डाटा गोदाम र ERP | केन्द्रीय डेटा अभिलेख: इतिहास र विकासहरू

अभिलेख डाटा केन्द्रीय: इतिहास र विकास

९० को दशकमा कर्पोरेट टेक्नोलोजीका दुई प्रमुख विषयवस्तुहरू हुन्
राज्यहरू i डाटा गोदाम र ERP। लामो समयसम्म यी दुई शक्तिशाली छन्
धाराहरू कहिल्यै बिना नै कर्पोरेट IT को भाग भएको छ
प्रतिच्छेदनहरू। यो लगभग जस्तै थियो कि तिनीहरू पदार्थ र विरोधी पदार्थ थिए। तर
दुबै घटनाको वृद्धिले अनिवार्य रूपमा एउटाको नेतृत्व गर्‍यो
तिनीहरूको प्रतिच्छेदन। आज कम्पनीहरु समस्याको सामना गरिरहेका छन्
ERP e को साथ के गर्ने डाटा गोदाम। यो लेखले चित्रण गर्नेछ
समस्याहरू के हुन् र तिनीहरू कम्पनीहरूले कसरी सम्बोधन गर्छन्।
सुरु मा…
सुरुमा त्यहाँ थियो डाटा गोदाम. डाटा गोदाम लागि जन्मिएको थियो
लेनदेन प्रशोधन आवेदन प्रणाली काउन्टर।
प्रारम्भिक दिनहरूमा स्मरण डाटा यो हुनुको मतलब थियो
इमेल प्रशोधन अनुप्रयोगहरूको लागि मात्र एक काउन्टरपोइन्ट
लेनदेन। तर आजकल त्यहाँ धेरै परिष्कृत दर्शनहरू छन्
के गर्न सकिन्छ भनेर डाटा गोदाम। आजको संसारमा द
डाटा गोदाम हुन सक्ने संरचना भित्र सम्मिलित गरिएको छ
कर्पोरेट सूचना कारखाना भनिन्छ।
कर्पोरेट जानकारी कारखाना
(CIF)
कर्पोरेट सूचना कारखानामा वास्तुकला घटकहरू छन्
मानक: रूपान्तरण र कोड एकीकरणको स्तर
जसले i एकीकृत गर्दछ डाटा जब म डाटा तिनीहरू वातावरणबाट सर्छन्
वातावरण को लागी आवेदन डाटा गोदाम कम्पनी को; a
डाटा गोदाम कम्पनीको जहाँ डाटा
विस्तृत र एकीकृत इतिहासकारहरू। द डाटा गोदाम कम्पनी को रूपमा सेवा गर्दछ
जग जसमा अन्य सबै भागहरू निर्माण गर्न सकिन्छ
को वातावरण को डाटा गोदाम; एक परिचालन डाटा स्टोर (ODS)।
एक ODS एक हाइब्रिड संरचना हो जुन डेटा को केहि पक्ष समावेश गर्दछ
गोदाम र OLTP वातावरणका अन्य पक्षहरू; डाटा मार्ट, जहाँ म
विभिन्न विभागहरूसँग डाटाको आफ्नै संस्करण हुन सक्छ
गोदाम; a डाटा गोदाम अन्वेषण को जसमा i
कम्पनी "दार्शनिकहरू" (विचारकहरूले) आफ्नो प्रश्नहरू पेश गर्न सक्छन्
72 घण्टामा हानिकारक प्रभाव बिना डाटा गोदाम; र एक स्मृति
रेखाको नजिक, जसमा डाटा पुरानो र डाटा थोक विवरण हुन सक्छ
सस्तो भण्डारण।
कहाँ ERP सँग संयोजन हुन्छ
कर्पोरेट जानकारी कारखाना
ERP दुई ठाउँमा कर्पोरेट सूचना कारखानासँग मर्ज हुन्छ।
मुख्य रूपमा एक आधारभूत अनुप्रयोगको रूपमा जुन i प्रदान गर्दछ
डाटा को लागी आवेदन को डाटा गोदाम। यस अवस्थामा म डाटा,
लेनदेन प्रक्रियाको उप-उत्पादनको रूपमा उत्पन्न,
एकीकृत र मा लोड छन् डाटा गोदाम कम्पनीको। द
ERP र CIF र ODS बीचको मिलनको दोस्रो बिन्दु। वास्तवमा, धेरै
वातावरणमा ERP लाई क्लासिक ODS को रूपमा प्रयोग गरिन्छ।
यदि ईआरपी कोर अनुप्रयोगको रूपमा प्रयोग गरिन्छ, यो
उही ERP पनि CIF मा ODS को रूपमा प्रयोग गर्न सकिन्छ। मा
यद्यपि, यदि ईआरपी दुवै भूमिकामा प्रयोग गर्ने हो भने, त्यहाँ
दुई संस्थाहरू बीच स्पष्ट भिन्नता हुनुपर्छ। अर्को शब्दमा,
जब ERP ले आधार अनुप्रयोग र ODS को भूमिका खेल्छ, le
दुई वास्तु संस्थाहरू छुट्याउनु पर्छ। यदि एकल
ERP लागू गर्नाले दुबै भूमिकाहरू पूरा गर्ने प्रयास गर्दछ
एकै समयमा त्यहाँ अनिवार्य रूपमा समस्या हुनेछ
यस संरचनाको डिजाइन र कार्यान्वयन।
ODS र आधारभूत आवेदनहरू अलग गर्नुहोस्
त्यहाँ धेरै कारणहरू छन् जसले घटक विभाजनको नेतृत्व गर्दछ
वास्तुकला। सायद सबैभन्दा स्पष्ट प्रश्न अलग गर्न को लागी
वास्तुकलाको विभिन्न घटकहरू प्रत्येक घटक हो
वास्तुकलाको आफ्नै दृष्टिकोण छ। आधारभूत आवेदन सेवा गर्दछ
ODS को भन्दा फरक उद्देश्यको लागि। ओभरल्याप गर्ने प्रयास गर्नुहोस्
ODS को संसारमा आधारभूत अनुप्रयोग दृश्य वा यसको विपरित
यो काम गर्ने सही तरिका होइन।
फलस्वरूप, CIF मा ERP को पहिलो समस्या त्यो हो
आधारभूत अनुप्रयोगहरू र बीचको भिन्नता छ कि छैन जाँच गर्नुहोस्
ODS।
कर्पोरेटमा डाटा मोडेलहरू
सूचना कारखाना
विभिन्न घटकहरू बीच एकता प्राप्त गर्न
CIF को वास्तुकला को, त्यहाँ को एक मोडेल हुनुपर्छ डाटा। म
को मोडेलहरू डाटा तिनीहरू विभिन्न घटकहरू बीचको लिङ्कको रूपमा सेवा गर्छन्
आधारभूत अनुप्रयोगहरू र ODS जस्ता वास्तुकला। द
को मोडेलहरू डाटा हुनको लागि "बौद्धिक मार्ग नक्शा" बन्नुहोस्
CIF को विभिन्न वास्तुकला घटकहरूबाट सही अर्थ।
यस धारणालाई हातमा लिएर जानु पर्छ भन्ने धारणा छ
को एक महान र अद्वितीय मोडेल हो डाटा। अवश्य पनि उसले गर्नुपर्छ
को मोडेल हो डाटा प्रत्येक कम्पोनेन्टको लागि र थप त्यहाँ
यो विभिन्न मोडेलहरू जडान गर्ने समझदार मार्ग हुनुपर्छ।
वास्तुकलाको प्रत्येक घटक - ODS, आधारभूत अनुप्रयोगहरू,
डाटा गोदाम कम्पनीको, र यस्तै .. - यसको आफ्नै चाहिन्छ
को मोडेल डाटा। र त्यसैले त्यहाँ को एक सटीक परिभाषा हुनुपर्छ
यी मोडेलहरू जस्तै 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 i डाटा nel डाटा गोदाम, यो प्रविष्टि अनिवार्य छ
ग्रेन्युलेरिटीको तल्लो स्तरमा स्थान लिनुहोस्। रिक्याप वा
केवल कुल i डाटा जब तिनीहरू बाहिर आउँछन्
ERP आधारभूत अनुप्रयोग वा ERP ODS बाट त्यहाँ छैन
गर्न को लागी सही कुरा। द डाटा विवरण डाटामा आवश्यक छ
DSS प्रक्रियाको आधार बनाउन गोदाम। यस्तो डाटा
तिनीहरू डाटा मार्ट र अन्वेषण द्वारा धेरै तरिकामा पुन: आकार दिइनेछ
को डाटा गोदाम.
को सर्दै डाटा आधारभूत आवेदन वातावरणबाट
ERP को वातावरण को लागी डाटा गोदाम कम्पनी को एक मा गरिन्छ
उचित आराम तरिका। त्यो परिवर्तन पछि हुन्छ
ERP मा अद्यावधिक वा सिर्जनाबाट लगभग 24 घण्टा। को तथ्य
को एक "आलसी" आन्दोलन छ डाटा nel डाटा गोदाम
कम्पनी को अनुमति दिन्छ डाटा ERP बाट "सेटल" मा आउँदैछ।
एक पटक म डाटा आधारभूत आवेदनमा जम्मा गरिन्छ,
त्यसपछि तपाईं सुरक्षित रूपमा सार्न सक्नुहुन्छ i डाटा ERP को
उद्यम मा। अर्को लक्ष्य जुन आन्दोलनबाट प्राप्त गर्न सकिन्छ
"आलसी" देवताहरू डाटा परिचालन प्रक्रियाहरू र बीचको स्पष्ट सीमांकन हो
DS विस्तार। को एक "द्रुत" आन्दोलन संग डाटा सीमांकन रेखा
DSS र परिचालन बीच 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।
स्वाभाविक रूपमा, ODS ले i समावेश गर्दछ डाटा जुन धेरै भर्खरका छन्
सम्मान डाटा इतिहासकारहरु मा फेला पर्यो डाटा गोदाम.
को सर्दै डाटा nel डाटा गोदाम यो लगभग कहिल्यै गरिएको छैन
"थोक" (थोक व्यापारीको रूपमा)। तालिका प्रतिलिपि गर्नुहोस्
ERP वातावरण देखि डाटा गोदाम यसले कुनै अर्थ राख्दैन। एक दृष्टिकोण
धेरै अधिक यथार्थवादी को चयनित एकाइहरूको आन्दोलन हो डाटा.
सोलो म डाटा जुन डाटाको अन्तिम अपडेट पछि परिवर्तन भएको छ
गोदामहरू ती हुन् जुन डाटामा सार्नु पर्छ
गोदाम। एक तरिका जान्न को लागी डाटा तिनीहरू परिमार्जन गरिएका छन्
अन्तिम अपडेट को टाइमस्ट्याम्प हेर्न को लागी छ डाटा
ERP वातावरणमा फेला पर्यो। डिजाइनरले सबै परिवर्तनहरू चयन गर्दछ
जुन पछिल्लो अपडेट पछि उत्पन्न भएको छ। अर्को दृष्टिकोण
परिवर्तन क्याप्चर प्रविधिहरू प्रयोग गर्नु हो डाटा। संग
यी प्रविधिहरूले लग र जर्नल टेपहरू विश्लेषण गर्नका लागि
कुन कुन निर्धारण गर्नुहोस् डाटा ERP वातावरणबाट सारिनु पर्छ
को कि डाटा गोदाम। यी प्रविधिहरू उत्कृष्ट छन्
लगहरू र जर्नल टेपहरू ERP फाइलहरूबाट कसरी पढ्न सकिन्छ
अन्य ERP स्रोतहरूमा कुनै प्रभाव बिना।
अन्य जटिलताहरू
CIF मा ERP को समस्याहरू मध्ये एक अरूलाई के हुन्छ
आवेदन स्रोत वा एआई डाटा ODS को तिनीहरूले योगदान गर्नुपर्छ
डाटा गोदाम तर तिनीहरू ERP वातावरणको भाग होइनन्। मिति
ERP को बन्द प्रकृति, विशेष गरी SAP, एकीकृत गर्ने प्रयास
को बाह्य स्रोतहरूबाट कुञ्जीहरू डाटा मसँग डाटा जुन ERP al बाट आउँछ
सार्ने समय i डाटा nel डाटा गोदाम, यो ठूलो चुनौती हो।
र वास्तवमा के सम्भावनाहरू छन् कि i डाटा आवेदन वा
ERP वातावरण बाहिरको ODS डाटामा एकीकृत हुनेछ
गोदाम? बाधाहरू वास्तवमा धेरै उच्च छन्।
फेला पार्नुहोस् डाटा ERP बाट ऐतिहासिक
म संग अर्को समस्या डाटा ERP को परिणाम हो
हुनु पर्ने आवश्यकताबाट डाटा भित्र इतिहासकारहरू डाटा गोदाम.
सामान्यतया द डाटा गोदाम चाहिन्छ डाटा इतिहासकारहरू। र
ERP प्रविधि सामान्यतया यी भण्डारण गर्दैन डाटा
ऐतिहासिक, कम्तिमा त्यो मितिमा आवश्यक पर्ने हदसम्म होइन
गोदाम। जब ठूलो मात्रामा डाटा इतिहासकारहरूले विज्ञापन सुरु गर्छन्
ERP वातावरणमा थप्न, त्यो वातावरण हुनुपर्छ
सफा गरियो। उदाहरणका लागि, मानौं ए डाटा गोदाम गर्नुपर्छ
पाँच वर्षको साथ लोड हुनुहोस् डाटा ऐतिहासिक हुँदा ERP ले राख्छ
यी मध्ये अधिकतम छ महिना डाटा। जबसम्म कम्पनी सन्तुष्ट हुन्छ
को एक श्रृंखला सङ्कलन डाटा समय बित्दै जाँदा इतिहास
त्यसपछि स्रोतको रूपमा ERP प्रयोग गर्न कुनै समस्या छैन
डाटा गोदाम। तर जब डाटा गोदाम जानै पर्छ
समय मा फिर्ता र देवताहरु लिनुहोस् डाटा नभएका इतिहासकारहरू
पहिले सङ्कलन र ERP द्वारा सुरक्षित, त्यसपछि ERP वातावरण
यो असक्षम हुन्छ।
ERP र मेटाडेटा
ERP ई को बारे मा बनाउन को लागी अर्को विचार डाटा गोदाम त्यो हो
ERP वातावरणमा अवस्थित मेटाडेटामा। साथै मेटाडाटा
तिनीहरू ईआरपी वातावरणबाट डेलमा सर्छन् डाटा गोदाम, i
मेटाडेटा उही तरिकामा सार्नु पर्छ। यसबाहेक, i
मेटाडेटा ढाँचा र संरचनामा रूपान्तरण हुनुपर्छ
को पूर्वाधार द्वारा आवश्यक छ डाटा गोदाम। त्यहाँ एउटा ठूलो छ
परिचालन मेटाडेटा र DSS मेटाडेटा बीचको भिन्नता। मेटाडेटा
सञ्चालन मुख्य रूपमा विकासकर्ता र को लागी हो
प्रोग्रामर। DSS मेटाडेटा मुख्यतया तपाईंको लागि हो
अन्तिम। ERP अनुप्रयोगहरू वा ODS मा अवस्थित मेटाडेटा
तिनीहरूलाई रूपान्तरण गर्नुपर्छ र यो रूपान्तरण सधैं सजिलो छैन
र प्रत्यक्ष।
ईआरपी डाटा सोर्सिङ
यदि ERP को आपूर्तिकर्ताको रूपमा प्रयोग गरिन्छ डाटा प्रति आईएल डाटा गोदाम ci
i सार्ने ठोस इन्टरफेस हुनुपर्छ डाटा dall'ambiente
वातावरण को लागी ERP डाटा गोदाम। इन्टरफेस हुनुपर्छ:
▪ प्रयोग गर्न सजिलो हुनुहोस्
▪ पहुँच अनुमति दिनुहोस् डाटा ERP को
▪ को अर्थ उठाउनुहोस् डाटा जुन सार्ने क्रममा छन्
nel डाटा गोदाम
▪ मा उत्पन्न हुन सक्ने ERP को सीमितताहरू थाहा पाउनुहोस्
पहुँच बनाइएको क्षण डाटा ERP को:
▪ सन्दर्भ अखण्डता
▪ श्रेणीबद्ध सम्बन्धहरू
▪ निहित तार्किक सम्बन्धहरू
▪ आवेदन सम्मेलन
▪ को सबै संरचनाहरू डाटा ERP द्वारा समर्थित, र यस्तै...
▪ पहुँचमा कुशल हुनुहोस् डाटा, प्रदान गरेर:
▪ प्रत्यक्ष आन्दोलन 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।
केही प्रमुख व्यावसायिक इन्टरफेसहरू समावेश छन्:
▪ SAS
▪ प्राइम समाधान
▪ D2k, र यस्तै...
बहु ईआरपी टेक्नोलोजीहरू
ERP वातावरणलाई एउटै प्रविधिको रूपमा व्यवहार गर्ने हो
ठुलो गल्ति। त्यहाँ धेरै ERP प्रविधिहरू छन्, प्रत्येकको आफ्नै
शक्तिहरू। बजारमा सबैभन्दा प्रसिद्ध विक्रेताहरू निम्न हुन्:
▪ SAP
▪ ओरेकल फाइनान्सियल
▪ PeopleSoft
जेडी एडवर्ड्स
▪ बान्स
SAP
SAP सबैभन्दा ठूलो र सबैभन्दा व्यापक ERP सफ्टवेयर हो। अनुप्रयोगहरू
SAP को धेरै क्षेत्रहरूमा धेरै प्रकारका अनुप्रयोगहरू समावेश छन्। SAP छ
हुनुको प्रतिष्ठा:
▪ धेरै ठूलो
▪ कार्यान्वयन गर्न धेरै गाह्रो र महँगो
▪ धेरै मानिसहरू र सल्लाहकार हुन आवश्यक छ
कार्यान्वयन गरियो
▪ कार्यान्वयनको लागि विशेष व्यक्तिको आवश्यकता छ
▪ कार्यान्वयन गर्न धेरै समय चाहिन्छ
साथै SAP सँग यसको भण्डारणको लागि प्रतिष्ठा छ डाटा molto
सावधानीपूर्वक, तिनीहरूलाई पहुँच गर्न गाह्रो बनाउँदै
SAP क्षेत्र बाहिरको व्यक्ति। SAP को बल हुनु पर्छ
कैद गर्न र ठूलो मात्रामा भण्डारण गर्न सक्षम डाटा.
SAP ले भर्खरै विस्तार गर्ने आफ्नो मनसाय घोषणा गर्‍यो
यसको लागि आवेदन डाटा गोदाम। त्यहाँ धेरै फाइदा र बेफाइदा छन्
को प्रदायकको रूपमा SAP प्रयोग गर्नमा डाटा गोदाम.
एउटा फाइदा यो हो कि SAP पहिले नै स्थापित छ र त्यो धेरै जसो
सल्लाहकारहरूलाई पहिले नै SAP थाहा छ।
को एक आपूर्तिकर्ता को रूप मा SAP हुनु को हानि डाटा गोदाम तिनीहरू
धेरै: SAP को संसारमा कुनै अनुभव छैन डाटा गोदाम
यदि SAP को आपूर्तिकर्ता हो डाटा गोदाम, यो "बाहिर निकाल्न" आवश्यक छ
i डाटा SAP देखि डाटा गोदाम. डाटा SAP को ट्र्याक रेकर्ड
बन्द प्रणाली, SAP बाट i प्राप्त गर्न सजिलो हुने सम्भावना छैन
यो (???)। 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 ले चाहँदैन
प्रयोग गर्न वा सिर्जना गर्न अन्य विक्रेताहरूसँग सहकार्य गर्नुहोस् डाटा गोदाम.
SAP ले यसको आफ्नै सफ्टवेयर आफैं उत्पादन गर्न जोड दिन्छ।
यद्यपि SAP एक ठूलो र शक्तिशाली कम्पनी हो, तथ्य
ELT, OLAP, प्रशासन को प्रविधि पुन: लेख्न प्रयास गर्नुहोस्
प्रणाली र कोडबेस पनि dbms यो केवल पागल हो।
सप्लायरहरु संग सहयोगी मनोवृत्ति अपनाउनुको सट्टा
di डाटा गोदाम लामो समयदेखि एसएपीले त्यो दृष्टिकोण अपनाएको छ
तिनीहरू "राम्रो जान्दछन्"। यो मनोवृत्तिले सफलतालाई रोक्छ
SAP को क्षेत्रमा हुन सक्छ डाटा गोदाम.
SAP को बाह्य विक्रेता पहुँच अनुमति दिन अस्वीकार
तिनीहरूलाई तुरुन्त र दयालु रूपमा डाटा। प्रयोग को धेरै सार
un डाटा गोदाम मा सजिलो पहुँच छ डाटा। SAP को सम्पूर्ण कथा हो
यसलाई पहुँच गर्न गाह्रो बनाउन आधारित डाटा.
SAP को ठूलो मात्रा संग व्यवहार मा अनुभव को कमी डाटा;
को क्षेत्र मा डाटा गोदाम को मात्रा छन् डाटा देखि कहिल्यै देखिएन
SAP र यी ठूलो मात्रा को व्यवस्थापन गर्न डाटा तपाईंसँग एउटा हुनुपर्छ
उपयुक्त प्रविधि। SAP लाई यस बारे थाहा छैन
डाटाको क्षेत्रमा प्रवेश गर्नको लागि अवस्थित प्राविधिक अवरोध
गोदाम
SAP को कर्पोरेट संस्कृति: SAP ले एउटा व्यवसाय सिर्जना गर्यो
i प्राप्त गर्नमा डाटा प्रणालीबाट। तर यो गर्नको लागि तपाईसँग हुनुपर्छ
एक फरक मानसिकता। परम्परागत रूपमा, सफ्टवेयर कम्पनीहरू थिए
वातावरणमा डाटा प्राप्त गर्न राम्रो मा राम्रो छैन
अर्को बाटो जान डेटा प्राप्त गर्दै। यदि SAP ले यस प्रकारको गर्न सक्छ
स्विच त्यसो गर्ने पहिलो कम्पनी हुनेछ।
छोटकरीमा भन्नुपर्दा, कम्पनी छान्ने कि नपर्ने भन्ने शंकास्पद छ
SAP को आपूर्तिकर्ताको रूपमा डाटा गोदाम। त्यहाँ धेरै गम्भीर जोखिमहरू छन्
एकातिर र अर्कोतिर धेरै थोरै पुरस्कारहरू। तर त्यहाँ अर्को छ
डेटा आपूर्तिकर्ताको रूपमा SAP को छनौटलाई निरुत्साहित गर्ने कारण
गोदाम। किनभने प्रत्येक कम्पनीको मिति एउटै हुनुपर्छ
अन्य सबै कम्पनीको गोदाम? द डाटा गोदाम यो मुटु हो
प्रतिस्पर्धात्मक लाभको। यदि सबै कम्पनीहरूले समान अपनाए
डाटा गोदाम असम्भव नभए पनि गाह्रो हुनेछ,
प्रतिस्पर्धात्मक लाभ प्राप्त गर्नुहोस्। SAP ले सोचेको देखिन्छ कि ए
डाटा गोदाम बिस्कुटको रूपमा देख्न सकिन्छ र त्यो हो
तिनीहरूको अर्को चिन्ह "डेटा प्राप्त गर्नुहोस्
मा"।
कुनै अन्य ERP विक्रेता SAP जत्तिकै प्रभावशाली छैन।
निस्सन्देह त्यहाँ कम्पनीहरू छन् जुन SAP को बाटो जानेछन्
तिनीहरूको लागि डाटा गोदाम तर सम्भवतः यी मितिहरू
SAP गोदामहरू ठूला, महँगो र धेरै आवश्यक हुनेछन्
तिनीहरूको सिर्जनाको लागि समय।
यी वातावरणहरूले बैंक टेलर प्रशोधन जस्ता गतिविधिहरू समावेश गर्दछ,
एयरलाइन आरक्षण प्रक्रियाहरू, गुनासो प्रक्रियाहरू
बीमा, र यस्तै। लेनदेन प्रणाली अधिक कुशल थियो,
परिचालन र प्रक्रिया बीचको पृथकीकरणको आवश्यकता बढी स्पष्ट थियो
DSS (निर्णय समर्थन प्रणाली)। यद्यपि, संसाधन प्रणालीको साथ
मानव र व्यक्तिगत, एक को ठूलो मात्रा संग सामना गर्नु पर्दैन
लेनदेन। र, निस्सन्देह, जब एक व्यक्ति काममा छ
वा कम्पनी छोड्नुहोस् यो लेनदेनको रेकर्ड हो।
तर अन्य प्रणाली, मानव संसाधन प्रणाली र सापेक्ष
व्यक्तिगत मात्र धेरै लेनदेन छैन। त्यसैले, मा
मानव संसाधन र कर्मचारी प्रणाली यो पूर्ण रूपमा स्पष्ट छैन कि त्यहाँ छ
डाटावेयरहाउस चाहिन्छ। धेरै तरिकामा यी प्रणालीहरू
DSS प्रणालीहरूको एकीकरण प्रतिनिधित्व गर्दछ।
तर त्यहाँ अर्को कारक छ जुन तपाईलाई विचार गर्न आवश्यक छ भने
डाटावेयरहाउस र PeopleSoft सँग गर्नुहोस्। धेरै सर्कलहरूमा, i डाटा
मानव संसाधन र व्यक्तिगत स्रोतहरू व्यवसायको लागि माध्यमिक हुन्
कम्पनी को प्रमुख। अधिकांश कम्पनीहरूले प्रदर्शन गर्छन्
उत्पादन, बिक्री, सेवा प्रदान र यति मा। द
मानव संसाधन र कर्मचारी प्रणाली सामान्यतया माध्यमिक (वा
समर्थन) कम्पनीको व्यापारको मुख्य लाइनमा। त्यसैले, यो छ
विवादास्पद र असुविधाजनक क डाटा गोदाम को लागि अलग
मानव र व्यक्तिगत स्रोतहरूको लागि समर्थन।
PeopleSoft यस सन्दर्भमा SAP भन्दा धेरै फरक छ। SAP संग, यो छ
अनिवार्य छ कि त्यहाँ एक डाटा गोदाम। PeopleSoft को साथ, यो होइन
त्यसपछि यति स्पष्ट। एक डाटा गोदाम PeopleSoft संग वैकल्पिक छ।
सबै भन्दा राम्रो कुरा को लागी भन्न सकिन्छ डाटा PeopleSoft त्यो डाटा हो
गोदाम भण्डारण गर्न प्रयोग गर्न सकिन्छ डाटा सम्बन्धमा
पुरानो मानव र व्यक्तिगत स्रोतहरू। को लागि दोस्रो कारण
जुन कम्पनीले प्रयोग गर्न चाहन्छ डाटा गोदाम a
पिपलसफ्ट वातावरणको बेफाइदा भनेको पहुँच र अनुमति दिनु हो
विश्लेषण उपकरणहरूमा नि: शुल्क पहुँच, एआई डाटा PeopleSoft द्वारा। तर
यी कारणहरूका अतिरिक्त, त्यहाँ केसहरू हुन सक्छन् जहाँ यो नगर्नु राम्रो हुन्छ
को लागि डाटा गोदाम छ डाटा मानिसहरू सफ्ट।
संक्षिप्तमा
डाटा निर्माणको बारेमा धेरै विचारहरू छन्
ईआरपी सफ्टवेयर भित्र गोदाम।
यी मध्ये केही हुन्:
▪ एउटा हुनुको अर्थ हुन्छ डाटा गोदाम जुन कुनै पनि जस्तो देखिन्छ
उद्योगमा अरु ?
▪ 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 गर्ने ट्रेस लगिङ के हो
सजिलो र सस्तो, समय-उपभोग, ai संग सामना डाटा? (के
सस्तोको वितरणमा ERP विक्रेताहरूको ट्र्याक रेकर्ड हो
समय, डाटा पहुँच गर्न सजिलो?)
▪ DSS वास्तुकलाको बुझाइ के हो र
ERP विक्रेता द्वारा "कर्पोरेट जानकारी कारखाना"?
▪ ERP विक्रेताहरूले कसरी प्राप्त गर्ने भनेर बुझ्छन् डाटा भित्र
वातावरणको, तर कसरी निर्यात गर्ने भनेर पनि बुझ्न?
▪ डेटा उपकरणहरूमा ERP को विक्रेता कत्तिको खुला छ
भण्डारण?
यी सबै विचारहरू निर्धारण गर्दा हुनुपर्छ
कहाँ राख्ने डाटा गोदाम जसले आयोजक गर्नेछ डाटा ERP र अन्य को
डाटा। सामान्यतया, जबसम्म त्यहाँ बाध्यकारी कारण छैन
अन्यथा गर्न, यो निर्माण गर्न सिफारिस गरिएको छ डाटा गोदाम बाहिर
ERP विक्रेता वातावरणबाट।
क्यापिटोलो १
BI संगठन को अवलोकन
पुन्टी चियाभ:
सूचना भण्डारहरू उल्टो तरिकामा काम गर्छन्
व्यापार खुफिया (BI) वास्तुकला:
कर्पोरेट संस्कृति र आईटीले सफलतालाई सीमित गर्न सक्छ
BI संगठनहरू निर्माण गर्दै।
प्रविधि अब BI संगठनहरूको लागि सीमित कारक छैन। द
वास्तुविद् र परियोजना योजनाकारहरूको लागि समस्या होइन
प्रविधि अवस्थित छ, तर यदि तिनीहरूले प्रभावकारी रूपमा कार्यान्वयन गर्न सक्छन्
उपलब्ध प्रविधि।
धेरै कम्पनीहरूको लागि ए डाटा गोदाम यो निक्षेप भन्दा अलि बढी हो
निष्क्रिय जसले वितरण गर्दछ i डाटा प्रयोगकर्ताहरूलाई आवश्यक छ। द डाटा
तिनीहरू स्रोत प्रणालीहरूबाट निकालिएका छन् र लक्षित संरचनाहरूमा भरिएका छन्
di डाटा गोदाम। म डाटा तिनीहरू पनि पूरै सफा गर्न सकिन्छ
भाग्य। यद्यपि कुनै अतिरिक्त मूल्य पनि थपिएको छैन
द्वारा संकलित डाटा यो प्रक्रिया को समयमा।
अनिवार्य रूपमा, निष्क्रिय Dw, उत्तममा, उद्धार गर्दछ
केवल म डाटा सफा र प्रयोगकर्ता संघहरूको लागि परिचालन। त्यहाँ
जानकारी निर्माण र विश्लेषणात्मक समझ निर्भर गर्दछ
पूर्ण रूपमा प्रयोगकर्ताहरू द्वारा। DW (डाटा गोदाम) छ
सफलता व्यक्तिपरक छ। यदि हामी सफलता मा न्याय गर्छौं
कुशलतापूर्वक सङ्कलन, एकीकृत र सफा गर्ने क्षमता डाटा
एक अनुमानित आधारमा कर्पोरेट, त्यसपछि हो, DW एक सफलता हो।
अर्कोतर्फ, यदि हामीले संग्रह, समेकन र लो
सूचनाको शोषण समग्र संगठनको रूपमा, त्यसपछि
DW असफल छ। DW ले थोरै वा कुनै मूल्य प्रदान गर्दछ
जानकारी। नतिजाको रूपमा, प्रयोगकर्ताहरू गर्न बाध्य छन्,
यसरी जानकारी को silos सिर्जना। यो अध्याय प्रस्तुत गर्दछ
BI (व्यवसाय
कम्पनीहरूको खुफिया)। BI र को विवरण संग सुरु गरौं
त्यसपछि हामी डिजाइन र को बारे मा छलफल गर्न अगाडि बढ्नेछौं
सूचनाको विकास, केवल उपलब्ध गराउनुको विपरीत डाटा
प्रयोगकर्ताहरूलाई। त्यसपछि छलफलहरू गणनामा केन्द्रित छन्
तपाईंको BI प्रयासहरूको मूल्य। हामी कसरी IBM परिभाषित गरेर निष्कर्षमा पुग्छौं
तपाईंको संगठनको BI वास्तुकला आवश्यकताहरू सम्झन्छ।
को वास्तुकला विवरण
BI संगठन
शक्तिशाली लेनदेन-उन्मुख सूचना प्रणालीहरू अब छन्
प्रत्येक ठूला उद्यममा एजेन्डामा, तिनीहरूको स्तर अनुसार
संसारमा निगमहरूको लागि प्रभावकारी रूपमा खेल मैदान।
बाँकी प्रतिस्पर्धी, तथापि, अब विश्लेषणात्मक प्रणालीहरू आवश्यक छ
त्यसतर्फ उन्मुख भएकोले एडलाई पुन: पत्ता लगाएर कम्पनीको क्षमतामा क्रान्तिकारी परिवर्तन गर्न सक्छ
तिनीहरूसँग पहिले नै जानकारी प्रयोग गर्दै। यी प्रणालीहरू
को सम्पत्तिबाट बुझ्नबाट विश्लेषणात्मक व्युत्पन्न डाटा
उपलब्ध। BI ले सबै जानकारी भर प्रदर्शन सुधार गर्न सक्छ
उद्यम को। व्यवसायहरूले ग्राहक-देखि-ग्राहक सम्बन्ध सुधार गर्न सक्छ
आपूर्तिकर्ता, उत्पादन र सेवा को नाफा सुधार, उत्पन्न
नयाँ र सबै भन्दा राम्रो प्रस्ताव, जोखिम जाँच र अन्य धेरै बीचमा
आय नाटकीय रूपमा खर्च कटौती। BI तपाईको साथमा
कम्पनी अन्ततः ग्राहक जानकारी प्रयोग गर्न थाल्छ
लक्ष्यहरू भएका अनुप्रयोगहरूलाई प्रतिस्पर्धी सम्पत्तिको रूपमा धन्यवाद
बजार।
व्यवसायको सही माध्यम हुनु भनेको निश्चित जवाफहरू हुनु हो
प्रमुख प्रश्नहरू जस्तै:
▪ हाम्रो कुन ग्राहकहरु तिनीहरूले हामीलाई अधिक कमाउन, वा त्यहाँ
के तिनीहरू हराउँछन्?
▪ हाम्रो सबैभन्दा राम्रो बस्ने ठाउँ ग्राहकहरु सम्बन्धमा दोकान/
गोदाम तिनीहरू बारम्बार?
▪ हाम्रा कुन उत्पादन र सेवाहरू बढी बेच्न सकिन्छ
प्रभावकारी र कसलाई?
▪ कुन उत्पादनहरू सबैभन्दा प्रभावकारी रूपमा बेच्न सकिन्छ र कसलाई?
▪ कुन बिक्री अभियान बढी सफल छ र किन?
▪ कुन बिक्री च्यानलहरू कुन उत्पादनहरूको लागि सबैभन्दा प्रभावकारी छन्?
▪ हामी कसरी आफ्नो असलसँग सम्बन्ध सुधार्न सक्छौं ग्राहकहरु?
अधिकांश कम्पनीहरु छन् डाटा जवाफ दिन कठिन
यी प्रश्नहरू।
परिचालन प्रणालीहरूले उत्पादनको ठूलो मात्रा उत्पन्न गर्दछ, को
ग्राहक र को डाटा बजारको बिक्री बिन्दुबाट, आरक्षणबाट,
ग्राहक सेवा र प्राविधिक समर्थन प्रणालीहरूबाट। चुनौती छ
यो जानकारी निकाल्नुहोस् र शोषण गर्नुहोस्।
धेरै कम्पनीहरूले उनीहरूको सानो अंशबाट मात्र नाफा गर्छन् डाटा
रणनीतिक विश्लेषणको लागि।
I डाटा बाँकी, प्रायः i सँग जोडिन्छ डाटा बाह्य स्रोतहरू जस्तै i
"सरकारी रिपोर्टहरू" र अन्य खरिद गरिएका जानकारीहरू एक हुन्
सुन खानी मात्र अन्वेषण गर्न पर्खिरहेको, ei डाटा पर्छ
तपाईको जानकारीको सन्दर्भमा मात्र परिष्कृत गर्नुहोस्
संगठन।
यो ज्ञान विभिन्न तरिकामा, भिन्नताहरूमा लागू गर्न सकिन्छ
एक समग्र कर्पोरेट रणनीति डिजाइन देखि
आपूर्तिकर्ताहरु संग व्यक्तिगत संचार, कल केन्द्रहरु मार्फत,
बीजक, इन्टरनेट र अन्य बिन्दुहरू। आजको व्यापारिक वातावरणले निर्देशन दिन्छ
कि DW र सम्बन्धित BI समाधानहरू थप विकसित हुन्छन्
को परम्परागत संरचना को कार्यान्वयन डाटा जस्तै म डाटा मा सामान्यीकृत
परमाणु-स्तर र "स्टार/क्यूब फार्महरू"।
प्रतिस्पर्धी रहन के चाहिन्छ त्यो मर्जर हो
समर्थन गर्ने प्रयासमा परम्परागत र उन्नत प्रविधिहरू
विशाल विश्लेषणात्मक परिदृश्य।
अन्तमा, सामान्य वातावरणले ज्ञान सुधार गर्नुपर्छ
समग्र रूपमा उद्यमको, कार्यहरू लिइएको सुनिश्चित गर्दै
सञ्चालन गरिएको विश्लेषणको परिणामको रूपमा तिनीहरू काममा आउँछन् ताकि सबैलाई हो
लाभ।
उदाहरण को लागी, मानौं कि तपाइँ तपाइँको आफ्नै श्रेणी निर्धारण गर्नुहुन्छ ग्राहकहरु कोटिहरु मा
उच्च वा कम जोखिम।
यो जानकारी खनन मोडेल द्वारा उत्पन्न गरिएको हो वा
अन्य माध्यमहरू, यसलाई Dw मा राख्नु पर्छ र पहुँचयोग्य बनाउनु पर्छ
जो कोही, पहुँच को कुनै पनि माध्यम को माध्यम बाट, जस्तै i
स्थिर रिपोर्टहरू, स्प्रेडसिटहरू, तालिकाहरू, वा विश्लेषणात्मक प्रक्रियामा
रेखा (OLAP)।
यद्यपि, हाल, यस प्रकारको धेरै जानकारी
तिनीहरूको साइलोमा रहन्छन् डाटा तिनीहरूले उत्पन्न गर्ने व्यक्ति वा विभागहरूको
विश्लेषण। समग्र रूपमा संगठनको कम वा कुनै दृश्यता छ
बुझ्नको लागि। यस प्रकारको सामग्री मिश्रण गरेर मात्र
तपाइँको उद्यम dw मा जानकारी तपाइँ को silos हटाउन सक्नुहुन्छ
जानकारी र आफ्नो Dw वातावरण माथि उठाउनुहोस्।
संस्थाको विकासमा दुईवटा प्रमुख बाधा छन्
BI को।
पहिलो, हामीसँग संगठनको समस्या छ
सम्बन्धित अनुशासनको।
हामीले नीति परिवर्तनमा मद्दत गर्न नसके पनि
संगठनको, हामी को घटक बुझ्न मद्दत गर्न सक्छौं
एक BI संगठन, यसको वास्तुकला र कसरी
IBM प्रविधिले यसको विकासलाई सहज बनाउँछ।
पार गर्न दोस्रो बाधा प्रविधिको कमी हो
एकीकृत र सम्पूर्ण स्पेस कल गर्ने विधिको ज्ञान
BI को मात्र एउटा सानो घटकको विपरित।
आईबीएमले टेक्नोलोजीमा भएका परिवर्तनहरूलाई प्रतिक्रिया दिइरहेको छ
एकीकृत को। डिजाइन उपलब्ध गराउने जिम्मा तपाईको हो
स्वयं सचेत। यो वास्तुकला संग विकास गर्नुपर्छ
बिना बाधा, वा कम्तिमा, एकीकरणको लागि छनौट गरिएको प्रविधि
टेक्नोलोजी जसले खुला मापदण्डहरूको पालना गर्दछ। साथै, तपाईंको
कम्पनी व्यवस्थापनले द्विको उद्यम हो भनेर सुनिश्चित गर्नुपर्छ
कार्यक्रम अनुसार सम्पन्न र अनुमति नदिने
जानकारी साइलोको विकास जुन स्व-सेवाबाट व्युत्पन्न हुन्छ
एजेन्डा, वा लक्ष्यहरू।
यसको मतलब BI वातावरण संवेदनशील छैन भन्ने होइन
विभिन्न प्रयोगकर्ताहरूको विभिन्न आवश्यकता र आवश्यकताहरूमा प्रतिक्रिया; यसको सट्टा, यसको मतलब
ती व्यक्तिगत आवश्यकता र आवश्यकताहरूको कार्यान्वयन हो
सम्पूर्ण BI संगठनको हितको लागि गरियो।
संगठनको BI वास्तुकलाको विवरण हुन सक्छ
पृष्ठ 9 मा चित्र 1.1 मा फेला पार्नुहोस्। वास्तुकला प्रदर्शन गर्दछ
प्रविधि र प्रविधिहरूको समृद्ध मिश्रण।
परम्परागत दृष्टिकोणबाट, वास्तुकलाले निम्न घटकहरू समावेश गर्दछ
गोदाम को
परमाणु तह (परमाणु तह)।
यो जग हो, सम्पूर्ण Dw को हृदय र त्यसैले
रणनीतिक रिपोर्टिङ।
I डाटा यहाँ भण्डारण गरिएको ऐतिहासिक अखण्डता कायम रहनेछ, को रिपोर्ट
डाटा र व्युत्पन्न मेट्रिक समावेश गर्दछ, साथै सफा हुनु,
एकीकृत, र खनन टेम्प्लेटहरू प्रयोग गरेर भण्डारण।
यी सबै पछिको प्रयोग डाटा र सम्बन्धित जानकारी छ
यस संरचनाबाट व्युत्पन्न। यो को लागी एक उत्कृष्ट स्रोत हो
को निकासी 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 लागि विशेष रूपमा डिजाइन गरिएको
प्राविधिक रिपोर्टिङ।
I डाटा यी संरचनाहरू माथि भण्डारण र रिपोर्ट गर्न सकिन्छ
स्टेजिङ जोन (स्टेजिङ) मार्फत गोदाममा प्रचार गर्नुहोस्
क्षेत्र), जहाँ यो रणनीतिक संकेत को लागी प्रयोग गर्न सकिन्छ।
स्टेजिङ क्षेत्र।
धेरैको लागि पहिलो स्टप डाटा को वातावरण को लागी उद्देश्य
गोदाम संगठन क्षेत्र हो।
यहाँ म डाटा एकीकृत, सफा र मा रूपान्तरण गरिएको छ डाटा उपयोगी कि
तिनीहरूले गोदाम संरचना आबादी हुनेछ
मिति मार्ट्स।
वास्तुकला को यो भाग को संरचना को प्रतिनिधित्व गर्दछ डाटा प्रयोग गरियो
विशेष गरी OLAP को लागी। डाटामार्टको उपस्थिति, यदि i डाटा तिनीहरू
तिनीहरूले ओभरले तारा योजनाहरूमा भण्डारण डाटा
रिलेशनल वातावरणमा बहुआयामिक, वा फाइलिङ क्याबिनेटहरूमा
di डाटा विशेष OLAP प्रविधि द्वारा प्रयोग गरिएको स्वामित्व, जस्तै
DB2 OLAP सर्भर, यो सान्दर्भिक छैन।
केवल बाधा यो हो कि वास्तुकला को उपयोग को सुविधा दिन्छ डाटा
बहुआयामिक।
वास्तुकलाले महत्वपूर्ण द्वि प्रविधिहरू र प्रविधिहरू पनि समावेश गर्दछ
जसलाई निम्नानुसार छुट्याइएको छ:
स्थानिय विश्लेषण
अन्तरिक्ष विश्लेषक र को लागी एक सूचना विन्डफल हो
यो पूर्ण समाधान को लागी महत्वपूर्ण छ। स्पेस सक्छ
एक निश्चित मा बस्ने मान्छे को जानकारी को प्रतिनिधित्व गर्दछ
स्थान, साथै त्यो स्थान कहाँ छ भन्ने बारे जानकारी
भौतिक रूपमा बाँकी संसारको तुलनामा।
यो विश्लेषण पूरा गर्न, तपाईंले आफ्नो बाँध्न सुरु गर्नुपर्छ
अक्षांश र देशान्तर समन्वय जानकारी। के अर्थ
"जियोकोडिङ" भनिन्छ र निकासीको अंश हुनुपर्छ,
रूपान्तरण, र स्तरमा लोडिङ प्रक्रिया (ETL) को
तपाईंको गोदामको परमाणु संख्या।
डाटा खनन।
को निकासी डाटा हाम्रा कम्पनीहरूलाई वृद्धि गर्न अनुमति दिन्छ
अंक डी ग्राहकहरु, बिक्री प्रवृत्ति भविष्यवाणी गर्न र सक्षम गर्न
संग सम्बन्ध व्यवस्थापन ग्राहकहरु (सीआरएम) को अन्य पहलहरू बीच
BI।
को निकासी डाटा त्यसकारण यसलाई संरचनाहरूसँग एकीकृत गर्नुपर्छ
डाटा Dwhouse को र को लागी गोदाम प्रक्रियाहरु द्वारा समर्थित
प्रविधिको प्रभावकारी र प्रभावकारी प्रयोग सुनिश्चित गर्ने र
सम्बन्धित प्रविधिहरू।
BI वास्तुकलामा संकेत गरिए अनुसार, को परमाणु स्तर
Dwhouse, datamarts जस्तै, को एक उत्कृष्ट स्रोत हो डाटा
निकासी को लागी। त्यस्ता संरचनाहरू पनि हुनुपर्छ
निकासी परिणाम प्राप्तकर्ताहरू उपलब्धता सुनिश्चित गर्न
सबैभन्दा ठूलो दर्शक।
एजेन्टहरू।
ग्राहकलाई कुनै पनि बिन्दुको लागि स्क्रिन गर्न विभिन्न "एजेन्टहरू" छन् जस्तै, i
कम्पनी अपरेटिङ सिस्टम र dw आफैं। यी एजेन्टहरूले गर्न सक्छन्
उन्नत तंत्रिका नेटवर्कहरू बारे जान्न प्रशिक्षित हुनुहोस्
प्रत्येक बिन्दुको प्रवृत्ति, जस्तै भविष्यको उत्पादन माग आधारित
बिक्री प्रवर्द्धनहरूमा, प्रतिक्रिया गर्न नियमहरूमा आधारित इन्जिनहरू
un डाटा परिस्थितिहरूको सेट, वा साधारण एजेन्टहरू पनि
तिनीहरूले "शीर्ष अधिकारीहरू" लाई अपवाद औंल्याए। यी प्रक्रियाहरू हो
सामान्यतया वास्तविक समयमा उपस्थित र, त्यसैले, हुनुपर्छ
तिनीहरूको आन्दोलनसँग नजिकबाट जोडिनुहोस् डाटा.
यी सबै संरचनाहरू डाटा, प्रविधि र प्रविधि ग्यारेन्टी
कि तपाईं को एक संगठन उत्पन्न रात बिताउने छैन
तपाईंको BI।
यो गतिविधि सानाका लागि वृद्धिशील चरणहरूमा विकसित गरिनेछ
अंक।
प्रत्येक चरण एक स्वतन्त्र परियोजना प्रयास हो, र रिपोर्ट गरिएको छ
तपाईंको dw वा BI पहलमा पुनरावृत्तिको रूपमा। पुनरावृत्तिहरू
नयाँ प्रविधिको कार्यान्वयन समावेश हुन सक्छ, को लागी
नयाँ संरचनाहरू थप्दै, नयाँ प्रविधिहरूसँग सुरु गर्नुहोस् डाटा ,
लोड गर्दै i डाटा पूरक, वा विश्लेषण विस्तारको साथ
आफ्नो वातावरण। यो अनुच्छेद थप छलफल गरिएको छ
अध्याय 3 मा विस्तृत रूपमा।
Dw र Bi उपकरणहरूको परम्परागत संरचनाहरू बाहेक अरू पनि छन्
तपाइँको BI संगठन को कार्यहरु जसको लागि तपाइँ ऋणी हुनुहुन्छ
डिजाइन, जस्तै:
ग्राहक टचपोइन्टहरू (ग्राहक टच
पोइन्ट्स)।
सबै आधुनिक संगठनको रूपमा त्यहाँ धेरै संख्याहरू छन्
ग्राहक टचपोइन्टहरू जसले कसरी अनुभव लिने भनेर संकेत गर्दछ
तपाईको लागि सकारात्मक ग्राहकहरु। त्यहाँ परम्परागत च्यानलहरू छन् जस्तै i
व्यापारीहरू, स्विचबोर्ड अपरेटरहरू, प्रत्यक्ष मेल, मल्टिमिडिया र प्रिन्ट
विज्ञापन, साथै सबैभन्दा हालको च्यानलहरू जस्तै इमेल र वेब, i डाटा
सम्पर्क को केहि बिन्दु संग उत्पादनहरु प्राप्त गर्नुपर्छ,
ढुवानी, सफा, रूपान्तरण र त्यसपछि संरचनाहरूमा आबादी डाटा डेला
BI।
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
तिनीहरू डाटा परम्परागत जसलाई सँगै ल्याउनुपर्छ र विलय गर्नुपर्छ डाटा कि
तिनीहरू आवश्यक पूरा गर्न टचपोइन्टबाट प्रवाह गर्छन्
जानकारी।
विश्लेषकहरू। (विश्लेषकहरू)
BI वातावरणको प्राथमिक लाभार्थी विश्लेषक हो। उहाँ नै हुनुहुन्छ
को वर्तमान निकासी बाट लाभ डाटा परिचालन, संग एकीकृत
विभिन्न स्रोतहरू डाटा , एनालिटिक्स जस्ता सुविधाहरूको साथ संवर्धित
भौगोलिक (जियोकोडिङ) र बीआई टेक्नोलोजीहरूमा प्रस्तुत गरिएको छ
खनन, OLAP, उन्नत SQL रिपोर्टिङ र विश्लेषणको लागि अनुमति दिनुहोस्
भौगोलिक। वातावरणमा विश्लेषकको लागि प्राथमिक इन्टरफेस
रिपोर्टिङ BI पोर्टल हो।
यद्यपि, विश्लेषक मात्र होइन वास्तुकलाबाट लाभ उठाउने
BI।
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। एक सिद्धान्त
विकासको विशेषता भनेको स्थायी संरचनाको लागि अनुमति दिनु हो डाटा
प्रयोग गरिएको BI प्रविधि र कार्यहरू द्वारा अद्यावधिक गर्न
प्रयोगकर्ता उपक्रमहरू। एउटा उदाहरण मूल्याङ्कन हो
ग्राहक (ग्राहक स्कोरिङ)।
यदि बिक्री विभागले खनन मोडेल गर्दछ
नयाँ सेवा कसरी प्रयोग गर्ने ग्राहकको स्कोर, त्यसपछि
बिक्री विभाग मात्र लाभार्थी समूह हुनु हुँदैन
del servizio।
यसको सट्टा, खानी मोडेल भाग रूपमा प्रदर्शन गर्नुपर्छ
कम्पनी भित्र डाटा प्रवाहको प्रकृति र ग्राहकको स्कोर
को सूचना वातावरणको एकीकृत भाग बन्नुपर्दछ
गोदाम, सबै प्रयोगकर्ताहरूले देख्न सक्ने। द्वि-द्वि-केन्द्रित IBM सुइट
DB2 UDB सहित, DB2 OLAP सर्भरले धेरै समावेश गर्दछ
चित्रमा परिभाषित टेक्नोलोजीको महत्त्वपूर्ण घटकहरूको अंश
1.1।
हामी वास्तुकला प्रयोग गर्छौं जुन यो पुस्तक चित्रमा देखिन्छ
हामीलाई निरन्तरताको स्तर दिनुहोस् र प्रत्येक उत्पादन कसरी प्रदर्शन गर्नुहोस्
IBM को BI को सामान्य ढाँचामा फिट हुन्छ।
जानकारी सामग्री प्रदान गर्दै (प्रदान गर्दै
जानकारी सामग्री)
तपाईंको BI वातावरण डिजाइन, विकास र कार्यान्वयन गर्नुहोस्
एक कठिन कार्य। डिजाइनले दुवैलाई अँगाल्नुपर्छ
वर्तमान र भविष्यका व्यापार आवश्यकताहरू। वास्तु डिजाइन
फेला परेका सबै निष्कर्षहरू समावेश गर्न पूर्ण हुनुपर्छ
डिजाइन चरण को समयमा। कार्यान्वयन कायमै हुनुपर्छ
एउटै उद्देश्यमा प्रतिबद्ध: BI को वास्तुकलाको विकास गर्न
औपचारिक रूपमा रेखाचित्रमा प्रस्तुत र आवश्यकताहरूको आधारमा
व्यापार।
यो विशेष गरी तर्क गर्न गाह्रो छ कि अनुशासन सुनिश्चित हुनेछ
सापेक्ष सफलता।
यो सरल छ किनभने तपाईंले सबैका लागि BI वातावरण निर्माण गर्नुहुन्न
अचानक, तर यो समय संग साना कदम मा स्थान लिन्छ।
यद्यपि, तपाईंको वास्तुकलाको BI कम्पोनेन्टहरू पहिचान गर्नु हो
दुई कारणका लागि महत्त्वपूर्ण: तपाईंले सबै पछिल्ला निर्णयहरू मार्गदर्शन गर्नुहुनेछ
वास्तुकला प्रविधिहरू।
तपाइँ सचेत रूपमा प्रविधिको एक विशेष प्रयोग डिजाइन गर्न सक्षम हुनुहुनेछ
यद्यपि तपाईले यसलाई दोहोर्याउन सक्नुहुन्न
धेरै महिनाको लागि प्रविधि।
तपाईंको व्यापार आवश्यकताहरू पर्याप्त रूपमा बुझ्दा प्रकारलाई प्रभाव पार्नेछ
उत्पादनहरु को तपाईले आफ्नो वास्तुकला को लागी प्राप्त गर्नुहुनेछ।
तपाईंको वास्तुकलाको योजना र विकास सुनिश्चित गर्दछ
तपाईको गोदाम हो
कुनै यादृच्छिक घटना होइन, बरु एक "राम्रो विचार"
सावधानीपूर्वक निर्माण गरिएको विज्ञापन ओपेरा कला को एक मोज़ेक जस्तै
मिश्रित प्रविधि।
डिजाइन जानकारी सामग्री
सबै प्रारम्भिक डिजाइन फोकस र पहिचान गर्नुपर्छ
तपाईंको वातावरणलाई आवश्यक पर्ने प्रमुख BI कम्पोनेन्टहरू
वर्तमान र भविष्यमा सामान्य।
व्यापार आवश्यकताहरू जान्नु महत्त्वपूर्ण छ।
सबै औपचारिक योजना सुरु हुनु अघि नै, द
परियोजना योजनाकार अक्सर एक वा दुई पहिचान गर्न सक्छन्
तुरुन्तै घटक।
को लागि आवश्यक हुन सक्ने घटकहरूको सन्तुलन
तपाईंको वास्तुकला, तथापि, सजिलै पाउन सकिँदैन।
डिजाइन चरण को समयमा, वास्तुकला को मुख्य भाग
एप्लिकेसन डेभलपमेन्ट सेसन (JAD) लाई खोजमा बाँध्छ
व्यापार आवश्यकताहरू पहिचान गर्न।
कहिलेकाहीँ यी आवश्यकताहरू उपकरणहरूमा आउटसोर्स गर्न सकिन्छ
प्रश्न र रिपोर्टिङ।
उदाहरणका लागि, प्रयोगकर्ताहरू भन्छन् कि यदि तिनीहरू स्वचालित गर्न चाहन्छन्
हाल एक रिपोर्ट म्यानुअल रूपमा एकीकरण उत्पन्न गर्नुपर्छ
दुई वर्तमान अनुपात र व्युत्पन्न गणना थप्दै
को संयोजन डाटा.
जबकि यो आवश्यकता सरल छ, यसले एक निश्चित एक परिभाषित गर्दछ
तपाईंले जब समावेश गर्नुपर्छ सुविधाको कार्यक्षमता
संगठनको लागि रिपोर्टिङ उपकरणहरू किन्नुहोस्।
डिजाइनरले अतिरिक्त आवश्यकताहरू पनि पछ्याउनुपर्दछ
पूर्ण तस्वीर प्राप्त गर्नुहोस्। प्रयोगकर्ताहरू सदस्यता लिन चाहन्छन्
यो रिपोर्ट?
रिपोर्टको उपसमूहहरू उत्पन्न हुन्छन् र विभिन्नमा इमेल मार्फत पठाइन्छ
प्रयोगकर्ताहरू? कम्पनी पोर्टलमा यो रिपोर्ट हेर्न चाहनुहुन्छ?
यी सबै आवश्यकताहरू साधारण आवश्यकताको अंश हुन्
प्रयोगकर्ताहरूले अनुरोध गरे अनुसार म्यानुअल रिपोर्ट बदल्नुहोस्। फाइदा
यी प्रकारका आवश्यकताहरू मध्ये सबैजना, प्रयोगकर्ताहरू र विकासकर्ताहरू छन्
रिपोर्ट को अवधारणा को समझ।
त्यहाँ अन्य प्रकारका व्यवसायहरू छन्, तथापि, हामीले योजना बनाउन आवश्यक छ।
जब व्यापार आवश्यकताहरु को रूप मा भनिएको छ
व्यापार रणनीतिक प्रश्न, यो अनुभवी योजनाकार को लागी सजिलो छ
आयामी र मापन/तथ्य आवश्यकताहरू बुझ्नुहोस्।
चित्र १.२ ले a को आकार र आयामी घटकहरू चित्रण गर्दछ
व्यापार समस्या।
यदि JAD प्रयोगकर्ताहरूलाई थाहा छैन कि कसरी उनीहरूको आवश्यकताहरू घोषणा गर्ने
एक व्यापार समस्या को रूप मा, डिजाइनर अक्सर वितरित हुनेछ
डेटा सङ्कलन सत्र स्किपिङ-सुरु गर्नका लागि उदाहरणहरू
आवश्यकताहरु।
विशेषज्ञ डिजाइनरले प्रयोगकर्ताहरूलाई मात्र होइन बुझ्न मद्दत गर्न सक्छ
रणनीतिक व्यापार, तर यो कसरी गठन गर्ने।
आवश्यकताहरू जम्मा गर्ने दृष्टिकोणलाई अध्याय 3 मा छलफल गरिएको छ; को लागी
अब हामी केवल सबैका लागि डिजाइन गर्न आवश्यकता औंल्याउन चाहन्छौं
BI आवश्यकताहरूको प्रकार
एक रणनीतिक व्यापार मुद्दा हो, एक आवश्यकता मात्र होइन
व्यापार, तर एक डिजाइन संकेत पनि। जवाफ दिनुपर्छ भने
बहुआयामिक प्रश्नको लागि, त्यसपछि तपाईंले सम्झनु पर्छ,
पेश गर्नुहोस् i डाटा आयामी, र यदि तपाईंलाई याद गर्न आवश्यक छ
डाटा बहुआयामिक, तपाईंले कुन प्रकारको प्रविधि वा निर्णय गर्नुपर्दछ
तपाईंले प्रयोग गर्न लाग्नु भएको प्रविधि।
के तपाइँ आरक्षित घन तारा योजना लागू गर्नुहुन्छ, वा दुबै?
तपाईं देख्न सक्नुहुन्छ, एक साधारण व्यापार समस्या पनि
डिजाइनमा धेरै प्रभाव पार्न सक्छ। यद्यपि
यी प्रकारका व्यवसाय आवश्यकताहरू सामान्य र निश्चित रूपमा, कम्तिमा
अनुभवी परियोजना योजनाकारहरू र डिजाइनरहरू द्वारा।
प्रविधि र समर्थनको बारेमा पर्याप्त बहस भएको छ
OLAP, र विभिन्न प्रकारका समाधानहरू उपलब्ध छन्। अहिले सम्म
हामीले i सँग सरल रिपोर्टिङ ल्याउनु पर्ने आवश्यकता उल्लेख गरेका छौं
व्यापार आकार आवश्यकताहरु, र कसरी यी आवश्यकताहरु
प्राविधिक वास्तु निर्णयहरू प्रभावित।
तर के के आवश्यकताहरू छन् जुन सजिलै बुझ्न सकिँदैन
प्रयोगकर्ताहरूद्वारा वा Dw टोलीद्वारा? तपाईलाई कहिल्यै विश्लेषण चाहिन्छ
स्थानिक (स्थानिक विश्लेषण)?
को खनन मोडेल डाटा तिनीहरू तपाईंको आवश्यक भाग हुनेछन्
भविष्य? कसलाई थाँहा छ?
यो नोट गर्न महत्त्वपूर्ण छ कि यी प्रकारका प्रविधिहरू धेरै छैनन्
को सामान्य प्रयोगकर्ता समुदाय र टोली सदस्यहरू द्वारा परिचित
Dw, आंशिक रूपमा, यो हुन सक्छ किनभने तिनीहरू सामान्यतया
केही आन्तरिक वा तेस्रो-पक्ष विशेषज्ञ प्राविधिकहरू द्वारा ह्यान्डल गरिन्छ। यो एउटा
यी प्रकारका प्रविधिहरूले उत्पन्न गर्ने समस्याहरूको सीमा रेखा मामला। स्व
प्रयोगकर्ताहरूले व्यापार आवश्यकताहरू वर्णन गर्न वा तिनीहरूलाई फ्रेम गर्न सक्दैनन्
डिजाइनरहरूलाई दिशानिर्देशहरू प्रदान गर्न, तिनीहरूले गर्न सक्छन्
ध्यान नदिइयो वा, नराम्रो, केवल बेवास्ता गरियो।
डिजाइनर र विकासकर्ता असफल हुँदा यो अधिक समस्याग्रस्त हुन्छ
यी मध्ये एक को आवेदन पहिचान गर्न सक्नुहुन्छ तर उन्नत
महत्वपूर्ण प्रविधिहरू।
हामीले प्रायः डिजाइनरहरू यसो भनेको सुनेका छौं, "ठीक छ, किन
हामीले यो अर्को कुरा प्राप्त नगरेसम्म यसलाई अलग राख्दैनौं?
"के तिनीहरू साँच्चै प्राथमिकताहरूमा रुचि राख्छन्, वा तिनीहरू केवल i लाई बेवास्ता गर्छन्
आवश्यकताहरू तिनीहरूले बुझ्दैनन्? यो सम्भवतः पछिल्लो धारणा हो।
मानौं तपाईंको बिक्री टोलीले आवश्यकताहरू सञ्चार गरेको छ
व्यापार को, चित्र 1.3 मा भनिएको छ, तपाईले देख्न सक्नुहुन्छ,
आवश्यकता एक व्यापार समस्या को रूप मा फ्रेम गरिएको छ। त्यहाँ
यो समस्या र विशिष्ट आयामी समस्या बीचको भिन्नता हो
दुरी। यस अवस्थामा, बिक्री टोली जान्न चाहन्छ,
मासिक आधारमा, उत्पादनहरू, गोदामहरू र कुल बिक्री
ग्राहकहरु जो गोदामको 5 माईल भित्र बस्छन्
तिनीहरूले किन्छन्।
दुर्भाग्यवश, डिजाइनर वा वास्तुकारहरूले मात्र गर्न सक्छन्
यसो भन्दै स्थानिय कम्पोनेन्टलाई बेवास्ता गर्नुहोस्, "हामीसँग ग्राहक छ
उत्पादन र म डाटा निक्षेप को। सम्म हामी टाढा राख्छौं
अर्को पुनरावृत्ति।
"गलत जवाफ। यस प्रकारको व्यवसायिक समस्या चिन्ताजनक छ
पूर्ण रूपमा BI। यसले गहिरो समझको प्रतिनिधित्व गर्दछ
हाम्रो व्यापार र हाम्रा विश्लेषकहरूको लागि बलियो विश्लेषणात्मक ठाउँ।
BI साधारण क्वेरी वा मानक रिपोर्टिङ भन्दा बाहिर छ
OLAP पनि। यसको मतलब यी प्रविधिहरू असफल हुन्छन् भन्ने होइन
तिनीहरू तपाईंको BI को लागि महत्त्वपूर्ण छन्, तर तिनीहरू आफै होइनन्
BI वातावरण।
जानकारी सन्दर्भको लागि डिजाइन
(सूचना सामग्रीको लागि डिजाइन)
अब हामीले व्यापार आवश्यकताहरू पहिचान गरेका छौं जुन बाहिर खडा छ
विभिन्न आधारभूत अवयवहरू, डिजाइनमा समावेश हुनुपर्छ
सामान्य वास्तुकला। केही BI कम्पोनेन्टहरू भाग हुन्
हाम्रा प्रारम्भिक प्रयासहरू, जबकि केही कार्यान्वयन हुनेछैनन्
धेरै महिना।
यद्यपि, सबै ज्ञात आवश्यकताहरू डिजाइनमा प्रतिबिम्बित हुन्छन् ताकि
जब हामीले एक विशेष प्रविधि लागू गर्न आवश्यक छ, हामी छौं
गर्न तयार हुनुहोस्। परियोजना बारे केहि सोच प्रतिबिम्बित हुनेछ
tradizionale।
उदाहरणका लागि, अध्यायको सुरुमा चित्र १.१ ले डाटा देखाउँछ
मार्ट जसले i डाटा आयामी।
को यो सेट डाटा पछिको प्रयोगलाई समर्थन गर्न प्रयोग गरिन्छ
डाटा व्यापार समस्या द्वारा संचालित आयामी कि
हामीले पहिचान गरेका छौं। जसरी अतिरिक्त कागजातहरू छन्
उत्पन्न, जस्तै को डिजाइन विकास डाटा, हामी
हामी कसरी औपचारिक रूपमा सुरु गर्नेछौं डाटा तिनीहरू वातावरणमा फैलिन्छन्।
हामीले प्रतिनिधित्व गर्न आवश्यक छ भनी सुनिश्चित गरेका छौं डाटा त्यसो भए
आयामी, तिनीहरूलाई उपविभाजित गर्दै (विशेष आवश्यकताहरू अनुसार
निर्धारित) डाटा मार्ट मा।
जवाफ दिन अर्को प्रश्न तिनीहरू कसरी निर्माण हुनेछ
यी डाटा मार्ट?
के तपाइँ क्यूबहरू, वा केवल क्यूबहरू, वा केवल ताराहरूलाई समर्थन गर्न ताराहरू निर्माण गर्नुहुन्छ?
(वा दायाँ क्यूब्स, वा दायाँ ताराहरू)। डाटाको लागि वास्तुकला उत्पन्न गर्नुहोस्
आश्रित मार्टहरू 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 तपाईलाई आफ्नो राष्ट्रिय बिक्री बलको क्यूब्स चाहिन्छ
साप्ताहिक आधार वा दुवै? एक शक्तिशाली वस्तु बनाउनुहोस्
जस्तै DB2 OLAP Server for Finance वा Cognos cubes
पावरप्ले तपाईको बिक्री संगठन वा दुबैको लागि?
यी ठूला वास्तु डिजाइन निर्णयहरू हुन्
तिनीहरूले तपाईंको BI वातावरणलाई अगाडी जाँदै असर गर्नेछ। हो,
तपाईंले OLAP को आवश्यकता पहिचान गर्नुभएको छ। अब यसलाई कसरी पूरा गर्ने हो
प्रविधि र प्रविधिको प्रकार?
कतिपय उन्नत प्रविधिहरूले तपाइँलाई कसरी असर गर्छ
रेखाचित्र? मानौं तपाईंले आवश्यकता पहिचान गर्नुभयो
तपाईंको संगठनमा ठाउँ। अब तपाईले कल गर्नु पर्छ
वास्तुकला रेखाचित्र संस्करणहरू अनियोजित भए पनि
धेरै महिनाको लागि स्पेस कम्पोनेन्टहरू पूरा गर्नुहोस्। वास्तुकार हुनुपर्छ
आज के आवश्यक छ मा आधारित डिजाइन। आवश्यकता अनुमान गर्नुहोस्
उत्पन्न गर्ने, भण्डारण गर्ने, प्रदर्शन गर्ने र वितरण गर्ने स्थानिय विश्लेषण
पहुँच डाटा स्थानिय। यो बारीमा एक रूपमा सेवा गर्नुपर्छ
प्रविधि र विशिष्टता को प्रकार को बारे मा बाधा
तपाईंले हाल विचार गरिरहनुभएको सफ्टवेयर प्लेटफर्म। को लागी
उदाहरणका लागि, प्रशासन प्रणाली डाटा बेस संबंधात्मक
(RDBMS) तपाईंले आफ्नो परमाणु तहको लागि प्रदर्शन गर्नुपर्छ
एक बलियो स्थानिक हद उपलब्ध छ। यसले सुनिश्चित गर्नेछ
ज्यामिति र वस्तुहरू प्रयोग गर्दा अधिकतम प्रदर्शन
तपाईंको विश्लेषणात्मक अनुप्रयोगहरूमा ठाउँ। यदि तपाईंको RDBMS ले गर्दैन भने
सम्हाल्न सक्छु डाटा (स्थानिक-केन्द्रित) आन्तरिक रूपमा, त्यसैले तपाईंले गर्नुपर्नेछ
स्थापना डाटा बेस (स्थानिक-केन्द्रित) बाह्य। यसले जटिल बनाउँछ
समस्या व्यवस्थापन र तपाईंको समग्र प्रदर्शनलाई असर गर्छ,
तपाईंको लागि सिर्जना गरिएको थप समस्याहरू उल्लेख नगर्नुहोस्
DBAs, तिनीहरूसँग सम्भवतः न्यूनतम समझ छ
को जग को डाटा स्थानिय पनि। अर्कोतर्फ, यदि तपाईंको इन्जिन
RDMBS ले सबै स्थानिय कम्पोनेन्ट र सम्बन्धित ह्यान्डल गर्छ
अनुकूलक विशेष आवश्यकताहरू बारे सचेत छ (उदाहरणका लागि,
स्थानिय वस्तुहरूको अनुक्रमणिका), त्यसपछि तपाईंको DBA ले ह्यान्डल गर्न सक्छ
तुरुन्तै समस्याहरू प्रबन्ध गर्नुहोस् र तपाइँ तिनीहरूलाई माथि उठाउन सक्नुहुन्छ
prestazioni।
साथै, तपाईंले स्टेजिङ क्षेत्र र तह समायोजन गर्न आवश्यक छ
ठेगाना सफाई समावेश गर्न परमाणु वातावरणको (un
स्थानिय विश्लेषणको मुख्य तत्व), साथै अर्को
ठाउँ वस्तुहरू बचत। को संस्करण को उत्तराधिकार
रेखाचित्र अहिले जारी छ कि हामीले सफाईको अवधारणा ल्याएका छौं
ठेगाना। एक कुरा को लागी, यो अनुप्रयोग को प्रकार हुक्म हुनेछ
तपाईंको ETL प्रयासको लागि आवश्यक सफ्टवेयर।
तपाईंलाई ठेगाना प्रदान गर्न Trillium जस्ता उत्पादनहरू चाहिन्छ
सफा, वा तपाइँको रोजाई को एक ETL विक्रेता प्रदान गर्न को लागी
कार्यक्षमता?
अहिलेको लागि यो महत्त्वपूर्ण छ कि तपाईंले डिजाइनको मानकको कदर गर्नुहोस्
तपाईंले आफ्नो कार्यान्वयन सुरु गर्नु अघि पूरा गर्नुपर्छ
वातावरण (गोदाम)। माथिका उदाहरणहरू हुनुपर्छ
पछ्याउनै पर्ने धेरै निर्णयहरू चित्रण गर्नुहोस्
कुनै विशेष व्यवसाय आवश्यकता को पहिचान। यदि गरियो भने
सही रूपमा, यी डिजाइन निर्णयहरूलाई बढावा दिन्छ
तपाईंको वातावरणको भौतिक संरचनाहरू बीचको अन्तरनिर्भरता
प्रयोग गरिएको प्रविधिको चयन र प्रसारको प्रवाह
जानकारी सामग्री। यो परम्परागत वास्तुकला बिना
BI को, तपाईंको संगठन मिश्रणको अधीनमा हुनेछ
अवस्थित प्रविधिहरूको अराजकता, उत्तममा, एक तरिकामा एकजुट
स्पष्ट स्थिरता प्रदान गर्न गलत।
जानकारी सामग्री राख्नुहोस्
तपाईंको संगठनमा जानकारीको मूल्य ल्याउनु हो
धेरै गाह्रो अपरेशन। पर्याप्त बुझाइ बिना
र अनुभव, वा उचित योजना र डिजाइन, पनि
राम्रो टोली असफल हुनेछ। अर्कोतर्फ, यदि तपाईंसँग उत्कृष्ट छ
अन्तर्ज्ञान र विस्तृत योजना तर लागि कुनै अनुशासन
कार्यान्वयन, तपाईंले भर्खर आफ्नो पैसा र समय बर्बाद गर्नुभयो
किनभने तपाईको प्रयास असफल हुन बाध्य छ। सन्देश हुनुपर्छ
स्पष्ट हुनुहोस्: यदि तपाइँ यी मध्ये एक वा बढी छुटेको हुनुहुन्छ भने
सीप, समझ/अनुभव वा योजना/चित्रण o
कार्यान्वयन अनुशासन, यसले पक्षाघात वा पक्षाघात निम्त्याउँछ
BI संस्थाको भवन ध्वस्त।
के तपाईको टोली पर्याप्त तयारी अवस्थामा छ? तिम्रो माथी कोही छ
BI टोली जसले उपलब्ध विशाल विश्लेषणात्मक परिदृश्य बुझ्दछ
BI वातावरणमा, आवश्यक प्रविधि र प्रविधिहरूमा
त्यो परिदृश्य प्रभाव पार्न? तपाईको टोलीमा कोही हुनुहुन्छ
जसले उन्नत बीचको अनुप्रयोगको भिन्नता पहिचान गर्न सक्छ
स्थिर रिपोर्टिङ र OLAP, वा ROLAP र OLAP बीचको भिन्नता? मध्ये एक
तपाईंको टोलीका सदस्यहरूले स्पष्ट रूपमा बाटो पहिचान गर्छन्
निकाल्नुहोस् र यसले गोदामलाई कसरी असर गर्न सक्छ वा कसरी
के गोदामले खनन प्रदर्शनलाई समर्थन गर्न सक्छ? एक सदस्य
टोलीको मूल्य बुझ्दछ डाटा ठाउँ वा प्रविधि
एजेन्ट आधारित? के तपाईंसँग अद्वितीय अनुप्रयोगको कदर गर्ने कोही छ
ब्रोकर टेक्नोलोजी विरुद्ध ETL उपकरणहरू
सन्देश? यदि तपाईंसँग छैन भने, एउटा पाउनुहोस्। BI धेरै धेरै छ
सामान्यीकृत परमाणु तहको ठूलो, OLAP को, योजनाहरूको a
तारा र एक ODS।
आवश्यकताहरू पहिचान गर्न समझ र अनुभव छ
BI र तिनीहरूका समाधानहरू तपाईंको क्षमताको लागि आवश्यक छ
सही रूपमा प्रयोगकर्ताहरूको आवश्यकताहरू र डिजाइन गर्न औपचारिक रूपमा
र तिनीहरूका समाधानहरू लागू गर्नुहोस्। यदि तपाइँको प्रयोगकर्ता समुदाय छ
आवश्यकताहरू वर्णन गर्न कठिनाई, यो टोलीको काम हो
गोदाम त्यो समझ प्रदान गर्दछ। तर यदि टोली
गोदाम
BI को विशिष्ट अनुप्रयोग पहिचान गर्दैन - उदाहरणका लागि, डेटा
खनन - त्यसो भए यो BI वातावरणले गर्ने उत्तम कुरा होइन
अक्सर आफूलाई निष्क्रिय निक्षेपमा सीमित गर्दछ। तथापि, यी बेवास्ता गर्नुहोस्
प्रविधिहरूले तिनीहरूको महत्त्व र प्रभावलाई कम गर्दैन
तपाईंको आफ्नै व्यापार बुद्धि सम्भावनाहरूको उदयमा
संगठन, साथै तपाईंले डिजाइन गर्नुभएको जानकारी संरचना
प्रचार गर्न।
योजनामा ​​रेखाचित्र, ed को धारणा समावेश हुनुपर्छ
दुवैलाई सक्षम व्यक्ति चाहिन्छ। साथै, डिजाइन
यसका लागि टोली वेयरहाउस दर्शन र अवलोकन आवश्यक छ
मापदण्डहरूको। उदाहरणका लागि, यदि तपाइँको कम्पनीले स्थापना गरेको छ
मानक प्लेटफर्म वा तपाइँले एक विशेष RDBMS पहिचान गरेको छ
प्लेटफर्ममा मानकीकरण गर्न चाहन्छ, यो आसन्न छ
टोलीमा सबैले ती मापदण्डहरू पालन गर्छन्। सामान्यतया एक
टोलीले सामान्यीकरणको आवश्यकतालाई उजागर गर्दछ (प्रयोगकर्तालाई
समुदायहरू), तर टोली आफैं सामेल हुन इच्छुक छैन
मापदण्डहरू पनि कम्पनीमा अन्य क्षेत्रमा वा हुनसक्छ
समान कम्पनीहरु। यो कपटी मात्र होइन, तर फर्मले गर्दैन भनेर सुनिश्चित गर्दछ
विद्यमान स्रोत र लगानीको सदुपयोग गर्न सक्षम छ । यसको मतलब छैन
प्लेटफर्म वा ए को ग्यारेन्टी गर्ने कुनै अवस्था छैन
गैर-मानक प्रविधि; यद्यपि, गोदामको प्रयास
ईर्ष्यापूर्वक उद्यमको मापदण्डको रक्षा गर्नुपर्छ
कि व्यापार आवश्यकताहरु अन्यथा हुकुम गर्दैन।
BI निर्माण गर्न आवश्यक तेस्रो प्रमुख घटक
संगठन भनेको अनुशासन हो ।
यो पूर्ण रूपमा निर्भर गर्दछ, समान रूपमा व्यक्ति र वातावरणमा।
परियोजना योजनाकारहरू, प्रायोजकहरू, आर्किटेक्टहरू, र प्रयोगकर्ताहरूले प्रशंसा गर्नुपर्छ
कम्पनीको सूचना संरचना निर्माण गर्न आवश्यक अनुशासन।
डिजाइनरहरूले आफ्नो डिजाइन प्रयासहरू यसरी निर्देशित गर्नुपर्छ
समाजमा अन्य आवश्यक प्रयासहरू पूरा गर्नुहोस्।
उदाहरणका लागि, तपाईंको कम्पनीले निर्माण गर्छ भनौं
गोदाम घटक भएको ERP अनुप्रयोग।
त्यसोभए यो ईआरपी डिजाइनरहरूको साथ सहयोग गर्ने जिम्मेवारी हो
गोदाम वातावरण टोली ताकि प्रतिस्पर्धा गर्न वा
पहिले नै सुरु भएको कामको नक्कल गर्नुहोस्।
अनुशासन पनि एक विषय हो जुन व्यस्त हुन आवश्यक छ
सम्पूर्ण संगठन द्वारा र सामान्यतया स्थापित र एक लाई सुम्पिएको छ
कार्यकारी स्तर।
के कार्यकारीहरू डिजाइन गरिएको दृष्टिकोण पालन गर्न इच्छुक छन्? ए
जानकारी सामग्री सिर्जना गर्ने वाचा गर्ने दृष्टिकोण
अन्ततः यसले उद्यमको सबै क्षेत्रहरूमा मूल्य ल्याउनेछ, तर हुन सक्छ
के यसले व्यक्तिगत वा विभागीय एजेन्डामा सम्झौता गर्छ? भनाइ सम्झनुहोस्
"एउटा कुराको बारेमा सोच्नु भन्दा सबै कुराको बारेमा सोच्नु महत्त्वपूर्ण छ।"
यो भनाइ BI संगठनहरूको लागि सत्य हो।
दुर्भाग्यवश, धेरै गोदामहरूले आफ्नो प्रयासलाई केन्द्रित गर्छन्
ड्राइभ गर्न र एक विशेष विभाग वा a मा मूल्य ल्याउन खोज्दै
विशिष्ट प्रयोगकर्ताहरू, मा संगठनको लागि थोरै ध्यान दिएर
सामान्य। मान्नुहोस् कि प्रबन्धकले टोलीबाट सहयोग अनुरोध गर्दछ
गोदाम। टोलीले 90-दिनको कामको साथ जवाफ दिन्छ
द्वारा परिभाषित सूचना आवश्यकताहरूको डेलिभरी मात्र समावेश गर्दैन
प्रबन्धक तर सबै कुरा सुनिश्चित गर्दछ डाटा आधार स्तर मा मिश्रित छन्
क्यूब टेक्नोलोजीमा पेश गर्नु अघि परमाणु
प्रस्ताव।
यो ईन्जिनियरिङ् थपको उपलब्धि सुनिश्चित गर्दछ
कोठाबाट फाइदा हुनेछ डाटा व्यवस्थापक द्वारा आवश्यक छ।
तर, कार्यकारीले बाहिरका परामर्शदातासँग कुरा गरेको छ
4 भन्दा कममा डेलिभरीको साथ समान आवेदन प्रस्ताव गरेको छ
settimane।
आन्तरिक वेयरहाउस टोली सक्षम छ भनी मान्दै, द
प्रबन्धकसँग विकल्प छ। कसले अनुशासनलाई समर्थन गर्न सक्छ
इनार खेती गर्न थप इन्जिनियरिङ चाहिन्छ
सूचनात्मक उद्यम वा आफ्नै बनाउन रोज्न सक्छ
चाँडै समाधान। पछिल्लो साँच्चै छानिएको देखिन्छ
धेरै पटक र केवल जानकारी कन्टेनरहरू सिर्जना गर्न सेवा गर्दछ
जसबाट केही व्यक्ति वा व्यक्तिलाई फाइदा हुन्छ ।
अल्पकालीन र दीर्घकालीन लक्ष्यहरू
वास्तुविद् र परियोजना योजनाकारहरूले औपचारिक रूपमा ए
समग्र वास्तुकलाको दीर्घकालीन दृष्टि र योजनाहरू
BI संगठनमा बढ्नुहोस्। को यो संयोजन
अल्पकालीन लाभ र दीर्घकालीन योजना
BI को प्रयास को दुई अनुहार को प्रतिनिधित्व। अल्पकालीन लाभ
म्याद समाप्ति BI को पक्ष हो जुन को पुनरावृत्ति संग सम्बन्धित छ
आफ्नो गोदाम।
यो हो जहाँ योजनाकारहरू, आर्किटेक्टहरू र प्रायोजकहरू फोकस गर्छन्
विशिष्ट व्यापार आवश्यकताहरू पूरा। यो यो स्तर मा छ जहाँ
भौतिक संरचना निर्माण हुन्छ, प्रविधि किनिन्छ र
प्रविधिहरू लागू हुन्छन्। तिनीहरू कुनै पनि हालतमा सामना गर्न बनाइएका छैनन्
विशेष प्रयोगकर्ता समुदायहरू द्वारा परिभाषित विशेष आवश्यकताहरू।
परिभाषित विशिष्ट आवश्यकताहरू सम्बोधन गर्न सबै कुरा गरिन्छ
एक विशेष समुदायबाट।
लामो दूरीको योजना, तथापि, अर्को पक्ष हो
BI को। यो जहाँ योजना र डिजाइन यो सुनिश्चित थियो
कुनै पनि भौतिक संरचना निर्माण, चयन गरिएका प्रविधिहरू र
उद्यम तिर आँखा संग बनाइएको प्रविधिहरू महसुस। र द
लामो दूरीको योजना जसले एकता प्रदान गर्दछ
सबैलाई व्यापार लाभहरू प्राप्त गर्न सुनिश्चित गर्न आवश्यक छ
छोटो अवधिको लाभ फेला पर्यो।
तपाईको BI प्रयासलाई औचित्य दिनुहोस्
Un डाटा गोदाम आफैमा यसको कुनै अन्तरनिहित मूल्य छैन। अन्य मा
शब्दहरू, त्यहाँ प्रविधिहरू बीच कुनै अन्तर्निहित मूल्य छैन
गोदाम र कार्यान्वयन प्रविधिहरू।
कुनै पनि गोदाम प्रयासको मूल्य कार्यहरूमा पाइन्छ
गोदाम वातावरण र सामग्री को परिणाम को रूप मा प्रदर्शन
जानकारी समय संग खेती। यो बुझ्नको लागि एक महत्वपूर्ण बिन्दु हो
तपाईंले कुनै पहलको मूल्य अनुमान गर्न प्रयास गर्नु अघि
घर।
धेरै पटक, आर्किटेक्ट र योजनाकारहरूले मान लागू गर्ने प्रयास गर्छन्
गोदाम भौतिक र प्राविधिक कम्पोनेन्टहरू जब वास्तवमा मूल्य हो
द्वारा सकारात्मक प्रभाव पारेको व्यापार प्रक्रियाहरु संग फेला पार्छ
गोदाम र राम्रोसँग प्राप्त जानकारी।
यहाँ BI को स्थापनाको लागि चुनौती छ: तपाइँ कसरी लगानीको औचित्य गर्नुहुन्छ?
यदि जहाँ घरको आफैंमा कुनै आन्तरिक मूल्य छैन भने, डिजाइनरहरू
परियोजनाले लाभहरूको अनुसन्धान, परिभाषित र औपचारिकीकरण गर्नुपर्छ
गोदाम प्रयोग गर्ने ती व्यक्तिहरू द्वारा प्राप्त
विशिष्ट व्यापार प्रक्रिया वा को मूल्य सुधार
सुरक्षित जानकारी वा दुवै।
विषयहरू जटिल बनाउन, कुनै पनि व्यापार प्रक्रिया
गोदाम प्रयासहरु द्वारा प्रभावित लाभ प्रदान गर्न सक्छ
"पर्याप्त" वा "थोरै"। उल्लेखनीय लाभहरू प्रदान गर्दछ
लगानीमा प्रतिफल (ROI) मापन गर्न ठोस मेट्रिक - जस्तै
उदाहरण, एक अवधि को समयमा एक अतिरिक्त समय मा सूची बदल्दै
विशिष्ट वा प्रति ढुवानी यातायात को कम लागत को लागी। यो थप छ
सुधारिएको पहुँच जस्ता थोरै फाइदाहरूलाई पिन गर्न गाह्रो छ
जानकारी, मूर्त मूल्य को मामला मा।
जान्नको लागि आफ्नो परियोजना जडान गर्नुहोस्
व्यापार अनुरोधहरू
प्रायः, परियोजना डिजाइनरहरूले मूल्य जडान गर्ने प्रयास गर्छन्
उद्यम को अनाकार लक्ष्य संग गोदाम को। भनेर बताउँदै
“गोदामको मूल्य हाम्रो क्षमतामा आधारित छ
रणनीतिक अनुरोधहरू सन्तुष्ट गर्नुहोस्" हामी खुसीसाथ खोल्छौं
भाषण। तर त्यो मात्रै हो कि भनेर निर्धारण गर्न पर्याप्त छैन
गोदाममा लगानीले अर्थ राख्छ। यो पुनरावृत्ति जडान गर्न राम्रो छ
विशिष्ट व्यावसायिक अनुरोध र नोटहरूको साथ गोदाम।
ROI मापन गर्नुहोस्
गोदाम सेटिङमा ROI गणना गर्न सकिन्छ
विशेष गरी गाह्रो। यो विशेष गरी यदि नेतृत्व गर्न गाह्रो छ
एक विशेष पुनरावृत्ति को प्रिन्सिपल केहि अमूर्त छ वा
मापन गर्न सजिलो। एक अध्ययनले प्रयोगकर्ताहरूले बुझेको फेला पारेको छ
BI पहलका दुई मुख्य फाइदाहरू:
▪ निर्णय गर्ने क्षमता विकास गर्नुहोस्
▪ जानकारीमा पहुँच सिर्जना गर्नुहोस्
यी फाइदाहरू नरम (वा हल्का) फाइदाहरू हुन्। यो हेर्न सजिलो छ
हामी कसरी कडा किनारामा आधारित ROI गणना गर्न सक्छौं (o
ठूलो) जस्तै यातायातको लागत घटाउने, तर कसरी
के हामी राम्रो निर्णय गर्ने क्षमता मापन गर्छौं?
यो निश्चित रूपमा जब परियोजना योजनाकारहरूको लागि चुनौती हो
तिनीहरू कम्पनीलाई एक विशेषमा लगानी गर्न खोजिरहेका छन्
गोदाम प्रयास। बिक्री बढ्दै वा लागत घटाउने
तिनीहरू अब BI वातावरण चलाउने केन्द्रीय विषयवस्तुहरू छैनन्।
यसको सट्टा, तपाईं व्यापार अनुरोधहरूमा पहुँच खोज्दै हुनुहुन्छ
जानकारीको लागि उत्तम हो ताकि एक विशेष विभागले गर्न सक्छ
छिटो निर्णय गर्नुहोस्। यी रणनीतिक चालकहरू हुन्
जुन फर्मको लागि उत्तिकै महत्त्वपूर्ण हुन्छ तर हो
थप अस्पष्ट र मूर्त मेट्रिकमा चित्रण गर्न अझ गाह्रो।
यस अवस्थामा, ROI गणना गर्दा भ्रामक हुन सक्छ, यदि अप्रासंगिक छैन।
परियोजना डिजाइनरहरूले मूल्य प्रदर्शन गर्न सक्षम हुनुपर्छ
मा लगानी गर्ने कि नगर्ने निर्णय गर्ने कार्यकारीहरूको लागि मूर्त
एक विशेष पुनरावृत्ति गणना। यद्यपि, हामी नयाँ प्रस्ताव गर्दैनौं
ROI गणना गर्ने विधि, न त हामी कुनै समर्थक वा तर्क गर्नेछौं
यसको विरुद्धमा।
त्यहाँ धेरै लेख र पुस्तकहरू उपलब्ध छन् जुन आधारभूत कुराहरू छलफल गर्दछ
ROI गणना गर्नुहोस्। त्यहाँ मूल्य जस्तै विशेष मूल्य प्रस्तावहरू छन्
गार्टनर जस्ता समूहहरूद्वारा प्रस्ताव गरिएको लगानी (VOI) मा, जुन तपाईंले गर्न सक्नुहुन्छ
अनुसन्धान गर्न। यसको सट्टा, हामी कुनै पनि मुख्य पक्षहरूमा ध्यान केन्द्रित गर्नेछौं
ROI वा अन्य मान प्रस्तावहरू तपाईंले विचार गर्न आवश्यक छ।
ROI लागू गर्दै
"हार्ड" फाइदाहरू बनाम "नरम" फाइदाहरूको बारेमा तर्कको अतिरिक्त
BI प्रयासहरूसँग सम्बद्ध विचार गर्न अन्य मुद्दाहरू छन्
जब हामी ROI लागू गर्छौं। उदाहरणका लागि:
DW को प्रयासहरूमा धेरै बचतहरू आउने छन्
जे भए पनि
मानौं तपाईको कम्पनीको वास्तुकलाबाट संक्रमण भयो
वितरित UNIX वातावरणमा mainframe। त्यसैले कुनै पनि
बचतहरू जुन त्यो प्रयासबाट प्राप्त हुन सक्छ (वा नहुन सक्छ)
सबैलाई (?), को लागि विशेष रूपमा श्रेय दिनु हुँदैन
गोदाम
सबै कुराको लेखाजोखा गर्नु महँगो छैन। र त्यहाँ धेरै चीजहरू छन्
ध्यानमा राख्नुहोस्। निम्न सूची विचार गर्नुहोस्:
▪ सुरुको लागत, सम्भाव्यता सहित।
▪ सम्बन्धित भण्डारणको साथ समर्पित हार्डवेयरको लागत ई
संचार
▪ व्यवस्थापन सहित सफ्टवेयरको लागत डाटा र विस्तारहरू
ग्राहक/सर्भर, ETL सफ्टवेयर, DSS प्रविधिहरू, उपकरणहरू
दृश्य, समय तालिका र प्रवाह अनुप्रयोगहरू
काम र ट्र्याकिङ सफ्टवेयर,।
▪ संरचना डिजाइन लागत डाटा, अनुभूति संग, र
को अनुकूलन
▪ सफ्टवेयर विकास लागत सीधा प्रयास संग सम्बन्धित
BI
▪ अप्टिमाइजेसन सहित गृह समर्थनको लागत
प्रदर्शन, सफ्टवेयर संस्करण नियन्त्रण सहित ई
मद्दत अपरेशनहरू
"बिग-बैंग" ROI लागू गर्नुहोस्।
एकल र विशाल प्रयासको रूपमा गोदामको प्राप्ति
असफल हुन बाध्य छ, त्यसैले पहलको लागि ROI पनि गणना गर्नुहोस्
ठूला उद्यमहरूको प्रस्ताव अचम्मको छ, र त्यो डिजाइनरहरू
सम्पूर्णको मूल्य अनुमान गर्न कमजोर प्रयासहरू जारी राख्नुहोस्
प्रयास।
किनभने डिजाइनरहरूले मौद्रिक मूल्य दिन प्रयास गर्छन्
उद्यम पहल मा यो व्यापक रूपमा ज्ञात र स्वीकार गरिएको छ भने
के विशिष्ट पुनरावृत्ति अनुमान गर्न गाह्रो छ? यो कसरी सम्भव छ? यो होइन
केहि अपवाद संग सम्भव छ। यो नगर्नुहोस्।
अब हामीले गणना गर्दा के नगर्ने भनेर स्थापित गरेका छौं
ROI, यहाँ केहि बिन्दुहरू छन् जसले हामीलाई परिभाषित गर्न मद्दत गर्नेछ
तपाईंको BI प्रयासहरूको मूल्य अनुमान गर्नको लागि भरपर्दो प्रक्रिया।
ROI सहमति प्राप्त गर्दै। तिम्रो जस्तो सुकै होस्
तपाइँको BI प्रयासहरूको मूल्य अनुमान गर्न प्रविधिको छनोट, अनिवार्य छ
परियोजना योजनाकारहरू सहित सबै पक्षहरूद्वारा सहमत हुन,
कर्पोरेट प्रायोजक र कार्यकारीहरू।
ROI लाई पहिचान योग्य भागहरूमा तोड्नुहोस्। तर्फ आवश्यक कदम
ROI को उचित गणना भनेको त्यो गणनालाई a मा केन्द्रित गर्नु हो
विशिष्ट परियोजना। यसले तपाईंलाई मूल्य अनुमान गर्न अनुमति दिन्छ
विशेष व्यापार आवश्यकताहरु को आधार मा पूरा गरिन्छ
लागतहरू परिभाषित गर्नुहोस्। उल्लेख गरिए अनुसार, धेरै लागतहरू हुनुपर्छ
मानिन्छ। यसबाहेक, लागतहरूमा सम्बन्धित लागतहरू मात्र समावेश हुँदैन
एकल पुनरावृत्तिमा तर सम्बन्धित लागतहरूमा पनि
कर्पोरेट मापदण्डहरूको अनुपालन सुनिश्चित गर्न।
लाभहरू परिभाषित गर्नुहोस्। ROI लाई आवश्यकताहरूमा स्पष्ट रूपमा लिङ्क गरेर
विशिष्ट ट्रेडहरू, हामी पहिचान गर्न सक्षम हुनुपर्छ
लाभहरू जसले आवश्यकताहरू पूरा गर्न नेतृत्व गर्नेछ।
आसन्न लाभहरूमा लागत र लाभहरू घटाउनुहोस्। यो बाटो हो
आफ्नो मूल्याङ्कनलाई शुद्ध वर्तमान मूल्यमा आधारित गर्ने उत्तम तरिका
(NPV) मा भविष्यको मूल्य भविष्यवाणी गर्ने प्रयास नगरी
भविष्यको कमाई।
आफ्नो ROI न्यूनतममा विभाजित गर्न समय राख्नुहोस्। र'
लामो समय मा राम्रोसँग दस्तावेज यो तपाइँको मा प्रयोग भएको छ
आरओआई।
एक भन्दा बढी ROI सूत्र प्रयोग गर्नुहोस्। को लागि धेरै विधिहरू छन्
ROI भविष्यवाणी र तपाईंले योजना बनाउनु पर्छ कि एक वा प्रयोग गर्ने
साथै, शुद्ध वर्तमान मूल्य सहित, प्रतिक्रियाको आन्तरिक गति
(IRR) र रिकभरी।
दोहोर्याउने प्रक्रिया परिभाषित गर्नुहोस्। यो गणनाको लागि महत्त्वपूर्ण छ
कुनै पनि दीर्घकालीन मूल्य। त्यसको दस्तावेजीकरण गर्नुपर्छ क
सबै परियोजना अनुवर्तीहरूको लागि एकल पुनरावृत्ति प्रक्रिया ए
पछ्याउन।
सूचीबद्ध समस्याहरू विशेषज्ञहरू द्वारा परिभाषित सबैभन्दा सामान्य समस्याहरू हुन्
गोदाम वातावरण को। व्यवस्थापनको आग्रह
"Big-Bang" ROI डेलिभर हुनु धेरै भ्रामक छ। यदि तपाइँ सबै सुरु गर्नुहुन्छ
तपाईंको ROI गणनाहरूलाई पहिचान गर्न सकिने, मूर्त भागहरूमा विभाजन गरेर, तपाईंसँग छ
सही ROI मूल्याङ्कन अनुमान गर्ने राम्रो मौका।
ROI लाभहरूको बारेमा प्रश्नहरू
तपाईंको फाइदाहरू, नरम वा कडा, तपाईं प्रयोग गर्न सक्नुहुन्छ
तिनीहरूको मूल्य निर्धारण गर्न केही आधारभूत प्रश्नहरू। को
उदाहरण एक साधारण स्केल प्रणाली प्रयोग गरेर, 1 देखि 10 सम्म, तपाईं
तपाईंले निम्न प्रयोग गरेर कुनै पनि प्रयासको प्रभाव ट्र्याक गर्न सक्नुहुन्छ
अनुरोधहरू:
▪ तपाईंले बुझ्नुलाई कसरी मूल्याङ्कन गर्नुहुन्छ डाटा यसलाई पछ्याउँदै
तपाईको कम्पनीको परियोजना?
▪ तपाईंले प्रक्रियामा भएको सुधारको परिणामको रूपमा कसरी अनुमान लगाउनुहुनेछ
यो परियोजना?
▪ तपाईं अहिले नयाँ अन्तर्दृष्टि र निष्कर्षहरूको प्रभाव कसरी मापन गर्नुहुन्छ
यो पुनरावृत्ति द्वारा उपलब्ध गराइयो
▪ नयाँ कम्प्युटर वातावरणले कस्तो प्रभाव पारेको छ e
सिकेको परिणामको रूपमा प्रदर्शन गर्दै?
यदि यी प्रश्नहरूको जवाफ थोरै छ भने, यो सम्भव छ
उद्यम गरिएको लगानीको लायक छैन। उच्च संग प्रश्नहरू
महत्त्वपूर्ण मूल्य लाभको लागि अंक अंक र हुनुपर्छ
थप अनुसन्धानको लागि गाइडको रूपमा सेवा गर्नुहोस्।
उदाहरण को लागी, प्रक्रिया सुधार को लागी एक उच्च स्कोर
यसले डिजाइनरहरूलाई कसरी प्रक्रियाहरू छन् भनेर हेर्न नेतृत्व गर्नुपर्छ
सुधार गरिएको छ। तपाईंले पाउन सक्नुहुन्छ कि केहि वा सबै लाभहरू बनाइएका छन्
तिनीहरू मूर्त छन् र त्यसैले मौद्रिक मूल्य सजिलै हुन सक्छ
आवेदन।
को पहिलो पुनरावृत्तिबाट अधिकतम प्राप्त गर्दै
गोदाम
तपाईको व्यापारिक प्रयासको सबैभन्दा ठूलो परिणाम प्रायः मा हुन्छ
पहिलो केहि पुनरावृत्ति। यी प्रारम्भिक प्रयासहरू परम्परागत रूपमा
जनताको लागि सबैभन्दा उपयोगी जानकारी सामग्री स्थापना गर्नुहोस् ई
पछिको लागि प्रविधिको जगमा सहायता स्थापना गर्दछ
BI अनुप्रयोगहरू।
सामान्यतया प्रत्येक पछिको अनुवर्ती डाटा को परियोजना को
गोदामहरूले उद्यममा कम र कम अतिरिक्त मूल्य ल्याउँछन्
सामान्य। यो विशेष गरी सत्य हो यदि पुनरावृत्ति असफल भयो
नयाँ तर्कहरू थप्छ वा नयाँको आवश्यकता पूरा गर्दैन
प्रयोगकर्ता समुदाय।
यो भण्डारण सुविधा पाइल्समा पनि लागू हुन्छ
द्वारा बढ्दै 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 सुत्ने र तिनीहरूलाई राख्न सधैं महँगो छ किनभने
तिनीहरू लगभग कहिल्यै प्रयोग गर्दैनन्।
परियोजना प्रायोजकहरूको लागि यसको अर्थ के हो? अनिवार्य रूपमा, i
पहिलो प्रायोजकहरूले लगानी लागत भन्दा बढी साझेदारी गर्छन्।
यो प्राथमिक हो किनभने तिनीहरू तह स्थापनाको लागि प्रेरणा हुन्
ठूलो गोदाम स्रोत र प्रविधि वातावरण,
जैविक सहित।
तर यी पहिलो चरणहरूले उच्चतम मूल्य बोक्छन् र यसैले डिजाइनरहरू
परियोजनाको प्रायः लगानीलाई जायज ठहराउनुपर्छ।
तपाईंको BI पहल पछि गरिएका परियोजनाहरूको लागत हुन सक्छ
निम्न (पहिलोको तुलनामा) र प्रत्यक्ष, तर कम मूल्य बोक्छ
उद्यम को लागी।
र संस्था मालिकहरूले विचार सुरु गर्न आवश्यक छ
को संचय फाल्नुहोस् डाटा र कम सान्दर्भिक प्रविधिहरू।
डाटा खनन: निकासी DATI
धेरै वास्तुकला घटकहरूको भिन्नता चाहिन्छ
डाटा माइनिङ प्रविधि र प्रविधिहरू-
उदाहरणका लागि, विभिन्न "एजेन्टहरू" को चासोको बिन्दुहरू जाँच गर्न
ग्राहकहरु, कम्पनीको अपरेटिङ सिस्टम र उही dw. यी
एजेन्टहरू प्रशिक्षित उन्नत तंत्रिका नेटवर्कहरू हुन सक्छन्
भाँडा प्रवृतिहरू, जस्तै भविष्यमा उत्पादनको मागमा आधारित
बिक्री पदोन्नति; को लागि नियम आधारित इन्जिन
सेटमा प्रतिक्रिया दिनुहोस् डाटा परिस्थितिको, उदाहरणका लागि, निदान
चिकित्सा र उपचार सिफारिसहरू; वा साधारण एजेन्टहरू पनि
वरिष्ठ प्रबन्धकहरूलाई रिपोर्टिङ अपवादको भूमिकाको साथ (शीर्ष
कार्यकारीहरू)। सामान्यतया यी निकासी प्रक्रियाहरू डाटा si
वास्तविक समयमा प्रमाणित गर्नुहोस्; त्यसैले, तिनीहरू एकजुट हुनुपर्छ
को आन्दोलन संग पूर्ण रूपमा डाटा स्टेसी
अनलाइन विश्लेषणात्मक प्रशोधन प्रक्रिया
अनलाइन विश्लेषण
टुक्रा, पासा, रोल, ड्रिल डाउन गर्ने क्षमता
र विश्लेषण गर्नुहोस्
के-यदि, दायरा भित्र छ, सूट को लक्ष्य
आईबीएम प्रविधि। उदाहरणका लागि, विश्लेषणात्मक उपचार कार्यहरू
अनलाइन (OLAP) DB2 को लागि अवस्थित छ जसले मा आयामी विश्लेषण ल्याउँछ
को इन्जिन डेटाबेस उस्तै
कार्यहरूले SQL मा आयामी उपयोगिता थप्छ जबकि
DB2 को प्राकृतिक भाग भएको सबै फाइदाहरूको फाइदा लिनुहोस्। अर्को
OLAP एकीकरणको उदाहरण निकासी उपकरण, DB2 हो
OLAP विश्लेषक सर्भर। यो प्रविधिले क्यूबलाई अनुमति दिन्छ
DB2 OLAP सर्भर छिटो र स्वचालित रूपमा हुन
को मान पत्ता लगाउन र रिपोर्ट गर्न विश्लेषण गरियो डाटा असामान्य वा अप्रत्याशित
व्यापार विश्लेषक सबै घन को लागी। र अन्तमा, को कार्यहरू
DW केन्द्रले वास्तुविद्हरूलाई जाँच गर्नका लागि साधनहरू उपलब्ध गराउँछ
अन्य चीजहरू, एक भागको रूपमा DB2 OLAP सर्भर क्यूब प्रोफाइल गर्नुहोस्
ETL प्रक्रियाहरूको प्रकृति।
स्थानिय विश्लेषण स्थानिय विश्लेषण
स्पेसले विश्लेषणात्मक एङ्करहरू (कंडक्शनहरू) को आधा प्रतिनिधित्व गर्दछ।
दृश्यको लागि आवश्यक छ
व्यापक विश्लेषणात्मक (समयले अर्को आधा प्रतिनिधित्व गर्दछ)। आणविक स्तर
गोदामको (परमाणु-स्तर), चित्र 1.1 मा प्रतिनिधित्व गरिएको,
समय र स्थान दुवैका लागि आधारभूत कुराहरू समावेश गर्दछ। रेकर्डिङहरू
समय र ठेगाना जानकारीको लागि समय-आधारित लंगर विश्लेषण
अन्तरिक्षबाट लंगर विश्लेषण। टाइमस्ट्याम्पहरू
समयमा विश्लेषण सञ्चालन, र ठेगाना जानकारी नेतृत्व
स्थानिय विश्लेषण। रेखाचित्रले जियोकोडिङ-प्रक्रिया देखाउँछ
ठेगानाहरूलाई नक्सामा बिन्दुहरू वा अन्तरिक्षमा बिन्दुहरूमा रूपान्तरण गर्दै
ताकि दूरी र भित्र/बाहिर जस्ता अवधारणाहरू हुन सक्छन्
विश्लेषण मा प्रयोग गरियो - परमाणु स्तर र स्थानिय विश्लेषण मा आयोजित
जुन विश्लेषकलाई उपलब्ध गराइन्छ। IBM विस्तार प्रदान गर्दछ
अन्तरिक्ष, पर्यावरण प्रणाली अनुसन्धान संस्थान (ESRI) संग विकसित,
al डेटाबेस DB2 ताकि स्थानिय वस्तुहरू हुन सक्छन्
को सामान्य भागको रूपमा राखिएको छ डेटाबेस सम्बन्धगत। db2
स्थानिय विस्तारकहरू, तिनीहरूले सबै SQL विस्तारहरू पनि प्रदान गर्छन्
स्थानिय विश्लेषणको फाइदा लिनुहोस्। उदाहरण को लागी, बाट SQL विस्तार
बारेमा प्रश्न
ठेगानाहरू बीचको दूरी वा यदि बिन्दु क्षेत्र भित्र वा बाहिर छ भने
परिभाषित बहुभुज, स्थानिय संग एक विश्लेषणात्मक मानक हो
विस्तारकर्ताहरू। थप जानकारीको लागि अध्याय 16 हेर्नुहोस्।
डाटाबेस- निवासी उपकरण उपकरण डाटाबेस-
निवासी
DB2 सँग धेरै SQL BI-निवासी सहायक सुविधाहरू छन्
विश्लेषण कार्य मा। यी समावेश छन्:
▪ विश्लेषण गर्न पुनरावृत्ति कार्यहरू, जस्तै "फेला पार्नुहोस्
बाट सबै सम्भावित उडान मार्गहरू सान फ्रान्सिस्को a न्यूयोर्क"।
▪ रैंकिंग, संचयी कार्यहरू, घनका लागि विश्लेषणात्मक कार्यहरू
र सामान्य रूपमा हुने कार्यहरू सहज बनाउन रोलअपहरू
केवल OLAP टेक्नोलोजीको साथ, अब यसको प्राकृतिक भाग हो
को इन्जिन डेटाबेस
▪ परिणामहरू समावेश गर्ने तालिकाहरू सिर्जना गर्ने क्षमता
को बिक्रेताहरु डेटाबेस नेताहरूले BI क्षमताहरू भन्दा बढी मिश्रण गर्छन्
nel डेटाबेस स्टेसो
को मुख्य आपूर्तिकर्ता डाटा बेस भन्दा बढी मिश्रण गर्दैछन्
मा BI को कार्यक्षमता डेटाबेस स्टेसो
यसले उत्कृष्ट प्रदर्शन र लेसका लागि थप कार्यान्वयन विकल्पहरू प्रदान गर्दछ
BI समाधान।
DB2 V8 सुविधाहरू र कार्यहरू छलफल गरिएका छन्
निम्न अध्यायहरूमा विस्तृत रूपमा:
प्राविधिक वास्तुकला र डाटा व्यवस्थापन फाउन्डेशनहरू
(अध्याय ८)
▪ DB2 BI आधारभूत कुराहरू (अध्याय 6)
▪ DB2 भौतिक प्रश्न तालिकाहरू (सामग्रीकृत प्रश्न
तालिका) (अध्याय ७)
▪ DB2 OLAP कार्यहरू (अध्याय 13)
▪ DB2 परिष्कृत BI सुविधाहरू र कार्यहरू (परिष्कृत BI
सुविधाहरू र कार्यहरू) (अध्याय 15)
सरलीकृत डाटा वितरण प्रणाली
को वितरण प्रणाली डाटा सरलीकृत
चित्र १.१ मा चित्रण गरिएको वास्तुकलाले धेरै समावेश गर्दछ
संरचनाहरू डाटा शारीरिक। एउटा गोदाम हो डाटा परिचालन
सामान्यतया, ODS वस्तु उन्मुख हुन्छ,
एकीकृत र वर्तमान। के तपाइँ समर्थन गर्न ODS निर्माण गर्नुहुन्छ, उदाहरणका लागि
उदाहरण, बिक्री कार्यालय। ODS बिक्री पूरक हुनेछ डाटा
धेरै फरक प्रणालीहरूबाट तर मात्र राख्ने, जस्तै
उदाहरणका लागि, आजको कारोबार। ODS अद्यावधिक गर्न सकिन्छ
दिनमा धेरै पटक पनि। एकै समयमा, प्रक्रियाहरू
धक्का i डाटा अन्य अनुप्रयोगहरूमा एकीकृत। यो सुविधा छ
विशेष रूपमा एकीकृत गर्न डिजाइन गरिएको डाटा वर्तमान र गतिशील ई
वास्तविक-समय विश्लेषणलाई समर्थन गर्न सम्भावित उम्मेद्वार हुनेछ,
कसरी सेवा एजेन्टहरू प्रदान गर्ने ग्राहकहरु बिक्री जानकारी
बिक्री प्रवृत्ति जानकारी निकालेर ग्राहक प्रवाह
गोदामबाट नै। चित्र १.१ मा देखाइएको अर्को संरचना हो
dw को लागि औपचारिक स्थिति। यो ठाउँको लागि मात्र होइन
आवश्यक एकीकरण को कार्यान्वयन, को गुणवत्ता डाटा, ई
को रूपान्तरण को डाटा स्टक आउँदैछ, तर यो पनि छ
को लागी एक भरपर्दो र अस्थायी भण्डारण क्षेत्र डाटा त्यसको नक्कल गरे
वास्तविक समय विश्लेषण मा प्रयोग गर्न सकिन्छ। यदि तपाइँ निर्णय गर्नुहुन्छ
ODS वा स्टेजिङ क्षेत्र प्रयोग गर्नुहोस्, एक
यी संरचनाहरू भर्नका लागि उत्तम उपकरणहरू डाटा प्रयोग गर्दै
विभिन्न परिचालन स्रोतहरू DB2 को विषम वितरित क्वेरी हो।
यो क्षमता DB2 वैकल्पिक सुविधा द्वारा डेलिभर गरिएको छ
DB2 Relational Connect (क्वेरीहरू मात्र) र DB2 मार्फत भनिन्छ
DataJoiner (एक अलग उत्पादन जसले प्रश्न प्रदान गर्दछ,
सम्मिलित गर्ने, अद्यावधिक गर्ने र रद्द गर्ने सम्भावना ए
विषम रूपमा वितरित RDBMSs)।
यो प्रविधिले आर्किटेक्टहरूलाई अनुमति दिन्छ डाटा बाध्नु डाटा di
विश्लेषणात्मक प्रक्रियाहरु संग उत्पादन। प्रविधि मात्रै होइन
लगभग कुनै पनि प्रतिकृति अनुरोधहरू अनुकूल गर्नुहोस्
तिनीहरू वास्तविक-समय विश्लेषणको साथ आउन सक्छन्, तर यो
तिनीहरू पनि आधारहरूको एक विस्तृत विविधता जडान गर्न सक्छन् डाटा थप
DB2, Oracle, Sybase, SQL Server सहित लोकप्रिय,
Informix र अन्य। DB2 DataJoiner भर्न प्रयोग गर्न सकिन्छ
एक संरचना डाटा ODS वा तालिका जस्तै औपचारिक
पुनर्स्थापनाको लागि डिजाइन गरिएको गोदाममा स्थायी प्रतिनिधित्व
द्रुत अपडेट वा बिक्रीको लागि। स्वाभाविक रूपमा,
यी समान संरचनाहरू डाटा प्रयोग गरेर आबादी गर्न सकिन्छ
प्रतिकृतिको लागि डिजाइन गरिएको अर्को महत्त्वपूर्ण प्रविधि डाटा, आईबीएम
डाटा प्रोपेगेटर रिलेशनल। (DataPropagator एक अलग उत्पादन हो
केन्द्रीय प्रणालीहरूको लागि। DB2 UNIX, Linux, Windows र OS/2 समावेश छ
को प्रतिकृति सेवाहरू डाटा मानक सुविधाको रूपमा)।
सार्ने अर्को तरिका डाटा वरपर सञ्चालन
इन्टरप्राइजलाई अन्यथा इन्टरप्राइज एप्लिकेसन इन्टिग्रेटर हो
सन्देश ब्रोकर भनेर चिनिन्छ
अद्वितीय प्रविधिले केन्द्रमा बेजोड नियन्त्रणलाई अनुमति दिन्छ
(लक्ष्यीकरण) र सार्नुहोस् डाटा कम्पनी वरिपरि। IBM को ब्रोकर छ
सबैभन्दा व्यापक रूपमा प्रयोग गरिएको सन्देश, MQSeries, वा भिन्नता
को आवश्यकताहरु समावेश उत्पादन को ई-वाणिज्य, आईबीएम
WebSphere MQ।
MQ लाई कसरी समर्थन गर्ने भन्ने बारे थप छलफलको लागि
गोदाम र एक BI वातावरण, भ्रमण गर्नुहोस् वेबसाइट पुस्तक को। अहिलेको लागि, यो हो
यो प्रविधिको लागि उत्कृष्ट माध्यम हो भन्न पर्याप्त छ
क्याप्चर र रूपान्तरण (MQSeries Integrator प्रयोग गरेर) डाटा
BI समाधानका लागि लक्षित अपरेटिभहरू भर्ती गरियो। त्यहाँ
MQ प्रविधिलाई UDB V8 मा एकीकृत र प्याकेज गरिएको छ, जुन
यसको मतलब सन्देश लाइनहरू अब व्यवस्थित गर्न सकिन्छ
मानौं तिनीहरू DB2 तालिकाहरू थिए। को वेल्डिंग को अवधारणा
लामबद्ध सन्देशहरू र ब्रह्माण्डको डेटाबेस सम्बन्ध प्रमुख
को एक शक्तिशाली वितरण वातावरण तिर डाटा.
शून्य-विलम्बता शून्य विलम्बता
IBM को लागि अन्तिम रणनीतिक लक्ष्य शून्य विलम्बता विश्लेषण हो।
द्वारा परिभाषित गरिए अनुसार
गार्टनर, एक BI प्रणाली अनुमान गर्न, आत्मसात गर्न सक्षम हुनुपर्छ
र अनुरोधमा विश्लेषकहरूलाई जानकारी प्रदान गर्नुहोस्। चुनौती,
निस्सन्देह, यो कसरी मिश्रण गर्ने मा निहित छ डाटा वर्तमान र वास्तविक समयमा
आवश्यक ऐतिहासिक जानकारी सहित, जस्तै i डाटा सम्बन्धित मोडेल/को
प्रवृत्ति, वा निकालिएको बुझाइ, को चित्रणको रूपमा
ग्राहक
यस्तो जानकारी समावेश, उदाहरण को लागी, को पहिचान ग्राहकहरु ad
उच्च वा कम जोखिम वा कुन उत्पादनहरू i ग्राहकहरु तिनीहरूले धेरै किन्नेछन्
सायद यदि तिनीहरूको कार्टमा पहिले नै केहि चीज छ भने
अधिग्रहणहरू।
शून्य विलम्बता प्राप्त गर्नु वास्तवमा दुईमा निर्भर छ
आधारभूत संयन्त्रहरू:
▪ को पूर्ण मर्जर डाटा जसको साथ पार्स गरिएको छ
स्थापित प्रविधिहरू र BI द्वारा विकसित उपकरणहरू
▪ को एक वितरण प्रणाली डाटा यो सुनिश्चित गर्न कुशल
वास्तविक-समय विश्लेषण वास्तवमा उपलब्ध छ
शून्य विलम्बताका लागि यी पूर्वशर्तहरू दुई भन्दा फरक छैनन्
IBM द्वारा स्थापित र माथि वर्णन गरिएका लक्ष्यहरू।
को तंग युग्मन डाटा कार्यक्रम को एक हिस्सा हो
IBM द्वारा व्यवस्थित एकीकरण। र प्रणाली बनाउनुहोस्
को वितरण को डाटा प्रभावकारी पूर्ण रूपमा निर्भर छ
उपलब्ध प्रविधि जसले वितरण प्रक्रियालाई सरल बनाउँछ
डाटा। नतिजाको रूपमा, IBM को तीन गोल मध्ये दुई महत्वपूर्ण छन्
तेस्रो बनाउन। IBM सचेत रूपमा आफ्नै विकास गर्दैछ
शून्य विलम्बता सुनिश्चित गर्ने प्रविधिको लागि वास्तविकता हो
गोदाम प्रयासहरू।
सारांश / संश्लेषण
BI संगठन को लागी एक रोडम्याप प्रदान गर्दछ
आफ्नो वातावरण सिर्जना गर्नुहोस्
पुनरावृत्ति रूपमा। को आवश्यकताहरु प्रतिबिम्बित गर्न समायोजन गर्नुपर्छ
तपाईंको व्यवसाय, वर्तमान र भविष्य दुवै। वास्तुकला दृष्टि बिना
चौडा, स्टक प्रतिनिधिहरू भन्दा थोरै छन्
अनियमित केन्द्रीय गोदाम कार्यान्वयनहरू जसले थोरै गर्छ
एक फराकिलो, सूचनात्मक उद्यम सिर्जना गर्नुहोस्।
परियोजना प्रबन्धकहरूको लागि पहिलो बाधा भनेको कसरी औचित्य दिने हो
BI संगठनको विकासको लागि आवश्यक लगानीहरू।
जबकि ROI गणनाको लागि मुख्य आधार रहेको छ
गोदाम उपलब्धिहरू, यो अझ गाह्रो हुँदै गइरहेको छ
ठ्याक्कै भविष्यवाणी गर्नुहोस्। यसका लागि अन्य विधिहरू निम्त्याएको छ
यदि तपाइँ आफ्नो पैसाको मूल्य प्राप्त गर्दै हुनुहुन्छ भने निर्धारण। द
लगानीमा मूल्य २ (VOI), उदाहरणका लागि, खरिद गरिएको छ
समाधानको रूपमा।
यसको वास्तुकारहरूको दायित्व हो डाटा र परियोजना योजनाकारहरूमा
जानाजानी उत्पन्न गर्नुहोस् र संघहरूलाई जानकारी प्रदान गर्नुहोस्
प्रयोगकर्ताहरू र सुई सेवा मात्र दिनुहुन्न डाटा। त्यहाँ एउटा
दुई बीच ठूलो भिन्नता। सूचना भनेको एउटा काम हो
निर्णय प्रक्रिया र प्रभावकारिता मा भिन्नता; अपेक्षाकृत, i
डाटा तिनीहरू त्यो जानकारी प्राप्त गर्न ब्लकहरू निर्माण गर्दैछन्।
स्रोतको आलोचना भए पनि डाटा अनुरोधहरू सम्बोधन गर्न
व्यापार, BI वातावरण एक ठूलो भूमिका सेवा गर्नुपर्छ
जानकारी सामग्री को निर्माण मा। हामीले लिनुपर्छ
सफा, एकीकृत, रूपान्तरण वा अतिरिक्त उपायहरू
अन्यथा जसको अनुसार जानकारी सामग्री सिर्जना गर्नुहोस्
प्रयोगकर्ताहरूले कारबाही गर्न सक्छन्, र त्यसैले हामीले ती सुनिश्चित गर्न आवश्यक छ
कार्यहरू र ती निर्णयहरू, जहाँ व्यावहारिक, प्रतिक्रिया छ
BI वातावरणमा। यदि हामीले गोदामलाई मात्र सेवा दिनको लागि रिलिगेट गर्छौं डाटा,
यो सुनिश्चित छ कि प्रयोगकर्ता संघहरूले सामग्री सिर्जना गर्नेछन्
कारबाही गर्न आवश्यक जानकारी। यसले सुनिश्चित गर्दछ कि तिनीहरूको
समुदायले राम्रो निर्णय गर्न सक्षम हुनेछ, तर उद्यम
तिनीहरूले प्रयोग गरेको ज्ञानको कमीबाट पीडित छन्।
डाटा वास्तुकार र परियोजना योजनाकारहरूले परियोजनाहरू सुरु गर्छन्
BI वातावरणमा विशिष्ट, तिनीहरू उद्यमप्रति उत्तरदायी रहन्छन्
द्वारा र ठूलो। यो twosome सुविधा को एक सरल उदाहरण
BI को पुनरावृत्ति को अनुहार स्रोत मा पाइन्छ डाटा। सबै
डाटा विशिष्ट व्यावसायिक अनुरोधहरूको लागि प्राप्त हुनुपर्छ
पहिलो परमाणु तहमा आबादी। यसले विकास सुनिश्चित गर्दछ
कर्पोरेट जानकारी सम्पत्ति, साथै व्यवस्थापन, मार्ग
पुनरावृत्तिमा परिभाषित विशिष्ट प्रयोगकर्ता अनुरोधहरू।

W hatisa D ata W arehouse?
डाटा गोदाम यो सूचना प्रणाली वास्तुकला को मुटु हो
1990 देखि र ठोस प्रस्ताव गरेर सूचना प्रक्रियाहरूलाई समर्थन गर्दछ
एकीकृत प्लेटफार्म डाटा पछिको लागि ऐतिहासिक आधारको रूपमा लिइयो
विश्लेषण गर्दछ। द डाटा गोदाम a मा एकीकरणको सहजता प्रदान गर्नुहोस्
असंगत अनुप्रयोग प्रणालीहरूको संसार। मिति
गोदाम एक फ्याड मा विकसित भएको छ। डाटा गोदाम
संगठित र सम्झना i डाटा सूचना प्रक्रियाहरूको लागि आवश्यक ई
लामो ऐतिहासिक अस्थायी परिप्रेक्ष्यको आधारमा विश्लेषणात्मक। सबै
यसमा निर्माणमा उल्लेखनीय र निरन्तर प्रयास समावेश छ
को रखरखाव मा डाटा गोदाम.
त्यसोभए के हो डाटा गोदाम? A डाटा गोदाम र:
▪ विषय उन्मुख
▪ एकीकृत प्रणाली
▪ समय भिन्नता
▪ गैर-अस्थिर (रद्द गर्दैन)
को एक संग्रह डाटा मा व्यवस्थापकीय निर्णय को समर्थन मा प्रयोग गरिन्छ
प्रक्रियाहरु को कार्यान्वयन।
I डाटा सम्मिलित गरियो डाटा गोदाम अधिकांश मा उत्पन्न हुन्छ
परिचालन वातावरणबाट केसहरू। द डाटा गोदाम एक द्वारा बनाईएको छ
भण्डारण इकाई, भौतिक रूपमा बाँकीबाट अलग
प्रणाली, जसमा समावेश छ डाटा पहिले द्वारा प्रशोधन गरिएको
वातावरणबाट प्राप्त जानकारीमा काम गर्ने अनुप्रयोगहरू
परिचालन
a को शाब्दिक परिभाषा डाटा गोदाम गहन छानबिनको योग्य छ
स्पष्टीकरणको रूपमा महत्त्वपूर्ण प्रेरणा र अर्थहरू छन्
कोष जसले गोदामको विशेषताहरू वर्णन गर्दछ।
विषय अभिमुखीकरण अभिमुखीकरण
विषयगत
ए को पहिलो विशेषता डाटा गोदाम के यो उद्देश्य हो
कम्पनीमा प्रमुख खेलाडीहरू। मार्फत प्रक्रियाहरूको गाइड
डाटा यो अधिक क्लासिक विधि संग विपरित छ जुन भविष्यवाणी गर्दछ
प्रक्रियाहरु र कार्यहरु को लागी आवेदन को अभिमुखीकरण,
विधि धेरै जसो द्वारा साझा
पुरानो दिशात्मक प्रणालीहरू।
अपरेटिङ संसार अनुप्रयोगहरू र प्रकार्यहरू वरिपरि डिजाइन गरिएको छ
जस्तै ऋण, बचत, बैंककार्ड र संस्था को लागी ट्रस्ट
वित्तीय। dw को संसार विषयहरू वरिपरि संगठित छ
ग्राहक, विक्रेता, उत्पादन र गतिविधि जस्ता प्रिन्सिपलहरू।
विषयहरूको वरिपरि पङ्क्तिबद्धताले डिजाइन र प्रभाव पार्छ
को निर्माण मा डाटा dw मा भेटियो। सबैभन्दा उल्लेखनीय,
मुख्य विषयले सबैभन्दा महत्त्वपूर्ण भागलाई असर गर्छ
मुख्य संरचना।
अनुप्रयोगको संसार डेटाको डिजाइनबाट प्रभावित छ
प्रक्रिया डिजाइन भन्दा आधार। को संसार
dw भिडियो मोडलिङमा मात्र केन्द्रित छ डाटा यो सक्रिय छ
को रेखाचित्र डेटाबेस। प्रक्रिया को डिजाइन (यसको रूप मा
शास्त्रीय) dw वातावरणको भाग होइन।
प्रक्रिया / प्रकार्य अनुप्रयोगको छनौट र बीचको भिन्नता
विषयवस्तुको छनोट पनि सामग्रीमा भिन्नताको रूपमा प्रकट हुन्छ
को डाटा विस्तृत स्तरमा। द डाटा del dw लाई समावेश गर्दैन डाटा कि
तिनीहरू DSS प्रक्रियाको लागि प्रयोग गरिने छैनन्, जबकि अनुप्रयोगहरू
परिचालन उन्मुख डाटा i समावेश गर्दछ डाटा सन्तुष्ट गर्न
तुरुन्तै कार्यात्मक/प्रशोधन आवश्यकताहरू जुन ओ
कम्तिमा DSS विश्लेषकको लागि कुनै प्रयोग छ।
अर्को महत्त्वपूर्ण तरिका जसमा परिचालन उन्मुख अनुप्रयोगहरू
ai डाटा बाट फरक छ डाटा को dw को रिपोर्ट मा छ डाटा। म डाटा
अपरेटिभहरूले दुई वा बढी तालिकाहरू बीच निरन्तर सम्बन्ध कायम राख्छन्
सक्रिय छ कि एक व्यापार नियम मा आधारित। द डाटा dw द्वारा
तिनीहरूले समयको स्पेक्ट्रम फैलाउँछन् र dw मा पाइने अनुपातहरू हुन्
धेरै। धेरै व्यापार नियमहरू (र तदनुसार, धेरै
को रिपोर्ट डाटा ) को स्टकमा प्रतिनिधित्व गरिन्छ डाटा दुई वा बीचमा
थप तालिकाहरू।
(कसरी सम्बन्धहरू बीचको सम्बन्धको विस्तृत व्याख्याको लागि डाटा तिनीहरू
DW मा व्यवस्थित, हामी यसमा टेक विषयलाई सन्दर्भ गर्छौं
प्रश्न।)
भिन्नता बाहेक अन्य कुनै दृष्टिकोणबाट
कार्यात्मक/प्रक्रिया र अनुप्रयोगको छनौट बीचको आधारभूत
विषय छनोट, त्यहाँ प्रणालीहरू बीच ठूलो भिन्नता छ
परिचालन र डाटा र DW।
एकीकरण एकीकरण
dw वातावरणको सबैभन्दा महत्त्वपूर्ण पक्ष भनेको i डाटा भेटियो
dw भित्र तिनीहरू सजिलै संग एकीकृत हुन्छन्। सधैं। बिना
अपवादहरू। dw वातावरणको सार यो हो कि i डाटा
गोदाम को सीमा भित्र समावेश एकीकृत छन्।
एकीकरणले आफैलाई धेरै फरक तरिकामा प्रकट गर्दछ - सम्मेलनहरूमा
संगत चर को हद सम्म, संगत पहिचान
संगत संहिताबद्ध संरचना, को भौतिक विशेषताहरु मा डाटा
लगातार, र यस्तै।
धेरै वर्षहरूमा धेरै अनुप्रयोगहरूको डिजाइनरहरूले यसलाई बनाएका छन्
आवेदन कसरी गर्नुपर्छ भन्ने बारे धेरै निर्णयहरू स्वामित्व
विकसित हो। शैली र व्यक्तिगत डिजाइन निर्णय
डिजाइनरहरूको अनुप्रयोगहरू एक सय तरिकामा प्रकट गरिएको छ: मा
कोडिङ भिन्नता, मुख्य संरचना, भौतिक विशेषताहरू,
पहिचान सम्मेलनहरू, र यति। धेरैको सामूहिक क्षमता
अनुप्रयोग डिजाइनरहरू असंगत अनुप्रयोगहरू सिर्जना गर्न
यो पौराणिक छ। चित्र 3 ले केहि थप भिन्नताहरू उजागर गर्दछ
अनुप्रयोगहरू डिजाइन गरिएका तरिकाहरूमा महत्त्वपूर्ण।
सङ्केतन: सङ्केतन:
अनुप्रयोग डिजाइनरहरूले क्षेत्र कोडिङ रोजेका छन् -
सेक्स - विभिन्न तरिकामा। एक डिजाइनरले सेक्सको रूपमा प्रतिनिधित्व गर्दछ
एक "m" र "f"। अर्को डिजाइनरले "1" को रूपमा लिङ्ग प्रतिनिधित्व गर्दछ
र "0"। अर्को डिजाइनरले "x" को रूपमा लिङ्ग प्रतिनिधित्व गर्दछ र
"y"। अर्को डिजाइनर "पुरुष" को रूपमा लिङ्ग प्रतिनिधित्व गर्दछ र
"महिला"। DW मा सेक्स कसरी हुन्छ यसले वास्तवमा फरक पार्दैन। उनीहरु"
र "F" सायद सबै जत्तिकै राम्रो छ
प्रतिनिधित्व।
महत्त्वपूर्ण कुरा यो हो कि यौन क्षेत्रको उत्पत्ति जुनसुकैबाट हुन्छ,
त्यो क्षेत्र DW मा एक सुसंगत एकीकृत अवस्थामा आइपुग्छ। बाट
DW मा फिल्ड लोड हुँदा परिणाम
एउटा अनुप्रयोग जहाँ यो ढाँचामा बाहिर निकालिएको छ
"M" र "F", i डाटा DW ढाँचामा रूपान्तरण गर्नुपर्छ।
विशेषताहरूको मापन: को मापन
विशेषताहरू:
अनुप्रयोग डिजाइनरहरूले पाइपलाइन मापन गर्न छनौट गरे
पाठ्यक्रम मा विभिन्न तरिकाहरू
केही वर्ष । एक डिजाइनर स्टोर i डाटा मा पाइपलाइन को
सेन्टिमिटर। अर्को अनुप्रयोग डिजाइनरले स्टोर गर्दछ डाटा
इन्चको सन्दर्भमा पाइपलाइनको। को अर्को डिजाइनर
अनुप्रयोग स्टोरहरू i डाटा मिलियन घनफिटमा पाइपलाइन
प्रति सेकेन्ड। र अर्को डिजाइनर को जानकारी भण्डारण गर्दछ
यार्डको हिसाबले पाइपलाइन। स्रोत जे सुकै होस्, जब
पाइपलाइन जानकारी DW मा आइपुग्छ तिनीहरू हुनुपर्छ
एउटै तरिका मा मापन।
चित्र 3 को संकेत अनुसार एकीकरण मुद्दाहरू
तिनीहरूले डिजाइनको लगभग हरेक पक्षलाई असर गर्छ - सुविधाहरू
भौतिक देवताहरू डाटा, एक भन्दा बढी स्रोत भएको दुविधा डाटा, ला
असंगत पहिचान नमूनाहरूको मामला, को ढाँचा डाटा
असंगत, र यस्तै।
डिजाइन तर्क जे भए पनि, परिणाम एउटै छ -
i डाटा DW मा एकवचन e मा भण्डारण गर्नुपर्छ
को अपरेटिङ सिस्टम हुँदा पनि विश्वव्यापी रूपमा स्वीकार्य तरिका
कोष स्टोर फरक i डाटा.
जब DSS विश्लेषकले DW लाई हेर्छ, विश्लेषकको लेन्स
को शोषण हुनुपर्छ डाटा जो गोदाममा छन्,
को विश्वसनीयता वा स्थिरता बारे सोच्नु भन्दा
डाटा.
समय भिन्नता
सबै डाटा DW मा तिनीहरू समय मा केहि क्षण को लागी सही छन्।
को यो आधारभूत विशेषता डाटा DW मा धेरै फरक छ डाटा
सञ्चालन वातावरणमा फेला पर्यो। द डाटा सञ्चालन वातावरण छ
पहुँचको समयमा जस्तै सही। अर्को शब्दमा,
एकाइ पहुँच गर्दा सञ्चालन वातावरणमा डाटा, त्यहाँ हो
पहुँचको समयमा जस्तै सही मानहरू प्रतिबिम्बित गर्नका लागि पर्खनुहोस्।
किन म डाटा DW मा कुनै समय मा जस्तै सही छन्
समय (अर्थात, "अहिले" होइन), i डाटा DW मा भेटियो
तिनीहरू "समय भिन्नता" हुन्।
को समय भिन्नता डाटा DW द्वारा धेरै तरिकामा उल्लेख गरिएको छ।
सबैभन्दा सरल तरिका भनेको i डाटा DW को प्रतिनिधित्व गर्दछ डाटा यो एउटा
लामो समय क्षितिज - पाँच देखि दस वर्ष। क्षितिज
सञ्चालन वातावरणको लागि प्रतिनिधित्व गरिएको समय धेरै छोटो छ
▪ आजको वर्तमान मानहरू बाट ६० नब्बे सम्म
अनुप्रयोगहरू जुन राम्रोसँग काम गर्न आवश्यक छ र हुन आवश्यक छ
लेनदेन प्रशोधनका लागि उपलब्ध गराउनु पर्छ
न्यूनतम रकम डाटा यदि तिनीहरूले कुनै पनि डिग्री स्वीकार गरे
लचकता। त्यसैले परिचालन अनुप्रयोगहरूको क्षितिज छ
छोटो समय फ्रेम, को डिजाइन तर्क को रूप मा
ध्वनि अनुप्रयोगहरू।
दोस्रो तरिका 'समय भिन्नता' DW मा देखिन्छ
मुख्य संरचना। DW मा प्रत्येक मुख्य संरचना समावेश गर्दछ,
अस्पष्ट वा स्पष्ट रूपमा, एक समय तत्व, जस्तै
दिन, हप्ता, महिना, आदि समय को तत्व लगभग सधैं छ
DW मा भेटिएको कन्कटेनेट गरिएको कुञ्जीको तल। यी मा
अवसरहरू, समयको तत्व निहित रूपमा अवस्थित हुनेछ, जस्तै मौका
जहाँ महिना वा त्रैमासिकको अन्त्यमा सम्पूर्ण फाइल नक्कल गरिएको छ।
तेस्रो तरिका समय भिन्नता प्रदर्शित छ कि i डाटा को
DW, भर्खरै राम्ररी दर्ता, हुन सक्दैन
अद्यावधिक गरियो। द डाटा DW को, सबै व्यावहारिक उद्देश्यका लागि, लामो छ
स्न्यापसटहरूको श्रृंखला (स्न्यापसट)। अवश्य पनि यदि स्न्यापसटहरू छन्
गलत तरिकाले लिइएको छ, त्यसपछि स्न्यापसट हुन सक्छ
परिमार्जित। तर स्न्यापशटहरू भइसकेको मानिन्छ
सही रूपमा, तिनीहरू बन्ने बित्तिकै परिवर्तन हुँदैनन्। केहि मा
केसहरूमा यो अनैतिक वा अवैध पनि हुन सक्छ कि स्न्यापशटहरू
DW परिमार्जन गरिएको छ। द डाटा परिचालन, मा जस्तै सही हुनु
पहुँच को क्षण, तिनीहरू अपडेट गर्न सकिन्छ जस्तो देखिन्छ
आवश्यकता।
वाष्पशील छैन
DW को चौथो महत्त्वपूर्ण विशेषता यो गैर-अस्थिर हो।
अपडेट, सम्मिलन, मेटाउने र परिवर्तनहरू बनाइन्छ
रेकर्ड-द्वारा-रेकर्ड परिचालन वातावरणको लागि नियमित रूपमा। तर द
को आधारभूत हेरफेर डाटा DW मा धेरै आवश्यक छ
सरल। त्यहाँ केवल दुई प्रकारका अपरेशनहरू छन् जुन त्यहाँ हुन्छ
DW - को प्रारम्भिक लोड डाटा र पहुँच डाटा। त्यहाँ छैन
को कुनै अपडेट छैन डाटा (सामान्य अर्थमा
अपडेट) DW मा सामान्य प्रशोधन कार्यको रूपमा।
यस भिन्नताका केही धेरै शक्तिशाली परिणामहरू छन्
परिचालन प्रशोधन र DW प्रशोधन बीचको आधार। स्तरमा
डिजाइन द्वारा, स्तरवृद्धि को लागी सावधान हुन आवश्यक छ
DW मा असामान्य कारक छैन, को अद्यावधिक पछि डाटा यो होइन
सञ्चालन गरिएको। यसको मतलब डिजाइनको भौतिक स्तरमा,
पहुँचलाई अनुकूलन गर्न स्वतन्त्रता लिन सकिन्छ डाटा,
विशेष गरी मानकीकरण र को विषयहरु संग व्यवहार मा
शारीरिक विकृतिकरण। सादगीको अर्को परिणाम
DW को सञ्चालनहरू अन्तर्निहित प्रविधिमा प्रयोग गरिन्छ
DW वातावरण चलाउनुहोस्। अद्यावधिकहरू समर्थन गर्नुपर्छ
रेकर्ड इनलाइन द्वारा रेकर्ड (जस्तै अक्सर मामला संग छ
संचालन प्रशोधन) को लागी केहि टेक्नोलोजी आवश्यक छ
स्पष्ट सरलता अन्तर्गत धेरै जटिल आधारहरू।
ब्याकअप र रिकभरी, लेनदेन समर्थन गर्ने प्रविधि
र को अखण्डता डाटा र गतिरोधको खोज र उपाय हो
धेरै जटिल र DW प्रशोधन को लागी आवश्यक छैन।
DW को विशेषताहरु, डिजाइन अभिमुखीकरण,
को एकीकरण डाटा DW भित्र, समय भिन्नता र सरलता
को व्यवस्थापन को डाटा, सबै कुराले वातावरणमा पुर्‍याउँछ जुन धेरै, धेरै छ
क्लासिक सञ्चालन वातावरण भन्दा फरक। लगभग सबै को स्रोत
डाटा DW को सञ्चालन वातावरण हो। सोच्नै लोभ्याउँछ
को ठूलो रिडन्डन्सी छ डाटा दुई वातावरण बीच।
वास्तवमा, धेरै मानिसहरूको पहिलो प्रभाव त्यो हो
को ठूलो अनावश्यकता डाटा सञ्चालन वातावरण र वातावरण बीच
DW विस्तार। यस्तो व्याख्या सतही छ र प्रमाणित गर्दछ
DW मा के हुन्छ बुझ्नको कमी।
साँच्चै त्यहाँ रिडन्डन्सीको न्यूनतम छ डाटा सञ्चालन वातावरण बीच
र को डाटा DW को। हामी निम्न विचार गर्छौं:
▪ म डाटा तिनीहरू फिल्टर छन् डाटा जुन तपाईले अपरेटिङ वातावरणबाट पास गर्नुहुन्छ
DW वातावरणमा। धेरै डाटा तिनीहरू कहिल्यै बाहिर जाँदैनन्
सञ्चालन वातावरणबाट। केवल त्यो म डाटा जसको लागि आवश्यक छ
DSS प्रशोधनले वातावरणमा तिनीहरूको दिशा फेला पार्छ
▪ को समय क्षितिज डाटा यो वातावरण भन्दा धेरै फरक छ
अर्कोलाई। द डाटा सञ्चालन वातावरणमा तिनीहरू धेरै ताजा छन्। द डाटा
DW मा तिनीहरू धेरै पुराना छन्। केवल दृष्टिकोणबाट
समय क्षितिजको, त्यहाँ धेरै कम ओभरल्याप छ
सञ्चालन वातावरण र DW बीच।
▪ DW ले समावेश गर्दछ डाटा संक्षेपमा जुन कहिल्यै फेला परेन
वातावरणमा
▪ म डाटा यता मौलिक रूपान्तरण भयो
तिनीहरूले चित्र 3 मा जाने पल त्यो सबैभन्दा बढी चित्रण गर्दछ
भाग डाटा उल्लेख्य रूपमा परिवर्तन गरिएको छ
चयन गरी DW मा सारियो। अर्को शब्दमा, द
धेरै जस्तो डाटा शारीरिक रूपमा परिमार्जन गरिएको छ
मौलिक रूपमा यो DW मा सारियो। दृष्टिकोणबाट
एकीकरण समान छैन डाटा जो बस्छन्
सञ्चालन वातावरण मा।
यी कारकहरूलाई ध्यानमा राख्दै, को अनावश्यकता डाटा दुई वातावरण बीच छ
एक दुर्लभ घटना, दुई बीच 1% भन्दा कम रिडन्डन्सी को नेतृत्व
वातावरण।
गोदाम को संरचना
DW को एक फरक संरचना छ। त्यहाँ सारांश र को विभिन्न स्तरहरू छन्
DWs लाई सीमाङ्कन गर्ने विवरण।
DW का विभिन्न घटकहरू हुन्:
▪ मेटाडेटा
▪ DATI वर्तमान विवरण
▪ DATI पुरानो विवरण को
▪ DATI थोरै संक्षेप
▪ DATI अत्यधिक संक्षेप
अहिले सम्मको मुख्य चिन्ता भनेको i को लागि हो डाटा विवरण को
धाराहरू। यो प्राथमिक चिन्ता हो किनभने:
▪ म डाटा हालको विवरणहरू हालैका घटनाहरू प्रतिबिम्बित गर्दछ,
जुन सधैं ठूलो चासो र
▪ म डाटा हालको विवरणहरू विशाल छन् किनभने यो हो
ग्रेन्युलेरिटीको न्यूनतम स्तरमा भण्डारण गरिएको e
▪ म डाटा हालको विवरणहरू लगभग सधैं भण्डारण गरिन्छ
डिस्क मेमोरी, जुन पहुँच गर्न छिटो छ, तर महँगो र
जटिल देखि
I डाटा विवरण पुरानो हो डाटा जसमा भण्डार गरिएको छ
केही सम्झना मास्सा। यो छिटपुट पहुँच छ र यो छ
संग उपयुक्त विवरण को एक स्तर मा भण्डारण डाटा विस्तृत
धाराहरू। जबकि यो एक माध्यम मा भण्डारण गर्न अनिवार्य छैन
वैकल्पिक मेमोरी, को ठूलो मात्राको कारण डाटा संग एकताबद्ध
को छिटपुट पहुँच डाटा, को लागि भण्डारण माध्यम डाटा di
पुरानो विवरण सामान्यतया डिस्कमा भण्डार गरिएको छैन।
I डाटा हल्का रूपमा तिनीहरू हुन् डाटा जुन तल्लो तहमा डिस्टिल्ड गरिएको छ
विवरणको हालको स्तरमा फेला परेको विवरण। यो
DW स्तर लगभग सधैं डिस्क मेमोरीमा भण्डारण गरिन्छ। द
डिजाइनका समस्याहरू जसले आफैलाई वास्तुकारलाई प्रस्तुत गर्दछ डाटा
DW को यस स्तरको निर्माणमा निम्न छन्:
▪ माथि गरिएको संक्षेपमा समयको कुन एकाइ हो
▪ कुन सामग्री, विशेषताहरू थोरै संक्षेप हुनेछ
को सामग्री डाटा
को अर्को स्तर डाटा DW मा फेला परेको छ डाटा अत्यधिक
संक्षेप। द डाटा उच्च संक्षेप कम्प्याक्ट र सजिलै संग छन्
पहुँचयोग्य। द डाटा कहिलेकाहीँ अत्यधिक संक्षेपमा पाइन्छ
DW वातावरणमा र अन्य अवस्थामा i डाटा उच्च संक्षेपमा तिनीहरू छन्
प्राविधिक आवास DW को तत्काल पर्खाल बाहिर फेला पर्यो।
(कुनै पनि अवस्थामा, i डाटा अत्यधिक संक्षेप DW को भाग हो
जहाँ भए पनि म डाटा भौतिक रूपमा राखिएको छ)।
DW को अन्तिम कम्पोनेन्ट मेटाडेटा कम्पोनेन्ट हो। धेरै सन्दर्भमा
मेटाडेटा अन्य भन्दा फरक आयाममा बस्छ डाटा
DW को, किनभने मेटाडेटाले कुनै पनि समावेश गर्दैन डाटा सीधा
सञ्चालन वातावरणबाट लिइएको हो। मेटाडेटाको विशेष भूमिका हुन्छ e
DW मा धेरै महत्त्वपूर्ण। मेटाडेटा निम्न रूपमा प्रयोग गरिन्छ:
▪ DSS विश्लेषकलाई पत्ता लगाउन मद्दत गर्ने डाइरेक्टरी
DW सामग्री,
▪ नक्साङ्कन गर्न गाइड डाटा कसरी म डाटा तिनीहरू थिए
सञ्चालन वातावरणबाट DW वातावरणमा परिवर्तन,
▪ एल्गोरिदमहरूका लागि एउटा गाइड जुन i बीचको सारांशको लागि प्रयोग गरिन्छ डाटा di
वर्तमान विवरण ei डाटा थोरै संक्षेपमा, i डाटा अत्यधिक
संक्षेपमा,
मेटाडेटाले DW वातावरणमा धेरै ठूलो भूमिका खेल्छ
तिनीहरूसँग अपरेटिङ वातावरणमा भएको तुलनामा
पुरानो विवरण भण्डारण माध्यम
चुम्बकीय टेप त्यस प्रकारको भण्डारण गर्न प्रयोग गर्न सकिन्छ
डाटा। वास्तवमा त्यहाँ भण्डारण मिडिया को एक विस्तृत विविधता छ
पुरानो संरक्षणको लागि विचार गर्नुपर्छ डाटा di
विस्तार।
को मात्रा मा निर्भर गर्दछ डाटा, पहुँच आवृत्ति, लागत
उपकरण र पहुँचको प्रकार, यो पूर्ण रूपमा सम्भावित छ
जुन अन्य उपकरणहरूलाई पुरानो स्तरको विवरण चाहिन्छ
DW मा।
डाटा प्रवाह
को एक सामान्य र अनुमानित प्रवाह छ डाटा DW भित्र।
I डाटा तिनीहरू सञ्चालन वातावरणबाट DW मा प्रवेश गर्छन्। (नोट: त्यहाँ छन्
यस नियममा केही धेरै रोचक अपवादहरू। यद्यपि, लगभग
सबै डाटा सञ्चालन वातावरणबाट DW प्रविष्ट गर्नुहोस्)। डाटा त्यो म डाटा
तिनीहरू अपरेटिङ वातावरणबाट DW मा प्रवेश गर्छन्, यो पहिले जस्तै परिवर्तन भएको छ
पहिले वर्णन गरिएको छ। तपाईंले DW प्रविष्ट गर्नुभयो भने, i डाटा तिनीहरू प्रवेश गर्छन्
विवरणको वर्तमान स्तर, देखाइएको रूपमा। यो त्यहाँ बस्छ र प्रयोग गरिन्छ
तीन मध्ये एउटा घटना नभएसम्म:
▪ शुद्ध छ,
▪ संक्षेप गरिएको छ, र/वा
▪ छ
DW भित्रको अप्रचलित प्रक्रिया i डाटा वर्तमान विवरण
a डाटा विवरणको पुरानो, उमेर अनुसार डाटा। प्रक्रिया
संक्षेपमा विवरण प्रयोग गर्दछ डाटा गणना गर्न डाटा
को थोरै संक्षेप र उच्च संक्षेपित स्तर डाटा। त्यहाँ छन्
देखाइएको प्रवाहमा केही अपवादहरू (पछि छलफल गरिनेछ)।
यद्यपि, सामान्यतया, को विशाल बहुमत को लागी डाटा भेटियो
एक DW भित्र, को प्रवाह डाटा यो प्रतिनिधित्व जस्तै छ।
डाटावेयरहाउस प्रयोग गर्दै
अचम्मको कुरा होइन विभिन्न स्तरहरू डाटा DW भित्र छैन
प्रयोगको विभिन्न स्तरहरू प्राप्त गर्नुहोस्। एक नियम को रूप मा, को उच्च स्तर
संक्षेपीकरण, प्लस i डाटा तिनीहरू प्रयोग गरिन्छ।
मा धेरै प्रयोगहरू हुन्छन् डाटा अत्यधिक संक्षेप, जबकि पुरानो
डाटा विवरण को लगभग कहिल्यै प्रयोग गरिदैन। त्यहाँ एक राम्रो कारण छ
संस्थालाई श्रोतको उपयोग ढाँचामा सार्नुहोस्। थप छ
सारांश i डाटा, छिटो र अधिक कुशल यो पुग्न छ डाटा। आफूलाई
un दोकान पत्ता लगाउनुहोस् कि यसले DWs को धेरै विवरण स्तर प्रशोधन गर्दछ,
त्यसपछि मेसिन स्रोतहरूको एक समान ठूलो मात्रा
उपभोग गरिन्छ। परीक्षणमा जान सबैको हितमा छ
सकेसम्म चाँडो उच्च स्तरको सारांशमा।
धेरै स्टोरहरूको लागि, पूर्व-DW वातावरणमा DSS विश्लेषकले प्रयोग गरेको छ
डाटा विवरण को स्तर मा। धेरै मामिलामा आगमन डाटा विस्तृत
सुरक्षा कम्बल जस्तो देखिन्छ, तिनीहरू उपलब्ध हुँदा पनि
संक्षेपीकरणको अन्य स्तरहरू। को वास्तुकार को गतिविधिहरु मध्ये एक डाटा è
DSS प्रयोगकर्तालाई निरन्तर प्रयोगबाट छुटाउनुहोस् डाटा प्लस स्तरमा
कम विवरण। त्यहाँ दुई कारणहरू उपलब्ध छन्
को वास्तुकार को डाटा:
▪ चार्जब्याक प्रणाली स्थापना गर्दै, जहाँ अन्तिम प्रयोगकर्ताले भुक्तानी गर्दछ
उपभोग गरिएको स्रोत ई
▪ धेरै राम्रो प्रतिक्रिया समय हुन सक्छ भनेर संकेत गर्दछ
i सँग व्यवहार गर्दा प्राप्त भयो डाटा यो एक उच्च स्तर मा छ
संक्षेपीकरण को, जबकि गरीब प्रतिक्रिया समय बाट आउँछ
को व्यवहार डाटा को कम स्तर मा
अन्य चिन्तन
त्यहाँ केहि अन्य निर्माण र व्यवस्थापन विचारहरू छन्
DW
पहिलो विचार सूचकांक हो। द डाटा को उच्चतम स्तर मा
संक्षेपीकरण स्वतन्त्र रूपमा अनुक्रमित गर्न सकिन्छ, जबकि i डाटा
विवरणको तल्लो तहमा तिनीहरू यति भारी हुन्छन् कि यो हुन सक्छ
थोरै अनुक्रमित। एउटै टोकनबाट, i डाटा को उच्च स्तर मा
विवरण अपेक्षाकृत सजिलै पुनर्स्थापित गर्न सकिन्छ,
जबकि भोल्युम डाटा तल्लो तहमा यो यति ठूलो छ कि i डाटा गैर
तिनीहरू सजिलै नवीकरण गर्न सकिन्छ। फलस्वरूप, मोडेल
को डाटा र डिजाइन द्वारा गरिएको औपचारिक काम मुद्रा
DW को लागि आधार लगभग विशेष रूपमा स्तरमा लागू भयो
विवरण वर्तमान। 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 अल
आवेदन स्तर। तहमा विभाजनमा dbmsऊ dbms è
डिभिजनहरू बारे जानकारी गराउँछ र तदनुसार नियन्त्रण गर्दछ। यस अवस्थामा
आवेदन स्तरमा विभाजन, प्रोग्रामर मात्र हो
विभाग र तिनीहरूको जिम्मेवारी बारे जानकारी
प्रशासन उहाँमा छाडिएको छ
तलको स्तर dbms, धेरै काम स्वचालित रूपमा गरिन्छ। त्यहाँ छ
को स्वचालित प्रशासन संग सम्बन्धित धेरै लचकता
विभाजनहरू। को डिभिजन-स्तर आवेदन को मामला मा डाटा को
डाटा गोदाम, धेरै काम प्रोग्रामर मा पर्छ, तर
अन्तिम परिणाम प्रशासनमा लचिलोपन हो डाटा मिति मा
गोदाम
अन्य विसंगतिहरू
जबकि को घटक डाटा गोदाम तिनीहरू वर्णन अनुसार काम गर्छन्
लगभग सबै को लागी डाटा, त्यहाँ केहि उपयोगी अपवादहरू छन् जुन आवश्यक छ
छलफल हो। यसको अपवाद हो डाटा सार्वजनिक सारांश
(सार्वजनिक सारांश डाटा)। यी हुन् डाटा भएका सारांशहरू
बाट गणना गरिएको छ डाटा गोदाम तर तिनीहरू समाज द्वारा प्रयोग गरिन्छ। द डाटा
सार्वजनिक सारांशहरू भण्डारण र व्यवस्थित छन् डाटा गोदाम,
यद्यपि माथि उल्लेख गरिए अनुसार तिनीहरू बाहिर छन्। द
लेखापालहरूले यस्तो त्रैमासिक उत्पादन गर्न काम गर्छन् डाटा को रूप मा
आय, त्रैमासिक खर्च, त्रैमासिक नाफा, र यति। काम
लेखाकारहरु द्वारा गरिएको बाहिरी छ डाटा गोदाम। यद्यपि, म डाटा तिनीहरू
कम्पनी भित्र "आन्तरिक रूपमा" प्रयोग गरियो - बाट मार्केटिङ, बिक्री, आदि।
अर्को विसंगति, जुन छलफल गरिने छैन, त्यो हो डाटा esterni।
अर्को उत्कृष्ट प्रकार डाटा जुन डाटामा फेला पार्न सकिन्छ
गोदाम स्थायी विवरण डाटा को हो। यी कारणले
स्थायी रूपमा भण्डारण गर्न आवश्यक छ डाटा एक तहमा
नैतिक वा कानूनी कारणहरूको लागि विस्तृत। यदि कुनै कम्पनीले प्रदर्शन गरिरहेको छ भने i
त्यहाँ खतरनाक पदार्थहरूसँग सम्बन्धित कामदारहरूको आवश्यकता छ डाटा
विस्तृत र स्थायी। यदि कुनै कम्पनीले उत्पादन उत्पादन गर्छ भने
सार्वजनिक सुरक्षा समावेश छ, एक हवाई जहाज को भाग, त्यहाँ छ
को आवश्यकता डाटा स्थायी विस्तृत, साथै यदि एक कम्पनी
खतरनाक सम्झौताहरू गर्नुहोस्।
कम्पनीले विशेष कारणलाई बेवास्ता गर्न बर्दाश्त गर्न सक्दैन
अर्को केही वर्षहरूमा, एक मुद्दाको घटनामा, एक सम्झना, a
विवादित निर्माण त्रुटि, आदि कम्पनी एक्सपोजर
यो ठूलो हुन सक्छ। फलस्वरूप त्यहाँ एक अद्वितीय प्रकार छ डाटा
स्थायी विवरण डाटाको रूपमा चिनिन्छ।
सारांश
Un डाटा गोदाम यो एक वस्तु उन्मुख, एकीकृत, को संस्करण हो
समय, को एक संग्रह डाटा को आवश्यकताहरु को समर्थन मा गैर अस्थिर
प्रशासन निर्णय। प्रत्येक को मुख्य विशेषताहरु
un डाटा गोदाम यसको प्रभाव छ। साथै त्यहाँ चार छन्
को स्तरहरू डाटा को डाटा गोदाम:
▪ पुरानो विवरण
▪ हालको विवरण
▪ DATI थोरै संक्षेप
▪ DATI अत्यधिक संक्षेप
मेटाडाटा पनि को एक महत्वपूर्ण भाग हो डाटा गोदाम.
सार
को भण्डारण को अवधारणा डाटा भर्खरै प्राप्त भयो
धेरै ध्यान र यो 90 को एक प्रवृत्ति बन्यो
ए को क्षमता को कारण डाटा गोदाम लाई पार गर्न
व्यवस्थापन समर्थन प्रणालीहरूको सीमितताहरू जस्तै i
निर्णय समर्थन प्रणाली (DSS) र सूचना प्रणाली
कार्यकारीहरू (EIS)।
यद्यपि को अवधारणा डाटा गोदाम आशाजनक देखिन्छ,
कार्यान्वयन i डाटा गोदाम कारण समस्या हुन सक्छ
ठूलो मात्रामा भण्डारण प्रक्रियाहरू। को बावजूद
गोदाम परियोजनाहरूको जटिलता डाटा, धेरै आपूर्तिकर्ताहरू
र स्टक गर्ने सल्लाहकारहरू डाटा भन्ने दाबी गर्छन्
को भण्डारण डाटा कुनै समस्या छैन।
यद्यपि, यस अनुसन्धान परियोजनाको सुरुमा, लगभग कुनै पनि
स्वतन्त्र, कठोर र व्यवस्थित अनुसन्धान गरिएको थियो। बाट
फलस्वरूप, वास्तवमा के हुन्छ भन्न गाह्रो छ
उद्योगमा जब तिनीहरू निर्माण गर्छन् डाटा गोदाम.
यस अध्ययनले गोदाम अभ्यासको अन्वेषण गर्यो डाटा
समकालीनहरू जसले समृद्ध समझ विकास गर्ने लक्ष्य राख्छ
अष्ट्रेलियाको अभ्यास। साहित्य विश्लेषण प्रदान गरियो
अनुभवजन्य अध्ययनको लागि सन्दर्भ र आधार।
यस अनुसन्धानबाट धेरै निष्कर्षहरू छन्। पहिले
स्थान, यस अध्ययनले भएको गतिविधिहरू प्रकट गर्यो
को विकास को समयमा डाटा गोदाम। धेरै क्षेत्रमा, i डाटा जम्मा भयो
साहित्यमा रिपोर्ट गरिएको अभ्यास पुष्टि भयो। दोस्रो
साइट, समस्याहरू र समस्याहरू जसले प्रभाव पार्न सक्छ
को विकास डाटा गोदाम यो अध्ययन द्वारा पहिचान गरिएको थियो।
अन्तमा, सम्बन्धित अष्ट्रेलियाली संस्थाहरूबाट प्राप्त लाभहरू
को प्रयोग डाटा गोदाम खुलासा भएका छन् ।
क्यापिटोलो १
अनुसन्धान सन्दर्भ
डाटा भण्डारणको अवधारणाले व्यापक मान्यता प्राप्त गरेको छ
एक्सपोजर र मा एक उभरिरहेको प्रवृत्ति मा परिणत भएको छ
९० को दशक (McFadden 90, TDWI 1996, शाह र Milstein 1996,
Shanks et al। 1997, Eckerson 1998, Adelman and Oates 2000)। त्यो हो
डाटामा लेखहरूको बढ्दो संख्याबाट देख्न सकिन्छ
व्यापार प्रकाशनहरूमा भण्डारण (लिटिल र गिब्सन 1999)।
धेरै लेखहरू (हेर्नुहोस्, उदाहरणका लागि, फिशर 1995, ह्याकाथर्न 1995,
मोरिस 1995a, Bramblett and King 1996, Graham et al। सन् १९९६,
Sakaguchi र Frolic 1996, Alvarez 1997, Brousell 1997, क्लार्क
1997, McCarthy 1997, O' Donnell 1997, एडवर्ड्स 1998, TDWI
1999) ले संस्थाहरूबाट व्युत्पन्न महत्त्वपूर्ण फाइदाहरू रिपोर्ट गरेको छ
त्यो कार्यान्वयन म डाटा गोदाम। तिनीहरूले आफ्नो सिद्धान्त समर्थन गरे
सफल कार्यान्वयनको वास्तविक प्रमाणको साथ, उच्च प्रतिफल
लगानी तथ्याङ्क (ROI) मा र, पनि, मार्गदर्शन प्रदान
को विकासको लागि सन्दर्भ वा विधिहरू डाटा गोदाम
(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson
1999)। चरम अवस्थामा, ग्राहम एट अल। (1996) छ
401% को तीन वर्षको लगानीमा औसत प्रतिफल रिपोर्ट गरियो।
तर, वर्तमान साहित्यका अधिकांशले यसलाई बेवास्ता गरेका छन्
त्यस्ता परियोजनाहरू सञ्चालन गर्दा जटिलताहरू छन्। को परियोजनाहरु
डाटा गोदाम तिनीहरू सामान्यतया जटिल र ठूलो मात्रामा र
त्यसैले तिनीहरू असफल हुने उच्च सम्भावनालाई संकेत गर्छन् यदि तिनीहरू छैनन् भने
सावधानीपूर्वक नियन्त्रित (शाह र मिलस्टेन 1997, एकरसन 1997,
फोले 1997b, Zimmer 1997, बोर्ट 1998, गिब्स र क्लाइमर 1998, राव
1998)। उनीहरूलाई मानव र स्रोत दुवैको ठूलो मात्रा चाहिन्छ
वित्तीय र, तिनीहरूलाई निर्माण गर्न समय र प्रयास (हिल 1998, क्रफ्ट्स 1998)। द
सामान्य समय र आवश्यक आर्थिक साधनहरू क्रमशः छन्
लगभग दुई वर्ष र दुई वा तीन मिलियन डलर (Braly 1995, Foley
1997b, Bort 1998, Humphries et al। 1999)। यी समय र अर्थ
वित्तीय संस्थाहरूले धेरै पक्षहरूलाई नियन्त्रण र एकीकरण गर्न आवश्यक छ
डाटा भण्डारणमा भिन्नताहरू (Cafasso 1995, Hill 1998)। छेउमा
हार्डवेयर र सफ्टवेयर विचारहरू, अन्य प्रकार्यहरू, जुन भिन्न हुन्छ
को निकासी बाट डाटा को लोडिङ प्रक्रियाहरूमा डाटा, बाट
अपडेट र मेटा डाटा व्यवस्थापन गर्न मेमोरी क्षमता डाटा
प्रयोगकर्ता प्रशिक्षणको लागि, विचार गर्नुपर्छ।
यो अनुसन्धान परियोजना सुरु हुँदा, त्यहाँ धेरै कम थियो
डाटा भण्डारण को क्षेत्र मा आयोजित शैक्षिक अनुसन्धान,
विशेष गरी अष्ट्रेलियामा। यो वस्तुको अभावबाट प्रष्ट भयो
समाचार पत्र वा अन्य लेखहरू द्वारा डाटा भण्डारणमा प्रकाशित
समयका शिक्षाविद्हरू। धेरै अकादमिक लेखन
उपलब्ध अमेरिकी अनुभव वर्णन। को अभाव
यस क्षेत्रमा भएको शैक्षिक अनुसन्धानले डाटा भण्डारण गरेको हो
कठोर अनुसन्धान र अनुभवजन्य अध्ययनको लागि कल (McFadden 1996,
Shanks et al। 1997, लिटिल र गिब्सन 1999)। विशेष गरी, अध्ययन
को कार्यान्वयन प्रक्रियामा अनुसन्धान डाटा गोदाम
ज्ञान विस्तार गर्न आवश्यक छ
को कार्यान्वयन बारे सामान्य डाटा गोदाम e
भविष्यको अनुसन्धान अध्ययनको लागि आधारको रूपमा सेवा गर्नेछ (Shanks ed
अरू। 1997, लिटिल र गिब्सन 1999)।
यस अध्ययनको उद्देश्य, त्यसकारण, वास्तवमा के अध्ययन गर्नु हो
यो तब हुन्छ जब संगठनहरूले डाटा राख्छ र प्रयोग गर्दछ
अस्ट्रेलियामा गोदाम। विशेष गरी, यो अध्ययन समावेश हुनेछ
को एक सम्पूर्ण विकास प्रक्रिया को एक विश्लेषण डाटा गोदाम,
पहल र योजना मार्फत डिजाइन र
कार्यान्वयन र संगठन भित्र पछि प्रयोग
अस्ट्रेलियाली। थप रूपमा, अध्ययनले हालको अभ्यासमा पनि योगदान पुर्‍याउँछ
क्षेत्रहरू पहिचान गर्दै जहाँ अभ्यासलाई थप विकास गर्न सकिन्छ
सुधारिएको र असक्षमता र जोखिम कम गर्न सकिन्छ वा
जोगिन। यसबाहेक, यसले अन्य अध्ययनहरूको लागि आधारको रूपमा सेवा गर्नेछ डाटा गोदाम in
अस्ट्रेलिया र हाल साहित्यमा रहेको खाडल भर्नेछ।
अनुसन्धान प्रश्नहरू
यस अनुसन्धानको उद्देश्य संलग्न गतिविधिहरूको अध्ययन गर्नु हो
को कार्यान्वयन मा डाटा गोदाम र तिनीहरूको प्रयोग द्वारा
अष्ट्रेलियाका संगठनहरू। विशेष गरी, तत्वहरू अध्ययन गरिन्छ
परियोजना योजना, विकास,
सञ्चालन, प्रयोग र जोखिम समावेश। त्यसैले प्रश्न
यस अनुसन्धान को हो:
“अहिलेको अभ्यास के हो डाटा गोदाम अस्ट्रेलियामा?"
यस समस्यालाई प्रभावकारी रूपमा जवाफ दिन, क
सहायक अनुसन्धान प्रश्नहरूको निश्चित संख्या। विशेष गरी, तीन
साहित्यबाट उप-प्रश्नहरू पहिचान गरिएको छ, जुन हो
यस अनुसन्धान परियोजनालाई मार्गदर्शन गर्न अध्याय 2 मा प्रस्तुत गरिएको छ:
तिनीहरू कसरी लागू हुन्छन् i डाटा गोदाम संस्थाहरु द्वारा
अस्ट्रेलियाली? तपाईले के कस्ता समस्याहरुको सामना गर्नु भएको छ?
के लाभहरू अनुभव गरिन्छ?
यी प्रश्नहरूको जवाफमा, एउटा रेखाचित्र प्रयोग गरिएको थियो
एक सर्वेक्षण को रोजगार अन्वेषण अनुसन्धान। म कसरी पढ्छु
अन्वेषणात्मक, माथिका प्रश्नहरूको जवाफ पूर्ण छैन
(Shanks et al. 1993, Denscombe 1998)। यस अवस्थामा, यो छ
यी प्रतिक्रियाहरू सुधार गर्न त्रिभुज आवश्यक छ
अनुरोधहरू। तर, अनुसन्धानले ठोस आधार दिनेछ
यी प्रश्नहरू जाँच गर्ने भविष्यको काम। एक विस्तृत
अनुसन्धान विधि औचित्य र डिजाइन को छलफल
अध्याय 3 मा प्रस्तुत गरिएको छ।
अनुसन्धान परियोजना को संरचना
यो अनुसन्धान परियोजना दुई भागमा विभाजित छ: प्रासंगिक अध्ययन
डाटा भण्डारण र अनुभवजन्य अनुसन्धानको अवधारणा (हेर्नुहोस्
चित्र १.१), जसको प्रत्येक तल छलफल गरिएको छ।
भाग १: प्रासंगिक अध्ययन
अनुसन्धानको पहिलो भाग पुन: परीक्षणमा समावेश थियो
डाटा भण्डारण को विभिन्न प्रकार मा वर्तमान साहित्य सहित i
निर्णय समर्थन प्रणाली (DSS), सूचना प्रणाली
कार्यकारी (EIS), को मामला अध्ययन डाटा गोदाम र मिति को अवधारणाहरु
गोदाम। यसबाहेक, फोरमहरूको नतिजा डाटा गोदाम र भगवानहरू
समूह द्वारा आयोजित विशेषज्ञ र पेशेवरहरूको लागि बैठक समूह
मोनाश डीएसएस अनुसन्धानले अध्ययनको यस चरणमा योगदान पुर्‍यायो
जुन डाटाको अभ्यासको बारेमा जानकारी प्राप्त गर्ने उद्देश्यले थियो
गोदाम र तिनीहरूको ग्रहणमा संलग्न जोखिमहरू पहिचान गर्न।
यस अवधिमा प्रासंगिक अध्ययन, समझ
समस्या क्षेत्रको ज्ञान प्रदान गर्न स्थापना गरिएको छ
पछिको अनुभवजन्य अनुसन्धानको लागि आधार। यद्यपि, यो
अध्ययन भइरहेको बेला यो निरन्तर प्रक्रिया थियो
अनुसन्धान गर्नुहोस्।
भाग II: अनुभवजन्य अनुसन्धान
डाटा भण्डारण को अपेक्षाकृत नयाँ अवधारणा, esp
अष्ट्रेलिया मा, को लागी एक सर्वेक्षण गर्न को लागी आवश्यकता पैदा भयो
प्रयोग अनुभव को एक व्यापक तस्वीर प्राप्त। यो
भाग एक पटक समस्या डोमेन भएको थियो
व्यापक साहित्य समीक्षा मार्फत स्थापित भएको थियो। अवधारणा
सान्दर्भिक अध्ययन चरण को समयमा गठन डाटा-वेयरहाउसिंग को
यस अध्ययनको प्रारम्भिक प्रश्नावलीको लागि इनपुटको रूपमा प्रयोग गरिएको थियो।
यस पछि, प्रश्नावली जाँच गरियो। तपाईं मिति विशेषज्ञ हुनुहुन्छ
गोदाम परीक्षणमा सहभागी भयो। परीक्षाको उद्देश्य
प्रारम्भिक प्रश्नावली पूर्णता र शुद्धता जाँच गर्न थियो
केहि प्रश्नहरु। परीक्षणको नतिजाको आधारमा, प्रश्नावली हो
परिमार्जन गरिएको छ र परिमार्जित संस्करण पठाइएको छ
सर्वेक्षण सहभागीहरू। त्यसपछि फर्किएका प्रश्नावलीहरू थिए
i को लागि विश्लेषण गरियो डाटा तालिका, रेखाचित्र र अन्य ढाँचाहरूमा। द
को विश्लेषण परिणाम डाटा को एक तत्काल फोटो बनाउनुहोस्
अष्ट्रेलियामा डाटा भण्डारण अभ्यास।
डाटा भण्डारण अवलोकन
डाटा भण्डारण को अवधारणा सुधार संग विकसित भएको छ
कम्प्युटर प्रविधिको।
यो को समूहहरु द्वारा सामना गर्ने समस्याहरु लाई पार गर्न को लागी उद्देश्य हो
आवेदन समर्थन जस्तै निर्णय समर्थन प्रणाली (DSS) e
कार्यकारी सूचना प्रणाली (EIS)।
विगतमा यी आवेदनहरूको ठूलो बाधा थियो
प्रदान गर्न यी अनुप्रयोगहरूको असक्षमता डाटा बेस
विश्लेषणको लागि आवश्यक छ।
यो मुख्यतया काम को प्रकृति को कारण हो
व्यवस्थापन। कम्पनीको व्यवस्थापनको रुचि फरक हुन्छ
निरन्तर उपचार क्षेत्र मा निर्भर गर्दछ। त्यसैले म डाटा
यी अनुप्रयोगहरूको लागि आधारभूत सक्षम हुनुपर्दछ
उपचार गर्नुपर्ने भागको आधारमा छिटो परिवर्तन गर्नुहोस्।
यसको मतलब आई डाटा फारममा उपलब्ध हुनुपर्छ
आवश्यक विश्लेषणको लागि पर्याप्त। वास्तवमा, को समर्थन समूहहरू
एप्लिकेसनहरूले विगतमा एड सङ्कलन गर्न धेरै गाह्रो पाए
एकीकृत गर्न डाटा जटिल र विविध स्रोतहरूबाट।
यस खण्डको बाँकी भागले अवधारणाको एक सिंहावलोकन प्रस्तुत गर्दछ
डाटा भण्डारण र कसरी व्यवहार गर्दछ डाटा गोदाम लाई पार गर्न सक्छ
आवेदन समर्थन समूह मुद्दाहरू।
शब्द "डाटा गोदाम"विलियम इनमोन द्वारा 1990 मा जारी गरिएको थियो।
उनको प्रायः उद्धृत परिभाषाले देख्छ डाटा गोदाम आउन
को संग्रह डाटा विषय-उन्मुख, एकीकृत, गैर-अस्थिर, र चर
समयको साथ, व्यवस्थापन निर्णयहरूको समर्थनमा।
यो परिभाषा प्रयोग गरेर Inmon हाइलाइट गर्दछ कि i डाटा बासिन्दाहरू
अन मा डाटा गोदाम निम्न 4 हुनु पर्छ
विशेषताहरु:
▪ विषय-उन्मुख
▪ एकीकृत
▪ अस्थिर
▪ समय अनुसार परिवर्तनशील
विषय उन्मुख Inmon को अर्थ हो कि i डाटा मिति मा
सबैभन्दा ठूलो संगठनात्मक क्षेत्रमा गोदाम 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 विषय क्षेत्रमा समावेश छन्
उत्पादनहरू।
Integrated Inmon द्वारा मतलब यो हो कि i डाटा विभिन्न बाट आउँदैछ
प्लेटफर्महरू, प्रणालीहरू र स्थानहरू संयुक्त र भण्डारण गरिएका छन्
एकल ठाउँ। फलस्वरूप डाटा समान रूपान्तरण गर्नुपर्छ
सुसंगत ढाँचाहरूमा ताकि तिनीहरू थप्न र तुलना गर्न सकिन्छ
सजिलैसँग
उदाहरणका लागि, पुरुष र महिला लिङ्ग प्रतिनिधित्व छन्
एउटा प्रणालीमा M र F अक्षरहरूद्वारा, र अर्कोमा 1 र 0 सँग। को लागी
तिनीहरूलाई सही तरिकामा एकीकृत गर्नुहोस्, एक वा दुवै ढाँचाहरू हुनुपर्छ
रूपान्तरण गर्नुहोस् ताकि दुई ढाँचाहरू समान छन्। यस मा
यदि हामीले M लाई 1 र F लाई 0 मा परिवर्तन गर्न सक्छौं वा यसको विपरीत। तर्फ उन्मुख
विषय र एकीकृत संकेत गर्दछ कि डाटा गोदाम यसको लागि डिजाइन गरिएको छ
को एक कार्यात्मक र ट्रान्सभर्सल दृष्टि प्रदान गर्नुहोस् डाटा अलग
कम्पनीको।
Non-volatile भन्नाले उसको मतलब यो हो कि i डाटा nel डाटा गोदाम रहन्छ
संगत र अद्यावधिक गर्दै डाटा यो आवश्यक छैन। बरु, हरेक
मा परिवर्तन डाटा मूल मा थपिएको छ डेटाबेस मिति को
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 सामान्यतया
निश्चित समय क्षितिज पार गर्नुहोस्। उदाहरणका लागि ए
डाटा गोदाम को 5 वर्षको ऐतिहासिक मूल्य समावेश हुन सक्छ ग्राहकहरु dal
1993 देखि 1997। इतिहास र समय श्रृंखला को उपलब्धता
को डाटा तपाईंलाई प्रवृत्ति विश्लेषण गर्न अनुमति दिन्छ।
Un डाटा गोदाम उसले आफ्नो संकलन गर्न सक्छ डाटा प्रणालीहरूबाट
OLTP; उत्पत्तिबाट डाटा संगठनको बाहिरी र/वा अन्य विशेषज्ञहरूद्वारा
प्रणाली परियोजनाहरू कब्जा डाटा.
I डाटा अर्क एक सफाई प्रक्रिया मार्फत जान सक्छ, मा
यो मामला म डाटा तिनीहरू हुनु अघि रूपान्तरित र एकीकृत छन्
मा भण्डारण गरिएको डेटाबेस को डाटा गोदाम। त्यसपछि म डाटा
भित्रका बासिन्दाहरू डेटाबेस को डाटा गोदाम उपलब्ध गराइन्छ
प्रयोगकर्ता पहुँच र रिकभरी उपकरणहरू अन्त्य गर्न। प्रयोग गर्दै
यी उपकरणहरू अन्त प्रयोगकर्ताले एकीकृत दृश्य पहुँच गर्न सक्छन्
को संगठन को डाटा.
I डाटा भित्रका बासिन्दाहरू डेटाबेस को डाटा गोदाम तिनीहरू
दुवै विवरण र सारांश ढाँचामा भण्डारण।
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 पनि सक्छु
फरक प्रकारको भण्डार गर्नुहोस् डाटा जसलाई मेटाडाटा भनिन्छ
वर्णन गर्नुहोस् i डाटा आफ्नो मा बासिन्दाहरू डेटाबेस.
त्यहाँ दुई प्रकारका मेटाडेटा छन्: विकास मेटाडेटा र विकास मेटाडेटा
विश्लेषण गर्दछ।
विकास मेटाडेटा व्यवस्थापन र स्वचालित गर्न प्रयोग गरिन्छ
निकासी, सफाई, म्यापिङ र लोडिङ प्रक्रियाहरू डाटा nel
डाटा गोदाम.
विकास मेटाडाटा मा समावेश जानकारी समावेश हुन सक्छ
अपरेटिङ सिस्टमको विवरण, एक्स्ट्र्याक्ट गर्न तत्वहरूको विवरण,
टेम्पलेट डाटा को डाटा गोदाम र कम्पनीको नियमहरू
रूपान्तरण dei डाटा.
दोस्रो प्रकारको मेटाडेटा, जसलाई एनालिटिक्स मेटाडेटा भनिन्छ
डेटाको सामग्री अन्वेषण गर्न अन्तिम प्रयोगकर्तालाई सक्षम बनाउँछ
गोदाम पत्ता लगाउन डाटा उपलब्ध छ र तिनीहरूको सर्तहरूमा के मतलब छ
स्पष्ट र गैर-प्राविधिक।
तसर्थ एनालिटिक्स मेटाडेटाले डाटा बीच पुलको रूपमा काम गर्दछ
गोदाम र अन्त-प्रयोगकर्ता अनुप्रयोगहरू। यो मेटाडेटा सक्छ
व्यापार मोडेल समावेश, को विवरण डाटा संवाददाताहरू
व्यापार मोडेल, पूर्व-परिभाषित प्रश्नहरू र रिपोर्टहरू,
प्रयोगकर्ता लगइन र अनुक्रमणिका लागि जानकारी।
विश्लेषण र विकास मेटाडेटा एक मा जोडिएको हुनुपर्छ
एकीकृत मेटाडाटा कन्टेनमेन्ट ठीकसँग काम गर्न।
दुर्भाग्यवश, धेरै अवस्थित उपकरणहरू आफ्नै छन्
मेटाडेटा र हाल कुनै अवस्थित मापदण्डहरू छैनन्
डाटा भण्डारण उपकरणहरूलाई यी एकीकृत गर्न अनुमति दिनुहोस्
मेटाडेटा। यस अवस्थालाई समाधान गर्न धेरै व्यापारीहरू
मुख्य डाटा भण्डारण उपकरणहरूले मेटा डाटा गठन गरेको छ
काउन्सिल जो पछि मेटा डाटा गठबन्धन भयो।
यो गठबन्धनको उद्देश्य मेटाडेटा सेट निर्माण गर्नु हो
मानक जसले विभिन्न डाटा भण्डारण उपकरणहरूलाई अनुमति दिन्छ
मेटाडेटा रूपान्तरण
उनीहरूको प्रयासले मेटाको जन्म भयो
डाटा इन्टरचेन्ज स्पेसिफिकेशन (MDIS) जसले एक्सचेन्जलाई अनुमति दिनेछ
Microsoft अभिलेख र सम्बन्धित MDIS फाइलहरू बीचको जानकारी।
को अस्तित्व डाटा दुबै संक्षेप / अनुक्रमित र विस्तृत प्रदान गर्दछ
प्रयोगकर्ता एक ड्रिल ड्राउन पूरा गर्न सम्भावना
(ड्रिलिंग) आउनुहोस् डाटा विस्तृतमा अनुक्रमित र उल्टो।
को अस्तित्व डाटा विस्तृत इतिहासले सिर्जना गर्न अनुमति दिन्छ
समय संग प्रवृत्ति विश्लेषण। यसको अतिरिक्त विश्लेषण मेटाडाटा गर्न सक्नुहुन्छ
को डाइरेक्टरीको रूपमा प्रयोग गर्न सकिन्छ डेटाबेस को डाटा गोदाम प्रति
अन्त प्रयोगकर्ताहरूलाई i पत्ता लगाउन मद्दत गर्नुहोस् डाटा आवश्यक।
OLTP प्रणालीहरूको तुलनामा, तिनीहरूको समर्थन गर्ने क्षमताको साथ
को विश्लेषण डाटा र रिपोर्टिङ, द डाटा गोदाम प्रणालीको रूपमा हेरिन्छ
सूचना प्रक्रियाहरू जस्तै बनाउने र
प्रश्नहरूको जवाफ दिनुहोस् र रिपोर्टहरू उत्पादन गर्नुहोस्। अर्को खण्ड
दुई प्रणालीको भिन्नतालाई विस्तृत रूपमा हाइलाइट गर्नेछ।
डाटा वेयरहाउस OLTP प्रणाली विरुद्ध
संगठन भित्र धेरै सूचना प्रणालीहरू
तिनीहरू दैनिक कार्यहरू समर्थन गर्न अभिप्रेरित छन्। यी
ओएलटीपी प्रणालीहरू भनेर चिनिने प्रणालीहरू, क्याप्चर लेनदेनहरू
लगातार दैनिक अद्यावधिक।
I डाटा यी प्रणालीहरू भित्र तिनीहरू प्रायः परिमार्जन, थपिएका वा
मेटाइयो। उदाहरणका लागि, ग्राहकको ठेगाना मात्रै परिवर्तन हुन्छ
ऊ एक ठाउँबाट अर्को ठाउँमा सर्छ। यस अवस्थामा नयाँ ठेगाना
को ठेगाना फिल्ड परिमार्जन गरेर दर्ता गरिनेछ डेटाबेस.
यी प्रणालीहरूको मुख्य उद्देश्य लागत घटाउनु हो
लेनदेन र एकै समयमा प्रशोधन समय घटाउनुहोस्।
OLTP प्रणालीका उदाहरणहरूले लेख्ने जस्ता महत्वपूर्ण कार्यहरू समावेश गर्दछ
अर्डर लेखा, पेरोल, इनभ्वाइस, निर्माण, एआई सेवाहरू ग्राहकहरु.
OLTP प्रणालीहरू विपरीत, जुन प्रति प्रक्रिया सिर्जना गरिएको थियो
लेनदेन र घटनाहरूमा आधारित, i डाटा गोदाम तिनीहरू सिर्जना गरियो
को विश्लेषण-आधारित प्रक्रियाहरूलाई समर्थन प्रदान गर्न डाटा U हो
निर्णय प्रक्रियाहरू।
यो सामान्यतया i एकीकरण गरेर प्राप्त हुन्छ डाटा विभिन्न प्रणालीबाट
एकल "कन्टेनर" मा OLTP र बाह्य। डाटा, छलफल गरे अनुसार
अघिल्लो खण्डमा।
मोनाश डाटा भण्डारण प्रक्रिया मोडेल
को लागि प्रक्रिया मोडेल डाटा गोदाम मोनाश द्वारा विकसित गरिएको थियो
मोनाश डीएसएस रिसर्च ग्रुपका शोधकर्ताहरू आधारित छन्
को साहित्य डाटा गोदाम, समर्थन मा अनुभव मा
प्रणाली क्षेत्रहरूको विकास, विक्रेताहरूसँग छलफलमा
मा प्रयोग को लागी आवेदन डाटा गोदाम, विशेषज्ञहरूको समूहमा
को प्रयोग मा डाटा गोदाम.
चरणहरू हुन्: स्थापना, योजना, विकास, र सञ्चालन
व्याख्याहरू। रेखाचित्रले पुनरावृत्ति प्रकृति वा व्याख्या गर्दछ
ए को विकासवादी विकास डाटा गोदाम प्रयोग गरी प्रक्रिया
विभिन्न चरणहरू बीच राखिएको दुई-तर्फी तीरहरू। यस मा
"पुनरावृत्ति" र "विकासवादी" सन्दर्भको अर्थ हो, प्रत्येकमा
प्रक्रियाको चरण, कार्यान्वयन गतिविधिहरू गर्न सकिन्छ
सधैं अघिल्लो चरणमा पछाडि प्रचार गर्नुहोस्। यो हो
आयोजनाको प्रकृतिका कारण क डाटा गोदाम जसमा
अतिरिक्त अनुरोधहरू कुनै पनि समयमा उत्पन्न हुन्छ
अन्तिम प्रयोगकर्ता को। उदाहरण को लागी, को विकास चरण को समयमा
को प्रक्रिया डाटा गोदाम, एक अन्तिम प्रयोगकर्ता द्वारा अनुरोध गरिएको छ
नयाँ आयाम वा विषय क्षेत्र, जो कोसँग सम्बन्धित थिएन
मूल योजना, यो प्रणालीमा थपिनुपर्छ। यो
परियोजनामा ​​परिवर्तन ल्याउँछ। नतिजा भनेको टोलीको हो
डिजाइनले हालसम्म सिर्जना गरिएका कागजातहरूको आवश्यकताहरू परिवर्तन गर्नुपर्छ
डिजाइन चरण को समयमा। धेरै अवस्थामा, वर्तमान अवस्था
परियोजना डिजाइन चरणमा फर्किनु पर्छ जहाँ
नयाँ अनुरोध थप्न र कागजात हुनुपर्छ। प्रयोगकर्ता
अन्तिम विशिष्ट कागजात समीक्षा ei हेर्न सक्षम हुनुपर्छ
विकास चरणमा गरिएका परिवर्तनहरू। को अन्त्यमा
यो विकास चक्र परियोजनाबाट ठूलो प्रतिक्रिया प्राप्त हुनुपर्छ
दुबै टोलीहरू, विकास टोली र प्रयोगकर्ता टोली। द
प्रतिक्रिया त्यसपछि भविष्यको परियोजना सुधार गर्न पुन: प्रयोग गरिन्छ।
क्षमता योजना
Dw आकारमा धेरै ठूलो हुन्छ र बढ्छ
धेरै छिटो (सर्वश्रेष्ठ 1995, रुडिन 1997a) पछि
को मात्रा डाटा इतिहासहरू जुन तिनीहरूले आफ्नो अवधिबाट राख्छन्। त्यहाँ
वृद्धि पनि हुन सक्छ डाटा द्वारा अनुरोध गरिएको अतिरिक्त वस्तुहरू
प्रयोगकर्ताहरूको मूल्य बढाउन डाटा जुन तिनीहरूसँग पहिले नै छ। बाट
फलस्वरूप, को लागी भण्डारण आवश्यकताहरु डाटा सक्छ
उल्लेखनीय रूपमा बढाउनुहोस् (Eckerson 1997)। त्यसैले यो छ
योजना सञ्चालन गरेर सुनिश्चित गर्न आवश्यक छ
क्षमता, जसको साथ प्रणाली निर्माण गर्न सकिन्छ
आवश्यकताको वृद्धि (सर्वश्रेष्ठ 1995, LaPlante 1996, Lang 1997,
Eckerson 1997, Rudin 1997a, Foley 1997a)।
dw स्केलेबिलिटीको लागि योजना बनाउँदा, एकलाई थाहा हुनुपर्छ
सूची आकार मा अपेक्षित वृद्धि, प्रश्न को प्रकार
सम्भव छ, र समर्थित अन्त प्रयोगकर्ताहरूको संख्या (उत्तम
1995, Rudin 1997b, Foley 1997a)। स्केलेबल अनुप्रयोगहरू निर्माण गर्नुहोस्
स्केलेबल सर्भर प्रविधिहरू र प्रविधिहरूको संयोजन आवश्यक छ
स्केलेबल अनुप्रयोगहरू डिजाइन गर्ने (उत्तम 1995, रुडिन 1997b।
अनुप्रयोग सिर्जना गर्दा दुवै आवश्यक छ
अत्यन्त स्केलेबल। स्केलेबल सर्भर प्रविधिहरूले गर्न सक्छन्
भण्डारण, मेमोरी र थप्न सजिलो र लाभदायक बनाउनुहोस्
अपमानजनक प्रदर्शन बिना CPU (Lang 1997, Telephony 1997)।
त्यहाँ दुई मुख्य स्केलेबल सर्भर प्रविधिहरू छन्: गणना
सममित बहु (SMP) र विशाल प्रशोधन
समानान्तर (MPP)) (IDC 1997, Humphries et al. 1999)। एक सर्भर
SMP सामान्यतया एक मेमोरी साझा गर्ने धेरै प्रोसेसरहरू छन्,
बस प्रणाली र अन्य स्रोतहरू (IDC 1997, Humphries et al. 1999)।
थप प्रोसेसर वृद्धिको लागि थप्न सकिन्छ
उनको शक्ति कम्प्यूटेशनल। बढाउने अर्को तरिका हो
शक्ति SMP सर्भरको कम्प्युटेशनल शक्ति, धेरै संयोजन गर्न छ
SMP मेसिनहरू। यो प्रविधि क्लस्टरिङ (Humphries
et al। 1999)। एक MPP सर्भर, अर्कोतर्फ, प्रत्येकमा धेरै प्रोसेसरहरू छन्
आफ्नै मेमोरी, बस प्रणाली र अन्य स्रोतहरूसँग (IDC 1997,
Humphries et al। 1999)। प्रत्येक प्रोसेसरलाई नोड भनिन्छ। ए
मा वृद्धि शक्ति कम्प्यूटेशनल हासिल गर्न सकिन्छ
MPP सर्भरहरूमा थप नोडहरू थप्दै (Humphries et al.
1999)।
SMP सर्भरहरूको कमजोरी धेरै इनपुट-आउटपुट सञ्चालनहरू हो
(I/O) ले बस प्रणाली (IDC 1997) को भीड हुन सक्छ। यो
समस्या MPP सर्भर भित्र हरेक देखि देखा पर्दैन
प्रोसेसरको आफ्नै बस प्रणाली छ। यद्यपि, अन्तरसम्बन्धहरू
प्रत्येक नोड बीच तिनीहरू सामान्यतया बस प्रणाली भन्दा धेरै ढिलो छन्
SMPs को। थप रूपमा, MPP सर्भरहरूले तह थप्न सक्छ
अनुप्रयोग विकासकर्ताहरूको लागि अतिरिक्त जटिलता (IDC
1997)। यसरी, SMP र MPP सर्भरहरू बीचको छनौटलाई प्रभाव पार्न सकिन्छ
प्रश्नहरूको जटिलता, सम्बन्ध सहित धेरै कारकहरू द्वारा
मूल्य/प्रदर्शन, आवश्यक उपचार क्षमता,
dw अनुप्रयोगहरू र आकारमा वृद्धि रोकियो डेटाबेस
dw को र अन्तिम प्रयोगकर्ताहरूको संख्यामा।
असंख्य स्केलेबल अनुप्रयोग डिजाइन प्रविधिहरू
क्षमता योजनामा ​​प्रयोग गर्न सकिन्छ। एक
दिन, हप्ता, महिना र वर्ष जस्ता विभिन्न सूचना अवधिहरू प्रयोग गर्दछ।
विभिन्न सूचना अवधिहरू भएको, डेटाबेस मा विभाजित गर्न सकिन्छ
टुक्राहरू सजिलै संग समूहबद्ध गरियो (Inmon et al. 1997)। अर्को
प्रविधि भनेको निर्माण गरिएका सारांश तालिकाहरू प्रयोग गर्नु हो
संक्षेप गर्दै डाटा da डाटा विस्तृत। त्यसैले म डाटा सारांश अधिक छन्
विस्तृत भन्दा कम्प्याक्ट, जसलाई कम मेमोरी स्पेस चाहिन्छ।
त्यसैले डाटा विस्तृत विवरण ड्राइभमा भण्डारण गर्न सकिन्छ
सस्तो भण्डारण, जसले अझ बढी भण्डारण बचत गर्दछ।
यद्यपि सारांश तालिकाहरू प्रयोग गर्दा ठाउँ बचत गर्न सकिन्छ
मेमोरी, तिनीहरूलाई अद्यावधिक र मा राख्न धेरै प्रयास चाहिन्छ
व्यापारिक आवश्यकता अनुरूप। तर, यो प्रविधि हो
व्यापक रूपमा प्रयोग गरिन्छ र प्राय: प्रविधिको साथ संयोजनमा प्रयोग गरिन्छ
अघिल्लो (उत्कृष्ट १९९५, इनमोन १९९६ क, चौधरी र दयाल
1997)।
परिभाषित गर्दै डाटा गोदाम प्राविधिक
वास्तुकला प्रविधिहरूको परिभाषा
dw वास्तुकला
डाटा वेयरहाउसिंग को प्रारम्भिक अपनाउनेहरु को मुख्य रूप मा कल्पना
dw को केन्द्रीकृत कार्यान्वयन जहाँ सबै डाटा, समावेश छ
i डाटा बाह्य, एकल मा एकीकृत गरिएको थियो,
भौतिक भण्डारण (Inmon 1996a, Bresnahan 1996, Peacock 1998)।
यस दृष्टिकोणको मुख्य फाइदा भनेको अन्त प्रयोगकर्ताहरू हो
म एक उद्यमशीलता मा दृश्य पहुँच गर्न सक्षम छु
(उद्यम-व्यापी दृश्य) dei डाटा संगठनात्मक (Ovum 1998)। अर्को
फाइदा यो हो कि यसले मानकीकरण प्रदान गर्दछ डाटा मार्फत
संगठन, जसको मतलब त्यहाँ एक मात्र संस्करण वा
dw जम्मामा प्रयोग गरिएको प्रत्येक शब्दावलीको परिभाषा
(रिपोजिटि) मेटाडेटा (फ्लानागन र सफडी 1997, ओभम 1998)। द
यस दृष्टिकोणको बेफाइदा, अर्कोतर्फ, यो महँगो र गाह्रो छ
निर्माण गरिने (फ्लानागन र सफडी 1997, ओभम 1998, इनमोन एट अल।
1998)। भण्डारण वास्तुकला पछि लामो छैन डाटा
केन्द्रीकृत लोकप्रिय भयो, निष्कर्षणको अवधारणा विकसित भयो
को सबैभन्दा सानो उपसमूह को डाटा को आवश्यकताहरु लाई समर्थन गर्न
विशिष्ट अनुप्रयोगहरू (Varney 1996, IDC 1997, Berson and Smith
1997, मयूर 1998)। यी साना प्रणालीहरू धेरैबाट व्युत्पन्न हुन्छन्
grande डाटा गोदाम केन्द्रीकृत। तिनीहरूलाई मिति भनिन्छ
निर्भर विभागीय गोदाम वा निर्भर डाटा मार्ट।
निर्भर डाटा मार्ट वास्तुकला भनेर चिनिन्छ
तीन-स्तरीय वास्तुकला जहाँ पहिलो तह डेटा समावेश गर्दछ
केन्द्रीकृत गोदाम, दोस्रोमा गोदामहरू हुन्छन् डाटा
विभागीय र तेस्रोमा पहुँच समावेश छ डाटा र को उपकरणबाट
विश्लेषण (Demarest 1994, Inmon et al. 1997)।
डाटा मार्ट सामान्यतया पछि बनाइन्छ डाटा गोदाम
केन्द्रीकृत आवश्यकताहरू पूरा गर्न निर्माण गरिएको थियो
विशिष्ट एकाइहरू (सेतो 1995, वार्ने 1996)।
डाटा मार्ट्स भण्डारण गर्दछ डाटा विवरणसँग सम्बन्धित धेरै सान्दर्भिक
एकता (Inmon et al. 1997, Inmon et al. 1998, IA 1998)।
यस विधिको फाइदा यो हो कि त्यहाँ कुनै हुनेछैन डाटा गैर
एकीकृत र त्यो i डाटा तिनीहरू डाटा भित्र कम अनावश्यक हुनेछ
सबै देखि मार्ट्स डाटा तिनीहरू गोदामबाट आउँछन् डाटा एकीकृत।
अर्को फाइदा यो हो कि त्यहाँ प्रत्येक बीच केहि जडान हुनेछ
डाटा मार्ट र सम्बन्धित स्रोतहरू डाटा किनभने प्रत्येक डाटा मार्ट मात्र हुन्छ
को एक स्रोत डाटा। यस वास्तुकलाको साथमा, प्रयोगकर्ताहरू
फाइनल अझै पनि को सिंहावलोकन पहुँच गर्न सक्नुहुन्छ डाटा
कर्पोरेट संगठनहरू। यो विधि को रूपमा चिनिन्छ
शीर्ष-डाउन विधि, जसमा डेटा मार्टहरू डेटा पछि बनाइन्छ
गोदाम (पीकक १९९८, गोफ १९९८)।
चाँडै नतिजा देखाउने आवश्यकता बढाउँदै, केही
संस्थाहरूले स्वतन्त्र डाटा मार्टहरू निर्माण गर्न थालेका छन्
(Flanagan र Safdie 1997, व्हाइट 2000)। यस अवस्थामा, डाटा मार्ट्स
उनीहरु आफ्नो लिन्छन् डाटा सीधा को आधारभूत देखि डाटा OLTP र बाट होइन
केन्द्रीकृत र एकीकृत भण्डारण, यसरी आवश्यकता हटाउन
साइटमा केन्द्रीय भण्डारण छ।
प्रत्येक डाटा मार्टलाई यसको स्रोतहरूमा कम्तिमा एउटा लिङ्क चाहिन्छ
di डाटा। प्रत्येक मितिको लागि धेरै लिङ्कहरू भएको एक हानि
मार्ट त्यो हो, दुई अघिल्लो वास्तुकलाको तुलनामा,
को अधिकता डाटा उल्लेखनीय रूपमा बढ्छ।
प्रत्येक डाटा मार्टले सबै भण्डारण गर्नुपर्छ डाटा स्थानीय तहमा अनुरोध गरेको छ
OLTP प्रणालीहरूमा कुनै प्रभाव छैन। यसले गर्दा i डाटा
तिनीहरू विभिन्न डाटा मार्टहरूमा भण्डारण गरिएका छन् (Inmon et al. 1997)।
यस वास्तुकलाको अर्को हानि यो हो कि यसले नेतृत्व गर्दछ
डाटा मार्ट र तिनीहरूको बीच जटिल अन्तरसम्बन्धको सिर्जना
को स्रोतहरू डाटा जसलाई कार्यान्वयन गर्न र नियन्त्रण गर्न गाह्रो हुन्छ (इनमोन एड
अरू। 1997)।
अर्को हानि यो छ कि अन्त प्रयोगकर्ताहरूले पावर गर्न सक्दैनन्
i को रूपमा कम्पनी जानकारीको सिंहावलोकन पहुँच गर्नुहोस् डाटा
विभिन्न डाटा मार्टहरू एकीकृत छैनन् (Ovum 1998)।
अझै अर्को हानि यो हो कि त्यहाँ एक भन्दा बढी हुन सक्छ
डेटा मार्टमा प्रयोग गरिएको प्रत्येक शब्दावलीको परिभाषा यसले उत्पन्न गर्दछ
को असंगतिहरु डाटा संस्थामा (Ovum 1998)।
माथि छलफल गरिएका बेफाइदाहरूको बावजुद, स्वतन्त्र डाटा मार्ट
तिनीहरू अझै पनि धेरै संस्थाहरूको चासो आकर्षित गर्छन् (IDC 1997)।
एउटा कारक जसले तिनीहरूलाई आकर्षक बनाउँछ त्यो हो कि तिनीहरू छिटो विकसित हुन्छन्
र कम समय र स्रोतहरू चाहिन्छ (Bresnahan 1996, Berson e
स्मिथ 1997, ओभम 1998)। तदनुसार, तिनीहरू मुख्य रूपमा सेवा गर्छन्
परीक्षण परियोजनाहरूको रूपमा पहिचान गर्न प्रयोग गर्न सकिन्छ
परियोजनामा ​​भएका फाइदाहरू र/वा अपूर्णताहरू (Parsaye
1995, ब्राली 1995, नयाँ 1996)। यस अवस्थामा, बाट भाग
पाइलट प्रोजेक्टमा कार्यान्वयन सानो तर महत्त्वपूर्ण हुनुपर्छ
संगठनको लागि (न्युविंग 1996, म्यानसेल-लुइस 1996)।
प्रोटोटाइप जाँच गरेर, अन्त प्रयोगकर्ता र प्रशासन गर्न सक्नुहुन्छ
परियोजना जारी राख्ने वा रोक्ने निर्णय गर्नुहोस् (फ्लानागन र सेफडी
1997)।
यदि निर्णय जारी राख्ने हो भने, अन्य क्षेत्रहरूको लागि डाटा मार्ट्स
तिनीहरू एक पटकमा निर्माण गर्नुपर्छ। को लागी दुई विकल्प छन्
अन्त प्रयोगकर्ताहरू डाटा निर्माणमा उनीहरूको आवश्यकताहरूमा आधारित छन्
स्वतन्त्र matrs: एकीकृत/संघीय र एक एकीकृत (ओभम
1998)
पहिलो विधिमा, प्रत्येक नयाँ डाटा मार्ट निर्माण गर्नुपर्छ
हालको डाटा मार्ट र मोडेलमा आधारित डाटा प्रयोग
फर्म द्वारा (Varney 1996, Berson and Smith 1997, Peacock 1998)।
मोडेल प्रयोग गर्न आवश्यक छ डाटा कम्पनीले आवश्यक बनाउँछ
सुनिश्चित गर्नुहोस् कि प्रत्येक शब्दावली को लागी एक मात्र परिभाषा छ
डाटा मार्ट मार्फत प्रयोग गरिन्छ, यो पनि त्यो डाटा सुनिश्चित गर्न हो
विभिन्न मार्टहरू एक सिंहावलोकन दिन मर्ज गर्न सकिन्छ
कर्पोरेट जानकारी (Bresnahan 1996)। यो विधि हो
बटम-अप भनिन्छ र त्यहाँ बाधा हुँदा उत्तम हुन्छ
आर्थिक साधन र समय (Flanagan and Safdie 1997, Ovum 1998,
मयूर 1998, गोफ 1998)। दोस्रो विधि मा, डाटा मार्ट्स
निर्मितले मात्र एक विशेष इकाईको आवश्यकताहरू पूरा गर्न सक्छ।
संघीय डाटा मार्ट को एक संस्करण हो डाटा गोदाम वितरित
जसमा डेटाबेस हब सर्भर मिडलवेयर धेरै सामेल हुन प्रयोग गरिन्छ
को एकल भण्डार मा डाटा मार्ट्स डाटा वितरित (सेतो 1995)। मा
यो मामला, i डाटा कम्पनीहरु धेरै डाटा मार्ट मा वितरित छन्।
अन्त प्रयोगकर्ता अनुरोधहरू फर्वार्ड गरिन्छ डेटाबेस
सर्भर हब मिडलवेयर, जसले सबै निकाल्छ डाटा डाटा द्वारा अनुरोध
marts र अन्तिम प्रयोगकर्ता अनुप्रयोगहरूमा परिणाम फर्काउँछ। यो
विधि अन्त प्रयोगकर्ताहरूलाई व्यापार जानकारी प्रदान गर्दछ। तर,
डाटा मार्टको समस्या अझै हटेको छैन
स्वतन्त्र। त्यहाँ अर्को वास्तुकला छ जुन प्रयोग गर्न सकिन्छ
कल गर्नुहोस् डाटा गोदाम भर्चुअल (सेतो 1995)। यद्यपि, यो
वास्तुकला, जुन चित्र 2.9 मा वर्णन गरिएको छ, वास्तुकला होइन
भण्डारण को डाटा वास्तविक किनभने यसले लोड सार्न सक्दैन
OLTP प्रणालीबाट डाटा गोदाम (Demarest 1994)।
वास्तवमा, को अनुरोधहरू डाटा अन्त प्रयोगकर्ताहरू द्वारा पार गरिसकेका छन्
OLTP प्रणालीहरू जसले प्रक्रिया पछि परिणामहरू फर्काउँछ
प्रयोगकर्ता अनुरोधहरू। यद्यपि यो वास्तुकलाले प्रयोगकर्ताहरूलाई अनुमति दिन्छ
फाइनल रिपोर्टहरू उत्पन्न गर्न र अनुरोधहरू तयार गर्न, प्रदान गर्न सक्दैन
डाटा कम्पनी जानकारी को ऐतिहासिक र सिंहावलोकन को रूपमा i डाटा
विभिन्न OLTP प्रणालीहरूबाट एकीकृत छैनन्। त्यसैले, यो एक
वास्तुकलाले विश्लेषणलाई सन्तुष्ट पार्न सक्दैन डाटा जटिल जस्तै
उदाहरण पूर्वानुमान।
पहुँच र पहुँच अनुप्रयोगहरूको चयन
को रिकभरी डाटा
निर्माणको उद्देश्य क डाटा गोदाम प्रसारण गर्न छ
अन्त प्रयोगकर्ताहरूलाई जानकारी (Inmon et al 1997, Poe 1996,
McFadden 1996, Shanks et al 1997, Hammergren 1998); एक वा
बहु पहुँच र रिकभरी अनुप्रयोगहरू डाटा उपलब्ध गराउनु पर्छ। को
आज, प्रयोगकर्ताले छनौट गर्नका लागि यी अनुप्रयोगहरूको एक विस्तृत विविधता छ
छनौट गर्नुहोस् (ह्यामरग्रेन 1998, हम्फ्रीज एट अल। 1999)। द
चयन गरिएका अनुप्रयोगहरूले प्रयासको सफलता निर्धारण गर्दछ
भण्डारण को डाटा संगठनमा किनभने
अनुप्रयोगहरू सबैभन्दा देखिने भाग हुन् डाटा गोदाम प्रयोगकर्तालाई
फाइनल (Inmon et al. 1997, Poe 1996)। मिति सफल हुन
गोदाम, को विश्लेषण गतिविधिहरु लाई समर्थन गर्न सक्षम हुनुपर्छ डाटा
अन्तिम प्रयोगकर्ताको (Poe 1996, Seddon and Benjamin 1998, Eckerson
1999)। त्यसैले अन्तिम प्रयोगकर्ताले चाहेको "स्तर" हुनुपर्छ
पहिचान गरिएको (Poe 1996, Mattison 1996, Inmon et al 1997,
Humphries et al. 1999)।
सामान्यतया, अन्तिम प्रयोगकर्ताहरूलाई तीनमा समूहबद्ध गर्न सकिन्छ
कोटिहरू: कार्यकारी प्रयोगकर्ताहरू, व्यापार विश्लेषकहरू र शक्ति प्रयोगकर्ताहरू (Poe
1996, Humphries et al. 1999)। कार्यकारी प्रयोगकर्ताहरू चाहिन्छ
रिपोर्टहरूको पूर्वनिर्धारित सेटहरूमा सजिलो पहुँच (Humphries ed
अन्य 1999)। यी रिपोर्टहरू सजिलै प्राप्त गर्न सकिन्छ
मेनु नेभिगेसन (Poe 1996)। साथै, रिपोर्टहरू हुनुपर्छ
ग्राफिकल प्रतिनिधित्व प्रयोग गरेर प्रस्तुत जानकारी
जस्तै तालिका र टेम्प्लेटहरू छिटो ढुवानी गर्न
जानकारी (Humphries et al. 1999)। व्यापार विश्लेषकहरू, जो गर्दैनन्
तिनीहरूसँग सम्बन्ध विकास गर्न प्राविधिक सम्भावनाहरू हुन सक्छन्
आफ्नै मा शून्य, तिनीहरू वर्तमान सम्बन्ध परिमार्जन गर्न सक्षम हुन आवश्यक छ
तिनीहरूको विशिष्ट आवश्यकताहरू पूरा गर्नुहोस् (Poe 1996, Humphries et al
1999)। पावर प्रयोगकर्ताहरू, अर्कोतर्फ, अन्त प्रयोगकर्ताहरूको प्रकार हुन् जो
बाट अनुरोध र रिपोर्टहरू उत्पन्न गर्न र लेख्ने क्षमता छ
शून्य (Poe 1996, Humphries et al. 1999)। उनीहरु नै हुन् जो
अन्य प्रकारका प्रयोगकर्ताहरूको लागि रिपोर्टहरू विकास गर्नुहोस् (Poe 1996, Humphries
र अन्य 1999)।
एक पटक अन्तिम प्रयोगकर्ता आवश्यकताहरू निर्धारण गरिनु पर्छ
पहुँच र रिकभरी अनुप्रयोगहरूको चयन डाटा सबै माझ
ती उपलब्ध छन् (Poe 1996, Inmon et al. 1997)।
मा पहुँच डाटा र पुन: प्राप्ति उपकरण हुन सक्छ
4 प्रकारमा वर्गीकृत: OLAP उपकरण, EIS/DSS उपकरण, क्वेरी उपकरण र
रिपोर्टिङ र डाटा खनन उपकरण।
OLAP उपकरणहरूले प्रयोगकर्ताहरूलाई तदर्थ प्रश्नहरू सिर्जना गर्न अनुमति दिन्छ
मा बनाइएको डेटाबेस को डाटा गोदाम। प्लस यी उत्पादनहरू
प्रयोगकर्ताहरूलाई ड्रिल डाउन गर्न अनुमति दिनुहोस् डाटा तिनीहरूलाई सामान्य
विस्तृत।
EIS/DSS उपकरणहरूले "के भए" विश्लेषणको रूपमा कार्यकारी रिपोर्टिङ प्रदान गर्दछ
र मेनु-संगठित रिपोर्टहरूमा पहुँच। प्रतिवेदन हुनुपर्छ
पूर्वनिर्धारित र सजिलो नेभिगेसनको लागि मेनुहरूसँग मर्ज।
क्वेरी र रिपोर्टिङ उपकरणहरूले प्रयोगकर्ताहरूलाई रिपोर्टहरू उत्पादन गर्न अनुमति दिन्छ
पूर्वनिर्धारित र विशिष्ट।
डेटा खनन उपकरणहरू सम्बन्ध पहिचान गर्न प्रयोग गरिन्छ
मा बिर्सिएको अपरेशन मा नयाँ प्रकाश बहाउन सक्छ डाटा को
डाटावेयरहाउस।
प्रत्येक प्रकारको प्रयोगकर्ताको आवश्यकताहरूलाई अनुकूलन गर्ने साथमा, i
चयन गरिएका उपकरणहरू सहज, कुशल र प्रयोग गर्न सजिलो हुनुपर्छ।
तिनीहरू पनि वास्तुकलाका अन्य भागहरूसँग मिल्दो हुनुपर्दछ
अवस्थित प्रणालीहरूसँग काम गर्न सक्षम। गर्न पनि सुझाव दिइएको छ
मूल्य र कार्यसम्पादनको साथ डेटा पहुँच र पुन: प्राप्ति उपकरणहरू छनौट गर्नुहोस्
व्यावहारिक। विचार गर्नुपर्ने अन्य मापदण्डहरूमा प्रतिबद्धता समावेश छ
तिनीहरूको उत्पादन र विकासहरूलाई समर्थन गर्न उपकरणको विक्रेता
भविष्यका रिलीजहरूमा पनि त्यस्तै हुनेछ। प्रयोगकर्ता संलग्नता सुनिश्चित गर्न
डाटा गोदाम प्रयोग गर्नमा, विकास टोलीले समावेश गर्दछ
उपकरण चयन प्रक्रियामा प्रयोगकर्ताहरू। यस मामला मा
व्यावहारिक प्रयोगकर्ता मूल्याङ्कन गरिनुपर्छ।
डाटा गोदामको मूल्य सुधार गर्न विकास टोलीले गर्न सक्छ
तिनीहरूको डाटा गोदामहरूमा वेब पहुँच प्रदान गर्दछ। ए
वेब-सक्षम डाटा गोदाम प्रयोगकर्ताहरूलाई पहुँच गर्न अनुमति दिन्छ डाटा
दुर्गम ठाउँबाट वा यात्रा गर्दा। थप जानकारी पाउन सकिन्छ
लागत घटाएर कम लागतमा उपलब्ध गराइन्छ
di प्रशिक्षण।
2.4.3 डाटा गोदाम सञ्चालन चरण
यस चरणमा तीन गतिविधिहरू हुन्छन्: मिति रणनीतिहरू परिभाषित गर्दै
ताजा, डाटा गोदाम गतिविधिहरूको नियन्त्रण र व्यवस्थापन
डाटा गोदाम सुरक्षा।
डाटा रिफ्रेस रणनीतिहरूको परिभाषा
प्रारम्भिक लोडिङ पछि, i डाटा nel डेटाबेस डाटा गोदाम को
खेल्नको लागि आवधिक रूपमा ताजा हुनुपर्छ
मा परिवर्तन गरियो डाटा मौलिक। त्यसैले हामीले निर्णय गर्नुपर्छ
कहिले रिफ्रेस गर्ने, कति पटक
रिफ्रेस र कसरी रिफ्रेस गर्ने डाटा। गर्न सुझाव दिइएको छ
refresh dei डाटा जब प्रणाली अफलाइन लिन सकिन्छ। त्यहाँ
रिफ्रेस दर विकास टोली द्वारा निर्धारण गरिन्छ
प्रयोगकर्ता आवश्यकताहरु मा। रिफ्रेस गर्न दुईवटा तरिकाहरू छन्
डाटा गोदाम: पूर्ण रिफ्रेस र निरन्तर लोडिङ
cambiamenti।
पहिलो दृष्टिकोण, पूर्ण रिफ्रेस, पुन: लोड गर्न आवश्यक छ
सबै डाटा स्क्र्याच देखि। यसको मतलब यो हो कि सबै डाटा आवश्यक पर्छ
प्रत्येक रिफ्रेसमा एक्स्ट्र्याक्ट, सफा, रूपान्तरण र एकीकृत गर्नुहोस्। यो
दृष्टिकोण, सम्भव भएसम्म, बेवास्ता गर्नुपर्छ किनभने
यसको लागि धेरै समय र स्रोत चाहिन्छ।
एक वैकल्पिक दृष्टिकोण लगातार लोड गर्न को लागी हो
परिवर्तनहरू। यसले i थप्छ डाटा जुन परिवर्तन गरिएको छ
पछिल्लो डाटा गोदाम रिफ्रेस चक्र देखि। को पहिचान
नयाँ वा परिमार्जित अभिलेखहरूले को मात्रा घटाउँछ
डाटा जुन प्रत्येकमा डाटा गोदाममा प्रचार गरिनु पर्छ
यीबाट मात्र अद्यावधिक गर्नुहोस् डाटा मा थपिनेछ डेटाबेस
डाटा गोदाम को।
त्यहाँ कम्तिमा 5 दृष्टिकोणहरू छन् जुन फिर्ता लिन प्रयोग गर्न सकिन्छ
i डाटा नयाँ वा परिमार्जित। एक कुशल रणनीति प्राप्त गर्न
refresh dei डाटा यी दृष्टिकोणहरूको मिश्रण उपयोगी हुन सक्छ
प्रणालीमा सबै परिवर्तनहरू उठाउँछन्।
पहिलो दृष्टिकोण, जसले टाइमस्ट्याम्पहरू प्रयोग गर्दछ, मानिन्छ कि आउँछ
सबैलाई तोकिएको छ डाटा एक टाइमस्ट्याम्प सम्पादन र अद्यावधिक गरियो
सबै सजिलै पहिचान गर्न सक्षम हुन डाटा परिमार्जित र नयाँ।
तथापि, यो दृष्टिकोण धेरै मा व्यापक रूपमा प्रयोग गरिएको छैन
आजको अपरेटिङ सिस्टमको अंश।
दोस्रो दृष्टिकोण द्वारा उत्पन्न डेल्टा फाइल प्रयोग गर्न को लागी छ
एउटा अनुप्रयोग जसमा गरिएका परिवर्तनहरू मात्र समावेश छन् डाटा.
यो फाइल प्रयोग गर्दा पनि अद्यावधिक चक्र बढ्छ।
तर, यो विधि पनि धेरैमा प्रयोग भएको छैन
अनुप्रयोगहरू।
तेस्रो दृष्टिकोण लग फाइल स्क्यान गर्न हो, जुन
मूलतः डेल्टा फाइलमा समान जानकारी समावेश गर्दछ। एक मात्र
फरक यो हो कि लग फाइल रिकभरी प्रक्रियाको लागि सिर्जना गरिएको छ र
बुझ्न गाह्रो हुन सक्छ।
चौथो दृष्टिकोण एप्लिकेसन कोड परिमार्जन गर्नु हो।
यद्यपि अधिकांश आवेदन कोड पुरानो र
कमजोर; त्यसैले यो प्रविधिबाट बच्नुपर्छ।
अन्तिम दृष्टिकोण तुलना गर्न हो डाटा फाइल संग स्रोत
मुख्य देवताहरू डाटा.
डाटा गोदाम गतिविधिहरूको नियन्त्रण
एक पटक डाटा गोदाम प्रयोगकर्ताहरूलाई जारी गरिसकेपछि, यो हो
समय सापेक्ष निगरानी गर्न आवश्यक छ। यस अवस्थामा, प्रशासक
डाटा गोदाम को एक वा बढी व्यवस्थापन उपकरणहरू काम गर्न सक्छ र
डाटा गोदाम को उपयोग को निगरानी को लागी नियन्त्रण। खासमा
मानिसहरू र मौसम बारे जानकारी सङ्कलन गर्न सकिन्छ
जुन तिनीहरूले डाटा गोदाम पहुँच गर्छन्। आउनुहोस् डाटा बाली बनाउन सकिन्छ
इनपुटको रूपमा प्रयोग गर्न सकिने कार्यको प्रोफाइल
प्रयोगकर्ता चार्जब्याक कार्यान्वयनमा। चार्जब्याक
प्रयोगकर्ताहरूलाई प्रशोधन लागतको बारेमा सूचित गर्न अनुमति दिन्छ
डाटावेयरहाउस।
यसबाहेक, डाटा गोदाम नियन्त्रण पनि लागि प्रयोग गर्न सकिन्छ
प्रश्नहरूको प्रकार, तिनीहरूको आकार, प्रति प्रश्नहरूको संख्या पहिचान गर्नुहोस्
दिन, प्रश्नको प्रतिक्रिया समय, क्षेत्रहरू र मात्रा
di डाटा प्रशोधित। जाँच गर्ने अर्को उद्देश्य
डाटा गोदाम पहिचान गर्न छ 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 कि
सजिलै पुग्न सकिन्छ। यस कारणले गर्नुपर्छ
अनधिकृत प्रयोगकर्ताहरूबाट सुरक्षित रहनुहोस्। एक बाटो
सुरक्षा लागू गर्नु भनेको del प्रकार्य प्रयोग गर्नु हो DBMS
विभिन्न प्रकारका प्रयोगकर्ताहरूलाई विभिन्न विशेषाधिकारहरू प्रदान गर्न। यस मा
तरिका, प्रत्येक प्रकारको प्रयोगकर्ताको लागि प्रोफाइल कायम गर्नुपर्छ
पहुँच। तपाईंको डाटा गोदाम सुरक्षित गर्ने अर्को तरिका यसलाई इन्क्रिप्ट गर्नु हो
जसमा लेखिएको छ डाटा बेस डाटा गोदाम को। मा पहुँच
डाटा र पुन: प्राप्ति उपकरणहरूले डिक्रिप्ट गर्नुपर्छ डाटा पेश गर्नु अघि i
प्रयोगकर्ताहरूको लागि परिणाम।
2.4.4 डाटा गोदाम परिनियोजन चरण
यो डाटा गोदाम कार्यान्वयन चक्रमा अन्तिम चरण हो। द
यस चरणमा सञ्चालन गरिने गतिविधिहरूमा तालिम समावेश छ
प्रयोगकर्ताहरूले डाटा गोदाम प्रयोग गर्न र समीक्षाहरू सिर्जना गर्न
डाटा गोदाम को।
प्रयोगकर्ता प्रशिक्षण
प्रयोगकर्ता प्रशिक्षण पहिले गर्नुपर्छ
पहुँच को डाटा डाटा गोदाम र उपकरणहरूको प्रयोग
पुन: प्राप्ति। सामान्यतया, सत्रहरू सुरु हुनुपर्छ
को भण्डारण को अवधारणा को परिचय डाटाको
डाटा गोदामको सामग्री, एआई मेटा डाटा र आधारभूत सुविधाहरू
उपकरणहरूको। त्यसपछि, अधिक उन्नत प्रयोगकर्ताहरूले पनि अध्ययन गर्न सक्छन्
भौतिक तालिकाहरू र डेटा पहुँच र उपकरणहरूको प्रयोगकर्ता सुविधाहरू
पुन: प्राप्ति।
प्रयोगकर्ता प्रशिक्षण गर्न धेरै तरिकाहरू छन्। मध्येको एउटा
यसमा धेरै प्रयोगकर्ता वा विश्लेषकहरूको चयन समावेश छ
प्रयोगकर्ताहरूको समूह, तिनीहरूको नेतृत्व र क्षमतामा आधारित
संचार। यिनीहरूलाई व्यक्तिगत क्षमतामा तालिम दिइन्छ
तिनीहरूसँग परिचित हुन जान्न आवश्यक सबै कुरा
प्रणाली। तालिम सकिएपछि उनीहरु आफ्नो काममा फर्किन्छन्
तिनीहरूले अन्य प्रयोगकर्ताहरूलाई प्रणाली कसरी प्रयोग गर्ने भनेर सिकाउन थाल्छन्। माथि
उनीहरूले सिकेका कुराहरूमा आधारित, अन्य प्रयोगकर्ताहरूले सुरु गर्न सक्छन्
डाटा गोदाम अन्वेषण गर्नुहोस्।
अर्को दृष्टिकोण धेरै प्रयोगकर्ताहरूलाई उस्तै तालिम दिनु हो
समय, यदि तपाइँ कक्षाकोठाको पाठ्यक्रम लिँदै हुनुहुन्छ। यो विधि
यो उपयुक्त छ जब त्यहाँ धेरै प्रयोगकर्ताहरू छन् जसलाई प्रशिक्षित गर्न आवश्यक छ
एउटै समयमा। अझै अर्को तरिका तालिम हो
प्रत्येक प्रयोगकर्ता व्यक्तिगत रूपमा, एक एक गरेर। यो विधि हो
थोरै प्रयोगकर्ताहरू हुँदा उपयुक्त।
प्रयोगकर्ता प्रशिक्षणको उद्देश्य तपाईलाई परिचित गराउनु हो
पहुँच संग डाटा र पुन: प्राप्ति उपकरणहरू साथै सामग्रीहरू
डाटावेयरहाउस। यद्यपि, केही प्रयोगकर्ताहरू अभिभूत हुन सक्छन्
सत्र को समयमा प्रदान गरिएको जानकारी को मात्रा द्वारा
प्रशिक्षण। त्यसैले निश्चित संख्यामा चीजहरू गर्नुपर्छ
प्रतिक्रिया दिन जारी समर्थन र रिफ्रेसर सत्रहरू
विशिष्ट प्रश्नहरूको लागि। कतिपय अवस्थामा समूह बन्ने गरेको छ
यस प्रकारको समर्थन प्रदान गर्न प्रयोगकर्ताहरू।
प्रतिक्रिया सङ्कलन
एक पटक डाटा गोदाम रोल आउट भएपछि, प्रयोगकर्ताहरूले गर्न सक्छन्
i प्रयोग गर्नुहोस् डाटा जुन विभिन्न उद्देश्यका लागि डाटा गोदाममा रहन्छ।
प्रायजसो, विश्लेषक वा प्रयोगकर्ताहरूले i डाटा nel
को लागि डाटा गोदाम:
1 कम्पनी प्रवृत्तिहरू पहिचान गर्नुहोस्
2 को खरीद प्रोफाइलहरू विश्लेषण गर्नुहोस् ग्राहकहरु
3 विभाजन i ग्राहकहरु र को
4 लाई उत्कृष्ट सेवाहरू प्रदान गर्नुहोस् ग्राहकहरु - सेवाहरू अनुकूलित गर्नुहोस्
5 रणनीतिहरू बनाउनुहोस् मार्केटिङ
6 लागत विश्लेषण र मद्दतको लागि प्रतिस्पर्धी उद्धरणहरू प्रदान गर्नुहोस्
नियन्त्रण
7 रणनीतिक निर्णय लिने समर्थन गर्नुहोस्
8 बाहिर खडा हुने अवसरहरू पहिचान गर्नुहोस्
9 हालको व्यापार प्रक्रियाहरूको गुणस्तर सुधार गर्नुहोस्
10 लाभ जाँच गर्नुहोस्
डाटा गोदाम को विकास दिशा पछ्याउँदै, तिनीहरूले गर्न सक्छन्
प्रतिक्रिया प्राप्त गर्न प्रणाली समीक्षाहरूको एक श्रृंखला सञ्चालन गर्नुहोस्
दुबै विकास टोली र समुदायबाट
अन्त प्रयोगकर्ताहरू।
प्राप्त नतिजाहरु को लागी विचार गर्न सकिन्छ
अर्को विकास चक्र।
डाटा गोदाममा वृद्धिशील दृष्टिकोण भएकोले,
विगतका सफलता र गल्तीहरूबाट सिक्न आवश्यक छ
विकासहरू।
2.5 सारांश
यस अध्यायमा प्रस्तुत दृष्टिकोणहरू छलफल गरिएको छ
साहित्य। खण्ड १ मा अवधारणाको चर्चा गरिएको थियो
डाटा गोदाम र निर्णय विज्ञान मा यसको भूमिका। मा
खण्ड २ बीचको मुख्य भिन्नता
डाटा गोदाम र OLTP प्रणाली। खण्ड 3 मा हामीले छलफल गर्यौं
मोनाश डाटा गोदाम मोडेल प्रयोग गरिएको थियो
खण्ड ४ मा प्रक्रियामा संलग्न गतिविधिहरू वर्णन गर्न
डाटा गोदामको विकास, यी थेसिसहरूमा आधारित छैनन्
कडा अनुसन्धान। यथार्थमा जे हुन्छ त्यो हुन सक्छ
साहित्यले रिपोर्ट गरेको भन्दा धेरै फरक छ, यद्यपि यी
परिणामहरू आधारभूत सामान बनाउन प्रयोग गर्न सकिन्छ
यस अनुसन्धानको लागि डाटा गोदामको अवधारणालाई जोड दिनुहोस्।
क्यापिटोलो १
अनुसन्धान र डिजाइन विधिहरू
यस अध्यायको लागि अनुसन्धान र डिजाइन विधिहरूसँग सम्बन्धित छ
यो अध्ययन। पहिलो भागले विधिहरूको सामान्य दृश्य देखाउँछ
जानकारी पुन: प्राप्त गर्न को लागी उपलब्ध अनुसन्धान को, थप
एक को लागि सबै भन्दा राम्रो विधि चयन गर्न मापदण्ड छलफल गरिन्छ
विशेष अध्ययन। त्यसपछि खण्ड 2 मा दुई विधिहरू छलफल गरिन्छ
भर्खरै सेट गरिएको मापदण्डको साथ चयन गरियो; यी मध्ये छनोट गरिनेछ र
खण्ड ३ मा उल्लेख गरिएका कारणहरू सहितको एउटा स्वीकार गरियो जहाँ तिनीहरू छन्
अन्य मापदण्डको बहिष्कारको कारणहरू पनि व्याख्या गरिएको छ। त्यहाँ
खण्ड 4 ले अनुसन्धान डिजाइन प्रस्तुत गर्दछ र खण्ड 5 लाई प्रस्तुत गर्दछ
निष्कर्ष।
3.1 सूचना प्रणालीमा अनुसन्धान
सूचना प्रणालीमा अनुसन्धान मात्र सीमित छैन
प्राविधिक क्षेत्रमा तर समावेश गर्न विस्तार गर्नुपर्छ
व्यवहार र संगठन सम्बन्धी लक्ष्यहरू।
देखि लिएर विभिन्न विषयका थेसिसहरूमा हामी यो ऋणी छौं
सामाजिक विज्ञान प्राकृतिक को लागी; यसले ए को आवश्यकता निम्त्याउँछ
मात्रात्मक विधिहरू समावेश अनुसन्धान विधिहरूको निश्चित स्पेक्ट्रम
र सूचना प्रणालीको लागि प्रयोग गरिने गुणात्मक।
सबै उपलब्ध अनुसन्धान विधिहरू महत्त्वपूर्ण छन्, वास्तवमा धेरै
जेनकिन्स (1985), नुनामाकर एट अल जस्ता अनुसन्धानकर्ताहरू। (1991), र ग्यालियर्स
(1992) कुनै विशेष सार्वभौमिक विधि छैन भनेर तर्क गर्नुहोस्
सूचना प्रणालीको विभिन्न क्षेत्रहरूमा अनुसन्धान सञ्चालन गर्न; वास्तवमा
एक विधि एक विशेष अनुसन्धान को लागी उपयुक्त हुन सक्छ तर होइन
अरूको लागि। यसले हामीलाई एक विधि चयन गर्न आवश्यक ल्याउँछ
हाम्रो विशेष अनुसन्धान परियोजनाको लागि उपयुक्त छ: यसको लागि
छनौट बेनबासात एट अल। (1987) उनीहरूलाई विचार गर्नुपर्छ भनेर बताउनुहोस्
अनुसन्धानको प्रकृति र उद्देश्य।
३.१.१ अनुसन्धानको प्रकृति
अनुसन्धानको प्रकृतिमा आधारित विभिन्न विधिहरू हुन सक्छन्
विज्ञानमा व्यापक रूपमा परिचित तीन परम्पराहरूमा वर्गीकृत
जानकारीको: सकारात्मकवादी, व्याख्यात्मक र आलोचनात्मक अनुसन्धान।
3.1.1.1 सकारात्मक अनुसन्धान
सकारात्मकतावादी अनुसन्धानलाई वैज्ञानिक अध्ययन वा भनिन्छ
अनुभवजन्य। यसले यसो गर्ने प्रयास गर्छ: "मा के हुनेछ भनेर व्याख्या गर्नुहोस् र भविष्यवाणी गर्नुहोस्
नियमितता र कारण र प्रभाव सम्बन्ध हेरेर सामाजिक संसार
यसलाई गठन गर्ने तत्वहरू बीचमा" (Shanks et al 1993)।
सकारात्मक अनुसन्धान पनि पुनरावृत्ति द्वारा विशेषता हो,
सरलीकरण र खण्डन। यसबाहेक, सकारात्मक अनुसन्धानले स्वीकार गर्दछ
अध्ययन गरिएको घटनाहरू बीचको प्राथमिकता सम्बन्धको अस्तित्व।
ग्यालियर्स (1992) अनुसार वर्गीकरण एक अनुसन्धान विधि हो
सकारात्मकतावादी प्रतिमानमा समावेश गरिएको छ, जुन यत्तिमै सीमित छैन,
वास्तवमा त्यहाँ प्रयोगशाला प्रयोगहरू छन्, क्षेत्रीय प्रयोगहरू,
केस स्टडीहरू, प्रमेय प्रमाणहरू, भविष्यवाणीहरू र सिमुलेशनहरू।
यी विधिहरू प्रयोग गरेर अनुसन्धानकर्ताहरूले घटना स्वीकार गर्छन्
वस्तुनिष्ठ र दृढतापूर्वक अध्ययन गर्न सकिन्छ।
3.1.1.2 व्याख्यात्मक अनुसन्धान
व्याख्यात्मक अनुसन्धान, जसलाई प्रायः phenomenology वा भनिन्छ
न्यूमन (१९९४) द्वारा एन्टि-पोजिटिभवादलाई "विश्लेषण" को रूपमा वर्णन गरिएको छ
प्रत्यक्ष र मार्फत कार्यको सामाजिक अर्थको व्यवस्थित
क्रमशः प्राकृतिक परिस्थितिहरूमा मानिसहरूको विस्तृत अवलोकन
कसरी बुझ्न र व्याख्या मा पुग्न
मानिसहरूले आफ्नो सामाजिक संसार सिर्जना र कायम राख्छन्।" अध्ययन
व्याख्यात्मक विधिहरूले अवलोकन गरिएको घटनाको धारणालाई अस्वीकार गर्दछ
वस्तुगत रूपमा अवलोकन गर्न सकिन्छ। वास्तवमा तिनीहरू आधारित छन्
व्यक्तिपरक व्याख्याहरूमा। यसबाहेक, व्याख्यात्मक अनुसन्धानकर्ताहरूले गर्दैनन्
तिनीहरूले अध्ययन गर्ने घटनाहरूमा एक प्राथमिक अर्थ लगाउछन्।
यस विधिले व्यक्तिपरक/तर्कात्मक अध्ययन, कार्यहरू समावेश गर्दछ
अनुसन्धान, वर्णनात्मक/व्याख्यात्मक अध्ययन, भविष्य अनुसन्धान र खेलहरू
भूमिका। यसका साथै अनुसन्धान र केस स्टडी पनि हुनसक्छ
तिनीहरूको अध्ययनको चिन्ताको रूपमा यस दृष्टिकोणमा समावेश गरिएको छ
जटिल परिस्थितिहरूमा व्यक्ति वा संस्थाहरू
वास्तविक संसारको।
३.१.१.३ आलोचनात्मक अनुसन्धान
क्रिटिकल इन्क्वायरी विज्ञानमा सबैभन्दा कम ज्ञात दृष्टिकोण हो
सामाजिक तर हालसालै अनुसन्धानकर्ताहरूको ध्यान प्राप्त भएको छ
सूचना प्रणाली को क्षेत्र मा। दार्शनिक धारणा छ कि
सामाजिक वास्तविकता ऐतिहासिक रूपमा उत्पादन र मानिसहरू द्वारा पुन: उत्पादन गरिन्छ,
साथै तिनीहरूको कार्य र अन्तरक्रियाको साथ सामाजिक प्रणालीहरू। तिनीहरूको
क्षमता, तथापि, विचार को एक निश्चित मात्रा द्वारा मध्यस्थता छ
सामाजिक, सांस्कृतिक र राजनीतिक।
व्याख्यात्मक अनुसन्धान जस्तै, आलोचनात्मक अनुसन्धानले राख्छ कि
सकारात्मकतावादी अनुसन्धानले सामाजिक सन्दर्भसँग कुनै सरोकार राख्दैन र यसलाई बेवास्ता गर्छ
मानव कार्यहरूमा यसको प्रभाव।
अर्कोतर्फ, आलोचनात्मक अनुसन्धानले व्याख्यात्मक अनुसन्धानको आलोचना गर्दछ
धेरै व्यक्तिपरक हुनुहोस् र किनकि यसले मद्दत गर्ने लक्ष्य राख्दैन
मानिसहरू आफ्नो जीवन सुधार गर्न। बीचको सबैभन्दा ठूलो भिन्नता
आलोचनात्मक अनुसन्धान र अन्य दुई दृष्टिकोण यसको मूल्याङ्कन आयाम हो।
जबकि सकारात्मकतावादी र व्याख्यात्मक परम्पराहरूको वस्तुनिष्ठताको लागि हो
यथास्थिति वा सामाजिक यथार्थको भविष्यवाणी वा व्याख्या, आलोचनात्मक अनुसन्धान
अन्तर्निहित सामाजिक वास्तविकताको आलोचनात्मक मूल्याङ्कन र रूपान्तरण गर्ने लक्ष्य राखिएको छ
स्टूडियो।
आलोचनात्मक अनुसन्धानकर्ताहरूले सामान्यतया यथास्थितिको विरोध गर्छन्
सामाजिक भिन्नताहरू हटाउनुहोस् र सामाजिक अवस्था सुधार गर्नुहोस्। त्यहाँ
आलोचनात्मक अनुसन्धानको प्रक्रियागत दृष्टिकोणको लागि प्रतिबद्धता छ
चासो को घटना र, त्यसैले, सामान्यतया अनुदैर्ध्य छ।
अनुसन्धान विधिका उदाहरणहरू दीर्घकालीन ऐतिहासिक अध्ययनहरू हुन्
एथनोग्राफिक अध्ययन। आलोचनात्मक अनुसन्धान, तथापि, भएको छैन
सूचना प्रणाली अनुसन्धानमा व्यापक रूपमा प्रयोग गरिन्छ
३.१.२ अनुसन्धानको उद्देश्य
खोज को प्रकृति संग, यसको उद्देश्य प्रयोग गर्न सकिन्छ
एक विशेष विधि चयन गर्न अनुसन्धानकर्तालाई मार्गदर्शन गर्न
अनुसन्धान। अनुसन्धान परियोजनाको उद्देश्य नजिकको सम्बन्धित छ
खोज चक्र सापेक्ष खोज को स्थिति मा समावेश गर्दछ
तीन चरणहरू: सिद्धान्त निर्माण, सिद्धान्त परीक्षण, र सिद्धान्त परिष्करण
सिद्धान्त। त्यसोभए, खोज चक्रको सन्दर्भमा गतिको आधारमा, ए
अनुसन्धान परियोजना एक व्याख्यात्मक, वर्णनात्मक, उद्देश्य हुन सक्छ
अन्वेषणात्मक वा भविष्यवाणी गर्ने।
३.१.२.१ अन्वेषणात्मक अनुसन्धान
अन्वेषणात्मक अनुसन्धान भनेको विषयको अनुसन्धान गर्ने उद्देश्य हो
पूर्ण रूपमा नयाँ र अनुसन्धान प्रश्नहरू र परिकल्पनाहरू बनाउनुहोस्
भविष्य। यस प्रकारको अनुसन्धान निर्माणमा प्रयोग गरिन्छ
नयाँ क्षेत्रमा प्रारम्भिक सन्दर्भहरू प्राप्त गर्न सिद्धान्त।
सामान्यतया, गुणात्मक अनुसन्धान विधिहरू, जस्तै केसहरू, प्रयोग गरिन्छ
अध्ययन वा घटनात्मक अध्ययनको।
यद्यपि, यो पनि मात्रात्मक प्रविधिहरू प्रयोग गर्न सम्भव छ जस्तै
अन्वेषणात्मक अनुसन्धान वा प्रयोगहरू।
३.१.३.३ वर्णनात्मक अनुसन्धान
वर्णनात्मक अनुसन्धान ठूलो भागमा विश्लेषण र वर्णन गर्ने उद्देश्य हो
विवरण एक विशेष स्थिति वा संगठनात्मक अभ्यास। यो
सिद्धान्त निर्माणको लागि उपयुक्त छ र यसको लागि पनि प्रयोग गर्न सकिन्छ
परिकल्पना पुष्टि वा विवाद। वर्णनात्मक अनुसन्धान सामान्यतया
मापन र नमूनाहरूको प्रयोग समावेश छ। सबैभन्दा उपयुक्त अनुसन्धान विधिहरू
पूर्ववर्ती घटनाहरूको अनुसन्धान र विश्लेषण समावेश गर्दछ।
3.1.2.3 व्याख्यात्मक अनुसन्धान
व्याख्यात्मक अनुसन्धानले चीजहरू किन हुन्छ भनेर व्याख्या गर्ने प्रयास गर्दछ।
यो तथ्यमा आधारित छ जुन पहिले नै अध्ययन गरिएको छ र पत्ता लगाउने प्रयास गर्दछ
यी तथ्यहरूको कारणहरू।
त्यसैले व्याख्यात्मक अनुसन्धान सामान्यतया अनुसन्धानमा आधारित हुन्छ
अन्वेषण वा वर्णनात्मक र परीक्षण र परिष्करणको लागि सहायक हो
सिद्धान्तहरू। व्याख्यात्मक अनुसन्धानले सामान्यतया केस स्टडीहरू प्रयोग गर्दछ
वा सर्वेक्षणमा आधारित अनुसन्धान विधिहरू।
3.1.2.4 रोकथाम अनुसन्धान
निवारक अनुसन्धानले घटना र व्यवहारको भविष्यवाणी गर्ने लक्ष्य राख्छ
अध्ययन भइरहेको अवलोकन अन्तर्गत (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 संख्याहरू छन्
सम्भावित अनुसन्धान विधिहरू जुन अध्ययनमा प्रयोग गर्न सकिन्छ
विशेष। यद्यपि, त्यहाँ एक विशेष विधि हुनुपर्छ जुन अधिक उपयुक्त छ
एक विशेष प्रकार को अनुसन्धान परियोजना को लागी अन्य को। (ग्यालियर्स
1987, यिन 1989, De Vaus 1991)। तसर्थ, प्रत्येक अनुसन्धानकर्तासँग छ
को बल र कमजोरीहरु को सावधानीपूर्वक मूल्याङ्कन गर्न आवश्यक छ
विभिन्न विधिहरू, सबैभन्दा उपयुक्त अनुसन्धान विधि अपनाउन पुग्ने ई
अनुसन्धान परियोजना संग उपयुक्त। (जेनकिन्स 1985, परवान र क्लास
1992, बोनोमिया 1985, यिन 1989, हिमिल्टन र इभ्स 1992)।
३.२। सम्भावित अनुसन्धान विधिहरू
यस परियोजनाको लक्ष्य मा अनुभव अध्ययन गर्न थियो
अष्ट्रेलियाली संस्थाहरु संग i डाटा एक संग भण्डारण
को विकास डाटा गोदाम. डाटा जुन, हाल, त्यहाँ एक छ
अष्ट्रेलियामा डाटा भण्डारण क्षेत्रमा अनुसन्धानको कमी,
यो अनुसन्धान परियोजना अझै पनि चक्रको सैद्धान्तिक चरणमा छ
अनुसन्धान र एक अन्वेषण उद्देश्य छ। मा अनुभव अन्वेषण गर्दै
अष्ट्रेलियाली संस्थाहरूले डाटा भण्डारण अपनाउने
वास्तविक समाजको व्याख्या चाहिन्छ। फलस्वरूप, द
अनुसन्धान परियोजना अन्तर्निहित दार्शनिक धारणा निम्नानुसार छ
परम्परागत व्याख्या।
उपलब्ध विधिहरूको कठोर परीक्षण पछि, तिनीहरू पहिचान गरियो
दुई सम्भावित अनुसन्धान विधिहरू: सर्वेक्षण र केस अध्ययन
(केस स्टडी), जुन अनुसन्धानको लागि प्रयोग गर्न सकिन्छ
अन्वेषक (Shanks et al. 1993)। ग्यालियर्स (1992) ले तर्क गर्दछ
यस विशेष अध्ययनको लागि यी दुई विधिहरूको उपयुक्तता
यसको परिमार्जित वर्गीकरणले निर्माणको लागि उपयुक्त रहेको बताएको छ
सैद्धान्तिक। निम्न दुई उपखण्डहरूले प्रत्येक विधिमा छलफल गर्दछ
विस्तार।
३.२.१ सर्वेक्षण अनुसन्धान विधि
सर्वेक्षण अनुसन्धान विधि पुरातन विधिबाट आएको हो
जनगणना। जनगणना बाट जानकारी सङ्कलन हुन्छ
सम्पूर्ण जनसंख्या। यो विधि महँगो र अव्यावहारिक छ
विशेष गरी यदि जनसंख्या ठूलो छ। त्यसैले, तुलना
जनगणना, एक सर्वेक्षण सामान्यतया केन्द्रित छ
सानो संख्या, वा नमूनाको लागि जानकारी सङ्कलन
जनसंख्या को प्रतिनिधि (फाउलर 1988, Neuman 1994)। ए
नमूनाले जनसङ्ख्यालाई प्रतिबिम्बित गर्दछ जसबाट यो कोरिएको छ, फरकसँग
सटीकता को स्तर, नमूना संरचना अनुसार,
आकार र चयन विधि प्रयोग गरियो (Fowler 1988, Babbie
1982, Neuman 1994)।
अनुसन्धान विधिलाई "अभ्यासहरूको स्न्यापसट,
समय मा एक विशेष बिन्दु मा परिस्थिति वा दृश्य, प्रयोग गरीएको
प्रश्नावली वा अन्तर्वार्ता, जसबाट निष्कर्ष निकाल्न सकिन्छ
बनाइएको" (ग्यालियर्स 1992:153) [अभ्यासहरूको तत्काल फोटो,
समय मा विशेष बिन्दु मा परिस्थिति वा दृष्टिकोण, प्रयोग गरीएको
प्रश्नावली वा अन्तर्वार्ता, जसबाट निष्कर्ष निकाल्न सकिन्छ]। द
अनुसन्धानले केही पक्षहरूमा जानकारी सङ्कलनसँग सम्बन्धित छ
अध्ययन को, सहभागी को एक निश्चित संख्या द्वारा, बनाउने
प्रश्न (Fowler 1988)। यी प्रश्नावली र अन्तर्वार्ताहरू पनि, जुन
आमने-सामने टेलिफोन र संरचित अन्तर्वार्ताहरू समावेश गर्नुहोस्,
को सङ्कलन प्रविधिहरू हुन् डाटा सबैभन्दा सामान्य मा प्रयोग गरिन्छ
अन्वेषण (ब्लाक 1970, Nachmias र Nachmias 1976, Fowler
1988), अवलोकन र विश्लेषणहरू प्रयोग गर्न सकिन्छ (Gable
1994)। सङ्कलन गर्ने यी सबै विधिहरू मध्ये डाटा, को प्रयोग
प्रश्नावली सबैभन्दा लोकप्रिय प्रविधि हो, किनकि यसले i डाटा
संकलित संरचित र ढाँचाबद्ध छन्, र त्यसैले सुविधा
जानकारी को वर्गीकरण (ह्वांग 1987, de Vaus 1991)।
विश्लेषण गर्दा म डाटा, एक अनुसन्धान रणनीति अक्सर रोजगार
मात्रात्मक प्रविधिहरू, जस्तै सांख्यिकीय विश्लेषण, तर तिनीहरू हुन सक्छन्
गुणात्मक प्रविधिहरू पनि प्रयोग गरिन्छ (Galliers 1992, Pervan
र क्लास 1992, गेबल 1994)। सामान्यतया, i डाटा संकलन गरिएका छन्
वितरण र संघहरूको ढाँचा विश्लेषण गर्न प्रयोग गरियो
(Fowler 1988)।
यद्यपि सर्वेक्षणहरू सामान्यतया अनुसन्धानको लागि उपयुक्त छन्
त्यो प्रश्न 'के?' (के) वा यसबाट
व्युत्पन्न, जस्तै 'कति' र 'कति', तिनीहरू
'किन' प्रश्न मार्फत सोध्न सकिन्छ (Sonquist र
डन्केलबर्ग १९७७, यिन १९८९)। Sonquist र Dunkelberg अनुसार
(1977), अनुसन्धान अनुसन्धान कठिन परिकल्पना, कार्यक्रम को उद्देश्य हो
मूल्याङ्कन, जनसंख्याको वर्णन र मोडेलहरू विकास गर्दै
मानव व्यवहार। थप रूपमा, सर्वेक्षणहरू प्रयोग गर्न सकिन्छ
जनसंख्या, अवस्था, को एक निश्चित विचार अध्ययन गर्न,
विचारहरू, विशेषताहरू, अपेक्षाहरू र विगतका व्यवहारहरू पनि
वा वर्तमान (Neuman 1994)।
अनुसन्धानले अनुसन्धानकर्तालाई बीचको सम्बन्ध पत्ता लगाउन अनुमति दिन्छ
जनसङ्ख्या र परिणामहरू सामान्यतया भन्दा बढी सामान्य छन्
अन्य विधिहरू (Sonquist and Dunkelberg 1977, Gable 1994)। द
सर्वेक्षणहरूले अनुसन्धानकर्ताहरूलाई भौगोलिक क्षेत्र कभर गर्न अनुमति दिन्छ
फराकिलो र धेरै घोषणाकर्ताहरू पुग्न (ब्लाक 1970,
Sonquist and Dunkelberg 1977, Hwang and Lin 1987, Gable 1994,
Neuman 1994)। अन्तमा, सर्वेक्षणले जानकारी प्रदान गर्न सक्छ
जुन अन्यत्र वा विश्लेषणका लागि आवश्यक फारममा उपलब्ध छैन
(Fowler 1988)।
तथापि, सर्वेक्षण सञ्चालन गर्न केही सीमितताहरू छन्। एक
बेफाइदा यो हो कि अनुसन्धानकर्ताले धेरै जानकारी प्राप्त गर्न सक्दैन
अध्ययन गरिएको वस्तुको बारेमा। यो तथ्य को कारण हो कि
अनुसन्धान एक विशेष समयमा मात्र गरिन्छ र त्यसैले,
त्यहाँ सीमित संख्यामा चर र व्यक्तिहरू छन् जुन अनुसन्धानकर्ताले गर्न सक्छन्
अध्ययन (यिन 1989, डे भास 1991, गेबल 1994, डेन्सकोम्बे 1998)।
अर्को बेफाइदा भनेको सर्वेक्षण चलाउनु के हुन सक्छ
समय र स्रोतहरूको सन्दर्भमा धेरै महँगो, विशेष गरी यदि
आमने-सामने साक्षात्कार समावेश गर्दछ (Fowler 1988)।
३.२.२। अनुसन्धान अनुसन्धान विधि
सोधपुछ अनुसन्धान विधिमा गहिरो अध्ययन समावेश छ
यसको वास्तविक सन्दर्भ भित्र एक विशेष स्थिति a मा
को पक्ष मा कुनै हस्तक्षेप बिना समय को परिभाषित अवधि
शोधकर्ता (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985)।
मुख्यतया यो विधि बीचको सम्बन्ध वर्णन गर्न प्रयोग गरिन्छ
चरहरू जुन एक विशेष परिस्थितिमा अध्ययन भइरहेको छ
(ग्यालियर्स 1992)। अनुसन्धान व्यक्तिगत मामलाहरु वा समावेश हुन सक्छ
बहु, विश्लेषण गरिएको घटनामा निर्भर गर्दै (फ्रान्ज र रोबे 1987,
Eisenhardt 1989, Yin 1989)।
सोधपुछ अनुसन्धान विधिलाई "अनुसन्धानको रूपमा परिभाषित गरिएको छ
अनुभवजन्य अध्ययन जसले भित्रको समकालीन घटनाको अध्ययन गर्दछ
सापेक्ष वास्तविक सन्दर्भ, एक वा बाट एकत्रित बहु स्रोतहरू प्रयोग गरेर
धेरै संस्थाहरू जस्तै व्यक्ति, समूह, वा संगठनहरू" (यिन 1989)।
घटना र यसको सन्दर्भ बीच कुनै स्पष्ट विभाजन छैन ई
त्यहाँ चरहरूको कुनै नियन्त्रण वा प्रयोगात्मक हेरफेर छैन (यिन
1989, बेनबसात एट अल। 1987)।
सङ्कलन गर्न विभिन्न प्रविधिहरू छन् डाटा कि तिनीहरूले गर्न सक्छन्
सोधपुछ विधिमा प्रयोग गरिनेछ, जसमा समावेश छ
प्रत्यक्ष अवलोकन, अभिलेख अभिलेखको समीक्षा, प्रश्नावली,
दस्तावेज र संरचित साक्षात्कार को समीक्षा। भएको
फसल काट्ने प्रविधिको विविध दायरा डाटा, अनुसन्धान
अनुसन्धानकर्ताहरूलाई दुवैसँग व्यवहार गर्न अनुमति दिनुहोस् डाटा गुणात्मक कि
एकै समयमा मात्रा (बोनोमा 1985, Eisenhardt 1989, यिन
1989, गेबल 1994)। सर्वेक्षण विधिको मामलामा, क
अनुसन्धान अनुसन्धानकर्ताले पर्यवेक्षक वा अनुसन्धानकर्ताको रूपमा कार्य गर्दछ र होइन
अध्ययन अन्तर्गत संगठनमा सक्रिय सहभागीको रूपमा।
Benbasat et al. (1987) सोधपुछ विधि हो भनेर दाबी गर्दछ
विशेष गरी सिद्धान्त निर्माण अनुसन्धानको लागि उपयुक्त, जुन
अनुसन्धान प्रश्नको साथ सुरु गर्नुहोस् र प्रशिक्षण जारी राख्नुहोस्
सङ्कलन प्रक्रियाको क्रममा एक सिद्धान्तको डाटा। हुनु
स्टेजको लागि पनि उपयुक्त
सिद्धान्त निर्माणको बारेमा, फ्रान्ज र रोबे (1987) ले सुझाव दिन्छ
कम्प्लेक्सको लागि सोधपुछ विधि पनि प्रयोग गर्न सकिन्छ
सिद्धान्त चरण। यस मामला मा, सङ्कलन प्रमाण को आधार मा, एक
दिइएको सिद्धान्त वा परिकल्पना प्रमाणित वा खण्डन गरिएको छ। साथै, अनुसन्धान छ
'कसरी' वा 'कसरी' प्रश्नहरूसँग सम्बन्धित अनुसन्धानका लागि पनि उपयुक्त
'किन' (यिन १९८९)।
अन्य विधिहरूको तुलनामा, सर्वेक्षणहरूले अनुसन्धानकर्तालाई अनुमति दिन्छ
थप विवरणमा आवश्यक जानकारी लिनुहोस् (ग्यालियर्स
1992, Shanks et al 1993)। यसबाहेक, अनुसन्धानले अनुमति दिन्छ
अनुसन्धानकर्ताले अध्ययन गरिएका प्रक्रियाहरूको प्रकृति र जटिलता बुझ्न
(बेनबसात एट अल। 1987)।
विधिसँग सम्बन्धित चार मुख्य हानिहरू छन्
अनुसन्धान। पहिलो नियन्त्रित कटौतीको अभाव हो। त्यहाँ
शोधकर्ता आत्मीयता परिणाम र निष्कर्ष परिवर्तन गर्न सक्नुहुन्छ
अध्ययन को (यिन 1989)। दोस्रो हानि अभाव हो
नियन्त्रित अवलोकन। प्रयोगात्मक विधिहरूको विपरीत,
अनुसन्धान अनुसन्धानकर्ताले अध्ययन गरेको घटनालाई नियन्त्रण गर्न सक्दैन
जसरी तिनीहरूको प्राकृतिक सन्दर्भमा जाँच गरिन्छ (Gable 1994)। द
तेस्रो बेफाइदा replicability को कमी छ। यो तथ्यको कारण हो
कि अनुसन्धानकर्ताले समान घटनाहरू अवलोकन गर्न सम्भव छैन, र
एक विशेष अध्ययन (ली 1989) को नतिजा प्रमाणित गर्न सक्दैन।
अन्तमा, गैर-प्रतिकृतिको परिणामको रूपमा, यो गाह्रो छ
एक वा बढी अनुसन्धानबाट प्राप्त नतिजाहरू सामान्यीकरण गर्नुहोस् (ग्यालियर्स
1992, Shanks et al 1993)। तर, यी सबै समस्या होइनन्
दुर्गम छन् र वास्तवमा, द्वारा कम गर्न सकिन्छ
अनुसन्धानकर्ता उपयुक्त कार्यहरू लागू गर्दै (ली 1989)।
३.३। अनुसन्धान पद्धतिलाई औचित्य दिनुहोस्
अपनाएको
यस अध्ययनको लागि दुई सम्भावित अनुसन्धान विधिहरूबाट, विधि
अनुसन्धानलाई सबैभन्दा उपयुक्त मानिन्छ । अनुसन्धानको कुरा हो
सम्बन्धित व्यक्तिहरूको ध्यानपूर्वक विचार पछि खारेज गरियो
गुण र कमजोरीहरू। प्रत्येकको सुविधा वा अनुपयुक्तता
यस अध्ययनको लागि विधि तल छलफल गरिएको छ।
३.३.१। अनुसन्धान विधिको अनुपयुक्तता
अनुसन्धानको
सोधपुछ विधिलाई एकको बारेमा गहिरो अध्ययन चाहिन्छ
एक वा धेरै संस्थाहरू भित्रको विशेष अवस्था a को लागि
समय अवधि (Eisenhardt 1989)। यस अवस्थामा, अवधि हुन सक्छ
यस अध्ययनको लागि दिइएको समय सीमा भन्दा बढी। अर्को
सर्वेक्षण पद्धति अपनाउन नसक्नुको कारण नतिजा आएको हो
तिनीहरू कठोरताको कमीबाट पीडित हुन सक्छन् (यिन 1989)। व्यक्तित्व
अनुसन्धानकर्ताको नतिजा र निष्कर्षलाई प्रभाव पार्न सक्छ। अर्को
कारण यो विधि प्रश्नहरूको अनुसन्धानको लागि अधिक उपयुक्त छ
'कसरी' वा 'किन' प्रकारको (यिन 1989), जबकि अनुसन्धान प्रश्न
यस अध्ययनको लागि यो 'कस्तो' प्रकारको हो। अन्तिम तर कम्तिमा होइन
महत्त्वपूर्ण रूपमा, केवल एक वा बाट निष्कर्षहरू सामान्यीकरण गर्न गाह्रो छ
केहि अनुसन्धान (ग्यालियर्स 1992, शान्क्स एट अल 1993)। को आधार मा
यो तर्कसंगत व्याख्या, अनुसन्धानको अनुसन्धान विधि होइन
यो अध्ययनको लागि अनुपयुक्त भएकोले छानिएको थियो।
३.३.२। को खोज विधि को सुविधा
अनुसन्धान
जब यो अनुसन्धान गरिएको थियो, डाटा भण्डारण को अभ्यास
द्वारा व्यापक रूपमा अपनाएको थिएन
अष्ट्रेलियाका संगठनहरू। त्यसैले, त्यहाँ धेरै जानकारी थिएन
भित्र कार्यान्वयन गर्ने सम्बन्धमा
अष्ट्रेलियाका संगठनहरू। उपलब्ध जानकारी आयो
संस्थाहरूबाट जुन कार्यान्वयन वा डाटा प्रयोग गरेको थियो
गोदाम। यस अवस्थामा, सर्वेक्षण अनुसन्धान विधि सबैभन्दा बढी हो
उपयुक्त किनभने यसले तपाईंलाई जानकारी प्राप्त गर्न अनुमति दिन्छ जुन छैन
अन्यत्र उपलब्ध छ वा विश्लेषणको लागि आवश्यक फारममा (Fowler 1988)।
थप रूपमा, सर्वेक्षण अनुसन्धान विधिले अनुसन्धानकर्तालाई अनुमति दिन्छ
अभ्यास, परिस्थिति, वा मा राम्रो अन्तरदृष्टि प्राप्त गर्नुहोस्
एक विशेष समयमा देखियो (Galliers 1992, Denscombe 1998)।
वृद्धि गर्न समग्र दृष्टिकोण आवश्यक थियो
अष्ट्रेलियाली डाटा भण्डारण अनुभव बारे ज्ञान।
फेरि, Sonquist र Dunkelberg (1977) को नतिजाहरू बताउँछन्
सर्वेक्षण अनुसन्धान अन्य विधिहरू भन्दा बढी सामान्य छन्।
३.४। सर्वेक्षण अनुसन्धान डिजाइन
डाटा भण्डारण अभ्यासको अनुसन्धान 1999 मा गरिएको थियो।

लक्षित जनसंख्या संगठनहरू मिलेर बनेको थियो
अष्ट्रेलियालीहरू डेटा भण्डारण अध्ययनमा रुचि राख्छन्, तिनीहरू जस्तै
सायद म बारे पहिले नै जानकारी गराइयो डाटा कि तिनीहरू भण्डारण गर्छन् र,
त्यसकारण, यसले यस अध्ययनको लागि उपयोगी जानकारी प्रदान गर्न सक्छ। त्यहाँ
को प्रारम्भिक सर्वेक्षण संग लक्षित जनसंख्या पहिचान गरिएको थियो
'डेटा वेयरहाउसिङ इन्स्टिच्युट' (Tdwiaap) का सबै अष्ट्रेलियाली सदस्यहरू।
यस खण्डले अनुसन्धान चरणको डिजाइनको बारेमा छलफल गर्दछ
यस अध्ययनको अनुभवजन्य प्रमाण।
३.४.१। फसल काट्ने प्रविधि डाटा
सर्वेक्षण अनुसन्धानमा सामान्यतया प्रयोग हुने तीन प्रविधिहरूबाट
(जस्तै हुलाक प्रश्नावली, टेलिफोन अन्तर्वार्ता र अन्तर्वार्ता
व्यक्तिगत) (Nachmias 1976, Fowler 1988, de Vaus 1991), को लागि
यस अध्ययनले मेल प्रश्नावली अपनायो। पहिलो
पछिल्लो अपनाउनु को कारण यो एक हासिल गर्न सक्छ
भौगोलिक रूपमा फैलिएको जनसंख्या (ब्लाक 1970, Nachmias e
Nachmias 1976, Hwang र लिन 1987, de Vaus 1991, Gable 1994)।
दोस्रो, हुलाक प्रश्नावली सहभागीहरूको लागि उपयुक्त छ
उच्च शिक्षित (Fowler 1988)। यसका लागि मेल प्रश्नावली
अध्ययन डाटा भण्डारण परियोजना प्रायोजकहरूलाई सम्बोधन गरिएको थियो,
निर्देशकहरू र/वा परियोजना प्रबन्धकहरू। तेस्रो, प्रश्नावली टाढा
मेल उपयुक्त हुन्छ जब तपाईंसँग सुरक्षित सूची हुन्छ
ठेगानाहरू (सलान्ट र दिलमान 1994)। TDWI, यस अवस्थामा, एक
विश्वसनीय डाटा भण्डारण संघले ठेगाना सूची प्रदान गर्यो
यसको अष्ट्रेलियाली सदस्यहरू। प्रश्नावली को अर्को फाइदा
मेल बनाम टेलिफोन प्रश्नावली वा अन्तर्वार्ता मार्फत
व्यक्तिगत यो हो कि यसले दर्ताकर्ताहरूलाई थप प्रतिक्रिया दिन अनुमति दिन्छ
सटीकता, विशेष गरी जब दर्ताकर्ताहरूले परामर्श गर्न आवश्यक छ
नोटहरू वा अन्य व्यक्तिहरूसँग प्रश्नहरू छलफल गर्नुहोस् (फाउलर
1988)।
सम्भावित हानिको लागि आवश्यक समय हुन सक्छ
मेल द्वारा प्रश्नावली सञ्चालन। सामान्यतया, एक प्रश्नावली टाढा
मेल यस क्रममा सञ्चालन गरिन्छ: पत्रहरू पठाउनुहोस्, पर्खनुहोस्
प्रतिक्रियाहरू र पुष्टिकरण पठाउनुहोस् (Fowler 1988, Bainbridge 1989)।
यसरी, कुल समय आवश्यक समय भन्दा लामो हुन सक्छ
व्यक्तिगत अन्तर्वार्ता वा टेलिफोन अन्तर्वार्ताको लागि। यद्यपि, द
कुल समय अग्रिम थाहा पाउन सकिन्छ (Fowler 1988,
Denscombe 1998)। अन्तर्वार्तामा समय बित्यो
व्यक्तिगत डाटा पहिले नै थाहा हुन सक्दैन किनकि यो फरक हुन्छ
एउटा अन्तर्वार्ता अर्कोलाई (Fowler 1988)। टेलिफोन अन्तर्वार्ता
हुलाक प्रश्नावली भन्दा छिटो हुन सक्छ र
व्यक्तिगत साक्षात्कार तर हराइरहेको उच्च दर हुन सक्छ
केही व्यक्तिहरूको अनुपलब्धताको कारण प्रतिक्रिया (Fowler 1988)।
थप रूपमा, टेलिफोन अन्तर्वार्ताहरू सामान्यतया सूचीहरूमा सीमित छन्
अपेक्षाकृत छोटो प्रश्नहरू (बेनब्रिज १९८९)।
मेल प्रश्नावलीको अर्को कमजोरी भनेको उच्च दर हो
प्रतिक्रियाको अभाव (Fowler 1988, Bainbridge 1989, Neuman
1994)। तर, प्रतिवन्धहरू लिइएको छ, सम्बद्ध
डाटा को क्षेत्र मा एक विश्वसनीय संस्था संग यो अध्ययन
भण्डारण (अर्थात् TDWI) (बेनब्रिज १९८९, न्यूमन १९९४), द
जसले जवाफ नदिनेहरूलाई दुईवटा रिमाइन्डर पत्र पठाउँछ
(Fowler 1988, Neuman 1994) र एक पत्र पनि समावेश छ
अध्ययनको उद्देश्य व्याख्या गर्ने पूरक (Neuman 1994)।
३.४.२। विश्लेषण को एकाइ
यस अध्ययनको उद्देश्य बारे जानकारी प्राप्त गर्नु हो
डाटा भण्डारण र यसको प्रयोगको कार्यान्वयन
अष्ट्रेलियाको संगठन भित्र। लक्षित जनसंख्या
अष्ट्रेलियाका सबै संस्थाहरू मिलेर बनेको छ
कार्यान्वयन गरिएको, वा कार्यान्वयन गर्दैछ, i डाटा गोदाम, मा
त्यसपछि व्यक्तिगत संस्थाहरू दर्ता हुन्छन्। प्रश्नावली
यसलाई ग्रहण गर्न इच्छुक संस्थाहरूलाई हुलाकद्वारा पठाइएको थियो
di डाटा गोदाम। यो विधिले जानकारी सुनिश्चित गर्दछ
सङ्कलन प्रत्येक संस्थाको सबैभन्दा उपयुक्त स्रोतहरूबाट आउँछ
सहभागी।
३.४.३। सर्वेक्षण नमूना
सर्वेक्षण सहभागीहरूको "मेलिङ सूची" बाट प्राप्त गरिएको थियो
TDWI। यस सूचीबाट 3000 अस्ट्रेलियाली संस्थाहरू
नमूनाको लागि आधारको रूपमा चयन गरिएको थियो। ए
थप पत्रले अनुसन्धानको परियोजना र उद्देश्यको व्याख्या गरेको छ,
उत्तरपुस्तिका र प्रि-पेड लिफाफाको साथ
पूर्ण प्रश्नावली फिर्ता पठाउनुहोस् नमूना पठाइयो।
3000 संस्थाहरू मध्ये, 198 मा सहभागी हुन सहमत भए
अध्ययन। यति सानो संख्यामा प्रतिक्रियाको अपेक्षा गरिएको थियो डाटा il
अष्ट्रेलियाली संस्थाहरूको ठूलो संख्या जुन तिनीहरूसँग थियो
अँगालो वा मिति रणनीति अँगालेका थिए
तिनीहरूको संगठन भित्र भण्डारण। तर, द
यस अध्ययनको लागि लक्ष्य जनसंख्या मात्र 198 छ
संस्थाहरु।
३.४.४। प्रश्नावलीको सामग्री
प्रश्नावलीको संरचना मिति मोडेलमा आधारित थियो
मोनाश भण्डारण (पहिले भाग २.३ मा छलफल गरिएको)। द
प्रश्नावली को सामग्री को विश्लेषण मा आधारित थियो
अध्याय २ मा प्रस्तुत साहित्य। प्रश्नावलीको प्रतिलिपि
सर्वेक्षण सहभागीहरूलाई पठाउन सकिन्छ
परिशिष्ट B मा। प्रश्नावलीमा छ खण्डहरू हुन्छन्, जुन
छलफल गरिएको मोडेलका चरणहरू निम्न छन्। निम्न छ अनुच्छेदहरू
तिनीहरूले प्रत्येक खण्डको सामग्रीलाई संक्षिप्त रूपमा सारांशित गर्छन्।
खण्ड A: संस्थाको बारेमा आधारभूत जानकारी
यस खण्डमा प्रोफाइलसँग सम्बन्धित प्रश्नहरू छन्
सहभागी संस्थाहरू। साथै, केहि प्रश्नहरू छन्
डाटा भण्डारण परियोजनाको अवस्थासँग सम्बन्धित
सहभागी। गोप्य जानकारी जस्तै तपाईको नाम
सर्वेक्षण विश्लेषणमा संगठनको खुलासा गरिएको छैन।
खण्ड B: शुरुवात
यस खण्डका प्रश्नहरू सुरुवाती गतिविधिसँग सम्बन्धित छन्
डाटा भण्डारण। कति समयको लागि प्रश्न सोधिएको थियो
परियोजना प्रारम्भकर्ताहरू, ग्यारेन्टरहरू, सीपहरू र ज्ञानको चिन्ता
अनुरोधहरू, डाटा भण्डारण विकासको उद्देश्यहरू र
अन्त प्रयोगकर्ताहरूको अपेक्षा।
खण्ड C: डिजाइन
यस खण्डमा को गतिविधिहरु संग सम्बन्धित प्रश्नहरू छन्
को योजना डाटा गोदाम। विशेष गरी, प्रश्नहरू छन्
कार्यान्वयनको दायरा, परियोजनाको अवधि, लागतको बारेमा बताउनुहोस्
परियोजना र लागत/लाभ विश्लेषण।
खण्ड D: विकास
विकास खण्डमा को गतिविधिहरु संग सम्बन्धित प्रश्नहरु छन्
को विकास डाटा गोदाम: प्रयोगकर्ता आवश्यकताहरूको संग्रह
अन्तिम, स्रोतहरू डाटा, तार्किक मोडेल डाटा, प्रोटोटाइप, द
क्षमता योजना, प्राविधिक वास्तुकला र चयन
डाटा भण्डारण विकास उपकरण।
खण्ड E: सञ्चालन
अपरेशन सम्वन्धित अपरेशन प्रश्नहरू
को विस्तारितता को लागी डाटा गोदाम, यो कसरी विकसित हुन्छ
विकास को अर्को चरण। त्यहाँ डाटा गुणस्तर, को रणनीतिहरु
refresh dei डाटा, को विघटन डाटा, डाटा स्केलेबिलिटी
गोदाम र सुरक्षा समस्या डाटा गोदाम तिनीहरू बीच थिए
सोधिएका प्रश्नहरूको प्रकार।
खण्ड F: विकास
यस खण्डमा डाटा प्रयोगसँग सम्बन्धित प्रश्नहरू छन्
अन्त प्रयोगकर्ताहरू द्वारा गोदाम। अनुसन्धानकर्ता चासो राखे
को उद्देश्य र उपयोगिता को लागी डाटा गोदामसमीक्षा र रणनीतिहरू
अपनाएको प्रशिक्षण र डेटा नियन्त्रण रणनीति
गोदाम अपनायो।
३.४.५। प्रतिक्रिया दर
यद्यपि मेल सर्वेक्षणको दर भएको आलोचना गरिन्छ
कम प्रतिक्रिया, वृद्धि गर्न उपायहरू लिइएको छ
फिर्ताको दर (जस्तै भागमा पहिले छलफल गरिएको थियो
३.४.१)। 'प्रतिक्रिया दर' शब्दले प्रतिशतलाई जनाउँछ
एक विशेष सर्वेक्षण नमूनामा मानिसहरूलाई प्रतिक्रिया दिँदै
प्रश्नावली (Denscombe 1998)। निम्न प्रयोग गरिएको थियो
यस अध्ययनको लागि प्रतिक्रिया दर गणना गर्न सूत्र:
प्रतिक्रिया दिने व्यक्तिहरूको संख्या
प्रतिक्रिया दर =
—————————————————————————– X 100
पठाइएका प्रश्नावलीहरूको कुल संख्या
३.४.६। पायलट परीक्षण
नमूनामा प्रश्नावली पठाउनु अघि, प्रश्नहरू छन्
भाग्यले सुझाव दिए अनुसार पायलट परीक्षणहरू गरेर जाँच गरियो
र रुबिन (1987), ज्याक्सन (1988), र डे भास (1991)। को उद्देश्य
पायलट परीक्षणहरू सबै अप्ठ्यारो, अस्पष्ट र अभिव्यक्तिहरू प्रकट गर्न हो
प्रश्नहरू जुन व्याख्या गर्न गाह्रो छ, कुनै स्पष्ट गर्न
प्रयोग गरिएको परिभाषा र सर्तहरू र अनुमानित समय पहिचान गर्न
प्रश्नावली पूरा गर्न आवश्यक छ (वारविक र लिनिंगर 1975,
ज्याक्सन 1988, सालन्ट र दिलमन 1994)। पाइलट परीक्षणहरू थिए
तीसँग मिल्दोजुल्दो विशेषताहरू भएका विषयहरू छनोट गरेर सम्पन्न
अन्तिम विषयहरूको, जस्तै डेभिस ई कोसेनजा (1993) In
यो अध्ययन, छ डाटा भण्डारण पेशेवरहरू थिए
पायलट विषयको रूपमा चयन गरियो। प्रत्येक पाइलट परीक्षण पछि, तिनीहरू हुन्
आवश्यक सुधार गरिएको छ। पायलट परीक्षणहरूबाट, i
सहभागीहरूले पुन: आकार र रिसेट गर्न मद्दत गरे
प्रश्नावलीको अन्तिम संस्करण।
३.४.७। द्वारा विश्लेषण विधि DATI
I डाटा अनुसन्धानको बन्द प्रश्नावलीबाट संकलन गरिएको छ
सांख्यिकीय सफ्टवेयर प्याकेज प्रयोग गरेर विश्लेषण गरिएको थियो
SPSS भनिन्छ। धेरै प्रतिक्रियाहरू विश्लेषण गरियो
वर्णनात्मक तथ्याङ्क प्रयोग गर्दै। प्रश्नावली को एक निश्चित संख्या
तिनीहरू अधूरो फर्किए। यिनिहरुलाई बृहत् उपचार गरियो
यो सुनिश्चित गर्न ध्यान दिनुहोस् कि म डाटा बेपत्ता एक थिएनन्
डाटा प्रविष्टि त्रुटिहरूको परिणाम, तर प्रश्नहरू किन गर्दैनन्
घोषणाकर्ताका लागि उपयुक्त थिए, वा घोषणाकर्ताले नगर्ने निर्णय गरे
एक वा बढी विशिष्ट प्रश्नहरूको जवाफ दिनुहोस्। यी जवाफहरू
हराएको विश्लेषणको समयमा बेवास्ता गरियो डाटा र तिनीहरू थिए
प्रक्रियाबाट बहिष्कार सुनिश्चित गर्न '- 9' को रूपमा कोड गरिएको
विश्लेषण गर्दछ।
प्रश्नावली तयार गर्दा प्रश्नहरू बन्द गरिएको थियो
प्रत्येक विकल्पमा नम्बर प्रदान गरेर पूर्वकोड गरिएको। नम्बर
त्यसपछि यो तयार गर्न प्रयोग गरियो डाटा विश्लेषण को समयमा
(Denscombe 1998, Sapsford र Jupp 1996)। उदाहरणका लागि, त्यहाँ थिए
खण्ड B को प्रश्न १ मा सूचीबद्ध छ विकल्पहरू: सल्लाह
बोर्ड, वरिष्ठ कार्यकारी, आईटी विभाग, इकाई
व्यापार, सल्लाहकार र थप। को फाइलमा डाटा SPSS को, हो
'परियोजना प्रारम्भकर्ता' संकेत गर्न एउटा चर उत्पन्न भएको थियो,
छ वटा मान लेबलहरू सहित: '1' 'निर्देशक बोर्ड' को लागि, '2'
'उच्च-स्तरीय कार्यकारी' र यस्तै अन्यका लागि। Likertin स्केल को प्रयोग
केही बन्द प्रश्नहरूमा यो पनि अनुमति दिइएको छ
एक पहिचान जसलाई मानहरूको प्रयोग दिएर कुनै प्रयास आवश्यक पर्दैन
SPSS मा प्रविष्ट गरिएका सम्बन्धित संख्याहरू। संग प्रश्नहरूको लागि
गैर-विस्तृत जवाफहरू, जुन पारस्परिक रूपमा अनन्य थिएनन्,
प्रत्येक विकल्पलाई दुईसँग एकल चरको रूपमा व्यवहार गरिएको थियो
मान लेबलहरू: 'चिन्ह लगाइएको' को लागि '1' र 'अचिन्ह नगरिएको' को लागि '2'।
खुला-समाप्त प्रश्नहरू प्रश्नहरू भन्दा फरक व्यवहार गरियो
बन्द। यी प्रश्नहरूको जवाफ प्रविष्ट गरिएको छैन
SPSS। बरु, तिनीहरू हातले विश्लेषण गरियो। यसको प्रयोग
प्रश्नहरूको प्रकारले तपाईंलाई विचारहरूको बारेमा जानकारी प्राप्त गर्न अनुमति दिन्छ
स्वतन्त्र रूपमा व्यक्त र उत्तरदाताहरूको व्यक्तिगत अनुभव
(बेनब्रिज १९८९, डेन्सकम्बे १९९८)। सम्भव भएसम्म गरेको छ
उत्तरहरूको वर्गीकरण।
को विश्लेषण को लागी डाटा, सरल सांख्यिकीय विश्लेषण विधिहरू प्रयोग गरिन्छ,
जस्तै प्रतिक्रियाहरूको आवृत्ति, औसत, मानक विचलन
माध्य र मध्य (Argyrous 1996, Denscombe 1998)।
गामा परीक्षण मात्रात्मक मापन प्राप्त गर्न प्रभावकारी थियो
बीचको संघहरूको डाटा ordinals (Norusis 1983, Argyrous 1996)।
यी परीक्षणहरू उपयुक्त थिए किनभने प्रयोग गरिएका क्रमबद्ध स्केलहरू थिएनन्
तिनीहरूसँग धेरै कोटीहरू थिए र तालिकामा देखाउन सकिन्छ
(Norusis 1983)।
३ सोमारियो
यस अध्यायमा अनुसन्धान पद्धति र द
यस अध्ययनको लागि अपनाइएका डिजाइनहरू।
को लागि सबैभन्दा उपयुक्त अनुसन्धान विधि चयन गर्दै
विशेष अध्ययन लिन्छ
प्रकृति र प्रकार सहित धेरै नियमहरूको विचार
अनुसन्धानको, साथै प्रत्येक सम्भावित गुण र कमजोरीहरू
विधि (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987,
यिन 1989, ह्यामिल्टन र आइभ्स 1992, ग्यालियर्स 1992, न्यूमन 1994)। हेर्नुहोस्
यसको बारेमा अवस्थित ज्ञान र सिद्धान्तको कमी
अष्ट्रेलियामा डाटा भण्डारण अपनाउने, यो अध्ययन द्वारा
अनुसन्धानलाई सीप सहितको व्याख्यात्मक अनुसन्धान विधि चाहिन्छ
संगठनहरूको अनुभवहरू अन्वेषण गर्न खोजी
अस्ट्रेलियाली। को लागि छानिएको अनुसन्धान विधि चयन गरिएको थियो
मिति अवधारणा अपनाउने सम्बन्धमा जानकारी सङ्कलन
अष्ट्रेलियाई संस्थाहरु द्वारा वेयर-हाउसिंग। ए
हुलाक प्रश्नावली संकलन प्रविधिको रूपमा छनोट गरियो डाटा। le
अनुसन्धान विधि र सङ्कलन प्रविधिको लागि औचित्य डाटा
चयन यस अध्यायमा प्रदान गरिनेछ। यो पनि थियो
विश्लेषणको एकाइ, नमूनामा छलफल प्रस्तुत गर्नुभयो
प्रयोग गरिएको, प्रतिक्रियाहरूको प्रतिशत, प्रश्नावलीको सामग्री,
प्रश्नावलीको पूर्व-परीक्षण र विश्लेषण विधि डाटा.

डिजाईन गर्दै डाटा गोदाम:
इकाई सम्बन्ध र आयामी मोडेलिङ संयोजन
ABSTRACT
भण्डारण i डाटा यो धेरै को लागी एक प्रमुख वर्तमान मुद्दा हो
संस्थाहरु। विकासको प्रमुख समस्या हो
को भण्डारण को डाटा यो उनको डिजाइन हो।
डिजाइनले डाटामा अवधारणाहरू पत्ता लगाउन समर्थन गर्नुपर्छ
गोदामबाट लिगेसी प्रणाली र अन्य स्रोतहरू डाटा र पनि एक
डाटा कार्यान्वयनमा सजिलो बुझाइ र दक्षता
गोदाम
को धेरै भण्डारण साहित्य डाटा सिफारिश गरिएको
इकाई सम्बन्ध मोडलिङ वा आयामी मोडेलिङ को प्रयोग
को डिजाइन को प्रतिनिधित्व गर्दछ डाटा गोदाम.
यस पेपरमा हामी दुबै कसरी देखाउँछौं
प्रतिनिधित्वहरु को लागी एक दृष्टिकोण मा संयुक्त गर्न सकिन्छ
को रेखाचित्र डाटा गोदाम। प्रयोग गरिएको दृष्टिकोण व्यवस्थित छ
केस स्टडीमा जाँच गरिएको छ र संख्यामा पहिचान गरिएको छ
पेशेवरहरूसँग महत्त्वपूर्ण प्रभावहरू।
डाटा भण्डारण
Un डाटा गोदाम सामान्यतया "विषय-उन्मुख,
एकीकृत, समय-विभिन्न, र समर्थनमा डेटाको गैर वाष्पशील संग्रह
व्यवस्थापनका निर्णयहरू" (इनमोन र ह्याकाथर्न, 1994)।
विषय उन्मुख र एकीकृत देखाउँछ कि डाटा गोदाम è
को लागि विरासत प्रणाली को कार्यात्मक सीमाहरू पार गर्न डिजाइन गरिएको
को एक एकीकृत परिप्रेक्ष्य प्रस्ताव डाटा.
समय-प्रकारले को ऐतिहासिक वा समय-श्रृङ्खला प्रकृतिलाई असर गर्छ डाटा in
un डाटा गोदाम, जसले प्रवृतिहरूलाई विश्लेषण गर्न सक्षम बनाउँछ।
गैर-अस्थिरले संकेत गर्दछ कि डाटा गोदाम यो लगातार छैन
को रूपमा अद्यावधिक गरियो डेटाबेस OLTP को। बरु अपडेट गरिएको छ
आवधिक रूपमा, संग डाटा आन्तरिक र बाह्य स्रोतहरूबाट आउने। द
डाटा गोदाम यो विशेष गरी अनुसन्धानको लागि डिजाइन गरिएको हो
अपडेटको अखण्डता र प्रदर्शनको लागि भन्दा
सञ्चालन।
भण्डारण गर्ने विचार आई डाटा यो नयाँ होइन, यो एउटा उद्देश्य थियो
को व्यवस्थापन को डाटा साठको दशकदेखि (द मार्टिन, १९८२)।
I डाटा गोदाम तिनीहरू पूर्वाधार प्रस्ताव गर्छन् डाटा व्यवस्थापनको लागि
समर्थन प्रणालीहरू। व्यवस्थापन समर्थन प्रणालीहरूले निर्णय समावेश गर्दछ
समर्थन प्रणाली (DSS) र कार्यकारी सूचना प्रणाली (EIS)।
DSS कम्प्युटरमा आधारित सूचना प्रणाली हो
प्रक्रिया र फलस्वरूप पकड सुधार गर्न डिजाइन गरिएको
मानव निर्णय। एक EIS सामान्यतया को एक वितरण प्रणाली हो
डाटा जसले व्यापार अधिकारीहरूलाई सजिलैसँग दृश्य पहुँच गर्न सक्षम बनाउँछ
को डाटा.
को सामान्य वास्तुकला डाटा गोदाम को भूमिकालाई उजागर गर्दछ
डाटा गोदाम व्यवस्थापन समर्थन मा। प्रस्तावको अतिरिक्त
पूर्वाधार डाटा EIS र DSS को लागि, al डाटा गोदाम सम्भव छ
प्रश्नहरू मार्फत सीधै पहुँच गर्नुहोस्। द डाटा मिति मा समावेश
गोदाम जानकारी आवश्यकताहरु को एक विश्लेषण मा आधारित छन्
व्यवस्थापन र तीन स्रोतहरूबाट प्राप्त गरिन्छ: आन्तरिक विरासत प्रणाली,
विशेष उद्देश्य डाटा क्याप्चर प्रणाली र बाह्य डाटा स्रोतहरू। द
डाटा आन्तरिक विरासत प्रणालीहरूमा तिनीहरू प्रायः अनावश्यक हुन्छन्,
असंगत, कम गुणस्तर, र बहु ​​ढाँचाहरूमा भण्डारण
त्यसैले तपाईंले तिनीहरूलाई लोड गर्न सक्नु अघि तिनीहरूलाई मिलाउन र सफा गर्न आवश्यक छ
डाटा गोदाम (Inmon, 1992; McFadden, 1996)। द डाटा बाट
भण्डारण प्रणालीबाट 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 प्रयोग मार्फत राम्रो निर्णय लिने समावेश छ
प्रभावकारी थप जानकारी (Ives 1995), फोकसको लागि समर्थन
पूर्ण व्यापारमा (ग्राहम 1996), र लागतमा कमी
को प्रावधान डाटा EIS र DSS को लागि (ग्राहम 1996, McFadden
1996)।
भर्खरको अनुभवजन्य अध्ययनले औसतमा, को फिर्ता पाएको छ
i को लागि लगानी डाटा गोदाम तीन वर्ष पछि 401% द्वारा (ग्राहम,
1996)। यद्यपि, अन्य अनुभवजन्य अध्ययनहरू डाटा गोदाम छ
ed मापन मा कठिनाई सहित महत्वपूर्ण समस्याहरू फेला पर्यो
लाभ तोक्ने, स्पष्ट उद्देश्यको अभाव, यसलाई कम आँकलन
भण्डारणको प्रक्रियाको उद्देश्य र जटिलता i डाटा, मा
विशेष गरी स्रोत र सरसफाईको सम्बन्धमा डाटा.
भण्डारण i डाटा समाधानका रूपमा लिन सकिन्छ
व्यवस्थापनको समस्यामा डाटा संगठनहरू बीच। त्यहाँ
को हेरफेर डाटा सामाजिक स्रोतको रूपमा यो एक रह्यो
सूचना प्रणाली व्यवस्थापनमा प्रमुख मुद्दाहरू
धेरै वर्षको लागि संसार (Brancheau et al. 1996, Galliers et al. 1994,
Niederman et al। 1990, पर्भान 1993)।
व्यवस्थापन गर्न एक लोकप्रिय दृष्टिकोण डाटा अस्सीको दशकमा थियो
मोडेल विकास गर्दै डाटा सामाजिक। मोडेल डाटा सामाजिक थियो
नयाँ प्रणालीहरूको विकासको लागि स्थिर आधार प्रस्ताव गर्न डिजाइन गरिएको
आवेदन ई डेटाबेस र विरासत पुनर्निर्माण र एकीकरण
प्रणाली (Brancheau et al।
1989, Goodhue et al। 1988:1992, किम र एभरेस्ट 1994)।
यद्यपि, यस दृष्टिकोणसँग धेरै समस्याहरू छन्, मा
विशेष गरी, प्रत्येक कार्यको जटिलता र लागत, र लामो समय
ठोस परिणामहरू हुन आवश्यक छ (बेनन-डेभिस 1994, अर्ल
1993, Goodhue et al। 1992, Periasamy 1994, Shanks 1997)।
Il डाटा गोदाम यो एक छुट्टै डाटाबेस हो जुन लिगेसीहरूसँग सह-अवस्थित छ
डाटाबेसहरू प्रतिस्थापन गर्नुको सट्टा। त्यसैले यसले तपाईंलाई अनुमति दिन्छ
व्यवस्थापनलाई निर्देशन दिने डाटा र महँगो पुनर्निर्माणबाट बच्न
विरासत प्रणाली को।
डाटा डिजाइनमा अवस्थित दृष्टिकोणहरू
गोदाम
निर्माण र पूर्ण बनाउने प्रक्रिया क डाटा गोदाम
a को सट्टा विकासवादी प्रक्रियाको रूपमा बुझ्नु पर्छ
परम्परागत प्रणालीको विकास जीवनचक्र (देसियो, 1995, शान्क्स,
O'Donnell र Arnott 1997a)। त्यहाँ धेरै प्रक्रियाहरू संलग्न छन् a
को परियोजना डाटा गोदाम जस्तै प्रारम्भिकरण, योजना;
कम्पनी प्रबन्धकहरूको आवश्यकताहरूबाट प्राप्त जानकारी;
स्रोत, रूपान्तरण, सफाई डाटा र लिगेसीबाट सिंक्रोनाइजेसन
प्रणाली र अन्य स्रोतहरू डाटा; विकासमा वितरण प्रणाली;
को निगरानी डाटा गोदाम; र प्रक्रियाको अविवेकीपन
ए को विकासवादी र निर्माण डाटा गोदाम (Stinchs, O'Donnell
र अर्नोट 1997b)। यस जर्नलमा, हामी कसरी फोकस गर्छौं
कोर i डाटा यी अन्य प्रक्रियाहरूको सन्दर्भमा भण्डारण।
त्यहाँ डाटा आर्किटेक्चरको लागि प्रस्तावित दृष्टिकोणहरू छन्
साहित्यमा गोदाम (Inmon 1994, Ives 1995, Kimball 1994
McFadden 1996)। यी प्रत्येक विधिको छोटो छ
तिनीहरूको बल र कमजोरीहरूको विश्लेषणको साथ समीक्षा गर्नुहोस्।
Inmon's (1994) को लागी दृष्टिकोण डाटा गोदाम
डिजाइन
Inmon (1994) ले डेटा आकर्षित गर्न चार पुनरावृत्ति चरणहरू प्रस्तावित गरे
गोदाम (चित्र २ हेर्नुहोस्)। पहिलो चरण टेम्प्लेट डिजाइन गर्न हो
डाटा कसरी बुझ्न को लागी सामाजिक डाटा एकीकृत गर्न सकिन्छ
संगठन भित्र कार्यात्मक क्षेत्रहरूमा
विभाजन i डाटा क्षेत्रहरूमा भण्डार गर्नुहोस्। मोडेल डाटा यसको लागि बनेको छ
जम्मा गर्नु डाटा निर्णय गर्ने सम्बन्धमा, सहित डाटा
इतिहासकारहरू, र समावेश डाटा अनुमानित र एकत्रित। दोस्रो चरण हो
कार्यान्वयनको लागि विषय क्षेत्रहरू पहिचान गर्नुहोस्। यी आधारित छन्
एक विशेष संगठन द्वारा निर्धारित प्राथमिकताहरु मा। तेस्रो
चरणमा चित्रकला समावेश छ डेटाबेस विषय क्षेत्र को लागी, मुद्रा
ग्रेन्युलेरिटीको उपयुक्त स्तरहरू समावेश गर्न विशेष ध्यान दिनुहोस्।
Inmon संस्था र सम्बन्ध मोडेल प्रयोग गर्न सिफारिस गर्दछ। चौथो
चरण स्रोत प्रणाली पहिचान गर्न हो डाटा आवश्यक र विकास
रूपान्तरण प्रक्रियाहरू क्याप्चर, सफा र ढाँचा i डाटा.
Inmon को दृष्टिकोण को बलियो मोडेल हो डाटा सामाजिक
को एकीकरणको लागि आधार प्रदान गर्दछ डाटा संगठन भित्र
र पुनरावृत्ति डेटा विकासको लागि समर्थन योजना
गोदाम। यसको त्रुटिहरू कठिनाई र रेखाचित्रको लागत हो
मोडेल डाटा सामाजिक, संस्थाहरूको मोडेल बुझ्न कठिनाई र
दुवै मोडेल मा प्रयोग सम्बन्ध, कि डाटा सामाजिक र त्यो डाटा
विषय क्षेत्र, र को उपयुक्तता द्वारा भण्डारण डाटा को
को रेखाचित्र डाटा गोदाम को प्राप्ति को लागी डेटाबेस
सापेक्ष तर लागि होइन डेटाबेस बहु-आयामी।
Ives' (1995) दृष्टिकोण डाटा गोदाम
डिजाइन
Ives (1995) ले डिजाइन गर्न चार-चरण दृष्टिकोण प्रस्ताव गर्दछ
सूचना प्रणाली जुन उसले डाटाको डिजाइनमा लागू हुन्छ
गोदाम (चित्र ३ हेर्नुहोस्)। दृष्टिकोण धेरै आधारित छ
सूचना प्रणाली को विकास को लागी सूचना ईन्जिनियरिङ्
(मार्टिन 1990)। पहिलो चरण भनेको उद्देश्य, कारकहरू निर्धारण गर्नु हो
महत्वपूर्ण र सफल र प्रमुख प्रदर्शन सूचकहरू। द
प्रमुख व्यापार प्रक्रिया र आवश्यक जानकारी हो
हामीलाई मोडेलमा लैजान मोडेल गरिएको छ डाटा सामाजिक। दोस्रो चरण
एक परिभाषित वास्तुकला को विकास समावेश छ डाटा
क्षेत्रहरु द्वारा भण्डारण, डेटाबेस di डाटा गोदाम, अवयवहरू
आवश्यक प्रविधिको, संगठनात्मक समर्थनको सेट
कार्यान्वयन र सञ्चालन गर्न आवश्यक छ डाटा गोदाम। तेस्रो
चरण आवश्यक सफ्टवेयर प्याकेज र उपकरणहरू चयन समावेश गर्दछ।
चौथो चरणको विस्तृत डिजाइन र निर्माण हो
डाटा गोदाम। Ives नोट गर्छ कि भण्डारण डाटा ऊ बन्धित मानिस हो
पुनरावृत्ति प्रक्रिया।
Ives दृष्टिकोण को बल को लागी विशिष्ट प्रविधि को उपयोग हो
जानकारी आवश्यकताहरु निर्धारण, एक संरचित को उपयोग
को एकीकरण समर्थन गर्न प्रक्रिया डाटा गोदाम,
उपयुक्त हार्डवेयर र सफ्टवेयर चयन, र बहुविध को प्रयोग
को लागि प्रतिनिधित्व प्रविधि डाटा गोदाम। यसका कमजोरीहरू
तिनीहरू जटिलतामा निहित छन्। अन्यमा कठिनाई समावेश छ
धेरै स्तरहरू विकास गर्नुहोस् डेटाबेस सबै अन्तर्वार्ता डाटा गोदाम in
उचित समय र लागत।
किमबलको (1994) दृष्टिकोण डाटा गोदाम
डिजाइन
किमबल (1994) ले डेटा आकर्षित गर्न पाँच पुनरावृत्ति चरणहरू प्रस्ताव गरे
गोदाम (चित्र ४ हेर्नुहोस्)। उनको दृष्टिकोण विशेष छ
केवल एक को डिजाइन को लागी समर्पित डाटा गोदाम र मोडेल को प्रयोग मा
संस्था र सम्बन्ध को मोडेल को प्राथमिकता मा आयामी। किमबल
ती आयामी मोडेलहरूको विश्लेषण गर्नुहोस् किनभने मलाई बुझ्न सजिलो छ
व्यापार कार्यकारीहरू सम्झौता, यो व्यवहार गर्दा अधिक कुशल छ
जटिल परामर्श, र को डिजाइन डेटाबेस भौतिक अधिक छ
कुशल (Kimball 1994)। किमबलले मान्यता दिन्छ कि ए को विकास
डाटा गोदाम यो पुनरावृत्ति हो, र त्यो डाटा गोदाम अलग गर्न सक्छन्
आयाम तालिकाहरूमा विभाजन मार्फत एकीकृत गर्नुहोस्
सामान्य।
पहिलो चरण भनेको विशेष विषय क्षेत्र पहिचान गर्नु हो
सिद्ध भयो। दोस्रो र तेस्रो चरणहरू आकारको बारेमा चिन्ता गर्छन्
आयामी। दोस्रो चरणमा मापनले चीजहरूको पहिचान गर्दछ
विषय क्षेत्र मा रुचि र एक तथ्य तालिका मा समूहबद्ध।
उदाहरण को लागी, एक बिक्री विषय क्षेत्र मा चासो को उपाय
बेचेको वस्तुहरूको मात्रा र डलर समावेश हुन सक्छ
बिक्री मुद्रा को रूप मा। तेस्रो चरणमा पहिचान समावेश छ
आयामहरू जुन उनीहरूलाई समूहबद्ध गर्न सकिन्छ
तथ्यहरू। बिक्री विषय क्षेत्रमा, सान्दर्भिक आयामहरू
वस्तु, स्थान र समय अवधि समावेश हुन सक्छ। त्यहाँ
तथ्य तालिकामा प्रत्येकसँग लिङ्क गर्नको लागि बहु-भाग कुञ्जी छ
आयाम तालिकाको र सामान्यतया धेरै संख्या समावेश गर्दछ
तथ्यले भरिएको। यसको विपरीत, आयाम तालिकाहरू समावेश छन्
आयाम र अन्य विशेषताहरूको बारेमा वर्णनात्मक जानकारी
तथ्यहरू समूह गर्न प्रयोग गर्न सकिन्छ। तथ्य तालिका ई
प्रस्तावसँग सम्बन्धित आयामहरूलाई एक भनिन्छ
यसको आकारको कारण तारा ढाँचा। चौथो चरण समावेश छ
एक को निर्माण डेटाबेस यसलाई सिद्ध गर्न बहुआयामिक
तारा ढाँचा। अन्तिम चरण स्रोत प्रणालीहरू पहिचान गर्न हो डाटा
प्राप्त गर्न, सफा गर्न परिवर्तन प्रक्रियाहरू आवश्यक र विकास गर्नुहोस्
र ढाँचा i डाटा.
किमबलको दृष्टिकोणको बलमा मोडेलहरूको प्रयोग समावेश छ
प्रतिनिधित्व गर्न आयामी i डाटा भण्डार गरिएको छ कि यो बनाउन
बुझ्न सजिलो र कुशल भौतिक डिजाइनमा जान्छ। ए
आयामी मोडेल जसले दुबै सजिलै प्रयोग गर्दछ
प्रणालीहरू डेटाबेस रिलेशनल सिद्ध वा प्रणाली हुन सक्छ
डेटाबेस बहुआयामिक। यसका कमजोरीहरूमा अभाव समावेश छ
को योजना वा एकीकरण को सुविधा को लागी केहि प्रविधिहरु को
एक भित्र धेरै तारा ढाँचा डाटा गोदाम र
ए मा चरम विकृतिकृत संरचनाबाट डिजाइन गर्न कठिनाई
आयामी मोडेल ए डाटा विरासत प्रणालीमा।
McFadden's (1996) डाटा को दृष्टिकोण
गोदाम डिजाइन
McFadden (1996) ले पाँच-चरण दृष्टिकोण प्रस्ताव गर्दछ
कोर्न a डाटा गोदाम (चित्र ५ हेर्नुहोस्)।
उनको दृष्टिकोण साहित्यबाट विचारहरूको संश्लेषणमा आधारित छ
र केवल एक को डिजाइन मा केन्द्रित छ डाटा गोदाम। पहिलो
चरणमा आवश्यकताहरूको विश्लेषण समावेश छ। यद्यपि विशेष
प्रविधिहरू तोकिएका छैनन्, म्याकफ्याडेनका नोटहरूले पहिचान गर्छन्
संस्था डाटा विनिर्देशहरू र तिनीहरूका विशेषताहरू, र वाटसन पाठकहरूलाई बुझाउँछ
र Frolick (1993) आवश्यकताहरू क्याप्चरको लागि।
दोस्रो चरणमा, एक संस्था सम्बन्ध मोडेल को लागी डिजाइन गरिएको छ
डाटा गोदाम र त्यसपछि व्यापार नेताहरू द्वारा मान्य। तेस्रो
चरण लेगेसी प्रणालीबाट म्यापिङ निर्धारण समावेश गर्दछ
र बाह्य स्रोतहरू डाटा गोदाम। चौथो चरण समावेश छ
विकास, परिनियोजन र सिंक्रोनाइजेसनमा प्रक्रियाहरू डाटा nel
डाटा गोदाम। अन्तिम चरणमा, प्रणाली डेलिभर गरिएको छ
प्रयोगकर्ता इन्टरफेस मा विशेष जोड संग विकसित।
McFadden बताउँछ कि रेखाचित्र प्रक्रिया सामान्यतया छ
पुनरावृत्ति।
McFadden को दृष्टिकोण को बल सहभागिता इंगित गर्दछ
आवश्यकताहरू निर्धारण गर्न र पनि व्यापार नेताहरू द्वारा
संसाधनको महत्व डाटा, तिनीहरूको सफाई र सङ्कलन। उनको
त्रुटिहरू विभाजनको लागि प्रक्रियाको अभावसँग सम्बन्धित छन्
द्वारा महान परियोजना डाटा गोदाम धेरै एकीकृत चरणहरूमा, र
को डिजाइन मा प्रयोग इकाई र सम्बन्ध मोडेल बुझ्न कठिनाई
डाटा गोदाम.

. CEO

👍अनलाइन वेब एजेन्सी | डिजिटल मार्केटिङ र SEO मा वेब एजेन्सी विशेषज्ञ। वेब एजेन्सी अनलाइन एक वेब एजेन्सी हो। डिजिटल रूपान्तरणमा Agenzia वेब अनलाइन सफलताको लागि आइरन एसईओ संस्करण 3 को आधारमा आधारित छ। विशेषताहरू: प्रणाली एकीकरण, इन्टरप्राइज अनुप्रयोग एकीकरण, सेवा उन्मुख आर्किटेक्चर, क्लाउड कम्प्युटिङ, डाटा वेयरहाउस, व्यापार बुद्धिमत्ता, बिग डाटा, पोर्टल, इन्ट्रानेट, वेब अनुप्रयोग। रिलेसनल र बहुआयामी डाटाबेसहरूको डिजाइन र व्यवस्थापन डिजिटल मिडियाका लागि इन्टरफेसहरू डिजाइन गर्दै: उपयोगिता र ग्राफिक्स। अनलाइन वेब एजेन्सीले कम्पनीहरूलाई निम्न सेवाहरू प्रदान गर्दछ: - Google, Amazon, Bing, Yandex मा एसईओ; -वेब एनालिटिक्स: गुगल एनालिटिक्स, गुगल ट्याग प्रबन्धक, यान्डेक्स मेट्रिका; -प्रयोगकर्ता रूपान्तरण: गुगल एनालिटिक्स, माइक्रोसफ्ट स्पष्टता, यान्डेक्स मेट्रिका; - Google, Bing, Amazon विज्ञापनहरूमा SEM; -सोशल मिडिया मार्केटिङ (फेसबुक, लिंक्डइन, यूट्यूब, इन्स्टाग्राम)।

पूरा बायो हेर्नुहोस्

डिजिटल मार्केटिङ डाटाबेस DBMS डाटा गोदाम डेटा विज्ञान अनलाइन विज्ञापन सूचना प्रबिधि वेब एजेन्सी विज्ञापन एजेन्सी मार्केटिङ