ຄັງເກັບຂໍ້ມູນ ແລະ ການວາງແຜນຊັບພະຍາກອນວິສາຫະກິດ | DWH ແລະ ERP

ປະຈຸບັນ ຂໍ້ມູນ ສູນກາງ: ປະຫວັດສາດ ED ວິວັດທະນາການ

ສອງຫົວຂໍ້ທີ່ເດັ່ນຊັດຂອງເຕັກໂນໂລຢີຂອງບໍລິສັດໃນຊຸມປີ 90 ແມ່ນ i data warehouse ແລະ ERP. ສໍາລັບເວລາດົນນານທັງສອງສາຍນ້ໍາທີ່ມີອໍານາດນີ້ແມ່ນສ່ວນຫນຶ່ງຂອງ IT ຂອງບໍລິສັດໂດຍບໍ່ເຄີຍມີຈຸດຕັດກັນ. ມັນເກືອບຄືກັບວ່າພວກເຂົາເປັນບັນຫາແລະຕໍ່ຕ້ານເລື່ອງ. ແຕ່ການຂະຫຍາຍຕົວຂອງທັງສອງປະກົດການໄດ້ inevitably ນໍາໄປສູ່ການຕັດກັນຂອງເຂົາເຈົ້າ. ມື້ນີ້ບໍລິສັດກໍາລັງປະເຊີນກັບບັນຫາຂອງສິ່ງທີ່ຕ້ອງເຮັດກັບ ERP ແລະ data warehouse. ບົດຄວາມນີ້ຈະອະທິບາຍວ່າບັນຫາແມ່ນຫຍັງແລະວິທີການທີ່ບໍລິສັດຖືກແກ້ໄຂ.

ໃນຕອນເລີ່ມຕົ້ນ…

ໃນຕອນເລີ່ມຕົ້ນມີ data warehouse. ສາງຂໍ້ມູນ ມັນເກີດມາເພື່ອຕ້ານກັບລະບົບຄໍາຮ້ອງສະຫມັກການປະມວນຜົນທຸລະກໍາ. ໃນຍຸກທໍາອິດ memorization ຂອງ ຂໍ້ມູນ ມັນໄດ້ຖືກຫມາຍວ່າເປັນພຽງແຕ່ counterpoint ກັບຄໍາຮ້ອງສະຫມັກການປະມວນຜົນທຸລະກໍາ. ​ແຕ່​ໃນ​ປະຈຸ​ບັນ​ມີ​ວິ​ໄສ​ທັດ​ທີ່​ທັນ​ສະ​ໄໝ​ຫຼາຍ​ກວ່າ​ເກົ່າ​ຂອງ​ສິ່ງ​ທີ່ ກ data warehouse. ໃນ​ໂລກ​ມື້​ນີ້​ data warehouse ມັນຖືກໃສ່ພາຍໃນໂຄງສ້າງທີ່ສາມາດເອີ້ນວ່າໂຮງງານຂໍ້ມູນຂອງບໍລິສັດ.

ໂຮງງານຂໍ້ມູນຂອງບໍລິສັດ (CIF)

ໂຮງງານຂໍ້ມູນຂ່າວສານຂອງບໍລິສັດມີອົງປະກອບສະຖາປັດຕະມາດຕະຖານ: ການເຊື່ອມໂຍງລະຫັດແລະຊັ້ນການຫັນປ່ຽນທີ່ປະສົມປະສານ i. ຂໍ້ມູນ ໃນຂະນະທີ່ຂ້ອຍ ຂໍ້ມູນ ພວກເຂົາເຈົ້າຍ້າຍຈາກສະພາບແວດລ້ອມຄໍາຮ້ອງສະຫມັກກັບສະພາບແວດລ້ອມຂອງ data warehouse ຂອງບໍລິສັດ; ກ data warehouse ຂອງບໍລິສັດທີ່ ຂໍ້ມູນ ນັກປະຫວັດສາດທີ່ລະອຽດແລະປະສົມປະສານ. ໄດ້ data warehouse ຂອງ​ວິ​ສາ​ຫະ​ກິດ​ເປັນ​ພື້ນ​ຖານ​ທີ່​ທຸກ​ພາກ​ສ່ວນ​ອື່ນໆ​ຂອງ​ສິ່ງ​ແວດ​ລ້ອມ​ສາ​ມາດ​ໄດ້​ຮັບ​ການ​ກໍ່​ສ້າງ​ data warehouse; ການເກັບຮັກສາຂໍ້ມູນປະຕິບັດງານ (ODS). ODS ແມ່ນໂຄງສ້າງປະສົມທີ່ປະກອບດ້ວຍບາງລັກສະນະ data warehouse ແລະດ້ານອື່ນໆຂອງສະພາບແວດລ້ອມ OLTP; data marts, ບ່ອນທີ່ພະແນກທີ່ແຕກຕ່າງກັນສາມາດມີສະບັບຂອງຕົນເອງຂອງ data warehouse; ກ data warehouse ການສໍາຫຼວດບ່ອນທີ່ນັກຄິດຂອງບໍລິສັດສາມາດສົ່ງຄໍາຖາມ 72 ຊົ່ວໂມງຂອງພວກເຂົາໂດຍບໍ່ມີຜົນກະທົບອັນຮ້າຍແຮງຕໍ່ data warehouse; ແລະຄວາມຊົງຈໍາແຖວໃກ້, ໃນນັ້ນ ຂໍ້ມູນ ເກົ່າແລະ ຂໍ້ມູນ ລາຍ​ລະ​ອຽດ​ຫຼາຍ​ສາ​ມາດ​ເກັບ​ຮັກ​ສາ​ໄວ້​ໃນ​ລາ​ຄາ​ຖືກ​.

ບ່ອນໃດທີ່ ERP ສົມທົບກັບ THE ໂຮງງານຂໍ້ມູນຂອງບໍລິສັດ

ERP ຜະສົມຜະສານກັບໂຮງງານຂໍ້ມູນຂອງບໍລິສັດໃນສອງບ່ອນ. ຕົ້ນຕໍເປັນຄໍາຮ້ອງສະຫມັກພື້ນຖານທີ່ສະຫນອງ i ຂໍ້ມູນ ຂອງຄໍາຮ້ອງສະຫມັກທີ່ຈະ data warehouse. ໃນກໍລະນີນີ້ i ຂໍ້ມູນ, ຜະລິດເປັນຜົນມາຈາກຂະບວນການທຸລະກໍາ, ໄດ້ຖືກປະສົມປະສານແລະ loaded ເຂົ້າໄປໃນ data warehouse ຂອງບໍລິສັດ. ການເຊື່ອມຕໍ່ທີສອງລະຫວ່າງ ERP ແລະ CIF ແມ່ນ ODS. ແທ້ຈິງແລ້ວ, ໃນຫຼາຍສະພາບແວດລ້ອມ ERP ຖືກນໍາໃຊ້ເປັນ ODS ຄລາສສິກ.

ໃນກໍລະນີທີ່ ERP ຖືກນໍາໃຊ້ເປັນຄໍາຮ້ອງສະຫມັກພື້ນຖານ, ERP ດຽວກັນຍັງສາມາດຖືກນໍາໃຊ້ໃນ CIF ເປັນ ODS. ໃນກໍລະນີໃດກໍ່ຕາມ, ຖ້າ ERP ຖືກນໍາໃຊ້ໃນທັງສອງບົດບາດ, ຕ້ອງມີຄວາມແຕກຕ່າງທີ່ຊັດເຈນລະຫວ່າງສອງຫນ່ວຍງານ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ເມື່ອ ERP ມີບົດບາດຂອງຄໍາຮ້ອງສະຫມັກພື້ນຖານແລະ ODS, ສອງຫນ່ວຍງານສະຖາປັດຕະຍະກໍາຕ້ອງໄດ້ຮັບການຈໍາແນກ. ຖ້າການປະຕິບັດດຽວຂອງ ERP ພະຍາຍາມປະຕິບັດທັງສອງບົດບາດພ້ອມໆກັນ, ມັນຈະມີບັນຫາໃນການອອກແບບແລະການຈັດຕັ້ງປະຕິບັດກອບດັ່ງກ່າວຢ່າງຫຼີກລ່ຽງບໍ່ໄດ້.

ແຍກ ODS ແລະຄໍາຮ້ອງສະຫມັກພື້ນຖານ

ມີເຫດຜົນຫຼາຍຢ່າງທີ່ນໍາໄປສູ່ການແບ່ງສ່ວນຂອງສະຖາປັດຕະຍະກໍາ. ບາງທີຈຸດທີ່ຊັດເຈນທີ່ສຸດໃນການແຍກອົງປະກອບທີ່ແຕກຕ່າງກັນຂອງສະຖາປັດຕະຍະກໍາແມ່ນວ່າອົງປະກອບຂອງສະຖາປັດຕະຍະກໍາແຕ່ລະຄົນມີທັດສະນະຂອງຕົນເອງ. ຄໍາຮ້ອງສະຫມັກພື້ນຖານໃຫ້ບໍລິການຈຸດປະສົງທີ່ແຕກຕ່າງກັນກ່ວາ ODS. ລອງທັບຊ້ອນກັນ

ມຸມເບິ່ງຄໍາຮ້ອງສະຫມັກພື້ນຖານໃນໂລກຂອງ ODS ຫຼືໃນທາງກັບກັນບໍ່ແມ່ນວິທີທີ່ຍຸດຕິທໍາໃນການເຮັດວຽກ.

ດັ່ງນັ້ນ, ບັນຫາທໍາອິດຂອງ ERP ໃນ CIF ແມ່ນການກວດສອບວ່າມີຄວາມແຕກຕ່າງກັນລະຫວ່າງຄໍາຮ້ອງສະຫມັກພື້ນຖານແລະ ODS.

ຮູບແບບຂໍ້ມູນໃນບໍລິສັດ ໂຮງງານຂໍ້ມູນຂ່າວສານ

ເພື່ອບັນລຸຄວາມສອດຄ່ອງລະຫວ່າງອົງປະກອບທີ່ແຕກຕ່າງກັນຂອງສະຖາປັດຕະ CIF, ຕ້ອງມີຮູບແບບຂອງ ຂໍ້ມູນ. ແບບຈໍາລອງຂອງ ຂໍ້ມູນ ພວກເຂົາເຮັດຫນ້າທີ່ເປັນຕົວເຊື່ອມຕໍ່ລະຫວ່າງອົງປະກອບຕ່າງໆຂອງສະຖາປັດຕະຍະກໍາເຊັ່ນຄໍາຮ້ອງສະຫມັກພື້ນຖານແລະ ODS. ແບບຈໍາລອງຂອງ ຂໍ້ມູນ ພວກເຂົາກາຍເປັນ "ແຜນທີ່ຖະຫນົນທາງປັນຍາ" ເພື່ອໃຫ້ໄດ້ຮັບຄວາມຫມາຍທີ່ຖືກຕ້ອງຈາກອົງປະກອບສະຖາປັດຕະຍະກໍາທີ່ແຕກຕ່າງກັນຂອງ CIF.

ການໄປຄຽງຄູ່ກັບແນວຄິດນີ້, ແນວຄວາມຄິດແມ່ນວ່າຄວນຈະມີຮູບແບບໃຫຍ່ແລະແບບດຽວ ຂໍ້ມູນ. ແນ່ນອນຕ້ອງມີຮູບແບບຂອງ ຂໍ້ມູນ ສໍາລັບແຕ່ລະອົງປະກອບແລະນອກຈາກນັ້ນຕ້ອງມີເສັ້ນທາງທີ່ສົມເຫດສົມຜົນທີ່ຈະເຊື່ອມຕໍ່ຮູບແບບທີ່ແຕກຕ່າງກັນ. ແຕ່ລະອົງປະກອບຂອງສະຖາປັດຕະ - ODS, ຄໍາຮ້ອງສະຫມັກພື້ນຖານ, data warehouse ຂອງບໍລິສັດ, ແລະອື່ນໆ .. – ຕ້ອງການຮູບແບບຂອງຕົນເອງຂອງ ຂໍ້ມູນ. ແລະດັ່ງນັ້ນຈິ່ງຕ້ອງມີຄໍານິຍາມທີ່ຊັດເຈນຂອງວິທີການແບບຈໍາລອງເຫຼົ່ານີ້ ຂໍ້ມູນ ເຂົາເຈົ້າໂຕ້ຕອບກັບກັນແລະກັນ.

ຍ້າຍ I ຂໍ້ມູນ ຂອງ ERP ໃນຂໍ້ມູນ ສາງ

ຖ້າຫາກວ່າຕົ້ນກໍາເນີດຂອງ ຂໍ້ມູນ ເປັນຄໍາຮ້ອງສະຫມັກພື້ນຖານແລະ / ຫຼື ODS, ເມື່ອ ERP ໃສ່ i ຂໍ້ມູນ nel data warehouse, ການແຊກນີ້ຕ້ອງເກີດຂຶ້ນໃນລະດັບຕ່ໍາສຸດຂອງ "granularity". ພຽງ​ແຕ່ recap ຫຼື​ລວມ i ຂໍ້ມູນ ຍ້ອນວ່າພວກເຂົາອອກມາຈາກຄໍາຮ້ອງສະຫມັກພື້ນຖານ ERP ຫຼື ERP ODS ບໍ່ແມ່ນສິ່ງທີ່ຖືກຕ້ອງທີ່ຈະເຮັດ. THE ຂໍ້ມູນ ລາຍລະອຽດແມ່ນຈໍາເປັນໃນ data warehouse ເພື່ອສ້າງເປັນພື້ນຖານຂອງຂະບວນການ DSS. ດັ່ງກ່າວ ຂໍ້ມູນ ພວກມັນຈະຖືກປ່ຽນຮູບແບບໃນຫຼາຍວິທີໂດຍ data marts ແລະການສໍາຫຼວດ data warehouse.

ການ​ເຄື່ອນ​ຍ້າຍ​ຂອງ​ ຂໍ້ມູນ ຈາກສະພາບແວດລ້ອມຄໍາຮ້ອງສະຫມັກພື້ນຖານ ERP ໄປຫາ data warehouse ຂອງບໍລິສັດແມ່ນເຮັດໃນລັກສະນະທີ່ຜ່ອນຄາຍຢ່າງສົມເຫດສົມຜົນ. ການເຄື່ອນໄຫວນີ້ເກີດຂຶ້ນປະມານ 24 ຊົ່ວໂມງຫຼັງຈາກການປັບປຸງ ຫຼືການສ້າງໃນ ERP. ຄວາມເປັນຈິງຂອງການມີການເຄື່ອນໄຫວ "lazy" ຂອງ ຂໍ້ມູນ nel data warehouse ຂອງບໍລິສັດອະນຸຍາດໃຫ້ ຂໍ້ມູນ ມາຈາກ ERP ເພື່ອ "ຕົກລົງ". ເມື່ອຂ້ອຍ ຂໍ້ມູນ ຖືກເກັບໄວ້ໃນຄໍາຮ້ອງສະຫມັກພື້ນຖານ, ຫຼັງຈາກນັ້ນທ່ານສາມາດຍ້າຍໄດ້ຢ່າງປອດໄພ ຂໍ້ມູນ ຂອງ ERP ໃນວິສາຫະກິດ. ເປົ້າຫມາຍອື່ນທີ່ສາມາດບັນລຸໄດ້ຂໍຂອບໃຈກັບການເຄື່ອນໄຫວ "lazy" ຂອງ ຂໍ້ມູນ ແມ່ນການກໍານົດຂອບເຂດທີ່ຊັດເຈນລະຫວ່າງຂະບວນການປະຕິບັດງານແລະ DSS. ດ້ວຍການເຄື່ອນໄຫວ "ໄວ" ຂອງ ຂໍ້ມູນ ເສັ້ນລະຫວ່າງ DSS ແລະການດໍາເນີນງານຍັງຄົງບໍ່ຊັດເຈນ.

ການເຄື່ອນໄຫວຂອງ ຂໍ້ມູນ ຈາກ ODS ຂອງ ERP ກັບ data warehouse ຂອງບໍລິສັດແມ່ນເຮັດເປັນແຕ່ລະໄລຍະ, ປົກກະຕິແລ້ວເປັນປະຈໍາອາທິດຫຼືປະຈໍາເດືອນ. ໃນກໍລະນີດັ່ງກ່າວນີ້, ການເຄື່ອນໄຫວຂອງ ຂໍ້ມູນ ມັນແມ່ນອີງໃສ່ຄວາມຕ້ອງການທີ່ຈະ "ເຮັດຄວາມສະອາດ" ຂອງເກົ່າ ຂໍ້ມູນ ນັກປະຫວັດສາດ. ຕາມທໍາມະຊາດ, ODS ປະກອບດ້ວຍ i ຂໍ້ມູນ ທີ່​ມີ​ຫຼາຍ​ໃຫມ່​ກ​່​ວາ​ ຂໍ້ມູນ ນັກປະຫວັດສາດທີ່ພົບເຫັນຢູ່ໃນ data warehouse.

ການ​ເຄື່ອນ​ຍ້າຍ​ຂອງ​ ຂໍ້ມູນ nel data warehouse ມັນເກືອບບໍ່ເຄີຍເຮັດ "ຂາຍສົ່ງ" (ໃນລັກສະນະຂາຍສົ່ງ). ຄັດລອກຕາຕະລາງຈາກສະພາບແວດລ້ອມ ERP ໄປໃສ່ data warehouse ມັນບໍ່ມີຄວາມຫມາຍ. ວິທີການທີ່ແທ້ຈິງຫຼາຍແມ່ນການຍ້າຍຫນ່ວຍງານທີ່ເລືອກ ຂໍ້ມູນ. ພຽງແຕ່ ຂໍ້ມູນ ທີ່ມີການປ່ຽນແປງນັບຕັ້ງແຕ່ການປັບປຸງຫຼ້າສຸດຂອງ data warehouse ແມ່ນຜູ້ທີ່ຄວນຈະຖືກຍ້າຍໄປຢູ່ໃນ data warehouse. ວິທີຫນຶ່ງທີ່ຈະຮູ້ວ່າອັນໃດ ຂໍ້ມູນ ໄດ້​ມີ​ການ​ປ່ຽນ​ແປງ​ນັບ​ຕັ້ງ​ແຕ່​ການ​ປັບ​ປຸງ​ທີ່​ຜ່ານ​ມາ​ແມ່ນ​ການ​ເບິ່ງ​ເວ​ລາ​ຂອງ​ ຂໍ້ມູນ ພົບເຫັນຢູ່ໃນສະພາບແວດລ້ອມ ERP. ຜູ້ອອກແບບເລືອກການປ່ຽນແປງທັງຫມົດທີ່ເກີດຂື້ນຕັ້ງແຕ່ການປັບປຸງຄັ້ງສຸດທ້າຍ. ວິທີການອື່ນແມ່ນການນໍາໃຊ້ເຕັກນິກການຈັບພາບການປ່ຽນແປງ ຂໍ້ມູນ. ດ້ວຍເຕັກນິກເຫຼົ່ານີ້ບັນທຶກແລະເທບວາລະສານໄດ້ຖືກວິເຄາະເພື່ອກໍານົດວ່າອັນໃດ ຂໍ້ມູນ ຕ້ອງໄດ້ຮັບການຍ້າຍຈາກສະພາບແວດລ້ອມ ERP ໄປຫາຂອງ data warehouse. ເຕັກນິກເຫຼົ່ານີ້ແມ່ນດີທີ່ສຸດຍ້ອນວ່າບັນທຶກແລະເທບວາລະສານສາມາດອ່ານໄດ້ຈາກໄຟລ໌ ERP ໂດຍບໍ່ມີຜົນກະທົບຕໍ່ຊັບພະຍາກອນ ERP ອື່ນໆ.

ອາການແຊກຊ້ອນອື່ນໆ

ຫນຶ່ງໃນບັນຫາ ERP ໃນ CIF ແມ່ນສິ່ງທີ່ເກີດຂື້ນກັບແຫຼ່ງຄໍາຮ້ອງສະຫມັກອື່ນໆຫຼື ai ຂໍ້ມູນ ຂອງ ODS ເຂົາເຈົ້າຕ້ອງປະກອບສ່ວນໃຫ້ data warehouse ແຕ່ພວກມັນບໍ່ແມ່ນສ່ວນຫນຶ່ງຂອງສະພາບແວດລ້ອມ ERP. ເນື່ອງຈາກລັກສະນະປິດຂອງ ERP, ໂດຍສະເພາະແມ່ນ SAP, ພະຍາຍາມປະສົມປະສານຄີຈາກແຫຼ່ງພາຍນອກຂອງ ຂໍ້ມູນ ກັບ i ຂໍ້ມູນ ທີ່ມາຈາກ ERP ໃນເວລາຍ້າຍ i ຂໍ້ມູນ nel data warehouse, ມັນເປັນສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງ. ແລະສິ່ງທີ່ແນ່ນອນແມ່ນຄວາມເປັນໄປໄດ້ທີ່ i ຂໍ້ມູນ ຂອງຄໍາຮ້ອງສະຫມັກຫຼື ODS ພາຍນອກສະພາບແວດລ້ອມ ERP ຈະຖືກປະສົມປະສານເຂົ້າໃນ data warehouse? ຕົວຈິງແລ້ວບໍ່ລົງຮອຍກັນແມ່ນສູງຫຼາຍ.

ຊອກຫາ ຂໍ້ມູນ ປະຫວັດສາດຈາກ ERP

ບັນຫາອື່ນກັບ i ຂໍ້ມູນ ຂອງ ERP ແມ່ນມາຈາກຄວາມຕ້ອງການທີ່ຈະມີ ຂໍ້ມູນ ນັກປະຫວັດສາດພາຍໃນ data warehouse. ປົກກະຕິແລ້ວ data warehouse ຄວາມຕ້ອງການ ຂໍ້ມູນ ນັກປະຫວັດສາດ. ແລະເທກໂນໂລຍີ ERP ມັກຈະບໍ່ເກັບຮັກສາເຫຼົ່ານີ້ ຂໍ້ມູນ ປະຫວັດສາດ, ຢ່າງຫນ້ອຍບໍ່ແມ່ນໃນຂອບເຂດທີ່ມີຄວາມຈໍາເປັນໃນ data warehouse. ໃນເວລາທີ່ຈໍານວນຂະຫນາດໃຫຍ່ຂອງ ຂໍ້ມູນ ບັນທຶກເລີ່ມຕົ້ນເພີ່ມຂຶ້ນໃນສະພາບແວດລ້ອມ ERP, ສະພາບແວດລ້ອມນັ້ນຕ້ອງໄດ້ຮັບການອະນາໄມ. ຕົວຢ່າງ, ສົມມຸດວ່າ a data warehouse ຄວນຈະໄດ້ຮັບການ loaded ກັບຫ້າປີຂອງ ຂໍ້ມູນ ປະຫວັດສາດໃນຂະນະທີ່ ERP ຮັກສາສູງສຸດຂອງຫົກເດືອນເຫຼົ່ານີ້ ຂໍ້ມູນ. ຕາບໃດທີ່ບໍລິສັດມີຄວາມພໍໃຈທີ່ຈະເກັບກໍາຈໍານວນ ຂໍ້ມູນ ປະຫວັດສາດເມື່ອເວລາຜ່ານໄປ, ຫຼັງຈາກນັ້ນບໍ່ມີບັນຫາໃນການນໍາໃຊ້ ERP ເປັນແຫຼ່ງສໍາລັບການ data warehouse. ແຕ່ໃນເວລາທີ່ data warehouse ຕ້ອງກັບຄືນໄປໃນເວລາແລະເອົາພຣະ ຂໍ້ມູນ ບັນທຶກທີ່ບໍ່ໄດ້ຖືກເກັບລວບລວມແລະບັນທຶກໄວ້ໃນເມື່ອກ່ອນໂດຍ ERP, ຫຼັງຈາກນັ້ນສະພາບແວດລ້ອມ ERP ຈະບໍ່ມີປະສິດທິພາບ.

ERP ແລະ METADATA

ການພິຈາລະນາອີກອັນຫນຶ່ງທີ່ຈະເຮັດກ່ຽວກັບ ERP e data warehouse ແມ່ນຫນຶ່ງໃນ metadata ທີ່ມີຢູ່ໃນສະພາບແວດລ້ອມ ERP. ເຊັ່ນດຽວກັນກັບ metadata ຍ້າຍຈາກສະພາບແວດລ້ອມ ERP ໄປຫາ data warehouse, metadata ຕ້ອງໄດ້ຮັບການຍ້າຍໃນລັກສະນະດຽວກັນ. ນອກຈາກນັ້ນ, metadata ຕ້ອງໄດ້ຮັບການປ່ຽນເປັນຮູບແບບແລະໂຄງສ້າງທີ່ຕ້ອງການໂດຍໂຄງສ້າງພື້ນຖານ data warehouse. ມີຄວາມແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍລະຫວ່າງ metadata ການດໍາເນີນງານແລະ metadata DSS. metadata ການດໍາເນີນງານສ່ວນໃຫຍ່ແມ່ນສໍາລັບນັກພັດທະນາແລະສໍາລັບ

ໂປຣແກຣມເມີ. DSS metadata ຕົ້ນຕໍແມ່ນສໍາລັບຜູ້ໃຊ້ສຸດທ້າຍ. metadata ທີ່ມີຢູ່ໃນແອັບພລິເຄຊັນ ERP ຫຼື ODSs ຕ້ອງໄດ້ຮັບການປ່ຽນໃຈເຫລື້ອມໃສແລະການແປງນີ້ບໍ່ແມ່ນເລື່ອງງ່າຍແລະກົງໄປກົງມາສະເຫມີ.

ກຳລັງຊອກຫາຂໍ້ມູນ ERP

ຖ້າ ERP ຖືກນໍາໃຊ້ເປັນຜູ້ສະຫນອງຂອງ ຂໍ້ມູນ ຕໍ່ il data warehouse ຕ້ອງມີການໂຕ້ຕອບແຂງທີ່ຍ້າຍ i ຂໍ້ມູນ ຈາກສະພາບແວດລ້ອມ ERP ກັບສະພາບແວດລ້ອມ data warehouse. ການໂຕ້ຕອບຕ້ອງ:

• ▪ ໃຊ້ງ່າຍ
• ▪ ອະນຸຍາດໃຫ້ເຂົ້າເຖິງ ຂໍ້ມູນ ຂອງ ERP
• ▪ ເອົາຄວາມໝາຍຂອງ ຂໍ້ມູນ ທີ່ກໍາລັງຖືກຍ້າຍໄປ data warehouse
• ▪ ຮູ້ຂໍ້ຈໍາກັດຂອງ ERP ທີ່ອາດຈະເກີດຂຶ້ນເມື່ອເຂົ້າເຖິງ ຂໍ້ມູນ ຂອງ ERP:
• ▪ ຄວາມຊື່ສັດໃນການອ້າງອີງ
• ▪ ຄວາມສຳພັນແບບລຳດັບ
• ▪ ຄວາມສຳພັນທາງດ້ານເຫດຜົນ
• ▪ ສົນທິສັນຍາຄໍາຮ້ອງສະຫມັກ
• ▪ ໂຄງສ້າງທັງໝົດຂອງ ຂໍ້ມູນ ສະຫນັບສະຫນູນໂດຍ ERP, ແລະອື່ນໆ ...
• ▪ ມີປະສິດທິພາບໃນການເຂົ້າເຖິງ ຂໍ້ມູນ, ໂດຍ​ການ​ໃຫ້​:
• ▪ ການເຄື່ອນໄຫວໂດຍກົງຂອງ ຂໍ້ມູນ
• ▪ ການຊື້ການປ່ຽນແປງ ຂໍ້ມູນ
• ▪ ສະຫນັບສະຫນູນການເຂົ້າເຖິງທັນເວລາ ຂໍ້ມູນ
• ▪ ເຂົ້າໃຈຮູບແບບຂອງ ຂໍ້ມູນ, ແລະອື່ນໆ... ພົວພັນກັບ SAP ການໂຕ້ຕອບສາມາດເປັນສອງປະເພດ, homegrown ຫຼືການຄ້າ. ບາງສ່ວນຂອງການໂຕ້ຕອບການຄ້າທີ່ສໍາຄັນປະກອບມີ:

• ▪ SAS
• ▪ ວິທີແກ້ໄຂສຳຄັນ
• ▪ D2k, ແລະອື່ນໆ... ເຕັກໂນໂລຍີ ERP ຫຼາຍອັນ ການປິ່ນປົວສະພາບແວດລ້ອມ ERP ຄືກັບວ່າມັນເປັນເຕັກໂນໂລຢີດຽວແມ່ນຄວາມຜິດພາດອັນໃຫຍ່ຫຼວງ. ມີຫຼາຍເທກໂນໂລຍີ ERP, ແຕ່ລະຄົນມີຄວາມເຂັ້ມແຂງຂອງມັນ. ຜູ້ຂາຍທີ່ຮູ້ຈັກດີທີ່ສຸດໃນຕະຫຼາດແມ່ນ:

• ▪ SAP
• ▪ Oracle Financials
• ▪ PeopleSoft
• JD Edwards
• ▪ ບ້ານ SAP SAP ແມ່ນຊອບແວ ERP ທີ່ໃຫຍ່ທີ່ສຸດ ແລະຄົບຖ້ວນທີ່ສຸດ. ຄໍາຮ້ອງສະຫມັກ SAP ປະກອບມີຫຼາຍປະເພດຂອງຄໍາຮ້ອງສະຫມັກໃນຫຼາຍພື້ນທີ່. SAP ມີຊື່ສຽງສໍາລັບການເປັນ:

• ▪ ຂະໜາດໃຫຍ່ຫຼາຍ
• ▪ ຍາກຫຼາຍ ແລະລາຄາແພງໃນການປະຕິບັດ
• ▪ ຕ້ອງການຄົນຫຼາຍ ແລະທີ່ປຶກສາເພື່ອຈັດຕັ້ງປະຕິບັດ
• ▪ ຕ້ອງການຄົນສະເພາະໃນການຈັດຕັ້ງປະຕິບັດ
• ▪ ຕ້ອງການເວລາຫຼາຍໃນການປະຕິບັດ ນອກຈາກນີ້ SAP ຍັງມີຊື່ສຽງສໍາລັບການຈື່ຈໍາຂອງມັນ ຂໍ້ມູນ ຢ່າງໃກ້ຊິດ, ເຮັດໃຫ້ມັນຍາກສໍາລັບຄົນທີ່ຢູ່ນອກພື້ນທີ່ SAP ທີ່ຈະເຂົ້າເຖິງພວກມັນ. ຄວາມເຂັ້ມແຂງຂອງ SAP ແມ່ນວ່າມັນສາມາດຈັບແລະເກັບຮັກສາຈໍານວນຫຼວງຫຼາຍ ຂໍ້ມູນ. SAP ບໍ່ດົນມານີ້ໄດ້ປະກາດຄວາມຕັ້ງໃຈຂອງຕົນທີ່ຈະຂະຫຍາຍຄໍາຮ້ອງສະຫມັກຂອງຕົນໄປ data warehouse. ມີຂໍ້ດີແລະຂໍ້ເສຍຫຼາຍຢ່າງທີ່ຈະໃຊ້ SAP ເປັນຜູ້ຂາຍ data warehouse. ປະໂຫຍດແມ່ນວ່າ SAP ໄດ້ຖືກຕິດຕັ້ງແລ້ວແລະທີ່ປຶກສາສ່ວນໃຫຍ່ຄຸ້ນເຄີຍກັບ SAP ແລ້ວ.
  ຂໍ້ເສຍຂອງການມີ SAP ເປັນຜູ້ສະຫນອງຂອງ data warehouse ມີຈໍານວນຫຼາຍ: SAP ບໍ່ມີປະສົບການໃນໂລກຂອງ data warehouse ຖ້າ SAP ເປັນຜູ້ສະຫນອງ data warehouse, ມັນເປັນສິ່ງຈໍາເປັນທີ່ຈະ "ເອົາອອກ" i ຂໍ້ມູນ ຈາກ SAP ກັບ data warehouse. ຂໍ້ມູນ ບັນທຶກການຕິດຕາມຂອງ SAP ຂອງລະບົບປິດ, ມັນບໍ່ຫນ້າຈະງ່າຍທີ່ຈະໄດ້ຮັບ i ຈາກ SAP ໃນມັນ (???). ມີຫຼາຍສະພາບແວດລ້ອມທີ່ເປັນມໍລະດົກທີ່ໃຫ້ SAP, ເຊັ່ນ IMS, VSAM, ADABAS, ORACLE, DB2, ແລະອື່ນໆ. SAP ຢືນຢັນວິທີການ "ບໍ່ໄດ້ປະດິດຢູ່ທີ່ນີ້". SAP ບໍ່ຕ້ອງການທີ່ຈະຮ່ວມມືກັບຜູ້ຂາຍອື່ນໆເພື່ອນໍາໃຊ້ຫຼືສ້າງ data warehouse. SAP ຮຽກຮ້ອງໃຫ້ສ້າງຊອບແວທັງຫມົດຂອງຕົນເອງ.

ເຖິງແມ່ນວ່າ SAP ເປັນບໍລິສັດຂະຫນາດໃຫຍ່ແລະມີອໍານາດ, ຄວາມຈິງຂອງການພະຍາຍາມຂຽນໃຫມ່ຂອງເຕັກໂນໂລຢີຂອງ ELT, OLAP, ການຄຸ້ມຄອງລະບົບແລະແມ້ກະທັ້ງລະຫັດພື້ນຖານຂອງ. dbms ມັນເປັນພຽງແຕ່ insane. ແທນທີ່ຈະຖືທັດສະນະຄະຕິການຮ່ວມມືກັບຜູ້ສະຫນອງ data warehouse ໄລຍະຍາວ, SAP ໄດ້ປະຕິບັດຕາມວິທີການທີ່ພວກເຂົາ "ຮູ້ດີທີ່ສຸດ". ທັດສະນະຄະຕິນີ້ຖືຄືນຜົນສໍາເລັດທີ່ SAP ສາມາດມີຢູ່ໃນພື້ນທີ່ data warehouse.
ການປະຕິເສດຂອງ SAP ທີ່ຈະອະນຸຍາດໃຫ້ຜູ້ຂາຍພາຍນອກເຂົ້າເຖິງໄດ້ທັນທີ ແລະສະຫງ່າງາມ ຂໍ້ມູນ. ຄວາມສໍາຄັນຂອງການນໍາໃຊ້ a data warehouse ແມ່ນ​ການ​ເຂົ້າ​ເຖິງ​ໄດ້​ງ່າຍ​ ຂໍ້ມູນ. ເລື່ອງທັງຫມົດຂອງ SAP ແມ່ນອີງໃສ່ການເຮັດໃຫ້ມັນຍາກທີ່ຈະເຂົ້າເຖິງ ຂໍ້ມູນ.
SAP ຂາດປະສົບການໃນການຈັດການກັບປະລິມານຂະຫນາດໃຫຍ່ຂອງ ຂໍ້ມູນ; ໃນພາກສະຫນາມຂອງ data warehouse ມີປະລິມານຂອງ ຂໍ້ມູນ ບໍ່ເຄີຍເຫັນຈາກ SAP ແລະເພື່ອຈັດການກັບຈໍານວນຂະຫນາດໃຫຍ່ເຫຼົ່ານີ້ ຂໍ້ມູນ ທ່ານຈໍາເປັນຕ້ອງມີເຕັກໂນໂລຢີທີ່ເຫມາະສົມ. SAP ປາກົດຂື້ນບໍ່ຮູ້ຈັກອຸປະສັກທາງດ້ານເຕັກໂນໂລຢີທີ່ມີຢູ່ເພື່ອເຂົ້າໄປໃນພາກສະຫນາມຂອງ data warehouse.
ວັດທະນະທໍາຂອງບໍລິສັດ SAP: SAP ໄດ້ສ້າງທຸລະກິດໃນການໄດ້ຮັບ i ຂໍ້ມູນ ຈາກລະບົບ. ແຕ່ເພື່ອເຮັດສິ່ງນີ້, ທ່ານຈໍາເປັນຕ້ອງມີຈິດໃຈທີ່ແຕກຕ່າງກັນ. ຕາມປະເພນີ, ບໍລິສັດຊໍແວທີ່ເກັ່ງໃນການເອົາຂໍ້ມູນເຂົ້າໄປໃນສະພາບແວດລ້ອມບໍ່ໄດ້ດີທີ່ຈະເອົາຂໍ້ມູນໄປໃນທາງອື່ນ. ຖ້າ SAP ຈັດການການປ່ຽນປະເພດນີ້, ມັນຈະເປັນບໍລິສັດທໍາອິດທີ່ເຮັດແນວນັ້ນ.

ໃນສັ້ນ, ມັນເປັນຄໍາຖາມທີ່ບໍລິສັດຄວນເລືອກ SAP ເປັນຜູ້ສະຫນອງ data warehouse. ມີຄວາມສ່ຽງທີ່ຮ້າຍແຮງຫຼາຍໃນດ້ານຫນຶ່ງແລະລາງວັນຈໍານວນຫນ້ອຍຫຼາຍໃນອີກດ້ານຫນຶ່ງ. ແຕ່ມີເຫດຜົນອີກຢ່າງຫນຶ່ງທີ່ຂັດຂວາງການເລືອກ SAP ເປັນຜູ້ສະຫນອງ data warehouse. ເພາະວ່າທຸກໆບໍລິສັດຄວນຈະມີຄືກັນ data warehouse ຂອງບໍລິສັດອື່ນໆທັງຫມົດ? ໄດ້ data warehouse ມັນເປັນຫົວໃຈຂອງຄວາມໄດ້ປຽບໃນການແຂ່ງຂັນ. ຖ້າທຸກບໍລິສັດໄດ້ຮັບຮອງເອົາຄືກັນ data warehouse ມັນຈະເປັນການຍາກ, ເຖິງແມ່ນວ່າເປັນໄປບໍ່ໄດ້, ເພື່ອບັນລຸຄວາມໄດ້ປຽບໃນການແຂ່ງຂັນ. SAP ເບິ່ງຄືວ່າຄິດວ່າ a data warehouse ສາມາດເຫັນໄດ້ວ່າເປັນຄຸກກີແລະນີ້ຍັງເປັນສັນຍານອື່ນຂອງຈິດໃຈຂອງພວກເຂົາ "ເອົາຂໍ້ມູນໃນ" ຄໍາຮ້ອງສະຫມັກ.

ບໍ່ມີຜູ້ຂາຍ ERP ອື່ນໃດທີ່ເດັ່ນກວ່າ SAP. ແນ່ນອນວ່າຈະມີບໍລິສັດທີ່ຈະໄປທາງ SAP ສໍາລັບຂອງພວກເຂົາ data warehouse ແຕ່ສົມມຸດຕິຖານເຫຼົ່ານີ້ data warehouse SAPs ຈະມີຂະຫນາດໃຫຍ່, ລາຄາແພງ, ແລະໃຊ້ເວລາຫຼາຍໃນການສ້າງ.

ສະພາບແວດລ້ອມເຫຼົ່ານີ້ລວມມີກິດຈະກໍາເຊັ່ນ: ການປະມວນຜົນທະນາຄານ, ຂະບວນການຈອງສາຍການບິນ, ຂະບວນການຮ້ອງທຸກປະກັນໄພ, ແລະອື່ນໆ. ການປະຕິບັດລະບົບການເຮັດທຸລະກໍາທີ່ດີຂຶ້ນ, ຄວາມຊັດເຈນຫຼາຍແມ່ນຄວາມຕ້ອງການສໍາລັບການແຍກຕ່າງຫາກລະຫວ່າງຂະບວນການປະຕິບັດງານແລະ DSS (ລະບົບສະຫນັບສະຫນູນການຕັດສິນໃຈ). ຢ່າງໃດກໍຕາມ, ດ້ວຍລະບົບ HR ແລະບຸກຄະລາກອນ, ທ່ານບໍ່ເຄີຍປະເຊີນກັບການເຮັດທຸລະກໍາຈໍານວນຫລາຍ. ແລະ, ແນ່ນອນ, ໃນເວລາທີ່ບຸກຄົນໃດຫນຶ່ງຖືກຈ້າງຫຼືອອກຈາກບໍລິສັດນີ້ແມ່ນບັນທຶກການເຮັດທຸລະກໍາ. ແຕ່ທຽບກັບລະບົບອື່ນໆ, HR ແລະລະບົບບຸກຄະລາກອນພຽງແຕ່ບໍ່ມີທຸລະກໍາຫຼາຍ. ດັ່ງນັ້ນ, ໃນລະບົບ HR ແລະບຸກຄະລາກອນ, ມັນບໍ່ຊັດເຈນວ່າຕ້ອງມີ DataWarehouse. ໃນຫຼາຍວິທີລະບົບເຫຼົ່ານີ້ແມ່ນການລວມກັນຂອງລະບົບ DSS.

ແຕ່ມີປັດໃຈອື່ນທີ່ຕ້ອງໄດ້ຮັບການພິຈາລະນາໃນເວລາທີ່ຈັດການກັບ datawarehouse ແລະ PeopleSoft. ໃນຫຼາຍວົງ, i ຂໍ້ມູນ ຊັບພະຍາກອນ HR ແລະສ່ວນບຸກຄົນແມ່ນຮອງຈາກທຸລະກິດຕົ້ນຕໍຂອງບໍລິສັດ. ບໍລິສັດສ່ວນຫຼາຍແມ່ນຜະລິດ, ຂາຍ, ໃຫ້ບໍລິການ ແລະ ອື່ນໆ. ລະບົບ HR ແລະບຸກຄະລາກອນແມ່ນປົກກະຕິຮອງກັບ (ຫຼືສະຫນັບສະຫນູນ) ສາຍທຸລະກິດຕົ້ນຕໍຂອງບໍລິສັດ. ດັ່ງນັ້ນ, ມັນມີຄວາມຊັດເຈນແລະບໍ່ສະດວກ a data warehouse ແຍກຕ່າງຫາກສໍາລັບ HR ແລະການສະຫນັບສະຫນູນຊັບພະຍາກອນສ່ວນບຸກຄົນ.

PeopleSoft ແມ່ນແຕກຕ່າງກັນຫຼາຍຈາກ SAP ໃນເລື່ອງນີ້. ດ້ວຍ SAP, ມັນເປັນການບັງຄັບໃຫ້ມີ data warehouse. ດ້ວຍ PeopleSoft, ມັນບໍ່ແມ່ນສິ່ງທີ່ຈະແຈ້ງ. ຄັງຂໍ້ມູນເປັນທາງເລືອກທີ່ມີ PeopleSoft.

ສິ່ງທີ່ດີທີ່ສຸດທີ່ສາມາດເວົ້າໄດ້ສໍາລັບການ ຂໍ້ມູນ PeopleSoft ແມ່ນວ່າ data warehouse ສາມາດໃຊ້ເພື່ອເກັບ i ຂໍ້ມູນ ກ່ຽວຂ້ອງກັບຊັບພະຍາກອນມະນຸດ ແລະສ່ວນຕົວເກົ່າ. ເຫດຜົນທີສອງວ່າເປັນຫຍັງບໍລິສັດຕ້ອງການໃຊ້ a data warehouse a

ຂໍ້ເສຍຂອງສະພາບແວດລ້ອມ PeopleSoft ແມ່ນອະນຸຍາດໃຫ້ເຂົ້າເຖິງແລະບໍ່ເສຍຄ່າກັບເຄື່ອງມືການວິເຄາະ, ai ຂໍ້ມູນ ໂດຍ PeopleSoft. ແຕ່ນອກເຫນືອຈາກເຫດຜົນເຫຼົ່ານີ້, ອາດຈະມີບາງກໍລະນີທີ່ມັນດີກວ່າທີ່ຈະບໍ່ມີຄັງຂໍ້ມູນສໍາລັບ ຂໍ້ມູນ PeopleSoft.

ໃນບົດສະຫຼຸບ

ມີຫຼາຍແນວຄວາມຄິດທີ່ກ່ຽວຂ້ອງກັບການກໍ່ສ້າງຂອງ a data warehouse ພາຍໃນຊອບແວ ERP.
ບາງສ່ວນຂອງເຫຼົ່ານີ້ແມ່ນ:

• ▪ ມັນເຮັດໃຫ້ຮູ້ສຶກວ່າມີ a data warehouse ຜູ້ທີ່ຄ້າຍຄືຄົນອື່ນໃນອຸດສາຫະກໍາ?
• ▪ ERP ມີຄວາມຍືດຫຍຸ່ນຫຼາຍປານໃດ data warehouse ຊອບແວ?
• ▪ ERP data warehouse ຊອບແວສາມາດຈັດການປະລິມານຂອງ ຂໍ້ມູນ ເຊິ່ງຕັ້ງຢູ່ໃນ ກdata warehouse ສະໜາມກິລາ"?
• ▪ ການຕິດຕາມການຕິດຕາມທີ່ຜູ້ຂາຍ ERP ເຮັດແນວໃດໃນໃບຫນ້າຂອງງ່າຍແລະລາຄາຖືກ, ໃຊ້ເວລາຫຼາຍ, ai ຂໍ້ມູນ? (ຜູ້​ຂາຍ ERP ເປັນ​ແນວ​ໃດ​ການ​ຕິດ​ຕາມ​ການ​ຈັດ​ສົ່ງ​ຂອງ​ລາ​ຄາ​ຖືກ​, ທັນ​ເວ​ລາ​, ການ​ເຂົ້າ​ເຖິງ​ຂໍ້​ມູນ​ງ່າຍ​?)
• ▪ ຄວາມເຂົ້າໃຈຂອງຜູ້ຂາຍ ERP ກ່ຽວກັບສະຖາປັດຕະຍະກໍາ DSS ແລະໂຮງງານຂໍ້ມູນຂ່າວສານຂອງບໍລິສັດແມ່ນຫຍັງ?
• ▪ ຜູ້ຂາຍ ERP ເຂົ້າໃຈວິທີທີ່ຈະໄດ້ຮັບ ຂໍ້ມູນ ພາຍໃນສະພາບແວດລ້ອມ, ແຕ່ຍັງເຂົ້າໃຈວິທີການສົ່ງອອກໃຫ້ເຂົາເຈົ້າ?
• ▪ ຜູ້ຂາຍ ERP ເປີດແນວໃດຕໍ່ກັບເຄື່ອງມືເກັບຂໍ້ມູນ?
  ການພິຈາລະນາທັງໝົດເຫຼົ່ານີ້ຈະຕ້ອງຖືກເຮັດໃນເວລາກໍານົດບ່ອນທີ່ຈະວາງ data warehouse ເຊິ່ງຈະເປັນເຈົ້າພາບ i ຂໍ້ມູນ ຂອງ ERP ແລະອື່ນໆ ຂໍ້ມູນ. ໂດຍທົ່ວໄປ, ເວັ້ນເສຍແຕ່ວ່າມີເຫດຜົນບັງຄັບໃຫ້ເຮັດຖ້າບໍ່ດັ່ງນັ້ນ, ການກໍ່ສ້າງແມ່ນແນະນໍາ data warehouse ຢູ່ນອກສະພາບແວດລ້ອມຂອງຜູ້ຂາຍ ERP. ບົດທີ 1 ພາບລວມຂອງອົງການ BI ຈຸດສໍາຄັນ:
  ຄັງເກັບຂໍ້ມູນເຮັດວຽກໃນທາງກົງກັນຂ້າມກັບສະຖາປັດຕະຍະກໍາທາງທຸລະກິດ (BI):
  ວັດທະນະທໍາຂອງບໍລິສັດແລະ IT ສາມາດຈໍາກັດຄວາມສໍາເລັດຂອງການສ້າງອົງການຈັດຕັ້ງ BI.

ເຕັກໂນໂລຍີບໍ່ແມ່ນປັດໃຈຈໍາກັດສໍາລັບອົງການຈັດຕັ້ງ BI ອີກຕໍ່ໄປ. ບັນຫາສໍາລັບສະຖາປະນິກແລະຜູ້ວາງແຜນໂຄງການບໍ່ແມ່ນວ່າເຕັກໂນໂລຢີທີ່ມີຢູ່, ແຕ່ວ່າພວກເຂົາສາມາດປະຕິບັດເຕັກໂນໂລຢີທີ່ມີຢູ່ໄດ້ຢ່າງມີປະສິດທິພາບ.

ສໍາລັບບໍລິສັດຈໍານວນຫຼາຍ a data warehouse ແມ່ນພຽງເລັກນ້ອຍຫຼາຍກ່ວາເງິນຝາກຕົວຕັ້ງຕົວຕີທີ່ແຈກຢາຍ i ຂໍ້ມູນ ກັບ​ຜູ້​ໃຊ້​ທີ່​ຕ້ອງ​ການ​ມັນ​. THE ຂໍ້ມູນ ຖືກສະກັດຈາກລະບົບແຫຼ່ງແລະຖືກບັນຈຸເຂົ້າໃນໂຄງສ້າງເປົ້າຫມາຍໂດຍ data warehouse. ຂ້າພະເຈົ້າ ຂໍ້ມູນ ພວກເຂົາຍັງສາມາດເຮັດຄວາມສະອາດດ້ວຍໂຊກໃດໆ. ຢ່າງໃດກໍຕາມ, ບໍ່ມີການເພີ່ມມູນຄ່າເພີ່ມເຕີມຫຼືເກັບກໍາໂດຍ ຂໍ້ມູນ ໃນລະຫວ່າງຂະບວນການນີ້.

ໂດຍພື້ນຖານແລ້ວ, passive dw, ດີທີ່ສຸດ, ພຽງແຕ່ສະຫນອງ i ຂໍ້ມູນ ສະອາດແລະປະຕິບັດກັບສະມາຄົມຜູ້ໃຊ້. ການສ້າງຂໍ້ມູນແລະຄວາມເຂົ້າໃຈການວິເຄາະແມ່ນຂຶ້ນກັບຜູ້ໃຊ້ທັງຫມົດ. ການຕັດສິນວ່າ DW (ສາງຂໍ້ມູນ) ບໍ່ວ່າຄວາມສໍາເລັດເປັນຫົວຂໍ້. ຖ້າພວກເຮົາຕັດສິນຜົນສໍາເລັດກ່ຽວກັບຄວາມສາມາດໃນການເກັບກໍາ, ປະສົມປະສານແລະເຮັດຄວາມສະອາດຢ່າງມີປະສິດທິພາບ i ຂໍ້ມູນ ບໍລິສັດບົນພື້ນຖານການຄາດເດົາ, ຫຼັງຈາກນັ້ນແມ່ນ, DW ແມ່ນຜົນສໍາເລັດ. ໃນທາງກົງກັນຂ້າມ, ຖ້າພວກເຮົາເບິ່ງການລວບລວມ, ການລວບລວມແລະການຂຸດຄົ້ນຂໍ້ມູນຂອງອົງການຈັດຕັ້ງທັງຫມົດ, ຫຼັງຈາກນັ້ນ DW ແມ່ນຄວາມລົ້ມເຫລວ. DW ສະໜອງຂໍ້ມູນໃຫ້ຂໍ້ມູນໜ້ອຍ ຫຼືບໍ່ມີຄ່າ. ດັ່ງນັ້ນ, ຜູ້ໃຊ້ຖືກບັງຄັບໃຫ້ເຮັດ, ດັ່ງນັ້ນການສ້າງ silos ຂໍ້ມູນ. ບົດ​ນີ້​ສະ​ເໜີ​ວິ​ໄສ​ທັດ​ທີ່​ຮອບ​ດ້ານ​ເພື່ອ​ສະຫຼຸບ​ຄືນ​ສະ​ຖາ​ປັດ​ຕະ​ຍະ​ກຳ BI (Business Intelligence). ພວກເຮົາເລີ່ມຕົ້ນດ້ວຍຄໍາອະທິບາຍກ່ຽວກັບ BI ແລະຫຼັງຈາກນັ້ນເຂົ້າໄປໃນການສົນທະນາຂອງການອອກແບບແລະການພັດທະນາຂໍ້ມູນ, ກົງກັນຂ້າມກັບການສະຫນອງພຽງແຕ່ ຂໍ້ມູນ ກັບຜູ້ໃຊ້. ການສົນທະນາຫຼັງຈາກນັ້ນສຸມໃສ່ການຄິດໄລ່ມູນຄ່າຂອງຄວາມພະຍາຍາມ BI ຂອງທ່ານ. ພວກເຮົາສະຫຼຸບໂດຍການກໍານົດວິທີທີ່ IBM ແກ້ໄຂຄວາມຕ້ອງການສະຖາປັດຕະຍະກໍາ BI ຂອງອົງການຂອງເຈົ້າ.

ລາຍ​ລະ​ອຽດ​ສະ​ຖາ​ປັດ​ຕະ​ຂອງ​ ອົງການ BI

ລະບົບຂໍ້ມູນຂ່າວສານທີ່ແນໃສ່ການເຮັດທຸລະກໍາທີ່ມີປະສິດທິພາບໃນປັດຈຸບັນແມ່ນເປັນຄໍາສັ່ງຂອງທຸກວັນໃນທຸກວິສາຫະກິດຂະຫນາດໃຫຍ່, ລະດັບພື້ນທີ່ຫຼີ້ນສໍາລັບບໍລິສັດທົ່ວໂລກ.

ການແຂ່ງຂັນທີ່ຍັງເຫຼືອ, ແນວໃດກໍ່ຕາມ, ໃນປັດຈຸບັນຮຽກຮ້ອງໃຫ້ມີລະບົບການວິເຄາະທາງດ້ານການວິເຄາະທີ່ສາມາດປະຕິວັດຄວາມສາມາດຂອງບໍລິສັດໃນການຄົ້ນພົບຄືນໃຫມ່ແລະນໍາໃຊ້ຂໍ້ມູນທີ່ພວກເຂົາມີຢູ່ແລ້ວ. ລະບົບການວິເຄາະເຫຼົ່ານີ້ມາຈາກຄວາມເຂົ້າໃຈຈາກຄວາມຮັ່ງມີຂອງ ຂໍ້ມູນ ມີໃຫ້. BI ສາມາດປັບປຸງການປະຕິບັດຂໍ້ມູນທັງຫມົດໃນທົ່ວວິສາຫະກິດ. ທຸລະກິດສາມາດປັບປຸງຄວາມສໍາພັນຂອງລູກຄ້າກັບຜູ້ສະຫນອງ, ປັບປຸງຜົນກໍາໄລຂອງຜະລິດຕະພັນແລະການບໍລິການ, ສ້າງຂໍ້ສະເຫນີໃຫມ່ແລະດີກວ່າ, ຄວບຄຸມຄວາມສ່ຽງ, ແລະໃນບັນດາຜົນປະໂຫຍດອື່ນໆຈໍານວນຫຼາຍຕັດຄ່າໃຊ້ຈ່າຍຢ່າງຫຼວງຫຼາຍ. ດ້ວຍ BI, ໃນທີ່ສຸດບໍລິສັດຂອງທ່ານເລີ່ມໃຊ້ຂໍ້ມູນລູກຄ້າເປັນຊັບສິນທີ່ມີການແຂ່ງຂັນຍ້ອນຄໍາຮ້ອງສະຫມັກທີ່ມີຈຸດປະສົງຕະຫຼາດ.

ມີວິທີການທຸລະກິດທີ່ຖືກຕ້ອງຫມາຍຄວາມວ່າມີຄໍາຕອບທີ່ແນ່ນອນຕໍ່ຄໍາຖາມທີ່ສໍາຄັນເຊັ່ນ:

• ▪ ອັນໃດຂອງພວກເຮົາ ລູກຄ້າ ພວກເຂົາເຮັດໃຫ້ພວກເຮົາມີລາຍໄດ້ຫຼາຍ, ຫຼືພວກເຂົາເຮັດໃຫ້ພວກເຮົາສູນເສຍເງິນບໍ?
• ▪ ບ່ອນທີ່ພວກເຮົາອາໄສຢູ່ທີ່ດີທີ່ສຸດ ລູກຄ້າ ກ່ຽວ​ຂ້ອງ​ກັບ ຮ້ານ/ ສາງເຂົາເຈົ້າເລື້ອຍໆ?
• ▪ ຜະລິດຕະພັນ ແລະການບໍລິການຂອງພວກເຮົາອັນໃດສາມາດຂາຍໄດ້ດີທີ່ສຸດ ແລະໃຫ້ໃຜ?
• ▪ ຜະລິດຕະພັນໃດທີ່ສາມາດຂາຍໄດ້ປະສິດທິພາບຫຼາຍທີ່ສຸດ ແລະໃຫ້ກັບໃຜ?
• ▪ ແຄມເປນການຂາຍອັນໃດປະສົບຜົນສໍາເລັດຫຼາຍກວ່າ ແລະຍ້ອນຫຍັງ?
• ▪ ຊ່ອງທາງການຂາຍໃດທີ່ມີປະສິດທິພາບທີ່ສຸດສໍາລັບຜະລິດຕະພັນໃດ?
• ▪ ເຮົາ​ຈະ​ປັບປຸງ​ຄວາມ​ສຳພັນ​ໃຫ້​ດີ​ທີ່​ສຸດ​ໄດ້​ແນວ​ໃດ ລູກຄ້າ? ບໍລິສັດສ່ວນໃຫຍ່ມີ ຂໍ້ມູນ ຍາກໃນການຕອບຄໍາຖາມເຫຼົ່ານີ້.
  ລະບົບປະຕິບັດງານສ້າງປະລິມານຂະຫນາດໃຫຍ່ຂອງຜະລິດຕະພັນ, ລູກຄ້າ, ແລະຄ່າໃຊ້ຈ່າຍ ຂໍ້ມູນ ຈາກຈຸດຂາຍ, ການຈອງ, ການບໍລິການລູກຄ້າແລະລະບົບສະຫນັບສະຫນູນດ້ານວິຊາການ. ສິ່ງທ້າທາຍແມ່ນເພື່ອສະກັດແລະຂຸດຄົ້ນຂໍ້ມູນນີ້. ບໍລິສັດຈໍານວນຫຼາຍໄດ້ກໍາໄລພຽງແຕ່ແຕ່ສ່ວນຫນຶ່ງຂອງຂະຫນາດນ້ອຍຂອງພວກເຂົາ ຂໍ້ມູນ ສໍາລັບການວິເຄາະຍຸດທະສາດ.
  I ຂໍ້ມູນ ສ່ວນທີ່ເຫຼືອ, ມັກຈະລວມກັບ i ຂໍ້ມູນ ໄດ້ມາຈາກແຫຼ່ງພາຍນອກເຊັ່ນ: ບົດລາຍງານຂອງລັດຖະບານ, ແລະຂໍ້ມູນອື່ນໆທີ່ຊື້, ແມ່ນຂຸດຄົ້ນບໍ່ແຮ່ພຽງແຕ່ລໍຖ້າການຂຸດຄົ້ນ, ແລະ ຂໍ້ມູນ ພວກເຂົາເຈົ້າພຽງແຕ່ຕ້ອງການທີ່ຈະໄດ້ຮັບການປັບປຸງໃຫມ່ໃນສະພາບການຂໍ້ມູນຂ່າວສານຂອງອົງການຈັດຕັ້ງຂອງທ່ານ.

ຄວາມຮູ້ນີ້ສາມາດຖືກນໍາໃຊ້ໃນຫຼາຍວິທີ, ຕັ້ງແຕ່ການອອກແບບຍຸດທະສາດຂອງບໍລິສັດໂດຍລວມເຖິງການສື່ສານສ່ວນບຸກຄົນກັບຜູ້ສະຫນອງ, ຜ່ານສູນໂທ, ໃບແຈ້ງຫນີ້, ອິນເຕີເນັດ ແລະຈຸດອື່ນໆ. ສະພາບແວດລ້ອມທາງທຸລະກິດໃນມື້ນີ້ກໍານົດວ່າ DW ແລະວິທີແກ້ໄຂ BI ທີ່ກ່ຽວຂ້ອງພັດທະນານອກເຫນືອຈາກການດໍາເນີນໂຄງສ້າງທຸລະກິດແບບດັ້ງເດີມ. ຂໍ້ມູນ ເຊັ່ນ: i ຂໍ້ມູນ ລະດັບປະລໍາມະນູປົກກະຕິແລະ "ຟາມດາວ / cube".

ສິ່ງທີ່ຕ້ອງການທີ່ຈະຍັງຄົງມີການແຂ່ງຂັນແມ່ນການປະສົມປະສານຂອງເຕັກໂນໂລຢີແບບດັ້ງເດີມແລະກ້າວຫນ້າໃນຄວາມພະຍາຍາມເພື່ອສະຫນັບສະຫນູນພູມສັນຖານການວິເຄາະຢ່າງກວ້າງຂວາງ.
ສຸດທ້າຍ, ສະພາບແວດລ້ອມທົ່ວໄປຕ້ອງປັບປຸງຄວາມຮູ້ຂອງບໍລິສັດໂດຍລວມ, ໃຫ້ແນ່ໃຈວ່າການດໍາເນີນການເປັນຜົນມາຈາກການວິເຄາະທີ່ດໍາເນີນແມ່ນເປັນປະໂຫຍດເພື່ອໃຫ້ທຸກຄົນໄດ້ຮັບຜົນປະໂຫຍດ.

ຕົວຢ່າງ, ໃຫ້ເວົ້າວ່າເຈົ້າຈັດອັນດັບຂອງເຈົ້າເອງ ລູກຄ້າ ໃນປະເພດຄວາມສ່ຽງສູງຫຼືຕ່ໍາ.
ບໍ່ວ່າຂໍ້ມູນນີ້ຖືກສ້າງຂື້ນໂດຍຮູບແບບການຂຸດຄົ້ນບໍ່ແຮ່ຫຼືວິທີການອື່ນໆ, ມັນຕ້ອງຖືກໃສ່ເຂົ້າໃນ DW ແລະເຮັດໃຫ້ທຸກຄົນສາມາດເຂົ້າເຖິງໄດ້, ໂດຍເຄື່ອງມືການເຂົ້າເຖິງໃດໆ, ເຊັ່ນ: ບົດລາຍງານສະຖິດ, ສະເປຣດຊີດ, ຕາຕະລາງ, ຫຼືການປຸງແຕ່ງການວິເຄາະອອນໄລນ໌ (OLAP).

ຢ່າງໃດກໍຕາມ, ໃນປະຈຸບັນ, ຂໍ້ມູນປະເພດນີ້ຈໍານວນຫຼາຍຍັງຄົງຢູ່ໃນ silos ຂໍ້ມູນ ຂອງບຸກຄົນຫຼືພະແນກສ້າງການວິເຄາະ. ອົງການຈັດຕັ້ງທັງຫມົດມີຄວາມເຂົ້າໃຈຫນ້ອຍຫຼືບໍ່ມີຄວາມເຂົ້າໃຈ. ພຽງແຕ່ໂດຍການຜະສົມເນື້ອໃນຂໍ້ມູນປະເພດນີ້ເຂົ້າໄປໃນ DW ວິສາຫະກິດຂອງທ່ານທ່ານສາມາດກໍາຈັດ silos ຂໍ້ມູນແລະຍົກລະດັບສະພາບແວດລ້ອມ DW ຂອງທ່ານໄດ້.
ມີສອງອຸປະສັກໃຫຍ່ໃນການພັດທະນາອົງການຈັດຕັ້ງ BI.
ຫນ້າທໍາອິດ, ພວກເຮົາມີບັນຫາຂອງອົງການຈັດຕັ້ງຂອງຕົນເອງແລະລະບຽບວິໄນຂອງຕົນ.
ໃນຂະນະທີ່ພວກເຮົາບໍ່ສາມາດຊ່ວຍໃນການປ່ຽນແປງນະໂຍບາຍອົງການຈັດຕັ້ງ, ພວກເຮົາສາມາດຊ່ວຍເຂົ້າໃຈອົງປະກອບຂອງ BI ຂອງອົງການ, ສະຖາປັດຕະຍະກໍາຂອງມັນ, ແລະວິທີການເຕັກໂນໂລຢີຂອງ IBM ອໍານວຍຄວາມສະດວກໃນການພັດທະນາຂອງມັນ.
ອຸປະສັກທີສອງທີ່ຈະເອົາຊະນະແມ່ນການຂາດເຕັກໂນໂລຢີປະສົມປະສານແລະຄວາມຮູ້ຂອງວິທີການທີ່ເອີ້ນວ່າພື້ນທີ່ BI ທັງຫມົດເຊິ່ງກົງກັນຂ້າມກັບພຽງແຕ່ສ່ວນປະກອບນ້ອຍໆ.

IBM ກໍາລັງຕອບສະຫນອງຕໍ່ການປ່ຽນແປງໃນການເຊື່ອມໂຍງເຕັກໂນໂລຢີ. ມັນເປັນຄວາມຮັບຜິດຊອບຂອງທ່ານທີ່ຈະສະຫນອງການອອກແບບສະຕິ. ສະຖາປັດຕະຍະກໍານີ້ຕ້ອງໄດ້ຮັບການພັດທະນາດ້ວຍເຕັກໂນໂລຢີທີ່ເລືອກສໍາລັບການເຊື່ອມໂຍງທີ່ບໍ່ມີຂໍ້ຈໍາກັດ, ຫຼືຢ່າງຫນ້ອຍ, ດ້ວຍເຕັກໂນໂລຢີທີ່ປະຕິບັດຕາມມາດຕະຖານເປີດ. ນອກຈາກນີ້, ການຄຸ້ມຄອງບໍລິສັດຂອງທ່ານຕ້ອງຮັບປະກັນວ່າວິສາຫະກິດ Bi ໄດ້ຖືກປະຕິບັດຕາມກໍານົດເວລາແລະບໍ່ແມ່ນການອະນຸຍາດໃຫ້ການພັດທະນາ silos ຂໍ້ມູນຂ່າວສານທີ່ເກີດຂື້ນຈາກວາລະການຮັບໃຊ້ຕົນເອງ, ຫຼືເປົ້າຫມາຍ.
ນີ້ບໍ່ແມ່ນການເວົ້າວ່າສະພາບແວດລ້ອມ BI ບໍ່ມີຄວາມອ່ອນໄຫວຕໍ່ກັບປະຕິກິລິຍາກັບຄວາມຕ້ອງການແລະຄວາມຕ້ອງການຂອງຜູ້ໃຊ້ທີ່ແຕກຕ່າງກັນ; ແທນທີ່ຈະ, ມັນຫມາຍຄວາມວ່າການປະຕິບັດຄວາມຕ້ອງການແລະຄວາມຕ້ອງການສ່ວນບຸກຄົນເຫຼົ່ານັ້ນແມ່ນເຮັດເພື່ອຜົນປະໂຫຍດຂອງອົງການ BI ທັງຫມົດ.
ລາຍລະອຽດກ່ຽວກັບສະຖາປັດຕະຍະກຳຂອງອົງການ BI ສາມາດພົບໄດ້ໃນໜ້າ 9 ໃນຮູບທີ 1.1. ສະຖາປັດຕະຍະກຳສະແດງໃຫ້ເຫັນເຖິງການປະສົມພັນຂອງເທັກໂນໂລຍີ ແລະເຕັກນິກຕ່າງໆ.
ຈາກທັດສະນະແບບດັ້ງເດີມ, ສະຖາປັດຕະຍະກໍາປະກອບມີອົງປະກອບສາງດັ່ງຕໍ່ໄປນີ້

ຊັ້ນປະລໍາມະນູ (ຊັ້ນປະລໍາມະນູ).

ນີ້ແມ່ນພື້ນຖານ, ຫົວໃຈຂອງ Dw ທັງຫມົດແລະດັ່ງນັ້ນການລາຍງານຍຸດທະສາດ.
I ຂໍ້ມູນ ເກັບຮັກສາໄວ້ຢູ່ທີ່ນີ້ຈະຮັກສາຄວາມສົມບູນປະຫວັດສາດ, ບົດລາຍງານຂອງ ຂໍ້ມູນ ແລະປະກອບມີການວັດແທກທີ່ໄດ້ມາ, ເຊັ່ນດຽວກັນກັບການເຮັດຄວາມສະອາດ, ປະສົມປະສານ, ແລະເກັບຮັກສາໄວ້ໂດຍໃຊ້ຕົວແບບຂຸດຄົ້ນບໍ່ແຮ່.
ການ​ນໍາ​ໃຊ້​ທັງ​ຫມົດ​ຕໍ່​ມາ​ຂອງ​ເຫຼົ່າ​ນີ້​ ຂໍ້ມູນ ແລະຂໍ້ມູນທີ່ກ່ຽວຂ້ອງແມ່ນໄດ້ມາຈາກໂຄງສ້າງນີ້. ນີ້ແມ່ນແຫຼ່ງທີ່ດີເລີດສໍາລັບການຂຸດຄົ້ນບໍ່ແຮ່ ຂໍ້ມູນ ແລະສໍາລັບບົດລາຍງານທີ່ມີໂຄງສ້າງແບບສອບຖາມ SQL

ສາງປະຕິບັດງານຂອງ ຂໍ້ມູນ ຫຼືບົດລາຍງານພື້ນຖານຂອງ ຂໍ້ມູນ(ການເກັບຮັກສາຂໍ້ມູນປະຕິບັດງານ (ODS) ຫຼືການລາຍງານ ຖານຂໍ້ມູນ.)

ນີ້ແມ່ນໂຄງສ້າງຂອງ ຂໍ້ມູນ ອອກແບບສະເພາະສໍາລັບການລາຍງານດ້ານວິຊາການ.

I ຂໍ້ມູນ ເກັບຮັກສາໄວ້ແລະລາຍງານຂ້າງເທິງໂຄງສ້າງເຫຼົ່ານີ້ໃນທີ່ສຸດສາມາດຂະຫຍາຍພັນເຂົ້າໄປໃນສາງໂດຍຜ່ານພື້ນທີ່ staging, ບ່ອນທີ່ມັນສາມາດຖືກນໍາໃຊ້ສໍາລັບການສັນຍານຍຸດທະສາດ.

ພື້ນທີ່ສະແດງ.

ການຢຸດທໍາອິດສໍາລັບສ່ວນໃຫຍ່ ຂໍ້ມູນ ຈຸດປະສົງສໍາລັບສະພາບແວດລ້ອມສາງແມ່ນເຂດອົງການຈັດຕັ້ງ.
ນີ້ຂ້ອຍ ຂໍ້ມູນ ໄດ້ຖືກປະສົມປະສານ, ອະນາໄມແລະຫັນເປັນ ຂໍ້ມູນ ຜົນກໍາໄລທີ່ຈະ populate ໂຄງສ້າງສາງ

ວັນທີ marts.

ສ່ວນຫນຶ່ງຂອງຖາປັດຕະຍະນີ້ເປັນຕົວແທນຂອງໂຄງສ້າງຂອງ ຂໍ້ມູນ ໃຊ້ສະເພາະສໍາລັບ OLAP. ການປະກົດຕົວຂອງ datamarts, ຖ້າຂ້ອຍ ຂໍ້ມູນ ພວກມັນຖືກເກັບໄວ້ໃນ schemas ດາວທີ່ພວກເຂົາ overlay ຂໍ້ມູນ multidimensional ໃນສະພາບແວດລ້ອມທີ່ກ່ຽວຂ້ອງ, ຫຼືໃນໄຟລ໌ຂອງ ຂໍ້ມູນ ເປັນເຈົ້າຂອງທີ່ໃຊ້ໂດຍເທກໂນໂລຍີ OLAP ສະເພາະ, ເຊັ່ນ DB2 OLAP Server, ບໍ່ກ່ຽວຂ້ອງ.

ຂໍ້ຈໍາກັດພຽງແຕ່ວ່າສະຖາປັດຕະຍະກໍາອໍານວຍຄວາມສະດວກໃນການນໍາໃຊ້ ຂໍ້ມູນ ຫຼາຍມິຕິ.
ສະຖາປັດຕະຍະກໍາຍັງປະກອບມີເຕັກໂນໂລຢີ Bi ທີ່ສໍາຄັນແລະເຕັກນິກທີ່ຈໍາແນກເຊັ່ນ:

ການວິເຄາະທາງພື້ນທີ່

ຊ່ອງຫວ່າງເປັນກະແສຂ່າວສຳລັບນັກວິເຄາະ ແລະມີຄວາມສຳຄັນໃນການແກ້ໄຂໃຫ້ສຳເລັດ. ພື້ນທີ່ສາມາດສະແດງຂໍ້ມູນກ່ຽວກັບຄົນທີ່ອາໄສຢູ່ໃນບ່ອນໃດນຶ່ງ, ເຊັ່ນດຽວກັນກັບຂໍ້ມູນກ່ຽວກັບສະຖານທີ່ນັ້ນຢູ່ໃນຮ່າງກາຍທີ່ກ່ຽວຂ້ອງກັບສ່ວນທີ່ເຫຼືອຂອງໂລກ.

ເພື່ອປະຕິບັດການວິເຄາະນີ້, ທ່ານຕ້ອງເລີ່ມຕົ້ນໂດຍການຜູກມັດຂໍ້ມູນຂອງທ່ານກັບເສັ້ນຂະຫນານແລະເສັ້ນແວງພິກັດ. ອັນນີ້ເອີ້ນວ່າ "geocoding" ແລະຕ້ອງເປັນສ່ວນຫນຶ່ງຂອງຂະບວນການສະກັດ, ການຫັນປ່ຽນ, ແລະການໂຫຼດ (ETL) ໃນລະດັບປະລໍາມະນູຂອງສາງຂອງທ່ານ.

ການຂຸດຄົ້ນຂໍ້ມູນ.

ການສະກັດເອົາຂອງ ຂໍ້ມູນ ອະນຸຍາດໃຫ້ບໍລິສັດຂອງພວກເຮົາທີ່ຈະຂະຫຍາຍຕົວຈໍານວນຂອງ ລູກຄ້າ, ເພື່ອຄາດຄະເນແນວໂນ້ມການຂາຍແລະເຮັດໃຫ້ການຄຸ້ມຄອງຄວາມສໍາພັນກັບ i ລູກຄ້າ (CRM), ໃນບັນດາຂໍ້ລິເລີ່ມ BI ອື່ນໆ.

ການສະກັດເອົາຂອງ ຂໍ້ມູນ ສະນັ້ນມັນຕ້ອງໄດ້ຮັບການປະສົມປະສານກັບໂຄງສ້າງຂອງ ຂໍ້ມູນ warehouse ແລະສະຫນັບສະຫນູນໂດຍຂະບວນການສາງເພື່ອໃຫ້ແນ່ໃຈວ່າທັງສອງປະສິດທິພາບແລະປະສິດທິພາບຂອງການນໍາໃຊ້ເຕັກໂນໂລຊີແລະເຕັກນິກທີ່ກ່ຽວຂ້ອງ.

ດັ່ງທີ່ໄດ້ລະບຸໄວ້ໃນສະຖາປັດຕະຍະກໍາ BI, ລະດັບປະລໍາມະນູ Dwhouse, ເຊັ່ນດຽວກັນກັບ datamarts, ແມ່ນແຫຼ່ງທີ່ດີເລີດຂອງ. ຂໍ້ມູນ ສໍາລັບການສະກັດເອົາ. ຄຸນສົມບັດດຽວກັນເຫຼົ່ານັ້ນຍັງຕ້ອງເປັນຜູ້ຮັບຜົນການສະກັດເອົາເພື່ອຮັບປະກັນການມີໃຫ້ຜູ້ຊົມທີ່ກວ້າງຂວາງທີ່ສຸດ.

ຕົວແທນ.

ມີ "ຕົວແທນ" ຕ່າງໆເພື່ອກວດກາລູກຄ້າສໍາລັບຈຸດໃດຫນຶ່ງເຊັ່ນ, ລະບົບປະຕິບັດການຂອງບໍລິສັດແລະ dw ຕົວເອງ. ຕົວແທນເຫຼົ່ານີ້ສາມາດເປັນເຄືອຂ່າຍ neural ຂັ້ນສູງທີ່ໄດ້ຮັບການຝຶກອົບຮົມເພື່ອຮຽນຮູ້ກ່ຽວກັບທ່າອ່ຽງໃນແຕ່ລະຈຸດ, ເຊັ່ນ: ຄວາມຕ້ອງການຂອງຜະລິດຕະພັນໃນອະນາຄົດໂດຍອີງໃສ່ການສົ່ງເສີມການຂາຍ, ເຄື່ອງຈັກທີ່ອີງໃສ່ກົດລະບຽບສໍາລັບ reacting ກັບ a. dato ສະຖານະການທີ່ກໍານົດໄວ້, ຫຼືແມ້ກະທັ້ງຕົວແທນງ່າຍດາຍລາຍງານການຍົກເວັ້ນຕໍ່ກັບຜູ້ບໍລິຫານສູງສຸດ. ຂະບວນການເຫຼົ່ານີ້ໂດຍທົ່ວໄປແລ້ວເກີດຂຶ້ນໃນເວລາທີ່ແທ້ຈິງແລະ, ດັ່ງນັ້ນ, ຕ້ອງໄດ້ຮັບການສົມທົບຢ່າງແຫນ້ນຫນາກັບການເຄື່ອນໄຫວຂອງຂະບວນການ ຂໍ້ມູນ. ໂຄງ​ສ້າງ​ທັງ​ຫມົດ​ເຫຼົ່າ​ນີ້​ຂອງ​ ຂໍ້ມູນ, ເຕັກໂນໂລຢີແລະເຕັກນິກຮັບປະກັນວ່າທ່ານຈະບໍ່ໃຊ້ເວລາກາງຄືນໃນການສ້າງອົງການຈັດຕັ້ງຂອງ BI ຂອງທ່ານ.

ກິດຈະກໍານີ້ຈະຖືກພັດທະນາໃນຂັ້ນຕອນທີ່ເພີ່ມຂຶ້ນ, ສໍາລັບຈຸດນ້ອຍໆ.
ແຕ່ລະຂັ້ນຕອນແມ່ນຄວາມພະຍາຍາມຂອງໂຄງການທີ່ເປັນເອກະລາດ, ແລະເອີ້ນວ່າການ iteration ໃນ BI dw ຫຼືການລິເລີ່ມຂອງທ່ານ. Iterations ອາດຈະປະກອບມີການປະຕິບັດເຕັກໂນໂລຢີໃຫມ່, ເລີ່ມຕົ້ນດ້ວຍເຕັກນິກໃຫມ່, ເພີ່ມກອບໃຫມ່ ຂໍ້ມູນ , ການໂຫຼດ i ຂໍ້ມູນ ເພີ່ມເຕີມ, ຫຼືມີການຂະຫຍາຍການວິເຄາະຂອງສະພາບແວດລ້ອມຂອງທ່ານ. ວັກ​ນີ້​ໄດ້​ຖືກ​ພິຈາລະນາ​ຢ່າງ​ລະອຽດ​ໃນ​ບົດ​ທີ 3.

ນອກເຫນືອຈາກກອບ DW ແບບດັ້ງເດີມແລະເຄື່ອງມື BI, ຍັງມີລັກສະນະອື່ນໆຂອງອົງການ BI ຂອງທ່ານທີ່ທ່ານຕ້ອງການອອກແບບ, ເຊັ່ນ:

ຈຸດສໍາພັດຂອງລູກຄ້າ (ລູກຄ້າສໍາພັດ ຈຸດ).

ເຊັ່ນດຽວກັນກັບອົງການຈັດຕັ້ງທີ່ທັນສະໄຫມໃດກໍ່ຕາມ, ມີຈຸດສໍາພັດຂອງລູກຄ້າຈໍານວນຫນຶ່ງທີ່ຊີ້ບອກວິທີການມີປະສົບການໃນທາງບວກສໍາລັບທ່ານ ລູກຄ້າ. ມີຊ່ອງທາງແບບດັ້ງເດີມເຊັ່ນ: ຮ້ານຄ້າ, ຜູ້ປະຕິບັດການ switchboard, mail ໂດຍກົງ, ມັນຕິມີເດຍແລະການໂຄສະນາການພິມ, ເຊັ່ນດຽວກັນກັບຊ່ອງທາງໃນປະຈຸບັນຫຼາຍເຊັ່ນອີເມລ໌ແລະເວັບ, ຂໍ້ມູນ ຜະລິດຕະພັນທີ່ມີບາງຈຸດຕິດຕໍ່ຕ້ອງໄດ້ຮັບ, ຂົນສົ່ງ, ອະນາໄມ, ປຸງແຕ່ງແລະຫຼັງຈາກນັ້ນປະຊາຊົນຢູ່ໃນສິ່ງອໍານວຍຄວາມສະດວກ. ຂໍ້ມູນ ຂອງ BI.

ພື້ນຖານຂອງ ຂໍ້ມູນ ສະມາຄົມປະຕິບັດງານ ແລະຜູ້ໃຊ້ (ປະຕິບັດການ

ຖານຂໍ້ມູນ ແລະຊຸມຊົນຜູ້ໃຊ້).
ໃນຕອນທ້າຍຂອງຈຸດຕິດຕໍ່ຂອງ ລູກຄ້າ ພື້ນຖານໄດ້ຖືກພົບເຫັນ ຂໍ້ມູນ ຄໍາຮ້ອງສະຫມັກຂອງບໍລິສັດແລະຊຸມຊົນຜູ້ໃຊ້. THE ຂໍ້ມູນ ທີ່ມີຢູ່ແລ້ວ ຂໍ້ມູນ ແບບດັ້ງເດີມທີ່ຕ້ອງໄດ້ຮັບການນໍາເອົາເຂົ້າກັນແລະປະສົມປະສານກັບ ຂໍ້ມູນ ໄຫຼອອກຈາກຈຸດສໍາພັດເພື່ອຕອບສະຫນອງຂໍ້ມູນທີ່ຈໍາເປັນ.

ນັກວິເຄາະ. (ນັກວິເຄາະ)

ຜູ້ໄດ້ຮັບຜົນປະໂຫຍດຕົ້ນຕໍຂອງສະພາບແວດລ້ອມ BI ແມ່ນນັກວິເຄາະ. ມັນແມ່ນຜູ້ທີ່ໄດ້ຜົນປະໂຫຍດຈາກການສະກັດເອົາໃນປະຈຸບັນຂອງ ຂໍ້ມູນ ການ​ດໍາ​ເນີນ​ງານ​, ປະ​ສົມ​ປະ​ສານ​ກັບ​ແຫຼ່ງ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​ຂອງ​ ຂໍ້ມູນ , ເພີ່ມຂຶ້ນດ້ວຍລັກສະນະຕ່າງໆເຊັ່ນການວິເຄາະທາງພູມສາດ (geocoding) ແລະນໍາສະເຫນີໃນເຕັກໂນໂລຢີ BI ທີ່ອະນຸຍາດໃຫ້ຂຸດຄົ້ນບໍ່ແຮ່, OLAP, ລາຍງານ SQL ຂັ້ນສູງແລະການວິເຄາະພູມສາດ. ການໂຕ້ຕອບຕົ້ນຕໍສໍາລັບນັກວິເຄາະກັບສະພາບແວດລ້ອມການລາຍງານແມ່ນ BI portal.

ຢ່າງໃດກໍ່ຕາມ, ນັກວິເຄາະບໍ່ແມ່ນຜູ້ດຽວທີ່ຈະໄດ້ຮັບຜົນປະໂຫຍດຈາກສະຖາປັດຕະຍະກໍາ BI.
ຜູ້ບໍລິຫານ, ສະມາຄົມຜູ້ໃຊ້ຂະຫນາດໃຫຍ່, ແລະແມ້ກະທັ້ງສະມາຊິກ, ຜູ້ສະຫນອງແລະ i ລູກຄ້າ ຄວນຊອກຫາຜົນປະໂຫຍດໃນວິສາຫະກິດ BI.

Back feed loop.

ສະຖາປັດຕະຍະກໍາ BI ແມ່ນສະພາບແວດລ້ອມການຮຽນຮູ້. ຫຼັກການລັກສະນະການພັດທະນາແມ່ນອະນຸຍາດໃຫ້ມີໂຄງສ້າງຄົງທີ່ຂອງ ຂໍ້ມູນ ໄດ້ຮັບການປັບປຸງໂດຍເຕັກໂນໂລຢີ BI ທີ່ໃຊ້ແລະໂດຍການປະຕິບັດຂອງຜູ້ໃຊ້ປະຕິບັດ. ຕົວຢ່າງແມ່ນການໃຫ້ຄະແນນຂອງລູກຄ້າ.

ຖ້າພະແນກການຂາຍເຮັດແບບຈໍາລອງການຂຸດຄົ້ນຄະແນນຂອງລູກຄ້າເຊັ່ນການໃຊ້ບໍລິການໃຫມ່, ຫຼັງຈາກນັ້ນພະແນກຂາຍບໍ່ຄວນເປັນກຸ່ມດຽວທີ່ໄດ້ຮັບຜົນປະໂຫຍດຈາກການບໍລິການ.

ແທນທີ່ຈະ, ການຂຸດຄົ້ນແບບຈໍາລອງຄວນຈະຖືກປະຕິບັດເປັນສ່ວນທໍາມະຊາດຂອງການໄຫຼເຂົ້າຂອງຂໍ້ມູນພາຍໃນວິສາຫະກິດແລະຄະແນນຂອງລູກຄ້າຄວນຈະເປັນສ່ວນລວມຂອງສະພາບການຂໍ້ມູນຄັງສິນຄ້າ, ເຫັນໄດ້ຊັດເຈນກັບຜູ້ໃຊ້ທຸກຄົນ. Bi-bI-centric IBM Suite ລວມທັງ DB2 UDB, DB2 OLAP Server ປະກອບມີອົງປະກອບເຕັກໂນໂລຢີທີ່ສໍາຄັນທີ່ສຸດ, ກໍານົດໄວ້ໃນຮູບ 1.1.

ພວກເຮົາໃຊ້ສະຖາປັດຕະຍະກໍາດັ່ງທີ່ມັນປາກົດຢູ່ໃນຕົວເລກນີ້ຈາກປຶ້ມເພື່ອໃຫ້ພວກເຮົາມີລະດັບຄວາມຕໍ່ເນື່ອງແລະສະແດງໃຫ້ເຫັນວ່າແຕ່ລະຜະລິດຕະພັນຂອງ IBM ເຫມາະສົມກັບໂຄງການ BI ໂດຍລວມ.

ການສະຫນອງເນື້ອໃນຂໍ້ມູນຂ່າວສານ (ການສະຫນອງ ເນື້ອ​ໃນ​ຂໍ້​ມູນ​ຂ່າວ​ສານ​)

ການ​ອອກ​ແບບ, ການ​ພັດ​ທະ​ນາ​ແລະ​ການ​ປະ​ຕິ​ບັດ​ສະ​ພາບ​ແວດ​ລ້ອມ BI ຂອງ​ທ່ານ​ເປັນ​ວຽກ​ງານ​ທີ່​ຫນ້າ​ຢ້ານ. ການອອກແບບຕ້ອງຍອມຮັບທັງຄວາມຕ້ອງການທຸລະກິດໃນປະຈຸບັນແລະອະນາຄົດ. ການແຕ້ມຮູບສະຖາປັດຕະຍະກໍາຕ້ອງມີຄວາມສົມບູນແບບເພື່ອລວມເອົາບົດສະຫຼຸບທັງຫມົດທີ່ພົບໃນໄລຍະການອອກແບບ. ການປະຕິບັດຕ້ອງມີຄວາມມຸ່ງຫມັ້ນຕໍ່ຈຸດປະສົງດຽວ: ການພັດທະນາສະຖາປັດຕະຍະກໍາ BI ທີ່ນໍາສະເຫນີຢ່າງເປັນທາງການໃນການອອກແບບແລະພື້ນຖານໃນຄວາມຕ້ອງການຂອງທຸລະກິດ.

ມັນເປັນການຍາກໂດຍສະເພາະທີ່ຈະໂຕ້ຖຽງວ່າລະບຽບວິໄນຈະຮັບປະກັນຜົນສໍາເລັດທີ່ກ່ຽວຂ້ອງ.
ນີ້ແມ່ນງ່າຍດາຍເພາະວ່າທ່ານບໍ່ໄດ້ພັດທະນາສະພາບແວດລ້ອມ BI ທັງຫມົດໃນເວລາດຽວ, ແຕ່ໃນຂັ້ນຕອນນ້ອຍໆໃນໄລຍະເວລາ.

ຢ່າງໃດກໍຕາມ, ການກໍານົດອົງປະກອບ BI ຂອງສະຖາປັດຕະຍະກໍາຂອງທ່ານແມ່ນສໍາຄັນສໍາລັບສອງເຫດຜົນ: ທ່ານຈະຂັບລົດການຕັດສິນໃຈສະຖາປັດຕະດ້ານວິຊາການຕໍ່ໄປທັງຫມົດ.
ທ່ານຈະສາມາດມີສະຕິໃນການວາງແຜນການນໍາໃຊ້ເຕັກໂນໂລຢີໂດຍສະເພາະເຖິງແມ່ນວ່າທ່ານອາດຈະບໍ່ໄດ້ຮັບການຊ້ໍາອີກທີ່ຕ້ອງການເຕັກໂນໂລຢີເປັນເວລາຫຼາຍເດືອນ.

ການເຂົ້າໃຈຄວາມຕ້ອງການຂອງທຸລະກິດຂອງທ່ານຢ່າງພຽງພໍຈະມີອິດທິພົນຕໍ່ປະເພດຂອງຜະລິດຕະພັນທີ່ທ່ານໄດ້ມາສໍາລັບສະຖາປັດຕະຍະກໍາຂອງທ່ານ.
ການອອກແບບແລະການພັດທະນາສະຖາປັດຕະຍະກໍາຂອງເຈົ້າຮັບປະກັນວ່າສາງຂອງເຈົ້າແມ່ນ

ບໍ່ແມ່ນເຫດການແບບສຸ່ມ, ແຕ່ເປັນການໂຄສະນາທີ່ຄິດດີ, ກໍ່ສ້າງຢ່າງລະມັດລະວັງ opera ຂອງສິນລະປະເປັນ mosaic ຂອງເຕັກໂນໂລຊີປະສົມ.

ການອອກແບບເນື້ອໃນຂໍ້ມູນຂ່າວສານ

ການອອກແບບເບື້ອງຕົ້ນທັງຫມົດຕ້ອງສຸມໃສ່ແລະກໍານົດອົງປະກອບ BI ທີ່ສໍາຄັນທີ່ຈະຕ້ອງການໂດຍສະພາບແວດລ້ອມໂດຍລວມໃນປັດຈຸບັນແລະໃນອະນາຄົດ.
ການຮູ້ຄວາມຕ້ອງການທຸລະກິດແມ່ນສໍາຄັນ.

ເຖິງແມ່ນວ່າກ່ອນທີ່ຈະມີການວາງແຜນຢ່າງເປັນທາງການໃດໆໄດ້ເລີ່ມຕົ້ນ, ຜູ້ວາງແຜນໂຄງການມັກຈະສາມາດກໍານົດຫນຶ່ງຫຼືສອງອົງປະກອບທັນທີ.
ຄວາມສົມດຸນຂອງອົງປະກອບທີ່ອາດຈະຕ້ອງການສໍາລັບສະຖາປັດຕະຍະກໍາຂອງເຈົ້າ, ແນວໃດກໍ່ຕາມ, ບໍ່ສາມາດຊອກຫາໄດ້ງ່າຍ. ໃນໄລຍະການອອກແບບ, ພາກສ່ວນຕົ້ນຕໍຂອງຖາປັດຕະຍະຜູກມັດກອງປະຊຸມການພັດທະນາຄໍາຮ້ອງສະຫມັກ (JAD) ກ່ຽວກັບການຄົ້ນຄວ້າເພື່ອກໍານົດຄວາມຕ້ອງການທຸລະກິດ.

ບາງຄັ້ງຄວາມຕ້ອງການເຫຼົ່ານີ້ສາມາດຖືກມອບຫມາຍໃຫ້ກັບເຄື່ອງມືສອບຖາມແລະລາຍງານ.
ຕົວຢ່າງ, ຜູ້ໃຊ້ລະບຸວ່າຖ້າພວກເຂົາຕ້ອງການອັດຕະໂນມັດລາຍງານປະຈຸບັນພວກເຂົາຕ້ອງສ້າງດ້ວຍຕົນເອງໂດຍການລວມສອງບົດລາຍງານປະຈຸບັນແລະເພີ່ມການຄິດໄລ່ທີ່ໄດ້ມາຈາກການລວມກັນ. ຂໍ້ມູນ.
ໃນຂະນະທີ່ຄວາມຕ້ອງການນີ້ແມ່ນງ່າຍດາຍ, ມັນກໍານົດການທໍາງານຂອງຄຸນນະສົມບັດສະເພາະໃດຫນຶ່ງທີ່ທ່ານຕ້ອງປະກອບໃນເວລາທີ່ຊື້ເຄື່ອງມືການລາຍງານສໍາລັບອົງການຈັດຕັ້ງຂອງທ່ານ.

ຜູ້ອອກແບບຕ້ອງປະຕິບັດຕາມຄວາມຕ້ອງການເພີ່ມເຕີມເພື່ອໃຫ້ໄດ້ຮູບພາບທີ່ສົມບູນ. ຜູ້ໃຊ້ຕ້ອງການຈອງບົດລາຍງານນີ້ບໍ?
ມີຊຸດຍ່ອຍບົດລາຍງານທີ່ຖືກສ້າງຂຶ້ນແລະສົ່ງອີເມວໄປຫາຜູ້ໃຊ້ຕ່າງໆບໍ? ຕ້ອງການເບິ່ງບົດລາຍງານນີ້ຢູ່ໃນປະຕູຂອງບໍລິສັດບໍ? ຂໍ້ກໍານົດທັງຫມົດເຫຼົ່ານີ້ແມ່ນສ່ວນຫນຶ່ງຂອງຄວາມຕ້ອງການທີ່ງ່າຍດາຍເພື່ອທົດແທນບົດລາຍງານຄູ່ມືຕາມຄວາມຕ້ອງການຂອງຜູ້ໃຊ້. ຜົນປະໂຫຍດຂອງປະເພດຂອງຂໍ້ກໍານົດເຫຼົ່ານີ້ແມ່ນວ່າທຸກຄົນ, ຜູ້ໃຊ້ແລະຜູ້ອອກແບບມີຄວາມຄຸ້ນເຄີຍກັບແນວຄວາມຄິດຂອງບົດລາຍງານ.

ຢ່າງໃດກໍຕາມ, ມີທຸລະກິດປະເພດອື່ນໆທີ່ພວກເຮົາຈໍາເປັນຕ້ອງວາງແຜນ. ເມື່ອຄວາມຕ້ອງການທາງທຸລະກິດຖືກລະບຸໄວ້ໃນຮູບແບບຂອງຄໍາຖາມທຸລະກິດຍຸດທະສາດ, ມັນງ່າຍສໍາລັບຜູ້ວາງແຜນທີ່ມີປະສົບການທີ່ຈະແນມເບິ່ງຄວາມຕ້ອງການດ້ານຂະຫນາດແລະການວັດແທກ / ຄວາມເປັນຈິງ.

ຖ້າຜູ້ໃຊ້ JAD ບໍ່ຮູ້ວິທີບອກຄວາມຕ້ອງການຂອງພວກເຂົາໃນຮູບແບບຂອງບັນຫາທຸລະກິດ, ຜູ້ອອກແບບມັກຈະໃຫ້ຕົວຢ່າງເພື່ອຂ້າມ - ເລີ່ມກອງປະຊຸມການລວບລວມຄວາມຕ້ອງການ.
ຜູ້ວາງແຜນຜູ້ຊ່ຽວຊານສາມາດຊ່ວຍໃຫ້ຜູ້ໃຊ້ເຂົ້າໃຈບໍ່ພຽງແຕ່ທຸລະກິດຍຸດທະສາດ, ແຕ່ຍັງວິທີການສ້າງຮູບຮ່າງຂອງມັນ.
ວິທີການເກັບກໍາຂໍ້ກໍາຫນົດແມ່ນໄດ້ສົນທະນາໃນບົດທີ 3; ສໍາລັບໃນປັດຈຸບັນພວກເຮົາພຽງແຕ່ຕ້ອງການຊີ້ໃຫ້ເຫັນຄວາມຕ້ອງການໃນການອອກແບບສໍາລັບທຸກປະເພດຂອງຂໍ້ກໍານົດ BI.

ບັນຫາທຸລະກິດຍຸດທະສາດບໍ່ພຽງແຕ່ເປັນຄວາມຕ້ອງການຂອງທຸລະກິດ, ແຕ່ຍັງເປັນ cue ການອອກແບບ. ຖ້າ​ຫາກ​ວ່າ​ທ່ານ​ຕ້ອງ​ການ​ຕອບ​ຄໍາ​ຖາມ multidimensional​, ຫຼັງ​ຈາກ​ນັ້ນ​ທ່ານ​ຕ້ອງ​ຈື່​ຈໍາ​, ນໍາ​ສະ​ເຫນີ​ ຂໍ້ມູນ ມິຕິລະດັບ, ແລະຖ້າຫາກວ່າທ່ານຕ້ອງການທີ່ຈະຈື່ຈໍາໄດ້ ຂໍ້ມູນ multidimensional, ທ່ານຈໍາເປັນຕ້ອງຕັດສິນໃຈວ່າປະເພດຂອງເຕັກໂນໂລຢີຫຼືເຕັກນິກທີ່ທ່ານກໍາລັງຈະຈ້າງ.

ທ່ານປະຕິບັດ schema ດາວ cube ສະຫງວນ, ຫຼືທັງສອງ? ດັ່ງທີ່ທ່ານສາມາດເຫັນໄດ້, ເຖິງແມ່ນວ່າບັນຫາທຸລະກິດທີ່ງ່າຍດາຍກໍ່ສາມາດມີອິດທິພົນຕໍ່ການອອກແບບຢ່າງຫຼວງຫຼາຍ. ແຕ່ປະເພດຂອງຄວາມຕ້ອງການທຸລະກິດເຫຼົ່ານີ້ແມ່ນມີຢູ່ທົ່ວໄປແລະແນ່ນອນ, ຢ່າງຫນ້ອຍໂດຍຜູ້ວາງແຜນໂຄງການແລະຜູ້ອອກແບບທີ່ມີປະສົບການ.

ມີການໂຕ້ວາທີຢ່າງພຽງພໍກ່ຽວກັບເຕັກໂນໂລຢີ OLAP ແລະການສະຫນັບສະຫນູນ, ແລະມີຫຼາຍວິທີແກ້ໄຂທີ່ມີຢູ່. ມາຮອດປັດຈຸບັນພວກເຮົາໄດ້ສໍາຜັດກັບຄວາມຕ້ອງການທີ່ຈະນໍາເອົາການລາຍງານແບບງ່າຍໆຮ່ວມກັນກັບຄວາມຕ້ອງການຂອງທຸລະກິດໃນມິຕິລະດັບ, ແລະວ່າຂໍ້ກໍານົດເຫຼົ່ານີ້ມີອິດທິພົນຕໍ່ການຕັດສິນໃຈດ້ານສະຖາປັດຕະຍະກໍາແນວໃດ.

ແຕ່ຄວາມຕ້ອງການທີ່ຜູ້ໃຊ້ບໍ່ເຂົ້າໃຈຫຼືທີມງານ Dw ແມ່ນຫຍັງ? ເຈົ້າຈະຕ້ອງການການວິເຄາະທາງກວ້າງຂອງພື້ນທີ່ (ການວິເຄາະທາງກວ້າງຂອງພື້ນທີ່) ບໍ?
ຮູບແບບການຂຸດຄົ້ນບໍ່ແຮ່ຂອງ ຂໍ້ມູນ ພວກເຂົາຈະເປັນສ່ວນຫນຶ່ງທີ່ຈໍາເປັນໃນອະນາຄົດຂອງເຈົ້າບໍ? ໃຜ​ຈະ​ຮູ້?

ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະສັງເກດວ່າປະເພດຂອງເຕັກໂນໂລຢີເຫຼົ່ານີ້ບໍ່ເປັນທີ່ຮູ້ຈັກດີໂດຍຊຸມຊົນຜູ້ໃຊ້ທົ່ວໄປແລະສະມາຊິກທີມ DW, ໃນບາງສ່ວນ, ນີ້ອາດຈະເປັນຍ້ອນວ່າພວກມັນຖືກຈັດການໂດຍຜູ້ຊ່ຽວຊານດ້ານວິຊາການພາຍໃນຫຼືພາກສ່ວນທີສາມ. ມັນ ເປັນ ກໍ ລະ ນີ ແຂບ ຂອງ ບັນ ຫາ ປະ ເພດ ຂອງ ເຕັກ ໂນ ໂລ ຊີ ເຫຼົ່າ ນີ້ ສ້າງ. ຖ້າຜູ້ໃຊ້ບໍ່ສາມາດອະທິບາຍຄວາມຕ້ອງການທາງທຸລະກິດຫຼືຈັດວາງໃຫ້ພວກເຂົາໃຫ້ຄໍາແນະນໍາກັບຜູ້ອອກແບບ, ພວກເຂົາສາມາດບໍ່ສັງເກດເຫັນຫຼື, ຮ້າຍແຮງກວ່າເກົ່າ, ພຽງແຕ່ຖືກລະເລີຍ.

ບັນຫາຫຼາຍຂື້ນມັນຈະກາຍເປັນເວລາທີ່ຜູ້ອອກແບບແລະນັກພັດທະນາບໍ່ສາມາດຮັບຮູ້ການ ນຳ ໃຊ້ເຕັກໂນໂລຢີທີ່ກ້າວ ໜ້າ, ແຕ່ ສຳ ຄັນອັນ ໜຶ່ງ ເຫຼົ່ານີ້.
ດັ່ງທີ່ພວກເຮົາໄດ້ຍິນເລື້ອຍໆວ່ານັກອອກແບບເວົ້າວ່າ, "ດີ, ເປັນຫຍັງພວກເຮົາບໍ່ເອົາມັນໄປຈົນກ່ວາພວກເຮົາໄດ້ຮັບສິ່ງອື່ນນີ້? “ພວກເຂົາມີຄວາມສົນໃຈແທ້ໆໃນບູລິມະສິດ, ຫຼືພວກເຂົາພຽງແຕ່ຫລີກລ້ຽງຄວາມຕ້ອງການທີ່ພວກເຂົາບໍ່ເຂົ້າໃຈ? ສ່ວນຫຼາຍອາດຈະເປັນການສົມມຸດຕິຖານອັນສຸດທ້າຍ. ໃຫ້ເວົ້າວ່າທີມງານຂາຍຂອງທ່ານໄດ້ສື່ສານຄວາມຕ້ອງການທາງທຸລະກິດ, ດັ່ງທີ່ໄດ້ກ່າວໄວ້ໃນຮູບ 1.3, ຕາມທີ່ເຈົ້າສາມາດເຫັນໄດ້, ຄວາມຕ້ອງການແມ່ນກອບໃນຮູບແບບຂອງບັນຫາທຸລະກິດ. ຄວາມແຕກຕ່າງລະຫວ່າງບັນຫານີ້ແລະບັນຫາມິຕິປົກກະຕິແມ່ນໄລຍະຫ່າງ. ໃນ​ກໍ​ລະ​ນີ​ນີ້​, ທີມ​ງານ​ຂາຍ​ຕ້ອງ​ການ​ທີ່​ຈະ​ຮູ້​ວ່າ​, ໃນ​ປະ​ຈໍາ​ເດືອນ​, ການ​ຂາຍ​ທັງ​ຫມົດ​ຈາກ​ຜະ​ລິດ​ຕະ​ພັນ​, ສາງ​ແລະ ລູກຄ້າ ຜູ້ທີ່ອາໄສຢູ່ພາຍໃນ 5 ໄມຈາກສາງທີ່ເຂົາເຈົ້າຊື້ເຄື່ອງ.

ແຕ່ຫນ້າເສຍດາຍ, ນັກອອກແບບຫຼືສະຖາປະນິກສາມາດບໍ່ສົນໃຈອົງປະກອບທາງກວ້າງຂອງພື້ນທີ່ໂດຍກ່າວວ່າ, "ພວກເຮົາມີລູກຄ້າ, ຜະລິດຕະພັນແລະຜະລິດຕະພັນ. ຂໍ້ມູນ ຂອງເງິນຝາກ. ຂໍໃຫ້ຢຸດໄລຍະຫ່າງຈົນກວ່າຈະມີການຊໍ້າຄືນອີກ.

"ຄໍາຕອບຜິດ. ບັນຫາທຸລະກິດປະເພດນີ້ແມ່ນກ່ຽວກັບ BI. ມັນສະແດງເຖິງຄວາມເຂົ້າໃຈທີ່ເລິກເຊິ່ງກ່ຽວກັບທຸລະກິດຂອງພວກເຮົາແລະພື້ນທີ່ການວິເຄາະທີ່ເຂັ້ມແຂງສໍາລັບນັກວິເຄາະຂອງພວກເຮົາ. BI ແມ່ນນອກເຫນືອຈາກການສອບຖາມແບບງ່າຍດາຍຫຼືການລາຍງານມາດຕະຖານ, ຫຼືແມ້ກະທັ້ງ OLAP. ນັ້ນບໍ່ໄດ້ເວົ້າວ່າເຕັກໂນໂລຢີເຫຼົ່ານີ້ບໍ່ສໍາຄັນຕໍ່ BI ຂອງທ່ານ, ແຕ່ພວກມັນເອງບໍ່ໄດ້ເປັນຕົວແທນຂອງສະພາບແວດລ້ອມ BI.

ການອອກແບບສໍາລັບບໍລິບົດຂໍ້ມູນຂ່າວສານ (ອອກແບບສໍາລັບເນື້ອຫາຂໍ້ມູນ)

ໃນປັດຈຸບັນທີ່ພວກເຮົາໄດ້ກໍານົດຄວາມຕ້ອງການທຸລະກິດທີ່ຈໍາແນກອົງປະກອບຫຼັກຕ່າງໆ, ມັນຈໍາເປັນຕ້ອງຖືກລວມເຂົ້າໃນຮູບແຕ້ມສະຖາປັດຕະຍະກໍາໂດຍລວມ. ບາງສ່ວນຂອງອົງປະກອບ BI ແມ່ນສ່ວນຫນຶ່ງຂອງຄວາມພະຍາຍາມເບື້ອງຕົ້ນຂອງພວກເຮົາ, ໃນຂະນະທີ່ບາງສ່ວນຈະບໍ່ຖືກປະຕິບັດເປັນເວລາຫຼາຍເດືອນ.

ຢ່າງໃດກໍ່ຕາມ, ຄວາມຕ້ອງການທັງຫມົດທີ່ຮູ້ຈັກແມ່ນສະທ້ອນໃຫ້ເຫັນໃນການອອກແບບເພື່ອວ່າເມື່ອພວກເຮົາຕ້ອງການປະຕິບັດເຕັກໂນໂລຢີໂດຍສະເພາະ, ພວກເຮົາກຽມພ້ອມທີ່ຈະເຮັດ. ບາງສິ່ງບາງຢ່າງກ່ຽວກັບໂຄງການຈະສະທ້ອນໃຫ້ເຫັນແນວຄິດແບບດັ້ງເດີມ.

ຊຸດນີ້ ຂໍ້ມູນ ຖືກນໍາໃຊ້ເພື່ອສະຫນັບສະຫນູນການນໍາໃຊ້ຕໍ່ມາຂອງ ຂໍ້ມູນ ມິຕິທີ່ຂັບເຄື່ອນໂດຍບັນຫາທຸລະກິດທີ່ພວກເຮົາໄດ້ກໍານົດ. ຍ້ອນວ່າເອກະສານເພີ່ມເຕີມແມ່ນຖືກສ້າງຂຶ້ນ, ເຊັ່ນ: ການພັດທະນາໂຄງການ ຂໍ້ມູນ, ພວກເຮົາຈະເລີ່ມຕົ້ນໂດຍ formalizing ເປັນ i ຂໍ້ມູນ ພວກເຂົາເຈົ້າແຜ່ຂະຫຍາຍຢູ່ໃນສະພາບແວດລ້ອມ. ພວກເຮົາໄດ້ຢືນຢັນຄວາມຕ້ອງການທີ່ຈະເປັນຕົວແທນຂອງ i ຂໍ້ມູນ ໃນ​ວິ​ທີ​ການ​ມິ​ຕິ​ລະ​ດັບ​, ການ​ແບ່ງ​ປັນ​ໃຫ້​ເຂົາ​ເຈົ້າ (ຕາມ​ຄວາມ​ຕ້ອງ​ການ​ສະ​ເພາະ​ໃດ​ຫນຶ່ງ​) ເຂົ້າ​ໄປ​ໃນ marts ຂໍ້​ມູນ​.

ຄໍາ​ຖາມ​ຕໍ່​ໄປ​ທີ່​ຈະ​ຕອບ​ແມ່ນ​: marts ຂໍ້​ມູນ​ເຫຼົ່າ​ນີ້​ຈະ​ໄດ້​ຮັບ​ການ​ສ້າງ​ແນວ​ໃດ​?
ເຈົ້າສ້າງຮູບດາວເພື່ອຮອງຮັບກ້ອນ, ຫຼືພຽງແຕ່ cubes, ຫຼືພຽງແຕ່ດາວ? (ຫຼື cubes ສິດ, ຫຼືຮູບດາວທີ່ຖືກຕ້ອງ). ສ້າງສະຖາປັດຕະຍະກໍາສໍາລັບ marts ຂໍ້ມູນທີ່ຂຶ້ນກັບທີ່ຕ້ອງການຊັ້ນປະລໍາມະນູສໍາລັບທຸກຄົນ ຂໍ້ມູນ ເຈົ້າໄດ້ມາບໍ? ອະນຸຍາດໃຫ້ marts ຂໍ້ມູນເອກະລາດທີ່ຈະໄດ້ມາ i ຂໍ້ມູນ ໂດຍກົງຈາກລະບົບປະຕິບັດການ?

ເທກໂນໂລຍີ Cube ທີ່ເຈົ້າຈະພະຍາຍາມສ້າງມາດຕະຖານ?

ທ່ານມີຈໍານວນມະຫາສານຂອງພະເຈົ້າ ຂໍ້ມູນ ຕ້ອງການສໍາລັບການວິເຄາະມິຕິລະດັບຫຼືທ່ານຕ້ອງການ cubes ຂອງກໍາລັງຂາຍແຫ່ງຊາດຂອງທ່ານເປັນປະຈໍາອາທິດຫຼືທັງສອງ? ທ່ານສ້າງວັດຖຸທີ່ມີປະສິດທິພາບເຊັ່ນ DB2 OLAP Server ສໍາລັບທາງດ້ານການເງິນຫຼື Cognos PowerPlay cubes ສໍາລັບອົງການການຂາຍຂອງທ່ານຫຼືທັງສອງບໍ? ເຫຼົ່ານີ້ແມ່ນການຕັດສິນໃຈອອກແບບສະຖາປັດຕະຍະກໍາອັນໃຫຍ່ຫຼວງທີ່ຈະສົ່ງຜົນກະທົບຕໍ່ສະພາບແວດລ້ອມ BI ຂອງທ່ານກ້າວໄປຂ້າງຫນ້າ. ແມ່ນແລ້ວ, ທ່ານໄດ້ກໍານົດຄວາມຕ້ອງການສໍາລັບ OLAP. ດຽວນີ້ເຈົ້າຈະປະຕິບັດເຕັກນິກ ແລະ ເທັກໂນໂລຢີແບບນັ້ນແນວໃດ?

ບາງເຕັກໂນໂລຢີທີ່ກ້າວຫນ້າທາງດ້ານຫຼາຍມີຜົນກະທົບຕໍ່ການອອກແບບຂອງເຈົ້າແນວໃດ? ໃຫ້ສົມມຸດວ່າທ່ານໄດ້ກໍານົດຄວາມຕ້ອງການທາງດ້ານພື້ນທີ່ໃນອົງກອນຂອງທ່ານ. ຕອນນີ້ທ່ານຕ້ອງຈື່ຈໍາການແຕ້ມແບບສະຖາປັດຕະຍະກໍາເຖິງແມ່ນວ່າທ່ານບໍ່ໄດ້ວາງແຜນທີ່ຈະເຮັດໃຫ້ອົງປະກອບທາງກວ້າງຂອງພື້ນທີ່ເປັນເວລາຫຼາຍເດືອນ. ສະຖາປະນິກຕ້ອງອອກແບບໃນມື້ນີ້ໂດຍອີງໃສ່ສິ່ງທີ່ຈໍາເປັນ. ຄາດ​ຄະ​ເນ​ຄວາມ​ຕ້ອງ​ການ​ສໍາ​ລັບ​ການ​ວິ​ເຄາະ​ທາງ​ກວ້າງ​ຂວາງ​ທີ່​ສ້າງ​, ເກັບ​ຮັກ​ສາ​ໄວ້​, ແລະ​ສະ​ຫນອງ​ການ​ເຂົ້າ​ເຖິງ​ ຂໍ້ມູນ ພື້ນທີ່. ອັນນີ້ຄວນເປັນຂໍ້ຈຳກັດກ່ຽວກັບປະເພດຂອງເທັກໂນໂລຍີຊອບແວ ແລະຂໍ້ສະເພາະຂອງເວທີທີ່ທ່ານສາມາດພິຈາລະນາໄດ້. ສໍາລັບຕົວຢ່າງ, ລະບົບການບໍລິຫານຂອງ ຖານ​ຂໍ້​ມູນ​ Relational (RDBMS) ທີ່ທ່ານຮັກສາໄວ້ສໍາລັບຊັ້ນປະລໍາມະນູຂອງທ່ານຕ້ອງມີຂອບເຂດພື້ນທີ່ທີ່ເຂັ້ມແຂງທີ່ມີຢູ່. ນີ້ຈະຮັບປະກັນປະສິດທິພາບສູງສຸດເມື່ອທ່ານໃຊ້ເລຂາຄະນິດແລະວັດຖຸທາງກວ້າງຂອງພື້ນທີ່ໃນຄໍາຮ້ອງສະຫມັກການວິເຄາະຂອງທ່ານ. ຖ້າ RDBMS ຂອງທ່ານບໍ່ສາມາດຈັດການໄດ້ ຂໍ້ມູນ (spatial-centric) ພາຍໃນ, ດັ່ງນັ້ນທ່ານຈະຕ້ອງໄດ້ສ້າງຕັ້ງ a ຖານ​ຂໍ້​ມູນ​ (spatial-centric) ພາຍນອກ. ນີ້ເຮັດໃຫ້ບັນຫາການຈັດການສັບສົນແລະປະນີປະນອມການປະຕິບັດໂດຍລວມຂອງທ່ານ, ບໍ່ໃຫ້ເວົ້າເຖິງບັນຫາເພີ່ມເຕີມທີ່ມັນສ້າງສໍາລັບ DBAs ຂອງທ່ານ, ເພາະວ່າພວກເຂົາມີຄວາມເຂົ້າໃຈຫນ້ອຍທີ່ສຸດກ່ຽວກັບພື້ນຖານຂອງ ຂໍ້ມູນ ທາງດ້ານພື້ນທີ່ເຊັ່ນດຽວກັນ. ໃນທາງກົງກັນຂ້າມ, ຖ້າເຄື່ອງຈັກ RDMBS ຂອງທ່ານຈັດການກັບອົງປະກອບທາງກວ້າງຂອງພື້ນທັງຫມົດແລະ optimizer ຂອງມັນຮູ້ເຖິງຄວາມຕ້ອງການພິເສດ (ຕົວຢ່າງ, ການສ້າງດັດສະນີ) ຂອງວັດຖຸທາງກວ້າງຂອງພື້ນທີ່, ຫຼັງຈາກນັ້ນ DBAs ຂອງທ່ານສາມາດແກ້ໄຂບັນຫາການຄຸ້ມຄອງໄດ້ແລະທ່ານສາມາດເພີ່ມປະສິດທິພາບສູງສຸດ.

ນອກຈາກນັ້ນ, ທ່ານຈໍາເປັນຕ້ອງປັບພື້ນທີ່ຂັ້ນຕອນແລະຊັ້ນສະພາບແວດລ້ອມປະລໍາມະນູເພື່ອປະກອບມີການເຮັດຄວາມສະອາດທີ່ຢູ່ (ກ

ອົງປະກອບທີ່ສໍາຄັນໃນການວິເຄາະທາງກວ້າງຂອງພື້ນ), ເຊັ່ນດຽວກັນກັບການປະຫຍັດຕໍ່ໆມາຂອງວັດຖຸທາງກວ້າງຂອງພື້ນ. ການສືບທອດຂອງສະບັບການອອກແບບຍັງສືບຕໍ່ໃນປັດຈຸບັນທີ່ພວກເຮົາໄດ້ນໍາສະເຫນີແນວຄວາມຄິດຂອງຄວາມສະອາດທີ່ຢູ່. ສໍາລັບສິ່ງຫນຶ່ງ, ຄໍາຮ້ອງສະຫມັກນີ້ຈະກໍານົດປະເພດຂອງຊອບແວທີ່ທ່ານຕ້ອງການສໍາລັບຄວາມພະຍາຍາມ ETL ຂອງທ່ານ.

ທ່ານຕ້ອງການຜະລິດຕະພັນເຊັ່ນ Trillium ເພື່ອໃຫ້ທ່ານມີທີ່ຢູ່ທີ່ສະອາດ, ຫຼືຜູ້ຂາຍ ETL ທີ່ທ່ານເລືອກເພື່ອສະຫນອງການເຮັດວຽກນັ້ນບໍ?
ສໍາລັບໃນປັດຈຸບັນມັນເປັນສິ່ງສໍາຄັນທີ່ທ່ານຮູ້ຈັກລະດັບຂອງການອອກແບບທີ່ຕ້ອງໄດ້ຮັບການສໍາເລັດກ່ອນທີ່ທ່ານຈະເລີ່ມຕົ້ນເພື່ອຮັກສາສາງຂອງທ່ານ. ຕົວຢ່າງຂ້າງເທິງຄວນສະແດງໃຫ້ເຫັນເຖິງຄວາມຫຼາກຫຼາຍຂອງການຕັດສິນໃຈໃນການອອກແບບທີ່ຕ້ອງປະຕິບັດຕາມການກໍານົດຄວາມຕ້ອງການຂອງທຸລະກິດໂດຍສະເພາະ. ເມື່ອເຮັດຢ່າງຖືກຕ້ອງ, ການຕັດສິນໃຈອອກແບບເຫຼົ່ານີ້ສົ່ງເສີມການເພິ່ງພາອາໄສກັນລະຫວ່າງໂຄງສ້າງທາງກາຍະພາບຂອງສະພາບແວດລ້ອມຂອງເຈົ້າ, ການເລືອກເຕັກໂນໂລຢີທີ່ໃຊ້, ແລະການແຜ່ພັນຂອງເນື້ອຫາຂໍ້ມູນ. ຖ້າບໍ່ມີສະຖາປັດຕະຍະກຳ BI ແບບດັ້ງເດີມນີ້, ອົງກອນຂອງເຈົ້າຈະຖືກປະສົມກັບເທັກໂນໂລຍີທີ່ປັ່ນປ່ວນ, ຖັກເຂົ້າກັນຢ່າງແໜ້ນໜາເພື່ອໃຫ້ຄວາມໝັ້ນຄົງທີ່ເຫັນໄດ້ຊັດເຈນ.

ຮັກສາເນື້ອໃນຂໍ້ມູນຂ່າວສານ

ການນໍາເອົາມູນຄ່າຂອງຂໍ້ມູນໃຫ້ກັບອົງການຈັດຕັ້ງຂອງທ່ານແມ່ນເປັນວຽກທີ່ຍາກຫຼາຍ. ໂດຍບໍ່ມີຄວາມເຂົ້າໃຈແລະປະສົບການພຽງພໍ, ຫຼືວິສະວະກໍາແລະການອອກແບບທີ່ເຫມາະສົມ, ເຖິງແມ່ນວ່າທີມງານທີ່ດີທີ່ສຸດຈະລົ້ມເຫລວ. ໃນອີກດ້ານຫນຶ່ງ, ຖ້າທ່ານມີ intuition ທີ່ຍິ່ງໃຫຍ່ແລະການອອກແບບລາຍລະອຽດແຕ່ບໍ່ມີລະບຽບວິໄນທີ່ຈະປະຕິບັດ, ທ່ານພຽງແຕ່ເສຍເງິນແລະເວລາຂອງທ່ານເພາະວ່າຄວາມພະຍາຍາມຂອງທ່ານແມ່ນ doomed ກັບລົ້ມເຫລວ. ຂໍ້ຄວາມຄວນຈະຈະແຈ້ງ: ຖ້າທ່ານຂາດທັກສະ, ຄວາມເຂົ້າໃຈ / ປະສົບການຫຼືການວາງແຜນ / ການອອກແບບຫຼືການປະຕິບັດ, ນີ້ຈະເຮັດໃຫ້ເກີດຄວາມເສຍຫາຍຫຼືທໍາລາຍອາຄານຂອງອົງການ BI.

ທີມງານຂອງເຈົ້າກຽມພ້ອມພຽງພໍບໍ? ມີໃຜຢູ່ໃນທີມ BI ຂອງທ່ານເຂົ້າໃຈພູມສັນຖານການວິເຄາະອັນກວ້າງຂວາງທີ່ມີຢູ່ໃນສະພາບແວດລ້ອມ BI, ແລະເຕັກນິກແລະເຕັກໂນໂລຢີທີ່ຈໍາເປັນເພື່ອຮັກສາພູມສັນຖານນັ້ນບໍ? ມີໃຜຢູ່ໃນທີມຂອງເຈົ້າທີ່ສາມາດບອກຄວາມແຕກຕ່າງໃນການສະຫມັກຂັ້ນສູງ

ການລາຍງານແບບຄົງທີ່ແລະ OLAP, ຫຼືຄວາມແຕກຕ່າງລະຫວ່າງ ROLAP ແລະ OLAP? ຫນຶ່ງໃນສະມາຊິກທີມຂອງທ່ານຮັບຮູ້ຢ່າງຈະແຈ້ງວິທີການຂຸດຄົ້ນບໍ່ແຮ່ແລະວິທີການທີ່ມັນອາດຈະສົ່ງຜົນກະທົບຕໍ່ສາງຫຼືວິທີການທີ່ສາງສາມາດສະຫນັບສະຫນູນການປະຕິບັດການຂຸດຄົ້ນບໍ່? ສະມາຊິກທີມງານເຂົ້າໃຈຄຸນຄ່າຂອງ ຂໍ້ມູນ ເຕັກໂນໂລຊີອາວະກາດຫຼືຕົວແທນ? ທ່ານມີຜູ້ທີ່ຊື່ນຊົມກັບຄໍາຮ້ອງສະຫມັກເຄື່ອງມືທີ່ເປັນເອກະລັກຂອງເຕັກໂນໂລຢີ ETL vs Message Broker ບໍ? ຖ້າທ່ານບໍ່ມີມັນ, ເອົາຫນຶ່ງ. BI ແມ່ນໃຫຍ່ກວ່າຊັ້ນປະລໍາມະນູປົກກະຕິ, OLAP, ແຜນການດາວແລະ ODS.

ມີຄວາມເຂົ້າໃຈແລະປະສົບການທີ່ຈະຮັບຮູ້ຄວາມຕ້ອງການ BI ແລະວິທີແກ້ໄຂຂອງພວກເຂົາແມ່ນມີຄວາມຈໍາເປັນຕໍ່ຄວາມສາມາດຂອງເຈົ້າໃນການແກ້ໄຂຄວາມຕ້ອງການຂອງຜູ້ໃຊ້ຢ່າງເປັນທາງການແລະການອອກແບບແລະປະຕິບັດການແກ້ໄຂຂອງພວກເຂົາ. ຖ້າຊຸມຊົນຜູ້ໃຊ້ຂອງທ່ານມີຄວາມຫຍຸ້ງຍາກໃນການອະທິບາຍຄວາມຕ້ອງການ, ມັນຂຶ້ນກັບທີມງານສາງທີ່ຈະໃຫ້ຄວາມເຂົ້າໃຈນັ້ນ. ແຕ່ຖ້າຫາກວ່າທີມງານຂອງສາງ

ບໍ່ໄດ້ຮັບຮູ້ຄໍາຮ້ອງສະຫມັກສະເພາະຂອງ BI - ຕົວຢ່າງ, ການຂຸດຄົ້ນຂໍ້ມູນ - ຫຼັງຈາກນັ້ນມັນບໍ່ດີທີ່ສຸດທີ່ສະພາບແວດລ້ອມ BI ມັກຈະຖືກຈໍາກັດພຽງແຕ່ເປັນບ່ອນເກັບຂໍ້ມູນ passive. ຢ່າງໃດກໍ່ຕາມ, ການບໍ່ສົນໃຈເຕັກໂນໂລຢີເຫຼົ່ານີ້ບໍ່ໄດ້ຫຼຸດລົງຄວາມສໍາຄັນແລະຜົນກະທົບທີ່ພວກເຂົາມີຕໍ່ການເກີດໃຫມ່ຂອງຄວາມສາມາດທາງດ້ານທຸລະກິດຂອງອົງການຂອງເຈົ້າ, ເຊັ່ນດຽວກັນກັບຊັບສິນຂໍ້ມູນທີ່ທ່ານວາງແຜນທີ່ຈະສົ່ງເສີມ.

ການອອກແບບຕ້ອງປະກອບມີແນວຄິດຂອງການແຕ້ມຮູບ, ແລະທັງສອງຕ້ອງການບຸກຄົນທີ່ມີທັກສະ. ນອກຈາກນັ້ນ, ການວາງແຜນຮຽກຮ້ອງໃຫ້ມີປັດຊະຍາຂອງທີມງານແລະປະຕິບັດຕາມມາດຕະຖານ. ຕົວຢ່າງ, ຖ້າບໍລິສັດຂອງທ່ານໄດ້ສ້າງຕັ້ງມາດຕະຖານເວທີຫຼືໄດ້ກໍານົດ RDBMS ໂດຍສະເພາະທີ່ມັນຕ້ອງການມາດຕະຖານໃນທົ່ວເວທີ, ມັນເປັນສິ່ງຈໍາເປັນທີ່ທຸກຄົນໃນທີມງານປະຕິບັດຕາມມາດຕະຖານເຫຼົ່ານັ້ນ. ໂດຍທົ່ວໄປແລ້ວທີມງານເປີດເຜີຍຄວາມຕ້ອງການມາດຕະຖານ (ຕໍ່ຊຸມຊົນຜູ້ໃຊ້), ແຕ່ທີມງານເອງບໍ່ເຕັມໃຈທີ່ຈະປະຕິບັດຕາມມາດຕະຖານທີ່ສ້າງຂຶ້ນໃນຂົງເຂດອື່ນໆຂອງບໍລິສັດຫຼືບາງທີບໍລິສັດທີ່ຄ້າຍຄືກັນ. ບໍ່ພຽງແຕ່ນີ້ແມ່ນຫນ້າຊື່ໃຈຄົດ, ແຕ່ມັນສ້າງຕັ້ງບໍລິສັດແມ່ນບໍ່ສາມາດຂຸດຄົ້ນຊັບພະຍາກອນທີ່ມີຢູ່ແລ້ວແລະການລົງທຶນ. ມັນບໍ່ໄດ້ຫມາຍຄວາມວ່າບໍ່ມີສະຖານະການທີ່ຮັບປະກັນເວທີຫຼືເຕັກໂນໂລຢີທີ່ບໍ່ມີມາດຕະຖານ; ຢ່າງໃດກໍຕາມ, ຄວາມພະຍາຍາມຂອງສາງ

ພວກ​ເຂົາ​ເຈົ້າ​ຄວນ​ປົກ​ປັກ​ຮັກ​ສາ​ມາດ​ຕະ​ຖານ​ຂອງ​ວິ​ສາ​ຫະ​ກິດ​ຈົນ​ກ​່​ວາ​ຂໍ້​ກໍາ​ນົດ​ທຸ​ລະ​ກິດ​ກໍາ​ນົດ​ບໍ່​ດັ່ງ​ນັ້ນ.

ອົງປະກອບທີ່ສໍາຄັນທີສາມທີ່ຈໍາເປັນເພື່ອສ້າງອົງການຈັດຕັ້ງ BI ແມ່ນລະບຽບວິໄນ.
ມັນຂຶ້ນກັບທັງໝົດ, ສະເໝີພາບກັບບຸກຄົນ ແລະສະພາບແວດລ້ອມ. ຜູ້ວາງແຜນໂຄງການ, ຜູ້ສະຫນັບສະຫນູນ, ສະຖາປະນິກ, ແລະຜູ້ໃຊ້ຕ້ອງຮູ້ຈັກລະບຽບວິໄນທີ່ຕ້ອງການເພື່ອສ້າງຊັບສິນຂໍ້ມູນຂອງບໍລິສັດ. ຜູ້ອອກແບບຕ້ອງຊີ້ນໍາຄວາມພະຍາຍາມອອກແບບຂອງເຂົາເຈົ້າເພື່ອເສີມຄວາມພະຍາຍາມອື່ນໆທີ່ຈໍາເປັນໃນສັງຄົມ.

ຕົວຢ່າງ, ໃຫ້ເວົ້າວ່າບໍລິສັດຂອງທ່ານສ້າງຄໍາຮ້ອງສະຫມັກ ERP ທີ່ມີສ່ວນປະກອບຂອງຄັງສິນຄ້າ.
ດັ່ງນັ້ນ, ມັນເປັນຄວາມຮັບຜິດຊອບຂອງຜູ້ອອກແບບ ERP ທີ່ຈະຮ່ວມມືກັບທີມງານສະພາບແວດລ້ອມສາງເພື່ອບໍ່ໃຫ້ການແຂ່ງຂັນຫຼືຊ້ໍາກັນວຽກງານທີ່ໄດ້ເລີ່ມຕົ້ນແລ້ວ.

ລະບຽບວິໄນຍັງເປັນຫົວຂໍ້ທີ່ຕ້ອງໄດ້ຮັບການແກ້ໄຂໂດຍອົງການຈັດຕັ້ງທັງຫມົດແລະປົກກະຕິແລ້ວແມ່ນຖືກກໍານົດແລະບັງຄັບຢູ່ໃນລະດັບບໍລິຫານ.
ຜູ້ບໍລິຫານເຕັມໃຈທີ່ຈະຍຶດຫມັ້ນກັບວິທີການທີ່ຖືກອອກແບບບໍ? ວິທີການທີ່ສັນຍາວ່າຈະສ້າງເນື້ອຫາຂໍ້ມູນຂ່າວສານທີ່ສຸດທ້າຍຈະສົ່ງມູນຄ່າໃຫ້ກັບທຸກຂົງເຂດຂອງວິສາຫະກິດ, ແຕ່ບາງທີອາດເຮັດໃຫ້ການປະນີປະນອມຂອງບຸກຄົນຫຼືກອງປະຊຸມຂອງພະແນກ? ຈົ່ງຈື່ໄວ້ວ່າ "ການຄິດກ່ຽວກັບທຸກສິ່ງທຸກຢ່າງແມ່ນສໍາຄັນກວ່າການຄິດກ່ຽວກັບສິ່ງຫນຶ່ງ". ຄໍາເວົ້ານີ້ແມ່ນເປັນຄວາມຈິງສໍາລັບອົງການຈັດຕັ້ງ BI.

ແຕ່ຫນ້າເສຍດາຍ, ຄັງສິນຄ້າຈໍານວນຫຼາຍສຸມໃສ່ຄວາມພະຍາຍາມຂອງເຂົາເຈົ້າໃນການພະຍາຍາມເປົ້າຫມາຍແລະສົ່ງມອບມູນຄ່າໃຫ້ກັບພະແນກຫຼືຜູ້ໃຊ້ສະເພາະ, ໂດຍບໍ່ສົນໃຈກັບອົງການຈັດຕັ້ງຂະຫນາດໃຫຍ່. ສົມມຸດວ່າຜູ້ຈັດການຮ້ອງຂໍການຊ່ວຍເຫຼືອຈາກທີມງານ werehouse. ທີມງານຕອບສະຫນອງກັບຄວາມພະຍາຍາມ 90 ມື້ເຊິ່ງປະກອບມີບໍ່ພຽງແຕ່ສະຫນອງຂໍ້ກໍານົດແຈ້ງການກໍານົດໂດຍຜູ້ບໍລິຫານແຕ່ຮັບປະກັນວ່າທັງຫມົດ. ຂໍ້ມູນ ພື້ນຖານໄດ້ຖືກປະສົມເຂົ້າໄປໃນລະດັບປະລໍາມະນູກ່ອນທີ່ຈະຖືກນໍາສະເຫນີເຂົ້າໃນເຕັກໂນໂລຢີ cube ທີ່ນໍາສະເຫນີ.
ການເພີ່ມເຕີມວິສະວະກໍານີ້ຮັບປະກັນວ່າວິສາຫະກິດ werehouse ຈະໄດ້ຮັບຜົນປະໂຫຍດຈາກ ຂໍ້ມູນ ຕ້ອງການໂດຍຜູ້ຈັດການ.
ຢ່າງໃດກໍຕາມ, ຜູ້ບໍລິຫານໄດ້ໂອ້ລົມກັບບໍລິສັດທີ່ປຶກສາພາຍນອກທີ່ສະເຫນີຄໍາຮ້ອງສະຫມັກທີ່ຄ້າຍຄືກັນກັບການຈັດສົ່ງພາຍໃນຫນ້ອຍກວ່າ 4 ອາທິດ.

ສົມມຸດວ່າທີມງານ werehouse ພາຍໃນມີຄວາມສາມາດ, ຜູ້ບໍລິຫານມີທາງເລືອກ. ໃຜສາມາດສະຫນັບສະຫນູນລະບຽບວິໄນວິສະວະກໍາເພີ່ມເຕີມທີ່ຈໍາເປັນເພື່ອການຂະຫຍາຍຕົວຊັບສິນຂໍ້ມູນວິສາຫະກິດຫຼືສາມາດເລືອກທີ່ຈະສ້າງການແກ້ໄຂຂອງຕົນເອງຢ່າງໄວວາ. ອັນສຸດທ້າຍເບິ່ງຄືວ່າຖືກເລືອກຢູ່ໄກເກີນໄປແລະພຽງແຕ່ເຮັດຫນ້າທີ່ສ້າງບັນຈຸຂໍ້ມູນທີ່ມີຜົນປະໂຫຍດຈໍານວນຫນ້ອຍຫຼືບຸກຄົນ.

ເປົ້າໝາຍໄລຍະສັ້ນ ແລະໄລຍະຍາວ

ສະຖາປະນິກ ແລະ ຜູ້ວາງແຜນໂຄງການຕ້ອງສ້າງວິໄສທັດໄລຍະຍາວຂອງສະຖາປັດຕະຍະກຳ ແລະ ແຜນການຂະຫຍາຍອົງການ BI ຢ່າງເປັນທາງການ. ການປະສົມປະສານຂອງກໍາໄລໄລຍະສັ້ນແລະການວາງແຜນໄລຍະຍາວນີ້ແມ່ນສອງດ້ານຂອງຄວາມພະຍາຍາມຂອງ BI. ລາຍໄດ້ໄລຍະສັ້ນແມ່ນລັກສະນະຂອງ BI ທີ່ກ່ຽວຂ້ອງກັບການເຮັດເລື້ມຄືນຂອງຄັງສິນຄ້າຂອງທ່ານ.

ນີ້ແມ່ນບ່ອນທີ່ນັກວາງແຜນ, ສະຖາປະນິກແລະຜູ້ສະຫນັບສະຫນູນສຸມໃສ່ການຕອບສະຫນອງຄວາມຕ້ອງການທຸລະກິດສະເພາະ. ມັນແມ່ນຢູ່ໃນລະດັບນີ້ທີ່ໂຄງສ້າງທາງກາຍະພາບຖືກສ້າງຂຶ້ນ, ເຕັກໂນໂລຢີແມ່ນການຊື້ແລະເຕັກນິກການຈັດຕັ້ງປະຕິບັດ. ພວກເຂົາບໍ່ໄດ້ເຮັດເພື່ອແກ້ໄຂຄວາມຕ້ອງການສະເພາະຕາມທີ່ກໍານົດໂດຍຊຸມຊົນຜູ້ໃຊ້ໂດຍສະເພາະ. ທຸກສິ່ງທຸກຢ່າງແມ່ນເຮັດດ້ວຍຈຸດປະສົງເພື່ອແກ້ໄຂຄວາມຕ້ອງການສະເພາະທີ່ກໍານົດໂດຍຊຸມຊົນໂດຍສະເພາະ.
ຢ່າງໃດກໍຕາມ, ການວາງແຜນໄລຍະຍາວແມ່ນດ້ານອື່ນຂອງ BI. ນີ້​ແມ່ນ​ບ່ອນ​ທີ່​ບັນດາ​ແຜນການ ​ແລະ ການ​ອອກ​ແບບ​ໄດ້​ຮັບ​ປະ​ກັນ​ວ່າ​ບັນດາ​ໂຄງ​ປະກອບ​ກາ​ຍະ​ພາບ​ລ້ວນ​ແຕ່​ໄດ້​ຮັບ​ການ​ເລືອກ​ເຟັ້ນ, ​ເຕັກ​ໂນ​ໂລ​ຊີ​ທີ່​ໄດ້​ຮັບ​ການ​ຄັດ​ເລືອກ ​ແລະ ບັນດາ​ເຕັກນິກ​ທີ່​ບັນລຸ​ໄດ້​ດ້ວຍ​ສາຍຕາ​ຂອງ​ວິ​ສາ​ຫະກິດ. ມັນ​ເປັນ​ການ​ວາງ​ແຜນ​ການ​ໄລ​ຍະ​ຍາວ​ທີ່​ສະ​ຫນອງ​ການ​ຮ່ວມ​ກັນ​ທີ່​ຈໍາ​ເປັນ​ເພື່ອ​ຮັບ​ປະ​ກັນ​ວ່າ​ຜົນ​ກໍາ​ໄລ​ທີ່​ຫນັກ​ແຫນ້ນ​ແມ່ນ​ໄດ້​ມາ​ຈາກ​ຜົນ​ກໍາ​ໄລ​ໄລ​ຍະ​ສັ້ນ​ທີ່​ພົບ​ເຫັນ​.

ປັບປຸງຄວາມພະຍາຍາມ BI ຂອງທ່ານ

Un data warehouse ດ້ວຍຕົວມັນເອງມັນບໍ່ມີຄ່າ ທຳ ມະດາ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ບໍ່ມີມູນຄ່າປະກົດຂຶ້ນລະຫວ່າງເຕັກໂນໂລຢີຄັງສິນຄ້າແລະເຕັກນິກການປະຕິບັດ.

ມູນຄ່າຂອງຄວາມພະຍາຍາມໃນສາງໃດໆແມ່ນພົບເຫັນຢູ່ໃນການກະທໍາທີ່ປະຕິບັດເປັນຜົນມາຈາກສະພາບແວດລ້ອມຂອງສາງແລະເນື້ອຫາຂໍ້ມູນຂ່າວສານທີ່ປູກຝັງໃນໄລຍະເວລາ. ນີ້ແມ່ນຈຸດສໍາຄັນທີ່ຈະເຂົ້າໃຈກ່ອນທີ່ທ່ານຈະພະຍາຍາມປະເມີນມູນຄ່າຂອງການລິເລີ່ມຂອງເຮືອນໃດ.

ເລື້ອຍໆ, ສະຖາປະນິກແລະນັກວາງແຜນພະຍາຍາມນໍາໃຊ້ມູນຄ່າກັບອົງປະກອບທາງກາຍະພາບແລະດ້ານວິຊາການຂອງສາງໃນເວລາທີ່ຄວາມຈິງແລ້ວມູນຄ່າແມ່ນພື້ນຖານໃນຂະບວນການທຸລະກິດທີ່ມີຜົນກະທົບທາງບວກຂອງສາງແລະຂໍ້ມູນທີ່ເກັບກໍາໄດ້ດີ.

ຕໍ່ໄປນີ້ແມ່ນສິ່ງທ້າທາຍຕໍ່ກັບຜູ້ກໍ່ຕັ້ງ BI: ເຮັດແນວໃດທ່ານ justify ການລົງທຶນ? ຖ້າເຮືອນຂອງຕົນເອງບໍ່ມີຄຸນຄ່າພາຍໃນ, ຜູ້ວາງແຜນໂຄງການຕ້ອງສືບສວນ, ກໍານົດແລະສ້າງຜົນປະໂຫຍດຢ່າງເປັນທາງການໃຫ້ກັບບຸກຄົນເຫຼົ່ານັ້ນທີ່ຈະໃຊ້ສາງເພື່ອເສີມຂະຫຍາຍຂະບວນການທຸລະກິດສະເພາະຫຼືມູນຄ່າຂອງຂໍ້ມູນທີ່ຖືກປົກປ້ອງ, ຫຼືທັງສອງ.

ເພື່ອເຮັດໃຫ້ບັນຫາສັບສົນ, ຂະບວນການທຸລະກິດທີ່ໄດ້ຮັບຜົນກະທົບຈາກຄວາມພະຍາຍາມໃນຄັງສິນຄ້າສາມາດໃຫ້ຜົນປະໂຫຍດ "ຢ່າງຫຼວງຫຼາຍ" ຫຼື "ອ່ອນໆ". ຜົນປະໂຫຍດທີ່ສໍາຄັນສະຫນອງຕົວຊີ້ວັດທີ່ເຫັນໄດ້ຊັດເຈນສໍາລັບການວັດແທກຜົນຕອບແທນຂອງການລົງທຶນ (ROI) - ຕົວຢ່າງ, ສົ່ງສິນຄ້າຄົງຄັງໃນໄລຍະເວລາເພີ່ມເຕີມໃນໄລຍະເວລາສະເພາະຫຼືສໍາລັບຄ່າໃຊ້ຈ່າຍຕ່ໍາຂອງການຂົນສົ່ງຕໍ່ການຂົນສົ່ງ. ມັນເປັນການຍາກທີ່ຈະກໍານົດຜົນປະໂຫຍດທີ່ລະອຽດອ່ອນ, ເຊັ່ນ: ການປັບປຸງການເຂົ້າເຖິງຂໍ້ມູນ, ໃນແງ່ຂອງມູນຄ່າທີ່ເຫັນໄດ້ຊັດເຈນ.

ເຊື່ອມຕໍ່ໂຄງການຂອງທ່ານເພື່ອຮູ້ຈັກ ຄໍາ​ຮ້ອງ​ສະ​ຫມັກ​ທຸ​ລະ​ກິດ​

ເລື້ອຍໆເກີນໄປ, ຜູ້ວາງແຜນໂຄງການພະຍາຍາມເຊື່ອມຕໍ່ມູນຄ່າຄັງສິນຄ້າກັບເປົ້າຫມາຍວິສາຫະກິດ amorphous. ໂດຍການປະກາດວ່າ "ມູນຄ່າຂອງຄັງສິນຄ້າແມ່ນອີງໃສ່ຄວາມສາມາດຂອງພວກເຮົາເພື່ອຕອບສະຫນອງຄໍາຮ້ອງຂໍຍຸດທະສາດ" ພວກເຮົາເປີດການສົນທະນາໃນທາງທີ່ມີຄວາມສຸກ. ແຕ່ວ່າຢ່າງດຽວບໍ່ພຽງພໍທີ່ຈະກໍານົດວ່າການລົງທຶນໃນສາງແມ່ນມີຄວາມຫມາຍຫຼືບໍ່. ມັນເປັນສິ່ງທີ່ດີທີ່ສຸດທີ່ຈະເຊື່ອມຕໍ່ຕົວແທນສາງດ້ວຍການສອບຖາມທຸລະກິດສະເພາະແລະບັນທຶກ.

ວັດແທກ ROI

ການຄິດໄລ່ ROI ໃນການຕັ້ງຄ່າສາງສາມາດມີຄວາມຫຍຸ້ງຍາກໂດຍສະເພາະ. ມັນເປັນເລື່ອງຍາກໂດຍສະເພາະຖ້າຜູ້ນໍາພາ

ຂອງການຊໍ້າຄືນໂດຍສະເພາະແມ່ນບາງສິ່ງບາງຢ່າງທີ່ບໍ່ມີຕົວຕົນຫຼືງ່າຍທີ່ຈະວັດແທກ. ການສຶກສາຫນຶ່ງພົບວ່າຜູ້ໃຊ້ຮັບຮູ້ສອງຜົນປະໂຫຍດຕົ້ນຕໍຂອງການລິເລີ່ມ BI:

• ▪ ສ້າງຄວາມສາມາດໃນການຕັດສິນໃຈ
• ▪ ສ້າງການເຂົ້າເຖິງຂໍ້ມູນ
  ຜົນປະໂຫຍດເຫຼົ່ານີ້ແມ່ນຜົນປະໂຫຍດທີ່ອ່ອນ (ຫຼືອ່ອນໆ). ມັນງ່າຍທີ່ຈະເຫັນວ່າພວກເຮົາສາມາດຄິດໄລ່ ROI ໂດຍອີງໃສ່ຜົນປະໂຫຍດທີ່ຍາກ (ຫຼືຫຼາຍກວ່າ) ເຊັ່ນ: ຄ່າໃຊ້ຈ່າຍໃນການຂົນສົ່ງທີ່ຫຼຸດລົງ, ແຕ່ພວກເຮົາຈະວັດແທກຄວາມສາມາດໃນການຕັດສິນໃຈທີ່ດີກວ່າແນວໃດ?
  ນີ້ແນ່ນອນເປັນສິ່ງທ້າທາຍສໍາລັບຜູ້ວາງແຜນໂຄງການໃນເວລາທີ່ພວກເຂົາກໍາລັງພະຍາຍາມເຮັດໃຫ້ບໍລິສັດລົງທຶນໃນຄວາມພະຍາຍາມໃນຄັງສິນຄ້າໂດຍສະເພາະ. ການເພີ່ມຂຶ້ນຂອງການຂາຍຫຼືຄ່າໃຊ້ຈ່າຍທີ່ຫຼຸດລົງບໍ່ແມ່ນຫົວຂໍ້ສູນກາງທີ່ຂັບລົດສະພາບແວດລ້ອມ BI.
  ແທນທີ່ຈະ, ທ່ານກໍາລັງຊອກຫາຄໍາຮ້ອງຂໍທຸລະກິດສໍາລັບການເຂົ້າເຖິງຂໍ້ມູນທີ່ດີກວ່າເພື່ອໃຫ້ພະແນກສະເພາະສາມາດຕັດສິນໃຈໄດ້ໄວຂຶ້ນ. ເຫຼົ່ານີ້ແມ່ນຕົວຂັບເຄື່ອນຍຸດທະສາດທີ່ມີຄວາມສໍາຄັນເທົ່າທຽມກັນກັບວິສາຫະກິດແຕ່ມີຄວາມບໍ່ຊັດເຈນກວ່າແລະມີຄວາມຫຍຸ້ງຍາກຫຼາຍໃນການກໍານົດຕົວຊີ້ວັດທີ່ຊັດເຈນ. ໃນກໍລະນີນີ້, ການຄິດໄລ່ ROI ສາມາດເຂົ້າໃຈຜິດ, ຖ້າບໍ່ກ່ຽວຂ້ອງ.
  ຜູ້ອອກແບບໂຄງການຕ້ອງສາມາດສະແດງໃຫ້ເຫັນເຖິງມູນຄ່າທີ່ເຫັນໄດ້ຊັດເຈນສໍາລັບຜູ້ບໍລິຫານເພື່ອຕັດສິນໃຈວ່າການລົງທຶນໃນ iteration ໂດຍສະເພາະແມ່ນມີມູນຄ່າມັນ. ຢ່າງໃດກໍ່ຕາມ, ພວກເຮົາຈະບໍ່ສະເຫນີວິທີການໃຫມ່ສໍາລັບການຄິດໄລ່ ROI, ແລະພວກເຮົາຈະບໍ່ໂຕ້ແຍ້ງຫຼືຕໍ່ຕ້ານມັນ.
  ມີຫຼາຍບົດຄວາມແລະປຶ້ມທີ່ມີຢູ່ທີ່ປຶກສາຫາລືກ່ຽວກັບພື້ນຖານຂອງການຄິດໄລ່ ROI. ມີການສະເຫນີມູນຄ່າພິເສດເຊັ່ນ: ມູນຄ່າການລົງທຶນ (VOI), ສະເຫນີໂດຍກຸ່ມເຊັ່ນ Gartner, ທີ່ທ່ານສາມາດຄົ້ນຄ້ວາ. ແທນທີ່ຈະ, ພວກເຮົາຈະສຸມໃສ່ລັກສະນະຫຼັກຂອງ ROI ຫຼືການສະເຫນີມູນຄ່າອື່ນໆທີ່ທ່ານຈໍາເປັນຕ້ອງພິຈາລະນາ. ກຳລັງນຳໃຊ້ ROI ນອກເຫນືອຈາກການໂຕ້ຖຽງກ່ຽວກັບຜົນປະໂຫຍດ "ຍາກ" ທຽບກັບ "ອ່ອນ" ທີ່ກ່ຽວຂ້ອງກັບຄວາມພະຍາຍາມຂອງ BI ມີບັນຫາອື່ນໆທີ່ຕ້ອງພິຈາລະນາໃນເວລາທີ່ນໍາໃຊ້ ROI. ຍົກ​ຕົວ​ຢ່າງ:

ການປະກອບສ່ວນເງິນຝາກປະຢັດຫຼາຍເກີນໄປຕໍ່ກັບຄວາມພະຍາຍາມຂອງ DW ທີ່ຈະເກີດຂຶ້ນຢ່າງໃດກໍ່ຕາມ
ສົມມຸດວ່າບໍລິສັດຂອງເຈົ້າຍ້າຍຈາກສະຖາປັດຕະຍະກໍາຫຼັກໄປສູ່ສະພາບແວດລ້ອມ UNIX ທີ່ແຈກຢາຍ. ດັ່ງນັ້ນເງິນຝາກປະຢັດໃດໆທີ່ອາດຈະ (ຫຼືອາດຈະບໍ່) ຖືກຮັບຮູ້ຈາກຄວາມພະຍາຍາມນັ້ນບໍ່ຄວນຖືກສະແດງພຽງແຕ່, ຖ້າທັງຫມົດ (?), ກັບສາງ.

ບໍ່ໄດ້ບັນຊີສໍາລັບທຸກສິ່ງທຸກຢ່າງແມ່ນລາຄາແພງ. ແລະມີຫຼາຍສິ່ງທີ່ຕ້ອງຄໍານຶງ. ພິຈາລະນາລາຍຊື່ຕໍ່ໄປນີ້:

• ▪ ຄ່າໃຊ້ຈ່າຍໃນການເລີ່ມຕົ້ນ, ລວມທັງຄວາມເປັນໄປໄດ້.
• ▪ ຄ່າໃຊ້ຈ່າຍຂອງຮາດແວທີ່ອຸທິດຕົນກັບການເກັບຮັກສາແລະການສື່ສານທີ່ກ່ຽວຂ້ອງ
• ▪ ຄ່າໃຊ້ຈ່າຍຂອງຊອບແວ, ລວມທັງການຄຸ້ມຄອງຂອງ ຂໍ້ມູນ ແລະສ່ວນຂະຫຍາຍລູກຄ້າ/ເຊີບເວີ, ຊອບແວ ETL, ເທັກໂນໂລຍີ DSS, ເຄື່ອງມືສ້າງພາບ, ການກຳນົດເວລາ ແລະແອັບພລິເຄຊັນການເຮັດວຽກ, ແລະຊອບແວການຕິດຕາມ, .
• ▪ ຄ່າໃຊ້ຈ່າຍໃນການອອກແບບໂຄງສ້າງ ຂໍ້ມູນ, ມີການສ້າງ, ແລະການເພີ່ມປະສິດທິພາບຂອງ
• ▪ ຄ່າໃຊ້ຈ່າຍໃນການພັດທະນາຊອບແວທີ່ກ່ຽວຂ້ອງໂດຍກົງກັບຄວາມພະຍາຍາມຂອງ BI
• ▪ ຄ່າໃຊ້ຈ່າຍໃນການຊ່ວຍເຫຼືອເຮືອນ, ລວມທັງການເພີ່ມປະສິດທິພາບການປະຕິບັດ, ລວມທັງການຄວບຄຸມເວີຊັນຂອງຊອບແວແລະການຊ່ວຍເຫຼືອການດໍາເນີນງານ ນຳໃຊ້ ROI “Big-Bang”. ການ​ກໍ່​ສ້າງ​ສາງ​ເປັນ​ການ​ດຽວ​, ຄວາມ​ພະ​ຍາ​ຍາມ​ຂະ​ຫນາດ​ໃຫຍ່​ແມ່ນ doomed ກັບ​ຄວາມ​ລົ້ມ​ເຫຼວ​, ສະ​ນັ້ນ​ເກີນ​ໄປ​ການ​ຄິດ​ໄລ່ ROI ສໍາ​ລັບ​ການ​ລິ​ເລີ່ມ​ວິ​ສາ​ຫະ​ກິດ​ຂະ​ຫນາດ​ໃຫຍ່​ການ​ສະ​ເຫນີ​ແມ່ນ​ຫນ້າ​ປະ​ຫລາດ​ໃຈ​, ແລະ​ວ່າ​ຜູ້​ວາງ​ແຜນ​ການ​ສືບ​ຕໍ່​ເຮັດ​ໃຫ້​ຄວາມ​ພະ​ຍາ​ຍາມ​ອ່ອນ​ຄ່າ​ຂອງ​ຄວາມ​ພະ​ຍາ​ຍາມ​ທັງ​ຫມົດ​. ເປັນຫຍັງນັກວາງແຜນຈຶ່ງພະຍາຍາມເອົາມູນຄ່າເງິນຕາໃນການລິເລີ່ມທຸລະກິດ ຖ້າມັນເປັນທີ່ຮູ້ຈັກກັນຢ່າງກວ້າງຂວາງ ແລະຍອມຮັບວ່າການປະເມີນການຊໍ້າຄືນສະເພາະແມ່ນຍາກ? ມັນເປັນໄປໄດ້ແນວໃດ? ມັນເປັນໄປບໍ່ໄດ້ໂດຍມີຂໍ້ຍົກເວັ້ນຫນ້ອຍ. ຢ່າເຮັດມັນ. ຕອນນີ້ພວກເຮົາໄດ້ສ້າງສິ່ງທີ່ບໍ່ຄວນເຮັດໃນເວລາຄິດໄລ່ ROI, ນີ້ແມ່ນບາງຈຸດທີ່ຈະຊ່ວຍໃຫ້ທ່ານສ້າງຂະບວນການທີ່ເຊື່ອຖືໄດ້ສໍາລັບການປະເມີນມູນຄ່າຂອງຄວາມພະຍາຍາມ BI ຂອງທ່ານ.

ໄດ້ຮັບການຍິນຍອມເຫັນດີ ROI. ໂດຍບໍ່ຄໍານຶງເຖິງທາງເລືອກຂອງເຕັກນິກການປະເມີນມູນຄ່າຂອງຄວາມພະຍາຍາມ BI ຂອງທ່ານ, ມັນຕ້ອງໄດ້ຮັບການຕົກລົງເຫັນດີຈາກທຸກຝ່າຍ, ລວມທັງຜູ້ວາງແຜນໂຄງການ, ຜູ້ສະຫນັບສະຫນູນ, ແລະຜູ້ບໍລິຫານຂອງບໍລິສັດ.

ແຍກ ROI ເປັນສ່ວນທີ່ສາມາດລະບຸໄດ້. ຂັ້ນຕອນທີ່ຈໍາເປັນຕໍ່ການຄິດໄລ່ ROI ທີ່ສົມເຫດສົມຜົນແມ່ນເພື່ອສຸມໃສ່ການຄິດໄລ່ນັ້ນຢູ່ໃນໂຄງການສະເພາະ. ນີ້ຫຼັງຈາກນັ້ນອະນຸຍາດໃຫ້ທ່ານປະເມີນມູນຄ່າໂດຍອີງໃສ່ຄວາມຕ້ອງການທຸລະກິດສະເພາະທີ່ຕອບສະຫນອງໄດ້

ກໍານົດຄ່າໃຊ້ຈ່າຍ. ດັ່ງທີ່ໄດ້ກ່າວມາ, ຄ່າໃຊ້ຈ່າຍຈໍານວນຫຼາຍຕ້ອງໄດ້ຮັບການພິຈາລະນາ. ນອກຈາກນັ້ນ, ຄ່າໃຊ້ຈ່າຍຕ້ອງລວມບໍ່ພຽງແຕ່ທີ່ກ່ຽວຂ້ອງກັບ iteration ສ່ວນບຸກຄົນເທົ່ານັ້ນ, ແຕ່ຍັງຄ່າໃຊ້ຈ່າຍທີ່ກ່ຽວຂ້ອງກັບການຮັບປະກັນການປະຕິບັດຕາມມາດຕະຖານວິສາຫະກິດ.

ກໍານົດຜົນປະໂຫຍດ. ໂດຍການເຊື່ອມໂຍງຢ່າງຊັດເຈນ ROI ກັບຄວາມຕ້ອງການທຸລະກິດສະເພາະ, ພວກເຮົາຄວນຈະສາມາດກໍານົດຜົນປະໂຫຍດທີ່ຈະນໍາໄປສູ່ການຕອບສະຫນອງຄວາມຕ້ອງການ.

ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍແລະຜົນປະໂຫຍດໃນກໍາໄລທີ່ຈະມາເຖິງ. ມັນເປັນວິທີທີ່ດີທີ່ສຸດທີ່ຈະອີງໃສ່ການປະເມີນມູນຄ່າປັດຈຸບັນສຸດທິ (NPV) ກົງກັນຂ້າມກັບການພະຍາຍາມຄາດຄະເນມູນຄ່າໃນອະນາຄົດຂອງລາຍໄດ້ໃນອະນາຄົດ.

ຮັກສາເວລາທີ່ຈະແບ່ງປັນ ROI ຂອງທ່ານໃຫ້ຕໍ່າສຸດ. ມັນຖືກບັນທຶກດີໃນໄລຍະຍາວທີ່ມັນໄດ້ຖືກນໍາໃຊ້ໃນ ROI ຂອງທ່ານ.

ໃຊ້ສູດ ROI ຫຼາຍກວ່າໜຶ່ງສູດ. ມີວິທີການຈໍານວນຫຼາຍສໍາລັບການຄາດເດົາ ROI, ແລະທ່ານຄວນວາງແຜນທີ່ຈະນໍາໃຊ້ຫນຶ່ງຫຼືຫຼາຍກວ່ານັ້ນ, ລວມທັງມູນຄ່າປະຈຸບັນສຸດທິ, ອັດຕາຜົນຕອບແທນພາຍໃນ (IRR), ແລະການຈ່າຍຄືນ.

ກໍານົດຂະບວນການຊ້ໍາກັນ. ນີ້ແມ່ນສິ່ງສໍາຄັນສໍາລັບການຄິດໄລ່ມູນຄ່າໄລຍະຍາວໃດໆ. ຂະບວນການທີ່ສາມາດເຮັດຊ້ໍາໄດ້ອັນດຽວຄວນຖືກບັນທຶກໄວ້ສໍາລັບທຸກລໍາດັບຍ່ອຍຂອງໂຄງການຕໍ່ໄປ.

ບັນ​ຫາ​ທີ່​ລະ​ບຸ​ໄວ້​ແມ່ນ​ບັນ​ຫາ​ທົ່ວ​ໄປ​ທີ່​ສຸດ​ທີ່​ກໍາ​ນົດ​ໂດຍ​ຜູ້​ຊ່ຽວ​ຊານ​ສິ່ງ​ແວດ​ລ້ອມ​ເຮືອນ​ໄດ້​. ການຮຽກຮ້ອງຂອງຝ່າຍບໍລິຫານກ່ຽວກັບການໃຫ້ ROI “Big-Bang” ແມ່ນສັບສົນຫຼາຍ. ຖ້າທ່ານເລີ່ມຕົ້ນການຄິດໄລ່ ROI ທັງຫມົດຂອງທ່ານໂດຍການແບ່ງອອກເປັນສ່ວນທີ່ສາມາດກໍານົດໄດ້, ເຫັນໄດ້ຊັດເຈນ, ທ່ານມີໂອກາດດີທີ່ຈະຄາດຄະເນການຄາດຄະເນ ROI ທີ່ຖືກຕ້ອງ.

ຄໍາຖາມກ່ຽວກັບຜົນປະໂຫຍດ ROI

ບໍ່ວ່າຜົນປະໂຫຍດຂອງທ່ານແມ່ນ, ອ່ອນຫຼືແຂງ, ທ່ານສາມາດນໍາໃຊ້ຄໍາຖາມພື້ນຖານຈໍານວນຫນ້ອຍເພື່ອກໍານົດມູນຄ່າຂອງມັນ. ຕົວຢ່າງ, ການນໍາໃຊ້ລະບົບຂະຫນາດແບບງ່າຍດາຍ, ຈາກ 1 ຫາ 10, ທ່ານສາມາດວັດແທກຜົນກະທົບຂອງຄວາມພະຍາຍາມໃດໆໂດຍໃຊ້ຄໍາຖາມຕໍ່ໄປນີ້:

• ເຈົ້າຈະໃຫ້ຄະແນນຄວາມເຂົ້າໃຈແນວໃດ ຂໍ້ມູນ ຕິດຕາມໂຄງການຂອງບໍລິສັດຂອງເຈົ້າບໍ?
• ທ່ານຈະໃຫ້ຄະແນນການປັບປຸງຂະບວນການເປັນຜົນມາຈາກໂຄງການນີ້ແນວໃດ?
• ເຈົ້າຈະວັດແທກຜົນກະທົບຂອງຄວາມເຂົ້າໃຈໃໝ່ ແລະການອະພິປາຍແນວໃດ ຕອນນີ້ມີໃຫ້ໂດຍການເຮັດຊ້ຳນີ້
• ຜົນກະທົບຂອງສະພາບແວດລ້ອມຄອມພິວເຕີໃຫມ່ແລະດີກວ່າເປັນຜົນມາຈາກສິ່ງທີ່ໄດ້ຮຽນຮູ້ແມ່ນຫຍັງ? ຖ້າຄໍາຕອບຂອງຄໍາຖາມເຫຼົ່ານີ້ມີຫນ້ອຍ, ມັນເປັນໄປໄດ້ວ່າວິສາຫະກິດບໍ່ຄຸ້ມຄ່າກັບການລົງທຶນ. ຄໍາຖາມທີ່ມີຄະແນນສູງຊີ້ໃຫ້ເຫັນເຖິງການເພີ່ມມູນຄ່າທີ່ສໍາຄັນແລະຄວນຈະເປັນຄໍາແນະນໍາສໍາລັບການສືບສວນຕື່ມອີກ. ຕົວຢ່າງ, ຄະແນນສູງສໍາລັບການປັບປຸງຂະບວນການຄວນເຮັດໃຫ້ຜູ້ອອກແບບກວດເບິ່ງວ່າຂະບວນການໄດ້ຮັບການປັບປຸງແນວໃດ. ເຈົ້າອາດພົບວ່າຜົນກຳໄລບາງອັນ ຫຼື ທັງໝົດແມ່ນສາມາດເຫັນໄດ້ຊັດເຈນ ແລະ ສະນັ້ນ ມູນຄ່າເງິນຈຶ່ງສາມາດນຳໃຊ້ໄດ້ຢ່າງສະດວກ. ໄດ້ຮັບປະໂຫຍດສູງສຸດຈາກ iteration ຄັ້ງທໍາອິດຂອງ ສາງ ການຈ່າຍເງິນທີ່ໃຫຍ່ທີ່ສຸດຂອງຄວາມພະຍາຍາມວິສາຫະກິດຂອງທ່ານມັກຈະຢູ່ໃນສອງສາມຄັ້ງທໍາອິດ. ຄວາມພະຍາຍາມເບື້ອງຕົ້ນເຫຼົ່ານີ້ເປັນປະເພນີສ້າງເນື້ອຫາຂໍ້ມູນທີ່ເປັນປະໂຫຍດທີ່ສຸດສໍາລັບສາທາລະນະແລະຊ່ວຍສ້າງພື້ນຖານເຕັກໂນໂລຢີສໍາລັບຄໍາຮ້ອງສະຫມັກ BI ຕໍ່ມາ. ປົກກະຕິແລ້ວແຕ່ລະລໍາດັບຕໍ່ມາຂອງ ຂໍ້ມູນ ​ໂຄງການ​ສາງ​ນຳ​ເອົາ​ມູນ​ຄ່າ​ເພີ່ມ​ໜ້ອຍ​ລົງ​ໃຫ້​ແກ່​ວິ​ສາ​ຫະກິດ​ທັງ​ໝົດ. ນີ້ແມ່ນຄວາມຈິງໂດຍສະເພາະຖ້າການຊໍ້າຄືນບໍ່ໄດ້ເພີ່ມຫົວຂໍ້ໃຫມ່ຫຼືຕອບສະຫນອງຄວາມຕ້ອງການຂອງຊຸມຊົນຜູ້ໃຊ້ໃຫມ່.

ຄຸນນະສົມບັດການເກັບຮັກສານີ້ຍັງໃຊ້ກັບ stacks ການຂະຫຍາຍຕົວຂອງ ຂໍ້ມູນ ນັກປະຫວັດສາດ. ຍ້ອນວ່າຄວາມພະຍາຍາມຕໍ່ມາຮຽກຮ້ອງໃຫ້ມີຫຼາຍ ຂໍ້ມູນ ແລະວິທີການເພີ່ມເຕີມ ຂໍ້ມູນ ແມ່ນ poured ເຂົ້າໄປໃນສາງໃນໄລຍະທີ່ໃຊ້ເວລາ, ທີ່ສຸດຂອງ ຂໍ້ມູນ ມັນຈະກາຍເປັນຫນ້ອຍທີ່ກ່ຽວຂ້ອງກັບການວິເຄາະທີ່ໃຊ້. ເຫຼົ່ານີ້ ຂໍ້ມູນ ເຂົາເຈົ້າມັກຈະເອີ້ນວ່າ ຂໍ້ມູນ dormant ແລະມັນມີລາຄາແພງສະ ເໝີ ໄປທີ່ຈະຮັກສາພວກມັນເພາະວ່າພວກມັນບໍ່ຄ່ອຍໄດ້ໃຊ້.

ນີ້ຫມາຍຄວາມວ່າແນວໃດສໍາລັບຜູ້ສະຫນັບສະຫນູນໂຄງການ? ໂດຍພື້ນຖານແລ້ວ, ຜູ້ສະຫນັບສະຫນູນທໍາອິດແບ່ງປັນຫຼາຍກ່ວາຄ່າໃຊ້ຈ່າຍໃນການລົງທຶນ. ນີ້ແມ່ນຕົ້ນຕໍເພາະວ່າພວກມັນເປັນແຮງກະຕຸ້ນສໍາລັບການກໍ່ຕັ້ງຊັ້ນສະພາບແວດລ້ອມທາງດ້ານເຕັກໂນໂລຢີແລະຊັບພະຍາກອນຢ່າງກວ້າງຂວາງຂອງສາງ, ລວມທັງອິນຊີ.

ແຕ່ຂັ້ນຕອນທໍາອິດເຫຼົ່ານີ້ມີມູນຄ່າສູງສຸດແລະດັ່ງນັ້ນຜູ້ວາງແຜນໂຄງການມັກຈະມີເຫດຜົນກ່ຽວກັບການລົງທຶນ.
ໂຄງການທີ່ເຮັດຫຼັງຈາກການລິເລີ່ມ BI ຂອງທ່ານອາດຈະຕ່ໍາກວ່າ (ເມື່ອທຽບໃສ່ກັບຄັ້ງທໍາອິດ) ແລະຄ່າໃຊ້ຈ່າຍໂດຍກົງ, ແຕ່ນໍາເອົາມູນຄ່າຫນ້ອຍລົງໃຫ້ກັບວິສາຫະກິດ.

ແລະເຈົ້າຂອງອົງການຈັດຕັ້ງຈໍາເປັນຕ້ອງເລີ່ມຕົ້ນພິຈາລະນາຖິ້ມການກໍ່ສ້າງ ຂໍ້ມູນ ແລະເຕັກໂນໂລຢີທີ່ກ່ຽວຂ້ອງຫນ້ອຍ.

ການຂຸດຄົ້ນຂໍ້ມູນ: ການຂຸດຄົ້ນ ຄໍາຊີ້ແຈງສິດ

ອົງປະກອບສະຖາປັດຕະຍະກໍາຈໍານວນຫຼາຍຮຽກຮ້ອງໃຫ້ມີການປ່ຽນແປງຂອງເຕັກໂນໂລຢີແລະເຕັກນິກການຂຸດຄົ້ນຂໍ້ມູນ -
ສໍາລັບການຍົກຕົວຢ່າງ, ທີ່ແຕກຕ່າງກັນ "ຕົວແທນ" ສໍາລັບການກວດສອບຈຸດມີຄວາມສົນໃຈຂອງ ລູກຄ້າ, ລະບົບປະຕິບັດການຂອງບໍລິສັດແລະສໍາລັບ dw ດຽວກັນ. ຕົວແທນເຫຼົ່ານີ້ສາມາດເປັນເຄືອຂ່າຍ neural ກ້າວຫນ້າທາງດ້ານການຝຶກອົບຮົມກ່ຽວກັບທ່າອ່ຽງຂອງຫມໍ້, ເຊັ່ນຄວາມຕ້ອງການຜະລິດຕະພັນໃນອະນາຄົດໂດຍອີງໃສ່ການສົ່ງເສີມການຂາຍ; ເຄື່ອງຈັກທີ່ອີງໃສ່ກົດລະບຽບສໍາລັບ reacting ກັບຊຸດ dato ຂອງສະຖານະການ, ສໍາລັບການຍົກຕົວຢ່າງ, ການວິນິດໄສທາງການແພດແລະຄໍາແນະນໍາການປິ່ນປົວ; ຫຼືແມ້ກະທັ້ງຕົວແທນທີ່ງ່າຍດາຍທີ່ມີບົດບາດໃນການລາຍງານຂໍ້ຍົກເວັ້ນຕໍ່ຜູ້ບໍລິຫານສູງສຸດ. ໂດຍທົ່ວໄປຂະບວນການສະກັດເອົາເຫຼົ່ານີ້ ຂໍ້ມູນ si

ກວດ​ສອບ​ໃນ​ເວ​ລາ​ທີ່​ແທ້​ຈິງ​; ດັ່ງນັ້ນ, ເຂົາເຈົ້າຕ້ອງໄດ້ຮັບການສາມັກຄີຢ່າງສົມບູນກັບການເຄື່ອນໄຫວຂອງ ຂໍ້ມູນ ເຊສຊີ.

ການປະມວນຜົນການວິເຄາະອອນໄລນ໌

ການວິເຄາະອອນໄລນ໌

ຄວາມສາມາດໃນການຕັດ, dice, ມ້ວນ, ເຈາະລົງແລະປະຕິບັດການວິເຄາະ
what-if, ແມ່ນຢູ່ໃນຂອບເຂດ, ຂອບເຂດຂອງຊຸດເຕັກໂນໂລຢີ IBM. ສໍາລັບຕົວຢ່າງ, ຫນ້າທີ່ປະມວນຜົນການວິເຄາະອອນໄລນ໌ (OLAP) ມີຢູ່ສໍາລັບ DB2 ເຊິ່ງນໍາເອົາການວິເຄາະມິຕິເຂົ້າໄປໃນເຄື່ອງຈັກຂອງເຄື່ອງຈັກ. ຖານຂໍ້ມູນ ດຽວກັນ.

ຟັງຊັນເພີ່ມຜົນປະໂຫຍດທາງດ້ານມິຕິໃຫ້ກັບ SQL ໃນຂະນະທີ່ເກັບກ່ຽວຜົນປະໂຫຍດທັງຫມົດຂອງການເປັນສ່ວນຫນຶ່ງຂອງ DB2. ຕົວຢ່າງອື່ນຂອງການເຊື່ອມໂຍງ OLAP ແມ່ນເຄື່ອງມືສະກັດ, DB2 OLAP Analyzer Server. ເຕັກ​ໂນ​ໂລ​ຊີ​ນີ້​ອະ​ນຸ​ຍາດ​ໃຫ້ DB2 OLAP cubes Server ໄດ້​ຢ່າງ​ວ່ອງ​ໄວ​ແລະ​ອັດ​ຕະ​ໂນ​ມັດ​ສະ​ແກນ​ເພື່ອ​ຊອກ​ຫາ​ແລະ​ລາຍ​ງານ​ກ່ຽວ​ກັບ​ຄຸນ​ຄ່າ​ຂອງ ຂໍ້ມູນ ຜິດປົກກະຕິຫຼືບໍ່ໄດ້ຄາດຫວັງສໍາລັບ cube ໃດໆກັບນັກວິເຄາະການຊື້ຂາຍ. ແລະສຸດທ້າຍ, ຫນ້າທີ່ DW Center ສະຫນອງວິທີການສໍາລັບສະຖາປະນິກໃນການກວດສອບ, ໃນບັນດາສິ່ງອື່ນໆ, ໂປຣໄຟລ໌ຂອງເຄື່ອງແມ່ຂ່າຍ cube DB2 OLAP ເປັນສ່ວນທໍາມະຊາດຂອງຂະບວນການ ETL.

Spatial Analysis ການວິເຄາະທາງກວ້າງຂອງພື້ນ

ຊ່ອງສະແດງເຖິງເຄິ່ງຫນຶ່ງຂອງສະມໍການວິເຄາະ (ການນໍາ) ທີ່ຈໍາເປັນສໍາລັບພາໂນຣາມາ
ການວິເຄາະຢ່າງກວ້າງຂວາງ (ເວລາເປັນຕົວແທນອີກເຄິ່ງຫນຶ່ງ). ລະດັບປະລໍາມະນູຂອງສາງ, ເປັນຕົວແທນໃນຮູບ 1.1, ປະກອບມີພື້ນຖານສໍາລັບທັງເວລາແລະອາວະກາດ. ເວລາສະແຕມສະມໍການວິເຄາະໂດຍທີ່ໃຊ້ເວລາແລະທີ່ຢູ່ຂໍ້ມູນສະມໍການວິເຄາະໂດຍຊ່ອງ. Timestamps ດໍາເນີນການວິເຄາະຕາມເວລາ, ແລະຂໍ້ມູນທີ່ຢູ່ເຮັດການວິເຄາະໂດຍຊ່ອງ. ແຜນວາດສະແດງໃຫ້ເຫັນ geocoding - ຂະບວນການປ່ຽນທີ່ຢູ່ໄປຫາຈຸດໃນແຜນທີ່ຫຼືຈຸດໃນອາວະກາດເພື່ອໃຫ້ແນວຄວາມຄິດເຊັ່ນ: ໄລຍະຫ່າງແລະພາຍໃນ / ພາຍນອກສາມາດຖືກນໍາໃຊ້ໃນການວິເຄາະ - ດໍາເນີນການໃນລະດັບປະລໍາມະນູແລະການວິເຄາະທາງກວ້າງຂອງພື້ນທີ່ໄດ້ຖືກເຮັດໃຫ້ນັກວິເຄາະ. IBM ສະຫນອງການຂະຫຍາຍພື້ນທີ່, ພັດທະນາກັບສະຖາບັນຄົ້ນຄວ້າລະບົບສິ່ງແວດລ້ອມ (ESRI), al ຖານຂໍ້ມູນ DB2 ເພື່ອໃຫ້ວັດຖຸທາງກວ້າງຂອງພື້ນທີ່ສາມາດຮັກສາໄວ້ເປັນສ່ວນປົກກະຕິຂອງ ຖານຂໍ້ມູນ ຄວາມສຳພັນ. db2

Spatial Extenders, ຍັງສະຫນອງການຂະຫຍາຍ SQL ທັງຫມົດເພື່ອໃຊ້ປະໂຫຍດຈາກການວິເຄາະທາງກວ້າງຂອງພື້ນ. ຕົວຢ່າງ, ການຂະຫຍາຍ SQL ທີ່ຈະສອບຖາມກ່ຽວກັບ
ໄລ​ຍະ​ຫ່າງ​ລະ​ຫວ່າງ​ທີ່​ຢູ່​ຫຼື​ວ່າ​ຈຸດ​ຢູ່​ພາຍ​ໃນ​ຫຼື​ນອກ​ພື້ນ​ທີ່ polygonal ກໍາ​ນົດ​, ແມ່ນ​ມາດ​ຕະ​ຖານ​ການ​ວິ​ເຄາະ​ທີ່​ມີ Spatial Extender​. ເບິ່ງບົດທີ 16 ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມ.

ຖານຂໍ້ມູນ-Resident Tools ເຄື່ອງ​ມື​ ຖານຂໍ້ມູນ- ທີ່ຢູ່ອາໄສ

DB2 ມີຄຸນສົມບັດ SQL BI-resident ຫຼາຍອັນທີ່ຊ່ວຍໃນການປະຕິບັດການແຍກວິເຄາະ. ເຫຼົ່ານີ້ລວມມີ:

• ຟັງຊັນ Recursion ເພື່ອປະຕິບັດການວິເຄາະ, ເຊັ່ນ: "ຊອກຫາເສັ້ນທາງການບິນທີ່ເປັນໄປໄດ້ທັງຫມົດຈາກ San Francisco a ເມືອງ​ນິວ​ຢອກ".
• ຟັງຊັນການວິເຄາະສໍາລັບການຈັດອັນດັບ, ການສະສົມ, cube ແລະຟັງຊັນມ້ວນເພື່ອອໍານວຍຄວາມສະດວກໃນວຽກງານທີ່ປົກກະຕິພຽງແຕ່ເກີດຂຶ້ນກັບເຕັກໂນໂລຊີ OLAP, ໃນປັດຈຸບັນແມ່ນພາກສ່ວນທໍາມະຊາດຂອງເຄື່ອງຈັກໃນການ. ຖານຂໍ້ມູນ
• ຄວາມສາມາດໃນການສ້າງຕາຕະລາງທີ່ມີຜົນໄດ້ຮັບ
  ຜູ້ຂາຍຂອງ ຖານຂໍ້ມູນ ຜູ້​ນໍາ​ປະ​ສົມ​ຄຸນ​ນະ​ສົມ​ບັດ BI ຫຼາຍ​ໃນ​ ຖານຂໍ້ມູນ ສະເຕໂຊ.
  ຜູ້ສະຫນອງຕົ້ນຕໍຂອງ ຖານ​ຂໍ້​ມູນ​ ພວກເຂົາເຈົ້າກໍາລັງປະສົມເພີ່ມເຕີມຂອງລັກສະນະ BI ໃນ ຖານຂໍ້ມູນ ສະເຕໂຊ.
  ນີ້ສະຫນອງການປະຕິບັດທີ່ດີກວ່າແລະທາງເລືອກການປະຕິບັດຫຼາຍສໍາລັບການແກ້ໄຂ BI.
  ຄຸນນະສົມບັດແລະຫນ້າທີ່ຂອງ DB2 V8 ໄດ້ຖືກປຶກສາຫາລືຢ່າງລະອຽດໃນບົດຕໍ່ໄປນີ້:
  ສະຖາປັດຕະຍະກຳດ້ານວິຊາການ ແລະພື້ນຖານການຄຸ້ມຄອງຂໍ້ມູນ (ບົດທີ 5)

• ພື້ນຖານ DB2 BI (ບົດທີ 6)
• DB2 ຕາຕະລາງການສອບຖາມທີ່ເປັນວັດຖຸ (ບົດທີ 7)
• ຟັງຊັນ DB2 OLAP (ບົດທີ 13)
• DB2 ປັບປຸງຄຸນສົມບັດ ແລະຟັງຊັນ BI (ບົດທີ 15) ລະບົບການຈັດສົ່ງຂໍ້ມູນແບບງ່າຍດາຍ ລະບົບການຈັດສົ່ງຂອງ ຂໍ້ມູນ ງ່າຍດາຍ

ສະຖາປັດຕະຍະກໍາທີ່ສະແດງຢູ່ໃນຮູບ 1.1 ປະກອບມີໂຄງສ້າງຈໍານວນຫລາຍ ຂໍ້ມູນ ທາງດ້ານຮ່າງກາຍ. ຫນຶ່ງແມ່ນສາງຂອງ ຂໍ້ມູນ ປະຕິບັດການ. ໂດຍທົ່ວໄປແລ້ວ, ODS ແມ່ນຈຸດປະສົງ, ປະສົມປະສານ ແລະປະຈຸບັນ. ທ່ານຈະສ້າງ ODS ເພື່ອສະຫນັບສະຫນູນ, ສໍາລັບການຍົກຕົວຢ່າງ, ຫ້ອງການຂາຍ. ການຂາຍ ODS ຈະເສີມ ຂໍ້ມູນ ຈາກຫຼາຍລະບົບທີ່ແຕກຕ່າງກັນແຕ່ພຽງແຕ່ຈະຮັກສາ, ສໍາລັບການຍົກຕົວຢ່າງ, ທຸລະກໍາໃນມື້ນີ້. ODS ຍັງສາມາດປັບປຸງໄດ້ຫຼາຍຄັ້ງຕໍ່ມື້. ໃນເວລາດຽວກັນ, ຂະບວນການຊຸກຍູ້ i ຂໍ້ມູນ ປະສົມປະສານເຂົ້າໃນຄໍາຮ້ອງສະຫມັກອື່ນໆ. ໂຄງສ້າງນີ້ໄດ້ຖືກອອກແບບໂດຍສະເພາະເພື່ອປະສົມປະສານ ຂໍ້ມູນ ປະຈຸບັນ ແລະແບບເຄື່ອນໄຫວ ແລະອາດຈະເປັນຜູ້ສະຫມັກທີ່ຈະສະຫນັບສະຫນູນການວິເຄາະໃນເວລາທີ່ແທ້ຈິງ, ເຊັ່ນການສະຫນອງຕົວແທນການບໍລິການ ລູກຄ້າ ຂໍ້ມູນການຂາຍໃນປະຈຸບັນຂອງລູກຄ້າໂດຍການສະກັດຂໍ້ມູນແນວໂນ້ມການຂາຍຈາກສິນຄ້າຄົງຄັງຕົວມັນເອງ. ໂຄງສ້າງອື່ນທີ່ສະແດງຢູ່ໃນຮູບ 1.1 ແມ່ນສະຖານະທີ່ເປັນທາງການສໍາລັບ dw. ບໍ່ພຽງແຕ່ນີ້ແມ່ນສະຖານທີ່ສໍາລັບການປະຕິບັດການເຊື່ອມໂຍງທີ່ຈໍາເປັນ, ຄຸນນະພາບຂອງ ຂໍ້ມູນ, ແລະ​ການ​ຫັນ​ເປັນ​ຂອງ​ ຂໍ້ມູນ ຂອງສາງຂາເຂົ້າ, ແຕ່ຍັງເປັນພື້ນທີ່ເກັບຮັກສາທີ່ເຊື່ອຖືໄດ້ແລະຊົ່ວຄາວສໍາລັບ ຂໍ້ມູນ replicates ທີ່ສາມາດນໍາໃຊ້ໃນການວິເຄາະໃນເວລາທີ່ແທ້ຈິງ. ຖ້າທ່ານຕັດສິນໃຈໃຊ້ ODS ຫຼືພື້ນທີ່ຂັ້ນຕອນ, ຫນຶ່ງໃນເຄື່ອງມືທີ່ດີທີ່ສຸດທີ່ຈະສ້າງໂຄງສ້າງເຫຼົ່ານີ້ ຂໍ້ມູນ ການ​ນໍາ​ໃຊ້​ແຫຼ່ງ​ປະ​ຕິ​ບັດ​ການ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​ແມ່ນ​ການ​ສອບ​ຖາມ​ການ​ແຈກ​ຢາຍ heterogeneous ຂອງ DB2​. ຄວາມສາມາດນີ້ຖືກຈັດສົ່ງໂດຍຄຸນສົມບັດ DB2 ທາງເລືອກທີ່ເອີ້ນວ່າ DB2 Relational Connect (ສອບຖາມເທົ່ານັ້ນ) ແລະຜ່ານ DB2 DataJoiner (ຜະລິດຕະພັນແຍກຕ່າງຫາກທີ່ສະຫນອງການສອບຖາມ, ໃສ່, ປັບປຸງ, ແລະລຶບຄວາມສາມາດຂອງ RDBMSs ທີ່ແຈກຢາຍ heterogeneous).

ເຕັກໂນໂລຊີນີ້ອະນຸຍາດໃຫ້ສະຖາປະນິກ ຂໍ້ມູນ ຜູກ ຂໍ້ມູນ ການຜະລິດດ້ວຍຂະບວນການວິເຄາະ. ບໍ່ພຽງແຕ່ເຕັກໂນໂລຊີສາມາດປັບຕົວເຂົ້າກັບເກືອບທຸກຄວາມຕ້ອງການ replication ທີ່ອາດຈະເກີດຂຶ້ນກັບການວິເຄາະໃນເວລາທີ່ແທ້ຈິງ, ແຕ່ມັນຍັງສາມາດເຊື່ອມຕໍ່ກັບຄວາມຫລາກຫລາຍຂອງ. ຂໍ້ມູນ ທີ່ນິຍົມຫຼາຍທີ່ສຸດ, ລວມທັງ DB2, Oracle, Sybase, SQL Server, Informix ແລະອື່ນໆ. DB2 DataJoiner ສາມາດໃຊ້ເພື່ອປະກອບໂຄງສ້າງ ຂໍ້ມູນ ຢ່າງເປັນທາງການເຊັ່ນ ODS ຫຼືແມ້ກະທັ້ງຕາຕະລາງຖາວອນທີ່ເປັນຕົວແທນຢູ່ໃນສາງທີ່ຖືກອອກແບບມາສໍາລັບການຟື້ນຕົວຢ່າງໄວວາຂອງການປັບປຸງທັນທີຫຼືສໍາລັບການຂາຍ. ແນ່ນອນ, ໂຄງສ້າງເຫຼົ່ານີ້ເອງ ຂໍ້ມູນ ສາ​ມາດ​ປະ​ຊາ​ຊົນ​ໂດຍ​ນໍາ​ໃຊ້​

ເຕັກໂນໂລຊີທີ່ສໍາຄັນອີກອັນຫນຶ່ງທີ່ຖືກອອກແບບສໍາລັບການຈໍາລອງຂອງ ຂໍ້ມູນ, IBM DataPropagator Relational. (DataPropagator ແມ່ນຜະລິດຕະພັນແຍກຕ່າງຫາກສໍາລັບລະບົບສູນກາງ. DB2 UNIX, Linux, Windows, ແລະ OS/2 ປະກອບມີການບໍລິການຈໍາລອງຂອງ ຂໍ້ມູນ ເປັນລັກສະນະມາດຕະຖານ).
ວິທີການອື່ນສໍາລັບການຍ້າຍ ຂໍ້ມູນ ປະຕິບັດການໃນທົ່ວວິສາຫະກິດແມ່ນຕົວປະກອບຄໍາຮ້ອງສະຫມັກວິສາຫະກິດທີ່ຮູ້ຈັກຖ້າບໍ່ດັ່ງນັ້ນເປັນນາຍຫນ້າຂໍ້ຄວາມ. ຂໍ້ມູນ ອ້ອມຮອບບໍລິສັດ. IBM ມີນາຍຫນ້າຂໍ້ຄວາມທີ່ໃຊ້ກັນຢ່າງກວ້າງຂວາງທີ່ສຸດ, MQSeries, ຫຼືການປ່ຽນແປງຂອງຜະລິດຕະພັນທີ່ປະກອບມີຂໍ້ກໍານົດສໍາລັບ e-commerce, IBM WebSphere MQ.
ສໍາລັບການສົນທະນາເພີ່ມເຕີມກ່ຽວກັບວິທີການ leverage MQ ເພື່ອສະຫນັບສະຫນູນສາງແລະສະພາບແວດລ້ອມ BI, ໄປຢ້ຽມຢາມ ເວັບໄຊທ໌ ຂອງປຶ້ມ. ສໍາລັບໃນປັດຈຸບັນ, ມັນພຽງພໍທີ່ຈະເວົ້າວ່າເທກໂນໂລຍີນີ້ແມ່ນວິທີການທີ່ດີເລີດທີ່ຈະເກັບກໍາແລະຫັນປ່ຽນ (ໃຊ້ MQSeries Integrator) ຂໍ້ມູນ ການປະຕິບັດເປົ້າຫມາຍທີ່ໄດ້ຮັບການທົດແທນສໍາລັບການແກ້ໄຂ BI. ເທກໂນໂລຍີ MQ ໄດ້ຖືກປະສົມປະສານແລະຖືກຫຸ້ມຫໍ່ຢູ່ໃນ UDB V8, ຊຶ່ງຫມາຍຄວາມວ່າແຖວຂໍ້ຄວາມສາມາດຈັດການໄດ້ຄືກັບວ່າພວກເຂົາເປັນຕາຕະລາງ DB2. ແນວຄວາມຄິດຂອງການເຊື່ອມແຖວຂໍ້ຄວາມແລະຈັກກະວານຂອງ ຖານຂໍ້ມູນ ການພົວພັນໂດຍກົງໄປສູ່ສະພາບແວດລ້ອມທີ່ມີປະສິດທິພາບຂອງການຈັດສົ່ງ ຂໍ້ມູນ.

Zero-Latency Zero latency

ເປົ້າຫມາຍຍຸດທະສາດສຸດທ້າຍສໍາລັບ IBM ແມ່ນການວິເຄາະສູນ - latency. ດັ່ງທີ່ກໍານົດໂດຍ
Gartner, ລະບົບ BI ຈະຕ້ອງສາມາດ infer, ingest, ແລະສະຫນອງຂໍ້ມູນສໍາລັບນັກວິເຄາະກ່ຽວກັບຄວາມຕ້ອງການ. ສິ່ງທ້າທາຍ, ແນ່ນອນ, ແມ່ນວິທີການປະສົມ ຂໍ້ມູນ ປະຈຸບັນແລະເວລາຈິງກັບຂໍ້ມູນປະຫວັດສາດທີ່ຈໍາເປັນ, ເຊັ່ນ: i ຂໍ້ມູນ ແນວໂນ້ມ/ຮູບແບບທີ່ກ່ຽວຂ້ອງ, ຫຼືຄວາມເຂົ້າໃຈທີ່ສະກັດອອກມາ, ເຊັ່ນ: ການສ້າງໂປຣໄຟລ໌ຂອງລູກຄ້າ.

ຂໍ້ມູນດັ່ງກ່າວປະກອບມີ, ສໍາລັບການຍົກຕົວຢ່າງ, ການກໍານົດຂອງ ລູກຄ້າ ຄວາມສ່ຽງສູງຫຼືຕ່ໍາຫຼືຜະລິດຕະພັນໃດ i ລູກຄ້າ ສ່ວນຫຼາຍເຂົາເຈົ້າຈະຊື້ຖ້າເຂົາເຈົ້າມີເນີຍແຂງຢູ່ໃນກະຕ່າຊື້ເຄື່ອງ.

ຕົວຈິງແລ້ວການໄດ້ຮັບສູນ latency ແມ່ນຂຶ້ນກັບສອງກົນໄກພື້ນຖານ:

• ສະຫະພັນສົມບູນຂອງ ຂໍ້ມູນ ເຊິ່ງໄດ້ຖືກວິເຄາະດ້ວຍເຕັກນິກການສ້າງຕັ້ງຂຶ້ນແລະດ້ວຍເຄື່ອງມືທີ່ສ້າງຂຶ້ນໂດຍ BI
• ລະບົບການຈັດສົ່ງຂອງ ຂໍ້ມູນ ປະສິດທິພາບເພື່ອຮັບປະກັນວ່າການວິເຄາະໃນເວລາທີ່ແທ້ຈິງແມ່ນມີຢູ່ຢ່າງແທ້ຈິງ ເງື່ອນໄຂເບື້ອງຕົ້ນເຫຼົ່ານີ້ສໍາລັບສູນ latency ແມ່ນບໍ່ແຕກຕ່າງຈາກສອງເປົ້າຫມາຍທີ່ IBM ສ້າງຕັ້ງຂຶ້ນແລະອະທິບາຍຂ້າງເທິງ. ການ coupling ແຫນ້ນຂອງ ຂໍ້ມູນ ມັນເປັນສ່ວນຫນຶ່ງຂອງໂຄງການການເຊື່ອມໂຍງ seamless ຂອງ IBM. ແລະສ້າງລະບົບການຈັດສົ່ງຂອງ ຂໍ້ມູນ ປະສິດທິພາບແມ່ນຂຶ້ນກັບເຕັກໂນໂລຢີທີ່ມີຢູ່ເຊິ່ງເຮັດໃຫ້ຂະບວນການຈັດສົ່ງງ່າຍຂຶ້ນ ຂໍ້ມູນ. ດັ່ງນັ້ນ, ສອງໃນສາມເປົ້າຫມາຍຂອງ IBM ແມ່ນສໍາຄັນຕໍ່ການບັນລຸເປົ້າຫມາຍທີສາມ. IBM ກໍາລັງພັດທະນາເທກໂນໂລຍີຂອງຕົນຢ່າງມີສະຕິເພື່ອຮັບປະກັນວ່າບໍ່ມີ latency ເປັນຄວາມຈິງສໍາລັບຄວາມພະຍາຍາມໃນຄັງສິນຄ້າ. ບົດສະຫຼຸບ / ສັງລວມ ອົງການ BI ຂອງທ່ານໃຫ້ແຜນທີ່ເສັ້ນທາງໃນການສ້າງສະພາບແວດລ້ອມຂອງທ່ານ
  ຊ້ຳໆ. ມັນຕ້ອງໄດ້ຮັບການປັບຕົວເພື່ອສະທ້ອນຄວາມຕ້ອງການຂອງທຸລະກິດຂອງທ່ານ, ທັງໃນປະຈຸບັນແລະອະນາຄົດ. ໂດຍບໍ່ມີວິໄສທັດສະຖາປັດຕະຍະກໍາທີ່ກວ້າງຂວາງ, ການເຮັດສາງສິນຄ້າແມ່ນຫນ້ອຍກວ່າການປະຕິບັດທີ່ຫນ້າພໍໃຈຂອງສາງສູນກາງທີ່ເຮັດພຽງເລັກນ້ອຍເພື່ອສ້າງວິສາຫະກິດຂະຫນາດໃຫຍ່ທີ່ມີຂໍ້ມູນ. ອຸປະສັກທໍາອິດສໍາລັບຜູ້ນໍາໂຄງການແມ່ນວິທີການພຽງແຕ່ການລົງທຶນທີ່ຈໍາເປັນເພື່ອການຂະຫຍາຍຕົວອົງການຈັດຕັ້ງ BI. ໃນຂະນະທີ່ການຄິດໄລ່ ROI ຍັງຄົງເປັນຈຸດສໍາຄັນຂອງຜົນສໍາເລັດຂອງສິນຄ້າຄົງຄັງ, ມັນກໍ່ກາຍເປັນການຍາກທີ່ຈະຄາດຄະເນແນ່ນອນ. ນີ້ໄດ້ເຮັດໃຫ້ວິທີການອື່ນໆສໍາລັບການກໍານົດວ່າທ່ານກໍາລັງໄດ້ຮັບມູນຄ່າເງິນຂອງທ່ານ. ຕົວຢ່າງ, ມູນຄ່າການລົງທຶນ 2 (VOI), ແມ່ນຈັດຊື້ເປັນການແກ້ໄຂ. ມັນຂຶ້ນກັບສະຖາປະນິກຂອງ ຂໍ້ມູນ ແລະຜູ້ວາງແຜນໂຄງການໂດຍເຈດຕະນາສ້າງແລະສະຫນອງຂໍ້ມູນໃຫ້ແກ່ສະມາຄົມຜູ້ໃຊ້ແລະບໍ່ພຽງແຕ່ໃຫ້ບໍລິການກ່ຽວກັບ ຂໍ້ມູນ. ມີຄວາມແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍລະຫວ່າງສອງ. ຂໍ້ມູນແມ່ນບາງສິ່ງບາງຢ່າງທີ່ເຮັດໃຫ້ຄວາມແຕກຕ່າງໃນການຕັດສິນໃຈແລະປະສິດທິຜົນ; ຂ້ອນຂ້າງ, i ຂໍ້ມູນ ພວກເຂົາເຈົ້າກໍາລັງສ້າງຕັນເພື່ອເອົາຂໍ້ມູນນັ້ນ.

ເຖິງແມ່ນວ່າການວິພາກວິຈານຂອງແຫຼ່ງ ຂໍ້ມູນ ເພື່ອແກ້ໄຂຄວາມຕ້ອງການຂອງທຸລະກິດ, ສະພາບແວດລ້ອມ BI ຄວນຮັບໃຊ້ບົດບາດຫຼາຍກວ່າເກົ່າໃນການສ້າງເນື້ອຫາຂໍ້ມູນ. ພວກເຮົາຕ້ອງໃຊ້ຂັ້ນຕອນເພີ່ມເຕີມເພື່ອເຮັດຄວາມສະອາດ, ປະສົມປະສານ, ຫັນປ່ຽນ, ຫຼືສ້າງເນື້ອຫາຂໍ້ມູນທີ່ຜູ້ໃຊ້ສາມາດປະຕິບັດໄດ້, ແລະຫຼັງຈາກນັ້ນພວກເຮົາຕ້ອງຮັບປະກັນວ່າການກະທໍາແລະການຕັດສິນໃຈເຫຼົ່ານັ້ນ, ບ່ອນທີ່ສົມເຫດສົມຜົນ, ສະທ້ອນໃຫ້ເຫັນໃນສະພາບແວດລ້ອມ BI. ຖ້າພວກເຮົາ relegate ສາງເພື່ອໃຫ້ບໍລິການພຽງແຕ່ກ່ຽວກັບ ຂໍ້ມູນ, ຫມັ້ນໃຈໄດ້ວ່າສະມາຄົມຜູ້ໃຊ້ຈະສ້າງເນື້ອຫາຂໍ້ມູນທີ່ຈໍາເປັນເພື່ອປະຕິບັດ. ສິ່ງ​ດັ່ງກ່າວ​ຮັບປະກັນ​ວ່າ​ປະຊາ​ຄົມ​ຂອງ​ເຂົາ​ເຈົ້າ​ຈະ​ສາມາດ​ຕັດສິນ​ໃຈ​ໄດ້​ດີກ​ວ່າ​ເກົ່າ, ​ແຕ່​ວິ​ສາ​ຫະກິດ​ປະສົບ​ກັບ​ຄວາມ​ຂາດ​ເຂີນ​ທີ່​ເຂົາ​ເຈົ້າ​ໄດ້​ນຳ​ໃຊ້. ຂໍ້ມູນ ວ່າສະຖາປະນິກແລະຜູ້ວາງແຜນໂຄງການລິເລີ່ມໂຄງການສະເພາະໃນສະພາບແວດລ້ອມ BI, ພວກເຂົາຍັງຄົງຮັບຜິດຊອບຕໍ່ວິສາຫະກິດທັງຫມົດ. ຕົວຢ່າງທີ່ງ່າຍດາຍຂອງລັກສະນະສອງດ້ານຂອງ BI iterations ແມ່ນພົບເຫັນຢູ່ໃນແຫຼ່ງ ຂໍ້ມູນ. ທັງໝົດ ຂໍ້ມູນ ທີ່ໄດ້ຮັບສໍາລັບການຮ້ອງຂໍການຄ້າສະເພາະຕ້ອງໄດ້ຮັບການ populated ໃນຊັ້ນປະລໍາມະນູທໍາອິດ. ນີ້ຮັບປະກັນການພັດທະນາຊັບສິນຂໍ້ມູນວິສາຫະກິດ, ເຊັ່ນດຽວກັນກັບການຄຸ້ມຄອງ, ແກ້ໄຂຄໍາຮ້ອງຂໍຂອງຜູ້ໃຊ້ສະເພາະທີ່ກໍານົດໄວ້ໃນ iteration ໄດ້.

ຄັງເກັບຂໍ້ມູນແມ່ນຫຍັງ?

ສາງຂໍ້ມູນ ເປັນຫົວໃຈຂອງສະຖາປັດຕະຍະກໍາລະບົບຂໍ້ມູນຂ່າວສານຕັ້ງແຕ່ປີ 1990 ແລະສະຫນັບສະຫນູນຂະບວນການຂໍ້ມູນຂ່າວສານໂດຍການສະເຫນີເວທີປະສົມປະສານທີ່ເຂັ້ມແຂງຂອງ ຂໍ້ມູນ ປະ​ຫວັດ​ສາດ​ໄດ້​ຖື​ເປັນ​ພື້ນ​ຖານ​ສໍາ​ລັບ​ການ​ວິ​ເຄາະ​ຕໍ່​ໄປ​. THE data warehouse ພວກເຂົາເຈົ້າສະເຫນີຄວາມງ່າຍໃນການເຊື່ອມໂຍງເຂົ້າໄປໃນໂລກຂອງລະບົບຄໍາຮ້ອງສະຫມັກທີ່ບໍ່ເຂົ້າກັນໄດ້. ສາງຂໍ້ມູນ ມັນໄດ້ພັດທະນາກາຍເປັນ fad ໄດ້. ສາງຂໍ້ມູນ ຈັດຕັ້ງແລະຈື່ຈໍາ i ຂໍ້ມູນ ມີຄວາມຈໍາເປັນສໍາລັບຂໍ້ມູນແລະຂະບວນການວິເຄາະບົນພື້ນຖານຂອງທັດສະນະທາງປະຫວັດສາດທີ່ຍາວນານ. ທັງ​ຫມົດ​ນີ້​ກ່ຽວ​ຂ້ອງ​ກັບ​ຄວາມ​ພະ​ຍາ​ຍາມ​ພິ​ເສດ​ແລະ​ຄົງ​ທີ່​ໃນ​ການ​ກໍ່​ສ້າງ​ແລະ​ບໍາ​ລຸງ​ຮັກ​ສາ​ຂອງ​ data warehouse.

ດັ່ງນັ້ນສິ່ງທີ່ເປັນ data warehouse? ກ data warehouse ແລະ:

• ▪ ວິຊາສະເພາະ
• ▪ ລະບົບປະສົມປະສານ
• ▪ ການປ່ຽນແປງເວລາ
• ▪ ບໍ່ລະເຫີຍ (ບໍ່ຍົກເລີກ)

ການເກັບກໍາຂອງ ຂໍ້ມູນ ໃຊ້ເພື່ອສະຫນັບສະຫນູນການຕັດສິນໃຈຂອງຜູ້ຈັດການໃນການປະຕິບັດຂະບວນການ.
I ຂໍ້ມູນ ແຊກເຂົ້າ data warehouse ພວກເຂົາເຈົ້າໄດ້ມາຈາກກໍລະນີຫຼາຍທີ່ສຸດຈາກສະພາບແວດລ້ອມການດໍາເນີນງານ. ໄດ້ data warehouse ມັນຖືກສ້າງຂຶ້ນຈາກຫນ່ວຍເກັບຂໍ້ມູນ, ແຍກອອກຈາກສ່ວນທີ່ເຫຼືອຂອງລະບົບ, ເຊິ່ງມັນປະກອບດ້ວຍ ຂໍ້ມູນ ກ່ອນຫນ້ານີ້ໄດ້ຫັນປ່ຽນໂດຍຄໍາຮ້ອງສະຫມັກທີ່ດໍາເນີນການກ່ຽວກັບຂໍ້ມູນທີ່ມາຈາກສະພາບແວດລ້ອມການດໍາເນີນງານ.

ຄໍານິຍາມຕົວຫນັງສືຂອງ a data warehouse ມັນສົມຄວນໄດ້ຮັບຄໍາອະທິບາຍຢ່າງລະອຽດເນື່ອງຈາກວ່າມີແຮງຈູງໃຈທີ່ສໍາຄັນແລະຄວາມຫມາຍພື້ນຖານທີ່ອະທິບາຍລັກສະນະຂອງສາງ.

ທິດທາງຂອງຫົວຂໍ້ THEMATIC

ລັກສະນະທໍາອິດຂອງ ກ data warehouse ແມ່ນ​ວ່າ​ມັນ​ແມ່ນ​ຮັດ​ກຸມ​ໄປ​ສູ່​ວິ​ຊາ​ທີ່​ສໍາ​ຄັນ​ຂອງ​ບໍ​ລິ​ສັດ​. ຄູ່ມືຂອງຂະບວນການໂດຍຜ່ານ ຂໍ້ມູນ ມັນກົງກັນຂ້າມກັບວິທີການຄລາສສິກຫຼາຍທີ່ສະຫນອງການປະຖົມນິເທດຂອງຄໍາຮ້ອງສະຫມັກໄປສູ່ຂະບວນການແລະຫນ້າທີ່, ວິທີການທີ່ຖືກແບ່ງປັນໂດຍສ່ວນໃຫຍ່ຂອງລະບົບການຄຸ້ມຄອງຫນ້ອຍທີ່ສຸດ.

ໂລກປະຕິບັດງານໄດ້ຖືກອອກແບບປະມານຄໍາຮ້ອງສະຫມັກແລະຫນ້າທີ່ເຊັ່ນ: ເງິນກູ້, ເງິນຝາກປະຢັດ, ບັດທະນາຄານແລະຄວາມໄວ້ວາງໃຈສໍາລັບສະຖາບັນການເງິນ. ໂລກຂອງ dw ໄດ້ຖືກຈັດຕັ້ງປະມານຫົວຂໍ້ຕົ້ນຕໍເຊັ່ນ: ລູກຄ້າ, ຜູ້ຂາຍ, ຜະລິດຕະພັນແລະກິດຈະກໍາ. ການຈັດຕໍາແຫນ່ງປະມານຫົວຂໍ້ຜົນກະທົບຕໍ່ການອອກແບບແລະການປະຕິບັດຂອງ ຂໍ້ມູນ ພົບເຫັນຢູ່ໃນ dw ໄດ້. ສິ່ງທີ່ສໍາຄັນທີ່ສຸດ, ຫົວຂໍ້ຕົ້ນຕໍມີຜົນກະທົບຕໍ່ສ່ວນທີ່ສໍາຄັນທີ່ສຸດຂອງໂຄງສ້າງທີ່ສໍາຄັນ.

ໂລກຂອງຄໍາຮ້ອງສະຫມັກແມ່ນມີອິດທິພົນໂດຍທັງການອອກແບບຖານຂໍ້ມູນແລະການອອກແບບຂະບວນການ. ໂລກຂອງ dw ແມ່ນສຸມໃສ່ການສ້າງແບບຈໍາລອງວິດີໂອເທົ່ານັ້ນ ຂໍ້ມູນ ແລະ​ການ​ອອກ​ແບບ​ຂອງ​ ຖານຂໍ້ມູນ. ການອອກແບບຂະບວນການ (ໃນຮູບແບບຄລາສສິກຂອງມັນ) ບໍ່ແມ່ນສ່ວນຫນຶ່ງຂອງສະພາບແວດລ້ອມ dw.

ຄວາມແຕກຕ່າງລະຫວ່າງທາງເລືອກຂອງຂະບວນການ / ການປະຕິບັດຫນ້າທີ່ແລະທາງເລືອກຂອງຫົວຂໍ້ຍັງຖືກເປີດເຜີຍເປັນຄວາມແຕກຕ່າງໃນເນື້ອຫາຂອງ ຂໍ້ມູນ ໃນ​ລະ​ດັບ​ລະ​ອຽດ​. THE ຂໍ້ມູນ del dw ບໍ່ລວມເອົາ i ຂໍ້ມູນ ເຊິ່ງຈະບໍ່ຖືກໃຊ້ເພື່ອປະມວນຜົນ DSS ໃນຂະນະທີ່ແອັບພລິເຄຊັນ

ຮັດກຸມປະຕິບັດ ຂໍ້ມູນ ມີ i ຂໍ້ມູນ ເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການດ້ານການທໍາງານ / ການປຸງແຕ່ງທັນທີທີ່ອາດມີຫຼືບໍ່ມີການນໍາໃຊ້ສໍາລັບນັກວິເຄາະ DSS.
ອີກວິທີຫນຶ່ງທີ່ສໍາຄັນທີ່ຄໍາຮ້ອງສະຫມັກປະຕິບັດການຮັດກຸມສໍາລັບ ຂໍ້ມູນ ແຕກຕ່າງຈາກ ຂໍ້ມູນ ຂອງ dw ແມ່ນຢູ່ໃນບົດລາຍງານຂອງ ຂໍ້ມູນ. ຂ້າພະເຈົ້າ ຂໍ້ມູນ ຜູ້ປະກອບການຮັກສາຄວາມສໍາພັນຢ່າງຕໍ່ເນື່ອງລະຫວ່າງສອງຕາຕະລາງຫຼືຫຼາຍກວ່ານັ້ນໂດຍອີງໃສ່ກົດລະບຽບທຸລະກິດທີ່ມີການເຄື່ອນໄຫວ. THE ຂໍ້ມູນ ຂອງ dw span a spectrum ຂອງເວລາແລະບົດລາຍງານທີ່ພົບເຫັນຢູ່ໃນ dw ມີຫຼາຍ. ກົດລະບຽບການຄ້າຈໍານວນຫຼາຍ (ແລະທີ່ສອດຄ້ອງກັນ, ບົດລາຍງານຈໍານວນຫຼາຍຂອງ ຂໍ້ມູນ ) ແມ່ນເປັນຕົວແທນຢູ່ໃນຫຼັກຊັບຂອງ ຂໍ້ມູນ ລະຫວ່າງສອງຫຼືຫຼາຍກວ່າຕາຕະລາງ.

(ສໍາ​ລັບ​ການ​ອະ​ທິ​ບາຍ​ລະ​ອຽດ​ຂອງ​ວິ​ທີ​ການ​ພົວ​ພັນ​ລະ​ຫວ່າງ​ ຂໍ້ມູນ ຖືກຄຸ້ມຄອງຢູ່ໃນ DW, ກະລຸນາເບິ່ງຫົວຂໍ້ເຕັກໂນໂລຢີກ່ຽວກັບເລື່ອງນັ້ນ.)
ຈາກທັດສະນະອື່ນທີ່ບໍ່ແມ່ນຄວາມແຕກຕ່າງກັນພື້ນຖານລະຫວ່າງທາງເລືອກຄໍາຮ້ອງສະຫມັກທີ່ເປັນປະໂຫຍດ / ຂະບວນການແລະທາງເລືອກວິຊາ, ມີຄວາມແຕກຕ່າງທີ່ສໍາຄັນລະຫວ່າງລະບົບປະຕິບັດການແລະ ຂໍ້ມູນ ແລະ DW.

ການເຊື່ອມໂຍງການເຊື່ອມໂຍງ

ລັກສະນະທີ່ສໍາຄັນທີ່ສຸດຂອງສະພາບແວດລ້ອມ dw ແມ່ນວ່າ i ຂໍ້ມູນ ພົບເຫັນຢູ່ໃນ dw ແມ່ນປະສົມປະສານໄດ້ຢ່າງງ່າຍດາຍ. ສະເໝີ. ໂດຍບໍ່ມີຂໍ້ຍົກເວັ້ນ. ໂດຍເນື້ອແທ້ແລ້ວຂອງສະພາບແວດລ້ອມ dw ແມ່ນວ່າ i ຂໍ້ມູນ ບັນຈຸຢູ່ໃນຂອບເຂດຈໍາກັດຂອງສາງແມ່ນປະສົມປະສານ.

ການປະສົມປະສານສະແດງໃຫ້ເຫັນຕົວຂອງມັນເອງໃນຫຼາຍວິທີທີ່ແຕກຕ່າງກັນ - ໃນສົນທິສັນຍາທີ່ສອດຄ່ອງກັນ, ໃນການວັດແທກຕົວແປທີ່ສອດຄ່ອງ, ໃນໂຄງສ້າງລະຫັດທີ່ສອດຄ່ອງ, ໃນຄຸນລັກສະນະທາງກາຍະພາບຂອງ. ຂໍ້ມູນ ສອດຄ່ອງ, ແລະອື່ນໆ.

ໃນຊຸມປີມໍ່ໆມານີ້, ຜູ້ອອກແບບຄໍາຮ້ອງສະຫມັກທີ່ແຕກຕ່າງກັນໄດ້ຕັດສິນໃຈຫຼາຍຢ່າງກ່ຽວກັບວິທີການພັດທະນາແອັບພລິເຄຊັນ. ຮູບແບບແລະການຕັດສິນໃຈອອກແບບສ່ວນບຸກຄົນຂອງຄໍາຮ້ອງສະຫມັກຂອງຜູ້ອອກແບບໄດ້ຖືກເປີດເຜີຍໃນຫຼາຍຮ້ອຍວິທີ: ໃນຄວາມແຕກຕ່າງຂອງລະຫັດ, ໂຄງສ້າງທີ່ສໍາຄັນ, ລັກສະນະທາງດ້ານຮ່າງກາຍ, ສົນທິສັນຍາການກໍານົດ, ແລະອື່ນໆ. ຄວາມສາມາດລວມຂອງຜູ້ອອກແບບຄໍາຮ້ອງສະຫມັກຈໍານວນຫຼາຍເພື່ອສ້າງຄໍາຮ້ອງສະຫມັກທີ່ບໍ່ສອດຄ່ອງແມ່ນ legendary. ຮູບທີ 3 ສະແດງຄວາມແຕກຕ່າງທີ່ ສຳ ຄັນທີ່ສຸດໃນວິທີການອອກແບບແອັບພລິເຄຊັນ.

ການເຂົ້າລະຫັດ: ເຂົ້າລະຫັດ:

ຜູ້ອອກແບບແອັບພລິເຄຊັນໄດ້ເລືອກລະຫັດພາກສະຫນາມ - ເພດ - ໃນຫຼາຍວິທີ. ຜູ້ອອກແບບເປັນຕົວແທນເພດເປັນ "m" ແລະ "f". ຜູ້ອອກແບບອີກຄົນໜຶ່ງສະແດງເຖິງເພດເປັນ "1" ແລະ "0". ຜູ້ອອກແບບອື່ນແທນເພດເປັນ "x" ແລະ "y." ຜູ້ອອກແບບອີກຄົນຫນຶ່ງເປັນຕົວແທນຂອງເພດເປັນ "ຜູ້ຊາຍ" ແລະ "ຍິງ". ມັນບໍ່ສໍາຄັນແທ້ໆວ່າເພດໃດເຂົ້າໄປໃນ DW. "M" ແລະ "F" ອາດຈະດີເທົ່າກັບຕົວແທນໃດໆ.

ສິ່ງທີ່ສໍາຄັນແມ່ນວ່າແຫຼ່ງເພດໃດກໍ່ຕາມມາຈາກ, ພາກສະຫນາມນັ້ນມາຮອດ DW ໃນສະພາບປະສົມປະສານທີ່ສອດຄ່ອງ. ດັ່ງນັ້ນເມື່ອພາກສະຫນາມຖືກໂຫລດເຂົ້າໄປໃນ DW ຈາກແອັບພລິເຄຊັນທີ່ມັນຖືກສະແດງຢູ່ພາຍນອກໃນຮູບແບບ "M" ແລະ "F", ຂໍ້ມູນ ຕ້ອງຖືກປ່ຽນເປັນຮູບແບບ DW.

ການວັດແທກຄຸນລັກສະນະ: ການວັດແທກຂອງ ຄຸນ​ລັກ​ສະ​ນະ:

ຜູ້ອອກແບບຄໍາຮ້ອງສະຫມັກໄດ້ເລືອກທີ່ຈະວັດແທກທໍ່ໃນຫຼາຍວິທີໃນໄລຍະປີ. ຮ້ານອອກແບບ i ຂໍ້ມູນ ຂອງທໍ່ສົ່ງໃນຊັງຕີແມັດ. ຜູ້ອອກແບບແອັບພລິເຄຊັນອື່ນເກັບຮັກສາໄວ້ ຂໍ້ມູນ ຂອງທໍ່ໃນແງ່ຂອງນິ້ວ. ຜູ້ອອກແບບແອັບພລິເຄຊັນອື່ນເກັບຮັກສາໄວ້ ຂໍ້ມູນ ຂອງທໍ່ສົ່ງໃນລ້ານລູກບາດຟຸດຕໍ່ວິນາທີ. ແລະຜູ້ອອກແບບອື່ນເກັບຮັກສາຂໍ້ມູນທໍ່ໃນແງ່ຂອງເດີ່ນ. ບໍ່ວ່າແຫຼ່ງໃດກໍ່ຕາມ, ເມື່ອຂໍ້ມູນທໍ່ມາຮອດ DW ມັນຕ້ອງໄດ້ຮັບການວັດແທກໃນລັກສະນະດຽວກັນ.

ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບທີ 3, ບັນຫາການເຊື່ອມໂຍງມີຜົນກະທົບເກືອບທຸກດ້ານຂອງໂຄງການ - ລັກສະນະທາງດ້ານຮ່າງກາຍຂອງ ຂໍ້ມູນ, dilemma ຂອງການມີຫຼາຍກວ່າຫນຶ່ງແຫຼ່ງຂອງ ຂໍ້ມູນ, ບັນຫາຂອງຕົວຢ່າງທີ່ບໍ່ສອດຄ່ອງ, ຮູບແບບຂອງ ຂໍ້ມູນ ບໍ່ສອດຄ່ອງ, ແລະອື່ນໆ.

ບໍ່ວ່າການໂຕ້ຖຽງການອອກແບບໃດກໍ່ຕາມ, ຜົນໄດ້ຮັບແມ່ນຄືກັນ - i ຂໍ້ມູນ ຕ້ອງໄດ້ຮັບການເກັບຮັກສາໄວ້ໃນ DW ໃນລັກສະນະທີ່ເປັນເອກະລັກແລະເປັນທີ່ຍອມຮັບໃນທົ່ວໂລກເຖິງແມ່ນວ່າໃນເວລາທີ່ລະບົບປະຕິບັດການພື້ນຖານເກັບຮັກສາ i ຂໍ້ມູນ.

ເມື່ອນັກວິເຄາະ DSS ເບິ່ງ DW, ຈຸດສຸມຂອງນັກວິເຄາະຄວນຈະເປັນການຂຸດຄົ້ນ ຂໍ້ມູນ ເຊິ່ງຢູ່ໃນສາງ,

ແທນທີ່ຈະສົງໄສກ່ຽວກັບຄວາມຫນ້າເຊື່ອຖືຫຼືຄວາມສອດຄ່ອງຂອງ ຂໍ້ມູນ.

TIME VARIANCY

ທັງ ໝົດ i ຂໍ້ມູນ ໃນ DW ພວກເຂົາຖືກຕ້ອງກັບບາງເວລາ. ນີ້​ຄຸນ​ນະ​ສົມ​ບັດ​ພື້ນ​ຖານ​ຂອງ​ ຂໍ້ມູນ ໃນ DW ແມ່ນແຕກຕ່າງກັນຫຼາຍຈາກ ຂໍ້ມູນ ພົບເຫັນຢູ່ໃນສະພາບແວດລ້ອມການດໍາເນີນງານ. THE ຂໍ້ມູນ ຂອງສະພາບແວດລ້ອມການດໍາເນີນງານແມ່ນຖືກຕ້ອງເທົ່າກັບໃນເວລາທີ່ເຂົ້າເຖິງ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ໃນສະພາບແວດລ້ອມການດໍາເນີນງານເມື່ອຫນ່ວຍງານຖືກເຂົ້າເຖິງ ຂໍ້ມູນ, ມັນຄາດວ່າຈະສະທ້ອນເຖິງມູນຄ່າທີ່ຖືກຕ້ອງຕາມເວລາທີ່ເຂົ້າເຖິງ. ເປັນຫຍັງຂ້ອຍ ຂໍ້ມູນ ໃນ DW ແມ່ນຖືກຕ້ອງຕາມເວລາໃດຫນຶ່ງ (i.e. ບໍ່ແມ່ນ "ໃນປັດຈຸບັນ"), i ຂໍ້ມູນ ພົບເຫັນຢູ່ໃນ DW ແມ່ນ "ການປ່ຽນແປງເວລາ".
ຄວາມ​ແຕກ​ຕ່າງ​ທີ່​ໃຊ້​ເວ​ລາ​ຂອງ​ ຂໍ້ມູນ ໂດຍ DW ຖືກກ່າວເຖິງໃນຫຼາຍວິທີ.
ວິທີທີ່ງ່າຍທີ່ສຸດແມ່ນວ່າ i ຂໍ້ມູນ ຕົວແທນຂອງ DW ຂໍ້ມູນ ໃນຂອບເຂດເວລາດົນນານ - ຫ້າຫາສິບປີ. ຂອບ​ເຂດ​ທີ່​ໃຊ້​ເວ​ລາ​ສະ​ແດງ​ໃຫ້​ເຫັນ​ສໍາ​ລັບ​ສະ​ພາບ​ແວດ​ລ້ອມ​ການ​ປະ​ຕິ​ບັດ​ແມ່ນ​ສັ້ນ​ກວ່າ​ຄ່າ​ປັດ​ຈຸ​ບັນ​ຫຼາຍ​ເຖິງ​ຫົກ​ສິບ​ເກົ້າ
ຄໍາຮ້ອງສະຫມັກທີ່ຕ້ອງການເຮັດວຽກໄດ້ດີແລະຈໍາເປັນຕ້ອງມີສໍາລັບການປະມວນຜົນທຸລະກໍາຈໍາເປັນຕ້ອງໄດ້ນໍາເອົາຈໍານວນຕໍາ່ສຸດທີ່ຂອງ ຂໍ້ມູນ ຖ້າພວກເຂົາອະນຸຍາດໃຫ້ມີຄວາມຍືດຫຍຸ່ນໃນລະດັບໃດຫນຶ່ງ. ດັ່ງນັ້ນຄໍາຮ້ອງສະຫມັກປະຕິບັດງານມີຂອບເຂດທີ່ໃຊ້ເວລາສັ້ນ, ເຊັ່ນ: ຫົວຂໍ້ການອອກແບບຄໍາຮ້ອງສະຫມັກສຽງ.
ວິທີທີສອງ 'ການປ່ຽນແປງເວລາ' ປາກົດຢູ່ໃນ DW ແມ່ນຢູ່ໃນໂຄງສ້າງທີ່ສໍາຄັນ. ແຕ່ລະໂຄງສ້າງທີ່ສໍາຄັນໃນ DW ປະກອບດ້ວຍອົງປະກອບເວລາ, ໂດຍ implicitly ຫຼືຢ່າງຊັດເຈນ, ເຊັ່ນມື້, ອາທິດ, ເດືອນ, ແລະອື່ນໆ. ອົງປະກອບເວລາແມ່ນເກືອບສະເຫມີຢູ່ທາງລຸ່ມຂອງກຸນແຈ concatenated ທີ່ພົບເຫັນຢູ່ໃນ DW. ໃນໂອກາດເຫຼົ່ານີ້, ອົງປະກອບເວລາຈະມີຢູ່ໃນ implicitly, ເຊັ່ນກໍລະນີທີ່ໄຟລ໌ທັງຫມົດຖືກຊ້ໍາກັນໃນຕອນທ້າຍຂອງເດືອນຫຼືໄຕມາດ.
ວິທີທີ່ສາມຄວາມແຕກຕ່າງຂອງເວລາຖືກສະແດງແມ່ນວ່າ i ຂໍ້ມູນ ຂອງ DW, ພຽງແຕ່ລົງທະບຽນຢ່າງຖືກຕ້ອງ, ບໍ່ສາມາດປັບປຸງໄດ້. THE ຂໍ້ມູນ ຂອງ DW ແມ່ນ, ສໍາລັບຈຸດປະສົງປະຕິບັດທັງຫມົດ, ເປັນຊຸດຍາວຂອງ snapshots. ແນ່ນອນ, ຖ້າພາບຖ່າຍບໍ່ຖືກຕ້ອງ, ຮູບຖ່າຍສາມາດຖືກແກ້ໄຂໄດ້. ແຕ່ສົມມຸດວ່າພາບຖ່າຍຖືກຖ່າຍຢ່າງຖືກຕ້ອງ, ພວກມັນຈະບໍ່ປ່ຽນແປງທັນທີທີ່ພວກມັນຖືກຖ່າຍ. ໃນບາງ

ກໍລະນີມັນອາດຈະບໍ່ມີຈັນຍາບັນ ຫຼືແມ້ກະທັ້ງບໍ່ຖືກຕ້ອງທີ່ຮູບຖ່າຍໃນ DW ໄດ້ຖືກດັດແກ້. THE ຂໍ້ມູນ ການດໍາເນີນງານ, ຖືກຕ້ອງຕາມເວລາທີ່ເຂົ້າເຖິງ, ສາມາດປັບປຸງໄດ້ຕາມຄວາມຕ້ອງການທີ່ເກີດຂື້ນ.

ບໍ່ລະຄາຍເຄືອງ

ຄຸນ​ນະ​ສົມ​ບັດ​ທີ່​ສໍາ​ຄັນ​ທີ​ສີ່​ຂອງ DW ແມ່ນ​ວ່າ​ມັນ​ບໍ່​ແມ່ນ​ການ​ລະ​ເຫີຍ​.
ການປັບປຸງ, ການໃສ່, ການລຶບແລະການປ່ຽນແປງແມ່ນເຮັດເປັນປົກກະຕິກັບສະພາບແວດລ້ອມການດໍາເນີນງານບົນພື້ນຖານການບັນທຶກໂດຍການບັນທຶກ. ແຕ່ການຫມູນໃຊ້ພື້ນຖານຂອງ ຂໍ້ມູນ ທີ່ຈໍາເປັນໃນ DW ແມ່ນງ່າຍຂຶ້ນຫຼາຍ. ມີພຽງແຕ່ສອງປະເພດຂອງການດໍາເນີນງານທີ່ເກີດຂື້ນໃນ DW - ການໂຫຼດເບື້ອງຕົ້ນຂອງ ຂໍ້ມູນ ແລະການເຂົ້າເຖິງ ຂໍ້ມູນ. ບໍ່ມີການປັບປຸງຂອງ ຂໍ້ມູນ (ໃນຄວາມຮູ້ສຶກທົ່ວໄປຂອງການປັບປຸງ) ໃນ DW ເປັນການດໍາເນີນງານການປຸງແຕ່ງປົກກະຕິ. ມີບາງຜົນສະທ້ອນທີ່ມີອໍານາດຫຼາຍຂອງຄວາມແຕກຕ່າງພື້ນຖານນີ້ລະຫວ່າງການປຸງແຕ່ງການດໍາເນີນງານແລະການປຸງແຕ່ງ DW. ໃນລະດັບການອອກແບບ, ຄວາມຕ້ອງການທີ່ຈະລະມັດລະວັງກ່ຽວກັບການອັບເດດ crash ບໍ່ແມ່ນປັດໄຈໃນ DW, ນັບຕັ້ງແຕ່ການປັບປຸງຂອງ. ຂໍ້ມູນ ມັນບໍ່ໄດ້ຖືກປະຕິບັດ. ນີ້ຫມາຍຄວາມວ່າໃນລະດັບທາງດ້ານຮ່າງກາຍຂອງການອອກແບບ, ເສລີພາບສາມາດຖືກປະຕິບັດເພື່ອເພີ່ມປະສິດທິພາບການເຂົ້າເຖິງ ຂໍ້ມູນ, ໂດຍສະເພາະໃນການຈັດການກັບຫົວຂໍ້ຂອງການປົກກະຕິແລະການຜິດປົກກະຕິທາງດ້ານຮ່າງກາຍ. ຜົນສະທ້ອນອີກອັນຫນຶ່ງຂອງຄວາມງ່າຍດາຍຂອງການດໍາເນີນງານຂອງ DW ແມ່ນຢູ່ໃນເຕັກໂນໂລຢີພື້ນຖານທີ່ໃຊ້ເພື່ອດໍາເນີນການສະພາບແວດລ້ອມ DW. ຕ້ອງໄດ້ຮັບການສະຫນັບສະຫນູນການປັບປຸງການບັນທຶກໂດຍການບັນທຶກອອນໄລນ໌ (ເຊັ່ນດຽວກັບກໍລະນີຂອງການປະມວນຜົນການດໍາເນີນງານ) ຮຽກຮ້ອງໃຫ້ມີເຕັກໂນໂລຢີທີ່ມີພື້ນຖານທີ່ສັບສົນຫຼາຍພາຍໃຕ້ຄວາມງ່າຍດາຍທີ່ປາກົດຂື້ນ.
ເຕັກໂນໂລຊີທີ່ສະຫນັບສະຫນູນການສໍາຮອງຂໍ້ມູນແລະການຟື້ນຕົວ, ການເຮັດທຸລະກໍາ, ແລະຄວາມສົມບູນຂອງຂໍ້ມູນ ຂໍ້ມູນ ແລະການກວດຫາການປິດກັ້ນ ແລະການແກ້ໄຂແມ່ນຂ້ອນຂ້າງສັບສົນແລະບໍ່ຈໍາເປັນສໍາລັບການປຸງແຕ່ງ DW. ຄຸນ​ລັກ​ສະ​ນະ​ຂອງ DW​, ທິດ​ທາງ​ການ​ອອກ​ແບບ​, ການ​ເຊື່ອມ​ໂຍງ​ຂອງ​ ຂໍ້ມູນ ພາຍ​ໃນ DW​, ຄວາມ​ແຕກ​ຕ່າງ​ຂອງ​ເວ​ລາ​ແລະ​ຄວາມ​ງ່າຍ​ຂອງ​ການ​ຄຸ້ມ​ຄອງ​ຂອງ​ ຂໍ້ມູນ, ມັນທັງຫມົດນໍາໄປສູ່ສະພາບແວດລ້ອມທີ່ມີຄວາມແຕກຕ່າງກັນຫຼາຍຈາກສະພາບແວດລ້ອມການດໍາເນີນງານຄລາສສິກ. ແຫຼ່ງຂອງເກືອບທັງຫມົດ ຂໍ້ມູນ ຂອງ DW ແມ່ນສະພາບແວດລ້ອມການດໍາເນີນງານ. ມັນເປັນການລໍ້ລວງທີ່ຈະຄິດວ່າມີການຊ້ໍາຊ້ອນອັນໃຫຍ່ຫຼວງຂອງ ຂໍ້ມູນ ລະຫວ່າງສອງສະພາບແວດລ້ອມ.
ແທ້ຈິງແລ້ວ, ຄວາມປະທັບໃຈທໍາອິດທີ່ຫຼາຍຄົນມີແມ່ນຄວາມຊໍ້າຊ້ອນທີ່ຍິ່ງໃຫຍ່ ຂໍ້ມູນ ລະຫວ່າງສະພາບແວດລ້ອມການດໍາເນີນງານແລະສະພາບແວດລ້ອມຂອງ

ການຂະຫຍາຍ DW. ການຕີຄວາມໝາຍດັ່ງກ່າວເປັນເລື່ອງທີ່ຫຼູຫຼາ ແລະສະແດງໃຫ້ເຫັນເຖິງການຂາດຄວາມເຂົ້າໃຈກ່ຽວກັບສິ່ງທີ່ເກີດຂຶ້ນໃນ DW.
ແທ້ຈິງແລ້ວ, ມີການຊໍ້າຊ້ອນຢ່າງຫນ້ອຍ ຂໍ້ມູນ ລະຫວ່າງສະພາບແວດລ້ອມການດໍາເນີນງານແລະ i ຂໍ້ມູນ ຂອງ DW. ພິຈາລະນາຕໍ່ໄປນີ້: I ຂໍ້ມູນ ພວກເຂົາຖືກກັ່ນຕອງ dato ທີ່ທ່ານປ່ຽນຈາກສະພາບແວດລ້ອມປະຕິບັດງານໄປສູ່ສະພາບແວດລ້ອມ DW. ຫຼາຍ ຂໍ້ມູນ ພວກເຂົາບໍ່ເຄີຍອອກໄປນອກສະພາບແວດລ້ອມຂອງການປະຕິບັດງານ. ພຽງແຕ່ວ່າ i ຂໍ້ມູນ ທີ່ຕ້ອງການສໍາລັບການປຸງແຕ່ງ DSS ຊອກຫາທິດທາງຂອງພວກເຂົາໃນສະພາບແວດລ້ອມ

▪ ຂອບເຂດເວລາຂອງ ຂໍ້ມູນ ມັນແຕກຕ່າງກັນຫຼາຍຈາກສະພາບແວດລ້ອມຫນຶ່ງໄປອີກ. THE ຂໍ້ມູນ ໃນສະພາບແວດລ້ອມການດໍາເນີນງານພວກເຂົາເຈົ້າແມ່ນສົດຫຼາຍ. THE ຂໍ້ມູນ ໃນ DW ເຂົາເຈົ້າມີອາຍຸຫຼາຍ. ພຽງແຕ່ຈາກທັດສະນະຂອງຂອບເຂດເວລາ, ມີການທັບຊ້ອນກັນຫນ້ອຍຫຼາຍລະຫວ່າງສະພາບແວດລ້ອມການດໍາເນີນງານແລະ DW.

▪ DW ປະກອບດ້ວຍ ຂໍ້ມູນ ສະຫຼຸບທີ່ບໍ່ເຄີຍຢູ່ໃນສະພາບແວດລ້ອມ

▪ ຂ້າພະເຈົ້າ ຂໍ້ມູນ undergo ການຫັນເປັນພື້ນຖານຍ້ອນວ່າເຂົາເຈົ້າຫັນໄປສູ່ຮູບທີ່ 3 ສະແດງໃຫ້ເຫັນຫຼາຍທີ່ສຸດຂອງ ຂໍ້ມູນ ໄດ້ຖືກດັດແກ້ຢ່າງຫຼວງຫຼາຍໂດຍພວກເຂົາຖືກເລືອກແລະຍ້າຍໄປ DW. ເອົາວິທີອື່ນ, ສ່ວນຫຼາຍແມ່ນ ຂໍ້ມູນ ມັນມີການປ່ຽນແປງທາງດ້ານຮ່າງກາຍແລະຮາກຍ້ອນວ່າມັນຖືກຍ້າຍໄປຢູ່ໃນ DW. ຈາກທັດສະນະຂອງການເຊື່ອມໂຍງພວກເຂົາບໍ່ຄືກັນ ຂໍ້ມູນ ອາໄສຢູ່ໃນສະພາບແວດລ້ອມການດໍາເນີນງານ. ເນື່ອງຈາກປັດໃຈເຫຼົ່ານີ້, ຄວາມຊໍ້າຊ້ອນຂອງ ຂໍ້ມູນ ລະຫວ່າງ​ສອງ​ສິ່ງ​ແວດ​ລ້ອມ​ແມ່ນ​ເຫດການ​ທີ່​ຫາ​ຍາກ, ​ເຮັດ​ໃຫ້​ມີ​ການ​ຊ້ຳ​ຊ້ອນ​ໜ້ອຍ​ກວ່າ 1% ລະຫວ່າງ​ສອງ​ສິ່ງ​ແວດ​ລ້ອມ. ໂຄງສ້າງຂອງສາງ DWs ມີໂຄງສ້າງທີ່ແຕກຕ່າງກັນ. ມີຫຼາຍລະດັບຂອງບົດສະຫຼຸບ ແລະລາຍລະອຽດທີ່ກໍານົດ DWs.
ອົງປະກອບຕ່າງໆຂອງ DW ແມ່ນ:

• Metadata
• ຄໍາຊີ້ແຈງສິດ ລາຍ​ລະ​ອຽດ​ໃນ​ປັດ​ຈຸ​ບັນ​
• ຄໍາຊີ້ແຈງສິດ ຂອງ​ລາຍ​ລະ​ອຽດ​ເກົ່າ​
• ຄໍາຊີ້ແຈງສິດ ສະຫຼຸບເລັກນ້ອຍ
• ຄໍາຊີ້ແຈງສິດ ສະຫຼຸບສູງ

ມາຮອດປະຈຸ, ຄວາມກັງວົນຕົ້ນຕໍແມ່ນສໍາລັບ i ຂໍ້ມູນ ລາຍ​ລະ​ອຽດ​ໃນ​ປັດ​ຈຸ​ບັນ​. ມັນເປັນຄວາມກັງວົນຕົ້ນຕໍເພາະວ່າ:

• I ຂໍ້ມູນ ລາຍລະອຽດໃນປະຈຸບັນສະທ້ອນໃຫ້ເຫັນເຫດການທີ່ຜ່ານມາຫຼາຍທີ່ສຸດ, ເຊິ່ງສະເຫມີມີຄວາມສົນໃຈຫຼາຍແລະ
• i ຂໍ້ມູນ ຂໍ້​ມູນ​ລາຍ​ລະ​ອຽດ​ໃນ​ປະ​ຈຸ​ບັນ​ແມ່ນ voluminous ເນື່ອງ​ຈາກ​ວ່າ​ມັນ​ໄດ້​ຖືກ​ເກັບ​ຮັກ​ສາ​ໄວ້​ໃນ​ລະ​ດັບ​ຕ​່​ໍ​າ​ຂອງ granularity ແລະ​
• i ຂໍ້ມູນ ລາຍລະອຽດໃນປະຈຸບັນເກືອບສະເຫມີຖືກເກັບໄວ້ໃນຫນ່ວຍຄວາມຈໍາຂອງແຜ່ນ, ເຊິ່ງໄວໃນການເຂົ້າເຖິງ, ແຕ່ລາຄາແພງແລະສັບສົນຈາກ I ຂໍ້ມູນ ລາຍລະອຽດແມ່ນເກົ່າກວ່າ ຂໍ້ມູນ ເຊິ່ງຖືກເກັບໄວ້ໃນຄວາມຊົງຈໍາບາງຢ່າງ ມະຫາຊົນ. ມັນ​ໄດ້​ຖືກ​ເຂົ້າ​ເຖິງ​ເປັນ​ປະ​ຫວ່າງ​ແລະ​ເກັບ​ຮັກ​ສາ​ໄວ້​ໃນ​ລະ​ດັບ​ຂອງ​ລາຍ​ລະ​ອຽດ​ທີ່​ເຫມາະ​ສົມ​ກັບ​ ຂໍ້ມູນ ລາຍ​ລະ​ອຽດ​ໃນ​ປັດ​ຈຸ​ບັນ​. ໃນ​ຂະ​ນະ​ທີ່​ມັນ​ບໍ່​ໄດ້​ບັງ​ຄັບ​ໃຫ້​ເກັບ​ກ່ຽວ​ກັບ​ຂະ​ຫນາດ​ກາງ​ການ​ເກັບ​ຮັກ​ສາ​ທາງ​ເລືອກ, ເນື່ອງ​ຈາກ​ປະ​ລິ​ມານ​ຂະ​ຫນາດ​ໃຫຍ່​ຂອງ ຂໍ້ມູນ ສະ​ຫະ​ປະ​ຊາ​ກັບ​ການ​ເຂົ້າ​ເຖິງ​ເປັນ​ປະ​ຈໍາ​ຂອງ​ ຂໍ້ມູນ, ຂະຫນາດກາງການເກັບຮັກສາສໍາລັບ ຂໍ້ມູນ ລາຍລະອຽດທີ່ເກົ່າກວ່າແມ່ນບໍ່ຖືກເກັບໄວ້ໃນແຜ່ນ. THE ຂໍ້ມູນ ສະຫຼຸບເບົາໆພວກເຂົາແມ່ນ ຂໍ້ມູນ ເຊິ່ງໄດ້ຖືກກັ່ນຈາກລະດັບຕໍ່າຂອງລາຍລະອຽດໄປຫາລະດັບລາຍລະອຽດໃນປະຈຸບັນ. ລະດັບຂອງ DW ນີ້ເກືອບສະເຫມີຖືກເກັບໄວ້ໃນຫນ່ວຍຄວາມຈໍາຂອງແຜ່ນ. ບັນຫາຂອງການອອກແບບທີ່ນໍາສະເຫນີດ້ວຍຕົນເອງກັບສະຖາປະນິກຂອງ ຂໍ້ມູນ ໃນການກໍ່ສ້າງລະດັບຂອງ DW ນີ້ແມ່ນ:

• ຫົວໜ່ວຍເວລາໃດເປັນການສະຫຼຸບທີ່ເຮັດຂ້າງເທິງ
• ເນື້ອຫາແມ່ນຫຍັງ, ຄຸນລັກສະນະຈະສະຫຼຸບເລັກນ້ອຍຂອງເນື້ອຫາ ຂໍ້ມູນ ລະດັບຕໍ່ໄປຂອງ ຂໍ້ມູນ ພົບເຫັນຢູ່ໃນ DW ແມ່ນຂອງ ຂໍ້ມູນ ສະຫຼຸບສູງ. THE ຂໍ້ມູນ ສະຫຼຸບສູງແມ່ນຫນາແຫນ້ນແລະສາມາດເຂົ້າເຖິງໄດ້ງ່າຍ. THE ຂໍ້ມູນ ສະຫຼຸບໄດ້ສູງແມ່ນບາງຄັ້ງພົບເຫັນຢູ່ໃນສະພາບແວດລ້ອມ DW ແລະກໍລະນີອື່ນໆ i ຂໍ້ມູນ ບໍ່ມີຕົວຕົນສູງແມ່ນພົບເຫັນຢູ່ນອກຝາທັນທີທັນໃດຂອງເຕັກໂນໂລຢີທີ່ເປັນເຈົ້າພາບ DW. (ໃນກໍລະນີໃດກໍ່ຕາມ, i ຂໍ້ມູນ ສະຫຼຸບສູງແມ່ນສ່ວນຫນຶ່ງຂອງ DW ໂດຍບໍ່ຄໍານຶງເຖິງບ່ອນທີ່ i ຂໍ້ມູນ ຢູ່ໃນເຮືອນ). ອົງປະກອບສຸດທ້າຍຂອງ DW ແມ່ນອົງປະກອບ metadata. ໃນຫຼາຍໆດ້ານ metadata ຢູ່ໃນມິຕິທີ່ແຕກຕ່າງຈາກຄົນອື່ນ ຂໍ້ມູນ ຂອງ DW, ເພາະວ່າ metadata ບໍ່ມີຂໍ້ມູນໃດໆ dato ເອົາໂດຍກົງຈາກສະພາບແວດລ້ອມການດໍາເນີນງານ. Metadata ມີບົດບາດພິເສດແລະສໍາຄັນຫຼາຍໃນ DW. Metadata ຖືກນໍາໃຊ້ເປັນ:

• ໄດເລກະທໍລີເພື່ອຊ່ວຍນັກວິເຄາະ DSS ຊອກຫາເນື້ອຫາຂອງ DW,
• ຄູ່ມືກ່ຽວກັບແຜນທີ່ ຂໍ້ມູນ ຂອງວິທີການຂ້າພະເຈົ້າ ຂໍ້ມູນ ໄດ້ຖືກປ່ຽນຈາກສະພາບແວດລ້ອມການດໍາເນີນງານໄປສູ່ສະພາບແວດລ້ອມ DW,
• ຄູ່ມືກ່ຽວກັບສູດການຄິດໄລ່ທີ່ໃຊ້ສໍາລັບການສະຫຼຸບລະຫວ່າງ i ຂໍ້ມູນ ລາຍລະອຽດໃນປະຈຸບັນ ei ຂໍ້ມູນ ສະຫຼຸບເລັກນ້ອຍ, i ຂໍ້ມູນ ສະຫຼຸບໄດ້ສູງ, Metadata ມີບົດບາດຫຼາຍໃນສະພາບແວດລ້ອມ DW ຫຼາຍກ່ວາມັນເຄີຍເຮັດໃນສະພາບແວດລ້ອມການດໍາເນີນງານ. ສື່ການເກັບຮັກສາລາຍລະອຽດເກົ່າ ເທບແມ່ເຫຼັກສາມາດໃຊ້ເພື່ອເກັບຮັກສາປະເພດນັ້ນ ຂໍ້ມູນ. ແທ້ຈິງແລ້ວ, ມີສື່ການເກັບຮັກສາທີ່ຫລາກຫລາຍທີ່ຄວນພິຈາລະນາສໍາລັບການເກັບຮັກສາເກົ່າ ຂໍ້ມູນ ຂອງລາຍລະອຽດ. ຂຶ້ນຢູ່ກັບປະລິມານຂອງ ຂໍ້ມູນ, ຄວາມຖີ່ຂອງການເຂົ້າເຖິງ, ຄ່າໃຊ້ຈ່າຍຂອງເຄື່ອງມືແລະປະເພດຂອງການເຂົ້າເຖິງ, ມັນເປັນໄປໄດ້ທັງຫມົດວ່າເຄື່ອງມືອື່ນໆຈະຕ້ອງການລາຍລະອຽດຂອງລະດັບເກົ່າໃນ DW. ການໄຫຼເຂົ້າຂອງຂໍ້ມູນ ມີການໄຫຼວຽນປົກກະຕິແລະຄາດເດົາໄດ້ ຂໍ້ມູນ ພາຍໃນ DW.
  I ຂໍ້ມູນ ພວກເຂົາເຂົ້າໄປໃນ DW ຈາກສະພາບແວດລ້ອມການດໍາເນີນງານ. (ຫມາຍເຫດ: ມີບາງຂໍ້ຍົກເວັ້ນທີ່ຫນ້າສົນໃຈຫຼາຍຕໍ່ກົດລະບຽບນີ້. ຢ່າງໃດກໍຕາມ, ເກືອບທັງຫມົດ ຂໍ້ມູນ ເຂົ້າ DW ຈາກສະພາບແວດລ້ອມປະຕິບັດງານ). ຂໍ້ມູນ ທີ່ຂ້ອຍ ຂໍ້ມູນ ພວກເຂົາເຈົ້າເຂົ້າໄປໃນ DW ຈາກສະພາບແວດລ້ອມການດໍາເນີນງານ, ມັນຖືກປ່ຽນເປັນອະທິບາຍຂ້າງເທິງ. ສະຫນອງໃຫ້ທ່ານເຂົ້າໄປໃນ DW, i ຂໍ້ມູນ ໃສ່ລະດັບຂອງລາຍລະອຽດໃນປະຈຸບັນ, ດັ່ງທີ່ສະແດງ. ມັນອາໄສຢູ່ທີ່ນັ້ນແລະຖືກນໍາໃຊ້ຈົນກ່ວາຫນຶ່ງໃນສາມເຫດການເກີດຂື້ນ:

• ຖືກ​ບໍ​ລິ​ສຸດ​,
• ໄດ້ຖືກສະຫຼຸບ, ແລະ/ຫຼື ▪ ແມ່ນຂະບວນການທີ່ລ້າສະໄຫມໃນການເຄື່ອນໄຫວ DW i ຂໍ້ມູນ ລາຍ​ລະ​ອຽດ​ໃນ​ປັດ​ຈຸ​ບັນ a ຂໍ້ມູນ ຂອງລາຍລະອຽດອາຍຸ, ອີງຕາມອາຍຸຂອງ ຂໍ້ມູນ. ຂະບວນການ

ການສະຫຼຸບໃຊ້ລາຍລະອຽດຂອງ ຂໍ້ມູນ ການ​ຄິດ​ໄລ່​ ຂໍ້ມູນ ລະດັບສະຫຼຸບເລັກນ້ອຍແລະສະຫຼຸບສູງຂອງ ຂໍ້ມູນ. ມີຂໍ້ຍົກເວັ້ນບາງຢ່າງກ່ຽວກັບການໄຫຼທີ່ສະແດງໃຫ້ເຫັນ (ເພື່ອປຶກສາຫາລືຕໍ່ມາ). ຢ່າງໃດກໍຕາມ, ປົກກະຕິແລ້ວ, ສໍາລັບສ່ວນໃຫຍ່ຂອງ ຂໍ້ມູນ ພົບເຫັນຢູ່ໃນ DW, ນ້ໍາຂອງ ຂໍ້ມູນ ມັນ​ເປັນ​ຕົວ​ແທນ​.

ການ​ນໍາ​ໃຊ້ DATAWAREHOUSE​

ບໍ່ແປກໃຈໃນລະດັບຕ່າງໆຂອງ ຂໍ້ມູນ ພາຍໃນ DW ພວກເຂົາບໍ່ໄດ້ຮັບລະດັບການນໍາໃຊ້ທີ່ແຕກຕ່າງກັນ. ຕາມກົດລະບຽບ, ລະດັບການສະຫຼຸບທີ່ສູງຂຶ້ນ, ຫຼາຍ i ຂໍ້ມູນ ເຂົາເຈົ້າໄດ້ຖືກນໍາໃຊ້.
ການນໍາໃຊ້ຈໍານວນຫຼາຍເກີດຂຶ້ນໃນ ຂໍ້ມູນ ສະຫຼຸບສູງ, ໃນຂະນະທີ່ເກົ່າ ຂໍ້ມູນ ລາຍລະອຽດແມ່ນເກືອບບໍ່ເຄີຍໃຊ້. ມີເຫດຜົນທີ່ດີທີ່ຈະປ່ຽນອົງການຈັດຕັ້ງໄປສູ່ແບບແຜນການນໍາໃຊ້ຊັບພະຍາກອນ. ສະຫຼຸບເພີ່ມເຕີມ i ຂໍ້ມູນ, ໄດ້ໄວແລະປະສິດທິພາບຫຼາຍມັນແມ່ນມາຮອດ ຂໍ້ມູນ. ຖ້າ ກ ຮ້ານ ພົບວ່າມັນເຮັດການປະມວນຜົນລະດັບລະອຽດຫຼາຍຂອງ DW, ຫຼັງຈາກນັ້ນ, ຊັບພະຍາກອນເຄື່ອງຈັກຈໍານວນຫຼວງຫຼາຍທີ່ສອດຄ້ອງກັນແມ່ນບໍລິໂພກ. ມັນຢູ່ໃນຜົນປະໂຫຍດທີ່ດີທີ່ສຸດຂອງທຸກຄົນທີ່ຈະປະມວນຜົນບົດສະຫຼຸບລະດັບສູງດັ່ງກ່າວໄວເທົ່າທີ່ຈະໄວໄດ້.

ສໍາລັບຮ້ານຄ້າຈໍານວນຫຼາຍ, ນັກວິເຄາະ DSS ໃນສະພາບແວດລ້ອມກ່ອນ DW ໄດ້ໃຊ້ ຂໍ້ມູນ ໃນລະດັບຂອງລາຍລະອຽດ. ໃນຫຼາຍໆດ້ານການມາຮອດ ຂໍ້ມູນ ລາຍລະອຽດເບິ່ງຄືວ່າເປັນຜ້າຫົ່ມຄວາມປອດໄພ, ເຖິງແມ່ນວ່າໃນເວລາທີ່ການສະຫຼຸບລະດັບອື່ນໆແມ່ນມີຢູ່. ຫນຶ່ງໃນກິດຈະກໍາຂອງສະຖາປະນິກຂອງ ຂໍ້ມູນ ແມ່ນເພື່ອ wean ຜູ້ໃຊ້ DSS ຈາກການນໍາໃຊ້ຄົງທີ່ຂອງ ຂໍ້ມູນ ໃນລະດັບຕໍ່າສຸດຂອງລາຍລະອຽດ. ມີສອງແຮງຈູງໃຈທີ່ມີຢູ່ກັບສະຖາປະນິກ ຂໍ້ມູນ:

• ການ​ຕິດ​ຕັ້ງ​ລະ​ບົບ​ການ chargeback​, ບ່ອນ​ທີ່​ຜູ້​ໃຊ້​ທີ່​ສຸດ​ຈ່າຍ​ສໍາ​ລັບ​ຊັບ​ພະ​ຍາ​ກອນ​ທີ່​ບໍ​ລິ​ໂພກ e
• ເຊິ່ງຊີ້ໃຫ້ເຫັນວ່າເວລາຕອບສະຫນອງທີ່ດີຫຼາຍສາມາດໄດ້ຮັບໃນເວລາທີ່ພຶດຕິກໍາກັບ i ຂໍ້ມູນ ແມ່ນຢູ່ໃນລະດັບສູງຂອງການສະຫຼຸບ, ໃນຂະນະທີ່ເວລາຕອບສະຫນອງທີ່ບໍ່ດີແມ່ນມາຈາກພຶດຕິກໍາຂອງ ຂໍ້ມູນ ຢູ່ໃນລະດັບຕໍ່າຂອງ ການປະເມີນອື່ນໆ ມີການພິຈາລະນາການກໍ່ສ້າງ ແລະການຄຸ້ມຄອງ DW ອື່ນໆ.
  ການພິຈາລະນາທໍາອິດແມ່ນຕົວຊີ້ວັດ. THE ຂໍ້ມູນ ໃນລະດັບສູງຂອງການສະຫຼຸບພວກເຂົາສາມາດຖືກດັດສະນີໂດຍບໍ່ເສຍຄ່າ, ໃນຂະນະທີ່ i ຂໍ້ມູນ

ໃນ​ລະ​ດັບ​ຕ​່​ໍ​າ​ຂອງ​ລາຍ​ລະ​ອຽດ​ພວກ​ເຂົາ​ເຈົ້າ​ແມ່ນ​ສະ​ນັ້ນ voluminous ທີ່​ພວກ​ເຂົາ​ເຈົ້າ​ສາ​ມາດ​ໄດ້​ຮັບ​ການ​ດັດ​ຊະ​ນີ sparingly​. ຈາກ token ດຽວກັນ, i ຂໍ້ມູນ ໃນລະດັບສູງຂອງລາຍລະອຽດສາມາດໄດ້ຮັບການປັບໂຄງສ້າງຂ້ອນຂ້າງງ່າຍດາຍ, ໃນຂະນະທີ່ປະລິມານຂອງ ຂໍ້ມູນ ໃນລະດັບຕ່ໍາ, ມັນມີຂະຫນາດໃຫຍ່ດັ່ງນັ້ນ i ຂໍ້ມູນ ພວກ​ເຂົາ​ເຈົ້າ​ບໍ່​ສາ​ມາດ​ໄດ້​ຮັບ​ການ​ປັບ​ປຸງ​ໃຫມ່​ໄດ້​ຢ່າງ​ງ່າຍ​ດາຍ​. ດັ່ງນັ້ນ, ຮູບແບບຂອງ ຂໍ້ມູນ ແລະວຽກງານທີ່ເປັນທາງການທີ່ເຮັດໂດຍການອອກແບບວາງພື້ນຖານສໍາລັບ DW ທີ່ນໍາໃຊ້ເກືອບສະເພາະກັບລະດັບຂອງລາຍລະອຽດໃນປະຈຸບັນ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ກິດຈະກໍາສ້າງແບບຈໍາລອງຂອງ ຂໍ້ມູນ ພວກມັນບໍ່ໃຊ້ກັບລະດັບການສະຫຼຸບ, ໃນເກືອບທຸກໆກໍລະນີ. ການພິຈາລະນາໂຄງສ້າງອື່ນແມ່ນການແບ່ງຍ່ອຍຂອງ ຂໍ້ມູນ ໂດຍ DW.

ການ​ແບ່ງ​ປັນ​ສາ​ມາດ​ເຮັດ​ໄດ້​ໃນ​ສອງ​ລະ​ດັບ - ໃນ​ລະ​ດັບ​ຂອງ​ dbms ແລະໃນລະດັບຄໍາຮ້ອງສະຫມັກ. ໃນພະແນກຢູ່ໃນລະດັບ dbmsລາວ dbms ​ໄດ້​ຮັບ​ການ​ແຈ້ງ​ໃຫ້​ພະ​ແນ​ກ ​ແລະ ຄວບ​ຄຸມ​ຕາມ​ຄວາມ​ເໝາະ​ສົມ. ໃນກໍລະນີຂອງການແບ່ງລະດັບຄໍາຮ້ອງສະຫມັກ, ພຽງແຕ່ນັກຂຽນໂປລແກລມຮູ້ເຖິງການແບ່ງສ່ວນແລະຄວາມຮັບຜິດຊອບໃນການຄຸ້ມຄອງຂອງພວກເຂົາແມ່ນປ່ອຍໃຫ້ເຂົາ.

ຕ່ໍາກວ່າລະດັບ dbms, ຫຼາຍວຽກງານແມ່ນເຮັດໄດ້ໂດຍອັດຕະໂນມັດ. ມີຄວາມຍືດຫຍຸ່ນຫຼາຍທີ່ກ່ຽວຂ້ອງກັບການຄຸ້ມຄອງຕົນເອງຂອງການແບ່ງສ່ວນ. ໃນກໍລະນີຂອງຄໍາຮ້ອງສະຫມັກລະດັບພະແນກຂອງ ຂໍ້ມູນ ໄດ້ data warehouse, ຫຼາຍຂອງການເຮັດວຽກຕົກຢູ່ໃນ programmer, ແຕ່ຜົນໄດ້ຮັບທີ່ສຸດແມ່ນມີຄວາມຍືດຫຍຸ່ນໃນການບໍລິຫານຂອງ ຂໍ້ມູນ nel data warehouse

ALTRE ຜິດປົກກະຕິ

ໃນຂະນະທີ່ອົງປະກອບຂອງ data warehouse ເຮັດວຽກຕາມທີ່ໄດ້ອະທິບາຍເກືອບທັງໝົດ ຂໍ້ມູນ, ມີບາງຂໍ້ຍົກເວັ້ນທີ່ເປັນປະໂຫຍດທີ່ຕ້ອງໄດ້ຮັບການປຶກສາຫາລື. ຂໍ້ຍົກເວັ້ນແມ່ນຂອງ ຂໍ້ມູນ ສະຫຼຸບສັງລວມສາທາລະນະ (ຂໍ້ມູນສະຫຼຸບສາທາລະນະ). ພວກ​ນີ້​ແມ່ນ ຂໍ້ມູນ ບົດສະຫຼຸບທີ່ໄດ້ຖືກຄິດໄລ່ອອກຈາກ data warehouse ແຕ່ພວກມັນຖືກໃຊ້ໂດຍສັງຄົມ. THE ຂໍ້ມູນ ສະຫຼຸບສັງລວມສາທາລະນະຖືກເກັບຮັກສາແລະຄຸ້ມຄອງຢູ່ໃນ data warehouse, ເຖິງແມ່ນວ່າດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງພວກເຂົາເຈົ້າໄດ້ຖືກຄິດອອກ. ນັກບັນຊີເຮັດວຽກເພື່ອຜະລິດປະຈໍາໄຕມາດດັ່ງກ່າວ ຂໍ້ມູນ ເຊັ່ນ: ລາຍໄດ້, ຄ່າໃຊ້ຈ່າຍປະຈໍາໄຕມາດ, ກໍາໄລປະຈໍາໄຕມາດ, ແລະອື່ນໆ. ວຽກງານທີ່ເຮັດໂດຍນັກບັນຊີແມ່ນພາຍນອກ data warehouse. ຢ່າງໃດກໍຕາມ, i ຂໍ້ມູນ ຖືກນໍາໃຊ້ "ພາຍໃນ" ພາຍໃນບໍລິສັດ - ຈາກ ການຕະຫຼາດ, ການຂາຍ, ແລະອື່ນໆ. ຜິດປົກກະຕິອີກອັນຫນຶ່ງ, ເຊິ່ງຈະບໍ່ສົນທະນາ, ແມ່ນວ່າ ຂໍ້ມູນ ເອສເຕີນີ.

ອີກປະການຫນຶ່ງທີ່ໂດດເດັ່ນຂອງ ຂໍ້ມູນ ເຊິ່ງສາມາດພົບໄດ້ໃນ a data warehouse ແມ່ນຂໍ້ມູນລາຍລະອຽດຖາວອນ. ເຫຼົ່ານີ້ເຮັດໃຫ້ຄວາມຕ້ອງການທີ່ຈະເກັບຮັກສາໄວ້ຢ່າງຖາວອນ ຂໍ້ມູນ ໃນລະດັບລະອຽດສໍາລັບເຫດຜົນດ້ານຈັນຍາບັນ ຫຼືທາງກົດໝາຍ. ຖ້າບໍລິສັດເປີດເຜີຍຄົນງານຂອງຕົນຕໍ່ກັບສານອັນຕະລາຍ, ມັນຈໍາເປັນຕ້ອງມີມັນ ຂໍ້ມູນ ລາຍ​ລະ​ອຽດ​ແລະ​ຖາ​ວອນ​. ຖ້າບໍລິສັດຜະລິດຜະລິດຕະພັນທີ່ກ່ຽວຂ້ອງກັບຄວາມປອດໄພຂອງສາທາລະນະ, ເຊັ່ນ: ຊິ້ນສ່ວນສໍາລັບເຮືອບິນ, ມັນຈໍາເປັນຕ້ອງມີ. ຂໍ້ມູນ ລາຍລະອຽດຖາວອນ, ເຊັ່ນດຽວກັນກັບບໍລິສັດເຂົ້າໄປໃນສັນຍາອັນຕະລາຍ.

ບໍລິສັດບໍ່ສາມາດເບິ່ງຂ້າມລາຍລະອຽດໄດ້ເພາະວ່າໃນໄລຍະສອງສາມປີຂ້າງຫນ້າ, ໃນກໍລະນີທີ່ມີການຮ້ອງຟ້ອງ, ການເອີ້ນຄືນ, ການຂັດແຍ້ງກ່ຽວກັບຄວາມບົກຜ່ອງດ້ານການກໍ່ສ້າງ, ແລະອື່ນໆ. ການເປີດເຜີຍຂອງບໍລິສັດສາມາດມີຂະຫນາດໃຫຍ່. ດັ່ງນັ້ນຈຶ່ງມີປະເພດເປັນເອກະລັກຂອງ ຂໍ້ມູນ ເປັນທີ່ຮູ້ຈັກເປັນຂໍ້ມູນລາຍລະອຽດຖາວອນ.

ກອງປະຊຸມ

Un data warehouse ມັນ​ເປັນ​ວັດ​ຖຸ​ຮັດ​ກຸມ​, ປະ​ສົມ​ປະ​ສານ​, ຕົວ​ປ່ຽນ​ແປງ​ຄວາມ​ເຄັ່ງ​ຕຶງ​, ການ​ເກັບ​ກໍາ​ຂອງ​ ຂໍ້ມູນ ບໍ່ເຫນັງຕີງໃນການສະຫນັບສະຫນູນຄວາມຕ້ອງການການຕັດສິນໃຈຂອງການບໍລິຫານ. ແຕ່​ລະ​ຫນ້າ​ທີ່​ສໍາ​ຄັນ​ຂອງ a data warehouse ມີຜົນສະທ້ອນຂອງມັນ. ນອກ​ຈາກ​ນັ້ນ​ຍັງ​ມີ​ສີ່​ລະ​ດັບ​ຂອງ​ ຂໍ້ມູນ ໄດ້ data warehouse:

• ລາຍລະອຽດເກົ່າ
• ລາຍ​ລະ​ອຽດ​ໃນ​ປັດ​ຈຸ​ບັນ​
• ຄໍາຊີ້ແຈງສິດ ສະຫຼຸບເລັກນ້ອຍ
• ຄໍາຊີ້ແຈງສິດ Metadata ສະຫຼຸບສູງຍັງເປັນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງ data warehouse. ບົດຄັດຫຍໍ້ ແນວຄວາມຄິດຂອງການເກັບຮັກສາຂອງ ຂໍ້ມູນ ມັນໄດ້ຮັບຄວາມສົນໃຈຫຼາຍເມື່ອບໍ່ດົນມານີ້ແລະໄດ້ກາຍເປັນແນວໂນ້ມຂອງ 90s. ນີ້ແມ່ນຍ້ອນຄວາມສາມາດຂອງ data warehouse ເພື່ອເອົາຊະນະຂໍ້ຈໍາກັດຂອງລະບົບສະຫນັບສະຫນູນການຄຸ້ມຄອງເຊັ່ນລະບົບສະຫນັບສະຫນູນການຕັດສິນໃຈ (DSS) ແລະລະບົບຂໍ້ມູນຂ່າວສານບໍລິຫານ (EIS). ເຖິງແມ່ນວ່າແນວຄວາມຄິດຂອງ data warehouse ເບິ່ງຄືວ່າມີແນວໂນ້ມ, ປະຕິບັດ i data warehouse ສາມາດເປັນບັນຫາເນື່ອງຈາກຂະບວນການສາງຂະຫນາດໃຫຍ່. ເຖິງວ່າຈະມີຄວາມສັບສົນຂອງໂຄງການສາງຂອງ ຂໍ້ມູນ, ຜູ້ສະຫນອງແລະທີ່ປຶກສາຈໍານວນຫຼາຍທີ່ຫຼັກຊັບ ຂໍ້ມູນ ໂຕ້ຖຽງວ່າການເກັບຮັກສາຂອງ ຂໍ້ມູນ ປະຈຸບັນບໍ່ມີບັນຫາ. ຢ່າງໃດກໍຕາມ, ໃນຕອນເລີ່ມຕົ້ນຂອງໂຄງການຄົ້ນຄ້ວານີ້, ເກືອບບໍ່ມີການຄົ້ນຄວ້າເອກະລາດ, ເຂັ້ມງວດແລະເປັນລະບົບ. ດັ່ງນັ້ນ, ມັນເປັນການຍາກທີ່ຈະເວົ້າ, ສິ່ງທີ່ເກີດຂຶ້ນໃນອຸດສາຫະກໍາໃນເວລາທີ່ເຂົາເຈົ້າກໍ່ສ້າງ data warehouse. ການສຶກສານີ້ໄດ້ສໍາຫຼວດການປະຕິບັດການເກັບຮັກສາຂອງ ຂໍ້ມູນ ຍຸກສະໄໝທີ່ມີຈຸດປະສົງເພື່ອພັດທະນາຄວາມເຂົ້າໃຈທີ່ອຸດົມສົມບູນຂອງການປະຕິບັດຂອງອົດສະຕຣາລີ. ການທົບທວນວັນນະຄະດີໄດ້ໃຫ້ບໍລິບົດແລະພື້ນຖານສໍາລັບການສຶກສາທາງດ້ານ empirical. ມີຈໍານວນຜົນໄດ້ຮັບຈາກການຄົ້ນຄວ້ານີ້. ຫນ້າທໍາອິດ, ການສຶກສານີ້ໄດ້ເປີດເຜີຍກິດຈະກໍາທີ່ເກີດຂຶ້ນໃນລະຫວ່າງການພັດທະນາຂອງ data warehouse. ໃນຫຼາຍຂົງເຂດ, i ຂໍ້ມູນ ລວບລວມໄດ້ຢືນຢັນການປະຕິບັດລາຍງານໃນວັນນະຄະດີ. ອັນທີສອງ, ບັນຫາແລະບັນຫາທີ່ອາດຈະສົ່ງຜົນກະທົບຕໍ່ການພັດທະນາຂອງ data warehouse ໄດ້ຖືກລະບຸໂດຍການສຶກສານີ້. ສຸດທ້າຍ, ຜົນປະໂຫຍດທີ່ໄດ້ຮັບໂດຍອົງການຈັດຕັ້ງອົດສະຕາລີທີ່ກ່ຽວຂ້ອງກັບການນໍາໃຊ້ data warehouse ໄດ້ຖືກເປີດເຜີຍ.

ບົດທີ 1

ຄົ້ນຫາບໍລິບົດ

ແນວຄວາມຄິດຂອງການເກັບຮັກສາຂໍ້ມູນໄດ້ຮັບການເປີດເຜີຍຢ່າງກວ້າງຂວາງແລະກາຍເປັນແນວໂນ້ມທີ່ພົ້ນເດັ່ນຂື້ນໃນຊຸມປີ 90 (McFadden 1996, TDWI 1996, Shah and Milstein 1997, Shanks et al. 1997, Eckerson 1998, Adelman and Oates 2000). ນີ້ສາມາດເຫັນໄດ້ຈາກຈໍານວນບົດຄວາມທີ່ເພີ່ມຂຶ້ນກ່ຽວກັບການເກັບຮັກສາຂໍ້ມູນໃນສິ່ງພິມການຄ້າ (Little and Gibson 1999). ບົດຄວາມຈໍານວນຫຼາຍ (ເບິ່ງ, ສໍາລັບການຍົກຕົວຢ່າງ, Fisher 1995, Hackathorn 1995, Morris 1995a, Bramblett and King 1996, Graham et al. 1996, Sakaguchi and Frolick 1996, Alvarez 1997, Brousell 1997, Don Clarke, 1997, O. Edwards 1997, TDWI 1997) ໄດ້ລາຍງານຜົນປະໂຫຍດທີ່ສໍາຄັນຕໍ່ອົງການຈັດຕັ້ງທີ່ປະຕິບັດ data warehouse. ເຂົາເຈົ້າໄດ້ສະໜັບສະໜຸນທິດສະດີຂອງເຂົາເຈົ້າດ້ວຍຫຼັກຖານອັນຫຍໍ້ໆຂອງການປະຕິບັດທີ່ປະສົບຜົນສຳເລັດ, ຕົວເລກຜົນຕອບແທນການລົງທຶນ (ROI) ສູງ, ແລະ ໂດຍໃຫ້ຄຳແນະນຳ ຫຼື ວິທີການເພື່ອພັດທະນາ. data warehouse

(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson 1999). ໃນກໍລະນີທີ່ຮ້າຍແຮງ, Graham et al. (1996) ລາຍງານຜົນຕອບແທນສະເລ່ຍຕໍ່ການລົງທຶນສາມປີຂອງ 401%.

ຢ່າງໃດກໍຕາມ, ວັນນະຄະດີໃນປະຈຸບັນຈໍານວນຫຼາຍໄດ້ມອງຂ້າມຄວາມສັບສົນທີ່ກ່ຽວຂ້ອງກັບການດໍາເນີນໂຄງການດັ່ງກ່າວ. ໂຄງການຂອງ data warehouse ພວກເຂົາເຈົ້າປົກກະຕິແລ້ວແມ່ນສະລັບສັບຊ້ອນແລະຂະຫນາດໃຫຍ່ແລະດັ່ງນັ້ນຈິ່ງປະຕິບັດຄວາມເປັນໄປໄດ້ສູງຂອງຄວາມລົ້ມເຫຼວຖ້າຫາກວ່າບໍ່ໄດ້ຄວບຄຸມຢ່າງລະມັດລະວັງ (Shah and Milstein 1997, Eckerson 1997, Foley 1997b, Zimmer 1997, Bort 1998, Gibbs and Clymer 1998, Rao 1998). ພວກເຂົາເຈົ້າຮຽກຮ້ອງໃຫ້ມີຈໍານວນຫຼວງຫຼາຍຂອງຊັບພະຍາກອນມະນຸດແລະທາງດ້ານການເງິນ, ເວລາແລະຄວາມພະຍາຍາມທີ່ຈະສ້າງມັນ (Hill 1998, Crofts 1998). ເວລາປົກກະຕິແລະວິທີການທາງດ້ານການເງິນທີ່ຕ້ອງການແມ່ນປະມານສອງປີແລະສອງຫາສາມລ້ານໂດລາຕາມລໍາດັບ (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999). ເວລານີ້ແລະວິທີການທາງດ້ານການເງິນແມ່ນຈໍາເປັນເພື່ອຄວບຄຸມແລະລວມເອົາຫຼາຍດ້ານທີ່ແຕກຕ່າງກັນຂອງການເກັບຮັກສາຂໍ້ມູນ (Cafasso 1995, Hill 1998). ຄຽງຄູ່ກັບການພິຈາລະນາຮາດແວແລະຊອບແວ, ຫນ້າທີ່ອື່ນໆ, ເຊິ່ງແຕກຕ່າງຈາກການສະກັດເອົາ ຂໍ້ມູນ ກັບຂະບວນການໂຫຼດຂອງ ຂໍ້ມູນ, ຄວາມອາດສາມາດຫນ່ວຍຄວາມຈໍາໃນການຄຸ້ມຄອງການປັບປຸງແລະ meta ຂໍ້ມູນ ສໍາລັບການຝຶກອົບຮົມຜູ້ໃຊ້, ຕ້ອງໄດ້ຮັບການພິຈາລະນາ.

ໃນເວລາທີ່ໂຄງການຄົ້ນຄ້ວານີ້ໄດ້ເລີ່ມຕົ້ນ, ມີການຄົ້ນຄວ້າທາງວິຊາການຫນ້ອຍຫຼາຍທີ່ດໍາເນີນການໃນດ້ານການເກັບຮັກສາຂໍ້ມູນ, ໂດຍສະເພາະໃນປະເທດອົດສະຕາລີ. ນີ້ແມ່ນເຫັນໄດ້ຊັດເຈນຈາກຄວາມຂາດແຄນຂອງບົດຄວາມທີ່ຈັດພີມມາກ່ຽວກັບການເກັບຮັກສາຂໍ້ມູນໂດຍວາລະສານຫຼືລາຍລັກອັກສອນທາງວິຊາການອື່ນໆຂອງເວລາ. ບົດຂຽນທາງວິຊາການຈໍານວນຫຼາຍທີ່ມີຢູ່ໄດ້ອະທິບາຍປະສົບການຂອງສະຫະລັດ. ການຂາດການຄົ້ນຄວ້າທາງວິຊາການໃນຂົງເຂດການເກັບຮັກສາຂໍ້ມູນໄດ້ເຮັດໃຫ້ເກີດຄວາມຕ້ອງການຂອງການຄົ້ນຄວ້າຢ່າງເຂັ້ມງວດແລະການສຶກສາ empirical (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999). ໂດຍສະເພາະ, ການສຶກສາຄົ້ນຄ້ວາກ່ຽວກັບຂະບວນການຈັດຕັ້ງປະຕິບັດຂອງ data warehouse ຈໍາເປັນຕ້ອງໄດ້ເຮັດເພື່ອຂະຫຍາຍຄວາມຮູ້ທົ່ວໄປກ່ຽວກັບການຈັດຕັ້ງປະຕິບັດ data warehouse ແລະຈະເປັນພື້ນຖານສໍາລັບການສຶກສາຄົ້ນຄ້ວາໃນອະນາຄົດ (Shanks et al. 1997, Little and Gibson 1999).

ຈຸດປະສົງຂອງການສຶກສານີ້, ດັ່ງນັ້ນ, ແມ່ນເພື່ອສືບສວນສິ່ງທີ່ເກີດຂຶ້ນຈິງໃນເວລາທີ່ອົງການຈັດຕັ້ງປະຕິບັດແລະນໍາໃຊ້ i data warehouse ໃນອົດສະຕາລີ. ໂດຍສະເພາະ, ການສຶກສານີ້ຈະກ່ຽວຂ້ອງກັບການວິເຄາະຂະບວນການທັງຫມົດຂອງການພັດທະນາ a data warehouse, ເລີ່ມຕົ້ນດ້ວຍການລິເລີ່ມ ແລະການອອກແບບໂດຍຜ່ານການອອກແບບ ແລະການປະຕິບັດ ແລະການນໍາໃຊ້ຕໍ່ມາພາຍໃນອົງການຈັດຕັ້ງຂອງອົດສະຕາລີ. ນອກຈາກນັ້ນ, ການສຶກສາຍັງຈະປະກອບສ່ວນເຂົ້າໃນການປະຕິບັດໃນປະຈຸບັນໂດຍການກໍານົດພື້ນທີ່ທີ່ການປະຕິບັດສາມາດປັບປຸງຕື່ມອີກແລະຄວາມບໍ່ມີປະສິດທິພາບແລະຄວາມສ່ຽງສາມາດຫຼຸດຜ່ອນຫຼືຫຼີກເວັ້ນໄດ້. ນອກຈາກນັ້ນ, ມັນຈະເປັນພື້ນຖານສໍາລັບການສຶກສາອື່ນໆ data warehouse ໃນອົດສະຕາລີແລະຈະຕື່ມຂໍ້ມູນໃສ່ຊ່ອງຫວ່າງທີ່ມີຢູ່ໃນວັນນະຄະດີໃນປະຈຸບັນ.

ຄໍາຖາມຄົ້ນຄ້ວາ

ຈຸດປະສົງຂອງການຄົ້ນຄວ້ານີ້ແມ່ນເພື່ອສຶກສາກິດຈະກໍາທີ່ກ່ຽວຂ້ອງກັບການຈັດຕັ້ງປະຕິບັດ data warehouse ແລະ​ການ​ນໍາ​ໃຊ້​ຂອງ​ເຂົາ​ເຈົ້າ​ໂດຍ​ອົງ​ການ​ຈັດ​ຕັ້ງ​ອົດ​ສະ​ຕາ​ລີ​. ໂດຍສະເພາະ, ອົງປະກອບກ່ຽວກັບການວາງແຜນໂຄງການ, ການພັດທະນາ, ການດໍາເນີນງານ, ການນໍາໃຊ້ແລະຄວາມສ່ຽງທີ່ກ່ຽວຂ້ອງໄດ້ຖືກສຶກສາ. ດັ່ງນັ້ນຄໍາຖາມຂອງການຄົ້ນຄວ້ານີ້ແມ່ນ:

“ການ​ປະ​ຕິ​ບັດ​ໃນ​ປະ​ຈຸ​ບັນ​ເປັນ​ແນວ​ໃດ​ data warehouse ໃນອົດສະຕາລີ?"

ເພື່ອຕອບຄໍາຖາມນີ້ຢ່າງມີປະສິດທິພາບ, ຈໍານວນຄໍາຖາມຄົ້ນຄ້ວາຍ່ອຍແມ່ນຕ້ອງການ. ໂດຍສະເພາະ, ສາມຄໍາຖາມຍ່ອຍໄດ້ຖືກກໍານົດຈາກວັນນະຄະດີ, ເຊິ່ງໄດ້ນໍາສະເຫນີໃນບົດທີ 2, ເພື່ອແນະນໍາໂຄງການຄົ້ນຄ້ວານີ້: ເຮັດແນວໃດ? data warehouse ໂດຍອົງການຈັດຕັ້ງຂອງອົດສະຕາລີ? ມີບັນຫາຫຍັງແດ່ທີ່ພົບ?

ປະສົບການຜົນປະໂຫຍດແມ່ນຫຍັງ?
ໃນ​ການ​ຕອບ​ຄໍາ​ຖາມ​ເຫຼົ່າ​ນີ້​, ການ​ອອກ​ແບບ​ການ​ຄົ້ນ​ຄວ້າ​ສໍາ​ຫຼວດ​ການ​ຈ້າງ​ສໍາ​ຫຼວດ​ໄດ້​ຖືກ​ນໍາ​ໃຊ້​. ໃນຖານະເປັນການສຶກສາການສໍາຫຼວດ, ຄໍາຕອບຂອງຄໍາຖາມຂ້າງເທິງແມ່ນບໍ່ຄົບຖ້ວນ (Shanks et al. 1993, Denscombe 1998). ໃນກໍລະນີນີ້, ບາງສາມຫຼ່ຽມແມ່ນຈໍາເປັນເພື່ອປັບປຸງຄໍາຕອບຂອງຄໍາຖາມເຫຼົ່ານີ້. ຢ່າງໃດກໍ່ຕາມ, ການສືບສວນຈະສ້າງພື້ນຖານອັນຫນັກແຫນ້ນສໍາລັບການເຮັດວຽກໃນອະນາຄົດເພື່ອກວດກາຄໍາຖາມເຫຼົ່ານີ້. ການສົນທະນາລະອຽດກ່ຽວກັບເຫດຜົນ ແລະການອອກແບບວິທີການວິໄຈແມ່ນໄດ້ນຳສະເໜີໃນບົດທີ 3.

ໂຄງສ້າງຂອງໂຄງການຄົ້ນຄວ້າ

ໂຄງການຄົ້ນຄວ້ານີ້ແບ່ງອອກເປັນສອງພາກສ່ວນຄື: ການສຶກສາສະພາບການຂອງແນວຄວາມຄິດການເກັບຮັກສາຂໍ້ມູນ ແລະ ການຄົ້ນຄວ້າທາງດ້ານປະຈັກພະຍານ (ເບິ່ງຮູບ 1.1), ແຕ່ລະບົດແມ່ນໄດ້ສົນທະນາຂ້າງລຸ່ມນີ້.

ພາກທີ I: ການສຶກສາສະພາບການ

ພາກສ່ວນທໍາອິດຂອງການຄົ້ນຄວ້າປະກອບດ້ວຍການທົບທວນວັນນະຄະດີໃນປະຈຸບັນກ່ຽວກັບປະເພດຕ່າງໆຂອງຄັງຂໍ້ມູນລວມທັງລະບົບສະຫນັບສະຫນູນການຕັດສິນໃຈ (DSS), ລະບົບຂໍ້ມູນຂ່າວສານບໍລິຫານ (EIS), ກໍລະນີສຶກສາຂອງ data warehouse ແລະແນວຄວາມຄິດຂອງ data warehouse. ນອກຈາກນີ້, ຜົນໄດ້ຮັບຂອງເວທີປາໄສກ່ຽວກັບ data warehouse ແລະກຸ່ມຜູ້ຊ່ຽວຊານແລະນັກປະຕິບັດການທີ່ນໍາພາໂດຍກຸ່ມຄົ້ນຄ້ວາ Monash DSS, ໄດ້ປະກອບສ່ວນເຂົ້າໃນການສຶກສາໄລຍະນີ້, ເຊິ່ງມີຈຸດປະສົງເພື່ອສ້າງຄວາມເຂົ້າໃຈໃນການປະຕິບັດ. data warehouse ແລະເພື່ອກໍານົດຄວາມສ່ຽງທີ່ກ່ຽວຂ້ອງກັບການຮັບຮອງເອົາຂອງເຂົາເຈົ້າ. ໃນລະຫວ່າງໄລຍະເວລາຂອງການສຶກສາສະພາບການນີ້, ຄວາມເຂົ້າໃຈກ່ຽວກັບພື້ນທີ່ບັນຫາໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນເພື່ອສະຫນອງພື້ນຖານຄວາມຮູ້ສໍາລັບການສືບສວນ empirical ຕໍ່ມາ. ຢ່າງໃດກໍຕາມ, ນີ້ແມ່ນຂະບວນການຢ່າງຕໍ່ເນື່ອງໃນຂະນະທີ່ການສຶກສາຄົ້ນຄ້ວາໄດ້ຖືກດໍາເນີນ.

ພາກທີ II: ການຄົ້ນຄວ້າທາງທິດສະດີ

ແນວຄວາມຄິດທີ່ຂ້ອນຂ້າງໃຫມ່ຂອງການເກັບຂໍ້ມູນ, ໂດຍສະເພາະໃນອົດສະຕາລີ, ໄດ້ສ້າງຄວາມຕ້ອງການສໍາລັບການສໍາຫຼວດເພື່ອໃຫ້ໄດ້ຮູບພາບກວ້າງຂອງປະສົບການການນໍາໃຊ້. ສ່ວນນີ້ໄດ້ຖືກປະຕິບັດເມື່ອໂດເມນບັນຫາໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໂດຍຜ່ານການທົບທວນວັນນະຄະດີຢ່າງກວ້າງຂວາງ. ແນວຄວາມຄິດການເກັບຮັກສາຂໍ້ມູນທີ່ຖືກສ້າງຕັ້ງຂຶ້ນໃນໄລຍະການສຶກສາສະພາບການໄດ້ຖືກນໍາໃຊ້ເປັນວັດສະດຸປ້ອນສໍາລັບແບບສອບຖາມເບື້ອງຕົ້ນຂອງການສຶກສານີ້. ຫຼັງຈາກນີ້, ແບບສອບຖາມໄດ້ຖືກທົບທວນຄືນ. ທ່ານເປັນຜູ້ຊ່ຽວຊານກ່ຽວກັບ data warehouse ໄດ້​ເຂົ້າ​ຮ່ວມ​ໃນ​ການ​ທົດ​ສອບ​. ຈຸດ​ປະ​ສົງ​ຂອງ​ການ​ທົດ​ສອບ​ແບບ​ສອບ​ຖາມ​ເບື້ອງ​ຕົ້ນ​ແມ່ນ​ເພື່ອ​ກວດ​ກາ​ເບິ່ງ​ຄວາມ​ສົມ​ບູນ​ແລະ​ຄວາມ​ຖືກ​ຕ້ອງ​ຂອງ​ຄໍາ​ຖາມ​. ອີງຕາມຜົນການທົດສອບ, ແບບສອບຖາມໄດ້ຖືກດັດແກ້ແລະສະບັບດັດແກ້ໄດ້ຖືກສົ່ງໃຫ້ຜູ້ເຂົ້າຮ່ວມການສໍາຫຼວດ. ຫຼັງຈາກນັ້ນ, ແບບສອບຖາມທີ່ສົ່ງຄືນໄດ້ຖືກວິເຄາະສໍາລັບ i ຂໍ້ມູນ ໃນຕາຕະລາງ, ແຜນວາດ, ແລະຮູບແບບອື່ນໆ. THE

ຜົນ​ການ​ວິ​ເຄາະ​ຂອງ​ ຂໍ້ມູນ ປະກອບເປັນພາບລວມຂອງການປະຕິບັດການເກັບຂໍ້ມູນໃນອົດສະຕາລີ.

ພາບລວມການເກັບຂໍ້ມູນ

ແນວ​ຄວາມ​ຄິດ​ຂອງ​ການ​ເກັບ​ຂໍ້​ມູນ​ໄດ້​ພັດ​ທະ​ນາ​ກັບ​ການ​ປັບ​ປຸງ​ເຕັກ​ໂນ​ໂລ​ຊີ​ຄອມ​ພິວ​ເຕີ​.
ມັນມີຈຸດປະສົງເພື່ອເອົາຊະນະບັນຫາທີ່ພົບໂດຍກຸ່ມສະຫນັບສະຫນູນຄໍາຮ້ອງສະຫມັກເຊັ່ນ: ລະບົບສະຫນັບສະຫນູນການຕັດສິນໃຈ (DSS) ແລະລະບົບຂໍ້ມູນຂ່າວສານບໍລິຫານ (EIS).

ໃນໄລຍະຜ່ານມາ, ອຸປະສັກທີ່ໃຫຍ່ທີ່ສຸດຂອງຄໍາຮ້ອງສະຫມັກເຫຼົ່ານີ້ແມ່ນຄວາມບໍ່ສາມາດຂອງຄໍາຮ້ອງສະຫມັກເຫຼົ່ານີ້ເພື່ອສະຫນອງການ ຖານ​ຂໍ້​ມູນ​ ມີຄວາມຈໍາເປັນສໍາລັບການວິເຄາະ.
ນີ້ແມ່ນສ່ວນໃຫຍ່ແມ່ນມາຈາກລັກສະນະຂອງການເຮັດວຽກຂອງການຄຸ້ມຄອງ. ຜົນປະໂຫຍດຂອງການຄຸ້ມຄອງຂອງບໍລິສັດແຕກຕ່າງກັນຢ່າງຕໍ່ເນື່ອງຂຶ້ນຢູ່ກັບພື້ນທີ່ທີ່ກວມເອົາ. ເພາະສະນັ້ນຂ້າພະເຈົ້າ ຂໍ້ມູນ ພື້ນຖານຂອງຄໍາຮ້ອງສະຫມັກເຫຼົ່ານີ້ຈະຕ້ອງສາມາດປ່ຽນແປງໄດ້ໄວຂຶ້ນກັບພາກສ່ວນທີ່ຈະໄດ້ຮັບການປິ່ນປົວ.
ນີ້ຫມາຍຄວາມວ່າ i ຂໍ້ມູນ ຕ້ອງມີຢູ່ໃນຮູບແບບທີ່ເຫມາະສົມສໍາລັບການວິເຄາະທີ່ຕ້ອງການ. ໃນຄວາມເປັນຈິງ, ກຸ່ມສະຫນັບສະຫນູນຄໍາຮ້ອງສະຫມັກພົບວ່າມັນມີຄວາມຫຍຸ້ງຍາກຫຼາຍໃນອະດີດເພື່ອເກັບກໍາແລະປະສົມປະສານ ຂໍ້ມູນ ຈາກແຫຼ່ງທີ່ຊັບຊ້ອນ ແລະຫຼາກຫຼາຍ.

ສ່ວນທີ່ເຫຼືອຂອງພາກນີ້ສະເຫນີພາບລວມຂອງແນວຄວາມຄິດຂອງການເກັບຮັກສາຂໍ້ມູນແລະປຶກສາຫາລືວິທີການ data warehouse ສາມາດເອົາຊະນະບັນຫາຂອງກຸ່ມສະຫນັບສະຫນູນຄໍາຮ້ອງສະຫມັກ.
ຄຳ ວ່າຄັງ​ຂໍ້​ມູນໄດ້ຖືກນິຍົມໂດຍ William Inmon ໃນປີ 1990. ຄໍານິຍາມທີ່ເວົ້າເລື້ອຍໆຂອງລາວເຫັນວ່າ ຄັງ​ຂໍ້​ມູນ ເປັນການເກັບກໍາຂອງ ຂໍ້ມູນ subject-oriented, ປະສົມປະສານ, ບໍ່ປ່ຽນແປງ, ແລະການປ່ຽນແປງໃນໄລຍະເວລາ, ສະຫນັບສະຫນູນການຕັດສິນໃຈຂອງການຄຸ້ມຄອງ.

ການນໍາໃຊ້ຄໍານິຍາມນີ້ Inmon ຊີ້ໃຫ້ເຫັນວ່າ i ຂໍ້ມູນ ອາ​ໃສ​ຢູ່​ໃນ a data warehouse ຕ້ອງມີ 4 ລັກສະນະດັ່ງນີ້:

• ▪ ວິຊາສະເພາະ
• ▪ ປະສົມປະສານ
• ▪ ບໍ່ປ່ຽນແປງ
• ▪ ການປ່ຽນແປງຕາມເວລາ ໂດຍຫົວຂໍ້ Inmon ຮັດກຸມ ຫມາຍຄວາມວ່າ i ຂໍ້ມູນ nel data warehouse ໃນ​ຂົງ​ເຂດ​ການ​ຈັດ​ຕັ້ງ​ທີ່​ໃຫຍ່​ທີ່​ສຸດ​ທີ່​ມີ​

ກໍານົດຢູ່ໃນຮູບແບບ ຂໍ້ມູນ. ຕົວຢ່າງທັງຫມົດ ຂໍ້ມູນ ກ່ຽວ​ກັບ i ລູກຄ້າ ແມ່ນບັນຈຸຢູ່ໃນສາຂາວິຊາ ລູກຄ້າ. ເຊັ່ນດຽວກັນທັງຫມົດ ຂໍ້ມູນ ທີ່ກ່ຽວຂ້ອງກັບຜະລິດຕະພັນແມ່ນບັນຈຸຢູ່ໃນຫົວຂໍ້ PRODUCTS.

ໂດຍ Inmon ປະສົມປະສານຫມາຍຄວາມວ່າ i ຂໍ້ມູນ ຈາກເວທີທີ່ແຕກຕ່າງກັນ, ລະບົບແລະສະຖານທີ່ຖືກລວມເຂົ້າກັນແລະເກັບຮັກສາໄວ້ໃນບ່ອນດຽວ. ຜົນສະທ້ອນ ຂໍ້ມູນ ສິ່ງທີ່ຄ້າຍຄືກັນຕ້ອງໄດ້ຮັບການປ່ຽນເປັນຮູບແບບທີ່ສອດຄ່ອງເພື່ອໃຫ້ຖືກເພີ່ມແລະປຽບທຽບໄດ້ງ່າຍ.
ຕົວຢ່າງ, ເພດຊາຍ ແລະ ເພດຍິງແມ່ນສະແດງດ້ວຍຕົວອັກສອນ M ແລະ F ໃນລະບົບໜຶ່ງ, ແລະໂດຍ 1 ແລະ 0 ໃນອີກລະບົບໜຶ່ງ. ເພື່ອປະສົມປະສານໃຫ້ເຂົາເຈົ້າຢ່າງຖືກຕ້ອງ, ຮູບແບບຫນຶ່ງຫຼືທັງສອງຕ້ອງໄດ້ຮັບການຫັນປ່ຽນເພື່ອໃຫ້ທັງສອງຮູບແບບມີຄວາມເທົ່າທຽມກັນ. ໃນກໍລະນີນີ້ພວກເຮົາສາມາດປ່ຽນ M ເປັນ 1 ແລະ F ເປັນ 0 ຫຼືໃນທາງກັບກັນ. Subject-oriented ແລະປະສົມປະສານຊີ້ໃຫ້ເຫັນວ່າ data warehouse ໄດ້​ຖືກ​ອອກ​ແບບ​ເພື່ອ​ສະ​ຫນອງ​ວິ​ໄສ​ທັດ​ທີ່​ເປັນ​ປະ​ໂຫຍດ​ແລະ transversal ຂອງ​ ຂໍ້ມູນ ໂດຍບໍລິສັດ.

ໂດຍ Non-volatile ລາວຫມາຍຄວາມວ່າ i ຂໍ້ມູນ nel data warehouse ຍັງຄົງສອດຄ່ອງແລະປັບປຸງ ຂໍ້ມູນ ມັນບໍ່ຈໍາເປັນ. ແທນທີ່ຈະ, ການປ່ຽນແປງໃດໆໃນ ຂໍ້ມູນ ຕົ້ນສະບັບຖືກເພີ່ມໃສ່ ຖານຂໍ້ມູນ ໄດ້ data warehouse. ນີ້ຫມາຍຄວາມວ່ານັກປະຫວັດສາດຂອງ ຂໍ້ມູນ ແມ່ນບັນຈຸຢູ່ໃນ data warehouse.

ສໍາລັບຕົວແປທີ່ມີເວລາ Inmon ຊີ້ໃຫ້ເຫັນວ່າ i ຂໍ້ມູນ nel data warehouse ສະເຫມີປະກອບດ້ວຍຕົວຊີ້ວັດ tempo ei ຂໍ້ມູນ ປົກກະຕິແລ້ວພວກເຂົາຂ້າມຂອບເຂດເວລາທີ່ແນ່ນອນ. ຕົວຢ່າງ ກ
data warehouse ສາມາດບັນຈຸ 5 ປີຂອງມູນຄ່າປະຫວັດສາດຂອງ ລູກຄ້າ ຈາກ 1993 ຫາ 1997. ການມີຢູ່ຂອງປະຫວັດສາດແລະໄລຍະເວລາຂອງ ຂໍ້ມູນ ອະນຸຍາດໃຫ້ທ່ານວິເຄາະແນວໂນ້ມ.

Un data warehouse ລາວສາມາດເກັບກໍາຂອງຕົນເອງ ຂໍ້ມູນ ຈາກລະບົບ OLTP; ຈາກຕົ້ນກໍາເນີດ ຂໍ້ມູນ ພາຍນອກຂອງອົງການຈັດຕັ້ງ ແລະ/ຫຼື ຈາກໂຄງການລະບົບດັກພິເສດອື່ນໆ ຂໍ້ມູນ.
I ຂໍ້ມູນ ສານສະກັດຈາກສາມາດຜ່ານຂະບວນການທໍາຄວາມສະອາດ, ໃນກໍລະນີນີ້ i ຂໍ້ມູນ ມີການຫັນປ່ຽນແລະປະສົມປະສານກ່ອນທີ່ຈະຖືກເກັບໄວ້ໃນ ຖານຂໍ້ມູນ ໄດ້ data warehouse. ແລ້ວ​ຂ້ອຍ ຂໍ້ມູນ

ອາໄສຢູ່ພາຍໃນ ຖານຂໍ້ມູນ ໄດ້ data warehouse ສາມາດໃຊ້ໄດ້ກັບການເຂົ້າສູ່ລະບົບຂອງຜູ້ໃຊ້ສຸດທ້າຍ ແລະເຄື່ອງມືການກູ້ຂໍ້ມູນ. ການນໍາໃຊ້ເຄື່ອງມືເຫຼົ່ານີ້ຜູ້ໃຊ້ສຸດທ້າຍສາມາດເຂົ້າເຖິງທັດສະນະປະສົມປະສານຂອງອົງການຈັດຕັ້ງຂອງ ຂໍ້ມູນ.

I ຂໍ້ມູນ ອາໄສຢູ່ພາຍໃນ ຖານຂໍ້ມູນ ໄດ້ data warehouse ພວກມັນຖືກເກັບໄວ້ໃນຮູບແບບລາຍລະອຽດແລະສະຫຼຸບ.
ລະດັບຂອງບົດສະຫຼຸບອາດຈະຂຶ້ນກັບລັກສະນະຂອງ ຂໍ້ມູນ. ຂ້າພະເຈົ້າ ຂໍ້ມູນ ລາຍ​ລະ​ອຽດ​ອາດ​ຈະ​ປະ​ກອບ​ດ້ວຍ​ ຂໍ້ມູນ ປະຈຸບັນແລະ ຂໍ້ມູນ ນັກປະຫວັດສາດ
I ຂໍ້ມູນ ທີ່ແທ້ຈິງບໍ່ໄດ້ລວມຢູ່ໃນ data warehouse ຈົນກ່ວາຂ້າພະເຈົ້າ ຂໍ້ມູນ nel data warehouse ໄດ້ຖືກປັບປຸງໃຫມ່.
ນອກ​ເຫນືອ​ໄປ​ຈາກ​ການ​ເກັບ​ຮັກ​ສາ​ ຂໍ້ມູນ ຕົນເອງ, ກ data warehouse ມັນຍັງສາມາດເກັບຮັກສາປະເພດທີ່ແຕກຕ່າງກັນຂອງ dato ເອີ້ນວ່າ METADATA ອະທິບາຍ i ຂໍ້ມູນ ອາ​ໃສ​ຢູ່​ໃນ​ຂອງ​ຕົນ​ ຖານຂໍ້ມູນ.
ມີສອງປະເພດຂອງ metadata: metadata ການພັດທະນາແລະ metadata ການວິເຄາະ.
metadata ການພັດທະນາຖືກນໍາໃຊ້ເພື່ອຈັດການແລະອັດຕະໂນມັດຂະບວນການສະກັດ, ທໍາຄວາມສະອາດ, ການສ້າງແຜນທີ່ແລະການອັບໂຫລດ ຂໍ້ມູນ nel data warehouse.
ຂໍ້ມູນທີ່ມີຢູ່ໃນ metadata ການພັດທະນາສາມາດມີລາຍລະອຽດຂອງລະບົບປະຕິບັດການ, ລາຍລະອຽດຂອງອົງປະກອບທີ່ຈະສະກັດ, ຮູບແບບ ຂໍ້ມູນ ໄດ້ data warehouse ແລະກົດລະບຽບທຸລະກິດສໍາລັບການແປງຂໍ້ມູນ ຂໍ້ມູນ.

ປະເພດທີສອງຂອງ metadata, ເອີ້ນວ່າ metadata ການວິເຄາະເຮັດໃຫ້ຜູ້ໃຊ້ສຸດທ້າຍສາມາດຄົ້ນຫາເນື້ອໃນຂອງ data warehouse ເພື່ອຊອກຫາ i ຂໍ້ມູນ ທີ່ມີຢູ່ແລະຄວາມຫມາຍຂອງພວກເຂົາໃນຄໍາສັບທີ່ຊັດເຈນ, ບໍ່ແມ່ນດ້ານວິຊາການ.

ດັ່ງນັ້ນ metadata ການວິເຄາະເຮັດວຽກເປັນຂົວລະຫວ່າງ data warehouse ແລະຄໍາຮ້ອງສະຫມັກຜູ້ໃຊ້ສຸດທ້າຍ. metadata ນີ້ສາມາດປະກອບມີຮູບແບບທຸລະກິດ, ຄໍາອະທິບາຍຂອງ ຂໍ້ມູນ ທີ່ສອດຄ້ອງກັນກັບຮູບແບບທຸລະກິດ, ການສອບຖາມແລະບົດລາຍງານທີ່ກໍານົດໄວ້ກ່ອນ, ຂໍ້ມູນສໍາລັບການເຂົ້າເຖິງຜູ້ໃຊ້ແລະດັດສະນີ.

ການວິເຄາະ ແລະການພັດທະນາ metadata ຈະຕ້ອງຖືກລວມເຂົ້າກັນເປັນ metadata ທີ່ບັນຈຸປະສົມປະສານເພື່ອເຮັດວຽກຢ່າງຖືກຕ້ອງ.

ແຕ່ຫນ້າເສຍດາຍ, ເຄື່ອງມືທີ່ມີຢູ່ຫຼາຍມີ metadata ຂອງຕົນເອງແລະປະຈຸບັນບໍ່ມີມາດຕະຖານທີ່ມີຢູ່ແລ້ວ

ອະນຸຍາດໃຫ້ເຄື່ອງມືເກັບຂໍ້ມູນເພື່ອປະສົມປະສານ metadata ນີ້. ເພື່ອແກ້ໄຂສະຖານະການນີ້, ຜູ້ຂາຍຈໍານວນຫຼາຍຂອງເຄື່ອງມືເກັບຮັກສາຂໍ້ມູນຊັ້ນນໍາໄດ້ສ້າງຕັ້ງສະພາຂໍ້ມູນ Meta, ເຊິ່ງຕໍ່ມາໄດ້ກາຍເປັນ Meta Data Coalition.

ເປົ້າຫມາຍຂອງພັນທະມິດນີ້ແມ່ນເພື່ອສ້າງຊຸດ metadata ມາດຕະຖານທີ່ອະນຸຍາດໃຫ້ເຄື່ອງມືເກັບຂໍ້ມູນທີ່ແຕກຕ່າງກັນເພື່ອແປງ metadata.
ຄວາມພະຍາຍາມຂອງພວກເຂົາເຮັດໃຫ້ການເກີດຂອງ Meta Data Interchange Specification (MDIS) ເຊິ່ງຈະຊ່ວຍໃຫ້ການແລກປ່ຽນຂໍ້ມູນລະຫວ່າງ Microsoft Archives ແລະໄຟລ໌ MDIS ທີ່ກ່ຽວຂ້ອງ.

ທີ່ມີຢູ່ແລ້ວຂອງ ຂໍ້ມູນ ທັງສະຫຼຸບ / ດັດສະນີແລະລາຍລະອຽດ, ມັນເຮັດໃຫ້ຜູ້ໃຊ້ສາມາດດໍາເນີນການ DRILL DROWN (ເຈາະ) ຈາກ. ຂໍ້ມູນ indexed ກັບລາຍລະອຽດແລະໃນທາງກັບກັນ. ທີ່ມີຢູ່ແລ້ວຂອງ ຂໍ້ມູນ ປະຫວັດສາດລາຍລະອຽດອະນຸຍາດໃຫ້ສ້າງການວິເຄາະແນວໂນ້ມໃນໄລຍະເວລາ. ນອກຈາກນັ້ນ, metadata ການວິເຄາະສາມາດຖືກນໍາໃຊ້ເປັນ del directory ຖານຂໍ້ມູນ ໄດ້ data warehouse ເພື່ອຊ່ວຍໃຫ້ຜູ້ໃຊ້ສຸດທ້າຍຊອກຫາ i ຂໍ້ມູນ ຈໍາເປັນ.

ໃນການປຽບທຽບກັບລະບົບ OLTP, ມີຄວາມສາມາດສະຫນັບສະຫນູນການວິເຄາະຂອງ ຂໍ້ມູນ ແລະການລາຍງານ, ໄດ້ data warehouse ມັນໄດ້ຖືກເຫັນວ່າເປັນລະບົບທີ່ເຫມາະສົມສໍາລັບຂະບວນການຂໍ້ມູນຂ່າວສານເຊັ່ນ: ການສ້າງແລະການຕອບຄໍາຖາມແລະການຜະລິດບົດລາຍງານ. ໃນພາກຕໍ່ໄປຈະຍົກໃຫ້ເຫັນຄວາມແຕກຕ່າງຂອງສອງລະບົບໃນລາຍລະອຽດ.

ຄັງ​ຂໍ້​ມູນ ຕໍ່ກັບລະບົບ OLTP

ລະບົບຂໍ້ມູນຂ່າວສານຈໍານວນຫຼາຍພາຍໃນອົງການຈັດຕັ້ງມີຈຸດປະສົງເພື່ອສະຫນັບສະຫນູນການດໍາເນີນງານປະຈໍາວັນ. ລະບົບເຫຼົ່ານີ້ເອີ້ນວ່າ OLTP SYSTEMS, ເກັບກໍາການເຮັດທຸລະກໍາປະຈໍາວັນທີ່ມີການປັບປຸງຢ່າງຕໍ່ເນື່ອງ.

I ຂໍ້ມູນ ພາຍໃນລະບົບເຫຼົ່ານີ້ພວກເຂົາມັກຈະຖືກດັດແກ້, ເພີ່ມຫຼືລຶບ. ຕົວຢ່າງເຊັ່ນ, ທີ່ຢູ່ຂອງລູກຄ້າປ່ຽນແປງເມື່ອລາວຍ້າຍຈາກບ່ອນອື່ນ. ໃນ​ກໍ​ລະ​ນີ​ນີ້​ທີ່​ຢູ່​ໃຫມ່​ຈະ​ໄດ້​ຮັບ​ການ​ລົງ​ທະ​ບຽນ​ໂດຍ​ການ​ປັບ​ປຸງ​ແກ້​ໄຂ​ພາກ​ສະ​ຫນາມ​ທີ່​ຢູ່​ຂອງ​ ຖານຂໍ້ມູນ. ຈຸດປະສົງຕົ້ນຕໍຂອງລະບົບເຫຼົ່ານີ້ແມ່ນເພື່ອຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການເຮັດທຸລະກໍາແລະໃນເວລາດຽວກັນຫຼຸດຜ່ອນເວລາການປຸງແຕ່ງ. ຕົວຢ່າງຂອງລະບົບ OLTP ປະກອບມີການປະຕິບັດທີ່ສໍາຄັນເຊັ່ນ: ບັນທຶກການສັ່ງຊື້, ການຈ່າຍເງິນເດືອນ, ໃບແຈ້ງຫນີ້, ການຜະລິດ, ການບໍລິການລູກຄ້າ ລູກຄ້າ.

ບໍ່ເຫມືອນກັບລະບົບ OLTP, ເຊິ່ງຖືກສ້າງຂຶ້ນສໍາລັບການເຮັດທຸລະກໍາແລະຂະບວນການໂດຍອີງໃສ່ເຫດການ, i data warehouse ໄດ້ຖືກສ້າງຂື້ນເພື່ອສະຫນອງການສະຫນັບສະຫນູນຂະບວນການທີ່ອີງໃສ່ການວິເຄາະ ຂໍ້ມູນ ແລະຂະບວນການຕັດສິນໃຈ.

ນີ້ແມ່ນບັນລຸໄດ້ຕາມປົກກະຕິໂດຍການລວມເຂົ້າ i ຂໍ້ມູນ ຈາກ OLTP ແລະລະບົບພາຍນອກຕ່າງໆໃນ "ຖັງ" ດຽວ ຂໍ້ມູນ, ດັ່ງທີ່ໄດ້ສົນທະນາໃນພາກທີ່ຜ່ານມາ.

ຮູບແບບຂະບວນການເກັບຂໍ້ມູນ Monash

ຮູບແບບຂະບວນການສໍາລັບ data warehouse Monash ຖືກ​ພັດ​ທະ​ນາ​ໂດຍ​ນັກ​ຄົ້ນ​ຄວ້າ​ທີ່ Monash DSS Research Group ແລະ​ແມ່ນ​ອີງ​ໃສ່​ວັນ​ນະ​ຄະ​ດີ​ຂອງ data warehouse, ປະສົບການໃນຂົງເຂດລະບົບສະຫນັບສະຫນູນການພັດທະນາ, ການສົນທະນາກັບຜູ້ຂາຍຄໍາຮ້ອງສະຫມັກສໍາລັບການນໍາໃຊ້ກ່ຽວກັບ data warehouse, ໃນກຸ່ມຂອງຜູ້ຊ່ຽວຊານໃນການນໍາໃຊ້ຂອງ data warehouse.

ໄລຍະຄື: ການລິເລີ່ມ, ການວາງແຜນ, ການພັດທະນາ, ການດໍາເນີນງານ ແລະ ການອະທິບາຍ. ແຜນວາດອະທິບາຍລັກສະນະຊ້ຳໆ ຫຼືວິວັດທະນາການຂອງການພັດທະນາ a data warehouse ຂະບວນການໂດຍໃຊ້ລູກສອນສອງທາງທີ່ວາງໄວ້ລະຫວ່າງຂັ້ນຕອນຕ່າງໆ. ໃນສະພາບການນີ້ "ການຊໍ້າຊ້ອນ" ແລະ "ວິວັດທະນາການ" ຫມາຍຄວາມວ່າ, ໃນແຕ່ລະຂັ້ນຕອນຂອງຂະບວນການ, ກິດຈະກໍາການປະຕິບັດສາມາດແຜ່ຂະຫຍາຍກັບຄືນສູ່ຂັ້ນຕອນທີ່ຜ່ານມາ. ນີ້ແມ່ນຍ້ອນລັກສະນະຂອງໂຄງການ data warehouse ເຊິ່ງການຮ້ອງຂໍເພີ່ມເຕີມໂດຍຜູ້ໃຊ້ສຸດທ້າຍເກີດຂຶ້ນໄດ້ທຸກເວລາ. ຕົວຢ່າງ, ໃນໄລຍະການພັດທະນາຂອງຂະບວນການ data warehouseຖ້າ​ຫາກ​ວ່າ​ຂະ​ຫນາດ​ຫົວ​ຂໍ້​ໃຫມ່​ຫຼື​ພື້ນ​ທີ່​ໄດ້​ຖືກ​ຮ້ອງ​ຂໍ​ໂດຍ​ຜູ້​ໃຊ້​ທີ່​ສຸດ​, ຊຶ່ງ​ບໍ່​ແມ່ນ​ສ່ວນ​ຫນຶ່ງ​ຂອງ​ແຜນ​ການ​ຕົ້ນ​ສະ​ບັບ​, ມັນ​ຈະ​ຕ້ອງ​ໄດ້​ຮັບ​ການ​ເພີ່ມ​ເຂົ້າ​ໃນ​ລະ​ບົບ​. ນີ້ເຮັດໃຫ້ເກີດການປ່ຽນແປງໃນໂຄງການ. ຜົນໄດ້ຮັບແມ່ນວ່າທີມງານອອກແບບຕ້ອງປ່ຽນແປງຂໍ້ກໍານົດຂອງເອກະສານທີ່ສ້າງຂຶ້ນມາເຖິງຕອນນັ້ນໃນໄລຍະການອອກແບບ. ໃນຫຼາຍໆກໍລະນີ, ສະພາບປະຈຸບັນຂອງໂຄງການຕ້ອງກັບຄືນສູ່ໄລຍະການອອກແບບທີ່ຄວາມຕ້ອງການໃຫມ່ຕ້ອງໄດ້ຮັບການເພີ່ມແລະເອກະສານ. ຜູ້ໃຊ້ສຸດທ້າຍຕ້ອງສາມາດເບິ່ງເອກະສານສະເພາະທີ່ຖືກທົບທວນຄືນແລະການປ່ຽນແປງທີ່ໄດ້ເຮັດໃນໄລຍະການພັດທະນາ. ໃນຕອນທ້າຍຂອງວົງຈອນການພັດທະນານີ້, ໂຄງການຕ້ອງການໄດ້ຮັບຄໍາຄິດເຫັນທີ່ດີຈາກທັງທີມງານພັດທະນາແລະຜູ້ໃຊ້. ຈາກນັ້ນຄຳຄິດເຫັນຈະຖືກນຳໃຊ້ຄືນໃໝ່ເພື່ອປັບປຸງໂຄງການໃນອະນາຄົດ.

ການວາງແຜນຄວາມອາດສາມາດ
dw ມີແນວໂນ້ມທີ່ຈະມີຂະຫນາດໃຫຍ່ຫຼາຍໃນຂະຫນາດແລະການຂະຫຍາຍຕົວໄວຫຼາຍ (Best 1995, Rudin 1997a) ເນື່ອງຈາກປະລິມານຂອງ ຂໍ້ມູນ ປະຫວັດສາດທີ່ພວກເຂົາຮັກສາຈາກໄລຍະເວລາຂອງພວກເຂົາ. ການຂະຫຍາຍຕົວຍັງສາມາດເກີດຈາກ ຂໍ້ມູນ add-ons ຮ້ອງຂໍໂດຍຜູ້ໃຊ້ເພື່ອເພີ່ມມູນຄ່າຂອງ ຂໍ້ມູນ ທີ່ເຂົາເຈົ້າມີຢູ່ແລ້ວ. ດັ່ງນັ້ນ, ຄວາມຕ້ອງການເກັບຮັກສາສໍາລັບ ຂໍ້ມູນ ສາມາດໄດ້ຮັບການປັບປຸງຢ່າງຫຼວງຫຼາຍ (Eckerson 1997). ດັ່ງນັ້ນ, ມັນເປັນສິ່ງຈໍາເປັນເພື່ອຮັບປະກັນ, ໂດຍການດໍາເນີນການວາງແຜນຄວາມສາມາດ, ວ່າລະບົບທີ່ຈະສ້າງສາມາດຂະຫຍາຍຕົວຕາມຄວາມຕ້ອງການຂະຫຍາຍຕົວ (Best 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a).
ໃນການວາງແຜນການຂະຫຍາຍສາງຂໍ້ມູນ, ຄົນຫນຶ່ງຕ້ອງຮູ້ການຂະຫຍາຍຕົວທີ່ຄາດວ່າຈະຢູ່ໃນຂະຫນາດຄັງສິນຄ້າ, ປະເພດຂອງຄໍາຖາມທີ່ອາດຈະເກີດຂຶ້ນ, ແລະຈໍານວນຜູ້ໃຊ້ສຸດທ້າຍທີ່ສະຫນັບສະຫນູນ (Best 1995, Rudin 1997b, Foley 1997a). ການກໍ່ສ້າງຄໍາຮ້ອງສະຫມັກທີ່ສາມາດປັບຂະຫນາດໄດ້ຮຽກຮ້ອງໃຫ້ມີການປະສົມປະສານຂອງເທກໂນໂລຍີເຊີຟເວີທີ່ສາມາດປັບຂະຫນາດໄດ້ແລະເຕັກນິກການອອກແບບຄໍາຮ້ອງສະຫມັກທີ່ສາມາດປັບຂະຫນາດໄດ້ (ດີທີ່ສຸດ 1995, Rudin 1997b. ທັງສອງແມ່ນມີຄວາມຈໍາເປັນໃນການສ້າງຄໍາຮ້ອງສະຫມັກທີ່ມີຂະຫນາດສູງ. ເຕັກໂນໂລຢີເຊີຟເວີທີ່ສາມາດຂະຫຍາຍໄດ້ສາມາດເຮັດໃຫ້ມັນງ່າຍແລະປະຫຍັດຄ່າໃຊ້ຈ່າຍໃນການເພີ່ມການເກັບຮັກສາ, ຫນ່ວຍຄວາມຈໍາແລະ CPU ໂດຍບໍ່ມີການ ປະສິດທິພາບທີ່ເສື່ອມໂຊມ (Lang 1997, Telephony 1997).

ມີ​ສອງ​ເຕັກ​ໂນ​ໂລ​ຊີ​ເຊີ​ເວີ​ທີ່​ສາ​ມາດ​ຂະ​ຫຍາຍ​ຕົວ​ໄດ້​: ການ​ປຸງ​ແຕ່ງ​ຫຼາຍ symmetric (SMP​) ແລະ​ຂະ​ຫນານ​ຂະ​ຫນານ​ຂະ​ຫນານ (MPP​) (IDC 1997​, Humphries et al. 1999​)​. ເຊີບເວີ SMP ໂດຍປົກກະຕິມີໂປເຊດເຊີຫຼາຍຕົວທີ່ແບ່ງປັນຄວາມຊົງຈໍາ, ລົດເມຂອງລະບົບ, ແລະຊັບພະຍາກອນອື່ນໆ (IDC 1997, Humphries et al. 1999). ໂປເຊດເຊີເພີ່ມເຕີມສາມາດຖືກເພີ່ມເພື່ອເພີ່ມກໍາລັງຂອງມັນ ພະລັງງານ ການ​ຄິດ​ໄລ່​. ອີກ​ວິ​ທີ​ການ​ເພີ່ມ​ທະ​ວີ​ການ​ ພະລັງງານ ການຄິດໄລ່ຂອງເຄື່ອງແມ່ຂ່າຍ SMP, ແມ່ນການລວມເອົາເຄື່ອງ SMP ຈໍານວນຫລາຍ. ເຕັກນິກນີ້ແມ່ນເປັນທີ່ຮູ້ຈັກເປັນກຸ່ມ (Humphries et al. 1999). ໃນທາງກັບກັນ, ເຊີບເວີ MPP ມີໂປເຊດເຊີຫຼາຍຕົວໃນແຕ່ລະຫນ່ວຍຄວາມຈໍາ, ລະບົບລົດເມ, ແລະຊັບພະຍາກອນອື່ນໆ (IDC 1997, Humphries et al. 1999). ແຕ່ລະໂປເຊດເຊີເອີ້ນວ່າ node. ການເພີ່ມຂຶ້ນຂອງ ພະລັງງານ ການ​ຄິດ​ໄລ່​ສາ​ມາດ​ໄດ້​ຮັບ​

ການເພີ່ມ nodes ເພີ່ມເຕີມໃຫ້ກັບເຊີບເວີ MPP (Humphries et al. 1999).

ຂໍ້ບົກຜ່ອງຂອງເຊີບເວີ SMP ແມ່ນວ່າການປະຕິບັດການປ້ອນຂໍ້ມູນ (I/O) ຫຼາຍເກີນໄປສາມາດເຮັດໃຫ້ລະບົບລົດເມ congest (IDC 1997). ບັນຫານີ້ບໍ່ໄດ້ເກີດຂຶ້ນພາຍໃນເຄື່ອງແມ່ຂ່າຍ MPP ເນື່ອງຈາກແຕ່ລະໂປເຊດເຊີມີລະບົບລົດເມຂອງຕົນເອງ. ຢ່າງໃດກໍ່ຕາມ, ການເຊື່ອມຕໍ່ກັນລະຫວ່າງແຕ່ລະ node ໂດຍທົ່ວໄປແມ່ນຊ້າກວ່າລະບົບລົດເມ SMP. ນອກຈາກນັ້ນ, ເຊີບເວີ MPP ສາມາດເພີ່ມຄວາມຊັບຊ້ອນຊັ້ນພິເສດໃຫ້ກັບຜູ້ພັດທະນາແອັບພລິເຄຊັນ (IDC 1997). ດັ່ງນັ້ນ, ທາງເລືອກລະຫວ່າງເຊີບເວີ SMP ແລະ MPP ສາມາດໄດ້ຮັບອິດທິພົນຈາກຫຼາຍປັດໃຈ, ລວມທັງຄວາມສັບສົນຂອງຄໍາຮ້ອງສະຫມັກ, ອັດຕາສ່ວນລາຄາ / ການປະຕິບັດ, ຄວາມຕ້ອງການຜ່ານ, ຄໍາຮ້ອງສະຫມັກ dw ປ້ອງກັນແລະການເພີ່ມຂື້ນຂອງຂະຫນາດ. ຖານຂໍ້ມູນ ຂອງ dw ແລະໃນຈໍານວນຜູ້ໃຊ້ສຸດທ້າຍ.

ເຕັກນິກການອອກແບບຄໍາຮ້ອງສະຫມັກທີ່ສາມາດຂະຫຍາຍໄດ້ຈໍານວນຫນຶ່ງສາມາດຖືກນໍາໃຊ້ໃນການວາງແຜນຄວາມສາມາດ. ຫນຶ່ງໃຊ້ໄລຍະເວລາການລາຍງານຕ່າງໆເຊັ່ນມື້, ອາທິດ, ເດືອນແລະປີ. ມີໄລຍະເວລາແຈ້ງການຕ່າງໆ, ໄດ້ ຖານຂໍ້ມູນ ສາ​ມາດ​ແບ່ງ​ອອກ​ເປັນ​ຕ່ອນ​ຈັດ​ການ​ຈັດ​ກຸ່ມ (Inmon et al. 1997​)​. ເຕັກນິກອື່ນແມ່ນການໃຊ້ຕາຕະລາງສະຫຼຸບທີ່ສ້າງຂຶ້ນໂດຍການສະຫຼຸບ ຂໍ້ມູນ da ຂໍ້ມູນ ລະອຽດ. ດັ່ງນັ້ນ, i ຂໍ້ມູນ abstracts ມີຄວາມຫນາແຫນ້ນຫຼາຍກ່ວາລາຍລະອຽດ, ເຊິ່ງຕ້ອງການພື້ນທີ່ຫນ່ວຍຄວາມຈໍາຫນ້ອຍ. ດັ່ງນັ້ນ ຂໍ້ມູນ ລາຍ​ລະ​ອຽດ​ສາ​ມາດ​ຖືກ​ເກັບ​ໄວ້​ໃນ​ຫນ່ວຍ​ບໍ​ລິ​ການ​ເກັບ​ຮັກ​ສາ​ລາ​ຄາ​ແພງ​ຫນ້ອຍ​, ເຊິ່ງ​ຊ່ວຍ​ປະ​ຢັດ​ການ​ເກັບ​ຮັກ​ສາ​ຫຼາຍ​. ໃນຂະນະທີ່ການນໍາໃຊ້ຕາຕະລາງສະຫຼຸບສາມາດປະຫຍັດພື້ນທີ່ເກັບຮັກສາ, ພວກເຂົາຕ້ອງການຄວາມພະຍາຍາມຫຼາຍເພື່ອເຮັດໃຫ້ພວກເຂົາປະຈຸບັນແລະສອດຄ່ອງກັບຄວາມຕ້ອງການຂອງທຸລະກິດ. ຢ່າງໃດກໍ່ຕາມ, ເຕັກນິກນີ້ແມ່ນຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງແລະມັກຈະຖືກນໍາໃຊ້ໂດຍສົມທົບກັບເຕັກນິກທີ່ຜ່ານມາ (Best 1995, Inmon 1996a, Chauduri ແລະ Dayal.
1997).

ນິຍາມ ຄັງ​ຂໍ້​ມູນ Technical Architectures ນິຍາມເຕັກນິກສະຖາປັດຕະຍະກຳ dw

ຜູ້ຮັບຮອງເອົາການເກັບມ້ຽນຂໍ້ມູນເບື້ອງຕົ້ນ ຄາດຄະເນການຈັດຕັ້ງປະຕິບັດຄັງເກັບຂໍ້ມູນແບບລວມສູນ ເຊິ່ງທັງໝົດ ຂໍ້ມູນ, ລວມທັງ i ຂໍ້ມູນ ພາຍນອກ, ໄດ້ຖືກລວມເຂົ້າເປັນອັນດຽວ,
ຄັງເກັບຂໍ້ມູນທາງດ້ານຮ່າງກາຍ (Inmon 1996a, Bresnahan 1996, Peacock 1998).

ປະໂຫຍດຕົ້ນຕໍຂອງວິທີການນີ້ແມ່ນຜູ້ໃຊ້ສຸດທ້າຍສາມາດເຂົ້າເຖິງທັດສະນະຂອງວິສາຫະກິດ ຂໍ້ມູນ ການຈັດຕັ້ງ (Ovum 1998). ບວກອີກອັນຫນຶ່ງແມ່ນວ່າມັນສະຫນອງມາດຕະຖານຂອງ ຂໍ້ມູນ ໃນທົ່ວອົງການຈັດຕັ້ງ, ຊຶ່ງຫມາຍຄວາມວ່າມີພຽງແຕ່ສະບັບຫນຶ່ງຫຼືຄໍານິຍາມສໍາລັບແຕ່ລະຄໍາສັບທີ່ໃຊ້ໃນ metadata ຂອງ repository (Flanagan and Safdie 1997, Ovum 1998). ຂໍ້ເສຍຂອງວິທີການນີ້, ໃນທາງກົງກັນຂ້າມ, ມັນມີລາຄາແພງແລະມີຄວາມຫຍຸ້ງຍາກໃນການກໍ່ສ້າງ (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998). ບໍ່ດົນຫລັງຈາກສະຖາປັດຕະຍະກໍາການເກັບຮັກສາ ຂໍ້ມູນ ສູນ​ກາງ​ໄດ້​ກາຍ​ເປັນ​ທີ່​ນິ​ຍົມ​, ແນວ​ຄວາມ​ຄິດ​ຂອງ​ການ​ຂຸດ​ຄົ້ນ​ບໍ່​ແຮ່​ຂະ​ຫນາດ​ນ້ອຍ​ທີ່​ສຸດ​ຂອງ​ພຣະ​ໄດ້​ພັດ​ທະ​ນາ​ ຂໍ້ມູນ ເພື່ອຮອງຮັບຄວາມຕ້ອງການຂອງແອັບພລິເຄຊັນສະເພາະ (Varney 1996, IDC 1997, Berson and Smith 1997, peacock 1998). ລະບົບຂະຫນາດນ້ອຍເຫຼົ່ານີ້ແມ່ນໄດ້ມາຈາກລະບົບຂະຫນາດໃຫຍ່ data warehouse ສູນກາງ. ເຂົາເຈົ້າມີຊື່ data warehouse ພະ​ນັກ​ງານ​ພະ​ແນກ​ຫຼື​ພະ​ນັກ​ງານ marts ຂໍ້​ມູນ​. ສະຖາປັດຕະຍະກຳ Data mart ທີ່ຂຶ້ນກັບແມ່ນເອີ້ນວ່າສະຖາປັດຕະຍະກຳສາມຊັ້ນ ເຊິ່ງຊັ້ນທຳອິດປະກອບດ້ວຍ data warehouse ສູນກາງ, ທີສອງປະກອບດ້ວຍເງິນຝາກຂອງ ຂໍ້ມູນ ພະແນກແລະທີສາມປະກອບດ້ວຍການເຂົ້າເຖິງ ຂໍ້ມູນ ແລະໂດຍເຄື່ອງມືການວິເຄາະ (Demarest 1994, Inmon et al. 1997).

Data marts ປົກກະຕິແລ້ວແມ່ນສ້າງຂຶ້ນຫຼັງຈາກ data warehouse ສູນກາງຖືກສ້າງຂຶ້ນເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການຂອງຫນ່ວຍງານສະເພາະ (White 1995, Varney 1996).
ຮ້ານ Data marts i ຂໍ້ມູນ ກ່ຽວຂ້ອງກັບໜ່ວຍງານສະເພາະ (Inmon et al. 1997, Inmon et al. 1998, IA 1998).

ປະໂຫຍດຂອງວິທີການນີ້ແມ່ນຈະບໍ່ມີ dato ບໍ່ປະສົມປະສານແລະວ່າ i ຂໍ້ມູນ ຈະຊ້ໍາຊ້ອນຫນ້ອຍພາຍໃນ marts ຂໍ້ມູນນັບຕັ້ງແຕ່ທັງຫມົດ ຂໍ້ມູນ ມາຈາກເງິນຝາກຂອງ ຂໍ້ມູນ ປະສົມປະສານ. ປະໂຫຍດອີກອັນຫນຶ່ງແມ່ນວ່າຈະມີການເຊື່ອມໂຍງຫນ້ອຍລົງລະຫວ່າງແຕ່ລະ data mart ແລະແຫຼ່ງຂອງມັນ ຂໍ້ມູນ ເນື່ອງຈາກວ່າແຕ່ລະ data mart ມີແຫຼ່ງດຽວຂອງ ຂໍ້ມູນ. ບວກກັບສະຖາປັດຕະຍະກໍານີ້ຢູ່ໃນສະຖານທີ່, ຜູ້ໃຊ້ສຸດທ້າຍຍັງສາມາດເຂົ້າເຖິງໄດ້ ຂໍ້ມູນ

ອົງການຈັດຕັ້ງ. ວິທີການນີ້ແມ່ນເປັນທີ່ຮູ້ຈັກເປັນວິທີການເທິງລົງລຸ່ມ, ບ່ອນທີ່ marts ຂໍ້ມູນຖືກສ້າງຂຶ້ນຫຼັງຈາກ data warehouse (peacock 1998, Goff 1998).
ການເພີ່ມຄວາມຕ້ອງການທີ່ຈະສະແດງໃຫ້ເຫັນຜົນໄດ້ຮັບໃນໄວ, ບາງອົງການຈັດຕັ້ງໄດ້ເລີ່ມຕົ້ນສ້າງ marts ຂໍ້ມູນເອກະລາດ (Flanagan and Safdie 1997, White 2000). ໃນກໍລະນີນີ້, ຂໍ້ມູນ marts ໄດ້ຮັບຂອງເຂົາເຈົ້າ ຂໍ້ມູນ ກົງຈາກພື້ນຖານຂອງ ຂໍ້ມູນ OLTP ແລະບໍ່ແມ່ນ OLTP ຈາກສູນລວມແລະປະສົມປະສານ, ດັ່ງນັ້ນການກໍາຈັດຄວາມຕ້ອງການສໍາລັບ repository ສູນກາງຢູ່ໃນສະຖານທີ່.

ແຕ່ລະ data mart ຕ້ອງການຢ່າງໜ້ອຍໜຶ່ງລິ້ງໄປຫາແຫຼ່ງຂອງມັນ ຂໍ້ມູນ. ຂໍ້ເສຍໜຶ່ງຂອງການມີການເຊື່ອມໂຍງຫຼາຍອັນກັບແຕ່ລະ data mart ແມ່ນວ່າ, ເມື່ອປຽບທຽບກັບສອງສະຖາປັດຕະຍະກໍາທີ່ຜ່ານມາ, ຄວາມອຸດົມສົມບູນຂອງ. ຂໍ້ມູນ ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ.

ທຸກໆ data mart ຕ້ອງເກັບຮັກສາທັງຫມົດ ຂໍ້ມູນ ຕ້ອງການໃນທ້ອງຖິ່ນເພື່ອບໍ່ມີຜົນກະທົບກັບລະບົບ OLTP. ນີ້ເຮັດໃຫ້ i ຂໍ້ມູນ ພວກມັນຖືກເກັບໄວ້ໃນ data marts ທີ່ແຕກຕ່າງກັນ (Inmon et al. 1997). ຂໍ້ເສຍອີກອັນຫນຶ່ງຂອງສະຖາປັດຕະຍະກໍານີ້ແມ່ນວ່າມັນນໍາໄປສູ່ການສ້າງການເຊື່ອມໂຍງທີ່ສັບສົນລະຫວ່າງ data marts ແລະແຫຼ່ງຂໍ້ມູນຂອງພວກເຂົາ. ຂໍ້ມູນ ເຊິ່ງມີຄວາມຫຍຸ້ງຍາກໃນການປະຕິບັດ ແລະຄວບຄຸມ (Inmon et al. 1997).

ຂໍ້ເສຍອີກອັນຫນຶ່ງແມ່ນວ່າຜູ້ໃຊ້ສຸດທ້າຍອາດຈະບໍ່ສາມາດເຂົ້າເຖິງຂໍ້ມູນລວມຂອງບໍລິສັດເພາະວ່າ i ຂໍ້ມູນ ຂອງ marts ຂໍ້ມູນທີ່ແຕກຕ່າງກັນບໍ່ໄດ້ປະສົມປະສານ (Ovum 1998).
ແຕ່ຂໍ້ເສຍອີກອັນຫນຶ່ງແມ່ນວ່າອາດຈະມີຫຼາຍກວ່າຫນຶ່ງຄໍານິຍາມສໍາລັບແຕ່ລະຄໍາສັບທີ່ໃຊ້ໃນ data marts ທີ່ສ້າງຄວາມບໍ່ສອດຄ່ອງຂອງຂໍ້ມູນ. ຂໍ້ມູນ ໃນອົງການຈັດຕັ້ງ (Ovum 1998).
ເຖິງວ່າຈະມີຂໍ້ເສຍທີ່ໄດ້ສົນທະນາຂ້າງເທິງ, ຂໍ້ມູນປະຈໍາຕົວຍັງດຶງດູດຄວາມສົນໃຈຂອງອົງການຈັດຕັ້ງຈໍານວນຫຼາຍ (IDC 1997). ປັດໄຈຫນຶ່ງທີ່ເຮັດໃຫ້ພວກເຂົາມີຄວາມຫນ້າສົນໃຈແມ່ນວ່າພວກເຂົາໄວກວ່າທີ່ຈະພັດທະນາແລະຕ້ອງການເວລາແລະຊັບພະຍາກອນຫນ້ອຍ (Bresnahan 1996, Berson and Smith 1997, Ovum 1998). ດັ່ງນັ້ນ, ພວກເຂົາເຈົ້າໃຫ້ບໍລິການຕົ້ນຕໍເປັນການອອກແບບການທົດສອບທີ່ສາມາດນໍາໃຊ້ໄດ້ໄວເພື່ອກໍານົດຜົນປະໂຫຍດແລະ / ຫຼືຂໍ້ບົກຜ່ອງໃນການອອກແບບ (Parsaye 1995, Braly 1995, Newing 1996). ໃນກໍລະນີນີ້, ພາກສ່ວນທີ່ຈະປະຕິບັດໃນໂຄງການທົດລອງຕ້ອງມີຂະຫນາດນ້ອຍແຕ່ມີຄວາມສໍາຄັນກັບອົງການຈັດຕັ້ງ (Newing 1996, Mansell-Lewis 1996).

ໂດຍການກວດສອບຕົ້ນແບບ, ຜູ້ໃຊ້ສຸດທ້າຍແລະການຄຸ້ມຄອງສາມາດຕັດສິນໃຈວ່າຈະສືບຕໍ່ຫຼືຢຸດໂຄງການ (Flanagan and Safdie 1997).
ຖ້າການຕັດສິນໃຈຈະສືບຕໍ່, data marts ສໍາລັບອຸດສາຫະກໍາອື່ນໆຄວນຈະຖືກສ້າງຂຶ້ນເທື່ອລະຄັ້ງ. ມີ​ສອງ​ທາງ​ເລືອກ​ສໍາ​ລັບ​ຜູ້​ຊົມ​ໃຊ້​ທີ່​ສຸດ​ໂດຍ​ອີງ​ໃສ່​ຄວາມ​ຕ້ອງ​ການ​ຂອງ​ເຂົາ​ເຈົ້າ​ໃນ​ການ​ກໍ່​ສ້າງ​ຂໍ້​ມູນ​ທີ່​ເປັນ​ເອ​ກະ​ລາດ​: ປະ​ສົມ​ປະ​ສານ / ສະ​ຫະ​ພັນ​ແລະ unintegrated (Ovum 1998​)

ໃນວິທີການທໍາອິດ, ແຕ່ລະ data mart ໃຫມ່ຄວນໄດ້ຮັບການສ້າງຂຶ້ນໂດຍອີງໃສ່ຂໍ້ມູນ marts ແລະຮູບແບບໃນປະຈຸບັນ ຂໍ້ມູນ ໃຊ້ໂດຍບໍລິສັດ (Varney 1996, Berson and Smith 1997, Peacock 1998). ຄວາມຕ້ອງການທີ່ຈະນໍາໃຊ້ຕົວແບບ ຂໍ້ມູນ ຂອງວິສາຫະກິດຫມາຍຄວາມວ່າຫນຶ່ງຕ້ອງຮັບປະກັນວ່າມີພຽງແຕ່ຫນຶ່ງຄໍານິຍາມສໍາລັບແຕ່ລະຄໍາສັບທີ່ໃຊ້ໃນທົ່ວ marts ຂໍ້ມູນ, ຍັງເພື່ອຮັບປະກັນວ່າ marts ຂໍ້ມູນທີ່ແຕກຕ່າງກັນສາມາດຖືກລວມເຂົ້າເພື່ອໃຫ້ພາບລວມຂອງຂໍ້ມູນວິສາຫະກິດ (Bresnahan 1996). ວິທີການນີ້ເອີ້ນວ່າວິທີການລຸ່ມສຸດແລະຖືກນໍາໃຊ້ດີທີ່ສຸດໃນເວລາທີ່ມີຂໍ້ຈໍາກັດກ່ຽວກັບວິທີການແລະເວລາທາງດ້ານການເງິນ (Flanagan and Safdie 1997, Ovum 1998, peacock 1998, Goff 1998). ໃນວິທີການທີສອງ, marts ຂໍ້ມູນກໍ່ສ້າງພຽງແຕ່ສາມາດຕອບສະຫນອງຄວາມຕ້ອງການຂອງຫນ່ວຍງານສະເພາະ. ຕົວແປຂອງ data mart ສະຫະພັນແມ່ນ data warehouse ແຈກຢາຍໃນນັ້ນ ຖານຂໍ້ມູນ hub server middleware ຖືກນໍາໃຊ້ເພື່ອລວມຂໍ້ມູນຈໍານວນຫຼາຍເຂົ້າໄປໃນ repository ດຽວ ຂໍ້ມູນ ແຈກຢາຍ (ສີຂາວ 1995). ໃນກໍລະນີນີ້, i ຂໍ້ມູນ ທຸລະກິດໄດ້ຖືກແຈກຢາຍຢູ່ໃນ marts ຂໍ້ມູນຈໍານວນຫນຶ່ງ. ການຮ້ອງຂໍຂອງຜູ້ໃຊ້ສຸດທ້າຍແມ່ນຖືກສົ່ງໄປຫາ ຖານຂໍ້ມູນ hub server middleware, ເຊິ່ງສະກັດທັງໝົດ ຂໍ້ມູນ ຮ້ອງຂໍໂດຍ data marts ແລະອາຫານຜົນໄດ້ຮັບກັບຄືນໄປບ່ອນຄໍາຮ້ອງສະຫມັກຜູ້ໃຊ້ສຸດທ້າຍ. ວິທີນີ້ໃຫ້ຂໍ້ມູນທຸລະກິດແກ່ຜູ້ໃຊ້ສຸດທ້າຍ. ຢ່າງໃດກໍຕາມ, ບັນຫາຂອງ marts ຂໍ້ມູນເອກະລາດແມ່ນຍັງບໍ່ທັນໄດ້ລົບລ້າງ. ມີສະຖາປັດຕະຍະກໍາອີກອັນຫນຶ່ງທີ່ສາມາດນໍາໃຊ້ໄດ້ເຊິ່ງເອີ້ນວ່າ data warehouse virtual (ສີຂາວ 1995). ຢ່າງໃດກໍ່ຕາມ, ສະຖາປັດຕະຍະກໍານີ້, ເຊິ່ງສະແດງຢູ່ໃນຮູບ 2.9, ບໍ່ແມ່ນສະຖາປັດຕະຍະກໍາການເກັບຮັກສາຂໍ້ມູນ ຂໍ້ມູນ ທີ່ແທ້ຈິງນັບຕັ້ງແຕ່ມັນບໍ່ໄດ້ຍ້າຍການໂຫຼດຈາກລະບົບ OLTP ໄປ data warehouse (Demarest 1994).

ໃນຄວາມເປັນຈິງ, ການຮ້ອງຂໍສໍາລັບ ຂໍ້ມູນ ໂດຍຜູ້ໃຊ້ສຸດທ້າຍພວກເຂົາຖືກສົ່ງໄປຫາລະບົບ OLTP ເຊິ່ງສົ່ງຜົນໄດ້ຮັບຫຼັງຈາກການປຸງແຕ່ງຄໍາຮ້ອງຂໍຂອງຜູ້ໃຊ້. ໃນຂະນະທີ່ສະຖາປັດຕະຍະກໍານີ້ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ສຸດທ້າຍສ້າງບົດລາຍງານແລະເຮັດການຮ້ອງຂໍ, ມັນບໍ່ສາມາດສະຫນອງ i

ຂໍ້ມູນ ປະຫວັດແລະພາບລວມຂອງຂໍ້ມູນຂອງບໍລິສັດນັບຕັ້ງແຕ່ i ຂໍ້ມູນ ເນື່ອງຈາກວ່າລະບົບ OLTP ທີ່ແຕກຕ່າງກັນບໍ່ໄດ້ຖືກປະສົມປະສານ. ເພາະສະນັ້ນ, ສະຖາປັດຕະຍະກໍານີ້ບໍ່ສາມາດຕອບສະຫນອງການວິເຄາະຂອງ ຂໍ້ມູນ ເຊັ່ນ: ການຄາດຄະເນ.

ການຄັດເລືອກການເຂົ້າເຖິງແລະຄໍາຮ້ອງສະຫມັກການຟື້ນຕົວຂໍ້ມູນ ຂໍ້ມູນ

ຈຸດປະສົງຂອງການສ້າງ ກ data warehouse ແມ່ນການຖ່າຍທອດຂໍ້ມູນໃຫ້ແກ່ຜູ້ໃຊ້ສຸດທ້າຍ (Inmon et al. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998); ນຶ່ງ ຫຼືຫຼາຍແອັບພລິເຄຊັນການເຂົ້າເຖິງ ແລະກູ້ຄືນ ຂໍ້ມູນ ຕ້ອງໄດ້ຮັບການສະຫນອງໃຫ້. ມາຮອດປະຈຸ, ມີຫຼາຍຄໍາຮ້ອງສະຫມັກດັ່ງກ່າວສໍາລັບຜູ້ໃຊ້ທີ່ຈະເລືອກເອົາຈາກ (Hammergren 1998, Humphries et al. 1999). ຄໍາຮ້ອງສະຫມັກທີ່ເລືອກກໍານົດຜົນສໍາເລັດຂອງຄວາມພະຍາຍາມໃນຄັງສິນຄ້າ ຂໍ້ມູນ ໃນອົງການຈັດຕັ້ງເນື່ອງຈາກວ່າຄໍາຮ້ອງສະຫມັກແມ່ນພາກສ່ວນທີ່ສັງເກດເຫັນຫຼາຍທີ່ສຸດຂອງ data warehouse ກັບຜູ້ໃຊ້ສຸດທ້າຍ (Inmon et al. 1997, Poe 1996). ປະສົບຜົນສຳເລັດ ກ data warehouse, ຕ້ອງສາມາດສະຫນັບສະຫນູນກິດຈະກໍາການວິເຄາະຂໍ້ມູນ ຂໍ້ມູນ ຂອງຜູ້ໃຊ້ສຸດທ້າຍ (Poe 1996, Seddon ແລະ Benjamin 1998, Eckerson 1999). ດັ່ງນັ້ນ "ລະດັບ" ຂອງສິ່ງທີ່ຜູ້ໃຊ້ສຸດທ້າຍຕ້ອງການຕ້ອງຖືກກໍານົດ (Poe 1996, Mattison 1996, Inmon et al. 1997, Humphries et al. 1999).

ໂດຍທົ່ວໄປ, ຜູ້ໃຊ້ສຸດທ້າຍສາມາດຖືກຈັດເປັນສາມປະເພດ: ຜູ້ໃຊ້ບໍລິຫານ, ນັກວິເຄາະທຸລະກິດແລະຜູ້ໃຊ້ພະລັງງານ (Poe 1996, Humphries et al. 1999). ຜູ້​ໃຊ້​ບໍ​ລິ​ຫານ​ຕ້ອງ​ການ​ເຂົ້າ​ເຖິງ​ໄດ້​ງ່າຍ​ກັບ​ຊຸດ​ບົດ​ລາຍ​ງານ​ທີ່​ກໍາ​ນົດ​ໄວ້​ລ່ວງ​ຫນ້າ (Humphries et al. 1999). ບົດລາຍງານເຫຼົ່ານີ້ສາມາດເຂົ້າເຖິງໄດ້ງ່າຍດ້ວຍການນໍາທາງເມນູ (Poe 1996). ນອກຈາກນັ້ນ, ບົດລາຍງານຄວນນໍາສະເຫນີຂໍ້ມູນໂດຍໃຊ້ການສະແດງຮູບພາບເຊັ່ນຕາຕະລາງແລະແມ່ແບບເພື່ອຖ່າຍທອດຂໍ້ມູນຢ່າງໄວວາ (Humphries et al. 1999). ນັກວິເຄາະທຸລະກິດ, ຜູ້ທີ່ອາດຈະບໍ່ມີຄວາມສາມາດດ້ານວິຊາການເພື່ອພັດທະນາບົດລາຍງານຈາກຈຸດເລີ່ມຕົ້ນດ້ວຍຕົນເອງ, ຈໍາເປັນຕ້ອງສາມາດດັດແປງບົດລາຍງານໃນປະຈຸບັນເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການສະເພາະຂອງພວກເຂົາ (Poe 1996, Humphries et al. 1999). ໃນທາງກົງກັນຂ້າມ, ຜູ້ໃຊ້ພະລັງງານແມ່ນປະເພດຂອງຜູ້ໃຊ້ສຸດທ້າຍທີ່ມີຄວາມສາມາດໃນການສ້າງແລະຂຽນຄໍາຮ້ອງຂໍແລະບົດລາຍງານຈາກ scratch (Poe 1996, Humphries et al. 1999). ພວກເຂົາເຈົ້າແມ່ນຜູ້ທີ່

ພວກເຂົາສ້າງຄວາມສໍາພັນສໍາລັບຜູ້ໃຊ້ປະເພດອື່ນໆ (Poe 1996, Humphries et al. 1999).

ເມື່ອຄວາມຕ້ອງການຂອງຜູ້ໃຊ້ສຸດທ້າຍໄດ້ຖືກກໍານົດ, ການເລືອກຄໍາຮ້ອງສະຫມັກການເຂົ້າເຖິງແລະການຟື້ນຕົວຕ້ອງເຮັດ ຂໍ້ມູນ ໃນບັນດາສິ່ງທີ່ມີຢູ່ທັງຫມົດ (Poe 1996, Inmon et al. 1997).
ການ​ເຂົ້າ​ເຖິງ ຂໍ້ມູນ ແລະເຄື່ອງມືການດຶງຂໍ້ມູນສາມາດແບ່ງອອກເປັນ 4 ປະເພດຄື: ເຄື່ອງມື OLAP, ເຄື່ອງມື EIS/DSS, ເຄື່ອງມືສອບຖາມ ແລະລາຍງານ, ແລະເຄື່ອງມືຂຸດຄົ້ນຂໍ້ມູນ.

ເຄື່ອງມື OLAP ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ສ້າງແບບສອບຖາມສະເພາະເຊັ່ນດຽວກັນກັບສິ່ງທີ່ເຮັດຢູ່ໃນ ຖານຂໍ້ມູນ ໄດ້ data warehouse. ນອກຈາກນັ້ນ, ຜະລິດຕະພັນເຫຼົ່ານີ້ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ເຈາະລົງຈາກ ຂໍ້ມູນ ທົ່ວໄປເຖິງລາຍລະອຽດ.

ເຄື່ອງມື EIS/DSS ສະໜອງການລາຍງານຜູ້ບໍລິຫານ ເຊັ່ນ: ການວິເຄາະ “ຈະເປັນແນວໃດຖ້າ” ແລະເຂົ້າເຖິງບົດລາຍງານທີ່ຂັບເຄື່ອນດ້ວຍເມນູ. ລາຍງານຄວນຈະຖືກກໍານົດໄວ້ລ່ວງໜ້າ ແລະລວມເຂົ້າກັບເມນູເພື່ອການນຳທາງທີ່ງ່າຍຂຶ້ນ.
ເຄື່ອງມືການສອບຖາມແລະການລາຍງານອະນຸຍາດໃຫ້ຜູ້ໃຊ້ສາມາດຜະລິດບົດລາຍງານທີ່ກໍານົດໄວ້ລ່ວງຫນ້າແລະສະເພາະ.

ເຄື່ອງມືຂຸດຄົ້ນຂໍ້ມູນຖືກນໍາໃຊ້ເພື່ອກໍານົດຄວາມສໍາພັນທີ່ສາມາດສ່ອງແສງໃຫມ່ໃນການດໍາເນີນງານທີ່ຖືກລືມ ຂໍ້ມູນ ຂອງ​ສາງ​ຂໍ້​ມູນ​.

ຄຽງຄູ່ກັບການເພີ່ມປະສິດທິພາບຄວາມຕ້ອງການຂອງແຕ່ລະປະເພດຂອງຜູ້ໃຊ້, ເຄື່ອງມືທີ່ເລືອກຕ້ອງເປັນ intuitive, ປະສິດທິພາບແລະງ່າຍທີ່ຈະນໍາໃຊ້. ພວກເຂົາຍັງຕ້ອງເຂົ້າກັນໄດ້ກັບພາກສ່ວນອື່ນໆຂອງສະຖາປັດຕະຍະກໍາແລະສາມາດເຮັດວຽກກັບລະບົບທີ່ມີຢູ່ແລ້ວ. ມັນຍັງແນະນໍາໃຫ້ເລືອກເຄື່ອງມືການເຂົ້າເຖິງຂໍ້ມູນແລະດຶງຂໍ້ມູນທີ່ມີລາຄາທີ່ເຫມາະສົມແລະການປະຕິບັດ. ເງື່ອນໄຂອື່ນໆທີ່ຄວນພິຈາລະນາລວມມີຄວາມມຸ່ງຫມັ້ນຂອງຜູ້ຂາຍເຄື່ອງມືໃນການສະຫນັບສະຫນູນຜະລິດຕະພັນຂອງພວກເຂົາແລະການພັດທະນາທີ່ມັນຈະມີໃນການປ່ອຍໃນອະນາຄົດ. ເພື່ອຮັບປະກັນການມີສ່ວນຮ່ວມຂອງຜູ້ໃຊ້ໃນການນໍາໃຊ້ຄັງຂໍ້ມູນ, ທີມງານພັດທະນາມີສ່ວນຮ່ວມກັບຜູ້ໃຊ້ໃນຂະບວນການເລືອກເຄື່ອງມື. ໃນກໍລະນີນີ້, ການປະເມີນຜົນການປະຕິບັດຂອງຜູ້ໃຊ້ຄວນໄດ້ຮັບການປະຕິບັດ.

ເພື່ອເພີ່ມມູນຄ່າຂອງຄັງຂໍ້ມູນ, ທີມງານພັດທະນາຍັງສາມາດສະຫນອງການເຂົ້າເຖິງເວັບໄປຫາຄັງຂໍ້ມູນຂອງພວກເຂົາ. ຄັງເກັບຂໍ້ມູນທີ່ເປີດໃຫ້ໃຊ້ເວັບອະນຸຍາດໃຫ້ຜູ້ໃຊ້ເຂົ້າເຖິງໄດ້ ຂໍ້ມູນ ຈາກສະຖານທີ່ຫ່າງໄກສອກຫຼີກຫຼືໃນຂະນະທີ່ເດີນທາງ. ຂໍ້ມູນຍັງສາມາດເຮັດໄດ້

ໄດ້ຮັບການສະຫນອງໃນຄ່າໃຊ້ຈ່າຍຕ່ໍາໂດຍຜ່ານການຫຼຸດລົງຂອງຄ່າໃຊ້ຈ່າຍການຝຶກອົບຮົມ.

2.4.3 ຄັງ​ຂໍ້​ມູນ ໄລຍະການດໍາເນີນງານ

ໄລຍະນີ້ປະກອບດ້ວຍສາມກິດຈະກໍາ: ຄໍານິຍາມຂອງຍຸດທະສາດການໂຫຼດຫນ້າຈໍຄືນຂໍ້ມູນ, ການຄວບຄຸມກິດຈະກໍາສາງຂໍ້ມູນແລະການຄຸ້ມຄອງຄວາມປອດໄພສາງຂໍ້ມູນ.

ຄໍານິຍາມຂອງຍຸດທະສາດການໂຫຼດຂໍ້ມູນຄືນໃໝ່

ຫຼັງຈາກການໂຫຼດເບື້ອງຕົ້ນ, i ຂໍ້ມູນ nel ຖານຂໍ້ມູນ ຂອງຄັງຂໍ້ມູນຕ້ອງໄດ້ຮັບການປັບປຸງໃຫມ່ເປັນແຕ່ລະໄລຍະເພື່ອຜະລິດຄືນການປ່ຽນແປງທີ່ເຮັດໃນ ຂໍ້ມູນ ຕົ້ນສະບັບ. ສະນັ້ນທ່ານຕ້ອງຕັດສິນໃຈວ່າເວລາໃດທີ່ຈະໂຫຼດຂໍ້ມູນຄືນໃໝ່, ຄວນກຳນົດເວລາໂຫຼດຂໍ້ມູນຄືນໃໝ່ ແລະວິທີການໂຫຼດຂໍ້ມູນຄືນໃໝ່ ຂໍ້ມູນ. ມັນໄດ້ຖືກແນະນໍາໃຫ້ໂຫຼດຫນ້າຈໍຄືນ ຂໍ້ມູນ ເມື່ອລະບົບສາມາດຖືກປະຕິບັດແບບອອບໄລນ໌. ອັດຕາການໂຫຼດຫນ້າຈໍຄືນແມ່ນຖືກກໍານົດໂດຍທີມງານພັດທະນາໂດຍອີງໃສ່ຄວາມຕ້ອງການຂອງຜູ້ໃຊ້. ມີສອງວິທີໃນການໂຫຼດຂໍ້ມູນຄືນໃໝ່: ການໂຫຼດຂໍ້ມູນຄືນໃໝ່ເຕັມທີ່ ແລະ ການອັບໂຫຼດການປ່ຽນແປງຢ່າງຕໍ່ເນື່ອງ.

ວິທີການທໍາອິດ, ໂຫຼດຫນ້າຈໍຄືນຢ່າງເຕັມທີ່, ຮຽກຮ້ອງໃຫ້ມີການໂຫຼດໃຫມ່ທັງຫມົດ ຂໍ້ມູນ ຈາກ scratch. ນີ້ຫມາຍຄວາມວ່າທັງຫມົດ ຂໍ້ມູນ ທີ່ຈໍາເປັນຕ້ອງໄດ້ຮັບການສະກັດ, ເຮັດຄວາມສະອາດ, ຫັນປ່ຽນແລະປະສົມປະສານເຂົ້າໃນການໂຫຼດຫນ້າຈໍຄືນແຕ່ລະຄັ້ງ. ວິທີການນີ້ຄວນໄດ້ຮັບການຫຼີກເວັ້ນທຸກຄັ້ງທີ່ເປັນໄປໄດ້ຍ້ອນວ່າມັນໃຊ້ເວລາຫຼາຍແລະຊັບພະຍາກອນຫຼາຍ.

ວິທີການທາງເລືອກແມ່ນການອັບໂຫລດການປ່ຽນແປງຢ່າງຕໍ່ເນື່ອງ. ນີ້ເພີ່ມ i ຂໍ້ມູນ ທີ່ມີການປ່ຽນແປງນັບຕັ້ງແຕ່ວົງຈອນການໂຫຼດຂໍ້ມູນສາງຂໍ້ມູນຫຼ້າສຸດ. ການກໍານົດບັນທຶກໃຫມ່ຫຼືການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍຫຼຸດລົງຈໍານວນ ຂໍ້ມູນ ເຊິ່ງຕ້ອງໄດ້ຮັບການຂະຫຍາຍພັນໄປຫາຄັງຂໍ້ມູນໃນແຕ່ລະການປັບປຸງພຽງແຕ່ເຫຼົ່ານີ້ ຂໍ້ມູນ ຈະຖືກເພີ່ມໃສ່ ຖານຂໍ້ມູນ ຂອງ​ສາງ​ຂໍ້​ມູນ​.

ມີຢ່າງຫນ້ອຍ 5 ວິທີການທີ່ສາມາດນໍາໃຊ້ເພື່ອຖອນຕົວ i ຂໍ້ມູນ ໃໝ່ ຫຼືດັດແກ້. ເພື່ອບັນລຸຍຸດທະສາດການໂຫຼດຫນ້າຈໍຄືນວິດີໂອທີ່ມີປະສິດທິພາບ ຂໍ້ມູນ ການປະສົມປະສານຂອງວິທີການເຫຼົ່ານີ້ທີ່ດຶງເອົາການປ່ຽນແປງທັງຫມົດໃນລະບົບອາດຈະເປັນປະໂຫຍດ.

ວິທີການທໍາອິດ, ເຊິ່ງນໍາໃຊ້ເວລາ, ຖືວ່າທຸກຄົນຖືກມອບຫມາຍ ຂໍ້ມູນ ແກ້ໄຂແລະປັບປຸງການສະແຕມເວລາເພື່ອໃຫ້ທ່ານສາມາດກໍານົດທັງຫມົດໄດ້ຢ່າງງ່າຍດາຍ ຂໍ້ມູນ ດັດແກ້ແລະໃຫມ່. ຢ່າງໃດກໍ່ຕາມ, ວິທີການນີ້ບໍ່ໄດ້ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນລະບົບປະຕິບັດການສ່ວນໃຫຍ່ໃນມື້ນີ້.
ວິທີການທີສອງແມ່ນການນໍາໃຊ້ໄຟລ໌ delta ທີ່ສ້າງຂຶ້ນໂດຍແອັບພລິເຄຊັນທີ່ມີພຽງແຕ່ການປ່ຽນແປງທີ່ເຮັດກັບ ຂໍ້ມູນ. ການນໍາໃຊ້ໄຟລ໌ນີ້ຍັງຂະຫຍາຍຮອບວຽນການອັບເດດ. ຢ່າງໃດກໍຕາມ, ເຖິງແມ່ນວ່າວິທີການນີ້ບໍ່ໄດ້ຖືກນໍາໃຊ້ໃນຫຼາຍຄໍາຮ້ອງສະຫມັກ.
ວິທີທີສາມແມ່ນການສະແກນໄຟລ໌ບັນທຶກ, ເຊິ່ງໂດຍພື້ນຖານແລ້ວມີຂໍ້ມູນທີ່ຄ້າຍຄືກັນກັບໄຟລ໌ delta. ຄວາມແຕກຕ່າງພຽງແຕ່ວ່າໄຟລ໌ບັນທຶກຖືກສ້າງຂື້ນສໍາລັບຂະບວນການຟື້ນຕົວແລະສາມາດເຂົ້າໃຈໄດ້ຍາກ.
ວິທີການທີສີ່ແມ່ນການແກ້ໄຂລະຫັດຄໍາຮ້ອງສະຫມັກ. ຢ່າງໃດກໍຕາມ, ລະຫັດຄໍາຮ້ອງສະຫມັກສ່ວນໃຫຍ່ແມ່ນເກົ່າແລະ brittle; ເພາະສະນັ້ນ, ເຕັກນິກນີ້ຄວນໄດ້ຮັບການຫຼີກເວັ້ນ.
ວິທີການສຸດທ້າຍແມ່ນການປຽບທຽບ i ຂໍ້ມູນ ແຫຼ່ງຂໍ້ມູນທີ່ມີເອກະສານຕົ້ນຕໍ dei ຂໍ້ມູນ.

ການຕິດຕາມກິດຈະກໍາສາງຂໍ້ມູນ

ເມື່ອສາງຂໍ້ມູນໄດ້ຖືກປ່ອຍອອກມາໃຫ້ຜູ້ໃຊ້, ມັນຈໍາເປັນຕ້ອງໄດ້ຕິດຕາມກວດກາໃນໄລຍະເວລາ. ໃນກໍລະນີນີ້, ຜູ້ເບິ່ງແຍງຄັງຂໍ້ມູນສາມາດຈ້າງຫນຶ່ງຫຼືຫຼາຍເຄື່ອງມືການຄຸ້ມຄອງແລະຄວບຄຸມເພື່ອຕິດຕາມກວດກາການນໍາໃຊ້ຄັງຂໍ້ມູນ. ໂດຍສະເພາະ, ຂໍ້ມູນສາມາດເກັບກໍາກ່ຽວກັບປະຊາຊົນແລະໃນເວລາທີ່ເຂົາເຈົ້າເຂົ້າເຖິງຄັງຂໍ້ມູນ. ມາ ຂໍ້ມູນ ເກັບກໍາຂໍ້ມູນ, ໂປຣໄຟລ໌ຂອງວຽກງານທີ່ປະຕິບັດສາມາດຖືກສ້າງຂື້ນເຊິ່ງສາມາດນໍາໃຊ້ເປັນຂໍ້ມູນເຂົ້າໃນການປະຕິບັດການປະຕິເສດເງິນຂອງຜູ້ໃຊ້. Chargeback ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ໄດ້ຮັບການແຈ້ງໃຫ້ຊາບກ່ຽວກັບຄ່າໃຊ້ຈ່າຍໃນການປະມວນຜົນຄັງຂໍ້ມູນ.

ນອກຈາກນັ້ນ, ການກວດສອບຄັງຂໍ້ມູນຍັງສາມາດຖືກນໍາໃຊ້ເພື່ອກໍານົດປະເພດການສອບຖາມ, ຂະຫນາດຂອງພວກເຂົາ, ຈໍານວນຄໍາຖາມຕໍ່ມື້, ເວລາຕິກິຣິຍາແບບສອບຖາມ, ພາກສ່ວນທີ່ບັນລຸໄດ້, ແລະຈໍານວນການສອບຖາມ. ຂໍ້ມູນ ປຸງແຕ່ງ. ຈຸດປະສົງອື່ນຂອງການກວດສອບຄັງຂໍ້ມູນແມ່ນເພື່ອກໍານົດ ຂໍ້ມູນ ທີ່ບໍ່ໄດ້ໃຊ້. ເຫຼົ່ານີ້ ຂໍ້ມູນ ພວກເຂົາສາມາດເອົາອອກຈາກຄັງຂໍ້ມູນເພື່ອປັບປຸງເວລາ

ການ​ຕອບ​ສະ​ຫນອງ​ການ​ປະ​ຕິ​ບັດ​ການ​ສອບ​ຖາມ​ແລະ​ການ​ຄວບ​ຄຸມ​ການ​ຂະ​ຫຍາຍ​ຕົວ​ຂອງ​ ຂໍ້ມູນ ທີ່ອາໄສຢູ່ພາຍໃນ ຖານ​ຂໍ້​ມູນ​ ຂອງ​ສາງ​ຂໍ້​ມູນ​.

ການຄຸ້ມຄອງຄວາມປອດໄພຄັງຂໍ້ມູນ

ຄັງເກັບຂໍ້ມູນປະກອບດ້ວຍ ຂໍ້ມູນ ປະສົມປະສານ, ສໍາຄັນ, ລະອຽດອ່ອນທີ່ສາມາດບັນລຸໄດ້ຢ່າງງ່າຍດາຍ. ສໍາລັບເຫດຜົນນີ້, ມັນຄວນຈະໄດ້ຮັບການປົກປ້ອງຈາກຜູ້ໃຊ້ທີ່ບໍ່ໄດ້ຮັບອະນຸຍາດ. ວິທີຫນຶ່ງເພື່ອປະຕິບັດຄວາມປອດໄພແມ່ນການໃຊ້ຟັງຊັນ del DBMS ເພື່ອມອບສິດທິພິເສດໃຫ້ກັບຜູ້ໃຊ້ປະເພດຕ່າງໆ. ດ້ວຍວິທີນີ້, ຂໍ້ມູນການເຂົ້າເຖິງຕ້ອງໄດ້ຮັບການຮັກສາໄວ້ສໍາລັບແຕ່ລະປະເພດຂອງຜູ້ໃຊ້. ອີກວິທີຫນຶ່ງເພື່ອຄວາມປອດໄພຂອງຄັງຂໍ້ມູນແມ່ນການເຂົ້າລະຫັດຕາມທີ່ຂຽນໄວ້ໃນ ຖານ​ຂໍ້​ມູນ​ ຂອງ​ສາງ​ຂໍ້​ມູນ​. ການ​ເຂົ້າ​ເຖິງ ຂໍ້ມູນ ແລະເຄື່ອງມືການດຶງຂໍ້ມູນຕ້ອງຖອດລະຫັດ ຂໍ້ມູນ ກ່ອນ​ທີ່​ຈະ​ນໍາ​ສະ​ເຫນີ​ຜົນ​ໄດ້​ຮັບ​ໃຫ້​ຜູ້​ຊົມ​ໃຊ້​.

2.4.4 ຄັງ​ຂໍ້​ມູນ ໄລຍະການຈັດຕັ້ງປະຕິບັດ

ມັນເປັນຂັ້ນຕອນສຸດທ້າຍໃນວົງຈອນການຈັດຕັ້ງປະຕິບັດຄັງຂໍ້ມູນ. ກິດຈະກໍາທີ່ຈະດໍາເນີນໃນໄລຍະນີ້ປະກອບມີການຝຶກອົບຮົມຜູ້ໃຊ້ໃນການນໍາໃຊ້ຄັງເກັບຂໍ້ມູນແລະດໍາເນີນການທົບທວນຄືນສາງຂໍ້ມູນ.

ການຝຶກອົບຮົມຜູ້ໃຊ້

ການຝຶກອົບຮົມຜູ້ໃຊ້ຄວນເຮັດກ່ອນທີ່ຈະເຂົ້າເຖິງ ຂໍ້ມູນ ຄັງ​ເກັບ​ຂໍ້​ມູນ​ແລະ​ການ​ນໍາ​ໃຊ້​ເຄື່ອງ​ມື​ການ​ດຶງ​ຂໍ້​ມູນ​. ໂດຍທົ່ວໄປແລ້ວ, ກອງປະຊຸມຄວນເລີ່ມຕົ້ນດ້ວຍການແນະນໍາແນວຄວາມຄິດຂອງການເກັບຮັກສາ ຂໍ້ມູນ, ເນື້ອໃນຂອງຄັງຂໍ້ມູນ, meta ຂໍ້ມູນ ແລະລັກສະນະພື້ນຖານຂອງເຄື່ອງມື. ຫຼັງຈາກນັ້ນ, ຜູ້ໃຊ້ທີ່ກ້າວຫນ້າທາງດ້ານຫຼາຍອາດຈະສຶກສາຕາຕະລາງທາງກາຍະພາບແລະລັກສະນະຂອງຜູ້ໃຊ້ຂອງການເຂົ້າເຖິງຂໍ້ມູນແລະເຄື່ອງມືການດຶງຂໍ້ມູນ.

ມີຫຼາຍວິທີທີ່ຈະເຮັດການຝຶກອົບຮົມຜູ້ໃຊ້. ຫນຶ່ງໃນສິ່ງເຫຼົ່ານີ້ກ່ຽວຂ້ອງກັບການຄັດເລືອກຜູ້ໃຊ້ຫຼາຍຄົນຫຼືນັກວິເຄາະທີ່ເລືອກຈາກກຸ່ມຜູ້ໃຊ້, ໂດຍອີງໃສ່ທັກສະການນໍາພາແລະການສື່ສານຂອງພວກເຂົາ. ເຫຼົ່ານີ້ແມ່ນໄດ້ຝຶກອົບຮົມສ່ວນບຸກຄົນກ່ຽວກັບທຸກສິ່ງທີ່ເຂົາເຈົ້າຕ້ອງການຮູ້ເພື່ອໃຫ້ຄຸ້ນເຄີຍກັບລະບົບ. ຫຼັງຈາກການຝຶກອົບຮົມ, ພວກເຂົາກັບຄືນໄປຫາວຽກຂອງພວກເຂົາແລະເລີ່ມສອນຜູ້ໃຊ້ອື່ນໆກ່ຽວກັບວິທີການນໍາໃຊ້ລະບົບ. ສຸດ

ອີງໃສ່ສິ່ງທີ່ເຂົາເຈົ້າໄດ້ຮຽນຮູ້, ຜູ້ໃຊ້ອື່ນໆສາມາດເລີ່ມການຂຸດຄົ້ນຄັງຂໍ້ມູນ.
ວິທີການອື່ນແມ່ນການຝຶກອົບຮົມຜູ້ໃຊ້ຈໍານວນຫຼາຍໃນເວລາດຽວກັນ, ຄືກັບວ່າທ່ານກໍາລັງຝຶກອົບຮົມຢູ່ໃນຫ້ອງຮຽນ. ວິທີການນີ້ແມ່ນເຫມາະສົມໃນເວລາທີ່ມີຜູ້ໃຊ້ຈໍານວນຫຼາຍທີ່ຕ້ອງໄດ້ຮັບການຝຶກອົບຮົມໃນເວລາດຽວກັນ. ວິທີການອື່ນແມ່ນການຝຶກອົບຮົມຜູ້ໃຊ້ແຕ່ລະຄົນ, ແຕ່ລະຄົນ. ວິທີການນີ້ແມ່ນເຫມາະສົມເມື່ອມີຜູ້ໃຊ້ຈໍານວນຫນ້ອຍ.

ຈຸດປະສົງຂອງການຝຶກອົບຮົມຜູ້ໃຊ້ແມ່ນເພື່ອຄຸ້ນເຄີຍກັບການເຂົ້າເຖິງ ຂໍ້ມູນ ແລະ​ເຄື່ອງ​ມື​ການ​ດຶງ​ຂໍ້​ມູນ​ເຊັ່ນ​ດຽວ​ກັນ​ກັບ​ເນື້ອ​ໃນ​ຄັງ​ຂໍ້​ມູນ​. ຢ່າງໃດກໍ່ຕາມ, ຜູ້ໃຊ້ບາງຄົນອາດຈະຖືກ overwhelmed ໂດຍຈໍານວນຂໍ້ມູນທີ່ສະຫນອງໃຫ້ໃນລະຫວ່າງການຝຶກອົບຮົມ. ຫຼັງຈາກນັ້ນ, ກອງປະຊຸມປັບປຸງໃຫມ່ຈໍານວນຫນຶ່ງຈໍາເປັນຕ້ອງໄດ້ເຮັດສໍາລັບການສະຫນັບສະຫນູນຢ່າງຕໍ່ເນື່ອງແລະຕອບຄໍາຖາມສະເພາະ. ໃນບາງກໍລະນີ, ກຸ່ມຜູ້ໃຊ້ຖືກສ້າງຕັ້ງຂຶ້ນເພື່ອສະຫນອງການສະຫນັບສະຫນູນປະເພດນີ້.

ເກັບ​ກໍາ​ຂໍ້​ຄິດ​ເຫັນ​

ເມື່ອສາງຂໍ້ມູນໄດ້ຖືກ rolled ອອກ, ຜູ້ໃຊ້ສາມາດໃຊ້ i ຂໍ້ມູນ ອາໄສຢູ່ໃນຄັງຂໍ້ມູນເພື່ອຈຸດປະສົງຕ່າງໆ. ສ່ວນໃຫຍ່, ນັກວິເຄາະຫຼືຜູ້ໃຊ້ໃຊ້ i ຂໍ້ມູນ ໃນ​ຄັງ​ຂໍ້​ມູນ​ສໍາ​ລັບ​ການ​:

1. 1 ກໍານົດແນວໂນ້ມຂອງບໍລິສັດ
2. 2 ວິເຄາະໂປຣໄຟລ໌ການຊື້ຂອງ ລູກຄ້າ
3. 3 ແຍກ i ລູກຄ້າ ແລະຂອງ
4. 4 ໃຫ້ບໍລິການທີ່ດີທີ່ສຸດເພື່ອ ລູກຄ້າ - ການ​ບໍ​ລິ​ການ​ປັບ​ແຕ່ງ​
5. 5 ວາງແຜນຍຸດທະສາດ ການຕະຫຼາດ
6. 6 ເຮັດຄໍາເວົ້າທີ່ມີການແຂ່ງຂັນສໍາລັບການວິເຄາະຄ່າໃຊ້ຈ່າຍແລະຊ່ວຍຄວບຄຸມ
7. 7 ສະຫນັບສະຫນູນການຕັດສິນໃຈຍຸດທະສາດ
8. 8 ກໍານົດໂອກາດທີ່ຈະເກີດຂຶ້ນ
9. 9 ປັບປຸງຄຸນນະພາບຂອງຂະບວນການທຸລະກິດໃນປະຈຸບັນ
10. 10 ກວດເບິ່ງກໍາໄລ

ປະຕິບັດຕາມທິດທາງການພັດທະນາຂອງຄັງຂໍ້ມູນ, ຊຸດການທົບທວນຄືນຂອງລະບົບສາມາດດໍາເນີນການເພື່ອໃຫ້ໄດ້ຮັບຄໍາຄຶດຄໍາເຫັນ.

ທັງໂດຍທີມງານພັດທະນາ ແລະໂດຍຊຸມຊົນຜູ້ໃຊ້ສຸດທ້າຍ.
ຜົນໄດ້ຮັບທີ່ໄດ້ຮັບສາມາດຖືກພິຈາລະນາສໍາລັບວົງຈອນການພັດທະນາຕໍ່ໄປ.

ເນື່ອງຈາກຄັງຂໍ້ມູນມີວິທີການເພີ່ມຂຶ້ນ, ມັນເປັນສິ່ງຈໍາເປັນທີ່ຈະຮຽນຮູ້ຈາກຄວາມສໍາເລັດແລະຄວາມຜິດພາດຂອງການພັດທະນາທີ່ຜ່ານມາ.

2.5 ບົດສະຫຼຸບ

ໃນບົດນີ້, ວິທີການທີ່ມີຢູ່ໃນວັນນະຄະດີໄດ້ຖືກສົນທະນາ. ໃນພາກທີ 1 ແນວຄວາມຄິດຂອງຄັງຂໍ້ມູນແລະບົດບາດຂອງມັນໃນວິທະຍາສາດການຕັດສິນໃຈໄດ້ຖືກປຶກສາຫາລື. ພາກທີ 2 ໄດ້ອະທິບາຍເຖິງຄວາມແຕກຕ່າງຕົ້ນຕໍລະຫວ່າງຄັງຂໍ້ມູນ ແລະລະບົບ OLTP. ພາກທີ 3 ໄດ້ປຶກສາຫາລືກ່ຽວກັບຮູບແບບສາງຂໍ້ມູນ Monash ທີ່ຖືກນໍາໃຊ້ໃນພາກທີ 4 ເພື່ອອະທິບາຍກິດຈະກໍາທີ່ກ່ຽວຂ້ອງກັບຂະບວນການພັດທະນາຄັງຂໍ້ມູນ, ການຮຽກຮ້ອງເຫຼົ່ານີ້ບໍ່ໄດ້ອີງໃສ່ການຄົ້ນຄວ້າຢ່າງເຂັ້ມງວດ. ສິ່ງທີ່ເກີດຂື້ນໃນຄວາມເປັນຈິງສາມາດແຕກຕ່າງກັນຫຼາຍຈາກສິ່ງທີ່ວັນນະຄະດີລາຍງານ, ຢ່າງໃດກໍ່ຕາມຜົນໄດ້ຮັບເຫຼົ່ານີ້ສາມາດຖືກນໍາໃຊ້ເພື່ອສ້າງກະເປົ໋າພື້ນຖານທີ່ underlines ແນວຄວາມຄິດຂອງຄັງຂໍ້ມູນສໍາລັບການຄົ້ນຄວ້ານີ້.

ບົດທີ 3

ວິທີການຄົ້ນຄ້ວາແລະການອອກແບບ

ບົດນີ້ເວົ້າເຖິງການຄົ້ນຄວ້າແລະວິທີການອອກແບບສໍາລັບການສຶກສານີ້. ສ່ວນທໍາອິດສະແດງໃຫ້ເຫັນທັດສະນະທົ່ວໄປຂອງວິທີການຄົ້ນຄ້ວາທີ່ມີຢູ່ສໍາລັບການດຶງຂໍ້ມູນ, ນອກຈາກນັ້ນ, ເງື່ອນໄຂສໍາລັບການເລືອກວິທີການທີ່ດີທີ່ສຸດສໍາລັບການສຶກສາສະເພາະໃດຫນຶ່ງແມ່ນໄດ້ຖືກປຶກສາຫາລື. ໃນ​ພາກ​ທີ 2 ສອງ​ວິ​ທີ​ການ​ຄັດ​ເລືອກ​ເອົາ​ກັບ​ມາດ​ຖານ​ຂ້າງ​ເທິງ​ນັ້ນ​ໄດ້​ຮັບ​ການ​ປຶກ​ສາ​ຫາ​ລື; ຫນຶ່ງໃນເຫຼົ່ານີ້ຈະຖືກເລືອກແລະຮັບຮອງເອົາສໍາລັບເຫດຜົນທີ່ກໍານົດໄວ້ໃນພາກທີ 3 ເຊິ່ງເຫດຜົນສໍາລັບການຍົກເວັ້ນເງື່ອນໄຂອື່ນໆກໍ່ຖືກກໍານົດໄວ້. ພາກທີ 4 ສະເໜີໂຄງການຄົ້ນຄວ້າ ແລະ ພາກທີ 5 ສະຫຼຸບ.

3.1 ການຄົ້ນຄວ້າລະບົບຂໍ້ມູນຂ່າວສານ

ການຄົ້ນຄວ້າລະບົບຂໍ້ມູນຂ່າວສານແມ່ນບໍ່ພຽງແຕ່ຈໍາກັດພຽງແຕ່ຂົງເຂດເຕັກໂນໂລຊີ, ແຕ່ຍັງຕ້ອງໄດ້ຮັບການຂະຫຍາຍເພື່ອປະກອບມີພຶດຕິກໍາແລະເປົ້າຫມາຍອົງການຈັດຕັ້ງ.
ພວກເຮົາເປັນຫນີ້ກັບ thesis ຂອງວິໄນຕ່າງໆຕັ້ງແຕ່ວິທະຍາສາດສັງຄົມກັບທໍາມະຊາດ; ນີ້ເຮັດໃຫ້ຄວາມຕ້ອງການສໍາລັບບາງ spectrum ຂອງວິທີການຄົ້ນຄ້ວາທີ່ກ່ຽວຂ້ອງກັບວິທີການປະລິມານແລະຄຸນນະພາບທີ່ຈະນໍາໃຊ້ສໍາລັບລະບົບຂໍ້ມູນຂ່າວສານ.
ວິທີການຄົ້ນຄ້ວາທີ່ມີຢູ່ທັງຫມົດແມ່ນມີຄວາມສໍາຄັນ, ໃນຄວາມເປັນຈິງນັກຄົ້ນຄວ້າຈໍານວນຫນຶ່ງເຊັ່ນ Jenkins (1985), Nunamaker et al. (1991), ແລະ Galliers (1992) ໂຕ້ຖຽງວ່າບໍ່ມີວິທີການທົ່ວໄປສະເພາະສໍາລັບການດໍາເນີນການຄົ້ນຄ້ວາໃນຂົງເຂດຕ່າງໆຂອງລະບົບຂໍ້ມູນຂ່າວສານ; ໃນຄວາມເປັນຈິງ, ວິທີການອາດຈະເຫມາະສົມສໍາລັບການຄົ້ນຄວ້າໂດຍສະເພາະ, ແຕ່ບໍ່ແມ່ນສໍາລັບຄົນອື່ນ. ນີ້ເຮັດໃຫ້ພວກເຮົາມີຄວາມຕ້ອງການທີ່ຈະເລືອກເອົາວິທີການທີ່ເຫມາະສົມກັບໂຄງການຄົ້ນຄ້ວາຂອງພວກເຮົາໂດຍສະເພາະ: ສໍາລັບທາງເລືອກນີ້ Benbasat et al. (1987) ລະບຸວ່າລັກສະນະແລະຈຸດປະສົງຂອງການຄົ້ນຄວ້າຄວນໄດ້ຮັບການພິຈາລະນາ.

3.1.1 ລັກສະນະຂອງການຄົ້ນຄວ້າ

ວິທີການຄົ້ນຄ້ວາທີ່ອີງໃສ່ທໍາມະຊາດຕ່າງໆສາມາດແບ່ງອອກເປັນສາມປະເພນີທີ່ຮູ້ຈັກກັນຢ່າງກວ້າງຂວາງໃນວິທະຍາສາດຂໍ້ມູນ: positivist, ການຕີຄວາມຫມາຍ, ແລະການຄົ້ນຄວ້າທີ່ສໍາຄັນ.

3.1.1.1 ການຄົ້ນຄວ້າທາງບວກ

ການຄົ້ນຄວ້າ Positivist ຍັງເປັນທີ່ຮູ້ຈັກເປັນການສຶກສາວິທະຍາສາດຫຼື empirical. ມັນຊອກຫາວິທີ: "ອະທິບາຍແລະຄາດຄະເນສິ່ງທີ່ຈະເກີດຂື້ນໃນໂລກສັງຄົມໂດຍການເບິ່ງຄວາມເປັນປົກກະຕິແລະການພົວພັນທີ່ເຮັດໃຫ້ເກີດຜົນກະທົບລະຫວ່າງອົງປະກອບທີ່ປະກອບດ້ວຍມັນ" (Shanks et al 1993).

ການຄົ້ນຄວ້າທາງບວກຍັງມີລັກສະນະເຮັດເລື້ມຄືນ, ຄວາມງ່າຍດາຍແລະການປະຕິເສດ. ຍິ່ງໄປກວ່ານັ້ນ, ການຄົ້ນຄວ້າ positivist ຍອມຮັບເຖິງການມີຢູ່ຂອງການພົວພັນແບບບູລິມະສິດລະຫວ່າງປະກົດການທີ່ໄດ້ສຶກສາ.
ອີງຕາມການ Galliers (1992) taxonomy ແມ່ນວິທີການຄົ້ນຄ້ວາລວມຢູ່ໃນ paradigm positivist, ເຊິ່ງບໍ່ຈໍາກັດນີ້, ໃນຄວາມເປັນຈິງມີການທົດລອງຫ້ອງທົດລອງ, ການທົດລອງພາກສະຫນາມ, ກໍລະນີສຶກສາ, ການສາທິດທິດສະດີ, ການຄາດຄະເນແລະການຈໍາລອງ. ການນໍາໃຊ້ວິທີການເຫຼົ່ານີ້, ນັກຄົ້ນຄວ້າຍອມຮັບວ່າປະກົດການທີ່ສຶກສາສາມາດສັງເກດເຫັນຢ່າງເປັນຈຸດປະສົງແລະຢ່າງເຂັ້ມງວດ.

3.1.1.2 ການຄົ້ນຄວ້າແປ

ການຄົ້ນຄວ້າການຕີຄວາມ ໝາຍ, ເຊິ່ງມັກຈະເອີ້ນວ່າປະກົດການວິທະຍາສາດຫຼືການຕ້ານການ positivism ໄດ້ຖືກອະທິບາຍໂດຍ Neuman (1994) ເປັນ "ການວິເຄາະລະບົບຂອງຄວາມຫມາຍທາງສັງຄົມຂອງການປະຕິບັດໂດຍຜ່ານການສັງເກດການໂດຍກົງແລະລະອຽດຂອງປະຊາຊົນໃນສະຖານະການທໍາມະຊາດ, ເພື່ອບັນລຸຄວາມເຂົ້າໃຈແລະ. ການຕີຄວາມ ໝາຍ ຂອງວິທີທີ່ຄົນສ້າງແລະຮັກສາໂລກສັງຄົມຂອງພວກເຂົາ.” ການສຶກສາການຕີຄວາມຫມາຍປະຕິເສດການສົມມຸດຕິຖານວ່າປະກົດການທີ່ສັງເກດເຫັນສາມາດສັງເກດເຫັນໄດ້ຢ່າງມີເຫດຜົນ. ໃນຄວາມເປັນຈິງ, ພວກເຂົາເຈົ້າແມ່ນອີງໃສ່ການຕີຄວາມຫມາຍຫົວຂໍ້. ຍິ່ງໄປກວ່ານັ້ນ, ນັກຄົ້ນຄວ້າການຕີຄວາມ ໝາຍ ບໍ່ໄດ້ກໍານົດຄວາມ ໝາຍ ອັນດັບ ໜຶ່ງ ໃນປະກົດການທີ່ພວກເຂົາສຶກສາ.

ວິທີການນີ້ປະກອບມີການສຶກສາຫົວຂໍ້ / ການໂຕ້ຖຽງ, ການຄົ້ນຄວ້າການປະຕິບັດ, ການສຶກສາອະທິບາຍ / ການຕີຄວາມ, ການຄົ້ນຄວ້າໃນອະນາຄົດ, ແລະການສະແດງບົດບາດ. ນອກເຫນືອໄປຈາກການສໍາຫຼວດເຫຼົ່ານີ້ແລະກໍລະນີສຶກສາອາດຈະຖືກລວມເຂົ້າໃນວິທີການນີ້ຍ້ອນວ່າພວກເຂົາກ່ຽວຂ້ອງກັບການສຶກສາຂອງບຸກຄົນຫຼືອົງການຈັດຕັ້ງພາຍໃນສະຖານະການໂລກທີ່ແທ້ຈິງທີ່ສັບສົນ.

3.1.1.3 ການຄົ້ນຄວ້າວິພາກວິຈານ

ການຄົ້ນຫາທີ່ສໍາຄັນແມ່ນວິທີການທີ່ຮູ້ຈັກຫນ້ອຍທີ່ສຸດໃນວິທະຍາສາດສັງຄົມແຕ່ບໍ່ດົນມານີ້ໄດ້ຮັບຄວາມສົນໃຈຂອງນັກຄົ້ນຄວ້າໃນເວທີລະບົບຂໍ້ມູນຂ່າວສານ. ສົມມຸດຕິຖານ philosophical ທີ່ຄວາມເປັນຈິງຂອງສັງຄົມແມ່ນປະຫວັດສາດທີ່ຜະລິດແລະຜະລິດຄືນໃຫມ່ໂດຍປະຊາຊົນ, ເຊັ່ນດຽວກັນກັບລະບົບສັງຄົມທີ່ມີການກະທໍາແລະການພົວພັນຂອງເຂົາເຈົ້າ. ຄວາມສາມາດຂອງເຂົາເຈົ້າ, ແນວໃດກໍ່ຕາມ, ແມ່ນໄກ່ເກ່ຍໂດຍການພິຈາລະນາທາງດ້ານສັງຄົມ, ວັດທະນະທໍາແລະທາງດ້ານການເມືອງຈໍານວນຫນຶ່ງ.

ເຊັ່ນດຽວກັນກັບການຄົ້ນຄວ້າການຕີຄວາມໝາຍ, ການຄົ້ນຄວ້າວິພາກວິຈານໄດ້ໂຕ້ແຍ້ງວ່າການຄົ້ນຄວ້າທາງບວກບໍ່ມີຫຍັງກ່ຽວຂ້ອງກັບສະພາບສັງຄົມ ແລະບໍ່ສົນໃຈອິດທິພົນຂອງມັນຕໍ່ການກະທຳຂອງມະນຸດ.
ໃນທາງກົງກັນຂ້າມ, ການຄົ້ນຄວ້າວິພາກວິຈານການຄົ້ນຄ້ວາການຕີຄວາມວ່າເປັນຫົວຂໍ້ເກີນໄປແລະສໍາລັບການບໍ່ໄດ້ກໍານົດອອກເພື່ອຊ່ວຍໃຫ້ປະຊາຊົນປັບປຸງຊີວິດຂອງເຂົາເຈົ້າ. ຄວາມແຕກຕ່າງທີ່ໃຫຍ່ທີ່ສຸດລະຫວ່າງການຄົ້ນຄວ້າທີ່ສໍາຄັນແລະສອງວິທີການອື່ນໆແມ່ນຂະຫນາດການປະເມີນຜົນຂອງມັນ. ໃນຂະນະທີ່ຈຸດປະສົງຂອງປະເພນີທາງບວກແລະການຕີຄວາມ ໝາຍ ແມ່ນການຄາດເດົາຫຼືອະທິບາຍສະຖານະການຫຼືຄວາມເປັນຈິງຂອງສັງຄົມ, ການຄົ້ນຄວ້າວິພາກວິຈານມີຈຸດປະສົງເພື່ອປະເມີນແລະຫັນປ່ຽນຄວາມເປັນຈິງທາງສັງຄົມທີ່ ກຳ ລັງສຶກສາ.

ນັກຄົ້ນຄວ້າທີ່ວິພາກວິຈານໂດຍປົກກະຕິຈະຕໍ່ຕ້ານສະຖານະການເພື່ອລົບລ້າງຄວາມແຕກຕ່າງທາງສັງຄົມແລະປັບປຸງສະພາບສັງຄົມ. ການຄົ້ນຄວ້າທີ່ສໍາຄັນມີຄວາມມຸ່ງຫມັ້ນທີ່ຈະເບິ່ງຂະບວນການຂອງປະກົດການທີ່ມີຄວາມສົນໃຈແລະ, ດັ່ງນັ້ນ, ປົກກະຕິແລ້ວແມ່ນຕາມລວງຍາວ. ຕົວຢ່າງຂອງວິທີການຄົ້ນຄ້ວາແມ່ນການສຶກສາປະຫວັດສາດໄລຍະຍາວແລະການສຶກສາທາງດ້ານຊົນເຜົ່າ. ການຄົ້ນຫາທີ່ສໍາຄັນ, ຢ່າງໃດກໍຕາມ, ບໍ່ໄດ້ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນການຄົ້ນຄວ້າລະບົບຂໍ້ມູນຂ່າວສານ

3.1.2 ຈຸດປະສົງຂອງການຄົ້ນຄວ້າ

ຄຽງຄູ່ກັບລັກສະນະຂອງການຄົ້ນຄວ້າ, ຈຸດປະສົງຂອງມັນສາມາດຖືກນໍາໃຊ້ເພື່ອນໍາພານັກຄົ້ນຄວ້າໃນການເລືອກວິທີການຄົ້ນຄ້ວາໂດຍສະເພາະ. ຂອບເຂດຂອງໂຄງການຄົ້ນຄ້ວາແມ່ນກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບຕໍາແຫນ່ງຂອງການຄົ້ນຄວ້າທີ່ກ່ຽວຂ້ອງກັບວົງຈອນການຄົ້ນຄວ້າເຊິ່ງປະກອບດ້ວຍສາມໄລຍະຄື: ການສ້າງທິດສະດີ, ການທົດສອບທິດສະດີແລະການປັບປຸງທິດສະດີ. ດັ່ງນັ້ນ, ໂດຍອີງໃສ່ momentum ກ່ຽວກັບວົງຈອນການຄົ້ນຄວ້າ, ໂຄງການຄົ້ນຄ້ວາສາມາດມີຈຸດປະສົງອະທິບາຍ, ອະທິບາຍ, ການສໍາຫຼວດ, ຫຼືຄາດຄະເນ.

3.1.2.1 ການຄົ້ນຄວ້າສຳຫຼວດ

ການຄົ້ນຄວ້າສໍາຫຼວດແມ່ນແນໃສ່ການສືບສວນຫົວຂໍ້ໃຫມ່ທັງຫມົດແລະສ້າງຄໍາຖາມແລະສົມມຸດຕິຖານສໍາລັບການຄົ້ນຄວ້າໃນອະນາຄົດ. ປະເພດຂອງການຄົ້ນຄວ້ານີ້ຖືກນໍາໃຊ້ໃນການກໍ່ສ້າງທິດສະດີເພື່ອໃຫ້ໄດ້ຮັບການອ້າງອິງເບື້ອງຕົ້ນໃນພື້ນທີ່ໃຫມ່. ປົກກະຕິແລ້ວວິທີການຄົ້ນຄ້ວາຄຸນນະພາບຖືກນໍາໃຊ້, ເຊັ່ນການສຶກສາກໍລະນີຫຼືການສຶກສາປະກົດການ.

ຢ່າງໃດກໍ່ຕາມ, ມັນກໍ່ເປັນໄປໄດ້ທີ່ຈະໃຊ້ເຕັກນິກດ້ານປະລິມານເຊັ່ນ: ການສໍາຫຼວດຫຼືການທົດລອງ.

3.1.3.3 ການຄົ້ນຫາແບບອະທິບາຍ

ການຄົ້ນຄວ້າແບບອະທິບາຍແມ່ນອອກແບບມາເພື່ອວິເຄາະ ແລະ ອະທິບາຍຢ່າງລະອຽດກ່ຽວກັບສະຖານະການສະເພາະໃດໜຶ່ງ ຫຼື ການປະຕິບັດການຈັດຕັ້ງ. ນີ້ແມ່ນເຫມາະສົມສໍາລັບການກໍ່ສ້າງທິດສະດີແລະຍັງສາມາດຖືກນໍາໃຊ້ເພື່ອຢືນຢັນຫຼືທ້າທາຍສົມມຸດຕິຖານ. ການຄົ້ນຄວ້າແບບອະທິບາຍມັກຈະກ່ຽວຂ້ອງກັບການນໍາໃຊ້ການວັດແທກແລະຕົວຢ່າງ. ວິທີການຄົ້ນຄ້ວາທີ່ເຫມາະສົມປະກອບມີການສໍາຫຼວດແລະການວິເຄາະພື້ນຖານ.

3.1.2.3 ການຄົ້ນຄວ້າອະທິບາຍ

ການຄົ້ນຄວ້າອະທິບາຍພະຍາຍາມອະທິບາຍວ່າເປັນຫຍັງສິ່ງທີ່ເກີດຂຶ້ນ. ມັນສ້າງຂຶ້ນຈາກຂໍ້ເທັດຈິງທີ່ໄດ້ສຶກສາແລ້ວ ແລະພະຍາຍາມຊອກຫາເຫດຜົນຂອງຂໍ້ເທັດຈິງເຫຼົ່ານັ້ນ.
ດັ່ງນັ້ນ, ການຄົ້ນຄວ້າອະທິບາຍປົກກະຕິແລ້ວແມ່ນສ້າງຂຶ້ນຢູ່ເທິງສຸດຂອງການຄົ້ນຄວ້າສໍາຫຼວດຫຼືການອະທິບາຍແລະເປັນສິ່ງເສີມສໍາລັບການທົດສອບແລະປັບປຸງທິດສະດີ. ການຄົ້ນຄວ້າອະທິບາຍໂດຍທົ່ວໄປແລ້ວຈະໃຊ້ກໍລະນີສຶກສາ ຫຼືວິທີການວິໄຈໂດຍອີງໃສ່ການສໍາຫຼວດ.

3.1.2.4 ການຄົ້ນຄວ້າລ່ວງໜ້າ

ການຄົ້ນຄວ້າ Preemptive ມີຈຸດປະສົງເພື່ອຄາດຄະເນເຫດການທີ່ສັງເກດເຫັນແລະພຶດຕິກໍາທີ່ກໍາລັງສຶກສາ (Marshall and Rossman 1995). ການຄາດເດົາແມ່ນການທົດສອບທາງວິທະຍາສາດມາດຕະຖານຂອງຄວາມຈິງ. ປະເພດຂອງການຄົ້ນຄວ້ານີ້ໂດຍທົ່ວໄປແລ້ວຈ້າງການສໍາຫຼວດຫຼືການວິເຄາະຂໍ້ມູນ ຂໍ້ມູນ ນັກປະຫວັດສາດ. (ປີ 1989)

ການສົນທະນາຂ້າງເທິງນີ້ສະແດງໃຫ້ເຫັນວ່າມີວິທີການຄົ້ນຄ້ວາທີ່ເປັນໄປໄດ້ຈໍານວນຫນຶ່ງທີ່ສາມາດນໍາໃຊ້ໃນການສຶກສາໂດຍສະເພາະ. ຢ່າງໃດກໍ່ຕາມ, ຕ້ອງມີວິທີການສະເພາະທີ່ ເໝາະ ສົມກວ່າວິທີອື່ນໆ ສຳ ລັບໂຄງການຄົ້ນຄ້ວາປະເພດໃດ ໜຶ່ງ. (Galliers 1987, Yin 1989, De Vaus 1991). ສະນັ້ນ, ນັກຄົ້ນຄວ້າທຸກຄົນຕ້ອງໄດ້ຕີລາຄາຢ່າງຖີ່ຖ້ວນເຖິງຈຸດແຂງ ແລະ ຈຸດອ່ອນຂອງວິທີການຕ່າງໆ, ເພື່ອຮັບຮອງເອົາວິທີການຄົ້ນຄວ້າທີ່ເໝາະສົມທີ່ສຸດທີ່ເໝາະສົມກັບໂຄງການຄົ້ນຄວ້າ. (Jenkins 1985, Pervan and Klass 1992, Bonomia 1985, Yin 1989, Himilton and Ives 1992).

3.2. ວິທີການຄົ້ນຫາທີ່ເປັນໄປໄດ້

ຈຸດປະສົງຂອງໂຄງການນີ້ແມ່ນເພື່ອສຶກສາປະສົບການຂອງອົງການຈັດຕັ້ງອົດສະຕາລີກັບ i ຂໍ້ມູນ ເກັບຮັກສາໄວ້ກັບການພັດທະນາຂອງ data warehouse. ຂໍ້ມູນ ວ່າ, ໃນປັດຈຸບັນ, ຂາດການຄົ້ນຄວ້າໃນພື້ນທີ່ຂອງຄັງຂໍ້ມູນໃນອົດສະຕາລີ, ໂຄງການຄົ້ນຄ້ວານີ້ຍັງຢູ່ໃນຂັ້ນຕອນທິດສະດີຂອງວົງຈອນການຄົ້ນຄວ້າແລະມີຈຸດປະສົງສໍາຫຼວດ. ການສຳຫຼວດປະສົບການໃນອົງການຈັດຕັ້ງຂອງອົດສະຕຣາລີ ທີ່ຮັບເອົາການເກັບຂໍ້ມູນ ຮຽກຮ້ອງໃຫ້ມີການຕີລາຄາສັງຄົມຕົວຈິງ. ດັ່ງນັ້ນ, ການສົມມຸດຕິຖານ philosophical ພື້ນຖານຂອງໂຄງການຄົ້ນຄ້ວາປະຕິບັດຕາມການຕີຄວາມພື້ນເມືອງ.

ຫຼັງຈາກການກວດສອບຢ່າງເຂັ້ມງວດຂອງວິທີການທີ່ມີຢູ່, ສອງວິທີການຄົ້ນຄ້ວາທີ່ເປັນໄປໄດ້ໄດ້ຖືກກໍານົດ: ການສໍາຫຼວດແລະການສຶກສາກໍລະນີ, ເຊິ່ງສາມາດນໍາໃຊ້ສໍາລັບການຄົ້ນຄວ້າຂຸດຄົ້ນ (Shanks et al. 1993). Galliers (1992) ໂຕ້ຖຽງຄວາມເຫມາະສົມຂອງສອງວິທີການນີ້ສໍາລັບການສຶກສາໂດຍສະເພາະນີ້ໃນ taxonomy ສະບັບປັບປຸງຂອງລາວໂດຍກ່າວວ່າພວກມັນເຫມາະສົມກັບການກໍ່ສ້າງທາງທິດສະດີ. ສອງພາກຍ່ອຍຕໍ່ໄປນີ້ປຶກສາຫາລືແຕ່ລະວິທີການຢ່າງລະອຽດ.

3.2.1 ວິທີການວິໄຈແບບສໍາຫຼວດ

ວິທີການຄົ້ນຄ້ວາການສໍາຫຼວດແມ່ນມາຈາກວິທີການສໍາມະໂນຄົວບູຮານ. ການສຳມະໂນຄົວແມ່ນກ່ຽວກັບການເກັບກຳຂໍ້ມູນຈາກປະຊາກອນທັງໝົດ. ວິທີການນີ້ແມ່ນລາຄາແພງແລະໃຊ້ບໍ່ໄດ້, ໂດຍສະເພາະຖ້າປະຊາກອນມີຂະຫນາດໃຫຍ່. ດັ່ງນັ້ນ, ເມື່ອປຽບທຽບກັບການສໍາມະໂນຄົວ, ການສໍາຫຼວດແມ່ນປົກກະຕິແລ້ວແມ່ນສຸມໃສ່ການລວບລວມຂໍ້ມູນສໍາລັບຈໍານວນຂະຫນາດນ້ອຍ, ຫຼືຕົວຢ່າງ, ຂອງຜູ້ຕາງຫນ້າຂອງປະຊາກອນ (Fowler 1988, Neuman 1994). ຕົວຢ່າງສະທ້ອນເຖິງປະຊາກອນທີ່ມັນຖືກແຕ້ມ, ໂດຍມີລະດັບຄວາມຖືກຕ້ອງແຕກຕ່າງກັນ, ຂຶ້ນກັບໂຄງສ້າງຕົວຢ່າງ, ຂະຫນາດ, ແລະວິທີການເລືອກທີ່ໃຊ້ (Fowler 1988, Babbie 1982, Neuman 1994).

ວິທີການສໍາຫຼວດໄດ້ຖືກກໍານົດເປັນ "ພາບລວມຂອງການປະຕິບັດ, ສະຖານະການຫຼືທັດສະນະໃນຈຸດໃດຫນຶ່ງໃນເວລາ, ດໍາເນີນການໂດຍໃຊ້ແບບສອບຖາມຫຼືການສໍາພາດ, ຈາກທີ່ inferences ອາດຈະເປັນ.
ໄດ້ເຮັດ” (Galliers 1992: 153) [ການຖ່າຍພາບຂອງການປະຕິບັດ, ສະຖານະການຫຼືທັດສະນະຢູ່ໃນຈຸດໃດຫນຶ່ງໃນເວລາ, ຖ່າຍໂດຍໃຊ້ແບບສອບຖາມຫຼືການສໍາພາດ, ຈາກທີ່ inferences ສາມາດເຮັດໄດ້]. ການສໍາຫຼວດແມ່ນກ່ຽວຂ້ອງກັບການລວບລວມຂໍ້ມູນກ່ຽວກັບບາງດ້ານຂອງການສຶກສາຈາກຜູ້ເຂົ້າຮ່ວມຈໍານວນຫນຶ່ງໂດຍການຖາມຄໍາຖາມ (Fowler 1988). ແບບສອບຖາມແລະການສໍາພາດເຫຼົ່ານີ້, ເຊິ່ງລວມມີການສໍາພາດທາງໂທລະສັບແບບໃບຫນ້າຕໍ່ຫນ້າແລະການສໍາພາດທີ່ມີໂຄງສ້າງ, ຍັງເປັນເຕັກນິກການລວບລວມ. ຂໍ້ມູນ ຖືກນໍາໃຊ້ໃນການສໍາຫຼວດ (Blalock 1970, Nachmias ແລະ Nachmias 1976, Fowler 1988), ການສັງເກດການແລະການວິເຄາະສາມາດນໍາໃຊ້ໄດ້ (Gable 1994). ຂອງວິທີການທັງຫມົດເຫຼົ່ານີ້ຂອງການເກັບກໍາ gods ຂໍ້ມູນ, ການນໍາໃຊ້ແບບສອບຖາມແມ່ນເຕັກນິກທີ່ນິຍົມຫຼາຍທີ່ສຸດ, ຍ້ອນວ່າມັນຮັບປະກັນວ່າ i ຂໍ້ມູນ

ເກັບກໍາຂໍ້ມູນມີໂຄງສ້າງແລະຮູບແບບ, ແລະດັ່ງນັ້ນຈຶ່ງອໍານວຍຄວາມສະດວກໃນການຈັດປະເພດຂອງຂໍ້ມູນ (Hwang 1987, de Vaus 1991).

ໃນ​ການ​ວິ​ເຄາະ i ຂໍ້ມູນ, ຍຸດທະສາດການສໍາຫຼວດມັກຈະໃຊ້ເຕັກນິກດ້ານປະລິມານ, ເຊັ່ນ: ການວິເຄາະສະຖິຕິ, ແຕ່ເຕັກນິກຄຸນນະພາບຍັງສາມາດໃຊ້ໄດ້ (Galliers 1992, Pervan

ແລະ Klass 1992, Gable 1994). ປົກກະຕິ, i ຂໍ້ມູນ ເກັບກໍາຂໍ້ມູນຖືກນໍາໃຊ້ເພື່ອວິເຄາະການແຈກຢາຍແລະຮູບແບບຂອງສະມາຄົມ (Fowler 1988).

ເຖິງແມ່ນວ່າການສໍາຫຼວດໂດຍທົ່ວໄປແມ່ນເຫມາະສົມສໍາລັບການຄົ້ນຫາທີ່ກ່ຽວຂ້ອງກັບຄໍາຖາມ 'ແມ່ນຫຍັງ?' (what) ຫຼືມາຈາກມັນ, ເຊັ່ນ 'quanto' (ຫຼາຍປານໃດ) ແລະ 'quant'è' (ຫຼາຍປານໃດ), ພວກເຂົາສາມາດຖືກຖາມຜ່ານຄໍາຖາມ 'ເປັນຫຍັງ' (Sonquist and Dunkelberg 1977, Yin 1989). ອີງຕາມການ Sonquist ແລະ Dunkelberg (1977), ການສອບຖາມການຄົ້ນຄວ້າມີຈຸດປະສົງໃນ hypotheses ຍາກ, ໂຄງການການປະເມີນຜົນ, ອະທິບາຍປະຊາກອນແລະການພັດທະນາຕົວແບບຂອງພຶດຕິກໍາຂອງມະນຸດ. ຍິ່ງໄປກວ່ານັ້ນ, ການສໍາຫຼວດສາມາດຖືກນໍາໃຊ້ເພື່ອສຶກສາຄວາມຄິດເຫັນຂອງປະຊາກອນທີ່ແນ່ນອນ, ເງື່ອນໄຂ, ຄວາມເຊື່ອ, ຄຸນລັກສະນະ, ຄວາມຄາດຫວັງແລະພຶດຕິກໍາໃນອະດີດຫຼືປະຈຸບັນ (Neuman 1994).

ການສໍາຫຼວດອະນຸຍາດໃຫ້ນັກຄົ້ນຄວ້າຄົ້ນພົບຄວາມສໍາພັນຂອງປະຊາກອນແລະຜົນໄດ້ຮັບແມ່ນປົກກະຕິແລ້ວຫຼາຍກ່ວາວິທີການອື່ນໆ (Sonquist and Dunkelberg 1977, Gable 1994). ການສໍາຫຼວດອະນຸຍາດໃຫ້ນັກຄົ້ນຄວ້າກວມເອົາພື້ນທີ່ທາງພູມສັນຖານທີ່ກວ້າງຂວາງແລະສາມາດບັນລຸຜູ້ຕອບຈໍານວນຫລາຍ (Blalock 1970, Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994, Neuman 1994). ສຸດທ້າຍ, ການສໍາຫຼວດສາມາດສະຫນອງຂໍ້ມູນທີ່ບໍ່ມີຢູ່ບ່ອນອື່ນຫຼືໃນຮູບແບບທີ່ຕ້ອງການສໍາລັບການວິເຄາະ (Fowler 1988).

ຢ່າງໃດກໍຕາມ, ມີຂໍ້ຈໍາກັດບາງຢ່າງທີ່ຈະດໍາເນີນການສໍາຫຼວດ. ຂໍ້ເສຍແມ່ນວ່ານັກຄົ້ນຄວ້າບໍ່ສາມາດໄດ້ຮັບຂໍ້ມູນຫຼາຍກ່ຽວກັບວັດຖຸທີ່ໄດ້ສຶກສາ. ນີ້ແມ່ນເນື່ອງມາຈາກຄວາມຈິງທີ່ວ່າການສໍາຫຼວດໄດ້ຖືກປະຕິບັດພຽງແຕ່ໃນເວລາສະເພາະໃດຫນຶ່ງແລະດັ່ງນັ້ນ, ມີຈໍານວນຈໍາກັດຂອງຕົວແປແລະປະຊາຊົນທີ່ນັກຄົ້ນຄວ້າສາມາດ.

ການສຶກສາ (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998). ຂໍ້ເສຍອີກອັນຫນຶ່ງແມ່ນວ່າການເຮັດການສໍາຫຼວດສາມາດມີຄ່າໃຊ້ຈ່າຍຫຼາຍໃນດ້ານເວລາແລະຊັບພະຍາກອນ, ໂດຍສະເພາະຖ້າມັນກ່ຽວຂ້ອງກັບການສໍາພາດຕໍ່ຫນ້າ (Fowler 1988).

3.2.2. ວິທີການຄົ້ນຄ້ວາສອບຖາມ

ວິທີການຄົ້ນຄ້ວາການສອບຖາມກ່ຽວຂ້ອງກັບການສຶກສາໃນຄວາມເລິກຂອງສະຖານະການສະເພາະໃດຫນຶ່ງພາຍໃນສະພາບການຕົວຈິງຂອງມັນໃນໄລຍະເວລາທີ່ກໍານົດໄວ້, ໂດຍບໍ່ມີການແຊກແຊງໃດໆໃນສ່ວນຂອງນັກຄົ້ນຄວ້າ (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985). ສ່ວນໃຫຍ່ແມ່ນວິທີການນີ້ຖືກນໍາໃຊ້ເພື່ອອະທິບາຍຄວາມສໍາພັນລະຫວ່າງຕົວແປທີ່ກໍາລັງສຶກສາຢູ່ໃນສະຖານະການສະເພາະໃດຫນຶ່ງ (Galliers 1992). ການສືບສວນສາມາດກ່ຽວຂ້ອງກັບກໍລະນີດຽວຫຼືຫຼາຍກໍລະນີ, ຂຶ້ນກັບປະກົດການທີ່ວິເຄາະ (Franz and Robey 1987, Eisenhardt 1989, Yin 1989).

ວິທີການຄົ້ນຄ້ວາການສອບຖາມແມ່ນໄດ້ກໍານົດເປັນ "ການສອບຖາມ empirical ທີ່ສືບສວນປະກົດການໃນປະຈຸບັນພາຍໃນສະພາບການຕົວຈິງຂອງຕົນ, ການນໍາໃຊ້ແຫຼ່ງຂໍ້ມູນຫຼາຍ culled ຈາກຫນຶ່ງຫຼືຫຼາຍຫນ່ວຍງານເຊັ່ນ: ປະຊາຊົນ, ກຸ່ມ, ຫຼືອົງການຈັດຕັ້ງ" (Yin 1989). ບໍ່ມີການແບ່ງແຍກຢ່າງຊັດເຈນລະຫວ່າງປະກົດການແລະສະພາບການຂອງມັນແລະບໍ່ມີການຄວບຄຸມຫຼືການທົດລອງຂອງຕົວແປ (Yin 1989, Benbasat et al. 1987).

ມີຫຼາຍເຕັກນິກການເກັບພະເຈົ້າ ຂໍ້ມູນ ທີ່​ສາ​ມາດ​ໄດ້​ຮັບ​ການ​ຈ້າງ​ງານ​ໃນ​ວິ​ທີ​ການ​ສອບ​ຖາມ​, ເຊິ່ງ​ລວມ​ທັງ​ການ​ສັງ​ເກດ​ໂດຍ​ກົງ​, ການ​ທົບ​ທວນ​ຄືນ​ການ​ບັນ​ທຶກ​ການ​ເກັບ​ຮັກ​ສາ​, ແບບ​ສອບ​ຖາມ​, ການ​ທົບ​ທວນ​ຄືນ​ເອ​ກະ​ສານ​, ແລະ​ການ​ສໍາ​ພາດ​ໂຄງ​ສ້າງ​. ມີຄວາມຫຼາກຫຼາຍທາງດ້ານເຕັກນິກການຂຸດຄົ້ນ ຂໍ້ມູນ, ການສໍາຫຼວດອະນຸຍາດໃຫ້ນັກຄົ້ນຄວ້າຈັດການກັບທັງສອງ ຂໍ້ມູນ ຄຸນນະພາບແລະປະລິມານໃນເວລາດຽວກັນ (Bonoma 1985, Eisenhardt 1989, Yin 1989, Gable 1994). ເຊັ່ນດຽວກັນກັບວິທີການສໍາຫຼວດ, ນັກຄົ້ນຄວ້າສໍາຫຼວດເຮັດຫນ້າທີ່ເປັນຜູ້ສັງເກດການຫຼືນັກຄົ້ນຄວ້າແລະບໍ່ແມ່ນຜູ້ເຂົ້າຮ່ວມຢ່າງຫ້າວຫັນໃນອົງການຈັດຕັ້ງທີ່ກໍາລັງສຶກສາ.

Benbasat et al. (1987) ຢືນຢັນວ່າວິທີການສອບຖາມແມ່ນເຫມາະສົມໂດຍສະເພາະກັບການກໍ່ສ້າງທິດສະດີການຄົ້ນຄວ້າ, ເຊິ່ງເລີ່ມຕົ້ນດ້ວຍຄໍາຖາມຄົ້ນຄ້ວາແລະສືບຕໍ່ການຝຶກອົບຮົມ.

ທິດສະດີໃນລະຫວ່າງຂະບວນການເກັບກໍາ ຂໍ້ມູນ. ຍັງເຫມາະສົມສໍາລັບເວທີ

ຂອງການສ້າງທິດສະດີ, Franz and Robey (1987) ແນະນໍາວ່າວິທີການສອບຖາມຍັງສາມາດຖືກນໍາໃຊ້ສໍາລັບໄລຍະທິດສະດີສະລັບສັບຊ້ອນ. ໃນກໍລະນີນີ້, ອີງຕາມຫຼັກຖານທີ່ເກັບກໍາ, ທິດສະດີຫຼືສົມມຸດຕິຖານທີ່ໃຫ້ມາແມ່ນໄດ້ຮັບການຢັ້ງຢືນຫຼືປະຕິເສດ. ນອກຈາກນັ້ນ, ການສອບຖາມຍັງເຫມາະສົມສໍາລັບການຄົ້ນຄວ້າກ່ຽວກັບຄໍາຖາມ 'ແນວໃດ' ຫຼື 'ເປັນຫຍັງ' (Yin 1989).

ເມື່ອປຽບທຽບກັບວິທີການອື່ນໆ, ການສໍາຫຼວດເຮັດໃຫ້ນັກຄົ້ນຄວ້າສາມາດເກັບກໍາຂໍ້ມູນທີ່ສໍາຄັນໃນລາຍລະອຽດເພີ່ມເຕີມ (Galliers 1992, Shanks et al. 1993). ນອກຈາກນັ້ນ, ການສືບສວນເຮັດໃຫ້ນັກຄົ້ນຄວ້າເຂົ້າໃຈລັກສະນະແລະຄວາມຊັບຊ້ອນຂອງຂະບວນການທີ່ໄດ້ສຶກສາ (Benbasat et al. 1987).

ມີສີ່ຂໍ້ເສຍຕົ້ນຕໍທີ່ກ່ຽວຂ້ອງກັບວິທີການສອບຖາມ. ທໍາອິດແມ່ນການຂາດການຄວບຄຸມການຫັກລົບ. ຫົວຂໍ້ຂອງນັກຄົ້ນຄວ້າສາມາດປ່ຽນແປງຜົນໄດ້ຮັບແລະບົດສະຫຼຸບຂອງການສຶກສາ (Yin 1989). ຂໍ້ເສຍທີສອງແມ່ນການຂາດການສັງເກດການທີ່ຄວບຄຸມ. ບໍ່ເຫມືອນກັບວິທີການທົດລອງ, ນັກຄົ້ນຄວ້າສອບຖາມບໍ່ສາມາດຄວບຄຸມປະກົດການທີ່ໄດ້ສຶກສານັບຕັ້ງແຕ່ພວກເຂົາຖືກກວດສອບໃນສະພາບທໍາມະຊາດຂອງພວກເຂົາ (Gable 1994). ຂໍ້​ເສຍ​ທີ​ສາມ​ແມ່ນ​ຂາດ​ການ​ເຮັດ​ໃຫ້​ສາ​ມາດ​ເຮັດ​ໄດ້​. ນີ້ແມ່ນເນື່ອງມາຈາກຄວາມຈິງທີ່ວ່ານັກຄົ້ນຄວ້າບໍ່ຫນ້າຈະສັງເກດເຫັນເຫດການດຽວກັນ, ແລະບໍ່ສາມາດກວດສອບຜົນຂອງການສຶກສາໂດຍສະເພາະ (Lee 1989). ສຸດທ້າຍ, ເປັນຜົນມາຈາກການບໍ່ replicability, ມັນເປັນການຍາກທີ່ຈະ generalize ຜົນໄດ້ຮັບທີ່ໄດ້ຮັບຈາກຫນຶ່ງຫຼືຫຼາຍການສໍາຫຼວດ (Galliers 1992, Shanks et al. 1993). ບັນຫາເຫຼົ່ານີ້ທັງຫມົດ, ແນວໃດກໍ່ຕາມ, ແມ່ນບໍ່ insurmountable ແລະ, ໃນຄວາມເປັນຈິງ, ສາມາດຫຼຸດຜ່ອນໂດຍນັກຄົ້ນຄວ້າໂດຍການປະຕິບັດທີ່ເຫມາະສົມ (Lee 1989).

3.3. ຍຸຕິທໍາວິທີການຄົ້ນຄ້ວາ ຮັບຮອງເອົາ

ຈາກສອງວິທີການຄົ້ນຄ້ວາທີ່ເປັນໄປໄດ້ສໍາລັບການສຶກສານີ້, ວິທີການສໍາຫຼວດແມ່ນຖືວ່າເຫມາະສົມທີ່ສຸດ. ຜູ້ສືບສວນຖືກປະຕິເສດ ຫຼັງຈາກການພິຈາລະນາຢ່າງລະອຽດຂອງຜູ້ທີ່ກ່ຽວຂ້ອງ

ຂໍ້ດີແລະຈຸດອ່ອນ. ຄວາມສະດວກສະບາຍຫຼືບໍ່ເຫມາະສົມຂອງແຕ່ລະວິທີການສໍາລັບການສຶກສານີ້ແມ່ນປຶກສາຫາລືຂ້າງລຸ່ມນີ້.

3.3.1. ວິທີການຄົ້ນຄ້ວາທີ່ບໍ່ເຫມາະສົມ ຂອງການສອບຖາມ

ວິທີການສອບຖາມຮຽກຮ້ອງໃຫ້ມີການສຶກສາໃນຄວາມເລິກຂອງສະຖານະການສະເພາະໃດຫນຶ່ງພາຍໃນຫນຶ່ງຫຼືຫຼາຍອົງການຈັດຕັ້ງໃນໄລຍະເວລາ (Eisenhardt 1989). ໃນກໍລະນີນີ້, ໄລຍະເວລາອາດຈະເກີນໄລຍະເວລາທີ່ໃຫ້ສໍາລັບການສຶກສານີ້. ເຫດຜົນອີກອັນໜຶ່ງທີ່ຈະບໍ່ນຳໃຊ້ວິທີການສອບສວນ ແມ່ນວ່າຜົນໄດ້ຮັບອາດຈະປະສົບກັບການຂາດຄວາມເຂັ້ມງວດ (Yin 1989). ຫົວຂໍ້ຂອງນັກຄົ້ນຄວ້າສາມາດມີອິດທິພົນຕໍ່ຜົນໄດ້ຮັບແລະການສະຫລຸບ. ເຫດຜົນອີກຢ່າງຫນຶ່ງແມ່ນວ່າວິທີການນີ້ແມ່ນເຫມາະສົມກັບຄໍາຖາມຄົ້ນຄ້ວາຂອງປະເພດ 'ແນວໃດ' ຫຼື 'ເປັນຫຍັງ' (Yin 1989), ໃນຂະນະທີ່ຄໍາຖາມຄົ້ນຄ້ວາສໍາລັບການສຶກສານີ້ແມ່ນປະເພດ 'ຫຍັງ'. ສຸດທ້າຍແຕ່ບໍ່ໄດ້ຢ່າງຫນ້ອຍ, ມັນເປັນການຍາກທີ່ຈະໂດຍທົ່ວໄປການຄົ້ນພົບຈາກພຽງແຕ່ຫນຶ່ງຫຼືສອງສາມການສໍາຫຼວດ (Galliers 1992, Shanks et al. 1993). ອີງຕາມເຫດຜົນນີ້, ວິທີການຄົ້ນຄ້ວາການສໍາຫຼວດບໍ່ໄດ້ຖືກເລືອກຍ້ອນວ່າມັນບໍ່ເຫມາະສົມສໍາລັບການສຶກສານີ້.

3.3.2. ຄວາມສະດວກສະບາຍຂອງວິທີການຄົ້ນຫາຂອງ ການສືບສວນ

ເມື່ອການຄົ້ນຄວ້ານີ້ໄດ້ຖືກດໍາເນີນ, ການປະຕິບັດການເກັບຮັກສາຂໍ້ມູນບໍ່ໄດ້ຖືກຮັບຮອງເອົາຢ່າງກວ້າງຂວາງໂດຍອົງການຈັດຕັ້ງອົດສະຕາລີ. ດັ່ງນັ້ນ, ບໍ່ມີຂໍ້ມູນຫຼາຍກ່ຽວກັບການຈັດຕັ້ງປະຕິບັດຂອງພວກເຂົາພາຍໃນອົງການຈັດຕັ້ງຂອງອົດສະຕາລີ. ຂໍ້ມູນທີ່ມີຢູ່ແມ່ນມາຈາກອົງການຈັດຕັ້ງທີ່ໄດ້ປະຕິບັດຫຼືນໍາໃຊ້ a data warehouse. ໃນກໍລະນີນີ້, ວິທີການຄົ້ນຄ້ວາການສໍາຫຼວດແມ່ນເຫມາະສົມທີ່ສຸດນັບຕັ້ງແຕ່ມັນອະນຸຍາດໃຫ້ໄດ້ຮັບຂໍ້ມູນທີ່ບໍ່ມີຢູ່ບ່ອນອື່ນຫຼືໃນຮູບແບບທີ່ຕ້ອງການສໍາລັບການວິເຄາະ (Fowler 1988). ນອກຈາກນັ້ນ, ວິທີການຄົ້ນຄວ້າແບບສອບຖາມຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າໄດ້ຮັບຄວາມເຂົ້າໃຈດີກ່ຽວກັບການປະຕິບັດ, ສະຖານະການ, ຫຼືທັດສະນະໃນເວລາໃດຫນຶ່ງ (Galliers 1992, Denscombe 1998). ມີການຮ້ອງຂໍໃຫ້ມີການສະແດງພາບລວມເພື່ອສ້າງຄວາມຮັບຮູ້ກ່ຽວກັບປະສົບການການເກັບຂໍ້ມູນຂອງອົດສະຕຣາລີ.

ຍິ່ງໄປກວ່ານັ້ນ, Sonquist and Dunkelberg (1977) ລະບຸວ່າຜົນການວິໄຈແບບສຳຫຼວດແມ່ນທົ່ວໄປຫຼາຍກວ່າວິທີການອື່ນໆ.

3.4. ການອອກແບບການຄົ້ນຄວ້າສໍາຫຼວດ

ການສໍາຫຼວດການປະຕິບັດການເກັບຮັກສາຂໍ້ມູນໄດ້ຖືກດໍາເນີນໃນປີ 1999. ປະຊາກອນເປົ້າຫມາຍປະກອບດ້ວຍອົງການຈັດຕັ້ງອົດສະຕາລີທີ່ສົນໃຈໃນການສຶກສາຄັງເກັບຂໍ້ມູນ, ຍ້ອນວ່າພວກເຂົາອາດຈະຮູ້ແລ້ວກ່ຽວກັບ ຂໍ້ມູນ ທີ່ພວກເຂົາເກັບຮັກສາໄວ້ແລະດັ່ງນັ້ນ, ສາມາດສະຫນອງຂໍ້ມູນທີ່ເປັນປະໂຫຍດສໍາລັບການສຶກສານີ້. ປະຊາກອນເປົ້າຫມາຍໄດ້ຖືກລະບຸດ້ວຍການສໍາຫຼວດເບື້ອງຕົ້ນຂອງສະມາຊິກອົດສະຕຣາລີທັງຫມົດຂອງ 'The Data Warehousing Institute' (Tdwi-aap). ພາກນີ້ສົນທະນາກ່ຽວກັບການອອກແບບຂອງໄລຍະການຄົ້ນຄວ້າ empirical ຂອງການສຶກສານີ້.

3.4.1. ເຕັກນິກການເກັບ ຂໍ້ມູນ

ຈາກສາມເຕັກນິກທີ່ໃຊ້ທົ່ວໄປໃນການຄົ້ນຄວ້າການສໍາຫຼວດ (ເຊັ່ນ: ແບບສອບຖາມທາງໄປສະນີ, ການສໍາພາດທາງໂທລະສັບແລະການສໍາພາດສ່ວນບຸກຄົນ) (Nachmias 1976, Fowler 1988, de Vaus 1991), ແບບສອບຖາມທາງໄປສະນີໄດ້ຖືກຮັບຮອງເອົາສໍາລັບການສຶກສານີ້. ເຫດຜົນທໍາອິດສໍາລັບການຮັບຮອງເອົາອັນສຸດທ້າຍແມ່ນວ່າມັນສາມາດບັນລຸປະຊາກອນທີ່ກະແຈກກະຈາຍຕາມພູມສັນຖານ (Blalock 1970, Nachmias and Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994). ອັນທີສອງ, ແບບສອບຖາມທາງໄປສະນີແມ່ນເຫມາະສົມສໍາລັບຜູ້ເຂົ້າຮ່ວມທີ່ມີການສຶກສາສູງ (Fowler 1988). ແບບສອບຖາມທາງໄປສະນີສໍາລັບການສຶກສານີ້ໄດ້ຖືກກ່າວເຖິງຜູ້ສະຫນັບສະຫນູນໂຄງການຄັງຂໍ້ມູນ, ຜູ້ອໍານວຍການແລະ / ຫຼືຜູ້ຈັດການໂຄງການ. ອັນທີສາມ, ແບບສອບຖາມທາງໄປສະນີແມ່ນເຫມາະສົມເມື່ອມີລາຍຊື່ທີ່ຢູ່ທີ່ປອດໄພ (Salant and Dilman 1994). TDWI, ໃນກໍລະນີນີ້, ສະມາຄົມເກັບຮັກສາຂໍ້ມູນທີ່ເຊື່ອຖືໄດ້ໄດ້ສະຫນອງບັນຊີລາຍຊື່ທາງໄປສະນີຂອງສະມາຊິກອົດສະຕາລີຂອງຕົນ. ປະໂຫຍດອີກອັນຫນຶ່ງຂອງແບບສອບຖາມທາງໄປສະນີຜ່ານແບບສອບຖາມທາງໂທລະສັບຫຼືການສໍາພາດສ່ວນບຸກຄົນແມ່ນມັນຊ່ວຍໃຫ້ຜູ້ຕອບສາມາດຕອບສະຫນອງໄດ້ຢ່າງຖືກຕ້ອງ, ໂດຍສະເພາະໃນເວລາທີ່ຜູ້ຕອບຕ້ອງການປຶກສາຫາລືບັນທຶກຫຼືສົນທະນາຄໍາຖາມກັບຜູ້ອື່ນ (Fowler 1988).

ຂໍ້ເສຍທີ່ອາດຈະເປັນໄປໄດ້ແມ່ນເວລາທີ່ຕ້ອງການເພື່ອເຮັດແບບສອບຖາມທາງໄປສະນີ. ໂດຍປົກກະຕິ, ແບບສອບຖາມທາງໄປສະນີແມ່ນດໍາເນີນຢູ່ໃນລໍາດັບນີ້: ຈົດຫມາຍຈົດຫມາຍ, ລໍຖ້າຄໍາຕອບ, ແລະສົ່ງການຢືນຢັນ (Fowler 1988, Bainbridge 1989). ດັ່ງນັ້ນ, ເວລາທັງຫມົດອາດຈະຍາວກວ່າເວລາທີ່ຕ້ອງການສໍາລັບການສໍາພາດຕົວຕໍ່ຫນ້າຫຼືການສໍາພາດທາງໂທລະສັບ. ຢ່າງໃດກໍ່ຕາມ, ເວລາທັງຫມົດສາມາດຮູ້ໄດ້ລ່ວງຫນ້າ (Fowler 1988, Denscombe 1998). ເວລາທີ່ໃຊ້ໃນການສໍາພາດສ່ວນບຸກຄົນບໍ່ສາມາດຮູ້ລ່ວງຫນ້າໄດ້ຍ້ອນວ່າມັນແຕກຕ່າງກັນຈາກການສໍາພາດເຖິງການສໍາພາດ (Fowler 1988). ການສໍາພາດທາງໂທລະສັບສາມາດໄວກວ່າແບບສອບຖາມທາງໄປສະນີແລະການສໍາພາດສ່ວນບຸກຄົນແຕ່ສາມາດມີອັດຕາທີ່ບໍ່ໄດ້ຮັບຄໍາຕອບສູງເນື່ອງຈາກການບໍ່ມີຄົນບາງຄົນ (Fowler 1988). ນອກຈາກນັ້ນ, ການສໍາພາດທາງໂທລະສັບໂດຍທົ່ວໄປແມ່ນຈໍາກັດຢູ່ໃນບັນຊີລາຍຊື່ຄໍາຖາມທີ່ຂ້ອນຂ້າງສັ້ນ (Bainbridge 1989).

ຈຸດອ່ອນອີກຢ່າງໜຶ່ງຂອງແບບສອບຖາມທາງໄປສະນີແມ່ນອັດຕາການຕອບສະໜອງສູງ (Fowler 1988, Bainbridge 1989, Neuman 1994). ຢ່າງໃດກໍ່ຕາມ, ມາດຕະການຕ້ານໄດ້ຖືກປະຕິບັດໂດຍການເຊື່ອມໂຍງກັບການສຶກສານີ້ກັບສະຖາບັນການເກັບຮັກສາຂໍ້ມູນທີ່ເຊື່ອຖືໄດ້ (i.e. TDWI) (Bainbridge 1989, Neuman 1994), ເຊິ່ງອອກຈົດຫມາຍເຕືອນສອງສະບັບໃຫ້ກັບຜູ້ບໍ່ຕອບສະຫນອງ (Fowler 1988, Neuman 1994) ແລະຍັງປະກອບດ້ວຍຈົດຫມາຍເພີ່ມເຕີມທີ່ອະທິບາຍ. ຈຸດປະສົງຂອງການສຶກສາ (Neuman 1994).

3.4.2. ໜ່ວຍວິເຄາະ

ຈຸດ​ປະ​ສົງ​ຂອງ​ການ​ສຶກ​ສາ​ນີ້​ແມ່ນ​ເພື່ອ​ໃຫ້​ໄດ້​ຮັບ​ຂໍ້​ມູນ​ກ່ຽວ​ກັບ​ການ​ປະ​ຕິ​ບັດ​ການ​ເກັບ​ຂໍ້​ມູນ​ແລະ​ການ​ນໍາ​ໃຊ້​ຂອງ​ຕົນ​ພາຍ​ໃນ​ອົງ​ການ​ຂອງ​ອົດ​ສະ​ຕາ​ລີ. ປະຊາກອນເປົ້າຫມາຍແມ່ນອົງການຈັດຕັ້ງອົດສະຕາລີທັງຫມົດທີ່ໄດ້ປະຕິບັດ, ຫຼືກໍາລັງປະຕິບັດ, i data warehouse. ຫຼັງຈາກນັ້ນ, ອົງການຈັດຕັ້ງສ່ວນບຸກຄົນໄດ້ຖືກລົງທະບຽນ. ແບບສອບຖາມໄດ້ຖືກສົ່ງໄປໃຫ້ອົງການຈັດຕັ້ງທີ່ມີຄວາມສົນໃຈໃນການຮັບຮອງເອົາ data warehouse. ວິທີການນີ້ຮັບປະກັນວ່າຂໍ້ມູນທີ່ເກັບກໍາມາຈາກຊັບພະຍາກອນທີ່ເຫມາະສົມທີ່ສຸດຂອງແຕ່ລະອົງການຈັດຕັ້ງທີ່ເຂົ້າຮ່ວມ.

3.4.3. ຕົວຢ່າງການສໍາຫຼວດ

ບັນຊີລາຍຊື່ທາງໄປສະນີຂອງຜູ້ເຂົ້າຮ່ວມການສໍາຫຼວດແມ່ນໄດ້ມາຈາກ TDWI. ຈາກບັນຊີລາຍຊື່ນີ້, ອົງການຈັດຕັ້ງອົດສະຕາລີ 3000 ໄດ້ຖືກຄັດເລືອກເປັນພື້ນຖານສໍາລັບການເກັບຕົວຢ່າງ. ຈົດໝາຍຕິດຕາມການອະທິບາຍໂຄງການ ແລະ ຈຸດປະສົງຂອງການສໍາຫຼວດ, ພ້ອມກັບແບບຟອມຕອບ ແລະ ຊອງຈົດໝາຍທີ່ຈ່າຍລ່ວງໜ້າເພື່ອສົ່ງຄືນແບບສອບຖາມທີ່ເຮັດສຳເລັດແລ້ວຖືກສົ່ງໄປຫາຕົວຢ່າງ. ໃນຈໍານວນ 3000 ອົງການຈັດຕັ້ງ, 198 ໄດ້ຕົກລົງທີ່ຈະເຂົ້າຮ່ວມໃນການສຶກສາ. ການຕອບສະ ໜອງ ດັ່ງກ່າວເປັນ ຈຳ ນວນ ໜ້ອຍ ທີ່ຄາດວ່າຈະມີ dato ຈໍານວນອົງການຈັດຕັ້ງຂອງອົດສະຕຣາລີເປັນຈໍານວນຫຼວງຫຼາຍທີ່ໄດ້ຍອມຮັບຫຼືກໍາລັງຍອມຮັບຍຸດທະສາດການເກັບຮັກສາຂໍ້ມູນພາຍໃນອົງການຈັດຕັ້ງຂອງພວກເຂົາ. ດັ່ງນັ້ນ, ປະຊາກອນເປົ້າຫມາຍສໍາລັບການສຶກສານີ້ປະກອບດ້ວຍພຽງແຕ່ 198 ອົງການຈັດຕັ້ງ.

3.4.4. ເນື້ອໃນຂອງແບບສອບຖາມ

ການອອກແບບແບບສອບຖາມແມ່ນອີງໃສ່ຮູບແບບການເກັບຂໍ້ມູນ Monash (ໄດ້ສົນທະນາກ່ອນໜ້ານີ້ໃນພາກທີ 2.3). ເນື້ອໃນຂອງແບບສອບຖາມແມ່ນອີງໃສ່ການທົບທວນວັນນະຄະດີທີ່ນຳສະເໜີໃນບົດທີ 2. ສຳເນົາແບບສອບຖາມທີ່ສົ່ງໃຫ້ຜູ້ເຂົ້າຮ່ວມສຳຫຼວດສາມາດພົບໄດ້ໃນເອກະສານຊ້ອນທ້າຍ ຂ. ແບບສອບຖາມແມ່ນປະກອບດ້ວຍ XNUMX ພາກ, ເຊິ່ງປະຕິບັດຕາມຂັ້ນຕອນຂອງຕົວແບບທີ່ໄດ້ກວມເອົາ. ຫົກວັກຕໍ່ໄປນີ້ສະຫຼຸບສັ້ນໆກ່ຽວກັບເນື້ອໃນຂອງແຕ່ລະພາກ.

ພາກ A: ຂໍ້ມູນພື້ນຖານກ່ຽວກັບອົງການຈັດຕັ້ງ
ພາກນີ້ປະກອບດ້ວຍຄໍາຖາມທີ່ກ່ຽວຂ້ອງກັບໂປຣໄຟລ໌ຂອງອົງການຈັດຕັ້ງທີ່ເຂົ້າຮ່ວມ. ນອກຈາກນັ້ນ, ບາງຄໍາຖາມທີ່ກ່ຽວຂ້ອງກັບສະຖານະຂອງໂຄງການເກັບຂໍ້ມູນຂອງຜູ້ເຂົ້າຮ່ວມ. ຂໍ້ມູນລັບເຊັ່ນຊື່ຂອງອົງການບໍ່ໄດ້ຖືກເປີດເຜີຍໃນການວິເຄາະການສໍາຫຼວດ.

ພາກທີ B: ເລີ່ມ
ຄໍາຖາມຢູ່ໃນພາກນີ້ແມ່ນກ່ຽວຂ້ອງກັບການເລີ່ມຕົ້ນການເກັບຮັກສາຂໍ້ມູນ. ຄໍາຖາມໄດ້ຖືກຖາມກ່ຽວກັບຜູ້ລິເລີ່ມໂຄງການ, ຜູ້ສະຫນັບສະຫນູນ, ທັກສະແລະຄວາມຮູ້ທີ່ຕ້ອງການ, ເປົ້າຫມາຍຂອງການພັດທະນາຄັງຂໍ້ມູນແລະຄວາມຄາດຫວັງຂອງຜູ້ໃຊ້ສຸດທ້າຍ.

ພາກທີ C: ການອອກແບບ
ພາກນີ້ປະກອບດ້ວຍຄໍາຖາມທີ່ກ່ຽວຂ້ອງກັບກິດຈະກໍາການວາງແຜນຂອງ data warehouse. ໂດຍສະເພາະ, ຄໍາຖາມແມ່ນກ່ຽວກັບຂອບເຂດການປະຕິບັດ, ໄລຍະເວລາຂອງໂຄງການ, ຄ່າໃຊ້ຈ່າຍຂອງໂຄງການແລະການວິເຄາະຄ່າໃຊ້ຈ່າຍ / ຜົນປະໂຫຍດ.

ພາກ D: ການພັດທະນາ
ໃນພາກການພັດທະນາມີຄໍາຖາມທີ່ກ່ຽວຂ້ອງກັບກິດຈະກໍາການພັດທະນາຂອງ data warehouse: ການເກັບກໍາຂໍ້ກໍາຫນົດຜູ້ໃຊ້ສຸດທ້າຍ, ແຫຼ່ງຂອງ ຂໍ້ມູນ, ແບບຢ່າງມີເຫດຜົນຂອງ ຂໍ້ມູນ, ຕົ້ນແບບ, ການວາງແຜນຄວາມອາດສາມາດ, ສະຖາປັດຕະຍະກໍາດ້ານວິຊາການແລະການຄັດເລືອກເຄື່ອງມືການພັດທະນາຄັງຂໍ້ມູນ.

ພາກທີ E: ການດໍາເນີນງານ
ຄໍາ​ຖາມ​ການ​ດໍາ​ເນີນ​ງານ​ທີ່​ກ່ຽວ​ຂ້ອງ​ກັບ​ການ​ດໍາ​ເນີນ​ງານ​ແລະ​ການ​ຂະ​ຫຍາຍ​ຕົວ​ຂອງ​ data warehouse, ຍ້ອນວ່າມັນພັດທະນາໃນຂັ້ນຕອນຕໍ່ໄປຂອງການພັດທະນາ. ຢູ່ທີ່ນັ້ນ ຄຸນນະພາບຂໍ້ມູນ, ຍຸດທະສາດການປັບປຸງໃຫມ່ຂອງ ຂໍ້ມູນ, granularity ຂອງ ຂໍ້ມູນ, scalability ຂອງ data warehouse ແລະບັນຫາຄວາມປອດໄພ data warehouse ແມ່ນໃນບັນດາປະເພດຂອງຄໍາຖາມທີ່ຖາມ.

ພາກທີ F: ການພັດທະນາ
ພາກນີ້ປະກອບດ້ວຍຄໍາຖາມທີ່ກ່ຽວຂ້ອງກັບການນໍາໃຊ້ data warehouse ໂດຍຜູ້ໃຊ້ສຸດທ້າຍ. ນັກຄົ້ນຄວ້າມີຄວາມສົນໃຈໃນຈຸດປະສົງແລະຜົນປະໂຫຍດຂອງ data warehouse, ຍຸດທະສາດການທົບທວນຄືນແລະການຝຶກອົບຮົມໄດ້ຮັບຮອງເອົາແລະຍຸດທະສາດການຄວບຄຸມຂອງ data warehouse ຮັບຮອງເອົາ.

3.4.5. ອັດຕາການຕອບສະຫນອງ

ເຖິງແມ່ນວ່າການສໍາຫຼວດທາງໄປສະນີໄດ້ຖືກວິພາກວິຈານວ່າມີອັດຕາການຕອບສະຫນອງຕ່ໍາ, ຂັ້ນຕອນໄດ້ຖືກປະຕິບັດເພື່ອເພີ່ມອັດຕາຜົນຕອບແທນ (ດັ່ງທີ່ໄດ້ສົນທະນາຂ້າງເທິງໃນພາກ 3.4.1). ຄໍາວ່າ 'ອັດຕາການຕອບສະຫນອງ' ຫມາຍເຖິງອັດຕາສ່ວນຂອງປະຊາຊົນໃນຕົວຢ່າງການສໍາຫຼວດໂດຍສະເພາະຜູ້ທີ່ຕອບແບບສອບຖາມ (Denscombe 1998). ສູດຕໍ່ໄປນີ້ຖືກນໍາໃຊ້ເພື່ອຄິດໄລ່ອັດຕາການຕອບສະຫນອງສໍາລັບການສຶກສານີ້:

ຈໍານວນຄົນທີ່ຕອບ
ອັດຕາການຕອບຮັບ = —————————————————————————– X 100 ຈໍານວນແບບສອບຖາມທັງໝົດທີ່ສົ່ງມາ

3.4.6. ນັກບິນທົດສອບ

ກ່ອນທີ່ແບບສອບຖາມຈະຖືກສົ່ງໄປຫາຕົວຢ່າງ, ຄໍາຖາມໄດ້ຖືກທົດສອບໂດຍການທົດລອງທົດລອງ, ຕາມການແນະນໍາໂດຍ Luck and Rubin (1987), Jackson (1988), ແລະ de Vaus (1991). ຈຸດປະສົງຂອງການທົດລອງການທົດລອງແມ່ນເພື່ອເປີດເຜີຍການສະແດງອອກທີ່ງຸ່ມງ່າມ, ບໍ່ຊັດເຈນແລະຄໍາຖາມທີ່ຍາກທີ່ຈະຕີຄວາມ, ຊີ້ແຈງຄໍານິຍາມແລະຂໍ້ກໍານົດທີ່ໃຊ້, ແລະກໍານົດເວລາປະມານທີ່ຕ້ອງການເພື່ອເຮັດແບບສອບຖາມ (Warwick and Lininger 1975, Jackson 1988, Salant. ແລະ Dilman 1994). ການທົດລອງທົດລອງໄດ້ຖືກປະຕິບັດໂດຍການຄັດເລືອກວິຊາທີ່ມີລັກສະນະຄ້າຍຄືກັນກັບວິຊາສຸດທ້າຍ, ຕາມການແນະນໍາໂດຍ Davis e. Cosenza (1993). ໃນການສຶກສາຄັ້ງນີ້, ຜູ້ຊ່ຽວຊານດ້ານການເກັບຂໍ້ມູນ XNUMX ຄົນໄດ້ຖືກຄັດເລືອກເປັນວິຊາທົດລອງ. ຫຼັງຈາກການທົດສອບນັກບິນແຕ່ລະຄົນ, ການແກ້ໄຂທີ່ຈໍາເປັນໄດ້ຖືກເຮັດ. ຈາກການທົດສອບການທົດລອງທີ່ດໍາເນີນ, ຜູ້ເຂົ້າຮ່ວມໄດ້ປະກອບສ່ວນເຂົ້າໃນການແກ້ໄຂແບບສອບຖາມແລະການແກ້ໄຂແບບສອບຖາມສະບັບສຸດທ້າຍ.

3.4.7. ວິ​ທີ​ການ​ວິ​ເຄາະ​ຂອງ​ ຄໍາຊີ້ແຈງສິດ

I ຂໍ້ມູນ ຂໍ້ມູນການສໍາຫຼວດທີ່ເກັບກໍາຈາກແບບສອບຖາມປິດທ້າຍໄດ້ຖືກວິເຄາະໂດຍໃຊ້ຊຸດຊອບແວສະຖິຕິທີ່ເອີ້ນວ່າ SPSS. ຄໍາຕອບຈໍານວນຫຼາຍໄດ້ຖືກວິເຄາະໂດຍໃຊ້ສະຖິຕິຄໍາອະທິບາຍ. ຈໍານວນແບບສອບຖາມສົ່ງຄືນບໍ່ຄົບຖ້ວນ. ເຫຼົ່ານີ້ໄດ້ຖືກປະຕິບັດຢ່າງລະມັດລະວັງຫຼາຍຂຶ້ນເພື່ອໃຫ້ແນ່ໃຈວ່າ i ຂໍ້ມູນ ການຫາຍສາບສູນບໍ່ໄດ້ເປັນຜົນມາຈາກຄວາມຜິດພາດໃນການປ້ອນຂໍ້ມູນ, ແຕ່ເນື່ອງຈາກວ່າຄໍາຖາມທີ່ບໍ່ເຫມາະສົມກັບຜູ້ລົງທະບຽນ, ຫຼືຜູ້ລົງທະບຽນໄດ້ຕັດສິນໃຈທີ່ຈະບໍ່ຕອບຄໍາຖາມຫນຶ່ງຫຼືຫຼາຍກວ່ານັ້ນ. ຄໍາຕອບທີ່ຂາດຫາຍໄປເຫຼົ່ານີ້ຖືກລະເລີຍໃນເວລາວິເຄາະຂໍ້ມູນ ຂໍ້ມູນ ແລະຖືກລະຫັດເປັນ '-9' ເພື່ອຮັບປະກັນການຍົກເວັ້ນຂອງເຂົາເຈົ້າຈາກຂະບວນການວິເຄາະ.

ໃນ​ການ​ກະ​ກຽມ​ແບບ​ສອບ​ຖາມ​, ຄໍາ​ຖາມ​ປິດ​ໄດ້​ຖືກ​ລະ​ຫັດ​ລ່ວງ​ຫນ້າ​ໂດຍ​ການ​ມອບ​ຫມາຍ​ເລກ​ສໍາ​ລັບ​ແຕ່​ລະ​ທາງ​ເລືອກ​. ຕົວເລກດັ່ງກ່າວໄດ້ຖືກນໍາໃຊ້ເພື່ອຝຶກອົບຮົມ i ຂໍ້ມູນ ໃນລະຫວ່າງການວິເຄາະ (Denscombe 1998, Sapsford ແລະ Jupp 1996). ຕົວຢ່າງ, ມີຫົກທາງເລືອກທີ່ລະບຸໄວ້ໃນຄໍາຖາມທີ 1 ຂອງພາກ B: ຄະນະອໍານວຍການ, ຜູ້ບໍລິຫານລະດັບສູງ, ພະແນກໄອທີ, ຫນ່ວຍງານທຸລະກິດ, ທີ່ປຶກສາແລະອື່ນໆ. ໃນໄຟລ໌ຂອງ ຂໍ້ມູນ ຂອງ SPSS, ຕົວແປໄດ້ຖືກສ້າງຂຶ້ນສໍາລັບ 'ຜູ້ລິເລີ່ມໂຄງການ', ມີຫົກປ້າຍມູນຄ່າ: '1' ສໍາລັບ 'board', '2' ສໍາລັບ 'ຜູ້ບໍລິຫານອາວຸໂສ', ແລະອື່ນໆ Street. ການນໍາໃຊ້ຂະຫນາດ Likertin ໃນບາງຄໍາຖາມທີ່ປິດແລ້ວຍັງອະນຸຍາດໃຫ້ມີການກໍານົດທີ່ງ່າຍດາຍໂດຍໃຊ້ຄ່າຕົວເລກທີ່ສອດຄ້ອງກັນເຂົ້າໄປໃນ SPSS. ສໍາລັບຄໍາຖາມທີ່ມີຄໍາຕອບທີ່ບໍ່ຊ້ໍາກັນ, ເຊິ່ງບໍ່ແມ່ນສະເພາະເຊິ່ງກັນແລະກັນ, ແຕ່ລະທາງເລືອກໄດ້ຖືກປະຕິບັດເປັນຕົວແປດຽວທີ່ມີສອງປ້າຍຊື່: '1' ສໍາລັບ 'ກວດແລ້ວ' ແລະ '2' ສໍາລັບ 'ບໍ່ໄດ້ກວດເບິ່ງ'.

ຄໍາຖາມເປີດຖືກປະຕິບັດແຕກຕ່າງຈາກຄໍາຖາມປິດ. ຄໍາຕອບຂອງຄໍາຖາມເຫຼົ່ານີ້ບໍ່ໄດ້ເຂົ້າໄປໃນ SPSS. ແທນທີ່ຈະ, ພວກເຂົາຖືກວິເຄາະດ້ວຍມື. ການນໍາໃຊ້ຄໍາຖາມປະເພດນີ້ອະນຸຍາດໃຫ້ໄດ້ຮັບຂໍ້ມູນກ່ຽວກັບຄວາມຄິດທີ່ສະແດງອອກຢ່າງເສລີແລະປະສົບການສ່ວນບຸກຄົນໃນຜູ້ຕອບ (Bainbridge 1989, Denscombe 1998). ຖ້າເປັນໄປໄດ້, ການຈັດປະເພດຄໍາຕອບໄດ້ຖືກເຮັດ.

ສໍາລັບການວິເຄາະຂອງ ຂໍ້ມູນວິທີການຂອງການວິເຄາະສະຖິຕິແບບງ່າຍດາຍແມ່ນຖືກນໍາໃຊ້, ເຊັ່ນ: ຄວາມຖີ່ຂອງການຕອບສະຫນອງ, ຄ່າສະເລ່ຍ, ການບິດເບືອນມາດຕະຖານແລະຄ່າສະເລ່ຍ (Argyrous 1996, Denscombe 1998).
ການທົດສອບ Gamma ແມ່ນປະຕິບັດສໍາລັບການໄດ້ຮັບມາດຕະການປະລິມານຂອງສະມາຄົມລະຫວ່າງ ຂໍ້ມູນ ພິທີການ (Norusis 1983, Argyrous 1996). ການທົດສອບເຫຼົ່ານີ້ແມ່ນເຫມາະສົມເພາະວ່າເຄື່ອງວັດແທກລະດັບປົກກະຕິທີ່ໃຊ້ບໍ່ມີຫຼາຍປະເພດແລະສາມາດສະແດງຢູ່ໃນຕາຕະລາງ (Norusis 1983).

3.5 ບົດສະຫຼຸບ

ໃນບົດນີ້, ວິທີການຄົ້ນຄ້ວາແລະການອອກແບບທີ່ໄດ້ຮັບຮອງເອົາສໍາລັບການສຶກສານີ້ໄດ້ຖືກປຶກສາຫາລື.

ການເລືອກວິທີການຄົ້ນຄ້ວາທີ່ເຫມາະສົມທີ່ສຸດສໍາລັບການສຶກສາສະເພາະໃດຫນຶ່ງໃຊ້ເວລາ
ການພິຈາລະນາກົດລະບຽບຈໍານວນຫນຶ່ງ, ລວມທັງລັກສະນະແລະປະເພດຂອງການຄົ້ນຄວ້າ, ເຊັ່ນດຽວກັນກັບຈຸດດີແລະຈຸດອ່ອນຂອງແຕ່ລະວິທີທີ່ເປັນໄປໄດ້ (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, yin 1989, Hamilton and ives 1992, Galliers. 1992, neuman 1994). ເນື່ອງຈາກການຂາດຄວາມຮູ້ແລະທິດສະດີທີ່ມີຢູ່ແລ້ວກ່ຽວກັບການຮັບຮອງເອົາການເກັບຮັກສາຂໍ້ມູນໃນອົດສະຕາລີ, ການສຶກສາຄົ້ນຄ້ວານີ້ຮຽກຮ້ອງໃຫ້ມີວິທີການຄົ້ນຄ້ວາການຕີຄວາມຫມາຍທີ່ມີຄວາມສາມາດໃນການສໍາຫຼວດເພື່ອຄົ້ນຫາປະສົບການຂອງອົງການຈັດຕັ້ງອົດສະຕາລີ. ວິທີການຄົ້ນຄ້ວາທີ່ຖືກຄັດເລືອກແມ່ນໄດ້ຖືກຄັດເລືອກເພື່ອເກັບກໍາຂໍ້ມູນກ່ຽວກັບການຮັບຮອງເອົາແນວຄວາມຄິດຂອງຄັງຂໍ້ມູນໂດຍອົງການຈັດຕັ້ງອົດສະຕາລີ. ແບບສອບຖາມທາງໄປສະນີໄດ້ຖືກເລືອກເປັນເຕັກນິກການເກັບລວບລວມ ຂໍ້ມູນ. ເຫດຜົນສໍາລັບວິທີການຄົ້ນຄ້ວາແລະເຕັກນິກການລວບລວມ ຂໍ້ມູນ ການຄັດເລືອກຈະຖືກສະຫນອງໃຫ້ຢູ່ໃນບົດນີ້. ນອກຈາກນັ້ນ, ຍັງໄດ້ສະເໜີບົດສົນທະນາກ່ຽວກັບຫົວໜ່ວຍການວິເຄາະ, ຕົວຢ່າງທີ່ໃຊ້, ອັດຕາສ່ວນຂອງຄໍາຕອບ, ເນື້ອໃນຂອງແບບສອບຖາມ, ການທົດສອບກ່ອນການສອບຖາມ ແລະ ວິທີການວິເຄາະແບບສອບຖາມ. ຂໍ້ມູນ.

ການອອກແບບກ ຄັງ​ຂໍ້​ມູນ:

ການສົມທົບຄວາມສໍາພັນກັບຫນ່ວຍງານແລະການສ້າງແບບຈໍາລອງຂະຫນາດ

ປະຫວັດຄວາມເປັນມາ
ຮ້ານ i ຂໍ້ມູນ ເປັນ​ບັນ​ຫາ​ທີ່​ສໍາ​ຄັນ​ໃນ​ປັດ​ຈຸ​ບັນ​ສໍາ​ລັບ​ຫຼາຍ​ອົງ​ການ​ຈັດ​ຕັ້ງ​. ບັນຫາຫຼັກໃນການພັດທະນາສາງ ຂໍ້ມູນ ມັນແມ່ນການອອກແບບຂອງລາວ.
ຮູບແຕ້ມຕ້ອງສະຫນັບສະຫນູນການຊອກຄົ້ນຫາແນວຄວາມຄິດໃນ data warehouse ກັບລະບົບມໍລະດົກແລະແຫຼ່ງອື່ນໆຂອງ ຂໍ້ມູນ ແລະຍັງມີຄວາມເຂົ້າໃຈງ່າຍແລະປະສິດທິພາບໃນການປະຕິບັດ data warehouse.
ວັນນະຄະດີສາງຫຼາຍ ຂໍ້ມູນ ແນະນໍາໃຫ້ໃຊ້ການສ້າງແບບຈໍາລອງຄວາມສໍາພັນຂອງຫນ່ວຍງານຫຼືແບບຈໍາລອງຂະຫນາດເພື່ອເປັນຕົວແທນຂອງການອອກແບບ data warehouse.
ໃນເອກະສານນີ້, ພວກເຮົາສະແດງໃຫ້ເຫັນວິທີການທັງສອງຕົວແທນສາມາດຖືກລວມເຂົ້າກັນໃນວິທີການອອກແບບຂອງ data warehouse. ວິທີການນໍາໃຊ້ແມ່ນເປັນລະບົບ

ກວດ​ສອບ​ໃນ​ກໍ​ລະ​ນີ​ສຶກ​ສາ​ແລະ​ໄດ້​ຖືກ​ກໍາ​ນົດ​ໃນ​ຈໍາ​ນວນ​ຂອງ​ຜົນ​ກະ​ທົບ​ທີ່​ສໍາ​ຄັນ​ກັບ​ປະ​ກອບ​ອາ​ຊີບ​.

ການເກັບຂໍ້ມູນ

Un data warehouse ມັນມັກຈະຖືກກໍານົດວ່າເປັນ "ຫົວຂໍ້, ຮັດກຸມ, ປະສົມປະສານ, ການປ່ຽນແປງທີ່ໃຊ້ເວລາ, ແລະການລວບລວມຂໍ້ມູນທີ່ບໍ່ປ່ຽນແປງເພື່ອສະຫນັບສະຫນູນການຕັດສິນໃຈຂອງຜູ້ຈັດການ" (Inmon and Hackathorn, 1994). Subject-oriented ແລະປະສົມປະສານຊີ້ໃຫ້ເຫັນວ່າ data warehouse ຖືກອອກແບບມາເພື່ອຂ້າມຂອບເຂດທີ່ມີປະໂຫຍດຂອງລະບົບມໍລະດົກເພື່ອສະເຫນີທັດສະນະປະສົມປະສານ ຂໍ້ມູນ.
ຕົວປ່ຽນແປງເວລາແມ່ນກ່ຽວຂ້ອງກັບລັກສະນະປະຫວັດສາດ ຫຼືຊຸດເວລາຂອງວິດີໂອ ຂໍ້ມູນ ຢູ່​ໃນ data warehouse, ເຊິ່ງເຮັດໃຫ້ແນວໂນ້ມທີ່ຈະວິເຄາະ. ບໍ່ມີການເຫນັງຕີງຊີ້ໃຫ້ເຫັນວ່າ data warehouse ມັນບໍ່ໄດ້ຖືກປັບປຸງຢ່າງຕໍ່ເນື່ອງຄື a ຖານຂໍ້ມູນ ຂອງ OLTP. ແທນທີ່ຈະມັນຖືກປັບປຸງເປັນແຕ່ລະໄລຍະ, ດ້ວຍ ຂໍ້ມູນ ຈາກ​ແຫຼ່ງ​ຂໍ້​ມູນ​ພາຍ​ໃນ​ແລະ​ພາຍ​ນອກ​. ໄດ້ data warehouse ມັນໄດ້ຖືກອອກແບບໂດຍສະເພາະສໍາລັບການຄົ້ນຄວ້າແທນທີ່ຈະປັບປຸງຄວາມສົມບູນແລະການປະຕິບັດການປະຕິບັດງານ.
ແນວຄວາມຄິດຂອງການເກັບຮັກສາ i ຂໍ້ມູນ ບໍ່​ແມ່ນ​ໃຫມ່​, ມັນ​ແມ່ນ​ຫນຶ່ງ​ໃນ​ຈຸດ​ປະ​ສົງ​ຂອງ​ການ​ຄຸ້ມ​ຄອງ​ ຂໍ້ມູນ ນັບຕັ້ງແ​​ຕ່ sixties (Il Martin, 1982).
I data warehouse ພວກເຂົາສະເຫນີໂຄງສ້າງພື້ນຖານ ຂໍ້ມູນ ສໍາລັບລະບົບສະຫນັບສະຫນູນການຄຸ້ມຄອງ. ລະບົບສະຫນັບສະຫນູນການຄຸ້ມຄອງປະກອບມີລະບົບສະຫນັບສະຫນູນການຕັດສິນໃຈ (DSS) ແລະລະບົບຂໍ້ມູນຂ່າວສານບໍລິຫານ (EIS). A DSS ແມ່ນລະບົບຂໍ້ມູນຄອມພິວເຕີທີ່ຖືກອອກແບບມາເພື່ອປັບປຸງຂະບວນການແລະຜົນການຕັດສິນໃຈຂອງມະນຸດ. EIS ປົກກະຕິແລ້ວແມ່ນລະບົບການຈັດສົ່ງ ຂໍ້ມູນ ເຊິ່ງເຮັດໃຫ້ຜູ້ບໍລິຫານທຸລະກິດສາມາດເຂົ້າເຖິງທັດສະນະຂອງ ຂໍ້ມູນ.
ສະຖາປັດຕະຍະກໍາທົ່ວໄປຂອງ ກ data warehouse ຊີ້ໃຫ້ເຫັນບົດບາດຂອງ data warehouse ໃນ​ການ​ສະ​ຫນັບ​ສະ​ຫນູນ​ການ​ຄຸ້ມ​ຄອງ​. ນອກເຫນືອຈາກການສະເຫນີໂຄງສ້າງພື້ນຖານ ຂໍ້ມູນ ສໍາລັບ EIS ແລະ DSS, al data warehouse ມັນສາມາດເຂົ້າເຖິງໄດ້ໂດຍກົງໂດຍຜ່ານການສອບຖາມ. THE ຂໍ້ມູນ ລວມຢູ່ໃນ ກ data warehouse ແມ່ນອີງໃສ່ການວິເຄາະຄວາມຕ້ອງການຂໍ້ມູນການຄຸ້ມຄອງແລະໄດ້ຮັບຈາກສາມແຫຼ່ງ: ລະບົບມໍລະດົກພາຍໃນ, ລະບົບການຈັບຂໍ້ມູນຈຸດປະສົງພິເສດແລະແຫຼ່ງຂໍ້ມູນພາຍນອກ. THE ຂໍ້ມູນ ໃນລະບົບມໍລະດົກພາຍໃນແມ່ນມັກຈະຊ້ໍາຊ້ອນ, ບໍ່ສອດຄ່ອງ, ມີຄຸນນະພາບຕ່ໍາ, ແລະເກັບຮັກສາໄວ້ໃນຮູບແບບທີ່ແຕກຕ່າງກັນ, ສະນັ້ນພວກເຂົາຕ້ອງໄດ້ຮັບການປອງດອງແລະເຮັດຄວາມສະອາດກ່ອນທີ່ຈະສາມາດໂຫລດເຂົ້າໄປໃນ.

data warehouse (Inmon, 1992; McFadden, 1996). THE ຂໍ້ມູນ ຈາກລະບົບການເກັບຮັກສາ ຂໍ້ມູນ ສະເພາະກິດ ແລະຈາກແຫຼ່ງຕ່າງໆ ຂໍ້ມູນ ພາຍນອກມັກຈະຖືກນໍາໃຊ້ເພື່ອຂະຫຍາຍ (ປັບປຸງ, ທົດແທນ) i ຂໍ້ມູນ ຈາກລະບົບມໍລະດົກ.

ມີຫຼາຍເຫດຜົນທີ່ຫນ້າສົນໃຈທີ່ຈະພັດທະນາ a data warehouse, ເຊິ່ງລວມມີການປັບປຸງການຕັດສິນໃຈໂດຍຜ່ານການນໍາໃຊ້ປະສິດທິຜົນຂອງຂໍ້ມູນເພີ່ມເຕີມ (Ives 1995), ການສະຫນັບສະຫນູນການສຸມໃສ່ວຽກງານທັງຫມົດ (Graham 1996), ແລະການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການຕັດສິນໃຈ. ຂໍ້ມູນ ສໍາລັບ EIS ແລະ DSS (Graham 1996, McFadden 1996).

ການສຶກສາ empirical ທີ່ຜ່ານມາພົບວ່າ, ໂດຍສະເລ່ຍ, ຜົນຕອບແທນຂອງການລົງທຶນສໍາລັບ i data warehouse ໂດຍ 401% ຫຼັງຈາກສາມປີ (Graham, 1996). ຢ່າງໃດກໍຕາມ, ການສຶກສາ empirical ອື່ນໆຂອງ data warehouse ​ໄດ້​ພົບ​ເຫັນ​ບັນຫາ​ທີ່​ສຳຄັນ​ລວມທັງ​ຄວາມ​ຫຍຸ້ງຍາກ​ໃນ​ການ​ວັດ​ແທກ ​ແລະ ການ​ຈັດ​ສັນ​ຜົນ​ປະ​ໂຫຍ​ດ, ຂາດ​ຈຸດປະສົງ​ທີ່​ຈະ​ແຈ້ງ, ຄາດ​ຄະ​ເນ​ບໍ່​ເຖິງ​ຂອບ​ເຂດ ​ແລະ ຄວາມ​ສັບສົນ​ຂອງ​ຂະ​ບວນການ​ເກັບ​ມ້ຽນ. ຂໍ້ມູນໂດຍສະເພາະແມ່ນກ່ຽວກັບແຫຼ່ງແລະຄວາມສະອາດຂອງ ຂໍ້ມູນ. ຮ້ານ i ຂໍ້ມູນ ສາມາດພິຈາລະນາເປັນການແກ້ໄຂບັນຫາການຈັດການ ຂໍ້ມູນ ລະຫວ່າງອົງການຈັດຕັ້ງ. ການຫມູນໃຊ້ຂອງ ຂໍ້ມູນ ເປັນຊັບພະຍາກອນສັງຄົມມັນຍັງຄົງເປັນຫນຶ່ງໃນບັນຫາທີ່ສໍາຄັນໃນການຄຸ້ມຄອງລະບົບຂໍ້ມູນຂ່າວສານທົ່ວໂລກເປັນເວລາຫລາຍປີ (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993).

ວິທີການທີ່ນິຍົມໃນການຄຸ້ມຄອງຊັບສິນ ຂໍ້ມູນ ໃນ eighty ໄດ້ ແມ່ນ ການ ພັດ ທະ ນາ ຂອງ ຕົວ ແບບ ຂໍ້ມູນ ສັງຄົມ. ຕົວແບບ ຂໍ້ມູນ ສັງຄົມໄດ້ຖືກອອກແບບເພື່ອສະເຫນີພື້ນຖານທີ່ຫມັ້ນຄົງສໍາລັບການພັດທະນາລະບົບຄໍາຮ້ອງສະຫມັກໃຫມ່ e ຖານຂໍ້ມູນ ແລະການຟື້ນຟູແລະການເຊື່ອມໂຍງລະບົບມໍລະດົກ (Brancheau et al.

1989, Goodhue et al. 1988: 1992, Kim and Everest 1994). ຢ່າງໃດກໍ່ຕາມ, ມີຫຼາຍບັນຫາກັບວິທີການນີ້, ໂດຍສະເພາະ, ຄວາມສັບສົນແລະຄ່າໃຊ້ຈ່າຍຂອງແຕ່ລະວຽກງານ, ແລະເວລາດົນທີ່ຕ້ອງການເພື່ອໃຫ້ບັນລຸຜົນໄດ້ຮັບທີ່ເຫັນໄດ້ຊັດເຈນ (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997). ).

Il data warehouse ມັນເປັນຖານຂໍ້ມູນແຍກຕ່າງຫາກທີ່ຮ່ວມກັບຖານຂໍ້ມູນເກົ່າແທນທີ່ຈະທົດແທນພວກມັນ. ມັນ​ເພາະ​ສະ​ນັ້ນ​ຈຶ່ງ​ອະ​ນຸ​ຍາດ​ໃຫ້​ທ່ານ​ເພື່ອ​ຊີ້​ນໍາ​ການ​ຄຸ້ມ​ຄອງ​ຂອງ​ ຂໍ້ມູນ ແລະຫຼີກເວັ້ນການກໍ່ສ້າງລະບົບເກົ່າແກ່ທີ່ມີຄ່າໃຊ້ຈ່າຍຫຼາຍ.

ແນວທາງທີ່ມີຢູ່ແລ້ວໃນການອອກແບບຂໍ້ມູນ

ສາງ

ຂະ​ບວນ​ການ​ຂອງ​ການ​ກໍ່​ສ້າງ​ແລະ​ສົມ​ບູນ​ແບບ a data warehouse ຄວນຈະເຂົ້າໃຈຫຼາຍເປັນຂະບວນການວິວັດທະນາການແທນທີ່ຈະເປັນວົງຈອນການພັດທະນາລະບົບແບບດັ້ງເດີມ (ຄວາມປາຖະຫນາ, 1995, Shanks, O'Donnell ແລະ Arnott 1997a). ມີຫຼາຍຂະບວນການທີ່ກ່ຽວຂ້ອງກັບໂຄງການ data warehouse ເຊັ່ນ: ການເລີ່ມຕົ້ນ, ການກໍານົດເວລາ; ຂໍ້ມູນທີ່ໄດ້ມາຈາກຄວາມຕ້ອງການທີ່ຮ້ອງຂໍຈາກຜູ້ຈັດການບໍລິສັດ; ແຫຼ່ງ, ການຫັນເປັນ, ທໍາຄວາມສະອາດ ຂໍ້ມູນ ແລະ sync ຈາກລະບົບມໍລະດົກແລະແຫຼ່ງອື່ນໆ ຂໍ້ມູນ; ລະບົບການຈັດສົ່ງພາຍໃຕ້ການພັດທະນາ; ການ​ຕິດ​ຕາມ​ກວດ​ກາ​ຂອງ​ data warehouse; ແລະຄວາມຮູ້ສຶກທີ່ບໍ່ມີຄວາມຮູ້ສຶກຂອງຂະບວນການ evolutionary ແລະການກໍ່ສ້າງ a data warehouse (Stinchi, O'Donnell ແລະ Arnott 1997b). ໃນວາລະສານນີ້, ພວກເຮົາສຸມໃສ່ວິທີການແຕ້ມ i ຂໍ້ມູນ ເກັບໄວ້ໃນບໍລິບົດຂອງຂະບວນການອື່ນໆເຫຼົ່ານີ້. ມີຫຼາຍວິທີການສະເຫນີເພື່ອສະຖາປັດຕະຍະກໍາວິດີໂອ data warehouse ໃນວັນນະຄະດີ (Inmon 1994, Ives 1995, Kimball 1994, McFadden 1996). ແຕ່ລະວິທີການເຫຼົ່ານີ້ມີການທົບທວນຄືນສັ້ນໆທີ່ມີການວິເຄາະຈຸດແຂງແລະຈຸດອ່ອນຂອງພວກເຂົາ.

Inmon's (1994) ວິທີການສໍາລັບ ຄັງ​ຂໍ້​ມູນ ການອອກແບບ

Inmon (1994) ໄດ້ສະເໜີສີ່ຂັ້ນຕອນຊໍ້າກັນເພື່ອອອກແບບ a data warehouse (ເບິ່ງຮູບ 2). ຂັ້ນຕອນທໍາອິດແມ່ນການອອກແບບແມ່ແບບ ຂໍ້ມູນ ສັງຄົມເພື່ອເຂົ້າໃຈວິທີການຂ້າພະເຈົ້າ ຂໍ້ມູນ ສາມາດໄດ້ຮັບການປະສົມປະສານໃນທົ່ວພື້ນທີ່ທີ່ເປັນປະໂຫຍດພາຍໃນອົງການຈັດຕັ້ງໂດຍການແບ່ງຍ່ອຍ i ຂໍ້ມູນ ເກັບຮັກສາຢູ່ໃນພື້ນທີ່. ຕົວແບບ ຂໍ້ມູນ ມັນຖືກສ້າງຂຶ້ນສໍາລັບການເກັບຮັກສາ ຂໍ້ມູນ ກ່ຽວຂ້ອງກັບການຕັດສິນໃຈ, ລວມທັງ ຂໍ້ມູນ ປະຫວັດສາດ, ແລະລວມ ຂໍ້ມູນ ຫັກ ແລະ ລວມ. ຂັ້ນ​ຕອນ​ທີ​ສອງ​ແມ່ນ​ການ​ກໍາ​ນົດ​ຫົວ​ຂໍ້​ສໍາ​ລັບ​ການ​ປະ​ຕິ​ບັດ​. ເຫຼົ່ານີ້ແມ່ນອີງໃສ່ບູລິມະສິດທີ່ກໍານົດໂດຍອົງການຈັດຕັ້ງສະເພາະໃດຫນຶ່ງ. ຂັ້ນ​ຕອນ​ທີ​ສາມ​ກ່ຽວ​ກັບ​ການ​ແຕ້ມ a ຖານຂໍ້ມູນ ສໍາລັບສາຂາວິຊາ, ໃຫ້ເອົາໃຈໃສ່ໂດຍສະເພາະລວມທັງລະດັບທີ່ເຫມາະສົມຂອງ granularity. Inmon ແນະນໍາໃຫ້ໃຊ້ຕົວແບບ entity ແລະຄວາມສໍາພັນ. ຂັ້ນຕອນທີສີ່ແມ່ນການກໍານົດລະບົບແຫຼ່ງ ຂໍ້ມູນ ຕ້ອງການແລະພັດທະນາຂະບວນການຫັນປ່ຽນເພື່ອເກັບກໍາ, ເຮັດຄວາມສະອາດແລະຮູບແບບ i ຂໍ້ມູນ.

ຄວາມເຂັ້ມແຂງຂອງວິທີການຂອງ Inmon ແມ່ນວ່າຕົວແບບ ຂໍ້ມູນ ສັງຄົມສະເຫນີພື້ນຖານສໍາລັບການລວມຕົວຂອງ ຂໍ້ມູນ ພາຍໃນອົງການຈັດຕັ້ງແລະການວາງແຜນສະຫນັບສະຫນູນສໍາລັບການພັດທະນາຊ້ໍາຊ້ອນຂອງ data warehouse. ຂໍ້ບົກຜ່ອງຂອງມັນແມ່ນຄວາມຫຍຸ້ງຍາກແລະຄ່າໃຊ້ຈ່າຍໃນການອອກແບບຕົວແບບ ຂໍ້ມູນ ສັງຄົມ, ຄວາມຫຍຸ້ງຍາກໃນການເຂົ້າໃຈຕົວແບບຂອງຫນ່ວຍງານແລະການພົວພັນທີ່ໃຊ້ໃນທັງສອງແບບ, ວ່າ ຂໍ້ມູນ ສັງຄົມແລະຂອງ ຂໍ້ມູນ ເກັບຮັກສາໄວ້ໂດຍສາຂາວິຊາ, ແລະຄວາມເຫມາະສົມຂອງ ຂໍ້ມູນ ຂອງຮູບແຕ້ມຂອງ data warehouse ສໍາ​ລັບ​ການ​ເຮັດ​ໃຫ້​ ຖານຂໍ້ມູນ ຄວາມສໍາພັນແຕ່ບໍ່ແມ່ນສໍາລັບ ຖານຂໍ້ມູນ ຫຼາຍມິຕິລະດັບ.

Ives ' (1995) ເຂົ້າຫາ ຄັງ​ຂໍ້​ມູນ ການອອກແບບ

Ives (1995) ສະເຫນີວິທີການສີ່ຂັ້ນຕອນໃນການອອກແບບລະບົບຂໍ້ມູນຂ່າວສານທີ່ລາວເຊື່ອວ່າສາມາດນໍາໃຊ້ໄດ້ກັບການອອກແບບ. data warehouse (ເບິ່ງຮູບ 3). ວິທີການດັ່ງກ່າວແມ່ນອີງໃສ່ວິສະວະກໍາຂໍ້ມູນຂ່າວສານຫຼາຍສໍາລັບການພັດທະນາລະບົບຂໍ້ມູນຂ່າວສານ (Martin 1990). ຂັ້ນຕອນທໍາອິດແມ່ນການກໍານົດເປົ້າຫມາຍຂອງທ່ານ, ຜົນສໍາເລັດແລະປັດໃຈສໍາຄັນ, ແລະຕົວຊີ້ວັດການປະຕິບັດທີ່ສໍາຄັນ. ຂະບວນການທຸລະກິດທີ່ສໍາຄັນແລະຂໍ້ມູນທີ່ຈໍາເປັນໄດ້ຖືກສ້າງແບບຈໍາລອງເພື່ອນໍາພວກເຮົາໄປສູ່ຕົວແບບ ຂໍ້ມູນ ສັງຄົມ. ຂັ້ນ​ຕອນ​ທີ​ສອງ​ກ່ຽວ​ກັບ​ການ​ພັດ​ທະ​ນາ​ສະ​ຖາ​ປັດ​ຕະ​ກໍາ​ນົດ​ ຂໍ້ມູນ ເກັບ​ຮັກ​ສາ​ໄວ້​ໂດຍ​ພື້ນ​ທີ່​, ຖານຂໍ້ມູນ di data warehouse, ອົງປະກອບເຕັກໂນໂລຢີທີ່ຕ້ອງການ, ຊຸດສະຫນັບສະຫນູນອົງການຈັດຕັ້ງທີ່ຕ້ອງການເພື່ອປະຕິບັດແລະປະຕິບັດງານກັບ data warehouse. ຂັ້ນ​ຕອນ​ທີ​ສາມ​ປະ​ກອບ​ມີ​ການ​ຄັດ​ເລືອກ​ຂອງ​ຊຸດ​ຊອບ​ແວ​ທີ່​ຕ້ອງ​ການ​ແລະ​ເຄື່ອງ​ມື​. ຂັ້ນ​ຕອນ​ທີ​ສີ່​ແມ່ນ​ການ​ອອກ​ແບບ​ລະ​ອຽດ​ແລະ​ການ​ກໍ່​ສ້າງ​ຂອງ​ data warehouse. Ives ບັນທຶກຮ້ານນັ້ນ ຂໍ້ມູນ ມັນເປັນຂະບວນການຊ້ໍາຊ້ອນ.

ຄວາມເຂັ້ມແຂງຂອງວິທີການ Ives ແມ່ນການນໍາໃຊ້ສະເພາະດ້ານວິຊາການເພື່ອກໍານົດຄວາມຕ້ອງການຂໍ້ມູນ, ການນໍາໃຊ້ຂະບວນການທີ່ມີໂຄງສ້າງເພື່ອສະຫນັບສະຫນູນການເຊື່ອມໂຍງຂອງ. data warehouse, ການເລືອກຮາດແວແລະຊອບແວທີ່ເຫມາະສົມ, ແລະການນໍາໃຊ້ເຕັກນິກການເປັນຕົວແທນຫຼາຍສໍາລັບການ data warehouse. ຂໍ້ບົກພ່ອງຂອງມັນແມ່ນປະກົດຂຶ້ນໃນຄວາມສັບສົນ. ອື່ນໆປະກອບມີຄວາມຫຍຸ້ງຍາກໃນການພັດທະນາຫຼາຍລະດັບຂອງ ຖານຂໍ້ມູນ all'interno del data warehouse ໃນເວລາແລະຄ່າໃຊ້ຈ່າຍທີ່ເຫມາະສົມ.

Kimball's (1994) ວິທີການ ຄັງ​ຂໍ້​ມູນ ການອອກແບບ

Kimball (1994) ໄດ້ສະເໜີຫ້າຂັ້ນຕອນຊໍ້າກັນສໍາລັບການອອກແບບ a data warehouse (ເບິ່ງຮູບ 4). ວິທີການຂອງລາວແມ່ນອຸທິດຕົນໂດຍສະເພາະໃນການແຕ້ມຮູບ solo data warehouse ແລະ​ການ​ນໍາ​ໃຊ້​ແບບ​ຈໍາ​ລອງ​ມິ​ຕິ​ລະ​ພາບ​ໃນ​ຄວາມ​ຕ້ອງ​ການ​ກັບ​ຫົວ​ຫນ່ວຍ​ແລະ​ຕົວ​ແບບ​ຄວາມ​ສໍາ​ພັນ​. Kimball ວິເຄາະແບບຈໍາລອງຂະຫນາດເຫຼົ່ານັ້ນເພາະວ່າມັນງ່າຍຂຶ້ນສໍາລັບຜູ້ນໍາທຸລະກິດທີ່ຈະເຂົ້າໃຈທຸລະກິດ, ມັນມີປະສິດທິພາບຫຼາຍຂຶ້ນເມື່ອຈັດການກັບການປຶກສາຫາລືທີ່ສັບສົນ, ແລະການອອກແບບຂອງ ຖານຂໍ້ມູນ ທາງດ້ານຮ່າງກາຍມີປະສິດທິພາບຫຼາຍຂຶ້ນ (Kimball 1994). Kimball ຍອມຮັບວ່າການພັດທະນາ a data warehouse ແມ່ນຊໍ້າຄືນ, ແລະນັ້ນ data warehouse ແຍກສາມາດໄດ້ຮັບການປະສົມປະສານໂດຍຜ່ານການແບ່ງອອກເປັນຕາຕະລາງຂອງຂະຫນາດທົ່ວໄປ.

ຂັ້ນຕອນທໍາອິດແມ່ນການກໍານົດວິຊາສະເພາະທີ່ຈະສົມບູນແບບ. ຂັ້ນ​ຕອນ​ທີ​ສອງ​ແລະ​ທີ​ສາມ​ກ່ຽວ​ຂ້ອງ​ກັບ​ຮູບ​ຮ່າງ​ມິ​ຕິ​. ໃນຂັ້ນຕອນທີສອງ, ມາດຕະການກໍານົດສິ່ງທີ່ມີຄວາມສົນໃຈໃນສາຂາວິຊາແລະຈັດກຸ່ມເຂົ້າໄປໃນຕາຕະລາງຄວາມເປັນຈິງ. ຕົວຢ່າງ, ໃນຂົງເຂດການຂາຍ, ມາດຕະການຂອງຄວາມສົນໃຈອາດຈະປະກອບມີຈໍານວນລາຍການທີ່ຂາຍແລະເງິນໂດລາເປັນສະກຸນເງິນການຂາຍ. ຂັ້ນ​ຕອນ​ທີ​ສາມ​ກ່ຽວ​ກັບ​ການ​ກໍາ​ນົດ​ຂະ​ຫນາດ​ທີ່​ເປັນ​ວິ​ທີ​ການ​ທີ່​ຂໍ້​ເທັດ​ຈິງ​ສາ​ມາດ​ໄດ້​ຮັບ​ການ​ຈັດ​ກຸ່ມ​. ໃນຂົງເຂດການຂາຍ, ຂະຫນາດທີ່ກ່ຽວຂ້ອງອາດຈະປະກອບມີລາຍການ, ສະຖານທີ່, ແລະໄລຍະເວລາ. ຕາຕະລາງຄວາມຈິງມີກະແຈຫຼາຍສ່ວນເພື່ອເຊື່ອມຕໍ່ມັນກັບແຕ່ລະຕາຕະລາງມິຕິແລະໂດຍປົກກະຕິມີຂໍ້ເທັດຈິງຈໍານວນຫລາຍ. ໃນທາງກົງກັນຂ້າມ, ຕາຕະລາງມິຕິມີຂໍ້ມູນອະທິບາຍກ່ຽວກັບຂະຫນາດແລະຄຸນລັກສະນະອື່ນໆທີ່ສາມາດຖືກນໍາໃຊ້ເພື່ອຈັດກຸ່ມຂໍ້ເທັດຈິງ. ຕາຕະລາງຂໍ້ເທັດຈິງທີ່ກ່ຽວຂ້ອງແລະຂະຫນາດທີ່ສະເຫນີເຮັດໃຫ້ສິ່ງທີ່ເອີ້ນວ່າ schema ດາວເນື່ອງຈາກຮູບຮ່າງຂອງມັນ. ຂັ້ນ​ຕອນ​ທີ​ສີ່​ກ່ຽວ​ກັບ​ການ​ກໍ່​ສ້າງ a ຖານຂໍ້ມູນ multidimensional ເພື່ອທີ່ສົມບູນແບບຮູບແບບຂອງດາວໄດ້. ຂັ້ນຕອນສຸດທ້າຍແມ່ນການກໍານົດລະບົບແຫຼ່ງ ຂໍ້ມູນ ຕ້ອງການແລະພັດທະນາຂະບວນການຫັນປ່ຽນເພື່ອເກັບກໍາ, ເຮັດຄວາມສະອາດແລະຮູບແບບ i ຂໍ້ມູນ.

ຄວາມເຂັ້ມແຂງຂອງວິທີການ Kimball ປະກອບມີການນໍາໃຊ້ຕົວແບບມິຕິເພື່ອເປັນຕົວແທນຂອງ i ຂໍ້ມູນ ເກັບຮັກສາໄວ້ເຊິ່ງເຮັດໃຫ້ມັນງ່າຍທີ່ຈະເຂົ້າໃຈແລະນໍາໄປສູ່ການອອກແບບທາງດ້ານຮ່າງກາຍທີ່ມີປະສິດທິພາບ. ຮູບແບບມິຕິລະດັບທີ່ພ້ອມນຳໃຊ້ທັງສອງລະບົບ ຖານຂໍ້ມູນ ຄວາມສໍາພັນສາມາດສົມບູນແບບຫຼືລະບົບ ຖານຂໍ້ມູນ ຫຼາຍມິຕິ. ຂໍ້ບົກພ່ອງຂອງມັນປະກອບມີການຂາດເຕັກນິກບາງຢ່າງເພື່ອອໍານວຍຄວາມສະດວກໃນການວາງແຜນຫຼືການເຊື່ອມໂຍງຂອງຫຼາຍໆໂຄງການດາວພາຍໃນ. data warehouse ແລະຄວາມຫຍຸ້ງຍາກໃນການອອກແບບຈາກໂຄງສ້າງທີ່ຜິດປົກກະຕິທີ່ສຸດໃນຮູບແບບມິຕິ a ຂໍ້ມູນ ໃນລະບົບມໍລະດົກ.

McFadden's (1996) ວິທີການກັບຂໍ້ມູນ ການອອກແບບສາງ

McFadden (1996) ສະເຫນີວິທີການຫ້າຂັ້ນຕອນໃນການແຕ້ມ a data warehouse (ເບິ່ງຮູບ 5).
ວິທີການຂອງລາວແມ່ນອີງໃສ່ການສັງເຄາະແນວຄວາມຄິດຈາກວັນນະຄະດີແລະສຸມໃສ່ການອອກແບບດຽວ data warehouse. ຂັ້ນຕອນທໍາອິດກ່ຽວຂ້ອງກັບການວິເຄາະຄວາມຕ້ອງການ. ໃນຂະນະທີ່ຂໍ້ກໍາຫນົດດ້ານວິຊາການບໍ່ໄດ້ຖືກກໍານົດ, ບັນທຶກຂອງ McFadden ກໍານົດຫນ່ວຍງານ ຂໍ້ມູນ ສະເພາະ ແລະຄຸນລັກສະນະຂອງເຂົາເຈົ້າ, ແລະຫມາຍເຖິງຜູ້ອ່ານ Watson and Frolick (1993) ສໍາລັບການຈັບເອົາຄວາມຕ້ອງການ.
ໃນຂັ້ນຕອນທີສອງ, ຮູບແບບຄວາມສໍາພັນຂອງ entity ແມ່ນແຕ້ມສໍາລັບ data warehouse ແລະຫຼັງຈາກນັ້ນໄດ້ຮັບການຢັ້ງຢືນໂດຍຜູ້ບໍລິຫານຂອງບໍລິສັດ. ຂັ້ນຕອນທີສາມກ່ຽວຂ້ອງກັບການກໍານົດແຜນທີ່ຈາກລະບົບມໍລະດົກແລະແຫຼ່ງພາຍນອກຂອງ data warehouse. ຂັ້ນ​ຕອນ​ທີ​ສີ່​ກ່ຽວ​ຂ້ອງ​ກັບ​ຂະ​ບວນ​ການ​ໃນ​ການ​ພັດ​ທະ​ນາ​, ການ​ນໍາ​ໃຊ້​ແລະ synchronizing​ ຂໍ້ມູນ nel data warehouse. ໃນຂັ້ນຕອນສຸດທ້າຍ, ການຈັດສົ່ງຂອງລະບົບໄດ້ຖືກພັດທະນາໂດຍເນັ້ນຫນັກໃສ່ການໂຕ້ຕອບຜູ້ໃຊ້. McFadden ສັງເກດວ່າຂະບວນການແຕ້ມຮູບໂດຍທົ່ວໄປແມ່ນຊ້ໍາກັນ.

ຄວາມເຂັ້ມແຂງຂອງວິທີການ McFadden ແມ່ນການມີສ່ວນຮ່ວມຂອງຜູ້ນໍາທຸລະກິດໃນການກໍານົດຄວາມຕ້ອງການເຊັ່ນດຽວກັນກັບຄວາມສໍາຄັນຂອງຊັບພະຍາກອນ. ຂໍ້ມູນທໍາ​ຄວາມ​ສະ​ອາດ​ແລະ​ການ​ເກັບ​ກໍາ​ຂອງ​ເຂົາ​ເຈົ້າ​. ຂໍ້ບົກພ່ອງຂອງມັນແມ່ນການຂາດຂະບວນການສໍາລັບການແບ່ງໂຄງການຂະຫນາດໃຫຍ່ data warehouse ໃນຫຼາຍຂັ້ນຕອນປະສົມປະສານ, ແລະມີ

ຄວາມ​ຫຍຸ້ງ​ຍາກ​ທີ່​ຈະ​ເຂົ້າ​ໃຈ​ຫົວ​ຫນ່ວຍ​ແລະ​ຮູບ​ແບບ​ການ​ພົວ​ພັນ​ນໍາ​ໃຊ້​ໃນ​ການ​ອອກ​ແບບ​ຂອງ​ data warehouse.

ມັນບໍ່ພຽງແຕ່ຜູ້ທີ່ຢູ່ໃກ້ພວກເຮົາເທົ່ານັ້ນທີ່ເລືອກພວກເຮົາ.