებელია მოძრაობის წყალობით
"ზარმაცი" ღმერთები მონაცემები არის მკაფიო დელიმიტაცია საოპერაციო პროცესებს შორის და
DS გაფართოება. „სწრაფი“ მოძრაობით მონაცემები სადემარკაციო ხაზი
DSS-სა და ოპერაციულს შორის ბუნდოვანი რჩება.
მოძრაობა მონაცემები ERP-ის ODS-დან მონაცემთა საწყობი
კომპანიის კეთდება პერიოდულად, ჩვეულებრივ
ყოველკვირეული ან ყოველთვიური. ამ შემთხვევაში მოძრაობა
მონაცემები ის ეფუძნება ძველთა „გაწმენდის“ აუცილებლობას მონაცემები ისტორიკოსები.
ბუნებრივია, ODS შეიცავს ი მონაცემები რომლებიც ბევრად უფრო ახალია
პატივისცემით მონაცემები ისტორიკოსებმა აღმოაჩინეს მონაცემთა საწყობი.
გადაადგილება მონაცემები in მონაცემთა საწყობი ეს თითქმის არასოდეს კეთდება
„საბითუმო ვაჭრობა“ (საბითუმო წესით). დააკოპირეთ ცხრილი
ERP გარემოდან მონაცემთა საწყობი აზრი არ აქვს. ერთი მიდგომა
ბევრად უფრო რეალურია შერჩეული ერთეულების მოძრაობა მონაცემები.
Მხოლოდ მონაცემები რომლებიც შეიცვალა მონაცემების ბოლო განახლების შემდეგ
საწყობი არის ის, ვინც უნდა გადავიდეს მონაცემებში
საწყობი. ერთი გზა იმის გასაგებად, რომელი მონაცემები ისინი შეცვლილია
მას შემდეგ, რაც ბოლო განახლება არის დროის ანაბეჭდების ნახვა მონაცემები
ნაპოვნია ERP გარემოში. დიზაინერი ირჩევს ყველა ცვლილებას
რომელიც წარმოიშვა ბოლო განახლების შემდეგ. სხვა მიდგომა
არის ცვლილებების დაჭერის ტექნიკის გამოყენება მონაცემები. თან
ეს ტექნიკა აანალიზებს ჟურნალებს და ჟურნალის ფირებს, რათა
განსაზღვრეთ რომელი მონაცემები უნდა გადავიდეს ERP გარემოდან
რომ მონაცემთა საწყობი. ეს ტექნიკა საუკეთესოა
როგორ შეიძლება ჟურნალების და ჟურნალის ლენტების წაკითხვა ERP ფაილებიდან
სხვა ERP რესურსებზე შემდგომი ეფექტის გარეშე.
სხვა გართულებები
CIF-ში ERP-ის ერთ-ერთი პრობლემა არის ის, რაც ემართება სხვებს
განაცხადის წყაროები ან აი მონაცემები ODS-ს, რომელშიც მათ უნდა შეიტანონ წვლილი
მონაცემთა საწყობი მაგრამ ისინი არ არიან ERP გარემოს ნაწილი. დათარიღება
ERP-ის დახურული ბუნება, განსაკუთრებით SAP, ინტეგრაციის მცდელობა
გასაღებები გარე წყაროებიდან მონაცემები ი მონაცემები რომ მოდის ERP ალ
გადაადგილების დრო ი მონაცემები in მონაცემთა საწყობი, ეს დიდი გამოწვევაა.
და ზუსტად რა არის იმის ალბათობა, რომ ი მონაცემები განაცხადების ან
ODS ERP გარემოს გარეთ იქნება ინტეგრირებული მონაცემებში
საწყობი? შანსები რეალურად ძალიან მაღალია.
იპოვეთ დათი ისტორიული ERP-დან
კიდევ ერთი პრობლემა ი მონაცემები ERP არის შედეგი
ქონის საჭიროებიდან მონაცემები ისტორიკოსები შიგნით მონაცემთა საწყობი.
ჩვეულებრივ, მონაცემთა საწყობი საჭიროებებს მონაცემები ისტორიკოსები. და
ERP ტექნოლოგია ჩვეულებრივ არ ინახავს მათ მონაცემები
ისტორიული, ყოველ შემთხვევაში არა იმდენად, რამდენადაც ეს აუცილებელია თარიღში
საწყობი. როდესაც დიდი რაოდენობით მონაცემები ისტორიკოსები იწყებენ რეკლამას
ERP გარემოში რომ დაემატოს, ეს გარემო უნდა იყოს
გაასუფთავეს. მაგალითად, დავუშვათ ა მონაცემთა საწყობი უნდა
იყოს დატვირთული ხუთი წლით მონაცემები ისტორიული, ხოლო ERP ფლობს
აქედან მაქსიმუმ ექვსი თვე მონაცემები. სანამ კომპანია კმაყოფილია
შეაგროვეთ სერია მონაცემები ისტორია რაც დრო გადის,
მაშინ არ არის პრობლემა ERP-ის, როგორც წყაროს გამოყენება
მონაცემთა საწყობი. მაგრამ როცა მონაცემთა საწყობი უნდა წავიდე
დაბრუნდით დროში და წაიღეთ ღმერთები მონაცემები ისტორიკოსები, რომლებიც არ ყოფილან
ადრე შეგროვებული და შენახული ERP, შემდეგ ERP გარემო
არაეფექტური ხდება.
ERP და მეტამონაცემები
კიდევ ერთი მოსაზრება ERP ე მონაცემთა საწყობი ის არის
ERP გარემოში არსებულ მეტამონაცემებზე. ისევე როგორც მეტამონაცემები
ისინი გადადიან ERP გარემოდან დელში მონაცემთა საწყობი,
მეტამონაცემები უნდა გადავიდეს იმავე გზით. გარდა ამისა, ი
მეტამონაცემები უნდა გარდაიქმნას ფორმატში და სტრუქტურაში
საჭირო ინფრასტრუქტურით მონაცემთა საწყობი. არის დიდი
განსხვავება ოპერაციულ მეტამონაცემებსა და DSS მეტამონაცემებს შორის. მეტამონაცემები
ოპერაციული ძირითადად დეველოპერებისთვის და
პროგრამისტი. DSS მეტამონაცემები ძირითადად თქვენთვისაა
ფინალი. არსებული მეტამონაცემები ERP აპლიკაციებში ან ODS-ებში
ისინი უნდა გარდაიქმნას და ეს კონვერტაცია ყოველთვის ადვილი არ არის
და პირდაპირი.
ERP მონაცემების მოპოვება
თუ ERP გამოიყენება როგორც მიმწოდებელი მონაცემები იმ მონაცემთა საწყობი ci
უნდა იყოს მყარი ინტერფეისი, რომელიც მოძრაობს ი მონაცემები გარემოდან
ERP გარემოსთვის მონაცემთა საწყობი. ინტერფეისი უნდა:
▪ იყოს მარტივი გამოსაყენებელი
▪ დაუშვით წვდომა მონაცემები ERP-ის
▪ აირჩიე მნიშვნელობა მონაცემები რომლებიც გადასატანია
in მონაცემთა საწყობი
▪ იცოდეთ ERP-ის შეზღუდვები, რომლებიც შეიძლება წარმოიშვას
მომენტი, როდესაც წვდომა ხდება მონაცემები ERP:
▪ რეფერენციალური მთლიანობა
▪ იერარქიული ურთიერთობები
▪ იმპლიციტური ლოგიკური ურთიერთობები
▪ განაცხადის კონვენცია
▪ ყველა სტრუქტურა მონაცემები მხარდაჭერილი ERP და ასე შემდეგ…
▪ იყოს ეფექტური წვდომისას მონაცემები, მიწოდებით:
▪ პირდაპირი მოძრაობა მონაცემები
▪ ცვლილების შეძენა მონაცემები
▪ მხარი დაუჭირეთ დროულ წვდომას მონაცემები
▪ გაიგოს ფორმატი მონაცემები, და ასე შემდეგ…
ინტერფეისი SAP-თან
ინტერფეისი შეიძლება იყოს ორი ტიპის, საშინაო ან კომერციული.
ზოგიერთი ძირითადი კომერციული ინტერფეისი მოიცავს:
▪ SAS
▪ Prime Solutions
▪ D2k და ასე შემდეგ…
მრავალჯერადი ERP ტექნოლოგიები
ERP გარემოს ისე მოქცევა, თითქოს ეს იყოს ერთი ტექნოლოგია
დიდი შეცდომა. არსებობს მრავალი ERP ტექნოლოგია, თითოეულს აქვს საკუთარი
ძლიერი მხარეები. ბაზარზე ყველაზე ცნობილი გამყიდველები არიან:
▪ SAP
▪ Oracle Financials
▪ PeopleSoft
JD ედვარდსი
▪ ბაანსი
SAP
SAP არის ყველაზე დიდი და ყოვლისმომცველი ERP პროგრამა. აპლიკაციები
SAP მოიცავს მრავალ ტიპის აპლიკაციას ბევრ სფეროში. SAP-ს აქვს
ყოფნის რეპუტაცია:
▪ ძალიან დიდი
▪ ძალიან რთული და ძვირადღირებული განხორციელება
▪ სჭირდება ბევრი ადამიანი და კონსულტანტი
განხორციელდა
▪ განსახორციელებლად საჭიროებს სპეციალიზებულ ადამიანებს
▪ განსახორციელებლად დიდი დრო სჭირდება
ასევე SAP-ს აქვს მისი შენახვის რეპუტაცია მონაცემები molto
ფრთხილად, რაც ართულებს მათზე წვდომას
პირი SAP ტერიტორიის გარეთ. SAP-ის სიძლიერე უნდა იყოს
შეუძლია დაიჭიროს და შეინახოს დიდი რაოდენობით მონაცემები.
SAP-მა ცოტა ხნის წინ გამოაცხადა თავისი განზრახვის გახანგრძლივება
მისი განაცხადები მონაცემთა საწყობი. ბევრი დადებითი და უარყოფითი მხარეა
SAP-ის, როგორც პროვაიდერის გამოყენებაში მონაცემთა საწყობი.
უპირატესობა ის არის, რომ SAP უკვე დაინსტალირებულია და უმეტესობა
კონსულტანტებმა უკვე იციან SAP.
SAP-ის მიმწოდებლის არსებობის უარყოფითი მხარეები მონაცემთა საწყობი არიან
ბევრი: SAP-ს არ აქვს გამოცდილება მსოფლიოში მონაცემთა საწყობი
თუ SAP არის მიმწოდებელი მონაცემთა საწყობი, აუცილებელია "გამოტანა"
i მონაცემები SAP-დან მონაცემთა საწყობი. დათო SAP-ის ჩანაწერი
დახურული სისტემა, ნაკლებად სავარაუდოა, რომ იოლი იყოს SAP-დან
ეს (???). არსებობს მრავალი მემკვიდრეობითი გარემო, რომელიც აძლიერებს SAP-ს,
როგორიცაა IMS, VSAM, ADABAS, ORACLE, DB2 და ა.შ.
SAP დაჟინებით მოითხოვს "აქ არ არის გამოგონილი" მიდგომას. SAP-ს არ სურს
ითანამშრომლეთ სხვა მომწოდებლებთან, რომ გამოიყენოთ ან შექმნათ მონაცემთა საწყობი.
SAP დაჟინებით მოითხოვს საკუთარი პროგრამული უზრუნველყოფის გენერირებას.
მიუხედავად იმისა, რომ SAP არის დიდი და ძლიერი კომპანია, ფაქტია
მცდელობა გადაწეროთ ტექნოლოგია ELT, OLAP, ადმინისტრირება
სისტემა და კოდის ბაზაც კი დბმ უბრალოდ სიგიჟეა.
მომწოდებლებთან თანამშრომლობის დამოკიდებულების ნაცვლად
di მონაცემთა საწყობი დიდი ხნის განმავლობაში, SAP მიჰყვებოდა მიდგომას, რომ
მათ "ყველაზე კარგად იციან". ეს დამოკიდებულება ხელს უშლის იმ წარმატებას, რომელიც
SAP შეიძლება ჰქონდეს ტერიტორიაზე მონაცემთა საწყობი.
SAP-ის უარი გარე მოვაჭრეების წვდომაზე
სასწრაფოდ და მოხდენილად მათ მონაცემები. გამოყენების არსი
un მონაცემთა საწყობი არის მარტივი წვდომა მონაცემები. SAP-ის მთელი ამბავია
დაფუძნებული მისადგომის გაძნელებაზე მონაცემები.
SAP-ს არ აქვს გამოცდილება დიდი მოცულობის საქმეში მონაცემები;
რაიმე საქმიანობის სფეროში მონაცემთა საწყობი არის ტომები მონაცემები მას შემდეგ არასოდეს მინახავს
SAP და ამ დიდი რაოდენობით მართვა მონაცემები თქვენ უნდა გქონდეთ ერთი
შესაფერისი ტექნოლოგია. როგორც ჩანს, SAP-მა ამის შესახებ არ იცის
ტექნოლოგიური ბარიერი, რომელიც არსებობს მონაცემთა ველში შესასვლელად
საწყობი.
SAP-ის კორპორატიული კულტურა: SAP-მა შექმნა ბიზნესი
ი-ს მიღებაში მონაცემები სისტემიდან. მაგრამ ამისათვის თქვენ უნდა გქონდეთ
განსხვავებული აზროვნება. ტრადიციულად, პროგრამული უზრუნველყოფის კომპანიები, რომლებიც იყვნენ
კარგი მონაცემების გარემოში მოხვედრა არ იყო კარგი
მონაცემების მიღება სხვა გზით. თუ SAP-ს შეუძლია ამის გაკეთება
switch იქნება პირველი კომპანია, რომელიც ამას გააკეთებს.
მოკლედ, სადავოა, უნდა აირჩიოს თუ არა კომპანიამ
SAP, როგორც მიმწოდებელი მონაცემთა საწყობი. ძალიან სერიოზული რისკებია
ერთი მხრივ და ძალიან ცოტა ჯილდო მეორეს მხრივ. მაგრამ არის კიდევ ერთი
მიზეზი, რომელიც ხელს უშლის SAP-ის, როგორც მონაცემთა მიმწოდებლის არჩევას
საწყობი. რადგან ყველა კომპანიას უნდა ჰქონდეს ერთი და იგივე თარიღი
ყველა სხვა კომპანიის საწყობი? The მონაცემთა საწყობი ეს არის გული
კონკურენტული უპირატესობის შესახებ. თუ ყველა კომპანიამ იგივე მიიღო
მონაცემთა საწყობი რთული იქნებოდა, თუმცა არა შეუძლებელი,
კონკურენტული უპირატესობის მიღწევა. SAP, როგორც ჩანს, ფიქრობს, რომ ა
მონაცემთა საწყობი შეიძლება ჩაითვალოს ბისკვიტად და ეს არის ა
კიდევ ერთი ნიშანი მათი „მიიღეთ მონაცემები
წელს ".
არცერთი სხვა ERP გამყიდველი არ არის ისეთი დომინანტი, როგორც SAP.
ეჭვგარეშეა, იქნებიან კომპანიები, რომლებიც SAP-ის გზით წავლენ
მათი მონაცემთა საწყობი მაგრამ სავარაუდოდ ეს თარიღი
SAP საწყობები იქნება დიდი, ძვირი და მოითხოვს ბევრს
მათი შექმნის დრო.
ეს გარემო მოიცავს ისეთ საქმიანობას, როგორიცაა ბანკის გამყიდველის დამუშავება,
ავიაკომპანიის დაჯავშნის პროცესები, საჩივრების პროცესები
დაზღვევა და ა.შ. გარიგების სისტემა უფრო ეფექტური იყო,
უფრო აშკარა იყო ოპერაციულსა და პროცესს შორის გამიჯვნის საჭიროება
DSS (გადაწყვეტილების მხარდაჭერის სისტემა). თუმცა, რესურსების სისტემებით
ადამიანური და პიროვნული, ადამიანი არასოდეს დგას დიდი მოცულობის წინაშე
გარიგებები. და, რა თქმა უნდა, როდესაც ადამიანი დასაქმებულია
ან დატოვონ კომპანია ეს არის ტრანზაქციის ჩანაწერი.
მაგრამ სხვა სისტემებთან შედარებით, HR სისტემებთან და
პირადებს უბრალოდ არ აქვთ ბევრი ტრანზაქცია. ამიტომ, in
ადამიანური რესურსები და პერსონალის სისტემები მთლად აშკარა არ არის, რომ არსებობს
გჭირდებათ DataWarehouse. მრავალი თვალსაზრისით ეს სისტემები
წარმოადგენს DSS სისტემების გაერთიანებას.
მაგრამ არის კიდევ ერთი ფაქტორი, რომელიც უნდა გაითვალისწინოთ, თუ ეს გჭირდებათ
გააკეთეთ მონაცემთა შენახვისა და PeopleSoft-ით. ბევრ წრეში ი მონაცემები
HR და პირადი რესურსები ბიზნესისთვის მეორეხარისხოვანია
კომპანიის ხელმძღვანელი. კომპანიების უმეტესობა ასრულებს
წარმოება, გაყიდვა, მომსახურების მიწოდება და ა.შ. THE
HR და პერსონალის სისტემები, როგორც წესი, მეორეხარისხოვანია (ან
მხარდაჭერა) კომპანიის საქმიანობის ძირითად მიმართულებას. ამიტომ არის
ორაზროვანი და მოუხერხებელი ა მონაცემთა საწყობი ცალკე ამისთვის
ადამიანური და პირადი რესურსების მხარდაჭერა.
PeopleSoft ამ მხრივ ძალიან განსხვავდება SAP-ისგან. SAP-ით ეს ასეა
სავალდებულოა, რომ არსებობს ა მონაცემთა საწყობი. PeopleSoft-თან ერთად, ეს ასე არ არის
მაშინ ასე ნათელი. მონაცემთა საწყობი არჩევითია PeopleSoft-თან ერთად.
საუკეთესო რამ, რაც შეიძლება ითქვას ამისთვის მონაცემები PeopleSoft არის ეს მონაცემები
საწყობი შეიძლება გამოყენებულ იქნას ი მონაცემები რაც შეეხება
ძველი ადამიანური და პირადი რესურსები. მეორე მიზეზი
რომელიც კომპანიას სურს გამოიყენოს ა მონაცემთა საწყობი a
PeopleSoft გარემოს მინუსი არის წვდომის დაშვება და
უფასო წვდომა ანალიზის ინსტრუმენტებზე, აი მონაცემები PeopleSoft-ის მიერ. მაგრამ
ამ მიზეზების გარდა, შეიძლება იყოს შემთხვევები, როდესაც სასურველია არ მოხდეს
აქვს მონაცემთა საწყობი ამისთვის მონაცემები PeopleSoft.
ჯამში
არსებობს მრავალი იდეა მონაცემთა აგების შესახებ
საწყობი ERP პროგრამული უზრუნველყოფის ფარგლებში.
ზოგიერთი მათგანია:
▪ აზრი აქვს ა მონაცემთა საწყობი რომელიც ნებისმიერს ჰგავს
სხვა ინდუსტრიაში?
▪ რამდენად მოქნილია ERP მონაცემთა საწყობი პროგრამული უზრუნველყოფა?
▪ ERP მონაცემთა საწყობი პროგრამულ უზრუნველყოფას შეუძლია გაუმკლავდეს მოცულობას
მონაცემები რომელიც მდებარეობს ამონაცემთა საწყობი არენაზე"?
▪ რა არის კვალის აღრიცხვა, რომელსაც აკეთებს ERP გამყიდველი
წინაშე ადვილი და იაფი, შრომატევადი, აი მონაცემები? (რა
არის ERP მოვაჭრეების გამოცდილება მიწოდების იაფი, on
დრო, ადვილია მონაცემების წვდომა?)
▪ როგორია გაგება DSS არქიტექტურისა და
"კორპორატიული ინფორმაციის ქარხანა" ERP გამყიდველის მიერ?
▪ ERP მომწოდებლებს ესმით როგორ მიიღონ მონაცემები შიგნით
გარემოს, მაგრამ ასევე გვესმის, როგორ უნდა მოხდეს მათი ექსპორტი?
▪ რამდენად ღიაა ERP-ის გამყიდველი მონაცემთა ინსტრუმენტებისთვის
სასაწყობო?
ყველა ეს მოსაზრება გასათვალისწინებელია დადგენისას
სად დააყენოს მონაცემთა საწყობი რომელიც მასპინძლობს ი მონაცემები ERP და სხვა
მონაცემები. ზოგადად, თუ არ არსებობს დამაჯერებელი მიზეზი
სხვაგვარად, რეკომენდებულია აშენება მონაცემთა საწყობი ფუორი
ERP გამყიდველის გარემოდან.
ᲗᲐᲕᲘ 1
BI ორგანიზაციის მიმოხილვა
ძირითადი პუნქტები:
ინფორმაციის საცავი მუშაობს საპირისპიროდ
ბიზნეს ინტელექტის (BI) არქიტექტურისთვის:
კორპორატიულ კულტურას და IT-ს შეუძლია შეზღუდოს წარმატება
BI ორგანიზაციების აშენება.
ტექნოლოგია აღარ არის შემზღუდველი ფაქტორი BI ორგანიზაციებისთვის. The
პრობლემა არქიტექტორებისა და პროექტის დამგეგმავებისთვის არ არის თუ არა
ტექნოლოგია არსებობს, მაგრამ თუ მათ შეუძლიათ ეფექტურად დანერგონ
ხელმისაწვდომი ტექნოლოგია.
მრავალი კომპანიისთვის ა მონაცემთა საწყობი ეს ცოტა მეტია, ვიდრე ანაბარი
პასიური ვინც ანაწილებს ი მონაცემები მომხმარებლებისთვის, რომლებსაც ეს სჭირდებათ. THE მონაცემები
ისინი ამოღებულია წყაროს სისტემებიდან და დასახლებულია სამიზნე სტრუქტურებში
di მონაცემთა საწყობი. მე მონაცემები ისინი ასევე შეიძლება გაიწმინდოს მთლიანად
ბედი. თუმცა არც დამატებით ღირებულებას ემატება
მიერ შეგროვებული მონაცემები ამ პროცესის დროს.
არსებითად, პასიური Dw, საუკეთესო შემთხვევაში, აწვდის
მხოლოდ მე მონაცემები სუფთა და მოქმედი მომხმარებელთა ასოციაციებისთვის. იქ
ინფორმაციის შექმნა და ანალიტიკური გაგება დამოკიდებულია
მთლიანად მომხმარებლების მიერ. ვიმსჯელებთ თუ არა DW (მონაცემთა საწყობი) არის
წარმატება სუბიექტურია. თუ წარმატებაზე ვიმსჯელებთ
უნარი ეფექტურად შეაგროვოს, ინტეგრირება და გაწმენდა i მონაცემები
კორპორატიული პროგნოზირებადი საფუძველზე, მაშინ დიახ, DW არის წარმატებული.
მეორე მხრივ, თუ შევხედავთ კოლექციას, კონსოლიდაციას და ა.შ
ინფორმაციის ექსპლუატაცია ორგანიზაცია მთლიანად, მაშინ
DW არის მარცხი. DW იძლევა მცირე მნიშვნელობას ან არ იძლევა
ინფორმაცია. შედეგად, მომხმარებლები იძულებულნი არიან გააკეთონ,
რითაც იქმნება ინფორმაციის სილოსები. ეს თავი წარმოგიდგენთ
ყოვლისმომცველი ხედი BI (ბიზნესის) არქიტექტურის გადასახედად
დაზვერვა) კომპანიების. დავიწყოთ BI-ს აღწერით და
შემდეგ ჩვენ გადავალთ დისკუსიებზე დიზაინისა და დიზაინის შესახებ
ინფორმაციის განვითარება, განსხვავებით უბრალოდ მიწოდებისგან მონაცემები
მომხმარებლებს. შემდეგ დისკუსიები ფოკუსირებულია გაანგარიშებაზე
თქვენი BI ძალისხმევის ღირებულება. ჩვენ ვასრულებთ იმის განსაზღვრით, თუ როგორ IBM
იხსენებს თქვენი ორგანიზაციის BI არქიტექტურულ მოთხოვნებს.
არქიტექტურის აღწერა
BI ორგანიზაცია
გარიგებაზე ორიენტირებული ძლიერი საინფორმაციო სისტემები ახლა არის
დღის წესრიგში ყველა მსხვილ საწარმოში, როგორც მათ დონეზე
ეფექტურად სათამაშო მოედანი კორპორაციებისთვის მსოფლიოში.
თუმცა, კონკურენტუნარიანობის შენარჩუნებას ახლა სჭირდება ანალიტიკური სისტემები
ამაზე ორიენტირებულმა შეიძლება რევოლუცია მოახდინოს კომპანიის შესაძლებლობებში ხელახლა აღმოჩენით ედ
იმ ინფორმაციის გამოყენებით, რაც მათ უკვე აქვთ. ეს სისტემები
ანალიტიკური გამომდინარეობს გაგებით სიმდიდრედან მონაცემები
ხელმისაწვდომი. BI-ს შეუძლია გააუმჯობესოს შესრულება ყველა ინფორმაციაში
საწარმოს. ბიზნესს შეუძლია გააუმჯობესოს კლიენტებთან ურთიერთობა
მომწოდებლები, აუმჯობესებენ პროდუქტებისა და სერვისების მოგებას, გენერირებას
ახალი და საუკეთესო შეთავაზებები, შეამოწმეთ რისკი და სხვა მრავალი
შემოსავალმა მკვეთრად შეამცირა ხარჯები. თქვენი BI-ით
კომპანია საბოლოოდ იწყებს მომხმარებლის ინფორმაციის გამოყენებას
როგორც კონკურენტუნარიანი აქტივი აპლიკაციების წყალობით, რომლებსაც აქვთ მიზნები
ბაზარი.
ბიზნესის სწორი საშუალებების ქონა ნიშნავს საბოლოო პასუხების მიღებას
ძირითადი კითხვები, როგორიცაა:
▪ რომელი ჩვენი მომხმარებელს ისინი გვაძლევენ უფრო მეტს, ან იქ
კარგავენ?
▪ სადაც ჩვენი საუკეთესოები ცხოვრობენ მომხმარებელს მიმართებაში მაღაზია/
საწყობში ისინი ხშირად არიან?
▪ ჩვენი პროდუქტებისა და სერვისებიდან რომელი შეიძლება მეტი გაყიდვა
ეფექტურად და ვის?
▪ რომელი პროდუქტების გაყიდვა შეიძლება ყველაზე ეფექტურად და ვის?
▪ რომელი გაყიდვების კამპანიაა უფრო წარმატებული და რატომ?
▪ გაყიდვების რომელი არხებია ყველაზე ეფექტური რომელი პროდუქტებისთვის?
▪ როგორ შეგვიძლია გავაუმჯობესოთ ურთიერთობები ჩვენს საუკეთესოსთან მომხმარებელს?
კომპანიების უმეტესობას აქვს მონაცემები უხეში პასუხის გაცემა
ეს კითხვები.
ოპერაციული სისტემები წარმოქმნის დიდი რაოდენობით პროდუქტს
მომხმარებელს და მონაცემები ბაზრის გაყიდვების წერტილებიდან, დაჯავშნიდან,
მომხმარებელთა მომსახურებისა და ტექნიკური მხარდაჭერის სისტემებიდან. გამოწვევა არის
ამ ინფორმაციის ამოღება და გამოყენება.
ბევრი კომპანია სარგებელს იღებს მხოლოდ მათი მცირე ნაწილისგან მონაცემები
სტრატეგიული ანალიზისთვის.
I მონაცემები დარჩენილი, ხშირად შერწყმული ი მონაცემები გარე წყაროების მოპოვება, როგორიცაა ი
„მთავრობის ანგარიშები“ და სხვა შეძენილი ინფორმაცია ერთია
ოქროს მაღარო უბრალოდ ელოდება შესწავლას, ე.ი მონაცემები უნდა
დაიხვეწოს მხოლოდ თქვენს საინფორმაციო კონტექსტში
ორგანიზაცია.
ეს ცოდნა შეიძლება გამოყენებულ იქნას სხვადასხვა გზით, ვარიაციით
საერთო კორპორატიული სტრატეგიის შემუშავებიდან დაწყებული
პირადი კომუნიკაცია მომწოდებლებთან, ქოლ-ცენტრების მეშვეობით,
ინვოისის შედგენა, ინტერნეტი და სხვა პუნქტები. დღევანდელი ბიზნეს გარემო გვკარნახობს
რომ DW და მასთან დაკავშირებული BI გადაწყვეტილებები შემდგომში ვითარდება
ტრადიციული სტრუქტურების აღსრულება მონაცემები როგორიცაა ი მონაცემები ნორმალიზდება
ატომური დონის და „ვარსკვლავის/კუბის ფერმები“.
კონკურენტუნარიანობის შესანარჩუნებლად საჭიროა გაერთიანება
ტრადიციული და მოწინავე ტექნოლოგიები მხარდასაჭერად ა
ვრცელი ანალიტიკური ლანდშაფტი.
და ბოლოს, ზოგადი გარემო უნდა გააუმჯობესოს ცოდნა
მთლიანად საწარმოს, განხორციელებული ქმედებების უზრუნველყოფა
ჩატარებული ანალიზების შედეგად ისინი გამოდგება ისე, რომ ყველა იყოს
სარგებელი.
მაგალითად, ვთქვათ, თქვენ აფასებთ საკუთარ თავს მომხმარებელს კატეგორიებში
მაღალი ან დაბალი რისკი.
არის თუ არა ეს ინფორმაცია გამომუშავებული მაინინგის მოდელით ან
სხვა საშუალებებით, ის უნდა იყოს ჩასმული Dw-ში და ხელმისაწვდომი გახდეს
ნებისმიერს, ნებისმიერი დაშვების საშუალებით, როგორიცაა ი
სტატიკური ანგარიშები, ცხრილები, ცხრილები ან ანალიტიკური დამუშავება
ხაზი (OLAP).
თუმცა, ამჟამად, ბევრი ასეთი ინფორმაციაა
ისინი რჩებიან სილოსებში მონაცემები მათ მიერ წარმოქმნილი პირების ან განყოფილებების შესახებ
ანალიზი. ორგანიზაციას მთლიანობაში აქვს მცირე ხილვადობა ან საერთოდ არ აქვს ხილვადობა
გააზრებისთვის. მხოლოდ ამ ტიპის შინაარსის შერევით
ინფორმაცია თქვენს საწარმოში dw შეგიძლიათ გაანადგუროთ სილოსები
ინფორმაცია და აამაღლეთ თქვენი Dw გარემო.
ორგანიზაციის განვითარებას ორი ძირითადი დაბრკოლება აქვს
BI-ს.
ჯერ ერთი, გვაქვს თავად ორგანიზაციის პრობლემა
დაკავშირებული დისციპლინის.
მაშინაც კი, თუ ჩვენ ვერ დავეხმარებით პოლიტიკის ცვლილებებში
ორგანიზაციის, ჩვენ შეგვიძლია დაგეხმაროთ გავიგოთ კომპონენტები
BI ორგანიზაცია, მისი არქიტექტურა და როგორ
IBM ტექნოლოგია ხელს უწყობს მის განვითარებას.
მეორე ბარიერი, რომელიც უნდა დაიძლიოს, არის ტექნოლოგიების ნაკლებობა
ინტეგრირებული და მეთოდის ცოდნა, რომელიც მთელ სივრცეს უწოდებს
BI-ს მხოლოდ მცირე კომპონენტისგან განსხვავებით.
IBM ეხმაურება ტექნოლოგიების ცვლილებებს
ინტეგრირებული. დიზაინის მიწოდება თქვენი პასუხისმგებლობაა
თვითშეგნებული. ეს არქიტექტურა უნდა განვითარდეს
ინტეგრაციისთვის შერჩეული ტექნოლოგია შეზღუდვების გარეშე, ან სულ მცირე
ტექნოლოგია, რომელიც იცავს ღია სტანდარტებს. ასევე, შენი
კომპანიის ხელმძღვანელობამ უნდა უზრუნველყოს, რომ ბიის საწარმო არის
განხორციელდა პროგრამის მიხედვით და არ დაუშვას
ინფორმაციული სილოსების შემუშავება, რომლებიც მომდინარეობს თვითმომსახურებით
დღის წესრიგი ან მიზნები.
ეს არ ნიშნავს იმას, რომ BI გარემო არ არის მგრძნობიარე
რეაგირება სხვადასხვა მომხმარებლის სხვადასხვა საჭიროებებსა და მოთხოვნებზე; სამაგიეროდ, ეს ნიშნავს
რომ იმ ინდივიდუალური საჭიროებებისა და მოთხოვნების განხორციელება არის
გაკეთდა მთელი BI ორგანიზაციის სასარგებლოდ.
ორგანიზაციის BI არქიტექტურის აღწერა შეიძლება
იხილება მე-9 გვერდზე ნახატზე 1.1. არქიტექტურა აჩვენებს
ტექნოლოგიებისა და ტექნიკის მდიდარი ნაზავი.
ტრადიციული გადმოსახედიდან, არქიტექტურა მოიცავს შემდეგ კომპონენტებს
საწყობის
ატომური ფენა (ატომური ფენა).
ეს არის მთელი Dw-ის საფუძველი, გული და შესაბამისად
სტრატეგიული ანგარიშგება.
I მონაცემები აქ შენახული შეინარჩუნებს ისტორიულ მთლიანობას, მოხსენებები
მონაცემები და მოიცავს მიღებული მეტრიკას, ისევე როგორც სუფთა,
ინტეგრირებული და შენახული მაინინგ შაბლონების გამოყენებით.
ამ ყველა შემდგომი გამოყენება მონაცემები და დაკავშირებული ინფორმაცია არის
ამ სტრუქტურიდან გამომდინარეობს. ეს შესანიშნავი წყაროა
მოპოვება მონაცემები და სტრუქტურირებული SQL მოთხოვნების მქონე ანგარიშებისთვის
მოქმედი საწყობი მონაცემები ან ანგარიშის საფუძველზე
მონაცემები(ოპერაციული მონაცემთა შენახვა (ODS) ან მოხსენება
მონაცემთა ბაზა.)
ეს არის დაწესებულება მონაცემები სპეციალურად შექმნილი
ტექნიკური ანგარიშგება.
I მონაცემები შენახული და მოხსენებული ზემოთ ეს სტრუქტურები საბოლოოდ შეიძლება
გავრცელება საწყობში დადგმის ზონის მეშვეობით (დადგმა
ფართობი), სადაც მისი გამოყენება შესაძლებელია სტრატეგიული სიგნალიზაციისთვის.
დადგმის ტერიტორია.
პირველი გაჩერება უმეტესობისთვის მონაცემები განკუთვნილია გარემოსთვის
საწყობი არის ორგანიზაციის ზონა.
Აქ მე მონაცემები არის ინტეგრირებული, გაწმენდილი და გარდაიქმნება მონაცემები სასარგებლო რომ
ისინი დაასახლებენ საწყობის სტრუქტურას
პაემანი მარტები.
არქიტექტურის ეს ნაწილი წარმოადგენს სტრუქტურას მონაცემები გამოყენებული
სპეციალურად OLAP-ისთვის. მონაცემთა მარტების არსებობა, თუ ი მონაცემები არიან
ინახება ვარსკვლავურ სქემებში, რომლებსაც ისინი აფარებენ მონაცემები
მრავალგანზომილებიანი ურთიერთობის გარემოში, ან შესატან კარადებში
di მონაცემები საკუთრებაში გამოყენებულია კონკრეტული OLAP ტექნოლოგიით, როგორიცაა
DB2 OLAP სერვერი, ეს არ არის შესაბამისი.
ერთადერთი შეზღუდვა ის არის, რომ არქიტექტურა ხელს უწყობს გამოყენებას მონაცემები
მრავალგანზომილებიანი.
არქიტექტურა ასევე მოიცავს კრიტიკულ Bi ტექნოლოგიებსა და ტექნიკას
რომლებიც გამოირჩევიან:
სივრცითი ანალიზი
კოსმოსი ანალიტიკოსისთვის საინფორმაციო აურზაურია და
ეს გადამწყვეტია სრული გადაწყვეტისთვის. კოსმოსს შეუძლია
წარმოადგენს იმ ადამიანების ინფორმაციას, რომლებიც ცხოვრობენ გარკვეულ
მდებარეობა, ასევე ინფორმაცია იმის შესახებ, თუ სად არის ეს მდებარეობა
ფიზიკურად დანარჩენ სამყაროსთან შედარებით.
ამ ანალიზის ჩასატარებლად, თქვენ უნდა დაიწყოთ თქვენი შეკვრით
გრძედი და გრძედის კოორდინატთა ინფორმაცია. რას ნიშნავს
მოხსენიებულია, როგორც "გეოკოდირება" და უნდა იყოს მოპოვების ნაწილი,
ტრანსფორმაცია და დატვირთვის პროცესი (ETL) დონემდე
თქვენი საწყობის ატომური ნომერი.
Მონაცემების მოპოვება.
მოპოვება მონაცემები საშუალებას აძლევს ჩვენს კომპანიებს გაზარდონ
ნუმერო დი მომხმარებელს, გაყიდვების ტენდენციების პროგნოზირება და ჩართვა
ურთიერთობის მართვასთან მომხმარებელს (CRM), სხვა ინიციატივებთან ერთად
BI.
მოპოვება მონაცემები ამიტომ ის უნდა იყოს ინტეგრირებული სტრუქტურებთან
მონაცემები Dwhouse-ის და მხარდაჭერილი საწყობის პროცესებით
დადგინდეს როგორც ტექნოლოგიის ეფექტური და ეფექტური გამოყენება და
დაკავშირებული ტექნიკა.
როგორც მითითებულია BI არქიტექტურაში, ატომური დონე
Dwhouse, ისევე როგორც datamarts, არის შესანიშნავი წყარო მონაცემები
მოპოვებისთვის. იგივე სტრუქტურებიც უნდა იყოს
მოპოვების შედეგების მიმღებებს ხელმისაწვდომობის უზრუნველსაყოფად
ყველაზე დიდი აუდიტორია (ყველაზე ფართო აუდიტორია).
აგენტები.
არსებობს სხვადასხვა "აგენტი", რომელიც ამოწმებს მომხმარებელს ნებისმიერ წერტილს, როგორიცაა, ე.ი
კომპანიის ოპერაციული სისტემები და თავად dw. ამ აგენტებს შეუძლიათ
იყავით მოწინავე ნერვული ქსელები, რომლებიც გაწვრთნილი არიან ამის შესახებ
თითოეული წერტილის ტენდენციები, როგორიცაა მომავალი პროდუქტის მოთხოვნაზე დაფუძნებული
გაყიდვების აქციებზე, წესებზე დაფუძნებულ ძრავებზე რეაგირებისთვის
un dato გარემოებების ერთობლიობა, ან თუნდაც უბრალო აგენტები, რომლებიც
ისინი „უმაღლეს აღმასრულებლებს“ გამონაკლისებზე მიუთითებენ. ეს პროცესები კი
ზოგადად წარმოდგენილია რეალურ დროში და, შესაბამისად, უნდა
მჭიდროდ იყოს დაკავშირებული მათ მოძრაობასთან მონაცემები.
ყველა ეს სტრუქტურა მონაცემები, ტექნოლოგიებისა და ტექნიკის გარანტია
რომ თქვენ არ გაატარებთ ღამეს ორგანიზაციის გენერირებაში
თქვენი BI.
ეს აქტივობა განვითარდება ეტაპობრივად, მცირეებისთვის
ქულები.
თითოეული ნაბიჯი არის დამოუკიდებელი პროექტის ძალისხმევა და მოხსენებულია
როგორც გამეორება თქვენს dw ან BI ინიციატივაში. გამეორებები
შეიძლება მოიცავდეს ახალი ტექნოლოგიების დანერგვას, ამისთვის
დაიწყეთ ახალი ტექნიკით, ახალი სტრუქტურების დამატებით მონაცემები ,
ჩატვირთვა ი მონაცემები დამატებითი , ან ანალიზის გაფართოებით
თქვენი გარემო. ეს პუნქტი უფრო მეტად განიხილება
დეტალურად მე-3 თავში.
Dw და Bi ინსტრუმენტების ტრადიციული სტრუქტურების გარდა, არსებობს სხვა
თქვენი BI ორგანიზაციის ფუნქციები, რომლის ვალდებულებაც გაქვთ
დიზაინი, როგორიცაა:
მომხმარებელთა შეხების წერტილები (მომხმარებლის შეხება
რაოდენობა).
როგორც ყველა თანამედროვე ორგანიზაცია, არსებობს მთელი რიგი
მომხმარებელთა შეხების წერტილები, რომლებიც მიუთითებს იმაზე, თუ როგორ უნდა გქონდეთ გამოცდილება
პოზიტიური შენთვის მომხმარებელს. არსებობს ტრადიციული არხები, როგორიცაა ი
ვაჭრები, კომუტატორის ოპერატორები, პირდაპირი ფოსტა, მულტიმედია და ბეჭდვითი
რეკლამა, ისევე როგორც ყველაზე აქტუალური არხები, როგორიცაა ელექტრონული ფოსტა და ინტერნეტი, ე.ი მონაცემები
პროდუქტები უნდა იყოს შეძენილი რაიმე კონტაქტის წერტილით,
ტრანსპორტირება, გაწმენდა, გარდაქმნა და შემდეგ დასახლებული სტრუქტურებში მონაცემები საქართველოს
BI.
ბაზები მონაცემები ოპერატიული და მომხმარებელთა ასოციაციები (ოპერაციული
მონაცემთა ბაზები და მომხმარებელთა საზოგადოებები).
დასასრულს საკონტაქტო პუნქტები მომხმარებელს ნაპოვნია საძირკვლები მონაცემები
კომპანიის აპლიკაციისა და მომხმარებლის თემებიდან. THE მონაცემები არსებული
არიან მონაცემები ტრადიციული, რომელიც უნდა გაერთიანდეს და გაერთიანდეს მონაცემები რომ
ისინი მიედინება შეხების წერტილებიდან საჭიროების შესასრულებლად
ინფორმაცია
ანალიტიკოსები. (ანალიტიკოსები)
BI გარემოს პირველადი ბენეფიციარი არის ანალიტიკოსი. სწორედ ის
სარგებლობს მიმდინარე მოპოვებით მონაცემები ოპერატიული, ინტეგრირებული
სხვადასხვა წყაროების მონაცემები , გაძლიერებული ისეთი ფუნქციებით, როგორიცაა ანალიტიკა
გეოგრაფიული (გეოკოდირება) და წარმოდგენილი BI ტექნოლოგიებში რომ
იძლევა მაინინგის, OLAP-ის, გაფართოებული SQL მოხსენებისა და ანალიზის საშუალებას
გეოგრაფიული. პირველადი ინტერფეისი ანალიტიკოსისთვის გარემოსთან
ანგარიში არის BI პორტალი.
თუმცა, ანალიტიკოსი არ არის ერთადერთი, ვინც სარგებლობს არქიტექტურით
BI.
აღმასრულებლები, მომხმარებელთა დიდი ასოციაციები და წევრებიც კი, მომწოდებლები და ი
მომხმარებელს უნდა მოძებნოს სარგებელი საწარმოს BI-ში.
უკან შესანახი ციკლი.
BI არქიტექტურა არის სასწავლო გარემო. პრინციპი
განვითარების მახასიათებელია მდგრადი სტრუქტურების დაშვება მონაცემები
უნდა განახლდეს გამოყენებული BI ტექნოლოგიით და ქმედებებით
მომხმარებლის ვალდებულებები. ამის მაგალითია შეფასება
კლიენტი (მომხმარებლის ქულა).
თუ გაყიდვების განყოფილება ახორციელებს მაინინგის მოდელს
მომხმარებლის ქულების შესახებ, თუ როგორ გამოიყენოს ახალი სერვისი, შემდეგ კი
გაყიდვების დეპარტამენტი არ უნდა იყოს ერთადერთი ბენეფიციარი ჯგუფი
სამსახურის.
ამის ნაცვლად, მაინინგის მოდელი უნდა შესრულდეს, როგორც ნაწილი
კომპანიის შიგნით მონაცემთა ნაკადის ბუნება და მომხმარებლის ქულები
უნდა გახდეს ინფორმაციული გარემოს ინტეგრირებული ნაწილი
საწყობი, ხილული ყველა მომხმარებლისთვის. Bi-bI-ცენტრირებული IBM Suite
მათ შორის DB2 UDB, DB2 OLAP სერვერი მოიცავს უმეტესობას
ნახატზე განსაზღვრული ტექნოლოგიის მნიშვნელოვანი კომპონენტების ნაწილი
1.1.
ჩვენ ვიყენებთ არქიტექტურას, როგორც ეს მოცემულია ამ წიგნის ფიგურაში
მოგვცეს უწყვეტობის დონე და აჩვენე, როგორია თითოეული პროდუქტი
IBM ჯდება BI-ის ზოგად შაბლონში.
საინფორმაციო შინაარსის მიწოდება (მიწოდება
ინფორმაციის შინაარსი)
თქვენი BI გარემოს დიზაინი, განვითარება და დანერგვა არის
მძიმე დავალება. დიზაინი უნდა მოიცავდეს ორივეს
მიმდინარე და მომავალი ბიზნეს მოთხოვნები. არქიტექტურული დიზაინი
უნდა იყოს სრული, რათა მოიცავდეს ყველა ნაპოვნი დასკვნას
დიზაინის ფაზაში. აღსრულება უნდა დარჩეს
ერთგული ერთი მიზნისთვის: BI-ს არქიტექტურის განვითარება
როგორც ფორმალურად არის წარმოდგენილი ნახაზში და ეფუძნება მოთხოვნებს
ბიზნესი.
განსაკუთრებით რთულია იმის მტკიცება, რომ დისციპლინა უზრუნველყოფს
შედარებითი წარმატება.
ეს მარტივია, რადგან თქვენ არ ქმნით BI გარემოს ყველასთვის
მოულოდნელად, მაგრამ ეს ხდება მცირე ნაბიჯებით დროთა განმავლობაში.
თუმცა, თქვენი არქიტექტურის BI კომპონენტების იდენტიფიცირება არის
მნიშვნელოვანია ორი მიზეზის გამო: თქვენ ხელმძღვანელობთ ყველა შემდგომ გადაწყვეტილებას
არქიტექტურის ტექნიკა.
თქვენ შეძლებთ შეგნებულად შექმნათ ტექნოლოგიის კონკრეტული გამოყენება
თუმცა შეიძლება არ მიიღოთ გამეორება, რაც საჭიროა
ტექნოლოგია რამდენიმე თვის განმავლობაში.
თქვენი ბიზნესის მოთხოვნების საკმარისად გაგება გავლენას მოახდენს ტიპზე
პროდუქცია, რომელსაც თქვენ შეიძენთ თქვენი არქიტექტურისთვის.
თქვენი არქიტექტურის დაგეგმვა და განვითარება უზრუნველყოფს
რომ თქვენი საწყობია
არა შემთხვევითი მოვლენა, არამედ "კარგად გააზრებული",
ყურადღებით აგებული რეკლამა საოპერო ხელოვნების მსგავსი მოზაიკა
შერეული ტექნოლოგია.
საინფორმაციო კონტენტის დიზაინი
ყველა საწყისი დიზაინი უნდა იყოს ფოკუსირებული და განსაზღვროს
ძირითადი BI კომპონენტები, რომლებიც თქვენს გარემოს დასჭირდება
ზოგადად აწმყოში და მომავალში.
ბიზნესის მოთხოვნების ცოდნა მნიშვნელოვანია.
სანამ ყველა ოფიციალური დაგეგმვა დაიწყება,
პროექტის დამგეგმავმა ხშირად შეიძლება ამოიცნოს ერთი ან ორი
კომპონენტი დაუყოვნებლივ.
კომპონენტების ბალანსი, რომელიც შეიძლება საჭირო გახდეს
თუმცა, თქვენი არქიტექტურა ადვილად ვერ მოიძებნება.
დიზაინის ფაზაში არქიტექტურის ძირითადი ნაწილი
აკავშირებს აპლიკაციის განვითარების სესიას (JAD) ძიებაში
ბიზნესის მოთხოვნების იდენტიფიცირება.
ზოგჯერ ეს მოთხოვნები შეიძლება გადაეცეს ინსტრუმენტებს
კითხვები და მოხსენება.
მაგალითად, მომხმარებლები აცხადებენ, რომ თუ მათ სურთ ავტომატიზაცია
ამჟამად ანგარიში უნდა შეიქმნას ხელით ინტეგრირება
ორი მიმდინარე კოეფიციენტი და მიღებული გამოთვლების დამატება
კომბინაცია მონაცემები.
მიუხედავად იმისა, რომ ეს მოთხოვნა მარტივია, ის განსაზღვრავს გარკვეულს
ფუნქციის ფუნქციონირება, რომელიც უნდა შეიტანოთ როდის
შეიძინეთ ორგანიზაციისთვის საანგარიშო ინსტრუმენტები.
დიზაინერმა ასევე უნდა დაიცვას დამატებითი მოთხოვნები
მიიღეთ სრული სურათი. მომხმარებლებს სურთ გამოწერა
ეს ანგარიში?
ანგარიშის ქვეჯგუფები იქმნება და იგზავნება ელექტრონული ფოსტით სხვადასხვა მისამართზე
მომხმარებლები? გსურთ ნახოთ ეს ანგარიში კომპანიის პორტალზე?
ყველა ეს მოთხოვნა არის მარტივი საჭიროების ნაწილი
შეცვალეთ სახელმძღვანელო ანგარიში, როგორც ამას მომხმარებლები ითხოვენ. სარგებელი
ამ ტიპის მოთხოვნები არის ის, რაც ყველას, მომხმარებლებს და დეველოპერებს აქვთ
ანგარიშების ცნების გაგება.
თუმცა არის სხვა ტიპის ბიზნესი, რომელიც უნდა დავგეგმოთ.
როდესაც ბიზნესის მოთხოვნები მითითებულია სახით
ბიზნეს სტრატეგიული კითხვები, ეს მარტივია გამოცდილი დამგეგმავისთვის
განზომილების და ზომების/ფაქტების მოთხოვნების გარჩევა.
სურათი 1.2 ასახავს a-ს ზომასა და განზომილებიან კომპონენტებს
ბიზნეს პრობლემა.
თუ JAD მომხმარებლებმა არ იციან როგორ განაცხადონ თავიანთი მოთხოვნები
ბიზნეს პრობლემის სახით დიზაინერი ხშირად უზრუნველყოფს
მონაცემთა შეგროვების სესიის გამოტოვება-დაწყების მაგალითები
მოთხოვნები.
ექსპერტ დიზაინერს შეუძლია დაეხმაროს მომხმარებლებს გაიგონ არა მხოლოდ
სტრატეგიული ვაჭრობა, არამედ როგორ ჩამოყალიბდეს იგი.
მოთხოვნების შეგროვების მიდგომა განხილულია მე-3 თავში; ამისთვის
ახლა ჩვენ უბრალოდ გვინდა აღვნიშნოთ დიზაინის აუცილებლობა ყველასთვის
BI მოთხოვნების ტიპები
სტრატეგიული ბიზნეს საკითხი არის და არა მხოლოდ მოთხოვნა
ბიზნესი, მაგრამ ასევე დიზაინის მინიშნება. თუ უნდა უპასუხო
მრავალგანზომილებიან კითხვაზე, მაშინ უნდა დაიმახსოვროთ,
წარადგინე ი მონაცემები განზომილებიანი და თუ დაგჭირდებათ დაიმახსოვროთ
მონაცემები მრავალგანზომილებიანი, თქვენ უნდა გადაწყვიტოთ რა სახის ტექნოლოგია ან
ტექნიკა, რომლის გამოყენებასაც აპირებთ.
ახორციელებთ რეზერვირებული კუბის ვარსკვლავის სქემას, თუ ორივეს?
როგორც ხედავთ, თუნდაც უბრალო ბიზნეს პრობლემა
შეიძლება მნიშვნელოვნად იმოქმედოს დიზაინზე. თუმცა
ამ ტიპის ბიზნესის მოთხოვნები ჩვეულებრივია და, რა თქმა უნდა, მაინც
გამოცდილი პროექტის დამგეგმავებისა და დიზაინერების მიერ.
იყო საკმარისი დებატები ტექნოლოგიებისა და მხარდაჭერის შესახებ
OLAP და მრავალფეროვანი გადაწყვეტილებები ხელმისაწვდომია. Აქამდე
ჩვენ აღვნიშნეთ მარტივი ანგარიშგების გაერთიანების აუცილებლობა ი
ბიზნესის ზომის მოთხოვნები და როგორია ეს მოთხოვნები
გავლენას ახდენს ტექნიკურ არქიტექტურულ გადაწყვეტილებებზე.
მაგრამ რა მოთხოვნებია, რომლებიც ადვილად გასაგები არ არის
მომხმარებლების მიერ თუ Dw გუნდის მიერ? თქვენ ოდესმე დაგჭირდებათ ანალიზი
სივრცითი (სივრცითი ანალიზი)?
მაინინგის მოდელები მონაცემები ისინი გახდებიან თქვენი აუცილებელი ნაწილი
მომავალი? Ვინ იცის?
მნიშვნელოვანია აღინიშნოს, რომ ამ ტიპის ტექნოლოგიები არ არის ბევრი
ცნობილია მომხმარებლის ზოგადი თემებისა და გუნდის წევრების მიერ
Dw, ნაწილობრივ, ეს შეიძლება მოხდეს, რადგან ისინი ჩვეულებრივ
მათ ამუშავებენ შიდა ან მესამე მხარის ტექნიკური ექსპერტები. Ეს არის
ამ ტიპის ტექნოლოგიების წარმოშობის პრობლემების მოსაზღვრე შემთხვევა. თვით
მომხმარებლებს არ შეუძლიათ ბიზნესის მოთხოვნების აღწერა ან მათი ჩარჩო
დიზაინერებისთვის სახელმძღვანელო მითითებების მიწოდების მიზნით, მათ შეუძლიათ
დარჩეს შეუმჩნეველი ან, უარესი, უბრალოდ იგნორირებული.
უფრო პრობლემური ხდება, როდესაც დიზაინერი და დეველოპერი მარცხდებიან
შეუძლია ამოიცნოს ერთ-ერთი ამ მოწინავე მაგრამ
კრიტიკული ტექნოლოგიები.
როგორც ხშირად გვსმენია დიზაინერების თქმით, „კარგი, რატომ
არ გადავდოთ განზე, სანამ სხვა რამეს არ მივიღებთ?
„ნამდვილად არიან დაინტერესებული პრიორიტეტებით, თუ უბრალოდ თავს არიდებენ მე
მოთხოვნები არ ესმით? სავარაუდოდ, ეს უკანასკნელი ვარაუდია.
ვთქვათ, თქვენმა გაყიდვების გუნდმა გააცნო მოთხოვნა
ბიზნესის შესახებ, როგორც ნაჩვენებია ფიგურაში 1.3, როგორც ხედავთ,
მოთხოვნა ჩამოყალიბებულია ბიზნეს პრობლემის სახით. იქ
განსხვავება ამ პრობლემასა და ტიპურ განზომილებიან პრობლემას შორის არის
დისტანცია. ამ შემთხვევაში, გაყიდვების გუნდს სურს იცოდეს,
ყოველთვიურად მთლიანი გაყიდვები პროდუქტებიდან, საწყობებიდან და
მომხმარებელს რომლებიც ცხოვრობენ საწყობიდან 5 მილის მანძილზე, სადაც ისინი
ისინი ყიდულობენ.
სამწუხაროდ, დიზაინერებს ან არქიტექტორებს უბრალოდ შეუძლიათ
იგნორირება გაუკეთეთ სივრცულ კომპონენტს თქვით: „ჩვენ გვყავს მომხმარებელი,
პროდუქტი და ი მონაცემები დეპოზიტის. ჩვენ ვინარჩუნებთ მანძილს, სანამ
კიდევ ერთი გამეორება.
"Არასწორი პასუხი. ამ ტიპის ბიზნეს პრობლემა ეხება
მთლიანად BI. ეს წარმოადგენს უფრო ღრმა გაგებას
ჩვენი ბიზნესი და ძლიერი ანალიტიკური სივრცე ჩვენი ანალიტიკოსებისთვის.
BI არის მარტივი მოთხოვნის ან სტანდარტული მოხსენების მიღმა
თუნდაც OLAP. ეს არ ნიშნავს, რომ ეს ტექნოლოგიები წარუმატებელია
ისინი მნიშვნელოვანია თქვენი BI-სთვის, მაგრამ თავისთავად ისინი არ არიან
BI გარემო.
დიზაინი ინფორმაციის კონტექსტში
(დიზაინი საინფორმაციო შინაარსისთვის)
ახლა, როდესაც ჩვენ დავადგინეთ ბიზნეს მოთხოვნები, რომლებიც გამოირჩევა
სხვადასხვა ფუნდამენტური კომპონენტი უნდა იყოს შეტანილი დიზაინში
ზოგადი არქიტექტურული. ზოგიერთი BI კომპონენტი ნაწილია
ჩვენი თავდაპირველი ძალისხმევის, ხოლო ზოგიერთი არ განხორციელდება
რამდენიმე თვე.
თუმცა, ყველა ცნობილი მოთხოვნა აისახება დიზაინში ისე, რომ
როდესაც ჩვენ გვჭირდება კონკრეტული ტექნოლოგიის დანერგვა, ჩვენ ვართ
მოემზადე ამის გასაკეთებლად. პროექტის შესახებ რაღაც ასახავს აზროვნებას
ტრადიციული
მაგალითად, ფიგურა 1.1, თავის დასაწყისში, აჩვენებს მონაცემებს
მარტი რომელიც ინარჩუნებს ი მონაცემები განზომილებიანი.
ეს ნაკრები მონაცემები გამოიყენება შემდგომი გამოყენების მხარდასაჭერად
მონაცემები განზომილებიანი ბიზნეს პრობლემებით გამოწვეული, რომ
ჩვენ დავადგინეთ. როგორც დამატებითი დოკუმენტებია
გენერირებული, როგორიცაა დიზაინის განვითარება მონაცემები, ჩვენ
ჩვენ დავიწყებთ ფორმალიზებას, თუ როგორ ი მონაცემები ისინი ვრცელდებიან გარემოში.
ჩვენ დავადგინეთ წარმომადგენლობის აუცილებლობა ი მონაცემები ასეა
განზომილებიანი, მათი დაყოფა (სპეციფიკური საჭიროებების მიხედვით
განსაზღვრული) მონაცემთა მარტებზე.
შემდეგი კითხვაზე პასუხია, თუ როგორ აშენდება ისინი
ეს მონაცემები მარტები?
აშენებთ ვარსკვლავებს კუბების მხარდასაჭერად, ან უბრალოდ კუბებს, ან უბრალოდ ვარსკვლავებს?
(ან სწორი კუბურები, ან სწორი ვარსკვლავები). შექმენით მონაცემთა არქიტექტურა
დამოკიდებული მარტები, რომლებიც საჭიროებენ ატომურ ფენას ყველასთვის მონაცემები
იძენთ? მიეცით საშუალება დამოუკიდებელ მონაცემთა მარტებს შეიძინონ i მონაცემები
პირდაპირ ოპერაციული სისტემებიდან?
რომელი კუბის ტექნოლოგიის სტანდარტიზაციას შეეცდებით?
თქვენ გყავთ უზარმაზარი რაოდენობით ღმერთები მონაცემები საჭიროა განზომილებიანი ანალიზისთვის
ან გჭირდებათ თქვენი ეროვნული გაყიდვების კუბურები ერთზე
ყოველკვირეული თუ ორივე? შექმენით ძლიერი ნივთი
როგორიცაა DB2 OLAP სერვერი ფინანსებისთვის ან Cognos კუბები
PowerPlay თქვენი გაყიდვების ორგანიზაციისთვის თუ ორივესთვის?
ეს არის დიდი არქიტექტურული დიზაინის გადაწყვეტილებები
ისინი გავლენას მოახდენენ თქვენს BI გარემოზე მომავალში. დიახ,
თქვენ დაადგინეთ OLAP-ის საჭიროება. ახლა როგორ აპირებთ ამის განხორციელებას
ტექნიკა და ტექნოლოგია?
როგორ მოქმედებს ზოგიერთი ყველაზე მოწინავე ტექნოლოგია თქვენზე
ნახატები? დავუშვათ, რომ თქვენ დაადგინეთ საჭიროება
სივრცე თქვენს ორგანიზაციაში. ახლა თქვენ უნდა დარეკოთ
არქიტექტურული ნახატების გამოცემები, თუნდაც დაუგეგმავი
განახორციელოს კოსმოსური კომპონენტები რამდენიმე თვის განმავლობაში. არქიტექტორმა უნდა
დიზაინი დღეს იმის საფუძველზე, რაც საჭიროა. იწინასწარმეტყველე საჭიროება
სივრცითი ანალიზი, რომელიც ქმნის, ინახავს, ​​ახორციელებს და აწვდის
წვდომა მონაცემები სივრცითი. ეს თავის მხრივ უნდა ემსახურებოდეს ა
შეზღუდვა ტექნოლოგიის ტიპსა და სპეციფიკაციებთან დაკავშირებით
პროგრამული პლატფორმა, რომელსაც შესაძლოა ამჟამად განიხილავთ. ამისთვის
მაგალითად, ადმინისტრაციის სისტემა მონაცემთა ბაზა რელატიური
(RDBMS) რომელსაც ასრულებთ თქვენი ატომური ფენისთვის უნდა ჰქონდეს
მძლავრი სივრცითი მასშტაბი ხელმისაწვდომია. ეს უზრუნველყოფს
მაქსიმალური შესრულება გეომეტრიისა და ობიექტების გამოყენებისას
სივრცე თქვენს ანალიტიკურ აპლიკაციებში. თუ თქვენი RDBMS არ არის
უმკლავდება მე მონაცემები (სივრცობრივ-ცენტრული) შინაგანად, ასე რომ თქვენ მოგიწევთ
დაამყაროს ა მონაცემთა ბაზა (სივრცით-ცენტრული) გარეგანი. ეს ართულებს
საკითხების მართვა და გავლენას მოახდენს თქვენს მთლიან შესრულებაზე,
რომ აღარაფერი ვთქვათ თქვენს მიერ შექმნილ დამატებით პრობლემებზე
DBA, რადგან მათ სავარაუდოდ აქვთ მინიმალური გაგება
-ის საფუძვლების მონაცემები სივრცითაც. მეორეს მხრივ, თუ თქვენი ძრავა
RDMBS ამუშავებს ყველა სივრცულ კომპონენტს და დაკავშირებულს
ოპტიმიზატორმა იცის სპეციალური საჭიროებები (მაგალითად,
ინდექსირება) სივრცითი ობიექტების, მაშინ თქვენი DBA-ს შეუძლია გაუმკლავდეს
დროულად მართეთ საკითხები და შეგიძლიათ აამაღლოთ ისინი
პრესტაზიონი.
ასევე, თქვენ უნდა დაარეგულიროთ დადგმის არე და ფენა
ატომური გარემოს ჩათვლით მისამართის გაწმენდა (un
სივრცითი ანალიზის ძირითადი ელემენტი), ისევე როგორც შემდეგი
კოსმოსური ობიექტების დაზოგვა. გამოცემების თანმიმდევრობა
ხატვა გრძელდება ახლა, როდესაც ჩვენ შემოვიღეთ დასუფთავების ცნება
მისამართი. ერთი რამ, ეს აპლიკაცია კარნახობს ტიპს
საჭირო პროგრამული უზრუნველყოფა თქვენი ETL ძალისხმევისთვის.
თქვენ გჭირდებათ პროდუქტები, როგორიცაა Trillium, რომ მოგაწოდოთ მისამართი
სუფთა, ან თქვენი არჩევანის ETL გამყიდველი, რომელიც უზრუნველყოფს ამას
ფუნქციონირება?
ამჟამად მნიშვნელოვანია, რომ დააფასოთ დიზაინის სტანდარტი
უნდა დასრულდეს სანამ დაიწყებთ თქვენს განხორციელებას
გარემო (საწყობი). ზემოთ მოყვანილი მაგალითები უნდა
აჩვენეთ უამრავი გადაწყვეტილება, რომელიც უნდა მოჰყვეს
ნებისმიერი კონკრეტული ბიზნეს მოთხოვნის იდენტიფიცირება. თუ გაკეთდა
სწორად, ეს დიზაინის გადაწყვეტილებები ხელს უწყობს
ურთიერთდამოკიდებულება თქვენი გარემოს ფიზიკურ სტრუქტურებს შორის,
გამოყენებული ტექნოლოგიის შერჩევა და გამრავლების ნაკადი
ინფორმაციის შინაარსი. ამ ჩვეულებრივი არქიტექტურის გარეშე
BI-ს, თქვენი ორგანიზაცია დაექვემდებარება ნარევს
არსებული ტექნოლოგიების ქაოტური, საუკეთესო შემთხვევაში, ერთგვარად გაერთიანებული
არაზუსტია აშკარა სტაბილურობის უზრუნველსაყოფად.
ინფორმაციის შინაარსის შენარჩუნება
ინფორმაციის ღირებულების მიტანა თქვენს ორგანიზაციაში არის
ძალიან რთული ოპერაცია. საკმარისი გაგების გარეშე
და გამოცდილება, ან სათანადო დაგეგმვა და დიზაინი, თუნდაც
უკეთესი გუნდები მარცხდებიან. მეორეს მხრივ, თუ თქვენ გაქვთ დიდი
ინტუიცია და დეტალური დაგეგმვა, მაგრამ არა დისციპლინა
აღსრულება, თქვენ უბრალოდ დახარჯეთ თქვენი ფული და დრო
რადგან თქვენი ძალისხმევა აუცილებლად წარუმატებელია. შეტყობინება უნდა
იყავით მკაფიო: თუ თქვენ გამოგრჩეთ ერთი ან რამდენიმე მათგანი
უნარები, გაგება/გამოცდილება ან დაგეგმვა/ხატვა o
განხორციელების დისციპლინა, ეს გამოიწვევს პარალიზებას ან
გაანადგურეთ BI ორგანიზაციის შენობა.
არის თქვენი გუნდი საკმარისად მომზადებული? შენზე ვიღაც არის
BI გუნდი, რომელსაც ესმის ფართო ანალიტიკური ლანდშაფტი
BI გარემოში, საჭირო ტექნიკასა და ტექნოლოგიებში
იმ პეიზაჟის ეფექტისთვის? თქვენს გუნდში არის ვიღაც
რომელსაც შეუძლია ამოიცნოს განაცხადის განსხვავება მოწინავეებს შორის
სტატიკური მოხსენება და OLAP, თუ განსხვავებები ROLAP-სა და OLAP-ს შორის? Ერთერთი
თქვენი გუნდის წევრები ნათლად ცნობენ გზას
ამონაწერი და როგორ შეიძლება გავლენა იქონიოს საწყობზე ან როგორ
შეუძლია თუ არა საწყობს მხარი დაუჭიროს მაინინგის შესრულებას? Წევრი
გუნდის მნიშვნელობა ესმის მონაცემები სივრცე ან ტექნოლოგია
აგენტზე დაფუძნებული? გყავთ ვინმე, ვინც აფასებს უნიკალურ აპლიკაციას
ETL ინსტრუმენტები საბროკერო ტექნოლოგიის წინააღმდეგ
შეტყობინება? თუ არ გაქვთ, მიიღეთ ერთი. BI ბევრად მეტია
ნორმალიზებული ატომური შრის დიდი, OLAP, სქემების ა
ვარსკვლავი და ODS.
გქონდეთ გაგება და გამოცდილება მოთხოვნების ამოცნობისთვის
BI და მათი გადაწყვეტილებები აუცილებელია თქვენი შესაძლებლობებისთვის
მომხმარებელთა საჭიროებების სწორად ფორმირება და დიზაინი
და განახორციელონ მათი გადაწყვეტილებები. თუ თქვენს მომხმარებელთა საზოგადოებას აქვს
მოთხოვნების აღწერის სირთულე, ეს არის გუნდის ამოცანა
საწყობი უზრუნველყოფს ამ გაგებას. მაგრამ თუ გუნდის
საწყობი
არ ცნობს BI-ს კონკრეტულ აპლიკაციას - მაგალითად, მონაცემებს
მაინინგი - მაშინ ეს არ არის საუკეთესო რამ, რასაც აკეთებს BI გარემო
ხშირად შემოიფარგლება პასიური დეპოზიტებით. თუმცა, იგნორირება გაუკეთეთ მათ
ტექნოლოგიები არ ამცირებს მათ მნიშვნელობას და მათ ეფექტს
საკუთარი ბიზნეს დაზვერვის შესაძლებლობების გაჩენაზე
ორგანიზაცია, ისევე როგორც საინფორმაციო სტრუქტურა თქვენ მიერ შემუშავებული
ხელი შეუწყოს.
დაგეგმვა უნდა მოიცავდეს ნახატის ცნებას, რედ
ორივე მოითხოვს კომპეტენტურ ინდივიდს. გარდა ამისა, დიზაინი
ის მოითხოვს გუნდურ ფილოსოფიას და დაკვირვებას
სტანდარტების. მაგალითად, თუ თქვენმა კომპანიამ დააარსა ა
სტანდარტული პლატფორმა ან დაადგინა კონკრეტული RDBMS, რომელიც თქვენ
მინდა სტანდარტიზაცია მთელს პლატფორმაზე, ეს გარდაუვალია
გუნდში ყველა იცავს ამ სტანდარტებს. საერთოდ ერთი
გუნდი ავლენს ნორმალიზების აუცილებლობას (მომხმარებლ
თემებს), მაგრამ თავად გუნდს არ სურს შეუერთდეს
სტანდარტები ასევე დაწესებულია კომპანიის სხვა სფეროებში ან, შესაძლოა, კომპანიაშიც კი
მსგავსი კომპანიები. ეს არა მხოლოდ ფარისევლობაა, არამედ ადასტურებს, რომ ფირმა არა
შეუძლია გამოიყენოს არსებული რესურსები და ინვესტიციები. ეს არ ნიშნავს
რომ არ არსებობს სიტუაციები, რომლებიც უზრუნველყოფენ პლატფორმას ან ა
არასტანდარტიზებული ტექნოლოგია; თუმცა საწყობის ძალისხმევით
ეჭვიანობით უნდა იცავდეს საწარმოს სტანდარტებს
რომ ბიზნესის მოთხოვნები სხვაგვარად არ კარნახობს.
მესამე ძირითადი კომპონენტი, რომელიც საჭიროა BI-ს შესაქმნელად
ორგანიზაცია არის დისციპლინა.
ეს მთლიანად დამოკიდებულია ინდივიდებზე და გარემოზე.
პროექტის დამგეგმავებმა, სპონსორებმა, არქიტექტორებმა და მომხმარებლებმა უნდა დააფასონ
დისციპლინა, რომელიც აუცილებელია კომპანიის საინფორმაციო სტრუქტურის ასაშენებლად.
დიზაინერებმა უნდა მიმართონ თავიანთი დიზაინის ძალისხმევას ისე, რომ
დაასრულოს სხვა აუცილებელი მცდელობები საზოგადოებაში.
მაგალითად, ვთქვათ, რომ თქვენი კომპანია აშენებს ა
ERP აპლიკაცია, რომელსაც აქვს საწყობის კომპონენტი.
ასე რომ, ERP დიზაინერების პასუხისმგებლობაა თანამშრომლობა
საწყობის გარემოს გუნდი ისე, რომ არ გაუწიოს კონკურენცია ან
უკვე დაწყებული სამუშაოს დუბლიკატი.
დისციპლინა ასევე არის თემა, რომელიც უნდა იყოს დაკავებული
მთელი ორგანიზაციის მიერ და ჩვეულებრივ დაფუძნებულია და მინდობილია ა
აღმასრულებელი დონე.
მზად არიან აღმასრულებლები დაიცვან შემუშავებული მიდგომა? ა
მიდგომა, რომელიც გვპირდება საინფორმაციო შინაარსის შექმნას, რომელიც არის
საბოლოოდ ეს საწარმოს ყველა სფეროს მოუტანს ღირებულებას, მაგრამ შესაძლოა
აყენებს თუ არა ის კომპრომისს ინდივიდუალურ ან უწყებათა დღის წესრიგს? დაიმახსოვრე გამონათქვამი
"ყველაფერზე ფიქრი უფრო მნიშვნელოვანია, ვიდრე მხოლოდ ერთ რამეზე ფიქრი".
ეს გამონათქვამი მართალია BI ორგანიზაციებისთვის.
სამწუხაროდ, ბევრი საწყობი ყურადღებას ამახვილებს თავის ძალისხმევაზე
ეძებს მართოს და მოაქვს ღირებულება კონკრეტულ განყოფილებას ან ა
კონკრეტული მომხმარებლები, ორგანიზაციისადმი მცირედ გათვალისწინებით
გენერალი. დავუშვათ, მენეჯერი ითხოვს დახმარებას გუნდისგან
საწყობი. ამას გუნდი პასუხობს 90-დღიანი სამუშაოთი
მოიცავს არა მხოლოდ იმ შეტყობინების მოთხოვნების მიწოდებას, რომლებიც განსაზღვრულია
მენეჯერი, მაგრამ უზრუნველყოფს ყველაფერს მონაცემები ბაზა შერეულია დონეზე
ატომური კუბის ტექნოლოგიაში დანერგვამდე
წინადადება.
ეს საინჟინრო დამატება უზრუნველყოფს, რომ feat of
საწყობი ისარგებლებს მონაცემები მენეჯერს სჭირდება.
თუმცა, აღმასრულებელმა გარე საკონსულტაციო ფირმებს ესაუბრა
შემოგვთავაზეს მსგავსი აპლიკაცია 4-ზე ნაკლებ დროში მიწოდებით
კვირები
ვივარაუდოთ, რომ შიდა საწყობის გუნდი კომპეტენტურია,
მენეჯერს აქვს არჩევანი. ვისაც შეუძლია მხარი დაუჭიროს დისციპლინას
ჭაბურღილის მეურნეობისთვის საჭირო დამატებითი ინჟინერია
საინფორმაციო საწარმოს ან შეუძლია აირჩიოს საკუთარი
გამოსავალი სწრაფად. როგორც ჩანს, ეს უკანასკნელი ნამდვილად არჩეულია
ძალიან ხშირად და მხოლოდ ინფორმაციის კონტეინერების შექმნას ემსახურება
საიდანაც რამდენიმე ან ინდივიდუალური სარგებლობა.
მოკლე და გრძელვადიანი მიზნები
არქიტექტორებმა და პროექტის დამგეგმავებმა უნდა გააფორმონ ა
საერთო არქიტექტურისა და გეგმების გრძელვადიანი ხედვა
გაიზარდოს BI ორგანიზაციაში. ეს კომბინაცია
მოკლევადიანი მოგება და გრძელვადიანი დაგეგმვა
წარმოადგენენ BI ძალისხმევის ორ სახეს. მოკლევადიანი მოგება
ვადის გასვლა არის BI-ს ის ასპექტი, რომელიც ასოცირდება გამეორებასთან
თქვენი საწყობი.
ეს არის ის, სადაც დამგეგმავები, არქიტექტორები და სპონსორები ყურადღებას ამახვილებენ
დააკმაყოფილებს კონკრეტულ ბიზნეს მოთხოვნებს. სწორედ ამ დონეზეა
შენდება ფიზიკური კონსტრუქციები, შეძენილია ტექნოლოგია და
ტექნიკა ხორციელდება. ისინი არავითარ შემთხვევაში არ ქმნიან პირისპირ
კონკრეტული მოთხოვნები, როგორც ეს განსაზღვრულია მომხმარებლის კონკრეტული თემების მიერ.
ყველაფერი კეთდება განსაზღვრული კონკრეტული მოთხოვნების დაკმაყოფილების მიზნით
კონკრეტული საზოგადოებისგან.
თუმცა, გრძელვადიანი დაგეგმვა მეორე ასპექტია
BI-ს. ეს არის ის, სადაც გეგმები და დიზაინები უზრუნველყოფდნენ მის არსებობას
აშენდა ნებისმიერი ფიზიკური სტრუქტურა, შერჩეული ტექნოლოგიები და
რეალიზებული ტექნიკა, რომელიც დამზადებულია საწარმოსკენ. Და
გრძელვადიანი დაგეგმვა, რომელიც უზრუნველყოფს ერთიანობას
აუცილებელია იმის უზრუნველსაყოფად, რომ ბიზნესის სარგებელი დაერიცხოს ყველას
ნაპოვნი მოკლევადიანი მოგება.
დაასაბუთეთ თქვენი BI ძალისხმევა
Un მონაცემთა საწყობი თავისთავად მას არ აქვს თანდაყოლილი ღირებულება. სხვაში
სიტყვებით, არ არსებობს თანდაყოლილი მნიშვნელობა ტექნოლოგიებს შორის
საწყობი და განხორციელების ტექნიკა.
ნებისმიერი საწყობის ძალისხმევის ღირებულება ვლინდება ქმედებებში
შესრულებული საწყობის გარემოსა და შინაარსის შედეგად
დროთა განმავლობაში დამუშავებული ინფორმაცია. ეს კრიტიკული წერტილია გასაგებად
სანამ ოდესმე შეეცდებით შეაფასოთ რაიმე ინიციატივის ღირებულება
სახლში.
ძალიან ხშირად, არქიტექტორები და დამგეგმავები ცდილობენ გამოიყენონ ღირებულება
საწყობის ფიზიკურ და ტექნიკურ კომპონენტებს, როდესაც რეალურად არის ღირებულება
საფუძვლები ბიზნეს პროცესებით, რომლებზეც დადებითად მოქმედებს
საწყობი და კარგად შეძენილი ინფორმაცია.
აქ დგას BI-ს დამფუძნებელი გამოწვევა: როგორ ამართლებთ ინვესტიციას?
თუ თავად სახლს არ აქვს შინაგანი ღირებულება, დიზაინერებმა
პროექტმა უნდა გამოიკვლიოს, განსაზღვროს და დააფორმოს სარგებელი
მიღწეულია იმ პირების მიერ, რომლებიც გამოიყენებენ საწყობს
გააუმჯობესოს კონკრეტული ბიზნეს პროცესები ან ღირებულება
დაცული ინფორმაცია ან ორივე ერთად.
თემების გასართულებლად, ნებისმიერი ბიზნეს პროცესი
საწყობის ძალისხმევის შედეგად დაზარალებული შეიძლება იყოს სარგებელი
"მნიშვნელოვანი" ან "მცირე". მნიშვნელოვანი უპირატესობები იძლევა ა
მატერიალური მეტრიკა ინვესტიციის ანაზღაურების (ROI) გასაზომად – მაგ
მაგალითად, გარკვეული პერიოდის განმავლობაში ინვენტარის დამატებით დროში გადაქცევა
კონკრეტული ან ტრანსპორტირების უფრო დაბალი ღირებულება თითო გადაზიდვაზე. ეს უფრო მეტია
ძნელია მცირე უპირატესობების დადგენა, როგორიცაა გაუმჯობესებული წვდომა
ინფორმაცია, მატერიალური ღირებულების თვალსაზრისით.
დააკავშირეთ თქვენი პროექტი, რომ იცოდეთ
საქმიანი მოთხოვნები
ძალიან ხშირად, პროექტის დიზაინერები ცდილობენ დააკავშირონ ღირებულება
საწარმოს ამორფული მიზნების მქონე საწყობი. იმის შესახებ, რომ
„საწყობის ღირებულება ემყარება ჩვენს შესაძლებლობებს
დააკმაყოფილეთ სტრატეგიული მოთხოვნები” ჩვენ სასიამოვნოდ ვხსნით
მეტყველება. მაგრამ მხოლოდ ეს არ არის საკმარისი იმის დასადგენად, თუ არა
საწყობში ინვესტიცია აზრი აქვს. უმჯობესია გამეორებების დაკავშირება
საწყობი კონკრეტული კომერციული მოთხოვნებით და შენიშვნებით.
გაზომეთ ROI
ROI-ის გაანგარიშება საწყობის პარამეტრში შეიძლება იყოს
განსაკუთრებით რთული. განსაკუთრებით რთულია, თუ ტყვია
კონკრეტული გამეორების პრინციპი არის რაღაც არამატერიალური ან
ადვილი გასაზომი. კვლევამ აჩვენა, რომ მომხმარებლები აღიქვამენ
BI ინიციატივების ორი მთავარი უპირატესობა:
▪ შექმენით გადაწყვეტილების მიღების უნარი
▪ შექმენით ინფორმაციაზე წვდომა
ეს სარგებელი არის რბილი (ან რბილი) სარგებელი. ადვილი დასანახია
როგორ გამოვთვალოთ ROI მყარ კიდეზე დაყრდნობით (o
უფრო დიდი) როგორიცაა ტრანსპორტის ღირებულების შემცირება, მაგრამ როგორ
ვზომავთ თუ არა უკეთესი გადაწყვეტილების მიღების უნარს?
ეს ნამდვილად გამოწვევაა პროექტის დამგეგმავებისთვის, როდესაც
ისინი ცდილობენ აიძულონ კომპანია ინვესტირებას ერთ კონკრეტულში
საწყობის ძალისხმევა. გაყიდვების გაზრდა ან ხარჯების შემცირება
ისინი აღარ არიან ცენტრალური თემები, რომლებიც მართავენ BI გარემოს.
ამის ნაცვლად, თქვენ ეძებთ წვდომას ბიზნეს მოთხოვნებში
საუკეთესო ინფორმაციის მისაღებად, რათა კონკრეტულ დეპარტამენტს შეუძლია
უფრო სწრაფად მიიღეთ გადაწყვეტილებები. ეს არის სტრატეგიული მამოძრავებელი ძალა
რომლებიც ფირმისთვის თანაბრად მნიშვნელოვანია, მაგრამ არიან
უფრო ორაზროვანი და უფრო რთული დასახასიათებელია ხელშესახები მეტრიკაში.
ამ შემთხვევაში, ROI-ის გამოთვლა შეიძლება იყოს შეცდომაში შემყვანი, თუ არა შეუსაბამო.
პროექტის დიზაინერებს უნდა შეეძლოთ ღირებულების დემონსტრირება
ხელშესახები აღმასრულებლებისთვის, გადაწყვიტონ თუ არა ინვესტიცია
განსაკუთრებული გამეორება მნიშვნელოვანია. თუმცა ახალს არ შემოგთავაზებთ
ROI-ის გამოთვლის მეთოდი და არც რაიმე დადებითი ან არგუმენტი გამოვიყვანთ
მის წინააღმდეგ.
არსებობს მრავალი სტატია და წიგნი, რომლებიც განიხილავენ საფუძვლებს
გამოთვალეთ ROI. არსებობს სპეციალური ღირებულების წინადადებები, როგორიცაა ღირებულება
ინვესტიციაზე (VOI), შემოთავაზებული ჯგუფების მიერ, როგორიცაა Gartner, რომ თქვენ შეგიძლიათ
კვლევა. ამის ნაცვლად, ჩვენ ყურადღებას გავამახვილებთ ნებისმიერის ძირითად ასპექტზე
ROI ან სხვა ღირებულების წინადადებები, რომლებიც უნდა გაითვალისწინოთ.
ROI-ის გამოყენება
გარდა არგუმენტისა „მძიმე“ სარგებელი და „რბილი“ სარგებლის შესახებ
BI-ს ძალისხმევასთან დაკავშირებული სხვა საკითხებია გასათვალისწინებელი
როდესაც ჩვენ ვიყენებთ ROI-ს. Მაგალითად:
ძალიან ბევრი დანაზოგის მინიჭება DW-ის მცდელობებისთვის
ნებისმიერ შემთხვევაში
ვთქვათ, თქვენი კომპანია გადავიდა არქიტექტურიდან
mainframe განაწილებულ UNIX გარემოში. ასე რომ, ნებისმიერი
დანაზოგი, რომელიც შეიძლება (ან შეიძლება არ) განხორციელდეს ამ ძალისხმევით
არ უნდა მიეწეროს ექსკლუზიურად, თუ ყველას (?),
საწყობი.
ყველაფრის არ აღრიცხვა ძვირია. და ბევრი რამ არის გასაკეთებელი
გათვალისწინება. განვიხილოთ შემდეგი სია:
▪ დაწყების ღირებულება, მიზანშეწონილობის ჩათვლით.
▪ გამოყოფილი ტექნიკის ღირებულება შესაბამისი საცავებით ე
კომუნიკაციები
▪ პროგრამული უზრუნველყოფის ღირებულება, მართვის ჩათვლით მონაცემები და გაფართოებები
კლიენტი/სერვერი, ETL პროგრამული უზრუნველყოფა, DSS ტექნოლოგიები, ინსტრუმენტები
ვიზუალიზაცია, დაგეგმვა და ნაკადის აპლიკაციები
სამუშაო და მონიტორინგის პროგრამული უზრუნველყოფა, .
▪ სტრუქტურის დიზაინის ღირებულება მონაცემები, რეალიზებით და
-ის ოპტიმიზაცია
▪ პროგრამული უზრუნველყოფის შემუშავების ღირებულება პირდაპირ კავშირშია ძალისხმევასთან
BI
▪ სახლის მხარდაჭერის ღირებულება, ოპტიმიზაციის ჩათვლით
შესრულება, მათ შორის პროგრამული უზრუნველყოფის ვერსიის კონტროლი ე
დამხმარე ოპერაციები
გამოიყენეთ "Big-Bang" ROI.
საწყობის რეალიზაცია, როგორც ერთიანი და გიგანტური ძალისხმევა
აუცილებლად წარუმატებელია, ამიტომაც გამოთვალეთ ROI ინიციატივისთვის
მსხვილი საწარმოს შეთავაზება გასაკვირია და რომ დიზაინერები
გააგრძელეთ უსუსური მცდელობები მთლიანის ღირებულების შესაფასებლად
ძალისხმევა.
იმის გამო, რომ დიზაინერები ცდილობენ მისცეს ფულადი ღირებულება
საწარმოს ინიციატივაზე თუ ფართოდ არის ცნობილი და მიღებული, რომ
რთულია კონკრეტული გამეორებების შეფასება? როგორ არის შესაძლებელი? Არ არის
შესაძლებელია რამდენიმე გამონაკლისის გარდა. არ გააკეთო.
ახლა, როდესაც ჩვენ დავადგინეთ, რა არ უნდა გავაკეთოთ გაანგარიშებისას
ROI, აქ არის რამდენიმე პუნქტი, რომელიც დაგვეხმარება განსაზღვრაში
საიმედო პროცესი თქვენი BI ძალისხმევის ღირებულების შესაფასებლად.
ROI თანხმობის მიღება. თქვენი განურჩევლად
აუცილებელია ტექნიკის არჩევანი თქვენი BI ძალისხმევის ღირებულების შესაფასებლად
შეთანხმებული იყოს ყველა მხარის მიერ, მათ შორის პროექტის დამგეგმავები,
კორპორატიული სპონსორები და აღმასრულებლები.
დაყავით ROI იდენტიფიცირებულ ნაწილებად. აუცილებელი ნაბიჯი შესვლისკენ
ROI-ის გონივრული გაანგარიშება არის ამ გაანგარიშების კონცენტრირება a
კონკრეტული პროექტი. ეს საშუალებას გაძლევთ შეაფასოთ ღირებულება
კონკრეტული ბიზნეს მოთხოვნების საფუძველზე, რომლებიც დაკმაყოფილებულია
განსაზღვრეთ ხარჯები. როგორც აღვნიშნეთ, ბევრი ხარჯი უნდა იყოს
განიხილება. გარდა ამისა, ხარჯები უნდა მოიცავდეს არა მხოლოდ დაკავშირებულ ხარჯებს
ერთჯერადი განმეორებით, არამედ დაკავშირებულ ხარჯებთან
კორპორატიულ სტანდარტებთან შესაბამისობის უზრუნველსაყოფად.
განსაზღვრეთ სარგებელი. ROI მოთხოვნებთან მკაფიოდ დაკავშირებით
კონკრეტული ვაჭრობის, ჩვენ უნდა შევძლოთ იდენტიფიცირება
სარგებელი, რომელიც გამოიწვევს მოთხოვნების დაკმაყოფილებას.
შეამცირეთ ხარჯები და სარგებელი გარდაუვალი მიღწევებით. ეს არის გზა
საუკეთესო გზა თქვენი შეფასებების დაფუძნების წმინდა მიმდინარე ღირებულებაზე
(NPV) განსხვავებით მომავალი ღირებულების პროგნოზირების მცდელობისგან
მომავალი შემოსავალი.
შეინახეთ დრო, რომ გაყოთ თქვენი ROI მინიმუმამდე. და'
კარგად არის დოკუმენტირებული იმ დიდი ხნის განმავლობაში, რაც მას იყენებდნენ თქვენში
ROI
გამოიყენეთ ერთზე მეტი ROI ფორმულა. ამისთვის უამრავი მეთოდი არსებობს
ROI პროგნოზირება და თქვენ უნდა დაგეგმოთ გამოიყენოთ თუ არა ერთი ან
პლუს, წმინდა მიმდინარე ღირებულების ჩათვლით, უკუკავშირის შიდა სიჩქარე
(IRR) და აღდგენა.
განმეორებადი პროცესის განსაზღვრა. ეს გადამწყვეტია გაანგარიშებისთვის
ნებისმიერი გრძელვადიანი ღირებულება. ეს უნდა იყოს დოკუმენტირებული ა
ერთი განმეორებადი პროცესი პროექტის ყველა ქვემიმდევრობისთვის ა
გაყოლა.
ჩამოთვლილი პრობლემები ყველაზე გავრცელებულია ექსპერტების მიერ განსაზღვრული
საწყობის გარემო. მენეჯმენტის დაჟინებით
"Big-Bang" ROI მიწოდება ძალიან დამაბნეველია. თუ დაიწყებთ ყველაფერს
თქვენი ROI გამოთვლები იდენტიფიცირებად, ხელშესახებ ნაწილებად დაყოფით, თქვენ გაქვთ
კარგი შანსია შეაფასოთ ზუსტი ROI შეფასება.
კითხვები ROI უპირატესობებთან დაკავშირებით
როგორიც არ უნდა იყოს თქვენი სარგებელი, რბილი თუ მყარი, შეგიძლიათ გამოიყენოთ
რამდენიმე ფუნდამენტური კითხვა მათი ღირებულების დასადგენად. რომ
მაგალითად მარტივი მასშტაბის სისტემის გამოყენებით, 1-დან 10-მდე, თქვენ
თქვენ შეგიძლიათ თვალყური ადევნოთ ნებისმიერი ძალისხმევის გავლენას შემდეგში
ითხოვს:
▪ როგორ შეაფასებდით გაგებას მონაცემები ამის შემდეგ
თქვენი კომპანიის პროექტი?
▪ როგორ შეაფასებდით პროცესის გაუმჯობესებას შედეგად
ეს პროექტი?
▪ როგორ შეაფასებდით ახალი შეხედულებებისა და დასკვნების გავლენას ახლა
ხელმისაწვდომი გახდა ამ განმეორებით
▪ რა გავლენა მოახდინა ახალმა კომპიუტერულმა გარემომ ე
ასრულებდა ნასწავლის შედეგად?
თუ ამ კითხვებზე პასუხები ცოტაა, შესაძლებელია
საწარმო არ ღირს ჩადებული ინვესტიცია. კითხვები მაღალი
ქულა მნიშვნელოვანი ღირებულების მიღწევებზე და უნდა
ემსახურება როგორც სახელმძღვანელო შემდგომი გამოკვლევისთვის.
მაგალითად, მაღალი ქულა პროცესის გაუმჯობესებისთვის
მან უნდა უბიძგოს დიზაინერებს დაათვალიერონ როგორ მიმდინარეობს პროცესები
გაუმჯობესდა. შეიძლება აღმოაჩინოთ, რომ ზოგიერთი ან ყველა მოგება მიღწეულია
ისინი ხელშესახებია და, შესაბამისად, ფულადი ღირებულება შეიძლება იყოს
გამოყენებითი.
მაქსიმალური სარგებლობის მიღება პირველი გამეორებიდან
საწყობი
თქვენი საქმიანი ძალისხმევის უდიდესი შედეგი ხშირად არის
პირველი რამდენიმე გამეორება. ეს ადრეული მცდელობები ტრადიციულად
საზოგადოებისთვის ყველაზე სასარგებლო საინფორმაციო შინაარსის შექმნა ე
ადგენს დახმარებას ტექნოლოგიის საფუძველში მოგვიანებით
BI აპლიკაციები.
როგორც წესი, ყოველი მომდევნო შემდგომი მონაცემები -ის პროექტის
საწყობებს სულ უფრო ნაკლები დამატებითი ღირებულება მოაქვს საწარმოს
გენერალი. ეს განსაკუთრებით ეხება იმ შემთხვევაში, თუ გამეორება ვერ ხერხდება
ამატებს ახალ არგუმენტებს ან არ აკმაყოფილებს ახლის საჭიროებას
მომხმარებლის საზოგადოება.
შენახვის ეს ფუნქცია ასევე ვრცელდება გროვებზე
იზრდება მიერ მონაცემები ისტორიკოსები. როგორც შემდგომი ძალისხმევა მოითხოვს მეტს
მონაცემები და კიდევ როგორ მონაცემები დროთა განმავლობაში საწყობში შეედინება, უმეტესობა
მონაცემები იგი ნაკლებად რელევანტური ხდება გამოყენებული ანალიზისთვის. ესენი მონაცემები არიან
ხშირად ეძახიან მონაცემები ეძინება და ყოველთვის ძვირია მათი შენახვა, რადგან
ისინი თითქმის არასოდეს გამოიყენება.
რას ნიშნავს ეს პროექტის სპონსორებისთვის? არსებითად, ი
პირველი სპონსორები უფრო მეტს ინაწილებენ, ვიდრე საინვესტიციო ხარჯები.
ეს არის პირველადი, რადგან ისინი ფენის დამყარების სტიმულია
დიდი საწყობის რესურსი და ტექნოლოგიური გარემო,
მათ შორის ორგანული.
მაგრამ ეს პირველი ნაბიჯები ატარებს უმაღლეს ღირებულებას და, შესაბამისად, დიზაინერებს
პროექტმა ხშირად უნდა გაამართლოს ინვესტიცია.
თქვენი BI ინიციატივის შემდეგ შესრულებულ პროექტებს შეიძლება ჰქონდეს ხარჯები
არასრულფასოვანი (პირველთან შედარებით) და პირდაპირი, მაგრამ ნაკლები ღირებულება აქვს
საწარმოს.
და ორგანიზაციის მფლობელებმა უნდა დაიწყონ განხილვა
ჩააგდოს დაგროვება მონაცემები და ნაკლებად შესაბამისი ტექნოლოგიები.
მონაცემთა მოპოვება: მოპოვება dati
მრავალი არქიტექტურული კომპონენტი მოითხოვს ცვალებადობას
მონაცემთა მოპოვების ტექნოლოგიები და ტექნიკა-
მაგალითად, სხვადასხვა "აგენტები" ინტერესის წერტილების შესასწავლად
მომხმარებელს, კომპანიის ოპერაციული სისტემები და იგივე dw. ესენი
აგენტები შეიძლება იყვნენ მოწინავე ნერვულ ქსელებში გაწვრთნილი
ტენდენციები, როგორიცაა სამომავლო პროდუქტზე მოთხოვნა
გაყიდვების აქციები; წესებზე დაფუძნებული ძრავებისთვის
რეაქცია კომპლექტზე dato გარემოებები, მაგალითად, დიაგნოზი
სამედიცინო და სამკურნალო რეკომენდაციები; ან თუნდაც უბრალო აგენტები
უფროსი მენეჯერებისთვის გამონაკლისების მოხსენების როლით (ზემოთ
აღმასრულებლები). ზოგადად ეს მოპოვების პროცესები მონაცემები si
გადაამოწმეთ რეალურ დროში; ამიტომ ისინი უნდა იყვნენ გაერთიანებული
მთლიანად მოძრაობით მონაცემები სტესი
ონლაინ ანალიტიკური დამუშავების დამუშავება
ონლაინ ანალიტიკა
დაჭრის, კამათლის, გაგორების, გაბურღვის უნარი
და გააკეთე ანალიზი
რა-თუ, არის კომპლექტის ფარგლებში, მიზანი
IBM ტექნოლოგია. მაგალითად, ანალიტიკური დამუშავების ფუნქციები
ონლაინ (OLAP) არსებობს DB2-სთვის, რომელიც განზომილებიანი ანალიზს მოაქვს
ძრავის მონაცემთა ბაზა იგივე .
ფუნქციები ამატებს განზომილებიანი სარგებლობას SQL-ს ხოლო
ისარგებლეთ DB2-ის ბუნებრივი ნაწილი ყოფნის ყველა უპირატესობით. სხვა
OLAP ინტეგრაციის მაგალითია მოპოვების ინსტრუმენტი, DB2
OLAP ანალიზატორი სერვერი. ეს ტექნოლოგია საშუალებას აძლევს კუბებს
DB2 OLAP სერვერი იყოს სწრაფად და ავტომატურად
გაანალიზებულია მნიშვნელობების დასადგენად და მოხსენების მიზნით მონაცემები უჩვეულო ან მოულოდნელი
ყველა კუბისთვის სავაჭრო ანალიტიკოსისთვის. და ბოლოს, ფუნქციები
DW ცენტრი იძლევა საშუალებას, რომ გადაამოწმონ არქიტექტორები, სხვათა შორის
სხვა რამ, DB2 OLAP სერვერის კუბის პროფილის ნაწილი
ETL პროცესების ბუნება.
სივრცითი ანალიზი სივრცითი ანალიზი
სივრცე წარმოადგენს ანალიტიკური წამყვანების (გამტარების) ნახევარს.
საჭიროა პანორამისთვის
ფართო ანალიტიკური (დრო წარმოადგენს მეორე ნახევარს). ატომური დონე
საწყობის (ატომური დონე), რომელიც წარმოდგენილია სურათზე 1.1,
მოიცავს როგორც დროის, ასევე სივრცის საფუძვლებს. ჩანაწერები
დროზე დაფუძნებული წამყვანი ანალიზი დროისა და მისამართის ინფორმაციისთვის
წამყვანის ანალიზი კოსმოსიდან. დროის შტამპები
დროულად ჩაატაროს ანალიზი და მიმართოს ინფორმაციის მიმწოდებლებს
სივრცითი ანალიზი. დიაგრამაზე ნაჩვენებია გეოკოდირების პროცესი
მისამართების გადაქცევა წერტილებად რუკაზე ან წერტილებად სივრცეში
ასე რომ ცნებები, როგორიცაა მანძილი და შიგნით/გარეთ შეიძლება იყოს
გამოიყენება ანალიზში – ატომურ დონეზე და სივრცულ ანალიზში
რომელიც ხელმისაწვდომია ანალიტიკოსისთვის. IBM გთავაზობთ გაფართოებებს
სივრცე, შემუშავებული გარემოსდაცვითი სისტემის კვლევის ინსტიტუტთან (ESRI),
al მონაცემთა ბაზა DB2 ისე, რომ სივრცითი ობიექტები შეიძლება იყოს
ინახება როგორც ჩვეულებრივი ნაწილი მონაცემთა ბაზა ურთიერთობითი. db2
Spatial Extenders, ისინი ასევე უზრუნველყოფენ ყველა SQL გაფართოებას
ისარგებლეთ სივრცითი ანალიზით. მაგალითად, SQL გაფართოებები ეხლა
კითხვაზე
მანძილი მისამართებს შორის ან თუ წერტილი არის ტერიტორიის შიგნით ან გარეთ
განსაზღვრული მრავალკუთხა, არის ანალიტიკური სტანდარტი სივრცით
გაფართოებები. დამატებითი ინფორმაციისთვის იხილეთ თავი 16.
მონაცემთა ბაზა-Resident Tools Tools მონაცემთა ბაზა-
Რეზიდენტი
DB2-ს აქვს SQL BI-ის რეზიდენტის მრავალი დამხმარე ფუნქცია
ანალიზის მოქმედებაში. Ესენი მოიცავს:
▪ რეკურსიული ფუნქციები ანალიზის შესასრულებლად, როგორიცაა „ძიება
ფრენის ყველა შესაძლო გზა San Francisco a ნიუ იორკი".
▪ ანალიტიკური ფუნქციები რეიტინგისთვის, კუმულაციური ფუნქციები, კუბი
და გაერთიანებები, რათა ხელი შეუწყოს დავალებებს, რომლებიც ჩვეულებრივ ხდება
მხოლოდ OLAP ტექნოლოგიით, ახლა უკვე ბუნებრივი ნაწილია
ძრავის მონაცემთა ბაზა
▪ შედეგების შემცველი ცხრილების შექმნის შესაძლებლობა
გამყიდველები მონაცემთა ბაზა ლიდერები აერთიანებენ უფრო მეტს, ვიდრე BI შესაძლებლობები
in მონაცემთა ბაზა სტესო
მთავარი მომწოდებლები მონაცემთა ბაზა ისინი უფრო მეტს ურევენ
BI-ს ფუნქციონირებაში მონაცემთა ბაზა სტესო
ეს უზრუნველყოფს საუკეთესო შესრულებას და შესრულების მეტ ვარიანტს les-ისთვის
BI გადაწყვეტილებები.
განხილულია DB2 V8 მახასიათებლები და ფუნქციები
დეტალურად შემდეგ თავებში:
ტექნიკური არქიტექტურისა და მონაცემთა მართვის საფუძვლები
(თავი 5)
▪ DB2 BI საფუძვლები (თავი 6)
▪ DB2 მატერიალიზებული შეკითხვის ცხრილები (მატერიალიზებული შეკითხვა
ცხრილები) (თავი 7)
▪ DB2 OLAP ფუნქციები (თავი 13)
▪ DB2 Enhanced BI ფუნქციები და ფუნქციები (Enhanced BI
მახასიათებლები და ფუნქციები) (თავი 15)
მონაცემთა მიწოდების გამარტივებული სისტემა
მიწოდების სისტემა მონაცემები გამარტივებული
1.1-ზე გამოსახული არქიტექტურა მოიცავს რამდენიმეს
სტრუქტურები მონაცემები ფიზიკური. ერთი არის საწყობი მონაცემები ოპერატიული.
ზოგადად, ODS არის ობიექტზე ორიენტირებული,
ინტეგრირებული და მიმდინარე. შექმნით თუ არა ODS-ს მხარდასაჭერად, მაგ
მაგალითად, გაყიდვების ოფისი. ODS გაყიდვები შეავსებს მონაცემები
მრავალი განსხვავებული სისტემიდან, მაგრამ შეინარჩუნებს მხოლოდ, მაგ
მაგალითად, დღევანდელი ტრანზაქციები. ODS შეიძლება განახლდეს
თუნდაც დღეში რამდენჯერმე. ამავდროულად, პროცესები
ბიძგი ი მონაცემები ინტეგრირებულია სხვა აპლიკაციებში. ეს დაწესებულება არის
სპეციალურად შექმნილია ინტეგრაციისთვის მონაცემები მიმდინარე და დინამიური ე
იქნება სავარაუდო კანდიდატი რეალურ დროში ანალიტიკის მხარდასაჭერად,
როგორ მივაწოდოთ სერვისის აგენტები მომხმარებელს გაყიდვების ინფორმაცია
მომხმარებელთა მიმდინარეობა გაყიდვების ტენდენციის ინფორმაციის მოპოვებით
თავად საწყობიდან. 1.1-ზე ნაჩვენები სხვა სტრუქტურა არის
ოფიციალური სტატუსი dw-სთვის. არა მხოლოდ ეს ადგილია
აღსრულების საჭირო ინტეგრაცია, ხარისხი მონაცემებიდა
-ის ტრანსფორმაციის შესახებ მონაცემები მარაგი მოდის, მაგრამ ისიც
საიმედო და დროებითი შენახვის ადგილი მონაცემები გაიმეორა ეს
შეიძლება გამოყენებულ იქნას რეალურ დროში ანალიტიკაში. თუ გადაწყვეტთ
გამოიყენეთ ODS ან დადგმის არეალი, ერთი
საუკეთესო ინსტრუმენტები ამ სტრუქტურების დასასახლებლად მონაცემები გამოყენებით
სხვადასხვა ოპერატიული წყაროა DB2-ის ჰეტეროგენული განაწილებული მოთხოვნა.
ეს შესაძლებლობა მიწოდებულია DB2 არჩევითი ფუნქციით
სახელწოდებით DB2 Relational Connect (მხოლოდ მოთხოვნები) და DB2-ის მეშვეობით
DataJoiner (ცალკე პროდუქტი, რომელიც აწვდის კითხვას,
ჩასმა, განახლება და გაუქმების შესაძლებლობა ა
ჰეტეროგენულად განაწილებული RDBMS).
ეს ტექნოლოგია საშუალებას აძლევს არქიტექტორებს მონაცემები მიბმას მონაცემები di
წარმოება ანალიტიკური პროცესებით. არა მარტო ტექნოლოგიას შეუძლია
ადაპტირება პრაქტიკულად ნებისმიერ რეპლიკაციის მოთხოვნას, რომელიც
მათ შეიძლება გამოვიდნენ რეალურ დროში ანალიზით, მაგრამ ეს
მათ ასევე შეუძლიათ მრავალფეროვან ბაზებთან დაკავშირება მონაცემები მეტი
პოპულარული, მათ შორის DB2, Oracle, Sybase, SQL Server,
Informix და სხვები. DB2 DataJoiner შეიძლება გამოყენებულ იქნას დასასახლებლად
სტრუქტურა მონაცემები ფორმალური, როგორიცაა ODS ან თუნდაც მაგიდა
მუდმივი წარმოდგენილია რესტავრაციისთვის განკუთვნილ საწყობში
სწრაფი მყისიერი განახლებები ან იყიდება. ბუნებრივია,
იგივე სტრუქტურები მონაცემები შეიძლება დასახლდეს გამოყენებით
კიდევ ერთი მნიშვნელოვანი ტექნოლოგია, რომელიც შექმნილია რეპლიკაციისთვის მონაცემები, IBM
მონაცემთა პროპაგატორი რელაციური. (DataPropagator არის ცალკე პროდუქტი
ცენტრალური სისტემებისთვის. DB2 UNIX, Linux, Windows და OS/2 მოიცავს
რეპლიკაციის სერვისები მონაცემები როგორც სტანდარტული მახასიათებელი).
გადაადგილების კიდევ ერთი მეთოდი მონაცემები ირგვლივ მოქმედი
საწარმოს არის საწარმოს განაცხადის ინტეგრატორი სხვაგვარად
ცნობილია როგორც შეტყობინებების ბროკერი
უნიკალური ტექნოლოგია საშუალებას იძლევა შეუსაბამო კონტროლის ცენტრში
(დამიზნება) და გადაადგილება მონაცემები კომპანიის გარშემო. IBM-ს ჰყავს ბროკერი
ყველაზე ფართოდ გამოყენებული შეტყობინება, MQSeries, ან ვარიაცია
პროდუქტის, რომელიც მოიცავს მოთხოვნებს e-commerce, IBM
WebSphere MQ.
დამატებითი დისკუსიისთვის, თუ როგორ უნდა გამოვიყენოთ MQ მხარდასაჭერად a
magazzino e un ambiente BI, visitare ვებგვერდი del libro. Per ora, è
საკმარისია ითქვას, რომ ეს ტექნოლოგია შესანიშნავი საშუალებაა
გადაღება და ტრანსფორმაცია (MQSeries Integrator-ის გამოყენებით) მონაცემები
მიზნობრივი ოპერატიულები, რომლებიც დაკომპლექტებულია BI გადაწყვეტილებებისთვის. იქ
MQ ტექნოლოგია ინტეგრირებული და შეფუთულია UDB V8-ში, რომელიც
ნიშნავს, რომ ახლა შესაძლებელია შეტყობინებების რიგების მართვა
თითქოს DB2 მაგიდები იყვნენ. შედუღების კონცეფცია
რიგში მდგომი შეტყობინებები და სამყარო მონაცემთა ბაზა ურთიერთობის თავები
მიწოდების მძლავრი გარემოსკენ მონაცემები.
Zero-Latency ნულოვანი შეყოვნება
IBM-ის საბოლოო სტრატეგიული მიზანი არის ნულოვანი შეყოვნების ანალიზი.
როგორც განსაზღვრავს
Gartner, BI სისტემას უნდა შეეძლოს დასკვნა, ასიმილაცია
და ანალიტიკოსებს მოთხოვნის შემთხვევაში მიაწოდეთ ინფორმაცია. Გამოწვევა,
რა თქმა უნდა, ეს მდგომარეობს იმაში, თუ როგორ უნდა ავურიოთ მონაცემები მიმდინარე და რეალურ დროში
საჭირო ისტორიული ინფორმაციით, როგორიცაა ი მონაცემები დაკავშირებული მოდელი/ის
ტენდენცია, ან მოპოვებული გაგება, როგორც განმსაზღვრელი
კლიენტი
ასეთი ინფორმაცია მოიცავს, მაგალითად, იდენტიფიკაციას მომხმარებელს ad
მაღალი ან დაბალი რისკის ან რომელი პროდუქტების ი მომხმარებელს ისინი ბევრს შეიძენენ
ალბათ, თუ მათ უკვე აქვთ ყველი ურიკებში
შესყიდვები.
ნულოვანი შეყოვნების მიღება რეალურად ორზეა დამოკიდებული
ფუნდამენტური მექანიზმები:
▪ სრული შერწყმა მონაცემები რომლებიც გაანალიზებულია
დადგენილი ტექნიკა და BI-ს მიერ შემუშავებული ინსტრუმენტებით
▪ მიწოდების სისტემა მონაცემები ეფექტური ამის უზრუნველსაყოფად
რეალურ დროში ანალიზი რეალურად ხელმისაწვდომია
ნულოვანი შეყოვნების ეს წინაპირობები არაფრით განსხვავდება ორისგან
IBM-ის მიერ დადგენილი და ზემოთ აღწერილი მიზნები.
-ის მჭიდრო შეერთება მონაცემები პროგრამის ნაწილია
IBM-ის მიერ მოწყობილი უწყვეტი ინტეგრაცია. და შექმენით სისტემა
მიწოდების მონაცემები ეფექტური მთლიანად არის დამოკიდებული
ხელმისაწვდომი ტექნოლოგია, რომელიც ამარტივებს მიწოდების პროცესს
მონაცემები. შედეგად, IBM-ის სამი მიზნიდან ორი კრიტიკულია
მესამეს გასაკეთებლად. IBM შეგნებულად ავითარებს საკუთარს
ტექნოლოგია, რათა უზრუნველყოს ნულოვანი შეყოვნება, რეალობაა
საწყობის ძალისხმევა.
რეზიუმე / სინთეზი
BI ორგანიზაცია უზრუნველყოფს საგზაო რუკას
შექმენით თქვენი გარემო
განმეორებით. ის უნდა იყოს მორგებული, რათა ასახავდეს საჭიროებებს
თქვენი ბიზნესი, როგორც ახლანდელი, ასევე მომავალი. არქიტექტურული ხედვის გარეშე
ფართო, მარაგის წარმომადგენლები ცოტა მეტია
ცენტრალური საწყობის შემთხვევითი განხორციელებები, რომლებიც ცოტას აკეთებენ
შექმნას ფართო, საინფორმაციო საწარმო.
პირველი დაბრკოლება პროექტის მენეჯერებისთვის არის როგორ გაამართლონ
BI ორგანიზაციის განვითარებისთვის საჭირო ინვესტიციები.
მიუხედავად იმისა, რომ ROI გაანგარიშება დარჩა საყრდენი
საწყობის მიღწევები, უფრო რთული ხდება
ზუსტად იწინასწარმეტყველე. ამან გამოიწვია სხვა მეთოდების გამოყენება
განსაზღვრა, იღებთ თუ არა თქვენი ფულის ღირებულებას. The
მაგალითად, შესყიდულია ინვესტიციის ღირებულება2 (VOI).
როგორც გამოსავალი.
ეს ევალება არქიტექტორებს მონაცემები და პროექტის დამგეგმავებზე
შეგნებულად გენერირება და ინფორმაციის მიწოდება ასოციაციების
მომხმარებლები და არა მხოლოდ სუი სერვისის მიცემა მონაცემები. Იქ არის
უზარმაზარი განსხვავება ორს შორის. ინფორმაცია არის ის, რასაც ადამიანი აკეთებს
განსხვავება გადაწყვეტილების მიღების პროცესებში და ეფექტურობაში; შედარებით, ი
მონაცემები ისინი ქმნიან ბლოკებს ამ ინფორმაციის მისაღებად.
თუნდაც კრიტიკული წყაროს მიმართ მონაცემები მოთხოვნების დასაკმაყოფილებლად
ბიზნესი, BI გარემო უფრო დიდ როლს უნდა შეასრულოს
საინფორმაციო შინაარსის შექმნაში. უნდა ავიღოთ
დამატებითი ზომები გაწმენდის, ინტეგრაციის, გარდაქმნის ან
წინააღმდეგ შემთხვევაში შექმენით საინფორმაციო კონტენტი, რომლის მიხედვითაც
მომხმარებლებს შეუძლიათ მიიღონ ზომები და ამიტომ ჩვენ უნდა დავრწმუნდეთ, რომ ისინი
ქმედებებს და იმ გადაწყვეტილებებს, სადაც გონივრულია, აქვს უკუკავშირი
BI გარემოში. თუ საწყობს მოვახდინოთ მხოლოდ მომსახურეობაზე მონაცემები,
დარწმუნებულია, რომ მომხმარებლის ასოციაციები შექმნიან კონტენტს
მოქმედებისთვის საჭირო ინფორმაცია. ეს უზრუნველყოფს მათ
საზოგადოებას შეეძლება უკეთესი გადაწყვეტილებების მიღება, მაგრამ საწარმო
განიცდის მათ მიერ გამოყენებული ცოდნის ნაკლებობას.
დათო რომ არქიტექტორები და პროექტების დამგეგმავები იწყებენ პროექტებს
სპეციფიკური BI გარემოსთვის, ისინი რჩებიან ანგარიშვალდებულნი საწარმოს წინაშე
დიდწილად. ამ ორი მახასიათებლის მარტივი მაგალითი
BI-ს გამეორებების სახეები გვხვდება წყაროში მონაცემები. Ყველა
მონაცემები მიღებული კონკრეტული კომერციული მოთხოვნებისთვის უნდა იყოს
დასახლებულია პირველ ატომურ შრეში. ეს უზრუნველყოფს განვითარებას
კორპორატიული ინფორმაციის აქტივის მართვა, მარშრუტი
კონკრეტული მომხმარებლის მოთხოვნები, რომლებიც განსაზღვრულია გამეორებაში.

W hatisa D ata W სათავსო?
მონაცემთა საწყობი ეს არის ინფორმაციული სისტემების არქიტექტურის გული
1990 წლიდან და მხარს უჭერს საინფორმაციო პროცესებს სოლიდური შეთავაზებით
ინტეგრირებული პლატფორმა მონაცემები ისტორიული საფუძვლად მოგვიანებით
ანალიზები. THE მონაცემთა საწყობი გთავაზობთ ინტეგრაციის მარტივს ა
შეუთავსებელი აპლიკაციების სისტემების სამყარო. თარიღი
საწყობი მოდაში გადაიქცა. მონაცემთა საწყობი
ორგანიზება და დამახსოვრება ი მონაცემები საინფორმაციო პროცესებისთვის საჭირო ე
ანალიტიკური ხანგრძლივი ისტორიული დროითი პერსპექტივის საფუძველზე. ყველა
ეს მოიცავს მნიშვნელოვან და მუდმივ ძალისხმევას მშენებლობაში და
მოვლაში მონაცემთა საწყობი.
მაშ რა არის ა მონაცემთა საწყობი? ა მონაცემთა საწყობი და:
▪ საგნებზე ორიენტირებული
▪ ინტეგრირებული სისტემა
▪ დროის ცვალებადობა
▪ არამდგრადი (არ გაუქმდება)
კოლექცია მონაცემები გამოიყენება მენეჯერული გადაწყვეტილებების მხარდასაჭერად
პროცესების განხორციელება.
I მონაცემები ჩასმულია მონაცემთა საწყობი წარმოიქმნება უმეტესობაში
საქმეები ოპერატიული გარემოდან. The მონაცემთა საწყობი მზადდება ერთი
შესანახი განყოფილება, ფიზიკურად გამოყოფილი დანარჩენიდან
სისტემა, რომელიც შეიცავს მონაცემები ადრე დამუშავებული
აპლიკაციები, რომლებიც მოქმედებენ გარემოდან მომდინარე ინფორმაციაზე
ოპერატიული.
სიტყვასიტყვითი განმარტება ა მონაცემთა საწყობი იმსახურებს საფუძვლიან გამოძიებას
ახსნა, რადგან მას აქვს მნიშვნელოვანი მოტივაცია და მნიშვნელობა
ფონდი, რომელიც აღწერს საწყობის მახასიათებლებს.
საგანზე ორიენტაცია ორიენტაცია
თემატური
პირველი თვისება ა მონაცემთა საწყობი არის ის, რომ ის მიზნად ისახავს
ძირითადი მოთამაშეები კომპანიაში. პროცესების გზამკვლევი
მონაცემები ის განსხვავებით უფრო კლასიკური მეთოდისგან, რომელიც ითვალისწინებს
აპლიკაციების ორიენტაცია პროცესებსა და ფუნქციებზე,
მეთოდი ძირითადად იზიარებს უმეტესობას
ძველი მიმართულების სისტემები.
ოპერაციული სამყარო შექმნილია აპლიკაციებისა და ფუნქციების გარშემო
როგორიცაა სესხები, შემნახველი, საბანკო ბარათები და ნდობა დაწესებულებისთვის
ფინანსური. dw-ის სამყარო ორგანიზებულია საგნების გარშემო
პრინციპები, როგორიცაა მომხმარებელი, გამყიდველი, პროდუქტი და საქმიანობა.
თემების ირგვლივ გასწორება გავლენას ახდენს დიზაინზე და
დამზადებაზე მონაცემები ნაპოვნია dw-ში. Ყველაზე აღსანიშნავი,
მთავარი თემა ეხება ყველაზე მნიშვნელოვან ნაწილს
გასაღები სტრუქტურა.
აპლიკაციის სამყაროზე გავლენას ახდენს როგორც მონაცემების დიზაინი
საფუძველი, ვიდრე პროცესის დიზაინი. სამყაროს
dw ორიენტირებულია მხოლოდ ვიდეო მოდელირებაზე მონაცემები ის ჩართულია
ნახატი მონაცემთა ბაზა. პროცესის დიზაინი (მისი ფორმით
კლასიკური) არ არის dw გარემოს ნაწილი.
განსხვავებები პროცესის/ფუნქციის განაცხადის არჩევანს და
საგნის არჩევანი ასევე ვლინდება როგორც შინაარსის განსხვავება
სულ მონაცემები დეტალურ დონეზე. THE მონაცემები del dw არ შეიცავს ი მონაცემები რომ
ისინი არ იქნება გამოყენებული DSS პროცესისთვის, აპლიკაციების დროს
ოპერაციულზე ორიენტირებული მონაცემები შეიცავს ი მონაცემები დააკმაყოფილოს
დაუყოვნებლივ ფუნქციონალური/დამუშავების მოთხოვნები, რომლებიც შეიძლება ო
მინიმუმ რაიმე გამოყენება აქვს DSS ანალიტიკოსს.
კიდევ ერთი მნიშვნელოვანი გზა, რომლითაც ოპერაციულად არის ორიენტირებული აპლიკაციები
ai მონაცემები განსხვავდება მონაცემები dw-ის ანგარიშებშია მონაცემები. მე მონაცემები
ოპერატიულები ინარჩუნებენ მუდმივ ურთიერთობას ორ ან მეტ ცხრილს შორის
ეფუძნება ბიზნეს წესს, რომელიც არის აქტიური. THE მონაცემები dw-ის მიერ
ისინი მოიცავს დროის სპექტრს და dw-ში ნაპოვნი თანაფარდობები არის
ბევრი. ბევრი სავაჭრო წესი (და შესაბამისად, ბევრი
ანგარიშები მონაცემები ) წარმოდგენილია მარაგში მონაცემები ორს შორის ან
მეტი მაგიდა.
(დაწვრილებითი ახსნისთვის, თუ როგორ არის ურთიერთობა მონაცემები არიან
მართული DW-ში, ჩვენ მივმართავთ ტექნიკურ თემას ამის შესახებ
კითხვა.)
სხვა პერსპექტივიდან, გარდა განსხვავებისა
ფუნდამენტური ფუნქციონალური/პროცესისა და გამოყენების არჩევანს შორის
საგნის არჩევისას, სისტემებს შორის უფრო დიდი განსხვავებაა
ოპერატიული და მონაცემები და DW.
INTEGRATION INTEGRATION
dw გარემოს ყველაზე მნიშვნელოვანი ასპექტი ისაა, რომ ი მონაცემები ნაპოვნია
dw-ში ისინი ადვილად ინტეგრირდება. ყოველთვის. გარეშე
გამონაკლისები. თავად dw გარემოს არსი ის არის, რომ ი მონაცემები
საწყობის საზღვრებში შემავალი ინტეგრირებულია.
ინტეგრაცია ვლინდება სხვადასხვა გზით - კონვენციებში
იდენტიფიცირებული თანმიმდევრული, თანმიმდევრული ცვლადების ზომით, ში
თანმიმდევრული კოდიფიცირებული სტრუქტურები, ფიზიკურ ატრიბუტებში მონაცემები
თანმიმდევრული და ა.შ.
წლების განმავლობაში რამდენიმე აპლიკაციის დიზაინერებმა შექმნეს იგი
ფლობს ბევრ გადაწყვეტილებას იმის შესახებ, თუ როგორ უნდა იყოს განაცხადი
განვითარდეს. სტილი და ინდივიდუალური დიზაინის გადაწყვეტილებები
დიზაინერების აპლიკაციები ვლინდება ასი გზით: in
კოდირების განსხვავებები, ძირითადი სტრუქტურა, ფიზიკური მახასიათებლები,
საიდენტიფიკაციო კონვენციები და ა.შ. ბევრის კოლექტიური შესაძლებლობები
აპლიკაციის დიზაინერები შეუთავსებელი აპლიკაციების შესაქმნელად
ეს ლეგენდარულია. სურათი 3 ასახავს რამდენიმე სხვა განსხვავებას
მნიშვნელოვანია აპლიკაციების დიზაინის გზებში.
კოდირება: Encode:
აპლიკაციის დიზაინერებმა აირჩიეს ველის კოდირება -
სექსი - სხვადასხვა გზით. დიზაინერი წარმოადგენს სექსს, როგორც
"მ" და "ფ". სხვა დიზაინერი წარმოადგენს სქესს, როგორც "1"
და "0". სხვა დიზაინერი წარმოადგენს სქესს, როგორც "x" და
"y". კიდევ ერთი დიზაინერი წარმოადგენს სქესს, როგორც „მამაკაცს“ და
"ქალი". ნამდვილად არ აქვს მნიშვნელობა როგორ მოხვდება სექსი DW-ში. "M"
და "F" ალბათ ისეთივე კარგია, როგორც ყველა
წარმომადგენლობა.
მთავარია, რომ სქესობრივი ველი რა წარმომავლობიდან გამომდინარეობს,
ეს ველი მოდის DW-ში თანმიმდევრულ ინტეგრირებულ მდგომარეობაში. დან
შედეგი, როდესაც ველი ჩაიტვირთება DW-დან
აპლიკაცია, სადაც ის გაერკვია ფორმატში
"M" და "F", ე.ი მონაცემები უნდა გადაკეთდეს DW ფორმატში.
ატრიბუტების გაზომვა: გაზომვა
ატრიბუტები:
აპლიკაციის დიზაინერებმა აირჩიეს მილსადენის გაზომვა
სხვადასხვა გზა კურსის განმავლობაში
რამდენიმე წელი. დიზაინერი ინახავს ი მონაცემები მილსადენის შევიდა
სანტიმეტრი. სხვა აპლიკაციის დიზაინერი ინახავს მონაცემები
მილსადენის ინჩის მიხედვით. კიდევ ერთი დიზაინერი
აპლიკაციების მაღაზიები ი მონაცემები მილსადენი მილიონ კუბურ ფუტში
წამში. და სხვა დიზაინერი ინახავს ინფორმაციას
მილსადენი ეზოების თვალსაზრისით. როგორიც არ უნდა იყოს წყარო, როცა
მილსადენის ინფორმაცია ჩამოდის DW-ში, რომელიც უნდა იყოს
იზომება იმავე გზით.
მე-3 ფიგურის მითითებების მიხედვით, ინტეგრაციის საკითხები
ისინი გავლენას ახდენენ დიზაინის თითქმის ყველა ასპექტზე - მახასიათებლებზე
ფიზიკური ღმერთები მონაცემები, ერთზე მეტი წყაროს არსებობის დილემა მონაცემებისაქართველოს
არათანმიმდევრული იდენტიფიცირებული ნიმუშების, ფორმატების საკითხი მონაცემები
არათანმიმდევრული და ა.შ.
როგორიც არ უნდა იყოს დიზაინის არგუმენტი, შედეგი იგივეა -
i მონაცემები უნდა იყოს შენახული DW-ში სინგულარულ e
გლობალურად მისაღები გზა მაშინაც კი, როდესაც ოპერაციული სისტემები
ფონდის მაღაზია სხვაგვარად ი მონაცემები.
როდესაც DSS ანალიტიკოსი უყურებს DW-ს, ანალიტიკოსის ლინზას
უნდა იყოს ექსპლუატაცია მონაცემები რომლებიც საწყობშია,
ვიდრე გაინტერესებთ სანდოობის ან თანმიმდევრულობის შესახებ
მონაცემები.
დროის ვარიაცია
ყველა მე მონაცემები DW-ში ისინი ზუსტია დროის გარკვეულ მომენტში.
ეს ძირითადი თვისება მონაცემები DW-ში ძალიან განსხვავდება მონაცემები
ნაპოვნია საოპერაციო გარემოში. THE მონაცემები საოპერაციო გარემო არის
ზუსტი, როგორც დაშვების დროს. Სხვა სიტყვებით,
ოპერაციულ გარემოში ერთეულზე წვდომისას მონაცემები, აი, დიახ
დაელოდეთ სანამ ის ასახავს ზუსტ მნიშვნელობებს წვდომის დროს.
Რატომ მე მონაცემები DW-ში ზუსტია, როგორც ზოგიერთ დროს
დრო (ე.ი. არა „ახლავე“), ე.ი მონაცემები ნაპოვნია DW-ში
ისინი არიან „დროის განსხვავება“.
დროის სხვაობა მონაცემები DW-ის მიერ არის მოხსენიებული მრავალი გზით.
უმარტივესი გზაა ის, რომ ი მონაცემები DW წარმოადგენს მონაცემები ეს არის
ხანგრძლივი ჰორიზონტი - ხუთიდან ათ წლამდე. Ჰორიზონტი
საოპერაციო გარემოსთვის წარმოდგენილი დრო გაცილებით მოკლეა
▪ დღევანდელი ამჟამინდელი მნიშვნელობებიდან სამოცი ოთხმოცდაათამდე
აპლიკაციები, რომლებიც უნდა იმუშაონ კარგად და უნდა იყოს
ხელმისაწვდომი ტრანზაქციის დამუშავებისთვის უნდა მოიტანოს
მინიმალური რაოდენობა მონაცემები თუ ისინი აღიარებენ რაიმე ხარისხს
მოქნილობა. ასე რომ, ოპერაციულ აპლიკაციებს აქვთ ჰორიზონტი
მოკლე დროში, როგორც დიზაინის არგუმენტი
ხმის აპლიკაციები.
მეორე გზა 'დროის ცვალებადობა' გამოჩნდება DW-ში არის
გასაღები სტრუქტურა. DW-ის თითოეული საკვანძო სტრუქტურა შეიცავს,
ირიბად ან აშკარად, დროის ელემენტი, როგორიცაა
დღე, კვირა, თვე და ა.შ. დროის ელემენტი თითქმის ყოველთვის არის
DW-ში ნაპოვნი თანმიმდევრული გასაღების ბოლოში. ამათ
შემთხვევები, დროის ელემენტი იარსებებს იმპლიციტურად, როგორიცაა შემთხვევითობა
სადაც მთელი ფაილი დუბლირებულია თვის ან კვარტლის ბოლოს.
მესამე გზა დროის დისპერსიის ჩვენების არის ის, რომ i მონაცემები del
DW, უბრალოდ სწორად დარეგისტრირებული, არ შეიძლება
განახლებულია. THE მონაცემები DW-ის ყველა პრაქტიკული მიზნისთვის გრძელია
სნეპშოტების სერია (სნეპშოტი). რა თქმა უნდა, თუ კადრები არის
არასწორად არის გადაღებული, მაშინ კადრები შეიძლება იყოს
განახლდა. მაგრამ თუ ვივარაუდებთ, რომ კადრები შესრულებულია
სწორად, ისინი არ იცვლება დამზადებისთანავე. Ზოგიერთ
შემთხვევაში, ეს შეიძლება იყოს არაეთიკური ან თუნდაც არასწორი, რომ სნეპშოტები in
DW შეცვლილია. THE მონაცემები ოპერატიული, ზუსტი როგორც
წვდომის მომენტში, ისინი შეიძლება განახლდეს როგორც ჩანს
საჭიროება.
არამდგრადი
DW-ის მეოთხე მნიშვნელოვანი მახასიათებელია ის, რომ ის არამდგრადია.
ხდება განახლებები, ჩასმა, წაშლა და ცვლილებები
რეგულარულად ჩანაწერ-ჩაწერის ოპერატიული გარემოსთვის. მაგრამ
ძირითადი მანიპულირება მონაცემები DW-ში გაცილებით მეტია საჭირო
მარტივი. არსებობს მხოლოდ ორი სახის ოპერაცია, რომელიც ხდება
DW - საწყისი დატვირთვა მონაცემები და წვდომა მონაცემები. Იქ არაა
არ არის განახლება მონაცემები (ზოგადი გაგებით
განახლება) DW-ში, როგორც ჩვეულებრივი დამუშავების ოპერაცია.
ამ განსხვავებას აქვს რამდენიმე ძალიან ძლიერი შედეგი
საფუძველი ოპერაციულ დამუშავებასა და DW დამუშავებას შორის. დონეზე
დიზაინის მიხედვით, საჭიროა სიფრთხილე იყოთ განახლებასთან დაკავშირებით
არანორმალური არ არის ფაქტორი DW-ში, განახლების შემდეგ მონაცემები ეს არ არის
განახორციელა. ეს ნიშნავს, რომ დიზაინის ფიზიკურ დონეზე,
თავისუფლებების გამოყენება შესაძლებელია წვდომის ოპტიმიზაციისთვის მონაცემები,
განსაკუთრებით სტანდარტიზაციის თემებთან და
ფიზიკური დენორმალიზაცია. სიმარტივის კიდევ ერთი შედეგი
DW-ის ოპერაციების ძირითადი ტექნოლოგია გამოიყენება
გაუშვით DW გარემო. განახლებების მხარდაჭერა
ჩანაწერი ჩანაწერის მიხედვით (როგორც ხშირად ხდება
ოპერაციული დამუშავება) ტექნოლოგიას სჭირდება გარკვეული
ძალიან რთული საფუძვლები აშკარა სიმარტივის ქვეშ.
ტექნოლოგია, რომელიც მხარს უჭერს სარეზერვო და აღდგენას, ტრანზაქციებს
და მთლიანობა მონაცემები და ჩიხის აღმოჩენა და გამოსავალი არის
საკმაოდ რთული და არ არის აუცილებელი DW დამუშავებისთვის.
DW-ის მახასიათებლები, დიზაინის ორიენტაცია,
ინტეგრაცია მონაცემები DW-ის ფარგლებში, დროის სხვაობა და სიმარტივე
მენეჯმენტის მონაცემები, ყველაფერს მივყავართ იმ გარემომდე, რომელიც ძალიან, ძალიან
განსხვავდება კლასიკური ოპერაციული გარემოსგან. თითქმის ყველაფრის წყარო
მონაცემები DW არის საოპერაციო გარემო. მაცდურია ფიქრი
რომ არის მასიური ჭარბი რაოდენობა მონაცემები ორ გარემოს შორის.
სინამდვილეში, პირველი შთაბეჭდილება, რაც ბევრ ადამიანს აქვს, არის ის
დიდი სიჭარბე მონაცემები საოპერაციო გარემოსა და გარემოს შორის
DW გაფართოება. ასეთი ინტერპრეტაცია ზედაპირულია და ადასტურებს ა
იმის გაგება, თუ რა ხდება DW-ში.
მართლაც, არის მინიმალური ჭარბი რაოდენობა მონაცემები საოპერაციო გარემოს შორის
ედ მონაცემები DW-ის. ჩვენ განვიხილავთ შემდეგს:
▪ მე მონაცემები ისინი გაფილტრულია dato რომ გადიხარ საოპერაციო გარემოდან
DW გარემოსთვის. ბევრი მონაცემები ისინი არასოდეს გაქრება
საოპერაციო გარემოდან. მხოლოდ ის, რომ ი მონაცემები რომლებიც საჭიროა
DSS დამუშავება პოულობს მიმართულებას გარემოში
▪ დროის ჰორიზონტი მონაცემები ის ძალიან განსხვავდება გარემოსგან
მეორეს. THE მონაცემები საოპერაციო გარემოში ისინი ძალიან სუფთაა. THE მონაცემები
DW-ში ისინი ბევრად უფრო ძველია. მხოლოდ პერსპექტივიდან
დროის ჰორიზონტზე, ძალიან მცირეა გადახურვა
საოპერაციო გარემოსა და DW-ს შორის.
▪ DW შეიცავს მონაცემები შეჯამება, რომელიც არასოდეს მოიძებნება
გარემოში
▪ მე მონაცემები მას შემდეგ განიცდიან ფუნდამენტურ ტრანსფორმაციას
მომენტი, როდესაც ისინი გადადიან სურათზე 3, ასახავს ამას
ნაწილი მონაცემები მნიშვნელოვნად შეცვლილია იმ პირობით
უნდა შეირჩეს და გადავიდეს DW-ში. სხვა სიტყვებით რომ ვთქვათ,
უმეტესობა მონაცემები ფიზიკურად არის მოდიფიცირებული ე
რადიკალურად როგორც DW-ში გადაინაცვლებს. გადმოსახედიდან
ინტეგრაცია არ არის იგივე მონაცემები რომლებიც ცხოვრობენ
საოპერაციო გარემოში.
ამ ფაქტორების გათვალისწინებით, სიჭარბე მონაცემები ორ გარემოს შორის არის
იშვიათი შემთხვევა, რაც იწვევს 1%-ზე ნაკლებ ჭარბი რაოდენობას ორს შორის
გარემო.
საწყობის სტრუქტურა
DW-ებს აქვთ განსხვავებული სტრუქტურა. არსებობს სხვადასხვა დონის შემაჯამებელი და
დეტალი, რომელიც განასხვავებს DW-ებს.
DW-ის სხვადასხვა კომპონენტებია:
▪ მეტამონაცემები
▪ dati მიმდინარე დეტალები
▪ dati ძველი დეტალებით
▪ dati ოდნავ შეჯამებული
▪ dati უაღრესად შეჯამებული
ჯერჯერობით მთავარი საზრუნავი არის ი მონაცემები დეტალების
დინებები. ეს არის უპირველესი საზრუნავი, რადგან:
▪ მე მონაცემები მიმდინარე დეტალები ასახავს უახლეს მოვლენებს,
რომლებიც ყოველთვის დიდ ინტერესს იწვევენ და
▪ ი მონაცემები მიმდინარე დეტალები მოცულობითია, რადგან არის
ინახება მარცვლოვნების ყველაზე დაბალ დონეზე ე
▪ ი მონაცემები მიმდინარე დეტალები თითქმის ყოველთვის ინახება
დისკის მეხსიერება, რომელიც არის სწრაფი წვდომა, მაგრამ ძვირი და
კომპლექსიდან
I მონაცემები დეტალები უფრო ძველია მონაცემები რომლებიც ინახება
ზოგიერთი მეხსიერება მასობრივი. მას აქვს წვდომა სპორადულად და არის
შენახული დეტალების დონეზე თავსებადია მონაცემები დეტალური
დინებები. მიუხედავად იმისა, რომ არ არის სავალდებულო შენახვა საშუალოზე
ალტერნატიული მეხსიერების დიდი მოცულობის გამო მონაცემები გაერთიანებული
სპორადული წვდომა მონაცემები, შენახვის საშუალება ამისთვის მონაცემები di
ძველი დეტალები ჩვეულებრივ არ ინახება დისკზე.
I მონაცემები მსუბუქად შეჯამებული ისინი არიან მონაცემები რომლებიც ქვედა გამოხდილია
დეტალების დონე, რომელიც ნაპოვნია დეტალების ამჟამინდელ დონეზე. ეს
DW დონე თითქმის ყოველთვის ინახება დისკის მეხსიერებაში. THE
დიზაინის პრობლემები, რომლებიც წარმოაჩენს თავად არქიტექტორს მონაცემები
DW-ის ამ დონის მშენებლობაში არის:
▪ დროის რომელი ერთეულია ზემოთ გაკეთებული შეჯამება
▪ რა შინაარსი, ატრიბუტები ოდნავ შეაჯამებს მას
შინაარსი მონაცემები
შემდეგი დონე მონაცემები ნაპოვნი DW არის ის მონაცემები უაღრესად
შეჯამებული. THE მონაცემები ძალიან შეჯამებული არის კომპაქტური და მარტივი
ხელმისაწვდომი. THE მონაცემები ძალიან შეჯამებული ზოგჯერ გვხვდება
DW გარემოში და სხვა შემთხვევებში ი მონაცემები ძალიან შეჯამებული არიან
ნაპოვნია DW-ის ტექნოლოგიის უშუალო კედლების გარეთ.
(ყოველ შემთხვევაში, ე.ი მონაცემები ძალიან შეჯამებული არის DW-ის ნაწილი
მიუხედავად იმისა, სად მე მონაცემები ფიზიკურად არიან დასახლებული).
DW-ის საბოლოო კომპონენტი არის მეტამონაცემების კომპონენტი. მრავალი თვალსაზრისით
მეტამონაცემები განსხვავებულ განზომილებაშია, ვიდრე სხვები მონაცემები
DW-ის, რადგან მეტამონაცემები არ შეიცავს არცერთს dato პირდაპირ
აღებულია საოპერაციო გარემოდან. მეტამონაცემებს განსაკუთრებული როლი აქვს ე
ძალიან მნიშვნელოვანია DW-ში. მეტამონაცემები გამოიყენება როგორც:
▪ დირექტორია, რომელიც დაეხმარება DSS ანალიტიკოსს მდებარეობის პოვნაში
DW შინაარსი,
▪ სახელმძღვანელო რუკაზე მონაცემები იმის შესახებ, თუ როგორ მე მონაცემები Ისინი იყვნენ
გარდაიქმნება საოპერაციო გარემოდან DW გარემოში,
▪ გზამკვლევი ალგორითმებისთვის, რომლებიც გამოიყენება შეჯამებისთვის ი მონაცემები di
მიმდინარე დეტალი ei მონაცემები ოდნავ შეჯამებული, ე.ი მონაცემები უაღრესად
შეჯამებული,
მეტამონაცემები ბევრად უფრო დიდ როლს თამაშობს DW გარემოში
შედარებით რაც მათ ოდესმე ჰქონიათ საოპერაციო გარემოში
ძველი დეტალების შენახვა საშუალო
მაგნიტური ლენტი შეიძლება გამოყენებულ იქნას ამ სახის შესანახად
მონაცემები. მართლაც, არსებობს საცავის მედიის ფართო არჩევანი
უნდა განიხილებოდეს ძველის შესანარჩუნებლად მონაცემები di
დეტალი
მოცულობის მიხედვით მონაცემები, წვდომის სიხშირე, ღირებულება
ინსტრუმენტებიდან და წვდომის ტიპებიდან, ეს სრულიად სავარაუდოა
რომ სხვა ხელსაწყოებს დასჭირდებათ ძველი დონის დეტალები
DW-ში.
მონაცემთა ნაკადი
არსებობს ნორმალური და პროგნოზირებადი ნაკადი მონაცემები DW-ის ფარგლებში.
I მონაცემები ისინი შედიან DW-ში საოპერაციო გარემოდან. (შენიშვნა: არსებობს
რამდენიმე ძალიან საინტერესო გამონაკლისი ამ წესიდან. თუმცა, თითქმის
ყველა მონაცემები შეიტანეთ DW ოპერაციული გარემოდან). დათო რომ მე მონაცემები
ისინი შედიან DW-ში საოპერაციო გარემოდან, ის გარდაიქმნება როგორც იყო
ადრე აღწერილი. იმ პირობით, რომ შედიხართ DW-ში, ე.ი მონაცემები ისინი შედიან
დეტალების მიმდინარე დონე, როგორც ნაჩვენებია. იქ ცხოვრობს და გამოიყენება
სანამ არ მოხდება სამი მოვლენიდან ერთი:
▪ გაწმენდილია,
▪ არის შეჯამებული და/ან
▪ არის
მოძველებული პროცესი DW-ში მოძრაობს i მონაცემები მიმდინარე დეტალები
a მონაცემები დეტალურად ძველი, ასაკის მიხედვით მონაცემები. Პროცესი
შეჯამება იყენებს დეტალებს მონაცემები რომ გამოვთვალოთ მონაცემები
ოდნავ შეჯამებული და უაღრესად შეჯამებული დონეები მონაცემები. Არიან, იმყოფებიან
ნაჩვენები ნაკადის ზოგიერთი გამონაკლისი (მოგვიანებით იქნება განხილული).
თუმცა, ჩვეულებრივ, უმრავლესობისთვის მონაცემები ნაპოვნია
ფარგლებში DW, ნაკადი მონაცემები როგორც წარმოდგენილია.
მონაცემთა საწყობის გამოყენება
გასაკვირი არ არის, რომ სხვადასხვა დონეზე მონაცემები DW-ის ფარგლებში არა
მიიღეთ სხვადასხვა დონის გამოყენების. როგორც წესი, რაც უფრო მაღალია დონე
შეჯამება, პლუს ი მონაცემები ისინი გამოიყენება.
ბევრი გამოყენება ხდება მონაცემები უაღრესად შეჯამებული, ხოლო ძველი
მონაცემები დეტალები თითქმის არასოდეს გამოიყენება. მასში არის კარგი მიზეზი
ორგანიზაციის გადატანა რესურსების გამოყენების პარადიგმაზე. მეტი აქვს
შეჯამება ი მონაცემები, მით უფრო სწრაფი და ეფექტურია მისი მიღწევა მონაცემები. გამოიყურება
un მაღაზია აღმოაჩინე, რომ ის ამუშავებს DW-ების ბევრ დეტალურ დონეზე,
შემდეგ შესაბამისი დიდი რაოდენობით მანქანების რესურსები
მოიხმარება. ყველას ინტერესებშია სასამართლოში წასვლა
როგორც შეჯამების მაღალ დონეზე რაც შეიძლება მალე.
მრავალი მაღაზიისთვის, DSS ანალიტიკოსმა წინასწარ DW გარემოში გამოიყენა
მონაცემები დეტალების დონეზე. ბევრი თვალსაზრისით ჩამოსვლა მონაცემები დეტალური
ჰგავს უსაფრთხოების საბანს, მაშინაც კი, როდესაც ისინი ხელმისაწვდომია
შეჯამების სხვა დონეები. არქიტექტორის ერთ-ერთი საქმიანობა მონაცემები è
მოერიდეთ DSS მომხმარებელს მუდმივი გამოყენებისგან მონაცემები პლუს დონეზე
დაბალი დეტალი. არსებობს ორი მიზეზი
არქიტექტორის მონაცემები:
▪ დატენვის სისტემის დაყენება, სადაც იხდის საბოლოო მომხმარებელი
მოხმარებული რესურსები ე
▪ მიუთითებს, რომ რეაგირების ძალიან კარგი დრო შეიძლება იყოს
მიღებული როდესაც ქცევა ი მონაცემები ის არის მაღალ სტანდარტზე
შეჯამების, ხოლო ცუდი რეაგირების დრო მოდის
ქცევა მონაცემები დაბალ დონეზე
სხვა მოსაზრებები
არსებობს რამდენიმე სხვა სამშენებლო და მენეჯმენტის მოსაზრებები
DW
პირველი განხილვა არის ინდექსები. THE მონაცემები უმაღლეს დონეზე
შეჯამება თავისუფლად შეიძლება იყოს ინდექსირებული, ხოლო ი მონაცემები
დეტალების დაბალ დონეზე, ისინი იმდენად დიდია, რომ შეიძლება იყოს
იშვიათად ინდექსირებული. ამავე აზრიდან გამომდინარე, ი მონაცემები მაღალ დონეზე
დეტალები შეიძლება შედარებით ადვილად აღდგეს,
ხოლო მოცულობა მონაცემები ქვედა დონეზე ის იმდენად დიდია, რომ ი მონაცემები არ
მათი ადვილად განახლება შესაძლებელია. შესაბამისად, მოდელი
სულ მონაცემები და დიზაინის მიერ შესრულებული ფორმალური სამუშაო უქმნის
DW-ის საფუძველი თითქმის ექსკლუზიურად დონეზე იყო გამოყენებული
დეტალური მიმდინარეობა. სხვა სიტყვებით რომ ვთქვათ, მოდელირების საქმიანობა
მონაცემები ისინი არ ვრცელდება შემაჯამებელ დონეებზე, თითქმის ყველა შემთხვევაში.
კიდევ ერთი სტრუქტურული მოსაზრება არის ქვედანაყოფის
მონაცემები DW-ის მიერ.
დაყოფა შეიძლება გაკეთდეს ორ დონეზე - დონეზე დბმ და
განაცხადის დონე. დონეზე განყოფილებაში დბმსაქართველოს დბმ è
ინფორმირებულია დანაყოფების შესახებ და შესაბამისად აკონტროლებს მათ. Იმ შემთხვევაში
განყოფილება განაცხადის დონეზე, მხოლოდ პროგრამისტია
ინფორმირებულია დანაყოფებისა და მათზე პასუხისმგებლობის შესახებ
ადმინისტრაცია მას დარჩა
დონის ქვემოთ დბმ, ბევრი სამუშაო კეთდება ავტომატურად. Იქ არის
დიდი მოქნილობა, რომელიც დაკავშირებულია ავტომატურ ადმინისტრირებასთან
განყოფილებები. განყოფილების დონის გამოყენების შემთხვევაში მონაცემები del
მონაცემთა საწყობი, ბევრი სამუშაო მოდის პროგრამისტზე, მაგრამ
საბოლოო შედეგი არის მოქნილობა ადმინისტრირებაში მონაცემები თარიღში
საწყობი
სხვა ანომალიები
მიუხედავად იმისა, რომ კომპონენტები მონაცემთა საწყობი ისინი მუშაობენ ისე, როგორც აღწერილია
თითქმის ყველასთვის მონაცემები, არის რამდენიმე სასარგებლო გამონაკლისი, რომელიც უნდა
განიხილება. გამონაკლისი არის ის მონაცემები საჯარო რეზიუმეები
(საჯარო შემაჯამებელი მონაცემები). Ესენი არიან მონაცემები შეჯამებები, რომლებიც იყო
გამოითვლება მონაცემთა საწყობი მაგრამ მათ საზოგადოება იყენებს. THE მონაცემები
საჯარო რეზიუმეები ინახება და იმართება მასში მონაცემთა საწყობი,
თუმცა, როგორც ზემოთ აღინიშნა, ისინი გაერკვნენ. THE
ბუღალტერები მუშაობენ ასეთი კვარტალური წარმოებისთვის მონაცემები როგორც
შემოსავალი, კვარტალური ხარჯები, კვარტალური მოგება და ა.შ. Სამუშაო
ბუღალტერების მიერ შესრულებული არის გარე მონაცემთა საწყობი. თუმცა, ი მონაცემები არიან
გამოიყენება „შინაგანად“ კომპანიის შიგნით – დან მარკეტინგული, გაყიდვები და ა.შ.
კიდევ ერთი ანომალია, რომელიც არ იქნება განხილული, არის ის მონაცემები ესტერნი.
კიდევ ერთი გამორჩეული ტიპი მონაცემები რომელიც შეიძლება მოიძებნოს მონაცემებში
საწყობი არის მუდმივი დეტალური მონაცემები. ეს იწვევს
მუდმივი შენახვა სჭირდება ი მონაცემები ერთ დონეზე
დეტალურად ეთიკური ან სამართლებრივი მიზეზების გამო. თუ კომპანია აჩვენებს ი
სახიფათო ნივთიერებებთან დაკავშირებული მუშები არსებობს საჭიროება მონაცემები
დეტალური და მუდმივი. თუ კომპანია აწარმოებს პროდუქტს, რომელიც
მოიცავს საზოგადოებრივ უსაფრთხოებას, თვითმფრინავის რა ნაწილებია
საჭიროება მონაცემები მუდმივი დეტალური, ასევე თუ კომპანია
საშიში კონტრაქტების დადება.
კომპანიას არ შეუძლია უგულებელყო კონკრეტული მიზეზები
მომდევნო რამდენიმე წლის განმავლობაში, სასამართლო პროცესის, გაწვევის შემთხვევაში, ა
სადავო კონსტრუქციული ხარვეზი და ა.შ. კომპანიის ექსპოზიცია
ეს შეიძლება იყოს დიდი. შედეგად, არსებობს უნიკალური ტიპი მონაცემები
ცნობილია როგორც მუდმივი დეტალური მონაცემები.
ᲨᲔᲛᲐᲯᲐᲛᲔᲑᲔᲚᲘ
Un მონაცემთა საწყობი ეს არის ობიექტზე ორიენტირებული, ინტეგრირებული, ვარიანტი
დრო, კოლექცია მონაცემები არასტაბილური საჭიროებების მხარდასაჭერად
ადმინისტრაციის გადაწყვეტილება. თითოეული გამორჩეული თვისება
un მონაცემთა საწყობი აქვს თავისი შედეგები. პლუს არის ოთხი
დონეები მონაცემები del მონაცემთა საწყობი:
▪ ძველი დეტალები
▪ მიმდინარე დეტალი
▪ dati ოდნავ შეჯამებული
▪ dati უაღრესად შეჯამებული
მეტამონაცემები ასევე მნიშვნელოვანი ნაწილია მონაცემთა საწყობი.
ᲐᲑᲡᲢᲠᲐᲥᲢᲣᲚᲘ
შენახვის კონცეფცია მონაცემები ცოტა ხნის წინ მიღებული
დიდი ყურადღება და 90-იანი წლების ტენდენციად იქცა.ანუ
უნარის გამო ა მონაცემთა საწყობი გადალახოს
მენეჯმენტის მხარდაჭერის სისტემების შეზღუდვები, როგორიცაა ი
გადაწყვეტილების მხარდაჭერის სისტემები (DSS) და საინფორმაციო სისტემები
აღმასრულებლები (EIS).
მიუხედავად იმისა, რომ კონცეფცია მონაცემთა საწყობი პერსპექტიულად გამოიყურება,
განხორციელება ი მონაცემთა საწყობი შეიძლება იყოს პრობლემური, რადგან
ფართომასშტაბიანი სასაწყობო პროცესები. Მიუხედავად
სასაწყობო პროექტების სირთულე მონაცემები, ბევრი მომწოდებელი
და კონსულტანტები, რომლებიც მარაგებს მონაცემები ისინი ამას ამტკიცებენ
შენახვა მონაცემები არ წარმოადგენს პრობლემას.
თუმცა, ამ კვლევის პროექტის დასაწყისში, თითქმის არცერთი
ჩატარდა დამოუკიდებელი, მკაცრი და სისტემატური კვლევა. დან
შესაბამისად, ძნელი სათქმელია, რა ხდება რეალურად
ინდუსტრიაში, როდესაც ისინი აშენებენ მონაცემთა საწყობი.
ამ კვლევამ შეისწავლა სასაწყობო პრაქტიკა მონაცემები
თანამედროვეები, რომლებიც მიზნად ისახავს უფრო მდიდარი გაგების განვითარებას
ავსტრალიური პრაქტიკა. ლიტერატურის მიმოხილვამ უზრუნველყო
კონტექსტი და ემპირიული კვლევის საფუძველი.
ამ კვლევის არაერთი შედეგი არსებობს. Პირველი
ადგილი, ამ კვლევამ გამოავლინა მომხდარი აქტივობები
განვითარების დროს მონაცემთა საწყობი. ბევრ სფეროში, ე.ი მონაცემები შეიკრიბა
დაადასტურა ლიტერატურაში მოხსენებული პრაქტიკა. მეორე
საიტზე, საკითხებსა და პრობლემებზე, რაც შეიძლება გავლენა იქონიოს
განვითარება მონაცემთა საწყობი გამოვლინდა ამ კვლევის შედეგად.
და ბოლოს, სარგებელი მიღებული ავსტრალიური ორგანიზაციების დაკავშირებული
გამოყენება მონაცემთა საწყობი გამოვლინდა.
Თავი 1
მოძებნეთ კონტექსტი
მონაცემთა საწყობის კონცეფციამ ფართო აღიარება მოიპოვა
ექსპოზიცია და იქცა განვითარებად ტენდენციად
90-იანი წლები (McFadden 1996, TDWI 1996, Shah and Milstein 1997,
შანქსი და სხვები. 1997, Eckerson 1998, Adelman and Oates 2000). ანუ
ჩანს მონაცემების მზარდი სტატიებიდან
საწყობი სავაჭრო გამოცემებში (Little and Gibson 1999).
ბევრი სტატია (იხ., მაგალითად, Fisher 1995, Hackathorn 1995,
Morris 1995a, Bramblett and King 1996, Graham et al. 1996 წელი,
საკაგუჩი და ფროლიკი 1996, ალვარესი 1997, ბროუსელი 1997, კლარკი
1997, McCarthy 1997, O'Donnell 1997, Edwards 1998, TDWI
1999) აცნობეს ორგანიზაციებს მნიშვნელოვანი სარგებელი
რომლებიც ახორციელებენ ი მონაცემთა საწყობი. მათ მხარი დაუჭირეს მათ თეორიას
წარმატებული განხორციელების ანეკდოტური მტკიცებულებებით, მაღალი შემოსავლით
საინვესტიციო მაჩვენებლებზე (ROI) და, ასევე, ხელმძღვანელობით
მითითება ან განვითარების მეთოდოლოგიები მონაცემთა საწყობი
(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson
1999). უკიდურეს შემთხვევაში, გრეჰემი და სხვ. (1996) აქვს
სამწლიანი ინვესტიციის საშუალო ანაზღაურება 401%-ს შეადგენს.
თუმცა, ამჟამინდელი ლიტერატურის დიდმა ნაწილმა უგულებელყო
ასეთი პროექტების განხორციელებასთან დაკავშირებული სირთულეები. -ის პროექტები
მონაცემთა საწყობი ჩვეულებრივ რთული და ფართომასშტაბიანია და
ამიტომ ისინი გულისხმობენ წარუმატებლობის დიდ ალბათობას, თუ ეს ასე არ არის
საგულდაგულოდ კონტროლირებადი (შაჰი და მილშტეინი 1997, ეკერსონი 1997,
Foley 1997b, Zimmer 1997, Bort 1998, Gibbs and Clymer 1998, Rao
1998). ისინი საჭიროებენ როგორც ადამიანურ, ისე ადამიანურ რესურსებს
ფინანსური და დრო და ძალისხმევა მათ ასაშენებლად (Hill 1998, Crofts 1998). The
საჭირო ტიპიური დრო და ფინანსური საშუალებები შესაბამისად
დაახლოებით ორი წელი და ორი ან სამი მილიონი დოლარი (ბრალი 1995, ფოლი
1997b, Bort 1998, Humphries et al. 1999). ეს დრო და საშუალებები
ფინანსური ინსტრუმენტები საჭიროა მრავალი ასპექტის გასაკონტროლებლად და კონსოლიდაციისთვის
განსხვავებები მონაცემთა საწყობში (Cafasso 1995, Hill 1998). გვერდით
ტექნიკისა და პროგრამული უზრუნველყოფის მოსაზრებები, სხვა ფუნქციები, რომლებიც განსხვავდება
მოპოვებიდან მონაცემები დატვირთვის პროცესებზე მონაცემები, დან
მეხსიერების მოცულობა განახლებებისა და მეტა მონაცემების მართვისთვის მონაცემები
მომხმარებლის ტრენინგისთვის, გასათვალისწინებელია.
იმ დროს, როდესაც ეს კვლევითი პროექტი დაიწყო, ძალიან ცოტა იყო
მონაცემთა შენახვის სფეროში ჩატარებული აკადემიური კვლევა,
განსაკუთრებით ავსტრალიაში. ეს აშკარა იყო ნივთების ნაკლებობით
გამოქვეყნებული მონაცემების შესანახად გაზეთების ან სხვა წმინდა წერილების მიერ
იმ დროის აკადემიკოსები. ბევრი აკადემიური ნაწერი
ხელმისაწვდომი აღწერილია აშშ-ს გამოცდილება. Ნაკლებობა
აკადემიურმა კვლევებმა sl ზონაში მონაცემთა საწყობმა გამოიწვია
საჭირო იყო მკაცრი კვლევები და ემპირიული კვლევები (McFadden 1996,
შანქსი და სხვები. 1997, პატარა და გიბსონი 1999). კერძოდ, კვლევები
განხორციელების პროცესის კვლევა მონაცემთა საწყობი
უნდა გაკეთდეს ცოდნის გასაფართოებლად
ზოგადი განხორციელების შესახებ მონაცემთა საწყობი e
იქნება საფუძველი მომავალი კვლევისთვის (შანქსი ed
სხვები. 1997, პატარა და გიბსონი 1999).
ამრიგად, ამ კვლევის მიზანია იმის შესწავლა, თუ რა არის სინამდვილეში
ეს ხდება მაშინ, როდესაც ორგანიზაციები ინახავენ და იყენებენ მონაცემებს
საწყობი ავსტრალიაში. კონკრეტულად, ეს კვლევა მოიცავს
ა-ს განვითარების მთელი პროცესის ანალიზი მონაცემთა საწყობი,
დაწყებული ინიცირებიდან და დიზაინიდან დაწყებული დიზაინით და
განხორციელება და შემდგომი გამოყენება ორგანიზაციებში
ავსტრალიელი. გარდა ამისა, კვლევა ასევე ხელს შეუწყობს მიმდინარე პრაქტიკას
სფეროების იდენტიფიცირება, სადაც პრაქტიკა შეიძლება შემდგომი იყოს
გაუმჯობესებული და არაეფექტურობისა და რისკების მინიმუმამდე დაყვანა ან
აცილებული. გარდა ამისა, ეს იქნება საფუძველი სხვა კვლევებისთვის მონაცემთა საწყობი in
ავსტრალია და შეავსებს იმ ხარვეზს, რომელიც ამჟამად არსებობს ლიტერატურაში.
Კვლევის კითხვები
ამ კვლევის მიზანია ჩართული აქტივობების შესწავლა
განხორციელებაში მონაცემთა საწყობი და მათი გამოყენება
ავსტრალიური ორგანიზაციები. კერძოდ, შესწავლილია ელემენტები
რაც შეეხება პროექტის დაგეგმვას, განვითარებას, ალ
ექსპლუატაცია, გამოყენება და რისკები. აქედან გამომდინარეობს კითხვა
ამ კვლევის არის:
„როგორ არის ამჟამინდელი პრაქტიკა მონაცემთა საწყობი ავსტრალიაში?"
ამ პრობლემაზე ეფექტური რეაგირებისთვის ა
გარკვეული რაოდენობის დამხმარე კვლევის კითხვები. კერძოდ, სამი
ლიტერატურიდან გამოიკვეთა ქვეკითხვები, ე.ი
წარმოდგენილია მე-2 თავში, ამ კვლევითი პროექტის წარმართვის მიზნით:
როგორ ხორციელდება ისინი ი მონაცემთა საწყობი ორგანიზაციების მიერ
ავსტრალიელი? რა პრობლემები შეგხვდათ?
რა სარგებელი აქვს გამოცდილი?
ამ კითხვებზე პასუხის გაცემისას გამოიყენეს ნახატი
საძიებო კვლევა, რომელიც იყენებს გამოძიებას. როგორ ვსწავლობ
საძიებო, ზემოთ მოცემულ კითხვებზე პასუხები არ არის სრული
(Shanks et al. 1993, Denscombe 1998). ამ შემთხვევაში ასეა
ტრიანგულაციაა საჭირო მათზე პასუხების გასაუმჯობესებლად
ითხოვს. თუმცა გამოძიება მყარ საფუძველს შექმნის
მომავალი სამუშაო, რომელიც განიხილავს ამ კითხვებს. დეტალური
დისკუსია კვლევის მეთოდის დასაბუთებასა და დიზაინზე
წარმოდგენილია მე-3 თავში.
კვლევითი პროექტის სტრუქტურა
ეს კვლევითი პროექტი დაყოფილია ორ ნაწილად: კონტექსტუალური კვლევა
მონაცემთა შენახვისა და ემპირიული კვლევის კონცეფციის შესახებ (იხ
სურათი 1.1), რომელთაგან თითოეული განხილულია ქვემოთ.
ნაწილი I: კონტექსტუალური შესწავლა
კვლევის პირველი ნაწილი მოიცავდა მიმოხილვას
მიმდინარე ლიტერატურა მონაცემთა შენახვის სხვადასხვა ტიპებზე, მათ შორის ი
გადაწყვეტილების მხარდაჭერის სისტემები (DSS), საინფორმაციო სისტემები
აღმასრულებელი (EIS), შემთხვევის შესწავლა მონაცემთა საწყობი და თარიღის ცნებები
საწყობი. ასევე, ფორუმის შედეგები მონაცემთა საწყობი და ღმერთები
შეხვედრის ჯგუფები ექსპერტებისა და პროფესიონალებისთვის, რომელსაც ატარებს ჯგუფი
Monash DSS-ის კვლევამ ხელი შეუწყო კვლევის ამ ფაზას
რომელიც მიზნად ისახავდა ინფორმაციის მოპოვებას მონაცემთა პრაქტიკის შესახებ
საწყობი და მათი მიღებასთან დაკავშირებული რისკების იდენტიფიცირება.
ამ პერიოდში კონტექსტური შესწავლა, გაგება
ცოდნის მიწოდების მიზნით შეიქმნა პრობლემური სფერო
შემდგომი ემპირიული გამოკვლევების საფუძველი. თუმცა, ეს
ეს იყო მიმდინარე პროცესი კვლევის მიმდინარეობისას
კვლევა.
ნაწილი II: ემპირიული კვლევა
მონაცემთა შენახვის შედარებით ახალი კონცეფცია, განსაკუთრებით
ავსტრალიაში შეიქმნა გამოძიების ჩატარების აუცილებლობა
მიიღეთ გამოყენების გამოცდილების ფართო სურათი. ეს
ნაწილი გაკეთდა მას შემდეგ, რაც პრობლემა დომენი იყო
შეიქმნა ვრცელი ლიტერატურის მიმოხილვით. კონცეფცია
კონტექსტური კვლევის ფაზაში ჩამოყალიბებული მონაცემთა საწყობია
გამოყენებული იყო ამ კვლევის საწყისი კითხვარისთვის.
ამის შემდეგ კითხვარი განიხილებოდა. თქვენ ხართ პაემნის ექსპერტები
ტესტირებაში მონაწილეობდა საწყობი. ტესტის მიზანი
საწყისი კითხვარი იყო სისრულისა და სიზუსტის შემოწმება
რამდენიმე შეკითხვა. ტესტის შედეგებზე დაყრდნობით კითხვარი არის
რედაქტირებულია და რედაქტირებული ვერსია გაიგზავნა
გამოკითხვის მონაწილეები. კითხვარები დაბრუნდა მაშინ
გაანალიზებულია ი მონაცემები ცხრილებში, დიაგრამებში და სხვა ფორმატებში. THE
ანალიზის შედეგები მონაცემები შექმენით სურათის სურათი
მონაცემთა შენახვის პრაქტიკა ავსტრალიაში.
მონაცემთა საწყობის მიმოხილვა
მონაცემთა შენახვის კონცეფცია გაუმჯობესებით განვითარდა
კომპიუტერული ტექნოლოგიების.
ის მიზნად ისახავს ჯგუფების წინაშე არსებული პრობლემების დაძლევას
აპლიკაციების მხარდაჭერა, როგორიცაა გადაწყვეტილების მხარდაჭერის სისტემა (DSS) ე
აღმასრულებელი საინფორმაციო სისტემა (EIS).
წარსულში ამ აპლიკაციების ყველაზე დიდი დაბრკოლება იყო
ამ აპლიკაციების უუნარობა უზრუნველყოს ა მონაცემთა ბაზა
ანალიზისთვის აუცილებელია.
ეს ძირითადად გამოწვეულია სამუშაოს ბუნებით
ხელმძღვანელობა. კომპანიის მენეჯმენტის ინტერესები განსხვავებულია
მუდმივად დამოკიდებულია დამუშავებულ ზონაზე. ამიტომ ი მონაცემები
ფუნდამენტური ამ განაცხადების უნდა შეეძლოს
სწრაფად იცვლება დამუშავებული ნაწილის მიხედვით.
ეს ნიშნავს, რომ ი მონაცემები ხელმისაწვდომი უნდა იყოს ფორმაში
ადეკვატურია საჭირო ანალიზებისთვის. ფაქტობრივად, მხარდაჭერის ჯგუფები
აპლიკაციებმა წარსულში ბევრი სირთულე აღმოაჩინა რედ
ინტეგრირება მონაცემები რთული და მრავალფეროვანი წყაროებიდან.
ამ განყოფილების დარჩენილი ნაწილი წარმოადგენს კონცეფციის მიმოხილვას
მონაცემთა საწყობი და როგორ მონაცემთა საწყობი შეიძლება გადააჭარბოს
აპლიკაციის მხარდაჭერის ჯგუფის პრობლემები.
ტერმინი ”მონაცემთა საწყობიგამოვიდა უილიამ ინმონის მიერ 1990 წელს.
მისი ხშირად ციტირებული განმარტება ხედავს მონაცემთა საწყობი როგორ
კოლექცია მონაცემები სუბიექტზე ორიენტირებული, ინტეგრირებული, არასტაბილური და ცვლადი
დროთა განმავლობაში მენეჯმენტის გადაწყვეტილებების მხარდასაჭერად.
ამ განმარტების გამოყენებით ინმონი ხაზს უსვამს, რომ ი მონაცემები რეზიდენტი
in un მონაცემთა საწყობი უნდა ჰქონდეს შემდეგი 4
მახასიათებლები:
▪ სუბიექტზე ორიენტირებული
▪ ინტეგრირებული
▪ არამდგრადი
▪ ცვალებადი დროთა განმავლობაში
სუბიექტზე ორიენტირებული ინმონი ნიშნავს, რომ ი მონაცემები თარიღში
საწყობი უმსხვილეს ორგანიზაციულ ადგილებში, რომლებიც ყოფილა
მოდელში განსაზღვრული მონაცემები. მაგალითად ყველა მონაცემები რაც შეეხება ი მომხმარებელს
შეიცავს საგნის ზონაში მომხმარებელს. ანალოგიურად ყველა
მონაცემები პროდუქტებთან დაკავშირებულ პროდუქტებს შეიცავს სათაური
პროდუქტები.
ინტეგრირებული ინმონით ნიშნავს, რომ ი მონაცემები განსხვავებულიდან მოდის
პლატფორმები, სისტემები და მდებარეობები გაერთიანებულია და ინახება
ერთადერთი ადგილი. შესაბამისად მონაცემები მსგავსი უნდა გარდაიქმნას
თანმიმდევრულ ფორმატებში დასამატებლად და შესადარებლად
მარტივად.
მაგალითად წარმოდგენილია მამრობითი და მდედრობითი სქესი
M და F ასოებით ერთ სისტემაში, ხოლო 1-ით და 0-ით მეორეში. ამისთვის
მათი ინტეგრირება სწორი გზით, ერთი ან ორივე ფორმატი უნდა
გარდაიქმნება ისე, რომ ორი ფორმატი ერთნაირი იყოს. Ამაში
იმ შემთხვევაში, თუ ჩვენ შეგვიძლია შევცვალოთ M 1-ზე და F 0-ზე ან პირიქით. მიმართეთ საკუთარ თავს
სათაური და ინტეგრირებული მიუთითებს, რომ მონაცემთა საწყობი ის განკუთვნილია
უზრუნველყოს ფუნქციური და განივი ხედვა მონაცემები განზე
კომპანიის.
Non-volatile-ში ის გულისხმობს, რომ ი მონაცემები in მონაცემთა საწყობი რჩება
თანმიმდევრული და განახლებული მონაცემები არაა აუცილებელი. სამაგიეროდ, ყოველი
ცვლილებაში მონაცემები ორიგინალებს ემატება მონაცემთა ბაზა თარიღის
საწყობი. ეს ნიშნავს, რომ ისტორიული დეი მონაცემები შეიცავს
მონაცემთა საწყობი.
დროით ცვლადებისთვის Inmon მიუთითებს, რომ i მონაცემები in მონაცემთა საწყობი
ყოველთვის შეიცავს ei დროის ინდიკატორებს მონაცემები ჩვეულებრივ
მოიცავს დროის გარკვეულ ჰორიზონტს. მაგალითად ა
მონაცემთა საწყობი შეიძლება შეიცავდეს 5 წლის ისტორიულ ღირებულებებს მომხმარებელს dal
1993 წლიდან 1997 წლამდე. ისტორიისა და დროის სერიების ხელმისაწვდომობა
სულ მონაცემები საშუალებას გაძლევთ გაანალიზოთ ტენდენციები.
Un მონაცემთა საწყობი მას შეუძლია საკუთარი თავის შეგროვება მონაცემები სისტემებიდან
OLTP; წარმოშობიდან მონაცემები ორგანიზაციის გარედან და/ან სხვა სპეციალობით
სისტემის პროექტების გადაღება მონაცემები.
I მონაცემები ექსტრაქტებს შეუძლიათ გაიარონ გაწმენდის პროცესი
ამ შემთხვევაში ი მონაცემები ისინი გარდაიქმნებიან და ინტეგრირებულნი არიან მანამდე
ინახება მონაცემთა ბაზა del მონაცემთა საწყობი. Შემდეგ მე მონაცემები
ფარგლებში მცხოვრები მონაცემთა ბაზა del მონაცემთა საწყობი ხელმისაწვდომია
საბოლოო მომხმარებლის წვდომისა და აღდგენის ინსტრუმენტები. გამოყენება
ამ ინსტრუმენტებს საბოლოო მომხმარებელს შეუძლია წვდომა ინტეგრირებულ ხედზე
ორგანიზაციის მონაცემები.
I მონაცემები ფარგლებში მცხოვრები მონაცემთა ბაზა del მონაცემთა საწყობი არიან
ინახება როგორც დეტალურად, ასევე შემაჯამებელ ფორმატში.
შეჯამების დონე შეიძლება დამოკიდებული იყოს მის ბუნებაზე მონაცემები. მე მონაცემები
დეტალური შეიძლება შედგებოდეს მონაცემები მიმდინარე და მონაცემები ისტორიკოსები
I მონაცემები ჰონორარი არ შედის მონაცემთა საწყობი სანამ მე მონაცემები
in მონაცემთა საწყობი ხელახლა განახლებულია.
გარდა შენახვისა ი მონაცემები საკუთარ თავს, ა მონაცემთა საწყობი ასევე შეიძლება
შეინახეთ სხვადასხვა სახის dato სახელწოდებით METADATA რომელიც
აღწერეთ ი მონაცემები მაცხოვრებლები მის მონაცემთა ბაზა.
არსებობს ორი სახის მეტამონაცემები: განვითარების მეტამონაცემები და განვითარების მეტამონაცემები
ანალიზები.
განვითარების მეტამონაცემები გამოიყენება მართვისა და ავტომატიზაციისთვის
მოპოვების, გაწმენდის, რუკების და დატვირთვის პროცესები მონაცემები in
მონაცემთა საწყობი.
განვითარების მეტამონაცემებში მოცემული ინფორმაცია შეიძლება შეიცავდეს
ოპერაციული სისტემების დეტალები, ამოსაღები ელემენტების დეტალები,
მოდელო მონაცემები del მონაცემთა საწყობი და კომპანიის წესები
კონვერტაცია დეი მონაცემები.
მეორე ტიპის მეტამონაცემები, რომელიც ცნობილია როგორც ანალიტიკური მეტამონაცემები
საბოლოო მომხმარებელს საშუალებას აძლევს შეისწავლოს მონაცემთა შინაარსი
საწყობი საპოვნელად მონაცემები ხელმისაწვდომი და მათი მნიშვნელობა ტერმინებით
ნათელი და არატექნიკური.
ამიტომ, ანალიზის მეტამონაცემები მუშაობს როგორც ხიდი მონაცემებს შორის
საწყობი და საბოლოო მომხმარებლის აპლიკაციები. ამ მეტამონაცემებს შეუძლია
შეიცავს ბიზნეს მოდელს, აღწერილობებს მონაცემები კორესპონდენტები
ბიზნეს მოდელს, წინასწარ განსაზღვრულ შეკითხვებს და ანგარიშებს,
ინფორმაცია მომხმარებლის შესვლისა და ინდექსის შესახებ.
ანალიზი და განვითარების მეტამონაცემები უნდა გაერთიანდეს ერთში
ინტეგრირებული მეტამონაცემების შემცველობა გამართულად მუშაობისთვის.
სამწუხაროდ, ბევრ არსებულ ინსტრუმენტს აქვს საკუთარი
მეტამონაცემები და ამჟამად არ არსებობს არსებული სტანდარტები
ისინი საშუალებას აძლევს მონაცემთა სასაწყობო ინსტრუმენტებს მათი ინტეგრირება
მეტამონაცემები. ამ მდგომარეობის გამოსასწორებლად ბევრი მოვაჭრე
ძირითადი მონაცემთა სასაწყობო ინსტრუმენტები ჩამოყალიბდა Meta Data
საბჭო, რომელიც მოგვიანებით გახდა მეტა მონაცემთა კოალიცია.
ამ კოალიციის მიზანია მეტამონაცემების ნაკრების შექმნა
სტანდარტი, რომელიც საშუალებას აძლევს მონაცემთა შენახვის სხვადასხვა ინსტრუმენტებს
მეტამონაცემების გადაქცევა
მათი ძალისხმევით მეტას დაბადება მოჰყვა
მონაცემთა ურთიერთგაცვლის სპეციფიკაცია (MDIS), რომელიც საშუალებას მისცემს გაცვლას
ინფორმაცია Microsoft-ის არქივებსა და დაკავშირებულ MDIS ფაილებს შორის.
არსებობა მონაცემები როგორც შეჯამებული/ინდექსირებული, ისე დეტალური იძლევა
მომხმარებლის შესაძლებლობა განახორციელოს DRILL DROWN
(ბურღვი) მოდი მონაცემები ინდექსირებულია დეტალურად და პირიქით.
არსებობა მონაცემები დეტალური ისტორიები საშუალებას იძლევა შექმნას
ტენდენციის ანალიზი დროთა განმავლობაში. გარდა ამისა ანალიზის მეტამონაცემებს შეუძლიათ
გამოიყენება როგორც დირექტორია მონაცემთა ბაზა del მონაცემთა საწყობი for
დაეხმარეთ საბოლოო მომხმარებლებს იპოვონ i მონაცემები საჭირო.
OLTP სისტემებთან შედარებით, მათი მხარდაჭერის უნარით
ანალიზი მონაცემები და ანგარიშგება, მონაცემთა საწყობი იგი განიხილება როგორც სისტემა
უფრო შესაფერისი საინფორმაციო პროცესებისთვის, როგორიცაა განხორციელება და
უპასუხეთ შეკითხვებს და მოამზადეთ ანგარიშები. შემდეგი განყოფილება
დეტალურად ხაზს გაუსვამს ორი სისტემის განსხვავებებს.
მონაცემთა საწყობი OLTP სისტემების წინააღმდეგ
ბევრი საინფორმაციო სისტემა ორგანიზაციებში
ისინი გამიზნულია ყოველდღიური ოპერაციების მხარდასაჭერად. ესენი
სისტემები, რომლებიც ცნობილია როგორც OLTP SYSTEMS, აფიქსირებენ ტრანზაქციებს
მუდმივად განახლდება ყოველდღიურად.
I მონაცემები ამ სისტემების ფარგლებში ხშირად იცვლება, ემატება ან
წაშლილია. მაგალითად, მომხმარებლის მისამართი ძლივს იცვლება
ის მოძრაობს ადგილიდან ადგილზე. ამ შემთხვევაში ახალი მისამართი
დარეგისტრირდება მისამართის ველის შეცვლით მონაცემთა ბაზა.
ამ სისტემების მთავარი მიზანია ხარჯების შემცირება
ტრანზაქციებს და ამავდროულად დამუშავების დროის შემცირებას.
OLTP სისტემების მაგალითები მოიცავს კრიტიკულ მოქმედებებს, როგორიცაა ჩაწერა
შეკვეთების აღრიცხვა, სახელფასო, ინვოისები, წარმოება, აი მომსახურება მომხმარებელს.
OLTP სისტემებისგან განსხვავებით, რომლებიც პროცესით შეიქმნა
გარიგებებზე და მოვლენებზე დაყრდნობით, ე.ი მონაცემთა საწყობი ისინი შეიქმნა
პროცესის მხარდაჭერა ანალიზის საფუძველზე მონაცემები ე სუ
გადაწყვეტილების პროცესები.
ეს ჩვეულებრივ მიიღწევა i მონაცემები სხვადასხვა სისტემებიდან
OLTP და გარე ერთ "კონტეინერში". მონაცემებიროგორც განიხილეს
წინა განყოფილებაში.
Monash მონაცემთა შენახვის პროცესის მოდელი
პროცესის მოდელი მონაცემთა საწყობი მონაშმა შეიმუშავა
მკვლევარები Monash DSS კვლევითი ჯგუფის, ეფუძნება
ლიტერატურა მონაცემთა საწყობი, allo მხარდაჭერის გამოცდილებაზე
სისტემების ველების განვითარება, მომწოდებლებთან დისკუსიებზე
აპლიკაციები გამოსაყენებლად მონაცემთა საწყობიექსპერტთა ჯგუფზე
გამოყენებაში მონაცემთა საწყობი.
ფაზებია: ინიცირება, დაგეგმვა, განვითარება, ოპერაციები და
ახსნა-განმარტებები. დიაგრამა ხსნის განმეორებით ბუნებას o
ა-ს ევოლუციური განვითარება მონაცემთა საწყობი პროცესის გამოყენებით
სხვადასხვა ფაზებს შორის მოთავსებული ორმხრივი ისრები. Ამაში
„იტერატიული“ და „ევოლუციური“ კონტექსტი ნიშნავს, რომ თითოეულში
პროცესის საფეხური, განხორციელების აქტივობები შეიძლება იყოს
ყოველთვის გაავრცელეთ უკან წინა ეტაპზე. Ეს არის
პროექტის ხასიათიდან გამომდინარე ა მონაცემთა საწყობი ნელ კვალე
დამატებითი მოთხოვნები მზადდება ნებისმიერ დროს
საბოლოო მომხმარებლის. მაგალითად, განვითარების ფაზაში ა
პროცესის მონაცემთა საწყობი, ერთს ითხოვს საბოლოო მომხმარებელი
ახალი განზომილება ან საგნის არეალი, რომელიც არ იყო ნაწილი
ორიგინალური გეგმა, ეს უნდა დაემატოს სისტემას. ეს
იწვევს პროექტში ცვლილებას. შედეგი არის ის, რომ გუნდი
დიზაინმა უნდა შეცვალოს აქამდე შექმნილი დოკუმენტების მოთხოვნები
დიზაინის ფაზაში. ხშირ შემთხვევაში, ამჟამინდელი მდგომარეობა
პროექტი უნდა დაბრუნდეს დიზაინის ფაზაში, სადაც
ახალი მოთხოვნა უნდა იყოს დამატებული და დოკუმენტირებული. Მომხმარებელი
საბოლოო უნდა შეეძლოს ნახოს კონკრეტული შესწორებული დოკუმენტაცია ei
ცვლილებები, რომლებიც განხორციელდა განვითარების ეტაპზე. Ბოლოს
განვითარების ამ ციკლს პროექტმა უნდა მიიღოს დიდი გამოხმაურება
ორივე გუნდი, განვითარების გუნდი და მომხმარებლის გუნდი. THE
გამოხმაურება შემდეგ ხელახლა გამოიყენება მომავალი პროექტის გასაუმჯობესებლად.
Მოცულობის დაგეგმვა
DWs, როგორც წესი, არის ძალიან დიდი ზომის და იზრდება
ძალიან სწრაფად (საუკეთესო 1995, Rudin 1997a) შემდეგ
ოდენობა მონაცემები ისტორიული, რომელსაც ისინი ინარჩუნებენ მათი ხანგრძლივობისგან. იქ
ზრდა ასევე შეიძლება გამოწვეული იყოს მონაცემები მიერ მოთხოვნილი დამატებითი ნივთები
მომხმარებლებმა გაზარდონ ღირებულება მონაცემები რომ უკვე აქვთ. დან
შესაბამისად, შენახვის მოთხოვნები მონაცემები შეიძლება
მნიშვნელოვნად გაძლიერდეს (Eckerson 1997). Ასე რომ, ეს არის
აუცილებელია იმის უზრუნველსაყოფად, დაგეგმვის განხორციელებით
სიმძლავრე, რომლითაც ასაშენებელი სისტემა შეიძლება გაიზარდოს
მზარდი საჭიროებები (Best 1995, LaPlante 1996, Lang 1997,
Eckerson 1997, Rudin 1997a, Foley 1997a).
dw მასშტაბურობის დაგეგმვისას უნდა იცოდეთ
საწყობის ზომის მოსალოდნელი ზრდა, კითხვების ტიპები
სავარაუდოდ განხორციელდება და მხარდაჭერილი საბოლოო მომხმარებლების რაოდენობა (საუკეთესო
1995, Rudin 1997b, Foley 1997a). შექმენით მასშტაბირებადი აპლიკაციები
მოითხოვს მასშტაბირებადი სერვერის ტექნოლოგიებისა და ტექნიკის ერთობლიობას
მასშტაბირებადი აპლიკაციის დიზაინი (Best 1995, Rudin 1997b.
ორივე საჭიროა განაცხადის შესაქმნელად
უკიდურესად მასშტაბირებადი. მასშტაბირებადი სერვერის ტექნოლოგიებს შეუძლია
გახადეთ მარტივი და მომგებიანი შენახვის, მეხსიერების და
CPU დამამცირებელი შესრულების გარეშე (Lang 1997, Telephony 1997).
არსებობს ორი ძირითადი მასშტაბირებადი სერვერის ტექნოლოგია: გამოთვლა
სიმეტრიული მულტიპლექსირება (SMP) და მასიურად დამუშავება
პარალელური (MPP) ) (IDC 1997, Humphries et al. 1999). სერვერი
SMP ჩვეულებრივ აქვს რამდენიმე პროცესორი, რომლებიც იზიარებენ მეხსიერებას,
ავტობუსის სისტემა და სხვა რესურსები (IDC 1997, Humphries et al. 1999).
გაზრდის მიზნით შეიძლება დაემატოს დამატებითი პროცესორები
მისი შეიძლება გამოთვლითი. კიდევ ერთი მეთოდი გაზრდის
შეიძლება SMP სერვერის გამოთვლითი ძალა არის მრავალი
SMP მანქანები. ეს ტექნიკა ცნობილია როგორც კლასტერირება (Humphries
და სხვ. 1999). MPP სერვერს, მეორეს მხრივ, აქვს რამდენიმე პროცესორი
საკუთარი მეხსიერებით, ავტობუსის სისტემით და სხვა რესურსებით (IDC 1997,
ჰამფრისი და სხვ. 1999). თითოეულ პროცესორს კვანძი ეწოდება. ა
გაზრდა შეიძლება გამოთვლების მიღება შესაძლებელია
დამატებითი კვანძების დამატება MPP სერვერებზე (Humphries et al.
1999).
SMP სერვერების სისუსტე არის ძალიან ბევრი შეყვანა-გამომავალი ოპერაციები
(I/O) შეუძლია გადატვირთოს ავტობუსის სისტემა (IDC 1997). ეს
პრობლემა არ ხდება MPP სერვერებში, რადგან თითოეული
პროცესორს აქვს საკუთარი ავტობუსის სისტემა. თუმცა, ურთიერთკავშირები
თითოეულ კვანძს შორის, ზოგადად, გაცილებით ნელია ვიდრე ავტობუსის სისტემა
SMP-ების. ასევე, MPP სერვერებს შეუძლიათ ფენის დამატება
დამატებითი სირთულე აპლიკაციის შემქმნელებისთვის (IDC
1997). ამრიგად, SMP და MPP სერვერებს შორის არჩევანზე შეიძლება გავლენა იქონიოს
მრავალი ფაქტორით, მათ შორის კითხვების სირთულის, ურთიერთობის
ფასი/ეფექტურობა, საჭირო გადამამუშავებელი სიმძლავრე,
თავიდან აიცილა dw აპლიკაციები და ზომის ზრდა მონაცემთა ბაზა
dw-ს და საბოლოო მომხმარებლების რაოდენობაში.
მრავალი მასშტაბირებადი აპლიკაციის დიზაინის ტექნიკა
შეიძლება გამოყენებულ იქნას სიმძლავრის დაგეგმვაში. ერთი
იყენებს სხვადასხვა საანგარიშო პერიოდს, როგორიცაა დღეები, კვირები, თვეები და წლები.
სხვადასხვა შეტყობინების პერიოდის მქონე, მონაცემთა ბაზა შეიძლება დაიყოს
ნაწილები ადვილად ჯგუფდება (Inmon et al. 1997). Სხვა
ტექნიკა არის აგებული შემაჯამებელი ცხრილების გამოყენება
შეჯამება მონაცემები da მონაცემები დეტალური. ამრიგად, ი მონაცემები შეჯამებები უფრო მეტია
კომპაქტური ვიდრე დეტალური, რაც მოითხოვს ნაკლებ მეხსიერებას.
ასე რომ მონაცემები დეტალების დაარქივება შესაძლებელია ერთეულში
ნაკლებად ძვირი საცავი, რაც დაზოგავს კიდევ უფრო მეტ დეპოზიტს.
მიუხედავად იმისა, რომ შემაჯამებელი ცხრილების გამოყენებამ შეიძლება დაზოგოს სივრცე
მეხსიერების, მათ დიდი ძალისხმევა სჭირდებათ, რათა შეინარჩუნონ ისინი განახლებულად
კომერციული საჭიროებების შესაბამისად. თუმცა, ეს ტექნიკა არის
ფართოდ გამოიყენება და ხშირად გამოიყენება ტექნიკასთან ერთად
წინა (საუკეთესო 1995, Inmon 1996a, Chauduri და Dayal
1997).
განსაზღვრა მონაცემთა საწყობი ტექნიკური
არქიტექტურა ტექნიკის განმარტება
dw არქიტექტურები
მონაცემთა საწყობის საწყისი მიმღებები ძირითადად ჩაფიქრებული იყვნენ
dw-ის ცენტრალიზებული განხორციელება, სადაც ყველა მონაცემები, შედის
i მონაცემები გარე, ინტეგრირებული იყო ერთში,
ფიზიკური შენახვა (Inmon 1996a, Bresnahan 1996, Peacock 1998).
ამ მიდგომის მთავარი უპირატესობა არის საბოლოო მომხმარებლები
მათ შეუძლიათ მიიღონ სამეწარმეო მასშტაბის ხედვა
(საწარმოს ფართო ხედი) დეი მონაცემები ორგანიზაციული (Ovum 1998). სხვა
უპირატესობა ის არის, რომ ის გთავაზობთ სტანდარტიზაციას მონაცემები მეშვეობით
ორგანიზაცია, რაც ნიშნავს, რომ არსებობს მხოლოდ ერთი ვერსია ან
dw საცავში გამოყენებული თითოეული ტერმინოლოგიის განმარტება
(რეპოსიტი) მეტამონაცემები (Flanagan and Safdie 1997, Ovum 1998). The
მეორეს მხრივ, ამ მიდგომის მინუსი არის ის, რომ ის ძვირი და რთულია
უნდა აშენდეს (Flanagan and Safdie 1997, Ovum 1998, Inmon et al.
1998). შენახვის არქიტექტურიდან არც ისე დიდი ხნის შემდეგ მონაცემები
ცენტრალიზებული გახდა პოპულარული, მოპოვების კონცეფცია განვითარდა
-ის უმცირესი ქვეჯგუფებიდან მონაცემები საჭიროებების მხარდასაჭერად
კონკრეტული აპლიკაციები (Varney 1996, IDC 1997, Berson and Smith
1997, ფარშევანგი 1998). ეს პატარა სისტემები უფრო დიდისგან არის მიღებული
დიდი მონაცემთა საწყობი ცენტრალიზებული. მათ დასახელებულია თარიღი
დამოკიდებული უწყებრივი საწყობები ან დამოკიდებულ მონაცემთა მარტები.
დამოკიდებული მონაცემების მარტის არქიტექტურა ცნობილია როგორც
სამსაფეხურიანი არქიტექტურა, სადაც პირველი იარუსი შედგება მონაცემებისგან
ცენტრალიზებული საწყობი, მეორე შედგება საწყობებისგან მონაცემები
უწყებრივი და მესამე შედგება წვდომისგან მონაცემები და ინსტრუმენტებიდან
ანალიზი (Demarest 1994, Inmon et al. 1997).
მონაცემთა მარტები ჩვეულებრივ შენდება შემდეგ მონაცემთა საწყობი
ცენტრალიზებული აშენდა საჭიროებების დასაკმაყოფილებლად
კონკრეტული ერთეულები (White 1995, Varney 1996).
მონაცემთა მარტების მაღაზია ი მონაცემები ძალიან აქტუალურია დეტალებთან დაკავშირებით
ერთიანობა (Inmon et al. 1997, Inmon et al. 1998, IA 1998).
ამ მეთოდის უპირატესობა ის არის, რომ არ იქნება dato არ
ინტეგრირებული და რომ ი მონაცემები ისინი ნაკლებად ზედმეტი იქნება მონაცემების ფარგლებში
მარტები წლიდან ყველა მონაცემები ისინი მოდიან საწყობიდან მონაცემები ინტეგრირებული.
კიდევ ერთი უპირატესობა ის არის, რომ თითოეულს შორის იქნება რამდენიმე კავშირი
მონაცემთა მარტი და მასთან დაკავშირებული წყაროები მონაცემები რადგან თითოეულ მონაცემთა მარტს აქვს მხოლოდ
წყარო მონაცემები. პლუს ამ არქიტექტურის ადგილზე, მომხმარებლები
ფინალს ჯერ კიდევ შეუძლია წვდომა მიმოხილვაზე მონაცემები
კორპორატიული ორგანიზაციები. ეს მეთოდი ცნობილია როგორც
ზემოდან ქვევით მეთოდი, რომელშიც მონაცემთა მარტები აგებულია მონაცემების შემდეგ
საწყობი (ფარშევანგი 1998, გოფ 1998).
ზოგიერთი შედეგის ადრეული ჩვენების საჭიროების გაზრდა
ორგანიზაციებმა დაიწყეს დამოუკიდებელი მონაცემთა მარტის შექმნა
(Flanagan and Safdie 1997, White 2000). ამ შემთხვევაში, მონაცემთა მარტები
ისინი იღებენ თავიანთს მონაცემები პირდაპირ საფუძვლებიდან მონაცემები OLTP და არა მას შემდეგ
ცენტრალიზებული და ინტეგრირებული შენახვა, რაც გამორიცხავს საჭიროებას
აქვს ცენტრალური საცავი ადგილზე.
თითოეული მონაცემთა მარტი მოითხოვს მინიმუმ ერთ ბმულს მის წყაროებთან
di მონაცემები. ერთი მინუსი არის რამდენიმე ბმულის ქონა თითოეული თარიღისთვის
მარტი არის ის, რომ წინა ორ არქიტექტურასთან შედარებით,
ჭარბი სიმრავლე მონაცემები მნიშვნელოვნად იზრდება.
თითოეული მონაცემთა მარტი უნდა შეინახოს ყველა მონაცემები ადგილობრივად საჭიროა
არ აქვს გავლენა OLTP სისტემებზე. ეს იწვევს ი მონაცემები
ისინი ინახება სხვადასხვა მონაცემთა მარტებში (Inmon et al. 1997).
ამ არქიტექტურის კიდევ ერთი მინუსი არის ის, რომ ის იწვევს
კომპლექსური ურთიერთკავშირების შექმნა მონაცემთა მარტებსა და მათ შორის
წყაროები მონაცემები რომელთა განხორციელება და კონტროლი რთულია (Inmon ed
სხვები. 1997).
კიდევ ერთი მინუსი არის ის, რომ საბოლოო მომხმარებლებს შეიძლება არ ენერგომოხმარება
წვდომა კომპანიის ინფორმაციის მიმოხილვაში, რადგან ი მონაცემები
მონაცემთა სხვადასხვა მარტი არ არის ინტეგრირებული (Ovum 1998).
კიდევ ერთი მინუსი არის ის, რომ შეიძლება იყოს ერთზე მეტი
თითოეული ტერმინოლოგიის განმარტება, რომელიც გამოიყენება მის მიერ წარმოქმნილ მონაცემთა მარტებში
შეუსაბამობები მონაცემები ორგანიზაციაში (Ovum 1998).
მიუხედავად ზემოთ განხილული ნაკლოვანებებისა, დამოუკიდებელი მონაცემები მართავს
ჯერ კიდევ იზიდავს მრავალი ორგანიზაციის ინტერესს (IDC 1997).
ერთი ფაქტორი, რაც მათ მიმზიდველს ხდის, არის ის, რომ ისინი უფრო სწრაფად ვითარდებიან
და მოითხოვს ნაკლებ დროს და რესურსებს (Bresnahan 1996, Berson e
სმიტი 1997, კვერცხუჯრედი 1998). შესაბამისად, ძირითადად ემსახურებიან
როგორც სატესტო პროექტები, რომლებიც შეიძლება გამოყენებულ იქნას იდენტიფიცირებისთვის
სწრაფად მიიღება სარგებელი და/ან პროექტში არსებული ხარვეზები (Parsaye
1995, Braly 1995, Newing 1996). ამ შემთხვევაში, ნაწილი საწყისი
საპილოტე პროექტში განხორციელება უნდა იყოს მცირე, მაგრამ მნიშვნელოვანი
ორგანიზაციისთვის (Newing 1996, Mansell-Lewis 1996).
პროტოტიპის შემოწმებით, საბოლოო მომხმარებლებს და ადმინისტრაციას შეუძლიათ
გადაწყვიტეთ გააგრძელოთ თუ შეაჩეროთ პროექტი (Flanagan and Safdie
1997).
თუ გადაწყვეტილება გაგრძელდება, მონაცემთა მარაგი სხვა ინდუსტრიებისთვის
ისინი უნდა აშენდეს ერთ დროს. ამისთვის ორი ვარიანტია
საბოლოო მომხმარებლები მათი მონაცემების მშენებლობის საჭიროებებზე დაყრდნობით
დამოუკიდებელი მატრიები: ინტეგრირებული/ფედერირებული და არაინტეგრირებული (კვერცხუჯრედი
1998)
პირველ მეთოდში, ყოველი ახალი მონაცემთა მარტი უნდა აშენდეს
ამჟამინდელი მონაცემებისა და მოდელის საფუძველზე მონაცემები გამოიყენება
ფირმის მიერ (Varney 1996, Berson and Smith 1997, Peacock 1998).
მოდელის გამოყენების აუცილებლობა მონაცემები კომპანიის საჭიროებს
დარწმუნდით, რომ არსებობს მხოლოდ ერთი განმარტება თითოეული ტერმინოლოგიისთვის
გამოიყენება მონაცემთა მარტის საშუალებით, ეს ასევე არის ამ მონაცემების უზრუნველსაყოფად
სხვადასხვა მარტები შეიძლება გაერთიანდეს მიმოხილვის მისაცემად
კორპორატიული ინფორმაცია (ბრესნაჰანი 1996). ეს მეთოდი არის
ეწოდება ქვემოდან ზევით და საუკეთესოა, როდესაც არსებობს შეზღუდვა
დრო და ფინანსური საშუალებები (Flanagan and Safdie 1997, Ovum 1998,
ფარშევანგი 1998, გოფი 1998). მეორე მეთოდით, მონაცემთა მარტები
აშენებულს შეუძლია დააკმაყოფილოს მხოლოდ კონკრეტული ერთეულის საჭიროებები.
ფედერირებული მონაცემთა მარტის ვარიანტია მონაცემთა საწყობი განაწილებული
რომელშიც მონაცემთა ბაზა hub სერვერის შუალედური პროგრამა გამოიყენება ბევრის შერწყმისთვის
მონაცემთა მარტები ერთ საცავში მონაცემები გავრცელდა (White 1995). In
ამ შემთხვევაში, ი მონაცემები ბიზნესი ნაწილდება რამდენიმე მონაცემთა ბაზაში.
საბოლოო მომხმარებლის მოთხოვნები გადაგზავნილია მონაცემთა ბაზა
სერვერის კერის შუა პროგრამა, რომელიც ამოიღებს ყველაფერს მონაცემები მოთხოვნილი მონაცემებით
მარტები და მიაწოდეთ შედეგები საბოლოო მომხმარებლის აპლიკაციებს. ეს
მეთოდი აწვდის ბიზნეს ინფორმაციას საბოლოო მომხმარებლებს. თუმცა,
მონაცემთა მარტის პრობლემები ჯერ კიდევ არ არის აღმოფხვრილი
დამოუკიდებელი. არსებობს სხვა არქიტექტურა, რომელიც შეიძლება გამოყენებულ იქნას, რომელიც არის
დარეკეთ მონაცემთა საწყობი ვირტუალური (თეთრი 1995). თუმცა, ეს
არქიტექტურა, რომელიც აღწერილია სურათზე 2.9, არ არის არქიტექტურა
შენახვის მონაცემები რეალურია, რადგან ის არ მოძრაობს დატვირთვას
OLTP სისტემებიდან მონაცემთა საწყობი (Demarest 1994).
ფაქტობრივად, ითხოვს მონაცემები საბოლოო მომხმარებლებმა გადალახეს ai
OLTP სისტემები, რომლებიც აბრუნებენ შედეგებს დამუშავების შემდეგ
მომხმარებლის მოთხოვნები. მიუხედავად იმისა, რომ ეს არქიტექტურა მომხმარებლებს საშუალებას აძლევს
საბოლოო ანგარიშის გენერირება და მოთხოვნების ფორმულირება, ვერ უზრუნველყოფს i
მონაცემები კომპანიის ინფორმაციის ისტორიული და მიმოხილვა, როგორც ი მონაცემები
სხვადასხვა OLTP სისტემებიდან არ არის ინტეგრირებული. ასე რომ, ეს ერთი
არქიტექტურა ვერ დააკმაყოფილებს ანალიზს მონაცემები ისეთი კომპლექსი, როგორიცაა
პროგნოზების მაგალითი.
წვდომის აპლიკაციის შერჩევა და
აღდგენა მონაცემები
შენობის მიზანი ა მონაცემთა საწყობი არის გადმოცემა
ინფორმაცია საბოლოო მომხმარებლებისთვის (Inmon et al 1997, Poe 1996,
McFadden 1996, Shanks et al 1997, Hammergren 1998); ერთი ან
მრავალჯერადი წვდომისა და აღდგენის აპლიკაციები მონაცემები უნდა იყოს უზრუნველყოფილი. რომ
დღესდღეობით ამ აპლიკაციების ფართო არჩევანია მომხმარებლისთვის
აირჩიეთ (Hammergren 1998, Humphries et al. 1999). The
შერჩეული აპლიკაციები განსაზღვრავს მცდელობის წარმატებას
შენახვის მონაცემები ორგანიზაციაში, რადგან
აპლიკაციები ყველაზე თვალსაჩინო ნაწილია მონაცემთა საწყობი მომხმარებლისთვის
საბოლოო (Inmon et al. 1997, Poe 1996). თარიღის წარმატების მისაღწევად
საწყობს, უნდა შეეძლოს მონაცემთა ანალიზის აქტივობების მხარდაჭერა მონაცემები
საბოლოო მომხმარებლის (Poe 1996, Seddon and Benjamin 1998, Eckerson
1999). ასე რომ, ის "დონე", რაც სურს საბოლოო მომხმარებელს, უნდა იყოს
იდენტიფიცირებული (Poe 1996, Mattison 1996, Inmon et al. 1997,
ჰამფრისი და სხვები 1999).
ზოგადად, საბოლოო მომხმარებლები შეიძლება დაიყოს სამად
კატეგორიები: აღმასრულებელი მომხმარებლები, ბიზნეს ანალიტიკოსები და ძლიერი მომხმარებლები (პო
1996, Humphries et al. 1999). აღმასრულებელ მომხმარებლებს სჭირდებათ
მარტივი წვდომა წინასწარ განსაზღვრულ ანგარიშებზე (Humphries ed
სხვები 1999). ამ მოხსენებების მიღწევა მარტივად შეიძლება
მენიუს ნავიგაცია (Poe 1996). გარდა ამისა, ანგარიშები უნდა
ინფორმაციის წარმოდგენა გრაფიკული გამოსახულების გამოყენებით
როგორიცაა ცხრილები და შაბლონები სწრაფად მიწოდებისთვის
ინფორმაცია (Humphries et al. 1999). ბიზნეს ანალიტიკოსები, რომლებსაც არა
მათ შეიძლება ჰქონდეთ ტექნიკური შესაძლებლობები ურთიერთობის დასამყარებლად
ნულოვანი თავისთავად, უნდა შეძლონ მიმდინარე ანგარიშების შეცვლა
დააკმაყოფილებს მათ სპეციფიკურ საჭიროებებს (Poe 1996, Humphries et al
1999). მეორეს მხრივ, ძლიერი მომხმარებლები არიან საბოლოო მომხმარებლების ტიპი
აქვს მოთხოვნისა და ანგარიშების გენერირებისა და დაწერის უნარი
ნულოვანი (Poe 1996, Humphries et al. 1999). ისინი არიან ვინც
შეიმუშავეთ ანგარიშები სხვა ტიპის მომხმარებლებისთვის (Poe 1996, Humphries
და სხვები 1999).
საბოლოო მომხმარებლის მოთხოვნების დადგენის შემდეგ, ეს უნდა გაკეთდეს
წვდომისა და აღდგენის აპლიკაციების შერჩევა მონაცემები ყველა შორის
ხელმისაწვდომი (Poe 1996, Inmon et al. 1997).
წვდომა მონაცემები და მოპოვების ინსტრუმენტები შეიძლება იყოს
კლასიფიცირებულია 4 ტიპად: OLAP ინსტრუმენტი, EIS/DSS ინსტრუმენტი, შეკითხვის ინსტრუმენტი და
ანგარიშგების და მონაცემთა მოპოვების ინსტრუმენტები.
OLAP ინსტრუმენტები მომხმარებლებს საშუალებას აძლევს შექმნან ad hoc მოთხოვნები ასევე
რომლებიც დამზადებულია მონაცემთა ბაზა del მონაცემთა საწყობი. პლუს ეს პროდუქტები
საშუალებას აძლევს მომხმარებლებს გაბურღონ ქვემოთ მონაცემები ზოგადი მათთვის
დეტალური.
EIS/DSS ინსტრუმენტები უზრუნველყოფს აღმასრულებელ მოხსენებას, როგორც „რა იქნებოდა თუ“ ანალიზი
და მენიუში ორგანიზებულ ანგარიშებზე წვდომა. მოხსენებები უნდა იყოს
წინასწარ განსაზღვრული და შერწყმული მენიუები უფრო მარტივი ნავიგაციისთვის.
შეკითხვისა და მოხსენების ინსტრუმენტები მომხმარებლებს საშუალებას აძლევს შექმნან ანგარიშები
წინასწარ განსაზღვრული და კონკრეტული.
მონაცემთა მოპოვების ინსტრუმენტები გამოიყენება ურთიერთობების დასადგენად
შეიძლება ახალი შუქი მოჰფინოს დავიწყებულ ოპერაციებს მონაცემები del
მონაცემთა საწყობი.
თითოეული ტიპის მომხმარებლის მოთხოვნების ოპტიმიზაციის პარალელურად, ე.ი
შერჩეული ხელსაწყოები უნდა იყოს ინტუიციური, ეფექტური და მარტივი გამოსაყენებელი.
ისინი ასევე უნდა იყოს თავსებადი არქიტექტურის სხვა ნაწილებთან ე
შეუძლია არსებულ სისტემებთან მუშაობა. ასევე შემოთავაზებულია
აირჩიეთ მონაცემების ხელმისაწვდომობისა და მოპოვების ინსტრუმენტები ფასებით და ეფექტურობით
გონივრული. გასათვალისწინებელი სხვა კრიტერიუმები მოიცავს ვალდებულებას
ხელსაწყოს გამყიდველი მათი პროდუქტის მხარდასაჭერად და მასთან დაკავშირებულ განვითარებაში
თავად ექნება მომავალ გამოშვებებში. მომხმარებლის ჩართულობის უზრუნველსაყოფად
მონაცემთა საწყობის გამოყენებისას დეველოპერული გუნდი ჩართულია
მომხმარებლები ხელსაწყოების შერჩევის პროცესში. Ამ შემთხვევაში
უნდა მოხდეს მომხმარებლის პრაქტიკული შეფასება.
მონაცემთა საწყობის ღირებულების გასაუმჯობესებლად განვითარების გუნდს შეუძლია
ასევე უზრუნველყოს ვებ წვდომა მათ მონაცემთა საწყობებზე. ა
ინტერნეტში ჩართული მონაცემთა საწყობი მომხმარებლებს აძლევს წვდომას მონაცემები
შორეული ადგილებიდან ან მოგზაურობის დროს. დამატებითი ინფორმაცია შეიძლება
უზრუნველყოფილი იქნება დაბალ ფასად ხარჯების შემცირების გზით
დი ტრენინგი.
2.4.3 მონაცემთა საწყობი ოპერაციის ფაზა
ეს ეტაპი შედგება სამი აქტივობისგან: თარიღის სტრატეგიების განსაზღვრა
განახლება, მონაცემთა საწყობის საქმიანობის კონტროლი და მართვა
მონაცემთა საწყობის უსაფრთხოება.
მონაცემთა განახლების სტრატეგიების განსაზღვრა
საწყისი დატვირთვის შემდეგ, ე.ი მონაცემები in მონაცემთა ბაზა მონაცემთა საწყობის
პერიოდულად უნდა განახლდეს სათამაშოდ i
შეტანილი ცვლილებები მონაცემები ორიგინალები. ასე რომ, ჩვენ უნდა გადავწყვიტოთ
როდის უნდა განახლდეს, რამდენად ხშირად უნდა
განაახლეთ და როგორ განაახლოთ მონაცემები. შემოთავაზებულია ამის გაკეთება
-ის განახლება მონაცემები როდესაც შესაძლებელია სისტემის ოფლაინ გადატანა. იქ
განახლების სიჩქარე განისაზღვრება დეველოპერული გუნდის მიერ
მომხმარებლის მოთხოვნების შესახებ. განახლების ორი მიდგომა არსებობს
მონაცემთა საწყობი: სრული განახლება და უწყვეტი დატვირთვა
კამბიამენტი
პირველი მიდგომა, სრული განახლება, მოითხოვს გადატვირთვას
ყველა მონაცემები ნულიდან. ეს ნიშნავს, რომ ყველა მონაცემები საჭირო უნდა
მოპოვება, გაწმენდა, ტრანსფორმაცია და ინტეგრირება თითოეულ განახლებაში. ეს
მიდგომა შეძლებისდაგვარად თავიდან უნდა იქნას აცილებული, რადგან
მას ბევრი დრო და რესურსი სჭირდება.
ალტერნატიული მიდგომაა უწყვეტი ჩატვირთვა i
ცვლილებები. ეს ამატებს ი მონაცემები რომ შეიცვალა
მონაცემთა საწყობის განახლების ბოლო ციკლიდან. იდენტიფიკაცია
ახალი ან შეცვლილი ჩანაწერები მნიშვნელოვნად ამცირებს ოდენობას
მონაცემები რომელიც უნდა გავრცელდეს თითოეულში მონაცემთა საწყობში
განახლება, რადგან მხოლოდ ეს მონაცემები დაემატება მონაცემთა ბაზა
მონაცემთა საწყობის.
არსებობს მინიმუმ 5 მიდგომა, რომელიც შეიძლება გამოყენებულ იქნას გაყვანისთვის
i მონაცემები ახალი ან შეცვლილი. ეფექტური სტრატეგიის მისაღებად
-ის განახლება მონაცემები ამ მიდგომების ნარევი შეიძლება სასარგებლო იყოს
იღებს ყველა ცვლილებას სისტემაში.
პირველი მიდგომა, რომელიც იყენებს დროის ნიშანს, ვარაუდობს, რომ მოდის
მინიჭებული ყველას მონაცემები რედაქტირებულია და განახლებულია დროის შტამპი ისე
რათა ადვილად ამოიცნოთ ყველა მონაცემები შეცვლილი და ახალი.
თუმცა, ეს მიდგომა არ ყოფილა ფართოდ გამოყენებული უმეტესობაში
დღევანდელი ოპერაციული სისტემების ნაწილი.
მეორე მიდგომა არის მიერ გენერირებული დელტა ფაილის გამოყენება
აპლიკაცია, რომელიც შეიცავს მხოლოდ მასში განხორციელებულ ცვლილებებს მონაცემები.
ამ ფაილის გამოყენება ასევე აძლიერებს განახლების ციკლს.
თუმცა, ეს მეთოდიც კი არ ყოფილა ბევრში გამოყენებული
აპლიკაცია.
მესამე მიდგომა არის ჟურნალის ფაილის სკანირება, რომელიც
ძირითადად შეიცავს დელტა ფაილის მსგავს ინფორმაციას. Ერთადერთი
განსხვავება ისაა, რომ ჟურნალის ფაილი იქმნება აღდგენის პროცესისთვის და
შეიძლება ძნელი გასაგები იყოს.
მეოთხე მიდგომა არის განაცხადის კოდის შეცვლა.
თუმცა განაცხადის კოდის უმეტესობა ძველია და
მყიფე; ამიტომ ეს ტექნიკა თავიდან უნდა იქნას აცილებული.
ბოლო მიდგომა არის შედარება ი მონაცემები წყაროები ფაილთან ერთად
მთავარი ღმერთები მონაცემები.
მონაცემთა საწყობის საქმიანობის მონიტორინგი
მას შემდეგ, რაც მონაცემთა საწყობი გაუგზავნეს მომხმარებლებს, ის არის
დროთა განმავლობაში საჭიროა მონიტორინგი. ამ შემთხვევაში ადმინისტრატორი
მონაცემთა საწყობს შეუძლია გამოიყენოს ერთი ან მეტი მართვის ინსტრუმენტი და
კონტროლი მონაცემთა საწყობის გამოყენების მონიტორინგისთვის. Კერძოდ
ინფორმაცია ხალხისა და ამინდის შესახებ შეიძლება შეგროვდეს
რომლითაც ისინი შედიან მონაცემთა საწყობში. Მოდი მონაცემები შეგროვებული შეიძლება შეიქმნას
შესრულებული სამუშაოს პროფილი, რომელიც შეიძლება გამოყენებულ იქნას შეყვანის სახით
მომხმარებლის დაბრუნების განხორციელებაში. ჩარიცხვის დაბრუნება
მომხმარებლებს საშუალებას აძლევს ინფორმირებულნი იყვნენ დამუშავების ღირებულების შესახებ
მონაცემთა საწყობი.
ასევე, მონაცემთა საწყობის კონტროლი ასევე შეიძლება გამოყენებულ იქნას
დაადგინეთ მოთხოვნების ტიპები, მათი ზომა, მოთხოვნის რაოდენობა თითოზე
დღე, კითხვაზე რეაგირების დრო, მიღწეული სექტორები და რაოდენობა
di მონაცემები დამუშავებული. შემოწმების კიდევ ერთი მიზანი
მონაცემთა საწყობი არის იდენტიფიცირება მონაცემები რომლებიც არ გამოიყენება. ესენი მონაცემები
მათი ამოღება შესაძლებელია მონაცემთა საწყობიდან დროის გასაუმჯობესებლად
შეკითხვის შესრულების პასუხი და კონტროლის ზრდა
მონაცემები რომელიც ცხოვრობს ფარგლებში მონაცემთა ბაზა მონაცემთა საწყობის.
მონაცემთა საწყობის უსაფრთხოების მართვა
მონაცემთა საწყობი შეიცავს მონაცემები ინტეგრირებული, კრიტიკული, მგრძნობიარე რომ
ადვილად მისადგომია. ამ მიზეზით უნდა
დაცული იყოს არაავტორიზებული მომხმარებლებისგან. გზა
უსაფრთხოების განსახორციელებლად არის del ფუნქციის გამოყენება DBMS
სხვადასხვა ტიპის მომხმარებლისთვის სხვადასხვა პრივილეგიების მინიჭება. Ამაში
ისე, პროფილი უნდა იყოს შენახული თითოეული ტიპის მომხმარებლისთვის
წვდომა. მონაცემთა საწყობის დაცვის კიდევ ერთი გზაა მისი დაშიფვრა
როგორც წერია მონაცემთა ბაზა მონაცემთა საწყობის. წვდომა
მონაცემები და ამოღების ინსტრუმენტებმა უნდა გაშიფრონ მონაცემები წარდგენამდე ი
შედეგები მომხმარებლებისთვის.
2.4.4 მონაცემთა საწყობი განლაგების ფაზა
ეს არის ბოლო ეტაპი მონაცემთა საწყობის განხორციელების ციკლში. The
ამ ფაზაში განსახორციელებელი აქტივობები მოიცავს ტრენინგს
მომხმარებლებს გამოიყენონ მონაცემთა საწყობი და შექმნან მიმოხილვები
მონაცემთა საწყობის.
მომხმარებლის ტრენინგი
პირველ რიგში უნდა ჩატარდეს მომხმარებლის ტრენინგი
წვდომის მონაცემები მონაცემთა საწყობი და ინსტრუმენტების გამოყენება
მოძიება. ზოგადად, სესიები უნდა დაიწყოს
შენახვის კონცეფციის შესავალი მონაცემები, რომ
მონაცემთა საწყობის შინაარსი, აი მეტა მონაცემები და ძირითადი მახასიათებლები
ხელსაწყოების. შემდეგ, უფრო მოწინავე მომხმარებლებს ასევე შეეძლოთ მისი შესწავლა
ფიზიკური ცხრილები და მომხმარებლის მახასიათებლები მონაცემთა წვდომისა და ხელსაწყოების შესახებ
მოძიება.
მომხმარებლის ტრენინგის გასაკეთებლად მრავალი მიდგომა არსებობს. Ერთ - ერთი
ეს ითვალისწინებს მრავალი მომხმარებლის ან ანალიტიკოსის არჩევანს ა
მომხმარებელთა ნაკრები, რომელიც ეყრდნობა მათ ლიდერობას და უნარებს
კომუნიკაცია. ესენი გაწვრთნიან პერსონალურ უნარებს
ყველაფერი, რაც მათ უნდა იცოდნენ, რომ გაეცნონ
სისტემა. ტრენინგის დასრულების შემდეგ ისინი უბრუნდებიან სამუშაოს ე
ისინი იწყებენ სხვა მომხმარებლების სწავლებას, თუ როგორ გამოიყენონ სისტემა. Ზე
მათ მიერ ნასწავლიდან გამომდინარე, სხვა მომხმარებლებს შეუძლიათ დაიწყონ
შეისწავლეთ მონაცემთა საწყობი.
კიდევ ერთი მიდგომაა ბევრი მომხმარებლის მომზადება იმავეში
დრო, თითქოს საკლასო კურსს გადიოდი. ეს მეთოდი
ეს შესაფერისია, როდესაც ბევრი მომხმარებელია, რომლებსაც ტრენინგი სჭირდებათ
ამავე დროს. კიდევ ერთი მეთოდია ვარჯიში
თითოეული მომხმარებელი ინდივიდუალურად, სათითაოდ. ეს მეთოდი არის
შესაფერისია, როდესაც რამდენიმე მომხმარებელია.
მომხმარებლის ტრენინგის მიზანია მათი გაცნობა
წვდომით მონაცემები და ამოღების ხელსაწყოები, ასევე შინაარსი
მონაცემთა საწყობი. თუმცა, ზოგიერთი მომხმარებელი შეიძლება გადატვირთული იყოს
სხდომაზე მოწოდებული ინფორმაციის რაოდენობით
ტრენინგი. ასე რომ, რამდენიმე უნდა გაკეთდეს
განაახლეთ სესიების მიმდინარე დახმარება და უპასუხეთ
კონკრეტულ კითხვებზე. ზოგიერთ შემთხვევაში იქმნება ჯგუფი
მომხმარებლებმა უზრუნველყონ ამ ტიპის მხარდაჭერა.
გამოხმაურების შეგროვება
მას შემდეგ რაც მონაცემთა საწყობი ამოქმედდება, მომხმარებლებს შეუძლიათ
გამოიყენე ი მონაცემები რომლებიც ცხოვრობენ მონაცემთა საწყობში სხვადასხვა მიზნებისათვის.
ძირითადად, ანალიტიკოსები ან მომხმარებლები იყენებენ ი მონაცემები in
მონაცემთა საწყობი:
1 კომპანიის ტენდენციების იდენტიფიცირება
2 გაანალიზეთ შესყიდვის პროფილები მომხმარებელს
3 გაყოფა i მომხმარებელს ედ
4 მიეცით საუკეთესო მომსახურება მომხმარებელს - სერვისების მორგება
5 ჩამოაყალიბეთ სტრატეგიები მარკეტინგული
6 გააკეთეთ კონკურენტული შეთავაზებები ხარჯების ანალიზისთვის და დახმარებისთვის
კონტროლი
7 სტრატეგიული გადაწყვეტილების მიღების მხარდაჭერა
8 გამოავლინეთ გამორჩევის შესაძლებლობები
9 მიმდინარე ბიზნეს პროცესების ხარისხის გაუმჯობესება
10 შეამოწმეთ მოგება
მონაცემთა საწყობის განვითარების მიმართულების შემდეგ, მათ შეეძლოთ
განახორციელეთ სისტემის მიმოხილვების სერია უკუკავშირის მისაღებად
როგორც განვითარების გუნდიდან, ასევე საზოგადოებისგან
ბოლო მომხმარებლები.
მიღებული შედეგების გათვალისწინება შესაძლებელია
განვითარების შემდეგი ციკლი.
ვინაიდან მონაცემთა საწყობს აქვს დამატებითი მიდგომა,
აუცილებელია ვისწავლოთ წინა წარმატებებზე და შეცდომებზე
განვითარებული მოვლენები.
2.5 რეზიუმე
ამ თავში განხილულია არსებული მიდგომები
ლიტერატურა. პირველ ნაწილში განხილული იყო კონცეფცია
მონაცემთა საწყობი და მისი როლი გადაწყვეტილების მეცნიერებაში. ში
მე-2 სექციაში აღწერილი იყო ძირითადი განსხვავებები
მონაცემთა საწყობი და OLTP სისტემები. მე-3 ნაწილში განვიხილეთ
გამოყენებულია მონაცემთა საწყობის მოდელი მონაშის მიხედვით
მე-4 ნაწილში აღწერს პროცესში ჩართულ აქტივობებს
მონაცემთა საწყობის შემუშავება, ეს თეზისები არ იყო დაფუძნებული
მკაცრი კვლევა. რაც ხდება სინამდვილეში შეიძლება იყოს
ძალიან განსხვავდება ლიტერატურისგან, თუმცა ეს
შედეგები შეიძლება გამოყენებულ იქნას ძირითადი ბარგის შესაქმნელად, რომელიც
თქვენ ხაზს უსვამთ მონაცემთა საწყობის კონცეფციას ამ კვლევისთვის.
Თავი 3
კვლევისა და დიზაინის მეთოდები
ეს თავი ეხება კვლევისა და დიზაინის მეთოდებს
ამ კვლევას. პირველ ნაწილში ნაჩვენებია მეთოდების ზოგადი შეხედულება
გარდა ამისა, საძიებო სისტემები ხელმისაწვდომია ინფორმაციის მოსაპოვებლად
განიხილება საუკეთესო მეთოდის არჩევის კრიტერიუმები
კონკრეტული კვლევა. მე-2 ნაწილში განიხილება ორი მეთოდი
შერჩეული ახლად ჩამოყალიბებული კრიტერიუმებით; ამათგან შეირჩევა და
მიიღო ერთი მე-3 ნაწილში ჩამოთვლილი მიზეზებით, სადაც ისინი არიან
ახსნილია სხვა კრიტერიუმის გამორიცხვის მიზეზებიც. იქ
მე-4 ნაწილში წარმოდგენილია კვლევის პროექტი და სექცია 5 ლე
დასკვნები.
3.1 კვლევა საინფორმაციო სისტემებში
საინფორმაციო სისტემებში კვლევა უბრალოდ შეზღუდული არ არის
ტექნოლოგიურ სფეროზე, მაგრამ ასევე უნდა გაფართოვდეს
მიზნები ქცევასა და ორგანიზაციასთან დაკავშირებით.
ჩვენ ამის დამსახურება გვაქვს სხვადასხვა დისციპლინის თეზისებით, დაწყებული
სოციალური მეცნიერებები ბუნებრივზე; ეს იწვევს ა
კვლევის მეთოდების გარკვეული სპექტრი, რომელიც მოიცავს რაოდენობრივ მეთოდებს
და ხარისხობრივი, რომლებიც გამოიყენება საინფორმაციო სისტემებისთვის.
ყველა არსებული კვლევის მეთოდი მნიშვნელოვანია, ფაქტობრივად რამდენიმე
მკვლევარები, როგორიცაა ჯენკინსი (1985), ნუნამეიკერი და სხვ. (1991) და გალიერსი
(1992) ამტკიცებენ, რომ არ არსებობს უნივერსალური სპეციფიკური მეთოდი
ინფორმაციული სისტემების სხვადასხვა დარგში კვლევების ჩატარება; Ნამდვილად
მეთოდი შეიძლება იყოს შესაფერისი კონკრეტული კვლევისთვის, მაგრამ არა
სხვებისთვის. ეს გვაძლევს იმ მეთოდის არჩევის აუცილებლობას, რომელიც
შესაფერისია ჩვენი კონკრეტული კვლევითი პროექტისთვის: ამისთვის
არჩევანი Benbasat et al. (1987) აცხადებენ, რომ ისინი გასათვალისწინებელია
კვლევის ბუნება და მიზანი.
3.1.1 კვლევის ბუნება
კვლევის ბუნებაზე დაფუძნებული სხვადასხვა მეთოდი შეიძლება იყოს
კლასიფიცირებულია მეცნიერებაში ფართოდ ცნობილი სამ ტრადიციად
ინფორმაციის: პოზიტივისტური, ინტერპრეტაციული და კრიტიკული კვლევა.
3.1.1.1 პოზიტივისტური კვლევა
პოზიტივისტური კვლევა ასევე ცნობილია როგორც სამეცნიერო კვლევა ან
ემპირიული. ის ცდილობს: „ახსნას და იწინასწარმეტყველოს რა მოხდება
სოციალური სამყარო კანონზომიერებების და მიზეზ-შედეგობრივი ურთიერთობების დათვალიერებით
ელემენტებს შორის, რომლებიც მას ქმნიან“ (Shanks et al 1993).
პოზიტივისტურ კვლევას ასევე ახასიათებს განმეორებადობა,
გამარტივებები და უარყოფები. გარდა ამისა, პოზიტივისტური კვლევა აღიარებს
შესწავლილ ფენომენებს შორის აპრიორული ურთიერთობის არსებობა.
გალიერსის (1992) მიხედვით ტაქსონომია კვლევის მეთოდია
შედის პოზიტივისტურ პარადიგმაში, რომელიც ამით არ შემოიფარგლება,
სინამდვილეში არის ლაბორატორიული ექსპერიმენტები, საველე ექსპერიმენტები,
შემთხვევის შესწავლა, თეორემის დადასტურება, პროგნოზები და სიმულაციები.
ამ მეთოდების გამოყენებით მკვლევარები აღიარებენ, რომ ფენომენები
შესწავლა შეიძლება იყოს ობიექტურად და მკაცრად.
3.1.1.2 ინტერპრეტაციული კვლევა
ინტერპრეტაციული კვლევა, რომელსაც ხშირად უწოდებენ ფენომენოლოგიას ან
ანტიპოზიტივიზმს ნეუმანი (1994) აღწერს, როგორც „ანალიზს
მოქმედების სოციალური მნიშვნელობის სისტემატიკა პირდაპირი და
ბუნებრივ სიტუაციებში ადამიანებზე დეტალური დაკვირვება, თანმიმდევრობით
მივიდეს იმის გაგებამდე და ინტერპრეტაციამდე, თუ როგორ
ადამიანები ქმნიან და ინარჩუნებენ თავიანთ სოციალურ სამყაროს“. კვლევები
ინტერპრეტაციული თეორიები უარყოფენ ვარაუდს, რომ დაკვირვებული ფენომენები
შეიძლება ობიექტურად დაკვირვება. მართლაც, ისინი დაფუძნებულია
სუბიექტურ ინტერპრეტაციებზე. გარდა ამისა, ინტერპრეტაციის მკვლევარები ამას არ აკეთებენ
ისინი მათ მიერ შესწავლილ ფენომენებს აპრიორულ მნიშვნელობებს აწესებენ.
ეს მეთოდი მოიცავს სუბიექტურ/არგუმენტირებულ კვლევებს, ქმედებებს
კვლევა, აღწერითი/ინტერპრეტაციული კვლევები, მომავალი კვლევა და თამაშები
როლი. ამ გამოკითხვებისა და შემთხვევის შესწავლის გარდა შეიძლება იყოს
შედის ამ მიდგომაში, რადგან ისინი ეხება კვლევებს
ინდივიდები ან ორგანიზაციები რთულ სიტუაციებში
რეალური სამყაროს.
3.1.1.3 კრიტიკული კვლევა
კრიტიკული კვლევა მეცნიერებაში ყველაზე ნაკლებად ცნობილი მიდგომაა
სოციალური, მაგრამ ბოლო დროს მიიპყრო მკვლევარების ყურადღება
საინფორმაციო სისტემების სფეროში. ფილოსოფიური ვარაუდი, რომ
სოციალური რეალობა ისტორიულად წარმოებული და რეპროდუცირებულია ხალხის მიერ,
ასევე სოციალური სისტემები თავისი მოქმედებებითა და ურთიერთქმედებებით. მათი
თუმცა, უნარი განპირობებულია მთელი რიგი მოსაზრებებით
სოციალური, კულტურული და პოლიტიკური.
ისევე როგორც ინტერპრეტაციული კვლევა, კრიტიკული კვლევა ამტკიცებს, რომ
პოზიტივისტურ კვლევას საერთო არაფერი აქვს სოციალურ კონტექსტთან და იგნორირებას უკეთებს
მისი გავლენა ადამიანის ქმედებებზე.
მეორე მხრივ, კრიტიკული კვლევა აკრიტიკებს ინტერპრეტაციულ კვლევას
იყავით ზედმეტად სუბიექტური და იმიტომ, რომ ის დახმარებას არ ისახავს მიზნად
ადამიანებს ცხოვრების გასაუმჯობესებლად. შორის ყველაზე დიდი განსხვავება
კრიტიკული კვლევა და დანარჩენი ორი მიდგომა არის მისი შეფასებითი განზომილება.
მაშინ როცა პოზიტივისტური და ინტერპრეტაციული ტრადიციების ობიექტურობა იმისთვისაა
პროგნოზირება ან ახსნა სტატუს კვოს ან სოციალური რეალობის, კრიტიკული კვლევა
მიზნად ისახავს კრიტიკულად შეაფასოს და გარდაქმნას სოციალური რეალობის ქვეშ
სტუდიაში.
კრიტიკული მკვლევარები, როგორც წესი, ეწინააღმდეგებიან სტატუს კვოს, რათა
მოხსნას სოციალური განსხვავებები და გააუმჯობესოს სოციალური პირობები. იქ
კრიტიკულ კვლევას აქვს ვალდებულება პროცესული შეხედულებისადმი
საინტერესო მოვლენაა და, შესაბამისად, ჩვეულებრივ გრძივია.
კვლევის მეთოდების მაგალითებია გრძელვადიანი ისტორიული კვლევები და
ეთნოგრაფიული კვლევები. თუმცა, კრიტიკული კვლევა არ ჩატარებულა
ფართოდ გამოიყენება საინფორმაციო სისტემების კვლევაში
3.1.2 კვლევის მიზანი
ძიების ბუნებასთან ერთად, მისი დანიშნულება შეიძლება გამოყენებულ იქნას
უხელმძღვანელოს მკვლევარს კონკრეტული მეთოდის შერჩევისას
კვლევა. კვლევითი პროექტის მიზანი მჭიდრო კავშირშია
ძიების პოზიციაზე საძიებო ციკლის მიმართ, რომელიც შედგება
სამი ეტაპი: თეორიის აგება, თეორიის ტესტირება და თეორიის დახვეწა
თეორია. ამრიგად, იმპულსიდან ძიების ციკლიდან გამომდინარე, ა
კვლევით პროექტს შეიძლება ჰქონდეს განმარტებითი, აღწერითი, მიზანი
საძიებო ან პროგნოზირებადი.
3.1.2.1 საძიებო კვლევა
საძიებო კვლევა მიზნად ისახავს თემის გამოკვლევას
სრულიად ახალი და ჩამოაყალიბეთ კვლევის კითხვები და ჰიპოთეზები
მომავალი. ამ ტიპის ძებნა გამოიყენება მშენებლობაში
თეორია, რათა მოიპოვოს საწყისი ცნობები ახალ სფეროში.
როგორც წესი, გამოიყენება თვისებრივი კვლევის მეთოდები, როგორიცაა შემთხვევის შესწავლა
კვლევის ან ფენომენოლოგიური კვლევების.
თუმცა ასევე შესაძლებელია რაოდენობრივი ტექნიკის გამოყენება, როგორიცაა
საძიებო გამოკვლევები ან ექსპერიმენტები.
3.1.3.3 აღწერილობითი ძიება
აღწერილობითი კვლევა მიზნად ისახავს ანალიზს და აღწერს დიდწილად
დეტალურად აღწერს კონკრეტულ სიტუაციას ან ორგანიზაციულ პრაქტიკას. ეს
იგი მიზანშეწონილია თეორიების ასაგებად და ასევე შეიძლება გამოყენებულ იქნას
დაადასტურეთ ან დაადასტურეთ ჰიპოთეზები. აღწერილობითი ძებნა ჩვეულებრივ
მოიცავს გაზომვებისა და ნიმუშების გამოყენებას. კვლევის ყველაზე შესაფერისი მეთოდები
მოიცავს გამოკვლევებს და ფონურ ანალიზს.
3.1.2.3 განმარტებითი კვლევა
ახსნა-განმარტებითი კვლევა ცდილობს ახსნას რატომ ხდება მოვლენები.
იგი აგებულია ფაქტებზე, რომლებიც უკვე შესწავლილია და ცდილობს იპოვოს
ამ ფაქტების მიზეზები.
ასე რომ, ახსნა-განმარტებითი კვლევა ჩვეულებრივ აგებულია კვლევაზე
საძიებო ან აღწერითი და დამხმარეა ტესტირებისა და დახვეწის მიზნით
თეორიები. ახსნა-განმარტებითი კვლევა ჩვეულებრივ იყენებს შემთხვევის შესწავლას
ან გამოკითხვაზე დაფუძნებული კვლევის მეთოდები.
3.1.2.4 პრევენციული კვლევა
პრევენციული კვლევა მიზნად ისახავს მოვლენებისა და ქცევების პროგნოზირებას
დაკვირვების ქვეშ, რომლებიც შესწავლილია (მარშალი და როსმანი
1995). წინასწარმეტყველება არის ჭეშმარიტების სტანდარტული სამეცნიერო ტესტი.
ამ ტიპის კვლევა ძირითადად იყენებს გამოკითხვებს ან მონაცემთა ანალიზს
მონაცემები ისტორიკოსები. (იინი 1989)
ზემოაღნიშნული განხილვა ცხადყოფს, რომ არსებობს მთელი რიგი
კვლევის შესაძლო მეთოდები, რომლებიც შეიძლება გამოყენებულ იქნას კვლევაში
კონკრეტული. თუმცა, უნდა არსებობდეს კონკრეტული მეთოდი, რომელიც უფრო შესაფერისია
სხვები კონკრეტული ტიპის კვლევითი პროექტისთვის. (გალერები
1987, Yin 1989, De Vaus 1991). ამიტომ ყველა მკვლევარს აქვს
საჭიროა გულდასმით შეაფასოს ძლიერი და სუსტი მხარეები
სხვადასხვა მეთოდებს, რათა მივიღოთ კვლევის ყველაზე შესაფერისი მეთოდი ე
თავსებადია კვლევით პროექტთან. (ჯენკინსი 1985, პერვანი და კლასი
1992, Bonomia 1985, Yin 1989, Himilton and Ives 1992).
3.2. კვლევის შესაძლო მეთოდები
ამ პროექტის მიზანი იყო გამოცდილების შესწავლა
ავსტრალიური ორგანიზაციები ი მონაცემები ინახება ერთთან ერთად
სვილუპო დი მონაცემთა საწყობი. დათო რომელიც, ამჟამად, არსებობს
კვლევის ნაკლებობა მონაცემთა სასაწყობო არეალში ავსტრალიაში,
ეს კვლევითი პროექტი ჯერ კიდევ ციკლის თეორიულ ფაზაშია
კვლევა და აქვს საძიებო დანიშნულება. გამოცდილების შესწავლა
ავსტრალიური ორგანიზაციები იღებენ მონაცემთა საწყობს
მოითხოვს რეალური საზოგადოების ინტერპრეტაციას. შესაბამისად,
ფილოსოფიური ვარაუდი, რომელიც ემყარება კვლევით პროექტს, შემდეგია
ტრადიციული ინტერპრეტაცია.
არსებული მეთოდების მკაცრი შემოწმების შემდეგ, ისინი გამოვლინდა
კვლევის ორი შესაძლო მეთოდი: გამოკითხვა და შემთხვევის შესწავლა
(case studies), რომელიც შეიძლება გამოვიყენოთ კვლევისთვის
საძიებო (Shanks et al. 1993). Galliers (1992) ამტკიცებს, რომ
ამ ორი მეთოდის ვარგისიანობა ამ კონკრეტული კვლევისთვის
მისი განახლებული ტაქსონომია ამბობს, რომ ისინი ვარგისია მშენებლობისთვის
თეორიული. შემდეგი ორი ქვეგანყოფილება განიხილავს თითოეულ მეთოდს
დეტალი
3.2.1 გამოკითხვის კვლევის მეთოდი
გამოკითხვის კვლევის მეთოდი მომდინარეობს უძველესი მეთოდიდან
აღწერა. აღწერა არის ინფორმაციის შეგროვება
მთელი მოსახლეობა. ეს მეთოდი ძვირი და არაპრაქტიკულია
განსაკუთრებით თუ მოსახლეობა დიდია. ასე შედარებით
აღწერის, გამოკითხვა ჩვეულებრივ ორიენტირებულია
შეაგროვოს ინფორმაცია მცირე რაოდენობის, ან ნიმუშის შესახებ
მოსახლეობის წარმომადგენლები (Fowler 1988, Neuman 1994). ა
ნიმუში ასახავს პოპულაციას, საიდანაც იგი არის შედგენილი, განსხვავებული
სიზუსტის დონეები, ნიმუშის სტრუქტურის მიხედვით,
ზომა და გამოყენებული შერჩევის მეთოდი (Fowler 1988, Babbie
1982, Neuman 1994).
გამოკითხვის მეთოდი განისაზღვრება, როგორც "პრაქტიკის კადრები,
სიტუაციები ან შეხედულებები დროის კონკრეტულ მომენტში, განხორციელებული გამოყენებით
კითხვარები ან ინტერვიუები, საიდანაც შეიძლება იყოს დასკვნები
დამზადებულია“ (Galliers 1992:153) [პრაქტიკის მყისიერი ფოტო,
სიტუაციები ან შეხედულებები დროის კონკრეტულ მომენტში, განხორციელებული გამოყენებით
კითხვარები ან ინტერვიუები, საიდანაც შეიძლება დასკვნის გაკეთება]. The
გამოკითხვები ეხება გარკვეული ასპექტების შესახებ ინფორმაციის შეგროვებას
კვლევის, რიგი მონაწილეთა მიერ, მიღების
კითხვები (Fowler 1988). თუნდაც ეს კითხვარები და ინტერვიუები, რომლებიც
მოიცავს პირისპირ სატელეფონო ინტერვიუებს და სტრუქტურირებულ ინტერვიუებს,
არის შეგროვების ტექნიკა მონაცემები ყველაზე ხშირად გამოიყენება
გამოძიება (Blalock 1970, Nachmias and Nachmias 1976, Fowler
1988), დაკვირვებები და ანალიზი შეიძლება გამოყენებულ იქნას (Gable
1994). ღმერთების შეგროვების ყველა ამ მეთოდიდან მონაცემები, გამოყენება
კითხვარი ყველაზე პოპულარული ტექნიკაა, რადგან ის უზრუნველყოფს, რომ ი მონაცემები
შეგროვებული სტრუქტურირებული და ფორმატირებულია და ამით ხელს უწყობს
ინფორმაციის კლასიფიკაცია (Hwang 1987, de Vaus 1991).
ანალიზისას ი მონაცემებიგამოძიების სტრატეგია ხშირად იყენებს
რაოდენობრივი ტექნიკა, როგორიცაა სტატისტიკური ანალიზი, მაგრამ ისინი შეიძლება იყოს
ასევე გამოიყენება ხარისხობრივი ტექნიკა (Galliers 1992, Pervan
და Klass 1992, Gable 1994). ჩვეულებრივ, ი მონაცემები შეგროვებული არიან
გამოიყენება ასოციაციების განაწილებისა და შაბლონების გასაანალიზებლად
(ფაულერი 1988).
მიუხედავად იმისა, რომ გამოკითხვები ზოგადად შესაფერისია კვლევისთვის
რომელიც ეხება კითხვას "რა?" (რა) ან მისგან
გამომავალი, როგორიცაა "რამდენი" და "რამდენი", ისინი
შეიძლება დაისვას კითხვა „რატომ“ (Sonquist და
Dunkelberg 1977, Yin 1989). სონკვისტისა და დუნკელბერგის მიხედვით
(1977), კვლევის კვლევა მიზნად ისახავს რთულ ჰიპოთეზებს, პროგრამას
შეფასება, მოსახლეობის აღწერა და მოდელების შემუშავება
ადამიანის ქცევა. გარდა ამისა, გამოკითხვები შეიძლება გამოყენებულ იქნას
შეისწავლოს მოსახლეობის გარკვეული აზრი, პირობები,
მოსაზრებები, მახასიათებლები, მოლოდინები და წარსული ქცევებიც კი
ან აწმყო (Neuman 1994).
გამოკვლევები საშუალებას აძლევს მკვლევარს აღმოაჩინოს ურთიერთობები
მოსახლეობა და შედეგები ჩვეულებრივ უფრო ზოგადია ვიდრე
სხვა მეთოდები (Sonquist and Dunkelberg 1977, Gable 1994). The
კვლევები მკვლევარებს გეოგრაფიული არეალის დაფარვის საშუალებას აძლევს
უფრო ფართო და მიაღწიოს ბევრ განცხადებას (Blalock 1970,
Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994,
ნეიმანი 1994). და ბოლოს, გამოკითხვებს შეუძლიათ ინფორმაციის მიწოდება
რომლებიც არ არის ხელმისაწვდომი სხვაგან ან ანალიზებისთვის საჭირო ფორმით
(ფაულერი 1988).
თუმცა, არსებობს გარკვეული შეზღუდვები გამოკითხვის ჩატარებისას. ერთი
მინუსი არის ის, რომ მკვლევარს არ შეუძლია ბევრი ინფორმაციის მოპოვება
შესწავლილ ობიექტთან დაკავშირებით. ეს გამოწვეულია იმით, რომ
გამოძიება ტარდება მხოლოდ კონკრეტულ დროს და, შესაბამისად,
მკვლევარს შეუძლია შეზღუდული რაოდენობის ცვლადები და ადამიანები
კვლევა (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998).
კიდევ ერთი მინუსი არის გამოკითხვის ჩატარება
ძალიან ძვირია დროისა და რესურსების თვალსაზრისით, განსაკუთრებით თუ
მოიცავს პირისპირ ინტერვიუებს (Fowler 1988).
3.2.2. გამოკითხვის კვლევის მეთოდი
გამოკითხვის კვლევის მეთოდი მოიცავს სიღრმისეულ შესწავლას
კონკრეტულ სიტუაციას მის რეალურ კონტექსტში ა
განსაზღვრული პერიოდის განმავლობაში, ყოველგვარი ჩარევის გარეშე
მკვლევარი (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985).
ძირითადად ეს მეთოდი გამოიყენება შორის ურთიერთობების აღსაწერად
ცვლადები, რომლებიც შესწავლილია კონკრეტულ სიტუაციაში
(გალიერი 1992). გამოძიება შეიძლება მოიცავდეს ცალკეულ შემთხვევებს ან
მრავალჯერადი, გაანალიზებული ფენომენის მიხედვით (Franz and Robey 1987,
ეიზენჰარდტი 1989, იინი 1989).
გამოკითხვის კვლევის მეთოდი განისაზღვრება, როგორც „გამოკითხვა
ემპირიული კვლევა, რომელიც სწავლობს თანამედროვე ფენომენს
შედარებით რეალური კონტექსტი, ერთი ან
მრავალი ერთეული, როგორიცაა ხალხი, ჯგუფები ან ორგანიზაციები“ (Yin 1989).
არ არსებობს მკაფიო გამიჯვნა ფენომენსა და მის კონტექსტს შორის ე
არ არსებობს ცვლადების კონტროლი ან ექსპერიმენტული მანიპულირება (Yin
1989, ბენბასატი და სხვები 1987).
შეგროვების სხვადასხვა ტექნიკა არსებობს მონაცემები რომ მათ შეუძლიათ
იყოს დასაქმებული გამოკითხვის მეთოდში, რომელიც მოიცავს
პირდაპირი დაკვირვებები, საარქივო ჩანაწერების მიმოხილვა, კითხვარები,
დოკუმენტაციის განხილვა და სტრუქტურირებული ინტერვიუები. მქონე
მოსავლის აღების ტექნიკის მრავალფეროვანი სპექტრი მონაცემები, გამოძიებები
საშუალებას აძლევს მკვლევარებს გაუმკლავდნენ ორივეს მონაცემები ხარისხობრივი რომ
რაოდენობები ერთდროულად (Bonoma 1985, Eisenhardt 1989, Yin
1989, გეიბლი 1994). როგორც გამოკითხვის მეთოდის შემთხვევაში, ა
გამოკითხვის მკვლევარი მოქმედებს როგორც დამკვირვებელი ან მკვლევარი და არა
როგორც შესწავლილი ორგანიზაციის აქტიური მონაწილე.
ბენბასატი და სხვები (1987) ამტკიცებენ, რომ კვლევის მეთოდი არის
განსაკუთრებით შესაფერისია თეორიის შენობის კვლევისთვის, რომელიც
დაიწყეთ კვლევის კითხვით და გააგრძელეთ ტრენინგი
თეორიის შეგროვების პროცესში მონაცემები. ყოფნა
ასევე შესაფერისი სცენაზე
თეორიის მშენებლობის შესახებ, ფრანც და რობი (1987) ვარაუდობენ, რომ
გამოკითხვის მეთოდი ასევე შეიძლება გამოყენებულ იქნას კომპლექსისთვის
თეორიის ეტაპი. ამ შემთხვევაში, შეგროვებული მტკიცებულებების საფუძველზე, ერთი
მოცემული თეორია ან ჰიპოთეზა დამოწმებულია ან უარყოფილია. გარდა ამისა, გამოძიებაა
ასევე შესაფერისია კვლევისთვის, რომელიც ეხება "როგორ" ან "როგორ" კითხვებს
"რატომ" (Yin 1989).
სხვა მეთოდებთან შედარებით გამოკითხვები მკვლევარს საშუალებას აძლევს
არსებითი ინფორმაციის უფრო დეტალურად აღბეჭდვა (Galliers
1992, Shanks et al 1993). გარდა ამისა, გამოძიება იძლევა საშუალებას
მკვლევარმა გააცნობიეროს შესწავლილი პროცესების ბუნება და სირთულე
(Benbasat et al. 1987).
მეთოდს ოთხი ძირითადი მინუსი აქვს
გამოძიება. პირველი არის კონტროლირებადი გამოქვითვების ნაკლებობა. იქ
მკვლევარის სუბიექტურობას შეუძლია შეცვალოს შედეგები და დასკვნები
კვლევის (Yin 1989). მეორე მინუსი არის ნაკლებობა
კონტროლირებადი დაკვირვება. ექსპერიმენტული მეთოდებისგან განსხვავებით,
გამოკითხვის მკვლევარი ვერ აკონტროლებს შესწავლილ ფენომენებს
როგორც ისინი განიხილება მათ ბუნებრივ კონტექსტში (Gable 1994). The
მესამე მინუსი არის გამეორების ნაკლებობა. ეს გამოწვეულია იმით
რომ მკვლევარი ნაკლებად სავარაუდოა დააკვირდეს იმავე მოვლენებს და
ვერ ამოწმებს კონკრეტული კვლევის შედეგებს (Lee 1989).
და ბოლოს, განუმეორებლობის გამო, რთულია
ერთი ან მეტი გამოკვლევის შედეგად მიღებული შედეგების განზოგადება (Galliers
1992, Shanks et al 1993). თუმცა ყველა ეს პრობლემა არა
ისინი გადაულახავნი არიან და შეიძლება, ფაქტობრივად, მინიმუმამდე დაიყვანონ
მკვლევარი, რომელიც იყენებს შესაბამის მოქმედებებს (ლი 1989).
3.3. დაასაბუთეთ კვლევის მეთოდოლოგია
მიღებული
ამ კვლევის ორი შესაძლო კვლევის მეთოდიდან, მეთოდი
გამოძიება ითვლება ყველაზე შესაფერისად. რომ გამოძიება არის
გაუქმდა შესაბამისი საკითხების ფრთხილად განხილვის შემდეგ
ღირსებები და სისუსტეები. თითოეულის მოხერხებულობა ან შეუსაბამობა
ამ კვლევის მეთოდი განხილულია ქვემოთ.
3.3.1. კვლევის მეთოდის შეუსაბამობა
გამოძიების
გამოკითხვის მეთოდი მოითხოვს ერთის სიღრმისეულ შესწავლას
კონკრეტული სიტუაცია ერთი ან მეტი ორგანიზაციისთვის ა
დროის პერიოდი (Eisenhardt 1989). ამ შემთხვევაში, პერიოდი შეიძლება
აღემატება ამ კვლევისთვის მოცემულ ვადას. სხვა
კვლევის მეთოდის შეუსრულებლობის მიზეზი არის ის, რომ შედეგები
მათ შეუძლიათ განიცადონ სიმკაცრის ნაკლებობა (Yin 1989). სუბიექტურობა
მკვლევარს შეუძლია გავლენა მოახდინოს შედეგებსა და დასკვნებზე. სხვა
მიზეზი არის ის, რომ ეს მეთოდი უფრო შესაფერისია კითხვებზე კვლევისთვის
"როგორ" ან "რატომ" ტიპის (Yin 1989), ხოლო კვლევის კითხვა
ამ კვლევისთვის ის არის „რა“ ტიპის. ბოლოს და ბოლოს
მნიშვნელოვანია, რომ ძნელია მხოლოდ ერთი ან
რამდენიმე გამოკვლევა (Galliers 1992, Shanks et al 1993). -ის ბაზაზე
ეს რაციონალური ახსნა, კვლევის მეთოდი არ არის
არჩეული იყო, რადგან ეს იყო შეუფერებელი ამ კვლევისთვის.
3.3.2. ძებნის მეთოდის მოხერხებულობა
გამოძიება
როდესაც ეს კვლევა ჩატარდა, მონაცემთა შენახვის პრაქტიკა
ფართოდ არ იყო მიღებული
ავსტრალიური ორგანიზაციები. ასე რომ, ბევრი ინფორმაცია არ იყო
ფარგლებში მათ განხორციელებასთან დაკავშირებით
ავსტრალიური ორგანიზაციები. ხელმისაწვდომი ინფორმაცია მოვიდა
ორგანიზაციებისგან, რომლებმაც განახორციელეს ან გამოიყენეს მონაცემები
საწყობი. ამ შემთხვევაში ყველაზე მეტად გამოკითხვის კვლევის მეთოდია
შესაფერისია, რადგან ის საშუალებას გაძლევთ მიიღოთ ინფორმაცია, რომელიც არ არის
ხელმისაწვდომია სხვაგან ან ანალიზისთვის საჭირო ფორმით (Fowler 1988).
გარდა ამისა, გამოკითხვის კვლევის მეთოდი საშუალებას აძლევს მკვლევარს
მიიღეთ კარგი წარმოდგენა პრაქტიკაში, სიტუაციებში ან
ჩანს კონკრეტულ დროს (Galliers 1992, Denscombe 1998).
საერთო ხედვა იყო საჭირო გასაზრდელად
ცოდნა ავსტრალიის მონაცემთა შენახვის გამოცდილების შესახებ.
კიდევ ერთხელ, სონკვისტი და დუნკელბერგი (1977) აცხადებენ, რომ შედეგები
გამოკითხვა უფრო ზოგადია, ვიდრე სხვა მეთოდები.
3.4. გამოკითხვის კვლევის დიზაინი
მონაცემთა შენახვის პრაქტიკის გამოძიება 1999 წელს ჩატარდა.

სამიზნე მოსახლეობა შედგებოდა ორგანიზაციებისგან
ავსტრალიელები დაინტერესებულნი იყვნენ მონაცემთა საწყობის კვლევებით, როგორც იყვნენ
ალბათ უკვე ინფორმირებულია ი მონაცემები რომ ისინი ინახავენ და
შესაბამისად, მას შეუძლია უზრუნველყოს სასარგებლო ინფორმაცია ამ კვლევისთვის. იქ
სამიზნე პოპულაცია გამოვლინდა პირველადი გამოკითხვით
„მონაცემთა შენახვის ინსტიტუტის“ (Tdwiaap) ყველა ავსტრალიელი წევრი.
ეს ნაწილი განიხილავს კვლევის ფაზის დიზაინს
ამ კვლევის ემპირიული მტკიცებულება.
3.4.1. მოსავლის აღების ტექნიკა მონაცემები
სამი ტექნიკიდან, რომლებიც ჩვეულებრივ გამოიყენება გამოკითხვის კვლევაში
(ანუ საფოსტო კითხვარი, სატელეფონო ინტერვიუ და გასაუბრება
პირადი) (Nachmias 1976, Fowler 1988, de Vaus 1991), ამისთვის
ამ კვლევამ მიიღო ფოსტის კითხვარი. Პირველი
ამ უკანასკნელის მიღების მიზეზი არის ის, რომ მას შეუძლია მიაღწიოს ა
გეოგრაფიულად გაფანტული მოსახლეობა (Blalock 1970, Nachmias e
Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994).
მეორეც, საფოსტო კითხვარი შესაფერისია მონაწილეებისთვის
უაღრესად განათლებული (Fowler 1988). ფოსტის კითხვარი ამისათვის
კვლევა მიმართული იყო მონაცემთა საწყობის პროექტის სპონსორებისთვის,
დირექტორები ან/და პროექტის მენეჯერები. მესამე, კითხვარები მოშორებულია
ფოსტა შესაფერისია, როდესაც თქვენ გაქვთ დაცული სია
მისამართები (Salant and Dilman 1994). TDWI, ამ შემთხვევაში, ერთი
სანდო მონაცემთა საწყობის ასოციაციამ მოგვაწოდა მისამართების სია
მისი ავსტრალიელი წევრები. კითხვარის კიდევ ერთი უპირატესობა
ფოსტით ან სატელეფონო კითხვარის ან გასაუბრების საშუალებით
პირადი არის ის, რომ ის რეგისტრატორებს საშუალებას აძლევს მეტი პასუხის გაცემა
სიზუსტე, განსაკუთრებით მაშინ, როდესაც რეგისტრანტებს სჭირდებათ კონსულტაცია
შენიშვნები ან განიხილეთ კითხვები სხვა ადამიანებთან (ფაულერი
1988).
პოტენციური მინუსი შეიძლება იყოს საჭირო დრო
კითხვარების ჩატარება ფოსტით. ჩვეულებრივ, კითხვარი შორს არის
ფოსტა იგზავნება ამ თანმიმდევრობით: გაგზავნეთ წერილები, დაელოდეთ
პასუხები და გაგზავნეთ დადასტურება (Fowler 1988, Bainbridge 1989).
ამრიგად, მთლიანი დრო შეიძლება იყოს საჭირო დროზე მეტი
პირადი ინტერვიუებისთვის ან სატელეფონო ინტერვიუებისთვის. თუმცა,
მთლიანი დრო შეიძლება წინასწარ იყოს ცნობილი (Fowler 1988,
დენკომბი 1998). ინტერვიუების ჩატარებაზე დახარჯული დრო
პერსონალური მონაცემები არ შეიძლება წინასწარ იყოს ცნობილი, რადგან ისინი განსხვავდება
ერთი ინტერვიუ მეორეს (Fowler 1988). სატელეფონო ინტერვიუები
შეიძლება იყოს უფრო სწრაფი ვიდრე საფოსტო კითხვარები და
პირადი ინტერვიუები, მაგრამ შეიძლება ჰქონდეს გაცდენის მაღალი მაჩვენებელი
პასუხი ზოგიერთი ადამიანის მიუწვდომლობის გამო (Fowler 1988).
გარდა ამისა, სატელეფონო ინტერვიუები ზოგადად შემოიფარგლება სიით
შედარებით მოკლე კითხვები (Bainbridge 1989).
ფოსტის კითხვარის კიდევ ერთი სისუსტე არის მისი მაღალი მაჩვენებელი
რეაგირების ნაკლებობა (Fowler 1988, Bainbridge 1989, Neuman
1994). თუმცა, მიღებული იქნა კონტრზომები, ასოცირება
ეს კვლევა სანდო ინსტიტუტთან მონაცემთა სფეროში
საწყობი (ანუ TDWI) (Bainbridge 1989, Neuman 1994),
რომელიც ორ შეხსენების წერილს უგზავნის მათ, ვინც არ უპასუხა
(Fowler 1988, Neuman 1994) და ასევე შეიცავს წერილს
ჩანართი, რომელიც ხსნის კვლევის მიზანს (Neuman 1994).
3.4.2. ანალიზის ერთეული
ამ კვლევის მიზანია ინფორმაციის მოპოვება
მონაცემთა შენახვის განხორციელება და მისი გამოყენება
ავსტრალიურ ორგანიზაციებში. სამიზნე მოსახლეობა
შედგება ყველა ავსტრალიური ორგანიზაციისგან, რომელსაც აქვს
ახორციელებენ, ან ახორციელებენ, ე.ი მონაცემთა საწყობი. in
შემდეგ ხდება ცალკეული ორგანიზაციების რეგისტრაცია. კითხვარი
ის ფოსტით გაეგზავნა შვილად აყვანით დაინტერესებულ ორგანიზაციებს
di მონაცემთა საწყობი. ეს მეთოდი უზრუნველყოფს ინფორმაციას
შეგროვებული მოდის თითოეული ორგანიზაციის ყველაზე შესაფერისი რესურსებიდან
მონაწილე.
3.4.3. გამოკითხვის ნიმუში
გამოკითხვის მონაწილეთა „დაგზავნის სია“ იქნა მიღებული
TDWI. ამ სიიდან 3000 ავსტრალიური ორგანიზაცია
შერჩევის საფუძვლად შეირჩა. ა
დამატებით წერილში განმარტა გამოძიების პროექტი და მიზანი,
პასუხების ფურცელთან და წინასწარ გადახდილ კონვერტთან ერთად
შევსებული კითხვარი გაეგზავნა ნიმუშს.
3000 ორგანიზაციიდან 198 დათანხმდა მონაწილეობას
სწავლა. ასეთი მცირე რაოდენობის პასუხები მოსალოდნელი იყო dato il
დიდი რაოდენობით ავსტრალიური ორგანიზაციები, რომლებიც მათ მაშინ ჰქონდათ
მოიცვა ან იღებდნენ თარიღის სტრატეგიას
საწყობი მათ ორგანიზაციებში. ასე რომ,
ამ კვლევის სამიზნე პოპულაცია შედგება მხოლოდ 198-ისგან
ორგანიზაციები.
3.4.4. კითხვარის შინაარსი
კითხვარის სტრუქტურა დაფუძნებული იყო თარიღის მოდელზე
მონაშის საწყობი (ადრე განხილული იყო 2.3 ნაწილში). The
კითხვარის შინაარსი ეფუძნებოდა ანალიზს
მე-2 თავში წარმოდგენილი ლიტერატურა. კითხვარის ასლი
გამოკითხვის მონაწილეებისთვის გაგზავნილი შეგიძლიათ იპოვოთ
დანართში B. კითხვარი შედგება ექვსი განყოფილებისგან, რომლებიც
მოჰყვება განხილული მოდელის ფაზები. შემდეგი ექვსი აბზაცი
ისინი მოკლედ აჯამებენ თითოეული ნაწილის შინაარსს.
ნაწილი A: ძირითადი ინფორმაცია ორგანიზაციის შესახებ
ეს განყოფილება შეიცავს კითხვებს, რომლებიც დაკავშირებულია პროფილთან
მონაწილე ორგანიზაციები. გარდა ამისა, რამდენიმე კითხვაა
მონაცემთა შენახვის პროექტის მდგომარეობასთან დაკავშირებით
მონაწილე. კონფიდენციალური ინფორმაცია, როგორიცაა თქვენი სახელი
ორგანიზაციის კვლევის ანალიზში არ გამოვლენილა.
სექცია B: დასაწყისი
ამ განყოფილების კითხვები დაკავშირებულია საწყის აქტივობასთან
მონაცემთა საწყობი. კითხვები რამდენ ხანს დაისვა
ეხება პროექტის ინიციატორებს, გარანტიებს, უნარებსა და ცოდნას
მოთხოვნები, მონაცემთა საწყობის განვითარების მიზნები და
საბოლოო მომხმარებლების მოლოდინები.
სექცია C: დიზაინი
ეს განყოფილება შეიცავს კითხვებს, რომლებიც დაკავშირებულია საქმიანობის შესახებ
დაგეგმვა მონაცემთა საწყობი. კერძოდ, კითხვები არის
მიუთითეთ შესრულების მოცულობა, პროექტის ხანგრძლივობა, ღირებულება
პროექტის და ღირებულება/სარგებელი ანალიზი.
ნაწილი D: განვითარება
განვითარების განყოფილებაში არის კითხვები, რომლებიც ეხება საქმიანობას
განვითარება მონაცემთა საწყობი: მომხმარებლის მოთხოვნების კოლექცია
საბოლოო, წყაროები მონაცემები, ლოგიკური მოდელი მონაცემები, პროტოტიპები, ა
სიმძლავრის დაგეგმვა, ტექნიკური არქიტექტურა და შერჩევა
მონაცემთა საწყობის განვითარების ინსტრუმენტები.
ნაწილი E: ოპერაცია
საოპერაციო კითხვები ოპერაციასთან დაკავშირებული ედ
გაფართოებისკენ მონაცემთა საწყობი, როგორ ვითარდება იგი
განვითარების შემდეგი ეტაპი. იქ მონაცემთა ხარისხი, სტრატეგიები
-ის განახლება მონაცემები, მარცვლოვნება მონაცემები, მონაცემთა მასშტაბურობა
საწყობი და უსაფრთხოების პრობლემები მონაცემთა საწყობი მათ შორის იყვნენ
დასმული კითხვების ტიპები.
ნაწილი F: განვითარება
ეს განყოფილება შეიცავს კითხვებს მონაცემთა გამოყენებასთან დაკავშირებით
საწყობი საბოლოო მომხმარებლების მიერ. მკვლევარი დაინტერესდა
მიზნისა და სარგებლობისთვის მონაცემთა საწყობი, მიმოხილვა და სტრატეგიები
მიღებული ტრენინგი და მონაცემთა კონტროლის სტრატეგია
მიღებულია საწყობი.
3.4.5. Საპასუხო კურსი
მიუხედავად იმისა, რომ ფოსტით გამოკითხვებს აკრიტიკებენ იმის გამო, რომ აქვთ მაჩვენებელი
დაბალი გამოხმაურება, მიღებულია ზომების გაზრდის მიზნით
ანაზღაურების მაჩვენებელი (როგორც ადრე განვიხილეთ ნაწილობრივ
3.4.1). ტერმინი „პასუხის მაჩვენებელი“ ეხება პროცენტს
ადამიანები კონკრეტულ გამოკითხვაში, რომლებიც პასუხობენ
კითხვარი (Denscombe 1998). გამოყენებული იქნა შემდეგი
ფორმულა ამ კვლევისთვის პასუხის მაჩვენებლის გამოსათვლელად:
გამოხმაურებულთა რაოდენობა
რეაგირების მაჩვენებელი =
—————————————————————————– X 100
გაგზავნილი კითხვარების საერთო რაოდენობა
3.4.6. პილოტის ტესტი
სანამ კითხვარი იგზავნება ნიმუშზე, კითხვები არის
გამოიკვლიეს საპილოტე ტესტების ჩატარებით, როგორც ეს გვიჩვენა ლუკმა
და რუბინი (1987), ჯექსონი (1988) და დე ვაუსი (1991). დანიშნულება
საპილოტე ტესტები არის ყველა უხერხული, ორაზროვანი და გამონათქვამის გამოვლენა
კითხვები, რომელთა ინტერპრეტაცია, გარკვევა რთულია
გამოყენებული განმარტებები და ტერმინები და სავარაუდო დროის განსაზღვრა
საჭიროა კითხვარის შევსება (Warwick and Lininger 1975,
ჯექსონი 1988, სალანტი და დილმანი 1994). საპილოტე ტესტები იყო
ხორციელდება მსგავსი მახასიათებლების მქონე საგნების შერჩევით
დასკვნითი საგნებიდან, როგორც ვარაუდობდა დევის ე Cosenza (1993). ინ
ამ კვლევაში იყო ექვსი მონაცემთა საწყობის პროფესიონალი
არჩეულ იქნა საპილოტე სუბიექტებად. ყოველი საპილოტე ტესტის შემდეგ ისინი არიან
გაკეთდა საჭირო კორექტივები. ჩატარებული საპილოტე ტესტებიდან ე.ი
მონაწილეები დაეხმარნენ ფორმის შეცვლასა და გადატვირთვას
კითხვარის საბოლოო ვერსია.
3.4.7. ანალიზის მეთოდები By dati
I მონაცემები დახურული კითხვების კითხვარებიდან შეგროვებული გამოძიების არის
გაანალიზდა სტატისტიკური პროგრამული პაკეტის გამოყენებით
სახელწოდებით SPSS. ბევრი პასუხი გაანალიზდა
აღწერითი სტატისტიკის გამოყენებით. კითხვარების გარკვეული რაოდენობა
ისინი დაბრუნდნენ არასრული. ამათ უფრო მეტად ექცეოდნენ
ყურადღება, რათა დავრწმუნდეთ, რომ ი მონაცემები დაკარგული არ იყო ერთი
მონაცემების შეყვანის შეცდომების შედეგი, მაგრამ რატომ არ არის კითხვები
იყო გამომცხადებლისთვის შესაფერისი, ან გამომცხადებელმა გადაწყვიტა არა
უპასუხეთ ერთ ან მეტ კონკრეტულ კითხვას. ეს პასუხები
დაკარგული იყო იგნორირებული ანალიზის დროს მონაცემები და იყვნენ
დაშიფრულია როგორც '- 9' პროცესიდან მათი გამორიცხვის უზრუნველსაყოფად
ანალიზები.
კითხვარის მომზადებისას კითხვები დაიხურა
წინასწარ კოდირებულია თითოეული ვარიანტისთვის ნომრის მინიჭებით. ნომერი
შემდეგ გამოიყენებოდა ი მონაცემები ანალიზის დროს
(Denscombe 1998, Sapsford and Jupp 1996). მაგალითად, იყვნენ
B ნაწილის 1 კითხვაში ჩამოთვლილი ექვსი ვარიანტი: რჩევა
გამგეობა, უფროსი აღმასრულებელი, IT დეპარტამენტი, განყოფილება
ბიზნესი, კონსულტანტები და სხვა. ფაილში მონაცემები SPSS-ის არის
შეიქმნა ცვლადი "პროექტის ინიციატორის" მითითებისთვის,
ექვსი მნიშვნელობის ეტიკეტებით: '1' 'დირექტორთა საბჭოსთვის', '2'
"მაღალი დონის აღმასრულებელი ხელისუფლებისთვის" და ა.შ. ლიკერტინის სკალის გამოყენება
ზოგიერთ დახურულ კითხვაში ეს ასევე დაუშვა
იდენტიფიკაცია, რომელიც არ საჭიროებს ძალისხმევას ღირებულებების გამოყენების გათვალისწინებით
SPSS-ში შეყვანილი შესაბამისი ნომრები. კითხვებისთვის
არასრული პასუხები, რომლებიც არ იყო ურთიერთგამომრიცხავი,
თითოეული ვარიანტი განიხილებოდა, როგორც ერთი ცვლადი ორით
მნიშვნელობის ლეიბლები: '1' 'მონიშნული' და '2' 'მოუნიშნული'.
ღია კითხვებს განსხვავებულად ექცეოდნენ, ვიდრე კითხვები
დახურული. ამ კითხვებზე პასუხები არ არის შესული
SPSS. სამაგიეროდ, ხელით გაანალიზეს. ამის გამოყენება
კითხვების ტიპი საშუალებას გაძლევთ მიიღოთ ინფორმაცია იდეების შესახებ
თავისუფლად გამოხატული და რესპონდენტთა პირადი გამოცდილება
(Bainbridge 1989, Denscombe 1998). სადაც ეს შესაძლებელია, გაკეთდა
პასუხების კატეგორიზაცია.
ანალიზისთვის მონაცემებიგამოიყენება მარტივი სტატისტიკური ანალიზის მეთოდები,
როგორიცაა პასუხების სიხშირე, საშუალო, სტანდარტული გადახრა
საშუალო და მედიანა (Argyrus 1996, Denscombe 1998).
გამა ტესტი ეფექტური იყო რაოდენობრივი გაზომვების მისაღებად
შორის ასოციაციები მონაცემები ორდინალები (ნორუსისი 1983, არგიროსი 1996).
ეს ტესტები იყო შესაბამისი, რადგან არ იყო გამოყენებული რიგითი სასწორები
მათ ჰქონდათ მრავალი კატეგორია და შეიძლება ნაჩვენები იყოს ცხრილში
(ნორუსისი 1983).
3.5 სომარიო
ამ თავში კვლევის მეთოდოლოგია და
ამ კვლევისთვის მიღებული დიზაინები.
კვლევის ყველაზე შესაფერისი მეთოდის შერჩევა ა
იღებს კონკრეტულ შესწავლას
რიგი წესების გათვალისწინება, მათ შორის ბუნება და ტიპი
კვლევის, ასევე თითოეული შესაძლო უპირატესობებისა და სისუსტეების შესახებ
მეთოდი (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987,
yin 1989, Hamilton and Ives 1992, Galliers 1992, Neuman 1994). ხედი
ამის შესახებ არსებული ცოდნისა და თეორიის ნაკლებობა
მონაცემთა საწყობის მიღების შესახებ ავსტრალიაში, ეს კვლევა
კვლევა მოითხოვს ინტერპრეტაციული კვლევის მეთოდს ოსტატობით
საძიებო ორგანიზაციების გამოცდილების შესასწავლად
ავსტრალიელი. არჩეული კვლევის მეთოდი შეირჩა
შეაგროვოს ინფორმაცია თარიღის კონცეფციის მიღების შესახებ
საწყობი ავსტრალიური ორგანიზაციების მიერ. ა
შეგროვების ტექნიკად არჩეული იყო საფოსტო კითხვარი მონაცემები.
კვლევის მეთოდისა და შეგროვების ტექნიკის დასაბუთება მონაცემები
შერჩეული წარმოდგენილი იქნება ამ თავში. ასევე იყო
წარმოადგინა დისკუსია ანალიზის ერთეულზე, ნიმუშზე
გამოყენებული, პასუხების პროცენტები, კითხვარის შინაარსი, ა
კითხვარის პრე-ტესტი და ანალიზის მეთოდი მონაცემები.

დიზაინის ა მონაცემთა საწყობი:
ერთეულის ურთიერთობისა და განზომილებიანი მოდელირების გაერთიანება
რეფერატი
შენახვა ი მონაცემები ბევრისთვის ეს მთავარი აქტუალური საკითხია
ორგანიზაციები. განვითარების მთავარი პრობლემა
შენახვის შესახებ მონაცემები ეს მისი დიზაინია.
დიზაინმა უნდა უზრუნველყოს მონაცემების ცნებების აღმოჩენა
საწყობიდან მემკვიდრეობით სისტემა და სხვა წყაროები მონაცემები და ასევე ერთი
მარტივი გაგება და ეფექტურობა მონაცემთა დანერგვისას
საწყობი.
შენახვის ლიტერატურის დიდი ნაწილი მონაცემები რეკომენდებულია
ერთეულების ურთიერთობის მოდელირების ან განზომილებიანი მოდელირების გამოყენება
წარმოადგენს დიზაინს მონაცემთა საწყობი.
ამ ნაშრომში ჩვენ ვაჩვენებთ, თუ როგორ ორივე
წარმოდგენები შეიძლება გაერთიანდეს ერთ მიდგომაში
ნახატი მონაცემთა საწყობი. გამოყენებული მიდგომა არის სისტემატური
გამოკვლეულია საქმის შესწავლაში და იდენტიფიცირებულია რიგში
მნიშვნელოვანი შედეგები პროფესიონალებთან.
მონაცემთა საწყობი
Un მონაცემთა საწყობი ჩვეულებრივ განისაზღვრება, როგორც „სუბიექტზე ორიენტირებული,
მონაცემთა ინტეგრირებული, დროის ვარიაცია და არასტაბილური შეგროვება მხარდაჭერაში
მენეჯმენტის გადაწყვეტილებების შესახებ“ (Inmon and Hackathorn, 1994).
სუბიექტზე ორიენტირებული და ინტეგრირებული მიუთითებს იმაზე, რომ მონაცემთა საწყობი è
შექმნილია მემკვიდრეობითი სისტემების ფუნქციური საზღვრების გადაკვეთისთვის
გთავაზობთ ინტეგრირებულ პერსპექტივას მონაცემები.
დროის ვარიაცია გავლენას ახდენს ისტორიულ ან დროულ ხასიათზე მონაცემები in
un მონაცემთა საწყობი, რაც ტენდენციების გაანალიზების საშუალებას იძლევა.
არასტაბილური მიუთითებს იმაზე, რომ მონაცემთა საწყობი ეს არ არის განუწყვეტლივ
განახლებულია როგორც ა მონაცემთა ბაზა OLTP-ის. უფრო სწორად განახლებულია
პერიოდულად, თან მონაცემები მოდის შიდა და გარე წყაროებიდან. The
მონაცემთა საწყობი ის სპეციალურად შექმნილია კვლევისთვის
ვიდრე განახლებების მთლიანობისა და შესრულებისთვის
ოპერაციები.
შენახვის იდეა ი მონაცემები ეს არ არის ახალი, ეს იყო ერთ-ერთი მიზანი
მენეჯმენტის მონაცემები სამოციანი წლებიდან (The Martin, 1982).
I მონაცემთა საწყობი ისინი გვთავაზობენ ინფრასტრუქტურას მონაცემები მენეჯმენტისთვის
დამხმარე სისტემები. მენეჯმენტის მხარდაჭერის სისტემები მოიცავს გადაწყვეტილებას
დამხმარე სისტემები (DSS) და აღმასრულებელი საინფორმაციო სისტემები (EIS).
DSS არის კომპიუტერზე დაფუძნებული საინფორმაციო სისტემა, რომელიც არის
შექმნილია პროცესის გასაუმჯობესებლად და, შესაბამისად, დაჭერის გასაუმჯობესებლად
ადამიანის გადაწყვეტილება. EIS, როგორც წესი, არის მიწოდების სისტემა
მონაცემები რაც ბიზნესის აღმასრულებლებს საშუალებას აძლევს ადვილად მიიღონ ხედვა
სულ მონაცემები.
ზოგადი არქიტექტურა ა მონაცემთა საწყობი ხაზს უსვამს როლს
მონაცემთა საწყობი მენეჯმენტის მხარდაჭერაში. გარდა შეთავაზებისა
ინფრასტრუქტურა მონაცემები EIS-ისთვის და DSS-ისთვის, ალ მონაცემთა საწყობი შესაძლებელია
წვდომა პირდაპირ შეკითხვის საშუალებით. THE მონაცემები შედის თარიღში
საწყობი ეფუძნება ინფორმაციის მოთხოვნების ანალიზს
მენეჯმენტი და მიღებულია სამი წყაროდან: შიდა მემკვიდრეობითი სისტემები,
სპეციალური დანიშნულების მონაცემთა აღების სისტემები და მონაცემთა გარე წყაროები. THE
მონაცემები შიდა მემკვიდრეობით სისტემებში ისინი ხშირად ზედმეტია,
არათანმიმდევრული, დაბალი ხარისხის და შენახული სხვადასხვა ფორმატში
ასე რომ, ისინი უნდა იყოს შეჯერებული და გაწმენდილი, სანამ შეძლებთ მათში ჩატვირთვას
მონაცემთა საწყობი (Inmon, 1992; McFadden, 1996). THE მონაცემები საწყისი
შენახვის სისტემებიდან მონაცემები ad hoc და წყაროებიდან მონაცემები
გარე ხშირად გამოიყენება გასადიდებლად (განახლება, ჩანაცვლება) ი
მონაცემები მემკვიდრეობითი სისტემებიდან.
მრავალი დამაჯერებელი მიზეზი არსებობს ა მონაცემთა საწყობი,
რომლებიც მოიცავს უკეთესი გადაწყვეტილების მიღებას გამოყენების გზით
ეფექტური მეტი ინფორმაცია (Ives 1995), ფოკუსის მხარდაჭერა
სრულ ბიზნესზე (გრეჰემი 1996) და ხარჯების შემცირებაზე
უზრუნველყოფა მონაცემები EIS-ისთვის და DSS-ისთვის (გრეჰემი 1996, მაკფადენი
1996).
ბოლოდროინდელმა ემპირიულმა კვლევამ აჩვენა, რომ საშუალოდ, დაბრუნება
ინვესტიციები ი მონაცემთა საწყობი 401%-ით სამი წლის შემდეგ (გრეჰემი,
1996). თუმცა, სხვა ემპირიული კვლევები მონაცემთა საწყობი აქვს
აღმოაჩინა მნიშვნელოვანი პრობლემები, მათ შორის სირთულის გაზომვა ed
სარგებლის მინიჭება, მკაფიო მიზნის არარსებობა, მისი გაუფასურება
შენახვის პროცესის მიზანი და სირთულე ი მონაცემებიწელს
განსაკუთრებით წყაროებისა და სისუფთავის შესახებ მონაცემები.
შენახვა ი მონაცემები გამოსავალად შეიძლება ჩაითვალოს
მართვის პრობლემას მონაცემები ორგანიზაციებს შორის. იქ
მანიპულირება მონაცემები როგორც სოციალური რესურსი ის დარჩა ერთ-ერთ
საინფორმაციო სისტემების მართვის ძირითადი საკითხები მთელს მსოფლიოში
მსოფლიოს მრავალი წლის განმავლობაში (Brancheau et al. 1996, Galliers et al. 1994,
ნიდერმანი და სხვ. 1990, პერვანი 1993).
მენეჯმენტის პოპულარული მიდგომა მონაცემები ოთხმოციან წლებში იყო
მოდელის შემუშავება მონაცემები სოციალური. მოდელი მონაცემები სოციალური იყო
შექმნილია ახალი სისტემების განვითარებისთვის სტაბილური საფუძვლის შეთავაზების მიზნით
აპლიკაციები ე მონაცემთა ბაზა და მემკვიდრეობის აღდგენა და ინტეგრირება
სისტემები (ბრანშო და სხვ.
1989, გუდჰიუ და სხვ. 1988: 1992, კიმი და ევერესტი 1994).
თუმცა, ამ მიდგომასთან დაკავშირებით ბევრი პრობლემაა
კერძოდ, თითოეული ამოცანის სირთულე და ღირებულება და ხანგრძლივი დრო
საჭიროა ხელშესახები შედეგებისთვის (Beynon-Davies 1994, Earl
1993, გუდჰიუ და სხვ. 1992, Periasamy 1994, Shanks 1997).
Il მონაცემთა საწყობი ეს არის ცალკე მონაცემთა ბაზა, რომელიც თანაარსებობს მემკვიდრეობით
მონაცემთა ბაზები, ვიდრე მათი შეცვლა. ამიტომ გაძლევთ საშუალებას
ხელმძღვანელობს მენეჯმენტს მონაცემები და თავიდან აიცილოთ ძვირადღირებული რეკონსტრუქცია
მემკვიდრეობითი სისტემების.
არსებული მიდგომები მონაცემთა დიზაინისადმი
საწყობი
აგების და სრულყოფის პროცესი ა მონაცემთა საწყობი
უფრო ევოლუციური პროცესი უნდა იყოს გაგებული, ვიდრე ა
ტრადიციული სისტემების განვითარების ციკლი (დესიო, 1995, შანქსი,
ო'დონელი და არნოტი 1997 ა). ბევრი პროცესია ჩართული ა
პროექტი მონაცემთა საწყობი როგორიცაა ინიციალიზაცია, დაგეგმვა;
კომპანიის მენეჯერებისგან მოთხოვნილი მოთხოვნებიდან მიღებული ინფორმაცია;
წყაროები, გარდაქმნები, გაწმენდა მონაცემები და სინქრონიზაცია მემკვიდრეობიდან
სისტემები და სხვა წყაროები მონაცემები; მიწოდების სისტემები განვითარებაში;
მონიტორინგი მონაცემთა საწყობი; და პროცესის უაზრობა
ევოლუციური და კონსტრუქციული ა მონაცემთა საწყობი (სტინჩს, ოდონელ
და არნოტი 1997ბ). ამ ჟურნალში ჩვენ ყურადღებას ვამახვილებთ იმაზე, თუ როგორ
ხატვა ი მონაცემები ინახება ამ სხვა პროცესების კონტექსტში.
არსებობს მრავალი მიდგომა შემოთავაზებული მონაცემთა არქიტექტურისთვის
საწყობი ლიტერატურაში (Inmon 1994, Ives 1995, Kimball 1994
მაკფადენი 1996). თითოეულ ამ მეთოდოლოგიას აქვს მოკლე შინაარსი
განიხილება მათი ძლიერი და სუსტი მხარეების ანალიზით.
ინმონის (1994) მიდგომა მონაცემთა საწყობი
დიზაინი
ინმონმა (1994) შემოგვთავაზა ოთხი განმეორებითი ნაბიჯი მონაცემების შესაქმნელად
საწყობი (იხ. სურათი 2). პირველი ნაბიჯი არის შაბლონის შექმნა
მონაცემები სოციალური რომ გავიგოთ როგორ მე მონაცემები შეიძლება იყოს ინტეგრირებული
ორგანიზაციის ფუნქციონალურ სფეროებში
გაყოფა ი მონაცემები შენახვა რაიონებში. მოდელი მონაცემები ის შექმნილია
შესანახად მონაცემები გადაწყვეტილების მიღებასთან დაკავშირებით, მათ შორის მონაცემები
ისტორიკოსები და მათ შორის მონაცემები გამოყვანილი და გაერთიანებული. მეორე ნაბიჯი არის
განსახორციელებლად საგნობრივი სფეროების იდენტიფიცირება. ეს ეფუძნება
კონკრეტული ორგანიზაციის მიერ განსაზღვრულ პრიორიტეტებზე. Მესამე
ნაბიჯი მოიცავს ხატვას ა მონაცემთა ბაზა საგნის ზონისთვის, პოზები
განსაკუთრებული ყურადღება მიაქციეთ მარცვლოვნების შესაბამის დონეებს.
ინმონი გვირჩევს ერთეულებისა და ურთიერთობების მოდელის გამოყენებას. მეოთხე
ნაბიჯი არის წყაროს სისტემების იდენტიფიცირება მონაცემები საჭიროა და განვითარდეს
ტრანსფორმაციის პროცესები აღბეჭდვის, გაწმენდისა და ფორმატირებისთვის i მონაცემები.
ინმონის მიდგომის ძლიერი მხარე არის ის, რომ მოდელი მონაცემები სოციალური
გთავაზობთ ინტეგრაციის საფუძველს მონაცემები ორგანიზაციის ფარგლებში
და მხარს უჭერს მონაცემთა განმეორებითი განვითარების დაგეგმვას
საწყობი. მისი ნაკლი არის ნახაზის სირთულე და ღირებულება
მოდელი მონაცემები სოციალური, ერთეულების მოდელების გაგების სირთულე და
ორივე მოდელში გამოყენებული ურთიერთობები, რომ მონაცემები სოციალური და რომ მონაცემები
ინახება საგნის არეალის მიხედვით და მიზანშეწონილობის მიხედვით მონაცემები del
ნახატი მონაცემთა საწყობი რეალიზაციისთვის მონაცემთა ბაზა
ურთიერთობით, მაგრამ არა ამისთვის მონაცემთა ბაზა მრავალგანზომილებიანი.
Ives' (1995) მიდგომა მონაცემთა საწყობი
დიზაინი
აივსი (1995) გვთავაზობს ოთხსაფეხურიან მიდგომას ა
საინფორმაციო სისტემა, რომელსაც იგი თვლის, რომ გამოიყენება მონაცემთა დიზაინისთვის
საწყობი (იხ. სურათი 3). მიდგომა ძალიან ეფუძნება
საინფორმაციო ინჟინერია საინფორმაციო სისტემების განვითარებისათვის
(მარტინი 1990 წ.). პირველი ნაბიჯი არის მიზნების, ფაქტორების განსაზღვრა
კრიტიკული და წარმატებული და შესრულების ძირითადი ინდიკატორები. THE
ძირითადი ბიზნეს პროცესები და საჭირო ინფორმაციაა
მოდელირებული, რათა მიგვიყვანოს მოდელამდე მონაცემები სოციალური. მეორე ნაბიჯი
გულისხმობს განმსაზღვრელი არქიტექტურის შემუშავებას მონაცემები
შენახული ტერიტორიების მიხედვით, მონაცემთა ბაზა di მონაცემთა საწყობი, კომპონენტები
ტექნოლოგიის, რომელიც საჭიროა, კომპლექტი ორგანიზაციული მხარდაჭერა
საჭიროა დანერგვა და ფუნქციონირება მონაცემთა საწყობი. Მესამე
ნაბიჯი მოიცავს საჭირო პროგრამული პაკეტების და ინსტრუმენტების შერჩევას.
მეოთხე ნაბიჯი არის დეტალური დიზაინი და მშენებლობა
მონაცემთა საწყობი. აივსი აღნიშნავს, რომ შენახვა მონაცემები ის შეკრული კაცია
განმეორებითი პროცესი.
აივისის მიდგომის სიძლიერე არის კონკრეტული ტექნიკის გამოყენება
ინფორმაციის მოთხოვნების განსაზღვრა, სტრუქტურირებული გამოყენება
ინტეგრაციის ხელშეწყობის პროცესი მონაცემთა საწყობი,
შესაბამისი ტექნიკის და პროგრამული უზრუნველყოფის შერჩევა და მრავალჯერადი გამოყენება
წარმოდგენის ტექნიკა მონაცემთა საწყობი. მისი ხარვეზები
ისინი თანდაყოლილი სირთულის. სხვები მოიცავს სირთულეს
მრავალი დონის განვითარება მონაცემთა ბაზა all'interno del მონაცემთა საწყობი in
გონივრული დრო და ხარჯები.
Kimball's (1994) მიდგომა მონაცემთა საწყობი
დიზაინი
კიმბალმა (1994) შემოგვთავაზა ხუთი განმეორებითი ნაბიჯი მონაცემების შესაქმნელად
საწყობი (იხ. სურათი 4). მისი მიდგომა განსაკუთრებით
ეძღვნება მხოლოდ ერთის დიზაინს მონაცემთა საწყობი და მოდელების გამოყენებაზე
განზომილებიანი უპირატესობით ერთეულებისა და ურთიერთობების მოდელებს. კიმბოლი
გავაანალიზე ეს განზომილებიანი მოდელები, რადგან ჩემთვის უფრო ადვილი გასაგებია
ბიზნესის აღმასრულებლები გარიგებები, ეს უფრო ეფექტურია, როდესაც საქმე
კომპლექსური კონსულტაციები და დიზაინი მონაცემთა ბაზა ფიზიკური მეტია
ეფექტური (Kimball 1994). კიმბალი აღიარებს, რომ ა
მონაცემთა საწყობი ეს არის განმეორებადი და ეს მონაცემთა საწყობი გამოყოფილი მათ შეუძლიათ
იყოს ინტეგრირებული განზომილების ცხრილებად დაყოფის გზით
საერთო.
პირველი ნაბიჯი არის კონკრეტული საგნის არეალის იდენტიფიცირება
სრულყოფილს. მეორე და მესამე საფეხური ეხება ჩამოყალიბებას
განზომილებიანი. მეორე საფეხურზე გაზომვები განსაზღვრავს საგნებს
ინტერესი საგნის მიმართ და დაჯგუფებულია ფაქტების ცხრილში.
მაგალითად, გაყიდვების საგნის სფეროში ინტერესის ზომები
შეიძლება მოიცავდეს გაყიდული ნივთების რაოდენობას და დოლარს
როგორც გაყიდვების ვალუტა. მესამე ნაბიჯი მოიცავს იდენტიფიკაციას
ზომები, რომლებიც არის მათი დაჯგუფების გზები i
ფაქტები. გაყიდვების საგნის სფეროში, შესაბამისი ზომები
შეიძლება მოიცავდეს ნივთს, მდებარეობას და დროის პერიოდს. იქ
ფაქტების ცხრილს აქვს მრავალნაწილიანი გასაღები თითოეულთან დასაკავშირებლად
განზომილების ცხრილებიდან და ჩვეულებრივ შეიცავს ძალიან რაოდენობას
ფაქტებით სავსე. ამის საპირისპიროდ, განზომილების ცხრილები შეიცავს
აღწერითი ინფორმაცია განზომილებებისა და სხვა ატრიბუტების შესახებ, რომლებიც
შეიძლება გამოყენებულ იქნას ფაქტების დასაჯგუფებლად. ფაქტების ცხრილი ე
წინადადებასთან დაკავშირებული ზომები ქმნის იმას, რასაც ერთი ეწოდება
ვარსკვლავის ნიმუში მისი ფორმის გამო. მეოთხე ნაბიჯი მოიცავს
მშენებლობა ა მონაცემთა ბაზა მრავალგანზომილებიანი მის სრულყოფისთვის
ვარსკვლავის ნიმუში. საბოლოო ნაბიჯი არის წყაროს სისტემების იდენტიფიცირება მონაცემები
საჭირო და განავითაროს ტრანსფორმაციის პროცესები შესაძენად, გაწმენდა
და ფორმატი i მონაცემები.
Kimball-ის მიდგომის ძლიერი მხარე მოიცავს მოდელების გამოყენებას
განზომილებიანი წარმოსაჩენად i მონაცემები შენახული, რომელიც ქმნის მას
ადვილად გასაგები და იწვევს ეფექტურ ფიზიკურ დიზაინს. ა
განზომილებიანი მოდელი, რომელიც ასევე ადვილად იყენებს ორივეს
სისტემების მონაცემთა ბაზა ურთიერთობითი შეიძლება დასრულდეს ან სისტემები
მონაცემთა ბაზა მრავალგანზომილებიანი. მისი ნაკლოვანებები მოიცავს ნაკლებობას
ზოგიერთი ტექნიკის დაგეგმვის ან ინტეგრაციის გასაადვილებლად
მრავალი ვარსკვლავის ნიმუში ერთში მონაცემთა საწყობი და
დიზაინის სირთულე უკიდურესი დენორმალიზებული სტრუქტურიდან ა
განზომილებიანი მოდელი ა მონაცემები მემკვიდრეობით სისტემაში.
მაკფადენის (1996) მიდგომა მონაცემთა მიმართ
საწყობის დიზაინი
მაკფადენი (1996) გვთავაზობს ხუთსაფეხურიან მიდგომას
დახატე მონაცემთა საწყობი (იხ. სურათი 5).
მისი მიდგომა ემყარება ლიტერატურის იდეების სინთეზს
და ორიენტირებულია მხოლოდ ერთის დიზაინზე მონაცემთა საწყობი. Პირველი
ნაბიჯი მოიცავს მოთხოვნების ანალიზს. მიუხედავად იმისა, რომ სპეციფიკა
ტექნიკა არ არის დადგენილი, მაკფადენის შენიშვნები განსაზღვრავს
ერთეული მონაცემები სპეციფიკაციები და მათი ატრიბუტები და ეხება უოტსონის მკითხველებს
და Frolick (1993) მოთხოვნების დაფიქსირებისთვის.
მეორე საფეხურზე შექმნილია ერთეულების ურთიერთობის მოდელი
მონაცემთა საწყობი და შემდეგ დადასტურებულია ბიზნესის ლიდერების მიერ. Მესამე
ნაბიჯი მოიცავს რუკების განსაზღვრას მემკვიდრეობითი სისტემიდან
და გარე წყაროები მონაცემთა საწყობი. მეოთხე ნაბიჯი მოიცავს
პროცესების განვითარება, განლაგება და სინქრონიზაცია მონაცემები in
მონაცემთა საწყობი. საბოლოო ეტაპზე სისტემა მიწოდებულია
შემუშავებული განსაკუთრებული აქცენტით მომხმარებლის ინტერფეისზე.
მაკფადენი აღნიშნავს, რომ ხატვის პროცესი ზოგადად
განმეორებადი.
მაკფადენის მიდგომის ძლიერი მხარე მიუთითებს მონაწილეობაზე
ბიზნეს ლიდერების მიერ მოთხოვნების განსაზღვრაში და ასევე
რესურსების მნიშვნელობა მონაცემები, მათი გაწმენდა და შეგროვება. მისი
ხარვეზები ეხება ა-ს გაყოფის პროცესის არარსებობას
შესანიშნავი პროექტი მონაცემთა საწყობი მრავალ ინტეგრირებულ ეტაპზე და
დიზაინის დროს გამოყენებული ერთეულისა და ურთიერთობის მოდელების გაგების სირთულე
მონაცემთა საწყობი.

admin აღმასრულებელი დირექტორი

👍ონლაინ ვებ სააგენტო | ვებ სააგენტოს ექსპერტი ციფრული მარკეტინგისა და SEO-ში. ვებ სააგენტო ონლაინ არის ვებ სააგენტო. Agenzia Web Online-ისთვის წარმატება ციფრულ ტრანსფორმაციაში ემყარება Iron SEO ვერსიის 3-ის საფუძვლებს. სპეციალობები: სისტემური ინტეგრაცია, საწარმოს აპლიკაციების ინტეგრაცია, სერვისზე ორიენტირებული არქიტექტურა, ღრუბლოვანი გამოთვლა, მონაცემთა საწყობი, ბიზნეს ინტელექტი, დიდი მონაცემები, პორტალები, ინტრანეტები, ვებ აპლიკაციები. რელაციური და მრავალგანზომილებიანი მონაცემთა ბაზების დიზაინი და მართვა ციფრული მედიისთვის ინტერფეისების დიზაინი: გამოყენებადობა და გრაფიკა. ონლაინ ვებ სააგენტო კომპანიებს სთავაზობს შემდეგ სერვისებს: -SEO Google, Amazon, Bing, Yandex; -ვებ ანალიტიკა: Google Analytics, Google Tag Manager, Yandex Metrica; -მომხმარებლის კონვერტაციები: Google Analytics, Microsoft Clarity, Yandex Metrica; -SEM Google-ში, Bing-ში, Amazon Ads-ზე; -სოციალური მედიის მარკეტინგი (Facebook, Linkedin, Youtube, Instagram).

იხილეთ სრული ბიო

ციფრული მარკეტინგის მონაცემთა ბაზა DBMS მონაცემთა საწყობი მონაცემთა მეცნიერების რეკლამა ინფორმაციული ტექნოლოგიები ვებ სააგენტო Სარეკლამო სააგენტო მარკეტინგი