ឃ្លាំងទិន្នន័យ និងផែនការធនធានសហគ្រាស | DWH និង ERP

ប័ណ្ណសារ ទិន្នន័យ កណ្តាល៖ ប្រវត្តិសាស្រ្ត ED ការវិវត្តន៍

ប្រធានបទសំខាន់ពីរនៃបច្ចេកវិទ្យាសាជីវកម្មក្នុងទសវត្សរ៍ឆ្នាំ 90 គឺ i ឃ្លាំងទិន្នន័យ និង ERP ។ អស់រយៈពេលជាយូរមកហើយ ចរន្តដ៏មានអានុភាពទាំងពីរនេះគឺជាផ្នែកនៃក្រុមហ៊ុន IT ដោយមិនធ្លាប់មានចំនុចប្រសព្វ។ វាស្ទើរតែហាក់ដូចជាពួកគេជាបញ្ហា និងប្រឆាំងនឹងបញ្ហា។ ប៉ុន្តែការរីកចម្រើននៃបាតុភូតទាំងពីរនេះបាននាំឱ្យមានការប្រសព្វគ្នាដោយជៀសមិនរួច។ សព្វថ្ងៃនេះក្រុមហ៊ុនកំពុងប្រឈមមុខនឹងបញ្ហានៃអ្វីដែលត្រូវធ្វើជាមួយ ERP និង ឃ្លាំងទិន្នន័យ. អត្ថបទនេះនឹងរៀបរាប់ពីអ្វីដែលជាបញ្ហា និងរបៀបដែលក្រុមហ៊ុនកំពុងដោះស្រាយពួកគេ។

នៅឯការចាប់ផ្តើម…

នៅដើមដំបូងមាន ឃ្លាំងទិន្នន័យ. ឃ្លាំង​ទិន្នន័យ ត្រូវបានបង្កើតឡើងដើម្បីប្រឆាំងនឹងប្រព័ន្ធកម្មវិធីដំណើរការប្រតិបត្តិការ។ នៅសម័យដំបូងគេទន្ទេញចាំ dati វាត្រូវបានន័យថាគ្រាន់តែជាចំណុចប្រឆាំងទៅនឹងកម្មវិធីដំណើរការប្រតិបត្តិការប៉ុណ្ណោះ។ ប៉ុន្តែ​សព្វ​ថ្ងៃ​នេះ​មាន​ទស្សនៈ​ដ៏​ស្មុគ​ស្មាញ​ច្រើន​អំពី​អ្វី​ដែល ក ឃ្លាំងទិន្នន័យ. នៅក្នុងពិភពលោកសព្វថ្ងៃនេះ ឃ្លាំងទិន្នន័យ វាត្រូវបានបញ្ចូលក្នុងរចនាសម្ព័ន្ធដែលអាចត្រូវបានគេហៅថារោងចក្រព័ត៌មានសាជីវកម្ម។

រោងចក្រព័ត៌មានសាជីវកម្ម (CIF)

រោងចក្រព័ត៌មានសាជីវកម្មមានធាតុផ្សំស្ថាបត្យកម្មស្តង់ដារ៖ កម្រិតនៃការផ្លាស់ប្តូរ និងការរួមបញ្ចូលកូដដែលរួមបញ្ចូល dati នៅពេល​ដែល​ខ្ញុំ dati ពួកគេផ្លាស់ទីពីបរិស្ថានកម្មវិធីឆ្ពោះទៅរកបរិស្ថាននៃ ឃ្លាំងទិន្នន័យ របស់ក្រុមហ៊ុន; ក ឃ្លាំងទិន្នន័យ នៃក្រុមហ៊ុនដែលជាកន្លែងដែល dati ប្រវត្តិសាស្រ្តលម្អិត និងរួមបញ្ចូលគ្នា។ នេះ។ ឃ្លាំងទិន្នន័យ របស់ក្រុមហ៊ុនបម្រើជាគ្រឹះដែលផ្នែកផ្សេងទៀតទាំងអស់នៃបរិស្ថានអាចត្រូវបានសាងសង់ ឃ្លាំងទិន្នន័យ; ឃ្លាំងទិន្នន័យប្រតិបត្តិការ (ODS) ។ ODS គឺជារចនាសម្ព័ន្ធកូនកាត់ដែលមានទិដ្ឋភាពមួយចំនួននៃ ឃ្លាំងទិន្នន័យ និងទិដ្ឋភាពផ្សេងទៀតនៃបរិស្ថាន OLTP; data marts ដែលជាកន្លែងដែលនាយកដ្ឋានផ្សេងគ្នាអាចមានកំណែផ្ទាល់ខ្លួនរបស់ពួកគេ។ ឃ្លាំងទិន្នន័យ; ក ឃ្លាំងទិន្នន័យ នៃការរុករកដែល "ទស្សនវិទូ" របស់ក្រុមហ៊ុនអាចដាក់សំណួររបស់ពួកគេក្នុងរយៈពេល 72 ម៉ោងដោយគ្មានផលប៉ះពាល់ដល់សុខភាព។ ឃ្លាំងទិន្នន័យ; និងអង្គចងចាំជិតបន្ទាត់ ដែលក្នុងនោះ dati ចាស់និង dati ព័ត៌មានលម្អិតភាគច្រើនអាចត្រូវបានរក្សាទុកដោយថោក។

កន្លែងដែល ERP ចូលរួមជាមួយ LA រោងចក្រព័ត៌មានសាជីវកម្ម

ERP រួមបញ្ចូលគ្នាជាមួយរោងចក្រព័ត៌មានសាជីវកម្មជាពីរកន្លែង។ ដំបូងជាកម្មវិធីមូលដ្ឋាន (បន្ទាត់មូលដ្ឋាន) ដែលផ្តល់ i dati នៃកម្មវិធីទៅ ឃ្លាំងទិន្នន័យ. ក្នុងករណីនេះ I datiដែលត្រូវបានបង្កើតជាអនុផលនៃដំណើរការប្រតិបត្តិការមួយ ត្រូវបានដាក់បញ្ចូល និងផ្ទុកទៅក្នុង ឃ្លាំងទិន្នន័យ របស់ក្រុមហ៊ុន។ ចំណុចទីពីរនៃសហជីពរវាង ERP និង CIF និង ODS ។ ជាការពិតនៅក្នុងបរិស្ថានជាច្រើន ERP ត្រូវបានប្រើជា ODS បុរាណ។

ក្នុងករណី ERP ត្រូវបានប្រើជាកម្មវិធីមូលដ្ឋាន ERP ដូចគ្នាក៏អាចប្រើក្នុង CIF ជា ODS ផងដែរ។ ក្នុងករណីណាក៏ដោយ ប្រសិនបើ ERP នឹងត្រូវប្រើក្នុងតួនាទីទាំងពីរ ត្រូវតែមានភាពខុសគ្នាច្បាស់លាស់រវាងអង្គភាពទាំងពីរ។ ម្យ៉ាងវិញទៀត នៅពេលដែល ERP ដើរតួជាកម្មវិធីស្នូល និង ODS អង្គភាពស្ថាបត្យកម្មទាំងពីរត្រូវតែត្រូវបានសម្គាល់។ ប្រសិនបើការអនុវត្ត ERP តែមួយព្យាយាមអនុវត្តតួនាទីទាំងពីរក្នុងពេលដំណាលគ្នានោះ វាប្រាកដជានឹងមានបញ្ហាក្នុងការរចនា និងការអនុវត្តរចនាសម្ព័ន្ធនោះ។

បែងចែក ODS និងកម្មវិធីមូលដ្ឋាន

មានហេតុផលជាច្រើនដែលនាំឱ្យមានការបែងចែកសមាសធាតុស្ថាបត្យកម្ម។ ប្រហែលជាបញ្ហាដែលប្រាប់បំផុតសម្រាប់ការបំបែកធាតុផ្សំផ្សេងៗគ្នានៃស្ថាបត្យកម្មគឺថាធាតុផ្សំនីមួយៗនៃស្ថាបត្យកម្មមានទស្សនៈផ្ទាល់ខ្លួន។ កម្មវិធីបន្ទាត់មូលដ្ឋានបម្រើគោលបំណងផ្សេងពី ODS ។ ព្យាយាមត្រួតលើគ្នា។

ទិដ្ឋភាពកម្មវិធីមូលដ្ឋាននៅលើពិភពនៃ ODS ឬផ្ទុយមកវិញមិនមែនជាវិធីត្រឹមត្រូវដើម្បីដំណើរការទេ។

ហេតុដូច្នេះហើយ បញ្ហាដំបូងនៃ ERP នៅក្នុង CIF គឺដើម្បីផ្ទៀងផ្ទាត់ថាតើមានភាពខុសគ្នារវាងកម្មវិធីមូលដ្ឋាន និង ODS ដែរឬទេ។

គំរូទិន្នន័យនៅក្នុងសាជីវកម្ម រោងចក្រព័ត៌មាន

ដើម្បីសម្រេចបាននូវភាពស្អិតរមួតរវាងធាតុផ្សំផ្សេងៗគ្នានៃស្ថាបត្យកម្ម CIF ត្រូវតែមានគំរូ dati. ម៉ូដែលនៃ dati ពួកវាបម្រើជាតំណភ្ជាប់រវាងធាតុផ្សំផ្សេងៗនៃស្ថាបត្យកម្ម ដូចជាកម្មវិធីមូលដ្ឋាន និង ODS ។ ម៉ូដែលនៃ dati ពួកគេក្លាយជា "ផែនទីផ្លូវបញ្ញា" ដើម្បីទទួលបានអត្ថន័យត្រឹមត្រូវពីសមាសធាតុស្ថាបត្យកម្មផ្សេងៗគ្នានៃ CIF ។

ដើរទន្ទឹមគ្នាជាមួយនឹងគំនិតនេះ គំនិតគឺថាគួរតែមានគំរូធំមួយ និងតែមួយ dati. ជាក់ស្តែងត្រូវតែមានគំរូ dati សម្រាប់សមាសធាតុនីមួយៗ ហើយក៏ត្រូវតែមានផ្លូវសមហេតុផលដែលភ្ជាប់ម៉ូដែលផ្សេងៗគ្នា។ ធាតុផ្សំនីមួយៗនៃស្ថាបត្យកម្ម - ODS កម្មវិធីមូលដ្ឋាន។ ឃ្លាំងទិន្នន័យ របស់ក្រុមហ៊ុន ហើយដូច្នេះនៅលើ .. - ត្រូវការគំរូផ្ទាល់ខ្លួនរបស់វា។ dati. ដូច្នេះហើយ ត្រូវតែមាននិយមន័យច្បាស់លាស់អំពីរបៀបដែលម៉ូដែលទាំងនេះ dati ពួកគេទាក់ទងគ្នាទៅវិញទៅមក។

ផ្លាស់ទី I ទិន្នន័យ នៃ ERP នៅក្នុងទិន្នន័យ ឃ្លាំង

ប្រសិនបើប្រភពដើម dati គឺជាកម្មវិធីមូលដ្ឋាន និង/ឬ ODS នៅពេលដែល ERP បញ្ចូល dati ក្នុង ឃ្លាំងទិន្នន័យសិលាចារឹកនេះត្រូវតែធ្វើឡើងនៅកម្រិតទាបបំផុតនៃ "granularity" ។ សង្ខេប ឬសរុប i dati ដូចដែលពួកគេចេញពីកម្មវិធីមូលដ្ឋាន ERP ឬ ERP ODS មិនមែនជារឿងត្រឹមត្រូវដែលត្រូវធ្វើនោះទេ។ ធី dati ព័ត៌មានលម្អិតគឺចាំបាច់នៅក្នុង ឃ្លាំងទិន្នន័យ ដើម្បីបង្កើតមូលដ្ឋាននៃដំណើរការ DSS ។ បែប dati នឹងត្រូវបានរៀបចំឡើងវិញតាមវិធីជាច្រើនដោយ data marts និងការរុករក ឃ្លាំងទិន្នន័យ.

ការផ្លាស់ទីលំនៅរបស់ dati ពីបរិស្ថានកម្មវិធីមូលដ្ឋាន ERP ទៅ ឃ្លាំងទិន្នន័យ របស់ក្រុមហ៊ុនត្រូវបានធ្វើឡើងក្នុងលក្ខណៈបន្ធូរបន្ថយដោយសមហេតុផល។ ការផ្លាស់ប្តូរនេះកើតឡើងប្រហែល 24 ម៉ោងបន្ទាប់ពីការអាប់ដេត ឬការបង្កើតនៅក្នុង ERP ។ ការពិតនៃការមានចលនា "ខ្ជិល" នៃ dati ក្នុង ឃ្លាំងទិន្នន័យ របស់ក្រុមហ៊ុនអនុញ្ញាត dati មកពី ERP ទៅ "ដាក់ប្រាក់" ។ ពេលមួយខ្ញុំ dati ត្រូវបានរក្សាទុកក្នុងកម្មវិធីមូលដ្ឋាន បន្ទាប់មកអ្នកអាចផ្លាស់ទីដោយសុវត្ថិភាព dati នៃ ERP នៅក្នុងសហគ្រាស។ គោលដៅមួយទៀតដែលអាចសម្រេចបានដោយសារចលនា "ខ្ជិល" នៃ dati វាគឺជាការកំណត់ច្បាស់លាស់រវាងដំណើរការប្រតិបត្តិការ និង DSS ។ ជាមួយនឹងចលនា "លឿន" dati បន្ទាត់បែងចែករវាង DSS និងប្រតិបត្តិការនៅតែមិនច្បាស់លាស់។

ចលនារបស់ dati ពី ERP ODS ទៅ ឃ្លាំងទិន្នន័យ របស់ក្រុមហ៊ុនត្រូវបានធ្វើជាទៀងទាត់ ជាធម្មតាប្រចាំសប្តាហ៍ ឬប្រចាំខែ។ ក្នុងករណីនេះចលនារបស់ dati វាត្រូវបានផ្អែកលើតម្រូវការ "សម្អាត" ចាស់ dati អ្នកប្រវត្តិសាស្ត្រ។ ជាការពិតណាស់ ODS មាន i dati ដែលថ្មីៗជាងនេះទៅទៀត។ dati អ្នកប្រវត្តិសាស្រ្តបានរកឃើញនៅក្នុង ឃ្លាំងទិន្នន័យ.

ការផ្លាស់ទីលំនៅរបស់ dati ក្នុង ឃ្លាំងទិន្នន័យ វាស្ទើរតែមិនដែលធ្វើ "លក់ដុំ" (ក្នុងលក្ខណៈអ្នកលក់ដុំ)។ ចម្លងតារាងពីបរិស្ថាន ERP ទៅ ឃ្លាំងទិន្នន័យ វាមិនសមហេតុផលទេ។ វិធីសាស្រ្តជាក់ស្តែងជាងនេះគឺដើម្បីផ្លាស់ទីឯកតាដែលបានជ្រើសរើស dati. មានតែ dati ដែលបានផ្លាស់ប្តូរចាប់តាំងពីការធ្វើបច្ចុប្បន្នភាពចុងក្រោយនៃ ឃ្លាំងទិន្នន័យ ពួកគេគឺជាអ្នកដែលគួរតែត្រូវបានផ្លាស់ទីទៅ ឃ្លាំងទិន្នន័យ. វិធីមួយដើម្បីដឹងថាមួយណា dati បានផ្លាស់ប្តូរចាប់តាំងពីការធ្វើបច្ចុប្បន្នភាពចុងក្រោយគឺដើម្បីមើលត្រាពេលវេលានៃ dati បានរកឃើញនៅក្នុងបរិស្ថាន ERP ។ អ្នករចនាជ្រើសរើសការផ្លាស់ប្តូរទាំងអស់ដែលបានកើតឡើងចាប់តាំងពីការធ្វើបច្ចុប្បន្នភាពចុងក្រោយ។ វិធីសាស្រ្តមួយផ្សេងទៀតគឺត្រូវប្រើបច្ចេកទេសចាប់យកការផ្លាស់ប្តូរ dati. ជាមួយនឹងបច្ចេកទេសទាំងនេះ កំណត់ហេតុ និងកាសែតកាសែតត្រូវបានវិភាគដើម្បីកំណត់ថាតើមួយណា dati ត្រូវតែផ្លាស់ទីពីបរិស្ថាន ERP ទៅនោះ។ ឃ្លាំងទិន្នន័យ. បច្ចេកទេសទាំងនេះគឺល្អបំផុតព្រោះកំណត់ហេតុ និងកាសែតអាចអានបានពីឯកសារ ERP ដោយមិនប៉ះពាល់ដល់ធនធាន ERP ផ្សេងទៀត។

ផលវិបាកផ្សេងទៀត។

បញ្ហា ERP មួយនៅក្នុង CIF គឺជាអ្វីដែលកើតឡើងចំពោះប្រភពកម្មវិធីផ្សេងទៀត ឬទៅ dati នៃ ODS ដែលពួកគេត្រូវតែរួមចំណែក ឃ្លាំងទិន្នន័យ ប៉ុន្តែពួកគេមិនមែនជាផ្នែកនៃបរិស្ថាន ERP ទេ។ ដែលបានផ្តល់ឱ្យធម្មជាតិបិទនៃ ERP ជាពិសេស SAP ប៉ុនប៉ងបញ្ចូលកូនសោពីប្រភពខាងក្រៅនៃ dati ជាមួយខ្ញុំ dati ដែលមកពី ERP នៅពេលផ្លាស់ទី dati ក្នុង ឃ្លាំងទិន្នន័យវាជាបញ្ហាប្រឈមដ៏ធំមួយ។ ហើយអ្វីដែលជាប្រូបាប៊ីលីតេដែលខ្ញុំ dati នៃកម្មវិធី ឬ ODS នៅខាងក្រៅបរិស្ថាន ERP នឹងត្រូវបានបញ្ចូលទៅក្នុង ឃ្លាំងទិន្នន័យ? តាមពិតហាងឆេងគឺខ្ពស់ណាស់។

ស្វែងរក ទិន្នន័យ ប្រវត្តិសាស្រ្តពី ERP

បញ្ហាមួយទៀតជាមួយ I dati នៃ ERP គឺមកពីតម្រូវការដើម្បីឱ្យមាន dati អ្នកប្រវត្តិសាស្រ្តនៅក្នុង ឃ្លាំងទិន្នន័យ. ជាធម្មតា ឃ្លាំងទិន្នន័យ តម្រូវការ dati ប្រវត្តិវិទូ។ ហើយបច្ចេកវិទ្យា ERP ជាធម្មតាមិនរក្សាទុកវាទេ។ dati ប្រវត្តិសាស្រ្ត យ៉ាងហោចណាស់មិនដល់ចំណុចដែលវាចាំបាច់នៅក្នុង ឃ្លាំងទិន្នន័យ. នៅពេលដែលបរិមាណដ៏ច្រើន។ dati ប្រវត្តិសាស្រ្តចាប់ផ្តើមបន្ថែមនៅក្នុងបរិស្ថាន ERP បរិស្ថាននោះត្រូវតែសម្អាត។ ជាឧទាហរណ៍ ឧបមាថា ក ឃ្លាំងទិន្នន័យ ត្រូវតែផ្ទុកជាមួយរយៈពេលប្រាំឆ្នាំ dati ប្រវត្តិសាស្រ្តខណៈពេលដែល ERP រក្សាអតិបរមាប្រាំមួយខែនៃការទាំងនេះ dati. ដរាបណាក្រុមហ៊ុនពេញចិត្តនឹងការប្រមូលស៊េរី dati ប្រវត្ដិវិទូនៅពេលដែលពេលវេលាកន្លងផុតទៅ នោះគ្មានបញ្ហាអ្វីទេក្នុងការប្រើប្រាស់ ERP ជាប្រភពសម្រាប់ ឃ្លាំងទិន្នន័យ. ប៉ុន្តែនៅពេលដែល ឃ្លាំងទិន្នន័យ គាត់ត្រូវតែត្រលប់ទៅពេលវេលាវិញ ហើយទទួលបានព្រះ dati ប្រវត្តិដែលពីមុនមិនត្រូវបានប្រមូល និងរក្សាទុកដោយ ERP នោះបរិស្ថាន ERP ក្លាយទៅជាគ្មានប្រសិទ្ធភាព។

ERP និង METADATA

ការពិចារណាមួយទៀតដើម្បីធ្វើអំពី ERP e ឃ្លាំងទិន្នន័យ គឺជាទិន្នន័យមេតាដែលមាននៅក្នុងបរិស្ថាន ERP ។ ដូចគ្នានឹងទិន្នន័យមេតាហូរចេញពីបរិស្ថាន ERP ទៅ ឃ្លាំងទិន្នន័យទិន្នន័យមេតាត្រូវតែផ្លាស់ទីតាមរបៀបដូចគ្នា។ លើសពីនេះ ទិន្នន័យមេតាត្រូវតែបំប្លែងទៅជាទម្រង់ និងរចនាសម្ព័ន្ធដែលត្រូវការដោយហេដ្ឋារចនាសម្ព័ន្ធនៃ ឃ្លាំងទិន្នន័យ. មានភាពខុសគ្នាខ្លាំងរវាងទិន្នន័យមេតាប្រតិបត្តិការ និងទិន្នន័យមេតា DSS ។ ទិន្នន័យមេតាប្រតិបត្តិការជាចម្បងសម្រាប់អ្នកអភិវឌ្ឍន៍ និង

អ្នកសរសេរកម្មវិធី។ ទិន្នន័យមេតា DSS ជាចម្បងសម្រាប់អ្នកប្រើប្រាស់ចុងក្រោយ។ ទិន្នន័យមេតាដែលមានស្រាប់នៅក្នុងកម្មវិធី ERP ឬ ODSs ចាំបាច់ត្រូវបំប្លែង ហើយការបំប្លែងនេះមិនតែងតែងាយស្រួល និងងាយស្រួលនោះទេ។

ការស្វែងរកទិន្នន័យ ERP

ប្រសិនបើ ERP ត្រូវបានប្រើជាអ្នកផ្តល់ dati ក្នុងមួយអ៊ីល។ ឃ្លាំងទិន្នន័យ ត្រូវតែមានចំណុចប្រទាក់រឹងដែលផ្លាស់ទី dati ពីបរិស្ថាន ERP ទៅបរិស្ថាន ឃ្លាំងទិន្នន័យ. ចំណុចប្រទាក់ត្រូវតែ៖

• ▪ ងាយស្រួលប្រើ
• ▪ អនុញ្ញាតឱ្យចូលប្រើ dati នៃ ERP
• ▪ ចូរយកអត្ថន័យនៃ dati ដែល​នឹង​ត្រូវ​បាន​ផ្លាស់​ប្តូ​រ​ទៅ ឃ្លាំងទិន្នន័យ
• ▪ ដឹងពីដែនកំណត់ ERP ដែលអាចកើតឡើងនៅពេលចូលប្រើ dati នៃ ERP:
• ▪ សុចរិតភាពយោង
• ▪ ទំនាក់ទំនងតាមឋានានុក្រម
• ▪ ទំនាក់ទំនងតក្កវិជ្ជា
• ▪ អនុសញ្ញាកម្មវិធី
• ▪ រចនាសម្ព័ន្ធទាំងអស់របស់ dati គាំទ្រដោយ ERP ហើយដូច្នេះនៅលើ ...
• ▪ មានប្រសិទ្ធភាពក្នុងការចូលប្រើ dati, ដោយ​ការ​ផ្តល់​នូវ​:
• ▪ ចលនាផ្ទាល់របស់ dati
• ▪ ការទិញដូរ dati
• ▪ គាំទ្រការចូលប្រើទាន់ពេលវេលា dati
• ▪ យល់អំពីទម្រង់នៃ dati, ល​ល… អន្តរកម្មជាមួយ SAP ចំណុចប្រទាក់អាចមានពីរប្រភេទ ក្នុងស្រុក ឬពាណិជ្ជកម្ម។ ចំណុចប្រទាក់ពាណិជ្ជកម្មសំខាន់ៗមួយចំនួនរួមមាន:

• ▪ SAS
• ▪ ដំណោះស្រាយ Prims
• ▪ D2k និងផ្សេងៗទៀត... បច្ចេកវិទ្យា ERP ច្រើន។ ការចាត់ទុកបរិស្ថាន ERP ដូចជាវាជាបច្ចេកវិទ្យាតែមួយគឺជាកំហុសដ៏ធំមួយ។ មានបច្ចេកវិទ្យា ERP ជាច្រើន ដែលនីមួយៗមានចំណុចខ្លាំងរៀងៗខ្លួន។ អ្នកលក់ដែលល្បីជាងគេនៅលើទីផ្សារគឺ៖

• ▪ SAP
• ▪ Oracle Financials
• ▪ PeopleSoft
• ▪ JD Edwards
• ▪ បាណន់ SAP SAP គឺជាកម្មវិធី ERP ដ៏ធំបំផុត និងពេញលេញបំផុត។ កម្មវិធី SAP រួមមានប្រភេទកម្មវិធីជាច្រើននៅក្នុងតំបន់ជាច្រើន។ SAP មានកេរ្តិ៍ឈ្មោះដូចជា៖

• ▪ ធំណាស់។
• ▪ ពិបាក និងថ្លៃណាស់ក្នុងការអនុវត្ត
• ▪ ត្រូវការមនុស្ស និងអ្នកប្រឹក្សាជាច្រើន ដើម្បីអនុវត្ត
• ▪ តម្រូវ​ឱ្យ​មាន​មនុស្ស​ជំនាញ​សម្រាប់​ការ​អនុវត្ត
• ▪ ត្រូវចំណាយពេលយូរដើម្បីអនុវត្ត លើសពីនេះ SAP មានកេរ្តិ៍ឈ្មោះក្នុងការទន្ទេញចាំវា។ dati ដោយប្រុងប្រយ័ត្នបំផុត ដែលធ្វើឱ្យវាពិបាកសម្រាប់អ្នកដែលនៅក្រៅតំបន់ SAP ក្នុងការចូលប្រើពួកគេ។ ភាពខ្លាំងរបស់ SAP គឺថាវាមានសមត្ថភាពចាប់យក និងរក្សាទុកនូវបរិមាណដ៏ច្រើន។ dati. ថ្មីៗនេះ SAP បានប្រកាសពីចេតនារបស់ខ្លួនក្នុងការពង្រីកកម្មវិធីរបស់ខ្លួនទៅ ឃ្លាំងទិន្នន័យ. មានគុណសម្បត្តិ និងគុណវិបត្តិជាច្រើនក្នុងការប្រើប្រាស់ SAP ជាអ្នកលក់ ឃ្លាំងទិន្នន័យ. អត្ថប្រយោជន៍មួយគឺថា SAP ត្រូវបានដំឡើងរួចហើយ ហើយអ្នកប្រឹក្សាភាគច្រើនស្គាល់ SAP រួចហើយ។
  គុណវិបត្តិនៃការមាន SAP ជាអ្នកផ្គត់ផ្គង់ ឃ្លាំងទិន្នន័យ មានច្រើន៖ SAP មិនមានបទពិសោធន៍នៅក្នុងពិភពនៃ ឃ្លាំងទិន្នន័យ ប្រសិនបើ SAP គឺជាអ្នកផ្គត់ផ្គង់ ឃ្លាំងទិន្នន័យវាចាំបាច់ក្នុងការ "យកចេញ" i dati ពី SAP ទៅ ឃ្លាំងទិន្នន័យ. កាលបរិច្ឆេទ កំណត់ត្រាតាមដានប្រព័ន្ធបិទរបស់ SAP វាមិនទំនងងាយស្រួលក្នុងការយក i ពី SAP ចូលទៅក្នុងវាទេ (???)។ មានបរិស្ថានកេរ្តិ៍ដំណែលជាច្រើនដែលផ្តល់ថាមពលដល់ SAP ដូចជា IMS, VSAM, ADABAS, ORACLE, DB2 ជាដើម។ SAP ទទូចលើវិធីសាស្រ្ត "មិនត្រូវបានបង្កើតនៅទីនេះ" ។ SAP មិនចង់ធ្វើជាដៃគូជាមួយអ្នកលក់ផ្សេងទៀតដើម្បីប្រើ ឬបង្កើត ឃ្លាំងទិន្នន័យ. SAP ទទូចលើការបង្កើតកម្មវិធីទាំងអស់របស់វាដោយខ្លួនឯង។

ទោះបីជា SAP គឺជាក្រុមហ៊ុនធំ និងមានឥទ្ធិពលក៏ដោយ ព្យាយាមសរសេរឡើងវិញនូវបច្ចេកវិទ្យា ELT, OLAP, ការគ្រប់គ្រងប្រព័ន្ធ និងសូម្បីតែកូដស្នូលនៃ dbms វាគ្រាន់តែជាឆ្កួត។ ជំនួសឱ្យការទទួលយកអាកប្បកិរិយាសហការជាមួយអ្នកផ្គត់ផ្គង់ ឃ្លាំងទិន្នន័យ ជា​យូរ​មក​ហើយ SAP បាន​ធ្វើ​តាម​វិធី "ពួកគេ​ដឹង​ច្បាស់​បំផុត"។ អាកប្បកិរិយានេះរក្សានូវភាពជោគជ័យដែល SAP អាចមាននៅក្នុងតំបន់ ឃ្លាំងទិន្នន័យ.
ការបដិសេធរបស់ SAP ក្នុងការអនុញ្ញាតឱ្យអ្នកលក់ខាងក្រៅចូលប្រើប្រាស់របស់ពួកគេភ្លាមៗ និងប្រកបដោយភាពទន់ភ្លន់ dati. ខ្លឹមសារសំខាន់នៃការប្រើប្រាស់ ក ឃ្លាំងទិន្នន័យ មានភាពងាយស្រួលក្នុងការចូលប្រើ dati. ប្រវត្តិទាំងមូលរបស់ SAP គឺផ្អែកលើការធ្វើឱ្យពិបាកក្នុងការចូលប្រើ dati.
កង្វះបទពិសោធន៍របស់ SAP ក្នុងការដោះស្រាយជាមួយនឹងបរិមាណដ៏ធំនៃ dati; នៅក្នុងវាលនៃ ឃ្លាំងទិន្នន័យ មានបរិមាណ dati មិនដែលឃើញដោយ SAP និងដើម្បីគ្រប់គ្រងបរិមាណដ៏ច្រើនទាំងនេះ dati អ្នកត្រូវមានបច្ចេកវិទ្យាសមស្រប។ SAP ច្បាស់ជាមិនដឹងអំពីឧបសគ្គបច្ចេកវិជ្ជានេះដែលមានដើម្បីចូលទៅក្នុងវិស័យនេះ។ ឃ្លាំងទិន្នន័យ.
វប្បធម៌សាជីវកម្មរបស់ SAP៖ SAP បានធ្វើឱ្យអាជីវកម្មទទួលបាន dati ពីប្រព័ន្ធ។ ប៉ុន្តែដើម្បីធ្វើបែបនេះ អ្នកត្រូវមានចិត្តគំនិតផ្សេង។ ជាប្រពៃណី ក្រុមហ៊ុនសូហ្វវែរដែលពូកែយកទិន្នន័យទៅក្នុងបរិយាកាស មិនសូវល្អក្នុងការយកទិន្នន័យទៅវិធីផ្សេងនោះទេ។ ប្រសិនបើ SAP គ្រប់គ្រងដើម្បីធ្វើកុងតាក់ប្រភេទនេះ វានឹងក្លាយជាក្រុមហ៊ុនដំបូងគេដែលធ្វើដូច្នេះ។

សរុបមក វាមានចម្ងល់ថាតើក្រុមហ៊ុនមួយគួរជ្រើសរើស SAP ជាអ្នកផ្គត់ផ្គង់របស់ខ្លួនដែរឬទេ? ឃ្លាំងទិន្នន័យ. មានហានិភ័យធ្ងន់ធ្ងរណាស់នៅលើដៃម្ខាង និងរង្វាន់តិចតួចបំផុតនៅម្ខាងទៀត។ ប៉ុន្តែមានហេតុផលមួយទៀតដែលធ្វើឲ្យបាក់ទឹកចិត្តក្នុងការជ្រើសរើស SAP ជាអ្នកផ្គត់ផ្គង់ ឃ្លាំងទិន្នន័យ. ព្រោះក្រុមហ៊ុននីមួយៗគួរតែមានដូចគ្នា។ ឃ្លាំងទិន្នន័យ នៃក្រុមហ៊ុនផ្សេងទៀតទាំងអស់? នេះ។ ឃ្លាំងទិន្នន័យ វាជាបេះដូងនៃអត្ថប្រយោជន៍ប្រកួតប្រជែង។ ប្រសិនបើក្រុមហ៊ុននីមួយៗទទួលយកដូចគ្នា។ ឃ្លាំងទិន្នន័យ វាពិតជាលំបាកណាស់ បើទោះបីជាមិនអាចទៅរួចក៏ដោយ ដើម្បីសម្រេចបាននូវគុណសម្បត្តិប្រកួតប្រជែង។ SAP ហាក់ដូចជាគិតថា ក ឃ្លាំងទិន្នន័យ វា​អាច​ត្រូវ​បាន​គេ​មើល​ឃើញ​ថា​ជា​ខូគី ហើយ​នេះ​ជា​សញ្ញា​បន្ថែម​ទៀត​នៃ "ទទួល​ទិន្នន័យ​ក្នុង" ចិត្តគំនិត​នៃ​កម្មវិធី។

មិនមានអ្នកលក់ ERP ផ្សេងទៀតលេចធ្លោដូច SAP ទេ។ ដោយមិនសង្ស័យនឹងមានក្រុមហ៊ុនដែលនឹងដើរតាមគន្លងរបស់ SAP សម្រាប់ពួកគេ។ ឃ្លាំងទិន្នន័យ ប៉ុន្តែសន្មតថាទាំងនេះ ឃ្លាំងទិន្នន័យ SAP នឹងមានទំហំធំ ថ្លៃ និងចំណាយពេលវេលាដើម្បីបង្កើត។

បរិយាកាសទាំងនេះរួមមានសកម្មភាពដូចជាដំណើរការអ្នកប្រាប់ពីធនាគារ ដំណើរការកក់សំបុត្រយន្តហោះ ដំណើរការទាមទារការធានារ៉ាប់រងជាដើម។ ប្រព័ន្ធប្រតិបត្តិការកាន់តែដំណើរការ កាន់តែច្បាស់គឺតម្រូវការសម្រាប់ការបែងចែករវាងដំណើរការប្រតិបត្តិការ និងប្រព័ន្ធជំនួយការសម្រេចចិត្ត (DSS)។ ទោះយ៉ាងណាក៏ដោយ ជាមួយនឹងប្រព័ន្ធធនធានមនុស្ស និងបុគ្គលិក អ្នកមិនដែលប្រឈមមុខនឹងប្រតិបត្តិការដ៏ធំនោះទេ។ ហើយជាការពិតណាស់នៅពេលដែលមនុស្សម្នាក់ត្រូវបានជួលឬចាកចេញពីក្រុមហ៊ុននេះគឺជាកំណត់ត្រានៃប្រតិបត្តិការមួយ។ ប៉ុន្តែទាក់ទងទៅនឹងប្រព័ន្ធផ្សេងទៀត ប្រព័ន្ធធនធានមនុស្ស និងបុគ្គលិកជាធម្មតាមិនមានប្រតិបត្តិការច្រើនទេ។ ដូច្នេះហើយ នៅក្នុងប្រព័ន្ធធនធានមនុស្ស និងបុគ្គលិក វាមិនច្បាស់ទាំងស្រុងថា មានតម្រូវការសម្រាប់ DataWarehouse នោះទេ។ នៅក្នុងវិធីជាច្រើន ប្រព័ន្ធទាំងនេះតំណាងឱ្យការបញ្ចូលគ្នានៃប្រព័ន្ធ DSS ។

ប៉ុន្តែមានកត្តាមួយទៀតដែលត្រូវតែយកមកពិចារណាប្រសិនបើអ្នកកំពុងដោះស្រាយជាមួយឃ្លាំងទិន្នន័យ និង PeopleSoft ។ នៅក្នុងបរិយាកាសជាច្រើន, អាយ dati ធនធានមនុស្ស និងបុគ្គលគឺជាផ្នែកបន្ទាប់បន្សំនៃអាជីវកម្មចម្បងរបស់ក្រុមហ៊ុន។ ក្រុមហ៊ុនភាគច្រើនចូលរួមក្នុងការផលិត ការលក់ ការផ្តល់សេវាកម្ម។ល។ ធនធានមនុស្ស និងប្រព័ន្ធបុគ្គលិក ជាធម្មតាជាផ្នែកបន្ទាប់បន្សំនៃ (ឬគាំទ្រ) បន្ទាត់អាជីវកម្មចម្បងរបស់ក្រុមហ៊ុន។ ដូច្នេះ​វា​ជា​ការ​សមហេតុសមផល​និង​មិន​ស្រួល​ ឃ្លាំងទិន្នន័យ ដាច់ដោយឡែកសម្រាប់ធនធានមនុស្ស និងការគាំទ្របុគ្គលិក។

PeopleSoft គឺខុសគ្នាខ្លាំងពី SAP ក្នុងរឿងនេះ។ ជាមួយនឹង SAP វាជាកាតព្វកិច្ចដែលមាន ឃ្លាំងទិន្នន័យ. ជាមួយនឹង PeopleSoft វាមិនច្បាស់នោះទេ។ ឃ្លាំងទិន្នន័យគឺស្រេចចិត្តជាមួយ PeopleSoft ។

រឿងល្អបំផុតដែលអាចនិយាយបានសម្រាប់ខ្ញុំ dati PeopleSoft គឺថា ឃ្លាំងទិន្នន័យ អាចត្រូវបានប្រើដើម្បីទុកក្នុងប័ណ្ណសារ i dati ទាក់ទងនឹងធនធានមនុស្សចាស់ និងផ្ទាល់ខ្លួន។ មូលហេតុទីពីរដែលក្រុមហ៊ុនចង់ប្រើ A ឃ្លាំងទិន្នន័យ a

ការបំផ្លាញបរិស្ថាន PeopleSoft គឺអនុញ្ញាតឱ្យចូលប្រើ និងការចូលប្រើដោយឥតគិតថ្លៃចំពោះឧបករណ៍វិភាគ dati ដោយ PeopleSoft ។ ប៉ុន្តែលើសពីហេតុផលទាំងនេះ វាអាចមានករណីដែលវាជាការប្រសើរដែលមិនមានឃ្លាំងទិន្នន័យសម្រាប់ dati មនុស្សទន់។

សរុប​មក

មានគំនិតជាច្រើនទាក់ទងនឹងការសាងសង់ ក ឃ្លាំងទិន្នន័យ នៅក្នុងកម្មវិធី ERP ។
ទាំងនេះខ្លះគឺ៖

• ▪ វាសមហេតុផលក្នុងការមាន ឃ្លាំងទិន្នន័យ វាដូចជាអ្វីផ្សេងទៀតនៅក្នុងឧស្សាហកម្ម?
• ▪ តើ ERP មានភាពបត់បែនប៉ុណ្ណា ឃ្លាំងទិន្នន័យ ផ្នែកទន់?
• ▪ ERP មួយ។ ឃ្លាំងទិន្នន័យ កម្មវិធីអាចគ្រប់គ្រងបរិមាណ dati ដែលមានទីតាំងនៅ កឃ្លាំងទិន្នន័យ សង្វៀន"?
• ▪ តើអ្វីទៅជាការកត់ត្រាដានដែលអ្នកលក់ ERP ធ្វើនៅពេលប្រឈមមុខនឹងការងាយស្រួល និងមានតំលៃថោក ទាក់ទងនឹងពេលវេលា។ dati? (តើអាជីវករ ERP តាមដានកំណត់ត្រាអ្វីខ្លះនៅលើការដឹកជញ្ជូនទំនិញដែលមានតំលៃថោក ទាន់ពេលវេលា ងាយស្រួលចូលប្រើទិន្នន័យ?)
• ▪ តើអ្វីជាការយល់ដឹងរបស់អ្នកលក់ ERP អំពីស្ថាបត្យកម្ម DSS និងរោងចក្រព័ត៌មានសាជីវកម្ម?
• ▪ អ្នកលក់ ERP យល់ពីរបៀបដើម្បីសម្រេចបាន។ dati នៅក្នុងបរិស្ថាន ប៉ុន្តែក៏យល់ពីរបៀបនាំចេញវា?
• ▪ តើអ្នកលក់ ERP បើកទូលាយយ៉ាងណាចំពោះឧបករណ៍ផ្ទុកទិន្នន័យ?
  ការពិចារណាទាំងអស់នេះត្រូវតែធ្វើឡើងក្នុងការកំណត់កន្លែងដែលត្រូវដាក់ ឃ្លាំងទិន្នន័យ ដែលនឹងធ្វើជាម្ចាស់ផ្ទះ I dati នៃ ERP និងផ្សេងទៀត។ dati. ជាទូទៅ លុះត្រាតែមានហេតុផលគួរឱ្យទាក់ទាញចិត្តដើម្បីធ្វើបើមិនដូច្នោះទេ ការសាងសង់ត្រូវបានណែនាំ ឃ្លាំងទិន្នន័យ នៅខាងក្រៅបរិយាកាសរបស់អ្នកលក់ ERP ។ ជំពូកទី ១ ទិដ្ឋភាពទូទៅនៃចំណុចសំខាន់ៗរបស់អង្គការ BI៖
  ឃ្លាំងព័ត៌មានដំណើរការផ្ទុយទៅនឹងស្ថាបត្យកម្មបញ្ញាពាណិជ្ជកម្ម (BI)៖
  វប្បធម៌សាជីវកម្ម និងព័ត៌មានវិទ្យាអាចកំណត់ភាពជោគជ័យក្នុងការកសាងអង្គការ BI ។

បច្ចេកវិទ្យាមិនមែនជាកត្តាកំណត់សម្រាប់អង្គការ BI ទៀតទេ។ សំណួរសម្រាប់ស្ថាបត្យករ និងអ្នករៀបចំគម្រោង គឺមិនមែនថាតើបច្ចេកវិទ្យាមានទេ ប៉ុន្តែថាតើពួកគេអាចអនុវត្តបច្ចេកវិទ្យាដែលមានឱ្យមានប្រសិទ្ធភាពដែរឬទេ។

សម្រាប់ក្រុមហ៊ុនជាច្រើន ក ឃ្លាំងទិន្នន័យ វាតិចជាងប្រាក់បញ្ញើអកម្មដែលចែកចាយ dati ដល់អ្នកប្រើប្រាស់ដែលត្រូវការ។ ធី dati ពួកវាត្រូវបានស្រង់ចេញពីប្រព័ន្ធប្រភព និងត្រូវបានបញ្ចូលទៅក្នុងរចនាសម្ព័ន្ធគោលដៅនៃ ឃ្លាំងទិន្នន័យ។ ខ្ញុំ dati ពួកគេក៏អាចត្រូវបានសម្អាតដោយសំណាងណាមួយ។ ទោះយ៉ាងណាក៏ដោយ គ្មានតម្លៃបន្ថែមណាមួយត្រូវបានបន្ថែម ឬប្រមូលដោយ dati ក្នុងអំឡុងពេលដំណើរការនេះ។

សំខាន់ អកម្ម Dw ល្អបំផុត ផ្តល់តែ i dati ស្អាត និងដំណើរការទៅសមាគមអ្នកប្រើប្រាស់។ ការបង្កើតព័ត៌មាន និងការយល់ដឹងពីការវិភាគគឺអាស្រ័យលើអ្នកប្រើប្រាស់ទាំងស្រុង។ វិនិច្ឆ័យថាតើ DW (ឃ្លាំង​ទិន្នន័យ) គឺជាជោគជ័យគឺជាប្រធានបទ។ ប្រសិនបើយើងវិនិច្ឆ័យជោគជ័យលើសមត្ថភាពក្នុងការប្រមូល បញ្ចូល និងសម្អាតប្រកបដោយប្រសិទ្ធភាព dati សាជីវកម្មនៅលើមូលដ្ឋានដែលអាចទស្សន៍ទាយបាន បន្ទាប់មកបាទ DW គឺជាជោគជ័យមួយ។ ម្យ៉ាងវិញទៀត ប្រសិនបើយើងក្រឡេកមើលការប្រមូល ការបង្រួបបង្រួម និងការកេងប្រវ័ញ្ចព័ត៌មានដោយអង្គការទាំងមូល នោះ DW គឺជាបរាជ័យ។ DW ផ្តល់តម្លៃព័ត៌មានតិចតួច។ ជាលទ្ធផល អ្នកប្រើប្រាស់ត្រូវបានបង្ខំឱ្យធ្វើ ដូច្នេះបង្កើតស៊ីឡូព័ត៌មាន។ ជំពូកនេះបង្ហាញពីទិដ្ឋភាពដ៏ទូលំទូលាយមួយដើម្បីសង្ខេបអំពីស្ថាបត្យកម្ម BI (Business Intelligence) របស់ក្រុមហ៊ុន។ យើងចាប់ផ្តើមដោយការពិពណ៌នាអំពី BI ហើយបន្ទាប់មកផ្លាស់ទីទៅការពិភាក្សាអំពីការរចនា និងការអភិវឌ្ឍន៍ព័ត៌មាន ដែលផ្ទុយពីការផ្តល់ព័ត៌មានដោយសាមញ្ញ។ dati ដល់អ្នកប្រើប្រាស់។ បន្ទាប់មកការពិភាក្សាផ្តោតលើការគណនាតម្លៃនៃកិច្ចខិតខំប្រឹងប្រែង BI របស់អ្នក។ យើងសន្និដ្ឋានដោយកំណត់ពីរបៀបដែល IBM ដោះស្រាយតម្រូវការស្ថាបត្យកម្ម BI របស់ស្ថាប័នអ្នក។

ការពិពណ៌នាអំពីស្ថាបត្យកម្ម អង្គការ BI

ប្រព័ន្ធព័ត៌មានតម្រង់ទិសប្រតិបត្តិការដ៏មានអានុភាពឥឡូវនេះជារឿងធម្មតានៅក្នុងគ្រប់សហគ្រាសធំៗ ដោយបានធ្វើឱ្យកម្រិតទីផ្សារលេងប្រកបដោយប្រសិទ្ធភាពសម្រាប់សាជីវកម្មជុំវិញពិភពលោក។

ទោះជាយ៉ាងណាក៏ដោយ ការប្រកួតប្រជែងដែលនៅសេសសល់ ឥឡូវនេះតម្រូវឱ្យមានប្រព័ន្ធតម្រង់ទិសវិភាគដែលអាចធ្វើបដិវត្តសមត្ថភាពរបស់ក្រុមហ៊ុនក្នុងការស្វែងរកឡើងវិញ និងប្រើប្រាស់ព័ត៌មានដែលពួកគេមានរួចហើយ។ ប្រព័ន្ធវិភាគទាំងនេះបានមកពីការយល់ដឹងពីភាពសម្បូរបែបនៃ dati មាន។ BI អាចធ្វើឱ្យប្រសើរឡើងនូវការអនុវត្តនៅទូទាំងសហគ្រាស។ ក្រុមហ៊ុនអាចធ្វើឱ្យប្រសើរឡើងនូវទំនាក់ទំនងរវាងអ្នកផ្គត់ផ្គង់ និងអតិថិជន ធ្វើអោយប្រសើរឡើងនូវផលចំណេញនៃផលិតផល និងសេវាកម្ម បង្កើតការផ្តល់ជូនថ្មី និងប្រសើរជាងមុន គ្រប់គ្រងហានិភ័យ និងក្នុងចំណោមប្រាក់ចំណេញជាច្រើនទៀតកាត់បន្ថយការចំណាយយ៉ាងខ្លាំង។ ជាមួយនឹង BI ក្រុមហ៊ុនរបស់អ្នកនៅទីបំផុតចាប់ផ្តើមប្រើប្រាស់ព័ត៌មានអតិថិជនជាទ្រព្យសម្បត្តិប្រកួតប្រជែង ដោយសារកម្មវិធីដែលមានគោលបំណងទីផ្សារ។

ការមានឧបករណ៍អាជីវកម្មត្រឹមត្រូវមានន័យថាមានចម្លើយច្បាស់លាស់ចំពោះសំណួរសំខាន់ៗដូចជា៖

• ▪ តើយើងមួយណា? អតិថិជន តើ​ពួក​គេ​ធ្វើ​ឱ្យ​យើង​រក​ប្រាក់​ចំណូល​បាន​ច្រើន​ឬ​ក៏​ធ្វើ​ឱ្យ​យើង​បាត់​បង់​ប្រាក់?
• ▪ កន្លែងដែលយើងរស់នៅល្អបំផុត អតិថិជន មាន​ទំនាក់ទំនង​ជាមួយ ហាង/ ឃ្លាំងដែលពួកគេញឹកញាប់?
• ▪ តើផលិតផល និងសេវាកម្មរបស់យើងមួយណាអាចលក់ប្រកបដោយប្រសិទ្ធភាពបំផុត និងសម្រាប់អ្នកណា?
• ▪ តើផលិតផលមួយណាអាចលក់បានយ៉ាងមានប្រសិទ្ធភាពបំផុត និងសម្រាប់អ្នកណា?
• ▪ តើយុទ្ធនាការលក់មួយណាជោគជ័យជាងគេ ហើយហេតុអ្វី?
• ▪ តើបណ្តាញលក់មួយណាមានប្រសិទ្ធភាពបំផុតសម្រាប់ផលិតផលមួយណា?
• ▪ របៀបដែលយើងអាចកែលម្អទំនាក់ទំនងជាមួយមនុស្សល្អបំផុតរបស់យើង។ អតិថិជន? ក្រុមហ៊ុនភាគច្រើនមាន dati មធ្យោបាយដ៏លំបាកដើម្បីឆ្លើយសំណួរទាំងនេះ។
  ប្រព័ន្ធប្រតិបត្តិការបង្កើតបរិមាណដ៏ធំនៃផលិតផលអតិថិជននិង dati ទីផ្សារពីចំណុចលក់ ការកក់ សេវាកម្មអតិថិជន និងប្រព័ន្ធគាំទ្របច្ចេកទេស។ បញ្ហាប្រឈមគឺដើម្បីទាញយក និងទាញយកព័ត៌មាននេះ។ ក្រុមហ៊ុនជាច្រើនទទួលបានប្រាក់ចំណេញតែពីប្រភាគតូចប៉ុណ្ណោះ។ dati សម្រាប់ការវិភាគយុទ្ធសាស្ត្រ។
  I dati នៅសល់, ជាញឹកញាប់បានចូលរួមជាមួយ i dati បានមកពីប្រភពខាងក្រៅ ដូចជារបាយការណ៍របស់រដ្ឋាភិបាល និងព័ត៌មានដែលបានទិញផ្សេងទៀត គឺជាអណ្តូងរ៉ែមាសដែលគ្រាន់តែរង់ចាំការរុករក និង dati ពួកគេគ្រាន់តែត្រូវការកែលម្អនៅក្នុងបរិបទព័ត៌មាននៃស្ថាប័នរបស់អ្នក។

ចំណេះដឹងនេះអាចត្រូវបានអនុវត្តតាមវិធីជាច្រើន ចាប់ពីការរៀបចំយុទ្ធសាស្ត្រសាជីវកម្មទាំងមូល រហូតដល់ការទំនាក់ទំនងផ្ទាល់ខ្លួនជាមួយអ្នកផ្គត់ផ្គង់ តាមរយៈមជ្ឈមណ្ឌលហៅទូរសព្ទ វិក្កយបត្រ។ អ៊ីនធឺណេត និងចំណុចផ្សេងទៀត។ បរិយាកាសអាជីវកម្មនាពេលបច្ចុប្បន្ននេះកំណត់ថា DW និងដំណោះស្រាយ BI ដែលពាក់ព័ន្ធមានការវិវត្តលើសពីការដំណើរការរចនាសម្ព័ន្ធអាជីវកម្មបែបប្រពៃណី។ dati ដែលខ្ញុំ dati ធ្វើឱ្យធម្មតានៅកម្រិតអាតូមិក និង "កសិដ្ឋានផ្កាយ/គូប" ។

អ្វី​ដែល​ចាំបាច់​ដើម្បី​រក្សា​ការ​ប្រកួត​ប្រជែង​គឺ​ការ​លាយ​បញ្ចូល​គ្នា​នៃ​បច្ចេកវិទ្យា​បុរាណ​និង​ទំនើប​ក្នុង​កិច្ច​ប្រឹងប្រែង​ដើម្បី​គាំទ្រ​ទិដ្ឋភាព​វិភាគ​ដ៏​ធំ។
ដើម្បីសន្និដ្ឋាន បរិយាកាសទូទៅត្រូវតែធ្វើឱ្យប្រសើរឡើងនូវចំណេះដឹងរបស់ក្រុមហ៊ុនទាំងមូលដោយធានាថាសកម្មភាពដែលបានធ្វើឡើងជាលទ្ធផលនៃការវិភាគដែលធ្វើឡើងគឺមានប្រយោជន៍ដើម្បីឱ្យមនុស្សគ្រប់គ្នាទទួលបានអត្ថប្រយោជន៍។

ជាឧទាហរណ៍ ចូរនិយាយថាអ្នកចាត់ថ្នាក់របស់អ្នក។ អតិថិជន ចូលទៅក្នុងប្រភេទហានិភ័យខ្ពស់ ឬទាប។
ប្រសិនបើព័ត៌មាននេះត្រូវបានបង្កើតដោយឧបករណ៍ដកស្រង់គំរូ ឬមធ្យោបាយផ្សេងទៀត វាត្រូវតែដាក់ចូលទៅក្នុង DW ហើយត្រូវបានធ្វើឱ្យនរណាម្នាក់អាចចូលប្រើបាន តាមរយៈឧបករណ៍ចូលប្រើណាមួយ ដូចជារបាយការណ៍ឋិតិវន្ត សៀវភៅបញ្ជី តារាង ឬដំណើរការវិភាគតាមអ៊ីនធឺណិត (OLAP) .

ទោះជាយ៉ាងណាក៏ដោយ បច្ចុប្បន្នព័ត៌មានប្រភេទនេះភាគច្រើននៅតែមាននៅក្នុងស៊ីឡូ dati នៃបុគ្គល ឬនាយកដ្ឋានបង្កើតការវិភាគ។ អង្គការទាំងមូលមានភាពមើលឃើញតិចតួច ឬមើលមិនឃើញសម្រាប់ការយល់ដឹង។ មានតែតាមរយៈការលាយបញ្ចូលខ្លឹមសារព័ត៌មានប្រភេទនេះទៅក្នុង DW សហគ្រាសរបស់អ្នកប៉ុណ្ណោះ ទើបអ្នកអាចលុបបំបាត់ព័ត៌មាន និងបង្កើនបរិយាកាស DW របស់អ្នក។
មានឧបសគ្គធំៗពីរក្នុងការអភិវឌ្ឍន៍អង្គការ BI ។
ទីមួយ យើង​មាន​បញ្ហា​របស់​ស្ថាប័ន​ខ្លួន​ឯង និង​វិន័យ​របស់​ខ្លួន។
ខណៈពេលដែលយើងមិនអាចជួយជាមួយនឹងការផ្លាស់ប្តូរគោលនយោបាយរបស់អង្គការ យើងអាចជួយឱ្យយល់អំពីធាតុផ្សំនៃ BI របស់អង្គការ ស្ថាបត្យកម្មរបស់វា និងរបៀបដែលបច្ចេកវិទ្យា IBM ជួយសម្រួលដល់ការអភិវឌ្ឍន៍របស់វា។
ឧបសគ្គទីពីរដែលត្រូវជម្នះគឺការខ្វះខាតនៃបច្ចេកវិទ្យារួមបញ្ចូលគ្នា និងចំណេះដឹងនៃវិធីសាស្រ្តដែលដោះស្រាយចន្លោះ BI ទាំងមូលដែលផ្ទុយពីសមាសធាតុតូចមួយ។

ក្រុមហ៊ុន IBM កំពុងតែឈានទៅរកការផ្លាស់ប្តូរនៅក្នុងបច្ចេកវិទ្យាសមាហរណកម្ម។ វាជាទំនួលខុសត្រូវរបស់អ្នកក្នុងការផ្តល់នូវការរចនាប្រកបដោយការគិតគូរ។ ស្ថាបត្យកម្មនេះត្រូវតែត្រូវបានបង្កើតឡើងជាមួយនឹងបច្ចេកវិទ្យាដែលត្រូវបានជ្រើសរើសសម្រាប់ការរួមបញ្ចូលដោយគ្មានដែនកំណត់ ឬយ៉ាងហោចណាស់ជាមួយនឹងបច្ចេកវិទ្យាដែលប្រកាន់ខ្ជាប់នូវស្តង់ដារបើកចំហ។ ជាងនេះទៅទៀត ការគ្រប់គ្រងក្រុមហ៊ុនរបស់អ្នកត្រូវតែធានាថា ការអនុវត្តន៍ BI ត្រូវបានអនុវត្តទៅតាមផែនការ និងមិនអនុញ្ញាតឱ្យមានការអភិវឌ្ឍន៍ព័ត៌មានដែលកើតឡើងពីរបៀបវារៈដែលបម្រើខ្លួនឯង ឬគោលបំណង។
នេះមិនមែនមានន័យថាបរិស្ថាន BI មិនប្រកាន់អក្សរតូចធំចំពោះប្រតិកម្មទៅនឹងតម្រូវការ និងតម្រូវការរបស់អ្នកប្រើប្រាស់ផ្សេងគ្នានោះទេ។ ផ្ទុយទៅវិញ វាមានន័យថា ការអនុវត្តតម្រូវការ និងតម្រូវការបុគ្គលទាំងនោះ គឺធ្វើឡើងដើម្បីជាប្រយោជន៍ដល់ស្ថាប័ន BI ទាំងមូល។
ការពិពណ៌នាអំពីស្ថាបត្យកម្មរបស់អង្គការ BI អាចរកបាននៅទំព័រទី 9 ក្នុងរូបភាពទី 1.1 ។ ស្ថាបត្យកម្មនេះបង្ហាញពីបច្ចេកវិទ្យា និងបច្ចេកទេសចម្រុះ។
តាមទស្សនៈបែបប្រពៃណី ស្ថាបត្យកម្មរួមមានធាតុផ្សំនៃឃ្លាំងខាងក្រោម

ស្រទាប់អាតូមិច។

នេះគឺជាមូលដ្ឋានគ្រឹះ ដែលជាបេះដូងនៃ DW ទាំងមូល ហើយដូច្នេះនៃការរាយការណ៍ជាយុទ្ធសាស្រ្ត។
I dati រក្សា​ទុក​នៅ​ទីនេះ​នឹង​រក្សា​បាន​នូវ​សុចរិត​ភាព​ជា​ប្រវត្តិ​សា​ស្រ្ត, ទំនាក់ទំនង​នៃ dati និងរួមបញ្ចូលរង្វាស់ដែលបានទាញយក ក៏ដូចជាការសម្អាត រួមបញ្ចូល និងរក្សាទុកដោយប្រើការស្រង់ចេញគំរូ។
រាល់ការប្រើប្រាស់ជាបន្តបន្ទាប់ dati និងព័ត៌មានពាក់ព័ន្ធគឺបានមកពីរចនាសម្ព័ន្ធនេះ។ នេះគឺជាប្រភពដ៏ល្អសម្រាប់ការជីកយករ៉ែ dati និងសម្រាប់របាយការណ៍ជាមួយនឹងសំណួរ SQL ដែលមានរចនាសម្ព័ន្ធ

ឃ្លាំងប្រតិបត្តិការរបស់ dati ឬរបាយការណ៍ផ្អែកលើ dati(ឃ្លាំងទិន្នន័យប្រតិបត្តិការ (ODS) ឬរបាយការណ៍ មូលដ្ឋានទិន្នន័យ.)

នេះគឺជារចនាសម្ព័ន្ធនៃ dati រចនាជាពិសេសសម្រាប់ការរាយការណ៍បច្ចេកទេស។

I dati រក្សាទុក និងរាយការណ៍ខាងលើរចនាសម្ព័ន្ធទាំងនេះ ទីបំផុតអាចសាយភាយចូលទៅក្នុងឃ្លាំងតាមរយៈតំបន់ដំណាក់កាល ដែលវាអាចត្រូវបានប្រើសម្រាប់ការផ្តល់សញ្ញាជាយុទ្ធសាស្ត្រ។

តំបន់ឆាក។

ការឈប់ដំបូងសម្រាប់ភាគច្រើន dati មានបំណងសម្រាប់បរិយាកាសឃ្លាំងគឺជាតំបន់អង្គការ។
នៅទីនេះខ្ញុំ dati ពួកវាត្រូវបានរួមបញ្ចូល សម្អាត និងបំប្លែងទៅជា dati ប្រាក់ចំណេញដែលនឹងធ្វើឱ្យរចនាសម្ព័ន្ធឃ្លាំងផ្ទុក

ទិន្នន័យម៉ាត។

ផ្នែកនៃស្ថាបត្យកម្មនេះតំណាងឱ្យរចនាសម្ព័ន្ធនៃ dati ប្រើជាពិសេសសម្រាប់ OLAP ។ វត្តមានរបស់ datamarts ប្រសិនបើ i dati ត្រូវបានរក្សាទុកក្នុងគ្រោងការណ៍ផ្កាយត្រួតគ្នា។ dati ពហុវិមាត្រនៅក្នុងបរិយាកាសទំនាក់ទំនង ឬនៅក្នុងឯកសារនៃ dati ការសម្ងាត់ដែលប្រើដោយបច្ចេកវិទ្យា OLAP ជាក់លាក់ ដូចជា DB2 OLAP Server គឺមិនពាក់ព័ន្ធទេ។

ឧបសគ្គតែមួយគត់គឺថាស្ថាបត្យកម្មជួយសម្រួលដល់ការប្រើប្រាស់ dati ពហុវិមាត្រ។
ស្ថាបត្យកម្មក៏រួមបញ្ចូលផងដែរនូវបច្ចេកវិទ្យា Bi សំខាន់ៗ និងបច្ចេកទេសដែលលេចធ្លោដូចជា៖

ការវិភាគលំហ

លំហ​គឺ​ជា​ខ្យល់​នៃ​ព័ត៌មាន​សម្រាប់​អ្នក​វិភាគ ហើយ​មាន​សារៈ​សំខាន់​ក្នុង​ការ​បញ្ចប់​ការ​ដោះស្រាយ។ លំហអាចតំណាងឱ្យព័ត៌មានអំពីមនុស្សដែលរស់នៅក្នុងទីតាំងជាក់លាក់មួយ ក៏ដូចជាព័ត៌មានអំពីកន្លែងដែលទីតាំងនោះទាក់ទងនឹងរាងកាយទៅនឹងពិភពលោកផ្សេងទៀត។

ដើម្បីអនុវត្តការវិភាគនេះ អ្នកត្រូវតែចាប់ផ្តើមដោយភ្ជាប់ព័ត៌មានរបស់អ្នកទៅនឹងកូអរដោនេរយៈទទឹង និងរយៈបណ្តោយ។ នេះត្រូវបានគេហៅថា "geocoding" ហើយត្រូវតែជាផ្នែកមួយនៃដំណើរការស្រង់ចេញ បំប្លែង និងផ្ទុក (ETL) នៅកម្រិតអាតូមិកនៃឃ្លាំងរបស់អ្នក។

ការជីកយករ៉ែទិន្នន័យ។

ការស្រង់ចេញនៃ dati អនុញ្ញាតឱ្យក្រុមហ៊ុនរបស់យើងបង្កើនចំនួន អតិថិជន, ដើម្បីទស្សន៍ទាយនិន្នាការនៃការលក់និងអនុញ្ញាតឱ្យការគ្រប់គ្រងទំនាក់ទំនងជាមួយ អតិថិជន (CRM) ក្នុងចំណោមគំនិតផ្តួចផ្តើម BI ផ្សេងទៀត។

ការស្រង់ចេញនៃ dati ដូច្នេះវាត្រូវតែត្រូវបានរួមបញ្ចូលជាមួយរចនាសម្ព័ន្ធនៃ dati នៃ Dwhouse និងគាំទ្រដោយដំណើរការឃ្លាំងដើម្បីធានាបានទាំងការប្រើប្រាស់ប្រកបដោយប្រសិទ្ធភាព និងប្រសិទ្ធភាពនៃបច្ចេកវិទ្យា និងបច្ចេកទេសពាក់ព័ន្ធ។

ដូចដែលបានបញ្ជាក់នៅក្នុងស្ថាបត្យកម្ម BI កម្រិតអាតូមិចនៃ Dwhouse ក៏ដូចជា datamarts គឺជាប្រភពដ៏ល្អនៃ dati សម្រាប់ការស្រង់ចេញ។ គ្រឿងបរិក្ខារដូចគ្នាទាំងនោះក៏ត្រូវតែជាអ្នកទទួលលទ្ធផលទាញយកផងដែរ ដើម្បីធានាបាននូវភាពអាចរកបានសម្រាប់ទស្សនិកជនទូលំទូលាយបំផុត។

ភ្នាក់ងារ។

មាន "ភ្នាក់ងារ" ជាច្រើនដើម្បីពិនិត្យមើលអតិថិជនសម្រាប់គ្រប់ចំណុចដូចជា ប្រព័ន្ធប្រតិបត្តិការរបស់ក្រុមហ៊ុន និង dw ខ្លួនឯង។ ភ្នាក់ងារទាំងនេះអាចជាបណ្តាញសរសៃប្រសាទកម្រិតខ្ពស់ដែលត្រូវបានបណ្តុះបណ្តាលដើម្បីស្វែងយល់អំពីនិន្នាការនៅចំណុចនីមួយៗ ដូចជាតម្រូវការផលិតផលនាពេលអនាគតដោយផ្អែកលើការផ្សព្វផ្សាយការលក់ ម៉ាស៊ីនផ្អែកលើច្បាប់ដើម្បីប្រតិកម្មទៅនឹង ដាដូ។ សំណុំនៃកាលៈទេសៈ ឬសូម្បីតែភ្នាក់ងារសាមញ្ញដែលរាយការណ៍ករណីលើកលែងចំពោះ "នាយកប្រតិបត្តិកំពូល" ។ ដំណើរការទាំងនេះជាទូទៅកើតឡើងក្នុងពេលវេលាជាក់ស្តែង ហើយដូច្នេះត្រូវតែភ្ជាប់យ៉ាងជិតស្និទ្ធជាមួយនឹងចលនារបស់វា។ dati. រចនាសម្ព័ន្ធទាំងអស់នេះ datiបច្ចេកវិជ្ជា និងបច្ចេកទេសធានាថាអ្នកនឹងមិនចំណាយពេលមួយយប់ដើម្បីបង្កើតអង្គភាព BI របស់អ្នក។

សកម្មភាពនេះនឹងត្រូវបានបង្កើតជាជំហានបន្ថែម សម្រាប់ចំណុចតូចៗ។
ជំហាននីមួយៗគឺជាកិច្ចខិតខំប្រឹងប្រែងគម្រោងឯករាជ្យ ហើយត្រូវបានគេសំដៅថាជាការកើតឡើងម្តងទៀតនៅក្នុងគំនិតផ្តួចផ្តើម DW ឬ BI របស់អ្នក។ ការធ្វើឡើងវិញអាចរួមបញ្ចូលការអនុវត្តបច្ចេកវិទ្យាថ្មី ដោយចាប់ផ្តើមពីបច្ចេកទេសថ្មី ការបន្ថែមរចនាសម្ព័ន្ធថ្មី។ dati , កំពុង​ផ្ទុក i dati បន្ថែម ឬជាមួយនឹងការពង្រីកការវិភាគនៃបរិស្ថានរបស់អ្នក។ កថាខណ្ឌនេះត្រូវបានពិភាក្សាយ៉ាងស៊ីជម្រៅបន្ថែមទៀតនៅក្នុងជំពូកទី 3 ។

បន្ថែមពីលើរចនាសម្ព័ន្ធ DW ប្រពៃណី និងឧបករណ៍ BI មានមុខងារផ្សេងទៀតនៃអង្គភាព BI របស់អ្នកដែលអ្នកត្រូវរចនាសម្រាប់ ដូចជា៖

ចំណុចប៉ះអតិថិជន (អតិថិជនប៉ះ ចំណុច) ។

ដូចទៅនឹងស្ថាប័នទំនើបណាមួយដែរ មានចំណុចប្រទាក់អតិថិជនជាច្រើនដែលបង្ហាញពីរបៀបដើម្បីទទួលបានបទពិសោធន៍វិជ្ជមានសម្រាប់អ្នក អតិថិជន. មានបណ្តាញប្រពៃណីដូចជាអ្នកលក់រាយ ប្រតិបត្តិករ switchboard សំបុត្រដោយផ្ទាល់ ពហុព័ត៌មាន និងការផ្សាយពាណិជ្ជកម្មបោះពុម្ព ក៏ដូចជាបណ្តាញបច្ចុប្បន្នជាច្រើនទៀតដូចជាអ៊ីមែល និងគេហទំព័រ។ dati ផលិតផលដែលមានចំណុចទំនាក់ទំនងខ្លះត្រូវតែទទួលបាន ដឹកជញ្ជូន សម្អាត កែច្នៃ ហើយបន្ទាប់មកដាក់លក់នៅទីតាំងនានា dati នៃ BI ។

មូលដ្ឋាននៃ dati ទំនាក់ទំនងប្រតិបត្តិការ និងអ្នកប្រើប្រាស់ (ប្រតិបត្តិការ

មូលដ្ឋានទិន្នន័យ និងសហគមន៍អ្នកប្រើប្រាស់)។
នៅចុងបញ្ចប់នៃចំណុចទំនាក់ទំនងរបស់ អេ អតិថិជន មូលដ្ឋានគ្រឹះត្រូវបានរកឃើញ dati នៃកម្មវិធីរបស់ក្រុមហ៊ុន និងសហគមន៍អ្នកប្រើប្រាស់។ ធី dati ដែលមានស្រាប់ dati ប្រពៃណី​ដែល​ត្រូវ​បាន​យក​មក​រួម​បញ្ចូល​គ្នា​ជាមួយ​នឹង​ dati ដែលហូរចេញពីចំណុចទំនាក់ទំនង ដើម្បីបំពេញព័ត៌មានចាំបាច់។

អ្នកវិភាគ។ (អ្នកវិភាគ)

អ្នកទទួលផលចម្បងនៃបរិស្ថាន BI គឺជាអ្នកវិភាគ។ វាគឺជាគាត់ដែលទទួលផលពីការទាញយកបច្ចុប្បន្ន dati ប្រតិបត្តិការ, រួមបញ្ចូលជាមួយប្រភពផ្សេងគ្នានៃ dati ដែលត្រូវបានបន្ថែមជាមួយនឹងលក្ខណៈពិសេសដូចជាការវិភាគភូមិសាស្ត្រ (geocoding) និងបង្ហាញនៅក្នុងបច្ចេកវិទ្យា BI ដែលអនុញ្ញាតការស្រង់ចេញ OLAP ការរាយការណ៍ SQL កម្រិតខ្ពស់ និងការវិភាគភូមិសាស្ត្រ។ ចំណុចប្រទាក់អ្នកវិភាគចម្បងសម្រាប់បរិយាកាសរាយការណ៍គឺវិបផតថល BI ។

ទោះជាយ៉ាងណាក៏ដោយ អ្នកវិភាគមិនមែនជាមនុស្សតែម្នាក់គត់ដែលទទួលបានអត្ថប្រយោជន៍ពីស្ថាបត្យកម្ម BI នោះទេ។
អ្នកគ្រប់គ្រង សមាគមអ្នកប្រើប្រាស់ធំៗ និងសូម្បីតែសមាជិក អ្នកផ្គត់ផ្គង់ និង អតិថិជន ពួកគេគួរតែស្វែងរកអត្ថប្រយោជន៍នៅក្នុងសហគ្រាស BI ។

រង្វិលជុំមតិព័ត៌មាន។

ស្ថាបត្យកម្ម BI គឺជាបរិយាកាសសិក្សា។ គោលការណ៍លក្ខណៈនៃការអភិវឌ្ឍន៍គឺអនុញ្ញាតឱ្យមានរចនាសម្ព័ន្ធជាប់លាប់ dati ដើម្បីធ្វើបច្ចុប្បន្នភាពដោយបច្ចេកវិទ្យា BI ដែលបានប្រើ និងដោយសកម្មភាពដែលបានធ្វើឡើងដោយអ្នកប្រើប្រាស់។ ឧទាហរណ៍មួយគឺការដាក់ពិន្ទុអតិថិជន។

ប្រសិនបើផ្នែកលក់យកគំរូពិន្ទុអតិថិជនដើម្បីប្រើប្រាស់សេវាកម្មថ្មី នោះផ្នែកលក់មិនគួរជាក្រុមតែមួយដែលទទួលបានអត្ថប្រយោជន៍ពីសេវាកម្មនោះទេ។

ផ្ទុយទៅវិញ ការទាញយកគំរូគួរតែត្រូវបានអនុវត្តជាផ្នែកធម្មជាតិនៃលំហូរទិន្នន័យនៅក្នុងសហគ្រាស ហើយពិន្ទុអតិថិជនគួរតែក្លាយជាផ្នែករួមបញ្ចូលគ្នានៃបរិបទព័ត៌មានឃ្លាំង ដែលអាចមើលឃើញដោយអ្នកប្រើប្រាស់ទាំងអស់។ IBM Suite រួម​ទាំង DB2 UDB, DB2 OLAP Server រួម​បញ្ចូល​ទាំង​សមាសធាតុ​បច្ចេកវិជ្ជា​សំខាន់ៗ​ដែល​បាន​កំណត់​ក្នុង​រូបភាព 1.1 ។

យើងប្រើស្ថាបត្យកម្មដូចដែលវាបង្ហាញក្នុងរូបភាពពីសៀវភៅនេះ ដើម្បីផ្តល់ឱ្យយើងនូវកម្រិតនៃការបន្ត និងបង្ហាញពីរបៀបដែលផលិតផល IBM នីមួយៗសមនឹងចូលទៅក្នុងគ្រោងការណ៍ BI ទាំងមូល។

ការផ្តល់មាតិកាព័ត៌មាន (ការផ្តល់ មាតិកាព័ត៌មាន)

ការរចនា បង្កើត និងអនុវត្តបរិស្ថាន BI របស់អ្នកគឺជាកិច្ចការដ៏គួរឱ្យខ្លាចមួយ។ ការរចនាត្រូវតែទទួលយកទាំងតម្រូវការអាជីវកម្មបច្ចុប្បន្ន និងអនាគត។ គំនូរស្ថាបត្យកម្មត្រូវតែពេញលេញដើម្បីរួមបញ្ចូលការសន្និដ្ឋានទាំងអស់ដែលបានរកឃើញក្នុងដំណាក់កាលរចនា។ ការប្រតិបត្តិត្រូវតែបន្តប្តេជ្ញាចិត្តចំពោះគោលបំណងតែមួយ៖ ការអភិវឌ្ឍន៍ស្ថាបត្យកម្ម BI ដូចដែលបានបង្ហាញជាផ្លូវការនៅក្នុងការរចនា និងផ្អែកលើតម្រូវការអាជីវកម្ម។

វាជាការលំបាកជាពិសេសក្នុងការប្រកែកថា វិន័យនឹងធានាបាននូវភាពជោគជ័យដែលទាក់ទង។
នេះ​គឺ​សាមញ្ញ​ព្រោះ​អ្នក​មិន​បាន​បង្កើត​បរិស្ថាន BI ទាំង​អស់​ក្នុង​ពេល​តែ​មួយ ប៉ុន្តែ​អ្នក​ធ្វើ​វា​ក្នុង​ជំហាន​តូច​ៗ​តាម​ពេល​វេលា។

ទោះជាយ៉ាងណាក៏ដោយ ការកំណត់អត្តសញ្ញាណសមាសធាតុ BI នៃស្ថាបត្យកម្មរបស់អ្នកគឺមានសារៈសំខាន់សម្រាប់ហេតុផលពីរយ៉ាង៖ អ្នកនឹងណែនាំការសម្រេចចិត្តស្ថាបត្យកម្មបច្ចេកទេសជាបន្តបន្ទាប់ទាំងអស់។
អ្នក​នឹង​អាច​រៀបចំ​ផែនការ​ប្រើប្រាស់​បច្ចេកវិជ្ជា​ជាក់លាក់​មួយ​ដោយ​ដឹងខ្លួន ទោះបីជា​អ្នក​ប្រហែល​ជា​មិន​ត្រូវ​ការ​បច្ចេកវិទ្យា​ម្តងទៀត​អស់​រយៈពេល​ជាច្រើន​ខែ​ក៏ដោយ។

ការយល់ដឹងអំពីតម្រូវការអាជីវកម្មរបស់អ្នកឱ្យបានគ្រប់គ្រាន់នឹងមានឥទ្ធិពលលើប្រភេទផលិតផលដែលអ្នកទទួលបានសម្រាប់ស្ថាបត្យកម្មរបស់អ្នក។
ការរចនា និងអភិវឌ្ឍស្ថាបត្យកម្មរបស់អ្នកធានាថាឃ្លាំងរបស់អ្នកគឺ

មិន​មែន​ជា​ព្រឹត្តិការណ៍​ចៃដន្យ​នោះ​ទេ ប៉ុន្តែ​ជា​ការ​បង្កើត​ឡើង​ដោយ​ប្រុង​ប្រយ័ត្ន "ការ​គិត​ឱ្យ​បាន​ល្អ"។ ល្ខោនអូប៉េរ៉ា នៃសិល្បៈជា mosaic នៃបច្ចេកវិទ្យាចម្រុះ។

រចនាមាតិកាព័ត៌មាន

ការរចនាដំបូងទាំងអស់ត្រូវតែផ្តោតលើ និងកំណត់អត្តសញ្ញាណសមាសធាតុ BI សំខាន់ៗ ដែលនឹងត្រូវការសម្រាប់បរិស្ថានទាំងមូលនាពេលបច្ចុប្បន្ន និងនាពេលអនាគត។
ការដឹងពីតម្រូវការអាជីវកម្មមានសារៈសំខាន់ណាស់។

សូម្បីតែមុនពេលការរចនាផ្លូវការណាមួយចាប់ផ្តើមក៏ដោយ អ្នករៀបចំគម្រោងជារឿយៗអាចកំណត់អត្តសញ្ញាណធាតុផ្សំមួយ ឬពីរភ្លាមៗ។
ទោះជាយ៉ាងណាក៏ដោយ តុល្យភាពនៃសមាសធាតុដែលអាចត្រូវការសម្រាប់ស្ថាបត្យកម្មរបស់អ្នក មិនអាចត្រូវបានរកឃើញយ៉ាងងាយស្រួលនោះទេ។ ក្នុងដំណាក់កាលរចនា ផ្នែកសំខាន់នៃស្ថាបត្យកម្មភ្ជាប់វគ្គអភិវឌ្ឍន៍កម្មវិធី (JAD) លើដំណើរស្វែងរកដើម្បីកំណត់តម្រូវការអាជីវកម្ម។

ពេលខ្លះតម្រូវការទាំងនេះអាចត្រូវបានប្រគល់ឱ្យទៅឧបករណ៍សំណួរ និងរបាយការណ៍។
ឧទាហរណ៍ អ្នកប្រើប្រាស់បញ្ជាក់ថា ប្រសិនបើពួកគេចង់ធ្វើស្វ័យប្រវត្តិកម្មរបាយការណ៍បច្ចុប្បន្ន ពួកគេត្រូវតែបង្កើតវាដោយដៃដោយបញ្ចូលរបាយការណ៍បច្ចុប្បន្នពីរ និងបន្ថែមការគណនាដែលបានមកពីការរួមបញ្ចូលគ្នានៃ dati.
ទោះបីជាតម្រូវការនេះគឺសាមញ្ញក៏ដោយ វាកំណត់មុខងារជាក់លាក់នៃលក្ខណៈពិសេសដែលអ្នកត្រូវតែរួមបញ្ចូលនៅពេលទិញឧបករណ៍រាយការណ៍សម្រាប់ស្ថាប័នរបស់អ្នក។

អ្នករចនាត្រូវតែបន្តតាមតម្រូវការបន្ថែម ដើម្បីទទួលបានរូបភាពពេញលេញ។ តើអ្នកប្រើប្រាស់ចង់ជាវរបាយការណ៍នេះទេ?
តើសំណុំរងរបាយការណ៍ត្រូវបានបង្កើត និងផ្ញើទៅអ្នកប្រើប្រាស់ផ្សេងៗទេ? តើពួកគេចង់ឃើញរបាយការណ៍នេះនៅក្នុងវិបផតថលរបស់ក្រុមហ៊ុនទេ? តម្រូវការទាំងអស់នេះគឺជាផ្នែកមួយនៃតម្រូវការសាមញ្ញដើម្បីជំនួសរបាយការណ៍ដោយដៃតាមការស្នើសុំដោយអ្នកប្រើប្រាស់។ អត្ថប្រយោជន៍នៃប្រភេទនៃតម្រូវការទាំងនេះគឺថាមនុស្សគ្រប់គ្នា អ្នកប្រើប្រាស់ និងអ្នករចនាមានការយល់ដឹងអំពីគំនិតនៃរបាយការណ៍។

ទោះយ៉ាងណាក៏ដោយ មានប្រភេទអាជីវកម្មផ្សេងទៀត ដែលយើងត្រូវរៀបចំផែនការ។ នៅពេលដែលតម្រូវការអាជីវកម្មត្រូវបានបញ្ជាក់ក្នុងទម្រង់នៃសំណួរអាជីវកម្មជាយុទ្ធសាស្ត្រ វាងាយស្រួលសម្រាប់អ្នករចនាអ្នកជំនាញក្នុងការស្វែងយល់ពីតម្រូវការវាស់វែង/ការពិត និងវិមាត្រ។

ប្រសិនបើអ្នកប្រើ JAD មិនដឹងពីរបៀបដើម្បីបង្ហាញពីតម្រូវការរបស់ពួកគេក្នុងទម្រង់នៃបញ្ហាអាជីវកម្ម អ្នករចនានឹងផ្តល់ឧទាហរណ៍ជាញឹកញាប់ដើម្បីចាប់ផ្តើមវគ្គប្រមូលផ្តុំតម្រូវការ។
អ្នករចនាអ្នកជំនាញអាចជួយអ្នកប្រើប្រាស់ឱ្យយល់មិនត្រឹមតែការជួញដូរជាយុទ្ធសាស្រ្តប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងរបៀបបង្កើតវាផងដែរ។
វិធីសាស្រ្តប្រមូលតម្រូវការត្រូវបានពិភាក្សានៅក្នុងជំពូកទី 3; សម្រាប់ពេលនេះ យើងគ្រាន់តែចង់ចង្អុលបង្ហាញពីតម្រូវការក្នុងការរចនាសម្រាប់តម្រូវការ BI គ្រប់ប្រភេទ។

បញ្ហាអាជីវកម្មជាយុទ្ធសាស្ត្រមិនត្រឹមតែជាតម្រូវការអាជីវកម្មប៉ុណ្ណោះទេ ប៉ុន្តែក៏ជាតម្រុយនៃការរចនាផងដែរ។ ប្រសិនបើអ្នកត្រូវឆ្លើយសំណួរពហុវិមាត្រ នោះអ្នកត្រូវតែទន្ទេញចាំ បង្ហាញ i dati វិមាត្រ ហើយប្រសិនបើអ្នកត្រូវការរក្សាទុក dati ពហុវិមាត្រ អ្នកត្រូវតែសម្រេចចិត្តថាតើប្រភេទបច្ចេកវិទ្យា ឬបច្ចេកទេសណាដែលអ្នកនឹងប្រើ។

តើអ្នកអនុវត្តគ្រោងការណ៍ផ្កាយគូបដែលបានបម្រុងទុក ឬទាំងពីរ? ដូចដែលអ្នកអាចឃើញសូម្បីតែបញ្ហាអាជីវកម្មសាមញ្ញអាចមានឥទ្ធិពលយ៉ាងខ្លាំងទៅលើការរចនា។ ប៉ុន្តែប្រភេទនៃតម្រូវការអាជីវកម្មទាំងនេះគឺជារឿងធម្មតា ហើយត្រូវបានយល់យ៉ាងហោចណាស់ដោយអ្នករចនា និងអ្នករៀបចំគម្រោងដែលមានបទពិសោធន៍គម្រោង។

មានការពិភាក្សាគ្រប់គ្រាន់អំពីបច្ចេកវិទ្យា និងការគាំទ្ររបស់ OLAP ហើយដំណោះស្រាយជាច្រើនអាចរកបាន។ រហូតមកដល់ពេលនេះ យើងបានលើកឡើងពីតម្រូវការក្នុងការនាំយករបាយការណ៍សាមញ្ញរួមគ្នាជាមួយនឹងតម្រូវការវិមាត្រអាជីវកម្ម និងរបៀបដែលតម្រូវការទាំងនេះមានឥទ្ធិពលលើការសម្រេចចិត្តស្ថាបត្យកម្មបច្ចេកទេស។

ប៉ុន្តែតើតម្រូវការអ្វីខ្លះដែលអ្នកប្រើប្រាស់ ឬក្រុម Dw មិនអាចយល់បាន? តើ​អ្នក​នឹង​ត្រូវ​ការ​ការ​វិភាគ​លំហ​ទេ?
គំរូនៃការស្រង់ចេញ dati តើពួកគេនឹងជាផ្នែកចាំបាច់នៃអនាគតរបស់អ្នកទេ? អ្នកណាដឹង?

វាជារឿងសំខាន់ក្នុងការកត់សម្គាល់ថាប្រភេទនៃបច្ចេកវិទ្យាទាំងនេះមិនត្រូវបានគេស្គាល់ច្បាស់ដោយសហគមន៍អ្នកប្រើប្រាស់ទូទៅ និងសមាជិកក្រុម Dw ទេ នេះប្រហែលជាដោយសារតែពួកវាត្រូវបានគ្រប់គ្រងដោយអ្នកជំនាញបច្ចេកទេសខាងក្នុង ឬភាគីទីបីមួយចំនួន។ វាគឺជាករណីធ្ងន់ធ្ងរនៃបញ្ហាដែលប្រភេទនៃបច្ចេកវិទ្យាទាំងនេះបង្កើត។ ប្រសិនបើអ្នកប្រើប្រាស់មិនអាចពណ៌នាអំពីតម្រូវការអាជីវកម្ម ឬកំណត់វាតាមរបៀបដែលផ្តល់ការណែនាំដល់អ្នករចនាទេ ពួកគេអាចនឹងមិនមាននរណាកត់សម្គាល់ ឬអាក្រក់ជាងនេះទៅទៀតគឺគ្រាន់តែមិនអើពើ។

បញ្ហាកាន់តែច្រើន វាក្លាយជាពេលដែលអ្នករចនា និងអ្នកអភិវឌ្ឍន៍មិនអាចទទួលស្គាល់ការអនុវត្តបច្ចេកវិទ្យាទំនើបមួយ ប៉ុន្តែសំខាន់ទាំងនេះ។
ដូចដែលយើងបានឮជាញឹកញាប់អ្នករចនានិយាយថា "មែនហើយ ហេតុអ្វីបានជាយើងមិនទុកវាមួយឡែករហូតដល់យើងទទួលបានរបស់ផ្សេងទៀត? “តើពួកគេពិតជាចាប់អារម្មណ៍លើអាទិភាព ឬពួកគេគ្រាន់តែជៀសវាងតម្រូវការដែលពួកគេមិនយល់? វាទំនងជាសម្មតិកម្មចុងក្រោយ។ ចូរនិយាយថាក្រុមលក់របស់អ្នកបានទាក់ទងតម្រូវការអាជីវកម្មដូចមានចែងក្នុងរូបភាព 1.3 ដូចដែលអ្នកអាចឃើញ តម្រូវការត្រូវបានដាក់ជាទម្រង់នៃបញ្ហាអាជីវកម្ម។ ភាពខុសគ្នារវាងបញ្ហានេះ និងបញ្ហាវិមាត្រធម្មតាគឺចម្ងាយ។ ក្នុង​ករណី​នេះ ក្រុម​លក់​ចង់​ដឹង​ជា​រៀង​រាល់​ខែ បរិមាណ​លក់​សរុប​ពី​ផលិតផល ឃ្លាំង និង អតិថិជន ដែលរស់នៅក្នុងចម្ងាយ 5 ម៉ាយពីឃ្លាំងដែលពួកគេទិញ។

គួរឱ្យស្តាយ អ្នករចនា ឬស្ថាបត្យករអាចមិនអើពើនឹងធាតុផ្សំនៃលំហដោយនិយាយថា "យើងមានអតិថិជន ផលិតផល និង dati នៃប្រាក់បញ្ញើ។ ចូរយើងរក្សាចម្ងាយឱ្យឆ្ងាយ រហូតដល់មានការកើតឡើងម្តងទៀត។

"ចំលើយ​ខុស។ ប្រភេទនៃបញ្ហាអាជីវកម្មនេះគឺអំពី BI ។ វាតំណាងឱ្យការយល់ដឹងកាន់តែស៊ីជម្រៅអំពីអាជីវកម្មរបស់យើង និងកន្លែងវិភាគដ៏រឹងមាំសម្រាប់អ្នកវិភាគរបស់យើង។ BI គឺលើសពីការសាកសួរសាមញ្ញ ឬរបាយការណ៍ស្តង់ដារ ឬសូម្បីតែ OLAP ។ នេះមិនមែនមានន័យថា បច្ចេកវិទ្យាទាំងនេះមិនសំខាន់សម្រាប់ BI របស់អ្នកទេ ប៉ុន្តែពួកវាតែម្នាក់ឯងមិនតំណាងឱ្យបរិស្ថាន BI នោះទេ។

ការរចនាសម្រាប់បរិបទព័ត៌មាន (រចនាសម្រាប់មាតិកាព័ត៌មាន)

ឥឡូវនេះ យើងបានកំណត់តម្រូវការអាជីវកម្មដែលបែងចែកធាតុផ្សំជាមូលដ្ឋានផ្សេងៗ ពួកគេត្រូវតែបញ្ចូលក្នុងការរចនាស្ថាបត្យកម្មទាំងមូល។ សមាសធាតុ BI មួយចំនួនគឺជាផ្នែកមួយនៃកិច្ចខិតខំប្រឹងប្រែងដំបូងរបស់យើង ខណៈដែលផ្នែកខ្លះនឹងមិនត្រូវបានអនុវត្តអស់រយៈពេលជាច្រើនខែ។

ទោះជាយ៉ាងណាក៏ដោយ តម្រូវការដែលគេស្គាល់ទាំងអស់ត្រូវបានឆ្លុះបញ្ចាំងនៅក្នុងការរចនា ដូច្នេះនៅពេលដែលយើងត្រូវការអនុវត្តបច្ចេកវិទ្យាជាក់លាក់មួយ យើងត្រូវបានរៀបចំដើម្បីធ្វើដូច្នេះ។ អ្វីមួយអំពីគម្រោងនឹងឆ្លុះបញ្ចាំងពីការគិតបែបប្រពៃណី។

ឈុតនេះ។ dati ត្រូវបានប្រើដើម្បីគាំទ្រការប្រើប្រាស់ជាបន្តបន្ទាប់នៃ dati វិមាត្រដែលដឹកនាំដោយបញ្ហាអាជីវកម្មដែលយើងបានរកឃើញ។ ដូចដែលឯកសារបន្ថែមត្រូវបានបង្កើតដូចជាការអភិវឌ្ឍន៍ការរចនា datiយើងនឹងចាប់ផ្តើមធ្វើជាផ្លូវការពីរបៀបដែលខ្ញុំ dati ពួកគេរីករាលដាលនៅក្នុងបរិស្ថាន។ យើង​បាន​បញ្ជាក់​ពី​តម្រូវការ​ដើម្បី​តំណាង​ឱ្យ i dati នៅក្នុងវិធីវិមាត្រដោយបែងចែកពួកវា (តាមតម្រូវការជាក់លាក់) ទៅក្នុងទិន្នន័យម៉ាត។

សំណួរបន្ទាប់ដែលត្រូវឆ្លើយគឺ៖ តើ data marts ទាំងនេះត្រូវបានសាងសង់ដោយរបៀបណា?
តើអ្នកសាងសង់ផ្កាយដើម្បីទ្រទ្រង់គូប ឬគ្រាន់តែគូប ឬគ្រាន់តែជាផ្កាយ? (ឬគូបខាងស្តាំឬផ្កាយស្តាំ) ។ បង្កើតស្ថាបត្យកម្មសម្រាប់ម៉ាតទិន្នន័យអាស្រ័យ ដែលទាមទារស្រទាប់អាតូមិកសម្រាប់ទាំងអស់គ្នា dati ទទួលបាន? អនុញ្ញាតឱ្យ marts ទិន្នន័យឯករាជ្យទទួលបាន i dati ដោយផ្ទាល់ពីប្រព័ន្ធប្រតិបត្តិការ?

តើបច្ចេកវិទ្យា Cube អ្វីដែលអ្នកនឹងព្យាយាមធ្វើស្តង់ដារ?

អ្នកមានបរិមាណដ៏ច្រើន។ dati ទាមទារសម្រាប់ការវិភាគវិមាត្រ ឬតើអ្នកត្រូវការគូបពីកម្លាំងលក់ជាតិរបស់អ្នករៀងរាល់សប្តាហ៍ ឬទាំងពីរ? តើអ្នកបង្កើតអ្វីមួយដែលមានឥទ្ធិពលដូច DB2 OLAP Server សម្រាប់ហិរញ្ញវត្ថុ ឬ Cognos PowerPlay cubes សម្រាប់អង្គការលក់របស់អ្នក ឬទាំងពីរ? ទាំងនេះគឺជាការសម្រេចចិត្តរចនាស្ថាបត្យកម្មដ៏ធំដែលនឹងជះឥទ្ធិពលដល់បរិស្ថាន BI របស់អ្នកពីទីនេះ។ បាទ អ្នកបានបង្កើតតម្រូវការសម្រាប់ OLAP ។ ឥឡូវ​នេះ​តើ​អ្នក​នឹង​អនុវត្ត​បច្ចេកទេស និង​បច្ចេកវិទ្យា​ប្រភេទ​នោះ​ដោយ​របៀប​ណា?

តើបច្ចេកវិទ្យាទំនើបៗមួយចំនួនប៉ះពាល់ដល់ការរចនារបស់អ្នកយ៉ាងដូចម្តេច? ចូរសន្មតថាអ្នកបានកំណត់តម្រូវការកន្លែងទំនេរនៅក្នុងស្ថាប័នរបស់អ្នក។ ឥឡូវនេះ អ្នកត្រូវតែរំលឹកឡើងវិញនូវការបោះពុម្ពគំនូរស្ថាបត្យកម្ម ទោះបីជាអ្នកមិនមានគម្រោងបង្កើតសមាសធាតុស្ថាបត្យកម្មអស់រយៈពេលជាច្រើនខែក៏ដោយ។ ស្ថាបត្យករត្រូវតែរចនានៅថ្ងៃនេះដោយផ្អែកលើអ្វីដែលត្រូវការ។ ទស្សន៍ទាយពីតម្រូវការសម្រាប់ការវិភាគលំហដែលបង្កើត រក្សាទុក អនុវត្ត និងផ្តល់សិទ្ធិចូលប្រើប្រាស់ dati លំហ។ នេះគួរតែជាឧបសគ្គទាក់ទងនឹងប្រភេទនៃបច្ចេកវិទ្យាកម្មវិធី និងលក្ខណៈបច្ចេកទេសនៃវេទិកាដែលអ្នកអាចពិចារណានាពេលបច្ចុប្បន្ននេះ។ ឧទាហរណ៍ប្រព័ន្ធគ្រប់គ្រងរបស់ មូលដ្ឋានទិន្នន័យ ស្រទាប់ទំនាក់ទំនង (RDBMS) ដែលអ្នកអនុវត្តសម្រាប់ស្រទាប់អាតូមិកត្រូវតែមានវិសាលភាពដ៏រឹងមាំដែលអាចប្រើបាន។ វានឹងធានាបាននូវដំណើរការអតិបរមានៅពេលប្រើធរណីមាត្រ និងវត្ថុលំហនៅក្នុងកម្មវិធីវិភាគរបស់អ្នក។ ប្រសិនបើ RDBMS របស់អ្នកមិនអាចដោះស្រាយបាន។ dati (spatial-centric) ខាងក្នុង ដូច្នេះអ្នកនឹងត្រូវបង្កើត a មូលដ្ឋានទិន្នន័យ (spatial-centric) ខាងក្រៅ។ នេះធ្វើឱ្យមានភាពស្មុគស្មាញដល់ការគ្រប់គ្រងបញ្ហា និងធ្វើឱ្យប៉ះពាល់ដល់ដំណើរការទូទៅរបស់អ្នក ដោយមិននិយាយអំពីបញ្ហាបន្ថែមដែលបានបង្កើតឡើងសម្រាប់ DBAs របស់អ្នកទេ ព្រោះពួកគេប្រហែលជាមានការយល់ដឹងតិចតួចអំពីមូលដ្ឋានគ្រឹះនៃ dati spatial ផងដែរ។ ម៉្យាងវិញទៀត ប្រសិនបើម៉ាស៊ីន RDMBS របស់អ្នកគ្រប់គ្រងសមាសធាតុលំហទាំងអស់ ហើយកម្មវិធីបង្កើនប្រសិទ្ធភាពរបស់វាដឹងពីតម្រូវការពិសេស (ឧទាហរណ៍ ការបង្កើតលិបិក្រម) នៃវត្ថុលំហ នោះ DBA របស់អ្នកអាចដោះស្រាយការគ្រប់គ្រងបញ្ហាបានយ៉ាងងាយស្រួល ហើយអ្នកអាចបង្កើនប្រសិទ្ធភាពការងារបាន។

លើសពីនេះ អ្នកត្រូវកែតម្រូវផ្ទៃដំណាក់កាល និងស្រទាប់បរិស្ថានអាតូមិក ដើម្បីរួមបញ្ចូលការសម្អាតអាសយដ្ឋាន (ក

ធាតុសំខាន់នៃការវិភាគលំហ) ក៏ដូចជាការរក្សាទុកវត្ថុអវកាសជាបន្តបន្ទាប់។ ការបន្តនៃការបោះពុម្ពគំនូរបន្តឥឡូវនេះដែលយើងបានណែនាំពីសញ្ញាណនៃទិសដៅច្បាស់លាស់។ សម្រាប់រឿងមួយ កម្មវិធីនេះនឹងកំណត់ប្រភេទនៃកម្មវិធីដែលត្រូវការសម្រាប់ការខិតខំប្រឹងប្រែង ETL របស់អ្នក។

តើអ្នកត្រូវការផលិតផលដូចជា Trillium ដើម្បីផ្តល់ឱ្យវាជាមួយនឹងអាសយដ្ឋានស្អាត ឬអ្នកលក់ ETL នៃជម្រើសរបស់អ្នកដើម្បីផ្តល់មុខងារនោះ?
សម្រាប់ពេលនេះ វាជារឿងសំខាន់ដែលអ្នកពេញចិត្តចំពោះកម្រិតនៃការរចនាដែលត្រូវតែបញ្ចប់មុនពេលអ្នកចាប់ផ្តើមអនុវត្តឃ្លាំងរបស់អ្នក។ ឧទាហរណ៍ខាងលើគួរតែបង្ហាញពីការសម្រេចចិត្តរចនាជាច្រើន ដែលត្រូវតែធ្វើតាមការកំណត់អត្តសញ្ញាណនៃតម្រូវការអាជីវកម្មជាក់លាក់ណាមួយ។ ប្រសិនបើធ្វើបានត្រឹមត្រូវ ការសម្រេចចិត្តរចនាទាំងនេះជំរុញឱ្យមានការពឹងផ្អែកគ្នាទៅវិញទៅមករវាងរចនាសម្ព័ន្ធរូបវន្តនៃបរិស្ថានរបស់អ្នក ការជ្រើសរើសបច្ចេកវិទ្យាដែលបានប្រើ និងលំហូរនៃការផ្សព្វផ្សាយខ្លឹមសារព័ត៌មាន។ ប្រសិនបើគ្មានស្ថាបត្យកម្ម BI ធម្មតានេះទេ ស្ថាប័នរបស់អ្នកនឹងទទួលរងនូវភាពច្របូកច្របល់នៃបច្ចេកវិទ្យាដែលមានស្រាប់ ដោយត្រូវបានដេរភ្ជាប់គ្នាយ៉ាងរលុងបំផុតដើម្បីផ្តល់នូវស្ថេរភាពជាក់ស្តែង។

រក្សាមាតិកាព័ត៌មាន

ការនាំយកតម្លៃនៃព័ត៌មានទៅកាន់ស្ថាប័នរបស់អ្នកគឺជាកិច្ចការដ៏លំបាកមួយ។ បើគ្មានការយល់ដឹង និងបទពិសោធន៍គ្រប់គ្រាន់ ឬការរៀបចំផែនការ និងការរចនាត្រឹមត្រូវ សូម្បីតែក្រុមល្អបំផុតក៏នឹងបរាជ័យដែរ។ ម្យ៉ាងវិញទៀត ប្រសិនបើអ្នកមានវិចារណញាណល្អ និងផែនការលម្អិត ប៉ុន្តែគ្មានវិន័យក្នុងការប្រតិបត្តិ នោះអ្នកគ្រាន់តែខ្ជះខ្ជាយលុយ និងពេលវេលារបស់អ្នក ព្រោះការប្រឹងប្រែងរបស់អ្នកនឹងត្រូវបរាជ័យ។ សារគួរតែច្បាស់៖ ប្រសិនបើអ្នកខ្វះជំនាញមួយ ឬច្រើននៃជំនាញ ការយល់ដឹង/បទពិសោធន៍ ឬការរៀបចំផែនការ/ការរចនា ឬការអនុវត្តវិន័យ វានឹងធ្វើឱ្យខូច ឬបំផ្លាញអគាររបស់អង្គការ BI ។

តើក្រុមរបស់អ្នកបានរៀបចំគ្រប់គ្រាន់ហើយឬនៅ? តើមាននរណាម្នាក់នៅក្នុងក្រុម BI របស់អ្នកដែលយល់ពីទិដ្ឋភាពវិភាគដ៏ធំដែលមាននៅក្នុងបរិស្ថាន BI និងបច្ចេកទេស និងបច្ចេកវិទ្យាដែលត្រូវការដើម្បីរក្សាទេសភាពនោះ? តើមាននរណាម្នាក់នៅក្នុងក្រុមរបស់អ្នកដែលអាចទទួលស្គាល់ភាពខុសគ្នានៃកម្មវិធីរវាងកម្រិតខ្ពស់

របាយការណ៍ឋិតិវន្ត និង OLAP ឬភាពខុសគ្នារវាង ROLAP និង OLAP? តើសមាជិកម្នាក់ក្នុងក្រុមរបស់អ្នកស្គាល់យ៉ាងច្បាស់ពីរបៀបទាញយក និងរបៀបដែលវាអាចប៉ះពាល់ដល់ឃ្លាំង ឬរបៀបដែលឃ្លាំងអាចគាំទ្រដល់ដំណើរការស្រង់ចេញ? សមាជិកក្រុមយល់ពីតម្លៃនៃ dati បច្ចេកវិទ្យាអវកាស ឬភ្នាក់ងារ? តើ​អ្នក​មាន​នរណា​ម្នាក់​ដែល​ពេញចិត្ត​នឹង​កម្មវិធី​ពិសេស​នៃ​ឧបករណ៍ ETL ធៀប​នឹង​បច្ចេកវិទ្យា​ឈ្មួញកណ្តាល​សារ? ប្រសិនបើអ្នកមិនមានមួយ ទទួលបានមួយ។ BI មានទំហំធំជាងស្រទាប់អាតូមធម្មតា OLAP គ្រោងការណ៍ផ្កាយ និង ODS ។

ការមានការយល់ដឹង និងបទពិសោធន៍ក្នុងការទទួលស្គាល់តម្រូវការ BI និងដំណោះស្រាយរបស់ពួកគេមានសារៈសំខាន់ចំពោះសមត្ថភាពរបស់អ្នកក្នុងការរៀបចំតម្រូវការរបស់អ្នកប្រើប្រាស់ជាផ្លូវការ និងរចនា និងអនុវត្តដំណោះស្រាយរបស់ពួកគេ។ ប្រសិនបើសហគមន៍អ្នកប្រើប្រាស់របស់អ្នកមានការលំបាកក្នុងការពិពណ៌នាអំពីតម្រូវការ វាគឺជាការងាររបស់ក្រុមឃ្លាំងក្នុងការផ្តល់នូវការយល់ដឹងនោះ។ ប៉ុន្តែប្រសិនបើក្រុមឃ្លាំង

មិនទទួលស្គាល់កម្មវិធីជាក់លាក់របស់ BI - ឧទាហរណ៍ ការជីកយករ៉ែទិន្នន័យ - បន្ទាប់មកវាមិនមែនជារឿងល្អបំផុតដែលបរិស្ថាន BI ត្រូវបានកំណត់ជាញឹកញាប់ថាជាឃ្លាំងអកម្ម។ ទោះជាយ៉ាងណាក៏ដោយ ការមិនអើពើនឹងបច្ចេកវិទ្យាទាំងនេះមិនបន្ថយសារៈសំខាន់ និងឥទ្ធិពលដែលពួកគេមានលើការលេចចេញនូវសមត្ថភាពស៊ើបការណ៍អាជីវកម្មរបស់អង្គភាពរបស់អ្នក ក៏ដូចជាទិដ្ឋភាពព័ត៌មានដែលអ្នកគ្រោងនឹងជំរុញ។

ការធ្វើផែនការត្រូវតែរួមបញ្ចូលសញ្ញាណនៃការគូរ ហើយទាំងពីរនេះទាមទារបុគ្គលដែលមានសមត្ថកិច្ច។ លើសពីនេះ ការរចនាទាមទារឱ្យមានទស្សនវិជ្ជាឃ្លាំងក្រុម និងការប្រកាន់ខ្ជាប់នូវស្តង់ដារ។ ឧទាហរណ៍ ប្រសិនបើក្រុមហ៊ុនរបស់អ្នកបានបង្កើតវេទិកាស្តង់ដារ ឬបានកំណត់អត្តសញ្ញាណ RDBMS ជាក់លាក់មួយ ដែលអ្នកចង់ធ្វើស្តង់ដារទូទាំងវេទិកានោះ ទំនួលខុសត្រូវគឺស្ថិតនៅលើអ្នកគ្រប់គ្នានៅក្នុងក្រុមដើម្បីប្រកាន់ខ្ជាប់នូវស្តង់ដារទាំងនោះ។ ជាទូទៅក្រុមបង្ហាញពីតម្រូវការសម្រាប់ការធ្វើស្តង់ដារ (ចំពោះសហគមន៍អ្នកប្រើប្រាស់) ប៉ុន្តែក្រុមខ្លួនឯងមិនមានឆន្ទៈក្នុងការប្រកាន់ខ្ជាប់នូវស្តង់ដារដែលបានបង្កើតឡើងផងដែរនៅក្នុងតំបន់ផ្សេងទៀតនៅក្នុងក្រុមហ៊ុន ឬប្រហែលជាសូម្បីតែនៅក្នុងក្រុមហ៊ុនស្រដៀងគ្នា។ មិនត្រឹមតែមានពុតត្បុតប៉ុណ្ណោះទេ ប៉ុន្តែវាបានបង្កើតក្រុមហ៊ុនអសមត្ថភាពក្នុងការទាញយកធនធាន និងការវិនិយោគដែលមានស្រាប់។ វាមិនមានន័យថាមិនមានស្ថានភាពដែលធានាដល់វេទិកា ឬបច្ចេកវិទ្យាដែលមិនមានស្តង់ដារនោះទេ។ ទោះយ៉ាងណាកិច្ចខិតខំប្រឹងប្រែងឃ្លាំង

ពួកគេគួរតែការពារស្តង់ដាររបស់សហគ្រាសដោយច្រណែន រហូតដល់តម្រូវការអាជីវកម្មកំណត់បើមិនដូច្នេះទេ។

សមាសធាតុសំខាន់ទីបីដែលត្រូវការដើម្បីបង្កើតអង្គការ BI គឺវិន័យ។
វាអាស្រ័យសរុប ស្មើភាពគ្នាលើបុគ្គល និងបរិស្ថាន។ អ្នករៀបចំគម្រោង អ្នកឧបត្ថម្ភ ស្ថាបត្យករ និងអ្នកប្រើប្រាស់ត្រូវតែពេញចិត្តចំពោះវិន័យដែលចាំបាច់ក្នុងការកសាងទិដ្ឋភាពព័ត៌មានរបស់ក្រុមហ៊ុន។ អ្នករចនាត្រូវតែដឹកនាំកិច្ចខិតខំប្រឹងប្រែងក្នុងការរចនារបស់ពួកគេតាមរបៀបមួយ ដើម្បីបំពេញកិច្ចខិតខំប្រឹងប្រែងចាំបាច់ផ្សេងទៀតនៅក្នុងសង្គម។

ឧទាហរណ៍ ឧបមាថាក្រុមហ៊ុនរបស់អ្នកបង្កើតកម្មវិធី ERP ដែលមានធាតុផ្សំឃ្លាំង។
ដូច្នេះវាជាទំនួលខុសត្រូវរបស់អ្នករចនា ERP ក្នុងការសហការជាមួយក្រុមបរិស្ថានឃ្លាំង ដើម្បីកុំឱ្យការងារប្រកួតប្រជែង ឬស្ទួនការងារដែលបានចាប់ផ្តើមរួចហើយ។

វិន័យក៏ជាប្រធានបទដែលត្រូវតែដោះស្រាយដោយអង្គការទាំងមូល ហើយជាធម្មតាត្រូវបានបង្កើតឡើង និងប្រគល់ឱ្យដល់ថ្នាក់ប្រតិបត្តិ។
តើអ្នកគ្រប់គ្រងមានឆន្ទៈក្នុងការប្រកាន់ខ្ជាប់នូវវិធីសាស្រ្តដែលបានរចនាឡើងឬ? វិធីសាស្រ្តដែលសន្យាថានឹងបង្កើតខ្លឹមសារព័ត៌មានដែលនឹងនាំមកនូវតម្លៃដល់គ្រប់ផ្នែកទាំងអស់នៃសហគ្រាស ប៉ុន្តែប្រហែលជាធ្វើឱ្យប៉ះពាល់ដល់របៀបវារៈបុគ្គល ឬនាយកដ្ឋាន? ចងចាំពាក្យថា "គិតអំពីអ្វីគ្រប់យ៉ាងគឺសំខាន់ជាងការគិតតែពីរឿងមួយ" ។ ការ​លើក​ឡើង​នេះ​គឺ​ជា​ការ​ពិត​សម្រាប់​ស្ថាប័ន BI ។

ជាអកុសល ឃ្លាំងជាច្រើនផ្តោតលើកិច្ចខិតខំប្រឹងប្រែងរបស់ពួកគេលើការព្យាយាមកំណត់គោលដៅ និងនាំយកតម្លៃទៅឱ្យនាយកដ្ឋានជាក់លាក់ ឬអ្នកប្រើប្រាស់ជាក់លាក់ ដោយមិនគិតពីអង្គភាពធំ។ ឧបមាថានាយកប្រតិបត្តិស្នើសុំជំនួយពីក្រុម werehouse ។ ក្រុមការងារឆ្លើយតបជាមួយនឹងការខិតខំប្រឹងប្រែងរយៈពេល 90 ថ្ងៃ ដែលមិនត្រឹមតែផ្តល់នូវតម្រូវការជូនដំណឹងដែលកំណត់ដោយអ្នកគ្រប់គ្រងប៉ុណ្ណោះទេ ប៉ុន្តែការធានាថាទាំងអស់ dati មូលដ្ឋានត្រូវបានលាយបញ្ចូលគ្នានៅកម្រិតអាតូមិក មុនពេលត្រូវបានបញ្ចូលទៅក្នុងបច្ចេកវិទ្យាគូបដែលបានស្នើឡើង។
ការបន្ថែមវិស្វកម្មនេះធានាថាសហគ្រាសផ្ទះសម្បែងនឹងទទួលបានអត្ថប្រយោជន៍ពី dati ចាំបាច់សម្រាប់អ្នកគ្រប់គ្រង។
ទោះជាយ៉ាងណាក៏ដោយ នាយកប្រតិបត្តិបាននិយាយជាមួយក្រុមហ៊ុនប្រឹក្សាយោបល់ខាងក្រៅដែលបានស្នើកម្មវិធីស្រដៀងគ្នាជាមួយនឹងការចែកចាយក្នុងរយៈពេលតិចជាង 4 សប្តាហ៍។

សន្មតថាក្រុមឃ្លាំងខាងក្នុងមានសមត្ថភាព នាយកប្រតិបត្តិមានជម្រើស។ តើអ្នកណាអាចគាំទ្រវិន័យវិស្វកម្មបន្ថែមដែលត្រូវការដើម្បីបណ្តុះសហគ្រាសទ្រព្យសម្បត្តិព័ត៌មាន ឬអាចជ្រើសរើសបង្កើតដំណោះស្រាយដោយខ្លួនឯងបានយ៉ាងឆាប់រហ័ស។ ព័ត៌មានចុងក្រោយហាក់ដូចជាត្រូវបានជ្រើសរើសញឹកញាប់ពេក ហើយគ្រាន់តែបម្រើដើម្បីបង្កើតធុងផ្ទុកព័ត៌មានដែលផ្តល់ផលប្រយោជន៍ដល់មនុស្សមួយចំនួន ឬបុគ្គលប៉ុណ្ណោះ។

គោលដៅរយៈពេលខ្លី និងវែង

ស្ថាបត្យករ និងអ្នករចនាគម្រោង ត្រូវតែបង្កើតជាផ្លូវការនូវចក្ខុវិស័យរយៈពេលវែងនៃស្ថាបត្យកម្មរួម និងផែនការសម្រាប់ការរីកចម្រើននៅក្នុងអង្គការ BI ។ ការរួមបញ្ចូលគ្នានៃប្រាក់ចំណេញរយៈពេលខ្លី និងផែនការរយៈពេលវែងនេះតំណាងឱ្យភាគីទាំងពីរនៃកិច្ចខិតខំប្រឹងប្រែងរបស់ BI ។ ប្រាក់ចំណេញរយៈពេលខ្លីគឺជាផ្នែកនៃ BI ដែលត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងការធ្វើម្តងទៀតនៃឃ្លាំងរបស់អ្នក។

នេះគឺជាកន្លែងដែលអ្នករៀបចំផែនការ ស្ថាបត្យករ និងអ្នកឧបត្ថម្ភផ្តោតលើការបំពេញតម្រូវការពាណិជ្ជកម្មជាក់លាក់។ វាស្ថិតនៅកម្រិតនេះដែលរចនាសម្ព័ន្ធរូបវន្តត្រូវបានសាងសង់ បច្ចេកវិទ្យាត្រូវបានទិញ និងបច្ចេកទេសត្រូវបានអនុវត្ត។ ពួកវាមិនត្រូវបានបង្កើតឡើងដើម្បីដោះស្រាយតម្រូវការជាក់លាក់ដូចដែលបានកំណត់ដោយសហគមន៍អ្នកប្រើប្រាស់ជាក់លាក់នោះទេ។ អ្វីគ្រប់យ៉ាងត្រូវបានធ្វើដើម្បីដោះស្រាយតម្រូវការជាក់លាក់ដែលកំណត់ដោយសហគមន៍ជាក់លាក់មួយ។
ទោះជាយ៉ាងណាក៏ដោយ ការធ្វើផែនការរយៈពេលវែង គឺជាផ្នែកផ្សេងទៀតនៃ BI ។ នេះគឺជាកន្លែងដែលផែនការ និងការរចនាបានធានាថារចនាសម្ព័ន្ធរូបវន្តណាមួយត្រូវបានសាងសង់ បច្ចេកវិទ្យាដែលបានជ្រើសរើស និងបច្ចេកទេសដែលបានអនុវត្តដោយភ្នែកឆ្ពោះទៅរកសហគ្រាស។ វាគឺជាការធ្វើផែនការរយៈពេលវែងដែលផ្តល់នូវភាពស្អិតរមួតដែលចាំបាច់ដើម្បីធានាថាអត្ថប្រយោជន៍អាជីវកម្មកើតឡើងពីផលចំណេញរយៈពេលខ្លីណាមួយដែលបានរកឃើញ។

បង្ហាញពីភាពត្រឹមត្រូវនៃកិច្ចខិតខំប្រឹងប្រែង BI របស់អ្នក។

Un ឃ្លាំងទិន្នន័យ ដោយខ្លួនវាផ្ទាល់វាមិនមានតម្លៃពីកំណើតទេ។ ម៉្យាងទៀតវាមិនមានតម្លៃដែលជាប់ទាក់ទងគ្នារវាងបច្ចេកវិទ្យាឃ្លាំង និងបច្ចេកទេសនៃការអនុវត្តនោះទេ។

តម្លៃនៃកិច្ចខិតខំប្រឹងប្រែងឃ្លាំងណាមួយត្រូវបានរកឃើញនៅក្នុងសកម្មភាពដែលបានអនុវត្តជាលទ្ធផលនៃបរិយាកាសឃ្លាំង និងមាតិកាព័ត៌មានដែលត្រូវបានដាំដុះតាមពេលវេលា។ នេះគឺជាចំណុចសំខាន់មួយដែលត្រូវយល់ មុនពេលដែលអ្នកព្យាយាមប៉ាន់ប្រមាណតម្លៃនៃគំនិតផ្តួចផ្តើមនៃផ្ទះណាមួយ។

ជាញឹកញាប់ពេក ស្ថាបត្យករ និងអ្នករចនាព្យាយាមអនុវត្តតម្លៃចំពោះធាតុផ្សំរូបវន្ត និងបច្ចេកទេសនៃឃ្លាំង នៅពេលដែលការពិតតម្លៃគឺផ្អែកលើដំណើរការអាជីវកម្មដែលរងផលប៉ះពាល់ជាវិជ្ជមានដោយឃ្លាំង និងព័ត៌មានដែលទទួលបាន។

នេះ​ជា​បញ្ហា​ប្រឈម​នៃ​ការ​បង្កើត BI៖ តើ​អ្នក​បង្ហាញ​ភាពត្រឹមត្រូវ​លើ​ការ​វិនិយោគ​ដោយ​របៀប​ណា? ប្រសិនបើផ្ទះដែលខ្លួនវាមិនមានតម្លៃខាងក្នុង អ្នករចនាគម្រោងត្រូវតែស៊ើបអង្កេត កំណត់ និងកំណត់ជាផ្លូវការនូវអត្ថប្រយោជន៍ដែលសម្រេចបានដោយបុគ្គលទាំងនោះដែលនឹងប្រើប្រាស់ឃ្លាំងដើម្បីកែលម្អដំណើរការអាជីវកម្មជាក់លាក់ ឬតម្លៃនៃព័ត៌មានដែលបានការពារ ឬទាំងពីរ។

ដើម្បីធ្វើឱ្យបញ្ហាស្មុគស្មាញ ដំណើរការអាជីវកម្មណាមួយដែលរងផលប៉ះពាល់ដោយកិច្ចខិតខំប្រឹងប្រែងស្តុកទុកអាចផ្តល់នូវអត្ថប្រយោជន៍ "គួរឱ្យកត់សម្គាល់" ឬ "តិចតួច" ។ អត្ថប្រយោជន៍ដ៏ច្រើនសន្ធឹកសន្ធាប់ផ្តល់នូវម៉ែត្រជាក់ស្តែងដើម្បីវាស់វែងការត្រឡប់មកវិញលើការវិនិយោគ (ROI) - ឧទាហរណ៍ ការបង្វែរសារពើភណ្ឌបន្ថែមអំឡុងពេលជាក់លាក់ណាមួយ ឬសម្រាប់តម្លៃដឹកជញ្ជូនទាបក្នុងមួយការដឹកជញ្ជូន។ វាពិបាកជាងក្នុងការកំណត់អត្ថប្រយោជន៍តិចតួច ដូចជាការទទួលបានព័ត៌មានដែលប្រសើរឡើង ទាក់ទងនឹងតម្លៃជាក់ស្តែង។

ភ្ជាប់គម្រោងរបស់អ្នកដើម្បីស្វែងយល់អំពី សំណើអាជីវកម្ម

ជាញឹកញាប់ពេក អ្នករៀបចំគម្រោងព្យាយាមភ្ជាប់តម្លៃឃ្លាំងទៅនឹងគោលបំណងសហគ្រាសអាម៉ូហ្វ។ ដោយប្រកាសថា "តម្លៃនៃឃ្លាំងគឺផ្អែកលើសមត្ថភាពរបស់យើងក្នុងការបំពេញសំណើជាយុទ្ធសាស្រ្ត" យើងបើកការពិភាក្សាតាមរបៀបរីករាយ។ ប៉ុន្តែវាមិនគ្រប់គ្រាន់ទេក្នុងការកំណត់ថាតើការវិនិយោគលើសារពើភ័ណ្ឌសមហេតុផលឬអត់។ វាជាការល្អបំផុតក្នុងការភ្ជាប់ការបន្តឃ្លាំងជាមួយនឹងតម្រូវការអាជីវកម្មជាក់លាក់ដែលគេស្គាល់។

ការវាស់វែង ROI

ការគណនា ROI នៅក្នុងការកំណត់ឃ្លាំងអាចមានការពិបាកជាពិសេស។ វាពិបាកជាពិសេសប្រសិនបើអត្ថប្រយោជន៍

មេនៃពាក្យផ្ទួនជាក់លាក់មួយ គឺជាអ្វីមួយដែលមិនជាក់ស្តែង ឬងាយស្រួលក្នុងការវាស់វែង។ ការសិក្សាមួយបានរកឃើញថាអ្នកប្រើប្រាស់យល់ឃើញនូវអត្ថប្រយោជន៍សំខាន់ពីរនៃការផ្តួចផ្តើម BI៖

• ▪ បង្កើតសមត្ថភាពក្នុងការបង្កើតការសម្រេចចិត្ត
• ▪ បង្កើតការចូលប្រើព័ត៌មាន
  អត្ថប្រយោជន៍ទាំងនេះគឺជាអត្ថប្រយោជន៍ទន់ (ឬស្រាល)។ វាងាយស្រួលមើលពីរបៀបដែលយើងអាចគណនា ROI ដោយផ្អែកលើអត្ថប្រយោជន៍ពិបាក (ឬសំខាន់) ដូចជាការកាត់បន្ថយថ្លៃដឹកជញ្ជូន ប៉ុន្តែតើយើងវាស់សមត្ថភាពធ្វើការសម្រេចចិត្តបានប្រសើរជាងនេះដោយរបៀបណា?
  នេះពិតជាបញ្ហាប្រឈមសម្រាប់អ្នករៀបចំគម្រោង នៅពេលដែលពួកគេកំពុងព្យាយាមបញ្ចុះបញ្ចូលក្រុមហ៊ុនឱ្យវិនិយោគក្នុងកិច្ចខិតខំប្រឹងប្រែងឃ្លាំងជាក់លាក់មួយ។ ការបង្កើនការលក់ ឬកាត់បន្ថយការចំណាយមិនមែនជាប្រធានបទសំខាន់ដែលជំរុញបរិយាកាស BI ទៀតទេ។
  ផ្ទុយទៅវិញ អ្នកកំពុងសម្លឹងមើលសំណើអាជីវកម្មសម្រាប់ការទទួលបានព័ត៌មានកាន់តែប្រសើរឡើង ដើម្បីឱ្យនាយកដ្ឋានជាក់លាក់មួយអាចធ្វើការសម្រេចចិត្តបានលឿនជាងមុន។ ទាំងនេះគឺជាកត្តាជំរុញយុទ្ធសាស្ត្រដែលមានសារៈសំខាន់ដូចគ្នាចំពោះសហគ្រាស ប៉ុន្តែមានភាពមិនច្បាស់លាស់ និងពិបាកក្នុងការកំណត់លក្ខណៈនៅក្នុងម៉ែត្រជាក់ស្តែង។ ក្នុងករណីនេះ ការគណនា ROI អាចជាការយល់ច្រឡំ ប្រសិនបើមិនពាក់ព័ន្ធ។
  អ្នករៀបចំគម្រោងត្រូវតែអាចបង្ហាញពីតម្លៃជាក់ស្តែងសម្រាប់នាយកប្រតិបត្តិក្នុងការសម្រេចចិត្តថាតើការវិនិយោគក្នុងការធ្វើឡើងវិញជាក់លាក់មួយមានតម្លៃវាឬអត់។ ទោះយ៉ាងណាក៏ដោយ យើងនឹងមិនស្នើវិធីសាស្ត្រថ្មីសម្រាប់ការគណនា ROI ទេ ហើយក៏នឹងមិនធ្វើការប្រកែកណាមួយសម្រាប់ ឬប្រឆាំងនឹងវាដែរ។
  មានអត្ថបទ និងសៀវភៅជាច្រើនដែលមានដែលពិភាក្សាអំពីមូលដ្ឋានគ្រឹះនៃការគណនា ROI ។ មានសំណើតម្លៃពិសេសដូចជាតម្លៃលើការវិនិយោគ (VOI) ដែលផ្តល់ដោយក្រុមដូចជា Gartner ដែលអ្នកអាចស្រាវជ្រាវបាន។ ផ្ទុយទៅវិញ យើងនឹងផ្តោតលើទិដ្ឋភាពស្នូលនៃ ROI ឬសំណើតម្លៃផ្សេងទៀតដែលអ្នកត្រូវពិចារណា។ កំពុងអនុវត្ត ROI លើសពីអាគុយម៉ង់អំពីអត្ថប្រយោជន៍ "រឹង" ធៀបនឹងអត្ថប្រយោជន៍ "ទន់" ដែលទាក់ទងនឹងកិច្ចខិតខំប្រឹងប្រែងរបស់ BI មានបញ្ហាផ្សេងទៀតដែលត្រូវពិចារណានៅពេលអនុវត្ត ROI ។ ឧទាហរណ៍:

សន្មតថាការសន្សំច្រើនពេកចំពោះកិច្ចខិតខំប្រឹងប្រែងរបស់ DW ដែលនឹងមកយ៉ាងណាក៏ដោយ
ចូរនិយាយថាក្រុមហ៊ុនរបស់អ្នកបានផ្លាស់ប្តូរពីស្ថាបត្យកម្មមេនហ្វ្រេមទៅជាបរិស្ថានយូនីកដែលបានចែកចាយ។ ដូច្នេះការសន្សំណាមួយដែលអាច (ឬមិនអាច) ត្រូវបានដឹងពីការខិតខំប្រឹងប្រែងនោះ មិនគួរត្រូវបានសន្មតទាំងស្រុងនោះទេ ប្រសិនបើទាំងអស់ (?) ទៅឃ្លាំង។

ការមិនរាប់បញ្ចូលអ្វីៗទាំងអស់គឺមានតម្លៃថ្លៃ។ ហើយមានរឿងជាច្រើនដែលត្រូវយកមកពិចារណា។ ពិចារណាបញ្ជីខាងក្រោម៖

• ▪ ថ្លៃដើមចាប់ផ្តើម រួមទាំងលទ្ធភាព។
• ▪ តម្លៃនៃផ្នែករឹងដែលមានការរក្សាទុក និងទំនាក់ទំនងដែលពាក់ព័ន្ធ
• ▪ តម្លៃនៃកម្មវិធី រួមទាំងការគ្រប់គ្រង dati និងផ្នែកបន្ថែមរបស់អតិថិជន/ម៉ាស៊ីនមេ កម្មវិធី ETL បច្ចេកវិទ្យា DSS ឧបករណ៍មើលឃើញ កាលវិភាគ និងកម្មវិធីលំហូរការងារ និងកម្មវិធីត្រួតពិនិត្យ។
• ▪ តម្លៃនៃការរចនារចនាសម្ព័ន្ធ datiជាមួយនឹងការបង្កើត និងការបង្កើនប្រសិទ្ធភាពនៃ
• ▪ ការចំណាយលើការអភិវឌ្ឍន៍កម្មវិធីដែលទាក់ទងដោយផ្ទាល់ជាមួយកិច្ចខិតខំប្រឹងប្រែង BI
• ▪ តម្លៃនៃការគាំទ្រនៅនឹងកន្លែង រួមទាំងការបង្កើនប្រសិទ្ធភាពប្រតិបត្តិការ រួមទាំងការគ្រប់គ្រងកំណែកម្មវិធី និងប្រតិបត្តិការជំនួយ អនុវត្ត ROI "Big-Bang" ។ ការ​សាងសង់​ឃ្លាំង​ជា​ការ​ខិតខំ​ប្រឹងប្រែង​ដ៏​មហិមា​តែ​មួយ​នឹង​ត្រូវ​បរាជ័យ ដូច្នេះ​សូម្បី​តែ​គណនា ROI សម្រាប់​ការ​ផ្តួច​ផ្តើម​របស់​សហគ្រាស​ធំ ការ​ផ្តល់​ជូន​គឺ​គួរ​ឱ្យ​ភ្ញាក់​ផ្អើល ហើយ​អ្នក​រៀបចំ​ផែនការ​បន្ត​ព្យាយាម​តិច​តួច​ដើម្បី​ប៉ាន់​ប្រមាណ​តម្លៃ​នៃ​កិច្ច​ខិតខំ​ប្រឹងប្រែង​ទាំង​មូល។ ហេតុអ្វីបានជាអ្នករៀបចំផែនការព្យាយាមដាក់តម្លៃរូបិយវត្ថុលើគំនិតផ្តួចផ្តើមអាជីវកម្ម ប្រសិនបើវាត្រូវបានគេស្គាល់យ៉ាងទូលំទូលាយ និងទទួលយកថាការប៉ាន់ស្មានពាក្យដដែលៗជាក់លាក់គឺពិបាក? តើវាអាចទៅរួចដោយរបៀបណា? វាមិនអាចទៅរួចទេជាមួយនឹងករណីលើកលែងមួយចំនួន។ កុំធ្វើវា។ ឥឡូវនេះយើងបានបង្កើតនូវអ្វីដែលមិនគួរធ្វើនៅពេលគណនា ROI នេះ គឺជាចំណុចមួយចំនួនដែលនឹងជួយយើងក្នុងការបង្កើតដំណើរការដែលអាចទុកចិត្តបានសម្រាប់ការប៉ាន់ប្រមាណតម្លៃនៃកិច្ចខិតខំប្រឹងប្រែង BI របស់អ្នក។

ការទទួលបានការឯកភាពពី ROI ។ ដោយមិនគិតពីជម្រើសរបស់អ្នកនៃបច្ចេកទេសសម្រាប់ការប៉ាន់ប្រមាណតម្លៃនៃកិច្ចខិតខំប្រឹងប្រែង BI របស់អ្នក វាត្រូវតែត្រូវបានយល់ព្រមដោយភាគីទាំងអស់ រួមទាំងអ្នករចនាគម្រោង អ្នកឧបត្ថម្ភ និងនាយកប្រតិបត្តិអាជីវកម្ម។

កាត់បន្ថយ ROI ទៅជាផ្នែកដែលអាចកំណត់អត្តសញ្ញាណបាន។ ជំហានចាំបាច់ឆ្ពោះទៅរកការគណនា ROI ដោយសមហេតុផលគឺត្រូវផ្តោតលើការគណនានោះលើគម្រោងជាក់លាក់មួយ។ បន្ទាប់មកវាអនុញ្ញាតឱ្យអ្នកប៉ាន់ស្មានតម្លៃដោយផ្អែកលើតម្រូវការអាជីវកម្មជាក់លាក់ដែលត្រូវបានបំពេញ

កំណត់ការចំណាយ។ ដូចដែលបានរៀបរាប់រួចមកហើយ ការចំណាយជាច្រើនត្រូវតែយកមកពិចារណា។ លើសពីនេះ ការចំណាយត្រូវតែរួមបញ្ចូលមិនត្រឹមតែថ្លៃដើមដែលពាក់ព័ន្ធជាមួយនឹងការធ្វើឡើងវិញតែមួយប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងការចំណាយដែលទាក់ទងនឹងការធានាការអនុលោមតាមស្តង់ដារសហគ្រាសផងដែរ។

កំណត់អត្ថប្រយោជន៍។ តាមរយៈការភ្ជាប់ ROI យ៉ាងច្បាស់ទៅនឹងតម្រូវការអាជីវកម្មជាក់លាក់ យើងគួរតែអាចកំណត់អត្តសញ្ញាណអត្ថប្រយោជន៍ដែលនឹងនាំទៅដល់ការបំពេញតម្រូវការ។

កាត់បន្ថយការចំណាយ និងអត្ថប្រយោជន៍ក្នុងប្រាក់ចំណេញដែលជិតមកដល់។ វាគឺជាមធ្យោបាយដ៏ល្អបំផុតដើម្បីផ្អែកលើការវាយតម្លៃរបស់អ្នកលើតម្លៃបច្ចុប្បន្នសុទ្ធ (NPV) ផ្ទុយពីការព្យាយាមទស្សន៍ទាយតម្លៃនាពេលអនាគតនៅក្នុងប្រាក់ចំណូលនាពេលអនាគត។

រក្សាពេលវេលានៃការបែងចែក ROI របស់អ្នកទៅអប្បបរមា។ វាត្រូវបានចងក្រងជាឯកសារបានយ៉ាងល្អក្នុងរយៈពេលដ៏យូរដែលវាត្រូវបានប្រើប្រាស់ក្នុង ROI របស់អ្នក។

ប្រើរូបមន្ត ROI ច្រើនជាងមួយ។ មានវិធីសាស្រ្តជាច្រើនសម្រាប់ការព្យាករណ៍ ROI ហើយអ្នកគួរតែរៀបចំផែនការថាតើត្រូវប្រើវាមួយ ឬច្រើន រួមទាំងតម្លៃបច្ចុប្បន្នសុទ្ធ អត្រាផ្ទៃក្នុងនៃការត្រឡប់មកវិញ (IRR) និងការសងត្រលប់វិញ។

កំណត់ដំណើរការដែលអាចធ្វើម្តងទៀតបាន។ នេះមានសារៈសំខាន់សម្រាប់ការគណនាតម្លៃរយៈពេលវែងណាមួយ។ ដំណើរការដែលអាចធ្វើម្តងទៀតបានតែមួយគួរតែត្រូវបានចងក្រងជាឯកសារសម្រាប់ដំណើរការបន្តនៃគម្រោងទាំងអស់ដែលត្រូវអនុវត្តតាម។

បញ្ហាដែលបានរាយបញ្ជីគឺជាបញ្ហាទូទៅបំផុតដែលកំណត់ដោយអ្នកជំនាញនៅក្នុងបរិស្ថានផ្ទះ។ ការទទូចរបស់អ្នកគ្រប់គ្រងលើការផ្តល់ ROI “Big-Bang” គឺជាការរំខានយ៉ាងខ្លាំង។ ប្រសិនបើអ្នកចាប់ផ្តើមការគណនា ROI របស់អ្នកទាំងអស់ដោយបំបែកវាទៅជាបំណែកដែលអាចកំណត់អត្តសញ្ញាណបាន អ្នកមានឱកាសល្អក្នុងការប៉ាន់ប្រមាណការវាយតម្លៃ ROI ត្រឹមត្រូវ។

សំណួរទាក់ទងនឹងអត្ថប្រយោជន៍ ROI

អ្វីក៏ដោយដែលអត្ថប្រយោជន៍របស់អ្នកគឺទន់ ឬរឹង អ្នកអាចប្រើសំណួរជាមូលដ្ឋានមួយចំនួនដើម្បីកំណត់តម្លៃរបស់វា។ ជាឧទាហរណ៍ ដោយប្រើប្រព័ន្ធមាត្រដ្ឋានសាមញ្ញ ពីលេខ 1 ដល់លេខ 10 អ្នកអាចវាស់ស្ទង់ឥទ្ធិពលនៃកិច្ចខិតខំប្រឹងប្រែងណាមួយដោយប្រើសំណួរខាងក្រោម៖

• តើអ្នកនឹងវាយតម្លៃការយល់ដឹងយ៉ាងដូចម្តេច dati តាមគម្រោងក្រុមហ៊ុនរបស់អ្នក?
• តើអ្នកនឹងប៉ាន់ស្មានការកែលម្អដំណើរការជាលទ្ធផលនៃគម្រោងនេះយ៉ាងដូចម្តេច?
• តើ​អ្នក​នឹង​វាស់​ស្ទង់​ឥទ្ធិពល​នៃ​ការ​យល់​ដឹង​និង​ការ​សន្និដ្ឋាន​ថ្មី​ដោយ​របៀប​ណា​ដែល​ឥឡូវ​នេះ​បាន​ធ្វើ​ឱ្យ​មាន​ដោយ​ការ​ធ្វើ​ឡើង​វិញ​នេះ។
• តើអ្វីជាផលប៉ះពាល់នៃបរិស្ថានកុំព្យូទ័រថ្មី និងដំណើរការជាលទ្ធផលនៃអ្វីដែលបានសិក្សា? ប្រសិនបើចម្លើយចំពោះសំណួរទាំងនេះមានតិចតួច វាអាចទៅរួចដែលថាក្រុមហ៊ុនមិនសមនឹងការវិនិយោគដែលបានធ្វើ។ សំណួរដែលមានពិន្ទុខ្ពស់ចង្អុលបង្ហាញពីការកើនឡើងតម្លៃដ៏សំខាន់ ហើយគួរតែបម្រើជាការណែនាំសម្រាប់ការស៊ើបអង្កេតបន្ថែម។ ជាឧទាហរណ៍ ពិន្ទុខ្ពស់សម្រាប់ការកែលម្អដំណើរការគួរតែនាំអ្នករចនាឱ្យពិនិត្យមើលពីរបៀបដែលដំណើរការត្រូវបានកែលម្អ។ អ្នក​អាច​នឹង​រក​ឃើញ​ថា​ផលចំណេញ​មួយ​ចំនួន​ឬ​ទាំងអស់​ដែល​បាន​ធ្វើ​គឺ​ជា​រូបី​ហើយ​ដូច្នេះ​តម្លៃ​រូបិយវត្ថុ​អាច​ត្រូវ​បាន​អនុវត្ត​យ៉ាង​ងាយស្រួល។ ទទួលបានអត្ថប្រយោជន៍ច្រើនបំផុតពីការធ្វើឡើងវិញដំបូងនៃ ឃ្លាំង។ លទ្ធផលដ៏អស្ចារ្យបំផុតនៃកិច្ចខិតខំប្រឹងប្រែងរបស់សហគ្រាសរបស់អ្នក ជាញឹកញាប់គឺនៅក្នុងពីរបីដងដំបូង។ កិច្ចខិតខំប្រឹងប្រែងដំបូងទាំងនេះជាប្រពៃណីបង្កើតខ្លឹមសារព័ត៌មានដែលមានប្រយោជន៍បំផុតសម្រាប់សាធារណៈជន និងជួយបង្កើតមូលដ្ឋានគ្រឹះបច្ចេកវិទ្យាសម្រាប់កម្មវិធី BI ជាបន្តបន្ទាប់។ ជាធម្មតាជារៀងរាល់បន្តបន្ទាប់នៃ dati គម្រោងឃ្លាំងនាំមកនូវតម្លៃបន្ថែមតិច និងតិចដល់សហគ្រាសទាំងមូល។ នេះជាការពិតជាពិសេស ប្រសិនបើការនិយាយដដែលៗមិនបន្ថែមប្រធានបទថ្មី ឬបំពេញតាមតម្រូវការរបស់សហគមន៍អ្នកប្រើប្រាស់ថ្មី។

លក្ខណៈ​ពិសេស​នៃ​ការ​ផ្ទុក​នេះ​ក៏​អនុវត្ត​ទៅ​នឹង​ការ​កើន​ឡើង​នៃ​ជង់ dati ប្រវត្តិវិទូ។ ដោយសារកិច្ចខិតខំប្រឹងប្រែងជាបន្តបន្ទាប់ទាមទារបន្ថែមទៀត dati និងរបៀបច្រើនទៀត dati ត្រូវបានចាក់ចូលទៅក្នុងឃ្លាំងតាមពេលវេលា ភាគច្រើននៃ dati មិនសូវពាក់ព័ន្ធទៅនឹងការវិភាគដែលបានប្រើ។ ទាំងនេះ dati ពួកគេត្រូវបានគេហៅថាជាញឹកញាប់ dati ដេកលក់ ហើយវាតែងតែមានតម្លៃថ្លៃក្នុងការរក្សាពួកវា ព្រោះវាស្ទើរតែមិនដែលប្រើ។

តើនេះមានន័យយ៉ាងណាសម្រាប់អ្នកឧបត្ថម្ភគម្រោង? សំខាន់អ្នកឧបត្ថម្ភដំបូងចែករំលែកច្រើនជាងអ្វីដែលចំណាយលើការវិនិយោគ។ នេះ​ជា​កត្តា​ចម្បង​ព្រោះ​វា​ជា​កម្លាំង​រុញច្រាន​ក្នុង​ការ​បង្កើត​ស្រទាប់​បច្ចេកវិជ្ជា​ទូលំទូលាយ និង​បរិស្ថាន​ធនធាន​របស់​ឃ្លាំង​ រួម​ទាំង​សរីរាង្គ។

ប៉ុន្តែជំហានដំបូងទាំងនេះនាំមកនូវតម្លៃខ្ពស់បំផុត ហើយដូច្នេះអ្នករចនាគម្រោងជាញឹកញាប់ត្រូវបង្ហាញអំពីភាពត្រឹមត្រូវនៃការវិនិយោគ។
គម្រោងដែលបានធ្វើបន្ទាប់ពីការផ្តួចផ្តើម BI របស់អ្នកអាចទាបជាង (បើប្រៀបធៀបទៅនឹងគម្រោងដំបូង) និងការចំណាយផ្ទាល់ ប៉ុន្តែនាំមកនូវតម្លៃតិចជាងសម្រាប់ក្រុមហ៊ុន។

ហើយ​ម្ចាស់​អង្គការ​ត្រូវ​ចាប់​ផ្តើម​ពិចារណា​បោះ​បង់​ការ​ប្រមូល​ផ្តុំ dati និងបច្ចេកវិទ្យាដែលពាក់ព័ន្ធតិច។

ការជីកយករ៉ែទិន្នន័យ៖ ការស្រង់ចេញ Dati

សមាសធាតុស្ថាបត្យកម្មជាច្រើនតម្រូវឱ្យមានការប្រែប្រួលនៃបច្ចេកវិទ្យា និងបច្ចេកទេសរុករកទិន្នន័យ—
ឧទាហរណ៍ "ភ្នាក់ងារ" ផ្សេងគ្នាសម្រាប់ការពិនិត្យមើលចំណុចចាប់អារម្មណ៍នៃ អតិថិជនប្រព័ន្ធប្រតិបត្តិការរបស់ក្រុមហ៊ុន និងសម្រាប់ dw ខ្លួនវាផ្ទាល់។ ភ្នាក់ងារទាំងនេះអាចជាបណ្តាញសរសៃប្រសាទកម្រិតខ្ពស់ដែលត្រូវបានបណ្តុះបណ្តាលលើនិន្នាការ POT ដូចជាតម្រូវការផលិតផលនាពេលអនាគតដោយផ្អែកលើការផ្សព្វផ្សាយការលក់។ ម៉ាស៊ីនដែលមានមូលដ្ឋានលើច្បាប់ដើម្បីប្រតិកម្មទៅនឹងសំណុំ ដាដូ។ នៃកាលៈទេសៈ, ឧទាហរណ៍, ការធ្វើរោគវិនិច្ឆ័យវេជ្ជសាស្រ្តនិងអនុសាសន៍ការព្យាបាល; ឬសូម្បីតែភ្នាក់ងារសាមញ្ញដែលមានតួនាទីរាយការណ៍ករណីលើកលែងដល់នាយកប្រតិបត្តិកំពូល។ ជាទូទៅដំណើរការស្រង់ចេញទាំងនេះ dati si

ផ្ទៀងផ្ទាត់នៅក្នុងពេលវេលាពិត; ដូច្នេះ ពួកគេត្រូវតែរួបរួមគ្នាទាំងស្រុងជាមួយនឹងចលនារបស់ dati stessi ។

ដំណើរការវិភាគតាមអ៊ីនធឺណិត

ការវិភាគតាមអ៊ីនធឺណិត

សមត្ថភាពក្នុងការកាត់ គ្រាប់ឡុកឡាក់ រមៀល ខួង និងធ្វើការវិភាគ
អ្វី​ដែល​ប្រសិន​បើ​ស្ថិត​នៅ​ក្នុង​វិសាលភាព ការ​ផ្តោត​សំខាន់​នៃ​ឈុត​បច្ចេកវិទ្យា IBM។ ឧទាហរណ៍ មុខងារដំណើរការវិភាគតាមអ៊ីនធឺណិត (OLAP) មានសម្រាប់ DB2 ដែលនាំមកនូវការវិភាគវិមាត្រទៅក្នុងម៉ាស៊ីនកម្មវិធី។ មូលដ្ឋានទិន្នន័យ ដូចគ្នា

មុខងារបន្ថែមឧបករណ៍ប្រើប្រាស់វិមាត្រទៅ SQL ខណៈពេលដែលទាញយកអត្ថប្រយោជន៍ទាំងអស់នៃការក្លាយជាផ្នែកធម្មជាតិនៃ DB2 ។ ឧទាហរណ៍មួយទៀតនៃការរួមបញ្ចូល OLAP គឺជាឧបករណ៍ទាញយក DB2 OLAP Server Analyzer ។ បច្ចេកវិទ្យានេះអនុញ្ញាតឱ្យ DB2 OLAP Server cubes ត្រូវបានវិភាគយ៉ាងរហ័ស និងដោយស្វ័យប្រវត្តិដើម្បីកំណត់ទីតាំង និងរាយការណ៍អំពីតម្លៃតម្លៃ dati មិនធម្មតា ឬមិននឹកស្មានដល់ពេញមួយគូប ទៅកាន់អ្នកវិភាគអាជីវកម្ម។ ហើយចុងក្រោយ លក្ខណៈពិសេសរបស់មជ្ឈមណ្ឌល DW ផ្តល់នូវមធ្យោបាយសម្រាប់ស្ថាបត្យករក្នុងការគ្រប់គ្រង ក្នុងចំណោមរបស់ផ្សេងទៀត ទម្រង់នៃគូបម៉ាស៊ីនមេ DB2 OLAP ដែលជាផ្នែកធម្មជាតិនៃដំណើរការ ETL ។

ការវិភាគលំហ ការវិភាគលំហ

លំហតំណាងឱ្យពាក់កណ្តាលនៃយុថ្កាវិភាគ (នាំមុខ) ដែលត្រូវការសម្រាប់ទេសភាព
ការវិភាគទូលំទូលាយ (ពេលវេលាតំណាងឱ្យពាក់កណ្តាលផ្សេងទៀត) ។ កម្រិតអាតូមិកនៃឃ្លាំង ដែលបង្ហាញក្នុងរូបភាពទី 1.1 រួមមានទាំងពេលវេលា និងមូលដ្ឋានគ្រឹះនៃលំហ។ ត្រាពេលវេលា យុថ្កាវិភាគតាមពេលវេលា និងអាសយដ្ឋានព័ត៌មាន យុថ្កាវិភាគដោយលំហ។ ត្រាពេលវេលាធ្វើការវិភាគតាមពេលវេលា ហើយព័ត៌មានអាសយដ្ឋានធ្វើការវិភាគតាមលំហ។ ដ្យាក្រាមបង្ហាញ geocoding - ដំណើរការនៃការបំប្លែងអាស័យដ្ឋានទៅជាចំនុចក្នុងផែនទី ឬចំនុចក្នុងលំហ ដើម្បីឱ្យគោលគំនិតដូចជាចម្ងាយ និងខាងក្នុង/ខាងក្រៅ អាចត្រូវបានប្រើក្នុងការវិភាគ - ធ្វើឡើងនៅកម្រិតអាតូមិច និងការវិភាគលំហដែលអាចរកបានសម្រាប់ អ្នកវិភាគ។ IBM ផ្តល់នូវផ្នែកបន្ថែមទំហំ ដែលបង្កើតឡើងដោយវិទ្យាស្ថានស្រាវជ្រាវប្រព័ន្ធបរិស្ថាន (ESRI) ដល់ មូលដ្ឋានទិន្នន័យ DB2 ដូច្នេះវត្ថុអវកាសអាចត្រូវបានរក្សាទុកជាផ្នែកធម្មតានៃ មូលដ្ឋានទិន្នន័យ ទំនាក់ទំនង។ DB2

Spatial Extenders ក៏ផ្តល់នូវផ្នែកបន្ថែម SQL ទាំងអស់ផងដែរ ដើម្បីទាញយកអត្ថប្រយោជន៍ពីការវិភាគលំហ។ ឧទាហរណ៍ ផ្នែកបន្ថែម SQL ដែលត្រូវសួរប្រឆាំង
ចម្ងាយរវាងអាសយដ្ឋាន ឬថាតើចំណុចមួយស្ថិតនៅខាងក្នុង ឬខាងក្រៅតំបន់ពហុកោណដែលបានកំណត់ គឺជាស្តង់ដារវិភាគជាមួយ Spatial Extender ។ សូមមើលជំពូកទី 16 សម្រាប់ព័ត៌មានបន្ថែម។

មូលដ្ឋានទិន្នន័យ-Resident Tools ឧបករណ៍ មូលដ្ឋានទិន្នន័យ- អ្នកស្នាក់នៅ

DB2 មានលក្ខណៈពិសេស SQL-resident BI ជាច្រើនដែលជួយក្នុងសកម្មភាពនៃការវិភាគ។ ទាំងនេះ​រួម​បញ្ចូល​ទាំង:

• មុខងារ Recursion ដើម្បីអនុវត្តការវិភាគ ដូចជា “ការស្វែងរកផ្លូវហោះហើរដែលអាចធ្វើបានទាំងអស់ពី សាន​ហ្វ្រា​ន់​ស៊ី​ស្កូ a ញូវយ៉ក"។
• មុខងារវិភាគសម្រាប់ចំណាត់ថ្នាក់ មុខងារប្រមូលផ្តុំ គូប និងរមៀលដើម្បីជួយសម្រួលដល់កិច្ចការដែលជាធម្មតាកើតឡើងជាមួយបច្ចេកវិទ្យា OLAP ឥឡូវនេះគឺជាផ្នែកធម្មជាតិនៃម៉ាស៊ីន មូលដ្ឋានទិន្នន័យ
• សមត្ថភាពក្នុងការបង្កើតតារាងដែលមានលទ្ធផល
  អ្នកលក់របស់ មូលដ្ឋានទិន្នន័យ អ្នកដឹកនាំលាយសមត្ថភាព BI បន្ថែមទៀតចូលទៅក្នុង មូលដ្ឋានទិន្នន័យ stesso ។
  អ្នកផ្គត់ផ្គង់សំខាន់នៃ មូលដ្ឋានទិន្នន័យ ពួកគេកំពុងលាយបញ្ចូលសមត្ថភាព BI បន្ថែមទៀតទៅក្នុង មូលដ្ឋានទិន្នន័យ stesso ។
  នេះផ្តល់នូវការអនុវត្តប្រសើរជាងមុន និងជម្រើសប្រតិបត្តិបន្ថែមទៀតសម្រាប់ដំណោះស្រាយ BI ។
  លក្ខណៈពិសេស និងមុខងាររបស់ DB2 V8 ត្រូវបានពិភាក្សាយ៉ាងលម្អិតនៅក្នុងជំពូកខាងក្រោម៖
  មូលដ្ឋានគ្រឹះស្ថាបត្យកម្មបច្ចេកទេស និងការគ្រប់គ្រងទិន្នន័យ (ជំពូកទី 5)

• មូលដ្ឋានគ្រឹះ DB2 BI (ជំពូកទី 6)
• DB2 តារាងសំណួរជាសម្ភារៈ (ជំពូកទី 7)
• មុខងារ DB2 OLAP (ជំពូក 13)
• មុខងារ និងមុខងាររបស់ DB2 ដែលត្រូវបានកែលម្អ (ជំពូកទី 15) ប្រព័ន្ធបញ្ជូនទិន្នន័យសាមញ្ញ ប្រព័ន្ធដឹកជញ្ជូនរបស់ dati បាន​ធ្វើ​ជា​គំរូ

ស្ថាបត្យកម្មដែលបង្ហាញក្នុងរូបភាព 1.1 រួមមានរចនាសម្ព័ន្ធជាច្រើន។ dati រាងកាយ។ មួយ​គឺ​ឃ្លាំង​របស់​ dati ប្រតិបត្តិការ។ ជាទូទៅ ODS គឺជាវត្ថុតម្រង់ទិស រួមបញ្ចូលគ្នា និងបច្ចុប្បន្ន។ អ្នកនឹងបង្កើត ODS ដើម្បីគាំទ្រឧទាហរណ៍ ការិយាល័យលក់។ ការលក់ ODS នឹងបន្ថែម dati ពីប្រព័ន្ធផ្សេងៗគ្នាជាច្រើន ប៉ុន្តែគ្រាន់តែរក្សាទុកឧទាហរណ៍ ប្រតិបត្តិការថ្ងៃនេះ។ ODS ក៏អាចត្រូវបានធ្វើបច្ចុប្បន្នភាពជាច្រើនដងក្នុងមួយថ្ងៃ។ ទន្ទឹមនឹងនោះ ដំណើរការជំរុញឱ្យដំណើរការ dati បញ្ចូលទៅក្នុងកម្មវិធីផ្សេងៗ។ រចនាសម្ព័ន្ធនេះត្រូវបានរចនាឡើងជាពិសេសដើម្បីរួមបញ្ចូល dati បច្ចុប្បន្ន និងថាមវន្ត ហើយនឹងក្លាយជាបេក្ខជនដែលទំនងជាគាំទ្រការវិភាគតាមពេលវេលាជាក់ស្តែង ដូចជាការផ្តល់សេវាដល់ភ្នាក់ងារ អតិថិជន ព័ត៌មានលក់បច្ចុប្បន្នរបស់អតិថិជនដោយទាញយកព័ត៌មាននិន្នាការលក់ពីឃ្លាំងខ្លួនឯង។ រចនាសម្ព័ន្ធមួយផ្សេងទៀតដែលបង្ហាញក្នុងរូបភាព 1.1 គឺជារដ្ឋផ្លូវការសម្រាប់ dw ។ មិន​ត្រឹម​តែ​ជា​កន្លែង​សម្រាប់​ការ​ប្រតិបត្តិ​នៃ​ការ​រួម​បញ្ចូល​គ្នា​ជា​ចាំបាច់​, គុណភាព​នៃ​ datiនិង​ការ​ផ្លាស់​ប្តូ​រ​ dati នៃឃ្លាំងដែលចូលមក ប៉ុន្តែវាក៏ជាកន្លែងផ្ទុកដែលអាចទុកចិត្តបាន និងបណ្តោះអាសន្នផងដែរ។ dati ការចម្លងដែលអាចត្រូវបានប្រើក្នុងការវិភាគពេលវេលាជាក់ស្តែង។ ប្រសិនបើអ្នកសម្រេចចិត្តប្រើ ODS ឬតំបន់ដំណាក់កាល ដែលជាឧបករណ៍ដ៏ល្អបំផុតមួយសម្រាប់ផ្ទុករចនាសម្ព័ន្ធទាំងនេះ dati ការប្រើប្រាស់ប្រភពប្រតិបត្តិការផ្សេងៗគ្នាគឺជាសំណួរចែកចាយខុស ៗ គ្នារបស់ DB2 ។ សមត្ថភាពនេះត្រូវបានផ្តល់ដោយមុខងារ DB2 ស្រេចចិត្តដែលហៅថា DB2 Relational Connect (សំណួរតែប៉ុណ្ណោះ) និងតាមរយៈ DB2 DataJoiner (ផលិតផលដាច់ដោយឡែកដែលផ្តល់នូវសំណួរ បញ្ចូល ធ្វើបច្ចុប្បន្នភាព និងលុបសមត្ថភាពទៅ RDBMSs ដែលត្រូវបានចែកចាយផ្សេងៗគ្នា)។

បច្ចេកវិទ្យានេះអនុញ្ញាតឱ្យស្ថាបត្យករ dati ចង dati ផលិតកម្មជាមួយនឹងដំណើរការវិភាគ។ បច្ចេកវិទ្យាមិនត្រឹមតែអាចសម្របខ្លួនទៅនឹងតម្រូវការចម្លងស្ទើរតែទាំងអស់ដែលអាចកើតឡើងជាមួយនឹងការវិភាគតាមពេលវេលាជាក់ស្តែងប៉ុណ្ណោះទេ ប៉ុន្តែវាក៏អាចភ្ជាប់ទៅមូលដ្ឋានទិន្នន័យជាច្រើនប្រភេទផងដែរ។ dati ពេញនិយមបំផុត រួមមាន DB2, Oracle, Sybase, SQL Server, Informix និងផ្សេងទៀត។ DB2 DataJoiner អាចត្រូវបានប្រើដើម្បីបញ្ចូលរចនាសម្ព័ន្ធ dati ផ្លូវការជា ODS ឬសូម្បីតែតារាងអចិន្ត្រៃយ៍តំណាងនៅក្នុងឃ្លាំងដែលបានរចនាឡើងសម្រាប់ការងើបឡើងវិញរហ័សនៃការធ្វើបច្ចុប្បន្នភាពភ្លាមៗឬសម្រាប់លក់។ ជាការពិតណាស់រចនាសម្ព័ន្ធដូចគ្នា។ dati អាចត្រូវបានបំពេញដោយប្រើប្រាស់

បច្ចេកវិជ្ជាសំខាន់មួយទៀតដែលត្រូវបានរចនាឡើងសម្រាប់ការចម្លង dati, IBM DataPropagator Relational ។ (DataPropagator គឺជាផលិតផលដាច់ដោយឡែកសម្រាប់ប្រព័ន្ធកណ្តាល។ DB2 UNIX, Linux, Windows, និង OS/2 រួមមានសេវាកម្មចម្លងទិន្នន័យ dati ជាលក្ខណៈស្តង់ដារ)។
វិធីសាស្រ្តមួយផ្សេងទៀតសម្រាប់ការផ្លាស់ទី dati ប្រតិបត្តិការជុំវិញសហគ្រាសគឺជាអ្នកបញ្ចូលកម្មវិធីសហគ្រាសដែលត្រូវបានគេស្គាល់ថាជាឈ្មួញកណ្តាលសារ។ បច្ចេកវិទ្យាពិសេសនេះអនុញ្ញាតឱ្យមានការគ្រប់គ្រងដែលមិនអាចផ្គូផ្គងបានសម្រាប់ការកំណត់គោលដៅ និងការផ្លាស់ប្តូរ។ dati ជុំវិញក្រុមហ៊ុន។ IBM មានឈ្មួញកណ្តាលសារដែលប្រើយ៉ាងទូលំទូលាយបំផុតគឺ MQSeries ឬការប្រែប្រួលនៃផលិតផលដែលរួមបញ្ចូលតម្រូវការនៃ e-commerce, IBM WebSphere MQ ។
សម្រាប់ការពិភាក្សាបន្ថែមអំពីរបៀបប្រើ MQ ដើម្បីគាំទ្រឃ្លាំង និងបរិស្ថាន BI សូមចូលមើល គេហទំព័រ នៃសៀវភៅ។ សម្រាប់ពេលនេះ វាគ្រប់គ្រាន់ហើយក្នុងការនិយាយថាបច្ចេកវិទ្យានេះគឺជាមធ្យោបាយដ៏ល្អមួយក្នុងការចាប់យក និងបំប្លែង (ដោយប្រើ MQSeries Integrator) dati ប្រតិបត្តិករកណ្តាល (គោលដៅ) ត្រូវបានជ្រើសរើសសម្រាប់ដំណោះស្រាយ BI ។ បច្ចេកវិទ្យា MQ ត្រូវបានដាក់បញ្ចូល និងខ្ចប់ទៅក្នុង UDB V8 ដែលមានន័យថា ជួរសារអាចត្រូវបានគ្រប់គ្រងដូចជាប្រសិនបើពួកគេជាតារាង DB2 ។ គោលគំនិតនៃការភ្ជាប់សារជាជួរ និងសកលនៃ មូលដ្ឋានទិន្នន័យ ក្បាលទំនាក់ទំនងឆ្ពោះទៅរកបរិយាកាសចែកចាយដ៏មានឥទ្ធិពល dati.

Zero-Latency សូន្យភាពយឺតយ៉ាវ

គោលដៅយុទ្ធសាស្ត្រចុងក្រោយសម្រាប់ IBM គឺការវិភាគសូន្យ។ ដូចដែលបានកំណត់ដោយ
Gartner ដែលជាប្រព័ន្ធ BI ត្រូវតែអាចសន្និដ្ឋាន បញ្ចូល និងផ្តល់ព័ត៌មានដល់អ្នកវិភាគតាមតម្រូវការ។ ពិតណាស់បញ្ហាប្រឈមគឺរបៀបលាយ dati បច្ចុប្បន្ន និងពេលវេលាជាក់ស្តែងជាមួយនឹងព័ត៌មានប្រវត្តិសាស្ត្រចាំបាច់ ដូចជា i dati លំនាំ/និន្នាការដែលពាក់ព័ន្ធ ឬការយល់ដឹងដែលបានស្រង់ចេញ ដូចជា ទម្រង់អតិថិជន។

ព័ត៌មានបែបនេះរួមមានឧទាហរណ៍ ការកំណត់អត្តសញ្ញាណ អតិថិជន ហានិភ័យខ្ពស់ ឬទាប ឬផលិតផលណាមួយ i អតិថិជន ពួកគេទំនងជានឹងទិញ ប្រសិនបើពួកគេមានឈីសនៅក្នុងរទេះទិញទំនិញរបស់ពួកគេរួចហើយ។

ការសម្រេចបាននូវភាពយឺតយ៉ាវសូន្យគឺពិតជាអាស្រ័យលើយន្តការមូលដ្ឋានពីរ៖

• សហជីពពេញលេញនៃ dati ដែលត្រូវបានវិភាគជាមួយនឹងបច្ចេកទេស និងឧបករណ៍ដែលបានបង្កើតដោយ BI
• ប្រព័ន្ធចែកចាយ dati មានប្រសិទ្ធភាពដើម្បីធានាថាការវិភាគតាមពេលវេលាពិតគឺពិតជាមាន តម្រូវការជាមុនទាំងនេះសម្រាប់ភាពយឺតយ៉ាវសូន្យគឺមិនខុសពីគោលដៅទាំងពីរដែលកំណត់ដោយ IBM និងបានពិពណ៌នាខាងលើនោះទេ។ ភាពស្និទ្ធស្នាលរបស់ dati វាគឺជាផ្នែកមួយនៃកម្មវិធីរួមបញ្ចូលគ្មានថ្នេររបស់ IBM ។ និងបង្កើតប្រព័ន្ធចែកចាយ dati ប្រសិទ្ធភាពគឺពឹងផ្អែកទាំងស្រុងលើបច្ចេកវិទ្យាដែលមាន ដែលជួយសម្រួលដល់ដំណើរការចែកចាយ dati. ជាលទ្ធផល គោលដៅពីរក្នុងចំណោមគោលដៅទាំងបីរបស់ IBM គឺមានសារៈសំខាន់ក្នុងការសម្រេចគោលដៅទីបី។ IBM កំពុងតែវិវឌ្ឍបច្ចេកវិទ្យារបស់ខ្លួនដោយដឹងខ្លួន ដើម្បីធានាថាភាពយឺតយ៉ាវសូន្យគឺជាការពិតសម្រាប់កិច្ចខិតខំប្រឹងប្រែងឃ្លាំង។ សង្ខេប / សំយោគ អង្គការ BI ផ្តល់ផែនទីបង្ហាញផ្លូវសម្រាប់ការកសាងបរិស្ថានរបស់អ្នក។
  ម្តងហើយម្តងទៀត។ វាត្រូវតែត្រូវបានកែសម្រួលដើម្បីឆ្លុះបញ្ចាំងពីតម្រូវការនៃអាជីវកម្មរបស់អ្នកទាំងបច្ចុប្បន្ន និងអនាគត។ បើគ្មានចក្ខុវិស័យស្ថាបត្យកម្មទូលំទូលាយទេ ការបន្តឃ្លាំងគឺតិចជាងការអនុវត្តប្រកបដោយគ្រោះថ្នាក់នៃឃ្លាំងកណ្តាលដែលធ្វើតិចតួចដើម្បីបង្កើតសហគ្រាសដែលមានព័ត៌មានទូលំទូលាយ។ ឧបសគ្គទីមួយសម្រាប់អ្នកគ្រប់គ្រងគម្រោងគឺរបៀបបង្ហាញអំពីភាពត្រឹមត្រូវនៃការវិនិយោគដែលត្រូវការដើម្បីអភិវឌ្ឍអង្គការ BI ។ ខណៈពេលដែលការគណនា ROI នៅតែជាផ្នែកសំខាន់នៃការអនុវត្តឃ្លាំង វាកាន់តែពិបាកក្នុងការទស្សន៍ទាយឲ្យបានត្រឹមត្រូវ។ នេះបាននាំឱ្យមានវិធីសាស្រ្តផ្សេងទៀតសម្រាប់កំណត់ថាតើអ្នកកំពុងទទួលបានតម្លៃលុយរបស់អ្នក។ ជាឧទាហរណ៍ តម្លៃលើការវិនិយោគ២ (VOI) ត្រូវបានផ្សព្វផ្សាយជាដំណោះស្រាយ។ វាមានតួនាទីលើស្ថាបត្យកររបស់ dati និងអ្នករៀបចំគម្រោងបង្កើត និងផ្តល់ព័ត៌មានដោយចេតនាដល់សមាគមអ្នកប្រើប្រាស់ និងមិនមែនគ្រាន់តែផ្តល់សេវាកម្មដល់ពួកគេនោះទេ។ dati. មានភាពខុសប្លែកគ្នាយ៉ាងខ្លាំងរវាងអ្នកទាំងពីរ។ ព័ត៌មានគឺជាអ្វីមួយដែលធ្វើឱ្យមានភាពខុសប្លែកគ្នាក្នុងការសម្រេចចិត្ត និងប្រសិទ្ធភាព។ ទាក់ទង, i dati ពួកគេកំពុងបង្កើតប្លុកសម្រាប់ការទាញយកព័ត៌មាននោះ។

ទោះបីជាខ្ញុំរិះគន់ប្រភពក៏ដោយ។ dati ដើម្បីដោះស្រាយសំណើអាជីវកម្ម បរិស្ថាន BI គួរតែបម្រើតួនាទីធំជាងក្នុងការបង្កើតខ្លឹមសារព័ត៌មាន។ យើងត្រូវចាត់វិធានការបន្ថែម ដើម្បីសម្អាត រួមបញ្ចូល បំប្លែង ឬបង្កើតខ្លឹមសារព័ត៌មាន ដែលអ្នកប្រើប្រាស់អាចធ្វើសកម្មភាពបាន ហើយបន្ទាប់មក យើងត្រូវធានាថា សកម្មភាព និងការសម្រេចចិត្តទាំងនោះ ដែលសមហេតុផល ត្រូវបានឆ្លុះបញ្ចាំងនៅក្នុងបរិស្ថាន BI ។ បើ​យើង​ដក​ឃ្លាំង​ចេញ​ដើម្បី​បម្រើ​តែ​លើ datiវាត្រូវបានធានាថាសមាគមអ្នកប្រើប្រាស់នឹងបង្កើតមាតិកាព័ត៌មានដែលត្រូវការដើម្បីធ្វើសកម្មភាព។ នេះធានាថាសហគមន៍របស់ពួកគេនឹងអាចធ្វើការសម្រេចចិត្តបានល្អប្រសើរ ប៉ុន្តែសហគ្រាសទទួលរងនូវការខ្វះខាតចំណេះដឹងដែលពួកគេបានប្រើប្រាស់។ កាលបរិច្ឆេទ នៅពេលដែលស្ថាបត្យករ និងអ្នករៀបចំគម្រោងផ្តួចផ្តើមគម្រោងជាក់លាក់នៅក្នុងបរិយាកាស BI ពួកគេនៅតែទទួលខុសត្រូវចំពោះសហគ្រាសទាំងមូល។ ឧទាហរណ៍សាមញ្ញនៃលក្ខណៈពីរជ្រុងនៃការធ្វើឡើងវិញ BI ត្រូវបានរកឃើញនៅក្នុងប្រភព dati. ទាំងអស់ dati បានទទួលសម្រាប់សំណើអាជីវកម្មជាក់លាក់ត្រូវតែត្រូវបានបញ្ចូលក្នុងស្រទាប់អាតូមិកទីមួយ។ នេះធានាឱ្យមានការអភិវឌ្ឍន៍នៃទ្រព្យសកម្មព័ត៌មានសហគ្រាស ក៏ដូចជាគ្រប់គ្រង ដោះស្រាយសំណើរបស់អ្នកប្រើប្រាស់ជាក់លាក់ដែលបានកំណត់នៅក្នុងការរំលឹកឡើងវិញ។

WhatisaDataWarehouse?

ឃ្លាំង​ទិន្នន័យ វាជាបេះដូងនៃស្ថាបត្យកម្មប្រព័ន្ធព័ត៌មានតាំងពីឆ្នាំ 1990 និងគាំទ្រដំណើរការព័ត៌មានដោយផ្តល់ជូននូវវេទិការួមបញ្ចូលគ្នាដ៏រឹងមាំ។ dati ទិន្នន័យប្រវត្តិសាស្រ្តយកជាមូលដ្ឋានសម្រាប់ការវិភាគជាបន្តបន្ទាប់។ ធី ឃ្លាំងទិន្នន័យ ពួកគេផ្តល់នូវភាពងាយស្រួលនៃការរួមបញ្ចូលនៅក្នុងពិភពនៃប្រព័ន្ធកម្មវិធីដែលមិនឆបគ្នា។ ឃ្លាំង​ទិន្នន័យ វាបានវិវត្តទៅជានិន្នាការមួយ។ ឃ្លាំង​ទិន្នន័យ រៀបចំ និងរក្សាទុក i dati ចាំបាច់សម្រាប់ដំណើរការព័ត៌មាន និងការវិភាគដោយផ្អែកលើទស្សនវិស័យបណ្តោះអាសន្នជាប្រវត្តិសាស្ត្រដ៏វែង។ ទាំងអស់នេះរួមបញ្ចូលការប្តេជ្ញាចិត្តយ៉ាងសន្ធឹកសន្ធាប់ និងថេរក្នុងការសាងសង់ និងថែទាំ ឃ្លាំងទិន្នន័យ.

ដូច្នេះអ្វីដែលជា ក ឃ្លាំងទិន្នន័យ? ក ឃ្លាំងទិន្នន័យ និង៖

• ▪ តម្រង់ទិស
• ▪ ប្រព័ន្ធរួមបញ្ចូលគ្នា
• ▪ ពេលវេលាប្រែប្រួល
• ▪ មិនងាយនឹងបង្កជាហេតុ (មិនអាចលុបបាន)

ការប្រមូលផ្ដុំនៃ dati ប្រើដើម្បីគាំទ្រការសម្រេចចិត្តរបស់អ្នកគ្រប់គ្រងក្នុងការអនុវត្តដំណើរការ។
I dati បញ្ចូលក្នុង ឃ្លាំងទិន្នន័យ ក្នុងករណីភាគច្រើនពួកវាបានមកពីបរិយាកាសប្រតិបត្តិការ។ នេះ។ ឃ្លាំងទិន្នន័យ វាត្រូវបានបង្កើតឡើងដោយឯកតាផ្ទុក ដែលបំបែកចេញពីប្រព័ន្ធដែលនៅសល់ ដែលវាមាន dati ពីមុនត្រូវបានបំប្លែងដោយកម្មវិធីដែលដំណើរការលើព័ត៌មានដែលទទួលបានពីបរិយាកាសប្រតិបត្តិការ។

និយមន័យតាមព្យញ្ជនៈរបស់ ក ឃ្លាំងទិន្នន័យ សមនឹង​ទទួល​បាន​ការ​ពន្យល់​ស៊ី​ជម្រៅ ព្រោះ​មាន​ការ​លើក​ទឹក​ចិត្ត​សំខាន់ៗ និង​អត្ថន័យ​មូលដ្ឋាន​ដែល​ពណ៌នា​អំពី​លក្ខណៈ​របស់​ឃ្លាំង។

ការតំរង់ទិសប្រធានបទ រូបវិទ្យា

លក្ខណៈដំបូងរបស់ ក ឃ្លាំងទិន្នន័យ គឺថាវាត្រូវបានតម្រង់ទិសឆ្ពោះទៅរកអ្នកលេងសំខាន់ៗនៅក្នុងក្រុមហ៊ុនមួយ។ ការណែនាំអំពីការសាកល្បងតាមរយៈ dati វាផ្ទុយពីវិធីសាស្ត្របុរាណដែលពាក់ព័ន្ធនឹងការតំរង់ទិសនៃកម្មវិធីឆ្ពោះទៅរកដំណើរការ និងមុខងារ ដែលជាវិធីសាស្ត្រដែលភាគច្រើនត្រូវបានចែករំលែកដោយប្រព័ន្ធគ្រប់គ្រងថ្មីៗភាគច្រើន។

ពិភពប្រតិបត្តិការត្រូវបានរចនាឡើងជុំវិញកម្មវិធី និងមុខងារដូចជា ប្រាក់កម្ចី ប្រាក់សន្សំ កាតធនាគារ និងការទុកចិត្តសម្រាប់ស្ថាប័នហិរញ្ញវត្ថុ។ ពិភពលោកនៃ dw ត្រូវបានរៀបចំឡើងជុំវិញមុខវិជ្ជាសំខាន់ៗដូចជា អតិថិជន អ្នកលក់ ផលិតផល និងសកម្មភាព។ ការតម្រឹមជុំវិញប្រធានបទប៉ះពាល់ដល់ការរចនា និងការអនុវត្ត dati បានរកឃើញនៅក្នុង dw ។ សំខាន់ជាងនេះទៅទៀត ប្រធានបទសំខាន់ប៉ះពាល់ដល់ផ្នែកសំខាន់បំផុតនៃរចនាសម្ព័ន្ធគន្លឹះ។

ពិភពនៃកម្មវិធីត្រូវបានជះឥទ្ធិពលដោយទាំងការរចនានៃមូលដ្ឋានទិន្នន័យ និងការរចនាដំណើរការ។ ពិភពនៃ dw គឺផ្តោតតែលើការធ្វើគំរូ dati និងនៅលើការរចនានៃ មូលដ្ឋានទិន្នន័យ. ការរចនាដំណើរការ (ក្នុងទម្រង់បុរាណរបស់វា) មិនមែនជាផ្នែកនៃបរិស្ថាន dw ទេ។

ភាពខុសគ្នារវាងជម្រើសនៃដំណើរការ/កម្មវិធីមុខងារ និងជម្រើសនៃប្រធានបទក៏ត្រូវបានបង្ហាញផងដែរថាជាភាពខុសគ្នានៅក្នុងខ្លឹមសារនៃ dati នៅកម្រិតលម្អិត។ ធី dati នៃ dw មិនរាប់បញ្ចូល i dati ដែលនឹងមិនត្រូវបានប្រើសម្រាប់ដំណើរការ DSS ខណៈពេលដែលកម្មវិធី

តម្រង់ទិសប្រតិបត្តិការ dati មាន i dati ដើម្បីបំពេញតម្រូវការមុខងារ/ដំណើរការភ្លាមៗ ដែលអាចឬមិនមានការប្រើប្រាស់ណាមួយសម្រាប់អ្នកវិភាគ DSS ។
មធ្យោបាយសំខាន់មួយទៀតដែលកម្មវិធីតម្រង់ទិសប្រតិបត្តិការ dati ខុសពី dati នៃ dw គឺនៅក្នុងរបាយការណ៍របស់ dei dati។ ខ្ញុំ dati ប្រតិបត្តិការរក្សាទំនាក់ទំនងជាបន្តរវាងតារាងពីរ ឬច្រើនដោយផ្អែកលើច្បាប់អាជីវកម្មដែលសកម្ម។ ធី dati នៃ dw ឆ្លងកាត់វិសាលគមនៃពេលវេលាមួយ ហើយទំនាក់ទំនងដែលរកឃើញនៅក្នុង dw មានច្រើន។ ច្បាប់ជួញដូរជាច្រើន (ហើយត្រូវគ្នា ទំនាក់ទំនងជាច្រើននៃ dati ) ត្រូវបានតំណាងនៅក្នុងឃ្លាំងរបស់ dati រវាងតារាងពីរឬច្រើន។

(សម្រាប់ការពន្យល់លម្អិតអំពីរបៀបទំនាក់ទំនងរវាង dati ត្រូវបានដោះស្រាយនៅក្នុង DW យើងយោងទៅលើប្រធានបទបច្ចេកវិទ្យាលើបញ្ហានោះ។)
តាមទស្សនៈផ្សេងក្រៅពីភាពខុសគ្នាជាមូលដ្ឋានរវាងជម្រើសកម្មវិធីមុខងារ/ដំណើរការ និងជម្រើសប្រធានបទ តើមានភាពខុសគ្នាខ្លាំងជាងរវាងប្រព័ន្ធប្រតិបត្តិការ និង dati និង DW ។

ការរួមបញ្ចូលការរួមបញ្ចូល

ទិដ្ឋភាពសំខាន់បំផុតនៃបរិស្ថាន dw គឺថា i dati រកឃើញនៅក្នុង dw ត្រូវបានរួមបញ្ចូលគ្នាយ៉ាងងាយស្រួល។ ជានិច្ច។ ដោយគ្មានករណីលើកលែង។ ខ្លឹមសារសំខាន់នៃបរិស្ថាន dw គឺថា i dati ដែលមាននៅក្នុងដែនកំណត់ឃ្លាំងត្រូវបានរួមបញ្ចូល។

សមាហរណកម្មបង្ហាញដោយខ្លួនវាតាមវិធីផ្សេងៗគ្នាជាច្រើន - នៅក្នុងអនុសញ្ញាដែលបានកំណត់អត្តសញ្ញាណស្របគ្នា នៅក្នុងការវាស់វែងអថេរជាប់លាប់ នៅក្នុងរចនាសម្ព័ន្ធកូដស្រប ក្នុងលក្ខណៈរូបវន្តនៃ dati ស្រប ហើយដូច្នេះនៅលើ។

ប៉ុន្មានឆ្នាំមកនេះ អ្នករចនាកម្មវិធីផ្សេងៗបានធ្វើការសម្រេចចិត្តជាច្រើនអំពីរបៀបដែលកម្មវិធីគួរត្រូវបានបង្កើត។ រចនាប័ទ្ម និងការសម្រេចចិត្តរចនាបុគ្គលនៃកម្មវិធីរបស់អ្នករចនាបង្ហាញខ្លួនឯងតាមវិធីមួយរយ: នៅក្នុងភាពខុសគ្នានៃការសរសេរកូដ រចនាសម្ព័ន្ធគន្លឹះ លក្ខណៈរូបវន្ត ការកំណត់អត្តសញ្ញាណអនុសញ្ញាជាដើម។ សមត្ថភាពរួមរបស់អ្នករចនាកម្មវិធីជាច្រើនដើម្បីបង្កើតកម្មវិធីមិនស៊ីសង្វាក់គ្នាគឺជារឿងព្រេងនិទាន។ រូបភាពទី 3 បង្ហាញពីភាពខុសគ្នាសំខាន់ៗមួយចំនួននៅក្នុងវិធីដែលកម្មវិធីត្រូវបានរចនា។

ការអ៊ិនកូដ៖ ការអ៊ិនកូដ៖

អ្នករចនាកម្មវិធីបានជ្រើសរើសការអ៊ិនកូដនៃវាល - ភេទ - នៅក្នុងវិធីផ្សេងគ្នា។ អ្នករចនាតំណាងឱ្យការរួមភេទជា "m" និង "f" ។ អ្នករចនាមួយទៀតតំណាងឱ្យយេនឌ័រជា "1" និង "0" ។ អ្នករចនាម្នាក់ទៀតតំណាងឱ្យការរួមភេទជា "x" និង "y" ។ អ្នករចនាម្នាក់ទៀតតំណាងឱ្យការរួមភេទជា "បុរស" និង "ស្ត្រី" ។ វាមិនមានបញ្ហាច្រើនទេថាតើការរួមភេទចូលមកក្នុង DW យ៉ាងដូចម្តេច។ "M" និង "F" ប្រហែលជាល្អដូចការលេងទាំងមូល។

អ្វី​ដែល​ជា​បញ្ហា​នោះ​គឺ​ថា​អ្វី​ក៏ដោយ​ដែល​វាល​ភេទ​កើត​ចេញ​មក​នោះ វាល​នោះ​មក​ដល់ DW ក្នុង​ស្ថានភាព​រួម​បញ្ចូល​គ្នា​ស្រប​គ្នា។ ជាលទ្ធផលនៅពេលដែលវាលត្រូវបានផ្ទុកទៅក្នុង DW ពីកម្មវិធីដែលវាត្រូវបានតំណាងជាទម្រង់ "M" និង "F" នោះ dati ត្រូវតែបំប្លែងទៅជាទម្រង់ DW ។

ការវាស់វែងនៃគុណលក្ខណៈ: ការវាស់វែងនៃ គុណលក្ខណៈ:

អ្នករចនាកម្មវិធីបានជ្រើសរើសដើម្បីវាស់បំពង់តាមវិធីផ្សេងៗគ្នាជាច្រើនឆ្នាំកន្លងមក។ អ្នករចនាម្នាក់រក្សាទុក dati នៃបំពង់គិតជាសង់ទីម៉ែត្រ។ អ្នករចនាកម្មវិធីមួយផ្សេងទៀតរក្សាទុក dati នៃបំពង់នៅក្នុងលក្ខខណ្ឌនៃអ៊ីញ។ អ្នករចនាកម្មវិធីមួយផ្សេងទៀតរក្សាទុក dati បំពង់បង្ហូរប្រេង គិតជាលានហ្វីតគូបក្នុងមួយវិនាទី។ និងអ្នករចនាម្នាក់ទៀតរក្សាទុកព័ត៌មានអំពីបំពង់បង្ហូរប្រេងនៅក្នុងលក្ខខណ្ឌនៃ yards ។ មិនថាប្រភពណាក៏ដោយ នៅពេលដែលព័ត៌មានអំពីបំពង់ចូលដល់ DW វាត្រូវតែត្រូវបានវាស់វែងតាមរបៀបដូចគ្នា។

យោងតាមការចង្អុលបង្ហាញនៅក្នុងរូបភាពទី 3 បញ្ហាសមាហរណកម្មប៉ះពាល់ដល់ស្ទើរតែគ្រប់ទិដ្ឋភាពនៃគម្រោង - លក្ខណៈរូបវន្តនៃ datiភាពលំបាកនៃការមានប្រភពច្រើនជាងមួយ។ dati, បញ្ហានៃគំរូដែលបានកំណត់អត្តសញ្ញាណមិនស៊ីគ្នា, ទម្រង់នៃ dati មិនស៊ីសង្វាក់គ្នា ។ល។

មិនថាប្រធានបទរចនាអ្វីក៏ដោយ លទ្ធផលគឺដូចគ្នា - i dati ត្រូវតែរក្សាទុកនៅក្នុង DW ក្នុងលក្ខណៈឯកវចនៈ និងអាចទទួលយកបានជាសកល ទោះបីជានៅពេលដែលប្រព័ន្ធប្រតិបត្តិការមូលដ្ឋានរក្សាទុកពួកវាខុសគ្នាក៏ដោយ។ dati.

នៅពេលអ្នកវិភាគ DSS មើលទៅ DW គោលដៅរបស់អ្នកវិភាគគួរតែទាញយកប្រយោជន៍ dati ដែលមាននៅក្នុងឃ្លាំង

ជាជាងការងឿងឆ្ងល់អំពីភាពជឿជាក់ ឬភាពស៊ីសង្វាក់គ្នានៃ dati.

TIME VARIANCY

ទាំងអស់ dati នៅក្នុង DW ពួកគេមានភាពសុក្រិតដល់ចំណុចណាមួយក្នុងពេលវេលា។ លក្ខណៈជាមូលដ្ឋាននៃស dati នៅក្នុង DW វាមានភាពខុសគ្នាខ្លាំង dati រកឃើញនៅក្នុងបរិយាកាសប្រតិបត្តិការ។ ធី dati នៃបរិយាកាសប្រតិបត្តិការគឺមានភាពច្បាស់លាស់ដូចនៅពេលនៃការចូលប្រើ។ នៅក្នុងពាក្យផ្សេងទៀតនៅក្នុងបរិស្ថានប្រតិបត្តិការនៅពេលដែលដ្រាយមួយត្រូវបានចូលដំណើរការ dati, វាត្រូវបានរំពឹងទុកថាវានឹងឆ្លុះបញ្ចាំងពីតម្លៃច្បាស់លាស់ដូចនៅពេលចូលប្រើ។ ពីព្រោះ​ខ្ញុំ dati នៅក្នុង DW គឺច្បាស់លាស់ដូចនៅចំណុចមួយចំនួននៅក្នុងពេលវេលា (ឧទាហរណ៍មិនមែន "ឥឡូវនេះ") វាត្រូវបានគេនិយាយថាខ្ញុំ dati រកឃើញនៅក្នុង DW គឺជា "ភាពខុសគ្នានៃពេលវេលា" ។
ភាពខុសគ្នានៃពេលវេលា dati ដោយ DW ត្រូវបានសំដៅទៅលើវិធីជាច្រើន។
វិធីសាមញ្ញបំផុតគឺ អាយ dati តំណាង DW dati ក្នុងរយៈពេលវែង - ប្រាំទៅដប់ឆ្នាំ។ ពេលវេលាដែលតំណាងឱ្យបរិយាកាសប្រតិបត្តិការគឺខ្លីជាងតម្លៃបច្ចុប្បន្នរហូតដល់ហុកសិបកៅសិប
កម្មវិធីដែលត្រូវតែដំណើរការបានល្អ និងត្រូវតែមានសម្រាប់ដំណើរការប្រតិបត្តិការត្រូវតែមានចំនួនអប្បបរមា dati ប្រសិនបើពួកគេអនុញ្ញាតឱ្យមានកម្រិតនៃភាពបត់បែនណាមួយ។ ដូច្នេះ​កម្មវិធី​ប្រតិបត្តិការ​មាន​រយៈពេល​ខ្លី​ដូចជា​ប្រធានបទ​រចនា​កម្មវិធី​អូឌីយ៉ូ។
វិធីទីពីរ 'ភាពខុសគ្នានៃពេលវេលា' លេចឡើងនៅក្នុង DW គឺនៅក្នុងរចនាសម្ព័ន្ធគន្លឹះ។ រចនាសម្ព័ន្ធគន្លឹះនីមួយៗនៅក្នុង DW មានធាតុផ្សំនៃពេលវេលា ដូចជាថ្ងៃ សប្តាហ៍ ខែ។ល។ ធាតុពេលវេលាគឺស្ទើរតែតែងតែនៅខាងក្រោមនៃគ្រាប់ចុចភ្ជាប់ដែលរកឃើញនៅក្នុង DW ។ ក្នុងឱកាសទាំងនេះ ធាតុពេលវេលានឹងមានជាក់ស្តែង ដូចជាករណីដែលឯកសារទាំងមូលត្រូវបានចម្លងនៅចុងខែ ឬត្រីមាស។
វិធីទីបីដែលភាពខុសគ្នានៃពេលវេលាត្រូវបានបង្ហាញគឺថា i dati នៃ DW ដែលបានចុះឈ្មោះត្រឹមត្រូវ មិនអាចធ្វើបច្ចុប្បន្នភាពបានទេ។ ធី dati នៃ DW គឺសម្រាប់គោលបំណងជាក់ស្តែងទាំងអស់ ស៊េរីរូបថតដ៏វែងមួយ។ ជា​ការ​ពិត​ណាស់​ប្រសិន​បើ​ការ​ថត​រូប​ត្រូវ​បាន​ថត​មិន​ត្រឹមត្រូវ​នោះ​រូប​ថត​អាច​ត្រូវ​បាន​កែប្រែ​។ ប៉ុន្តែ​ការ​សន្មត់​ថា​ការ​ថត​រូប​ត្រូវ​បាន​ថត​បាន​ត្រឹម​ត្រូវ​ វា​មិន​ត្រូវ​បាន​កែ​សម្រួល​ភ្លាមៗ​តាម​ដែល​ថត​នោះ​ទេ។ នៅក្នុងខ្លះ

ក្នុង​ករណី​ខ្លះ វា​អាច​នឹង​គ្មាន​សីលធម៌ ឬ​សូម្បី​តែ​មិន​ត្រឹមត្រូវ​សម្រាប់​រូបថត​ក្នុង DW ត្រូវ​បាន​កែប្រែ។ ធី dati ប្រតិបត្តិការ មានភាពច្បាស់លាស់ដូចនៅពេលនៃការចូលប្រើ ពួកគេអាចត្រូវបានធ្វើបច្ចុប្បន្នភាពតាមតម្រូវការដែលកើតឡើង។

មិនងាយនឹងបង្កជាហេតុ

លក្ខណៈសំខាន់ទីបួនរបស់ DW គឺថាវាមិនងាយនឹងបង្កជាហេតុ។
ការអាប់ដេត ការបញ្ចូល ការលុប និងការកែប្រែត្រូវបានធ្វើឡើងជាទៀងទាត់ចំពោះបរិស្ថានប្រតិបត្តិការនៅលើមូលដ្ឋានកំណត់ត្រាដោយកំណត់ត្រា។ ប៉ុន្តែឧបាយកលជាមូលដ្ឋាននៃ dati ដែលត្រូវការនៅក្នុង DW គឺសាមញ្ញជាង។ មានតែប្រតិបត្តិការពីរប្រភេទប៉ុណ្ណោះដែលកើតឡើងនៅក្នុង DW - ការផ្ទុកដំបូង dati និងការចូលទៅកាន់ dati. មិន​មាន​ការ​ធ្វើ​ឱ្យ​ទាន់​សម័យ​នៃ dati (ក្នុងន័យទូទៅនៃការធ្វើបច្ចុប្បន្នភាព) នៅក្នុង DW ជាប្រតិបត្តិការដំណើរការធម្មតា។ មានផលវិបាកដ៏មានឥទ្ធិពលមួយចំនួននៃភាពខុសគ្នាជាមូលដ្ឋានរវាងដំណើរការប្រតិបត្តិការ និងដំណើរការ DW ។ នៅកម្រិតការរចនា តម្រូវការឱ្យមានការប្រុងប្រយ័ត្នចំពោះការអាប់ដេតដែលមិនប្រក្រតី មិនមែនជាកត្តានៅក្នុង DW នោះទេ ចាប់តាំងពីការធ្វើបច្ចុប្បន្នភាពនៃ dati មិនត្រូវបានអនុវត្ត។ នេះមានន័យថានៅកម្រិតរចនារូបវន្ត សេរីភាពអាចត្រូវបានគេយកទៅប្រើប្រាស់ដើម្បីបង្កើនប្រសិទ្ធភាពការចូលប្រើប្រាស់ datiជាពិសេសក្នុងការដោះស្រាយជាមួយនឹងប្រធានបទនៃការធ្វើឱ្យមានលក្ខណៈធម្មតានៃរាងកាយ និង denormalization ។ ផលវិបាកមួយទៀតនៃភាពសាមញ្ញនៃប្រតិបត្តិការ DW គឺនៅក្នុងបច្ចេកវិទ្យាមូលដ្ឋានដែលត្រូវបានប្រើដើម្បីដំណើរការបរិស្ថាន DW ។ ត្រូវតែគាំទ្រការអាប់ដេតតាមកំណត់ត្រាក្នុងជួរ (ដូចករណីនៃដំណើរការប្រតិបត្តិការ) ទាមទារឱ្យបច្ចេកវិទ្យាមានមូលដ្ឋានគ្រឹះដ៏ស្មុគស្មាញក្រោមភាពសាមញ្ញជាក់ស្តែង។
បច្ចេកវិទ្យាដែលគាំទ្រការបម្រុងទុក និងការងើបឡើងវិញ ប្រតិបត្តិការ និងសុចរិតភាពនៃ dati ហើយការរកឃើញ និងដំណោះស្រាយនៃស្ថានភាពជាប់គាំងគឺស្មុគស្មាញណាស់ ហើយមិនចាំបាច់សម្រាប់ដំណើរការ DW ទេ។ លក្ខណៈនៃ DW ការតំរង់ទិសការរចនា ការរួមបញ្ចូលនៃ dati នៅក្នុង DW ភាពខុសគ្នានៃពេលវេលា និងភាពសាមញ្ញនៃការគ្រប់គ្រង datiវាទាំងអស់នាំទៅរកបរិយាកាសដែលខុសគ្នាខ្លាំងពីបរិយាកាសប្រតិបត្តិការបុរាណ។ ប្រភពនៃស្ទើរតែទាំងអស់។ dati នៃ DW គឺជាបរិយាកាសប្រតិបត្តិការ។ វាជាការល្បួងឱ្យគិតថាមានច្រើនលើសលុប dati រវាងបរិស្ថានទាំងពីរ។
តាមការពិត ចំណាប់អារម្មណ៍ដំបូងដែលមនុស្សជាច្រើនមានគឺភាពដដែលៗដ៏អស្ចារ្យ dati រវាងបរិស្ថានប្រតិបត្តិការ និងបរិស្ថាននៃ

DW ការបកស្រាយបែបនេះគឺមានលក្ខណៈស្រពិចស្រពិល និងបង្ហាញពីការខ្វះការយល់ដឹងអំពីអ្វីដែលកើតឡើងនៅក្នុង DW ។
តាមពិតមានអប្បរមានៃការលែងត្រូវការតទៅទៀត។ dati រវាងបរិយាកាសប្រតិបត្តិការ និង i dati នៃ DW ។ ពិចារណាដូចខាងក្រោមៈ I dati ពួកវាត្រូវបានត្រង ដាដូ។ ប្តូរពីបរិស្ថានប្រតិបត្តិការទៅបរិស្ថាន DW ។ ជាច្រើន។ dati ពួកគេមិនដែលឆ្លងកាត់បរិយាកាសប្រតិបត្តិការទេ។ លើកលែងតែខ្ញុំ dati ដែលចាំបាច់សម្រាប់ដំណើរការ DSS ស្វែងរកទិសដៅរបស់ពួកគេនៅក្នុងបរិស្ថាន

▪ ជើងមេឃនៃពេលវេលា dati វាមានភាពខុសគ្នាខ្លាំងពីបរិយាកាសមួយទៅបរិយាកាសមួយទៀត។ ធី dati នៅក្នុងបរិយាកាសប្រតិបត្តិការពួកគេស្រស់ណាស់។ ធី dati នៅក្នុង DW ពួកគេកាន់តែចាស់។ មានតែតាមទស្សនៈនៃពេលវេលាទេ វាមានភាពត្រួតស៊ីគ្នាតិចតួចបំផុតរវាងបរិយាកាសប្រតិបត្តិការ និង DW ។

▪ DW មាន dati សេចក្តីសង្ខេបដែលមិនត្រូវបានរកឃើញនៅក្នុងបរិស្ថាន

▪ ខ្ញុំ dati ឆ្លងកាត់ការផ្លាស់ប្តូរជាមូលដ្ឋាននៅពេលដែលពួកគេផ្លាស់ប្តូរទៅរូបភាពទី 3 បង្ហាញភាគច្រើន dati ត្រូវបានកែប្រែយ៉ាងសំខាន់ ប្រសិនបើពួកគេត្រូវបានជ្រើសរើស និងផ្លាស់ទីទៅ DW ។ ដាក់វិធីមួយទៀត ភាគច្រើន dati វាត្រូវបានផ្លាស់ប្តូររាងកាយ និងរ៉ាឌីកាល់ ដូចដែលវាត្រូវបានផ្លាស់ប្តូរទៅក្នុង DW ។ តាមទស្សនៈនៃការរួមបញ្ចូលពួកគេមិនដូចគ្នាទេ។ dati ដែលរស់នៅក្នុងបរិយាកាសប្រតិបត្តិការ។ នៅក្នុងពន្លឺនៃកត្តាទាំងនេះ, លែងត្រូវការតទៅទៀត។ dati រវាងបរិស្ថានទាំងពីរគឺជាព្រឹត្តិការណ៍ដ៏កម្រមួយ ដែលនាំឱ្យមានភាពច្របូកច្របល់តិចជាង 1% រវាងបរិស្ថានទាំងពីរ។ រចនាសម្ព័ន្ធនៃឃ្លាំង DWs មានរចនាសម្ព័ន្ធខុសគ្នា។ មានកម្រិតជាច្រើននៃការសង្ខេប និងលម្អិតដែលកំណត់ DWs ។
សមាសធាតុផ្សេងៗនៃ DW គឺ៖

• ទិន្នន័យមេតា
• Dati ព័ត៌មានលម្អិតបច្ចុប្បន្ន
• Dati នៃព័ត៌មានលម្អិតចាស់
• Dati សង្ខេបបន្តិច
• Dati សង្ខេបយ៉ាងខ្លាំង

មកដល់ពេលនេះ កង្វល់ចម្បងគឺសម្រាប់ dati ព័ត៌មានលម្អិតបច្ចុប្បន្ន។ វាជាកង្វល់ចម្បងព្រោះ៖

• I dati ព័ត៌មានលម្អិតបច្ចុប្បន្នឆ្លុះបញ្ចាំងពីព្រឹត្តិការណ៍ថ្មីៗបំផុត ដែលតែងតែមានការចាប់អារម្មណ៍ និង
• i dati នៃព័ត៌មានលម្អិតបច្ចុប្បន្នគឺ voluminous ព្រោះវាត្រូវបានរក្សាទុកនៅកម្រិតទាបបំផុតនៃ granularity និង
• i dati ព័ត៌មានលម្អិតបច្ចុប្បន្នត្រូវបានរក្សាទុកស្ទើរតែជានិច្ចនៅលើអង្គចងចាំឌីស ដែលវារហ័សក្នុងការចូលប្រើ ប៉ុន្តែមានតម្លៃថ្លៃ និងស្មុគស្មាញក្នុងការប្រើប្រាស់ dati លម្អិតពួកគេកាន់តែចាស់ dati ដែលត្រូវបានរក្សាទុកនៅលើអង្គចងចាំមួយចំនួន Massa. វាត្រូវបានចូលប្រើជាបណ្តើរៗ ហើយត្រូវបានរក្សាទុកក្នុងកម្រិតនៃព័ត៌មានលម្អិតដែលត្រូវគ្នាជាមួយ dati ព័ត៌មានលម្អិតបច្ចុប្បន្ន។ ខណៈ​ពេល​ដែល​វា​មិន​ចាំបាច់​ក្នុង​ការ​រក្សា​ទុក​នៅ​លើ​ឧបករណ៍​ផ្ទុក​ជំនួស​ដោយ​សារ​តែ​ទំហំ​ធំ​នៃ dati រួម​បញ្ចូល​ជាមួយ​នឹង​ការ​ចូល​ដំណើរការ​ជា​ញឹកញាប់​នៃ​ dati, ជំនួយការចងចាំសម្រាប់ dati ទិន្នន័យលម្អិតចាស់ជាធម្មតាមិនត្រូវបានរក្សាទុកនៅលើថាសទេ។ ធី dati សង្ខេបបន្តិច dati ដែលត្រូវបានចម្រាញ់ពីកម្រិតទាបនៃព័ត៌មានលម្អិតដែលបានរកឃើញរហូតដល់កម្រិតលម្អិតបច្ចុប្បន្ន។ កម្រិតនៃ DW នេះស្ទើរតែតែងតែត្រូវបានរក្សាទុកនៅលើការផ្ទុកថាស។ បញ្ហារចនាប្រឈមមុខនឹងស្ថាបត្យករ dati នៅក្នុងការសាងសង់កម្រិតនៃ DW នេះគឺ:

• តើឯកតានៃពេលវេលាណាដែលសង្ខេបខាងលើ
• មាតិកាណា គុណលក្ខណៈនឹងសង្ខេបបន្តិចអំពីខ្លឹមសារនៃ dati កម្រិតបន្ទាប់នៃ dati រកឃើញនៅក្នុង DW នោះគឺ dati សង្ខេបយ៉ាងខ្លាំង។ ធី dati សង្ខេបយ៉ាងខ្ពស់គឺបង្រួម និងងាយស្រួលចូលប្រើ។ ធី dati ការសង្ខេបយ៉ាងខ្ពស់ជួនកាលត្រូវបានរកឃើញនៅក្នុងបរិស្ថាន DW និងក្នុងករណីផ្សេងទៀត i dati ការសង្ខេបយ៉ាងខ្ពស់ត្រូវបានរកឃើញនៅខាងក្រៅជញ្ជាំងភ្លាមៗនៃបច្ចេកវិទ្យាដែលបង្កើត DW ។ (ក្នុងករណីណាក៏ដោយ I dati ការសង្ខេបយ៉ាងខ្ពស់គឺជាផ្នែកមួយនៃ DW ដោយមិនគិតពីកន្លែងដែល i dati មាន​ផ្ទះ​សម្បែង)។ សមាសធាតុចុងក្រោយនៃ DW គឺជាទិន្នន័យមេតា។ នៅក្នុងការគោរពជាច្រើន ទិន្នន័យមេតាស្ថិតនៅក្នុងវិមាត្រខុសពីអ្នកដទៃ dati នៃ DW ពីព្រោះទិន្នន័យមេតាមិនមានទេ។ ដាដូ។ យកដោយផ្ទាល់ពីបរិយាកាសប្រតិបត្តិការ។ ទិន្នន័យមេតាមានតួនាទីពិសេស និងសំខាន់នៅក្នុង DW ។ ទិន្នន័យមេតាត្រូវបានប្រើជា៖

• ថតឯកសារដើម្បីជួយអ្នកវិភាគ DSS កំណត់ទីតាំងមាតិកានៃ DW,
• ការណែនាំអំពីការធ្វើផែនទី dati ពីរបៀបដែលខ្ញុំ dati ត្រូវបានផ្លាស់ប្តូរពីបរិស្ថានប្រតិបត្តិការទៅជាបរិស្ថាន DW,
• ការណែនាំអំពីក្បួនដោះស្រាយដែលប្រើសម្រាប់ការសង្ខេបរវាង dati នៃព័ត៌មានលម្អិតបច្ចុប្បន្ន អ៊ី dati សង្ខេបបន្តិច, អ៊ី dati សង្ខេបយ៉ាងខ្ពស់ ទិន្នន័យមេតាដើរតួនាទីធំជាងនៅក្នុងបរិស្ថាន DW ជាងវាធ្លាប់មាននៅក្នុងបរិយាកាសប្រតិបត្តិការ ឧបករណ៍ផ្ទុកលម្អិតចាស់ កាសែតម៉េញ៉ទិកអាចត្រូវបានប្រើដើម្បីរក្សាទុកប្រភេទនោះ។ dati. តាមពិតមានឧបករណ៍ផ្ទុកច្រើនប្រភេទដែលគួរពិចារណាសម្រាប់កន្លែងផ្ទុកចាស់ dati លម្អិត។ អាស្រ័យលើបរិមាណ datiភាពញឹកញាប់នៃការចូលប្រើ តម្លៃនៃឧបករណ៍ និងប្រភេទនៃការចូលប្រើ វាទំនងជាទាំងស្រុងដែលឧបករណ៍ផ្សេងទៀតនឹងត្រូវការកម្រិតចាស់នៃព័ត៌មានលម្អិតនៅក្នុង DW ។ លំហូរនៃទិន្នន័យ មានលំហូរធម្មតានិងអាចព្យាករណ៍បាន។ dati នៅខាងក្នុង DW ។
  I dati ពួកគេចូលទៅក្នុង DW ពីបរិយាកាសប្រតិបត្តិការ។ (ចំណាំ៖ មាន​ការ​លើក​លែង​គួរ​ឱ្យ​ចាប់​អារម្មណ៍​មួយ​ចំនួន​ចំពោះ​ច្បាប់​នេះ។ ទោះ​យ៉ាង​ណា ស្ទើរ​តែ​ទាំង​អស់ dati បញ្ចូល DW ពីបរិយាកាសប្រតិបត្តិការ) ។ កាលបរិច្ឆេទ ដែលខ្ញុំ។ dati បញ្ចូល DW ពីបរិយាកាសប្រតិបត្តិការ វាត្រូវបានបំប្លែងដូចដែលបានពិពណ៌នាពីមុន។ នៅក្នុងលក្ខខណ្ឌនៃការចូល DW, i dati បញ្ចូលកម្រិតបច្ចុប្បន្ននៃព័ត៌មានលម្អិត ដូចដែលបានបង្ហាញ។ វា​រស់​នៅ​ទី​នោះ ហើយ​ត្រូវ​បាន​ប្រើ​រហូត​ដល់​ព្រឹត្តិការណ៍​មួយ​ក្នុង​ចំណោម​បី​កើត​ឡើង៖

• ត្រូវបានបន្សុត,
• ត្រូវបានសង្ខេប និង/ឬ ▪è ដំណើរការដែលលែងប្រើក្នុងចលនា DW i dati ព័ត៌មានលម្អិតបច្ចុប្បន្ន ក dati នៃព័ត៌មានលម្អិតចាស់ ដោយផ្អែកលើអាយុ dati. ដំណើរការ

សេចក្តីសង្ខេបប្រើសេចក្តីលម្អិតនៃ dati ដើម្បីគណនា i dati សង្ខេបបន្តិច និងកម្រិតសង្ខេបខ្ពស់នៃ dati. មានការលើកលែងមួយចំនួនចំពោះលំហូរដែលបានបង្ហាញ (នឹងត្រូវបានពិភាក្សានៅពេលក្រោយ)។ ទោះជាយ៉ាងណា, ជាធម្មតា, សម្រាប់ភាគច្រើននៃ dati បានរកឃើញនៅក្នុង DW លំហូរនៃ dati វាគឺដូចដែលបានបង្ហាញ។

ការប្រើប្រាស់ឃ្លាំងទិន្នន័យ

មិនគួរឱ្យភ្ញាក់ផ្អើលទេចំពោះកម្រិតផ្សេងៗ dati នៅក្នុង DW ពួកគេមិនទទួលបានកម្រិតនៃការប្រើប្រាស់ផ្សេងគ្នាទេ។ តាមក្បួនមួយកម្រិតនៃការសង្ខេបកាន់តែខ្ពស់ i dati ពួកគេត្រូវបានប្រើ។
ការប្រើប្រាស់ជាច្រើនកើតឡើងនៅក្នុង dati សង្ខេប​យ៉ាង​ខ្ពស់​ខណៈ​ដែល​ចាស់​ dati ព័ត៌មានលម្អិតស្ទើរតែមិនដែលប្រើ។ មានហេតុផលដ៏ល្អមួយដើម្បីផ្លាស់ទីអង្គការទៅកាន់គំរូនៃការប្រើប្រាស់ធនធាន។ សរុបមកខ្ញុំ datiកាន់តែលឿន និងមានប្រសិទ្ធភាពជាង វាគឺដើម្បីទៅដល់ dati. ប្រសិនបើ ក ហាង រកឃើញថាវាដំណើរការជាច្រើននៅកម្រិតលម្អិតនៃ DW បន្ទាប់មកបរិមាណដ៏ធំដែលត្រូវគ្នានៃធនធានម៉ាស៊ីនត្រូវបានប្រើប្រាស់។ វាជាផលប្រយោជន៍ដ៏ល្អបំផុតរបស់មនុស្សគ្រប់រូបក្នុងដំណើរការការសង្ខេបកម្រិតខ្ពស់ឱ្យបានឆាប់តាមដែលអាចធ្វើទៅបាន។

សម្រាប់ហាងជាច្រើន អ្នកវិភាគ DSS នៅក្នុងបរិស្ថានមុន DW បានប្រើ dati នៅកម្រិតលម្អិត។ នៅក្នុងការគោរពជាច្រើននៃការមកដល់នៅ dati សេចក្ដីសង្ខេបលម្អិតប្រហាក់ប្រហែលនឹងភួយសុវត្ថិភាព ទោះបីជាកម្រិតផ្សេងទៀតនៃការសង្ខេបមានក៏ដោយ។ សកម្មភាពមួយរបស់ស្ថាបត្យករ dati គឺដើម្បីផ្តាច់អ្នកប្រើប្រាស់ DSS ពីការប្រើប្រាស់ថេរ dati នៅកម្រិតទាបបំផុតនៃព័ត៌មានលម្អិត។ មានការលើកទឹកចិត្តពីរដែលអាចរកបានសម្រាប់ស្ថាបត្យករ dati:

• ដោយដំឡើងប្រព័ន្ធគិតប្រាក់វិញ ដែលអ្នកប្រើប្រាស់ចុងក្រោយចំណាយសម្រាប់ធនធានដែលបានប្រើប្រាស់ និង
• ដែលបង្ហាញថាពេលវេលាឆ្លើយតបល្អណាស់អាចសម្រេចបាននៅពេលដែលអាកប្បកិរិយាជាមួយ i dati គឺ​នៅ​កម្រិត​ខ្ពស់​នៃ​ការ​សង្ខេប​ខណៈ​ពេល​វេលា​ការ​ឆ្លើយ​តប​មិន​ល្អ​មក​ពី​ឥរិយាបថ​របស់ dati នៅកម្រិតទាប ការពិចារណាផ្សេងទៀត។ មានការពិចារណាលើការសាងសង់ និងការគ្រប់គ្រងរបស់ DW ផ្សេងទៀត។
  ការពិចារណាដំបូងគឺសន្ទស្សន៍។ ធី dati នៅកម្រិតខ្ពស់នៃការសង្ខេប គេអាចធ្វើលិបិក្រមដោយសេរី ខណៈពេលដែល i dati

នៅកម្រិតទាបនៃព័ត៌មានលម្អិត ពួកវាមានសំពីងសំពោង ដែលពួកគេអាចធ្វើលិបិក្រមដោយសន្សំសំចៃ។ ពីនិមិត្តសញ្ញាដូចគ្នា I dati នៅកម្រិតខ្ពស់នៃព័ត៌មានលម្អិតអាចត្រូវបានរៀបចំឡើងវិញយ៉ាងងាយស្រួលខណៈពេលដែលបរិមាណ dati នៅកម្រិតទាបវាធំណាស់ដែលខ្ញុំ dati ពួកគេមិនអាចជួសជុលបានយ៉ាងងាយស្រួលទេ។ ជាលទ្ធផលគំរូឌី dati ហើយការងារផ្លូវការដែលបានធ្វើដោយការរចនាដាក់មូលដ្ឋានគ្រឹះសម្រាប់ DW បានអនុវត្តស្ទើរតែទាំងស្រុងនៅកម្រិតបច្ចុប្បន្ននៃព័ត៌មានលម្អិត។ ម៉្យាងទៀតសកម្មភាពគំរូរបស់ dati ពួកវាមិនអនុវត្តចំពោះកម្រិតសង្ខេបទេ ស្ទើរតែគ្រប់ករណីទាំងអស់។ ការពិចារណាលើរចនាសម្ព័ន្ធមួយទៀតគឺផ្នែករងនៃ dati ដោយ DW ។

ការបែងចែកអាចត្រូវបានធ្វើនៅកម្រិតពីរ - នៅកម្រិត dbms និងនៅកម្រិតកម្មវិធី។ នៅក្នុងការបែងចែកនៅកម្រិត dbmsគាត់ dbms ត្រូវបានជូនដំណឹងអំពីការបែងចែក និងគ្រប់គ្រងពួកគេទៅតាមនោះ។ ក្នុងករណីនៃការបែងចែកនៅកម្រិតកម្មវិធី មានតែអ្នកសរសេរកម្មវិធីប៉ុណ្ណោះដែលត្រូវបានជូនដំណឹងអំពីការបែងចែក ហើយការទទួលខុសត្រូវសម្រាប់ការគ្រប់គ្រងរបស់ពួកគេត្រូវបានទុកអោយគាត់។

កម្រិតខាងក្រោម dbmsការងារជាច្រើនត្រូវបានធ្វើដោយស្វ័យប្រវត្តិ។ មានភាពមិនបត់បែនច្រើនដែលទាក់ទងនឹងការគ្រប់គ្រងការបែងចែកដោយស្វ័យប្រវត្តិ។ នៅក្នុងករណីនៃការបែងចែកនៅកម្រិតកម្មវិធីនៃ dati del ឃ្លាំងទិន្នន័យការងារជាច្រើនមានទម្ងន់លើអ្នកសរសេរកម្មវិធី ប៉ុន្តែលទ្ធផលចុងក្រោយគឺភាពបត់បែនក្នុងការគ្រប់គ្រង dati ក្នុង ឃ្លាំងទិន្នន័យ

អាល់ម៉ុនអាណូមីលី

ខណៈពេលដែលសមាសធាតុនៃអេ ឃ្លាំងទិន្នន័យ ពួកគេធ្វើការដូចដែលបានពិពណ៌នាស្ទើរតែទាំងអស់។ datiមានករណីលើកលែងមានប្រយោជន៍មួយចំនួនដែលចាំបាច់ត្រូវពិភាក្សា។ ករណីលើកលែងមួយគឺ dati ទិន្នន័យសង្ខេបសាធារណៈ។ ទាំងនេះ​គឺជា dati សេចក្តីសង្ខេបដែលត្រូវបានគណនាចេញពី ឃ្លាំងទិន្នន័យ ប៉ុន្តែពួកគេត្រូវបានប្រើប្រាស់ដោយសង្គម។ ធី dati សេចក្តីសង្ខេបជាសាធារណៈត្រូវបានរក្សាទុក និងគ្រប់គ្រងនៅក្នុង ឃ្លាំងទិន្នន័យទោះបីជាដូចដែលបានរៀបរាប់ពីមុន ពួកគេត្រូវបានគណនាចេញ។ គណនេយ្យករធ្វើការដើម្បីផលិតបែបនេះប្រចាំត្រីមាស dati ដូចជាប្រាក់ចំណូល ការចំណាយប្រចាំត្រីមាស ប្រាក់ចំណេញប្រចាំត្រីមាស។ល។ ការងារដែលធ្វើដោយគណនេយ្យករគឺខាងក្រៅ ឃ្លាំងទិន្នន័យ. ទោះយ៉ាងណាក៏ដោយ I dati ត្រូវបានប្រើ "ខាងក្នុង" នៅក្នុងក្រុមហ៊ុន - ពី ការធ្វើទីផ្សារ, លក់។ល។ ភាពមិនប្រក្រតីមួយទៀត ដែលនឹងមិនត្រូវបានពិភាក្សានោះគឺថា dati អេស្ត្រូនី។

ប្រភេទពិសេសមួយទៀត dati ដែលអាចត្រូវបានរកឃើញនៅក្នុង ក ឃ្លាំងទិន្នន័យ គឺជាទិន្នន័យលម្អិតអចិន្ត្រៃយ៍។ ទាំងនេះបណ្តាលឱ្យមានតម្រូវការរក្សាទុកជាអចិន្ត្រៃយ៍ dati នៅកម្រិតលម្អិតសម្រាប់ហេតុផលសីលធម៌ ឬផ្លូវច្បាប់។ ប្រសិនបើក្រុមហ៊ុនមួយកំពុងបង្ហាញកម្មកររបស់ខ្លួនទៅនឹងសារធាតុគ្រោះថ្នាក់ ចាំបាច់ត្រូវមាន dati លម្អិត និងអចិន្ត្រៃយ៍។ ប្រសិនបើក្រុមហ៊ុនផលិតផលិតផលដែលពាក់ព័ន្ធនឹងសុវត្ថិភាពសាធារណៈ ដូចជាគ្រឿងបន្លាស់យន្តហោះ ចាំបាច់ត្រូវមាន dati ព័ត៌មានលម្អិតអចិន្ត្រៃយ៍ ក៏ដូចជាប្រសិនបើក្រុមហ៊ុនចូលទៅក្នុងកិច្ចសន្យាដែលមានគ្រោះថ្នាក់។

ក្រុមហ៊ុនមិនអាចមើលរំលងព័ត៌មានលម្អិតបានទេ ពីព្រោះក្នុងរយៈពេលប៉ុន្មានឆ្នាំខាងមុខ ក្នុងករណីមានការប្តឹងទាមទារសំណង ការប្រមូលមកវិញ ជម្លោះសំណង់ខូចគុណភាព។ល។ ការបង្ហាញរបស់ក្រុមហ៊ុនអាចមានទំហំធំ។ ជាលទ្ធផលមានប្រភេទតែមួយគត់ dati គេស្គាល់ថាជាទិន្នន័យលម្អិតអចិន្ត្រៃយ៍។

សេចក្តីសង្ខេប

Un ឃ្លាំងទិន្នន័យ គឺជាវត្ថុតម្រង់ទិស រួមបញ្ចូលគ្នា វ៉ារ្យ៉ង់ពេលវេលា បណ្តុំនៃ dati មិនងាយនឹងបង្កជាហេតុ ដើម្បីគាំទ្រដល់តម្រូវការធ្វើការសម្រេចចិត្តរបស់រដ្ឋបាល។ មុខងារសំខាន់ៗនីមួយៗរបស់ ក ឃ្លាំងទិន្នន័យ មានផលប៉ះពាល់របស់វា។ បូកមានបួនកម្រិត dati del ឃ្លាំងទិន្នន័យ:

• ព័ត៌មានលម្អិតចាស់
• ព័ត៌មានលម្អិតបច្ចុប្បន្ន
• Dati សង្ខេបឡើងវិញបន្តិច
• Dati ទិន្នន័យមេតាសង្ខេបខ្ពស់ក៏ជាផ្នែកមួយដ៏សំខាន់នៃ ឃ្លាំងទិន្នន័យ. សង្ខេប គំនិតនៃការផ្ទុក dati ថ្មីៗនេះវាទទួលបានការចាប់អារម្មណ៍យ៉ាងខ្លាំង ហើយបានក្លាយជានិន្នាការនៃទសវត្សរ៍ទី 90 ។ នេះគឺដោយសារតែសមត្ថភាពរបស់ ឃ្លាំងទិន្នន័យ ដើម្បីយកឈ្នះលើដែនកំណត់នៃប្រព័ន្ធគាំទ្រការគ្រប់គ្រងដូចជា ប្រព័ន្ធគាំទ្រការសម្រេចចិត្ត (DSS) និងប្រព័ន្ធព័ត៌មានប្រតិបត្តិ (EIS)។ ទោះបីជាគំនិតនៃ ឃ្លាំងទិន្នន័យ មើលទៅសន្យា, អនុវត្ត I ឃ្លាំងទិន្នន័យ អាចមានបញ្ហាដោយសារដំណើរការឃ្លាំងធំ។ ទោះបីជាមានភាពស្មុគស្មាញនៃគម្រោងឃ្លាំង datiអ្នកផ្គត់ផ្គង់ និងអ្នកប្រឹក្សាជាច្រើនដែលស្តុកទុក dati ពួកគេអះអាងថាការផ្ទុក dati ចរន្តមិនបណ្តាលឱ្យមានបញ្ហាអ្វីទេ។ ទោះជាយ៉ាងណាក៏ដោយ នៅដើមដំបូងនៃគម្រោងស្រាវជ្រាវនេះ ស្ទើរតែគ្មានការស្រាវជ្រាវឯករាជ្យ ម៉ត់ចត់ និងជាប្រព័ន្ធត្រូវបានអនុវត្តទេ។ ដូច្នេះវាពិបាកក្នុងការនិយាយថាតើមានអ្វីកើតឡើងនៅក្នុងឧស្សាហកម្មនៅពេលដែលពួកគេត្រូវបានសាងសង់ ឃ្លាំងទិន្នន័យ. ការសិក្សានេះបានស្វែងយល់ពីការអនុវត្តឃ្លាំងរបស់ dati សហសម័យដែលមានគោលបំណងអភិវឌ្ឍការយល់ដឹងកាន់តែទូលំទូលាយអំពីការអនុវត្តរបស់អូស្ត្រាលី។ ការពិនិត្យឡើងវិញអក្សរសិល្ប៍បានផ្តល់បរិបទ និងមូលដ្ឋានគ្រឹះសម្រាប់ការសិក្សាជាក់ស្តែង។ មានការរកឃើញមួយចំនួនពីការស្រាវជ្រាវនេះ។ ជាដំបូង ការសិក្សានេះបានបង្ហាញពីសកម្មភាពដែលកើតឡើងក្នុងអំឡុងពេលនៃការអភិវឌ្ឍន៍ ឃ្លាំងទិន្នន័យ. នៅក្នុងតំបន់ជាច្រើន I dati ប្រមូលបានបញ្ជាក់ពីការអនុវត្តដែលបានរាយការណ៍នៅក្នុងអក្សរសិល្ប៍។ ទីពីរ បញ្ហា និងបញ្ហាដែលអាចជះឥទ្ធិពលដល់ការអភិវឌ្ឍន៍ ឃ្លាំងទិន្នន័យ ត្រូវបានកំណត់អត្តសញ្ញាណដោយការសិក្សានេះ។ ជាចុងក្រោយ អត្ថប្រយោជន៍ដែលទទួលបានដោយអង្គការអូស្ត្រាលីដែលទាក់ទងនឹងការប្រើប្រាស់ ឃ្លាំងទិន្នន័យ ត្រូវបានបង្ហាញ។

ជំពូកទី 1

បរិបទស្រាវជ្រាវ

គំនិតនៃការផ្ទុកទិន្នន័យបានទទួលការលេចចេញជារូបរាងយ៉ាងទូលំទូលាយ ហើយបានក្លាយជានិន្នាការដែលកំពុងលេចធ្លោនៅក្នុងទសវត្សរ៍ឆ្នាំ 90 (McFadden 1996, TDWI 1996, Shah and Milstein 1997, Shanks et al. 1997, Eckerson 1998, Adelman and Oates 2000)។ នេះអាចត្រូវបានគេមើលឃើញពីការកើនឡើងនៃអត្ថបទស្តីពីការផ្ទុកទិន្នន័យនៅក្នុងការបោះពុម្ពផ្សាយពាណិជ្ជកម្ម (Little and Gibson 1999) ។ អត្ថបទជាច្រើន (សូមមើលឧទាហរណ៍ Fisher 1995, Hackathorn 1995, Morris 1995a, Bramblett and King 1996, Graham et al. 1996, Sakaguchi and Frolick 1996, Alvarez 1997, Brousell 1997, Don Clarke, 1997' Edwards 1997, TDWI 1997) បានរាយការណ៍ពីអត្ថប្រយោជន៍សំខាន់ៗដែលទទួលបានដោយអង្គការដែលអនុវត្ត i ឃ្លាំងទិន្នន័យ. ពួកគេបានគាំទ្រទ្រឹស្ដីរបស់ពួកគេជាមួយនឹងភស្តុតាងជាក់ស្តែងនៃការអនុវត្តប្រកបដោយជោគជ័យ តួលេខប្រាក់ចំណូលខ្ពស់លើការវិនិយោគ (ROI) និងផងដែរ ដោយផ្តល់នូវការណែនាំ ឬវិធីសាស្រ្តសម្រាប់ការអភិវឌ្ឍន៍ ឃ្លាំងទិន្នន័យ

(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson 1999)។ ក្នុងករណីធ្ងន់ធ្ងរ Graham et al ។ (1996) បានរាយការណ៍ពីការត្រឡប់មកវិញជាមធ្យមលើការវិនិយោគរយៈពេលបីឆ្នាំគឺ 401% ។

ទោះជាយ៉ាងណាក៏ដោយ អក្សរសិល្ប៍បច្ចុប្បន្នភាគច្រើនបានមើលរំលងភាពស្មុគស្មាញដែលពាក់ព័ន្ធនឹងការអនុវត្តន៍គម្រោងបែបនេះ។ គម្រោងរបស់ ឃ្លាំងទិន្នន័យ ពួកវាជាធម្មតាមានភាពស្មុគស្មាញ និងទ្រង់ទ្រាយធំ ដូច្នេះហើយមានប្រូបាប៊ីលីតេខ្ពស់នៃការបរាជ័យ ប្រសិនបើពួកគេមិនត្រូវបានគ្រប់គ្រងដោយប្រុងប្រយ័ត្ន (Shah and Milstein 1997, Eckerson 1997, Foley 1997b, Zimmer 1997, Bort 1998, Gibbs and Clymer 1998, Rao 1998)។ ពួកគេត្រូវការធនធានមនុស្ស និងហិរញ្ញវត្ថុដ៏ច្រើនសន្ធឹកសន្ធាប់ និងពេលវេលា និងការខិតខំប្រឹងប្រែងដើម្បីសាងសង់វា (Hill 1998, Crofts 1998)។ ពេលវេលា និងមធ្យោបាយហិរញ្ញវត្ថុធម្មតាដែលត្រូវការគឺប្រហែលពីរឆ្នាំ និងពីរទៅបីលានដុល្លាររៀងៗខ្លួន (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999)។ ពេលវេលា និងមធ្យោបាយហិរញ្ញវត្ថុនេះ គឺត្រូវបានទាមទារដើម្បីគ្រប់គ្រង និងបង្រួបបង្រួមទិដ្ឋភាពផ្សេងគ្នាជាច្រើននៃឃ្លាំងទិន្នន័យ (Cafasso 1995, Hill 1998)។ ទន្ទឹមនឹងការពិចារណាផ្នែករឹង និងសូហ្វវែរ មុខងារផ្សេងទៀតដែលប្រែប្រួលពីការទាញយក dati ដល់ដំណើរការនៃការផ្ទុក datiសមត្ថភាពអង្គចងចាំក្នុងការគ្រប់គ្រងការអាប់ដេត និងមេតា dati សម្រាប់ការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់ត្រូវតែពិចារណា។

នៅពេលគម្រោងស្រាវជ្រាវនេះចាប់ផ្តើម មានការស្រាវជ្រាវសិក្សាតិចតួចណាស់ដែលត្រូវបានធ្វើឡើងនៅក្នុងវិស័យឃ្លាំងទិន្នន័យ ជាពិសេសនៅក្នុងប្រទេសអូស្ត្រាលី។ នេះបង្ហាញឱ្យឃើញពីការខ្វះខាតនៃអត្ថបទដែលបានបោះពុម្ពផ្សាយនៅលើឃ្លាំងទិន្នន័យពីទស្សនាវដ្តី ឬសំណេរសិក្សាផ្សេងទៀតនៅសម័យនោះ។ អត្ថបទសិក្សាជាច្រើនដែលមានបានពិពណ៌នាអំពីបទពិសោធន៍របស់សហរដ្ឋអាមេរិក។ កង្វះនៃការស្រាវជ្រាវសិក្សានៅក្នុងតំបន់នៃឃ្លាំងទិន្នន័យបានបណ្តាលឱ្យមានការអំពាវនាវឱ្យមានការស្រាវជ្រាវយ៉ាងម៉ត់ចត់ និងការសិក្សាជាក់ស្តែង (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999)។ ជាពិសេសការសិក្សាស្រាវជ្រាវលើដំណើរការអនុវត្តនៃ ឃ្លាំងទិន្នន័យ ចាំបាច់ត្រូវអនុវត្តដើម្បីពង្រីកចំណេះដឹងទូទៅទាក់ទងនឹងការអនុវត្ត ឃ្លាំងទិន្នន័យ ហើយនឹងបម្រើជាមូលដ្ឋានសម្រាប់ការសិក្សាស្រាវជ្រាវនាពេលអនាគត (Shanks et al. 1997, Little and Gibson 1999)។

ដូច្នេះ គោលបំណងនៃការសិក្សានេះគឺដើម្បីសិក្សាពីអ្វីដែលកើតឡើងនៅពេលដែលអង្គការអនុវត្ត និងប្រើប្រាស់ i ឃ្លាំងទិន្នន័យ នៅប្រទេសអូស្ត្រាលី។ ជាពិសេស ការសិក្សានេះនឹងរួមបញ្ចូលការវិភាគនៃដំណើរការអភិវឌ្ឍន៍ទាំងមូលនៃ ក ឃ្លាំងទិន្នន័យចាប់ផ្តើមពីការចាប់ផ្តើម និងការធ្វើផែនការតាមរយៈការរចនា និងការអនុវត្ត និងការប្រើប្រាស់ជាបន្តបន្ទាប់នៅក្នុងអង្គការអូស្ត្រាលី។ លើសពីនេះ ការសិក្សាក៏នឹងរួមចំណែកដល់ការអនុវត្តនាពេលបច្ចុប្បន្ន ដោយកំណត់តំបន់ដែលការអនុវត្តអាចត្រូវបានកែលម្អបន្ថែមទៀត ហើយភាពគ្មានប្រសិទ្ធភាព និងហានិភ័យអាចត្រូវបានកាត់បន្ថយ ឬជៀសវាង។ លើស​ពី​នេះ​ទៀត វា​នឹង​បម្រើ​ជា​មូលដ្ឋាន​សម្រាប់​ការ​សិក្សា​ផ្សេង​ទៀត​នៅ​លើ ឃ្លាំងទិន្នន័យ នៅប្រទេសអូស្ត្រាលី ហើយនឹងបំពេញចន្លោះដែលបច្ចុប្បន្នមាននៅក្នុងអក្សរសិល្ប៍។

សំណួរស្រាវជ្រាវ

គោលបំណងនៃការស្រាវជ្រាវនេះគឺដើម្បីសិក្សាពីសកម្មភាពដែលពាក់ព័ន្ធនឹងការអនុវត្ត ឃ្លាំងទិន្នន័យ និងការប្រើប្រាស់របស់ពួកគេដោយអង្គការអូស្ត្រាលី។ ជាពិសេស ធាតុទាក់ទងនឹងការរៀបចំគម្រោង ការអភិវឌ្ឍន៍ ប្រតិបត្តិការ ការប្រើប្រាស់ និងហានិភ័យដែលពាក់ព័ន្ធត្រូវបានសិក្សា។ ដូច្នេះសំណួរនៃការស្រាវជ្រាវនេះគឺ៖

"តើអ្វីជាការអនុវត្តបច្ចុប្បន្ន ឃ្លាំងទិន្នន័យ នៅអូស្ត្រាលី?”

ដើម្បីឆ្លើយសំណួរនេះប្រកបដោយប្រសិទ្ធភាព សំណួរស្រាវជ្រាវសាខាមួយចំនួនត្រូវបានទាមទារ។ ជាពិសេស សំណួររងចំនួនបីត្រូវបានរកឃើញពីអក្សរសិល្ប៍ ដែលត្រូវបានបង្ហាញក្នុងជំពូកទី 2 ដើម្បីណែនាំគម្រោងស្រាវជ្រាវនេះ៖ តើមានអ្វីខ្លះ? ឃ្លាំងទិន្នន័យ ពីអង្គការអូស្ត្រាលី? តើអ្នកបានជួបប្រទះបញ្ហាអ្វីខ្លះ?

តើបទពិសោធន៍ទទួលបានអត្ថប្រយោជន៍អ្វីខ្លះ?
ក្នុងការឆ្លើយសំណួរទាំងនេះ ការរចនាស្រាវជ្រាវស្រាវជ្រាវដែលប្រើការស្ទង់មតិត្រូវបានប្រើប្រាស់។ ក្នុងនាមជាការសិក្សាស្រាវជ្រាវ ចម្លើយចំពោះសំណួរខាងលើមិនពេញលេញទេ (Shanks et al. 1993, Denscombe 1998)។ ក្នុងករណីនេះ ត្រីកោណមាត្រត្រូវបានទាមទារ ដើម្បីកែលម្អចម្លើយចំពោះសំណួរទាំងនេះ។ ទោះជាយ៉ាងណាក៏ដោយ ការស៊ើបអង្កេតនឹងផ្តល់នូវមូលដ្ឋានគ្រឹះដ៏រឹងមាំមួយសម្រាប់ការងារនាពេលអនាគតដែលពិនិត្យមើលសំណួរទាំងនេះ។ ការពិភាក្សាលម្អិតអំពីយុត្តិកម្មវិធីសាស្រ្តស្រាវជ្រាវ និងការរចនាត្រូវបានបង្ហាញនៅក្នុងជំពូកទី 3 ។

រចនាសម្ព័ន្ធនៃគម្រោងស្រាវជ្រាវ

គម្រោងស្រាវជ្រាវនេះត្រូវបានបែងចែកជាពីរផ្នែក៖ ការសិក្សាបរិបទនៃគំនិតឃ្លាំងទិន្នន័យ និងការស្រាវជ្រាវជាក់ស្តែង (សូមមើលរូបភាពទី 1.1) ដែលផ្នែកនីមួយៗត្រូវបានពិភាក្សាខាងក្រោម។

ផ្នែកទី ១៖ ការសិក្សាបរិបទ

ផ្នែកដំបូងនៃការស្រាវជ្រាវរួមមានការពិនិត្យឡើងវិញនូវអក្សរសិល្ប៍បច្ចុប្បន្នលើប្រភេទផ្សេងៗនៃឃ្លាំងទិន្នន័យ រួមទាំងប្រព័ន្ធគាំទ្រការសម្រេចចិត្ត (DSS) ប្រព័ន្ធព័ត៌មានប្រតិបត្តិ (EIS) ករណីសិក្សានៃ ឃ្លាំងទិន្នន័យ និងគំនិតនៃ ឃ្លាំងទិន្នន័យ. លើសពីនេះ លទ្ធផលនៃវេទិកា ឃ្លាំងទិន្នន័យ និងក្រុមអ្នកជំនាញ និងអ្នកអនុវត្តដែលដឹកនាំដោយក្រុមស្រាវជ្រាវ Monash DSS បានចូលរួមចំណែកក្នុងដំណាក់កាលនៃការសិក្សានេះ ដែលមានបំណងដើម្បីទទួលបានការយល់ដឹងអំពីការអនុវត្ត ឃ្លាំងទិន្នន័យ និងដើម្បីកំណត់ហានិភ័យដែលពាក់ព័ន្ធនឹងការស្មុំកូនរបស់ពួកគេ។ ក្នុងអំឡុងពេលនៃការសិក្សាបរិបទនេះ ការយល់ដឹងអំពីតំបន់បញ្ហាត្រូវបានបង្កើតឡើង ដើម្បីផ្តល់ចំណេះដឹងផ្ទៃខាងក្រោយសម្រាប់ការស៊ើបអង្កេតជាក់ស្តែងជាបន្តបន្ទាប់។ ទោះជាយ៉ាងណាក៏ដោយ នេះគឺជាដំណើរការដែលកំពុងបន្តក្នុងអំឡុងពេលនៃការសិក្សាស្រាវជ្រាវ។

ផ្នែកទី II: ការស្រាវជ្រាវជាក់ស្តែង

គំនិតថ្មីនៃការផ្ទុកទិន្នន័យ ជាពិសេសនៅក្នុងប្រទេសអូស្ត្រាលី បានបង្កើតតម្រូវការសម្រាប់ការស្ទង់មតិដើម្បីទទួលបានរូបភាពទូលំទូលាយនៃបទពិសោធន៍អ្នកប្រើប្រាស់។ ផ្នែកនេះត្រូវបានអនុវត្តនៅពេលដែលដែនបញ្ហាត្រូវបានបង្កើតឡើងតាមរយៈការពិនិត្យអក្សរសិល្ប៍យ៉ាងទូលំទូលាយ។ គំនិតឃ្លាំងទិន្នន័យដែលបានបង្កើតឡើងក្នុងដំណាក់កាលសិក្សាបរិបទត្រូវបានប្រើជាធាតុបញ្ចូលសម្រាប់កម្រងសំណួរដំបូងនៃការសិក្សានេះ។ បន្ទាប់ពីនេះកម្រងសំណួរត្រូវបានពិនិត្យ។ អ្នកគឺជាអ្នកជំនាញនៅក្នុង ឃ្លាំងទិន្នន័យ បានចូលរួមក្នុងការសាកល្បង។ គោលបំណងនៃការធ្វើតេស្តកម្រងសំណួរដំបូងគឺដើម្បីពិនិត្យមើលភាពពេញលេញ និងភាពត្រឹមត្រូវនៃសំណួរ។ ដោយផ្អែកលើលទ្ធផលតេស្ត កម្រងសំណួរត្រូវបានកែប្រែ ហើយកំណែដែលបានកែប្រែត្រូវបានផ្ញើទៅអ្នកចូលរួមការស្ទង់មតិ។ បន្ទាប់មក កម្រងសំណួរដែលបានត្រឡប់មកវិញត្រូវបានវិភាគសម្រាប់ i dati នៅក្នុងតារាង ដ្យាក្រាម និងទម្រង់ផ្សេងៗទៀត។ ធី

លទ្ធផលនៃការវិភាគ dati ពួកគេបង្កើតរូបភាពនៃការអនុវត្តការផ្ទុកទិន្នន័យនៅក្នុងប្រទេសអូស្ត្រាលី។

ទិដ្ឋភាពទូទៅនៃការផ្ទុកទិន្នន័យ

គំនិតនៃការផ្ទុកទិន្នន័យបានវិវត្តជាមួយនឹងការធ្វើឱ្យប្រសើរឡើងនៃបច្ចេកវិទ្យាកុំព្យូទ័រ។
វាមានគោលបំណងយកឈ្នះលើបញ្ហាដែលប្រឈមមុខដោយក្រុមគាំទ្រកម្មវិធីដូចជា ប្រព័ន្ធគាំទ្រការសម្រេចចិត្ត (DSS) និងប្រព័ន្ធព័ត៌មានប្រតិបត្តិ (EIS) ។

ក្នុងពេលកន្លងមក ឧបសគ្គដ៏ធំបំផុតនៃកម្មវិធីទាំងនេះ គឺអសមត្ថភាពនៃកម្មវិធីទាំងនេះក្នុងការផ្តល់ មូលដ្ឋានទិន្នន័យ ចាំបាច់សម្រាប់ការវិភាគ។
នេះ​ជា​ចម្បង​បណ្តាល​មក​ពី​លក្ខណៈ​នៃ​ការងារ​របស់​អ្នក​គ្រប់​គ្រង។ ផលប្រយោជន៍នៃការគ្រប់គ្រងរបស់ក្រុមហ៊ុនតែងតែប្រែប្រួលអាស្រ័យលើតំបន់ដែលគ្របដណ្តប់។ ដូច្នេះ ខ្ញុំ dati មូលដ្ឋានគ្រឹះសម្រាប់កម្មវិធីទាំងនេះ ពួកគេត្រូវតែអាចផ្លាស់ប្តូរបានយ៉ាងឆាប់រហ័ស អាស្រ័យលើផ្នែកដែលត្រូវព្យាបាល។
នេះមានន័យថា I dati ត្រូវតែមានក្នុងទម្រង់សមរម្យសម្រាប់ការវិភាគដែលបានស្នើសុំ។ តាមពិត ក្រុមគាំទ្រកម្មវិធីបានរកឃើញថាវាពិបាកខ្លាំងណាស់កាលពីអតីតកាលក្នុងការប្រមូល និងរួមបញ្ចូល dati ពីប្រភពស្មុគស្មាញ និងចម្រុះ។

ផ្នែកដែលនៅសល់នៃផ្នែកនេះបង្ហាញពីទិដ្ឋភាពទូទៅនៃគំនិតនៃការផ្ទុកទិន្នន័យ និងពិភាក្សាអំពីរបៀបដែល ឃ្លាំងទិន្នន័យ អាចជម្នះបញ្ហានៃក្រុមគាំទ្រកម្មវិធី។
ពាក្យ“ឃ្លាំង​ទិន្នន័យ” ត្រូវបានគេពេញនិយមដោយលោក William Inmon ក្នុងឆ្នាំ 1990។ និយមន័យដែលត្រូវបានលើកឡើងជាញឹកញាប់របស់គាត់មើលឃើញ ឃ្លាំង​ទិន្នន័យ ជាការប្រមូលផ្តុំនៃ dati ប្រធានបទតម្រង់ទិស រួមបញ្ចូលគ្នា មិនងាយនឹងបង្កជាហេតុ និងអថេរតាមពេលវេលា ដើម្បីគាំទ្រដល់ការសម្រេចចិត្តគ្រប់គ្រង។

ការប្រើប្រាស់និយមន័យនេះ Inmon គូសបញ្ជាក់ថា i dati ស្នាក់នៅក្នុង ក ឃ្លាំងទិន្នន័យ ពួកគេត្រូវតែមានលក្ខណៈ ៤ យ៉ាងដូចខាងក្រោម៖

• ▪ តម្រង់ទិស
• ▪ រួមបញ្ចូលគ្នា
• ▪ មិនងាយនឹងបង្កជាហេតុ
• ▪ Variable over time By subject-oriented Inmon មានន័យថា i dati ក្នុង ឃ្លាំងទិន្នន័យ នៅក្នុងតំបន់អង្គការដ៏ធំបំផុតដែលធ្លាប់មាន

កំណត់ក្នុងគំរូ dati. ឧទាហរណ៍ទាំងអស់។ dati ទាក់ទងនឹងខ្ញុំ អតិថិជន មាននៅក្នុងប្រធានបទ អតិថិជន. ដូចគ្នាទាំងអស់។ dati ទាក់ទងនឹងផលិតផលមាននៅក្នុងប្រធានបទ PRODUCTS ។

តាម Integrated Inmon មានន័យថា i dati មកពីវេទិកាផ្សេងៗគ្នា ប្រព័ន្ធ និងទីតាំងត្រូវបានបញ្ចូលគ្នា និងរក្សាទុកនៅកន្លែងតែមួយ។ ជា​លទ្ធផល dati ទម្រង់ស្រដៀងគ្នាត្រូវតែត្រូវបានបំប្លែងទៅជាទម្រង់ស៊ីសង្វាក់គ្នា ដូច្នេះពួកគេអាចបន្ថែម និងប្រៀបធៀបបានយ៉ាងងាយស្រួល។
ឧទាហរណ៍ ភេទប្រុស និងស្រីត្រូវបានតំណាងដោយអក្សរ M និង F នៅក្នុងប្រព័ន្ធមួយ និងដោយលេខ 1 និង 0 នៅក្នុងប្រព័ន្ធមួយទៀត។ ដើម្បីបញ្ចូលពួកវាឱ្យបានត្រឹមត្រូវ ទម្រង់មួយ ឬទាំងពីរត្រូវតែបំប្លែង ដូច្នេះទម្រង់ទាំងពីរគឺដូចគ្នា។ ក្នុងករណីនេះយើងអាចផ្លាស់ប្តូរ M ទៅ 1 និង F ទៅ 0 ឬផ្ទុយមកវិញ។ ប្រធានបទតម្រង់ទិស និងរួមបញ្ចូលគ្នាបង្ហាញថា ឃ្លាំងទិន្នន័យ ត្រូវបានរចនាឡើងដើម្បីផ្តល់នូវចក្ខុវិស័យមុខងារ និងអន្តរកម្មនៃ dati ដោយក្រុមហ៊ុន។

ដោយ Non-volatile គាត់មានន័យថា i dati ក្នុង ឃ្លាំងទិន្នន័យ រក្សាភាពជាប់លាប់ និងការធ្វើបច្ចុប្បន្នភាព dati វាមិនចាំបាច់ទេ។ ផ្ទុយទៅវិញរាល់ការផ្លាស់ប្តូរនៅក្នុង dati ប្រភពដើមត្រូវបានបន្ថែមទៅ មូលដ្ឋានទិន្នន័យ del ឃ្លាំងទិន្នន័យ. នេះ​មាន​ន័យ​ថា dei ប្រវត្តិសាស្ត្រ​ dati មាននៅក្នុង ឃ្លាំងទិន្នន័យ.

សម្រាប់អថេរជាមួយពេលវេលា Inmon បង្ហាញថា i dati ក្នុង ឃ្លាំងទិន្នន័យ តែងតែមានសូចនាករពេលវេលា ei dati ជាធម្មតាពួកគេឆ្លងកាត់ពេលវេលាជាក់លាក់មួយ។ ឧទាហរណ៍ ក
ឃ្លាំងទិន្នន័យ អាចមាន 5 ឆ្នាំនៃតម្លៃប្រវត្តិសាស្រ្តនៃ អតិថិជន ពីឆ្នាំ 1993 ដល់ឆ្នាំ 1997 ។ ភាពអាចរកបាននៃប្រវត្តិសាស្រ្ត និងស៊េរីពេលវេលានៃ dati អនុញ្ញាតឱ្យអ្នកវិភាគនិន្នាការ។

Un ឃ្លាំងទិន្នន័យ គាត់អាចប្រមូលរបស់គាត់បាន។ dati ពីប្រព័ន្ធ OLTP; ពីប្រភព dati នៅខាងក្រៅអង្គការ និង/ឬដោយគម្រោងប្រព័ន្ធចាប់យកពិសេសផ្សេងទៀត។ dati.
I dati ការដកស្រង់អាចឆ្លងកាត់ដំណើរការសម្អាត ក្នុងករណីនេះ i dati ត្រូវបានបំប្លែង និងរួមបញ្ចូលមុនពេលត្រូវបានរក្សាទុកក្នុង មូលដ្ឋានទិន្នន័យ del ឃ្លាំងទិន្នន័យ. បន្ទាប់មក​ខ្ញុំ dati

អ្នកស្រុកនៅក្នុង មូលដ្ឋានទិន្នន័យ del ឃ្លាំងទិន្នន័យ ត្រូវ​បាន​ធ្វើ​ឱ្យ​មាន​សម្រាប់​ការ​ចូល​របស់​អ្នក​ប្រើ​ចុង​ក្រោយ និង​ឧបករណ៍​សង្គ្រោះ។ ដោយប្រើឧបករណ៍ទាំងនេះ អ្នកប្រើប្រាស់ចុងក្រោយអាចចូលប្រើទិដ្ឋភាពរួមបញ្ចូលគ្នានៃអង្គការ dati.

I dati អ្នកស្រុកនៅក្នុង មូលដ្ឋានទិន្នន័យ del ឃ្លាំងទិន្នន័យ ពួកវាត្រូវបានរក្សាទុកទាំងលម្អិត និងក្នុងទម្រង់សង្ខេប។
កម្រិតនៃការសង្ខេបអាចអាស្រ័យលើលក្ខណៈនៃ dati។ ខ្ញុំ dati លម្អិតអាចមាន dati បច្ចុប្បន្ន អ៊ី dati ស្តូរីស៊ី
I dati សួយសារអាករមិនត្រូវបានរាប់បញ្ចូលក្នុង ឃ្លាំងទិន្នន័យ រហូតដល់ខ្ញុំ dati ក្នុង ឃ្លាំងទិន្នន័យ ត្រូវបានធ្វើបច្ចុប្បន្នភាព។
បន្ថែមពីលើការរក្សាទុក i dati ខ្លួនគេ, ក ឃ្លាំងទិន្នន័យ វាក៏អាចរក្សាទុកប្រភេទផ្សេងគ្នាផងដែរ។ ដាដូ។ ហៅថា METADATA ដែលពិពណ៌នាអំពី dati អ្នកស្រុកនៅក្នុងរបស់គាត់។ មូលដ្ឋានទិន្នន័យ.
មានទិន្នន័យមេតាពីរប្រភេទ៖ ទិន្នន័យមេតាអភិវឌ្ឍន៍ និងទិន្នន័យមេតាវិភាគ។
ទិន្នន័យមេតានៃការអភិវឌ្ឍន៍ត្រូវបានប្រើដើម្បីគ្រប់គ្រង និងស្វ័យប្រវត្តិកម្មដំណើរការនៃការស្រង់ចេញ ការសម្អាត ការធ្វើផែនទី និងដំណើរការផ្ទុកទិន្នន័យ dati ក្នុង ឃ្លាំងទិន្នន័យ.
ព័ត៌មានដែលមាននៅក្នុងទិន្នន័យមេតានៃការអភិវឌ្ឍន៍អាចមានព័ត៌មានលម្អិតនៃប្រព័ន្ធប្រតិបត្តិការ ព័ត៌មានលម្អិតនៃធាតុដែលត្រូវស្រង់ចេញ គំរូ dati del ឃ្លាំងទិន្នន័យ និងច្បាប់អាជីវកម្មសម្រាប់ការផ្លាស់ប្តូរ dati.

ប្រភេទទីពីរនៃទិន្នន័យមេតា ដែលគេស្គាល់ថាជាទិន្នន័យមេតាវិភាគ អាចឱ្យអ្នកប្រើប្រាស់ចុងក្រោយរុករកខ្លឹមសារនៃឯកសារ ឃ្លាំងទិន្នន័យ ដើម្បីស្វែងរក dati អាចប្រើបាន និងអត្ថន័យរបស់វាក្នុងន័យច្បាស់លាស់ មិនមានលក្ខណៈបច្ចេកទេស។

ដូច្នេះទិន្នន័យមេតានៃការវិភាគដំណើរការជាស្ពានរវាង ឃ្លាំងទិន្នន័យ និងកម្មវិធីអ្នកប្រើប្រាស់ចុងក្រោយ។ ទិន្នន័យមេតានេះអាចមានគំរូអាជីវកម្ម ការពិពណ៌នាអំពី dati ដែលត្រូវគ្នាទៅនឹងគំរូអាជីវកម្ម សំណួរ និងរបាយការណ៍ដែលបានកំណត់ជាមុន ព័ត៌មានសម្រាប់ការចូលប្រើរបស់អ្នកប្រើប្រាស់ និងសន្ទស្សន៍។

ការវិភាគ និងការអភិវឌ្ឍន៍ទិន្នន័យមេតាត្រូវតែបញ្ចូលទៅក្នុងទិន្នន័យមេតាដែលមានរួមបញ្ចូលតែមួយ ដើម្បីដំណើរការបានត្រឹមត្រូវ។

ជាអកុសលឧបករណ៍ដែលមានស្រាប់ជាច្រើនមានទិន្នន័យមេតាផ្ទាល់ខ្លួន ហើយបច្ចុប្បន្នមិនមានស្តង់ដារដែលមានស្រាប់សម្រាប់វាទេ។

អនុញ្ញាតឱ្យឧបករណ៍ផ្ទុកទិន្នន័យបញ្ចូលទិន្នន័យមេតានេះ។ ដើម្បីដោះស្រាយស្ថានភាពនេះ ពាណិជ្ជករជាច្រើននៃឧបករណ៍ផ្ទុកទិន្នន័យសំខាន់ៗបានបង្កើតក្រុមប្រឹក្សាទិន្នន័យមេតា ដែលក្រោយមកបានក្លាយជាសម្ព័ន្ធទិន្នន័យមេតា។

គោលដៅនៃសម្ព័ន្ធនេះគឺដើម្បីបង្កើតសំណុំទិន្នន័យមេតាស្តង់ដារដែលអនុញ្ញាតឱ្យឧបករណ៍ផ្ទុកទិន្នន័យផ្សេងៗគ្នាដើម្បីបំប្លែងទិន្នន័យមេតា
កិច្ចខិតខំប្រឹងប្រែងរបស់ពួកគេបាននាំឱ្យមានកំណើតនៃ Meta Data Interchange Specification (MDIS) ដែលនឹងអនុញ្ញាតឱ្យមានការផ្លាស់ប្តូរព័ត៌មានរវាងបណ្ណសារ Microsoft និងឯកសារ MDIS ដែលពាក់ព័ន្ធ។

អត្ថិភាពនៃ dati ទាំងសង្ខេប/ធ្វើលិបិក្រម និងលម្អិតផ្តល់ឱ្យអ្នកប្រើប្រាស់នូវលទ្ធភាពដើម្បីអនុវត្ត DRILL DROWN (ការខួង) ពី dati ធ្វើលិបិក្រមទៅព័ត៌មានលម្អិត និងច្រាសមកវិញ។ អត្ថិភាពនៃ dati ប្រវត្តិលម្អិតអនុញ្ញាតឱ្យបង្កើតការវិភាគនិន្នាការតាមពេលវេលា។ លើសពីនេះទៀត ទិន្នន័យមេតានៃការវិភាគអាចត្រូវបានប្រើជាថតឯកសារ មូលដ្ឋានទិន្នន័យ del ឃ្លាំងទិន្នន័យ ដើម្បីជួយអ្នកប្រើប្រាស់ចុងក្រោយកំណត់ទីតាំង dati ចាំបាច់។

នៅក្នុងការប្រៀបធៀបទៅនឹងប្រព័ន្ធ OLTP ជាមួយនឹងសមត្ថភាពរបស់ពួកគេក្នុងការគាំទ្រការវិភាគនៃ dati និងការរាយការណ៍, នេះ។ ឃ្លាំងទិន្នន័យ វាត្រូវបានគេមើលឃើញថាជាប្រព័ន្ធដែលសមស្របជាងមុនសម្រាប់ដំណើរការព័ត៌មាន ដូចជាការបង្កើត និងឆ្លើយតបទៅនឹងសំណួរ និងការផលិតរបាយការណ៍។ ផ្នែកបន្ទាប់នឹងបង្ហាញពីភាពខុសគ្នានៃប្រព័ន្ធទាំងពីរយ៉ាងលម្អិត។

ឃ្លាំង​ទិន្នន័យ ប្រឆាំងនឹងប្រព័ន្ធ OLTP

ប្រព័ន្ធព័ត៌មានជាច្រើននៅក្នុងស្ថាប័នមានគោលបំណងគាំទ្រដល់ប្រតិបត្តិការប្រចាំថ្ងៃ។ ប្រព័ន្ធទាំងនេះត្រូវបានគេស្គាល់ថាជា OLTP SYSTEMS ចាប់យកប្រតិបត្តិការប្រចាំថ្ងៃដែលបានធ្វើបច្ចុប្បន្នភាពជាបន្តបន្ទាប់។

I dati នៅក្នុងប្រព័ន្ធទាំងនេះ ពួកគេត្រូវបានកែប្រែ បន្ថែម ឬលុបជាញឹកញាប់។ ជាឧទាហរណ៍ អាស័យដ្ឋានរបស់អតិថិជនផ្លាស់ប្តូរនៅពេលគាត់ផ្លាស់ទីពីកន្លែងមួយទៅកន្លែងមួយទៀត។ ក្នុងករណីនេះ អាសយដ្ឋានថ្មីនឹងត្រូវបានចុះឈ្មោះដោយការកែប្រែវាលអាសយដ្ឋាន មូលដ្ឋានទិន្នន័យ. គោលបំណងសំខាន់នៃប្រព័ន្ធទាំងនេះគឺកាត់បន្ថយចំណាយប្រតិបត្តិការ ហើយក្នុងពេលតែមួយកាត់បន្ថយពេលវេលាដំណើរការ។ ឧទាហរណ៍នៃប្រព័ន្ធ OLTP រួមមានសកម្មភាពសំខាន់ៗដូចជាការបញ្ចូលការបញ្ជាទិញ បញ្ជីប្រាក់ខែ វិក្កយបត្រ ការផលិត សេវាកម្មអតិថិជន អតិថិជន.

មិនដូចប្រព័ន្ធ OLTP ដែលត្រូវបានបង្កើតឡើងសម្រាប់ប្រតិបត្តិការ- និងដំណើរការផ្អែកលើព្រឹត្តិការណ៍ i ឃ្លាំងទិន្នន័យ ត្រូវបានបង្កើតឡើងដើម្បីផ្តល់ការគាំទ្រសម្រាប់ដំណើរការផ្អែកលើការវិភាគ dati និងដំណើរការធ្វើការសម្រេចចិត្ត។

នេះត្រូវបានសម្រេចជាធម្មតាដោយការរួមបញ្ចូល i dati ពី OLTP និងប្រព័ន្ធខាងក្រៅផ្សេងៗនៅក្នុង "កុងតឺន័រ" តែមួយនៃ datiដូចដែលបានពិភាក្សានៅក្នុងផ្នែកមុន។

គំរូដំណើរការឃ្លាំងទិន្នន័យ Monash

គំរូនៃដំណើរការសម្រាប់ ឃ្លាំងទិន្នន័យ Monash ត្រូវបានបង្កើតឡើងដោយអ្នកស្រាវជ្រាវនៅ Monash DSS Research Group ហើយត្រូវបានផ្អែកលើអក្សរសិល្ប៍របស់ ឃ្លាំងទិន្នន័យលើបទពិសោធន៍ក្នុងការគាំទ្រដល់ការអភិវឌ្ឍន៍វិស័យប្រព័ន្ធ លើការពិភាក្សាជាមួយអ្នកលក់កម្មវិធីសម្រាប់ប្រើប្រាស់ ឃ្លាំងទិន្នន័យលើក្រុមអ្នកជំនាញក្នុងការប្រើប្រាស់ ឃ្លាំងទិន្នន័យ.

ដំណាក់កាលគឺ៖ ការចាប់ផ្តើម ការធ្វើផែនការ ការអភិវឌ្ឍន៍ ប្រតិបត្តិការ និងការពន្យល់។ ដ្យាក្រាម​ពន្យល់​ពី​លក្ខណៈ​ដដែលៗ​ឬ​ការ​វិវត្តន៍​នៃ​ការ​វិវត្តន៍​នៃ​ក ឃ្លាំងទិន្នន័យ ដំណើរការដោយប្រើព្រួញពីរផ្លូវដាក់នៅចន្លោះដំណាក់កាលផ្សេងៗគ្នា។ នៅក្នុងបរិបទនេះ "ការដដែលៗ" និង "ការវិវត្តន៍" មានន័យថា នៅជំហាននីមួយៗនៃដំណើរការ សកម្មភាពអនុវត្តតែងតែអាចបន្តដំណើរថយក្រោយឆ្ពោះទៅរកដំណាក់កាលមុន។ នេះគឺដោយសារតែធម្មជាតិនៃគម្រោងមួយ។ ឃ្លាំងទិន្នន័យ ដែលសំណើបន្ថែមពីអ្នកប្រើប្រាស់ចុងក្រោយកើតឡើងនៅពេលណាក៏បាន។ ឧទាហរណ៍ក្នុងដំណាក់កាលអភិវឌ្ឍន៍នៃដំណើរការមួយ។ ឃ្លាំងទិន្នន័យវិមាត្រថ្មី ឬប្រធានបទត្រូវបានស្នើសុំដោយអ្នកប្រើប្រាស់ចុងក្រោយ ដែលមិនមែនជាផ្នែកនៃគម្រោងដើម នេះត្រូវតែបញ្ចូលទៅក្នុងប្រព័ន្ធ។ នេះបណ្តាលឱ្យមានការផ្លាស់ប្តូរនៅក្នុងគម្រោង។ លទ្ធផលគឺថាក្រុមរចនាត្រូវតែផ្លាស់ប្តូរតម្រូវការនៃឯកសារដែលបានបង្កើតរហូតមកដល់ពេលនេះក្នុងដំណាក់កាលរចនា។ ក្នុងករណីជាច្រើន ស្ថានភាពបច្ចុប្បន្ននៃគម្រោងត្រូវតែត្រលប់ទៅដំណាក់កាលរចនា ដែលតម្រូវការថ្មីត្រូវតែបន្ថែម និងចងក្រងជាឯកសារ។ អ្នកប្រើប្រាស់ចុងក្រោយត្រូវតែអាចមើលឃើញឯកសារជាក់លាក់ដែលបានពិនិត្យ និងការផ្លាស់ប្តូរដែលបានធ្វើឡើងនៅក្នុងដំណាក់កាលអភិវឌ្ឍន៍។ នៅចុងបញ្ចប់នៃវដ្តនៃការអភិវឌ្ឍន៍នេះ គម្រោងត្រូវតែទទួលបានមតិកែលម្អដ៏ល្អពីទាំងក្រុមអភិវឌ្ឍន៍ និងក្រុមអ្នកប្រើប្រាស់។ បន្ទាប់មក មតិកែលម្អត្រូវបានប្រើឡើងវិញ ដើម្បីកែលម្អគម្រោងនាពេលអនាគត។

ការធ្វើផែនការសមត្ថភាព
Dw មានទំនោរនឹងមានទំហំធំខ្លាំង ហើយលូតលាស់យ៉ាងឆាប់រហ័ស (Best 1995, Rudin 1997a) ជាលទ្ធផលនៃបរិមាណនៃ dati ប្រវត្តិសាស្រ្តដែលពួកគេរក្សាទុកពីរយៈពេលរបស់ពួកគេ។ ការលូតលាស់ក៏អាចបណ្តាលមកពី dati ការបន្ថែមដែលស្នើសុំដោយអ្នកប្រើប្រាស់ដើម្បីបង្កើនតម្លៃនៃ dati ដែលពួកគេមានរួចហើយ។ ដូច្នោះហើយតម្រូវការផ្ទុកសម្រាប់ dati អាចត្រូវបានពង្រឹងយ៉ាងខ្លាំង (Eckerson 1997) ។ ដូច្នេះ វាចាំបាច់ណាស់ក្នុងការធានាថា តាមរយៈការធ្វើផែនការសមត្ថភាព ថាប្រព័ន្ធដែលកំពុងត្រូវបានសាងសង់អាចរីកចម្រើនតាមតម្រូវការកើនឡើង (Best 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a) ។
ក្នុងការធ្វើផែនការសម្រាប់ការធ្វើមាត្រដ្ឋាននៃមូលដ្ឋានទិន្នន័យ មនុស្សម្នាក់ត្រូវតែដឹងពីកំណើនដែលរំពឹងទុកនៅក្នុងទំហំនៃឃ្លាំង ប្រភេទនៃសំណួរដែលទំនងនឹងត្រូវបានធ្វើឡើង និងចំនួនអ្នកប្រើប្រាស់ចុងក្រោយដែលបានគាំទ្រ (Best 1995, Rudin 1997b, Foley 1997a) ។ ការបង្កើតកម្មវិធីដែលអាចធ្វើមាត្រដ្ឋានបានទាមទារការរួមបញ្ចូលគ្នានៃបច្ចេកវិទ្យាម៉ាស៊ីនមេដែលអាចធ្វើមាត្រដ្ឋានបាន និងបច្ចេកទេសរចនាកម្មវិធីដែលអាចធ្វើមាត្រដ្ឋានបាន (ល្អបំផុតឆ្នាំ 1995, Rudin 1997b ។ ទាំងពីរនេះគឺចាំបាច់ក្នុងការបង្កើតកម្មវិធីដែលអាចធ្វើមាត្រដ្ឋានបានខ្ពស់។ បច្ចេកវិជ្ជាម៉ាស៊ីនមេដែលអាចធ្វើមាត្រដ្ឋានបានអាចធ្វើឱ្យវាងាយស្រួល និងមានប្រយោជន៍ក្នុងការបន្ថែមការផ្ទុក អង្គចងចាំ និងស៊ីភីយូដោយមិនធ្វើឱ្យខូចគុណភាព។ ការសម្តែង (Lang 1997, Telephony 1997) ។

មានបច្ចេកវិទ្យាម៉ាស៊ីនមេដែលអាចធ្វើមាត្រដ្ឋានបានសំខាន់ៗចំនួនពីរ៖ ដំណើរការច្រើនស៊ីមេទ្រី (SMP) និងដំណើរការប៉ារ៉ាឡែលដ៏ធំ (MPP) (IDC 1997, Humphries et al. 1999)។ ម៉ាស៊ីនមេ SMP ជាធម្មតាមានដំណើរការជាច្រើនដែលចែករំលែកអង្គចងចាំ ឡានក្រុង ប្រព័ន្ធ និងធនធានផ្សេងទៀត (IDC 1997, Humphries et al. 1999)។ ដំណើរការបន្ថែមអាចត្រូវបានបន្ថែមដើម្បីបង្កើនរបស់វា។ អំណាច ការគណនា។ វិធីសាស្រ្តមួយទៀតដើម្បីបង្កើន អំណាច នៃម៉ាស៊ីនមេ SMP គឺដើម្បីបញ្ចូលគ្នានូវម៉ាស៊ីន SMP ជាច្រើន។ បច្ចេកទេសនេះត្រូវបានគេស្គាល់ថាជាចង្កោម (Humphries et al. 1999)។ ម៉្យាងវិញទៀត ម៉ាស៊ីនមេ MPP មានដំណើរការជាច្រើនដែលនីមួយៗមានអង្គចងចាំផ្ទាល់ខ្លួន ប្រព័ន្ធឡានក្រុង និងធនធានផ្សេងទៀត (IDC 1997, Humphries et al. 1999)។ ដំណើរការនីមួយៗត្រូវបានគេហៅថា node ។ ការកើនឡើងនៅក្នុង អំណាច ការគណនាអាចសម្រេចបាន។

ការបន្ថែមថ្នាំងបន្ថែមទៅម៉ាស៊ីនមេ MPP (Humphries et al. 1999) ។

ភាពទន់ខ្សោយនៃម៉ាស៊ីនមេ SMP គឺថា ប្រតិបត្តិការបញ្ចូល-ទិន្នផល (I/O) ច្រើនពេកអាចកកស្ទះប្រព័ន្ធរថយន្តក្រុង (IDC 1997) ។ បញ្ហានេះមិនកើតឡើងនៅក្នុងម៉ាស៊ីនមេ MPP ទេ ដោយសារខួរក្បាលនីមួយៗមានប្រព័ន្ធឡានក្រុងផ្ទាល់ខ្លួន។ ទោះយ៉ាងណាក៏ដោយ ការភ្ជាប់គ្នារវាងថ្នាំងនីមួយៗជាទូទៅយឺតជាងប្រព័ន្ធ SMP bus ។ លើសពីនេះ ម៉ាស៊ីនមេ MPP អាចបន្ថែមកម្រិតបន្ថែមនៃភាពស្មុគស្មាញដល់អ្នកអភិវឌ្ឍន៍កម្មវិធី (IDC 1997)។ ដូច្នេះជម្រើសរវាងម៉ាស៊ីនមេ SMP និង MPP អាចត្រូវបានរងឥទ្ធិពលដោយកត្តាជាច្រើន រួមទាំងភាពស្មុគស្មាញនៃកម្មវិធី សមាមាត្រតម្លៃ/ការអនុវត្ត សមត្ថភាពដំណើរការដែលត្រូវការ កម្មវិធី dw ដែលត្រូវបានរារាំង និងការកើនឡើងនៃទំហំ។ មូលដ្ឋានទិន្នន័យ នៃ dw និងក្នុងចំនួនអ្នកប្រើប្រាស់ចុងក្រោយ។

បច្ចេកទេសរចនាកម្មវិធីដែលអាចធ្វើមាត្រដ្ឋានបានជាច្រើនអាចត្រូវបានប្រើប្រាស់ក្នុងការធ្វើផែនការសមត្ថភាព។ មួយប្រើរយៈពេលជូនដំណឹងផ្សេងៗដូចជាថ្ងៃ សប្តាហ៍ ខែ និងឆ្នាំ។ មានរយៈពេលនៃការជូនដំណឹងផ្សេងៗគ្នា មូលដ្ឋានទិន្នន័យ វាអាចត្រូវបានបែងចែកទៅជាក្រុមដែលអាចគ្រប់គ្រងបាន (Inmon et al. 1997)។ បច្ចេកទេសមួយទៀតគឺប្រើតារាងសង្ខេបដែលបង្កើតដោយសង្ខេប dati da dati លម្អិត។ ដូច្នេះ​ខ្ញុំ dati សង្ខេបគឺតូចជាងលម្អិត ដែលទាមទារទំហំអង្គចងចាំតិច។ ដូច្នេះ dati ព័ត៌មានលម្អិតអាចត្រូវបានរក្សាទុកក្នុងអង្គផ្ទុកទិន្នន័យដែលមានតម្លៃថោក ដែលជួយសន្សំសំចៃទំហំផ្ទុកកាន់តែច្រើន។ ទោះបីជាការប្រើតារាងសង្ខេបអាចសន្សំសំចៃទំហំអង្គចងចាំក៏ដោយ ក៏ពួកគេទាមទារការខិតខំប្រឹងប្រែងជាច្រើនដើម្បីរក្សាវាឱ្យទាន់សម័យ និងស្របតាមតម្រូវការអាជីវកម្ម។ ទោះជាយ៉ាងណាក៏ដោយ បច្ចេកទេសនេះត្រូវបានគេប្រើយ៉ាងទូលំទូលាយ ហើយជារឿយៗត្រូវបានប្រើប្រាស់ដោយភ្ជាប់ជាមួយនឹងបច្ចេកទេសមុន (Best 1995, Inmon 1996a, Chauduri និង Dayal
1997) ។

កំណត់ ឃ្លាំង​ទិន្នន័យ ស្ថាបត្យកម្មបច្ចេកទេស និយមន័យនៃបច្ចេកទេសស្ថាបត្យកម្ម dw

អ្នកទទួលយកដំបូងនៃការផ្ទុកទិន្នន័យត្រូវបានបង្កើតឡើងជាចម្បងនៃការអនុវត្តកណ្តាលនៃ dw ដែលក្នុងនោះទាំងអស់ datiរួមទាំងខ្ញុំ dati ខាងក្រៅ, ត្រូវបានដាក់បញ្ចូលទៅក្នុងតែមួយ,
ការផ្ទុករាងកាយ (Inmon 1996a, Bresnahan 1996, Peacock 1998) ។

អត្ថប្រយោជន៍ចម្បងនៃវិធីសាស្រ្តនេះគឺថាអ្នកប្រើប្រាស់ចុងក្រោយអាចចូលប្រើទិដ្ឋភាពទូទៅនៃសហគ្រាស dati អង្គការ (Ovum 1998) ។ អត្ថប្រយោជន៍មួយទៀតគឺថាវាផ្តល់នូវស្តង់ដារនៃ dati តាមរយៈអង្គការ ដែលមានន័យថាមានកំណែ ឬនិយមន័យតែមួយសម្រាប់ពាក្យនីមួយៗដែលប្រើក្នុងឃ្លាំង dw (ទិន្នន័យមេតា) (Flanagan and Safdie 1997, Ovum 1998)។ ផ្ទុយទៅវិញ គុណវិបត្តិនៃវិធីសាស្រ្តនេះគឺថាវាមានតម្លៃថ្លៃ និងពិបាកក្នុងការសាងសង់ (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998)។ មិនយូរប៉ុន្មានបន្ទាប់ពីស្ថាបត្យកម្មផ្ទុក dati មជ្ឈិមនិយមបានក្លាយជាការពេញនិយម គំនិតនៃការទាញយកផ្នែកតូចៗនៃការវិវត្តន៍ dati ដើម្បីគាំទ្រតម្រូវការនៃកម្មវិធីជាក់លាក់ (Varney 1996, IDC 1997, Berson and Smith 1997, peacock 1998)។ ប្រព័ន្ធតូចទាំងនេះគឺជាដេរីវេនៃប្រព័ន្ធធំជាង ឃ្លាំងទិន្នន័យ កណ្តាល។ ពួកគេត្រូវបានគេដាក់ឈ្មោះ ឃ្លាំងទិន្នន័យ ដេប៉ាតឺម៉ង់ទិន្នន័យដែលពឹងផ្អែក ឬពឹងផ្អែក។ ស្ថាបត្យកម្ម data mart ដែលពឹងផ្អែកត្រូវបានគេស្គាល់ថាជាស្ថាបត្យកម្មបីជាន់ដែលថ្នាក់ទីមួយមាន ឃ្លាំងទិន្នន័យ កណ្តាល, ទីពីរមានប្រាក់បញ្ញើនៃ dati នាយកដ្ឋាន និងទីបីមានសិទ្ធិចូលប្រើប្រាស់ dati និងដោយឧបករណ៍វិភាគ (Demarest 1994, Inmon et al. 1997)។

Data marts ជាធម្មតាត្រូវបានបង្កើតឡើងបន្ទាប់ពី ឃ្លាំងទិន្នន័យ មជ្ឈិមត្រូវបានសាងសង់ឡើងដើម្បីបំពេញតម្រូវការរបស់អង្គភាពជាក់លាក់ (White 1995, Varney 1996)។
Data marts រក្សាទុក dati ពាក់ព័ន្ធយ៉ាងខ្លាំងទាក់ទងនឹងគ្រឿងជាក់លាក់ (Inmon et al. 1997, Inmon et al. 1998, IA 1998)។

អត្ថប្រយោជន៍នៃវិធីសាស្រ្តនេះគឺថានឹងមិនមាន ដាដូ។ មិនរួមបញ្ចូលគ្នា ហើយថា I dati នឹង​មិន​សូវ​ប្រើ​ដដែលៗ​ក្នុង​ហាង​ទិន្នន័យ​ដូច​ជា​ទាំង​អស់ dati ពួកគេមកពីឃ្លាំង dati រួមបញ្ចូលគ្នា។ អត្ថប្រយោជន៍មួយទៀតគឺថា វានឹងមានការតភ្ជាប់តិចតួចរវាង data mart នីមួយៗ និងប្រភពរបស់វា។ dati ព្រោះ data mart នីមួយៗមានប្រភពតែមួយប៉ុណ្ណោះ។ dati. បូកជាមួយនឹងស្ថាបត្យកម្មនេះ អ្នកប្រើប្រាស់ចុងក្រោយនៅតែអាចចូលប្រើទិដ្ឋភាពទូទៅនៃ dati

អង្គការសាជីវកម្ម។ វិធីសាស្រ្តនេះត្រូវបានគេស្គាល់ថាជាវិធីសាស្ត្រពីលើចុះក្រោម ដែលទិន្នន័យម៉ាតត្រូវបានបង្កើតឡើងបន្ទាប់ពី ឃ្លាំងទិន្នន័យ (ក្ងោក 1998, Goff 1998) ។
ការបង្កើនតម្រូវការក្នុងការបង្ហាញលទ្ធផលឱ្យបានឆាប់ អង្គការមួយចំនួនបានចាប់ផ្តើមបង្កើតទីផ្សារទិន្នន័យឯករាជ្យ (Flanagan and Safdie 1997, White 2000)។ ក្នុងករណីនេះ data marts ទទួលបានផ្ទាល់ខ្លួន dati ត្រង់ពីមូលដ្ឋាននៃ dati OLTP និងមិនមែនមកពីឃ្លាំងកណ្តាល និងរួមបញ្ចូលគ្នាទេ ដូច្នេះការលុបបំបាត់តម្រូវការដើម្បីឱ្យមានឃ្លាំងកណ្តាលនៅនឹងកន្លែង។

data mart នីមួយៗត្រូវការតំណយ៉ាងតិចមួយទៅកាន់ប្រភពរបស់វា។ dati. គុណវិបត្តិនៃការមានការតភ្ជាប់ច្រើនសម្រាប់ data mart នីមួយៗគឺថា បើប្រៀបធៀបទៅនឹងស្ថាបត្យកម្មពីរមុន ភាពសម្បូរបែបនៃ dati កើនឡើងយ៉ាងខ្លាំង។

data mart នីមួយៗត្រូវតែរក្សាទុកទាំងអស់។ dati តម្រូវ​ឱ្យ​មាន​មូលដ្ឋាន​ដើម្បី​មិន​មាន​ឥទ្ធិពល​លើ​ប្រព័ន្ធ OLTP ។ នេះបណ្តាលឱ្យខ្ញុំ dati ពួកវាត្រូវបានរក្សាទុកក្នុងម៉ាតទិន្នន័យផ្សេងៗគ្នា (Inmon et al. 1997)។ គុណវិបត្តិមួយទៀតនៃស្ថាបត្យកម្មនេះគឺថាវានាំទៅរកការបង្កើតទំនាក់ទំនងស្មុគស្មាញរវាង data marts និងប្រភពទិន្នន័យរបស់ពួកគេ។ dati ដែលពិបាកអនុវត្ត និងគ្រប់គ្រង (Inmon et al. 1997)។

គុណវិបត្តិមួយទៀតគឺថា អ្នកប្រើប្រាស់ចុងក្រោយមិនអាចចូលមើលទិដ្ឋភាពទូទៅនៃព័ត៌មានរបស់ក្រុមហ៊ុនបានទេ ដោយសារ i dati នៃម៉ាតទិន្នន័យផ្សេងគ្នាមិនត្រូវបានរួមបញ្ចូលទេ (Ovum 1998) ។
គុណវិបត្តិមួយទៀតគឺថាវាអាចមាននិយមន័យច្រើនជាងមួយសម្រាប់ពាក្យនិយតកម្មនីមួយៗដែលប្រើក្នុង data marts ដែលបង្កើតភាពមិនស៊ីសង្វាក់គ្នានៃ dati នៅក្នុងអង្គការ (Ovum 1998) ។
ទោះបីជាមានគុណវិបត្តិដែលបានពិភាក្សាខាងលើក៏ដោយ ក៏ទីផ្សារទិន្នន័យឯករាជ្យនៅតែទាក់ទាញចំណាប់អារម្មណ៍របស់អង្គការជាច្រើន (IDC 1997)។ កត្តាមួយដែលធ្វើឱ្យពួកគេមានភាពទាក់ទាញនោះគឺថាពួកគេឆាប់អភិវឌ្ឍ ហើយត្រូវការពេលវេលា និងធនធានតិច (Bresnahan 1996, Berson and Smith 1997, Ovum 1998)។ ដូច្នេះហើយ ពួកគេបម្រើជាចម្បងជាគម្រោងសាកល្បង ដែលអាចត្រូវបានប្រើដើម្បីកំណត់អត្តសញ្ញាណអត្ថប្រយោជន៍ និង/ឬភាពមិនល្អឥតខ្ចោះនៅក្នុងគម្រោងបានយ៉ាងឆាប់រហ័ស (Parsaye 1995, Braly 1995, Newing 1996)។ ក្នុងករណីនេះ ផ្នែកដែលត្រូវអនុវត្តនៅក្នុងគម្រោងសាកល្បងត្រូវតែតូច ប៉ុន្តែមានសារៈសំខាន់សម្រាប់អង្គការ (Newing 1996, Mansell-Lewis 1996)។

តាមរយៈការពិនិត្យមើលគំរូ អ្នកប្រើប្រាស់ចុងក្រោយ និងអ្នកគ្រប់គ្រងអាចសម្រេចចិត្តថាតើត្រូវបន្ត ឬបញ្ឈប់គម្រោងនេះ (Flanagan and Safdie 1997)។
ប្រសិនបើការសម្រេចចិត្តត្រូវបន្ត ទីផ្សារទិន្នន័យសម្រាប់ឧស្សាហកម្មផ្សេងទៀតគួរតែត្រូវបានសាងសង់ក្នុងពេលតែមួយ។ មានជម្រើសពីរសម្រាប់អ្នកប្រើប្រាស់ចុងក្រោយ ដោយផ្អែកលើតម្រូវការរបស់ពួកគេក្នុងការបង្កើតម៉ាទ្រីសទិន្នន័យឯករាជ្យ៖ រួមបញ្ចូលគ្នា/សហព័ន្ធ និងមិនរួមបញ្ចូលគ្នា (Ovum 1998)

នៅក្នុងវិធីសាស្រ្តទីមួយ រាល់ data mart ថ្មីគួរតែត្រូវបានបង្កើតឡើងដោយផ្អែកលើ data marts បច្ចុប្បន្ន និងគំរូ dati ប្រើប្រាស់ដោយក្រុមហ៊ុន (Varney 1996, Berson and Smith 1997, Peacock 1998)។ តម្រូវការក្នុងការប្រើប្រាស់គំរូ dati របស់ក្រុមហ៊ុនមានន័យថា វាត្រូវតែត្រូវបានធានាថាមាននិយមន័យតែមួយសម្រាប់ពាក្យនិយតកម្មនីមួយៗដែលប្រើនៅទូទាំង data marts នេះក៏ដើម្បីធានាថា data marts ផ្សេងៗគ្នាអាចត្រូវបានបញ្ចូលគ្នាដើម្បីផ្តល់នូវទិដ្ឋភាពទូទៅនៃព័ត៌មានរបស់ក្រុមហ៊ុន (Bresnahan 1996)។ វិធីសាស្រ្តនេះត្រូវបានគេហៅថាបាតឡើងលើ ហើយល្អបំផុតនៅពេលដែលមានឧបសគ្គលើមធ្យោបាយ និងពេលវេលាហិរញ្ញវត្ថុ (Flanagan and Safdie 1997, Ovum 1998, Peacock 1998, Goff 1998)។ នៅក្នុងវិធីសាស្រ្តទីពីរ ផ្សារទិន្នន័យដែលបានសាងសង់អាចបំពេញតម្រូវការរបស់អង្គភាពជាក់លាក់ប៉ុណ្ណោះ។ វ៉ារ្យ៉ង់នៃម៉ាតទិន្នន័យសហព័ន្ធគឺ ឃ្លាំងទិន្នន័យ ចែកចាយដែលក្នុងនោះ មូលដ្ឋានទិន្នន័យ Hub Server middleware ត្រូវបានប្រើដើម្បីបញ្ចូល data marts ជាច្រើនចូលទៅក្នុងឃ្លាំងតែមួយ dati ចែកចាយ (White 1995) ។ ក្នុងករណីនេះ I dati ក្រុមហ៊ុនត្រូវបានចែកចាយនៅក្នុង data marts ជាច្រើន។ សំណើរបស់អ្នកប្រើប្រាស់ចុងក្រោយត្រូវបានបញ្ជូនបន្តទៅ មូលដ្ឋានទិន្នន័យ server hub middleware ដែលស្រង់ចេញទាំងអស់។ dati បានស្នើសុំដោយ data marts និងត្រឡប់លទ្ធផលទៅកម្មវិធីអ្នកប្រើប្រាស់ចុងក្រោយ។ វិធីសាស្រ្តនេះផ្តល់ព័ត៌មានអាជីវកម្មដល់អ្នកប្រើប្រាស់ចុងក្រោយ។ ទោះយ៉ាងណាក៏ដោយ បញ្ហានៃទិន្នន័យឯករាជ្យនៅតែមិនត្រូវបានលុបចោល។ មានស្ថាបត្យកម្មមួយផ្សេងទៀតដែលអាចប្រើបានដែលត្រូវបានគេហៅថា ឃ្លាំងទិន្នន័យ និម្មិត (White 1995) ។ ទោះយ៉ាងណាក៏ដោយ ស្ថាបត្យកម្មនេះ ដែលត្រូវបានពិពណ៌នាក្នុងរូបភាព 2.9 មិនមែនជាស្ថាបត្យកម្មផ្ទុកទិន្នន័យទេ។ dati ពិតព្រោះវាមិនផ្លាស់ទីការផ្ទុកពីប្រព័ន្ធ OLTP ទៅ ឃ្លាំងទិន្នន័យ (Demarest ឆ្នាំ ១៩៩៤)។

តាមពិតសំណើរបស់ គ dati ពីអ្នកប្រើប្រាស់ចុងក្រោយត្រូវបានបញ្ជូនទៅប្រព័ន្ធ OLTP ដែលត្រឡប់លទ្ធផលបន្ទាប់ពីដំណើរការសំណើរបស់អ្នកប្រើ។ ទោះបីជាស្ថាបត្យកម្មនេះអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ចុងក្រោយបង្កើតរបាយការណ៍ និងធ្វើសំណើក៏ដោយ ក៏វាមិនអាចផ្តល់

dati ប្រវត្តិសាស្រ្ត និងទិដ្ឋភាពទូទៅនៃព័ត៌មានក្រុមហ៊ុនដូច i dati ពីប្រព័ន្ធ OLTP ផ្សេងគ្នាមិនត្រូវបានរួមបញ្ចូលទេ។ អាស្រ័យហេតុនេះ ស្ថាបត្យកម្មនេះមិនអាចបំពេញការវិភាគបានឡើយ។ dati ស្មុគស្មាញដូចជាការព្យាករណ៍។

ការជ្រើសរើសកម្មវិធីចូលប្រើ និងការសង្គ្រោះ dati

គោលបំណងនៃការសាងសង់ ក ឃ្លាំងទិន្នន័យ គឺជាការបញ្ជូនព័ត៌មានទៅកាន់អ្នកប្រើប្រាស់ចុងក្រោយ (Inmon et al. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998); ការចូលប្រើ និងកម្មវិធីសង្គ្រោះមួយ ឬច្រើន dati ត្រូវតែផ្តល់ជូន។ រហូតមកដល់បច្ចុប្បន្ន មានកម្មវិធីទាំងនេះជាច្រើនប្រភេទ ដែលអ្នកប្រើប្រាស់អាចជ្រើសរើសបាន (Hammergren 1998, Humphries et al. 1999)។ កម្មវិធីដែលអ្នកជ្រើសរើសកំណត់ភាពជោគជ័យនៃកិច្ចខិតខំប្រឹងប្រែងឃ្លាំងរបស់អ្នក។ dati នៅក្នុងស្ថាប័នមួយ ដោយសារកម្មវិធីគឺជាផ្នែកដែលអាចមើលឃើញច្រើនបំផុត ឃ្លាំងទិន្នន័យ ដល់អ្នកប្រើប្រាស់ចុងក្រោយ (Inmon et al. 1997, Poe 1996)។ ដើម្បីទទួលបានជោគជ័យ ក ឃ្លាំងទិន្នន័យត្រូវតែអាចគាំទ្រសកម្មភាពវិភាគរបស់ dati របស់អ្នកប្រើប្រាស់ចុងក្រោយ (Poe 1996, Seddon and Benjamin 1998, Eckerson 1999)។ ដូច្នេះ “កម្រិត” នៃអ្វីដែលអ្នកប្រើចុងក្រោយចង់បាន ត្រូវតែកំណត់អត្តសញ្ញាណ (Poe 1996, Mattison 1996, Inmon et al. 1997, Humphries et al. 1999)។

ជាទូទៅ អ្នកប្រើប្រាស់ចុងក្រោយអាចត្រូវបានដាក់ជាក្រុមជាបីប្រភេទ៖ អ្នកប្រើប្រាស់ប្រតិបត្តិ អ្នកវិភាគអាជីវកម្ម និងអ្នកប្រើប្រាស់ថាមពល (Poe 1996, Humphries et al. 1999)។ អ្នកប្រើប្រាស់ប្រតិបត្តិត្រូវការងាយស្រួលចូលទៅកាន់សំណុំរបាយការណ៍ដែលបានកំណត់ជាមុន (Humphries et al. 1999)។ សមាមាត្រទាំងនេះអាចចូលប្រើបានយ៉ាងងាយស្រួលជាមួយនឹងការរុករកម៉ឺនុយ (Poe 1996) ។ លើសពីនេះ របាយការណ៍គួរតែបង្ហាញព័ត៌មានដោយប្រើតំណាងក្រាហ្វិកដូចជាតារាង និងគំរូ ដើម្បីបញ្ជូនព័ត៌មានយ៉ាងឆាប់រហ័ស (Humphries et al. 1999)។ អ្នកវិភាគធុរកិច្ច ដែលប្រហែលជាមិនមានសមត្ថភាពបច្ចេកទេសក្នុងការអភិវឌ្ឍន៍របាយការណ៍ពីទទេដោយខ្លួនឯង ចាំបាច់ត្រូវមានលទ្ធភាពកែប្រែរបាយការណ៍បច្ចុប្បន្នដើម្បីបំពេញតម្រូវការជាក់លាក់របស់ពួកគេ (Poe 1996, Humphries et al. 1999)។ ម្យ៉ាងវិញទៀត អ្នកប្រើប្រាស់ថាមពល គឺជាប្រភេទអ្នកប្រើប្រាស់ចុងក្រោយ ដែលមានសមត្ថភាពបង្កើត និងសរសេរសំណើ និងរបាយការណ៍ពីទទេ (Poe 1996, Humphries et al. 1999)។ ពួកគេគឺជាអ្នកដែល

ពួកគេបង្កើតរបាយការណ៍សម្រាប់អ្នកប្រើប្រាស់ប្រភេទផ្សេងទៀត (Poe 1996, Humphries et al. 1999)។

នៅពេលដែលតម្រូវការអ្នកប្រើប្រាស់ចុងក្រោយត្រូវបានកំណត់ ការជ្រើសរើសកម្មវិធីចូលប្រើ និងការសង្គ្រោះត្រូវតែធ្វើឡើង dati ក្នុងចំណោមរបស់ទាំងអស់ដែលមាន (Poe 1996, Inmon et al. 1997)។
ការចូលប្រើ dati ហើយឧបករណ៍ទាញយកអាចត្រូវបានបែងចែកជា 4 ប្រភេទ៖ ឧបករណ៍ OLAP ឧបករណ៍ EIS/DSS ឧបករណ៍សួរ និងរាយការណ៍ និងឧបករណ៍រុករកទិន្នន័យ។

ឧបករណ៍ OLAP អនុញ្ញាតឱ្យអ្នកប្រើបង្កើតសំណួរពិសេសក៏ដូចជាសំណួរដែលបានបង្កើតឡើងនៅលើ មូលដ្ឋានទិន្នន័យ del ឃ្លាំងទិន្នន័យ. លើសពីនេះទៀតផលិតផលទាំងនេះអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ខួងចុះក្រោម dati ទូទៅទៅលម្អិត។

ឧបករណ៍ EIS/DSS ផ្តល់របាយការណ៍ប្រតិបត្តិដូចជាការវិភាគ “ចុះយ៉ាងណាបើ” និងការចូលទៅកាន់របាយការណ៍ដែលជំរុញដោយម៉ឺនុយ។ របាយការណ៍គួរតែត្រូវបានកំណត់ជាមុន និងបញ្ចូលទៅក្នុងម៉ឺនុយ ដើម្បីងាយស្រួលរុករក។
ឧបករណ៍សំណួរ និងរបាយការណ៍អនុញ្ញាតឱ្យអ្នកប្រើប្រាស់បង្កើតរបាយការណ៍ដែលបានកំណត់ជាមុន និងជាក់លាក់។

ឧបករណ៍ជីកយករ៉ែទិន្នន័យត្រូវបានប្រើដើម្បីកំណត់ទំនាក់ទំនងដែលអាចបញ្ចេញពន្លឺថ្មីលើប្រតិបត្តិការដែលភ្លេចនៅក្នុង dati នៃឃ្លាំងទិន្នន័យ។

ទន្ទឹមនឹងការបង្កើនប្រសិទ្ធភាពតម្រូវការនៃប្រភេទអ្នកប្រើប្រាស់នីមួយៗ ឧបករណ៍ដែលបានជ្រើសរើសត្រូវតែមានលក្ខណៈវិចារណញាណ ប្រសិទ្ធភាព និងងាយស្រួលប្រើ។ ពួកគេក៏ត្រូវមានភាពឆបគ្នាជាមួយផ្នែកផ្សេងទៀតនៃស្ថាបត្យកម្ម និងអាចធ្វើការជាមួយប្រព័ន្ធដែលមានស្រាប់។ វាត្រូវបានផ្ដល់អនុសាសន៍ផងដែរឱ្យជ្រើសរើសឧបករណ៍ចូលប្រើទិន្នន័យ និងទាញយកជាមួយនឹងតម្លៃសមរម្យ និងដំណើរការ។ លក្ខណៈវិនិច្ឆ័យផ្សេងទៀតដែលត្រូវពិចារណារួមមានការប្តេជ្ញាចិត្តរបស់អ្នកលក់ឧបករណ៍ក្នុងការគាំទ្រផលិតផលរបស់ពួកគេ និងរបៀបដែលវានឹងអភិវឌ្ឍនៅក្នុងការចេញផ្សាយនាពេលអនាគត។ ដើម្បីធានាបាននូវការចូលរួមរបស់អ្នកប្រើប្រាស់ក្នុងការប្រើប្រាស់ឃ្លាំងទិន្នន័យ ក្រុមអភិវឌ្ឍន៍ពាក់ព័ន្ធនឹងអ្នកប្រើប្រាស់នៅក្នុងដំណើរការជ្រើសរើសឧបករណ៍។ ក្នុងករណីនេះការវាយតម្លៃអ្នកប្រើប្រាស់ជាក់ស្តែងគួរតែត្រូវបានអនុវត្ត។

ដើម្បីបង្កើនតម្លៃនៃឃ្លាំងទិន្នន័យ ក្រុមអភិវឌ្ឍន៍ក៏អាចផ្តល់ការចូលប្រើគេហទំព័រទៅកាន់ឃ្លាំងទិន្នន័យរបស់ពួកគេផងដែរ។ ឃ្លាំងទិន្នន័យដែលបើកដំណើរការបណ្តាញអនុញ្ញាតឱ្យអ្នកប្រើចូលប្រើ dati ពីកន្លែងឆ្ងាយៗ ឬពេលធ្វើដំណើរ។ ព័ត៌មានបន្ថែមអាច

ត្រូវបានផ្តល់ជូនក្នុងតម្លៃទាប តាមរយៈការកាត់បន្ថយថ្លៃដើមបណ្តុះបណ្តាល។

2.4.3 ឃ្លាំង​ទិន្នន័យ ដំណាក់កាលប្រតិបត្តិការ

ដំណាក់កាលនេះមានសកម្មភាពបី៖ និយមន័យនៃយុទ្ធសាស្ត្រធ្វើឱ្យទិន្នន័យឡើងវិញ ការគ្រប់គ្រងសកម្មភាពឃ្លាំងទិន្នន័យ និងការគ្រប់គ្រងសុវត្ថិភាពឃ្លាំងទិន្នន័យ។

និយមន័យនៃយុទ្ធសាស្រ្តធ្វើឱ្យទិន្នន័យឡើងវិញ

បន្ទាប់ពីការផ្ទុកដំបូង, i dati ក្នុង មូលដ្ឋានទិន្នន័យ នៃឃ្លាំងទិន្នន័យត្រូវតែត្រូវបានធ្វើឱ្យស្រស់ជាទៀងទាត់ដើម្បីផលិតឡើងវិញនូវការផ្លាស់ប្តូរដែលបានធ្វើឡើងចំពោះពួកគេ។ dati ដើម។ ដូច្នេះ អ្នក​ត្រូវតែ​សម្រេច​ចិត្ត​ថា​ពេលណា​ត្រូវ​ធ្វើឱ្យ​ស្រស់​ឡើងវិញ តើ​ញឹកញាប់​ប៉ុណ្ណា​ដែល​ការ​ធ្វើឱ្យ​ស្រស់​គួរ​ត្រូវ​បាន​កំណត់​ពេល​វេលា និង​របៀប​ធ្វើឱ្យ​ទិន្នន័យ​ឡើងវិញ dati. វាត្រូវបានណែនាំឱ្យធ្វើឱ្យស្រស់ dati នៅពេលដែលប្រព័ន្ធអាចត្រូវបានគេយកទៅក្រៅបណ្តាញ។ ប្រេកង់ធ្វើឱ្យស្រស់ត្រូវបានកំណត់ដោយក្រុមអភិវឌ្ឍន៍ដោយផ្អែកលើតម្រូវការអ្នកប្រើប្រាស់។ មានវិធីសាស្រ្តពីរក្នុងការធ្វើឱ្យឃ្លាំងទិន្នន័យឡើងវិញ៖ ការធ្វើឱ្យស្រស់ពេញលេញ និងការផ្ទុកបន្តនៃការផ្លាស់ប្តូរ។

វិធីសាស្រ្តដំបូង ការធ្វើឱ្យស្រស់ពេញលេញ តម្រូវឱ្យផ្ទុកឡើងវិញទាំងអស់។ dati ពីដំបូង។ នេះមានន័យថាទាំងអស់។ dati ទាមទារត្រូវតែត្រូវបានស្រង់ចេញ សម្អាត បំប្លែង និងបញ្ចូលទៅក្នុង ការធ្វើឱ្យស្រស់នីមួយៗ។ វិធីសាស្រ្តនេះគួរតែជៀសវាងតាមដែលអាចធ្វើទៅបាន ព្រោះវាត្រូវការពេលវេលា និងធនធានច្រើន។

វិធីសាស្រ្តជំនួសគឺការបង្ហោះការផ្លាស់ប្តូរជាបន្តបន្ទាប់។ នេះបន្ថែម I dati ដែលត្រូវបានផ្លាស់ប្តូរចាប់តាំងពីវដ្តនៃការធ្វើឱ្យឃ្លាំងទិន្នន័យចុងក្រោយ។ កំណត់អត្តសញ្ញាណកំណត់ត្រាថ្មី ឬកែប្រែកាត់បន្ថយយ៉ាងច្រើន dati ដែលត្រូវតែផ្សព្វផ្សាយទៅកាន់ឃ្លាំងទិន្នន័យនៅក្នុងរាល់ការអាប់ដេតចាប់តាំងពីមានតែការទាំងនេះប៉ុណ្ណោះ។ dati នឹងត្រូវបានបន្ថែមទៅ មូលដ្ឋានទិន្នន័យ នៃឃ្លាំងទិន្នន័យ។

មានវិធីសាស្រ្តយ៉ាងតិច 5 ដែលអាចត្រូវបានប្រើដើម្បីដក i dati ថ្មី ឬកែប្រែ។ ដើម្បីទទួលបានយុទ្ធសាស្រ្តធ្វើឱ្យទិន្នន័យឡើងវិញប្រកបដោយប្រសិទ្ធភាព dati ល្បាយនៃវិធីសាស្រ្តទាំងនេះដែលចាប់យកការផ្លាស់ប្តូរទាំងអស់នៅក្នុងប្រព័ន្ធអាចមានប្រយោជន៍។

វិធីសាស្រ្តដំបូងដែលប្រើត្រាពេលវេលាសន្មតថាទាំងអស់ត្រូវបានចាត់តាំង dati បានកែសម្រួល និងធ្វើបច្ចុប្បន្នភាពត្រាពេលវេលា ដូច្នេះអ្នកអាចកំណត់អត្តសញ្ញាណទាំងអស់យ៉ាងងាយស្រួល dati កែប្រែ និងថ្មី។ ទោះជាយ៉ាងណាក៏ដោយ វិធីសាស្រ្តនេះមិនត្រូវបានគេប្រើប្រាស់យ៉ាងទូលំទូលាយនៅក្នុងប្រព័ន្ធប្រតិបត្តិការភាគច្រើននាពេលបច្ចុប្បន្ននេះទេ។
វិធីសាស្រ្តទីពីរគឺប្រើឯកសារ delta ដែលបង្កើតដោយកម្មវិធីដែលមានតែការផ្លាស់ប្តូរដែលបានធ្វើ dati. ការប្រើប្រាស់ឯកសារនេះក៏ពង្រីកវដ្តនៃការធ្វើបច្ចុប្បន្នភាពផងដែរ។ ទោះយ៉ាងណាក៏ដោយ សូម្បីតែវិធីសាស្ត្រនេះមិនត្រូវបានប្រើក្នុងកម្មវិធីជាច្រើនក៏ដោយ។
វិធីសាស្រ្តទីបីគឺការស្កេនឯកសារកំណត់ហេតុដែលជាមូលដ្ឋានផ្ទុកព័ត៌មានស្រដៀងនឹងឯកសារដីសណ្ត។ ភាពខុសគ្នាតែមួយគត់គឺថាឯកសារកំណត់ហេតុត្រូវបានបង្កើតឡើងសម្រាប់ដំណើរការសង្គ្រោះ ហើយអាចពិបាកយល់។
វិធីសាស្រ្តទីបួនគឺដើម្បីកែប្រែកូដកម្មវិធី។ ទោះយ៉ាងណាក៏ដោយ កូដកម្មវិធីភាគច្រើនគឺចាស់ និងផុយស្រួយ។ ដូច្នេះបច្ចេកទេសនេះគួរតែត្រូវបានជៀសវាង។
វិធីសាស្រ្តចុងក្រោយគឺការប្រៀបធៀប dati ប្រភពជាមួយឯកសារ main dei dati.

ការគ្រប់គ្រងសកម្មភាពឃ្លាំងទិន្នន័យ

នៅពេលដែលឃ្លាំងទិន្នន័យត្រូវបានបញ្ចេញដល់អ្នកប្រើប្រាស់ វាត្រូវតែត្រួតពិនិត្យតាមពេលវេលា។ ក្នុងករណីនេះ អ្នកគ្រប់គ្រងឃ្លាំងទិន្នន័យអាចប្រើឧបករណ៍គ្រប់គ្រង និងត្រួតពិនិត្យមួយ ឬច្រើន ដើម្បីត្រួតពិនិត្យការប្រើប្រាស់ឃ្លាំងទិន្នន័យ។ ជាពិសេស ព័ត៌មានអាចត្រូវបានប្រមូលអំពីមនុស្ស និងពេលវេលាដែលពួកគេចូលប្រើឃ្លាំងទិន្នន័យ។ ឆាប់​ឡើង dati ប្រមូលបាន ទម្រង់នៃការងារដែលបានអនុវត្តអាចត្រូវបានបង្កើត ដែលអាចត្រូវបានប្រើជាការបញ្ចូលទៅក្នុងការអនុវត្តការសងប្រាក់វិញរបស់អ្នកប្រើប្រាស់។ ការគិតប្រាក់ត្រឡប់មកវិញអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ត្រូវបានជូនដំណឹងអំពីតម្លៃដំណើរការឃ្លាំងទិន្នន័យ។

លើសពីនេះ សវនកម្មឃ្លាំងទិន្នន័យក៏អាចត្រូវបានប្រើដើម្បីកំណត់ប្រភេទសំណួរ ទំហំរបស់វា ចំនួនសំណួរក្នុងមួយថ្ងៃ ពេលវេលាប្រតិកម្មសំណួរ វិស័យដែលបានឈានដល់ និងចំនួននៃ dati ដំណើរការ។ គោលបំណងមួយទៀតនៃការធ្វើសវនកម្មឃ្លាំងទិន្នន័យគឺដើម្បីកំណត់អត្តសញ្ញាណ dati ដែលមិនប្រើប្រាស់។ ទាំងនេះ dati ពួកគេអាចត្រូវបានយកចេញពីឃ្លាំងទិន្នន័យ ដើម្បីកែលម្អពេលវេលា

នៃការឆ្លើយតបការប្រតិបត្តិសំណួរ និងតាមដានកំណើននៃ dati ដែលរស់នៅក្នុង មូលដ្ឋានទិន្នន័យ នៃឃ្លាំងទិន្នន័យ។

ការគ្រប់គ្រងសុវត្ថិភាពឃ្លាំងទិន្នន័យ

ឃ្លាំងផ្ទុកទិន្នន័យមាន dati រួមបញ្ចូលគ្នា, សំខាន់, រសើបដែលអាចទៅដល់បានយ៉ាងងាយស្រួល។ សម្រាប់ហេតុផលនេះវាគួរតែត្រូវបានការពារពីអ្នកប្រើប្រាស់ដែលគ្មានការអនុញ្ញាត។ វិធីមួយដើម្បីអនុវត្តសុវត្ថិភាពគឺត្រូវប្រើមុខងារ del DBMS ដើម្បីផ្តល់សិទ្ធិផ្សេងៗគ្នាដល់អ្នកប្រើប្រាស់ប្រភេទផ្សេងៗគ្នា។ តាមវិធីនេះ ទម្រង់ចូលប្រើត្រូវតែរក្សាសម្រាប់ប្រភេទអ្នកប្រើប្រាស់នីមួយៗ។ មធ្យោបាយមួយទៀតដើម្បីធានាឃ្លាំងទិន្នន័យគឺការអ៊ិនគ្រីបវាដូចដែលបានសរសេរនៅក្នុង មូលដ្ឋានទិន្នន័យ នៃឃ្លាំងទិន្នន័យ។ ការចូលប្រើ dati និងឧបករណ៍ទាញយកត្រូវតែឌិគ្រីប dati មុនពេលបង្ហាញលទ្ធផលដល់អ្នកប្រើប្រាស់។

2.4.4 ឃ្លាំង​ទិន្នន័យ ដំណាក់កាលដាក់ពង្រាយ

វាគឺជាដំណាក់កាលចុងក្រោយនៅក្នុងវដ្តនៃការអនុវត្តឃ្លាំងទិន្នន័យ។ សកម្មភាពដែលត្រូវអនុវត្តក្នុងដំណាក់កាលនេះរួមមានការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់ឱ្យប្រើប្រាស់ឃ្លាំងទិន្នន័យ និងអនុវត្តការត្រួតពិនិត្យឃ្លាំងទិន្នន័យ។

ការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់

ការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់គួរតែត្រូវបានធ្វើមុនពេលចូលប្រើ dati ឃ្លាំងទិន្នន័យ និងការប្រើប្រាស់ឧបករណ៍ទាញយក។ ជាទូទៅ វគ្គគួរតែចាប់ផ្តើមដោយការណែនាំអំពីគំនិតនៃការផ្ទុក datiមាតិកានៃឃ្លាំងទិន្នន័យ មេតា dati និងលក្ខណៈមូលដ្ឋាននៃឧបករណ៍។ បន្ទាប់មក អ្នកប្រើប្រាស់កម្រិតខ្ពស់ក៏អាចសិក្សាតារាងរូបវ័ន្ត និងលក្ខណៈពិសេសរបស់អ្នកប្រើប្រាស់នៃការចូលប្រើទិន្នន័យ និងការទាញយកឧបករណ៍ផងដែរ។

មានវិធីសាស្រ្តជាច្រើនក្នុងការធ្វើការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់។ មួយក្នុងចំណោមទាំងនេះពាក់ព័ន្ធនឹងការជ្រើសរើសអ្នកប្រើប្រាស់ជាច្រើន ឬអ្នកវិភាគដែលត្រូវបានជ្រើសរើសពីក្រុមអ្នកប្រើប្រាស់ ដោយផ្អែកលើភាពជាអ្នកដឹកនាំ និងជំនាញទំនាក់ទំនងរបស់ពួកគេ។ ពួកគេត្រូវបានបណ្តុះបណ្តាលដោយផ្ទាល់លើអ្វីគ្រប់យ៉ាងដែលពួកគេត្រូវដឹង ដើម្បីស្គាល់ប្រព័ន្ធ។ នៅពេលដែលការបណ្តុះបណ្តាលត្រូវបានបញ្ចប់ ពួកគេត្រឡប់ទៅការងាររបស់ពួកគេវិញ ហើយចាប់ផ្តើមបង្រៀនអ្នកប្រើប្រាស់ផ្សេងទៀតពីរបៀបប្រើប្រាស់ប្រព័ន្ធ។ នៅ​លើ

ដោយផ្អែកលើអ្វីដែលពួកគេបានរៀន អ្នកប្រើប្រាស់ផ្សេងទៀតអាចចាប់ផ្តើមរុករកឃ្លាំងទិន្នន័យ។
វិធីសាស្រ្តមួយទៀតគឺការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់ជាច្រើនក្នុងពេលតែមួយ ដូចជាប្រសិនបើអ្នកកំពុងសិក្សាថ្នាក់រៀន។ វិធីសាស្រ្តនេះគឺសមរម្យនៅពេលដែលមានអ្នកប្រើប្រាស់ជាច្រើនដែលត្រូវការការបណ្តុះបណ្តាលក្នុងពេលតែមួយ។ វិធីសាស្រ្តមួយទៀតគឺការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់ម្នាក់ៗ ម្តងមួយៗ។ វិធីសាស្រ្តនេះគឺសមរម្យនៅពេលដែលមានអ្នកប្រើប្រាស់តិចតួច។

គោលបំណងនៃការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់គឺដើម្បីស្គាល់អ្នកជាមួយនឹងការចូលប្រើ dati និងឧបករណ៍ទាញយក ក៏ដូចជាមាតិកានៃឃ្លាំងទិន្នន័យ។ ទោះជាយ៉ាងណាក៏ដោយ អ្នកប្រើប្រាស់មួយចំនួនអាចនឹងត្រូវបានគ្របដណ្ដប់ដោយចំនួននៃព័ត៌មានដែលបានផ្តល់ឱ្យក្នុងអំឡុងពេលវគ្គបណ្តុះបណ្តាល។ ដូច្នេះចំនួនជាក់លាក់នៃវគ្គធ្វើបច្ចុប្បន្នភាពត្រូវតែត្រូវបានអនុវត្តសម្រាប់ជំនួយដែលកំពុងបន្ត និងដើម្បីឆ្លើយសំណួរជាក់លាក់។ ក្នុងករណីខ្លះក្រុមអ្នកប្រើប្រាស់ត្រូវបានបង្កើតឡើងដើម្បីផ្តល់ការគាំទ្រប្រភេទនេះ។

ការប្រមូលមតិកែលម្អ

នៅពេលដែលឃ្លាំងទិន្នន័យត្រូវបានដាក់ឱ្យដំណើរការ អ្នកប្រើប្រាស់អាចប្រើ i dati ដែលរស់នៅក្នុងឃ្លាំងទិន្នន័យសម្រាប់គោលបំណងផ្សេងៗ។ ភាគច្រើនអ្នកវិភាគ ឬអ្នកប្រើប្រាស់ប្រើ i dati នៅក្នុងឃ្លាំងទិន្នន័យសម្រាប់៖

1. 1 កំណត់និន្នាការរបស់ក្រុមហ៊ុន
2. 2 វិភាគទម្រង់ការទិញរបស់ អតិថិជន
3. 3 បែងចែក i អតិថិជន ed ខ្ញុំ
4. 4 ផ្តល់សេវាកម្មល្អបំផុតដល់ អតិថិជន - ប្តូរសេវាកម្មតាមបំណង
5. 5 រៀបចំយុទ្ធសាស្ត្រ ការធ្វើទីផ្សារ
6. 6 ផ្តល់សម្រង់ប្រកួតប្រជែងសម្រាប់ការវិភាគការចំណាយ និងជួយគ្រប់គ្រង
7. 7 គាំទ្រការសម្រេចចិត្តជាយុទ្ធសាស្ត្រ
8. 8 កំណត់ឱកាសដើម្បីលេចធ្លោ
9. 9 ធ្វើអោយប្រសើរឡើងនូវគុណភាពនៃដំណើរការអាជីវកម្មបច្ចុប្បន្ន
10. 10 ពិនិត្យមើលប្រាក់ចំណេញ

បន្ទាប់ពីទិសដៅអភិវឌ្ឍន៍នៃឃ្លាំងទិន្នន័យ ការត្រួតពិនិត្យជាបន្តបន្ទាប់អាចត្រូវបានធ្វើឡើងចំពោះប្រព័ន្ធដើម្បីទទួលបានមតិកែលម្អ

ទាំងពីក្រុមអភិវឌ្ឍន៍ និងពីសហគមន៍អ្នកប្រើប្រាស់ចុងក្រោយ។
លទ្ធផលដែលទទួលបានអាចត្រូវបានយកមកពិចារណាសម្រាប់វដ្តនៃការអភិវឌ្ឍន៍បន្ទាប់។

ដោយសារឃ្លាំងទិន្នន័យមានវិធីសាស្រ្តបន្ថែម វាជាការសំខាន់ណាស់ដែលត្រូវរៀនពីភាពជោគជ័យ និងកំហុសនៃការអភិវឌ្ឍន៍ពីមុន។

2.5 សង្ខេប

នៅក្នុងជំពូកនេះ វិធីសាស្រ្តដែលមាននៅក្នុងអក្សរសិល្ប៍ត្រូវបានពិភាក្សា។ នៅក្នុងផ្នែកទី 1 គំនិតនៃឃ្លាំងទិន្នន័យ និងតួនាទីរបស់វានៅក្នុងវិទ្យាសាស្ត្រការសម្រេចចិត្តត្រូវបានពិភាក្សា។ ផ្នែកទី 2 បានពិពណ៌នាអំពីភាពខុសគ្នាសំខាន់រវាងឃ្លាំងទិន្នន័យ និងប្រព័ន្ធ OLTP ។ នៅក្នុងផ្នែកទី 3 យើងបានពិភាក្សាអំពីគំរូឃ្លាំងទិន្នន័យ Monash ដែលត្រូវបានប្រើនៅក្នុងផ្នែកទី 4 ដើម្បីពិពណ៌នាអំពីសកម្មភាពដែលពាក់ព័ន្ធនឹងដំណើរការនៃការបង្កើតឃ្លាំងទិន្នន័យ ទាំងនេះមិនមែនផ្អែកលើការស្រាវជ្រាវយ៉ាងម៉ត់ចត់នោះទេ។ អ្វីដែលកើតឡើងនៅក្នុងការពិតអាចមានភាពខុសប្លែកគ្នាយ៉ាងខ្លាំងពីអ្វីដែលអត្ថបទរាយការណ៍ ប៉ុន្តែលទ្ធផលទាំងនេះអាចត្រូវបានប្រើដើម្បីបង្កើតផ្ទៃខាងក្រោយជាមូលដ្ឋានដែលគូសបញ្ជាក់ពីគំនិតនៃឃ្លាំងទិន្នន័យសម្រាប់ការស្រាវជ្រាវនេះ។

ជំពូកទី 3

វិធីសាស្រ្តស្រាវជ្រាវ និងរចនា

ជំពូកនេះនិយាយអំពីវិធីសាស្រ្តស្រាវជ្រាវ និងការរចនាសម្រាប់ការសិក្សានេះ។ ផ្នែកទីមួយបង្ហាញពីទិដ្ឋភាពទូទៅនៃវិធីសាស្រ្តស្រាវជ្រាវដែលមានសម្រាប់ការទាញយកព័ត៌មាន លើសពីនេះលក្ខណៈវិនិច្ឆ័យសម្រាប់ការជ្រើសរើសវិធីសាស្ត្រដ៏ល្អបំផុតសម្រាប់ការសិក្សាជាក់លាក់មួយត្រូវបានពិភាក្សា។ នៅក្នុងផ្នែកទី 2 វិធីសាស្រ្តពីរដែលត្រូវបានជ្រើសរើសជាមួយនឹងលក្ខណៈវិនិច្ឆ័យដែលទើបតែបង្ហាញត្រូវបានពិភាក្សា។ ក្នុងចំណោមកត្តាទាំងនេះ មួយនឹងត្រូវបានជ្រើសរើស និងអនុម័តជាមួយនឹងហេតុផលដែលមានចែងក្នុងផ្នែកទី 3 ដែលហេតុផលសម្រាប់ការមិនរាប់បញ្ចូលលក្ខណៈវិនិច្ឆ័យផ្សេងទៀតក៏ត្រូវបានកំណត់ផងដែរ។ ផ្នែកទី 4 បង្ហាញពីការរចនាស្រាវជ្រាវ និងផ្នែកទី 5 សេចក្តីសន្និដ្ឋាន។

៣.១ ការស្រាវជ្រាវប្រព័ន្ធព័ត៌មាន

ការស្រាវជ្រាវនៅក្នុងប្រព័ន្ធព័ត៌មានមិនត្រូវបានកំណត់ត្រឹមដែនបច្ចេកវិទ្យាប៉ុណ្ណោះទេ ប៉ុន្តែក៏ត្រូវតែពង្រីកផងដែរ ដើម្បីរួមបញ្ចូលគោលបំណងនៃអាកប្បកិរិយា និងអង្គការ។
យើងជំពាក់គុណនេះចំពោះមុខវិជ្ជាជាច្រើន ចាប់ពីវិទ្យាសាស្ត្រសង្គម រហូតដល់វិទ្យាសាស្ត្រធម្មជាតិ។ នេះនាំឱ្យមានតម្រូវការសម្រាប់វិសាលគមជាក់លាក់នៃវិធីសាស្រ្តស្រាវជ្រាវដែលពាក់ព័ន្ធនឹងវិធីសាស្រ្តបរិមាណ និងគុណភាពដែលត្រូវប្រើសម្រាប់ប្រព័ន្ធព័ត៌មាន។
វិធីសាស្រ្តស្រាវជ្រាវដែលមានទាំងអស់គឺមានសារៈសំខាន់ តាមពិតអ្នកស្រាវជ្រាវជាច្រើនដូចជា Jenkins (1985), Nunamaker et al ។ (1991) និង Galliers (1992) ប្រកែកថាមិនមានវិធីសាស្រ្តសកលជាក់លាក់សម្រាប់ធ្វើការស្រាវជ្រាវក្នុងវិស័យផ្សេងៗនៃប្រព័ន្ធព័ត៌មាន។ តាមពិតវិធីសាស្រ្តមួយអាចសាកសមសម្រាប់ការស្រាវជ្រាវជាក់លាក់មួយ ប៉ុន្តែមិនមែនសម្រាប់អ្នកដទៃទេ។ នេះនាំឱ្យយើងនូវតម្រូវការក្នុងការជ្រើសរើសវិធីសាស្រ្តដែលសមរម្យសម្រាប់គម្រោងស្រាវជ្រាវពិសេសរបស់យើង: សម្រាប់ជម្រើសនេះ Benbasat et al ។ (1987) ចែងថា ធម្មជាតិ និងគោលបំណងនៃការស្រាវជ្រាវត្រូវតែយកមកពិចារណា។

3.1.1 ធម្មជាតិនៃការស្រាវជ្រាវ

វិធីសាស្រ្តផ្សេងៗដែលផ្អែកលើលក្ខណៈនៃការស្រាវជ្រាវអាចត្រូវបានបែងចែកជាប្រពៃណីបីដែលគេស្គាល់យ៉ាងទូលំទូលាយនៅក្នុងវិទ្យាសាស្ត្រព័ត៌មាន៖ ការស្រាវជ្រាវវិជ្ជមាន ការបកស្រាយ និងការស្រាវជ្រាវរិះគន់។

3.1.1.1 ការស្រាវជ្រាវវិជ្ជមាន

ការស្រាវជ្រាវ Positivist ត្រូវបានគេស្គាល់ថាជា ការសិក្សាបែបវិទ្យាសាស្ត្រ ឬ ការសិក្សាជាក់ស្តែង។ វាស្វែងរក៖ “ពន្យល់ និងទស្សន៍ទាយពីអ្វីដែលនឹងកើតឡើងនៅក្នុងពិភពសង្គម ដោយមើលលើភាពទៀងទាត់ និងទំនាក់ទំនងដែលបណ្តាលឱ្យមានផលប៉ះពាល់រវាងធាតុដែលបង្កើតវា” (Shanks et al 1993)។

ការស្រាវជ្រាវ Positivist ក៏ត្រូវបានកំណត់លក្ខណៈដោយការធ្វើឡើងវិញ ភាពសាមញ្ញ និងការបដិសេធ។ លើស​ពី​នេះ​ទៅ​ទៀត ការ​ស្រាវ​ជ្រាវ​បែប​វិជ្ជមាន​បាន​ទទួល​ស្គាល់​ពី​អត្ថិភាព​នៃ​ទំនាក់​ទំនង​អាទិភាព​រវាង​បាតុភូត​ដែល​បាន​សិក្សា។
យោងតាម ​​វចនានុក្រម Galliers (1992) គឺជាវិធីសាស្រ្តស្រាវជ្រាវដែលរួមបញ្ចូលនៅក្នុងគំរូវិជ្ជមាន ដែលទោះជាយ៉ាងណាមិនត្រូវបានកំណត់ចំពោះរឿងនេះទេ តាមពិតមានការពិសោធន៍មន្ទីរពិសោធន៍ ការពិសោធន៍វាល ករណីសិក្សា ការបង្ហាញទ្រឹស្តីបទ ការព្យាករណ៍ និងការក្លែងធ្វើ។ ដោយប្រើវិធីសាស្រ្តទាំងនេះ អ្នកស្រាវជ្រាវបានទទួលស្គាល់ថា បាតុភូតដែលបានសិក្សាអាចត្រូវបានគេសង្កេតឃើញជាក់ស្តែង និងយ៉ាងម៉ឺងម៉ាត់។

3.1.1.2 ការស្រាវជ្រាវបកស្រាយ

ការស្រាវជ្រាវបកស្រាយ ដែលជារឿយៗត្រូវបានគេហៅថាបាតុភូតវិទ្យា ឬប្រឆាំងនឹងភាពវិជ្ជមាន ត្រូវបានពិពណ៌នាដោយ Neuman (1994) ថាជា "ការវិភាគជាប្រព័ន្ធនៃអត្ថន័យសង្គមនៃសកម្មភាព តាមរយៈការសង្កេតដោយផ្ទាល់ និងលម្អិតរបស់មនុស្សនៅក្នុងស្ថានភាពធម្មជាតិ ដើម្បីឈានទៅដល់ការយល់ដឹង និង ចំពោះការបកស្រាយអំពីរបៀបដែលមនុស្សបង្កើត និងថែរក្សាពិភពសង្គមរបស់ពួកគេ”។ ការសិក្សាបកស្រាយបដិសេធការសន្មត់ថាបាតុភូតដែលបានសង្កេតអាចត្រូវបានគេសង្កេតឃើញជាក់ស្តែង។ តាមពិតពួកគេផ្អែកលើការបកស្រាយប្រធានបទ។ ជាងនេះទៅទៀត អ្នកស្រាវជ្រាវផ្នែកបកស្រាយមិនកំណត់អត្ថន័យអាទិភាពលើបាតុភូតដែលពួកគេសិក្សានោះទេ។

វិធីសាស្រ្តនេះរួមបញ្ចូលទាំងការសិក្សាប្រធានបទ/អំណះអំណាង ការស្រាវជ្រាវសកម្មភាព ការសិក្សាពិពណ៌នា/ការបកស្រាយ ការស្រាវជ្រាវនាពេលអនាគត និងការលេងតួនាទី។ បន្ថែមពីលើការស្ទង់មតិ និងករណីសិក្សាទាំងនេះអាចត្រូវបានរួមបញ្ចូលនៅក្នុងវិធីសាស្រ្តនេះ ដោយសារពួកគេទាក់ទងនឹងការសិក្សាអំពីបុគ្គល ឬស្ថាប័ននៅក្នុងស្ថានភាពជាក់ស្តែងដ៏ស្មុគស្មាញ។

3.1.1.3 ការស្រាវជ្រាវសំខាន់

ការស៊ើបអង្កេតយ៉ាងសំខាន់គឺជាវិធីសាស្រ្តដែលគេស្គាល់តិចបំផុតនៅក្នុងវិទ្យាសាស្ត្រសង្គម ប៉ុន្តែថ្មីៗនេះបានទទួលការចាប់អារម្មណ៍ពីអ្នកស្រាវជ្រាវប្រព័ន្ធព័ត៌មាន។ ការសន្មត់បែបទស្សនវិជ្ជាដែលថាការពិតសង្គមត្រូវបានបង្កើតជាប្រវត្តិសាស្ត្រ និងបង្កើតឡើងវិញដោយមនុស្ស ក៏ដូចជាប្រព័ន្ធសង្គមជាមួយនឹងសកម្មភាព និងអន្តរកម្មរបស់ពួកគេ។ ទោះជាយ៉ាងណាក៏ដោយ សមត្ថភាពរបស់ពួកគេត្រូវបានសម្រុះសម្រួលដោយការពិចារណាផ្នែកសង្គម វប្បធម៌ និងនយោបាយមួយចំនួន។

ដូចជាការស្រាវជ្រាវបែបបកស្រាយ ការស្រាវជ្រាវរិះគន់រក្សាថាការស្រាវជ្រាវបែបវិជ្ជមានមិនមានអ្វីដែលត្រូវធ្វើជាមួយបរិបទសង្គម ហើយមិនអើពើឥទ្ធិពលរបស់វាទៅលើសកម្មភាពរបស់មនុស្ស។
ម៉្យាងវិញទៀត ការស្រាវជ្រាវបែបរិះគន់ រិះគន់ការស្រាវជ្រាវបកស្រាយថាជាប្រធានបទពេក ហើយមិនមានបំណងជួយមនុស្សឱ្យប្រសើរឡើងនូវជីវិតរបស់ពួកគេ។ ភាពខុសគ្នាដ៏ធំបំផុតរវាងការស្រាវជ្រាវសំខាន់ និងវិធីសាស្រ្តពីរផ្សេងទៀតគឺវិមាត្រវាយតម្លៃរបស់វា។ ខណៈពេលដែលវត្ថុបំណងនៃទំនៀមទំលាប់បែបវិជ្ជមាន និងការបកស្រាយគឺដើម្បីទស្សន៍ទាយ ឬពន្យល់ពីស្ថានភាពបច្ចុប្បន្ន ឬការពិតក្នុងសង្គម ការស្រាវជ្រាវរិះគន់មានគោលបំណងវាយតម្លៃដោយរិះគន់ និងបំប្លែងការពិតសង្គមដែលកំពុងសិក្សា។

អ្នកស្រាវជ្រាវដែលរិះគន់ជាធម្មតាប្រឆាំងទៅនឹងស្ថានភាពបច្ចុប្បន្ន ដើម្បីដកចេញនូវភាពខុសគ្នាក្នុងសង្គម និងធ្វើអោយស្ថានភាពសង្គមប្រសើរឡើង។ ការស្រាវជ្រាវសំខាន់មានការប្តេជ្ញាចិត្តចំពោះទិដ្ឋភាពដំណើរការនៃបាតុភូតនៃការចាប់អារម្មណ៍ ហើយដូច្នេះជាធម្មតាមានបណ្តោយ។ ឧទាហរណ៍នៃវិធីសាស្រ្តស្រាវជ្រាវគឺការសិក្សាប្រវត្តិសាស្រ្តរយៈពេលវែង និងការសិក្សាជនជាតិភាគតិច។ ទោះជាយ៉ាងនេះក្តី ការស្រាវជ្រាវសំខាន់មិនត្រូវបានគេប្រើប្រាស់យ៉ាងទូលំទូលាយក្នុងការស្រាវជ្រាវប្រព័ន្ធព័ត៌មាននោះទេ។

៣.១.២ គោលបំណងនៃការស្រាវជ្រាវ

រួមជាមួយនឹងលក្ខណៈនៃការស្រាវជ្រាវ គោលបំណងរបស់វាអាចត្រូវបានប្រើដើម្បីណែនាំអ្នកស្រាវជ្រាវក្នុងការជ្រើសរើសវិធីសាស្ត្រស្រាវជ្រាវជាក់លាក់មួយ។ គោលបំណងនៃគម្រោងស្រាវជ្រាវគឺទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹងទីតាំងនៃការស្រាវជ្រាវទាក់ទងទៅនឹងវដ្តនៃការស្រាវជ្រាវដែលមានបីដំណាក់កាលគឺ ការកសាងទ្រឹស្តី ការធ្វើតេស្តទ្រឹស្តី និងការកែលម្អទ្រឹស្តី។ ដូច្នេះ ដោយផ្អែកលើពេលវេលានៃវដ្តស្រាវជ្រាវ គម្រោងស្រាវជ្រាវមួយអាចមានគោលបំណងពន្យល់ ពិពណ៌នា រុករក ឬទស្សន៍ទាយ។

3.1.2.1 ការស្រាវជ្រាវរុករក

ការស្រាវជ្រាវស្រាវជ្រាវមានគោលបំណងស៊ើបអង្កេតប្រធានបទថ្មីទាំងស្រុង និងបង្កើតសំណួរ និងសម្មតិកម្មសម្រាប់ការស្រាវជ្រាវនាពេលអនាគត។ ប្រភេទ​នៃ​ការ​ស្រាវ​ជ្រាវ​នេះ​ត្រូវ​បាន​ប្រើ​ក្នុង​ការ​កសាង​ទ្រឹស្ដី​ដើម្បី​ទទួល​បាន​សេចក្តី​យោង​ដំបូង​ក្នុង​ផ្នែក​ថ្មី​មួយ​។ ជាធម្មតា វិធីសាស្ត្រស្រាវជ្រាវគុណភាពត្រូវបានប្រើប្រាស់ ដូចជាករណីសិក្សា ឬការសិក្សាអំពីបាតុភូត។

ទោះជាយ៉ាងណាក៏ដោយ វាក៏អាចធ្វើទៅបានផងដែរក្នុងការប្រើបច្ចេកទេសបរិមាណ ដូចជាការស្ទង់មតិ ឬពិសោធន៍។

3.1.3.3 ការស្រាវជ្រាវពិពណ៌នា

ការស្រាវជ្រាវបែបពិពណ៌នា មានគោលបំណងវិភាគ និងពណ៌នាយ៉ាងលម្អិតអំពីស្ថានភាព ឬការអនុវត្តរបស់ស្ថាប័នជាក់លាក់មួយ។ នេះគឺសមរម្យសម្រាប់ការកសាងទ្រឹស្ដី ហើយក៏អាចប្រើដើម្បីបញ្ជាក់ ឬប្រកួតប្រជែងសម្មតិកម្មផងដែរ។ ការស្រាវជ្រាវពិពណ៌នាជាធម្មតារួមបញ្ចូលការប្រើប្រាស់វិធានការ និងគំរូ។ វិធីសាស្រ្តស្រាវជ្រាវដែលសមស្របបំផុតរួមមានការស្ទង់មតិ និងការវិភាគលើវត្ថុបុរាណ។

3.1.2.3 ការស្រាវជ្រាវពន្យល់

ការស្រាវជ្រាវពន្យល់ព្យាយាមពន្យល់ពីមូលហេតុដែលអ្វីៗកើតឡើង។ វាត្រូវបានបង្កើតឡើងនៅលើអង្គហេតុដែលបានសិក្សារួចហើយ ហើយព្យាយាមស្វែងរកមូលហេតុនៃការពិតទាំងនេះ។
ដូច្នេះ ការស្រាវជ្រាវពន្យល់ជាធម្មតាត្រូវបានបង្កើតឡើងនៅលើការស្រាវជ្រាវបែបរុករក ឬពិពណ៌នា ហើយជាផ្នែកបន្ថែមសម្រាប់ការធ្វើតេស្ត និងកែលម្អទ្រឹស្តី។ ការស្រាវជ្រាវពន្យល់ជាធម្មតាប្រើករណីសិក្សា ឬវិធីសាស្ត្រស្រាវជ្រាវផ្អែកលើការស្ទង់មតិ។

3.1.2.4 ការស្រាវជ្រាវបង្ការ

ការស្រាវជ្រាវបង្ការមានគោលបំណងទស្សន៍ទាយព្រឹត្តិការណ៍ និងអាកប្បកិរិយាក្រោមការសង្កេតដែលកំពុងសិក្សា (Marshall and Rossman 1995)។ ការទស្សន៍ទាយគឺជាការសាកល្បងវិទ្យាសាស្ត្រស្តង់ដារនៃការពិត។ ប្រភេទនៃការស្រាវជ្រាវនេះជាទូទៅប្រើការស្ទង់មតិឬការវិភាគនៃ dati អ្នកប្រវត្តិសាស្ត្រ។ (យិន ១៩៨៩)

ការពិភាក្សាខាងលើបង្ហាញថាមានវិធីសាស្រ្តស្រាវជ្រាវជាច្រើនដែលអាចប្រើក្នុងការសិក្សាជាក់លាក់មួយ។ ទោះយ៉ាងណាក៏ដោយ ត្រូវតែមានវិធីសាស្រ្តជាក់លាក់មួយដែលសមស្របជាងវិធីផ្សេងទៀតសម្រាប់ប្រភេទជាក់លាក់នៃគម្រោងស្រាវជ្រាវ។ (Galliers 1987, Yin 1989, De Vaus 1991)។ ដូច្នេះ អ្នកស្រាវជ្រាវម្នាក់ៗចាំបាច់ត្រូវវាយតម្លៃដោយប្រុងប្រយ័ត្ននូវចំណុចខ្លាំង និងចំណុចខ្សោយនៃវិធីសាស្រ្តផ្សេងៗ ដើម្បីទទួលយកវិធីសាស្រ្តស្រាវជ្រាវដែលសមស្របបំផុតដែលត្រូវនឹងគម្រោងស្រាវជ្រាវ។ (Jenkins 1985, Pervan and Klass 1992, Bonomia 1985, Yin 1989, Himilton and Ives 1992)។

៣.២. វិធីសាស្រ្តស្រាវជ្រាវដែលអាចធ្វើបាន

គោលបំណងនៃគម្រោងនេះគឺដើម្បីសិក្សាបទពិសោធន៍នៅក្នុងអង្គការអូស្ត្រាលីជាមួយ i dati រក្សាទុកជាមួយនឹងការអភិវឌ្ឍន៍ ឃ្លាំងទិន្នន័យ. កាលបរិច្ឆេទ ថា បច្ចុប្បន្ននេះ មានការខ្វះខាតក្នុងការស្រាវជ្រាវលើផ្នែកឃ្លាំងទិន្នន័យក្នុងប្រទេសអូស្ត្រាលី គម្រោងស្រាវជ្រាវនេះនៅតែស្ថិតក្នុងដំណាក់កាលទ្រឹស្តីនៃវដ្តនៃការស្រាវជ្រាវ និងមានគោលបំណងស្រាវជ្រាវ។ ការស្វែងយល់ពីបទពិសោធន៍នៅក្នុងអង្គការអូស្ត្រាលីដែលទទួលយកការផ្ទុកទិន្នន័យតម្រូវឱ្យមានការបកស្រាយពីសង្គមពិត។ អាស្រ័យហេតុនេះ ការសន្មតទស្សនវិជ្ជាដែលជាមូលដ្ឋាននៃគម្រោងស្រាវជ្រាវ ធ្វើតាមការបកស្រាយបែបប្រពៃណី។

បន្ទាប់ពីការពិនិត្យយ៉ាងម៉ត់ចត់នៃវិធីសាស្រ្តដែលមាន វិធីសាស្ត្រស្រាវជ្រាវពីរដែលអាចធ្វើទៅបានត្រូវបានកំណត់អត្តសញ្ញាណ៖ ការស្ទង់មតិ និងករណីសិក្សា ដែលអាចត្រូវបានប្រើសម្រាប់ការស្រាវជ្រាវរុករក (Shanks et al. 1993)។ Galliers (1992) ជជែកវែកញែកអំពីភាពសមស្របនៃវិធីសាស្រ្តទាំងពីរនេះសម្រាប់ការសិក្សាពិសេសនេះនៅក្នុង វចនានុក្រមដែលបានកែប្រែរបស់គាត់ ដោយនិយាយថាពួកគេស័ក្តិសមសម្រាប់ការកសាងទ្រឹស្តី។ ផ្នែករងពីរខាងក្រោមពិភាក្សាអំពីវិធីសាស្រ្តនីមួយៗយ៉ាងលម្អិត។

3.2.1 វិធីសាស្រ្តស្រាវជ្រាវស្ទង់មតិ

វិធីសាស្រ្តស្រាវជ្រាវស្ទង់មតិបានមកពីវិធីសាស្ត្រជំរឿនបុរាណ។ ជំរឿនរួមមានការប្រមូលព័ត៌មានពីប្រជាជនទាំងមូល។ វិធីសាស្ត្រនេះមានតម្លៃថ្លៃ និងមិនអាចអនុវត្តបាន ជាពិសេសប្រសិនបើចំនួនប្រជាជនច្រើន។ ដូច្នេះ បើប្រៀបធៀបទៅនឹងជំរឿន ការស្ទង់មតិជាធម្មតាផ្តោតលើការប្រមូលព័ត៌មានសម្រាប់ចំនួនតិចតួច ឬគំរូនៃអ្នកតំណាងប្រជាជន (Fowler 1988, Neuman 1994)។ សំណាកគំរូឆ្លុះបញ្ចាំងពីចំនួនប្រជាជនដែលវាត្រូវបានគូរ ជាមួយនឹងកម្រិតភាពត្រឹមត្រូវខុសៗគ្នា អាស្រ័យលើរចនាសម្ព័ន្ធគំរូ ទំហំ និងវិធីសាស្ត្រជ្រើសរើសដែលបានប្រើ (Fowler 1988, Babbie 1982, Neuman 1994)។

វិធីសាស្ត្រស្ទង់មតិត្រូវបានកំណត់ថាជា “រូបភាពនៃការអនុវត្ត ស្ថានភាព ឬទស្សនៈនៅចំណុចជាក់លាក់ណាមួយក្នុងពេលវេលា ដែលធ្វើឡើងដោយប្រើកម្រងសំណួរ ឬការសម្ភាសន៍ ដែលការសន្និដ្ឋានអាចជា
បានធ្វើ” (Galliers 1992:153) [រូបថតនៃការអនុវត្ត ស្ថានភាព ឬទស្សនៈនៅចំណុចជាក់លាក់ក្នុងពេលវេលា ដែលធ្វើឡើងដោយប្រើប្រាស់កម្រងសំណួរ ឬការសម្ភាសន៍ ដែលការសន្និដ្ឋានអាចត្រូវបានធ្វើឡើង]។ ការស្ទង់មតិទាក់ទងនឹងការប្រមូលព័ត៌មានអំពីទិដ្ឋភាពមួយចំនួននៃការសិក្សា ពីចំនួនជាក់លាក់នៃអ្នកចូលរួម ដោយសួរសំណួរ (Fowler 1988)។ កម្រងសំណួរ និងសំភាសន៍ទាំងនេះ ដែលរួមបញ្ចូលការសម្ភាសន៍តាមទូរស័ព្ទផ្ទាល់ និងទម្រង់បែបបទ ក៏ជាបច្ចេកទេសប្រមូលផ្ដុំនៃ dati ភាគច្រើនត្រូវបានគេប្រើប្រាស់នៅក្នុងការស៊ើបអង្កេត (Blalock 1970, Nachmias and Nachmias 1976, Fowler 1988) ការសង្កេត និងការវិភាគអាចត្រូវបានគេប្រើប្រាស់ (Gable 1994)។ វិធីសាស្រ្តនៃការប្រមូលផលទាំងអស់នេះ datiការប្រើប្រាស់កម្រងសំណួរគឺជាបច្ចេកទេសដ៏ពេញនិយមបំផុតព្រោះវាធានាថា i dati

ប្រមូល​បាន​ត្រូវ​បាន​រៀបចំ​រចនាសម្ព័ន្ធ និង​ធ្វើ​ទ្រង់ទ្រាយ ដូច្នេះ​ហើយ​ជួយ​សម្រួល​ដល់​ការ​ចាត់​ថ្នាក់​នៃ​ព័ត៌មាន (Hwang 1987, de Vaus 1991)។

នៅពេលវិភាគ I datiយុទ្ធសាស្ត្រស៊ើបអង្កេតជារឿយៗប្រើបច្ចេកទេសបរិមាណ ដូចជាការវិភាគស្ថិតិ ប៉ុន្តែបច្ចេកទេសគុណភាពក៏អាចប្រើបានដែរ (Galliers 1992, Pervan

និង Klass 1992, Gable 1994) ។ ជាធម្មតា អាយ dati ប្រមូលបានត្រូវបានប្រើដើម្បីវិភាគការចែកចាយ និងគំរូនៃសមាគម (Fowler 1988)។

ទោះបីជាការស្ទង់មតិជាទូទៅគឺសមរម្យសម្រាប់ការស្រាវជ្រាវដែលទាក់ទងនឹងសំណួរ 'អ្វី?' (អ្វី) ឬមកពីវា ដូចជា 'ប៉ុន្មាន' និង 'ប៉ុន្មាន' ពួកគេអាចសួរតាមរយៈសំណួរ 'ហេតុអ្វី' (Sonquist and Dunkelberg 1977, Yin 1989)។ យោងតាម ​​​​Sonquist and Dunkelberg (1977) ការស្រាវជ្រាវ​ស៊ើបអង្កេត​មាន​គោល​បំណង​លើ​សម្មតិកម្ម​ដែល​ប្រឈម​នឹង​ការ​វាយ​តម្លៃ​កម្មវិធី ការ​ពិពណ៌នា​ចំនួន​ប្រជាជន និង​ការ​បង្កើត​គំរូ​នៃ​អាកប្បកិរិយា​មនុស្ស។ លើសពីនេះ ការស្ទង់មតិអាចត្រូវបានប្រើដើម្បីសិក្សាពីមតិប្រជាជនជាក់លាក់មួយ លក្ខខណ្ឌ មតិ លក្ខណៈ ការរំពឹងទុក និងសូម្បីតែអាកប្បកិរិយាអតីតកាល ឬបច្ចុប្បន្ន (Neuman 1994) ។

ការស្ទង់មតិអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវរកឃើញទំនាក់ទំនងក្នុងចំណោមប្រជាជន ហើយលទ្ធផលជាធម្មតាមានលក្ខណៈទូទៅជាងវិធីសាស្ត្រផ្សេងទៀត (Sonquist and Dunkelberg 1977, Gable 1994)។ ការស្ទង់មតិអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវគ្របដណ្តប់តំបន់ភូមិសាស្ត្រធំជាង និងឈានដល់អ្នកឆ្លើយសំណួរជាច្រើន (Blalock 1970, Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994, Neuman 1994)។ ជាចុងក្រោយ ការស្ទង់មតិអាចផ្តល់ព័ត៌មានដែលមិនមាននៅកន្លែងផ្សេង ឬក្នុងទម្រង់ដែលត្រូវការសម្រាប់ការវិភាគ (Fowler 1988)។

ទោះយ៉ាងណាក៏ដោយ មានដែនកំណត់មួយចំនួនក្នុងការអនុវត្តការស្ទង់មតិ។ គុណវិបត្តិមួយគឺថា អ្នកស្រាវជ្រាវមិនអាចទទួលបានព័ត៌មានច្រើនអំពីវត្ថុដែលបានសិក្សានោះទេ។ នេះគឺដោយសារតែការពិតដែលថាការស្ទង់មតិត្រូវបានអនុវត្តតែនៅពេលជាក់លាក់មួយហើយដូច្នេះវាមានចំនួនកំណត់នៃអថេរនិងមនុស្សដែលអ្នកស្រាវជ្រាវអាច

ការសិក្សា (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998) ។ គុណវិបត្តិមួយទៀតគឺថាការធ្វើការស្ទង់មតិអាចចំណាយច្រើនក្នុងលក្ខខណ្ឌនៃពេលវេលា និងធនធាន ជាពិសេសប្រសិនបើវាពាក់ព័ន្ធនឹងការសម្ភាសន៍ទល់មុខគ្នា (Fowler 1988)។

៣.២.២. វិធីសាស្រ្តស្រាវជ្រាវស៊ើបអង្កេត

វិធីសាស្រ្តស្រាវជ្រាវស៊ើបអង្កេតពាក់ព័ន្ធនឹងការសិក្សាស៊ីជម្រៅអំពីស្ថានភាពជាក់លាក់មួយនៅក្នុងបរិបទពិភពលោកពិតរបស់ខ្លួនក្នុងរយៈពេលដែលបានកំណត់ ដោយគ្មានការអន្តរាគមន៍ណាមួយពីផ្នែកនៃអ្នកស្រាវជ្រាវ (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985)។ ភាគច្រើនវិធីសាស្រ្តនេះត្រូវបានប្រើដើម្បីពិពណ៌នាអំពីទំនាក់ទំនងរវាងអថេរដែលកំពុងសិក្សាក្នុងស្ថានភាពជាក់លាក់មួយ (Galliers 1992)។ ការស៊ើបអង្កេតអាចពាក់ព័ន្ធនឹងករណីតែមួយ ឬច្រើន អាស្រ័យលើបាតុភូតដែលបានវិភាគ (Franz and Robey 1987, Eisenhardt 1989, Yin 1989)។

វិធីសាស្រ្តស្រាវជ្រាវស៊ើបអង្កេតត្រូវបានកំណត់ថាជា “ការស៊ើបអង្កេតជាក់ស្តែងដែលសិក្សាពីបាតុភូតសហសម័យមួយនៅក្នុងបរិបទជាក់ស្តែងរបស់វា ដោយប្រើប្រភពជាច្រើនដែលប្រមូលបានពីអង្គភាពមួយ ឬច្រើនដូចជា មនុស្ស ក្រុម ឬអង្គការ” (Yin 1989)។ មិនមានការបែងចែកច្បាស់លាស់រវាងបាតុភូត និងបរិបទរបស់វាទេ ហើយមិនមានការគ្រប់គ្រងដោយពិសោធន៍ ឬឧបាយកលនៃអថេរ (Yin 1989, Benbasat et al. 1987)។

មានបច្ចេកទេសផ្សេងៗគ្នាសម្រាប់ការប្រមូល dati ដែលអាចត្រូវបានប្រើប្រាស់ក្នុងវិធីសាស្រ្តសាកសួរ ដែលរួមមានការសង្កេតដោយផ្ទាល់ ការពិនិត្យឡើងវិញនៃឯកសារបណ្ណសារ កម្រងសំណួរ ការពិនិត្យឯកសារ និងការសម្ភាសន៍ដែលមានរចនាសម្ព័ន្ធ។ មានបច្ចេកទេសប្រមូលផលចម្រុះ datiការស៊ើបអង្កេតអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវដោះស្រាយជាមួយទាំងពីរ dati គុណភាព និងបរិមាណក្នុងពេលតែមួយ (Bonoma 1985, Eisenhardt 1989, Yin 1989, Gable 1994)។ ដូចគ្នានឹងវិធីសាស្ត្រស្ទង់មតិដែរ អ្នកស្រាវជ្រាវស្ទង់មតិដើរតួជាអ្នកសង្កេតការណ៍ ឬអ្នកស្រាវជ្រាវ ហើយមិនមែនជាអ្នកចូលរួមសកម្មនៅក្នុងអង្គការដែលកំពុងសិក្សានោះទេ។

Benbasat et al. (1987) អះអាង​ថា​វិធី​សាស្រ្ដ​សួរ​សំណួរ​គឺ​ជា​ពិសេស​សមរម្យ​សម្រាប់​ការ​កសាង​ទ្រឹស្តី​ស្រាវជ្រាវ​ដែល​ចាប់​ផ្តើ​ម​ដោយ​សំណួរ​ស្រាវជ្រាវ​និង​បន្ត​ជាមួយ​នឹង​ការ​អប់រំ​។

ទ្រឹស្តីមួយកំឡុងដំណើរការប្រមូល dati. ក៏សមរម្យសម្រាប់ឆាក

នៃការកសាងទ្រឹស្តី, Franz and Robey (1987) ផ្តល់យោបល់ថា វិធីសាស្រ្តសាកសួរក៏អាចត្រូវបានប្រើសម្រាប់ដំណាក់កាលទ្រឹស្តីស្មុគស្មាញផងដែរ។ ក្នុងករណីនេះ ដោយផ្អែកលើភស្តុតាងដែលប្រមូលបាន ទ្រឹស្ដី ឬសម្មតិកម្មត្រូវបានផ្ទៀងផ្ទាត់ ឬបដិសេធ។ លើសពីនេះ ការស្ទង់មតិក៏សមរម្យសម្រាប់ការស្រាវជ្រាវទាក់ទងនឹងសំណួរ 'របៀប' ឬ 'ហេតុអ្វី' (យិន 1989) ។

បើប្រៀបធៀបទៅនឹងវិធីសាស្រ្តផ្សេងទៀត ការស្ទង់មតិអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវចាប់យកព័ត៌មានសំខាន់ៗឱ្យបានលម្អិតបន្ថែមទៀត (Galliers 1992, Shanks et al. 1993)។ លើសពីនេះ ការស្ទង់មតិអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវយល់ពីធម្មជាតិ និងភាពស្មុគស្មាញនៃដំណើរការដែលបានសិក្សា (Benbasat et al. 1987)។

មានគុណវិបត្តិសំខាន់ៗចំនួនបួនដែលទាក់ទងនឹងវិធីសាស្ត្រស្ទង់មតិ។ ទីមួយគឺកង្វះការកាត់ផ្តាច់ដែលគ្រប់គ្រង។ ប្រធានបទរបស់អ្នកស្រាវជ្រាវអាចផ្លាស់ប្តូរលទ្ធផល និងការសន្និដ្ឋាននៃការសិក្សា (Yin 1989)។ គុណវិបត្តិទីពីរគឺការខ្វះការសង្កេតដែលបានគ្រប់គ្រង។ មិនដូចវិធីសាស្រ្តពិសោធន៍ទេ អ្នកស្រាវជ្រាវស៊ើបអង្កេតមិនអាចគ្រប់គ្រងបាតុភូតដែលបានសិក្សាបានទេ នៅពេលដែលពួកគេត្រូវបានពិនិត្យនៅក្នុងបរិបទធម្មជាតិរបស់ពួកគេ (Gable 1994)។ គុណវិបត្តិទីបីគឺកង្វះនៃការចម្លង។ នេះគឺដោយសារតែអ្នកស្រាវជ្រាវទំនងជាមិនសង្កេតមើលព្រឹត្តិការណ៍ដូចគ្នា ហើយមិនអាចផ្ទៀងផ្ទាត់លទ្ធផលនៃការសិក្សាជាក់លាក់ណាមួយ (Lee 1989)។ ជាចុងក្រោយ ដោយសារផលវិបាកនៃការមិនអាចចម្លងបាន វាជាការលំបាកក្នុងការធ្វើឱ្យទូទៅលទ្ធផលដែលទទួលបានពីការស៊ើបអង្កេតមួយ ឬច្រើន (Galliers 1992, Shanks et al 1993)។ ទោះបីជាយ៉ាងណាក៏ដោយ បញ្ហាទាំងអស់នេះមិនអាចដោះស្រាយបានឡើយ ហើយតាមពិតទៅ អាចត្រូវបានបង្រួមអប្បបរមាដោយអ្នកស្រាវជ្រាវដោយអនុវត្តសកម្មភាពសមស្រប (Lee 1989)។

៣.៣. បង្ហាញភាពត្រឹមត្រូវនៃវិធីសាស្រ្តស្រាវជ្រាវ បានអនុម័ត

ពីវិធីសាស្រ្តស្រាវជ្រាវពីរដែលអាចធ្វើទៅបានសម្រាប់ការសិក្សានេះ វិធីសាស្ត្រស្ទង់មតិត្រូវបានចាត់ទុកថាសមស្របបំផុត។ ការស៊ើបអង្កេតត្រូវបានលុបចោល បន្ទាប់ពីមានការពិចារណាយ៉ាងយកចិត្តទុកដាក់ពីអ្នកពាក់ព័ន្ធ

គុណសម្បត្តិនិងគុណវិបត្តិ។ ភាពសមស្រប ឬមិនសមរម្យនៃវិធីសាស្រ្តនីមួយៗសម្រាប់ការសិក្សានេះត្រូវបានពិភាក្សាខាងក្រោម។

៣.៣.១. ភាពមិនសមរម្យនៃវិធីសាស្រ្តស្រាវជ្រាវ នៃការស៊ើបអង្កេត

វិធីសាស្រ្តសាកសួរទាមទារឱ្យមានការសិក្សាស៊ីជម្រៅអំពីស្ថានភាពជាក់លាក់មួយនៅក្នុងអង្គការមួយ ឬច្រើនក្នុងរយៈពេលមួយ (Eisenhardt 1989) ។ ក្នុងករណីនេះ រយៈពេលអាចលើសពីពេលវេលាដែលបានផ្តល់ឱ្យសម្រាប់ការសិក្សានេះ។ ហេតុផលមួយទៀតសម្រាប់ការមិនទទួលយកវិធីសាស្រ្តស្ទង់មតិគឺថា លទ្ធផលអាចទទួលរងពីការខ្វះភាពម៉ត់ចត់ (Yin 1989)។ ប្រធានបទរបស់អ្នកស្រាវជ្រាវអាចមានឥទ្ធិពលលើលទ្ធផល និងការសន្និដ្ឋាន។ ហេតុផលមួយទៀតគឺថា វិធីសាស្រ្តនេះគឺសមស្របជាងសម្រាប់ការស្រាវជ្រាវលើ 'របៀប' ឬ 'ហេតុអ្វី' ប្រភេទសំណួរ (Yin 1989) ខណៈដែលសំណួរស្រាវជ្រាវសម្រាប់ការសិក្សានេះគឺប្រភេទ 'អ្វី' ។ ជាចុងក្រោយ វាពិតជាលំបាកណាស់ក្នុងការធ្វើការវិភាគទូទៅពីការស៊ើបអង្កេតមួយ ឬពីរបី (Galliers 1992, Shanks et al. 1993)។ ដោយផ្អែកលើហេតុផលនេះ វិធីសាស្ត្រស្រាវជ្រាវស្ទង់មតិមិនត្រូវបានជ្រើសរើសទេ ដោយសារវាមិនស័ក្តិសមសម្រាប់ការសិក្សានេះ។

៣.៣.២. ភាពងាយស្រួលនៃវិធីសាស្រ្តស្វែងរករបស់ ការស៊ើបអង្កេត

នៅពេលដែលការស្រាវជ្រាវនេះត្រូវបានធ្វើឡើង ការអនុវត្តការផ្ទុកទិន្នន័យមិនត្រូវបានទទួលយកយ៉ាងទូលំទូលាយដោយអង្គការអូស្ត្រាលីទេ។ ដូច្នេះ មិនមានព័ត៌មានច្រើនទាក់ទងនឹងការអនុវត្តរបស់ពួកគេនៅក្នុងអង្គការអូស្ត្រាលីទេ។ ព័ត៌មានដែលមានបានមកពីអង្គការដែលបានអនុវត្ត ឬប្រើប្រាស់ ក ឃ្លាំងទិន្នន័យ. ក្នុងករណីនេះ វិធីសាស្ត្រស្រាវជ្រាវស្ទង់មតិគឺសមស្របបំផុតព្រោះវាអនុញ្ញាតឱ្យទទួលបានព័ត៌មានដែលមិនមាននៅកន្លែងផ្សេង ឬក្នុងទម្រង់ដែលត្រូវការសម្រាប់ការវិភាគ (Fowler 1988)។ លើសពីនេះ វិធីសាស្រ្តស្រាវជ្រាវស្ទង់មតិអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវទទួលបានការយល់ដឹងល្អអំពីការអនុវត្ត ស្ថានភាព ឬទស្សនៈនៅពេលជាក់លាក់ណាមួយ (Galliers 1992, Denscombe 1998)។ ទិដ្ឋភាពទូទៅត្រូវបានទាមទារដើម្បីបង្កើនចំណេះដឹងអំពីបទពិសោធន៍ឃ្លាំងទិន្នន័យរបស់អូស្ត្រាលី។

លើសពីនេះ Sonquist and Dunkelberg (1977) បញ្ជាក់ថា លទ្ធផលនៃការស្រាវជ្រាវស្ទង់មតិមានលក្ខណៈទូទៅជាងវិធីសាស្ត្រផ្សេងទៀត។

៣.៤. ការរចនាស្រាវជ្រាវការស្ទង់មតិ

ការស្ទង់មតិលើការអនុវត្តការផ្ទុកទិន្នន័យត្រូវបានធ្វើឡើងក្នុងឆ្នាំ 1999។ ប្រជាជនគោលដៅត្រូវបានបង្កើតឡើងដោយអង្គការអូស្ត្រាលីដែលចាប់អារម្មណ៍ក្នុងការសិក្សាអំពីឃ្លាំងទិន្នន័យ ដោយសារពួកគេប្រហែលជាត្រូវបានជូនដំណឹងរួចហើយអំពី dati ដែលពួកគេរក្សាទុក ហើយដូច្នេះ អាចផ្តល់ព័ត៌មានមានប្រយោជន៍សម្រាប់ការសិក្សានេះ។ ប្រជាជនគោលដៅត្រូវបានកំណត់អត្តសញ្ញាណតាមរយៈការស្ទង់មតិដំបូងរបស់សមាជិកអូស្ត្រាលីទាំងអស់នៃវិទ្យាស្ថានឃ្លាំងទិន្នន័យ (Tdwi-aap)។ ផ្នែកនេះពិភាក្សាអំពីការរចនានៃដំណាក់កាលស្រាវជ្រាវជាក់ស្តែងនៃការសិក្សានេះ។

៣.៤.១. បច្ចេកទេសប្រមូលផល dati

ពីបច្ចេកទេសទាំងបីដែលប្រើជាទូទៅក្នុងការស្រាវជ្រាវស្ទង់មតិ (ឧទាហរណ៍ កម្រងសំណួរតាមសំបុត្រ ការសម្ភាសន៍តាមទូរស័ព្ទ និងការសម្ភាសន៍ផ្ទាល់ខ្លួន) (Nachmias 1976, Fowler 1988, de Vaus 1991) កម្រងសំណួរតាមសំបុត្រត្រូវបានអនុម័តសម្រាប់ការសិក្សានេះ។ ហេតុផលដំបូងសម្រាប់ការទទួលយកក្រោយនេះគឺថាវាអាចឈានដល់ចំនួនប្រជាជនដែលបែកខ្ញែកតាមភូមិសាស្រ្ត (Blalock 1970, Nachmias and Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994)។ ទីពីរ កម្រងសំណួរតាមសំបុត្រគឺសមរម្យសម្រាប់អ្នកចូលរួមដែលមានការអប់រំខ្ពស់ (Fowler 1988)។ កម្រងសំណួរតាមសំបុត្រសម្រាប់ការសិក្សានេះត្រូវបានផ្ញើទៅកាន់អ្នកឧបត្ថម្ភគម្រោងឃ្លាំងទិន្នន័យ នាយក និង/ឬអ្នកគ្រប់គ្រងគម្រោង។ ទីបី កម្រងសំណួរតាមប្រៃសណីយ៍គឺសមរម្យនៅពេលដែលមានបញ្ជីសំបុត្ររួមដែលមានសុវត្ថិភាព (Salant and Dilman 1994)។ TDWI ក្នុងករណីនេះ សមាគមឃ្លាំងផ្ទុកទិន្នន័យដែលគួរឱ្យទុកចិត្តបានផ្តល់បញ្ជីសំបុត្ររួមរបស់សមាជិកអូស្ត្រាលីរបស់ខ្លួន។ អត្ថប្រយោជន៍មួយទៀតនៃកម្រងសំណួរតាមប្រៃសណីយ៍លើកម្រងសំណួរតាមទូរស័ព្ទ ឬការសំភាសន៍ផ្ទាល់ខ្លួន គឺថាវាអនុញ្ញាតឱ្យអ្នកឆ្លើយឆ្លើយតបកាន់តែត្រឹមត្រូវ ជាពិសេសនៅពេលដែលអ្នកឆ្លើយត្រូវពិគ្រោះជាមួយកំណត់ចំណាំ ឬពិភាក្សាសំណួរជាមួយមនុស្សផ្សេងទៀត (Fowler 1988)។

គុណវិបត្តិដែលអាចកើតមានអាចជាពេលវេលាដែលត្រូវការដើម្បីធ្វើកម្រងសំណួរតាមសំបុត្រ។ ជាធម្មតា ការស្ទង់មតិតាមសំបុត្រត្រូវបានធ្វើឡើងតាមលំដាប់លំដោយនេះ៖ សំបុត្រសំបុត្រ រង់ចាំការឆ្លើយតប និងផ្ញើការបញ្ជាក់ (Fowler 1988, Bainbridge 1989)។ ដូច្នេះ ពេលវេលាសរុបអាចយូរជាងពេលវេលាដែលត្រូវការសម្រាប់ការសម្ភាសន៍ផ្ទាល់ខ្លួន ឬការសម្ភាសន៍តាមទូរស័ព្ទ។ ទោះជាយ៉ាងណាក៏ដោយពេលវេលាសរុបអាចត្រូវបានគេដឹងជាមុន (Fowler 1988, Denscombe 1998) ។ ពេលវេលាដែលចំណាយក្នុងការសម្ភាសន៍ផ្ទាល់ខ្លួនមិនអាចដឹងជាមុនបានទេព្រោះវាប្រែប្រួលពីការសម្ភាសន៍មួយទៅមួយទៀត (Fowler 1988)។ ការសំភាសន៍តាមទូរស័ព្ទអាចលឿនជាងកម្រងសំណួរប្រៃសណីយ៍ និងសំភាសន៍ផ្ទាល់ខ្លួន ប៉ុន្តែអាចមានអត្រាមិនឆ្លើយតបខ្ពស់ ដោយសារមនុស្សមួយចំនួនមិនមាន (Fowler 1988)។ លើសពីនេះ ការសំភាសន៍តាមទូរស័ព្ទ ជាទូទៅត្រូវបានកំណត់ចំពោះបញ្ជីសំណួរខ្លីៗ (Bainbridge 1989)។

ចំណុចខ្សោយមួយទៀតនៃកម្រងសំណួរតាមសំបុត្រគឺអត្រាមិនឆ្លើយតបខ្ពស់ (Fowler 1988, Bainbridge 1989, Neuman 1994)។ ទោះជាយ៉ាងណាក៏ដោយ វិធានការតបតត្រូវបានធ្វើឡើងដោយការភ្ជាប់ការសិក្សានេះជាមួយស្ថាប័នផ្ទុកទិន្នន័យដែលអាចទុកចិត្តបាន (ឧ. TDWI) (Bainbridge 1989, Neuman 1994) ដែលផ្ញើលិខិតរំលឹកចំនួនពីរទៅអ្នកដែលមិនឆ្លើយតប (Fowler 1988, Neuman 1994) និងរួមបញ្ចូលផងដែរនូវលិខិតបន្ថែមមួយ។ ការពន្យល់ពីគោលបំណងនៃការសិក្សា (Neuman 1994) ។

៣.៤.២. ឯកតានៃការវិភាគ

គោលបំណងនៃការសិក្សានេះគឺដើម្បីទទួលបានព័ត៌មានអំពីការអនុវត្តការផ្ទុកទិន្នន័យ និងការប្រើប្រាស់របស់វានៅក្នុងអង្គការអូស្ត្រាលី។ ប្រជាជនគោលដៅមានអង្គការអូស្ត្រាលីទាំងអស់ដែលបានអនុវត្ត ឬកំពុងអនុវត្ត អាយ ឃ្លាំងទិន្នន័យ. បន្ទាប់មកអង្គការបុគ្គលត្រូវបានចុះឈ្មោះក្នុងនាម។ កម្រងសំណួរត្រូវបានផ្ញើតាមប្រៃសណីយ៍ទៅកាន់អង្គការដែលចាប់អារម្មណ៍ក្នុងការទទួលយក ឃ្លាំងទិន្នន័យ. វិធីសាស្រ្តនេះធានាថាព័ត៌មានដែលប្រមូលបានមកពីធនធានសមស្របបំផុតនៃអង្គការដែលចូលរួមនីមួយៗ។

៣.៤.៣. គំរូស្ទង់មតិ

"បញ្ជីសំបុត្ររួម" នៃអ្នកចូលរួមស្ទង់មតិត្រូវបានទទួលពី TDWI ។ ពីបញ្ជីនេះ អង្គការអូស្ត្រាលីចំនួន 3000 ត្រូវបានជ្រើសរើសជាមូលដ្ឋានសម្រាប់ការយកគំរូតាម។ លិខិតបន្ថែមដែលពន្យល់ពីគម្រោង និងគោលបំណងនៃការស្ទង់មតិ រួមជាមួយនឹងសន្លឹកចម្លើយ និងស្រោមសំបុត្រដែលបង់ប្រាក់ជាមុនសម្រាប់ការប្រគល់កម្រងសំណួរដែលបានបញ្ចប់ត្រូវបានផ្ញើទៅកាន់គំរូ។ ក្នុងចំណោមអង្គការចំនួន 3000 មាន 198 បានយល់ព្រមចូលរួមក្នុងការសិក្សានេះ។ ការឆ្លើយតបមួយចំនួនតូចបែបនេះត្រូវបានរំពឹងទុក ដាដូ។ អង្គការអូស្ត្រាលីមួយចំនួនធំដែលបន្ទាប់មកបានទទួលយក ឬកំពុងទទួលយកយុទ្ធសាស្រ្តឃ្លាំងទិន្នន័យនៅក្នុងអង្គការរបស់ពួកគេ។ ដូច្នេះ ប្រជាជនគោលដៅសម្រាប់ការសិក្សានេះមានត្រឹមតែ 198 អង្គការប៉ុណ្ណោះ។

៣.៤.៤. ខ្លឹមសារនៃកម្រងសំណួរ

រចនាសម្ព័ន្ធនៃកម្រងសំណួរគឺផ្អែកលើគំរូឃ្លាំងទិន្នន័យ Monash (បានពិភាក្សាពីមុនក្នុងផ្នែក 2.3)។ ខ្លឹមសារនៃកម្រងសំណួរគឺផ្អែកលើការវិភាគអក្សរសិល្ប៍ដែលបង្ហាញក្នុងជំពូកទី 2។ ច្បាប់ចម្លងនៃកម្រងសំណួរដែលបានផ្ញើទៅអ្នកចូលរួមក្នុងការស្ទង់មតិអាចរកបាននៅក្នុងឧបសម្ព័ន្ធ B. កម្រងសំណួរមានប្រាំមួយផ្នែក ដែលធ្វើតាមដំណាក់កាលនៃគំរូដែលបានគ្របដណ្តប់។ កថាខណ្ឌទាំងប្រាំមួយខាងក្រោមនេះសង្ខេបខ្លឹមសារនៃផ្នែកនីមួយៗដោយសង្ខេប។

ផ្នែក A៖ ព័ត៌មានមូលដ្ឋានអំពីអង្គការ
ផ្នែកនេះមានសំណួរទាក់ទងនឹងប្រវត្តិរូបរបស់អង្គការដែលចូលរួម។ លើសពីនេះទៀត សំណួរមួយចំនួនទាក់ទងនឹងស្ថានភាពគម្រោងឃ្លាំងទិន្នន័យរបស់អ្នកចូលរួម។ ព័ត៌មានសម្ងាត់ដូចជាឈ្មោះរបស់អង្គការមិនត្រូវបានបង្ហាញនៅក្នុងការវិភាគស្ទង់មតិទេ។

ផ្នែក B: ការចាប់ផ្តើម
សំណួរនៅក្នុងផ្នែកនេះគឺទាក់ទងទៅនឹងភារកិច្ចនៃការចាប់ផ្តើមឃ្លាំងទិន្នន័យ។ សំណួរត្រូវបានសួរទាក់ទងនឹងអ្នកផ្តួចផ្តើមគម្រោង អ្នកធានា ជំនាញ និងចំណេះដឹងដែលត្រូវការ គោលបំណងនៃការអភិវឌ្ឍន៍ឃ្លាំងទិន្នន័យ និងការរំពឹងទុករបស់អ្នកប្រើប្រាស់ចុងក្រោយ។

ផ្នែក C: ការរចនា
ផ្នែកនេះមានសំណួរទាក់ទងនឹងសកម្មភាពធ្វើផែនការ ឃ្លាំងទិន្នន័យ. ជាពិសេស សំណួរគឺអំពីវិសាលភាពនៃការអនុវត្ត រយៈពេលនៃគម្រោង ការចំណាយលើគម្រោង និងការវិភាគតម្លៃ/អត្ថប្រយោជន៍។

ផ្នែក D: ការអភិវឌ្ឍន៍
នៅក្នុងផ្នែកអភិវឌ្ឍន៍ មានសំណួរទាក់ទងនឹងសកម្មភាពអភិវឌ្ឍន៍របស់ ស ឃ្លាំងទិន្នន័យ៖ បណ្តុំនៃតម្រូវការអ្នកប្រើប្រាស់ចុងក្រោយ ប្រភពនៃ dati, គំរូឡូជីខលនៃ datiគំរូដើម ផែនការសមត្ថភាព ស្ថាបត្យកម្មបច្ចេកទេស និងការជ្រើសរើសឧបករណ៍អភិវឌ្ឍន៍ឃ្លាំងទិន្នន័យ។

ផ្នែក E: ប្រតិបត្តិការ
សំណួរប្រតិបត្តិការទាក់ទងនឹងប្រតិបត្តិការ និងការពង្រីកនៃ ឃ្លាំងទិន្នន័យរបៀបដែលវាវិវត្តនៅក្នុងដំណាក់កាលបន្ទាប់នៃការអភិវឌ្ឍន៍។ នៅទីនោះ គុណភាពទិន្នន័យយុទ្ធសាស្រ្តធ្វើឱ្យស្រស់របស់ dati, ភាពលម្អិតនៃ dati, វិសាលភាពនៃ ឃ្លាំងទិន្នន័យ និងបញ្ហាសន្តិសុខរបស់ ឃ្លាំងទិន្នន័យ ស្ថិតក្នុងចំណោមប្រភេទនៃសំណួរដែលបានសួរ។

ផ្នែក F៖ ការអភិវឌ្ឍន៍
ផ្នែកនេះមានសំណួរទាក់ទងនឹងការប្រើប្រាស់ ឃ្លាំងទិន្នន័យ ដោយអ្នកប្រើប្រាស់ចុងក្រោយ។ អ្នកស្រាវជ្រាវចាប់អារម្មណ៍លើគោលបំណង និងអត្ថប្រយោជន៍នៃ ឃ្លាំងទិន្នន័យយុទ្ធសាស្រ្តត្រួតពិនិត្យ និងបណ្តុះបណ្តាលដែលបានអនុម័ត និងយុទ្ធសាស្ត្រត្រួតពិនិត្យ ឃ្លាំងទិន្នន័យ បានអនុម័ត។

៣.៤.៥. អត្រាឆ្លើយតប

ទោះបីជាការស្ទង់មតិតាមប្រៃសណីយ៍ត្រូវបានគេរិះគន់ថាមានអត្រាឆ្លើយតបទាបក៏ដោយ ក៏វិធានការត្រូវបានគេយកទៅបង្កើនអត្រាត្រឡប់មកវិញ (ដូចដែលបានពិភាក្សាពីមុនក្នុងផ្នែក 3.4.1)។ ពាក្យ 'អត្រាឆ្លើយតប' សំដៅលើភាគរយនៃមនុស្សនៅក្នុងគំរូស្ទង់មតិជាក់លាក់ដែលឆ្លើយតបទៅនឹងកម្រងសំណួរ (Denscombe 1998)។ រូបមន្តខាងក្រោមត្រូវបានប្រើដើម្បីគណនាអត្រាឆ្លើយតបសម្រាប់ការសិក្សានេះ៖

ចំនួនមនុស្សដែលបានឆ្លើយតប
អត្រាឆ្លើយតប = ——————————————————————————– X 100 ចំនួនសរុបនៃកម្រងសំណួរដែលបានផ្ញើ

៣.៤.៦. តេស្តសាកល្បង

មុនពេលដែលកម្រងសំណួរត្រូវបានផ្ញើទៅកាន់គំរូ សំណួរត្រូវបានពិនិត្យដោយការធ្វើតេស្តសាកល្បង ដូចដែលបានស្នើដោយ Luck and Rubin (1987), Jackson (1988) និង de Vaus (1991)។ គោលបំណងនៃការធ្វើតេស្តសាកល្បងគឺដើម្បីបង្ហាញពីការបញ្ចេញមតិ និងសំណួរដែលមិនច្បាស់លាស់ណាមួយដែលពិបាកបកស្រាយ បញ្ជាក់ពីនិយមន័យ និងពាក្យដែលបានប្រើ និងដើម្បីកំណត់ពេលវេលាប្រហាក់ប្រហែលដែលត្រូវការដើម្បីបំពេញកម្រងសំណួរ (Warwick and Lininger 1975, Jackson 1988, Salant និង Dilman 1994)។ ការធ្វើតេស្តសាកល្បងត្រូវបានអនុវត្តដោយជ្រើសរើសមុខវិជ្ជាដែលមានលក្ខណៈស្រដៀងនឹងមុខវិជ្ជាចុងក្រោយ ដូចដែលបានណែនាំដោយ Davis e Cosenza (១៩៩៣)។ នៅក្នុងការសិក្សានេះ អ្នកជំនាញផ្នែកឃ្លាំងទិន្នន័យចំនួនប្រាំមួយនាក់ត្រូវបានជ្រើសរើសជាមុខវិជ្ជាសាកល្បង។ បន្ទាប់ពីការធ្វើតេស្តសាកល្បងនីមួយៗ ការកែតម្រូវចាំបាច់ត្រូវបានធ្វើឡើង។ ពីការធ្វើតេស្តសាកល្បងដែលបានអនុវត្ត អ្នកចូលរួមបានចូលរួមចំណែកក្នុងការកែប្រែ និងកំណត់កំណែចុងក្រោយនៃកម្រងសំណួរឡើងវិញ។

៣.៤.៧. វិធីសាស្រ្តវិភាគដោយ Dati

I dati ការស្ទង់មតិដែលប្រមូលបានពីកម្រងសំណួរបិទបញ្ចប់ត្រូវបានវិភាគដោយប្រើកញ្ចប់កម្មវិធីស្ថិតិហៅថា SPSS ។ ការឆ្លើយតបជាច្រើនត្រូវបានវិភាគដោយប្រើស្ថិតិពិពណ៌នា។ កម្រងសំណួរមួយចំនួនត្រូវបានប្រគល់មកវិញមិនពេញលេញ។ ទាំង​នេះ​ត្រូវ​បាន​ព្យាបាល​ដោយ​ការ​យក​ចិត្ត​ទុក​ដាក់​កាន់​តែ​ខ្លាំង​ដើម្បី​ធានា​ថា i dati ការបាត់ខ្លួនមិនមែនជាផលវិបាកនៃកំហុសក្នុងការបញ្ចូលទិន្នន័យនោះទេ ប៉ុន្តែដោយសារតែសំណួរមិនសមរម្យសម្រាប់អ្នកចុះឈ្មោះ ឬអ្នកចុះឈ្មោះបានសម្រេចចិត្តមិនឆ្លើយសំណួរជាក់លាក់មួយ ឬច្រើន។ ការឆ្លើយតបដែលបាត់ទាំងនេះមិនត្រូវបានអើពើកំឡុងពេលវិភាគ dati ហើយត្រូវបានសរសេរកូដជា '-9' ដើម្បីធានាការដកចេញពីដំណើរការវិភាគ។

នៅពេលរៀបចំកម្រងសំណួរ សំណួរបិទត្រូវបានសរសេរជាមុនដោយកំណត់លេខទៅជម្រើសនីមួយៗ។ បន្ទាប់មកលេខត្រូវបានប្រើដើម្បីរៀបចំ dati ក្នុងអំឡុងពេលនៃការវិភាគ (Denscombe 1998, Sapsford និង Jupp 1996) ។ ជាឧទាហរណ៍ មានជម្រើសចំនួនប្រាំមួយដែលបានរាយក្នុងសំណួរទី 1 នៃផ្នែក B: ក្រុមប្រឹក្សាភិបាល នាយកប្រតិបត្តិជាន់ខ្ពស់ នាយកដ្ឋានព័ត៌មានវិទ្យា អង្គភាពអាជីវកម្ម ទីប្រឹក្សា និងផ្សេងទៀត។ នៅក្នុងឯកសាររបស់ dati នៃ SPSS អថេរមួយត្រូវបានបង្កើតដើម្បីចង្អុលបង្ហាញ 'អ្នកផ្តួចផ្តើមគម្រោង' ជាមួយនឹងស្លាកតម្លៃប្រាំមួយ: '1' សម្រាប់ 'ក្រុមប្រឹក្សាភិបាល', '2' សម្រាប់ 'នាយកប្រតិបត្តិជាន់ខ្ពស់' និងផ្សេងៗទៀតនៅលើផ្លូវ។ ការប្រើប្រាស់មាត្រដ្ឋាន Likertin នៅក្នុងសំណួរបិទមួយចំនួនក៏បានអនុញ្ញាតសម្រាប់ការកំណត់អត្តសញ្ញាណដោយមិនខិតខំប្រឹងប្រែងដែលបានផ្តល់ឱ្យការប្រើប្រាស់តម្លៃលេខដែលត្រូវគ្នាដែលបានបញ្ចូលទៅក្នុង SPSS ។ សម្រាប់សំណួរដែលមានចម្លើយមិនគ្រប់ជ្រុងជ្រោយ ដែលមិនមានផ្តាច់មុខទៅវិញទៅមក ជម្រើសនីមួយៗត្រូវបានចាត់ទុកជាអថេរតែមួយដែលមានស្លាកតម្លៃពីរ៖ '1' សម្រាប់ 'សម្គាល់' និង '2' សម្រាប់ 'មិនបានសម្គាល់' ។

សំណួរបើកចំហត្រូវបានចាត់ទុកខុសពីសំណួរបិទ។ ចម្លើយចំពោះសំណួរទាំងនេះមិនត្រូវបានបញ្ចូលទៅក្នុង SPSS ទេ។ ផ្ទុយទៅវិញ ពួកគេត្រូវបានវិភាគដោយដៃ។ ការប្រើប្រាស់សំណួរប្រភេទនេះអនុញ្ញាតឱ្យយើងទទួលបានព័ត៌មានអំពីគំនិតដែលបានបង្ហាញដោយសេរី និងបទពិសោធន៍ផ្ទាល់ខ្លួនរបស់អ្នកឆ្លើយសំណួរ (Bainbridge 1989, Denscombe 1998)។ ក្នុងករណីដែលអាចធ្វើទៅបាន ការបែងចែកប្រភេទនៃការឆ្លើយតបត្រូវបានធ្វើឡើង។

សម្រាប់ការវិភាគ datiវិធីសាស្ត្រវិភាគស្ថិតិសាមញ្ញត្រូវបានប្រើ ដូចជាប្រេកង់ឆ្លើយតប មធ្យម គម្លាតស្តង់ដារ និងមធ្យម (Argyrous 1996, Denscombe 1998)។
ការធ្វើតេស្តហ្គាម៉ាកំពុងដំណើរការយ៉ាងល្អសម្រាប់ការទទួលបានវិធានការបរិមាណនៃទំនាក់ទំនងរវាង dati ពិធីបរិសុទ្ធ (Norusis 1983, Argyrous 1996) ។ ការធ្វើតេស្តទាំងនេះគឺសមរម្យ ពីព្រោះមាត្រដ្ឋានធម្មតាដែលប្រើមិនមានច្រើនប្រភេទ ហើយអាចបង្ហាញក្នុងតារាងមួយ (Norusis 1983)។

៣ សោម ម៉ារីយ៉ូ

នៅក្នុងជំពូកនេះ វិធីសាស្រ្តស្រាវជ្រាវ និងការរចនាដែលបានអនុម័តសម្រាប់ការសិក្សានេះត្រូវបានពិភាក្សា។

ការជ្រើសរើសវិធីសាស្រ្តស្រាវជ្រាវដែលសមស្របបំផុតសម្រាប់ការសិក្សាជាក់លាក់មួយត្រូវយកមកពិចារណា
ការពិចារណាលើច្បាប់មួយចំនួន រួមទាំងធម្មជាតិ និងប្រភេទនៃការស្រាវជ្រាវ ក៏ដូចជាគុណសម្បត្តិ និងភាពទន់ខ្សោយនៃវិធីសាស្ត្រនីមួយៗដែលអាចធ្វើទៅបាន (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, yin 1989, Hamilton and ives 1992, Galliers 1992, Neuman 1994)។ ដោយសារកង្វះចំណេះដឹង និងទ្រឹស្តីដែលមានស្រាប់ជុំវិញការទទួលយកឃ្លាំងទិន្នន័យក្នុងប្រទេសអូស្ត្រាលី ការសិក្សាស្រាវជ្រាវនេះទាមទារវិធីសាស្ត្រស្រាវជ្រាវបកស្រាយជាមួយនឹងសមត្ថភាពរុករកដើម្បីស្វែងរកបទពិសោធន៍របស់អង្គការអូស្ត្រាលី។ វិធីសាស្រ្តស្រាវជ្រាវដែលបានជ្រើសរើសត្រូវបានជ្រើសរើសដើម្បីប្រមូលព័ត៌មានទាក់ទងនឹងការទទួលយកគំនិតនៃឃ្លាំងទិន្នន័យដោយអង្គការអូស្ត្រាលី។ កម្រងសំណួរប្រៃសណីយ៍ត្រូវបានជ្រើសរើសជាបច្ចេកទេសប្រមូល dati. យុត្តិកម្មសម្រាប់វិធីសាស្រ្តស្រាវជ្រាវ និងបច្ចេកទេសប្រមូល dati ដែលបានជ្រើសរើសនឹងត្រូវបានផ្តល់ជូននៅក្នុងជំពូកនេះ។ លើសពីនេះ ការពិភាក្សាត្រូវបានបង្ហាញលើឯកតានៃការវិភាគ គំរូដែលបានប្រើ ចំនួនភាគរយនៃការឆ្លើយតប ខ្លឹមសារនៃកម្រងសំណួរ ការធ្វើតេស្តមុននៃកម្រងសំណួរ និងវិធីសាស្រ្តនៃការវិភាគនៃ dati.

រចនាក ឃ្លាំង​ទិន្នន័យ:

ការរួមបញ្ចូលគ្នានៃទំនាក់ទំនងអង្គភាព និងគំរូវិមាត្រ

អរូបី
ការផ្ទុក i dati គឺជាបញ្ហាសំខាន់នាពេលបច្ចុប្បន្នសម្រាប់អង្គការជាច្រើន។ បញ្ហាសំខាន់ក្នុងការអភិវឌ្ឍន៍ការផ្ទុកកុំព្យូទ័រ dati វាជាការរចនារបស់គាត់។
ការរចនាត្រូវតែគាំទ្រដល់ការរកឃើញនៃគំនិតនៅក្នុង ឃ្លាំងទិន្នន័យ ប្រព័ន្ធកេរ្តិ៍ដំណែល និងប្រភពផ្សេងៗទៀតនៃ dati ហើយក៏ងាយយល់ និងប្រសិទ្ធភាពក្នុងការអនុវត្ត ឃ្លាំងទិន្នន័យ.
ភាគច្រើននៃអក្សរសិល្ប៍ផ្ទុករបស់ dati ផ្តល់អនុសាសន៍ឱ្យប្រើគំរូទំនាក់ទំនងអង្គភាព ឬគំរូវិមាត្រ ដើម្បីតំណាងឱ្យការរចនា ឃ្លាំងទិន្នន័យ.
នៅក្នុងក្រដាសនេះ យើងបង្ហាញពីរបៀបដែលតំណាងទាំងពីរអាចត្រូវបានបញ្ចូលគ្នានៅក្នុងវិធីសាស្រ្តមួយសម្រាប់ការគូរ ឃ្លាំងទិន្នន័យ. វិធីសាស្រ្តដែលបានប្រើគឺមានលក្ខណៈជាប្រព័ន្ធ

ពិនិត្យនៅក្នុងករណីសិក្សា និងត្រូវបានកំណត់អត្តសញ្ញាណនៅក្នុងផលប៉ះពាល់សំខាន់ៗមួយចំនួនជាមួយអ្នកអនុវត្ត។

ការស្តុកទុកទិន្នន័យ

Un ឃ្លាំងទិន្នន័យ ជាធម្មតាវាត្រូវបានកំណត់ថាជា "ការប្រមូលទិន្នន័យដែលផ្តោតលើប្រធានបទ រួមបញ្ចូលគ្នា ពេលវេលា និងការប្រែប្រួលដែលមិនប្រែប្រួលក្នុងការគាំទ្រការសម្រេចចិត្តរបស់អ្នកគ្រប់គ្រង" (Inmon and Hackathorn, 1994) ។ ប្រធានបទតម្រង់ទិស និងរួមបញ្ចូលគ្នាបង្ហាញថា ឃ្លាំងទិន្នន័យ ត្រូវបានរចនាឡើងដើម្បីឆ្លងកាត់ព្រំដែនមុខងារនៃប្រព័ន្ធ Legaci ដើម្បីផ្តល់នូវទស្សនវិស័យរួមបញ្ចូលគ្នា dati.
វ៉ារ្យ៉ង់ពេលវេលាប៉ះពាល់ដល់លក្ខណៈប្រវត្តិសាស្ត្រ ឬស៊េរីពេលវេលានៃ dati នៅក្នុង ឃ្លាំងទិន្នន័យដែលអាចឱ្យគេវិភាគនិន្នាការ។ មិនងាយនឹងបង្កជាហេតុបង្ហាញថា ឃ្លាំងទិន្នន័យ វាមិនត្រូវបានធ្វើបច្ចុប្បន្នភាពជាបន្តបន្ទាប់ដូចជា a មូលដ្ឋានទិន្នន័យ នៃ OLTP ។ ផ្ទុយទៅវិញវាត្រូវបានធ្វើបច្ចុប្បន្នភាពជាទៀងទាត់ជាមួយ dati មកពីប្រភពខាងក្នុង និងខាងក្រៅ។ នេះ។ ឃ្លាំងទិន្នន័យ វាត្រូវបានរចនាឡើងជាពិសេសសម្រាប់ការស្វែងរក ជាជាងធ្វើបច្ចុប្បន្នភាពភាពសុចរិត និងប្រតិបត្តិការប្រតិបត្តិការ។
គំនិតនៃការរក្សាទុក i dati មិនមែនជារឿងថ្មីទេ វាគឺជាគោលបំណងមួយក្នុងការគ្រប់គ្រង dati ចាប់តាំងពីទសវត្សរ៍ទី 1982 (The Martin, XNUMX) ។
I ឃ្លាំងទិន្នន័យ ពួកគេផ្តល់ហេដ្ឋារចនាសម្ព័ន្ធ dati សម្រាប់ប្រព័ន្ធគាំទ្រការគ្រប់គ្រង។ ប្រព័ន្ធគាំទ្រការគ្រប់គ្រងរួមមានប្រព័ន្ធគាំទ្រការសម្រេចចិត្ត (DSS) និងប្រព័ន្ធព័ត៌មានប្រតិបត្តិ (EIS) ។ DSS គឺជាប្រព័ន្ធព័ត៌មានផ្អែកលើកុំព្យូទ័រដែលត្រូវបានរចនាឡើងដើម្បីកែលម្អការសម្រេចចិត្តរបស់មនុស្ស។ ជាទូទៅ EIS គឺជាប្រព័ន្ធចែកចាយ dati ដែលអាចឱ្យអ្នកដឹកនាំអាជីវកម្មអាចចូលមើលបានយ៉ាងងាយស្រួល dati.
ស្ថាបត្យកម្មទូទៅរបស់ អ ឃ្លាំងទិន្នន័យ គូសបញ្ជាក់តួនាទីរបស់ ឃ្លាំងទិន្នន័យ នៅក្នុងការគាំទ្រផ្នែកគ្រប់គ្រង។ ក៏ដូចជាការផ្តល់ហេដ្ឋារចនាសម្ព័ន្ធផងដែរ។ dati សម្រាប់ EIS និង DSS, al ឃ្លាំងទិន្នន័យ វាអាចត្រូវបានចូលដំណើរការដោយផ្ទាល់តាមរយៈសំណួរ។ ធី dati រួមបញ្ចូលក្នុង ក ឃ្លាំងទិន្នន័យ ត្រូវបានផ្អែកលើការវិភាគនៃតម្រូវការព័ត៌មានគ្រប់គ្រង ហើយទទួលបានពីប្រភពបី៖ ប្រព័ន្ធកេរ្តិ៍ដំណែលខាងក្នុង ប្រព័ន្ធចាប់យកទិន្នន័យគោលបំណងពិសេស និងប្រភពទិន្នន័យខាងក្រៅ។ ធី dati នៅក្នុងប្រព័ន្ធកេរ្តិ៍ដំណែលខាងក្នុង ពួកវាច្រើនតែប្រើដដែលៗ មិនស៊ីសង្វាក់គ្នា មានគុណភាពទាប ហើយត្រូវបានរក្សាទុកក្នុងទម្រង់ផ្សេងៗគ្នា ដូច្នេះពួកគេត្រូវតែផ្សះផ្សា និងសម្អាតមុនពេលពួកវាអាចផ្ទុកទៅក្នុង

ឃ្លាំងទិន្នន័យ (Inmon, 1992; McFadden, 1996)។ ធី dati មកពីប្រព័ន្ធផ្ទុក dati ad hoc និងពីប្រភព dati ខាងក្រៅត្រូវបានគេប្រើជាញឹកញាប់ដើម្បីបង្កើន (ធ្វើបច្ចុប្បន្នភាពជំនួស) i dati ពីប្រព័ន្ធកេរ្តិ៍ដំណែល។

មានហេតុផលគួរឱ្យទាក់ទាញជាច្រើនក្នុងការអភិវឌ្ឍន៍ ក ឃ្លាំងទិន្នន័យដែលរាប់បញ្ចូលទាំងការធ្វើសេចក្តីសម្រេចដែលប្រសើរឡើងតាមរយៈការប្រើប្រាស់ប្រកបដោយប្រសិទ្ធភាពនៃព័ត៌មានបន្ថែម (Ives 1995) ការគាំទ្រសម្រាប់ការផ្តោតលើកិច្ចព្រមព្រៀងទាំងមូល (Graham 1996) និងការកាត់បន្ថយ dati សម្រាប់ EIS និង DSS (Graham 1996, McFadden 1996)។

ការសិក្សាជាក់ស្តែងនាពេលថ្មីៗនេះ បានរកឃើញថា ជាមធ្យម ការត្រឡប់មកវិញលើការវិនិយោគសម្រាប់ ឃ្លាំងទិន្នន័យ 401% បន្ទាប់ពីបីឆ្នាំ (Graham, 1996) ។ ទោះយ៉ាងណាក៏ដោយ ការសិក្សាជាក់ស្តែងផ្សេងទៀតរបស់ ឃ្លាំងទិន្នន័យ បានរកឃើញបញ្ហាសំខាន់ៗ រួមមានការលំបាកក្នុងការវាស់វែង និងផ្តល់អត្ថប្រយោជន៍ កង្វះគោលបំណងច្បាស់លាស់ ការប៉ាន់ស្មានគោលបំណង និងភាពស្មុគស្មាញនៃដំណើរការរក្សាទុកអត្ថប្រយោជន៍។ datiជាពិសេសទាក់ទងនឹងប្រភព និងភាពស្អាតស្អំ dati. ការផ្ទុក i dati អាចចាត់ទុកថាជាដំណោះស្រាយចំពោះបញ្ហាគ្រប់គ្រង dati រវាងអង្គការ។ ឧបាយកលនៃ dati ជាធនធានសង្គម វានៅតែជាបញ្ហាសំខាន់មួយក្នុងការគ្រប់គ្រងប្រព័ន្ធព័ត៌មានជុំវិញពិភពលោកអស់រយៈពេលជាច្រើនឆ្នាំ (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993)។

វិធីសាស្រ្តពេញនិយមក្នុងការគ្រប់គ្រង dati នៅក្នុងទសវត្សរ៍ទី 80 វាគឺជាការអភិវឌ្ឍន៍នៃគំរូមួយ។ dati សង្គម។ គំរូ dati សង្គមត្រូវបានរចនាឡើងដើម្បីផ្តល់នូវមូលដ្ឋានស្ថិរភាពសម្រាប់ការអភិវឌ្ឍន៍ប្រព័ន្ធកម្មវិធីថ្មី និង មូលដ្ឋានទិន្នន័យ និងការកសាងឡើងវិញ និងការរួមបញ្ចូលប្រព័ន្ធកេរ្តិ៍ដំណែល (Brancheau et al.

ឆ្នាំ 1989, Goodhue et al ។ ឆ្នាំ 1988: 1992, Kim and Everest 1994)។ ទោះបីជាយ៉ាងណាក៏ដោយ មានបញ្ហាជាច្រើនជាមួយនឹងវិធីសាស្រ្តនេះ ជាពិសេសភាពស្មុគស្មាញ និងការចំណាយនៃកិច្ចការនីមួយៗ និងរយៈពេលវែងដែលទាមទារដើម្បីបង្កើតលទ្ធផលជាក់ស្តែង (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997 )

Il ឃ្លាំងទិន្នន័យ វាជាមូលដ្ឋានទិន្នន័យដាច់ដោយឡែកដែលរួមរស់ជាមួយមូលដ្ឋានទិន្នន័យចាស់ ជាជាងការជំនួសពួកគេ។ ដូច្នេះវាអនុញ្ញាតឱ្យអ្នកដឹកនាំការគ្រប់គ្រង dati និងជៀសវាងការកសាងឡើងវិញនូវប្រព័ន្ធកេរដំណែលដែលមានតម្លៃថ្លៃ។

វិធីសាស្រ្តដែលមានស្រាប់ចំពោះការរចនាទិន្នន័យ

ឃ្លាំង

ដំណើរការនៃការកសាង និងធ្វើឱ្យល្អឥតខ្ចោះ ក ឃ្លាំងទិន្នន័យ វា​គួរ​តែ​ត្រូវ​បាន​យល់​បន្ថែម​ទៀត​ថា​ជា​ដំណើរ​ការ​វិវត្តន៍​ជា​ជាង​ដំណើរ​ជីវិត​នៃ​ការ​អភិវឌ្ឍ​នៃ​ប្រព័ន្ធ​ប្រពៃណី (ដេស៊ីអូ, 1995, Shanks, O'Donnell និង Arnott 1997a)។ មានដំណើរការជាច្រើនដែលពាក់ព័ន្ធនឹងគម្រោងមួយ។ ឃ្លាំងទិន្នន័យ ដូចជាការចាប់ផ្តើម, ការធ្វើផែនការ; ព័ត៌មានដែលទទួលបានពីតម្រូវការដែលបានសួរពីអ្នកគ្រប់គ្រងក្រុមហ៊ុន; ប្រភព ការផ្លាស់ប្តូរ ការសម្អាត dati និងការធ្វើសមកាលកម្មពីប្រព័ន្ធកេរ្តិ៍ដំណែល និងប្រភពផ្សេងទៀត។ dati; ប្រព័ន្ធចែកចាយក្នុងការអភិវឌ្ឍន៍; ការត្រួតពិនិត្យ ឃ្លាំងទិន្នន័យ; និងភាពគ្មានន័យនៃដំណើរការវិវត្តន៍ និងការស្ថាបនា ក ឃ្លាំងទិន្នន័យ (Stinchi, O'Donnell និង Arnott 1997b) ។ នៅក្នុងទិនានុប្បវត្តិនេះ យើងផ្តោតលើរបៀបគូររូប dati រក្សាទុកក្នុងបរិបទនៃដំណើរការផ្សេងទៀតទាំងនេះ។ មានវិធីសាស្រ្តមួយចំនួនដែលបានស្នើឡើងចំពោះស្ថាបត្យកម្ម ឃ្លាំងទិន្នន័យ នៅក្នុងអក្សរសិល្ប៍ (Inmon 1994, Ives 1995, Kimball 1994 McFadden 1996)។ វិធីសាស្រ្តទាំងនេះនីមួយៗមានការពិនិត្យឡើងវិញសង្ខេបជាមួយនឹងការវិភាគអំពីភាពខ្លាំង និងចំណុចខ្សោយរបស់ពួកគេ។

វិធីសាស្រ្តរបស់ Inmon (1994) សម្រាប់ ឃ្លាំង​ទិន្នន័យ រចនាដោយ

Inmon (1994) បានស្នើឡើងនូវជំហានដដែលៗចំនួនបួនដើម្បីរចនា ក ឃ្លាំងទិន្នន័យ (សូមមើលរូបភាពទី 2) ។ ជំហានដំបូងគឺត្រូវរចនាគំរូ dati សង្គមដើម្បីយល់ពីរបៀបដែលខ្ញុំ dati ពួកគេអាចត្រូវបានរួមបញ្ចូលនៅទូទាំងតំបន់មុខងារនៅក្នុងអង្គការមួយដោយការបំបែក dati រក្សាទុកនៅក្នុងតំបន់។ គំរូ dati វាត្រូវបានបង្កើតឡើងសម្រាប់ការផ្ទុក dati ទាក់ទងនឹងការសម្រេចចិត្ត រួមទាំង dati ប្រវត្តិវិទូ និងរួមបញ្ចូល dati សរុបនិងកាត់ចេញ។ ជំហានទីពីរគឺកំណត់មុខវិជ្ជាសម្រាប់ការអនុវត្ត។ ទាំងនេះគឺផ្អែកលើអាទិភាពដែលកំណត់ដោយអង្គការជាក់លាក់មួយ។ ជំហានទីបីទាក់ទងនឹងការគូរ a មូលដ្ឋានទិន្នន័យ សម្រាប់ផ្នែកប្រធានបទ សូមយកចិត្តទុកដាក់ជាពិសេសទៅលើការរួមបញ្ចូលកម្រិតនៃកម្រិតសមស្រប។ Inmon ណែនាំអោយប្រើអង្គធាតុ និងគំរូទំនាក់ទំនង។ ជំហានទីបួនគឺដើម្បីកំណត់អត្តសញ្ញាណប្រព័ន្ធប្រភព dati ទាមទារ និងអភិវឌ្ឍដំណើរការបំប្លែងដើម្បីចាប់យក សម្អាត និងធ្វើទ្រង់ទ្រាយ i dati.

ចំណុចខ្លាំងនៃវិធីសាស្រ្តរបស់ Inmon គឺថាគំរូ dati សង្គមផ្តល់នូវមូលដ្ឋានសម្រាប់ការរួមបញ្ចូល dati នៅក្នុងអង្គការ និងការរៀបចំផែនការគាំទ្រសម្រាប់ការអភិវឌ្ឍឡើងវិញនៃ ឃ្លាំងទិន្នន័យ. គុណវិបត្តិរបស់វាគឺភាពលំបាក និងការចំណាយក្នុងការរចនាម៉ូដ dati សង្គម ការលំបាកក្នុងការយល់ដឹងអំពីគំរូនៃអង្គភាព និងទំនាក់ទំនងដែលប្រើក្នុងគំរូទាំងពីរ dati សង្គមនិងនោះ។ dati រក្សាទុកដោយប្រធានបទ និងភាពសមស្របនៃ dati នៃគំនូររបស់ ឃ្លាំងទិន្នន័យ សម្រាប់ការសម្រេចបាននៃ មូលដ្ឋានទិន្នន័យ ទំនាក់ទំនងប៉ុន្តែមិនមែនសម្រាប់ មូលដ្ឋានទិន្នន័យ ពហុវិមាត្រ។

Ives' (1995) វិធីសាស្រ្តទៅ ឃ្លាំង​ទិន្នន័យ រចនាដោយ

Ives (1995) ស្នើវិធីសាស្រ្តបួនជំហានក្នុងការរចនាប្រព័ន្ធព័ត៌មានដែលគាត់ជឿថាអាចអនុវត្តបានចំពោះការរចនានៃ ឃ្លាំងទិន្នន័យ (សូមមើលរូបភាពទី 3) ។ វិធីសាស្រ្តនេះគឺផ្អែកលើវិស្វកម្មព័ត៌មានសម្រាប់ការអភិវឌ្ឍន៍ប្រព័ន្ធព័ត៌មាន (Martin 1990)។ ជំហានដំបូងគឺត្រូវកំណត់គោលបំណង កត្តាសំខាន់ និងជោគជ័យ និងសូចនាករការអនុវត្តសំខាន់ៗ។ ដំណើរការអាជីវកម្មសំខាន់ៗ និងព័ត៌មានចាំបាច់ត្រូវបានយកគំរូតាម ដើម្បីនាំយើងទៅរកគំរូមួយ។ dati សង្គម។ ជំហ៊ានទីពីរពាក់ព័ន្ធនឹងការអភិវឌ្ឍន៍ស្ថាបត្យកម្មកំណត់ dati រក្សាទុកដោយតំបន់, មូលដ្ឋានទិន្នន័យ di ឃ្លាំងទិន្នន័យ, សមាសភាគបច្ចេកវិទ្យាដែលត្រូវបានទាមទារ, សំណុំនៃការគាំទ្ររបស់អង្គការតម្រូវឱ្យអនុវត្តនិងប្រតិបត្តិការជាមួយ ឃ្លាំងទិន្នន័យ. ជំហានទីបីរួមមានការជ្រើសរើសកញ្ចប់កម្មវិធី និងឧបករណ៍ដែលត្រូវការ។ ជំហាន​ទី​បួន​គឺ​ការ​រចនា​លម្អិត​និង​ការ​សាង​សង់​ ឃ្លាំងទិន្នន័យ. Ives កត់សម្គាល់ថាការរក្សាទុក dati វា​គឺ​ជា​ដំណើរ​ការ​ដែល​មាន​ការ​រឹត​បន្តឹង។

ចំណុចខ្លាំងនៃវិធីសាស្រ្ត Ives គឺការប្រើប្រាស់បច្ចេកទេសជាក់លាក់ដើម្បីកំណត់តម្រូវការព័ត៌មាន ការប្រើប្រាស់ដំណើរការដែលមានរចនាសម្ព័ន្ធដើម្បីគាំទ្រដល់ការរួមបញ្ចូលនៃ ឃ្លាំងទិន្នន័យការជ្រើសរើសផ្នែករឹង និងសូហ្វវែរសមស្រប និងការប្រើប្រាស់បច្ចេកទេសតំណាងច្រើនសម្រាប់ ឃ្លាំងទិន្នន័យ. គុណវិបត្តិរបស់វាមានជាប់នឹងភាពស្មុគស្មាញ។ ផ្សេងទៀតរួមមានការលំបាកក្នុងការអភិវឌ្ឍកម្រិតជាច្រើន។ មូលដ្ឋានទិន្នន័យ នៅក្នុង ឃ្លាំងទិន្នន័យ ក្នុងពេលវេលា និងការចំណាយសមរម្យ។

វិធីសាស្រ្តរបស់ Kimball (1994) ឃ្លាំង​ទិន្នន័យ រចនាដោយ

Kimball (1994) បានស្នើឡើងនូវជំហានដដែលៗចំនួនប្រាំ ដើម្បីរចនា ក ឃ្លាំងទិន្នន័យ (សូមមើលរូបភាពទី 4) ។ វិធីសាស្រ្តរបស់គាត់គឺផ្តោតជាពិសេសលើការរចនានៃទោលមួយ។ ឃ្លាំងទិន្នន័យ និងលើការប្រើប្រាស់គំរូវិមាត្រក្នុងចំណូលចិត្តចំពោះគំរូអង្គភាព និងទំនាក់ទំនង។ Kimball វិភាគគំរូវិមាត្រទាំងនោះ ព្រោះវាកាន់តែងាយស្រួលសម្រាប់អ្នកដឹកនាំអាជីវកម្មក្នុងការយល់ដឹងអំពីអាជីវកម្ម វាកាន់តែមានប្រសិទ្ធភាពនៅពេលដោះស្រាយជាមួយការប្រឹក្សាដ៏ស្មុគស្មាញ និងការរចនានៃ មូលដ្ឋានទិន្នន័យ រាងកាយមានប្រសិទ្ធភាពជាង (Kimball 1994) ។ Kimball ទទួល​ស្គាល់​ថា​ការ​វិវត្ត​នៃ​ក ឃ្លាំងទិន្នន័យ វាគឺជាការដដែលៗ ហើយនោះ។ ឃ្លាំងទិន្នន័យ តារាងដាច់ដោយឡែកអាចត្រូវបានរួមបញ្ចូលដោយបែងចែកពួកវាទៅជាតារាងនៃវិមាត្ររួម។

ជំហាន​ដំបូង​គឺ​ត្រូវ​កំណត់​មុខ​វិជ្ជា​ជាក់លាក់​ដើម្បី​ឱ្យ​បាន​ល្អ​ឥត​ខ្ចោះ។ ជំហានទីពីរ និងទីបីទាក់ទងនឹងការធ្វើគំរូវិមាត្រ។ នៅជំហានទីពីរ រង្វាស់កំណត់អ្វីដែលចាប់អារម្មណ៍លើប្រធានបទ ហើយដាក់ជាក្រុមទៅក្នុងតារាងការពិត។ ជាឧទាហរណ៍ នៅក្នុងតំបន់លក់ វិធានការនៃការប្រាក់អាចរួមបញ្ចូលចំនួនទំនិញដែលបានលក់ និងប្រាក់ដុល្លារជារូបិយប័ណ្ណលក់។ ជំហានទីបីពាក់ព័ន្ធនឹងការកំណត់អត្តសញ្ញាណវិមាត្រដែលជាវិធីដែលអង្គហេតុអាចត្រូវបានដាក់ជាក្រុម។ នៅក្នុងផ្នែកលក់ ទំហំដែលពាក់ព័ន្ធអាចរួមបញ្ចូលធាតុ ទីតាំង និងរយៈពេល។ តារាងការពិតមានកូនសោច្រើនផ្នែកដើម្បីភ្ជាប់វាទៅនឹងតារាងវិមាត្រនីមួយៗ ហើយជាធម្មតាមានអង្គហេតុមួយចំនួនធំ។ ផ្ទុយទៅវិញ តារាងវិមាត្រមានព័ត៌មានពិពណ៌នាអំពីវិមាត្រ និងគុណលក្ខណៈផ្សេងទៀត ដែលអាចត្រូវបានប្រើដើម្បីរៀបចំក្រុមការពិត។ តារាងវិមាត្រ និងការពិតដែលបានស្នើឡើងដែលពាក់ព័ន្ធបង្កើតបានជាអ្វីដែលហៅថាគ្រោងការណ៍ផ្កាយ ដោយសារតែរូបរាងរបស់វា។ ជំហាន​ទី​បួន​ទាក់ទង​នឹង​ការ​សាង​សង់ ក មូលដ្ឋានទិន្នន័យ ពហុវិមាត្រ ដើម្បីបំពេញលំនាំផ្កាយ។ ជំហានចុងក្រោយគឺដើម្បីកំណត់អត្តសញ្ញាណប្រព័ន្ធប្រភព dati ទាមទារ និងអភិវឌ្ឍដំណើរការបំប្លែងដើម្បីចាប់យក សម្អាត និងធ្វើទ្រង់ទ្រាយ i dati.

ភាពខ្លាំងនៃវិធីសាស្រ្តរបស់ Kimball រួមមានការប្រើប្រាស់គំរូវិមាត្រដើម្បីតំណាងឱ្យ dati រក្សាទុកដែលធ្វើឱ្យវាងាយស្រួលយល់ និងនាំទៅរកការរចនារូបវិទ្យាប្រកបដោយប្រសិទ្ធភាព។ គំរូវិមាត្រដែលងាយស្រួលប្រើប្រព័ន្ធទាំងពីរ មូលដ្ឋានទិន្នន័យ ទំនាក់ទំនងអាចល្អឥតខ្ចោះ ឬជាប្រព័ន្ធ មូលដ្ឋានទិន្នន័យ ពហុវិមាត្រ។ គុណវិបត្តិរបស់វារួមមានការខ្វះខាតបច្ចេកទេសមួយចំនួនដើម្បីជួយសម្រួលដល់ការធ្វើផែនការ ឬការរួមបញ្ចូលគំរូផ្កាយជាច្រើននៅក្នុង a ឃ្លាំងទិន្នន័យ និងការលំបាកក្នុងការរចនាពីរចនាសម្ព័ន្ធ denormalized ខ្លាំងទៅជាគំរូវិមាត្រ a dati នៅក្នុងប្រព័ន្ធកេរ្តិ៍ដំណែល។

McFadden's (1996) វិធីសាស្រ្តឆ្ពោះទៅរកទិន្នន័យ ការរចនាឃ្លាំង

McFadden (1996) ស្នើវិធីសាស្រ្តប្រាំជំហានក្នុងការរចនា a ឃ្លាំងទិន្នន័យ (សូមមើលរូបភាពទី 5) ។
វិធីសាស្រ្តរបស់គាត់គឺផ្អែកលើការសំយោគគំនិតពីអក្សរសិល្ប៍ ហើយផ្តោតលើការរចនាតែមួយ ឃ្លាំងទិន្នន័យ. ជំហានដំបូងពាក់ព័ន្ធនឹងការវិភាគតម្រូវការ។ ទោះបីជាលក្ខណៈបច្ចេកទេសមិនត្រូវបានចេញវេជ្ជបញ្ជាក៏ដោយ កំណត់ត្រារបស់ McFadden កំណត់អត្តសញ្ញាណអង្គភាព dati លក្ខណៈបច្ចេកទេស និងគុណលក្ខណៈរបស់ពួកគេ ហើយសំដៅទៅលើអ្នកអាន Watson and Frolick (1993) សម្រាប់ការចាប់យកតម្រូវការ។
នៅជំហានទីពីរ គំរូទំនាក់ទំនងអង្គភាពត្រូវបានរចនាឡើងសម្រាប់ ឃ្លាំងទិន្នន័យ ហើយបន្ទាប់មកត្រូវបានបញ្ជាក់ដោយអ្នកដឹកនាំអាជីវកម្ម។ ជំហានទីបីរួមមានការកំណត់ផែនទីពីប្រព័ន្ធកេរ្តិ៍ដំណែល និងប្រភពខាងក្រៅ ឃ្លាំងទិន្នន័យ. ជំហានទីបួនពាក់ព័ន្ធនឹងដំណើរការក្នុងការអភិវឌ្ឍន៍ ការដាក់ពង្រាយ និងការធ្វើសមកាលកម្ម dati ក្នុង ឃ្លាំងទិន្នន័យ. នៅជំហានចុងក្រោយ ការចែកចាយប្រព័ន្ធត្រូវបានបង្កើតឡើងដោយការសង្កត់ធ្ងន់ជាពិសេសលើចំណុចប្រទាក់អ្នកប្រើប្រាស់។ McFadden កត់​សម្គាល់​ថា ដំណើរ​ការ​គំនូរ​ជា​ទូទៅ​ធ្វើ​ឡើង​ដដែលៗ។

ចំណុចខ្លាំងនៃវិធីសាស្រ្តរបស់ McFadden ចង្អុលទៅការចូលរួមរបស់អ្នកដឹកនាំអាជីវកម្មក្នុងការកំណត់តម្រូវការ និងសារៈសំខាន់នៃធនធានផងដែរ។ datiការសម្អាត និងការប្រមូលរបស់ពួកគេ។ គុណវិបត្តិរបស់វារួមមានកង្វះដំណើរការសម្រាប់បំបែកគម្រោងធំមួយ។ ឃ្លាំងទិន្នន័យ នៅក្នុងដំណាក់កាលរួមបញ្ចូលគ្នាជាច្រើន និង

ការលំបាកក្នុងការយល់ដឹងអំពីអង្គភាព និងគំរូទំនាក់ទំនងដែលប្រើក្នុងការរចនា ឃ្លាំងទិន្នន័យ.

វាមិនត្រឹមតែអ្នកដែលជិតស្និទ្ធនឹងយើងទេដែលជ្រើសរើសយើង។