ಡೇಟಾ ಗೋದಾಮು ಮತ್ತು ERP | ಸೆಂಟ್ರಲ್ ಡೇಟಾ ಆರ್ಕೈವ್: ಇತಿಹಾಸ ಮತ್ತು ವಿಕಾಸಗಳು

ಆರ್ಕೈವ್ ಡೇಟಾ ಕೇಂದ್ರ: ಇತಿಹಾಸ ಮತ್ತು ವಿಕಾಸಗಳು

90 ರ ದಶಕದಲ್ಲಿ ಕಾರ್ಪೊರೇಟ್ ತಂತ್ರಜ್ಞಾನದ ಎರಡು ಪ್ರಮುಖ ವಿಷಯಗಳು
ಹೇಳುತ್ತದೆ i ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು ERP. ದೀರ್ಘಕಾಲ ಈ ಎರಡು ಶಕ್ತಿಶಾಲಿ
ಪ್ರಸ್ತುತವು ಕಾರ್ಪೊರೇಟ್ ಐಟಿಯ ಭಾಗಗಳಾಗಿವೆ
ಛೇದಕಗಳು. ಬಹುತೇಕ ಅವರು ಮ್ಯಾಟರ್ ಮತ್ತು ಆಂಟಿ ಮ್ಯಾಟರ್ ಇದ್ದಂತೆ. ಆದರೆ
ಎರಡೂ ವಿದ್ಯಮಾನಗಳ ಬೆಳವಣಿಗೆಯು ಅನಿವಾರ್ಯವಾಗಿ ಒಂದಕ್ಕೆ ಕಾರಣವಾಯಿತು
ಅವರ ಛೇದಕ. ಇಂದು ಕಂಪನಿಗಳು ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸುತ್ತಿವೆ
ERP ಯೊಂದಿಗೆ ಏನು ಮಾಡಬೇಕು ಡೇಟಾ ವೇರ್ಹೌಸ್. ಈ ಲೇಖನವು ವಿವರಿಸುತ್ತದೆ
ಸಮಸ್ಯೆಗಳು ಯಾವುವು ಮತ್ತು ಅವುಗಳನ್ನು ಕಂಪನಿಗಳು ಹೇಗೆ ಪರಿಹರಿಸುತ್ತವೆ.
ಪ್ರಾರಂಭದಲ್ಲಿ…
ಆರಂಭದಲ್ಲಿ ಇತ್ತು ಡೇಟಾ ವೇರ್ಹೌಸ್. ಮಾಹಿತಿ ಉಗ್ರಾಣ ಗೆ ಜನಿಸಿದರು
ವಹಿವಾಟು ಪ್ರಕ್ರಿಯೆ ಅಪ್ಲಿಕೇಶನ್ ವ್ಯವಸ್ಥೆಯನ್ನು ವಿರೋಧಿಸಿ.
ಆರಂಭಿಕ ದಿನಗಳಲ್ಲಿ ಕಂಠಪಾಠ dati ಇದು ಆಗಲೇ ಬೇಕಿತ್ತು
ಕಂಪ್ಯೂಟರ್ ಪ್ರೊಸೆಸಿಂಗ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಕೇವಲ ಕೌಂಟರ್ ಪಾಯಿಂಟ್
ವಹಿವಾಟುಗಳು. ಆದರೆ ಇಂದು ಹೆಚ್ಚು ಅತ್ಯಾಧುನಿಕ ವೀಕ್ಷಣೆಗಳು ಇವೆ
ಯಾವುದರ ಎ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಇಂದಿನ ಜಗತ್ತಿನಲ್ಲಿ ದಿ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದನ್ನು ರಚನೆಯೊಳಗೆ ಸೇರಿಸಲಾಗುತ್ತದೆ
ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿ ಕಾರ್ಖಾನೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿ ಕಾರ್ಖಾನೆ
(CIF)
ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿ ಕಾರ್ಖಾನೆಯು ವಾಸ್ತುಶಿಲ್ಪದ ಘಟಕಗಳನ್ನು ಹೊಂದಿದೆ
ಪ್ರಮಾಣಿತ: ಕೋಡ್ ರೂಪಾಂತರ ಮತ್ತು ಏಕೀಕರಣದ ಮಟ್ಟ
ಇದು i ಅನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ dati ಆದರೆ ನಾನು dati ಅವರು ಪರಿಸರದಿಂದ ಚಲಿಸುತ್ತಾರೆ
ಪರಿಸರದ ಕಡೆಗೆ ಅಪ್ಲಿಕೇಶನ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಂಸ್ಥೆಯ; ಎ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅಲ್ಲಿ ಕಂಪನಿಯ dati
ವಿವರವಾದ ಮತ್ತು ಸಮಗ್ರ ಇತಿಹಾಸಗಳು. ದಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕಂಪನಿಯು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ
ಎಲ್ಲಾ ಇತರ ಭಾಗಗಳನ್ನು ನಿರ್ಮಿಸಬಹುದಾದ ಅಡಿಪಾಯ
ನ ಪರಿಸರದ ಡೇಟಾ ವೇರ್ಹೌಸ್; ಕಾರ್ಯಾಚರಣೆಯ ಡೇಟಾ ಸ್ಟೋರ್ (ODS).
ODS ಎನ್ನುವುದು ಹೈಬ್ರಿಡ್ ರಚನೆಯಾಗಿದ್ದು ಅದು ಡೇಟಾದ ಕೆಲವು ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಗೋದಾಮು ಮತ್ತು OLTP ಪರಿಸರದ ಇತರ ಅಂಶಗಳು; ಡೇಟಾ ಮಾರ್ಟ್ಸ್, ಅಲ್ಲಿ i
ವಿಭಿನ್ನ ಇಲಾಖೆಗಳು ತಮ್ಮದೇ ಆದ ಡೇಟಾ ಆವೃತ್ತಿಯನ್ನು ಹೊಂದಿರಬಹುದು
ಗೋದಾಮು; ಎ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಪರಿಶೋಧನೆ ಇದರಲ್ಲಿ i
ಕಂಪನಿ "ತತ್ವಜ್ಞಾನಿಗಳು" ತಮ್ಮ ಪ್ರಶ್ನೆಗಳನ್ನು ಸಲ್ಲಿಸಬಹುದು
72 ಗಂಟೆಗಳ ಮೇಲೆ ಹಾನಿಕಾರಕ ಪರಿಣಾಮವಿಲ್ಲದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್; ಮತ್ತು ಒಂದು ಸ್ಮರಣೆ
ರೇಖೆಯ ಹತ್ತಿರ, ಎಲ್ಲಿ dati ಹಳೆಯ ಮತ್ತು dati ಬೃಹತ್ ವಿವರ ಆಗಿರಬಹುದು
ಅಗ್ಗವಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.
ERP LA ನೊಂದಿಗೆ ಎಲ್ಲಿ ಸೇರುತ್ತದೆ
ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿ ಕಾರ್ಖಾನೆ
ERP ಎರಡು ಸ್ಥಳಗಳಲ್ಲಿ ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿ ಕಾರ್ಖಾನೆಯೊಂದಿಗೆ ವಿಲೀನಗೊಳ್ಳುತ್ತದೆ.
ಐ ಅನ್ನು ಒದಗಿಸುವ ಮೂಲಭೂತ ಅಪ್ಲಿಕೇಶನ್ (ಬೇಸ್‌ಲೈನ್) ಆಗಿ ಮೊದಲು
dati ಗೆ ಅರ್ಜಿಯ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಐ dati,
ವಹಿವಾಟು ಪ್ರಕ್ರಿಯೆಯ ಉಪ-ಉತ್ಪನ್ನವಾಗಿ ರಚಿಸಲಾಗಿದೆ,
ಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ಲೋಡ್ ಮಾಡಲಾಗುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಂಸ್ಥೆಯ. ದಿ
ERP ಮತ್ತು CIF ಮತ್ತು ODS ನಡುವಿನ ಒಕ್ಕೂಟದ ಎರಡನೇ ಹಂತ. ವಾಸ್ತವವಾಗಿ, ಅನೇಕ
ಪರಿಸರದಲ್ಲಿ ERP ಅನ್ನು ಕ್ಲಾಸಿಕ್ ODS ಆಗಿ ಬಳಸಲಾಗುತ್ತದೆ.
ERP ಅನ್ನು ಕೋರ್ ಅಪ್ಲಿಕೇಶನ್ ಆಗಿ ಬಳಸಿದರೆ, ಅದು
ಅದೇ ERP ಅನ್ನು CIF ನಲ್ಲಿ ODS ಆಗಿಯೂ ಬಳಸಬಹುದು. ರಲ್ಲಿ
ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ, ERP ಅನ್ನು ಎರಡೂ ಪಾತ್ರಗಳಲ್ಲಿ ಬಳಸಬೇಕಾದರೆ, ಅಲ್ಲಿ
ಎರಡು ಘಟಕಗಳ ನಡುವೆ ಸ್ಪಷ್ಟವಾದ ವ್ಯತ್ಯಾಸವಿರಬೇಕು. ಬೇರೆ ಪದಗಳಲ್ಲಿ,
ERP ಕೋರ್ ಅಪ್ಲಿಕೇಶನ್ ಮತ್ತು ODS ಪಾತ್ರವನ್ನು ವಹಿಸಿದಾಗ, ದಿ
ಎರಡು ವಾಸ್ತುಶಿಲ್ಪದ ಘಟಕಗಳು ವಿಭಿನ್ನವಾಗಿರಬೇಕು. ಒಂದೇ ವೇಳೆ
ERP ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು ಎರಡೂ ಪಾತ್ರಗಳನ್ನು ಪೂರೈಸಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ
ಅದೇ ಸಮಯದಲ್ಲಿ ಅನಿವಾರ್ಯವಾಗಿ ಸಮಸ್ಯೆಗಳಿರುತ್ತವೆ
ಈ ರಚನೆಯ ವಿನ್ಯಾಸ ಮತ್ತು ಅನುಷ್ಠಾನ.
ಪ್ರತ್ಯೇಕ ODS ಮತ್ತು ಮೂಲ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು
ಘಟಕ ವಿಭಜನೆಗೆ ಕಾರಣವಾಗುವ ಹಲವು ಕಾರಣಗಳಿವೆ
ವಾಸ್ತುಶಿಲ್ಪೀಯ. ಬಹುಶಃ ಪ್ರತ್ಯೇಕಿಸಲು ಅತ್ಯಂತ ನಿರರ್ಗಳ ಪ್ರಶ್ನೆ
ವಾಸ್ತುಶಿಲ್ಪದ ವಿವಿಧ ಘಟಕಗಳು ಪ್ರತಿಯೊಂದು ಘಟಕವಾಗಿದೆ
ವಾಸ್ತುಶಿಲ್ಪವು ತನ್ನದೇ ಆದ ದೃಷ್ಟಿಕೋನವನ್ನು ಹೊಂದಿದೆ. ಬೇಸ್ಲೈನ್ ​​ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ
ODS ಗಿಂತ ವಿಭಿನ್ನ ಉದ್ದೇಶಕ್ಕಾಗಿ. ಅತಿಕ್ರಮಿಸಲು ಪ್ರಯತ್ನಿಸಿ
ODS ಪ್ರಪಂಚದ ಮೇಲೆ ಬೇಸ್‌ಲೈನ್ ಅಪ್ಲಿಕೇಶನ್ ವೀಕ್ಷಣೆ ಅಥವಾ ಪ್ರತಿಯಾಗಿ
ಇದು ಕೆಲಸ ಮಾಡಲು ಸರಿಯಾದ ಮಾರ್ಗವಲ್ಲ.
ಪರಿಣಾಮವಾಗಿ, CIF ನಲ್ಲಿ ERP ಯ ಮೊದಲ ಸಮಸ್ಯೆಯಾಗಿದೆ
ಬೇಸ್‌ಲೈನ್ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ
ಒಡಿಎಸ್.
ಕಾರ್ಪೊರೇಟ್‌ನಲ್ಲಿ ಡೇಟಾ ಮಾದರಿಗಳು
ಮಾಹಿತಿ ಕಾರ್ಖಾನೆ
ವಿವಿಧ ಘಟಕಗಳ ನಡುವೆ ಒಗ್ಗಟ್ಟು ಸಾಧಿಸಲು
CIF ನ ವಾಸ್ತುಶಿಲ್ಪದ, ಒಂದು ಮಾದರಿ ಇರಬೇಕು dati. ನಾನು
ನ ಮಾದರಿಗಳು dati ಅವು ವಿವಿಧ ಘಟಕಗಳ ನಡುವಿನ ಕೊಂಡಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ
ಬೇಸ್‌ಲೈನ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮತ್ತು ODS ನಂತಹ ವಾಸ್ತುಶಿಲ್ಪದ. ದಿ
ನ ಮಾದರಿಗಳು dati ಹೊಂದಲು "ಬೌದ್ಧಿಕ ಮಾರ್ಗ ನಕ್ಷೆ" ಆಗಿ
CIF ನ ವಿವಿಧ ವಾಸ್ತುಶಿಲ್ಪದ ಅಂಶಗಳಿಂದ ಸರಿಯಾದ ಅರ್ಥ.
ಈ ಕಲ್ಪನೆಯೊಂದಿಗೆ ಕೈಜೋಡಿಸಿ, ಕಲ್ಪನೆಯು ಇರಬೇಕು
ಒಂದು ದೊಡ್ಡ ಮತ್ತು ಅನನ್ಯ ಮಾದರಿ ಎಂದು dati. ಖಂಡಿತ ಅವನು ಮಾಡಬೇಕು
ಮಾದರಿಯಾಗಿರಿ dati ಪ್ರತಿಯೊಂದು ಘಟಕಗಳಿಗೆ ಮತ್ತು ಅಲ್ಲಿಯೂ ಸಹ
ಇದು ವಿಭಿನ್ನ ಮಾದರಿಗಳನ್ನು ಸಂಪರ್ಕಿಸುವ ಸಂವೇದನಾಶೀಲ ಮಾರ್ಗವಾಗಿರಬೇಕು.
ಆರ್ಕಿಟೆಕ್ಚರ್‌ನ ಪ್ರತಿಯೊಂದು ಅಂಶ - ODS, ಬೇಸ್‌ಲೈನ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು,
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕಂಪನಿಯ, ಮತ್ತು ಹೀಗೆ.. - ತನ್ನದೇ ಆದ ಅಗತ್ಯವಿದೆ
ನ ಮಾದರಿ dati. ಮತ್ತು ಆದ್ದರಿಂದ ನಿಖರವಾದ ವ್ಯಾಖ್ಯಾನ ಇರಬೇಕು
ಈ ಮಾದರಿಗಳಂತೆ dati ಅವರು ಪರಸ್ಪರ ಇಂಟರ್ಫೇಸ್ ಮಾಡುತ್ತಾರೆ.
ಮೂವ್ I ಡೇಟಾ ಡೇಟಾದಲ್ಲಿ ERP
ವೇರ್‌ಹೌಸ್
ಒಂದು ವೇಳೆ ಮೂಲ dati ಬೇಸ್‌ಲೈನ್ ಅಪ್ಲಿಕೇಶನ್ ಮತ್ತು/ಅಥವಾ ODS, ಯಾವಾಗ
ERP ಒಳಸೇರಿಸುತ್ತದೆ i dati ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್, ಈ ಅಳವಡಿಕೆ ಮಾಡಬೇಕು
"ಗ್ರ್ಯಾನ್ಯುಲಾರಿಟಿ" ಯ ಕಡಿಮೆ ಮಟ್ಟದಲ್ಲಿ ಸಂಭವಿಸುತ್ತದೆ. ರೀಕ್ಯಾಪ್ ಅಥವಾ
ಸರಳವಾಗಿ ಒಟ್ಟುಗೂಡಿಸಿ i dati ಅವರು ಹೊರಬರುತ್ತಿದ್ದಂತೆ
ERP ಬೇಸ್‌ಲೈನ್ ಅಪ್ಲಿಕೇಶನ್‌ನಿಂದ ಅಥವಾ ERP ODS ನಿಂದ ಅಲ್ಲ
ಮಾಡಲು ಸರಿಯಾದ ವಿಷಯ. ದಿ dati ಡೇಟಾದಲ್ಲಿ ವಿವರಗಳು ಅಗತ್ಯವಿದೆ
ಡಿಎಸ್ಎಸ್ ಪ್ರಕ್ರಿಯೆಯ ಆಧಾರವನ್ನು ರೂಪಿಸಲು ಗೋದಾಮು. ಅಂತಹ dati
ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳು ಮತ್ತು ಪರಿಶೋಧನೆಗಳಿಂದ ಅವುಗಳನ್ನು ಹಲವು ರೀತಿಯಲ್ಲಿ ಮರುರೂಪಿಸಲಾಗುತ್ತದೆ
ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಸ್ಥಳಾಂತರ dati ಬೇಸ್‌ಲೈನ್ ಅಪ್ಲಿಕೇಶನ್ ಪರಿಸರದಿಂದ
ಪರಿಸರಕ್ಕೆ ERP ನ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕಂಪನಿಯನ್ನು a ನಲ್ಲಿ ಮಾಡಲಾಗಿದೆ
ಸಮಂಜಸವಾಗಿ ಶಾಂತ ರೀತಿಯಲ್ಲಿ. ಅದರ ನಂತರವೇ ಆ ಪಲ್ಲಟ ಸಂಭವಿಸುತ್ತದೆ
ERP ನಲ್ಲಿ ನವೀಕರಣ ಅಥವಾ ರಚನೆಯಿಂದ ಸರಿಸುಮಾರು 24 ಗಂಟೆಗಳ. ಎಂಬ ಸಂಗತಿ
ನ "ಸೋಮಾರಿಯಾದ" ಚಲನೆಯನ್ನು ಹೊಂದಿವೆ dati ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್
ಕಂಪನಿಯು ಅನುಮತಿಸುತ್ತದೆ dati ERP ಯಿಂದ "ಠೇವಣಿ" ಗೆ ಬರುತ್ತಿದೆ.
ಒಮ್ಮೆ ಐ dati ಬೇಸ್‌ಲೈನ್ ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ,
ನಂತರ ನೀವು ಸುರಕ್ಷಿತವಾಗಿ ಚಲಿಸಬಹುದು dati ERP ನ
ವ್ಯವಹಾರದಲ್ಲಿ. ಚಳುವಳಿಗೆ ಧನ್ಯವಾದಗಳು ಸಾಧಿಸಬಹುದಾದ ಮತ್ತೊಂದು ಗುರಿ
"ಸೋಮಾರಿಯಾದ" ದೇವರುಗಳು dati ಕಾರ್ಯಾಚರಣೆಯ ಪ್ರಕ್ರಿಯೆಗಳ ನಡುವಿನ ಸ್ಪಷ್ಟವಾದ ವಿವರಣೆಯಾಗಿದೆ ಮತ್ತು
ಡಿಎಸ್ಎಸ್. "ವೇಗದ" ಚಲನೆಯೊಂದಿಗೆ dati ವಿಭಜಿಸುವ ರೇಖೆ
DSS ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ಅಸ್ಪಷ್ಟ ಅವಶೇಷಗಳ ನಡುವೆ.
ಇಲ್ ಮೂವಿಮೆಂಟೋ ಡೀ dati ERP ODS ನಿಂದ ಡೇಟಾ ವೇರ್ಹೌಸ್
ಕಂಪನಿಯ ನಿಯತಕಾಲಿಕವಾಗಿ ಮಾಡಲಾಗುತ್ತದೆ, ಸಾಮಾನ್ಯವಾಗಿ
ಸಾಪ್ತಾಹಿಕ ಅಥವಾ ಮಾಸಿಕ. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಚಲನೆ
dati ಇದು ಹಳೆಯದನ್ನು "ಸ್ವಚ್ಛಗೊಳಿಸುವ" ಅಗತ್ಯವನ್ನು ಆಧರಿಸಿದೆ dati ಇತಿಹಾಸಕಾರರು.
ಸಹಜವಾಗಿ, ODS ಐ ಅನ್ನು ಒಳಗೊಂಡಿದೆ dati ಹೆಚ್ಚು ಇತ್ತೀಚಿನವುಗಳಾಗಿವೆ
ಸಂಬಂಧಿಸಿದಂತೆ dati ಇತಿಹಾಸಕಾರರು ಕಂಡುಬರುತ್ತಾರೆ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಸ್ಥಳಾಂತರ dati ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದು ಬಹುತೇಕ ಎಂದಿಗೂ ಮಾಡಲಾಗುವುದಿಲ್ಲ
"ಸಗಟು" (ಸಗಟು ವ್ಯಾಪಾರಿ ರೀತಿಯಲ್ಲಿ). ಟೇಬಲ್ ಅನ್ನು ನಕಲಿಸಿ
ERP ಪರಿಸರದಿಂದ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದಕ್ಕೆ ಅರ್ಥವಿಲ್ಲ. ಒಂದು ವಿಧಾನ
ಆಯ್ದ ಘಟಕಗಳ ಚಲನೆಯು ಹೆಚ್ಚು ವಾಸ್ತವಿಕವಾಗಿದೆ dati.
ಕೇವಲ ದಿ dati ಡೇಟಾದ ಕೊನೆಯ ನವೀಕರಣದಿಂದ ಬದಲಾಗಿದೆ
ಗೋದಾಮುಗಳನ್ನು ಡೇಟಾಗೆ ಸರಿಸಬೇಕು
ಉಗ್ರಾಣ. ಯಾವುದನ್ನು ತಿಳಿಯಲು ಒಂದು ಮಾರ್ಗ dati ಅವುಗಳನ್ನು ಮಾರ್ಪಡಿಸಲಾಗಿದೆ
ಏಕೆಂದರೆ ಕೊನೆಯ ಅಪ್‌ಡೇಟ್‌ನ ಸಮಯಸ್ಟ್ಯಾಂಪ್‌ಗಳನ್ನು ನೋಡುವುದು dati
ERP ಪರಿಸರದಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ. ಡಿಸೈನರ್ ಎಲ್ಲಾ ಬದಲಾವಣೆಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ
ಕೊನೆಯ ನವೀಕರಣದ ನಂತರ ತೋರಿಸಲಾಗಿದೆ. ಮತ್ತೊಂದು ವಿಧಾನ
ಬದಲಾವಣೆ ಸ್ವಾಧೀನ ತಂತ್ರಗಳನ್ನು ಬಳಸುವುದು dati. ಜೊತೆ
ಈ ತಂತ್ರಗಳು ಲಾಗ್‌ಗಳು ಮತ್ತು ಜರ್ನಲ್ ಟೇಪ್‌ಗಳನ್ನು ಸಲುವಾಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತವೆ
ಯಾವುದನ್ನು ನಿರ್ಧರಿಸಿ dati ERP ಪರಿಸರದಿಂದ ಸ್ಥಳಾಂತರಿಸಬೇಕು
ಆ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಈ ತಂತ್ರಗಳು ಅತ್ಯುತ್ತಮವಾಗಿವೆ
ERP ಫೈಲ್‌ಗಳಿಂದ ಎಷ್ಟು ಲಾಗ್‌ಗಳು ಮತ್ತು ಜರ್ನಲ್ ಟೇಪ್‌ಗಳನ್ನು ಓದಬಹುದು
ಇತರ ERP ಸಂಪನ್ಮೂಲಗಳ ಮೇಲೆ ಹೆಚ್ಚಿನ ಪರಿಣಾಮಗಳಿಲ್ಲದೆ.
ಇತರ ತೊಡಕುಗಳು
CIF ನಲ್ಲಿ ERP ಯೊಂದಿಗಿನ ಸಮಸ್ಯೆಗಳಲ್ಲಿ ಒಂದು ಇತರರಿಗೆ ಏನಾಗುತ್ತದೆ
ಅಪ್ಲಿಕೇಶನ್ ಮೂಲಗಳು ಅಥವಾ AI dati ಅವರು ಕೊಡುಗೆ ನೀಡಬೇಕಾದ ODS ನ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಆದರೆ ಅವರು ERP ಪರಿಸರದ ಭಾಗವಾಗಿಲ್ಲ. ನೀಡಲಾಗಿದೆ
ERP ಯ ಮುಚ್ಚಿದ ಸ್ವಭಾವ, ವಿಶೇಷವಾಗಿ SAP, ಸಂಯೋಜಿಸುವ ಪ್ರಯತ್ನ
ಬಾಹ್ಯ ಮೂಲಗಳಿಂದ ಕೀಗಳು dati ನಾನು ಜೊತೆ dati ಅದು ERP ಯಿಂದ ಬರುತ್ತದೆ
ಸರಿಸಲು ಸಮಯ i dati ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್, ಅದೊಂದು ದೊಡ್ಡ ಸವಾಲು.
ಮತ್ತು ನಿಖರವಾಗಿ ಏನು ಸಂಭವನೀಯತೆಗಳು ಅಂದರೆ i dati ಅನ್ವಯಗಳ ಅಥವಾ
ERP ಪರಿಸರದ ಹೊರಗಿನ ODS ಅನ್ನು ಡೇಟಾದಲ್ಲಿ ಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ
ಗೋದಾಮು? ಆಡ್ಸ್ ವಾಸ್ತವವಾಗಿ ತುಂಬಾ ಹೆಚ್ಚು.
ಹುಡುಕಿ ಡೇಟಾ ERP ಯಿಂದ ಐತಿಹಾಸಿಕ
ಐ ಜೊತೆಗಿನ ಇನ್ನೊಂದು ಸಮಸ್ಯೆ dati ERP ಯ ಫಲಿತಾಂಶವಾಗಿದೆ
ಹೊಂದಬೇಕಾದ ಅಗತ್ಯದಿಂದ dati ಒಳಗೆ ಇತಿಹಾಸಕಾರರು ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಸಾಮಾನ್ಯವಾಗಿ ದಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅಗತ್ಯಗಳು dati ಇತಿಹಾಸಕಾರರು. ಮತ್ತು
ERP ತಂತ್ರಜ್ಞಾನವು ಸಾಮಾನ್ಯವಾಗಿ ಇವುಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದಿಲ್ಲ dati
ಐತಿಹಾಸಿಕ, ಕನಿಷ್ಠ ಡೇಟಾದಲ್ಲಿ ಅಗತ್ಯವಿರುವ ಬಿಂದುವಿಗೆ ಅಲ್ಲ
ಉಗ್ರಾಣ. ಯಾವಾಗ ದೊಡ್ಡ ಪ್ರಮಾಣದ dati ಇತಿಹಾಸಕಾರರು ಪ್ರಾರಂಭಿಸುತ್ತಾರೆ
ERP ಪರಿಸರಕ್ಕೆ ಸೇರಿಸಬೇಕು, ಆ ಪರಿಸರ ಇರಬೇಕು
ಸ್ವಚ್ಛಗೊಳಿಸಿದರು. ಉದಾಹರಣೆಗೆ, ಎ ಎಂದು ಭಾವಿಸೋಣ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಡೆಬ್ಬಾ
ಐದು ವರ್ಷಗಳ ಲೋಡ್ ಮಾಡಲಾಗುತ್ತದೆ dati ERP ಇಟ್ಟುಕೊಳ್ಳುವಾಗ ಐತಿಹಾಸಿಕ
ಇವುಗಳಲ್ಲಿ ಗರಿಷ್ಠ ಆರು ತಿಂಗಳುಗಳು dati. ಕಂಪನಿಯು ತೃಪ್ತವಾಗಿರುವವರೆಗೆ
ಒಂದು ಸೆಟ್ ಅನ್ನು ಸಂಗ್ರಹಿಸಿ dati ಕಾಲ ಕಳೆದಂತೆ ಇತಿಹಾಸಕಾರರು
ನಂತರ ERP ಅನ್ನು ಮೂಲವಾಗಿ ಬಳಸುವಲ್ಲಿ ಯಾವುದೇ ಸಮಸ್ಯೆಗಳಿಲ್ಲ
ಡೇಟಾ ವೇರ್ಹೌಸ್. ಆದರೆ ಯಾವಾಗ ದಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಹೋಗಲೇ ಬೇಕು
ಸಮಯಕ್ಕೆ ಹಿಂತಿರುಗಿ ಮತ್ತು ದೇವರುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ dati ಅಲ್ಲದ ಇತಿಹಾಸಕಾರರು
ಹಿಂದೆ ERP ಯಿಂದ ಸಂಗ್ರಹಿಸಿ ಉಳಿಸಲಾಗಿದೆ, ನಂತರ ERP ಪರಿಸರ
ಅಸಮರ್ಥವಾಗುತ್ತದೆ.
ERP ಮತ್ತು ಮೆಟಾಡೇಟಾ
ERP ಬಗ್ಗೆ ಮಾಡಲು ಇನ್ನೊಂದು ಪರಿಗಣನೆ ಇ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅದು
ERP ಪರಿಸರದಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮೆಟಾಡೇಟಾದಲ್ಲಿ. ಹಾಗೆಯೇ ಮೆಟಾಡೇಟಾ
ERP ಪರಿಸರದಿಂದ IT ಪರಿಸರಕ್ಕೆ ಸರಿಸಿ ಡೇಟಾ ವೇರ್ಹೌಸ್, ನಾನು
ಮೆಟಾಡೇಟಾವನ್ನು ಅದೇ ರೀತಿಯಲ್ಲಿ ಸರಿಸಬೇಕು. ಇದಲ್ಲದೆ, ಐ
ಮೆಟಾಡೇಟಾವನ್ನು ಸ್ವರೂಪ ಮತ್ತು ರಚನೆಯಲ್ಲಿ ಪರಿವರ್ತಿಸಬೇಕು
ಮೂಲಸೌಕರ್ಯದಿಂದ ಅಗತ್ಯವಿದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್. ದೊಡ್ಡದೊಂದು ಇದೆ
ಕಾರ್ಯಾಚರಣೆಯ ಮೆಟಾಡೇಟಾ ಮತ್ತು DSS ಮೆಟಾಡೇಟಾ ನಡುವಿನ ವ್ಯತ್ಯಾಸ. ಮೆಟಾಡೇಟಾ
ಕಾರ್ಯಾಚರಣೆಯು ಪ್ರಾಥಮಿಕವಾಗಿ ಡೆವಲಪರ್‌ಗೆ ಮತ್ತು ಇದಕ್ಕಾಗಿ
ಪ್ರೋಗ್ರಾಮರ್. DSS ಮೆಟಾಡೇಟಾ ಪ್ರಾಥಮಿಕವಾಗಿ ಬಳಕೆದಾರರಿಗೆ
ಅಂತಿಮ. ERP ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಅಥವಾ ODS ಗಳಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮೆಟಾಡೇಟಾ
ಅವುಗಳನ್ನು ಪರಿವರ್ತಿಸಬೇಕು ಮತ್ತು ಈ ಪರಿವರ್ತನೆ ಯಾವಾಗಲೂ ಸುಲಭವಲ್ಲ
ಮತ್ತು ನೇರ.
ERP ಡೇಟಾವನ್ನು ಸೋರ್ಸಿಂಗ್ ಮಾಡುವುದು
ERP ಅನ್ನು ಒದಗಿಸುವವರಾಗಿ ಬಳಸಿದರೆ dati ಪ್ರತಿ ಇಲ್ಗೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ci
ಇದು i ಚಲಿಸುವ ಘನ ಇಂಟರ್ಫೇಸ್ ಆಗಿರಬೇಕು dati ಪರಿಸರದಿಂದ
ಪರಿಸರಕ್ಕೆ ERP ಡೇಟಾ ವೇರ್ಹೌಸ್. ಇಂಟರ್ಫೇಸ್ ಮಾಡಬೇಕು:
▪ ಬಳಸಲು ಸುಲಭ
▪ ಗೆ ಪ್ರವೇಶವನ್ನು ಅನುಮತಿಸಿ dati ERP ನ
▪ ಅರ್ಥವನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ dati ಸರಿಸಲಾಗುವುದು
ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್
▪ ಉಂಟಾಗಬಹುದಾದ ERP ಯ ಮಿತಿಗಳನ್ನು ತಿಳಿಯಿರಿ
ಯಾವಾಗ dati ERP ಯ:
▪ ಉಲ್ಲೇಖದ ಸಮಗ್ರತೆ
▪ ಕ್ರಮಾನುಗತ ಸಂಬಂಧಗಳು
▪ ಸೂಚ್ಯ ತಾರ್ಕಿಕ ಸಂಬಂಧಗಳು
▪ ಅಪ್ಲಿಕೇಶನ್ ಸಮಾವೇಶ
▪ ಎಲ್ಲಾ ರಚನೆಗಳು dati ERP ನಿಂದ ಬೆಂಬಲಿತವಾಗಿದೆ, ಮತ್ತು ಹೀಗೆ...
▪ ಪ್ರವೇಶಿಸುವಲ್ಲಿ ಸಮರ್ಥರಾಗಿರಿ dati, ಒದಗಿಸುವ ಮೂಲಕ:
▪ ನೇರ ಚಲನೆ dati
▪ ಬದಲಾವಣೆಯ ಸ್ವಾಧೀನ dati
▪ ಸಕಾಲಿಕ ಪ್ರವೇಶವನ್ನು ಬೆಂಬಲಿಸಿ dati
▪ ಸ್ವರೂಪವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ dati, ಮತ್ತು ಇತ್ಯಾದಿ…
SAP ನೊಂದಿಗೆ ಇಂಟರ್ಫೇಸಿಂಗ್
ಇಂಟರ್ಫೇಸ್ ಎರಡು ರೀತಿಯದ್ದಾಗಿರಬಹುದು, ಸ್ವದೇಶಿ ಅಥವಾ ವಾಣಿಜ್ಯ.
ಕೆಲವು ಪ್ರಮುಖ ವ್ಯಾಪಾರ ಇಂಟರ್ಫೇಸ್‌ಗಳು ಸೇರಿವೆ:
▪ SAS
▪ ಪ್ರಿಮ್ಸ್ ಪರಿಹಾರಗಳು
▪ D2k, ಹೀಗೆ...
ಬಹು ERP ತಂತ್ರಜ್ಞಾನಗಳು
ERP ಪರಿಸರವನ್ನು ಒಂದೇ ತಂತ್ರಜ್ಞಾನದಂತೆ ಪರಿಗಣಿಸುವುದು a
ದೊಡ್ಡ ತಪ್ಪು. ಹಲವಾರು ERP ತಂತ್ರಜ್ಞಾನಗಳಿವೆ, ಪ್ರತಿಯೊಂದೂ ತನ್ನದೇ ಆದದ್ದಾಗಿದೆ
ಸಾಮರ್ಥ್ಯ. ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಮಾರಾಟಗಾರರು:
▪ SAP
▪ ಒರಾಕಲ್ ಫೈನಾನ್ಶಿಯಲ್ಸ್
▪ ಪೀಪಲ್ ಸಾಫ್ಟ್
▪ ಜೆಡಿ ಎಡ್ವರ್ಡ್ಸ್
▪ ಬಾನ್
ಸ್ಯಾಪ್
SAP ಅತಿದೊಡ್ಡ ಮತ್ತು ಸಂಪೂರ್ಣ ERP ಸಾಫ್ಟ್‌ವೇರ್ ಆಗಿದೆ. ಅರ್ಜಿಗಳು
SAP ಹಲವು ಪ್ರದೇಶಗಳಲ್ಲಿ ಹಲವು ರೀತಿಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. SAP ಹೊಂದಿದೆ
ಎಂಬ ಖ್ಯಾತಿ:
▪ ತುಂಬಾ ದೊಡ್ಡದು
▪ ಕಾರ್ಯಗತಗೊಳಿಸಲು ತುಂಬಾ ಕಷ್ಟ ಮತ್ತು ದುಬಾರಿ
▪ ಅನೇಕ ಜನರು ಮತ್ತು ಸಲಹೆಗಾರರಾಗಿರಬೇಕು
ಅಳವಡಿಸಲಾಗಿದೆ
▪ ಅನುಷ್ಠಾನಕ್ಕೆ ವಿಶೇಷ ವ್ಯಕ್ತಿಗಳ ಅಗತ್ಯವಿದೆ
▪ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಬಹಳ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ
ಹೆಚ್ಚುವರಿಯಾಗಿ, SAP ತನ್ನದೇ ಆದ ಶೇಖರಣೆಗಾಗಿ ಖ್ಯಾತಿಯನ್ನು ಹೊಂದಿದೆ dati ತುಂಬಾ
ಎಚ್ಚರಿಕೆಯಿಂದ, ಒಬ್ಬರಿಗೆ ಅವುಗಳನ್ನು ಪ್ರವೇಶಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ
SAP ಪ್ರದೇಶದ ಹೊರಗಿನ ವ್ಯಕ್ತಿ. SAP ಯ ಶಕ್ತಿಯು ಇರುವುದು
ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ಸೆರೆಹಿಡಿಯುವ ಮತ್ತು ಸಂಗ್ರಹಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ dati.
ಇತ್ತೀಚೆಗೆ SAP ವಿಸ್ತರಿಸುವ ಉದ್ದೇಶವನ್ನು ಪ್ರಕಟಿಸಿತು
ಅದರ ಅನ್ವಯಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್. ಅನೇಕ ಸಾಧಕ-ಬಾಧಕಗಳಿವೆ
SAP ಅನ್ನು ಪೂರೈಕೆದಾರರಾಗಿ ಬಳಸುವುದರಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಪ್ರಯೋಜನವೆಂದರೆ SAP ಅನ್ನು ಈಗಾಗಲೇ ಸ್ಥಾಪಿಸಲಾಗಿದೆ ಮತ್ತು ಹೆಚ್ಚಿನವು
ಸಲಹೆಗಾರರು ಈಗಾಗಲೇ SAP ಅನ್ನು ತಿಳಿದಿದ್ದಾರೆ.
SAP ಅನ್ನು ಪೂರೈಕೆದಾರರಾಗಿ ಹೊಂದಿರುವ ಅನಾನುಕೂಲಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್ ನಿದ್ರೆ
ಅನೇಕ: SAP ಪ್ರಪಂಚದಲ್ಲಿ ಯಾವುದೇ ಅನುಭವವನ್ನು ಹೊಂದಿಲ್ಲ ಡೇಟಾ ವೇರ್ಹೌಸ್
SAP ಪೂರೈಕೆದಾರರಾಗಿದ್ದರೆ ಡೇಟಾ ವೇರ್ಹೌಸ್, "ಹೊರತೆಗೆಯಲು" ಅವಶ್ಯಕ
i dati SAP ನಿಂದ ಡೇಟಾ ವೇರ್ಹೌಸ್. ದಿನಾಂಕ ಒಂದು SAP ನ ದಾಖಲೆ
ಮುಚ್ಚಿದ ವ್ಯವಸ್ಥೆ, SAP ನಿಂದ ಸುಲಭವಾಗಿ ಪ್ರವೇಶಿಸಲು ಅಸಂಭವವಾಗಿದೆ
ಇದು (???). SAP ಗೆ ಶಕ್ತಿ ತುಂಬುವ ಅನೇಕ ಪರಂಪರೆ ಪರಿಸರಗಳಿವೆ,
ಉದಾಹರಣೆಗೆ IMS, VSAM, ADABAS, ORACLE, DB2, ಇತ್ಯಾದಿ.
SAP "ಇಲ್ಲಿ ಕಂಡುಹಿಡಿಯಲಾಗಿಲ್ಲ" ವಿಧಾನವನ್ನು ಒತ್ತಾಯಿಸುತ್ತದೆ. SAP ಅದನ್ನು ಬಯಸುವುದಿಲ್ಲ
ಬಳಸಲು ಅಥವಾ ರಚಿಸಲು ಇತರ ಮಾರಾಟಗಾರರೊಂದಿಗೆ ಸಹಕರಿಸಿ ಡೇಟಾ ವೇರ್ಹೌಸ್.
SAP ತನ್ನ ಎಲ್ಲಾ ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ಸ್ವತಃ ಉತ್ಪಾದಿಸಲು ಒತ್ತಾಯಿಸುತ್ತದೆ.
SAP ಒಂದು ದೊಡ್ಡ ಮತ್ತು ಶಕ್ತಿಯುತ ಕಂಪನಿಯಾಗಿದ್ದರೂ, ವಾಸ್ತವವಾಗಿ
ELT, OLAP, ಆಡಳಿತದ ತಂತ್ರಜ್ಞಾನವನ್ನು ಪುನಃ ಬರೆಯಲು ಪ್ರಯತ್ನಿಸಿ
ಸಿಸ್ಟಮ್ ಮತ್ತು ಕೋರ್ ಕೋಡ್ ಕೂಡ dbms ಇದು ಕೇವಲ ಹುಚ್ಚು.
ಪೂರೈಕೆದಾರರೊಂದಿಗೆ ಸಹಕಾರ ಮನೋಭಾವವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಬದಲು
di ಡೇಟಾ ವೇರ್ಹೌಸ್ ದೀರ್ಘಕಾಲದಿಂದ, SAP ಆ ವಿಧಾನವನ್ನು ಅನುಸರಿಸಿದೆ
ಅವರು "ಉತ್ತಮವಾಗಿ ತಿಳಿದಿದ್ದಾರೆ". ಈ ಮನೋಭಾವವು ಯಶಸ್ಸನ್ನು ನಿಧಾನಗೊಳಿಸುತ್ತದೆ
ಪ್ರದೇಶದಲ್ಲಿ SAP ಹೊಂದಿರಬಹುದು ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಬಾಹ್ಯ ಮಾರಾಟಗಾರರ ಪ್ರವೇಶವನ್ನು ಅನುಮತಿಸಲು SAP ನ ನಿರಾಕರಣೆ
ಅವರಿಗೆ ತ್ವರಿತವಾಗಿ ಮತ್ತು ಆಕರ್ಷಕವಾಗಿ dati. ಬಳಸುವ ಅತ್ಯಂತ ಮೂಲತತ್ವ
un ಡೇಟಾ ವೇರ್ಹೌಸ್ ಗೆ ಸುಲಭ ಪ್ರವೇಶವಾಗಿದೆ dati. SAP ನ ಸಂಪೂರ್ಣ ಕಥೆ
ಪ್ರವೇಶಿಸಲು ಕಷ್ಟವಾಗುವುದರ ಆಧಾರದ ಮೇಲೆ dati.
ದೊಡ್ಡ ಸಂಪುಟಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವಾಗ SAP ನ ಅನುಭವದ ಕೊರತೆ dati;
ಕ್ಷೇತ್ರದಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಂಪುಟಗಳಿವೆ dati ಅಂದಿನಿಂದ ನೋಡಿಲ್ಲ
SAP ಮತ್ತು ಈ ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ನಿರ್ವಹಿಸಲು dati ನೀವು ಒಂದನ್ನು ಹೊಂದಿರಬೇಕು
ಸೂಕ್ತವಾದ ತಂತ್ರಜ್ಞಾನ. SAP ಗೆ ಇದರ ಬಗ್ಗೆ ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸಲಾಗಿಲ್ಲ
ಡೇಟಾ ಕ್ಷೇತ್ರವನ್ನು ಪ್ರವೇಶಿಸಲು ಇರುವ ತಾಂತ್ರಿಕ ತಡೆಗೋಡೆ
ಗೋದಾಮು.
SAP ನ ಕಾರ್ಪೊರೇಟ್ ಸಂಸ್ಕೃತಿ: SAP ಒಂದು ವ್ಯಾಪಾರವನ್ನು ಸೃಷ್ಟಿಸಿದೆ
i ಪಡೆಯುವಲ್ಲಿ dati ವ್ಯವಸ್ಥೆಯಿಂದ. ಆದರೆ ಇದನ್ನು ಮಾಡಲು ನೀವು ಹೊಂದಿರಬೇಕು
ವಿಭಿನ್ನ ಮನಸ್ಥಿತಿ. ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ, ಸಾಫ್ಟ್‌ವೇರ್ ಕಂಪನಿಗಳು
ಪರಿಸರಕ್ಕೆ ಡೇಟಾವನ್ನು ಪಡೆಯುವಲ್ಲಿ ಉತ್ತಮವಾಗಿಲ್ಲ
ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೋಗಲು ಡೇಟಾವನ್ನು ಪಡೆಯುವುದು. SAP ಈ ರೀತಿ ಮಾಡಬಹುದಾದರೆ
ಸ್ವಿಚ್ ಹಾಗೆ ಮಾಡುವ ಮೊದಲ ಕಂಪನಿಯಾಗಿದೆ.
ಸಂಕ್ಷಿಪ್ತವಾಗಿ, ಕಂಪನಿಯು ಆಯ್ಕೆ ಮಾಡಬೇಕೆ ಎಂಬುದು ಪ್ರಶ್ನಾರ್ಹವಾಗಿದೆ
ಪೂರೈಕೆದಾರರಾಗಿ SAP ಡೇಟಾ ವೇರ್ಹೌಸ್. ಬಹಳ ಗಂಭೀರವಾದ ಅಪಾಯಗಳಿವೆ
ಒಂದೆಡೆ ಮತ್ತು ಇನ್ನೊಂದೆಡೆ ಬಹಳ ಕಡಿಮೆ ಪ್ರತಿಫಲಗಳು. ಆದರೆ ಇನ್ನೊಂದು ಇದೆ
ಡೇಟಾ ಪೂರೈಕೆದಾರರಾಗಿ SAP ಆಯ್ಕೆಯನ್ನು ನಿರುತ್ಸಾಹಗೊಳಿಸುವ ಕಾರಣ
ಉಗ್ರಾಣ. ಏಕೆಂದರೆ ಪ್ರತಿಯೊಂದು ಕಂಪನಿಯು ಒಂದೇ ದಿನಾಂಕವನ್ನು ಹೊಂದಿರಬೇಕು
ಎಲ್ಲಾ ಇತರ ಕಂಪನಿಗಳ ಗೋದಾಮು? ದಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅದು ಹೃದಯ
ಸ್ಪರ್ಧಾತ್ಮಕ ಲಾಭ. ಪ್ರತಿ ಕಂಪನಿಯೂ ಅದೇ ಅಳವಡಿಸಿಕೊಂಡರೆ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದು ಕಷ್ಟ, ಅಸಾಧ್ಯವಲ್ಲದಿದ್ದರೂ,
ಸ್ಪರ್ಧಾತ್ಮಕ ಪ್ರಯೋಜನವನ್ನು ಸಾಧಿಸಿ. SAP ಎ ಎಂದು ಭಾವಿಸುವಂತೆ ತೋರುತ್ತದೆ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕುಕೀಯಾಗಿ ನೋಡಬಹುದು ಮತ್ತು ಅದು a
ಅವರ "ಡೇಟಾ ಪಡೆಯಿರಿ" ಅಪ್ಲಿಕೇಶನ್ ಮನಸ್ಥಿತಿಯ ಮತ್ತಷ್ಟು ಚಿಹ್ನೆ
ರಲ್ಲಿ ".
ಯಾವುದೇ ERP ಮಾರಾಟಗಾರರು SAP ನಷ್ಟು ಪ್ರಬಲವಾಗಿಲ್ಲ.
ನಿಸ್ಸಂದೇಹವಾಗಿ SAP ನ ಮಾರ್ಗವನ್ನು ಅನುಸರಿಸುವ ಕಂಪನಿಗಳು ಇರುತ್ತವೆ
ಅವರಿಗಾಗಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಆದರೆ ಬಹುಶಃ ಈ ದಿನಾಂಕ
SAP ಗೋದಾಮುಗಳು ದೊಡ್ಡದಾಗಿರುತ್ತವೆ, ದುಬಾರಿ ಮತ್ತು ಬೇಡಿಕೆಯಿರುತ್ತವೆ
ಅವರ ಸೃಷ್ಟಿಗೆ ಸಮಯ.
ಈ ಪರಿಸರಗಳು ಬ್ಯಾಂಕ್ ಟೆಲ್ಲರ್ ಪ್ರಕ್ರಿಯೆಯಂತಹ ಚಟುವಟಿಕೆಗಳನ್ನು ಒಳಗೊಂಡಿವೆ,
ಏರ್ಲೈನ್ ​​ಕಾಯ್ದಿರಿಸುವಿಕೆ ಪ್ರಕ್ರಿಯೆಗಳು, ದೂರು ಪ್ರಕ್ರಿಯೆಗಳು
ವಿಮೆ, ಇತ್ಯಾದಿ. ವಹಿವಾಟು ವ್ಯವಸ್ಥೆಯು ಹೆಚ್ಚು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ,
ಕಾರ್ಯಾಚರಣೆ ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯ ನಡುವಿನ ಪ್ರತ್ಯೇಕತೆಯ ಅಗತ್ಯವು ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗಿದೆ
ಡಿಎಸ್ಎಸ್ (ನಿರ್ಧಾರ ಬೆಂಬಲ ವ್ಯವಸ್ಥೆ). ಆದಾಗ್ಯೂ, ಸಂಪನ್ಮೂಲ ವ್ಯವಸ್ಥೆಗಳೊಂದಿಗೆ
ಮಾನವ ಮತ್ತು ವೈಯಕ್ತಿಕ, ನೀವು ಎಂದಿಗೂ ದೊಡ್ಡ ಸಂಪುಟಗಳನ್ನು ಎದುರಿಸುವುದಿಲ್ಲ
ವಹಿವಾಟುಗಳು. ಮತ್ತು, ಸಹಜವಾಗಿ, ಒಬ್ಬ ವ್ಯಕ್ತಿಯನ್ನು ನೇಮಿಸಿದಾಗ
ಅಥವಾ ಕಂಪನಿಯನ್ನು ಬಿಡುತ್ತಾರೆ ಇದು ವಹಿವಾಟಿನ ದಾಖಲೆಯಾಗಿದೆ.
ಆದರೆ ಇತರ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಹೋಲಿಸಿದರೆ, ಮಾನವ ಸಂಪನ್ಮೂಲ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು
ವ್ಯಕ್ತಿಗಳು ಸರಳವಾಗಿ ಹೆಚ್ಚಿನ ವಹಿವಾಟುಗಳನ್ನು ಹೊಂದಿಲ್ಲ. ಆದ್ದರಿಂದ, ರಲ್ಲಿ
ಮಾನವ ಸಂಪನ್ಮೂಲಗಳು ಮತ್ತು ಸಿಬ್ಬಂದಿ ವ್ಯವಸ್ಥೆಗಳು ಇವೆ ಎಂಬುದು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ
ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಅಗತ್ಯವಿದೆ. ಅನೇಕ ವಿಧಗಳಲ್ಲಿ ಈ ವ್ಯವಸ್ಥೆಗಳು
DSS ವ್ಯವಸ್ಥೆಗಳ ವಿಲೀನವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.
ಆದರೆ ನೀವು ಮಾಡಬೇಕಾದರೆ ಪರಿಗಣಿಸಬೇಕಾದ ಇನ್ನೊಂದು ಅಂಶವಿದೆ
ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಮತ್ತು ಪೀಪಲ್‌ಸಾಫ್ಟ್‌ನೊಂದಿಗೆ ಮಾಡಿ. ಅನೇಕ ಪರಿಸರಗಳಲ್ಲಿ, ಐ dati
ಮಾನವ ಮತ್ತು ವೈಯಕ್ತಿಕ ಸಂಪನ್ಮೂಲಗಳು ವ್ಯವಹಾರಕ್ಕೆ ದ್ವಿತೀಯಕವಾಗಿವೆ
ಕಂಪನಿಯ ಮುಖ್ಯಸ್ಥ. ಹೆಚ್ಚಿನ ಕಂಪನಿಗಳು ನಿರ್ವಹಿಸುತ್ತವೆ
ಉತ್ಪಾದನೆ, ಮಾರಾಟ, ಸೇವೆಗಳನ್ನು ಒದಗಿಸುವುದು ಮತ್ತು ಹೀಗೆ. ದಿ
ಮಾನವ ಸಂಪನ್ಮೂಲ ಮತ್ತು ಸಿಬ್ಬಂದಿ ವ್ಯವಸ್ಥೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ದ್ವಿತೀಯಕ (ಅಥವಾ
ಬೆಂಬಲ) ಕಂಪನಿಯ ಮುಖ್ಯ ವ್ಯಾಪಾರ ಸಾಲಿಗೆ. ಆದ್ದರಿಂದ, ಇದು
ಅಸ್ಪಷ್ಟ ಮತ್ತು ಅನಾನುಕೂಲ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಗಾಗಿ ಪ್ರತ್ಯೇಕ
ಮಾನವ ಮತ್ತು ವೈಯಕ್ತಿಕ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಬೆಂಬಲ.
ಈ ವಿಷಯದಲ್ಲಿ ಪೀಪಲ್‌ಸಾಫ್ಟ್ SAP ಗಿಂತ ತುಂಬಾ ಭಿನ್ನವಾಗಿದೆ. SAP ಯೊಂದಿಗೆ, ಅದು
ಕಡ್ಡಾಯವಾಗಿ a ಡೇಟಾ ವೇರ್ಹೌಸ್. ಪೀಪಲ್‌ಸಾಫ್ಟ್‌ನೊಂದಿಗೆ, ಅದು ಅಲ್ಲ
ನಂತರ ತುಂಬಾ ಸ್ಪಷ್ಟವಾಗಿದೆ. ಪೀಪಲ್‌ಸಾಫ್ಟ್‌ನೊಂದಿಗೆ ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಐಚ್ಛಿಕವಾಗಿರುತ್ತದೆ.
ನಾನು ಹೇಳಬಹುದಾದ ಅತ್ಯುತ್ತಮ ವಿಷಯ dati ಪೀಪಲ್ ಸಾಫ್ಟ್ ಆ ಡೇಟಾ
ಆರ್ಕೈವ್ ಮಾಡಲು ಗೋದಾಮನ್ನು ಬಳಸಬಹುದು dati ಸಂಬಂಧಿಸಿದ
ಹಳೆಯ ಮಾನವ ಮತ್ತು ವೈಯಕ್ತಿಕ ಸಂಪನ್ಮೂಲಗಳು. ಎರಡನೆಯ ಕಾರಣ
ಯಾವುದನ್ನು ಕಂಪನಿಯು ಬಳಸಲು ಬಯಸುತ್ತದೆ a ಡೇಟಾ ವೇರ್ಹೌಸ್ a
ಪೀಪಲ್‌ಸಾಫ್ಟ್ ಪರಿಸರದ ಹಾನಿಯು ಪ್ರವೇಶವನ್ನು ಅನುಮತಿಸುವುದು ಮತ್ತು
ವಿಶ್ಲೇಷಣಾ ಸಾಧನಗಳಿಗೆ ಉಚಿತ ಪ್ರವೇಶ, AI dati ಪೀಪಲ್‌ಸಾಫ್ಟ್‌ನಿಂದ. ಆದರೆ
ಈ ಕಾರಣಗಳ ಜೊತೆಗೆ, ಅದನ್ನು ಮಾಡದಿರುವುದು ಉತ್ತಮವಾದ ಸಂದರ್ಭಗಳೂ ಇರಬಹುದು
ಗಾಗಿ ಡೇಟಾ ಗೋದಾಮನ್ನು ಹೊಂದಿರಿ dati ಪೀಪಲ್ ಸಾಫ್ಟ್.
ಸಾರಾಂಶದಲ್ಲಿ
ಡೇಟಾ ನಿರ್ಮಾಣಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಹಲವು ವಿಚಾರಗಳಿವೆ
ಇಆರ್‌ಪಿ ಸಾಫ್ಟ್‌ವೇರ್ ಒಳಗೆ ಗೋದಾಮು.
ಇವುಗಳಲ್ಲಿ ಕೆಲವು:
▪ ಹೊಂದಲು ಇದು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಯಾವುದನ್ನಾದರೂ ಹೋಲುತ್ತದೆ
ಉದ್ಯಮದಲ್ಲಿ ಬೇರೆ?
▪ ERP ಎಷ್ಟು ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಾಫ್ಟ್ವೇರ್?
▪ ಒಂದು ERP ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಮಾಣವನ್ನು ನಿಭಾಯಿಸಬಲ್ಲದು
dati ಇದು a ನಲ್ಲಿ ಇದೆಡೇಟಾ ವೇರ್ಹೌಸ್ ರಂಗ"?
▪ ERP ಮಾರಾಟಗಾರರು ಮಾಡುವ ಟ್ರೇಸ್ ಲಾಗಿಂಗ್ ಎಂದರೇನು
ಸಮಯದ ಪರಿಭಾಷೆಯಲ್ಲಿ, AI ಅನ್ನು ಸುಲಭವಾಗಿ ಮತ್ತು ಅಗ್ಗವಾಗಿ ಎದುರಿಸಬೇಕಾಗುತ್ತದೆ dati? (ಏನು
ಇಆರ್‌ಪಿ ಮಾರಾಟಗಾರರು ಅಗ್ಗದ ದರದ ವಿತರಣೆಯ ದಾಖಲೆಯಾಗಿದೆ
ಸಮಯ, ಡೇಟಾವನ್ನು ಪ್ರವೇಶಿಸಲು ಸುಲಭವೇ?)
▪ DSS ಆರ್ಕಿಟೆಕ್ಚರ್ ಬಗ್ಗೆ ನಿಮ್ಮ ತಿಳುವಳಿಕೆ ಏನು ಮತ್ತು
ERP ಮಾರಾಟಗಾರರಿಂದ "ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿ ಕಾರ್ಖಾನೆ"?
▪ ERP ಮಾರಾಟಗಾರರು ಹೇಗೆ ಸಾಧಿಸಬೇಕೆಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತಾರೆ dati ಒಳಗೆ
ಪರಿಸರದ, ಆದರೆ ಅವುಗಳನ್ನು ರಫ್ತು ಮಾಡುವುದು ಹೇಗೆ ಎಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ?
▪ ERP ವೆಂಡರ್ ಟು ಡೇಟ್ ಪರಿಕರಗಳು ಎಷ್ಟು ತೆರೆದಿರುತ್ತವೆ
ಉಗ್ರಾಣ?
ನಿರ್ಧರಿಸುವಲ್ಲಿ ಈ ಎಲ್ಲಾ ಪರಿಗಣನೆಗಳನ್ನು ಮಾಡಬೇಕು
ಎಲ್ಲಿ ಹಾಕಬೇಕು ಡೇಟಾ ವೇರ್ಹೌಸ್ ನಾನು ಹೋಸ್ಟ್ ಮಾಡುತ್ತದೆ dati ERP ಮತ್ತು ಇತರರು
dati. ಸಾಮಾನ್ಯವಾಗಿ, ಬಲವಾದ ಕಾರಣವಿಲ್ಲದಿದ್ದರೆ
ಇಲ್ಲದಿದ್ದರೆ, ಅದನ್ನು ನಿರ್ಮಿಸಲು ಸೂಚಿಸಲಾಗುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಔಟ್
ERP ಮಾರಾಟಗಾರರ ಪರಿಸರದಿಂದ.
ಅಧ್ಯಾಯ 1
BI ಸಂಸ್ಥೆಯ ಅವಲೋಕನ
ಮುಖ್ಯ ಅಂಶಗಳು:
ಮಾಹಿತಿ ಭಂಡಾರಗಳು ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ
ವ್ಯವಹಾರ ಗುಪ್ತಚರ (BI) ವಾಸ್ತುಶಿಲ್ಪಕ್ಕೆ:
ಕಾರ್ಪೊರೇಟ್ ಸಂಸ್ಕೃತಿ ಮತ್ತು ಐಟಿ ಯಶಸ್ಸನ್ನು ಮಿತಿಗೊಳಿಸಬಹುದು
BI ಸಂಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುವುದು.
ತಂತ್ರಜ್ಞಾನವು ಇನ್ನು ಮುಂದೆ BI ಸಂಸ್ಥೆಗಳಿಗೆ ಸೀಮಿತಗೊಳಿಸುವ ಅಂಶವಲ್ಲ. ದಿ
ವಾಸ್ತುಶಿಲ್ಪಿಗಳು ಮತ್ತು ಯೋಜನಾ ಯೋಜಕರ ಸಮಸ್ಯೆ ಅಲ್ಲವೇ ಅಲ್ಲ
ತಂತ್ರಜ್ಞಾನ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ, ಆದರೆ ಅವರು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಸಾಧ್ಯವಾದರೆ
ಲಭ್ಯವಿರುವ ತಂತ್ರಜ್ಞಾನ.
ಅನೇಕ ಕಂಪನಿಗಳಿಗೆ ಎ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದು ಗೋದಾಮಿಗಿಂತ ಸ್ವಲ್ಪ ಹೆಚ್ಚು
i ವಿತರಿಸುವ ನಿಷ್ಕ್ರಿಯ dati ಅಗತ್ಯವಿರುವ ಬಳಕೆದಾರರಿಗೆ. ದಿ dati
ಅವುಗಳನ್ನು ಮೂಲ ವ್ಯವಸ್ಥೆಗಳಿಂದ ಹೊರತೆಗೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಗುರಿ ರಚನೆಗಳಾಗಿ ಜನಸಂಖ್ಯೆ ಮಾಡಲಾಗುತ್ತದೆ
di ಡೇಟಾ ವೇರ್ಹೌಸ್. ನಾನು dati ಅವರು ಎಲ್ಲಾ ಸ್ವಚ್ಛಗೊಳಿಸಬಹುದು
ಅದೃಷ್ಟ. ಆದಾಗ್ಯೂ ಯಾವುದೇ ಹೆಚ್ಚುವರಿ ಮೌಲ್ಯವನ್ನು ಸೇರಿಸಲಾಗಿಲ್ಲ
ಮೂಲಕ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ dati ಈ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ.
ಮೂಲಭೂತವಾಗಿ, ನಿಷ್ಕ್ರಿಯ Dw, ಅತ್ಯುತ್ತಮವಾಗಿ, ನೀಡುತ್ತದೆ
ನಾನು ಮಾತ್ರ dati ಬಳಕೆದಾರರ ಸಂಘಗಳಿಗೆ ಶುದ್ಧ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆ. ಅಲ್ಲಿ
ಮಾಹಿತಿ ರಚನೆ ಮತ್ತು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ತಿಳುವಳಿಕೆ ಅವಲಂಬಿಸಿರುತ್ತದೆ
ಸಂಪೂರ್ಣವಾಗಿ ಬಳಕೆದಾರರಿಂದ. DW ಎಂಬುದನ್ನು ನಿರ್ಣಯಿಸಿ (ಮಾಹಿತಿ ಉಗ್ರಾಣ) ಇದೆ
ಯಶಸ್ಸು ವ್ಯಕ್ತಿನಿಷ್ಠವಾಗಿದೆ. ನಾವು ಯಶಸ್ಸನ್ನು ನಿರ್ಣಯಿಸಿದರೆ
ಸಮರ್ಥವಾಗಿ ಸಂಗ್ರಹಿಸುವ, ಸಂಯೋಜಿಸುವ ಮತ್ತು ಸ್ವಚ್ಛಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ i dati
ಊಹಿಸಬಹುದಾದ ಆಧಾರದ ಮೇಲೆ ಕಾರ್ಪೊರೇಟ್, ನಂತರ ಹೌದು, DW ಯಶಸ್ವಿಯಾಗಿದೆ.
ಮತ್ತೊಂದೆಡೆ, ನಾವು ಸಂಗ್ರಹವನ್ನು ನೋಡಿದರೆ, ಬಲವರ್ಧನೆ ಮತ್ತು ಲೋ
ಒಟ್ಟಾರೆಯಾಗಿ ಸಂಸ್ಥೆಯ ಮಾಹಿತಿಯ ಶೋಷಣೆ, ನಂತರ
DW ವಿಫಲವಾಗಿದೆ. ಡಿಡಬ್ಲ್ಯೂ ಕಡಿಮೆ ಮೌಲ್ಯವನ್ನು ನೀಡುತ್ತದೆ
ಮಾಹಿತಿ. ಪರಿಣಾಮವಾಗಿ, ಬಳಕೆದಾರರು ಮಾಡಲು ಬಲವಂತವಾಗಿ,
ಹೀಗೆ ಮಾಹಿತಿ ಸಿಲೋಗಳನ್ನು ರಚಿಸುತ್ತದೆ. ಈ ಅಧ್ಯಾಯವು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ
BI (ವ್ಯಾಪಾರ) ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ಸಾರಾಂಶಗೊಳಿಸಲು ಸಂಪೂರ್ಣ ದೃಷ್ಟಿ
ಗುಪ್ತಚರ) ಕಂಪನಿಯ. BI e ನ ವಿವರಣೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸೋಣ
ನಂತರ ನಾವು ವಿನ್ಯಾಸ ಮತ್ತು ಬಗ್ಗೆ ಚರ್ಚೆಗೆ ಹೋಗುತ್ತೇವೆ
ಮಾಹಿತಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು, ಸರಳವಾಗಿ ಒದಗಿಸುವುದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ i dati
ಬಳಕೆದಾರರಿಗೆ. ಎಂಬ ಲೆಕ್ಕಾಚಾರದ ಮೇಲೆ ಚರ್ಚೆಗಳು ಕೇಂದ್ರೀಕೃತವಾಗಿವೆ
ನಿಮ್ಮ BI ಪ್ರಯತ್ನಗಳ ಮೌಲ್ಯ. IBM ಅನ್ನು ಹೇಗೆ ವ್ಯಾಖ್ಯಾನಿಸುವ ಮೂಲಕ ನಾವು ತೀರ್ಮಾನಿಸುತ್ತೇವೆ
ನಿಮ್ಮ ಸಂಸ್ಥೆಯ BI ಆರ್ಕಿಟೆಕ್ಚರಲ್ ಅವಶ್ಯಕತೆಗಳನ್ನು ತಿಳಿಸುತ್ತದೆ.
ವಾಸ್ತುಶಿಲ್ಪದ ವಿವರಣೆ
BI ಸಂಸ್ಥೆ
ಶಕ್ತಿಯುತ ವಹಿವಾಟು-ಆಧಾರಿತ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳು ಈಗ ಇವೆ
ಪ್ರತಿ ದೊಡ್ಡ ಕಾರ್ಯದಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿದೆ, ಅವರು ಮಟ್ಟ ಹಾಕುತ್ತಾರೆ
ಪ್ರಪಂಚದಾದ್ಯಂತದ ನಿಗಮಗಳಿಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಆಟದ ಮೈದಾನವಾಗಿದೆ.
ಸ್ಪರ್ಧಾತ್ಮಕವಾಗಿ ಉಳಿದಿದೆ, ಆದಾಗ್ಯೂ, ಈಗ ವಿಶ್ಲೇಷಣಾತ್ಮಕವಾಗಿ ವ್ಯವಸ್ಥೆಗಳ ಅಗತ್ಯವಿದೆ
ed ಅನ್ನು ಮರುಶೋಧಿಸುವ ಮೂಲಕ ಕಂಪನಿಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಕ್ರಾಂತಿಗೊಳಿಸಬಹುದಾದ ಕಡೆಗೆ ಆಧಾರಿತವಾಗಿದೆ
ಅವರು ಈಗಾಗಲೇ ಹೊಂದಿರುವ ಮಾಹಿತಿಯನ್ನು ಬಳಸಿ. ಈ ವ್ಯವಸ್ಥೆಗಳು
ವಿಶ್ಲೇಷಣವು ಶ್ರೀಮಂತಿಕೆಯಿಂದ ತಿಳುವಳಿಕೆಯಿಂದ ಪಡೆಯುತ್ತದೆ dati
ಲಭ್ಯವಿದೆ. BI ಎಲ್ಲಾ ಮಾಹಿತಿಯಾದ್ಯಂತ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು
ಸಂಸ್ಥೆಯ. ಕಂಪನಿಗಳು ಗ್ರಾಹಕರಿಂದ ಗ್ರಾಹಕರ ಸಂಬಂಧಗಳನ್ನು ಸುಧಾರಿಸಬಹುದು
ಪೂರೈಕೆದಾರರು, ಉತ್ಪನ್ನಗಳು ಮತ್ತು ಸೇವೆಗಳ ಲಾಭವನ್ನು ಸುಧಾರಿಸಿ, ಉತ್ಪಾದಿಸಿ
ಹೊಸ ಮತ್ತು ಉತ್ತಮ ಕೊಡುಗೆಗಳು, ನಿಮ್ಮ ಅಪಾಯವನ್ನು ನಿಯಂತ್ರಿಸಿ ಮತ್ತು ಇತರ ಹಲವು
ಗಳಿಕೆಯು ವೆಚ್ಚವನ್ನು ನಾಟಕೀಯವಾಗಿ ಕಡಿತಗೊಳಿಸುತ್ತದೆ. BI ನಿಮ್ಮೊಂದಿಗೆ
ಕಂಪನಿಯು ಅಂತಿಮವಾಗಿ ಗ್ರಾಹಕರ ಮಾಹಿತಿಯನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ
ಉದ್ದೇಶಗಳನ್ನು ಹೊಂದಿರುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಸ್ಪರ್ಧಾತ್ಮಕ ಉತ್ತಮ ಧನ್ಯವಾದಗಳು
ಮಾರುಕಟ್ಟೆ.
ಸರಿಯಾದ ವ್ಯಾಪಾರವನ್ನು ಹೊಂದಿರುವುದು ಎಂದರೆ ನಿರ್ಣಾಯಕ ಉತ್ತರಗಳನ್ನು ಹೊಂದಿರುವುದು ಎಂದರ್ಥ
ಅಂತಹ ಪ್ರಮುಖ ಪ್ರಶ್ನೆಗಳು:
▪ ನಮ್ಮದು ಯಾವುದು ಗ್ರಾಹಕರಿಗೆ ಅವರು ನಮ್ಮನ್ನು ಹೆಚ್ಚು ಗಳಿಸುವಂತೆ ಮಾಡುತ್ತಾರೆ, ಅಥವಾ ನಾವು
ಅವರು ನಷ್ಟ ಮಾಡುತ್ತಾರೆಯೇ?
▪ ನಮ್ಮ ಅತ್ಯುತ್ತಮ ವಾಸಿಸುವ ಸ್ಥಳ ಗ್ರಾಹಕರಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಅಂಗಡಿ/
ಅವರು ಆಗಾಗ್ಗೆ ಗೋದಾಮು?
▪ ನಮ್ಮ ಯಾವ ಉತ್ಪನ್ನಗಳು ಮತ್ತು ಸೇವೆಗಳನ್ನು ಹೆಚ್ಚು ಮಾರಾಟ ಮಾಡಬಹುದು
ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಮತ್ತು ಯಾರಿಗೆ?
▪ ಯಾವ ಉತ್ಪನ್ನಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಮಾರಾಟ ಮಾಡಬಹುದು ಮತ್ತು ಯಾರಿಗೆ?
▪ ಯಾವ ಮಾರಾಟ ಪ್ರಚಾರವು ಹೆಚ್ಚು ಯಶಸ್ವಿಯಾಗಿದೆ ಮತ್ತು ಏಕೆ?
▪ ಯಾವ ಉತ್ಪನ್ನಗಳಿಗೆ ಯಾವ ಮಾರಾಟ ಚಾನಲ್‌ಗಳು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ?
▪ ನಮ್ಮ ಉತ್ತಮ ಜನರೊಂದಿಗೆ ನಾವು ಹೇಗೆ ಸಂಬಂಧವನ್ನು ಸುಧಾರಿಸಬಹುದು ಗ್ರಾಹಕರಿಗೆ?
ಹೆಚ್ಚಿನ ಕಂಪನಿಗಳು ಹೊಂದಿವೆ dati ಉತ್ತರಿಸಲು ಒರಟು
ಈ ಪ್ರಶ್ನೆಗಳು.
ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆಗಳು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಉತ್ಪನ್ನವನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ
ಗ್ರಾಹಕ ಮತ್ತು dati ಮಾರಾಟದ ಬಿಂದುಗಳಿಂದ ಮಾರುಕಟ್ಟೆ, ಕಾಯ್ದಿರಿಸುವಿಕೆ,
ಗ್ರಾಹಕ ಸೇವೆ ಮತ್ತು ತಾಂತ್ರಿಕ ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳಿಂದ. ಸವಾಲಾಗಿದೆ
ಈ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯಿರಿ ಮತ್ತು ಬಳಸಿಕೊಳ್ಳಿ.
ಅನೇಕ ಕಂಪನಿಗಳು ತಮ್ಮ ಸಣ್ಣ ಭಾಗಗಳಿಂದ ಮಾತ್ರ ಲಾಭ ಪಡೆಯುತ್ತವೆ dati
ಕಾರ್ಯತಂತ್ರದ ವಿಶ್ಲೇಷಣೆಗಾಗಿ.
I dati ಉಳಿದಿದೆ, ಸಾಮಾನ್ಯವಾಗಿ i ನೊಂದಿಗೆ ಸೇರಿಕೊಳ್ಳುತ್ತದೆ dati ಮುಂತಾದ ಬಾಹ್ಯ ಮೂಲಗಳಿಂದ ಹುಟ್ಟಿಕೊಂಡಿದೆ
"ಸರ್ಕಾರಿ ವರದಿಗಳು" ಮತ್ತು ಇತರ ಖರೀದಿಸಿದ ಮಾಹಿತಿಯು ಒಂದು
ಚಿನ್ನದ ಗಣಿ ಅನ್ವೇಷಿಸಲು ಕಾಯುತ್ತಿದೆ, ei dati ಮಾಡಬೇಕು
ನಿಮ್ಮ ಮಾಹಿತಿಯ ಸಂದರ್ಭದಲ್ಲಿ ಮಾತ್ರ ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ
ಸಂಸ್ಥೆ.
ಈ ಜ್ಞಾನವನ್ನು ವಿವಿಧ ರೀತಿಯಲ್ಲಿ, ವ್ಯತ್ಯಾಸಗಳಲ್ಲಿ ಅನ್ವಯಿಸಬಹುದು
ಒಟ್ಟಾರೆ ಕಾರ್ಪೊರೇಟ್ ಕಾರ್ಯತಂತ್ರವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದರಿಂದ
ಕರೆ ಕೇಂದ್ರಗಳ ಮೂಲಕ ಪೂರೈಕೆದಾರರೊಂದಿಗೆ ವೈಯಕ್ತಿಕ ಸಂವಹನ,
ಸರಕುಪಟ್ಟಿ, ಇಂಟರ್ನೆಟ್ ಮತ್ತು ಇತರ ಅಂಶಗಳು. ಇಂದಿನ ವ್ಯಾಪಾರ ಪರಿಸರವು ನಿರ್ದೇಶಿಸುತ್ತದೆ
DW ಮತ್ತು ಸಂಬಂಧಿತ BI ಪರಿಹಾರಗಳು ಮೀರಿ ವಿಕಸನಗೊಳ್ಳುತ್ತವೆ
ಸಾಂಪ್ರದಾಯಿಕ ರಚನೆಗಳ ಮರಣದಂಡನೆ dati ಯಾವ ನಾನು dati ಗೆ ಸಾಮಾನ್ಯಗೊಳಿಸಲಾಗಿದೆ
ಪರಮಾಣು ಮಟ್ಟದ ಮತ್ತು "ಸ್ಟಾರ್/ಕ್ಯೂಬ್ ಫಾರ್ಮ್ಸ್".
ಸ್ಪರ್ಧಾತ್ಮಕವಾಗಿ ಉಳಿಯಲು ಬೇಕಾಗಿರುವುದು ಸಮ್ಮಿಳನ
ಬೆಂಬಲಿಸುವ ಪ್ರಯತ್ನದಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ಮತ್ತು ಮುಂದುವರಿದ ತಂತ್ರಜ್ಞಾನಗಳು a
ವಿಶಾಲವಾದ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಭೂದೃಶ್ಯ.
ತೀರ್ಮಾನಿಸಲು, ಸಾಮಾನ್ಯ ಪರಿಸರವು ಜ್ಞಾನವನ್ನು ಹೆಚ್ಚಿಸಬೇಕು
ಒಟ್ಟಾರೆಯಾಗಿ ಕಂಪನಿಯ, ತೆಗೆದುಕೊಂಡ ಕ್ರಮಗಳನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು
ನಡೆಸಿದ ವಿಶ್ಲೇಷಣೆಗಳ ಪರಿಣಾಮವಾಗಿ ಎಲ್ಲರಿಗೂ ಉಪಯುಕ್ತವಾಗಿದೆ
ಲಾಭ.
ಉದಾಹರಣೆಗೆ, ನಿಮ್ಮದನ್ನು ನೀವು ವರ್ಗೀಕರಿಸುತ್ತೀರಿ ಎಂದು ಹೇಳೋಣ ಗ್ರಾಹಕರಿಗೆ ವಿಭಾಗಗಳಲ್ಲಿ
ಹೆಚ್ಚಿನ ಅಥವಾ ಕಡಿಮೆ ಅಪಾಯ.
ಈ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುವ ಮಾದರಿಯಿಂದ ರಚಿಸಿದ್ದರೆ ಅಥವಾ
ಇತರ ವಿಧಾನಗಳನ್ನು, Dw ನಲ್ಲಿ ಇರಿಸಬೇಕು ಮತ್ತು ಪ್ರವೇಶಿಸುವಂತೆ ಮಾಡಬೇಕು
ಯಾರಾದರೂ, ಯಾವುದೇ ಪ್ರವೇಶ ಸಾಧನದ ಮೂಲಕ, ಉದಾಹರಣೆಗೆ i
ಸ್ಥಿರ ವರದಿಗಳು, ಸ್ಪ್ರೆಡ್‌ಶೀಟ್‌ಗಳು, ಕೋಷ್ಟಕಗಳು ಅಥವಾ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ
ಸಾಲು (OLAP).
ಆದಾಗ್ಯೂ, ಪ್ರಸ್ತುತ, ಈ ರೀತಿಯ ಬಹಳಷ್ಟು ಮಾಹಿತಿ
ಸಿಲೋಗಳಲ್ಲಿ ಉಳಿಯುತ್ತವೆ dati ಅವರು ಉತ್ಪಾದಿಸುವ ವ್ಯಕ್ತಿಗಳು ಅಥವಾ ಇಲಾಖೆಗಳು
ವಿಶ್ಲೇಷಣೆ. ಸಂಸ್ಥೆಯು ಒಟ್ಟಾರೆಯಾಗಿ, ಕಡಿಮೆ ಅಥವಾ ಯಾವುದೇ ಗೋಚರತೆಯನ್ನು ಹೊಂದಿದೆ
ಗ್ರಹಿಕೆಗಾಗಿ. ಈ ರೀತಿಯ ವಿಷಯವನ್ನು ಮಿಶ್ರಣ ಮಾಡುವುದು
ನಿಮ್ಮ ಕಂಪನಿ DW ನಲ್ಲಿನ ಮಾಹಿತಿಯು ನೀವು ಸಿಲೋಗಳನ್ನು ತೊಡೆದುಹಾಕಬಹುದು
ಮಾಹಿತಿ ಮತ್ತು ನಿಮ್ಮ DW ಪರಿಸರವನ್ನು ಹೆಚ್ಚಿಸಿ.
ಸಂಸ್ಥೆಯ ಅಭಿವೃದ್ಧಿಗೆ ಎರಡು ಪ್ರಮುಖ ಅಡಚಣೆಗಳಿವೆ
BI ನ.
ಮೊದಲನೆಯದಾಗಿ, ನಮಗೆ ಸಂಸ್ಥೆಯ ಸಮಸ್ಯೆ ಇದೆ
ಸಂಬಂಧಿತ ಶಿಸ್ತಿನ.
ನೀತಿ ಬದಲಾವಣೆಗಳಿಗೆ ನಾವು ಸಹಾಯ ಮಾಡಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೂ ಸಹ
ಸಂಸ್ಥೆಯ, ನಾವು ಅಂಶಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡಬಹುದು
BI ಸಂಸ್ಥೆ, ಅದರ ವಾಸ್ತುಶಿಲ್ಪ ಮತ್ತು ಹೇಗೆ
IBM ತಂತ್ರಜ್ಞಾನವು ಅದರ ಅಭಿವೃದ್ಧಿಯನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ.
ಜಯಿಸಲು ಎರಡನೇ ತಡೆಗೋಡೆ ತಂತ್ರಜ್ಞಾನದ ಕೊರತೆ
ಸಮಗ್ರ ಮತ್ತು ಸಂಪೂರ್ಣ ಜಾಗವನ್ನು ನೆನಪಿಸುವ ವಿಧಾನದ ಜ್ಞಾನ
BI ಕೇವಲ ಒಂದು ಸಣ್ಣ ಘಟಕಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ.
IBM ತಂತ್ರಜ್ಞಾನದಲ್ಲಿನ ಬದಲಾವಣೆಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಬರುತ್ತಿದೆ
ಸಂಯೋಜಿತ. ವಿನ್ಯಾಸವನ್ನು ಒದಗಿಸುವುದು ನಿಮ್ಮ ಜವಾಬ್ದಾರಿಯಾಗಿದೆ
ಸ್ವಯಂ ಜಾಗೃತ. ಈ ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಬೇಕು
ತಂತ್ರಜ್ಞಾನವನ್ನು ನಿರ್ಬಂಧಗಳಿಲ್ಲದೆ ಅಥವಾ ಕನಿಷ್ಠ ಪಕ್ಷದೊಂದಿಗೆ ಏಕೀಕರಣಕ್ಕಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ
ತೆರೆದ ಮಾನದಂಡಗಳಿಗೆ ಬದ್ಧವಾಗಿರುವ ತಂತ್ರಜ್ಞಾನ. ಇದಲ್ಲದೆ, ನಿಮ್ಮ
ಕಂಪನಿ ನಿರ್ವಹಣೆಯು ದ್ವಿ ಉದ್ಯಮವಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬೇಕು
ಕಾರ್ಯಕ್ರಮದ ಪ್ರಕಾರ ನಡೆಸಲಾಯಿತು ಮತ್ತು ಅದನ್ನು ಅನುಮತಿಸುವುದಿಲ್ಲ
ಸ್ವಯಂ ಸೇವೆಯ ಪರಿಣಾಮವಾಗಿ ಮಾಹಿತಿ ಸಿಲೋಸ್ ಅಭಿವೃದ್ಧಿ
ಕಾರ್ಯಸೂಚಿಗಳು, ಅಥವಾ ಉದ್ದೇಶಗಳು.
ಬಿಐ ಪರಿಸರವು ಸೂಕ್ಷ್ಮವಾಗಿಲ್ಲ ಎಂದು ಹೇಳಲು ಸಾಧ್ಯವಿಲ್ಲ
ವಿಭಿನ್ನ ಬಳಕೆದಾರರ ವಿವಿಧ ಅಗತ್ಯತೆಗಳು ಮತ್ತು ಅವಶ್ಯಕತೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಿ; ಬದಲಾಗಿ, ಇದರ ಅರ್ಥ
ಆ ವೈಯಕ್ತಿಕ ಅಗತ್ಯಗಳು ಮತ್ತು ಅವಶ್ಯಕತೆಗಳ ಅನುಷ್ಠಾನವಾಗಿದೆ
ಇಡೀ BI ಸಂಸ್ಥೆಯ ಪ್ರಯೋಜನಕ್ಕಾಗಿ ಮಾಡಲಾಗಿದೆ.
BI ಸಂಸ್ಥೆಯ ವಾಸ್ತುಶಿಲ್ಪದ ವಿವರಣೆಯನ್ನು ಮಾಡಬಹುದು
ಚಿತ್ರ 9 ರಲ್ಲಿ ಪುಟ 1.1 ರಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ. ವಾಸ್ತುಶಿಲ್ಪವು ತೋರಿಸುತ್ತದೆ
ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ತಂತ್ರಗಳ ಸಮೃದ್ಧ ಮಿಶ್ರಣ.
ಸಾಂಪ್ರದಾಯಿಕ ದೃಷ್ಟಿಕೋನದಿಂದ, ವಾಸ್ತುಶಿಲ್ಪವು ಈ ಕೆಳಗಿನ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಗೋದಾಮಿನ
ಪರಮಾಣು ಪದರ.
ಇದು ಇಡೀ Dw ಯ ಅಡಿಪಾಯ, ಹೃದಯ ಮತ್ತು ಆದ್ದರಿಂದ
ಕಾರ್ಯತಂತ್ರದ ವರದಿ.
I dati ಇಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಐತಿಹಾಸಿಕ ಸಮಗ್ರತೆ, ಸಂಬಂಧಗಳನ್ನು ಉಳಿಸಿಕೊಳ್ಳುತ್ತದೆ
dati ಮತ್ತು ಪಡೆದ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಜೊತೆಗೆ ಸ್ವಚ್ಛವಾಗಿರುವುದು,
ಹೊರತೆಗೆಯುವ ಮಾದರಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.
ಇವುಗಳ ಎಲ್ಲಾ ನಂತರದ ಬಳಕೆ dati ಮತ್ತು ಸಂಬಂಧಿತ ಮಾಹಿತಿ
ಈ ರಚನೆಯಿಂದ ಪಡೆಯಲಾಗಿದೆ. ಇದು ಅತ್ಯುತ್ತಮ ಮೂಲವಾಗಿದೆ
ಹೊರತೆಗೆಯುವಿಕೆ dati ಮತ್ತು ರಚನಾತ್ಮಕ SQL ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ವರದಿಗಳಿಗಾಗಿ
ಕಾರ್ಯಾಚರಣಾ ಡಿಪೋ dati ಅಥವಾ ಆಧರಿಸಿ ವರದಿ ಮಾಡಿ
dati(ಆಪರೇಷನಲ್ ಡೇಟಾ ಸ್ಟೋರ್ (ODS) ಅಥವಾ ವರದಿ ಮಾಡುವಿಕೆ
ಡೇಟಾಬೇಸ್.)
ಇದು ಒಂದು ರಚನೆಯಾಗಿದೆ dati ನಿರ್ದಿಷ್ಟವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ
ತಾಂತ್ರಿಕ ವರದಿ.
I dati ಅಂತಿಮವಾಗಿ ಈ ರಚನೆಗಳ ಮೇಲೆ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಮತ್ತು ವರದಿ ಮಾಡಬಹುದು
ಸಂಸ್ಥೆಯ ವಲಯದ ಮೂಲಕ ಗೋದಾಮಿನೊಳಗೆ ಪ್ರಚಾರ ಮಾಡಿ (ವೇದಿಕೆ
ಪ್ರದೇಶ), ಅಲ್ಲಿ ಇದನ್ನು ಕಾರ್ಯತಂತ್ರದ ಸಂಕೇತಕ್ಕಾಗಿ ಬಳಸಬಹುದು.
ರಂಗಮಂಚ.
ಹೆಚ್ಚಿನವರಿಗೆ ಮೊದಲ ನಿಲುಗಡೆ dati ಪರಿಸರಕ್ಕೆ ಉದ್ದೇಶಿಸಲಾಗಿದೆ
ಗೋದಾಮು ಸಂಸ್ಥೆಯ ಪ್ರದೇಶವಾಗಿದೆ.
ಇಲ್ಲಿ ಐ dati ಅವುಗಳನ್ನು ಸಂಯೋಜಿಸಲಾಗಿದೆ, ಸ್ವಚ್ಛಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ dati ಉಪಯುಕ್ತ ಎಂದು
ಗೋದಾಮಿನ ರಚನೆಯನ್ನು ಜನಪ್ರಿಯಗೊಳಿಸುತ್ತದೆ
ಡೇಟಾ ಮಾರ್ಟ್ಸ್.
ವಾಸ್ತುಶಿಲ್ಪದ ಈ ಭಾಗವು ರಚನೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ dati ಬಳಸಲಾಗುತ್ತದೆ
ನಿರ್ದಿಷ್ಟವಾಗಿ OLAP ಗಾಗಿ. ಡೇಟಾಮಾರ್ಟ್‌ಗಳ ಉಪಸ್ಥಿತಿ, ಒಂದು ವೇಳೆ i dati ನಿದ್ರೆ
ಅತಿಕ್ರಮಿಸುವ ನಕ್ಷತ್ರ ಸ್ಕೀಮಾಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ dati
ಸಂಬಂಧಿತ ಪರಿಸರದಲ್ಲಿ ಅಥವಾ ಕ್ಯಾಬಿನೆಟ್‌ಗಳನ್ನು ಸಲ್ಲಿಸುವಲ್ಲಿ ಬಹುಆಯಾಮದ
di dati ನಿರ್ದಿಷ್ಟ OLAP ತಂತ್ರಜ್ಞಾನದಿಂದ ಗೌಪ್ಯವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ, ಉದಾಹರಣೆಗೆ
DB2 OLAP ಸರ್ವರ್, ಸಂಬಂಧಿತವಾಗಿಲ್ಲ.
ವಾಸ್ತುಶೈಲಿಯು ಬಳಕೆಯನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ ಎಂಬುದು ಒಂದೇ ನಿರ್ಬಂಧವಾಗಿದೆ dati
ಬಹು ಆಯಾಮದ.
ವಾಸ್ತುಶಿಲ್ಪವು ನಿರ್ಣಾಯಕ BI ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ತಂತ್ರಗಳನ್ನು ಸಹ ಒಳಗೊಂಡಿದೆ
ಇವುಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲಾಗಿದೆ:
ಪ್ರಾದೇಶಿಕ ವಿಶ್ಲೇಷಣೆ
ಬಾಹ್ಯಾಕಾಶವು ವಿಶ್ಲೇಷಕರಿಗೆ ಮಾಹಿತಿಯ ವಿಂಡ್‌ಫಾಲ್ ಆಗಿದೆ ಮತ್ತು
ರೆಸಲ್ಯೂಶನ್ ಪೂರ್ಣಗೊಳಿಸಲು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಸ್ಪೇಸ್ ಮಾಡಬಹುದು
ನಿರ್ದಿಷ್ಟ ಸ್ಥಳದಲ್ಲಿ ವಾಸಿಸುವ ಜನರ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ
ಸ್ಥಳ, ಹಾಗೆಯೇ ಆ ಸ್ಥಳ ಎಲ್ಲಿದೆ ಎಂಬುದರ ಕುರಿತು ಮಾಹಿತಿ
ಭೌತಿಕವಾಗಿ ಪ್ರಪಂಚದ ಉಳಿದ ಭಾಗಗಳಿಗೆ ಹೋಲಿಸಿದರೆ.
ಈ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕೈಗೊಳ್ಳಲು, ನಿಮ್ಮದೇ ಆದದನ್ನು ಕಟ್ಟುವ ಮೂಲಕ ನೀವು ಪ್ರಾರಂಭಿಸಬೇಕು
ಅಕ್ಷಾಂಶ ಮತ್ತು ರೇಖಾಂಶ ನಿರ್ದೇಶಾಂಕಗಳ ಮಾಹಿತಿ. ಅರ್ಥ ಏನು
"ಜಿಯೋಕೋಡಿಂಗ್" ಎಂದು ಉಲ್ಲೇಖಿಸಲಾಗಿದೆ ಮತ್ತು ಹೊರತೆಗೆಯುವಿಕೆಯ ಭಾಗವಾಗಿರಬೇಕು,
ರೂಪಾಂತರ, ಮತ್ತು ಲೋಡ್ ಪ್ರಕ್ರಿಯೆ (ETL) ಮಟ್ಟದಲ್ಲಿ
ನಿಮ್ಮ ಗೋದಾಮಿನ ಪರಮಾಣು.
ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ.
ಹೊರತೆಗೆಯುವಿಕೆ dati ನಮ್ಮ ಕಂಪನಿಗಳು ಬೆಳೆಯಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ
ಸಂಖ್ಯೆ ಗ್ರಾಹಕರಿಗೆ, ಮಾರಾಟದ ಪ್ರವೃತ್ತಿಗಳನ್ನು ಊಹಿಸಲು ಮತ್ತು ಸಕ್ರಿಯಗೊಳಿಸಲು
i ಜೊತೆಗಿನ ಸಂಬಂಧಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು ಗ್ರಾಹಕರಿಗೆ (ಸಿಆರ್ಎಂ), ನ ಇತರ ಉಪಕ್ರಮಗಳ ನಡುವೆ
ಬಿಐ
ಹೊರತೆಗೆಯುವಿಕೆ dati ಆದ್ದರಿಂದ ಇದನ್ನು ರಚನೆಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಬೇಕು
dati Dwhouse ನ ಮತ್ತು ಗೋದಾಮಿನ ಪ್ರಕ್ರಿಯೆಗಳಿಂದ ಬೆಂಬಲಿತವಾಗಿದೆ
ತಂತ್ರಜ್ಞಾನದ ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ ಬಳಕೆ ಎರಡನ್ನೂ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ ಮತ್ತು
ಸಂಬಂಧಿತ ತಂತ್ರಗಳು.
ಬಿಐ ಆರ್ಕಿಟೆಕ್ಚರ್‌ನಲ್ಲಿ ಹೇಳಿರುವಂತೆ, ಪರಮಾಣು ಮಟ್ಟ
Dwhouse, ಹಾಗೆಯೇ ಡೇಟಾಮಾರ್ಟ್ಸ್, ಅತ್ಯುತ್ತಮ ಮೂಲವಾಗಿದೆ dati
ಹೊರತೆಗೆಯುವಿಕೆಗಾಗಿ. ಅದೇ ರಚನೆಗಳು ಸಹ ಇರಬೇಕು
ಲಭ್ಯತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಹೊರತೆಗೆಯುವ ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ವೀಕರಿಸುವವರು
ದೊಡ್ಡ ಪ್ರೇಕ್ಷಕರು (ವಿಶಾಲ ಪ್ರೇಕ್ಷಕರು).
ಏಜೆಂಟರು.
ಪ್ರತಿ ಹಂತಕ್ಕೂ ಗ್ರಾಹಕರನ್ನು ಪರೀಕ್ಷಿಸಲು ವಿವಿಧ "ಏಜೆಂಟರು" ಇದ್ದಾರೆ, ಅಂದರೆ
ಕಂಪನಿಯ ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ಅದೇ dw. ಈ ಏಜೆಂಟ್ ಮಾಡಬಹುದು
ಸುಧಾರಿತ ನರ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ಬಗ್ಗೆ ಕಲಿಯಲು ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ
ಉತ್ಪನ್ನದ ಭವಿಷ್ಯದ ಬೇಡಿಕೆಯಂತಹ ಪ್ರತಿ ಬಿಂದುವಿನ ಪ್ರವೃತ್ತಿಗಳು
ಮಾರಾಟ ಪ್ರಚಾರಗಳ ಮೇಲೆ, ಪ್ರತಿಕ್ರಿಯಿಸಲು ನಿಯಮ-ಆಧಾರಿತ ಎಂಜಿನ್‌ಗಳು
un ನೀಡಿದ ಸಂದರ್ಭಗಳಲ್ಲಿ ಸೆಟ್, ಅಥವಾ ಸರಳ ಏಜೆಂಟ್ ಯಾರು
ಅವರು "ಉನ್ನತ ಕಾರ್ಯನಿರ್ವಾಹಕರಿಗೆ" ವಿನಾಯಿತಿಗಳನ್ನು ವರದಿ ಮಾಡುತ್ತಾರೆ. ಈ ಪ್ರಕ್ರಿಯೆಗಳು ಹೌದು
ನೈಜ ಸಮಯದಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಪ್ರಸ್ತುತ ಮತ್ತು, ಆದ್ದರಿಂದ, ಮಾಡಬೇಕು
ಅವರ ಚಲನೆಯೊಂದಿಗೆ ನಿಕಟವಾಗಿ ಸಂಯೋಜಿಸಲಾಗಿದೆ dati.
ಈ ಎಲ್ಲಾ ರಚನೆಗಳು dati, ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ತಂತ್ರಗಳು ಗ್ಯಾರಂಟಿ
ಸಂಘಟನೆಯನ್ನು ರಚಿಸಲು ನೀವು ರಾತ್ರಿಯನ್ನು ಕಳೆಯುವುದಿಲ್ಲ
ನಿಮ್ಮ ಬಿಐ.
ಈ ಚಟುವಟಿಕೆಯನ್ನು ಹೆಚ್ಚುತ್ತಿರುವ, ಸಣ್ಣ ಹಂತಗಳಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗುತ್ತದೆ
ಅಂಕಗಳು.
ಪ್ರತಿಯೊಂದು ಹಂತವು ಸ್ವತಂತ್ರ ಯೋಜನೆಯ ಪ್ರಯತ್ನವಾಗಿದೆ ಮತ್ತು ವರದಿಯಾಗಿದೆ
ನಿಮ್ಮ DW ಅಥವಾ BI ಉಪಕ್ರಮದಲ್ಲಿ ಪುನರಾವರ್ತನೆಯಾಗಿ. ಪುನರಾವರ್ತನೆಗಳು
ಹೊಸ ತಂತ್ರಜ್ಞಾನಗಳ ಅನುಷ್ಠಾನವನ್ನು ಒಳಗೊಂಡಿರಬಹುದು
ಹೊಸ ತಂತ್ರಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ, ಹೊಸ ರಚನೆಗಳನ್ನು ಸೇರಿಸಿ dati ,
ಲೋಡ್ ಮಾಡಲಾಗುತ್ತಿದೆ i dati ಪೂರಕ , ಅಥವಾ ವಿಶ್ಲೇಷಣೆಯ ವಿಸ್ತರಣೆಯೊಂದಿಗೆ
ನಿಮ್ಮ ಪರಿಸರ. ಈ ಪ್ಯಾರಾಗ್ರಾಫ್ ಅನ್ನು ಹೆಚ್ಚು ಚರ್ಚಿಸಲಾಗಿದೆ
ಅಧ್ಯಾಯ 3 ರಲ್ಲಿ ಆಳವಾಗಿ.
DW ಮತ್ತು BI ಉಪಕರಣಗಳ ಸಾಂಪ್ರದಾಯಿಕ ರಚನೆಗಳ ಜೊತೆಗೆ ಇತರವುಗಳಿವೆ
ನೀವು ಮಾಡಬೇಕಾದ ನಿಮ್ಮ BI ಸಂಸ್ಥೆಯ ಕಾರ್ಯಗಳು
ವಿನ್ಯಾಸ, ಉದಾಹರಣೆಗೆ:
ಗ್ರಾಹಕ ಸ್ಪರ್ಶ ಬಿಂದುಗಳು (ಗ್ರಾಹಕ ಸ್ಪರ್ಶ
ಅಂಕಗಳು).
ಎಲ್ಲಾ ಆಧುನಿಕ ಸಂಸ್ಥೆಗಳಂತೆ ಹಲವಾರು ಇವೆ
ಅನುಭವವನ್ನು ಹೊಂದುವುದು ಹೇಗೆ ಎಂಬುದನ್ನು ಸೂಚಿಸುವ ಗ್ರಾಹಕ ಟಚ್‌ಪಾಯಿಂಟ್‌ಗಳು
ನಿಮ್ಮದಕ್ಕೆ ಧನಾತ್ಮಕ ಗ್ರಾಹಕರಿಗೆ. i ನಂತಹ ಸಾಂಪ್ರದಾಯಿಕ ಚಾನಲ್‌ಗಳಿವೆ
ವ್ಯಾಪಾರಿಗಳು, ಸ್ವಿಚ್‌ಬೋರ್ಡ್ ಆಪರೇಟರ್‌ಗಳು, ನೇರ ಮೇಲ್, ಮಲ್ಟಿಮೀಡಿಯಾ ಮತ್ತು ಮುದ್ರಣ
ಜಾಹೀರಾತು, ಹಾಗೆಯೇ ಇಮೇಲ್ ಮತ್ತು ವೆಬ್‌ನಂತಹ ಅತ್ಯಂತ ಪ್ರಸ್ತುತ ಚಾನಲ್‌ಗಳು, i dati
ಕೆಲವು ಟಚ್ ಪಾಯಿಂಟ್ ಹೊಂದಿರುವ ಉತ್ಪನ್ನಗಳನ್ನು ಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳಬೇಕು,
ಸಾರಿಗೆ, ಸ್ವಚ್ಛಗೊಳಿಸಿದ, ಸಂಸ್ಕರಿಸಿದ ಮತ್ತು ನಂತರ ಸೌಲಭ್ಯಗಳಿಗೆ ಜನಸಂಖ್ಯೆ dati ಡೆಲ್ಲಾ
ಬಿಐ
ಮೂಲಭೂತ ಅಂಶಗಳು dati ಕಾರ್ಯಾಚರಣೆ ಮತ್ತು ಬಳಕೆದಾರ ಸಂಘಗಳು (ಕಾರ್ಯಾಚರಣೆ
ಡೇಟಾಬೇಸ್‌ಗಳು ಮತ್ತು ಬಳಕೆದಾರ ಸಮುದಾಯಗಳು).
ನ ಸಂಪರ್ಕ ಬಿಂದುಗಳ ಕೊನೆಯಲ್ಲಿ ಗ್ರಾಹಕರಿಗೆ ನ ಅಡಿಪಾಯಗಳು ಕಂಡುಬರುತ್ತವೆ dati
ಕಂಪನಿಯ ಅಪ್ಲಿಕೇಶನ್ ಮತ್ತು ಬಳಕೆದಾರರ ಸಮುದಾಯಗಳು. ದಿ dati ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ
ನಿದ್ರೆ dati ಸಾಂಪ್ರದಾಯಿಕ ಅದನ್ನು ಒಟ್ಟಿಗೆ ತರಬೇಕು ಮತ್ತು ವಿಲೀನಗೊಳಿಸಬೇಕು dati ಆ
ಅಗತ್ಯವನ್ನು ಪೂರೈಸಲು ಸಂಪರ್ಕ ಬಿಂದುಗಳಿಂದ ಹರಿವು
ಮಾಹಿತಿ.
ವಿಶ್ಲೇಷಕರು. (ವಿಶ್ಲೇಷಕರು)
BI ಪರಿಸರದ ಪ್ರಾಥಮಿಕ ಫಲಾನುಭವಿ ವಿಶ್ಲೇಷಕ. ಅವನೇ
ಪ್ರಸ್ತುತ ಹೊರತೆಗೆಯುವಿಕೆಯಿಂದ ಪ್ರಯೋಜನಗಳು dati ಕಾರ್ಯಾಚರಣೆಯ, ಜೊತೆಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ
ವಿವಿಧ ಮೂಲಗಳು dati , ವಿಶ್ಲೇಷಣೆಗಳಂತಹ ವೈಶಿಷ್ಟ್ಯಗಳೊಂದಿಗೆ ವರ್ಧಿಸಲಾಗಿದೆ
ಭೌಗೋಳಿಕ (ಜಿಯೋಕೋಡಿಂಗ್) ಮತ್ತು ಬಿಐ ತಂತ್ರಜ್ಞಾನಗಳಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ
ಹೊರತೆಗೆಯಲು, OLAP, ಸುಧಾರಿತ SQL ವರದಿ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ
ಭೌಗೋಳಿಕ. ಪರಿಸರದ ವಿಶ್ಲೇಷಕರಿಗೆ ಪ್ರಾಥಮಿಕ ಇಂಟರ್ಫೇಸ್
ವರದಿ ಮಾಡುವುದು BI ಪೋರ್ಟಲ್ ಆಗಿದೆ.
ಆದಾಗ್ಯೂ, ವಿಶ್ಲೇಷಕ ಮಾತ್ರ ವಾಸ್ತುಶಿಲ್ಪದಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯುವುದಿಲ್ಲ
ಬಿಐ
ನಿರ್ವಾಹಕರು, ದೊಡ್ಡ ಬಳಕೆದಾರ ಸಂಘಗಳು, ಮತ್ತು ಸದಸ್ಯರು, ಪೂರೈಕೆದಾರರು ಮತ್ತು
ಗ್ರಾಹಕರಿಗೆ ಅವರು ಎಂಟರ್‌ಪ್ರೈಸ್ ಬಿಐನಲ್ಲಿ ಪ್ರಯೋಜನಗಳನ್ನು ಕಂಡುಕೊಳ್ಳಬೇಕು.
ಬ್ಯಾಕ್-ಫೀಡ್ ಲೂಪ್.
ಬಿಐ ಆರ್ಕಿಟೆಕ್ಚರ್ ಕಲಿಕೆಯ ವಾತಾವರಣವಾಗಿದೆ. ಒಂದು ತತ್ವ
ನಿರಂತರ ರಚನೆಗಳನ್ನು ಅನುಮತಿಸುವುದು ಅಭಿವೃದ್ಧಿಯ ಲಕ್ಷಣವಾಗಿದೆ dati
ಬಳಸಿದ BI ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಮತ್ತು ಕ್ರಿಯೆಗಳ ಮೂಲಕ ನವೀಕರಿಸಲಾಗುತ್ತದೆ
ಬಳಕೆದಾರ ಉದ್ಯಮಗಳು. ಒಂದು ಉದಾಹರಣೆಯೆಂದರೆ ಮೌಲ್ಯಮಾಪನ
ಗ್ರಾಹಕ (ಗ್ರಾಹಕ ಸ್ಕೋರಿಂಗ್).
ಮಾರಾಟ ವಿಭಾಗವು ಗಣಿಗಾರಿಕೆ ಮಾದರಿಯನ್ನು ನಡೆಸಿದರೆ
ಹೊಸ ಸೇವೆಯನ್ನು ಬಳಸುವಂತೆ ಗ್ರಾಹಕರ ಅಂಕಗಳು, ನಂತರ
ಮಾರಾಟ ವಿಭಾಗವು ಕೇವಲ ಫಲಾನುಭವಿ ಗುಂಪಾಗಿರಬಾರದು
ಸೇವೆಯ.
ಬದಲಾಗಿ, ಹೊರತೆಗೆಯುವ ಮಾದರಿಯನ್ನು ಒಂದು ಭಾಗವಾಗಿ ಕೈಗೊಳ್ಳಬೇಕು
ಕಂಪನಿಯೊಳಗಿನ ನೈಸರ್ಗಿಕ ಡೇಟಾ ಹರಿವು ಮತ್ತು ಗ್ರಾಹಕರ ಅಂಕಗಳು
ಮಾಹಿತಿ ಸಂದರ್ಭದ ಸಮಗ್ರ ಭಾಗವಾಗಬೇಕು
ಗೋದಾಮು, ಎಲ್ಲಾ ಬಳಕೆದಾರರಿಗೆ ಗೋಚರಿಸುತ್ತದೆ. Bi-bI-ಕೇಂದ್ರಿತ IBM ಸೂಟ್
DB2 UDB ಸೇರಿದಂತೆ DB2 OLAP ಸರ್ವರ್ ಹೆಚ್ಚಿನದನ್ನು ಒಳಗೊಂಡಿದೆ
ಪ್ರಮುಖ ತಂತ್ರಜ್ಞಾನ ಘಟಕಗಳ ಭಾಗ, ಚಿತ್ರದಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ
1.1.
ಪುಸ್ತಕದಿಂದ ಈ ಚಿತ್ರದಲ್ಲಿ ಕಂಡುಬರುವಂತೆ ನಾವು ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ಬಳಸುತ್ತೇವೆ
ನಮಗೆ ನಿರಂತರತೆಯ ಮಟ್ಟವನ್ನು ನೀಡಿ ಮತ್ತು ಪ್ರತಿ ಉತ್ಪನ್ನವು ಹೇಗೆ ಎಂಬುದನ್ನು ಪ್ರದರ್ಶಿಸಿ
IBM ನಿಂದ BI ಯ ಸಾಮಾನ್ಯ ಮಾದರಿಗೆ ಸರಿಹೊಂದುತ್ತದೆ.
ಮಾಹಿತಿ ವಿಷಯವನ್ನು ಒದಗಿಸುವುದು (ಒದಗಿಸುವುದು
ಮಾಹಿತಿ ವಿಷಯ)
ನಿಮ್ಮ ಬಿಐ ಪರಿಸರವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದು, ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು
ಒಂದು ಪ್ರಯಾಸಕರ ಕಾರ್ಯಾಚರಣೆ. ವಿನ್ಯಾಸವು ಎರಡನ್ನೂ ಅಳವಡಿಸಿಕೊಳ್ಳಬೇಕು
ಪ್ರಸ್ತುತ ಮತ್ತು ಭವಿಷ್ಯದ ವ್ಯಾಪಾರ ಅಗತ್ಯತೆಗಳು. ವಾಸ್ತುಶಿಲ್ಪದ ವಿನ್ಯಾಸ
ಕಂಡುಬರುವ ಎಲ್ಲಾ ತೀರ್ಮಾನಗಳನ್ನು ಸೇರಿಸಲು ಪೂರ್ಣವಾಗಿರಬೇಕು
ವಿನ್ಯಾಸ ಹಂತದಲ್ಲಿ. ಮರಣದಂಡನೆ ಉಳಿಯಬೇಕು
ಒಂದೇ ಉದ್ದೇಶಕ್ಕೆ ಬದ್ಧವಾಗಿದೆ: ಬಿಐ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು
ಔಪಚಾರಿಕವಾಗಿ ರೇಖಾಚಿತ್ರದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಿದಂತೆ ಮತ್ತು ಅಗತ್ಯತೆಗಳ ಆಧಾರದ ಮೇಲೆ
ವ್ಯಾಪಾರ.
ಶಿಸ್ತು ಖಚಿತಪಡಿಸುತ್ತದೆ ಎಂದು ವಾದಿಸುವುದು ವಿಶೇಷವಾಗಿ ಕಷ್ಟಕರವಾಗಿದೆ
ಸಾಪೇಕ್ಷ ಯಶಸ್ಸು.
ನೀವು ಸಂಪೂರ್ಣ BI ಪರಿಸರವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸದ ಕಾರಣ ಇದು ಸರಳವಾಗಿದೆ
ಇದ್ದಕ್ಕಿದ್ದಂತೆ, ಆದರೆ ಕಾಲಾನಂತರದಲ್ಲಿ ಸಣ್ಣ ಹಂತಗಳಲ್ಲಿ ಮಾಡಲಾಗುತ್ತದೆ.
ಆದಾಗ್ಯೂ, ನಿಮ್ಮ ಆರ್ಕಿಟೆಕ್ಚರ್‌ನ ಬಿಐ ಘಟಕಗಳನ್ನು ಗುರುತಿಸುವುದು
ಎರಡು ಕಾರಣಗಳಿಗಾಗಿ ಮುಖ್ಯ: ನೀವು ಎಲ್ಲಾ ನಂತರದ ನಿರ್ಧಾರಗಳಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುತ್ತೀರಿ
ವಾಸ್ತುಶಿಲ್ಪದ ತಂತ್ರಗಳು.
ತಂತ್ರಜ್ಞಾನದ ನಿರ್ದಿಷ್ಟ ಬಳಕೆಯನ್ನು ಪ್ರಜ್ಞಾಪೂರ್ವಕವಾಗಿ ಯೋಜಿಸಲು ನಿಮಗೆ ಸಾಧ್ಯವಾಗುತ್ತದೆ
ನಿಮಗೆ ಅಗತ್ಯವಿರುವ ಪುನರಾವರ್ತನೆಯನ್ನು ನೀವು ಪಡೆಯದಿದ್ದರೂ ಸಹ
ಹಲವಾರು ತಿಂಗಳುಗಳ ಕಾಲ ತಂತ್ರಜ್ಞಾನ.
ನಿಮ್ಮ ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಸಾಕಷ್ಟು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಪ್ರಕಾರದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತದೆ
ನಿಮ್ಮ ವಾಸ್ತುಶಿಲ್ಪಕ್ಕಾಗಿ ನೀವು ಪಡೆದುಕೊಳ್ಳುವ ಉತ್ಪನ್ನಗಳ.
ನಿಮ್ಮ ವಾಸ್ತುಶಿಲ್ಪದ ವಿನ್ಯಾಸ ಮತ್ತು ಅಭಿವೃದ್ಧಿ ಖಾತ್ರಿಗೊಳಿಸುತ್ತದೆ
ನಿಮ್ಮ ಗೋದಾಮು ಎಂದು
ಯಾದೃಚ್ಛಿಕ ಘಟನೆಯಲ್ಲ, ಬದಲಿಗೆ "ಚೆನ್ನಾಗಿ ಯೋಚಿಸಿದ",
ಎಚ್ಚರಿಕೆಯಿಂದ ನಿರ್ಮಿಸಿದ ಜಾಹೀರಾತು ಒಪೆರಾ ಮೊಸಾಯಿಕ್ ನಂತಹ ಕಲೆಯ
ಮಿಶ್ರ ತಂತ್ರಜ್ಞಾನ.
ಮಾಹಿತಿ ವಿಷಯವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ
ಎಲ್ಲಾ ಆರಂಭಿಕ ಯೋಜನೆಗಳನ್ನು ಕೇಂದ್ರೀಕರಿಸಬೇಕು ಮತ್ತು ಗುರುತಿಸಬೇಕು
ಪರಿಸರಕ್ಕೆ ಅಗತ್ಯವಿರುವ ಮುಖ್ಯ ಬಿಐ ಘಟಕಗಳು
ಈಗ ಮತ್ತು ಭವಿಷ್ಯದಲ್ಲಿ ಸಾಮಾನ್ಯ.
ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಮುಖ್ಯ.
ಎಲ್ಲಾ ಸಾಂಪ್ರದಾಯಿಕ ಯೋಜನೆ ಪ್ರಾರಂಭವಾಗುವ ಮೊದಲೇ, ದಿ
ಪ್ರಾಜೆಕ್ಟ್ ಪ್ಲಾನರ್ ಸಾಮಾನ್ಯವಾಗಿ ಒಂದು ಅಥವಾ ಎರಡನ್ನು ಗುರುತಿಸಬಹುದು
ತಕ್ಷಣ ಘಟಕ.
ಅಗತ್ಯವಿರುವ ಘಟಕಗಳ ಸಮತೋಲನ
ಆದಾಗ್ಯೂ, ನಿಮ್ಮ ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ಸುಲಭವಾಗಿ ಕಂಡುಹಿಡಿಯಲಾಗುವುದಿಲ್ಲ.
ವಿನ್ಯಾಸದ ಹಂತದಲ್ಲಿ, ವಾಸ್ತುಶಿಲ್ಪದ ಮುಖ್ಯ ಭಾಗ
ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪ್‌ಮೆಂಟ್ (JAD) ಸೆಶನ್ ಅನ್ನು ಹುಡುಕಾಟಕ್ಕೆ ಜೋಡಿಸುತ್ತದೆ
ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಗುರುತಿಸಲು.
ಕೆಲವೊಮ್ಮೆ ಈ ಅವಶ್ಯಕತೆಗಳನ್ನು ಉಪಕರಣಗಳಿಗೆ ವಹಿಸಿಕೊಡಬಹುದು
ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ವರದಿ.
ಉದಾಹರಣೆಗೆ, ಬಳಕೆದಾರರು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಬಯಸಿದರೆ ಎಂದು ಹೇಳುತ್ತಾರೆ
ಪ್ರಸ್ತುತ ವರದಿಯನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಹಸ್ತಚಾಲಿತವಾಗಿ ರಚಿಸಬೇಕಾಗಿದೆ
ಎರಡು ಪ್ರಸ್ತುತ ಅನುಪಾತಗಳು ಮತ್ತು ಪಡೆದ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಸೇರಿಸುವುದು
ಸಂಯೋಜನೆ dati.
ಈ ಅವಶ್ಯಕತೆಯು ಸರಳವಾಗಿದ್ದರೂ, ಇದು ನಿರ್ದಿಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ
ನೀವು ಯಾವಾಗ ಸೇರಿಸಬೇಕಾದ ವೈಶಿಷ್ಟ್ಯದ ಕ್ರಿಯಾತ್ಮಕತೆ
ನಿಮ್ಮ ಸಂಸ್ಥೆಗಾಗಿ ವರದಿ ಮಾಡುವ ಪರಿಕರಗಳನ್ನು ಖರೀದಿಸಿ.
ಡಿಸೈನರ್ ಹೆಚ್ಚುವರಿ ಅವಶ್ಯಕತೆಗಳನ್ನು ಸಹ ಅನುಸರಿಸಬೇಕು
ಸಂಪೂರ್ಣ ಚಿತ್ರವನ್ನು ಪಡೆಯಿರಿ. ಬಳಕೆದಾರರು ಚಂದಾದಾರರಾಗಲು ಬಯಸುತ್ತಾರೆ
ಈ ವರದಿ?
ವರದಿಯ ಉಪವಿಭಾಗಗಳನ್ನು ರಚಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಇಮೇಲ್ ಮೂಲಕ ವಿವಿಧರಿಗೆ ಕಳುಹಿಸಲಾಗುತ್ತದೆ
ಬಳಕೆದಾರರು? ಅವರು ಈ ವರದಿಯನ್ನು ಕಂಪನಿ ಪೋರ್ಟಲ್‌ನಲ್ಲಿ ನೋಡಲು ಬಯಸುತ್ತಾರೆಯೇ?
ಈ ಎಲ್ಲಾ ಅವಶ್ಯಕತೆಗಳು ಸರಳ ಅಗತ್ಯದ ಭಾಗವಾಗಿದೆ
ಬಳಕೆದಾರರು ವಿನಂತಿಸಿದಂತೆ ಹಸ್ತಚಾಲಿತ ವರದಿಯನ್ನು ಬದಲಾಯಿಸಿ. ಲಾಭ
ಈ ರೀತಿಯ ಅಗತ್ಯತೆಗಳೆಂದರೆ ಪ್ರತಿಯೊಬ್ಬರೂ, ಬಳಕೆದಾರರು ಮತ್ತು ವಿನ್ಯಾಸಕರು
ವರದಿಗಳ ಪರಿಕಲ್ಪನೆಯ ತಿಳುವಳಿಕೆ.
ಇತರ ರೀತಿಯ ವ್ಯವಹಾರಗಳಿವೆ, ಆದಾಗ್ಯೂ, ನಾವು ಯೋಜಿಸಬೇಕಾಗಿದೆ.
ವ್ಯವಹಾರದ ಅವಶ್ಯಕತೆಗಳನ್ನು ರೂಪದಲ್ಲಿ ಹೇಳಿದಾಗ
ವ್ಯಾಪಾರ ಕಾರ್ಯತಂತ್ರದ ಪ್ರಶ್ನೆಗಳು, ಪರಿಣಿತ ವಿನ್ಯಾಸಕರಿಗೆ ಇದು ಸುಲಭವಾಗಿದೆ
ಅಳತೆ/ಸತ್ಯ ಮತ್ತು ಆಯಾಮದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಗುರುತಿಸಿ.
ಚಿತ್ರ 1.2 a ನ ಅಳತೆ ಮತ್ತು ಆಯಾಮದ ಅಂಶಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ
ವ್ಯಾಪಾರ ಸಮಸ್ಯೆ.
JAD ಬಳಕೆದಾರರಿಗೆ ತಮ್ಮ ಅವಶ್ಯಕತೆಗಳನ್ನು ಹೇಗೆ ಘೋಷಿಸಬೇಕೆಂದು ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ
ವ್ಯಾಪಾರ ಸಮಸ್ಯೆಯ ರೂಪದಲ್ಲಿ, ವಿನ್ಯಾಸಕಾರರು ಹೆಚ್ಚಾಗಿ ಒದಗಿಸುತ್ತಾರೆ
ಸಂಗ್ರಹಣೆಯ ಅವಧಿಯನ್ನು ಬಿಟ್ಟುಬಿಡಲು ಕೆಲವು ಉದಾಹರಣೆಗಳು
ಅಗತ್ಯಗಳು.
ಪರಿಣಿತ ವಿನ್ಯಾಸಕರು ಬಳಕೆದಾರರಿಗೆ ಮಾತ್ರ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡಬಹುದು
ಕಾರ್ಯತಂತ್ರದ ವ್ಯಾಪಾರ, ಆದರೆ ಅದನ್ನು ಹೇಗೆ ರೂಪಿಸುವುದು.
ಅವಶ್ಯಕತೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುವ ವಿಧಾನವನ್ನು ಅಧ್ಯಾಯ 3 ರಲ್ಲಿ ಚರ್ಚಿಸಲಾಗಿದೆ; ಫಾರ್
ಈಗ ನಾವು ಎಲ್ಲರಿಗೂ ವಿನ್ಯಾಸಗೊಳಿಸುವ ಅಗತ್ಯವನ್ನು ಸೂಚಿಸಲು ಬಯಸುತ್ತೇವೆ
BI ಅವಶ್ಯಕತೆಗಳ ಪ್ರಕಾರಗಳು
ಕಾರ್ಯತಂತ್ರದ ವ್ಯಾಪಾರ ಸಮಸ್ಯೆಯು ಕೇವಲ ಅವಶ್ಯಕತೆಯಲ್ಲ
ವ್ಯಾಪಾರ, ಆದರೆ ವಿನ್ಯಾಸದ ಸುಳಿವು ಕೂಡ. ನೀವು ಉತ್ತರಿಸಬೇಕಾದರೆ
ಬಹು ಆಯಾಮದ ಪ್ರಶ್ನೆಗೆ, ನಂತರ ನೀವು ನೆನಪಿಟ್ಟುಕೊಳ್ಳಬೇಕು,
ಪ್ರಸ್ತುತ i dati ಆಯಾಮ, ಮತ್ತು ನೀವು ಸಂಗ್ರಹಿಸಬೇಕಾದರೆ
dati ಬಹುಆಯಾಮದ, ನೀವು ಯಾವ ರೀತಿಯ ತಂತ್ರಜ್ಞಾನವನ್ನು ನಿರ್ಧರಿಸಬೇಕು ಅಥವಾ
ನೀವು ಬಳಸಲಿರುವ ತಂತ್ರ.
ನೀವು ಕಾಯ್ದಿರಿಸಿದ ಕ್ಯೂಬ್ ಸ್ಟಾರ್ ಸ್ಕೀಮಾ ಅಥವಾ ಎರಡನ್ನೂ ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತೀರಾ?
ನೀವು ನೋಡುವಂತೆ, ಸರಳವಾದ ವ್ಯವಹಾರ ಸಮಸ್ಯೆ ಕೂಡ
ವಿನ್ಯಾಸವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಪ್ರಭಾವಿಸಬಹುದು. ಆದಾಗ್ಯೂ
ಈ ರೀತಿಯ ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳು ಸಾಮಾನ್ಯ ಮತ್ತು ಅರ್ಥವಾಗುವಂತಹವು, ಕನಿಷ್ಠ
ಯೋಜನೆಯ ಅನುಭವದೊಂದಿಗೆ ವಿನ್ಯಾಸಕರು ಮತ್ತು ಯೋಜಕರು.
ನ ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ಬೆಂಬಲದ ಬಗ್ಗೆ ಸಾಕಷ್ಟು ಚರ್ಚೆಗಳು ನಡೆದಿವೆ
OLAP, ಮತ್ತು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಪರಿಹಾರಗಳು ಲಭ್ಯವಿದೆ. ಇಲ್ಲಿಯವರೆಗೂ
i ನೊಂದಿಗೆ ಸರಳವಾದ ವರದಿಯನ್ನು ಒಟ್ಟುಗೂಡಿಸುವ ಅಗತ್ಯವನ್ನು ನಾವು ಪ್ರಸ್ತಾಪಿಸಿದ್ದೇವೆ
ವ್ಯಾಪಾರ ಆಯಾಮದ ಅವಶ್ಯಕತೆಗಳು ಮತ್ತು ಈ ಅವಶ್ಯಕತೆಗಳು ಹೇಗೆ
ತಾಂತ್ರಿಕ ವಾಸ್ತುಶಿಲ್ಪದ ನಿರ್ಧಾರಗಳ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತದೆ.
ಆದರೆ ಸುಲಭವಾಗಿ ಅರ್ಥವಾಗದ ಅವಶ್ಯಕತೆಗಳು ಯಾವುವು
ಬಳಕೆದಾರರಿಂದ ಅಥವಾ DW ತಂಡದಿಂದ? ನಿಮಗೆ ಎಂದಾದರೂ ವಿಶ್ಲೇಷಣೆಯ ಅಗತ್ಯವಿದೆಯೇ
ಪ್ರಾದೇಶಿಕ (ವಿಶ್ಲೇಷಣೆ ಪ್ರಾದೇಶಿಕ)?
ಹೊರತೆಗೆಯುವ ಮಾದರಿಗಳು dati ಅವರು ನಿಮ್ಮ ಅಗತ್ಯ ಭಾಗವಾಗಿರುತ್ತಾರೆ
ಭವಿಷ್ಯ? ಯಾರಿಗೆ ಗೊತ್ತು?
ಈ ರೀತಿಯ ತಂತ್ರಜ್ಞಾನಗಳು ತುಂಬಾ ಅಲ್ಲ ಎಂದು ಗಮನಿಸುವುದು ಮುಖ್ಯ
ಸಾಮಾನ್ಯ ಬಳಕೆದಾರರು ಮತ್ತು ತಂಡದ ಸದಸ್ಯರ ಸಮುದಾಯಗಳಿಂದ ಕರೆಯಲಾಗುತ್ತದೆ
Dw, ಭಾಗಶಃ, ಇದು ಸಂಭವಿಸಬಹುದು ಏಕೆಂದರೆ ಅವರು ಸಾಮಾನ್ಯವಾಗಿ
ಕೆಲವು ಆಂತರಿಕ ಅಥವಾ ಮೂರನೇ ವ್ಯಕ್ತಿಯ ತಾಂತ್ರಿಕ ತಜ್ಞರು ಚಿಕಿತ್ಸೆ ನೀಡುತ್ತಾರೆ. ಇದು ಎ
ಈ ರೀತಿಯ ತಂತ್ರಜ್ಞಾನಗಳು ಸೃಷ್ಟಿಸುವ ಸಮಸ್ಯೆಗಳ ವಿಪರೀತ ಪ್ರಕರಣ. ಸ್ವಯಂ
ಬಳಕೆದಾರರು ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳನ್ನು ವಿವರಿಸಲು ಅಥವಾ ಅವುಗಳನ್ನು ಫ್ರೇಮ್ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ
ವಿನ್ಯಾಸಕಾರರಿಗೆ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಒದಗಿಸುವ ಸಲುವಾಗಿ, ಇವುಗಳು ಮಾಡಬಹುದು
ಗಮನಿಸದೆ ಹೋಗಿ ಅಥವಾ, ಕೆಟ್ಟದಾಗಿ, ಸರಳವಾಗಿ ನಿರ್ಲಕ್ಷಿಸಲಾಗಿದೆ.
ಡಿಸೈನರ್ ಮತ್ತು ಡೆವಲಪರ್ ಮಾಡದಿದ್ದಾಗ ಅದು ಹೆಚ್ಚು ಸಮಸ್ಯಾತ್ಮಕವಾಗುತ್ತದೆ
ಇವುಗಳಲ್ಲಿ ಸುಧಾರಿತ ಒಂದರ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಗುರುತಿಸಬಹುದು ಆದರೆ
ನಿರ್ಣಾಯಕ ತಂತ್ರಜ್ಞಾನಗಳು.
ವಿನ್ಯಾಸಕರು ಹೇಳುವುದನ್ನು ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ಕೇಳಿರುವಂತೆ, “ಅಲ್ಲದೇ, ಏಕೆಂದರೆ
ನಾವು ಈ ಇನ್ನೊಂದು ವಿಷಯವನ್ನು ಪಡೆಯುವವರೆಗೆ ನಾವು ಅದನ್ನು ಪಕ್ಕಕ್ಕೆ ಇಡುವುದಿಲ್ಲವೇ?
"ಅವರು ನಿಜವಾಗಿಯೂ ಆದ್ಯತೆಗಳಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದಾರೆಯೇ ಅಥವಾ ಅವರು ಅವುಗಳನ್ನು ತಪ್ಪಿಸುತ್ತಾರೆ
ಅವಶ್ಯಕತೆಗಳು ಅವರಿಗೆ ಅರ್ಥವಾಗುತ್ತಿಲ್ಲವೇ? ಇದು ಹೆಚ್ಚಾಗಿ ಕೊನೆಯ ಊಹೆಯಾಗಿದೆ.
ನಿಮ್ಮ ಮಾರಾಟ ತಂಡವು ಒಂದು ಅವಶ್ಯಕತೆಯನ್ನು ಸಂವಹಿಸಿದೆ ಎಂದು ಹೇಳೋಣ
ವ್ಯವಹಾರದ, ಚಿತ್ರ 1.3 ರಲ್ಲಿ ಹೇಳಿದಂತೆ, ನೀವು ನೋಡುವಂತೆ, ದಿ
ಅವಶ್ಯಕತೆಯನ್ನು ವ್ಯಾಪಾರ ಸಮಸ್ಯೆಯ ರೂಪದಲ್ಲಿ ರಚಿಸಲಾಗಿದೆ. ಅಲ್ಲಿ
ಈ ಸಮಸ್ಯೆ ಮತ್ತು ವಿಶಿಷ್ಟ ಆಯಾಮದ ಸಮಸ್ಯೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸ
ದೂರ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಮಾರಾಟ ತಂಡವು ತಿಳಿದುಕೊಳ್ಳಲು ಬಯಸುತ್ತದೆ,
ಮಾಸಿಕ ಆಧಾರದ ಮೇಲೆ, ಉತ್ಪನ್ನಗಳು, ಗೋದಾಮುಗಳು ಮತ್ತು ಒಟ್ಟು ಮಾರಾಟ
ಗ್ರಾಹಕರಿಗೆ ಅವರು ಗೋದಾಮಿನ 5 ಮೈಲುಗಳ ಒಳಗೆ ವಾಸಿಸುತ್ತಾರೆ
ಅವರು ಖರೀದಿಸುತ್ತಾರೆ.
ದುಃಖಕರವೆಂದರೆ, ವಿನ್ಯಾಸಕರು ಅಥವಾ ವಾಸ್ತುಶಿಲ್ಪಿಗಳು ಸರಳವಾಗಿ ಮಾಡಬಹುದು
ಹೇಳುವ ಮೂಲಕ ಪ್ರಾದೇಶಿಕ ಘಟಕವನ್ನು ನಿರ್ಲಕ್ಷಿಸಿ, "ನಾವು ಗ್ರಾಹಕರನ್ನು ಹೊಂದಿದ್ದೇವೆ
ಉತ್ಪನ್ನ ಮತ್ತು ಐ dati ಠೇವಣಿ ನ. ತನಕ ದೂರವನ್ನು ಇಡೋಣ
ಮತ್ತೊಂದು ಪುನರಾವರ್ತನೆ.
"ತಪ್ಪು ಉತ್ತರ. ಈ ರೀತಿಯ ವ್ಯಾಪಾರ ಸಮಸ್ಯೆಯು ಕಾಳಜಿಯನ್ನು ಹೊಂದಿದೆ
BI ಸಂಪೂರ್ಣವಾಗಿ. ಇದು ಆಳವಾದ ತಿಳುವಳಿಕೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ
ನಮ್ಮ ವ್ಯಾಪಾರ ಮತ್ತು ನಮ್ಮ ವಿಶ್ಲೇಷಕರಿಗೆ ದೃಢವಾದ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಸ್ಥಳ.
BI ಸರಳ ಪ್ರಶ್ನೆ ಅಥವಾ ಪ್ರಮಾಣಿತ ವರದಿಯನ್ನು ಮೀರಿದೆ, ಅಥವಾ
OLAP ಕೂಡ. ಈ ತಂತ್ರಜ್ಞಾನಗಳು ಇಲ್ಲ ಎಂದು ಹೇಳುವುದಿಲ್ಲ
ನಿಮ್ಮ ಬಿಐಗೆ ಅವು ಮುಖ್ಯವಾಗಿವೆ, ಆದರೆ ತಮ್ಮದೇ ಆದ ಮೇಲೆ ಅವರು ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ
BI ಪರಿಸರ.
ಮಾಹಿತಿ ಸಂದರ್ಭಕ್ಕಾಗಿ ವಿನ್ಯಾಸ
(ಮಾಹಿತಿ ವಿಷಯಕ್ಕಾಗಿ ವಿನ್ಯಾಸ)
ಈಗ ನಾವು ಎದ್ದು ಕಾಣುವ ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಗುರುತಿಸಿದ್ದೇವೆ
ರೇಖಾಚಿತ್ರದಲ್ಲಿ ವಿವಿಧ ಮೂಲಭೂತ ಅಂಶಗಳನ್ನು ಸೇರಿಸಬೇಕು
ಸಾಮಾನ್ಯ ವಾಸ್ತುಶಿಲ್ಪ. BI ಯ ಕೆಲವು ಘಟಕಗಳು ಭಾಗವಾಗಿದೆ
ನಮ್ಮ ಆರಂಭಿಕ ಪ್ರಯತ್ನಗಳು, ಕೆಲವು ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುವುದಿಲ್ಲ
ಹಲವಾರು ತಿಂಗಳುಗಳು.
ಆದಾಗ್ಯೂ, ತಿಳಿದಿರುವ ಎಲ್ಲಾ ಅವಶ್ಯಕತೆಗಳು ವಿನ್ಯಾಸದಲ್ಲಿ ಪ್ರತಿಫಲಿಸುತ್ತದೆ
ನಾವು ನಿರ್ದಿಷ್ಟ ತಂತ್ರಜ್ಞಾನವನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಬೇಕಾದಾಗ, ನಾವು
ಅದನ್ನು ಮಾಡಲು ಸಿದ್ಧರಾಗಿ. ಯೋಜನೆಯ ಬಗ್ಗೆ ಏನಾದರೂ ಆಲೋಚನೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ
ಟ್ರೇಡಿಜಿಯೋನೇಲ್.
ಉದಾಹರಣೆಗೆ, ಅಧ್ಯಾಯದ ಆರಂಭದಲ್ಲಿ ಚಿತ್ರ 1.1, ಡೇಟಾವನ್ನು ತೋರಿಸುತ್ತದೆ
i ಇಟ್ಟುಕೊಳ್ಳುವ ಮಾರ್ಟ್ dati ಆಯಾಮದ.
ಈ ಸೆಟ್ dati ನ ನಂತರದ ಬಳಕೆಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ
dati ವ್ಯಾಪಾರ ಸಮಸ್ಯೆಗಳಿಂದ ನಡೆಸಲ್ಪಡುವ ಆಯಾಮದ ಆಯಾಮಗಳು
ನಾವು ಗುರುತಿಸಿದ್ದೇವೆ. ಹೆಚ್ಚುವರಿ ದಾಖಲೆಗಳಂತೆ
ರ ವಿನ್ಯಾಸ ಅಭಿವೃದ್ಧಿಯಂತಹ ರಚಿಸಲಾಗಿದೆ dati, ನಾವು
ನಾವು ನಾನು ಹೇಗೆ ಔಪಚಾರಿಕಗೊಳಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತೇವೆ dati ಅವು ಪರಿಸರದಲ್ಲಿ ಹರಡುತ್ತವೆ.
i ಪ್ರತಿನಿಧಿಸುವ ಅಗತ್ಯವನ್ನು ನಾವು ಖಚಿತಪಡಿಸಿಕೊಂಡಿದ್ದೇವೆ dati ಆದ್ದರಿಂದ
ಆಯಾಮ, ಅವುಗಳನ್ನು ಉಪವಿಭಾಗ ಮಾಡುವುದು (ನಿರ್ದಿಷ್ಟ ಅಗತ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ
ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ) ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳಲ್ಲಿ.
ಉತ್ತರಿಸಲು ಮುಂದಿನ ಪ್ರಶ್ನೆ: ಅವುಗಳನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸಲಾಗುವುದು
ಈ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳು?
ಘನಗಳನ್ನು ಬೆಂಬಲಿಸಲು ನೀವು ನಕ್ಷತ್ರಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತೀರಾ ಅಥವಾ ಘನಗಳು ಅಥವಾ ಕೇವಲ ನಕ್ಷತ್ರಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತೀರಾ?
(ಅಥವಾ ಬಲ ಘನಗಳು, ಅಥವಾ ಬಲ ನಕ್ಷತ್ರಗಳು). ಡೇಟಾ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ರಚಿಸಿ
ಎಲ್ಲರಿಗೂ ಪರಮಾಣು ಪದರದ ಅಗತ್ಯವಿರುವ ಅವಲಂಬಿತ ಮಾರ್ಟ್‌ಗಳು dati
ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡಿದೆಯೇ? ಸ್ವತಂತ್ರ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳನ್ನು ಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳಲು ಅನುಮತಿಸಿ i dati
ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗಳಿಂದ ನೇರವಾಗಿ?
ನೀವು ಯಾವ ಕ್ಯೂಬ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತೀರಿ?
ನೀವು ಬೃಹತ್ ಪ್ರಮಾಣದಲ್ಲಿ ಹೊಂದಿದ್ದೀರಿ dati ಆಯಾಮದ ವಿಶ್ಲೇಷಣೆಗೆ ಅಗತ್ಯವಿದೆ
ಅಥವಾ ನಿಮಗೆ ನಿಮ್ಮ ರಾಷ್ಟ್ರೀಯ ಮಾರಾಟ ಪಡೆಯ ಘನಗಳು ಬೇಕಾಗುತ್ತವೆ
ವಾರಕ್ಕೊಮ್ಮೆ ಅಥವಾ ಎರಡೂ? ಶಕ್ತಿಯುತ ವಸ್ತುವನ್ನು ನಿರ್ಮಿಸಿ
ಹಣಕಾಸು ಅಥವಾ ಕಾಗ್ನೋಸ್ ಘನಗಳಿಗಾಗಿ DB2 OLAP ಸರ್ವರ್
ನಿಮ್ಮ ಮಾರಾಟ ಸಂಸ್ಥೆ ಅಥವಾ ಎರಡಕ್ಕೂ ಪವರ್‌ಪ್ಲೇ?
ಇವುಗಳು ದೊಡ್ಡ ವಾಸ್ತುಶಿಲ್ಪದ ವಿನ್ಯಾಸ ನಿರ್ಧಾರಗಳಾಗಿವೆ
ಇಲ್ಲಿಂದ ನಿಮ್ಮ ಬಿಐ ಪರಿಸರದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ. ಹೌದು,
ನೀವು OLAP ನ ಅಗತ್ಯವನ್ನು ಸ್ಥಾಪಿಸಿರುವಿರಿ. ಈಗ ನೀವು ಅದನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸುತ್ತೀರಿ
ತಂತ್ರ ಮತ್ತು ತಂತ್ರಜ್ಞಾನದ ಪ್ರಕಾರ?
ಕೆಲವು ಅತ್ಯಾಧುನಿಕ ತಂತ್ರಜ್ಞಾನಗಳು ನಿಮ್ಮ ಮೇಲೆ ಹೇಗೆ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ
ರೇಖಾಚಿತ್ರಗಳು? ನೀವು ಅಗತ್ಯವನ್ನು ಗುರುತಿಸಿದ್ದೀರಿ ಎಂದು ನಾವು ಭಾವಿಸುತ್ತೇವೆ
ನಿಮ್ಮ ಸಂಸ್ಥೆಯಲ್ಲಿ ಜಾಗ. ಈಗ ನೀವು ನೆನಪಿಸಿಕೊಳ್ಳಬೇಕು
ಯೋಜಿತವಲ್ಲದಿದ್ದರೂ ಸಹ ವಾಸ್ತುಶಿಲ್ಪದ ರೇಖಾಚಿತ್ರ ಸಮಸ್ಯೆಗಳು
ಹಲವಾರು ತಿಂಗಳುಗಳ ಕಾಲ ಬಾಹ್ಯಾಕಾಶ ಘಟಕಗಳನ್ನು ಕೈಗೊಳ್ಳಿ. ವಾಸ್ತುಶಿಲ್ಪಿ ಮಾಡಬೇಕು
ಇಂದು ಅಗತ್ಯವಿರುವದನ್ನು ಆಧರಿಸಿ ವಿನ್ಯಾಸಗೊಳಿಸಿ. ಅಗತ್ಯವನ್ನು ಊಹಿಸಿ
ಉತ್ಪಾದಿಸುವ, ಸಂಗ್ರಹಿಸುವ, ನಿರ್ವಹಿಸುವ ಮತ್ತು ಒದಗಿಸುವ ಪ್ರಾದೇಶಿಕ ವಿಶ್ಲೇಷಣೆ
ಗೆ ಪ್ರವೇಶ dati ಪ್ರಾದೇಶಿಕ. ಇದು ಪ್ರತಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕು
ತಂತ್ರಜ್ಞಾನದ ಪ್ರಕಾರ ಮತ್ತು ವಿಶೇಷಣಗಳ ಬಗ್ಗೆ ನಿರ್ಬಂಧ
ನೀವು ಪ್ರಸ್ತುತ ಪರಿಗಣಿಸಬಹುದಾದ ಸಾಫ್ಟ್‌ವೇರ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್. ಫಾರ್
ಉದಾಹರಣೆಗೆ, ಆಡಳಿತ ವ್ಯವಸ್ಥೆ ಡೇಟಾ ಬೇಸ್ ಸಂಬಂಧಿತ
ನಿಮ್ಮ ಪರಮಾಣು ಪದರಕ್ಕಾಗಿ ನೀವು ನಿರ್ವಹಿಸುವ (RDBMS) ಹೊಂದಿರಬೇಕು
ದೃಢವಾದ ಪ್ರಾದೇಶಿಕ ವಿಸ್ತರಣೆ ಲಭ್ಯವಿದೆ. ಇದು ಖಚಿತಪಡಿಸುತ್ತದೆ
ಜ್ಯಾಮಿತಿ ಮತ್ತು ವಸ್ತುಗಳನ್ನು ಬಳಸುವಾಗ ಗರಿಷ್ಠ ಕಾರ್ಯಕ್ಷಮತೆ
ನಿಮ್ಮ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಸ್ಥಳಾವಕಾಶ. ನಿಮ್ಮ RDBMS ಮಾಡದಿದ್ದರೆ
i ನಿಭಾಯಿಸಬಹುದು dati (ಪ್ರಾದೇಶಿಕ-ಕೇಂದ್ರಿತ) ಆಂತರಿಕವಾಗಿ, ಆದ್ದರಿಂದ ನೀವು ಮಾಡಬೇಕು
ಎ ಸ್ಥಾಪಿಸಿ ಡೇಟಾ ಬೇಸ್ (ಪ್ರಾದೇಶಿಕ-ಕೇಂದ್ರಿತ) ಬಾಹ್ಯ. ಇದು ಸಂಕೀರ್ಣಗೊಳಿಸುತ್ತದೆ
ಸಮಸ್ಯೆ ನಿರ್ವಹಣೆ ಮತ್ತು ನಿಮ್ಮ ಒಟ್ಟಾರೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ರಾಜಿ ಮಾಡಿಕೊಳ್ಳುತ್ತದೆ,
ನಿಮಗಾಗಿ ರಚಿಸಲಾದ ಹೆಚ್ಚುವರಿ ಸಮಸ್ಯೆಗಳನ್ನು ನಮೂದಿಸಬಾರದು
DBAಗಳು, ಅವರು ಬಹುಶಃ ಕನಿಷ್ಟ ತಿಳುವಳಿಕೆಯನ್ನು ಹೊಂದಿರುತ್ತಾರೆ
ನ ನೆಲೆಗಳ dati ಪ್ರಾದೇಶಿಕ ಹಾಗೂ. ಮತ್ತೊಂದೆಡೆ, ನಿಮ್ಮ ಎಂಜಿನ್ ವೇಳೆ
RDMBS ಎಲ್ಲಾ ಪ್ರಾದೇಶಿಕ ಘಟಕಗಳು ಮತ್ತು ಸಂಬಂಧಿತ ಅಂಶಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ
ಆಪ್ಟಿಮೈಜರ್ ವಿಶೇಷ ಅಗತ್ಯಗಳ ಬಗ್ಗೆ ತಿಳಿದಿರುತ್ತದೆ (ಉದಾಹರಣೆಗೆ,
ಇಂಡೆಕ್ಸಿಂಗ್) ಪ್ರಾದೇಶಿಕ ವಸ್ತುಗಳ, ನಂತರ ನಿಮ್ಮ DBA ಗಳು ಅವುಗಳನ್ನು ನಿಭಾಯಿಸಬಹುದು
ಸಮಸ್ಯೆಗಳನ್ನು ತ್ವರಿತವಾಗಿ ನಿರ್ವಹಿಸಿ ಮತ್ತು ನೀವು ಅವುಗಳನ್ನು ಹೆಚ್ಚಿಸಬಹುದು
ಪ್ರೆಸ್ಟಾಜಿಯೋನಿ.
ಹೆಚ್ಚುವರಿಯಾಗಿ, ನೀವು ವೇದಿಕೆಯ ಪ್ರದೇಶ ಮತ್ತು ಪದರವನ್ನು ಸರಿಹೊಂದಿಸಬೇಕಾಗಿದೆ
ಪರಮಾಣು ಪರಿಸರದಲ್ಲಿ ವಿಳಾಸ ಶುದ್ಧೀಕರಣವನ್ನು ಸೇರಿಸಲು (ಎ
ಪ್ರಾದೇಶಿಕ ವಿಶ್ಲೇಷಣೆಗೆ ಪ್ರಮುಖ ಅಂಶ), ಹಾಗೆಯೇ ಕೆಳಗಿನವುಗಳು
ಬಾಹ್ಯಾಕಾಶ ವಸ್ತುಗಳನ್ನು ಉಳಿಸಲಾಗುತ್ತಿದೆ. ನ ಆವೃತ್ತಿಗಳ ಅನುಕ್ರಮ
ನಾವು ಶುಚಿಗೊಳಿಸುವ ಕಲ್ಪನೆಯನ್ನು ಪರಿಚಯಿಸಿದ ನಂತರ ರೇಖಾಚಿತ್ರವು ಮುಂದುವರಿಯುತ್ತದೆ
ವಿಳಾಸ. ಒಂದು ವಿಷಯಕ್ಕಾಗಿ, ಈ ಅಪ್ಲಿಕೇಶನ್ ಪ್ರಕಾರವನ್ನು ನಿರ್ದೇಶಿಸುತ್ತದೆ
ನಿಮ್ಮ ETL ಪ್ರಯತ್ನಕ್ಕೆ ಅಗತ್ಯವಿರುವ ಸಾಫ್ಟ್‌ವೇರ್.
ನಿಮಗೆ ವಿಳಾಸವನ್ನು ನೀಡಲು ಟ್ರಿಲಿಯಮ್‌ನಂತಹ ಉತ್ಪನ್ನಗಳ ಅಗತ್ಯವಿದೆ
ಕ್ಲೀನ್, ಅಥವಾ ನೀವು ಅದನ್ನು ಒದಗಿಸಲು ಆಯ್ಕೆಮಾಡುವ ETL ಪೂರೈಕೆದಾರ
ಕ್ರಿಯಾತ್ಮಕತೆ?
ಇದೀಗ ನೀವು ವಿನ್ಯಾಸದ ಮಟ್ಟವನ್ನು ಪ್ರಶಂಸಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ
ನಿಮ್ಮ ಪ್ರದರ್ಶನವನ್ನು ಪ್ರಾರಂಭಿಸುವ ಮೊದಲು ಪೂರ್ಣಗೊಳಿಸಬೇಕು
ಪರಿಸರ (ಗೋದಾಮಿನ). ಮೇಲಿನ ಉದಾಹರಣೆಗಳು ಇರಬೇಕು
ಅನುಸರಿಸಬೇಕಾದ ವಿನ್ಯಾಸ ನಿರ್ಧಾರಗಳ ಬಹುಸಂಖ್ಯೆಯನ್ನು ಪ್ರದರ್ಶಿಸಿ
ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳ ಗುರುತಿಸುವಿಕೆ. ಮಾಡಿದರೆ
ಸರಿಯಾಗಿ, ಈ ವಿನ್ಯಾಸ ನಿರ್ಧಾರಗಳು ಮುನ್ನಡೆಯುತ್ತವೆ
ನಿಮ್ಮ ಪರಿಸರದ ಭೌತಿಕ ರಚನೆಗಳ ನಡುವಿನ ಪರಸ್ಪರ ಅವಲಂಬನೆ, ದಿ
ಬಳಸಿದ ತಂತ್ರಜ್ಞಾನದ ಆಯ್ಕೆ ಮತ್ತು ಪ್ರಸರಣದ ಹರಿವು
ಮಾಹಿತಿ ವಿಷಯ. ಈ ಸಾಂಪ್ರದಾಯಿಕ ವಾಸ್ತುಶಿಲ್ಪವಿಲ್ಲದೆ
BI ನ, ನಿಮ್ಮ ಸಂಸ್ಥೆಯು ಮಿಶ್ರಣಕ್ಕೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ
ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ತಂತ್ರಜ್ಞಾನಗಳ ಅಸ್ತವ್ಯಸ್ತವಾಗಿದೆ, ಅತ್ಯುತ್ತಮವಾಗಿ, ಒಂದು ರೀತಿಯಲ್ಲಿ ಯುನೈಟೆಡ್
ಸ್ಪಷ್ಟವಾದ ಸ್ಥಿರತೆಯನ್ನು ಒದಗಿಸಲು ನಿಖರವಾಗಿಲ್ಲ.
ಮಾಹಿತಿ ವಿಷಯವನ್ನು ನಿರ್ವಹಿಸಿ
ನಿಮ್ಮ ಸಂಸ್ಥೆಗೆ ಮಾಹಿತಿಯ ಮೌಲ್ಯವನ್ನು ತರುವುದು
ಬಹಳ ಕಷ್ಟಕರವಾದ ಕಾರ್ಯಾಚರಣೆ. ಸಾಕಷ್ಟು ತಿಳುವಳಿಕೆ ಇಲ್ಲದೆ
ಮತ್ತು ಅನುಭವ, ಅಥವಾ ಸಾಕಷ್ಟು ಯೋಜನೆ ಮತ್ತು ರೇಖಾಚಿತ್ರ, ಸಹ
ಉತ್ತಮ ತಂಡಗಳು ವಿಫಲಗೊಳ್ಳುತ್ತವೆ. ಮತ್ತೊಂದೆಡೆ, ನೀವು ದೊಡ್ಡದನ್ನು ಹೊಂದಿದ್ದರೆ
ಅಂತಃಪ್ರಜ್ಞೆ ಮತ್ತು ವಿವರವಾದ ಯೋಜನೆ ಆದರೆ ಯಾವುದೇ ಶಿಸ್ತು
ಮರಣದಂಡನೆ, ನೀವು ನಿಮ್ಮ ಹಣ ಮತ್ತು ಸಮಯವನ್ನು ವ್ಯರ್ಥ ಮಾಡಿದ್ದೀರಿ
ಏಕೆಂದರೆ ನಿಮ್ಮ ಪ್ರಯತ್ನವು ವಿಫಲಗೊಳ್ಳುತ್ತದೆ. ಸಂದೇಶ ನೀಡಬೇಕು
ಸ್ಪಷ್ಟವಾಗಿರಿ: ನೀವು ಇವುಗಳಲ್ಲಿ ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನದನ್ನು ಕಳೆದುಕೊಂಡಿದ್ದರೆ
ಕೌಶಲ್ಯಗಳು, ತಿಳುವಳಿಕೆ/ಅನುಭವ ಅಥವಾ ಯೋಜನೆ/ಚಿತ್ರಕಲೆ ಅಥವಾ
ಅನುಷ್ಠಾನದ ಶಿಸ್ತು, ಇದು ಪಾರ್ಶ್ವವಾಯುವಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ ಅಥವಾ
ಬಿಐ ಸಂಸ್ಥೆಯ ಕಟ್ಟಡವನ್ನು ನಾಶಪಡಿಸಿ.
ನಿಮ್ಮ ತಂಡವು ಸಾಕಷ್ಟು ಸಿದ್ಧವಾಗಿದೆಯೇ? ನಿಮ್ಮ ಮೇಲೆ ಯಾರೋ ಇದ್ದಾರೆ
ಲಭ್ಯವಿರುವ ವಿಶಾಲವಾದ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಭೂದೃಶ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ BI ತಂಡ
BI ಪರಿಸರದಲ್ಲಿ, ಅಗತ್ಯ ತಂತ್ರಗಳು ಮತ್ತು ತಂತ್ರಜ್ಞಾನಗಳಲ್ಲಿ
ಆ ಭೂದೃಶ್ಯವನ್ನು ಕೈಗೊಳ್ಳಲು? ನಿಮ್ಮ ತಂಡದಲ್ಲಿ ಯಾರೋ ಇದ್ದಾರೆ
ಇದು ಮುಂದುವರಿದ ನಡುವಿನ ಅಪ್ಲಿಕೇಶನ್ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಬಹುದು
ಸ್ಥಿರ ವರದಿ ಮತ್ತು OLAP, ಅಥವಾ ROLAP ಮತ್ತು OLAP ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳು? ಇದರಲ್ಲಿ ಒಂದು
ನಿಮ್ಮ ತಂಡದ ಸದಸ್ಯರು ಈ ಮಾರ್ಗವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಗುರುತಿಸುತ್ತಾರೆ
ಹೊರತೆಗೆಯಿರಿ ಮತ್ತು ಅದು ಗೋದಾಮಿನ ಮೇಲೆ ಹೇಗೆ ಪರಿಣಾಮ ಬೀರಬಹುದು ಅಥವಾ ಹೇಗೆ
ಗೋದಾಮು ಗಣಿಗಾರಿಕೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉಳಿಸಿಕೊಳ್ಳಬಹುದೇ? ಒಬ್ಬ ಸದಸ್ಯ
ತಂಡದ ಮೌಲ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತದೆ dati ಬಾಹ್ಯಾಕಾಶ ಅಥವಾ ತಂತ್ರಜ್ಞಾನ
ಏಜೆಂಟ್ ಆಧಾರಿತ? ಅನನ್ಯ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಮೆಚ್ಚುವ ಯಾರನ್ನಾದರೂ ನೀವು ಹೊಂದಿದ್ದೀರಾ
ಬ್ರೋಕರ್ ತಂತ್ರಜ್ಞಾನದ ವಿರುದ್ಧ ETL ಉಪಕರಣಗಳು
ಸಂದೇಶ? ನೀವು ಒಂದನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೆ, ಒಂದನ್ನು ಪಡೆದುಕೊಳ್ಳಿ. ಬಿಐ ಹೆಚ್ಚು
OLAP ನ ಸಾಮಾನ್ಯೀಕರಿಸಿದ ಪರಮಾಣು ಪದರದ ದೊಡ್ಡದು, ಯೋಜನೆಗಳ a
ನಕ್ಷತ್ರ ಮತ್ತು ODS.
ಅವಶ್ಯಕತೆಗಳನ್ನು ಗುರುತಿಸಲು ತಿಳುವಳಿಕೆ ಮತ್ತು ಅನುಭವವನ್ನು ಹೊಂದಿರಿ
BI ಮತ್ತು ಅವುಗಳ ಪರಿಹಾರಗಳು ನಿಮ್ಮ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ಅತ್ಯಗತ್ಯ
ಬಳಕೆದಾರರ ಅಗತ್ಯತೆಗಳು ಮತ್ತು ವಿನ್ಯಾಸವನ್ನು ಸರಿಯಾಗಿ ಔಪಚಾರಿಕಗೊಳಿಸಿ
ಮತ್ತು ಅವರ ಪರಿಹಾರಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ. ನಿಮ್ಮ ಬಳಕೆದಾರ ಸಮುದಾಯವನ್ನು ಹೊಂದಿದ್ದರೆ
ಅವಶ್ಯಕತೆಗಳನ್ನು ವಿವರಿಸುವಲ್ಲಿ ತೊಂದರೆ, ಇದು ತಂಡದ ಕಾರ್ಯವಾಗಿದೆ
ಗೋದಾಮು ಆ ತಿಳುವಳಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ. ಆದರೆ ತಂಡದ ವೇಳೆ
ಗೋದಾಮಿನ
BI ಯ ನಿರ್ದಿಷ್ಟ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಗುರುತಿಸುವುದಿಲ್ಲ - ಉದಾಹರಣೆಗೆ, ಡೇಟಾ
ಗಣಿಗಾರಿಕೆ- ನಂತರ ಇದು BI ಪರಿಸರದಲ್ಲಿ ಮಾಡುವ ಅತ್ಯುತ್ತಮ ಕೆಲಸವಲ್ಲ
ಸಾಮಾನ್ಯವಾಗಿ ನಿಷ್ಕ್ರಿಯ ಠೇವಣಿಗಳಿಗೆ ಸೀಮಿತವಾಗಿರುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಇವುಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸಿ
ತಂತ್ರಜ್ಞಾನಗಳು ಅವುಗಳ ಪ್ರಾಮುಖ್ಯತೆ ಮತ್ತು ಅವುಗಳ ಪ್ರಭಾವವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದಿಲ್ಲ
ನಿಮ್ಮ ವ್ಯಾಪಾರ ಬುದ್ಧಿವಂತಿಕೆಯ ಸಾಧ್ಯತೆಗಳ ಹೊರಹೊಮ್ಮುವಿಕೆಯ ಮೇಲೆ
ಸಂಸ್ಥೆ, ಹಾಗೆಯೇ ನೀವು ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಮಾಹಿತಿ ರಚನೆ
ಪ್ರಚಾರಕ್ಕಾಗಿ.
ಯೋಜನೆಯು ರೇಖಾಚಿತ್ರದ ಕಲ್ಪನೆಯನ್ನು ಒಳಗೊಂಡಿರಬೇಕು, ಸಂ
ಎರಡಕ್ಕೂ ಒಬ್ಬ ಸಮರ್ಥ ವ್ಯಕ್ತಿಯ ಅಗತ್ಯವಿರುತ್ತದೆ. ಜೊತೆಗೆ, ಯೋಜನೆ
ತಂಡದ ವೇರ್‌ಹೌಸ್ ತತ್ವಶಾಸ್ತ್ರ ಮತ್ತು ವೀಕ್ಷಣೆಯ ಅಗತ್ಯವಿದೆ
ಮಾನದಂಡಗಳ. ಉದಾಹರಣೆಗೆ, ನಿಮ್ಮ ಕಂಪನಿಯು ಸ್ಥಾಪಿಸಿದ್ದರೆ a
ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಅಥವಾ ನೀವು ನಿರ್ದಿಷ್ಟ RDBMS ಅನ್ನು ಗುರುತಿಸಿದ್ದೀರಿ
ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನಾದ್ಯಂತ ಪ್ರಮಾಣೀಕರಿಸಲು ಬಯಸುತ್ತಾರೆ, ಅದು ನಮ್ಮ ಮೇಲೆ ಬದ್ಧವಾಗಿದೆ
ತಂಡದ ಪ್ರತಿಯೊಬ್ಬರೂ ಆ ಮಾನದಂಡಗಳನ್ನು ಅನುಸರಿಸುತ್ತಾರೆ. ಸಾಮಾನ್ಯವಾಗಿ ಒಂದು
ತಂಡವು ಸಾಮಾನ್ಯೀಕರಣದ ಅಗತ್ಯವನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ (ಬಳಕೆದಾರರಿಗೆ
ಸಮುದಾಯಗಳು), ಆದರೆ ತಂಡವು ಸೇರಲು ಇಷ್ಟವಿರುವುದಿಲ್ಲ
ಕಂಪನಿಯ ಇತರ ಪ್ರದೇಶಗಳಲ್ಲಿ ಅಥವಾ ಬಹುಶಃ ಸಹ ಸ್ಥಾಪಿಸಲಾದ ಮಾನದಂಡಗಳು
ಇದೇ ಕಂಪನಿಗಳು. ಇದು ಬೂಟಾಟಿಕೆ ಮಾತ್ರವಲ್ಲ, ಕಂಪನಿಯು ಹಾಗೆ ಮಾಡುವುದಿಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ
ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಂಪನ್ಮೂಲಗಳು ಮತ್ತು ಹೂಡಿಕೆಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಇದರ ಅರ್ಥವಲ್ಲ
ವೇದಿಕೆಯನ್ನು ಖಾತರಿಪಡಿಸುವ ಯಾವುದೇ ಸಂದರ್ಭಗಳಿಲ್ಲ ಅಥವಾ ಎ
ಪ್ರಮಾಣಿತವಲ್ಲದ ತಂತ್ರಜ್ಞಾನ; ಆದಾಗ್ಯೂ, ಗೋದಾಮಿನ ಪ್ರಯತ್ನಗಳು
ವರೆಗಿನ ಉದ್ಯಮದ ಗುಣಮಟ್ಟವನ್ನು ಅವರು ಅಸೂಯೆಯಿಂದ ರಕ್ಷಿಸಬೇಕು
ವ್ಯಾಪಾರದ ಅವಶ್ಯಕತೆಗಳು ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಿಲ್ಲ.
BI ಅನ್ನು ನಿರ್ಮಿಸಲು ಅಗತ್ಯವಿರುವ ಮೂರನೇ ಪ್ರಮುಖ ಅಂಶ
ಸಂಘಟನೆಯು ಶಿಸ್ತು.
ಇದು ಒಟ್ಟಾರೆಯಾಗಿ, ವ್ಯಕ್ತಿಗಳು ಮತ್ತು ಪರಿಸರದ ಮೇಲೆ ಸಮಾನವಾಗಿ ಅವಲಂಬಿತವಾಗಿದೆ.
ಪ್ರಾಜೆಕ್ಟ್ ಯೋಜಕರು, ಪ್ರಾಯೋಜಕರು, ವಾಸ್ತುಶಿಲ್ಪಿಗಳು ಮತ್ತು ಬಳಕೆದಾರರು ಇದನ್ನು ಪ್ರಶಂಸಿಸಬೇಕು
ಕಂಪನಿಯ ಮಾಹಿತಿ ರಚನೆಯನ್ನು ನಿರ್ಮಿಸಲು ಅಗತ್ಯವಾದ ಶಿಸ್ತು.
ವಿನ್ಯಾಸಕರು ತಮ್ಮ ವಿನ್ಯಾಸ ಪ್ರಯತ್ನಗಳನ್ನು ಅಂತಹ ರೀತಿಯಲ್ಲಿ ನಿರ್ದೇಶಿಸಬೇಕು
ಸಮಾಜದಲ್ಲಿ ಇತರ ಅಗತ್ಯ ಪ್ರಯತ್ನಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ.
ಉದಾಹರಣೆಗೆ, ನಿಮ್ಮ ಕಂಪನಿಯು ನಿರ್ಮಿಸುತ್ತದೆ ಎಂದು ಹೇಳೋಣ
ಗೋದಾಮಿನ ಘಟಕವನ್ನು ಹೊಂದಿರುವ ERP ಅಪ್ಲಿಕೇಶನ್.
ಆದ್ದರಿಂದ ಸಹಕರಿಸುವುದು ERP ವಿನ್ಯಾಸಕರ ಜವಾಬ್ದಾರಿಯಾಗಿದೆ
ಗೋದಾಮಿನ ಪರಿಸರ ತಂಡ ಆದ್ದರಿಂದ ಸ್ಪರ್ಧಿಸಲು ಅಥವಾ
ಈಗಾಗಲೇ ಪ್ರಾರಂಭಿಸಿದ ಕೆಲಸವನ್ನು ನಕಲು ಮಾಡಿ.
ಶಿಸ್ತು ಕೂಡ ಕಾಳಜಿ ವಹಿಸಬೇಕಾದ ವಿಷಯವಾಗಿದೆ
ಸಂಪೂರ್ಣ ಸಂಸ್ಥೆಯಿಂದ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಸ್ಥಾಪಿಸಲಾಗಿದೆ ಮತ್ತು ಎ ಗೆ ವಹಿಸಲಾಗಿದೆ
ಕಾರ್ಯನಿರ್ವಾಹಕ ಮಟ್ಟ.
ನಿರ್ವಾಹಕರು ವಿನ್ಯಾಸಗೊಳಿಸಿದ ವಿಧಾನವನ್ನು ಅನುಸರಿಸಲು ಸಿದ್ಧರಿದ್ದಾರೆಯೇ? ಎ
ಮಾಹಿತಿ ವಿಷಯವನ್ನು ರಚಿಸಲು ಭರವಸೆ ನೀಡುವ ವಿಧಾನ
ಅಂತ್ಯವು ವ್ಯವಹಾರದ ಎಲ್ಲಾ ಕ್ಷೇತ್ರಗಳಿಗೆ ಮೌಲ್ಯವನ್ನು ತರುತ್ತದೆ, ಆದರೆ ಬಹುಶಃ
ಇದು ವೈಯಕ್ತಿಕ ಅಥವಾ ಇಲಾಖೆಯ ಅಜೆಂಡಾಗಳಿಗೆ ರಾಜಿಯಾಗುತ್ತದೆಯೇ? ಎಂಬ ಮಾತನ್ನು ನೆನಪಿಸಿಕೊಳ್ಳಿ
"ಒಂದು ವಿಷಯದ ಬಗ್ಗೆ ಯೋಚಿಸುವುದಕ್ಕಿಂತ ಎಲ್ಲದರ ಬಗ್ಗೆ ಯೋಚಿಸುವುದು ಹೆಚ್ಚು ಮುಖ್ಯವಾಗಿದೆ."
ಬಿಐ ಸಂಸ್ಥೆಗಳಿಗೆ ಈ ಮಾತು ನಿಜ.
ದುರದೃಷ್ಟವಶಾತ್, ಅನೇಕ ಗೋದಾಮುಗಳು ತಮ್ಮ ಪ್ರಯತ್ನಗಳನ್ನು ಕೇಂದ್ರೀಕರಿಸುತ್ತವೆ
ನಿರ್ದಿಷ್ಟ ಇಲಾಖೆಗೆ ಗುರಿ ಮತ್ತು ಮೌಲ್ಯವನ್ನು ತರಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದೆ ಅಥವಾ
ನಿರ್ದಿಷ್ಟ ಬಳಕೆದಾರರು, ಸಂಸ್ಥೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಕಡಿಮೆ
ಸಾಮಾನ್ಯ. ಮ್ಯಾನೇಜರ್ ತಂಡದಿಂದ ಸಹಾಯವನ್ನು ಕೋರುತ್ತಾನೆ ಎಂದು ಭಾವಿಸೋಣ
ಉಗ್ರಾಣ. ತಂಡವು 90 ದಿನಗಳ ಕಾಲ ಕೆಲಸ ಮಾಡುವ ಮೂಲಕ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ
ನಿಂದ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಅಧಿಸೂಚನೆ ಅವಶ್ಯಕತೆಗಳ ವಿತರಣೆಯನ್ನು ಮಾತ್ರ ಒಳಗೊಂಡಿರುತ್ತದೆ
ಮ್ಯಾನೇಜರ್ ಆದರೆ ಎಲ್ಲವನ್ನೂ ಖಚಿತಪಡಿಸುತ್ತದೆ dati ಬೇಸ್ ಅನ್ನು ಪದರದಲ್ಲಿ ಬೆರೆಸಲಾಗುತ್ತದೆ
ಕ್ಯೂಬ್ ತಂತ್ರಜ್ಞಾನಕ್ಕೆ ಪರಿಚಯಿಸುವ ಮೊದಲು ಪರಮಾಣು
ಪ್ರಸ್ತಾವನೆ.
ಈ ಇಂಜಿನಿಯರಿಂಗ್ ಸೇರ್ಪಡೆಯು ಕೈಗೊಳ್ಳುವುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ
ವೇರ್‌ಹೌಸ್‌ನಿಂದ ಪ್ರಯೋಜನವಾಗಲಿದೆ dati ವ್ಯವಸ್ಥಾಪಕರಿಗೆ ಅಗತ್ಯ.
ಆದಾಗ್ಯೂ, ಕಾರ್ಯನಿರ್ವಾಹಕರು ಹೊರಗಿನ ಸಲಹಾ ಸಂಸ್ಥೆಗಳೊಂದಿಗೆ ಮಾತನಾಡಿದರು
4 ಕ್ಕಿಂತ ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ವಿತರಣೆಯೊಂದಿಗೆ ಇದೇ ರೀತಿಯ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದ್ದಾರೆ
ವಾರಗಳು.
ಆಂತರಿಕ ವೇರ್ಹೌಸ್ ತಂಡವು ಸಮರ್ಥವಾಗಿದೆ ಎಂದು ಊಹಿಸಿ, ದಿ
ಮ್ಯಾನೇಜರ್ ಆಯ್ಕೆಯನ್ನು ಹೊಂದಿದೆ. ಶಿಸ್ತನ್ನು ಯಾರು ಬೆಂಬಲಿಸಬಹುದು
ಆಸ್ತಿಯನ್ನು ಬೆಳೆಸಲು ಹೆಚ್ಚುವರಿ ಎಂಜಿನಿಯರಿಂಗ್ ಅಗತ್ಯವಿದೆ
ತಿಳಿವಳಿಕೆ ವ್ಯಾಪಾರ ಅಥವಾ ನೀವು ನಿಮ್ಮ ಸ್ವಂತ ರಚಿಸಲು ಆಯ್ಕೆ ಮಾಡಬಹುದು
ತ್ವರಿತವಾಗಿ ಪರಿಹಾರ. ಕೊನೆಯದನ್ನು ನಿಜವಾಗಿಯೂ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ ಎಂದು ತೋರುತ್ತದೆ
ಆಗಾಗ್ಗೆ ಮತ್ತು ಮಾಹಿತಿ ಧಾರಕಗಳನ್ನು ರಚಿಸಲು ಮಾತ್ರ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ
ಇದು ಕೆಲವರಿಗೆ ಅಥವಾ ವ್ಯಕ್ತಿಗೆ ಮಾತ್ರ ಪ್ರಯೋಜನವನ್ನು ನೀಡುತ್ತದೆ.
ಅಲ್ಪಾವಧಿಯ ಮತ್ತು ದೀರ್ಘಾವಧಿಯ ಉದ್ದೇಶಗಳು
ವಾಸ್ತುಶಿಲ್ಪಿಗಳು ಮತ್ತು ಯೋಜನಾ ವಿನ್ಯಾಸಕರು ಔಪಚಾರಿಕಗೊಳಿಸಬೇಕು a
ಒಟ್ಟಾರೆ ವಾಸ್ತುಶಿಲ್ಪ ಮತ್ತು ಯೋಜನೆಗಳ ದೀರ್ಘಾವಧಿಯ ದೃಷ್ಟಿ
BI ಸಂಸ್ಥೆಯಲ್ಲಿ ಬೆಳೆಯಿರಿ. ಈ ಸಂಯೋಜನೆ
ಅಲ್ಪಾವಧಿಯ ಲಾಭ ಮತ್ತು ದೀರ್ಘಾವಧಿಯ ಯೋಜನೆ
BI ಪ್ರಯತ್ನಗಳ ಎರಡು ಬದಿಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಅಲ್ಪಾವಧಿಯ ಲಾಭ
ಗಡುವು BI ಯ ಅಂಶವಾಗಿದೆ, ಇದು ಪುನರಾವರ್ತನೆಗಳೊಂದಿಗೆ ಸಂಬಂಧಿಸಿದೆ
ನಿಮ್ಮ ಗೋದಾಮು.
ಯೋಜಕರು, ವಾಸ್ತುಶಿಲ್ಪಿಗಳು ಮತ್ತು ಪ್ರಾಯೋಜಕರು ಇಲ್ಲಿ ಗಮನಹರಿಸುತ್ತಾರೆ
ನಿರ್ದಿಷ್ಟ ವ್ಯಾಪಾರ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುತ್ತದೆ. ಇದು ಅಲ್ಲಿ ಈ ಮಟ್ಟದಲ್ಲಿದೆ
ಭೌತಿಕ ರಚನೆಗಳನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ, ತಂತ್ರಜ್ಞಾನವನ್ನು ಖರೀದಿಸಲಾಗಿದೆ ಮತ್ತು ದಿ
ತಂತ್ರಗಳನ್ನು ಅಳವಡಿಸಲಾಗಿದೆ. ಅವುಗಳನ್ನು ನಿಭಾಯಿಸಲು ಮಾಡಲಾಗಿಲ್ಲ
ನಿರ್ದಿಷ್ಟ ಬಳಕೆದಾರ ಸಮುದಾಯಗಳಿಂದ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ನಿರ್ದಿಷ್ಟ ಅವಶ್ಯಕತೆಗಳು.
ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಎಲ್ಲವನ್ನೂ ಮಾಡಲಾಗುತ್ತದೆ
ನಿರ್ದಿಷ್ಟ ಸಮುದಾಯದಿಂದ.
ಆದಾಗ್ಯೂ, ದೀರ್ಘಾವಧಿಯ ಯೋಜನೆಯು ಇನ್ನೊಂದು ಮುಖವಾಗಿದೆ
BI ನ. ಇಲ್ಲಿಯೇ ಯೋಜನೆಗಳು ಮತ್ತು ಯೋಜನೆಗಳು ಅದನ್ನು ಖಚಿತಪಡಿಸಿವೆ
ಯಾವುದೇ ಭೌತಿಕ ರಚನೆಯನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ, ಆಯ್ಕೆಮಾಡಿದ ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು
ಉದ್ಯಮದ ಕಡೆಗೆ ದೃಷ್ಟಿಯಲ್ಲಿ ಮಾಡಿದ ತಂತ್ರಗಳನ್ನು ಅರಿತುಕೊಂಡರು. ಮತ್ತು
ಒಗ್ಗಟ್ಟು ಒದಗಿಸುವ ದೀರ್ಘಾವಧಿಯ ಯೋಜನೆ
ವ್ಯಾಪಾರದ ಪ್ರಯೋಜನಗಳು ಎಲ್ಲರಿಗೂ ಸೇರಿಕೊಳ್ಳುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಅವಶ್ಯಕ
ಅಲ್ಪಾವಧಿಯ ಲಾಭಗಳು ಕಂಡುಬಂದಿವೆ.
ನಿಮ್ಮ BI ಪ್ರಯತ್ನವನ್ನು ಸಮರ್ಥಿಸಿ
Un ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸ್ವತಃ ಅದು ಯಾವುದೇ ಅಂತರ್ಗತ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿಲ್ಲ. ಇತರ ರಲ್ಲಿ
ಪದಗಳು, ತಂತ್ರಜ್ಞಾನಗಳ ನಡುವೆ ಯಾವುದೇ ಅಂತರ್ಗತ ಮೌಲ್ಯವಿಲ್ಲ
ಗೋದಾಮು ಮತ್ತು ಅನುಷ್ಠಾನ ತಂತ್ರಗಳು.
ಯಾವುದೇ ಗೋದಾಮಿನ ಪ್ರಯತ್ನದ ಮೌಲ್ಯವು ಕ್ರಿಯೆಗಳಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ
ಗೋದಾಮಿನ ಪರಿಸರ ಮತ್ತು ವಿಷಯವನ್ನು ಅನುಸರಿಸಿ ನಿರ್ವಹಿಸಲಾಗಿದೆ
ಕಾಲಾನಂತರದಲ್ಲಿ ಬೆಳೆಸಿದ ತಿಳಿವಳಿಕೆ. ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಇದು ನಿರ್ಣಾಯಕ ಅಂಶವಾಗಿದೆ
ನೀವು ಯಾವುದೇ ಉಪಕ್ರಮದ ಮೌಲ್ಯವನ್ನು ಅಂದಾಜು ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವ ಮೊದಲು
ಎಲ್ಲಿದೆ.
ಆಗಾಗ್ಗೆ, ವಾಸ್ತುಶಿಲ್ಪಿಗಳು ಮತ್ತು ವಿನ್ಯಾಸಕರು ಮೌಲ್ಯವನ್ನು ಅನ್ವಯಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ
ವಾಸ್ತವವಾಗಿ ಮೌಲ್ಯವು ಗೋದಾಮಿನ ಭೌತಿಕ ಮತ್ತು ತಾಂತ್ರಿಕ ಘಟಕಗಳು
ಧನಾತ್ಮಕವಾಗಿ ಪರಿಣಾಮ ಬೀರುವ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಆಧರಿಸಿದೆ
ಗೋದಾಮು ಮತ್ತು ಚೆನ್ನಾಗಿ ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡ ಮಾಹಿತಿ.
BI ಅನ್ನು ಸ್ಥಾಪಿಸುವ ಸವಾಲು ಇಲ್ಲಿದೆ: ಹೂಡಿಕೆಯನ್ನು ನೀವು ಹೇಗೆ ಸಮರ್ಥಿಸುತ್ತೀರಿ?
ಇರುವ ಮನೆಯು ಯಾವುದೇ ಆಂತರಿಕ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೆ, ವಿನ್ಯಾಸಕರು
ಯೋಜನೆಯು ಪ್ರಯೋಜನಗಳನ್ನು ತನಿಖೆ ಮಾಡಬೇಕು, ವ್ಯಾಖ್ಯಾನಿಸಬೇಕು ಮತ್ತು ಔಪಚಾರಿಕಗೊಳಿಸಬೇಕು
ಗೋದಾಮನ್ನು ಬಳಸುವ ವ್ಯಕ್ತಿಗಳಿಂದ ಸಾಧಿಸಲಾಗುತ್ತದೆ
ನಿರ್ದಿಷ್ಟ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳು ಅಥವಾ ಮೌಲ್ಯವನ್ನು ಸುಧಾರಿಸಿ
ಸಂರಕ್ಷಿತ ಮಾಹಿತಿ ಅಥವಾ ಎರಡೂ.
ವಿಷಯಗಳನ್ನು ಸಂಕೀರ್ಣಗೊಳಿಸಲು, ಯಾವುದೇ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆ
ಗೋದಾಮಿನ ಪ್ರಯತ್ನಗಳಿಂದ ಪ್ರಭಾವಿತವಾದ ಪ್ರಯೋಜನಗಳನ್ನು ಒದಗಿಸಬಹುದು
"ಗಣನೀಯ" ಅಥವಾ "ಸ್ವಲ್ಪ". ಗಣನೀಯ ಪ್ರಯೋಜನಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ a
ಹೂಡಿಕೆಯ ಮೇಲಿನ ಆದಾಯವನ್ನು ಅಳೆಯಲು ಸ್ಪಷ್ಟವಾದ ಮೆಟ್ರಿಕ್ (ROI) - ಉದಾ
ಉದಾಹರಣೆಗೆ, ಒಂದು ಅವಧಿಯಲ್ಲಿ ಹೆಚ್ಚುವರಿ ಸಮಯವನ್ನು ದಾಸ್ತಾನು ತಿರುಗಿಸುವುದು
ನಿರ್ದಿಷ್ಟ ಅಥವಾ ಪ್ರತಿ ಸಾಗಣೆಗೆ ಕಡಿಮೆ ಶಿಪ್ಪಿಂಗ್ ವೆಚ್ಚಕ್ಕಾಗಿ. ಇದು ಹೆಚ್ಚು
ಸುಧಾರಿತ ಪ್ರವೇಶದಂತಹ ಸ್ವಲ್ಪ ಪ್ರಯೋಜನಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಕಷ್ಟ
ಮಾಹಿತಿ, ಸ್ಪಷ್ಟವಾದ ಮೌಲ್ಯದ ಪರಿಭಾಷೆಯಲ್ಲಿ.
ಇದರ ಬಗ್ಗೆ ತಿಳಿದುಕೊಳ್ಳಲು ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಅನ್ನು ಸಂಪರ್ಕಿಸಿ
ವ್ಯಾಪಾರ ವಿನಂತಿಗಳು
ಆಗಾಗ್ಗೆ, ಪ್ರಾಜೆಕ್ಟ್ ವಿನ್ಯಾಸಕರು ಮೌಲ್ಯವನ್ನು ಸಂಪರ್ಕಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ
ಅಸ್ಫಾಟಿಕ ಕಂಪನಿ ಉದ್ದೇಶಗಳೊಂದಿಗೆ ಗೋದಾಮಿನ. ಎಂದು ಘೋಷಿಸುತ್ತಿದ್ದಾರೆ
"ಗೋದಾಮಿನ ಮೌಲ್ಯವು ನಮ್ಮ ಸಾಮರ್ಥ್ಯವನ್ನು ಆಧರಿಸಿದೆ
ಕಾರ್ಯತಂತ್ರದ ವಿನಂತಿಗಳನ್ನು ಪೂರೈಸಿ" ನಾವು ತೆರೆಯುತ್ತೇವೆ
ಭಾಷಣ. ಆದರೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ಇದು ಮಾತ್ರ ಸಾಕಾಗುವುದಿಲ್ಲ
ದಾಸ್ತಾನು ಹೂಡಿಕೆ ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ. ಪುನರಾವರ್ತನೆಗಳನ್ನು ಸಂಪರ್ಕಿಸುವುದು ಉತ್ತಮ
ನಿರ್ದಿಷ್ಟ ಮತ್ತು ತಿಳಿದಿರುವ ವ್ಯಾಪಾರ ವಿನಂತಿಗಳೊಂದಿಗೆ ಗೋದಾಮುಗಳು.
ROI ಅನ್ನು ಅಳೆಯುವುದು
ಗೋದಾಮಿನ ಸೆಟ್ಟಿಂಗ್‌ನಲ್ಲಿ ROI ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು
ವಿಶೇಷವಾಗಿ ಕಷ್ಟ. ಅನುಕೂಲವಿದ್ದರೆ ವಿಶೇಷವಾಗಿ ಕಷ್ಟ
ನಿರ್ದಿಷ್ಟ ಪುನರಾವರ್ತನೆಯ ಮೂಲವು ಅಮೂರ್ತ ಅಥವಾ
ಅಳೆಯಲು ಸುಲಭ. ಬಳಕೆದಾರರು ಗ್ರಹಿಸುತ್ತಾರೆ ಎಂದು ಅಧ್ಯಯನವು ಕಂಡುಹಿಡಿದಿದೆ
BI ಉಪಕ್ರಮಗಳ ಎರಡು ಮುಖ್ಯ ಪ್ರಯೋಜನಗಳು:
▪ ನಿರ್ಧಾರಗಳನ್ನು ರಚಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ರಚಿಸಿ
▪ ಮಾಹಿತಿಗೆ ಪ್ರವೇಶವನ್ನು ರಚಿಸಿ
ಈ ಪ್ರಯೋಜನಗಳು ಮೃದು (ಅಥವಾ ಸೌಮ್ಯ) ಪ್ರಯೋಜನಗಳಾಗಿವೆ. ಇದು ನೋಡಲು ಸುಲಭ
ಹಾರ್ಡ್ ಲೀಡ್ ಅನ್ನು ಆಧರಿಸಿ ನಾವು ROI ಅನ್ನು ಹೇಗೆ ಲೆಕ್ಕ ಹಾಕಬಹುದು (ಅಥವಾ
ಹೆಚ್ಚಿನ) ಸಾರಿಗೆ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು, ಆದರೆ ಹೇಗೆ
ಉತ್ತಮ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವನ್ನು ನಾವು ಅಳೆಯುತ್ತೇವೆಯೇ?
ಪ್ರಾಜೆಕ್ಟ್ ವಿನ್ಯಾಸಕಾರರಿಗೆ ಇದು ಖಂಡಿತವಾಗಿಯೂ ಸವಾಲಾಗಿದೆ
ಅವರು ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೂಡಿಕೆ ಮಾಡಲು ಕಂಪನಿಯನ್ನು ಮನವೊಲಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದಾರೆ
ಗೋದಾಮಿನ ಪ್ರಯತ್ನ. ಮಾರಾಟವನ್ನು ಹೆಚ್ಚಿಸುವುದು ಅಥವಾ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು
ಅವು ಇನ್ನು ಮುಂದೆ BI ಪರಿಸರವನ್ನು ಚಾಲನೆ ಮಾಡುವ ಕೇಂದ್ರ ವಿಷಯಗಳಲ್ಲ.
ಬದಲಾಗಿ, ನೀವು ಪ್ರವೇಶಕ್ಕಾಗಿ ವ್ಯಾಪಾರ ವಿನಂತಿಗಳನ್ನು ನೋಡುತ್ತಿರುವಿರಿ
ಒಂದು ನಿರ್ದಿಷ್ಟ ಇಲಾಖೆಯು ಮಾಹಿತಿ ನೀಡಲು ಉತ್ತಮವಾಗಿದೆ
ವೇಗವಾಗಿ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ. ಇವು ಕಾರ್ಯತಂತ್ರದ ಚಾಲಕರು a
ಇದು ವ್ಯವಹಾರಕ್ಕೆ ಸಮಾನವಾಗಿ ಮುಖ್ಯವಾಗಿದೆ ಆದರೆ ಅವು
ಹೆಚ್ಚು ಅಸ್ಪಷ್ಟ ಮತ್ತು ಸ್ಪಷ್ಟವಾದ ಮೆಟ್ರಿಕ್‌ನಲ್ಲಿ ನಿರೂಪಿಸಲು ಹೆಚ್ಚು ಕಷ್ಟ.
ಈ ಸಂದರ್ಭದಲ್ಲಿ, ROI ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಅಪ್ರಸ್ತುತವಲ್ಲದಿದ್ದರೂ ತಪ್ಪುದಾರಿಗೆಳೆಯಬಹುದು.
ಪ್ರಾಜೆಕ್ಟ್ ವಿನ್ಯಾಸಕರು ಮೌಲ್ಯವನ್ನು ಪ್ರದರ್ಶಿಸಲು ಶಕ್ತರಾಗಿರಬೇಕು
ಹೂಡಿಕೆ ಮಾಡಬೇಕೆ ಎಂದು ನಿರ್ಧರಿಸಲು ಕಾರ್ಯನಿರ್ವಾಹಕರಿಗೆ ಸ್ಪಷ್ಟವಾಗಿದೆ
ಒಂದು ನಿರ್ದಿಷ್ಟ ಪುನರಾವರ್ತನೆ ಅನ್ವಯಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ನಾವು ಹೊಸದನ್ನು ಪ್ರಸ್ತಾಪಿಸುವುದಿಲ್ಲ
ROI ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ವಿಧಾನ, ಅಥವಾ ನಾವು ಯಾವುದೇ ವಾದಗಳನ್ನು ಮಾಡುವುದಿಲ್ಲ ಅಥವಾ
ಅದರ ವಿರುದ್ಧ.
ಮೂಲಭೂತ ಅಂಶಗಳನ್ನು ಚರ್ಚಿಸುವ ಅನೇಕ ಲೇಖನಗಳು ಮತ್ತು ಪುಸ್ತಕಗಳು ಲಭ್ಯವಿದೆ
ROI ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ. ಮೌಲ್ಯವಾಗಿ ವಿಶೇಷ ಮೌಲ್ಯದ ಪ್ರತಿಪಾದನೆಗಳಿವೆ
ಇನ್ವೆಸ್ಟಿಂಗ್ (VOI) ನಲ್ಲಿ, ಗಾರ್ಟ್ನರ್ ನಂತಹ ಗುಂಪುಗಳು ನೀಡುತ್ತವೆ, ಇದನ್ನು ನೀವು ಮಾಡಬಹುದು
ಸಂಶೋಧನೆ ಮಾಡಲು. ಬದಲಾಗಿ, ನಾವು ಯಾವುದೇ ಪ್ರಮುಖ ಅಂಶಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತೇವೆ
ROI ಅಥವಾ ನೀವು ಪರಿಗಣಿಸಬೇಕಾದ ಇತರ ಮೌಲ್ಯದ ಪ್ರಸ್ತಾಪಗಳು.
ROI ಅನ್ನು ಅನ್ವಯಿಸಲಾಗುತ್ತಿದೆ
"ಕಠಿಣ" ಪ್ರಯೋಜನಗಳ ಆಚೆಗೆ "ಮೃದು" ಪ್ರಯೋಜನಗಳ ವಾದ
BI ಪ್ರಯತ್ನಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಇತರ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಗಣಿಸಬೇಕು
ನಾವು ROI ಅನ್ನು ಅನ್ವಯಿಸಿದಾಗ. ಉದಾಹರಣೆಗೆ:
ಬರಲಿರುವ DW ಪ್ರಯತ್ನಗಳಿಗೆ ಹಲವಾರು ಉಳಿತಾಯಗಳನ್ನು ಆಟ್ರಿಬ್ಯೂಟ್ ಮಾಡಿ
ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ
ನಿಮ್ಮ ಕಂಪನಿಯು ವಾಸ್ತುಶಿಲ್ಪದಿಂದ ಬಂದಿದೆ ಎಂದು ಹೇಳೋಣ
ವಿತರಿಸಿದ UNIX ಪರಿಸರಕ್ಕೆ ಮೇನ್‌ಫ್ರೇಮ್. ಆದ್ದರಿಂದ ಯಾವುದೇ
ಆ ಪ್ರಯತ್ನದಿಂದ ಅರಿತುಕೊಳ್ಳಬಹುದಾದ (ಅಥವಾ ಇಲ್ಲದಿರಬಹುದು) ಉಳಿತಾಯ
ಯಾವುದೇ ವೇಳೆ (?) ಗೆ ಪ್ರತ್ಯೇಕವಾಗಿ ಆಪಾದಿಸಬಾರದು
ಗೋದಾಮು.
ಎಲ್ಲದಕ್ಕೂ ಲೆಕ್ಕ ಕೊಡದಿರುವುದು ದುಬಾರಿ. ಮತ್ತು ಮಾಡಲು ಹಲವು ವಿಷಯಗಳಿವೆ
ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಕೆಳಗಿನ ಪಟ್ಟಿಯನ್ನು ಪರಿಗಣಿಸಿ:
▪ ಕಾರ್ಯಸಾಧ್ಯತೆ ಸೇರಿದಂತೆ ಪ್ರಾರಂಭದ ವೆಚ್ಚ.
▪ ಸಂಬಂಧಿತ ಸಂಗ್ರಹಣೆಯೊಂದಿಗೆ ಮೀಸಲಾದ ಯಂತ್ರಾಂಶದ ವೆಚ್ಚ ಇ
ಸಂವಹನಗಳು
▪ ನಿರ್ವಹಣೆ ಸೇರಿದಂತೆ ಸಾಫ್ಟ್‌ವೇರ್‌ನ ವೆಚ್ಚ dati ಮತ್ತು ವಿಸ್ತರಣೆಗಳು
ಕ್ಲೈಂಟ್/ಸರ್ವರ್, ETL ಸಾಫ್ಟ್‌ವೇರ್, DSS ತಂತ್ರಜ್ಞಾನಗಳು, ಉಪಕರಣಗಳು
ದೃಶ್ಯೀಕರಣ, ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಮತ್ತು ಹರಿವಿನ ಅನ್ವಯಗಳು
ಕೆಲಸ ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆ ಸಾಫ್ಟ್‌ವೇರ್, .
▪ ರಚನೆಯ ವಿನ್ಯಾಸ ವೆಚ್ಚ dati, ಸಾಕ್ಷಾತ್ಕಾರದೊಂದಿಗೆ, ಮತ್ತು
ನ ಆಪ್ಟಿಮೈಸೇಶನ್
▪ ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿ ವೆಚ್ಚವು ಪ್ರಯತ್ನದೊಂದಿಗೆ ನೇರವಾಗಿ ಸಂಬಂಧಿಸಿದೆ
BI
▪ ಆಪ್ಟಿಮೈಸೇಶನ್ ಸೇರಿದಂತೆ ಮನೆಯ ಬೆಂಬಲದ ವೆಚ್ಚ
ಕಾರ್ಯಕ್ಷಮತೆ, ಸಾಫ್ಟ್‌ವೇರ್ ಆವೃತ್ತಿ ನಿಯಂತ್ರಣ ಸೇರಿದಂತೆ ಮತ್ತು
ಸಹಾಯ ಕಾರ್ಯಾಚರಣೆಗಳು
"ಬಿಗ್-ಬ್ಯಾಂಗ್" ROI ಅನ್ನು ಅನ್ವಯಿಸಿ.
ಒಂದೇ ಮತ್ತು ದೈತ್ಯಾಕಾರದ ಪ್ರಯತ್ನವಾಗಿ ಗೋದಾಮಿನ ರಚನೆ
ವಿಫಲಗೊಳ್ಳುತ್ತದೆ, ಆದ್ದರಿಂದ ಉಪಕ್ರಮಕ್ಕಾಗಿ ROI ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
ದೊಡ್ಡ ಉದ್ಯಮದ ಕೊಡುಗೆಯು ಆಶ್ಚರ್ಯಕರವಾಗಿದೆ ಮತ್ತು ವಿನ್ಯಾಸಕರು
ಸಂಪೂರ್ಣ ಮೌಲ್ಯವನ್ನು ಅಂದಾಜು ಮಾಡಲು ದುರ್ಬಲ ಪ್ರಯತ್ನಗಳನ್ನು ಮಾಡುವುದನ್ನು ಮುಂದುವರಿಸಿ
ಪ್ರಯತ್ನ.
ಏಕೆಂದರೆ ವಿನ್ಯಾಸಕರು ವಿತ್ತೀಯ ಮೌಲ್ಯವನ್ನು ನೀಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ
ವ್ಯಾಪಾರದ ಉಪಕ್ರಮದ ಮೇಲೆ ಅದು ವ್ಯಾಪಕವಾಗಿ ತಿಳಿದಿದ್ದರೆ ಮತ್ತು ಅದನ್ನು ಸ್ವೀಕರಿಸಿದರೆ
ನಿರ್ದಿಷ್ಟ ಪ್ರತಿನಿಧಿಗಳನ್ನು ಅಂದಾಜು ಮಾಡುವುದು ಕಷ್ಟವೇ? ಅದು ಹೇಗೆ ಸಾಧ್ಯ? ಇದು ಅಲ್ಲ
ಕೆಲವು ವಿನಾಯಿತಿಗಳೊಂದಿಗೆ ಸಾಧ್ಯ. ಅದನ್ನು ಮಾಡಬೇಡ.
ಲೆಕ್ಕಾಚಾರ ಮಾಡುವಾಗ ಏನು ಮಾಡಬಾರದು ಎಂಬುದನ್ನು ನಾವು ಈಗ ಸ್ಥಾಪಿಸಿದ್ದೇವೆ
ROI, ವ್ಯಾಖ್ಯಾನಿಸಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುವ ಕೆಲವು ಅಂಶಗಳಿವೆ
ನಿಮ್ಮ BI ಪ್ರಯತ್ನಗಳ ಮೌಲ್ಯವನ್ನು ಅಂದಾಜು ಮಾಡಲು ವಿಶ್ವಾಸಾರ್ಹ ಪ್ರಕ್ರಿಯೆ.
ROI ಒಮ್ಮತವನ್ನು ಪಡೆಯುವುದು. ನಿಮ್ಮದೇ ಆಗಿರಲಿ
ನಿಮ್ಮ BI ಪ್ರಯತ್ನಗಳ ಮೌಲ್ಯವನ್ನು ಅಂದಾಜು ಮಾಡಲು ತಂತ್ರದ ಆಯ್ಕೆ, ಮಾಡಬೇಕು
ಯೋಜನಾ ವಿನ್ಯಾಸಕರು ಸೇರಿದಂತೆ ಎಲ್ಲಾ ಪಕ್ಷಗಳು ಒಪ್ಪಿಕೊಳ್ಳಬೇಕು,
ಪ್ರಾಯೋಜಕರು ಮತ್ತು ಕಂಪನಿಯ ಕಾರ್ಯನಿರ್ವಾಹಕರು.
ROI ಅನ್ನು ಗುರುತಿಸಬಹುದಾದ ಭಾಗಗಳಾಗಿ ಕಡಿಮೆ ಮಾಡಿ. ಕಡೆಗೆ ಅಗತ್ಯವಾದ ಹೆಜ್ಜೆ
ROI ಯ ಸಮಂಜಸವಾದ ಲೆಕ್ಕಾಚಾರವು ಆ ಲೆಕ್ಕಾಚಾರವನ್ನು a ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವುದು
ನಿರ್ದಿಷ್ಟ ಯೋಜನೆ. ಇದು ಮೌಲ್ಯವನ್ನು ಅಂದಾಜು ಮಾಡಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ
ಪೂರೈಸಿದ ನಿರ್ದಿಷ್ಟ ವ್ಯಾಪಾರ ಅವಶ್ಯಕತೆಗಳನ್ನು ಆಧರಿಸಿ
ವೆಚ್ಚಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ. ಹೇಳಿದಂತೆ, ಹಲವಾರು ವೆಚ್ಚಗಳು ಇರಬೇಕು
ಪರಿಗಣಿಸಲಾಗಿದೆ. ಇದಲ್ಲದೆ, ವೆಚ್ಚಗಳು ಸಂಬಂಧಿತ ವೆಚ್ಚಗಳನ್ನು ಮಾತ್ರ ಒಳಗೊಂಡಿರಬೇಕು
ಒಂದೇ ಪುನರಾವರ್ತನೆಗೆ ಆದರೆ ಸಂಬಂಧಿತ ವೆಚ್ಚಗಳಿಗೆ
ಕಂಪನಿಯ ಮಾನದಂಡಗಳ ಅನುಸರಣೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು.
ಪ್ರಯೋಜನಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ. ಅವಶ್ಯಕತೆಗಳಿಗೆ ROI ಅನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಲಿಂಕ್ ಮಾಡುವುದು
ನಿರ್ದಿಷ್ಟ ವ್ಯವಹಾರಗಳು, ನಾವು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ
ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸಲು ಕಾರಣವಾಗುವ ಅನುಕೂಲಗಳು.
ಸನ್ನಿಹಿತ ಲಾಭಗಳಲ್ಲಿ ವೆಚ್ಚಗಳು ಮತ್ತು ಪ್ರಯೋಜನಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಿ. ಇದು ದಾರಿ
ನಿವ್ವಳ ಪ್ರಸ್ತುತ ಮೌಲ್ಯದ ಮೇಲೆ ನಿಮ್ಮ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಆಧರಿಸಿರುವುದು ಉತ್ತಮ
(NPV) ಭವಿಷ್ಯದ ಮೌಲ್ಯವನ್ನು ಊಹಿಸಲು ಪ್ರಯತ್ನಿಸುವುದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ
ಭವಿಷ್ಯದ ಗಳಿಕೆಗಳು.
ನಿಮ್ಮ ROI ಅನ್ನು ವಿಭಜಿಸುವ ಸಮಯವನ್ನು ಕನಿಷ್ಠಕ್ಕೆ ಇರಿಸಿ. ಮತ್ತು'
ನಿಮ್ಮಲ್ಲಿ ಬಳಸಲಾದ ದೀರ್ಘಾವಧಿಯಲ್ಲಿ ಉತ್ತಮವಾಗಿ ದಾಖಲಿಸಲಾಗಿದೆ
ಆರ್‌ಒಐ.
ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ROI ಸೂತ್ರಗಳನ್ನು ಬಳಸಿ. ಇದಕ್ಕಾಗಿ ಹಲವಾರು ವಿಧಾನಗಳಿವೆ
ROI ಭವಿಷ್ಯ ಮತ್ತು ನೀವು ಒಂದನ್ನು ಬಳಸಬೇಕೆ ಅಥವಾ ಎಂಬುದನ್ನು ಯೋಜಿಸಬೇಕು
ಜೊತೆಗೆ, ನಿವ್ವಳ ಪ್ರಸ್ತುತ ಮೌಲ್ಯ, ರಿಟರ್ನ್‌ನ ಆಂತರಿಕ ವೇಗ ಸೇರಿದಂತೆ
(IRR) ಮತ್ತು ಚೇತರಿಕೆ.
ಪುನರಾವರ್ತಿತ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವಿವರಿಸಿ. ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಇದು ಮುಖ್ಯವಾಗಿದೆ
ಯಾವುದೇ ದೀರ್ಘಕಾಲೀನ ಮೌಲ್ಯ. ಅದನ್ನು ದಾಖಲಿಸಬೇಕು ಎ
ಎಲ್ಲಾ ಯೋಜನೆಯ ಅನುಕ್ರಮಗಳಿಗೆ ಒಂದೇ ಪುನರಾವರ್ತಿತ ಪ್ರಕ್ರಿಯೆ a
ಅನುಸರಿಸಿ.
ಪಟ್ಟಿ ಮಾಡಲಾದ ಸಮಸ್ಯೆಗಳು ತಜ್ಞರು ವ್ಯಾಖ್ಯಾನಿಸಿದ ಸಾಮಾನ್ಯವಾದವುಗಳಾಗಿವೆ
ಗದ್ದೆ ಪರಿಸರದ. ನಿರ್ವಹಣೆಯ ಕಡೆಯಿಂದ ಒತ್ತಾಯ
"ಬಿಗ್-ಬ್ಯಾಂಗ್" ROI ಅನ್ನು ವಿತರಿಸಿರುವುದು ತುಂಬಾ ಗೊಂದಲಮಯವಾಗಿದೆ. ನೀವು ಎಲ್ಲವನ್ನೂ ಪ್ರಾರಂಭಿಸಿದರೆ
ನಿಮ್ಮ ROI ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಗುರುತಿಸಬಹುದಾದ ಮತ್ತು ಸ್ಪಷ್ಟವಾದ ತುಣುಕುಗಳಾಗಿ ಕಡಿಮೆ ಮಾಡುವ ಮೂಲಕ, ನೀವು ಹೊಂದಿದ್ದೀರಿ
ನಿಖರವಾದ ROI ಮೌಲ್ಯಮಾಪನವನ್ನು ಅಂದಾಜು ಮಾಡಲು ಉತ್ತಮ ಅವಕಾಶ.
ROI ಪ್ರಯೋಜನಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಶ್ನೆಗಳು
ನಿಮ್ಮ ಪ್ರಯೋಜನಗಳು ಏನೇ ಇರಲಿ, ಮೃದು ಅಥವಾ ಗಟ್ಟಿಯಾಗಿದ್ದರೂ, ನೀವು ಅವುಗಳನ್ನು ಬಳಸಬಹುದು
ಅವುಗಳ ಮೌಲ್ಯವನ್ನು ನಿರ್ಧರಿಸಲು ಕೆಲವು ಮೂಲಭೂತ ಪ್ರಶ್ನೆಗಳು. ಗೆ
1 ರಿಂದ 10 ರವರೆಗಿನ ಸರಳ ಸ್ಕೇಲಿಂಗ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸುವ ಉದಾಹರಣೆ, ನೀವು
ಕೆಳಗಿನವುಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಯಾವುದೇ ಪ್ರಯತ್ನದ ಪರಿಣಾಮವನ್ನು ನೀವು ಟ್ರ್ಯಾಕ್ ಮಾಡಬಹುದು
ವಿನಂತಿಗಳು:
▪ ತಿಳುವಳಿಕೆಯನ್ನು ನೀವು ಹೇಗೆ ರೇಟ್ ಮಾಡುತ್ತೀರಿ dati ಇದನ್ನು ಅನುಸರಿಸಿ
ನಿಮ್ಮ ಕಂಪನಿಯ ಯೋಜನೆ?
▪ ಪರಿಣಾಮವಾಗಿ ಪ್ರಕ್ರಿಯೆಯ ಸುಧಾರಣೆಗಳನ್ನು ನೀವು ಹೇಗೆ ಅಂದಾಜು ಮಾಡುತ್ತೀರಿ
ಈ ಯೋಜನೆ?
▪ ಹೊಸ ಒಳನೋಟಗಳು ಮತ್ತು ತೀರ್ಮಾನಗಳ ಪ್ರಭಾವವನ್ನು ನೀವು ಈಗ ಹೇಗೆ ಅಳೆಯುತ್ತೀರಿ
ಈ ಪುನರಾವರ್ತನೆಯಿಂದ ಲಭ್ಯವಾಯಿತು
▪ ಹೊಸ ಕಂಪ್ಯೂಟರ್ ಪರಿಸರಗಳ ಪ್ರಭಾವ ಏನಾಗಿದೆ ಇ
ಕಲಿತದ್ದರ ಫಲವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆಯೇ?
ಈ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಗಳು ಕಡಿಮೆ ಇದ್ದರೆ, ಅದು ಸಾಧ್ಯ
ಕಂಪನಿಯು ಮಾಡಿದ ಹೂಡಿಕೆಗೆ ಯೋಗ್ಯವಾಗಿಲ್ಲ. ಉನ್ನತ ಮಟ್ಟದ ಪ್ರಶ್ನೆಗಳು
ಗಮನಾರ್ಹ ಮೌಲ್ಯದ ಲಾಭಗಳಿಗೆ ಸ್ಕೋರ್ ಪಾಯಿಂಟ್ ಮತ್ತು ಮಾಡಬೇಕು
ಮುಂದಿನ ತನಿಖೆಗೆ ಮಾರ್ಗದರ್ಶಿಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.
ಉದಾಹರಣೆಗೆ, ಪ್ರಕ್ರಿಯೆ ಸುಧಾರಣೆಗಳಿಗಾಗಿ ಹೆಚ್ಚಿನ ಸ್ಕೋರ್
ಪ್ರಕ್ರಿಯೆಗಳು ಹೇಗಿವೆ ಎಂಬುದನ್ನು ಪರಿಶೀಲಿಸಲು ವಿನ್ಯಾಸಕಾರರಿಗೆ ಇದು ಕಾರಣವಾಗಬೇಕು
ಸುಧಾರಿಸಲಾಗಿದೆ. ನೀವು ಪಡೆಯುವ ಕೆಲವು ಅಥವಾ ಎಲ್ಲಾ ಲಾಭಗಳನ್ನು ನೀವು ಕಾಣಬಹುದು
ಅವು ಸ್ಪಷ್ಟವಾಗಿರುತ್ತವೆ ಮತ್ತು ಆದ್ದರಿಂದ ಒಂದು ವಿತ್ತೀಯ ಮೌಲ್ಯವನ್ನು ಸುಲಭವಾಗಿ ಪಡೆಯಬಹುದು
ಅನ್ವಯಿಸಲಾಗಿದೆ.
ನ ಮೊದಲ ಪುನರಾವರ್ತನೆಯಿಂದ ಹೆಚ್ಚಿನದನ್ನು ಪಡೆಯುವುದು
ಗೋದಾಮಿನ
ನಿಮ್ಮ ವ್ಯವಹಾರದ ಪ್ರಯತ್ನದ ಹೆಚ್ಚಿನ ಫಲಿತಾಂಶವು ಹೆಚ್ಚಾಗಿ ಇರುತ್ತದೆ
ಮೊದಲ ಕೆಲವು ಪುನರಾವರ್ತನೆಗಳು. ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ ಈ ಮೊದಲ ಪ್ರಯತ್ನಗಳು
ಸಾರ್ವಜನಿಕರಿಗೆ ಹೆಚ್ಚು ಉಪಯುಕ್ತ ಮಾಹಿತಿ ವಿಷಯವನ್ನು ಸ್ಥಾಪಿಸಿ ಮತ್ತು
ನಂತರದವುಗಳಿಗೆ ತಂತ್ರಜ್ಞಾನದ ಅಡಿಪಾಯದ ಸಹಾಯವನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ
BI ಅಪ್ಲಿಕೇಶನ್‌ಗಳು.
ಸಾಮಾನ್ಯವಾಗಿ ಪ್ರತಿ ನಂತರದ ಅನುಕ್ರಮ dati ಯೋಜನೆಯ
ಗೋದಾಮುಗಳು ಕಂಪನಿಗೆ ಕಡಿಮೆ ಮತ್ತು ಕಡಿಮೆ ಹೆಚ್ಚುವರಿ ಮೌಲ್ಯವನ್ನು ತರುತ್ತವೆ
ಸಾಮಾನ್ಯ. ನೀವು ಪುನರಾವರ್ತಿಸದಿದ್ದರೆ ಇದು ವಿಶೇಷವಾಗಿ ಸತ್ಯವಾಗಿದೆ
ಹೊಸ ವಿಷಯಗಳನ್ನು ಸೇರಿಸುತ್ತದೆ ಅಥವಾ ಹೊಸದೊಂದರ ಅಗತ್ಯಗಳನ್ನು ಪೂರೈಸುವುದಿಲ್ಲ
ಬಳಕೆದಾರರ ಸಮುದಾಯ.
ಸಂಗ್ರಹಣೆಯ ಈ ವೈಶಿಷ್ಟ್ಯವು ಬ್ಯಾಟರಿಗಳಿಗೂ ಅನ್ವಯಿಸುತ್ತದೆ
ಬೆಳೆಯುತ್ತಿದೆ dati ಇತಿಹಾಸಕಾರರು. ನಂತರದ ಪ್ರಯತ್ನಗಳಿಗೆ ಹೆಚ್ಚಿನ ಅಗತ್ಯವಿರುತ್ತದೆ
dati ಮತ್ತು ಎಷ್ಟು ಹೆಚ್ಚು dati ಕಾಲಾನಂತರದಲ್ಲಿ ಗೋದಾಮಿಗೆ ಸುರಿಯಲಾಗುತ್ತದೆ, ಹೆಚ್ಚಿನವುಗಳು
dati ಬಳಸಿದ ವಿಶ್ಲೇಷಣೆಗೆ ಕಡಿಮೆ ಸಂಬಂಧಿತವಾಗುತ್ತದೆ. ಇವು dati ನಿದ್ರೆ
ಆಗಾಗ್ಗೆ ಕರೆಯಲಾಗುತ್ತದೆ dati ಸುಪ್ತ ಮತ್ತು ಅವುಗಳನ್ನು ಇರಿಸಿಕೊಳ್ಳಲು ಯಾವಾಗಲೂ ದುಬಾರಿ ಏಕೆಂದರೆ
ಅವುಗಳನ್ನು ಬಹುತೇಕ ಎಂದಿಗೂ ಬಳಸಲಾಗುವುದಿಲ್ಲ.
ಪ್ರಾಜೆಕ್ಟ್ ಪ್ರಾಯೋಜಕರಿಗೆ ಇದರ ಅರ್ಥವೇನು? ಮೂಲಭೂತವಾಗಿ, ಐ
ಆರಂಭಿಕ ಪ್ರಾಯೋಜಕರು ಹೂಡಿಕೆಯ ವೆಚ್ಚವನ್ನು ಹೆಚ್ಚು ಹಂಚಿಕೊಳ್ಳುತ್ತಾರೆ.
ಇದು ಪ್ರಾಥಮಿಕವಾಗಿದೆ ಏಕೆಂದರೆ ಅವು ಪದರವನ್ನು ಸ್ಥಾಪಿಸುವ ಪ್ರಚೋದನೆಯಾಗಿದೆ
ವಿಶಾಲವಾದ ತಾಂತ್ರಿಕ ಪರಿಸರ ಮತ್ತು ಗೋದಾಮಿನ ಸಂಪನ್ಮೂಲಗಳು,
ಸಾವಯವ ಸೇರಿದಂತೆ.
ಆದರೆ ಈ ಮೊದಲ ಹಂತಗಳು ಹೆಚ್ಚಿನ ಮೌಲ್ಯವನ್ನು ತರುತ್ತವೆ ಮತ್ತು ಆದ್ದರಿಂದ ವಿನ್ಯಾಸಕರು
ಯೋಜನೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೂಡಿಕೆಯನ್ನು ಸಮರ್ಥಿಸಬೇಕಾಗುತ್ತದೆ.
ನಿಮ್ಮ BI ಉಪಕ್ರಮದ ನಂತರ ಮಾಡಿದ ಯೋಜನೆಗಳು ವೆಚ್ಚವನ್ನು ಹೊಂದಿರಬಹುದು
ಕೆಳಮಟ್ಟದ (ಮೊದಲನೆಯದಕ್ಕೆ ಹೋಲಿಸಿದರೆ) ಮತ್ತು ನೇರ, ಆದರೆ ಕಡಿಮೆ ಮೌಲ್ಯವನ್ನು ತರುತ್ತದೆ
ಕಂಪನಿಗೆ.
ಮತ್ತು ಸಂಸ್ಥೆಯ ಮಾಲೀಕರು ಪರಿಗಣಿಸಲು ಪ್ರಾರಂಭಿಸಬೇಕು
ಶೇಖರಣೆಯನ್ನು ಎಸೆಯಿರಿ dati ಮತ್ತು ಕಡಿಮೆ ಸಂಬಂಧಿತ ತಂತ್ರಜ್ಞಾನಗಳು.
ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ: ಹೊರತೆಗೆಯುವಿಕೆ Dati
ಹಲವಾರು ವಾಸ್ತುಶಿಲ್ಪದ ಘಟಕಗಳಿಗೆ ವ್ಯತ್ಯಾಸಗಳು ಬೇಕಾಗುತ್ತವೆ
ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ತಂತ್ರಗಳು-
ಉದಾಹರಣೆಗೆ, ಆಸಕ್ತಿಯ ಅಂಶಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ವಿಭಿನ್ನ "ಏಜೆಂಟರು"
ಗ್ರಾಹಕರಿಗೆ, ಕಂಪನಿಯ ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ಸ್ವತಃ dw. ಇವು
ಏಜೆಂಟರು ತರಬೇತಿ ಪಡೆದ ಸುಧಾರಿತ ನರ ಜಾಲಗಳಾಗಿರಬಹುದು
ಭವಿಷ್ಯದ ಉತ್ಪನ್ನದ ಬೇಡಿಕೆಯಂತಹ ಮಡಕೆ ಪ್ರವೃತ್ತಿಗಳು
ಮಾರಾಟ ಪ್ರಚಾರಗಳು; ನಿಯಮ-ಆಧಾರಿತ ಎಂಜಿನ್‌ಗಳು
ಒಂದು ಸೆಟ್ಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಿ ನೀಡಿದ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಉದಾಹರಣೆಗೆ, ರೋಗನಿರ್ಣಯ
ವೈದ್ಯಕೀಯ ಮತ್ತು ಚಿಕಿತ್ಸೆಯ ಶಿಫಾರಸುಗಳು; ಅಥವಾ ಸರಳ ಏಜೆಂಟ್
ಹಿರಿಯ ವ್ಯವಸ್ಥಾಪಕರಿಗೆ ವಿನಾಯಿತಿಗಳನ್ನು ವರದಿ ಮಾಡುವ ಪಾತ್ರದೊಂದಿಗೆ (ಮೇಲ್ಭಾಗ
ಕಾರ್ಯನಿರ್ವಾಹಕರು). ಸಾಮಾನ್ಯವಾಗಿ ಈ ಹೊರತೆಗೆಯುವ ಪ್ರಕ್ರಿಯೆಗಳು dati si
ನೈಜ ಸಮಯದಲ್ಲಿ ಪರಿಶೀಲಿಸಿ; ಆದ್ದರಿಂದ, ಅವರು ಒಂದಾಗಬೇಕು
ಸಂಪೂರ್ಣವಾಗಿ ಚಲನೆಯೊಂದಿಗೆ dati ತಮ್ಮನ್ನು.
ಆನ್‌ಲೈನ್ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆ ಪ್ರಕ್ರಿಯೆ
ಆನ್‌ಲೈನ್ ಅನಾಲಿಟಿಕ್ಸ್
ಸ್ಲೈಸ್, ಡೈಸ್, ರೋಲ್, ಡ್ರಿಲ್ ಡೌನ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕೈಗೊಳ್ಳಿ
ಏನೆಂದರೆ, ಸೂಟ್‌ನ ವ್ಯಾಪ್ತಿ, ಉದ್ದೇಶ
IBM ತಂತ್ರಜ್ಞಾನ. ಉದಾಹರಣೆಗೆ, ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆ ಕಾರ್ಯಗಳು
ಆನ್‌ಲೈನ್ (OLAP) DB2 ಗಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ, ಇದು ಆಯಾಮದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ತರುತ್ತದೆ
ಎಂಜಿನ್ ಡೇಟಾಬೇಸ್ ಅದೇ .
ಕಾರ್ಯಗಳು SQL ಗೆ ಆಯಾಮದ ಉಪಯುಕ್ತತೆಯನ್ನು ಸೇರಿಸುತ್ತವೆ
ಅವರು DB2 ನ ನೈಸರ್ಗಿಕ ಭಾಗವಾಗಿರುವ ಎಲ್ಲಾ ಪ್ರಯೋಜನಗಳ ಲಾಭವನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತಾರೆ. ಇನ್ನೊಂದು
OLAP ಏಕೀಕರಣದ ಉದಾಹರಣೆಯೆಂದರೆ ಹೊರತೆಗೆಯುವ ಸಾಧನ, DB2
OLAP ಸರ್ವರ್ ವಿಶ್ಲೇಷಕ. ಈ ತಂತ್ರಜ್ಞಾನವು ಘನಗಳನ್ನು ಅನುಮತಿಸುತ್ತದೆ
DB2 OLAP ಸರ್ವರ್ ತ್ವರಿತವಾಗಿ ಮತ್ತು ಸ್ವಯಂಚಾಲಿತವಾಗಿ
ಮೌಲ್ಯಗಳನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ವರದಿ ಮಾಡಲು ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ dati ಅಸಾಮಾನ್ಯ ಅಥವಾ ಅನಿರೀಕ್ಷಿತ
ವ್ಯಾಪಾರ ವಿಶ್ಲೇಷಕರಿಗೆ ಘನದ ಉದ್ದಕ್ಕೂ. ಮತ್ತು ಅಂತಿಮವಾಗಿ, ಕಾರ್ಯಗಳು
DW ಕೇಂದ್ರವು ವಾಸ್ತುಶಿಲ್ಪಿಗಳಿಗೆ ಪರಿಶೀಲಿಸಲು ಸಾಧನಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ
ಇತರ ವಿಷಯಗಳು, ಒಂದು ಭಾಗವಾಗಿ DB2 OLAP ಸರ್ವರ್ ಕ್ಯೂಬ್‌ನ ಪ್ರೊಫೈಲ್
ಇಟಿಎಲ್ ಪ್ರಕ್ರಿಯೆಗಳ ನೈಸರ್ಗಿಕ ಸ್ವಭಾವ.
ಪ್ರಾದೇಶಿಕ ವಿಶ್ಲೇಷಣೆ ಪ್ರಾದೇಶಿಕ ವಿಶ್ಲೇಷಣೆ
ಸ್ಪೇಸ್ ಅರ್ಧದಷ್ಟು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಆಂಕರ್‌ಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ (ಲೀಡ್ಸ್).
ಪನೋರಮಾಗೆ ಅಗತ್ಯ
ವಿಶ್ಲೇಷಣಾತ್ಮಕ ವಿಶಾಲ (ಸಮಯವು ಇತರ ಅರ್ಧವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ). ಪರಮಾಣು ಮಟ್ಟ
(ಪರಮಾಣು ಮಟ್ಟ) ಗೋದಾಮಿನ, ಚಿತ್ರ 1.1 ರಲ್ಲಿ ನಿರೂಪಿಸಲಾಗಿದೆ,
ಸಮಯ ಮತ್ತು ಸ್ಥಳ ಎರಡಕ್ಕೂ ಅಡಿಪಾಯವನ್ನು ಒಳಗೊಂಡಿದೆ. ರೆಕಾರ್ಡಿಂಗ್‌ಗಳು
ಸಮಯ ಮತ್ತು ವಿಳಾಸ ಮಾಹಿತಿಗಾಗಿ ಸಮಯ ಆಂಕರ್ ವಿಶ್ಲೇಷಣೆ
ಆಂಕರ್ ಬಾಹ್ಯಾಕಾಶದಿಂದ ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್‌ಗಳು
ಅವರು ಸಮಯಕ್ಕೆ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಡೆಸುತ್ತಾರೆ ಮತ್ತು ನಿರ್ದೇಶನದ ಮಾಹಿತಿಯು ಕಾರಣವಾಗುತ್ತದೆ
ಬಾಹ್ಯಾಕಾಶದಿಂದ ವಿಶ್ಲೇಷಣೆ. ರೇಖಾಚಿತ್ರವು ಜಿಯೋಕೋಡಿಂಗ್-ಪ್ರಕ್ರಿಯೆಯನ್ನು ತೋರಿಸುತ್ತದೆ
ವಿಳಾಸಗಳನ್ನು ನಕ್ಷೆಯಲ್ಲಿ ಬಿಂದುಗಳಾಗಿ ಅಥವಾ ಬಾಹ್ಯಾಕಾಶದಲ್ಲಿ ಬಿಂದುಗಳಾಗಿ ಪರಿವರ್ತಿಸುವುದು
ಆದ್ದರಿಂದ ದೂರ ಮತ್ತು ಒಳಗೆ/ಹೊರಗೆ ಪರಿಕಲ್ಪನೆಗಳು ಆಗಿರಬಹುದು
ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ - ಪರಮಾಣು ಮಟ್ಟದಲ್ಲಿ ಮತ್ತು ಪ್ರಾದೇಶಿಕ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ನಡೆಸಲಾಗುತ್ತದೆ
ಇದು ವಿಶ್ಲೇಷಕರಿಗೆ ಲಭ್ಯವಾಗುತ್ತದೆ. IBM ವಿಸ್ತರಣೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ
ಬಾಹ್ಯಾಕಾಶ, ಎನ್ವಿರಾನ್ಮೆಂಟಲ್ ಸಿಸ್ಟಮ್ ರಿಸರ್ಚ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ (ESRI) ನೊಂದಿಗೆ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ,
al ಡೇಟಾಬೇಸ್ DB2 ಆದ್ದರಿಂದ ಬಾಹ್ಯಾಕಾಶ ವಸ್ತುಗಳು ಆಗಿರಬಹುದು
ಸಾಮಾನ್ಯ ಭಾಗವಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಡೇಟಾಬೇಸ್ ಸಂಬಂಧಿತ. DB2
ಪ್ರಾದೇಶಿಕ ವಿಸ್ತರಣೆಗಳು, ಎಲ್ಲಾ SQL ವಿಸ್ತರಣೆಗಳನ್ನು ಸಹ ಒದಗಿಸುತ್ತವೆ
ಪ್ರಾದೇಶಿಕ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಿಕೊಳ್ಳಿ. ಉದಾಹರಣೆಗೆ, SQL ವಿಸ್ತರಣೆಗಳಿಂದ
ಬಗ್ಗೆ ಪ್ರಶ್ನೆ
ವಿಳಾಸಗಳ ನಡುವಿನ ಅಂತರ ಅಥವಾ ಒಂದು ಬಿಂದುವು ಪ್ರದೇಶದ ಒಳಗೆ ಅಥವಾ ಹೊರಗೆ ಇದೆಯೇ
ಬಹುಭುಜಾಕೃತಿಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ, ಇದು ಪ್ರಾದೇಶಿಕ ಜೊತೆಗೆ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಮಾನದಂಡವಾಗಿದೆ
ಎಕ್ಸ್ಟೆಂಡರ್ಸ್. ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ ಅಧ್ಯಾಯ 16 ನೋಡಿ.
ಡೇಟಾಬೇಸ್-ನಿವಾಸಿ ಪರಿಕರಗಳ ಪರಿಕರಗಳು ಡೇಟಾಬೇಸ್-
ನಿವಾಸಿ
DB2 ಸಹಾಯ ಮಾಡುವ ಅನೇಕ BI-ನಿವಾಸಿ SQL ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊಂದಿದೆ
ವಿಶ್ಲೇಷಣೆಯ ಕ್ರಿಯೆಯಲ್ಲಿ. ಇವುಗಳ ಸಹಿತ:
▪ "ಹುಡುಕಿ" ನಂತಹ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಿರ್ವಹಿಸಲು ಪುನರಾವರ್ತನೆಯ ಕಾರ್ಯಗಳು
ಸಾಧ್ಯವಿರುವ ಎಲ್ಲಾ ವಿಮಾನ ಮಾರ್ಗಗಳು ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋ a ನ್ಯೂ ಯಾರ್ಕ್".
▪ ಶ್ರೇಯಾಂಕಕ್ಕಾಗಿ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಕಾರ್ಯಗಳು, ಸಂಚಿತ ಕಾರ್ಯಗಳು, ಘನ
ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಭವಿಸುವ ಕಾರ್ಯಗಳನ್ನು ಸುಲಭಗೊಳಿಸಲು ರೋಲ್‌ಅಪ್‌ಗಳು
OLAP ತಂತ್ರಜ್ಞಾನದೊಂದಿಗೆ ಮಾತ್ರ, ಅವು ಈಗ ನೈಸರ್ಗಿಕ ಭಾಗವಾಗಿದೆ
ಎಂಜಿನ್ ಡೇಟಾಬೇಸ್
▪ ಫಲಿತಾಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಕೋಷ್ಟಕಗಳನ್ನು ರಚಿಸುವ ಸಾಮರ್ಥ್ಯ
ನ ಮಾರಾಟಗಾರರು ಡೇಟಾಬೇಸ್ ನಾಯಕರು BI ಸಾಮರ್ಥ್ಯಗಳಿಗಿಂತ ಹೆಚ್ಚಿನದನ್ನು ಮಿಶ್ರಣ ಮಾಡುತ್ತಾರೆ
ನೆಲ್ ಡೇಟಾಬೇಸ್ ಅದೇ.
ಮುಖ್ಯ ಪೂರೈಕೆದಾರರು ಡೇಟಾ ಬೇಸ್ ಅವರು ಹೆಚ್ಚು ಮಿಶ್ರಣ ಮಾಡುತ್ತಾರೆ
BI ಕಾರ್ಯನಿರ್ವಹಣೆಯಲ್ಲಿ ಡೇಟಾಬೇಸ್ ಅದೇ.
ಇದು ನಿಮಗೆ ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಹೆಚ್ಚು ಚಾಲನೆಯಲ್ಲಿರುವ ಆಯ್ಕೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ
BI ಪರಿಹಾರಗಳು.
DB2 V8 ನ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ಚರ್ಚಿಸಲಾಗಿದೆ
ಮುಂದಿನ ಅಧ್ಯಾಯಗಳಲ್ಲಿ ವಿವರವಾಗಿ:
ಟೆಕ್ನಿಕಲ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಮತ್ತು ಡೇಟಾ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ ಫೌಂಡೇಶನ್ಸ್
(ಅಧ್ಯಾಯ 5)
▪ DB2 BI ಫಂಡಮೆಂಟಲ್ಸ್ (ಅಧ್ಯಾಯ 6)
▪ DB2 ಮೆಟೀರಿಯಲೈಸ್ಡ್ ಪ್ರಶ್ನೆ ಕೋಷ್ಟಕಗಳು
ಕೋಷ್ಟಕಗಳು) (ಅಧ್ಯಾಯ 7)
▪ DB2 OLAP ಕಾರ್ಯಗಳು (ಅಧ್ಯಾಯ 13)
▪ DB2 ವರ್ಧಿತ BI ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಕಾರ್ಯಗಳು (ವರ್ಧಿತ BI
ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಕಾರ್ಯಗಳು) (ಅಧ್ಯಾಯ 15)
ಸರಳೀಕೃತ ಡೇಟಾ ವಿತರಣಾ ವ್ಯವಸ್ಥೆ
ವಿತರಣಾ ವ್ಯವಸ್ಥೆ dati ಸರಳೀಕೃತ
ಚಿತ್ರ 1.1 ರಲ್ಲಿ ಚಿತ್ರಿಸಲಾದ ವಾಸ್ತುಶಿಲ್ಪವು ಹಲವಾರು ಒಳಗೊಂಡಿದೆ
ರಚನೆಗಳು dati ಭೌತಿಕ. ಒಂದು ಗೋದಾಮು dati ಕಾರ್ಯಾಚರಣೆಯ.
ಸಾಮಾನ್ಯವಾಗಿ, ODS ವಸ್ತು ಆಧಾರಿತವಾಗಿದೆ,
ಸಂಯೋಜಿತ ಮತ್ತು ಪ್ರಸ್ತುತ. ಬೆಂಬಲಿಸಲು ನೀವು ODS ಅನ್ನು ನಿರ್ಮಿಸುತ್ತೀರಾ, ಉದಾ
ಉದಾಹರಣೆಗೆ, ಮಾರಾಟ ಕಚೇರಿ. ODS ಮಾರಾಟವು ಪೂರಕವಾಗಿದೆ dati
ಹಲವಾರು ವಿಭಿನ್ನ ವ್ಯವಸ್ಥೆಗಳಿಂದ ಬರುತ್ತಿದೆ ಆದರೆ ಮಾತ್ರ ಉಳಿಸಿಕೊಳ್ಳುತ್ತದೆ, ಉದಾ
ಉದಾಹರಣೆಗೆ, ಇಂದಿನ ವಹಿವಾಟುಗಳು. ODS ಅನ್ನು ನವೀಕರಿಸಬಹುದು
ದಿನಕ್ಕೆ ಹಲವು ಬಾರಿ ಕೂಡ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಪ್ರಕ್ರಿಯೆಗಳು
ಅವರು ತಳ್ಳುತ್ತಾರೆ dati ಇತರ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಸಂಯೋಜಿಸಲಾಗಿದೆ. ಈ ರಚನೆಯು
ನಿರ್ದಿಷ್ಟವಾಗಿ ಸಂಯೋಜಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ dati ಪ್ರಸ್ತುತ ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕ ಇ
ನೈಜ-ಸಮಯದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬೆಂಬಲಿಸುವ ಸಂಭಾವ್ಯ ಅಭ್ಯರ್ಥಿಯಾಗಿರಬಹುದು,
ಸೇವಾ ಏಜೆಂಟ್‌ಗಳನ್ನು ಹೇಗೆ ಒದಗಿಸುವುದು ಗ್ರಾಹಕರಿಗೆ ಮಾರಾಟ ಮಾಹಿತಿ
ಮಾರಾಟ ಪ್ರವೃತ್ತಿಯ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುವ ಮೂಲಕ ಗ್ರಾಹಕರ ಪ್ರಸ್ತುತ ಪ್ರವೃತ್ತಿಗಳು
ಗೋದಾಮಿನಿಂದಲೇ. ಚಿತ್ರ 1.1 ರಲ್ಲಿ ತೋರಿಸಿರುವ ಮತ್ತೊಂದು ರಚನೆಯಾಗಿದೆ
dw ಗಾಗಿ ಔಪಚಾರಿಕ ಸ್ಥಿತಿ. ಇದು ಕೇವಲ ಸ್ಥಳವಲ್ಲ
ಅಗತ್ಯ ಏಕೀಕರಣದ ಮರಣದಂಡನೆ, ಗುಣಮಟ್ಟ dati, ಇ
ನ ರೂಪಾಂತರದ dati ಸ್ಟಾಕ್ ಶೀಘ್ರದಲ್ಲೇ ಬರಲಿದೆ, ಆದರೆ ಇದು ಕೂಡ
ವಿಶ್ವಾಸಾರ್ಹ ಮತ್ತು ತಾತ್ಕಾಲಿಕ ಶೇಖರಣಾ ಪ್ರದೇಶ dati ಎಂದು ಉತ್ತರಿಸಿ
ನೈಜ-ಸಮಯದ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಬಳಸಬಹುದು. ನೀವು ನಿರ್ಧರಿಸಿದರೆ
ODS ಅಥವಾ ಸ್ಟೇಜಿಂಗ್ ಪ್ರದೇಶವನ್ನು ಬಳಸಿ
ಈ ರಚನೆಗಳನ್ನು ಜನಪ್ರಿಯಗೊಳಿಸಲು ಉತ್ತಮ ಸಾಧನಗಳು dati ಬಳಸಿ
ವಿಭಿನ್ನ ಕಾರ್ಯಾಚರಣೆಯ ಮೂಲಗಳು DB2 ನ ವೈವಿಧ್ಯಮಯ ವಿತರಣೆ ಪ್ರಶ್ನೆಯಾಗಿದೆ.
ಈ ಸಾಮರ್ಥ್ಯವನ್ನು DB2 ನ ಐಚ್ಛಿಕ ವೈಶಿಷ್ಟ್ಯದಿಂದ ಒದಗಿಸಲಾಗಿದೆ
DB2 ರಿಲೇಶನಲ್ ಕನೆಕ್ಟ್ (ಕೇವಲ ಪ್ರಶ್ನೆ) ಮತ್ತು DB2 ಮೂಲಕ
DataJoiner (ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ತಲುಪಿಸುವ ಪ್ರತ್ಯೇಕ ಉತ್ಪನ್ನ,
ಅಳವಡಿಕೆ, ನವೀಕರಣ ಮತ್ತು ಅಳಿಸುವಿಕೆಯ ಸಾಧ್ಯತೆ a
ಭಿನ್ನಜಾತಿಯ ವಿತರಣೆ RDBMS ಗಳು).
ಈ ತಂತ್ರಜ್ಞಾನವು ವಾಸ್ತುಶಿಲ್ಪಿಗಳಿಗೆ ಅನುಮತಿಸುತ್ತದೆ dati ಕಟ್ಟಲು dati di
ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಗಳೊಂದಿಗೆ ಉತ್ಪಾದನೆ. ತಂತ್ರಜ್ಞಾನ ಮಾತ್ರವಲ್ಲ
ವಾಸ್ತವಿಕವಾಗಿ ಯಾವುದೇ ನಕಲು ವಿನಂತಿಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ
ಅವರು ನೈಜ-ಸಮಯದ ವಿಶ್ಲೇಷಣೆಗಳೊಂದಿಗೆ ತೋರಿಸಬಹುದು, ಆದರೆ ಅದು
ಅವರು ವಿವಿಧ ರೀತಿಯ ಬೇಸ್‌ಗಳಿಗೆ ಸಹ ಸಂಪರ್ಕಿಸಬಹುದು dati ಹೆಚ್ಚು
DB2, Oracle, Sybase, SQL ಸರ್ವರ್ ಸೇರಿದಂತೆ ಜನಪ್ರಿಯ,
ಇನ್ಫಾರ್ಮಿಕ್ಸ್ ಮತ್ತು ಇತರರು. DB2 DataJoiner ಅನ್ನು ಜನಪ್ರಿಯಗೊಳಿಸಲು ಬಳಸಬಹುದು
ಒಂದು ರಚನೆ dati ODS ಅಥವಾ ಟೇಬಲ್‌ನಂತೆ ಔಪಚಾರಿಕ
ಪುನಃಸ್ಥಾಪನೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಗೋದಾಮಿನಲ್ಲಿ ಶಾಶ್ವತವಾಗಿ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ
ತ್ವರಿತ ನವೀಕರಣಗಳಿಗಾಗಿ ಅಥವಾ ಮಾರಾಟಕ್ಕೆ. ನೈಸರ್ಗಿಕವಾಗಿ,
ಇದೇ ರಚನೆಗಳು dati ಬಳಸಿ ಜನಸಂಖ್ಯೆ ಮಾಡಬಹುದು
ಪ್ರತಿಕೃತಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಮತ್ತೊಂದು ಪ್ರಮುಖ ತಂತ್ರಜ್ಞಾನ dati, ಐಬಿಎಂ
ಡೇಟಾ ಪ್ರೊಪಗೇಟರ್ ಸಂಬಂಧಿತ. (DataPropagator ಒಂದು ಪ್ರತ್ಯೇಕ ಉತ್ಪನ್ನವಾಗಿದೆ
ಕೇಂದ್ರ ವ್ಯವಸ್ಥೆಗಳಿಗೆ. DB2 UNIX, Linux, Windows ಮತ್ತು OS/2 ಸೇರಿವೆ
ಪ್ರತಿಕೃತಿ ಸೇವೆಗಳು dati ಪ್ರಮಾಣಿತ ವೈಶಿಷ್ಟ್ಯವಾಗಿ).
ಚಲಿಸುವ ಮತ್ತೊಂದು ವಿಧಾನ dati ಸುತ್ತಲೂ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ
ಎಂಟರ್‌ಪ್ರೈಸ್ ಎಂಟರ್‌ಪ್ರೈಸ್ ಅಪ್ಲಿಕೇಶನ್ ಇಂಟಿಗ್ರೇಟರ್ ಆಗಿದೆ
ಸಂದೇಶ ಬ್ರೋಕರ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.ಇದು
ವಿಶಿಷ್ಟ ತಂತ್ರಜ್ಞಾನವು ಕೇಂದ್ರೀಕರಣಕ್ಕಾಗಿ ಅಪ್ರತಿಮ ನಿಯಂತ್ರಣವನ್ನು ಅನುಮತಿಸುತ್ತದೆ
(ಗುರಿ) ಮತ್ತು ಸರಿಸಿ dati ಕಂಪನಿಯ ಸುತ್ತಲೂ. IBM ಮಧ್ಯವರ್ತಿ ಹೊಂದಿದೆ
ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಿದ ಸಂದೇಶ, MQSeries, ಅಥವಾ ಬದಲಾವಣೆ
ಅವಶ್ಯಕತೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಉತ್ಪನ್ನದ ಇ-ವಾಣಿಜ್ಯ, ಐಬಿಎಂ
ವೆಬ್‌ಸ್ಪಿಯರ್ MQ.
MQ ಅನ್ನು ಹೇಗೆ ಬೆಂಬಲಿಸುವುದು ಎಂಬುದರ ಕುರಿತು ಹೆಚ್ಚಿನ ಚರ್ಚೆಗಾಗಿ a
magazzino e un ambiente BI, visitare ಜಾಲತಾಣ del libro. Per ora, è
ಈ ತಂತ್ರಜ್ಞಾನವು ಅತ್ಯುತ್ತಮ ಸಾಧನವಾಗಿದೆ ಎಂದು ಹೇಳಲು ಸಾಕು
ಕ್ಯಾಪ್ಚರ್ ಮತ್ತು ರೂಪಾಂತರ (MQSeries ಇಂಟಿಗ್ರೇಟರ್ ಬಳಸಿ) dati
BI ಪರಿಹಾರಗಳಿಗಾಗಿ ಕೇಂದ್ರೀಕೃತ (ಉದ್ದೇಶಿತ) ನಿರ್ವಾಹಕರನ್ನು ನೇಮಿಸಲಾಗಿದೆ. ಅಲ್ಲಿ
MQ ತಂತ್ರಜ್ಞಾನವನ್ನು UDB V8 ಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ಪ್ಯಾಕ್ ಮಾಡಲಾಗಿದೆ
ಸಂದೇಶದ ಸಾಲುಗಳನ್ನು ಈಗ ನಿರ್ವಹಿಸಬಹುದು ಎಂದರ್ಥ
ಅವು DB2 ಕೋಷ್ಟಕಗಳಿದ್ದಂತೆ. ವೆಲ್ಡಿಂಗ್ನ ಪರಿಕಲ್ಪನೆ
ಸರದಿಯಲ್ಲಿರುವ ಸಂದೇಶಗಳು ಮತ್ತು ವಿಶ್ವ ಡೇಟಾಬೇಸ್ ಸಂಬಂಧಿತ ನಿರ್ದೇಶಿಸಲಾಗಿದೆ
ಶಕ್ತಿಯುತ ವಿತರಣಾ ಪರಿಸರದ ಕಡೆಗೆ dati.
ಶೂನ್ಯ-ಸುಪ್ತತೆ ಶೂನ್ಯ ಸುಪ್ತತೆ
IBM ಗಾಗಿ ಅಂತಿಮ ಕಾರ್ಯತಂತ್ರದ ಗುರಿಯು ಶೂನ್ಯ ಲೇಟೆನ್ಸಿ (ಶೂನ್ಯತೆ) ವಿಶ್ಲೇಷಣೆಯಾಗಿದೆ.
ವ್ಯಾಖ್ಯಾನಿಸಿದಂತೆ
ಗಾರ್ಟ್ನರ್, BI ವ್ಯವಸ್ಥೆಯು ಊಹಿಸಲು, ಸಮೀಕರಿಸಲು ಶಕ್ತವಾಗಿರಬೇಕು
ಮತ್ತು ವಿನಂತಿಯ ಮೇರೆಗೆ ವಿಶ್ಲೇಷಕರಿಗೆ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಿ. ಸವಾಲು,
ಸಹಜವಾಗಿ, ಇದು ಹೇಗೆ ಮಿಶ್ರಣ ಮಾಡುವುದು dati ಪ್ರಸ್ತುತ ಮತ್ತು ನೈಜ ಸಮಯದಲ್ಲಿ
ಅಗತ್ಯ ಐತಿಹಾಸಿಕ ಮಾಹಿತಿಯೊಂದಿಗೆ, ಉದಾಹರಣೆಗೆ i dati ಸಂಬಂಧಿತ ಮಾದರಿ(ಗಳು).
ಪ್ರವೃತ್ತಿ, ಅಥವಾ ಹೊರತೆಗೆಯಲಾದ ತಿಳುವಳಿಕೆ, ಒಂದು ವಿವರಣೆಯಾಗಿ
ಗ್ರಾಹಕ
ಅಂತಹ ಮಾಹಿತಿಯು ಉದಾಹರಣೆಗೆ, ಗುರುತಿಸುವಿಕೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಗ್ರಾಹಕರಿಗೆ ad
ಹೆಚ್ಚಿನ ಅಥವಾ ಕಡಿಮೆ ಅಪಾಯ ಅಥವಾ ಯಾವ ಉತ್ಪನ್ನಗಳು i ಗ್ರಾಹಕರಿಗೆ ಅವರು ಬಹಳಷ್ಟು ಖರೀದಿಸುತ್ತಾರೆ
ಬಹುಶಃ ಅವರು ಈಗಾಗಲೇ ತಮ್ಮ ಬಂಡಿಗಳಲ್ಲಿ ಚೀಸ್ ಹೊಂದಿದ್ದರೆ
ಸ್ವಾಧೀನಗಳು.
ಶೂನ್ಯ ಸುಪ್ತತೆಯನ್ನು ಪಡೆಯುವುದು ವಾಸ್ತವವಾಗಿ ಎರಡರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ
ಮೂಲಭೂತ ಕಾರ್ಯವಿಧಾನಗಳು:
▪ ಸಂಪೂರ್ಣ ಒಕ್ಕೂಟ dati ಇದರೊಂದಿಗೆ ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ
BI ನಿಂದ ರಚಿಸಲಾದ ತಂತ್ರಗಳು ಮತ್ತು ಸಾಧನಗಳನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ
▪ ಒಂದು ವಿತರಣಾ ವ್ಯವಸ್ಥೆ dati ಅದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಸಮರ್ಥ
ನೈಜ-ಸಮಯದ ವಿಶ್ಲೇಷಣೆ ನಿಜವಾಗಿಯೂ ಲಭ್ಯವಿದೆ
ಶೂನ್ಯ ಲೇಟೆನ್ಸಿಗೆ ಈ ಪೂರ್ವಾಪೇಕ್ಷಿತಗಳು ಎರಡಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿರುವುದಿಲ್ಲ
IBM ಸ್ಥಾಪಿಸಿದ ಉದ್ದೇಶಗಳು ಮತ್ತು ಮೇಲೆ ವಿವರಿಸಲಾಗಿದೆ.
ನ ನಿಕಟ ಸಂಯೋಗ dati ಕಾರ್ಯಕ್ರಮದ ಭಾಗವಾಗಿದೆ
ತಡೆರಹಿತ ಏಕೀಕರಣವನ್ನು IBM ಆಯೋಜಿಸಿದೆ. ಮತ್ತು ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಿ
ವಿತರಣೆಯ dati ಪರಿಣಾಮಕಾರಿ ಸಂಪೂರ್ಣವಾಗಿ ಅವಲಂಬಿತವಾಗಿದೆ
ವಿತರಣಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸರಳಗೊಳಿಸುವ ಲಭ್ಯವಿರುವ ತಂತ್ರಜ್ಞಾನ
dati. ಇದರ ಪರಿಣಾಮವಾಗಿ, IBM ನ ಮೂರು ಗುರಿಗಳಲ್ಲಿ ಎರಡು ನಿರ್ಣಾಯಕವಾಗಿವೆ
ಮೂರನೆಯದನ್ನು ಮಾಡಲು. IBM ಪ್ರಜ್ಞಾಪೂರ್ವಕವಾಗಿ ತನ್ನದೇ ಆದ ಅಭಿವೃದ್ಧಿಯನ್ನು ಮಾಡುತ್ತಿದೆ
ಶೂನ್ಯ ಸುಪ್ತತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವ ತಂತ್ರಜ್ಞಾನವು ಬಳಕೆದಾರರಿಗೆ ವಾಸ್ತವವಾಗಿದೆ
ಗೋದಾಮಿನ ಪ್ರಯತ್ನಗಳು.
ಸಾರಾಂಶ / ಸಂಶ್ಲೇಷಣೆ
BI ಸಂಸ್ಥೆಯು ರಸ್ತೆ ನಕ್ಷೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ
ನಿಮ್ಮ ಪರಿಸರವನ್ನು ರಚಿಸಿ
ಪುನರಾವರ್ತಿತವಾಗಿ. ನ ಅಗತ್ಯಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸಲು ಅದನ್ನು ಸರಿಹೊಂದಿಸಬೇಕು
ನಿಮ್ಮ ವ್ಯಾಪಾರ, ಪ್ರಸ್ತುತ ಮತ್ತು ಭವಿಷ್ಯದ ಎರಡೂ. ವಾಸ್ತು ದೃಷ್ಟಿ ಇಲ್ಲದೆ
ವಿಶಾಲ, ಗೋದಾಮಿನ ಪುನರಾವರ್ತನೆಗಳು ಸ್ವಲ್ಪ ಹೆಚ್ಚು
ಯಾದೃಚ್ಛಿಕ ಕೇಂದ್ರ ಗೋದಾಮಿನ ಅನುಷ್ಠಾನಗಳು ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ಮಾಡುತ್ತವೆ
ವಿಶಾಲವಾದ, ತಿಳಿವಳಿಕೆ ನೀಡುವ ಉದ್ಯಮವನ್ನು ರಚಿಸಿ.
ಪ್ರಾಜೆಕ್ಟ್ ಮ್ಯಾನೇಜರ್‌ಗಳಿಗೆ ಮೊದಲ ಅಡಚಣೆಯೆಂದರೆ ಅದನ್ನು ಹೇಗೆ ಸಮರ್ಥಿಸುವುದು
ಬಿಐ ಸಂಸ್ಥೆಯ ಅಭಿವೃದ್ಧಿಗೆ ಅಗತ್ಯವಾದ ಹೂಡಿಕೆಗಳು.
ROI ಲೆಕ್ಕಾಚಾರವು ಪ್ರಮುಖ ಬೆಂಬಲವಾಗಿ ಉಳಿದಿದೆ
ಗೋದಾಮಿನ ಸಾಧನೆಗಳು, ಇದು ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗುತ್ತಿದೆ
ನಿಖರವಾಗಿ ಊಹಿಸಿ. ಇದು ಇತರ ವಿಧಾನಗಳಿಗೆ ಕಾರಣವಾಗಿದೆ
ನಿಮ್ಮ ಹಣದ ಮೌಲ್ಯವನ್ನು ನೀವು ಪಡೆಯುತ್ತೀರಾ ಎಂದು ನಿರ್ಧರಿಸುವುದು. ದಿ
ಹೂಡಿಕೆಯ ಮೇಲಿನ ಮೌಲ್ಯ 2 (VOI), ಉದಾಹರಣೆಗೆ, ಸಂಗ್ರಹಿಸಲಾಗಿದೆ
ಪರಿಹಾರವಾಗಿ.
ಇದು ವಾಸ್ತುಶಿಲ್ಪಿಗಳ ಮೇಲೆ ಬದ್ಧವಾಗಿದೆ dati ಮತ್ತು ಯೋಜನೆಯ ಯೋಜಕರು
ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ರಚಿಸಿ ಮತ್ತು ಸಂಘಗಳಿಗೆ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಿ
ಬಳಕೆದಾರರು ಮತ್ತು ಕೇವಲ ಅವರಿಗೆ ಸೇವೆಯನ್ನು ಒದಗಿಸುವುದಿಲ್ಲ dati. ಒಂದು ಇದೆ
ಎರಡರ ನಡುವಿನ ದೊಡ್ಡ ವ್ಯತ್ಯಾಸ. ಮಾಹಿತಿಯು ಒಬ್ಬನು ಮಾಡುವ ಸಂಗತಿಯಾಗಿದೆ
ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಕ್ರಿಯೆಗಳು ಮತ್ತು ಪರಿಣಾಮಕಾರಿತ್ವದಲ್ಲಿ ವ್ಯತ್ಯಾಸ; ತುಲನಾತ್ಮಕವಾಗಿ, i
dati ಅವರು ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಬಿಲ್ಡಿಂಗ್ ಬ್ಲಾಕ್ಸ್.
ನಾನು ಮೂಲವನ್ನು ಟೀಕಿಸಿದರೂ ಸಹ dati ವಿನಂತಿಗಳನ್ನು ಪರಿಹರಿಸಲು
ವಾಣಿಜ್ಯ, ಬಿಐ ಪರಿಸರವು ದೊಡ್ಡ ಪಾತ್ರವನ್ನು ನಿರ್ವಹಿಸಬೇಕು
ಮಾಹಿತಿ ವಿಷಯ ರಚನೆಯಲ್ಲಿ. ನಾವು ತೆಗೆದುಕೊಳ್ಳಬೇಕು
ಸ್ವಚ್ಛಗೊಳಿಸಲು, ಸಂಯೋಜಿಸಲು, ರೂಪಾಂತರ ಅಥವಾ ಹೆಚ್ಚುವರಿ ಕ್ರಮಗಳು
ಇಲ್ಲದಿದ್ದರೆ ಮಾಹಿತಿ ವಿಷಯವನ್ನು ರಚಿಸಿ ಅದರ ಪ್ರಕಾರ
ಬಳಕೆದಾರರು ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳಬಹುದು, ಆದ್ದರಿಂದ ನಾವು ಅವುಗಳನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬೇಕು
ಕ್ರಮಗಳು ಮತ್ತು ನಿರ್ಧಾರಗಳು, ಸಮಂಜಸವಾದಲ್ಲಿ, ಬೆಂಬಲಿತವಾಗಿದೆ
BI ಪರಿಸರದಲ್ಲಿ. ನಾವು ಗೋದಾಮನ್ನು ಮಾತ್ರ ಸೇವೆ ಮಾಡಲು ಹಿಮ್ಮೆಟ್ಟಿಸಿದರೆ dati,
ಬಳಕೆದಾರರ ಸಂಘಗಳು ವಿಷಯವನ್ನು ರಚಿಸುತ್ತವೆ ಎಂದು ಖಾತರಿಪಡಿಸಲಾಗಿದೆ
ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳಲು ಅಗತ್ಯವಿರುವ ಮಾಹಿತಿ. ಇದು ಅವರ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ
ಸಮುದಾಯವು ಉತ್ತಮ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಆದರೆ ಉದ್ಯಮ
ಅವರು ಬಳಸಿದ ಜ್ಞಾನದ ಕೊರತೆಯಿಂದ ಬಳಲುತ್ತಿದ್ದಾರೆ.
ದಿನಾಂಕ ವಾಸ್ತುಶಿಲ್ಪಿಗಳು ಮತ್ತು ಯೋಜಕರು ಯೋಜನೆಗಳನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತಾರೆ
BI ಪರಿಸರಕ್ಕೆ ನಿರ್ದಿಷ್ಟವಾಗಿ, ಅವರು ಎಂಟರ್‌ಪ್ರೈಸ್‌ಗೆ ಜವಾಬ್ದಾರರಾಗಿರುತ್ತಾರೆ
ಮೂಲಕ ಮತ್ತು ದೊಡ್ಡದು. ಈ ಎರಡು ವೈಶಿಷ್ಟ್ಯಗಳ ಸರಳ ಉದಾಹರಣೆ
BI ಪುನರಾವರ್ತನೆಯ ಮುಖಗಳು ಮೂಲದಲ್ಲಿ ಕಂಡುಬರುತ್ತವೆ dati. ಎಲ್ಲಾ
dati ನಿರ್ದಿಷ್ಟ ವಾಣಿಜ್ಯ ವಿನಂತಿಗಳಿಗಾಗಿ ಸ್ವೀಕರಿಸಬೇಕು
ಮೊದಲ ಪರಮಾಣು ಪದರದಲ್ಲಿ ಜನಸಂಖ್ಯೆ. ಇದು ಅಭಿವೃದ್ಧಿಯನ್ನು ಖಾತ್ರಿಗೊಳಿಸುತ್ತದೆ
ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿಯ ಆಸ್ತಿ, ಹಾಗೆಯೇ ನಿರ್ವಹಿಸಿ, ನಿರ್ದೇಶಿಸಿ
ಬಳಕೆದಾರ-ನಿರ್ದಿಷ್ಟ ವಿನಂತಿಗಳನ್ನು ಪುನರಾವರ್ತನೆಯಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.

ಡಬ್ಲ್ಯೂ ಹಟಿಸಾ ಡಿ ಅಟಾ ಡಬ್ಲ್ಯೂ ಅರೆಹೌಸ್?
ಮಾಹಿತಿ ಉಗ್ರಾಣ ಇದು ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳ ವಾಸ್ತುಶಿಲ್ಪದ ಹೃದಯವಾಗಿದೆ
1990 ರಿಂದ ಮತ್ತು ಘನವನ್ನು ನೀಡುವ ಮೂಲಕ ಮಾಹಿತಿ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ
ಸಂಯೋಜಿತ ವೇದಿಕೆ dati ಇತಿಹಾಸಕಾರರು ಮುಂದಿನದಕ್ಕೆ ಆಧಾರವಾಗಿ ತೆಗೆದುಕೊಂಡರು
ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. ದಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ a ಗೆ ಏಕೀಕರಣದ ಸುಲಭತೆಯನ್ನು ನೀಡುತ್ತದೆ
ಪರಸ್ಪರ ಹೊಂದಿಕೆಯಾಗದ ಅಪ್ಲಿಕೇಶನ್ ಸಿಸ್ಟಮ್‌ಗಳ ಪ್ರಪಂಚ. ದಿನಾಂಕ
ಗೋದಾಮು ಒಂದು ಪ್ರವೃತ್ತಿಯಾಗಿ ವಿಕಸನಗೊಂಡಿದೆ. ಮಾಹಿತಿ ಉಗ್ರಾಣ
ಸಂಘಟಿಸಿ ಮತ್ತು ಸಂಗ್ರಹಿಸು i dati ಮಾಹಿತಿ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ ಅಗತ್ಯ ಇ
ಸುದೀರ್ಘ ಐತಿಹಾಸಿಕ ತಾತ್ಕಾಲಿಕ ದೃಷ್ಟಿಕೋನದ ಆಧಾರದ ಮೇಲೆ ವಿಶ್ಲೇಷಣಾತ್ಮಕ. ಎಲ್ಲಾ
ಇದು ನಿರ್ಮಾಣಕ್ಕೆ ಗಣನೀಯ ಮತ್ತು ನಿರಂತರ ಬದ್ಧತೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಮತ್ತು
ನಿರ್ವಹಣೆಯಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಹಾಗಾದರೆ ಎ ಎಂದರೇನು ಡೇಟಾ ವೇರ್ಹೌಸ್? ಎ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು:
▪ ವಿಷಯ-ಆಧಾರಿತ
▪ ಸಂಯೋಜಿತ ವ್ಯವಸ್ಥೆ
▪ ರೂಪಾಂತರ ಸಮಯ
▪ ಬಾಷ್ಪಶೀಲವಲ್ಲದ (ಅಳಿಸಲಾಗುವುದಿಲ್ಲ)
ಒಂದು ಸಂಗ್ರಹ dati ನಲ್ಲಿ ವ್ಯವಸ್ಥಾಪಕ ನಿರ್ಧಾರಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ
ಪ್ರಕ್ರಿಯೆಗಳ ಅನುಷ್ಠಾನ.
I dati ಸೇರಿಸಲಾಯಿತು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಹೆಚ್ಚಿನವುಗಳಲ್ಲಿ ಉದ್ಭವಿಸುತ್ತವೆ
ಕಾರ್ಯಾಚರಣೆಯ ಪರಿಸರದಿಂದ ಪ್ರಕರಣಗಳು. ದಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದು ಒಬ್ಬರಿಂದ ಮಾಡಲ್ಪಟ್ಟಿದೆ
ಶೇಖರಣಾ ಘಟಕ, ಭೌತಿಕವಾಗಿ ಉಳಿದವುಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸಲ್ಪಟ್ಟಿದೆ
ವ್ಯವಸ್ಥೆ, ಇದು ಒಳಗೊಂಡಿದೆ dati ಹಿಂದೆ ರೂಪಾಂತರಗೊಂಡಿದೆ
ಪರಿಸರದಿಂದ ಪಡೆದ ಮಾಹಿತಿಯ ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು
ಕಾರ್ಯಾಚರಣೆಯ.
ಅಕ್ಷರಶಃ ವ್ಯಾಖ್ಯಾನ ಎ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಆಳವಾದ ಅಧ್ಯಯನಕ್ಕೆ ಅರ್ಹವಾಗಿದೆ
ಪ್ರಮುಖ ಪ್ರೇರಣೆಗಳು ಮತ್ತು ಅರ್ಥಗಳು ಇರುವುದರಿಂದ ವಿವರಣೆ
ಗೋದಾಮಿನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ವಿವರಿಸುವ ಹಿನ್ನೆಲೆ.
ವಿಷಯದ ದೃಷ್ಟಿಕೋನ ದೃಷ್ಟಿಕೋನ
ವಿಷಯಾಧಾರಿತ
ಎ ನ ಮೊದಲ ಲಕ್ಷಣ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕಡೆಗೆ ಆಧಾರಿತವಾಗಿದೆ
ಕಂಪನಿಯಲ್ಲಿ ಪ್ರಮುಖ ಆಟಗಾರರು. ಮೂಲಕ ಪ್ರಯೋಗಗಳ ಮಾರ್ಗದರ್ಶಿ
dati ಇದು ಒದಗಿಸುವ ಹೆಚ್ಚು ಶ್ರೇಷ್ಠ ವಿಧಾನಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿದೆ
ಪ್ರಕ್ರಿಯೆಗಳು ಮತ್ತು ಕಾರ್ಯಗಳ ಕಡೆಗೆ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ದೃಷ್ಟಿಕೋನ,
ಹೆಚ್ಚಿನವರು ಹಂಚಿಕೊಂಡಿರುವ ವಿಧಾನ
ಹಳೆಯ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಗಳು.
ಕಾರ್ಯಾಚರಣೆಯ ಪ್ರಪಂಚವು ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮತ್ತು ಕಾರ್ಯಗಳ ಸುತ್ತಲೂ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ
ಉದಾಹರಣೆಗೆ ಸಾಲಗಳು, ಉಳಿತಾಯಗಳು, ಬ್ಯಾಂಕ್‌ಕಾರ್ಡ್‌ಗಳು ಮತ್ತು ಸಂಸ್ಥೆಗೆ ನಂಬಿಕೆ
ಆರ್ಥಿಕ. dw ಪ್ರಪಂಚವು ವಿಷಯಗಳ ಸುತ್ತಲೂ ಆಯೋಜಿಸಲಾಗಿದೆ
ಗ್ರಾಹಕ, ಮಾರಾಟಗಾರ, ಉತ್ಪನ್ನ ಮತ್ತು ವ್ಯಾಪಾರದಂತಹ ಪ್ರಮುಖರು.
ವಿಷಯಗಳ ಸುತ್ತ ಜೋಡಣೆಯು ವಿನ್ಯಾಸದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಮತ್ತು
ಸಾಕ್ಷಾತ್ಕಾರದ ಮೇಲೆ dati dw ನಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ. ಮುಖ್ಯವಾಗಿ,
ಮುಖ್ಯ ವಿಷಯವು ಪ್ರಮುಖ ಭಾಗದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ
ಪ್ರಮುಖ ರಚನೆ.
ಅಪ್ಲಿಕೇಶನ್‌ನ ಪ್ರಪಂಚವು ಡೇಟಾದ ವಿನ್ಯಾಸ ಎರಡರಿಂದಲೂ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ
ಪ್ರಕ್ರಿಯೆಯ ವಿನ್ಯಾಸವನ್ನು ಆಧರಿಸಿದೆ. ನ ಪ್ರಪಂಚ
dw ಮಾಡೆಲಿಂಗ್ ಮೇಲೆ ಪ್ರತ್ಯೇಕವಾಗಿ ಕೇಂದ್ರೀಕರಿಸಿದೆ dati ಅದು ಆನ್ ಆಗಿದೆ
ನ ರೇಖಾಚಿತ್ರ ಡೇಟಾಬೇಸ್. ಪ್ರಕ್ರಿಯೆಯ ವಿನ್ಯಾಸ (ಅದರ ರೂಪದಲ್ಲಿ
ಶಾಸ್ತ್ರೀಯ) dw ಪರಿಸರದ ಭಾಗವಾಗಿಲ್ಲ.
ಪ್ರಕ್ರಿಯೆ/ಕಾರ್ಯ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ಆಯ್ಕೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳು
ವಿಷಯದ ಮೂಲಕ ಆಯ್ಕೆಯು ವಿಷಯದಲ್ಲಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಸಹ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ
ಆಫ್ dati ವಿವರವಾದ ಮಟ್ಟದಲ್ಲಿ. ದಿ dati dw ನಲ್ಲಿ i ಒಳಗೊಂಡಿಲ್ಲ dati ಆ
ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಮಾಡುವಾಗ DSS ಪ್ರಕ್ರಿಯೆಗೆ ಬಳಸಲಾಗುವುದಿಲ್ಲ
ಕಾರ್ಯಾಚರಣೆ ಆಧಾರಿತ dati i ಅನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ dati ತೃಪ್ತಿಪಡಿಸಲು
ತಕ್ಷಣವೇ ಕ್ರಿಯಾತ್ಮಕ/ಸಂಸ್ಕರಣೆ ಅಗತ್ಯತೆಗಳನ್ನು ಒ ಮಾಡಬಹುದು
ಕಡಿಮೆ DSS ವಿಶ್ಲೇಷಕ ಯಾವುದೇ ಬಳಕೆಯನ್ನು ಹೊಂದಿಲ್ಲ.
ಕಾರ್ಯಾಚರಣೆ ಆಧಾರಿತ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಮತ್ತೊಂದು ಪ್ರಮುಖ ವಿಧಾನ
ai dati ನಿಂದ ಭಿನ್ನವಾಗಿದೆ dati dw ದೈ ವರದಿಗಳಲ್ಲಿದೆ dati. ನಾನು dati
ಕಾರ್ಯಾಚರಣೆಯು ಎರಡು ಅಥವಾ ಹೆಚ್ಚಿನ ಕೋಷ್ಟಕಗಳ ನಡುವೆ ನಿರಂತರ ಸಂಬಂಧವನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ
ಸಕ್ರಿಯವಾಗಿರುವ ವ್ಯಾಪಾರ ನಿಯಮವನ್ನು ಆಧರಿಸಿದೆ. ದಿ dati dw ಮೂಲಕ
ಅವರು ಸಮಯದ ಸ್ಪೆಕ್ಟ್ರಮ್ ಅನ್ನು ವ್ಯಾಪಿಸುತ್ತಾರೆ ಮತ್ತು dw ನಲ್ಲಿ ಕಂಡುಬರುವ ಸಂಬಂಧಗಳು
ಅನೇಕ. ಅನೇಕ ವ್ಯಾಪಾರ ನಿಯಮಗಳು (ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ, ಹಲವು
ವರದಿಗಳು dati ) ಗೋದಾಮಿನಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ dati ಎರಡು o ನಡುವೆ
ಬಹು ಕೋಷ್ಟಕಗಳು.
(ಇದರ ನಡುವಿನ ಸಂಬಂಧಗಳು ಹೇಗೆ ಎಂಬುದರ ವಿವರವಾದ ವಿವರಣೆಗಾಗಿ dati ನಿದ್ರೆ
DW ನಲ್ಲಿ ನಿರ್ವಹಿಸಲಾಗಿದೆ, ನಾವು ಅದರ ಮೇಲೆ ಟೆಕ್ ವಿಷಯವನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತೇವೆ
ಪ್ರಶ್ನೆ.)
ವ್ಯತ್ಯಾಸವನ್ನು ಹೊರತುಪಡಿಸಿ ಬೇರೆ ಯಾವುದೇ ದೃಷ್ಟಿಕೋನದಿಂದ
ಕ್ರಿಯಾತ್ಮಕ/ಪ್ರಕ್ರಿಯೆಯ ಅಪ್ಲಿಕೇಶನ್ ಮತ್ತು ಆಯ್ಕೆಯ ನಡುವೆ ಮೂಲಭೂತವಾಗಿದೆ
ಒಂದು ವಿಷಯದ ಆಯ್ಕೆ, ವ್ಯವಸ್ಥೆಗಳ ನಡುವೆ ಹೆಚ್ಚಿನ ವ್ಯತ್ಯಾಸವಿದೆ
ಕಾರ್ಯಾಚರಣೆಯ ei dati ಮತ್ತು DW.
ಏಕೀಕರಣ ಏಕೀಕರಣ
dw ಪರಿಸರದ ಪ್ರಮುಖ ಅಂಶವೆಂದರೆ i dati ಕಂಡು
dw ಒಳಗೆ ಅವುಗಳನ್ನು ಸುಲಭವಾಗಿ ಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ. ಯಾವಾಗಲೂ. ಇಲ್ಲದೆ
ವಿನಾಯಿತಿಗಳು. dw ಪರಿಸರದ ಮೂಲತತ್ವವೆಂದರೆ ನಾನು dati
ಗೋದಾಮಿನ ಮಿತಿಯಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಸಂಯೋಜನೆಯನ್ನು ಸಂಯೋಜಿಸಲಾಗಿದೆ.
ಏಕೀಕರಣವು ಹಲವಾರು ವಿಧಗಳಲ್ಲಿ ತನ್ನನ್ನು ತಾನೇ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ - ಸಂಪ್ರದಾಯಗಳಲ್ಲಿ
ಸ್ಥಿರವಾದ, ಸ್ಥಿರವಾದ ಅಸ್ಥಿರಗಳ ಮಾಪನದಲ್ಲಿ ಗುರುತಿಸಲಾಗಿದೆ
ಒಳಗೊಂಡಿರುವ ಕ್ರೋಡೀಕೃತ ರಚನೆಗಳು, ಭೌತಿಕ ಗುಣಲಕ್ಷಣಗಳಲ್ಲಿ dati
ಸ್ಥಿರ, ಇತ್ಯಾದಿ.
ವರ್ಷಗಳಲ್ಲಿ ವಿವಿಧ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ವಿನ್ಯಾಸಕರು ಹಾಗೆ ಮಾಡಿದ್ದಾರೆ
ಅಪ್ಲಿಕೇಶನ್ ಹೇಗೆ ಇರಬೇಕು ಎಂಬುದರ ಕುರಿತು ಅನೇಕ ನಿರ್ಧಾರಗಳನ್ನು ಹೊಂದಿರುವುದು
ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗುವುದು. ವೈಯಕ್ತಿಕ ಶೈಲಿ ಮತ್ತು ವಿನ್ಯಾಸ ನಿರ್ಧಾರಗಳು
ವಿನ್ಯಾಸಕಾರರ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ನೂರು ರೀತಿಯಲ್ಲಿ ತಮ್ಮನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತವೆ: in
ಕೋಡಿಂಗ್ ವ್ಯತ್ಯಾಸಗಳು, ಪ್ರಮುಖ ರಚನೆ, ಭೌತಿಕ ಗುಣಲಕ್ಷಣಗಳು,
ಸಂಪ್ರದಾಯಗಳ ಗುರುತಿಸುವಿಕೆ, ಇತ್ಯಾದಿ. ಅನೇಕರ ಸಾಮೂಹಿಕ ಸಾಮರ್ಥ್ಯ
ಅಪ್ಲಿಕೇಶನ್ ವಿನ್ಯಾಸಕರು ಅಸಮಂಜಸವಾದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ರಚಿಸುತ್ತಾರೆ
ಇದು ಪೌರಾಣಿಕವಾಗಿದೆ. ಚಿತ್ರ 3 ಹೆಚ್ಚಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ತೋರಿಸುತ್ತದೆ
ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿದ ವಿಧಾನಗಳಲ್ಲಿ ಮುಖ್ಯವಾಗಿದೆ.
ಎನ್ಕೋಡಿಂಗ್: ಎನ್ಕೋಡಿಂಗ್:
ಅಪ್ಲಿಕೇಶನ್ ವಿನ್ಯಾಸಕರು ಕ್ಷೇತ್ರ ಕೋಡಿಂಗ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿದ್ದಾರೆ -
ಲೈಂಗಿಕತೆ - ವಿವಿಧ ರೀತಿಯಲ್ಲಿ. ಡಿಸೈನರ್ ಲೈಂಗಿಕತೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತಾನೆ
ಒಂದು "m" ಮತ್ತು "f". ಇನ್ನೊಬ್ಬ ವಿನ್ಯಾಸಕ ಲೈಂಗಿಕತೆಯನ್ನು "1" ಎಂದು ಪ್ರತಿನಿಧಿಸುತ್ತಾನೆ
ಮತ್ತು "0". ಇನ್ನೊಬ್ಬ ವಿನ್ಯಾಸಕ ಲೈಂಗಿಕತೆಯನ್ನು "x" ಎಂದು ಪ್ರತಿನಿಧಿಸುತ್ತಾನೆ ಮತ್ತು
"y". ಇನ್ನೊಬ್ಬ ವಿನ್ಯಾಸಕ ಲೈಂಗಿಕತೆಯನ್ನು "ಪುರುಷ" ಎಂದು ಪ್ರತಿನಿಧಿಸುತ್ತಾನೆ ಮತ್ತು
"ಹೆಣ್ಣು". DW ಗೆ ಲೈಂಗಿಕತೆಯು ಹೇಗೆ ಬರುತ್ತದೆ ಎಂಬುದು ಮುಖ್ಯವಲ್ಲ. ಅವರು"
ಮತ್ತು "ಎಫ್" ಬಹುಶಃ ಎಲ್ಲಾ ಉತ್ತಮವಾಗಿದೆ
ಪ್ರಾತಿನಿಧ್ಯ.
ಮುಖ್ಯ ವಿಷಯವೆಂದರೆ ಲೈಂಗಿಕ ಕ್ಷೇತ್ರವು ಯಾವುದೇ ಮೂಲದಿಂದ ಬಂದಿದೆ,
ಆ ಕ್ಷೇತ್ರವು ಡಿಡಬ್ಲ್ಯೂಗೆ ಸ್ಥಿರವಾದ ಸಮಗ್ರ ಸ್ಥಿತಿಯಲ್ಲಿ ಬರುತ್ತದೆ. ಇಂದ
ಕ್ಷೇತ್ರವನ್ನು DW ಗೆ ಲೋಡ್ ಮಾಡಿದಾಗ ಪರಿಣಾಮವಾಗಿ
ಒಂದು ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಸ್ವರೂಪದಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲಾಗಿದೆ
"M" ಮತ್ತು "F", i dati DW ಫಾರ್ಮ್ಯಾಟ್‌ಗೆ ಪರಿವರ್ತಿಸಬೇಕು.
ಗುಣಲಕ್ಷಣಗಳ ಮಾಪನ: ಮಾಪನ
ಗುಣಲಕ್ಷಣಗಳು:
ಅಪ್ಲಿಕೇಶನ್ ವಿನ್ಯಾಸಕರು ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಅಳೆಯಲು ಆಯ್ಕೆ ಮಾಡಿದ್ದಾರೆ
ಕೋರ್ಸ್ನಲ್ಲಿ ವಿವಿಧ ವಿಧಾನಗಳು
ಕೆಲವು ವರ್ಷಗಳು. ಡಿಸೈನರ್ ಸಂಗ್ರಹಿಸುತ್ತಾನೆ dati ಪೈಪ್ಲೈನ್ನ
ಸೆಂಟಿಮೀಟರ್. ಮತ್ತೊಂದು ಅಪ್ಲಿಕೇಶನ್ ಡಿಸೈನರ್ ಸಂಗ್ರಹಿಸುತ್ತದೆ dati
ಇಂಚುಗಳ ಪರಿಭಾಷೆಯಲ್ಲಿ ಪೈಪ್ಲೈನ್ನ. ಇನ್ನೊಬ್ಬ ವಿನ್ಯಾಸಕ
ಅಪ್ಲಿಕೇಶನ್ ಅಂಗಡಿಗಳು i dati ಮಿಲಿಯನ್ ಘನ ಅಡಿಗಳಲ್ಲಿ ಪೈಪ್ಲೈನ್
ಪ್ರತಿ ಸೆಕೆಂಡ್. ಮತ್ತು ಇನ್ನೊಬ್ಬ ವಿನ್ಯಾಸಕರು ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತಾರೆ
ಗಜಗಳ ವಿಷಯದಲ್ಲಿ ಪೈಪ್ಲೈನ್. ಮೂಲ ಏನೇ ಇರಲಿ, ಯಾವಾಗ
ಪೈಪ್‌ಲೈನ್ ಮಾಹಿತಿಯು DW ನಲ್ಲಿ ಬರುತ್ತದೆ
ಅದೇ ರೀತಿಯಲ್ಲಿ ಅಳೆಯಲಾಗುತ್ತದೆ.
ಚಿತ್ರ 3 ರಲ್ಲಿನ ಸೂಚನೆಗಳ ಪ್ರಕಾರ, ಏಕೀಕರಣ ಸಮಸ್ಯೆಗಳು
ಅವು ಯೋಜನೆಯ ಪ್ರತಿಯೊಂದು ಅಂಶದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ - ವೈಶಿಷ್ಟ್ಯಗಳು
ಭೌತಿಕ ದೇವರುಗಳು dati, ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಮೂಲಗಳನ್ನು ಹೊಂದಿರುವ ಸಂದಿಗ್ಧತೆ dati,
ಅಸಮಂಜಸವಾದ ಗುರುತಿಸಲಾದ ಮಾದರಿಗಳ ಸಮಸ್ಯೆ, ಸ್ವರೂಪಗಳು dati
ಅಸಮಂಜಸ, ಇತ್ಯಾದಿ.
ವಿನ್ಯಾಸದ ವಿಷಯ ಏನೇ ಇರಲಿ, ಫಲಿತಾಂಶವು ಒಂದೇ ಆಗಿರುತ್ತದೆ -
i dati DW ನಲ್ಲಿ ಏಕವಚನದಲ್ಲಿ ಶೇಖರಿಸಿಡಬೇಕು e
ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆಗಳು ಸಹ ಜಾಗತಿಕವಾಗಿ ಸ್ವೀಕಾರಾರ್ಹ ರೀತಿಯಲ್ಲಿ
ಕೆಳಭಾಗದಲ್ಲಿ ಅವರು ವಿಭಿನ್ನವಾಗಿ ಸಂಗ್ರಹಿಸುತ್ತಾರೆ i dati.
DSS ವಿಶ್ಲೇಷಕರು DW ಅನ್ನು ನೋಡಿದಾಗ, ವಿಶ್ಲೇಷಕರ ಉದ್ದೇಶ
ಇದು ಶೋಷಣೆಯಾಗಿರಬೇಕು dati ಯಾವ ಗೋದಾಮಿನಲ್ಲಿದೆ,
ವಿಶ್ವಾಸಾರ್ಹತೆ ಅಥವಾ ಸ್ಥಿರತೆಯ ಬಗ್ಗೆ ಆಶ್ಚರ್ಯಪಡುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ
dati.
ಸಮಯದ ವ್ಯತ್ಯಾಸ
ಎಲ್ಲಾ ನಾನು dati DW ನಲ್ಲಿ ಅವು ಕೆಲವು ಸಮಯದವರೆಗೆ ನಿಖರವಾಗಿವೆ.
ಈ ಮೂಲಭೂತ ಲಕ್ಷಣ dati DW ನಲ್ಲಿ ಇದು ಪದಗಳಿಗಿಂತ ಬಹಳ ಭಿನ್ನವಾಗಿದೆ dati
ಕಾರ್ಯ ಪರಿಸರದಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ. ದಿ dati ಕಾರ್ಯಾಚರಣೆಯ ಪರಿಸರವು
ಪ್ರವೇಶದ ಕ್ಷಣದಲ್ಲಿ ನಿಖರವಾಗಿ. ಬೇರೆ ಪದಗಳಲ್ಲಿ,
ಡ್ರೈವ್ ಅನ್ನು ಪ್ರವೇಶಿಸಿದಾಗ ಆಪರೇಟಿಂಗ್ ಪರಿಸರದಲ್ಲಿ dati, ಹೌದು
ಪ್ರವೇಶದ ಸಮಯದಲ್ಲಿ ನಿಖರವಾದ ಮೌಲ್ಯಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವವರೆಗೆ ಕಾಯಿರಿ.
ಏಕೆಂದರೆ ನಾನು dati ಡಿಡಬ್ಲ್ಯೂ ನಲ್ಲಿ ಕೆಲವು ಹಂತದಲ್ಲಿ ನಿಖರವಾಗಿರುತ್ತವೆ
ಸಮಯ (ಅಂದರೆ, "ಇದೀಗ" ಅಲ್ಲ), ನಾನು ಎಂದು ಹೇಳಲಾಗುತ್ತದೆ dati DW ನಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ
ಅವು "ಸಮಯ ವ್ಯತ್ಯಾಸಗಳು".
ನ ಸಮಯದ ವ್ಯತ್ಯಾಸ dati DW ಮೂಲಕ ಹಲವಾರು ರೀತಿಯಲ್ಲಿ ಉಲ್ಲೇಖಿಸಲಾಗಿದೆ.
ಸರಳವಾದ ಮಾರ್ಗವೆಂದರೆ ಐ dati ಒಂದು DW ಪ್ರತಿನಿಧಿಸುತ್ತದೆ dati ಅದರ ಎ
ದೀರ್ಘಾವಧಿಯ ಹಾರಿಜಾನ್ - ಐದು ರಿಂದ ಹತ್ತು ವರ್ಷಗಳು. ದಿಗಂತ
ಆಪರೇಟಿಂಗ್ ಪರಿಸರಕ್ಕೆ ಪ್ರತಿನಿಧಿಸುವ ಸಮಯದ ಚೌಕಟ್ಟು ತುಂಬಾ ಕಡಿಮೆಯಾಗಿದೆ
▪ ಇಂದಿನ ಪ್ರಸ್ತುತ ಮೌಲ್ಯಗಳಿಂದ ಅರವತ್ತು ತೊಂಬತ್ತರವರೆಗೆ
ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕಾದ ಮತ್ತು ಇರಬೇಕಾದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು
ವಹಿವಾಟು ಪ್ರಕ್ರಿಯೆಗೆ ಲಭ್ಯವಿದೆ ತರಬೇಕು
ಕನಿಷ್ಠ ಪ್ರಮಾಣ dati ಅವರು ಯಾವುದೇ ಪದವಿಯನ್ನು ಒಪ್ಪಿಕೊಂಡರೆ
ನಮ್ಯತೆ. ಆದ್ದರಿಂದ ಕಾರ್ಯಾಚರಣೆಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಹಾರಿಜಾನ್ ಅನ್ನು ಹೊಂದಿವೆ
ವಿನ್ಯಾಸದ ವಿಷಯವಾಗಿ ಕಡಿಮೆ ಸಮಯದ ಅಳತೆ
ಆಡಿಯೋ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು.
DW ನಲ್ಲಿ 'ಸಮಯದ ವ್ಯತ್ಯಾಸ' ಕಾಣಿಸಿಕೊಳ್ಳುವ ಎರಡನೆಯ ಮಾರ್ಗವು
ಪ್ರಮುಖ ರಚನೆ. DW ನಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಪ್ರಮುಖ ರಚನೆಯು ಒಳಗೊಂಡಿದೆ,
ಸೂಚ್ಯವಾಗಿ ಅಥವಾ ಸ್ಪಷ್ಟವಾಗಿ, ಸಮಯದ ಅಂಶ, ಉದಾಹರಣೆಗೆ
ದಿನ, ವಾರ, ತಿಂಗಳು, ಇತ್ಯಾದಿ. ಸಮಯದ ಅಂಶವು ಯಾವಾಗಲೂ ಇರುತ್ತದೆ
DW ನಲ್ಲಿ ಕಂಡುಬರುವ ಸಂಯೋಜಿತ ಕೀಲಿಯ ಕೆಳಭಾಗದಲ್ಲಿ. ಇವುಗಳಲ್ಲಿ
ಸಂದರ್ಭಗಳಲ್ಲಿ, ಸಮಯದ ಅಂಶವು ಅವಕಾಶದಂತೆ ಸೂಚ್ಯವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುತ್ತದೆ
ಅಲ್ಲಿ ಸಂಪೂರ್ಣ ಫೈಲ್ ಅನ್ನು ತಿಂಗಳು ಅಥವಾ ತ್ರೈಮಾಸಿಕದ ಕೊನೆಯಲ್ಲಿ ನಕಲು ಮಾಡಲಾಗುತ್ತದೆ.
ಸಮಯದ ವ್ಯತ್ಯಾಸವನ್ನು ಪ್ರದರ್ಶಿಸುವ ಮೂರನೇ ಮಾರ್ಗವೆಂದರೆ i dati ಆಫ್
DW, ಸರಿಯಾಗಿ ನೋಂದಾಯಿಸಿದ ತಕ್ಷಣ, ಸಾಧ್ಯವಿಲ್ಲ
ನವೀಕರಿಸಲಾಗಿದೆ. ದಿ dati DW ನ, ಎಲ್ಲಾ ಪ್ರಾಯೋಗಿಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ, ಉದ್ದವಾಗಿದೆ
ಸ್ನ್ಯಾಪ್‌ಶಾಟ್‌ಗಳ ಸರಣಿ. ಸ್ನ್ಯಾಪ್‌ಶಾಟ್‌ಗಳಾಗಿದ್ದರೆ ಸಹಜವಾಗಿ
ತಪ್ಪಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ, ನಂತರ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್‌ಗಳು ಇರಬಹುದು
ಮಾರ್ಪಡಿಸಲಾಗಿದೆ. ಆದರೆ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ ಎಂದು ಊಹಿಸಿ
ಸರಿಯಾಗಿ, ಅವರು ಮಾಡಿದ ತಕ್ಷಣ ಅವುಗಳನ್ನು ಮಾರ್ಪಡಿಸಲಾಗುವುದಿಲ್ಲ. ಕೆಲವರಲ್ಲಿ
ಸಂದರ್ಭಗಳಲ್ಲಿ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್‌ಗಳು ಅನೈತಿಕವಾಗಿರಬಹುದು ಅಥವಾ ಅಮಾನ್ಯವಾಗಿರಬಹುದು
DW ಅನ್ನು ಮಾರ್ಪಡಿಸಲಾಗಿದೆ. ದಿ dati ಕಾರ್ಯಾಚರಣೆಯಲ್ಲಿ, ನಿಖರವಾಗಿ ಎಂದು
ಲಾಗಿನ್ ಕ್ಷಣ, ಅದು ಬಂದಂತೆ ಅವುಗಳನ್ನು ನವೀಕರಿಸಬಹುದು
ಅವಶ್ಯಕತೆ.
ಅಸ್ಥಿರವಲ್ಲದ
DW ಯ ನಾಲ್ಕನೇ ಪ್ರಮುಖ ಲಕ್ಷಣವೆಂದರೆ ಅದು ಬಾಷ್ಪಶೀಲವಲ್ಲ.
ನವೀಕರಣಗಳು, ಅಳವಡಿಕೆಗಳು, ಅಳಿಸುವಿಕೆಗಳು ಮತ್ತು ಮಾರ್ಪಾಡುಗಳನ್ನು ಮಾಡಲಾಗಿದೆ
ರೆಕಾರ್ಡ್-ಬೈ-ರೆಕಾರ್ಡ್ ಕಾರ್ಯಾಚರಣೆಯ ಪರಿಸರಕ್ಕಾಗಿ ನಿಯಮಿತವಾಗಿ. ಆದರೆ
ಮೂಲಭೂತ ಕುಶಲತೆ dati DW ನಲ್ಲಿ ಅಗತ್ಯವಿರುವವು ಹೆಚ್ಚು
ಸರಳ. ಕೇವಲ ಎರಡು ರೀತಿಯ ಕಾರ್ಯಾಚರಣೆಗಳು ಸಂಭವಿಸುತ್ತವೆ
DW - ಆರಂಭಿಕ ಲೋಡಿಂಗ್ dati ಮತ್ತು ಪ್ರವೇಶ dati. ಅಲ್ಲಿಲ್ಲ
ನ ನವೀಕರಣವಿಲ್ಲ dati (ಸಾಮಾನ್ಯ ಅರ್ಥದಲ್ಲಿ
ನವೀಕರಿಸಿ) DW ನಲ್ಲಿ ಸಾಮಾನ್ಯ ಸಂಸ್ಕರಣಾ ಕಾರ್ಯಾಚರಣೆಯಂತೆ.
ಈ ವ್ಯತ್ಯಾಸದ ಕೆಲವು ಪ್ರಬಲ ಪರಿಣಾಮಗಳಿವೆ
ಕಾರ್ಯಾಚರಣೆಯ ಪ್ರಕ್ರಿಯೆ ಮತ್ತು DW ಸಂಸ್ಕರಣೆಯ ನಡುವಿನ ಆಧಾರ. ಮಟ್ಟದಲ್ಲಿ
ವಿನ್ಯಾಸದ ಮೂಲಕ, ಅಪ್ಗ್ರೇಡ್ ಮಾಡುವ ಬಗ್ಗೆ ಜಾಗರೂಕರಾಗಿರಬೇಕು
ನ ಅಪ್‌ಡೇಟ್‌ನಿಂದ DW ನಲ್ಲಿ ಅಸಹಜವು ಯಾವುದೇ ಅಂಶವಲ್ಲ dati ಅದು ಅಲ್ಲ
ನಿಭಾಯಿಸಿದೆ. ಇದರರ್ಥ ಭೌತಿಕ ವಿನ್ಯಾಸ ಮಟ್ಟದಲ್ಲಿ,
ಪ್ರವೇಶವನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಸ್ವಾತಂತ್ರ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು dati,
ನಿರ್ದಿಷ್ಟವಾಗಿ ಪ್ರಮಾಣೀಕರಣದ ವಿಷಯಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವಾಗ ಮತ್ತು
ದೈಹಿಕ ಅಸಾಧಾರಣೀಕರಣ. ಸರಳತೆಯ ಮತ್ತೊಂದು ಪರಿಣಾಮ
DW ಯ ಕಾರ್ಯಾಚರಣೆಗಳು ಆಧಾರವಾಗಿರುವ ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಬಳಸಲ್ಪಡುತ್ತವೆ
DW ಪರಿಸರವನ್ನು ರನ್ ಮಾಡಿ. ನವೀಕರಣಗಳನ್ನು ಬೆಂಬಲಿಸಬೇಕು
ರೆಕಾರ್ಡ್ ಇನ್‌ಲೈನ್ ಮೂಲಕ ರೆಕಾರ್ಡ್ ಮಾಡಿ (ಸಾಮಾನ್ಯವಾಗಿ ಆಗುವಂತೆ
ಕಾರ್ಯಾಚರಣೆಯ ಸಂಸ್ಕರಣೆ) ತಂತ್ರಜ್ಞಾನವು ಕೆಲವು ಹೊಂದಲು ಅಗತ್ಯವಿದೆ
ಸ್ಪಷ್ಟವಾದ ಸರಳತೆಯ ಅಡಿಯಲ್ಲಿ ಬಹಳ ಸಂಕೀರ್ಣವಾದ ಅಡಿಪಾಯಗಳು.
ಬ್ಯಾಕಪ್ ಮತ್ತು ಚೇತರಿಕೆ, ವಹಿವಾಟುಗಳನ್ನು ಬೆಂಬಲಿಸುವ ತಂತ್ರಜ್ಞಾನ
ಮತ್ತು ಸಮಗ್ರತೆ dati ಮತ್ತು ಡೆಡ್‌ಲಾಕ್ ಸ್ಥಿತಿಯ ಪತ್ತೆ ಮತ್ತು ಪರಿಹಾರ
DW ಪ್ರಕ್ರಿಯೆಗೆ ಸಾಕಷ್ಟು ಸಂಕೀರ್ಣ ಮತ್ತು ಅಗತ್ಯವಿಲ್ಲ.
DW ನ ಗುಣಲಕ್ಷಣಗಳು, ವಿನ್ಯಾಸ ದೃಷ್ಟಿಕೋನ,
ಏಕೀಕರಣ dati DW ಒಳಗೆ, ಸಮಯ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಸರಳತೆ
ನಿರ್ವಹಣೆಯ dati, ಎಲ್ಲವೂ ತುಂಬಾ ತುಂಬಾ ಇರುವ ಪರಿಸರಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ
ಕ್ಲಾಸಿಕ್ ಆಪರೇಟಿಂಗ್ ಪರಿಸರಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿದೆ. ಬಹುತೇಕ ಎಲ್ಲದರ ಮೂಲ
dati DW ಯ ಕಾರ್ಯ ಪರಿಸರ. ಯೋಚಿಸಲು ಪ್ರಚೋದಿಸುತ್ತದೆ
ಬೃಹತ್ ಪುನರಾವರ್ತನೆ ಇದೆ ಎಂದು dati ಎರಡು ಪರಿಸರಗಳ ನಡುವೆ.
ವಾಸ್ತವವಾಗಿ, ಅನೇಕ ಜನರು ಹೊಂದಿರುವ ಮೊದಲ ಅನಿಸಿಕೆ ಅದು
ದೊಡ್ಡ ಪುನರಾವರ್ತನೆ dati ಕಾರ್ಯ ಪರಿಸರ ಮತ್ತು ಪರಿಸರದ ನಡುವೆ
DW. ಅಂತಹ ವ್ಯಾಖ್ಯಾನವು ಮೇಲ್ನೋಟಕ್ಕೆ ಮತ್ತು ಒಂದನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ
DW ನಲ್ಲಿ ಏನಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಕೊರತೆ.
ವಾಸ್ತವವಾಗಿ ಕನಿಷ್ಠ ಪುನರಾವರ್ತನೆ ಇದೆ dati ಕಾರ್ಯ ಪರಿಸರದ ನಡುವೆ
ಆವೃತ್ತಿ ನಾನು dati DW ನ. ಕೆಳಗಿನವುಗಳನ್ನು ಪರಿಗಣಿಸೋಣ:
▪ I dati ಅವುಗಳನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಲಾಗುತ್ತದೆ ನೀಡಿದ ಅದು ಆಪರೇಟಿಂಗ್ ಪರಿಸರದಿಂದ ಹಾದುಹೋಗುತ್ತದೆ
DW ಪರಿಸರಕ್ಕೆ. ಅನೇಕ dati ಅವರು ಎಂದಿಗೂ ಹೊರಗೆ ಹೋಗುವುದಿಲ್ಲ
ಕಾರ್ಯ ಪರಿಸರದಿಂದ. ಅದನ್ನು ಹೊರತುಪಡಿಸಿ ಐ dati ಇವುಗಳಿಗೆ ಅವಶ್ಯಕ
ಡಿಎಸ್ಎಸ್ ಪ್ರಕ್ರಿಯೆಯು ಪರಿಸರದಲ್ಲಿ ತಮ್ಮ ದಿಕ್ಕನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ
▪ ಸಮಯದ ಹಾರಿಜಾನ್ dati ಇದು ಪರಿಸರಕ್ಕಿಂತ ಬಹಳ ಭಿನ್ನವಾಗಿದೆ
ಮತ್ತೊಬ್ಬರಿಗೆ. ದಿ dati ಕಾರ್ಯಾಚರಣೆಯ ವಾತಾವರಣದಲ್ಲಿ ಅವು ತುಂಬಾ ತಾಜಾವಾಗಿವೆ. ದಿ dati
DW ನಲ್ಲಿ ಅವರು ಹೆಚ್ಚು ಹಳೆಯವರು. ಕೇವಲ ದೃಷ್ಟಿಕೋನದಿಂದ
ಸಮಯದ ಹಾರಿಜಾನ್‌ನಲ್ಲಿ, ಅತಿ ಕಡಿಮೆ ಅತಿಕ್ರಮಣವಿದೆ
ಆಪರೇಟಿಂಗ್ ಪರಿಸರ ಮತ್ತು DW ನಡುವೆ.
▪ DW ಒಳಗೊಂಡಿದೆ dati ಎಂದಿಗೂ ಕಂಡುಬರದ ಸಾರಾಂಶ
ಪರಿಸರದಲ್ಲಿ
▪ I dati ನಿಂದ ಮೂಲಭೂತ ರೂಪಾಂತರಕ್ಕೆ ಒಳಗಾಗುತ್ತವೆ
ಅವರು ಚಿತ್ರ 3 ಗೆ ಪರಿವರ್ತನೆಯ ಕ್ಷಣವು ಹೆಚ್ಚಿನದನ್ನು ವಿವರಿಸುತ್ತದೆ
ಭಾಗ dati ಸ್ಥಿತಿಯಲ್ಲಿ ಗಮನಾರ್ಹವಾಗಿ ಬದಲಾಗಿದೆ
ಆಯ್ಕೆ ಮಾಡಲು ಮತ್ತು DW ಗೆ ಸರಿಸಲಾಗಿದೆ. ಇನ್ನೊಂದು ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ದಿ
ಹೆಚ್ಚಿನವು dati ದೈಹಿಕವಾಗಿ ಮಾರ್ಪಡಿಸಲಾಗಿದೆ ಮತ್ತು
ಆಮೂಲಾಗ್ರವಾಗಿ ಅದನ್ನು DW ಗೆ ಹೇಗೆ ಸರಿಸಲಾಗಿದೆ. ದೃಷ್ಟಿಕೋನದಿಂದ
ಏಕೀಕರಣವು ಒಂದೇ ಆಗಿರುವುದಿಲ್ಲ dati ಯಾರು ವಾಸಿಸುತ್ತಾರೆ
ಕಾರ್ಯ ಪರಿಸರದಲ್ಲಿ.
ಈ ಅಂಶಗಳ ಬೆಳಕಿನಲ್ಲಿ, ಪುನರುಕ್ತಿ dati ಎರಡು ಪರಿಸರಗಳ ನಡುವೆ
ಅಪರೂಪದ ಘಟನೆ, ಎರಡರ ನಡುವೆ 1% ಕ್ಕಿಂತ ಕಡಿಮೆ ಪುನರಾವರ್ತನೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ
ಪರಿಸರಗಳು.
ವೇರ್ಹೌಸ್ನ ರಚನೆ
DW ಗಳು ವಿಶಿಷ್ಟವಾದ ರಚನೆಯನ್ನು ಹೊಂದಿವೆ. ಸಾರಾಂಶದ ವಿವಿಧ ಹಂತಗಳಿವೆ ಮತ್ತು
DW ಗಳನ್ನು ಗುರುತಿಸುವ ವಿವರ.
DW ನ ವಿವಿಧ ಘಟಕಗಳು:
▪ ಮೆಟಾಡೇಟಾ
▪ Dati ಪ್ರಸ್ತುತ ವಿವರಗಳು
▪ Dati ಹಳೆಯ ವಿವರಗಳು
▪ Dati ಸ್ವಲ್ಪ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ
▪ Dati ಹೆಚ್ಚು ಸಾರಾಂಶವಾಗಿದೆ
ಇಲ್ಲಿಯವರೆಗೆ ಮುಖ್ಯ ಕಾಳಜಿಯು ಆಗಿದೆ dati ವಿವರಗಳ
ಪ್ರವಾಹಗಳು. ಇದು ಮುಖ್ಯ ಕಾಳಜಿ ಏಕೆಂದರೆ:
▪ I dati ಪ್ರಸ್ತುತ ವಿವರಗಳು ಇತ್ತೀಚಿನ ಘಟನೆಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ,
ಯಾವಾಗಲೂ ಹೆಚ್ಚಿನ ಆಸಕ್ತಿ ಮತ್ತು
▪ i dati ಪ್ರಸ್ತುತ ವಿವರಗಳು ದೊಡ್ಡದಾಗಿದೆ ಏಕೆಂದರೆ ಅದು
ಗ್ರ್ಯಾನ್ಯುಲಾರಿಟಿಯ ಕಡಿಮೆ ಮಟ್ಟದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಇ
▪ i dati ಪ್ರಸ್ತುತ ವಿವರಗಳನ್ನು ಬಹುತೇಕ ಯಾವಾಗಲೂ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ
ಡಿಸ್ಕ್ ಸಂಗ್ರಹಣೆ, ಇದು ತ್ವರಿತವಾಗಿ ಪ್ರವೇಶಿಸಲು, ಆದರೆ ದುಬಾರಿ ಮತ್ತು
ನಿಂದ ಸಂಕೀರ್ಣ
I dati ವಿವರವಾಗಿ ಅವರು ಹಳೆಯವರು dati ಇವುಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ
ಕೆಲವು ನೆನಪುಗಳು ಸಾಮೂಹಿಕ. ಇದು ಸಾಂದರ್ಭಿಕವಾಗಿ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಆಗಿದೆ
ಹೊಂದಿಕೆಯಾಗುವ ವಿವರಗಳ ಮಟ್ಟದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ dati ಡೆಟಾಗ್ಲಿಯಾಟಿ
ಪ್ರವಾಹಗಳು. ಒಂದು ಮಾಧ್ಯಮದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲು ಇದು ಕಡ್ಡಾಯವಲ್ಲದಿದ್ದರೂ
ಪರ್ಯಾಯ ಸಂಗ್ರಹಣೆ, ದೊಡ್ಡ ಪ್ರಮಾಣದ ಕಾರಣ dati ಜೊತೆ ಒಗ್ಗೂಡಿದರು
ವಿರಳ ಪ್ರವೇಶ dati, ಮೆಮೊರಿ ಬೆಂಬಲ dati di
ಹಳೆಯ ವಿವರಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಡಿಸ್ಕ್ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುವುದಿಲ್ಲ.
I dati ಸ್ವಲ್ಪ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ dati ಕೆಳಗಿನಿಂದ ಬಟ್ಟಿ ಇಳಿಸಲಾಗುತ್ತದೆ
ಪ್ರಸ್ತುತ ಮಟ್ಟದ ವಿವರಗಳಲ್ಲಿ ಕಂಡುಬರುವ ವಿವರಗಳ ಮಟ್ಟ. ಈ
DW ಮಟ್ಟವನ್ನು ಯಾವಾಗಲೂ ಡಿಸ್ಕ್ ಸಂಗ್ರಹಣೆಯಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ದಿ
ವಾಸ್ತುಶಿಲ್ಪಿಗಳಿಗೆ ಉದ್ಭವಿಸುವ ವಿನ್ಯಾಸ ಸಮಸ್ಯೆಗಳು dati
DW ನ ಈ ಹಂತದ ನಿರ್ಮಾಣದಲ್ಲಿ:
▪ ಮೇಲೆ ಮಾಡಲಾದ ಸಾರಾಂಶವು ಸಮಯದ ಯಾವ ಘಟಕವಾಗಿದೆ
▪ ಯಾವ ವಿಷಯಗಳು, ಗುಣಲಕ್ಷಣಗಳು ಸ್ವಲ್ಪ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತವೆ
ವಿಷಯ dati
ಮುಂದಿನ ಹಂತ dati DW ನಲ್ಲಿ ಕಂಡುಬರುವದು dati ಹೆಚ್ಚು
ಸಾರಾಂಶಗಳು. ದಿ dati ಹೆಚ್ಚು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ ಕಾಂಪ್ಯಾಕ್ಟ್ ಮತ್ತು ಸುಲಭವಾಗಿ
ಪ್ರವೇಶಿಸಬಹುದಾಗಿದೆ. ದಿ dati ಹೆಚ್ಚು ಸಾರಾಂಶವು ಕೆಲವೊಮ್ಮೆ ಕಂಡುಬರುತ್ತದೆ
DW ಪರಿಸರದಲ್ಲಿ ಮತ್ತು ಇತರ ಸಂದರ್ಭಗಳಲ್ಲಿ i dati ಹೆಚ್ಚು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ
DW ಅನ್ನು ಹೊಂದಿರುವ ತಂತ್ರಜ್ಞಾನದ ತಕ್ಷಣದ ಗೋಡೆಗಳ ಹೊರಗೆ ಕಂಡುಬಂದಿದೆ.
(ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ, i dati ಹೆಚ್ಚು ಸಾರಾಂಶ DW ಭಾಗವಾಗಿದೆ
ನಾನು ಎಲ್ಲಿದ್ದರೂ ಲೆಕ್ಕಿಸದೆ dati ಭೌತಿಕವಾಗಿ ಇರಿಸಲಾಗಿದೆ).
DW ನ ಅಂತಿಮ ಅಂಶವೆಂದರೆ ಮೆಟಾಡೇಟಾ. ಅನೇಕ ವಿಷಯಗಳಲ್ಲಿ
ಮೆಟಾಡೇಟಾವು ಇತರರಿಗಿಂತ ವಿಭಿನ್ನ ಆಯಾಮದಲ್ಲಿದೆ dati
DW ನ, ಏಕೆಂದರೆ ಮೆಟಾಡೇಟಾ ಯಾವುದನ್ನೂ ಹೊಂದಿರುವುದಿಲ್ಲ ನೀಡಿದ ನೇರವಾಗಿ
ಕಾರ್ಯ ಪರಿಸರದಿಂದ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ. ಮೆಟಾಡೇಟಾ ವಿಶೇಷ ಪಾತ್ರವನ್ನು ಹೊಂದಿದೆ ಇ
DW ನಲ್ಲಿ ಬಹಳ ಮುಖ್ಯ. ಮೆಟಾಡೇಟಾವನ್ನು ಹೀಗೆ ಬಳಸಲಾಗುತ್ತದೆ:
▪ DSS ವಿಶ್ಲೇಷಕರನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಸಹಾಯ ಮಾಡುವ ಡೈರೆಕ್ಟರಿ
DW ನ ವಿಷಯ,
▪ ಮ್ಯಾಪಿಂಗ್ ಮಾಡಲು ಮಾರ್ಗದರ್ಶಿ dati ನಾನು ಹೇಗೆ dati ಅವರು
ಕಾರ್ಯಾಚರಣೆಯ ಪರಿಸರದಿಂದ DW ಪರಿಸರಕ್ಕೆ ರೂಪಾಂತರಗೊಂಡಿದೆ,
▪ ನಡುವಿನ ಸಾರಾಂಶಕ್ಕಾಗಿ ಬಳಸುವ ಅಲ್ಗಾರಿದಮ್‌ಗಳಿಗೆ ಮಾರ್ಗದರ್ಶಿ dati di
ಪ್ರಸ್ತುತ ವಿವರ ei dati ಸ್ವಲ್ಪ ಸಂಕ್ಷಿಪ್ತವಾಗಿ, i dati ಹೆಚ್ಚು
ಸಾರಾಂಶಗಳು,
DW ಪರಿಸರದಲ್ಲಿ ಮೆಟಾಡೇಟಾ ಹೆಚ್ಚು ದೊಡ್ಡ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತದೆ
ಕಾರ್ಯಾಚರಣೆಯ ವಾತಾವರಣದಲ್ಲಿ ಅವರು ಹಿಂದೆಂದಿಗಿಂತಲೂ
ಹಳೆಯ ವಿವರ ಸಂಗ್ರಹಣಾ ಮಾಧ್ಯಮ
ಅಂತಹ ವಸ್ತುಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಮ್ಯಾಗ್ನೆಟಿಕ್ ಟೇಪ್ ಅನ್ನು ಬಳಸಬಹುದು
dati. ವಾಸ್ತವವಾಗಿ ವಿವಿಧ ರೀತಿಯ ಶೇಖರಣಾ ಸಾಧನಗಳಿವೆ
ಹಳೆಯದನ್ನು ಸಂರಕ್ಷಿಸಲು ಅವುಗಳನ್ನು ಪರಿಗಣಿಸಬೇಕು dati di
ವಿವರ.
ಪರಿಮಾಣವನ್ನು ಅವಲಂಬಿಸಿ dati, ಪ್ರವೇಶದ ಆವರ್ತನ, ವೆಚ್ಚ
ಉಪಕರಣಗಳು ಮತ್ತು ಪ್ರವೇಶದ ಪ್ರಕಾರ, ಇದು ಸಂಪೂರ್ಣವಾಗಿ ಸಂಭವನೀಯವಾಗಿದೆ
ಇತರ ಉಪಕರಣಗಳಿಗೆ ಹಳೆಯ ಹಂತದ ವಿವರಗಳು ಬೇಕಾಗುತ್ತವೆ
DW ನಲ್ಲಿ.
ಡೇಟಾದ ಹರಿವು
ಸಾಮಾನ್ಯ ಮತ್ತು ಊಹಿಸಬಹುದಾದ ಹರಿವು ಇದೆ dati DW ಒಳಗೆ.
I dati ಅವರು ಆಪರೇಟಿಂಗ್ ಪರಿಸರದಿಂದ DW ಅನ್ನು ಪ್ರವೇಶಿಸುತ್ತಾರೆ. (ಗಮನಿಸಿ: ಇವೆ
ಈ ನಿಯಮಕ್ಕೆ ಕೆಲವು ಕುತೂಹಲಕಾರಿ ವಿನಾಯಿತಿಗಳು. ಆದಾಗ್ಯೂ, ಬಹುತೇಕ
ಎಲ್ಲಾ dati ಆಪರೇಟಿಂಗ್ ಪರಿಸರದಿಂದ DW ಅನ್ನು ನಮೂದಿಸಿ). ದಿನಾಂಕ ನಾನು dati
ಅವರು ಆಪರೇಟಿಂಗ್ ಪರಿಸರದಿಂದ DW ಅನ್ನು ಪ್ರವೇಶಿಸುತ್ತಾರೆ, ಅದು ಇದ್ದಂತೆ ರೂಪಾಂತರಗೊಳ್ಳುತ್ತದೆ
ಮೊದಲು ವಿವರಿಸಲಾಗಿದೆ. DW ಅನ್ನು ಪ್ರವೇಶಿಸುವ ಷರತ್ತಿನ ಮೇಲೆ, i dati ಅವರು ಪ್ರವೇಶಿಸುತ್ತಾರೆ
ತೋರಿಸಿರುವಂತೆ ಪ್ರಸ್ತುತ ಮಟ್ಟದ ವಿವರ. ಇದು ಅಲ್ಲಿ ನೆಲೆಸಿದೆ ಮತ್ತು ಬಳಸಲಾಗುತ್ತದೆ
ಮೂರು ಘಟನೆಗಳಲ್ಲಿ ಒಂದು ಸಂಭವಿಸುವವರೆಗೆ:
▪ ಶುದ್ಧೀಕರಿಸಲಾಗಿದೆ,
▪ ಸಾರಾಂಶವಾಗಿದೆ, ಮತ್ತು/ಅಥವಾ
▪ ಆಗಿದೆ
DW ಚಲಿಸುತ್ತದೆ i ಒಳಗೆ ಬಳಕೆಯಲ್ಲಿಲ್ಲದ ಪ್ರಕ್ರಿಯೆ dati ಪ್ರಸ್ತುತ ವಿವರಗಳು
a dati ಹಳೆಯ ವಿವರಗಳು, ವಯಸ್ಸಿನ ಆಧಾರದ ಮೇಲೆ dati. ಪ್ರಕ್ರಿಯೆ
ಸಾರಾಂಶವು ವಿವರವನ್ನು ಬಳಸುತ್ತದೆ dati ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು i dati
ಸ್ವಲ್ಪ ಸಾರಾಂಶ ಮತ್ತು ಹೆಚ್ಚು ಸಾರಾಂಶದ ಮಟ್ಟಗಳು dati. ಇವೆ
ತೋರಿಸಲಾದ ಹರಿವಿಗೆ ಕೆಲವು ವಿನಾಯಿತಿಗಳು (ನಂತರ ಚರ್ಚಿಸಲಾಗುವುದು).
ಆದಾಗ್ಯೂ, ಸಾಮಾನ್ಯವಾಗಿ, ಬಹುಪಾಲು dati ಕಂಡು
ಒಂದು DW ಒಳಗೆ, ಹರಿವು dati ಇದು ಚಿತ್ರಿಸಲಾಗಿದೆ.
ಡೇಟಾವೇರ್‌ಹೌಸ್ ಅನ್ನು ಬಳಸುವುದು
ವಿವಿಧ ಹಂತಗಳಲ್ಲಿ ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ dati DW ಒಳಗೆ ಅಲ್ಲ
ವಿವಿಧ ಹಂತದ ಬಳಕೆಯನ್ನು ಸ್ವೀಕರಿಸಿ. ನಿಯಮದಂತೆ, ಹೆಚ್ಚಿನ ಮಟ್ಟ
ಸಾರಾಂಶ, ಜೊತೆಗೆ i dati ಅವುಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಅನೇಕ ಉಪಯೋಗಗಳು ಸಂಭವಿಸುತ್ತವೆ dati ಹೆಚ್ಚು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ, ಆದರೆ ಹಳೆಯವುಗಳು
dati ವಿವರಗಳನ್ನು ಬಹುತೇಕ ಎಂದಿಗೂ ಬಳಸಲಾಗುವುದಿಲ್ಲ. ನಲ್ಲಿ ಒಳ್ಳೆಯ ಕಾರಣವಿದೆ
ಸಂಸ್ಥೆಯನ್ನು ಸಂಪನ್ಮೂಲ ಬಳಕೆಯ ಮಾದರಿಗೆ ಸರಿಸಿ. ಅವನು ಹೆಚ್ಚು
ಸಾರಾಂಶ i dati, ಇದು ವೇಗವಾಗಿ ಮತ್ತು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿರುತ್ತದೆ dati. ಸ್ವತಃ
un ಅಂಗಡಿ ಡಿಡಬ್ಲ್ಯೂ ವಿವರ ಮಟ್ಟದಲ್ಲಿ ಇದು ಬಹಳಷ್ಟು ಸಂಸ್ಕರಣೆಯನ್ನು ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಕಂಡುಕೊಳ್ಳಿ,
ನಂತರ ಅನುಗುಣವಾದ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಯಂತ್ರ ಸಂಪನ್ಮೂಲಗಳು
ಸೇವಿಸಲಾಗುತ್ತದೆ. ಕಾನೂನು ಕ್ರಮ ಜರುಗಿಸುವುದು ಎಲ್ಲರ ಹಿತದೃಷ್ಟಿಯಿಂದ ಕೂಡಿದೆ
ಸಾಧ್ಯವಾದಷ್ಟು ಬೇಗ ಉನ್ನತ ಮಟ್ಟದ ಸಾರಾಂಶದಂತೆ.
ಅನೇಕ ಅಂಗಡಿಗಳಿಗೆ, ಪೂರ್ವ-DW ಪರಿಸರದಲ್ಲಿ DSS ವಿಶ್ಲೇಷಕರು ಬಳಸಿದ್ದಾರೆ
dati ವಿವರ ಮಟ್ಟದಲ್ಲಿ. ಅನೇಕ ವಿಷಯಗಳಲ್ಲಿ ಆಗಮನ dati ಡೆಟಾಗ್ಲಿಯಾಟಿ
ಅವು ಲಭ್ಯವಿದ್ದಾಗಲೂ ಇದು ಭದ್ರತಾ ಹೊದಿಕೆಯನ್ನು ಹೋಲುತ್ತದೆ
ಸಾರಾಂಶದ ಇತರ ಹಂತಗಳು. ವಾಸ್ತುಶಿಲ್ಪಿ ಚಟುವಟಿಕೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ dati è
ನಿರಂತರ ಬಳಕೆಯಿಂದ DSS ಬಳಕೆದಾರರನ್ನು ಕೂಸು dati ಅತ್ಯುನ್ನತ ಮಟ್ಟದಲ್ಲಿ
ಕಡಿಮೆ ವಿವರ. ಎರಡು ಕಾರಣಗಳು ಲಭ್ಯವಿವೆ
ನ ವಾಸ್ತುಶಿಲ್ಪಿ dati:
▪ ಚಾರ್ಜ್‌ಬ್ಯಾಕ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಸ್ಥಾಪಿಸುವುದು, ಅಲ್ಲಿ ಅಂತಿಮ ಬಳಕೆದಾರರು ಪಾವತಿಸುತ್ತಾರೆ
ಸೇವಿಸಿದ ಸಂಪನ್ಮೂಲಗಳು ಇ
▪ ಇದು ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವು ತುಂಬಾ ಉತ್ತಮವಾಗಿರುತ್ತದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ
i ಜೊತೆಗಿನ ವರ್ತನೆಯನ್ನು ಪಡೆದಾಗ dati ಇದು ಉನ್ನತ ಮಟ್ಟದಲ್ಲಿದೆ
ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳುವುದಾದರೆ, ಕಳಪೆ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವು ಬರುತ್ತದೆ
ನ ನಡವಳಿಕೆ dati ಕಡಿಮೆ ಮಟ್ಟದಲ್ಲಿ
ಇತರ ಸಮಾಲೋಚನೆಗಳು
ಇನ್ನೂ ಕೆಲವು ನಿರ್ಮಾಣ ಮತ್ತು ನಿರ್ವಹಣೆಯ ಪರಿಗಣನೆಗಳಿವೆ
DW.
ಮೊದಲ ಪರಿಗಣನೆಯು ಸೂಚ್ಯಂಕಗಳು. ದಿ dati ಉನ್ನತ ಮಟ್ಟದಲ್ಲಿ
ಸಾರಾಂಶವನ್ನು ಮುಕ್ತವಾಗಿ ಸೂಚಿಕೆ ಮಾಡಬಹುದು, ಆದರೆ i dati
ಕಡಿಮೆ ಮಟ್ಟದ ವಿವರಗಳಲ್ಲಿ ಅವು ಎಷ್ಟು ಸಾಧ್ಯವೋ ಅಷ್ಟು ಬೃಹತ್ ಪ್ರಮಾಣದಲ್ಲಿರುತ್ತವೆ
ಮಿತವ್ಯಯದ ಸೂಚ್ಯಂಕ. ಅದೇ ಟೋಕನ್‌ನಿಂದ, ಐ dati ಉನ್ನತ ಮಟ್ಟದಲ್ಲಿ
ವಿವರಗಳನ್ನು ತುಲನಾತ್ಮಕವಾಗಿ ಸುಲಭವಾಗಿ ನವೀಕರಿಸಬಹುದು,
ಪರಿಮಾಣದ ಸಂದರ್ಭದಲ್ಲಿ dati ಕೆಳಮಟ್ಟದಲ್ಲಿ ಅದು ತುಂಬಾ ದೊಡ್ಡದಾಗಿದೆ ಅಂದರೆ i dati ಅಲ್ಲದ
ಅವುಗಳನ್ನು ಸುಲಭವಾಗಿ ನವೀಕರಿಸಬಹುದು. ಅದರಂತೆ, ಮಾದರಿ
ಆಫ್ dati ಮತ್ತು ವಿನ್ಯಾಸದಿಂದ ಮಾಡಿದ ಔಪಚಾರಿಕ ಕೆಲಸವು ಭಂಗಿ
DW ಗಾಗಿ ಅಡಿಪಾಯ ಬಹುತೇಕ ಪ್ರತ್ಯೇಕವಾಗಿ ಮಟ್ಟಕ್ಕೆ ಅನ್ವಯಿಸುತ್ತದೆ
ವಿವರ ಪ್ರಸ್ತುತ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಮಾಡೆಲಿಂಗ್ ಚಟುವಟಿಕೆಗಳು
dati ಪ್ರತಿಯೊಂದು ಸಂದರ್ಭದಲ್ಲೂ ಅವು ಸಾರಾಂಶ ಮಟ್ಟಗಳಿಗೆ ಅನ್ವಯಿಸುವುದಿಲ್ಲ.
ಮತ್ತೊಂದು ರಚನಾತ್ಮಕ ಪರಿಗಣನೆಯು ಉಪವಿಭಾಗವಾಗಿದೆ
dati DW ಮೂಲಕ.
ವಿಭಜನೆಯನ್ನು ಎರಡು ಹಂತಗಳಲ್ಲಿ ಮಾಡಬಹುದು - ಮಟ್ಟದಲ್ಲಿ dbms ಮತ್ತು ಅಲ್
ಅಪ್ಲಿಕೇಶನ್ ಮಟ್ಟ. ಮಟ್ಟದಲ್ಲಿ ವಿಭಾಗದಲ್ಲಿ dbmsಅವನು dbms è
ವಿಭಾಗಗಳ ಮಾಹಿತಿ ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಅವುಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುತ್ತದೆ. ಸಂದರ್ಭದಲ್ಲಿ
ಅಪ್ಲಿಕೇಶನ್ ಮಟ್ಟದಲ್ಲಿ ವಿಭಾಗ, ಪ್ರೋಗ್ರಾಮರ್ ಮಾತ್ರ
ವಿಭಾಗಗಳು ಮತ್ತು ಅವರ ಜವಾಬ್ದಾರಿಯ ಬಗ್ಗೆ ತಿಳಿಸಿದರು
ಆಡಳಿತ ಆತನಿಗೆ ಬಿಟ್ಟಿದ್ದು
ಮಟ್ಟದ ಕೆಳಗೆ dbms, ಬಹಳಷ್ಟು ಕೆಲಸವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಮಾಡಲಾಗುತ್ತದೆ. ಇದೆ
ಸ್ವಯಂಚಾಲಿತ ಆಡಳಿತಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಬಹಳಷ್ಟು ನಮ್ಯತೆ
ವಿಭಾಗಗಳು. ನ ಅಪ್ಲಿಕೇಶನ್ ಮಟ್ಟದಲ್ಲಿ ವಿಭಾಗಗಳ ಸಂದರ್ಭದಲ್ಲಿ dati ಆಫ್
ಡೇಟಾ ವೇರ್ಹೌಸ್, ಬಹಳಷ್ಟು ಕೆಲಸವು ಪ್ರೋಗ್ರಾಮರ್ ಮೇಲೆ ತೂಗುತ್ತದೆ, ಆದರೆ
ಅಂತಿಮ ಫಲಿತಾಂಶವು ಆಡಳಿತದಲ್ಲಿ ನಮ್ಯತೆಯಾಗಿದೆ dati ದಿನಾಂಕದಲ್ಲಿ
ಗೋದಾಮಿನ
ಇತರ ವೈಪರೀತ್ಯಗಳು
ಘಟಕಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವರು ವಿವರಿಸಿದಂತೆ ಕೆಲಸ ಮಾಡುತ್ತಾರೆ
ಬಹುತೇಕ ಎಲ್ಲರಿಗೂ dati, ಕೆಲವು ಉಪಯುಕ್ತ ವಿನಾಯಿತಿಗಳಿವೆ
ಚರ್ಚಿಸಲಾಗುವುದು. ಒಂದು ಅಪವಾದವೆಂದರೆ dati ಸಾರ್ವಜನಿಕ ಸಾರಾಂಶಗಳು
(ಸಾರ್ವಜನಿಕ ಸಾರಾಂಶ ಡೇಟಾ). ಇವು dati ಇದ್ದ ಸಾರಾಂಶಗಳು
ನಿಂದ ಲೆಕ್ಕ ಹಾಕಲಾಗಿದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಆದರೆ ಅವುಗಳನ್ನು ಸಮಾಜ ಬಳಸುತ್ತದೆ. ದಿ dati
ಸಾರ್ವಜನಿಕ ಸಾರಾಂಶಗಳನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್,
ಹಿಂದೆ ಹೇಳಿದಂತೆ ಅವುಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗಿದೆ. ದಿ
ಲೆಕ್ಕಪರಿಶೋಧಕರು ಈ ತ್ರೈಮಾಸಿಕವನ್ನು ಉತ್ಪಾದಿಸಲು ಕೆಲಸ ಮಾಡುತ್ತಾರೆ dati ಎಂದು
ಆದಾಯ, ತ್ರೈಮಾಸಿಕ ವೆಚ್ಚಗಳು, ತ್ರೈಮಾಸಿಕ ಲಾಭ, ಇತ್ಯಾದಿ. ಕೆಲಸ
ಲೆಕ್ಕಪರಿಶೋಧಕರು ಇದನ್ನು ಬಾಹ್ಯವಾಗಿ ಮಾಡುತ್ತಾರೆ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಆದಾಗ್ಯೂ, ಐ dati ನಿದ್ರೆ
ಕಂಪನಿಯೊಳಗೆ "ಆಂತರಿಕವಾಗಿ" ಬಳಸಲಾಗುತ್ತದೆ - ಇಂದ ಮಾರ್ಕೆಟಿಂಗ್, ಮಾರಾಟ, ಇತ್ಯಾದಿ.
ಮತ್ತೊಂದು ಅಸಂಗತತೆ, ಅದನ್ನು ಚರ್ಚಿಸಲಾಗುವುದಿಲ್ಲ, ಅದು dati ಬಾಹ್ಯ.
ಮತ್ತೊಂದು ಅಸಾಧಾರಣ ರೀತಿಯ dati ಕೊಟ್ಟಿರುವಲ್ಲಿ ಕಾಣಬಹುದು
ಉಗ್ರಾಣವು ಶಾಶ್ವತ ವಿವರಗಳ ದತ್ತಾಂಶವಾಗಿದೆ. ಇವುಗಳು ಕಾರಣವಾಗುತ್ತವೆ
ನಾನು ಶಾಶ್ವತವಾಗಿ ಸಂಗ್ರಹಿಸಬೇಕಾಗಿದೆ dati ಒಂದು ಹಂತದಲ್ಲಿ
ನೈತಿಕ ಅಥವಾ ಕಾನೂನು ಕಾರಣಗಳಿಗಾಗಿ ವಿವರಿಸಲಾಗಿದೆ. ಒಂದು ಕಂಪನಿಯು ಪ್ರದರ್ಶಿಸುತ್ತಿದ್ದರೆ i
ಅಪಾಯಕಾರಿ ಪದಾರ್ಥಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಕೆಲಸಗಾರರ ಅವಶ್ಯಕತೆಯಿದೆ dati
ವಿವರವಾದ ಮತ್ತು ಶಾಶ್ವತ. ಒಂದು ಕಂಪನಿಯು ಉತ್ಪನ್ನವನ್ನು ಉತ್ಪಾದಿಸಿದರೆ ಅದು
ಸಾರ್ವಜನಿಕ ಸುರಕ್ಷತೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ವಿಮಾನದ ಯಾವ ಭಾಗಗಳಿವೆ
ಅಗತ್ಯತೆ dati ವಿವರವಾದ ಶಾಶ್ವತ, ಹಾಗೆಯೇ ಕಂಪನಿಯಾಗಿದ್ದರೆ
ಅಪಾಯಕಾರಿ ಒಪ್ಪಂದಗಳಿಗೆ ಪ್ರವೇಶಿಸುತ್ತದೆ.
ಏಕೆಂದರೆ ಸಮಾಜವು ವಿವರಗಳನ್ನು ಕಡೆಗಣಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ
ಮುಂದಿನ ಕೆಲವು ವರ್ಷಗಳಲ್ಲಿ, ಮೊಕದ್ದಮೆಯ ಸಂದರ್ಭದಲ್ಲಿ, ಮರುಸ್ಥಾಪನೆ, ಎ
ವಿವಾದಿತ ನಿರ್ಮಾಣ ದೋಷ, ಇತ್ಯಾದಿ. ಕಂಪನಿಯ ಮಾನ್ಯತೆ
ಅದು ದೊಡ್ಡದಾಗಿರಬಹುದು. ಪರಿಣಾಮವಾಗಿ ಒಂದು ಅನನ್ಯ ರೀತಿಯ ಇಲ್ಲ dati
ಶಾಶ್ವತ ವಿವರ ಡೇಟಾ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಸಾರಾಂಶ
Un ಡೇಟಾ ವೇರ್ಹೌಸ್ ಒಂದು ವಸ್ತು ಆಧಾರಿತ, ಸಂಯೋಜಿತ, ರೂಪಾಂತರವಾಗಿದೆ
ಸಮಯ, ಸಂಗ್ರಹ dati ಅಗತ್ಯಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಬಾಷ್ಪಶೀಲವಲ್ಲದ
ಆಡಳಿತ ನಿರ್ಧಾರ. ಪ್ರತಿಯೊಂದು ಪ್ರಮುಖ ಕಾರ್ಯಗಳು
un ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅದರ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿದೆ. ಜೊತೆಗೆ ನಾಲ್ಕು ಇವೆ
ಮಟ್ಟಗಳು dati ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್:
▪ ಹಳೆಯ ವಿವರ
▪ ಪ್ರಸ್ತುತ ವಿವರ
▪ Dati ಸ್ವಲ್ಪ ಪುನರಾವರ್ತಿತ
▪ Dati ಹೆಚ್ಚು ಸಾರಾಂಶ
ಮೆಟಾಡೇಟಾ ಕೂಡ ಒಂದು ಪ್ರಮುಖ ಭಾಗವಾಗಿದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಅಮೂರ್ತ
ಸಂಗ್ರಹಣೆಯ ಪರಿಕಲ್ಪನೆ dati ಇತ್ತೀಚೆಗೆ ಸ್ವೀಕರಿಸಲಾಗಿದೆ
ಹೆಚ್ಚಿನ ಗಮನ ಮತ್ತು 90 ರ ದಶಕದ ಪ್ರವೃತ್ತಿಯಾಗಿದೆ
ಸಾಮರ್ಥ್ಯದ ಕಾರಣದಿಂದಾಗಿ a ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವುಗಳನ್ನು ಜಯಿಸಲು
i ನಂತಹ ಆಡಳಿತ ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳ ಮಿತಿಗಳು
ನಿರ್ಧಾರ ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳು (ಡಿಎಸ್ಎಸ್) ಮತ್ತು ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳು
ಕಾರ್ಯನಿರ್ವಾಹಕ (EIS).
ಎಂಬ ಪರಿಕಲ್ಪನೆ ಕೂಡ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಭರವಸೆ ತೋರುತ್ತಿದೆ,
i ಕಾರ್ಯಗತಗೊಳಿಸಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕಾರಣ ಸಮಸ್ಯಾತ್ಮಕವಾಗಬಹುದು
ದೊಡ್ಡ ಪ್ರಮಾಣದ ವೇರ್ಹೌಸಿಂಗ್ ಪ್ರಕ್ರಿಯೆಗಳು. ಹೊರತಾಗಿಯೂ
ಉಗ್ರಾಣ ಯೋಜನೆಗಳ ಸಂಕೀರ್ಣತೆ dati, ಅನೇಕ ಪೂರೈಕೆದಾರರು
ಮತ್ತು ಉಗ್ರಾಣ ಸಲಹೆಗಾರರು dati ಎಂದು ಅವರು ಹೇಳಿಕೊಳ್ಳುತ್ತಾರೆ
ಸಂಗ್ರಹಣೆ dati ಕರೆಂಟ್ ಯಾವುದೇ ಸಮಸ್ಯೆಗಳನ್ನು ಉಂಟುಮಾಡುವುದಿಲ್ಲ.
ಆದಾಗ್ಯೂ, ಈ ಸಂಶೋಧನಾ ಯೋಜನೆಯ ಆರಂಭದಲ್ಲಿ, ಬಹುತೇಕ ಯಾವುದೂ ಇಲ್ಲ
ಸ್ವತಂತ್ರ, ಕಠಿಣ ಮತ್ತು ವ್ಯವಸ್ಥಿತ ಸಂಶೋಧನೆಗಳನ್ನು ನಡೆಸಲಾಯಿತು. ಇಂದ
ಪರಿಣಾಮವಾಗಿ, ನಿಜವಾಗಿಯೂ ಏನಾಗುತ್ತದೆ ಎಂದು ಹೇಳುವುದು ಕಷ್ಟ
ಅವರು ನಿರ್ಮಿಸಿದಾಗ ಉದ್ಯಮದಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಈ ಅಧ್ಯಯನವು ವೇರ್ಹೌಸಿಂಗ್ ಅಭ್ಯಾಸವನ್ನು ಪರಿಶೋಧಿಸಿದೆ dati
ಉತ್ಕೃಷ್ಟ ತಿಳುವಳಿಕೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿರುವ ಸಮಕಾಲೀನರು
ಆಸ್ಟ್ರೇಲಿಯನ್ ಅಭ್ಯಾಸ. ಸಾಹಿತ್ಯ ವಿಶ್ಲೇಷಣೆ ಒದಗಿಸಿದೆ
ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನಕ್ಕೆ ಸಂದರ್ಭ ಮತ್ತು ಅಡಿಪಾಯ.
ಈ ಸಂಶೋಧನೆಯಿಂದ ಹಲವಾರು ಸಂಶೋಧನೆಗಳಿವೆ. ಪ್ರಥಮ
ಸ್ಥಳದಲ್ಲಿ, ಈ ಅಧ್ಯಯನವು ಸಂಭವಿಸಿದ ಚಟುವಟಿಕೆಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಿತು
ಅಭಿವೃದ್ಧಿಯ ಸಮಯದಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಅನೇಕ ಪ್ರದೇಶಗಳಲ್ಲಿ, ಐ dati ಸಂಗ್ರಹಿಸಿದರು
ಸಾಹಿತ್ಯದಲ್ಲಿ ವರದಿ ಮಾಡಲಾದ ಅಭ್ಯಾಸವನ್ನು ದೃಢಪಡಿಸಿದರು. ಎರಡನೆಯದಾಗಿ
ಸೈಟ್, ಸಮಸ್ಯೆಗಳು ಮತ್ತು ಸಮಸ್ಯೆಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಬಹುದು
ಅಭಿವೃದ್ಧಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಈ ಅಧ್ಯಯನದಿಂದ ಗುರುತಿಸಲಾಗಿದೆ.
ಅಂತಿಮವಾಗಿ, ಇದರೊಂದಿಗೆ ಸಂಪರ್ಕ ಹೊಂದಿದ ಆಸ್ಟ್ರೇಲಿಯನ್ ಸಂಸ್ಥೆಗಳಿಂದ ಪಡೆದ ಪ್ರಯೋಜನಗಳು
ಅದರ ಉಪಯೋಗ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಬಹಿರಂಗಗೊಂಡಿವೆ.
ಅಧ್ಯಾಯ 1
ಸಂಶೋಧನಾ ಸಂದರ್ಭ
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಪರಿಕಲ್ಪನೆಯು ವ್ಯಾಪಕವಾದ ಮನ್ನಣೆಯನ್ನು ಪಡೆದುಕೊಂಡಿದೆ
ಮಾನ್ಯತೆ ಮತ್ತು ಇದು ಉದಯೋನ್ಮುಖ ಪ್ರವೃತ್ತಿಯಾಗಿ ಮಾರ್ಪಟ್ಟಿದೆ
90 ರ ದಶಕ (ಮ್ಯಾಕ್‌ಫ್ಯಾಡೆನ್ 1996, TDWI 1996, ಷಾ ಮತ್ತು ಮಿಲ್‌ಸ್ಟೈನ್ 1997,
ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು. 1997, ಎಕರ್ಸನ್ 1998, ಅಡೆಲ್ಮನ್ ಮತ್ತು ಓಟ್ಸ್ 2000). ಅದು
ಡೇಟಾದ ಮೇಲೆ ಹೆಚ್ಚುತ್ತಿರುವ ಲೇಖನಗಳಿಂದ ನೋಡಬಹುದಾಗಿದೆ
ವ್ಯಾಪಾರ ಪ್ರಕಟಣೆಗಳಲ್ಲಿ ಉಗ್ರಾಣ (ಲಿಟಲ್ ಮತ್ತು ಗಿಬ್ಸನ್ 1999).
ಅನೇಕ ಲೇಖನಗಳು (ಉದಾಹರಣೆಗೆ, ಫಿಶರ್ 1995, ಹ್ಯಾಕಥಾರ್ನ್ 1995 ನೋಡಿ,
ಮೋರಿಸ್ 1995a, ಬ್ರಾಂಬ್ಲೆಟ್ ಮತ್ತು ಕಿಂಗ್ 1996, ಗ್ರಹಾಂ ಮತ್ತು ಇತರರು. 1996,
ಸಕಾಗುಚಿ ಮತ್ತು ಫ್ರೊಲಿಕ್ 1996, ಅಲ್ವಾರೆಜ್ 1997, ಬ್ರೌಸೆಲ್ 1997, ಕ್ಲಾರ್ಕ್
1997, ಮೆಕಾರ್ಥಿ 1997, ಓ' ಡೊನ್ನೆಲ್ 1997, ಎಡ್ವರ್ಡ್ಸ್ 1998, TDWI
1999) ಸಂಸ್ಥೆಗಳಿಂದ ಪಡೆದ ಗಮನಾರ್ಹ ಪ್ರಯೋಜನಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ
ಅದನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು i ಡೇಟಾ ವೇರ್ಹೌಸ್. ಅವರು ತಮ್ಮ ಸಿದ್ಧಾಂತವನ್ನು ಬೆಂಬಲಿಸಿದರು
ಯಶಸ್ವಿ ಅನುಷ್ಠಾನಗಳ ಉಪಾಖ್ಯಾನದ ಪುರಾವೆಗಳೊಂದಿಗೆ, ಹೆಚ್ಚಿನ ಆದಾಯ
ಹೂಡಿಕೆ ಅಂಕಿಅಂಶಗಳ ಮೇಲೆ (ROI) ಮತ್ತು, ಮಾರ್ಗದರ್ಶನವನ್ನು ಒದಗಿಸುವುದು
ಅಭಿವೃದ್ಧಿಗಾಗಿ ಉಲ್ಲೇಖ ಅಥವಾ ವಿಧಾನಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್
(ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು. 1997, ಸೆಡನ್ ಮತ್ತು ಬೆಂಜಮಿನ್ 1998, ಲಿಟಲ್ ಮತ್ತು ಗಿಬ್ಸನ್
1999). ವಿಪರೀತ ಪ್ರಕರಣದಲ್ಲಿ, ಗ್ರಹಾಂ ಮತ್ತು ಇತರರು. (1996) ಹೊಂದಿವೆ
401% ನ ಮೂರು ವರ್ಷಗಳ ಹೂಡಿಕೆಯ ಮೇಲೆ ಸರಾಸರಿ ಲಾಭವನ್ನು ವರದಿ ಮಾಡಿದೆ.
ಆದಾಗ್ಯೂ, ಪ್ರಸ್ತುತ ಸಾಹಿತ್ಯದ ಬಹುಪಾಲು ಇದನ್ನು ನಿರ್ಲಕ್ಷಿಸಿದೆ
ಅಂತಹ ಯೋಜನೆಗಳನ್ನು ಕೈಗೊಳ್ಳುವಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಸಂಕೀರ್ಣತೆಗಳು. ನ ಯೋಜನೆಗಳು
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಕೀರ್ಣ ಮತ್ತು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮತ್ತು
ಆದ್ದರಿಂದ ಅವುಗಳು ವಿಫಲಗೊಳ್ಳುವ ಹೆಚ್ಚಿನ ಸಂಭವನೀಯತೆಯನ್ನು ಸೂಚಿಸುತ್ತವೆ
ಎಚ್ಚರಿಕೆಯಿಂದ ನಿಯಂತ್ರಿಸಲಾಗಿದೆ (ಶಾ ಮತ್ತು ಮಿಲ್ಸ್ಟೈನ್ 1997, ಎಕರ್ಸನ್ 1997,
ಫೋಲೆ 1997b, ಝಿಮ್ಮರ್ 1997, ಬೋರ್ಟ್ 1998, ಗಿಬ್ಸ್ ಮತ್ತು ಕ್ಲೈಮರ್ 1998, ರಾವ್
1998). ಅವರಿಗೆ ಅಪಾರ ಪ್ರಮಾಣದ ಮಾನವ ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ
ಹಣಕಾಸು ಮತ್ತು, ಅವುಗಳನ್ನು ನಿರ್ಮಿಸಲು ಸಮಯ ಮತ್ತು ಶ್ರಮ (ಹಿಲ್ 1998, ಕ್ರಾಫ್ಟ್ಸ್ 1998). ದಿ
ವಿಶಿಷ್ಟ ಸಮಯ ಮತ್ತು ಅಗತ್ಯ ಹಣಕಾಸಿನ ವಿಧಾನಗಳು ಕ್ರಮವಾಗಿ
ಸುಮಾರು ಎರಡು ವರ್ಷಗಳು ಮತ್ತು ಎರಡು ಅಥವಾ ಮೂರು ಮಿಲಿಯನ್ ಡಾಲರ್ (ಬ್ರಾಲಿ 1995, ಫೋಲಿ
1997b, Bort 1998, Humphries et al. 1999). ಈ ಸಮಯ ಮತ್ತು ಅರ್ಥ
ಹಣಕಾಸು ಸಂಸ್ಥೆಗಳು ಅನೇಕ ಅಂಶಗಳನ್ನು ನಿಯಂತ್ರಿಸಲು ಮತ್ತು ಕ್ರೋಢೀಕರಿಸಲು ಅಗತ್ಯವಿದೆ
ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್‌ನಲ್ಲಿನ ವ್ಯತ್ಯಾಸಗಳು (ಕ್ಯಾಫಸ್ಸೊ 1995, ಹಿಲ್ 1998). ಬದಿಯಲ್ಲಿ
ಹಾರ್ಡ್‌ವೇರ್ ಮತ್ತು ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಗಣನೆಗಳು, ಇತರ ಕಾರ್ಯಗಳು, ಅವು ಬದಲಾಗುತ್ತವೆ
ಹೊರತೆಗೆಯುವಿಕೆಯಿಂದ dati ಲೋಡಿಂಗ್ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ dati, ರಿಂದ
ನವೀಕರಣಗಳು ಮತ್ತು ಮೆಟಾ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಲು ಮೆಮೊರಿ ಸಾಮರ್ಥ್ಯ dati
ಬಳಕೆದಾರರ ತರಬೇತಿಗಾಗಿ, ಪರಿಗಣಿಸಬೇಕು.
ಈ ಸಂಶೋಧನಾ ಯೋಜನೆ ಪ್ರಾರಂಭವಾದ ಸಮಯದಲ್ಲಿ, ಬಹಳ ಕಡಿಮೆ ಇತ್ತು
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ನಡೆಸಿದ ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನೆ,
ವಿಶೇಷವಾಗಿ ಆಸ್ಟ್ರೇಲಿಯಾದಲ್ಲಿ. ವಸ್ತುಗಳ ಕೊರತೆಯಿಂದ ಇದು ಸ್ಪಷ್ಟವಾಗಿದೆ
ಪತ್ರಿಕೆಗಳು ಅಥವಾ ಇತರ ಬರಹಗಳ ಮೂಲಕ ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ನಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆ
ಆ ಕಾಲದ ಶಿಕ್ಷಣ ತಜ್ಞರು. ಅನೇಕ ಶೈಕ್ಷಣಿಕ ಬರಹಗಳು
ಲಭ್ಯವಿರುವ US ಅನುಭವವನ್ನು ವಿವರಿಸಲಾಗಿದೆ. ಕೊರತೆ
ಎಸ್ಎಲ್ ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಪ್ರದೇಶದಲ್ಲಿನ ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನೆಯು ಕಾರಣವಾಗಿದೆ
ಕಠಿಣ ಸಂಶೋಧನೆ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನಗಳಿಗೆ ಕರೆ (ಮ್ಯಾಕ್‌ಫ್ಯಾಡೆನ್ 1996,
ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು. 1997, ಲಿಟಲ್ ಮತ್ತು ಗಿಬ್ಸನ್ 1999). ನಿರ್ದಿಷ್ಟವಾಗಿ, ಅಧ್ಯಯನಗಳು
ಅನುಷ್ಠಾನ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಸಂಶೋಧನೆ ಡೇಟಾ ವೇರ್ಹೌಸ್
ಜ್ಞಾನವನ್ನು ವಿಸ್ತರಿಸಲು ಕೈಗೊಳ್ಳಬೇಕಾಗಿದೆ
ಅನುಷ್ಠಾನದ ಬಗ್ಗೆ ಸಾಮಾನ್ಯ ಡೇಟಾ ವೇರ್ಹೌಸ್ e
ಭವಿಷ್ಯದ ಸಂಶೋಧನಾ ಅಧ್ಯಯನಕ್ಕೆ ಆಧಾರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ (ಶಾಂಕ್ಸ್ ಆವೃತ್ತಿ
ಇತರರು. 1997, ಲಿಟಲ್ ಮತ್ತು ಗಿಬ್ಸನ್ 1999).
ಆದ್ದರಿಂದ, ಈ ಅಧ್ಯಯನದ ಉದ್ದೇಶವು ನಿಜವಾಗಿ ಏನನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು
ಸಂಸ್ಥೆಗಳು ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಿದಾಗ ಮತ್ತು ಬಳಸಿದಾಗ ಇದು ಸಂಭವಿಸುತ್ತದೆ
ಆಸ್ಟ್ರೇಲಿಯಾದಲ್ಲಿ ಗೋದಾಮು. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಈ ಅಧ್ಯಯನವು ಒಳಗೊಂಡಿರುತ್ತದೆ
ಒಂದು ಸಂಪೂರ್ಣ ಅಭಿವೃದ್ಧಿ ಪ್ರಕ್ರಿಯೆಯ ವಿಶ್ಲೇಷಣೆ a ಡೇಟಾ ವೇರ್ಹೌಸ್,
ಪ್ರಾರಂಭದಿಂದ ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ವಿನ್ಯಾಸದ ಮೂಲಕ ಯೋಜನೆ ಮತ್ತು
ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಅನುಷ್ಠಾನ ಮತ್ತು ನಂತರದ ಬಳಕೆ
ಆಸ್ಟ್ರೇಲಿಯನ್. ಜೊತೆಗೆ, ಅಧ್ಯಯನವು ಪ್ರಸ್ತುತ ಅಭ್ಯಾಸಕ್ಕೆ ಕೊಡುಗೆ ನೀಡುತ್ತದೆ
ಅಭ್ಯಾಸವನ್ನು ಮತ್ತಷ್ಟು ಅಭಿವೃದ್ಧಿಪಡಿಸಬಹುದಾದ ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸುವುದು
ಸುಧಾರಿತ ಮತ್ತು ಅಸಮರ್ಥತೆಗಳು ಮತ್ತು ಅಪಾಯಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು ಅಥವಾ
ತಪ್ಪಿಸಲು. ಇದಲ್ಲದೆ, ಇದು ಇತರ ಅಧ್ಯಯನಗಳಿಗೆ ಆಧಾರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ in
ಆಸ್ಟ್ರೇಲಿಯಾ ಮತ್ತು ಸಾಹಿತ್ಯದಲ್ಲಿ ಪ್ರಸ್ತುತ ಇರುವ ಅಂತರವನ್ನು ತುಂಬುತ್ತದೆ.
ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳು
ಒಳಗೊಂಡಿರುವ ಚಟುವಟಿಕೆಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು ಈ ಸಂಶೋಧನೆಯ ಉದ್ದೇಶವಾಗಿದೆ
ಅನುಷ್ಠಾನದಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು ಅವುಗಳ ಬಳಕೆ
ಆಸ್ಟ್ರೇಲಿಯಾದ ಸಂಸ್ಥೆಗಳು. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಅಂಶಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲಾಗುತ್ತದೆ
ಯೋಜನೆಯ ಯೋಜನೆ, ಅಭಿವೃದ್ಧಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ,
ಕಾರ್ಯಾಚರಣೆ, ಬಳಕೆ ಮತ್ತು ಒಳಗೊಂಡಿರುವ ಅಪಾಯಗಳು. ಆದ್ದರಿಂದ ಪ್ರಶ್ನೆ
ಈ ಸಂಶೋಧನೆಯೆಂದರೆ:
“ಈಗಿನ ಅಭ್ಯಾಸ ಏನು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಆಸ್ಟ್ರೇಲಿಯಾದಲ್ಲಿ?"
ಈ ಸಮಸ್ಯೆಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸಲು, ಎ
ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ಅಂಗಸಂಸ್ಥೆ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳು. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಮೂರು
ಉಪ-ಪ್ರಶ್ನೆಗಳನ್ನು ಸಾಹಿತ್ಯದಿಂದ ಗುರುತಿಸಲಾಗಿದೆ, ಅದು
ಈ ಸಂಶೋಧನಾ ಯೋಜನೆಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಲು ಅಧ್ಯಾಯ 2 ರಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ:
ಅವುಗಳನ್ನು ಹೇಗೆ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ i ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಂಸ್ಥೆಗಳಿಂದ
ಆಸ್ಟ್ರೇಲಿಯನ್? ನೀವು ಯಾವ ಸಮಸ್ಯೆಗಳನ್ನು ಎದುರಿಸಿದ್ದೀರಿ?
ಅನುಭವಿಸಿದ ಪ್ರಯೋಜನಗಳೇನು?
ಈ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲು, ರೇಖಾಚಿತ್ರವನ್ನು ಬಳಸಲಾಯಿತು
ಸಮೀಕ್ಷೆಯನ್ನು ಬಳಸಿಕೊಳ್ಳುವ ಪರಿಶೋಧನಾ ಸಂಶೋಧನೆ. ನಾನು ಹೇಗೆ ಅಧ್ಯಯನ ಮಾಡುತ್ತೇನೆ
ಪರಿಶೋಧನಾತ್ಮಕವಾಗಿ, ಮೇಲಿನ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಗಳು ಪೂರ್ಣವಾಗಿಲ್ಲ
(ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು. 1993, ಡೆನ್ಸ್‌ಕಾಂಬ್ 1998). ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಇದು
ಇವುಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಸುಧಾರಿಸಲು ತ್ರಿಕೋನೀಕರಣದ ಅಗತ್ಯವಿದೆ
ವಿನಂತಿಗಳನ್ನು. ಆದರೆ, ತನಿಖೆ ಭದ್ರ ಬುನಾದಿ ಒದಗಿಸಲಿದೆ
ಈ ಪ್ರಶ್ನೆಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಭವಿಷ್ಯದ ಕೆಲಸ. ವಿವರವಾದ ಒಂದು
ಸಂಶೋಧನಾ ವಿಧಾನದ ಸಮರ್ಥನೆ ಮತ್ತು ವಿನ್ಯಾಸದ ಚರ್ಚೆ
ಅಧ್ಯಾಯ 3 ರಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ.
ಸಂಶೋಧನಾ ಯೋಜನೆಯ ರಚನೆ
ಈ ಸಂಶೋಧನಾ ಯೋಜನೆಯನ್ನು ಎರಡು ಭಾಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ: ಸಂದರ್ಭೋಚಿತ ಅಧ್ಯಯನ
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆಯ ಪರಿಕಲ್ಪನೆ (ನೋಡಿ
ಚಿತ್ರ 1.1), ಪ್ರತಿಯೊಂದನ್ನು ಕೆಳಗೆ ಚರ್ಚಿಸಲಾಗಿದೆ.
ಭಾಗ I: ಸಂದರ್ಭೋಚಿತ ಅಧ್ಯಯನ
ಸಂಶೋಧನೆಯ ಮೊದಲ ಭಾಗವು ಮರು-ಪರಿಶೀಲನೆಯಲ್ಲಿ ಒಳಗೊಂಡಿತ್ತು
i ಸೇರಿದಂತೆ ವಿವಿಧ ರೀತಿಯ ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್‌ನಲ್ಲಿ ಪ್ರಸ್ತುತ ಸಾಹಿತ್ಯ
ನಿರ್ಧಾರ ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳು (ಡಿಎಸ್ಎಸ್), ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳು
ಕಾರ್ಯನಿರ್ವಾಹಕ (EIS), ಕೇಸ್ ಸ್ಟಡೀಸ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು ದಿನಾಂಕದ ಪರಿಕಲ್ಪನೆಗಳು
ಉಗ್ರಾಣ. ಇದಲ್ಲದೆ, ವೇದಿಕೆಗಳ ಫಲಿತಾಂಶಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು ದೇವರುಗಳು
ಗುಂಪು ನಡೆಸಿದ ತಜ್ಞರು ಮತ್ತು ವೃತ್ತಿಪರರಿಗೆ ಸಭೆ ಗುಂಪುಗಳು
ಮೊನಾಶ್ ಡಿಎಸ್ಎಸ್ ಸಂಶೋಧನೆಯು ಈ ಹಂತದ ಅಧ್ಯಯನಕ್ಕೆ ಕೊಡುಗೆ ನೀಡಿದೆ
ಡೇಟಾದ ಅಭ್ಯಾಸದ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಉದ್ದೇಶಿಸಲಾಗಿತ್ತು
ಗೋದಾಮು ಮತ್ತು ಅವುಗಳ ದತ್ತು ಒಳಗೊಂಡಿರುವ ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸಲು.
ಸಂದರ್ಭೋಚಿತ ಅಧ್ಯಯನ, ತಿಳುವಳಿಕೆ ಈ ಅವಧಿಯಲ್ಲಿ
ಸಮಸ್ಯೆಯ ಪ್ರದೇಶದ ಜ್ಞಾನವನ್ನು ಒದಗಿಸಲು ಸ್ಥಾಪಿಸಲಾಗಿದೆ
ನಂತರದ ಪ್ರಾಯೋಗಿಕ ತನಿಖೆಗಳಿಗೆ ಆಧಾರ. ಆದಾಗ್ಯೂ, ಈ
ಇದು ಅಧ್ಯಯನ ನಡೆಯುತ್ತಿರುವಾಗ ನಡೆಯುತ್ತಿರುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿತ್ತು
ಸಂಶೋಧನೆ.
ಭಾಗ II: ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆ
ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್‌ನ ತುಲನಾತ್ಮಕವಾಗಿ ಹೊಸ ಪರಿಕಲ್ಪನೆ, esp
ಆಸ್ಟ್ರೇಲಿಯಾದಲ್ಲಿ, ಸಮೀಕ್ಷೆಯನ್ನು ಕೈಗೊಳ್ಳುವ ಅಗತ್ಯವನ್ನು ಸೃಷ್ಟಿಸಿತು
ಬಳಕೆಯ ಅನುಭವದ ವಿಶಾಲ ಚಿತ್ರವನ್ನು ಪಡೆಯಿರಿ. ಈ
ಸಮಸ್ಯೆಯ ಡೊಮೇನ್ ಒಮ್ಮೆ ಭಾಗವನ್ನು ಕೈಗೊಳ್ಳಲಾಯಿತು
ವ್ಯಾಪಕವಾದ ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯ ಮೂಲಕ ಸ್ಥಾಪಿಸಲಾಯಿತು. ಪರಿಕಲ್ಪನೆ
ಸಾಂದರ್ಭಿಕ ಅಧ್ಯಯನದ ಹಂತದಲ್ಲಿ ರೂಪುಗೊಂಡ ಡೇಟಾ-ವೇರ್ಹೌಸಿಂಗ್
ಈ ಅಧ್ಯಯನದ ಆರಂಭಿಕ ಪ್ರಶ್ನಾವಳಿಗೆ ಇನ್ಪುಟ್ ಆಗಿ ಬಳಸಲಾಗಿದೆ.
ನಂತರ ಪ್ರಶ್ನೆಪತ್ರಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಯಿತು. ನೀವು ದಿನಾಂಕ ತಜ್ಞರು
ಗೋದಾಮು ಪರೀಕ್ಷೆಯಲ್ಲಿ ಭಾಗವಹಿಸಿತು. ಪರೀಕ್ಷೆಯ ಉದ್ದೇಶ
ಆರಂಭಿಕ ಪ್ರಶ್ನಾವಳಿಯು ಸಂಪೂರ್ಣತೆ ಮತ್ತು ನಿಖರತೆಯನ್ನು ಪರಿಶೀಲಿಸುವುದು
ಕೆಲವು ಪ್ರಶ್ನೆಗಳು. ಪರೀಕ್ಷಾ ಫಲಿತಾಂಶಗಳ ಆಧಾರದ ಮೇಲೆ, ಪ್ರಶ್ನಾವಳಿ
ಗೆ ಮಾರ್ಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಮಾರ್ಪಡಿಸಿದ ಆವೃತ್ತಿಯನ್ನು ಕಳುಹಿಸಲಾಗಿದೆ
ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಭಾಗವಹಿಸುವವರು. ಆಗ ಹಿಂತಿರುಗಿದ ಪ್ರಶ್ನಾವಳಿಗಳು
i ಗಾಗಿ ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ dati ಕೋಷ್ಟಕಗಳು, ರೇಖಾಚಿತ್ರಗಳು ಮತ್ತು ಇತರ ಸ್ವರೂಪಗಳಲ್ಲಿ. ದಿ
ವಿಶ್ಲೇಷಣೆಯ ಫಲಿತಾಂಶಗಳು dati ಒಂದು ತ್ವರಿತ ಛಾಯಾಚಿತ್ರವನ್ನು ರೂಪಿಸುತ್ತದೆ
ಆಸ್ಟ್ರೇಲಿಯಾದಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಅಭ್ಯಾಸ.
ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಅವಲೋಕನ
ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್‌ನ ಪರಿಕಲ್ಪನೆಯು ಸುಧಾರಣೆಗಳೊಂದಿಗೆ ವಿಕಸನಗೊಂಡಿದೆ
ಕಂಪ್ಯೂಟರ್ ತಂತ್ರಜ್ಞಾನದ.
ಗುಂಪುಗಳು ಎದುರಿಸುತ್ತಿರುವ ಸಮಸ್ಯೆಗಳನ್ನು ನಿವಾರಿಸುವ ಗುರಿಯನ್ನು ಇದು ಹೊಂದಿದೆ
ಡಿಸಿಷನ್ ಸಪೋರ್ಟ್ ಸಿಸ್ಟಮ್ (ಡಿಎಸ್ಎಸ್) ನಂತಹ ಅಪ್ಲಿಕೇಶನ್ ಬೆಂಬಲ ಇ
ಕಾರ್ಯನಿರ್ವಾಹಕ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆ (EIS).
ಹಿಂದೆ ಈ ಅರ್ಜಿಗಳ ಪ್ರಮುಖ ಅಡಚಣೆಯಾಗಿತ್ತು
ಒದಗಿಸಲು ಈ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಅಸಮರ್ಥತೆ a ಡೇಟಾ ಬೇಸ್
ವಿಶ್ಲೇಷಣೆಗೆ ಅವಶ್ಯಕ.
ಇದು ಮುಖ್ಯವಾಗಿ ಕೆಲಸದ ಸ್ವರೂಪದಿಂದ ಉಂಟಾಗುತ್ತದೆ
ನಿರ್ವಹಣೆ. ಕಂಪನಿಯ ನಿರ್ವಹಣೆಯ ಆಸಕ್ತಿಗಳು ಬದಲಾಗುತ್ತವೆ
ನಿರಂತರವಾಗಿ ಚಿಕಿತ್ಸೆ ಪ್ರದೇಶವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಆದ್ದರಿಂದ ಐ dati
ಈ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಮೂಲಭೂತವಾಗಿ ಸಾಧ್ಯವಾಗುತ್ತದೆ
ಚಿಕಿತ್ಸೆ ನೀಡಬೇಕಾದ ಭಾಗವನ್ನು ಅವಲಂಬಿಸಿ ತ್ವರಿತವಾಗಿ ಬದಲಾಯಿಸಿ.
ಇದರರ್ಥ ಐ dati ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿರಬೇಕು
ಅಗತ್ಯವಿರುವ ವಿಶ್ಲೇಷಣೆಗಳಿಗೆ ಸಾಕಷ್ಟು. ವಾಸ್ತವವಾಗಿ, ಬೆಂಬಲ ಗುಂಪುಗಳು
ed ಸಂಗ್ರಹಿಸಲು ಹಿಂದೆ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ತುಂಬಾ ಕಷ್ಟಕರವಾಗಿತ್ತು
ಸಂಯೋಜಿಸಲು dati ಸಂಕೀರ್ಣ ಮತ್ತು ವೈವಿಧ್ಯಮಯ ಮೂಲಗಳಿಂದ.
ಈ ವಿಭಾಗದ ಉಳಿದ ಭಾಗವು ಪರಿಕಲ್ಪನೆಯ ಅವಲೋಕನವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಮತ್ತು ಹೇಗೆ ವ್ಯವಹರಿಸುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಜಯಿಸಬಹುದು
ಅಪ್ಲಿಕೇಶನ್ ಬೆಂಬಲ ಗುಂಪಿನ ಸಮಸ್ಯೆಗಳು.
ಪದ “ಮಾಹಿತಿ ಉಗ್ರಾಣ1990 ರಲ್ಲಿ ವಿಲಿಯಂ ಇನ್ಮೋನ್ ಬಿಡುಗಡೆ ಮಾಡಿದರು.
ಅವರ ಆಗಾಗ್ಗೆ ಉಲ್ಲೇಖಿಸಿದ ವ್ಯಾಖ್ಯಾನವು ನೋಡುತ್ತದೆ ಮಾಹಿತಿ ಉಗ್ರಾಣ ಬಂದು
ಸಂಗ್ರಹಣೆ dati ವಿಷಯ-ಆಧಾರಿತ, ಸಂಯೋಜಿತ, ಬಾಷ್ಪಶೀಲವಲ್ಲದ ಮತ್ತು ವೇರಿಯಬಲ್
ಕಾಲಾನಂತರದಲ್ಲಿ, ನಿರ್ವಹಣಾ ನಿರ್ಧಾರಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ.
ಈ ವ್ಯಾಖ್ಯಾನವನ್ನು ಬಳಸಿಕೊಂಡು Inmon ಮುಖ್ಯಾಂಶಗಳು i dati ನಿವಾಸಿ
ಅನ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕೆಳಗಿನ 4 ಅನ್ನು ಹೊಂದಿರಬೇಕು
ಗುಣಲಕ್ಷಣಗಳು:
▪ ವಿಷಯ-ಆಧಾರಿತ
▪ ಇಂಟಿಗ್ರೇಟೆಡ್
▪ ಬಾಷ್ಪಶೀಲವಲ್ಲದ
▪ ಕಾಲಾನಂತರದಲ್ಲಿ ವೇರಿಯಬಲ್
ವಿಷಯ-ಆಧಾರಿತ ಇನ್ಮೋನ್ ಎಂದರೆ ಐ dati ದಿನಾಂಕದಲ್ಲಿ
ಆಗಿರುವ ಅತಿದೊಡ್ಡ ಸಾಂಸ್ಥಿಕ ಪ್ರದೇಶಗಳಲ್ಲಿ ಗೋದಾಮು
ಮಾದರಿಯಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ dati. ಉದಾಹರಣೆಗೆ ಎಲ್ಲಾ dati ಐ ಬಗ್ಗೆ ಗ್ರಾಹಕರಿಗೆ
ವಿಷಯದ ಪ್ರದೇಶದಲ್ಲಿ ಒಳಗೊಂಡಿರುತ್ತದೆ ಗ್ರಾಹಕರನ್ನು. ಹಾಗೆಯೇ ಎಲ್ಲಾ
dati ಉತ್ಪನ್ನಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ವಿಷಯದ ಪ್ರದೇಶದಲ್ಲಿ ಒಳಗೊಂಡಿರುತ್ತದೆ
ಉತ್ಪನ್ನಗಳು.
ಇಂಟಿಗ್ರೇಟೆಡ್ ಇನ್ಮೋನ್ ಅಂದರೆ ಐ dati ವಿಭಿನ್ನವಾಗಿ ಬರುತ್ತಿದೆ
ವೇದಿಕೆಗಳು, ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ಸ್ಥಳಗಳನ್ನು ಸಂಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ಸಂಗ್ರಹಿಸಲಾಗಿದೆ
ಒಂದೇ ಸ್ಥಳ. ಪರಿಣಾಮವಾಗಿ dati ಇದೇ ರೀತಿ ರೂಪಾಂತರಗೊಳ್ಳಬೇಕು
ಸ್ಥಿರ ಸ್ವರೂಪಗಳಲ್ಲಿ ಅವುಗಳನ್ನು ಸೇರಿಸಬಹುದು ಮತ್ತು ಹೋಲಿಸಬಹುದು
ಸುಲಭವಾಗಿ.
ಉದಾಹರಣೆಗೆ ಪುರುಷ ಮತ್ತು ಸ್ತ್ರೀ ಲಿಂಗವನ್ನು ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ
ಒಂದು ವ್ಯವಸ್ಥೆಯಲ್ಲಿ M ಮತ್ತು F ಅಕ್ಷರಗಳಿಂದ ಮತ್ತು ಇನ್ನೊಂದರಲ್ಲಿ 1 ಮತ್ತು 0 ನೊಂದಿಗೆ. ಫಾರ್
ಅವುಗಳನ್ನು ಸರಿಯಾದ ರೀತಿಯಲ್ಲಿ ಸಂಯೋಜಿಸಿ, ಒಂದು ಅಥವಾ ಎರಡೂ ಸ್ವರೂಪಗಳು ಮಾಡಬೇಕು
ಎರಡು ಸ್ವರೂಪಗಳು ಒಂದೇ ಆಗಿರುವಂತೆ ರೂಪಾಂತರಗೊಳ್ಳುತ್ತವೆ. ಈ
ನಾವು M ಅನ್ನು 1 ಗೆ ಮತ್ತು F ಅನ್ನು 0 ಗೆ ಅಥವಾ ಪ್ರತಿಯಾಗಿ ಬದಲಾಯಿಸಬಹುದು. ಕಡೆಗೆ ಆಧಾರಿತವಾಗಿದೆ
ವಿಷಯ ಮತ್ತು ಇಂಟಿಗ್ರೇಟೆಡ್ ಎಂದು ಸೂಚಿಸುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ
ನ ಕ್ರಿಯಾತ್ಮಕ ಮತ್ತು ಅಡ್ಡ ದೃಷ್ಟಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ dati ಪಕ್ಕಕ್ಕೆ
ಸಂಸ್ಥೆಯ.
ಅಸ್ಥಿರವಲ್ಲದ ಮೂಲಕ ಅವನು ಅಂದರೆ ನಾನು dati ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವು ಉಳಿಯುತ್ತವೆ
ಸ್ಥಿರ ಮತ್ತು ನವೀಕರಣ dati ಇದು ಅಗತ್ಯವಿಲ್ಲ. ಬದಲಾಗಿ, ಪ್ರತಿ
ಬದಲಿಸಿ dati ಮೂಲವನ್ನು ಸೇರಿಸಲಾಗುತ್ತದೆ ಡೇಟಾಬೇಸ್ ದಿನಾಂಕದ
ಉಗ್ರಾಣ. ಇದರರ್ಥ ಐತಿಹಾಸಿಕ ದೇ dati ನಲ್ಲಿ ಅಡಕವಾಗಿದೆ
ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಸಮಯದೊಂದಿಗೆ ವೇರಿಯೇಬಲ್‌ಗಳಿಗಾಗಿ Inmon ಸೂಚಿಸುತ್ತದೆ ಎಂದು i dati ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್
ಯಾವಾಗಲೂ ei ಸಮಯ ಸೂಚಕಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ dati ಸಾಮಾನ್ಯವಾಗಿ
ನಿರ್ದಿಷ್ಟ ಸಮಯದ ಹಾರಿಜಾನ್ ಅನ್ನು ದಾಟಿ. ಉದಾಹರಣೆಗೆ ಎ
ಡೇಟಾ ವೇರ್ಹೌಸ್ 5 ವರ್ಷಗಳ ಐತಿಹಾಸಿಕ ಮೌಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು ಗ್ರಾಹಕರಿಗೆ ದಾಲ್
1993 ರಿಂದ 1997. ಇತಿಹಾಸದ ಲಭ್ಯತೆ ಮತ್ತು ಸಮಯ ಸರಣಿ
ಆಫ್ dati ಪ್ರವೃತ್ತಿಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.
Un ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವನು ತನ್ನ ಸ್ವಂತವನ್ನು ಸಂಗ್ರಹಿಸಬಹುದು dati ವ್ಯವಸ್ಥೆಗಳಿಂದ
OLTP; ಮೂಲದಿಂದ dati ಸಂಸ್ಥೆಗೆ ಮತ್ತು/ಅಥವಾ ಇತರ ತಜ್ಞರಿಂದ ಬಾಹ್ಯ
ಸಿಸ್ಟಮ್ ಯೋಜನೆಗಳನ್ನು ಸೆರೆಹಿಡಿಯಿರಿ dati.
I dati ಸಾರಗಳು ಶುಚಿಗೊಳಿಸುವ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ ಹೋಗಬಹುದು
ಈ ಸಂದರ್ಭದಲ್ಲಿ ಐ dati ಅವು ರೂಪಾಂತರಗೊಳ್ಳುವ ಮೊದಲು ಮತ್ತು ಸಂಯೋಜಿಸಲ್ಪಡುತ್ತವೆ
ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಡೇಟಾಬೇಸ್ ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಆಗ ನಾನು dati
ಒಳಗೆ ನಿವಾಸಿಗಳು ಡೇಟಾಬೇಸ್ ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಲಭ್ಯವಾಗುವಂತೆ ಮಾಡಲಾಗುತ್ತದೆ
ಬಳಕೆದಾರರ ಪ್ರವೇಶ ಮತ್ತು ಮರುಪ್ರಾಪ್ತಿ ಸಾಧನಗಳನ್ನು ಕೊನೆಗೊಳಿಸಲು. ಬಳಸಿ
ಈ ಉಪಕರಣಗಳು ಅಂತಿಮ ಬಳಕೆದಾರರು ಸಮಗ್ರ ವೀಕ್ಷಣೆಯನ್ನು ಪ್ರವೇಶಿಸಬಹುದು
ನ ಸಂಸ್ಥೆಯ dati.
I dati ಒಳಗೆ ನಿವಾಸಿಗಳು ಡೇಟಾಬೇಸ್ ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ನಿದ್ರೆ
ವಿವರವಾಗಿ ಮತ್ತು ಸಾರಾಂಶ ಸ್ವರೂಪಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.
ಸಾರಾಂಶದ ಮಟ್ಟವು ಅದರ ಸ್ವರೂಪವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ dati. ನಾನು dati
ವಿವರವಾದವು ಒಳಗೊಂಡಿರಬಹುದು dati ಪ್ರಸ್ತುತ ಇ dati ಇತಿಹಾಸಕಾರರು
I dati ರಾಯಧನವನ್ನು ಸೇರಿಸಲಾಗಿಲ್ಲ ಡೇಟಾ ವೇರ್ಹೌಸ್ ನಾನು ತನಕ dati
ನೆಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ನವೀಕರಿಸಲಾಗಿದೆ.
ಸಂಗ್ರಹಿಸುವುದರ ಜೊತೆಗೆ ಐ dati ತಮ್ಮನ್ನು, ಎ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಹ ಮಾಡಬಹುದು
ವಿಭಿನ್ನ ಪ್ರಕಾರವನ್ನು ಸಂಗ್ರಹಿಸಿ ನೀಡಿದ ಮೆಟಾಡೇಟಾ ಎಂದು ಕರೆಯುತ್ತಾರೆ
i ವಿವರಿಸಿ dati ಅವನ ನಿವಾಸಿಗಳು ಡೇಟಾಬೇಸ್.
ಮೆಟಾಡೇಟಾದಲ್ಲಿ ಎರಡು ವಿಧಗಳಿವೆ: ಅಭಿವೃದ್ಧಿ ಮೆಟಾಡೇಟಾ ಮತ್ತು ಅಭಿವೃದ್ಧಿ ಮೆಟಾಡೇಟಾ
ವಿಶ್ಲೇಷಿಸುತ್ತದೆ.
ಅಭಿವೃದ್ಧಿ ಮೆಟಾಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಲು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ
ಹೊರತೆಗೆಯುವಿಕೆ, ಶುಚಿಗೊಳಿಸುವಿಕೆ, ಮ್ಯಾಪಿಂಗ್ ಮತ್ತು ಲೋಡ್ ಪ್ರಕ್ರಿಯೆಗಳು dati ನೆಲ್
ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಅಭಿವೃದ್ಧಿ ಮೆಟಾಡೇಟಾದಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಮಾಹಿತಿಯು ಒಳಗೊಂಡಿರಬಹುದು
ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಂಗಳ ವಿವರಗಳು, ಹೊರತೆಗೆಯಲು ಅಂಶಗಳ ವಿವರಗಳು, ದಿ
ಟೆಂಪ್ಲೇಟ್ dati ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು ಕಂಪನಿಯ ನಿಯಮಗಳು
ನ ಪರಿವರ್ತನೆ dati.
ಎರಡನೇ ವಿಧದ ಮೆಟಾಡೇಟಾವನ್ನು ಅನಾಲಿಟಿಕ್ಸ್ ಮೆಟಾಡೇಟಾ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ
ಡೇಟಾದ ವಿಷಯವನ್ನು ಅನ್ವೇಷಿಸಲು ಅಂತಿಮ ಬಳಕೆದಾರರನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ
ಹುಡುಕಲು ಗೋದಾಮು dati ಲಭ್ಯವಿದೆ ಮತ್ತು ಅವರು ಪರಿಭಾಷೆಯಲ್ಲಿ ಏನು ಅರ್ಥೈಸುತ್ತಾರೆ
ಸ್ಪಷ್ಟ ಮತ್ತು ತಾಂತ್ರಿಕವಲ್ಲದ.
ಆದ್ದರಿಂದ ಅನಾಲಿಟಿಕ್ಸ್ ಮೆಟಾಡೇಟಾ ಡೇಟಾದ ನಡುವಿನ ಸೇತುವೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ
ಗೋದಾಮು ಮತ್ತು ಅಂತಿಮ ಬಳಕೆದಾರರ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು. ಈ ಮೆಟಾಡೇಟಾ ಮಾಡಬಹುದು
ವ್ಯವಹಾರ ಮಾದರಿ, ವಿವರಣೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ dati ವರದಿಗಾರರು
ವ್ಯವಹಾರ ಮಾದರಿಗೆ, ಪೂರ್ವ-ನಿರ್ಧರಿತ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ವರದಿಗಳು,
ಬಳಕೆದಾರರ ಲಾಗಿನ್‌ಗಳು ಮತ್ತು ಸೂಚ್ಯಂಕಕ್ಕಾಗಿ ಮಾಹಿತಿ.
ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಅಭಿವೃದ್ಧಿ ಮೆಟಾಡೇಟಾವನ್ನು ಒಂದಾಗಿ ಸಂಯೋಜಿಸಬೇಕು
ಸರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಇಂಟಿಗ್ರೇಟೆಡ್ ಮೆಟಾಡೇಟಾ ಕಂಟೈನ್‌ಮೆಂಟ್.
ದುರದೃಷ್ಟವಶಾತ್ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಅನೇಕ ಉಪಕರಣಗಳು ತಮ್ಮದೇ ಆದ ಹೊಂದಿವೆ
ಮೆಟಾಡೇಟಾ ಮತ್ತು ಪ್ರಸ್ತುತ ಯಾವುದೇ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮಾನದಂಡಗಳಿಲ್ಲ
ಇವುಗಳನ್ನು ಸಂಯೋಜಿಸಲು ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಪರಿಕರಗಳನ್ನು ಅನುಮತಿಸಿ
ಮೆಟಾಡೇಟಾ. ಈ ಪರಿಸ್ಥಿತಿಯನ್ನು ಸರಿಪಡಿಸಲು ಅನೇಕ ವ್ಯಾಪಾರಿಗಳು
ಮುಖ್ಯ ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಉಪಕರಣಗಳು ಮೆಟಾ ಡೇಟಾವನ್ನು ರೂಪಿಸಿವೆ
ಕೌನ್ಸಿಲ್ ನಂತರ ಮೆಟಾ ಡೇಟಾ ಒಕ್ಕೂಟವಾಯಿತು.
ಮೆಟಾಡೇಟಾ ಸೆಟ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು ಈ ಒಕ್ಕೂಟದ ಉದ್ದೇಶವಾಗಿದೆ
ವಿಭಿನ್ನ ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಪರಿಕರಗಳನ್ನು ಅನುಮತಿಸುವ ಮಾನದಂಡ
ಮೆಟಾಡೇಟಾವನ್ನು ಪರಿವರ್ತಿಸಿ
ಅವರ ಪ್ರಯತ್ನಗಳು ಮೆಟಾದ ಜನನಕ್ಕೆ ಕಾರಣವಾಯಿತು
ಡೇಟಾ ಇಂಟರ್ಚೇಂಜ್ ಸ್ಪೆಸಿಫಿಕೇಶನ್ (MDIS) ಇದು ವಿನಿಮಯವನ್ನು ಅನುಮತಿಸುತ್ತದೆ
Microsoft ಆರ್ಕೈವ್‌ಗಳು ಮತ್ತು ಸಂಬಂಧಿತ MDIS ಫೈಲ್‌ಗಳ ನಡುವಿನ ಮಾಹಿತಿ.
ನ ಅಸ್ತಿತ್ವ dati ಸಾರಾಂಶ/ಸೂಚ್ಯಂಕ ಮತ್ತು ವಿವರವಾದ ಎರಡೂ ನೀಡುತ್ತದೆ
ಬಳಕೆದಾರನು ಡ್ರಿಲ್ ಡ್ರೌನ್ ಅನ್ನು ಕೈಗೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿದೆ
(ಕೊರೆಯುವುದು) ಬನ್ನಿ dati ವಿವರವಾದವುಗಳಿಗೆ ಸೂಚ್ಯಂಕ ಮತ್ತು ಪ್ರತಿಯಾಗಿ.
ನ ಅಸ್ತಿತ್ವ dati ವಿವರವಾದ ಇತಿಹಾಸಗಳು ರಚಿಸಲು ಅನುಮತಿಸುತ್ತದೆ
ಕಾಲಾನಂತರದಲ್ಲಿ ಪ್ರವೃತ್ತಿ ವಿಶ್ಲೇಷಣೆ. ಜೊತೆಗೆ ವಿಶ್ಲೇಷಣೆ ಮೆಟಾಡೇಟಾ ಮಾಡಬಹುದು
ನ ಡೈರೆಕ್ಟರಿಯಾಗಿ ಬಳಸಬಹುದು ಡೇಟಾಬೇಸ್ ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಪ್ರತಿ
ಅಂತಿಮ ಬಳಕೆದಾರರಿಗೆ ನಾನು ಪತ್ತೆ ಮಾಡಲು ಸಹಾಯ ಮಾಡಿ dati ಅಗತ್ಯ.
OLTP ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಹೋಲಿಸಿದರೆ, ಬೆಂಬಲಿಸುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ
ವಿಶ್ಲೇಷಣೆ dati ಮತ್ತು ವರದಿ, ದಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದನ್ನು ಒಂದು ವ್ಯವಸ್ಥೆಯಾಗಿ ನೋಡಲಾಗುತ್ತದೆ
ತಯಾರಿಕೆ ಮತ್ತು ಮಾಹಿತಿ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿದೆ
ಪ್ರಶ್ನೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಿ ಮತ್ತು ವರದಿಗಳನ್ನು ತಯಾರಿಸಿ. ಮುಂದಿನ ವಿಭಾಗ
ಎರಡು ವ್ಯವಸ್ಥೆಗಳ ವ್ಯತ್ಯಾಸಗಳನ್ನು ವಿವರವಾಗಿ ಹೈಲೈಟ್ ಮಾಡುತ್ತದೆ.
ಮಾಹಿತಿ ಉಗ್ರಾಣ OLTP ಸಿಸ್ಟಮ್‌ಗಳ ವಿರುದ್ಧ
ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಹಲವು ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳು
ಅವರು ದೈನಂದಿನ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಉದ್ದೇಶಿಸಲಾಗಿದೆ. ಇವು
OLTP ಸಿಸ್ಟಮ್ಸ್ ಎಂದು ಕರೆಯಲ್ಪಡುವ ವ್ಯವಸ್ಥೆಗಳು, ವಹಿವಾಟುಗಳನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತವೆ
ನಿರಂತರವಾಗಿ ಪ್ರತಿದಿನ ನವೀಕರಿಸಲಾಗುತ್ತದೆ.
I dati ಈ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಅವುಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ಮಾರ್ಪಡಿಸಲಾಗುತ್ತದೆ, ಸೇರಿಸಲಾಗುತ್ತದೆ ಅಥವಾ
ಅಳಿಸಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಗ್ರಾಹಕರ ವಿಳಾಸವು ಕೇವಲ ಬದಲಾಗುವುದಿಲ್ಲ
ಅವನು ಒಂದು ಸ್ಥಳದಿಂದ ಇನ್ನೊಂದು ಸ್ಥಳಕ್ಕೆ ಚಲಿಸುತ್ತಾನೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಹೊಸ ವಿಳಾಸ
ನ ವಿಳಾಸ ಕ್ಷೇತ್ರವನ್ನು ಮಾರ್ಪಡಿಸುವ ಮೂಲಕ ನೋಂದಾಯಿಸಲಾಗುತ್ತದೆ ಡೇಟಾಬೇಸ್.
ಈ ವ್ಯವಸ್ಥೆಗಳ ಮುಖ್ಯ ಉದ್ದೇಶವೆಂದರೆ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು
ವಹಿವಾಟುಗಳು ಮತ್ತು ಅದೇ ಸಮಯದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಯ ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
OLTP ಸಿಸ್ಟಮ್‌ಗಳ ಉದಾಹರಣೆಗಳು ಬರಹಗಳಂತಹ ನಿರ್ಣಾಯಕ ಕ್ರಿಯೆಗಳನ್ನು ಒಳಗೊಂಡಿವೆ
ಆದೇಶ ಲೆಕ್ಕಪತ್ರ ನಿರ್ವಹಣೆ, ವೇತನದಾರರ ಪಟ್ಟಿ, ಇನ್‌ವಾಯ್ಸ್‌ಗಳು, ಉತ್ಪಾದನೆ, AI ಸೇವೆಗಳು ಗ್ರಾಹಕರಿಗೆ.
ಪ್ರತಿ ಪ್ರಕ್ರಿಯೆಗೆ ರಚಿಸಲಾದ OLTP ವ್ಯವಸ್ಥೆಗಳಂತಲ್ಲದೆ
ವಹಿವಾಟುಗಳು ಮತ್ತು ಘಟನೆಗಳ ಆಧಾರದ ಮೇಲೆ, i ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವುಗಳನ್ನು ರಚಿಸಲಾಗಿದೆ
ನ ವಿಶ್ಲೇಷಣೆ ಆಧಾರಿತ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ ಬೆಂಬಲವನ್ನು ಒದಗಿಸಲು dati ಇ ಸು
ನಿರ್ಧಾರ ಪ್ರಕ್ರಿಯೆಗಳು.
ಇದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ i ಅನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಸಾಧಿಸಲಾಗುತ್ತದೆ dati ವಿವಿಧ ವ್ಯವಸ್ಥೆಗಳಿಂದ
OLTP ಮತ್ತು ಒಂದೇ "ಕಂಟೇನರ್" ನಲ್ಲಿ ಬಾಹ್ಯ. dati,ಚರ್ಚಿಸಿದಂತೆ
ಹಿಂದಿನ ವಿಭಾಗದಲ್ಲಿ.
ಮೊನಾಶ್ ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಪ್ರಕ್ರಿಯೆ ಮಾದರಿ
ಪ್ರಕ್ರಿಯೆಯ ಮಾದರಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮೊನಾಶ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ
ಮೊನಾಶ್ ಡಿಎಸ್ಎಸ್ ಸಂಶೋಧನಾ ಗುಂಪಿನ ಸಂಶೋಧಕರು ಆಧರಿಸಿದೆ
ನ ಸಾಹಿತ್ಯಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್, ಬೆಂಬಲಿಸುವ ಅನುಭವದ ಮೇಲೆ
ಸಿಸ್ಟಂ ಕ್ಷೇತ್ರಗಳ ಅಭಿವೃದ್ಧಿ, ಮಾರಾಟಗಾರರೊಂದಿಗೆ ಚರ್ಚೆಗಳು
ಬಳಕೆಗಾಗಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್, ತಜ್ಞರ ಗುಂಪಿನ ಮೇಲೆ
ಬಳಕೆಯಲ್ಲಿ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಹಂತಗಳು: ಪ್ರಾರಂಭ, ಯೋಜನೆ, ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಗಳು
ವಿವರಣೆಗಳು. ರೇಖಾಚಿತ್ರವು ಪುನರಾವರ್ತಿತ ಸ್ವಭಾವವನ್ನು ವಿವರಿಸುತ್ತದೆ ಅಥವಾ
ವಿಕಸನೀಯ ಬೆಳವಣಿಗೆ a ಡೇಟಾ ವೇರ್ಹೌಸ್ ಬಳಸಿ ಪ್ರಕ್ರಿಯೆ
ದ್ವಿಮುಖ ಬಾಣಗಳನ್ನು ವಿವಿಧ ಹಂತಗಳ ನಡುವೆ ಇರಿಸಲಾಗುತ್ತದೆ. ಈ
"ಪುನರಾವರ್ತನೆ" ಮತ್ತು "ವಿಕಸನೀಯ" ಸಂದರ್ಭ ಎಂದರೆ, ಪ್ರತಿಯೊಂದರಲ್ಲೂ
ಪ್ರಕ್ರಿಯೆಯ ಹಂತ, ಅನುಷ್ಠಾನ ಚಟುವಟಿಕೆಗಳನ್ನು ಮಾಡಬಹುದು
ಯಾವಾಗಲೂ ಹಿಂದಿನ ಹಂತಕ್ಕೆ ಹಿಂದಕ್ಕೆ ಹರಡಿ. ಇದು
ಯೋಜನೆಯ ಸ್ವರೂಪದಿಂದಾಗಿ a ಡೇಟಾ ವೇರ್ಹೌಸ್ ಯಾವುದರಲ್ಲಿ
ಯಾವುದೇ ಸಮಯದಲ್ಲಿ ಹೆಚ್ಚುವರಿ ವಿನಂತಿಗಳು ಉದ್ಭವಿಸುತ್ತವೆ
ಅಂತಿಮ ಬಳಕೆದಾರರ. ಉದಾಹರಣೆಗೆ, ಅಭಿವೃದ್ಧಿ ಹಂತದಲ್ಲಿ a
ಪ್ರಕ್ರಿಯೆ ಡೇಟಾ ವೇರ್ಹೌಸ್, ಅಂತಿಮ ಬಳಕೆದಾರರಿಂದ ಒಂದನ್ನು ವಿನಂತಿಸಲಾಗಿದೆ
ಹೊಸ ಆಯಾಮ ಅಥವಾ ವಿಷಯ ಪ್ರದೇಶ, ಇದು ಸೇರಿಲ್ಲ
ಮೂಲ ಯೋಜನೆ, ಇದನ್ನು ಸಿಸ್ಟಮ್‌ಗೆ ಸೇರಿಸಬೇಕು. ಈ
ಯೋಜನೆಯಲ್ಲಿ ಬದಲಾವಣೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಇದರ ಫಲಿತಾಂಶವೆಂದರೆ ತಂಡ
ವಿನ್ಯಾಸವು ಇಲ್ಲಿಯವರೆಗೆ ರಚಿಸಲಾದ ದಾಖಲೆಗಳ ಅವಶ್ಯಕತೆಗಳನ್ನು ಬದಲಾಯಿಸಬೇಕು
ವಿನ್ಯಾಸ ಹಂತದಲ್ಲಿ. ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಪ್ರಸ್ತುತ ಸ್ಥಿತಿ
ಯೋಜನೆಯು ವಿನ್ಯಾಸ ಹಂತಕ್ಕೆ ಹಿಂತಿರುಗಬೇಕು
ಹೊಸ ವಿನಂತಿಯನ್ನು ಸೇರಿಸಬೇಕು ಮತ್ತು ದಾಖಲಿಸಬೇಕು. ಬಳಕೆದಾರ
ಅಂತಿಮ ನಿರ್ದಿಷ್ಟ ದಸ್ತಾವೇಜನ್ನು ಪರಿಶೀಲಿಸಿದ ei ಅನ್ನು ನೋಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ
ಅಭಿವೃದ್ಧಿಯ ಹಂತದಲ್ಲಿ ಮಾಡಿದ ಬದಲಾವಣೆಗಳು. ಕೊನೆಯಲ್ಲಿ
ಈ ಅಭಿವೃದ್ಧಿ ಚಕ್ರದಿಂದ ಯೋಜನೆಯು ಉತ್ತಮ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಪಡೆಯಬೇಕು
ಎರಡೂ ತಂಡಗಳು, ಅಭಿವೃದ್ಧಿ ತಂಡ ಮತ್ತು ಬಳಕೆದಾರರ ತಂಡ. ದಿ
ಭವಿಷ್ಯದ ಯೋಜನೆಯನ್ನು ಸುಧಾರಿಸಲು ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಮರುಬಳಕೆ ಮಾಡಲಾಗುತ್ತದೆ.
ಸಾಮರ್ಥ್ಯ ಯೋಜನೆ
Dw ಗಾತ್ರದಲ್ಲಿ ತುಂಬಾ ದೊಡ್ಡದಾಗಿದೆ ಮತ್ತು ಬೆಳೆಯುತ್ತದೆ
ಬಹಳ ಬೇಗನೆ (ಅತ್ಯುತ್ತಮ 1995, ರುಡಿನ್ 1997a) ಅನುಸರಿಸಿ
ಮೊತ್ತ dati ಅವರು ತಮ್ಮ ಅವಧಿಯಿಂದ ಉಳಿಸಿಕೊಂಡಿರುವ ಇತಿಹಾಸಗಳು. ಅಲ್ಲಿ
ಬೆಳವಣಿಗೆಯೂ ಉಂಟಾಗಬಹುದು dati ವಿನಂತಿಸಿದ ಹೆಚ್ಚುವರಿ ಐಟಂಗಳು
ಮೌಲ್ಯವನ್ನು ಹೆಚ್ಚಿಸಲು ಬಳಕೆದಾರರು dati ಅವರು ಈಗಾಗಲೇ ಹೊಂದಿದ್ದಾರೆ. ಇಂದ
ಪರಿಣಾಮವಾಗಿ, ಶೇಖರಣಾ ಅವಶ್ಯಕತೆಗಳು dati ಮಾಡಬಹುದು
ಗಮನಾರ್ಹವಾಗಿ ವರ್ಧಿಸುತ್ತದೆ (ಎಕರ್ಸನ್ 1997). ಆದ್ದರಿಂದ ಇದು
ಯೋಜನೆಯನ್ನು ನಡೆಸುವ ಮೂಲಕ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಅತ್ಯಗತ್ಯ
ಸಾಮರ್ಥ್ಯ, ನಿರ್ಮಿಸಬೇಕಾದ ವ್ಯವಸ್ಥೆಯು ಬೆಳೆಯಬಹುದು
ಅಗತ್ಯಗಳ ಬೆಳವಣಿಗೆ (ಅತ್ಯುತ್ತಮ 1995, ಲ್ಯಾಪ್ಲಾಂಟೆ 1996, ಲ್ಯಾಂಗ್ 1997,
ಎಕರ್ಸನ್ 1997, ರುಡಿನ್ 1997a, ಫೋಲೆ 1997a).
dw ಸ್ಕೇಲೆಬಿಲಿಟಿಗಾಗಿ ಯೋಜಿಸುವಾಗ, ಒಬ್ಬರು ತಿಳಿದಿರಬೇಕು
ದಾಸ್ತಾನು ಗಾತ್ರದಲ್ಲಿ ನಿರೀಕ್ಷಿತ ಬೆಳವಣಿಗೆ, ಪ್ರಶ್ನೆಗಳ ಪ್ರಕಾರಗಳು
ಕೈಗೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿದೆ ಮತ್ತು ಬೆಂಬಲಿತ ಅಂತಿಮ ಬಳಕೆದಾರರ ಸಂಖ್ಯೆ (ಅತ್ಯುತ್ತಮ
1995, ರುಡಿನ್ 1997b, ಫೋಲೆ 1997a). ಸ್ಕೇಲೆಬಲ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಿ
ಸ್ಕೇಲೆಬಲ್ ಸರ್ವರ್ ತಂತ್ರಜ್ಞಾನಗಳು ಮತ್ತು ತಂತ್ರಗಳ ಸಂಯೋಜನೆಯ ಅಗತ್ಯವಿದೆ
ಸ್ಕೇಲೆಬಲ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ವಿನ್ಯಾಸ (ಅತ್ಯುತ್ತಮ 1995, ರುಡಿನ್ 1997b.
ಅಪ್ಲಿಕೇಶನ್ ರಚಿಸುವಾಗ ಎರಡೂ ಅಗತ್ಯ
ಅತ್ಯಂತ ಸ್ಕೇಲೆಬಲ್. ಸ್ಕೇಲೆಬಲ್ ಸರ್ವರ್ ತಂತ್ರಜ್ಞಾನಗಳು ಮಾಡಬಹುದು
ಸಂಗ್ರಹಣೆ, ಮೆಮೊರಿ ಮತ್ತು ಸೇರಿಸಲು ಸುಲಭ ಮತ್ತು ಪ್ರಯೋಜನಕಾರಿಯಾಗಿ ಮಾಡಿ
ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕೆಳಮಟ್ಟಕ್ಕಿಳಿಸದೆ CPU (ಲ್ಯಾಂಗ್ 1997, ಟೆಲಿಫೋನಿ 1997).
ಎರಡು ಮುಖ್ಯ ಸ್ಕೇಲೆಬಲ್ ಸರ್ವರ್ ತಂತ್ರಜ್ಞಾನಗಳಿವೆ: ಕಂಪ್ಯೂಟ್
ಸಮ್ಮಿತೀಯ ಬಹು (SMP) ಮತ್ತು ಬೃಹತ್ ಸಂಸ್ಕರಣೆ
ಸಮಾನಾಂತರ (MPP) ) (IDC 1997, Humphries et al. 1999). ಒಂದು ಸರ್ವರ್
SMP ಸಾಮಾನ್ಯವಾಗಿ ಒಂದು ಮೆಮೊರಿಯನ್ನು ಹಂಚಿಕೊಳ್ಳುವ ಬಹು ಪ್ರೊಸೆಸರ್‌ಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ,
ಬಸ್ ವ್ಯವಸ್ಥೆ ಮತ್ತು ಇತರ ಸಂಪನ್ಮೂಲಗಳು (IDC 1997, Humphries et al. 1999).
ವರ್ಧನೆಗಾಗಿ ಹೆಚ್ಚುವರಿ ಪ್ರೊಸೆಸರ್‌ಗಳನ್ನು ಸೇರಿಸಬಹುದು
ಅವನ ವಿದ್ಯುತ್ ಕಂಪ್ಯೂಟೇಶನಲ್. ಹೆಚ್ಚಿಸಲು ಮತ್ತೊಂದು ವಿಧಾನ
ವಿದ್ಯುತ್ SMP ಸರ್ವರ್‌ನ ಕಂಪ್ಯೂಟೇಶನಲ್ ಪವರ್, ಹಲವಾರು ಸಂಯೋಜಿಸುವುದು
SMP ಯಂತ್ರಗಳು. ಈ ತಂತ್ರವನ್ನು ಕ್ಲಸ್ಟರಿಂಗ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ (ಹಂಫ್ರೀಸ್
ಮತ್ತು ಇತರರು. 1999). ಒಂದು MPP ಸರ್ವರ್, ಮತ್ತೊಂದೆಡೆ, ಪ್ರತಿಯೊಂದೂ ಬಹು ಸಂಸ್ಕಾರಕಗಳನ್ನು ಹೊಂದಿದೆ
ತನ್ನದೇ ಆದ ಮೆಮೊರಿ, ಬಸ್ ವ್ಯವಸ್ಥೆ ಮತ್ತು ಇತರ ಸಂಪನ್ಮೂಲಗಳೊಂದಿಗೆ (IDC 1997,
ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು. 1999). ಪ್ರತಿಯೊಂದು ಪ್ರೊಸೆಸರ್ ಅನ್ನು ನೋಡ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಎ
ಹೆಚ್ಚಳ ವಿದ್ಯುತ್ ಕಂಪ್ಯೂಟೇಶನಲ್ ಸಾಧಿಸಬಹುದು
MPP ಸರ್ವರ್‌ಗಳಿಗೆ ಹೆಚ್ಚುವರಿ ನೋಡ್‌ಗಳನ್ನು ಸೇರಿಸುವುದು (ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು.
1999).
SMP ಸರ್ವರ್‌ಗಳ ದೌರ್ಬಲ್ಯವು ಹಲವಾರು ಇನ್‌ಪುಟ್-ಔಟ್‌ಪುಟ್ ಕಾರ್ಯಾಚರಣೆಗಳು
(I/O) ಬಸ್ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ದಟ್ಟಣೆಯನ್ನು ಉಂಟುಮಾಡಬಹುದು (IDC 1997). ಈ
ಪ್ರತಿಯೊಂದರಿಂದಲೂ MPP ಸರ್ವರ್‌ಗಳಲ್ಲಿ ಸಮಸ್ಯೆ ಉಂಟಾಗುವುದಿಲ್ಲ
ಪ್ರೊಸೆಸರ್ ತನ್ನದೇ ಆದ ಬಸ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಹೊಂದಿದೆ. ಆದಾಗ್ಯೂ, ಪರಸ್ಪರ ಸಂಪರ್ಕಗಳು
ಪ್ರತಿ ನೋಡ್ ನಡುವೆ ಅವು ಸಾಮಾನ್ಯವಾಗಿ ಬಸ್ ವ್ಯವಸ್ಥೆಗಿಂತ ಹೆಚ್ಚು ನಿಧಾನವಾಗಿರುತ್ತವೆ
SMP ಗಳ. ಹೆಚ್ಚುವರಿಯಾಗಿ, MPP ಸರ್ವರ್‌ಗಳು ಪದರವನ್ನು ಸೇರಿಸಬಹುದು
ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಹೆಚ್ಚುವರಿ ಸಂಕೀರ್ಣತೆ (IDC
1997). ಹೀಗಾಗಿ, SMP ಮತ್ತು MPP ಸರ್ವರ್‌ಗಳ ನಡುವಿನ ಆಯ್ಕೆಯು ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ
ಪ್ರಶ್ನೆಗಳ ಸಂಕೀರ್ಣತೆ, ಸಂಬಂಧ ಸೇರಿದಂತೆ ಹಲವು ಅಂಶಗಳಿಂದ
ಬೆಲೆ/ಕಾರ್ಯಕ್ಷಮತೆ, ಅಗತ್ಯವಿರುವ ಚಿಕಿತ್ಸಾ ಸಾಮರ್ಥ್ಯ, ದಿ
dw ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಮತ್ತು ಗಾತ್ರದಲ್ಲಿ ಹೆಚ್ಚಳವನ್ನು ತಡೆಯುತ್ತದೆ ಡೇಟಾಬೇಸ್
dw ಮತ್ತು ಅಂತಿಮ ಬಳಕೆದಾರರ ಸಂಖ್ಯೆಯಲ್ಲಿ.
ಹಲವಾರು ಸ್ಕೇಲೆಬಲ್ ಅಪ್ಲಿಕೇಶನ್ ವಿನ್ಯಾಸ ತಂತ್ರಗಳು
ಸಾಮರ್ಥ್ಯ ಯೋಜನೆಯಲ್ಲಿ ಬಳಸಬಹುದು. ಒಂದು
ದಿನಗಳು, ವಾರಗಳು, ತಿಂಗಳುಗಳು ಮತ್ತು ವರ್ಷಗಳಂತಹ ವಿವಿಧ ಅಧಿಸೂಚನೆ ಅವಧಿಗಳನ್ನು ಬಳಸುತ್ತದೆ.
ವಿವಿಧ ಅಧಿಸೂಚನೆ ಅವಧಿಗಳನ್ನು ಹೊಂದಿರುವ, ದಿ ಡೇಟಾಬೇಸ್ ಎಂದು ವಿಂಗಡಿಸಬಹುದು
ತುಣುಕುಗಳನ್ನು ಸುಲಭವಾಗಿ ಒಟ್ಟುಗೂಡಿಸಲಾಗುತ್ತದೆ (ಇನ್ಮನ್ ಮತ್ತು ಇತರರು 1997). ಮತ್ತೊಂದು
ನಿರ್ಮಿಸಲಾದ ಸಾರಾಂಶ ಕೋಷ್ಟಕಗಳನ್ನು ಬಳಸುವುದು ತಂತ್ರವಾಗಿದೆ
ಸಾರಾಂಶ dati da dati ವಿವರವಾದ. ಆದ್ದರಿಂದ, ಐ dati ಸಾರಾಂಶಗಳು ಹೆಚ್ಚು
ವಿವರವಾದದ್ದಕ್ಕಿಂತ ಕಾಂಪ್ಯಾಕ್ಟ್, ಇದು ಕಡಿಮೆ ಮೆಮೊರಿ ಸ್ಥಳವನ್ನು ಬಯಸುತ್ತದೆ.
ಆದ್ದರಿಂದ ದಿ dati ವಿವರಗಳನ್ನು ಡ್ರೈವ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಬಹುದು
ಅಗ್ಗದ ಸಂಗ್ರಹಣೆ, ಇದು ಇನ್ನೂ ಹೆಚ್ಚಿನ ಸಂಗ್ರಹಣೆಯನ್ನು ಉಳಿಸುತ್ತದೆ.
ಸಾರಾಂಶ ಕೋಷ್ಟಕಗಳನ್ನು ಬಳಸುವುದರಿಂದ ಜಾಗವನ್ನು ಉಳಿಸಬಹುದು
ಮೆಮೊರಿ, ಅವುಗಳನ್ನು ನವೀಕೃತವಾಗಿ ಇರಿಸಿಕೊಳ್ಳಲು ಮತ್ತು ಒಳಗೊಳ್ಳಲು ಅವರಿಗೆ ಸಾಕಷ್ಟು ಶ್ರಮ ಬೇಕಾಗುತ್ತದೆ
ವಾಣಿಜ್ಯ ಅಗತ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ. ಆದಾಗ್ಯೂ, ಈ ತಂತ್ರ
ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ತಂತ್ರದ ಜೊತೆಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ
ಹಿಂದಿನ(ಅತ್ಯುತ್ತಮ 1995, ಇನ್ಮೋನ್ 1996a, ಚೌದುರಿ ಮತ್ತು ದಯಾಳ್
1997).
ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮಾಹಿತಿ ಉಗ್ರಾಣ ತಾಂತ್ರಿಕ
ಆರ್ಕಿಟೆಕ್ಚರ್ಸ್ ತಂತ್ರಗಳ ವ್ಯಾಖ್ಯಾನ
dw ಆರ್ಕಿಟೆಕ್ಚರ್ಸ್
ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್‌ನ ಆರಂಭಿಕ ಅಳವಡಿಕೆದಾರರು ಪ್ರಾಥಮಿಕವಾಗಿ ಕಲ್ಪಿಸಿಕೊಂಡರು
ಎಲ್ಲಾ ಅಲ್ಲಿ dw ನ ಕೇಂದ್ರೀಕೃತ ಅನುಷ್ಠಾನ dati, ಒಳಗೊಂಡಿತ್ತು
i dati ಬಾಹ್ಯ, ಒಂದೇ ಆಗಿ ಸಂಯೋಜಿಸಲಾಗಿದೆ,
ಭೌತಿಕ ಸಂಗ್ರಹಣೆ (ಇನ್ಮನ್ 1996a, ಬ್ರೆಸ್ನಾಹನ್ 1996, ಪೀಕಾಕ್ 1998).
ಈ ವಿಧಾನದ ಮುಖ್ಯ ಪ್ರಯೋಜನವೆಂದರೆ ಅಂತಿಮ ಬಳಕೆದಾರರು
ನಾನು ಉದ್ಯಮಶೀಲತೆಯ ಪ್ರಮಾಣದಲ್ಲಿ ವೀಕ್ಷಣೆಯನ್ನು ಪ್ರವೇಶಿಸಲು ಸಮರ್ಥನಾಗಿದ್ದೇನೆ
(ಉದ್ಯಮ-ವ್ಯಾಪಕ ನೋಟ) dei dati ಸಾಂಸ್ಥಿಕ (Ovum 1998). ಇನ್ನೊಂದು
ಪ್ರಯೋಜನವೆಂದರೆ ಅದು ಪ್ರಮಾಣೀಕರಣವನ್ನು ನೀಡುತ್ತದೆ dati ಮೂಲಕ
ಸಂಸ್ಥೆ, ಅಂದರೆ ಕೇವಲ ಒಂದು ಆವೃತ್ತಿ ಇದೆ ಅಥವಾ
dw ಠೇವಣಿಯಲ್ಲಿ ಬಳಸುವ ಪ್ರತಿಯೊಂದು ಪರಿಭಾಷೆಗೆ ವ್ಯಾಖ್ಯಾನ
(ರೆಪೊಸಿಟಿ) ಮೆಟಾಡೇಟಾ (ಫ್ಲಾನಗನ್ ಮತ್ತು ಸಫ್ಡೀ 1997, ಓವಮ್ 1998). ದಿ
ಈ ವಿಧಾನದ ಅನನುಕೂಲವೆಂದರೆ, ಮತ್ತೊಂದೆಡೆ, ಇದು ದುಬಾರಿ ಮತ್ತು ಕಷ್ಟಕರವಾಗಿದೆ
ನಿರ್ಮಿಸಲಾಗುವುದು (ಫ್ಲಾನಗನ್ ಮತ್ತು ಸಫ್ಡಿ 1997, ಓವಮ್ 1998, ಇನ್ಮನ್ ಮತ್ತು ಇತರರು.
1998). ಶೇಖರಣಾ ವಾಸ್ತುಶಿಲ್ಪದ ನಂತರ ಸ್ವಲ್ಪ ಸಮಯದ ನಂತರ dati
ಕೇಂದ್ರೀಕೃತ ಜನಪ್ರಿಯವಾಯಿತು, ಹೊರತೆಗೆಯುವಿಕೆಯ ಪರಿಕಲ್ಪನೆಯು ವಿಕಸನಗೊಂಡಿತು
ನ ಚಿಕ್ಕ ಉಪವಿಭಾಗಗಳು dati ಅಗತ್ಯಗಳನ್ನು ಬೆಂಬಲಿಸಲು
ನಿರ್ದಿಷ್ಟ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು (ವಾರ್ನಿ 1996, IDC 1997, ಬರ್ಸನ್ ಮತ್ತು ಸ್ಮಿತ್
1997, ನವಿಲು 1998). ಈ ಸಣ್ಣ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಹೆಚ್ಚು ಪಡೆಯಲಾಗಿದೆ
ದೊಡ್ಡದು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಕೇಂದ್ರೀಕೃತ. ಅವುಗಳನ್ನು ದಿನಾಂಕ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ
ಅವಲಂಬಿತ ಇಲಾಖೆಯ ಗೋದಾಮುಗಳು ಅಥವಾ ಅವಲಂಬಿತ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳು.
ಅವಲಂಬಿತ ಡೇಟಾ ಮಾರ್ಟ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ
ಮೊದಲ ಹಂತವು ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುವ ಮೂರು ಹಂತದ ವಾಸ್ತುಶಿಲ್ಪ
ಕೇಂದ್ರೀಕೃತ ಗೋದಾಮು, ಎರಡನೆಯದು ಗೋದಾಮುಗಳನ್ನು ಒಳಗೊಂಡಿದೆ dati
ವಿಭಾಗೀಯ ಮತ್ತು ಮೂರನೆಯದು ಪ್ರವೇಶವನ್ನು ಒಳಗೊಂಡಿದೆ dati ಮತ್ತು ಉಪಕರಣಗಳಿಂದ
ವಿಶ್ಲೇಷಣೆ (Demarest 1994, Inmon et al. 1997).
ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ನಂತರ ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್
ಕೇಂದ್ರೀಕೃತ ಅಗತ್ಯಗಳನ್ನು ಪೂರೈಸಲು ನಿರ್ಮಿಸಲಾಗಿದೆ
ನಿರ್ದಿಷ್ಟ ಘಟಕಗಳು (ವೈಟ್ 1995, ವಾರ್ನಿ 1996).
ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳು ಸಂಗ್ರಹಿಸುತ್ತವೆ dati ವಿವರಗಳಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಬಹಳ ಪ್ರಸ್ತುತವಾಗಿದೆ
ಏಕತೆ (ಇನ್ಮನ್ ಮತ್ತು ಇತರರು. 1997, ಇನ್ಮನ್ ಮತ್ತು ಇತರರು. 1998, IA 1998).
ಈ ವಿಧಾನದ ಪ್ರಯೋಜನವೆಂದರೆ ಯಾವುದೇ ಇರುವುದಿಲ್ಲ ನೀಡಿದ ಅಲ್ಲದ
ಸಂಯೋಜಿತ ಮತ್ತು ಅದು i dati ಡೇಟಾದಲ್ಲಿ ಅವು ಕಡಿಮೆ ಅನಗತ್ಯವಾಗಿರುತ್ತವೆ
ಎಲ್ಲಾ ರಿಂದ ಮಾರ್ಟ್ಸ್ dati ಅವರು ಉಗ್ರಾಣದಿಂದ ಬರುತ್ತಾರೆ dati ಸಂಯೋಜಿಸಲಾಗಿದೆ.
ಮತ್ತೊಂದು ಪ್ರಯೋಜನವೆಂದರೆ ಪ್ರತಿಯೊಂದರ ನಡುವೆ ಕೆಲವು ಸಂಪರ್ಕಗಳು ಇರುತ್ತವೆ
ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳು ಮತ್ತು ಸಂಬಂಧಿತ ಮೂಲಗಳು dati ಏಕೆಂದರೆ ಪ್ರತಿ ಡೇಟಾ ಮಾರ್ಟ್ ಮಾತ್ರ ಹೊಂದಿದೆ
ಒಂದು ಮೂಲ dati. ಜೊತೆಗೆ ಈ ವಾಸ್ತುಶಿಲ್ಪದೊಂದಿಗೆ, ಬಳಕೆದಾರರು
ಫೈನಲ್‌ಗಳು ಇನ್ನೂ ಅವಲೋಕನವನ್ನು ಪ್ರವೇಶಿಸಬಹುದು dati
ಕಾರ್ಪೊರೇಟ್ ಸಂಸ್ಥೆಗಳು. ಈ ವಿಧಾನವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ
ಟಾಪ್-ಡೌನ್ ವಿಧಾನ, ಇದರಲ್ಲಿ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳನ್ನು ಡೇಟಾದ ನಂತರ ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ
ಗೋದಾಮು (ನವಿಲು 1998, ಗೋಫ್ 1998).
ಆರಂಭಿಕ ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸುವ ಅಗತ್ಯವನ್ನು ಹೆಚ್ಚಿಸುವುದು, ಕೆಲವು
ಸಂಸ್ಥೆಗಳು ಸ್ವತಂತ್ರ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಪ್ರಾರಂಭಿಸಿವೆ
(ಫ್ಲಾನಗನ್ ಮತ್ತು ಸಫ್ಡೀ 1997, ವೈಟ್ 2000). ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಡೇಟಾ ಮಾರ್ಟ್ಸ್
ಅವರು ತಮ್ಮದನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ dati ಮೂಲಭೂತ ಅಂಶಗಳಿಂದ ನೇರವಾಗಿ dati OLTP ಮತ್ತು ಇಂದ ಅಲ್ಲ
ಕೇಂದ್ರೀಕೃತ ಮತ್ತು ಸಂಯೋಜಿತ ಸಂಗ್ರಹಣೆ, ಹೀಗಾಗಿ ಅಗತ್ಯವನ್ನು ತೆಗೆದುಹಾಕುತ್ತದೆ
ಸೈಟ್ನಲ್ಲಿ ಕೇಂದ್ರ ಸಂಗ್ರಹಣೆಯನ್ನು ಹೊಂದಿದೆ.
ಪ್ರತಿಯೊಂದು ಡೇಟಾ ಮಾರ್ಟ್‌ಗೆ ಅದರ ಮೂಲಗಳಿಗೆ ಕನಿಷ್ಠ ಒಂದು ಲಿಂಕ್ ಅಗತ್ಯವಿದೆ
di dati. ಪ್ರತಿ ದಿನಾಂಕಕ್ಕೆ ಬಹು ಲಿಂಕ್‌ಗಳನ್ನು ಹೊಂದಿರುವ ಒಂದು ಅನನುಕೂಲತೆ
ಮಾರ್ಟ್ ಎಂದರೆ, ಹಿಂದಿನ ಎರಡು ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ, ದಿ
ಮಿತಿಮೀರಿದ dati ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಾಗುತ್ತದೆ.
ಪ್ರತಿಯೊಂದು ಡೇಟಾ ಮಾರ್ಟ್ ಎಲ್ಲವನ್ನೂ ಸಂಗ್ರಹಿಸಬೇಕು dati ಸ್ಥಳೀಯವಾಗಿ ವಿನಂತಿಸಲಾಗಿದೆ
OLTP ವ್ಯವಸ್ಥೆಗಳ ಮೇಲೆ ಯಾವುದೇ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ. ಇದು ಐ dati
ಅವುಗಳನ್ನು ವಿವಿಧ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ (ಇನ್ಮನ್ ಮತ್ತು ಇತರರು 1997).
ಈ ವಾಸ್ತುಶಿಲ್ಪದ ಮತ್ತೊಂದು ಅನನುಕೂಲವೆಂದರೆ ಅದು ಕಾರಣವಾಗುತ್ತದೆ
ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳು ಮತ್ತು ಅವುಗಳ ನಡುವಿನ ಸಂಕೀರ್ಣ ಅಂತರ್ಸಂಪರ್ಕಗಳ ರಚನೆ
ಮೂಲಗಳು dati ನಿರ್ವಹಿಸಲು ಮತ್ತು ನಿಯಂತ್ರಿಸಲು ಕಷ್ಟಕರವಾದವು (ಇನ್ಮನ್ ಆವೃತ್ತಿ
ಇತರರು. 1997).
ಮತ್ತೊಂದು ಅನನುಕೂಲವೆಂದರೆ ಅಂತಿಮ ಬಳಕೆದಾರರಿಗೆ ಶಕ್ತಿ ನೀಡಲು ಸಾಧ್ಯವಿಲ್ಲ
ಕಂಪನಿಯ ಮಾಹಿತಿಯ ಅವಲೋಕನವನ್ನು i ನಂತೆ ಪ್ರವೇಶಿಸಿ dati
ವಿಭಿನ್ನ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸಲಾಗಿಲ್ಲ (Ovum 1998).
ಇನ್ನೂ ಒಂದು ಅನನುಕೂಲವೆಂದರೆ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಇರಬಹುದು
ಅದು ಉತ್ಪಾದಿಸುವ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳಲ್ಲಿ ಬಳಸುವ ಪ್ರತಿಯೊಂದು ಪರಿಭಾಷೆಗೆ ವ್ಯಾಖ್ಯಾನ
ಅಸಂಗತತೆಗಳು dati ಸಂಸ್ಥೆಯಲ್ಲಿ (Ovum 1998).
ಮೇಲೆ ಚರ್ಚಿಸಿದ ಅನನುಕೂಲಗಳ ಹೊರತಾಗಿಯೂ, ಸ್ವತಂತ್ರ ಡೇಟಾ ಮಾರ್ಟ್ಸ್
ಅವರು ಇನ್ನೂ ಅನೇಕ ಸಂಸ್ಥೆಗಳ ಆಸಕ್ತಿಯನ್ನು ಆಕರ್ಷಿಸುತ್ತಾರೆ (IDC 1997).
ಅವುಗಳನ್ನು ಆಕರ್ಷಕವಾಗಿ ಮಾಡುವ ಒಂದು ಅಂಶವೆಂದರೆ ಅವು ವೇಗವಾಗಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತವೆ
ಮತ್ತು ಕಡಿಮೆ ಸಮಯ ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ (ಬ್ರೆಸ್ನಾಹನ್ 1996, ಬರ್ಸನ್ ಇ
ಸ್ಮಿತ್ 1997, ಓವಮ್ 1998). ಅಂತೆಯೇ, ಅವರು ಮುಖ್ಯವಾಗಿ ಸೇವೆ ಸಲ್ಲಿಸುತ್ತಾರೆ
ಗುರುತಿಸಲು ಬಳಸಬಹುದಾದ ಪರೀಕ್ಷಾ ಯೋಜನೆಗಳಾಗಿ
ಯೋಜನೆಯಲ್ಲಿನ ಪ್ರಯೋಜನಗಳು ಮತ್ತು/ಅಥವಾ ಅಪೂರ್ಣತೆಗಳು ತ್ವರಿತವಾಗಿ (Parsaye
1995, ಬ್ರಾಲಿ 1995, ನ್ಯೂಯಿಂಗ್ 1996). ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಭಾಗದಿಂದ
ಪ್ರಾಯೋಗಿಕ ಯೋಜನೆಯಲ್ಲಿ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯು ಚಿಕ್ಕದಾಗಿರಬೇಕು ಆದರೆ ಮುಖ್ಯವಾಗಿರಬೇಕು
ಸಂಸ್ಥೆಗಾಗಿ (ನ್ಯೂವಿಂಗ್ 1996, ಮ್ಯಾನ್ಸೆಲ್-ಲೆವಿಸ್ 1996).
ಮೂಲಮಾದರಿಯನ್ನು ಪರೀಕ್ಷಿಸುವ ಮೂಲಕ, ಅಂತಿಮ ಬಳಕೆದಾರರು ಮತ್ತು ಆಡಳಿತ ಮಾಡಬಹುದು
ಯೋಜನೆಯನ್ನು ಮುಂದುವರಿಸಬೇಕೆ ಅಥವಾ ನಿಲ್ಲಿಸಬೇಕೆ ಎಂದು ನಿರ್ಧರಿಸಿ (ಫ್ಲಾನಗನ್ ಮತ್ತು ಸಫ್ಡಿ
1997).
ನಿರ್ಧಾರವು ಮುಂದುವರಿಯಬೇಕಾದರೆ, ಇತರ ವಲಯಗಳಿಗೆ ಡೇಟಾ ಮಾರ್ಟ್ಸ್
ಅವುಗಳನ್ನು ಒಂದೊಂದಾಗಿ ನಿರ್ಮಿಸಬೇಕು. ಇದಕ್ಕಾಗಿ ಎರಡು ಆಯ್ಕೆಗಳಿವೆ
ಡೇಟಾ ನಿರ್ಮಾಣದಲ್ಲಿ ಅವರ ಅಗತ್ಯಗಳನ್ನು ಆಧರಿಸಿ ಅಂತಿಮ ಬಳಕೆದಾರರು
ಸ್ವತಂತ್ರ ಮಾತೃಗಳು: ಸಂಯೋಜಿತ/ಸಂಯೋಜಿತ ಮತ್ತು ಅಸಂಘಟಿತ (Ovum
1998)
ಮೊದಲ ವಿಧಾನದಲ್ಲಿ, ಪ್ರತಿ ಹೊಸ ಡೇಟಾ ಮಾರ್ಟ್ ಅನ್ನು ನಿರ್ಮಿಸಬೇಕು
ಪ್ರಸ್ತುತ ಡೇಟಾ ಮಾರ್ಟ್ಸ್ ಮತ್ತು ಮಾದರಿಯನ್ನು ಆಧರಿಸಿದೆ dati ಬಳಸಲಾಗಿದೆ
ಸಂಸ್ಥೆಯಿಂದ (ವಾರ್ನಿ 1996, ಬರ್ಸನ್ ಮತ್ತು ಸ್ಮಿತ್ 1997, ಪೀಕಾಕ್ 1998).
ಮಾದರಿಯನ್ನು ಬಳಸುವ ಅವಶ್ಯಕತೆ dati ಕಂಪನಿಯು ಅದನ್ನು ಅಗತ್ಯಗೊಳಿಸುತ್ತದೆ
ಪ್ರತಿ ಪರಿಭಾಷೆಗೆ ಒಂದೇ ವ್ಯಾಖ್ಯಾನವಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ
ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳ ಮೂಲಕ ಬಳಸಲಾಗುತ್ತದೆ, ಇದು ಡೇಟಾವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಸಹ ಆಗಿದೆ
ಒಂದು ಅವಲೋಕನವನ್ನು ನೀಡಲು ವಿವಿಧ ಮಾರ್ಟ್‌ಗಳನ್ನು ವಿಲೀನಗೊಳಿಸಬಹುದು
ಕಾರ್ಪೊರೇಟ್ ಮಾಹಿತಿ (ಬ್ರೆಸ್ನಾಹನ್ 1996). ಈ ವಿಧಾನವು
ಬಾಟಮ್-ಅಪ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ನಿರ್ಬಂಧವಿದ್ದಾಗ ಉತ್ತಮವಾಗಿದೆ
ಹಣಕಾಸಿನ ವಿಧಾನಗಳು ಮತ್ತು ಸಮಯ (ಫ್ಲಾನಗನ್ ಮತ್ತು ಸಫ್ಡೀ 1997, ಓವಮ್ 1998,
ನವಿಲು 1998, ಗೋಫ್ 1998). ಎರಡನೇ ವಿಧಾನದಲ್ಲಿ, ಡೇಟಾ ಮಾರ್ಟ್ಸ್
ನಿರ್ಮಾಣವು ನಿರ್ದಿಷ್ಟ ಘಟಕದ ಅಗತ್ಯಗಳನ್ನು ಮಾತ್ರ ಪೂರೈಸುತ್ತದೆ.
ಫೆಡರೇಟೆಡ್ ಡೇಟಾ ಮಾರ್ಟ್‌ನ ಒಂದು ರೂಪಾಂತರವಾಗಿದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ವಿತರಣೆ
ಇದರಲ್ಲಿ ಡೇಟಾಬೇಸ್ ಹಬ್ ಸರ್ವರ್ ಮಿಡಲ್‌ವೇರ್ ಅನ್ನು ಹಲವು ಸೇರಲು ಬಳಸಲಾಗುತ್ತದೆ
ಒಂದೇ ರೆಪೊಸಿಟರಿಯಲ್ಲಿ ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳು dati ವಿತರಿಸಲಾಗಿದೆ (ಬಿಳಿ 1995). ರಲ್ಲಿ
ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಐ dati ಕಂಪನಿಗಳನ್ನು ಹಲವಾರು ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳಲ್ಲಿ ವಿತರಿಸಲಾಗುತ್ತದೆ.
ಅಂತಿಮ ಬಳಕೆದಾರರ ವಿನಂತಿಗಳನ್ನು ಫಾರ್ವರ್ಡ್ ಮಾಡಲಾಗಿದೆ ಡೇಟಾಬೇಸ್
ಸರ್ವರ್ ಹಬ್ ಮಿಡಲ್‌ವೇರ್, ಇದು ಎಲ್ಲವನ್ನೂ ಹೊರತೆಗೆಯುತ್ತದೆ dati ಡೇಟಾ ಮೂಲಕ ವಿನಂತಿಸಲಾಗಿದೆ
ಮಾರ್ಟ್ಸ್ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಅಂತಿಮ ಬಳಕೆದಾರರ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ಈ
ವಿಧಾನವು ಅಂತಿಮ ಬಳಕೆದಾರರಿಗೆ ವ್ಯಾಪಾರ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ,
ಡೇಟಾ ಮಾರ್ಟ್‌ಗಳ ಸಮಸ್ಯೆಗಳು ಇನ್ನೂ ನಿವಾರಣೆಯಾಗಿಲ್ಲ
ಸ್ವತಂತ್ರ. ಬಳಸಬಹುದಾದ ಮತ್ತೊಂದು ವಾಸ್ತುಶಿಲ್ಪವಿದೆ
ಕರೆ ಮಾಡಿ ಡೇಟಾ ವೇರ್ಹೌಸ್ ವರ್ಚುವಲ್ (ಬಿಳಿ 1995). ಆದಾಗ್ಯೂ, ಈ
ಚಿತ್ರ 2.9 ರಲ್ಲಿ ವಿವರಿಸಲಾದ ವಾಸ್ತುಶಿಲ್ಪವು ವಾಸ್ತುಶಿಲ್ಪವಲ್ಲ
ಸಂಗ್ರಹಣೆಯ dati ಇದು ಲೋಡ್ ಅನ್ನು ಸರಿಸುವುದಿಲ್ಲವಾದ್ದರಿಂದ ನಿಜ
OLTP ವ್ಯವಸ್ಥೆಗಳಿಂದ ಡೇಟಾ ವೇರ್ಹೌಸ್ (ಡಿಮಾರೆಸ್ಟ್ 1994).
ವಾಸ್ತವವಾಗಿ, ವಿನಂತಿಗಳು dati ಅಂತಿಮ ಬಳಕೆದಾರರಿಗೆ ದಾಟಿದೆ
ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿದ ನಂತರ ಫಲಿತಾಂಶಗಳನ್ನು ಹಿಂದಿರುಗಿಸುವ OLTP ವ್ಯವಸ್ಥೆಗಳು
ಬಳಕೆದಾರರ ವಿನಂತಿಗಳು. ಈ ವಾಸ್ತುಶಿಲ್ಪವು ಬಳಕೆದಾರರನ್ನು ಅನುಮತಿಸುತ್ತದೆ
ವರದಿಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ವಿನಂತಿಗಳನ್ನು ರೂಪಿಸಲು ಅಂತಿಮಗಳು, i ಒದಗಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ
dati ಕಂಪನಿಯ ಮಾಹಿತಿಯ ಐತಿಹಾಸಿಕ ಮತ್ತು ಅವಲೋಕನ i dati
ವಿವಿಧ OLTP ವ್ಯವಸ್ಥೆಗಳಿಂದ ಸಂಯೋಜಿಸಲಾಗಿಲ್ಲ. ಆದ್ದರಿಂದ, ಇದು
ವಾಸ್ತುಶಿಲ್ಪವು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಪೂರೈಸಲು ಸಾಧ್ಯವಿಲ್ಲ dati ಉದಾಹರಣೆಗೆ ಸಂಕೀರ್ಣ
ಉದಾಹರಣೆಗೆ ಮುನ್ಸೂಚನೆಗಳು.
ಪ್ರವೇಶ ಮತ್ತು ಪ್ರವೇಶ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಆಯ್ಕೆ
ಚೇತರಿಕೆ dati
ನಿರ್ಮಾಣದ ಉದ್ದೇಶ ಎ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಪ್ರಸಾರ ಮಾಡುವುದು
ಅಂತಿಮ ಬಳಕೆದಾರರಿಗೆ ಮಾಹಿತಿ (Inmon et al 1997, Poe 1996,
ಮ್ಯಾಕ್‌ಫ್ಯಾಡೆನ್ 1996, ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು 1997, ಹ್ಯಾಮರ್‌ಗ್ರೆನ್ 1998); ಒಂದು ಅಥವಾ
ಬಹು ಪ್ರವೇಶ ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು dati ಒದಗಿಸಬೇಕು. ಗೆ
ಇಂದು, ಬಳಕೆದಾರರಿಗೆ ಆಯ್ಕೆ ಮಾಡಲು ಈ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ವಿವಿಧತೆಗಳಿವೆ
ಆಯ್ಕೆ (ಹ್ಯಾಮರ್‌ಗ್ರೆನ್ 1998, ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು. 1999). ದಿ
ಆಯ್ದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಪ್ರಯತ್ನದ ಯಶಸ್ಸನ್ನು ನಿರ್ಧರಿಸುತ್ತವೆ
ಸಂಗ್ರಹಣೆಯ dati ಒಂದು ಸಂಸ್ಥೆಯಲ್ಲಿ ಏಕೆಂದರೆ
ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಹೆಚ್ಚು ಗೋಚರಿಸುವ ಭಾಗವಾಗಿದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಬಳಕೆದಾರರಿಗೆ
ಅಂತಿಮ (ಇನ್ಮನ್ ಮತ್ತು ಇತರರು 1997, ಪೋ 1996). ದಿನಾಂಕವನ್ನು ಯಶಸ್ವಿಯಾಗಲು
ಗೋದಾಮಿನ ವಿಶ್ಲೇಷಣೆ ಚಟುವಟಿಕೆಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ dati
ಅಂತಿಮ ಬಳಕೆದಾರರ (ಪೋ 1996, ಸೆಡನ್ ಮತ್ತು ಬೆಂಜಮಿನ್ 1998, ಎಕರ್ಸನ್
1999). ಆದ್ದರಿಂದ ಅಂತಿಮ ಬಳಕೆದಾರನು ಏನನ್ನು ಬಯಸುತ್ತಾನೆ ಎಂಬುದರ "ಮಟ್ಟ" ಇರಬೇಕು
ಗುರುತಿಸಲಾಗಿದೆ (ಪೋ 1996, ಮ್ಯಾಟಿಸನ್ 1996, ಇನ್ಮನ್ ಮತ್ತು ಇತರರು 1997,
ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು. 1999).
ಸಾಮಾನ್ಯವಾಗಿ ಹೇಳುವುದಾದರೆ, ಅಂತಿಮ ಬಳಕೆದಾರರನ್ನು ಮೂರು ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು
ವಿಭಾಗಗಳು: ಕಾರ್ಯನಿರ್ವಾಹಕ ಬಳಕೆದಾರರು, ವ್ಯಾಪಾರ ವಿಶ್ಲೇಷಕರು ಮತ್ತು ವಿದ್ಯುತ್ ಬಳಕೆದಾರರು (ಪೋ
1996, ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು 1999). ಕಾರ್ಯನಿರ್ವಾಹಕ ಬಳಕೆದಾರರ ಅಗತ್ಯವಿದೆ
ವರದಿಗಳ ಪೂರ್ವನಿರ್ಧರಿತ ಸೆಟ್‌ಗಳಿಗೆ ಸುಲಭ ಪ್ರವೇಶ (ಹಂಫ್ರೀಸ್ ಆವೃತ್ತಿ
ಇತರರು 1999). ಈ ವರದಿಗಳನ್ನು ಸುಲಭವಾಗಿ ಸಾಧಿಸಬಹುದು
ಮೆನು ನ್ಯಾವಿಗೇಶನ್ (ಪೋ 1996). ಜೊತೆಗೆ, ವರದಿಗಳು ಇರಬೇಕು
ಚಿತ್ರಾತ್ಮಕ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು ಮಾಹಿತಿಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿ
ತ್ವರಿತವಾಗಿ ಸಾಗಿಸಲು ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಟೆಂಪ್ಲೇಟ್‌ಗಳಂತಹವು
ಮಾಹಿತಿ (ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು 1999). ವ್ಯಾಪಾರ ವಿಶ್ಲೇಷಕರು, ಯಾರು ಇಲ್ಲ
ಅವರು ಸಂಬಂಧಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ತಾಂತ್ರಿಕ ಸಾಧ್ಯತೆಗಳನ್ನು ಹೊಂದಿರಬಹುದು
ಸ್ವಂತವಾಗಿ ಶೂನ್ಯ, ಅವರು ಪ್ರಸ್ತುತ ಸಂಬಂಧಗಳನ್ನು ಮಾರ್ಪಡಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ
ಅವರ ನಿರ್ದಿಷ್ಟ ಅಗತ್ಯಗಳನ್ನು ಪೂರೈಸಿಕೊಳ್ಳಿ (ಪೋ 1996, ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು
1999). ಮತ್ತೊಂದೆಡೆ, ಪವರ್ ಬಳಕೆದಾರರು, ಅಂತಿಮ ಬಳಕೆದಾರರ ಪ್ರಕಾರ
ವಿನಂತಿಗಳು ಮತ್ತು ವರದಿಗಳನ್ನು ರಚಿಸುವ ಮತ್ತು ಬರೆಯುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ
ಶೂನ್ಯ (ಪೋ 1996, ಹಂಫ್ರೀಸ್ ಮತ್ತು ಇತರರು 1999). ಅವರೇ ಆಗಿದ್ದಾರೆ
ಇತರ ರೀತಿಯ ಬಳಕೆದಾರರಿಗಾಗಿ ವರದಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿ (ಪೋ 1996, ಹಂಫ್ರೀಸ್
ಮತ್ತು ಇತರರು 1999).
ಒಮ್ಮೆ ನಿರ್ಧರಿಸಿದ ನಂತರ ಅಂತಿಮ ಬಳಕೆದಾರರ ಅವಶ್ಯಕತೆಗಳನ್ನು ಮಾಡಬೇಕು
ಪ್ರವೇಶ ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಆಯ್ಕೆ dati ಎಲ್ಲರ ನಡುವೆ
ಲಭ್ಯವಿರುವವುಗಳು (ಪೋ 1996, ಇನ್ಮನ್ ಮತ್ತು ಇತರರು 1997).
ಗೆ ಪ್ರವೇಶ dati ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ಉಪಕರಣಗಳು ಆಗಿರಬಹುದು
4 ವಿಧಗಳಾಗಿ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ: OLAP ಉಪಕರಣ, EIS/DSS ಉಪಕರಣ, ಪ್ರಶ್ನೆ ಸಾಧನ ಮತ್ತು
ವರದಿ ಮತ್ತು ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ ಉಪಕರಣಗಳು.
OLAP ಪರಿಕರಗಳು ಬಳಕೆದಾರರಿಗೆ ತಾತ್ಕಾಲಿಕ ಪ್ರಶ್ನೆಗಳನ್ನು ರಚಿಸಲು ಅನುಮತಿಸುತ್ತದೆ
ಮೇಲೆ ಮಾಡಿದವು ಡೇಟಾಬೇಸ್ ಆಫ್ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಜೊತೆಗೆ ಈ ಉತ್ಪನ್ನಗಳು
ನಿಂದ ಕೆಳಗೆ ಕೊರೆಯಲು ಬಳಕೆದಾರರನ್ನು ಅನುಮತಿಸಿ dati ಅವರಿಗೆ ಸಾಮಾನ್ಯ
ವಿವರವಾದ.
EIS/DSS ಪರಿಕರಗಳು ಕಾರ್ಯನಿರ್ವಾಹಕ ವರದಿಯನ್ನು "ವಾಟ್ ಇಫ್" ವಿಶ್ಲೇಷಣೆಯಾಗಿ ಒದಗಿಸುತ್ತವೆ
ಮತ್ತು ಮೆನು-ಸಂಘಟಿತ ವರದಿಗಳಿಗೆ ಪ್ರವೇಶ. ವರದಿಗಳು ಇರಬೇಕು
ಸುಲಭ ಸಂಚರಣೆಗಾಗಿ ಪೂರ್ವನಿರ್ಧರಿತ ಮತ್ತು ಮೆನುಗಳೊಂದಿಗೆ ವಿಲೀನಗೊಳಿಸಲಾಗಿದೆ.
ಪ್ರಶ್ನೆ ಮತ್ತು ವರದಿ ಮಾಡುವ ಪರಿಕರಗಳು ವರದಿಗಳನ್ನು ತಯಾರಿಸಲು ಬಳಕೆದಾರರನ್ನು ಅನುಮತಿಸುತ್ತದೆ
ಪೂರ್ವನಿರ್ಧರಿತ ಮತ್ತು ನಿರ್ದಿಷ್ಟ.
ಡೇಟಾ ಮೈನಿಂಗ್ ಉಪಕರಣಗಳನ್ನು ಸಂಬಂಧಗಳನ್ನು ಗುರುತಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ
ನಲ್ಲಿ ಮರೆತುಹೋದ ಕಾರ್ಯಾಚರಣೆಗಳ ಮೇಲೆ ಹೊಸ ಬೆಳಕು ಚೆಲ್ಲಬಹುದು dati ಆಫ್
ಮಾಹಿತಿ ಉಗ್ರಾಣ.
ಪ್ರತಿ ಪ್ರಕಾರದ ಬಳಕೆದಾರರ ಅಗತ್ಯತೆಗಳನ್ನು ಉತ್ತಮಗೊಳಿಸುವುದರ ಜೊತೆಗೆ, i
ಆಯ್ದ ಪರಿಕರಗಳು ಅರ್ಥಗರ್ಭಿತ, ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ಬಳಸಲು ಸುಲಭವಾಗಿರಬೇಕು.
ಅವರು ವಾಸ್ತುಶಿಲ್ಪದ ಇತರ ಭಾಗಗಳೊಂದಿಗೆ ಸಹ ಹೊಂದಿಕೆಯಾಗಬೇಕು e
ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವ್ಯವಸ್ಥೆಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ. ಮಾಡುವಂತೆಯೂ ಸೂಚಿಸಲಾಗಿದೆ
ಬೆಲೆಗಳು ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಯೊಂದಿಗೆ ಡೇಟಾ ಪ್ರವೇಶ ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ಸಾಧನಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ
ಸಮಂಜಸವಾದ. ಪರಿಗಣಿಸಬೇಕಾದ ಇತರ ಮಾನದಂಡಗಳು ಬದ್ಧತೆಯನ್ನು ಒಳಗೊಂಡಿವೆ
ತಮ್ಮ ಉತ್ಪನ್ನ ಮತ್ತು ಅದರ ಬೆಳವಣಿಗೆಗಳನ್ನು ಬೆಂಬಲಿಸುವಲ್ಲಿ ಉಪಕರಣದ ಮಾರಾಟಗಾರರು
ಅದೇ ಮುಂದಿನ ಬಿಡುಗಡೆಗಳಲ್ಲಿ ಇರುತ್ತದೆ. ಬಳಕೆದಾರರ ನಿಶ್ಚಿತಾರ್ಥವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅನ್ನು ಬಳಸುವಲ್ಲಿ, ಅಭಿವೃದ್ಧಿ ತಂಡವು ಒಳಗೊಂಡಿರುತ್ತದೆ
ಉಪಕರಣ ಆಯ್ಕೆ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಬಳಕೆದಾರರು. ಈ ವಿಷಯದಲ್ಲಿ
ಪ್ರಾಯೋಗಿಕ ಬಳಕೆದಾರ ಮೌಲ್ಯಮಾಪನವನ್ನು ಕೈಗೊಳ್ಳಬೇಕು.
ಡೇಟಾ ಗೋದಾಮಿನ ಮೌಲ್ಯವನ್ನು ಸುಧಾರಿಸಲು ಅಭಿವೃದ್ಧಿ ತಂಡವು ಮಾಡಬಹುದು
ಅವರ ಡೇಟಾ ಗೋದಾಮುಗಳಿಗೆ ವೆಬ್ ಪ್ರವೇಶವನ್ನು ಸಹ ಒದಗಿಸುತ್ತದೆ. ಎ
ವೆಬ್-ಸಕ್ರಿಯಗೊಳಿಸಿದ ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಬಳಕೆದಾರರಿಗೆ ಪ್ರವೇಶಿಸಲು ಅನುಮತಿಸುತ್ತದೆ dati
ದೂರದ ಸ್ಥಳಗಳಿಂದ ಅಥವಾ ಪ್ರಯಾಣಿಸುವಾಗ. ಹೆಚ್ಚಿನ ಮಾಹಿತಿ ಮಾಡಬಹುದು
ವೆಚ್ಚ ಕಡಿತದ ಮೂಲಕ ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ ಒದಗಿಸಲಾಗುವುದು
ತರಬೇತಿ.
2.4.3 ಮಾಹಿತಿ ಉಗ್ರಾಣ ಕಾರ್ಯಾಚರಣೆಯ ಹಂತ
ಈ ಹಂತವು ಮೂರು ಚಟುವಟಿಕೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ದಿನಾಂಕ ತಂತ್ರಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು
ರಿಫ್ರೆಶ್, ಡೇಟಾ ಗೋದಾಮಿನ ಚಟುವಟಿಕೆಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ನಿರ್ವಹಣೆ
ಡೇಟಾ ಗೋದಾಮಿನ ಭದ್ರತೆ.
ಡೇಟಾ ರಿಫ್ರೆಶ್ ತಂತ್ರಗಳ ವ್ಯಾಖ್ಯಾನ
ಆರಂಭಿಕ ಲೋಡಿಂಗ್ ನಂತರ, i dati ನೆಲ್ ಡೇಟಾಬೇಸ್ ಡೇಟಾ ಗೋದಾಮಿನ
ಆಡಲು ನಿಯತಕಾಲಿಕವಾಗಿ ರಿಫ್ರೆಶ್ ಮಾಡಬೇಕು
ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡಲಾಗಿದೆ dati ಮೂಲಗಳು. ಆದ್ದರಿಂದ ನಾವು ನಿರ್ಧರಿಸಬೇಕು
ಯಾವಾಗ ರಿಫ್ರೆಶ್ ಮಾಡಬೇಕು, ಎಷ್ಟು ಬಾರಿ
ರಿಫ್ರೆಶ್ ಮತ್ತು ಹೇಗೆ ರಿಫ್ರೆಶ್ ಮಾಡುವುದು dati. ಮಾಡಲು ಸೂಚಿಸಲಾಗಿದೆ
ರಿಫ್ರೆಶ್ ಡೀ dati ಸಿಸ್ಟಮ್ ಅನ್ನು ಯಾವಾಗ ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾಗಿದೆ. ಅಲ್ಲಿ
ರಿಫ್ರೆಶ್ ದರವನ್ನು ಅಭಿವೃದ್ಧಿ ತಂಡದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ
ಬಳಕೆದಾರರ ಅವಶ್ಯಕತೆಗಳ ಮೇಲೆ. ರಿಫ್ರೆಶ್ ಮಾಡಲು ಎರಡು ವಿಧಾನಗಳಿವೆ
ಡೇಟಾ ಗೋದಾಮು: ಸಂಪೂರ್ಣ ರಿಫ್ರೆಶ್ ಮತ್ತು ನಿರಂತರ ಲೋಡ್
ಬದಲಾವಣೆಗಳನ್ನು.
ಮೊದಲ ವಿಧಾನ, ಪೂರ್ಣ ರಿಫ್ರೆಶ್, ಮರುಲೋಡ್ ಅಗತ್ಯವಿದೆ
ಎಲ್ಲಾ dati ಆರಂಭದಿಂದ. ಇದರರ್ಥ ಎಲ್ಲಾ dati ಅಗತ್ಯವಿದೆ ಮಾಡಬೇಕು
ಪ್ರತಿ ರಿಫ್ರೆಶ್‌ನಲ್ಲಿ ಹೊರತೆಗೆಯಲಾಗುತ್ತದೆ, ಸ್ವಚ್ಛಗೊಳಿಸಬಹುದು, ರೂಪಾಂತರಗೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ. ಈ
ವಿಧಾನವನ್ನು ಸಾಧ್ಯವಾದಷ್ಟು ತಪ್ಪಿಸಬೇಕು ಏಕೆಂದರೆ
ಇದಕ್ಕೆ ಸಾಕಷ್ಟು ಸಮಯ ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳು ಬೇಕಾಗುತ್ತವೆ.
ಐ ಅನ್ನು ನಿರಂತರವಾಗಿ ಲೋಡ್ ಮಾಡುವುದು ಪರ್ಯಾಯ ವಿಧಾನವಾಗಿದೆ
ಬದಲಾವಣೆಗಳನ್ನು. ಇದು ಐ ಅನ್ನು ಸೇರಿಸುತ್ತದೆ dati ಎಂದು ಬದಲಾಯಿಸಲಾಗಿದೆ
ಕೊನೆಯ ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ರಿಫ್ರೆಶ್ ಸೈಕಲ್‌ನಿಂದ. ನ ಗುರುತಿಸುವಿಕೆ
ಹೊಸ ಅಥವಾ ಮಾರ್ಪಡಿಸಿದ ದಾಖಲೆಗಳು ಪ್ರಮಾಣವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ
dati ಪ್ರತಿಯೊಂದರಲ್ಲೂ ಡೇಟಾ ವೇರ್‌ಹೌಸ್‌ಗೆ ಪ್ರಚಾರ ಮಾಡಬೇಕು
ಇವುಗಳಿಂದ ಮಾತ್ರ ನವೀಕರಿಸಿ dati ಗೆ ಸೇರಿಸಲಾಗುವುದು ಡೇಟಾಬೇಸ್
ಡೇಟಾ ಗೋದಾಮಿನ.
ಹಿಂತೆಗೆದುಕೊಳ್ಳಲು ಬಳಸಬಹುದಾದ ಕನಿಷ್ಠ 5 ವಿಧಾನಗಳಿವೆ
i dati ಹೊಸ ಅಥವಾ ಮಾರ್ಪಡಿಸಿದ. ಸಮರ್ಥ ತಂತ್ರವನ್ನು ಪಡೆಯಲು
ರಿಫ್ರೆಶ್ ಡೀ dati ಈ ವಿಧಾನಗಳ ಮಿಶ್ರಣವು ಉಪಯುಕ್ತವಾಗಬಹುದು
ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ಎಲ್ಲಾ ಬದಲಾವಣೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್‌ಗಳನ್ನು ಬಳಸುವ ಮೊದಲ ವಿಧಾನವು ಬರುತ್ತದೆ ಎಂದು ಊಹಿಸುತ್ತದೆ
ಎಲ್ಲರಿಗೂ ನಿಯೋಜಿಸಲಾಗಿದೆ dati ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಅನ್ನು ಸಂಪಾದಿಸಲಾಗಿದೆ ಮತ್ತು ನವೀಕರಿಸಲಾಗಿದೆ
ಎಲ್ಲವನ್ನೂ ಸುಲಭವಾಗಿ ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ dati ಮಾರ್ಪಡಿಸಿದ ಮತ್ತು ಹೊಸ.
ಆದಾಗ್ಯೂ, ಈ ವಿಧಾನವು ಹೆಚ್ಚಿನವರಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲ್ಪಟ್ಟಿಲ್ಲ
ಇಂದಿನ ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಂಗಳ ಭಾಗವಾಗಿದೆ.
ರಚಿತವಾದ ಡೆಲ್ಟಾ ಫೈಲ್ ಅನ್ನು ಬಳಸುವುದು ಎರಡನೆಯ ವಿಧಾನವಾಗಿದೆ
ಕೇವಲ ಮಾಡಿದ ಬದಲಾವಣೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಅಪ್ಲಿಕೇಶನ್ dati.
ಈ ಫೈಲ್ ಅನ್ನು ಬಳಸುವುದರಿಂದ ನವೀಕರಣ ಚಕ್ರವನ್ನು ವರ್ಧಿಸುತ್ತದೆ.
ಆದಾಗ್ಯೂ, ಈ ವಿಧಾನವನ್ನು ಸಹ ಅನೇಕರಲ್ಲಿ ಬಳಸಲಾಗಿಲ್ಲ
ಅರ್ಜಿಗಳನ್ನು.
ಮೂರನೆಯ ವಿಧಾನವೆಂದರೆ ಲಾಗ್ ಫೈಲ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವುದು
ಮೂಲತಃ ಡೆಲ್ಟಾ ಫೈಲ್‌ಗೆ ಸಮಾನವಾದ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಒಂದೇ ಒಂದು
ವ್ಯತ್ಯಾಸವೆಂದರೆ ಮರುಪಡೆಯುವಿಕೆ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ಲಾಗ್ ಫೈಲ್ ಅನ್ನು ರಚಿಸಲಾಗಿದೆ ಮತ್ತು
ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಕಷ್ಟವಾಗಬಹುದು.
ನಾಲ್ಕನೇ ವಿಧಾನವೆಂದರೆ ಅಪ್ಲಿಕೇಶನ್ ಕೋಡ್ ಅನ್ನು ಮಾರ್ಪಡಿಸುವುದು.
ಆದಾಗ್ಯೂ ಹೆಚ್ಚಿನ ಅಪ್ಲಿಕೇಶನ್ ಕೋಡ್ ಹಳೆಯದಾಗಿದೆ ಮತ್ತು
ದುರ್ಬಲವಾದ; ಆದ್ದರಿಂದ ಈ ತಂತ್ರವನ್ನು ತಪ್ಪಿಸಬೇಕು.
ಕೊನೆಯ ವಿಧಾನವೆಂದರೆ ಹೋಲಿಸುವುದು dati ಕಡತದೊಂದಿಗೆ ಮೂಲಗಳು
ಮುಖ್ಯ ದೇವರುಗಳು dati.
ಡೇಟಾ ಗೋದಾಮಿನ ಚಟುವಟಿಕೆಗಳ ನಿಯಂತ್ರಣ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅನ್ನು ಬಳಕೆದಾರರಿಗೆ ಬಿಡುಗಡೆ ಮಾಡಿದ ನಂತರ, ಅದು
ಕಾಲಾನಂತರದಲ್ಲಿ ಅದನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವುದು ಅವಶ್ಯಕ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ನಿರ್ವಾಹಕರು
ಡೇಟಾ ಗೋದಾಮಿನ ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ನಿರ್ವಹಣಾ ಸಾಧನಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಬಹುದು ಮತ್ತು
ಡೇಟಾ ಗೋದಾಮಿನ ಬಳಕೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ನಿಯಂತ್ರಣ. ನಿರ್ದಿಷ್ಟವಾಗಿ
ಜನರು ಮತ್ತು ಹವಾಮಾನದ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಬಹುದು
ಅವರು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅನ್ನು ಪ್ರವೇಶಿಸುತ್ತಾರೆ. ಬನ್ನಿ dati ಬೆಳೆಗಳನ್ನು ರಚಿಸಬಹುದು
ನಿರ್ವಹಿಸಿದ ಕೆಲಸದ ಪ್ರೊಫೈಲ್ ಅನ್ನು ಇನ್ಪುಟ್ ಆಗಿ ಬಳಸಬಹುದು
ಬಳಕೆದಾರರ ಚಾರ್ಜ್‌ಬ್ಯಾಕ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವಲ್ಲಿ. ಚಾರ್ಜ್‌ಬ್ಯಾಕ್
ಸಂಸ್ಕರಣೆಯ ವೆಚ್ಚದ ಬಗ್ಗೆ ಬಳಕೆದಾರರಿಗೆ ತಿಳಿಸಲು ಅನುಮತಿಸುತ್ತದೆ
ಮಾಹಿತಿ ಉಗ್ರಾಣ.
ಇದಲ್ಲದೆ, ಡೇಟಾ ವೇರ್ಹೌಸ್ ನಿಯಂತ್ರಣವನ್ನು ಸಹ ಬಳಸಬಹುದು
ಪ್ರಶ್ನೆಗಳ ಪ್ರಕಾರಗಳನ್ನು ಗುರುತಿಸಿ, ಅವುಗಳ ಗಾತ್ರ, ಪ್ರತಿ ಪ್ರಶ್ನೆಗಳ ಸಂಖ್ಯೆ
ದಿನ, ಪ್ರಶ್ನೆಗೆ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯ, ತಲುಪಿದ ವಲಯಗಳು ಮತ್ತು ಪ್ರಮಾಣ
di dati ಸಂಸ್ಕರಿಸಿದ. ಚೆಕ್ ಮಾಡುವ ಇನ್ನೊಂದು ಉದ್ದೇಶ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅನ್ನು ಗುರುತಿಸುವುದು dati ಬಳಕೆಯಲ್ಲಿಲ್ಲ. ಇವು dati
ಸಮಯವನ್ನು ಸುಧಾರಿಸಲು ಅವುಗಳನ್ನು ಡೇಟಾ ಗೋದಾಮಿನಿಂದ ತೆಗೆದುಹಾಕಬಹುದು
ಪ್ರಶ್ನೆ ಎಕ್ಸಿಕ್ಯೂಶನ್ ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಬೆಳವಣಿಗೆಯ ಮೇಲ್ವಿಚಾರಣೆ
dati ಒಳಗೆ ವಾಸಿಸುವ ಡೇಟಾ ಬೇಸ್ ಡೇಟಾ ಗೋದಾಮಿನ.
ಡೇಟಾ ಗೋದಾಮಿನ ಭದ್ರತಾ ನಿರ್ವಹಣೆ
ಡೇಟಾ ಗೋದಾಮು ಒಳಗೊಂಡಿದೆ dati ಸಂಯೋಜಿತ, ವಿಮರ್ಶಾತ್ಮಕ, ಸೂಕ್ಷ್ಮ ಎಂದು
ಸುಲಭವಾಗಿ ತಲುಪಬಹುದು. ಈ ಕಾರಣಕ್ಕಾಗಿ ಇದು ಮಾಡಬೇಕು
ಅನಧಿಕೃತ ಬಳಕೆದಾರರಿಂದ ರಕ್ಷಿಸಲಾಗಿದೆ. ಒಂದು ದಾರಿ
ಭದ್ರತೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು ಡೆಲ್ ಕಾರ್ಯವನ್ನು ಬಳಸುವುದು ಡಿಬಿಎಂಎಸ್
ವಿವಿಧ ರೀತಿಯ ಬಳಕೆದಾರರಿಗೆ ವಿಭಿನ್ನ ಸವಲತ್ತುಗಳನ್ನು ನಿಯೋಜಿಸಲು. ಈ
ರೀತಿಯಲ್ಲಿ, ಪ್ರತಿಯೊಂದು ರೀತಿಯ ಬಳಕೆದಾರರಿಗಾಗಿ ಪ್ರೊಫೈಲ್ ಅನ್ನು ನಿರ್ವಹಿಸಬೇಕು
ಪ್ರವೇಶ. ನಿಮ್ಮ ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಅನ್ನು ಸುರಕ್ಷಿತವಾಗಿರಿಸಲು ಇನ್ನೊಂದು ಮಾರ್ಗವೆಂದರೆ ಅದನ್ನು ಎನ್‌ಕ್ರಿಪ್ಟ್ ಮಾಡುವುದು
ಎಂದು ಬರೆಯಲಾಗಿದೆ ಡೇಟಾ ಬೇಸ್ ಡೇಟಾ ಗೋದಾಮಿನ. ಗೆ ಪ್ರವೇಶ
dati ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ಉಪಕರಣಗಳು ಡೀಕ್ರಿಪ್ಟ್ ಮಾಡಬೇಕು dati ಸಲ್ಲಿಸುವ ಮೊದಲು i
ಬಳಕೆದಾರರಿಗೆ ಫಲಿತಾಂಶಗಳು.
2.4.4 ಮಾಹಿತಿ ಉಗ್ರಾಣ ನಿಯೋಜನೆ ಹಂತ
ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಅನುಷ್ಠಾನ ಚಕ್ರದಲ್ಲಿ ಇದು ಕೊನೆಯ ಹಂತವಾಗಿದೆ. ದಿ
ಈ ಹಂತದಲ್ಲಿ ಕೈಗೊಳ್ಳಬೇಕಾದ ಚಟುವಟಿಕೆಗಳು ತರಬೇತಿಯನ್ನು ಒಳಗೊಂಡಿವೆ
ಡೇಟಾ ಗೋದಾಮನ್ನು ಬಳಸಲು ಮತ್ತು ವಿಮರ್ಶೆಗಳನ್ನು ರಚಿಸಲು ಬಳಕೆದಾರರು
ಡೇಟಾ ಗೋದಾಮಿನ.
ಬಳಕೆದಾರರ ತರಬೇತಿ
ಬಳಕೆದಾರರ ತರಬೇತಿಯನ್ನು ಮೊದಲು ಮಾಡಬೇಕು
ಪ್ರವೇಶದ dati ಡೇಟಾ ಗೋದಾಮಿನ ಮತ್ತು ಉಪಕರಣಗಳ ಬಳಕೆ
ಮರುಪಡೆಯುವಿಕೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಅಧಿವೇಶನಗಳು ಪ್ರಾರಂಭವಾಗಬೇಕು
ಸಂಗ್ರಹಣೆಯ ಪರಿಕಲ್ಪನೆಯ ಪರಿಚಯ dati, ಗೆ
ಡೇಟಾ ಗೋದಾಮಿನ ವಿಷಯ, AI ಮೆಟಾ dati ಮತ್ತು ಮೂಲಭೂತ ಲಕ್ಷಣಗಳು
ಉಪಕರಣಗಳ. ನಂತರ, ಹೆಚ್ಚು ಮುಂದುವರಿದ ಬಳಕೆದಾರರು ಸಹ ಅಧ್ಯಯನ ಮಾಡಬಹುದು
ಭೌತಿಕ ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಡೇಟಾ ಪ್ರವೇಶ ಮತ್ತು ಪರಿಕರಗಳ ಬಳಕೆದಾರರ ವೈಶಿಷ್ಟ್ಯಗಳು
ಮರುಪಡೆಯುವಿಕೆ.
ಬಳಕೆದಾರರ ತರಬೇತಿಯನ್ನು ಮಾಡಲು ಹಲವು ವಿಧಾನಗಳಿವೆ. ಒಂದು
ಇದು ಅನೇಕ ಬಳಕೆದಾರರು ಅಥವಾ ವಿಶ್ಲೇಷಕರ ಆಯ್ಕೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ
ಬಳಕೆದಾರರ ಗುಂಪು, ಅವರ ನಾಯಕತ್ವ ಮತ್ತು ಸಾಮರ್ಥ್ಯದ ಆಧಾರದ ಮೇಲೆ
ಸಂವಹನ. ಇವುಗಳಿಗೆ ವೈಯಕ್ತಿಕ ಸಾಮರ್ಥ್ಯದಲ್ಲಿ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ
ಪರಿಚಿತರಾಗಲು ಅವರು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾದ ಎಲ್ಲವೂ
ವ್ಯವಸ್ಥೆ. ತರಬೇತಿ ಮುಗಿದ ನಂತರ, ಅವರು ತಮ್ಮ ಕೆಲಸಕ್ಕೆ ಮರಳುತ್ತಾರೆ ಮತ್ತು
ಅವರು ಸಿಸ್ಟಮ್ ಅನ್ನು ಹೇಗೆ ಬಳಸಬೇಕೆಂದು ಇತರ ಬಳಕೆದಾರರಿಗೆ ಕಲಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತಾರೆ. ಮೇಲೆ
ಅವರು ಕಲಿತದ್ದನ್ನು ಆಧರಿಸಿ, ಇತರ ಬಳಕೆದಾರರು ಪ್ರಾರಂಭಿಸಬಹುದು
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅನ್ನು ಅನ್ವೇಷಿಸಿ.
ಅದೇ ರೀತಿಯಲ್ಲಿ ಅನೇಕ ಬಳಕೆದಾರರಿಗೆ ತರಬೇತಿ ನೀಡುವುದು ಇನ್ನೊಂದು ವಿಧಾನವಾಗಿದೆ
ಸಮಯ, ನೀವು ತರಗತಿಯ ಕೋರ್ಸ್ ತೆಗೆದುಕೊಳ್ಳುತ್ತಿರುವಂತೆ. ಈ ವಿಧಾನ
ತರಬೇತಿ ಪಡೆಯಬೇಕಾದ ಅನೇಕ ಬಳಕೆದಾರರು ಇದ್ದಾಗ ಇದು ಸೂಕ್ತವಾಗಿದೆ
ಅದೇ ಸಮಯದಲ್ಲಿ. ಇನ್ನೊಂದು ವಿಧಾನವೆಂದರೆ ತರಬೇತಿ
ಪ್ರತಿಯೊಬ್ಬ ಬಳಕೆದಾರರು ಪ್ರತ್ಯೇಕವಾಗಿ, ಒಂದೊಂದಾಗಿ. ಈ ವಿಧಾನವು
ಕಡಿಮೆ ಬಳಕೆದಾರರಿರುವಾಗ ಸೂಕ್ತವಾಗಿದೆ.
ಬಳಕೆದಾರರ ತರಬೇತಿಯ ಉದ್ದೇಶವು ನಿಮ್ಮನ್ನು ಪರಿಚಯಿಸುವುದು
ಪ್ರವೇಶದೊಂದಿಗೆ dati ಮತ್ತು ಹಿಂಪಡೆಯುವ ಪರಿಕರಗಳು ಹಾಗೂ ವಿಷಯಗಳ
ಮಾಹಿತಿ ಉಗ್ರಾಣ. ಆದಾಗ್ಯೂ, ಕೆಲವು ಬಳಕೆದಾರರು ವಿಪರೀತವಾಗಬಹುದು
ಅಧಿವೇಶನದಲ್ಲಿ ಒದಗಿಸಿದ ಮಾಹಿತಿಯ ಪ್ರಮಾಣದಿಂದ
ತರಬೇತಿ. ಆದ್ದರಿಂದ ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ಕೆಲಸಗಳನ್ನು ಮಾಡಬೇಕು
ಪ್ರತಿಕ್ರಿಯಿಸಲು ನಡೆಯುತ್ತಿರುವ ಬೆಂಬಲ ಮತ್ತು ರಿಫ್ರೆಶ್ ಸೆಷನ್‌ಗಳು
ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆಗಳಿಗೆ. ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ಒಂದು ಗುಂಪು ರಚನೆಯಾಗುತ್ತದೆ
ಈ ರೀತಿಯ ಬೆಂಬಲವನ್ನು ಒದಗಿಸಲು ಬಳಕೆದಾರರು.
ಪ್ರತಿಕ್ರಿಯೆ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತಿದೆ
ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಅನ್ನು ಹೊರತಂದ ನಂತರ, ಬಳಕೆದಾರರು ಮಾಡಬಹುದು
i ಬಳಸಿ dati ಅದು ವಿವಿಧ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಡೇಟಾ ಗೋದಾಮಿನಲ್ಲಿ ವಾಸಿಸುತ್ತದೆ.
ಹೆಚ್ಚಾಗಿ, ವಿಶ್ಲೇಷಕರು ಅಥವಾ ಬಳಕೆದಾರರು i ಅನ್ನು ಬಳಸುತ್ತಾರೆ dati ನೆಲ್
ಇದಕ್ಕಾಗಿ ಡೇಟಾ ಗೋದಾಮು:
1 ಕಂಪನಿಯ ಪ್ರವೃತ್ತಿಯನ್ನು ಗುರುತಿಸಿ
2 ಖರೀದಿ ಪ್ರೊಫೈಲ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿ ಗ್ರಾಹಕರಿಗೆ
3 ಭಾಗಿಸಿ i ಗ್ರಾಹಕರಿಗೆ ಆವೃತ್ತಿ ನಾನು
4 ಅತ್ಯುತ್ತಮ ಸೇವೆಗಳನ್ನು ಒದಗಿಸಿ ಗ್ರಾಹಕರಿಗೆ - ಸೇವೆಗಳನ್ನು ಕಸ್ಟಮೈಸ್ ಮಾಡಿ
5 ತಂತ್ರಗಳನ್ನು ರೂಪಿಸಿ ಮಾರ್ಕೆಟಿಂಗ್
6 ವೆಚ್ಚದ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಸಹಾಯಕ್ಕಾಗಿ ಸ್ಪರ್ಧಾತ್ಮಕ ಉಲ್ಲೇಖಗಳನ್ನು ಒದಗಿಸಿ
ನಿಯಂತ್ರಣ
7 ಕಾರ್ಯತಂತ್ರದ ನಿರ್ಧಾರಗಳನ್ನು ಬೆಂಬಲಿಸಿ
8 ಎದ್ದು ಕಾಣುವ ಅವಕಾಶಗಳನ್ನು ಗುರುತಿಸಿ
9 ಪ್ರಸ್ತುತ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳ ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸಿ
10 ಲಾಭವನ್ನು ಪರಿಶೀಲಿಸಿ
ಡೇಟಾ ಗೋದಾಮಿನ ಅಭಿವೃದ್ಧಿ ನಿರ್ದೇಶನವನ್ನು ಅನುಸರಿಸಿ, ಅವರು ಮಾಡಬಹುದು
ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಪಡೆಯಲು ಸಿಸ್ಟಮ್ ವಿಮರ್ಶೆಗಳ ಸರಣಿಯನ್ನು ನಡೆಸಿ
ಅಭಿವೃದ್ಧಿ ತಂಡದಿಂದ ಮತ್ತು ಸಮುದಾಯದಿಂದ
ಅಂತಿಮ ಬಳಕೆದಾರರು.
ಪಡೆದ ಫಲಿತಾಂಶಗಳನ್ನು ಪರಿಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬಹುದು
ಮುಂದಿನ ಅಭಿವೃದ್ಧಿ ಚಕ್ರ.
ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಹೆಚ್ಚುತ್ತಿರುವ ವಿಧಾನವನ್ನು ಹೊಂದಿರುವುದರಿಂದ,
ಹಿಂದಿನವರ ಯಶಸ್ಸು ಮತ್ತು ತಪ್ಪುಗಳಿಂದ ಕಲಿಯುವುದು ಅತ್ಯಗತ್ಯ
ಬೆಳವಣಿಗೆಗಳು.
2.5 ಸಾರಾಂಶ
ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ಪ್ರಸ್ತುತ ಇರುವ ವಿಧಾನಗಳನ್ನು ಚರ್ಚಿಸಲಾಗಿದೆ
ಸಾಹಿತ್ಯ. ವಿಭಾಗ 1 ರಲ್ಲಿ ಪರಿಕಲ್ಪನೆಯನ್ನು ಚರ್ಚಿಸಲಾಗಿದೆ
ಡೇಟಾ ಗೋದಾಮು ಮತ್ತು ನಿರ್ಧಾರ ವಿಜ್ಞಾನದಲ್ಲಿ ಅದರ ಪಾತ್ರ. ರಲ್ಲಿ
ವಿಭಾಗ 2 ನಡುವಿನ ಪ್ರಮುಖ ವ್ಯತ್ಯಾಸಗಳು
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು OLTP ವ್ಯವಸ್ಥೆಗಳು. ವಿಭಾಗ 3 ರಲ್ಲಿ ನಾವು ಚರ್ಚಿಸಿದ್ದೇವೆ
ಮೊನಾಶ್ ಡೇಟಾ ಗೋದಾಮಿನ ಮಾದರಿಯನ್ನು ಬಳಸಲಾಗಿದೆ
ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಚಟುವಟಿಕೆಗಳನ್ನು ವಿವರಿಸಲು ವಿಭಾಗ 4 ರಲ್ಲಿ
ಡೇಟಾ ಗೋದಾಮಿನ ಅಭಿವೃದ್ಧಿ, ಈ ಪ್ರಬಂಧಗಳನ್ನು ಆಧರಿಸಿಲ್ಲ
ಕಠಿಣ ಸಂಶೋಧನೆ. ವಾಸ್ತವದಲ್ಲಿ ಏನಾಗುತ್ತದೆಯೋ ಅದು ಆಗಿರಬಹುದು
ಸಾಹಿತ್ಯವು ವರದಿ ಮಾಡುವುದಕ್ಕಿಂತ ಬಹಳ ಭಿನ್ನವಾಗಿದೆ, ಆದಾಗ್ಯೂ ಇವುಗಳು
ಮೂಲಭೂತ ಸಾಮಾನುಗಳನ್ನು ರಚಿಸಲು ಫಲಿತಾಂಶಗಳನ್ನು ಬಳಸಬಹುದು
ಈ ಸಂಶೋಧನೆಗಾಗಿ ದತ್ತಾಂಶ ಗೋದಾಮಿನ ಪರಿಕಲ್ಪನೆಗೆ ಒತ್ತು ನೀಡಿ.
ಅಧ್ಯಾಯ 3
ಸಂಶೋಧನೆ ಮತ್ತು ವಿನ್ಯಾಸ ವಿಧಾನಗಳು
ಈ ಅಧ್ಯಾಯವು ಸಂಶೋಧನೆ ಮತ್ತು ವಿನ್ಯಾಸ ವಿಧಾನಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುತ್ತದೆ
ಈ ಅಧ್ಯಯನ. ಮೊದಲ ಭಾಗವು ವಿಧಾನಗಳ ಸಾಮಾನ್ಯ ನೋಟವನ್ನು ತೋರಿಸುತ್ತದೆ
ಮಾಹಿತಿಯನ್ನು ಹಿಂಪಡೆಯಲು ಲಭ್ಯವಿರುವ ಸಂಶೋಧನೆ, ಮೇಲಾಗಿ
ಒಂದಕ್ಕೆ ಉತ್ತಮ ವಿಧಾನವನ್ನು ಆಯ್ಕೆಮಾಡುವ ಮಾನದಂಡಗಳನ್ನು ಚರ್ಚಿಸಲಾಗಿದೆ
ನಿರ್ದಿಷ್ಟ ಅಧ್ಯಯನ. ನಂತರ ವಿಭಾಗ 2 ರಲ್ಲಿ ಎರಡು ವಿಧಾನಗಳನ್ನು ಚರ್ಚಿಸಲಾಗಿದೆ
ಇದೀಗ ನಿಗದಿಪಡಿಸಿದ ಮಾನದಂಡಗಳೊಂದಿಗೆ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ; ಇವುಗಳಲ್ಲಿ ಆಯ್ಕೆ ಮಾಡಲಾಗುವುದು ಮತ್ತು
ಅವರು ಇರುವ ವಿಭಾಗ 3 ರಲ್ಲಿ ಸೂಚಿಸಲಾದ ಕಾರಣಗಳೊಂದಿಗೆ ಒಂದನ್ನು ಅಳವಡಿಸಿಕೊಂಡಿದ್ದಾರೆ
ಇತರ ಮಾನದಂಡಗಳನ್ನು ಹೊರಗಿಡಲು ಕಾರಣಗಳನ್ನು ಸಹ ವಿವರಿಸಲಾಗಿದೆ. ಅಲ್ಲಿ
ವಿಭಾಗ 4 ಸಂಶೋಧನಾ ವಿನ್ಯಾಸವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ ಮತ್ತು ವಿಭಾಗ 5 ಅದನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ
ತೀರ್ಮಾನಗಳು.
3.1 ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಸಂಶೋಧನೆ
ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿನ ಸಂಶೋಧನೆಯು ಕೇವಲ ಸೀಮಿತವಾಗಿಲ್ಲ
ತಾಂತ್ರಿಕ ಕ್ಷೇತ್ರಕ್ಕೆ ಆದರೆ ಸೇರಿಸಲು ವಿಸ್ತರಿಸಬೇಕು
ನಡವಳಿಕೆ ಮತ್ತು ಸಂಘಟನೆಗೆ ಸಂಬಂಧಿಸಿದ ಗುರಿಗಳು.
ವರೆಗಿನ ವಿವಿಧ ವಿಭಾಗಗಳ ಪ್ರಬಂಧಗಳಿಗೆ ನಾವು ಋಣಿಯಾಗಿದ್ದೇವೆ
ನೈಸರ್ಗಿಕವಾದವುಗಳಿಗೆ ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನಗಳು; ಇದು ಒಂದು ಅಗತ್ಯಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ
ಪರಿಮಾಣಾತ್ಮಕ ವಿಧಾನಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಸಂಶೋಧನಾ ವಿಧಾನಗಳ ಕೆಲವು ಸ್ಪೆಕ್ಟ್ರಮ್
ಮತ್ತು ಗುಣಾತ್ಮಕವಾದವುಗಳನ್ನು ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಬಳಸಬೇಕು.
ಲಭ್ಯವಿರುವ ಎಲ್ಲಾ ಸಂಶೋಧನಾ ವಿಧಾನಗಳು ಮುಖ್ಯವಾಗಿವೆ, ವಾಸ್ತವವಾಗಿ ಹಲವಾರು
ಜೆಂಕಿನ್ಸ್ (1985), ನೂನಮೇಕರ್ ಮತ್ತು ಇತರರು ಮುಂತಾದ ಸಂಶೋಧಕರು. (1991), ಮತ್ತು ಗ್ಯಾಲಿಯರ್ಸ್
(1992) ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ಸಾರ್ವತ್ರಿಕ ವಿಧಾನವಿಲ್ಲ ಎಂದು ವಾದಿಸುತ್ತಾರೆ
ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳ ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಸಂಶೋಧನೆ ನಡೆಸಲು; ವಾಸ್ತವವಾಗಿ
ಒಂದು ವಿಧಾನವು ನಿರ್ದಿಷ್ಟ ಸಂಶೋಧನೆಗೆ ಸೂಕ್ತವಾಗಿರಬಹುದು ಆದರೆ ಅಲ್ಲ
ಇತರರಿಗೆ. ಇದು ಒಂದು ವಿಧಾನವನ್ನು ಆಯ್ಕೆ ಮಾಡುವ ಅಗತ್ಯವನ್ನು ನಮಗೆ ತರುತ್ತದೆ
ನಮ್ಮ ನಿರ್ದಿಷ್ಟ ಸಂಶೋಧನಾ ಯೋಜನೆಗೆ ಸೂಕ್ತವಾಗಿದೆ: ಇದಕ್ಕಾಗಿ
ಆಯ್ಕೆ Benbasat ಮತ್ತು ಇತರರು. (1987) ಅವುಗಳನ್ನು ಪರಿಗಣಿಸಬೇಕು ಎಂದು ಹೇಳುತ್ತದೆ
ಸಂಶೋಧನೆಯ ಸ್ವರೂಪ ಮತ್ತು ಉದ್ದೇಶ.
3.1.1 ಸಂಶೋಧನೆಯ ಸ್ವರೂಪ
ಸಂಶೋಧನೆಯ ಸ್ವರೂಪವನ್ನು ಆಧರಿಸಿ ವಿವಿಧ ವಿಧಾನಗಳು ಆಗಿರಬಹುದು
ವಿಜ್ಞಾನದಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ತಿಳಿದಿರುವ ಮೂರು ಸಂಪ್ರದಾಯಗಳಾಗಿ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ
ಮಾಹಿತಿಯ: ಧನಾತ್ಮಕ, ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧನೆ.
3.1.1.1 ಧನಾತ್ಮಕ ಸಂಶೋಧನೆ
ಪಾಸಿಟಿವಿಸ್ಟ್ ಸಂಶೋಧನೆಯನ್ನು ವೈಜ್ಞಾನಿಕ ಅಧ್ಯಯನ ಅಥವಾ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ
ಪ್ರಾಯೋಗಿಕ. ಇದು ಪ್ರಯತ್ನಿಸುತ್ತದೆ: "ವಿವರಿಸಿ ಮತ್ತು ಭವಿಷ್ಯದಲ್ಲಿ ಏನಾಗುತ್ತದೆ
ನಿಯಮಗಳು ಮತ್ತು ಕಾರಣ ಮತ್ತು ಪರಿಣಾಮ ಸಂಬಂಧಗಳನ್ನು ನೋಡುವ ಮೂಲಕ ಸಾಮಾಜಿಕ ಪ್ರಪಂಚ
ಅದನ್ನು ರೂಪಿಸುವ ಅಂಶಗಳ ನಡುವೆ" (ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು 1993).
ಪಾಸಿಟಿವಿಸ್ಟ್ ಸಂಶೋಧನೆಯು ಪುನರಾವರ್ತನೆಯಿಂದ ಕೂಡ ನಿರೂಪಿಸಲ್ಪಟ್ಟಿದೆ,
ಸರಳೀಕರಣಗಳು ಮತ್ತು ನಿರಾಕರಣೆಗಳು. ಇದಲ್ಲದೆ, ಪಾಸಿಟಿವಿಸ್ಟ್ ಸಂಶೋಧನೆಯು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತದೆ
ಅಧ್ಯಯನ ಮಾಡಿದ ವಿದ್ಯಮಾನಗಳ ನಡುವೆ ಪೂರ್ವಭಾವಿ ಸಂಬಂಧಗಳ ಅಸ್ತಿತ್ವ.
ಗ್ಯಾಲಿಯರ್ಸ್ (1992) ಪ್ರಕಾರ ಟ್ಯಾಕ್ಸಾನಮಿ ಒಂದು ಸಂಶೋಧನಾ ವಿಧಾನವಾಗಿದೆ
ಪಾಸಿಟಿವಿಸ್ಟ್ ಮಾದರಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ, ಆದಾಗ್ಯೂ ಇದು ಇದಕ್ಕೆ ಸೀಮಿತವಾಗಿಲ್ಲ,
ವಾಸ್ತವವಾಗಿ ಪ್ರಯೋಗಾಲಯ ಪ್ರಯೋಗಗಳು, ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳು ಇವೆ,
ಕೇಸ್ ಸ್ಟಡೀಸ್, ಪ್ರಮೇಯ ಪುರಾವೆಗಳು, ಮುನ್ನೋಟಗಳು ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್‌ಗಳು.
ಈ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಶೋಧಕರು ವಿದ್ಯಮಾನಗಳನ್ನು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತಾರೆ
ಅಧ್ಯಯನವನ್ನು ವಸ್ತುನಿಷ್ಠವಾಗಿ ಮತ್ತು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಗಮನಿಸಬಹುದು.
3.1.1.2 ವ್ಯಾಖ್ಯಾನಾತ್ಮಕ ಸಂಶೋಧನೆ
ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆ, ಇದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ವಿದ್ಯಮಾನಶಾಸ್ತ್ರ ಅಥವಾ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ
ಆಂಟಿ-ಪಾಸಿಟಿವಿಸಂ ಅನ್ನು ನ್ಯೂಮನ್ (1994) "ವಿಶ್ಲೇಷಣೆ" ಎಂದು ವಿವರಿಸಿದ್ದಾರೆ
ನೇರ ಮತ್ತು ಮೂಲಕ ಕ್ರಿಯೆಯ ಸಾಮಾಜಿಕ ಅರ್ಥದ ವ್ಯವಸ್ಥಿತ
ನೈಸರ್ಗಿಕ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಕ್ರಮದಲ್ಲಿ ಜನರ ವಿವರವಾದ ವೀಕ್ಷಣೆ
ಹೇಗೆ ಎಂಬುದರ ತಿಳುವಳಿಕೆ ಮತ್ತು ವ್ಯಾಖ್ಯಾನವನ್ನು ತಲುಪಲು
ಜನರು ತಮ್ಮ ಸಾಮಾಜಿಕ ಜಗತ್ತನ್ನು ಸೃಷ್ಟಿಸುತ್ತಾರೆ ಮತ್ತು ನಿರ್ವಹಿಸುತ್ತಾರೆ." ಅಧ್ಯಯನಗಳು
ವಿವರಣಾತ್ಮಕ ವಿಧಾನಗಳು ಗಮನಿಸಿದ ವಿದ್ಯಮಾನಗಳ ಊಹೆಯನ್ನು ತಿರಸ್ಕರಿಸುತ್ತವೆ
ವಸ್ತುನಿಷ್ಠವಾಗಿ ಗಮನಿಸಬಹುದು. ವಾಸ್ತವವಾಗಿ ಅವು ಆಧರಿಸಿವೆ
ವ್ಯಕ್ತಿನಿಷ್ಠ ವ್ಯಾಖ್ಯಾನಗಳ ಮೇಲೆ. ಇದಲ್ಲದೆ, ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧಕರು ಹಾಗೆ ಮಾಡುವುದಿಲ್ಲ
ಅವರು ಅಧ್ಯಯನ ಮಾಡುವ ವಿದ್ಯಮಾನಗಳ ಮೇಲೆ ಪೂರ್ವಭಾವಿ ಅರ್ಥಗಳನ್ನು ಹೇರುತ್ತಾರೆ.
ಈ ವಿಧಾನವು ವ್ಯಕ್ತಿನಿಷ್ಠ/ವಾದದ ಅಧ್ಯಯನಗಳು, ಕ್ರಿಯೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಸಂಶೋಧನೆ, ವಿವರಣಾತ್ಮಕ/ವ್ಯಾಖ್ಯಾನಾತ್ಮಕ ಅಧ್ಯಯನಗಳು, ಭವಿಷ್ಯದ ಸಂಶೋಧನೆ ಮತ್ತು ಆಟಗಳು
ಪಾತ್ರ. ಇವುಗಳ ಜೊತೆಗೆ ತನಿಖೆಗಳು ಮತ್ತು ಕೇಸ್ ಸ್ಟಡೀಸ್ ಆಗಿರಬಹುದು
ಅವರು ಅಧ್ಯಯನಗಳಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಈ ವಿಧಾನದಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ
ಸಂಕೀರ್ಣ ಸಂದರ್ಭಗಳಲ್ಲಿ ವ್ಯಕ್ತಿಗಳು ಅಥವಾ ಸಂಸ್ಥೆಗಳು
ನೈಜ ಪ್ರಪಂಚದ.
3.1.1.3 ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧನೆ
ವಿಮರ್ಶಾತ್ಮಕ ವಿಚಾರಣೆಯು ವಿಜ್ಞಾನದಲ್ಲಿ ಅತ್ಯಂತ ಕಡಿಮೆ ತಿಳಿದಿರುವ ವಿಧಾನವಾಗಿದೆ
ಸಾಮಾಜಿಕ ಆದರೆ ಇತ್ತೀಚೆಗೆ ಸಂಶೋಧಕರಿಂದ ಗಮನ ಸೆಳೆದಿದೆ
ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳ ಕ್ಷೇತ್ರದಲ್ಲಿ. ಎಂಬ ತಾತ್ವಿಕ ಊಹೆ
ಸಾಮಾಜಿಕ ವಾಸ್ತವತೆಯನ್ನು ಐತಿಹಾಸಿಕವಾಗಿ ಜನರಿಂದ ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಪುನರುತ್ಪಾದಿಸಲಾಗುತ್ತದೆ,
ಹಾಗೆಯೇ ಅವರ ಕ್ರಿಯೆಗಳು ಮತ್ತು ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳೊಂದಿಗೆ ಸಾಮಾಜಿಕ ವ್ಯವಸ್ಥೆಗಳು. ಅವರ
ಆದಾಗ್ಯೂ, ಸಾಮರ್ಥ್ಯವು ನಿರ್ದಿಷ್ಟ ಪ್ರಮಾಣದ ಪರಿಗಣನೆಯಿಂದ ಮಧ್ಯಸ್ಥಿಕೆ ವಹಿಸುತ್ತದೆ
ಸಾಮಾಜಿಕ, ಸಾಂಸ್ಕೃತಿಕ ಮತ್ತು ರಾಜಕೀಯ.
ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆಯಂತೆಯೇ, ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧನೆಯು ನಿರ್ವಹಿಸುತ್ತದೆ
ಸಕಾರಾತ್ಮಕವಾದ ಸಂಶೋಧನೆಯು ಸಾಮಾಜಿಕ ಸನ್ನಿವೇಶದೊಂದಿಗೆ ಯಾವುದೇ ಸಂಬಂಧವನ್ನು ಹೊಂದಿಲ್ಲ ಮತ್ತು ಅದನ್ನು ನಿರ್ಲಕ್ಷಿಸುತ್ತದೆ
ಮಾನವ ಕ್ರಿಯೆಗಳ ಮೇಲೆ ಅದರ ಪ್ರಭಾವ.
ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧನೆ, ಮತ್ತೊಂದೆಡೆ, ವ್ಯಾಖ್ಯಾನಾತ್ಮಕ ಸಂಶೋಧನೆಯನ್ನು ಟೀಕಿಸುತ್ತದೆ
ತುಂಬಾ ವ್ಯಕ್ತಿನಿಷ್ಠರಾಗಿರಿ ಮತ್ತು ಏಕೆಂದರೆ ಅದು ಸಹಾಯ ಮಾಡುವ ಗುರಿಯನ್ನು ಹೊಂದಿಲ್ಲ
ಜನರು ತಮ್ಮ ಜೀವನವನ್ನು ಸುಧಾರಿಸಲು. ನಡುವಿನ ದೊಡ್ಡ ವ್ಯತ್ಯಾಸ
ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧನೆ ಮತ್ತು ಇತರ ಎರಡು ವಿಧಾನಗಳು ಅದರ ಮೌಲ್ಯಮಾಪನ ಆಯಾಮವಾಗಿದೆ.
ಪಾಸಿಟಿವಿಸ್ಟ್ ಮತ್ತು ವಿವರಣಾತ್ಮಕ ಸಂಪ್ರದಾಯಗಳ ವಸ್ತುನಿಷ್ಠತೆಗಾಗಿ
ಯಥಾಸ್ಥಿತಿ ಅಥವಾ ಸಾಮಾಜಿಕ ವಾಸ್ತವತೆ, ನಿರ್ಣಾಯಕ ಸಂಶೋಧನೆಯನ್ನು ಊಹಿಸಿ ಅಥವಾ ವಿವರಿಸಿ
ಆಧಾರವಾಗಿರುವ ಸಾಮಾಜಿಕ ವಾಸ್ತವತೆಯನ್ನು ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಮತ್ತು ಪರಿವರ್ತಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ
ಅಧ್ಯಯನ.
ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧಕರು ಸಾಮಾನ್ಯವಾಗಿ ಯಥಾಸ್ಥಿತಿಯನ್ನು ವಿರೋಧಿಸುತ್ತಾರೆ
ಸಾಮಾಜಿಕ ವ್ಯತ್ಯಾಸಗಳನ್ನು ತೆಗೆದುಹಾಕಿ ಮತ್ತು ಸಾಮಾಜಿಕ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಸುಧಾರಿಸಿ. ಅಲ್ಲಿ
ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧನೆಯು ಪ್ರಕ್ರಿಯೆಯ ದೃಷ್ಟಿಕೋನಕ್ಕೆ ಬದ್ಧತೆಯನ್ನು ಹೊಂದಿದೆ
ಆಸಕ್ತಿಯ ವಿದ್ಯಮಾನಗಳು ಮತ್ತು, ಆದ್ದರಿಂದ, ಸಾಮಾನ್ಯವಾಗಿ ಉದ್ದುದ್ದವಾಗಿರುತ್ತದೆ.
ಸಂಶೋಧನಾ ವಿಧಾನಗಳ ಉದಾಹರಣೆಗಳು ದೀರ್ಘಾವಧಿಯ ಐತಿಹಾಸಿಕ ಅಧ್ಯಯನಗಳು ಮತ್ತು
ಜನಾಂಗೀಯ ಅಧ್ಯಯನಗಳು. ವಿಮರ್ಶಾತ್ಮಕ ಸಂಶೋಧನೆ, ಆದಾಗ್ಯೂ, ಆಗಿಲ್ಲ
ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳ ಸಂಶೋಧನೆಯಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ
3.1.2 ಸಂಶೋಧನೆಯ ಉದ್ದೇಶ
ಹುಡುಕಾಟದ ಸ್ವರೂಪದ ಜೊತೆಗೆ, ಅದರ ಉದ್ದೇಶವನ್ನು ಬಳಸಬಹುದು
ನಿರ್ದಿಷ್ಟ ವಿಧಾನವನ್ನು ಆಯ್ಕೆಮಾಡುವಲ್ಲಿ ಸಂಶೋಧಕರಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಲು
ಸಂಶೋಧನೆ. ಸಂಶೋಧನಾ ಯೋಜನೆಯ ಉದ್ದೇಶವು ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿದೆ
ಒಳಗೊಂಡಿರುವ ಹುಡುಕಾಟ ಚಕ್ರಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಹುಡುಕಾಟದ ಸ್ಥಾನಕ್ಕೆ
ಮೂರು ಹಂತಗಳು: ಸಿದ್ಧಾಂತ ನಿರ್ಮಾಣ, ಸಿದ್ಧಾಂತ ಪರೀಕ್ಷೆ ಮತ್ತು ಸಿದ್ಧಾಂತ ಪರಿಷ್ಕರಣೆ
ಸಿದ್ಧಾಂತ. ಆದ್ದರಿಂದ, ಹುಡುಕಾಟ ಚಕ್ರಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಆವೇಗವನ್ನು ಆಧರಿಸಿ, a
ಸಂಶೋಧನಾ ಯೋಜನೆಯು ವಿವರಣಾತ್ಮಕ, ವಿವರಣಾತ್ಮಕ, ಉದ್ದೇಶವನ್ನು ಹೊಂದಿರಬಹುದು
ಪರಿಶೋಧನಾತ್ಮಕ ಅಥವಾ ಮುನ್ಸೂಚಕ.
3.1.2.1 ಪರಿಶೋಧನಾ ಸಂಶೋಧನೆ
ಪರಿಶೋಧನಾ ಸಂಶೋಧನೆಯು ವಿಷಯವನ್ನು ತನಿಖೆ ಮಾಡುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ
ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಮತ್ತು ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಊಹೆಗಳನ್ನು ರೂಪಿಸಿ
ಭವಿಷ್ಯ ಈ ರೀತಿಯ ಸಂಶೋಧನೆಯನ್ನು ನಿರ್ಮಾಣದಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ
ಹೊಸ ಪ್ರದೇಶದಲ್ಲಿ ಆರಂಭಿಕ ಉಲ್ಲೇಖಗಳನ್ನು ಪಡೆಯಲು ಸಿದ್ಧಾಂತ.
ವಿಶಿಷ್ಟವಾಗಿ, ಪ್ರಕರಣಗಳಂತಹ ಗುಣಾತ್ಮಕ ಸಂಶೋಧನಾ ವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ
ಅಧ್ಯಯನ ಅಥವಾ ವಿದ್ಯಮಾನಶಾಸ್ತ್ರದ ಅಧ್ಯಯನಗಳು.
ಆದಾಗ್ಯೂ, ಪರಿಮಾಣಾತ್ಮಕ ತಂತ್ರಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಲು ಸಹ ಸಾಧ್ಯವಿದೆ
ಪರಿಶೋಧನಾ ತನಿಖೆಗಳು ಅಥವಾ ಪ್ರಯೋಗಗಳು.
3.1.3.3 ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆ
ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆಯು ದೊಡ್ಡ ಭಾಗದಲ್ಲಿ ವಿಶ್ಲೇಷಿಸುವ ಮತ್ತು ವಿವರಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ
ನಿರ್ದಿಷ್ಟ ಪರಿಸ್ಥಿತಿ ಅಥವಾ ಸಾಂಸ್ಥಿಕ ಅಭ್ಯಾಸವನ್ನು ವಿವರಿಸಿ. ಈ
ಸಿದ್ಧಾಂತ ನಿರ್ಮಾಣಕ್ಕೆ ಸೂಕ್ತವಾಗಿದೆ ಮತ್ತು ಇದನ್ನು ಸಹ ಬಳಸಬಹುದು
ಊಹೆಗಳನ್ನು ದೃಢೀಕರಿಸಿ ಅಥವಾ ವಿವಾದಿಸಿ. ಸಾಮಾನ್ಯವಾಗಿ ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆ
ಅಳತೆಗಳು ಮತ್ತು ಮಾದರಿಗಳ ಬಳಕೆಯನ್ನು ಒಳಗೊಂಡಿದೆ. ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಸಂಶೋಧನಾ ವಿಧಾನಗಳು
ಪೂರ್ವಭಾವಿಗಳ ತನಿಖೆಗಳು ಮತ್ತು ವಿಶ್ಲೇಷಣೆಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
3.1.2.3 ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆ
ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆಯು ಏನಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ.
ಇದು ಈಗಾಗಲೇ ಅಧ್ಯಯನ ಮಾಡಿದ ಮತ್ತು ಕಂಡುಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸುವ ಸತ್ಯಗಳ ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ
ಈ ಸತ್ಯಗಳಿಗೆ ಕಾರಣಗಳು.
ಆದ್ದರಿಂದ ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಶೋಧನೆಯ ಮೇಲೆ ನಿರ್ಮಿಸಲ್ಪಟ್ಟಿದೆ
ಪರಿಶೋಧನಾತ್ಮಕ ಅಥವಾ ವಿವರಣಾತ್ಮಕ ಮತ್ತು ಪರೀಕ್ಷೆ ಮತ್ತು ಪರಿಷ್ಕರಣೆಗೆ ಪೂರಕವಾಗಿದೆ
ಸಿದ್ಧಾಂತಗಳು. ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಕೇಸ್ ಸ್ಟಡೀಸ್ ಅನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ
ಅಥವಾ ಸಮೀಕ್ಷೆ ಆಧಾರಿತ ಸಂಶೋಧನಾ ವಿಧಾನಗಳು.
3.1.2.4 ತಡೆಗಟ್ಟುವ ಸಂಶೋಧನೆ
ಪ್ರಿವೆಂಟಿವ್ ಸಂಶೋಧನೆಯು ಘಟನೆಗಳು ಮತ್ತು ನಡವಳಿಕೆಗಳನ್ನು ಊಹಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ
ಅವಲೋಕನದಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡಲಾಗುತ್ತಿದೆ (ಮಾರ್ಷಲ್ ಮತ್ತು ರೋಸ್ಮನ್
1995). ಭವಿಷ್ಯವು ಸತ್ಯದ ಪ್ರಮಾಣಿತ ವೈಜ್ಞಾನಿಕ ಪರೀಕ್ಷೆಯಾಗಿದೆ.
ಈ ರೀತಿಯ ಸಂಶೋಧನೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಸಮೀಕ್ಷೆಗಳು ಅಥವಾ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ
dati ಇತಿಹಾಸಕಾರರು. (ಯಿನ್ 1989)
ಮೇಲಿನ ಚರ್ಚೆಯು ಹಲವಾರು ಇವೆ ಎಂದು ತೋರಿಸುತ್ತದೆ
ಅಧ್ಯಯನದಲ್ಲಿ ಬಳಸಬಹುದಾದ ಸಂಭವನೀಯ ಸಂಶೋಧನಾ ವಿಧಾನಗಳು
ನಿರ್ದಿಷ್ಟ. ಆದಾಗ್ಯೂ, ಹೆಚ್ಚು ಸೂಕ್ತವಾದ ಒಂದು ನಿರ್ದಿಷ್ಟ ವಿಧಾನವು ಇರಬೇಕು
ನಿರ್ದಿಷ್ಟ ರೀತಿಯ ಸಂಶೋಧನಾ ಯೋಜನೆಗಾಗಿ ಇತರರ. (ಗ್ಯಾಲಿಯರ್ಸ್
1987, ಯಿನ್ 1989, ಡಿ ವಾಸ್ 1991). ಆದ್ದರಿಂದ, ಪ್ರತಿಯೊಬ್ಬ ಸಂಶೋಧಕರು ಹೊಂದಿದ್ದಾರೆ
ನ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ದೌರ್ಬಲ್ಯಗಳನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕಾಗುತ್ತದೆ
ವಿವಿಧ ವಿಧಾನಗಳು, ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಸಂಶೋಧನಾ ವಿಧಾನವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಲು ಇ
ಸಂಶೋಧನಾ ಯೋಜನೆಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ. (ಜೆಂಕಿನ್ಸ್ 1985, ಪರ್ವನ್ ಮತ್ತು ಕ್ಲಾಸ್
1992, ಬೊನೊಮಿಯಾ 1985, ಯಿನ್ 1989, ಹಿಮಿಲ್ಟನ್ ಮತ್ತು ಐವ್ಸ್ 1992).
3.2. ಸಂಭಾವ್ಯ ಸಂಶೋಧನಾ ವಿಧಾನಗಳು
ಅನುಭವವನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು ಈ ಯೋಜನೆಯ ಗುರಿಯಾಗಿದೆ
ಐ ಜೊತೆ ಆಸ್ಟ್ರೇಲಿಯಾದ ಸಂಸ್ಥೆಗಳು dati ಒಂದರೊಂದಿಗೆ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ
ಸ್ವಿಲುಪ್ಪೋ ಡಿ ಡೇಟಾ ವೇರ್ಹೌಸ್. ದಿನಾಂಕ ಇದು, ಪ್ರಸ್ತುತ, ಒಂದು ಇದೆ
ಆಸ್ಟ್ರೇಲಿಯಾದಲ್ಲಿ ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಪ್ರದೇಶದಲ್ಲಿ ಸಂಶೋಧನೆಯ ಕೊರತೆ,
ಈ ಸಂಶೋಧನಾ ಯೋಜನೆಯು ಇನ್ನೂ ಚಕ್ರದ ಸೈದ್ಧಾಂತಿಕ ಹಂತದಲ್ಲಿದೆ
ಸಂಶೋಧನೆ ಮತ್ತು ಪರಿಶೋಧನಾತ್ಮಕ ಉದ್ದೇಶವನ್ನು ಹೊಂದಿದೆ. ಅನುಭವವನ್ನು ಅನ್ವೇಷಿಸಲಾಗುತ್ತಿದೆ
ಆಸ್ಟ್ರೇಲಿಯನ್ ಸಂಸ್ಥೆಗಳು ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಅನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುತ್ತವೆ
ನೈಜ ಸಮಾಜದ ವ್ಯಾಖ್ಯಾನದ ಅಗತ್ಯವಿದೆ. ಪರಿಣಾಮವಾಗಿ, ದಿ
ಸಂಶೋಧನಾ ಯೋಜನೆಯ ಆಧಾರವಾಗಿರುವ ತಾತ್ವಿಕ ಊಹೆಯು ಅನುಸರಿಸುತ್ತದೆ
ಸಾಂಪ್ರದಾಯಿಕ ವ್ಯಾಖ್ಯಾನ.
ಲಭ್ಯವಿರುವ ವಿಧಾನಗಳ ಕಠಿಣ ಪರೀಕ್ಷೆಯ ನಂತರ, ಅವುಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ
ಎರಡು ಸಂಭಾವ್ಯ ಸಂಶೋಧನಾ ವಿಧಾನಗಳು: ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಕೇಸ್ ಸ್ಟಡೀಸ್
(ಕೇಸ್ ಸ್ಟಡೀಸ್), ಇದನ್ನು ಸಂಶೋಧನೆಗೆ ಬಳಸಬಹುದು
ಅನ್ವೇಷಕ (ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು 1993). ಗ್ಯಾಲಿಯರ್ಸ್ (1992) ವಾದಿಸುತ್ತಾರೆ
ಈ ನಿರ್ದಿಷ್ಟ ಅಧ್ಯಯನಕ್ಕೆ ಈ ಎರಡು ವಿಧಾನಗಳ ಸೂಕ್ತತೆ
ಅದರ ಪರಿಷ್ಕೃತ ವರ್ಗೀಕರಣವು ನಿರ್ಮಾಣಕ್ಕೆ ಸೂಕ್ತವಾಗಿದೆ ಎಂದು ಹೇಳುತ್ತದೆ
ಸೈದ್ಧಾಂತಿಕ. ಕೆಳಗಿನ ಎರಡು ಉಪವಿಭಾಗಗಳು ಪ್ರತಿ ವಿಧಾನವನ್ನು ಚರ್ಚಿಸುತ್ತವೆ
ವಿವರ.
3.2.1 ಸಮೀಕ್ಷೆ ಸಂಶೋಧನಾ ವಿಧಾನ
ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನಾ ವಿಧಾನವು ಪ್ರಾಚೀನ ವಿಧಾನದಿಂದ ಬಂದಿದೆ
ಜನಗಣತಿ. ಜನಗಣತಿಯು ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ
ಒಂದು ಸಂಪೂರ್ಣ ಜನಸಂಖ್ಯೆ. ಈ ವಿಧಾನವು ದುಬಾರಿ ಮತ್ತು ಅಪ್ರಾಯೋಗಿಕವಾಗಿದೆ
ವಿಶೇಷವಾಗಿ ಜನಸಂಖ್ಯೆಯು ದೊಡ್ಡದಾಗಿದ್ದರೆ. ಆದ್ದರಿಂದ, ಹೋಲಿಸಿದರೆ
ಜನಗಣತಿ, ಸಮೀಕ್ಷೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ
ಸಣ್ಣ ಸಂಖ್ಯೆಯ ಅಥವಾ ಮಾದರಿಗಾಗಿ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಿ
ಜನಸಂಖ್ಯೆಯ ಪ್ರತಿನಿಧಿಗಳು (ಫೌಲರ್ 1988, ನ್ಯೂಮನ್ 1994). ಎ
ಮಾದರಿಯು ವಿಭಿನ್ನವಾಗಿರುವ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ
ಮಾದರಿ ರಚನೆಯ ಪ್ರಕಾರ ನಿಖರತೆಯ ಮಟ್ಟಗಳು, ದಿ
ಗಾತ್ರ ಮತ್ತು ಬಳಸಿದ ಆಯ್ಕೆ ವಿಧಾನ (ಫೌಲರ್ 1988, ಬಾಬ್ಬಿ
1982, ನ್ಯೂಮನ್ 1994).
ತನಿಖಾ ವಿಧಾನವನ್ನು "ಆಚರಣೆಗಳ ಸ್ನ್ಯಾಪ್‌ಶಾಟ್‌ಗಳು," ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.
ನಿರ್ದಿಷ್ಟ ಸಮಯದಲ್ಲಿ ಸನ್ನಿವೇಶಗಳು ಅಥವಾ ವೀಕ್ಷಣೆಗಳು, ಬಳಸಿಕೊಂಡು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ
ಪ್ರಶ್ನಾವಳಿಗಳು ಅಥವಾ ಸಂದರ್ಶನಗಳು, ಇವುಗಳಿಂದ ತೀರ್ಮಾನಗಳು ಇರಬಹುದು
ಮಾಡಿದ” (ಗ್ಯಾಲಿಯರ್ಸ್ 1992:153) [ಅಭ್ಯಾಸಗಳ ತ್ವರಿತ ಛಾಯಾಚಿತ್ರ,
ನಿರ್ದಿಷ್ಟ ಸಮಯದಲ್ಲಿ ಸನ್ನಿವೇಶಗಳು ಅಥವಾ ವೀಕ್ಷಣೆಗಳು, ಬಳಸಿಕೊಂಡು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ
ಪ್ರಶ್ನಾವಳಿಗಳು ಅಥವಾ ಸಂದರ್ಶನಗಳು, ಇವುಗಳಿಂದ ತೀರ್ಮಾನಗಳನ್ನು ಮಾಡಬಹುದು]. ದಿ
ತನಿಖೆಗಳು ಕೆಲವು ಅಂಶಗಳ ಮಾಹಿತಿಯ ಸಂಗ್ರಹದೊಂದಿಗೆ ವ್ಯವಹರಿಸುತ್ತವೆ
ಅಧ್ಯಯನದ, ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ಭಾಗವಹಿಸುವವರಿಂದ
ಪ್ರಶ್ನೆಗಳು (ಫೌಲರ್ 1988). ಈ ಪ್ರಶ್ನಾವಳಿಗಳು ಮತ್ತು ಸಂದರ್ಶನಗಳು ಸಹ
ಮುಖಾಮುಖಿ ದೂರವಾಣಿ ಮತ್ತು ರಚನಾತ್ಮಕ ಸಂದರ್ಶನಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ,
ಸಂಗ್ರಹಣೆಯ ತಂತ್ರಗಳಾಗಿವೆ dati ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ
ತನಿಖೆಗಳು (ಬ್ಲಾಕ್ 1970, ನಾಚ್ಮಿಯಾಸ್ ಮತ್ತು ನಾಚ್ಮಿಯಾಸ್ 1976, ಫೌಲರ್
1988), ಅವಲೋಕನಗಳು ಮತ್ತು ವಿಶ್ಲೇಷಣೆಗಳನ್ನು ಬಳಸಬಹುದು (ಗೇಬಲ್
1994). ಸಂಗ್ರಹಿಸುವ ಈ ಎಲ್ಲಾ ವಿಧಾನಗಳಲ್ಲಿ dati, ಅದರ ಉಪಯೋಗ
ಪ್ರಶ್ನಾವಳಿಯು ಅತ್ಯಂತ ಜನಪ್ರಿಯ ತಂತ್ರವಾಗಿದೆ, ಏಕೆಂದರೆ ಇದು i dati
ಸಂಗ್ರಹಿಸಿದ ರಚನೆ ಮತ್ತು ಫಾರ್ಮ್ಯಾಟ್, ಮತ್ತು ಆದ್ದರಿಂದ ಸುಗಮಗೊಳಿಸುತ್ತದೆ
ಮಾಹಿತಿಯ ವರ್ಗೀಕರಣ (ಹ್ವಾಂಗ್ 1987, ಡಿ ವಾಸ್ 1991).
ನಾನು ವಿಶ್ಲೇಷಿಸುವಾಗ dati, ತನಿಖಾ ತಂತ್ರವು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯಂತಹ ಪರಿಮಾಣಾತ್ಮಕ ತಂತ್ರಗಳು, ಆದರೆ ಅವುಗಳು ಆಗಿರಬಹುದು
ಗುಣಾತ್ಮಕ ತಂತ್ರಗಳನ್ನು ಸಹ ಬಳಸಲಾಗುತ್ತದೆ (ಗ್ಯಾಲಿಯರ್ಸ್ 1992, ಪರ್ವನ್
ಮತ್ತು ಕ್ಲಾಸ್ 1992, ಗೇಬಲ್ 1994). ಸಾಮಾನ್ಯವಾಗಿ, ಐ dati ಸಂಗ್ರಹಿಸಲಾಗಿದೆ
ಸಂಘಗಳ ವಿತರಣೆಗಳು ಮತ್ತು ಮಾದರಿಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ
(ಫೌಲರ್ 1988).
ಸಮೀಕ್ಷೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಶೋಧನೆಗೆ ಸೂಕ್ತವಾಗಿದ್ದರೂ
ಅದು 'ಏನು?' (ಏನು) ಅಥವಾ ಅದರಿಂದ
'ಎಷ್ಟು' ಮತ್ತು 'ಎಷ್ಟು' ಮುಂತಾದವುಗಳನ್ನು ಪಡೆಯುವುದು
'ಏಕೆ' ಪ್ರಶ್ನೆಯ ಮೂಲಕ ಕೇಳಬಹುದು (ಸೋನ್‌ಕ್ವಿಸ್ಟ್ ಮತ್ತು
ಡಂಕೆಲ್‌ಬರ್ಗ್ 1977, ಯಿನ್ 1989). ಸೋನ್ಕ್ವಿಸ್ಟ್ ಮತ್ತು ಡಂಕೆಲ್ಬರ್ಗ್ ಪ್ರಕಾರ
(1977), ಸಂಶೋಧನಾ ತನಿಖೆಯು ಕಷ್ಟಕರವಾದ ಊಹೆಗಳ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ, ಕಾರ್ಯಕ್ರಮದ
ಮೌಲ್ಯಮಾಪನ, ಜನಸಂಖ್ಯೆಯನ್ನು ವಿವರಿಸುವುದು ಮತ್ತು ಮಾದರಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು
ಮಾನವ ನಡವಳಿಕೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಸಮೀಕ್ಷೆಗಳನ್ನು ಬಳಸಬಹುದು
ಜನಸಂಖ್ಯೆಯ ನಿರ್ದಿಷ್ಟ ಅಭಿಪ್ರಾಯವನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು, ಪರಿಸ್ಥಿತಿಗಳು,
ಅಭಿಪ್ರಾಯಗಳು, ಗುಣಲಕ್ಷಣಗಳು, ನಿರೀಕ್ಷೆಗಳು ಮತ್ತು ಹಿಂದಿನ ನಡವಳಿಕೆಗಳು
ಅಥವಾ ಪ್ರಸ್ತುತ (ನ್ಯೂಮನ್ 1994).
ತನಿಖೆಗಳು ಸಂಶೋಧಕರಿಗೆ ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ
ಜನಸಂಖ್ಯೆ ಮತ್ತು ಫಲಿತಾಂಶಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿದೆ
ಇತರ ವಿಧಾನಗಳು (ಸೋನ್‌ಕ್ವಿಸ್ಟ್ ಮತ್ತು ಡಂಕೆಲ್‌ಬರ್ಗ್ 1977, ಗೇಬಲ್ 1994). ದಿ
ಸಮೀಕ್ಷೆಗಳು ಭೌಗೋಳಿಕ ಪ್ರದೇಶವನ್ನು ಒಳಗೊಳ್ಳಲು ಸಂಶೋಧಕರಿಗೆ ಅವಕಾಶ ನೀಡುತ್ತವೆ
ವಿಶಾಲ ಮತ್ತು ಅನೇಕ ಘೋಷಣೆದಾರರನ್ನು ತಲುಪಲು (ಬ್ಲಾಕ್ 1970,
ಸೋನ್ಕ್ವಿಸ್ಟ್ ಮತ್ತು ಡಂಕೆಲ್ಬರ್ಗ್ 1977, ಹ್ವಾಂಗ್ ಮತ್ತು ಲಿನ್ 1987, ಗೇಬಲ್ 1994,
ನ್ಯೂಮನ್ 1994). ಅಂತಿಮವಾಗಿ, ಸಮೀಕ್ಷೆಗಳು ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಬಹುದು
ಬೇರೆಡೆ ಅಥವಾ ವಿಶ್ಲೇಷಣೆಗಳಿಗೆ ಅಗತ್ಯವಿರುವ ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿಲ್ಲ
(ಫೌಲರ್ 1988).
ಆದಾಗ್ಯೂ, ಸಮೀಕ್ಷೆಯನ್ನು ಕೈಗೊಳ್ಳುವಲ್ಲಿ ಕೆಲವು ಮಿತಿಗಳಿವೆ. ಒಂದು
ಅನನುಕೂಲವೆಂದರೆ ಸಂಶೋಧಕರು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ
ಅಧ್ಯಯನ ಮಾಡಿದ ವಸ್ತುವಿನ ಬಗ್ಗೆ. ಇದಕ್ಕೆ ಕಾರಣ ದಿ
ತನಿಖೆಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ಸಮಯದಲ್ಲಿ ಮಾತ್ರ ನಡೆಸಲಾಗುತ್ತದೆ ಮತ್ತು ಆದ್ದರಿಂದ,
ಸಂಶೋಧಕರು ಮಾಡಬಹುದಾದ ಸೀಮಿತ ಸಂಖ್ಯೆಯ ಅಸ್ಥಿರಗಳು ಮತ್ತು ಜನರು
ಅಧ್ಯಯನ (ಯಿನ್ 1989, ಡಿ ವಾಸ್ 1991, ಗೇಬಲ್ 1994, ಡೆನ್ಸ್‌ಕಾಂಬ್ 1998).
ಮತ್ತೊಂದು ಅನನುಕೂಲವೆಂದರೆ ಸಮೀಕ್ಷೆಯನ್ನು ನಡೆಸುವುದು
ಸಮಯ ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳ ವಿಷಯದಲ್ಲಿ ತುಂಬಾ ದುಬಾರಿಯಾಗಿದೆ, ವಿಶೇಷವಾಗಿ ಒಂದು ವೇಳೆ
ಮುಖಾಮುಖಿ ಸಂದರ್ಶನಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ (ಫೌಲರ್ 1988).
3.2.2. ವಿಚಾರಣೆ ಸಂಶೋಧನಾ ವಿಧಾನ
ವಿಚಾರಣೆಯ ಸಂಶೋಧನಾ ವಿಧಾನವು ಆಳವಾದ ಅಧ್ಯಯನವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ
ಒಂದು ನಿರ್ದಿಷ್ಟ ಸನ್ನಿವೇಶವು ಅದರ ನೈಜ ಸನ್ನಿವೇಶದಲ್ಲಿ a
ಭಾಗದಲ್ಲಿ ಯಾವುದೇ ಹಸ್ತಕ್ಷೇಪವಿಲ್ಲದೆ, ಸಮಯದ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ
ಸಂಶೋಧಕ (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985).
ಮುಖ್ಯವಾಗಿ ಈ ವಿಧಾನವನ್ನು ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ವಿವರಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ
ನಿರ್ದಿಷ್ಟ ಸನ್ನಿವೇಶದಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡಲಾಗುತ್ತಿರುವ ಅಸ್ಥಿರಗಳು
(ಗ್ಯಾಲಿಯರ್ಸ್ 1992). ತನಿಖೆಗಳು ವೈಯಕ್ತಿಕ ಪ್ರಕರಣಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು ಅಥವಾ
ಬಹು, ವಿಶ್ಲೇಷಿಸಿದ ವಿದ್ಯಮಾನವನ್ನು ಅವಲಂಬಿಸಿ (ಫ್ರಾಂಜ್ ಮತ್ತು ರಾಬಿ 1987,
ಐಸೆನ್‌ಹಾರ್ಡ್ 1989, ಯಿನ್ 1989).
ವಿಚಾರಣೆಯ ಸಂಶೋಧನಾ ವಿಧಾನವನ್ನು "ವಿಚಾರಣೆ" ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ
ಒಂದು ಸಮಕಾಲೀನ ವಿದ್ಯಮಾನವನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನ
ಸಾಪೇಕ್ಷ ನೈಜ ಸಂದರ್ಭ, ಒಂದರಿಂದ ಸಂಗ್ರಹಿಸಲಾದ ಬಹು ಮೂಲಗಳನ್ನು ಬಳಸಿ ಅಥವಾ
ಜನರು, ಗುಂಪುಗಳು ಅಥವಾ ಸಂಸ್ಥೆಗಳಂತಹ ಬಹು ಘಟಕಗಳು" (ಯಿನ್ 1989).
ವಿದ್ಯಮಾನ ಮತ್ತು ಅದರ ಸಂದರ್ಭದ ನಡುವೆ ಸ್ಪಷ್ಟವಾದ ಪ್ರತ್ಯೇಕತೆ ಇಲ್ಲ ಇ
ಅಸ್ಥಿರಗಳ ಯಾವುದೇ ನಿಯಂತ್ರಣ ಅಥವಾ ಪ್ರಾಯೋಗಿಕ ಕುಶಲತೆಯಿಲ್ಲ (ಯಿನ್
1989, ಬೆನ್ಬಸತ್ ಮತ್ತು ಇತರರು 1987).
ಸಂಗ್ರಹಿಸಲು ವಿವಿಧ ತಂತ್ರಗಳಿವೆ dati ಅವರು ಮಾಡಬಹುದು
ಇವುಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ವಿಚಾರಣಾ ವಿಧಾನದಲ್ಲಿ ಬಳಸಿಕೊಳ್ಳಬಹುದು
ನೇರ ಅವಲೋಕನಗಳು, ಆರ್ಕೈವಲ್ ದಾಖಲೆಗಳ ವಿಮರ್ಶೆಗಳು, ಪ್ರಶ್ನಾವಳಿಗಳು,
ದಸ್ತಾವೇಜನ್ನು ಮತ್ತು ರಚನಾತ್ಮಕ ಸಂದರ್ಶನಗಳ ಪರಿಶೀಲನೆ. ಹೊಂದಿರುವ
ಕೊಯ್ಲು ತಂತ್ರಗಳ ವೈವಿಧ್ಯಮಯ ಶ್ರೇಣಿ dati, ತನಿಖೆಗಳು
ಎರಡನ್ನೂ ನಿಭಾಯಿಸಲು ಸಂಶೋಧಕರಿಗೆ ಅವಕಾಶ ಮಾಡಿಕೊಡಿ dati ಗುಣಾತ್ಮಕ ಎಂದು
ಅದೇ ಸಮಯದಲ್ಲಿ ಪ್ರಮಾಣಗಳು (ಬೊನೊಮಾ 1985, ಐಸೆನ್ಹಾರ್ಡ್ 1989, ಯಿನ್
1989, ಗೇಬಲ್ 1994). ಸಮೀಕ್ಷೆಯ ವಿಧಾನದಂತೆ, ಎ
ವಿಚಾರಣಾ ಸಂಶೋಧಕರು ವೀಕ್ಷಕರಾಗಿ ಅಥವಾ ಸಂಶೋಧಕರಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಾರೆ ಮತ್ತು ಅಲ್ಲ
ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಸಂಸ್ಥೆಯಲ್ಲಿ ಸಕ್ರಿಯ ಪಾಲ್ಗೊಳ್ಳುವವರಾಗಿ.
ಬೆನ್ಬಸತ್ ಮತ್ತು ಇತರರು (1987) ವಿಚಾರಣೆಯ ವಿಧಾನ ಎಂದು ಪ್ರತಿಪಾದಿಸುತ್ತಾರೆ
ಸಿದ್ಧಾಂತ ನಿರ್ಮಾಣ ಸಂಶೋಧನೆಗೆ ವಿಶೇಷವಾಗಿ ಸೂಕ್ತವಾಗಿದೆ, ಇದು
ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ತರಬೇತಿಯೊಂದಿಗೆ ಮುಂದುವರಿಯಿರಿ
ಸಂಗ್ರಹಿಸುವ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಒಂದು ಸಿದ್ಧಾಂತ dati. ಬೀಯಿಂಗ್
ವೇದಿಕೆಗೆ ಸಹ ಸೂಕ್ತವಾಗಿದೆ
ಥಿಯರಿ ಬಿಲ್ಡಿಂಗ್, ಫ್ರಾಂಜ್ ಮತ್ತು ರಾಬಿ (1987) ಇದನ್ನು ಸೂಚಿಸುತ್ತಾರೆ
ವಿಚಾರಣೆಯ ವಿಧಾನವನ್ನು ಸಂಕೀರ್ಣಕ್ಕೆ ಸಹ ಬಳಸಬಹುದು
ಸಿದ್ಧಾಂತದ ಹಂತ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಸಂಗ್ರಹಿಸಿದ ಸಾಕ್ಷ್ಯವನ್ನು ಆಧರಿಸಿ, ಒಂದು
ನೀಡಿದ ಸಿದ್ಧಾಂತ ಅಥವಾ ಊಹೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆ ಅಥವಾ ನಿರಾಕರಿಸಲಾಗಿದೆ. ಜೊತೆಗೆ, ತನಿಖೆ ಆಗಿದೆ
'ಹೇಗೆ' ಅಥವಾ 'ಹೇಗೆ' ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವ ಸಂಶೋಧನೆಗೆ ಸಹ ಸೂಕ್ತವಾಗಿದೆ
'ಏಕೆ' (ಯಿನ್ 1989).
ಇತರ ವಿಧಾನಗಳಿಗೆ ಹೋಲಿಸಿದರೆ, ಸಮೀಕ್ಷೆಗಳು ಸಂಶೋಧಕರಿಗೆ ಅವಕಾಶ ನೀಡುತ್ತವೆ
ಅಗತ್ಯ ಮಾಹಿತಿಯನ್ನು ಹೆಚ್ಚು ವಿವರವಾಗಿ ಸೆರೆಹಿಡಿಯಿರಿ (ಗ್ಯಾಲಿಯರ್ಸ್
1992, ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು 1993). ಇದಲ್ಲದೆ, ತನಿಖೆಗಳು ಅನುಮತಿಸುತ್ತವೆ
ಅಧ್ಯಯನ ಮಾಡಿದ ಪ್ರಕ್ರಿಯೆಗಳ ಸ್ವರೂಪ ಮತ್ತು ಸಂಕೀರ್ಣತೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಂಶೋಧಕ
(ಬೆನ್ಬಸತ್ ಮತ್ತು ಇತರರು 1987).
ವಿಧಾನಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ನಾಲ್ಕು ಮುಖ್ಯ ಅನಾನುಕೂಲಗಳಿವೆ
ತನಿಖೆ. ಮೊದಲನೆಯದು ನಿಯಂತ್ರಿತ ಕಡಿತಗಳ ಕೊರತೆ. ಅಲ್ಲಿ
ಸಂಶೋಧಕರ ವ್ಯಕ್ತಿನಿಷ್ಠತೆಯು ಫಲಿತಾಂಶಗಳು ಮತ್ತು ತೀರ್ಮಾನಗಳನ್ನು ಬದಲಾಯಿಸಬಹುದು
ಅಧ್ಯಯನದ (ಯಿನ್ 1989). ಎರಡನೆಯ ಅನನುಕೂಲವೆಂದರೆ ಕೊರತೆ
ನಿಯಂತ್ರಿತ ವೀಕ್ಷಣೆ. ಪ್ರಾಯೋಗಿಕ ವಿಧಾನಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ದಿ
ವಿಚಾರಣಾ ಸಂಶೋಧಕರು ಅಧ್ಯಯನ ಮಾಡಿದ ವಿದ್ಯಮಾನಗಳನ್ನು ನಿಯಂತ್ರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ
ಅವುಗಳ ಸ್ವಾಭಾವಿಕ ಸನ್ನಿವೇಶದಲ್ಲಿ ಪರೀಕ್ಷಿಸಿದಂತೆ (ಗೇಬಲ್ 1994). ದಿ
ಮೂರನೆಯ ಅನನುಕೂಲವೆಂದರೆ ಪುನರಾವರ್ತನೆಯ ಕೊರತೆ. ಇದಕ್ಕೆ ಕಾರಣ
ಸಂಶೋಧಕರು ಅದೇ ಘಟನೆಗಳನ್ನು ವೀಕ್ಷಿಸಲು ಅಸಂಭವವಾಗಿದೆ, ಮತ್ತು
ನಿರ್ದಿಷ್ಟ ಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ (ಲೀ 1989).
ಅಂತಿಮವಾಗಿ, ಪುನರಾವರ್ತನೆಯಿಲ್ಲದ ಪರಿಣಾಮವಾಗಿ, ಇದು ಕಷ್ಟಕರವಾಗಿದೆ
ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ತನಿಖೆಗಳಿಂದ ಪಡೆದ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸಿ (ಗ್ಯಾಲಿಯರ್ಸ್
1992, ಶಾಂಕ್ಸ್ ಮತ್ತು ಇತರರು 1993). ಈ ಎಲ್ಲಾ ಸಮಸ್ಯೆಗಳು, ಆದಾಗ್ಯೂ, ಅಲ್ಲ
ದುಸ್ತರ ಮತ್ತು ವಾಸ್ತವವಾಗಿ, ಕಡಿಮೆ ಮಾಡಬಹುದು
ಸೂಕ್ತ ಕ್ರಮಗಳನ್ನು ಅನ್ವಯಿಸುವ ಸಂಶೋಧಕ (ಲೀ 1989).
3.3. ಸಂಶೋಧನಾ ವಿಧಾನವನ್ನು ಸಮರ್ಥಿಸಿ
ಅಳವಡಿಸಿಕೊಂಡಿದ್ದಾರೆ
ಈ ಅಧ್ಯಯನಕ್ಕಾಗಿ ಎರಡು ಸಂಭವನೀಯ ಸಂಶೋಧನಾ ವಿಧಾನಗಳಿಂದ, ವಿಧಾನ
ತನಿಖೆಯನ್ನು ಅತ್ಯಂತ ಸೂಕ್ತವೆಂದು ಪರಿಗಣಿಸಲಾಗಿದೆ. ಅದು ತನಿಖೆಯಾಗಿದೆ
ಸಂಬಂಧಿಸಿದವುಗಳನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಪರಿಗಣಿಸಿದ ನಂತರ ತಿರಸ್ಕರಿಸಲಾಗಿದೆ
ಅರ್ಹತೆಗಳು ಮತ್ತು ದೌರ್ಬಲ್ಯಗಳು. ಪ್ರತಿಯೊಂದರ ಅನುಕೂಲತೆ ಅಥವಾ ಅನುಚಿತತೆ
ಈ ಅಧ್ಯಯನದ ವಿಧಾನವನ್ನು ಕೆಳಗೆ ಚರ್ಚಿಸಲಾಗಿದೆ.
3.3.1. ಸಂಶೋಧನಾ ವಿಧಾನದ ಅಸಮರ್ಪಕತೆ
ತನಿಖೆಯ
ವಿಚಾರಣಾ ವಿಧಾನಕ್ಕೆ ಒಂದರ ಬಗ್ಗೆ ಆಳವಾದ ಅಧ್ಯಯನದ ಅಗತ್ಯವಿದೆ
ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಪರಿಸ್ಥಿತಿ a
ಕಾಲಾವಧಿ (ಐಸೆನ್ಹಾರ್ಡ್ 1989). ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅವಧಿ ಮಾಡಬಹುದು
ಈ ಅಧ್ಯಯನಕ್ಕೆ ನೀಡಲಾದ ಕಾಲಮಿತಿಯನ್ನು ಮೀರುತ್ತದೆ. ಇನ್ನೊಂದು
ಸಮೀಕ್ಷೆ ವಿಧಾನವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳದಿರುವ ಕಾರಣ ಫಲಿತಾಂಶಗಳು
ಅವರು ಕಠಿಣತೆಯ ಕೊರತೆಯಿಂದ ಬಳಲುತ್ತಿದ್ದಾರೆ (ಯಿನ್ 1989). ವ್ಯಕ್ತಿನಿಷ್ಠತೆ
ಸಂಶೋಧಕರು ಫಲಿತಾಂಶಗಳು ಮತ್ತು ತೀರ್ಮಾನಗಳ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರಬಹುದು. ಇನ್ನೊಂದು
ಕಾರಣ ಈ ವಿಧಾನವು ಪ್ರಶ್ನೆಗಳ ಸಂಶೋಧನೆಗೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿದೆ
'ಹೇಗೆ' ಅಥವಾ 'ಏಕೆ' ಪ್ರಕಾರದ (ಯಿನ್ 1989), ಆದರೆ ಸಂಶೋಧನೆಯ ಪ್ರಶ್ನೆ
ಈ ಅಧ್ಯಯನಕ್ಕಾಗಿ ಇದು 'ಯಾವ' ಪ್ರಕಾರವಾಗಿದೆ. ಕೊನೆಯದು ಆದರೆ ಕನಿಷ್ಠವಲ್ಲ
ಮುಖ್ಯವಾಗಿ, ಕೇವಲ ಒಂದರಿಂದ ಸಂಶೋಧನೆಗಳನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸುವುದು ಕಷ್ಟ ಅಥವಾ
ಕೆಲವು ತನಿಖೆಗಳು (Galliers 1992, Shanks et al 1993). ಆಧಾರದ ಮೇಲೆ
ಈ ತರ್ಕಬದ್ಧ ವಿವರಣೆ, ವಿಚಾರಣೆಯ ಸಂಶೋಧನಾ ವಿಧಾನವಲ್ಲ
ಈ ಅಧ್ಯಯನಕ್ಕೆ ಸೂಕ್ತವಲ್ಲದ ಕಾರಣ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ.
3.3.2. ಹುಡುಕಾಟ ವಿಧಾನದ ಅನುಕೂಲ
ತನಿಖೆ
ಈ ಸಂಶೋಧನೆಯನ್ನು ನಡೆಸಿದಾಗ, ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಅಭ್ಯಾಸ
ವ್ಯಾಪಕವಾಗಿ ಅಳವಡಿಸಿಕೊಂಡಿರಲಿಲ್ಲ
ಆಸ್ಟ್ರೇಲಿಯಾದ ಸಂಸ್ಥೆಗಳು. ಹಾಗಾಗಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿ ಇರಲಿಲ್ಲ
ಒಳಗೆ ಅವುಗಳ ಅನುಷ್ಠಾನದ ಬಗ್ಗೆ
ಆಸ್ಟ್ರೇಲಿಯಾದ ಸಂಸ್ಥೆಗಳು. ಲಭ್ಯ ಮಾಹಿತಿ ಬಂತು
ಡೇಟಾವನ್ನು ಅಳವಡಿಸಿದ ಅಥವಾ ಬಳಸಿದ ಸಂಸ್ಥೆಗಳಿಂದ
ಉಗ್ರಾಣ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನಾ ವಿಧಾನವು ಹೆಚ್ಚು
ಸೂಕ್ತವಾಗಿದೆ ಏಕೆಂದರೆ ಇದು ನಿಮಗೆ ಇಲ್ಲದ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಅನುಮತಿಸುತ್ತದೆ
ಬೇರೆಡೆ ಅಥವಾ ವಿಶ್ಲೇಷಣೆಗೆ ಅಗತ್ಯವಿರುವ ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿದೆ (ಫೌಲರ್ 1988).
ಹೆಚ್ಚುವರಿಯಾಗಿ, ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನಾ ವಿಧಾನವು ಸಂಶೋಧಕರಿಗೆ ಅನುಮತಿಸುತ್ತದೆ
ಅಭ್ಯಾಸಗಳು, ಸನ್ನಿವೇಶಗಳು, ಅಥವಾ ಉತ್ತಮ ಒಳನೋಟವನ್ನು ಪಡೆಯಿರಿ
ನಿರ್ದಿಷ್ಟ ಸಮಯದಲ್ಲಿ ನೋಡಲಾಗಿದೆ (ಗ್ಯಾಲಿಯರ್ಸ್ 1992, ಡೆನ್ಸ್‌ಕಾಂಬ್ 1998).
ಹೆಚ್ಚಿಸಲು ಒಟ್ಟಾರೆ ವೀಕ್ಷಣೆಯ ಅಗತ್ಯವಿದೆ
ಆಸ್ಟ್ರೇಲಿಯನ್ ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಅನುಭವದ ಬಗ್ಗೆ ಜ್ಞಾನ.
ಮತ್ತೊಮ್ಮೆ, ಸೋನ್ಕ್ವಿಸ್ಟ್ ಮತ್ತು ಡಂಕೆಲ್ಬರ್ಗ್ (1977) ಫಲಿತಾಂಶಗಳು ಎಂದು ಹೇಳುತ್ತವೆ
ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯು ಇತರ ವಿಧಾನಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿದೆ.
3.4. ಸಮೀಕ್ಷೆ ಸಂಶೋಧನಾ ವಿನ್ಯಾಸ
ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಅಭ್ಯಾಸದ ತನಿಖೆಯನ್ನು 1999 ರಲ್ಲಿ ನಡೆಸಲಾಯಿತು.

ಗುರಿ ಜನಸಂಖ್ಯೆಯು ಸಂಸ್ಥೆಗಳನ್ನು ಒಳಗೊಂಡಿತ್ತು
ಆಸ್ಟ್ರೇಲಿಯನ್ನರು ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದಾರೆ
ಬಹುಶಃ i ಬಗ್ಗೆ ಈಗಾಗಲೇ ತಿಳಿಸಲಾಗಿದೆ dati ಅವರು ಸಂಗ್ರಹಿಸುತ್ತಾರೆ ಮತ್ತು,
ಆದ್ದರಿಂದ, ಇದು ಈ ಅಧ್ಯಯನಕ್ಕೆ ಉಪಯುಕ್ತ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ. ಅಲ್ಲಿ
ಗುರಿ ಜನಸಂಖ್ಯೆಯನ್ನು ಆರಂಭಿಕ ಸಮೀಕ್ಷೆಯೊಂದಿಗೆ ಗುರುತಿಸಲಾಗಿದೆ
'ದಿ ಡಾಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್' (Tdwiaap) ನ ಎಲ್ಲಾ ಆಸ್ಟ್ರೇಲಿಯನ್ ಸದಸ್ಯರು.
ಈ ವಿಭಾಗವು ಸಂಶೋಧನಾ ಹಂತದ ವಿನ್ಯಾಸವನ್ನು ಚರ್ಚಿಸುತ್ತದೆ
ಈ ಅಧ್ಯಯನದ ಪ್ರಾಯೋಗಿಕ ಪುರಾವೆಗಳು.
3.4.1. ಕೊಯ್ಲು ತಂತ್ರ dati
ಸಮೀಕ್ಷೆ ಸಂಶೋಧನೆಯಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಮೂರು ತಂತ್ರಗಳಿಂದ
(ಅಂದರೆ ಪೋಸ್ಟಲ್ ಪ್ರಶ್ನಾವಳಿ, ದೂರವಾಣಿ ಸಂದರ್ಶನ ಮತ್ತು ಸಂದರ್ಶನ
ವೈಯಕ್ತಿಕ) (ನಾಚ್ಮಿಯಾಸ್ 1976, ಫೌಲರ್ 1988, ಡಿ ವಾಸ್ 1991), ಇದಕ್ಕಾಗಿ
ಈ ಅಧ್ಯಯನವು ಮೇಲ್ ಪ್ರಶ್ನಾವಳಿಯನ್ನು ಅಳವಡಿಸಿಕೊಂಡಿದೆ. ಮೊದಲ
ಎರಡನೆಯದನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಲು ಕಾರಣ ಅದು ಸಾಧಿಸಬಹುದು
ಭೌಗೋಳಿಕವಾಗಿ ಚದುರಿದ ಜನಸಂಖ್ಯೆ (ಬ್ಲಾಕ್ 1970, ನಾಚ್ಮಿಯಾಸ್ ಇ
ನಾಚ್ಮಿಯಾಸ್ 1976, ಹ್ವಾಂಗ್ ಮತ್ತು ಲಿನ್ 1987, ಡಿ ವಾಸ್ 1991, ಗೇಬಲ್ 1994).
ಎರಡನೆಯದಾಗಿ, ಪೋಸ್ಟಲ್ ಪ್ರಶ್ನಾವಳಿ ಭಾಗವಹಿಸುವವರಿಗೆ ಸೂಕ್ತವಾಗಿದೆ
ಉನ್ನತ ಶಿಕ್ಷಣ ಪಡೆದವರು (ಫೌಲರ್ 1988). ಇದಕ್ಕಾಗಿ ಮೇಲ್ ಪ್ರಶ್ನಾವಳಿ
ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಪ್ರಾಜೆಕ್ಟ್ ಪ್ರಾಯೋಜಕರಿಗೆ ಅಧ್ಯಯನವನ್ನು ಉದ್ದೇಶಿಸಲಾಗಿದೆ,
ನಿರ್ದೇಶಕರು ಮತ್ತು/ಅಥವಾ ಯೋಜನಾ ವ್ಯವಸ್ಥಾಪಕರು. ಮೂರನೆಯದಾಗಿ, ಪ್ರಶ್ನಾವಳಿಗಳು ದೂರ
ನೀವು ಸುರಕ್ಷಿತ ಪಟ್ಟಿಯನ್ನು ಹೊಂದಿರುವಾಗ ಮೇಲ್ ಸೂಕ್ತವಾಗಿದೆ
ವಿಳಾಸಗಳು (ಸಲಾಂಟ್ ಮತ್ತು ದಿಲ್ಮನ್ 1994). TDWI, ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಒಂದು
ವಿಶ್ವಾಸಾರ್ಹ ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಅಸೋಸಿಯೇಷನ್ ​​ವಿಳಾಸ ಪಟ್ಟಿಯನ್ನು ಒದಗಿಸಿದೆ
ಅದರ ಆಸ್ಟ್ರೇಲಿಯನ್ ಸದಸ್ಯರು. ಪ್ರಶ್ನಾವಳಿಯ ಮತ್ತೊಂದು ಪ್ರಯೋಜನ
ಮೇಲ್ ಮತ್ತು ದೂರವಾಣಿ ಪ್ರಶ್ನಾವಳಿ ಅಥವಾ ಸಂದರ್ಶನಗಳ ಮೂಲಕ
ವೈಯಕ್ತಿಕ ಅದು ನೋಂದಾಯಿತರಿಗೆ ಹೆಚ್ಚು ಪ್ರತಿಕ್ರಿಯಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ
ನಿಖರತೆ, ವಿಶೇಷವಾಗಿ ನೋಂದಾಯಿಸಿದವರು ಸಮಾಲೋಚಿಸಬೇಕಾದಾಗ
ಟಿಪ್ಪಣಿಗಳು ಅಥವಾ ಇತರ ಜನರೊಂದಿಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಚರ್ಚಿಸಿ (ಫೌಲರ್
1988).
ಸಂಭಾವ್ಯ ಅನನುಕೂಲವೆಂದರೆ ಅಗತ್ಯವಿರುವ ಸಮಯ ಇರಬಹುದು
ಮೇಲ್ ಮೂಲಕ ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ನಡೆಸುವುದು. ಸಾಮಾನ್ಯವಾಗಿ, ಪ್ರಶ್ನಾವಳಿ ದೂರ
ಮೇಲ್ ಅನ್ನು ಈ ಅನುಕ್ರಮದಲ್ಲಿ ನಡೆಸಲಾಗುತ್ತದೆ: ಪತ್ರಗಳನ್ನು ಕಳುಹಿಸಿ, ನಿರೀಕ್ಷಿಸಿ
ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮತ್ತು ದೃಢೀಕರಣವನ್ನು ಕಳುಹಿಸಿ (ಫೌಲರ್ 1988, ಬೈನ್ಬ್ರಿಡ್ಜ್ 1989).
ಹೀಗಾಗಿ, ಒಟ್ಟು ಸಮಯವು ಅಗತ್ಯವಿರುವ ಸಮಯಕ್ಕಿಂತ ಹೆಚ್ಚಿರಬಹುದು
ವೈಯಕ್ತಿಕ ಸಂದರ್ಶನಗಳು ಅಥವಾ ದೂರವಾಣಿ ಸಂದರ್ಶನಗಳಿಗಾಗಿ. ಆದಾಗ್ಯೂ, ದಿ
ಒಟ್ಟು ಸಮಯವನ್ನು ಮುಂಚಿತವಾಗಿ ತಿಳಿಯಬಹುದು (ಫೌಲರ್ 1988,
ಡೆನ್ಸ್‌ಕಾಂಬ್ 1998). ಸಂದರ್ಶನಗಳನ್ನು ನಡೆಸಲು ಕಳೆದ ಸಮಯ
ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಮುಂಚಿತವಾಗಿ ತಿಳಿಯಲಾಗುವುದಿಲ್ಲ ಏಕೆಂದರೆ ಅದು ಬದಲಾಗುತ್ತದೆ
ಒಂದು ಸಂದರ್ಶನ ಇನ್ನೊಂದಕ್ಕೆ (ಫೌಲರ್ 1988). ದೂರವಾಣಿ ಸಂದರ್ಶನಗಳು
ಪೋಸ್ಟಲ್ ಪ್ರಶ್ನಾವಳಿಗಳಿಗಿಂತ ವೇಗವಾಗಿರಬಹುದು ಮತ್ತು
ವೈಯಕ್ತಿಕ ಸಂದರ್ಶನಗಳು ಆದರೆ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದಲ್ಲಿ ಕಾಣೆಯಾಗಬಹುದು
ಕೆಲವು ಜನರ ಅಲಭ್ಯತೆಯಿಂದಾಗಿ ಪ್ರತಿಕ್ರಿಯೆ (ಫೌಲರ್ 1988).
ಹೆಚ್ಚುವರಿಯಾಗಿ, ದೂರವಾಣಿ ಸಂದರ್ಶನಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಪಟ್ಟಿಗಳಿಗೆ ಸೀಮಿತವಾಗಿವೆ
ತುಲನಾತ್ಮಕವಾಗಿ ಚಿಕ್ಕ ಪ್ರಶ್ನೆಗಳು (ಬೈನ್‌ಬ್ರಿಡ್ಜ್ 1989).
ಮೇಲ್ ಪ್ರಶ್ನಾವಳಿಯ ಮತ್ತೊಂದು ದೌರ್ಬಲ್ಯವು ಹೆಚ್ಚಿನ ದರವಾಗಿದೆ
ಪ್ರತಿಕ್ರಿಯೆಯ ಕೊರತೆ (ಫೌಲರ್ 1988, ಬೈನ್‌ಬ್ರಿಡ್ಜ್ 1989, ನ್ಯೂಮನ್
1994). ಆದಾಗ್ಯೂ, ಸಂಯೋಜಿಸುವ ಪ್ರತಿಕ್ರಮಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ
ಡೇಟಾ ಕ್ಷೇತ್ರದಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹ ಸಂಸ್ಥೆಯೊಂದಿಗೆ ಈ ಅಧ್ಯಯನ
ಉಗ್ರಾಣ (ಅಂದರೆ TDWI) (ಬೈನ್‌ಬ್ರಿಡ್ಜ್ 1989, ನ್ಯೂಮನ್ 1994), ದಿ
ಇದು ಪ್ರತಿಕ್ರಿಯಿಸದವರಿಗೆ ಎರಡು ಜ್ಞಾಪನೆ ಪತ್ರಗಳನ್ನು ಕಳುಹಿಸುತ್ತದೆ
(ಫೌಲರ್ 1988, ನ್ಯೂಮನ್ 1994) ಮತ್ತು ಪತ್ರವನ್ನು ಸಹ ಒಳಗೊಂಡಿದೆ
ಅಧ್ಯಯನದ ಉದ್ದೇಶವನ್ನು ವಿವರಿಸುವ ಪೂರಕ (ನ್ಯೂಮನ್ 1994).
3.4.2. ವಿಶ್ಲೇಷಣೆಯ ಘಟಕ
ಎಂಬ ಬಗ್ಗೆ ಮಾಹಿತಿ ಪಡೆಯುವುದು ಈ ಅಧ್ಯಯನದ ಉದ್ದೇಶ
ಡೇಟಾ ಗೋದಾಮಿನ ಅನುಷ್ಠಾನ ಮತ್ತು ಅದರ ಬಳಕೆ
ಆಸ್ಟ್ರೇಲಿಯಾದ ಸಂಸ್ಥೆಗಳಲ್ಲಿ. ಗುರಿ ಜನಸಂಖ್ಯೆ
ಹೊಂದಿರುವ ಎಲ್ಲಾ ಆಸ್ಟ್ರೇಲಿಯನ್ ಸಂಸ್ಥೆಗಳಿಂದ ಮಾಡಲ್ಪಟ್ಟಿದೆ
ಜಾರಿಗೊಳಿಸಲಾಗಿದೆ, ಅಥವಾ ಅನುಷ್ಠಾನಗೊಳಿಸಲಾಗುತ್ತಿದೆ, i ಡೇಟಾ ವೇರ್ಹೌಸ್. ರಲ್ಲಿ
ನಂತರ ವೈಯಕ್ತಿಕ ಸಂಸ್ಥೆಗಳನ್ನು ನೋಂದಾಯಿಸಲಾಗುತ್ತದೆ. ಪ್ರಶ್ನಾವಳಿ
ಅದನ್ನು ದತ್ತು ತೆಗೆದುಕೊಳ್ಳಲು ಆಸಕ್ತಿ ಹೊಂದಿರುವ ಸಂಸ್ಥೆಗಳಿಗೆ ಅಂಚೆ ಮೂಲಕ ಕಳುಹಿಸಲಾಗಿದೆ
di ಡೇಟಾ ವೇರ್ಹೌಸ್. ಈ ವಿಧಾನವು ಮಾಹಿತಿಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ
ಪ್ರತಿ ಸಂಸ್ಥೆಯ ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಸಂಪನ್ಮೂಲಗಳಿಂದ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ
ಭಾಗವಹಿಸುವವರು.
3.4.3. ಸಮೀಕ್ಷೆ ಮಾದರಿ
ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಭಾಗವಹಿಸುವವರ "ಮೇಲಿಂಗ್ ಪಟ್ಟಿ" ಅನ್ನು ಪಡೆಯಲಾಗಿದೆ
TDWI. ಈ ಪಟ್ಟಿಯಿಂದ, 3000 ಆಸ್ಟ್ರೇಲಿಯನ್ ಸಂಸ್ಥೆಗಳು
ಮಾದರಿಗೆ ಆಧಾರವಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ. ಎ
ಹೆಚ್ಚುವರಿ ಪತ್ರವು ತನಿಖೆಯ ಯೋಜನೆ ಮತ್ತು ಉದ್ದೇಶವನ್ನು ವಿವರಿಸಿದೆ,
ಉತ್ತರ ಪತ್ರಿಕೆ ಮತ್ತು ಪೂರ್ವ-ಪಾವತಿಸಿದ ಲಕೋಟೆಯೊಂದಿಗೆ
ಪೂರ್ಣಗೊಂಡ ಪ್ರಶ್ನಾವಳಿಯನ್ನು ಮಾದರಿಗೆ ಕಳುಹಿಸಲಾಗಿದೆ.
3000 ಸಂಸ್ಥೆಗಳಲ್ಲಿ 198 ಸಂಸ್ಥೆಗಳು ಭಾಗವಹಿಸಲು ಒಪ್ಪಿಕೊಂಡಿವೆ
ಅಧ್ಯಯನ. ಇಷ್ಟು ಕಡಿಮೆ ಸಂಖ್ಯೆಯ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ನಿರೀಕ್ಷಿಸಲಾಗಿತ್ತು ನೀಡಿದ il
ಆಗ ಅವರು ಹೊಂದಿದ್ದ ದೊಡ್ಡ ಸಂಖ್ಯೆಯ ಆಸ್ಟ್ರೇಲಿಯನ್ ಸಂಸ್ಥೆಗಳು
ದಿನಾಂಕದ ತಂತ್ರವನ್ನು ಅಳವಡಿಸಿಕೊಂಡರು ಅಥವಾ ಸ್ವೀಕರಿಸುತ್ತಿದ್ದರು
ಅವರ ಸಂಸ್ಥೆಗಳೊಳಗೆ ಉಗ್ರಾಣ. ಆದ್ದರಿಂದ, ದಿ
ಈ ಅಧ್ಯಯನದ ಗುರಿ ಜನಸಂಖ್ಯೆಯು ಕೇವಲ 198 ಅನ್ನು ಒಳಗೊಂಡಿದೆ
ಸಂಸ್ಥೆಗಳು.
3.4.4. ಪ್ರಶ್ನಾವಳಿಯ ವಿಷಯಗಳು
ಪ್ರಶ್ನಾವಳಿಯ ರಚನೆಯು ದಿನಾಂಕದ ಮಾದರಿಯನ್ನು ಆಧರಿಸಿದೆ
ಮೊನಾಶ್ ವೇರ್ಹೌಸಿಂಗ್ (ಭಾಗ 2.3 ರಲ್ಲಿ ಹಿಂದೆ ಚರ್ಚಿಸಲಾಗಿದೆ). ದಿ
ಪ್ರಶ್ನಾವಳಿಯ ವಿಷಯವು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಆಧರಿಸಿದೆ
ಅಧ್ಯಾಯ 2 ರಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾದ ಸಾಹಿತ್ಯ. ಪ್ರಶ್ನಾವಳಿಯ ಪ್ರತಿ
ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಭಾಗವಹಿಸುವವರನ್ನು ಕಾಣಬಹುದು
ಅನುಬಂಧ B. ಪ್ರಶ್ನಾವಳಿಯು ಆರು ವಿಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಚರ್ಚಿಸಿದ ಮಾದರಿಯ ಹಂತಗಳು ಅನುಸರಿಸುತ್ತವೆ. ಕೆಳಗಿನ ಆರು ಪ್ಯಾರಾಗಳು
ಅವರು ಪ್ರತಿ ವಿಭಾಗದ ವಿಷಯಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಸಾರಾಂಶಿಸುತ್ತಾರೆ.
ವಿಭಾಗ ಎ: ಸಂಸ್ಥೆಯ ಬಗ್ಗೆ ಮೂಲ ಮಾಹಿತಿ
ಈ ವಿಭಾಗವು ಪ್ರೊಫೈಲ್‌ಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಶ್ನೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಭಾಗವಹಿಸುವ ಸಂಸ್ಥೆಗಳು. ಜೊತೆಗೆ, ಕೆಲವು ಪ್ರಶ್ನೆಗಳು
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಯೋಜನೆಯ ಸ್ಥಿತಿಗೆ ಸಂಬಂಧಿಸಿದೆ
ಭಾಗವಹಿಸುವವರು. ನಿಮ್ಮ ಹೆಸರಿನಂತಹ ಗೌಪ್ಯ ಮಾಹಿತಿ
ಸಂಸ್ಥೆಯ ಸಮೀಕ್ಷೆಯ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಬಹಿರಂಗವಾಗಿಲ್ಲ.
ವಿಭಾಗ ಬಿ: ಆರಂಭ
ಈ ವಿಭಾಗದ ಪ್ರಶ್ನೆಗಳು ಆರಂಭಿಕ ಚಟುವಟಿಕೆಗೆ ಸಂಬಂಧಿಸಿವೆ
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್. ಎಷ್ಟು ಸಮಯದವರೆಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲಾಯಿತು
ಯೋಜನೆಯ ಪ್ರಾರಂಭಿಕರು, ಖಾತರಿದಾರರು, ಕೌಶಲ್ಯಗಳು ಮತ್ತು ಜ್ಞಾನಕ್ಕೆ ಸಂಬಂಧಿಸಿದೆ
ವಿನಂತಿಗಳು, ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಅಭಿವೃದ್ಧಿಯ ಉದ್ದೇಶಗಳು ಮತ್ತು
ಅಂತಿಮ ಬಳಕೆದಾರರ ನಿರೀಕ್ಷೆಗಳು.
ವಿಭಾಗ ಸಿ: ವಿನ್ಯಾಸ
ಈ ವಿಭಾಗವು ಚಟುವಟಿಕೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಶ್ನೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಯೋಜನೆ ಡೇಟಾ ವೇರ್ಹೌಸ್. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಪ್ರಶ್ನೆಗಳು
ಮರಣದಂಡನೆಯ ವ್ಯಾಪ್ತಿ, ಯೋಜನೆಯ ಅವಧಿ, ವೆಚ್ಚದ ಬಗ್ಗೆ ತಿಳಿಸಿ
ಯೋಜನೆಯ ವೆಚ್ಚ ಮತ್ತು ಲಾಭದ ವಿಶ್ಲೇಷಣೆ.
ವಿಭಾಗ ಡಿ: ಅಭಿವೃದ್ಧಿ
ಅಭಿವೃದ್ಧಿ ವಿಭಾಗದಲ್ಲಿ ಚಟುವಟಿಕೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಶ್ನೆಗಳಿವೆ
ಅಭಿವೃದ್ಧಿ ಡೇಟಾ ವೇರ್ಹೌಸ್: ಬಳಕೆದಾರರ ಅವಶ್ಯಕತೆಗಳ ಸಂಗ್ರಹ
ಅಂತಿಮ, ಮೂಲಗಳು dati, ನ ತಾರ್ಕಿಕ ಮಾದರಿ dati, ಮೂಲಮಾದರಿಗಳು, ದಿ
ಸಾಮರ್ಥ್ಯ ಯೋಜನೆ, ತಾಂತ್ರಿಕ ವಾಸ್ತುಶಿಲ್ಪಗಳು ಮತ್ತು ಆಯ್ಕೆ
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ಅಭಿವೃದ್ಧಿ ಉಪಕರಣಗಳು.
ವಿಭಾಗ ಇ: ಕಾರ್ಯಾಚರಣೆ
ಆಪರೇಷನ್ ಎಡ್‌ಗೆ ಸಂಬಂಧಿಸಿದ ಕಾರ್ಯಾಚರಣೆಯ ಪ್ರಶ್ನೆಗಳು
ವಿಸ್ತರಣೆಗೆ ಡೇಟಾ ವೇರ್ಹೌಸ್, ಅದು ಹೇಗೆ ವಿಕಸನಗೊಳ್ಳುತ್ತದೆ
ಅಭಿವೃದ್ಧಿಯ ಮುಂದಿನ ಹಂತ. ಅಲ್ಲಿ ಡೇಟಾ ಗುಣಮಟ್ಟ, ತಂತ್ರಗಳು
ರಿಫ್ರೆಶ್ ಡೀ dati, ಗ್ರ್ಯಾನ್ಯುಲಾರಿಟಿ dati, ಡೇಟಾ ಸ್ಕೇಲೆಬಿಲಿಟಿ
ಗೋದಾಮು ಮತ್ತು ಭದ್ರತಾ ಸಮಸ್ಯೆಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವರು ನಡುವೆ ಇದ್ದರು
ಕೇಳಲಾದ ಪ್ರಶ್ನೆಗಳ ಪ್ರಕಾರಗಳು.
ವಿಭಾಗ ಎಫ್: ಅಭಿವೃದ್ಧಿ
ಈ ವಿಭಾಗವು ಡೇಟಾ ಬಳಕೆಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಶ್ನೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಅಂತಿಮ ಬಳಕೆದಾರರಿಂದ ಗೋದಾಮು. ಸಂಶೋಧಕರು ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರು
ಉದ್ದೇಶ ಮತ್ತು ಉಪಯುಕ್ತತೆಗೆ ಡೇಟಾ ವೇರ್ಹೌಸ್, ವಿಮರ್ಶೆ ಮತ್ತು ತಂತ್ರಗಳು
ಅಳವಡಿಸಿಕೊಂಡ ತರಬೇತಿ ಮತ್ತು ಡೇಟಾ ನಿಯಂತ್ರಣ ತಂತ್ರ
ಗೋದಾಮು ಅಳವಡಿಸಲಾಗಿದೆ.
3.4.5. ಪ್ರತಿಕ್ರಿಯೆ ದರ
ಮೇಲ್ ಸಮೀಕ್ಷೆಗಳು ದರವನ್ನು ಹೊಂದಲು ಟೀಕಿಸಿದರೂ
ಕಡಿಮೆ ಪ್ರತಿಕ್ರಿಯೆ, ಹೆಚ್ಚಿಸಲು ಕ್ರಮಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ
ಆದಾಯದ ದರ (ಭಾಗಶಃ ಹಿಂದೆ ಚರ್ಚಿಸಿದಂತೆ
3.4.1). 'ಪ್ರತಿಕ್ರಿಯೆ ದರ' ಎಂಬ ಪದವು ಶೇಕಡಾವಾರು ಪ್ರಮಾಣವನ್ನು ಸೂಚಿಸುತ್ತದೆ
ನಿರ್ದಿಷ್ಟ ಸಮೀಕ್ಷೆಯ ಮಾದರಿಯಲ್ಲಿ ಜನರು ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತಿದ್ದಾರೆ
ಪ್ರಶ್ನಾವಳಿ (ಡೆನ್ಸ್ಕೊಂಬ್ 1998). ಕೆಳಗಿನವುಗಳನ್ನು ಬಳಸಲಾಗಿದೆ
ಈ ಅಧ್ಯಯನಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯೆ ದರವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಸೂತ್ರ:
ಪ್ರತಿಕ್ರಿಯಿಸಿದ ಜನರ ಸಂಖ್ಯೆ
ಪ್ರತಿಕ್ರಿಯೆ ದರ =
—————————————————————————– X 100
ಕಳುಹಿಸಲಾದ ಪ್ರಶ್ನಾವಳಿಗಳ ಒಟ್ಟು ಸಂಖ್ಯೆ
3.4.6. ಪೈಲಟ್ ಪರೀಕ್ಷೆ
ಪ್ರಶ್ನಾವಳಿಯನ್ನು ಮಾದರಿಗೆ ಕಳುಹಿಸುವ ಮೊದಲು, ಪ್ರಶ್ನೆಗಳು
ಲಕ್ ಸೂಚಿಸಿದಂತೆ ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸುವ ಮೂಲಕ ಪರೀಕ್ಷಿಸಲಾಗಿದೆ
ಮತ್ತು ರೂಬಿನ್ (1987), ಜಾಕ್ಸನ್ (1988), ಮತ್ತು ಡಿ ವಾಸ್ (1991). ಉದ್ದೇಶ
ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಳು ಎಲ್ಲಾ ವಿಚಿತ್ರವಾದ, ಅಸ್ಪಷ್ಟ ಮತ್ತು ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುವುದು
ಯಾವುದನ್ನಾದರೂ ಸ್ಪಷ್ಟಪಡಿಸಲು, ಅರ್ಥೈಸಲು ಕಷ್ಟಕರವಾದ ಪ್ರಶ್ನೆಗಳು
ವ್ಯಾಖ್ಯಾನಗಳು ಮತ್ತು ಪದಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅಂದಾಜು ಸಮಯವನ್ನು ಗುರುತಿಸಲು
ಪ್ರಶ್ನಾವಳಿಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿದೆ (ವಾರ್ವಿಕ್ ಮತ್ತು ಲೈನಿಂಗರ್ 1975,
ಜಾಕ್ಸನ್ 1988, ಸಲಾಂಟ್ ಮತ್ತು ದಿಲ್ಮನ್ 1994). ಪೈಲಟ್ ಪರೀಕ್ಷೆಗಳು ಇದ್ದವು
ಆ ರೀತಿಯ ಗುಣಲಕ್ಷಣಗಳೊಂದಿಗೆ ವಿಷಯಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವ ಮೂಲಕ ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ
ಡೇವಿಸ್ ಇ ಸೂಚಿಸಿದಂತೆ ಅಂತಿಮ ವಿಷಯಗಳ ಸೆಡೆನ್ಜಾ (1993) ರಲ್ಲಿ
ಈ ಅಧ್ಯಯನವು ಆರು ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್ ವೃತ್ತಿಪರರು
ಪ್ರಾಯೋಗಿಕ ವಿಷಯಗಳಾಗಿ ಆಯ್ಕೆಯಾದರು. ಪ್ರತಿ ಪೈಲಟ್ ಪರೀಕ್ಷೆಯ ನಂತರ, ಅವುಗಳು
ಅಗತ್ಯ ತಿದ್ದುಪಡಿಗಳನ್ನು ಮಾಡಲಾಗಿದೆ. ನಡೆಸಿದ ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಳಿಂದ, i
ಭಾಗವಹಿಸುವವರು ಮರುಹೊಂದಿಸಲು ಮತ್ತು ಮರುಹೊಂದಿಸಲು ಸಹಾಯ ಮಾಡಿದರು
ಪ್ರಶ್ನಾವಳಿಯ ಅಂತಿಮ ಆವೃತ್ತಿ.
3.4.7. ಮೂಲಕ ವಿಶ್ಲೇಷಣೆ ವಿಧಾನಗಳು Dati
I dati ಮುಚ್ಚಿದ ಪ್ರಶ್ನೆಪತ್ರಿಕೆಗಳಿಂದ ಸಂಗ್ರಹಿಸಲಾದ ತನಿಖೆಯೆಂದರೆ
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸಾಫ್ಟ್‌ವೇರ್ ಪ್ಯಾಕೇಜ್ ಬಳಸಿ ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ
SPSS ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಅನೇಕ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ
ವಿವರಣಾತ್ಮಕ ಅಂಕಿಅಂಶಗಳನ್ನು ಬಳಸುವುದು. ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ಪ್ರಶ್ನಾವಳಿಗಳು
ಅವರು ಅಪೂರ್ಣ ಮರಳಿದರು. ಇವುಗಳಿಗೆ ಹೆಚ್ಚಿನ ಚಿಕಿತ್ಸೆ ನೀಡಲಾಯಿತು
ನಾನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಗಮನ dati ಕಾಣೆಯಾದವರು ಒಂದಲ್ಲ
ಡೇಟಾ ಎಂಟ್ರಿ ದೋಷಗಳ ಪರಿಣಾಮ, ಆದರೆ ಪ್ರಶ್ನೆಗಳು ಏಕೆ ಇಲ್ಲ
ಘೋಷಕನಿಗೆ ಸೂಕ್ತವಾಗಿದೆ, ಅಥವಾ ಘೋಷಕನು ಬೇಡವೆಂದು ನಿರ್ಧರಿಸಿದನು
ಒಂದು ಅಥವಾ ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಿ. ಈ ಉತ್ತರಗಳು
ವಿಶ್ಲೇಷಣೆಯ ಸಮಯದಲ್ಲಿ ಕಾಣೆಯಾಗಿದೆ dati ಮತ್ತು ಅವರು ಇದ್ದರು
ಪ್ರಕ್ರಿಯೆಯಿಂದ ಹೊರಗಿಡುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು '- 9' ಎಂದು ಕೋಡ್ ಮಾಡಲಾಗಿದೆ
ವಿಶ್ಲೇಷಿಸುತ್ತದೆ.
ಪ್ರಶ್ನಾವಳಿಯನ್ನು ಸಿದ್ಧಪಡಿಸುವಾಗ, ಪ್ರಶ್ನೆಗಳನ್ನು ಮುಚ್ಚಲಾಗಿದೆ
ಪ್ರತಿ ಆಯ್ಕೆಗೆ ಸಂಖ್ಯೆಯನ್ನು ನಿಗದಿಪಡಿಸುವ ಮೂಲಕ ಪೂರ್ವಕೋಡ್ ಮಾಡಲಾಗಿದೆ. ಸಂಖ್ಯೆ
ನಂತರ ಅದನ್ನು ತಯಾರಿಸಲು ಬಳಸಲಾಯಿತು i dati ವಿಶ್ಲೇಷಣೆಯ ಸಮಯದಲ್ಲಿ
(ಡೆನ್ಸ್‌ಕಾಂಬ್ 1998, ಸ್ಯಾಪ್ಸ್‌ಫೋರ್ಡ್ ಮತ್ತು ಜುಪ್ 1996). ಉದಾಹರಣೆಗೆ, ಇದ್ದವು
ವಿಭಾಗ B ಯ ಪ್ರಶ್ನೆ 1 ರಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಲಾದ ಆರು ಆಯ್ಕೆಗಳು: ಸಲಹೆ
ಮಂಡಳಿ, ಹಿರಿಯ ಕಾರ್ಯನಿರ್ವಾಹಕ, ಐಟಿ ಇಲಾಖೆ, ಘಟಕ
ವ್ಯಾಪಾರ, ಸಲಹೆಗಾರರು ಮತ್ತು ಇನ್ನಷ್ಟು. ನ ಕಡತದಲ್ಲಿ dati SPSS ನ, ಆಗಿದೆ
ಪ್ರಾಜೆಕ್ಟ್ ಇನಿಶಿಯೇಟರ್ ಅನ್ನು ಸೂಚಿಸಲು ವೇರಿಯೇಬಲ್ ಅನ್ನು ರಚಿಸಲಾಗಿದೆ,
ಆರು ಮೌಲ್ಯದ ಲೇಬಲ್‌ಗಳೊಂದಿಗೆ: 'ನಿರ್ದೇಶಕರ ಮಂಡಳಿ'ಗಾಗಿ '1', '2'
'ಉನ್ನತ ಮಟ್ಟದ ಕಾರ್ಯನಿರ್ವಾಹಕ' ಮತ್ತು ಹೀಗೆ. ಲೈಕರ್ಟಿನ್ ಮಾಪಕದ ಬಳಕೆ
ಕೆಲವು ಮುಚ್ಚಿದ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಇದನ್ನು ಸಹ ಅನುಮತಿಸಲಾಗಿದೆ
ಮೌಲ್ಯಗಳ ಬಳಕೆಯನ್ನು ನೀಡಿದ ಯಾವುದೇ ಪ್ರಯತ್ನದ ಅಗತ್ಯವಿಲ್ಲದ ಗುರುತಿಸುವಿಕೆ
SPSS ಗೆ ಅನುಗುಣವಾದ ಸಂಖ್ಯೆಗಳನ್ನು ನಮೂದಿಸಲಾಗಿದೆ. ಜೊತೆಗೆ ಪ್ರಶ್ನೆಗಳಿಗೆ
ಸಮಗ್ರವಲ್ಲದ ಉತ್ತರಗಳು, ಅವು ಪರಸ್ಪರ ಪ್ರತ್ಯೇಕವಾಗಿರಲಿಲ್ಲ,
ಪ್ರತಿ ಆಯ್ಕೆಯನ್ನು ಎರಡು ಜೊತೆ ಒಂದೇ ವೇರಿಯೇಬಲ್ ಆಗಿ ಪರಿಗಣಿಸಲಾಗಿದೆ
ಮೌಲ್ಯದ ಲೇಬಲ್‌ಗಳು: 'ಗುರುತಿಸಲಾದ' ಗಾಗಿ '1' ಮತ್ತು 'ಗುರುತಿಸದ' ಗಾಗಿ '2'.
ಮುಕ್ತ ಪ್ರಶ್ನೆಗಳನ್ನು ಪ್ರಶ್ನೆಗಳಿಗಿಂತ ವಿಭಿನ್ನವಾಗಿ ಪರಿಗಣಿಸಲಾಗಿದೆ
ಮುಚ್ಚಲಾಗಿದೆ. ಈ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಗಳನ್ನು ನಮೂದಿಸಲಾಗಿಲ್ಲ
SPSS. ಬದಲಾಗಿ, ಅವುಗಳನ್ನು ಕೈಯಿಂದ ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ. ಇದರ ಬಳಕೆ
ಪ್ರಶ್ನೆಗಳ ಪ್ರಕಾರವು ಆಲೋಚನೆಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ
ಮುಕ್ತವಾಗಿ ವ್ಯಕ್ತಪಡಿಸಿದ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯಿಸಿದವರ ವೈಯಕ್ತಿಕ ಅನುಭವಗಳು
(ಬೈನ್‌ಬ್ರಿಡ್ಜ್ 1989, ಡೆನ್ಸ್‌ಕಾಂಬ್ 1998). ಸಾಧ್ಯವಾದರೆ, ಅದನ್ನು ಮಾಡಲಾಗಿದೆ
ಉತ್ತರಗಳ ವರ್ಗೀಕರಣ.
ವಿಶ್ಲೇಷಣೆಗಾಗಿ dati, ಸರಳ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆ ವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ,
ಉದಾಹರಣೆಗೆ ಪ್ರತಿಕ್ರಿಯೆಗಳ ಆವರ್ತನ, ಸರಾಸರಿ, ಪ್ರಮಾಣಿತ ವಿಚಲನ
ಸರಾಸರಿ ಮತ್ತು ಸರಾಸರಿ (ಆರ್ಗೈರಸ್ 1996, ಡೆನ್ಸ್‌ಕಾಂಬ್ 1998).
ಪರಿಮಾಣಾತ್ಮಕ ಅಳತೆಗಳನ್ನು ಪಡೆಯಲು ಗಾಮಾ ಪರೀಕ್ಷೆಯು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ
ನಡುವಿನ ಸಂಘಗಳ dati ಆರ್ಡಿನಲ್ಸ್ (ನೋರುಸಿಸ್ 1983, ಆರ್ಗೈರಸ್ 1996).
ಈ ಪರೀಕ್ಷೆಗಳು ಸೂಕ್ತವಾಗಿವೆ ಏಕೆಂದರೆ ಬಳಸಿದ ಆರ್ಡಿನಲ್ ಮಾಪಕಗಳು ಅಲ್ಲ
ಅವರು ಅನೇಕ ವರ್ಗಗಳನ್ನು ಹೊಂದಿದ್ದರು ಮತ್ತು ಕೋಷ್ಟಕದಲ್ಲಿ ತೋರಿಸಬಹುದು
(ನೋರುಸಿಸ್ 1983).
3.5 ಸಾರಾಂಶ
ಈ ಅಧ್ಯಾಯದಲ್ಲಿ, ಸಂಶೋಧನಾ ವಿಧಾನ ಮತ್ತು
ಈ ಅಧ್ಯಯನಕ್ಕಾಗಿ ಅಳವಡಿಸಿಕೊಂಡ ವಿನ್ಯಾಸಗಳು.
ಎ ಗಾಗಿ ಹೆಚ್ಚು ಸೂಕ್ತವಾದ ಸಂಶೋಧನಾ ವಿಧಾನವನ್ನು ಆಯ್ಕೆಮಾಡುವುದು
ನಿರ್ದಿಷ್ಟ ಅಧ್ಯಯನವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ
ಪ್ರಕೃತಿ ಮತ್ತು ಪ್ರಕಾರ ಸೇರಿದಂತೆ ಹಲವಾರು ನಿಯಮಗಳ ಪರಿಗಣನೆ
ಸಂಶೋಧನೆಯ, ಹಾಗೆಯೇ ಪ್ರತಿಯೊಂದು ಸಂಭಾವ್ಯ ಅರ್ಹತೆಗಳು ಮತ್ತು ದೌರ್ಬಲ್ಯಗಳು
ವಿಧಾನ (ಜೆಂಕಿನ್ಸ್ 1985, ಬೆನ್ಬಸಾಟ್ ಮತ್ತು ಇತರರು. 1097, ಗ್ಯಾಲಿಯರ್ಸ್ ಮತ್ತು ಲ್ಯಾಂಡ್ 1987,
ಯಿನ್ 1989, ಹ್ಯಾಮಿಲ್ಟನ್ ಮತ್ತು ಇವ್ಸ್ 1992, ಗ್ಯಾಲಿಯರ್ಸ್ 1992, ನ್ಯೂಮನ್ 1994). ನೋಟ
ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಜ್ಞಾನ ಮತ್ತು ಅದರ ಬಗ್ಗೆ ಸಿದ್ಧಾಂತದ ಕೊರತೆ
ಆಸ್ಟ್ರೇಲಿಯಾದಲ್ಲಿ ಡೇಟಾ ವೇರ್‌ಹೌಸಿಂಗ್ ಅಳವಡಿಕೆ, ಈ ಅಧ್ಯಯನದಿಂದ
ಸಂಶೋಧನೆಗೆ ಕೌಶಲ್ಯದೊಂದಿಗೆ ವಿವರಣಾತ್ಮಕ ಸಂಶೋಧನಾ ವಿಧಾನದ ಅಗತ್ಯವಿದೆ
ಸಂಸ್ಥೆಗಳ ಅನುಭವಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಪರಿಶೋಧನಾತ್ಮಕ
ಆಸ್ಟ್ರೇಲಿಯನ್. ಆಯ್ದ ಸಂಶೋಧನಾ ವಿಧಾನವನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ
ದಿನಾಂಕ ಪರಿಕಲ್ಪನೆಯ ಅಳವಡಿಕೆಯ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಿ
ಆಸ್ಟ್ರೇಲಿಯನ್ ಸಂಸ್ಥೆಗಳಿಂದ ವೇರ್-ಹೌಸಿಂಗ್. ಎ
ಪೋಸ್ಟಲ್ ಪ್ರಶ್ನಾವಳಿಯನ್ನು ಸಂಗ್ರಹ ತಂತ್ರವಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ dati. ದಿ
ಸಂಶೋಧನಾ ವಿಧಾನ ಮತ್ತು ಸಂಗ್ರಹ ತಂತ್ರಕ್ಕೆ ಸಮರ್ಥನೆಗಳು dati
ಆಯ್ಕೆಯನ್ನು ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ಒದಗಿಸಲಾಗುವುದು. ಹಾಗೆಯೇ ಆಗಿತ್ತು
ವಿಶ್ಲೇಷಣೆಯ ಘಟಕ, ಮಾದರಿ ಕುರಿತು ಚರ್ಚೆಯನ್ನು ಮಂಡಿಸಿದರು
ಬಳಸಿದ, ಪ್ರತಿಕ್ರಿಯೆಗಳ ಶೇಕಡಾವಾರು, ಪ್ರಶ್ನಾವಳಿಯ ವಿಷಯ, ದಿ
ಪ್ರಶ್ನಾವಳಿಯ ಪೂರ್ವ ಪರೀಕ್ಷೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯ ವಿಧಾನ dati.

ವಿನ್ಯಾಸಗೊಳಿಸುವುದು ಎ ಮಾಹಿತಿ ಉಗ್ರಾಣ:
ಎಂಟಿಟಿ ಸಂಬಂಧ ಮತ್ತು ಆಯಾಮದ ಮಾಡೆಲಿಂಗ್ ಅನ್ನು ಸಂಯೋಜಿಸುವುದು
ಅಮೂರ್ತ
ಐ ಸಂಗ್ರಹಿಸುವುದು dati ಇದು ಅನೇಕರಿಗೆ ಪ್ರಸ್ತುತ ಸಮಸ್ಯೆಯಾಗಿದೆ
ಸಂಸ್ಥೆಗಳು. ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಪ್ರಮುಖ ಸಮಸ್ಯೆ
ಸಂಗ್ರಹಣೆಯ dati ಅದು ಅವನ ವಿನ್ಯಾಸ.
ಡೇಟಾದಲ್ಲಿನ ಪರಿಕಲ್ಪನೆಗಳ ಪತ್ತೆಗೆ ವಿನ್ಯಾಸವು ಬೆಂಬಲಿಸಬೇಕು
ಪರಂಪರೆ ವ್ಯವಸ್ಥೆ ಮತ್ತು ಇತರ ಮೂಲಗಳಿಂದ ಗೋದಾಮು dati ಮತ್ತು ಒಂದು
ಡೇಟಾ ಅನುಷ್ಠಾನದಲ್ಲಿ ಸುಲಭ ತಿಳುವಳಿಕೆ ಮತ್ತು ದಕ್ಷತೆ
ಗೋದಾಮು.
ಹೆಚ್ಚಿನ ಸಂಗ್ರಹ ಸಾಹಿತ್ಯ dati ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ
ಅಸ್ತಿತ್ವ ಸಂಬಂಧದ ಮಾಡೆಲಿಂಗ್ ಅಥವಾ ಆಯಾಮದ ಮಾಡೆಲಿಂಗ್ ಬಳಕೆ
ವಿನ್ಯಾಸವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್.
ಈ ಲೇಖನದಲ್ಲಿ ನಾವು ಎರಡನ್ನೂ ಹೇಗೆ ತೋರಿಸುತ್ತೇವೆ
ಪ್ರಾತಿನಿಧ್ಯಗಳನ್ನು ಒಂದು ವಿಧಾನವಾಗಿ ಸಂಯೋಜಿಸಬಹುದು
ನ ರೇಖಾಚಿತ್ರ ಡೇಟಾ ವೇರ್ಹೌಸ್. ಬಳಸಿದ ವಿಧಾನವು ವ್ಯವಸ್ಥಿತವಾಗಿದೆ
ಕೇಸ್ ಸ್ಟಡಿಯಲ್ಲಿ ಪರೀಕ್ಷಿಸಲಾಗಿದೆ ಮತ್ತು ಹಲವಾರು ಗುರುತಿಸಲಾಗಿದೆ
ವೃತ್ತಿಪರರೊಂದಿಗೆ ಪ್ರಮುಖ ಪರಿಣಾಮಗಳು.
ಡೇಟಾ ವೇರ್ಹೌಸಿಂಗ್
Un ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಾಮಾನ್ಯವಾಗಿ "ವಿಷಯ-ಆಧಾರಿತ," ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ
ಸಂಯೋಜಿತ, ಸಮಯ-ವ್ಯತ್ಯಯ ಮತ್ತು ಬೆಂಬಲದ ಡೇಟಾದ ಅಸ್ಥಿರ ಸಂಗ್ರಹ
ನಿರ್ವಹಣೆಯ ನಿರ್ಧಾರಗಳು” (ಇನ್ಮನ್ ಮತ್ತು ಹ್ಯಾಕಥಾರ್ನ್, 1994).
ವಿಷಯ-ಆಧಾರಿತ ಮತ್ತು ಸಂಯೋಜಿತ ಎಂದು ಸೂಚಿಸುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ è
ಪರಂಪರೆ ವ್ಯವಸ್ಥೆಗಳ ಕ್ರಿಯಾತ್ಮಕ ಗಡಿಗಳನ್ನು ದಾಟಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ
ಸಮಗ್ರ ದೃಷ್ಟಿಕೋನವನ್ನು ನೀಡುತ್ತವೆ dati.
ಸಮಯ-ವ್ಯತ್ಯಯವು ಐತಿಹಾಸಿಕ ಅಥವಾ ಸಮಯ-ಸರಣಿಯ ಸ್ವರೂಪದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ dati in
un ಡೇಟಾ ವೇರ್ಹೌಸ್, ಇದು ಟ್ರೆಂಡ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಬಾಷ್ಪಶೀಲವಲ್ಲದವು ಎಂದು ಸೂಚಿಸುತ್ತದೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದು ನಿರಂತರವಾಗಿ ಅಲ್ಲ
a ನಂತೆ ನವೀಕರಿಸಲಾಗಿದೆ ಡೇಟಾಬೇಸ್ OLTP ನ. ಬದಲಿಗೆ ನವೀಕರಿಸಲಾಗಿದೆ
ನಿಯತಕಾಲಿಕವಾಗಿ, ಜೊತೆಗೆ dati ಆಂತರಿಕ ಮತ್ತು ಬಾಹ್ಯ ಮೂಲಗಳಿಂದ ಬರುತ್ತಿದೆ. ದಿ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದನ್ನು ನಿರ್ದಿಷ್ಟವಾಗಿ ಸಂಶೋಧನೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ
ನವೀಕರಣಗಳ ಸಮಗ್ರತೆ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಗೆ ಬದಲಾಗಿ
ಕಾರ್ಯಾಚರಣೆ.
ಐ ಸಂಗ್ರಹಿಸುವ ಕಲ್ಪನೆ dati ಇದು ಹೊಸದಲ್ಲ, ಇದು ಒಂದು ಉದ್ದೇಶವಾಗಿತ್ತು
ನಿರ್ವಹಣೆಯ dati ಅರವತ್ತರ ದಶಕದಿಂದ (ದಿ ಮಾರ್ಟಿನ್, 1982).
I ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅವರು ಮೂಲಸೌಕರ್ಯಗಳನ್ನು ಒದಗಿಸುತ್ತಾರೆ dati ನಿರ್ವಹಣೆಗಾಗಿ
ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳು. ನಿರ್ವಹಣಾ ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳು ನಿರ್ಧಾರವನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ
ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳು (DSS) ಮತ್ತು ಕಾರ್ಯನಿರ್ವಾಹಕ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳು (EIS).
ಡಿಎಸ್ಎಸ್ ಎನ್ನುವುದು ಕಂಪ್ಯೂಟರ್ ಆಧಾರಿತ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಯಾಗಿದೆ
ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸುಧಾರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ ಮತ್ತು ಅದರ ಪರಿಣಾಮವಾಗಿ ಹಿಡಿತ
ಮಾನವ ನಿರ್ಧಾರ. EIS ಸಾಮಾನ್ಯವಾಗಿ ವಿತರಣಾ ವ್ಯವಸ್ಥೆಯಾಗಿದೆ
dati ಇದು ವ್ಯಾಪಾರ ಕಾರ್ಯನಿರ್ವಾಹಕರಿಗೆ ಸುಲಭವಾಗಿ ವೀಕ್ಷಣೆಯನ್ನು ಪ್ರವೇಶಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ
ಆಫ್ dati.
ಸಾಮಾನ್ಯ ವಾಸ್ತುಶಿಲ್ಪ a ಡೇಟಾ ವೇರ್ಹೌಸ್ ಪಾತ್ರವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ
ಡೇಟಾ ವೇರ್ಹೌಸ್ ನಿರ್ವಹಣೆ ಬೆಂಬಲದಲ್ಲಿ. ನೀಡುವುದರ ಜೊತೆಗೆ
ಮೂಲಸೌಕರ್ಯ dati EIS ಮತ್ತು DSS ಗಾಗಿ, ಅಲ್ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅದು ಸಾಧ್ಯ
ಪ್ರಶ್ನೆಗಳ ಮೂಲಕ ನೇರವಾಗಿ ಅದನ್ನು ಪ್ರವೇಶಿಸಿ. ದಿ dati ದಿನಾಂಕದಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ
ಗೋದಾಮುಗಳು ಮಾಹಿತಿಯ ಅವಶ್ಯಕತೆಗಳ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಆಧರಿಸಿವೆ
ನಿರ್ವಹಣೆ ಮತ್ತು ಮೂರು ಮೂಲಗಳಿಂದ ಪಡೆಯಲಾಗಿದೆ: ಆಂತರಿಕ ಪರಂಪರೆ ವ್ಯವಸ್ಥೆಗಳು,
ವಿಶೇಷ ಉದ್ದೇಶದ ಡೇಟಾ ಕ್ಯಾಪ್ಚರ್ ಸಿಸ್ಟಮ್‌ಗಳು ಮತ್ತು ಬಾಹ್ಯ ಡೇಟಾ ಮೂಲಗಳು. ದಿ
dati ಆಂತರಿಕ ಪರಂಪರೆ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಅವು ಆಗಾಗ್ಗೆ ಅನಗತ್ಯವಾಗಿರುತ್ತವೆ,
ಅಸಮಂಜಸ, ಕಡಿಮೆ ಗುಣಮಟ್ಟ ಮತ್ತು ವಿವಿಧ ಸ್ವರೂಪಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ
ಆದ್ದರಿಂದ ನೀವು ಅವುಗಳನ್ನು ಲೋಡ್ ಮಾಡುವ ಮೊದಲು ಅವುಗಳನ್ನು ಸಮನ್ವಯಗೊಳಿಸಬೇಕು ಮತ್ತು ಸ್ವಚ್ಛಗೊಳಿಸಬೇಕು
ಡೇಟಾ ವೇರ್ಹೌಸ್ (ಇನ್ಮನ್, 1992; ಮ್ಯಾಕ್‌ಫ್ಯಾಡೆನ್, 1996). ದಿ dati ನಿಂದ
ಶೇಖರಣಾ ವ್ಯವಸ್ಥೆಗಳಿಂದ dati ತಾತ್ಕಾಲಿಕ ಮತ್ತು ಮೂಲಗಳಿಂದ dati
ಬಾಹ್ಯವನ್ನು ಹೆಚ್ಚಾಗಿ ವರ್ಧಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ (ನವೀಕರಿಸಿ, ಬದಲಿಸಿ) i
dati ಪರಂಪರೆ ವ್ಯವಸ್ಥೆಗಳಿಂದ.
ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಹಲವು ಬಲವಾದ ಕಾರಣಗಳಿವೆ ಡೇಟಾ ವೇರ್ಹೌಸ್,
ಇದು ಬಳಕೆಯ ಮೂಲಕ ಉತ್ತಮ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ
ಪರಿಣಾಮಕಾರಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿ (ಐವ್ಸ್ 1995), ಗಮನಕ್ಕೆ ಬೆಂಬಲ
ಸಂಪೂರ್ಣ ವ್ಯವಹಾರದ ಮೇಲೆ (ಗ್ರಹಾಂ 1996), ಮತ್ತು ವೆಚ್ಚದಲ್ಲಿ ಕಡಿತ
ನಿಬಂಧನೆ dati EIS ಮತ್ತು DSS ಗಾಗಿ (ಗ್ರಹಾಂ 1996, McFadden
1996).
ಇತ್ತೀಚಿನ ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನವು ಸರಾಸರಿ ಆದಾಯವನ್ನು ಕಂಡುಹಿಡಿದಿದೆ
ಐ ಗಾಗಿ ಹೂಡಿಕೆಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮೂರು ವರ್ಷಗಳ ನಂತರ 401% (ಗ್ರಹಾಂ,
1996). ಆದಾಗ್ಯೂ, ಇತರ ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನಗಳು ಡೇಟಾ ವೇರ್ಹೌಸ್ ಹೊಂದಿವೆ
ed ಅನ್ನು ಅಳೆಯುವಲ್ಲಿ ತೊಂದರೆ ಸೇರಿದಂತೆ ಗಮನಾರ್ಹ ಸಮಸ್ಯೆಗಳನ್ನು ಕಂಡುಹಿಡಿದಿದೆ
ಪ್ರಯೋಜನಗಳನ್ನು ನಿಯೋಜಿಸುವುದು, ಸ್ಪಷ್ಟ ಉದ್ದೇಶದ ಕೊರತೆ, ಅದನ್ನು ಕಡಿಮೆ ಅಂದಾಜು ಮಾಡುವುದು
ಶೇಖರಣಾ ಪ್ರಕ್ರಿಯೆಯ ಉದ್ದೇಶ ಮತ್ತು ಸಂಕೀರ್ಣತೆ i datiರಲ್ಲಿ
ನಿರ್ದಿಷ್ಟವಾಗಿ ಮೂಲಗಳು ಮತ್ತು ಶುಚಿತ್ವದ ಬಗ್ಗೆ dati.
ಐ ಸಂಗ್ರಹಿಸುವುದು dati ಪರಿಹಾರವಾಗಿ ಪರಿಗಣಿಸಬಹುದು
ನಿರ್ವಹಣೆಯ ಸಮಸ್ಯೆಗೆ dati ಸಂಸ್ಥೆಗಳ ನಡುವೆ. ಅಲ್ಲಿ
ಕುಶಲತೆ dati ಸಾಮಾಜಿಕ ಸಂಪನ್ಮೂಲವಾಗಿ ಅದು ಒಂದಾಗಿ ಉಳಿದಿದೆ
ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ವಹಿಸುವಲ್ಲಿ ಪ್ರಮುಖ ಸಮಸ್ಯೆಗಳು
ಅನೇಕ ವರ್ಷಗಳಿಂದ ಪ್ರಪಂಚ (ಬ್ರಾಂಚೆಯು ಮತ್ತು ಇತರರು. 1996, ಗ್ಯಾಲಿಯರ್ಸ್ ಮತ್ತು ಇತರರು. 1994,
ನೀಡರ್ಮನ್ ಮತ್ತು ಇತರರು. 1990, ಪರ್ವನ್ 1993).
ನಿರ್ವಹಣೆಗೆ ಜನಪ್ರಿಯ ವಿಧಾನ dati ಎಂಬತ್ತರ ದಶಕದಲ್ಲಿ ಅದು
ಒಂದು ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು dati ಸಾಮಾಜಿಕ. ಮಾದರಿ dati ಸಾಮಾಜಿಕವಾಗಿತ್ತು
ಹೊಸ ವ್ಯವಸ್ಥೆಗಳ ಅಭಿವೃದ್ಧಿಗೆ ಸ್ಥಿರವಾದ ಆಧಾರವನ್ನು ನೀಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ
ಅಪ್ಲಿಕೇಶನ್ಗಳು ಇ ಡೇಟಾಬೇಸ್ ಮತ್ತು ಪರಂಪರೆಯ ಪುನರ್ನಿರ್ಮಾಣ ಮತ್ತು ಏಕೀಕರಣ
ವ್ಯವಸ್ಥೆಗಳು (ಬ್ರಾಂಚೋ ಮತ್ತು ಇತರರು.
1989, ಗುಡ್‌ಹ್ಯೂ ಮತ್ತು ಇತರರು. 1988:1992, ಕಿಮ್ ಮತ್ತು ಎವರೆಸ್ಟ್ 1994).
ಆದಾಗ್ಯೂ, ಈ ವಿಧಾನದಲ್ಲಿ ಹಲವು ಸಮಸ್ಯೆಗಳಿವೆ
ನಿರ್ದಿಷ್ಟವಾಗಿ, ಪ್ರತಿ ಕಾರ್ಯದ ಸಂಕೀರ್ಣತೆ ಮತ್ತು ವೆಚ್ಚ, ಮತ್ತು ದೀರ್ಘಾವಧಿ
ಸ್ಪಷ್ಟವಾದ ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಲು ಅಗತ್ಯವಿದೆ (ಬೇನಾನ್-ಡೇವಿಸ್ 1994, ಅರ್ಲ್
1993, ಗುಡ್ಹ್ಯೂ ಮತ್ತು ಇತರರು. 1992, ಪೆರಿಯಸಾಮಿ 1994, ಶಾಂಕ್ಸ್ 1997).
Il ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದು ಪ್ರತ್ಯೇಕ ಡೇಟಾಬೇಸ್ ಆಗಿದ್ದು ಅದು ಪರಂಪರೆಯೊಂದಿಗೆ ಸಹ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ
ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಬದಲಿಸುವ ಬದಲು. ಆದ್ದರಿಂದ ಇದು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ
ನಿರ್ವಹಣೆಯನ್ನು ನಿರ್ದೇಶಿಸಿ dati ಮತ್ತು ದುಬಾರಿ ಪುನರ್ನಿರ್ಮಾಣವನ್ನು ತಪ್ಪಿಸಿ
ಪರಂಪರೆ ವ್ಯವಸ್ಥೆಗಳ.
ಡೇಟಾ ವಿನ್ಯಾಸಕ್ಕೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಿಧಾನಗಳು
ವೇರ್‌ಹೌಸ್
ನಿರ್ಮಿಸುವ ಮತ್ತು ಪರಿಪೂರ್ಣಗೊಳಿಸುವ ಪ್ರಕ್ರಿಯೆ a ಡೇಟಾ ವೇರ್ಹೌಸ್
a ಗಿಂತ ಹೆಚ್ಚಾಗಿ ವಿಕಸನ ಪ್ರಕ್ರಿಯೆ ಎಂದು ಅರ್ಥೈಸಿಕೊಳ್ಳಬೇಕು
ಸಾಂಪ್ರದಾಯಿಕ ವ್ಯವಸ್ಥೆಗಳ ಅಭಿವೃದ್ಧಿ ಜೀವನಚಕ್ರ (ದೇಸಿಯೋ, 1995, ಶಾಂಕ್ಸ್,
ಓ'ಡೊನೆಲ್ ಮತ್ತು ಅರ್ನಾಟ್ 1997a ). ಇದರಲ್ಲಿ ಅನೇಕ ಪ್ರಕ್ರಿಯೆಗಳು ಒಳಗೊಂಡಿರುತ್ತವೆ a
ನ ಯೋಜನೆ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಉದಾಹರಣೆಗೆ ಪ್ರಾರಂಭ, ಯೋಜನೆ;
ಕಂಪನಿಯ ವ್ಯವಸ್ಥಾಪಕರಿಂದ ಕೇಳಿದ ಅವಶ್ಯಕತೆಗಳಿಂದ ಪಡೆದ ಮಾಹಿತಿ;
ಮೂಲಗಳು, ರೂಪಾಂತರಗಳು, ಶುಚಿಗೊಳಿಸುವಿಕೆ dati ಮತ್ತು ಪರಂಪರೆಯಿಂದ ಸಿಂಕ್ರೊನೈಸೇಶನ್
ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ಇತರ ಮೂಲಗಳು dati; ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ವಿತರಣಾ ವ್ಯವಸ್ಥೆಗಳು;
ಮೇಲ್ವಿಚಾರಣೆ ಡೇಟಾ ವೇರ್ಹೌಸ್; ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯ ಅರ್ಥಹೀನತೆ
ವಿಕಸನೀಯ ಮತ್ತು ನಿರ್ಮಾಣ a ಡೇಟಾ ವೇರ್ಹೌಸ್ (ಸ್ಟಿಂಚ್ಸ್, ಓ'ಡೊನೆಲ್
ಮತ್ತು ಅರ್ನಾಟ್ 1997b). ಈ ಜರ್ನಲ್ನಲ್ಲಿ, ನಾವು ಹೇಗೆ ಗಮನಹರಿಸುತ್ತೇವೆ
ಡ್ರಾ i dati ಈ ಇತರ ಪ್ರಕ್ರಿಯೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.
ಡೇಟಾ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗೆ ಹಲವಾರು ವಿಧಾನಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ
ಸಾಹಿತ್ಯದಲ್ಲಿ ಗೋದಾಮು (ಇನ್ಮನ್ 1994, ಐವ್ಸ್ 1995, ಕಿಂಬಾಲ್ 1994
ಮೆಕ್‌ಫ್ಯಾಡೆನ್ 1996). ಈ ಪ್ರತಿಯೊಂದು ವಿಧಾನವು ಸಂಕ್ಷಿಪ್ತತೆಯನ್ನು ಹೊಂದಿದೆ
ಅವರ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ದೌರ್ಬಲ್ಯಗಳ ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ.
ಇನ್ಮೋನ್ಸ್ (1994) ಅಪ್ರೋಚ್ ಮಾಹಿತಿ ಉಗ್ರಾಣ
ಡಿಸೈನ್
ಇನ್ಮೋನ್ (1994) ದತ್ತಾಂಶವನ್ನು ಸೆಳೆಯಲು ನಾಲ್ಕು ಪುನರಾವರ್ತಿತ ಹಂತಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದರು
ಗೋದಾಮು (ಚಿತ್ರ 2 ನೋಡಿ). ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದು ಮೊದಲ ಹಂತವಾಗಿದೆ
dati ನಾನು ಹೇಗೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಮಾಜಿಕ dati ಸಂಯೋಜಿಸಬಹುದು
ಸಂಸ್ಥೆಯೊಳಗೆ ಕ್ರಿಯಾತ್ಮಕ ಕ್ಷೇತ್ರಗಳಾದ್ಯಂತ
ಭಾಗಿಸುವಿಕೆ i dati ಪ್ರದೇಶಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ. ಮಾದರಿ dati ಇದನ್ನು ತಯಾರಿಸಲಾಗುತ್ತದೆ
ಶೇಖರಿಸಿಡಲು dati ಸೇರಿದಂತೆ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಗೆ ಸಂಬಂಧಿಸಿದೆ dati
ಇತಿಹಾಸಕಾರರು, ಮತ್ತು ಒಳಗೊಂಡಿತ್ತು dati dedotti ed aggregati. Il secondo passo è
identificare aree soggette per la realizzazione. Questi sono basati
su priorità determinate da una particolare organizzazione. Il terzo
passo comporta il disegno di un ಡೇಟಾಬೇಸ್ per l’area soggetta, pone
particolare attenzione a includere appropriati livelli di granularità.
Inmon raccomanda di usare il modello entità e relazioni. Il quarto
passo è identificare sistemi di fonti dati richiesti e sviluppare
processi di trasformazione per acquisire, pulire e formattare i dati.
ಇನ್ಮೋನ್ನ ವಿಧಾನದ ಸಾಮರ್ಥ್ಯವು ಮಾದರಿಯಾಗಿದೆ dati ಸಾಮಾಜಿಕ
offre la base per l’integrazione di dati all’interno dell’organizzazione
e pianificazione di supporti per lo sviluppo iterativo di data
warehouse. Le sue pecche sono la difficoltà e il costo nel disegnare
ಇಲ್ ಮಾಡೆಲ್ಲೋ dati sociale, la difficoltà nel capire modelli di entità e
relazioni usati in ambo i modelli, quello dati ಸಾಮಾಜಿಕ ಮತ್ತು ಅದು dati
ವಿಷಯ ಪ್ರದೇಶದ ಮೂಲಕ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ, ಮತ್ತು ಸೂಕ್ತತೆ dati ಆಫ್
ನ ರೇಖಾಚಿತ್ರ ಡೇಟಾ ವೇರ್ಹೌಸ್ ಸಾಕ್ಷಾತ್ಕಾರಕ್ಕಾಗಿ ಡೇಟಾಬೇಸ್
ಸಂಬಂಧಿತ ಆದರೆ ಅಲ್ಲ ಡೇಟಾಬೇಸ್ ಬಹು ಆಯಾಮದ.
ಐವ್ಸ್' (1995) ಅಪ್ರೋಚ್ ಟು ಮಾಹಿತಿ ಉಗ್ರಾಣ
ಡಿಸೈನ್
Ives (1995) propone un approccio di quattro passi per disegnare un
sistema informativo che lui ritiene applicabile al disegno di un data
warehouse (veda Figura 3). L’approccio è molto basato sull’
Information Engineering per lo sviluppo di sistemi di informazioni
(Martin 1990). Il primo passo è determinare gli obiettivi, i fattori
critici e di successo e gli indicatori chiave delle prestazioni. I
processi chiave di business e le informazioni necessarie sono
modellate per condurci ad un modello dati sociale. Il secondo passo
comporta lo sviluppo di un architettura che definisce dati
ಪ್ರದೇಶಗಳಿಂದ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ, ಡೇಟಾಬೇಸ್ di ಡೇಟಾ ವೇರ್ಹೌಸ್, i componenti
di tecnologia che sono richiesti, l’insieme di supporto organizzativo
richiesto per implementare ed operare con ಡೇಟಾ ವೇರ್ಹೌಸ್. Il terzo
passo include la selezione di pacchetti software e attrezzi richiesti.
Il quarto passo è il disegno particolareggiato e la costruzione del
ಡೇಟಾ ವೇರ್ಹೌಸ್. ಐವ್ಸ್ ಶೇಖರಿಸಿಡುವುದನ್ನು ಗಮನಿಸುತ್ತಾನೆ dati è un vincolato
processo iterativo.
La forza dell’approccio di Ives sono l’uso di specifiche tecniche per
determinare i requisiti d’informazione, l’uso di uno strutturato
processo per sostenere l’integrazione dei ಡೇಟಾ ವೇರ್ಹೌಸ್,
l’opportuna selezione hardware e software, e l’uso di molteplici
tecniche di rappresentazione per il ಡೇಟಾ ವೇರ್ಹೌಸ್. Le sue pecche
sono inerenti alla complessità. Altre includono la difficoltà nello
sviluppare molti livelli di ಡೇಟಾಬೇಸ್ ಒಳಗಿನ ಡೇಟಾ ವೇರ್ಹೌಸ್ in
tempi e costi ragionevoli.
ಕಿಂಬಾಲ್ ಅವರ (1994) ಅಪ್ರೋಚ್ ಟು ಮಾಹಿತಿ ಉಗ್ರಾಣ
ಡಿಸೈನ್
Kimball (1994) propose cinque passi iterativi per disegnare un data
warehouse (vedi Figuri 4). Il suo approccio è particolarmente
dedicato sul disegno di un solo ಡೇಟಾ ವೇರ್ಹೌಸ್ e sull’uso di modelli
dimensionali in preferenza a modelli di entità e relazioni. Kimball
analizza quei modelli dimensionali perché è più facile capire per i
dirigenti d’azienda gli affari, è più efficiente quando si trattano
consultazioni complesse, e il disegno di ಡೇಟಾಬೇಸ್ fisico è più
efficiente (Kimball 1994). Kimball riconosce che lo sviluppo di un
ಡೇಟಾ ವೇರ್ಹೌಸ್ ಇದು ಪುನರಾವರ್ತನೆಯಾಗಿದೆ, ಮತ್ತು ಅದು ಡೇಟಾ ವೇರ್ಹೌಸ್ separati possono
essere integrati attraverso la ripartizione in tavole di dimensioni
comuni.
Il primo passo è identificare la particolare area soggetto per essere
perfezionato. Il secondo e terzo passo concernono modellatura
dimensionale. Nel secondo passo le misure identificano cose di
interesse nell’area soggetto e raggruppate in una tabella dei fatti.
Per esempio, in un’area di soggetto di vendite le misure di interesse
potrebbero includere l’ammontare di articoli venduto ed il dollaro
come valuta di vendite. Il terzo passo comporta l’identificazione di
dimensioni che sono i modi nei quali possono essere raggruppati i
fatti. In un’area di soggetto di vendite, dimensioni attinenti
potrebbero includere articolo, ubicazione e tempo periodo. La
tabella dei fatti ha una chiave multi- part per collegarla ad ognuna
delle tabelle di dimensione e tipicamente contiene un numero molto
grande di fatti. In contrasto, tavole di dimensione contengono
descrittive informazioni sulle dimensioni e gli altri attributi che
possono essere usati per raggruppare i fatti. La tabella dei fatti e
dimensioni associata proposta forma quello che è chiamato uno
schema a stella a causa della sua forma. Il quarto passo comporta
la costruzione di un ಡೇಟಾಬೇಸ್ multidimensionale per perfezionare lo
schema della stella. Il passo finale è identificare sistemi di fonti dati
richiesti e sviluppare processi di trasformazione per acquisire, pulire
e formattare i dati.
Le forze dell’approccio di Kimball includono l’uso di modelli
dimensionali per rappresentare i dati immagazzinati che lo rendono
facile da capire e conduce ad un disegno fisico efficiente. Un
modello dimensionale che usa prontamente anche entrambi i
sistemi di ಡೇಟಾಬೇಸ್ ಸಂಬಂಧವನ್ನು ಪರಿಪೂರ್ಣಗೊಳಿಸಬಹುದು ಅಥವಾ ವ್ಯವಸ್ಥೆ ಮಾಡಬಹುದು
ಡೇಟಾಬೇಸ್ multidimensionali. Le sue pecche includono la mancanza
di alcune tecniche per facilitare la pianificazione o l’integrazione di
molti schemi della stella all’interno di un ಡೇಟಾ ವೇರ್ಹೌಸ್ ಮತ್ತು
difficoltà di progettare dall’estrema struttura denormalizzata in un
modello dimensionale a dati ಪರಂಪರೆ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ.
ಮೆಕ್‌ಫ್ಯಾಡೆನ್ಸ್ (1996) ಅಪ್ರೋಚ್ ಟು ಡೇಟಾ
ಗೋದಾಮಿನ ವಿನ್ಯಾಸ
McFadden (1996) propone un approccio di cinque passi per
disegnare un ಡೇಟಾ ವೇರ್ಹೌಸ್ (ಚಿತ್ರ 5 ನೋಡಿ).
Il suo approccio è basato su una sintesi delle idee dalla letteratura
ed è focalizzato sul disegno di un solo ಡೇಟಾ ವೇರ್ಹೌಸ್. ಮೊದಲ
passo comporta un’analisi dei requisiti. Anche se le specifiche
tecniche non sono prescritte, le note di McFadden identificano le
entità dati specifiche ed i loro attributi, e si riferisce ai lettori Watson
e Frolick (1993) per l’acquisizione dei requisiti.
ಎರಡನೇ ಹಂತದಲ್ಲಿ, ಘಟಕ ಸಂಬಂಧಗಳ ಮಾದರಿಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ
ಡೇಟಾ ವೇರ್ಹೌಸ್ e poi convalidato dai dirigenti d’azienda. Il terzo
passo comprende la determinazione del mapping da legacy system
e fonti esterne di ಡೇಟಾ ವೇರ್ಹೌಸ್. Il quarto passo comporta
processi in sviluppo, la distribuzione e sincronizzazione di dati ನೆಲ್
ಡೇಟಾ ವೇರ್ಹೌಸ್. Nel passo finale, la consegna del sistema è
sviluppata con particolare enfasi su un’interfaccia utente.
McFadden fa notare che il processo di disegno è generalmente
iterativo.
Le forze dell’approccio di McFadden puntano sulla partecipazione
da parte dei dirigenti d’azienda nel determinare i requisiti ed anche
l’importanza delle risorse dati, la loro pulizia e raccolta. Le sue
pecche riguardano la mancanza di un processo per suddividere un
grande progetto di ಡೇಟಾ ವೇರ್ಹೌಸ್ ಅನೇಕ ಸಂಯೋಜಿತ ಹಂತಗಳಲ್ಲಿ, ಮತ್ತು
ವಿನ್ಯಾಸದಲ್ಲಿ ಬಳಸಲಾದ ಅಸ್ತಿತ್ವ ಮತ್ತು ಸಂಬಂಧದ ಮಾದರಿಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಲ್ಲಿ ತೊಂದರೆ
ಡೇಟಾ ವೇರ್ಹೌಸ್.

ನಿರ್ವಹಣೆ ಸಿಇಒ

👍ಆನ್‌ಲೈನ್ ವೆಬ್ ಏಜೆನ್ಸಿ | ಡಿಜಿಟಲ್ ಮಾರ್ಕೆಟಿಂಗ್ ಮತ್ತು SEO ನಲ್ಲಿ ವೆಬ್ ಏಜೆನ್ಸಿ ತಜ್ಞ. ವೆಬ್ ಏಜೆನ್ಸಿ ಆನ್‌ಲೈನ್ ವೆಬ್ ಏಜೆನ್ಸಿಯಾಗಿದೆ. ಡಿಜಿಟಲ್ ರೂಪಾಂತರದಲ್ಲಿ Agenzia ವೆಬ್ ಆನ್‌ಲೈನ್ ಯಶಸ್ಸು ಐರನ್ ಎಸ್‌ಇಒ ಆವೃತ್ತಿ 3 ರ ಅಡಿಪಾಯವನ್ನು ಆಧರಿಸಿದೆ. ವಿಶೇಷತೆಗಳು: ಸಿಸ್ಟಮ್ ಇಂಟಿಗ್ರೇಷನ್, ಎಂಟರ್‌ಪ್ರೈಸ್ ಅಪ್ಲಿಕೇಶನ್ ಇಂಟಿಗ್ರೇಷನ್, ಸರ್ವಿಸ್ ಓರಿಯೆಂಟೆಡ್ ಆರ್ಕಿಟೆಕ್ಚರ್, ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್, ಡೇಟಾ ವೇರ್‌ಹೌಸ್, ಬಿಸಿನೆಸ್ ಇಂಟೆಲಿಜೆನ್ಸ್, ಬಿಗ್ ಡೇಟಾ, ಪೋರ್ಟಲ್‌ಗಳು, ಇಂಟ್ರಾನೆಟ್‌ಗಳು, ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ ಸಂಬಂಧಿತ ಮತ್ತು ಬಹುಆಯಾಮದ ಡೇಟಾಬೇಸ್‌ಗಳ ವಿನ್ಯಾಸ ಮತ್ತು ನಿರ್ವಹಣೆ ಡಿಜಿಟಲ್ ಮಾಧ್ಯಮಕ್ಕಾಗಿ ಇಂಟರ್‌ಫೇಸ್‌ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದು: ಉಪಯುಕ್ತತೆ ಮತ್ತು ಗ್ರಾಫಿಕ್ಸ್. ಆನ್‌ಲೈನ್ ವೆಬ್ ಏಜೆನ್ಸಿ ಕಂಪನಿಗಳಿಗೆ ಈ ಕೆಳಗಿನ ಸೇವೆಗಳನ್ನು ನೀಡುತ್ತದೆ: -Google, Amazon, Bing, Yandex ನಲ್ಲಿ SEO; -ವೆಬ್ ಅನಾಲಿಟಿಕ್ಸ್: ಗೂಗಲ್ ಅನಾಲಿಟಿಕ್ಸ್, ಗೂಗಲ್ ಟ್ಯಾಗ್ ಮ್ಯಾನೇಜರ್, ಯಾಂಡೆಕ್ಸ್ ಮೆಟ್ರಿಕಾ; -ಬಳಕೆದಾರ ಪರಿವರ್ತನೆಗಳು: Google Analytics, Microsoft Clarity, Yandex Metrica; Google, Bing, Amazon ಜಾಹೀರಾತುಗಳಲ್ಲಿ -SEM; -ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಮಾರ್ಕೆಟಿಂಗ್ (ಫೇಸ್ಬುಕ್, ಲಿಂಕ್ಡ್ಇನ್, ಯುಟ್ಯೂಬ್, Instagram).

ಸಂಪೂರ್ಣ ಬಯೋ ನೋಡಿ

ಡಿಜಿಟಲ್ ಮಾರ್ಕೆಟಿಂಗ್ ಡೇಟಾಬೇಸ್ ಡಿಬಿಎಂಎಸ್ ಮಾಹಿತಿ ಉಗ್ರಾಣ ಡೇಟಾ ವಿಜ್ಞಾನ ಆನ್ಲೈನ್ ​​ಜಾಹೀರಾತು ಮಾಹಿತಿ ತಂತ್ರಜ್ಞಾನ ವೆಬ್ ಏಜೆನ್ಸಿ ಜಾಹೀರಾತು ಸಂಸ್ಥೆ ಮಾರ್ಕೆಟಿಂಗ್