Мэдээллийн агуулах ба аж ахуйн нэгжийн нөөцийн төлөвлөлт | DWH ба ERP

АРХИВ МЭДЭЭЛЭЛ ТӨВ : ТҮҮХ ED ХУВЬСАЛ

90-ээд оны корпорацийн технологийн хоёр давамгайлсан сэдэв нь i өгөгдлийн агуулах болон ERP. Удаан хугацааны туршид эдгээр хоёр хүчирхэг урсгал нь огт огтлолцолгүйгээр корпорацийн мэдээллийн технологийн нэг хэсэг байсаар ирсэн. Тэд бараг л матери ба эсрэг бодис юм шиг л байсан. Гэвч хоёр үзэгдлийн өсөлт нь гарцаагүй уулзварт хүргэсэн. Өнөөдөр компаниуд ERP-тэй юу хийх вэ гэсэн асуудалтай тулгарч байна өгөгдлийн агуулах. Энэ нийтлэлд ямар асуудал тулгарч, компаниуд үүнийг хэрхэн шийдвэрлэх талаар тайлбарлах болно.

ЭХЭНДЭЭ…

Эхэндээ байсан өгөгдлийн агуулах. Өгөгдлийн агуулах Энэ нь гүйлгээ боловсруулах програмын системийг эсэргүүцэх зорилгоор төрсөн. Эхний өдрүүдэд цээжлэх dati Энэ нь гүйлгээ боловсруулах програмуудын эсрэг заалт байх ёстой байсан. Гэвч өнөө үед юу болох талаар илүү боловсронгуй төсөөлөл байдаг өгөгдлийн агуулах. Өнөөгийн ертөнцөд өгөгдлийн агуулах Үүнийг Корпорацийн мэдээллийн үйлдвэр гэж нэрлэж болох бүтцэд оруулсан болно.

БАЙГУУЛЛАГЫН МЭДЭЭЛЛИЙН ҮЙЛДВЭР (CIF)

Корпорацийн мэдээллийн үйлдвэр нь стандарт архитектурын бүрэлдэхүүн хэсгүүдтэй: кодыг нэгтгэх, хувиргах давхарга. dati харин би dati тэдгээр нь хэрэглээний орчноос орчин руу шилжинэ өгөгдлийн агуулах компанийн; а өгөгдлийн агуулах хаана байгаа компанийн dati дэлгэрэнгүй, нэгдсэн түүхчид. The өгөгдлийн агуулах Аж ахуйн нэгж нь хүрээлэн буй орчны бусад бүх хэсгийг барьж байгуулах үндэс суурь болдог өгөгдлийн агуулах; үйл ажиллагааны мэдээллийн сан (ODS). ODS нь зарим талыг агуулсан эрлийз бүтэц юм өгөгдлийн агуулах болон OLTP орчны бусад талууд; өөр өөр хэлтсүүд өөрийн гэсэн хувилбартай байж болох data marts өгөгдлийн агуулах; а өгөгдлийн агуулах Компанийн сэтгэгчид 72 цагийн турш асуусан асуултуудаа ямар ч сөрөг нөлөөгүй илгээх боломжтой хайгуул. өгөгдлийн агуулах; болон ойролцоо шугам санах ой, ямар dati хуучин ба dati их хэмжээний дэлгэрэнгүй мэдээллийг хямд үнээр хадгалах боломжтой.

ERP ХААНА ХОЛБООТОЙ ХОЛБОГДОЖ БАЙНА БАЙГУУЛЛАГЫН МЭДЭЭЛЛИЙН ҮЙЛДВЭР

ERP нь Корпорацийн мэдээллийн үйлдвэртэй хоёр газар нэгддэг. Үндсэндээ i dati өргөдлийн дагуу өгөгдлийн агуулах. Энэ тохиолдолд i dati, гүйлгээний үйл явцын дайвар бүтээгдэхүүн болгон үүсгэсэн, нэгтгэж, ачаалагддаг өгөгдлийн агуулах компанийн. ERP болон CIF хоёр дахь холбоос нь ODS юм. Үнэн хэрэгтээ ERP-г олон орчинд сонгодог ODS болгон ашигладаг.

Хэрэв ERP-ийг үндсэн програм болгон ашиглаж байгаа бол ижил ERP-г CIF-д ODS-тэй адил ашиглаж болно. Ямар ч тохиолдолд, хэрэв ERP-ийг хоёр үүрэгт ашиглах бол хоёр нэгжийн хооронд тодорхой ялгаа байх ёстой. Өөрөөр хэлбэл, ERP нь үндсэн хэрэглээ болон ODS-ийн үүргийг гүйцэтгэх үед хоёр архитектурын объектыг ялгах ёстой. Хэрэв ERP-ийн нэг хэрэгжилт нь хоёр үүргийг нэгэн зэрэг гүйцэтгэхийг оролдвол уг бүтцийг боловсруулах, хэрэгжүүлэхэд асуудал гарах нь гарцаагүй.

ODS ба үндсэн хэрэглээ

Архитектурын бүрэлдэхүүн хэсгүүдийг хуваахад хүргэдэг олон шалтгаан бий. Архитектурын өөр өөр бүрэлдэхүүн хэсгүүдийг ялгах хамгийн чухал зүйл бол архитектурын бүрэлдэхүүн хэсэг бүр өөрийн гэсэн үзэл бодолтой байдаг. Үндсэн програм нь ODS-ээс өөр зорилготой. Давхцаж үзээрэй

ODS-ийн ертөнцийн талаархи үндсэн хэрэглээний үзэл бодол эсвэл эсрэгээр нь ажиллах шударга арга биш юм.

Иймээс CIF дахь ERP-ийн хамгийн эхний асуудал бол үндсэн хэрэглээний програмууд болон ODS-ийн хооронд ялгаа байгаа эсэхийг шалгах явдал юм.

Корпораци дахь мэдээллийн загвар МЭДЭЭЛЛИЙН ҮЙЛДВЭР

CIF архитектурын өөр өөр бүрэлдэхүүн хэсгүүдийн хооронд уялдаа холбоотой байхын тулд загвар байх ёстой dati. -ийн загварууд dati Эдгээр нь үндсэн програмууд болон ODS зэрэг архитектурын янз бүрийн бүрэлдэхүүн хэсгүүдийн хооронд холбоос болж үйлчилдэг. -ийн загварууд dati Тэд CIF-ийн янз бүрийн архитектурын бүрэлдэхүүн хэсгүүдээс зөв утгыг олж авах "оюуны замын газрын зураг" болдог.

Энэ ойлголттой зэрэгцэн явбал нэг том, нэг хэв маяг байх ёстой гэсэн санаа dati. гэсэн загвар байх нь ойлгомжтой dati Бүрэлдэхүүн хэсгүүдийн хувьд өөр өөр загваруудыг холбосон мэдрэмжтэй зам байх ёстой. Архитектурын бүрэлдэхүүн хэсэг бүр - ODS, үндсэн програмууд, өгөгдлийн агуулах компанийн гэх мэт.. – хэрэгтэй өөрийн загвар dati. Тиймээс эдгээр загварууд хэрхэн ажилладаг талаар нарийн тодорхойлолт байх ёстой dati тэд хоорондоо холбогддог.

ХӨДӨЛГӨӨН МЭДЭЭЛЭЛ ERP огноо АНХААРУУЛГА

Хэрэв гарал үүсэл dati нь ERP-д i-г оруулах үед суурь програм ба/эсвэл ODS юм dati онд өгөгдлийн агуулах, энэ оруулга нь "мөхлөг"-ийн хамгийн доод түвшинд явагдах ёстой. i-г зүгээр л дүгнэж эсвэл нэгтгэ dati Учир нь тэдгээр нь ERP үндсэн програмаас гарч ирдэг эсвэл ERP ODS нь хийх нь зөв зүйл биш юм. THE dati дэлгэрэнгүй мэдээлэл хэрэгтэй өгөгдлийн агуулах DSS үйл явцын үндэс суурийг бүрдүүлэх. Ийм dati тэдгээрийг дата зах болон хайгуулаар олон талаар өөрчлөх болно өгөгдлийн агуулах.

Нүүлгэн шилжүүлэлт dati ERP үндсэн хэрэглээний орчноос эхлээд өгөгдлийн агуулах компанийг боломжийн тайван байдлаар хийдэг. Энэ шилжилт нь ERP-г шинэчлэх эсвэл үүсгэснээс хойш ойролцоогоор 24 цагийн дараа явагдана. нь "залхуу" хөдөлгөөнтэй байх нь баримт dati онд өгөгдлийн агуулах компанийн зөвшөөрдөг dati ERP-ээс ирж "суурах". Нэг удаа би dati үндсэн програмд ​​хадгалагдсан бол та аюулгүйгээр зөөж болно dati компани дахь ERP-ийн . "залхуу" хөдөлгөөний ачаар хүрч болох өөр нэг зорилго dati нь үйл ажиллагааны процессууд болон DSS хоорондын тодорхой зааг юм. "хурдан" хөдөлгөөнөөр dati DSS болон үйл ажиллагааны хоорондох шугам тодорхойгүй хэвээр байна.

Хөдөлгөөн dati ERP-ийн ODS-ээс өгөгдлийн агуулах компанийг үе үе, ихэвчлэн долоо хоног эсвэл сар бүр хийдэг. Энэ тохиолдолд хөдөлгөөн dati энэ нь хуучин зүйлийг "цэвэрлэх" хэрэгцээнд тулгуурладаг dati түүхчид. Мэдээжийн хэрэг, ODS нь i-г агуулдаг dati -аас хамаагүй шинэ юм dati түүхчид олдсон өгөгдлийн агуулах.

Нүүлгэн шилжүүлэлт dati онд өгөгдлийн агуулах энэ нь бараг хэзээ ч "бөөний" (бөөний худалдаагаар) хийгддэггүй. ERP орчноос хүснэгтийг хуулах өгөгдлийн агуулах Энэ утгагүй юм. Илүү бодитой арга бол сонгосон нэгжийг шилжүүлэх явдал юм dati. Зөвхөн dati сүүлийн шинэчлэлтээс хойш өөрчлөгдсөн өгөгдлийн агуулах руу шилжүүлэх ёстой хүмүүс юм өгөгдлийн агуулах. Аль нь болохыг мэдэх нэг арга dati сүүлийн шинэчлэлтээс хойш өөрчлөгдсөн байна dati ERP орчинд олдсон. Дизайнер нь сүүлийн шинэчлэлтээс хойш гарсан бүх өөрчлөлтийг сонгодог. Өөр нэг арга бол өөрчлөлтийг барих арга техникийг ашиглах явдал юм dati. Эдгээр аргуудын тусламжтайгаар аль нь болохыг тодорхойлохын тулд лог, журналын соронзон хальснуудыг шинжилдэг dati ERP орчноос нөгөө рүү шилжих ёстой өгөгдлийн агуулах. Эдгээр аргууд нь бусад ERP нөөцөд нөлөөлөхгүйгээр ERP файлуудаас лог, журналын соронзон хальснуудыг унших боломжтой тул хамгийн сайн арга юм.

Бусад хүндрэлүүд

CIF-ийн ERP асуудлуудын нэг бол бусад програмын эх сурвалж эсвэл ai-д тохиолддог зүйл юм dati хувь нэмэр оруулах ёстой ODS-ийн тухай өгөгдлийн агуулах гэхдээ тэдгээр нь ERP орчны нэг хэсэг биш юм. ERP-ийн хаалттай шинж чанар, ялангуяа SAP нь гадаад эх сурвалжаас түлхүүрүүдийг нэгтгэхийг оролддог dati би dati шилжих үед ERP-ээс ирсэн i dati онд өгөгдлийн агуулах, энэ бол том сорилт юм. Тэгээд яг ямар магадлал байгаа бол би dati ERP орчноос гадуурх программууд эсвэл ODS-г нэгтгэх болно өгөгдлийн агуулах? Үнэн хэрэгтээ магадлал маш өндөр байна.

ОЛОХ МЭДЭЭЛЭЛ ERP-ээс ТҮҮХИЙН ЖИМС

-Тай холбоотой бас нэг асуудал dati ERP нь байх хэрэгцээнээс үүдэлтэй юм dati доторх түүхчид өгөгдлийн агуулах. Ихэвчлэн өгөгдлийн агуулах хэрэгцээ dati түүхчид. Мөн ERP технологи нь ихэвчлэн эдгээрийг хадгалдаггүй dati түүхэн, наад зах нь энэ нь шаардлагатай хэмжээнд биш юм өгөгдлийн агуулах. Хэзээ их хэмжээний dati логууд ERP орчинд нэмэгдэж эхлэх тул тэр орчныг цэвэрлэх шаардлагатай. Жишээлбэл, a өгөгдлийн агуулах таван жилээр ачаалах ёстой dati түүхэн, харин ERP эдгээрээс дээд тал нь зургаан сар хадгалдаг dati. Компани хэд хэдэн цуглуулахдаа сэтгэл хангалуун байгаа л бол dati Цаг хугацаа өнгөрөх тусам ERP-ийг эх сурвалж болгон ашиглахад асуудал гарахгүй өгөгдлийн агуулах. Гэхдээ хэзээ өгөгдлийн агуулах цаг хугацааг буцааж, бурхдыг авах ёстой dati Өмнө нь ERP-ээр цуглуулж, хадгалж байгаагүй түүх, дараа нь ERP орчин үр ашиггүй болно.

ERP ба метадата

ERP-ийн талаар анхаарах өөр нэг зүйл e өгөгдлийн агуулах нь ERP орчинд байгаа мета өгөгдлийн нэг юм. Яг л мета өгөгдөл нь ERP орчноос нөгөө рүү шилждэг шиг өгөгдлийн агуулах, мета өгөгдлийг ижил аргаар зөөх ёстой. Нэмж дурдахад мета өгөгдлийг дэд бүтцэд шаардлагатай хэлбэр, бүтцэд шилжүүлэх ёстой өгөгдлийн агуулах. Үйл ажиллагааны мета өгөгдөл болон DSS мета өгөгдлийн хооронд маш их ялгаа бий. Үйлдлийн мета өгөгдөл нь ихэвчлэн хөгжүүлэгч болон

программист. DSS мета өгөгдөл нь үндсэндээ эцсийн хэрэглэгчдэд зориулагдсан. ERP програмууд эсвэл ODS-д байгаа мета өгөгдлийг хөрвүүлэх шаардлагатай бөгөөд энэ хөрвүүлэлт нь үргэлж хялбар бөгөөд хялбар байдаггүй.

ERP МЭДЭЭЛЛИЙН ЭХ СУРВАЛЖ

Хэрэв ERP-ийг үйлчилгээ үзүүлэгч болгон ашигладаг бол dati нэг ил өгөгдлийн агуулах i-г хөдөлгөдөг хатуу интерфейс байх ёстой dati ERP орчноос хүрээлэн буй орчин хүртэл өгөгдлийн агуулах. Интерфейс нь дараахь зүйлийг хийх ёстой.

• ▪ хэрэглэхэд хялбар байх
• ▪ хандахыг зөвшөөрөх dati ERP-ийн
• ▪ утгыг нь авах dati руу шилжиж байгаа өгөгдлийн агуулах
• ▪ нэвтрэх үед гарч болох ERP-ийн хязгаарлалтыг мэдэх dati ERP-ийн:
• ▪ лавлагааны бүрэн бүтэн байдал
• ▪ шаталсан харилцаа
• ▪ далд логик харилцаа
• ▪ хэрэглээний конвенц
• ▪ бүх бүтэц dati ERP-ийн дэмжлэгтэй гэх мэт ...
• ▪ нэвтрэхэд үр дүнтэй байх dati, хангах замаар:
• ▪ шууд хөдөлгөөн dati
• ▪ өөрчлөлтийг олж авах dati
• ▪ цаг тухайд нь хандахад дэмжлэг үзүүлэх dati
• ▪ форматыг ойлгох datiгэх мэт ... SAP-тай харьцах интерфейс Интерфейс нь гэрийн болон арилжааны гэсэн хоёр төрлийн байж болно. Зарим томоохон арилжааны интерфейсүүд нь:

• ▪ SAS
• ▪ Ерөнхий шийдэл
• ▪ D2k гэх мэт... ОЛОН ЭРП ТЕХНОЛОГИ ERP орчинг дан технологи мэтээр авч үзэх нь том алдаа юм. Олон ERP технологи байдаг бөгөөд тус бүр өөрийн гэсэн давуу талтай. Зах зээл дээрх хамгийн алдартай борлуулагчид нь:

• ▪ SAP
• ▪ Oracle Financials
• ▪ PeopleSoft
• ЖД Эдвардс
• ▪ Баанс SAP SAP бол хамгийн том бөгөөд өргөн хүрээтэй ERP програм хангамж юм. SAP програмууд нь олон салбарт олон төрлийн програмуудыг агуулдаг. SAP нь дараахь нэр хүндтэй.

• ▪ маш том
• ▪ хэрэгжүүлэхэд маш хэцүү, үнэтэй
• ▪ хэрэгжүүлэхэд олон хүн, зөвлөх хэрэгтэй
• ▪ хэрэгжүүлэхэд мэргэшсэн хүмүүс хэрэгтэй
• ▪ Хэрэгжүүлэхэд маш их цаг хугацаа шаардагддаг. Мөн SAP нь цээжилдэг нэр хүндтэй dati Энэ нь SAP бүсээс гадуур хэн нэгэнд хандахад хэцүү болгодог. SAP-ийн давуу тал нь их хэмжээний мэдээллийг барьж, хадгалах чадвартай байдаг dati. SAP саяхан өргөдлөө өргөжүүлэхээр төлөвлөж байгаагаа зарлав өгөгдлийн агуулах. SAP-г борлуулагчаар ашиглах нь олон давуу болон сул талуудтай өгөгдлийн агуулах. SAP-г аль хэдийн суулгасан, ихэнх зөвлөхүүд SAP-ийг мэддэг болсон нь давуу тал юм.
  SAP-ийн ханган нийлүүлэгч байхын сул тал өгөгдлийн агуулах олон байна: SAP нь дэлхийд ямар ч туршлагагүй өгөгдлийн агуулах Хэрэв SAP ханган нийлүүлэгч бол өгөгдлийн агуулах, "гаргах" шаардлагатай i dati SAP-аас өгөгдлийн агуулах. он сар өдөр нь SAP-ын хаалттай системийн түүхэн амжилт, SAP-аас i-г авах нь тийм ч хялбар биш юм (???). IMS, VSAM, ADABAS, ORACLE, DB2 гэх мэт SAP-г дэмждэг олон хуучин орчин байдаг. SAP нь "энд зохион бүтээгээгүй" арга барилыг шаарддаг. SAP нь ашиглах эсвэл үүсгэхийн тулд бусад үйлдвэрлэгчидтэй хамтран ажиллахыг хүсэхгүй байна өгөгдлийн агуулах. SAP нь өөрийн бүх программ хангамжийг өөрөө бий болгохыг шаарддаг.

Хэдийгээр SAP нь том, хүчирхэг компани боловч ELT, OLAP, системийн удирдлага, тэр ч байтугай кодын баазыг дахин бичихийг оролдсон нь үнэн юм. dbms зүгээр л галзуу юм. Нийлүүлэгчидтэй хамтран ажиллахын оронд өгөгдлийн агуулах Урт хугацааны туршид SAP нь "хамгийн сайн мэддэг" арга барилыг баримталж ирсэн. Энэ хандлага нь SAP-ийн энэ салбарт байж болох амжилтыг саатуулж байна өгөгдлийн агуулах.
SAP нь гадны борлуулагчдад өөрсдийнхөө барааг түргэн шуурхай, эелдэг хандахыг зөвшөөрөхөөс татгалзсан dati. Хэрэглэхийн мөн чанар нь a өгөгдлийн агуулах хандахад хялбар байдаг dati. SAP-ийн бүх түүх нь нэвтрэхэд хэцүү болгоход суурилдаг dati.
SAP нь их хэмжээний харьцах туршлагагүй байдаг dati; ийн талбарт өгөгдлийн агуулах -ийн боть байдаг dati SAP-аас хэзээ ч харж байгаагүй бөгөөд эдгээр их хэмжээний dati та зөв технологитой байх хэрэгтэй. SAP нь энэ салбарт нэвтрэх технологийн саад бэрхшээлийг мэддэггүй бололтой өгөгдлийн агуулах.
SAP компанийн соёл: SAP нь i-г олж авах бизнесийг бий болгосон dati системээс. Гэхдээ үүнийг хийхийн тулд өөр сэтгэлгээтэй байх хэрэгтэй. Уламжлал ёсоор, орчинд өгөгдөл оруулахдаа сайн байсан програм хангамжийн компаниуд өгөгдлийг өөр замаар авахдаа тийм ч сайн байгаагүй. Хэрэв SAP ийм төрлийн шилжүүлэгчийг хийж чадвал хамгийн анхны компани болно.

Товчхондоо, компани SAP-ийг ханган нийлүүлэгчээр сонгох эсэх нь эргэлзээтэй өгөгдлийн агуулах. Нэг талаас маш ноцтой эрсдэлтэй, нөгөө талаас маш бага өгөөжтэй. Гэхдээ SAP-ийг ханган нийлүүлэгчээр сонгохыг хориглодог өөр нэг шалтгаан бий өгөгдлийн агуулах. Учир нь компани болгонд адилхан байх ёстой өгөгдлийн агуулах бусад бүх компаниудаас? The өгөгдлийн агуулах энэ нь өрсөлдөөний давуу байдлын зүрх юм. Хэрэв компани бүр ижил зүйлийг баталсан бол өгөгдлийн агуулах Өрсөлдөөний давуу талыг олж авахад хэцүү ч боломжгүй байх болно. SAP гэж бодож байгаа бололтой a өгөгдлийн агуулах күүки гэж үзэж болох бөгөөд энэ нь тэдний "өгөгдлөө оруулах" гэсэн сэтгэлгээний бас нэг шинж тэмдэг юм.

Өөр ямар ч ERP үйлдвэрлэгч SAP шиг давамгайлж чадахгүй. Өөрсдийнх нь төлөө SAP арга замаар явах компаниуд байх нь дамжиггүй өгөгдлийн агуулах гэхдээ эдгээр нь магадгүй өгөгдлийн агуулах SAP нь том хэмжээтэй, үнэтэй бөгөөд бүтээхэд цаг хугацаа их шаарддаг.

Эдгээр орчинд банкны теллер боловсруулах, агаарын тээврийн захиалгын үйл явц, даатгалын гомдлыг боловсруулах гэх мэт үйл ажиллагаа орно. Гүйлгээний системийг илүү сайн гүйцэтгэх тусам үйл ажиллагааны процесс ба DSS (шийдвэр гаргахад дэмжлэг үзүүлэх систем) хоёрыг салгах хэрэгцээ илүү тодорхой байв. Гэсэн хэдий ч хүний ​​​​нөөц, боловсон хүчний системийн тусламжтайгаар та хэзээ ч их хэмжээний гүйлгээтэй тулгардаггүй. Мэдээжийн хэрэг, хүн ажилд орох эсвэл компаниас гарах үед энэ нь гүйлгээний бүртгэл юм. Гэхдээ бусад системүүдтэй харьцуулахад хүний ​​нөөц, боловсон хүчний системд тийм ч их ажил гүйлгээ байдаггүй. Тиймээс хүний ​​нөөц, боловсон хүчний системд DataWarehouse шаардлагатай байгаа нь тодорхойгүй байна. Олон талаараа эдгээр системүүд нь DSS системүүдийн нэгдэл юм.

Гэхдээ datawarehouse болон PeopleSoft-тэй ажиллахдаа анхаарах ёстой өөр нэг хүчин зүйл бий. Олон тойрогт, i dati Хүний нөөц ба хувийн нөөц бол компанийн үндсэн бизнест хоёрдугаарт ордог. Ихэнх компаниуд үйлдвэрлэл, борлуулалт, үйлчилгээ үзүүлэх гэх мэт. Хүний нөөц ба боловсон хүчний систем нь ихэвчлэн компанийн бизнесийн үндсэн чиглэлийн хоёрдогч (эсвэл дэмжигч) байдаг. Иймээс хоёрдмол утгатай, тохиромжгүй а өгөгдлийн агуулах Хүний нөөцийн болон хувийн нөөцийн дэмжлэгийг тусад нь.

PeopleSoft нь энэ талаараа SAP-аас эрс ялгаатай. SAP-ийн хувьд заавал байх ёстой өгөгдлийн агуулах. PeopleSoft-ийн хувьд бүх зүйл тийм ч тодорхой биш юм. Өгөгдлийн агуулах нь PeopleSoft-ийн хувьд сонголттой.

Гэж хэлж болох хамгийн сайн зүйл dati PeopleSoft гэдэг нь өгөгдлийн агуулах архивлахад ашиглаж болно i dati хуучин хүний ​​болон хувийн нөөцтэй холбоотой. Компани яагаад ашиглахыг хүсэх хоёр дахь шалтгаан нь a өгөгдлийн агуулах a

PeopleSoft орчны сул тал нь дүн шинжилгээ хийх хэрэгсэлд чөлөөтэй нэвтрэх, ашиглах боломжийг олгох явдал юм dati PeopleSoft. Гэхдээ эдгээр шалтгаанаас гадна мэдээллийн агуулахгүй байх нь илүү дээр байх тохиолдол байж болно dati PeopleSoft.

Дүгнэж хэлэхэд

барихтай холбоотой олон санаа байдаг өгөгдлийн агуулах ERP програм хангамж дотор.
Эдгээрийн зарим нь:

• ▪ байх нь утга учиртай өгөгдлийн агуулах Энэ салбарын хэнтэй адилхан харагддаг вэ?
• ▪ ERP нь хэр уян хатан байдаг өгөгдлийн агуулах програм хангамж?
• ▪ ERP өгөгдлийн агуулах програм хангамжийн эзлэхүүнийг зохицуулах боломжтой dati а-д байрладагөгөгдлийн агуулах arena"?
• ▪ Хялбар, зардал багатай, цаг хугацаа их шаарддаг, i dati? (ERP борлуулагчид хямд, цаг тухайд нь, хандахад хялбар өгөгдлийг хүргэсэн амжилт нь юу вэ?)
• ▪ ERP үйлдвэрлэгч DSS архитектур болон корпорацийн мэдээллийн үйлдвэрийн талаар ямар ойлголттой байдаг вэ?
• ▪ ERP борлуулагчид хэрхэн авахаа ойлгодог dati хүрээлэн буй орчинд, гэхдээ тэдгээрийг хэрхэн экспортлохыг ойлгох уу?
• ▪ ERP борлуулагч нь өгөгдөл хадгалах хэрэгслүүдэд хэр нээлттэй байдаг вэ?
  Хаана байрлуулахаа тодорхойлохдоо эдгээр бүх зүйлийг анхаарч үзэх хэрэгтэй өгөгдлийн агуулах i-г зохион байгуулах болно dati ERP болон бусад dati. Ерөнхийдөө, өөрөөр хийх зайлшгүй шалтгаан байхгүй бол барилга барихыг зөвлөж байна өгөгдлийн агуулах ERP үйлдвэрлэгчийн орчноос гадуур. 1-Р БҮЛЭГ BI байгууллагын тойм Гол санаанууд:
  Мэдээллийн агуулахууд нь бизнесийн тагнуулын (BI) архитектураас эсрэгээр ажилладаг:
  Корпорацийн соёл, мэдээллийн технологи нь BI байгууллагуудыг бий болгох амжилтыг хязгаарлаж чадна.

Технологи нь BI байгууллагуудын хувьд хязгаарлах хүчин зүйл байхаа больсон. Архитекторууд болон төсөл төлөвлөгчдийн хувьд тулгамдсан асуудал бол технологи байгаа эсэх биш, харин байгаа технологийг үр дүнтэй хэрэгжүүлж чадах эсэх явдал юм.

Олон компаниудын хувьд a өгөгдлийн агуулах i-г түгээдэг идэвхгүй ордоос арай илүү юм dati хэрэгтэй хэрэглэгчдэд. THE dati эх системээс гаргаж авсан бөгөөд зорилтот бүтцэд өгөгдлийн агуулах. би dati Тэд бас ямар ч азаар цэвэрлэж болно. Гэсэн хэдий ч нэмэлт үнэ цэнийг нэмж, цуглуулдаггүй dati энэ процессын явцад.

Үндсэндээ идэвхгүй dw нь хамгийн сайндаа зөвхөн i-г өгдөг dati Хэрэглэгчдийн холбоонд цэвэрхэн, ажиллагаатай. Мэдээлэл бий болгох, аналитик ойлголт нь хэрэглэгчдээс бүрэн хамааралтай. DW (Өгөгдлийн агуулах) амжилт нь субъектив эсэх. Хэрэв бид амжилтыг үр дүнтэй цуглуулах, нэгтгэх, цэвэрлэх чадвараар дүгнэх юм бол i dati урьдчилан таамаглах үндсэн дээр корпораци, тэгвэл тийм, DW амжилттай байна. Нөгөө талаас, хэрэв бид мэдээллийг цуглуулах, нэгтгэх, ашиглах үйл явцыг тухайн байгууллагыг бүхэлд нь авч үзвэл DW нь бүтэлгүйтсэн гэсэн үг юм. DW нь мэдээллийн үнэ цэнийг бага эсвэл огт өгдөггүй. Үүний үр дүнд хэрэглэгчид ажил хийхээс өөр аргагүй болж, мэдээллийн силос үүсгэдэг. Энэ бүлэгт аж ахуйн нэгжийн BI (Business Intelligence) архитектурыг нэгтгэн дүгнэх цогц алсын харааг танилцуулж байна. Бид BI-ийн тодорхойлолтоос эхэлж, дараа нь зүгээр л өгөхийн оронд мэдээллийн дизайн, хөгжүүлэлтийн хэлэлцүүлэгт шилждэг dati хэрэглэгчдэд. Дараа нь хэлэлцүүлэг нь таны BI-ын хүчин чармайлтын үнэ цэнийг тооцоолоход чиглэнэ. Танай байгууллагын BI архитектурын шаардлагуудыг IBM хэрхэн шийдэж байгааг бид дүгнэж байна.

Архитектурын тодорхойлолт BI-ийн зохион байгуулалт

Гүйлгээнд чиглэсэн хүчирхэг мэдээллийн системүүд нь одоо дэлхийн өнцөг булан бүрт байгаа корпорацуудын өрсөлдөөний талбарыг үр дүнтэй тэгшитгэж, томоохон аж ахуйн нэгж бүрийн өдөр тутмын захиалга болж байна.

Гэсэн хэдий ч өрсөлдөх чадвартай хэвээр байхын тулд компанид байгаа мэдээллээ дахин нээж, ашиглах чадварыг өөрчлөх боломжтой аналитик баримжаатай системүүд шаардлагатай байна. Эдгээр аналитик системүүд нь баялгаас нь ухаарахаас үүдэлтэй dati боломжтой. BI нь аж ахуйн нэгжийн бүх мэдээллийн гүйцэтгэлийг сайжруулж чадна. Компаниуд үйлчлүүлэгч, ханган нийлүүлэгчийн харилцааг сайжруулж, бүтээгдэхүүн, үйлчилгээний ашиг орлогыг сайжруулж, шинэ, илүү сайн гэрээ хэлцлийг бий болгож, эрсдэлийг хянаж, бусад олон ашиг орлогоосоо зардлаа эрс бууруулж чадна. BI-ийн тусламжтайгаар танай компани зах зээлийн зорилго бүхий програмуудын ачаар хэрэглэгчийн мэдээллийг өрсөлдөх чадвартай хөрөнгө болгон ашиглаж эхэлдэг.

Бизнесийн зөв хэрэгсэлтэй байна гэдэг нь дараах гол асуултуудад тодорхой хариулттай байна гэсэн үг.

• ▪ Бидний аль нь вэ? хэрэглэгчид Тэд биднийг илүү их орлоготой болгодог уу, эсвэл мөнгө алдахад хүргэдэг үү?
• ▪ Бидний хамгийн сайн хүмүүс амьдардаг газар хэрэглэгчид танил байх, ... харилцаатай байх дэлгүүр/ агуулах тэд байнга байдаг?
• ▪ Манай бүтээгдэхүүн үйлчилгээний аль нь хамгийн үр дүнтэй, хэнд зарагдах вэ?
• ▪ Ямар бүтээгдэхүүнийг хэнд хамгийн үр дүнтэй борлуулах вэ?
• ▪ Аль борлуулалтын кампанит ажил илүү амжилттай болсон бэ, яагаад?
• ▪ Борлуулалтын аль сувгууд аль бүтээгдэхүүнд хамгийн үр дүнтэй байдаг вэ?
• ▪ Бид хамгийн сайнаараа хэрхэн харилцаагаа сайжруулах вэ хэрэглэгчид? Ихэнх компаниуд байдаг dati Эдгээр асуултад хариулахад хэцүү байна.
  Үйлдлийн системүүд нь их хэмжээний бүтээгдэхүүн, үйлчлүүлэгч, зардлыг бий болгодог dati борлуулалтын цэгүүд, захиалга, харилцагчийн үйлчилгээ, техникийн дэмжлэгийн системээс. Асуудал нь энэ мэдээллийг задлах, ашиглах явдал юм. Олон компаниуд өөрсдийнхөө багахан хэсгээс л ашиг олдог dati стратегийн шинжилгээнд зориулав.
  I dati үлдсэн, ихэвчлэн i-тэй нийлдэг dati Засгийн газрын тайлан болон бусад худалдан авсан мэдээлэл гэх мэт гадны эх сурвалжийг олж авах нь зөвхөн хайгуул хийхийг хүлээж буй алтны уурхай бөгөөд dati Тэд зөвхөн танай байгууллагын мэдээллийн хүрээнд боловсронгуй болгох хэрэгтэй.

Энэхүү мэдлэгийг корпорацийн ерөнхий стратеги боловсруулахаас эхлээд ханган нийлүүлэгчидтэй хувийн харилцаа холбоо тогтоох, дуудлагын төв, нэхэмжлэх, Интернэт болон бусад цэгүүд. Өнөөгийн бизнесийн орчин нь DW болон холбогдох BI шийдлүүд нь уламжлалт бизнесийн бүтцийг удирдахаас цааш хөгжихийг шаарддаг. dati би dati атомын түвшний хэвийн болон "од/шоо фермүүд".

Өрсөлдөх чадвартай хэвээр үлдэхийн тулд уламжлалт болон дэвшилтэт технологийг нэгтгэх нь өргөн хүрээний аналитик ландшафтыг дэмжих явдал юм.
Эцэст нь, ерөнхий орчин нь компанийн талаархи мэдлэгийг бүхэлд нь сайжруулж, хийсэн дүн шинжилгээний үр дүнд авсан арга хэмжээ нь ашигтай байх ёстой бөгөөд ингэснээр хүн бүр ашиг тусаа өгөх ёстой.

Жишээлбэл, та өөрийнхөөхийг эрэмбэлсэн гэж бодъё хэрэглэгчид өндөр эсвэл бага эрсдэлтэй ангилалд.
Энэ мэдээллийг уул уурхайн загвар эсвэл өөр хэрэгслээр үүсгэсэн эсэхээс үл хамааран статик тайлан, хүснэгт, хүснэгт, онлайн аналитик боловсруулалт (OLAP) гэх мэт хандалтын хэрэгслээр дамжуулан DW-д оруулж, хэнд ч хүртээмжтэй болгох ёстой.

Гэсэн хэдий ч одоогоор энэ төрлийн мэдээллийн ихэнх хэсэг нь силос дотор үлджээ dati дүн шинжилгээ хийж буй хувь хүмүүс эсвэл хэлтэс. Байгууллага бүхэлдээ ойлгоход бага эсвэл огт харагдахгүй байна. Зөвхөн ийм төрлийн мэдээллийн агуулгыг байгууллагынхаа DW-д нэгтгэснээр л та мэдээллийн силосыг арилгаж, DW орчиноо дээшлүүлж чадна.
BI байгууллагыг хөгжүүлэхэд хоёр том саад бэрхшээл тулгардаг.
Нэгдүгээрт, манай байгууллага өөрөө, сахилга баттай холбоотой асуудал байна.
Бид байгууллагын бодлогын өөрчлөлтөд тусалж чадахгүй ч байгууллагын BI-ийн бүрэлдэхүүн хэсгүүд, түүний архитектур, IBM-ийн технологи нь түүний хөгжлийг хэрхэн хөнгөвчлөхийг ойлгоход тусалж чадна.
Үүнийг даван туулах хоёр дахь саад бэрхшээл бол нэгдсэн технологи, жижиг бүрэлдэхүүн хэсэг биш харин BI орон зайг бүхэлд нь дуудах аргын мэдлэг дутмаг юм.

IBM нь технологийг нэгтгэх өөрчлөлтөд хариу үйлдэл үзүүлж байна. Ухамсартай дизайн гаргах нь таны үүрэг хариуцлага юм. Энэхүү архитектур нь хязгаарлалтгүй интеграцчлалаар сонгосон технологиор, эсвэл наад зах нь нээлттэй стандартад нийцсэн технологиор хөгжих ёстой. Түүнчлэн, танай компанийн удирдлага Би компанийг хуваарийн дагуу явуулах ёстой бөгөөд өөртөө үйлчлэх хөтөлбөр, зорилгоос үүдэлтэй мэдээллийн силос боловсруулахыг зөвшөөрөхгүй байх ёстой.
Энэ нь BI орчин өөр өөр хэрэглэгчдийн янз бүрийн хэрэгцээ, шаардлагад хариу үйлдэл үзүүлэхэд мэдрэмтгий биш гэсэн үг биш юм; үүний оронд эдгээр хувийн хэрэгцээ, шаардлагыг хэрэгжүүлэх нь BI байгууллагын нийт ашиг тусын тулд хийгддэг гэсэн үг юм.
BI байгууллагын архитектурын тайлбарыг Зураг 9-ийн 1.1-р хуудаснаас харж болно.Архитектур нь технологи, арга барилын баялаг хослолыг харуулж байна.
Уламжлалт үүднээс авч үзвэл архитектур нь дараах агуулахын бүрэлдэхүүн хэсгүүдийг агуулдаг

Атомын давхарга.

Энэ бол бүхэл бүтэн Dw-ийн үндэс, зүрх сэтгэл, тиймээс стратегийн тайлангийн үндэс юм.
I dati Энд хадгалагдсан түүхэн бүрэн бүтэн байдлыг хадгалах болно dati мөн уул уурхайн загваруудыг ашиглан цэвэрлэж, нэгтгэж, хадгалдаг гэх мэт гарган авсан хэмжигдэхүүнүүдийг багтаана.
Эдгээрийг дараагийн хэрэглээ dati болон холбогдох мэдээллийг энэ бүтцээс гаргаж авдаг. Энэ бол уул уурхайн маш сайн эх үүсвэр юм dati мөн бүтэцлэгдсэн SQL асуулга бүхий тайлангийн хувьд

Үйл ажиллагааны хадгаламж dati эсвэл тайлангийн бааз dati(Үйл ажиллагааны өгөгдлийн дэлгүүр (ODS) эсвэл тайлагнах Өгөгдлийн сан.)

Энэ бол dati техникийн тайлан гаргахад тусгайлан зориулсан.

I dati Дээрх байгууламжууд хадгалагдаж, тайлагнаснаар стратегийн дохиололд ашиглагдах үе шатаар дамжин агуулах руу тархах боломжтой.

Тайзны талбай.

Ихэнх хүмүүсийн эхний зогсоол dati агуулахын орчинд зориулагдсан нь байгууллагын бүс юм.
Энд би dati тэдгээрийг нэгтгэж, цэвэрлэж, хувиргасан болно dati агуулахын бүтцийг дүүргэх ашиг

Огноо март.

Архитектурын энэ хэсэг нь dati OLAP-д тусгайлан ашигласан. Datamarts байгаа эсэх, хэрэв i dati тэдгээр нь давхарласан од схемд хадгалагддаг dati харилцааны орчинд эсвэл файл дахь олон хэмжээст dati DB2 OLAP сервер гэх мэт тусгай OLAP технологид ашиглагдаж байгаа өмчийнх нь хамааралгүй.

Цорын ганц хязгаарлалт бол архитектур нь ашиглахад хялбар болгодог dati олон хэмжээст.
Архитектур нь дараахь байдлаар ялгагдах чухал Bi технологи, техникийг агуулдаг.

Орон зайн анализ

Сансрын орон зай бол шинжээчийн хувьд мэдээллийн гэнэтийн зүйл бөгөөд асуудлыг бүрэн шийдвэрлэхэд чухал үүрэгтэй. Сансрын орон зай нь тодорхой байршилд амьдарч буй хүмүүсийн талаарх мэдээлэл, мөн тухайн байршил нь дэлхийн бусад оронтой харьцуулахад физикийн хувьд хаана байгааг илтгэж болно.

Энэ шинжилгээг хийхийн тулд та мэдээллээ өргөрөг, уртрагийн координатуудтай холбож эхлэх хэрэгтэй. Үүнийг "гео кодчилол" гэж нэрлэдэг бөгөөд энэ нь таны агуулахын атомын түвшинд задлах, хувиргах, ачаалах үйл явцын (ETL) нэг хэсэг байх ёстой.

Мэдээлэл олборлох.

Олборлолт dati манай компаниудын тоог нэмэгдүүлэх боломжийг хэрэглэгчид, борлуулалтын чиг хандлагыг урьдчилан таамаглах, i-тэй харилцах менежментийг идэвхжүүлэх хэрэглэгчид (CRM), бусад BI санаачлагуудын дунд.

Олборлолт dati Тиймээс үүнийг бүтэцтэй нэгтгэх ёстой dati Технологи болон холбогдох техникийг үр дүнтэй, үр ашигтай ашиглахын тулд агуулахын процессоор дэмжигддэг.

BI архитектурт дурдсанчлан атомын түвшний Dwhouse, түүнчлэн датамартууд нь маш сайн эх сурвалж юм. dati олборлох зориулалттай. Тэдгээр ижил шинж чанарууд нь хамгийн өргөн үзэгчдэд хүртээмжтэй байхын тулд олборлолтын үр дүнг хүлээн авагч байх ёстой.

Агентууд.

Компанийн үйлдлийн систем, dw өөрөө гэх мэт аливаа цэг дээр үйлчлүүлэгчийг шалгах янз бүрийн "агент" байдаг. Эдгээр агентууд нь борлуулалтын урамшуулал дээр суурилсан ирээдүйн бүтээгдэхүүний эрэлт хэрэгцээ, дүрэмд суурилсан хөдөлгүүрүүд гэх мэт чиг хандлагын талаар суралцахаар бэлтгэгдсэн дэвшилтэт мэдрэлийн сүлжээ байж болно. өгөгдөл нөхцөл байдлын багц, тэр ч байтугай энгийн агентууд онцгой байдлын талаар дээд удирдлагуудад мэдээлдэг. Эдгээр үйл явц нь ихэвчлэн бодит цаг хугацаанд явагддаг тул үйл явцын хөдөлгөөнтэй нягт уялдаатай байх ёстой dati. Эдгээр бүх бүтэц нь dati, технологи, арга техник нь таныг BI-ын зохион байгуулалтыг бий болгоход шөнийг өнгөрөөхгүй байхыг баталгаажуулдаг.

Энэ үйл ажиллагааг жижиг цэгүүдэд зориулж шаталсан алхамаар хөгжүүлнэ.
Алхам бүр нь бие даасан төслийн хүчин чармайлт бөгөөд таны BI dw эсвэл санаачлагын давталт гэж нэрлэгддэг. Давталт нь шинэ техникээс эхлээд шинэ технологи нэвтрүүлэх, шинэ хүрээ нэмэх зэрэг байж болно dati , ачаалах i dati нэмэлт , эсвэл таны хүрээлэн буй орчны шинжилгээний өргөтгөлийн хамт. Энэ догол мөрийг 3-р бүлэгт илүү дэлгэрэнгүй авч үзсэн болно.

Уламжлалт DW хүрээ болон BI хэрэглүүрүүдээс гадна таны BI байгууллагын дизайн хийх шаардлагатай бусад талууд байдаг, тухайлбал:

Хэрэглэгчийн хүрэх цэгүүд (Үйлчлүүлэгчдэд хүрэх) оноо).

Орчин үеийн аливаа байгууллагын нэгэн адил үйлчлүүлэгчидтэй харилцах хэд хэдэн цэгүүд байдаг бөгөөд энэ нь танд хэрхэн эерэг сэтгэгдэл төрүүлэхийг харуулж байна хэрэглэгчид. Худалдаачид, шилжүүлэгчийн операторууд, шууд шуудан, мультимедиа болон хэвлэмэл сурталчилгаа зэрэг уламжлалт сувгууд, түүнчлэн цахим шуудан, вэб гэх мэт илүү одоогийн сувгууд байдаг. dati зарим холбоо барих цэгтэй бүтээгдэхүүнийг олж авах, тээвэрлэх, цэвэрлэх, боловсруулах, дараа нь байгууламжид байршуулах ёстой dati BI-ийн.

-Ийн үндэс dati үйл ажиллагааны болон хэрэглэгчийн холбоод (Үйл ажиллагааны

мэдээллийн бааз болон хэрэглэгчийн нийгэмлэг).
Холбоо барих цэгүүдийн төгсгөлд хэрэглэгчид үндсийг олж мэдэх болно dati компани болон хэрэглэгчийн бүлгүүдийн өргөдөл. THE dati байгаа dati -тай нэгтгэж, нэгтгэх ёстой уламжлалт dati шаардлагатай мэдээллийг хангахын тулд хүрэлцэх цэгүүдээс урсаж байна.

Шинжээчид. (Шинжээчид)

BI орчны үндсэн ашиг хүртэгч нь шинжээч юм. Энэ нь одоогийн олборлолтоос ашиг хүртэж байгаа хүн юм dati үйл ажиллагааны , янз бүрийн эх үүсвэртэй нэгдсэн dati , газарзүйн шинжилгээ (газарзүйн кодчилол) зэрэг функцуудаар нэмэгдүүлсэн бөгөөд олборлолт, OLAP, дэвшилтэт SQL тайлан, газарзүйн шинжилгээ хийх боломжийг олгодог BI технологид танилцуулсан. Шинжээчийг тайлагнах орчинтой холбох үндсэн интерфейс нь BI портал юм.

Гэсэн хэдий ч шинжээч нь BI архитектураас ашиг хүртдэг цорын ганц хүн биш юм.
Удирдах ажилтнууд, томоохон хэрэглэгчдийн холбоо, тэр ч байтугай түншүүд, ханган нийлүүлэгчид ба би хэрэглэгчид тэд аж ахуйн нэгжийн BI-ийн ашиг тусыг олох ёстой.

Арын тэжээлийн гогцоо.

BI архитектур бол сургалтын орчин юм. Хөгжлийн нэг онцлог зарчим бол тогтвортой бүтцийг бий болгох явдал юм dati ашигласан BI технологи болон хэрэглэгчийн хийсэн үйлдлээр шинэчлэгдэх. Үүний жишээ бол үйлчлүүлэгчийн оноо юм.

Хэрэв борлуулалтын алба нь шинэ үйлчилгээг ашиглах гэх мэт хэрэглэгчийн онооны уул уурхайн загвар хийдэг бол борлуулалтын алба нь үйлчилгээнээс ашиг хүртэх цорын ганц бүлэг байж болохгүй.

Үүний оронд загвар олборлолтыг аж ахуйн нэгж дэх мэдээллийн урсгалын байгалийн хэсэг болгон гүйцэтгэх ёстой бөгөөд хэрэглэгчийн оноо нь бүх хэрэглэгчдэд харагдах агуулахын мэдээллийн контекстийн нэгдмэл хэсэг болох ёстой. DB2 UDB, DB2 OLAP серверийг багтаасан Bi-bI төвтэй IBM Suite нь 1.1-р зурагт тодорхойлсон технологийн хамгийн чухал бүрэлдэхүүн хэсгүүдийг агуулдаг.

Бид номын энэ зурагт үзүүлсэн шиг архитектурыг ашигладаг бөгөөд бидэнд тасралтгүй байдлын түвшинг өгч, IBM-ийн бүтээгдэхүүн бүр BI схемд хэрхэн нийцэж байгааг харуулах болно.

Мэдээллийн агуулга өгөх (хангах Мэдээллийн агуулга)

BI орчноо төлөвлөх, хөгжүүлэх, хэрэгжүүлэх нь маш хэцүү ажил юм. Загвар нь одоогийн болон ирээдүйн бизнесийн шаардлагыг хоёуланг нь багтаасан байх ёстой. Архитектурын зураг нь дизайны үе шатанд гарсан бүх дүгнэлтийг багтаасан цогц байх ёстой. Гүйцэтгэл нь нэг зорилгод тууштай байх ёстой: BI архитектурыг загварт албан ёсоор танилцуулж, бизнесийн шаардлагад үндэслэсэн байдлаар хөгжүүлэх.

Сахилга бат нь харьцангуй амжилтыг баталгаажуулна гэдэгтэй маргахад хэцүү байдаг.
Энэ нь маш энгийн, учир нь та BI орчныг нэг дор биш, харин цаг хугацааны явцад жижиг алхмаар хөгжүүлдэг.

Гэсэн хэдий ч, таны архитектурын BI бүрэлдэхүүн хэсгүүдийг тодорхойлох нь хоёр шалтгааны улмаас чухал юм: Та дараагийн бүх техникийн архитектурын шийдвэрүүдийг гаргах болно.
Та хэдэн сарын турш технологийн хэрэгцээг давтахгүй байж болох ч тодорхой технологийн хэрэглээг ухамсартайгаар төлөвлөх боломжтой болно.

Бизнесийнхээ шаардлагыг хангалттай сайн ойлгох нь таны архитектурт зориулж худалдаж авсан бүтээгдэхүүний төрөлд нөлөөлнө.
Таны архитектурын дизайн, хөгжил нь таны агуулахыг баталгаажуулдаг

санамсаргүй үйл явдал биш, харин сайн бодож, сайтар боловсруулсан сурталчилгаа юм дуурийн холимог технологийн мозайк болох урлагийн .

Мэдээллийн агуулгыг боловсруулах

Бүх анхны загвар нь одоо болон ирээдүйд ерөнхий орчинд шаардлагатай BI бүрэлдэхүүн хэсгүүдэд анхаарлаа төвлөрүүлж, тодорхойлох ёстой.
Бизнесийн шаардлагыг мэдэх нь чухал юм.

Аливаа албан ёсны төлөвлөлт эхлэхээс өмнө төсөл төлөвлөгч нэг эсвэл хоёр бүрэлдэхүүн хэсгийг шууд тодорхойлж чаддаг.
Таны архитектурт шаардагдах бүрэлдэхүүн хэсгүүдийн тэнцвэрийг олох боломжгүй юм. Дизайны үе шатанд архитектурын үндсэн хэсэг нь бизнесийн хэрэгцээг тодорхойлох судалгаанд програм хөгжүүлэх сессийг (JAD) холбодог.

Заримдаа эдгээр шаардлагыг асуулга, тайлагнах хэрэгсэлд даатгаж болно.
Жишээлбэл, хэрэглэгчид одоогийн тайланг автоматжуулахыг хүсвэл одоогийн хоёр тайланг нэгтгэж, хоёр тайлангийн хослолоос гаргасан тооцооллыг нэмэх замаар гараар үүсгэх ёстой гэж мэдэгддэг. dati.
Энэ шаардлага нь энгийн хэдий ч, энэ нь танай байгууллагад тайлагнах хэрэгслийг худалдан авахдаа оруулах ёстой тодорхой функцийг тодорхойлдог.

Дизайнер нь бүрэн дүр зургийг авахын тулд нэмэлт шаардлагыг дагаж мөрдөх ёстой. Хэрэглэгчид энэ тайланд бүртгүүлэхийг хүсэж байна уу?
Тайлангийн дэд бүлгүүдийг үүсгэж, янз бүрийн хэрэглэгчдэд имэйл илгээдэг үү? Энэ тайланг компанийн портал дээрээс харахыг хүсч байна уу? Эдгээр бүх шаардлага нь хэрэглэгчдийн шаардсан гарын авлагын тайланг солих энгийн хэрэгцээний нэг хэсэг юм. Эдгээр төрлийн шаардлагын давуу тал нь хэрэглэгч, дизайнерууд бүгд тайлангийн тухай ойлголтыг мэддэг байх явдал юм.

Гэсэн хэдий ч бидний төлөвлөх шаардлагатай өөр төрлийн бизнесүүд байдаг. Бизнесийн шаардлагуудыг бизнесийн стратегийн асуултуудын хэлбэрээр илэрхийлэхэд туршлагатай төлөвлөгч нь хэмжээст болон хэмжилт/баримт шаардлагыг ялгахад хялбар байдаг.

Хэрэв JAD хэрэглэгчид өөрсдийн шаардлагыг бизнесийн асуудлын хэлбэрээр хэрхэн илэрхийлэхээ мэдэхгүй байгаа бол дизайнер нь ихэвчлэн шаардлага цуглуулах сессийг алгасах жишээг өгдөг.
Мэргэжилтэн төлөвлөгч нь хэрэглэгчдэд зөвхөн стратегийн бизнесийг ойлгоход тусалдаг төдийгүй түүнийг хэрхэн хэлбэржүүлэхийг ойлгоход тусалдаг.
Шаардлага цуглуулах арга барилыг 3-р бүлэгт авч үзнэ; Одоохондоо бид бүх төрлийн BI шаардлагын дагуу дизайн хийх хэрэгцээг онцлон тэмдэглэхийг хүсч байна.

Стратегийн бизнесийн асуудал бол зөвхөн бизнесийн шаардлага төдийгүй дизайны чиг хандлага юм. Хэрэв та олон хэмжээст асуултанд хариулах шаардлагатай бол цээжлэх, танилцуулах хэрэгтэй dati хэмжээсүүд, хэрэв танд хадгалах шаардлагатай бол dati олон хэмжээст, та ямар төрлийн технологи, техник ашиглахаа шийдэх хэрэгтэй.

Та нөөцлөгдсөн шоо одны схем эсвэл хоёуланг нь хэрэгжүүлдэг үү? Таны харж байгаагаар бизнесийн энгийн асуудал ч дизайнд ихээхэн нөлөөлдөг. Гэхдээ эдгээр төрлийн бизнесийн шаардлага нь ердийн зүйл бөгөөд мэдээжийн хэрэг, наад зах нь туршлагатай төсөл төлөвлөгч, дизайнеруудын хувьд.

OLAP технологи, дэмжлэгийн талаар хангалттай мэтгэлцээн өрнөж, олон төрлийн шийдлүүд бэлэн болсон. Одоогийн байдлаар бид энгийн тайланг бизнесийн хэмжээст шаардлагуудтай нэгтгэх хэрэгцээ, эдгээр шаардлага нь техникийн архитектурын шийдвэрт хэрхэн нөлөөлдөг талаар хөндсөн.

Гэхдээ хэрэглэгчид болон Dw багийнханд тийм ч сайн ойлгогдохгүй байгаа шаардлагууд юу вэ? Танд орон зайн шинжилгээ (орон зайн шинжилгээ) хэрэг болох уу?
Уул уурхайн загварууд dati Тэд таны ирээдүйн зайлшгүй хэсэг байх болов уу? Хэн мэдэх вэ?

Эдгээр төрлийн технологиудыг ерөнхий хэрэглэгчдийн нийгэмлэг болон DW-ийн багийн гишүүд сайн мэддэггүй гэдгийг анхаарах нь чухал бөгөөд энэ нь зарим талаараа дотоод болон гуравдагч талын техникийн мэргэжилтнүүдээр зохицуулагддагтай холбоотой байж болох юм. Энэ нь эдгээр төрлийн технологиудыг бий болгож буй асуудлын хамгийн чухал тохиолдол юм. Хэрэв хэрэглэгчид бизнесийн шаардлагуудыг тайлбарлаж эсвэл загвар зохион бүтээгчдэд зааварчилгаа өгөхийн тулд тэдгээрийг дүрсэлж чадахгүй бол тэд анзаарагдахгүй эсвэл бүр дордвол зүгээр л үл тоомсорлож болно.

Дизайнер болон хөгжүүлэгч эдгээр дэвшилтэт боловч чухал технологийн аль нэгнийх нь хэрэглээг хүлээн зөвшөөрч чадахгүй байх нь илүү асуудалтай болдог.
Загвар зохион бүтээгчдийн хэлснийг бид олонтаа сонсдог шиг, "За, бид өөр зүйлийг авах хүртэл яагаад үүнийг орхиж болохгүй гэж? “Тэд тэргүүлэх чиглэлийг үнэхээр сонирхож байна уу, эсвэл зүгээр л ойлгодоггүй шаардлагаасаа зайлсхийдэг үү? Энэ нь хамгийн сүүлчийн таамаглал байх магадлалтай. Зураг 1.3-т дурдсанчлан танай борлуулалтын баг бизнесийн шаардлагаа илэрхийлсэн гэж бодъё. Таны харж байгаагаар уг шаардлагыг бизнесийн асуудал хэлбэрээр тусгасан болно. Энэ асуудал болон ердийн хэмжээст бодлогын хоорондох ялгаа нь зай юм. Энэ тохиолдолд борлуулалтын баг сар бүр бүтээгдэхүүн, агуулах болон хэрэглэгчид дэлгүүрийн агуулахаас 5 милийн зайд амьдардаг хүмүүс.

Харамсалтай нь дизайнерууд эсвэл архитекторууд орон зайн бүрэлдэхүүнийг үл тоомсорлож, "Бидэнд үйлчлүүлэгч, бүтээгдэхүүн, dati ордын. Өөр нэг давталт хүртэл зайгаа барьцгаая.

"Буруу хариулт. Энэ төрлийн бизнесийн асуудал нь BI-тэй холбоотой. Энэ нь манай бизнесийн талаар илүү гүнзгий ойлголттой болж, манай шинжээчдэд зориулсан хүчирхэг аналитик орон зайг илэрхийлдэг. BI нь энгийн асуулга, стандарт тайлагналаас гадна OLAP юм. Энэ нь эдгээр технологи нь таны BI-д чухал биш гэсэн үг биш, гэхдээ тэдгээр нь өөрөө BI орчныг төлөөлдөггүй.

Мэдээллийн агуулгад зориулж дизайн хийх (Мэдээллийн агуулгын зураг төсөл боловсруулах)

Одоо бид янз бүрийн үндсэн бүрэлдэхүүн хэсгүүдийг ялгах Бизнесийн шаардлагуудыг тодорхойлсон тул тэдгээрийг ерөнхий архитектурын зураг төсөлд оруулах шаардлагатай байна. BI бүрэлдэхүүн хэсгүүдийн зарим нь бидний анхны хүчин чармайлтын нэг хэсэг бөгөөд зарим нь хэдэн сарын турш хэрэгжихгүй.

Гэсэн хэдий ч, мэдэгдэж буй бүх шаардлагыг загварт тусгадаг тул бид тодорхой технологийг хэрэгжүүлэх шаардлагатай үед үүнийг хийхэд бэлэн байдаг. Төслийн талаар ямар нэг зүйл уламжлалт сэтгэлгээг тусгах болно.

Энэ багц dati -ийг дараачийн хэрэглээг дэмжихэд ашигладаг dati бидний тодорхойлсон бизнесийн асуудлаас үүдэлтэй хэмжээст . Төсөл боловсруулах зэрэг нэмэлт баримт бичгүүдийг бий болгосноор dati, бид i гэж албан ёсоор эхлэх болно dati тэд хүрээлэн буй орчинд тархдаг. i-г төлөөлөх шаардлагатайг бид тогтоосон dati хэмжээст байдлаар, тэдгээрийг (тодорхой хэрэгцээний дагуу) өгөгдлийн захуудад хуваах.

Хариулах дараагийн асуулт бол: Эдгээр дата захыг хэрхэн бүтээх вэ?
Та шоо, эсвэл зүгээр л шоо, эсвэл зүгээр л оддыг дэмжихийн тулд оддыг бүтээдэг үү? (эсвэл баруун шоо, эсвэл баруун од). Бүгдэд атомын давхарга шаардлагатай хамааралтай өгөгдлийн захуудын архитектурыг бий болго dati олж авсан уу? Хараат бус мэдээллийн мартыг олж авахыг зөвшөөрөх dati үйлдлийн системээс шууд?

Та ямар куб технологийг стандартчлахыг хичээх вэ?

Танд асар их бурхад бий dati Хэмжээст шинжилгээ хийхэд шаардлагатай эсвэл долоо хоног бүр үндэсний борлуулалтын албаны шоо хэрэгтэй юу эсвэл хоёуланд нь хэрэгтэй юу? Та санхүүгийн хувьд DB2 OLAP Server эсвэл борлуулалтын байгууллагад зориулж Cognos PowerPlay куб эсвэл хоёуланг нь хүчирхэг объект бүтээдэг үү? Эдгээр нь таны BI орчинд урагшлахад нөлөөлөх томоохон архитектурын дизайны шийдвэрүүд юм. Тийм ээ, та OLAP-ийн хэрэгцээг тодорхойлсон. Одоо ийм техник, технологийг яаж хэрэгжүүлэх гэж байна вэ?

Илүү дэвшилтэт технологиуд таны загварт хэрхэн нөлөөлдөг вэ? Та байгууллагынхаа орон зайн хэрэгцээг тодорхойлсон гэж бодъё. Одоо та хэдэн сарын турш орон зайн бүрэлдэхүүн хэсгүүдийг хийхээр төлөвлөөгүй байсан ч архитектурын зургийн хэвлэлийг эргэн санах хэрэгтэй. Архитектор өнөөдөр шаардлагатай зүйлд тулгуурлан дизайн хийх ёстой. үүсгэх, хадгалах, хадгалах, хандах боломжийг олгодог орон зайн шинжилгээний хэрэгцээг урьдчилан таамаглах dati орон зайн. Энэ нь эргээд таны авч үзэж болох програм хангамжийн технологийн төрөл, платформын үзүүлэлтүүдэд хязгаарлалт байх ёстой. Тухайлбал, удирдлагын тогтолцоо мэдээллийн сан Таны атомын давхаргад зориулж хадгалдаг харилцааны (RDBMS) нь орон зайн найдвартай цар хүрээтэй байх ёстой. Энэ нь аналитик програмууддаа геометр болон орон зайн объектуудыг ашиглах үед хамгийн их гүйцэтгэлийг хангах болно. Хэрэв таны RDBMS үүнийг зохицуулж чадахгүй бол dati (орон зайн төвтэй) дотооддоо, тиймээс та байгуулах хэрэгтэй болно a мэдээллийн сан (орон зайн төвтэй) гадаад. Энэ нь асуудлын менежментийг хүндрүүлж, таны DBA-д бий болгож буй нэмэлт асуудлуудыг эс тооцвол таны ерөнхий гүйцэтгэлийг алдагдуулдаг, учир нь тэд үндсэн зарчмуудын талаар хамгийн бага ойлголттой байх магадлалтай. dati орон зайн хувьд ч мөн адил. Нөгөөтэйгүүр, хэрэв таны RDMBS хөдөлгүүр орон зайн бүх бүрэлдэхүүн хэсгүүдийг зохицуулдаг бөгөөд түүнийг оновчтой болгогч нь орон зайн объектуудын тусгай хэрэгцээг (жишээ нь, индексжүүлэх) мэддэг бол таны DBA нь удирдлагын асуудлыг хялбархан шийдэж, та гүйцэтгэлийг нэмэгдүүлэх боломжтой.

Мөн хаяг цэвэрлэх (a

орон зайн шинжилгээний гол элемент), түүнчлэн орон зайн объектыг дараа нь хэмнэх. Бид хаягийн цэвэр байдлын тухай ойлголтыг нэвтрүүлсэн тул дизайны хэвлэлүүдийн дараалал үргэлжилсээр байна. Нэг зүйл бол, энэ програм нь таны ETL хүчин чармайлтад хэрэгтэй програм хангамжийн төрлийг зааж өгөх болно.

Танд цэвэр хаягаар хангах Trillium гэх мэт бүтээгдэхүүн эсвэл энэ функцийг хангахын тулд таны сонгосон ETL борлуулагч хэрэгтэй юу?
Одоогийн байдлаар та агуулахаа засварлаж эхлэхээсээ өмнө дуусгах ёстой дизайны түвшинг үнэлэх нь чухал юм. Дээрх жишээнүүд нь бизнесийн аливаа тодорхой шаардлагын дагуу гарах олон тооны дизайны шийдвэрийг харуулах ёстой. Эдгээр дизайны шийдвэрүүд нь зөв хийгдсэн тохиолдолд таны хүрээлэн буй орчны физик бүтэц, ашигласан технологийн сонголт, мэдээллийн агуулгын тархалтын урсгал хоорондын харилцан хамаарлыг дэмждэг. Энэхүү уламжлалт BI архитектургүйгээр танай байгууллага одоо байгаа технологиудын эмх замбараагүй холимогт өртөж, хамгийн сайндаа илэрхий тогтвортой байдлыг хангахын тулд хоорондоо чөлөөтэй сүлжмэл байх болно.

Мэдээллийн агуулгыг хадгалах

Байгууллагадаа мэдээллийн үнэ цэнийг хүргэх нь маш хэцүү ажил юм. Хангалттай ойлголт, туршлага, зохих инженерчлэл, дизайн байхгүй бол хамгийн шилдэг баг ч бүтэлгүйтэх болно. Нөгөөтэйгүүр, хэрэв та гайхалтай зөн совинтой, нарийн дизайнтай боловч хэрэгжүүлэх сахилга батгүй бол таны хичээл зүтгэл бүтэлгүйтэх магадлалтай тул та зүгээр л мөнгө, цагаа дэмий үрсэн болно. Мессеж нь тодорхой байх ёстой: Хэрэв танд эдгээр ур чадвар, ойлголт/туршлага, төлөвлөлт/дизайн, хэрэгжүүлэх сахилга бат дутагдаж байвал энэ нь BI байгууллагын барилгыг эвдэрч сүйтгэх болно.

Танай хамт олон хангалттай бэлтгэгдсэн үү? Танай BI-ийн багт байгаа хэн нэгэн BI орчинд байгаа өргөн уудам аналитик ландшафт, мөн энэ ландшафтыг хадгалахад шаардлагатай техник, технологийг ойлгож байна уу? Танай багт ахисан түвшний өргөдөл гаргахад ялгааг хэлж чадах хүн байна уу

статик тайлан ба OLAP эсвэл ROLAP ба OLAP хоёрын ялгаа юу? Танай багийн гишүүдийн нэг нь олборлолтын арга барил, энэ нь агуулахад хэрхэн нөлөөлж болох, эсвэл агуулах нь уурхайн гүйцэтгэлийг хэрхэн дэмжиж болохыг тодорхой мэддэг үү? Багийн гишүүн үнэ цэнийг ойлгодог dati сансрын эсвэл агент дээр суурилсан технологи уу? ETL vs Message Broker технологийн өвөрмөц хэрэглүүрийг үнэлдэг хүн танд байна уу? Хэрэв танд байхгүй бол нэгийг нь аваарай. BI нь хэвийн атомын давхарга, OLAP, од схем, ODS-ээс хамаагүй том юм.

BI-ийн шаардлага, тэдгээрийн шийдлүүдийг таньж мэдэх ойлголт, туршлагатай байх нь хэрэглэгчийн хэрэгцээг зохих ёсоор бүрдүүлэх, тэдгээрийн шийдлийг боловсруулж хэрэгжүүлэхэд чухал ач холбогдолтой. Хэрэв таны хэрэглэгчийн нийгэмлэг шаардлагыг тайлбарлахад хүндрэлтэй байгаа бол агуулахын баг энэ талаар ойлголт өгөх ёстой. Харин агуулахын баг бол

BI-ийн тусгай хэрэглээг хүлээн зөвшөөрдөггүй - жишээлбэл, өгөгдөл олборлолт - тэгвэл BI орчин нь ихэвчлэн идэвхгүй агуулахаар хязгаарлагддаг нь тийм ч сайн зүйл биш юм. Гэсэн хэдий ч эдгээр технологийг үл тоомсорлох нь тэдний ач холбогдол, танай байгууллагын бизнесийн тагнуулын чадавхи, түүнчлэн таны сурталчлахаар төлөвлөж буй мэдээллийн хөрөнгийг бий болгоход үзүүлэх нөлөөг бууруулдаггүй.

Дизайн нь зургийн тухай ойлголтыг агуулсан байх ёстой бөгөөд хоёулаа чадварлаг хувь хүн шаарддаг. Нэмж дурдахад, төлөвлөлт нь багаар ажиллах гүн ухаан, стандартыг дагаж мөрдөхийг шаарддаг. Жишээлбэл, хэрэв танай компани платформын стандартыг бий болгосон эсвэл платформ даяар стандартчилахыг хүсч буй тодорхой RDBMS-ийг тодорхойлсон бол багийн бүх хүмүүс эдгээр стандартыг дагаж мөрдөх шаардлагатай. Ерөнхийдөө баг нь стандартчиллын хэрэгцээг (хэрэглэгчийн нийгэмлэгт) илэрхийлдэг боловч баг нь өөрөө компанийн бусад салбарт эсвэл магадгүй ижил төстэй компаниудад тогтоосон стандартыг дагаж мөрдөхийг хүсдэггүй. Энэ нь хоёр нүүр гаргах төдийгүй компани нь одоо байгаа нөөц, хөрөнгө оруулалтыг ашиглах чадваргүй болохыг харуулж байна. Энэ нь стандартын бус платформ эсвэл технологийг баталгаажуулах нөхцөл байдал байхгүй гэсэн үг биш юм; гэсэн хэдий ч агуулахын хүчин чармайлт

бизнесийн шаардлага өөрөөр заах хүртэл тэд аж ахуйн нэгжийн стандартыг атаархаж хамгаалах ёстой.

BI байгууллагыг бий болгоход шаардлагатай гурав дахь гол бүрэлдэхүүн хэсэг бол сахилга бат юм.
Энэ нь хувь хүн, хүрээлэн буй орчноос бүхэлдээ хамаарна. Төслийн төлөвлөгчид, ивээн тэтгэгчид, архитекторууд болон хэрэглэгчид компанийн мэдээллийн хөрөнгийг бий болгоход шаардагдах сахилга батыг үнэлэх ёстой. Загвар зохион бүтээгчид нийгэмд шаардлагатай бусад хүчин чармайлтыг нөхөхийн тулд дизайны хүчин чармайлтаа чиглүүлэх ёстой.

Жишээлбэл, танай компани агуулахын бүрэлдэхүүн хэсэгтэй ERP программыг бүтээсэн гэж бодъё.
Тиймээс аль хэдийн эхлүүлсэн ажлыг өрсөлдөхгүй, давтахгүйн тулд агуулахын орчны багтай хамтран ажиллах нь ERP дизайнеруудын үүрэг юм.

Сахилга бат нь мөн бүхэл бүтэн байгууллагын шийдвэрлэх шаардлагатай сэдэв бөгөөд ихэвчлэн гүйцэтгэх удирдлагын түвшинд тогтоогдож, үүрэг хүлээдэг.
Удирдах ажилтнууд боловсруулсан арга барилыг дагаж мөрдөхөд бэлэн үү? Эцсийн дүндээ аж ахуйн нэгжийн бүх салбарт үнэ цэнийг хүргэх мэдээллийн агуулгыг бий болгоно гэж амласан хандлага, гэхдээ магадгүй хувь хүн эсвэл хэлтсийн мөрийн хөтөлбөрийг зөрчих үү? "Бүх зүйлийг бодох нь нэг зүйлийн талаар бодохоос илүү чухал" гэсэн үгийг санаарай. Энэ үг BI байгууллагуудын хувьд үнэн юм.

Харамсалтай нь, олон агуулахууд тухайн байгууллагыг үл тоомсорлон тодорхой хэлтэс эсвэл тодорхой хэрэглэгчдэд үнэ цэнийг хүргэхийн тулд хүчин чармайлтаа төвлөрүүлдэг. Менежер werehouse-ын багаас тусламж хүссэн гэж бодъё. Баг нь 90 хоногийн хүчин чармайлтаар хариу үйлдэл үзүүлдэг бөгөөд үүнд зөвхөн гүйцэтгэх албан тушаалтны тодорхойлсон мэдэгдлийн шаардлагуудыг биелүүлэхээс гадна бүх dati Санал болгож буй шоо технологид нэвтрүүлэхээс өмнө суурийг атомын түвшинд холино.
Энэхүү инженерийн нэмэлт нь байшингийн аж ахуйн нэгжид ашиг тусаа өгөх болно dati менежерт хэрэгтэй.
Гэсэн хэдий ч гүйцэтгэх захирал 4 долоо хоногоос бага хугацаанд хүргэх ижил төстэй програмыг санал болгосон гадны зөвлөх компаниудтай ярилцав.

Байшингийн дотоод багийг чадварлаг гэж үзвэл гүйцэтгэх удирдлагад сонголт бий. Байгууллагын мэдээллийн хөрөнгийг өсгөхөд шаардлагатай инженерийн нэмэлт сахилга батыг хэн дэмжих вэ, эсвэл өөрийн шийдлийг хурдан бүтээхээр сонгох боломжтой. Сүүлийнх нь хэтэрхий олон удаа сонгогддог бөгөөд зөвхөн цөөн хэдэн эсвэл хувь хүмүүст ашигтай мэдээллийн савыг бий болгоход л үйлчилдэг.

Богино болон урт хугацааны зорилго

Архитекторууд болон төсөл төлөвлөгчид BI байгууллагыг хөгжүүлэх ерөнхий архитектурын урт хугацааны алсын хараа, төлөвлөгөөг албан ёсоор гаргах ёстой. Богино хугацааны ашиг ба урт хугацааны төлөвлөлтийн энэхүү хослол нь BI хүчин чармайлтын хоёр тал юм. Богино хугацааны орлого нь таны агуулахын давталттай холбоотой BI-ийн нэг тал юм.

Төлөвлөгөөчид, архитекторууд, ивээн тэтгэгчид бизнесийн тодорхой шаардлагыг хангахад анхаарлаа төвлөрүүлдэг газар юм. Чухам энэ түвшинд физик байгууламжууд баригдаж, технологи худалдан авч, техник хэрэгждэг. Эдгээр нь тодорхой хэрэглэгчдийн нийгэмлэгийн тодорхойлсон тусгай шаардлагуудыг хангахад зориулагдаагүй болно. Бүх зүйл тодорхой нийгэмлэгийн тодорхойлсон тодорхой шаардлагыг хангах зорилгоор хийгддэг.
Харин урт хугацааны төлөвлөлт бол BI-ийн нөгөө тал юм. Төлөвлөгөө, зураг төсөл нь аливаа физик байгууламжийг барьж байгуулах, сонгосон технологи, аж ахуйн нэгжийг харан гүйцэтгэсэн техникийг баталгаажуулсан газар юм. Энэ нь аливаа богино хугацааны олзоос пүүсийн ашиг олоход шаардлагатай нэгдмэл байдлыг хангадаг урт хугацааны төлөвлөлт юм.

BI-ын хүчин чармайлтаа зөвтгөөрэй

Un өгөгдлийн агуулах энэ нь өөрөө ямар ч үнэ цэнэгүй. Өөрөөр хэлбэл, агуулахын технологи, хэрэгжүүлэх арга техник хоёрын хооронд ямар ч үнэ цэнэ байхгүй.

Аливаа агуулахын хүчин чармайлтын үнэ цэнийг агуулахын орчин, цаг хугацааны явцад боловсруулсан мэдээллийн агууламжийн үр дүнд хийсэн үйлдлээс олж хардаг. Энэ бол хаана ч гэсэн санаачилгын үнэ цэнийг үнэлэх оролдлого хийхээс өмнө ойлгох ёстой чухал цэг юм.

Ихэнх тохиолдолд архитекторууд болон төлөвлөгчид агуулахын физик болон техникийн бүрэлдэхүүн хэсгүүдэд үнэ цэнийг ашиглахыг оролддог боловч үнэ цэнэ нь агуулахаас эерэг нөлөө үзүүлдэг бизнесийн үйл явц, сайн цуглуулсан мэдээлэлд үндэслэсэн байдаг.

BI-г үүсгэн байгуулахад тулгардаг бэрхшээл энд байна: Та хөрөнгө оруулалтаа хэрхэн зөвтгөх вэ? Хэрэв байшин өөрөө ямар ч үнэ цэнэгүй бол төсөл төлөвлөгчид тухайн агуулахыг бизнесийн тодорхой үйл явц эсвэл хамгаалагдсан мэдээллийн үнэ цэнийг сайжруулахын тулд ашиглах хүмүүст ашиг тусыг нь судалж, тодорхойлж, албан ёсны болгох ёстой.

Асуудлыг хүндрүүлэхийн тулд агуулахын хүчин чармайлтаас үүдэлтэй аливаа бизнесийн үйл явц нь "их хэмжээний" эсвэл "бага зэргийн" ашиг тусыг өгөх болно. Чухал ач холбогдол нь хөрөнгө оруулалтын өгөөжийг (ROI) хэмжих бодит хэмжүүрээр хангадаг - жишээлбэл, бараа материалыг тодорхой хугацаанд нэмэлт хугацаагаар эргүүлж эсвэл тээвэрлэлтийн зардлыг бууруулна. Мэдээллийн хүртээмжийг сайжруулах гэх мэт нарийн ашиг тусыг бодит үнэ цэнийн хувьд тодорхойлоход илүү хэцүү байдаг.

Мэдэхийн тулд төслөө холбоно уу бизнесийн хүсэлтүүд

Ихэнхдээ төсөл төлөвлөгчид агуулахын үнэ цэнийг аж ахуйн нэгжийн аморф зорилготой холбохыг оролддог. "Агуулахын үнэ цэнэ нь бидний стратегийн хүсэлтийг хангах чадварт суурилдаг" гэж тунхагласнаар бид хэлэлцүүлгийг таатай байдлаар нээж байна. Гэхдээ энэ нь агуулахад хөрөнгө оруулах нь утга учиртай эсэхийг тодорхойлоход хангалтгүй юм. Агуулахын төлөөлөгчдийг бизнесийн тодорхой лавлагаа, тэмдэглэлтэй холбох нь хамгийн сайн арга юм.

ROI хэмжинэ

Агуулахын нөхцөлд ROI тооцоолох нь ялангуяа хэцүү байж болно. Энэ нь хар тугалга бол ялангуяа хэцүү байдаг

тодорхой давталт нь биет бус эсвэл хэмжихэд хялбар зүйл юм. Нэгэн судалгаагаар хэрэглэгчид BI санаачилгын хоёр үндсэн ашиг тусыг ойлгодог болохыг тогтоожээ.

• ▪ Шийдвэр гаргах чадварыг бий болгох
• ▪ Мэдээллийн хүртээмжийг бий болгох
  Эдгээр ашиг тус нь зөөлөн (эсвэл бага зэргийн) ашиг тус юм. Ачаа тээврийн зардал буурах гэх мэт хатуу (эсвэл илүү) ашиг дээр үндэслэн ROI-ийг хэрхэн тооцоолохыг харахад хялбар байдаг, гэхдээ бид илүү сайн шийдвэр гаргах чадварыг хэрхэн хэмжих вэ?
  Энэ нь компанийг агуулахын тодорхой хүчин чармайлтад хөрөнгө оруулахыг оролдох үед төсөл төлөвлөгчдийн хувьд сорилт болох нь дамжиггүй. Борлуулалтыг нэмэгдүүлэх эсвэл зардал буурах нь BI орчныг хөдөлгөх гол сэдэв байхаа больсон.
  Үүний оронд та тодорхой хэлтэс шийдвэрээ хурдан гаргахын тулд мэдээлэлд илүү сайн хандах бизнесийн хүсэлтийг хайж байна. Эдгээр нь аж ахуйн нэгжийн хувьд адил чухал ач холбогдолтой стратегийн хөдөлгөгч хүчнүүд боловч илүү тодорхойгүй бөгөөд бодит хэмжүүрээр тодорхойлоход хэцүү байдаг. Энэ тохиолдолд ROI-ийг тооцоолох нь хамааралгүй бол төөрөгдүүлж болзошгүй юм.
  Төслийн дизайнерууд тодорхой давталт дахь хөрөнгө оруулалт нь үнэ цэнэтэй эсэхийг шийдэхийн тулд удирдлагуудад бодит үнэ цэнийг харуулах чадвартай байх ёстой. Гэсэн хэдий ч бид ROI-ийг тооцоолох шинэ аргыг санал болгохгүй бөгөөд үүнийг дэмжсэн эсвэл эсэргүүцэх ямар ч үндэслэл гаргахгүй.
  ROI-ийг тооцоолох үндсийг хэлэлцсэн олон нийтлэл, ном байдаг. Гартнер гэх мэт бүлгүүдээс санал болгож буй хөрөнгө оруулалтын үнэ цэнэ (VOI) гэх мэт тусгай үнэ цэнийн саналууд байдаг бөгөөд үүнийг судалж болно. Үүний оронд бид таны авч үзэх шаардлагатай ROI эсвэл бусад үнэ цэнийн саналуудын үндсэн талуудад анхаарлаа хандуулах болно. ROI ашиглаж байна BI-ийн хүчин чармайлттай холбоотой "хатуу" ба "зөөлөн" үр өгөөжийн талаарх маргаанаас гадна ROI ашиглах үед анхаарах бусад асуудлууд бий. Жишээлбэл:

Хэт их хэмнэлтийг ямар ч байсан DW-ийн хүчин чармайлттай холбон тайлбарлаж байна
Танай компани үндсэн фрэймийн архитектураас тархсан UNIX орчинд шилжсэн гэж бодъё. Тиймээс, энэ хүчин чармайлтаас олж болох (эсвэл үгүй) аливаа хэмнэлтийг зөвхөн агуулахад (?) хамааруулж болохгүй.

Бүх зүйлийг нягтлан бодохгүй байх нь үнэтэй. Мөн олон зүйлийг анхаарч үзэх хэрэгтэй. Дараах жагсаалтыг анхаарч үзээрэй.

• ▪ Эхлэх зардал, түүний дотор техник эдийн засгийн үндэслэл.
• ▪ Холбогдох хадгалалт, харилцаа холбоо бүхий зориулалтын техник хангамжийн өртөг
• ▪ Програм хангамжийн зардал, түүний дотор менежмент dati болон клиент/серверийн өргөтгөлүүд, ETL програм хангамж, DSS технологиуд, дүрслэх хэрэгслүүд, хуваарь болон ажлын урсгалын програмууд, хяналтын программ хангамж, .
• ▪ Бүтцийн зураг төслийн зардал dati, бий болгох, болон оновчлолын хамт
• ▪ BI хүчин чармайлттай шууд холбоотой програм хангамж хөгжүүлэх зардал
• ▪ Програм хангамжийн хувилбарын хяналт, тусламжийн үйл ажиллагаа зэрэг гүйцэтгэлийг оновчтой болгох зэрэг гэрийн дэмжлэгийн зардал "Big-Bang" ROI-г хэрэгжүүл. Агуулахыг ганцхан, асар их хүчин чармайлт болгон барих нь бүтэлгүйтэх магадлалтай тул томоохон аж ахуйн нэгжийн санаачлагын ROI-ийг тооцоол. Энэ санал нь гайхмаар бөгөөд төлөвлөгчид бүх хүчин чармайлтын үнэ цэнийг тооцох гэж сул оролдлого хийсээр байна. Тодорхой давталтуудыг тооцоолоход хэцүү гэдгийг олон нийт мэддэг, хүлээн зөвшөөрдөг бол төлөвлөгчид яагаад бизнесийн санаачилгад мөнгөний үнэ цэнийг тавихыг хичээдэг вэ? Энэ нь яаж боломжтой вэ? Цөөн тооны үл хамаарах зүйлээр энэ нь боломжгүй юм. Битгий ингэ. Одоо бид ROI-г тооцоолохдоо юу хийх ёсгүйг тогтоосон тул BI-ийн хүчин чармайлтын үнэ цэнийг тооцоолох найдвартай үйл явцыг бий болгоход туслах хэдэн зүйлийг энд оруулав.

ROI зөвшөөрөл авах. BI-ийн хүчин чармайлтын үнэ цэнийг тооцох арга техникийг сонгохоос үл хамааран үүнийг төсөл төлөвлөгчид, ивээн тэтгэгчид, компанийн удирдлагууд зэрэг бүх талууд тохиролцсон байх ёстой.

ROI-г тодорхойлох боломжтой хэсгүүдэд хуваа. ROI-ийг үндэслэлтэй тооцоолоход зайлшгүй шаардлагатай алхам бол уг тооцоог тодорхой төсөл дээр төвлөрүүлэх явдал юм. Энэ нь хангагдсан бизнесийн тодорхой шаардлагад үндэслэн үнэ цэнийг тооцоолох боломжийг танд олгоно

Зардлыг тодорхойл. Өмнө дурьдсанчлан олон тооны зардлыг харгалзан үзэх шаардлагатай. Нэмж дурдахад зардалд зөвхөн хувь хүний ​​давталттай холбоотой зардал төдийгүй аж ахуйн нэгжийн стандартыг дагаж мөрдөхтэй холбоотой зардлыг багтаасан байх ёстой.

Ашиг тусыг тодорхойлох. ROI-ийг бизнесийн тодорхой шаардлагуудтай тодорхой холбосноор бид шаардлагыг хангахад хүргэх үр ашгийг тодорхойлох боломжтой байх ёстой.

Удахгүй болох ашгийн хувьд зардал, үр ашгийг бууруулна. Энэ нь ирээдүйн ашгийн ирээдүйн үнэ цэнийг урьдчилан таамаглахын оронд өнөөгийн цэвэр үнэ цэнэ (NPV) дээр үндэслэн үнэлгээ хийх хамгийн сайн арга юм.

ROI-ээ хамгийн бага хэмжээнд хуваах цагийг барь. Энэ нь урт хугацаанд таны ROI-д ашиглагдаж байсныг сайн баримтжуулсан.

Нэгээс олон ROI томъёог ашиглана уу. ROI-ийг урьдчилан таамаглах олон арга байдаг бөгөөд та тэдгээрийн нэг буюу хэд хэдэн аргыг ашиглахаар төлөвлөх хэрэгтэй, үүнд цэвэр өнөөгийн үнэ цэнэ, дотоод өгөөжийн түвшин (IRR), эргэн төлөгдөх зэрэг орно.

Давтагдах процессыг тодорхойлох. Энэ нь аливаа урт хугацааны үнэ цэнийг тооцоолоход маш чухал юм. Дахин давтагдах нэг үйл явцыг төслийн дараагийн бүх дэд дарааллаар баримтжуулсан байх ёстой.

Жагсаалтанд орсон асуудлууд нь байшингийн орчны мэргэжилтнүүдийн тодорхойлсон хамгийн нийтлэг асуудлууд юм. Удирдлагын зүгээс “Big-Bang” ROI-г хүргэхийг шаардаж байгаа нь маш ойлгомжгүй юм. Хэрэв та бүх ROI тооцоогоо тодорхой, бодитой хэсэг болгон задалж эхэлбэл танд ROI-ийн үнэн зөв тооцоог гаргах сайхан боломж бий.

ROI ашиг тусын талаархи асуултууд

Зөөлөн эсвэл хатуу давуу талуудаас үл хамааран та тэдгээрийн үнэ цэнийг тодорхойлохын тулд хэд хэдэн үндсэн асуултуудыг ашиглаж болно. Жишээлбэл, 1-ээс 10 хүртэлх энгийн масштабын системийг ашиглан та дараах асуултуудыг ашиглан аливаа хүчин чармайлтын үр нөлөөг хэмжиж болно.

• Та ойлголтыг хэрхэн үнэлэх вэ dati Танай компанийн энэ төслийг дагаж мөрдөх үү?
• Энэ төслийн үр дүнд гарсан үйл явцын сайжруулалтыг та хэрхэн дүгнэх вэ?
• Энэ давталтаар боломжтой болсон шинэ ойлголт, дүгнэлтийн үр нөлөөг та хэрхэн хэмжих вэ?
• Сурсан зүйлсийн үр дүнд шинэ, илүү сайн компьютерийн орчин ямар нөлөө үзүүлсэн бэ? Хэрэв эдгээр асуултын хариулт цөөхөн байвал тухайн аж ахуйн нэгж оруулсан хөрөнгө оруулалтын үнэ цэнэгүй байж магадгүй юм. Өндөр оноотой асуултууд нь үнэ цэнийн мэдэгдэхүйц өсөлтийг харуулж байгаа бөгөөд цаашдын судалгаанд гарын авлага болох ёстой. Жишээлбэл, процессыг сайжруулсан өндөр оноо нь дизайнеруудыг процесс хэрхэн сайжирсныг шалгахад хүргэдэг. Та олж авсан ололтуудын заримыг эсвэл бүхэлд нь бодитой байдаг тул мөнгөний үнэ цэнийг хялбархан ашиглах боломжтой гэдгийг олж мэдэх болно. Эхний давталтаас хамгийн их ашиг хүртэх агуулах Таны байгууллагын хүчин чармайлтын хамгийн том үр өгөөж нь ихэвчлэн эхний хэдэн давталтуудад байдаг. Эдгээр эхний хүчин чармайлт нь уламжлал ёсоор олон нийтэд хамгийн хэрэгтэй мэдээллийн агуулгыг бий болгож, дараагийн BI програмуудын технологийн суурийг бий болгоход тусалдаг. Ихэвчлэн дараагийн дараалал бүр dati агуулахын төслүүд нь бүхэлдээ аж ахуйн нэгжид бага, бага нэмэлт үнэ цэнийг авчирдаг. Энэ нь ялангуяа давталт нь шинэ сэдвүүдийг нэмэхгүй эсвэл шинэ хэрэглэгчийн нийгэмлэгийн хэрэгцээг хангахгүй бол үнэн юм.

Энэ хадгалах онцлог нь өсөн нэмэгдэж буй стекүүдэд мөн хамаарна dati түүхчид. Учир нь дараагийн хүчин чармайлт илүү ихийг шаарддаг dati ба түүнээс дээш dati цаг хугацааны явцад агуулахад цутгаж, ихэнх dati ашигласан шинжилгээнд хамаарал багатай болно. Эдгээр dati тэднийг ихэвчлэн дууддаг dati унтаа байдалд байгаа бөгөөд бараг ашигладаггүй тул тэдгээрийг хадгалах нь үргэлж үнэтэй байдаг.

Төслийн ивээн тэтгэгчдийн хувьд энэ нь юу гэсэн үг вэ? Үндсэндээ эхний ивээн тэтгэгчид хөрөнгө оруулалтын зардлаас илүү их хувийг хуваалцдаг. Эдгээр нь агуулахын өргөн хүрээний технологийн болон нөөцийн орчны давхарга, түүний дотор органикийг бий болгоход түлхэц болдог учраас энэ нь анхдагч юм.

Гэхдээ эдгээр эхний алхамууд хамгийн их үнэ цэнийг агуулдаг тул төсөл төлөвлөгчид хөрөнгө оруулалтаа зөвтгөх шаардлагатай болдог.
Таны BI санаачилгын дараа хийгдсэн төслүүд нь бага (эхнийхтэй харьцуулахад) болон шууд зардалтай байж болох ч аж ахуйн нэгжид бага үнэ цэнэ авчирдаг.

Мөн байгууллагын эзэд хуримтлалыг хаях талаар бодож эхлэх хэрэгтэй dati мөн хамаарал багатай технологиуд.

Өгөгдөл олборлолт: Олборлолт мэдээ

Архитектурын олон бүрэлдэхүүн хэсэг нь өгөгдөл олборлох технологи, техникийг өөрчлөхийг шаарддаг.
жишээлбэл, сонирхлын цэгүүдийг шалгах өөр өөр "агентууд" хэрэглэгчид, компанийн үйлдлийн системүүд болон ижил dw. Эдгээр агентууд нь борлуулалтын урамшуулалд суурилсан ирээдүйн бүтээгдэхүүний эрэлт гэх мэт pot чиг хандлагад сургагдсан дэвшилтэт мэдрэлийн сүлжээ байж болно; багцад хариу үйлдэл үзүүлэх дүрэмд суурилсан хөдөлгүүрүүд өгөгдөл нөхцөл байдал, жишээлбэл, эмнэлгийн оношлогоо, эмчилгээний зөвлөмж; эсвэл бүр онцгой байдлын талаар дээд удирдлагуудад мэдээлэх үүрэг бүхий энгийн агентууд. Ерөнхийдөө эдгээр олборлох процессууд dati si

бодит цаг хугацаанд шалгах; тиймээс тэдгээр нь хөдөлгөөнтэй бүрэн нэгдэх ёстой dati стесси.

Онлайн аналитик боловсруулалт

Онлайн аналитик

Зүсэх, зүсэх, өнхрүүлэх, өрөмдөх, дүн шинжилгээ хийх чадвартай
хэрвээ, IBM технологийн багцын хамрах хүрээ, хамрах хүрээн дотор байна. Жишээлбэл, DB2-д онлайн аналитик боловсруулалт (OLAP) функцууд байдаг бөгөөд энэ нь хэмжээст анализыг системийн хөдөлгүүрт оруулдаг. Өгөгдлийн сан ижил .

Функцууд нь SQL-д хэмжээст хэрэглүүрийг нэмж, DB2-ийн байгалийн хэсэг байхын бүх ашиг тусыг хүртдэг. OLAP интеграцийн өөр нэг жишээ бол олборлогч хэрэгсэл болох DB2 OLAP Analyzer Server юм. Энэхүү технологи нь DB2 OLAP серверийн кубуудыг хурдан бөгөөд автоматаар сканнердаж, утгыг нь олж мэдээлэх боломжийг олгодог. dati арилжааны шинжээчийн хувьд ямар ч кубын хувьд ер бусын эсвэл гэнэтийн. Эцэст нь, DW төвийн функцууд нь архитекторуудад DB2 OLAP куб серверийн профайлыг ETL процессын байгалийн хэсэг болгон шалгах боломжийг олгодог.

Орон зайн шинжилгээ Орон зайн шинжилгээ

Орон зай нь панорамад шаардлагатай аналитик зангууны (дамжуулагч) тэн хагасыг төлөөлдөг
өргөн аналитик (цаг хугацаа нь нөгөө хагасыг илэрхийлдэг). Зураг 1.1-д үзүүлсэн агуулахын атомын түвшин нь цаг хугацаа, орон зайн үндэс суурийг агуулдаг. Цагийн тэмдэг нь цаг хугацаа, хаягийн мэдээллийн зангуу шинжилгээг орон зайгаар тогтоодог. Цагийн тэмдэг нь цаг хугацаагаар, хаягийн мэдээлэл нь орон зайгаар дүн шинжилгээ хийдэг. Диаграмм нь геокодлолтыг харуулж байна - газрын зураг дээрх цэгүүд эсвэл орон зайн цэгүүд рүү хаягийг хөрвүүлэх үйл явц бөгөөд ингэснээр зай, дотор/гадаад гэх мэт ойлголтуудыг шинжилгээнд ашиглах боломжтой - атомын түвшинд хийгдэж, орон зайн шинжилгээг шинжээчдэд нээлттэй болгож байна. IBM нь Байгаль орчны системийн судалгааны хүрээлэнтэй (ESRI) хамтран боловсруулсан орон зайн өргөтгөлүүдийг хангадаг Өгөгдлийн сан DB2 нь орон зайн объектуудыг ердийн хэсэг болгон хадгалах боломжтой Өгөгдлийн сан харилцааны. db2

Spatial Extenders нь орон зайн шинжилгээний давуу талыг ашиглахын тулд бүх SQL өргөтгөлүүдийг өгдөг. Жишээлбэл, асуулга хийх SQL өргөтгөлүүд
Хаяг хоорондын зай эсвэл цэг нь тодорхойлсон олон өнцөгт талбайн дотор эсвэл гадна байгаа эсэх нь Spatial Extender-тэй аналитик стандарт юм. Дэлгэрэнгүй мэдээллийг 16-р бүлгээс үзнэ үү.

Өгөгдлийн сан-Resident Tools Tools Өгөгдлийн сан-Оршин суугч

DB2 нь задлан шинжлэхэд туслах олон SQL BI-резидент функцуудтай. Үүнд:

• Шинжилгээ хийх рекурсын функцүүд, тухайлбал “бүх боломжит нислэгийн замыг олох сан Франциско a Нью-Йорк".
• Зөвхөн OLAP технологид л тохиолддог ажлуудыг хөнгөвчлөхийн тулд эрэмбэлэх, хуримтлуулах, шоо болон нэгтгэх функцүүдийн аналитик функцүүд нь одоо компьютерийн хөдөлгүүрийн байгалийн хэсэг болжээ. Өгөгдлийн сан
• Үр дүнг агуулсан хүснэгт үүсгэх чадвар
  -ийн худалдагчид Өгөгдлийн сан удирдагчид BI-ийн илүү олон функцийг хольж ашигладаг Өгөгдлийн сан стессо.
  -ийн гол нийлүүлэгчид мэдээллийн сан Тэд BI-ийн илүү олон функцуудыг хольж байна Өгөгдлийн сан стессо.
  Энэ нь BI шийдлүүдэд илүү сайн гүйцэтгэл, илүү олон гүйцэтгэлийн сонголтыг өгдөг.
  DB2 V8-ийн онцлог, функцуудыг дараах бүлгүүдэд дэлгэрэнгүй авч үзсэн болно.
  Техникийн архитектур ба мэдээллийн менежментийн үндэс (5-р бүлэг)

• DB2 BI-ийн үндэс (6-р бүлэг)
• DB2 материалжуулсан асуулгын хүснэгтүүд (Бүлэг 7)
• DB2 OLAP функцууд (Бүлэг 13)
• DB2-ийн сайжруулсан BI функцууд (Бүлэг 15) Мэдээлэл хүргэх хялбаршуулсан систем Хүргэлтийн систем dati хялбаршуулсан

Зураг 1.1-д дүрсэлсэн архитектур нь олон тооны бүтэцтэй dati физик. Нэг нь агуулах юм dati үйл ажиллагаа явуулж байна. Ерөнхийдөө ODS нь объектод чиглэсэн, нэгдсэн, гүйдэл юм. Та жишээ нь борлуулалтын оффисыг дэмжих зорилгоор ODS барих болно. ODS борлуулалт нэмэгдэнэ dati олон янзын системээс авсан боловч зөвхөн жишээ нь өнөөдрийн гүйлгээг л хадгална. Мөн ODS-ийг өдөрт олон удаа шинэчлэх боломжтой. Үүний зэрэгцээ процессууд i-г түлхдэг dati бусад хэрэглээнд нэгтгэсэн. Энэ бүтэц нь тусгайлан нэгтгэх зорилготой юм dati одоогийн болон динамик бөгөөд үйлчилгээний агентаар хангах гэх мэт бодит цагийн аналитикийг дэмжих магадлалтай нэр дэвшигч байх болно хэрэглэгчид Бараа материалаас борлуулалтын чиг хандлагын мэдээллийг гаргаж авах замаар хэрэглэгчийн одоогийн борлуулалтын мэдээлэл. Зураг 1.1-д үзүүлсэн өөр нэг бүтэц нь dw-ийн албан ёсны төлөв юм. Энэ нь зөвхөн шаардлагатай интеграцийн гүйцэтгэлийн газар биш, чанарын хувьд dati, болон хувирлын тухай dati орж ирж буй агуулахын агуулахаас гадна найдвартай, түр хадгалах газар юм dati бодит цагийн шинжилгээнд ашиглаж болох хуулбарууд. Хэрэв та ODS эсвэл үе шатыг ашиглахаар шийдсэн бол эдгээр бүтцийг дүүргэх хамгийн сайн хэрэгслүүдийн нэг юм dati өөр өөр үйлдлийн эх сурвалжийг ашиглах нь DB2-ийн нэг төрлийн бус тархсан асуулга юм. Энэ чадварыг DB2 Relational Connect (зөвхөн асуулга) гэж нэрлэгдэх нэмэлт DB2 функцээр болон DB2 DataJoiner-ээр (тусдаа бүтээгдэхүүн нь нэг төрлийн бус тархсан RDBMS-д асуулга, оруулах, шинэчлэх, устгах чадварыг хүргэдэг) нийлүүлдэг.

Энэ технологи нь архитекторуудад боломжийг олгодог dati уях dati аналитик процесс бүхий үйлдвэрлэлийн . Технологи нь бодит цагийн аналитиктай холбогдож болох бараг бүх хуулбарлах шаардлагад дасан зохицож чаддаг төдийгүй олон төрлийн dati хамгийн алдартай нь DB2, Oracle, Sybase, SQL Server, Informix болон бусад. DB2 DataJoiner-ийг бүтцийг бөглөхөд ашиглаж болно dati ODS гэх мэт албан ёсны эсвэл агуулахад байрлуулсан байнгын ширээ нь агшин зуурын шинэчлэлтийг хурдан сэргээх эсвэл худалдахад зориулагдсан. Мэдээжийн хэрэг, эдгээр бүтэц нь өөрсдөө dati ашиглан дүүргэж болно

хуулбарлахад зориулагдсан өөр нэг чухал технологи dati, IBM DataPropagator Relational. (DataPropagator нь төв системд зориулагдсан тусдаа бүтээгдэхүүн юм. DB2 UNIX, Linux, Windows, OS/2 нь хуулбарлах үйлчилгээг агуулдаг. dati стандарт шинж чанар).
Хөдлөх өөр нэг арга dati Байгууллагын эргэн тойронд үйл ажиллагаа явуулдаг нь мессеж брокер гэж нэрлэгддэг аж ахуйн нэгжийн хэрэглээний интегратор юм. Энэхүү өвөрмөц технологи нь зорилтот болон зөөвөрлөхөд хосгүй хяналтыг олгодог. dati компанийн эргэн тойронд. IBM нь хамгийн өргөн хэрэглэгддэг мессеж брокер, MQSeries буюу дараах шаардлагыг агуулсан бүтээгдэхүүний хувилбартай. э-худалдаа, IBM WebSphere MQ.
Агуулахын болон BI орчныг дэмжихийн тулд MQ-г хэрхэн ашиглах талаар дэлгэрэнгүй ярилцахыг хүсвэл зочилно уу вэб сайт номын. Одоохондоо энэ технологи нь (MQSeries Integrator ашиглан) олж авах, өөрчлөх маш сайн хэрэгсэл гэдгийг хэлэхэд хангалттай. dati BI шийдлүүдэд ажилд авсан зорилтот ажилтнууд. MQ технологийг UDB V8-д нэгтгэж багцалсан бөгөөд энэ нь мессежийн дарааллыг DB2 хүснэгт шиг удирдах боломжтой гэсэн үг юм. Гагнуурын дарааллын мессежийн тухай ойлголт ба орчлон ертөнц Өгөгдлийн сан харилцааг хүргэх хүчирхэг орчин руу чиглүүлдэг dati.

Тэг хоцролт тэг хоцролт

IBM-ийн эцсийн стратегийн зорилго бол хоцролтгүй дүн шинжилгээ юм. тодорхойлсончлон
Gartner, BI систем нь эрэлт хэрэгцээний дагуу шинжээчдэд дүгнэлт хийх, хүлээн авах, мэдээллээр хангах чадвартай байх ёстой. Хэрхэн холих вэ гэдэг асуудал нь мэдээжийн хэрэг dati i зэрэг шаардлагатай түүхэн мэдээлэл бүхий одоогийн болон бодит цаг хугацаанд dati холбогдох чиг хандлага/загвар, эсвэл хэрэглэгчийн профайл гэх мэт задалсан ойлголт.

Ийм мэдээлэлд жишээлбэл, таних зэрэг орно хэрэглэгчид өндөр эсвэл бага эрсдэл эсвэл ямар бүтээгдэхүүн i хэрэглэгчид Тэд дэлгүүрийн сагсандаа бяслагтай бол худалдаж авах магадлал өндөр.

Хоцролтыг тэглэх нь үнэндээ хоёр үндсэн механизмаас хамаардаг:

• -ийн бүрэн нэгдэл dati BI-ийн бүтээсэн арга хэрэгсэл болон тогтсон техникээр дүн шинжилгээ хийдэг
• -ийн хүргэх систем dati Бодит цагийн аналитикийг үнэхээр ашиглах боломжтой гэдгийг баталгаажуулах үр дүнтэй Эдгээр хоцролтгүй байх урьдчилсан нөхцөл нь IBM-ийн тогтоосон болон дээр дурдсан хоёр зорилтоос ялгаатай биш юм. -ийн нягт холболт dati Энэ нь IBM-ийн тасралтгүй нэгтгэх хөтөлбөрийн нэг хэсэг юм. Мөн хүргэх системийг бий болгох dati үр ашигтай байх нь хүргэх үйл явцыг хялбаршуулах боломжтой технологиос бүрэн хамаардаг dati. Тиймээс IBM-ийн гурван зорилгын хоёр нь гурав дахь зорилгодоо хүрэхэд маш чухал юм. IBM нь агуулахын хүчин чармайлтын хувьд хоцрогдолгүй байлгахын тулд технологио ухамсартайгаар хөгжүүлж байна. Дүгнэлт / Синтез Танай BI байгууллага хүрээлэн буй орчныг бий болгох замын зураглалыг өгдөг
  давталттайгаар. Энэ нь таны бизнесийн одоогийн болон ирээдүйн хэрэгцээг тусган тохируулах ёстой. Архитектурын өргөн хүрээг хамарсан алсын хараагүй бол агуулахын давталт нь томоохон, мэдээлэл сайтай аж ахуйн нэгжийг бий болгоход бага ч гэсэн төв агуулахын санамсаргүй хэрэгжүүлэлтээс өөр зүйл биш юм. Төслийн удирдагчдад тулгарч буй хамгийн эхний бэрхшээл бол BI байгууллагыг хөгжүүлэхэд шаардагдах хөрөнгө оруулалтыг хэрхэн зөвтгөх вэ гэдэг асуудал юм. ROI тооцоо нь бараа материалын ололт амжилтын гол тулгуур хэвээр байгаа ч яг таг таамаглахад хэцүү болж байна. Энэ нь таны мөнгөний үнэ цэнийг авч байгаа эсэхийг тодорхойлох өөр аргуудыг бий болгосон. Жишээлбэл, хөрөнгө оруулалтын үнэ цэнэ2 (VOI) нь шийдэл болгон худалдан авдаг. Энэ нь архитекторуудын үүрэг юм dati Мөн төсөл төлөвлөгчид зүгээр нэг үйлчилгээ үзүүлэх бус хэрэглэгчдийн холбоод мэдээллийг зориудаар үүсгэж, хангадаг. dati. Энэ хоёрын хооронд асар их ялгаа бий. Мэдээлэл бол шийдвэр гаргах, үр дүнтэй байдалд өөрчлөлт оруулах зүйл юм; харьцангуй, би dati Тэд энэ мэдээллийг олж авах барилгын блокууд юм.

Эх сурвалжийг шүүмжилсэн ч гэсэн dati Бизнесийн эрэлт хэрэгцээг хангахын тулд BI орчин нь мэдээллийн агуулгыг бий болгоход илүү их үүрэг гүйцэтгэх ёстой. Бид хэрэглэгчдийн үйл ажиллагаа явуулах боломжтой мэдээллийн агуулгыг цэвэрлэх, нэгтгэх, өөрчлөх, эсвэл өөр аргаар бий болгох нэмэлт алхмуудыг хийх ёстой бөгөөд дараа нь эдгээр үйлдэл, шийдвэрийг үндэслэлтэй тохиолдолд BI орчинд тусгах ёстой. Хэрэв бид агуулахыг зөвхөн дээр нь үйлчлэхээр шилжүүлбэл dati, хэрэглэгчийн холбоо арга хэмжээ авахад шаардлагатай мэдээллийн агуулгыг бий болгоно гэдэгт итгэлтэй байна. Энэ нь тэдний хамт олон илүү сайн шийдвэр гаргах боломжийг баталгаажуулдаг боловч тухайн аж ахуйн нэгж нь тэдний ашигласан мэдлэг дутмаг байгаагаас болж зовж шаналж байна. он сар өдөр Архитекторууд болон төсөл төлөвлөгчид BI орчинд тодорхой төслүүдийг санаачлан хэрэгжүүлдэг тул тэд бүхэлдээ аж ахуйн нэгжийн өмнө хариуцлага хүлээдэг. BI давталтын энэхүү хоёр талт шинж чанарын энгийн жишээг эх сурвалжаас олж болно dati. Бүхий л dati Арилжааны тусгай хүсэлтийг хүлээн авсан нь эхний атомын давхаргад байх ёстой. Энэ нь аж ахуйн нэгжийн мэдээллийн хөрөнгийг хөгжүүлэх, түүнчлэн давталтанд тодорхойлсон хэрэглэгчийн тодорхой хүсэлтийг удирдах, шийдвэрлэх боломжийг олгодог.

Өгөгдлийн агуулах гэж юу вэ?

Өгөгдлийн агуулах 1990 оноос хойш мэдээллийн системийн архитектурын зүрх сэтгэл нь байсан бөгөөд мэдээллийн үйл явцыг дэмждэг, нэгдсэн платформыг санал болгодог. dati түүхийг дараагийн шинжилгээнд үндэс болгон авсан. THE өгөгдлийн агуулах тэдгээр нь үл нийцэх хэрэглээний системүүдийн ертөнцөд хялбархан нэгдэх боломжийг санал болгодог. Өгөгдлийн агуулах Энэ нь моод болон хувирчээ. Өгөгдлийн агуулах зохион байгуулж цээжлэх i dati урт хугацааны түүхэн хэтийн төлөвийн үндсэн дээр мэдээлэл, аналитик үйл явцад зайлшгүй шаардлагатай. Энэ бүхэн нь барилгын болон засвар үйлчилгээний ажилд ихээхэн бөгөөд байнгын хүчин чармайлт шаарддаг өгөгдлийн агуулах.

Тэгэхээр юу вэ а өгөгдлийн агуулахУу? А өгөгдлийн агуулах ба:

• ▪ сэдэв рүү чиглэсэн
• ▪ нэгдсэн систем
• ▪ цаг хугацааны өөрчлөлт
• ▪ тогтворгүй (цуцлахгүй)

-ийн цуглуулга dati үйл явцыг хэрэгжүүлэхэд удирдлагын шийдвэрийг дэмжихэд ашигладаг.
I dati оруулсан өгөгдлийн агуулах тэдгээр нь ихэнх тохиолдолд үйл ажиллагааны орчноос үүсдэг. The өгөгдлийн агуулах Энэ нь системийн бусад хэсгээс бие махбодийн хувьд тусдаа хадгалах нэгжээс хийгдсэн бөгөөд түүнд агуулагддаг dati Өмнө нь үйлдлийн орчноос авсан мэдээлэл дээр ажилладаг программуудаар өөрчлөгдсөн.

А-ийн шууд тодорхойлолт өгөгдлийн агуулах Энэ нь агуулахын шинж чанарыг тодорхойлсон чухал сэдэл, далд утга учиртай тул нарийн тайлбар хийх нь зүйтэй.

СЭДВИЙН ЧИГЛЭЛИЙН ЧИГЛЭЛ СЭДЭВТ

Эхний онцлог нь а өгөгдлийн агуулах Энэ нь компанийн гол субъектуудад чиглэсэн байдаг. дамжуулан үйл явцын гарын авлага dati Энэ нь программуудыг процесс, функцэд чиглүүлэхэд зориулагдсан илүү сонгодог аргаас ялгаатай бөгөөд сүүлийн үеийн удирдлагын системүүдийн ихэнх нь ашигладаг арга юм.

Үйл ажиллагааны ертөнц нь зээл, хадгаламж, банкны карт, санхүүгийн байгууллагын итгэлцэл зэрэг программууд болон функцуудыг тойрон бүтээгдсэн. Dw ертөнц нь үйлчлүүлэгч, худалдагч, бүтээгдэхүүн, үйл ажиллагаа гэх мэт үндсэн сэдвүүдийн хүрээнд зохион байгуулагддаг. Сэдвийн эргэн тойронд нийцүүлэх нь дизайн, хэрэгжилтэд нөлөөлдөг dati dw-ээс олдсон. Хамгийн гол нь гол сэдэв нь гол бүтцийн хамгийн чухал хэсэгт нөлөөлдөг.

Хэрэглээний ертөнцөд мэдээллийн баазын дизайн болон процессын дизайн хоёулаа нөлөөлдөг. dw ертөнц нь зөвхөн видео загварчлалд төвлөрдөг dati болон дизайн дээр Өгөгдлийн сан. Процессын дизайн (сонгодог хэлбэрээр) нь dw орчны нэг хэсэг биш юм.

Процесс/функцийн хэрэглээний сонголт ба сэдвийн сонголтын хоорондох ялгаа нь мөн агуулгын ялгаагаар илэрдэг. dati нарийвчилсан түвшинд. THE dati del dw i-г оруулаагүй болно dati Энэ нь программын үед DSS боловсруулахад ашиглагдахгүй

үйл ажиллагаанд чиглэсэн dati i агуулсан dati DSS-ийн шинжээчид ашиглагдах эсвэл ашиглахгүй байж болох функциональ/боловсрын шаардлагыг нэн даруй хангах.
Үйл ажиллагаанд чиглэсэн програмууд нь өөр нэг чухал арга юм dati -аас ялгаатай dati -ийн тайланд dw байна dati. би dati Ажиллагчид идэвхтэй байдаг бизнесийн дүрэмд үндэслэн хоёр ба түүнээс дээш хүснэгтийн хооронд байнгын харилцааг хадгалж байдаг. THE dati of dw нь цаг хугацааны спектрийг хамардаг бөгөөд dw-д олдсон тайлангууд олон байдаг. Худалдааны олон дүрэм (мөн үүний дагуу олон тайлангууд dati ) -ийн хувьцаанд төлөөлдөг dati хоёр ба түүнээс дээш ширээний хооронд.

(Хэрхэн хоорондын харилцааг дэлгэрэнгүй тайлбарлахыг хүсвэл dati DW-д удирдаж байгаа тул энэ талаар Техникийн сэдвээс үзнэ үү.)
Функциональ/процессын хэрэглээний сонголт ба субьектийн сонголтын үндсэн ялгаанаас өөр өнцгөөс харахад үйлдлийн систем болон үйлдлийн системүүдийн хооронд томоохон ялгаа бий юу? dati болон DW.

ИНТЕГРАЦЛЫН ИНТЕГРАЦ

dw орчны хамгийн чухал тал нь i dati dw дотроос олдсон нь амархан нэгтгэгддэг. ҮРГЭЛЖ. Үл хамаарах зүйлгүй. dw орчны үндсэн мөн чанар нь i dati агуулахын хүрээнд агуулагдах нэгдсэн .

Интеграци нь олон янзаар илэрдэг - тууштай тодорхойлсон конвенцууд, хувьсагчдыг тууштай хэмжих, тууштай кодлогдсон бүтэц, физик шинж чанарууд. dati тууштай гэх мэт.

Олон жилийн туршид янз бүрийн хэрэглээний дизайнерууд програмыг хэрхэн хөгжүүлэх талаар олон шийдвэр гаргасан. Загвар зохион бүтээгчдийн хэрэглээний хэв маяг, хувь хүний ​​дизайны шийдлүүд нь кодчиллын ялгаа, үндсэн бүтэц, физик шинж чанар, таних дүрэм гэх мэт олон янзаар илэрдэг. Олон программ зохион бүтээгчдийн нэгдмэл бус програм үүсгэх чадвар нь домогт юм. Зураг 3 нь программуудыг хэрхэн зохион бүтээх талаархи хамгийн чухал ялгааг харуулсан.

Кодлох: Кодлох:

Хэрэглээний дизайнерууд талбарын кодчилол - хүйсийг хэд хэдэн аргаар сонгосон. Дизайнер нь хүйсийг "m", "f" гэж илэрхийлдэг. Өөр нэг дизайнер хүйсийг "1", "0" гэж илэрхийлдэг. Өөр нэг загвар зохион бүтээгч нь хүйсийг "x", "y" гэж илэрхийлдэг. Өөр нэг загвар зохион бүтээгч нь хүйсийг "эрэгтэй", "эмэгтэй" гэж илэрхийлдэг. Энэ нь үнэхээр секс хэрхэн DW орох нь хамаагүй. "M" болон "F" нь ямар ч төлөөлөлтэй адил сайн байх магадлалтай.

Хамгийн гол нь сексийн талбар нь ямар ч эх сурвалжаас гаралтай, тэр талбар нь тогтвортой нэгдсэн төлөвт DW-д ирдэг. Иймээс уг талбарыг гаднаас нь "M" болон "F" форматаар харуулсан програмаас DW руу ачаалах үед dati DW формат руу хөрвүүлсэн байх ёстой.

Measurement of Attributes: Measurement of Атрибутууд:

Хэрэглээний дизайнерууд олон жилийн туршид дамжуулах хоолойг янз бүрийн аргаар хэмжихээр сонгосон. Загвар зохион бүтээгч i dati дамжуулах хоолойн см-ээр. Өөр нэг программ зохион бүтээгч хадгалдаг dati инчээр дамжуулах хоолойн . Өөр нэг программ зохион бүтээгч хадгалдаг dati секундэд сая шоо фут дамжуулах хоолойн . Мөн өөр нэг дизайнер шугам хоолойн мэдээллийг талбайн хувьд хадгалдаг. Ямар ч эх сурвалжаас үл хамааран дамжуулах хоолойн мэдээлэл DW-д ирэхэд үүнийг ижил аргаар хэмжих ёстой.

Зураг 3-т үзүүлсэнчлэн, интеграцийн асуудал нь төслийн бараг бүх тал дээр - төслийн физик шинж чанарт нөлөөлдөг dati, нэгээс илүү эх сурвалжтай байх нь эргэлздэг dati, зөрчилтэй тодорхойлсон дээжийн асуудал, форматын dati нийцэхгүй гэх мэт.

Загварын аргументаас үл хамааран үр дүн нь ижил байна - i dati i үндсэн үйлдлийн систем хадгалдаг байсан ч DW-д өвөрмөц бөгөөд дэлхий даяар хүлээн зөвшөөрөгдөх байдлаар хадгалагдах ёстой. dati.

DSS-ийн шинжээч DW-г харахад шинжээчийн анхаарлын төвд байх ёстой dati агуулахад байгаа,

итгэл үнэмшил, тууштай байдлын талаар гайхахаас илүү dati.

ХУГАЦААНЫ ТӨРӨЛТ

Бүгд би dati DW-д тэдгээр нь тодорхой цаг хугацааны хувьд үнэн зөв байдаг. Энэ үндсэн шинж чанар dati DW-ээс ихээхэн ялгаатай dati үйл ажиллагааны орчинд олдсон. THE dati үйл ажиллагааны орчин нь нэвтрэх үеийнхтэй адил нарийвчлалтай байдаг. Өөрөөр хэлбэл, нэгжид хандах үед үйл ажиллагааны орчинд dati, энэ нь хандалтын үеийнх шиг утгыг үнэн зөв тусгах төлөвтэй байна. Яагаад би dati DW-д тодорхой цаг хугацааны хувьд үнэн зөв байна (өөрөөр хэлбэл "яг одоо" биш), i dati DW-д олдсон "цаг хугацааны зөрүү".
Цаг хугацааны хэлбэлзэл dati by DW-г олон янзаар нэрлэдэг.
Хамгийн энгийн арга бол i dati DW-г илэрхийлнэ dati урт хугацааны туршид - таваас арван жил. Үйл ажиллагааны орчныг дүрсэлсэн цаг хугацааны хязгаар нь өнөөдрийн одоогийн утгуудаас жаран ерэн хүртэл богино байна.
Сайн ажиллах шаардлагатай, гүйлгээ боловсруулахад бэлэн байх шаардлагатай програмууд нь хамгийн бага хэмжээг авчрах шаардлагатай dati хэрэв тэдгээр нь ямар нэгэн хэмжээгээр уян хатан байх боломжийг олгодог бол. Тиймээс үйл ажиллагааны програмууд нь аудио програмын дизайны сэдэв гэх мэт богино хугацаатай байдаг.
DW-д "цаг хугацааны зөрүү" гарч ирэх хоёр дахь арга нь гол бүтцэд байдаг. DW-ийн гол бүтэц бүр нь өдөр, долоо хоног, сар гэх мэт цаг хугацааны элементийг далд эсвэл тодорхой агуулна. Цагийн элемент нь DW-д байдаг холбосон түлхүүрийн доод хэсэгт бараг үргэлж байдаг. Эдгээр тохиолдлуудад тухайн сар эсвэл улирлын эцэст бүхэл бүтэн файл давхардсан тохиолдолд цагийн элемент нь далд хэлбэрээр байх болно.
Хугацааны зөрүүг харуулах гурав дахь арга нь i dati зөв бүртгэгдсэн DW-г шинэчлэх боломжгүй. THE dati DW нь бүх практик зорилгоор урт цуврал агшин зуурын зургууд юм. Мэдээжийн хэрэг, агшин зуурын зургийг буруу авсан бол агшин зуурын зургийг өөрчилж болно. Гэхдээ агшин зуурын зургийг зөв авсан гэж үзвэл тэдгээрийг авсан даруйдаа өөрчлөгддөггүй. Заримд нь

DW дахь агшин зуурын зургийг өөрчилсөн нь ёс зүйгүй эсвэл бүр хүчингүй байж болно. THE dati ажиллагаатай, нэвтрэх үеийнх шигээ үнэн зөв байх тул хэрэгцээ гарвал шинэчлэгдэж болно.

ДЭГДСЭГЧ БИШ

DW-ийн дөрөв дэх чухал шинж чанар нь дэгдэмхий биш юм.
Үйлдлийн орчинд шинэчлэлт, оруулах, устгах, өөрчлөлт оруулах нь бүртгэл тус бүрээр тогтмол хийгддэг. Гэхдээ үндсэн заль мэх нь dati DW-д шаардагдах нь илүү хялбар байдаг. DW-д зөвхөн хоёр төрлийн үйл ажиллагаа явагддаг - эхний ачаалал dati болон хандах dati. -ийн шинэчлэлт байхгүй байна dati (шинэчлэх гэсэн ерөнхий утгаараа) ердийн боловсруулалтын үйл ажиллагаа гэж DW-д. Үйл ажиллагааны боловсруулалт болон DW боловсруулалтын хоорондох энэхүү үндсэн ялгаа нь маш хүчтэй үр дагавартай байдаг. Загварын түвшинд, шинэчлэгдсэнээс хойш ослын шинэчлэлтийн талаар болгоомжтой байх шаардлага нь DW-ийн хүчин зүйл биш юм. dati энэ нь хэрэгждэггүй. Энэ нь дизайны физик түвшинд нэвтрэх эрхийг оновчтой болгохын тулд эрх чөлөөг авч болно гэсэн үг юм dati, ялангуяа хэвийн байдал болон бие махбодийн хэвийн бус байдлын сэдвүүдийг шийдвэрлэхэд. DW-ийн үйл ажиллагааны энгийн байдлын өөр нэг үр дагавар нь DW орчныг ажиллуулахад ашигладаг үндсэн технологи юм. Бичлэгийн онлайн шинэчлэлтийг дэмжих шаардлагатай (үйл ажиллагааны тооцоололд ихэвчлэн тохиолддог шиг) технологи нь илэрхий энгийн байдлын доор маш нарийн төвөгтэй суурьтай байхыг шаарддаг.
Нөөцлөх, сэргээх, гүйлгээ, мэдээллийн бүрэн бүтэн байдлыг дэмждэг технологи dati түгжрэлийг илрүүлэх, арилгах нь DW боловсруулахад нэлээд төвөгтэй бөгөөд шаардлагагүй юм. DW-ийн шинж чанар, дизайны чиг баримжаа, нэгтгэх dati DW доторх, цаг хугацааны зөрүү болон удирдахад хялбар dati, энэ бүхэн нь сонгодог үйлдлийн орчноос маш их ялгаатай орчинд хүргэдэг. Бараг бүхний эх сурвалж dati -ийн DW нь үйл ажиллагааны орчин юм. Энэ нь асар их илүүдэлтэй байна гэж бодоход уруу татагддаг dati хоёр орчны хооронд.
Үнэн хэрэгтээ олон хүнд байдаг анхны сэтгэгдэл бол асар их илүүдэлтэй гэсэн сэтгэгдэл юм dati үйл ажиллагааны орчин болон орчны хооронд

DW өргөтгөл. Ийм тайлбар нь өнгөцхөн бөгөөд DW-д юу болж байгааг ойлгохгүй байгааг харуулж байна.
Үнэн хэрэгтээ цомхотгол хамгийн бага байдаг dati үйл ажиллагааны орчин болон i dati DW-ийн. Дараахь зүйлийг анхаарч үзээрэй: I dati тэдгээрийг шүүдэг өгөгдөл үйл ажиллагааны орчноос DW орчин руу шилжих. Олон dati тэд хэзээ ч үйл ажиллагааны орчноос гадуур явдаггүй. Зөвхөн тэр би dati DSS боловсруулахад шаардлагатай тэдгээр нь хүрээлэн буй орчинд чиглэлээ олдог

▪ цагийн давхрага dati энэ нь нэг орчноос нөгөөд маш их ялгаатай. THE dati үйл ажиллагааны орчинд тэд маш шинэ. THE dati DW-д тэд хамаагүй өндөр настай. Зөвхөн цаг хугацааны хэтийн төлөвөөс харахад үйл ажиллагааны орчин болон DW хооронд маш бага давхцал байдаг.

▪ DW нь агуулна dati хүрээлэн буй орчинд хэзээ ч байдаггүй хураангуй

▪ I dati Зураг 3-т шилжих үед үндсэн өөрчлөлтөд ордог нь ихэнх нь dati Тэдгээрийг сонгон DW руу шилжүүлсэн тохиолдолд ихээхэн өөрчлөгдсөн байна. Өөрөөр хэлбэл ихэнх нь dati Энэ нь DW руу шилжсэнээр физик болон эрс өөрчлөгддөг. Интеграцийн үүднээс авч үзвэл тэдгээр нь ижил биш юм dati үйл ажиллагааны орчинд оршин суух. Эдгээр хүчин зүйлсийг харгалзан илүүдэл dati хоёр орчны хоорондох ховор үзэгдэл бөгөөд хоёр орчны хооронд 1%-иас бага хэмжээний илүүдэл үүсэхэд хүргэдэг. АГУУЛАХЫН БҮТЭЦ DW нь тодорхой бүтэцтэй байдаг. DW-ийг зааглах янз бүрийн түвшний хураангуй, нарийвчилсан мэдээлэл байдаг.
DW-ийн янз бүрийн бүрэлдэхүүн хэсгүүд нь:

• Мета өгөгдөл
• мэдээ одоогийн дэлгэрэнгүй мэдээлэл
• мэдээ хуучин нарийн ширийн зүйлс
• мэдээ бага зэрэг хураангуйлсан
• мэдээ их хураангуйлсан

Одоохондоо хамгийн гол санаа зовоосон зүйл бол би dati одоогийн дэлгэрэнгүй мэдээлэл. Энэ нь хамгийн чухал асуудал бөгөөд учир нь:

• I dati Одоогийн дэлгэрэнгүй мэдээлэл нь хамгийн сүүлийн үеийн үйл явдлуудыг тусгасан бөгөөд энэ нь үргэлж сонирхол татдаг
• i dati Одоогийн нарийвчилсан өгөгдөл нь нарийн ширхэгтэй байдлын хамгийн бага түвшинд хадгалагддаг тул их хэмжээний байна
• i dati Одоогийн мэдээлэл нь бараг үргэлж дискний санах ойд хадгалагддаг бөгөөд энэ нь нэвтрэхэд хурдан боловч I-ээс үнэтэй бөгөөд төвөгтэй байдаг dati дэлгэрэнгүй мэдээлэл нь хуучирсан dati -ийн зарим санах ойд хадгалагддаг Масс. Энэ нь хааяа нэвтэрч, тохирох нарийвчлалын түвшинд хадгалагддаг dati одоогийн дэлгэрэнгүй мэдээлэл. Их хэмжээний эзэлхүүнтэй тул өөр хадгалах хэрэгсэлд хадгалах шаардлагагүй dati -ийн үе үе хүртээмжтэй нэгдсэн dati, хадгалах хэрэгсэл dati Хуучин дэлгэрэнгүй мэдээллийг ихэвчлэн дискэнд хадгалдаггүй. THE dati тэдгээрийг товчхон дүгнэв dati олсон доод түвшний нарийвчилсан түвшингээс одоогийн нарийвчлалын түвшин хүртэл нэрмэл байна. Энэ түвшний DW бараг үргэлж дискний санах ойд хадгалагддаг. Архитекторын өмнө гарч ирдэг дизайны асуудлууд dati Энэ түвшний DW-ийн барилгын ажилд дараахь зүйлс орно.

• Дээрх хураангуйг цаг хугацааны ямар нэгжээр хийсэн бэ
• Ямар агуулга, шинж чанарууд нь агуулгыг бага зэрэг хураангуйлах болно dati Дараагийн түвшин dati DW-д олдсон нь dati их хураангуйлсан. THE dati өндөр хураангуй нь авсаархан, хялбар хандах боломжтой. THE dati өндөр хураангуй нь заримдаа DW орчин болон бусад тохиолдлуудад олддог i dati өндөр хийсвэрлэл нь DW-г байрлуулсан технологийн шууд хананы гадна талд олддог. (ямар ч тохиолдолд, би dati өндөр хураангуй нь хаана ч хамаагүй DW-ийн нэг хэсэг юм i dati бие махбодийн хувьд байрлаж байна). DW-ийн эцсийн бүрэлдэхүүн хэсэг нь мета өгөгдлийн бүрэлдэхүүн хэсэг юм. Олон талаараа мета өгөгдөл нь бусдаас өөр хэмжигдэхүүнд байрладаг dati -ийн DW, учир нь мета өгөгдөл нь ямар ч агуулаагүй өгөгдөл үйл ажиллагааны орчноос шууд авсан. Мета өгөгдөл нь DW-д онцгой бөгөөд маш чухал үүрэг гүйцэтгэдэг. Мета өгөгдлийг дараах байдлаар ашигладаг.

• DSS-ийн шинжээчид DW-ийн агуулгыг олоход туслах лавлах,
• зураглалын гарын авлага dati яаж би dati үйл ажиллагааны орчноос DW орчин болж өөрчлөгдсөн,
• i хооронд нэгтгэн дүгнэхэд ашигладаг алгоритмуудын гарын авлага dati одоогийн дэлгэрэнгүй мэдээлэл ei dati бага зэрэг хураангуйлсан, i dati Дүгнэж хэлэхэд, мета өгөгдөл нь DW орчинд үйл ажиллагааны орчинтой харьцуулахад хамаагүй том үүрэг гүйцэтгэдэг. ХУУЧИН ДЭЛГЭРЭНГҮЙ ХАДГАЛАХ ДУНД Соронзон туузыг ийм төрлийн хадгалахад ашиглаж болно dati. Үнэн хэрэгтээ хуучин зүйлсийг хадгалахад анхаарах ёстой олон төрлийн хадгалах хэрэгсэл байдаг dati дэлгэрэнгүй. -ийн эзлэхүүнээс хамаарна dati, хандалтын давтамж, багаж хэрэгслийн үнэ болон хандалтын төрлийг харгалзан үзэхэд бусад хэрэгсэлд DW-ийн нарийвчлалын хуучин түвшний шаардлагатай байх магадлалтай. ӨГӨГДЛИЙН УРСГАЛ Хэвийн бөгөөд урьдчилан таамаглах боломжтой урсгал байдаг dati DW дотор.
  I dati тэдгээр нь үйл ажиллагааны орчноос DW-д ордог. (ЖИЧ: Энэ дүрэмд маш сонирхолтой үл хамаарах зүйлүүд байдаг. Гэсэн хэдий ч бараг бүгдээрээ dati үйл ажиллагааны орчноос DW оруулах). он сар өдөр би dati тэдгээр нь үйл ажиллагааны орчноос DW руу ордог бөгөөд энэ нь дээр дурдсанчлан өөрчлөгддөг. Хэрэв та DW-г оруулсан бол i dati харуулсан шиг одоогийн нарийвчлалын түвшинг оруулна уу. Энэ нь тэнд оршин суудаг бөгөөд гурван үйл явдлын аль нэг нь тохиолдох хүртэл ашиглагддаг:

• цэвэршүүлсэн,
• нэгтгэн дүгнэсэн ба/эсвэл ▪ нь DW доторх хуучирсан процесс i-г хөдөлгөдөг dati одоогийн дэлгэрэнгүй мэдээлэл a dati дэлгэрэнгүй хуучин, насны дагуу dati. Үйл явц

нэгтгэн дүгнэх нь дэлгэрэнгүй мэдээллийг ашигладаг dati -ийг тооцоолох dati бага зэрэг хураангуйлсан болон өндөр хураангуй түвшин dati. Үзүүлсэн урсгалд зарим үл хамаарах зүйлүүд байдаг (дараа хэлэлцэх болно). Гэсэн хэдий ч, ихэвчлэн, дийлэнх олонхийн хувьд dati нь DW дотор олдсон, урсгал dati энэ нь төлөөлдөг.

ӨГӨГДЛИЙН САНГ АШИГЛАХ

Янз бүрийн түвшинд байгаа нь гайхах зүйл биш юм dati DW дотор тэд өөр өөр түвшний ашиглалтыг хүлээн авдаггүй. Дүрмээр бол нэгтгэн дүгнэх түвшин өндөр байх тусам i dati тэдгээрийг ашиглаж байна.
-д олон хэрэглээ тохиолддог dati өндөр хураангуй, харин хуучин dati дэлгэрэнгүй мэдээллийг бараг ашигладаггүй. Байгууллагыг нөөцийн ашиглалтын парадигмд шилжүүлэх сайн шалтгаан бий. Дэлгэрэнгүй i dati, илүү хурдан бөгөөд илүү үр дүнтэй хүрэх болно dati. Хэрвээ дэлгүүр Энэ нь DW-ийн нарийн түвшний боловсруулалт хийдэг болохыг олж мэдсэн бөгөөд үүний дагуу маш их хэмжээний машины нөөц зарцуулагддаг. Ийм өндөр түвшний хураангуйг аль болох хурдан боловсруулах нь хүн бүрийн эрх ашигт нийцнэ.

Олон дэлгүүрийн хувьд DW-ийн өмнөх орчинд DSS-ийн шинжээчийг ашигласан dati нарийвчилсан түвшинд. Олон талаараа ирсэн нь dati нарийвчилсан мэдээлэл нь бусад түвшний хураангуйлах боломжтой байсан ч гэсэн хамгаалалтын хөнжил шиг харагддаг. Архитекторын үйл ажиллагааны нэг dati нь DSS хэрэглэгчийг байнгын хэрэглээнээс салгах явдал юм dati нарийвчлалын хамгийн доод түвшинд. Архитекторын хувьд хоёр сэдэл бий dati:

• эцсийн хэрэглэгч зарцуулсан нөөцөө төлдөг төлбөрийг буцаан олгох системийг суурилуулах e
• Энэ нь i-тэй зан үйл хийх үед маш сайн хариу үйлдэл үзүүлэх боломжтой болохыг харуулж байна dati нь нэгтгэн дүгнэх өндөр түвшинд байгаа бол хариу өгөх хугацаа муу байгаа нь тухайн хүний ​​зан үйлээс үүдэлтэй dati бага түвшинд БУСАД НИЙСЛЭЛ DW-ийн барилгын болон менежментийн бусад хэд хэдэн анхаарах зүйл бий.
  Анхаарах зүйл бол индексийн асуудал юм. THE dati хураангуй өндөр түвшинд тэдгээрийг чөлөөтэй индексжүүлж болно, харин i dati

нарийвчилсан доод түвшинд тэдгээр нь маш их хэмжээтэй тул тэдгээрийг бага зэрэг индексжүүлж болно. Үүнтэй ижил тэмдэгтээс, i dati өндөр түвшинд нарийвчилсан бүтэц харьцангуй амархан өөрчлөгддөг бол эзлэхүүн нь dati доод түвшинд энэ нь маш том тул i dati тэдгээрийг амархан сэргээж болохгүй. Үүний үр дүнд загвар нь dati зураг төслийн гүйцэтгэсэн албан ёсны ажил нь бараг зөвхөн одоогийн нарийвчлалын түвшинд хэрэглэгдэх DW-ийн үндэс суурийг тавьдаг. Өөрөөр хэлбэл, загварчлалын үйл ажиллагаа dati Тэд бараг бүх тохиолдолд нэгтгэн дүгнэх түвшинд хамаарахгүй. Өөр нэг бүтцийн асуудал бол дэд бүтцийн асуудал юм dati DW.

Хуваалтыг хоёр түвшинд хийж болно - түвшинд dbms мөн хэрэглээний түвшинд. Түвшин дэх хэлтэст dbmsтэр dbms хэлтсүүдийн талаар мэдээлэл авч, тэдгээрийн дагуу хяналт тавьдаг. Хэрэглээний түвшний хуваалтын хувьд зөвхөн програмист нь тухайн хэсгүүдийн талаар мэддэг бөгөөд тэдгээрийн удирдлагын хариуцлагыг түүнд үлдээдэг.

Түвшнээс доогуур dbms, маш олон ажил автоматаар хийгддэг. Хэлтсийн өөрөө удирдах ажилтай холбоотой уян хатан бус байдал их байна. -ийн хэлтсийн түвшний хэрэглээний хувьд dati The өгөгдлийн агуулах, ажлын ихэнх нь програмист дээр унадаг боловч эцсийн үр дүн нь удирдлагын уян хатан байдал юм dati онд өгөгдлийн агуулах

БУСАД АНОМАЛИ

Харин бүрэлдэхүүн хэсгүүд нь өгөгдлийн агуулах бараг бүх хүмүүст тайлбарласны дагуу ажиллана dati, хэлэлцэх шаардлагатай зарим ашигтай үл хамаарах зүйлүүд байдаг. Үл хамаарах зүйл бол энэ юм dati нийтийн хураангуй (нийтийн хураангуй мэдээлэл). Эдгээр нь dati -аас тооцоолсон хураангуй өгөгдлийн агуулах гэхдээ тэдгээрийг нийгэм ашигладаг. THE dati Нийтийн хураангуйг дотор хадгалж, удирддаг өгөгдлийн агуулах, хэдийгээр дээр дурьдсанчлан тэдгээрийг тооцоолсон. Нягтлан бодогчид улирал тутам ийм бүтээгдэхүүн үйлдвэрлэхээр ажилладаг dati орлого, улирлын зардал, улирлын ашиг гэх мэт. Нягтлан бодогчдын хийж байгаа ажил нь гадаад өгөгдлийн агуулах. Гэсэн хэдий ч, би dati компани дотроо “дотоод” хэрэглэдэг – from маркетинг, борлуулалт гэх мэт. Хэлэлцэхгүй өөр нэг гажиг бол энэ юм dati гадна.

Өөр нэг гайхалтай төрөл dati а-аас олж болно өгөгдлийн агуулах байнгын нарийвчилсан өгөгдөл юм. Эдгээр нь байнга хадгалах хэрэгцээг бий болгодог dati ёс зүйн болон хууль эрх зүйн шалтгаанаар нарийвчилсан түвшинд. Хэрэв компани ажилчдаа аюултай бодисоор хордуулж байгаа бол ийм хэрэгцээ байна dati нарийвчилсан бөгөөд байнгын. Хэрэв компани онгоцны эд анги гэх мэт олон нийтийн аюулгүй байдлыг хангасан бүтээгдэхүүн үйлдвэрлэдэг бол үүнийг хийх шаардлагатай байдаг dati байнгын дэлгэрэнгүй мэдээлэл, түүнчлэн компани аюултай гэрээ байгуулсан тохиолдолд.

Тус компани нарийн ширийн зүйлийг үл тоомсорлож чадахгүй, учир нь ойрын хэдэн жилийн хугацаанд шүүхэд нэхэмжлэл гаргах, эргүүлэн татах, маргаантай барилгын доголдол гэх мэт. компанийн эрсдэл их байж болно. Үүний үр дүнд өвөрмөц төрөл бий dati байнгын дэлгэрэнгүй мэдээлэл гэж нэрлэдэг.

ТУСЛАМЖ

Un өгөгдлийн агуулах Энэ нь объектод чиглэсэн, нэгдсэн, цаг хугацааны хувилбар, цуглуулга юм dati удирдлагын шийдвэр гаргах хэрэгцээг дэмжихэд тогтворгүй. А-ийн онцлох функц бүр өгөгдлийн агуулах өөрийн гэсэн үр дагавартай. Үүнээс гадна дөрвөн түвшин байдаг dati The өгөгдлийн агуулах:

• Хуучин дэлгэрэнгүй мэдээлэл
• Одоогийн дэлгэрэнгүй
• мэдээ бага зэрэг хураангуйлсан
• мэдээ өндөр хураангуй мета өгөгдөл нь бас чухал хэсэг юм өгөгдлийн агуулах. ХИЙСЭН МЭДЭЭ хадгалах тухай ойлголт dati Энэ нь сүүлийн үед олны анхаарлыг татаж, 90-ээд оны тренд болсон.Энэ нь өгөгдлийн агуулах Шийдвэр гаргахад дэмжлэг үзүүлэх систем (DSS) болон гүйцэтгэх мэдээллийн систем (EIS) зэрэг удирдлагын дэмжлэгийн системийн хязгаарлалтыг даван туулах. Хэдийгээр үзэл баримтлал нь өгөгдлийн агуулах ирээдүйтэй харагдаж байна, хэрэгжүүлэх i өгөгдлийн агуулах том хэмжээний агуулахын үйл явцын улмаас асуудалтай байж болно. Агуулахын төслийн нарийн төвөгтэй байдлыг үл харгалзан dati, олон ханган нийлүүлэгч, зөвлөхүүд хувьцаа эзэмшдэг dati хадгалах гэж маргадаг dati асуудалгүй. Гэсэн хэдий ч энэхүү судалгааны төслийн эхэнд бие даасан, нарийн, системтэй судалгаа бараг хийгээгүй байв. Тиймээс тэдгээрийг барьж байгуулахад энэ салбарт яг юу болж байгааг хэлэхэд хэцүү байдаг өгөгдлийн агуулах. Энэхүү судалгаагаар агуулахын практикийг судалсан dati Австралийн практикийн талаар илүү баялаг ойлголтыг хөгжүүлэх зорилготой орчин үеийн хүмүүс. Уран зохиолын тойм нь эмпирик судалгааны нөхцөл, үндэс суурийг өгсөн. Энэ судалгаанаас хэд хэдэн үр дүн гарсан. Нэгдүгээрт, энэхүү судалгаа нь хөгжлийн явцад гарсан үйл ажиллагааг илрүүлсэн өгөгдлийн агуулах. Олон газар, i dati цуглуулсан нь уран зохиолд дурдсан практикийг баталсан. Хоёрдугаарт, хөгжилд нөлөөлж болох асуудал, бэрхшээлүүд өгөгдлийн агуулах энэ судалгаагаар тогтоогдсон. Эцэст нь, ашиглахтай холбоотой Австралийн байгууллагуудаас олж авсан ашиг тус өгөгдлийн агуулах илэрсэн байна.

1-р бүлэг

Контекст хайх

Мэдээллийн агуулахын тухай ойлголт өргөн тархсан бөгөөд 90-ээд онд шинээр гарч ирж буй чиг хандлага болсон (McFadden 1996, TDWI 1996, Shah and Milstein 1997, Shanks et al. 1997, Eckerson 1998, Adelman and Oates 2000). Үүнийг худалдааны хэвлэлүүд дэх өгөгдлийн агуулахын талаарх нийтлэлүүдийн тоо нэмэгдэж байгаагаас харж болно (Little and Gibson 1999). Олон нийтлэл (жишээлбэл, Фишер 1995, Хакаторн 1995, Моррис 1995a, Брамблэт ба Кинг 1996, Грахам нар 1996, Сакагучи ба Фролик 1996, Альварез 1997, Брусел 1997, Кларк 1997, О. , Эдвардс 1997, TDWI 1997) хэрэгжүүлдэг байгууллагуудад ихээхэн ашиг тустай гэж мэдээлсэн өгөгдлийн агуулах. Тэд онолоо амжилттай хэрэгжүүлсэн, хөрөнгө оруулалтын өндөр өгөөж (ROI) тоон үзүүлэлтүүдээр, мөн түүнчлэн, боловсруулах удирдамж, аргачлалаар онолоо баталжээ. өгөгдлийн агуулах

(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson 1999). Онцгой тохиолдолд Graham et al. (1996) гурван жилийн хөрөнгө оруулалтын өгөөж дунджаар 401% байна.

Гэсэн хэдий ч одоогийн уран зохиолын ихэнх нь ийм төслүүдийг хэрэгжүүлэхтэй холбоотой нарийн төвөгтэй байдлыг үл тоомсорлодог. -ийн төслүүд өгөгдлийн агуулах Эдгээр нь ихэвчлэн нарийн төвөгтэй бөгөөд том хэмжээтэй байдаг тул анхааралтай хянахгүй бол бүтэлгүйтэх магадлал өндөр байдаг (Шах ба Милштейн 1997, Эккерсон 1997, Фолей 1997б, Зиммер 1997, Борт 1998, Гиббс ба Клаймер 1998, Рао 1998). Тэдгээрийг бүтээхэд асар их хүний ​​болон санхүүгийн нөөц, цаг хугацаа, хүчин чармайлт шаардагдана (Hill 1998, Crofts 1998). Ердийн цаг хугацаа, санхүүгийн хэрэгсэл нь ойролцоогоор хоёр жил, хоёроос гурван сая доллар шаардагддаг (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999). Мэдээллийн агуулахын олон янзын талыг хянаж, нэгтгэхэд энэ цаг хугацаа, санхүүгийн хэрэгсэл шаардлагатай (Cafasso 1995, Hill 1998). Техник хангамж, програм хангамжийн асуудлуудаас гадна олборлолтоос ялгаатай бусад функцууд dati -ийн ачаалах процессуудад dati, шинэчлэлт болон мета удирдах санах ойн багтаамж dati хэрэглэгчийн сургалтын хувьд авч үзэх ёстой.

Энэхүү судалгааны төсөл эхлэх үед мэдээллийн агуулахын чиглэлээр, ялангуяа Австралид эрдэм шинжилгээний судалгаа маш бага хийгдэж байсан. Энэ нь тухайн үеийн сэтгүүлүүд болон бусад эрдэм шинжилгээний бүтээлүүдээр мэдээллийн агуулахын талаар нийтлэгдсэн нийтлэл цөөхөн байснаас илт байв. Эрдэм шинжилгээний бүтээлүүдийн ихэнх нь АНУ-ын туршлагыг дүрсэлсэн байдаг. Мэдээллийн агуулахын чиглэлээр эрдэм шинжилгээний судалгаа дутмаг байгаа нь нарийн судалгаа, эмпирик судалгааны эрэлт хэрэгцээг бий болгосон (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999). Тэр дундаа хэрэгжилтийн явцын талаарх судалгаа судалгаа өгөгдлийн агуулах хэрэгжилтийн талаарх ерөнхий мэдлэгийг нэмэгдүүлэхийн тулд хийх шаардлагатай өгөгдлийн агуулах мөн ирээдүйн судалгааны ажлын үндэс суурь болно (Shanks et al. 1997, Little and Gibson 1999).

Тиймээс энэ судалгааны зорилго нь байгууллагууд i-г хэрэгжүүлж, ашиглах үед яг юу болж байгааг судлах явдал юм өгөгдлийн агуулах Австралид. Тодруулбал, энэхүү судалгаанд a өгөгдлийн агуулах, санаачилга, дизайнаас эхлээд дизайн, хэрэгжилтээр дамжуулан Австралийн байгууллагуудад дараа нь ашиглах. Нэмж дурдахад энэхүү судалгаа нь практикийг цаашид сайжруулах, үр ашиггүй байдал, эрсдэлийг багасгах эсвэл зайлсхийх боломжтой салбаруудыг тодорхойлох замаар одоогийн практикт хувь нэмэр оруулах болно. Цаашилбал, энэ нь бусад судалгаанд үндэс суурь болно өгөгдлийн агуулах Австралид байгаа бөгөөд одоо уран зохиолд байгаа орон зайг нөхөх болно.

Судалгааны асуултууд

Энэхүү судалгааны зорилго нь хэрэгжүүлэхэд хамаарах үйл ажиллагааг судлах явдал юм өгөгдлийн агуулах Австралийн байгууллагуудын хэрэглээ. Ялангуяа төслийн төлөвлөлт, боловсруулалт, ашиглалт, ашиглалт, эрсдэлтэй холбоотой элементүүдийг судалдаг. Тиймээс энэ судалгааны асуулт нь:

“Одоогийн практик ямар байна өгөгдлийн агуулах Австралид уу?"

Энэ асуултад үр дүнтэй хариулахын тулд хэд хэдэн туслах судалгааны асуултууд шаардлагатай. Ялангуяа энэхүү судалгааны төслийг удирдан чиглүүлэхийн тулд 2-р бүлэгт үзүүлсэн ном зохиолоос гурван дэд асуултыг тодорхойлсон: өгөгдлийн агуулах Австралийн байгууллагууд? Ямар асуудал тулгараад байна вэ?

Ямар ашиг тусыг нь мэдэрсэн бэ?
Эдгээр асуултад хариулахын тулд судалгааг ашигласан хайгуулын судалгааны загварыг ашигласан. Хайгуулын судалгааны хувьд дээрх асуултуудын хариулт бүрэн биш байна (Shanks et al. 1993, Denscombe 1998). Энэ тохиолдолд эдгээр асуултын хариултыг сайжруулахын тулд зарим гурвалжинг хийх шаардлагатай. Гэсэн хэдий ч мөрдөн байцаалтын ажиллагаа нь эдгээр асуултыг судлах ирээдүйн ажилд баттай суурь өгөх болно. Судалгааны аргын үндэслэл, дизайны талаар дэлгэрэнгүй ярилцлагыг 3-р бүлэгт үзүүлэв.

Судалгааны төслийн бүтэц

Энэхүү судалгааны төсөл нь өгөгдлийн агуулахын үзэл баримтлалын контекст судалгаа ба эмпирик судалгаа (Зураг 1.1-ийг үз) гэсэн хоёр хэсэгт хуваагдаж, тус бүрийг доор авч үзнэ.

I хэсэг: Контекст судлал

Судалгааны эхний хэсэг нь шийдвэр гаргахад дэмжлэг үзүүлэх систем (DSS), гүйцэтгэх мэдээллийн систем (EIS) гэх мэт янз бүрийн төрлийн өгөгдлийн агуулахын талаархи одоогийн уран зохиолын тойм, жишээ судалгаанаас бүрдсэн. өгөгдлийн агуулах тухай ойлголтууд өгөгдлийн агуулах. Мөн форумын үр дүн өгөгдлийн агуулах Монаш DSS судалгааны бүлгээр ахлуулсан шинжээч, дадлагажигч нарын уулзалтын бүлгүүд судалгааны энэ үе шатанд хувь нэмрээ оруулсан бөгөөд энэ нь практикийн талаар ойлголттой болох зорилготой байв. өгөгдлийн агуулах мөн тэдгээрийг үрчлүүлэхэд учирч болох эрсдлийг тодорхойлох. Контекст судалгааны энэ хугацаанд дараагийн эмпирик судалгаанд мэдлэгийн баазыг хангах үүднээс асуудлын талбарын талаархи ойлголтыг бий болгосон. Гэсэн хэдий ч энэ нь судалгааны судалгаа хийгдсэн тул тасралтгүй үйл явц байв.

II хэсэг: Эмпирик судалгаа

Мэдээллийн агуулахын харьцангуй шинэ үзэл баримтлал, ялангуяа Австралид хэрэглээний туршлагын талаар өргөн хүрээний дүр зургийг авахын тулд судалгаа хийх хэрэгцээг бий болгосон. Энэ хэсгийг уран зохиолын өргөн хүрээний тоймоор асуудлын талбарыг тогтоосны дараа гүйцэтгэсэн. Контекст судалгааны үе шатанд бий болсон мэдээллийн агуулахын үзэл баримтлалыг энэхүү судалгааны эхний асуулгад орц болгон ашигласан. Үүний дараа асуулгын хуудсыг хянаж үзсэн. Та мэргэжилтэн мөн үү өгөгдлийн агуулах шалгалтанд оролцсон. Анхны асуулгыг шалгах зорилго нь асуултуудын бүрэн бүтэн байдал, үнэн зөвийг шалгах явдал байв. Туршилтын үр дүнд үндэслэн асуулгад өөрчлөлт оруулж, өөрчилсөн хувилбарыг судалгаанд оролцогчдод шуудангаар илгээсэн. Дараа нь буцаасан асуулгад дүн шинжилгээ хийсэн dati хүснэгт, диаграм болон бусад хэлбэрээр. THE

шинжилгээний үр дүн dati Австрали дахь өгөгдлийн агуулахын практикийн агшин зургийг бүрдүүлэх.

ӨГӨГДЛИЙН АГУУЛГЫН ТОЙМ

Мэдээллийн агуулахын тухай ойлголт нь компьютерийн технологийн дэвшлийг дагаад хөгжиж ирсэн.
Энэ нь Шийдвэр гаргахад дэмжлэг үзүүлэх систем (DSS) болон Гүйцэтгэх мэдээллийн систем (EIS) зэрэг програм хангамжийг дэмжих бүлгүүдэд тулгардаг бэрхшээлийг даван туулахад чиглэгддэг.

Өнгөрсөн хугацаанд эдгээр аппликешнүүдийн хамгийн том саад бэрхшээл нь эдгээр програмуудыг хангах боломжгүй байсан мэдээллийн сан шинжилгээнд шаардлагатай.
Энэ нь удирдлагын ажлын онцлогоос голлон шалтгаалдаг. Хамрах хүрээнээс хамаарч компанийн удирдлагын ашиг сонирхол байнга өөр өөр байдаг. Тиймээс би dati Эдгээр хэрэглээний үндэс нь эмчлэх хэсгээс хамааран хурдан өөрчлөгдөх чадвартай байх ёстой.
Энэ нь би гэсэн үг dati шаардлагатай шинжилгээнд тохирсон хэлбэрээр бэлэн байх ёстой. Үнэн хэрэгтээ, програм хангамжийг дэмжих бүлгүүд өмнө нь цуглуулж, нэгтгэхэд маш хэцүү байсан dati нарийн төвөгтэй, олон янзын эх сурвалжаас.

Энэ хэсгийн үлдсэн хэсэг нь мэдээллийн агуулахын тухай ойлголтыг тоймлон танилцуулж, үүнийг хэрхэн ашиглах талаар авч үзэх болно өгөгдлийн агуулах програмыг дэмжих бүлгүүдийн асуудлыг даван туулж чадна.
Нэр томъёо ньӨгөгдлийн агуулах1990 онд Уильям Инмон дэлгэрүүлсэн. Түүний байнга иш татдаг тодорхойлолт нь: Өгөгдлийн агуулах -ийн цуглуулга болгон dati Удирдлагын шийдвэрт дэмжлэг үзүүлэх субьектэд чиглэсэн, нэгдсэн, тогтворгүй, цаг хугацааны хувьд хувьсах.

Энэ тодорхойлолтыг ашиглан Инмон онцолж байна i dati а-д оршин суудаг өгөгдлийн агуулах дараах 4 шинж чанарыг агуулсан байх ёстой.

• ▪ Сэдвэд чиглэсэн
• ▪ Нэгдсэн
• ▪ Дэгдэмхий бус
• ▪ Цаг хугацааны хувьд хувьсагч Субьект баримжаагаар Инмон гэдэг нь i dati онд өгөгдлийн агуулах хамгийн том зохион байгуулалтын чиглэлээр

загварт тодорхойлсон dati. Жишээлбэл, бүгд dati тухай би хэрэглэгчид сэдвийн хэсэгт агуулагдаж байна Хэрэглэгчид. Үүнтэй адил бүгд dati бүтээгдэхүүнтэй холбоотой БҮТЭЭГДЭХҮҮН сэдвийн хэсэгт багтсан болно.

Integrated Inmon гэдэг нь i dati өөр өөр платформ, систем, байршлаас нэгтгэж, нэг газар хадгалдаг. Үүний үр дүнд dati амархан нэмж, харьцуулахын тулд ижил төстэй хэлбэрүүдийг тогтвортой формат болгон хувиргах ёстой.
Жишээлбэл, эрэгтэй, эмэгтэй хүйсийг нэг системд M ба F үсгээр, нөгөө системд 1 ба 0-ээр илэрхийлдэг. Тэдгээрийг зөв нэгтгэхийн тулд нэг эсвэл хоёр форматыг хоёр формат тэнцүү байлгахын тулд өөрчлөх шаардлагатай. Энэ тохиолдолд бид M-г 1, F-г 0 болгож эсвэл эсрэгээр өөрчилж болно. Субъект баримжаа болон нэгдсэн нь гэдгийг харуулж байна өгөгдлийн агуулах функциональ болон хөндлөн алсын харааг хангах зорилготой юм dati компаниас.

Non-volatile гэж тэрээр би гэсэн үг dati онд өгөгдлийн агуулах тууштай хэвээр байх ба шинэчлэх dati энэ нь шаардлагагүй. Харин оронд нь аливаа өөрчлөлт dati эх хувь нэмсэн байна Өгөгдлийн сан The өгөгдлийн агуулах. Энэ нь тухайн үеийн түүхч dati -д агуулагддаг өгөгдлийн агуулах.

Хугацаатай хувьсагчдын хувьд Инмон нь i гэдгийг харуулж байна dati онд өгөгдлийн агуулах үргэлж хэмнэлтийн үзүүлэлтүүдийг агуулна ei dati Тэд ихэвчлэн тодорхой цаг хугацааны хязгаарыг давж гардаг. Жишээ нь а
өгөгдлийн агуулах -ийн 5 жилийн түүхэн үнэт зүйлсийг агуулж болно хэрэглэгчид 1993 оноос 1997 он хүртэл. Түүхэн болон цаг хугацааны цувралын бэлэн байдал. dati чиг хандлагыг шинжлэх боломжийг танд олгоно.

Un өгөгдлийн агуулах тэр өөрөө цуглуулж чадна dati OLTP системээс; гарал үүслээс dati байгууллагын гаднах болон/эсвэл бусад тусгай барих системийн төслүүдээс dati.
I dati хандыг цэвэрлэх процессоор дамжуулж болно, энэ тохиолдолд i dati -д хадгалахаасаа өмнө хувиргаж, нэгтгэдэг Өгөгдлийн сан The өгөгдлийн агуулах. Тэгээд би dati

дотор оршин суудаг Өгөгдлийн сан The өгөгдлийн агуулах эцсийн хэрэглэгчийн нэвтрэх болон сэргээх хэрэгсэлд ашиглах боломжтой болгосон. Эдгээр хэрэгслийг ашиглан эцсийн хэрэглэгч тухайн байгууллагын нэгдсэн дүр төрхийг үзэх боломжтой dati.

I dati дотор оршин суудаг Өгөгдлийн сан The өгөгдлийн агуулах тэдгээр нь нарийвчилсан болон хураангуй хэлбэрээр хадгалагддаг.
Дүгнэлтийн түвшин нь шинж чанараас хамаарч болно dati. би dati нарийвчилсан хэсгээс бүрдэж болно dati одоогийн ба dati түүхүүд
I dati real -д ороогүй болно өгөгдлийн агуулах би хүртэл dati онд өгөгдлийн агуулах дахин шинэчлэгдэж байна.
хадгалахаас гадна dati өөрсдөө, а өгөгдлийн агуулах Энэ нь бас өөр төрлийн хадгалах боломжтой өгөгдөл i-г дүрсэлсэн METADATA гэж нэрлэдэг dati түүний байранд оршин суудаг Өгөгдлийн сан.
Хоёр төрлийн мета өгөгдөл байдаг: хөгжүүлэлтийн мета өгөгдөл ба шинжилгээний мета өгөгдөл.
Хөгжлийн мета өгөгдлийг олборлох, цэвэрлэх, зураглах, байршуулах үйл явцыг удирдах, автоматжуулахад ашигладаг dati онд өгөгдлийн агуулах.
Хөгжлийн мета өгөгдөлд агуулагдах мэдээлэл нь үйлдлийн системийн дэлгэрэнгүй мэдээлэл, задлах элементүүдийн дэлгэрэнгүй мэдээлэл, загвар зэргийг агуулж болно. dati The өгөгдлийн агуулах болон өгөгдлийг хөрвүүлэх бизнесийн дүрэм dati.

Аналитик мета өгөгдөл гэгддэг хоёрдахь төрлийн мета өгөгдөл нь эцсийн хэрэглэгчдэд тухайн мэдээллийн агуулгыг судлах боломжийг олгодог. өгөгдлийн агуулах би олох dati боломжтой ба тэдгээрийн утгыг тодорхой, техникийн бус үг хэллэгээр илэрхийлнэ.

Тиймээс аналитик мета өгөгдөл нь тэдгээрийн хооронд гүүр болж ажилладаг өгөгдлийн агуулах болон эцсийн хэрэглэгчийн програмууд. Энэхүү мета өгөгдөл нь бизнесийн загвар, тайлбарыг агуулж болно dati бизнесийн загварт тохирсон, урьдчилан тодорхойлсон асуулга, тайлан, хэрэглэгчийн хандалтын мэдээлэл, индекс.

Шинжилгээ болон хөгжүүлэлтийн мета өгөгдлийг зөв ажиллуулахын тулд нэг нэгдсэн агуулах мета өгөгдөлд нэгтгэх ёстой.

Харамсалтай нь одоо байгаа олон хэрэгслүүд өөрсдийн мета өгөгдөлтэй бөгөөд одоогоор стандарт байхгүй байна

өгөгдлийн агуулахын хэрэгслүүдэд энэ мета өгөгдлийг нэгтгэхийг зөвшөөрөх. Энэ байдлыг арилгахын тулд мэдээллийн агуулахын тэргүүлэх хэрэгслийн олон үйлдвэрлэгчид Мета Дата Зөвлөлийг байгуулж, дараа нь Мета Дата Эвсэл болсон.

Энэхүү эвслийн зорилго нь өөр өөр мэдээллийн агуулах хэрэгслийг мета өгөгдлийг хөрвүүлэх боломжийг олгодог стандарт мета өгөгдлийн багцыг бий болгох явдал юм.
Тэдний хүчин чармайлтын үр дүнд Microsoft-ын архив болон холбогдох MDIS файлуудын хооронд мэдээлэл солилцох боломжийг олгох Мета Мэдээллийн Солилцооны Тодорхойлолт (MDIS) бий болсон.

оршихуй dati хураангуй/индексжүүлсэн болон нарийвчилсан аль аль нь, энэ нь хэрэглэгчдэд дараахаас ӨРӨМДӨХ (өрөмдлөг) хийх боломжийг олгодог. dati Нарийвчилсан болон эсрэгээр нь индексжүүлсэн. оршихуй dati нарийвчилсан түүх нь цаг хугацааны явцад чиг хандлагын дүн шинжилгээ хийх боломжийг олгодог. Нэмж дурдахад шинжилгээний мета өгөгдлийг del лавлах болгон ашиглаж болно Өгөгдлийн сан The өгөгдлийн агуулах эцсийн хэрэглэгчдэд i-г олоход нь туслах dati шаардлагатай.

OLTP системүүдтэй харьцуулахад шинжилгээг дэмжих чадвартай dati болон тайлагнах, the өгөгдлийн агуулах Энэ нь асуулга явуулах, хариулах, тайлан гаргах зэрэг мэдээллийн процессуудад илүү тохиромжтой систем гэж үздэг. Дараагийн хэсэгт хоёр системийн ялгааг нарийвчлан тодруулах болно.

ӨГӨГДЛИЙН АГУУЛАХ OLTP СИСТЕМИЙН ЭСРЭГ

Байгууллагын мэдээллийн олон систем нь өдөр тутмын үйл ажиллагааг дэмжих зорилготой юм. OLTP SYSTEMS гэгддэг эдгээр системүүд нь өдөр бүр шинэчлэгдэж байдаг гүйлгээг бүртгэдэг.

I dati Эдгээр системүүдийн дотор тэдгээрийг ихэвчлэн өөрчилдөг, нэмдэг эсвэл устгадаг. Жишээлбэл, үйлчлүүлэгч нэг газраас нөгөө рүү шилжих үед хаяг нь өөрчлөгддөг. Энэ тохиолдолд хаягийн талбарыг өөрчлөх замаар шинэ хаягийг бүртгэнэ Өгөгдлийн сан. Эдгээр системийн гол зорилго нь гүйлгээний зардлыг бууруулж, боловсруулах хугацааг багасгах явдал юм. OLTP системийн жишээнд захиалгын тэмдэглэл хөтлөх, цалингийн хуудас, нэхэмжлэх, үйлдвэрлэл, харилцагчийн үйлчилгээ зэрэг чухал үйлдлүүд багтана. хэрэглэгчид.

Гүйлгээ, үйл явдалд суурилсан процессуудад зориулагдсан OLTP системээс ялгаатай нь i өгөгдлийн агуулах аналитик дээр суурилсан үйл явцын дэмжлэг үзүүлэх зорилгоор бүтээгдсэн dati шийдвэр гаргах үйл явцын талаар.

Үүнд ихэвчлэн i-г нэгтгэснээр хүрдэг dati янз бүрийн OLTP болон гадаад системүүдээс нэг "саванд" dati, өмнөх хэсэгт дурдсанчлан.

Monash мэдээллийн агуулахын үйл явцын загвар

Үйл явцын загвар өгөгдлийн агуулах Monash-ийг Monash DSS Research Group-ийн судлаачид боловсруулсан бөгөөд ном зохиол дээр үндэслэсэн болно өгөгдлийн агуулах, хөгжүүлэлтийг дэмжих системийн талбарт туршлага, ашиглах програм үйлдвэрлэгчидтэй хийсэн хэлэлцүүлэг өгөгдлийн агуулах, ашиглах шинжээчдийн бүлэг дээр өгөгдлийн агуулах.

Үе шатууд нь: Санаачлах, төлөвлөх, боловсруулах, үйл ажиллагаа, тайлбар. Диаграмм нь хөгжлийн давталт эсвэл хувьслын шинж чанарыг тайлбарладаг өгөгдлийн агуулах янз бүрийн үе шатуудын хооронд байрлуулсан хоёр талын сумыг ашиглан процесс. Энэ нөхцөлд "давталт" ба "хувьслын" гэдэг нь үйл явцын алхам бүрт хэрэгжүүлэх үйл ажиллагаа өмнөх үе шат руугаа үргэлж ухрах боломжтой гэсэн үг юм. Энэ нь төслийн онцлогтой холбоотой өгөгдлийн агуулах эцсийн хэрэглэгчийн нэмэлт хүсэлт ямар ч үед гарч ирдэг. Жишээлбэл, аливаа үйл явцын хөгжлийн үе шатанд өгөгдлийн агуулахХэрэв анхны төлөвлөгөөнд ороогүй шинэ сэдэв эсвэл талбайг эцсийн хэрэглэгч хүссэн бол үүнийг системд нэмэх шаардлагатай. Энэ нь төслийн өөрчлөлтөд хүргэдэг. Үүний үр дүнд дизайны баг дизайны үе шатанд өнөөг хүртэл бий болсон баримт бичгийн шаардлагыг өөрчлөх шаардлагатай болсон. Ихэнх тохиолдолд төслийн өнөөгийн байдал нь дизайны үе шат руу буцах ёстой бөгөөд үүнд шинэ шаардлагыг нэмж, баримтжуулах шаардлагатай болдог. Эцсийн хэрэглэгч нь хянаж үзсэн тодорхой баримт бичиг, хөгжлийн үе шатанд хийгдсэн өөрчлөлтүүдийг харах боломжтой байх ёстой. Энэхүү хөгжлийн мөчлөгийн төгсгөлд төсөл нь хөгжүүлэгчид болон хэрэглэгчийн багаас сайн санал хүсэлтийг авах шаардлагатай. Дараа нь ирээдүйн төслийг сайжруулахын тулд санал хүсэлтийг дахин ашигладаг.

Хүчин чадлын төлөвлөлт
dw нь маш том хэмжээтэй бөгөөд маш хурдан өсөх хандлагатай байдаг (Best 1995, Rudin 1997a). dati үргэлжлэх хугацаанаас нь хадгалсан түүхэн . Өсөлт нь мөн үүнээс үүдэлтэй байж болно dati үнэ цэнийг нэмэгдүүлэхийн тулд хэрэглэгчдийн хүсэлт гаргасан нэмэлт dati тэдэнд аль хэдийн байгаа. Иймээс хадгалалтын шаардлагад dati мэдэгдэхүйц сайжруулж болно (Экерсон 1997). Иймээс хүчин чадлын төлөвлөлтийг хийснээр бүтээгдэх систем хэрэгцээ өсөхийн хэрээр өсөх боломжтой байх нь чухал юм (Best 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a).
Өгөгдлийн агуулахын өргөтгөлийг төлөвлөхдөө агуулахын хүлээгдэж буй өсөлт, хийгдэх асуултуудын төрлүүд, дэмжигдсэн эцсийн хэрэглэгчдийн тоог мэдэж байх ёстой (Best 1995, Rudin 1997b, Foley 1997a). Өргөтгөх боломжтой програмуудыг бүтээхэд өргөтгөх боломжтой серверийн технологи болон өргөтгөх боломжтой програмын дизайны техникийг хослуулах шаардлагатай (Best 1995, Rudin 1997b. Аль аль нь өндөр масштабтай програм бүтээхэд зайлшгүй шаардлагатай. Өргөтгөх боломжтой серверийн технологиуд нь хадгалах сан, санах ой болон CPU-г нэмэхэд хялбар бөгөөд зардал багатай болгодог. гутаан доромжилсон гүйцэтгэл (Lang 1997, Telephony 1997).

Өргөтгөх боломжтой серверийн хоёр үндсэн технологи байдаг: тэгш хэмтэй олон боловсруулалт (SMP) ба их хэмжээний зэрэгцээ боловсруулалт (MPP) ) (IDC 1997, Humphries et al. 1999). SMP сервер нь ихэвчлэн санах ой, системийн автобус болон бусад нөөцийг хуваалцдаг олон процессортой байдаг (IDC 1997, Humphries et al. 1999). Үүнийг нэмэгдүүлэхийн тулд нэмэлт процессор нэмж болно эрчим хүч тооцооллын. Үүнийг нэмэгдүүлэх өөр нэг арга эрчим хүч SMP серверийн тооцоолол нь олон тооны SMP машинуудыг нэгтгэх явдал юм. Энэ аргыг кластер гэж нэрлэдэг (Humphries et al. 1999). Харин MPP сервер нь тус бүр өөрийн санах ой, автобусны систем болон бусад нөөцтэй олон процессортой байдаг (IDC 1997, Humphries et al. 1999). Процессор бүрийг зангилаа гэж нэрлэдэг. -ийн өсөлт эрчим хүч тооцоолол авч болно

MPP серверүүдэд нэмэлт зангилаа нэмэх (Humphries et al. 1999).

SMP серверүүдийн сул тал нь хэт олон оролт-гаралтын (I/O) үйлдлүүд нь автобусны системд түгжрэл үүсгэдэг (IDC 1997). Процессор бүр өөрийн автобусны системтэй тул MPP серверт ийм асуудал гардаггүй. Гэсэн хэдий ч зангилаа бүрийн хоорондын холболт нь SMP автобусны системээс хамаагүй удаан байдаг. Цаашилбал, MPP серверүүд нь програм хөгжүүлэгчдэд нэмэлт төвөгтэй байдлыг нэмж өгдөг (IDC 1997). Тиймээс SMP болон MPP серверүүдийн сонголтод програмын нарийн төвөгтэй байдал, үнэ/гүйцэтгэлийн харьцаа, шаардагдах дамжуулах чадвар, урьдчилан сэргийлэх dw програмууд, хэмжээ нэмэгдэх зэрэг олон хүчин зүйл нөлөөлж болно. Өгөгдлийн сан dw болон эцсийн хэрэглэгчдийн тоогоор.

Хүчин чадлыг төлөвлөхдөө хэд хэдэн өргөтгөх боломжтой хэрэглээний дизайны арга техникийг ашиглаж болно. Өдөр, долоо хоног, сар, жил гэх мэт янз бүрийн тайлангийн үеийг ашигладаг. Янз бүрийн мэдэгдлийн хугацаатай, the Өгөгдлийн сан удирдаж болохуйц бүлэглэсэн хэсгүүдэд хувааж болно (Inmon et al. 1997). Өөр нэг арга бол нэгтгэн дүгнэх замаар бүтээгдсэн хураангуй хүснэгтүүдийг ашиглах явдал юм dati da dati дэлгэрэнгүй. Тиймээс, би dati хураангуй нарийвчилсан гэхээсээ илүү авсаархан байдаг нь санах ойн зай бага шаарддаг. Тиймээс dati Дэлгэрэнгүй мэдээллийг хямд үнэтэй хадгалах төхөөрөмжид архивлаж болох бөгөөд энэ нь илүү их хадгалах сан хэмнэх болно. Хураангуй хүснэгтийг ашиглах нь хадгалах зайг хэмнэж болох ч тэдгээрийг одоогийн, бизнесийн хэрэгцээнд нийцүүлэн байлгахын тулд маш их хүчин чармайлт шаарддаг. Гэсэн хэдий ч энэ техникийг өргөн ашигладаг бөгөөд өмнөх техниктэй хослуулан ихэвчлэн ашигладаг (Best 1995, Inmon 1996a, Chauduri and Dayal).
1997).

Тодорхойлолт Өгөгдлийн агуулах Technical Architectures dw архитектурын техникүүдийн тодорхойлолт

Мэдээллийн агуулахыг эрт нэвтрүүлэгчид үндсэндээ мэдээллийн төвлөрсөн агуулахын хэрэгжилтийг төсөөлж байсан. dati, үүнд би dati гадаад, нэгдмэл байдлаар нэгдсэн,
физик хадгалах газар (Inmon 1996a, Bresnahan 1996, Peacock 1998).

Энэхүү аргын гол давуу тал нь эцсийн хэрэглэгчдэд тухайн байгууллагын хэмжээнд хандах боломжтой байдаг dati зохион байгуулалтын (Ovum 1998). Өөр нэг давуу тал нь стандартчилалыг санал болгодог dati Байгууллага даяар, энэ нь репозиторын мета өгөгдөлд хэрэглэгддэг нэр томъёо бүрийн хувьд зөвхөн нэг хувилбар эсвэл тодорхойлолт байдаг гэсэн үг юм (Flanagan and Safdie 1997, Ovum 1998). Нөгөө талаар энэ аргын сул тал нь өндөр өртөгтэй, барихад хүндрэлтэй байдаг (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998). Хадгалах архитектурын дараа удалгүй dati төвлөрсөн байдал түгээмэл болж, бурхдын хамгийн жижиг дэд бүлгүүдийг олборлох тухай ойлголт бий болсон dati тодорхой хэрэглээний хэрэгцээг дэмжих (Varney 1996, IDC 1997, Berson and Smith 1997, peacock 1998). Эдгээр жижиг системүүд нь том системээс гаралтай өгөгдлийн агуулах төвлөрсөн. Тэднийг нэрлэсэн өгөгдлийн агуулах ажилтны хэлтэс эсвэл ажилтны мэдээллийн зах. Хамааралтай дата захын архитектурыг гурван шатлалт архитектур гэж нэрлэдэг бөгөөд эхний шат нь дараах хэсгээс бүрддэг өгөгдлийн агуулах төвлөрсөн, хоёр дахь нь ордуудаас бүрддэг dati хэлтэс, гурав дахь нь хандахаас бүрдэнэ dati мөн шинжилгээний хэрэгслээр (Demarest 1994, Inmon et al. 1997).

Өгөгдлийн захуудыг ихэвчлэн дараа нь бүтээдэг өгөгдлийн агуулах тодорхой нэгжүүдийн хэрэгцээг хангах зорилгоор төвлөрсөн байгууламжийг барьсан (White 1995, Varney 1996).
Data marts дэлгүүр i dati тодорхой нэгжид хамааралтай (Inmon et al. 1997, Inmon et al. 1998, IA 1998).

Энэ аргын давуу тал нь байхгүй байх болно өгөгдөл нэгтгэгдээгүй бөгөөд i dati бүхнээс хойш data marts дотор илүү бага байх болно dati -ийн ордоос гаралтай dati нэгдсэн. Өөр нэг давуу тал нь дата зах болон түүний эх сурвалжуудын хооронд цөөн холбоос байх болно dati учир нь data mart бүр зөвхөн нэг эх сурвалжтай dati. Мөн энэхүү архитектурыг ашигласнаар эцсийн хэрэглэгчид хандах боломжтой хэвээр байна dati

корпорацийн байгууллагууд. Энэ аргыг дээрээс доошоо арга гэж нэрлэдэг ба энд дата мартсуудыг дараа нь байгуулдаг өгөгдлийн агуулах (тогос 1998, Гофф 1998).
Үр дүнг эрт харуулах хэрэгцээ нэмэгдэж байгаа тул зарим байгууллагууд бие даасан дата маркетинг байгуулж эхэлсэн (Flanagan and Safdie 1997, White 2000). Энэ тохиолдолд дата мартууд өөрсдийнхөө авдаг dati -ийн үндсээс шууд dati Төвлөрсөн болон нэгдсэн репозитороос OLTP болон OLTP бус, ингэснээр төв репозиторыг байрлуулах шаардлагагүй болно.

Data mart бүр өөрийн эх сурвалжтай дор хаяж нэг холбоосыг шаарддаг dati. Дата март бүртэй олон холбоостой байхын нэг сул тал нь өмнөх хоёр архитектуртай харьцуулахад хэт их байдаг. dati мэдэгдэхүйц нэмэгддэг.

Дата зах бүр бүгдийг хадгалах ёстой dati OLTP системд ямар ч нөлөө үзүүлэхгүйн тулд орон нутгийн хэмжээнд шаардлагатай. Энэ нь i dati тэдгээр нь өөр өөр мэдээллийн захад хадгалагддаг (Inmon et al. 1997). Энэхүү архитектурын өөр нэг сул тал нь өгөгдлийн захууд болон тэдгээрийн мэдээллийн эх сурвалжуудын хооронд нарийн төвөгтэй харилцан холболтыг бий болгоход хүргэдэг. dati хэрэгжүүлэх, хянахад хэцүү байдаг (Inmon et al. 1997).

Өөр нэг сул тал нь эцсийн хэрэглэгчид компанийн мэдээллийн тоймыг үзэх боломжгүй байдаг, учир нь i dati өөр өөр өгөгдлийн захууд нэгдмэл биш байна (Ovum 1998).
Өөр нэг сул тал бол дата зах зээлд ашигладаг нэр томьёо бүрийн хувьд нэгээс олон тодорхойлолт байж болох бөгөөд энэ нь хоорондоо зөрчилддөг. dati байгууллагад (Ovum 1998).
Дээр дурдсан сул талуудыг үл харгалзан бие даасан дата зах нь олон байгууллагын сонирхлыг татсаар байна (IDC 1997). Тэдний сонирхол татахуйц нэг хүчин зүйл бол тэд илүү хурдан хөгжиж, цаг хугацаа, нөөц бага шаарддаг явдал юм (Бреснахан 1996, Берсон ба Смит 1997, Овум 1998). Иймээс тэдгээр нь төслийн ашиг тус ба/эсвэл төгс бус байдлыг хурдан тодорхойлоход хэрэглэгдэх туршилтын төслүүд болж үйлчилдэг (Parsaye 1995, Braly 1995, Newing 1996). Энэ тохиолдолд туршилтын төсөлд хэрэгжүүлэх хэсэг нь жижиг боловч байгууллагын хувьд чухал байх ёстой (Newing 1996, Mansell-Lewis 1996).

Прототипийг шалгаснаар эцсийн хэрэглэгчид болон захиргаа төслийг үргэлжлүүлэх эсвэл зогсоох эсэхээ шийдэж чадна (Flanagan and Safdie 1997).
Шийдвэрээ үргэлжлүүлэхээр бол бусад салбаруудад зориулсан дата захуудыг нэг нэгээр нь барих хэрэгтэй. Бие даасан өгөгдлийн матрицыг бий болгох хэрэгцээ шаардлагад тулгуурлан эцсийн хэрэглэгчдийн хувьд нэгдсэн/холбоотой болон нэгтгэгдээгүй хоёр сонголт байдаг (Ovum 1998)

Эхний аргын хувьд шинэ дата зах бүрийг одоогийн өгөгдөл болон загвар дээр үндэслэн бүтээх ёстой dati компани ашигладаг (Varney 1996, Berson and Smith 1997, Peacock 1998). Загвар ашиглах хэрэгцээ dati Компанийн тухай гэдэг нь дата захуудад хэрэглэгддэг нэр томьёо тус бүрд зөвхөн нэг тодорхойлолт байх ёстой гэсэн үг бөгөөд мөн компанийн мэдээллийн тоймыг өгөхийн тулд өөр өөр дата захуудыг нэгтгэж болно гэсэн үг юм (Бреснахан 1996). Энэ аргыг доороос дээш гэж нэрлэдэг бөгөөд санхүүгийн боломж, цаг хугацаа хязгаарлагдмал үед хамгийн сайн арга юм (Flanagan and Safdie 1997, Ovum 1998, Peacock 1998, Goff 1998). Хоёрдахь аргын хувьд бүтээгдсэн дата зах нь зөвхөн тодорхой нэгжийн хэрэгцээг хангаж чадна. Холбооны мэдээллийн захын хувилбар нь өгөгдлийн агуулах тараасан нь Өгөгдлийн сан Hub Server дунд программ нь олон дата захыг нэг репозитор болгон нэгтгэхэд ашиглагддаг dati тараасан (Цагаан 1995). Энэ тохиолдолд i dati компаниуд хэд хэдэн дата зах дээр тархсан. Эцсийн хэрэглэгчийн хүсэлтийг дараах руу дамжуулдаг Өгөгдлийн сан бүгдийг задалдаг төв серверийн дунд програм dati өгөгдлийн захаас хүссэн бөгөөд эцсийн хэрэглэгчийн програмуудад үр дүнг буцаана. Энэ арга нь эцсийн хэрэглэгчдэд бизнесийн мэдээллийг өгдөг. Гэсэн хэдий ч бие даасан дата захын асуудал арилаагүй хэвээр байна. Ашиглаж болох өөр нэг архитектур бий өгөгдлийн агуулах виртуал (Цагаан 1995). Гэхдээ Зураг 2.9-д тайлбарласан энэхүү архитектур нь өгөгдөл хадгалах архитектур биш юм. dati OLTP системээс ачааллыг шилжүүлдэггүй тул бодит өгөгдлийн агуулах (Demarest 1994).

Үнэндээ хүсэлтүүд dati Эцсийн хэрэглэгчид хэрэглэгчийн хүсэлтийг боловсруулсны дараа үр дүнг өгдөг OLTP системд дамжуулдаг. Хэдийгээр энэ архитектур нь эцсийн хэрэглэгчдэд тайлан гаргах, хүсэлт гаргах боломжийг олгодог боловч энэ нь хангаж чадахгүй

dati оноос хойш компанийн мэдээллийн түүх, тойм dati өөр өөр OLTP системүүдээс нэгтгэгдээгүй байна. Тиймээс энэ архитектур нь дүн шинжилгээг хангаж чадахгүй dati таамаглал зэрэг цогц .

Хандалт болон сэргээх програмуудыг сонгох dati

Барилгын зорилго нь a өгөгдлийн агуулах эцсийн хэрэглэгчдэд мэдээлэл дамжуулах явдал юм (Inmon et al. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998); нэг буюу хэд хэдэн хандалт болон сэргээх програмууд dati хангагдсан байх ёстой. Өнөөдрийг хүртэл хэрэглэгч сонгох боломжтой олон төрлийн эдгээр програмууд байдаг (Hammergren 1998, Humphries et al. 1999). Таны сонгосон програмууд агуулахын ажлын амжилтыг тодорхойлдог dati програмууд нь хамгийн харагдах хэсэг учраас байгууллагад өгөгдлийн агуулах эцсийн хэрэглэгчдэд (Inmon et al 1997, Poe 1996). Амжилтанд хүрэхийн тулд a өгөгдлийн агуулах, -ийн шинжилгээний үйл ажиллагааг дэмжих чадвартай байх ёстой dati эцсийн хэрэглэгчийн (Poe 1996, Seddon and Benjamin 1998, Eckerson 1999). Тиймээс эцсийн хэрэглэгчийн хүсч буй "түвшин"-ийг тодорхойлох ёстой (По 1996, Маттисон 1996, Инмон нар 1997, Humphries нар 1999).

Ерөнхийдөө эцсийн хэрэглэгчдийг гүйцэтгэх хэрэглэгчид, бизнесийн шинжээчид, хүчирхэг хэрэглэгчид гэсэн гурван ангилалд хувааж болно (Poe 1996, Humphries et al. 1999). Гүйцэтгэх албан тушаалтнууд урьдчилан тодорхойлсон багц тайланд хялбар хандах хэрэгтэй (Humphries et al. 1999). Эдгээр харьцааг цэсийн навигаци ашиглан хялбархан олж авч болно (По 1996). Нэмж дурдахад тайлангууд нь мэдээллийг хурдан дамжуулахын тулд хүснэгт, загвар зэрэг график дүрслэлийг ашиглан мэдээллийг харуулах ёстой (Humphries et al. 1999). Тайланг эхнээс нь бие даан боловсруулах техникийн чадваргүй бизнесийн шинжээчид өөрсдийн хэрэгцээнд нийцүүлэн одоогийн тайланг өөрчлөх чадвартай байх шаардлагатай (По 1996, Хамфрис нар 1999). Харин хүчирхэг хэрэглэгчид нь эхнээс нь хүсэлт, тайлан үүсгэх, бичих чадвартай эцсийн хэрэглэгчдийн төрөл юм (Poe 1996, Humphries et al. 1999). Тэд бол тэд юм

тэд бусад төрлийн хэрэглэгчдэд зориулсан тайлан боловсруулдаг (Poe 1996, Humphries et al. 1999).

Эцсийн хэрэглэгчийн шаардлагыг тодорхойлсны дараа хандалт болон сэргээх програмуудыг сонгох шаардлагатай dati боломжтой бүх хүмүүсийн дунд (Poe 1996, Inmon et al. 1997).
хандах dati болон хайх хэрэгслийг OLAP хэрэгсэл, EIS/DSS хэрэгсэл, асуулга, тайлагнах хэрэгсэл, өгөгдөл олборлох хэрэгсэл гэж 4 төрөлд ангилж болно.

OLAP хэрэгслүүд нь хэрэглэгчдэд тусгай асуулга, мөн дээр нь хийсэн асуулга үүсгэх боломжийг олгодог Өгөгдлийн сан The өгөгдлийн агуулах. Нэмж дурдахад эдгээр бүтээгдэхүүн нь хэрэглэгчдэд өрөмдлөг хийх боломжийг олгодог dati ерөнхийөөс нарийвчилсан.

EIS/DSS хэрэгслүүд нь "яах бол" гэсэн дүн шинжилгээ хийх, цэсээр удирддаг тайланд хандах зэрэг гүйцэтгэх тайлангуудыг хангадаг. Шилжүүлэхэд хялбар болгох үүднээс тайланг урьдчилан тодорхойлж, цэстэй нэгтгэх хэрэгтэй.
Асуулга болон тайлагнах хэрэгслүүд нь хэрэглэгчдэд урьдчилан тодорхойлсон, тодорхой тайлан гаргах боломжийг олгодог.

Мэдээллийн олборлолтын хэрэгслүүд нь мартагдсан үйлдлүүд дээр шинэ гэрэл тусгаж болох харилцааг тодорхойлоход ашиглагддаг dati мэдээллийн агуулахын.

Хэрэглэгчийн төрөл бүрийн шаардлагыг оновчтой болгохын зэрэгцээ сонгосон хэрэгслүүд нь ойлгомжтой, үр ашигтай, хэрэглэхэд хялбар байх ёстой. Тэд мөн архитектурын бусад хэсгүүдтэй нийцэж, одоо байгаа системүүдтэй ажиллах чадвартай байх ёстой. Мөн боломжийн үнэ, гүйцэтгэлтэй өгөгдөлд хандах, хайх хэрэгслийг сонгохыг зөвлөж байна. Харгалзаж үзэх бусад шалгуурт хэрэгсэл үйлдвэрлэгчийн өөрсдийн бүтээгдэхүүнийг дэмжих амлалт, цаашдын хувилбаруудад ижил төстэй бүтээн байгуулалтууд орно. Өгөгдлийн агуулахыг ашиглахад хэрэглэгчийн оролцоог хангахын тулд хөгжүүлэлтийн баг нь хэрэглүүрийг сонгох үйл явцад хэрэглэгчдийг оролцуулдаг. Энэ тохиолдолд хэрэглэгчийн бодит үнэлгээг хийх ёстой.

Өгөгдлийн агуулахын үнэ цэнийг сайжруулахын тулд хөгжүүлэлтийн баг мөн өөрсдийн мэдээллийн агуулах руу вэб хандалт хийх боломжтой. Вэб дээр суурилсан мэдээллийн агуулах нь хэрэглэгчдэд нэвтрэх боломжийг олгодог dati алслагдсан газраас эсвэл аялж байхдаа. Мөн мэдээлэл авч болно

сургалтын зардлыг бууруулах замаар бага зардлаар хангана.

2.4.3 Өгөгдлийн агуулах Үйл ажиллагааны үе шат

Энэ үе шат нь өгөгдлийг шинэчлэх стратегийг тодорхойлох, мэдээллийн агуулахын үйл ажиллагааг хянах, мэдээллийн агуулахын аюулгүй байдлын менежмент гэсэн гурван үйл ажиллагаанаас бүрдэнэ.

Өгөгдлийг шинэчлэх стратегийн тодорхойлолт

Анхны ачааллын дараа, i dati онд Өгөгдлийн сан Мэдээллийн агуулахыг үе үе шинэчилж байх ёстой бөгөөд тэдгээрт оруулсан өөрчлөлтийг хуулбарлах хэрэгтэй dati эх хувь. Тиймээс та хэзээ сэргээх, хэр давтамжтайгаар шинэчлэх, өгөгдлийг хэрхэн шинэчлэхээ шийдэх ёстой. dati. Сэргээхийг зөвлөж байна dati системийг офлайн болгох боломжтой үед. Сэргээх давтамжийг хэрэглэгчийн шаардлагад үндэслэн хөгжүүлэлтийн баг тодорхойлно. Өгөгдлийн агуулахыг шинэчлэх хоёр арга байдаг: бүрэн шинэчлэх, өөрчлөлтийг тасралтгүй ачаалах.

Эхний арга буюу бүрэн сэргээлт нь бүгдийг дахин ачаалахыг шаарддаг dati эхнээс нь. Энэ нь бүх dati шаардлагатай зүйлсийг гаргаж авах, цэвэрлэж, өөрчлөх, шинэчлэх бүрт нэгтгэх ёстой. Энэ арга нь маш их цаг хугацаа, нөөц шаарддаг тул аль болох зайлсхийх хэрэгтэй.

Өөр нэг арга бол өөрчлөлтүүдийг байнга байршуулах явдал юм. Энэ нь би нэмдэг dati өгөгдлийн агуулахын сүүлийн шинэчлэлтийн мөчлөгөөс хойш өөрчлөгдсөн. Шинэ эсвэл өөрчилсөн бүртгэлийг тодорхойлох нь хэмжээг мэдэгдэхүйц бууруулдаг dati Зөвхөн эдгээрээс хойш шинэчлэлт бүрт өгөгдлийн агуулах руу тархах ёстой dati -д нэмэгдэх болно Өгөгдлийн сан мэдээллийн агуулахын.

i-г буцаахад ашиглаж болох дор хаяж 5 арга байдаг dati шинэ эсвэл өөрчилсөн. Өгөгдлийг үр дүнтэй сэргээх стратегийг олж авах dati систем дэх бүх өөрчлөлтийг тусгасан эдгээр аргуудын холимог нь ашигтай байж болно.

Цагийн тэмдэглэгээг ашигладаг эхний арга нь бүгдийг нь хуваарилсан гэж үздэг dati Цагийн тэмдгийг засварлаж, шинэчилсэн тул та бүгдийг хялбархан таних боломжтой dati өөрчлөгдсөн, шинэ. Гэсэн хэдий ч энэ аргыг өнөөгийн ихэнх үйлдлийн системүүдэд өргөнөөр ашиглаагүй байна.
Хоёрдахь арга нь зөвхөн програмд ​​хийсэн өөрчлөлтүүдийг агуулсан програмын үүсгэсэн дельта файлыг ашиглах явдал юм dati. Энэ файлыг ашиглах нь шинэчлэлтийн мөчлөгийг нэмэгдүүлдэг. Гэсэн хэдий ч энэ аргыг ч олон хэрэглээнд ашиглаагүй байна.
Гурав дахь арга бол дельта файлтай төстэй мэдээллийг агуулсан лог файлыг сканнердах явдал юм. Цорын ганц ялгаа нь сэргээх үйл явцад зориулж бүртгэлийн файл үүсгэгдсэн бөгөөд ойлгоход хэцүү байж болно.
Дөрөв дэх арга бол програмын кодыг өөрчлөх явдал юм. Гэсэн хэдий ч ихэнх програмын код нь хуучин бөгөөд хэврэг байдаг; тиймээс энэ техникээс зайлсхийх хэрэгтэй.
Сүүлийн арга бол i-г харьцуулах явдал юм dati үндсэн dei файлтай эх сурвалжууд dati.

Мэдээллийн агуулахын үйл ажиллагаанд хяналт тавих

Мэдээллийн агуулахыг хэрэглэгчдэд хүргэсний дараа түүнийг цаг хугацааны явцад хянаж байх ёстой. Энэ тохиолдолд мэдээллийн агуулахын администратор нь мэдээллийн агуулахын ашиглалтыг хянахын тулд нэг буюу хэд хэдэн удирдлага, хяналтын хэрэгслийг ашиглаж болно. Ялангуяа хүмүүсийн тухай болон мэдээллийн агуулахад нэвтэрсэн цаг хугацааны талаарх мэдээллийг цуглуулж болно. Аливээ dati Цуглуулсан тохиолдолд гүйцэтгэсэн ажлын профайлыг үүсгэж, хэрэглэгчийн төлбөрийг буцаан хэрэгжүүлэхэд оролт болгон ашиглаж болно. Цэнэглэх нь хэрэглэгчдэд мэдээллийн агуулахын боловсруулалтын зардлын талаар мэдээлэл өгөх боломжийг олгодог.

Цаашилбал, мэдээллийн агуулахын аудит нь асуулгын төрөл, тэдгээрийн хэмжээ, өдрийн асуулгын тоо, асуулгад хариу өгөх хугацаа, хүрсэн салбарууд, хэмжээг тодорхойлоход ашиглагдаж болно. dati боловсруулсан. Өгөгдлийн агуулахын аудит хийх өөр нэг зорилго нь dati ашиглагдаагүй байгаа. Эдгээр dati цаг хугацааг сайжруулахын тулд тэдгээрийг өгөгдлийн агуулахаас устгаж болно

асуулгын гүйцэтгэлийн хариу болон өсөлтийг хянах dati дотор оршин суудаг мэдээллийн сан мэдээллийн агуулахын.

Өгөгдлийн агуулахын аюулгүй байдлын удирдлага

Өгөгдлийн агуулах нь dati нэгдмэл, шүүмжлэлтэй, амархан хүрч болох мэдрэмжтэй. Ийм учраас үүнийг зөвшөөрөлгүй хэрэглэгчдээс хамгаалах ёстой. Аюулгүй байдлыг хэрэгжүүлэх нэг арга бол del функцийг ашиглах явдал юм DBMS янз бүрийн төрлийн хэрэглэгчдэд өөр өөр эрх олгох. Ийм байдлаар хэрэглэгчийн төрөл бүрийн хувьд хандалтын профайлыг хадгалах ёстой. Өгөгдлийн агуулахын аюулгүй байдлыг хангах өөр нэг арга бол үүнийг кодонд бичсэнээр шифрлэх явдал юм мэдээллийн сан мэдээллийн агуулахын. хандах dati мөн хайлт хийх хэрэгслүүд нь кодыг тайлах ёстой dati үр дүнг хэрэглэгчдэд танилцуулахаас өмнө.

2.4.4 Өгөгдлийн агуулах Байршуулах үе шат

Энэ бол өгөгдлийн агуулахыг хэрэгжүүлэх мөчлөгийн сүүлийн үе шат юм. Энэ үе шатанд хийгдэх үйл ажиллагаанд хэрэглэгчдийг мэдээллийн агуулахыг ашиглахад сургах, өгөгдлийн агуулахын талаар дүгнэлт хийх зэрэг орно.

Хэрэглэгчийн сургалт

Хэрэглэгчийн сургалтанд хандахын өмнө хийх ёстой dati өгөгдлийн агуулах болон хайлт хийх хэрэгслийг ашиглах. Ерөнхийдөө хуралдаанууд нь хадгалах тухай ойлголтын танилцуулгаас эхлэх ёстой dati, мэдээллийн агуулахын агуулга, мета dati багаж хэрэгслийн үндсэн шинж чанарууд. Дараа нь илүү дэвшилтэт хэрэглэгчид өгөгдөлд хандах, хайх хэрэгслийн физик хүснэгт, хэрэглэгчийн онцлогийг судлах боломжтой.

Хэрэглэгчийн сургалт явуулах олон арга байдаг. Эдгээрийн нэг нь манлайлал, харилцааны ур чадварт тулгуурлан олон тооны хэрэглэгчид эсвэл шинжээчдийг сонгох явдал юм. Тэд системтэй танилцахын тулд мэдэх шаардлагатай бүх зүйлд биечлэн суралцдаг. Сургалт дууссаны дараа тэд ажилдаа буцаж, бусад хэрэглэгчдэд системийг хэрхэн ашиглахыг зааж эхэлдэг. Дээр

Сурсан зүйл дээрээ үндэслэн бусад хэрэглэгчид өгөгдлийн агуулахыг судалж эхлэх боломжтой.
Өөр нэг арга бол танхимын сургалтанд сууж байгаа мэт олон хэрэглэгчийг нэгэн зэрэг сургах явдал юм. Энэ аргыг нэгэн зэрэг сургах шаардлагатай олон хэрэглэгч байгаа тохиолдолд тохиромжтой. Өөр нэг арга бол хэрэглэгч бүрийг нэг нэгээр нь сургах явдал юм. Энэ арга нь цөөн хэрэглэгчтэй үед тохиромжтой.

Хэрэглэгчийн сургалтын зорилго нь танд хандах хандалттай танилцах явдал юм dati өгөгдлийн агуулахын агуулгыг хайхаас гадна хайх хэрэгсэл. Гэсэн хэдий ч зарим хэрэглэгчид сургалтын үеэр өгсөн мэдээллийн хэмжээнээс болж хэт их ачаалалтай байдаг. Тиймээс байнгын тусламж, тодорхой асуултуудад хариулахын тулд тодорхой тооны давтан сургалт явуулах ёстой. Зарим тохиолдолд ийм төрлийн дэмжлэг үзүүлэхийн тулд хэрэглэгчийн бүлэг бий болдог.

Санал хүсэлтийг цуглуулж байна

Мэдээллийн агуулахыг ажиллуулсны дараа хэрэглэгчид i-г ашиглах боломжтой dati өгөгдлийн агуулахад янз бүрийн зорилгоор оршдог. Ихэнхдээ шинжээчид эсвэл хэрэглэгчид i-г ашигладаг dati мэдээллийн агуулахад:

1. 1 Компанийн чиг хандлагыг тодорхойлох
2. 2  -ийн худалдан авалтын профайлд дүн шинжилгээ хийх хэрэглэгчид
3. 3  Би хуваана хэрэглэгчид болон
4. 4  Хамгийн сайн үйлчилгээг үзүүлэх хэрэглэгчид - үйлчилгээг тохируулах
5. 5  Стратеги боловсруулах маркетинг
6. 6  Зардлын дүн шинжилгээ хийхэд өрсөлдөхүйц үнийн санал гаргаж, хяналтад туслаарай
7. 7  Стратегийн шийдвэр гаргахад дэмжлэг үзүүлэх
8. 8  Тодрогдох боломжуудыг тодорхойл
9. 9 Одоогийн бизнесийн үйл явцын чанарыг сайжруулах
10. 10  Ашигыг шалгана уу

Мэдээллийн агуулахыг хөгжүүлэх чиглэлийг дагаж, санал хүсэлтийг авахын тулд системд хэд хэдэн шалгалт хийж болно

хөгжүүлэлтийн баг болон эцсийн хэрэглэгчийн нийгэмлэгийн аль алинаас нь.
Хүлээн авсан үр дүнг дараагийн хөгжлийн мөчлөгт авч үзэх боломжтой.

Мэдээллийн агуулах нь үе шаттай байдаг тул өмнөх бүтээн байгуулалтын амжилт, алдаанаас суралцах нь маш чухал юм.

2.5 Дүгнэлт

Энэ бүлэгт уран зохиолд байгаа хандлагуудыг авч үзсэн болно. 1-р хэсэгт мэдээллийн агуулахын тухай ойлголт, шийдвэр гаргах шинжлэх ухаанд гүйцэтгэх үүргийн талаар ярилцав. 2-р хэсэгт өгөгдлийн агуулах ба OLTP системүүдийн үндсэн ялгааг тодорхойлсон. 3-р хэсэгт бид 4-р хэсэгт өгөгдлийн агуулахыг хөгжүүлэх үйл явцад оролцсон үйл ажиллагааг тайлбарлахад ашигласан Монаш мэдээллийн агуулахын загварыг авч үзсэн боловч эдгээр диссертацууд нь нарийн судалгаанд үндэслээгүй болно. Бодит байдал дээр юу болж байгаа нь уран зохиолын мэдээллээс тэс өөр байж болох ч эдгээр үр дүнгүүд нь энэхүү судалгааны мэдээллийн агуулахын тухай ойлголтыг онцолсон суурь дэвсгэрийг бий болгоход ашиглаж болно.

3-р бүлэг

Судалгаа, дизайны арга

Энэ бүлэгт энэхүү судалгааны судалгаа, дизайны аргуудыг авч үзнэ. Эхний хэсэгт мэдээлэл олж авах боломжтой судалгааны аргуудын ерөнхий дүр төрхийг харуулсан бөгөөд тодорхой судалгааны хамгийн сайн аргыг сонгох шалгуурыг авч үзсэн болно. 2-р хэсэгт дөнгөж илэрсэн шалгуураар сонгосон хоёр аргыг дараа нь авч үзнэ; Эдгээрээс нэгийг нь сонгож, 3-р хэсэгт заасан үндэслэлээр батлах бөгөөд бусад шалгуурыг хассан шалтгааныг мөн тусгасан болно. 4-р хэсэгт судалгааны загвар, 5-р хэсэгт дүгнэлтийг тусгана.

3.1 Мэдээллийн системийн судалгаа

Мэдээллийн системийн судалгаа нь зөвхөн технологийн чиглэлээр хязгаарлагдахгүй бөгөөд зан үйл, зохион байгуулалтын зорилгыг багтаасан байх ёстой.
Бид үүнийг нийгмийн шинжлэх ухаанаас эхлээд байгалийн шинжлэх ухаан хүртэл янз бүрийн салбаруудын диссертацид өртэй; Энэ нь мэдээллийн системд ашиглагдах тоон болон чанарын аргуудыг багтаасан тодорхой хүрээний судалгааны аргуудын хэрэгцээг бий болгож байна.
Судалгааны боломжит бүх аргууд нь чухал бөгөөд Женкинс (1985), Нунамакер нар зэрэг хэд хэдэн судлаачид байдаг. (1991), Галлиерс (1992) нар мэдээллийн системийн янз бүрийн салбарт судалгаа явуулах тусгайлсан бүх нийтийн арга байхгүй гэж үздэг; Үнэндээ арга нь тодорхой судалгаанд тохиромжтой байж болох ч бусад судалгаанд тохирохгүй. Энэ нь бидний тодорхой судалгааны төсөлд тохирох аргыг сонгох хэрэгцээг бидэнд авчирдаг: энэ сонголтын хувьд Бенбасат нар. (1987) судалгааны мөн чанар, зорилгыг харгалзан үзэх ёстой гэж заасан.

3.1.1 Судалгааны мөн чанар

Судалгааны шинж чанарт суурилсан янз бүрийн аргуудыг мэдээллийн шинжлэх ухаанд өргөн тархсан позитивист, тайлбарлах, шүүмжлэх гэсэн гурван уламжлалд ангилж болно.

3.1.1.1 Позитивист судалгаа

Позитивист судалгааг шинжлэх ухаан эсвэл эмпирик судалгаа гэж бас нэрлэдэг. Энэ нь: "нийгмийн ертөнцөд юу тохиолдохыг түүнийг бүрдүүлдэг элементүүдийн хоорондын зүй тогтол, шалтгаан-үр дагаврын хамаарлыг харж тайлбарлаж, урьдчилан таамаглахыг" зорьдог (Shanks et al 1993).

Позитивист судалгаа нь давтагдах, хялбарчлах, няцаах зэргээр тодорхойлогддог. Цаашилбал, позитивист судалгаа нь судлагдсан үзэгдлүүдийн хооронд априори харилцаа байдгийг хүлээн зөвшөөрдөг.
Галлиерсийн (1992) хэлснээр таксономи нь позитивист парадигмд багтсан судалгааны арга бөгөөд үүгээр хязгаарлагдахгүй, үнэн хэрэгтээ лабораторийн туршилт, хээрийн туршилт, кейс судалгаа, теоремын үзүүлбэр, таамаглал, симуляци байдаг. Эдгээр аргуудыг ашигласнаар судлагдсан үзэгдлийг бодитой, нарийн ажиглаж болно гэдгийг судлаачид хүлээн зөвшөөрдөг.

3.1.1.2 Тайлбарлах судалгаа

Феноменологи буюу антипозитивизм гэж нэрлэгддэг тайлбарлах судалгааг Нейман (1994) "байгалийн нөхцөл байдалд байгаа хүмүүсийг шууд, нарийвчилсан ажиглалтаар дамжуулан үйл ажиллагааны нийгмийн утга учрыг системчилсэн дүн шинжилгээ хийж, тодорхой ойлголттой болохын тулд" гэж тодорхойлсон. Хүмүүс нийгмийн ертөнцөө хэрхэн бүтээж, хадгалж байдаг тухай тайлбар." Тайлбарлах судалгаа нь ажиглагдсан үзэгдлийг бодитойгоор ажиглаж болно гэсэн таамаглалыг үгүйсгэдэг. Үнэндээ эдгээр нь субъектив тайлбар дээр суурилдаг. Цаашилбал, тайлбарлагч судлаачид судалж буй үзэгдэлдээ априори утгыг тулгадаггүй.

Энэ аргад субъектив/аргументтай судалгаа, үйл ажиллагааны судалгаа, тайлбарлах/тайлбарлах судалгаа, ирээдүйн судалгаа, дүрд тоглох зэрэг орно. Эдгээр судалгаа, кейс судалгаанаас гадна бодит ертөнцийн нарийн төвөгтэй нөхцөл байдалд хувь хүн эсвэл байгууллагын судалгаанд хамаарах тул энэ аргад оруулж болно.

3.1.1.3 Шүүмжлэлтэй судалгаа

Шүүмжтэй судалгаа нь нийгмийн шинжлэх ухаанд хамгийн бага мэддэг арга боловч сүүлийн үед мэдээллийн системийн судлаачдын анхаарлыг татах болсон. Нийгмийн бодит байдлыг хүмүүс, түүнчлэн нийгмийн тогтолцоо нь тэдний үйл ажиллагаа, харилцан үйлчлэлээр түүхэн байдлаар бүтээгдэж, хуулбарлагддаг гэсэн философийн таамаглал юм. Гэсэн хэдий ч тэдний чадвар нь нийгэм, соёл, улс төрийн олон хүчин зүйлээс хамаардаг.

Тайлбарлах судалгааны нэгэн адил шүүмжлэлтэй судалгаа нь позитивист судалгаа нь нийгмийн нөхцөл байдалтай ямар ч холбоогүй бөгөөд хүний ​​үйл ажиллагаанд үзүүлэх нөлөөг үл тоомсорлодог.
Харин шүүмжлэлтэй судалгаа нь тайлбарлах судалгааг хэт субъектив шинжтэй, хүмүүсийн амьдралыг сайжруулахад туслах зорилгогүй гэж шүүмжилдэг. Шүүмжлэлтэй судалгааг бусад хоёр аргын хоорондох хамгийн том ялгаа нь түүний үнэлгээний хэмжигдэхүүн юм. Позитивист ба тайлбарлах уламжлалын объектив байдал нь статус кво буюу нийгмийн бодит байдлыг урьдчилан таамаглах, тайлбарлах явдал байдаг бол шүүмжлэлтэй судалгаа нь судалж буй нийгмийн бодит байдлыг шүүмжлэлтэй үнэлж, өөрчлөх зорилготой.

Шүүмжлэгч судлаачид нийгмийн ялгааг арилгах, нийгмийн нөхцөл байдлыг сайжруулахын тулд статус квог ихэвчлэн эсэргүүцдэг. Шүүмжлэлийн судалгаа нь сонирхлын үзэгдлийн үйл явцын үзэл баримтлалыг баримталдаг тул ихэвчлэн уртааш шинж чанартай байдаг. Судалгааны аргын жишээ бол урт хугацааны түүхийн судалгаа, угсаатны зүйн судалгаа юм. Гэсэн хэдий ч мэдээллийн системийн судалгаанд шүүмжлэлтэй судалгааг өргөн ашигладаггүй

3.1.2 Судалгааны зорилго

Судалгааны мөн чанарын зэрэгцээ түүний зорилгыг ашиглан судлаачийг тодорхой судалгааны аргыг сонгоход чиглүүлж болно. Судалгааны төслийн зорилго нь онол бүтээх, онолыг шалгах, онолыг боловсронгуй болгох гэсэн гурван үе шатаас бүрддэг судалгааны мөчлөгтэй холбоотой судалгааны байр суурьтай нягт холбоотой байдаг. Тиймээс судалгааны мөчлөгийн цаг хугацааны хувьд судалгааны төсөл нь тайлбарлах, дүрслэх, эрэл хайгуул хийх эсвэл урьдчилан таамаглах зорилготой байж болно.

3.1.2.1 Хайгуулын судалгаа

Хайгуулын судалгаа нь цоо шинэ сэдвийг судлах, ирээдүйн судалгаанд зориулсан асуулт, таамаглалыг боловсруулах зорилготой. Энэ төрлийн судалгааг шинэ чиглэлээр анхан шатны лавлагаа авахын тулд онол боловсруулахад ашигладаг. Ихэвчлэн кейс судалгаа эсвэл феноменологийн судалгаа гэх мэт чанарын судалгааны аргуудыг ашигладаг.

Гэсэн хэдий ч хайгуулын судалгаа, туршилт гэх мэт тоон аргыг ашиглах боломжтой.

3.1.3.3 Дүрслэх хайлт

Дүрслэх судалгаа нь байгууллагын тодорхой нөхцөл байдал, практикийг нарийвчлан шинжлэх, дүрслэх зорилготой. Энэ нь онолыг бий болгоход тохиромжтой бөгөөд таамаглалыг батлах эсвэл эсэргүүцэхэд ашиглаж болно. Дүрслэх судалгаанд ихэвчлэн хэмжүүр, дээжийн хэрэглээ орно. Судалгааны хамгийн тохиромжтой аргад судалгаа, шинжилгээ хийх зэрэг орно.

3.1.2.3 Тайлбар судалгаа

Тайлбарлах судалгаа нь яагаад юм болдгийг тайлбарлахыг оролддог. Энэ нь аль хэдийн судлагдсан баримтууд дээр тулгуурладаг бөгөөд эдгээр баримтуудын шалтгааныг олохыг хичээдэг.
Иймд тайлбарлах судалгаа нь ихэвчлэн хайгуулын эсвэл дүрсэлсэн судалгаан дээр суурилдаг бөгөөд онолыг турших, боловсронгуй болгоход туслах хэрэгсэл болдог. Тайлбар судалгаанд ихэвчлэн кейс судалгаа эсвэл судалгаанд суурилсан судалгааны аргыг ашигладаг.

3.1.2.4 Урьдчилан сэргийлэх судалгаа

Урьдчилан сэргийлэх судалгаа нь ажиглалтад байгаа үйл явдал, зан үйлийг урьдчилан таамаглахад чиглэгддэг (Маршалл ба Россман 1995). Урьдчилан таамаглах нь үнэний шинжлэх ухааны стандарт шалгуур юм. Энэ төрлийн судалгаанд ерөнхийдөө судалгаа эсвэл дүн шинжилгээ хийдэг dati түүхчид. (Инь 1989)

Дээрх ярилцлага нь тодорхой судалгаанд ашиглаж болох хэд хэдэн судалгааны аргууд байдгийг харуулж байна. Гэсэн хэдий ч тодорхой төрлийн судалгааны төсөлд бусдаас илүү тохиромжтой нэг тодорхой арга байх ёстой. (Galliers 1987, Yin 1989, De Vaus 1991). Тиймээс судлаач бүр судалгааны төсөлд хамгийн тохиромжтой, тохирох судалгааны аргыг хэрэглэхийн тулд янз бүрийн аргын давуу болон сул талуудыг сайтар үнэлэх хэрэгтэй. (Jenkins 1985, Pervan and Klass 1992, Bonomia 1985, Yin 1989, Himilton and Ives 1992).

3.2. Хайлтын боломжит аргууд

Энэхүү төслийн зорилго нь Австралийн байгууллагуудын туршлагыг i dati -ийн хөгжүүлэлтээр хадгалагдаж байна өгөгдлийн агуулах. он сар өдөр Одоогийн байдлаар Австралид мэдээллийн агуулахын чиглэлээр судалгаа дутмаг байгаа тул энэхүү судалгааны төсөл нь судалгааны мөчлөгийн онолын үе шатанд байгаа бөгөөд эрэл хайгуулын зорилготой юм. Өгөгдлийн агуулахыг нэвтрүүлсэн Австралийн байгууллагуудын туршлагыг судлахын тулд бодит нийгмийг тайлбарлах шаардлагатай. Тиймээс судалгааны төслийн үндэс суурь болох гүн ухааны таамаглал нь уламжлалт тайлбарыг дагаж мөрддөг.

Боломжит аргуудыг нарийн шалгасны дараа судалгааны хоёр боломжит аргыг тодорхойлсон: судалгаа, кейс судалгаа, тэдгээрийг хайгуулын судалгаанд ашиглаж болно (Shanks et al. 1993). Галлиерс (1992) эдгээр хоёр аргыг онолыг бий болгоход тохиромжтой гэж шинэчилсэн ангилал зүйдээ энэ судалгаанд тохиромжтой гэж үздэг. Дараах хоёр дэд хэсэгт арга тус бүрийг нарийвчлан авч үзэх болно.

3.2.1 Судалгааны судалгааны арга

Судалгааны судалгааны арга нь эртний тооллогын аргаас гаралтай. Хүн амын тооллого нь нийт хүн амаас мэдээлэл цуглуулахаас бүрдэнэ. Энэ арга нь ялангуяа хүн ам олонтой бол үнэтэй бөгөөд боломжгүй юм. Иймээс хүн амын тооллоготой харьцуулахад судалгаа нь хүн амын цөөн тооны буюу түүврийн төлөөлөгчдөөс мэдээлэл цуглуулахад чиглэдэг (Fowler 1988, Neuman 1994). Түүвэр нь түүврийн бүтэц, хэмжээ, ашигласан сонголтын арга зэргээс хамааран өөр өөр түвшний нарийвчлалтайгаар гаргаж авсан олонлогийг тусгадаг (Fowler 1988, Babbie 1982, Neuman 1994).

Судалгааны арга нь "тодорхой цаг үеийн туршлага, нөхцөл байдал, үзэл бодлын агшин зуурын агшин зуур, асуулга, ярилцлага ашиглан хийсэн бөгөөд үүнээс дүгнэлт хийх боломжтой" гэж тодорхойлсон.
хийсэн” (Galliers 1992:153) [тодорхой цаг үеийн дадлага, нөхцөл байдал, үзэл бодлын агшин зуурын зураг, асуулга эсвэл ярилцлага ашиглан хийсэн бөгөөд үүнээс дүгнэлт хийж болно]. Судалгаа нь тодорхой тооны оролцогчдоос асуулт асуух замаар судалгааны зарим асуудлын талаар мэдээлэл цуглуулах зорилготой юм (Fowler 1988). Нүүр тулсан утсаар болон бүтэцлэгдсэн ярилцлага зэргийг багтаасан эдгээр асуулга, ярилцлага нь мөн dati Мөрдөн байцаалтын ажилд ихэвчлэн ашигладаг (Blalock 1970, Nachmias and Nachmias 1976, Fowler 1988), ажиглалт, шинжилгээг ашиглаж болно (Gable 1994). цуглуулах эдгээр бүх аргуудаас dati, асуулгын хуудсыг ашиглах нь хамгийн түгээмэл арга бөгөөд энэ нь i dati

цуглуулсан мэдээлэл нь бүтэц, форматтай байдаг тул мэдээллийн ангиллыг хөнгөвчилдөг (Hwang 1987, de Vaus 1991).

Шинжилгээ хийхэд i datiСудалгааны стратеги нь статистик шинжилгээ гэх мэт тоон аргуудыг ихэвчлэн ашигладаг боловч чанарын аргуудыг бас ашиглаж болно (Galliers 1992, Pervan

болон Klass 1992, Gable 1994). Ер нь, би dati цуглуулсан нь тархалт болон холбоодын хэв маягт дүн шинжилгээ хийхэд ашиглагддаг (Fowler 1988).

Судалгаа нь ерөнхийдөө "юу?" гэсэн асуултад "хэр их", "хэдэн" гэх мэт асуултад хариулдаг асуултуудад тохиромжтой байдаг ч "яагаад" гэсэн асуултаар асууж болно (Sonquist and Dunkelberg 1977, Yin 1989). . Sonquist and Dunkelberg (1977)-ийн хэлснээр лавлагааны судалгаа нь таамаглалыг эсэргүүцэх, хөтөлбөрийг үнэлэх, хүн амыг дүрслэх, хүний ​​зан үйлийн загварыг боловсруулахад чиглэгддэг. Цаашилбал, судалгааг хүн амын тодорхой үзэл бодол, нөхцөл байдал, үзэл бодол, шинж чанар, хүлээлт, тэр байтугай өнгөрсөн эсвэл одоо байгаа зан үйлийг судлахад ашиглаж болно (Neuman 1994).

Судалгаа нь судлаачдад хүн амын хоорондын харилцааг илрүүлэх боломжийг олгодог бөгөөд үр дүн нь бусад аргуудаас илүү ерөнхий байдаг (Sonquist and Dunkelberg 1977, Gable 1994). Судалгаа нь судлаачдад илүү том газарзүйн бүс нутгийг хамарч, олон оролцогчдод хүрэх боломжийг олгодог (Blalock 1970, Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994, Neuman 1994). Эцэст нь, судалгаа нь өөр газар байхгүй эсвэл шинжилгээнд шаардагдах хэлбэрээр (Fowler 1988) мэдээллээр хангаж чадна.

Гэсэн хэдий ч судалгаа явуулахад зарим хязгаарлалтууд байдаг. Сул тал нь судлаач судалж буй объектын талаар их мэдээлэл олж авах боломжгүй байдаг. Энэ нь судалгааг зөвхөн тодорхой цаг хугацаанд хийдэг тул судлаачийн хийж чадах хувьсагч, хүмүүсийн тоо хязгаарлагдмал байдагтай холбоотой юм.

судалгаа (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998). Өөр нэг сул тал бол судалгаа явуулах нь цаг хугацаа, нөөцийн хувьд маш их зардал шаарддаг, ялангуяа нүүр тулсан ярилцлагатай холбоотой байдаг (Fowler 1988).

3.2.2. Лавлагааны судалгааны арга

Лавлагааны судалгааны арга нь судлаачийн ямар нэгэн хөндлөнгийн оролцоогүйгээр тодорхой нөхцөл байдлыг бодит нөхцөл байдлын хүрээнд тодорхой хугацааны туршид гүнзгийрүүлэн судлах явдал юм (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985). Энэ аргыг голчлон тодорхой нөхцөл байдалд судалж буй хувьсагчдын хоорондын хамаарлыг тодорхойлоход ашигладаг (Galliers 1992). Шинжилгээнд хамрагдсан үзэгдлээс хамааран мөрдөн байцаалтын ажиллагаа нь дан эсвэл олон тохиолдлыг хамарч болно (Franz and Robey 1987, Eisenhardt 1989, Yin 1989).

Лавлагааны судалгааны аргыг “хүмүүс, бүлэг, байгууллага гэх мэт нэг буюу хэд хэдэн аж ахуйн нэгжээс цуглуулсан олон эх сурвалжийг ашиглан орчин үеийн үзэгдлийг бодит нөхцөлд нь судалдаг эмпирик судалгаа” гэж тодорхойлсон (Yin 1989). Үзэгдэл болон түүний нөхцөл байдлын хооронд тодорхой тусгаарлалт байхгүй бөгөөд хувьсагчдыг туршилтын хяналт эсвэл манипуляци байхгүй (Yin 1989, Benbasat et al. 1987).

Бурхад цуглуулах янз бүрийн арга техник байдаг dati Шууд ажиглалт, архивын баримтын тойм, асуулга, баримт бичгийн үзлэг, зохион байгуулалттай ярилцлага зэрэг лавлагааны аргад ашиглаж болно. Ургац хураах олон төрлийн техниктэй байх dati, судалгаа нь судлаачдад хоёуланг нь шийдвэрлэх боломжийг олгодог dati чанарын болон тоон үзүүлэлтийг нэгэн зэрэг (Bonoma 1985, Eisenhardt 1989, Yin 1989, Gable 1994). Асуулгын аргын нэгэн адил лавлагаа судлаач нь судалж буй байгууллагад идэвхтэй оролцогч биш харин ажиглагч, судлаачийн үүргийг гүйцэтгэдэг.

Бенбасат нар (1987) лавлагааны арга нь судалгааны асуултаас эхэлж боловсролоор үргэлжилдэг судалгааны онолыг бий болгоход онцгой тохиромжтой гэж баталж байна.

цуглуулах явцад онолын dati. Тайзан дээр бас тохиромжтой

Франц, Робей нар (1987) онолын нийлмэл үе шатанд лавлагааны аргыг ашиглаж болно гэж үздэг. Энэ тохиолдолд цуглуулсан нотолгоонд үндэслэн өгөгдсөн онол, таамаглалыг баталгаажуулах буюу үгүйсгэдэг. Нэмж дурдахад энэ судалгаа нь "яаж" эсвэл "яагаад" гэсэн асуултуудыг авч үздэг судалгаанд тохиромжтой (Yin 1989).

Бусад аргуудтай харьцуулахад судалгаа нь судлаачдад чухал мэдээллийг илүү нарийвчлан авч үзэх боломжийг олгодог (Galliers 1992, Shanks et al. 1993). Цаашилбал, судалгаа нь судлаачдад судалж буй үйл явцын мөн чанар, нарийн төвөгтэй байдлыг ойлгох боломжийг олгодог (Benbasat et al. 1987).

Судалгааны аргатай холбоотой дөрвөн үндсэн сул тал бий. Эхнийх нь хяналттай суутгал байхгүй байна. Судлаачийн субъектив байдал нь судалгааны үр дүн, дүгнэлтийг өөрчилдөг (Yin 1989). Хоёр дахь сул тал бол хяналттай ажиглалт байхгүй байна. Туршилтын аргуудаас ялгаатай нь лавлагаа судлаач судлагдсан үзэгдлүүдийг байгалийн нөхцөл байдалд нь авч үздэг тул тэдгээрийг хянаж чадахгүй (Gable 1994). Гурав дахь сул тал бол хуулбарлах чадваргүй байдал юм. Учир нь судлаач ижил үйл явдлыг ажиглах магадлал багатай бөгөөд тодорхой судалгааны үр дүнг баталгаажуулж чадахгүй (Lee 1989). Эцэст нь, давтагдах чадваргүйн улмаас нэг буюу хэд хэдэн судалгаагаар олж авсан үр дүнг нэгтгэхэд хэцүү байдаг (Galliers 1992, Shanks et al 1993). Гэсэн хэдий ч эдгээр бүх бэрхшээлийг даван туулах боломжгүй бөгөөд судлаач зохих арга хэмжээ авснаар үүнийг багасгаж чадна (Ли 1989).

3.3. Судалгааны арга зүйг зөвтгөх баталсан

Энэхүү судалгаанд ашиглах боломжтой хоёр судалгааны аргаас судалгааны аргыг хамгийн тохиромжтой гэж үзэж байна. Холбогдох хүмүүсийг сайтар нягталж үзсэний үндсэн дээр мөрдөн байцаалтыг зогсоосон

давуу болон сул талууд. Энэхүү судалгааны арга тус бүрийн тохиромжтой эсвэл тохиромжгүй байдлыг доор авч үзнэ.

3.3.1. Тохиромжгүй судалгааны арга лавлагааны

Лавлагааны арга нь тодорхой хугацааны туршид нэг буюу хэд хэдэн байгууллагын хүрээнд тодорхой нөхцөл байдлын талаар гүнзгийрүүлэн судлахыг шаарддаг (Eisenhardt 1989). Энэ тохиолдолд хугацаа нь энэхүү судалгаанд заасан хугацаанаас хэтэрч болно. Судалгааны аргыг хэрэглэхгүй байгаа бас нэг шалтгаан нь үр дүн нь нарийн ширийн зүйл дутмаг байж болзошгүй (Yin 1989). Судлаачийн субъектив байдал нь үр дүн, дүгнэлтэд нөлөөлж болно. Өөр нэг шалтгаан нь энэ арга нь "яаж" эсвэл "яагаад" (Yin 1989) төрлийн асуултын судалгаанд илүү тохиромжтой байдаг бол энэ судалгааны судалгааны асуулт нь "юу" төрлийнх юм. Эцэст нь хэлэхэд ганц юм уу хэд хэдэн судалгааны үр дүнг нэгтгэн дүгнэхэд хэцүү байдаг (Galliers 1992, Shanks et al. 1993). Энэхүү үндэслэлд үндэслэн судалгааны арга нь энэ судалгаанд тохиромжгүй тул судалгааны аргыг сонгоогүй.

3.3.2. Хайлтын аргын тав тухтай байдал мөрдөн байцаалт

Энэхүү судалгааг хийх үед мэдээлэл хадгалах практикийг Австралийн байгууллагууд төдийлөн нэвтрүүлээгүй байсан. Тиймээс Австралийн байгууллагуудад тэдгээрийг хэрэгжүүлэх талаар тийм ч их мэдээлэл байгаагүй. Хэрэгжүүлсэн эсвэл ашигласан байгууллагуудаас бэлэн мэдээлэл ирсэн өгөгдлийн агуулах. Энэ тохиолдолд судалгааны судалгааны арга нь өөр газар байхгүй эсвэл дүн шинжилгээ хийхэд шаардлагатай хэлбэрээр авах боломжийг олгодог тул хамгийн тохиромжтой байдаг (Fowler 1988). Нэмж дурдахад, судалгааны судалгааны арга нь судлаачдад тодорхой цаг үеийн туршлага, нөхцөл байдал, үзэл бодлын талаар сайн ойлголттой болох боломжийг олгодог (Galliers 1992, Denscombe 1998). Австралийн мэдээллийн агуулахын туршлагын талаарх мэдлэгийг нэмэгдүүлэхийн тулд тойм хийх шаардлагатай байв.

Цаашилбал, Sonquist, Dunkelberg (1977) нар судалгааны судалгааны үр дүн бусад аргуудаас илүү ерөнхий шинж чанартай байдаг.

3.4. Судалгааны судалгааны зураг төсөл

Мэдээллийн агуулахын практикийн талаарх судалгааг 1999 онд хийсэн. Зорилтот хүн ам нь мэдээллийн агуулахын судалгааг сонирхож буй Австралийн байгууллагуудаас бүрддэг байсан тул тэд энэ талаар аль хэдийн мэдээлэлтэй байсан байж магадгүй юм. dati хадгалж, улмаар энэ судалгаанд хэрэгтэй мэдээллийг өгч чадна. Зорилтот хүн амыг The Data Warehousing Institute (Tdwi-aap)-ын Австралийн бүх гишүүдийн анхны судалгаагаар тодорхойлсон. Энэ хэсэгт энэхүү судалгааны эмпирик судалгааны үе шатны дизайны талаар авч үзнэ.

3.4.1. Ургац хураах техник dati

Судалгааны судалгаанд түгээмэл хэрэглэгддэг гурван аргаас (жишээ нь, шуудангийн асуулга, утсаар ярилцлага, хувийн ярилцлага) (Начмиас 1976, Фоулер 1988, де Ваус 1991) энэхүү судалгаанд шуудангийн асуулгын хуудсыг ашигласан. Сүүлчийнх нь хамгийн эхний шалтгаан нь газарзүйн хувьд тархай бутархай хүн амд хүрч чаддагт оршино (Blalock 1970, Nachmias and Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994). Хоёрдугаарт, шуудангийн асуулга нь өндөр боловсролтой оролцогчдод тохиромжтой (Fowler 1988). Энэхүү судалгаанд зориулсан шуудангийн асуулга нь мэдээллийн агуулахын төслийн ивээн тэтгэгч, захирал ба/эсвэл төслийн менежерүүдэд зориулагдсан болно. Гуравдугаарт, аюулгүй захидлын жагсаалт байгаа тохиолдолд шуудангийн асуулга тохиромжтой байдаг (Салант ба Дилман 1994). TDWI, энэ тохиолдолд итгэмжлэгдсэн мэдээллийн агуулахын холбоо Австралийн гишүүдийнхээ захидлын жагсаалтыг өгсөн. Утасны асуулга эсвэл хувийн ярилцлагаас шуудангийн санал асуулгын өөр нэг давуу тал нь хариулагчдад илүү үнэн зөв хариулах боломжийг олгодог, ялангуяа хариулагч тэмдэглэлтэй танилцах эсвэл бусад хүмүүстэй асуултуудыг хэлэлцэх шаардлагатай үед (Fowler 1988).

Боломжит сул тал нь шуудангаар санал асуулга явуулахад шаардагдах хугацаа байж болно. Ихэвчлэн захидлын судалгааг дараах дарааллаар явуулдаг: захидал илгээх, хариу хүлээж, баталгаажуулалт илгээх (Fowler 1988, Bainbridge 1989). Тиймээс нийт хугацаа нь хувийн ярилцлага эсвэл утсаар ярилцлага хийхэд шаардагдах хугацаанаас илүү байж болно. Гэхдээ нийт хугацааг урьдчилан мэдэж болно (Fowler 1988, Denscombe 1998). Ярилцлага бүрт харилцан адилгүй байдаг тул хувийн ярилцлага хийхэд зарцуулсан цагийг урьдчилан мэдэх боломжгүй (Fowler 1988). Утсаар ярилцлага хийх нь шуудангийн санал асуулга болон хувийн ярилцлагаас хурдан байж болох ч зарим хүмүүс хүрэлцэхгүйн улмаас хариу өгөхгүй байх тохиолдол өндөр байдаг (Фаулер 1988). Нэмж дурдахад утсаар ярилцлага хийх нь ерөнхийдөө асуултуудын харьцангуй богино жагсаалтаар хязгаарлагддаг (Bainbridge 1989).

Шуудангийн асуулгын өөр нэг сул тал бол хариу өгөхгүй байх өндөр хувь юм (Fowler 1988, Bainbridge 1989, Neuman 1994). Гэсэн хэдий ч, энэ судалгааг итгэмжлэгдсэн мэдээллийн агуулахтай (жишээ нь TDWI) (Bainbridge 1989, Neuman 1994) холбож хариу арга хэмжээ авч, хариу өгөөгүй хүмүүст хоёр сануулах захидал илгээдэг (Fowler 1988, Neuman 1994) мөн нэмэлт захидал агуулсан. судалгааны зорилгыг тайлбарлах (Neuman 1994).

3.4.2. Шинжилгээний нэгж

Энэхүү судалгааны зорилго нь Австралийн байгууллагуудад мэдээллийн агуулахын хэрэгжилт, түүний ашиглалтын талаар мэдээлэл олж авах явдал юм. Зорилтот хүн ам нь Австралийн хэрэгжүүлсэн эсвэл хэрэгжүүлж буй бүх байгууллагуудаас бүрддэг өгөгдлийн агуулах. Дараа нь бие даасан байгууллагуудыг нэр дээр нь бүртгэдэг. Хүүхэд үрчилж авах сонирхолтой байгууллагуудад шуудангаар асуулга явуулсан өгөгдлийн агуулах. Энэ арга нь цуглуулсан мэдээллийг оролцогч байгууллага бүрийн хамгийн тохиромжтой нөөцөөс авах боломжийг олгодог.

3.4.3. Судалгааны дээж

Судалгаанд оролцогчдын "мэйл хаяг"-ыг TDWI-ээс авсан. Энэ жагсаалтаас Австралийн 3000 байгууллагыг түүвэрлэлтийн үндэс болгон сонгосон. Судалгааны төсөл, зорилгыг тайлбарласан нэмэлт захидал, хариултын хуудас, бөглөсөн анкетыг буцааж өгөх урьдчилсан төлбөрт дугтуйны хамт түүвэр рүү илгээв. 3000 байгууллагаас 198 нь судалгаанд оролцохыг зөвшөөрсөн байна. Ийм цөөн тооны хариулт хүлээж байсан өгөгдөл Австралийн олон тооны байгууллагууд өөрсдийн байгууллага доторх мэдээллийн агуулахын стратегийг хүлээн авсан эсвэл хэрэгжүүлж байсан. Тиймээс энэхүү судалгааны зорилтот хүн ам нь ердөө 198 байгууллага байна.

3.4.4. Санал асуулгын агуулга

Санал асуулгын бүтцийг Монашийн мэдээллийн агуулах загвар дээр үндэслэсэн (өмнө нь 2.3-р хэсэгт авч үзсэн). Санал асуулгын агуулгыг 2-р бүлэгт үзүүлсэн уран зохиолын дүн шинжилгээнд үндэслэсэн болно. Судалгаанд оролцогчдод илгээсэн асуулгын хуулбарыг Хавсралт В-ээс харж болно. Асуулга нь зургаан хэсгээс бүрдэх бөгөөд үүнд хамрагдсан загварын үе шатууд багтсан болно. Дараах зургаан догол мөрөнд хэсэг бүрийн агуулгыг товч тоймлон харуулав.

А хэсэг: Байгууллагын талаарх үндсэн мэдээлэл
Энэ хэсэгт оролцогч байгууллагуудын танилцуулгатай холбоотой асуултууд багтсан болно. Нэмж дурдахад зарим асуулт нь оролцогчийн мэдээллийн агуулах төслийн статустай холбоотой юм. Судалгааны шинжилгээнд тухайн байгууллагын нэр зэрэг нууц мэдээлэл илрээгүй.

Б хэсэг: Эхлэл
Энэ хэсгийн асуултууд нь мэдээллийн агуулахыг эхлүүлэх үйл ажиллагаатай холбоотой. Төсөл санаачлагч, батлан ​​даагч, шаардагдах ур чадвар, мэдлэг, мэдээллийн агуулахыг хөгжүүлэх зорилт, эцсийн хэрэглэгчийн хүлээлт зэрэгтэй холбоотой асуултуудыг асуув.

С хэсэг: Дизайн
Энэ хэсэгт төлөвлөлтийн үйл ажиллагаатай холбоотой асуултууд багтсан болно өгөгдлийн агуулах. Тодруулбал, гүйцэтгэлийн хамрах хүрээ, төслийн үргэлжлэх хугацаа, төслийн өртөг, үр ашгийн дүн шинжилгээ зэрэг асуултууд байв.

Хэсэг D: Хөгжил
Хөгжлийн хэсэгт хөгжлийн үйл ажиллагаатай холбоотой асуултууд байна өгөгдлийн агуулах: эцсийн хэрэглэгчийн шаардлагын цуглуулга, эх сурвалж dati, логик загвар dati, прототип, хүчин чадлын төлөвлөлт, техникийн архитектур, мэдээллийн агуулах хөгжүүлэх хэрэгслүүдийн сонголт.

E хэсэг: Үйл ажиллагаа
-ийн үйл ажиллагаа, өргөтгөлтэй холбоотой үйл ажиллагааны асуултууд өгөгдлийн агуулах, энэ нь хөгжлийн дараагийн үе шатанд хэрхэн хөгжиж байна. Тэнд мэдээллийн чанар, шинэчлэх стратеги dati, мөхлөгт байдал dati, өргөтгөх чадвар өгөгдлийн агуулах болон аюулгүй байдлын асуудлууд өгөгдлийн агуулах гэж асуусан асуултуудын нэг байв.

F хэсэг: Хөгжил
Энэ хэсэг нь ашиглахтай холбоотой асуултуудыг агуулна өгөгдлийн агуулах эцсийн хэрэглэгчид. Судлаач нь түүний зорилго, ашиг тусыг сонирхож байв өгөгдлийн агуулах, хянан шалгах, сургалтын стратеги баталсан болон хяналтын стратеги өгөгдлийн агуулах баталсан.

3.4.5. Хариу өгөх түвшин

Хэдийгээр шуудангийн санал асуулгад хариу өгөх хувь бага байна гэж шүүмжилдэг ч өгөөжийн хувь хэмжээг нэмэгдүүлэх арга хэмжээ авсан (өмнө нь 3.4.1-д дурдсан). “Хариултын хувь” гэсэн нэр томьёо нь тодорхой судалгааны түүвэрт хамрагдсан хүмүүсийн санал асуулгад хариулсан хувийг илэрхийлдэг (Denscombe 1998). Энэхүү судалгааны хариуны түвшинг тооцоолохдоо дараах томъёог ашигласан болно.

Хариу өгсөн хүмүүсийн тоо
Хариултын хувь = ———————————————————————————– X 100 Нийт илгээсэн асуулгын тоо

3.4.6. Туршилтын туршилт

Асуултыг түүвэр рүү илгээхээс өмнө Лак, Рубин (1987), Жексон (1988), де Ваус (1991) нарын санал болгосны дагуу туршилтын туршилтаар асуултуудыг шалгасан. Туршилтын туршилтын зорилго нь тайлбарлахад хэцүү аливаа эвгүй, хоёрдмол утгатай илэрхийлэл, асуултуудыг илрүүлэх, ашигласан тодорхойлолт, нэр томьёог тодруулах, асуулга бөглөхөд шаардагдах ойролцоогоор хугацааг тодорхойлоход оршино (Warwick and Lininger 1975, Jackson 1988, Salant ба Дилман 1994). Дэвис э-ийн санал болгосны дагуу эцсийн хичээлүүдийнхтэй төстэй шинж чанартай сэдвүүдийг сонгон туршилтын туршилтуудыг хийсэн. Cosenza (1993). Энэхүү судалгаанд мэдээллийн агуулахын зургаан мэргэжилтэнг туршилтын субьектээр сонгосон. Туршилт бүрийн дараа шаардлагатай засваруудыг хийсэн. Туршилтын туршилтаас оролцогчид санал асуулгын эцсийн хувилбарыг өөрчлөх, шинэчлэхэд хувь нэмэр оруулсан.

3.4.7. Шинжилгээний аргууд By мэдээ

I dati Хаалттай санал асуулгаас цуглуулсан судалгааны дүнг SPSS хэмээх статистикийн багц программ ашиглан шинжилсэн. Олон хариултыг тайлбарлах статистик ашиглан шинжилсэн. Хэд хэдэн анкетыг дутуу буцаасан. Эдгээрийг i гэдгийг баталгаажуулахын тулд илүү болгоомжтой хандсан dati Алга болсон нь өгөгдөл оруулах алдааны үр дагавар биш, харин асуултууд бүртгүүлэгчид тохиромжгүй, эсвэл бүртгүүлэгч нэг буюу хэд хэдэн тодорхой асуултанд хариулахгүй байхаар шийдсэн. Эдгээр дутуу хариултыг шинжилгээний явцад үл тоомсорлосон dati дүн шинжилгээ хийх үйл явцаас хасагдахын тулд тэдгээрийг '- 9' гэж кодлосон.

Санал асуулгын хуудсыг бэлтгэхдээ хаалттай асуултуудыг сонголт бүрд дугаарлан урьдчилан кодлосон. Дараа нь уг дугаарыг бэлтгэхэд ашигласан dati шинжилгээний явцад (Denscombe 1998, Sapsford and Jupp 1996). Жишээлбэл, В хэсгийн 1-р асуултад зургаан сонголт байсан: удирдах зөвлөл, ахлах захирал, мэдээллийн технологийн хэлтэс, бизнесийн нэгж, зөвлөхүүд болон бусад. -ийн файлд dati SPSS-ийн хувьд 'төсөл санаачлагч'-ыг заах хувьсагчийг үүсгэсэн бөгөөд зургаан утгын шошготой: 'захирлуудын зөвлөл'-д '1', 'ахлах гүйцэтгэх ажилтан'-д '2' гэх мэт. Street. Зарим хаалттай асуултуудад Likertin хэмжигдэхүүнийг ашиглах нь SPSS-д оруулсан тоон утгуудыг ашиглан хялбархан тодорхойлох боломжийг олгосон. Бүрэн бус хариулттай, бие биенээ үгүйсгээгүй асуултуудын хувьд сонголт бүрийг 'тэмдэглэгдсэн' бол '1', 'тэмдэглэгээгүй' бол '2' гэсэн хоёр утгын шошго бүхий нэг хувьсагч гэж үзсэн.

Нээлттэй асуултыг хаалттай асуултаас өөрөөр авч үзсэн. Эдгээр асуултын хариултыг SPSS-д оруулаагүй болно. Үүний оронд тэдгээрийг гараар шинжлэв. Энэ төрлийн асуултыг ашиглах нь бидэнд санал асуулгад оролцогчдын чөлөөтэй илэрхийлсэн санаа, хувийн туршлагын талаарх мэдээллийг олж авах боломжийг олгодог (Bainbridge 1989, Denscombe 1998). Боломжтой бол хариултуудыг ангилж үзсэн.

Шинжилгээний хувьд dati, хариултын давтамж, дундаж, стандарт хазайлт, медиан зэрэг статистик шинжилгээний энгийн аргуудыг ашигладаг (Argyrous 1996, Denscombe 1998).
Гамма тест нь хоорондын хамаарлын тоон хэмжүүрийг олж авахад сайн гүйцэтгэлтэй байсан dati ordinals (Norusis 1983, Argyrous 1996). Ашигласан эрэмбийн хуваарь нь олон категоригүй бөгөөд хүснэгтэд харуулах боломжтой тул эдгээр туршилтууд тохиромжтой байсан (Norusis 1983).

3.5 Соммарио

Энэ бүлэгт энэхүү судалгаанд зориулан баталсан судалгааны арга зүй, дизайны талаар хэлэлцсэн.

Тодорхой судалгаанд хамгийн тохиромжтой судалгааны аргыг сонгохдоо харгалзан үздэг
судалгааны мөн чанар, төрөл, түүнчлэн боломжит арга тус бүрийн давуу болон сул талууд зэрэг хэд хэдэн дүрмийг харгалзан үзэх (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, yin 1989, Hamilton andives 1992, Galliers) 1992, Нейман 1994). Австралид өгөгдлийн агуулахыг нэвтрүүлэх талаар одоо байгаа мэдлэг, онол дутмаг байгаа тул энэхүү судалгааны ажилд Австралийн байгууллагуудын туршлагыг судлах чадвартай, тайлбарлах судалгааны аргыг шаарддаг. Сонгосон судалгааны аргыг Австралийн байгууллагууд мэдээллийн агуулахын үзэл баримтлалыг нэвтрүүлэх талаар мэдээлэл цуглуулах зорилгоор сонгосон. Шуудангийн асуумжийг цуглуулах арга техник болгон сонгосон dati. Судалгааны арга, цуглуулах техникийн үндэслэл dati сонгогдсоныг энэ бүлэгт өгөх болно. Цаашлаад шинжилгээний нэгж, ашигласан түүвэр, хариултын хувь хэмжээ, асуулгын агуулга, асуулгын өмнөх тест, үр дүнд дүн шинжилгээ хийх аргачлалын талаар хэлэлцүүлэг өрнүүлэв. dati.

Зураг төсөл боловсруулах а Өгөгдлийн агуулах:

Байгууллагын харилцаа ба хэмжээст загварчлалыг хослуулах

Товч
Хадгалах i dati олон байгууллагын хувьд өнөөгийн тулгамдсан асуудал болоод байна. Хүнсний агуулахыг хөгжүүлэх гол асуудал dati энэ бол түүний загвар юм.
Дизайн нь үзэл баримтлалыг илрүүлэхэд дэмжлэг үзүүлэх ёстой өгөгдлийн агуулах хуучин систем болон бусад эх сурвалжид dati мөн түүнчлэн хэрэгжүүлэхэд хялбар ойлголт, үр ашигтай өгөгдлийн агуулах.
Хадгалах ном зохиолын ихэнх нь dati -ийн дизайныг илэрхийлэхийн тулд аж ахуйн нэгжийн харилцааны загварчлал эсвэл хэмжээст загварчлалыг ашиглахыг зөвлөж байна өгөгдлийн агуулах.
Энэ нийтлэлд бид хоёр дүрслэлийг зурах нэг аргад хэрхэн нэгтгэж болохыг харуулсан өгөгдлийн агуулах. Хэрэглэсэн арга нь системтэй

кэйс судалгаанд шалгасан бөгөөд дадлагажигчдад хэд хэдэн чухал ач холбогдолтой үр дагавар нь тодорхойлогддог.

ӨГӨГДЛИЙН АГУУЛГА

Un өгөгдлийн агуулах Энэ нь ихэвчлэн “удирдлагын шийдвэрийг дэмжих субьектэд чиглэсэн, нэгдмэл, цаг хугацааны өөрчлөлттэй, тогтворгүй цуглуулга” гэж тодорхойлогддог (Inmon and Hackathorn, 1994). Субьект баримжаатай, нэгдмэл байдал нь гэдгийг харуулж байна өгөгдлийн агуулах нь нэгдсэн хэтийн төлөвийг санал болгох Legaci системийн функциональ хил хязгаарыг даван туулах зорилготой юм dati.
Хугацааны хувилбар нь түүхэн эсвэл цагийн цуваа шинж чанарт нөлөөлдөг dati дотор нь өгөгдлийн агуулах, энэ нь чиг хандлагыг шинжлэх боломжийг олгодог. дэгдэмхий биш гэдгийг харуулж байна өгөгдлийн агуулах шиг байнга шинэчлэгддэггүй Өгөгдлийн сан OLTP-ийн. Харин энэ нь үе үе шинэчлэгдэж байна, хамт dati дотоод болон гадаад эх үүсвэрээс ирдэг. The өгөгдлийн агуулах Энэ нь бүрэн бүтэн байдал, үйл ажиллагааны гүйцэтгэлийг шинэчлэхээс илүүтэйгээр хайлт хийхэд зориулагдсан.
i-г хадгалах санаа dati шинэ зүйл биш, энэ нь удирдлагын нэг зорилго байсан dati жараад оноос хойш (Мартин, 1982).
I өгөгдлийн агуулах Тэд дэд бүтцийг санал болгодог dati удирдлагын дэмжлэгийн системийн хувьд. Удирдлагын дэмжлэгийн системд шийдвэр дэмжих систем (DSS) болон гүйцэтгэх мэдээллийн систем (EIS) орно. DSS нь хүний ​​шийдвэр гаргах чадварыг сайжруулах зорилготой компьютерт суурилсан мэдээллийн систем юм. EIS нь ихэвчлэн дамжуулах систем юм dati Энэ нь бизнесийн удирдагчдад харагдах байдлыг хялбархан үзэх боломжийг олгодог dati.
Ерөнхий архитектур А өгөгдлийн агуулах гүйцэтгэх үүргийг онцолж байна өгөгдлийн агуулах удирдлагын дэмжлэгт. Дэд бүтцийг санал болгохоос гадна dati EIS болон DSS-ийн хувьд, al өгөгдлийн агуулах асуулга ашиглан шууд хандах боломжтой. THE dati а-д багтсан өгөгдлийн агуулах удирдлагын мэдээллийн шаардлагын дүн шинжилгээн дээр үндэслэсэн бөгөөд дотоод хуучин систем, тусгай зориулалтын өгөгдөл цуглуулах систем, гадаад мэдээллийн эх сурвалж гэсэн гурван эх сурвалжаас авдаг. THE dati дотоод хуучин системд тэдгээр нь ихэвчлэн илүүдэлтэй, зөрчилтэй, чанар муутай, өөр өөр форматаар хадгалагддаг тул тэдгээрийг компьютерт ачаалахын өмнө эвлүүлж, цэвэрлэх шаардлагатай.

өгөгдлийн агуулах (Инмон, 1992; МакФадден, 1996). THE dati хадгалах системээс ирдэг dati түр зуурын болон эх сурвалжаас dati гадаад нь ихэвчлэн нэмэгдүүлэх (шинэчлэх, солих) i dati хуучин системээс.

a. хөгжүүлэх олон зайлшгүй шалтгаан бий өгөгдлийн агуулах, үүнд илүү их мэдээллийг үр дүнтэй ашиглах замаар сайжруулсан шийдвэр гаргах (Ives 1995), бүх хэлцэл дээр анхаарлаа төвлөрүүлэхэд дэмжлэг үзүүлэх (Грэм 1996), dati EIS болон DSS-д зориулсан (Graham 1996, McFadden 1996).

Сүүлийн үеийн эмпирик судалгаагаар дунджаар хөрөнгө оруулалтын өгөөжийг олж тогтоосон өгөгдлийн агуулах гурван жилийн дараа 401%-иар өссөн байна (Грэм, 1996). Гэсэн хэдий ч бусад эмпирик судалгаанууд өгөгдлийн агуулах Тэтгэмжийг хэмжих, хуваарилахад хүндрэлтэй байх, тодорхой зорилгогүй байх, тэтгэмж хадгалах үйл явцын зорилго, нарийн төвөгтэй байдлыг дутуу үнэлэх зэрэг томоохон асуудлуудыг олж мэдсэн. dati, ялангуяа эх сурвалж, цэвэр байдлын талаар dati. Хадгалах i dati удирдлагын асуудлын шийдэл гэж үзэж болно dati байгууллагуудын хооронд. -ийн манипуляци dati нийгмийн нөөцийн хувьд энэ нь олон жилийн турш дэлхий даяар мэдээллийн системийг удирдах гол асуудлын нэг хэвээр байсаар ирсэн (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993).

Удирдлагын түгээмэл арга dati наяад оны үед энэ нь загварын хөгжил байв dati нийгмийн. Загвар dati social нь шинэ хэрэглээний системийг хөгжүүлэх тогтвортой суурийг санал болгох зорилготой байсан Өгөгдлийн сан болон хуучин системийг сэргээн босгох, нэгтгэх (Brancheau et al.

1989, Goodhue et al. 1988:1992, Ким ба Эверест 1994). Гэсэн хэдий ч энэ арга барилд олон бэрхшээл тулгардаг, ялангуяа ажил бүрийн нарийн төвөгтэй байдал, өртөг зардал, бодит үр дүнд хүрэхийн тулд урт хугацаа шаардагддаг (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997) ).

Il өгөгдлийн агуулах Энэ нь хуучин мэдээллийн сангуудыг орлуулахаас илүүтэй хамт оршдог тусдаа мэдээллийн сан юм. Тиймээс энэ нь удирдлагыг удирдах боломжийг танд олгоно dati мөн хуучин системийг өндөр өртөгтэй сэргээн босгохоос зайлсхийх.

ӨГӨГДЛИЙН ДИЗАЙН ДЭЭР ОРЖ БАЙГАА ХАНДЛАГА

АНХААРУУЛГА

Барилга, боловсронгуй болгох үйл явц a өгөгдлийн агуулах Үүнийг уламжлалт системийн хөгжлийн амьдралын мөчлөг гэхээсээ илүү хувьслын үйл явц гэж ойлгох хэрэгтэй (Десио, 1995, Shanks, O'Donnell and Arnott 1997a). Төсөлд олон процесс оролцдог өгөгдлийн агуулах эхлүүлэх, төлөвлөх гэх мэт; компанийн менежерүүдээс тавьсан шаардлагын дагуу олж авсан мэдээлэл; эх үүсвэр, хувиргалт, цэвэрлэгээ dati болон хуучин систем болон бусад эх сурвалжаас синхрончлол dati; хөгжүүлж буй хүргэх систем; хяналт тавих өгөгдлийн агуулах; хувьслын үйл явц, бүтээн байгуулалтын утгагүй байдал нь а өгөгдлийн агуулах (Stinchi, O'Donnell and Arnott 1997b). Энэ сэтгүүлд бид хэрхэн зурах талаар анхаарлаа хандуулдаг dati эдгээр бусад процессуудын хүрээнд хадгалагдана. Архитектурт хэд хэдэн санал болгож буй арга барилууд байдаг өгөгдлийн агуулах уран зохиолд (Inmon 1994, Ives 1995, Kimball 1994 McFadden 1996). Эдгээр арга зүй бүр нь давуу болон сул талуудын дүн шинжилгээ бүхий товч тоймтой байдаг.

Инмоны (1994) хандлага Өгөгдлийн агуулах Зураг төсөл боловсруулах

Инмон (1994) дизайн хийх дөрвөн давталттай алхамыг санал болгосон өгөгдлийн агуулах (2-р зургийг үз). Эхний алхам бол загвар зохион бүтээх явдал юм dati хэрхэн ойлгохын тулд нийгмийн би dati -ийг хуваах замаар байгууллагын функциональ хэсгүүдэд нэгтгэж болно dati газруудад хадгална. Загвар dati Энэ нь хадгалах зориулалттай dati шийдвэр гаргахтай холбоотой, үүнд dati түүхчид, мөн багтсан dati дүгнэлт хийж нэгтгэсэн. Хоёрдахь алхам бол хэрэгжүүлэх сэдвүүдийг тодорхойлох явдал юм. Эдгээр нь тодорхой байгууллагын тодорхойлсон тэргүүлэх чиглэлүүд дээр суурилдаг. Гурав дахь алхам нь зураг зурах явдал юм Өгөгдлийн сан Сэдвийн талбарт тохирох түвшний нарийвчлалыг оруулахад онцгой анхаарал хандуулах хэрэгтэй. Инмон аж ахуйн нэгж ба харилцааны загварыг ашиглахыг зөвлөж байна. Дөрөв дэх алхам бол эх системийг тодорхойлох явдал юм dati авах, цэвэрлэх, форматлахын тулд хувиргах процессыг шаардлагатай ба хөгжүүлэх i dati.

Инмоны аргын давуу тал нь загвар юм dati нийгмийн нэгтгэх үндсийг санал болгож байна dati зохион байгуулалт, төлөвлөлтийн хүрээнд давтагдах хөгжлийг дэмжих өгөгдлийн агуулах. Түүний дутагдал нь загвар зохион бүтээхэд хүндрэлтэй, зардал ихтэй байдаг dati нийгмийн, аль аль загварт ашигласан аж ахуйн нэгж, харилцааны загваруудыг ойлгоход бэрхшээлтэй, тэр dati нийгмийн болон тэр dati сэдвийн хүрээнд хадгалагдаж, тохирох байдал dati -ийн зургийн өгөгдлийн агуулах хэрэгжүүлэхийн тулд Өгөгдлийн сан харилцааны хувьд биш Өгөгдлийн сан олон хэмжээст.

Ives' (1995) Approach to Өгөгдлийн агуулах Зураг төсөл боловсруулах

Ives (1995) мэдээллийн системийг зохион бүтээх дөрвөн үе шаттай хандлагыг санал болгож байна. өгөгдлийн агуулах (Зураг 3-ыг үз). Энэ арга нь мэдээллийн системийг хөгжүүлэх мэдээллийн инженерчлэлд ихээхэн тулгуурласан байдаг (Мартин 1990). Эхний алхам бол зорилго, чухал, амжилтын хүчин зүйлүүд, гүйцэтгэлийн гол үзүүлэлтүүдийг тодорхойлох явдал юм. Бизнесийн гол үйл явц, шаардлагатай мэдээллийг загварчилж, биднийг загвар руу хөтөлдөг dati нийгмийн. Хоёр дахь алхам нь тодорхой архитектурыг боловсруулах явдал юм dati газар нутгаар хадгалагдаж, Өгөгдлийн сан di өгөгдлийн агуулах, шаардлагатай технологийн бүрэлдэхүүн хэсгүүд, хэрэгжүүлэх, хамтран ажиллахад шаардлагатай байгууллагын дэмжлэгийн багц өгөгдлийн агуулах. Гурав дахь алхам нь шаардлагатай програм хангамжийн багц, хэрэгслийг сонгох явдал юм. Дөрөв дэх алхам бол барилгын нарийвчилсан зураг төсөл, барилгын ажил юм өгөгдлийн агуулах. Хадгалахыг Ивс тэмдэглэв dati энэ нь хязгаарлагдмал давтагдах үйл явц юм.

Айвсын аргын давуу тал нь мэдээллийн хэрэгцээг тодорхойлох тусгай арга техникийг ашиглах, мэдээллийн нэгдсэн үйл явцыг дэмжих бүтэцтэй үйл явцыг ашиглах явдал юм. өгөгдлийн агуулах, тохирох техник хангамж, програм хангамжийн сонголт, олон дүрслэлийн техникийг ашиглах өгөгдлийн агуулах. Түүний дутагдал нь нарийн төвөгтэй байдлаас үүдэлтэй. Бусад нь олон түвшнийг хөгжүүлэхэд бэрхшээлтэй байдаг Өгөгдлийн сан all'interno del өгөгдлийн агуулах боломжийн цаг хугацаа, зардал.

Кимбалл (1994) хандлага Өгөгдлийн агуулах Зураг төсөл боловсруулах

Кимбалл (1994) дизайн хийх таван давталттай алхамыг санал болгосон өгөгдлийн агуулах (4-р зургийг үз). Түүний арга барил нь гоцлол дууны загварт онцгойлон зориулагдсан байдаг өгөгдлийн агуулах мөн аж ахуйн нэгж, харилцааны загвараас илүү хэмжээст загварыг ашиглах талаар. Кимбалл эдгээр хэмжээст загваруудад дүн шинжилгээ хийдэг, учир нь бизнесийн удирдагчид бизнесийг ойлгоход хялбар, нарийн төвөгтэй зөвлөгөөнүүдийг шийдвэрлэхэд илүү үр дүнтэй, мөн дизайныг боловсруулахад илүү хялбар байдаг. Өгөгдлийн сан физик нь илүү үр дүнтэй байдаг (Kimball 1994). Кимбалл хүлээн зөвшөөрч хөгжил нь а өгөгдлийн агуулах энэ нь давтагдах бөгөөд тэр өгөгдлийн агуулах тусдаа хүснэгтүүдийг нийтлэг хэмжээтэй хүснэгтэд хуваах замаар нэгтгэж болно.

Эхний алхам бол төгс болгох тодорхой сэдвийг тодорхойлох явдал юм. Хоёр ба гурав дахь алхам нь хэмжээст загварчлалтай холбоотой. Хоёр дахь шатанд хэмжилтүүд нь тухайн сэдвийн хүрээнд сонирхож буй зүйлсийг тодорхойлж, тэдгээрийг баримтын хүснэгтэд бүлэглэнэ. Жишээлбэл, борлуулалтын талбарт ашиг сонирхлын хэмжүүр нь борлуулсан барааны хэмжээ болон долларыг борлуулалтын валют болгон оруулж болно. Гурав дахь алхам нь баримтыг бүлэглэх арга зам болох хэмжигдэхүүнүүдийг тодорхойлох явдал юм. Борлуулалтын сэдэвт холбогдох хэмжигдэхүүнүүд нь бараа, байршил, хугацаа зэргийг багтааж болно. Баримт бичгийн хүснэгт нь хэмжээсийн хүснэгт бүртэй холбох олон хэсгээс бүрдсэн түлхүүртэй бөгөөд ихэвчлэн маш олон тооны баримтуудыг агуулдаг. Үүний эсрэгээр, хэмжээсийн хүснэгтүүд нь хэмжигдэхүүн болон бусад шинж чанаруудын талаархи тодорхой мэдээллийг агуулдаг бөгөөд энэ нь баримтуудыг бүлэглэхэд ашиглаж болно. Холбогдох санал болгож буй баримт болон хэмжээсийн хүснэгт нь хэлбэрийн улмаас одны схем гэж нэрлэгддэг зүйлийг бүрдүүлдэг. Дөрөв дэх алхам нь барилгын ажил орно Өгөгдлийн сан одны хэв маягийг төгс болгохын тулд олон хэмжээст . Эцсийн алхам бол эх системийг тодорхойлох явдал юм dati авах, цэвэрлэх, форматлахын тулд хувиргах процессыг шаардлагатай ба хөгжүүлэх i dati.

Кимбаллын аргын давуу тал нь хэмжээст загваруудыг төлөөлөх явдал юм dati хадгалсан нь ойлгоход хялбар болгож, үр дүнтэй физик дизайн хийхэд хүргэдэг. -ийн хоёр системийг хялбархан ашигладаг хэмжээст загвар Өгөгдлийн сан харилцааг төгс төгөлдөржүүлсэн эсвэл системтэй байж болно Өгөгдлийн сан олон хэмжээст. Үүний дутагдалтай тал нь олон оддын хэв маягийг төлөвлөх, нэгтгэх ажлыг хөнгөвчлөх зарим арга техник дутмаг байдаг. өгөгдлийн агуулах мөн хэт хэвийн бус бүтцээс хэмжээст загвар болгон төлөвлөхөд хүндрэлтэй байдаг dati хуучин системд.

МакФаддений (1996) Өгөгдөлд хандах хандлага Агуулахын зураг төсөл

МакФадден (1996) дизайн хийх таван үе шаттай аргыг санал болгож байна өгөгдлийн агуулах (5-р зургийг үз).
Түүний арга барил нь уран зохиолын санаануудын нийлбэр дээр суурилдаг бөгөөд сингл дизайн дээр төвлөрсөн байдаг өгөгдлийн агуулах. Эхний алхам нь шаардлагын дүн шинжилгээ хийх явдал юм. Хэдийгээр техникийн үзүүлэлтүүдийг заагаагүй ч МакФаддены тэмдэглэлд аж ахуйн нэгжүүдийг тодорхойлсон байдаг dati техникийн үзүүлэлтүүд болон тэдгээрийн шинж чанаруудыг багтаасан бөгөөд Watson and Frolick (1993) уншигчдад тавигдах шаардлагуудыг багтаасан болно.
Хоёр дахь шатанд аж ахуйн нэгжийн харилцааны загварыг боловсруулсан болно өгөгдлийн агуулах дараа нь компанийн удирдлагууд баталгаажуулсан. Гурав дахь алхам нь хуучин систем болон гадаад эх сурвалжаас зураглалыг тодорхойлох явдал юм өгөгдлийн агуулах. Дөрөв дэх алхам нь боловсруулах, байршуулах, синхрончлох үйл явцыг хамарна dati онд өгөгдлийн агуулах. Эцсийн шатанд хэрэглэгчийн интерфэйс дээр онцгой анхаарал хандуулж системийн хүргэлтийг боловсруулдаг. МакФадден зурах үйл явц нь ерөнхийдөө давталттай байдаг гэж тэмдэглэжээ.

МакФаддены аргын давуу тал нь шаардлага, мөн нөөцийн ач холбогдлыг тодорхойлоход бизнесийн удирдагчдын оролцоог харуулж байна. dati, тэдгээрийг цэвэрлэх, цуглуулах. Үүний дутагдалтай тал нь том төслийг задлах процесс байхгүй байна өгөгдлийн агуулах олон нэгдмэл үе шатанд, мөн

-ийн дизайнд ашигласан аж ахуйн нэгж, харилцааны загваруудыг ойлгоход бэрхшээлтэй өгөгдлийн агуулах.

Зөвхөн бидний ойр дотны хүмүүс л биднийг сонгодоггүй.