डाटा गोदाम र उद्यम संसाधन योजना | DWH र ERP

अभिलेख डाटा केन्द्रीय: इतिहास ED विकास

90 को दशकमा कर्पोरेट टेक्नोलोजीका दुई प्रमुख विषयवस्तुहरू थिए i डाटा गोदाम र ERP। लामो समयको लागि यी दुई शक्तिशाली प्रवाहहरू कर्पोरेट आईटीका भागहरू कहिल्यै प्रतिच्छेदन बिना नै भएका छन्। यो लगभग जस्तै थियो कि तिनीहरू पदार्थ र विरोधी पदार्थ थिए। तर दुबै घटनाको बृद्धिले अपरिहार्य रूपमा तिनीहरूको प्रतिच्छेदन गरेको छ। आज कम्पनीहरूले ERP र के गर्ने भन्ने समस्याको सामना गरिरहेका छन् डाटा गोदाम। यस लेखले समस्याहरू के हो र कम्पनीहरूले तिनीहरूलाई कसरी सम्बोधन गर्दैछन् भनेर रूपरेखा गर्नेछ।

सुरु मा…

सुरुमा त्यहाँ थियो डाटा गोदाम. डाटा गोदाम लेनदेन प्रशोधन आवेदन प्रणाली काउन्टर गर्न सिर्जना गरिएको थियो। प्रारम्भिक दिनहरूमा स्मरण डाटा यो लेनदेन प्रशोधन अनुप्रयोगहरूको लागि केवल एक काउन्टरपोइन्ट हुनको लागि थियो। तर आजकल त्यहाँ के धेरै परिष्कृत विचारहरू छन् डाटा गोदाम। आजको संसारमा द डाटा गोदाम यो एक संरचना भित्र सम्मिलित छ जसलाई कर्पोरेट सूचना कारखाना भनिन्छ।

कर्पोरेट जानकारी कारखाना (CIF)

कर्पोरेट सूचना कारखानामा मानक वास्तुकला घटकहरू छन्: रूपान्तरणको स्तर र कोड एकीकरण जसले एकीकृत गर्दछ। डाटा जब म डाटा तिनीहरू आवेदन वातावरणबाट वातावरण तिर सर्छन् डाटा गोदाम कम्पनी को; a डाटा गोदाम कम्पनीको जहाँ डाटा विस्तृत र एकीकृत इतिहासकारहरू। द डाटा गोदाम कम्पनीको जगको रूपमा काम गर्दछ जसमा वातावरणका अन्य सबै भागहरू निर्माण गर्न सकिन्छ डाटा गोदाम; एक परिचालन डाटा स्टोर (ODS)। एक ODS एक हाइब्रिड संरचना हो जसमा केही पक्षहरू समावेश छन् डाटा गोदाम र OLTP वातावरणका अन्य पक्षहरू; डाटा मार्ट, जहाँ विभिन्न विभागहरूको आफ्नै संस्करण हुन सक्छ डाटा गोदाम; a डाटा गोदाम अन्वेषण को जसमा कम्पनीका "दार्शनिकहरू" ले आफ्ना प्रश्नहरू 72 घण्टाको लागि पेश गर्न सक्छन् बिना हानिकारक प्रभाव। डाटा गोदाम; र नजिकको रेखा मेमोरी, जसमा डाटा पुरानो र डाटा थोक विवरण सस्तोमा भण्डारण गर्न सकिन्छ।

कहाँ ERP सँग संयोजन हुन्छ कर्पोरेट जानकारी कारखाना

ERP दुई ठाउँमा कर्पोरेट सूचना कारखानासँग मर्ज हुन्छ। पहिलो आधारभूत अनुप्रयोगको रूपमा (आधार रेखा) जसले i डाटा को लागी आवेदन को डाटा गोदाम। यस अवस्थामा म डाटालेनदेन प्रक्रियाको उप-उत्पादनको रूपमा उत्पन्न, एकीकृत र लोड हुन्छ डाटा गोदाम कम्पनीको। ERP र CIF र ODS बीचको मिलनको दोस्रो बिन्दु। वास्तवमा, धेरै वातावरणहरूमा ERP क्लासिक ODS को रूपमा प्रयोग गरिन्छ।

यदि ERP आधारभूत अनुप्रयोगको रूपमा प्रयोग गरिन्छ भने, उही ERP लाई CIF मा ODS को रूपमा पनि प्रयोग गर्न सकिन्छ। कुनै पनि अवस्थामा, यदि ERP दुवै भूमिकाहरूमा प्रयोग गर्न सकिन्छ भने, त्यहाँ दुई संस्थाहरू बीच स्पष्ट भिन्नता हुनुपर्छ। अर्को शब्दमा, जब ERP ले कोर एप्लिकेसन र ODS को भूमिका खेल्छ, दुई वास्तु संस्थाहरूलाई छुट्याउनैपर्छ। यदि एउटै ERP कार्यान्वयनले दुवै भूमिका एकैसाथ गर्ने प्रयास गर्छ भने त्यस संरचनाको डिजाइन र कार्यान्वयनमा अपरिहार्य रूपमा समस्याहरू हुनेछन्।

ODS र आधारभूत आवेदनहरू अलग गर्नुहोस्

त्यहाँ धेरै कारणहरू छन् जुन वास्तुकला घटकहरूको विभाजनको नेतृत्व गर्दछ। वास्तुकलाको विभिन्न घटकहरू अलग गर्नको लागि सायद सबैभन्दा महत्त्वपूर्ण मुद्दा यो हो कि वास्तुकलाको प्रत्येक घटकको आफ्नै दृष्टिकोण छ। आधारभूत अनुप्रयोगले ODS भन्दा फरक उद्देश्य प्रदान गर्दछ। ओभरल्याप गर्ने प्रयास गर्नुहोस्

ODS को संसारमा आधारभूत अनुप्रयोग दृश्य वा यसको विपरीत काम गर्ने सही तरिका होइन।

फलस्वरूप, CIF मा ERP को पहिलो समस्या आधारभूत अनुप्रयोगहरू र ODS बीच भिन्नता छ कि छैन भनेर प्रमाणित गर्नु हो।

कर्पोरेटमा डाटा मोडेलहरू सूचना कारखाना

CIF वास्तुकला को विभिन्न घटकहरु बीच एकता प्राप्त गर्न को लागी, त्यहाँ को एक मोडेल हुनुपर्छ डाटा। को मोडेलहरू डाटा तिनीहरू आधारभूत अनुप्रयोगहरू र ODS जस्ता वास्तुकलाका विभिन्न घटकहरू बीचको लिङ्कको रूपमा सेवा गर्छन्। को मोडेलहरू डाटा तिनीहरू CIF को विभिन्न वास्तुकला घटकहरूबाट सही अर्थ प्राप्त गर्न "बौद्धिक मार्ग नक्शा" बन्छन्।

यस धारणाको साथ हातमा जाँदै, विचार यो छ कि त्यहाँ एक ठूलो र एकल मोडेल हुनुपर्छ डाटा। निस्सन्देह, त्यहाँ एक मोडेल हुनुपर्छ डाटा प्रत्येक कम्पोनेन्टका लागि र त्यहाँ विभिन्न मोडेलहरू जडान गर्ने समझदार मार्ग हुनुपर्छ। वास्तुकलाको प्रत्येक घटक - ODS, आधारभूत अनुप्रयोगहरू, डाटा गोदाम कम्पनीको, र यस्तै .. - यसको आफ्नै मोडेल चाहिन्छ डाटा। र त्यसैले यी मोडेलहरू कसरी एक सटीक परिभाषा हुनुपर्छ डाटा तिनीहरू एक अर्कासँग इन्टरफेस गर्छन्।

म सार्नुहोस् डाटा डाटामा ERP को गोदाम

यदि को उत्पत्ति डाटा एक आधारभूत अनुप्रयोग र/वा ODS हो, जब ERP सम्मिलित गर्दछ डाटा nel डाटा गोदाम, यो सम्मिलन "ग्रेन्युलेरिटी" को न्यूनतम स्तरमा हुनुपर्दछ। केवल संक्षेप वा समग्र i डाटा किनकि तिनीहरू ERP आधारभूत अनुप्रयोगबाट बाहिर आउँछन् वा ERP ODS सही कुरा होइन। द डाटा मा विवरण आवश्यक छ डाटा गोदाम DSS प्रक्रियाको आधार बनाउन। यस्तो डाटा डाटा मार्ट र अन्वेषण द्वारा धेरै तरिकामा पुन: आकार दिइनेछ डाटा गोदाम.

को सर्दै डाटा ERP आधारभूत आवेदन वातावरण देखि डाटा गोदाम कम्पनी को एक उचित आराम तरिका मा गरिन्छ। यो चाल ERP मा अद्यावधिक वा सिर्जना पछि लगभग 24 घण्टा हुन्छ। को "आलसी" आन्दोलन भएको तथ्य डाटा nel डाटा गोदाम कम्पनी को अनुमति दिन्छ डाटा ERP बाट "डिपोजिट" मा आउँदैछ। एक पटक म डाटा आधारभूत अनुप्रयोगमा भण्डारण गरिन्छ, त्यसपछि तपाइँ सुरक्षित रूपमा सार्न सक्नुहुन्छ डाटा उद्यम मा ERP को। को "आलसी" आन्दोलनको लागि अर्को लक्ष्य प्राप्त गर्न सकिन्छ डाटा यो परिचालन प्रक्रिया र DSS बीचको स्पष्ट चित्रण हो। को एक "द्रुत" आन्दोलन संग डाटा DSS र परिचालन बीचको विभाजन रेखा अस्पष्ट रहन्छ।

को आन्दोलन डाटा ERP को ODS देखि डाटा गोदाम कम्पनीको आवधिक रूपमा गरिन्छ, सामान्यतया साप्ताहिक वा मासिक। यस अवस्थामा को आन्दोलन डाटा यो पुरानो "सफाई" को आवश्यकता मा आधारित छ डाटा इतिहासकारहरू। अवश्य पनि, ODS ले i समावेश गर्दछ डाटा जुन हालको भन्दा धेरै हो डाटा इतिहासकारहरु मा फेला पर्यो डाटा गोदाम.

को सर्दै डाटा nel डाटा गोदाम यो लगभग कहिल्यै "थोक" (थोक बिक्रेता तरिकामा) गरिन्छ। ERP वातावरणबाट एउटा तालिका प्रतिलिपि गर्नुहोस् डाटा गोदाम यसले कुनै अर्थ राख्दैन। एक धेरै यथार्थवादी दृष्टिकोण को चयन गरिएको एकाइहरू सार्न हो डाटा। मात्र डाटा जुन पछिल्लो अपडेट पछि परिवर्तन भएको छ डाटा गोदाम तिनीहरू मध्ये सारिनु पर्छ कि एक हो डाटा गोदाम। कुन हो जान्न एक तरिका डाटा पछिल्लो अपडेट को टाइमस्ट्याम्प हेर्न को लागी परिवर्तन भएको छ डाटा ERP वातावरणमा फेला पर्यो। डिजाइनरले अन्तिम अद्यावधिक पछि भएका सबै परिवर्तनहरू चयन गर्दछ। अर्को दृष्टिकोण भनेको परिवर्तन क्याप्चर प्रविधिहरू प्रयोग गर्नु हो डाटा। यी प्रविधिहरूसँग, लगहरू र जर्नल टेपहरू कुन कुन निर्धारण गर्न विश्लेषण गरिन्छ डाटा ERP वातावरणबाट त्यसमा सार्नु पर्छ डाटा गोदाम। यी प्रविधिहरू उत्तम छन् किनभने लगहरू र जर्नल टेपहरू ERP फाइलहरूबाट अन्य ERP स्रोतहरूलाई थप प्रभाव नगरी पढ्न सकिन्छ।

अन्य जटिलताहरू

CIF मा ERP समस्याहरू मध्ये एक अन्य अनुप्रयोग स्रोतहरूमा वा के हुन्छ डाटा ODS को तिनीहरूले योगदान गर्नुपर्छ डाटा गोदाम तर तिनीहरू ERP वातावरणको भाग होइनन्। ERP को बन्द प्रकृति, विशेष गरी SAP को बाह्य स्रोतहरूबाट कुञ्जीहरू एकीकृत गर्ने प्रयास गर्दै डाटा मसँग डाटा जुन ERP बाट आउँछ जब सार्न डाटा nel डाटा गोदाम, यो ठूलो चुनौती हो। र वास्तवमा के सम्भावनाहरू छन् कि i डाटा ERP वातावरण बाहिरका अनुप्रयोगहरू वा ODS को मा एकीकृत गरिनेछ डाटा गोदाम? बाधाहरू वास्तवमा धेरै उच्च छन्।

फेला पार्नुहोस् डाटा ERP बाट ऐतिहासिक

म संग अर्को समस्या डाटा ERP को आवश्यकता बाट व्युत्पन्न छ डाटा भित्र इतिहासकारहरू डाटा गोदाम। सामान्यतया द डाटा गोदाम चाहिन्छ डाटा इतिहासकारहरू। र ERP प्रविधिले सामान्यतया यी भण्डार गर्दैन डाटा ऐतिहासिक, कम्तिमा बिन्दुमा जहाँ यो आवश्यक छ डाटा गोदाम। जब ठूलो मात्रामा डाटा इतिहास ERP वातावरणमा थप्न सुरु हुन्छ, त्यो वातावरण सफा गर्न आवश्यक छ। उदाहरणका लागि, मानौं कि ए डाटा गोदाम पाँच वर्षको साथ लोड हुनुपर्छ डाटा ऐतिहासिक जबकि ERP ले यी मध्ये अधिकतम छ महिना राख्छ डाटा। जबसम्म कम्पनी एक श्रृंखला सङ्कलन संग सन्तुष्ट छ डाटा इतिहासकारहरू समय बित्दै जाँदा, त्यसपछि स्रोतको रूपमा ERP प्रयोग गर्न कुनै समस्या छैन डाटा गोदाम। तर जब डाटा गोदाम उसले समयमै फर्केर देवताहरू प्राप्त गर्नुपर्छ डाटा इतिहासहरू जुन पहिले ERP द्वारा सङ्कलन र बचत गरिएको छैन, त्यसपछि ERP वातावरण अक्षम हुन्छ।

ERP र मेटाडेटा

ERP ई को बारे मा बनाउन को लागी अर्को विचार डाटा गोदाम ERP वातावरणमा अवस्थित मेटाडाटामा रहेको एउटा हो। जसरी मेटाडेटा ERP वातावरणबाट प्रवाह हुन्छ डाटा गोदाम, मेटाडेटा उही तरिकामा सारिनु पर्छ। यसबाहेक, मेटाडेटालाई पूर्वाधारले आवश्यक पर्ने ढाँचा र संरचनामा रूपान्तरण गर्नुपर्छ। डाटा गोदाम। परिचालन मेटाडेटा र DSS मेटाडेटा बीच ठूलो भिन्नता छ। सञ्चालन मेटाडेटा मुख्य रूपमा विकासकर्ता र को लागि हो

प्रोग्रामर। DSS मेटाडेटा मुख्य रूपमा अन्तिम प्रयोगकर्ताको लागि हो। ERP अनुप्रयोगहरू वा ODSs मा अवस्थित मेटाडेटा रूपान्तरण गर्न आवश्यक छ, र यो रूपान्तरण सधैं सजिलो र सीधा हुँदैन।

ईआरपी डाटा सोर्सिङ

यदि ERP को आपूर्तिकर्ताको रूपमा प्रयोग गरिन्छ डाटा प्रति आईएल डाटा गोदाम त्यहाँ एक ठोस इन्टरफेस हुनुपर्दछ जसले सार्दछ डाटा ERP वातावरण देखि वातावरण सम्म डाटा गोदाम। इन्टरफेस हुनुपर्छ:

• ▪ प्रयोग गर्न सजिलो हुनुहोस्
• ▪ पहुँच अनुमति दिनुहोस् डाटा ERP को
• ▪ को अर्थ लिनुहोस् डाटा जुन मा सार्ने तयारीमा छन् डाटा गोदाम
• ▪ पहुँच गर्दा उत्पन्न हुन सक्ने ERP सीमितताहरू जान्नुहोस् डाटा ERP को:
• ▪ सन्दर्भ अखण्डता
• ▪ श्रेणीबद्ध सम्बन्धहरू
• ▪ निहित तार्किक सम्बन्ध
• ▪ आवेदन सम्मेलन
• ▪ को सबै संरचनाहरू डाटा ERP द्वारा समर्थित, र यस्तै...
• ▪ पहुँचमा कुशल हुनुहोस् डाटा, प्रदान गरेर:
• ▪ प्रत्यक्ष आवागमन डाटा
• ▪ परिवर्तनको अधिग्रहण डाटा
• ▪ समयमै पहुँच समर्थन गर्नुहोस् डाटा
• ▪ को ढाँचा बुझ्नुहोस् डाटा, र यस्तै… SAP को साथ इन्टरफेस इन्टरफेस दुई प्रकारको हुन सक्छ, स्वदेशी वा व्यावसायिक। केहि प्रमुख व्यापारिक इन्टरफेसहरू समावेश छन्:

• ▪ SAS
• ▪ प्रिम्स समाधान
• ▪ D2k, र यस्तै... बहु ईआरपी टेक्नोलोजीहरू ERP वातावरणलाई एउटै प्रविधिको रूपमा व्यवहार गर्नु ठूलो गल्ती हो। त्यहाँ धेरै ERP प्रविधिहरू छन्, प्रत्येकको आफ्नै बलहरू छन्। बजारमा सबैभन्दा प्रसिद्ध विक्रेताहरू हुन्:

• ▪ SAP
• ▪ ओरेकल फाइनान्सियल
• ▪ PeopleSoft
• ▪ जेडी एडवर्ड्स
• ▪ बान SAP SAP सबैभन्दा ठूलो र सबैभन्दा पूर्ण ERP सफ्टवेयर हो। SAP अनुप्रयोगहरूले धेरै क्षेत्रहरूमा धेरै प्रकारका अनुप्रयोगहरू समावेश गर्दछ। SAP को लागि प्रतिष्ठा छ:

• ▪ धेरै ठूलो
• ▪ कार्यान्वयन गर्न धेरै गाह्रो र महँगो
• ▪ कार्यान्वयन गर्न धेरै व्यक्ति र सल्लाहकार चाहिन्छ
• ▪ कार्यान्वयनका लागि विशेष व्यक्तिहरू चाहिन्छ
• ▪ कार्यान्वयन गर्न लामो समय लाग्छ, यसबाहेक, SAP सँग यसको सम्झनाको लागि प्रतिष्ठा छ। डाटा धेरै सावधानीपूर्वक, SAP क्षेत्र बाहिर कसैलाई तिनीहरू पहुँच गर्न गाह्रो बनाउँदै। SAP को बल यो कैद गर्न र ठूलो मात्रा को भण्डारण गर्न सक्षम छ डाटा। भर्खरै SAP ले आफ्नो आवेदन विस्तार गर्न आफ्नो इरादा घोषणा गर्यो डाटा गोदाम। SAP को विक्रेताको रूपमा प्रयोग गर्नका लागि त्यहाँ धेरै फाइदा र विपक्षहरू छन् डाटा गोदाम। एउटा फाइदा यो हो कि SAP पहिले नै स्थापित छ र धेरै सल्लाहकारहरूलाई पहिले नै SAP थाहा छ।
  को एक आपूर्तिकर्ता को रूप मा SAP हुनु को हानि डाटा गोदाम त्यहाँ धेरै छन्: SAP को संसारमा कुनै अनुभव छैन डाटा गोदाम यदि SAP को आपूर्तिकर्ता हो डाटा गोदाम, यो "बाहिर निकाल्न" आवश्यक छ डाटा SAP देखि डाटा गोदाम. डाटा बन्द प्रणालीको SAP को ट्र्याक रेकर्ड, यसमा SAP बाट i प्राप्त गर्न सजिलो हुने सम्भावना छैन (???)। त्यहाँ धेरै विरासत वातावरणहरू छन् जसले SAP लाई शक्ति दिन्छ, जस्तै IMS, VSAM, ADABAS, ORACLE, DB2, र यस्तै। SAP "यहाँ आविष्कार गरिएको छैन" दृष्टिकोणमा जोड दिन्छ। SAP प्रयोग गर्न वा सिर्जना गर्न अन्य विक्रेताहरूसँग साझेदारी गर्न चाहँदैन डाटा गोदाम। SAP ले यसको सबै सफ्टवेयर आफैं उत्पादन गर्न जोड दिन्छ।

यद्यपि SAP एक ठूलो र शक्तिशाली कम्पनी हो, ELT, OLAP, प्रणाली प्रशासन र कोर कोडको टेक्नोलोजी पुन: लेख्ने प्रयास गर्दै। dbms यो केवल पागल हो। को सप्लायरहरु संग सहयोगी मनोवृत्ति लिनुको सट्टा डाटा गोदाम लामो समयदेखि, SAP ले "उनीहरूलाई राम्रोसँग थाहा छ" दृष्टिकोण पछ्याइएको छ। यो मनोवृत्तिले SAP को क्षेत्रमा हुन सक्ने सफलतालाई पछाडि राख्छ डाटा गोदाम.
बाह्य विक्रेताहरूलाई तुरुन्तै र अनुग्रहपूर्वक पहुँच गर्न अनुमति दिन SAP को अस्वीकार डाटा। एक प्रयोग को धेरै सार डाटा गोदाम मा सजिलो पहुँच छ डाटा। SAP को सम्पूर्ण इतिहास पहुँच गर्न गाह्रो बनाउनमा आधारित छ डाटा.
SAP को ठूलो मात्रा संग व्यवहार मा अनुभव को कमी डाटा; को क्षेत्र मा डाटा गोदाम को मात्रा छन् डाटा SAP द्वारा कहिल्यै देखिएन र यी ठूला परिमाणहरू व्यवस्थापन गर्न डाटा तपाईंसँग उपयुक्त प्रविधि हुनुपर्छ। SAP स्पष्ट रूपमा यस प्राविधिक बाधा बारे सचेत छैन जुन को क्षेत्रमा प्रवेश गर्न अवस्थित छ डाटा गोदाम.
SAP को कर्पोरेट संस्कृति: SAP ले प्राप्त गर्ने व्यवसाय बनाएको छ डाटा प्रणालीबाट। तर यसका लागि फरक मानसिकता हुनुपर्छ । परम्परागत रूपमा, सफ्टवेयर कम्पनीहरू जुन वातावरणमा डाटा प्राप्त गर्नमा राम्रो थिए अन्य तरिकामा जानको लागि डाटा प्राप्त गर्नमा राम्रो छैन। यदि SAP ले यस प्रकारको स्विच बनाउन प्रबन्ध गर्छ भने, यो त्यसो गर्ने पहिलो कम्पनी हुनेछ।

छोटकरीमा, यो शंकास्पद छ कि कम्पनीले SAP लाई यसको आपूर्तिकर्ताको रूपमा चयन गर्नुपर्छ डाटा गोदाम। त्यहाँ एकातिर धेरै गम्भीर जोखिमहरू छन् र अर्कोतिर धेरै थोरै पुरस्कारहरू छन्। तर त्यहाँ अर्को कारण छ जसले SAP लाई आपूर्तिकर्ताको रूपमा छनौट गर्न निरुत्साहित गर्दछ डाटा गोदाम। किनभने हरेक कम्पनीमा समान हुनुपर्छ डाटा गोदाम सबै अन्य कम्पनीहरु को? द डाटा गोदाम यो प्रतिस्पर्धात्मक लाभ को हृदय हो। यदि सबै कम्पनीहरूले समान अपनाए डाटा गोदाम प्रतिस्पर्धात्मक लाभ हासिल गर्न असम्भव नभए पनि गाह्रो हुनेछ। SAP ले सोचेको देखिन्छ कि ए डाटा गोदाम यसलाई कुकीको रूपमा देख्न सकिन्छ र यो तिनीहरूको अनुप्रयोगहरूको "डेटा प्राप्त गर्नुहोस्" मानसिकताको थप संकेत हो।

कुनै अन्य ERP विक्रेता SAP जत्तिकै प्रभावशाली छैन। निस्सन्देह त्यहाँ कम्पनीहरू हुनेछन् जुन तिनीहरूको लागि SAP को मार्ग पछ्याउनेछन् डाटा गोदाम तर सम्भवतः यी डाटा गोदाम SAP ठूलो, महँगो र सिर्जना गर्न समय खपत हुनेछ।

यी वातावरणहरूमा बैंक टेलर प्रशोधन, एयरलाइन रिजर्भेसन प्रक्रियाहरू, बीमा दाबी प्रक्रियाहरू, र यस्तै अन्य गतिविधिहरू समावेश छन्। लेनदेन प्रणाली जति धेरै प्रदर्शन गरिरहेको थियो, अधिक स्पष्ट थियो परिचालन प्रक्रिया र DSS (निर्णय समर्थन प्रणाली) बीचको विभाजनको आवश्यकता। जे होस्, मानव संसाधन र कर्मचारी प्रणाली संग, तपाईं लेनदेन को ठूलो मात्रा संग सामना गर्नु पर्दैन। र, निस्सन्देह, जब एक व्यक्ति भाडामा लिइन्छ वा कम्पनी छोड्छ यो लेनदेनको रेकर्ड हो। तर अन्य प्रणालीहरूको तुलनामा, मानव संसाधन र कर्मचारी प्रणालीहरूमा धेरै लेनदेनहरू छैनन्। त्यसकारण, मानव संसाधन र कर्मचारी प्रणालीहरूमा यो पूर्ण रूपमा स्पष्ट छैन कि त्यहाँ डाटावेयरहाउसको आवश्यकता छ। धेरै तरिकामा यी प्रणालीहरूले DSS प्रणालीहरूको एकीकरणलाई प्रतिनिधित्व गर्दछ।

तर त्यहाँ अर्को कारक छ जुन विचार गर्नुपर्दछ यदि तपाइँ डाटा गोदामहरू र PeopleSoft सँग काम गर्दै हुनुहुन्छ भने। धेरै वातावरणमा, i डाटा मानव र व्यक्तिगत स्रोतहरू कम्पनीको प्राथमिक व्यवसायको लागि माध्यमिक छन्। धेरै कम्पनीहरू निर्माण, बिक्री, सेवाहरू प्रदान गर्ने, र यति मा संलग्न छन्। मानव संसाधन र कर्मचारी प्रणालीहरू सामान्यतया कम्पनीको व्यापारको मुख्य लाइनमा (वा समर्थन गर्ने) माध्यमिक हुन्छन्। त्यसैले, यो विवादास्पद र असुविधाजनक छ डाटा गोदाम मानव संसाधन र कर्मचारी समर्थन को लागी अलग।

PeopleSoft यस सन्दर्भमा SAP भन्दा धेरै फरक छ। SAP को साथ, यो अनिवार्य छ कि त्यहाँ एक छ डाटा गोदाम। PeopleSoft संग, यो स्पष्ट छैन। एक डाटा गोदाम PeopleSoft संग वैकल्पिक छ।

सबै भन्दा राम्रो कुरा को लागी भन्न सकिन्छ डाटा PeopleSoft त्यो हो डाटा गोदाम संग्रह गर्न को लागी प्रयोग गर्न सकिन्छ i डाटा पुरानो मानव र व्यक्तिगत स्रोत सम्बन्धित। कम्पनीले प्रयोग गर्न चाहेको दोस्रो कारण डाटा गोदाम a

पीपलसफ्ट वातावरणको हानि भनेको विश्लेषण उपकरणहरूमा पहुँच र नि: शुल्क पहुँच अनुमति दिनु हो डाटा PeopleSoft द्वारा। तर यी कारणहरू बाहेक, त्यहाँ केसहरू हुन सक्छन् जहाँ डाटा गोदाम नहुनु राम्रो हुन्छ डाटा मानिसहरू सफ्ट।

संक्षिप्तमा

ए को निर्माण को बारे मा धेरै विचारहरु छन् डाटा गोदाम एक ERP सफ्टवेयर भित्र।
यी मध्ये केही हुन्:

• ▪ एउटा हुनुको अर्थ हुन्छ डाटा गोदाम त्यो उद्योग मा अरु केहि जस्तै छ?
• ▪ ERP कति लचिलो छ डाटा गोदाम सफ्टवेयर?
• ▪ एक ERP डाटा गोदाम सफ्टवेयरको मात्रा ह्यान्डल गर्न सक्छ डाटा जुन ए मा अवस्थित छडाटा गोदाम मैदान"?
• ▪ ERP विक्रेताले समयको सर्तमा सजिलो र सस्तोमा गर्ने ट्रेस रेकर्डिङ के हो, डाटा? (सस्तो, समयमा, डाटा पहुँच गर्न सजिलोको डेलिभरीमा ERP विक्रेताहरूको ट्र्याक रेकर्ड के हो?)
• ▪ DSS आर्किटेक्चर र कर्पोरेट जानकारी कारखानाको ERP विक्रेताको बुझाइ के हो?
• ▪ ERP बिक्रेताहरूले कसरी हासिल गर्ने भनेर बुझ्छन् डाटा वातावरण भित्र, तर तिनीहरूलाई कसरी निर्यात गर्ने भनेर पनि बुझ्न?
• ▪ डाटा भण्डारण उपकरणहरूको लागि ERP विक्रेता कत्तिको खुला छ?
  यी सबै विचारहरू कहाँ राख्ने निर्धारण गर्न आवश्यक छ डाटा गोदाम जसले आयोजक गर्नेछ डाटा ERP र अन्य को डाटा। सामान्यतया, अन्यथा गर्न बाध्यकारी कारण नभएसम्म, निर्माण सिफारिस गरिन्छ डाटा गोदाम ERP विक्रेताको वातावरण बाहिर। क्यापिटोलो १ BI संगठन प्रमुख बुँदाहरूको सिंहावलोकन:
  सूचना भण्डारहरू व्यापार बुद्धिमत्ता (BI) वास्तुकलामा उल्टो काम गर्दछ:
  कर्पोरेट संस्कृति र IT ले BI संगठनहरू निर्माणमा सफलता सीमित गर्न सक्छ।

प्रविधि अब BI संगठनहरूको लागि सीमित कारक छैन। वास्तुविद् र परियोजना योजनाकारहरूका लागि प्रश्न यो प्रविधि अवस्थित छ कि छैन, तर तिनीहरूले उपलब्ध प्रविधिलाई प्रभावकारी रूपमा कार्यान्वयन गर्न सक्छन् कि सक्दैनन् भन्ने हो।

धेरै कम्पनीहरूको लागि ए डाटा गोदाम यो एक निष्क्रिय निक्षेप भन्दा अलि बढी हो जसले वितरण गर्दछ डाटा प्रयोगकर्ताहरूलाई आवश्यक छ। द डाटा तिनीहरू स्रोत प्रणालीहरूबाट निकालिएका छन् र लक्षित संरचनाहरूमा भरिएका छन् डाटा गोदाम। म डाटा तिनीहरू पनि कुनै पनि भाग्य संग सफा गर्न सकिन्छ। यद्यपि कुनै अतिरिक्त मूल्य थपिएको वा सङ्कलन गरिएको छैन डाटा यो प्रक्रिया को समयमा।

अनिवार्य रूपमा, निष्क्रिय Dw, उत्तममा, केवल i प्रदान गर्दछ डाटा सफा र प्रयोगकर्ता संघहरूको लागि परिचालन। सूचना निर्माण र विश्लेषणात्मक समझ पूर्ण रूपमा प्रयोगकर्ताहरूमा निर्भर गर्दछ। DW (डाटा गोदाम) सफलता व्यक्तिपरक छ। यदि हामी कुशलतापूर्वक संकलन, एकीकृत र सफा गर्ने क्षमतामा सफलताको न्याय गर्छौं डाटा एक अनुमानित आधारमा कर्पोरेट, त्यसपछि हो, DW एक सफलता हो। अर्कोतर्फ, यदि हामी समग्र रूपमा संगठनद्वारा जानकारीको सङ्कलन, एकीकरण र शोषणलाई हेर्छौं भने, DW असफल छ। DW ले थोरै वा कुनै जानकारी मूल्य प्रदान गर्दछ। नतिजाको रूपमा, प्रयोगकर्ताहरू गर्न बाध्य छन्, यसरी जानकारी साइलोहरू सिर्जना गर्न। यस अध्यायले कम्पनीको BI (बिजनेस इन्टेलिजेन्स) वास्तुकला संक्षेप गर्नको लागि एक व्यापक दृश्य प्रस्तुत गर्दछ। हामी BI को विवरणबाट सुरु गर्छौं र त्यसपछि सूचना डिजाइन र विकासको छलफलमा जान्छौं, केवल जानकारी प्रदान गर्नुको विपरीत। डाटा प्रयोगकर्ताहरूलाई। छलफलहरू त्यसपछि तपाईंको BI प्रयासहरूको मूल्य गणनामा केन्द्रित हुन्छन्। हामी IBM ले तपाइँको संगठनको BI वास्तुकला आवश्यकताहरु लाई कसरी सम्बोधन गर्छ भनेर परिभाषित गरेर निष्कर्ष निकाल्छौं।

को वास्तुकला विवरण BI संगठन

शक्तिशाली लेनदेन-उन्मुख सूचना प्रणालीहरू अब हरेक ठूला उद्यमहरूमा सामान्य छन्, प्रभावकारी रूपमा विश्वभरका निगमहरूका लागि खेल मैदानलाई समतल गर्दै।

प्रतिस्पर्धी रहन, तथापि, अब विश्लेषणात्मक उन्मुख प्रणालीहरू चाहिन्छ जसले कम्पनीको क्षमतालाई पुन: पत्ता लगाउन र तिनीहरूसँग पहिले नै भएको जानकारी प्रयोग गर्ने क्षमतामा क्रान्तिकारी परिवर्तन गर्न सक्छ। यी विश्लेषणात्मक प्रणालीहरूको समृद्धि बुझ्नबाट व्युत्पन्न हुन्छ डाटा उपलब्ध। BI ले उद्यम भर प्रदर्शन सुधार गर्न सक्छ। कम्पनीहरूले ग्राहक-आपूर्तिकर्ता सम्बन्ध सुधार गर्न, उत्पादन र सेवाहरूको नाफा सुधार गर्न, नयाँ र राम्रो प्रस्तावहरू उत्पन्न गर्न, जोखिम नियन्त्रण र अन्य धेरै लाभहरू बीच नाटकीय रूपमा खर्च कटौती गर्न सक्छन्। BI को साथ तपाईको कम्पनीले अन्ततः ग्राहक जानकारीलाई प्रतिस्पर्धी सम्पत्तिको रूपमा प्रयोग गर्न थाल्छ जुन बजार उद्देश्यहरू भएका अनुप्रयोगहरूको लागि धन्यवाद।

सही व्यापार उपकरण हुनु भनेको मुख्य प्रश्नहरूको निश्चित जवाफहरू हुनु हो जस्तै:

• ▪ हाम्रो कुन ग्राहकहरु के तिनीहरूले हामीलाई थप कमाउन, वा तिनीहरूले हामीलाई पैसा गुमाउँछन्?
• ▪ हाम्रो सबैभन्दा राम्रो बस्ने ठाउँ ग्राहकहरु सम्बन्धमा दोकान/ गोदाम कि तिनीहरू बारम्बार?
• ▪ हाम्रा कुन उत्पादन र सेवाहरू सबैभन्दा प्रभावकारी रूपमा बेच्न सकिन्छ र कसलाई?
• ▪ कुन उत्पादनहरू सबैभन्दा प्रभावकारी रूपमा बेच्न सकिन्छ र कसलाई?
• ▪ कुन बिक्री अभियान सबैभन्दा सफल छ र किन?
• ▪ कुन बिक्री च्यानलहरू कुन उत्पादनहरूको लागि सबैभन्दा प्रभावकारी छन्?
• ▪ हामीले हाम्रा असल मानिसहरूसँगको सम्बन्धलाई कसरी सुधार्न सक्छौं ग्राहकहरु? अधिकांश कम्पनीहरु छन् डाटा यी प्रश्नहरूको जवाफ दिन कुनै न कुनै तरिका।
  परिचालन प्रणालीहरूले ठूलो मात्रामा उत्पादन, ग्राहक र उत्पादन गर्दछ डाटा बिक्री, रिजर्भेसन, ग्राहक सेवा र प्राविधिक समर्थन प्रणालीहरूबाट बजार। चुनौती यो जानकारी निकाल्ने र शोषण छ। धेरै कम्पनीहरूले उनीहरूको सानो अंशबाट मात्र नाफा गर्छन् डाटा रणनीतिक विश्लेषणको लागि।
  I डाटा बाँकी, प्रायः i सँग जोडिन्छ डाटा सरकारी रिपोर्टहरू, र अन्य खरिद गरिएका जानकारीहरू जस्ता बाह्य स्रोतहरूबाट व्युत्पन्न, सुन खानी मात्र अन्वेषण गर्न पर्खिरहेको छ, र डाटा तिनीहरू केवल तपाईंको संगठनको जानकारी सन्दर्भ भित्र परिष्कृत गर्न आवश्यक छ।

यो ज्ञान विभिन्न तरिकामा लागू गर्न सकिन्छ, एक समग्र कर्पोरेट रणनीति डिजाइन गर्ने देखि आपूर्तिकर्ताहरु संग व्यक्तिगत संचार को लागी, कल केन्द्रहरु मार्फत, इनभ्वाइसिंग, इन्टरनेट र अन्य बिन्दुहरू। आजको व्यापारिक वातावरणले DW र सम्बन्धित BI समाधानहरू परम्परागत व्यापारिक संरचनाहरू भन्दा बाहिर विकसित हुन्छ भनी बताउँछ। डाटा जस्तै म डाटा आणविक स्तर र "स्टार/क्यूब फार्म" मा सामान्यीकृत।

प्रतिस्पर्धी रहनको लागि के आवश्यक छ एक विशाल विश्लेषणात्मक परिदृश्यलाई समर्थन गर्ने प्रयासमा परम्परागत र उन्नत प्रविधिहरूको फ्यूजन हो।
निष्कर्षमा, सामान्य वातावरणले समग्र रूपमा कम्पनीको ज्ञानलाई सुधार गर्नुपर्दछ, यो सुनिश्चित गर्दै कि विश्लेषणको परिणामको रूपमा लिइएका कार्यहरू उपयोगी छन् ताकि सबैलाई फाइदा हुन्छ।

उदाहरण को लागी, मानौं कि तपाइँ तपाइँको आफ्नै श्रेणी निर्धारण गर्नुहुन्छ ग्राहकहरु उच्च वा कम जोखिम कोटिहरूमा।
यदि यो जानकारी मोडेल एक्स्ट्रक्टर वा अन्य माध्यमद्वारा उत्पन्न गरिएको हो भने, यसलाई DW मा राख्नु पर्छ र स्थिर रिपोर्टहरू, स्प्रेडसिटहरू, तालिकाहरू, वा अनलाइन विश्लेषणात्मक प्रशोधन (OLAP) जस्ता पहुँच उपकरणहरू मार्फत जो कोहीलाई पनि पहुँचयोग्य बनाउनु पर्छ। ।

यद्यपि, हाल, यस प्रकारको धेरै जानकारी साइलोमा रहन्छ डाटा विश्लेषण उत्पन्न गर्ने व्यक्ति वा विभागहरूको। संगठन, समग्र रूपमा, बुझ्नको लागि कुनै दृश्यता छैन। यस प्रकारको जानकारी सामग्रीलाई तपाइँको उद्यम DW मा मिसाएर मात्र तपाइँ जानकारी साइलोहरू हटाउन सक्नुहुन्छ र तपाइँको DW वातावरणलाई उच्च बनाउन सक्नुहुन्छ।
BI संगठन विकास गर्न दुई प्रमुख बाधाहरू छन्।
पहिलो, हामीसँग संगठन र यसको अनुशासनको समस्या छ।
जब हामी संगठनात्मक नीति परिवर्तनहरूमा मद्दत गर्न सक्दैनौं, हामी संगठनको BI, यसको वास्तुकला, र कसरी IBM प्रविधिले यसको विकासलाई सहज बनाउँछ भनेर बुझ्न मद्दत गर्न सक्छौं।
पार गर्नको लागि दोस्रो बाधा एकीकृत प्रविधि र एक विधिको ज्ञानको कमी हो जसले सम्पूर्ण BI स्पेसलाई मात्र एक सानो कम्पोनेन्टको विपरित सम्बोधन गर्दछ।

IBM एकीकरण टेक्नोलोजीमा परिवर्तनको साथ पकडमा आउँदैछ। विचारशील डिजाइन उपलब्ध गराउनु तपाईंको जिम्मेवारी हो। यो वास्तुकला अनियन्त्रित एकीकरणको लागि छनोट गरिएको टेक्नोलोजी वा कम्तीमा पनि खुला मापदण्डहरूको पालना गर्ने प्रविधिको साथ विकास गर्नुपर्छ। यसबाहेक, तपाइँको कम्पनी व्यवस्थापनले BI उपक्रम योजना अनुसार सम्पन्न भएको र स्व-सेवा गर्ने एजेन्डा वा उद्देश्यहरूबाट उत्पन्न हुने सूचना साइलोको विकासलाई अनुमति नदिने कुरा सुनिश्चित गर्नुपर्छ।
यसको मतलब यो होइन कि BI वातावरण विभिन्न प्रयोगकर्ताहरूको विभिन्न आवश्यकता र आवश्यकताहरूमा प्रतिक्रिया गर्न संवेदनशील छैन; यसको सट्टा, यसको मतलब ती व्यक्तिगत आवश्यकताहरू र आवश्यकताहरूको कार्यान्वयन सम्पूर्ण BI संगठनको फाइदाको लागि गरिन्छ।
BI संगठनको वास्तुकलाको विवरण चित्र 9 मा पृष्ठ 1.1 मा पाउन सकिन्छ। वास्तुकलाले प्रविधि र प्रविधिहरूको समृद्ध मिश्रण देखाउँछ।
परम्परागत दृष्टिकोणबाट, वास्तुकलाले निम्न गोदाम घटकहरू समावेश गर्दछ

परमाणु तह (परमाणु तह)।

यो जग हो, सम्पूर्ण DW को मुटु र त्यसैले रणनीतिक रिपोर्टिङको।
I डाटा यहाँ भण्डारण गरिएको ऐतिहासिक अखण्डता कायम रहनेछ, को रिपोर्ट डाटा र व्युत्पन्न मेट्रिक्स, साथै मोडेल निकासी प्रयोग गरी सफा, एकीकृत, र भण्डारण समावेश गर्दछ।
यी सबै पछिको प्रयोग डाटा र सम्बन्धित जानकारी यस संरचनाबाट लिइन्छ। यो खानी को लागी एक उत्कृष्ट स्रोत हो डाटा र संरचित SQL प्रश्नहरूको साथ रिपोर्टहरूको लागि

को परिचालन गोदाम डाटा वा रिपोर्टको आधारमा डाटा(अपरेसनल डाटा स्टोर (ODS) वा रिपोर्टिङ डेटाबेस.)

यो एक संरचना हो डाटा प्राविधिक रिपोर्टिङको लागि विशेष रूपमा डिजाइन गरिएको।

I डाटा यी संरचनाहरू माथि भण्डार गरिएको र रिपोर्ट गरिएको अन्ततः स्टेजिङ क्षेत्र मार्फत गोदाममा प्रचार गर्न सकिन्छ, जहाँ यसलाई रणनीतिक संकेतका लागि प्रयोग गर्न सकिन्छ।

स्टेजिङ क्षेत्र।

धेरैको लागि पहिलो स्टप डाटा गोदाम वातावरणको लागि उद्देश्य संगठन क्षेत्र हो।
यहाँ म डाटा एकीकृत, सफा र मा रूपान्तरण गरिएको छ डाटा गोदाम संरचना आबादी हुनेछ कि लाभ

मिति मार्ट्स।

वास्तुकला को यो भाग को संरचना को प्रतिनिधित्व गर्दछ डाटा OLAP को लागि विशेष रूपमा प्रयोग गरियो। डाटामार्टको उपस्थिति, यदि i डाटा ओभरल्यापिङ स्टार स्किममा भण्डारण गरिन्छ डाटा रिलेशनल वातावरणमा बहुआयामिक, वा फाइलहरूमा डाटा DB2 OLAP सर्भर जस्ता विशिष्ट OLAP प्रविधिद्वारा प्रयोग गरिएको गोप्य कुरा सान्दर्भिक छैन।

केवल बाधा यो हो कि वास्तुकला को उपयोग को सुविधा दिन्छ डाटा बहुआयामिक।
वास्तुकलाले महत्वपूर्ण द्वि प्रविधिहरू र प्रविधिहरू पनि समावेश गर्दछ जुन निम्न रूपमा खडा हुन्छन्:

स्थानिय विश्लेषण

अन्तरिक्ष विश्लेषकको लागि एक सूचना विन्डफल हो र संकल्प पूरा गर्न महत्वपूर्ण छ। स्पेसले कुनै निश्चित स्थानमा बस्ने व्यक्तिहरूको बारेमा जानकारीको प्रतिनिधित्व गर्न सक्छ, साथै त्यो स्थान भौतिक रूपमा बाँकी संसारको तुलनामा कहाँ छ भन्ने जानकारी।

यो विश्लेषण गर्नको लागि, तपाईंले आफ्नो जानकारीलाई अक्षांश र देशान्तर निर्देशांकमा बाँधेर सुरु गर्नुपर्छ। यसलाई "जियोकोडिङ" भनिन्छ र यो तपाईंको गोदामको परमाणु स्तरमा एक्स्ट्र्याक्ट, ट्रान्सफर्म र लोड (ETL) प्रक्रियाको हिस्सा हुनुपर्छ।

डाटा खनन।

को निकासी डाटा हाम्रो कम्पनीहरूको संख्या बढाउन अनुमति दिन्छ ग्राहकहरु, बिक्री प्रवृतिहरू भविष्यवाणी गर्न र सम्बन्धको व्यवस्थापनलाई अनुमति दिन ग्राहकहरु (सीआरएम), अन्य BI पहलहरू बीच।

को निकासी डाटा त्यसकारण यसलाई संरचनाहरूसँग एकीकृत गर्नुपर्छ डाटा Dwhouse को र सान्दर्भिक प्रविधि र प्रविधिहरूको प्रभावकारी र प्रभावकारी प्रयोग सुनिश्चित गर्न गोदाम प्रक्रियाहरूद्वारा समर्थित।

BI वास्तुकलामा संकेत गरिए अनुसार, Dwhouse को परमाणु स्तर, साथै datamarts, को एक उत्कृष्ट स्रोत हो। डाटा निकासी को लागी। ती समान सुविधाहरू फराकिलो दर्शकहरूको लागि उपलब्धता सुनिश्चित गर्न निकासी परिणामहरूको प्राप्तकर्ताहरू पनि हुनुपर्छ।

एजेन्टहरू।

प्रत्येक बिन्दुको लागि ग्राहकको जाँच गर्न विभिन्न "एजेन्टहरू" छन् जस्तै, कम्पनीको अपरेटिङ सिस्टम र dw आफैं। यी एजेन्टहरू प्रत्येक बिन्दुमा प्रचलनहरू बारे जान्न प्रशिक्षित उन्नत न्यूरल नेटवर्कहरू हुन सक्छन्, जस्तै बिक्री प्रवर्द्धनमा आधारित भविष्यको उत्पादनको माग, नियम-आधारित इन्जिनहरू प्रतिक्रिया गर्न। डाटा परिस्थितिहरूको सेट, वा साधारण एजेन्टहरू जसले "शीर्ष अधिकारीहरू" लाई अपवादहरू रिपोर्ट गर्छन्। यी प्रक्रियाहरू सामान्यतया वास्तविक समयमा हुन्छन् र, त्यसैले, तिनीहरूको आन्दोलनसँग नजिकबाट जोडिएको हुनुपर्छ डाटा। यी सबै संरचनाहरू डाटा, प्रविधि र प्रविधिहरूले ग्यारेन्टी दिन्छ कि तपाइँ तपाइँको BI को संगठन उत्पन्न गर्न रात बिताउनुहुन्न।

यो गतिविधि साना बिन्दुहरूको लागि वृद्धिशील चरणहरूमा विकसित गरिनेछ।
प्रत्येक चरण एक स्वतन्त्र परियोजना प्रयास हो, र तपाईंको DW वा BI पहलमा पुनरावृत्तिको रूपमा उल्लेख गरिएको छ। पुनरावृत्तिहरूमा नयाँ प्रविधिहरू लागू गर्ने, नयाँ प्रविधिहरूबाट सुरु गर्ने, नयाँ संरचनाहरू थप्ने समावेश हुन सक्छ डाटा , लोड हुँदैछ i डाटा अतिरिक्त, वा तपाईंको वातावरणको विश्लेषणको विस्तारको साथ। यस अनुच्छेदलाई अध्याय ३ मा थप गहिराइमा छलफल गरिएको छ।

परम्परागत DW संरचनाहरू र BI उपकरणहरू बाहेक त्यहाँ तपाईंको BI संगठनका अन्य कार्यहरू छन् जुन तपाईंले डिजाइन गर्न आवश्यक छ, जस्तै:

ग्राहक टचपोइन्टहरू (ग्राहक टच पोइन्ट्स)।

कुनै पनि आधुनिक संगठनको रूपमा त्यहाँ धेरै ग्राहक टचपोइन्टहरू छन् जसले तपाइँको लागि कसरी सकारात्मक अनुभव लिने भनेर संकेत गर्दछ ग्राहकहरु। त्यहाँ परम्परागत च्यानलहरू छन् जस्तै खुद्रा विक्रेताहरू, स्विचबोर्ड अपरेटरहरू, प्रत्यक्ष मेल, मल्टिमिडिया र प्रिन्ट विज्ञापनहरू, साथै इमेल र वेब जस्ता हालका च्यानलहरू, डाटा सम्पर्कको केही बिन्दु भएका उत्पादनहरू अधिग्रहण, ढुवानी, सफा, प्रशोधन र त्यसपछि सुविधाहरूमा आबादी हुनुपर्छ डाटा BI को।

को आधारहरू डाटा परिचालन र प्रयोगकर्ता संघहरू (अपरेसनल

डाटाबेस र प्रयोगकर्ता समुदायहरू)।
को सम्पर्क बिन्दु को अन्त मा ग्राहकहरु जग फेला परेको छ डाटा कम्पनीको आवेदन र प्रयोगकर्ता समुदायहरूको। द डाटा अवस्थित छन् डाटा परम्परागत जसलाई सँगै ल्याउनुपर्छ र विलय गर्नुपर्छ डाटा आवश्यक जानकारी पूरा गर्न सम्पर्क बिन्दुहरूबाट प्रवाह।

विश्लेषकहरू। (विश्लेषकहरू)

BI वातावरणको प्राथमिक लाभार्थी विश्लेषक हो। हालको निकासीबाट लाभान्वित हुने उहाँ नै हो डाटा सञ्चालन, विभिन्न स्रोतहरु संग एकीकृत डाटा , भौगोलिक विश्लेषण (जियोकोडिङ) जस्ता सुविधाहरूको साथ संवर्धित र BI प्रविधिहरूमा प्रस्तुत गरिएको जसले निष्कर्षण, OLAP, उन्नत SQL रिपोर्टिङ र भौगोलिक विश्लेषण सक्षम पार्छ। रिपोर्टिङ वातावरणको लागि प्राथमिक विश्लेषक इन्टरफेस BI पोर्टल हो।

यद्यपि, विश्लेषक मात्र होइन जसले BI वास्तुकलाबाट फाइदा लिन्छ।
कार्यकारीहरू, ठूला प्रयोगकर्ता संघहरू, र सदस्यहरू, आपूर्तिकर्ताहरू र i ग्राहकहरु उद्यम BI मा लाभहरू फेला पार्नु पर्छ।

ब्याक फिड लुप।

BI वास्तुकला एक सिक्ने वातावरण हो। विकास को एक विशेषता सिद्धान्त को निरन्तर संरचनाहरु लाई अनुमति दिनु हो डाटा प्रयोग गरिएको BI टेक्नोलोजी र प्रयोगकर्ता द्वारा लिइएका कार्यहरू द्वारा अद्यावधिक गर्न। एउटा उदाहरण ग्राहक स्कोरिङ हो।

यदि बिक्री विभागले नयाँ सेवा प्रयोग गर्न ग्राहक स्कोरहरू मोडेल गर्छ भने, बिक्री विभाग मात्र सेवाबाट लाभान्वित समूह हुनु हुँदैन।

यसको सट्टा, मोडेल निकासी इन्टरप्राइज भित्र डाटा प्रवाह को एक प्राकृतिक भाग को रूप मा प्रदर्शन गरिनु पर्छ र ग्राहक स्कोर गोदाम जानकारी सन्दर्भ को एक एकीकृत भाग हुनु पर्छ, सबै प्रयोगकर्ताहरु लाई देखिने। DB2 UDB, DB2 OLAP सर्भर सहित द्वि-द्वि-केन्द्रित IBM सुइटले चित्र 1.1 मा परिभाषित गरिएका अधिकांश प्रमुख प्राविधिक घटकहरू समावेश गर्दछ।

हामीलाई निरन्तरताको स्तर दिन र प्रत्येक IBM उत्पादन समग्र BI योजनामा ​​कसरी फिट हुन्छ भनेर देखाउनको लागि हामी वास्तुकला प्रयोग गर्छौं।

जानकारी सामग्री प्रदान गर्दै (प्रदान गर्दै जानकारी सामग्री)

तपाईंको BI वातावरणको डिजाइन, विकास र कार्यान्वयन गर्नु चुनौतीपूर्ण कार्य हो। डिजाइनले वर्तमान र भविष्यका दुवै व्यवसाय आवश्यकताहरू अँगाल्नुपर्छ। वास्तु रेखाचित्र डिजाइन चरणको समयमा भेटिएका सबै निष्कर्षहरू समावेश गर्न पूर्ण हुनुपर्छ। कार्यान्वयन एउटै उद्देश्यमा प्रतिबद्ध रहनुपर्छ: औपचारिक रूपमा डिजाइनमा प्रस्तुत गरिएको र व्यापार आवश्यकताहरूमा आधारित BI वास्तुकलाको विकास गर्दै।

अनुशासनले सापेक्षिक सफलता सुनिश्चित गर्नेछ भन्ने तर्क गर्न विशेष गरी गाह्रो छ।
यो सरल छ किनभने तपाइँ एकैचोटि BI वातावरण विकास गर्नुहुन्न, तर तपाइँ यसलाई समयको साथ साना चरणहरूमा गर्नुहुन्छ।

यद्यपि, तपाईंको वास्तुकलाको BI कम्पोनेन्टहरू पहिचान गर्नु दुई कारणहरूको लागि महत्त्वपूर्ण छ: तपाईंले सबै पछिल्ला प्राविधिक वास्तुकला निर्णयहरू मार्गदर्शन गर्नुहुनेछ।
तपाईले धेरै महिनासम्म टेक्नोलोजीको आवश्यकता दोहोर्याउन नसक्ने भएता पनि तपाईले टेक्नोलोजीको विशेष प्रयोगको योजना बनाउन सक्षम हुनुहुनेछ।

तपाईंको व्यापार आवश्यकताहरू पर्याप्त रूपमा बुझ्दा तपाईंले आफ्नो वास्तुकलाको लागि प्राप्त गर्ने उत्पादनहरूको प्रकारलाई प्रभाव पार्नेछ।
तपाईंको वास्तुकलाको डिजाइन र विकासले तपाईंको गोदाम सुनिश्चित गर्दछ

कुनै यादृच्छिक घटना होइन, बरु एक सावधानीपूर्वक निर्मित "राम्रो सोच-आउट"। ओपेरा मिश्रित प्रविधिको मोज़ेकको रूपमा कलाको।

डिजाइन जानकारी सामग्री

सबै प्रारम्भिक डिजाइनले अहिले र भविष्यमा समग्र वातावरणलाई आवश्यक पर्ने मुख्य BI कम्पोनेन्टहरूमा फोकस र पहिचान गर्नुपर्छ।
व्यापार आवश्यकताहरू जान्नु महत्त्वपूर्ण छ।

कुनै पनि औपचारिक डिजाइन सुरु हुनु अघि नै, परियोजना योजनाकारले प्रायः एक वा दुई घटकहरू तुरुन्तै पहिचान गर्न सक्छन्।
कम्पोनेन्टहरूको सन्तुलन जुन तपाईंको वास्तुकलाको लागि आवश्यक हुन सक्छ, तथापि, सजिलै पाउन सकिँदैन। डिजाइन चरणको बखत, वास्तुकलाको मुख्य भागले व्यापार आवश्यकताहरू पहिचान गर्न खोजमा अनुप्रयोग विकास (JAD) सत्रलाई जोड्दछ।

कहिलेकाहीँ यी आवश्यकताहरू क्वेरी र रिपोर्टिङ उपकरणहरूमा सुम्पन सकिन्छ।
उदाहरणका लागि, प्रयोगकर्ताहरूले बताउँछन् कि यदि तिनीहरू हालको रिपोर्ट स्वचालित गर्न चाहन्छन् भने तिनीहरूले म्यानुअल रूपमा दुई वर्तमान रिपोर्टहरू एकीकृत गरेर र संयोजनबाट व्युत्पन्न गणनाहरू थपेर उत्पन्न गर्नुपर्छ। डाटा.
यद्यपि यो आवश्यकता सरल छ, यसले तपाइँको संगठनको लागि रिपोर्टिङ उपकरणहरू खरिद गर्दा समावेश गर्नु पर्ने सुविधाको निश्चित कार्यक्षमता परिभाषित गर्दछ।

पूर्ण तस्बिर प्राप्त गर्न डिजाइनरले अतिरिक्त आवश्यकताहरू पनि पूरा गर्नुपर्छ। के प्रयोगकर्ताहरू यो रिपोर्टको सदस्यता लिन चाहनुहुन्छ?
के रिपोर्ट सबसेटहरू उत्पन्न र विभिन्न प्रयोगकर्ताहरूलाई इमेल गरिन्छ? के तिनीहरू कम्पनी पोर्टलमा यो रिपोर्ट हेर्न चाहन्छन्? यी सबै आवश्यकताहरू प्रयोगकर्ताहरूले अनुरोध गरे अनुसार म्यानुअल रिपोर्ट प्रतिस्थापन गर्न साधारण आवश्यकताको अंश हुन्। यी प्रकारका आवश्यकताहरूको फाइदा भनेको सबैजना, प्रयोगकर्ताहरू र डिजाइनरहरूसँग रिपोर्टहरूको अवधारणाको बुझाइ छ।

त्यहाँ अन्य प्रकारका व्यवसायहरू छन्, तथापि, हामीले योजना बनाउन आवश्यक छ। जब व्यापार आवश्यकताहरू रणनीतिक व्यापार प्रश्नहरूको रूपमा भनिन्छ, विशेषज्ञ डिजाइनरलाई मापन/तथ्य र आयामी आवश्यकताहरू बुझ्न सजिलो हुन्छ।

यदि JAD प्रयोगकर्ताहरूलाई व्यापार समस्याको रूपमा उनीहरूको आवश्यकताहरू कसरी बयान गर्ने भनेर थाहा छैन भने, डिजाइनरले अक्सर आवश्यकताहरू भेला गर्ने सत्रलाई जम्प-स्टार्ट गर्न उदाहरणहरू प्रदान गर्नेछ।
विशेषज्ञ डिजाइनरले प्रयोगकर्ताहरूलाई रणनीतिक व्यापार मात्र होइन, यसलाई कसरी बनाउने भनेर पनि बुझ्न मद्दत गर्न सक्छ।
आवश्यकताहरू जम्मा गर्ने दृष्टिकोणलाई अध्याय 3 मा छलफल गरिएको छ; अहिलेको लागि हामी केवल सबै प्रकारका BI आवश्यकताहरूको लागि डिजाइन गर्ने आवश्यकता औंल्याउन चाहन्छौं।

एक रणनीतिक व्यापार समस्या व्यापार आवश्यकता मात्र होइन, तर एक डिजाइन संकेत पनि हो। यदि तपाईंले बहुआयामिक प्रश्नको जवाफ दिनु छ भने, तपाईंले सम्झनु पर्छ, प्रस्तुत गर्नुहोस् डाटा आयामी, र यदि तपाईंलाई याद गर्न आवश्यक छ डाटा बहुआयामिक, तपाईले कुन प्रकारको टेक्नोलोजी वा प्रविधिलाई प्रयोग गर्न लाग्नु भएको छ भनेर निर्णय गर्नुपर्छ।

के तपाइँ आरक्षित घन तारा योजना लागू गर्नुहुन्छ, वा दुबै? तपाईले देख्न सक्नुहुने रूपमा, एक साधारण व्यापार समस्याले पनि डिजाइनलाई महत्त्वपूर्ण रूपमा प्रभाव पार्न सक्छ। तर यी प्रकारका व्यवसाय आवश्यकताहरू सामान्य र बुझिन्छन्, कम्तिमा डिजाइनरहरू र योजनाकारहरूले परियोजना अनुभवका साथ।

OLAP प्रविधिहरू र समर्थनको बारेमा पर्याप्त छलफल भएको छ, र समाधानहरूको विस्तृत दायरा उपलब्ध छ। अहिलेसम्म हामीले व्यापार आयामिक आवश्यकताहरू र कसरी यी आवश्यकताहरूले प्राविधिक वास्तु निर्णयहरूलाई प्रभाव पार्छ भन्ने कुराको साथ सरल रिपोर्टिङ सँगै ल्याउने आवश्यकता उल्लेख गरेका छौं।

तर प्रयोगकर्ता वा Dw टोलीले सजिलै बुझेका आवश्यकताहरू के हुन्? के तपाईलाई कहिले स्थानिक विश्लेषण चाहिन्छ?
को खनन मोडेल डाटा के तिनीहरू तपाईंको भविष्यको आवश्यक भाग हुनेछन्? कसलाई थाँहा छ?

यो नोट गर्न महत्त्वपूर्ण छ कि यी प्रकारका प्रविधिहरू सामान्य प्रयोगकर्ता समुदायहरू र Dw टोलीका सदस्यहरूद्वारा राम्ररी परिचित छैनन्, आंशिक रूपमा, तिनीहरू सामान्यतया केही आन्तरिक वा तेस्रो-पक्ष प्राविधिक विशेषज्ञहरूद्वारा ह्यान्डल गरिएका हुन सक्छन्। यी प्रकारका प्रविधिहरूले उत्पन्न गर्ने समस्याहरूको यो चरम मामला हो। यदि प्रयोगकर्ताहरूले व्यावसायिक आवश्यकताहरू वर्णन गर्न सक्दैनन् वा डिजाइनरहरूलाई मार्गदर्शन प्रदान गर्ने तरिकामा तिनीहरूलाई फ्रेम गर्न सक्दैनन् भने, तिनीहरूले ध्यान नदिने वा खराब, केवल बेवास्ता गर्न सक्छन्।

अधिक समस्याग्रस्त यो हुन्छ जब डिजाइनर र विकासकर्ताले यी उन्नत तर महत्वपूर्ण प्रविधिहरू मध्ये एकको प्रयोगलाई पहिचान गर्न सक्दैनन्।
हामीले प्रायः डिजाइनरहरू यसो भनेको सुनेका छौं, "ठीक छ, हामीले यो अर्को चीज प्राप्त नगरेसम्म हामी यसलाई किन छोड्दैनौं? "के तिनीहरू साँच्चै प्राथमिकताहरूमा रुचि राख्छन्, वा तिनीहरूले नबुझेका आवश्यकताहरू मात्र बेवास्ता गर्छन्? यो सम्भवतः अन्तिम परिकल्पना हो। मानौँ तपाईँको बिक्री टोलीले चित्र १.३ मा उल्लेख गरिएझैं व्यवसायको आवश्यकतालाई सञ्चार गरेको छ, तपाईँले देख्न सक्नुहुन्छ, आवश्यकतालाई व्यावसायिक समस्याको रूपमा तयार गरिएको छ। यो समस्या र विशिष्ट आयामी समस्या बीचको भिन्नता दूरी हो। यस अवस्थामा, बिक्री टोली जान्न चाहन्छ, मासिक आधारमा, उत्पादनहरू, गोदामहरू र बाट कुल बिक्री। ग्राहकहरु जो गोदामको 5 माइल भित्र बस्छन् जहाँ तिनीहरूले खरिद गर्छन्।

दुर्भाग्यवश, डिजाइनरहरू वा वास्तुकारहरूले यसो भन्दै स्थानिय कम्पोनेन्टलाई बेवास्ता गर्न सक्छन्, "हामीसँग ग्राहक, उत्पादन र डाटा निक्षेप को। अर्को पुनरावृत्ति नभएसम्म दूरी राखौं।

"गलत जवाफ। यस प्रकारको व्यापार समस्या सबै BI को बारेमा हो। यसले हाम्रो व्यापारको गहिरो बुझाइ र हाम्रा विश्लेषकहरूको लागि बलियो विश्लेषणात्मक ठाउँ प्रतिनिधित्व गर्दछ। BI साधारण क्वेरी वा मानक रिपोर्टिङ, वा OLAP भन्दा बाहिर छ। यसको मतलब यी प्रविधिहरू तपाईंको BI को लागि महत्त्वपूर्ण छैनन् भन्ने होइन, तर तिनीहरू एक्लैले BI वातावरणको प्रतिनिधित्व गर्दैनन्।

जानकारी सन्दर्भको लागि डिजाइन (सूचना सामग्रीको लागि डिजाइन)

अब हामीले विभिन्न आधारभूत कम्पोनेन्टहरू छुट्याउने व्यापार आवश्यकताहरू पहिचान गरेका छौं, तिनीहरूलाई समग्र वास्तु डिजाइनमा समावेश गरिनुपर्छ। केही BI कम्पोनेन्टहरू हाम्रा प्रारम्भिक प्रयासहरूको अंश हुन्, जबकि केही धेरै महिनासम्म लागू हुने छैनन्।

यद्यपि, सबै ज्ञात आवश्यकताहरू डिजाइनमा प्रतिबिम्बित हुन्छन् ताकि जब हामीले कुनै विशेष प्रविधि लागू गर्न आवश्यक छ, हामी त्यसो गर्न तयार छौं। परियोजनाको बारेमा केहि परम्परागत सोच प्रतिबिम्बित हुनेछ।

को यो सेट डाटा पछिको प्रयोगलाई समर्थन गर्न प्रयोग गरिन्छ डाटा हामीले पहिचान गरेका व्यापारिक समस्याहरूद्वारा निर्देशित आयामी। जसरी थप कागजातहरू उत्पन्न हुन्छन्, जस्तै डिजाइन विकास डाटा, हामी कसरी औपचारिक रूपमा सुरु गर्नेछौं डाटा तिनीहरू वातावरणमा फैलिन्छन्। हामीले प्रतिनिधित्व गर्न आवश्यक छ भनी सुनिश्चित गरेका छौं डाटा एक आयामी तरिकामा, तिनीहरूलाई विभाजन गर्दै (विशिष्ट विशिष्ट आवश्यकताहरू अनुसार) डेटा मार्टहरूमा।

जवाफ दिनको लागि अर्को प्रश्न हो: यी डाटा मार्टहरू कसरी निर्माण हुनेछन्?
के तपाइँ क्यूबहरू, वा केवल क्यूबहरू, वा केवल ताराहरूलाई समर्थन गर्न ताराहरू निर्माण गर्नुहुन्छ? (वा दायाँ क्यूब्स, वा दायाँ ताराहरू)। आश्रित डेटा मार्टहरूको लागि वास्तुकला उत्पन्न गर्नुहोस् जुन सबैका लागि परमाणु तह आवश्यक हुन्छ डाटा के तपाइँ प्राप्त गर्नुहुन्छ? स्वतन्त्र डाटा मार्टहरू प्राप्त गर्न अनुमति दिनुहोस् i डाटा सिधै अपरेटिङ सिस्टमबाट?

कुन क्यूब टेक्नोलोजी तपाईले मानकीकरण गर्न प्रयास गर्नुहुनेछ?

तिमीसँग धेरै मात्रामा देवताहरू छन् डाटा आयामी विश्लेषणको लागि आवश्यक छ वा तपाइँलाई तपाइँको राष्ट्रिय बिक्री बलबाट साप्ताहिक आधारमा वा दुबै क्यूबहरू चाहिन्छ? के तपाइँ वित्तको लागि DB2 OLAP सर्भर वा तपाइँको बिक्री संगठनको लागि Cognos PowerPlay क्यूबहरू, वा दुबै जस्ता शक्तिशाली केहि निर्माण गर्नुहुन्छ? यी ठूला वास्तु डिजाइन निर्णयहरू हुन् जसले तपाईंको BI वातावरणलाई यहाँबाट प्रभाव पार्नेछ। हो, तपाईंले OLAP को आवश्यकता स्थापित गर्नुभएको छ। अब त्यस प्रकारको प्रविधि र प्रविधिलाई कसरी कार्यान्वयन गर्ने ?

केहि सबैभन्दा उन्नत प्रविधिहरूले तपाइँको डिजाइनलाई कसरी असर गर्छ? मानौं तपाईंले आफ्नो संगठनमा ठाउँको आवश्यकता पहिचान गर्नुभएको छ। तपाईंले अब धेरै महिनाको लागि स्थानिय कम्पोनेन्टहरू बनाउने योजना नगर्नुभए पनि वास्तुकला रेखाचित्र संस्करणहरू सम्झनुपर्छ। वास्तुकारले आजको आवश्यकताको आधारमा डिजाइन गर्नुपर्छ। उत्पन्न, भण्डारण, प्रदर्शन र पहुँच प्रदान गर्ने स्थानिय विश्लेषणको आवश्यकताको अनुमान गर्नुहोस् डाटा स्थानिय। यसले बारीमा सफ्टवेयर टेक्नोलोजी र प्लेटफर्म विशिष्टताहरूको प्रकारको सन्दर्भमा तपाईंले हाल विचार गर्न सक्ने बाधाको रूपमा सेवा गर्नुपर्छ। उदाहरणका लागि, प्रशासन प्रणाली डाटा बेस रिलेसनल लेयर (RDBMS) जुन तपाईले आफ्नो परमाणु तहको लागि प्रदर्शन गर्नुहुन्छ बलियो स्थानिय हद उपलब्ध हुनुपर्दछ। तपाईंको विश्लेषणात्मक अनुप्रयोगहरूमा ज्यामिति र स्थानिय वस्तुहरू प्रयोग गर्दा यसले अधिकतम प्रदर्शन सुनिश्चित गर्नेछ। यदि तपाईंको RDBMS ले ह्यान्डल गर्न सक्दैन डाटा (स्थानिक-केन्द्रित) आन्तरिक रूपमा, त्यसैले तपाईंले स्थापना गर्नुपर्नेछ डाटा बेस (स्थानिक-केन्द्रित) बाह्य। यसले समस्याहरूको व्यवस्थापनलाई जटिल बनाउँछ र तपाइँको समग्र कार्यसम्पादनमा सम्झौता गर्दछ, तपाइँको DBA हरूको लागि सिर्जना गरिएका अतिरिक्त समस्याहरू उल्लेख नगर्ने, किनकि तिनीहरूसँग सम्भवतः आधारभूत कुराहरूको न्यूनतम बुझाइ छ। डाटा स्थानिय पनि। अर्कोतर्फ, यदि तपाईंको RDMBS इन्जिनले सबै स्थानिय कम्पोनेन्टहरू ह्यान्डल गर्छ र यसको अप्टिमाइजरले स्थानिय वस्तुहरूको विशेष आवश्यकताहरू (उदाहरणका लागि, अनुक्रमणिका) बारे सचेत छ भने, तब तपाईंको DBAs ले समस्याहरूको व्यवस्थापनलाई सजिलैसँग ह्यान्डल गर्न सक्छ र तपाईंले कार्यसम्पादनलाई अधिकतम बनाउन सक्नुहुन्छ।

थप रूपमा, तपाईंले ठेगाना सफाई समावेश गर्न स्टेजिङ क्षेत्र र परमाणु वातावरण तह समायोजन गर्न आवश्यक छ (a

स्थानिय विश्लेषणको लागि मुख्य तत्व), साथै अन्तरिक्ष वस्तुहरूको पछिको बचत। रेखाचित्र संस्करणहरूको उत्तराधिकार अहिले जारी छ कि हामीले स्पष्ट दिशाको धारणा प्रस्तुत गरेका छौं। एउटा कुराको लागि, यो अनुप्रयोगले तपाईंको ETL प्रयासको लागि आवश्यक सफ्टवेयरको प्रकारलाई निर्देशन दिनेछ।

के तपाइँलाई सफा ठेगाना प्रदान गर्न Trillium जस्ता उत्पादनहरू चाहिन्छ, वा तपाइँको रोजाइको ETL विक्रेता त्यो कार्यक्षमता प्रदान गर्नको लागि?
अहिलेको लागि यो महत्त्वपूर्ण छ कि तपाईंले आफ्नो गोदाम कार्यान्वयन सुरु गर्नु अघि पूरा गर्नुपर्ने डिजाइनको स्तरको कदर गर्नुहोस्। माथिका उदाहरणहरूले डिजाइन निर्णयहरूको भीड प्रदर्शन गर्नुपर्दछ जुन कुनै विशेष व्यवसाय आवश्यकताको पहिचान पालना गर्नुपर्छ। यदि सही तरिकाले बनाइयो भने, यी डिजाइन निर्णयहरूले तपाईंको वातावरणको भौतिक संरचनाहरू, प्रयोग गरिएको प्रविधिको चयन, र सूचना सामग्रीको प्रचार प्रसारको बीचमा अन्तरनिर्भरतालाई बढावा दिन्छ। यो परम्परागत BI वास्तुकला बिना, तपाइँको संगठन अवस्थित प्रविधिहरूको अराजक मिश्रणको अधीनमा हुनेछ, स्पष्ट रूपमा स्थिरता प्रदान गर्नको लागि राम्रोसँग एकसाथ सिलाई।

जानकारी सामग्री राख्नुहोस्

तपाईंको संगठनमा जानकारीको मूल्य ल्याउनु धेरै गाह्रो काम हो। पर्याप्त समझ र अनुभव, वा उचित योजना र डिजाइन बिना, उत्कृष्ट टोलीहरू पनि असफल हुनेछन्। अर्कोतर्फ, यदि तपाईंसँग ठूलो अन्तर्ज्ञान र विस्तृत योजना छ तर कार्यान्वयनको लागि कुनै अनुशासन छैन भने, तपाईंले भर्खर आफ्नो पैसा र समय बर्बाद गर्नुभयो किनभने तपाईंको प्रयास असफल हुन जान्छ। सन्देश स्पष्ट हुनुपर्छ: यदि तपाइँसँग यी मध्ये एक वा बढी सीपहरू, बुझाइ/अनुभव वा योजना/डिजाइन वा कार्यान्वयन अनुशासनको कमी छ भने, यसले BI संस्थाको भवनलाई अपंग वा नष्ट गर्नेछ।

के तपाईको टोली पर्याप्त तयारी अवस्थामा छ? के तपाईको BI टोलीमा BI वातावरणमा उपलब्ध विशाल विश्लेषणात्मक परिदृश्य, र त्यो परिदृश्य कायम राख्न आवश्यक प्रविधि र प्रविधिहरू बुझ्ने कोही हुनुहुन्छ? तपाईको टोलीमा कोही छ जसले उन्नत बीचको आवेदन भिन्नता पहिचान गर्न सक्छ

स्थिर रिपोर्टिङ र OLAP, वा ROLAP र OLAP बीचको भिन्नता? के तपाईंको टोलीका सदस्यहरू मध्ये एकले कसरी निकाल्ने र यसले गोदामलाई कसरी असर गर्न सक्छ वा गोदामले निकाल्ने कार्यसम्पादनलाई कसरी समर्थन गर्न सक्छ भनेर स्पष्ट रूपमा चिन्नुहुन्छ? एक टोली सदस्य को मूल्य बुझ्छ डाटा स्पेस वा एजेन्ट आधारित प्रविधि? के तपाइँसँग सन्देश ब्रोकर टेक्नोलोजी बनाम ETL उपकरणहरूको अद्वितीय अनुप्रयोगको प्रशंसा गर्ने कोही छ? यदि तपाईंसँग छैन भने, एउटा पाउनुहोस्। BI एक सामान्यीकृत परमाणु तह, OLAP, तारा स्कीमा, र ODS भन्दा धेरै ठूलो छ।

BI आवश्यकताहरू र तिनीहरूका समाधानहरू पहिचान गर्नको लागि बुझाइ र अनुभव हुनु भनेको प्रयोगकर्ताका आवश्यकताहरूलाई उचित रूपमा औपचारिक बनाउन र तिनीहरूको समाधानहरू डिजाइन र कार्यान्वयन गर्ने क्षमताको लागि आवश्यक छ। यदि तपाईंको प्रयोगकर्ता समुदायलाई आवश्यकताहरू वर्णन गर्न कठिनाइ छ भने, त्यो बुझाइ प्रदान गर्ने गोदाम टोलीको काम हो। तर यदि गोदाम टोली

BI को विशिष्ट अनुप्रयोग पहिचान गर्दैन - उदाहरणका लागि, डाटा माइनिङ - तब यो उत्तम कुरा होइन कि BI वातावरणहरू प्रायः निष्क्रिय भण्डारहरूमा सीमित हुन्छन्। यद्यपि, यी प्रविधिहरूलाई बेवास्ता गर्नाले तिनीहरूको महत्त्व र तपाईंको संगठनको व्यापारिक बुद्धिमत्ता क्षमताहरू, साथै तपाईंले पालनपोषण गर्ने योजनाको सूचना परिदृश्यमा तिनीहरूको प्रभावलाई कम गर्दैन।

योजनामा ​​रेखाचित्रको धारणा समावेश हुनुपर्छ, र दुवैलाई सक्षम व्यक्ति चाहिन्छ। थप रूपमा, डिजाइन गर्न टोली गोदाम दर्शन र मापदण्डहरूको पालना चाहिन्छ। उदाहरणका लागि, यदि तपाइँको कम्पनीले मानक प्लेटफर्म स्थापना गरेको छ वा तपाइँले प्लेटफर्ममा मानकीकरण गर्न चाहनु भएको एक विशेष RDBMS पहिचान गरेको छ भने, ती मापदण्डहरू पालना गर्ने जिम्मेवारी टोलीमा रहेको सबैको हो। सामान्यतया एउटा टोलीले मानकीकरण (प्रयोगकर्ता समुदायहरूमा) को आवश्यकतालाई उजागर गर्दछ, तर टोली आफैं कम्पनीको अन्य क्षेत्रहरूमा वा समान कम्पनीहरूमा पनि स्थापित मापदण्डहरूको पालना गर्न इच्छुक छैन। यो कपटी मात्र होइन, तर यसले कम्पनी विद्यमान स्रोत र लगानीको दोहन गर्न असक्षम छ भनेर स्थापित गर्दछ। यसको मतलब यो होइन कि गैर-मानकीकृत प्लेटफर्म वा प्रविधिको वारेन्टी गर्ने कुनै परिस्थितिहरू छैनन्; यद्यपि, गोदाम प्रयासहरू

तिनीहरूले ईर्ष्यालु रूपमा उद्यमको मापदण्डको रक्षा गर्नुपर्छ जबसम्म व्यापार आवश्यकताहरू अन्यथा हुकुम गर्दैनन्।

BI संगठन निर्माण गर्न आवश्यक तेस्रो प्रमुख घटक अनुशासन हो।
यो पूर्ण रूपमा निर्भर गर्दछ, समान रूपमा व्यक्ति र वातावरणमा। परियोजना योजनाकारहरू, प्रायोजकहरू, आर्किटेक्टहरू, र प्रयोगकर्ताहरूले कम्पनीको सूचना परिदृश्य निर्माण गर्न आवश्यक अनुशासनको कदर गर्नुपर्छ। डिजाइनरहरूले आफ्नो डिजाइन प्रयासहरूलाई समाजमा अन्य आवश्यक प्रयासहरूलाई पूरकको रूपमा निर्देशित गर्नुपर्छ।

उदाहरण को लागी, मानौं तपाईको कम्पनीले एउटा ERP अनुप्रयोग बनाउँछ जसमा गोदाम कम्पोनेन्ट छ।
त्यसकारण यो ERP डिजाइनरहरूको जिम्मेवारी हो गोदाम वातावरण टोलीसँग सहकार्य गर्न ताकि प्रतिस्पर्धा वा नक्कल काम पहिले नै सुरु भइसकेको छैन।

अनुशासन पनि एक विषय हो जुन सम्पूर्ण संगठन द्वारा सम्बोधन गर्नुपर्दछ र सामान्यतया स्थापित र कार्यकारी स्तरमा सुम्पिएको छ।
के प्रबन्धकहरू डिजाइन गरिएको दृष्टिकोण पालन गर्न इच्छुक छन्? एक दृष्टिकोण जसले सूचना सामग्री सिर्जना गर्ने वाचा गर्दछ जुन अन्ततः उद्यमको सबै क्षेत्रहरूमा मूल्य ल्याउनेछ, तर सायद व्यक्तिगत वा विभागीय एजेन्डाहरू सम्झौता गर्दछ? भनाइ सम्झनुहोस् "केवल एक चीजको बारेमा सोच्नु भन्दा सबै कुराको बारेमा सोच्नु महत्त्वपूर्ण छ"। यो भनाइ BI संगठनहरूको लागि सत्य हो।

दुर्भाग्यवश, धेरै गोदामहरूले आफ्नो प्रयासलाई लक्षित गर्न र एक विशेष विभाग वा विशिष्ट प्रयोगकर्ताहरूलाई मूल्य ल्याउने प्रयासमा केन्द्रित गर्दछ, ठूलो रूपमा संगठनलाई थोरै सन्दर्भमा। मान्नुहोस् कि कार्यकारीले वेयरहाउस टोलीबाट सहयोग अनुरोध गर्दछ। टोलीले 90-दिनको प्रयासको साथ प्रतिक्रिया दिन्छ जसमा प्रबन्धकद्वारा परिभाषित सूचना आवश्यकताहरू प्रदान गर्ने मात्र समावेश छैन तर सबै कुरा सुनिश्चित गर्ने डाटा प्रस्तावित क्यूब टेक्नोलोजीमा पेश गर्नु अघि आधार परमाणु स्तरमा मिश्रित छन्।
यो ईन्जिनियरिङ् थपले सुनिश्चित गर्दछ कि वेयरहाउस उद्यमले लाभ उठाउनेछ डाटा व्यवस्थापक द्वारा आवश्यक छ।
यद्यपि, कार्यकारीले बाहिरी सल्लाहकार फर्महरूसँग कुरा गरे जसले 4 हप्ता भन्दा कममा डेलिभरीको साथ समान आवेदन प्रस्ताव गरे।

आन्तरिक गोदाम टोली सक्षम छ भनी मान्दै, कार्यकारीसँग विकल्प छ। जसले जानकारी सम्पत्ति उद्यम खेती गर्न आवश्यक अतिरिक्त ईन्जिनियरिङ् अनुशासन समर्थन गर्न सक्छ वा छिट्टै आफ्नै समाधान निर्माण गर्न रोज्न सक्छ। अन्तिम एउटा धेरै पटक रोजिएको जस्तो देखिन्छ र केवल केहि वा व्यक्तिलाई मात्र फाइदा हुने जानकारीको कन्टेनरहरू सिर्जना गर्न कार्य गर्दछ।

अल्पकालीन र दीर्घकालीन लक्ष्यहरू

आर्किटेक्टहरू र परियोजना डिजाइनरहरूले समग्र वास्तुकलाको दीर्घकालीन दृष्टिकोण र BI संगठनमा विकासको लागि योजनाहरूलाई औपचारिक रूपमा प्रस्तुत गर्नुपर्छ। अल्पकालीन लाभ र दीर्घकालीन योजनाको यो संयोजनले BI प्रयासहरूको दुई पक्षलाई प्रतिनिधित्व गर्दछ। छोटो अवधिको लाभ BI को पक्ष हो जुन तपाइँको गोदाम को पुनरावृत्ति संग सम्बन्धित छ।

यो हो जहाँ योजनाकारहरू, आर्किटेक्टहरू र प्रायोजकहरू विशेष व्यावसायिक आवश्यकताहरू पूरा गर्नमा ध्यान केन्द्रित गर्छन्। यो स्तरमा जहाँ भौतिक संरचना निर्माण गरिन्छ, प्रविधि खरिद गरिन्छ र प्रविधिहरू लागू गरिन्छ। तिनीहरू कुनै पनि हिसाबले विशेष प्रयोगकर्ता समुदायहरूले परिभाषित गरिए अनुसार विशेष आवश्यकताहरूलाई सम्बोधन गर्न बनाइएका छैनन्। सबै कुरा एक विशेष समुदाय द्वारा परिभाषित विशिष्ट आवश्यकताहरु लाई सम्बोधन गर्न को लागी गरिन्छ।
तथापि, दीर्घकालीन योजना BI को अर्को पक्ष हो। यो जहाँ योजना र डिजाइनहरूले सुनिश्चित गर्‍यो कि कुनै पनि भौतिक संरचना निर्माण गरिएको थियो, प्रविधिहरू चयन गरिएको थियो र उद्यमलाई ध्यानमा राखेर लागू गरिएको प्रविधिहरू। यो दीर्घकालीन योजना हो जसले कुनै पनि छोटो अवधिको लाभबाट व्यवसायिक लाभहरू उत्पन्न हुन्छ भनी सुनिश्चित गर्न आवश्यक एकता प्रदान गर्दछ।

तपाईको BI प्रयासलाई औचित्य दिनुहोस्

Un डाटा गोदाम आफैमा यसको कुनै अन्तरनिहित मूल्य छैन। अर्को शब्दमा, गोदाम प्रविधिहरू र कार्यान्वयन प्रविधिहरू बीच कुनै अन्तर्निहित मूल्य छैन।

कुनै पनि गोदाम प्रयासको मूल्य गोदाम वातावरण र समयसँगै खेती गरिएको जानकारी सामग्रीको परिणामको रूपमा गरिएका कार्यहरूमा पाइन्छ। तपाईंले कुनै पनि घर पहलको मूल्य अनुमान गर्ने प्रयास गर्नु अघि यो बुझ्नको लागि महत्त्वपूर्ण बिन्दु हो।

प्रायः, आर्किटेक्टहरू र डिजाइनरहरूले गोदामको भौतिक र प्राविधिक घटकहरूमा मूल्य लागू गर्ने प्रयास गर्छन् जब वास्तवमा मूल्य व्यापार प्रक्रियाहरूमा आधारित हुन्छ जुन गोदाम र राम्रोसँग प्राप्त जानकारीले सकारात्मक रूपमा प्रभाव पार्छ।

यहाँ BI स्थापना गर्ने चुनौती छ: तपाईं कसरी लगानीलाई जायज ठहराउनुहुन्छ? यदि जहाँ घरको आफैंमा कुनै आन्तरिक मूल्य छैन भने, परियोजना डिजाइनरहरूले ती व्यक्तिहरूले प्राप्त गरेका फाइदाहरूको छानबिन, परिभाषित र औपचारिक रूपमा गर्नुपर्दछ जसले गोदामलाई विशिष्ट व्यापार प्रक्रियाहरू वा सुरक्षित जानकारीको मूल्य, वा दुबै सुधार गर्न प्रयोग गर्नेछन्।

मामिलाहरूलाई जटिल बनाउन, गोदाम प्रयासहरूबाट प्रभावित कुनै पनि व्यवसाय प्रक्रियाले "धेरै" वा "थोरै" फाइदाहरू प्रदान गर्न सक्छ। उल्लेखनीय लाभहरूले लगानीमा प्रतिफल (ROI) मापन गर्नको लागि एक ठोस मेट्रिक प्रदान गर्दछ - उदाहरणका लागि, कुनै निश्चित अवधिमा सूचीलाई थप समय बदल्ने वा प्रति ढुवानी लागत कम यातायातको लागि। सूक्ष्म लाभहरू परिभाषित गर्न गाह्रो छ, जस्तै जानकारीमा सुधारिएको पहुँच, मूर्त मूल्यको सन्दर्भमा।

जान्नको लागि आफ्नो परियोजना जडान गर्नुहोस् व्यापार अनुरोधहरू

प्रायः, परियोजना योजनाकारहरूले गोदाम मूल्यलाई अनाकार उद्यम उद्देश्यहरूसँग जोड्ने प्रयास गर्छन्। "गोदामको मूल्य हाम्रो रणनीतिक अनुरोधहरू पूरा गर्ने क्षमतामा आधारित छ" भनेर घोषणा गरेर हामी छलफललाई रमाइलो तरिकामा खोल्छौं। तर इन्भेन्टरीमा लगानी गर्नु अर्थपूर्ण छ कि छैन भनेर निर्धारण गर्न यो एक्लै पर्याप्त छैन। गोदाम पुनरावृत्तिहरूलाई विशिष्ट, ज्ञात व्यापार मागहरूसँग जोड्नु उत्तम हुन्छ।

ROI मापन गर्नुहोस्

गोदाम सेटिङमा ROI गणना गर्न विशेष गरी गाह्रो हुन सक्छ। फाइदा भएमा यो विशेष गरी गाह्रो छ

एक विशेष पुनरावृत्ति को प्रिन्सिपल केहि चीज हो जुन मूर्त वा मापन गर्न सजिलो छैन। एउटा अध्ययनले पत्ता लगायो कि प्रयोगकर्ताहरूले BI पहलका दुई मुख्य फाइदाहरू बुझ्छन्:

• ▪ निर्णयहरू सिर्जना गर्ने क्षमता सिर्जना गर्नुहोस्
• ▪ जानकारीमा पहुँच सिर्जना गर्नुहोस्
  यी फाइदाहरू नरम (वा हल्का) फाइदाहरू हुन्। हामी कसरी ढुवानी लागत घटेको जस्तै कडा (वा प्रमुख) लाभको आधारमा ROI गणना गर्न सक्छौं भनेर हेर्न सजिलो छ, तर हामी कसरी राम्रो निर्णय गर्ने क्षमता मापन गर्छौं?
  यो निश्चित रूपमा परियोजना योजनाकारहरूको लागि चुनौती हो जब तिनीहरू कम्पनीलाई विशेष गोदाम प्रयासमा लगानी गर्न मनाउन प्रयास गर्दैछन्। बढ्दो बिक्री वा घट्दो लागतहरू अब BI वातावरणलाई चलाउने केन्द्रीय विषयवस्तुहरू छैनन्।
  यसको सट्टा, तपाइँ जानकारीमा राम्रो पहुँचको लागि व्यापार अनुरोधहरू हेर्दै हुनुहुन्छ ताकि एक विशेष विभागले छिटो निर्णय गर्न सक्छ। यी रणनीतिक ड्राइभरहरू हुन् जुन उद्यमको लागि समान रूपमा महत्त्वपूर्ण हुन्छ तर अधिक अस्पष्ट र ठोस मेट्रिकमा विशेषता गर्न गाह्रो हुन्छ। यस अवस्थामा, ROI गणना गर्दा भ्रामक हुन सक्छ, यदि अप्रासंगिक छैन।
  परियोजना योजनाकारहरूले एक विशेष पुनरावृत्तिमा लगानी योग्य छ कि छैन भनेर निर्णय गर्न कार्यकारीहरूको लागि ठोस मूल्य प्रदर्शन गर्न सक्षम हुनुपर्दछ। यद्यपि, हामी ROI गणना गर्नको लागि नयाँ विधि प्रस्ताव गर्दैनौं, न त हामी यसको पक्षमा वा विपक्षमा कुनै तर्क गर्नेछौं।
  त्यहाँ धेरै लेखहरू र पुस्तकहरू उपलब्ध छन् जुन ROI गणना गर्ने आधारभूत कुराहरू छलफल गर्दछ। त्यहाँ विशेष मूल्य प्रस्तावहरू छन् जस्तै लगानीमा मूल्य (VOI), गार्टनर जस्ता समूहहरूले प्रस्ताव गरेका छन्, जुन तपाईंले अनुसन्धान गर्न सक्नुहुन्छ। यसको सट्टा, हामी कुनै पनि ROI वा अन्य मान प्रस्तावहरूको मुख्य पक्षहरूमा ध्यान केन्द्रित गर्नेछौं जुन तपाईंले विचार गर्न आवश्यक छ। ROI लागू गर्दै BI प्रयासहरूसँग सम्बन्धित "कडा" लाभहरू बनाम "नरम" लाभहरूको बारेमा तर्कभन्दा बाहिर ROI लागू गर्दा विचार गर्न अन्य मुद्दाहरू छन्। उदाहरणका लागि:

DW प्रयासहरूमा धेरै बचतहरू एट्रिब्यूट गर्नुहोस् जुन जे भए पनि आउनेछ
मानौं तपाईको कम्पनी मेनफ्रेम आर्किटेक्चरबाट वितरित UNIX वातावरणमा सरेको छ। त्यसोभए कुनै पनि बचत जुन त्यो प्रयासबाट प्राप्त हुन सक्छ (वा हुन सक्दैन) गोदाममा मात्र (?) को श्रेय दिनु हुँदैन।

सबै कुराको लेखाजोखा गर्नु महँगो छैन। र त्यहाँ खातामा लिन धेरै चीजहरू छन्। निम्न सूची विचार गर्नुहोस्:

• ▪ स्टार्ट-अप लागत, सम्भाव्यता सहित।
• ▪ सम्बन्धित भण्डारण र संचार संग समर्पित हार्डवेयर को लागत
• ▪ व्यवस्थापन सहित सफ्टवेयरको लागत डाटा र क्लाइन्ट/सर्भर विस्तारहरू, ETL सफ्टवेयर, DSS प्रविधिहरू, दृश्य उपकरणहरू, समय तालिका र कार्यप्रवाह अनुप्रयोगहरू, र निगरानी सफ्टवेयर,।
• ▪ संरचना डिजाइन लागत डाटाको निर्माण, र अनुकूलन संग
• ▪ सफ्टवेयर विकास लागत सीधै BI प्रयाससँग सम्बन्धित छ
• ▪ सफ्टवेयर संस्करण नियन्त्रण र मद्दत अपरेशनहरू सहित कार्यसम्पादन अप्टिमाइजेसन सहित साइटमा समर्थनको लागत "बिग-बैंग" ROI लागू गर्नुहोस्। गोदामलाई एकलको रूपमा निर्माण गर्दा, विशाल प्रयास असफल हुनेछ, त्यसैले ठूलो-उद्यम पहलको लागि ROI पनि गणना गर्नुहोस् प्रस्ताव आश्चर्यजनक छ, र योजनाकारहरूले सम्पूर्ण प्रयासको मूल्य अनुमान गर्न कमजोर प्रयासहरू जारी राख्छन्। यदि यो व्यापक रूपमा ज्ञात र स्वीकार गरिएको छ कि विशिष्ट पुनरावृत्ति अनुमान गर्न गाह्रो छ भने योजनाकारहरूले किन व्यापार पहलमा मौद्रिक मूल्य राख्न प्रयास गर्छन्? यो कसरी सम्भव छ? केही अपवाद बाहेक यो सम्भव छैन। यो नगर्नुहोस्। अब हामीले ROI गणना गर्दा के गर्न नहुने कुराहरू स्थापित गरेका छौं, यहाँ केही बुँदाहरू छन् जसले हामीलाई तपाईंको BI प्रयासहरूको मूल्य अनुमान गर्न भरपर्दो प्रक्रिया स्थापना गर्न मद्दत गर्नेछ।

ROI सहमति प्राप्त गर्दै। तपाईंको BI प्रयासहरूको मूल्य अनुमान गर्नको लागि तपाइँको प्रविधिको छनौटको बाबजुद, यो परियोजना डिजाइनरहरू, प्रायोजकहरू, र व्यापार अधिकारीहरू सहित सबै पक्षहरूद्वारा सहमत हुनुपर्छ।

ROI लाई पहिचान योग्य भागहरूमा घटाउनुहोस्। एक ROI को उचित गणना गर्न को लागी एक आवश्यक कदम एक विशेष परियोजना मा त्यो गणना केन्द्रित छ। यसले तपाईंलाई निश्चित व्यापार आवश्यकताहरू पूरा भइरहेको आधारमा मूल्य अनुमान गर्न अनुमति दिन्छ

लागतहरू परिभाषित गर्नुहोस्। उल्लेख गरिए अनुसार, धेरै लागतहरू विचार गर्नुपर्छ। यसबाहेक, लागतहरूमा एकल पुनरावृत्तिसँग सम्बन्धित मात्र होइन तर उद्यम मापदण्डहरूको अनुपालन सुनिश्चित गर्न सम्बन्धित लागतहरू पनि समावेश हुनुपर्छ।

लाभहरू परिभाषित गर्नुहोस्। ROI लाई विशिष्ट व्यापार आवश्यकताहरूसँग स्पष्ट रूपमा लिङ्क गरेर, हामीले आवश्यकताहरू पूरा गर्न नेतृत्व गर्ने फाइदाहरू पहिचान गर्न सक्षम हुनुपर्छ।

आसन्न नाफामा लागत र लाभहरू घटाउनुहोस्। भविष्यको आम्दानीमा भविष्यको मूल्य भविष्यवाणी गर्ने प्रयास गर्नुको सट्टा शुद्ध वर्तमान मूल्य (NPV) मा तपाईंको मूल्याङ्कनलाई आधार बनाउने उत्तम तरिका हो।

आफ्नो ROI विभाजन गर्ने समयलाई न्यूनतममा राख्नुहोस्। यो तपाईको ROI मा प्रयोग भएको लामो अवधिमा राम्रोसँग दस्तावेज गरिएको छ।

एक भन्दा बढी ROI सूत्र प्रयोग गर्नुहोस्। ROI पूर्वानुमान गर्नका लागि धेरै विधिहरू छन् र तपाईंले शुद्ध वर्तमान मूल्य, आन्तरिक प्रतिफल दर (IRR), र भुक्तानी सहित तिनीहरूमध्ये एक वा बढी प्रयोग गर्ने कि नगर्ने भन्ने योजना बनाउनुपर्छ।

दोहोर्याउने प्रक्रिया परिभाषित गर्नुहोस्। यो कुनै पनि दीर्घकालीन मूल्य गणना गर्न को लागी महत्वपूर्ण छ। एकल पुनरावृत्ति योग्य प्रक्रिया सबै परियोजना को पछ्याउन को लागी दस्तावेज हुनुपर्छ।

सूचीबद्ध समस्याहरू वेरहाउस वातावरणमा विशेषज्ञहरूले परिभाषित गरेका सबैभन्दा सामान्य समस्याहरू हुन्। एक "बिग-बैंग" ROI प्रदान गर्न व्यवस्थापनको जिद्दी धेरै विचलित छ। यदि तपाईंले आफ्नो सबै ROI गणनाहरूलाई पहिचानयोग्य, मूर्त टुक्राहरूमा विभाजन गरेर सुरु गर्नुहुन्छ भने, तपाईंसँग सही ROI मूल्याङ्कन अनुमान गर्ने राम्रो मौका छ।

ROI लाभहरूको बारेमा प्रश्नहरू

तपाईंको फाइदाहरू जुनसुकै होस्, नरम वा कडा, तपाईंले तिनीहरूको मूल्य निर्धारण गर्न केही आधारभूत प्रश्नहरू प्रयोग गर्न सक्नुहुन्छ। उदाहरणका लागि, 1 देखि 10 सम्मको साधारण स्केलिंग प्रणाली प्रयोग गरी, तपाइँ निम्न प्रश्नहरू प्रयोग गरेर कुनै पनि प्रयासको प्रभाव मापन गर्न सक्नुहुन्छ:

• तपाईं बुझ्न कसरी मूल्याङ्कन गर्नुहुन्छ डाटा तपाईको कम्पनीको यो प्रोजेक्ट पछ्याउँदै हुनुहुन्छ?
• तपाईं यस परियोजनाको परिणामको रूपमा प्रक्रिया सुधारहरू कसरी अनुमान गर्नुहुन्छ?
• यस पुनरावृत्तिद्वारा उपलब्ध गराइएका नयाँ अन्तर्दृष्टि र निष्कर्षहरूको प्रभावलाई तपाईं कसरी मापन गर्नुहुन्छ
• सिकेको परिणामको रूपमा नयाँ र प्रदर्शनकारी कम्प्युटिङ वातावरणको प्रभाव के थियो? यदि यी प्रश्नहरूको जवाफ थोरै छ भने, यो सम्भव छ कि कम्पनीले गरेको लगानीको लायक छैन। उच्च-स्कोरिङ प्रश्नहरूले महत्त्वपूर्ण मूल्य लाभहरू इंगित गर्दछ र थप अनुसन्धानको लागि मार्गदर्शकको रूपमा काम गर्नुपर्छ। उदाहरणका लागि, प्रक्रिया सुधारहरूको लागि उच्च स्कोरले डिजाइनरहरूलाई प्रक्रियाहरू कसरी सुधार गरिएको छ भनेर जाँच्न नेतृत्व गर्नुपर्छ। तपाईंले फेला पार्न सक्नुहुन्छ कि केहि वा सबै लाभहरू मूर्त छन् र त्यसैले मौद्रिक मूल्य सजिलै लागू गर्न सकिन्छ। को पहिलो पुनरावृत्तिबाट अधिकतम प्राप्त गर्दै गोदाम तपाईको उद्यम प्रयासको सबैभन्दा ठूलो परिणाम प्रायः पहिलो केहि पुनरावृत्तिहरूमा हुन्छ। यी प्रारम्भिक प्रयासहरूले परम्परागत रूपमा जनताको लागि सबैभन्दा उपयोगी जानकारी सामग्री स्थापना गर्दछ र पछिल्ला BI अनुप्रयोगहरूको लागि प्रविधि आधार स्थापना गर्न मद्दत गर्दछ। सामान्यतया प्रत्येक पछिको अनुवर्ती डाटा गोदाम परियोजनाहरूको समग्र उद्यमलाई कम र कम अतिरिक्त मूल्य ल्याउँछ। यो विशेष गरी सत्य हो यदि पुनरावृत्तिले नयाँ विषयहरू थप्दैन वा नयाँ प्रयोगकर्ता समुदायको आवश्यकताहरू पूरा गर्दैन।

यो भण्डारण सुविधा बढ्दो स्ट्याकहरूमा पनि लागू हुन्छ डाटा इतिहासकारहरू। पछिल्ला प्रयासहरू थप आवश्यक छ डाटा र कसरी थप डाटा समयसँगै गोदाममा खन्याइन्छ, धेरै जसो डाटा यो प्रयोग गरिएको विश्लेषणमा कम सान्दर्भिक हुन्छ। यी डाटा तिनीहरू अक्सर बोलाइन्छ डाटा निष्क्रिय र तिनीहरूलाई राख्न सधैं महँगो हुन्छ किनभने तिनीहरू लगभग कहिल्यै प्रयोग हुँदैनन्।

परियोजना प्रायोजकहरूको लागि यसको अर्थ के हो? अनिवार्य रूपमा, प्रारम्भिक प्रायोजकहरूले लगानीको लागत भन्दा बढी साझेदारी गर्छन्। यो प्राथमिक हो किनभने तिनीहरू गोदामको फराकिलो टेक्नोलोजी र जैविक लगायत स्रोत वातावरण तह स्थापना गर्न प्रेरणा हुन्।

तर यी पहिलो चरणहरूले उच्चतम मूल्य ल्याउँदछ र यसैले परियोजना डिजाइनरहरूले प्राय: लगानीको औचित्य प्रमाणित गर्नुपर्दछ।
तपाईंको BI पहल पछि गरिएका परियोजनाहरूमा कम (पहिलोको तुलनामा) र प्रत्यक्ष लागत हुन सक्छ, तर कम्पनीको लागि कम मूल्य ल्याउँछ।

र संगठन मालिकहरूले संचयलाई फ्याँक्ने विचार गर्न सुरु गर्न आवश्यक छ डाटा र कम सान्दर्भिक प्रविधिहरू।

डाटा खनन: निकासी DATI

धेरै आर्किटेक्चरल कम्पोनेन्टहरूलाई डाटा माइनिङ टेक्नोलोजी र प्रविधिहरूमा भिन्नताहरू चाहिन्छ-
उदाहरणका लागि, विभिन्न "एजेन्टहरू" को चासोको बिन्दुहरू जाँच गर्न ग्राहकहरु, कम्पनीको अपरेटिङ सिस्टम र dw को लागि। यी एजेन्टहरू POT प्रवृतिहरूमा प्रशिक्षित उन्नत न्यूरल नेटवर्कहरू हुन सक्छन्, जस्तै बिक्री प्रवर्द्धनहरूमा आधारित भविष्यका उत्पादनहरूको माग; सेटमा प्रतिक्रिया दिन नियम-आधारित इन्जिनहरू डाटा परिस्थितिहरूको, उदाहरणका लागि, चिकित्सा निदान र उपचार सिफारिसहरू; वा शीर्ष अधिकारीहरूलाई अपवाद रिपोर्टिङको भूमिकाका साथ साधारण एजेन्टहरू पनि। सामान्यतया यी निकासी प्रक्रियाहरू डाटा si

वास्तविक समयमा प्रमाणित गर्नुहोस्; त्यसैले, तिनीहरूको आन्दोलनसँग पूर्ण रूपमा एकताबद्ध हुनुपर्छ डाटा स्टेसी

अनलाइन विश्लेषणात्मक प्रशोधन प्रक्रिया

अनलाइन विश्लेषण

टुक्रा, पासा, रोल, ड्रिल डाउन, र विश्लेषण प्रदर्शन गर्ने क्षमता
के-यदि, दायरा भित्र छ, IBM टेक्नोलोजी सूटको फोकस। उदाहरणका लागि, DB2 को लागि अनलाइन विश्लेषणात्मक प्रशोधन (OLAP) प्रकार्यहरू अवस्थित छन् जसले सफ्टवेयर इन्जिनमा आयामी विश्लेषण ल्याउँछ। डेटाबेस उस्तै

DB2 को प्राकृतिक भाग हुनुका सबै फाइदाहरूको फाइदा उठाउँदै कार्यहरूले SQL मा आयामी उपयोगिता थप्छ। OLAP एकीकरणको अर्को उदाहरण निकासी उपकरण, DB2 OLAP सर्भर विश्लेषक हो। यो टेक्नोलोजीले DB2 OLAP सर्भर क्यूबहरूलाई छिटो र स्वचालित रूपमा विश्लेषण गर्न र मूल्य मानहरूमा रिपोर्ट गर्न अनुमति दिन्छ। डाटा व्यापार विश्लेषकको लागि घन भर असामान्य वा अप्रत्याशित। र अन्तमा, DW केन्द्र सुविधाहरूले वास्तुविद्हरूलाई ETL प्रक्रियाहरूको प्राकृतिक भागको रूपमा DB2 OLAP सर्भर क्यूबको प्रोफाइललाई अन्य कुराहरूका बीचमा नियन्त्रण गर्ने माध्यम प्रदान गर्दछ।

स्थानिय विश्लेषण स्थानिय विश्लेषण

अन्तरिक्षले परिदृश्यको लागि आवश्यक विश्लेषणात्मक एङ्करहरू (लीडहरू) को आधा प्रतिनिधित्व गर्दछ
विश्लेषणात्मक व्यापक (समयले अर्को आधा प्रतिनिधित्व गर्दछ)। चित्र १.१ मा चित्रण गरिएको गोदामको परमाणु-स्तरमा समय र स्थान दुवै आधारभूत कुराहरू समावेश छन्। टाइम स्ट्याम्प एङ्करले समय र ठेगाना जानकारी एङ्कर स्पेस द्वारा विश्लेषण गर्दछ। टाइमस्ट्याम्पहरूले समय अनुसार विश्लेषण गर्दछ, र ठेगाना जानकारी अन्तरिक्ष द्वारा विश्लेषण सञ्चालन गर्दछ। रेखाचित्रले जियोकोडिङ देखाउँछ - ठेगानाहरूलाई नक्सामा बिन्दुहरू वा अन्तरिक्षमा बिन्दुहरूमा रूपान्तरण गर्ने प्रक्रिया ताकि दूरी र भित्र/बाहिर जस्ता अवधारणाहरू विश्लेषणमा प्रयोग गर्न सकिन्छ - परमाणु स्तरमा सञ्चालन गरिन्छ र स्थानिय विश्लेषण उपलब्ध गराइन्छ। विश्लेषक। IBM ले वातावरणीय प्रणाली अनुसन्धान संस्थान (ESRI) सँग विकसित, स्थानिय विस्तारहरू प्रदान गर्दछ। डेटाबेस DB2 ताकि स्पेस वस्तुहरू को सामान्य भागको रूपमा भण्डारण गर्न सकिन्छ डेटाबेस सम्बन्धगत। db2

स्थानिय विस्तारकहरू, स्थानिय विश्लेषणको फाइदा लिन सबै SQL विस्तारहरू पनि प्रदान गर्दछ। उदाहरणका लागि, विरुद्ध क्वेरी गर्न SQL विस्तार
ठेगानाहरू बीचको दूरी वा बिन्दु परिभाषित बहुभुज क्षेत्र भित्र वा बाहिर हो, स्थानिय विस्तारकको साथ एक विश्लेषणात्मक मानक हो। थप जानकारीको लागि अध्याय 16 हेर्नुहोस्।

डाटाबेस- निवासी उपकरण उपकरण डाटाबेस-निवासी

DB2 सँग धेरै BI-निवासी SQL सुविधाहरू छन् जसले विश्लेषणको कार्यमा सहयोग गर्दछ। यी समावेश छन्:

• पुनरावृत्ति कार्यहरू विश्लेषण गर्न, जस्तै "बाट सबै सम्भावित उडान मार्गहरू फेला पार्नुहोस् सान फ्रान्सिस्को a न्यूयोर्क"।
• रेटिङ, संचयी कार्यहरू, क्यूब र रोलअपका लागि विश्लेषणात्मक कार्यहरू जुन सामान्यतया OLAP टेक्नोलोजीमा मात्र हुने कार्यहरू सहज बनाउनका लागि, अब इन्जिनको प्राकृतिक भाग हो। डेटाबेस
• परिणामहरू समावेश गर्ने तालिकाहरू सिर्जना गर्ने क्षमता
  को बिक्रेताहरु डेटाबेस नेताहरूले BI क्षमताहरूको अधिक मिश्रणमा डेटाबेस स्टेसो
  को मुख्य आपूर्तिकर्ता डाटा बेस तिनीहरूले BI क्षमताहरूको थप मिश्रण गर्दै छन् डेटाबेस स्टेसो
  यसले BI समाधानहरूको लागि राम्रो प्रदर्शन र थप कार्यान्वयन विकल्पहरू प्रदान गर्दछ।
  DB2 V8 को सुविधाहरू र कार्यहरू निम्न अध्यायहरूमा विस्तृत रूपमा छलफल गरिएको छ:
  प्राविधिक वास्तुकला र डाटा व्यवस्थापन आधारहरू (अध्याय 5)

• DB2 BI आधारभूत कुराहरू (अध्याय 6)
• DB2 भौतिक क्वेरी तालिका (अध्याय 7)
• DB2 OLAP कार्यहरू (अध्याय 13)
• DB2 परिष्कृत BI सुविधाहरू र कार्यहरू (अध्याय 15) सरलीकृत डाटा वितरण प्रणाली को वितरण प्रणाली डाटा सरलीकृत

चित्र १.१ मा चित्रण गरिएको वास्तुकलामा धेरै संरचनाहरू समावेश छन् डाटा शारीरिक। एउटा गोदाम हो डाटा सञ्चालन। सामान्यतया, एक ODS विषय उन्मुख, एकीकृत र वर्तमान वस्तु हो। तपाईंले समर्थन गर्न ODS निर्माण गर्नुहुनेछ, उदाहरणका लागि, बिक्री कार्यालय। ODS बिक्री पूरक हुनेछ डाटा धेरै फरक प्रणालीहरूबाट तर मात्र कायम राख्छ, उदाहरणका लागि, आजको लेनदेन। ODS पनि दिनमा धेरै पटक अद्यावधिक गर्न सकिन्छ। एकै समयमा, प्रक्रियाहरूले धक्का दिन्छ डाटा अन्य अनुप्रयोगहरूमा एकीकृत। यो संरचना विशेष गरी एकीकृत गर्न डिजाइन गरिएको हो डाटा हालको र गतिशील र वास्तविक-समय एनालिटिक्सलाई समर्थन गर्ने सम्भावित उम्मेद्वार हुनेछ, जस्तै सेवा एजेन्टहरूलाई प्रदान गर्ने ग्राहकहरु गोदामबाट बिक्री प्रवृत्ति जानकारी निकालेर ग्राहकको हालको बिक्री जानकारी। चित्र १.१ मा देखाइएको अर्को संरचना dw को लागि औपचारिक अवस्था हो। आवश्यक एकीकरणको कार्यान्वयनको लागि यो ठाउँ मात्र होइन, को गुणस्तर डाटा, र को रूपान्तरण को डाटा आगमन गोदाम को, तर यो पनि को लागी एक भरपर्दो र अस्थायी भण्डारण क्षेत्र हो डाटा वास्तविक-समय विश्लेषणहरूमा प्रयोग गर्न सकिने प्रतिकृतिहरू। यदि तपाइँ ODS वा स्टेजिङ क्षेत्र प्रयोग गर्ने निर्णय गर्नुहुन्छ भने, यी संरचनाहरू भर्नका लागि उत्तम उपकरणहरू मध्ये एक डाटा विभिन्न परिचालन स्रोतहरू प्रयोग गरेर DB2 को विषम वितरित क्वेरी हो। यो क्षमता DB2 Relational Connect (क्वेरी मात्र) भनिने वैकल्पिक DB2 सुविधा र DB2 DataJoiner (एक अलग उत्पादन जसले विषम वितरित RDBMSs लाई क्वेरी, सम्मिलित, अद्यावधिक र मेटाउने क्षमता प्रदान गर्दछ) मार्फत डेलिभर गरिन्छ।

यो प्रविधिले आर्किटेक्टहरूलाई अनुमति दिन्छ डाटा बाध्नु डाटा विश्लेषणात्मक प्रक्रियाहरु संग उत्पादन। टेक्नोलोजीले वास्तविक-समय एनालिटिक्सको साथ उत्पन्न हुन सक्ने कुनै पनि प्रतिकृति मागहरूसँग मात्र अनुकूलन गर्न सक्छ, तर यसले विभिन्न प्रकारका डाटा बेसहरूमा पनि जडान गर्न सक्छ। डाटा DB2, Oracle, Sybase, SQL Server, Informix र अन्य सहित सबैभन्दा लोकप्रिय। DB2 DataJoiner संरचना भर्न प्रयोग गर्न सकिन्छ डाटा ODS को रूपमा औपचारिक वा तत्काल अद्यावधिकहरूको द्रुत रिकभरी वा बिक्रीको लागि डिजाइन गरिएको गोदाममा प्रतिनिधित्व गरिएको स्थायी तालिका। निस्सन्देह, यी संरचनाहरू डाटा प्रयोग गरेर आबादी गर्न सकिन्छ

प्रतिकृतिको लागि डिजाइन गरिएको अर्को महत्त्वपूर्ण प्रविधि डाटा, आईबीएम डाटा प्रोपेगेटर रिलेशनल। (DataPropagator केन्द्रीय प्रणालीहरूको लागि छुट्टै उत्पादन हो। DB2 UNIX, Linux, Windows, र OS/2 मा डेटा प्रतिकृति सेवाहरू समावेश छन्। डाटा मानक सुविधाको रूपमा)।
सार्ने अर्को तरिका डाटा इन्टरप्राइज वरिपरि सञ्चालन गर्ने एक इन्टरप्राइज एप्लिकेसन इन्टिग्रेटर हो अन्यथा सन्देश ब्रोकर भनेर चिनिन्छ। यो अनौठो प्रविधिले लक्ष्यीकरण र सार्नको लागि बेजोड नियन्त्रणलाई अनुमति दिन्छ। डाटा कम्पनी वरिपरि। IBM सँग सबैभन्दा व्यापक रूपमा प्रयोग हुने सन्देश ब्रोकर, MQSeries, वा उत्पादनको भिन्नता छ जसमा आवश्यकताहरू समावेश छन्। ई-वाणिज्य, IBM WebSphere MQ।
गोदाम र BI वातावरणलाई समर्थन गर्न MQ को कसरी लाभ उठाउने भन्ने बारे थप छलफलको लागि, भ्रमण गर्नुहोस् वेबसाइट पुस्तक को। अहिलेको लागि, यो भन्न पर्याप्त छ कि यो टेक्नोलोजी क्याप्चर र रूपान्तरण गर्ने उत्कृष्ट माध्यम हो (MQSeries Integrator प्रयोग गरेर) डाटा केन्द्रित (लक्षित) अपरेटरहरू BI समाधानहरूको लागि भर्ती गरियो। MQ प्रविधिलाई UDB V8 मा एकीकृत र प्याकेज गरिएको छ, जसको मतलब सन्देश लाइनहरू अब DB2 तालिकाहरू जस्तै व्यवस्थित गर्न सकिन्छ। वेल्डिङ लामबद्ध सन्देशहरू र ब्रह्माण्डको अवधारणा डेटाबेस को एक शक्तिशाली वितरण वातावरण तिर सम्बन्ध टाउको डाटा.

शून्य-विलम्बता शून्य विलम्बता

IBM को लागि अन्तिम रणनीतिक लक्ष्य शून्य विलम्बता विश्लेषण हो। द्वारा परिभाषित गरिए अनुसार
गार्टनर, एक BI प्रणालीले अनुमान गर्न, आत्मसात गर्न र मागमा विश्लेषकहरूलाई जानकारी प्रदान गर्न सक्षम हुनुपर्छ। चुनौती, अवश्य पनि, कसरी मिश्रण गर्ने हो डाटा आवश्यक ऐतिहासिक जानकारीको साथ वर्तमान र वास्तविक समय, जस्तै i डाटा सम्बन्धित ढाँचा/प्रवृति, वा निकालिएको बुझाइ, जस्तै ग्राहक प्रोफाइलिङ।

यस्तो जानकारी समावेश, उदाहरण को लागी, को पहिचान ग्राहकहरु उच्च वा कम जोखिम वा कुन उत्पादनहरू i ग्राहकहरु यदि तिनीहरूको किनमेल कार्टहरूमा पहिले नै चीज छ भने तिनीहरूले प्राय: किन्न सक्छन्।

शून्य विलम्बता प्राप्त गर्नु वास्तवमा दुई आधारभूत संयन्त्रहरूमा निर्भर छ:

• को पूर्ण संघ डाटा जसलाई BI द्वारा बनाईएको स्थापित प्रविधि र उपकरणहरूसँग विश्लेषण गरिन्छ
• को एक वितरण प्रणाली डाटा वास्तविक-समय एनालिटिक्स साँच्चै उपलब्ध छ भनी सुनिश्चित गर्नको लागि कुशल को घनिष्ठ संभोग डाटा यो IBM को सिमलेस एकीकरण कार्यक्रम को एक हिस्सा हो। र वितरण प्रणाली सिर्जना गर्नुहोस् डाटा कुशल उपलब्ध टेक्नोलोजीमा पूर्ण रूपमा निर्भर छ जसले वितरण प्रक्रियालाई सरल बनाउँछ डाटा। नतिजाको रूपमा, IBM को तीन गोल मध्ये दुई तेस्रो साकार गर्न महत्वपूर्ण छन्। गोदाम प्रयासहरूको लागि शून्य विलम्बता एक वास्तविकता हो भनेर सुनिश्चित गर्न IBM ले सचेत रूपमा आफ्नो प्रविधिको विकास गरिरहेको छ। सारांश / संश्लेषण BI सङ्गठनले तपाईंको वातावरण निर्माण गर्नको लागि सडक नक्सा उपलब्ध गराउँछ
  पुनरावृत्ति रूपमा। यो तपाईंको व्यवसायको वर्तमान र भविष्य दुवै आवश्यकताहरू प्रतिबिम्बित गर्न समायोजन हुनुपर्छ। फराकिलो वास्तुकलाको दृष्टि बिना, गोदाम पुनरावृत्तिहरू केन्द्रीय गोदामको अव्यवस्थित कार्यान्वयन भन्दा अलि बढी हो जसले फराकिलो, जानकारीमूलक उद्यम सिर्जना गर्न थोरै गर्छ। परियोजना प्रबन्धकहरूका लागि पहिलो बाधा भनेको BI संगठनको विकास गर्न आवश्यक लगानीलाई कसरी औचित्य दिने भन्ने हो। जबकि ROI गणना गोदाम कार्यान्वयनको मुख्य आधार बनेको छ, यो सही रूपमा भविष्यवाणी गर्न गाह्रो हुँदै गइरहेको छ। यसले तपाइँ आफ्नो पैसाको मूल्य प्राप्त गर्दै हुनुहुन्छ कि भनेर निर्धारण गर्न अन्य विधिहरूको नेतृत्व गरेको छ। उदाहरणका लागि, लगानी २ (VOI) मा मूल्यलाई समाधानको रूपमा प्रचार गरिएको छ। यसको वास्तुविद्हरूको दायित्व हो डाटा र परियोजना योजनाकारहरूले जानाजानी उत्पन्न गर्छन् र प्रयोगकर्ता संघहरूलाई जानकारी प्रदान गर्छन् र उनीहरूलाई सेवा प्रदान गर्दैनन्। डाटा। दुवैमा ठूलो भिन्नता छ । सूचना त्यस्तो चीज हो जसले निर्णय लिने र प्रभावकारितामा फरक पार्छ; अपेक्षाकृत, i डाटा तिनीहरू त्यो जानकारी प्राप्त गर्न ब्लकहरू निर्माण गर्दैछन्।

स्रोतको आलोचना भए पनि डाटा व्यापार अनुरोधहरू सम्बोधन गर्न, BI वातावरणले सूचना सामग्री सिर्जना गर्न ठूलो भूमिका खेल्नुपर्छ। हामीले प्रयोगकर्ताहरूले कार्य गर्न सक्ने जानकारी सामग्री सफा गर्न, एकीकृत गर्न, रूपान्तरण गर्न वा अन्यथा सिर्जना गर्न थप कदमहरू चाल्नु पर्छ, र त्यसपछि हामीले ती कार्यहरू र निर्णयहरू, जहाँ उचित हुन्छ, BI वातावरणमा प्रतिबिम्बित हुन्छन् भन्ने सुनिश्चित गर्नुपर्छ। यदि हामीले गोदामलाई मात्र सेवा दिनको लागि रिलिगेट गर्छौं डाटा, यो सुनिश्चित गरिएको छ कि प्रयोगकर्ता संघहरूले कारबाही गर्न आवश्यक जानकारी सामग्री सिर्जना गर्नेछ। यसले सुनिश्चित गर्दछ कि तिनीहरूको समुदायले राम्रो निर्णयहरू गर्न सक्षम हुनेछ, तर उद्यमले उनीहरूले प्रयोग गरेको ज्ञानको कमीबाट ग्रस्त छ। डाटा वास्तुकार र परियोजना योजनाकारहरूले BI वातावरणमा विशेष परियोजनाहरू प्रारम्भ गर्दा, तिनीहरू समग्र रूपमा उद्यमप्रति उत्तरदायी रहन्छन्। BI पुनरावृत्ति को यो दुई-पक्षीय विशेषता को एक साधारण उदाहरण स्रोत मा पाइन्छ डाटा। सबै डाटा विशेष व्यापार अनुरोधहरूको लागि प्राप्त पहिलो परमाणु तहमा भरिएको हुनुपर्छ। यसले इन्टरप्राइज जानकारी सम्पत्तिको विकास सुनिश्चित गर्दछ, साथै व्यवस्थापन, पुनरावृत्तिमा परिभाषित विशिष्ट प्रयोगकर्ता अनुरोधहरूलाई सम्बोधन गर्दछ।

डाटा वेयरहाउस के हो?

डाटा गोदाम यो 1990 देखि सूचना प्रणाली वास्तुकला को मुटु भएको छ र एक ठोस एकीकृत प्लेटफर्म प्रस्ताव गरेर सूचना प्रक्रियाहरु लाई समर्थन गर्दछ। डाटा पछिल्लो विश्लेषणको लागि आधारको रूपमा लिइएको ऐतिहासिक डेटा। द डाटा गोदाम तिनीहरू असंगत अनुप्रयोग प्रणालीहरूको संसारमा एकीकरणको सहजता प्रदान गर्छन्। डाटा गोदाम यो एक प्रवृत्ति मा विकसित भएको छ। डाटा गोदाम संगठित र सम्झना i डाटा लामो ऐतिहासिक अस्थायी परिप्रेक्ष्यमा आधारित जानकारी र विश्लेषणात्मक प्रक्रियाहरूको लागि आवश्यक छ। यी सबैले निर्माण र मर्मतसम्भारमा उल्लेखनीय र निरन्तर प्रतिबद्धता समावेश गर्दछ डाटा गोदाम.

त्यसोभए के हो डाटा गोदाम? A डाटा गोदाम र:

• ▪ विषय उन्मुख
• ▪ एकीकृत प्रणाली
• ▪ भिन्न समय
• ▪ गैर-अस्थिर (मेटाउन सकिँदैन)

को एक संग्रह डाटा प्रक्रियाहरूको कार्यान्वयनमा व्यवस्थापकीय निर्णयहरूलाई समर्थन गर्न प्रयोग गरिन्छ।
I डाटा सम्मिलित गरियो डाटा गोदाम अधिकांश अवस्थामा तिनीहरू परिचालन वातावरणबाट व्युत्पन्न हुन्छन्। द डाटा गोदाम यो एक भण्डारण इकाई द्वारा बनाईएको छ, भौतिक रूपमा बाँकी प्रणालीबाट अलग गरिएको छ, जुन यसमा समावेश छ डाटा पहिले अपरेटिङ वातावरणबाट व्युत्पन्न जानकारी मा काम गर्ने अनुप्रयोगहरू द्वारा रूपान्तरित।

a को शाब्दिक परिभाषा डाटा गोदाम एउटा गहन व्याख्याको योग्य छ किनकि त्यहाँ महत्त्वपूर्ण प्रेरणाहरू र अन्तर्निहित अर्थहरू छन् जसले गोदामका विशेषताहरू वर्णन गर्दछ।

विषय अभिमुखीकरण अभिमुखीकरण विषयगत

ए को पहिलो विशेषता डाटा गोदाम यो एक कम्पनी मा प्रमुख खेलाडीहरु तिर उन्मुख छ। मार्फत परीक्षणहरूको गाइड डाटा यो अधिक क्लासिक विधिसँग विपरित छ जसमा प्रक्रियाहरू र प्रकार्यहरू तर्फ अनुप्रयोगहरूको अभिमुखीकरण समावेश छ, यो विधि प्रायः कम भर्खरको व्यवस्थापन प्रणालीहरूद्वारा साझा गरिएको छ।

परिचालन संसार आवेदन र कार्यहरू जस्तै ऋण, बचत, बैंककार्ड र वित्तीय संस्थाको लागि विश्वासको वरिपरि डिजाइन गरिएको छ। dw को संसार ग्राहक, विक्रेता, उत्पादन र गतिविधि जस्ता मुख्य विषयहरूमा संगठित छ। विषयहरूको वरिपरि पङ्क्तिबद्धताले डिजाइन र कार्यान्वयनलाई असर गर्छ डाटा dw मा भेटियो। अझ महत्त्वपूर्ण कुरा, मुख्य विषयले मुख्य संरचनाको सबैभन्दा महत्त्वपूर्ण भागलाई असर गर्छ।

अनुप्रयोगको संसार डाटाबेसको डिजाइन र प्रक्रिया डिजाइन दुवैबाट प्रभावित छ। dw को संसार मोडलिङमा मात्र केन्द्रित छ डाटा र को डिजाइन मा डेटाबेस। प्रक्रिया डिजाइन (यसको क्लासिक रूप मा) dw वातावरण को भाग होइन।

प्रक्रिया / प्रकार्य अनुप्रयोगको छनोट र विषयको छनोट बीचको भिन्नता पनि सामग्रीको भिन्नताको रूपमा प्रकट हुन्छ। डाटा विस्तृत स्तरमा। द डाटा del dw लाई समावेश गर्दैन डाटा जुन DSS प्रक्रियाको लागि आवेदन गर्दा प्रयोग गरिने छैन

परिचालन उन्मुख डाटा i समावेश गर्दछ डाटा तुरुन्तै कार्यात्मक/प्रशोधन आवश्यकताहरू पूरा गर्न जुन DSS विश्लेषकको लागि कुनै प्रयोग हुन सक्छ वा नहुन सक्छ।
अर्को महत्त्वपूर्ण तरिका जसमा परिचालन-उन्मुख अनुप्रयोगहरू डाटा बाट फरक छ डाटा को dw को रिपोर्ट मा छ डाटा। म डाटा सञ्चालनहरूले सक्रिय रहेको व्यापार नियममा आधारित दुई वा बढी तालिकाहरू बीच निरन्तर सम्बन्ध कायम राख्छन्। द डाटा dw को समय को एक स्पेक्ट्रम पार गर्दछ र dw मा भेटिएका सम्बन्धहरु धेरै छन्। धेरै व्यापार नियमहरू (र तदनुसार, धेरै सम्बन्धहरू डाटा ) को स्टकमा प्रतिनिधित्व गरिन्छ डाटा दुई वा बढी तालिकाहरू बीच।

(कसरी सम्बन्धहरू बीचको सम्बन्धको विस्तृत व्याख्याको लागि डाटा DW मा ह्यान्डल गरिन्छ, हामी त्यस मुद्दामा टेक विषयलाई सन्दर्भ गर्छौं।)
कार्यात्मक/प्रक्रिया अनुप्रयोग छनोट र विषय छनोट बीचको मौलिक भिन्नता भन्दा अन्य कुनै परिप्रेक्ष्यबाट, त्यहाँ अपरेटिङ सिस्टमहरू बीच ठूलो भिन्नता छ र? डाटा र DW।

एकीकरण एकीकरण

dw वातावरणको सबैभन्दा महत्त्वपूर्ण पक्ष भनेको i डाटा dw भित्र पाइने सजिलै संग एकीकृत छन्। सधैं। अपवाद बिना। dw वातावरणको सार यो हो कि i डाटा गोदाम को सीमा भित्र समावेश एकीकृत छन्।

एकीकरणले आफैलाई विभिन्न तरिकामा प्रकट गर्दछ - लगातार पहिचान गरिएको कन्भेन्सनहरूमा, लगातार चल मापनमा, लगातार कोडेड संरचनाहरूमा, भौतिक विशेषताहरूमा। डाटा लगातार, र यस्तै।

वर्षौंको दौडान, विभिन्न एप्लिकेसनका डिजाइनरहरूले एप्लिकेसन कसरी विकास गर्नुपर्छ भन्ने बारे धेरै निर्णय गरेका छन्। डिजाइनरहरूको एप्लिकेसनहरूको शैली र व्यक्तिगत डिजाइन निर्णयहरूले आफैलाई सयौं तरिकामा प्रकट गर्दछ: कोडिङमा भिन्नता, मुख्य संरचना, भौतिक विशेषताहरू, मान्यताहरू पहिचान गर्ने, र यस्तै अन्य। असंगत अनुप्रयोगहरू सिर्जना गर्न धेरै अनुप्रयोग डिजाइनरहरूको सामूहिक क्षमता पौराणिक छ। चित्र 3 ले अनुप्रयोगहरू डिजाइन गर्ने तरिकाहरूमा केही महत्त्वपूर्ण भिन्नताहरू राख्छ।

सङ्केतन: सङ्केतन:

एप्लिकेसन डिजाइनरहरूले क्षेत्रको एन्कोडिङ रोजेका छन् - सेक्स - विभिन्न तरिकामा। एक डिजाइनरले सेक्सलाई "m" र "f" को रूपमा प्रतिनिधित्व गर्दछ। अर्को डिजाइनरले "1" र "0" को रूपमा लिङ्ग प्रतिनिधित्व गर्दछ। अर्को डिजाइनरले सेक्सलाई "x" र "y" को रूपमा प्रतिनिधित्व गर्दछ। अर्को डिजाइनरले सेक्सलाई "पुरुष" र "महिला" को रूपमा प्रतिनिधित्व गर्दछ। DW मा सेक्स कसरी आउँछ यसले धेरै फरक पार्दैन। "M" र "F" सम्भवतः सम्पूर्ण नाटक जस्तै राम्रो छ।

महत्त्वपूर्ण कुरा यो हो कि यौन क्षेत्र जुनसुकै उत्पत्तिबाट उत्पन्न हुन्छ, त्यो क्षेत्र एक सुसंगत एकीकृत अवस्थामा DW मा आइपुग्छ। फलस्वरूप जब फिल्डलाई अनुप्रयोगबाट DW मा लोड गरिन्छ जहाँ यसलाई "M" र "F" ढाँचामा प्रतिनिधित्व गरिएको छ, डाटा DW ढाँचामा रूपान्तरण गर्नुपर्छ।

विशेषताहरूको मापन: को मापन विशेषताहरू:

एप्लिकेसन डिजाइनरहरूले वर्षहरूमा विभिन्न तरिकामा पाइपलाइन मापन गर्न रोजेका छन्। एक डिजाइनरले भण्डार गर्दछ डाटा सेन्टिमिटरमा पाइपलाइनको। अर्को अनुप्रयोग डिजाइनरले स्टोर गर्दछ डाटा इन्चको सन्दर्भमा पाइपलाइनको। अर्को अनुप्रयोग डिजाइनरले स्टोर गर्दछ डाटा प्रति सेकेन्ड मिलियन घन फिट पाइपलाइन। र अर्को डिजाइनरले गजको सन्दर्भमा पाइपलाइन जानकारी भण्डार गर्दछ। स्रोत जे सुकै होस्, जब पाइपलाइन जानकारी DW मा आइपुग्छ, यो उही तरिकाले मापन गर्नुपर्छ।

चित्र 3 मा संकेतहरू अनुसार, एकीकरण मुद्दाहरूले परियोजनाको लगभग हरेक पक्षलाई असर गर्छ - भौतिक विशेषताहरू डाटा, एक भन्दा बढी स्रोत भएको दुविधा डाटा, असंगत पहिचान नमूनाहरूको मुद्दा, ढाँचाहरू डाटा असंगत, र यस्तै।

डिजाईनको विषय जस्तोसुकै होस्, नतिजा एउटै हुन्छ – i डाटा DW मा एकवचन र विश्वव्यापी रूपमा स्वीकार्य तरिकामा भण्डारण गरिनु पर्छ, यद्यपि अन्तर्निहित अपरेटिङ सिस्टमहरूले तिनीहरूलाई फरक रूपमा भण्डारण गरे पनि। डाटा.

जब DSS विश्लेषकले DW लाई हेर्छ, विश्लेषकको लक्ष्य शोषण गर्नु पर्छ। डाटा जो गोदाममा छन्,

को विश्वसनीयता वा स्थिरता बारे सोच्नु भन्दा डाटा.

समय भिन्नता

सबै डाटा DW मा तिनीहरू समय मा केहि बिन्दु सही छन्। को यो आधारभूत विशेषता डाटा DW मा धेरै फरक छ डाटा सञ्चालन वातावरणमा फेला पर्यो। द डाटा परिचालन वातावरणको पहुँचको क्षणमा जस्तै सटीक छन्। अर्को शब्दहरूमा, अपरेटिङ वातावरणमा जब ड्राइभ पहुँच गरिन्छ डाटा, यो अपेक्षा गरिएको छ कि यसले पहुँचको समयमा जस्तै सटीक मानहरू प्रतिबिम्बित गर्नेछ। किनकि म डाटा DW मा कुनै समय (जस्तै, "अहिले" होइन) जस्तै सटीक छन्, यो भनिन्छ कि म डाटा DW मा "समय भिन्नता" पाइन्छ।
को समय भिन्नता डाटा DW द्वारा धेरै तरिकामा उल्लेख गरिएको छ।
सबैभन्दा सरल तरिका भनेको i डाटा DW को प्रतिनिधित्व गर्दछ डाटा लामो समय क्षितिजमा - पाँच देखि दस वर्ष। अपरेटिङ वातावरणको लागि प्रतिनिधित्व गरिएको समय क्षितिज आजको वर्तमान मानहरू भन्दा ६० नब्बे सम्म धेरै छोटो छ
राम्रोसँग काम गर्ने र लेनदेन प्रशोधनका लागि उपलब्ध हुनैपर्ने अनुप्रयोगहरूले न्यूनतम रकम बोक्नुपर्छ डाटा यदि तिनीहरूले लचिलोपनको कुनै पनि डिग्री अनुमति दिन्छ। त्यसोभए परिचालन अनुप्रयोगहरूसँग छोटो समय क्षितिज हुन्छ, जस्तै अडियो अनुप्रयोग डिजाइन विषय।
DW मा 'समय भिन्नता' देखिने दोस्रो तरिका कुञ्जी संरचनामा छ। DW मा प्रत्येक कुञ्जी संरचनामा, निहित वा स्पष्ट रूपमा, एक समय तत्व, जस्तै दिन, हप्ता, महिना, आदि समावेश गर्दछ। समय तत्व लगभग सधैं DW मा फेला परेको concatenated कुञ्जी को तल मा छ। यी अवसरहरूमा, समय तत्व स्पष्ट रूपमा अवस्थित हुनेछ, जस्तै मामला जहाँ एक सम्पूर्ण फाइल महिना वा चौथाईको अन्त्यमा डुप्लिकेट गरिएको छ।
तेस्रो तरिका समय भिन्नता प्रदर्शित छ कि i डाटा DW को, एक पटक सही रूपमा दर्ता भएपछि, अद्यावधिक गर्न सकिँदैन। द डाटा DW को, सबै व्यावहारिक उद्देश्यका लागि, स्न्यापशटहरूको लामो श्रृंखला हो। अवश्य पनि यदि स्न्यापसटहरू गलत रूपमा लिइएको थियो भने, त्यसपछि स्न्यापसटहरू परिमार्जन गर्न सकिन्छ। तर स्न्यापसटहरू सही रूपमा लिइएको मानिन्छ, तिनीहरू लिने बित्तिकै परिमार्जन हुँदैनन्। केहि मा

केहि अवस्थामा यो अनैतिक वा DW मा स्न्यापसटहरू परिमार्जन गर्न अवैध पनि हुन सक्छ। द डाटा परिचालन, पहुँचको क्षणको रूपमा सटीक भएकोले, तिनीहरू आवश्यकता अनुसार अद्यावधिक गर्न सकिन्छ।

वाष्पशील छैन

DW को चौथो महत्त्वपूर्ण विशेषता यो गैर-अस्थिर हो।
अद्यावधिकहरू, सम्मिलनहरू, मेटाउने र परिमार्जनहरू नियमित रूपमा रेकर्ड-द्वारा-रेकर्ड आधारमा परिचालन वातावरणहरूमा बनाइन्छ। तर को आधारभूत हेरफेर डाटा DW मा आवश्यक छ कि धेरै सरल छ। त्यहाँ केवल दुई प्रकारका अपरेशनहरू छन् जुन DW मा हुन्छ - प्रारम्भिक लोडिङ डाटा र पहुँच डाटा। को कुनै अपडेट छैन डाटा (अपडेट गर्ने सामान्य अर्थमा) DW मा सामान्य प्रशोधन कार्यको रूपमा। परिचालन प्रशोधन र DW प्रशोधन बीचको यो आधारभूत भिन्नताका केही धेरै शक्तिशाली परिणामहरू छन्। डिजाईन स्तरमा, विसंगत अद्यावधिकको बारेमा होसियार हुनु आवश्यक DW मा एक कारक होइन, किनकि अद्यावधिक गर्दै। डाटा सञ्चालन गरिएको छैन। यसको मतलब भौतिक डिजाइन स्तरमा, पहुँचलाई अनुकूलन गर्न स्वतन्त्रताहरू लिन सकिन्छ डाटा, विशेष गरी शारीरिक सामान्यीकरण र विकृतिकरणको विषयहरूसँग व्यवहार गर्न। DW सञ्चालनको सरलताको अर्को परिणाम DW वातावरण चलाउन प्रयोग गरिने अन्तर्निहित प्रविधि हो। इनलाइन रेकर्ड-द्वारा-रेकर्ड अद्यावधिकहरूलाई समर्थन गर्नको लागि (जस्तै प्रायः परिचालन प्रक्रियाको साथमा हुन्छ) प्रविधिलाई स्पष्ट सरलताको मुनि धेरै जटिल आधार चाहिन्छ।
ब्याकअप र रिकभरी, लेनदेन र अखण्डता समर्थन गर्ने प्रविधि डाटा र डेडलक अवस्थाको पत्ता लगाउने र उपचार धेरै जटिल छ र DW प्रक्रियाको लागि आवश्यक छैन। एक DW को विशेषताहरु, डिजाइन अभिविन्यास, को एकीकरण डाटा DW भित्र, समय भिन्नता र व्यवस्थापनको सरलता डाटा, यो सबै एक वातावरण हो जुन क्लासिक अपरेटिङ वातावरण भन्दा धेरै फरक छ। लगभग सबै को स्रोत डाटा DW को सञ्चालन वातावरण हो। यो सोच्न प्रलोभन छ कि त्यहाँ ठूलो रिडन्डन्सी छ डाटा दुई वातावरण बीच।
वास्तवमा, धेरै मानिसहरूको पहिलो प्रभाव ठूलो अनावश्यकता हो डाटा सञ्चालन वातावरण र वातावरण बीच

DW। यस्तो व्याख्या सतही छ र DW मा के हुन्छ भन्ने बुझाइको कमी देखाउँछ।
साँच्चै त्यहाँ रिडन्डन्सीको न्यूनतम छ डाटा सञ्चालन वातावरण र i बीच डाटा DW को। निम्नलाई विचार गर्नुहोस्: I डाटा तिनीहरू फिल्टर छन् डाटा अपरेटिङ वातावरणबाट DW वातावरणमा स्विच गर्दै। धेरै डाटा तिनीहरू कहिल्यै सञ्चालन वातावरण बाहिर जाँदैनन्। त्यो बाहेक म डाटा जुन DSS प्रशोधनका लागि आवश्यक छ वातावरणमा तिनीहरूको दिशा फेला पार्नुहोस्

▪ को समय क्षितिज डाटा यो एक वातावरण देखि अर्को मा धेरै फरक छ। द डाटा सञ्चालन वातावरणमा तिनीहरू धेरै ताजा छन्। द डाटा DW मा तिनीहरू धेरै पुराना छन्। केवल समय क्षितिज परिप्रेक्ष्यबाट, त्यहाँ परिचालन वातावरण र DW बीच धेरै कम ओभरल्याप छ।

▪ DW ले समावेश गर्दछ डाटा सारांश जुन वातावरणमा कहिल्यै फेला पर्दैन

▪ म डाटा तिनीहरूले चित्र 3 मा संक्रमण गर्दा एक आधारभूत रूपान्तरणबाट गुज्र्छन् जुन धेरैले चित्रण गर्दछ डाटा तिनीहरू चयन गरी DW मा सारियो भने उल्लेखनीय रूपमा परिमार्जन गरिएका छन्। अर्को तरिका राख्नुहोस्, धेरै जसो डाटा यो शारीरिक र मौलिक रूपमा परिवर्तन भएको छ किनकि यो DW मा सारियो। एकीकरणको दृष्टिकोणबाट तिनीहरू समान छैनन् डाटा जुन सञ्चालन वातावरणमा बस्छ। यी कारकहरूको प्रकाशमा, को अनावश्यकता डाटा दुई वातावरण बीच एक दुर्लभ घटना हो, दुई वातावरण बीच 1% भन्दा कम रिडन्डन्सी को नेतृत्व। गोदाम को संरचना DWs को एक अलग संरचना छ। DW लाई सीमाङ्कन गर्ने सारांश र विवरणका विभिन्न स्तरहरू छन्।
DW का विभिन्न घटकहरू हुन्:

• मेटाडाटा
• DATI वर्तमान विवरण
• DATI पुरानो विवरण को
• DATI थोरै संक्षेप
• DATI अत्यधिक संक्षेप

अहिले सम्मको मुख्य चिन्ता भनेको i को लागि हो डाटा वर्तमान विवरण। यो मुख्य चिन्ता हो किनभने:

• I डाटा हालको विवरणहरू सबैभन्दा भर्खरका घटनाहरू प्रतिबिम्बित गर्दछ, जुन सधैं ठूलो चासोको हुन्छ र
• i डाटा हालको विवरण धेरै मात्रामा छ किनभने यो ग्रेन्युलेरिटीको न्यूनतम स्तरमा भण्डार गरिएको छ र
• i डाटा हालको विवरणहरू लगभग सधैं डिस्क मेमोरीमा भण्डारण गरिन्छ, जुन पहुँच गर्न छिटो छ, तर महँगो र प्रयोग गर्न जटिल छ डाटा विवरण पुरानो हो डाटा जुन केहि मेमोरीमा भण्डार गरिएको छ मास्सा। यो छिटपुट रूपमा पहुँच गरिन्छ र उपयुक्त विवरणको स्तरमा भण्डारण गरिन्छ डाटा वर्तमान विवरण। जबकि यो एक वैकल्पिक भण्डारण माध्यम मा भण्डारण गर्न अनिवार्य छैन, को ठूलो मात्रा को कारण डाटा को छिटपुट पहुँच संग संयुक्त डाटा, को लागि भण्डारण माध्यम डाटा पुरानो विवरण डाटा सामान्यतया डिस्कमा भण्डारण हुँदैन। द डाटा हल्का रूपमा तिनीहरू हुन् डाटा जुन विवरणको निम्न स्तरबाट हालको विवरणको स्तरमा पाइन्छ। DW को यो स्तर लगभग सधैं डिस्क भण्डारणमा भण्डार गरिएको छ। डिजाइन समस्या वास्तुकार सामना गर्दै डाटा DW को यस स्तरको निर्माणमा निम्न छन्:

• माथि दिइएको सारांश समयको कुन एकाइ हो
• कुन सामग्री, विशेषताहरूले थोरै सामग्रीको संक्षेप गर्नेछ डाटा को अर्को स्तर डाटा DW मा फेला परेको छ डाटा अत्यधिक संक्षेप। द डाटा उच्च संक्षेपमा कम्प्याक्ट र सजिलै पहुँचयोग्य छन्। द डाटा अत्यधिक संक्षेपमा कहिलेकाहीं DW वातावरणमा पाइन्छ र अन्य अवस्थामा i डाटा DW मा रहेको टेक्नोलोजीको तत्काल पर्खाल बाहिर अत्यधिक संक्षेपमा पाइन्छ। (कुनै पनि अवस्थामा, i डाटा अत्यधिक संक्षेप DW को भाग हो जहाँ i डाटा भौतिक रूपमा राखिएको छ)। DW को अन्तिम कम्पोनेन्ट मेटाडेटा हो। धेरै सन्दर्भमा मेटाडेटा अरू भन्दा फरक आयाममा बस्छ डाटा DW को, किनभने मेटाडेटाले कुनै पनि समावेश गर्दैन डाटा सीधा परिचालन वातावरणबाट लिइएको। मेटाडेटाको DW मा विशेष र धेरै महत्त्वपूर्ण भूमिका छ। मेटाडेटा निम्न रूपमा प्रयोग गरिन्छ:

• DSS विश्लेषकलाई DW को सामग्रीहरू पत्ता लगाउन मद्दत गर्ने डाइरेक्टरी,
• नक्साङ्कन गर्न गाइड डाटा कसरी म डाटा परिचालन वातावरणबाट DW वातावरणमा रूपान्तरण गरिएको छ,
• बीचको सारांशको लागि प्रयोग गरिएको एल्गोरिदमहरूको लागि गाइड डाटा वर्तमान विवरणहरूको ei डाटा थोरै संक्षेपमा, i डाटा अत्यधिक संक्षेपमा, मेटाडाटाले DW वातावरणमा सञ्चालन वातावरणमा भन्दा धेरै ठूलो भूमिका खेल्छ। पुरानो विवरण भण्डारण माध्यम चुम्बकीय टेप त्यस प्रकारको भण्डारण गर्न प्रयोग गर्न सकिन्छ डाटा। वास्तवमा त्यहाँ भण्डारण मिडियाको एक विस्तृत विविधता छ जुन पुरानो भण्डारणको लागि विचार गर्नुपर्छ डाटा विवरण को। को मात्रा मा निर्भर गर्दछ डाटा, पहुँचको आवृत्ति, उपकरणहरूको लागत र पहुँचको प्रकार, यो पूर्ण रूपमा सम्भव छ कि अन्य उपकरणहरूलाई DW मा पुरानो स्तरको विवरण चाहिन्छ। डाटा प्रवाह को एक सामान्य र अनुमानित प्रवाह छ डाटा DW भित्र।
  I डाटा तिनीहरू सञ्चालन वातावरणबाट DW मा प्रवेश गर्छन्। (नोट: यस नियममा केही धेरै रोचक अपवादहरू छन्। यद्यपि, लगभग सबै डाटा सञ्चालन वातावरणबाट DW प्रविष्ट गर्नुहोस्)। डाटा त्यो म डाटा अपरेटिङ वातावरणबाट DW प्रविष्ट गर्नुहोस्, यो पहिले वर्णन गरिएको रूपमा रूपान्तरण गरिएको छ। DW मा प्रवेश गर्ने सर्तमा, i डाटा देखाइए अनुसार, विवरणको हालको स्तर प्रविष्ट गर्नुहोस्। यो त्यहाँ रहन्छ र तीन घटनाहरू मध्ये एक नभएसम्म प्रयोग गरिन्छ:

• शुद्ध छ,
• संक्षेप गरिएको छ, र/वा ▪è DW भित्रको अप्रचलित प्रक्रिया i डाटा वर्तमान विवरण ए डाटा विवरणको पुरानो, उमेर अनुसार डाटा। प्रक्रिया

संक्षेपमा विवरण प्रयोग गर्दछ डाटा गणना गर्न डाटा को थोरै संक्षेप र उच्च संक्षेपित स्तर डाटा। देखाइएको प्रवाहमा केही अपवादहरू छन् (पछि छलफल गरिनेछ)। यद्यपि, सामान्यतया, को विशाल बहुमत को लागी डाटा एक DW भित्र फेला पर्यो, को प्रवाह डाटा यो प्रतिनिधित्व जस्तै छ।

डाटावेयरहाउस प्रयोग गर्दै

अचम्मको कुरा होइन विभिन्न स्तरहरू डाटा DW भित्र तिनीहरूले प्रयोगको विभिन्न स्तरहरू प्राप्त गर्दैनन्। नियमको रूपमा, संक्षेपको स्तर जति उच्च हुन्छ, त्यति नै i डाटा तिनीहरू प्रयोग गरिन्छ।
मा धेरै प्रयोगहरू हुन्छन् डाटा अत्यधिक संक्षेप, जबकि पुरानो डाटा विवरण को लगभग कहिल्यै प्रयोग गरिदैन। संस्थालाई श्रोतको उपयोग ढाँचामा लैजाने एउटा राम्रो कारण छ। थप संक्षेपमा i डाटा, छिटो र अधिक कुशल यो पुग्न छ डाटा। यदि क दोकान यसले DW को विवरण स्तरमा धेरै प्रक्रियाहरू गर्छ भनी फेला पार्छ, त्यसपछि मेशिन स्रोतहरूको समान ठूलो मात्रामा खपत हुन्छ। जतिसक्दो चाँडो उच्च स्तरको संक्षेपीकरण प्रक्रिया गर्नु सबैको हितमा छ।

धेरै स्टोरहरूको लागि, पूर्व-DW वातावरणमा DSS विश्लेषकले प्रयोग गरेको छ डाटा विवरण को स्तर मा। धेरै मामिलामा आगमन डाटा विस्तृत सारांश एक सुरक्षा कम्बल जस्तै देखिन्छ, सारांश को अन्य स्तर उपलब्ध हुँदा पनि। वास्तुकार को गतिविधिहरु मध्ये एक डाटा DSS प्रयोगकर्तालाई निरन्तर प्रयोगबाट छुटाउनु हो डाटा विवरणको तल्लो तहमा। को वास्तुकार को लागी दुई प्रेरणा उपलब्ध छन् डाटा:

• चार्जब्याक प्रणाली स्थापना गरेर, जहाँ अन्तिम प्रयोगकर्ताले उपभोग गरेको स्रोतहरूको लागि भुक्तान गर्दछ र
• जसले i सँग व्यवहार गर्दा धेरै राम्रो प्रतिक्रिया समय प्राप्त गर्न सकिन्छ भनेर संकेत गर्दछ डाटा संक्षेपीकरणको उच्च स्तरमा छ, जबकि खराब प्रतिक्रिया समय को व्यवहारबाट आउँछ डाटा को कम स्तर मा अन्य चिन्तन त्यहाँ केही अन्य DW निर्माण र व्यवस्थापन विचारहरू छन्।
  पहिलो विचार सूचकांक हो। द डाटा संक्षेपको उच्च स्तरहरूमा तिनीहरू स्वतन्त्र रूपमा अनुक्रमित गर्न सकिन्छ, जबकि i डाटा

विवरणको तल्लो तहमा तिनीहरू यति भारी हुन्छन् कि तिनीहरूलाई मितव्ययी रूपमा अनुक्रमित गर्न सकिन्छ। एउटै टोकनबाट, i डाटा विवरण को उच्च स्तर मा अपेक्षाकृत सजिलै संग पुनर्संरचना गर्न सकिन्छ, जबकि को मात्रा डाटा तल्लो तहमा यो यति ठूलो छ कि i डाटा तिनीहरू सजिलै नवीकरण गर्न सकिँदैन। फलस्वरूप, को मोडेल डाटा र डिजाइनद्वारा गरिएको औपचारिक कार्यले DW को लागि आधार तयार पारेको छ जुन हालको विवरणको स्तरमा लगभग विशेष रूपमा लागू हुन्छ। अर्को शब्दमा, मोडलिङ गतिविधिहरू डाटा तिनीहरू लगभग हरेक अवस्थामा, सारांशीकरण स्तरहरूमा लागू हुँदैनन्। अर्को संरचनात्मक विचार भनेको उपविभागको हो डाटा DW द्वारा।

विभाजन दुई तहमा गर्न सकिन्छ - को स्तरमा dbms र आवेदन स्तरमा। तहमा विभाजनमा dbmsऊ dbms डिभिजनहरू बारे जानकारी गराइन्छ र तदनुसार नियन्त्रण गर्दछ। आवेदन स्तरमा विभाजनको मामलामा, केवल प्रोग्रामरलाई विभाजनको बारेमा जानकारी दिइन्छ र तिनीहरूको प्रशासनको जिम्मेवारी उसलाई छोडिन्छ।

तलको स्तर dbms, धेरै काम स्वचालित रूपमा गरिन्छ। स्वत: प्रशासनिक विभाजनसँग सम्बन्धित धेरै लचकताहरू छन्। को आवेदन स्तर मा विभाजन को मामला मा डाटा को डाटा गोदाम, प्रोग्रामरमा धेरै कामको तौल हुन्छ, तर अन्तिम परिणाम प्रशासनमा लचिलोपन हो डाटा nel डाटा गोदाम

अन्य विसंगतिहरू

जबकि को घटक डाटा गोदाम तिनीहरू लगभग सबैको लागि वर्णन गरिए अनुसार काम गर्छन् डाटा, त्यहाँ केहि उपयोगी अपवादहरू छन् जुन छलफल गर्न आवश्यक छ। यसको अपवाद हो डाटा सार्वजनिक सारांश डाटा। यी हुन् डाटा बाट गणना गरिएको सारांशहरू डाटा गोदाम तर तिनीहरू समाज द्वारा प्रयोग गरिन्छ। द डाटा सार्वजनिक सारांशहरू भण्डारण र व्यवस्थित छन् डाटा गोदाम, यद्यपि पहिले उल्लेख गरिए अनुसार तिनीहरू गणना गरिएका छन्। लेखाकारहरूले यस्तो त्रैमासिक उत्पादन गर्न काम गर्छन् डाटा जस्तै आम्दानी, त्रैमासिक खर्च, त्रैमासिक नाफा, र यस्तै। लेखापालहरूले गरेको काम बाह्य हो डाटा गोदाम। यद्यपि, म डाटा कम्पनी भित्र "आन्तरिक रूपमा" प्रयोग गरिन्छ - बाट मार्केटिङ, बिक्री, आदि। अर्को विसंगति, जुन छलफल गरिने छैन, त्यो हो डाटा esterni।

अर्को उत्कृष्ट प्रकार डाटा a मा फेला पार्न सकिन्छ डाटा गोदाम स्थायी विवरण डाटा हो। यी स्थायी रूपमा भण्डारण गर्न आवश्यक कारण डाटा नैतिक वा कानूनी कारणहरूको लागि विस्तृत स्तरमा। यदि कुनै कम्पनीले आफ्ना कामदारहरूलाई खतरनाक पदार्थहरूमा पर्दाफास गरिरहेको छ भने त्यहाँ आवश्यक छ डाटा विस्तृत र स्थायी। यदि कुनै कम्पनीले हवाईजहाजका पार्टपुर्जाहरू जस्ता सार्वजनिक सुरक्षा समावेश गर्ने उत्पादन उत्पादन गर्छ भने, त्यहाँ आवश्यक छ डाटा स्थायी विवरणहरू, साथै यदि कुनै कम्पनीले खतरनाक सम्झौताहरूमा प्रवेश गर्छ भने।

कम्पनीले विवरणहरू बेवास्ता गर्न सक्दैन किनभने आगामी केही वर्षहरूमा, मुद्दा, फिर्ता, विवादित निर्माण त्रुटि, आदिको घटनामा। कम्पनीको एक्सपोजर ठूलो हुन सक्छ। फलस्वरूप त्यहाँ एक अद्वितीय प्रकार छ डाटा स्थायी विवरण डाटाको रूपमा चिनिन्छ।

सारांश

Un डाटा गोदाम एक वस्तु उन्मुख, एकीकृत, समय संस्करण, को एक संग्रह हो डाटा प्रशासनको निर्णय लिने आवश्यकताहरूलाई समर्थन गर्न अस्थिर। ए को प्रत्येक मुख्य कार्यहरू डाटा गोदाम यसको प्रभाव छ। साथै त्यहाँ चार स्तरहरू छन् डाटा को डाटा गोदाम:

• पुरानो विवरण
• वर्तमान विवरण
• DATI थोरै संक्षेप
• DATI उच्च संक्षेपित मेटाडाटा पनि को एक महत्वपूर्ण भाग हो डाटा गोदाम. सार को भण्डारण को अवधारणा डाटा यसले भर्खरै धेरै ध्यान प्राप्त गरेको छ र 90s को एक प्रवृत्ति भएको छ। यो एक को क्षमता को कारण हो। डाटा गोदाम निर्णय समर्थन प्रणाली (DSS) र कार्यकारी सूचना प्रणाली (EIS) जस्ता व्यवस्थापन समर्थन प्रणालीहरूको सीमितताहरू पार गर्न। को अवधारणा भए पनि डाटा गोदाम आशाजनक देखिन्छ, कार्यान्वयन गर्नुहोस् डाटा गोदाम ठूलो मात्रामा भण्डारण प्रक्रियाको कारण समस्याग्रस्त हुन सक्छ। गोदाम परियोजनाहरु को जटिलता को बावजूद डाटा, धेरै आपूर्तिकर्ता र सल्लाहकार जो स्टक डाटा को भण्डारण गरेको उनीहरुको दाबी छ डाटा वर्तमानले कुनै समस्या उत्पन्न गर्दैन। यद्यपि, यस अनुसन्धान परियोजनाको सुरुमा, लगभग कुनै स्वतन्त्र, कठोर र व्यवस्थित अनुसन्धान गरिएको थिएन। फलस्वरूप, यो भन्न गाह्रो छ, उद्योगमा वास्तवमा के हुन्छ जब तिनीहरू निर्माण हुन्छन् डाटा गोदाम। यस अध्ययनले गोदाम अभ्यासको अन्वेषण गर्यो डाटा समकालीनहरू जसले अस्ट्रेलियाली अभ्यासको समृद्ध समझ विकास गर्ने लक्ष्य राख्छ। साहित्य समीक्षाले अनुभवजन्य अध्ययनको लागि सन्दर्भ र आधार प्रदान गर्यो। यस अनुसन्धानबाट धेरै निष्कर्षहरू छन्। पहिलो, यस अध्ययनले विकासको क्रममा उत्पन्न भएका गतिविधिहरू प्रकट गर्‍यो डाटा गोदाम। धेरै क्षेत्रमा, i डाटा भेलाले साहित्यमा रिपोर्ट गरिएको अभ्यासलाई पुष्टि गर्यो। दोस्रो, विकासमा असर पार्न सक्ने समस्या र समस्याहरू डाटा गोदाम यो अध्ययन द्वारा पहिचान गरिएको थियो। अन्तमा, प्रयोगसँग सम्बन्धित अष्ट्रेलियाली संस्थाहरूले प्राप्त गरेका लाभहरू डाटा गोदाम खुलासा भएका छन् ।

क्यापिटोलो १

अनुसन्धान सन्दर्भ

डाटा भण्डारणको अवधारणाले व्यापक एक्सपोजर प्राप्त गर्‍यो र 90 को दशकमा (McFadden 1996, TDWI 1996, Shah and Milstein 1997, Shanks et al. 1997, Eckerson 1998, Adelman and Oates 2000) एक उदीयमान प्रवृत्ति बन्यो। यो व्यापार प्रकाशनहरूमा डाटा भण्डारणमा लेखहरूको बढ्दो संख्याबाट देख्न सकिन्छ (लिटिल र गिब्सन 1999)। धेरै लेखहरू (उदाहरणका लागि, Fisher 1995, Hackathorn 1995, Morris 1995a, Bramblett and King 1996, Graham et al. 1996, Sakaguchi and Frolick 1996, Alvarez 1997, Brousell 1997, C1997, C1997, C1997, डन ९७, Edwards 1998, TDWI 1999) i लाई लागू गर्ने संस्थाहरूले हासिल गरेको महत्त्वपूर्ण लाभहरू रिपोर्ट गरेको छ। डाटा गोदाम। तिनीहरूले आफ्नो सिद्धान्तलाई सफल कार्यान्वयन, लगानीमा उच्च प्रतिफल (ROI) तथ्याङ्कहरू र साथै, विकासको लागि दिशानिर्देश वा विधिहरू प्रदान गरेर आफ्नो सिद्धान्तलाई समर्थन गरे। डाटा गोदाम

(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson 1999)। चरम अवस्थामा, ग्राहम एट अल। (1996) 401% को तीन वर्षको लगानीमा औसत प्रतिफल रिपोर्ट गरियो।

तर हालका धेरैजसो साहित्यले त्यस्ता परियोजनाहरू सञ्चालन गर्ने जटिलताहरूलाई बेवास्ता गरेको छ। को परियोजनाहरु डाटा गोदाम तिनीहरू सामान्यतया जटिल र ठूला-ठूला हुन्छन् र त्यसैले तिनीहरूले सावधानीपूर्वक नियन्त्रण गरिएन भने असफलताको उच्च सम्भावना हुन्छ (शाह र मिल्स्टेन 1997, एकरसन 1997, फोले 1997b, जिम्मर 1997, बोर्ट 1998, गिब्स र क्लाइमर 1998, राव 1998)। उनीहरूलाई मानव र वित्तीय दुवै स्रोतहरू, र तिनीहरूलाई निर्माण गर्न समय र प्रयासको ठूलो मात्रा चाहिन्छ (हिल 1998, क्रफ्ट्स 1998)। आवश्यक सामान्य समय र वित्तीय साधन क्रमशः लगभग दुई वर्ष र दुई देखि तीन मिलियन डलर हो (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999)। यो समय र वित्तीय साधनहरू डाटा भण्डारणका विभिन्न पक्षहरूलाई नियन्त्रण र एकीकरण गर्न आवश्यक छ (Cafasso 1995, Hill 1998)। हार्डवेयर र सफ्टवेयर विचारहरूको साथसाथै, अन्य प्रकार्यहरू, जुन निकासीबाट भिन्न हुन्छन् डाटा को लोडिङ प्रक्रियाहरूमा डाटा, अपडेट र मेटा व्यवस्थापन गर्न मेमोरी क्षमता डाटा प्रयोगकर्ता प्रशिक्षणको लागि, विचार गर्नुपर्छ।

यो अनुसन्धान परियोजना सुरु हुँदा, डेटा भण्डारणको क्षेत्रमा, विशेष गरी अष्ट्रेलियामा धेरै कम शैक्षिक अनुसन्धानहरू सञ्चालन भइरहेको थियो। त्यो समयका जर्नलहरू वा अन्य शैक्षिक लेखहरूबाट डाटा भण्डारणमा प्रकाशित लेखहरूको अभावबाट यो स्पष्ट भयो। धेरै उपलब्ध शैक्षिक लेखहरूले अमेरिकी अनुभवको वर्णन गरे। डाटा भण्डारणको क्षेत्रमा अकादमिक अनुसन्धानको अभावले कठोर अनुसन्धान र अनुभवजन्य अध्ययनहरूको लागि कल गरेको छ (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999)। विशेष गरी, कार्यान्वयन प्रक्रियामा अनुसन्धान अध्ययन डाटा गोदाम को कार्यान्वयन सम्बन्धी सामान्य ज्ञान विस्तार गर्न आवश्यक छ डाटा गोदाम र भविष्यको अनुसन्धान अध्ययनको लागि आधारको रूपमा काम गर्नेछ (Shanks et al. 1997, Little and Gibson 1999)।

यस अध्ययनको उद्देश्य, त्यसकारण, संस्थाहरूले i प्रयोग गर्दा वास्तवमा के हुन्छ भन्ने अध्ययन गर्नु हो डाटा गोदाम अष्ट्रेलिया मा। विशेष गरी, यस अध्ययनले ए को सम्पूर्ण विकास प्रक्रियाको विश्लेषण समावेश गर्दछ डाटा गोदाम, प्रारम्भ र योजना देखि डिजाइन र कार्यान्वयन र अष्ट्रेलियाई संगठनहरु भित्र पछि प्रयोग को माध्यम बाट सुरु। थप रूपमा, अध्ययनले अभ्यासलाई अझ सुधार गर्न सकिने क्षेत्रहरू पहिचान गरी हालको अभ्यासमा योगदान पुर्‍याउनेछ र असक्षमता र जोखिमहरूलाई न्यूनीकरण वा बेवास्ता गर्न सकिन्छ। यसबाहेक, यसले अन्य अध्ययनहरूको लागि आधारको रूपमा सेवा गर्नेछ डाटा गोदाम अस्ट्रेलियामा र हाल साहित्यमा रहेको खाली ठाउँलाई भर्नेछ।

अनुसन्धान प्रश्नहरू

यस अनुसन्धानको उद्देश्य कार्यान्वयनमा संलग्न गतिविधिहरूको अध्ययन गर्नु हो डाटा गोदाम र अष्ट्रेलियाली संस्थाहरू द्वारा तिनीहरूको प्रयोग। विशेष गरी, परियोजना योजना, विकास, सञ्चालन, प्रयोग र यसमा संलग्न जोखिमहरू सम्बन्धी तत्वहरू अध्ययन गरिन्छ। त्यसैले यस अनुसन्धानको प्रश्न हो:

“अहिलेको अभ्यास के हो डाटा गोदाम अस्ट्रेलियामा?"

यस प्रश्नको प्रभावकारी जवाफ दिनको लागि, धेरै सहायक अनुसन्धान प्रश्नहरू आवश्यक छ। विशेष गरी, साहित्यबाट तीन उप-प्रश्नहरू पहिचान गरिएको थियो, जुन अध्याय 2 मा प्रस्तुत गरिएको छ, यस अनुसन्धान परियोजनालाई मार्गदर्शन गर्न: कसरी छन्? डाटा गोदाम अष्ट्रेलियाका संस्थाहरूबाट? तपाईले के कस्ता समस्याहरु सामना गर्नु भएको छ?

के लाभहरू अनुभव गरिन्छ?
यी प्रश्नहरूको जवाफ दिनमा, एक सर्वेक्षण प्रयोग गर्ने अन्वेषण अनुसन्धान डिजाइन प्रयोग गरिएको थियो। अन्वेषणात्मक अध्ययनको रूपमा, माथिका प्रश्नहरूको उत्तरहरू पूर्ण छैनन् (Shanks et al. 1993, Denscombe 1998)। यस अवस्थामा, यी प्रश्नहरूको जवाफ सुधार गर्न त्रिकोणीयकरण आवश्यक छ। यद्यपि, अनुसन्धानले यी प्रश्नहरूको जाँच गर्ने भविष्यको कामको लागि ठोस आधार प्रदान गर्नेछ। अनुसन्धान विधिको औचित्य र डिजाइनको बारेमा विस्तृत छलफल अध्याय ३ मा प्रस्तुत गरिएको छ।

अनुसन्धान परियोजना को संरचना

यस अनुसन्धान परियोजनालाई दुई भागमा विभाजन गरिएको छ: डाटा भण्डारण अवधारणाको प्रासंगिक अध्ययन र अनुभवजन्य अनुसन्धान (चित्र 1.1 हेर्नुहोस्), जसमध्ये प्रत्येक तल छलफल गरिएको छ।

भाग १: प्रासंगिक अध्ययन

अनुसन्धानको पहिलो भागमा निर्णय समर्थन प्रणाली (DSS), कार्यकारी सूचना प्रणाली (EIS), केस स्टडीहरू सहित विभिन्न प्रकारका डाटा भण्डारणमा हालको साहित्यको समीक्षा समावेश थियो। डाटा गोदाम र को अवधारणाहरु डाटा गोदाम। यसबाहेक, फोरमहरूको नतिजा डाटा गोदाम र मोनाश DSS अनुसन्धान टोलीको नेतृत्वमा विशेषज्ञ र व्यवसायी बैठक समूहहरूले अध्ययनको यस चरणमा योगदान पुर्‍यायो जुन अभ्यासमा अन्तर्दृष्टि प्राप्त गर्ने उद्देश्यले थियो। डाटा गोदाम र तिनीहरूको ग्रहणमा संलग्न जोखिमहरू पहिचान गर्न। यस प्रासंगिक अध्ययन अवधिमा, समस्या क्षेत्रको बुझाइ पछिको अनुभवजन्य अनुसन्धानहरूको लागि पृष्ठभूमि ज्ञान प्रदान गर्न स्थापित गरिएको थियो। यद्यपि, यो अनुसन्धान अध्ययन सञ्चालनको क्रममा निरन्तर प्रक्रिया थियो।

भाग II: अनुभवजन्य अनुसन्धान

डेटा भण्डारणको अपेक्षाकृत नयाँ अवधारणा, विशेष गरी अष्ट्रेलियामा, प्रयोगकर्ता अनुभवको विस्तृत चित्र प्राप्त गर्न सर्वेक्षणको आवश्यकता सिर्जना गरेको छ। यो भाग एक पटक व्यापक साहित्य समीक्षा मार्फत समस्या डोमेन स्थापित भएको थियो। प्रासंगिक अध्ययन चरणको समयमा गठन गरिएको डाटा-वेयरहाउसिंग अवधारणा यस अध्ययनको प्रारम्भिक प्रश्नावलीको लागि इनपुटको रूपमा प्रयोग गरिएको थियो। यस पछि, प्रश्नावली जाँच गरियो। तपाईं मा विशेषज्ञ हुनुहुन्छ डाटा गोदाम परीक्षामा सहभागी भए । प्रारम्भिक प्रश्नावली परीक्षणको उद्देश्य प्रश्नहरूको पूर्णता र शुद्धता जाँच गर्नु थियो। परीक्षण परिणामहरूको आधारमा, प्रश्नावली परिमार्जन गरिएको थियो र परिमार्जित संस्करण सर्वेक्षण सहभागीहरूलाई पठाइएको थियो। फिर्ता गरिएका प्रश्नावलीहरू त्यसपछि i को लागि विश्लेषण गरियो डाटा तालिका, रेखाचित्र र अन्य ढाँचाहरूमा। द

को विश्लेषण परिणाम डाटा तिनीहरूले अष्ट्रेलियामा डाटा भण्डारण अभ्यासको स्न्यापसट बनाउँछन्।

डाटा भण्डारण अवलोकन

डाटा भण्डारण को अवधारणा कम्प्युटर प्रविधि मा सुधार संग विकसित भएको छ।
यो निर्णय समर्थन प्रणाली (DSS) र कार्यकारी सूचना प्रणाली (EIS) जस्ता अनुप्रयोग समर्थन समूहहरूले सामना गर्ने समस्याहरू समाधान गर्ने उद्देश्यले हो।

विगतमा यी एप्लिकेसनहरूको सबैभन्दा ठूलो बाधक यी एप्लिकेसनहरूले उपलब्ध गराउन नसक्ने भएको छ डाटा बेस विश्लेषणको लागि आवश्यक छ।
यो मुख्यतया व्यवस्थापन को काम को प्रकृति को कारण हो। कभर गरिएको क्षेत्रको आधारमा कम्पनीको व्यवस्थापनको रुचिहरू निरन्तर भिन्न हुन्छन्। त्यसैले म डाटा यी एप्लिकेसनहरूको लागि आधारभूत कुरा तिनीहरूले उपचार गर्नुपर्ने भागको आधारमा छिट्टै परिवर्तन गर्न सक्षम हुनुपर्छ।
यसको मतलब आई डाटा अनुरोध गरिएको विश्लेषणको लागि उपयुक्त फारममा उपलब्ध हुनुपर्छ। वास्तवमा, एप्लिकेसन समर्थन समूहहरूले विगतमा सङ्कलन र एकीकृत गर्न धेरै गाह्रो पाए डाटा जटिल र विविध स्रोतहरूबाट।

यस खण्डको बाँकी भागले डाटा भण्डारणको अवधारणाको एक सिंहावलोकन प्रस्तुत गर्दछ र कसरी छलफल गर्दछ डाटा गोदाम अनुप्रयोग समर्थन समूहहरूको समस्याहरू हटाउन सक्छ।
शब्द "डाटा गोदाम" विलियम इनमोन द्वारा 1990 मा लोकप्रिय भएको थियो। उनको अक्सर उद्धृत परिभाषा देख्छ डाटा गोदाम को एक संग्रह को रूप मा डाटा व्यवस्थापन निर्णयहरूको समर्थनमा विषय-उन्मुख, एकीकृत, गैर-अस्थिर, र समय अनुसार चल।

यो परिभाषा प्रयोग गरेर Inmon हाइलाइट गर्दछ कि i डाटा a मा बस्ने डाटा गोदाम तिनीहरूसँग निम्न 4 विशेषताहरू हुनुपर्छ:

• ▪ विषय-उन्मुख
• ▪ एकीकृत
• ▪ अस्थिर
• ▪ समय अनुसार परिवर्तनशील विषय-उन्मुख Inmon को मतलब i डाटा nel डाटा गोदाम सबैभन्दा ठूलो संगठनात्मक क्षेत्रमा भएको छ

मोडेलमा परिभाषित गरिएको छ डाटा। उदाहरणका लागि सबै डाटा i को बारेमा ग्राहकहरु विषय क्षेत्रमा समावेश छन् ग्राहकहरु। त्यसैगरी सबै डाटा उत्पादनहरूसँग सम्बन्धित उत्पादनहरू विषय क्षेत्रमा समावेश छन्।

Integrated Inmon द्वारा मतलब यो हो कि i डाटा विभिन्न प्लेटफर्महरू, प्रणालीहरू र स्थानहरूबाट आउँदै गरेको संयोजन र एक ठाउँमा भण्डारण गरिन्छ। फलस्वरूप डाटा मिल्दोजुल्दो ढाँचाहरूमा रूपान्तरण गरिनु पर्छ ताकि तिनीहरूलाई सजिलै थप्न र तुलना गर्न सकिन्छ।
उदाहरणका लागि, पुरुष र महिला लिङ्गलाई एउटा प्रणालीमा M र F अक्षरहरू, र अर्कोमा 1 र 0 द्वारा प्रतिनिधित्व गरिन्छ। तिनीहरूलाई राम्ररी एकीकृत गर्न, एक वा दुवै ढाँचाहरू रूपान्तरण गर्नुपर्छ ताकि दुई ढाँचाहरू समान छन्। यस अवस्थामा हामी M लाई 1 र F लाई 0 मा परिवर्तन गर्न सक्छौं वा यसको विपरीत। विषय उन्मुख र एकीकृत संकेत गर्दछ कि डाटा गोदाम को कार्यात्मक र ट्रान्सभर्सल दृष्टि प्रदान गर्न डिजाइन गरिएको हो डाटा कम्पनी द्वारा।

Non-volatile भन्नाले उसको मतलब यो हो कि i डाटा nel डाटा गोदाम सुसंगत र अद्यावधिक रहनुहोस् डाटा यो आवश्यक छैन। बरु, प्रत्येक परिवर्तनमा डाटा मूल मा थपिएको छ डेटाबेस को डाटा गोदाम। यसको अर्थ ऐतिहासिक दे डाटा मा निहित छ डाटा गोदाम.

समय संग चल को लागी Inmon ले संकेत गर्छ कि i डाटा nel डाटा गोदाम सधैं ei समय सूचकहरू समावेश गर्दछ डाटा तिनीहरू सामान्यतया एक निश्चित समय क्षितिज पार गर्छन्। उदाहरणका लागि ए
डाटा गोदाम को 5 वर्षको ऐतिहासिक मूल्य समावेश हुन सक्छ ग्राहकहरु 1993 देखि 1997 सम्म। इतिहासको उपलब्धता र समय श्रृंखला डाटा तपाईंलाई प्रवृत्ति विश्लेषण गर्न अनुमति दिन्छ।

Un डाटा गोदाम उसले आफ्नो संकलन गर्न सक्छ डाटा OLTP प्रणालीहरूबाट; स्रोतहरूबाट डाटा संगठनको बाहिरी र/वा अन्य विशेष क्याप्चर प्रणाली परियोजनाहरूद्वारा डाटा.
I डाटा अर्कहरू सफाई प्रक्रियामा जान सक्छन्, यस अवस्थामा i डाटा मा भण्डारण हुनु अघि रूपान्तरण र एकीकृत छन् डेटाबेस को डाटा गोदाम। त्यसपछि म डाटा

भित्रका बासिन्दाहरू डेटाबेस को डाटा गोदाम प्रयोगकर्ता लगइनहरू र रिकभरी उपकरणहरू अन्त्य गर्न उपलब्ध गराइन्छ। यी उपकरणहरू प्रयोग गरेर अन्त प्रयोगकर्ताले संगठनको एकीकृत दृश्य पहुँच गर्न सक्छ डाटा.

I डाटा भित्रका बासिन्दाहरू डेटाबेस को डाटा गोदाम तिनीहरू विस्तृत र सारांश ढाँचाहरूमा भण्डारण गरिएका छन्।
सारांश को स्तर को प्रकृति मा निर्भर हुन सक्छ डाटा। म डाटा विस्तृत समावेश हुन सक्छ डाटा वर्तमान ई डाटा इतिहासकारहरू
I डाटा रोयल्टी मा समावेश छैन डाटा गोदाम म सम्म डाटा nel डाटा गोदाम अद्यावधिक गरिएका छन्।
भण्डारणको अतिरिक्त i डाटा आफैं, ए डाटा गोदाम यो पनि एक फरक प्रकार को भण्डारण गर्न सक्नुहुन्छ डाटा भनिन्छ METADATA को वर्णन गर्दै डाटा आफ्नो मा बासिन्दाहरू डेटाबेस.
मेटाडेटा दुई प्रकारका हुन्छन्: विकास मेटाडेटा र विश्लेषण मेटाडेटा।
विकास मेटाडेटा को निकासी, सफाई, म्यापिङ र लोडिङ प्रक्रियाहरू व्यवस्थापन र स्वचालित गर्न प्रयोग गरिन्छ। डाटा nel डाटा गोदाम.
विकास मेटाडेटा मा समावेश जानकारी अपरेटिङ सिस्टम को विवरण, निकाल्न को लागी तत्वहरु को विवरण, मोडेल समावेश हुन सक्छ। डाटा को डाटा गोदाम र रूपान्तरणको लागि व्यापार नियम डाटा.

दोस्रो प्रकारको मेटाडेटा, जसलाई एनालिटिक्स मेटाडेटा भनिन्छ, अन्त प्रयोगकर्तालाई यसको सामग्री अन्वेषण गर्न सक्षम बनाउँछ। डाटा गोदाम फेला पार्न डाटा उपलब्ध र स्पष्ट, गैर-प्राविधिक सर्तहरूमा तिनीहरूको अर्थ।

तसर्थ एनालिटिक्स मेटाडेटा बीचको पुलको रूपमा काम गर्दछ डाटा गोदाम र अन्त-प्रयोगकर्ता अनुप्रयोगहरू। यो मेटाडेटाले व्यापार मोडेल, विवरणहरू समावेश गर्न सक्छ डाटा व्यापार मोडेल, पूर्व-परिभाषित प्रश्नहरू र रिपोर्टहरू, प्रयोगकर्ता पहुँच र अनुक्रमणिका लागि जानकारी अनुरूप।

विश्लेषण र विकास मेटाडेटालाई एकल एकीकृत कन्टेनमेन्ट मेटाडेटामा राम्रोसँग काम गर्नको लागि जोडिएको हुनुपर्छ।

दुर्भाग्यवश धेरै अवस्थित उपकरणहरूको आफ्नै मेटाडेटा छ र त्यहाँ हाल यसको लागि कुनै अवस्थित मानकहरू छैनन्।

डेटा भण्डारण उपकरणहरूलाई यो मेटाडेटा एकीकृत गर्न अनुमति दिनुहोस्। यस अवस्थाको समाधान गर्न, मुख्य डाटा भण्डारण उपकरणका धेरै व्यापारीहरूले मेटा डाटा काउन्सिल गठन गरे जुन पछि मेटा डाटा गठबन्धन भयो।

यस गठबन्धनको लक्ष्य एक मानक मेटाडेटा सेट निर्माण गर्नु हो जसले विभिन्न डाटा भण्डारण उपकरणहरूलाई मेटाडेटा रूपान्तरण गर्न अनुमति दिन्छ।
तिनीहरूको प्रयासले मेटा डाटा इन्टरचेन्ज स्पेसिफिकेशन (MDIS) को जन्म भयो जसले Microsoft अभिलेखहरू र सम्बन्धित MDIS फाइलहरू बीच जानकारीको आदानप्रदान गर्न अनुमति दिनेछ।

को अस्तित्व डाटा दुबै संक्षेपित/अनुक्रमित र विस्तृतले प्रयोगकर्तालाई ड्रिल ड्राउन (ड्रिलिंग) गर्न सक्ने सम्भावना दिन्छ। डाटा विस्तृतमा अनुक्रमित र उल्टो। को अस्तित्व डाटा विस्तृत इतिहासहरूले समयसँगै प्रवृत्ति विश्लेषणहरू सिर्जना गर्न अनुमति दिन्छ। थप रूपमा विश्लेषण मेटाडेटा को डाइरेक्टरीको रूपमा प्रयोग गर्न सकिन्छ डेटाबेस को डाटा गोदाम अन्त प्रयोगकर्ताहरू पत्ता लगाउन मद्दत गर्न डाटा आवश्यक।

OLTP प्रणालीहरूको तुलनामा, तिनीहरूको विश्लेषण समर्थन गर्ने क्षमताको साथ डाटा र रिपोर्टिङ, द डाटा गोदाम यो जानकारी प्रक्रियाहरु को लागी एक अधिक उपयुक्त प्रणाली को रूप मा हेरिन्छ जस्तै प्रश्नहरु को निर्माण र प्रतिक्रिया र रिपोर्टहरु को उत्पादन। अर्को खण्डले विस्तृत रूपमा दुई प्रणालीहरूको भिन्नतालाई हाइलाइट गर्नेछ।

डाटा वेयरहाउस OLTP प्रणाली विरुद्ध

संगठनहरू भित्रका धेरै सूचना प्रणालीहरू दैनिक कार्यहरूलाई समर्थन गर्ने उद्देश्यका छन्। यी प्रणालीहरू OLTP प्रणालीहरू भनेर चिनिन्छन्, लगातार अपडेट गरिएका दैनिक कारोबारहरू खिच्छन्।

I डाटा यी प्रणालीहरूमा तिनीहरू प्रायः परिमार्जन, थपिएका वा मेटाइएका छन्। उदाहरणका लागि, ग्राहक एक ठाउँबाट अर्को ठाउँमा जाँदा उसको ठेगाना परिवर्तन हुन्छ। यस अवस्थामा ठेगाना फिल्ड परिमार्जन गरेर नयाँ ठेगाना दर्ता गरिनेछ डेटाबेस। यी प्रणालीहरूको मुख्य उद्देश्य लेनदेन लागत घटाउनु र एकै समयमा प्रशोधन समय घटाउनु हो। OLTP प्रणालीका उदाहरणहरूमा अर्डर प्रविष्टि, पेरोल, इनभ्वाइस, निर्माण, ग्राहक सेवा जस्ता महत्वपूर्ण कार्यहरू समावेश छन्। ग्राहकहरु.

OLTP प्रणालीहरू विपरीत, जुन लेनदेन- र घटना-आधारित प्रक्रियाहरूको लागि सिर्जना गरिएको थियो, i डाटा गोदाम विश्लेषण-आधारित प्रक्रियाहरूको लागि समर्थन प्रदान गर्न सिर्जना गरिएको थियो डाटा र निर्णय प्रक्रियाहरू।

यो सामान्यतया i एकीकरण गरेर प्राप्त हुन्छ डाटा एकल "कन्टेनर" मा विभिन्न OLTP र बाह्य प्रणालीहरूबाट डाटाअघिल्लो खण्डमा छलफल गरिए अनुसार।

मोनाश डाटा भण्डारण प्रक्रिया मोडेल

को लागि प्रक्रिया मोडेल डाटा गोदाम मोनाश मोनाश DSS अनुसन्धान समूहका शोधकर्ताहरू द्वारा विकसित गरिएको थियो, र यसको साहित्यमा आधारित छ डाटा गोदाम, प्रणाली फिल्डहरूको विकासलाई समर्थन गर्ने अनुभवमा, प्रयोगको लागि अनुप्रयोगहरूको विक्रेताहरूसँग छलफलमा। डाटा गोदाम, को प्रयोग मा विशेषज्ञहरु को एक समूह मा डाटा गोदाम.

चरणहरू हुन्: प्रारम्भ, योजना, विकास, सञ्चालन र स्पष्टीकरण। रेखाचित्रले a को विकासको पुनरावृत्ति वा विकासवादी प्रकृतिको व्याख्या गर्दछ डाटा गोदाम विभिन्न चरणहरू बीच राखिएको दुई-तर्फी तीरहरू प्रयोग गरेर प्रक्रिया। यस सन्दर्भमा, "पुनरावृत्ति" र "विकासवादी" को अर्थ, प्रक्रियाको प्रत्येक चरणमा, कार्यान्वयन गतिविधिहरू जहिले पनि अघिल्लो चरण तिर पछाडि प्रचार गर्न सकिन्छ। यो एक परियोजना को प्रकृति को कारण हो डाटा गोदाम जसमा अन्तिम प्रयोगकर्ताबाट कुनै पनि समयमा थप अनुरोधहरू आउँछन्। उदाहरण को लागी, एक प्रक्रिया को विकास चरण को समयमा डाटा गोदाम, नयाँ आयाम वा विषय क्षेत्र अन्तिम प्रयोगकर्ता द्वारा अनुरोध गरिएको छ, जुन मूल योजनाको हिस्सा थिएन, यो प्रणालीमा थपिनुपर्छ। यसले परियोजनामा ​​परिवर्तन निम्त्याउँछ। नतिजा यो हो कि डिजाइन टोलीले डिजाइन चरणको बखत हालसम्म सिर्जना गरिएका कागजातहरूको आवश्यकताहरू परिवर्तन गर्नुपर्छ। धेरै अवस्थामा, परियोजनाको हालको अवस्था डिजाइन चरणमा फिर्ता जानुपर्छ जहाँ नयाँ आवश्यकता थप्न र कागजात हुनुपर्छ। अन्तिम प्रयोगकर्ताले समीक्षा गरिएका विशिष्ट कागजातहरू र विकास चरणमा गरिएका परिवर्तनहरू हेर्न सक्षम हुनुपर्दछ। यस विकास चक्रको अन्त्यमा परियोजनाले विकास र प्रयोगकर्ता टोलीहरूबाट उत्कृष्ट प्रतिक्रिया प्राप्त गर्नुपर्छ। प्रतिक्रिया त्यसपछि भविष्यको परियोजना सुधार गर्न पुन: प्रयोग गरिन्छ।

क्षमता योजना
Dw आकारमा धेरै ठूलो हुन्छ र धेरै चाँडो बढ्छ (सर्वश्रेष्ठ 1995, रुडिन 1997a) को मात्रा को परिणाम को रूप मा। डाटा इतिहासहरू जुन तिनीहरूले आफ्नो अवधिबाट राख्छन्। वृद्धिको कारण पनि हुन सक्छ डाटा को मूल्य वृद्धि गर्न प्रयोगकर्ताहरु द्वारा अनुरोध थपिएको डाटा जुन तिनीहरूसँग पहिले नै छ। तदनुसार, को लागी भण्डारण आवश्यकताहरु डाटा उल्लेखनीय रूपमा वृद्धि गर्न सकिन्छ (Eckerson 1997)। तसर्थ, क्षमता योजना सञ्चालन गरेर, यो सुनिश्चित गर्न आवश्यक छ कि निर्माण भइरहेको प्रणाली आवश्यकताहरू बढ्दै जाँदा बढ्न सक्छ (बेस्ट 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a)।
डाटाबेसको स्केलेबिलिटीको लागि योजना बनाउँदा, गोदामको आकारमा अपेक्षित वृद्धि, सोधिने सम्भावनाका प्रकारहरू, र समर्थन गरिएका अन्तिम प्रयोगकर्ताहरूको सङ्ख्या (Best 1995, Rudin 1997b, Foley 1997a) थाहा हुनुपर्छ। स्केलेबल अनुप्रयोगहरू निर्माण गर्न स्केलेबल सर्भर टेक्नोलोजीहरू र स्केलेबल अनुप्रयोग डिजाइन प्रविधिहरूको संयोजन चाहिन्छ (उत्तम 1995, रुडिन 1997b। दुबै उच्च स्केलेबल अनुप्रयोग निर्माण गर्न आवश्यक छ। स्केलेबल सर्भर टेक्नोलोजीहरूले भण्डारण, मेमोरी र CPU लाई नराम्रो नगरी थप्न सजिलो र लाभदायक बनाउन सक्छ। प्रदर्शन (Lang 1997, टेलिफोनी 1997)।

त्यहाँ दुई मुख्य स्केलेबल सर्भर टेक्नोलोजीहरू छन्: सिमेट्रिक मल्टिपल प्रोसेसिङ (SMP) र व्यापक समानांतर प्रक्रिया (MPP) (IDC 1997, Humphries et al. 1999)। एक SMP सर्भरमा सामान्यतया मेमोरी, प्रणाली बस, र अन्य स्रोतहरू साझा गर्ने बहु प्रोसेसरहरू हुन्छन् (IDC 1997, Humphries et al. 1999)। यसलाई बढाउन थप प्रोसेसरहरू थप्न सकिन्छ शक्ति कम्प्यूटेशनल। बढाउने अर्को तरिका हो शक्ति SMP सर्भरको, धेरै SMP मेसिनहरू संयोजन गर्न हो। यो प्रविधि क्लस्टरिङ (Humphries et al. 1999) को रूपमा चिनिन्छ। MPP सर्भर, अर्कोतर्फ, प्रत्येकमा आफ्नै मेमोरी, बस प्रणाली, र अन्य स्रोतहरू (IDC 1997, Humphries et al. 1999) संग धेरै प्रोसेसरहरू छन्। प्रत्येक प्रोसेसरलाई नोड भनिन्छ। मा वृद्धि शक्ति कम्प्यूटेशनल हासिल गर्न सकिन्छ

MPP सर्भरहरूमा थप नोडहरू थप्दै (Humphries et al. 1999)।

SMP सर्भरहरूको कमजोरी यो हो कि धेरै धेरै इनपुट-आउटपुट (I/O) सञ्चालनहरूले प्रणाली बस (IDC 1997) को भीड हुन सक्छ। यो समस्या MPP सर्भरहरूमा देखा पर्दैन किनकि प्रत्येक प्रोसेसरको आफ्नै बस प्रणाली छ। यद्यपि, प्रत्येक नोड बीचको अन्तरसम्बन्धहरू सामान्यतया SMP बस प्रणाली भन्दा धेरै ढिलो हुन्छन्। थप रूपमा, MPP सर्भरहरूले अनुप्रयोग विकासकर्ताहरू (IDC 1997) मा जटिलताको अतिरिक्त स्तर थप्न सक्छ। तसर्थ, SMP र MPP सर्भरहरू बीचको छनोट धेरै कारकहरूद्वारा प्रभावित हुन सक्छ, जसमा अनुप्रयोगहरूको जटिलता, मूल्य/कार्यसम्पादन अनुपात, आवश्यक प्रशोधन क्षमता, रोकिएका dw अनुप्रयोगहरू र सर्भरहरूको आकारमा वृद्धि समावेश छ। डेटाबेस dw को र अन्तिम प्रयोगकर्ताहरूको संख्यामा।

क्षमता योजनामा ​​धेरै स्केलेबल अनुप्रयोग डिजाइन प्रविधिहरू प्रयोग गर्न सकिन्छ। एकले विभिन्न सूचना अवधिहरू जस्तै दिन, हप्ता, महिना र वर्षहरू प्रयोग गर्दछ। विभिन्न सूचना अवधिहरू भएको, डेटाबेस यसलाई व्यवस्थित रूपमा समूहबद्ध टुक्राहरूमा विभाजन गर्न सकिन्छ (Inmon et al. 1997)। अर्को प्रविधी भनेको सारांश तालिकाहरू प्रयोग गर्नु हो जुन सारांशद्वारा निर्माण गरिन्छ डाटा da डाटा विस्तृत। त्यसैले म डाटा सारांशित विवरणहरू भन्दा बढी कम्प्याक्ट छन्, जसलाई कम मेमोरी स्पेस चाहिन्छ। त्यसैले द डाटा विवरणलाई कम महँगो भण्डारण इकाईमा भण्डारण गर्न सकिन्छ, जसले अझ बढी भण्डारण बचत गर्दछ। यद्यपि सारांश तालिकाहरू प्रयोग गर्नाले मेमोरी स्पेस बचत गर्न सक्छ, तिनीहरूलाई अद्यावधिक राख्न र व्यापार आवश्यकताहरू अनुरूप राख्न धेरै प्रयास चाहिन्छ। यद्यपि, यो प्रविधि व्यापक रूपमा प्रयोग गरिन्छ र प्राय: अघिल्लो प्रविधि (बेस्ट 1995, इनमोन 1996a, चौधरी र दयाल) संग संयोजनमा प्रयोग गरिन्छ।
1997)।

परिभाषित गर्दै डाटा गोदाम प्राविधिक वास्तुकलाहरू dw वास्तुकला प्रविधिहरूको परिभाषा

डाटा भण्डारणको प्रारम्भिक अपनाउनेहरूले मुख्यतया dw को केन्द्रीकृत कार्यान्वयनको कल्पना गरे जसमा सबै डाटा, म सहित डाटा बाह्य, एकल मा एकीकृत गरिएको थियो,
भौतिक भण्डारण (Inmon 1996a, Bresnahan 1996, Peacock 1998)।

यस दृष्टिकोणको मुख्य फाइदा भनेको अन्त प्रयोगकर्ताहरूले इन्टरप्राइज-वाइड दृश्य पहुँच गर्न सक्षम छन् डाटा संगठनात्मक (Ovum 1998)। अर्को फाइदा यो हो कि यसले मानकीकरण प्रदान गर्दछ डाटा संगठन मार्फत, जसको अर्थ dw भण्डार (मेटाडेटा) (फ्लानागन र सेफडी 1997, ओभम 1998) मा प्रयोग गरिएको प्रत्येक शब्दावलीको लागि केवल एक संस्करण वा परिभाषा छ। यस दृष्टिकोणको बेफाइदा, अर्कोतर्फ, यो महँगो र निर्माण गर्न गाह्रो छ (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998)। भण्डारण वास्तुकला पछि लामो छैन डाटा केन्द्रीकृत लोकप्रिय भयो, विकसित भएका साना सबसेटहरू निकाल्ने अवधारणा डाटा विशिष्ट अनुप्रयोगहरूको आवश्यकताहरूलाई समर्थन गर्न (Varney 1996, IDC 1997, Berson and Smith 1997, peacock 1998)। यी साना प्रणालीहरू ठूलाका व्युत्पन्न हुन् डाटा गोदाम केन्द्रीकृत। तिनीहरूको नाम छ डाटा गोदाम निर्भर विभागीय वा निर्भर डाटा मार्ट। निर्भर डाटा मार्ट वास्तुकलालाई तीन-स्तरीय वास्तुकला भनेर चिनिन्छ जहाँ पहिलो तहमा डाटा गोदाम केन्द्रीकृत, दोस्रो को निक्षेप समावेश गर्दछ डाटा विभागीय र तेस्रोमा पहुँच समावेश छ डाटा र विश्लेषण उपकरणहरू द्वारा (Demarest 1994, Inmon et al. 1997)।

डाटा मार्ट सामान्यतया पछि बनाइन्छ डाटा गोदाम केन्द्रीकृत विशिष्ट एकाइहरूको आवश्यकताहरू पूरा गर्न निर्माण गरिएको थियो (व्हाइट 1995, वार्ने 1996)।
डाटा मार्ट्स भण्डारण गर्दछ डाटा विशेष एकाइहरूसँग सम्बन्धित धेरै सान्दर्भिक (Inmon et al. 1997, Inmon et al. 1998, IA 1998)।

यस विधिको फाइदा यो हो कि त्यहाँ कुनै हुनेछैन डाटा एकीकृत छैन र त्यो i डाटा सबै जस्तै डाटा मार्ट भित्र कम अनावश्यक हुनेछ डाटा तिनीहरू गोदामबाट आउँछन् डाटा एकीकृत। अर्को फाइदा यो हो कि प्रत्येक डाटा मार्ट र यसको स्रोतहरू बीच केही जडानहरू हुनेछन् डाटा किनभने प्रत्येक डाटा मार्टको एक मात्र स्रोत हुन्छ डाटा। साथै यस वास्तुकलाको साथमा, अन्त प्रयोगकर्ताहरूले अझै पनि को सिंहावलोकन पहुँच गर्न सक्छन् डाटा

कर्पोरेट संगठनहरू। यो विधिलाई शीर्ष-डाउन विधि भनिन्छ, जहाँ डाटा मार्टहरू पछि बनाइन्छ डाटा गोदाम (पीकक १९९८, गोफ १९९८)।
नतिजा चाँडै देखाउने आवश्यकता बढाउँदै, केही संस्थाहरूले स्वतन्त्र डाटा मार्टहरू (फ्लानागन र सेफडी 1997, व्हाइट 2000) निर्माण गर्न थालेका छन्। यस अवस्थामा, डाटा मार्टहरूले आफ्नै प्राप्त गर्छन् डाटा सीधा को आधारभूत देखि डाटा OLTP केन्द्रीकृत र एकीकृत गोदामबाट होइन, यसरी साइटमा केन्द्रीय गोदाम हुनु पर्ने आवश्यकतालाई हटाउँदै।

प्रत्येक डाटा मार्टलाई यसको स्रोतहरूमा कम्तिमा एउटा लिङ्क चाहिन्छ डाटा। प्रत्येक डाटा मार्टको लागि धेरै जडानहरू हुनुको बेफाइदा यो हो कि, अघिल्लो दुई आर्किटेक्चरको तुलनामा, अत्यधिक मात्रामा डाटा उल्लेखनीय रूपमा बढ्छ।

प्रत्येक डाटा मार्टले सबै भण्डारण गर्नुपर्छ डाटा OLTP प्रणालीहरूमा कुनै प्रभाव पार्न स्थानीय रूपमा आवश्यक छ। यसले गर्दा आई डाटा तिनीहरू विभिन्न डाटा मार्टहरूमा भण्डारण गरिएका छन् (Inmon et al. 1997)। यस वास्तुकलाको अर्को हानि यो हो कि यसले डाटा मार्टहरू र तिनीहरूको डेटा स्रोतहरू बीच जटिल अन्तरसम्बन्धहरू सिर्जना गर्दछ। डाटा जसलाई कार्यान्वयन गर्न र नियन्त्रण गर्न गाह्रो हुन्छ (Inmon et al. 1997)।

अर्को बेफाइदा यो हो कि अन्त प्रयोगकर्ताहरूले कम्पनी जानकारीको सिंहावलोकन पहुँच गर्न सक्दैन किनभने i डाटा विभिन्न डाटा मार्टहरू एकीकृत छैनन् (Ovum 1998)।
अझै अर्को बेफाइदा यो हो कि डेटा मार्टहरूमा प्रयोग हुने प्रत्येक शब्दावलीको लागि एक भन्दा बढी परिभाषा हुन सक्छ जसले विसंगति उत्पन्न गर्दछ। डाटा संस्थामा (Ovum 1998)।
माथि छलफल गरिएका बेफाइदाहरूको बावजुद, स्वतन्त्र डाटा मार्टहरूले अझै पनि धेरै संस्थाहरूको चासो आकर्षित गर्दछ (IDC 1997)। एक कारक जसले तिनीहरूलाई आकर्षक बनाउँछ यो हो कि तिनीहरू छिटो विकास गर्न र कम समय र स्रोतहरू चाहिन्छ (Bresnahan 1996, Berson and Smith 1997, Ovum 1998)। फलस्वरूप, तिनीहरूले मुख्य रूपमा परीक्षण परियोजनाहरूको रूपमा सेवा गर्छन् जुन परियोजनामा ​​भएका फाइदाहरू र/वा अपूर्णताहरू द्रुत रूपमा पहिचान गर्न प्रयोग गर्न सकिन्छ (Parsaye 1995, Braly 1995, Newing 1996)। यस अवस्थामा, पायलट परियोजनामा ​​कार्यान्वयन गरिने भाग सानो तर संगठनको लागि महत्त्वपूर्ण हुनुपर्छ (न्यूइंग 1996, Mansell-Lewis 1996)।

प्रोटोटाइप जाँच गरेर, अन्तिम प्रयोगकर्ताहरू र प्रशासनले परियोजना जारी राख्ने वा रोक्ने निर्णय गर्न सक्छन् (फ्लानागन र सेफडी 1997)।
यदि निर्णय जारी राख्ने हो भने, अन्य उद्योगहरूको लागि डाटा मार्टहरू एक पटकमा निर्माण गरिनु पर्छ। स्वतन्त्र डेटा म्याट्रिक्सहरू निर्माण गर्नका लागि तिनीहरूको आवश्यकतामा आधारित अन्त प्रयोगकर्ताहरूका लागि दुई विकल्पहरू छन्: एकीकृत/संघीय र एकीकृत (Ovum 1998)

पहिलो विधिमा, प्रत्येक नयाँ डाटा मार्ट हालको डाटा मार्ट र मोडेलमा आधारित हुनुपर्छ डाटा कम्पनी द्वारा प्रयोग गरिएको (Varney 1996, Berson and Smith 1997, Peacock 1998)। मोडेल प्रयोग गर्न आवश्यक छ डाटा कम्पनीको अर्थ भनेको डेटा मार्टहरूमा प्रयोग हुने प्रत्येक शब्दावलीको लागि केवल एउटै परिभाषा छ भनी सुनिश्चित गर्नुपर्दछ, यसले कम्पनीको जानकारीको सिंहावलोकन दिन विभिन्न डाटा मार्टहरू जोड्न सकिन्छ भन्ने कुरा सुनिश्चित गर्न पनि हो (Bresnahan 1996)। यस विधिलाई बटम-अप भनिन्छ र वित्तीय साधन र समयको बाधा हुँदा उत्तम हुन्छ (फ्लानागन र सफडी १९९७, ओभम १९९८, पीकक १९९८, गोफ १९९८)। दोस्रो विधिमा, निर्माण गरिएको डाटा मार्टले एक विशेष इकाईको आवश्यकता मात्र पूरा गर्न सक्छ। संघीय डाटा मार्ट को एक संस्करण हो डाटा गोदाम जसमा वितरण गरिएको छ डेटाबेस हब सर्भर मिडलवेयर धेरै डाटा मार्टहरू एकल भण्डारमा मर्ज गर्न प्रयोग गरिन्छ डाटा वितरित (सेतो 1995)। यस अवस्थामा, म डाटा कम्पनीहरु धेरै डाटा मार्ट मा वितरित छन्। अन्त प्रयोगकर्ता अनुरोधहरू फर्वार्ड गरिन्छ डेटाबेस सर्भर हब मिडलवेयर, जसले सबै निकाल्छ डाटा डेटा मार्टहरू द्वारा अनुरोध गरिएको छ र अन्तिम-प्रयोगकर्ता अनुप्रयोगहरूमा परिणामहरू फर्काउँछ। यो विधि अन्त प्रयोगकर्ताहरूलाई व्यापार जानकारी प्रदान गर्दछ। यद्यपि, स्वतन्त्र डाटा मार्टका समस्याहरू अझै हटेका छैनन्। त्यहाँ अर्को वास्तुकला छ जुन प्रयोग गर्न सकिन्छ जसलाई भनिन्छ डाटा गोदाम भर्चुअल (सेतो 1995)। यद्यपि, यो वास्तुकला, जुन चित्र 2.9 मा वर्णन गरिएको छ, डाटा भण्डारण वास्तुकला होइन। डाटा वास्तविक छ किनकि यसले OLTP प्रणालीबाट लोडिङ सार्न सक्दैन डाटा गोदाम (Demarest 1994)।

वास्तवमा, को अनुरोधहरू डाटा अन्तिम प्रयोगकर्ताहरूबाट OLTP प्रणालीहरूमा पठाइन्छ जसले प्रयोगकर्ता अनुरोधहरू प्रशोधन गरेपछि परिणामहरू फर्काउँछ। यद्यपि यो वास्तुकलाले अन्त प्रयोगकर्ताहरूलाई रिपोर्टहरू उत्पन्न गर्न र अनुरोधहरू गर्न अनुमति दिन्छ, यसले प्रदान गर्न सक्दैन

डाटा कम्पनी जानकारी को ऐतिहासिक र सिंहावलोकन को रूपमा i डाटा विभिन्न OLTP प्रणालीहरूबाट एकीकृत छैनन्। तसर्थ, यो वास्तुकला को विश्लेषण सन्तुष्ट हुन सक्दैन डाटा जटिल जस्तै पूर्वानुमान।

पहुँच र रिकभरी अनुप्रयोगहरूको चयन डाटा

निर्माणको उद्देश्य क डाटा गोदाम अन्त प्रयोगकर्ताहरूलाई जानकारी प्रदान गर्नु हो (Inmon et al. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998); एक वा बढी पहुँच र रिकभरी अनुप्रयोगहरू डाटा उपलब्ध गराउनु पर्छ। आज सम्म, त्यहाँ यी अनुप्रयोगहरूको एक विस्तृत विविधता छ जसबाट प्रयोगकर्ताले छनोट गर्न सक्छ (Hammergren 1998, Humphries et al. 1999)। तपाईंले चयन गर्नुभएका अनुप्रयोगहरूले तपाईंको भण्डारण प्रयासको सफलता निर्धारण गर्दछ डाटा एउटा संस्थामा किनभने अनुप्रयोगहरू सबैभन्दा देखिने भाग हुन् डाटा गोदाम अन्तिम प्रयोगकर्तालाई (Inmon et al. 1997, Poe 1996)। सफल हुन क डाटा गोदाम, को विश्लेषण गतिविधिहरु लाई समर्थन गर्न सक्षम हुनुपर्छ डाटा अन्तिम प्रयोगकर्ताको (Poe 1996, Seddon and Benjamin 1998, Eckerson 1999)। यसरी अन्तिम प्रयोगकर्ताले के चाहन्छ भन्ने "स्तर" पहिचान गरिनुपर्छ (Poe 1996, Mattison 1996, Inmon et al. 1997, Humphries et al. 1999)।

सामान्यतया, अन्तिम प्रयोगकर्ताहरूलाई तीन कोटीहरूमा समूहबद्ध गर्न सकिन्छ: कार्यकारी प्रयोगकर्ताहरू, व्यापार विश्लेषकहरू र शक्ति प्रयोगकर्ताहरू (Poe 1996, Humphries et al. 1999)। कार्यकारी प्रयोगकर्ताहरूलाई पूर्वनिर्धारित रिपोर्टहरूको सेटहरूमा सजिलो पहुँच चाहिन्छ (Humphries et al. 1999)। यी अनुपातहरू मेनु नेभिगेसन (Poe 1996) को साथ सजिलै पहुँच गर्न सकिन्छ। थप रूपमा, रिपोर्टहरूले ग्राफिकल प्रतिनिधित्व प्रयोग गरेर जानकारी प्रस्तुत गर्नुपर्छ जस्तै तालिका र टेम्प्लेटहरू छिटो जानकारी प्रदान गर्न (Humphries et al. 1999)। व्यवसायिक विश्लेषकहरू, जोसँग प्राविधिक क्षमताहरू आफैंमा स्क्र्याचबाट रिपोर्टहरू विकास गर्न नसक्ने हुन सक्छ, तिनीहरूको विशेष आवश्यकताहरू पूरा गर्न वर्तमान रिपोर्टहरू परिमार्जन गर्न सक्षम हुन आवश्यक छ (Poe 1996, Humphries et al. 1999)। अर्कोतर्फ, पावर प्रयोगकर्ताहरू अन्त प्रयोगकर्ताहरूको प्रकार हुन् जससँग स्क्र्याचबाट अनुरोधहरू र रिपोर्टहरू सिर्जना गर्ने र लेख्ने क्षमता हुन्छ (Poe 1996, Humphries et al. 1999)। उनीहरु नै हुन् जो

तिनीहरूले अन्य प्रकारका प्रयोगकर्ताहरूका लागि रिपोर्टहरू विकास गर्छन् (Poe 1996, Humphries et al. 1999)।

एक पटक अन्तिम प्रयोगकर्ता आवश्यकताहरू निर्धारण गरिसकेपछि, पहुँच र रिकभरी अनुप्रयोगहरूको चयन गरिनुपर्छ डाटा उपलब्ध सबै मध्ये (Poe 1996, Inmon et al. 1997)।
मा पहुँच डाटा र पुन: प्राप्ति उपकरणहरूलाई 4 प्रकारमा वर्गीकृत गर्न सकिन्छ: OLAP उपकरणहरू, EIS/DSS उपकरणहरू, क्वेरी र रिपोर्टिङ उपकरणहरू र डाटा माइनिङ उपकरणहरू।

OLAP उपकरणहरूले प्रयोगकर्ताहरूलाई तदर्थ प्रश्नहरू सिर्जना गर्न अनुमति दिन्छ साथै ती मा बनाइएको डेटाबेस को डाटा गोदाम। थप रूपमा, यी उत्पादनहरूले प्रयोगकर्ताहरूलाई ड्रिल डाउन गर्न अनुमति दिन्छ डाटा सामान्य देखि विस्तृत।

EIS/DSS उपकरणहरूले कार्यकारी रिपोर्टिङ प्रदान गर्दछ जस्तै "के भए" विश्लेषण र मेनु-संचालित रिपोर्टहरूमा पहुँच। रिपोर्टहरू पूर्वनिर्धारित हुनुपर्छ र सजिलो नेभिगेसनको लागि मेनुहरूसँग मर्ज गर्नुपर्छ।
क्वेरी र रिपोर्टिङ उपकरणहरूले प्रयोगकर्ताहरूलाई पूर्वनिर्धारित र विशिष्ट रिपोर्टहरू उत्पादन गर्न अनुमति दिन्छ।

डाटा खनन उपकरणहरू सम्बन्धहरू पहिचान गर्न प्रयोग गरिन्छ जसले बिर्सिएका कार्यहरूमा नयाँ प्रकाश पार्न सक्छ। डाटा डाटा गोदाम को।

प्रत्येक प्रकारका प्रयोगकर्ताका आवश्यकताहरूलाई अनुकूलन गर्नका साथै, चयन गरिएका उपकरणहरू सहज, कुशल र प्रयोग गर्न सजिलो हुनुपर्छ। तिनीहरू पनि वास्तुकलाका अन्य भागहरूसँग मिल्दो र अवस्थित प्रणालीहरूसँग काम गर्न सक्षम हुन आवश्यक छ। यो पनि उचित मूल्य र प्रदर्शन संग डाटा पहुँच र पुन: प्राप्त उपकरण छनोट गर्न सिफारिस गरिएको छ। विचार गर्नुपर्ने अन्य मापदण्डहरूमा उपकरण विक्रेताको उनीहरूको उत्पादनलाई समर्थन गर्ने प्रतिबद्धता र भविष्यका रिलीजहरूमा कसरी विकास हुनेछ भन्ने समावेश छ। डाटा गोदाम प्रयोग गर्न प्रयोगकर्ता संलग्नता सुनिश्चित गर्न, विकास टोलीले उपकरण चयन प्रक्रियामा प्रयोगकर्ताहरू समावेश गर्दछ। यस अवस्थामा व्यावहारिक प्रयोगकर्ता मूल्याङ्कन गरिनुपर्छ।

डाटा गोदामको मूल्य सुधार गर्न विकास टोलीले उनीहरूको डाटा गोदाममा वेब पहुँच पनि प्रदान गर्न सक्छ। वेब-सक्षम डाटा गोदामले प्रयोगकर्ताहरूलाई पहुँच गर्न अनुमति दिन्छ डाटा दुर्गम ठाउँबाट वा यात्रा गर्दा। थप जानकारी पाउन सकिन्छ

प्रशिक्षण लागतमा कमी मार्फत कम लागतमा प्रदान गरिनेछ।

2.4.3 डाटा गोदाम सञ्चालन चरण

यस चरणमा तीनवटा गतिविधिहरू हुन्छन्: डाटा रिफ्रेस रणनीतिहरूको परिभाषा, डाटा गोदाम गतिविधिहरूको नियन्त्रण र डाटा गोदाम सुरक्षाको व्यवस्थापन।

डाटा रिफ्रेस रणनीतिहरूको परिभाषा

प्रारम्भिक लोडिङ पछि, i डाटा nel डेटाबेस डाटा वेयरहाउसको तिनीहरूमा गरिएका परिवर्तनहरू पुन: उत्पादन गर्न आवधिक रूपमा ताजा गरिनु पर्छ डाटा मौलिक। त्यसकारण तपाईले कहिले रिफ्रेस गर्ने, कति पटक रिफ्रेस गर्ने र डाटा कसरी रिफ्रेस गर्ने भनेर निर्णय गर्नुपर्छ डाटा। यसलाई ताजा गर्न सुझाव दिइएको छ डाटा जब प्रणाली अफलाइन लिन सकिन्छ। रिफ्रेस फ्रिक्वेन्सी प्रयोगकर्ता आवश्यकताहरूको आधारमा विकास टोली द्वारा निर्धारण गरिन्छ। त्यहाँ डाटा गोदाम ताजा गर्न दुई दृष्टिकोण छन्: पूर्ण रिफ्रेस र परिवर्तनहरूको निरन्तर लोड।

पहिलो दृष्टिकोण, पूर्ण रिफ्रेस, सबैलाई पुन: लोड गर्न आवश्यक छ डाटा स्क्र्याच देखि। यसको मतलब यो हो कि सबै डाटा आवश्यक निकाल्न, सफा, रूपान्तरण र प्रत्येक रिफ्रेसमा एकीकृत हुनुपर्छ। यो दृष्टिकोण, सम्भव भएसम्म, बेवास्ता गर्नुपर्छ किनभने यो धेरै समय र स्रोत चाहिन्छ।

एक वैकल्पिक दृष्टिकोण लगातार परिवर्तनहरू अपलोड गर्न हो। यसले i थप्छ डाटा जुन अन्तिम डाटा गोदाम रिफ्रेस चक्र पछि परिवर्तन गरिएको छ। नयाँ वा परिमार्जित रेकर्डहरू पहिचान गर्नाले महत्त्वपूर्ण रूपमा रकम घटाउँछ डाटा जसलाई प्रत्येक अपडेटमा डाटा गोदाममा प्रचार गरिनु पर्छ किनकि यी मात्र डाटा मा थपिनेछ डेटाबेस डाटा गोदाम को।

त्यहाँ कम्तिमा 5 दृष्टिकोणहरू छन् जुन i फिर्ता लिन प्रयोग गर्न सकिन्छ डाटा नयाँ वा परिमार्जित। एक कुशल डाटा रिफ्रेस रणनीति प्राप्त गर्न डाटा प्रणालीमा भएका सबै परिवर्तनहरू क्याप्चर गर्ने यी दृष्टिकोणहरूको मिश्रण उपयोगी हुन सक्छ।

पहिलो दृष्टिकोण, जसले टाइमस्ट्याम्पहरू प्रयोग गर्दछ, मानिन्छ कि सबै तोकिएको छ डाटा टाइमस्ट्याम्प सम्पादन र अद्यावधिक गरियो ताकि तपाईं सजिलैसँग सबै पहिचान गर्न सक्नुहुन्छ डाटा परिमार्जित र नयाँ। तथापि, यो दृष्टिकोण आजका अधिकांश अपरेटिङ सिस्टमहरूमा व्यापक रूपमा प्रयोग गरिएको छैन।
दोस्रो दृष्टिकोण भनेको एप्लिकेसनद्वारा उत्पन्न गरिएको डेल्टा फाइल प्रयोग गर्नु हो जसमा गरिएका परिवर्तनहरू मात्र समावेश हुन्छन् डाटा। यो फाइल प्रयोग गर्दा पनि अद्यावधिक चक्र बढ्छ। यद्यपि, यो विधि पनि धेरै अनुप्रयोगहरूमा प्रयोग गरिएको छैन।
तेस्रो दृष्टिकोण भनेको लग फाइल स्क्यान गर्नु हो, जसमा मूलतः डेल्टा फाइल जस्तै जानकारी हुन्छ। फरक यति मात्र हो कि लग फाइल रिकभरी प्रक्रियाको लागि सिर्जना गरिएको हो र बुझ्न गाह्रो हुन सक्छ।
चौथो दृष्टिकोण एप्लिकेसन कोड परिमार्जन गर्नु हो। यद्यपि, अधिकांश अनुप्रयोग कोड पुरानो र कमजोर छ; त्यसैले यो प्रविधिबाट बच्नुपर्छ।
अन्तिम दृष्टिकोण तुलना गर्न हो डाटा मुख्य dei फाइल संग स्रोत डाटा.

डाटा गोदाम गतिविधिहरूको नियन्त्रण

एक पटक डाटा गोदाम प्रयोगकर्ताहरूलाई जारी गरिसकेपछि, यो समय संग अनुगमन गर्नुपर्छ। यस अवस्थामा, डाटा गोदाम प्रशासकले डाटा गोदामको प्रयोग निगरानी गर्न एक वा बढी व्यवस्थापन र नियन्त्रण उपकरणहरू प्रयोग गर्न सक्छ। विशेष गरी, मानिसहरू र तिनीहरूले डाटा गोदाम पहुँच गरेको समय बारे जानकारी सङ्कलन गर्न सकिन्छ। आउनुहोस् डाटा सङ्कलन गरिएको, कार्यको प्रोफाइल सिर्जना गर्न सकिन्छ जुन प्रयोगकर्ताको चार्जब्याक कार्यान्वयनमा इनपुटको रूपमा प्रयोग गर्न सकिन्छ। चार्जब्याकले प्रयोगकर्ताहरूलाई डाटा गोदाम प्रशोधन लागतको बारेमा सूचित गर्न अनुमति दिन्छ।

यसबाहेक, डाटा गोदाम लेखापरीक्षण पनि प्रश्नहरूको प्रकार, तिनीहरूको आकार, प्रति दिन प्रश्नहरूको संख्या, क्वेरी प्रतिक्रिया समय, क्षेत्रहरू पुग्यो र रकम पहिचान गर्न प्रयोग गर्न सकिन्छ। डाटा प्रशोधन गरिएको। डाटा गोदाम अडिटिङ गर्ने अर्को उद्देश्य पहिचान गर्न हो डाटा जुन प्रयोगमा छैनन् । यी डाटा तिनीहरू समय सुधार गर्न डाटा गोदामबाट हटाउन सकिन्छ

क्वेरी कार्यान्वयन प्रतिक्रिया को र विकास को निगरानी डाटा भित्र बस्ने डाटा बेस डाटा गोदाम को।

डाटा गोदाम सुरक्षा व्यवस्थापन

डाटा गोदाम समावेश छ डाटा एकीकृत, महत्वपूर्ण, संवेदनशील जुन सजिलै पुग्न सकिन्छ। यस कारणले यसलाई अनधिकृत प्रयोगकर्ताहरूबाट सुरक्षित गर्नुपर्छ। सुरक्षा लागू गर्ने एउटा तरिका डेल प्रकार्य प्रयोग गर्नु हो DBMS विभिन्न प्रकारका प्रयोगकर्ताहरूलाई विभिन्न विशेषाधिकारहरू प्रदान गर्न। यस तरिकाले, प्रत्येक प्रकारको प्रयोगकर्ताको लागि पहुँच प्रोफाइल कायम गर्नुपर्छ। डाटा गोदाम सुरक्षित गर्ने अर्को तरिका भनेको यसलाई इन्क्रिप्ट गर्नु हो जसमा लेखिएको छ डाटा बेस डाटा गोदाम को। मा पहुँच डाटा र पुन: प्राप्ति उपकरणहरूले डिक्रिप्ट गर्नुपर्छ डाटा प्रयोगकर्ताहरूलाई परिणामहरू प्रस्तुत गर्नु अघि।

2.4.4 डाटा गोदाम परिनियोजन चरण

यो डाटा गोदाम कार्यान्वयन चक्रमा अन्तिम चरण हो। यस चरणमा गरिने गतिविधिहरूमा डाटा वेयरहाउस प्रयोग गर्न प्रयोगकर्ताहरूलाई तालिम दिने र डाटा वेयरहाउसको समीक्षा गर्ने समावेश छ।

प्रयोगकर्ता प्रशिक्षण

पहुँच गर्नु अघि प्रयोगकर्ता प्रशिक्षण गर्नुपर्छ डाटा डाटा गोदाम र पुन: प्राप्ति उपकरणहरूको प्रयोग। सामान्यतया, सत्रहरू भण्डारणको अवधारणाको परिचयको साथ सुरु गर्नुपर्छ डाटा, डाटा गोदाम को सामग्री, मेटा डाटा र उपकरण को आधारभूत विशेषताहरु। त्यसपछि, अधिक उन्नत प्रयोगकर्ताहरूले भौतिक तालिकाहरू र डेटा पहुँच र पुन: प्राप्ति उपकरणहरूको प्रयोगकर्ता सुविधाहरू पनि अध्ययन गर्न सक्छन्।

प्रयोगकर्ता प्रशिक्षण गर्न धेरै तरिकाहरू छन्। यी मध्ये एकमा धेरै प्रयोगकर्ताहरू वा विश्लेषकहरूको चयन समावेश छ जुन प्रयोगकर्ताहरूको समूहबाट छनौट गरिएको छ, तिनीहरूको नेतृत्व र सञ्चार कौशलको आधारमा। तिनीहरू व्यक्तिगत रूपमा प्रणालीसँग परिचित हुन जान्न आवश्यक सबै कुराहरूमा प्रशिक्षित छन्। प्रशिक्षण समाप्त भएपछि, तिनीहरू आफ्नो काममा फर्कन्छन् र अन्य प्रयोगकर्ताहरूलाई कसरी प्रणाली प्रयोग गर्ने भनेर सिकाउन थाल्छन्। माथि

उनीहरूले सिकेका कुराहरूको आधारमा, अन्य प्रयोगकर्ताहरूले डाटा गोदाम अन्वेषण सुरु गर्न सक्छन्।
अर्को दृष्टिकोण भनेको धेरै प्रयोगकर्ताहरूलाई एकै समयमा तालिम दिनु हो, मानौं तपाईंले कक्षाकोठाको पाठ्यक्रम लिइरहनुभएको छ। यो विधि उपयुक्त छ जब त्यहाँ धेरै प्रयोगकर्ताहरू छन् जसलाई एकै समयमा प्रशिक्षित गर्न आवश्यक छ। अझै अर्को विधि प्रत्येक प्रयोगकर्तालाई व्यक्तिगत रूपमा तालिम दिनु हो, एक-एक गरेर। यो विधि उपयुक्त छ जब त्यहाँ थोरै प्रयोगकर्ताहरू छन्।

प्रयोगकर्ता प्रशिक्षणको उद्देश्य तपाईलाई पहुँचको साथ परिचित गराउनु हो डाटा र पुन: प्राप्ति उपकरणहरू साथै डाटा गोदामको सामग्रीहरू। यद्यपि, केही प्रयोगकर्ताहरू प्रशिक्षण सत्रमा प्रदान गरिएको जानकारीको मात्राबाट अभिभूत हुन सक्छन्। त्यसकारण, निरन्तर सहयोग र विशेष प्रश्नहरूको जवाफ दिनको लागि निश्चित संख्यामा पुन:ताजा सत्रहरू सञ्चालन गरिनुपर्छ। केही अवस्थामा यस प्रकारको समर्थन प्रदान गर्न प्रयोगकर्ता समूह बनाइन्छ।

प्रतिक्रिया सङ्कलन

डाटा वेयरहाउस रोल आउट भएपछि, प्रयोगकर्ताहरूले i प्रयोग गर्न सक्छन् डाटा जुन विभिन्न उद्देश्यका लागि डाटा गोदाममा रहन्छ। प्रायजसो, विश्लेषक वा प्रयोगकर्ताहरूले i डाटा डाटा गोदाम मा को लागी:

1. 1 कम्पनी प्रवृत्तिहरू पहिचान गर्नुहोस्
2. 2 को खरीद प्रोफाइलहरू विश्लेषण गर्नुहोस् ग्राहकहरु
3. 3 विभाजन i ग्राहकहरु र को
4. 4 लाई उत्कृष्ट सेवाहरू प्रदान गर्नुहोस् ग्राहकहरु - सेवाहरू अनुकूलित गर्नुहोस्
5. 5 रणनीतिहरू बनाउनुहोस् मार्केटिङ
6. 6 लागत विश्लेषण र मद्दत नियन्त्रणको लागि प्रतिस्पर्धी उद्धरणहरू प्रदान गर्नुहोस्
7. 7 रणनीतिक निर्णय लिने समर्थन गर्नुहोस्
8. 8 बाहिर खडा हुने अवसरहरू पहिचान गर्नुहोस्
9. 9 हालको व्यापार प्रक्रियाहरूको गुणस्तर सुधार गर्नुहोस्
10. 10 लाभ जाँच गर्नुहोस्

डाटा गोदामको विकास दिशा पछ्याउँदै, प्रतिक्रिया प्राप्त गर्न प्रणालीमा समीक्षाहरूको श्रृंखला सञ्चालन गर्न सकिन्छ।

दुबै विकास टोली र अन्तिम प्रयोगकर्ता समुदायबाट।
प्राप्त परिणामहरू अर्को विकास चक्रको लागि विचार गर्न सकिन्छ।

डाटा वेयरहाउसको वृद्धिशील दृष्टिकोण भएको हुनाले, अघिल्लो विकासको सफलता र गल्तीहरूबाट सिक्न महत्त्वपूर्ण छ।

2.5 सारांश

यस अध्यायमा साहित्यमा विद्यमान दृष्टिकोणहरू छलफल गरिएको छ। खण्ड 1 मा, डाटा वेयरहाउस को अवधारणा र निर्णय विज्ञान मा यसको भूमिका छलफल गरियो। खण्ड २ ले डाटा गोदामहरू र OLTP प्रणालीहरू बीचको मुख्य भिन्नताहरू वर्णन गरेको छ। खण्ड 2 मा हामीले मोनाश डाटा वेयरहाउस मोडेलको बारेमा छलफल गर्यौं जुन खण्ड 3 मा डाटा गोदाम विकास गर्ने प्रक्रियामा संलग्न गतिविधिहरू वर्णन गर्न प्रयोग गरिएको थियो, यी थेसिसहरू कठोर अनुसन्धानमा आधारित थिएनन्। वास्तविकतामा के हुन्छ साहित्यले रिपोर्ट गरेको भन्दा धेरै फरक हुन सक्छ, यद्यपि यी परिणामहरू आधारभूत पृष्ठभूमि सिर्जना गर्न प्रयोग गर्न सकिन्छ जसले यस अनुसन्धानको लागि डाटा गोदामको अवधारणालाई रेखांकित गर्दछ।

क्यापिटोलो १

अनुसन्धान र डिजाइन विधिहरू

यस अध्यायले यस अध्ययनको लागि अनुसन्धान र डिजाइन विधिहरूलाई सम्बोधन गर्दछ। पहिलो भागले जानकारी पुन: प्राप्तिको लागि उपलब्ध अनुसन्धान विधिहरूको सामान्य दृश्य देखाउँदछ, साथै कुनै विशेष अध्ययनको लागि उत्तम विधि चयन गर्ने मापदण्डहरू छलफल गरिन्छ। खण्ड २ मा, भर्खरै खुलासा गरिएका मापदण्डका साथ चयन गरिएका दुईवटा विधिहरू छलफल गरिन्छन्; यी मध्ये एउटा छनोट गरी खण्ड ३ मा उल्लेख गरिएका कारणहरू सहित अपनाइने छ जहाँ अन्य मापदण्डहरू बाहेकका कारणहरू पनि उल्लेख गरिएको छ। खण्ड 2 अनुसन्धान डिजाइन र खण्ड 3 निष्कर्ष प्रस्तुत गर्दछ।

3.1 सूचना प्रणालीमा अनुसन्धान

सूचना प्रणालीमा अनुसन्धान प्राविधिक क्षेत्रमा मात्र सीमित छैन तर व्यवहार र संगठनात्मक उद्देश्यहरू समावेश गर्न पनि विस्तार गर्नुपर्छ।
हामी सामाजिक देखि प्राकृतिक विज्ञान सम्मका विभिन्न विषयहरूको थेसिसमा यो ऋणी छौं; यसले सूचना प्रणालीहरूको लागि मात्रात्मक र गुणात्मक विधिहरू समावेश गर्ने अनुसन्धान विधिहरूको निश्चित स्पेक्ट्रमको आवश्यकतालाई निम्त्याउँछ।
सबै उपलब्ध अनुसन्धान विधिहरू महत्त्वपूर्ण छन्, वास्तवमा धेरै शोधकर्ताहरू जस्तै Jenkins (1985), Nunamaker et al। (1991), र ग्यालियर्स (1992) तर्क गर्छन् कि सूचना प्रणालीको विभिन्न क्षेत्रहरूमा अनुसन्धान सञ्चालन गर्न कुनै विशेष विश्वव्यापी विधि छैन; वास्तवमा एक विधि कुनै विशेष अनुसन्धानको लागि उपयुक्त हुन सक्छ तर अरूको लागि होइन। यसले हामीलाई हाम्रो विशेष अनुसन्धान परियोजनाको लागि उपयुक्त विधि चयन गर्न आवश्यक ल्याउँछ: यस छनौटको लागि बेनबासट एट अल। (1987) अनुसन्धानको प्रकृति र उद्देश्यलाई विचार गर्नुपर्दछ।

३.१.१ अनुसन्धानको प्रकृति

अनुसन्धानको प्रकृतिमा आधारित विभिन्न विधिहरूलाई सूचना विज्ञानमा व्यापक रूपमा परिचित तीन परम्पराहरूमा वर्गीकृत गर्न सकिन्छ: सकारात्मकवादी, व्याख्यात्मक र आलोचनात्मक अनुसन्धान।

3.1.1.1 सकारात्मक अनुसन्धान

सकारात्मक अनुसन्धानलाई वैज्ञानिक वा अनुभवजन्य अध्ययन पनि भनिन्छ। यसले निम्न कुराहरू खोज्छ: "यसलाई गठन गर्ने तत्वहरू बीचको नियमितता र कारण-प्रभाव सम्बन्धहरू हेरेर सामाजिक संसारमा के हुनेछ भनेर व्याख्या गर्नुहोस् र भविष्यवाणी गर्नुहोस्" (Shanks et al 1993)।

सकारात्मकतावादी अनुसन्धान पनि दोहोरिने योग्यता, सरलीकरण र खण्डन द्वारा विशेषता हो। यसबाहेक, सकारात्मकतावादी अनुसन्धानले अध्ययन गरिएका घटनाहरू बीचको प्राथमिकता सम्बन्धको अस्तित्वलाई स्वीकार गर्दछ।
Galliers (1992) को अनुसार वर्गीकरण एक अनुसन्धान विधि हो जुन positivist paradigm मा समावेश गरिएको छ, जुन यत्तिमै सीमित छैन, वास्तवमा त्यहाँ प्रयोगशाला प्रयोगहरू, क्षेत्र प्रयोगहरू, केस स्टडीहरू, प्रमेयहरूको प्रदर्शनहरू, भविष्यवाणीहरू र सिमुलेशनहरू छन्। यी विधिहरू प्रयोग गरेर, अन्वेषकहरूले स्वीकार गर्छन् कि अध्ययन गरिएका घटनाहरू वस्तुनिष्ठ र कठोर रूपमा अवलोकन गर्न सकिन्छ।

3.1.1.2 व्याख्यात्मक अनुसन्धान

व्याख्यात्मक अनुसन्धान, जसलाई प्रायः घटना विज्ञान वा एन्टि-पोजिटिभवाद भनिन्छ, न्युमन (1994) द्वारा वर्णन गरिएको छ "प्राकृतिक परिस्थितिहरूमा मानिसहरूको प्रत्यक्ष र विस्तृत अवलोकनको माध्यमबाट कार्यको सामाजिक अर्थको व्यवस्थित विश्लेषण, एक समझमा पुग्न र मानिसहरूले आफ्नो सामाजिक संसार कसरी सिर्जना र कायम राख्छन् भन्ने व्याख्या गर्न। व्याख्यात्मक अध्ययनहरूले यो धारणालाई अस्वीकार गर्दछ कि अवलोकन गरिएको घटना वस्तुनिष्ठ रूपमा अवलोकन गर्न सकिन्छ। वास्तवमा तिनीहरू व्यक्तिपरक व्याख्याहरूमा आधारित छन्। यसबाहेक, व्याख्यात्मक अनुसन्धानकर्ताहरूले उनीहरूले अध्ययन गर्ने घटनाहरूमा प्राथमिकताका अर्थहरू थोपर्दैनन्।

यस विधिमा व्यक्तिपरक/तर्कात्मक अध्ययन, कार्य अनुसन्धान, वर्णनात्मक/व्याख्यात्मक अध्ययन, भविष्यको अनुसन्धान र भूमिका खेल्ने समावेश छ। यी सर्वेक्षणहरू र केस स्टडीहरू बाहेक यस दृष्टिकोणमा समावेश गर्न सकिन्छ किनकि तिनीहरू जटिल वास्तविक-विश्व परिस्थितिहरूमा व्यक्ति वा संस्थाहरूको अध्ययनसँग सम्बन्धित छन्।

३.१.१.३ आलोचनात्मक अनुसन्धान

आलोचनात्मक अनुसन्धान सामाजिक विज्ञानमा सबैभन्दा कम ज्ञात दृष्टिकोण हो तर हालै सूचना प्रणाली शोधकर्ताहरूबाट ध्यान प्राप्त भएको छ। दार्शनिक धारणा कि सामाजिक वास्तविकता ऐतिहासिक रूपमा उत्पादन र मानिसहरू द्वारा पुन: उत्पादन गरिन्छ, साथै सामाजिक प्रणालीहरू तिनीहरूका कार्यहरू र अन्तरक्रियाहरूद्वारा। तथापि, तिनीहरूको क्षमता धेरै सामाजिक, सांस्कृतिक र राजनीतिक विचारहरू द्वारा मध्यस्थता छ।

व्याख्यात्मक अनुसन्धान जस्तै, आलोचनात्मक अनुसन्धानले सकारात्मकतावादी अनुसन्धानले सामाजिक सन्दर्भसँग कुनै सरोकार राख्दैन र मानव कार्यहरूमा यसको प्रभावलाई बेवास्ता गर्छ।
आलोचनात्मक अनुसन्धान, अर्कोतर्फ, व्याख्यात्मक अनुसन्धानको आलोचना गर्दछ धेरै व्यक्तिपरक हुन र मानिसहरूलाई आफ्नो जीवन सुधार गर्न मद्दत गर्ने लक्ष्य नभएको कारण। आलोचनात्मक अनुसन्धान र अन्य दुई दृष्टिकोणहरू बीचको सबैभन्दा ठूलो भिन्नता यसको मूल्याङ्कन आयाम हो। जबकि सकारात्मकतावादी र व्याख्यात्मक परम्पराहरूको वस्तुनिष्ठता यथास्थिति वा सामाजिक वास्तविकताको भविष्यवाणी वा व्याख्या गर्नु हो, आलोचनात्मक अनुसन्धानले अध्ययन अन्तर्गत सामाजिक वास्तविकताको आलोचनात्मक मूल्याङ्कन र रूपान्तरण गर्ने लक्ष्य राख्छ।

आलोचनात्मक अनुसन्धानकर्ताहरूले सामान्यतया सामाजिक भिन्नताहरू हटाउन र सामाजिक अवस्था सुधार गर्न यथास्थितिको विरोध गर्छन्। आलोचनात्मक अनुसन्धानले चासोको घटनाको प्रक्रियागत दृष्टिकोणको लागि प्रतिबद्धता छ र त्यसैले, सामान्यतया अनुदैर्ध्य हुन्छ। अनुसन्धान विधिका उदाहरणहरू दीर्घकालीन ऐतिहासिक अध्ययन र एथनोग्राफिक अध्ययनहरू हुन्। आलोचनात्मक अनुसन्धान, तथापि, सूचना प्रणाली अनुसन्धानमा व्यापक रूपमा प्रयोग गरिएको छैन

३.१.२ अनुसन्धानको उद्देश्य

अनुसन्धानको प्रकृति संगै, यसको उद्देश्य अनुसन्धानकर्तालाई एक विशेष अनुसन्धान विधि चयन गर्न मार्गदर्शन गर्न प्रयोग गर्न सकिन्छ। अनुसन्धान परियोजनाको उद्देश्य अनुसन्धान चक्रको सम्बन्धमा अनुसन्धानको स्थितिसँग नजिकको सम्बन्ध छ जसमा तीन चरणहरू हुन्छन्: सिद्धान्त निर्माण, सिद्धान्त परीक्षण र सिद्धान्त परिष्करण। यसरी, अनुसन्धान चक्रको समयको आधारमा, एक अनुसन्धान परियोजनाको व्याख्यात्मक, वर्णनात्मक, अन्वेषण वा भविष्यवाणी गर्ने उद्देश्य हुन सक्छ।

३.१.२.१ अन्वेषणात्मक अनुसन्धान

अन्वेषणात्मक अनुसन्धानको उद्देश्य पूर्ण रूपमा नयाँ विषयको खोजी गर्नु र भविष्यको अनुसन्धानका लागि प्रश्नहरू र परिकल्पनाहरू तयार गर्नु हो। यस प्रकारको अनुसन्धानलाई नयाँ क्षेत्रमा प्रारम्भिक सन्दर्भहरू प्राप्त गर्न सिद्धान्त निर्माणमा प्रयोग गरिन्छ। सामान्यतया, गुणात्मक अनुसन्धान विधिहरू प्रयोग गरिन्छ, जस्तै केस स्टडीहरू वा घटनात्मक अध्ययनहरू।

यद्यपि, अन्वेषणात्मक सर्वेक्षण वा प्रयोगहरू जस्ता मात्रात्मक प्रविधिहरू प्रयोग गर्न पनि सम्भव छ।

३.१.३.३ वर्णनात्मक अनुसन्धान

वर्णनात्मक अनुसन्धानको उद्देश्य कुनै विशेष संगठनात्मक अवस्था वा अभ्यासलाई विस्तृत रूपमा विश्लेषण र वर्णन गर्नु हो। यो सिद्धान्तहरू निर्माण गर्नका लागि उपयुक्त छ र परिकल्पनाहरूलाई पुष्टि वा चुनौती दिन पनि प्रयोग गर्न सकिन्छ। वर्णनात्मक अनुसन्धानले सामान्यतया उपाय र नमूनाहरूको प्रयोग समावेश गर्दछ। सबैभन्दा उपयुक्त अनुसन्धान विधिहरूमा पूर्ववर्तीहरूको सर्वेक्षण र विश्लेषण समावेश छ।

3.1.2.3 व्याख्यात्मक अनुसन्धान

व्याख्यात्मक अनुसन्धानले चीजहरू किन हुन्छ भनेर व्याख्या गर्ने प्रयास गर्दछ। यो पहिले नै अध्ययन गरिएको तथ्यहरूमा बनाइएको छ र यी तथ्यहरूको कारणहरू खोज्ने प्रयास गर्दछ।
यसरी व्याख्यात्मक अनुसन्धान सामान्यतया अन्वेषण वा वर्णनात्मक अनुसन्धानमा बनाइन्छ र सिद्धान्तहरू परीक्षण र परिष्कृत गर्न सहायक हुन्छ। व्याख्यात्मक अनुसन्धानले सामान्यतया केस स्टडी वा सर्वेक्षणमा आधारित अनुसन्धान विधिहरू प्रयोग गर्दछ।

3.1.2.4 रोकथाम अनुसन्धान

निवारक अनुसन्धानको उद्देश्य अध्ययन भइरहेको अवलोकन अन्तर्गतका घटनाहरू र व्यवहारहरूको भविष्यवाणी गर्नु हो (मार्शल र रसम्यान 1995)। भविष्यवाणी सत्यको मानक वैज्ञानिक परीक्षण हो। यस प्रकारको अनुसन्धानले सामान्यतया सर्वेक्षण वा विश्लेषणलाई रोजगार दिन्छ डाटा इतिहासकारहरू। (यिन १९८९)

माथिको छलफलले देखाउँछ कि त्यहाँ धेरै सम्भावित अनुसन्धान विधिहरू छन् जुन विशेष अध्ययनमा प्रयोग गर्न सकिन्छ। यद्यपि, त्यहाँ एक विशेष विधि हुनुपर्छ जुन एक विशेष प्रकारको अनुसन्धान परियोजनाको लागि अन्य भन्दा बढी उपयुक्त छ। (ग्यालियर्स 1987, यिन 1989, डे भास 1991)। तसर्थ, प्रत्येक अनुसन्धानकर्ताले अनुसन्धान परियोजनासँग सबैभन्दा उपयुक्त र उपयुक्त अनुसन्धान विधि अपनाउन विभिन्न विधिहरूको शक्ति र कमजोरीहरूलाई ध्यानपूर्वक मूल्याङ्कन गर्न आवश्यक छ। (Jenkins 1985, Pervan and Class 1992, Bonomia 1985, Yin 1989, Himilton and Ives 1992)।

३.२। सम्भावित अनुसन्धान विधिहरू

यस परियोजनाको उद्देश्य i सँग अष्ट्रेलियाली संस्थाहरूमा अनुभव अध्ययन गर्नु थियो डाटा को विकास संग भण्डारण डाटा गोदाम. डाटा कि, हाल, अष्ट्रेलिया मा डाटा भण्डारण को क्षेत्र मा अनुसन्धान को कमी छ, यो अनुसन्धान परियोजना अझै पनि अनुसन्धान चक्र को सैद्धांतिक चरण मा छ र एक अन्वेषण उद्देश्य छ। डेटा भण्डारण अपनाउने अस्ट्रेलियाली संस्थाहरूमा अनुभवको अन्वेषण गर्न वास्तविक समाजको व्याख्या आवश्यक छ। फलस्वरूप, अनुसन्धान परियोजना अन्तर्निहित दार्शनिक धारणाले परम्परागत व्याख्यालाई पछ्याउँछ।

उपलब्ध विधिहरूको कठोर परीक्षण पछि, दुई सम्भावित अनुसन्धान विधिहरू पहिचान गरियो: सर्वेक्षण र केस स्टडीहरू, जुन अन्वेषण अनुसन्धानको लागि प्रयोग गर्न सकिन्छ (Shanks et al. 1993)। ग्यालियर्स (1992) ले आफ्नो संशोधित वर्गीकरणमा यस विशेष अध्ययनको लागि यी दुई विधिहरूको उपयुक्तताको लागि तर्क गर्छन् कि तिनीहरू सिद्धान्त निर्माणको लागि उपयुक्त छन्। निम्न दुई उपखण्डहरूले प्रत्येक विधिलाई विस्तृत रूपमा छलफल गर्दछ।

३.२.१ सर्वेक्षण अनुसन्धान विधि

सर्वेक्षण अनुसन्धान विधि पुरातन जनगणना विधिबाट आएको हो। जनगणनाले सम्पूर्ण जनसङ्ख्याबाट जानकारी सङ्कलन गर्छ। यो विधि महँगो र अव्यावहारिक छ, विशेष गरी यदि जनसंख्या ठूलो छ। यसैले, जनगणनाको तुलनामा, सर्वेक्षणले सामान्यतया जनसंख्याको प्रतिनिधिहरूको सानो संख्या, वा नमूनाको लागि जानकारी सङ्कलन गर्नमा केन्द्रित हुन्छ (Fowler 1988, Neuman 1994)। नमूना संरचना, आकार, र प्रयोग गरिएको चयन विधि (Fowler 1988, Babbie 1982, Neuman 1994) मा निर्भर गर्दै, एक नमूनाले जनसंख्यालाई प्रतिबिम्बित गर्दछ, जसबाट यो कोरिएको छ, सटीकताको विभिन्न स्तरहरू।

सर्वेक्षण विधिलाई "प्रश्नावली वा अन्तर्वार्ताको प्रयोग गरेर गरिएको अभ्यास, परिस्थिति वा समयको कुनै विशेष बिन्दुमा विचारहरूको स्न्यापसटहरू, जसबाट निष्कर्ष निकाल्न सकिन्छ भनेर परिभाषित गरिएको छ।
बनाइएको" (ग्यालियर्स 1992:153) [प्रश्नावली वा अन्तर्वार्ताहरू प्रयोग गरेर गरिएको अभ्यास, परिस्थिति वा समयको विशेष बिन्दुमा विचारहरूको स्न्यापसट, जसबाट निष्कर्ष निकाल्न सकिन्छ]। सर्वेक्षणहरूले अध्ययनका केही पक्षहरूका बारेमा जानकारी सङ्कलन गर्ने, सहभागीहरूको निश्चित संख्याबाट, प्रश्नहरू सोधेर (Fowler 1988) सँग सम्झौता गर्दछ। यी प्रश्नावली र अन्तर्वार्ताहरू, जसमा आमने-सामने टेलिफोन अन्तर्वार्ता र संरचित व्यक्तिहरू समावेश छन्, पनि सङ्कलन प्रविधिहरू हुन्। डाटा प्रायः अनुसन्धानमा कार्यरत (Blalock 1970, Nachmias and Nachmias 1976, Fowler 1988), अवलोकन र विश्लेषणहरू प्रयोग गर्न सकिन्छ (Gable 1994)। सङ्कलन गर्ने यी सबै विधिहरू डाटाप्रश्नावलीको प्रयोग सबैभन्दा लोकप्रिय प्रविधि हो, किनकि यसले i डाटा

संकलित संरचित र ढाँचाबद्ध छन्, र त्यसैले जानकारी को वर्गीकरण सुविधा (Hwang 1987, de Vaus 1991)।

विश्लेषण गर्दा म डाटा, एक अनुसन्धान रणनीतिले प्रायः संख्यात्मक प्रविधिहरू प्रयोग गर्दछ, जस्तै सांख्यिकीय विश्लेषण, तर गुणात्मक प्रविधिहरू पनि प्रयोग गर्न सकिन्छ (Galliers 1992, Pervan

र क्लास 1992, गेबल 1994)। सामान्यतया, i डाटा सङ्कलन वितरण र संघहरूको ढाँचा विश्लेषण गर्न प्रयोग गरिन्छ (Fowler 1988)।

यद्यपि सर्वेक्षणहरू सामान्यतया 'के?' प्रश्नसँग सम्बन्धित अनुसन्धानका लागि उपयुक्त हुन्छन्। (के) वा यसबाट व्युत्पन्न, जस्तै 'कति' र 'कति', तिनीहरूलाई प्रश्न 'किन' मार्फत सोध्न सकिन्छ (Sonquist and Dunkelberg 1977, Yin 1989)। Sonquist and Dunkelberg (1977) को अनुसार, अनुसन्धान अनुसन्धानले चुनौतीपूर्ण परिकल्पनाहरू, कार्यक्रमहरू मूल्याङ्कन गर्ने, जनसंख्याको वर्णन गर्ने, र मानव व्यवहारको मोडेलहरू विकास गर्ने उद्देश्य राख्दछ। यसबाहेक, सर्वेक्षणहरू निश्चित जनसंख्या विचार, अवस्था, राय, विशेषताहरू, अपेक्षाहरू र विगत वा वर्तमान व्यवहारहरू (Neuman 1994) अध्ययन गर्न प्रयोग गर्न सकिन्छ।

सर्वेक्षणहरूले अनुसन्धानकर्तालाई जनसंख्या बीचको सम्बन्ध पत्ता लगाउन अनुमति दिन्छ र परिणामहरू सामान्यतया अन्य विधिहरू भन्दा बढी सामान्य हुन्छन् (Sonquist र Dunkelberg 1977, Gable 1994)। सर्वेक्षणहरूले अनुसन्धानकर्ताहरूलाई ठूलो भौगोलिक क्षेत्र कभर गर्न र धेरै उत्तरदाताहरूमा पुग्न अनुमति दिन्छ (Blalock 1970, Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994, Neuman 1994)। अन्तमा, सर्वेक्षणहरूले अन्यत्र उपलब्ध नभएको वा विश्लेषणका लागि आवश्यक फारममा जानकारी प्रदान गर्न सक्छ (Fowler 1988)।

तथापि, सर्वेक्षण सञ्चालन गर्न केही सीमितताहरू छन्। एक हानि यो हो कि अनुसन्धानकर्ताले अध्ययन गरिएको वस्तुको बारेमा धेरै जानकारी प्राप्त गर्न सक्दैन। यो तथ्यको कारण हो कि सर्वेक्षणहरू केवल एक विशेष समयमा गरिन्छ र त्यसैले, त्यहाँ सीमित संख्यामा चरहरू र व्यक्तिहरू छन् जुन अनुसन्धानकर्ताले गर्न सक्छन्।

अध्ययन (यिन 1989, डे भास 1991, गेबल 1994, डेन्सकोम्बे 1998)। अर्को हानि यो हो कि सर्वेक्षण गर्न समय र स्रोतको हिसाबले धेरै महँगो हुन सक्छ, विशेष गरी यदि यसमा आमनेसामने अन्तर्वार्ता समावेश छ (Fowler 1988)।

३.२.२। अनुसन्धान अनुसन्धान विधि

अनुसन्धान अनुसन्धान विधिले अनुसन्धानकर्ताको कुनै हस्तक्षेप बिना कुनै निश्चित समयावधिमा यसको वास्तविक-विश्व सन्दर्भ भित्र कुनै विशेष परिस्थितिको गहिरो अध्ययन समावेश गर्दछ (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985)। मुख्यतया यो विधि विशेष परिस्थितिमा अध्ययन भइरहेका चरहरू बीचको सम्बन्धहरू वर्णन गर्न प्रयोग गरिन्छ (Galliers 1992)। विश्लेषण गरिएको घटना (फ्रान्ज र रोबे 1987, Eisenhardt 1989, Yin 1989) को आधारमा अनुसन्धानले एकल वा धेरै केसहरू समावेश गर्न सक्छ।

सोधपुछ अनुसन्धान विधिलाई "मानिस, समूह, वा संस्थाहरू जस्ता एक वा बढी संस्थाहरूबाट सङ्कलन गरिएका धेरै स्रोतहरू प्रयोग गरी वास्तविक सन्दर्भमा समकालीन घटनाको अध्ययन गर्ने अनुभवजन्य अनुसन्धान" (यिन १९८९) भनेर परिभाषित गरिएको छ। त्यहाँ घटना र यसको सन्दर्भ बीच कुनै स्पष्ट विभाजन छैन र त्यहाँ कुनै प्रयोगात्मक नियन्त्रण वा चर को हेरफेर छैन (Yin 1989, Benbasat et al. 1989)।

सङ्कलन गर्न विभिन्न प्रविधिहरू छन् डाटा जसलाई सोधपुछ विधिमा प्रयोग गर्न सकिन्छ, जसमा प्रत्यक्ष अवलोकन, अभिलेखको समीक्षा, प्रश्नावली, दस्तावेज समीक्षा र संरचित अन्तर्वार्ताहरू समावेश छन्। फसल काट्ने प्रविधिको विविध दायरा भएको डाटा, अनुसन्धानले अनुसन्धानकर्ताहरूलाई दुवैसँग व्यवहार गर्न अनुमति दिन्छ डाटा एकै समयमा गुणात्मक र मात्रात्मक (बोनोमा 1985, Eisenhardt 1989, Yin 1989, Gable 1994)। सर्वेक्षण विधिको मामलामा, एक सर्वेक्षण अनुसन्धानकर्ताले एक पर्यवेक्षक वा अनुसन्धानकर्ताको रूपमा काम गर्दछ र अध्ययन अन्तर्गत संगठनमा सक्रिय सहभागीको रूपमा होइन।

Benbasat et al. (1987) दावी गर्दछ कि अनुसन्धान विधि विशेष गरी अनुसन्धान सिद्धान्त निर्माण गर्न उपयुक्त छ, जुन अनुसन्धान प्रश्नबाट सुरु हुन्छ र शिक्षा संग जारी रहन्छ।

सङ्कलन प्रक्रियाको क्रममा एक सिद्धान्तको डाटा। स्टेजको लागि पनि उपयुक्त छ

सिद्धान्त निर्माणको बारेमा, फ्रान्ज र रोबे (1987) ले सुझाव दिन्छ कि जटिल सिद्धान्त चरणको लागि सोधपुछ विधि पनि प्रयोग गर्न सकिन्छ। यस अवस्थामा, सङ्कलन प्रमाणहरूको आधारमा, दिइएको सिद्धान्त वा परिकल्पना प्रमाणित वा खण्डन गरिन्छ। थप रूपमा, सर्वेक्षण 'कसरी' वा 'किन' प्रश्नहरू (यिन 1989) सँग सम्बन्धित अनुसन्धानका लागि पनि उपयुक्त छ।

अन्य विधिहरूको तुलनामा, सर्वेक्षणहरूले अनुसन्धानकर्तालाई आवश्यक जानकारीलाई थप विवरणमा खिच्न अनुमति दिन्छ (Galliers 1992, Shanks et al. 1993)। यसबाहेक, सर्वेक्षणहरूले अनुसन्धानकर्तालाई अध्ययन गरिएका प्रक्रियाहरूको प्रकृति र जटिलता बुझ्न अनुमति दिन्छ (Benbasat et al. 1987)।

सर्वेक्षण विधिसँग सम्बन्धित चार मुख्य हानिहरू छन्। पहिलो नियन्त्रित कटौतीको अभाव हो। शोधकर्ताको आत्मीयताले अध्ययनको नतिजा र निष्कर्षलाई परिवर्तन गर्न सक्छ (यिन 1989)। दोस्रो हानि भनेको नियन्त्रित अवलोकनको कमी हो। प्रयोगात्मक विधिहरूको विपरीत, अनुसन्धान अनुसन्धानकर्ताले अध्ययन गरिएका घटनाहरूलाई नियन्त्रण गर्न सक्दैन किनभने तिनीहरू तिनीहरूको प्राकृतिक सन्दर्भमा जाँच गरिन्छ (Gable 1994)। तेस्रो हानि प्रतिकृतिको कमी हो। यो किनभने अनुसन्धानकर्ताले समान घटनाहरू अवलोकन गर्न असम्भव छ, र एक विशेष अध्ययन (ली 1989) को नतिजा प्रमाणित गर्न सक्दैन। अन्तमा, गैर-प्रतिकृतिको परिणामको रूपमा, एक वा बढी अनुसन्धानबाट प्राप्त नतिजाहरूलाई सामान्यीकरण गर्न गाह्रो छ (Galliers 1992, Shanks et al 1993)। यी सबै समस्याहरू, तथापि, दुर्गम छैनन् र, वास्तवमा, उपयुक्त कार्यहरू लागू गरेर अनुसन्धानकर्ता द्वारा कम गर्न सकिन्छ (ली 1989)।

३.३। अनुसन्धान पद्धतिलाई औचित्य दिनुहोस् अपनाएको

यस अध्ययनको लागि दुई सम्भावित अनुसन्धान विधिहरू मध्ये, सर्वेक्षण विधि सबैभन्दा उपयुक्त मानिन्छ। सम्बन्धित व्यक्तिहरूको सावधानीपूर्वक विचार पछि अनुसन्धान खारेज गरियो

गुण र कमजोरीहरू। यस अध्ययनको लागि प्रत्येक विधिको उपयुक्तता वा अनुपयुक्तता तल छलफल गरिएको छ।

३.३.१। अनुसन्धान विधिको अनुपयुक्तता अनुसन्धानको

सोधपुछ विधिलाई समय अवधिमा एक वा बढी संस्थाहरू भित्रको विशेष परिस्थितिको बारेमा गहिरो अध्ययन आवश्यक छ (Eisenhardt 1989)। यस अवस्थामा, अवधि यस अध्ययनको लागि दिइएको समय सीमा भन्दा बढी हुन सक्छ। सर्वेक्षण विधि अपनाउन नसक्नुको अर्को कारण यो हो कि परिणामहरू कठोरताको कमीबाट ग्रस्त हुन सक्छन् (यिन 1989)। शोधकर्ताको आत्मीयताले नतिजा र निष्कर्षलाई प्रभाव पार्न सक्छ। अर्को कारण यो हो कि यो विधि 'कसरी' वा 'किन' प्रकारका प्रश्नहरू (यिन 1989) को अनुसन्धानको लागि बढी उपयुक्त छ, जबकि यस अध्ययनको लागि अनुसन्धान प्रश्न 'कस्तो' प्रकारको हो। अन्तिम तर कम्तिमा, यो केवल एक वा केहि अनुसन्धानबाट निष्कर्षहरू सामान्यीकरण गर्न गाह्रो छ (Galliers 1992, Shanks et al. 1993)। यस तर्कको आधारमा, सर्वेक्षण अनुसन्धान विधि यस अध्ययनको लागि अनुपयुक्त भएकोले छनौट गरिएको थिएन।

३.३.२। को खोज विधि को सुविधा अनुसन्धान

जब यो अनुसन्धान गरिएको थियो, डेटा भण्डारणको अभ्यासलाई अष्ट्रेलियाका संस्थाहरूले व्यापक रूपमा अपनाएका थिएनन्। त्यसोभए, अष्ट्रेलियाका संस्थाहरूमा तिनीहरूको कार्यान्वयनको बारेमा धेरै जानकारी थिएन। उपलब्ध जानकारी संस्थाहरूबाट आएको हो जसले कार्यान्वयन वा प्रयोग गरेको थियो डाटा गोदाम। यस अवस्थामा, सर्वेक्षण अनुसन्धान विधि सबैभन्दा उपयुक्त छ किनकि यसले अन्यत्र उपलब्ध नभएको वा विश्लेषणको लागि आवश्यक फारममा जानकारी प्राप्त गर्न अनुमति दिन्छ (Fowler 1988)। थप रूपमा, सर्वेक्षण अनुसन्धान विधिले अनुसन्धानकर्तालाई कुनै विशेष समयमा अभ्यासहरू, परिस्थितिहरू, वा दृश्यहरूमा राम्रो अन्तरदृष्टि प्राप्त गर्न अनुमति दिन्छ (Galliers 1992, Denscombe 1998)। अष्ट्रेलियाली डाटा भण्डारण अनुभवको बारेमा ज्ञान बढाउनको लागि एक सिंहावलोकन आवश्यक थियो।

यसबाहेक, Sonquist and Dunkelberg (1977) ले सर्वेक्षण अनुसन्धानका नतिजाहरू अन्य विधिहरू भन्दा बढी सामान्य भएको बताउँछन्।

३.४। सर्वेक्षण अनुसन्धान डिजाइन

डाटा भण्डारण अभ्यासहरूमा सर्वेक्षण 1999 मा गरिएको थियो। लक्षित जनसंख्या डेटा भण्डारण अध्ययनमा रुचि राख्ने अष्ट्रेलियाली संस्थाहरू द्वारा गठन गरिएको थियो, किनकि उनीहरूलाई पहिले नै सूचित गरिएको थियो। डाटा कि तिनीहरू भण्डारण गर्छन् र, त्यसैले, यस अध्ययनको लागि उपयोगी जानकारी प्रदान गर्न सक्छन्। डाटा वेयरहाउसिङ इन्स्टिच्युट (Tdwi-aap) का सबै अष्ट्रेलियाली सदस्यहरूको प्रारम्भिक सर्वेक्षण मार्फत लक्षित जनसंख्या पहिचान गरिएको थियो। यस खण्डले यस अध्ययनको अनुभवजन्य अनुसन्धान चरणको डिजाइनको बारेमा छलफल गर्दछ।

३.४.१। फसल काट्ने प्रविधि डाटा

सर्वेक्षण अनुसन्धानमा सामान्यतया प्रयोग हुने तीन प्रविधिहरूबाट (जस्तै मेल प्रश्नावली, टेलिफोन अन्तर्वार्ता र व्यक्तिगत अन्तर्वार्ता) (Nachmias 1976, Fowler 1988, de Vaus 1991), मेल प्रश्नावली यस अध्ययनको लागि अपनाइयो। पछिल्लोलाई अपनाउनुको पहिलो कारण यो हो कि यो भौगोलिक रूपमा फैलिएको जनसंख्यामा पुग्न सक्छ (ब्लाक 1970, Nachmias र Nachmias 1976, Hwang र लिन 1987, de Vaus 1991, Gable 1994)। दोस्रो, मेल प्रश्नावली उच्च शिक्षित सहभागीहरूको लागि उपयुक्त छ (Fowler 1988)। यस अध्ययनको लागि मेल प्रश्नावली डाटा भण्डारण परियोजना प्रायोजकहरू, निर्देशकहरू र/वा परियोजना प्रबन्धकहरूलाई सम्बोधन गरिएको थियो। तेस्रो, सुरक्षित मेलिङ सूची उपलब्ध हुँदा मेल प्रश्नावलीहरू उपयुक्त हुन्छन् (सलान्ट र डिल्मन 1994)। TDWI, यस अवस्थामा, एक विश्वसनीय डाटा भण्डारण संघले आफ्नो अष्ट्रेलियाली सदस्यहरूको मेलिङ सूची प्रदान गरेको छ। टेलिफोन प्रश्नावली वा व्यक्तिगत अन्तर्वार्ताहरूमा मेल प्रश्नावलीको अर्को फाइदा यो हो कि यसले उत्तरदायीहरूलाई अझ सटीक रूपमा प्रतिक्रिया दिन अनुमति दिन्छ, विशेष गरी जब उत्तरदाताहरूले टिप्पणीहरू परामर्श गर्नुपर्छ वा अन्य व्यक्तिहरूसँग प्रश्नहरू छलफल गर्नुपर्छ (Fowler 1988)।

सम्भावित हानि मेल द्वारा प्रश्नावली सञ्चालन गर्न आवश्यक समय हुन सक्छ। सामान्यतया, मेल सर्वेक्षण यस अनुक्रममा सञ्चालन गरिन्छ: मेल पत्रहरू, प्रतिक्रियाहरूको लागि पर्खनुहोस्, र पुष्टिकरण पठाउनुहोस् (Fowler 1988, Bainbridge 1989)। यसरी, कुल समय व्यक्तिगत अन्तर्वार्ता वा टेलिफोन अन्तर्वार्ताको लागि आवश्यक समय भन्दा लामो हुन सक्छ। यद्यपि, कुल समय अग्रिम थाहा पाउन सकिन्छ (Fowler 1988, Denscombe 1998)। व्यक्तिगत अन्तर्वार्ता सञ्चालन गर्दा बिताएको समय पहिले नै थाहा पाउन सकिँदैन किनकि यो एक अन्तर्वार्तामा अर्को अन्तर्वार्तामा भिन्न हुन्छ (Fowler 1988)। टेलिफोन अन्तर्वार्ताहरू हुलाक प्रश्नावली र व्यक्तिगत अन्तर्वार्ताहरू भन्दा छिटो हुन सक्छ तर केही व्यक्तिहरूको अनुपलब्धताका कारण उच्च गैर-प्रतिक्रिया दर हुन सक्छ (Fowler 1988)। थप रूपमा, टेलिफोन अन्तर्वार्ताहरू सामान्यतया प्रश्नहरूको तुलनात्मक रूपमा छोटो सूचीहरूमा सीमित हुन्छन् (बेनब्रिज 1989)।

मेल प्रश्नावलीको अर्को कमजोरी उच्च गैर-प्रतिक्रिया दर हो (फाउलर 1988, बेनब्रिज 1989, न्यूमन 1994)। यद्यपि, यस अध्ययनलाई विश्वसनीय डाटा भण्डारण संस्था (जस्तै TDWI) (बेनब्रिज 1989, न्युमन 1994) सँग जोडेर काउन्टरमेसनहरू लिइएको छ, जसले गैर-उत्तरवाहकहरूलाई दुईवटा रिमाइन्डर पत्रहरू पठाउँछ (फाउलर 1988, न्यूमन 1994) र थप पत्र पनि समावेश गर्दछ। अध्ययनको उद्देश्य व्याख्या गर्दै (Neuman 1994)।

३.४.२। विश्लेषण को एकाइ

यस अध्ययनको उद्देश्य डाटा भण्डारणको कार्यान्वयन र अष्ट्रेलियाका संस्थाहरूमा यसको प्रयोगको बारेमा जानकारी प्राप्त गर्नु हो। लक्षित जनसंख्यामा सबै अष्ट्रेलियाली संस्थाहरू समावेश हुन्छन् जसले कार्यान्वयन गरेका, वा कार्यान्वयन गरिरहेका छन्, i डाटा गोदाम। त्यसपछि व्यक्तिगत संस्थाहरू नाममा दर्ता हुन्छन्। प्रश्नावली ग्रहण गर्न इच्छुक संस्थाहरूलाई मेल मार्फत पठाइएको थियो डाटा गोदाम। यस विधिले प्रत्येक सहभागी संगठनको सबैभन्दा उपयुक्त स्रोतहरूबाट सङ्कलन गरिएको जानकारी सुनिश्चित गर्दछ।

३.४.३। सर्वेक्षण नमूना

सर्वेक्षण सहभागीहरूको "मेलिङ सूची" TDWI बाट प्राप्त गरिएको थियो। यस सूचीबाट, 3000 अष्ट्रेलियाली संस्थाहरूलाई नमूनाको लागि आधारको रूपमा छनोट गरिएको थियो। सर्वेक्षणको परियोजना र उद्देश्य बताउने एउटा अतिरिक्त पत्र, जवाफ पत्र र पूरा गरिएको प्रश्नावली फिर्ता गर्नको लागि प्रि-पेड खामको साथ नमूनामा पठाइएको थियो। 3000 संस्थाहरू मध्ये, 198 अध्ययनमा भाग लिन सहमत भए। यति सानो संख्यामा प्रतिक्रियाको अपेक्षा गरिएको थियो डाटा अष्ट्रेलियाली संस्थाहरूको ठूलो संख्या जसले त्यसबेला आफ्नो संगठन भित्र डाटा भण्डारण रणनीतिलाई अँगालेको थियो वा अँगालेको थियो। यसरी, यस अध्ययनको लागि लक्षित जनसंख्या मात्र 198 संगठनहरू छन्।

३.४.४। प्रश्नावलीको सामग्री

प्रश्नावलीको संरचना मोनाश डाटा भण्डारण मोडेलमा आधारित थियो (पहिले भाग २.३ मा छलफल गरिएको थियो)। प्रश्नावलीको सामग्री अध्याय 2.3 मा प्रस्तुत गरिएको साहित्य विश्लेषणमा आधारित थियो। सर्वेक्षण सहभागीहरूलाई पठाइएको प्रश्नावलीको प्रतिलिपि परिशिष्ट B मा फेला पार्न सकिन्छ। प्रश्नावलीमा छवटा खण्डहरू हुन्छन्, जुन कभर गरिएको मोडेलका चरणहरू पछ्याउँछन्। निम्न छ अनुच्छेदहरूले प्रत्येक खण्डको सामग्रीलाई संक्षिप्त रूपमा संक्षेपमा प्रस्तुत गर्दछ।

खण्ड A: संस्थाको बारेमा आधारभूत जानकारी
यस खण्डमा सहभागी संस्थाहरूको प्रोफाइलसँग सम्बन्धित प्रश्नहरू छन्। थप रूपमा, केही प्रश्नहरू सहभागीको डाटा भण्डारण परियोजना स्थितिसँग सम्बन्धित छन्। सर्वेक्षण विश्लेषणमा संस्थाको नाम जस्ता गोप्य जानकारी खुलाएको छैन।

खण्ड B: शुरुवात
यस खण्डका प्रश्नहरू डाटा भण्डारण सुरु गर्ने कार्यसँग सम्बन्धित छन्। परियोजना प्रारम्भकर्ताहरू, ग्यारेन्टरहरू, आवश्यक सीप र ज्ञान, डाटा भण्डारण विकास उद्देश्यहरू र अन्त-प्रयोगकर्ता अपेक्षाहरू बारे प्रश्नहरू सोधिएको थियो।

खण्ड C: डिजाइन
यस खण्डमा योजना गतिविधिहरू सम्बन्धित प्रश्नहरू छन् डाटा गोदाम। विशेष गरी, प्रश्नहरू कार्यान्वयनको दायरा, परियोजनाको अवधि, परियोजनाको लागत र लागत/लाभ विश्लेषणको बारेमा थिए।

खण्ड D: विकास
विकास खण्डमा विकास गतिविधिसँग सम्बन्धित प्रश्नहरू छन् डाटा गोदाम: अन्तिम प्रयोगकर्ता आवश्यकताहरूको संग्रह, स्रोतहरू डाटा, तार्किक मोडेल डाटा, प्रोटोटाइपहरू, क्षमता योजना, प्राविधिक वास्तुकला र डेटा भण्डारण विकास उपकरणहरूको चयन।

खण्ड E: सञ्चालन
सञ्चालन र विस्तारिततासँग सम्बन्धित परिचालन प्रश्नहरू डाटा गोदाम, यो कसरी विकासको अर्को चरणमा विकसित हुन्छ। त्यहाँ डाटा गुणस्तर, को ताजा रणनीतिहरु डाटा, को विघटन डाटा, स्केलेबिलिटी डाटा गोदाम र सुरक्षा मुद्दाहरू डाटा गोदाम सोधिएका प्रश्नहरूको प्रकारहरू मध्ये थिए।

खण्ड F: विकास
यस खण्डमा प्रयोग गर्न सम्बन्धित प्रश्नहरू छन् डाटा गोदाम अन्त प्रयोगकर्ताहरू द्वारा। अनुसन्धानकर्ताको उद्देश्य र उपयोगितामा चासो थियो डाटा गोदाम, समीक्षा र प्रशिक्षण रणनीति अपनाईएको र नियन्त्रण रणनीति डाटा गोदाम अपनाएको।

३.४.५। प्रतिक्रिया दर

यद्यपि मेल सर्वेक्षणहरू कम प्रतिक्रिया दर भएकोमा आलोचना गरिएको छ, फिर्ता दर बढाउन उपायहरू लिइएका छन् (भाग 3.4.1 मा पहिले छलफल गरिएझैं)। 'प्रतिक्रिया दर' शब्दले प्रश्नावलीमा जवाफ दिने विशेष सर्वेक्षण नमूनामा भएका व्यक्तिहरूको प्रतिशतलाई जनाउँछ (Denscombe 1998)। यस अध्ययनको लागि प्रतिक्रिया दर गणना गर्न निम्न सूत्र प्रयोग गरिएको थियो:

प्रतिक्रिया दिने व्यक्तिहरूको संख्या
जवाफ दर = —————————————————————————– पठाइएको प्रश्नावलीको कुल संख्या X १००

३.४.६। पायलट परीक्षण

प्रश्नावली नमूनामा पठाइनु अघि, लक र रुबिन (1987), ज्याक्सन (1988) र डे भास (1991) द्वारा सुझाव दिए अनुसार, पाइलट परीक्षणहरू गरेर प्रश्नहरूको जाँच गरियो। पायलट परीक्षणहरूको उद्देश्य कुनै पनि अप्ठ्यारो, अस्पष्ट अभिव्यक्ति र प्रश्नहरू प्रकट गर्नु हो जुन व्याख्या गर्न गाह्रो छ, प्रयोग गरिएका कुनै पनि परिभाषा र सर्तहरू स्पष्ट गर्न र प्रश्नावली पूरा गर्न आवश्यक पर्ने अनुमानित समय पहिचान गर्न (वारविक र लिनिंगर 1975, ज्याक्सन 1988, सलान्ट। र दिलमान 1994)। पायलट परीक्षणहरू अन्तिम विषयहरूसँग मिल्दोजुल्दो विषयहरू चयन गरेर, डेभिस ई द्वारा सुझाव दिए अनुसार गरिएको थियो। कोसेनजा (१९९३)। यस अध्ययनमा, छ जना डाटा भण्डारण पेशेवरहरूलाई पाइलट विषयको रूपमा छनोट गरिएको थियो। प्रत्येक पायलट परीक्षण पछि, आवश्यक सुधारहरू गरियो। पायलट परीक्षणहरूबाट, सहभागीहरूले प्रश्नावलीको अन्तिम संस्करणलाई पुन: आकार दिन र रिसेट गर्न योगदान दिए।

३.४.७। द्वारा विश्लेषण विधि DATI

I डाटा बन्द-समाप्त प्रश्नावलीहरूबाट सङ्कलन गरिएका सर्वेक्षणहरूको SPSS नामक तथ्याङ्कीय कार्यक्रम प्याकेज प्रयोग गरी विश्लेषण गरिएको थियो। धेरै प्रतिक्रियाहरू वर्णनात्मक तथ्याङ्कहरू प्रयोग गरेर विश्लेषण गरियो। धेरै प्रश्नावलीहरू अपूर्ण फिर्ता गरियो। यी सुनिश्चित गर्न को लागी अधिक हेरचाह संग उपचार गरिएको थियो डाटा हराइरहेको डाटा प्रविष्टि त्रुटिहरूको परिणाम थिएन, तर प्रश्नहरू दर्ताकर्ताका लागि उपयुक्त थिएनन्, वा दर्ताकर्ताले एक वा बढी विशिष्ट प्रश्नहरूको जवाफ नदिने निर्णय गरे। यी हराएको प्रतिक्रियाहरू विश्लेषणको क्रममा बेवास्ता गरियो डाटा र विश्लेषण प्रक्रियाबाट तिनीहरूको बहिष्कार सुनिश्चित गर्न '- 9' को रूपमा कोड गरिएको थियो।

प्रश्नावली तयार गर्दा, बन्द गरिएका प्रश्नहरूलाई प्रत्येक विकल्पमा नम्बर दिएर पूर्वकोड गरिएको थियो। त्यसपछि संख्या तयार गर्न प्रयोग गरियो डाटा विश्लेषणको क्रममा (Denscombe 1998, Sapsford र Jupp 1996)। उदाहरणका लागि, खण्ड B को प्रश्न 1 मा सूचीबद्ध छवटा विकल्पहरू थिए: निर्देशक बोर्ड, वरिष्ठ कार्यकारी, आईटी विभाग, व्यापार इकाई, परामर्शदाता र अन्य। को फाइलमा डाटा SPSS को, छ वटा मान लेबलहरू सहित 'परियोजना प्रारम्भकर्ता' संकेत गर्न एउटा चर उत्पन्न गरिएको थियो: 'निर्देशक बोर्ड' को लागि '1', 'वरिष्ठ कार्यकारी' को लागि '2' र यस्तै। केही बन्द गरिएका प्रश्नहरूमा लिकर्टिन स्केलको प्रयोगले पनि SPSS मा प्रविष्ट गरिएका सम्बन्धित संख्यात्मक मानहरूको प्रयोगलाई सहज पहिचानको लागि अनुमति दियो। गैर-विस्तृत जवाफहरू भएका प्रश्नहरूका लागि, जुन पारस्परिक रूपमा अनन्य थिएनन्, प्रत्येक विकल्पलाई दुई मान लेबलहरू सहितको एकल चरको रूपमा व्यवहार गरिएको थियो: 'चिन्ह लगाइएको' का लागि '1' र 'चिन्ह लगाइएको छैन' का लागि '2'।

खुला प्रश्नहरूलाई बन्द प्रश्नहरू भन्दा फरक रूपमा व्यवहार गरियो। यी प्रश्नहरूको जवाफ SPSS मा प्रविष्ट गरिएको थिएन। बरु, तिनीहरू हातले विश्लेषण गरियो। यस प्रकारको प्रश्नको प्रयोगले हामीलाई स्वतन्त्र रूपमा व्यक्त गरिएका विचारहरू र उत्तरदाताहरूको व्यक्तिगत अनुभवहरूको बारेमा जानकारी प्राप्त गर्न अनुमति दिन्छ (Bainbridge 1989, Denscombe 1998)। जहाँ सम्भव छ, प्रतिक्रियाहरूको वर्गीकरण गरिएको थियो।

को विश्लेषण को लागी डाटा, सरल सांख्यिकीय विश्लेषण विधिहरू प्रयोग गरिन्छ, जस्तै प्रतिक्रिया आवृत्ति, माध्य, मानक विचलन र मध्यक (Argyrous 1996, Denscombe 1998)।
बीचको संघहरूको मात्रात्मक उपायहरू प्राप्त गर्न गामा परीक्षणले राम्रो प्रदर्शन गरिरहेको थियो डाटा ordinals (Norusis 1983, Argyrous 1996)। यी परीक्षणहरू उपयुक्त थिए किनभने प्रयोग गरिएका क्रमबद्ध स्केलहरूमा धेरै वर्गहरू थिएनन् र तालिकामा देखाउन सकिन्छ (Norusis 1983)।

३ सोमारियो

यस अध्यायमा, यस अध्ययनको लागि अपनाईएको अनुसन्धान पद्धति र डिजाइनको बारेमा छलफल गरिएको थियो।

एक विशेष अध्ययनको लागि सबैभन्दा उपयुक्त अनुसन्धान विधि चयन गर्दा खातामा लिन्छ
अनुसन्धानको प्रकृति र प्रकार, साथै प्रत्येक सम्भावित विधिको गुण र कमजोरीहरू सहित धेरै नियमहरूको विचार (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, yin 1989, Hamilton and ives 1992, Galliers 1992, Neuman 1994)। अस्ट्रेलियामा डाटा भण्डारण अपनाउने सम्बन्धमा अवस्थित ज्ञान र सिद्धान्तको अभावलाई ध्यानमा राख्दै, यस अनुसन्धान अध्ययनलाई अष्ट्रेलियाका संस्थाहरूको अनुभवहरू अन्वेषण गर्ने अन्वेषण क्षमता भएको व्याख्यात्मक अनुसन्धान विधि आवश्यक छ। अष्ट्रेलियाका संस्थाहरूद्वारा डाटा भण्डारण अवधारणा अपनाएको सम्बन्धमा जानकारी सङ्कलन गर्न छानिएको अनुसन्धान विधि चयन गरिएको थियो। एउटा हुलाक प्रश्नावली संकलन प्रविधिको रूपमा छनोट गरिएको थियो डाटा। अनुसन्धान विधि र सङ्कलन प्रविधिको लागि औचित्य डाटा चयन यस अध्यायमा प्रदान गरिनेछ। यसबाहेक, विश्लेषणको एकाइ, प्रयोग गरिएको नमूना, प्रतिक्रियाहरूको प्रतिशत, प्रश्नावलीको सामग्री, प्रश्नावलीको पूर्व-परीक्षण र विश्लेषणको विधिको बारेमा छलफल गरिएको थियो। डाटा.

डिजाईन गर्दै डाटा गोदाम:

इकाई सम्बन्ध र आयामी मोडेलिङ संयोजन

ABSTRACT
भण्डारण i डाटा धेरै संस्थाहरु को लागी एक प्रमुख वर्तमान मुद्दा हो। कम्प्युटर भण्डारण को विकास मा एक प्रमुख मुद्दा डाटा यो उनको डिजाइन हो।
डिजाइनमा अवधारणाहरूको पहिचानलाई समर्थन गर्नुपर्छ डाटा गोदाम लिगेसी प्रणाली र अन्य स्रोतहरूमा डाटा र कार्यान्वयनमा पनि सजिलो बुझाइ र दक्षता डाटा गोदाम.
को धेरै भण्डारण साहित्य डाटा को डिजाइन प्रतिनिधित्व गर्न इकाई सम्बन्ध मोडलिङ वा आयामी मोडेलिङ को प्रयोग सिफारिस गर्दछ डाटा गोदाम.
यस पेपरमा हामी देखाउँछौं कि कसरी चित्रणको लागि एक दृष्टिकोणमा दुवै प्रतिनिधित्वहरू जोड्न सकिन्छ डाटा गोदाम। प्रयोग गरिएको दृष्टिकोण व्यवस्थित छ

केस स्टडीमा जाँच गरिएको छ र चिकित्सकहरूसँग धेरै महत्त्वपूर्ण प्रभावहरूमा पहिचान गरिएको छ।

डाटा भण्डारण

Un डाटा गोदाम यसलाई सामान्यतया "विषय-उन्मुख, एकीकृत, समय-विभिन्न, र व्यवस्थापनका निर्णयहरूको समर्थनमा डेटाको गैर वाष्पशील संग्रह" (इनमोन र ह्याकाथर्न, 1994) को रूपमा परिभाषित गरिन्छ। विषय उन्मुख र एकीकृत देखाउँछ कि डाटा गोदाम को एकीकृत परिप्रेक्ष्य प्रस्ताव गर्न Legaci प्रणालीहरूको कार्यात्मक सीमाहरू पार गर्न डिजाइन गरिएको हो डाटा.
समय-प्रकारले को ऐतिहासिक वा समय-श्रृङ्खला प्रकृतिलाई असर गर्छ डाटा अन मा डाटा गोदाम, जसले प्रवृतिहरूलाई विश्लेषण गर्न सक्षम बनाउँछ। गैर-अस्थिरले संकेत गर्दछ कि डाटा गोदाम यो लगातार एक जस्तै अद्यावधिक छैन डेटाबेस OLTP को। बरु यो आवधिक रूपमा अद्यावधिक गरिन्छ, साथ डाटा आन्तरिक र बाह्य स्रोतहरूबाट आउने। द डाटा गोदाम यो विशेष गरी अखण्डता र सञ्चालन कार्यसम्पादन अपडेट गर्नुको सट्टा खोजको लागि डिजाइन गरिएको हो।
भण्डारण गर्ने विचार आई डाटा यो नयाँ होइन, यो व्यवस्थापन उद्देश्य मध्ये एक थियो डाटा साठको दशकदेखि (द मार्टिन, १९८२)।
I डाटा गोदाम तिनीहरू पूर्वाधार प्रस्ताव गर्छन् डाटा व्यवस्थापन समर्थन प्रणालीहरूको लागि। व्यवस्थापन समर्थन प्रणालीहरूले निर्णय समर्थन प्रणाली (DSS) र कार्यकारी सूचना प्रणाली (EIS) समावेश गर्दछ। DSS एक कम्प्युटर-आधारित सूचना प्रणाली हो जुन मानव निर्णय क्षमता सुधार गर्न डिजाइन गरिएको हो। एक EIS सामान्यतया को एक वितरण प्रणाली हो डाटा जसले व्यापार नेताहरूलाई सजिलैसँग हेर्नको लागि पहुँच गर्न सक्षम बनाउँछ डाटा.
को सामान्य वास्तुकला डाटा गोदाम को भूमिकालाई उजागर गर्दछ डाटा गोदाम व्यवस्थापन समर्थन मा। साथै पूर्वाधार पनि उपलब्ध गराएको छ डाटा EIS र DSS को लागि, al डाटा गोदाम यो प्रश्नहरू मार्फत प्रत्यक्ष पहुँच गर्न सकिन्छ। द डाटा a मा समावेश डाटा गोदाम व्यवस्थापन जानकारी आवश्यकताहरूको विश्लेषणमा आधारित छ र तीन स्रोतहरूबाट प्राप्त गरिन्छ: आन्तरिक विरासत प्रणालीहरू, विशेष उद्देश्य डेटा क्याप्चर प्रणालीहरू र बाह्य डेटा स्रोतहरू। द डाटा आन्तरिक विरासत प्रणालीहरूमा तिनीहरू प्रायः अनावश्यक, असंगत, कम गुणस्तर, र विभिन्न ढाँचाहरूमा भण्डारण गरिएका हुन्छन् त्यसैले तिनीहरूलाई मिलाउन र सफा गर्नुपर्दछ।

डाटा गोदाम (Inmon, 1992; McFadden, 1996)। द डाटा भण्डारण प्रणालीबाट आउँदैछ डाटा तदर्थ र स्रोतहरूबाट डाटा बाह्य प्रायः वृद्धि गर्न प्रयोग गरिन्छ (अपडेट, प्रतिस्थापन) i डाटा विरासत प्रणालीबाट।

त्यहाँ विकास गर्न धेरै बाध्यकारी कारणहरू छन् डाटा गोदाम, जसमा थप जानकारी (Ives 1995) को प्रभावकारी प्रयोग मार्फत सुधारिएको निर्णय लिने, सम्पूर्ण सम्झौताहरूमा ध्यान केन्द्रित गर्नको लागि समर्थन (ग्राहम 1996), र कटौती समावेश गर्दछ। डाटा EIS र DSS को लागि (ग्राहम 1996, McFadden 1996)।

भर्खरको अनुभवजन्य अध्ययनले औसतमा, लगानीमा प्रतिफल फेला पारेको छ डाटा गोदाम तीन वर्ष पछि 401% द्वारा (ग्राहम, 1996)। यद्यपि, अन्य अनुभवजन्य अध्ययनहरू डाटा गोदाम लाभहरू नाप्न र तोक्न कठिनाइ, स्पष्ट उद्देश्यको अभाव, उद्देश्यलाई कम आँकलन गर्ने र लाभहरू भण्डारण गर्ने प्रक्रियाको जटिलता लगायतका महत्त्वपूर्ण समस्याहरू फेला पारे। डाटा, विशेष गरी स्रोत र सरसफाई को बारे मा डाटा। भण्डारण i डाटा व्यवस्थापन समस्या समाधानको रूपमा लिन सकिन्छ डाटा संगठनहरू बीच। को हेरफेर डाटा सामाजिक स्रोतको रूपमा यो धेरै वर्षदेखि विश्वभरको सूचना प्रणालीहरू व्यवस्थापन गर्ने प्रमुख समस्याहरू मध्ये एक रहेको छ (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993)।

व्यवस्थापन गर्न एक लोकप्रिय दृष्टिकोण डाटा अस्सीको दशकमा यो एउटा मोडेलको विकास थियो डाटा सामाजिक। मोडेल डाटा सामाजिक नयाँ अनुप्रयोग प्रणाली को विकास को लागी एक स्थिर आधार प्रदान गर्न को लागी डिजाइन गरिएको थियो र डेटाबेस र विरासत प्रणालीहरूको पुनर्निर्माण र एकीकरण (Brancheau et al।

1989, Goodhue et al। 1988:1992, किम र एभरेस्ट 1994)। यद्यपि, यस दृष्टिकोणमा धेरै समस्याहरू छन्, विशेष गरी, प्रत्येक कार्यको जटिलता र लागत, र ठोस परिणामहरू उत्पादन गर्न आवश्यक लामो समय (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997) )।

Il डाटा गोदाम यो एउटा छुट्टै डाटाबेस हो जुन विरासत डाटाबेसहरू प्रतिस्थापन गर्नुको सट्टा सह-अवस्थित छ। त्यसकारण यसले तपाईंलाई व्यवस्थापनलाई निर्देशन दिन अनुमति दिन्छ डाटा र लिगेसी प्रणालीको महँगो पुनर्निर्माणबाट बच्न।

डाटा डिजाइनमा अवस्थित दृष्टिकोणहरू

गोदाम

निर्माण र पूर्ण बनाउने प्रक्रिया क डाटा गोदाम यसलाई परम्परागत प्रणालीको विकास जीवनचक्र भन्दा पनि विकासवादी प्रक्रियाको रूपमा बुझ्नु पर्छ (देसियो, 1995, Shanks, O'Donnell र Arnott 1997a)। परियोजनामा ​​धेरै प्रक्रियाहरू संलग्न हुन्छन् डाटा गोदाम जस्तै प्रारम्भिकरण, योजना; कम्पनी प्रबन्धकहरूको आवश्यकताहरूबाट प्राप्त जानकारी; स्रोत, रूपान्तरण, सफाई डाटा र लिगेसी प्रणाली र अन्य स्रोतहरूबाट सिंक्रोनाइजेसन डाटा; विकासमा वितरण प्रणाली; को निगरानी डाटा गोदाम; र विकासवादी प्रक्रिया र निर्माणको अज्ञानता डाटा गोदाम (Stinchi, O'Donnell र Arnott 1997b)। यस जर्नलमा, हामी कसरी कोर्ने भन्नेमा केन्द्रित छौं डाटा यी अन्य प्रक्रियाहरूको सन्दर्भमा भण्डारण। त्यहाँ वास्तुकलाको लागि प्रस्तावित दृष्टिकोणहरू छन् डाटा गोदाम साहित्यमा (Inmon 1994, Ives 1995, Kimball 1994 McFadden 1996)। यी प्रत्येक विधिहरूसँग तिनीहरूको शक्ति र कमजोरीहरूको विश्लेषणको साथ संक्षिप्त समीक्षा छ।

Inmon's (1994) को लागी दृष्टिकोण डाटा गोदाम डिजाइन

Inmon (1994) ले डिजाइन गर्न चार पुनरावृत्ति चरणहरू प्रस्तावित गरे डाटा गोदाम (चित्र २ हेर्नुहोस्)। पहिलो चरण टेम्प्लेट डिजाइन गर्न हो डाटा कसरी बुझ्न को लागी सामाजिक डाटा तिनीहरूलाई विभाजन गरेर संगठन भित्र कार्यात्मक क्षेत्रहरूमा एकीकृत गर्न सकिन्छ डाटा क्षेत्रहरूमा भण्डार गर्नुहोस्। मोडेल डाटा यो भण्डारणको लागि बनाइएको छ डाटा निर्णय गर्ने सम्बन्धमा, सहित डाटा इतिहासकारहरू, र समावेश डाटा कटौती र एकत्रित। दोस्रो चरण कार्यान्वयनको लागि विषय क्षेत्रहरू पहिचान गर्न हो। यी एक विशेष संगठन द्वारा निर्धारित प्राथमिकताहरूमा आधारित छन्। तेस्रो चरणमा चित्रण समावेश छ डेटाबेस विषय क्षेत्रको लागि, ग्रेन्युलेरिटीको उपयुक्त स्तरहरू समावेश गर्न विशेष ध्यान दिनुहोस्। Inmon संस्था र सम्बन्ध मोडेल प्रयोग गर्न सिफारिस गर्दछ। चौथो चरण स्रोत प्रणालीहरू पहिचान गर्न हो डाटा क्याप्चर, सफा र ढाँचाको लागि रूपान्तरण प्रक्रियाहरू आवश्यक र विकास गर्नुहोस् डाटा.

Inmon को दृष्टिकोण को बलियो मोडेल हो डाटा सामाजिक एकीकरणको लागि आधार प्रदान गर्दछ डाटा संगठन भित्र र को पुनरावृत्त विकास को लागी समर्थन को योजना डाटा गोदाम। यसको त्रुटिहरू मोडेल डिजाइन गर्न कठिनाई र लागत हो डाटा सामाजिक, दुवै मोडेलमा प्रयोग गरिएको संस्था र सम्बन्धहरूको मोडेलहरू बुझ्न कठिनाई, कि डाटा सामाजिक र त्यो डाटा विषय क्षेत्र, र को उपयुक्तता द्वारा भण्डारण डाटा को रेखाचित्र को डाटा गोदाम को प्राप्ति को लागी डेटाबेस सापेक्ष तर लागि होइन डेटाबेस बहु-आयामी।

Ives' (1995) दृष्टिकोण डाटा गोदाम डिजाइन

Ives (1995) ले एक सूचना प्रणाली डिजाइन गर्न चार-चरण दृष्टिकोण प्रस्ताव गर्दछ जुन उनको विश्वास छ कि एक को डिजाइन को लागी लागू हुन्छ। डाटा गोदाम (चित्र ३ हेर्नुहोस्)। दृष्टिकोण सूचना प्रणालीको विकासको लागि सूचना इन्जिनियरिङमा आधारित छ (मार्टिन 3)। पहिलो चरण भनेको उद्देश्य, महत्वपूर्ण र सफलताका कारकहरू र मुख्य कार्यसम्पादन सूचकहरू निर्धारण गर्नु हो। प्रमुख व्यापार प्रक्रियाहरू र आवश्यक जानकारी हामीलाई मोडेलमा नेतृत्व गर्न मोडेल गरिएको छ डाटा सामाजिक। दोस्रो चरणमा परिभाषित वास्तुकलाको विकास समावेश छ डाटा क्षेत्रहरु द्वारा भण्डारण, डेटाबेस di डाटा गोदाम, टेक्नोलोजी कम्पोनेन्टहरू जुन आवश्यक छ, कार्यान्वयन गर्न र सञ्चालन गर्न आवश्यक संगठनात्मक समर्थनको सेट डाटा गोदाम। तेस्रो चरणमा आवश्यक सफ्टवेयर प्याकेजहरू र उपकरणहरू चयन गर्ने समावेश छ। चौथो चरणको विस्तृत डिजाइन र निर्माण हो डाटा गोदाम। Ives नोट गर्छ कि भण्डारण डाटा यो एक सीमित पुनरावृत्ति प्रक्रिया हो।

Ives दृष्टिकोणको बलहरू सूचना आवश्यकताहरू निर्धारण गर्न विशेष प्रविधिहरूको प्रयोग, एकीकरणलाई समर्थन गर्न संरचित प्रक्रियाको प्रयोग हो। डाटा गोदाम, उपयुक्त हार्डवेयर र सफ्टवेयर चयन, र धेरै प्रतिनिधित्व प्रविधिहरूको प्रयोग डाटा गोदाम। यसको त्रुटिहरू जटिलतामा निहित छन्। अरूले धेरै स्तरहरू विकास गर्न कठिनाई समावेश गर्दछ डेटाबेस सबै अन्तर्वार्ता डाटा गोदाम उचित समयमा र लागतमा।

किमबलको (1994) दृष्टिकोण डाटा गोदाम डिजाइन

Kimball (1994) ले डिजाइन गर्न पाँच पुनरावृत्ति चरणहरू प्रस्ताव गरे डाटा गोदाम (चित्र 4 हेर्नुहोस्)। उनको दृष्टिकोण विशेष गरी एकलको डिजाइनमा समर्पित छ डाटा गोदाम र संस्था र सम्बन्ध मोडेल को प्राथमिकता मा आयामी मोडेल को प्रयोग मा। किमबलले ती आयामी मोडेलहरूको विश्लेषण गर्दछ किनभने व्यापार नेताहरूलाई व्यापार बुझ्न सजिलो छ, जटिल परामर्शहरूसँग व्यवहार गर्दा यो अधिक कुशल छ, र डिजाइनको डिजाइन। डेटाबेस भौतिक अधिक कुशल छ (Kimball 1994)। किमबलले मान्यता दिन्छ कि ए को विकास डाटा गोदाम यो पुनरावृत्ति हो, र त्यो डाटा गोदाम अलग-अलग तालिकाहरूलाई साझा आयामहरूको तालिकाहरूमा विभाजन गरेर एकीकृत गर्न सकिन्छ।

पहिलो चरण सिद्ध हुनको लागि विशेष विषय क्षेत्र पहिचान गर्न हो। दोस्रो र तेस्रो चरणहरू आयामी मोडेलिङसँग सम्बन्धित छन्। दोस्रो चरणमा उपायहरूले विषय क्षेत्रको रुचिका कुराहरूलाई पहिचान गरी तथ्य तालिकामा समूहबद्ध गर्दछ। उदाहरण को लागी, एक बिक्री विषय क्षेत्र मा चासो को उपायहरु मा बेचेको वस्तुहरु को मात्रा र बिक्री मुद्रा को रूप मा डलर समावेश हुन सक्छ। तेस्रो चरणमा तथ्यहरूलाई समूहबद्ध गर्न सकिने तरिकाहरू पहिचान गर्ने आयामहरू समावेश छन्। बिक्री विषय क्षेत्रमा, सान्दर्भिक आयामहरूले वस्तु, स्थान, र समय अवधि समावेश हुन सक्छ। तथ्य तालिकामा यसलाई प्रत्येक आयाम तालिकामा लिङ्क गर्नको लागि बहु-भाग कुञ्जी छ र सामान्यतया तथ्यहरूको धेरै ठूलो संख्या समावेश गर्दछ। यसको विपरित, आयाम तालिकाहरूले आयामहरू र अन्य विशेषताहरू बारे वर्णनात्मक जानकारी समावेश गर्दछ जुन तथ्यहरू समूहमा प्रयोग गर्न सकिन्छ। सम्बन्धित प्रस्तावित तथ्य र आयाम तालिकाले यसको आकारको कारणले तारा योजना भनिन्छ। चौथो चरणमा निर्माण समावेश छ डेटाबेस तारा ढाँचा सिद्ध गर्न बहुआयामी। अन्तिम चरण स्रोत प्रणालीहरू पहिचान गर्न हो डाटा क्याप्चर, सफा र ढाँचाको लागि रूपान्तरण प्रक्रियाहरू आवश्यक र विकास गर्नुहोस् डाटा.

किमबलको दृष्टिकोणको शक्तिमा प्रतिनिधित्व गर्न आयामी मोडेलहरूको प्रयोग समावेश छ डाटा भण्डारण गरिएको छ जसले यसलाई बुझ्न सजिलो बनाउँछ र कुशल भौतिक डिजाइनमा जान्छ। एक आयामी मोडेल जसले दुबै प्रणालीहरू सजिलै प्रयोग गर्दछ डेटाबेस रिलेशनल सिद्ध वा प्रणाली हुन सक्छ डेटाबेस बहुआयामिक। यसको त्रुटिहरूमा योजना बनाउन वा धेरै तारा ढाँचाहरूको एकीकरणलाई सहज बनाउन केही प्रविधिहरूको अभाव समावेश छ। डाटा गोदाम र चरम विकृतिकृत संरचनाबाट आयामी मोडेलमा डिजाइन गर्न कठिनाई ए डाटा विरासत प्रणालीमा।

McFadden's (1996) डाटा को दृष्टिकोण गोदाम डिजाइन

McFadden (1996) ले डिजाइन गर्न पाँच-चरण दृष्टिकोण प्रस्ताव गर्दछ डाटा गोदाम (चित्र ५ हेर्नुहोस्)।
उनको दृष्टिकोण साहित्यबाट विचारहरूको संश्लेषणमा आधारित छ र एकलको डिजाइनमा केन्द्रित छ डाटा गोदाम। पहिलो चरणमा आवश्यकताहरूको विश्लेषण समावेश छ। यद्यपि प्राविधिक विशिष्टताहरू तोकिएका छैनन्, म्याकफ्याडेनका नोटहरूले संस्थाहरू पहिचान गर्छन् डाटा विनिर्देशहरू र तिनीहरूका विशेषताहरू, र आवश्यकताहरू क्याप्चरको लागि पाठकहरू वाटसन र फ्रोलिक (1993) लाई बुझाउँछ।
दोस्रो चरणमा, एक संस्था सम्बन्ध मोडेल को लागी डिजाइन गरिएको छ डाटा गोदाम र त्यसपछि व्यापार नेताहरू द्वारा मान्य। तेस्रो चरणमा लिगेसी प्रणाली र बाह्य स्रोतहरूबाट म्यापिङ निर्धारण गर्ने समावेश छ डाटा गोदाम। चौथो चरणमा विकास, परिनियोजन र सिंक्रोनाइजेसन प्रक्रियाहरू समावेश छन् डाटा nel डाटा गोदाम। अन्तिम चरणमा, प्रयोगकर्ता इन्टरफेसमा विशेष जोड दिएर प्रणाली डेलिभरीको विकास गरिएको छ। McFadden टिप्पणी गर्छ कि रेखाचित्र प्रक्रिया सामान्यतया पुनरावृत्ति हो।

म्याकफ्याडेनको दृष्टिकोणको बलले आवश्यकताहरू निर्धारण गर्न र स्रोतहरूको महत्त्वमा व्यापार नेताहरूको सहभागितालाई औंल्याउँछ। डाटा, तिनीहरूको सफाई र सङ्कलन। यसको त्रुटिहरूमा ठूलो परियोजनालाई तोड्ने प्रक्रियाको अभाव समावेश छ डाटा गोदाम धेरै एकीकृत चरणहरूमा, र

को डिजाइन मा प्रयोग इकाई र सम्बन्ध मोडेल बुझ्न कठिनाई डाटा गोदाम.

यो केवल हामीलाई नजिक छनौट गर्नेहरूलाई मात्र होईन।