ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਰਿਸੋਰਸ ਪਲੈਨਿੰਗ | DWH ਅਤੇ ERP

ਆਰਚੀਵ ਡਾਟਾ ਕੇਂਦਰੀ: ਇਤਿਹਾਸ ਈ.ਡੀ ਵਿਕਾਸ

90 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਕਾਰਪੋਰੇਟ ਤਕਨਾਲੋਜੀ ਦੇ ਦੋ ਪ੍ਰਮੁੱਖ ਥੀਮ ਸਨ i ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ERP. ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇਹ ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕਰੰਟ ਕਾਰਪੋਰੇਟ ਆਈਟੀ ਦੇ ਹਿੱਸੇ ਰਹੇ ਹਨ, ਬਿਨਾਂ ਕਦੇ ਇੰਟਰਸੈਕਸ਼ਨ ਕੀਤੇ। ਇਹ ਲਗਭਗ ਇਸ ਤਰ੍ਹਾਂ ਸੀ ਜਿਵੇਂ ਉਹ ਪਦਾਰਥ ਅਤੇ ਵਿਰੋਧੀ ਪਦਾਰਥ ਸਨ। ਪਰ ਦੋਵਾਂ ਵਰਤਾਰਿਆਂ ਦੇ ਵਾਧੇ ਨੇ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਦੇ ਲਾਂਘੇ ਵੱਲ ਅਗਵਾਈ ਕੀਤੀ ਹੈ। ਅੱਜ ਕੰਪਨੀਆਂ ਇਸ ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀਆਂ ਹਨ ਕਿ ERP ਨਾਲ ਕੀ ਕਰਨਾ ਹੈ ਅਤੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਹ ਲੇਖ ਇਹ ਦੱਸੇਗਾ ਕਿ ਸਮੱਸਿਆਵਾਂ ਕੀ ਹਨ ਅਤੇ ਕੰਪਨੀਆਂ ਉਨ੍ਹਾਂ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕਰ ਰਹੀਆਂ ਹਨ।

ਸ਼ੁਰੂ ਵਿੱਚ…

ਸ਼ੁਰੂ ਵਿਚ ਸੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਪ੍ਰੋਸੈਸਿੰਗ ਐਪਲੀਕੇਸ਼ਨ ਸਿਸਟਮ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਵਿੱਚ ਦੀ ਯਾਦ dati ਇਹ ਸਿਰਫ਼ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਪ੍ਰੋਸੈਸਿੰਗ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਕਾਊਂਟਰਪੁਆਇੰਟ ਹੋਣਾ ਸੀ। ਪਰ ਅੱਜ ਕੱਲ੍ਹ ਇਸ ਬਾਰੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਵਿਚਾਰ ਹਨ ਕਿ ਕੀ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਅੱਜ ਦੇ ਸੰਸਾਰ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਪਾਈ ਜਾਂਦੀ ਹੈ ਜਿਸਨੂੰ ਕਾਰਪੋਰੇਟ ਸੂਚਨਾ ਫੈਕਟਰੀ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ।

ਕਾਰਪੋਰੇਟ ਜਾਣਕਾਰੀ ਫੈਕਟਰੀ (ਸੀਆਈਐਫ)

ਕਾਰਪੋਰੇਟ ਸੂਚਨਾ ਫੈਕਟਰੀ ਵਿੱਚ ਮਿਆਰੀ ਆਰਕੀਟੈਕਚਰਲ ਹਿੱਸੇ ਹਨ: ਪਰਿਵਰਤਨ ਦਾ ਇੱਕ ਪੱਧਰ ਅਤੇ ਕੋਡ ਏਕੀਕਰਣ ਜੋ dati ਜਦੋਂ ਕਿ ਮੈਂ dati ਉਹ ਐਪਲੀਕੇਸ਼ਨ ਵਾਤਾਵਰਣ ਤੋਂ ਵਾਤਾਵਰਣ ਵੱਲ ਵਧਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ; a ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ ਜਿੱਥੇ dati ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਇਤਿਹਾਸ। ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੀ ਨੀਂਹ ਵਜੋਂ ਕੰਮ ਕਰਦੀ ਹੈ ਜਿਸ 'ਤੇ ਵਾਤਾਵਰਣ ਦੇ ਹੋਰ ਸਾਰੇ ਹਿੱਸੇ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ; ਇੱਕ ਸੰਚਾਲਨ ਡੇਟਾ ਸਟੋਰ (ODS)। ਇੱਕ ODS ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਬਣਤਰ ਹੈ ਜਿਸ ਵਿੱਚ ਦੇ ਕੁਝ ਪਹਿਲੂ ਹੁੰਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਇੱਕ OLTP ਵਾਤਾਵਰਣ ਦੇ ਹੋਰ ਪਹਿਲੂ; ਡਾਟਾ ਮਾਰਟਸ, ਜਿੱਥੇ ਵੱਖ-ਵੱਖ ਵਿਭਾਗਾਂ ਦਾ ਆਪਣਾ ਸੰਸਕਰਣ ਹੋ ਸਕਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ; ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਖੋਜ ਦੀ ਜਿਸ ਵਿੱਚ ਕੰਪਨੀ ਦੇ "ਦਾਰਸ਼ਨਿਕ" 72 ਘੰਟਿਆਂ ਲਈ ਆਪਣੇ ਸਵਾਲਾਂ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਨੁਕਸਾਨਦੇਹ ਪ੍ਰਭਾਵ ਦੇ ਦਰਜ ਕਰ ਸਕਦੇ ਹਨ। ਡਾਟਾ ਵੇਅਰਹਾਊਸ; ਅਤੇ ਇੱਕ ਨਜ਼ਦੀਕੀ ਲਾਈਨ ਮੈਮੋਰੀ, ਜਿਸ ਵਿੱਚ dati ਪੁਰਾਣੇ ਅਤੇ dati ਬਲਕ ਵੇਰਵੇ ਨੂੰ ਸਸਤੇ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ.

ਜਿੱਥੇ ERP LA ਨਾਲ ਜੁੜਦਾ ਹੈ ਕਾਰਪੋਰੇਟ ਜਾਣਕਾਰੀ ਫੈਕਟਰੀ

ERP ਦੋ ਥਾਵਾਂ 'ਤੇ ਕਾਰਪੋਰੇਟ ਸੂਚਨਾ ਫੈਕਟਰੀ ਨਾਲ ਮਿਲ ਜਾਂਦੀ ਹੈ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਬੁਨਿਆਦੀ ਐਪਲੀਕੇਸ਼ਨ (ਬੇਸਲਾਈਨ) ਵਜੋਂ ਜੋ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ i dati ਨੂੰ ਅਰਜ਼ੀ ਦੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਆਈ dati, ਇੱਕ ਲੈਣ-ਦੇਣ ਪ੍ਰਕਿਰਿਆ ਦੇ ਉਪ-ਉਤਪਾਦ ਦੇ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ, ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਅਤੇ ਲੋਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ. ERP ਅਤੇ CIF ਅਤੇ ODS ਵਿਚਕਾਰ ਯੂਨੀਅਨ ਦਾ ਦੂਜਾ ਬਿੰਦੂ। ਵਾਸਤਵ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ERP ਨੂੰ ਇੱਕ ਕਲਾਸਿਕ ODS ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।

ਜੇਕਰ ERP ਨੂੰ ਮੂਲ ਐਪਲੀਕੇਸ਼ਨ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਸੇ ERP ਨੂੰ CIF ਵਿੱਚ ODS ਵਜੋਂ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਕਿਸੇ ਵੀ ਹਾਲਤ ਵਿੱਚ, ਜੇਕਰ ERP ਨੂੰ ਦੋਵਾਂ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਣਾ ਹੈ, ਤਾਂ ਦੋਨਾਂ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਇੱਕ ਸਪਸ਼ਟ ਅੰਤਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਜਦੋਂ ERP ਇੱਕ ਕੋਰ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ਇੱਕ ODS ਦੀ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦਾ ਹੈ, ਤਾਂ ਦੋ ਆਰਕੀਟੈਕਚਰਲ ਇਕਾਈਆਂ ਨੂੰ ਵੱਖ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜੇਕਰ ਇੱਕ ਸਿੰਗਲ ERP ਲਾਗੂਕਰਨ ਦੋਨਾਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਨਿਭਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਤਾਂ ਉਸ ਢਾਂਚੇ ਦੇ ਡਿਜ਼ਾਇਨ ਅਤੇ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਸਮੱਸਿਆਵਾਂ ਹੋਣਗੀਆਂ।

ODS ਅਤੇ ਮੂਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਵੱਖ ਕਰੋ

ਬਹੁਤ ਸਾਰੇ ਕਾਰਨ ਹਨ ਜੋ ਆਰਕੀਟੈਕਚਰਲ ਹਿੱਸਿਆਂ ਦੀ ਵੰਡ ਵੱਲ ਅਗਵਾਈ ਕਰਦੇ ਹਨ. ਕਿਸੇ ਆਰਕੀਟੈਕਚਰ ਦੇ ਵੱਖੋ-ਵੱਖਰੇ ਹਿੱਸਿਆਂ ਨੂੰ ਵੱਖ ਕਰਨ ਲਈ ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਮੁੱਦਾ ਇਹ ਹੈ ਕਿ ਆਰਕੀਟੈਕਚਰ ਦੇ ਹਰੇਕ ਹਿੱਸੇ ਦਾ ਆਪਣਾ ਨਜ਼ਰੀਆ ਹੈ। ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ODS ਨਾਲੋਂ ਵੱਖਰੇ ਉਦੇਸ਼ ਦੀ ਪੂਰਤੀ ਕਰਦੀ ਹੈ। ਓਵਰਲੈਪ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ

ODS ਦੀ ਦੁਨੀਆ 'ਤੇ ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਦ੍ਰਿਸ਼ ਜਾਂ ਇਸ ਦੇ ਉਲਟ ਕੰਮ ਕਰਨ ਦਾ ਸਹੀ ਤਰੀਕਾ ਨਹੀਂ ਹੈ।

ਸਿੱਟੇ ਵਜੋਂ, CIF ਵਿੱਚ ਇੱਕ ERP ਦੀ ਪਹਿਲੀ ਸਮੱਸਿਆ ਇਹ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਹੈ ਕਿ ਕੀ ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ODS ਵਿੱਚ ਕੋਈ ਅੰਤਰ ਹੈ।

ਕਾਰਪੋਰੇਟ ਵਿੱਚ ਡੇਟਾ ਮਾਡਲ ਜਾਣਕਾਰੀ ਫੈਕਟਰੀ

CIF ਆਰਕੀਟੈਕਚਰ ਦੇ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਵਿਚਕਾਰ ਏਕਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਦਾ ਇੱਕ ਮਾਡਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ dati. ਦੇ ਮਾਡਲ dati ਉਹ ਆਰਕੀਟੈਕਚਰ ਦੇ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਜਿਵੇਂ ਕਿ ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ODS ਵਿਚਕਾਰ ਇੱਕ ਲਿੰਕ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਦੇ ਮਾਡਲ dati ਉਹ CIF ਦੇ ਵੱਖ-ਵੱਖ ਆਰਕੀਟੈਕਚਰਲ ਕੰਪੋਨੈਂਟਸ ਤੋਂ ਸਹੀ ਅਰਥ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ "ਬੌਧਿਕ ਮਾਰਗ ਦਾ ਨਕਸ਼ਾ" ਬਣ ਜਾਂਦੇ ਹਨ।

ਇਸ ਧਾਰਨਾ ਦੇ ਨਾਲ ਹੱਥ ਮਿਲਾਉਂਦੇ ਹੋਏ, ਇਹ ਵਿਚਾਰ ਇਹ ਹੈ ਕਿ ਇੱਥੇ ਇੱਕ ਵੱਡਾ ਅਤੇ ਸਿੰਗਲ ਮਾਡਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ dati. ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦਾ ਇੱਕ ਮਾਡਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ dati ਹਰੇਕ ਹਿੱਸੇ ਲਈ ਅਤੇ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਨੂੰ ਜੋੜਨ ਵਾਲਾ ਇੱਕ ਸਮਝਦਾਰ ਮਾਰਗ ਵੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਆਰਕੀਟੈਕਚਰ ਦੇ ਹਰੇਕ ਹਿੱਸੇ - ODS, ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ, ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਹੋਰ.. - ਇਸਦੇ ਆਪਣੇ ਮਾਡਲ ਦੀ ਲੋੜ ਹੈ dati. ਅਤੇ ਇਸ ਲਈ ਇਹਨਾਂ ਮਾਡਲਾਂ ਦੀ ਇੱਕ ਸਟੀਕ ਪਰਿਭਾਸ਼ਾ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ dati ਉਹ ਇੱਕ ਦੂਜੇ ਨਾਲ ਇੰਟਰਫੇਸ ਕਰਦੇ ਹਨ।

ਮੂਵ I ਡਾਟਾ ਡੇਟਾ ਵਿੱਚ ERP ਦਾ ਵੇਅਰਹਾਊਸ

ਜੇ ਦਾ ਮੂਲ dati ਇੱਕ ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ/ਜਾਂ ਇੱਕ ODS ਹੈ, ਜਦੋਂ ERP ਸੰਮਿਲਿਤ ਕਰਦਾ ਹੈ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇਹ ਸੰਮਿਲਨ "ਗ੍ਰੈਨਿਊਲਿਟੀ" ਦੇ ਸਭ ਤੋਂ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਬਸ ਸੰਖੇਪ ਜਾਂ ਸੰਪੂਰਨ i dati ਕਿਉਂਕਿ ਉਹ ERP ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਤੋਂ ਬਾਹਰ ਆਉਂਦੇ ਹਨ ਜਾਂ ERP ODS ਕਰਨਾ ਸਹੀ ਗੱਲ ਨਹੀਂ ਹੈ। ਦ dati ਵਿੱਚ ਵੇਰਵੇ ਦੀ ਲੋੜ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ DSS ਪ੍ਰਕਿਰਿਆ ਦਾ ਆਧਾਰ ਬਣਾਉਣ ਲਈ। ਅਜਿਹੇ dati ਦੇ ਡੇਟਾ ਮਾਰਟਸ ਅਤੇ ਖੋਜਾਂ ਦੁਆਰਾ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਮੁੜ ਆਕਾਰ ਦਿੱਤਾ ਜਾਵੇਗਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.

ਦਾ ਵਿਸਥਾਪਨ dati ERP ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਵਾਤਾਵਰਨ ਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ ਇੱਕ ਵਾਜਬ ਆਰਾਮਦਾਇਕ ਢੰਗ ਨਾਲ ਕੀਤਾ ਗਿਆ ਹੈ. ਇਹ ਚਾਲ ERP ਵਿੱਚ ਅੱਪਡੇਟ ਜਾਂ ਰਚਨਾ ਦੇ ਲਗਭਗ 24 ਘੰਟੇ ਬਾਅਦ ਵਾਪਰਦੀ ਹੈ। ਦੀ ਇੱਕ "ਆਲਸੀ" ਅੰਦੋਲਨ ਹੋਣ ਦਾ ਤੱਥ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ dati ERP ਤੋਂ "ਡਿਪਾਜ਼ਿਟ" ਤੱਕ ਆ ਰਿਹਾ ਹੈ। ਇੱਕ ਵਾਰ ਆਈ dati ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਫਿਰ ਤੁਸੀਂ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਹਿਲਾ ਸਕਦੇ ਹੋ dati ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵਿੱਚ ERP ਦਾ. ਦੀ "ਆਲਸੀ" ਅੰਦੋਲਨ ਲਈ ਇੱਕ ਹੋਰ ਟੀਚਾ ਪ੍ਰਾਪਤ ਕਰਨ ਯੋਗ ਧੰਨਵਾਦ dati ਇਹ ਕਾਰਜਸ਼ੀਲ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ DSS ਵਿਚਕਾਰ ਸਪਸ਼ਟ ਰੂਪ ਰੇਖਾ ਹੈ। ਦੀ ਇੱਕ "ਤੇਜ਼" ਅੰਦੋਲਨ ਦੇ ਨਾਲ dati DSS ਅਤੇ ਕਾਰਜਸ਼ੀਲ ਵਿਚਕਾਰ ਵੰਡਣ ਵਾਲੀ ਲਾਈਨ ਅਸਪਸ਼ਟ ਰਹਿੰਦੀ ਹੈ।

ਦੀ ਲਹਿਰ dati ERP ODS ਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੀ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਆਮ ਤੌਰ 'ਤੇ ਹਫ਼ਤਾਵਾਰੀ ਜਾਂ ਮਾਸਿਕ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਅੰਦੋਲਨ dati ਇਹ ਪੁਰਾਣੇ ਨੂੰ "ਸਾਫ਼" ਕਰਨ ਦੀ ਲੋੜ 'ਤੇ ਆਧਾਰਿਤ ਹੈ dati ਇਤਿਹਾਸਕਾਰ ਬੇਸ਼ੱਕ, ODS ਵਿੱਚ i dati ਜੋ ਕਿ ਦੇ ਮੁਕਾਬਲੇ ਬਹੁਤ ਤਾਜ਼ਾ ਹਨ dati ਵਿਚ ਇਤਿਹਾਸਕਾਰ ਪਾਇਆ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.

ਦਾ ਵਿਸਥਾਪਨ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਲਗਭਗ ਕਦੇ ਵੀ "ਥੋਕ" (ਥੋਕ ਵਿਕਰੇਤਾ ਦੇ ਢੰਗ ਨਾਲ) ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ERP ਵਾਤਾਵਰਣ ਤੋਂ ਇੱਕ ਸਾਰਣੀ ਨੂੰ ਕਾਪੀ ਕਰੋ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਦਾ ਕੋਈ ਭਾਵ ਨਹੀ ਹੈ. ਦੀਆਂ ਚੁਣੀਆਂ ਗਈਆਂ ਇਕਾਈਆਂ ਨੂੰ ਮੂਵ ਕਰਨਾ ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਯਥਾਰਥਵਾਦੀ ਪਹੁੰਚ ਹੈ dati. ਸਿਰਫ dati ਜੋ ਕਿ ਦੇ ਆਖਰੀ ਅਪਡੇਟ ਤੋਂ ਬਦਲ ਗਿਆ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਉਹ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਵਿੱਚ ਚਲੇ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਹ ਜਾਣਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਕਿ ਕਿਹੜਾ dati ਦੇ ਟਾਈਮਸਟੈਂਪਾਂ ਨੂੰ ਵੇਖਣ ਲਈ ਆਖਰੀ ਅਪਡੇਟ ਤੋਂ ਬਾਅਦ ਬਦਲ ਗਿਆ ਹੈ dati ERP ਵਾਤਾਵਰਣ ਵਿੱਚ ਪਾਇਆ ਗਿਆ। ਡਿਜ਼ਾਇਨਰ ਆਖਰੀ ਅਪਡੇਟ ਤੋਂ ਬਾਅਦ ਆਈਆਂ ਸਾਰੀਆਂ ਤਬਦੀਲੀਆਂ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਪਹੁੰਚ ਤਬਦੀਲੀ ਕੈਪਚਰ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ dati. ਇਹਨਾਂ ਤਕਨੀਕਾਂ ਦੇ ਨਾਲ, ਲੌਗਸ ਅਤੇ ਜਰਨਲ ਟੇਪਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਇਹ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕੇ ਕਿ ਕਿਹੜੀਆਂ ਹਨ dati ਨੂੰ ERP ਵਾਤਾਵਰਨ ਤੋਂ ਇਸ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਹ ਤਕਨੀਕਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਹਨ ਕਿਉਂਕਿ ਲਾਗ ਅਤੇ ਜਰਨਲ ਟੇਪਾਂ ਨੂੰ ERP ਫਾਈਲਾਂ ਤੋਂ ਹੋਰ ERP ਸਰੋਤਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕੀਤੇ ਬਿਨਾਂ ਪੜ੍ਹਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਹੋਰ ਉਲਝਣਾਂ

CIF ਵਿੱਚ ERP ਮੁੱਦਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਹੈ ਕਿ ਹੋਰ ਐਪਲੀਕੇਸ਼ਨ ਸਰੋਤਾਂ ਜਾਂ ਉਹਨਾਂ ਨਾਲ ਕੀ ਹੁੰਦਾ ਹੈ dati ODS ਦਾ ਜਿਸ ਵਿੱਚ ਉਹਨਾਂ ਨੂੰ ਯੋਗਦਾਨ ਪਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪਰ ਉਹ ERP ਵਾਤਾਵਰਣ ਦਾ ਹਿੱਸਾ ਨਹੀਂ ਹਨ। ERP ਦੇ ਬੰਦ ਸੁਭਾਅ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਖਾਸ ਕਰਕੇ SAP, ਦੇ ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਕੁੰਜੀਆਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ dati ਮੈਨੂੰ ਦੇ ਨਾਲ dati ਜੋ ਕਿ ਈਆਰਪੀ ਤੋਂ ਆਉਂਦੇ ਹਨ ਜਦੋਂ ਨੂੰ ਹਿਲਾਉਂਦੇ ਹੋਏ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇਹ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਹੈ। ਅਤੇ ਬਿਲਕੁਲ ਕੀ ਸੰਭਾਵਨਾਵਾਂ ਹਨ ਜੋ ਕਿ ਆਈ dati ERP ਵਾਤਾਵਰਣ ਤੋਂ ਬਾਹਰ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਜਾਂ ODS ਨੂੰ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾਵੇਗਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ? ਸੰਭਾਵਨਾਵਾਂ ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹਨ।

ਲੱਭੋ ਡਾਟਾ ERP ਤੋਂ ਇਤਿਹਾਸਕ

ਆਈ ਨਾਲ ਇਕ ਹੋਰ ਸਮੱਸਿਆ dati ਈਆਰਪੀ ਦੀ ਲੋੜ ਹੈ, ਜੋ ਕਿ ਹੈ dati ਦੇ ਅੰਦਰ ਇਤਿਹਾਸਕਾਰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਆਮ ਤੌਰ 'ਤੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਲੋੜਾਂ dati ਇਤਿਹਾਸਕਾਰ ਅਤੇ ERP ਤਕਨਾਲੋਜੀ ਆਮ ਤੌਰ 'ਤੇ ਇਹਨਾਂ ਨੂੰ ਸਟੋਰ ਨਹੀਂ ਕਰਦੀ ਹੈ dati ਇਤਿਹਾਸਕ, ਘੱਟੋ-ਘੱਟ ਉਸ ਬਿੰਦੂ ਤੱਕ ਨਹੀਂ ਜਿੱਥੇ ਇਹ ਜ਼ਰੂਰੀ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਜਦੋਂ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ dati ਇਤਿਹਾਸ ERP ਵਾਤਾਵਰਣ ਵਿੱਚ ਜੋੜਨਾ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਉਸ ਵਾਤਾਵਰਣ ਨੂੰ ਸਾਫ਼ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਮੰਨ ਲਓ ਕਿ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪੰਜ ਸਾਲ ਦੇ ਨਾਲ ਲੋਡ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati ਇਤਿਹਾਸਕ ਜਦੋਂ ਕਿ ERP ਇਹਨਾਂ ਵਿੱਚੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਛੇ ਮਹੀਨੇ ਰੱਖਦਾ ਹੈ dati. ਜਦੋਂ ਤੱਕ ਕੰਪਨੀ ਦੀ ਇੱਕ ਲੜੀ ਇਕੱਠੀ ਕਰਨ ਤੋਂ ਸੰਤੁਸ਼ਟ ਹੈ dati ਇਤਿਹਾਸਕਾਰ ਜਿਵੇਂ ਜਿਵੇਂ ਸਮਾਂ ਬੀਤਦਾ ਹੈ, ਤਦ ਈਆਰਪੀ ਨੂੰ ਸਰੋਤ ਵਜੋਂ ਵਰਤਣ ਵਿੱਚ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਪਰ ਜਦੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਸਨੂੰ ਸਮੇਂ ਵਿੱਚ ਵਾਪਸ ਜਾਣਾ ਪਵੇਗਾ ਅਤੇ ਦੇਵਤੇ ਪ੍ਰਾਪਤ ਕਰਨੇ ਪੈਣਗੇ dati ਇਤਿਹਾਸ ਜੋ ਪਹਿਲਾਂ ERP ਦੁਆਰਾ ਇਕੱਤਰ ਅਤੇ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਕੀਤੇ ਗਏ ਹਨ, ਫਿਰ ERP ਵਾਤਾਵਰਣ ਅਯੋਗ ਹੋ ਜਾਂਦਾ ਹੈ।

ਈਆਰਪੀ ਅਤੇ ਮੈਟਾਡਾਟਾ

ERP ਬਾਰੇ ਬਣਾਉਣ ਲਈ ਇੱਕ ਹੋਰ ਵਿਚਾਰ e ਡਾਟਾ ਵੇਅਰਹਾਊਸ ERP ਵਾਤਾਵਰਣ ਵਿੱਚ ਮੌਜੂਦ ਮੈਟਾਡੇਟਾ 'ਤੇ ਇੱਕ ਹੈ। ਜਿਵੇਂ ਕਿ ਮੇਟਾਡੇਟਾ ਈਆਰਪੀ ਵਾਤਾਵਰਣ ਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਮੈਟਾਡੇਟਾ ਨੂੰ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਮੂਵ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਮੈਟਾਡੇਟਾ ਨੂੰ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੁਆਰਾ ਲੋੜੀਂਦੇ ਫਾਰਮੈਟ ਅਤੇ ਢਾਂਚੇ ਵਿੱਚ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ. ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਕਾਰਜਸ਼ੀਲ ਮੈਟਾਡੇਟਾ ਅਤੇ DSS ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਹੈ। ਕਾਰਜਸ਼ੀਲ ਮੈਟਾਡੇਟਾ ਮੁੱਖ ਤੌਰ 'ਤੇ ਡਿਵੈਲਪਰ ਲਈ ਹੈ ਅਤੇ

ਪ੍ਰੋਗਰਾਮਰ DSS ਮੈਟਾਡੇਟਾ ਮੁੱਖ ਤੌਰ 'ਤੇ ਅੰਤਮ ਉਪਭੋਗਤਾ ਲਈ ਹੈ। ERP ਐਪਲੀਕੇਸ਼ਨਾਂ ਜਾਂ ODS ਵਿੱਚ ਮੌਜੂਦਾ ਮੈਟਾਡੇਟਾ ਨੂੰ ਬਦਲਣ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਇਹ ਪਰਿਵਰਤਨ ਹਮੇਸ਼ਾ ਆਸਾਨ ਅਤੇ ਸਿੱਧਾ ਨਹੀਂ ਹੁੰਦਾ ਹੈ।

ਈਆਰਪੀ ਡੇਟਾ ਦੀ ਸੋਰਸਿੰਗ

ਜੇਕਰ ERP ਨੂੰ ਪ੍ਰਦਾਤਾ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ dati ਸੰਕਟ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇੱਕ ਠੋਸ ਇੰਟਰਫੇਸ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਅੱਗੇ ਵਧਦਾ ਹੈ dati ERP ਵਾਤਾਵਰਣ ਤੋਂ ਵਾਤਾਵਰਣ ਤੱਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇੰਟਰਫੇਸ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ:

• ▪ ਵਰਤਣਾ ਆਸਾਨ ਹੋਵੇ
• ▪ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦਿਓ dati ERP ਦੇ
• ▪ ਦਾ ਅਰਥ ਲਓ dati ਵਿੱਚ ਤਬਦੀਲ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
• ▪ ਉਹਨਾਂ ERP ਸੀਮਾਵਾਂ ਨੂੰ ਜਾਣੋ ਜੋ ਐਕਸੈਸ ਕਰਨ ਵੇਲੇ ਪੈਦਾ ਹੋ ਸਕਦੀਆਂ ਹਨ dati ERP ਦਾ:
• ▪ ਸੰਦਰਭ ਅਖੰਡਤਾ
• ▪ ਲੜੀਵਾਰ ਸਬੰਧ
• ▪ ਨਿਸ਼ਚਿਤ ਲਾਜ਼ੀਕਲ ਸਬੰਧ
• ▪ ਐਪਲੀਕੇਸ਼ਨ ਸੰਮੇਲਨ
• ▪ ਦੇ ਸਾਰੇ ਢਾਂਚੇ dati ERP ਦੁਆਰਾ ਸਮਰਥਿਤ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਹੋਰ...
• ▪ ਪਹੁੰਚ ਕਰਨ ਵਿੱਚ ਕੁਸ਼ਲ ਬਣੋ dati, ਪ੍ਰਦਾਨ ਕਰਕੇ:
• ▪ ਦੀ ਸਿੱਧੀ ਗਤੀ dati
• ▪ ਤਬਦੀਲੀ ਦੀ ਪ੍ਰਾਪਤੀ dati
• ▪ ਤੱਕ ਸਮੇਂ ਸਿਰ ਪਹੁੰਚ ਦਾ ਸਮਰਥਨ ਕਰੋ dati
• ▪ ਦੇ ਫਾਰਮੈਟ ਨੂੰ ਸਮਝੋ dati, ਇਤਆਦਿ… SAP ਨਾਲ ਇੰਟਰਫੇਸਿੰਗ ਇੰਟਰਫੇਸ ਦੋ ਕਿਸਮਾਂ ਦਾ ਹੋ ਸਕਦਾ ਹੈ, ਘਰੇਲੂ ਜਾਂ ਵਪਾਰਕ। ਕੁਝ ਪ੍ਰਮੁੱਖ ਵਪਾਰਕ ਇੰਟਰਫੇਸਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ▪ ਐਸ.ਏ.ਐਸ
• ▪ ਪ੍ਰਾਈਮਜ਼ ਹੱਲ
• ▪ D2k, ਅਤੇ ਹੋਰ... ਮਲਟੀਪਲ ਈਆਰਪੀ ਤਕਨਾਲੋਜੀਆਂ ERP ਵਾਤਾਵਰਣ ਦਾ ਇਲਾਜ ਕਰਨਾ ਜਿਵੇਂ ਕਿ ਇਹ ਇੱਕ ਸਿੰਗਲ ਤਕਨਾਲੋਜੀ ਸੀ ਇੱਕ ਵੱਡੀ ਗਲਤੀ ਹੈ। ਇੱਥੇ ਬਹੁਤ ਸਾਰੀਆਂ ERP ਤਕਨਾਲੋਜੀਆਂ ਹਨ, ਹਰ ਇੱਕ ਦੀਆਂ ਆਪਣੀਆਂ ਸ਼ਕਤੀਆਂ ਹਨ। ਮਾਰਕੀਟ ਵਿੱਚ ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਵਿਕਰੇਤਾ ਹਨ:

• ▪ SAP
• ▪ ਓਰੇਕਲ ਫਾਈਨੈਂਸ਼ੀਅਲਸ
• ▪ ਲੋਕ ਸੌਫਟ
• ▪ ਜੇਡੀ ਐਡਵਰਡਸ
• ▪ ਬਾਨ SAP SAP ਸਭ ਤੋਂ ਵੱਡਾ ਅਤੇ ਸਭ ਤੋਂ ਸੰਪੂਰਨ ERP ਸਾਫਟਵੇਅਰ ਹੈ। SAP ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਕਈ ਕਿਸਮਾਂ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ। SAP ਦੀ ਇੱਕ ਸਾਖ ਹੈ:

• ▪ ਬਹੁਤ ਵੱਡਾ
• ▪ ਲਾਗੂ ਕਰਨਾ ਬਹੁਤ ਔਖਾ ਅਤੇ ਮਹਿੰਗਾ ਹੈ
• ▪ ਲਾਗੂ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਅਤੇ ਸਲਾਹਕਾਰਾਂ ਦੀ ਲੋੜ ਹੈ
• ▪ ਲਾਗੂ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਲੋਕਾਂ ਦੀ ਲੋੜ ਹੈ
• ▪ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਲੰਮਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ ਇਸ ਤੋਂ ਇਲਾਵਾ, SAP ਨੂੰ ਯਾਦ ਰੱਖਣ ਲਈ ਇੱਕ ਪ੍ਰਸਿੱਧੀ ਹੈ dati ਬਹੁਤ ਸਾਵਧਾਨੀ ਨਾਲ, SAP ਖੇਤਰ ਤੋਂ ਬਾਹਰ ਦੇ ਕਿਸੇ ਵਿਅਕਤੀ ਲਈ ਉਹਨਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦਾ ਹੈ। SAP ਦੀ ਖੂਬੀ ਇਹ ਹੈ ਕਿ ਇਹ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਕੈਪਚਰ ਕਰਨ ਅਤੇ ਸਟੋਰ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ dati. ਹਾਲ ਹੀ ਵਿੱਚ SAP ਨੇ ਆਪਣੀਆਂ ਅਰਜ਼ੀਆਂ ਨੂੰ ਵਧਾਉਣ ਦੇ ਆਪਣੇ ਇਰਾਦੇ ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. SAP ਨੂੰ ਵਿਕਰੇਤਾ ਵਜੋਂ ਵਰਤਣ ਦੇ ਬਹੁਤ ਸਾਰੇ ਫਾਇਦੇ ਅਤੇ ਨੁਕਸਾਨ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇੱਕ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ SAP ਪਹਿਲਾਂ ਹੀ ਸਥਾਪਿਤ ਹੈ ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਸਲਾਹਕਾਰ ਪਹਿਲਾਂ ਹੀ SAP ਜਾਣਦੇ ਹਨ।
  ਸਪਲਾਇਰ ਵਜੋਂ SAP ਹੋਣ ਦੇ ਨੁਕਸਾਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਬਹੁਤ ਸਾਰੇ ਹਨ: SAP ਦਾ ਸੰਸਾਰ ਵਿੱਚ ਕੋਈ ਤਜਰਬਾ ਨਹੀਂ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜੇਕਰ SAP ਦਾ ਸਪਲਾਇਰ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇਸ ਨੂੰ "ਬਾਹਰ ਕੱਢਣਾ" ਜ਼ਰੂਰੀ ਹੈ i dati SAP ਤੋਂ ਲੈ ਕੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਦੀ ਮਿਤੀ ਬੰਦ ਸਿਸਟਮ ਦਾ ਇੱਕ SAP ਦਾ ਟਰੈਕ ਰਿਕਾਰਡ, ਇਸ ਵਿੱਚ SAP ਤੋਂ i ਪ੍ਰਾਪਤ ਕਰਨਾ ਆਸਾਨ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ (???)। ਬਹੁਤ ਸਾਰੇ ਵਿਰਾਸਤੀ ਵਾਤਾਵਰਣ ਹਨ ਜੋ SAP ਨੂੰ ਸ਼ਕਤੀ ਦਿੰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ IMS, VSAM, ADABAS, ORACLE, DB2, ਅਤੇ ਹੋਰ। SAP ਇੱਕ "ਇੱਥੇ ਖੋਜ ਨਹੀਂ ਕੀਤੀ" ਪਹੁੰਚ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ। SAP ਦੀ ਵਰਤੋਂ ਕਰਨ ਜਾਂ ਬਣਾਉਣ ਲਈ ਹੋਰ ਵਿਕਰੇਤਾਵਾਂ ਨਾਲ ਭਾਈਵਾਲੀ ਨਹੀਂ ਕਰਨਾ ਚਾਹੁੰਦਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. SAP ਆਪਣੇ ਸਾਰੇ ਸੌਫਟਵੇਅਰ ਨੂੰ ਖੁਦ ਤਿਆਰ ਕਰਨ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ।

ਹਾਲਾਂਕਿ SAP ਇੱਕ ਵੱਡੀ ਅਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕੰਪਨੀ ਹੈ, ELT, OLAP, ਸਿਸਟਮ ਪ੍ਰਸ਼ਾਸਨ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਕੋਰ ਕੋਡ ਦੀ ਤਕਨਾਲੋਜੀ ਨੂੰ ਮੁੜ ਲਿਖਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀ ਹੈ। ਡੀਬੀਐਮਐਸ ਇਹ ਸਿਰਫ਼ ਪਾਗਲ ਹੈ। ਦੇ ਸਪਲਾਇਰਾਂ ਨਾਲ ਸਹਿਯੋਗੀ ਰਵੱਈਆ ਅਪਣਾਉਣ ਦੀ ਬਜਾਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਲੰਬੇ ਸਮੇਂ ਤੋਂ, SAP ਨੇ "ਉਹ ਸਭ ਤੋਂ ਵਧੀਆ ਜਾਣਦੇ ਹਨ" ਪਹੁੰਚ ਦੀ ਪਾਲਣਾ ਕੀਤੀ ਹੈ। ਇਹ ਰਵੱਈਆ ਉਸ ਸਫਲਤਾ ਨੂੰ ਰੋਕਦਾ ਹੈ ਜੋ SAP ਦੇ ਖੇਤਰ ਵਿੱਚ ਹੋ ਸਕਦੀ ਸੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਬਾਹਰੀ ਵਿਕਰੇਤਾਵਾਂ ਨੂੰ ਤੁਰੰਤ ਅਤੇ ਸ਼ਾਨਦਾਰ ਤਰੀਕੇ ਨਾਲ ਉਹਨਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਤੋਂ SAP ਦਾ ਇਨਕਾਰ dati. ਏ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਬਹੁਤ ਸਾਰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਤੱਕ ਆਸਾਨ ਪਹੁੰਚ ਹੈ dati. SAP ਦਾ ਪੂਰਾ ਇਤਿਹਾਸ ਇਸ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਮੁਸ਼ਕਲ ਬਣਾਉਣ 'ਤੇ ਅਧਾਰਤ ਹੈ dati.
ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਨਾਲ ਨਜਿੱਠਣ ਵਿੱਚ SAP ਦੇ ਅਨੁਭਵ ਦੀ ਘਾਟ dati; ਦੇ ਖੇਤਰ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਵਾਲੀਅਮ ਹਨ dati SAP ਦੁਆਰਾ ਕਦੇ ਨਹੀਂ ਦੇਖਿਆ ਗਿਆ ਅਤੇ ਇਹਨਾਂ ਵੱਡੀਆਂ ਮਾਤਰਾਵਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ dati ਤੁਹਾਡੇ ਕੋਲ ਢੁਕਵੀਂ ਤਕਨਾਲੋਜੀ ਦੀ ਲੋੜ ਹੈ। SAP ਜ਼ਾਹਰ ਤੌਰ 'ਤੇ ਇਸ ਤਕਨੀਕੀ ਰੁਕਾਵਟ ਤੋਂ ਜਾਣੂ ਨਹੀਂ ਹੈ ਜੋ ਦੇ ਖੇਤਰ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਲਈ ਮੌਜੂਦ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
SAP ਦਾ ਕਾਰਪੋਰੇਟ ਸੱਭਿਆਚਾਰ: SAP ਨੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਕਾਰੋਬਾਰ ਬਣਾ ਦਿੱਤਾ ਹੈ dati ਸਿਸਟਮ ਤੋਂ. ਪਰ ਅਜਿਹਾ ਕਰਨ ਲਈ ਤੁਹਾਨੂੰ ਵੱਖਰੀ ਮਾਨਸਿਕਤਾ ਦੀ ਲੋੜ ਹੈ। ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ, ਸਾਫਟਵੇਅਰ ਕੰਪਨੀਆਂ ਜੋ ਵਾਤਾਵਰਣ ਵਿੱਚ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਚੰਗੀਆਂ ਸਨ, ਦੂਜੇ ਤਰੀਕੇ ਨਾਲ ਜਾਣ ਲਈ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਵਧੀਆ ਨਹੀਂ ਰਹੀਆਂ ਹਨ। ਜੇਕਰ SAP ਇਸ ਕਿਸਮ ਦੀ ਸਵਿੱਚ ਬਣਾਉਣ ਦਾ ਪ੍ਰਬੰਧ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਅਜਿਹਾ ਕਰਨ ਵਾਲੀ ਪਹਿਲੀ ਕੰਪਨੀ ਹੋਵੇਗੀ।

ਸੰਖੇਪ ਵਿੱਚ, ਇਹ ਸ਼ੱਕੀ ਹੈ ਕਿ ਕੀ ਕਿਸੇ ਕੰਪਨੀ ਨੂੰ SAP ਨੂੰ ਇਸਦੇ ਸਪਲਾਇਰ ਵਜੋਂ ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇੱਕ ਪਾਸੇ ਬਹੁਤ ਗੰਭੀਰ ਜੋਖਮ ਹਨ ਅਤੇ ਦੂਜੇ ਪਾਸੇ ਬਹੁਤ ਘੱਟ ਇਨਾਮ ਹਨ। ਪਰ ਇੱਕ ਹੋਰ ਕਾਰਨ ਹੈ ਜੋ SAP ਨੂੰ ਸਪਲਾਇਰ ਵਜੋਂ ਚੁਣਨ ਤੋਂ ਨਿਰਾਸ਼ ਕਰਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਕਿਉਂਕਿ ਹਰ ਕੰਪਨੀ ਦਾ ਸਮਾਨ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹੋਰ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਦੇ? ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਦਾ ਦਿਲ ਹੈ। ਜੇ ਹਰ ਕੰਪਨੀ ਨੇ ਇਹੀ ਅਪਣਾਇਆ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਔਖਾ ਹੋਵੇਗਾ, ਹਾਲਾਂਕਿ ਅਸੰਭਵ ਨਹੀਂ, ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨਾ। ਐਸਏਪੀ ਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸਨੂੰ ਇੱਕ ਕੂਕੀ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਇਹ ਉਹਨਾਂ ਦੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ "ਡੈਟਾ ਪ੍ਰਾਪਤ ਕਰੋ" ਦੀ ਮਾਨਸਿਕਤਾ ਦਾ ਇੱਕ ਹੋਰ ਸੰਕੇਤ ਹੈ।

ਕੋਈ ਹੋਰ ERP ਵਿਕਰੇਤਾ SAP ਜਿੰਨਾ ਪ੍ਰਭਾਵੀ ਨਹੀਂ ਹੈ। ਬਿਨਾਂ ਸ਼ੱਕ ਅਜਿਹੀਆਂ ਕੰਪਨੀਆਂ ਹੋਣਗੀਆਂ ਜੋ ਆਪਣੇ ਲਈ SAP ਦੇ ਮਾਰਗ 'ਤੇ ਚੱਲਣਗੀਆਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪਰ ਸੰਭਵ ਤੌਰ 'ਤੇ ਇਹ ਡਾਟਾ ਵੇਅਰਹਾਊਸ SAP ਵੱਡਾ, ਮਹਿੰਗਾ ਅਤੇ ਬਣਾਉਣ ਵਿੱਚ ਸਮਾਂ ਲੈਣ ਵਾਲਾ ਹੋਵੇਗਾ।

ਇਹਨਾਂ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਬੈਂਕ ਟੇਲਰ ਪ੍ਰੋਸੈਸਿੰਗ, ਏਅਰਲਾਈਨ ਰਿਜ਼ਰਵੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਬੀਮਾ ਦਾਅਵਿਆਂ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਆਦਿ ਵਰਗੀਆਂ ਗਤੀਵਿਧੀਆਂ ਸ਼ਾਮਲ ਹਨ। ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਸਿਸਟਮ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਰਿਹਾ ਸੀ, ਓਨਾ ਹੀ ਸਪੱਸ਼ਟ ਸੀ ਕਿ ਕਾਰਜਸ਼ੀਲ ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਡੀਐਸਐਸ (ਡੈਸੀਜ਼ਨ ਸਪੋਰਟ ਸਿਸਟਮ) ਵਿਚਕਾਰ ਵੱਖ ਹੋਣ ਦੀ ਲੋੜ ਸੀ। ਹਾਲਾਂਕਿ, HR ਅਤੇ ਕਰਮਚਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਨਾਲ, ਤੁਹਾਨੂੰ ਕਦੇ ਵੀ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਲੈਣ-ਦੇਣ ਦਾ ਸਾਹਮਣਾ ਨਹੀਂ ਕਰਨਾ ਪੈਂਦਾ। ਅਤੇ, ਬੇਸ਼ੱਕ, ਜਦੋਂ ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਨੌਕਰੀ 'ਤੇ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ ਜਾਂ ਕੰਪਨੀ ਛੱਡਦਾ ਹੈ ਤਾਂ ਇਹ ਇੱਕ ਲੈਣ-ਦੇਣ ਦਾ ਰਿਕਾਰਡ ਹੁੰਦਾ ਹੈ। ਪਰ ਹੋਰ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਅਨੁਸਾਰ, ਐਚਆਰ ਅਤੇ ਕਰਮਚਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਲੈਣ-ਦੇਣ ਨਹੀਂ ਹੁੰਦੇ ਹਨ। ਇਸ ਲਈ, HR ਅਤੇ ਕਰਮਚਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ ਕਿ ਇੱਕ ਡੇਟਾਵੇਅਰਹਾਊਸ ਦੀ ਲੋੜ ਹੈ। ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਇਹ ਪ੍ਰਣਾਲੀਆਂ DSS ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਏਕੀਕਰਨ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ।

ਪਰ ਇੱਕ ਹੋਰ ਕਾਰਕ ਹੈ ਜਿਸਨੂੰ ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜੇਕਰ ਤੁਸੀਂ ਡੇਟਾ ਵੇਅਰਹਾਊਸਾਂ ਅਤੇ ਪੀਪਲਸੌਫਟ ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹੋ. ਬਹੁਤ ਸਾਰੇ ਵਾਤਾਵਰਣ ਵਿੱਚ, i dati ਮਨੁੱਖੀ ਅਤੇ ਨਿੱਜੀ ਸਰੋਤ ਕੰਪਨੀ ਦੇ ਪ੍ਰਾਇਮਰੀ ਕਾਰੋਬਾਰ ਲਈ ਸੈਕੰਡਰੀ ਹਨ। ਜ਼ਿਆਦਾਤਰ ਕੰਪਨੀਆਂ ਨਿਰਮਾਣ, ਵਿਕਰੀ, ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਆਦਿ ਵਿੱਚ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ। ਮਨੁੱਖੀ ਸਰੋਤ ਅਤੇ ਕਰਮਚਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਆਮ ਤੌਰ 'ਤੇ ਕੰਪਨੀ ਦੇ ਕਾਰੋਬਾਰ ਦੀ ਮੁੱਖ ਲਾਈਨ (ਜਾਂ ਸਮਰਥਨ) ਲਈ ਸੈਕੰਡਰੀ ਹੁੰਦੀਆਂ ਹਨ। ਇਸ ਲਈ, ਇਹ ਅਸੁਵਿਧਾਜਨਕ ਅਤੇ ਅਸੁਵਿਧਾਜਨਕ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਮਨੁੱਖੀ ਵਸੀਲਿਆਂ ਅਤੇ ਕਰਮਚਾਰੀਆਂ ਦੀ ਸਹਾਇਤਾ ਲਈ ਵੱਖਰਾ।

ਪੀਪਲਸੌਫਟ ਇਸ ਸਬੰਧ ਵਿੱਚ SAP ਤੋਂ ਬਹੁਤ ਵੱਖਰਾ ਹੈ। SAP ਦੇ ਨਾਲ, ਇਹ ਲਾਜ਼ਮੀ ਹੈ ਕਿ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਪੀਪਲਸੌਫਟ ਦੇ ਨਾਲ, ਇਹ ਇੰਨਾ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ. ਪੀਪਲਸੌਫਟ ਦੇ ਨਾਲ ਇੱਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਿਕਲਪਿਕ ਹੈ।

ਆਈ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਗੱਲ ਇਹ ਕਹੀ ਜਾ ਸਕਦੀ ਹੈ dati PeopleSoft ਹੈ, ਜੋ ਕਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪੁਰਾਲੇਖ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ i dati ਪੁਰਾਣੇ ਮਨੁੱਖੀ ਅਤੇ ਨਿੱਜੀ ਸਰੋਤਾਂ ਨਾਲ ਸਬੰਧਤ। ਇੱਕ ਦੂਜਾ ਕਾਰਨ ਕਿ ਇੱਕ ਕੰਪਨੀ ਏ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੇਗੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ a

ਪੀਪਲਸੌਫਟ ਵਾਤਾਵਰਣ ਦਾ ਨੁਕਸਾਨ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਜ਼ ਤੱਕ ਪਹੁੰਚ ਅਤੇ ਮੁਫਤ ਪਹੁੰਚ ਦੀ ਆਗਿਆ ਦੇਣਾ ਹੈ dati PeopleSoft ਦੁਆਰਾ. ਪਰ ਇਹਨਾਂ ਕਾਰਨਾਂ ਤੋਂ ਪਰੇ, ਅਜਿਹੇ ਮਾਮਲੇ ਹੋ ਸਕਦੇ ਹਨ ਜਿੱਥੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਨਾ ਰੱਖਣਾ ਬਿਹਤਰ ਹੁੰਦਾ ਹੈ dati ਲੋਕ ਸੌਫਟ.

ਸਾਰੰਸ਼ ਵਿੱਚ

ਏ ਦੇ ਨਿਰਮਾਣ ਬਾਰੇ ਬਹੁਤ ਸਾਰੇ ਵਿਚਾਰ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇੱਕ ERP ਸੌਫਟਵੇਅਰ ਦੇ ਅੰਦਰ.
ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਹਨ:

• ▪ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਉਦਯੋਗ ਵਿੱਚ ਕਿਸੇ ਹੋਰ ਚੀਜ਼ ਵਾਂਗ ਹੈ?
• ▪ ਇੱਕ ERP ਕਿੰਨੀ ਲਚਕਦਾਰ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸਾਫਟਵੇਅਰ?
• ▪ ਇੱਕ ERP ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸਾਫਟਵੇਅਰ ਦੀ ਮਾਤਰਾ ਨੂੰ ਸੰਭਾਲ ਸਕਦਾ ਹੈ dati ਜੋ ਕਿ ਏਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਖਾੜਾ"?
• ▪ ਉਹ ਟਰੇਸ ਰਿਕਾਰਡਿੰਗ ਕੀ ਹੈ ਜੋ ERP ਵਿਕਰੇਤਾ ਸਮੇਂ ਦੇ ਲਿਹਾਜ਼ ਨਾਲ ਆਸਾਨ ਅਤੇ ਸਸਤੀ ਹੋਣ ਦੇ ਬਾਵਜੂਦ ਕਰਦਾ ਹੈ, dati? (ਈਆਰਪੀ ਵਿਕਰੇਤਾ ਸਸਤੇ, ਸਮੇਂ 'ਤੇ, ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਵਿੱਚ ਆਸਾਨ ਡਿਲੀਵਰੀ ਦਾ ਰਿਕਾਰਡ ਕੀ ਹੈ?)
• ▪ DSS ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਕਾਰਪੋਰੇਟ ਜਾਣਕਾਰੀ ਫੈਕਟਰੀ ਬਾਰੇ ERP ਵਿਕਰੇਤਾ ਦੀ ਸਮਝ ਕੀ ਹੈ?
• ▪ ERP ਵਿਕਰੇਤਾ ਸਮਝਦੇ ਹਨ ਕਿ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ dati ਵਾਤਾਵਰਣ ਦੇ ਅੰਦਰ, ਪਰ ਇਹ ਵੀ ਸਮਝੋ ਕਿ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਨਿਰਯਾਤ ਕਰਨਾ ਹੈ?
• ▪ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਟੂਲਸ ਲਈ ERP ਵਿਕਰੇਤਾ ਕਿੰਨਾ ਖੁੱਲ੍ਹਾ ਹੈ?
  ਇਹ ਸਾਰੇ ਵਿਚਾਰ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ ਕਿ ਕਿੱਥੇ ਰੱਖਣਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜੋ ਕਿ ਮੇਜ਼ਬਾਨੀ ਕਰੇਗਾ i dati ERP ਅਤੇ ਹੋਰ ਦੇ dati. ਆਮ ਤੌਰ 'ਤੇ, ਜਦੋਂ ਤੱਕ ਹੋਰ ਕਰਨ ਦਾ ਕੋਈ ਮਜਬੂਰ ਕਰਨ ਵਾਲਾ ਕਾਰਨ ਨਹੀਂ ਹੁੰਦਾ, ਇਮਾਰਤ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ERP ਵਿਕਰੇਤਾ ਦੇ ਵਾਤਾਵਰਣ ਤੋਂ ਬਾਹਰ। ਅਧਿਆਇ 1 BI ਸੰਗਠਨ ਦੇ ਮੁੱਖ ਬਿੰਦੂਆਂ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ:
  ਜਾਣਕਾਰੀ ਰਿਪੋਜ਼ਟਰੀਆਂ ਕਾਰੋਬਾਰੀ ਖੁਫੀਆ (BI) ਆਰਕੀਟੈਕਚਰ ਦੇ ਉਲਟ ਕੰਮ ਕਰਦੀਆਂ ਹਨ:
  ਕਾਰਪੋਰੇਟ ਸੱਭਿਆਚਾਰ ਅਤੇ IT BI ਸੰਸਥਾਵਾਂ ਬਣਾਉਣ ਵਿੱਚ ਸਫਲਤਾ ਨੂੰ ਸੀਮਤ ਕਰ ਸਕਦੇ ਹਨ।

ਤਕਨਾਲੋਜੀ ਹੁਣ BI ਸੰਸਥਾਵਾਂ ਲਈ ਸੀਮਤ ਕਾਰਕ ਨਹੀਂ ਹੈ। ਆਰਕੀਟੈਕਟਾਂ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰਾਂ ਲਈ ਸਵਾਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੀ ਤਕਨਾਲੋਜੀ ਮੌਜੂਦ ਹੈ, ਪਰ ਕੀ ਉਹ ਉਪਲਬਧ ਤਕਨਾਲੋਜੀ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਨ।

ਕਈ ਕੰਪਨੀਆਂ ਲਈ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਪੈਸਿਵ ਡਿਪਾਜ਼ਿਟ ਤੋਂ ਥੋੜ੍ਹਾ ਵੱਧ ਹੈ ਜੋ ਵੰਡਦਾ ਹੈ dati ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਸਦੀ ਲੋੜ ਹੈ। ਦ dati ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਕੱਢੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਦੁਆਰਾ ਨਿਸ਼ਾਨਾ ਬਣਤਰਾਂ ਵਿੱਚ ਭਰੇ ਜਾਂਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਮੈਂ dati ਉਹ ਕਿਸੇ ਕਿਸਮਤ ਨਾਲ ਵੀ ਸਾਫ਼ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਹਾਲਾਂਕਿ ਕੋਈ ਵਾਧੂ ਮੁੱਲ ਜੋੜਿਆ ਜਾਂ ਇਕੱਠਾ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati ਇਸ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ.

ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ, ਪੈਸਿਵ Dw, ਸਭ ਤੋਂ ਵਧੀਆ, ਸਿਰਫ i ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ dati ਉਪਭੋਗਤਾ ਐਸੋਸੀਏਸ਼ਨਾਂ ਲਈ ਸਾਫ਼ ਅਤੇ ਕਾਰਜਸ਼ੀਲ। ਜਾਣਕਾਰੀ ਬਣਾਉਣਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਸਮਝ ਪੂਰੀ ਤਰ੍ਹਾਂ ਉਪਭੋਗਤਾਵਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਨਿਰਣਾ ਕਰੋ ਕਿ ਕੀ ਡੀ.ਡਬਲਯੂ.ਡੇਟਾ ਵੇਅਰਹਾhouseਸ) ਇੱਕ ਸਫਲਤਾ ਵਿਅਕਤੀਗਤ ਹੈ। ਜੇਕਰ ਅਸੀਂ ਕੁਸ਼ਲਤਾ ਨਾਲ ਇਕੱਠਾ ਕਰਨ, ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਅਤੇ ਸਾਫ਼ ਕਰਨ ਦੀ ਯੋਗਤਾ 'ਤੇ ਸਫਲਤਾ ਦਾ ਨਿਰਣਾ ਕਰਦੇ ਹਾਂ dati ਇੱਕ ਪੂਰਵ ਅਨੁਮਾਨ ਦੇ ਆਧਾਰ 'ਤੇ ਕਾਰਪੋਰੇਟ, ਫਿਰ ਹਾਂ, DW ਇੱਕ ਸਫਲਤਾ ਹੈ। ਦੂਜੇ ਪਾਸੇ, ਜੇ ਅਸੀਂ ਸੰਗਠਨ ਦੁਆਰਾ ਜਾਣਕਾਰੀ ਦੇ ਇਕੱਤਰੀਕਰਨ, ਇਕਸਾਰਤਾ ਅਤੇ ਸ਼ੋਸ਼ਣ ਨੂੰ ਦੇਖਦੇ ਹਾਂ, ਤਾਂ ਡੀਡਬਲਯੂ ਇੱਕ ਅਸਫਲਤਾ ਹੈ. ਇੱਕ DW ਬਹੁਤ ਘੱਟ ਜਾਂ ਕੋਈ ਜਾਣਕਾਰੀ ਮੁੱਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕੰਮ ਕਰਨ ਲਈ ਮਜ਼ਬੂਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਜਾਣਕਾਰੀ ਸਿਲੋਜ਼ ਬਣਾਉਂਦੇ ਹਨ. ਇਹ ਅਧਿਆਇ ਕੰਪਨੀ ਦੇ BI (ਬਿਜ਼ਨਸ ਇੰਟੈਲੀਜੈਂਸ) ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਲਈ ਇੱਕ ਵਿਆਪਕ ਦ੍ਰਿਸ਼ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਅਸੀਂ BI ਦੇ ਵਰਣਨ ਨਾਲ ਸ਼ੁਰੂ ਕਰਦੇ ਹਾਂ ਅਤੇ ਫਿਰ ਜਾਣਕਾਰੀ ਦੇ ਡਿਜ਼ਾਈਨ ਅਤੇ ਵਿਕਾਸ ਬਾਰੇ ਚਰਚਾਵਾਂ ਵੱਲ ਵਧਦੇ ਹਾਂ, ਸਿਰਫ਼ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਉਲਟ। dati ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ. ਚਰਚਾਵਾਂ ਫਿਰ ਤੁਹਾਡੇ BI ਯਤਨਾਂ ਦੇ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੀਆਂ ਹਨ। ਅਸੀਂ ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਕੇ ਸਿੱਟਾ ਕੱਢਦੇ ਹਾਂ ਕਿ IBM ਤੁਹਾਡੀ ਸੰਸਥਾ ਦੀਆਂ BI ਆਰਕੀਟੈਕਚਰਲ ਲੋੜਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ।

ਦੇ ਆਰਕੀਟੈਕਚਰ ਦਾ ਵੇਰਵਾ BI ਸੰਸਥਾ

ਸ਼ਕਤੀਸ਼ਾਲੀ ਟ੍ਰਾਂਜੈਕਸ਼ਨ-ਅਧਾਰਿਤ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਹੁਣ ਹਰ ਵੱਡੇ ਉੱਦਮ ਵਿੱਚ ਦਿਨ ਦਾ ਕ੍ਰਮ ਹੈ, ਵਿਸ਼ਵ ਭਰ ਦੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਖੇਡ ਦੇ ਖੇਤਰ ਨੂੰ ਪੱਧਰਾ ਕਰ ਰਿਹਾ ਹੈ।

ਹਾਲਾਂਕਿ, ਪ੍ਰਤੀਯੋਗੀ ਬਣੇ ਰਹਿਣ ਲਈ, ਹੁਣ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਤੌਰ 'ਤੇ ਅਧਾਰਤ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਲੋੜ ਹੈ ਜੋ ਕੰਪਨੀ ਦੀ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਜਾਣਕਾਰੀ ਨੂੰ ਮੁੜ ਖੋਜਣ ਅਤੇ ਵਰਤਣ ਦੀ ਸਮਰੱਥਾ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆ ਸਕਦੀ ਹੈ। ਇਹ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਅਮੀਰੀ ਨੂੰ ਸਮਝਣ ਤੋਂ ਪ੍ਰਾਪਤ ਹੁੰਦੀਆਂ ਹਨ dati ਉਪਲੱਬਧ. BI ਪੂਰੇ ਉੱਦਮ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਗਾਹਕ-ਸਪਲਾਇਰ ਸਬੰਧਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਉਤਪਾਦਾਂ ਅਤੇ ਸੇਵਾਵਾਂ ਦੀ ਮੁਨਾਫ਼ੇ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਨਵੀਆਂ ਅਤੇ ਬਿਹਤਰ ਪੇਸ਼ਕਸ਼ਾਂ ਪੈਦਾ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਜੋਖਮ ਨੂੰ ਕੰਟਰੋਲ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੇ ਲਾਭਾਂ ਵਿੱਚ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਖਰਚਿਆਂ ਵਿੱਚ ਕਟੌਤੀ ਕਰ ਸਕਦੀਆਂ ਹਨ। BI ਦੇ ਨਾਲ ਤੁਹਾਡੀ ਕੰਪਨੀ ਅੰਤ ਵਿੱਚ ਗਾਹਕ ਜਾਣਕਾਰੀ ਨੂੰ ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਸੰਪੱਤੀ ਦੇ ਰੂਪ ਵਿੱਚ ਵਰਤਣਾ ਸ਼ੁਰੂ ਕਰਦੀ ਹੈ, ਉਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਧੰਨਵਾਦ ਜਿਹਨਾਂ ਦੇ ਮਾਰਕੀਟ ਉਦੇਸ਼ ਹਨ।

ਸਹੀ ਕਾਰੋਬਾਰੀ ਟੂਲ ਹੋਣ ਦਾ ਮਤਲਬ ਹੈ ਮੁੱਖ ਸਵਾਲਾਂ ਦੇ ਨਿਸ਼ਚਿਤ ਜਵਾਬ ਜਿਵੇਂ ਕਿ:

• ▪ ਸਾਡੇ ਵਿੱਚੋਂ ਕਿਹੜਾ ਗਾਹਕ ਕੀ ਉਹ ਸਾਨੂੰ ਹੋਰ ਕਮਾਈ ਕਰਦੇ ਹਨ, ਜਾਂ ਕੀ ਉਹ ਸਾਨੂੰ ਪੈਸਾ ਗੁਆਉਂਦੇ ਹਨ?
• ▪ ਜਿੱਥੇ ਸਾਡਾ ਸਭ ਤੋਂ ਵਧੀਆ ਰਹਿੰਦਾ ਹੈ ਗਾਹਕ ਦੇ ਸਬੰਧ ਵਿੱਚ ਦੁਕਾਨ/ ਵੇਅਰਹਾਊਸ ਕਿ ਉਹ ਅਕਸਰ?
• ▪ ਸਾਡੇ ਕਿਹੜੇ ਉਤਪਾਦ ਅਤੇ ਸੇਵਾਵਾਂ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਅਤੇ ਕਿਸ ਨੂੰ ਵੇਚੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ?
• ▪ ਕਿਹੜੇ ਉਤਪਾਦ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਅਤੇ ਕਿਸ ਨੂੰ ਵੇਚੇ ਜਾ ਸਕਦੇ ਹਨ?
• ▪ ਕਿਹੜੀ ਵਿਕਰੀ ਮੁਹਿੰਮ ਵਧੇਰੇ ਸਫਲ ਹੈ ਅਤੇ ਕਿਉਂ?
• ▪ ਕਿਹੜੇ ਉਤਪਾਦਾਂ ਲਈ ਵਿਕਰੀ ਚੈਨਲ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਨ?
• ▪ ਅਸੀਂ ਆਪਣੇ ਸਭ ਤੋਂ ਵਧੀਆ ਲੋਕਾਂ ਨਾਲ ਰਿਸ਼ਤੇ ਕਿਵੇਂ ਸੁਧਾਰ ਸਕਦੇ ਹਾਂ ਗਾਹਕ? ਜ਼ਿਆਦਾਤਰ ਕੰਪਨੀਆਂ ਕੋਲ ਹੈ dati ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਮੋਟਾ.
  ਸੰਚਾਲਨ ਪ੍ਰਣਾਲੀਆਂ ਉਤਪਾਦ, ਗਾਹਕ ਅਤੇ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ dati ਵਿਕਰੀ ਦੇ ਬਿੰਦੂਆਂ, ਰਿਜ਼ਰਵੇਸ਼ਨਾਂ, ਗਾਹਕ ਸੇਵਾ ਅਤੇ ਤਕਨੀਕੀ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਮਾਰਕੀਟ. ਚੁਣੌਤੀ ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨਾ ਅਤੇ ਇਸਦਾ ਸ਼ੋਸ਼ਣ ਕਰਨਾ ਹੈ। ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਆਪਣੇ ਛੋਟੇ ਹਿੱਸੇ ਤੋਂ ਹੀ ਮੁਨਾਫਾ ਕਰਦੀਆਂ ਹਨ dati ਰਣਨੀਤਕ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ.
  I dati ਬਾਕੀ, ਅਕਸਰ i ਨਾਲ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ dati ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ ਜਿਵੇਂ ਕਿ ਸਰਕਾਰੀ ਰਿਪੋਰਟਾਂ, ਅਤੇ ਹੋਰ ਖਰੀਦੀ ਗਈ ਜਾਣਕਾਰੀ, ਇੱਕ ਸੋਨੇ ਦੀ ਖਾਨ ਹੈ ਜੋ ਸਿਰਫ਼ ਖੋਜੇ ਜਾਣ ਦੀ ਉਡੀਕ ਕਰ ਰਹੀ ਹੈ, ਅਤੇ dati ਉਹਨਾਂ ਨੂੰ ਸਿਰਫ਼ ਤੁਹਾਡੀ ਸੰਸਥਾ ਦੇ ਜਾਣਕਾਰੀ ਸੰਦਰਭ ਵਿੱਚ ਸੁਧਾਰੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ।

ਇਸ ਗਿਆਨ ਨੂੰ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਇੱਕ ਸਮੁੱਚੀ ਕਾਰਪੋਰੇਟ ਰਣਨੀਤੀ ਤਿਆਰ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਸਪਲਾਇਰਾਂ ਨਾਲ ਨਿੱਜੀ ਸੰਚਾਰ ਤੱਕ, ਕਾਲ ਸੈਂਟਰਾਂ ਰਾਹੀਂ, ਇਨਵੌਇਸਿੰਗ, ਇੰਟਰਨੈੱਟ ' ਅਤੇ ਹੋਰ ਬਿੰਦੂ. ਅੱਜ ਦਾ ਕਾਰੋਬਾਰੀ ਮਾਹੌਲ ਇਹ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ DW ਅਤੇ ਸੰਬੰਧਿਤ BI ਹੱਲ ਰਵਾਇਤੀ ਵਪਾਰਕ ਢਾਂਚੇ ਨੂੰ ਚਲਾਉਣ ਤੋਂ ਪਰੇ ਵਿਕਸਤ ਹੁੰਦੇ ਹਨ। dati ਜੋ ਕਿ ਆਈ dati ਪਰਮਾਣੂ ਪੱਧਰ ਅਤੇ "ਸਟਾਰ/ਕਿਊਬ ਫਾਰਮਾਂ" 'ਤੇ ਸਧਾਰਣ ਕੀਤਾ ਗਿਆ।

ਇੱਕ ਵਿਸ਼ਾਲ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਲੈਂਡਸਕੇਪ ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਪ੍ਰਤੀਯੋਗੀ ਬਣੇ ਰਹਿਣ ਲਈ ਰਵਾਇਤੀ ਅਤੇ ਉੱਨਤ ਤਕਨਾਲੋਜੀਆਂ ਦਾ ਸੰਯੋਜਨ ਹੈ।
ਸਿੱਟਾ ਕੱਢਣ ਲਈ, ਆਮ ਵਾਤਾਵਰਣ ਨੂੰ ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਕੰਪਨੀ ਦੇ ਗਿਆਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ, ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਨਾ ਕਿ ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਕੀਤੀਆਂ ਗਈਆਂ ਕਾਰਵਾਈਆਂ ਲਾਭਦਾਇਕ ਹਨ ਤਾਂ ਜੋ ਹਰ ਕੋਈ ਲਾਭ ਲੈ ਸਕੇ।

ਉਦਾਹਰਨ ਲਈ, ਮੰਨ ਲਓ ਕਿ ਤੁਸੀਂ ਆਪਣਾ ਵਰਗੀਕਰਨ ਕਰੋ ਗਾਹਕ ਉੱਚ ਜਾਂ ਘੱਟ ਜੋਖਮ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ.
ਜੇਕਰ ਇਹ ਜਾਣਕਾਰੀ ਇੱਕ ਮਾਡਲ ਐਕਸਟਰੈਕਟਰ ਜਾਂ ਹੋਰ ਸਾਧਨਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਸਨੂੰ DW ਵਿੱਚ ਪਾ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਐਕਸੈਸ ਟੂਲ, ਜਿਵੇਂ ਕਿ ਸਥਿਰ ਰਿਪੋਰਟਾਂ, ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ, ਟੇਬਲਾਂ, ਜਾਂ ਔਨਲਾਈਨ ਐਨਾਲਿਟੀਕਲ ਪ੍ਰੋਸੈਸਿੰਗ (OLAP) ਦੁਆਰਾ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਪਹੁੰਚਯੋਗ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। .

ਹਾਲਾਂਕਿ, ਵਰਤਮਾਨ ਵਿੱਚ, ਇਸ ਕਿਸਮ ਦੀ ਜ਼ਿਆਦਾਤਰ ਜਾਣਕਾਰੀ ਸਿਲੋਜ਼ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ dati ਵਿਸ਼ਲੇਸ਼ਣ ਤਿਆਰ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀਆਂ ਜਾਂ ਵਿਭਾਗਾਂ ਦਾ। ਸੰਸਥਾ, ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ, ਸਮਝ ਲਈ ਬਹੁਤ ਘੱਟ ਜਾਂ ਕੋਈ ਦਿੱਖ ਨਹੀਂ ਹੈ। ਸਿਰਫ਼ ਇਸ ਕਿਸਮ ਦੀ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਆਪਣੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ DW ਵਿੱਚ ਮਿਲਾ ਕੇ ਤੁਸੀਂ ਜਾਣਕਾਰੀ ਦੇ ਸਿਲੋਜ਼ ਨੂੰ ਖਤਮ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਆਪਣੇ DW ਵਾਤਾਵਰਣ ਨੂੰ ਉੱਚਾ ਕਰ ਸਕਦੇ ਹੋ।
ਇੱਕ BI ਸੰਸਥਾ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਦੋ ਵੱਡੀਆਂ ਰੁਕਾਵਟਾਂ ਹਨ।
ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਸਾਡੇ ਕੋਲ ਸੰਗਠਨ ਅਤੇ ਇਸਦੇ ਅਨੁਸ਼ਾਸਨ ਦੀ ਸਮੱਸਿਆ ਹੈ.
ਹਾਲਾਂਕਿ ਅਸੀਂ ਸੰਗਠਨਾਤਮਕ ਨੀਤੀ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਵਿੱਚ ਮਦਦ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਾਂ, ਅਸੀਂ ਇੱਕ ਸੰਗਠਨ ਦੇ BI ਦੇ ਭਾਗਾਂ, ਇਸਦੇ ਢਾਂਚੇ, ਅਤੇ IBM ਤਕਨਾਲੋਜੀ ਇਸਦੇ ਵਿਕਾਸ ਨੂੰ ਕਿਵੇਂ ਸੁਵਿਧਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਾਂ।
ਦੂਰ ਕਰਨ ਲਈ ਦੂਜੀ ਰੁਕਾਵਟ ਏਕੀਕ੍ਰਿਤ ਤਕਨਾਲੋਜੀ ਅਤੇ ਇੱਕ ਵਿਧੀ ਦੇ ਗਿਆਨ ਦੀ ਘਾਟ ਹੈ ਜੋ ਸਿਰਫ਼ ਇੱਕ ਛੋਟੇ ਹਿੱਸੇ ਦੇ ਉਲਟ ਪੂਰੀ BI ਸਪੇਸ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੀ ਹੈ।

IBM ਏਕੀਕਰਣ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਬਦਲਾਅ ਦੇ ਨਾਲ ਪਕੜ ਵਿੱਚ ਆ ਰਿਹਾ ਹੈ. ਵਿਚਾਰਸ਼ੀਲ ਡਿਜ਼ਾਈਨ ਪ੍ਰਦਾਨ ਕਰਨਾ ਤੁਹਾਡੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ। ਇਸ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਬੇਰੋਕ ਏਕੀਕਰਣ ਲਈ ਚੁਣੀ ਗਈ ਤਕਨਾਲੋਜੀ ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਾਂ ਘੱਟੋ ਘੱਟ, ਓਪਨ ਮਿਆਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਵਾਲੀ ਤਕਨਾਲੋਜੀ ਨਾਲ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਹਾਡੀ ਕੰਪਨੀ ਪ੍ਰਬੰਧਨ ਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ BI ਅੰਡਰਟੇਕਿੰਗ ਯੋਜਨਾ ਦੇ ਅਨੁਸਾਰ ਕੀਤੀ ਗਈ ਹੈ ਅਤੇ ਸਵੈ-ਸੇਵਾ ਕਰਨ ਵਾਲੇ ਏਜੰਡੇ, ਜਾਂ ਉਦੇਸ਼ਾਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਸੂਚਨਾ ਸਿਲੋਜ਼ ਦੇ ਵਿਕਾਸ ਦੀ ਇਜਾਜ਼ਤ ਨਹੀਂ ਦਿੱਤੀ ਗਈ ਹੈ।
ਇਹ ਕਹਿਣ ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ BI ਵਾਤਾਵਰਣ ਵੱਖ-ਵੱਖ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਲੋੜਾਂ ਅਤੇ ਲੋੜਾਂ ਪ੍ਰਤੀ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਨ ਲਈ ਸੰਵੇਦਨਸ਼ੀਲ ਨਹੀਂ ਹੈ; ਇਸਦੀ ਬਜਾਏ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਹਨਾਂ ਵਿਅਕਤੀਗਤ ਲੋੜਾਂ ਅਤੇ ਲੋੜਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਪੂਰੀ BI ਸੰਸਥਾ ਦੇ ਫਾਇਦੇ ਲਈ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
BI ਸੰਸਥਾ ਦੇ ਆਰਕੀਟੈਕਚਰ ਦਾ ਵੇਰਵਾ ਚਿੱਤਰ 9 ਵਿੱਚ ਪੰਨਾ 1.1 'ਤੇ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਆਰਕੀਟੈਕਚਰ ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨੀਕਾਂ ਦੇ ਇੱਕ ਅਮੀਰ ਮਿਸ਼ਰਣ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਪਰੰਪਰਾਗਤ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਵੇਅਰਹਾਊਸ ਦੇ ਹਿੱਸੇ ਸ਼ਾਮਲ ਹਨ

ਪਰਮਾਣੂ ਪਰਤ.

ਇਹ ਬੁਨਿਆਦ ਹੈ, ਪੂਰੇ DW ਦਾ ਦਿਲ ਹੈ ਅਤੇ ਇਸਲਈ ਰਣਨੀਤਕ ਰਿਪੋਰਟਿੰਗ ਦਾ.
I dati ਇੱਥੇ ਸਟੋਰ ਕੀਤੀ ਇਤਿਹਾਸਕ ਅਖੰਡਤਾ, ਦੇ ਸਬੰਧਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖੇਗਾ dati ਅਤੇ ਮਾਡਲ ਐਕਸਟਰੈਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਾਫ਼, ਏਕੀਕ੍ਰਿਤ ਅਤੇ ਸਟੋਰ ਕੀਤੇ ਜਾਣ ਦੇ ਨਾਲ-ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤੀ ਮੈਟ੍ਰਿਕਸ ਸ਼ਾਮਲ ਕਰੋ।
ਇਹਨਾਂ ਦੇ ਬਾਅਦ ਦੇ ਸਾਰੇ ਉਪਯੋਗ dati ਅਤੇ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਇਸ ਢਾਂਚੇ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਹੈ। ਇਹ ਮਾਈਨਿੰਗ ਲਈ ਇੱਕ ਵਧੀਆ ਸਰੋਤ ਹੈ dati ਅਤੇ ਢਾਂਚਾਗਤ SQL ਸਵਾਲਾਂ ਵਾਲੀਆਂ ਰਿਪੋਰਟਾਂ ਲਈ

ਦਾ ਸੰਚਾਲਨ ਡਿਪੂ dati ਜਾਂ 'ਤੇ ਆਧਾਰਿਤ ਰਿਪੋਰਟ dati(ਆਪਰੇਸ਼ਨਲ ਡਾਟਾ ਸਟੋਰ (ODS) ਜਾਂ ਰਿਪੋਰਟਿੰਗ ਡਾਟਾਬੇਸ.)

ਇਹ ਦੀ ਇੱਕ ਬਣਤਰ ਹੈ dati ਖਾਸ ਤੌਰ 'ਤੇ ਤਕਨੀਕੀ ਰਿਪੋਰਟਿੰਗ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।

I dati ਇਹਨਾਂ ਢਾਂਚਿਆਂ ਦੇ ਉੱਪਰ ਸਟੋਰ ਕੀਤੇ ਅਤੇ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਅੰਤ ਵਿੱਚ ਸਟੇਜਿੰਗ ਖੇਤਰ ਰਾਹੀਂ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਪ੍ਰਸਾਰਿਤ ਹੋ ਸਕਦੇ ਹਨ, ਜਿੱਥੇ ਇਸਨੂੰ ਰਣਨੀਤਕ ਸੰਕੇਤ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਸਟੇਜਿੰਗ ਖੇਤਰ.

ਜ਼ਿਆਦਾਤਰ ਲਈ ਪਹਿਲਾ ਸਟਾਪ dati ਵੇਅਰਹਾਊਸ ਵਾਤਾਵਰਣ ਲਈ ਇਰਾਦਾ ਸੰਗਠਨ ਜ਼ੋਨ ਹੈ.
ਇੱਥੇ ਆਈ dati ਉਹਨਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ, ਸਾਫ਼ ਅਤੇ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ dati ਮੁਨਾਫੇ ਜੋ ਵੇਅਰਹਾਊਸ ਢਾਂਚੇ ਨੂੰ ਭਰਨਗੇ

ਡਾਟਾ ਮਾਰਟਸ.

ਆਰਕੀਟੈਕਚਰ ਦਾ ਇਹ ਹਿੱਸਾ ਦੀ ਬਣਤਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ dati ਖਾਸ ਤੌਰ 'ਤੇ OLAP ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਡੇਟਾਮਾਰਟ ਦੀ ਮੌਜੂਦਗੀ, ਜੇਕਰ ਆਈ dati ਓਵਰਲੈਪਿੰਗ ਸਟਾਰ ਸਕੀਮਾਂ ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ dati ਇੱਕ ਰਿਲੇਸ਼ਨਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਹੁ-ਆਯਾਮੀ, ਜਾਂ ਦੀਆਂ ਫਾਈਲਾਂ ਵਿੱਚ dati ਖਾਸ OLAP ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਵਰਤੀ ਗਈ ਗੁਪਤ, ਜਿਵੇਂ ਕਿ DB2 OLAP ਸਰਵਰ, ਢੁਕਵੀਂ ਨਹੀਂ ਹੈ।

ਸਿਰਫ ਰੁਕਾਵਟ ਇਹ ਹੈ ਕਿ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਦੀ ਸਹੂਲਤ ਦਿੰਦੀ ਹੈ dati ਬਹੁ-ਆਯਾਮੀ।
ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਨਾਜ਼ੁਕ ਦੋ ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨੀਕਾਂ ਵੀ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਇਸ ਤਰ੍ਹਾਂ ਹਨ:

ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ

ਸਪੇਸ ਵਿਸ਼ਲੇਸ਼ਕ ਲਈ ਇੱਕ ਜਾਣਕਾਰੀ ਹੈ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਸਪੇਸ ਉਹਨਾਂ ਲੋਕਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਸਥਾਨ 'ਤੇ ਰਹਿੰਦੇ ਹਨ, ਨਾਲ ਹੀ ਇਸ ਬਾਰੇ ਜਾਣਕਾਰੀ ਕਿ ਉਹ ਸਥਾਨ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਬਾਕੀ ਸੰਸਾਰ ਦੇ ਸਬੰਧ ਵਿੱਚ ਕਿੱਥੇ ਹੈ।

ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਆਪਣੀ ਜਾਣਕਾਰੀ ਨੂੰ ਅਕਸ਼ਾਂਸ਼ ਅਤੇ ਲੰਬਕਾਰ ਕੋਆਰਡੀਨੇਟਸ ਨਾਲ ਜੋੜ ਕੇ ਸ਼ੁਰੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਨੂੰ "ਜੀਓਕੋਡਿੰਗ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਹ ਤੁਹਾਡੇ ਵੇਅਰਹਾਊਸ ਦੇ ਪਰਮਾਣੂ ਪੱਧਰ 'ਤੇ ਐਬਸਟਰੈਕਟ, ਟ੍ਰਾਂਸਫਾਰਮ, ਅਤੇ ਲੋਡ (ETL) ਪ੍ਰਕਿਰਿਆ ਦਾ ਹਿੱਸਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਡਾਟਾ ਮਾਈਨਿੰਗ.

ਦੇ ਕੱਢਣ dati ਸਾਡੀਆਂ ਕੰਪਨੀਆਂ ਦੀ ਗਿਣਤੀ ਵਧਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਗਾਹਕ, ਵਿਕਰੀ ਦੇ ਰੁਝਾਨਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਅਤੇ ਨਾਲ ਸਬੰਧਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਲਈ ਗਾਹਕ (CRM), ਹੋਰ BI ਪਹਿਲਕਦਮੀਆਂ ਦੇ ਵਿਚਕਾਰ।

ਦੇ ਕੱਢਣ dati ਇਸ ਲਈ ਇਸ ਨੂੰ ਦੇ ਢਾਂਚੇ ਨਾਲ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati Dwhouse ਦਾ ਅਤੇ ਵੇਅਰਹਾਊਸ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੁਆਰਾ ਸਮਰਥਿਤ ਹੈ ਤਾਂ ਜੋ ਸੰਬੰਧਿਤ ਤਕਨਾਲੋਜੀ ਅਤੇ ਤਕਨੀਕਾਂ ਦੀ ਪ੍ਰਭਾਵੀ ਅਤੇ ਕੁਸ਼ਲ ਵਰਤੋਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ।

ਜਿਵੇਂ ਕਿ BI ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ, ਡੁਹਾਊਸ ਦਾ ਪਰਮਾਣੂ ਪੱਧਰ, ਅਤੇ ਨਾਲ ਹੀ ਡੇਟਾਮਾਰਟਸ, ਦਾ ਇੱਕ ਸ਼ਾਨਦਾਰ ਸਰੋਤ ਹੈ dati ਕੱਢਣ ਲਈ. ਉਹੀ ਸਹੂਲਤਾਂ ਵਿਆਪਕ ਦਰਸ਼ਕਾਂ ਲਈ ਉਪਲਬਧਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਐਕਸਟਰੈਕਸ਼ਨ ਨਤੀਜਿਆਂ ਦੇ ਪ੍ਰਾਪਤਕਰਤਾ ਵੀ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ।

ਏਜੰਟ.

ਹਰ ਬਿੰਦੂ ਲਈ ਗਾਹਕ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਵੱਖ-ਵੱਖ "ਏਜੰਟ" ਹਨ ਜਿਵੇਂ ਕਿ, ਕੰਪਨੀ ਦੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਅਤੇ ਖੁਦ dw। ਇਹ ਏਜੰਟ ਅਡਵਾਂਸਡ ਨਿਊਰਲ ਨੈਟਵਰਕ ਹੋ ਸਕਦੇ ਹਨ ਜੋ ਹਰੇਕ ਬਿੰਦੂ 'ਤੇ ਰੁਝਾਨਾਂ ਬਾਰੇ ਸਿੱਖਣ ਲਈ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਵਿਕਰੀ ਪ੍ਰੋਮੋਸ਼ਨਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਭਵਿੱਖ ਦੀ ਉਤਪਾਦ ਦੀ ਮੰਗ, ਨਿਯਮ-ਅਧਾਰਿਤ ਇੰਜਣਾਂ ਨੂੰ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਨ ਲਈ ਡੈਟੋ ਹਾਲਾਤਾਂ ਦਾ ਸਮੂਹ, ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਧਾਰਨ ਏਜੰਟ ਜੋ "ਸਿਖਰ ਅਧਿਕਾਰੀਆਂ" ਨੂੰ ਅਪਵਾਦਾਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ। ਇਹ ਪ੍ਰਕਿਰਿਆਵਾਂ ਆਮ ਤੌਰ 'ਤੇ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਵਾਪਰਦੀਆਂ ਹਨ ਅਤੇ, ਇਸਲਈ, ਉਹਨਾਂ ਦੀ ਗਤੀ ਦੇ ਨਾਲ ਨੇੜਿਓਂ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati. ਦੇ ਇਹ ਸਾਰੇ ਢਾਂਚੇ dati, ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨੀਕਾਂ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੀਆਂ ਹਨ ਕਿ ਤੁਸੀਂ ਆਪਣੀ BI ਦੀ ਇੱਕ ਸੰਸਥਾ ਬਣਾਉਣ ਲਈ ਰਾਤ ਨਹੀਂ ਬਿਤਾਓਗੇ।

ਇਸ ਗਤੀਵਿਧੀ ਨੂੰ ਛੋਟੇ ਬਿੰਦੂਆਂ ਲਈ, ਵਾਧੇ ਵਾਲੇ ਕਦਮਾਂ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤਾ ਜਾਵੇਗਾ।
ਹਰ ਕਦਮ ਇੱਕ ਸੁਤੰਤਰ ਪ੍ਰੋਜੈਕਟ ਯਤਨ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਤੁਹਾਡੀ DW ਜਾਂ BI ਪਹਿਲਕਦਮੀ ਵਿੱਚ ਇੱਕ ਦੁਹਰਾਓ ਵਜੋਂ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਦੁਹਰਾਓ ਵਿੱਚ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ, ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨਾ, ਨਵੇਂ ਢਾਂਚੇ ਨੂੰ ਜੋੜਨਾ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ dati , ਲੋਡਿੰਗ i dati ਵਾਧੂ, ਜਾਂ ਤੁਹਾਡੇ ਵਾਤਾਵਰਣ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਵਿਸਥਾਰ ਨਾਲ। ਇਸ ਪੈਰੇ ਦੀ ਅਧਿਆਇ 3 ਵਿੱਚ ਹੋਰ ਡੂੰਘਾਈ ਨਾਲ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ।

ਰਵਾਇਤੀ DW ਢਾਂਚਿਆਂ ਅਤੇ BI ਟੂਲਸ ਤੋਂ ਇਲਾਵਾ ਤੁਹਾਡੀ BI ਸੰਸਥਾ ਦੇ ਹੋਰ ਫੰਕਸ਼ਨ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਤੁਹਾਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਜਿਵੇਂ ਕਿ:

ਗਾਹਕ ਟੱਚ ਪੁਆਇੰਟ (ਗਾਹਕ ਟੱਚ ਅੰਕ).

ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਵੀ ਆਧੁਨਿਕ ਸੰਸਥਾ ਦੇ ਨਾਲ, ਇੱਥੇ ਬਹੁਤ ਸਾਰੇ ਗਾਹਕ ਟੱਚਪੁਆਇੰਟ ਹਨ ਜੋ ਇਹ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਤੁਹਾਡੇ ਲਈ ਸਕਾਰਾਤਮਕ ਅਨੁਭਵ ਕਿਵੇਂ ਹੋਣਾ ਹੈ ਗਾਹਕ. ਇੱਥੇ ਰਿਟੇਲਰ, ਸਵਿਚਬੋਰਡ ਓਪਰੇਟਰ, ਡਾਇਰੈਕਟ ਮੇਲ, ਮਲਟੀਮੀਡੀਆ ਅਤੇ ਪ੍ਰਿੰਟ ਵਿਗਿਆਪਨ ਦੇ ਨਾਲ-ਨਾਲ ਹੋਰ ਮੌਜੂਦਾ ਚੈਨਲ ਜਿਵੇਂ ਕਿ ਈਮੇਲ ਅਤੇ ਵੈਬ, dati ਸੰਪਰਕ ਦੇ ਕੁਝ ਬਿੰਦੂ ਵਾਲੇ ਉਤਪਾਦਾਂ ਨੂੰ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਟ੍ਰਾਂਸਪੋਰਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਸਾਫ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਫਿਰ ਸੁਵਿਧਾਵਾਂ 'ਤੇ ਆਬਾਦ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati BI ਦੇ.

ਦੀਆਂ ਮੂਲ ਗੱਲਾਂ dati ਸੰਚਾਲਨ ਅਤੇ ਉਪਭੋਗਤਾ ਐਸੋਸੀਏਸ਼ਨਾਂ (ਸੰਚਾਲਨ

ਡਾਟਾਬੇਸ ਅਤੇ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰੇ)।
ਦੇ ਸੰਪਰਕ ਬਿੰਦੂਆਂ ਦੇ ਅੰਤ ਵਿੱਚ ਗਾਹਕ ਦੀ ਨੀਂਹ ਪਾਈ ਜਾਂਦੀ ਹੈ dati ਕੰਪਨੀ ਦੀ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰਿਆਂ ਦਾ। ਦ dati ਮੌਜੂਦ ਹਨ dati ਪਰੰਪਰਾਗਤ ਜਿਸਨੂੰ ਇਕੱਠੇ ਲਿਆਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਨਾਲ ਮਿਲਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati ਜੋ ਕਿ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਸੰਤੁਸ਼ਟ ਕਰਨ ਲਈ ਸੰਪਰਕ ਬਿੰਦੂਆਂ ਤੋਂ ਵਹਿੰਦਾ ਹੈ।

ਵਿਸ਼ਲੇਸ਼ਕ. (ਵਿਸ਼ਲੇਸ਼ਕ)

BI ਵਾਤਾਵਰਣ ਦਾ ਪ੍ਰਾਇਮਰੀ ਲਾਭਪਾਤਰੀ ਵਿਸ਼ਲੇਸ਼ਕ ਹੈ। ਇਹ ਉਹ ਹੈ ਜੋ ਦੇ ਮੌਜੂਦਾ ਕੱਢਣ ਤੋਂ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ dati ਕਾਰਜਸ਼ੀਲ, ਦੇ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਨਾਲ ਏਕੀਕ੍ਰਿਤ dati , ਭੂਗੋਲਿਕ ਵਿਸ਼ਲੇਸ਼ਣ (ਜੀਓਕੋਡਿੰਗ) ਵਰਗੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਵਧਾਇਆ ਗਿਆ ਹੈ ਅਤੇ BI ਤਕਨੀਕਾਂ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਐਕਸਟਰੈਕਸ਼ਨ, OLAP, ਉੱਨਤ SQL ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਭੂਗੋਲਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਰਿਪੋਰਟਿੰਗ ਵਾਤਾਵਰਨ ਲਈ ਪ੍ਰਾਇਮਰੀ ਐਨਾਲਿਸਟ ਇੰਟਰਫੇਸ BI ਪੋਰਟਲ ਹੈ।

ਹਾਲਾਂਕਿ, ਵਿਸ਼ਲੇਸ਼ਕ ਸਿਰਫ ਉਹ ਨਹੀਂ ਹੈ ਜੋ BI ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।
ਪ੍ਰਬੰਧਕ, ਵੱਡੀਆਂ ਉਪਭੋਗਤਾ ਐਸੋਸੀਏਸ਼ਨਾਂ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਮੈਂਬਰ, ਸਪਲਾਇਰ ਅਤੇ ਗਾਹਕ ਉਹਨਾਂ ਨੂੰ ਐਂਟਰਪ੍ਰਾਈਜ਼ BI ਵਿੱਚ ਲਾਭ ਲੱਭਣੇ ਚਾਹੀਦੇ ਹਨ।

ਬੈਕ-ਫੀਡ ਲੂਪ।

BI ਆਰਕੀਟੈਕਚਰ ਇੱਕ ਸਿੱਖਣ ਦਾ ਮਾਹੌਲ ਹੈ। ਵਿਕਾਸ ਦਾ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਸਿਧਾਂਤ ਦੇ ਨਿਰੰਤਰ ਢਾਂਚੇ ਦੀ ਆਗਿਆ ਦੇਣਾ ਹੈ dati ਵਰਤੀ ਗਈ BI ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਅਤੇ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਕੀਤੀਆਂ ਗਈਆਂ ਕਾਰਵਾਈਆਂ ਦੁਆਰਾ ਅੱਪਡੇਟ ਕਰਨ ਲਈ। ਇੱਕ ਉਦਾਹਰਨ ਗਾਹਕ ਸਕੋਰਿੰਗ ਹੈ.

ਜੇਕਰ ਵਿਕਰੀ ਵਿਭਾਗ ਨਵੀਂ ਸੇਵਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਗਾਹਕ ਸਕੋਰਾਂ ਦਾ ਮਾਡਲ ਬਣਾਉਂਦਾ ਹੈ, ਤਾਂ ਵਿਕਰੀ ਵਿਭਾਗ ਨੂੰ ਸੇਵਾ ਤੋਂ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲਾ ਇਕੱਲਾ ਸਮੂਹ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇਸ ਦੀ ਬਜਾਏ, ਮਾਡਲ ਕੱਢਣ ਨੂੰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਦੇ ਅੰਦਰ ਡੇਟਾ ਪ੍ਰਵਾਹ ਦੇ ਇੱਕ ਕੁਦਰਤੀ ਹਿੱਸੇ ਵਜੋਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਗਾਹਕ ਸਕੋਰ ਵੇਅਰਹਾਊਸ ਜਾਣਕਾਰੀ ਸੰਦਰਭ ਦਾ ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਹਿੱਸਾ ਬਣਨਾ ਚਾਹੀਦਾ ਹੈ, ਜੋ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। DB2 UDB, DB2 OLAP ਸਰਵਰ ਸਮੇਤ Bi-bi-ਕੇਂਦ੍ਰਿਤ IBM ਸੂਟ ਵਿੱਚ ਚਿੱਤਰ 1.1 ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੇ ਗਏ ਜ਼ਿਆਦਾਤਰ ਪ੍ਰਮੁੱਖ ਤਕਨਾਲੋਜੀ ਭਾਗ ਸ਼ਾਮਲ ਹਨ।

ਅਸੀਂ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਜਿਵੇਂ ਕਿ ਇਹ ਕਿਤਾਬ ਦੇ ਇਸ ਚਿੱਤਰ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਸਾਨੂੰ ਨਿਰੰਤਰਤਾ ਦਾ ਪੱਧਰ ਦੇਣ ਅਤੇ ਇਹ ਦਰਸਾਉਣ ਲਈ ਕਿ ਹਰੇਕ IBM ਉਤਪਾਦ ਸਮੁੱਚੀ BI ਸਕੀਮ ਵਿੱਚ ਕਿਵੇਂ ਫਿੱਟ ਹੁੰਦਾ ਹੈ।

ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਪ੍ਰਦਾਨ ਕਰਨਾ (ਪ੍ਰਦਾਨ ਕਰਨਾ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ)

ਤੁਹਾਡੇ BI ਵਾਤਾਵਰਣ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਵਿਕਸਿਤ ਕਰਨਾ ਅਤੇ ਲਾਗੂ ਕਰਨਾ ਇੱਕ ਮੁਸ਼ਕਲ ਕੰਮ ਹੈ। ਡਿਜ਼ਾਇਨ ਨੂੰ ਮੌਜੂਦਾ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਵਪਾਰਕ ਲੋੜਾਂ ਦੋਵਾਂ ਨੂੰ ਗਲੇ ਲਗਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਡਿਜ਼ਾਈਨ ਪੜਾਅ ਦੌਰਾਨ ਪਾਏ ਗਏ ਸਾਰੇ ਸਿੱਟਿਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਆਰਕੀਟੈਕਚਰਲ ਡਰਾਇੰਗ ਪੂਰੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਨੂੰ ਇੱਕ ਉਦੇਸ਼ ਲਈ ਵਚਨਬੱਧ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ: BI ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਜਿਵੇਂ ਕਿ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਰਸਮੀ ਤੌਰ 'ਤੇ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਵਪਾਰਕ ਲੋੜਾਂ ਦੇ ਆਧਾਰ 'ਤੇ।

ਇਹ ਦਲੀਲ ਦੇਣਾ ਖਾਸ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੈ ਕਿ ਅਨੁਸ਼ਾਸਨ ਸਾਪੇਖਿਕ ਸਫਲਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਏਗਾ।
ਇਹ ਸਧਾਰਨ ਹੈ ਕਿਉਂਕਿ ਤੁਸੀਂ ਇੱਕ ਵਾਰ ਵਿੱਚ ਇੱਕ BI ਵਾਤਾਵਰਣ ਵਿਕਸਿਤ ਨਹੀਂ ਕਰਦੇ ਹੋ, ਪਰ ਤੁਸੀਂ ਸਮੇਂ ਦੇ ਨਾਲ ਇਸਨੂੰ ਛੋਟੇ ਕਦਮਾਂ ਵਿੱਚ ਕਰਦੇ ਹੋ।

ਹਾਲਾਂਕਿ, ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਦੇ BI ਭਾਗਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਦੋ ਕਾਰਨਾਂ ਕਰਕੇ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਤੁਸੀਂ ਬਾਅਦ ਦੇ ਸਾਰੇ ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ ਫੈਸਲਿਆਂ ਦੀ ਅਗਵਾਈ ਕਰੋਗੇ।
ਤੁਸੀਂ ਸਚੇਤ ਤੌਰ 'ਤੇ ਤਕਨਾਲੋਜੀ ਦੀ ਇੱਕ ਖਾਸ ਵਰਤੋਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋਵੋਗੇ ਭਾਵੇਂ ਕਿ ਤੁਹਾਨੂੰ ਕਈ ਮਹੀਨਿਆਂ ਤੱਕ ਤਕਨਾਲੋਜੀ ਦੀ ਲੋੜ ਨੂੰ ਦੁਹਰਾਉਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।

ਤੁਹਾਡੀਆਂ ਕਾਰੋਬਾਰੀ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਣਾ ਤੁਹਾਡੇ ਦੁਆਰਾ ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਲਈ ਪ੍ਰਾਪਤ ਕੀਤੇ ਉਤਪਾਦਾਂ ਦੀ ਕਿਸਮ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰੇਗਾ।
ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਅਤੇ ਵਿਕਸਿਤ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਤੁਹਾਡਾ ਵੇਅਰਹਾਊਸ ਹੈ

ਇੱਕ ਬੇਤਰਤੀਬ ਘਟਨਾ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ ਸਾਵਧਾਨੀ ਨਾਲ ਬਣਾਈ ਗਈ "ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੋਚਿਆ" ਹੈ। Opera ਮਿਸ਼ਰਤ ਤਕਨਾਲੋਜੀ ਦੇ ਮੋਜ਼ੇਕ ਵਜੋਂ ਕਲਾ ਦਾ।

ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰੋ

ਸਾਰੇ ਸ਼ੁਰੂਆਤੀ ਡਿਜ਼ਾਈਨ ਨੂੰ ਮੁੱਖ BI ਭਾਗਾਂ 'ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜੋ ਹੁਣ ਅਤੇ ਭਵਿੱਖ ਵਿੱਚ ਸਮੁੱਚੇ ਵਾਤਾਵਰਣ ਦੁਆਰਾ ਲੋੜੀਂਦੇ ਹੋਣਗੇ।
ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਨੂੰ ਜਾਣਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ.

ਕੋਈ ਵੀ ਰਸਮੀ ਡਿਜ਼ਾਇਨ ਸ਼ੁਰੂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ, ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰ ਅਕਸਰ ਇੱਕ ਜਾਂ ਦੋ ਭਾਗਾਂ ਦੀ ਤੁਰੰਤ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ।
ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਲਈ ਲੋੜੀਂਦੇ ਭਾਗਾਂ ਦਾ ਸੰਤੁਲਨ, ਹਾਲਾਂਕਿ, ਆਸਾਨੀ ਨਾਲ ਨਹੀਂ ਲੱਭਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਡਿਜ਼ਾਈਨ ਪੜਾਅ ਦੇ ਦੌਰਾਨ, ਆਰਕੀਟੈਕਚਰ ਦਾ ਮੁੱਖ ਹਿੱਸਾ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਖੋਜ 'ਤੇ ਐਪਲੀਕੇਸ਼ਨ ਡਿਵੈਲਪਮੈਂਟ (ਜੇਏਡੀ) ਸੈਸ਼ਨ ਨੂੰ ਜੋੜਦਾ ਹੈ।

ਕਈ ਵਾਰ ਇਹ ਲੋੜਾਂ ਪੁੱਛਗਿੱਛ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਸਾਧਨਾਂ ਨੂੰ ਸੌਂਪੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ।
ਉਦਾਹਰਨ ਲਈ, ਉਪਭੋਗਤਾ ਦੱਸਦੇ ਹਨ ਕਿ ਜੇਕਰ ਉਹ ਇੱਕ ਮੌਜੂਦਾ ਰਿਪੋਰਟ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਦੋ ਮੌਜੂਦਾ ਰਿਪੋਰਟਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ ਅਤੇ ਇਸ ਦੇ ਸੁਮੇਲ ਤੋਂ ਪ੍ਰਾਪਤ ਗਣਨਾਵਾਂ ਨੂੰ ਜੋੜ ਕੇ ਦਸਤੀ ਤਿਆਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ. dati.
ਹਾਲਾਂਕਿ ਇਹ ਲੋੜ ਸਧਾਰਨ ਹੈ, ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਕਾਰਜਕੁਸ਼ਲਤਾ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੀ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਆਪਣੀ ਸੰਸਥਾ ਲਈ ਰਿਪੋਰਟਿੰਗ ਟੂਲ ਖਰੀਦਣ ਵੇਲੇ ਸ਼ਾਮਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।

ਡਿਜ਼ਾਇਨਰ ਨੂੰ ਇੱਕ ਪੂਰੀ ਤਸਵੀਰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਵਾਧੂ ਲੋੜਾਂ ਨੂੰ ਵੀ ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਕੀ ਉਪਭੋਗਤਾ ਇਸ ਰਿਪੋਰਟ ਦੀ ਗਾਹਕੀ ਲੈਣਾ ਚਾਹੁੰਦੇ ਹਨ?
ਕੀ ਰਿਪੋਰਟ ਸਬਸੈੱਟ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ ਅਤੇ ਵੱਖ-ਵੱਖ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਈਮੇਲ ਕੀਤੇ ਗਏ ਹਨ? ਕੀ ਉਹ ਕੰਪਨੀ ਦੇ ਪੋਰਟਲ ਵਿੱਚ ਇਸ ਰਿਪੋਰਟ ਨੂੰ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹਨ? ਇਹ ਸਾਰੀਆਂ ਲੋੜਾਂ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਬੇਨਤੀ ਕੀਤੇ ਅਨੁਸਾਰ ਇੱਕ ਦਸਤੀ ਰਿਪੋਰਟ ਨੂੰ ਬਦਲਣ ਦੀ ਸਧਾਰਨ ਲੋੜ ਦਾ ਹਿੱਸਾ ਹਨ। ਇਸ ਕਿਸਮ ਦੀਆਂ ਲੋੜਾਂ ਦਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਹਰ ਕੋਈ, ਉਪਭੋਗਤਾ ਅਤੇ ਡਿਜ਼ਾਈਨਰ, ਰਿਪੋਰਟਾਂ ਦੀ ਧਾਰਨਾ ਦੀ ਸਮਝ ਰੱਖਦਾ ਹੈ।

ਹਾਲਾਂਕਿ, ਹੋਰ ਕਿਸਮਾਂ ਦੇ ਕਾਰੋਬਾਰ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਸਾਨੂੰ ਯੋਜਨਾ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਜਦੋਂ ਵਪਾਰਕ ਲੋੜਾਂ ਨੂੰ ਰਣਨੀਤਕ ਵਪਾਰਕ ਸਵਾਲਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਦੱਸਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਤਜਰਬੇਕਾਰ ਯੋਜਨਾਕਾਰ ਲਈ ਅਯਾਮੀ ਅਤੇ ਮਾਪ/ਤੱਥ ਲੋੜਾਂ ਨੂੰ ਸਮਝਣਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ।

ਜੇ JAD ਉਪਭੋਗਤਾ ਨਹੀਂ ਜਾਣਦੇ ਕਿ ਉਹਨਾਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਕਿਵੇਂ ਦੱਸਣਾ ਹੈ, ਤਾਂ ਡਿਜ਼ਾਈਨਰ ਅਕਸਰ ਲੋੜਾਂ ਇਕੱਠੀਆਂ ਕਰਨ ਵਾਲੇ ਸੈਸ਼ਨ ਨੂੰ ਜੰਪ-ਸਟਾਰਟ ਕਰਨ ਲਈ ਉਦਾਹਰਣ ਪ੍ਰਦਾਨ ਕਰੇਗਾ।
ਮਾਹਰ ਡਿਜ਼ਾਈਨਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਰਣਨੀਤਕ ਵਪਾਰ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਸਗੋਂ ਇਸਨੂੰ ਕਿਵੇਂ ਬਣਾਉਣਾ ਹੈ।
ਲੋੜਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਪਹੁੰਚ ਬਾਰੇ ਅਧਿਆਇ 3 ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ; ਫਿਲਹਾਲ ਅਸੀਂ ਸਾਰੀਆਂ ਕਿਸਮਾਂ ਦੀਆਂ BI ਲੋੜਾਂ ਲਈ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਲੋੜ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ।

ਇੱਕ ਰਣਨੀਤਕ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਨਾ ਸਿਰਫ਼ ਇੱਕ ਵਪਾਰਕ ਲੋੜ ਹੈ, ਸਗੋਂ ਇੱਕ ਡਿਜ਼ਾਈਨ ਸੁਰਾਗ ਵੀ ਹੈ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਬਹੁ-ਆਯਾਮੀ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣਾ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਯਾਦ ਰੱਖਣਾ ਪਵੇਗਾ, ਮੌਜੂਦ ਆਈ dati ਅਯਾਮੀ, ਅਤੇ ਜੇਕਰ ਤੁਹਾਨੂੰ ਸਟੋਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ dati ਬਹੁ-ਆਯਾਮੀ, ਤੁਹਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਕਿਸ ਕਿਸਮ ਦੀ ਤਕਨਾਲੋਜੀ ਜਾਂ ਤਕਨੀਕ ਨੂੰ ਰੁਜ਼ਗਾਰ ਦੇਣ ਜਾ ਰਹੇ ਹੋ।

ਕੀ ਤੁਸੀਂ ਇੱਕ ਰਿਜ਼ਰਵਡ ਘਣ ਸਟਾਰ ਸਕੀਮਾ, ਜਾਂ ਦੋਵੇਂ ਲਾਗੂ ਕਰਦੇ ਹੋ? ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਵੇਖ ਸਕਦੇ ਹੋ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਸਧਾਰਨ ਵਪਾਰਕ ਸਮੱਸਿਆ ਵੀ ਡਿਜ਼ਾਈਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ। ਪਰ ਇਸ ਕਿਸਮ ਦੀਆਂ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਆਮ ਹਨ ਅਤੇ ਸਮਝੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਘੱਟੋ ਘੱਟ ਪ੍ਰੋਜੈਕਟ ਅਨੁਭਵ ਵਾਲੇ ਡਿਜ਼ਾਈਨਰਾਂ ਅਤੇ ਯੋਜਨਾਕਾਰਾਂ ਦੁਆਰਾ।

OLAP ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਸਹਾਇਤਾ ਬਾਰੇ ਕਾਫ਼ੀ ਚਰਚਾ ਹੋਈ ਹੈ, ਅਤੇ ਹੱਲਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਉਪਲਬਧ ਹੈ। ਹੁਣ ਤੱਕ ਅਸੀਂ ਕਾਰੋਬਾਰੀ ਅਯਾਮੀ ਲੋੜਾਂ ਦੇ ਨਾਲ ਸਧਾਰਨ ਰਿਪੋਰਟਿੰਗ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਲੋੜ ਦਾ ਜ਼ਿਕਰ ਕੀਤਾ ਹੈ, ਅਤੇ ਇਹ ਲੋੜਾਂ ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰਲ ਫੈਸਲਿਆਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰਦੀਆਂ ਹਨ।

ਪਰ ਉਹ ਕਿਹੜੀਆਂ ਲੋੜਾਂ ਹਨ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਜਾਂ Dw ਟੀਮ ਦੁਆਰਾ ਆਸਾਨੀ ਨਾਲ ਨਹੀਂ ਸਮਝੀਆਂ ਜਾਂਦੀਆਂ ਹਨ? ਕੀ ਤੁਹਾਨੂੰ ਕਦੇ ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਲੋੜ ਪਵੇਗੀ?
ਦੇ ਐਕਸਟਰੈਕਟਿੰਗ ਮਾਡਲ dati ਕੀ ਉਹ ਤੁਹਾਡੇ ਭਵਿੱਖ ਦਾ ਜ਼ਰੂਰੀ ਹਿੱਸਾ ਹੋਣਗੇ? ਕੌਣ ਜਾਣਦਾ ਹੈ?

ਇਹ ਨੋਟ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਇਸ ਕਿਸਮ ਦੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਆਮ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰਿਆਂ ਅਤੇ Dw ਟੀਮ ਦੇ ਮੈਂਬਰਾਂ ਦੁਆਰਾ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਜਾਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਕੁਝ ਹੱਦ ਤੱਕ, ਇਹ ਇਸ ਲਈ ਹੋ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਉਹਨਾਂ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਕੁਝ ਅੰਦਰੂਨੀ ਜਾਂ ਤੀਜੀ-ਧਿਰ ਦੇ ਤਕਨੀਕੀ ਮਾਹਰਾਂ ਦੁਆਰਾ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਮਾਮਲਾ ਹੈ ਜੋ ਇਸ ਕਿਸਮ ਦੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ। ਜੇਕਰ ਉਪਭੋਗਤਾ ਵਪਾਰਕ ਲੋੜਾਂ ਦਾ ਵਰਣਨ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਅਜਿਹੇ ਤਰੀਕੇ ਨਾਲ ਫਰੇਮ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜੋ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਦਾ ਧਿਆਨ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਾਂ, ਬਦਤਰ, ਸਿਰਫ਼ ਅਣਡਿੱਠ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਵਧੇਰੇ ਸਮੱਸਿਆ ਉਦੋਂ ਬਣ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਡਿਜ਼ਾਇਨਰ ਅਤੇ ਡਿਵੈਲਪਰ ਇਹਨਾਂ ਉੱਨਤ ਪਰ ਨਾਜ਼ੁਕ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਦੀ ਵਰਤੋਂ ਨੂੰ ਨਹੀਂ ਪਛਾਣ ਸਕਦੇ।
ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅਕਸਰ ਡਿਜ਼ਾਇਨਰਜ਼ ਨੂੰ ਕਹਿੰਦੇ ਸੁਣਿਆ ਹੈ, "ਠੀਕ ਹੈ, ਅਸੀਂ ਇਸ ਨੂੰ ਇੱਕ ਪਾਸੇ ਕਿਉਂ ਨਹੀਂ ਰੱਖਦੇ ਜਦੋਂ ਤੱਕ ਸਾਨੂੰ ਇਹ ਹੋਰ ਚੀਜ਼ ਨਹੀਂ ਮਿਲਦੀ? "ਕੀ ਉਹ ਅਸਲ ਵਿੱਚ ਤਰਜੀਹਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ, ਜਾਂ ਕੀ ਉਹ ਸਿਰਫ਼ ਉਹਨਾਂ ਲੋੜਾਂ ਤੋਂ ਪਰਹੇਜ਼ ਕਰ ਰਹੇ ਹਨ ਜੋ ਉਹ ਨਹੀਂ ਸਮਝਦੇ? ਇਹ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਆਖਰੀ ਪਰਿਕਲਪਨਾ ਹੈ. ਮੰਨ ਲਓ ਕਿ ਤੁਹਾਡੀ ਵਿਕਰੀ ਟੀਮ ਨੇ ਇੱਕ ਕਾਰੋਬਾਰੀ ਲੋੜ ਨੂੰ ਸੰਚਾਰਿਤ ਕੀਤਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਚਿੱਤਰ 1.3 ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਦੇਖ ਸਕਦੇ ਹੋ, ਲੋੜ ਨੂੰ ਇੱਕ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਸ ਸਮੱਸਿਆ ਅਤੇ ਆਮ ਅਯਾਮੀ ਸਮੱਸਿਆ ਵਿੱਚ ਅੰਤਰ ਦੂਰੀ ਹੈ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਸੇਲਜ਼ ਟੀਮ ਇਹ ਜਾਣਨਾ ਚਾਹੁੰਦੀ ਹੈ, ਮਹੀਨਾਵਾਰ ਆਧਾਰ 'ਤੇ, ਉਤਪਾਦਾਂ, ਗੋਦਾਮਾਂ ਅਤੇ ਗਾਹਕ ਜੋ ਗੋਦਾਮ ਦੇ 5 ਮੀਲ ਦੇ ਅੰਦਰ ਰਹਿੰਦੇ ਹਨ ਜਿੱਥੇ ਉਹ ਖਰੀਦਦਾਰੀ ਕਰਦੇ ਹਨ।

ਅਫ਼ਸੋਸ ਦੀ ਗੱਲ ਹੈ ਕਿ, ਡਿਜ਼ਾਈਨਰ ਜਾਂ ਆਰਕੀਟੈਕਟ ਇਹ ਕਹਿ ਕੇ ਸਥਾਨਿਕ ਹਿੱਸੇ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਸਕਦੇ ਹਨ, "ਸਾਡੇ ਕੋਲ ਗਾਹਕ, ਉਤਪਾਦ ਅਤੇ dati ਡਿਪਾਜ਼ਿਟ ਦਾ. ਚਲੋ ਇੱਕ ਹੋਰ ਦੁਹਰਾਅ ਤੱਕ ਦੂਰੀ ਨੂੰ ਬਾਹਰ ਰੱਖੀਏ।

"ਗਲਤ ਜਵਾਬ. ਇਸ ਕਿਸਮ ਦੀ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ BI ਬਾਰੇ ਹੈ। ਇਹ ਸਾਡੇ ਕਾਰੋਬਾਰ ਦੀ ਡੂੰਘੀ ਸਮਝ ਅਤੇ ਸਾਡੇ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਲਈ ਇੱਕ ਮਜਬੂਤ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਥਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। BI ਸਧਾਰਨ ਪੁੱਛਗਿੱਛ ਜਾਂ ਮਿਆਰੀ ਰਿਪੋਰਟਿੰਗ, ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ OLAP ਤੋਂ ਪਰੇ ਹੈ। ਇਹ ਕਹਿਣ ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਤਕਨਾਲੋਜੀਆਂ ਤੁਹਾਡੇ BI ਲਈ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹਨ, ਪਰ ਇਹ ਇਕੱਲੇ BI ਵਾਤਾਵਰਣ ਦੀ ਨੁਮਾਇੰਦਗੀ ਨਹੀਂ ਕਰਦੀਆਂ ਹਨ।

ਜਾਣਕਾਰੀ ਸੰਦਰਭ ਲਈ ਡਿਜ਼ਾਈਨ (ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਲਈ ਡਿਜ਼ਾਈਨਿੰਗ)

ਹੁਣ ਜਦੋਂ ਅਸੀਂ ਵਪਾਰਕ ਲੋੜਾਂ ਦੀ ਪਛਾਣ ਕਰ ਲਈ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਬੁਨਿਆਦੀ ਹਿੱਸਿਆਂ ਨੂੰ ਵੱਖਰਾ ਕਰਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਮੁੱਚੇ ਆਰਕੀਟੈਕਚਰਲ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। BI ਦੇ ਕੁਝ ਹਿੱਸੇ ਸਾਡੇ ਸ਼ੁਰੂਆਤੀ ਯਤਨਾਂ ਦਾ ਹਿੱਸਾ ਹਨ, ਜਦੋਂ ਕਿ ਕੁਝ ਕਈ ਮਹੀਨਿਆਂ ਲਈ ਲਾਗੂ ਨਹੀਂ ਕੀਤੇ ਜਾਣਗੇ।

ਹਾਲਾਂਕਿ, ਸਾਰੀਆਂ ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਲੋੜਾਂ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਿਤ ਹੁੰਦੀਆਂ ਹਨ ਤਾਂ ਜੋ ਜਦੋਂ ਸਾਨੂੰ ਕਿਸੇ ਖਾਸ ਤਕਨਾਲੋਜੀ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇ, ਤਾਂ ਅਸੀਂ ਅਜਿਹਾ ਕਰਨ ਲਈ ਤਿਆਰ ਹਾਂ। ਪ੍ਰੋਜੈਕਟ ਬਾਰੇ ਕੁਝ ਰਵਾਇਤੀ ਸੋਚ ਨੂੰ ਦਰਸਾਏਗਾ।

ਦਾ ਇਹ ਸੈੱਟ dati ਦੀ ਬਾਅਦ ਵਿੱਚ ਵਰਤੋਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ dati ਸਾਡੇ ਦੁਆਰਾ ਪਛਾਣੇ ਗਏ ਵਪਾਰਕ ਮੁੱਦਿਆਂ ਦੁਆਰਾ ਅਯਾਮੀ ਮਾਰਗਦਰਸ਼ਨ। ਜਿਵੇਂ ਕਿ ਵਾਧੂ ਦਸਤਾਵੇਜ਼ ਤਿਆਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਡਿਜ਼ਾਈਨ ਵਿਕਾਸ dati, ਅਸੀਂ ਰਸਮੀ ਤੌਰ 'ਤੇ ਸ਼ੁਰੂ ਕਰਾਂਗੇ ਕਿ ਕਿਵੇਂ i dati ਉਹ ਵਾਤਾਵਰਣ ਵਿੱਚ ਫੈਲਦੇ ਹਨ। ਅਸੀਂ i ਦੀ ਨੁਮਾਇੰਦਗੀ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਦਾ ਪਤਾ ਲਗਾਇਆ ਹੈ dati ਇੱਕ ਅਯਾਮੀ ਤਰੀਕੇ ਨਾਲ, ਉਹਨਾਂ ਨੂੰ (ਖਾਸ ਖਾਸ ਲੋੜਾਂ ਦੇ ਅਨੁਸਾਰ) ਡੇਟਾ ਮਾਰਟਸ ਵਿੱਚ ਵੰਡਣਾ।

ਜਵਾਬ ਦੇਣ ਲਈ ਅਗਲਾ ਸਵਾਲ ਹੈ: ਇਹ ਡੇਟਾ ਮਾਰਟਸ ਕਿਵੇਂ ਬਣਾਏ ਜਾਣਗੇ?
ਕੀ ਤੁਸੀਂ ਕਿਊਬ, ਜਾਂ ਸਿਰਫ਼ ਕਿਊਬ, ਜਾਂ ਸਿਰਫ਼ ਤਾਰਿਆਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਤਾਰੇ ਬਣਾਉਂਦੇ ਹੋ? (ਜਾਂ ਸੱਜਾ ਕਿਊਬ, ਜਾਂ ਸੱਜਾ ਤਾਰੇ)। ਨਿਰਭਰ ਡੇਟਾ ਮਾਰਟਸ ਲਈ ਆਰਕੀਟੈਕਚਰ ਤਿਆਰ ਕਰੋ ਜਿਸ ਲਈ ਸਾਰਿਆਂ ਲਈ ਇੱਕ ਪਰਮਾਣੂ ਪਰਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ dati ਹਾਸਲ? ਸੁਤੰਤਰ ਡੇਟਾ ਮਾਰਟਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿਓ i dati ਸਿੱਧੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਤੋਂ?

ਤੁਸੀਂ ਕਿਹੜੀ ਘਣ ਤਕਨਾਲੋਜੀ ਨੂੰ ਮਿਆਰੀ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋਗੇ?

ਤੁਹਾਡੇ ਕੋਲ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਹੈ dati ਅਯਾਮੀ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਲੋੜੀਂਦਾ ਹੈ ਜਾਂ ਕੀ ਤੁਹਾਨੂੰ ਆਪਣੀ ਰਾਸ਼ਟਰੀ ਵਿਕਰੀ ਸ਼ਕਤੀ ਤੋਂ ਹਫ਼ਤਾਵਾਰੀ ਆਧਾਰ 'ਤੇ ਜਾਂ ਦੋਵਾਂ ਦੀ ਲੋੜ ਹੈ? ਕੀ ਤੁਸੀਂ ਵਿੱਤ ਲਈ DB2 OLAP ਸਰਵਰ ਜਾਂ ਤੁਹਾਡੀ ਵਿਕਰੀ ਸੰਸਥਾ ਲਈ ਕੋਗਨੋਸ ਪਾਵਰਪਲੇ ਕਿਊਬ, ਜਾਂ ਦੋਵਾਂ ਵਾਂਗ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕੁਝ ਬਣਾਉਂਦੇ ਹੋ? ਇਹ ਵੱਡੇ ਆਰਕੀਟੈਕਚਰਲ ਡਿਜ਼ਾਇਨ ਫੈਸਲੇ ਹਨ ਜੋ ਤੁਹਾਡੇ BI ਵਾਤਾਵਰਣ ਨੂੰ ਇੱਥੇ ਤੋਂ ਪ੍ਰਭਾਵਤ ਕਰਨਗੇ। ਹਾਂ, ਤੁਸੀਂ OLAP ਦੀ ਲੋੜ ਸਥਾਪਤ ਕੀਤੀ ਹੈ। ਹੁਣ ਤੁਸੀਂ ਉਸ ਕਿਸਮ ਦੀ ਤਕਨੀਕ ਅਤੇ ਤਕਨੀਕ ਨੂੰ ਕਿਵੇਂ ਪੂਰਾ ਕਰੋਗੇ?

ਕੁਝ ਸਭ ਤੋਂ ਉੱਨਤ ਤਕਨੀਕਾਂ ਤੁਹਾਡੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀਆਂ ਹਨ? ਮੰਨ ਲਓ ਕਿ ਤੁਸੀਂ ਆਪਣੀ ਸੰਸਥਾ ਵਿੱਚ ਸਪੇਸ ਦੀ ਲੋੜ ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ। ਤੁਹਾਨੂੰ ਹੁਣ ਆਰਕੀਟੈਕਚਰਲ ਡਰਾਇੰਗ ਐਡੀਸ਼ਨਾਂ ਨੂੰ ਯਾਦ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਭਾਵੇਂ ਤੁਸੀਂ ਕਈ ਮਹੀਨਿਆਂ ਲਈ ਸਥਾਨਿਕ ਭਾਗ ਬਣਾਉਣ ਦੀ ਯੋਜਨਾ ਨਹੀਂ ਬਣਾਉਂਦੇ ਹੋ। ਆਰਕੀਟੈਕਟ ਨੂੰ ਅੱਜ ਲੋੜ ਦੇ ਆਧਾਰ 'ਤੇ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਲੋੜ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ ਜੋ ਉਤਪੰਨ ਕਰਦਾ ਹੈ, ਸਟੋਰ ਕਰਦਾ ਹੈ, ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ dati ਸਥਾਨਿਕ ਇਹ ਬਦਲੇ ਵਿੱਚ ਸੌਫਟਵੇਅਰ ਤਕਨਾਲੋਜੀ ਦੀ ਕਿਸਮ ਅਤੇ ਪਲੇਟਫਾਰਮ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਸਬੰਧ ਵਿੱਚ ਇੱਕ ਰੁਕਾਵਟ ਵਜੋਂ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਵਰਤਮਾਨ ਵਿੱਚ ਵਿਚਾਰ ਸਕਦੇ ਹੋ। ਉਦਾਹਰਨ ਲਈ, ਪ੍ਰਸ਼ਾਸਨ ਸਿਸਟਮ ਡਾਟਾ ਬੇਸ ਰਿਲੇਸ਼ਨਲ ਲੇਅਰ (RDBMS) ਜੋ ਤੁਸੀਂ ਆਪਣੀ ਪਰਮਾਣੂ ਪਰਤ ਲਈ ਕਰਦੇ ਹੋ, ਵਿੱਚ ਮਜ਼ਬੂਤ ​​ਸਥਾਨਿਕ ਹੱਦ ਉਪਲਬਧ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਇਹ ਤੁਹਾਡੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਜਿਓਮੈਟਰੀ ਅਤੇ ਸਥਾਨਿਕ ਵਸਤੂਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਵੱਧ ਤੋਂ ਵੱਧ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਯਕੀਨੀ ਬਣਾਏਗਾ। ਜੇਕਰ ਤੁਹਾਡਾ RDBMS ਹੈਂਡਲ ਨਹੀਂ ਕਰ ਸਕਦਾ dati (ਸਥਾਨਕ-ਕੇਂਦ੍ਰਿਤ) ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ, ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਇੱਕ ਸਥਾਪਤ ਕਰਨਾ ਹੋਵੇਗਾ ਡਾਟਾ ਬੇਸ (ਸਥਾਨਕ-ਕੇਂਦ੍ਰਿਤ) ਬਾਹਰੀ। ਇਹ ਮੁੱਦਿਆਂ ਦੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਤੁਹਾਡੀ ਸਮੁੱਚੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨਾਲ ਸਮਝੌਤਾ ਕਰਦਾ ਹੈ, ਤੁਹਾਡੇ ਡੀ.ਬੀ.ਏ. ਲਈ ਬਣਾਈਆਂ ਗਈਆਂ ਵਾਧੂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਜ਼ਿਕਰ ਨਾ ਕਰਨ ਲਈ, ਕਿਉਂਕਿ ਉਹਨਾਂ ਕੋਲ ਸ਼ਾਇਦ ਇਹਨਾਂ ਦੀਆਂ ਮੂਲ ਗੱਲਾਂ ਦੀ ਘੱਟੋ-ਘੱਟ ਸਮਝ ਹੈ। dati ਸਥਾਨਿਕ ਵੀ. ਦੂਜੇ ਪਾਸੇ, ਜੇਕਰ ਤੁਹਾਡਾ RDMBS ਇੰਜਣ ਸਾਰੇ ਸਥਾਨਿਕ ਭਾਗਾਂ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ ਅਤੇ ਇਸਦਾ ਆਪਟੀਮਾਈਜ਼ਰ ਸਥਾਨਿਕ ਵਸਤੂਆਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ ਲੋੜਾਂ (ਉਦਾਹਰਨ ਲਈ, ਇੰਡੈਕਸਿੰਗ) ਤੋਂ ਜਾਣੂ ਹੈ, ਤਾਂ ਤੁਹਾਡੇ DBAs ਆਸਾਨੀ ਨਾਲ ਮੁੱਦਿਆਂ ਦੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ ਅਤੇ ਤੁਸੀਂ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰ ਸਕਦੇ ਹੋ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਹਾਨੂੰ ਐਡਰੈੱਸ ਕਲੀਨਅਪ (ਏ

ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਮੁੱਖ ਤੱਤ), ਅਤੇ ਨਾਲ ਹੀ ਸਪੇਸ ਵਸਤੂਆਂ ਦੀ ਬਾਅਦ ਵਿੱਚ ਬਚਤ। ਡਰਾਇੰਗ ਐਡੀਸ਼ਨਾਂ ਦਾ ਸਿਲਸਿਲਾ ਹੁਣ ਜਾਰੀ ਹੈ ਕਿ ਅਸੀਂ ਸਪਸ਼ਟ ਦਿਸ਼ਾ ਦੀ ਧਾਰਨਾ ਪੇਸ਼ ਕੀਤੀ ਹੈ। ਇੱਕ ਚੀਜ਼ ਲਈ, ਇਹ ਐਪਲੀਕੇਸ਼ਨ ਤੁਹਾਡੇ ETL ਯਤਨਾਂ ਲਈ ਲੋੜੀਂਦੇ ਸੌਫਟਵੇਅਰ ਦੀ ਕਿਸਮ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰੇਗੀ।

ਕੀ ਤੁਹਾਨੂੰ ਟ੍ਰਿਲੀਅਮ ਵਰਗੇ ਉਤਪਾਦਾਂ ਦੀ ਲੋੜ ਹੈ ਤਾਂ ਜੋ ਇਸਨੂੰ ਇੱਕ ਸਾਫ਼ ਪਤੇ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾ ਸਕੇ, ਜਾਂ ਉਹ ਕਾਰਜਸ਼ੀਲਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਤੁਹਾਡੀ ਪਸੰਦ ਦੇ ETL ਵਿਕਰੇਤਾ ਦੀ ਲੋੜ ਹੈ?
ਫਿਲਹਾਲ ਇਹ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਤੁਸੀਂ ਡਿਜ਼ਾਈਨ ਦੇ ਪੱਧਰ ਦੀ ਕਦਰ ਕਰੋ ਜੋ ਤੁਹਾਡੇ ਵੇਅਰਹਾਊਸ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪੂਰਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਪਰੋਕਤ ਉਦਾਹਰਨਾਂ ਨੂੰ ਬਹੁਤ ਸਾਰੇ ਡਿਜ਼ਾਈਨ ਫੈਸਲਿਆਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਕਾਰੋਬਾਰੀ ਲੋੜ ਦੀ ਪਛਾਣ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਸਹੀ ਢੰਗ ਨਾਲ ਲਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਡਿਜ਼ਾਇਨ ਫੈਸਲੇ ਤੁਹਾਡੇ ਵਾਤਾਵਰਣ ਦੀਆਂ ਭੌਤਿਕ ਬਣਤਰਾਂ, ਵਰਤੀ ਗਈ ਤਕਨਾਲੋਜੀ ਦੀ ਚੋਣ, ਅਤੇ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਦੇ ਪ੍ਰਸਾਰ ਦੇ ਪ੍ਰਵਾਹ ਵਿਚਕਾਰ ਆਪਸੀ ਨਿਰਭਰਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਨ। ਇਸ ਪਰੰਪਰਾਗਤ BI ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਬਿਨਾਂ, ਤੁਹਾਡੀ ਸੰਸਥਾ ਮੌਜੂਦਾ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਇੱਕ ਅਰਾਜਕ ਮਿਸ਼ਰਣ ਦੇ ਅਧੀਨ ਹੋਵੇਗੀ, ਜੋ ਕਿ ਸਪੱਸ਼ਟ ਸਥਿਰਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਢੰਗ ਨਾਲ ਇਕੱਠੇ ਸਿਲਾਈ ਗਈ ਹੈ।

ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਬਣਾਈ ਰੱਖੋ

ਤੁਹਾਡੀ ਸੰਸਥਾ ਵਿੱਚ ਜਾਣਕਾਰੀ ਦੇ ਮੁੱਲ ਨੂੰ ਲਿਆਉਣਾ ਇੱਕ ਬਹੁਤ ਮੁਸ਼ਕਲ ਕੰਮ ਹੈ। ਲੋੜੀਂਦੀ ਸਮਝ ਅਤੇ ਅਨੁਭਵ, ਜਾਂ ਸਹੀ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਡਿਜ਼ਾਈਨ ਦੇ ਬਿਨਾਂ, ਸਭ ਤੋਂ ਵਧੀਆ ਟੀਮਾਂ ਵੀ ਅਸਫਲ ਹੋ ਜਾਣਗੀਆਂ। ਦੂਜੇ ਪਾਸੇ, ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਬਹੁਤ ਸੂਝ-ਬੂਝ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਯੋਜਨਾਬੰਦੀ ਹੈ ਪਰ ਲਾਗੂ ਕਰਨ ਲਈ ਕੋਈ ਅਨੁਸ਼ਾਸਨ ਨਹੀਂ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਸਿਰਫ਼ ਆਪਣਾ ਪੈਸਾ ਅਤੇ ਸਮਾਂ ਬਰਬਾਦ ਕੀਤਾ ਹੈ ਕਿਉਂਕਿ ਤੁਹਾਡੀ ਕੋਸ਼ਿਸ਼ ਅਸਫਲ ਹੋ ਜਾਵੇਗੀ। ਸੁਨੇਹਾ ਸਪੱਸ਼ਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ: ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਹੁਨਰ, ਸਮਝ/ਅਨੁਭਵ ਜਾਂ ਯੋਜਨਾ/ਡਿਜ਼ਾਈਨ ਜਾਂ ਲਾਗੂ ਕਰਨ ਦੇ ਅਨੁਸ਼ਾਸਨ ਦੀ ਘਾਟ ਹੈ, ਤਾਂ ਇਹ BI ਸੰਸਥਾ ਦੀ ਇਮਾਰਤ ਨੂੰ ਅਪੰਗ ਜਾਂ ਤਬਾਹ ਕਰ ਦੇਵੇਗੀ।

ਕੀ ਤੁਹਾਡੀ ਟੀਮ ਕਾਫ਼ੀ ਤਿਆਰ ਹੈ? ਕੀ ਤੁਹਾਡੀ BI ਟੀਮ ਵਿੱਚ ਕੋਈ ਅਜਿਹਾ ਹੈ ਜੋ BI ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਉਪਲਬਧ ਵਿਸ਼ਾਲ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਲੈਂਡਸਕੇਪ, ਅਤੇ ਉਸ ਲੈਂਡਸਕੇਪ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਲੋੜੀਂਦੀਆਂ ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਸਮਝਦਾ ਹੈ? ਕੀ ਤੁਹਾਡੀ ਟੀਮ ਵਿੱਚ ਕੋਈ ਅਜਿਹਾ ਹੈ ਜੋ ਐਡਵਾਂਸਡ ਵਿਚਕਾਰ ਐਪਲੀਕੇਸ਼ਨ ਫਰਕ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ

ਸਥਿਰ ਰਿਪੋਰਟਿੰਗ ਅਤੇ OLAP, ਜਾਂ ROLAP ਅਤੇ OLAP ਵਿਚਕਾਰ ਅੰਤਰ? ਕੀ ਤੁਹਾਡੀ ਟੀਮ ਦਾ ਕੋਈ ਮੈਂਬਰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਪਛਾਣਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਐਕਸਟਰੈਕਟ ਕਰਨਾ ਹੈ ਅਤੇ ਇਹ ਵੇਅਰਹਾਊਸ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਵੇਅਰਹਾਊਸ ਐਕਸਟਰੈਕਟਿੰਗ ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਸਮਰਥਨ ਕਿਵੇਂ ਕਰ ਸਕਦਾ ਹੈ? ਇੱਕ ਟੀਮ ਮੈਂਬਰ ਦੀ ਕੀਮਤ ਨੂੰ ਸਮਝਦਾ ਹੈ dati ਸਪੇਸ ਜਾਂ ਏਜੰਟ-ਅਧਾਰਿਤ ਤਕਨਾਲੋਜੀ? ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ ਅਜਿਹਾ ਵਿਅਕਤੀ ਹੈ ਜੋ ਈਟੀਐਲ ਟੂਲਸ ਬਨਾਮ ਸੰਦੇਸ਼ ਬ੍ਰੋਕਰ ਤਕਨਾਲੋਜੀ ਦੀ ਵਿਲੱਖਣ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਸ਼ਲਾਘਾ ਕਰਦਾ ਹੈ? ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਨਹੀਂ ਹੈ, ਤਾਂ ਇੱਕ ਪ੍ਰਾਪਤ ਕਰੋ। BI ਇੱਕ ਸਧਾਰਣ ਪਰਮਾਣੂ ਪਰਤ, OLAP, ਸਟਾਰ ਸਕੀਮਾਂ, ਅਤੇ ਇੱਕ ODS ਨਾਲੋਂ ਬਹੁਤ ਵੱਡਾ ਹੈ।

BI ਲੋੜਾਂ ਅਤੇ ਉਹਨਾਂ ਦੇ ਹੱਲਾਂ ਨੂੰ ਪਛਾਣਨ ਲਈ ਸਮਝ ਅਤੇ ਅਨੁਭਵ ਹੋਣਾ ਉਪਭੋਗਤਾ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਰਸਮੀ ਬਣਾਉਣ ਅਤੇ ਉਹਨਾਂ ਦੇ ਹੱਲਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੀ ਤੁਹਾਡੀ ਯੋਗਤਾ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਜੇਕਰ ਤੁਹਾਡੇ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰੇ ਨੂੰ ਲੋੜਾਂ ਦਾ ਵਰਣਨ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਇਹ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਨਾ ਵੇਅਰਹਾਊਸ ਟੀਮ ਦਾ ਕੰਮ ਹੈ। ਪਰ ਜੇ ਵੇਅਰਹਾਊਸ ਟੀਮ

BI ਦੀ ਖਾਸ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਨਹੀਂ ਪਛਾਣਦਾ - ਉਦਾਹਰਨ ਲਈ, ਡੇਟਾ ਮਾਈਨਿੰਗ - ਫਿਰ ਇਹ ਸਭ ਤੋਂ ਵਧੀਆ ਗੱਲ ਨਹੀਂ ਹੈ ਕਿ BI ਵਾਤਾਵਰਣ ਅਕਸਰ ਪੈਸਿਵ ਰਿਪੋਜ਼ਟਰੀਆਂ ਹੋਣ ਤੱਕ ਸੀਮਿਤ ਹੁੰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨ ਨਾਲ ਉਹਨਾਂ ਦੀ ਮਹੱਤਤਾ ਅਤੇ ਤੁਹਾਡੇ ਸੰਗਠਨ ਦੀਆਂ ਵਪਾਰਕ ਖੁਫੀਆ ਸਮਰੱਥਾਵਾਂ ਦੇ ਉਭਾਰ 'ਤੇ ਉਹਨਾਂ ਦਾ ਪ੍ਰਭਾਵ ਘੱਟ ਨਹੀਂ ਹੁੰਦਾ, ਅਤੇ ਨਾਲ ਹੀ ਉਹ ਜਾਣਕਾਰੀ ਲੈਂਡਸਕੇਪ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਪਾਲਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹੋ।

ਯੋਜਨਾਬੰਦੀ ਵਿੱਚ ਡਰਾਇੰਗ ਦੀ ਧਾਰਨਾ ਸ਼ਾਮਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਅਤੇ ਦੋਵਾਂ ਲਈ ਇੱਕ ਸਮਰੱਥ ਵਿਅਕਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡਿਜ਼ਾਈਨਿੰਗ ਲਈ ਇੱਕ ਟੀਮ ਵੇਅਰਹਾਊਸ ਫ਼ਲਸਫ਼ੇ ਅਤੇ ਮਿਆਰਾਂ ਦੀ ਪਾਲਣਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਤੁਹਾਡੀ ਕੰਪਨੀ ਨੇ ਇੱਕ ਸਟੈਂਡਰਡ ਪਲੇਟਫਾਰਮ ਸਥਾਪਤ ਕੀਤਾ ਹੈ ਜਾਂ ਇੱਕ ਖਾਸ RDBMS ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਮਾਨਕੀਕਰਨ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਟੀਮ ਦੇ ਹਰੇਕ ਵਿਅਕਤੀ 'ਤੇ ਉਹਨਾਂ ਮਿਆਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਟੀਮ ਮਾਨਕੀਕਰਨ (ਉਪਭੋਗਤਾ ਭਾਈਚਾਰਿਆਂ ਲਈ) ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ, ਪਰ ਟੀਮ ਖੁਦ ਕੰਪਨੀ ਦੇ ਦੂਜੇ ਖੇਤਰਾਂ ਵਿੱਚ ਜਾਂ ਸ਼ਾਇਦ ਸਮਾਨ ਕੰਪਨੀਆਂ ਵਿੱਚ ਵੀ ਸਥਾਪਤ ਮਾਪਦੰਡਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਤਿਆਰ ਨਹੀਂ ਹੈ। ਇਹ ਨਾ ਸਿਰਫ਼ ਪਖੰਡੀ ਹੈ, ਪਰ ਇਹ ਸਥਾਪਿਤ ਕਰਦਾ ਹੈ ਕਿ ਕੰਪਨੀ ਮੌਜੂਦਾ ਸਰੋਤਾਂ ਅਤੇ ਨਿਵੇਸ਼ਾਂ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇੱਥੇ ਕੋਈ ਸਥਿਤੀਆਂ ਨਹੀਂ ਹਨ ਜੋ ਇੱਕ ਗੈਰ-ਮਿਆਰੀ ਪਲੇਟਫਾਰਮ ਜਾਂ ਤਕਨਾਲੋਜੀ ਦੀ ਵਾਰੰਟੀ ਦਿੰਦੀਆਂ ਹਨ; ਹਾਲਾਂਕਿ, ਵੇਅਰਹਾਊਸ ਦੇ ਯਤਨ

ਉਹਨਾਂ ਨੂੰ ਈਰਖਾ ਨਾਲ ਉੱਦਮ ਦੇ ਮਾਪਦੰਡਾਂ ਦੀ ਰਾਖੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜਦੋਂ ਤੱਕ ਵਪਾਰਕ ਲੋੜਾਂ ਹੋਰ ਹੁਕਮ ਨਹੀਂ ਦਿੰਦੀਆਂ।

BI ਸੰਗਠਨ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦਾ ਤੀਜਾ ਮੁੱਖ ਹਿੱਸਾ ਅਨੁਸ਼ਾਸਨ ਹੈ।
ਇਹ ਕੁੱਲ ਮਿਲਾ ਕੇ, ਵਿਅਕਤੀਆਂ ਅਤੇ ਵਾਤਾਵਰਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰਾਂ, ਪ੍ਰਾਯੋਜਕਾਂ, ਆਰਕੀਟੈਕਟਾਂ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕੰਪਨੀ ਦੇ ਜਾਣਕਾਰੀ ਲੈਂਡਸਕੇਪ ਨੂੰ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਅਨੁਸ਼ਾਸਨ ਦੀ ਕਦਰ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਆਪਣੇ ਡਿਜ਼ਾਈਨ ਯਤਨਾਂ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਨਿਰਦੇਸ਼ਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਮਾਜ ਵਿੱਚ ਹੋਰ ਲੋੜੀਂਦੇ ਯਤਨਾਂ ਦੇ ਪੂਰਕ ਹੋਣ।

ਉਦਾਹਰਨ ਲਈ, ਮੰਨ ਲਓ ਕਿ ਤੁਹਾਡੀ ਕੰਪਨੀ ਇੱਕ ERP ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਂਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਵੇਅਰਹਾਊਸ ਕੰਪੋਨੈਂਟ ਹੁੰਦਾ ਹੈ।
ਇਸ ਲਈ ਇਹ ERP ਡਿਜ਼ਾਈਨਰਾਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ ਕਿ ਉਹ ਵੇਅਰਹਾਊਸ ਵਾਤਾਵਰਣ ਟੀਮ ਦੇ ਨਾਲ ਸਹਿਯੋਗ ਕਰਨ ਤਾਂ ਜੋ ਮੁਕਾਬਲਾ ਨਾ ਕੀਤਾ ਜਾ ਸਕੇ ਜਾਂ ਪਹਿਲਾਂ ਹੀ ਸ਼ੁਰੂ ਕੀਤੇ ਕੰਮ ਦੀ ਡੁਪਲੀਕੇਟ ਨਾ ਹੋਵੇ।

ਅਨੁਸ਼ਾਸਨ ਇੱਕ ਅਜਿਹਾ ਵਿਸ਼ਾ ਵੀ ਹੈ ਜਿਸਨੂੰ ਪੂਰੀ ਸੰਸਥਾ ਦੁਆਰਾ ਸੰਬੋਧਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਕਾਰਜਕਾਰੀ ਪੱਧਰ ਨੂੰ ਸਥਾਪਿਤ ਅਤੇ ਸੌਂਪਿਆ ਜਾਂਦਾ ਹੈ।
ਕੀ ਪ੍ਰਬੰਧਕ ਇੱਕ ਡਿਜ਼ਾਈਨ ਕੀਤੀ ਪਹੁੰਚ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ? ਇੱਕ ਪਹੁੰਚ ਜੋ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਬਣਾਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦੀ ਹੈ ਜੋ ਆਖਿਰਕਾਰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਦੇ ਸਾਰੇ ਖੇਤਰਾਂ ਲਈ ਮੁੱਲ ਲਿਆਏਗੀ, ਪਰ ਸ਼ਾਇਦ ਵਿਅਕਤੀਗਤ ਜਾਂ ਵਿਭਾਗੀ ਏਜੰਡੇ ਨਾਲ ਸਮਝੌਤਾ ਕਰਦੀ ਹੈ? ਕਹਾਵਤ ਨੂੰ ਯਾਦ ਰੱਖੋ "ਸਿਰਫ ਇੱਕ ਚੀਜ਼ ਬਾਰੇ ਸੋਚਣ ਨਾਲੋਂ ਹਰ ਚੀਜ਼ ਬਾਰੇ ਸੋਚਣਾ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਹੈ"। ਇਹ ਕਹਾਵਤ BI ਸੰਸਥਾਵਾਂ ਲਈ ਸੱਚ ਹੈ।

ਬਦਕਿਸਮਤੀ ਨਾਲ, ਬਹੁਤ ਸਾਰੇ ਵੇਅਰਹਾਊਸ ਆਪਣੇ ਯਤਨਾਂ ਨੂੰ ਕਿਸੇ ਖਾਸ ਵਿਭਾਗ ਜਾਂ ਖਾਸ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣ ਅਤੇ ਮੁੱਲ ਲਿਆਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹਨ, ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸੰਗਠਨ ਨਾਲ ਬਹੁਤ ਘੱਟ ਪਰਵਾਹ ਕਰਦੇ ਹੋਏ। ਮੰਨ ਲਓ ਕਿ ਮੈਨੇਜਰ ਵੇਅਰਹਾਊਸ ਟੀਮ ਤੋਂ ਸਹਾਇਤਾ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ। ਟੀਮ 90-ਦਿਨਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਾਲ ਜਵਾਬ ਦਿੰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਨਾ ਸਿਰਫ਼ ਮੈਨੇਜਰ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਨੋਟੀਫਿਕੇਸ਼ਨ ਲੋੜਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ ਬਲਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਸਾਰੇ dati ਪ੍ਰਸਤਾਵਿਤ ਘਣ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਅਧਾਰ ਨੂੰ ਪਰਮਾਣੂ ਪੱਧਰ 'ਤੇ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ।
ਇਹ ਇੰਜਨੀਅਰਿੰਗ ਜੋੜ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਵੇਰਹਾਊਸ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਨੂੰ ਲਾਭ ਹੋਵੇਗਾ dati ਮੈਨੇਜਰ ਲਈ ਜ਼ਰੂਰੀ.
ਹਾਲਾਂਕਿ, ਕਾਰਜਕਾਰੀ ਨੇ ਬਾਹਰੀ ਸਲਾਹਕਾਰ ਫਰਮਾਂ ਨਾਲ ਗੱਲ ਕੀਤੀ ਜਿਨ੍ਹਾਂ ਨੇ 4 ਹਫ਼ਤਿਆਂ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਡਿਲੀਵਰੀ ਦੇ ਨਾਲ ਇੱਕ ਸਮਾਨ ਅਰਜ਼ੀ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ।

ਇਹ ਮੰਨ ਕੇ ਕਿ ਅੰਦਰੂਨੀ ਵੇਅਰਹਾਊਸ ਟੀਮ ਸਮਰੱਥ ਹੈ, ਕਾਰਜਕਾਰੀ ਕੋਲ ਇੱਕ ਵਿਕਲਪ ਹੈ। ਕੌਣ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਜਾਣਕਾਰੀ ਸੰਪੱਤੀ ਨੂੰ ਵਧਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਵਾਧੂ ਇੰਜੀਨੀਅਰਿੰਗ ਅਨੁਸ਼ਾਸਨ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਆਪਣੇ ਖੁਦ ਦੇ ਹੱਲ ਨੂੰ ਜਲਦੀ ਬਣਾਉਣ ਦੀ ਚੋਣ ਕਰ ਸਕਦਾ ਹੈ। ਬਾਅਦ ਵਾਲੇ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਾਰ ਚੁਣਿਆ ਜਾਪਦਾ ਹੈ ਅਤੇ ਸਿਰਫ ਜਾਣਕਾਰੀ ਦੇ ਕੰਟੇਨਰਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਕੰਮ ਕਰਦਾ ਹੈ ਜਿਸ ਨਾਲ ਕੁਝ ਜਾਂ ਵਿਅਕਤੀ ਨੂੰ ਲਾਭ ਹੁੰਦਾ ਹੈ।

ਛੋਟੀ ਅਤੇ ਲੰਬੀ ਮਿਆਦ ਦੇ ਉਦੇਸ਼

ਆਰਕੀਟੈਕਟਾਂ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਇੱਕ BI ਸੰਸਥਾ ਵਿੱਚ ਵਿਕਾਸ ਲਈ ਸਮੁੱਚੀ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਯੋਜਨਾਵਾਂ ਦੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨੂੰ ਰਸਮੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਲਾਭ ਅਤੇ ਲੰਮੀ-ਮਿਆਦ ਦੀ ਯੋਜਨਾਬੰਦੀ ਦਾ ਇਹ ਸੁਮੇਲ BI ਯਤਨਾਂ ਦੇ ਦੋਵਾਂ ਪੱਖਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਥੋੜ੍ਹੇ ਸਮੇਂ ਦਾ ਲਾਭ BI ਦਾ ਪਹਿਲੂ ਹੈ ਜੋ ਤੁਹਾਡੇ ਵੇਅਰਹਾਊਸ ਦੇ ਦੁਹਰਾਓ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ।

ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਯੋਜਨਾਕਾਰ, ਆਰਕੀਟੈਕਟ ਅਤੇ ਸਪਾਂਸਰ ਖਾਸ ਵਪਾਰਕ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹਨ। ਇਹ ਇਸ ਪੱਧਰ 'ਤੇ ਹੈ ਜਿੱਥੇ ਭੌਤਿਕ ਢਾਂਚੇ ਬਣਾਏ ਜਾਂਦੇ ਹਨ, ਤਕਨਾਲੋਜੀ ਖਰੀਦੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਤਕਨੀਕਾਂ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਉਹ ਕਿਸੇ ਵੀ ਤਰੀਕੇ ਨਾਲ ਖਾਸ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰਿਆਂ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਖਾਸ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨ ਲਈ ਨਹੀਂ ਬਣਾਏ ਗਏ ਹਨ। ਕਿਸੇ ਖਾਸ ਭਾਈਚਾਰੇ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਖਾਸ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਸਭ ਕੁਝ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਲੰਬੀ ਮਿਆਦ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਹਾਲਾਂਕਿ, BI ਦਾ ਦੂਜਾ ਪਹਿਲੂ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਯੋਜਨਾਵਾਂ ਅਤੇ ਡਿਜ਼ਾਈਨ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਨ ਕਿ ਕੋਈ ਵੀ ਭੌਤਿਕ ਢਾਂਚਾ ਬਣਾਇਆ ਗਿਆ ਸੀ, ਚੁਣੀਆਂ ਗਈਆਂ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਲਾਗੂ ਕੀਤੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵੱਲ ਧਿਆਨ ਨਾਲ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਇਹ ਲੰਬੀ-ਅਵਧੀ ਦੀ ਯੋਜਨਾ ਹੈ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦਾ ਤਾਲਮੇਲ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਕਿ ਵਪਾਰਕ ਲਾਭ ਕਿਸੇ ਵੀ ਛੋਟੀ ਮਿਆਦ ਦੇ ਲਾਭਾਂ ਤੋਂ ਪੈਦਾ ਹੁੰਦੇ ਹਨ।

ਆਪਣੇ BI ਯਤਨਾਂ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਓ

Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਪਣੇ ਆਪ ਵਿੱਚ ਇਸਦਾ ਕੋਈ ਅੰਦਰੂਨੀ ਮੁੱਲ ਨਹੀਂ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿਚ, ਵੇਅਰਹਾਊਸ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਤਕਨੀਕਾਂ ਵਿਚਕਾਰ ਕੋਈ ਅੰਦਰੂਨੀ ਮੁੱਲ ਨਹੀਂ ਹੈ।

ਕਿਸੇ ਵੀ ਵੇਅਰਹਾਊਸ ਦੀ ਕੋਸ਼ਿਸ਼ ਦਾ ਮੁੱਲ ਵੇਅਰਹਾਊਸ ਵਾਤਾਵਰਨ ਅਤੇ ਸਮੇਂ ਦੇ ਨਾਲ ਪੈਦਾ ਕੀਤੀ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਕੀਤੀਆਂ ਗਈਆਂ ਕਾਰਵਾਈਆਂ ਵਿੱਚ ਪਾਇਆ ਜਾਂਦਾ ਹੈ। ਕਿਸੇ ਵੀ ਘਰ ਦੀ ਪਹਿਲਕਦਮੀ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇਹ ਸਮਝਣ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਨੁਕਤਾ ਹੈ।

ਬਹੁਤ ਵਾਰ, ਆਰਕੀਟੈਕਟ ਅਤੇ ਡਿਜ਼ਾਈਨਰ ਵੇਅਰਹਾਊਸ ਦੇ ਭੌਤਿਕ ਅਤੇ ਤਕਨੀਕੀ ਭਾਗਾਂ ਲਈ ਮੁੱਲ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ ਜਦੋਂ ਅਸਲ ਵਿੱਚ ਮੁੱਲ ਉਹਨਾਂ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦਾ ਹੈ ਜੋ ਵੇਅਰਹਾਊਸ ਅਤੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਣਕਾਰੀ ਦੁਆਰਾ ਸਕਾਰਾਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੀਆਂ ਹਨ।

ਇੱਥੇ BI ਸਥਾਪਤ ਕਰਨ ਦੀ ਚੁਣੌਤੀ ਹੈ: ਤੁਸੀਂ ਨਿਵੇਸ਼ ਨੂੰ ਕਿਵੇਂ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦੇ ਹੋ? ਜੇਕਰ ਕਿੱਥੇ ਘਰ ਦਾ ਕੋਈ ਅੰਦਰੂਨੀ ਮੁੱਲ ਨਹੀਂ ਹੈ, ਤਾਂ ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਉਹਨਾਂ ਵਿਅਕਤੀਆਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਲਾਭਾਂ ਦੀ ਜਾਂਚ, ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਰਸਮੀ ਰੂਪ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਖਾਸ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜਾਂ ਸੁਰੱਖਿਅਤ ਜਾਣਕਾਰੀ ਦੇ ਮੁੱਲ, ਜਾਂ ਦੋਵਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਕਰਨਗੇ।

ਮਾਮਲਿਆਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਣ ਲਈ, ਵੇਅਰਹਾਊਸਿੰਗ ਯਤਨਾਂ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਕੋਈ ਵੀ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆ "ਕਾਫ਼ੀ" ਜਾਂ "ਮਾਮੂਲੀ" ਲਾਭ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ। ਕਾਫ਼ੀ ਲਾਭ ਨਿਵੇਸ਼ 'ਤੇ ਵਾਪਸੀ (ROI) ਨੂੰ ਮਾਪਣ ਲਈ ਇੱਕ ਠੋਸ ਮੈਟ੍ਰਿਕ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ - ਉਦਾਹਰਨ ਲਈ, ਕਿਸੇ ਖਾਸ ਮਿਆਦ ਦੇ ਦੌਰਾਨ ਵਸਤੂ ਨੂੰ ਇੱਕ ਵਾਧੂ ਸਮਾਂ ਬਦਲਣਾ ਜਾਂ ਪ੍ਰਤੀ ਸ਼ਿਪਮੈਂਟ ਘੱਟ ਆਵਾਜਾਈ ਲਾਗਤ ਲਈ। ਸੂਖਮ ਲਾਭਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਔਖਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਵਿੱਚ ਸੁਧਾਰ, ਠੋਸ ਮੁੱਲ ਦੇ ਰੂਪ ਵਿੱਚ।

ਬਾਰੇ ਜਾਣਨ ਲਈ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਨਾਲ ਜੁੜੋ ਕਾਰੋਬਾਰੀ ਬੇਨਤੀਆਂ

ਬਹੁਤ ਵਾਰ, ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰ ਵੇਅਰਹਾਊਸ ਵੈਲਯੂ ਨੂੰ ਅਮੋਰਫਸ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਉਦੇਸ਼ਾਂ ਨਾਲ ਜੋੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ। ਇਹ ਘੋਸ਼ਣਾ ਕਰਕੇ ਕਿ "ਇੱਕ ਵੇਅਰਹਾਊਸ ਦਾ ਮੁੱਲ ਰਣਨੀਤਕ ਬੇਨਤੀਆਂ ਨੂੰ ਸੰਤੁਸ਼ਟ ਕਰਨ ਦੀ ਸਾਡੀ ਯੋਗਤਾ 'ਤੇ ਅਧਾਰਤ ਹੈ" ਅਸੀਂ ਇੱਕ ਸੁਹਾਵਣਾ ਢੰਗ ਨਾਲ ਚਰਚਾ ਨੂੰ ਖੋਲ੍ਹਦੇ ਹਾਂ। ਪਰ ਇਹ ਇਕੱਲਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ ਕਿ ਵਸਤੂ ਸੂਚੀ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਅਰਥ ਰੱਖਦਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਵੇਅਰਹਾਊਸ ਦੁਹਰਾਓ ਨੂੰ ਖਾਸ, ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਵਪਾਰਕ ਮੰਗਾਂ ਨਾਲ ਜੋੜਨਾ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ।

ROI ਨੂੰ ਮਾਪਣਾ

ਵੇਅਰਹਾਊਸ ਸੈਟਿੰਗ ਵਿੱਚ ROI ਦੀ ਗਣਨਾ ਕਰਨਾ ਖਾਸ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੈ ਜੇਕਰ ਫਾਇਦਾ

ਕਿਸੇ ਖਾਸ ਦੁਹਰਾਓ ਦਾ ਮੁੱਖ ਸਿਧਾਂਤ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਠੋਸ ਜਾਂ ਮਾਪਣ ਲਈ ਆਸਾਨ ਨਹੀਂ ਹੈ। ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ ਉਪਭੋਗਤਾ BI ਪਹਿਲਕਦਮੀਆਂ ਦੇ ਦੋ ਮੁੱਖ ਲਾਭ ਸਮਝਦੇ ਹਨ:

• ▪ ਫੈਸਲੇ ਲੈਣ ਦੀ ਯੋਗਤਾ ਪੈਦਾ ਕਰੋ
• ▪ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਬਣਾਓ
  ਇਹ ਲਾਭ ਨਰਮ (ਜਾਂ ਹਲਕੇ) ਲਾਭ ਹਨ। ਇਹ ਦੇਖਣਾ ਆਸਾਨ ਹੈ ਕਿ ਅਸੀਂ ਇੱਕ ਕਠਿਨ (ਜਾਂ ਵੱਡੇ) ਲਾਭ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ROI ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹਾਂ ਜਿਵੇਂ ਕਿ ਆਵਾਜਾਈ ਦੇ ਘਟਾਏ ਗਏ ਖਰਚੇ, ਪਰ ਅਸੀਂ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਦੀ ਯੋਗਤਾ ਨੂੰ ਕਿਵੇਂ ਮਾਪਦੇ ਹਾਂ?
  ਇਹ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰਾਂ ਲਈ ਇੱਕ ਚੁਣੌਤੀ ਹੈ ਜਦੋਂ ਉਹ ਕੰਪਨੀ ਨੂੰ ਕਿਸੇ ਖਾਸ ਵੇਅਰਹਾਊਸ ਯਤਨਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ। ਵਧਦੀ ਵਿਕਰੀ ਜਾਂ ਘਟਦੀ ਲਾਗਤ ਹੁਣ BI ਵਾਤਾਵਰਣ ਨੂੰ ਚਲਾਉਣ ਵਾਲੇ ਕੇਂਦਰੀ ਥੀਮ ਨਹੀਂ ਰਹੇ ਹਨ।
  ਇਸ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਜਾਣਕਾਰੀ ਤੱਕ ਬਿਹਤਰ ਪਹੁੰਚ ਲਈ ਕਾਰੋਬਾਰੀ ਬੇਨਤੀਆਂ ਨੂੰ ਦੇਖ ਰਹੇ ਹੋ ਤਾਂ ਜੋ ਕੋਈ ਵਿਸ਼ੇਸ਼ ਵਿਭਾਗ ਤੇਜ਼ੀ ਨਾਲ ਫੈਸਲੇ ਲੈ ਸਕੇ। ਇਹ ਰਣਨੀਤਕ ਡ੍ਰਾਈਵਰ ਹਨ ਜੋ ਉੱਦਮ ਲਈ ਬਰਾਬਰ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੇ ਹਨ ਪਰ ਇੱਕ ਠੋਸ ਮੈਟ੍ਰਿਕ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਵਧੇਰੇ ਅਸਪਸ਼ਟ ਅਤੇ ਔਖੇ ਹੁੰਦੇ ਹਨ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ROI ਦੀ ਗਣਨਾ ਕਰਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੋ ਸਕਦਾ ਹੈ, ਜੇਕਰ ਅਪ੍ਰਸੰਗਿਕ ਨਹੀਂ ਹੈ।
  ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰਾਂ ਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨ ਲਈ ਕਾਰਜਕਾਰੀ ਲਈ ਠੋਸ ਮੁੱਲ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਕਿਸੇ ਖਾਸ ਦੁਹਰਾਓ ਵਿੱਚ ਨਿਵੇਸ਼ ਇਸ ਦੇ ਯੋਗ ਹੈ ਜਾਂ ਨਹੀਂ। ਹਾਲਾਂਕਿ, ਅਸੀਂ ROI ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਇੱਕ ਨਵੀਂ ਵਿਧੀ ਦਾ ਪ੍ਰਸਤਾਵ ਨਹੀਂ ਕਰਾਂਗੇ, ਨਾ ਹੀ ਅਸੀਂ ਇਸਦੇ ਲਈ ਜਾਂ ਇਸਦੇ ਵਿਰੁੱਧ ਕੋਈ ਦਲੀਲਾਂ ਦੇਵਾਂਗੇ।
  ਇੱਥੇ ਬਹੁਤ ਸਾਰੇ ਲੇਖ ਅਤੇ ਕਿਤਾਬਾਂ ਉਪਲਬਧ ਹਨ ਜੋ ROI ਦੀ ਗਣਨਾ ਕਰਨ ਦੀਆਂ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਬਾਰੇ ਚਰਚਾ ਕਰਦੀਆਂ ਹਨ। ਗਾਰਟਨਰ ਵਰਗੇ ਸਮੂਹਾਂ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਨਿਵੇਸ਼ 'ਤੇ ਮੁੱਲ (VOI) ਵਰਗੇ ਵਿਸ਼ੇਸ਼ ਮੁੱਲ ਪ੍ਰਸਤਾਵ ਹਨ, ਜਿਨ੍ਹਾਂ ਦੀ ਤੁਸੀਂ ਖੋਜ ਕਰ ਸਕਦੇ ਹੋ। ਇਸ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਕਿਸੇ ਵੀ ROI ਜਾਂ ਹੋਰ ਮੁੱਲ ਪ੍ਰਸਤਾਵਾਂ ਦੇ ਮੁੱਖ ਪਹਿਲੂਆਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਾਂਗੇ ਜਿਨ੍ਹਾਂ 'ਤੇ ਤੁਹਾਨੂੰ ਵਿਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ROI ਲਾਗੂ ਕਰਨਾ BI ਯਤਨਾਂ ਨਾਲ ਜੁੜੇ "ਸਖਤ" ਲਾਭ ਬਨਾਮ "ਨਰਮ" ਲਾਭਾਂ ਬਾਰੇ ਦਲੀਲ ਤੋਂ ਇਲਾਵਾ ROI ਨੂੰ ਲਾਗੂ ਕਰਨ ਵੇਲੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਹੋਰ ਮੁੱਦੇ ਹਨ। ਉਦਾਹਰਣ ਲਈ:

DW ਯਤਨਾਂ ਲਈ ਬਹੁਤ ਸਾਰੀਆਂ ਬੱਚਤਾਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ਤਾ ਦਿਓ ਜੋ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਆਉਣਗੀਆਂ
ਮੰਨ ਲਓ ਕਿ ਤੁਹਾਡੀ ਕੰਪਨੀ ਮੇਨਫ੍ਰੇਮ ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਇੱਕ ਵਿਤਰਿਤ UNIX ਵਾਤਾਵਰਣ ਵਿੱਚ ਚਲੀ ਗਈ ਹੈ। ਇਸ ਲਈ ਕੋਈ ਵੀ ਬੱਚਤ ਜੋ ਉਸ ਕੋਸ਼ਿਸ਼ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ (ਜਾਂ ਨਹੀਂ ਹੋ ਸਕਦੀ ਹੈ) ਨੂੰ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ, ਜੇ ਬਿਲਕੁਲ ਵੀ (?), ਵੇਅਰਹਾਊਸ ਨੂੰ ਨਹੀਂ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਹਰ ਚੀਜ਼ ਲਈ ਲੇਖਾ ਨਾ ਕਰਨਾ ਮਹਿੰਗਾ ਹੈ. ਅਤੇ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਲਈ ਬਹੁਤ ਸਾਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ. ਹੇਠ ਦਿੱਤੀ ਸੂਚੀ 'ਤੇ ਗੌਰ ਕਰੋ:

• ▪ ਸ਼ੁਰੂਆਤੀ ਲਾਗਤ, ਵਿਵਹਾਰਕਤਾ ਸਮੇਤ।
• ▪ ਸੰਬੰਧਿਤ ਸਟੋਰੇਜ ਅਤੇ ਸੰਚਾਰ ਦੇ ਨਾਲ ਸਮਰਪਿਤ ਹਾਰਡਵੇਅਰ ਦੀ ਲਾਗਤ
• ▪ ਪ੍ਰਬੰਧਨ ਸਮੇਤ ਸਾਫਟਵੇਅਰ ਦੀ ਲਾਗਤ dati ਅਤੇ ਕਲਾਇੰਟ/ਸਰਵਰ ਐਕਸਟੈਂਸ਼ਨ, ETL ਸੌਫਟਵੇਅਰ, DSS ਟੈਕਨਾਲੋਜੀ, ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਟੂਲ, ਸਮਾਂ-ਸਾਰਣੀ ਅਤੇ ਵਰਕਫਲੋ ਐਪਲੀਕੇਸ਼ਨ, ਅਤੇ ਨਿਗਰਾਨੀ ਸਾਫਟਵੇਅਰ,।
• ▪ ਢਾਂਚੇ ਦੇ ਡਿਜ਼ਾਈਨ ਦੀ ਲਾਗਤ datiਦੀ ਰਚਨਾ, ਅਤੇ ਅਨੁਕੂਲਤਾ ਦੇ ਨਾਲ
• ▪ ਸਾਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਲਾਗਤ ਸਿੱਧੇ ਤੌਰ 'ਤੇ BI ਦੇ ਯਤਨਾਂ ਨਾਲ ਜੁੜੀ ਹੋਈ ਹੈ
• ▪ ਆਨ-ਸਾਈਟ ਸਹਾਇਤਾ ਦੀ ਲਾਗਤ, ਕਾਰਜਕੁਸ਼ਲਤਾ ਅਨੁਕੂਲਤਾ ਸਮੇਤ, ਸਾਫਟਵੇਅਰ ਸੰਸਕਰਣ ਨਿਯੰਤਰਣ ਅਤੇ ਸਹਾਇਤਾ ਕਾਰਜਾਂ ਸਮੇਤ "ਬਿਗ-ਬੈਂਗ" ROI ਲਾਗੂ ਕਰੋ। ਵੇਅਰਹਾਊਸ ਨੂੰ ਇੱਕ ਸਿੰਗਲ, ਵਿਸ਼ਾਲ ਯਤਨ ਦੇ ਤੌਰ 'ਤੇ ਬਣਾਉਣਾ ਅਸਫਲ ਹੋਣ ਲਈ ਬਰਬਾਦ ਹੈ, ਇਸ ਲਈ ਇੱਕ ਵੱਡੇ-ਉਦਮ ਪਹਿਲਕਦਮੀ ਲਈ ROI ਦੀ ਗਣਨਾ ਵੀ ਕਰੋ ਪੇਸ਼ਕਸ਼ ਹੈਰਾਨੀਜਨਕ ਹੈ, ਅਤੇ ਯੋਜਨਾਕਾਰ ਪੂਰੀ ਕੋਸ਼ਿਸ਼ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਕਮਜ਼ੋਰ ਕੋਸ਼ਿਸ਼ਾਂ ਕਰਨਾ ਜਾਰੀ ਰੱਖਦੇ ਹਨ। ਯੋਜਨਾਕਾਰ ਕਾਰੋਬਾਰੀ ਪਹਿਲਕਦਮੀ 'ਤੇ ਇੱਕ ਮੁਦਰਾ ਮੁੱਲ ਪਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਿਉਂ ਕਰਦੇ ਹਨ ਜੇਕਰ ਇਹ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਸਵੀਕਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਖਾਸ ਦੁਹਰਾਓ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ? ਇਹ ਕਿਵੇਂ ਸੰਭਵ ਹੈ? ਕੁਝ ਅਪਵਾਦਾਂ ਨਾਲ ਇਹ ਸੰਭਵ ਨਹੀਂ ਹੈ। ਇਹ ਨਾ ਕਰੋ. ਹੁਣ ਜਦੋਂ ਅਸੀਂ ਇਹ ਸਥਾਪਿਤ ਕਰ ਲਿਆ ਹੈ ਕਿ ROI ਦੀ ਗਣਨਾ ਕਰਦੇ ਸਮੇਂ ਕੀ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ, ਇੱਥੇ ਕੁਝ ਨੁਕਤੇ ਹਨ ਜੋ ਤੁਹਾਡੀਆਂ BI ਕੋਸ਼ਿਸ਼ਾਂ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਇੱਕ ਭਰੋਸੇਯੋਗ ਪ੍ਰਕਿਰਿਆ ਸਥਾਪਤ ਕਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰਨਗੇ।

ROI ਸਹਿਮਤੀ ਪ੍ਰਾਪਤ ਕਰਨਾ। ਤੁਹਾਡੇ BI ਯਤਨਾਂ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਤੁਹਾਡੀ ਤਕਨੀਕ ਦੀ ਚੋਣ ਦੇ ਬਾਵਜੂਦ, ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ, ਸਪਾਂਸਰਾਂ, ਅਤੇ ਕਾਰੋਬਾਰੀ ਕਾਰਜਕਾਰੀ ਸਮੇਤ ਸਾਰੀਆਂ ਧਿਰਾਂ ਦੁਆਰਾ ਇਸ 'ਤੇ ਸਹਿਮਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ROI ਨੂੰ ਪਛਾਣਨ ਯੋਗ ਹਿੱਸਿਆਂ ਵਿੱਚ ਘਟਾਓ। ਇੱਕ ROI ਦੀ ਵਾਜਬ ਗਣਨਾ ਕਰਨ ਵੱਲ ਇੱਕ ਜ਼ਰੂਰੀ ਕਦਮ ਹੈ ਇੱਕ ਖਾਸ ਪ੍ਰੋਜੈਕਟ 'ਤੇ ਉਸ ਗਣਨਾ ਨੂੰ ਫੋਕਸ ਕਰਨਾ। ਇਹ ਫਿਰ ਤੁਹਾਨੂੰ ਖਾਸ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਪੂਰੀਆਂ ਹੋਣ ਦੇ ਆਧਾਰ 'ਤੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ

ਖਰਚਿਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਜਿਵੇਂ ਕਿ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਬਹੁਤ ਸਾਰੀਆਂ ਲਾਗਤਾਂ ਨੂੰ ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਲਾਗਤਾਂ ਵਿੱਚ ਨਾ ਸਿਰਫ਼ ਇੱਕਲੇ ਦੁਹਰਾਓ ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ, ਸਗੋਂ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਮਾਪਦੰਡਾਂ ਦੀ ਪਾਲਣਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਨਾਲ ਜੁੜੇ ਖਰਚੇ ਵੀ ਸ਼ਾਮਲ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।

ਲਾਭਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ROI ਨੂੰ ਖਾਸ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਨਾਲ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਜੋੜ ਕੇ, ਸਾਨੂੰ ਉਹਨਾਂ ਲਾਭਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਅਗਵਾਈ ਕਰਨਗੇ।

ਆਉਣ ਵਾਲੇ ਲਾਭਾਂ ਵਿੱਚ ਲਾਗਤਾਂ ਅਤੇ ਲਾਭਾਂ ਨੂੰ ਘਟਾਓ। ਭਵਿੱਖ ਦੀਆਂ ਕਮਾਈਆਂ ਵਿੱਚ ਭਵਿੱਖੀ ਮੁੱਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਦੇ ਉਲਟ ਇਹ ਤੁਹਾਡੇ ਮੁੱਲਾਂ ਨੂੰ ਸ਼ੁੱਧ ਮੌਜੂਦਾ ਮੁੱਲ (NPV) 'ਤੇ ਅਧਾਰਤ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਹੈ।

ਆਪਣੇ ROI ਨੂੰ ਘੱਟੋ-ਘੱਟ ਵੰਡਣ ਦਾ ਸਮਾਂ ਰੱਖੋ। ਇਹ ਤੁਹਾਡੇ ROI ਵਿੱਚ ਵਰਤੇ ਗਏ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ੀ ਹੈ।

ਇੱਕ ਤੋਂ ਵੱਧ ROI ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰੋ। ROI ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਤਰੀਕੇ ਹਨ ਅਤੇ ਤੁਹਾਨੂੰ ਯੋਜਨਾ ਬਣਾਉਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਕੀ ਉਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ੁੱਧ ਮੌਜੂਦਾ ਮੁੱਲ, ਵਾਪਸੀ ਦੀ ਅੰਦਰੂਨੀ ਦਰ (IRR), ਅਤੇ ਭੁਗਤਾਨ ਵਾਪਸੀ ਸ਼ਾਮਲ ਹੈ।

ਦੁਹਰਾਉਣ ਯੋਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਇਹ ਕਿਸੇ ਵੀ ਲੰਬੇ ਸਮੇਂ ਦੇ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਦੁਹਰਾਉਣ ਯੋਗ ਪ੍ਰਕਿਰਿਆ ਦਾ ਪਾਲਣ ਕਰਨ ਲਈ ਸਾਰੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਬਾਅਦ ਦੇ ਲਈ ਦਸਤਾਵੇਜ਼ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਸੂਚੀਬੱਧ ਸਮੱਸਿਆਵਾਂ ਵੇਅਰਹਾਊਸ ਵਾਤਾਵਰਨ ਦੇ ਮਾਹਰਾਂ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੀਆਂ ਗਈਆਂ ਸਭ ਤੋਂ ਆਮ ਸਮੱਸਿਆਵਾਂ ਹਨ। "ਬਿਗ-ਬੈਂਗ" ROI ਪ੍ਰਦਾਨ ਕਰਨ 'ਤੇ ਪ੍ਰਬੰਧਨ ਦੀ ਜ਼ਿੱਦ ਬਹੁਤ ਨਿਰਾਸ਼ਾਜਨਕ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਆਪਣੀਆਂ ਸਾਰੀਆਂ ROI ਗਣਨਾਵਾਂ ਨੂੰ ਪਛਾਣਨਯੋਗ, ਠੋਸ ਟੁਕੜਿਆਂ ਵਿੱਚ ਵੰਡ ਕੇ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਸਹੀ ROI ਰੇਟਿੰਗ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦਾ ਵਧੀਆ ਮੌਕਾ ਹੈ।

ROI ਲਾਭਾਂ ਬਾਰੇ ਸਵਾਲ

ਤੁਹਾਡੇ ਲਾਭ ਜੋ ਵੀ ਹਨ, ਨਰਮ ਜਾਂ ਸਖ਼ਤ, ਤੁਸੀਂ ਉਹਨਾਂ ਦੇ ਮੁੱਲ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕੁਝ ਬੁਨਿਆਦੀ ਸਵਾਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਸਧਾਰਨ ਸਕੇਲਿੰਗ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, 1 ਤੋਂ 10 ਤੱਕ, ਤੁਸੀਂ ਹੇਠਾਂ ਦਿੱਤੇ ਸਵਾਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਿਸੇ ਵੀ ਕੋਸ਼ਿਸ਼ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਮਾਪ ਸਕਦੇ ਹੋ:

• ਤੁਸੀਂ ਸਮਝ ਨੂੰ ਕਿਵੇਂ ਰੇਟ ਕਰੋਗੇ dati ਤੁਹਾਡੀ ਕੰਪਨੀ ਦੇ ਇਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਅਨੁਸਰਣ ਕਰ ਰਹੇ ਹੋ?
• ਤੁਸੀਂ ਇਸ ਪ੍ਰੋਜੈਕਟ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸੁਧਾਰਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਕਿਵੇਂ ਲਗਾਓਗੇ?
• ਤੁਸੀਂ ਹੁਣ ਇਸ ਦੁਹਰਾਓ ਦੁਆਰਾ ਉਪਲਬਧ ਨਵੀਂਆਂ ਸੂਝਾਂ ਅਤੇ ਅਨੁਮਾਨਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਕਿਵੇਂ ਮਾਪੋਗੇ
• ਜੋ ਕੁਝ ਸਿੱਖਿਆ ਗਿਆ ਸੀ ਉਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਨਵੇਂ ਅਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਵਾਲੇ ਕੰਪਿਊਟਿੰਗ ਵਾਤਾਵਰਨ ਦਾ ਕੀ ਪ੍ਰਭਾਵ ਸੀ? ਜੇਕਰ ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਘੱਟ ਹਨ, ਤਾਂ ਇਹ ਸੰਭਵ ਹੈ ਕਿ ਕੰਪਨੀ ਕੀਤੇ ਗਏ ਨਿਵੇਸ਼ ਦੇ ਯੋਗ ਨਹੀਂ ਹੈ। ਉੱਚ ਸਕੋਰ ਵਾਲੇ ਸਵਾਲ ਮਹੱਤਵਪੂਰਨ ਮੁੱਲ ਲਾਭਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ ਅਤੇ ਅੱਗੇ ਦੀ ਜਾਂਚ ਲਈ ਮਾਰਗਦਰਸ਼ਕ ਵਜੋਂ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਪ੍ਰਕਿਰਿਆ ਦੇ ਸੁਧਾਰਾਂ ਲਈ ਉੱਚ ਸਕੋਰ ਨੂੰ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਇਹ ਜਾਂਚ ਕਰਨ ਲਈ ਅਗਵਾਈ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਕਿਵੇਂ ਸੁਧਾਰਿਆ ਗਿਆ ਹੈ। ਤੁਹਾਨੂੰ ਪਤਾ ਲੱਗ ਸਕਦਾ ਹੈ ਕਿ ਕੀਤੇ ਗਏ ਕੁਝ ਜਾਂ ਸਾਰੇ ਲਾਭ ਠੋਸ ਹਨ ਅਤੇ ਇਸ ਲਈ ਇੱਕ ਮੁਦਰਾ ਮੁੱਲ ਆਸਾਨੀ ਨਾਲ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਦੇ ਪਹਿਲੇ ਦੁਹਰਾਓ ਤੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਪ੍ਰਾਪਤ ਕਰਨਾ ਵੇਅਰਹਾਊਸ ਤੁਹਾਡੇ ਉੱਦਮ ਦੇ ਯਤਨਾਂ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਭੁਗਤਾਨ ਅਕਸਰ ਪਹਿਲੇ ਕੁਝ ਦੁਹਰਾਓ ਵਿੱਚ ਹੁੰਦਾ ਹੈ। ਇਹ ਸ਼ੁਰੂਆਤੀ ਕੋਸ਼ਿਸ਼ਾਂ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਜਨਤਾ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਉਪਯੋਗੀ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਸਥਾਪਿਤ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਬਾਅਦ ਦੀਆਂ BI ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਤਕਨਾਲੋਜੀ ਬੁਨਿਆਦ ਸਥਾਪਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀਆਂ ਹਨ। ਆਮ ਤੌਰ 'ਤੇ ਦੇ ਹਰ ਬਾਅਦ ਦੇ ਬਾਅਦ dati ਵੇਅਰਹਾਊਸ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਪੂਰੇ ਉੱਦਮ ਲਈ ਘੱਟ ਅਤੇ ਘੱਟ ਵਾਧੂ ਮੁੱਲ ਲਿਆਉਂਦੇ ਹਨ। ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸੱਚ ਹੈ ਜੇਕਰ ਦੁਹਰਾਓ ਨਵੇਂ ਵਿਸ਼ੇ ਨਹੀਂ ਜੋੜਦਾ ਜਾਂ ਨਵੇਂ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰੇ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਦਾ ਹੈ।

ਇਹ ਸਟੋਰੇਜ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਵਧ ਰਹੇ ਸਟੈਕ 'ਤੇ ਵੀ ਲਾਗੂ ਹੁੰਦੀ ਹੈ dati ਇਤਿਹਾਸਕਾਰ ਕਿਉਂਕਿ ਬਾਅਦ ਦੇ ਯਤਨਾਂ ਲਈ ਹੋਰ ਲੋੜ ਹੈ dati ਅਤੇ ਹੋਰ ਕਿੰਨਾ dati ਸਮੇਂ ਦੇ ਨਾਲ ਗੋਦਾਮ ਵਿੱਚ ਡੋਲ੍ਹਿਆ ਜਾਂਦਾ ਹੈ, ਜ਼ਿਆਦਾਤਰ dati ਵਰਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਘੱਟ ਢੁਕਵਾਂ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਹ dati ਉਹਨਾਂ ਨੂੰ ਅਕਸਰ ਬੁਲਾਇਆ ਜਾਂਦਾ ਹੈ dati ਸੁਸਤ ਅਤੇ ਇਹਨਾਂ ਨੂੰ ਰੱਖਣਾ ਹਮੇਸ਼ਾ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਲਗਭਗ ਕਦੇ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ।

ਪ੍ਰੋਜੈਕਟ ਸਪਾਂਸਰਾਂ ਲਈ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ? ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ, ਸ਼ੁਰੂਆਤੀ ਸਪਾਂਸਰ ਨਿਵੇਸ਼ ਦੀ ਲਾਗਤ ਨਾਲੋਂ ਵੱਧ ਸ਼ੇਅਰ ਕਰਦੇ ਹਨ। ਇਹ ਪ੍ਰਾਇਮਰੀ ਹੈ ਕਿਉਂਕਿ ਉਹ ਵੇਅਰਹਾਊਸ ਦੀ ਵਿਆਪਕ ਤਕਨਾਲੋਜੀ ਅਤੇ ਸਰੋਤ ਵਾਤਾਵਰਣ ਪਰਤ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਪ੍ਰੇਰਣਾ ਹਨ, ਜਿਸ ਵਿੱਚ ਜੈਵਿਕ ਵੀ ਸ਼ਾਮਲ ਹੈ।

ਪਰ ਇਹ ਪਹਿਲੇ ਕਦਮ ਉੱਚਤਮ ਮੁੱਲ ਲਿਆਉਂਦੇ ਹਨ ਅਤੇ ਇਸਲਈ ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਅਕਸਰ ਨਿਵੇਸ਼ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਣਾ ਪੈਂਦਾ ਹੈ।
ਤੁਹਾਡੀ BI ਪਹਿਲਕਦਮੀ ਤੋਂ ਬਾਅਦ ਕੀਤੇ ਗਏ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਘੱਟ (ਪਹਿਲੀ ਦੇ ਮੁਕਾਬਲੇ) ਅਤੇ ਸਿੱਧੀਆਂ ਲਾਗਤਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਪਰ ਕੰਪਨੀ ਲਈ ਘੱਟ ਮੁੱਲ ਲਿਆਉਂਦੀ ਹੈ।

ਅਤੇ ਸੰਗਠਨ ਦੇ ਮਾਲਕਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ 'ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ dati ਅਤੇ ਘੱਟ ਸੰਬੰਧਿਤ ਤਕਨਾਲੋਜੀਆਂ।

ਡਾਟਾ ਮਾਈਨਿੰਗ: ਐਕਸਟਰੈਕਸ਼ਨ ਡਾਟਾ

ਬਹੁਤ ਸਾਰੇ ਆਰਕੀਟੈਕਚਰਲ ਕੰਪੋਨੈਂਟਸ ਨੂੰ ਡਾਟਾ ਮਾਈਨਿੰਗ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਤਕਨੀਕਾਂ ਵਿੱਚ ਭਿੰਨਤਾਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ-
ਉਦਾਹਰਨ ਲਈ, ਦਿਲਚਸਪੀ ਦੇ ਬਿੰਦੂਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਵੱਖ-ਵੱਖ "ਏਜੰਟ" ਗਾਹਕ, ਕੰਪਨੀ ਦੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਅਤੇ ਖੁਦ dw ਲਈ। ਇਹ ਏਜੰਟ POT ਰੁਝਾਨਾਂ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਉੱਨਤ ਤੰਤੂ ਨੈੱਟਵਰਕ ਹੋ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਵਿਕਰੀ ਪ੍ਰੋਮੋਸ਼ਨ ਦੇ ਅਧਾਰ 'ਤੇ ਭਵਿੱਖ ਦੀ ਉਤਪਾਦ ਦੀ ਮੰਗ; ਇੱਕ ਸੈੱਟ 'ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਨ ਲਈ ਨਿਯਮ-ਅਧਾਰਿਤ ਇੰਜਣ ਡੈਟੋ ਹਾਲਾਤਾਂ ਦੇ, ਉਦਾਹਰਨ ਲਈ, ਡਾਕਟਰੀ ਨਿਦਾਨ ਅਤੇ ਇਲਾਜ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ; ਜਾਂ ਸਿਖਰ ਦੇ ਅਧਿਕਾਰੀਆਂ ਨੂੰ ਅਪਵਾਦਾਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਦੀ ਭੂਮਿਕਾ ਵਾਲੇ ਸਧਾਰਨ ਏਜੰਟ ਵੀ। ਆਮ ਤੌਰ 'ਤੇ ਇਹ ਕੱਢਣ ਕਾਰਜ dati si

ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਪੁਸ਼ਟੀ ਕਰੋ; ਇਸ ਲਈ, ਉਹਨਾਂ ਨੂੰ ਦੀ ਲਹਿਰ ਨਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇਕਜੁੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ dati ਸਟੀਸੀ.

ਔਨਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰੋਸੈਸਿੰਗ

ਔਨਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ

ਟੁਕੜੇ, ਪਾਸਾ, ਰੋਲ, ਡ੍ਰਿੱਲ ਡਾਊਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਯੋਗਤਾ
ਕੀ-ਜੇ, ਦਾਇਰੇ ਦੇ ਅੰਦਰ ਹੈ, IBM ਤਕਨਾਲੋਜੀ ਸੂਟ ਦਾ ਫੋਕਸ। ਉਦਾਹਰਨ ਲਈ, DB2 ਲਈ ਔਨਲਾਈਨ ਐਨਾਲਿਟੀਕਲ ਪ੍ਰੋਸੈਸਿੰਗ (OLAP) ਫੰਕਸ਼ਨ ਮੌਜੂਦ ਹਨ ਜੋ ਸਾਫਟਵੇਅਰ ਇੰਜਣ ਵਿੱਚ ਅਯਾਮੀ ਵਿਸ਼ਲੇਸ਼ਣ ਲਿਆਉਂਦਾ ਹੈ। ਡਾਟਾਬੇਸ ਉਹੀ .

DB2 ਦਾ ਕੁਦਰਤੀ ਹਿੱਸਾ ਹੋਣ ਦੇ ਸਾਰੇ ਲਾਭਾਂ ਦਾ ਫਾਇਦਾ ਉਠਾਉਂਦੇ ਹੋਏ ਫੰਕਸ਼ਨ SQL ਵਿੱਚ ਅਯਾਮੀ ਉਪਯੋਗਤਾ ਜੋੜਦੇ ਹਨ। OLAP ਏਕੀਕਰਣ ਦਾ ਇੱਕ ਹੋਰ ਉਦਾਹਰਨ ਐਕਸਟਰੈਕਸ਼ਨ ਟੂਲ ਹੈ, DB2 OLAP ਸਰਵਰ ਐਨਾਲਾਈਜ਼ਰ। ਇਹ ਤਕਨਾਲੋਜੀ DB2 OLAP ਸਰਵਰ ਕਿਊਬ ਨੂੰ ਖੋਜਣ ਅਤੇ ਮੁੱਲ ਮੁੱਲਾਂ 'ਤੇ ਰਿਪੋਰਟ ਕਰਨ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਅਤੇ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ। dati ਕਾਰੋਬਾਰੀ ਵਿਸ਼ਲੇਸ਼ਕ ਲਈ ਪੂਰੇ ਘਣ ਦੌਰਾਨ ਅਸਾਧਾਰਨ ਜਾਂ ਅਚਾਨਕ। ਅਤੇ ਅੰਤ ਵਿੱਚ, ਡੀਡਬਲਯੂ ਸੈਂਟਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ETL ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਇੱਕ ਕੁਦਰਤੀ ਹਿੱਸੇ ਵਜੋਂ ਇੱਕ DB2 OLAP ਸਰਵਰ ਘਣ ਦੇ ਪ੍ਰੋਫਾਈਲ ਨੂੰ, ਹੋਰ ਚੀਜ਼ਾਂ ਦੇ ਨਾਲ, ਆਰਕੀਟੈਕਟਾਂ ਨੂੰ ਨਿਯੰਤਰਣ ਕਰਨ ਲਈ ਇੱਕ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ।

ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ

ਸਪੇਸ ਇੱਕ ਪੈਨੋਰਾਮਾ ਲਈ ਲੋੜੀਂਦੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਐਂਕਰਾਂ (ਲੀਡਾਂ) ਦੇ ਅੱਧੇ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ
ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਵਿਆਪਕ (ਸਮਾਂ ਦੂਜੇ ਅੱਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ)। ਵੇਅਰਹਾਊਸ ਦਾ ਪਰਮਾਣੂ-ਪੱਧਰ, ਚਿੱਤਰ 1.1 ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ, ਵਿੱਚ ਸਮਾਂ ਅਤੇ ਸਪੇਸ ਦੇ ਬੁਨਿਆਦੀ ਤੱਤ ਸ਼ਾਮਲ ਹਨ। ਟਾਈਮ ਸਟੈਂਪ ਐਂਕਰ ਸਮੇਂ ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਅਤੇ ਪਤਾ ਜਾਣਕਾਰੀ ਐਂਕਰ ਸਪੇਸ ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ। ਟਾਈਮਸਟੈਂਪਸ ਸਮੇਂ ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ, ਅਤੇ ਪਤਾ ਜਾਣਕਾਰੀ ਸਪੇਸ ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀ ਹੈ। ਚਿੱਤਰ ਜਿਓਕੋਡਿੰਗ ਦਿਖਾਉਂਦਾ ਹੈ - ਪਤਿਆਂ ਨੂੰ ਨਕਸ਼ੇ ਵਿੱਚ ਬਿੰਦੂਆਂ ਜਾਂ ਸਪੇਸ ਵਿੱਚ ਬਿੰਦੂਆਂ ਵਿੱਚ ਬਦਲਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਤਾਂ ਜੋ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਦੂਰੀ ਅਤੇ ਅੰਦਰ/ਬਾਹਰ ਵਰਗੇ ਸੰਕਲਪਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕੇ - ਪਰਮਾਣੂ ਪੱਧਰ 'ਤੇ ਕਰਵਾਏ ਜਾਂਦੇ ਹਨ ਅਤੇ ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਜੋ ਕਿ ਉਪਲਬਧ ਕਰਵਾਏ ਜਾਂਦੇ ਹਨ। ਵਿਸ਼ਲੇਸ਼ਕ. IBM ਸਥਾਨਿਕ ਐਕਸਟੈਂਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਐਨਵਾਇਰਮੈਂਟਲ ਸਿਸਟਮ ਰਿਸਰਚ ਇੰਸਟੀਚਿਊਟ (ESRI) ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਨੂੰ ਡਾਟਾਬੇਸ DB2 ਤਾਂ ਕਿ ਸਪੇਸ ਆਬਜੈਕਟਸ ਨੂੰ ਸਧਾਰਣ ਹਿੱਸੇ ਵਜੋਂ ਸਟੋਰ ਕੀਤਾ ਜਾ ਸਕੇ ਡਾਟਾਬੇਸ ਰਿਸ਼ਤੇਦਾਰ. DB2

ਸਥਾਨਿਕ ਵਿਸਤਾਰਕਰਤਾ, ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਲਾਭ ਲੈਣ ਲਈ ਸਾਰੇ SQL ਐਕਸਟੈਂਸ਼ਨ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, SQL ਐਕਸਟੈਂਸ਼ਨਾਂ ਦੇ ਵਿਰੁੱਧ ਪੁੱਛਗਿੱਛ ਕਰਨ ਲਈ
ਪਤਿਆਂ ਵਿਚਕਾਰ ਦੂਰੀ ਜਾਂ ਕੀ ਕੋਈ ਬਿੰਦੂ ਪਰਿਭਾਸ਼ਿਤ ਬਹੁਭੁਜ ਖੇਤਰ ਦੇ ਅੰਦਰ ਜਾਂ ਬਾਹਰ ਹੈ, ਸਪੇਸ਼ੀਅਲ ਐਕਸਟੈਂਡਰ ਦੇ ਨਾਲ ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਮਿਆਰ ਹਨ। ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਅਧਿਆਇ 16 ਦੇਖੋ।

ਡਾਟਾਬੇਸ-ਰੈਜ਼ੀਡੈਂਟ ਟੂਲਜ਼ ਟੂਲ ਡਾਟਾਬੇਸ-ਨਿਵਾਸੀ

DB2 ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ BI-ਨਿਵਾਸੀ SQL ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ ਜੋ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਕਾਰਵਾਈ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੀਆਂ ਹਨ। ਇਹਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਆਵਰਤੀ ਫੰਕਸ਼ਨ, ਜਿਵੇਂ ਕਿ "ਇਸ ਤੋਂ ਸਾਰੇ ਸੰਭਵ ਫਲਾਈਟ ਮਾਰਗ ਲੱਭੋ ਸੇਨ ਫ੍ਰਾਂਸਿਸਕੋ a ਨ੍ਯੂ ਯੋਕ".
• ਰੈਂਕਿੰਗ, ਸੰਚਤ ਫੰਕਸ਼ਨਾਂ, ਘਣ ਅਤੇ ਰੋਲਅੱਪ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਫੰਕਸ਼ਨ ਉਹਨਾਂ ਕੰਮਾਂ ਦੀ ਸਹੂਲਤ ਲਈ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਸਿਰਫ OLAP ਤਕਨਾਲੋਜੀ ਨਾਲ ਹੁੰਦੇ ਹਨ, ਹੁਣ ਇੰਜਣ ਦਾ ਕੁਦਰਤੀ ਹਿੱਸਾ ਹਨ। ਡਾਟਾਬੇਸ
• ਟੇਬਲ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਜਿਸ ਵਿੱਚ ਨਤੀਜੇ ਸ਼ਾਮਲ ਹਨ
  ਦੇ ਵਿਕਰੇਤਾ ਡਾਟਾਬੇਸ ਨੇਤਾਵਾਂ ਵਿੱਚ BI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਮਿਲਾਉਂਦੇ ਹਨ ਡਾਟਾਬੇਸ ਸਟੀਸੋ.
  ਦੇ ਮੁੱਖ ਸਪਲਾਇਰ ਡਾਟਾ ਬੇਸ ਉਹ ਵਿੱਚ BI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਮਿਲਾ ਰਹੇ ਹਨ ਡਾਟਾਬੇਸ ਸਟੀਸੋ.
  ਇਹ BI ਹੱਲਾਂ ਲਈ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਹੋਰ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
  DB2 V8 ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਕਾਰਜਾਂ ਬਾਰੇ ਹੇਠਾਂ ਦਿੱਤੇ ਅਧਿਆਵਾਂ ਵਿੱਚ ਵਿਸਥਾਰ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ:
  ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਡਾਟਾ ਪ੍ਰਬੰਧਨ ਫਾਊਂਡੇਸ਼ਨ (ਅਧਿਆਇ 5)

• DB2 BI ਬੁਨਿਆਦੀ ਗੱਲਾਂ (ਅਧਿਆਇ 6)
• DB2 ਮਟੀਰੀਅਲਾਈਜ਼ਡ ਪੁੱਛਗਿੱਛ ਟੇਬਲ (ਅਧਿਆਇ 7)
• DB2 OLAP ਫੰਕਸ਼ਨ (ਅਧਿਆਇ 13)
• DB2 ਐਨਹਾਂਸਡ BI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਕਾਰਜ (ਅਧਿਆਇ 15) ਸਧਾਰਨ ਡਾਟਾ ਡਿਲਿਵਰੀ ਸਿਸਟਮ ਦੀ ਡਿਲਿਵਰੀ ਸਿਸਟਮ dati ਸਰਲ ਕੀਤਾ ਗਿਆ

ਚਿੱਤਰ 1.1 ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਕਈ ਬਣਤਰ ਸ਼ਾਮਲ ਹਨ dati ਸਰੀਰਕ. ਇੱਕ ਦਾ ਗੋਦਾਮ ਹੈ dati ਓਪਰੇਟਿੰਗ. ਆਮ ਤੌਰ 'ਤੇ, ਇੱਕ ODS ਇੱਕ ਵਿਸ਼ਾ-ਅਧਾਰਿਤ, ਏਕੀਕ੍ਰਿਤ ਅਤੇ ਮੌਜੂਦਾ ਵਸਤੂ ਹੈ। ਤੁਸੀਂ ਸਮਰਥਨ ਕਰਨ ਲਈ ਇੱਕ ODS ਬਣਾਓਗੇ, ਉਦਾਹਰਨ ਲਈ, ਸੇਲਜ਼ ਆਫਿਸ। ODS ਦੀ ਵਿਕਰੀ ਪੂਰਕ ਹੋਵੇਗੀ dati ਕਈ ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਪਰ ਸਿਰਫ਼ ਬਰਕਰਾਰ ਰਹੇਗਾ, ਉਦਾਹਰਨ ਲਈ, ਅੱਜ ਦੇ ਲੈਣ-ਦੇਣ। ODS ਨੂੰ ਦਿਨ ਵਿੱਚ ਕਈ ਵਾਰ ਅੱਪਡੇਟ ਵੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸਦੇ ਨਾਲ ਹੀ, ਪ੍ਰਕਿਰਿਆਵਾਂ i dati ਹੋਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ. ਇਹ ਢਾਂਚਾ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ dati ਮੌਜੂਦਾ ਅਤੇ ਗਤੀਸ਼ੀਲ ਅਤੇ ਅਸਲ-ਸਮੇਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਇੱਕ ਸੰਭਾਵਿਤ ਉਮੀਦਵਾਰ ਹੋਵੇਗਾ, ਜਿਵੇਂ ਕਿ ਸੇਵਾ ਏਜੰਟਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਨਾ ਗਾਹਕ ਵੇਅਰਹਾਊਸ ਤੋਂ ਹੀ ਵਿਕਰੀ ਰੁਝਾਨ ਜਾਣਕਾਰੀ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਕੇ ਗਾਹਕ ਦੀ ਮੌਜੂਦਾ ਵਿਕਰੀ ਜਾਣਕਾਰੀ। ਚਿੱਤਰ 1.1 ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਇੱਕ ਹੋਰ ਢਾਂਚਾ dw ਲਈ ਇੱਕ ਰਸਮੀ ਅਵਸਥਾ ਹੈ। ਨਾ ਸਿਰਫ ਇਹ ਜ਼ਰੂਰੀ ਏਕੀਕਰਣ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਜਗ੍ਹਾ ਹੈ, ਦੀ ਗੁਣਵੱਤਾ dati, ਅਤੇ ਦੇ ਪਰਿਵਰਤਨ ਦੇ dati ਆਉਣ ਵਾਲੇ ਵੇਅਰਹਾਊਸ ਦਾ, ਪਰ ਇਹ ਇੱਕ ਭਰੋਸੇਮੰਦ ਅਤੇ ਅਸਥਾਈ ਸਟੋਰੇਜ ਖੇਤਰ ਵੀ ਹੈ dati ਪ੍ਰਤੀਕ੍ਰਿਤੀਆਂ ਜੋ ਕਿ ਅਸਲ-ਸਮੇਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਵਿੱਚ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਜੇ ਤੁਸੀਂ ODS ਜਾਂ ਸਟੇਜਿੰਗ ਖੇਤਰ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹਨਾਂ ਢਾਂਚਿਆਂ ਨੂੰ ਭਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਸਾਧਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ dati ਵੱਖ-ਵੱਖ ਸੰਚਾਲਨ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ DB2 ਦੀ ਵਿਭਿੰਨ ਵੰਡੀ ਪੁੱਛਗਿੱਛ ਹੈ। ਇਹ ਸਮਰੱਥਾ ਵਿਕਲਪਿਕ DB2 ਵਿਸ਼ੇਸ਼ਤਾ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਿਸਨੂੰ DB2 ਰਿਲੇਸ਼ਨਲ ਕਨੈਕਟ (ਸਿਰਫ਼ ਪੁੱਛਗਿੱਛ) ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ DB2 ਡੇਟਾਜੋਇਨਰ (ਇੱਕ ਵੱਖਰਾ ਉਤਪਾਦ ਜੋ ਕਿ ਵਿਪਰੀਤ ਵਿਤਰਿਤ RDBMSs ਨੂੰ ਪੁੱਛਗਿੱਛ, ਸੰਮਿਲਿਤ, ਅਪਡੇਟ ਅਤੇ ਮਿਟਾਉਣ ਦੀ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ) ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਇਹ ਤਕਨੀਕ ਆਰਕੀਟੈਕਟਾਂ ਨੂੰ ਇਸਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ dati ਟਾਈ ਕਰਨ ਲਈ dati ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਨਾਲ ਉਤਪਾਦਨ. ਨਾ ਸਿਰਫ ਤਕਨਾਲੋਜੀ ਅਸਲ-ਸਮੇਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਨਾਲ ਪੈਦਾ ਹੋਣ ਵਾਲੀ ਕਿਸੇ ਵੀ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਦੀਆਂ ਮੰਗਾਂ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦੀ ਹੈ, ਪਰ ਇਹ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਡੇਟਾ ਬੇਸਾਂ ਨਾਲ ਵੀ ਜੁੜ ਸਕਦੀ ਹੈ। dati DB2, Oracle, Sybase, SQL ਸਰਵਰ, Informix ਅਤੇ ਹੋਰਾਂ ਸਮੇਤ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ। DB2 DataJoiner ਨੂੰ ਇੱਕ ਢਾਂਚੇ ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ dati ਇੱਕ ODS ਦੇ ਰੂਪ ਵਿੱਚ ਰਸਮੀ ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਸਥਾਈ ਸਾਰਣੀ ਨੂੰ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਪ੍ਰਸਤੁਤ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਤਤਕਾਲ ਅੱਪਡੇਟ ਜਾਂ ਵਿਕਰੀ ਲਈ ਤੁਰੰਤ ਰਿਕਵਰੀ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਬੇਸ਼ੱਕ, ਇਹ ਉਹੀ ਬਣਤਰ dati ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਬਾਦੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ

ਦੀ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਇਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਤਕਨਾਲੋਜੀ dati, IBM DataPropagator Relational. (ਡੇਟਾਪ੍ਰੋਪੈਗੇਟਰ ਕੇਂਦਰੀ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਇੱਕ ਵੱਖਰਾ ਉਤਪਾਦ ਹੈ। DB2 UNIX, Linux, Windows, ਅਤੇ OS/2 ਵਿੱਚ ਡਾਟਾ ਰੀਪਲੀਕੇਸ਼ਨ ਸੇਵਾਵਾਂ ਸ਼ਾਮਲ ਹਨ। dati ਇੱਕ ਮਿਆਰੀ ਵਿਸ਼ੇਸ਼ਤਾ ਵਜੋਂ)
ਹਿਲਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ dati ਐਂਟਰਪ੍ਰਾਈਜ਼ ਦੇ ਆਲੇ ਦੁਆਲੇ ਕੰਮ ਕਰਨਾ ਇੱਕ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਐਪਲੀਕੇਸ਼ਨ ਇੰਟੀਗਰੇਟਰ ਹੈ ਨਹੀਂ ਤਾਂ ਇੱਕ ਸੁਨੇਹਾ ਬ੍ਰੋਕਰ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਵਿਲੱਖਣ ਤਕਨਾਲੋਜੀ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣ ਅਤੇ ਮੂਵ ਕਰਨ ਲਈ ਬੇਮਿਸਾਲ ਨਿਯੰਤਰਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ dati ਕੰਪਨੀ ਦੇ ਆਲੇ ਦੁਆਲੇ. IBM ਕੋਲ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਸੁਨੇਹਾ ਬ੍ਰੋਕਰ, MQSeries, ਜਾਂ ਉਤਪਾਦ ਦੀ ਇੱਕ ਪਰਿਵਰਤਨ ਹੈ ਜਿਸ ਵਿੱਚ ਲੋੜਾਂ ਸ਼ਾਮਲ ਹਨ ਈ-ਕਾਮਰਸ, IBM WebSphere MQ.
ਇੱਕ ਵੇਅਰਹਾਊਸ ਅਤੇ BI ਵਾਤਾਵਰਣ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਲਈ MQ ਦਾ ਲਾਭ ਕਿਵੇਂ ਲੈਣਾ ਹੈ ਇਸ ਬਾਰੇ ਹੋਰ ਚਰਚਾ ਲਈ, ਵੇਖੋ ਵੈੱਬਸਾਈਟ ਕਿਤਾਬ ਦੇ. ਫਿਲਹਾਲ, ਇਹ ਕਹਿਣਾ ਕਾਫ਼ੀ ਹੈ ਕਿ ਇਹ ਤਕਨਾਲੋਜੀ ਹਾਸਲ ਕਰਨ ਅਤੇ ਬਦਲਣ ਦਾ ਇੱਕ ਵਧੀਆ ਸਾਧਨ ਹੈ (MQSeries Integrator ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ) dati BI ਹੱਲਾਂ ਲਈ ਕੇਂਦਰਿਤ (ਨਿਸ਼ਾਨਾਬੱਧ) ਆਪਰੇਟਰ ਭਰਤੀ ਕੀਤੇ ਗਏ ਹਨ। MQ ਤਕਨਾਲੋਜੀ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ UDB V8 ਵਿੱਚ ਪੈਕ ਕੀਤਾ ਗਿਆ ਹੈ, ਮਤਲਬ ਕਿ ਸੁਨੇਹਾ ਕਤਾਰਾਂ ਨੂੰ ਹੁਣ ਇਸ ਤਰ੍ਹਾਂ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਉਹ DB2 ਟੇਬਲ ਸਨ। ਕਤਾਰਬੱਧ ਸੁਨੇਹਿਆਂ ਅਤੇ ਬ੍ਰਹਿਮੰਡ ਦੀ ਵੈਲਡਿੰਗ ਦੀ ਧਾਰਨਾ ਡਾਟਾਬੇਸ ਦੇ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡਿਲਿਵਰੀ ਵਾਤਾਵਰਣ ਵੱਲ ਰਿਲੇਸ਼ਨਲ ਸਿਰ dati.

ਜ਼ੀਰੋ-ਲੇਟੈਂਸੀ ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ

IBM ਲਈ ਅੰਤਮ ਰਣਨੀਤਕ ਟੀਚਾ ਜ਼ੀਰੋ-ਲੇਟੈਂਸੀ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ। ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ
ਗਾਰਟਨਰ, ਇੱਕ BI ਸਿਸਟਮ ਮੰਗ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਜਾਣਕਾਰੀ ਦੇਣ, ਸਮਾਈ ਕਰਨ ਅਤੇ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਚੁਣੌਤੀ, ਬੇਸ਼ਕ, ਇਹ ਹੈ ਕਿ ਕਿਵੇਂ ਮਿਲਾਉਣਾ ਹੈ dati ਜ਼ਰੂਰੀ ਇਤਿਹਾਸਕ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਮੌਜੂਦਾ ਅਤੇ ਰੀਅਲ-ਟਾਈਮ, ਜਿਵੇਂ ਕਿ i dati ਸੰਬੰਧਿਤ ਪੈਟਰਨ/ਰੁਝਾਨ, ਜਾਂ ਐਕਸਟਰੈਕਟਡ ਸਮਝ, ਜਿਵੇਂ ਕਿ ਗਾਹਕ ਪ੍ਰੋਫਾਈਲਿੰਗ।

ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਦੀ ਪਛਾਣ ਗਾਹਕ ਉੱਚ ਜਾਂ ਘੱਟ ਜੋਖਮ ਜਾਂ ਕਿਹੜੇ ਉਤਪਾਦ i ਗਾਹਕ ਉਹ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਖਰੀਦ ਕਰਨਗੇ ਜੇਕਰ ਉਨ੍ਹਾਂ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਉਨ੍ਹਾਂ ਦੀਆਂ ਸ਼ਾਪਿੰਗ ਕਾਰਟਾਂ ਵਿੱਚ ਪਨੀਰ ਹੈ।

ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨਾ ਅਸਲ ਵਿੱਚ ਦੋ ਬੁਨਿਆਦੀ ਵਿਧੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ:

• ਦੀ ਪੂਰੀ ਯੂਨੀਅਨ dati ਜਿਨ੍ਹਾਂ ਦਾ BI ਦੁਆਰਾ ਬਣਾਈਆਂ ਗਈਆਂ ਸਥਾਪਿਤ ਤਕਨੀਕਾਂ ਅਤੇ ਸਾਧਨਾਂ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
• ਦੀ ਇੱਕ ਡਿਲਿਵਰੀ ਸਿਸਟਮ dati ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕੁਸ਼ਲ ਹੈ ਕਿ ਅਸਲ-ਸਮੇਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਸੱਚਮੁੱਚ ਉਪਲਬਧ ਹਨ। ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਲਈ ਇਹ ਪੂਰਵ-ਸ਼ਰਤਾਂ IBM ਦੁਆਰਾ ਸਥਾਪਤ ਅਤੇ ਉੱਪਰ ਦੱਸੇ ਗਏ ਦੋ ਟੀਚਿਆਂ ਨਾਲੋਂ ਵੱਖਰੀਆਂ ਨਹੀਂ ਹਨ। ਦੇ ਨਜ਼ਦੀਕੀ ਮੇਲ dati ਇਹ IBM ਦੇ ਸਹਿਜ ਏਕੀਕਰਣ ਪ੍ਰੋਗਰਾਮ ਦਾ ਹਿੱਸਾ ਹੈ। ਅਤੇ ਦੀ ਇੱਕ ਡਿਲਿਵਰੀ ਸਿਸਟਮ ਬਣਾਓ dati ਕੁਸ਼ਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਉਪਲਬਧ ਤਕਨਾਲੋਜੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਜੋ ਦੀ ਡਿਲਿਵਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ dati. ਨਤੀਜੇ ਵਜੋਂ, IBM ਦੇ ਤਿੰਨ ਟੀਚਿਆਂ ਵਿੱਚੋਂ ਦੋ ਤੀਜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਵੇਅਰਹਾਊਸ ਦੇ ਯਤਨਾਂ ਲਈ ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਇੱਕ ਹਕੀਕਤ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ IBM ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਆਪਣੀ ਤਕਨਾਲੋਜੀ ਨੂੰ ਵਿਕਸਤ ਕਰ ਰਿਹਾ ਹੈ। ਸੰਖੇਪ / ਸੰਸਲੇਸ਼ਣ BI ਸੰਸਥਾ ਤੁਹਾਡੇ ਵਾਤਾਵਰਣ ਨੂੰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਰੋਡ ਮੈਪ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ
  ਦੁਹਰਾਓ. ਇਹ ਤੁਹਾਡੇ ਕਾਰੋਬਾਰ ਦੀਆਂ ਮੌਜੂਦਾ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਐਡਜਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਵਿਆਪਕ ਆਰਕੀਟੈਕਚਰਲ ਦ੍ਰਿਸ਼ਟੀ ਤੋਂ ਬਿਨਾਂ, ਵੇਅਰਹਾਊਸ ਦੁਹਰਾਓ ਕੇਂਦਰੀ ਵੇਅਰਹਾਊਸ ਦੇ ਬੇਤਰਤੀਬੇ ਲਾਗੂਕਰਨਾਂ ਨਾਲੋਂ ਥੋੜਾ ਜ਼ਿਆਦਾ ਹਨ ਜੋ ਇੱਕ ਵਿਆਪਕ, ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਉੱਦਮ ਬਣਾਉਣ ਲਈ ਬਹੁਤ ਘੱਟ ਕਰਦੇ ਹਨ। ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਰਾਂ ਲਈ ਪਹਿਲੀ ਰੁਕਾਵਟ ਇਹ ਹੈ ਕਿ BI ਸੰਗਠਨ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਨਿਵੇਸ਼ਾਂ ਨੂੰ ਕਿਵੇਂ ਜਾਇਜ਼ ਠਹਿਰਾਇਆ ਜਾਵੇ। ਹਾਲਾਂਕਿ ROI ਗਣਨਾ ਵੇਅਰਹਾਊਸ ਲਾਗੂ ਕਰਨ ਦਾ ਇੱਕ ਮੁੱਖ ਆਧਾਰ ਬਣਿਆ ਹੋਇਆ ਹੈ, ਇਸਦੀ ਸਹੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਔਖਾ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ। ਇਸ ਨਾਲ ਇਹ ਨਿਰਧਾਰਿਤ ਕਰਨ ਲਈ ਹੋਰ ਤਰੀਕਿਆਂ ਦੀ ਅਗਵਾਈ ਕੀਤੀ ਗਈ ਹੈ ਕਿ ਕੀ ਤੁਸੀਂ ਆਪਣੇ ਪੈਸੇ ਦੀ ਕੀਮਤ ਪ੍ਰਾਪਤ ਕਰ ਰਹੇ ਹੋ। ਉਦਾਹਰਨ ਲਈ, ਨਿਵੇਸ਼2 (VOI) 'ਤੇ ਮੁੱਲ ਨੂੰ ਹੱਲ ਵਜੋਂ ਅੱਗੇ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ। ਦੇ ਆਰਕੀਟੈਕਟਾਂ 'ਤੇ ਜ਼ਿੰਮੇਦਾਰ ਹੈ dati ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰ ਜਾਣਬੁੱਝ ਕੇ ਉਪਭੋਗਤਾ ਐਸੋਸੀਏਸ਼ਨਾਂ ਨੂੰ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਿਰਫ਼ ਸੇਵਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦੇ ਹਨ dati. ਦੋਵਾਂ ਵਿੱਚ ਬਹੁਤ ਵੱਡਾ ਅੰਤਰ ਹੈ। ਜਾਣਕਾਰੀ ਅਜਿਹੀ ਚੀਜ਼ ਹੈ ਜੋ ਫੈਸਲੇ ਲੈਣ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਵਿੱਚ ਫਰਕ ਪਾਉਂਦੀ ਹੈ; ਮੁਕਾਬਲਤਨ, i dati ਉਹ ਉਸ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਬਲਾਕ ਬਣਾ ਰਹੇ ਹਨ।

ਭਾਵੇਂ ਮੈਂ ਸਰੋਤ ਦੀ ਆਲੋਚਨਾ ਕਰਦਾ ਹਾਂ dati ਕਾਰੋਬਾਰੀ ਬੇਨਤੀਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨ ਲਈ, BI ਵਾਤਾਵਰਣ ਨੂੰ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਬਣਾਉਣ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਭੂਮਿਕਾ ਨਿਭਾਉਣੀ ਚਾਹੀਦੀ ਹੈ। ਸਾਨੂੰ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਸਾਫ਼ ਕਰਨ, ਏਕੀਕ੍ਰਿਤ ਕਰਨ, ਪਰਿਵਰਤਿਤ ਕਰਨ, ਜਾਂ ਹੋਰ ਤਰੀਕੇ ਨਾਲ ਬਣਾਉਣ ਲਈ ਵਾਧੂ ਕਦਮ ਚੁੱਕਣੇ ਚਾਹੀਦੇ ਹਨ, ਜਿਸ 'ਤੇ ਉਪਭੋਗਤਾ ਕਾਰਵਾਈ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਫਿਰ ਸਾਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹ ਕਾਰਵਾਈਆਂ ਅਤੇ ਫੈਸਲੇ, ਜਿੱਥੇ ਉਚਿਤ ਹੋਣ, BI ਵਾਤਾਵਰਣ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਿਤ ਹੋਣ। ਜੇ ਅਸੀਂ ਵੇਅਰਹਾਊਸ ਨੂੰ ਸਿਰਫ਼ ਸੇਵਾ ਕਰਨ ਲਈ ਛੱਡ ਦਿੰਦੇ ਹਾਂ dati, ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਐਸੋਸੀਏਸ਼ਨ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਬਣਾਉਣਗੇ। ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਦਾ ਭਾਈਚਾਰਾ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਦੇ ਯੋਗ ਹੋਵੇਗਾ, ਪਰ ਉੱਦਮ ਉਹਨਾਂ ਗਿਆਨ ਦੀ ਘਾਟ ਤੋਂ ਪੀੜਤ ਹੈ ਜਿਸਦੀ ਉਹਨਾਂ ਨੇ ਵਰਤੋਂ ਕੀਤੀ ਹੈ। ਦੀ ਮਿਤੀ ਜਿਵੇਂ ਕਿ ਆਰਕੀਟੈਕਟ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰ BI ਵਾਤਾਵਰਣ ਵਿੱਚ ਖਾਸ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰਦੇ ਹਨ, ਉਹ ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਉੱਦਮ ਪ੍ਰਤੀ ਜਵਾਬਦੇਹ ਰਹਿੰਦੇ ਹਨ। BI ਦੁਹਰਾਓ ਦੀ ਇਸ ਦੋ-ਪੱਖੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਇੱਕ ਸਧਾਰਨ ਉਦਾਹਰਣ ਸਰੋਤ ਵਿੱਚ ਮਿਲਦੀ ਹੈ dati. ਸਾਰੇ dati ਖਾਸ ਵਪਾਰਕ ਬੇਨਤੀਆਂ ਲਈ ਪ੍ਰਾਪਤ ਕੀਤੀ ਪਹਿਲੀ ਪਰਮਾਣੂ ਪਰਤ ਵਿੱਚ ਭਰੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਇਹ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਜਾਣਕਾਰੀ ਸੰਪੱਤੀ ਦੇ ਵਿਕਾਸ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ, ਨਾਲ ਹੀ ਪ੍ਰਬੰਧਨ, ਦੁਹਰਾਓ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਖਾਸ ਉਪਭੋਗਤਾ ਬੇਨਤੀਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ।

ਇੱਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੀ ਹੈ?

ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਇਹ 1990 ਤੋਂ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਢਾਂਚੇ ਦਾ ਕੇਂਦਰ ਰਿਹਾ ਹੈ ਅਤੇ ਇੱਕ ਠੋਸ ਏਕੀਕ੍ਰਿਤ ਪਲੇਟਫਾਰਮ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਕੇ ਸੂਚਨਾ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ। dati ਬਾਅਦ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਲਈ ਆਧਾਰ ਵਜੋਂ ਲਏ ਗਏ ਇਤਿਹਾਸਕ ਡੇਟਾ। ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਅਸੰਗਤ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਏਕੀਕਰਣ ਦੀ ਸੌਖ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਨ। ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਇਹ ਇੱਕ ਰੁਝਾਨ ਵਿੱਚ ਵਿਕਸਤ ਹੋਇਆ ਹੈ। ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਸੰਗਠਿਤ ਅਤੇ ਸਟੋਰ i dati ਲੰਬੇ ਇਤਿਹਾਸਕ ਅਸਥਾਈ ਦ੍ਰਿਸ਼ਟੀਕੋਣ 'ਤੇ ਆਧਾਰਿਤ ਜਾਣਕਾਰੀ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਇਹ ਸਭ ਦੇ ਨਿਰਮਾਣ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਵਿੱਚ ਇੱਕ ਕਾਫ਼ੀ ਅਤੇ ਨਿਰੰਤਰ ਵਚਨਬੱਧਤਾ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.

ਤਾਂ ਕੀ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ? ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ:

• ▪ ਵਿਸ਼ਾ-ਅਧਾਰਿਤ
• ▪ ਏਕੀਕ੍ਰਿਤ ਸਿਸਟਮ
• ▪ ਵੇਰੀਐਂਟ ਸਮਾਂ
• ▪ ਗੈਰ-ਅਸਥਿਰ (ਮਿਟਾਇਆ ਨਹੀਂ ਜਾ ਸਕਦਾ)

ਦਾ ਇੱਕ ਸੰਗ੍ਰਹਿ dati ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਪ੍ਰਬੰਧਕੀ ਫੈਸਲਿਆਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
I dati ਵਿੱਚ ਪਾਈ ਗਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਉਹ ਕਾਰਜਸ਼ੀਲ ਵਾਤਾਵਰਣ ਤੋਂ ਪ੍ਰਾਪਤ ਹੁੰਦੇ ਹਨ। ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਸਟੋਰੇਜ਼ ਯੂਨਿਟ ਤੋਂ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਬਾਕੀ ਸਿਸਟਮ ਤੋਂ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਵੱਖਰਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਇਹ ਸ਼ਾਮਲ ਹੈ dati ਪਹਿਲਾਂ ਉਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੁਆਰਾ ਬਦਲਿਆ ਗਿਆ ਸੀ ਜੋ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਤੋਂ ਪ੍ਰਾਪਤ ਜਾਣਕਾਰੀ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ।

ਏ ਦੀ ਸ਼ਾਬਦਿਕ ਪਰਿਭਾਸ਼ਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇੱਕ ਡੂੰਘਾਈ ਨਾਲ ਵਿਆਖਿਆ ਦਾ ਹੱਕਦਾਰ ਹੈ ਕਿਉਂਕਿ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰੇਰਣਾਵਾਂ ਅਤੇ ਅੰਤਰੀਵ ਅਰਥ ਹਨ ਜੋ ਇੱਕ ਵੇਅਰਹਾਊਸ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ।

ਸਬਜੈਕਟ ਓਰੀਐਂਟੇਸ਼ਨ ਓਰੀਐਂਟੇਸ਼ਨ ਥੀਮੈਟਿਕ

ਦੀ ਪਹਿਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਹੈ ਕਿ ਇਹ ਇੱਕ ਕੰਪਨੀ ਵਿੱਚ ਪ੍ਰਮੁੱਖ ਖਿਡਾਰੀਆਂ ਵੱਲ ਕੇਂਦਰਿਤ ਹੈ। ਦੁਆਰਾ ਟਰਾਇਲਾਂ ਦੀ ਗਾਈਡ dati ਇਹ ਵਧੇਰੇ ਕਲਾਸਿਕ ਵਿਧੀ ਦੇ ਉਲਟ ਹੈ ਜਿਸ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਵੱਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਸਥਿਤੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ, ਇੱਕ ਵਿਧੀ ਜੋ ਜ਼ਿਆਦਾਤਰ ਘੱਟ ਹਾਲੀਆ ਪ੍ਰਬੰਧਨ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਸਾਂਝੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਕਾਰਜਸ਼ੀਲ ਸੰਸਾਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਜਿਵੇਂ ਕਿ ਕਰਜ਼ੇ, ਬਚਤ, ਬੈਂਕਕਾਰਡ ਅਤੇ ਵਿੱਤੀ ਸੰਸਥਾ ਲਈ ਟਰੱਸਟ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। dw ਦੀ ਦੁਨੀਆ ਮੁੱਖ ਵਿਸ਼ਿਆਂ ਜਿਵੇਂ ਕਿ ਗਾਹਕ, ਵਿਕਰੇਤਾ, ਉਤਪਾਦ ਅਤੇ ਗਤੀਵਿਧੀ ਦੇ ਆਲੇ ਦੁਆਲੇ ਸੰਗਠਿਤ ਹੈ। ਵਿਸ਼ਿਆਂ ਦੇ ਦੁਆਲੇ ਇਕਸਾਰਤਾ ਦੇ ਡਿਜ਼ਾਈਨ ਅਤੇ ਲਾਗੂਕਰਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ dati dw ਵਿੱਚ ਪਾਇਆ ਗਿਆ। ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ, ਮੁੱਖ ਵਿਸ਼ਾ ਮੁੱਖ ਢਾਂਚੇ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ.

ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਦੁਨੀਆ ਡੇਟਾਬੇਸ ਦੇ ਡਿਜ਼ਾਈਨ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਡਿਜ਼ਾਈਨ ਦੋਵਾਂ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੈ. dw ਦੀ ਦੁਨੀਆ ਸਿਰਫ਼ ਮਾਡਲਿੰਗ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ dati ਅਤੇ ਦੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਡਾਟਾਬੇਸ. ਪ੍ਰਕਿਰਿਆ ਡਿਜ਼ਾਈਨ (ਇਸਦੇ ਕਲਾਸਿਕ ਰੂਪ ਵਿੱਚ) dw ਵਾਤਾਵਰਣ ਦਾ ਹਿੱਸਾ ਨਹੀਂ ਹੈ।

ਪ੍ਰਕਿਰਿਆ/ਫੰਕਸ਼ਨ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਚੋਣ ਅਤੇ ਵਿਸ਼ੇ ਦੀ ਚੋਣ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ ਵੀ ਇਸ ਦੀ ਸਮੱਗਰੀ ਵਿੱਚ ਅੰਤਰ ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰਗਟ ਕੀਤੇ ਗਏ ਹਨ। dati ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਪੱਧਰ 'ਤੇ. ਦ dati ਦੇ dw ਵਿੱਚ i ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ dati ਜਿਸਦੀ ਵਰਤੋਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੌਰਾਨ DSS ਪ੍ਰਕਿਰਿਆ ਲਈ ਨਹੀਂ ਕੀਤੀ ਜਾਵੇਗੀ

ਸੰਚਾਲਨ ਅਧਾਰਿਤ dati i ਸ਼ਾਮਿਲ ਹੈ dati ਫੰਕਸ਼ਨਲ/ਪ੍ਰੋਸੈਸਿੰਗ ਲੋੜਾਂ ਨੂੰ ਤੁਰੰਤ ਪੂਰਾ ਕਰਨ ਲਈ ਜੋ DSS ਵਿਸ਼ਲੇਸ਼ਕ ਲਈ ਕੋਈ ਉਪਯੋਗੀ ਹੋ ਸਕਦੀਆਂ ਹਨ ਜਾਂ ਨਹੀਂ ਵੀ ਹੋ ਸਕਦੀਆਂ ਹਨ।
ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਤਰੀਕਾ ਜਿਸ ਲਈ ਕਾਰਜਸ਼ੀਲ-ਅਧਾਰਿਤ ਐਪਲੀਕੇਸ਼ਨ ਹਨ dati ਤੋਂ ਵੱਖਰਾ ਹੈ dati ਡੀਡਬਲਯੂ ਦੀ ਡੀਈਆਈ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਹੈ dati. ਮੈਂ dati ਓਪਰੇਸ਼ਨ ਸਰਗਰਮ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਕਾਰੋਬਾਰੀ ਨਿਯਮ ਦੇ ਆਧਾਰ 'ਤੇ ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਟੇਬਲਾਂ ਵਿਚਕਾਰ ਨਿਰੰਤਰ ਸਬੰਧ ਬਣਾਈ ਰੱਖਦੇ ਹਨ। ਦ dati ਦੇ dw ਸਮੇਂ ਦੇ ਇੱਕ ਸਪੈਕਟ੍ਰਮ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ ਅਤੇ dw ਵਿੱਚ ਪਾਏ ਜਾਣ ਵਾਲੇ ਰਿਸ਼ਤੇ ਬਹੁਤ ਸਾਰੇ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਵਪਾਰਕ ਨਿਯਮ (ਅਤੇ ਇਸਦੇ ਅਨੁਸਾਰ, ਦੇ ਬਹੁਤ ਸਾਰੇ ਰਿਸ਼ਤੇ dati ) ਦੇ ਸਟਾਕ ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਹਨ dati ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਟੇਬਲਾਂ ਦੇ ਵਿਚਕਾਰ.

(ਇਸਦੀ ਵਿਸਤ੍ਰਿਤ ਵਿਆਖਿਆ ਲਈ ਕਿ ਕਿਵੇਂ ਵਿਚਕਾਰ ਸਬੰਧ ਹਨ dati DW ਵਿੱਚ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ, ਅਸੀਂ ਉਸ ਮੁੱਦੇ 'ਤੇ ਤਕਨੀਕੀ ਵਿਸ਼ੇ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਾਂ।)
ਕਾਰਜਸ਼ੀਲ/ਪ੍ਰਕਿਰਿਆ ਐਪਲੀਕੇਸ਼ਨ ਚੋਣ ਅਤੇ ਵਿਸ਼ੇ ਦੀ ਚੋਣ ਵਿਚਕਾਰ ਬੁਨਿਆਦੀ ਅੰਤਰ ਤੋਂ ਇਲਾਵਾ ਕਿਸੇ ਹੋਰ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਕੀ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਹੈ ਅਤੇ dati ਅਤੇ DW.

ਏਕੀਕਰਨ ਏਕੀਕਰਨ

dw ਵਾਤਾਵਰਣ ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂ ਇਹ ਹੈ ਕਿ ਆਈ dati dw ਦੇ ਅੰਦਰ ਲੱਭੇ ਆਸਾਨੀ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹਨ. ਹਮੇਸ਼ਾ। ਅਪਵਾਦਾਂ ਤੋਂ ਬਿਨਾਂ। dw ਵਾਤਾਵਰਣ ਦਾ ਸਾਰ ਇਹ ਹੈ ਕਿ ਆਈ dati ਵੇਅਰਹਾਊਸ ਦੀ ਸੀਮਾ ਦੇ ਅੰਦਰ ਸ਼ਾਮਲ ਏਕੀਕ੍ਰਿਤ ਹਨ.

ਏਕੀਕਰਣ ਆਪਣੇ ਆਪ ਨੂੰ ਕਈ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ - ਇਕਸਾਰ ਪਛਾਣੇ ਗਏ ਸੰਮੇਲਨਾਂ ਵਿਚ, ਇਕਸਾਰ ਪਰਿਵਰਤਨਸ਼ੀਲ ਮਾਪ ਵਿਚ, ਇਕਸਾਰ ਕੋਡਡ ਬਣਤਰਾਂ ਵਿਚ, ਦੇ ਭੌਤਿਕ ਗੁਣਾਂ ਵਿਚ dati ਇਕਸਾਰ, ਅਤੇ ਹੋਰ.

ਸਾਲਾਂ ਦੌਰਾਨ, ਵੱਖ-ਵੱਖ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਡਿਜ਼ਾਈਨਰਾਂ ਨੇ ਇਸ ਬਾਰੇ ਬਹੁਤ ਸਾਰੇ ਫੈਸਲੇ ਲਏ ਹਨ ਕਿ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਕਿਵੇਂ ਵਿਕਸਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਡਿਜ਼ਾਈਨਰਾਂ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਸ਼ੈਲੀ ਅਤੇ ਵਿਅਕਤੀਗਤ ਡਿਜ਼ਾਈਨ ਫੈਸਲੇ ਆਪਣੇ ਆਪ ਨੂੰ ਸੌ ਤਰੀਕਿਆਂ ਨਾਲ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ: ਕੋਡਿੰਗ ਵਿੱਚ ਅੰਤਰ, ਮੁੱਖ ਬਣਤਰ, ਭੌਤਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਸੰਮੇਲਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਹੋਰ। ਅਸੰਗਤ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰਾਂ ਦੀ ਸਮੂਹਿਕ ਯੋਗਤਾ ਮਹਾਨ ਹੈ। ਚਿੱਤਰ 3 ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਕੁਝ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਏਨਕੋਡਿੰਗ: ਏਨਕੋਡਿੰਗ:

ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰਾਂ ਨੇ ਫੀਲਡ ਕੋਡਿੰਗ - ਲਿੰਗ - ਨੂੰ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਚੁਣਿਆ ਹੈ। ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਲਿੰਗ ਨੂੰ "m" ਅਤੇ "f" ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ ਲਿੰਗ ਨੂੰ "1" ਅਤੇ ਇੱਕ "0" ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ ਲਿੰਗ ਨੂੰ "x" ਅਤੇ "y" ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ ਲਿੰਗ ਨੂੰ "ਮਰਦ" ਅਤੇ "ਮਾਦਾ" ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਹ ਬਹੁਤ ਮਾਇਨੇ ਨਹੀਂ ਰੱਖਦਾ ਕਿ ਸੈਕਸ DW ਵਿੱਚ ਕਿਵੇਂ ਆਉਂਦਾ ਹੈ। "M" ਅਤੇ "F" ਸ਼ਾਇਦ ਪੂਰੇ ਨਾਟਕ ਵਾਂਗ ਵਧੀਆ ਹਨ।

ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਜੋ ਵੀ ਲਿੰਗ ਖੇਤਰ ਉਤਪੰਨ ਹੁੰਦਾ ਹੈ, ਉਹ ਖੇਤਰ ਇਕਸਾਰ ਏਕੀਕ੍ਰਿਤ ਅਵਸਥਾ ਵਿੱਚ DW ਵਿੱਚ ਆਉਂਦਾ ਹੈ। ਸਿੱਟੇ ਵਜੋਂ ਜਦੋਂ ਫੀਲਡ ਨੂੰ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਤੋਂ DW ਵਿੱਚ ਲੋਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਿੱਥੇ ਇਸਨੂੰ "M" ਅਤੇ "F" ਫਾਰਮੈਟ ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ, dati DW ਫਾਰਮੈਟ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਗੁਣਾਂ ਦਾ ਮਾਪ: ਦਾ ਮਾਪ ਗੁਣ:

ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰਾਂ ਨੇ ਸਾਲਾਂ ਦੌਰਾਨ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਪਾਈਪਲਾਈਨ ਨੂੰ ਮਾਪਣ ਲਈ ਚੁਣਿਆ ਹੈ। ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਸਟੋਰ ਕਰਦਾ ਹੈ dati ਪਾਈਪਲਾਈਨ ਦਾ ਸੈਂਟੀਮੀਟਰਾਂ ਵਿੱਚ। ਇੱਕ ਹੋਰ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰ ਸਟੋਰ ਕਰਦਾ ਹੈ dati ਇੰਚ ਦੇ ਰੂਪ ਵਿੱਚ ਪਾਈਪਲਾਈਨ ਦਾ. ਇੱਕ ਹੋਰ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰ ਸਟੋਰ ਕਰਦਾ ਹੈ dati ਮਿਲੀਅਨ ਕਿਊਬਿਕ ਫੁੱਟ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਪਾਈਪਲਾਈਨ. ਅਤੇ ਇੱਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ ਗਜ਼ ਦੇ ਰੂਪ ਵਿੱਚ ਪਾਈਪਲਾਈਨ ਜਾਣਕਾਰੀ ਸਟੋਰ ਕਰਦਾ ਹੈ. ਸਰੋਤ ਜੋ ਵੀ ਹੋਵੇ, ਜਦੋਂ ਪਾਈਪਲਾਈਨ ਜਾਣਕਾਰੀ DW ਵਿੱਚ ਆਉਂਦੀ ਹੈ ਤਾਂ ਇਸਨੂੰ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਮਾਪਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਚਿੱਤਰ 3 ਵਿਚਲੇ ਸੰਕੇਤਾਂ ਦੇ ਅਨੁਸਾਰ, ਏਕੀਕਰਣ ਦੇ ਮੁੱਦੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਲਗਭਗ ਹਰ ਪਹਿਲੂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ - ਦੀਆਂ ਭੌਤਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ dati, ਦੇ ਇੱਕ ਤੋਂ ਵੱਧ ਸਰੋਤ ਹੋਣ ਦੀ ਦੁਬਿਧਾ dati, ਅਸੰਗਤ ਪਛਾਣੇ ਗਏ ਨਮੂਨਿਆਂ ਦਾ ਮੁੱਦਾ, ਦੇ ਫਾਰਮੈਟ dati ਅਸੰਗਤ, ਅਤੇ ਹੋਰ.

ਡਿਜ਼ਾਇਨ ਦਾ ਵਿਸ਼ਾ ਜੋ ਵੀ ਹੋਵੇ, ਨਤੀਜਾ ਉਹੀ ਹੁੰਦਾ ਹੈ - i dati DW ਵਿੱਚ ਇੱਕਵਚਨ ਅਤੇ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਸਵੀਕਾਰਯੋਗ ਢੰਗ ਨਾਲ ਸਟੋਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਭਾਵੇਂ ਕਿ ਅੰਡਰਲਾਈੰਗ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਉਹਨਾਂ ਨੂੰ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਸਟੋਰ ਕਰਦੇ ਹਨ dati.

ਜਦੋਂ DSS ਵਿਸ਼ਲੇਸ਼ਕ DW ਨੂੰ ਵੇਖਦਾ ਹੈ, ਵਿਸ਼ਲੇਸ਼ਕ ਦਾ ਟੀਚਾ ਸ਼ੋਸ਼ਣ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ dati ਜੋ ਗੋਦਾਮ ਵਿੱਚ ਹਨ,

ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਜਾਂ ਇਕਸਾਰਤਾ ਬਾਰੇ ਸੋਚਣ ਦੀ ਬਜਾਏ dati.

ਸਮਾਂ ਪਰਿਵਰਤਨ

ਸਾਰੇ ਆਈ dati DW ਵਿੱਚ ਉਹ ਸਮੇਂ ਦੇ ਕਿਸੇ ਬਿੰਦੂ ਲਈ ਸਹੀ ਹੁੰਦੇ ਹਨ। ਦੀ ਇਹ ਬੁਨਿਆਦੀ ਵਿਸ਼ੇਸ਼ਤਾ dati DW ਵਿੱਚ ਇਹ ਉਹਨਾਂ ਨਾਲੋਂ ਬਹੁਤ ਵੱਖਰਾ ਹੈ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਪਾਇਆ. ਦ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਦੇ ਐਕਸੈਸ ਦੇ ਪਲ ਦੇ ਰੂਪ ਵਿੱਚ ਸਹੀ ਹਨ. ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਜਦੋਂ ਇੱਕ ਡਰਾਈਵ ਨੂੰ ਐਕਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati, ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਇਹ ਪਹੁੰਚ ਦੇ ਸਮੇਂ ਦੇ ਰੂਪ ਵਿੱਚ ਸਹੀ ਮੁੱਲਾਂ ਨੂੰ ਦਰਸਾਏਗਾ। ਕਿਉਂਕਿ ਮੈਂ dati ਡੀਡਬਲਯੂ ਵਿੱਚ ਸਹੀ ਹਨ ਜਿਵੇਂ ਕਿ ਸਮੇਂ ਦੇ ਕਿਸੇ ਬਿੰਦੂ 'ਤੇ (ਅਰਥਾਤ, "ਹੁਣੇ" ਨਹੀਂ), ਇਹ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਕਿ i dati ਡੀਡਬਲਯੂ ਵਿੱਚ ਪਾਇਆ ਗਿਆ "ਸਮਾਂ ਅੰਤਰ" ਹੈ।
ਦਾ ਸਮਾਂ ਅੰਤਰ dati DW ਦੁਆਰਾ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਜ਼ਿਕਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸਭ ਤੋਂ ਸੌਖਾ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਆਈ dati ਇੱਕ DW ਦੀ ਨੁਮਾਇੰਦਗੀ dati ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਵੱਧ - ਪੰਜ ਤੋਂ ਦਸ ਸਾਲ। ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਲਈ ਦਰਸਾਏ ਗਏ ਸਮੇਂ ਦੀ ਦੂਰੀ ਅੱਜ ਦੇ ਮੌਜੂਦਾ ਮੁੱਲਾਂ ਤੋਂ ਸੱਠ ਨੱਬੇ ਤੱਕ ਬਹੁਤ ਘੱਟ ਹੈ
ਐਪਲੀਕੇਸ਼ਨਾਂ ਜੋ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਉਪਲਬਧ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਦੀ ਘੱਟੋ-ਘੱਟ ਰਕਮ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ dati ਜੇਕਰ ਉਹ ਕਿਸੇ ਵੀ ਹੱਦ ਤੱਕ ਲਚਕਤਾ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਇਸ ਲਈ ਕਾਰਜਸ਼ੀਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਇੱਕ ਆਡੀਓ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਇਨ ਵਿਸ਼ੇ ਵਾਂਗ ਥੋੜਾ ਸਮਾਂ ਹੁੰਦਾ ਹੈ।
DW ਵਿੱਚ 'ਟਾਈਮ ਵੇਰੀਐਂਸ' ਦਾ ਦੂਜਾ ਤਰੀਕਾ ਕੁੰਜੀ ਢਾਂਚੇ ਵਿੱਚ ਹੈ। DW ਵਿੱਚ ਹਰੇਕ ਮੁੱਖ ਢਾਂਚੇ ਵਿੱਚ, ਸਪਸ਼ਟ ਜਾਂ ਸਪਸ਼ਟ ਤੌਰ ਤੇ, ਇੱਕ ਸਮਾਂ ਤੱਤ, ਜਿਵੇਂ ਕਿ ਦਿਨ, ਹਫ਼ਤਾ, ਮਹੀਨਾ, ਆਦਿ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਸਮਾਂ ਤੱਤ ਲਗਭਗ ਹਮੇਸ਼ਾਂ DW ਵਿੱਚ ਪਾਈ ਗਈ ਸੰਯੁਕਤ ਕੁੰਜੀ ਦੇ ਹੇਠਾਂ ਹੁੰਦਾ ਹੈ। ਇਹਨਾਂ ਮੌਕਿਆਂ 'ਤੇ, ਸਮਾਂ ਤੱਤ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਮੌਜੂਦ ਹੋਵੇਗਾ, ਜਿਵੇਂ ਕਿ ਕੇਸ ਜਿੱਥੇ ਮਹੀਨੇ ਜਾਂ ਤਿਮਾਹੀ ਦੇ ਅੰਤ ਵਿੱਚ ਇੱਕ ਪੂਰੀ ਫਾਈਲ ਡੁਪਲੀਕੇਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਤੀਸਰਾ ਤਰੀਕਾ ਵਾਰ ਵੇਰੀਏਂਸ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ i dati DW ਦਾ, ਇੱਕ ਵਾਰ ਸਹੀ ਢੰਗ ਨਾਲ ਰਜਿਸਟਰ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਅੱਪਡੇਟ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ। ਦ dati DW ਦੇ, ਸਾਰੇ ਵਿਹਾਰਕ ਉਦੇਸ਼ਾਂ ਲਈ, ਸਨੈਪਸ਼ਾਟ ਦੀ ਇੱਕ ਲੰਬੀ ਲੜੀ ਹੈ। ਬੇਸ਼ੱਕ ਜੇਕਰ ਸਨੈਪਸ਼ਾਟ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਲਏ ਗਏ ਸਨ, ਤਾਂ ਸਨੈਪਸ਼ਾਟ ਨੂੰ ਸੋਧਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਪਰ ਇਹ ਮੰਨ ਕੇ ਕਿ ਸਨੈਪਸ਼ਾਟ ਸਹੀ ਢੰਗ ਨਾਲ ਲਏ ਗਏ ਹਨ, ਜਿਵੇਂ ਹੀ ਉਹ ਲਏ ਜਾਂਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਸੋਧਿਆ ਨਹੀਂ ਜਾਂਦਾ ਹੈ। ਕੁਝ ਵਿੱਚ

ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇਹ ਸੰਸ਼ੋਧਿਤ ਕੀਤੇ ਜਾਣ ਵਾਲੇ DW ਵਿੱਚ ਸਨੈਪਸ਼ਾਟ ਲਈ ਅਨੈਤਿਕ ਜਾਂ ਅਵੈਧ ਵੀ ਹੋ ਸਕਦਾ ਹੈ। ਦ dati ਕਾਰਜਸ਼ੀਲ, ਪਹੁੰਚ ਦੇ ਸਮੇਂ ਦੇ ਤੌਰ 'ਤੇ ਸਹੀ ਹੋਣ ਕਰਕੇ, ਲੋੜ ਪੈਣ 'ਤੇ ਉਹਨਾਂ ਨੂੰ ਅਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਗੈਰ-ਅਸਥਿਰ

DW ਦੀ ਚੌਥੀ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾ ਇਹ ਹੈ ਕਿ ਇਹ ਗੈਰ-ਅਸਥਿਰ ਹੈ।
ਅੱਪਡੇਟ, ਸੰਮਿਲਨ, ਮਿਟਾਉਣ ਅਤੇ ਸੋਧਾਂ ਨੂੰ ਰਿਕਾਰਡ-ਦਰ-ਰਿਕਾਰਡ ਦੇ ਆਧਾਰ 'ਤੇ ਕਾਰਜਸ਼ੀਲ ਵਾਤਾਵਰਨ ਲਈ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪਰ ਦੇ ਬੁਨਿਆਦੀ ਹੇਰਾਫੇਰੀ dati ਜੋ ਕਿ DW ਵਿੱਚ ਲੋੜੀਂਦਾ ਹੈ ਬਹੁਤ ਸਰਲ ਹੈ। DW ਵਿੱਚ ਸਿਰਫ ਦੋ ਤਰ੍ਹਾਂ ਦੇ ਓਪਰੇਸ਼ਨ ਹੁੰਦੇ ਹਨ - ਦੀ ਸ਼ੁਰੂਆਤੀ ਲੋਡਿੰਗ dati ਅਤੇ ਤੱਕ ਪਹੁੰਚ dati. ਦਾ ਕੋਈ ਅਪਡੇਟ ਨਹੀਂ ਹੈ dati (ਅਪਡੇਟ ਕਰਨ ਦੇ ਆਮ ਅਰਥਾਂ ਵਿੱਚ) ਇੱਕ ਆਮ ਪ੍ਰੋਸੈਸਿੰਗ ਓਪਰੇਸ਼ਨ ਦੇ ਰੂਪ ਵਿੱਚ DW ਵਿੱਚ. ਕਾਰਜਸ਼ੀਲ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਡੀਡਬਲਯੂ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿਚਕਾਰ ਇਸ ਬੁਨਿਆਦੀ ਅੰਤਰ ਦੇ ਕੁਝ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਨਤੀਜੇ ਹਨ। ਡਿਜ਼ਾਇਨ ਪੱਧਰ 'ਤੇ, ਅਸਾਧਾਰਨ ਅਪਡੇਟਿੰਗ ਬਾਰੇ ਸਾਵਧਾਨ ਰਹਿਣ ਦੀ ਜ਼ਰੂਰਤ DW ਵਿੱਚ ਇੱਕ ਕਾਰਕ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਅੱਪਡੇਟ ਕਰਨ ਤੋਂ ਬਾਅਦ dati ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਭੌਤਿਕ ਡਿਜ਼ਾਈਨ ਪੱਧਰ 'ਤੇ, ਪਹੁੰਚ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਸੁਤੰਤਰਤਾਵਾਂ ਲਈਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ dati, ਖਾਸ ਤੌਰ 'ਤੇ ਸਰੀਰਕ ਸਧਾਰਣਕਰਨ ਅਤੇ ਅਸਧਾਰਨਕਰਨ ਦੇ ਵਿਸ਼ਿਆਂ ਨਾਲ ਨਜਿੱਠਣ ਲਈ। DW ਓਪਰੇਸ਼ਨਾਂ ਦੀ ਸਾਦਗੀ ਦਾ ਇੱਕ ਹੋਰ ਨਤੀਜਾ DW ਵਾਤਾਵਰਣ ਨੂੰ ਚਲਾਉਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਅੰਡਰਲਾਈੰਗ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਹੈ। ਇਨਲਾਈਨ ਰਿਕਾਰਡ-ਦਰ-ਰਿਕਾਰਡ ਅੱਪਡੇਟਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ (ਜਿਵੇਂ ਕਿ ਆਮ ਤੌਰ 'ਤੇ ਸੰਚਾਲਨ ਪ੍ਰਕਿਰਿਆ ਦੇ ਨਾਲ ਹੁੰਦਾ ਹੈ) ਲਈ ਤਕਨਾਲੋਜੀ ਦੀ ਸਪੱਸ਼ਟ ਸਰਲਤਾ ਦੇ ਅਧੀਨ ਬਹੁਤ ਗੁੰਝਲਦਾਰ ਬੁਨਿਆਦ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਤਕਨਾਲੋਜੀ ਜੋ ਬੈਕਅੱਪ ਅਤੇ ਰਿਕਵਰੀ, ਲੈਣ-ਦੇਣ ਅਤੇ ਅਖੰਡਤਾ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ dati ਅਤੇ ਡੈੱਡਲਾਕ ਸਥਿਤੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਅਤੇ ਉਪਾਅ ਕਰਨਾ ਕਾਫ਼ੀ ਗੁੰਝਲਦਾਰ ਹੈ ਅਤੇ DW ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਜ਼ਰੂਰੀ ਨਹੀਂ ਹੈ। ਇੱਕ DW ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਡਿਜ਼ਾਈਨ ਸਥਿਤੀ, ਏਕੀਕਰਣ dati DW ਦੇ ਅੰਦਰ, ਸਮੇਂ ਦੇ ਅੰਤਰ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੀ ਸਰਲਤਾ dati, ਇਹ ਸਭ ਇੱਕ ਅਜਿਹੇ ਵਾਤਾਵਰਣ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ ਜੋ ਕਲਾਸਿਕ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ ਬਹੁਤ ਵੱਖਰਾ ਹੈ। ਲਗਭਗ ਸਾਰੇ ਦਾ ਸਰੋਤ dati DW ਦੇ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਹਨ। ਇਹ ਸੋਚਣ ਲਈ ਪਰਤਾਉਣ ਵਾਲਾ ਹੈ ਕਿ ਇੱਥੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਰਿਡੰਡੈਂਸੀ ਹੈ dati ਦੋ ਵਾਤਾਵਰਣ ਦੇ ਵਿਚਕਾਰ.
ਵਾਸਤਵ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦਾ ਪਹਿਲਾ ਪ੍ਰਭਾਵ ਬਹੁਤ ਜ਼ਿਆਦਾ ਫਾਲਤੂਪਣ ਦਾ ਹੈ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਅਤੇ ਵਾਤਾਵਰਣ ਦੇ ਵਿਚਕਾਰ

ਡੀਡਬਲਯੂ. ਅਜਿਹੀ ਵਿਆਖਿਆ ਸਤਹੀ ਹੈ ਅਤੇ DW ਵਿੱਚ ਕੀ ਵਾਪਰਦਾ ਹੈ ਦੀ ਸਮਝ ਦੀ ਘਾਟ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਅਸਲ ਵਿੱਚ ਇੱਕ ਘੱਟੋ ਘੱਟ ਰਿਡੰਡੈਂਸੀ ਹੈ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਅਤੇ ਆਈ ਦੇ ਵਿਚਕਾਰ dati DW ਦੇ. ਹੇਠ ਲਿਖਿਆਂ 'ਤੇ ਗੌਰ ਕਰੋ: ਆਈ dati ਉਹ ਫਿਲਟਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਡੈਟੋ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ DW ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਦਲਣਾ। ਕਈ dati ਉਹ ਕਦੇ ਵੀ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਤੋਂ ਬਾਹਰ ਨਹੀਂ ਲੰਘਦੇ। ਇਸ ਤੋਂ ਇਲਾਵਾ ਆਈ dati ਜੋ ਕਿ DSS ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਜ਼ਰੂਰੀ ਹਨ ਵਾਤਾਵਰਣ ਵਿੱਚ ਆਪਣੀ ਦਿਸ਼ਾ ਲੱਭਦੇ ਹਨ

▪ ਦਾ ਸਮਾਂ ਦੂਰੀ dati ਇਹ ਇੱਕ ਵਾਤਾਵਰਣ ਤੋਂ ਦੂਜੇ ਵਿੱਚ ਬਹੁਤ ਵੱਖਰਾ ਹੈ। ਦ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਉਹ ਬਹੁਤ ਤਾਜ਼ੇ ਹਨ। ਦ dati DW ਵਿੱਚ ਉਹ ਬਹੁਤ ਪੁਰਾਣੇ ਹਨ। ਸਿਰਫ ਸਮੇਂ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਕਾਰਜਸ਼ੀਲ ਵਾਤਾਵਰਣ ਅਤੇ ਡੀਡਬਲਯੂ ਦੇ ਵਿਚਕਾਰ ਬਹੁਤ ਘੱਟ ਓਵਰਲੈਪ ਹੈ।

▪ DW ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ dati ਸੰਖੇਪ ਜੋ ਕਿ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕਦੇ ਨਹੀਂ ਮਿਲਦਾ

▪ ਆਈ dati ਇੱਕ ਬੁਨਿਆਦੀ ਪਰਿਵਰਤਨ ਤੋਂ ਗੁਜ਼ਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਚਿੱਤਰ 3 ਵਿੱਚ ਪਰਿਵਰਤਨ ਕਰਦੇ ਹਨ ਜੋ ਜ਼ਿਆਦਾਤਰ ਦਰਸਾਉਂਦੇ ਹਨ dati ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਸੰਸ਼ੋਧਿਤ ਕੀਤੇ ਗਏ ਹਨ ਬਸ਼ਰਤੇ ਉਹ ਚੁਣੇ ਗਏ ਹੋਣ ਅਤੇ DW ਵਿੱਚ ਚਲੇ ਗਏ ਹੋਣ। ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਪਾਓ, ਜ਼ਿਆਦਾਤਰ dati ਇਹ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਅਤੇ ਮੂਲ ਰੂਪ ਵਿੱਚ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ DW ਵਿੱਚ ਤਬਦੀਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਏਕੀਕਰਣ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਉਹ ਇਕੋ ਜਿਹੇ ਨਹੀਂ ਹਨ dati ਜੋ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ। ਇਹਨਾਂ ਕਾਰਕਾਂ ਦੀ ਰੋਸ਼ਨੀ ਵਿੱਚ, ਦੀ ਰਿਡੰਡੈਂਸੀ dati ਦੋ ਵਾਤਾਵਰਣਾਂ ਵਿਚਕਾਰ ਇੱਕ ਦੁਰਲੱਭ ਘਟਨਾ ਹੈ, ਜਿਸ ਨਾਲ ਦੋ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ 1% ਤੋਂ ਘੱਟ ਰਿਡੰਡੈਂਸੀ ਹੁੰਦੀ ਹੈ। ਵੇਅਰਹਾਊਸ ਦੀ ਬਣਤਰ DWs ਦੀ ਇੱਕ ਵੱਖਰੀ ਬਣਤਰ ਹੈ। ਸੰਖੇਪ ਅਤੇ ਵੇਰਵੇ ਦੇ ਕਈ ਪੱਧਰ ਹਨ ਜੋ DWs ਦੀ ਹੱਦਬੰਦੀ ਕਰਦੇ ਹਨ।
ਇੱਕ DW ਦੇ ਵੱਖ-ਵੱਖ ਭਾਗ ਹਨ:

• ਮੈਟਾਡੇਟਾ
• ਡਾਟਾ ਮੌਜੂਦਾ ਵੇਰਵੇ
• ਡਾਟਾ ਪੁਰਾਣੇ ਵੇਰਵਿਆਂ ਦਾ
• ਡਾਟਾ ਥੋੜ੍ਹਾ ਸੰਖੇਪ
• ਡਾਟਾ ਬਹੁਤ ਹੀ ਸੰਖੇਪ

ਹੁਣ ਤੱਕ ਮੁੱਖ ਚਿੰਤਾ ਲਈ ਹੈ dati ਮੌਜੂਦਾ ਵੇਰਵੇ। ਇਹ ਮੁੱਖ ਚਿੰਤਾ ਹੈ ਕਿਉਂਕਿ:

• I dati ਮੌਜੂਦਾ ਵੇਰਵੇ ਸਭ ਤੋਂ ਤਾਜ਼ਾ ਘਟਨਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਜੋ ਹਮੇਸ਼ਾ ਬਹੁਤ ਦਿਲਚਸਪੀ ਵਾਲੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ
• i dati ਮੌਜੂਦਾ ਵੇਰਵੇ ਦੀ ਮਾਤਰਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਗ੍ਰੈਨਿਊਲਿਟੀ ਦੇ ਸਭ ਤੋਂ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਸਟੋਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ
• i dati ਮੌਜੂਦਾ ਵੇਰਵਿਆਂ ਦਾ ਲਗਭਗ ਹਮੇਸ਼ਾਂ ਡਿਸਕ ਮੈਮੋਰੀ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਕਿ ਐਕਸੈਸ ਕਰਨ ਲਈ ਤੇਜ਼ ਹੈ, ਪਰ I ਤੋਂ ਮਹਿੰਗਾ ਅਤੇ ਗੁੰਝਲਦਾਰ ਹੈ dati ਵੇਰਵੇ ਪੁਰਾਣੇ ਹਨ dati ਜੋ ਕਿ ਕੁਝ ਮੈਮੋਰੀ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਹੈ ਮੱਸਾ. ਇਸ ਨੂੰ ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ ਐਕਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਅਨੁਕੂਲ ਵੇਰਵੇ ਦੇ ਪੱਧਰ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati ਮੌਜੂਦਾ ਵੇਰਵੇ। ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਦੇ ਕਾਰਨ, ਵਿਕਲਪਕ ਸਟੋਰੇਜ ਮਾਧਿਅਮ 'ਤੇ ਸਟੋਰ ਕਰਨਾ ਲਾਜ਼ਮੀ ਨਹੀਂ ਹੈ dati ਦੀ ਛੁੱਟੜ ਪਹੁੰਚ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਹੈ dati, ਲਈ ਮੈਮੋਰੀ ਸਹਿਯੋਗ dati ਪੁਰਾਣਾ ਵੇਰਵਾ ਡਾਟਾ ਆਮ ਤੌਰ 'ਤੇ ਡਿਸਕ 'ਤੇ ਸਟੋਰ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਦ dati ਥੋੜ੍ਹਾ ਸੰਖੇਪ ਹਨ dati ਜੋ ਵੇਰਵੇ ਦੇ ਹੇਠਲੇ ਪੱਧਰ ਤੋਂ ਲੈ ਕੇ ਮੌਜੂਦਾ ਵੇਰਵੇ ਦੇ ਪੱਧਰ ਤੱਕ ਡਿਸਟਿਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। DW ਦਾ ਇਹ ਪੱਧਰ ਲਗਭਗ ਹਮੇਸ਼ਾ ਡਿਸਕ ਸਟੋਰੇਜ਼ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਆਰਕੀਟੈਕਟ ਨੂੰ ਦਰਪੇਸ਼ ਡਿਜ਼ਾਈਨ ਸਮੱਸਿਆਵਾਂ dati DW ਦੇ ਇਸ ਪੱਧਰ ਦੇ ਨਿਰਮਾਣ ਵਿੱਚ ਹਨ:

• ਉੱਪਰ ਦਿੱਤਾ ਗਿਆ ਸਾਰਾਂਸ਼ ਸਮੇਂ ਦੀ ਕਿਹੜੀ ਇਕਾਈ ਹੈ
• ਕਿਹੜੀ ਸਮਗਰੀ, ਗੁਣਾਂ ਦੀ ਸਮੱਗਰੀ ਦਾ ਥੋੜਾ ਜਿਹਾ ਸਾਰ ਦੇਵੇਗਾ dati ਦਾ ਅਗਲਾ ਪੱਧਰ dati DW ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਹੈ dati ਬਹੁਤ ਹੀ ਸੰਖੇਪ. ਦ dati ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਖੇਪ ਸੰਖੇਪ ਅਤੇ ਆਸਾਨੀ ਨਾਲ ਪਹੁੰਚਯੋਗ ਹਨ। ਦ dati ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਖੇਪ ਕਈ ਵਾਰ DW ਵਾਤਾਵਰਣ ਵਿੱਚ ਪਾਏ ਜਾਂਦੇ ਹਨ ਅਤੇ ਦੂਜੇ ਮਾਮਲਿਆਂ ਵਿੱਚ i dati ਬਹੁਤ ਹੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਤਤਕਾਲੀ ਕੰਧਾਂ ਦੇ ਬਾਹਰ ਪਾਈ ਜਾਂਦੀ ਹੈ ਜਿਸ ਵਿੱਚ DW ਹੈ। (ਕਿਸੇ ਵੀ ਸਥਿਤੀ ਵਿੱਚ, i dati ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਖੇਪ DW ਦਾ ਹਿੱਸਾ ਹਨ ਚਾਹੇ ਕਿੱਥੇ i dati ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਰੱਖੇ ਗਏ ਹਨ). DW ਦਾ ਅੰਤਮ ਭਾਗ ਮੈਟਾਡੇਟਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਮੈਟਾਡੇਟਾ ਦੂਜਿਆਂ ਨਾਲੋਂ ਇੱਕ ਵੱਖਰੇ ਆਯਾਮ ਵਿੱਚ ਬੈਠਦਾ ਹੈ dati DW ਦਾ, ਕਿਉਂਕਿ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਕੋਈ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ ਡੈਟੋ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ ਸਿੱਧਾ ਲਿਆ ਗਿਆ। DW ਵਿੱਚ ਮੈਟਾਡੇਟਾ ਦੀ ਵਿਸ਼ੇਸ਼ ਅਤੇ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਹੈ। ਮੈਟਾਡੇਟਾ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ:

• DSS ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ DW ਦੀ ਸਮੱਗਰੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਇੱਕ ਡਾਇਰੈਕਟਰੀ,
• ਦੀ ਮੈਪਿੰਗ ਲਈ ਇੱਕ ਗਾਈਡ dati ਕਿਸ ਤਰ੍ਹਾਂ i dati ਸੰਚਾਲਨ ਵਾਤਾਵਰਣ ਤੋਂ DW ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਦਲਿਆ ਗਿਆ ਹੈ,
• ਵਿਚਕਾਰ ਸੰਖੇਪ ਲਈ ਵਰਤੇ ਗਏ ਐਲਗੋਰਿਦਮ ਲਈ ਇੱਕ ਗਾਈਡ dati ਮੌਜੂਦਾ ਵੇਰਵਿਆਂ ਦਾ ei dati ਥੋੜ੍ਹਾ ਜਿਹਾ ਸੰਖੇਪ, i dati ਬਹੁਤ ਹੀ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ, ਮੈਟਾਡੇਟਾ DW ਵਾਤਾਵਰਣ ਵਿੱਚ ਓਪਰੇਸ਼ਨਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਵੱਡੀ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦਾ ਹੈ ਪੁਰਾਣਾ ਵੇਰਵਾ ਸਟੋਰੇਜ ਮਾਧਿਅਮ ਚੁੰਬਕੀ ਟੇਪ ਨੂੰ ਇਸ ਕਿਸਮ ਦੇ ਸਟੋਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ dati. ਅਸਲ ਵਿੱਚ ਸਟੋਰੇਜ਼ ਮੀਡੀਆ ਦੀ ਇੱਕ ਵਿਆਪਕ ਕਿਸਮ ਹੈ, ਜੋ ਕਿ ਪੁਰਾਣੇ ਸਟੋਰੇਜ਼ ਲਈ ਵਿਚਾਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati ਵੇਰਵੇ ਦੇ. ਦੀ ਮਾਤਰਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ dati, ਪਹੁੰਚ ਦੀ ਬਾਰੰਬਾਰਤਾ, ਸਾਧਨਾਂ ਦੀ ਕੀਮਤ ਅਤੇ ਪਹੁੰਚ ਦੀ ਕਿਸਮ, ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਦੂਜੇ ਸਾਧਨਾਂ ਨੂੰ ਡੀਡਬਲਯੂ ਵਿੱਚ ਪੁਰਾਣੇ ਪੱਧਰ ਦੇ ਵੇਰਵੇ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਡੇਟਾ ਦਾ ਪ੍ਰਵਾਹ ਦਾ ਇੱਕ ਆਮ ਅਤੇ ਅਨੁਮਾਨਿਤ ਵਹਾਅ ਹੈ dati DW ਦੇ ਅੰਦਰ.
  I dati ਉਹ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ DW ਵਿੱਚ ਦਾਖਲ ਹੁੰਦੇ ਹਨ। (ਨੋਟ: ਇਸ ਨਿਯਮ ਦੇ ਕੁਝ ਬਹੁਤ ਹੀ ਦਿਲਚਸਪ ਅਪਵਾਦ ਹਨ। ਹਾਲਾਂਕਿ, ਲਗਭਗ ਸਾਰੇ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਤੋਂ DW ਦਾਖਲ ਕਰੋ)। ਦੀ ਮਿਤੀ ਕਿ ਮੈਂ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ DW ਵਿੱਚ ਦਾਖਲ ਹੋਵੋ, ਇਹ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਇਹ ਪਹਿਲਾਂ ਦੱਸਿਆ ਗਿਆ ਸੀ। DW ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਦੀ ਸ਼ਰਤ 'ਤੇ, i dati ਵੇਰਵੇ ਦਾ ਮੌਜੂਦਾ ਪੱਧਰ ਦਰਜ ਕਰੋ, ਜਿਵੇਂ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਉੱਥੇ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਤਿੰਨ ਘਟਨਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਾਪਰਨ ਤੱਕ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ:

• ਸ਼ੁੱਧ ਹੁੰਦਾ ਹੈ,
• ਨੂੰ ਸੰਖੇਪ ਕੀਤਾ ਗਿਆ ਹੈ, ਅਤੇ/ਜਾਂ ▪è ਇੱਕ DW ਮੂਵਜ਼ ਦੇ ਅੰਦਰ ਪੁਰਾਣੀ ਪ੍ਰਕਿਰਿਆ i dati ਮੌਜੂਦਾ ਵੇਰਵੇ a dati ਪੁਰਾਣੇ ਵੇਰਵਿਆਂ ਦਾ, ਉਮਰ ਦੇ ਆਧਾਰ 'ਤੇ dati. ਕਾਰਜ ਨੂੰ

ਸੰਖੇਪ ਦੇ ਵੇਰਵੇ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ dati ਗਣਨਾ ਕਰਨ ਲਈ i dati ਥੋੜਾ ਜਿਹਾ ਸੰਖੇਪ ਅਤੇ ਦੇ ਉੱਚੇ ਸੰਖੇਪ ਪੱਧਰ dati. ਦਿਖਾਏ ਗਏ ਪ੍ਰਵਾਹ ਦੇ ਕੁਝ ਅਪਵਾਦ ਹਨ (ਬਾਅਦ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਜਾਵੇਗੀ). ਹਾਲਾਂਕਿ, ਆਮ ਤੌਰ 'ਤੇ, ਦੀ ਵੱਡੀ ਬਹੁਗਿਣਤੀ ਲਈ dati ਇੱਕ DW ਦੇ ਅੰਦਰ ਪਾਇਆ, ਦਾ ਪ੍ਰਵਾਹ dati ਇਹ ਦਰਸਾਇਆ ਗਿਆ ਹੈ।

ਡਾਟਾਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਕਰਨਾ

ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ ਵਿੱਚ ਹੈਰਾਨੀ ਦੀ ਗੱਲ ਨਹੀਂ ਹੈ dati DW ਦੇ ਅੰਦਰ ਉਹ ਵਰਤੋਂ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਇੱਕ ਨਿਯਮ ਦੇ ਤੌਰ ਤੇ, ਸੰਖੇਪ ਦਾ ਪੱਧਰ ਜਿੰਨਾ ਉੱਚਾ ਹੋਵੇਗਾ, ਓਨਾ ਹੀ i dati ਉਹ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।
ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਵਰਤੋਂ ਹੁੰਦੀਆਂ ਹਨ dati ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਖੇਪ, ਜਦੋਂ ਕਿ ਪੁਰਾਣੇ dati ਵੇਰਵੇ ਦੀ ਲਗਭਗ ਕਦੇ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ। ਸੰਸਥਾ ਨੂੰ ਸਰੋਤ ਉਪਯੋਗਤਾ ਪੈਰਾਡਾਈਮ ਵੱਲ ਲਿਜਾਣ ਦਾ ਇੱਕ ਚੰਗਾ ਕਾਰਨ ਹੈ। ਹੋਰ ਸੰਖੇਪ i dati, ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਤੇਜ਼ ਅਤੇ ਹੋਰ ਕੁਸ਼ਲ ਹੈ dati. ਜੇਕਰ ਏ ਦੁਕਾਨ ਇਹ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਇਹ DW ਦੇ ਵੇਰਵੇ ਪੱਧਰ 'ਤੇ ਬਹੁਤ ਸਾਰੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਕਰਦਾ ਹੈ, ਫਿਰ ਮਸ਼ੀਨ ਸਰੋਤਾਂ ਦੀ ਇੱਕ ਵੱਡੀ ਮਾਤਰਾ ਦੀ ਖਪਤ ਹੁੰਦੀ ਹੈ। ਜਿੰਨੀ ਜਲਦੀ ਹੋ ਸਕੇ ਉੱਚ ਪੱਧਰੀ ਸੰਖੇਪ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨਾ ਹਰ ਕਿਸੇ ਦੇ ਹਿੱਤ ਵਿੱਚ ਹੈ।

ਬਹੁਤ ਸਾਰੇ ਸਟੋਰਾਂ ਲਈ, ਇੱਕ ਪੂਰਵ-DW ਵਾਤਾਵਰਣ ਵਿੱਚ DSS ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ ਵਰਤਿਆ ਹੈ dati ਵੇਰਵੇ ਦੇ ਪੱਧਰ 'ਤੇ. 'ਤੇ ਕਈ ਮਾਇਨੇ 'ਚ ਆਗਮਨ dati ਵਿਸਤ੍ਰਿਤ ਸੰਖੇਪ ਇੱਕ ਸੁਰੱਖਿਆ ਕੰਬਲ ਵਰਗਾ ਹੁੰਦਾ ਹੈ, ਭਾਵੇਂ ਸਾਰਾਂਸ਼ ਦੇ ਹੋਰ ਪੱਧਰ ਉਪਲਬਧ ਹੋਣ। ਦੇ ਆਰਕੀਟੈਕਟ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚੋਂ ਇੱਕ dati ਦੀ ਲਗਾਤਾਰ ਵਰਤੋਂ ਤੋਂ DSS ਉਪਭੋਗਤਾ ਨੂੰ ਛੁਡਾਉਣਾ ਹੈ dati ਵੇਰਵੇ ਦੇ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ. ਦੇ ਆਰਕੀਟੈਕਟ ਲਈ ਦੋ ਪ੍ਰੇਰਣਾ ਉਪਲਬਧ ਹਨ dati:

• ਇੱਕ ਚਾਰਜਬੈਕ ਸਿਸਟਮ ਸਥਾਪਤ ਕਰਕੇ, ਜਿੱਥੇ ਅੰਤਮ ਉਪਭੋਗਤਾ ਖਪਤ ਕੀਤੇ ਸਰੋਤਾਂ ਲਈ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ ਅਤੇ
• ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਬਹੁਤ ਵਧੀਆ ਪ੍ਰਤੀਕਿਰਿਆ ਸਮਾਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਦੋਂ i ਨਾਲ ਵਿਵਹਾਰ dati ਸੰਖੇਪ ਦੇ ਉੱਚ ਪੱਧਰ 'ਤੇ ਹੈ, ਜਦੋਂ ਕਿ ਮਾੜਾ ਜਵਾਬ ਸਮਾਂ ਦੇ ਵਿਵਹਾਰ ਤੋਂ ਆਉਂਦਾ ਹੈ dati ਇੱਕ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਹੋਰ ਵਿਚਾਰਾਂ ਕੁਝ ਹੋਰ DW ਨਿਰਮਾਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਵਿਚਾਰ ਹਨ।
  ਪਹਿਲਾ ਵਿਚਾਰ ਸੂਚਕਾਂਕ ਦਾ ਹੈ। ਦ dati ਸੰਖੇਪ ਦੇ ਉੱਚ ਪੱਧਰਾਂ 'ਤੇ ਉਹਨਾਂ ਨੂੰ ਸੁਤੰਤਰ ਰੂਪ ਵਿੱਚ ਸੂਚੀਬੱਧ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਕਿ i dati

ਵੇਰਵਿਆਂ ਦੇ ਹੇਠਲੇ ਪੱਧਰਾਂ 'ਤੇ ਉਹ ਇੰਨੇ ਭਾਰੀ ਹੁੰਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਨੂੰ ਫਰਜੀ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਉਸੇ ਟੋਕਨ ਤੋਂ, ਆਈ dati ਵੇਰਵੇ ਦੇ ਉੱਚ ਪੱਧਰ 'ਤੇ ਮੁਕਾਬਲਤਨ ਆਸਾਨੀ ਨਾਲ ਪੁਨਰਗਠਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਦਕਿ ਦੀ ਮਾਤਰਾ dati ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਇਹ ਇੰਨਾ ਵੱਡਾ ਹੈ ਕਿ i dati ਉਹਨਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਮੁਰੰਮਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ। ਸਿੱਟੇ ਵਜੋਂ, ਦਾ ਮਾਡਲ dati ਅਤੇ ਡਿਜ਼ਾਇਨ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਰਸਮੀ ਕੰਮ ਨੇ ਡੀਡਬਲਯੂ ਦੀ ਨੀਂਹ ਰੱਖੀ ਜੋ ਲਗਭਗ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਵੇਰਵੇ ਦੇ ਮੌਜੂਦਾ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਗਈ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿਚ, ਮਾਡਲਿੰਗ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ dati ਉਹ ਲਗਭਗ ਹਰ ਮਾਮਲੇ ਵਿੱਚ, ਸੰਖੇਪ ਪੱਧਰਾਂ 'ਤੇ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦੇ ਹਨ। ਇਕ ਹੋਰ ਢਾਂਚਾਗਤ ਵਿਚਾਰ ਦੀ ਉਪ-ਵਿਭਾਜਨ ਹੈ dati DW ਦੁਆਰਾ.

ਵੰਡ ਨੂੰ ਦੋ ਪੱਧਰਾਂ 'ਤੇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ - ਦੇ ਪੱਧਰ 'ਤੇ ਡੀਬੀਐਮਐਸ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਪੱਧਰ 'ਤੇ। ਪੱਧਰ 'ਤੇ ਵੰਡ ਵਿਚ ਡੀਬੀਐਮਐਸਉਹ ਡੀਬੀਐਮਐਸ ਨੂੰ ਡਿਵੀਜ਼ਨਾਂ ਬਾਰੇ ਸੂਚਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਉਸ ਅਨੁਸਾਰ ਉਹਨਾਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਪੱਧਰ 'ਤੇ ਵੰਡ ਦੇ ਮਾਮਲੇ ਵਿਚ, ਸਿਰਫ ਪ੍ਰੋਗਰਾਮਰ ਨੂੰ ਵੰਡਾਂ ਬਾਰੇ ਸੂਚਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਪ੍ਰਸ਼ਾਸਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਉਸ 'ਤੇ ਛੱਡ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ |

ਪੱਧਰ ਤੋਂ ਹੇਠਾਂ ਡੀਬੀਐਮਐਸ, ਬਹੁਤ ਸਾਰਾ ਕੰਮ ਆਪਣੇ ਆਪ ਹੋ ਜਾਂਦਾ ਹੈ। ਵੰਡਾਂ ਦੇ ਸਵੈ-ਪ੍ਰਸ਼ਾਸਨ ਨਾਲ ਜੁੜੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਲਚਕਤਾ ਹੈ। ਦੀ ਡਿਵੀਜ਼ਨ-ਪੱਧਰ ਦੀ ਅਰਜ਼ੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ dati Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਪ੍ਰੋਗਰਾਮਰ 'ਤੇ ਬਹੁਤ ਸਾਰੇ ਕੰਮ ਦਾ ਭਾਰ ਪੈਂਦਾ ਹੈ, ਪਰ ਅੰਤ ਦਾ ਨਤੀਜਾ ਪ੍ਰਸ਼ਾਸਨ ਵਿੱਚ ਲਚਕਤਾ ਹੈ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ

ਅਲਟਰੇ ਅਨੌਮਾਲੀ

ਜਦਕਿ ਦੇ ਹਿੱਸੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਲਗਭਗ ਸਾਰੇ ਲਈ ਵਰਣਨ ਕੀਤੇ ਅਨੁਸਾਰ ਕੰਮ ਕਰਦੇ ਹਨ dati, ਇੱਥੇ ਕੁਝ ਉਪਯੋਗੀ ਅਪਵਾਦ ਹਨ ਜਿਨ੍ਹਾਂ 'ਤੇ ਚਰਚਾ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਦਾ ਇੱਕ ਅਪਵਾਦ ਹੈ dati ਜਨਤਕ ਸੰਖੇਪ ਡੇਟਾ। ਇਹ dati ਸਾਰਾਂਸ਼ ਜਿਨ੍ਹਾਂ ਦੀ ਗਣਨਾ ਕੀਤੀ ਗਈ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪਰ ਉਹ ਸਮਾਜ ਦੁਆਰਾ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਦ dati ਵਿੱਚ ਜਨਤਕ ਸੰਖੇਪਾਂ ਨੂੰ ਸਟੋਰ ਅਤੇ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਹਾਲਾਂਕਿ ਜਿਵੇਂ ਪਹਿਲਾਂ ਜ਼ਿਕਰ ਕੀਤਾ ਗਿਆ ਹੈ ਉਹਨਾਂ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਲੇਖਾਕਾਰ ਅਜਿਹੇ ਤਿਮਾਹੀ ਪੈਦਾ ਕਰਨ ਲਈ ਕੰਮ ਕਰਦੇ ਹਨ dati ਜਿਵੇਂ ਕਿ ਆਮਦਨ, ਤਿਮਾਹੀ ਖਰਚੇ, ਤਿਮਾਹੀ ਲਾਭ, ਅਤੇ ਹੋਰ। ਲੇਖਾਕਾਰਾਂ ਦੁਆਰਾ ਕੀਤਾ ਗਿਆ ਕੰਮ ਬਾਹਰੀ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਹਾਲਾਂਕਿ, ਆਈ dati ਕੰਪਨੀ ਦੇ ਅੰਦਰ "ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ" ਵਰਤੇ ਜਾਂਦੇ ਹਨ - ਤੋਂ ਮਾਰਕੀਟਿੰਗ, ਵਿਕਰੀ, ਆਦਿ ਇਕ ਹੋਰ ਵਿਗਾੜ, ਜਿਸ ਬਾਰੇ ਚਰਚਾ ਨਹੀਂ ਕੀਤੀ ਜਾਵੇਗੀ, ਉਹ ਹੈ dati ਬਾਹਰੀ.

ਦੀ ਇੱਕ ਹੋਰ ਬੇਮਿਸਾਲ ਕਿਸਮ dati ਜੋ ਕਿ ਏ ਵਿੱਚ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸਥਾਈ ਵੇਰਵੇ ਡੇਟਾ ਦਾ ਹੈ। ਇਹ ਸਥਾਈ ਤੌਰ 'ਤੇ ਸਟੋਰ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਦਾ ਕਾਰਨ ਬਣਦੇ ਹਨ dati ਨੈਤਿਕ ਜਾਂ ਕਾਨੂੰਨੀ ਕਾਰਨਾਂ ਕਰਕੇ ਵਿਸਤ੍ਰਿਤ ਪੱਧਰ 'ਤੇ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਆਪਣੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਖਤਰਨਾਕ ਪਦਾਰਥਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀ ਹੈ ਤਾਂ ਇਸਦੀ ਲੋੜ ਹੈ dati ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਸਥਾਈ। ਜੇ ਕੋਈ ਕੰਪਨੀ ਅਜਿਹਾ ਉਤਪਾਦ ਤਿਆਰ ਕਰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਜਨਤਕ ਸੁਰੱਖਿਆ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਹਵਾਈ ਜਹਾਜ਼ ਦੇ ਹਿੱਸੇ, ਤਾਂ ਇਸਦੀ ਲੋੜ ਹੈ dati ਸਥਾਈ ਵੇਰਵਿਆਂ, ਨਾਲ ਹੀ ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਖਤਰਨਾਕ ਇਕਰਾਰਨਾਮੇ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦੀ ਹੈ।

ਕੰਪਨੀ ਵੇਰਵਿਆਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਨਹੀਂ ਕਰ ਸਕਦੀ ਕਿਉਂਕਿ ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ, ਮੁਕੱਦਮੇ ਦੀ ਸਥਿਤੀ ਵਿੱਚ, ਵਾਪਸ ਮੰਗਵਾਉਣਾ, ਵਿਵਾਦਿਤ ਨਿਰਮਾਣ ਨੁਕਸ ਆਦਿ। ਕੰਪਨੀ ਦਾ ਐਕਸਪੋਜ਼ਰ ਵੱਡਾ ਹੋ ਸਕਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ ਇੱਕ ਵਿਲੱਖਣ ਕਿਸਮ ਹੈ dati ਸਥਾਈ ਵੇਰਵੇ ਡੇਟਾ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ।

ਸੰਖੇਪ

Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇੱਕ ਵਸਤੂ ਅਧਾਰਤ, ਏਕੀਕ੍ਰਿਤ, ਸਮਾਂ ਰੂਪ, ਦਾ ਸੰਗ੍ਰਹਿ ਹੈ dati ਪ੍ਰਸ਼ਾਸਨ ਦੀਆਂ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਲੋੜਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਗੈਰ-ਅਸਥਿਰ। ਦੇ ਹਰ ਇੱਕ ਪ੍ਰਮੁੱਖ ਫੰਕਸ਼ਨ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਦੇ ਪ੍ਰਭਾਵ ਹਨ. ਨਾਲ ਹੀ ਦੇ ਚਾਰ ਪੱਧਰ ਹਨ dati Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ:

• ਪੁਰਾਣਾ ਵੇਰਵਾ
• ਮੌਜੂਦਾ ਵੇਰਵੇ
• ਡਾਟਾ ਥੋੜ੍ਹਾ ਜਿਹਾ ਦੁਹਰਾਇਆ ਗਿਆ
• ਡਾਟਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਖੇਪ ਮੈਟਾਡੇਟਾ ਵੀ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਸਾਰ ਦੀ ਸਟੋਰੇਜ ਦੀ ਧਾਰਨਾ dati ਇਸ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਬਹੁਤ ਧਿਆਨ ਪ੍ਰਾਪਤ ਕੀਤਾ ਹੈ ਅਤੇ 90 ਦੇ ਦਹਾਕੇ ਦਾ ਇੱਕ ਰੁਝਾਨ ਬਣ ਗਿਆ ਹੈ ਇਹ ਇੱਕ ਦੀ ਯੋਗਤਾ ਦੇ ਕਾਰਨ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਬੰਧਨ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਜਿਵੇਂ ਕਿ ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ (DSS) ਅਤੇ ਕਾਰਜਕਾਰੀ ਜਾਣਕਾਰੀ ਪ੍ਰਣਾਲੀਆਂ (EIS)। ਦੀ ਧਾਰਨਾ ਵੀ, ਜੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹੋਨਹਾਰ ਲੱਗ ਰਿਹਾ ਹੈ, ਲਾਗੂ ਕਰੋ i ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਕਾਰਨ ਸਮੱਸਿਆ ਹੋ ਸਕਦੀ ਹੈ। ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਗੁੰਝਲਤਾ ਦੇ ਬਾਵਜੂਦ dati, ਬਹੁਤ ਸਾਰੇ ਸਪਲਾਇਰ ਅਤੇ ਸਲਾਹਕਾਰ ਜੋ ਸਟਾਕ ਕਰਦੇ ਹਨ dati ਦੀ ਸਟੋਰੇਜ਼ ਹੈ, ਜੋ ਕਿ ਬਹਿਸ dati ਮੌਜੂਦਾ ਕਿਸੇ ਵੀ ਸਮੱਸਿਆ ਦਾ ਕਾਰਨ ਨਹੀ ਹੈ. ਹਾਲਾਂਕਿ, ਇਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ, ਲਗਭਗ ਕੋਈ ਸੁਤੰਤਰ, ਸਖ਼ਤ ਅਤੇ ਯੋਜਨਾਬੱਧ ਖੋਜ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ। ਸਿੱਟੇ ਵਜੋਂ ਇਹ ਕਹਿਣਾ ਮੁਸ਼ਕਲ ਹੈ ਕਿ ਉਦਯੋਗ ਵਿੱਚ ਅਸਲ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਉਹ ਬਣਾਏ ਜਾਂਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਅਧਿਐਨ ਨੇ ਵੇਅਰਹਾਊਸਿੰਗ ਅਭਿਆਸ ਦੀ ਪੜਚੋਲ ਕੀਤੀ dati ਸਮਕਾਲੀ ਜਿਨ੍ਹਾਂ ਦਾ ਉਦੇਸ਼ ਆਸਟ੍ਰੇਲੀਅਨ ਅਭਿਆਸ ਦੀ ਵਧੇਰੇ ਸਮਝ ਵਿਕਸਿਤ ਕਰਨਾ ਹੈ। ਸਾਹਿਤ ਸਮੀਖਿਆ ਨੇ ਅਨੁਭਵੀ ਅਧਿਐਨ ਲਈ ਸੰਦਰਭ ਅਤੇ ਬੁਨਿਆਦ ਪ੍ਰਦਾਨ ਕੀਤੀ। ਇਸ ਖੋਜ ਤੋਂ ਕਈ ਖੁਲਾਸੇ ਹੋਏ ਹਨ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਇਸ ਅਧਿਐਨ ਨੇ ਉਹਨਾਂ ਗਤੀਵਿਧੀਆਂ ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ ਜੋ ਦੇ ਵਿਕਾਸ ਦੇ ਦੌਰਾਨ ਪੈਦਾ ਹੋਈਆਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ, ਆਈ dati ਇਕੱਠੇ ਹੋਏ ਨੇ ਸਾਹਿਤ ਵਿੱਚ ਰਿਪੋਰਟ ਕੀਤੇ ਅਭਿਆਸ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ। ਦੂਜਾ, ਮੁੱਦੇ ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਜੋ ਕਿ ਵਿਕਾਸ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਅਧਿਐਨ ਦੁਆਰਾ ਪਛਾਣਿਆ ਗਿਆ ਸੀ। ਅੰਤ ਵਿੱਚ, ਦੀ ਵਰਤੋਂ ਨਾਲ ਜੁੜੇ ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਲਾਭ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਗਟ ਕੀਤੇ ਗਏ ਹਨ।

ਕੈਪੀਟੋਲੋ 1

ਖੋਜ ਸੰਦਰਭ

ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੀ ਧਾਰਨਾ ਨੂੰ ਵਿਆਪਕ ਰੂਪ ਵਿੱਚ ਐਕਸਪੋਜਰ ਪ੍ਰਾਪਤ ਹੋਇਆ ਅਤੇ 90 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਇੱਕ ਉੱਭਰਦਾ ਰੁਝਾਨ ਬਣ ਗਿਆ (ਮੈਕਫੈਡਨ 1996, TDWI 1996, ਸ਼ਾਹ ਅਤੇ ਮਿਲਸਟੀਨ 1997, ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਏਕਰਸਨ 1998, ਐਡਲਮੈਨ ਅਤੇ ਓਟਸ 2000)। ਇਹ ਵਪਾਰਕ ਪ੍ਰਕਾਸ਼ਨਾਂ (ਲਿਟਲ ਐਂਡ ਗਿਬਸਨ 1999) ਵਿੱਚ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ 'ਤੇ ਲੇਖਾਂ ਦੀ ਵੱਧ ਰਹੀ ਗਿਣਤੀ ਤੋਂ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਲੇਖ (ਉਦਾਹਰਣ ਲਈ, ਫਿਸ਼ਰ 1995, ਹੈਕਾਥੋਰਨ 1995, ਮੌਰਿਸ 1995a, ਬਰੈਂਬਲਟ ਅਤੇ ਕਿੰਗ 1996, ਗ੍ਰਾਹਮ ਐਟ ਅਲ. 1996, ਸਾਕਾਗੁਚੀ ਅਤੇ ਫਰੋਲਿਕ 1996, ਅਲਵਾਰੇਜ਼ 1997, ਬਰਾਊਸੇਲ 1997, ਓ.1997, ਸੀ. 1997, ਐਡਵਰਡਸ 1997, TDWI 1998) ਨੇ i ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਮਹੱਤਵਪੂਰਨ ਲਾਭਾਂ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ। ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਉਨ੍ਹਾਂ ਨੇ ਆਪਣੇ ਸਿਧਾਂਤ ਨੂੰ ਸਫਲ ਲਾਗੂ ਕਰਨ, ਨਿਵੇਸ਼ 'ਤੇ ਉੱਚ ਵਾਪਸੀ (ROI) ਦੇ ਅੰਕੜਿਆਂ ਅਤੇ, ਨਾਲ ਹੀ, ਵਿਕਾਸ ਲਈ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਜਾਂ ਵਿਧੀਆਂ ਪ੍ਰਦਾਨ ਕਰਕੇ ਆਪਣੇ ਸਿਧਾਂਤ ਦਾ ਸਮਰਥਨ ਕੀਤਾ। ਡਾਟਾ ਵੇਅਰਹਾਊਸ

(ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਸੇਡਨ ਅਤੇ ਬੈਂਜਾਮਿਨ 1998, ਲਿਟਲ ਅਤੇ ਗਿਬਸਨ 1999)। ਇੱਕ ਅਤਿਅੰਤ ਕੇਸ ਵਿੱਚ, ਗ੍ਰਾਹਮ ਐਟ ਅਲ. (1996) ਨੇ 401% ਦੇ ਤਿੰਨ ਸਾਲਾਂ ਦੇ ਨਿਵੇਸ਼ 'ਤੇ ਔਸਤ ਵਾਪਸੀ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ।

ਜ਼ਿਆਦਾਤਰ ਮੌਜੂਦਾ ਸਾਹਿਤ ਨੇ, ਹਾਲਾਂਕਿ, ਅਜਿਹੇ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਵਿੱਚ ਸ਼ਾਮਲ ਗੁੰਝਲਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਹੈ। ਦੇ ਪ੍ਰੋਜੈਕਟ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਅਤੇ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਹੁੰਦੇ ਹਨ ਅਤੇ ਇਸਲਈ ਉਹਨਾਂ ਨੂੰ ਧਿਆਨ ਨਾਲ ਨਿਯੰਤਰਿਤ ਨਾ ਕੀਤੇ ਜਾਣ 'ਤੇ ਅਸਫਲਤਾ ਦੀ ਉੱਚ ਸੰਭਾਵਨਾ ਹੁੰਦੀ ਹੈ (ਸ਼ਾਹ ਅਤੇ ਮਿਲਸਟੀਨ 1997, ਏਕਰਸਨ 1997, ਫੋਲੇ 1997ਬੀ, ਜ਼ਿਮਰ 1997, ਬੋਰਟ 1998, ਗਿਬਸ ਅਤੇ ਕਲਾਈਮਰ 1998, ਰਾਓ 1998)। ਉਹਨਾਂ ਨੂੰ ਮਨੁੱਖੀ ਅਤੇ ਵਿੱਤੀ ਸਰੋਤਾਂ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਸਮਾਂ ਅਤੇ ਮਿਹਨਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (ਹਿੱਲ 1998, ਕ੍ਰੌਫਟਸ 1998)। ਲੋੜੀਂਦੇ ਆਮ ਸਮਾਂ ਅਤੇ ਵਿੱਤੀ ਸਾਧਨ ਕ੍ਰਮਵਾਰ ਲਗਭਗ ਦੋ ਸਾਲ ਅਤੇ ਦੋ ਤੋਂ ਤਿੰਨ ਮਿਲੀਅਨ ਡਾਲਰ ਹਨ (ਬ੍ਰੇਲੀ 1995, ਫੋਲੀ 1997b, ਬੋਰਟ 1998, ਹੰਫਰੀਜ਼ ਐਟ ਅਲ. 1999)। ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ (ਕੈਫਾਸੋ 1995, ਹਿੱਲ 1998) ਦੇ ਕਈ ਵੱਖ-ਵੱਖ ਪਹਿਲੂਆਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਅਤੇ ਇਕਸਾਰ ਕਰਨ ਲਈ ਇਹ ਸਮਾਂ ਅਤੇ ਵਿੱਤੀ ਸਾਧਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਹਾਰਡਵੇਅਰ ਅਤੇ ਸੌਫਟਵੇਅਰ ਵਿਚਾਰਾਂ ਦੇ ਨਾਲ-ਨਾਲ, ਹੋਰ ਫੰਕਸ਼ਨ, ਜੋ ਕਿ ਕੱਢਣ ਤੋਂ ਵੱਖ ਹੁੰਦੇ ਹਨ dati ਦੀ ਲੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ dati, ਅੱਪਡੇਟ ਅਤੇ ਮੈਟਾ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਮੈਮੋਰੀ ਸਮਰੱਥਾ dati ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਲਈ, ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.

ਜਿਸ ਸਮੇਂ ਇਹ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ, ਖਾਸ ਕਰਕੇ ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੇ ਖੇਤਰ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਅਕਾਦਮਿਕ ਖੋਜ ਕੀਤੀ ਜਾ ਰਹੀ ਸੀ। ਇਹ ਉਸ ਸਮੇਂ ਦੀਆਂ ਰਸਾਲਿਆਂ ਜਾਂ ਹੋਰ ਅਕਾਦਮਿਕ ਲਿਖਤਾਂ ਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਲੇਖਾਂ ਦੀ ਘਾਟ ਤੋਂ ਸਪੱਸ਼ਟ ਸੀ। ਬਹੁਤ ਸਾਰੀਆਂ ਉਪਲਬਧ ਅਕਾਦਮਿਕ ਲਿਖਤਾਂ ਨੇ ਅਮਰੀਕਾ ਦੇ ਤਜ਼ਰਬੇ ਦਾ ਵਰਣਨ ਕੀਤਾ ਹੈ। ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੇ ਖੇਤਰ ਵਿੱਚ ਅਕਾਦਮਿਕ ਖੋਜ ਦੀ ਘਾਟ ਨੇ ਸਖ਼ਤ ਖੋਜ ਅਤੇ ਅਨੁਭਵੀ ਅਧਿਐਨਾਂ (ਮੈਕਫੈੱਡਨ 1996, ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਲਿਟਲ ਅਤੇ ਗਿਬਸਨ 1999) ਦੀ ਮੰਗ ਕੀਤੀ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਦੇ ਲਾਗੂ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ 'ਤੇ ਖੋਜ ਅਧਿਐਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਆਮ ਗਿਆਨ ਨੂੰ ਵਧਾਉਣ ਲਈ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਭਵਿੱਖ ਦੇ ਖੋਜ ਅਧਿਐਨ ਲਈ ਆਧਾਰ ਵਜੋਂ ਕੰਮ ਕਰੇਗਾ (ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਲਿਟਲ ਅਤੇ ਗਿਬਸਨ 1999)।

ਇਸ ਲਈ, ਇਸ ਅਧਿਐਨ ਦਾ ਉਦੇਸ਼ ਇਹ ਅਧਿਐਨ ਕਰਨਾ ਹੈ ਕਿ ਅਸਲ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਸੰਸਥਾਵਾਂ i ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਸਟਰੇਲੀਆ ਵਿੱਚ. ਖਾਸ ਤੌਰ 'ਤੇ, ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਏ. ਦੀ ਪੂਰੀ ਵਿਕਾਸ ਪ੍ਰਕਿਰਿਆ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸ਼ਾਮਲ ਹੋਵੇਗਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਆਸਟਰੇਲਿਆਈ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਡਿਜ਼ਾਈਨ ਅਤੇ ਲਾਗੂ ਕਰਨ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਵਰਤੋਂ ਦੁਆਰਾ ਸ਼ੁਰੂਆਤ ਅਤੇ ਯੋਜਨਾਬੰਦੀ ਤੋਂ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋਏ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਧਿਐਨ ਉਹਨਾਂ ਖੇਤਰਾਂ ਦੀ ਪਛਾਣ ਕਰਕੇ ਮੌਜੂਦਾ ਅਭਿਆਸ ਵਿੱਚ ਵੀ ਯੋਗਦਾਨ ਪਾਵੇਗਾ ਜਿੱਥੇ ਅਭਿਆਸ ਵਿੱਚ ਹੋਰ ਸੁਧਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਅਕੁਸ਼ਲਤਾਵਾਂ ਅਤੇ ਜੋਖਮਾਂ ਨੂੰ ਘੱਟ ਜਾਂ ਟਾਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਹੋਰ ਅਧਿਐਨਾਂ ਲਈ ਆਧਾਰ ਵਜੋਂ ਕੰਮ ਕਰੇਗਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ ਅਤੇ ਸਾਹਿਤ ਵਿੱਚ ਮੌਜੂਦਾ ਸਮੇਂ ਵਿੱਚ ਮੌਜੂਦ ਪਾੜੇ ਨੂੰ ਭਰ ਦੇਵੇਗਾ।

ਖੋਜ ਸਵਾਲ

ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਸ਼ਾਮਲ ਗਤੀਵਿਧੀਆਂ ਦਾ ਅਧਿਐਨ ਕਰਨਾ ਇਸ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ। ਖਾਸ ਤੌਰ 'ਤੇ, ਪ੍ਰੋਜੈਕਟ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਵਿਕਾਸ, ਸੰਚਾਲਨ, ਵਰਤੋਂ ਅਤੇ ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਜੋਖਮਾਂ ਨਾਲ ਸਬੰਧਤ ਤੱਤਾਂ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ ਇਸ ਖੋਜ ਦਾ ਸਵਾਲ ਇਹ ਹੈ:

" ਦਾ ਵਰਤਮਾਨ ਅਭਿਆਸ ਕੀ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ?"

ਇਸ ਸਵਾਲ ਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਜਵਾਬ ਦੇਣ ਲਈ, ਕਈ ਸਹਾਇਕ ਖੋਜ ਸਵਾਲਾਂ ਦੀ ਲੋੜ ਹੈ। ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ, ਸਾਹਿਤ ਤੋਂ ਤਿੰਨ ਉਪ-ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ ਸੀ, ਜੋ ਕਿ ਇਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ ਅਧਿਆਇ 2 ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ: ਕਿਵੇਂ ਹਨ? ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਤੋਂ? ਤੁਹਾਨੂੰ ਕਿਹੜੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ ਹੈ?

ਕੀ ਲਾਭ ਅਨੁਭਵ ਕੀਤੇ ਗਏ ਹਨ?
ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਵਿੱਚ, ਇੱਕ ਸਰਵੇਖਣ ਨੂੰ ਨਿਯੁਕਤ ਕਰਨ ਵਾਲੇ ਇੱਕ ਖੋਜ ਖੋਜ ਡਿਜ਼ਾਈਨ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ। ਇੱਕ ਖੋਜੀ ਅਧਿਐਨ ਦੇ ਰੂਪ ਵਿੱਚ, ਉਪਰੋਕਤ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਪੂਰੇ ਨਹੀਂ ਹਨ (ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1993, ਡੇਨਸਕੋਮਬੇ 1998)। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਤਿਕੋਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਜਾਂਚ ਇਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਭਵਿੱਖ ਦੇ ਕੰਮ ਲਈ ਇੱਕ ਠੋਸ ਨੀਂਹ ਪ੍ਰਦਾਨ ਕਰੇਗੀ। ਅਧਿਆਇ 3 ਵਿੱਚ ਖੋਜ ਵਿਧੀ ਦੀ ਜਾਇਜ਼ਤਾ ਅਤੇ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਵਿਸਤ੍ਰਿਤ ਚਰਚਾ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਹੈ।

ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੀ ਬਣਤਰ

ਇਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਦੋ ਭਾਗਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ: ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਸੰਕਲਪ ਦਾ ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ ਅਤੇ ਅਨੁਭਵੀ ਖੋਜ (ਦੇਖੋ ਚਿੱਤਰ 1.1), ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਦੀ ਹੇਠਾਂ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ।

ਭਾਗ I: ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ

ਖੋਜ ਦੇ ਪਹਿਲੇ ਹਿੱਸੇ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ 'ਤੇ ਮੌਜੂਦਾ ਸਾਹਿਤ ਦੀ ਸਮੀਖਿਆ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਜਿਸ ਵਿੱਚ ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ (DSS), ਕਾਰਜਕਾਰੀ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ (EIS), ਕੇਸ ਅਧਿਐਨ ਸ਼ਾਮਲ ਹਨ। ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਦੇ ਸੰਕਲਪ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਫੋਰਮਾਂ ਦੇ ਨਤੀਜੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਮੋਨਾਸ਼ ਡੀਐਸਐਸ ਖੋਜ ਟੀਮ ਦੀ ਅਗਵਾਈ ਵਿੱਚ ਮਾਹਰ ਅਤੇ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਮੀਟਿੰਗ ਸਮੂਹਾਂ ਨੇ ਅਧਿਐਨ ਦੇ ਇਸ ਪੜਾਅ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਇਆ ਜਿਸਦਾ ਉਦੇਸ਼ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਉਹਨਾਂ ਦੇ ਗੋਦ ਲੈਣ ਵਿੱਚ ਸ਼ਾਮਲ ਜੋਖਮਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ। ਇਸ ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ ਦੀ ਮਿਆਦ ਦੇ ਦੌਰਾਨ, ਅਗਲੀ ਅਨੁਭਵੀ ਜਾਂਚਾਂ ਲਈ ਪਿਛੋਕੜ ਗਿਆਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਸਮੱਸਿਆ ਵਾਲੇ ਖੇਤਰ ਦੀ ਸਮਝ ਸਥਾਪਿਤ ਕੀਤੀ ਗਈ ਸੀ। ਹਾਲਾਂਕਿ, ਖੋਜ ਅਧਿਐਨ ਦੇ ਸੰਚਾਲਨ ਦੌਰਾਨ ਇਹ ਇੱਕ ਨਿਰੰਤਰ ਪ੍ਰਕਿਰਿਆ ਸੀ।

ਭਾਗ II: ਅਨੁਭਵੀ ਖੋਜ

ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੀ ਮੁਕਾਬਲਤਨ ਨਵੀਂ ਧਾਰਨਾ, ਖਾਸ ਕਰਕੇ ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ, ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਦੀ ਇੱਕ ਵਿਆਪਕ ਤਸਵੀਰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇੱਕ ਸਰਵੇਖਣ ਦੀ ਲੋੜ ਪੈਦਾ ਕੀਤੀ ਹੈ. ਇਹ ਹਿੱਸਾ ਇੱਕ ਵਾਰ ਕੀਤਾ ਗਿਆ ਸੀ ਜਦੋਂ ਸਮੱਸਿਆ ਦਾ ਡੋਮੇਨ ਵਿਆਪਕ ਸਾਹਿਤ ਸਮੀਖਿਆ ਦੁਆਰਾ ਸਥਾਪਿਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ ਪੜਾਅ ਦੌਰਾਨ ਬਣਾਈ ਗਈ ਡੇਟਾ-ਵੇਅਰਹਾਊਸਿੰਗ ਧਾਰਨਾ ਨੂੰ ਇਸ ਅਧਿਐਨ ਦੀ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਸ਼ਨਾਵਲੀ ਲਈ ਇਨਪੁਟ ਵਜੋਂ ਵਰਤਿਆ ਗਿਆ ਸੀ। ਇਸ ਤੋਂ ਬਾਅਦ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ। ਕੀ ਤੁਸੀਂ ਇੱਕ ਮਾਹਰ ਹੋ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਟੈਸਟ ਵਿੱਚ ਹਿੱਸਾ ਲਿਆ। ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਜਾਂਚ ਕਰਨ ਦਾ ਉਦੇਸ਼ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਸੰਪੂਰਨਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਕਰਨਾ ਸੀ। ਟੈਸਟ ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਆਧਾਰ 'ਤੇ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਸੋਧਿਆ ਗਿਆ ਸੀ ਅਤੇ ਸੋਧਿਆ ਹੋਇਆ ਸੰਸਕਰਣ ਸਰਵੇਖਣ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਭੇਜਿਆ ਗਿਆ ਸੀ। ਵਾਪਸ ਕੀਤੀਆਂ ਪ੍ਰਸ਼ਨਾਵਲੀਆਂ ਦਾ ਫਿਰ i ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ dati ਟੇਬਲਾਂ, ਚਿੱਤਰਾਂ ਅਤੇ ਹੋਰ ਫਾਰਮੈਟਾਂ ਵਿੱਚ। ਦ

ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜੇ dati ਉਹ ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਭਿਆਸ ਦਾ ਇੱਕ ਸਨੈਪਸ਼ਾਟ ਬਣਾਉਂਦੇ ਹਨ।

ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਸੰਖੇਪ ਜਾਣਕਾਰੀ

ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੀ ਧਾਰਨਾ ਕੰਪਿਊਟਰ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਸੁਧਾਰਾਂ ਨਾਲ ਵਿਕਸਤ ਹੋਈ ਹੈ।
ਇਸਦਾ ਉਦੇਸ਼ ਐਪਲੀਕੇਸ਼ਨ ਸਹਾਇਤਾ ਸਮੂਹਾਂ ਜਿਵੇਂ ਕਿ ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀ (DSS) ਅਤੇ ਕਾਰਜਕਾਰੀ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ (EIS) ਦੁਆਰਾ ਦਰਪੇਸ਼ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਹੈ।

ਅਤੀਤ ਵਿੱਚ ਇਹਨਾਂ ਅਰਜ਼ੀਆਂ ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਰੁਕਾਵਟ ਇਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਏ ਡਾਟਾ ਬੇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਜ਼ਰੂਰੀ.
ਇਹ ਮੁੱਖ ਤੌਰ 'ਤੇ ਪ੍ਰਬੰਧਨ ਦੇ ਕੰਮ ਦੀ ਪ੍ਰਕਿਰਤੀ ਕਾਰਨ ਹੁੰਦਾ ਹੈ। ਕਵਰ ਕੀਤੇ ਗਏ ਖੇਤਰ ਦੇ ਆਧਾਰ 'ਤੇ ਕੰਪਨੀ ਦੇ ਪ੍ਰਬੰਧਨ ਦੇ ਹਿੱਤ ਲਗਾਤਾਰ ਬਦਲਦੇ ਰਹਿੰਦੇ ਹਨ। ਇਸ ਲਈ ਆਈ dati ਇਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਬੁਨਿਆਦੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਉਹ ਇਲਾਜ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਹਿੱਸੇ ਦੇ ਆਧਾਰ 'ਤੇ ਜਲਦੀ ਬਦਲਣ ਦੇ ਯੋਗ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਆਈ dati ਬੇਨਤੀ ਕੀਤੇ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਲਈ ਢੁਕਵੇਂ ਰੂਪ ਵਿੱਚ ਉਪਲਬਧ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਵਾਸਤਵ ਵਿੱਚ, ਐਪਲੀਕੇਸ਼ਨ ਸਹਾਇਤਾ ਸਮੂਹਾਂ ਨੂੰ ਪਿਛਲੇ ਸਮੇਂ ਵਿੱਚ ਇਕੱਠਾ ਕਰਨਾ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਸੀ dati ਗੁੰਝਲਦਾਰ ਅਤੇ ਵਿਭਿੰਨ ਸਰੋਤਾਂ ਤੋਂ.

ਇਸ ਭਾਗ ਦਾ ਬਾਕੀ ਹਿੱਸਾ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੀ ਧਾਰਨਾ ਦੀ ਇੱਕ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸ ਬਾਰੇ ਚਰਚਾ ਕਰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਐਪਲੀਕੇਸ਼ਨ ਸਹਾਇਤਾ ਸਮੂਹਾਂ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕਰ ਸਕਦਾ ਹੈ।
ਸ਼ਬਦ “ਡੇਟਾ ਵੇਅਰਹਾhouseਸ1990 ਵਿੱਚ ਵਿਲੀਅਮ ਇਨਮੋਨ ਦੁਆਰਾ ਪ੍ਰਸਿੱਧ ਕੀਤਾ ਗਿਆ ਸੀ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਦੇ ਸੰਗ੍ਰਹਿ ਦੇ ਰੂਪ ਵਿੱਚ dati ਪ੍ਰਬੰਧਨ ਫੈਸਲਿਆਂ ਦੇ ਸਮਰਥਨ ਵਿੱਚ, ਵਿਸ਼ਾ-ਮੁਖੀ, ਏਕੀਕ੍ਰਿਤ, ਗੈਰ-ਅਸਥਿਰ, ਅਤੇ ਸਮੇਂ ਦੇ ਨਾਲ ਪਰਿਵਰਤਨਸ਼ੀਲ।

ਇਸ ਪਰਿਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇਨਮੋਨ ਹਾਈਲਾਈਟ ਕਰਦਾ ਹੈ ਕਿ i dati ਏ ਵਿੱਚ ਰਹਿ ਰਿਹਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹਨਾਂ ਕੋਲ ਹੇਠ ਲਿਖੀਆਂ 4 ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ:

• ▪ ਵਿਸ਼ੇ-ਅਧਾਰਿਤ
• ▪ ਏਕੀਕ੍ਰਿਤ
• ▪ ਗੈਰ-ਅਸਥਿਰ
• ▪ ਸਮੇਂ ਦੇ ਨਾਲ ਪਰਿਵਰਤਨਸ਼ੀਲ ਵਿਸ਼ਾ-ਅਧਾਰਿਤ ਇਨਮੋਨ ਦਾ ਮਤਲਬ ਹੈ ਕਿ i dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸਭ ਤੋਂ ਵੱਡੇ ਸੰਗਠਨਾਤਮਕ ਖੇਤਰਾਂ ਵਿੱਚ ਜੋ ਕੀਤਾ ਗਿਆ ਹੈ

ਮਾਡਲ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ dati. ਉਦਾਹਰਨ ਲਈ ਸਾਰੇ dati ਬਾਰੇ i ਗਾਹਕ ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ ਗਾਹਕ. ਇਸੇ ਤਰ੍ਹਾਂ ਸਾਰੇ dati ਉਤਪਾਦਾਂ ਨਾਲ ਸਬੰਧਤ ਉਤਪਾਦ ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ।

ਇੰਟੀਗ੍ਰੇਟਿਡ ਇਨਮੋਨ ਦੁਆਰਾ ਮਤਲਬ ਹੈ ਕਿ ਆਈ dati ਵੱਖ-ਵੱਖ ਪਲੇਟਫਾਰਮਾਂ, ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਸਥਾਨਾਂ ਤੋਂ ਆਉਣ ਵਾਲੇ ਨੂੰ ਇੱਕ ਥਾਂ ਤੇ ਜੋੜਿਆ ਅਤੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਿੱਟੇ ਵਜੋਂ dati ਸਮਾਨ ਰੂਪਾਂ ਨੂੰ ਇਕਸਾਰ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਜੋੜਿਆ ਜਾ ਸਕੇ ਅਤੇ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਸਕੇ।
ਉਦਾਹਰਨ ਲਈ, ਨਰ ਅਤੇ ਮਾਦਾ ਲਿੰਗ ਨੂੰ ਇੱਕ ਸਿਸਟਮ ਵਿੱਚ M ਅਤੇ F ਅੱਖਰਾਂ ਦੁਆਰਾ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਦੂਜੇ ਵਿੱਚ 1 ਅਤੇ 0 ਦੁਆਰਾ। ਉਹਨਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ, ਇੱਕ ਜਾਂ ਦੋਵੇਂ ਫਾਰਮੈਟਾਂ ਨੂੰ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ ਦੋਵੇਂ ਫਾਰਮੈਟ ਇੱਕੋ ਜਿਹੇ ਹੋਣ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ ਅਸੀਂ M ਨੂੰ 1 ਅਤੇ F ਨੂੰ 0 ਵਿੱਚ ਜਾਂ ਇਸਦੇ ਉਲਟ ਬਦਲ ਸਕਦੇ ਹਾਂ। ਵਿਸ਼ਾ-ਅਧਾਰਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਇੱਕ ਕਾਰਜਸ਼ੀਲ ਅਤੇ ਟ੍ਰਾਂਸਵਰਸਲ ਵਿਜ਼ਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ dati ਕੰਪਨੀ ਦੁਆਰਾ.

ਗੈਰ-ਅਸਥਿਰ ਦੁਆਰਾ ਉਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਆਈ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਇਕਸਾਰ ਰਹਿਣ ਅਤੇ ਅਪਡੇਟ ਕਰਨਾ dati ਇਹ ਜ਼ਰੂਰੀ ਨਹੀਂ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਵਿੱਚ ਹਰ ਤਬਦੀਲੀ dati ਵਿੱਚ ਮੂਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਤਿਹਾਸਕ ਡੀ.ਆਈ dati ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.

ਸਮੇਂ ਦੇ ਨਾਲ ਵੇਰੀਏਬਲ ਲਈ ਇਨਮੋਨ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ i dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹਮੇਸ਼ਾ ei ਸਮਾਂ ਸੂਚਕ ਹੁੰਦੇ ਹਨ dati ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਮੇਂ ਦੀ ਦੂਰੀ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ ਏ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਇਤਿਹਾਸਕ ਮੁੱਲ ਦੇ 5 ਸਾਲ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ ਗਾਹਕ 1993 ਤੋਂ 1997 ਤੱਕ। ਇਤਿਹਾਸ ਦੀ ਉਪਲਬਧਤਾ ਅਤੇ ਸਮੇਂ ਦੀ ਲੜੀ dati ਤੁਹਾਨੂੰ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਆਪਣਾ ਇਕੱਠਾ ਕਰ ਸਕਦਾ ਹੈ dati OLTP ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ; ਸਰੋਤਾਂ ਤੋਂ dati ਸੰਸਥਾ ਦੇ ਬਾਹਰੀ ਅਤੇ/ਜਾਂ ਹੋਰ ਵਿਸ਼ੇਸ਼ ਕੈਪਚਰ ਸਿਸਟਮ ਪ੍ਰੋਜੈਕਟਾਂ ਦੁਆਰਾ dati.
I dati ਕੱਡਣ ਇੱਕ ਸਫਾਈ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚੋਂ ਲੰਘ ਸਕਦੇ ਹਨ, ਇਸ ਕੇਸ ਵਿੱਚ i dati ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਪਰਿਵਰਤਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦੇ ਹਨ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਫਿਰ ਮੈਂ dati

ਦੇ ਅੰਦਰ ਨਿਵਾਸੀ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅੰਤਮ ਉਪਭੋਗਤਾ ਲੌਗਿਨ ਅਤੇ ਰਿਕਵਰੀ ਟੂਲਸ ਲਈ ਉਪਲਬਧ ਕਰਵਾਏ ਗਏ ਹਨ। ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅੰਤਮ ਉਪਭੋਗਤਾ ਦੇ ਸੰਗਠਨ ਦੇ ਏਕੀਕ੍ਰਿਤ ਦ੍ਰਿਸ਼ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦਾ ਹੈ dati.

I dati ਦੇ ਅੰਦਰ ਨਿਵਾਸੀ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਵੇਰਵੇ ਅਤੇ ਸੰਖੇਪ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
ਸੰਖੇਪ ਦਾ ਪੱਧਰ ਦੀ ਪ੍ਰਕਿਰਤੀ 'ਤੇ ਨਿਰਭਰ ਹੋ ਸਕਦਾ ਹੈ dati. ਮੈਂ dati ਦੇ ਵੇਰਵੇ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ dati ਮੌਜੂਦਾ ਈ dati ਸਟੋਰੀਸੀ
I dati ਰਾਇਲਟੀ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜਦ ਤੱਕ i dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅੱਪਡੇਟ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
ਸਟੋਰ ਕਰਨ ਤੋਂ ਇਲਾਵਾ ਆਈ dati ਆਪਣੇ ਆਪ ਨੂੰ, ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਵੱਖਰੀ ਕਿਸਮ ਨੂੰ ਵੀ ਸਟੋਰ ਕਰ ਸਕਦਾ ਹੈ ਡੈਟੋ ਦਾ ਵਰਣਨ ਕਰਨ ਵਾਲਾ ਮੇਟਾਡਾਟਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ dati ਉਸ ਦੇ ਵਿੱਚ ਵਸਨੀਕ ਡਾਟਾਬੇਸ.
ਮੈਟਾਡੇਟਾ ਦੀਆਂ ਦੋ ਕਿਸਮਾਂ ਹਨ: ਵਿਕਾਸ ਮੈਟਾਡੇਟਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਮੈਟਾਡੇਟਾ।
ਡਿਵੈਲਪਮੈਂਟ ਮੈਟਾਡੇਟਾ ਦੀ ਵਰਤੋਂ ਐਕਸਟਰੈਕਸ਼ਨ, ਕਲੀਨਿੰਗ, ਮੈਪਿੰਗ ਅਤੇ ਲੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਅਤੇ ਸਵੈਚਾਲਿਤ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਵਿਕਾਸ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਮੌਜੂਦ ਜਾਣਕਾਰੀ ਵਿੱਚ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਦੇ ਵੇਰਵੇ, ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਤੱਤਾਂ ਦੇ ਵੇਰਵੇ, ਮਾਡਲ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ dati Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਪਰਿਵਰਤਨ ਲਈ ਵਪਾਰਕ ਨਿਯਮ dati.

ਦੂਜੀ ਕਿਸਮ ਦਾ ਮੈਟਾਡੇਟਾ, ਜੋ ਕਿ ਵਿਸ਼ਲੇਸ਼ਣ ਮੈਟਾਡੇਟਾ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਅੰਤਮ ਉਪਭੋਗਤਾ ਨੂੰ ਸਮੱਗਰੀ ਦੀ ਪੜਚੋਲ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਲੱਭਣ ਲਈ dati ਉਪਲਬਧ ਅਤੇ ਸਪਸ਼ਟ, ਗੈਰ-ਤਕਨੀਕੀ ਸ਼ਬਦਾਂ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਅਰਥ.

ਇਸ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਮੈਟਾਡੇਟਾ ਵਿਚਕਾਰ ਇੱਕ ਪੁਲ ਦਾ ਕੰਮ ਕਰਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਅੰਤਮ-ਉਪਭੋਗਤਾ ਐਪਲੀਕੇਸ਼ਨ. ਇਸ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਵਪਾਰਕ ਮਾਡਲ, ਦੇ ਵਰਣਨ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ dati ਕਾਰੋਬਾਰੀ ਮਾਡਲ, ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਪੁੱਛਗਿੱਛਾਂ ਅਤੇ ਰਿਪੋਰਟਾਂ, ਉਪਭੋਗਤਾ ਪਹੁੰਚ ਲਈ ਜਾਣਕਾਰੀ ਅਤੇ ਸੂਚਕਾਂਕ ਦੇ ਅਨੁਸਾਰੀ।

ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਕਾਸ ਮੈਟਾਡੇਟਾ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਏਕੀਕ੍ਰਿਤ ਕੰਟੇਨਮੈਂਟ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਬਦਕਿਸਮਤੀ ਨਾਲ ਬਹੁਤ ਸਾਰੇ ਮੌਜੂਦਾ ਟੂਲਸ ਦਾ ਆਪਣਾ ਮੈਟਾਡੇਟਾ ਹੈ ਅਤੇ ਇਸ ਸਮੇਂ ਇਸਦੇ ਲਈ ਕੋਈ ਮੌਜੂਦਾ ਮਾਪਦੰਡ ਨਹੀਂ ਹਨ

ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਟੂਲਸ ਨੂੰ ਇਸ ਮੈਟਾਡੇਟਾ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿਓ। ਇਸ ਸਥਿਤੀ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ, ਮੁੱਖ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਟੂਲਸ ਦੇ ਬਹੁਤ ਸਾਰੇ ਵਪਾਰੀਆਂ ਨੇ ਮੈਟਾ ਡੇਟਾ ਕੌਂਸਲ ਬਣਾਈ ਜੋ ਬਾਅਦ ਵਿੱਚ ਮੈਟਾ ਡੇਟਾ ਗੱਠਜੋੜ ਬਣ ਗਈ।

ਇਸ ਗੱਠਜੋੜ ਦਾ ਟੀਚਾ ਇੱਕ ਮਿਆਰੀ ਮੈਟਾਡੇਟਾ ਸੈੱਟ ਬਣਾਉਣਾ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਟੂਲਸ ਨੂੰ ਮੈਟਾਡੇਟਾ ਨੂੰ ਬਦਲਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਉਹਨਾਂ ਦੇ ਯਤਨਾਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਮੈਟਾ ਡੇਟਾ ਇੰਟਰਚੇਂਜ ਸਪੈਸੀਫਿਕੇਸ਼ਨ (MDIS) ਦਾ ਜਨਮ ਹੋਇਆ ਜੋ Microsoft ਪੁਰਾਲੇਖਾਂ ਅਤੇ ਸੰਬੰਧਿਤ MDIS ਫਾਈਲਾਂ ਵਿਚਕਾਰ ਜਾਣਕਾਰੀ ਦੇ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਦੀ ਆਗਿਆ ਦੇਵੇਗਾ।

ਦੀ ਮੌਜੂਦਗੀ dati ਸੰਖੇਪ/ਸੂਚੀਬੱਧ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਦੋਵੇਂ ਹੀ ਉਪਭੋਗਤਾ ਨੂੰ ਇਸ ਤੋਂ ਡਰਿਲ ਡਰਾਊਨ (ਡਰਿਲਿੰਗ) ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਦਿੰਦੇ ਹਨ। dati ਵਿਸਤ੍ਰਿਤ ਲੋਕਾਂ ਲਈ ਸੂਚੀਬੱਧ ਅਤੇ ਇਸਦੇ ਉਲਟ। ਦੀ ਮੌਜੂਦਗੀ dati ਵਿਸਤ੍ਰਿਤ ਇਤਿਹਾਸ ਸਮੇਂ ਦੇ ਨਾਲ ਰੁਝਾਨ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਦੀ ਸਿਰਜਣਾ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ ਵਿਸ਼ਲੇਸ਼ਣ ਮੈਟਾਡੇਟਾ ਦੀ ਇੱਕ ਡਾਇਰੈਕਟਰੀ ਦੇ ਤੌਰ ਤੇ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ dati ਜ਼ਰੂਰੀ.

ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੀ ਉਹਨਾਂ ਦੀ ਯੋਗਤਾ ਦੇ ਨਾਲ, OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮੁਕਾਬਲੇ dati ਅਤੇ ਰਿਪੋਰਟਿੰਗ, ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਨੂੰ ਸੂਚਨਾ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜਿਵੇਂ ਕਿ ਸਵਾਲਾਂ ਦਾ ਜਵਾਬ ਦੇਣਾ ਅਤੇ ਜਵਾਬ ਦੇਣਾ ਅਤੇ ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਲਈ ਵਧੇਰੇ ਢੁਕਵੀਂ ਪ੍ਰਣਾਲੀ ਵਜੋਂ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ। ਅਗਲਾ ਭਾਗ ਵਿਸਥਾਰ ਵਿੱਚ ਦੋਵਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਅੰਤਰਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰੇਗਾ।

ਡਾਟਾ ਵੇਅਰਹਾਊਸ OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਰੁੱਧ

ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਬਹੁਤ ਸਾਰੀਆਂ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮਕਾਜ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਹੁੰਦੀਆਂ ਹਨ। ਇਹ ਸਿਸਟਮ OLTP ਸਿਸਟਮ ਵਜੋਂ ਜਾਣੇ ਜਾਂਦੇ ਹਨ, ਲਗਾਤਾਰ ਅੱਪਡੇਟ ਕੀਤੇ ਰੋਜ਼ਾਨਾ ਲੈਣ-ਦੇਣ ਨੂੰ ਕੈਪਚਰ ਕਰਦੇ ਹਨ।

I dati ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਦੇ ਅੰਦਰ ਉਹਨਾਂ ਨੂੰ ਅਕਸਰ ਸੋਧਿਆ, ਜੋੜਿਆ ਜਾਂ ਮਿਟਾਇਆ ਜਾਂਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਗਾਹਕ ਦਾ ਪਤਾ ਬਦਲ ਜਾਂਦਾ ਹੈ ਜਿਵੇਂ ਹੀ ਉਹ ਇੱਕ ਥਾਂ ਤੋਂ ਦੂਜੀ ਥਾਂ ਤੇ ਜਾਂਦਾ ਹੈ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਐਡਰੈੱਸ ਫੀਲਡ ਨੂੰ ਸੋਧ ਕੇ ਨਵਾਂ ਪਤਾ ਰਜਿਸਟਰ ਕੀਤਾ ਜਾਵੇਗਾ ਡਾਟਾਬੇਸ. ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਲੈਣ-ਦੇਣ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਉਸੇ ਸਮੇਂ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮੇਂ ਨੂੰ ਘਟਾਉਣਾ ਹੈ। OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਆਰਡਰ ਐਂਟਰੀ, ਪੇਰੋਲ, ਇਨਵੌਇਸ, ਨਿਰਮਾਣ, ਗਾਹਕ ਸੇਵਾ ਵਰਗੀਆਂ ਮਹੱਤਵਪੂਰਨ ਕਾਰਵਾਈਆਂ ਸ਼ਾਮਲ ਹਨ ਗਾਹਕ.

OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਉਲਟ, ਜੋ ਟ੍ਰਾਂਜੈਕਸ਼ਨ- ਅਤੇ ਇਵੈਂਟ-ਆਧਾਰਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ ਬਣਾਏ ਗਏ ਸਨ, i ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਿਸ਼ਲੇਸ਼ਣ-ਆਧਾਰਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਬਣਾਏ ਗਏ ਸਨ dati ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ।

ਇਹ ਆਮ ਤੌਰ 'ਤੇ i ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati ਦੇ ਇੱਕ ਸਿੰਗਲ "ਕੰਟੇਨਰ" ਵਿੱਚ ਵੱਖ-ਵੱਖ OLTP ਅਤੇ ਬਾਹਰੀ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ dati, ਜਿਵੇਂ ਕਿ ਪਿਛਲੇ ਭਾਗ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ।

ਮੋਨਾਸ਼ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰਕਿਰਿਆ ਮਾਡਲ

ਲਈ ਪ੍ਰਕਿਰਿਆ ਮਾਡਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਮੋਨਾਸ਼ ਨੂੰ ਮੋਨਾਸ਼ ਡੀਐਸਐਸ ਰਿਸਰਚ ਗਰੁੱਪ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਇਹ ਦੇ ਸਾਹਿਤ 'ਤੇ ਅਧਾਰਤ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਸਿਸਟਮ ਖੇਤਰਾਂ ਦੇ ਵਿਕਾਸ ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੇ ਤਜ਼ਰਬੇ 'ਤੇ, ਵਰਤੋਂ ਲਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਵਿਕਰੇਤਾਵਾਂ ਨਾਲ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ 'ਤੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸਦੀ ਵਰਤੋਂ ਵਿੱਚ ਮਾਹਿਰਾਂ ਦੇ ਇੱਕ ਸਮੂਹ 'ਤੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.

ਪੜਾਅ ਹਨ: ਸ਼ੁਰੂਆਤ, ਯੋਜਨਾ, ਵਿਕਾਸ, ਸੰਚਾਲਨ ਅਤੇ ਵਿਆਖਿਆ। ਚਿੱਤਰ a ਦੇ ਵਿਕਾਸ ਦੀ ਦੁਹਰਾਅ ਜਾਂ ਵਿਕਾਸਵਾਦੀ ਪ੍ਰਕਿਰਤੀ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵੱਖ-ਵੱਖ ਪੜਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਰੱਖੇ ਦੋ-ਪੱਖੀ ਤੀਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰਕਿਰਿਆ। ਇਸ ਸੰਦਰਭ ਵਿੱਚ, "ਦੁਹਰਾਏ" ਅਤੇ "ਵਿਕਾਸਵਾਦੀ" ਦਾ ਮਤਲਬ ਹੈ ਕਿ, ਪ੍ਰਕਿਰਿਆ ਦੇ ਹਰ ਪੜਾਅ 'ਤੇ, ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਹਮੇਸ਼ਾ ਪਿਛਲੇ ਪੜਾਅ ਵੱਲ ਪਿੱਛੇ ਵੱਲ ਨੂੰ ਫੈਲ ਸਕਦੀਆਂ ਹਨ। ਇਹ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਕਾਰਨ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜਿਸ ਵਿੱਚ ਅੰਤਮ ਉਪਭੋਗਤਾ ਤੋਂ ਕਿਸੇ ਵੀ ਸਮੇਂ ਵਾਧੂ ਬੇਨਤੀਆਂ ਆਉਂਦੀਆਂ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਦੇ ਵਿਕਾਸ ਪੜਾਅ ਦੇ ਦੌਰਾਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਅੰਤਮ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਇੱਕ ਨਵੇਂ ਮਾਪ ਜਾਂ ਵਿਸ਼ਾ ਖੇਤਰ ਦੀ ਬੇਨਤੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕਿ ਮੂਲ ਯੋਜਨਾ ਦਾ ਹਿੱਸਾ ਨਹੀਂ ਸੀ, ਇਸ ਨੂੰ ਸਿਸਟਮ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨਾ ਲਾਜ਼ਮੀ ਹੈ। ਇਹ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਤਬਦੀਲੀ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ. ਨਤੀਜਾ ਇਹ ਹੈ ਕਿ ਡਿਜ਼ਾਇਨ ਟੀਮ ਨੂੰ ਡਿਜ਼ਾਈਨ ਪੜਾਅ ਦੇ ਦੌਰਾਨ ਹੁਣ ਤੱਕ ਬਣਾਏ ਗਏ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਬਦਲਣਾ ਚਾਹੀਦਾ ਹੈ. ਬਹੁਤ ਸਾਰੇ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਪ੍ਰੋਜੈਕਟ ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਨੂੰ ਡਿਜ਼ਾਇਨ ਪੜਾਅ 'ਤੇ ਵਾਪਸ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿੱਥੇ ਨਵੀਂ ਲੋੜ ਨੂੰ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਦਸਤਾਵੇਜ਼ੀ ਰੂਪ ਵਿੱਚ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਅੰਤਮ ਉਪਭੋਗਤਾ ਨੂੰ ਸਮੀਖਿਆ ਕੀਤੇ ਗਏ ਖਾਸ ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਵਿਕਾਸ ਪੜਾਅ ਵਿੱਚ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ ਨੂੰ ਵੇਖਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਵਿਕਾਸ ਚੱਕਰ ਦੇ ਅੰਤ 'ਤੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਵਿਕਾਸ ਅਤੇ ਉਪਭੋਗਤਾ ਟੀਮਾਂ ਦੋਵਾਂ ਤੋਂ ਸ਼ਾਨਦਾਰ ਫੀਡਬੈਕ ਪ੍ਰਾਪਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਫੀਡਬੈਕ ਨੂੰ ਫਿਰ ਭਵਿੱਖ ਦੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।

ਸਮਰੱਥਾ ਦੀ ਯੋਜਨਾਬੰਦੀ
Dw ਆਕਾਰ ਵਿਚ ਬਹੁਤ ਵੱਡੇ ਹੁੰਦੇ ਹਨ ਅਤੇ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਵਧਦੇ ਹਨ (ਬੈਸਟ 1995, ਰੂਡਿਨ 1997a) ਦੀ ਮਾਤਰਾ ਦੇ ਨਤੀਜੇ ਵਜੋਂ dati ਇਤਿਹਾਸ ਜੋ ਉਹ ਆਪਣੀ ਮਿਆਦ ਤੋਂ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹਨ। ਦੇ ਕਾਰਨ ਵੀ ਵਾਧਾ ਹੋ ਸਕਦਾ ਹੈ dati ਦੇ ਮੁੱਲ ਨੂੰ ਵਧਾਉਣ ਲਈ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਬੇਨਤੀ ਕੀਤੀ ਗਈ ਜੋੜਾਂ dati ਜੋ ਕਿ ਉਹਨਾਂ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਹੈ। ਇਸ ਅਨੁਸਾਰ, ਲਈ ਸਟੋਰੇਜ਼ ਲੋੜ dati ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਾਇਆ ਜਾ ਸਕਦਾ ਹੈ (Eckerson 1997). ਇਸ ਤਰ੍ਹਾਂ, ਸਮਰੱਥਾ ਦੀ ਯੋਜਨਾ ਬਣਾ ਕੇ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਸਿਸਟਮ ਜਿਵੇਂ-ਜਿਵੇਂ ਲੋੜਾਂ ਵਧਦੀਆਂ ਹਨ, ਵਧ ਸਕਦੀਆਂ ਹਨ (ਬੈਸਟ 1995, ਲਾਪਲਾਂਟ 1996, ਲੈਂਗ 1997, ਏਕਰਸਨ 1997, ਰੁਡਿਨ 1997a, ਫੋਲੀ 1997a)।
ਡੇਟਾਬੇਸ ਦੀ ਮਾਪਯੋਗਤਾ ਲਈ ਯੋਜਨਾ ਬਣਾਉਣ ਵਿੱਚ, ਕਿਸੇ ਨੂੰ ਵੇਅਰਹਾਊਸ ਦੇ ਆਕਾਰ ਵਿੱਚ ਸੰਭਾਵਿਤ ਵਾਧੇ, ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲਾਂ ਦੀਆਂ ਕਿਸਮਾਂ, ਅਤੇ ਸਮਰਥਿਤ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਸੰਖਿਆ (ਬੈਸਟ 1995, ਰੂਡਿਨ 1997b, ਫੋਲੀ 1997a) ਦਾ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਕੇਲੇਬਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਸਕੇਲੇਬਲ ਸਰਵਰ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਸਕੇਲੇਬਲ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨ ਤਕਨੀਕਾਂ ਦੇ ਸੁਮੇਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (ਸਰਬੋਤਮ 1995, ਰੂਡਿਨ 1997b. ਦੋਵੇਂ ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਕੇਲੇਬਲ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹਨ। ਸਕੇਲੇਬਲ ਸਰਵਰ ਤਕਨਾਲੋਜੀਆਂ ਬਿਨਾਂ ਘਟਾਏ ਸਟੋਰੇਜ, ਮੈਮੋਰੀ ਅਤੇ CPU ਨੂੰ ਜੋੜਨਾ ਆਸਾਨ ਅਤੇ ਲਾਭਦਾਇਕ ਬਣਾ ਸਕਦੀਆਂ ਹਨ। ਪ੍ਰਦਰਸ਼ਨ (Lang 1997, ਟੈਲੀਫੋਨੀ 1997)।

ਇੱਥੇ ਦੋ ਮੁੱਖ ਸਕੇਲੇਬਲ ਸਰਵਰ ਤਕਨਾਲੋਜੀਆਂ ਹਨ: ਸਮਮਿਤੀ ਮਲਟੀਪਲ ਪ੍ਰੋਸੈਸਿੰਗ (SMP) ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਪੈਰਲਲ ਪ੍ਰੋਸੈਸਿੰਗ (MPP) (IDC 1997, Humphries et al. 1999)। ਇੱਕ SMP ਸਰਵਰ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਮੈਮੋਰੀ, ਸਿਸਟਮ ਬੱਸ, ਅਤੇ ਹੋਰ ਸਰੋਤ ਸਾਂਝੇ ਕਰਨ ਵਾਲੇ ਮਲਟੀਪਲ ਪ੍ਰੋਸੈਸਰ ਹੁੰਦੇ ਹਨ (IDC 1997, Humphries et al. 1999)। ਇਸ ਨੂੰ ਵਧਾਉਣ ਲਈ ਵਾਧੂ ਪ੍ਰੋਸੈਸਰ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ ਬਿਜਲੀ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਨੂੰ ਵਧਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਬਿਜਲੀ ਦੀ SMP ਸਰਵਰ ਦਾ, ਬਹੁਤ ਸਾਰੀਆਂ SMP ਮਸ਼ੀਨਾਂ ਨੂੰ ਜੋੜਨਾ ਹੈ। ਇਸ ਤਕਨੀਕ ਨੂੰ ਕਲੱਸਟਰਿੰਗ (Humphries et al. 1999) ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਦੂਜੇ ਪਾਸੇ, ਇੱਕ MPP ਸਰਵਰ, ਹਰੇਕ ਦੀ ਆਪਣੀ ਮੈਮੋਰੀ, ਬੱਸ ਸਿਸਟਮ, ਅਤੇ ਹੋਰ ਸਰੋਤਾਂ (IDC 1997, Humphries et al. 1999) ਦੇ ਨਾਲ ਕਈ ਪ੍ਰੋਸੈਸਰ ਹੁੰਦੇ ਹਨ। ਹਰੇਕ ਪ੍ਰੋਸੈਸਰ ਨੂੰ ਨੋਡ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਵਿੱਚ ਵਾਧਾ ਬਿਜਲੀ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ

MPP ਸਰਵਰਾਂ ਵਿੱਚ ਵਾਧੂ ਨੋਡ ਜੋੜਨਾ (Humphries et al. 1999)।

SMP ਸਰਵਰਾਂ ਦੀ ਇੱਕ ਕਮਜ਼ੋਰੀ ਇਹ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੇ ਇਨਪੁਟ-ਆਉਟਪੁੱਟ (I/O) ਓਪਰੇਸ਼ਨ ਸਿਸਟਮ ਬੱਸ (IDC 1997) ਨੂੰ ਭੀੜਾ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਸਮੱਸਿਆ MPP ਸਰਵਰਾਂ ਵਿੱਚ ਨਹੀਂ ਆਉਂਦੀ ਕਿਉਂਕਿ ਹਰੇਕ ਪ੍ਰੋਸੈਸਰ ਦਾ ਆਪਣਾ ਬੱਸ ਸਿਸਟਮ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਹਰੇਕ ਨੋਡ ਦੇ ਵਿਚਕਾਰ ਆਪਸੀ ਕੁਨੈਕਸ਼ਨ ਆਮ ਤੌਰ 'ਤੇ SMP ਬੱਸ ਸਿਸਟਮ ਨਾਲੋਂ ਬਹੁਤ ਹੌਲੀ ਹੁੰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, MPP ਸਰਵਰ ਐਪਲੀਕੇਸ਼ਨ ਡਿਵੈਲਪਰਾਂ (IDC 1997) ਲਈ ਇੱਕ ਵਾਧੂ ਪੱਧਰ ਦੀ ਜਟਿਲਤਾ ਜੋੜ ਸਕਦੇ ਹਨ। ਇਸ ਤਰ੍ਹਾਂ, SMP ਅਤੇ MPP ਸਰਵਰਾਂ ਵਿਚਕਾਰ ਚੋਣ ਬਹੁਤ ਸਾਰੇ ਕਾਰਕਾਂ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਗੁੰਝਲਤਾ, ਕੀਮਤ/ਪ੍ਰਦਰਸ਼ਨ ਅਨੁਪਾਤ, ਲੋੜੀਂਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮਰੱਥਾ, ਰੋਕੀਆਂ ਗਈਆਂ dw ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਅਕਾਰ ਵਿੱਚ ਵਾਧਾ ਸ਼ਾਮਲ ਹੈ। ਡਾਟਾਬੇਸ dw ਅਤੇ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ.

ਸਮਰੱਥਾ ਦੀ ਯੋਜਨਾਬੰਦੀ ਵਿੱਚ ਕਈ ਸਕੇਲੇਬਲ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨ ਤਕਨੀਕਾਂ ਨੂੰ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਕੋਈ ਵਿਅਕਤੀ ਵੱਖ-ਵੱਖ ਨੋਟੀਫਿਕੇਸ਼ਨ ਪੀਰੀਅਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਦਿਨ, ਹਫ਼ਤੇ, ਮਹੀਨੇ ਅਤੇ ਸਾਲ। ਵੱਖ-ਵੱਖ ਨੋਟੀਫਿਕੇਸ਼ਨ ਅਵਧੀ ਹੋਣ ਨਾਲ, ਡਾਟਾਬੇਸ ਇਸਨੂੰ ਪ੍ਰਬੰਧਿਤ ਤੌਰ 'ਤੇ ਸਮੂਹਿਕ ਟੁਕੜਿਆਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997)। ਇੱਕ ਹੋਰ ਤਕਨੀਕ ਸੰਖੇਪ ਸਾਰਣੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ ਜੋ ਸੰਖੇਪ ਕਰਕੇ ਬਣਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ dati da dati ਵੇਰਵੇ ਸਹਿਤ. ਇਸਲਈ ਮੈਂ dati ਸੰਖੇਪ ਵੇਰਵੇ ਨਾਲੋਂ ਵਧੇਰੇ ਸੰਖੇਪ ਹੁੰਦੇ ਹਨ, ਜਿਸ ਲਈ ਘੱਟ ਮੈਮੋਰੀ ਸਪੇਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਲਈ ਦ dati ਵੇਰਵਿਆਂ ਨੂੰ ਇੱਕ ਘੱਟ ਮਹਿੰਗੀ ਸਟੋਰੇਜ ਯੂਨਿਟ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਹੋਰ ਵੀ ਸਟੋਰੇਜ ਬਚਾਉਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਸੰਖੇਪ ਟੇਬਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਮੈਮੋਰੀ ਸਪੇਸ ਬਚਾਈ ਜਾ ਸਕਦੀ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਅਪ ਟੂ ਡੇਟ ਅਤੇ ਵਪਾਰਕ ਲੋੜਾਂ ਦੇ ਅਨੁਸਾਰ ਰੱਖਣ ਲਈ ਬਹੁਤ ਜਤਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਤਕਨੀਕ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਅਕਸਰ ਪਿਛਲੀ ਤਕਨੀਕ (ਬੈਸਟ 1995, ਇਨਮੋਨ 1996a, ਚੌਧਰੀ ਅਤੇ ਦਿਆਲ) ਦੇ ਨਾਲ ਜੋੜ ਕੇ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।
1997).

ਪਰਿਭਾਸ਼ਾ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ ਡੀਡਬਲਯੂ ਆਰਕੀਟੈਕਚਰ ਤਕਨੀਕਾਂ ਦੀ ਪਰਿਭਾਸ਼ਾ

ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੇ ਸ਼ੁਰੂਆਤੀ ਅਪਣਾਉਣ ਵਾਲਿਆਂ ਨੇ ਮੁੱਖ ਤੌਰ 'ਤੇ dw ਦੇ ਕੇਂਦਰੀਕ੍ਰਿਤ ਲਾਗੂਕਰਨ ਦੀ ਕਲਪਨਾ ਕੀਤੀ ਜਿਸ ਵਿੱਚ ਸਾਰੇ dati, ਸਮੇਤ ਆਈ dati ਬਾਹਰੀ, ਇੱਕ ਸਿੰਗਲ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਸਨ,
ਭੌਤਿਕ ਸਟੋਰੇਜ਼ (ਇਨਮੋਨ 1996a, ਬ੍ਰੈਸਨਹਾਨ 1996, ਪੀਕੌਕ 1998)।

ਇਸ ਪਹੁੰਚ ਦਾ ਮੁੱਖ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਅੰਤਮ ਉਪਭੋਗਤਾ ਦੇ ਐਂਟਰਪ੍ਰਾਈਜ਼-ਵਿਆਪਕ ਦ੍ਰਿਸ਼ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੇ ਯੋਗ ਹਨ dati ਸੰਗਠਨਾਤਮਕ (ਓਵਮ 1998)। ਇਕ ਹੋਰ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਇਹ ਮਾਨਕੀਕਰਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ dati ਸੰਗਠਨ ਦੁਆਰਾ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ dw ਰਿਪੋਜ਼ਟਰੀ (ਮੈਟਾਡੇਟਾ) (ਫਲਾਨਾਗਨ ਅਤੇ ਸਫਡੀ 1997, ਓਵਮ 1998) ਵਿੱਚ ਵਰਤੀ ਗਈ ਹਰੇਕ ਸ਼ਬਦਾਵਲੀ ਲਈ ਸਿਰਫ ਇੱਕ ਸੰਸਕਰਣ ਜਾਂ ਪਰਿਭਾਸ਼ਾ ਹੈ। ਦੂਜੇ ਪਾਸੇ, ਇਸ ਪਹੁੰਚ ਦਾ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਇਹ ਮਹਿੰਗਾ ਅਤੇ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998)। ਸਟੋਰੇਜ਼ ਆਰਕੀਟੈਕਚਰ ਦੇ ਬਾਅਦ ਦੇਰ ਨਾ dati ਕੇਂਦਰੀਕ੍ਰਿਤ ਪ੍ਰਸਿੱਧ ਹੋ ਗਿਆ, ਵਿਕਸਿਤ ਦੇ ਛੋਟੇ ਉਪ ਸਮੂਹਾਂ ਨੂੰ ਕੱਢਣ ਦੀ ਧਾਰਨਾ dati ਖਾਸ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀਆਂ ਲੋੜਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ (ਵਾਰਨੀ 1996, IDC 1997, ਬਰਸਨ ਅਤੇ ਸਮਿਥ 1997, ਪੀਕੌਕ 1998)। ਇਹ ਛੋਟੇ ਸਿਸਟਮ ਵੱਡੇ ਸਿਸਟਮ ਦੇ ਡੈਰੀਵੇਟਿਵ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੇਂਦਰੀਕ੍ਰਿਤ. ਉਹਨਾਂ ਦੇ ਨਾਮ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਨਿਰਭਰ ਵਿਭਾਗੀ ਜਾਂ ਨਿਰਭਰ ਡੇਟਾ ਮਾਰਟਸ। ਨਿਰਭਰ ਡੇਟਾ ਮਾਰਟ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਤਿੰਨ-ਪੱਧਰੀ ਆਰਕੀਟੈਕਚਰ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਜਿੱਥੇ ਪਹਿਲੇ ਦਰਜੇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੇਂਦਰੀਕ੍ਰਿਤ, ਦੂਜੇ ਵਿੱਚ ਜਮ੍ਹਾਂ ਰਕਮਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ dati ਵਿਭਾਗੀ ਅਤੇ ਤੀਜੇ ਵਿੱਚ ਪਹੁੰਚ ਸ਼ਾਮਲ ਹੈ dati ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਸਾਧਨਾਂ ਦੁਆਰਾ (Demarest 1994, Inmon et al. 1997)।

ਡਾਟਾ ਮਾਰਟਸ ਆਮ ਤੌਰ 'ਤੇ ਇਸ ਤੋਂ ਬਾਅਦ ਬਣਾਏ ਜਾਂਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੇਂਦਰੀਕ੍ਰਿਤ ਨੂੰ ਖਾਸ ਯੂਨਿਟਾਂ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਸੀ (ਵਾਈਟ 1995, ਵਾਰਨੀ 1996)।
ਡਾਟਾ ਮਾਰਟਸ ਸਟੋਰ ਕਰਦੇ ਹਨ dati ਖਾਸ ਇਕਾਈਆਂ ਨਾਲ ਸੰਬੰਧਿਤ ਬਹੁਤ ਢੁਕਵਾਂ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997, ਇਨਮੋਨ ਐਟ ਅਲ. 1998, ਆਈ.ਏ. 1998)।

ਇਸ ਵਿਧੀ ਦਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਕੋਈ ਨਹੀਂ ਹੋਵੇਗਾ ਡੈਟੋ ਏਕੀਕ੍ਰਿਤ ਨਹੀਂ ਹੈ ਅਤੇ ਉਹ ਆਈ dati ਸਭ ਤੋਂ ਬਾਅਦ ਡਾਟਾ ਮਾਰਟਸ ਦੇ ਅੰਦਰ ਘੱਟ ਬੇਲੋੜਾ ਹੋਵੇਗਾ dati ਉਹ ਇੱਕ ਗੋਦਾਮ ਤੋਂ ਆਉਂਦੇ ਹਨ dati ਏਕੀਕ੍ਰਿਤ. ਇਕ ਹੋਰ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਅਤੇ ਇਸਦੇ ਸਰੋਤਾਂ ਵਿਚਕਾਰ ਕੁਝ ਕੁਨੈਕਸ਼ਨ ਹੋਣਗੇ dati ਕਿਉਂਕਿ ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਦਾ ਸਿਰਫ ਇੱਕ ਸਰੋਤ ਹੁੰਦਾ ਹੈ dati. ਨਾਲ ਹੀ ਇਸ ਆਰਕੀਟੈਕਚਰ ਦੇ ਨਾਲ, ਅੰਤਮ ਉਪਭੋਗਤਾ ਅਜੇ ਵੀ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ dati

ਕਾਰਪੋਰੇਟ ਸੰਗਠਨ. ਇਸ ਵਿਧੀ ਨੂੰ ਟੌਪ-ਡਾਊਨ ਵਿਧੀ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਜਿੱਥੇ ਡੇਟਾ ਮਾਰਟਸ ਦੇ ਬਾਅਦ ਬਣਾਏ ਜਾਂਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਮੋਰ 1998, ਗੋਫ 1998)।
ਨਤੀਜੇ ਛੇਤੀ ਦਿਖਾਉਣ ਦੀ ਲੋੜ ਨੂੰ ਵਧਾਉਂਦੇ ਹੋਏ, ਕੁਝ ਸੰਸਥਾਵਾਂ ਨੇ ਸੁਤੰਤਰ ਡੇਟਾ ਮਾਰਟਸ (ਫਲਾਨਾਗਨ ਅਤੇ ਸਫਡੀ 1997, ਵ੍ਹਾਈਟ 2000) ਬਣਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਡੇਟਾ ਮਾਰਟਸ ਆਪਣੇ ਆਪ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ dati ਦੇ ਮੂਲ ਤੋਂ ਸਿੱਧਾ dati OLTP ਨਾ ਕਿ ਕੇਂਦਰੀਕ੍ਰਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਵੇਅਰਹਾਊਸ ਤੋਂ, ਇਸ ਤਰ੍ਹਾਂ ਸਾਈਟ 'ਤੇ ਕੇਂਦਰੀ ਵੇਅਰਹਾਊਸ ਹੋਣ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ।

ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਨੂੰ ਇਸਦੇ ਸਰੋਤਾਂ ਲਈ ਘੱਟੋ ਘੱਟ ਇੱਕ ਲਿੰਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ dati. ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਲਈ ਮਲਟੀਪਲ ਕੁਨੈਕਸ਼ਨ ਹੋਣ ਦਾ ਇੱਕ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ, ਪਿਛਲੇ ਦੋ ਆਰਕੀਟੈਕਚਰ ਦੇ ਮੁਕਾਬਲੇ, ਬਹੁਤ ਜ਼ਿਆਦਾ dati ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਦਾ ਹੈ.

ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਨੂੰ ਸਾਰੇ ਸਟੋਰ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ dati OLTP ਸਿਸਟਮਾਂ 'ਤੇ ਕੋਈ ਪ੍ਰਭਾਵ ਨਾ ਪਾਉਣ ਲਈ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਲੋੜੀਂਦਾ ਹੈ। ਇਸ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ ਕਿ ਆਈ dati ਉਹ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਮਾਰਟਸ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997) ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇਸ ਆਰਕੀਟੈਕਚਰ ਦਾ ਇੱਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਇਹ ਡੇਟਾ ਮਾਰਟਸ ਅਤੇ ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਸਰੋਤਾਂ ਵਿਚਕਾਰ ਗੁੰਝਲਦਾਰ ਆਪਸੀ ਕਨੈਕਸ਼ਨਾਂ ਦੀ ਸਿਰਜਣਾ ਵੱਲ ਖੜਦਾ ਹੈ। dati ਜਿਨ੍ਹਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਅਤੇ ਕੰਟਰੋਲ ਕਰਨਾ ਔਖਾ ਹੈ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997)।

ਇੱਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਅੰਤਮ ਉਪਭੋਗਤਾ ਕੰਪਨੀ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚ ਸਕਦੇ ਕਿਉਂਕਿ i dati ਵੱਖ-ਵੱਖ ਡਾਟਾ ਮਾਰਟਸ ਦੇ ਏਕੀਕ੍ਰਿਤ ਨਹੀਂ ਹਨ (ਓਵਮ 1998)।
ਫਿਰ ਵੀ ਇੱਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਡੇਟਾ ਮਾਰਟਸ ਵਿੱਚ ਵਰਤੀ ਜਾਂਦੀ ਹਰੇਕ ਸ਼ਬਦਾਵਲੀ ਲਈ ਇੱਕ ਤੋਂ ਵੱਧ ਪਰਿਭਾਸ਼ਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ ਜੋ ਅਸੰਗਤਤਾ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ dati ਸੰਸਥਾ ਵਿੱਚ (ਓਵਮ 1998)।
ਉੱਪਰ ਦੱਸੇ ਗਏ ਨੁਕਸਾਨਾਂ ਦੇ ਬਾਵਜੂਦ, ਸੁਤੰਤਰ ਡੇਟਾ ਮਾਰਟਸ ਅਜੇ ਵੀ ਬਹੁਤ ਸਾਰੀਆਂ ਸੰਸਥਾਵਾਂ (IDC 1997) ਦੀ ਦਿਲਚਸਪੀ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰਦੇ ਹਨ। ਇੱਕ ਕਾਰਕ ਜੋ ਉਹਨਾਂ ਨੂੰ ਆਕਰਸ਼ਕ ਬਣਾਉਂਦਾ ਹੈ ਉਹ ਇਹ ਹੈ ਕਿ ਉਹ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੁੰਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਘੱਟ ਸਮਾਂ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (ਬ੍ਰੇਸਨਹਾਨ 1996, ਬਰਸਨ ਅਤੇ ਸਮਿਥ 1997, ਓਵਮ 1998)। ਸਿੱਟੇ ਵਜੋਂ, ਉਹ ਮੁੱਖ ਤੌਰ 'ਤੇ ਟੈਸਟ ਪ੍ਰੋਜੈਕਟਾਂ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਲਾਭਾਂ ਅਤੇ/ਜਾਂ ਖਾਮੀਆਂ ਦੀ ਜਲਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ (ਪਾਰਸੇ 1995, ਬ੍ਰੇਲੀ 1995, ਨਿਊਿੰਗ 1996)। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਹਿੱਸਾ ਛੋਟਾ ਪਰ ਸੰਗਠਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ (ਨਿਊਇੰਗ 1996, ਮਾਨਸੇਲ-ਲੁਈਸ 1996)।

ਪ੍ਰੋਟੋਟਾਈਪ ਦੀ ਜਾਂਚ ਕਰਕੇ, ਅੰਤਮ ਉਪਭੋਗਤਾ ਅਤੇ ਪ੍ਰਸ਼ਾਸਨ ਇਹ ਫੈਸਲਾ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕੀ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਜਾਰੀ ਰੱਖਣਾ ਹੈ ਜਾਂ ਬੰਦ ਕਰਨਾ ਹੈ (Flanagan and Safdie 1997)।
ਜੇਕਰ ਫੈਸਲਾ ਜਾਰੀ ਰੱਖਣਾ ਹੈ, ਤਾਂ ਦੂਜੇ ਉਦਯੋਗਾਂ ਲਈ ਡੇਟਾ ਮਾਰਟਸ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਬਣਾਏ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ. ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸੁਤੰਤਰ ਡੇਟਾ ਮੈਟ੍ਰਿਕਸ ਬਣਾਉਣ ਵਿੱਚ ਉਹਨਾਂ ਦੀਆਂ ਲੋੜਾਂ ਦੇ ਅਧਾਰ ਤੇ ਦੋ ਵਿਕਲਪ ਹਨ: ਏਕੀਕ੍ਰਿਤ/ਸੰਘੀ ਅਤੇ ਅਣ-ਏਕੀਕ੍ਰਿਤ (ਓਵਮ 1998)

ਪਹਿਲੀ ਵਿਧੀ ਵਿੱਚ, ਹਰੇਕ ਨਵਾਂ ਡੇਟਾ ਮਾਰਟ ਮੌਜੂਦਾ ਡੇਟਾ ਮਾਰਟਸ ਅਤੇ ਮਾਡਲ ਦੇ ਅਧਾਰ ਤੇ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati ਕੰਪਨੀ ਦੁਆਰਾ ਵਰਤੀ ਗਈ (ਵਾਰਨੀ 1996, ਬਰਸਨ ਅਤੇ ਸਮਿਥ 1997, ਪੀਕੌਕ 1998)। ਮਾਡਲ ਨੂੰ ਵਰਤਣ ਦੀ ਲੋੜ ਹੈ dati ਕੰਪਨੀ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਡੇਟਾ ਮਾਰਟਸ ਵਿੱਚ ਵਰਤੀ ਜਾਂਦੀ ਹਰੇਕ ਸ਼ਬਦਾਵਲੀ ਲਈ ਸਿਰਫ ਇੱਕ ਪਰਿਭਾਸ਼ਾ ਹੈ, ਇਹ ਵੀ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਕੰਪਨੀ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਦੇਣ ਲਈ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਮਾਰਟਸ ਨੂੰ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ (ਬ੍ਰੇਸਨਾਹਨ 1996)। ਇਸ ਵਿਧੀ ਨੂੰ ਬੌਟਮ-ਅੱਪ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਹ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ ਜਦੋਂ ਵਿੱਤੀ ਸਾਧਨਾਂ ਅਤੇ ਸਮੇਂ 'ਤੇ ਕੋਈ ਰੁਕਾਵਟ ਹੋਵੇ (ਫਲਾਨਾਗਨ ਅਤੇ ਸਫਡੀ 1997, ਓਵਮ 1998, ਪੀਕੌਕ 1998, ਗੋਫ 1998)। ਦੂਜੀ ਵਿਧੀ ਵਿੱਚ, ਬਣਾਏ ਗਏ ਡੇਟਾ ਮਾਰਟਸ ਸਿਰਫ ਇੱਕ ਖਾਸ ਯੂਨਿਟ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦੇ ਹਨ। ਸੰਘੀ ਡਾਟਾ ਮਾਰਟ ਦਾ ਇੱਕ ਰੂਪ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵੰਡਿਆ ਗਿਆ ਜਿਸ ਵਿੱਚ ਡਾਟਾਬੇਸ ਹੱਬ ਸਰਵਰ ਮਿਡਲਵੇਅਰ ਦੀ ਵਰਤੋਂ ਬਹੁਤ ਸਾਰੇ ਡੇਟਾ ਮਾਰਟਸ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਮਿਲਾਉਣ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ dati ਵੰਡਿਆ (ਵ੍ਹਾਈਟ 1995)। ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਆਈ dati ਕੰਪਨੀਆਂ ਨੂੰ ਕਈ ਡਾਟਾ ਮਾਰਟਸ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਅੰਤਮ ਉਪਭੋਗਤਾ ਬੇਨਤੀਆਂ ਨੂੰ ਪ੍ਰਸਾਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਡਾਟਾਬੇਸ ਸਰਵਰ ਹੱਬ ਮਿਡਲਵੇਅਰ, ਜੋ ਕਿ ਸਭ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਦਾ ਹੈ dati ਡੇਟਾ ਮਾਰਟਸ ਦੁਆਰਾ ਬੇਨਤੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਅੰਤਮ ਉਪਭੋਗਤਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਨਤੀਜੇ ਵਾਪਸ ਕਰਦੀ ਹੈ। ਇਹ ਵਿਧੀ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵਪਾਰਕ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਸੁਤੰਤਰ ਡੇਟਾ ਮਾਰਟਸ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਅਜੇ ਵੀ ਖਤਮ ਨਹੀਂ ਹੋਈਆਂ ਹਨ. ਇੱਕ ਹੋਰ ਆਰਕੀਟੈਕਚਰ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜਿਸਨੂੰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਰਚੁਅਲ (ਵਾਈਟ 1995)। ਹਾਲਾਂਕਿ, ਇਹ ਆਰਕੀਟੈਕਚਰ, ਜੋ ਕਿ ਚਿੱਤਰ 2.9 ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਇੱਕ ਡਾਟਾ ਸਟੋਰੇਜ਼ ਆਰਕੀਟੈਕਚਰ ਨਹੀਂ ਹੈ। dati ਅਸਲੀ ਕਿਉਂਕਿ ਇਹ OLTP ਸਿਸਟਮਾਂ ਤੋਂ ਲੋਡ ਕਰਨ ਨੂੰ ਨਹੀਂ ਭੇਜਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (Demarest 1994)।

ਵਾਸਤਵ ਵਿੱਚ, ਦੀਆਂ ਬੇਨਤੀਆਂ dati ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ OLTP ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਭੇਜੇ ਜਾਂਦੇ ਹਨ ਜੋ ਉਪਭੋਗਤਾ ਬੇਨਤੀਆਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਤੋਂ ਬਾਅਦ ਨਤੀਜੇ ਵਾਪਸ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ ਇਹ ਆਰਕੀਟੈਕਚਰ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਰਿਪੋਰਟਾਂ ਬਣਾਉਣ ਅਤੇ ਬੇਨਤੀਆਂ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਇਹ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ

dati ਕੰਪਨੀ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਇਤਿਹਾਸਕ ਅਤੇ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ i dati ਵੱਖ-ਵੱਖ OLTP ਸਿਸਟਮਾਂ ਤੋਂ ਏਕੀਕ੍ਰਿਤ ਨਹੀਂ ਹਨ। ਇਸ ਲਈ, ਇਹ ਆਰਕੀਟੈਕਚਰ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਸੰਤੁਸ਼ਟ ਨਹੀਂ ਕਰ ਸਕਦਾ dati ਗੁੰਝਲਦਾਰ ਜਿਵੇਂ ਕਿ ਪੂਰਵ ਅਨੁਮਾਨ.

ਪਹੁੰਚ ਅਤੇ ਰਿਕਵਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਚੋਣ dati

ਬਣਾਉਣ ਦਾ ਉਦੇਸ਼ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997, ਪੋ 1996, ਮੈਕਫੈਡਨ 1996, ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਹੈਮਰਗ੍ਰੇਨ 1998); ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਪਹੁੰਚ ਅਤੇ ਰਿਕਵਰੀ ਐਪਲੀਕੇਸ਼ਨ dati ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ. ਅੱਜ ਤੱਕ, ਇਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਕਿਸਮ ਹੈ ਜਿਸ ਤੋਂ ਉਪਭੋਗਤਾ ਚੁਣ ਸਕਦਾ ਹੈ (Hammergren 1998, Humphries et al. 1999)। ਤੁਹਾਡੇ ਦੁਆਰਾ ਚੁਣੀਆਂ ਗਈਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੁਹਾਡੇ ਵੇਅਰਹਾਊਸਿੰਗ ਯਤਨਾਂ ਦੀ ਸਫਲਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ dati ਇੱਕ ਸੰਸਥਾ ਵਿੱਚ ਕਿਉਂਕਿ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਦਿਖਾਈ ਦੇਣ ਵਾਲਾ ਹਿੱਸਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅੰਤਮ ਉਪਭੋਗਤਾ ਨੂੰ (ਇਨਮੋਨ ਐਟ ਅਲ 1997, ਪੋ 1996)। ਸਫਲ ਹੋਣ ਲਈ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਗਤੀਵਿਧੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ dati ਅੰਤਮ ਉਪਭੋਗਤਾ ਦਾ (Poe 1996, Seddon and Benjamin 1998, Eckerson 1999)। ਇਸ ਲਈ ਅੰਤਮ ਉਪਭੋਗਤਾ ਜੋ ਚਾਹੁੰਦਾ ਹੈ ਉਸ ਦਾ "ਪੱਧਰ" ਪਛਾਣਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ (Poe 1996, Mattison 1996, Inmon et al 1997, Humphries et al 1999)।

ਆਮ ਤੌਰ 'ਤੇ, ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਤਿੰਨ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ: ਕਾਰਜਕਾਰੀ ਉਪਭੋਗਤਾ, ਵਪਾਰਕ ਵਿਸ਼ਲੇਸ਼ਕ ਅਤੇ ਪਾਵਰ ਉਪਭੋਗਤਾ (Poe 1996, Humphries et al. 1999)। ਕਾਰਜਕਾਰੀ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਰਿਪੋਰਟਾਂ ਦੇ ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਸੈੱਟਾਂ ਤੱਕ ਆਸਾਨ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (Humphries et al. 1999)। ਇਹਨਾਂ ਅਨੁਪਾਤਾਂ ਨੂੰ ਮੀਨੂ ਨੈਵੀਗੇਸ਼ਨ (Poe 1996) ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਐਕਸੈਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਰਿਪੋਰਟਾਂ ਨੂੰ ਗ੍ਰਾਫਿਕਲ ਨੁਮਾਇੰਦਗੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜਾਣਕਾਰੀ ਪੇਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜਿਵੇਂ ਕਿ ਟੇਬਲ ਅਤੇ ਟੈਂਪਲੇਟਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਜਾਣਕਾਰੀ ਦੇਣ ਲਈ (Humphries et al. 1999)। ਵਪਾਰਕ ਵਿਸ਼ਲੇਸ਼ਕ, ਜਿਨ੍ਹਾਂ ਕੋਲ ਆਪਣੇ ਤੌਰ 'ਤੇ ਸਕ੍ਰੈਚ ਤੋਂ ਰਿਪੋਰਟਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਦੀ ਤਕਨੀਕੀ ਸਮਰੱਥਾ ਨਹੀਂ ਹੋ ਸਕਦੀ, ਉਹਨਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਮੌਜੂਦਾ ਰਿਪੋਰਟਾਂ ਨੂੰ ਸੋਧਣ ਦੇ ਯੋਗ ਹੋਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (Poe 1996, Humphries et al. 1999)। ਦੂਜੇ ਪਾਸੇ, ਪਾਵਰ ਉਪਭੋਗਤਾ, ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਕਿਸਮ ਹਨ ਜੋ ਸਕ੍ਰੈਚ ਤੋਂ ਬੇਨਤੀਆਂ ਅਤੇ ਰਿਪੋਰਟਾਂ ਬਣਾਉਣ ਅਤੇ ਲਿਖਣ ਦੀ ਸਮਰੱਥਾ ਰੱਖਦੇ ਹਨ (Poe 1996, Humphries et al. 1999)। ਉਹ ਉਹ ਹਨ ਜੋ

ਉਹ ਹੋਰ ਕਿਸਮ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਰਿਪੋਰਟਾਂ ਵਿਕਸਿਤ ਕਰਦੇ ਹਨ (Poe 1996, Humphries et al. 1999)।

ਇੱਕ ਵਾਰ ਅੰਤਮ ਉਪਭੋਗਤਾ ਦੀਆਂ ਲੋੜਾਂ ਨਿਰਧਾਰਤ ਕੀਤੀਆਂ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਪਹੁੰਚ ਅਤੇ ਰਿਕਵਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਚੋਣ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ dati ਉਹਨਾਂ ਸਾਰਿਆਂ ਵਿੱਚ ਉਪਲਬਧ ਹੈ (Poe 1996, Inmon et al. 1997)।
ਤੱਕ ਪਹੁੰਚ dati ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਦੇ ਸਾਧਨਾਂ ਨੂੰ 4 ਕਿਸਮਾਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ: OLAP ਟੂਲ, EIS/DSS ਟੂਲ, ਪੁੱਛਗਿੱਛ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਟੂਲ ਅਤੇ ਡੇਟਾ ਮਾਈਨਿੰਗ ਟੂਲ।

OLAP ਟੂਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਐਡਹਾਕ ਸਵਾਲਾਂ ਦੇ ਨਾਲ-ਨਾਲ 'ਤੇ ਬਣਾਏ ਗਏ ਸਵਾਲਾਂ ਨੂੰ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਉਤਪਾਦ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇੱਥੋਂ ਡ੍ਰਿਲ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ dati ਆਮ ਤੋਂ ਵਿਸਤ੍ਰਿਤ ਤੱਕ।

EIS/DSS ਟੂਲ ਕਾਰਜਕਾਰੀ ਰਿਪੋਰਟਿੰਗ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜਿਵੇਂ ਕਿ "ਕੀ ਜੇ" ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਮੀਨੂ-ਸੰਚਾਲਿਤ ਰਿਪੋਰਟਾਂ ਤੱਕ ਪਹੁੰਚ। ਆਸਾਨ ਨੈਵੀਗੇਸ਼ਨ ਲਈ ਰਿਪੋਰਟਾਂ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਮੀਨੂ ਨਾਲ ਮਿਲਾਉਣਾ ਚਾਹੀਦਾ ਹੈ।
ਪੁੱਛਗਿੱਛ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਟੂਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਅਤੇ ਖਾਸ ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ।

ਡੇਟਾ ਮਾਈਨਿੰਗ ਟੂਲਜ਼ ਦੀ ਵਰਤੋਂ ਉਹਨਾਂ ਰਿਸ਼ਤਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਕਿ ਵਿੱਚ ਭੁੱਲੇ ਹੋਏ ਕਾਰਜਾਂ 'ਤੇ ਨਵੀਂ ਰੌਸ਼ਨੀ ਪਾ ਸਕਦੇ ਹਨ। dati ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ.

ਹਰੇਕ ਕਿਸਮ ਦੇ ਉਪਭੋਗਤਾ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੇ ਨਾਲ, ਚੁਣੇ ਗਏ ਸਾਧਨ ਅਨੁਭਵੀ, ਕੁਸ਼ਲ ਅਤੇ ਵਰਤੋਂ ਵਿੱਚ ਆਸਾਨ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਉਹ ਆਰਕੀਟੈਕਚਰ ਦੇ ਦੂਜੇ ਹਿੱਸਿਆਂ ਦੇ ਅਨੁਕੂਲ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ ਅਤੇ ਮੌਜੂਦਾ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਇਹ ਵੀ ਵਾਜਬ ਕੀਮਤਾਂ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨਾਲ ਡਾਟਾ ਪਹੁੰਚ ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਦੇ ਸਾਧਨਾਂ ਦੀ ਚੋਣ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਵਿਚਾਰ ਕਰਨ ਲਈ ਹੋਰ ਮਾਪਦੰਡਾਂ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਉਤਪਾਦ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਟੂਲ ਵਿਕਰੇਤਾ ਦੀ ਵਚਨਬੱਧਤਾ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਰੀਲੀਜ਼ਾਂ ਵਿੱਚ ਹੋਣ ਵਾਲੇ ਵਿਕਾਸ ਸ਼ਾਮਲ ਹਨ। ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ ਉਪਭੋਗਤਾ ਦੀ ਸ਼ਮੂਲੀਅਤ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਵਿਕਾਸ ਟੀਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਟੂਲ ਚੋਣ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਦੀ ਹੈ। ਇਸ ਕੇਸ ਵਿੱਚ ਇੱਕ ਵਿਹਾਰਕ ਉਪਭੋਗਤਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.

ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਮੁੱਲ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਵਿਕਾਸ ਟੀਮ ਆਪਣੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਵੈੱਬ ਪਹੁੰਚ ਵੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ। ਇੱਕ ਵੈੱਬ-ਸਮਰਥਿਤ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਐਕਸੈਸ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ dati ਦੂਰ-ਦੁਰਾਡੇ ਸਥਾਨਾਂ ਤੋਂ ਜਾਂ ਯਾਤਰਾ ਦੌਰਾਨ. ਹੋਰ ਜਾਣਕਾਰੀ ਹੋ ਸਕਦੀ ਹੈ

ਸਿਖਲਾਈ ਦੇ ਖਰਚਿਆਂ ਵਿੱਚ ਕਟੌਤੀ ਦੁਆਰਾ ਘੱਟ ਲਾਗਤਾਂ 'ਤੇ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਵੇਗਾ।

2.4.3 ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਓਪਰੇਸ਼ਨ ਪੜਾਅ

ਇਸ ਪੜਾਅ ਵਿੱਚ ਤਿੰਨ ਗਤੀਵਿਧੀਆਂ ਸ਼ਾਮਲ ਹਨ: ਡੇਟਾ ਰਿਫਰੈਸ਼ ਰਣਨੀਤੀਆਂ ਦੀ ਪਰਿਭਾਸ਼ਾ, ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਗਤੀਵਿਧੀਆਂ ਦਾ ਨਿਯੰਤਰਣ ਅਤੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਸੁਰੱਖਿਆ ਦਾ ਪ੍ਰਬੰਧਨ।

ਡਾਟਾ ਰਿਫਰੈਸ਼ ਰਣਨੀਤੀਆਂ ਦੀ ਪਰਿਭਾਸ਼ਾ

ਸ਼ੁਰੂਆਤੀ ਲੋਡਿੰਗ ਤੋਂ ਬਾਅਦ, ਆਈ dati ਨੇਲ ਡਾਟਾਬੇਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਤਾਜ਼ਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਵਿੱਚ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕੇ dati ਮੂਲ ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕਦੋਂ ਰਿਫ੍ਰੈਸ਼ ਕਰਨਾ ਹੈ, ਕਿੰਨੀ ਵਾਰ ਰਿਫ੍ਰੈਸ਼ ਕਰਨਾ ਹੈ ਅਤੇ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਤਾਜ਼ਾ ਕਰਨਾ ਹੈ dati. ਨੂੰ ਤਾਜ਼ਾ ਕਰਨ ਦੀ ਸਲਾਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ dati ਜਦੋਂ ਸਿਸਟਮ ਨੂੰ ਔਫਲਾਈਨ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਰਿਫ੍ਰੈਸ਼ ਬਾਰੰਬਾਰਤਾ ਉਪਭੋਗਤਾ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦੇ ਅਧਾਰ ਤੇ ਵਿਕਾਸ ਟੀਮ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਤਾਜ਼ਾ ਕਰਨ ਦੇ ਦੋ ਤਰੀਕੇ ਹਨ: ਸੰਪੂਰਨ ਤਾਜ਼ਗੀ ਅਤੇ ਤਬਦੀਲੀਆਂ ਦੀ ਨਿਰੰਤਰ ਲੋਡਿੰਗ।

ਪਹਿਲੀ ਪਹੁੰਚ, ਪੂਰੀ ਤਰੋਤਾਜ਼ਾ, ਸਭ ਨੂੰ ਮੁੜ ਲੋਡ ਕਰਨ ਦੀ ਲੋੜ ਹੈ dati ਸ਼ੁਰੂ ਤੋਂ. ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸਾਰੇ dati ਲੋੜੀਂਦਾ ਹਰ ਇੱਕ ਤਾਜ਼ਗੀ ਵਿੱਚ ਐਕਸਟਰੈਕਟ, ਸਾਫ਼, ਬਦਲਿਆ ਅਤੇ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਿੱਥੋਂ ਤੱਕ ਸੰਭਵ ਹੋਵੇ, ਇਸ ਪਹੁੰਚ ਤੋਂ ਪਰਹੇਜ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਇਸ ਲਈ ਬਹੁਤ ਸਾਰਾ ਸਮਾਂ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਇੱਕ ਵਿਕਲਪਿਕ ਪਹੁੰਚ ਬਦਲਾਵਾਂ ਨੂੰ ਲਗਾਤਾਰ ਅੱਪਲੋਡ ਕਰਨਾ ਹੈ। ਇਹ ਜੋੜਦਾ ਹੈ i dati ਜੋ ਕਿ ਆਖਰੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਰਿਫਰੈਸ਼ ਚੱਕਰ ਤੋਂ ਬਾਅਦ ਬਦਲਿਆ ਗਿਆ ਹੈ। ਨਵੇਂ ਜਾਂ ਸੋਧੇ ਹੋਏ ਰਿਕਾਰਡਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਨਾਲ ਕਾਫ਼ੀ ਮਾਤਰਾ ਵਿੱਚ ਕਮੀ ਆਉਂਦੀ ਹੈ dati ਜਿਸ ਨੂੰ ਹਰ ਅੱਪਡੇਟ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਪ੍ਰਸਾਰਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹਨਾਂ ਵਿੱਚੋਂ ਹੀ dati ਵਿੱਚ ਜੋੜਿਆ ਜਾਵੇਗਾ ਡਾਟਾਬੇਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ.

ਘੱਟ ਤੋਂ ਘੱਟ 5 ਤਰੀਕੇ ਹਨ ਜੋ i ਨੂੰ ਵਾਪਸ ਲੈਣ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ dati ਨਵਾਂ ਜਾਂ ਸੋਧਿਆ। ਇੱਕ ਕੁਸ਼ਲ ਡਾਟਾ ਰਿਫਰੈਸ਼ ਰਣਨੀਤੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ dati ਇਹਨਾਂ ਪਹੁੰਚਾਂ ਦਾ ਮਿਸ਼ਰਣ ਜੋ ਸਿਸਟਮ ਵਿੱਚ ਸਾਰੀਆਂ ਤਬਦੀਲੀਆਂ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ।

ਪਹਿਲੀ ਪਹੁੰਚ, ਜੋ ਟਾਈਮਸਟੈਂਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਇਹ ਮੰਨਦੀ ਹੈ ਕਿ ਸਾਰੇ ਨਿਰਧਾਰਤ ਕੀਤੇ ਗਏ ਹਨ dati ਇੱਕ ਟਾਈਮਸਟੈਂਪ ਨੂੰ ਸੰਪਾਦਿਤ ਅਤੇ ਅਪਡੇਟ ਕੀਤਾ ਗਿਆ ਹੈ ਤਾਂ ਜੋ ਤੁਸੀਂ ਆਸਾਨੀ ਨਾਲ ਸਭ ਦੀ ਪਛਾਣ ਕਰ ਸਕੋ dati ਸੋਧਿਆ ਅਤੇ ਨਵਾਂ। ਇਹ ਪਹੁੰਚ, ਹਾਲਾਂਕਿ, ਅੱਜ ਦੇ ਜ਼ਿਆਦਾਤਰ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਨਹੀਂ ਵਰਤੀ ਗਈ ਹੈ।
ਦੂਜੀ ਪਹੁੰਚ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਇੱਕ ਡੈਲਟਾ ਫਾਈਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਿਰਫ ਵਿੱਚ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ ਸ਼ਾਮਲ ਹਨ dati. ਇਸ ਫਾਈਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਅਪਡੇਟ ਚੱਕਰ ਨੂੰ ਵੀ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਕਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਵੀ ਇਸ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ।
ਤੀਜੀ ਪਹੁੰਚ ਇੱਕ ਲੌਗ ਫਾਈਲ ਨੂੰ ਸਕੈਨ ਕਰਨਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਅਸਲ ਵਿੱਚ ਡੈਲਟਾ ਫਾਈਲ ਵਰਗੀ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ। ਫਰਕ ਸਿਰਫ ਇਹ ਹੈ ਕਿ ਰਿਕਵਰੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਇੱਕ ਲੌਗ ਫਾਈਲ ਬਣਾਈ ਗਈ ਹੈ ਅਤੇ ਇਸਨੂੰ ਸਮਝਣਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ।
ਚੌਥਾ ਤਰੀਕਾ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਨੂੰ ਸੋਧਣਾ ਹੈ। ਹਾਲਾਂਕਿ, ਜ਼ਿਆਦਾਤਰ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਪੁਰਾਣਾ ਅਤੇ ਨਾਜ਼ੁਕ ਹੈ; ਇਸ ਲਈ ਇਸ ਤਕਨੀਕ ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ।
ਆਖਰੀ ਪਹੁੰਚ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਹੈ dati ਮੁੱਖ dei ਫਾਈਲ ਦੇ ਨਾਲ ਸਰੋਤ dati.

ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਗਤੀਵਿਧੀਆਂ ਦਾ ਨਿਯੰਤਰਣ

ਇੱਕ ਵਾਰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਸਮੇਂ ਦੇ ਨਾਲ ਇਸਦੀ ਨਿਗਰਾਨੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ. ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਸ਼ਾਸਕ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਪ੍ਰਬੰਧਨ ਅਤੇ ਨਿਯੰਤਰਣ ਸਾਧਨਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰ ਸਕਦਾ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਲੋਕਾਂ ਅਤੇ ਉਸ ਸਮੇਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਉਹ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਤੱਕ ਪਹੁੰਚ ਕਰਦੇ ਹਨ। ਆ ਜਾਓ dati ਇਕੱਠੇ ਕੀਤੇ ਗਏ, ਕੀਤੇ ਗਏ ਕੰਮ ਦਾ ਇੱਕ ਪ੍ਰੋਫਾਈਲ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਦੇ ਚਾਰਜਬੈਕ ਲਾਗੂਕਰਨ ਵਿੱਚ ਇਨਪੁਟ ਵਜੋਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਚਾਰਜਬੈਕ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰੋਸੈਸਿੰਗ ਲਾਗਤ ਬਾਰੇ ਸੂਚਿਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਆਡਿਟ ਦੀ ਵਰਤੋਂ ਪ੍ਰਸ਼ਨਾਂ ਦੀਆਂ ਕਿਸਮਾਂ, ਉਹਨਾਂ ਦੇ ਆਕਾਰ, ਪ੍ਰਤੀ ਦਿਨ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਗਿਣਤੀ, ਪੁੱਛਗਿੱਛ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦੇ ਸਮੇਂ, ਖੇਤਰਾਂ ਤੱਕ ਪਹੁੰਚ ਅਤੇ ਮਾਤਰਾ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਵੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। dati ਕਾਰਵਾਈ ਕੀਤੀ. ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਡਿਟਿੰਗ ਕਰਨ ਦਾ ਇੱਕ ਹੋਰ ਉਦੇਸ਼ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ dati ਜੋ ਵਰਤੋਂ ਵਿੱਚ ਨਹੀਂ ਹਨ। ਇਹ dati ਸਮੇਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਉਹਨਾਂ ਨੂੰ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਤੋਂ ਹਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ

ਦੀ ਪੁੱਛਗਿੱਛ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਜਵਾਬ ਅਤੇ ਦੇ ਵਿਕਾਸ ਦੀ ਨਿਗਰਾਨੀ dati ਜੋ ਦੇ ਅੰਦਰ ਰਹਿੰਦੇ ਹਨ ਡਾਟਾ ਬੇਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ.

ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸੁਰੱਖਿਆ ਪ੍ਰਬੰਧਨ

ਇੱਕ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ dati ਏਕੀਕ੍ਰਿਤ, ਨਾਜ਼ੁਕ, ਸੰਵੇਦਨਸ਼ੀਲ ਜਿਸ ਤੱਕ ਆਸਾਨੀ ਨਾਲ ਪਹੁੰਚਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਕਾਰਨ ਕਰਕੇ ਇਸਨੂੰ ਅਣਅਧਿਕਾਰਤ ਉਪਭੋਗਤਾਵਾਂ ਤੋਂ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਸੁਰੱਖਿਆ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ del ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਡੀਬੀਐਮਐਸ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੇਣ ਲਈ। ਇਸ ਤਰ੍ਹਾਂ, ਹਰੇਕ ਕਿਸਮ ਦੇ ਉਪਭੋਗਤਾ ਲਈ ਇੱਕ ਐਕਸੈਸ ਪ੍ਰੋਫਾਈਲ ਬਣਾਈ ਰੱਖਣਾ ਲਾਜ਼ਮੀ ਹੈ। ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਹੈ ਇਸ ਵਿੱਚ ਲਿਖੇ ਅਨੁਸਾਰ ਇਸਨੂੰ ਐਨਕ੍ਰਿਪਟ ਕਰਨਾ ਡਾਟਾ ਬੇਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ. ਤੱਕ ਪਹੁੰਚ dati ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਸਾਧਨਾਂ ਨੂੰ ਡੀਕ੍ਰਿਪਟ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ dati ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਨਤੀਜੇ ਪੇਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ.

2.4.4 ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਤੈਨਾਤੀ ਪੜਾਅ

ਇਹ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਲਾਗੂ ਕਰਨ ਦੇ ਚੱਕਰ ਵਿੱਚ ਆਖਰੀ ਪੜਾਅ ਹੈ। ਇਸ ਪੜਾਅ ਵਿੱਚ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦੇਣਾ ਅਤੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀਆਂ ਸਮੀਖਿਆਵਾਂ ਸ਼ਾਮਲ ਹਨ।

ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ

ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ dati ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ। ਆਮ ਤੌਰ 'ਤੇ, ਸੈਸ਼ਨਾਂ ਦੀ ਸ਼ੁਰੂਆਤ ਸਟੋਰੇਜ ਦੀ ਧਾਰਨਾ ਦੀ ਜਾਣ-ਪਛਾਣ ਨਾਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ dati, ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਸਮੱਗਰੀ, ਮੈਟਾ dati ਅਤੇ ਸਾਧਨਾਂ ਦੀਆਂ ਬੁਨਿਆਦੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ। ਫਿਰ, ਵਧੇਰੇ ਉੱਨਤ ਉਪਭੋਗਤਾ ਭੌਤਿਕ ਟੇਬਲ ਅਤੇ ਡੇਟਾ ਐਕਸੈਸ ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਸਾਧਨਾਂ ਦੀਆਂ ਉਪਭੋਗਤਾ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਅਧਿਐਨ ਵੀ ਕਰ ਸਕਦੇ ਹਨ।

ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਤਰੀਕੇ ਹਨ. ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ ਉਹਨਾਂ ਦੀ ਅਗਵਾਈ ਅਤੇ ਸੰਚਾਰ ਹੁਨਰ ਦੇ ਅਧਾਰ ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਵਿੱਚੋਂ ਚੁਣੇ ਗਏ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦੀ ਚੋਣ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਹਰ ਉਸ ਚੀਜ਼ ਬਾਰੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਸਿਸਟਮ ਤੋਂ ਜਾਣੂ ਹੋਣ ਲਈ ਜਾਣਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਵਾਰ ਸਿਖਲਾਈ ਖਤਮ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਉਹ ਆਪਣੀਆਂ ਨੌਕਰੀਆਂ 'ਤੇ ਵਾਪਸ ਆ ਜਾਂਦੇ ਹਨ ਅਤੇ ਦੂਜੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਨ ਬਾਰੇ ਸਿਖਾਉਣਾ ਸ਼ੁਰੂ ਕਰਦੇ ਹਨ। ਦੇ ਉਤੇ

ਉਹਨਾਂ ਨੇ ਜੋ ਸਿੱਖਿਆ ਹੈ ਉਸ ਦੇ ਆਧਾਰ 'ਤੇ, ਦੂਜੇ ਉਪਭੋਗਤਾ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਪੜਚੋਲ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹਨ।
ਇੱਕ ਹੋਰ ਪਹੁੰਚ ਹੈ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਸਿਖਲਾਈ ਦੇਣਾ, ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਇੱਕ ਕਲਾਸਰੂਮ ਕੋਰਸ ਲੈ ਰਹੇ ਹੋ। ਇਹ ਵਿਧੀ ਢੁਕਵੀਂ ਹੈ ਜਦੋਂ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ. ਇਕ ਹੋਰ ਤਰੀਕਾ ਹੈ ਹਰੇਕ ਉਪਭੋਗਤਾ ਨੂੰ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਸਿਖਲਾਈ ਦੇਣਾ, ਇਕ-ਇਕ ਕਰਕੇ। ਇਹ ਤਰੀਕਾ ਢੁਕਵਾਂ ਹੈ ਜਦੋਂ ਘੱਟ ਉਪਭੋਗਤਾ ਹਨ.

ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਦਾ ਉਦੇਸ਼ ਤੁਹਾਨੂੰ ਐਕਸੈਸ ਕਰਨ ਤੋਂ ਜਾਣੂ ਕਰਵਾਉਣਾ ਹੈ dati ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਟੂਲ ਦੇ ਨਾਲ ਨਾਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਸਮੱਗਰੀ। ਹਾਲਾਂਕਿ, ਕੁਝ ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਸੈਸ਼ਨ ਦੌਰਾਨ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਦੀ ਮਾਤਰਾ ਤੋਂ ਹਾਵੀ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਲਈ, ਚੱਲ ਰਹੀ ਸਹਾਇਤਾ ਲਈ ਅਤੇ ਖਾਸ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਰਿਫਰੈਸ਼ਰ ਸੈਸ਼ਨਾਂ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸੰਖਿਆ ਵਿੱਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇਸ ਕਿਸਮ ਦੀ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਇੱਕ ਉਪਭੋਗਤਾ ਸਮੂਹ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।

ਫੀਡਬੈਕ ਇਕੱਠਾ ਕਰਨਾ

ਇੱਕ ਵਾਰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਰੋਲ ਆਊਟ ਹੋ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਉਪਭੋਗਤਾ ਆਈ dati ਜੋ ਵੱਖ-ਵੱਖ ਉਦੇਸ਼ਾਂ ਲਈ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ। ਜ਼ਿਆਦਾਤਰ, ਵਿਸ਼ਲੇਸ਼ਕ ਜਾਂ ਉਪਭੋਗਤਾ i dati ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਇਸ ਲਈ:

1. 1  ਕੰਪਨੀ ਦੇ ਰੁਝਾਨਾਂ ਦੀ ਪਛਾਣ ਕਰੋ
2. 2 ਦੇ ਖਰੀਦ ਪ੍ਰੋਫਾਈਲਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ ਗਾਹਕ
3. 3 ਵੰਡ i ਗਾਹਕ ਐਡ ਆਈ
4. 4  ਨੂੰ ਵਧੀਆ ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰੋ ਗਾਹਕ - ਸੇਵਾਵਾਂ ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰੋ
5. 5  ਰਣਨੀਤੀਆਂ ਤਿਆਰ ਕਰੋ ਮਾਰਕੀਟਿੰਗ
6. 6  ਲਾਗਤ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਮਦਦ ਨਿਯੰਤਰਣ ਲਈ ਪ੍ਰਤੀਯੋਗੀ ਹਵਾਲੇ ਤਿਆਰ ਕਰੋ
7. 7  ਰਣਨੀਤਕ ਫੈਸਲੇ ਲੈਣ ਦਾ ਸਮਰਥਨ ਕਰੋ
8. 8  ਵੱਖਰੇ ਹੋਣ ਦੇ ਮੌਕਿਆਂ ਦੀ ਪਛਾਣ ਕਰੋ
9. 9  ਮੌਜੂਦਾ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰੋ
10. 10  ਮੁਨਾਫ਼ੇ ਦੀ ਜਾਂਚ ਕਰੋ

ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਿਕਾਸ ਦਿਸ਼ਾ ਦੇ ਬਾਅਦ, ਫੀਡਬੈਕ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸਿਸਟਮ ਦੀਆਂ ਸਮੀਖਿਆਵਾਂ ਦੀ ਇੱਕ ਲੜੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ

ਵਿਕਾਸ ਟੀਮ ਅਤੇ ਅੰਤਮ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰੇ ਤੋਂ ਦੋਵੇਂ।
ਪ੍ਰਾਪਤ ਨਤੀਜਿਆਂ ਨੂੰ ਅਗਲੇ ਵਿਕਾਸ ਚੱਕਰ ਲਈ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਜਾ ਸਕਦਾ ਹੈ.

ਕਿਉਂਕਿ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਇੱਕ ਵਧਦੀ ਪਹੁੰਚ ਹੈ, ਇਸ ਲਈ ਪਿਛਲੇ ਵਿਕਾਸ ਦੀਆਂ ਸਫਲਤਾਵਾਂ ਅਤੇ ਗਲਤੀਆਂ ਤੋਂ ਸਿੱਖਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ।

2.5 ਸੰਖੇਪ

ਇਸ ਅਧਿਆਇ ਵਿਚ ਸਾਹਿਤ ਵਿਚ ਮੌਜੂਦ ਪਹੁੰਚਾਂ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ। ਸੈਕਸ਼ਨ 1 ਵਿੱਚ, ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਧਾਰਨਾ ਅਤੇ ਫੈਸਲਾ ਵਿਗਿਆਨ ਵਿੱਚ ਇਸਦੀ ਭੂਮਿਕਾ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ। ਸੈਕਸ਼ਨ 2 ਨੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸਾਂ ਅਤੇ OLTP ਪ੍ਰਣਾਲੀਆਂ ਵਿਚਕਾਰ ਮੁੱਖ ਅੰਤਰਾਂ ਦਾ ਵਰਣਨ ਕੀਤਾ ਹੈ। ਸੈਕਸ਼ਨ 3 ਵਿੱਚ ਅਸੀਂ ਮੋਨਾਸ਼ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਮਾਡਲ ਦੀ ਚਰਚਾ ਕੀਤੀ ਜੋ ਕਿ ਸੈਕਸ਼ਨ 4 ਵਿੱਚ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸ਼ਾਮਲ ਗਤੀਵਿਧੀਆਂ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਗਿਆ ਸੀ, ਇਹ ਥੀਸਸ ਸਖ਼ਤ ਖੋਜ 'ਤੇ ਆਧਾਰਿਤ ਨਹੀਂ ਸਨ। ਅਸਲੀਅਤ ਵਿੱਚ ਜੋ ਵਾਪਰਦਾ ਹੈ ਉਹ ਸਾਹਿਤ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਨਾਲੋਂ ਬਹੁਤ ਵੱਖਰਾ ਹੋ ਸਕਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਇਹਨਾਂ ਨਤੀਜਿਆਂ ਦੀ ਵਰਤੋਂ ਇੱਕ ਬੁਨਿਆਦੀ ਪਿਛੋਕੜ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜੋ ਇਸ ਖੋਜ ਲਈ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਧਾਰਨਾ ਨੂੰ ਰੇਖਾਂਕਿਤ ਕਰਦਾ ਹੈ।

ਕੈਪੀਟੋਲੋ 3

ਖੋਜ ਅਤੇ ਡਿਜ਼ਾਈਨ ਢੰਗ

ਇਹ ਅਧਿਆਇ ਇਸ ਅਧਿਐਨ ਲਈ ਖੋਜ ਅਤੇ ਡਿਜ਼ਾਈਨ ਤਰੀਕਿਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ। ਪਹਿਲਾ ਭਾਗ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਉਪਲਬਧ ਖੋਜ ਵਿਧੀਆਂ ਦਾ ਇੱਕ ਆਮ ਦ੍ਰਿਸ਼ ਦਿਖਾਉਂਦਾ ਹੈ, ਅਤੇ ਕਿਸੇ ਖਾਸ ਅਧਿਐਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਢੰਗ ਚੁਣਨ ਦੇ ਮਾਪਦੰਡਾਂ 'ਤੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ। ਸੈਕਸ਼ਨ 2 ਵਿੱਚ, ਹੁਣੇ ਸਾਹਮਣੇ ਆਏ ਮਾਪਦੰਡਾਂ ਦੇ ਨਾਲ ਚੁਣੇ ਗਏ ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਫਿਰ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ; ਇਹਨਾਂ ਵਿੱਚੋਂ, ਇੱਕ ਨੂੰ ਸੈਕਸ਼ਨ 3 ਵਿੱਚ ਦੱਸੇ ਗਏ ਕਾਰਨਾਂ ਨਾਲ ਚੁਣਿਆ ਅਤੇ ਅਪਣਾਇਆ ਜਾਵੇਗਾ ਜਿੱਥੇ ਦੂਜੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਛੱਡਣ ਦੇ ਕਾਰਨ ਵੀ ਨਿਰਧਾਰਤ ਕੀਤੇ ਗਏ ਹਨ। ਸੈਕਸ਼ਨ 4 ਖੋਜ ਡਿਜ਼ਾਈਨ ਅਤੇ ਸੈਕਸ਼ਨ 5 ਸਿੱਟੇ ਪੇਸ਼ ਕਰਦਾ ਹੈ।

3.1 ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਖੋਜ

ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਖੋਜ ਕੇਵਲ ਤਕਨੀਕੀ ਖੇਤਰ ਤੱਕ ਹੀ ਸੀਮਿਤ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਵਿਹਾਰਕ ਅਤੇ ਸੰਗਠਨਾਤਮਕ ਉਦੇਸ਼ਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਵੀ ਵਧਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਅਸੀਂ ਸਮਾਜਿਕ ਤੋਂ ਲੈ ਕੇ ਕੁਦਰਤੀ ਵਿਗਿਆਨ ਤੱਕ ਦੇ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਦੇ ਥੀਸਸ ਲਈ ਇਸ ਦੇ ਦੇਣਦਾਰ ਹਾਂ; ਇਹ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਮਾਤਰਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਤਰੀਕਿਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ ਖੋਜ ਵਿਧੀਆਂ ਦੇ ਇੱਕ ਖਾਸ ਸਪੈਕਟ੍ਰਮ ਦੀ ਲੋੜ ਵੱਲ ਅਗਵਾਈ ਕਰਦਾ ਹੈ।
ਸਾਰੇ ਉਪਲਬਧ ਖੋਜ ਵਿਧੀਆਂ ਮਹੱਤਵਪੂਰਨ ਹਨ, ਅਸਲ ਵਿੱਚ ਕਈ ਖੋਜਕਰਤਾਵਾਂ ਜਿਵੇਂ ਕਿ ਜੇਨਕਿੰਸ (1985), ਨੂਨਮੇਕਰ ਐਟ ਅਲ. (1991), ਅਤੇ ਗੈਲੀਅਰਸ (1992) ਨੇ ਦਲੀਲ ਦਿੱਤੀ ਹੈ ਕਿ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਖੋਜ ਕਰਨ ਲਈ ਕੋਈ ਖਾਸ ਵਿਆਪਕ ਵਿਧੀ ਨਹੀਂ ਹੈ; ਅਸਲ ਵਿੱਚ ਇੱਕ ਵਿਧੀ ਕਿਸੇ ਖਾਸ ਖੋਜ ਲਈ ਢੁਕਵੀਂ ਹੋ ਸਕਦੀ ਹੈ ਪਰ ਦੂਜਿਆਂ ਲਈ ਨਹੀਂ। ਇਹ ਸਾਡੇ ਲਈ ਇੱਕ ਵਿਧੀ ਚੁਣਨ ਦੀ ਜ਼ਰੂਰਤ ਲਿਆਉਂਦਾ ਹੈ ਜੋ ਸਾਡੇ ਖਾਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਲਈ ਢੁਕਵਾਂ ਹੋਵੇ: ਇਸ ਚੋਣ ਲਈ ਬੇਨਬਾਸੈਟ ਐਟ ਅਲ. (1987) ਨੇ ਕਿਹਾ ਕਿ ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਉਦੇਸ਼ ਨੂੰ ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

3.1.1 ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ

ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਆਧਾਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨੂੰ ਤਿੰਨ ਪਰੰਪਰਾਵਾਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਸੂਚਨਾ ਵਿਗਿਆਨ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਜਾਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ: ਸਕਾਰਾਤਮਕ, ਵਿਆਖਿਆਤਮਕ ਅਤੇ ਆਲੋਚਨਾਤਮਕ ਖੋਜ।

3.1.1.1 ਸਕਾਰਾਤਮਕ ਖੋਜ

ਸਕਾਰਾਤਮਕ ਖੋਜ ਨੂੰ ਵਿਗਿਆਨਕ ਜਾਂ ਅਨੁਭਵੀ ਅਧਿਐਨ ਵਜੋਂ ਵੀ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਇਹ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ: "ਇਸਨੂੰ ਬਣਾਉਣ ਵਾਲੇ ਤੱਤਾਂ ਦੇ ਵਿਚਕਾਰ ਨਿਯਮਿਤਤਾ ਅਤੇ ਕਾਰਨ-ਪ੍ਰਭਾਵ ਸਬੰਧਾਂ ਨੂੰ ਦੇਖ ਕੇ ਸਮਾਜਿਕ ਸੰਸਾਰ ਵਿੱਚ ਕੀ ਵਾਪਰੇਗਾ, ਇਸਦੀ ਵਿਆਖਿਆ ਕਰੋ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰੋ" (ਸ਼ੈਂਕਸ ਐਟ ਅਲ 1993)।

ਸਕਾਰਾਤਮਕ ਖੋਜ ਨੂੰ ਦੁਹਰਾਉਣਯੋਗਤਾ, ਸਰਲੀਕਰਨ ਅਤੇ ਖੰਡਨ ਦੁਆਰਾ ਵੀ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਕਾਰਾਤਮਕ ਖੋਜ ਅਧਿਐਨ ਕੀਤੇ ਗਏ ਵਰਤਾਰਿਆਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਤਰਜੀਹੀ ਸਬੰਧਾਂ ਦੀ ਮੌਜੂਦਗੀ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੀ ਹੈ।
ਗੈਲੀਅਰਸ (1992) ਦੇ ਅਨੁਸਾਰ ਵਰਗੀਕਰਨ ਇੱਕ ਖੋਜ ਵਿਧੀ ਹੈ ਜੋ ਸਕਾਰਾਤਮਕ ਪੈਰਾਡਾਈਮ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤੀ ਗਈ ਹੈ, ਜੋ ਕਿ ਹਾਲਾਂਕਿ ਇਸ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੈ, ਅਸਲ ਵਿੱਚ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਪ੍ਰਯੋਗ, ਫੀਲਡ ਪ੍ਰਯੋਗ, ਕੇਸ ਅਧਿਐਨ, ਪ੍ਰਮੇਯਾਂ ਦੇ ਪ੍ਰਦਰਸ਼ਨ, ਪੂਰਵ-ਅਨੁਮਾਨ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ ਹਨ। ਇਹਨਾਂ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਖੋਜਕਰਤਾ ਮੰਨਦੇ ਹਨ ਕਿ ਅਧਿਐਨ ਕੀਤੇ ਗਏ ਵਰਤਾਰੇ ਨੂੰ ਬਾਹਰਮੁਖੀ ਅਤੇ ਸਖ਼ਤੀ ਨਾਲ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ।

3.1.1.2 ਵਿਆਖਿਆਤਮਕ ਖੋਜ

ਵਿਆਖਿਆਤਮਕ ਖੋਜ, ਜਿਸ ਨੂੰ ਅਕਸਰ ਫੇਨੋਮੇਨੋਲੋਜੀ ਜਾਂ ਐਂਟੀ-ਪੋਜ਼ਿਟਿਵਵਾਦ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਨੂੰ ਨਿਊਮਨ (1994) ਦੁਆਰਾ "ਕੁਦਰਤੀ ਸਥਿਤੀਆਂ ਵਿੱਚ ਲੋਕਾਂ ਦੇ ਸਿੱਧੇ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਨਿਰੀਖਣ ਦੁਆਰਾ ਕਾਰਵਾਈ ਦੇ ਸਮਾਜਿਕ ਅਰਥ ਦਾ ਵਿਵਸਥਿਤ ਵਿਸ਼ਲੇਸ਼ਣ, ਇੱਕ ਸਮਝ 'ਤੇ ਪਹੁੰਚਣ ਲਈ ਅਤੇ ਇਸ ਗੱਲ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਕਿ ਲੋਕ ਆਪਣੇ ਸਮਾਜਿਕ ਸੰਸਾਰ ਨੂੰ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਅਤੇ ਬਣਾਈ ਰੱਖਦੇ ਹਨ।" ਵਿਆਖਿਆਤਮਕ ਅਧਿਐਨ ਇਸ ਧਾਰਨਾ ਨੂੰ ਰੱਦ ਕਰਦੇ ਹਨ ਕਿ ਨਿਰੀਖਣ ਕੀਤੇ ਵਰਤਾਰੇ ਨੂੰ ਬਾਹਰਮੁਖੀ ਤੌਰ 'ਤੇ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਅਸਲ ਵਿੱਚ ਉਹ ਵਿਅਕਤੀਗਤ ਵਿਆਖਿਆਵਾਂ 'ਤੇ ਅਧਾਰਤ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵਿਆਖਿਆਤਮਕ ਖੋਜਕਰਤਾ ਉਹਨਾਂ ਵਰਤਾਰਿਆਂ 'ਤੇ ਕੋਈ ਤਰਜੀਹੀ ਅਰਥ ਨਹੀਂ ਲਗਾਉਂਦੇ ਜੋ ਉਹ ਅਧਿਐਨ ਕਰਦੇ ਹਨ।

ਇਸ ਵਿਧੀ ਵਿੱਚ ਵਿਅਕਤੀਗਤ/ਦਲੀਲੀ ਅਧਿਐਨ, ਐਕਸ਼ਨ ਰਿਸਰਚ, ਵਰਣਨਾਤਮਕ/ਵਿਆਖਿਆਤਮਕ ਅਧਿਐਨ, ਭਵਿੱਖੀ ਖੋਜ ਅਤੇ ਭੂਮਿਕਾ ਨਿਭਾਉਣਾ ਸ਼ਾਮਲ ਹੈ। ਇਹਨਾਂ ਸਰਵੇਖਣਾਂ ਅਤੇ ਕੇਸਾਂ ਦੇ ਅਧਿਐਨਾਂ ਤੋਂ ਇਲਾਵਾ ਇਸ ਪਹੁੰਚ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ ਕਿਉਂਕਿ ਇਹ ਗੁੰਝਲਦਾਰ ਅਸਲ-ਸੰਸਾਰ ਸਥਿਤੀਆਂ ਵਿੱਚ ਵਿਅਕਤੀਆਂ ਜਾਂ ਸੰਸਥਾਵਾਂ ਦੇ ਅਧਿਐਨਾਂ ਨਾਲ ਸਬੰਧਤ ਹਨ।

3.1.1.3 ਆਲੋਚਨਾਤਮਕ ਖੋਜ

ਨਾਜ਼ੁਕ ਪੁੱਛਗਿੱਛ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ ਜਾਣੀ ਜਾਂਦੀ ਪਹੁੰਚ ਹੈ ਪਰ ਹਾਲ ਹੀ ਵਿੱਚ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਵੱਲੋਂ ਧਿਆਨ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਦਾਰਸ਼ਨਿਕ ਧਾਰਨਾ ਕਿ ਸਮਾਜਿਕ ਹਕੀਕਤ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਲੋਕਾਂ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੀ ਅਤੇ ਦੁਬਾਰਾ ਪੈਦਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਨਾਲ ਹੀ ਸਮਾਜਿਕ ਪ੍ਰਣਾਲੀਆਂ ਉਹਨਾਂ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਅਤੇ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਨਾਲ। ਉਹਨਾਂ ਦੀ ਯੋਗਤਾ, ਹਾਲਾਂਕਿ, ਕਈ ਸਮਾਜਿਕ, ਸੱਭਿਆਚਾਰਕ ਅਤੇ ਰਾਜਨੀਤਿਕ ਵਿਚਾਰਾਂ ਦੁਆਰਾ ਵਿਚੋਲਗੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਦੀ ਤਰ੍ਹਾਂ, ਆਲੋਚਨਾਤਮਕ ਖੋਜ ਇਹ ਮੰਨਦੀ ਹੈ ਕਿ ਸਕਾਰਾਤਮਕ ਖੋਜ ਦਾ ਸਮਾਜਿਕ ਸੰਦਰਭ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ ਅਤੇ ਮਨੁੱਖੀ ਕਾਰਵਾਈਆਂ 'ਤੇ ਇਸਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ।
ਆਲੋਚਨਾਤਮਕ ਖੋਜ, ਦੂਜੇ ਪਾਸੇ, ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਦੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਿਅਕਤੀਗਤ ਹੋਣ ਅਤੇ ਲੋਕਾਂ ਦੇ ਜੀਵਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਦਾ ਉਦੇਸ਼ ਨਾ ਕਰਨ ਲਈ ਆਲੋਚਨਾ ਕਰਦੀ ਹੈ। ਆਲੋਚਨਾਤਮਕ ਖੋਜ ਅਤੇ ਹੋਰ ਦੋ ਪਹੁੰਚਾਂ ਵਿਚਕਾਰ ਸਭ ਤੋਂ ਵੱਡਾ ਅੰਤਰ ਇਸਦਾ ਮੁਲਾਂਕਣ ਮਾਪ ਹੈ। ਜਦੋਂ ਕਿ ਸਕਾਰਾਤਮਕ ਅਤੇ ਵਿਆਖਿਆਤਮਕ ਪਰੰਪਰਾਵਾਂ ਦੀ ਉਦੇਸ਼ ਸਥਿਤੀ ਜਾਂ ਸਮਾਜਿਕ ਹਕੀਕਤ ਦੀ ਭਵਿੱਖਬਾਣੀ ਜਾਂ ਵਿਆਖਿਆ ਕਰਨਾ ਹੈ, ਆਲੋਚਨਾਤਮਕ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਅਧਿਐਨ ਅਧੀਨ ਸਮਾਜਿਕ ਅਸਲੀਅਤ ਦਾ ਆਲੋਚਨਾਤਮਕ ਮੁਲਾਂਕਣ ਕਰਨਾ ਅਤੇ ਬਦਲਣਾ ਹੈ।

ਆਲੋਚਨਾਤਮਕ ਖੋਜਕਰਤਾ ਆਮ ਤੌਰ 'ਤੇ ਸਮਾਜਿਕ ਅੰਤਰ ਨੂੰ ਦੂਰ ਕਰਨ ਅਤੇ ਸਮਾਜਿਕ ਸਥਿਤੀਆਂ ਨੂੰ ਸੁਧਾਰਨ ਲਈ ਸਥਿਤੀ ਦਾ ਵਿਰੋਧ ਕਰਦੇ ਹਨ। ਆਲੋਚਨਾਤਮਕ ਖੋਜ ਵਿੱਚ ਦਿਲਚਸਪੀ ਦੇ ਵਰਤਾਰੇ ਦੇ ਇੱਕ ਪ੍ਰਕਿਰਿਆਤਮਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਲਈ ਵਚਨਬੱਧਤਾ ਹੁੰਦੀ ਹੈ ਅਤੇ, ਇਸਲਈ, ਆਮ ਤੌਰ 'ਤੇ ਲੰਮੀ ਹੁੰਦੀ ਹੈ। ਖੋਜ ਵਿਧੀਆਂ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਲੰਬੇ ਸਮੇਂ ਦੇ ਇਤਿਹਾਸਕ ਅਧਿਐਨ ਅਤੇ ਨਸਲੀ ਵਿਗਿਆਨ ਅਧਿਐਨ ਹਨ। ਆਲੋਚਨਾਤਮਕ ਖੋਜ, ਹਾਲਾਂਕਿ, ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਖੋਜ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਨਹੀਂ ਵਰਤੀ ਗਈ ਹੈ

3.1.2 ਖੋਜ ਦਾ ਉਦੇਸ਼

ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਨਾਲ, ਇਸਦਾ ਉਦੇਸ਼ ਖੋਜਕਰਤਾ ਨੂੰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਖੋਜ ਵਿਧੀ ਚੁਣਨ ਵਿੱਚ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦਾ ਉਦੇਸ਼ ਖੋਜ ਚੱਕਰ ਦੇ ਸਬੰਧ ਵਿੱਚ ਖੋਜ ਦੀ ਸਥਿਤੀ ਨਾਲ ਨੇੜਿਓਂ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਜਿਸ ਵਿੱਚ ਤਿੰਨ ਪੜਾਅ ਹੁੰਦੇ ਹਨ: ਥਿਊਰੀ ਬਿਲਡਿੰਗ, ਥਿਊਰੀ ਟੈਸਟਿੰਗ ਅਤੇ ਥਿਊਰੀ ਰਿਫਾਈਨਮੈਂਟ। ਇਸ ਤਰ੍ਹਾਂ, ਖੋਜ ਚੱਕਰ ਦੇ ਸਮੇਂ ਦੇ ਅਧਾਰ ਤੇ, ਇੱਕ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦਾ ਇੱਕ ਵਿਆਖਿਆਤਮਕ, ਵਰਣਨਯੋਗ, ਖੋਜੀ ਜਾਂ ਭਵਿੱਖਬਾਣੀ ਉਦੇਸ਼ ਹੋ ਸਕਦਾ ਹੈ।

3.1.2.1 ਖੋਜੀ ਖੋਜ

ਖੋਜੀ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਇੱਕ ਬਿਲਕੁਲ ਨਵੇਂ ਵਿਸ਼ੇ ਦੀ ਜਾਂਚ ਕਰਨਾ ਅਤੇ ਭਵਿੱਖੀ ਖੋਜ ਲਈ ਪ੍ਰਸ਼ਨਾਂ ਅਤੇ ਅਨੁਮਾਨਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨਾ ਹੈ। ਇਸ ਕਿਸਮ ਦੀ ਖੋਜ ਨੂੰ ਨਵੇਂ ਖੇਤਰ ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਸੰਦਰਭ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਥਿਊਰੀ ਬਿਲਡਿੰਗ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, ਗੁਣਾਤਮਕ ਖੋਜ ਵਿਧੀਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਕੇਸ ਸਟੱਡੀਜ਼ ਜਾਂ ਫੈਨੋਮੋਨੋਲੋਜੀਕਲ ਅਧਿਐਨ।

ਹਾਲਾਂਕਿ, ਖੋਜੀ ਸਰਵੇਖਣਾਂ ਜਾਂ ਪ੍ਰਯੋਗਾਂ ਵਰਗੀਆਂ ਮਾਤਰਾਤਮਕ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਵੀ ਸੰਭਵ ਹੈ।

3.1.3.3 ਵਰਣਨਯੋਗ ਖੋਜ

ਵਰਣਨਾਤਮਕ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਸੰਗਠਨਾਤਮਕ ਸਥਿਤੀ ਜਾਂ ਅਭਿਆਸ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਅਤੇ ਵਿਸਥਾਰ ਵਿੱਚ ਵਰਣਨ ਕਰਨਾ ਹੈ। ਇਹ ਸਿਧਾਂਤਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਢੁਕਵਾਂ ਹੈ ਅਤੇ ਅਨੁਮਾਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਜਾਂ ਚੁਣੌਤੀ ਦੇਣ ਲਈ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਵਰਣਨਾਤਮਕ ਖੋਜ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਉਪਾਵਾਂ ਅਤੇ ਨਮੂਨਿਆਂ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਖੋਜ ਵਿਧੀਆਂ ਵਿੱਚ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਦੇ ਸਰਵੇਖਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਸ਼ਾਮਲ ਹਨ।

3.1.2.3 ਵਿਆਖਿਆਤਮਕ ਖੋਜ

ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਇਹ ਦੱਸਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀ ਹੈ ਕਿ ਚੀਜ਼ਾਂ ਕਿਉਂ ਵਾਪਰਦੀਆਂ ਹਨ। ਇਹ ਉਹਨਾਂ ਤੱਥਾਂ 'ਤੇ ਬਣਾਇਆ ਗਿਆ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਪਹਿਲਾਂ ਹੀ ਅਧਿਐਨ ਕੀਤਾ ਜਾ ਚੁੱਕਾ ਹੈ ਅਤੇ ਇਹਨਾਂ ਤੱਥਾਂ ਦੇ ਕਾਰਨ ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ।
ਇਸ ਤਰ੍ਹਾਂ ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ ਖੋਜੀ ਜਾਂ ਵਰਣਨਾਤਮਕ ਖੋਜ 'ਤੇ ਬਣਾਈ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਧਾਂਤਾਂ ਦੀ ਜਾਂਚ ਅਤੇ ਸ਼ੁੱਧਤਾ ਲਈ ਸਹਾਇਕ ਹੈ। ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ ਕੇਸ ਅਧਿਐਨ ਜਾਂ ਸਰਵੇਖਣ-ਅਧਾਰਤ ਖੋਜ ਵਿਧੀਆਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰਦੀ ਹੈ।

3.1.2.4 ਰੋਕਥਾਮ ਖੋਜ

ਰੋਕਥਾਮ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਨਿਰੀਖਣ ਅਧੀਨ ਘਟਨਾਵਾਂ ਅਤੇ ਵਿਵਹਾਰਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ (ਮਾਰਸ਼ਲ ਅਤੇ ਰੋਸਮੈਨ 1995)। ਭਵਿੱਖਬਾਣੀ ਸੱਚਾਈ ਦਾ ਮਿਆਰੀ ਵਿਗਿਆਨਕ ਟੈਸਟ ਹੈ। ਇਸ ਕਿਸਮ ਦੀ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ ਸਰਵੇਖਣ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਨਿਯੁਕਤ ਕਰਦੀ ਹੈ dati ਇਤਿਹਾਸਕਾਰ (ਯਿਨ 1989)

ਉਪਰੋਕਤ ਚਰਚਾ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਖੋਜ ਦੇ ਕਈ ਸੰਭਾਵੀ ਢੰਗ ਹਨ ਜੋ ਕਿਸੇ ਖਾਸ ਅਧਿਐਨ ਵਿੱਚ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਇੱਕ ਖਾਸ ਵਿਧੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਕਿਸਮ ਦੇ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਲਈ ਦੂਜਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਢੁਕਵੀਂ ਹੋਵੇ। (ਗੈਲੀਅਰਜ਼ 1987, ਯਿਨ 1989, ਡੀ ਵੌਸ 1991)। ਇਸ ਲਈ, ਹਰੇਕ ਖੋਜਕਰਤਾ ਨੂੰ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੇ ਨਾਲ ਸਭ ਤੋਂ ਢੁਕਵੀਂ ਅਤੇ ਅਨੁਕੂਲ ਖੋਜ ਵਿਧੀ ਨੂੰ ਅਪਣਾਉਣ ਲਈ, ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ ਦਾ ਧਿਆਨ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। (ਜੇਨਕਿੰਸ 1985, ਪਰਵਾਨ ਅਤੇ ਕਲਾਸ 1992, ਬੋਨੋਮੀਆ 1985, ਯਿਨ 1989, ਹਿਮਿਲਟਨ ਅਤੇ ਆਈਵਸ 1992)।

3.2 ਸੰਭਵ ਖੋਜ ਢੰਗ

ਇਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਉਦੇਸ਼ ਆਈ ਦੇ ਨਾਲ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਅਨੁਭਵ ਦਾ ਅਧਿਐਨ ਕਰਨਾ ਸੀ dati ਦੇ ਵਿਕਾਸ ਨਾਲ ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਦੀ ਮਿਤੀ ਕਿ, ਵਰਤਮਾਨ ਵਿੱਚ, ਆਸਟਰੇਲੀਆ ਵਿੱਚ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੇ ਖੇਤਰ ਵਿੱਚ ਖੋਜ ਦੀ ਘਾਟ ਹੈ, ਇਹ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਅਜੇ ਵੀ ਖੋਜ ਚੱਕਰ ਦੇ ਸਿਧਾਂਤਕ ਪੜਾਅ ਵਿੱਚ ਹੈ ਅਤੇ ਇਸਦਾ ਇੱਕ ਖੋਜੀ ਉਦੇਸ਼ ਹੈ। ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਨੂੰ ਅਪਣਾਉਣ ਵਾਲੀਆਂ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਅਨੁਭਵ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ ਅਸਲ ਸਮਾਜ ਦੀ ਵਿਆਖਿਆ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸਿੱਟੇ ਵਜੋਂ, ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਅਧੀਨ ਦਾਰਸ਼ਨਿਕ ਧਾਰਨਾ ਰਵਾਇਤੀ ਵਿਆਖਿਆ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ।

ਉਪਲਬਧ ਤਰੀਕਿਆਂ ਦੀ ਸਖ਼ਤ ਜਾਂਚ ਤੋਂ ਬਾਅਦ, ਦੋ ਸੰਭਾਵਿਤ ਖੋਜ ਤਰੀਕਿਆਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ ਸੀ: ਸਰਵੇਖਣ ਅਤੇ ਕੇਸ ਅਧਿਐਨ, ਜੋ ਖੋਜ ਖੋਜ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ (ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1993)। ਗੈਲੀਅਰਸ (1992) ਨੇ ਆਪਣੇ ਸੋਧੇ ਹੋਏ ਵਰਗੀਕਰਨ ਵਿੱਚ ਇਸ ਵਿਸ਼ੇਸ਼ ਅਧਿਐਨ ਲਈ ਇਹਨਾਂ ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਅਨੁਕੂਲਤਾ ਬਾਰੇ ਇਹ ਕਹਿ ਕੇ ਦਲੀਲ ਦਿੱਤੀ ਕਿ ਇਹ ਸਿਧਾਂਤ ਨਿਰਮਾਣ ਲਈ ਢੁਕਵੇਂ ਹਨ। ਹੇਠਾਂ ਦਿੱਤੇ ਦੋ ਉਪ-ਭਾਗ ਹਰੇਕ ਵਿਧੀ ਬਾਰੇ ਵਿਸਥਾਰ ਵਿੱਚ ਚਰਚਾ ਕਰਦੇ ਹਨ।

3.2.1 ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ

ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ ਪ੍ਰਾਚੀਨ ਜਨਗਣਨਾ ਵਿਧੀ ਤੋਂ ਆਉਂਦੀ ਹੈ। ਇੱਕ ਜਨਗਣਨਾ ਵਿੱਚ ਇੱਕ ਪੂਰੀ ਆਬਾਦੀ ਤੋਂ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਤਰੀਕਾ ਮਹਿੰਗਾ ਅਤੇ ਅਵਿਵਹਾਰਕ ਹੈ, ਖਾਸ ਕਰਕੇ ਜੇ ਆਬਾਦੀ ਵੱਡੀ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇੱਕ ਜਨਗਣਨਾ ਦੇ ਮੁਕਾਬਲੇ, ਇੱਕ ਸਰਵੇਖਣ ਆਮ ਤੌਰ 'ਤੇ ਆਬਾਦੀ ਦੇ ਨੁਮਾਇੰਦਿਆਂ ਦੀ ਇੱਕ ਛੋਟੀ ਸੰਖਿਆ, ਜਾਂ ਨਮੂਨੇ ਲਈ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ (ਫੌਲਰ 1988, ਨਿਊਮਨ 1994)। ਇੱਕ ਨਮੂਨਾ ਉਸ ਆਬਾਦੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸ ਤੋਂ ਇਹ ਖਿੱਚਿਆ ਜਾਂਦਾ ਹੈ, ਸ਼ੁੱਧਤਾ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ ਦੇ ਨਾਲ, ਨਮੂਨੇ ਦੀ ਬਣਤਰ, ਆਕਾਰ, ਅਤੇ ਵਰਤੀ ਗਈ ਚੋਣ ਵਿਧੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ (ਫੌਲਰ 1988, ਬੈਬੀ 1982, ਨਿਊਮਨ 1994)।

ਸਰਵੇਖਣ ਵਿਧੀ ਨੂੰ "ਸਮੇਂ ਦੇ ਕਿਸੇ ਖਾਸ ਬਿੰਦੂ 'ਤੇ ਅਭਿਆਸਾਂ, ਸਥਿਤੀਆਂ ਜਾਂ ਵਿਚਾਰਾਂ ਦੇ ਸਨੈਪਸ਼ਾਟ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਜਾਂ ਇੰਟਰਵਿਊਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤੇ ਗਏ ਹਨ, ਜਿਸ ਤੋਂ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।
ਬਣਾਇਆ” (ਗੈਲੀਅਰਜ਼ 1992:153) [ਪ੍ਰਥਾਵਾਂ, ਸਥਿਤੀਆਂ ਜਾਂ ਵਿਚਾਰਾਂ ਦਾ ਸਨੈਪਸ਼ਾਟ ਸਮੇਂ ਦੇ ਕਿਸੇ ਖਾਸ ਬਿੰਦੂ 'ਤੇ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਜਾਂ ਇੰਟਰਵਿਊ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ, ਜਿਸ ਤੋਂ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ]। ਸਰਵੇਖਣ ਅਧਿਐਨ ਦੇ ਕੁਝ ਪਹਿਲੂਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਨਾਲ ਨਜਿੱਠਦੇ ਹਨ, ਭਾਗੀਦਾਰਾਂ ਦੀ ਇੱਕ ਨਿਸ਼ਚਤ ਗਿਣਤੀ ਤੋਂ, ਸਵਾਲ ਪੁੱਛ ਕੇ (ਫੌਲਰ 1988)। ਇਹ ਪ੍ਰਸ਼ਨਾਵਲੀ ਅਤੇ ਇੰਟਰਵਿਊਆਂ, ਜਿਸ ਵਿੱਚ ਆਹਮੋ-ਸਾਹਮਣੇ ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ ਅਤੇ ਢਾਂਚਾਗਤ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਦੀਆਂ ਸੰਗ੍ਰਹਿ ਤਕਨੀਕਾਂ ਵੀ ਹਨ। dati ਆਮ ਤੌਰ 'ਤੇ ਜਾਂਚਾਂ (ਬਲੈਲੋਕ 1970, ਨਚਮਿਆਸ ਅਤੇ ਨੈਚਮਿਆਸ 1976, ਫੋਲਰ 1988), ਨਿਰੀਖਣਾਂ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ (ਗੇਬਲ 1994)। ਇਕੱਠਾ ਕਰਨ ਦੇ ਇਹਨਾਂ ਸਾਰੇ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ dati, ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਵਰਤੋਂ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਤਕਨੀਕ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਆਈ dati

ਇਕੱਤਰ ਕੀਤੇ ਗਏ ਸੰਰਚਨਾ ਅਤੇ ਫਾਰਮੈਟ ਕੀਤੇ ਗਏ ਹਨ, ਅਤੇ ਇਸਲਈ ਜਾਣਕਾਰੀ ਦੇ ਵਰਗੀਕਰਨ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ (ਹਵਾਂਗ 1987, ਡੀ ਵੌਸ 1991)।

ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਸਮੇਂ ਆਈ dati, ਇੱਕ ਜਾਂਚ ਰਣਨੀਤੀ ਅਕਸਰ ਮਾਤਰਾਤਮਕ ਤਕਨੀਕਾਂ ਨੂੰ ਵਰਤਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਪਰ ਗੁਣਾਤਮਕ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਵੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ (ਗੈਲੀਅਰਜ਼ 1992, ਪਰਵਾਨ

ਅਤੇ ਕਲਾਸ 1992, ਗੇਬਲ 1994)। ਆਮ ਤੌਰ 'ਤੇ, ਆਈ dati ਇਕੱਠੀਆਂ ਕੀਤੀਆਂ ਵੰਡਾਂ ਅਤੇ ਐਸੋਸੀਏਸ਼ਨਾਂ ਦੇ ਪੈਟਰਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ (ਫੌਲਰ 1988)।

ਜਦੋਂ ਕਿ ਪੁੱਛ-ਗਿੱਛ ਆਮ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਪੁੱਛਗਿੱਛਾਂ ਲਈ ਢੁਕਵੀਂ ਹੁੰਦੀ ਹੈ ਜੋ 'ਕੀ?' ਨੂੰ ਸੰਬੋਧਨ ਕਰਦੇ ਹਨ ਜਾਂ ਸਵਾਲ ਤੋਂ ਪੈਦਾ ਹੁੰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ 'ਕਿੰਨੇ' ਅਤੇ 'ਕਿੰਨੇ', ਉਹਨਾਂ ਨੂੰ 'ਕਿਉਂ' ਸਵਾਲ (Sonquist and Dunkelberg 1977, Yin 1989) ਰਾਹੀਂ ਪੁੱਛਿਆ ਜਾ ਸਕਦਾ ਹੈ। . ਸੋਨਕਵਿਸਟ ਅਤੇ ਡੰਕਲਬਰਗ (1977) ਦੇ ਅਨੁਸਾਰ, ਜਾਂਚ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਕਲਪਨਾ ਨੂੰ ਚੁਣੌਤੀ ਦੇਣਾ, ਪ੍ਰੋਗਰਾਮਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ, ਆਬਾਦੀ ਦਾ ਵਰਣਨ ਕਰਨਾ, ਅਤੇ ਮਨੁੱਖੀ ਵਿਵਹਾਰ ਦੇ ਮਾਡਲਾਂ ਦਾ ਵਿਕਾਸ ਕਰਨਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਰਵੇਖਣਾਂ ਦੀ ਵਰਤੋਂ ਕਿਸੇ ਖਾਸ ਆਬਾਦੀ ਦੀ ਰਾਏ, ਸਥਿਤੀਆਂ, ਵਿਚਾਰਾਂ, ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਉਮੀਦਾਂ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਪਿਛਲੇ ਜਾਂ ਮੌਜੂਦਾ ਵਿਵਹਾਰ (Neuman 1994) ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਸਰਵੇਖਣ ਖੋਜਕਰਤਾ ਨੂੰ ਆਬਾਦੀ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ ਅਤੇ ਨਤੀਜੇ ਆਮ ਤੌਰ 'ਤੇ ਹੋਰ ਤਰੀਕਿਆਂ (Sonquist and Dunkelberg 1977, Gable 1994) ਨਾਲੋਂ ਵਧੇਰੇ ਆਮ ਹੁੰਦੇ ਹਨ। ਸਰਵੇਖਣ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇੱਕ ਵੱਡੇ ਭੂਗੋਲਿਕ ਖੇਤਰ ਨੂੰ ਕਵਰ ਕਰਨ ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਉੱਤਰਦਾਤਾਵਾਂ ਤੱਕ ਪਹੁੰਚਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ (ਬਲਲਾਕ 1970, ਸੋਨਕਵਿਸਟ ਅਤੇ ਡੰਕਲਬਰਗ 1977, ਹਵਾਂਗ ਅਤੇ ਲਿਨ 1987, ਗੇਬਲ 1994, ਨਿਊਮਨ 1994)। ਅੰਤ ਵਿੱਚ, ਸਰਵੇਖਣ ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਕਿ ਕਿਤੇ ਹੋਰ ਉਪਲਬਧ ਨਹੀਂ ਹੈ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਲਈ ਲੋੜੀਂਦੇ ਰੂਪ ਵਿੱਚ ਉਪਲਬਧ ਨਹੀਂ ਹੈ (ਫੌਲਰ 1988)।

ਹਾਲਾਂਕਿ, ਸਰਵੇਖਣ ਕਰਨ ਵਿੱਚ ਕੁਝ ਸੀਮਾਵਾਂ ਹਨ। ਇੱਕ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਖੋਜਕਰਤਾ ਅਧਿਐਨ ਕੀਤੀ ਵਸਤੂ ਬਾਰੇ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਹੈ ਕਿ ਸਰਵੇਖਣ ਸਿਰਫ ਇੱਕ ਖਾਸ ਸਮੇਂ 'ਤੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ, ਇਸਲਈ, ਬਹੁਤ ਸਾਰੇ ਵੇਰੀਏਬਲ ਅਤੇ ਲੋਕ ਹਨ ਜੋ ਖੋਜਕਰਤਾ ਕਰ ਸਕਦੇ ਹਨ.

ਅਧਿਐਨ (ਯਿਨ 1989, ਡੀ ਵੌਸ 1991, ਗੇਬਲ 1994, ਡੇਨਸਕੋਮਬੇ 1998)। ਇੱਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਇੱਕ ਸਰਵੇਖਣ ਕਰਵਾਉਣਾ ਸਮੇਂ ਅਤੇ ਸਰੋਤਾਂ ਦੇ ਲਿਹਾਜ਼ ਨਾਲ ਬਹੁਤ ਮਹਿੰਗਾ ਹੋ ਸਕਦਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਜੇ ਇਸ ਵਿੱਚ ਆਹਮੋ-ਸਾਹਮਣੇ ਇੰਟਰਵਿਊਆਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ (ਫੌਲਰ 1988)।

3.2.2. ਪੁੱਛਗਿੱਛ ਖੋਜ ਵਿਧੀ

ਜਾਂਚ ਖੋਜ ਵਿਧੀ ਵਿੱਚ ਖੋਜਕਰਤਾ ਦੇ ਕਿਸੇ ਵੀ ਦਖਲ ਤੋਂ ਬਿਨਾਂ, ਸਮੇਂ ਦੀ ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਮਿਆਦ ਵਿੱਚ ਇਸਦੇ ਅਸਲ-ਸੰਸਾਰ ਸੰਦਰਭ ਵਿੱਚ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਸਥਿਤੀ ਦਾ ਡੂੰਘਾਈ ਨਾਲ ਅਧਿਐਨ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ (ਸ਼ੈਂਕਸ ਐਂਡ ਸੀ. 1993, ਆਈਜ਼ਨਹਾਰਡਟ 1989, ਜੇਨਕਿੰਸ 1985)। ਮੁੱਖ ਤੌਰ 'ਤੇ ਇਹ ਵਿਧੀ ਉਹਨਾਂ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਸਥਿਤੀ (ਗੈਲੀਅਰਜ਼ 1992) ਵਿੱਚ ਅਧਿਐਨ ਕੀਤੇ ਜਾ ਰਹੇ ਹਨ। ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੇ ਗਏ ਵਰਤਾਰੇ (ਫ੍ਰਾਂਜ਼ ਅਤੇ ਰੋਬੇ 1987, ਆਈਜ਼ਨਹਾਰਡਟ 1989, ਯਿਨ 1989) 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹੋਏ, ਜਾਂਚਾਂ ਵਿੱਚ ਸਿੰਗਲ ਜਾਂ ਕਈ ਕੇਸ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ।

ਪੁੱਛਗਿੱਛ ਖੋਜ ਵਿਧੀ ਨੂੰ "ਇੱਕ ਅਨੁਭਵੀ ਜਾਂਚ ਦੇ ਤੌਰ ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਇੱਕ ਸਮਕਾਲੀ ਵਰਤਾਰੇ ਦਾ ਇਸਦੇ ਅਸਲ ਸੰਦਰਭ ਵਿੱਚ ਅਧਿਐਨ ਕਰਦਾ ਹੈ, ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਸੰਸਥਾਵਾਂ ਜਿਵੇਂ ਕਿ ਲੋਕਾਂ, ਸਮੂਹਾਂ, ਜਾਂ ਸੰਗਠਨਾਂ ਤੋਂ ਇਕੱਠੇ ਕੀਤੇ ਕਈ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ" (ਯਿਨ 1989)। ਵਰਤਾਰੇ ਅਤੇ ਇਸਦੇ ਸੰਦਰਭ ਦੇ ਵਿਚਕਾਰ ਕੋਈ ਸਪੱਸ਼ਟ ਵਿਛੋੜਾ ਨਹੀਂ ਹੈ ਅਤੇ ਵੇਰੀਏਬਲਾਂ ਦਾ ਕੋਈ ਪ੍ਰਯੋਗਾਤਮਕ ਨਿਯੰਤਰਣ ਜਾਂ ਹੇਰਾਫੇਰੀ ਨਹੀਂ ਹੈ (ਯਿਨ 1989, ਬੇਨਬਾਸੈਟ ਐਟ ਅਲ. 1987)।

ਦੇਵਤਿਆਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਲਈ ਕਈ ਤਰ੍ਹਾਂ ਦੀਆਂ ਤਕਨੀਕਾਂ ਹਨ dati ਜਿਸ ਨੂੰ ਪੁੱਛਗਿੱਛ ਵਿਧੀ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਿੱਧੇ ਨਿਰੀਖਣ, ਪੁਰਾਲੇਖ ਰਿਕਾਰਡਾਂ ਦੀਆਂ ਸਮੀਖਿਆਵਾਂ, ਪ੍ਰਸ਼ਨਾਵਲੀ, ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਢਾਂਚਾਗਤ ਇੰਟਰਵਿਊ ਸ਼ਾਮਲ ਹਨ। ਵਾਢੀ ਦੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਿਭਿੰਨ ਸ਼੍ਰੇਣੀ ਦਾ ਹੋਣਾ dati, ਜਾਂਚ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਦੋਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ dati ਉਸੇ ਸਮੇਂ ਗੁਣਾਤਮਕ ਅਤੇ ਮਾਤਰਾਤਮਕ (ਬੋਨੋਮਾ 1985, ਆਈਜ਼ਨਹਾਰਡਟ 1989, ਯਿਨ 1989, ਗੇਬਲ 1994)। ਜਿਵੇਂ ਕਿ ਪੁੱਛਗਿੱਛ ਵਿਧੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਹੈ, ਇੱਕ ਜਾਂਚ ਖੋਜਕਰਤਾ ਇੱਕ ਨਿਰੀਖਕ ਜਾਂ ਖੋਜਕਰਤਾ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਨਾ ਕਿ ਅਧਿਐਨ ਅਧੀਨ ਸੰਸਥਾ ਵਿੱਚ ਇੱਕ ਸਰਗਰਮ ਭਾਗੀਦਾਰ ਵਜੋਂ।

Benbasat et al. (1987) ਦਾਅਵਾ ਕਰਦਾ ਹੈ ਕਿ ਜਾਂਚ ਵਿਧੀ ਖੋਜ ਸਿਧਾਂਤ ਨੂੰ ਬਣਾਉਣ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਢੁਕਵੀਂ ਹੈ, ਜੋ ਕਿ ਖੋਜ ਪ੍ਰਸ਼ਨ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਅਤੇ ਸਿੱਖਿਆ ਨਾਲ ਜਾਰੀ ਰਹਿੰਦੀ ਹੈ।

ਇਕੱਠੀ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ ਇੱਕ ਸਿਧਾਂਤ ਦਾ dati. ਸਟੇਜ ਲਈ ਵੀ ਢੁਕਵਾਂ ਹੋਣਾ

ਔਫ ਥਿਊਰੀ ਬਿਲਡਿੰਗ, ਫ੍ਰਾਂਜ਼ ਅਤੇ ਰੋਬੇ (1987) ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਪੁੱਛਗਿੱਛ ਵਿਧੀ ਨੂੰ ਗੁੰਝਲਦਾਰ ਥਿਊਰੀ ਪੜਾਅ ਲਈ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਕੇਸ ਵਿੱਚ, ਇਕੱਠੇ ਕੀਤੇ ਸਬੂਤਾਂ ਦੇ ਅਧਾਰ ਤੇ, ਇੱਕ ਦਿੱਤੇ ਸਿਧਾਂਤ ਜਾਂ ਪਰਿਕਲਪਨਾ ਦੀ ਪੁਸ਼ਟੀ ਜਾਂ ਖੰਡਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਰਵੇਖਣ ਖੋਜ ਲਈ ਵੀ ਢੁਕਵਾਂ ਹੈ ਜੋ 'ਕਿਵੇਂ' ਜਾਂ 'ਕਿਉਂ' ਸਵਾਲਾਂ (ਯਿਨ 1989) ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ।

ਹੋਰ ਤਰੀਕਿਆਂ ਦੇ ਮੁਕਾਬਲੇ, ਸਰਵੇਖਣ ਖੋਜਕਰਤਾ ਨੂੰ ਵਧੇਰੇ ਵਿਸਥਾਰ ਵਿੱਚ ਜ਼ਰੂਰੀ ਜਾਣਕਾਰੀ ਹਾਸਲ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ (ਗੈਲੀਅਰਜ਼ 1992, ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1993)। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਰਵੇਖਣ ਖੋਜਕਰਤਾ ਨੂੰ ਅਧਿਐਨ ਕੀਤੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਜਟਿਲਤਾ ਨੂੰ ਸਮਝਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ (ਬੇਨਬਾਸੈਟ ਐਟ ਅਲ. 1987).

ਸਰਵੇਖਣ ਵਿਧੀ ਨਾਲ ਜੁੜੇ ਚਾਰ ਮੁੱਖ ਨੁਕਸਾਨ ਹਨ। ਪਹਿਲੀ ਨਿਯੰਤਰਿਤ ਕਟੌਤੀਆਂ ਦੀ ਘਾਟ ਹੈ. ਖੋਜਕਰਤਾ ਦੀ ਵਿਅਕਤੀਗਤਤਾ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਅਤੇ ਸਿੱਟਿਆਂ ਨੂੰ ਬਦਲ ਸਕਦੀ ਹੈ (ਯਿਨ 1989)। ਦੂਜਾ ਨੁਕਸਾਨ ਨਿਯੰਤਰਿਤ ਨਿਰੀਖਣ ਦੀ ਘਾਟ ਹੈ। ਪ੍ਰਯੋਗਾਤਮਕ ਤਰੀਕਿਆਂ ਦੇ ਉਲਟ, ਜਾਂਚ ਖੋਜਕਰਤਾ ਅਧਿਐਨ ਕੀਤੇ ਗਏ ਵਰਤਾਰਿਆਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਨਹੀਂ ਕਰ ਸਕਦਾ ਕਿਉਂਕਿ ਉਹਨਾਂ ਦੀ ਕੁਦਰਤੀ ਸੰਦਰਭ ਵਿੱਚ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ (ਗੇਬਲ 1994)। ਤੀਜਾ ਨੁਕਸਾਨ replicability ਦੀ ਘਾਟ ਹੈ. ਇਹ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਖੋਜਕਰਤਾ ਇੱਕੋ ਜਿਹੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਦੇਖਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਰੱਖਦਾ ਹੈ, ਅਤੇ ਕਿਸੇ ਖਾਸ ਅਧਿਐਨ (ਲੀ 1989) ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ। ਅੰਤ ਵਿੱਚ, ਗੈਰ-ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਦੇ ਨਤੀਜੇ ਵਜੋਂ, ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਜਾਂਚਾਂ (ਗੈਲੀਅਰਜ਼ 1992, ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1993) ਤੋਂ ਪ੍ਰਾਪਤ ਨਤੀਜਿਆਂ ਨੂੰ ਆਮ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਹ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ, ਹਾਲਾਂਕਿ, ਅਸੰਭਵ ਨਹੀਂ ਹਨ ਅਤੇ ਅਸਲ ਵਿੱਚ, ਖੋਜਕਰਤਾ ਦੁਆਰਾ ਢੁਕਵੀਆਂ ਕਾਰਵਾਈਆਂ (ਲੀ 1989) ਨੂੰ ਲਾਗੂ ਕਰਕੇ ਘੱਟ ਤੋਂ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

3.3 ਖੋਜ ਕਾਰਜਪ੍ਰਣਾਲੀ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਓ ਅਪਣਾਇਆ

ਇਸ ਅਧਿਐਨ ਲਈ ਦੋ ਸੰਭਾਵਿਤ ਖੋਜ ਵਿਧੀਆਂ ਵਿੱਚੋਂ, ਸਰਵੇਖਣ ਵਿਧੀ ਨੂੰ ਸਭ ਤੋਂ ਢੁਕਵਾਂ ਮੰਨਿਆ ਗਿਆ ਹੈ। ਸਬੰਧਤ ਵਿਅਕਤੀਆਂ ਦੇ ਧਿਆਨ ਨਾਲ ਵਿਚਾਰ ਕਰਨ ਤੋਂ ਬਾਅਦ ਜਾਂਚ ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ ਗਿਆ ਸੀ

ਗੁਣ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ. ਇਸ ਅਧਿਐਨ ਲਈ ਹਰੇਕ ਵਿਧੀ ਦੀ ਉਚਿਤਤਾ ਜਾਂ ਅਣਉਚਿਤਤਾ ਬਾਰੇ ਹੇਠਾਂ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ।

3.3.1 ਖੋਜ ਵਿਧੀ ਦੀ ਅਣਉਚਿਤਤਾ ਜਾਂਚ ਦੇ

ਪੁੱਛ-ਪੜਤਾਲ ਦੇ ਢੰਗ ਲਈ ਸਮੇਂ ਦੀ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਕਿਸੇ ਖਾਸ ਸਥਿਤੀ ਬਾਰੇ ਡੂੰਘਾਈ ਨਾਲ ਅਧਿਐਨ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (Eisenhardt 1989)। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਮਿਆਦ ਇਸ ਅਧਿਐਨ ਲਈ ਦਿੱਤੀ ਗਈ ਸਮਾਂ ਸੀਮਾ ਤੋਂ ਵੱਧ ਹੋ ਸਕਦੀ ਹੈ। ਸਰਵੇਖਣ ਵਿਧੀ ਨੂੰ ਨਾ ਅਪਣਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਨਤੀਜੇ ਸਖ਼ਤੀ ਦੀ ਘਾਟ (ਯਿਨ 1989) ਤੋਂ ਪੀੜਤ ਹੋ ਸਕਦੇ ਹਨ। ਖੋਜਕਰਤਾ ਦੀ ਵਿਅਕਤੀਗਤਤਾ ਨਤੀਜਿਆਂ ਅਤੇ ਸਿੱਟਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ। ਇਕ ਹੋਰ ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਇਹ ਵਿਧੀ 'ਕਿਵੇਂ' ਜਾਂ 'ਕਿਉਂ' ਕਿਸਮ (ਯਿਨ 1989) ਦੇ ਸਵਾਲਾਂ 'ਤੇ ਖੋਜ ਲਈ ਵਧੇਰੇ ਢੁਕਵੀਂ ਹੈ, ਜਦੋਂ ਕਿ ਇਸ ਅਧਿਐਨ ਲਈ ਖੋਜ ਪ੍ਰਸ਼ਨ 'ਕਿਹੜੀ' ਕਿਸਮ ਦਾ ਹੈ। ਆਖਰੀ ਪਰ ਘੱਟੋ ਘੱਟ ਨਹੀਂ, ਸਿਰਫ ਇੱਕ ਜਾਂ ਕੁਝ ਜਾਂਚਾਂ (ਗੈਲੀਅਰਜ਼ 1992, ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1993) ਤੋਂ ਖੋਜਾਂ ਨੂੰ ਆਮ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਸ ਤਰਕ ਦੇ ਆਧਾਰ 'ਤੇ, ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ ਦੀ ਚੋਣ ਨਹੀਂ ਕੀਤੀ ਗਈ ਕਿਉਂਕਿ ਇਹ ਇਸ ਅਧਿਐਨ ਲਈ ਅਢੁਕਵੀਂ ਸੀ।

3.3.2 ਦੀ ਖੋਜ ਵਿਧੀ ਦੀ ਸਹੂਲਤ ਪੜਤਾਲ

ਜਦੋਂ ਇਹ ਖੋਜ ਕੀਤੀ ਗਈ ਸੀ, ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦਾ ਅਭਿਆਸ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਨਹੀਂ ਅਪਣਾਇਆ ਗਿਆ ਸੀ। ਇਸ ਲਈ, ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਬਾਰੇ ਬਹੁਤੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਸੀ। ਉਪਲਬਧ ਜਾਣਕਾਰੀ ਉਹਨਾਂ ਸੰਸਥਾਵਾਂ ਤੋਂ ਆਈ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਏ. ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਜਾਂ ਵਰਤਿਆ ਸੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ ਸਭ ਤੋਂ ਢੁਕਵੀਂ ਹੈ ਕਿਉਂਕਿ ਇਹ ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ ਜੋ ਕਿ ਹੋਰ ਕਿਤੇ ਉਪਲਬਧ ਨਹੀਂ ਹੈ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਲੋੜੀਂਦੇ ਰੂਪ ਵਿੱਚ (Fowler 1988)। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ ਖੋਜਕਰਤਾ ਨੂੰ ਕਿਸੇ ਖਾਸ ਸਮੇਂ (ਗੈਲੀਅਰਜ਼ 1992, ਡੇਨਸਕੋਮਬੇ 1998) 'ਤੇ ਅਭਿਆਸਾਂ, ਸਥਿਤੀਆਂ ਜਾਂ ਵਿਚਾਰਾਂ ਦੀ ਚੰਗੀ ਸਮਝ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਆਸਟ੍ਰੇਲੀਆਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਨੁਭਵ ਬਾਰੇ ਗਿਆਨ ਵਧਾਉਣ ਲਈ ਇੱਕ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਦੀ ਲੋੜ ਸੀ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, Sonquist and Dunkelberg (1977) ਨੇ ਕਿਹਾ ਕਿ ਸਰਵੇਖਣ ਖੋਜ ਦੇ ਨਤੀਜੇ ਹੋਰ ਤਰੀਕਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਆਮ ਹਨ।

3.4 ਸਰਵੇਖਣ ਖੋਜ ਡਿਜ਼ਾਈਨ

ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਭਿਆਸਾਂ 'ਤੇ ਸਰਵੇਖਣ 1999 ਵਿੱਚ ਕੀਤਾ ਗਿਆ ਸੀ। ਟਾਰਗੇਟ ਆਬਾਦੀ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਧਿਐਨਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੀਆਂ ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਦੀ ਬਣੀ ਹੋਈ ਸੀ, ਕਿਉਂਕਿ ਉਨ੍ਹਾਂ ਨੂੰ ਸ਼ਾਇਦ ਪਹਿਲਾਂ ਹੀ ਇਸ ਬਾਰੇ ਸੂਚਿਤ ਕੀਤਾ ਗਿਆ ਸੀ। dati ਕਿ ਉਹ ਸਟੋਰ ਕਰਦੇ ਹਨ ਅਤੇ, ਇਸਲਈ, ਇਸ ਅਧਿਐਨ ਲਈ ਉਪਯੋਗੀ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ। ਟਾਰਗੇਟ ਆਬਾਦੀ ਦੀ ਪਛਾਣ ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਇੰਸਟੀਚਿਊਟ (Tdwi-aap) ਦੇ ਸਾਰੇ ਆਸਟ੍ਰੇਲੀਆਈ ਮੈਂਬਰਾਂ ਦੇ ਸ਼ੁਰੂਆਤੀ ਸਰਵੇਖਣ ਨਾਲ ਕੀਤੀ ਗਈ ਸੀ। ਇਹ ਭਾਗ ਇਸ ਅਧਿਐਨ ਦੇ ਅਨੁਭਵੀ ਖੋਜ ਪੜਾਅ ਦੇ ਡਿਜ਼ਾਈਨ ਦੀ ਚਰਚਾ ਕਰਦਾ ਹੈ।

3.4.1 ਵਾਢੀ ਦੀ ਤਕਨੀਕ dati

ਸਰਵੇਖਣ ਖੋਜ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਤਿੰਨ ਤਕਨੀਕਾਂ (ਜਿਵੇਂ ਕਿ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ, ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ ਅਤੇ ਨਿੱਜੀ ਇੰਟਰਵਿਊ) (Nachmias 1976, Fowler 1988, de Vaus 1991) ਤੋਂ, ਇਸ ਅਧਿਐਨ ਲਈ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਅਪਣਾਇਆ ਗਿਆ ਸੀ। ਬਾਅਦ ਵਾਲੇ ਨੂੰ ਅਪਣਾਉਣ ਦਾ ਪਹਿਲਾ ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਇਹ ਭੂਗੋਲਿਕ ਤੌਰ 'ਤੇ ਖਿੰਡੇ ਹੋਏ ਆਬਾਦੀ ਤੱਕ ਪਹੁੰਚ ਸਕਦਾ ਹੈ (ਬਲਲਾਕ 1970, ਨਚਮਿਆਸ ਅਤੇ ਨਚਮਿਆਸ 1976, ਹਵਾਂਗ ਅਤੇ ਲਿਨ 1987, ਡੀ ਵੌਸ 1991, ਗੇਬਲ 1994)। ਦੂਜਾ, ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਉੱਚ ਪੜ੍ਹੇ-ਲਿਖੇ ਭਾਗੀਦਾਰਾਂ (ਫਾਊਲਰ 1988) ਲਈ ਢੁਕਵੀਂ ਹੈ। ਇਸ ਅਧਿਐਨ ਲਈ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰੋਜੈਕਟ ਸਪਾਂਸਰਾਂ, ਨਿਰਦੇਸ਼ਕਾਂ ਅਤੇ/ਜਾਂ ਪ੍ਰੋਜੈਕਟ ਪ੍ਰਬੰਧਕਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕੀਤੀ ਗਈ ਸੀ। ਤੀਜਾ, ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਉਦੋਂ ਢੁਕਵੀਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਇੱਕ ਸੁਰੱਖਿਅਤ ਮੇਲਿੰਗ ਸੂਚੀ ਉਪਲਬਧ ਹੁੰਦੀ ਹੈ (ਸਲੈਂਟ ਅਤੇ ਦਿਲਮਨ 1994)। TDWI, ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਇੱਕ ਭਰੋਸੇਯੋਗ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਐਸੋਸੀਏਸ਼ਨ ਨੇ ਆਪਣੇ ਆਸਟ੍ਰੇਲੀਆਈ ਮੈਂਬਰਾਂ ਦੀ ਮੇਲਿੰਗ ਸੂਚੀ ਪ੍ਰਦਾਨ ਕੀਤੀ ਹੈ। ਟੈਲੀਫੋਨ ਪ੍ਰਸ਼ਨਾਵਲੀ ਜਾਂ ਨਿੱਜੀ ਇੰਟਰਵਿਊਆਂ 'ਤੇ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦਾ ਇੱਕ ਹੋਰ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਇਹ ਉੱਤਰਦਾਤਾਵਾਂ ਨੂੰ ਵਧੇਰੇ ਸਹੀ ਜਵਾਬ ਦੇਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਜਦੋਂ ਉੱਤਰਦਾਤਾਵਾਂ ਨੂੰ ਨੋਟਸ ਦੀ ਸਲਾਹ ਲੈਣੀ ਚਾਹੀਦੀ ਹੈ ਜਾਂ ਦੂਜੇ ਲੋਕਾਂ ਨਾਲ ਪ੍ਰਸ਼ਨਾਂ 'ਤੇ ਚਰਚਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ (ਫੌਲਰ 1988)।

ਇੱਕ ਸੰਭਾਵੀ ਨੁਕਸਾਨ ਡਾਕ ਦੁਆਰਾ ਪ੍ਰਸ਼ਨਾਵਲੀ ਕਰਵਾਉਣ ਲਈ ਲੋੜੀਂਦਾ ਸਮਾਂ ਹੋ ਸਕਦਾ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, ਇਸ ਕ੍ਰਮ ਵਿੱਚ ਇੱਕ ਮੇਲ ਸਰਵੇਖਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: ਮੇਲ ਪੱਤਰ, ਜਵਾਬਾਂ ਦੀ ਉਡੀਕ ਕਰੋ, ਅਤੇ ਪੁਸ਼ਟੀ ਭੇਜੋ (ਫੌਲਰ 1988, ਬੈਨਬ੍ਰਿਜ 1989)। ਇਸ ਤਰ੍ਹਾਂ, ਕੁੱਲ ਸਮਾਂ ਨਿੱਜੀ ਇੰਟਰਵਿਊਆਂ ਜਾਂ ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ ਲਈ ਲੋੜੀਂਦੇ ਸਮੇਂ ਤੋਂ ਵੱਧ ਹੋ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਕੁੱਲ ਸਮਾਂ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਜਾਣਿਆ ਜਾ ਸਕਦਾ ਹੈ (Fowler 1988, Denscombe 1998)। ਨਿੱਜੀ ਇੰਟਰਵਿਊਆਂ ਕਰਨ ਵਿੱਚ ਬਿਤਾਏ ਗਏ ਸਮੇਂ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਨਹੀਂ ਜਾਣਿਆ ਜਾ ਸਕਦਾ ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਇੰਟਰਵਿਊ ਤੋਂ ਦੂਜੇ ਵਿੱਚ ਬਦਲਦਾ ਹੈ (ਫੌਲਰ 1988)। ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ ਡਾਕ ਪ੍ਰਸ਼ਨਾਵਲੀ ਅਤੇ ਨਿੱਜੀ ਇੰਟਰਵਿਊਆਂ ਨਾਲੋਂ ਤੇਜ਼ ਹੋ ਸਕਦੇ ਹਨ ਪਰ ਕੁਝ ਲੋਕਾਂ ਦੀ ਅਣਉਪਲਬਧਤਾ ਦੇ ਕਾਰਨ ਉੱਚ ਗੈਰ-ਜਵਾਬ ਦਰ ਹੋ ਸਕਦੀ ਹੈ (ਫੌਲਰ 1988)। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ ਆਮ ਤੌਰ 'ਤੇ ਸਵਾਲਾਂ ਦੀ ਮੁਕਾਬਲਤਨ ਛੋਟੀਆਂ ਸੂਚੀਆਂ ਤੱਕ ਸੀਮਿਤ ਹੁੰਦੇ ਹਨ (ਬੇਨਬ੍ਰਿਜ 1989)।

ਇੱਕ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਇੱਕ ਹੋਰ ਕਮਜ਼ੋਰੀ ਉੱਚ ਗੈਰ-ਜਵਾਬ ਦਰ ਹੈ (ਫੌਲਰ 1988, ਬੈਨਬ੍ਰਿਜ 1989, ਨਿਊਮੈਨ 1994)। ਹਾਲਾਂਕਿ, ਇਸ ਅਧਿਐਨ ਨੂੰ ਇੱਕ ਭਰੋਸੇਯੋਗ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਸੰਸਥਾ (ਜਿਵੇਂ ਕਿ TDWI) (ਬੇਨਬ੍ਰਿਜ 1989, ਨਿਊਮਨ 1994) ਨਾਲ ਜੋੜ ਕੇ ਜਵਾਬੀ ਉਪਾਅ ਕੀਤੇ ਗਏ ਹਨ, ਜੋ ਗੈਰ-ਜਵਾਬ ਦੇਣ ਵਾਲਿਆਂ ਨੂੰ ਦੋ ਰੀਮਾਈਂਡਰ ਪੱਤਰ ਭੇਜਦਾ ਹੈ (ਫੌਲਰ 1988, ਨਿਊਮਨ 1994) ਅਤੇ ਇੱਕ ਵਾਧੂ ਪੱਤਰ ਵੀ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਅਧਿਐਨ ਦੇ ਉਦੇਸ਼ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ (Neuman 1994)।

3.4.2 ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਇਕਾਈ

ਇਸ ਅਧਿਐਨ ਦਾ ਉਦੇਸ਼ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਨੂੰ ਲਾਗੂ ਕਰਨ ਅਤੇ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਇਸਦੀ ਵਰਤੋਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ। ਟੀਚੇ ਦੀ ਆਬਾਦੀ ਵਿੱਚ ਉਹ ਸਾਰੀਆਂ ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਸ਼ਾਮਲ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਲਾਗੂ ਕੀਤਾ ਹੈ, ਜਾਂ ਲਾਗੂ ਕਰ ਰਹੇ ਹਨ, i ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਫਿਰ ਵਿਅਕਤੀਗਤ ਸੰਸਥਾਵਾਂ ਨੂੰ ਨਾਮ 'ਤੇ ਰਜਿਸਟਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪ੍ਰਸ਼ਨਾਵਲੀ ਗੋਦ ਲੈਣ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਡਾਕ ਦੁਆਰਾ ਭੇਜੀ ਗਈ ਸੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਹ ਵਿਧੀ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਇਕੱਠੀ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਹਰੇਕ ਭਾਗੀਦਾਰ ਸੰਸਥਾ ਦੇ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਸਰੋਤਾਂ ਤੋਂ ਆਉਂਦੀ ਹੈ।

3.4.3 ਸਰਵੇਖਣ ਦਾ ਨਮੂਨਾ

ਸਰਵੇਖਣ ਭਾਗੀਦਾਰਾਂ ਦੀ "ਮੇਲਿੰਗ ਸੂਚੀ" TDWI ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਸੀ। ਇਸ ਸੂਚੀ ਵਿੱਚੋਂ 3000 ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਨੂੰ ਨਮੂਨੇ ਲਈ ਆਧਾਰ ਵਜੋਂ ਚੁਣਿਆ ਗਿਆ ਸੀ। ਸਰਵੇਖਣ ਦੇ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਉਦੇਸ਼ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਾਲਾ ਇੱਕ ਵਾਧੂ ਪੱਤਰ, ਇੱਕ ਜਵਾਬ ਸ਼ੀਟ ਅਤੇ ਇੱਕ ਪ੍ਰੀ-ਪੇਡ ਲਿਫਾਫੇ ਦੇ ਨਾਲ ਮੁਕੰਮਲ ਕੀਤੀ ਗਈ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਵਾਪਸ ਕਰਨ ਲਈ ਨਮੂਨੇ ਨੂੰ ਭੇਜਿਆ ਗਿਆ ਸੀ। 3000 ਸੰਸਥਾਵਾਂ ਵਿੱਚੋਂ, 198 ਨੇ ਅਧਿਐਨ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਲਈ ਸਹਿਮਤੀ ਦਿੱਤੀ। ਅਜਿਹੇ ਥੋੜ੍ਹੇ ਜਿਹੇ ਹੁੰਗਾਰੇ ਦੀ ਉਮੀਦ ਸੀ ਡੈਟੋ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਜਿਨ੍ਹਾਂ ਨੇ ਉਸ ਸਮੇਂ ਆਪਣੇ ਸੰਗਠਨਾਂ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਰਣਨੀਤੀ ਨੂੰ ਅਪਣਾ ਲਿਆ ਸੀ ਜਾਂ ਅਪਣਾਇਆ ਸੀ। ਇਸ ਤਰ੍ਹਾਂ, ਇਸ ਅਧਿਐਨ ਲਈ ਟੀਚਾ ਆਬਾਦੀ ਵਿੱਚ ਸਿਰਫ਼ 198 ਸੰਸਥਾਵਾਂ ਸ਼ਾਮਲ ਹਨ।

3.4.4. ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਸਮੱਗਰੀ

ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਬਣਤਰ ਮੋਨਾਸ਼ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਮਾਡਲ 'ਤੇ ਅਧਾਰਤ ਸੀ (ਭਾਗ 2.3 ਵਿੱਚ ਪਹਿਲਾਂ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ)। ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਸਮੱਗਰੀ ਅਧਿਆਇ 2 ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਸਾਹਿਤ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਅਧਾਰਤ ਸੀ। ਸਰਵੇਖਣ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਭੇਜੀ ਗਈ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਇੱਕ ਕਾਪੀ ਅੰਤਿਕਾ ਬੀ ਵਿੱਚ ਪਾਈ ਜਾ ਸਕਦੀ ਹੈ। ਪ੍ਰਸ਼ਨਾਵਲੀ ਵਿੱਚ ਛੇ ਭਾਗ ਹੁੰਦੇ ਹਨ, ਜੋ ਕਵਰ ਕੀਤੇ ਗਏ ਮਾਡਲ ਦੇ ਪੜਾਵਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਹੇਠਾਂ ਦਿੱਤੇ ਛੇ ਪੈਰੇ ਹਰੇਕ ਭਾਗ ਦੀ ਸਮੱਗਰੀ ਦਾ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਸਾਰ ਦਿੰਦੇ ਹਨ।

ਸੈਕਸ਼ਨ A: ਸੰਸਥਾ ਬਾਰੇ ਮੁੱਢਲੀ ਜਾਣਕਾਰੀ
ਇਸ ਭਾਗ ਵਿੱਚ ਭਾਗ ਲੈਣ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਦੇ ਪ੍ਰੋਫਾਈਲ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕੁਝ ਪ੍ਰਸ਼ਨ ਭਾਗੀਦਾਰ ਦੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰੋਜੈਕਟ ਸਥਿਤੀ ਨਾਲ ਸਬੰਧਤ ਹਨ। ਸਰਵੇਖਣ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਗੁਪਤ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ ਸੰਗਠਨ ਦੇ ਨਾਮ ਦਾ ਖੁਲਾਸਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ।

ਸੈਕਸ਼ਨ ਬੀ: ਸ਼ੁਰੂਆਤ
ਇਸ ਭਾਗ ਵਿੱਚ ਸਵਾਲ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਸ਼ੁਰੂਆਤੀ ਗਤੀਵਿਧੀ ਨਾਲ ਸਬੰਧਤ ਹਨ। ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲਿਆਂ, ਗਾਰੰਟਰਾਂ, ਲੋੜੀਂਦੇ ਹੁਨਰ ਅਤੇ ਗਿਆਨ, ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਵਿਕਾਸ ਉਦੇਸ਼ਾਂ ਅਤੇ ਅੰਤ-ਉਪਭੋਗਤਾ ਦੀਆਂ ਉਮੀਦਾਂ ਬਾਰੇ ਸਵਾਲ ਪੁੱਛੇ ਗਏ ਸਨ।

ਸੈਕਸ਼ਨ C: ਡਿਜ਼ਾਈਨ
ਇਸ ਭਾਗ ਵਿੱਚ ਯੋਜਨਾ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਖਾਸ ਤੌਰ 'ਤੇ, ਸਵਾਲ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਦੇ ਦਾਇਰੇ, ਪ੍ਰੋਜੈਕਟ ਦੀ ਮਿਆਦ, ਪ੍ਰੋਜੈਕਟ ਦੀ ਲਾਗਤ ਅਤੇ ਲਾਗਤ/ਲਾਭ ਵਿਸ਼ਲੇਸ਼ਣ ਬਾਰੇ ਸਨ।

ਸੈਕਸ਼ਨ ਡੀ: ਵਿਕਾਸ
ਵਿਕਾਸ ਭਾਗ ਵਿੱਚ ਵਿਕਾਸ ਕਾਰਜਾਂ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ: ਅੰਤਮ ਉਪਭੋਗਤਾ ਲੋੜਾਂ ਦਾ ਸੰਗ੍ਰਹਿ, ਦੇ ਸਰੋਤ dati, ਦਾ ਲਾਜ਼ੀਕਲ ਮਾਡਲ dati, ਪ੍ਰੋਟੋਟਾਈਪ, ਸਮਰੱਥਾ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਵਿਕਾਸ ਸਾਧਨਾਂ ਦੀ ਚੋਣ।

ਸੈਕਸ਼ਨ E: ਓਪਰੇਸ਼ਨ
ਦੇ ਸੰਚਾਲਨ ਅਤੇ ਵਿਸਤਾਰ ਨਾਲ ਸਬੰਧਤ ਸੰਚਾਲਨ ਸੰਬੰਧੀ ਪ੍ਰਸ਼ਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇਹ ਵਿਕਾਸ ਦੇ ਅਗਲੇ ਪੜਾਅ ਵਿੱਚ ਕਿਵੇਂ ਵਿਕਸਿਤ ਹੁੰਦਾ ਹੈ। ਉੱਥੇ ਡਾਟਾ ਗੁਣਵੱਤਾ, ਦੀ ਤਾਜ਼ਾ ਰਣਨੀਤੀ dati, ਦੀ ਗ੍ਰੈਨਿਊਲਿਟੀ dati, ਦੀ ਮਾਪਯੋਗਤਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਦੇ ਸੁਰੱਖਿਆ ਮੁੱਦੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪੁੱਛੇ ਗਏ ਸਵਾਲਾਂ ਦੀਆਂ ਕਿਸਮਾਂ ਵਿੱਚੋਂ ਸਨ।

ਸੈਕਸ਼ਨ F: ਵਿਕਾਸ
ਇਸ ਭਾਗ ਵਿੱਚ ਦੀ ਵਰਤੋਂ ਸੰਬੰਧੀ ਸਵਾਲ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ. ਖੋਜਕਰਤਾ ਦੇ ਉਦੇਸ਼ ਅਤੇ ਉਪਯੋਗਤਾ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦਾ ਸੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਅਪਣਾਈਆਂ ਗਈਆਂ ਸਮੀਖਿਆ ਅਤੇ ਸਿਖਲਾਈ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਅਤੇ ਨਿਯੰਤਰਣ ਰਣਨੀਤੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਪਣਾਇਆ.

3.4.5 ਜਵਾਬ ਦਰ

ਹਾਲਾਂਕਿ ਮੇਲ ਸਰਵੇਖਣਾਂ ਦੀ ਘੱਟ ਪ੍ਰਤੀਕਿਰਿਆ ਦਰ ਹੋਣ ਲਈ ਆਲੋਚਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਪਰ ਵਾਪਸੀ ਦੀ ਦਰ ਨੂੰ ਵਧਾਉਣ ਲਈ ਉਪਾਅ ਕੀਤੇ ਗਏ ਹਨ (ਜਿਵੇਂ ਕਿ ਭਾਗ 3.4.1 ਵਿੱਚ ਪਹਿਲਾਂ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ)। ਸ਼ਬਦ 'ਜਵਾਬ ਦਰ' ਕਿਸੇ ਖਾਸ ਸਰਵੇਖਣ ਨਮੂਨੇ ਵਿੱਚ ਉਹਨਾਂ ਲੋਕਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦਾ ਜਵਾਬ ਦਿੰਦੇ ਹਨ (ਡੈਂਸਕੋਮਬੇ 1998)। ਇਸ ਅਧਿਐਨ ਲਈ ਜਵਾਬ ਦਰ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ:

ਜਵਾਬ ਦੇਣ ਵਾਲੇ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ
ਜਵਾਬ ਦਰ = —————————————————————————– X 100 ਭੇਜੀਆਂ ਗਈਆਂ ਪ੍ਰਸ਼ਨਾਵਲੀਆਂ ਦੀ ਕੁੱਲ ਸੰਖਿਆ

3.4.6 ਪਾਇਲਟ ਟੈਸਟ

ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਨਮੂਨੇ ਵਿੱਚ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ, ਪਾਇਲਟ ਟੈਸਟਾਂ ਦੁਆਰਾ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਸੀ, ਜਿਵੇਂ ਕਿ ਲੱਕ ਅਤੇ ਰੁਬਿਨ (1987), ਜੈਕਸਨ (1988) ਅਤੇ ਡੀ ਵੋਸ (1991) ਦੁਆਰਾ ਸੁਝਾਏ ਗਏ ਸਨ। ਪਾਇਲਟ ਟੈਸਟਾਂ ਦਾ ਉਦੇਸ਼ ਕਿਸੇ ਵੀ ਅਜੀਬ, ਅਸਪਸ਼ਟ ਸਮੀਕਰਨ ਅਤੇ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ, ਵਰਤੇ ਗਏ ਕਿਸੇ ਵੀ ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਸ਼ਬਦਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨਾ ਅਤੇ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਸਮੇਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ (ਵਾਰਵਿਕ ਅਤੇ ਲਾਈਨਿੰਗਰ 1975, ਜੈਕਸਨ 1988, ਸੈਲੈਂਟ ਅਤੇ ਦਿਲਮਨ 1994)। ਪਾਇਲਟ ਟੈਸਟ ਅੰਤਿਮ ਵਿਸ਼ਿਆਂ ਦੇ ਸਮਾਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਾਲੇ ਵਿਸ਼ਿਆਂ ਦੀ ਚੋਣ ਕਰਕੇ ਕੀਤੇ ਗਏ ਸਨ, ਜਿਵੇਂ ਕਿ ਡੇਵਿਸ ਈ ਦੁਆਰਾ ਸੁਝਾਏ ਗਏ ਸਨ। ਕੋਸੈਂਜ਼ਾ (1993)। ਇਸ ਅਧਿਐਨ ਵਿੱਚ, ਛੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਪਾਇਲਟ ਵਿਸ਼ੇ ਵਜੋਂ ਚੁਣਿਆ ਗਿਆ ਸੀ। ਹਰੇਕ ਪਾਇਲਟ ਟੈਸਟ ਤੋਂ ਬਾਅਦ, ਜ਼ਰੂਰੀ ਸੁਧਾਰ ਕੀਤੇ ਗਏ ਸਨ। ਕੀਤੇ ਗਏ ਪਾਇਲਟ ਟੈਸਟਾਂ ਤੋਂ, ਭਾਗੀਦਾਰਾਂ ਨੇ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੇ ਅੰਤਮ ਸੰਸਕਰਣ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇਣ ਅਤੇ ਰੀਸੈਟ ਕਰਨ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਇਆ।

3.4.7 ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਢੰਗ ਡਾਟਾ

I dati ਬੰਦ-ਅੰਤ ਪ੍ਰਸ਼ਨਾਵਲੀ ਤੋਂ ਇਕੱਠੇ ਕੀਤੇ ਸਰਵੇਖਣਾਂ ਦਾ SPSS ਨਾਮਕ ਇੱਕ ਅੰਕੜਾ ਪ੍ਰੋਗਰਾਮ ਪੈਕੇਜ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ। ਬਹੁਤ ਸਾਰੇ ਜਵਾਬਾਂ ਦਾ ਵਰਣਨਯੋਗ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ। ਕਈ ਪ੍ਰਸ਼ਨਾਵਲੀ ਅਧੂਰੀਆਂ ਵਾਪਸ ਕਰ ਦਿੱਤੀਆਂ ਗਈਆਂ ਸਨ। ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਇਹਨਾਂ ਨਾਲ ਵਧੇਰੇ ਦੇਖਭਾਲ ਕੀਤੀ ਗਈ ਸੀ ਕਿ ਆਈ dati ਗੁੰਮ ਹੋਣਾ ਡੇਟਾ ਐਂਟਰੀ ਗਲਤੀਆਂ ਦਾ ਨਤੀਜਾ ਨਹੀਂ ਸੀ, ਪਰ ਕਿਉਂਕਿ ਪ੍ਰਸ਼ਨ ਰਜਿਸਟਰਾਰ ਲਈ ਢੁਕਵੇਂ ਨਹੀਂ ਸਨ, ਜਾਂ ਰਜਿਸਟਰਾਰ ਨੇ ਇੱਕ ਜਾਂ ਵਧੇਰੇ ਖਾਸ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਨਾ ਦੇਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਸੀ। ਇਹਨਾਂ ਗੁੰਮ ਜਵਾਬਾਂ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਦੌਰਾਨ ਅਣਡਿੱਠ ਕੀਤਾ ਗਿਆ ਸੀ dati ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਕਿਰਿਆ ਤੋਂ ਉਹਨਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢਣ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ '- 9' ਵਜੋਂ ਕੋਡ ਕੀਤੇ ਗਏ ਸਨ।

ਪ੍ਰਸ਼ਨਾਵਲੀ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ, ਹਰੇਕ ਵਿਕਲਪ ਨੂੰ ਇੱਕ ਨੰਬਰ ਦੇ ਕੇ ਬੰਦ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਪ੍ਰੀਕੋਡ ਕੀਤਾ ਗਿਆ ਸੀ। ਨੰਬਰ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਗਿਆ ਸੀ dati ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਦੌਰਾਨ (Denscombe 1998, Sapsford ਅਤੇ Jupp 1996). ਉਦਾਹਰਨ ਲਈ, ਸੈਕਸ਼ਨ ਬੀ ਦੇ ਪ੍ਰਸ਼ਨ 1 ਵਿੱਚ ਸੂਚੀਬੱਧ ਛੇ ਵਿਕਲਪ ਸਨ: ਨਿਰਦੇਸ਼ਕ ਮੰਡਲ, ਸੀਨੀਅਰ ਕਾਰਜਕਾਰੀ, IT ਵਿਭਾਗ, ਵਪਾਰਕ ਇਕਾਈ, ਸਲਾਹਕਾਰ ਅਤੇ ਹੋਰ। ਦੀ ਫਾਈਲ ਵਿੱਚ dati SPSS ਦਾ, ਛੇ ਮੁੱਲ ਦੇ ਲੇਬਲਾਂ ਦੇ ਨਾਲ 'ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂਆਤੀ' ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਇੱਕ ਵੇਰੀਏਬਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ: 'ਬੋਰਡ ਆਫ਼ ਡਾਇਰੈਕਟਰਜ਼' ਲਈ '1', 'ਸੀਨੀਅਰ ਐਗਜ਼ੀਕਿਊਟਿਵ' ਲਈ '2' ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਸਟਰੀਟ। ਕੁਝ ਬੰਦ ਪ੍ਰਸ਼ਨਾਂ ਵਿੱਚ ਲੀਕਰਟਿਨ ਪੈਮਾਨੇ ਦੀ ਵਰਤੋਂ ਨੇ ਵੀ SPSS ਵਿੱਚ ਦਾਖਲ ਕੀਤੇ ਅਨੁਸਾਰੀ ਸੰਖਿਆਤਮਕ ਮੁੱਲਾਂ ਦੀ ਵਰਤੋਂ ਦੇ ਕਾਰਨ ਅਸਾਨੀ ਨਾਲ ਪਛਾਣ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੱਤੀ ਹੈ। ਗੈਰ-ਸੰਪੂਰਨ ਜਵਾਬਾਂ ਵਾਲੇ ਸਵਾਲਾਂ ਲਈ, ਜੋ ਆਪਸੀ ਤੌਰ 'ਤੇ ਨਿਵੇਕਲੇ ਨਹੀਂ ਸਨ, ਹਰੇਕ ਵਿਕਲਪ ਨੂੰ ਦੋ ਮੁੱਲ ਲੇਬਲਾਂ ਦੇ ਨਾਲ ਇੱਕ ਸਿੰਗਲ ਵੇਰੀਏਬਲ ਮੰਨਿਆ ਗਿਆ ਸੀ: 'ਮਾਰਕ ਕੀਤੇ' ਲਈ '1' ਅਤੇ 'ਨਿਸ਼ਾਨਬੱਧ ਨਹੀਂ' ਲਈ '2'।

ਓਪਨ-ਐਂਡ ਸਵਾਲਾਂ ਨੂੰ ਬੰਦ-ਅੰਤ ਸਵਾਲਾਂ ਤੋਂ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ SPSS ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਕੀਤੇ ਗਏ ਸਨ। ਇਸ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਦਾ ਹੱਥ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ. ਇਸ ਕਿਸਮ ਦੇ ਪ੍ਰਸ਼ਨ ਦੀ ਵਰਤੋਂ ਸਾਨੂੰ ਉੱਤਰਦਾਤਾਵਾਂ ਦੇ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪ੍ਰਗਟਾਏ ਗਏ ਵਿਚਾਰਾਂ ਅਤੇ ਨਿੱਜੀ ਤਜ਼ਰਬਿਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ (ਬੇਨਬ੍ਰਿਜ 1989, ਡੇਨਸਕੋਮਬੇ 1998)। ਜਿੱਥੇ ਸੰਭਵ ਹੋਵੇ, ਜਵਾਬਾਂ ਦਾ ਇੱਕ ਵਰਗੀਕਰਨ ਕੀਤਾ ਗਿਆ ਸੀ।

ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ dati, ਸਧਾਰਨ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਪ੍ਰਤੀਕਿਰਿਆ ਬਾਰੰਬਾਰਤਾ, ਮੱਧਮਾਨ, ਮਿਆਰੀ ਵਿਵਹਾਰ ਅਤੇ ਮੱਧਮਾਨ (Argyrous 1996, Denscombe 1998)।
ਵਿਚਕਾਰ ਐਸੋਸੀਏਸ਼ਨਾਂ ਦੇ ਗਿਣਾਤਮਕ ਮਾਪਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਗਾਮਾ ਟੈਸਟ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਰਿਹਾ ਸੀ dati ਆਰਡੀਨਲਜ਼ (Norusis 1983, Argyrous 1996)। ਇਹ ਟੈਸਟ ਉਚਿਤ ਸਨ ਕਿਉਂਕਿ ਵਰਤੇ ਗਏ ਆਰਡੀਨਲ ਸਕੇਲਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਨਹੀਂ ਸਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਦਿਖਾਇਆ ਜਾ ਸਕਦਾ ਸੀ (Norusis 1983)।

੩ਸਾਰ

ਇਸ ਅਧਿਆਏ ਵਿੱਚ, ਇਸ ਅਧਿਐਨ ਲਈ ਅਪਣਾਈ ਗਈ ਖੋਜ ਵਿਧੀ ਅਤੇ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ।

ਕਿਸੇ ਖਾਸ ਅਧਿਐਨ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵੀਂ ਖੋਜ ਵਿਧੀ ਦੀ ਚੋਣ ਕਰਨਾ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਾ ਹੈ
ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਕਿਸਮ ਦੇ ਨਾਲ-ਨਾਲ ਹਰੇਕ ਸੰਭਾਵੀ ਵਿਧੀ ਦੇ ਗੁਣ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ ਸਮੇਤ ਕਈ ਨਿਯਮਾਂ 'ਤੇ ਵਿਚਾਰ (ਜੇਨਕਿੰਸ 1985, ਬੇਨਬਾਸੈਟ ਐਟ ਅਲ. 1097, ਗੈਲੀਅਰਜ਼ ਐਂਡ ਲੈਂਡ 1987, ਯਿਨ 1989, ਹੈਮਿਲਟਨ ਅਤੇ ਆਈਵਸ 1992, ਗੈਲੀਅਰਜ਼ 1992, ਨਿਊਮਨ 1994)। ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਨੂੰ ਅਪਣਾਉਣ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਮੌਜੂਦਾ ਗਿਆਨ ਅਤੇ ਸਿਧਾਂਤ ਦੀ ਘਾਟ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਇਸ ਖੋਜ ਅਧਿਐਨ ਲਈ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਦੇ ਤਜ਼ਰਬਿਆਂ ਦੀ ਪੜਚੋਲ ਕਰਨ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦੇ ਨਾਲ ਇੱਕ ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਵਿਧੀ ਦੀ ਲੋੜ ਹੈ। ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਸੰਕਲਪ ਨੂੰ ਅਪਣਾਉਣ ਸੰਬੰਧੀ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਲਈ ਚੁਣੀ ਗਈ ਖੋਜ ਵਿਧੀ ਦੀ ਚੋਣ ਕੀਤੀ ਗਈ ਸੀ। ਇੱਕ ਡਾਕ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਤਕਨੀਕ ਵਜੋਂ ਚੁਣਿਆ ਗਿਆ ਸੀ dati. ਖੋਜ ਵਿਧੀ ਅਤੇ ਸੰਗ੍ਰਹਿ ਤਕਨੀਕ ਲਈ ਤਰਕਸੰਗਤ dati ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਚੁਣਿਆ ਜਾਵੇਗਾ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਇਕਾਈ, ਵਰਤੇ ਗਏ ਨਮੂਨੇ, ਜਵਾਬਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਸਮੱਗਰੀ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਪ੍ਰੀ-ਟੈਸਟ ਅਤੇ ਨਤੀਜਿਆਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਿਧੀ 'ਤੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ। dati.

ਡਿਜ਼ਾਇਨਿੰਗ ਏ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ:

ਹਸਤੀ ਸਬੰਧ ਅਤੇ ਅਯਾਮੀ ਮਾਡਲਿੰਗ ਦਾ ਸੰਯੋਗ ਕਰਨਾ

ਵੱਖਰਾ
ਸਟੋਰ ਕਰਨਾ ਆਈ dati ਬਹੁਤ ਸਾਰੀਆਂ ਸੰਸਥਾਵਾਂ ਲਈ ਇੱਕ ਪ੍ਰਮੁੱਖ ਮੌਜੂਦਾ ਮੁੱਦਾ ਹੈ। ਭੋਜਨ ਭੰਡਾਰਨ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਮੁੱਦਾ dati ਇਹ ਉਸਦਾ ਡਿਜ਼ਾਈਨ ਹੈ।
ਡਿਜ਼ਾਇਨ ਵਿੱਚ ਸੰਕਲਪਾਂ ਦੀ ਖੋਜ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀ ਅਤੇ ਹੋਰ ਸਰੋਤਾਂ ਨੂੰ dati ਅਤੇ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਇੱਕ ਆਸਾਨ ਸਮਝ ਅਤੇ ਕੁਸ਼ਲਤਾ ਵੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਦਾ ਬਹੁਤ ਸਾਰਾ ਸਟੋਰੇਜ਼ ਸਾਹਿਤ dati ਦੇ ਡਿਜ਼ਾਈਨ ਦੀ ਨੁਮਾਇੰਦਗੀ ਕਰਨ ਲਈ ਇਕਾਈ ਸਬੰਧ ਮਾਡਲਿੰਗ ਜਾਂ ਆਯਾਮੀ ਮਾਡਲਿੰਗ ਦੀ ਵਰਤੋਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਇਸ ਪੇਪਰ ਵਿੱਚ ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਕਿਵੇਂ ਡਰਾਇੰਗ ਲਈ ਇੱਕ ਪਹੁੰਚ ਵਿੱਚ ਦੋਨਾਂ ਪ੍ਰਸਤੁਤੀਆਂ ਨੂੰ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਵਰਤੀ ਗਈ ਪਹੁੰਚ ਯੋਜਨਾਬੱਧ ਹੈ

ਇੱਕ ਕੇਸ ਸਟੱਡੀ ਵਿੱਚ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਪ੍ਰੈਕਟੀਸ਼ਨਰਾਂ ਦੇ ਨਾਲ ਕਈ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵਾਂ ਵਿੱਚ ਪਛਾਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ

Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਪ੍ਰਬੰਧਨ ਦੇ ਫੈਸਲਿਆਂ ਦੇ ਸਮਰਥਨ ਵਿੱਚ "ਵਿਸ਼ਾ-ਮੁਖੀ, ਏਕੀਕ੍ਰਿਤ, ਸਮਾਂ-ਰੂਪ, ਅਤੇ ਗੈਰ-ਅਸਥਿਰ ਸੰਗ੍ਰਹਿ" (ਇਨਮੋਨ ਅਤੇ ਹੈਕਾਥੋਰਨ, 1994) ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਵਿਸ਼ਾ-ਅਧਾਰਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਏਕੀਕ੍ਰਿਤ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨ ਲਈ Legaci ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਕਾਰਜਸ਼ੀਲ ਸੀਮਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ dati.
ਸਮਾਂ-ਵਿਭਿੰਨਤਾ ਦੀ ਇਤਿਹਾਸਕ ਜਾਂ ਸਮਾਂ-ਸੀਰੀਜ਼ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ dati ਵਿੱਚ ਇੱਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਜੋ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਗੈਰ-ਅਸਥਿਰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਨੂੰ ਲਗਾਤਾਰ ਅੱਪਡੇਟ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਡਾਟਾਬੇਸ OLTP ਦਾ। ਇਸ ਦੀ ਬਜਾਏ ਇਸ ਨੂੰ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਅਪਡੇਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਨਾਲ dati ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਆ ਰਿਹਾ ਹੈ। ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਖਾਸ ਤੌਰ 'ਤੇ ਇਕਸਾਰਤਾ ਅਤੇ ਸੰਚਾਲਨ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਅੱਪਡੇਟ ਕਰਨ ਦੀ ਬਜਾਏ ਖੋਜ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।
ਸਟੋਰ ਕਰਨ ਦਾ ਵਿਚਾਰ ਆਈ dati ਨਵਾਂ ਨਹੀਂ ਹੈ, ਇਹ ਪ੍ਰਬੰਧਨ ਦੇ ਉਦੇਸ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਸੀ dati ਸੱਠ ਦੇ ਦਹਾਕੇ ਤੋਂ (ਦਿ ਮਾਰਟਿਨ, 1982)।
I ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪੇਸ਼ ਕਰਦੇ ਹਨ dati ਪ੍ਰਬੰਧਨ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ ਲਈ। ਪ੍ਰਬੰਧਨ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਫੈਸਲੇ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ (DSS) ਅਤੇ ਕਾਰਜਕਾਰੀ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ (EIS) ਸ਼ਾਮਲ ਹਨ। ਇੱਕ DSS ਇੱਕ ਕੰਪਿਊਟਰ-ਆਧਾਰਿਤ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਮਨੁੱਖੀ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ। ਇੱਕ EIS ਆਮ ਤੌਰ 'ਤੇ ਦੀ ਇੱਕ ਡਿਲਿਵਰੀ ਸਿਸਟਮ ਹੈ dati ਜੋ ਕਾਰੋਬਾਰੀ ਨੇਤਾਵਾਂ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੱਕ ਆਸਾਨੀ ਨਾਲ ਪਹੁੰਚ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ dati.
ਦੀ ਆਮ ਆਰਕੀਟੈਕਚਰ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਬੰਧਨ ਸਹਾਇਤਾ ਵਿੱਚ. ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨ ਤੋਂ ਇਲਾਵਾ dati EIS ਅਤੇ DSS ਲਈ, al ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਨੂੰ ਸਵਾਲਾਂ ਰਾਹੀਂ ਸਿੱਧਾ ਐਕਸੈਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਦ dati ਏ ਵਿੱਚ ਸ਼ਾਮਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਬੰਧਨ ਜਾਣਕਾਰੀ ਲੋੜਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਅਧਾਰਤ ਹਨ ਅਤੇ ਤਿੰਨ ਸਰੋਤਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ: ਅੰਦਰੂਨੀ ਵਿਰਾਸਤ ਪ੍ਰਣਾਲੀਆਂ, ਵਿਸ਼ੇਸ਼ ਉਦੇਸ਼ ਡੇਟਾ ਕੈਪਚਰ ਸਿਸਟਮ ਅਤੇ ਬਾਹਰੀ ਡੇਟਾ ਸਰੋਤ। ਦ dati ਅੰਦਰੂਨੀ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਉਹ ਅਕਸਰ ਬੇਲੋੜੇ, ਅਸੰਗਤ, ਘੱਟ ਕੁਆਲਿਟੀ ਦੇ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇਸਲਈ ਉਹਨਾਂ ਨੂੰ ਇਸ ਵਿੱਚ ਲੋਡ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਨੂੰ ਮਿਲਾ ਕੇ ਸਾਫ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਇਨਮੋਨ, 1992; ਮੈਕਫੈਡਨ, 1996)। ਦ dati ਸਟੋਰੇਜ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਆ ਰਿਹਾ ਹੈ dati ਐਡਹਾਕ ਅਤੇ ਸਰੋਤਾਂ ਤੋਂ dati ਬਾਹਰੀ ਨੂੰ ਅਕਸਰ ਵਧਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ (ਅੱਪਡੇਟ, ਬਦਲਣਾ) i dati ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ.

ਏ ਦੇ ਵਿਕਾਸ ਦੇ ਬਹੁਤ ਸਾਰੇ ਮਜਬੂਰ ਕਰਨ ਵਾਲੇ ਕਾਰਨ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਜਿਸ ਵਿੱਚ ਹੋਰ ਜਾਣਕਾਰੀ (Ives 1995) ਦੀ ਪ੍ਰਭਾਵੀ ਵਰਤੋਂ ਦੁਆਰਾ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਸੁਧਾਰ, ਪੂਰੇ ਸੌਦਿਆਂ 'ਤੇ ਫੋਕਸ ਕਰਨ ਲਈ ਸਮਰਥਨ (Graham 1996), ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਦੇ ਖਰਚਿਆਂ ਵਿੱਚ ਕਟੌਤੀ ਸ਼ਾਮਲ ਹੈ। dati EIS ਅਤੇ DSS ਲਈ (ਗ੍ਰਾਹਮ 1996, ਮੈਕਫੈਡਨ 1996)।

ਇੱਕ ਤਾਜ਼ਾ ਅਨੁਭਵੀ ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ, ਔਸਤਨ, ਲਈ ਨਿਵੇਸ਼ 'ਤੇ ਵਾਪਸੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਤਿੰਨ ਸਾਲਾਂ ਬਾਅਦ 401% ਦੁਆਰਾ (ਗ੍ਰਾਹਮ, 1996)। ਹਾਲਾਂਕਿ, ਦੇ ਹੋਰ ਅਨੁਭਵੀ ਅਧਿਐਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਲਾਭਾਂ ਨੂੰ ਮਾਪਣ ਅਤੇ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ, ਸਪਸ਼ਟ ਉਦੇਸ਼ ਦੀ ਘਾਟ, ਉਦੇਸ਼ ਨੂੰ ਘੱਟ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਅਤੇ ਲਾਭਾਂ ਨੂੰ ਸਟੋਰ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੀ ਗੁੰਝਲਤਾ ਸਮੇਤ ਮਹੱਤਵਪੂਰਣ ਸਮੱਸਿਆਵਾਂ ਮਿਲੀਆਂ dati, ਖਾਸ ਤੌਰ 'ਤੇ ਸਰੋਤਾਂ ਅਤੇ ਸਫਾਈ ਦੇ ਸੰਬੰਧ ਵਿੱਚ dati. ਸਟੋਰ ਕਰਨਾ ਆਈ dati ਪ੍ਰਬੰਧਨ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ dati ਸੰਸਥਾਵਾਂ ਵਿਚਕਾਰ. ਦੀ ਹੇਰਾਫੇਰੀ dati ਇੱਕ ਸਮਾਜਿਕ ਸਰੋਤ ਦੇ ਰੂਪ ਵਿੱਚ ਇਹ ਕਈ ਸਾਲਾਂ ਤੋਂ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਮੁੱਖ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣੀ ਹੋਈ ਹੈ (ਬ੍ਰੈਂਚੂ ਐਟ ਅਲ. 1996, ਗੈਲੀਅਰਸ ਐਟ ਅਲ. 1994, ਨੀਡਰਮੈਨ ਐਟ ਅਲ. 1990, ਪਰਵਾਨ 1993)।

ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਪ੍ਰਸਿੱਧ ਪਹੁੰਚ dati ਅੱਸੀਵਿਆਂ ਵਿੱਚ ਇਹ ਇੱਕ ਮਾਡਲ ਦਾ ਵਿਕਾਸ ਸੀ dati ਸਮਾਜਿਕ. ਮਾਡਲ dati ਸੋਸ਼ਲ ਨੂੰ ਨਵੇਂ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਲਈ ਇੱਕ ਸਥਿਰ ਅਧਾਰ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਡਾਟਾਬੇਸ ਅਤੇ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਪੁਨਰ ਨਿਰਮਾਣ ਅਤੇ ਏਕੀਕਰਨ (ਬ੍ਰੈਂਚੌ ਐਟ ਅਲ.

1989, Goodhue et al. 1988:1992, ਕਿਮ ਅਤੇ ਐਵਰੈਸਟ 1994)। ਹਾਲਾਂਕਿ, ਇਸ ਪਹੁੰਚ ਨਾਲ ਬਹੁਤ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਹਨ, ਖਾਸ ਤੌਰ 'ਤੇ, ਹਰੇਕ ਕੰਮ ਦੀ ਗੁੰਝਲਤਾ ਅਤੇ ਲਾਗਤ, ਅਤੇ ਠੋਸ ਨਤੀਜੇ (ਬੇਨਨ-ਡੇਵਿਸ 1994, ਅਰਲ 1993, ਗੁਡਹੂਏਟ ਅਲ. 1992, ਪੇਰੀਸਾਮੀ 1994, ਸ਼ੈਂਕਸ 1997) ਪੈਦਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਲੰਬਾ ਸਮਾਂ ).

Il ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਵੱਖਰਾ ਡੇਟਾਬੇਸ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ ਵਿਰਾਸਤੀ ਡੇਟਾਬੇਸ ਨਾਲ ਸਹਿ-ਮੌਜੂਦ ਹੈ। ਇਸ ਲਈ ਇਹ ਤੁਹਾਨੂੰ ਦੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ dati ਅਤੇ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮਹਿੰਗੇ ਪੁਨਰ ਨਿਰਮਾਣ ਤੋਂ ਬਚੋ।

ਡਾਟਾ ਡਿਜ਼ਾਈਨ ਲਈ ਮੌਜੂਦਾ ਪਹੁੰਚ

ਵੇਅਰਹਾਊਸ

ਬਣਾਉਣ ਅਤੇ ਸੰਪੂਰਨ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸਨੂੰ ਪਰੰਪਰਾਗਤ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਦੇ ਜੀਵਨ ਚੱਕਰ ਦੀ ਬਜਾਏ ਇੱਕ ਵਿਕਾਸਵਾਦੀ ਪ੍ਰਕਿਰਿਆ ਵਜੋਂ ਸਮਝਣਾ ਚਾਹੀਦਾ ਹੈ (ਦੇਸੀਓ, 1995, ਸ਼ੈਂਕਸ, ਓ'ਡੋਨੇਲ ਅਤੇ ਅਰਨੋਟ 1997a)। ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜਿਵੇਂ ਕਿ ਸ਼ੁਰੂਆਤ, ਯੋਜਨਾਬੰਦੀ; ਕੰਪਨੀ ਪ੍ਰਬੰਧਕਾਂ ਤੋਂ ਮੰਗੀਆਂ ਗਈਆਂ ਲੋੜਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਣਕਾਰੀ; ਸਰੋਤ, ਪਰਿਵਰਤਨ, ਦੀ ਸਫਾਈ dati ਅਤੇ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਹੋਰ ਸਰੋਤਾਂ ਤੋਂ ਸਮਕਾਲੀਕਰਨ dati; ਵਿਕਾਸ ਵਿੱਚ ਡਿਲੀਵਰੀ ਸਿਸਟਮ; ਦੀ ਨਿਗਰਾਨੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ; ਅਤੇ ਵਿਕਾਸਵਾਦੀ ਪ੍ਰਕਿਰਿਆ ਦੀ ਬੇਸਮਝੀ ਅਤੇ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (Stinchi, O'Donnell ਅਤੇ Arnott 1997b). ਇਸ ਜਰਨਲ ਵਿੱਚ, ਅਸੀਂ ਇਸ ਗੱਲ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਾਂ ਕਿ ਕਿਵੇਂ ਖਿੱਚਣਾ ਹੈ dati ਇਹਨਾਂ ਹੋਰ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਆਰਕੀਟੈਕਚਰ ਲਈ ਕਈ ਪ੍ਰਸਤਾਵਿਤ ਪਹੁੰਚ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸਾਹਿਤ ਵਿੱਚ (ਇਨਮੋਨ 1994, ਆਈਵਸ 1995, ਕਿਮਬਾਲ 1994 ਮੈਕਫੈਡਨ 1996)। ਇਹਨਾਂ ਵਿਧੀਆਂ ਵਿੱਚੋਂ ਹਰੇਕ ਦੀ ਉਹਨਾਂ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਇੱਕ ਸੰਖੇਪ ਸਮੀਖਿਆ ਹੈ।

ਇਨਮੋਨਸ (1994) ਲਈ ਪਹੁੰਚ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਡਿਜ਼ਾਈਨ

ਇਨਮੋਨ (1994) ਨੇ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਚਾਰ ਦੁਹਰਾਏ ਕਦਮਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 2 ਦੇਖੋ)। ਪਹਿਲਾ ਕਦਮ ਇੱਕ ਟੈਂਪਲੇਟ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਹੈ dati ਇਹ ਸਮਝਣ ਲਈ ਸਮਾਜਿਕ ਕਿਵੇਂ ਆਈ dati ਨੂੰ ਵੰਡ ਕੇ ਇੱਕ ਸੰਗਠਨ ਦੇ ਅੰਦਰ ਕਾਰਜਸ਼ੀਲ ਖੇਤਰਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ dati ਖੇਤਰਾਂ ਵਿੱਚ ਸਟੋਰ ਕਰੋ। ਮਾਡਲ dati ਇਹ ਸਟੋਰੇਜ਼ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ dati ਫੈਸਲੇ ਲੈਣ ਨਾਲ ਸਬੰਧਤ, ਸਮੇਤ dati ਇਤਿਹਾਸਕਾਰ, ਅਤੇ ਸ਼ਾਮਲ ਹਨ dati ਘਟਾਇਆ ਅਤੇ ਇਕੱਠਾ ਕੀਤਾ. ਦੂਜਾ ਕਦਮ ਲਾਗੂ ਕਰਨ ਲਈ ਵਿਸ਼ਾ ਖੇਤਰਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ। ਇਹ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਸੰਸਥਾ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਤਰਜੀਹਾਂ 'ਤੇ ਅਧਾਰਤ ਹਨ। ਤੀਜੇ ਪੜਾਅ ਵਿੱਚ ਡਰਾਇੰਗ ਏ ਡਾਟਾਬੇਸ ਵਿਸ਼ੇ ਖੇਤਰ ਲਈ, ਗ੍ਰੈਨਿਊਲਿਟੀ ਦੇ ਢੁਕਵੇਂ ਪੱਧਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਧਿਆਨ ਦਿਓ। ਇਨਮੋਨ ਇਕਾਈਆਂ ਅਤੇ ਸਬੰਧਾਂ ਦੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦਾ ਹੈ। ਚੌਥਾ ਕਦਮ ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ dati ਕੈਪਚਰ ਕਰਨ, ਸਾਫ਼ ਕਰਨ ਅਤੇ ਫਾਰਮੈਟ ਕਰਨ ਲਈ ਪਰਿਵਰਤਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਅਤੇ ਵਿਕਾਸ i dati.

ਇਨਮੋਨ ਦੀ ਪਹੁੰਚ ਦੀ ਤਾਕਤ ਇਹ ਹੈ ਕਿ ਮਾਡਲ dati ਸਮਾਜਿਕ ਦੇ ਏਕੀਕਰਨ ਲਈ ਆਧਾਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ dati ਦੇ ਪੁਨਰ ਵਿਕਾਸ ਲਈ ਸੰਗਠਨ ਅਤੇ ਸਹਾਇਤਾ ਦੀ ਯੋਜਨਾ ਦੇ ਅੰਦਰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਦੀਆਂ ਖਾਮੀਆਂ ਮਾਡਲ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਅਤੇ ਲਾਗਤ ਹਨ dati ਸਮਾਜਿਕ, ਦੋਵਾਂ ਮਾਡਲਾਂ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਇਕਾਈਆਂ ਅਤੇ ਸਬੰਧਾਂ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮੁਸ਼ਕਲ, ਉਹ dati ਸਮਾਜਿਕ ਅਤੇ ਇਸ ਦੇ dati ਵਿਸ਼ਾ ਖੇਤਰ, ਅਤੇ ਦੀ ਅਨੁਕੂਲਤਾ ਦੁਆਰਾ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati ਦੇ ਡਰਾਇੰਗ ਦੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਪ੍ਰਾਪਤੀ ਲਈ ਡਾਟਾਬੇਸ ਸੰਬੰਧਤ ਪਰ ਲਈ ਨਹੀਂ ਡਾਟਾਬੇਸ ਬਹੁ-ਆਯਾਮੀ.

Ives' (1995) ਤੱਕ ਪਹੁੰਚ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਡਿਜ਼ਾਈਨ

Ives (1995) ਨੇ ਇੱਕ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਇੱਕ ਚਾਰ-ਪੜਾਵੀ ਪਹੁੰਚ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਹੈ ਜੋ ਉਹ ਮੰਨਦਾ ਹੈ ਕਿ ਇੱਕ ਦੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 3 ਦੇਖੋ)। ਪਹੁੰਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਲਈ ਸੂਚਨਾ ਇੰਜੀਨੀਅਰਿੰਗ 'ਤੇ ਅਧਾਰਤ ਹੈ (ਮਾਰਟਿਨ 1990)। ਪਹਿਲਾ ਕਦਮ ਉਦੇਸ਼ਾਂ, ਨਾਜ਼ੁਕ ਅਤੇ ਸਫਲਤਾ ਦੇ ਕਾਰਕ ਅਤੇ ਮੁੱਖ ਪ੍ਰਦਰਸ਼ਨ ਸੂਚਕਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ ਹੈ। ਮੁੱਖ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਮਾਡਲ ਵੱਲ ਲੈ ਜਾਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ dati ਸਮਾਜਿਕ. ਦੂਜੇ ਪੜਾਅ ਵਿੱਚ ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ dati ਖੇਤਰਾਂ ਦੁਆਰਾ ਸਟੋਰ ਕੀਤਾ ਗਿਆ, ਡਾਟਾਬੇਸ di ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਤਕਨਾਲੋਜੀ ਦੇ ਭਾਗ ਜੋ ਲੋੜੀਂਦੇ ਹਨ, ਲਾਗੂ ਕਰਨ ਅਤੇ ਇਸ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਸੰਗਠਨਾਤਮਕ ਸਮਰਥਨ ਦਾ ਸੈੱਟ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਤੀਜੇ ਪੜਾਅ ਵਿੱਚ ਲੋੜੀਂਦੇ ਸੌਫਟਵੇਅਰ ਪੈਕੇਜ ਅਤੇ ਟੂਲ ਚੁਣਨਾ ਸ਼ਾਮਲ ਹੈ। ਚੌਥਾ ਕਦਮ ਹੈ ਵਿਸਤ੍ਰਿਤ ਡਿਜ਼ਾਈਨ ਅਤੇ ਨਿਰਮਾਣ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਆਈਵਸ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਸਟੋਰ ਕਰਨਾ dati ਇਹ ਇੱਕ ਸੀਮਤ ਦੁਹਰਾਉਣ ਵਾਲੀ ਪ੍ਰਕਿਰਿਆ ਹੈ।

Ives ਪਹੁੰਚ ਦੀ ਤਾਕਤ ਜਾਣਕਾਰੀ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਖਾਸ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਹੈ, ਦੇ ਏਕੀਕਰਣ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਇੱਕ ਢਾਂਚਾਗਤ ਪ੍ਰਕਿਰਿਆ ਦੀ ਵਰਤੋਂ. ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਢੁਕਵੇਂ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸੌਫਟਵੇਅਰ ਦੀ ਚੋਣ, ਅਤੇ ਲਈ ਮਲਟੀਪਲ ਨੁਮਾਇੰਦਗੀ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਦੀਆਂ ਖਾਮੀਆਂ ਗੁੰਝਲਦਾਰਤਾ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ. ਹੋਰਾਂ ਵਿੱਚ ਕਈ ਪੱਧਰਾਂ ਦਾ ਵਿਕਾਸ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਸ਼ਾਮਲ ਹੈ ਡਾਟਾਬੇਸ all'interno del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਾਜਬ ਸਮੇਂ ਅਤੇ ਲਾਗਤਾਂ ਵਿੱਚ.

ਕਿਮਬਾਲ ਦੀ (1994) ਪਹੁੰਚ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਡਿਜ਼ਾਈਨ

ਕਿਮਬਾਲ (1994) ਨੇ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਪੰਜ ਦੁਹਰਾਏ ਕਦਮਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 4 ਦੇਖੋ)। ਉਸਦੀ ਪਹੁੰਚ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਇਕੱਲੇ ਦੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਸਮਰਪਿਤ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਇਕਾਈਆਂ ਅਤੇ ਸਬੰਧਾਂ ਦੇ ਮਾਡਲਾਂ ਦੀ ਤਰਜੀਹ ਵਿੱਚ ਅਯਾਮੀ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ 'ਤੇ। ਕਿਮਬਾਲ ਉਹਨਾਂ ਅਯਾਮੀ ਮਾਡਲਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਵਪਾਰਕ ਨੇਤਾਵਾਂ ਲਈ ਕਾਰੋਬਾਰ ਨੂੰ ਸਮਝਣਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ, ਗੁੰਝਲਦਾਰ ਸਲਾਹ-ਮਸ਼ਵਰੇ ਨਾਲ ਨਜਿੱਠਣ ਵੇਲੇ ਇਹ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਡਿਜ਼ਾਈਨ ਦੇ ਡਿਜ਼ਾਈਨ ਡਾਟਾਬੇਸ ਭੌਤਿਕ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੈ (ਕਿਮਬਾਲ 1994)। ਕਿਮਬਾਲ ਮੰਨਦਾ ਹੈ ਕਿ ਵਿਕਾਸ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਦੁਹਰਾਉਣ ਵਾਲਾ ਹੈ, ਅਤੇ ਉਹ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵੱਖ-ਵੱਖ ਟੇਬਲਾਂ ਨੂੰ ਆਮ ਮਾਪਾਂ ਦੀਆਂ ਸਾਰਣੀਆਂ ਵਿੱਚ ਵੰਡ ਕੇ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਪਹਿਲਾ ਕਦਮ ਸੰਪੂਰਨ ਹੋਣ ਲਈ ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ਾ ਖੇਤਰ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ। ਦੂਜੇ ਅਤੇ ਤੀਜੇ ਕਦਮ ਅਯਾਮੀ ਮਾਡਲਿੰਗ ਨਾਲ ਸਬੰਧਤ ਹਨ। ਦੂਜੇ ਪੜਾਅ ਵਿੱਚ ਮਾਪ ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ ਦਿਲਚਸਪੀ ਵਾਲੀਆਂ ਚੀਜ਼ਾਂ ਦੀ ਪਛਾਣ ਕਰਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਤੱਥ ਸਾਰਣੀ ਵਿੱਚ ਸਮੂਹ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਵਿਕਰੀ ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ ਵਿਆਜ ਦੇ ਮਾਪਾਂ ਵਿੱਚ ਵੇਚੀਆਂ ਗਈਆਂ ਵਸਤੂਆਂ ਦੀ ਮਾਤਰਾ ਅਤੇ ਵਿਕਰੀ ਮੁਦਰਾ ਵਜੋਂ ਡਾਲਰ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ। ਤੀਜੇ ਪੜਾਅ ਵਿੱਚ ਉਹਨਾਂ ਮਾਪਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਜੋ ਉਹ ਤਰੀਕੇ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਤੱਥਾਂ ਨੂੰ ਸਮੂਹ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਵਿਕਰੀ ਵਿਸ਼ੇ ਦੇ ਖੇਤਰ ਵਿੱਚ, ਸੰਬੰਧਿਤ ਮਾਪਾਂ ਵਿੱਚ ਆਈਟਮ, ਸਥਾਨ ਅਤੇ ਸਮਾਂ ਮਿਆਦ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀ ਹੈ। ਤੱਥ ਸਾਰਣੀ ਵਿੱਚ ਇਸ ਨੂੰ ਹਰੇਕ ਅਯਾਮ ਟੇਬਲ ਨਾਲ ਲਿੰਕ ਕਰਨ ਲਈ ਇੱਕ ਬਹੁ-ਭਾਗ ਕੁੰਜੀ ਹੁੰਦੀ ਹੈ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਬਹੁਤ ਸਾਰੇ ਤੱਥ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਇਸਦੇ ਉਲਟ, ਆਯਾਮ ਸਾਰਣੀਆਂ ਵਿੱਚ ਮਾਪਾਂ ਅਤੇ ਹੋਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਾਰੇ ਵਰਣਨਯੋਗ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ ਜੋ ਤੱਥਾਂ ਨੂੰ ਸਮੂਹ ਕਰਨ ਲਈ ਵਰਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ। ਸੰਬੰਧਿਤ ਪ੍ਰਸਤਾਵਿਤ ਤੱਥ ਅਤੇ ਅਯਾਮ ਸਾਰਣੀ ਬਣਾਉਂਦੇ ਹਨ ਜਿਸ ਨੂੰ ਇਸਦੀ ਸ਼ਕਲ ਦੇ ਕਾਰਨ ਸਟਾਰ ਸਕੀਮਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਚੌਥੇ ਪੜਾਅ ਵਿੱਚ ਏ ਬਣਾਉਣਾ ਸ਼ਾਮਲ ਹੈ ਡਾਟਾਬੇਸ ਸਟਾਰ ਪੈਟਰਨ ਨੂੰ ਸੰਪੂਰਨ ਕਰਨ ਲਈ ਬਹੁ-ਆਯਾਮੀ। ਅੰਤਮ ਕਦਮ ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ dati ਕੈਪਚਰ ਕਰਨ, ਸਾਫ਼ ਕਰਨ ਅਤੇ ਫਾਰਮੈਟ ਕਰਨ ਲਈ ਪਰਿਵਰਤਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਅਤੇ ਵਿਕਾਸ i dati.

ਕਿਮਬਾਲ ਦੀ ਪਹੁੰਚ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਵਿੱਚ ਪ੍ਰਸਤੁਤ ਕਰਨ ਲਈ ਅਯਾਮੀ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੈ dati ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਇਸਨੂੰ ਸਮਝਣਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਕੁਸ਼ਲ ਭੌਤਿਕ ਡਿਜ਼ਾਈਨ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਅਯਾਮੀ ਮਾਡਲ ਜੋ ਆਸਾਨੀ ਨਾਲ ਦੋਵਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਡਾਟਾਬੇਸ ਰਿਲੇਸ਼ਨਲ ਸੰਪੂਰਨ ਜਾਂ ਸਿਸਟਮ ਹੋ ਸਕਦੇ ਹਨ ਡਾਟਾਬੇਸ ਬਹੁ-ਆਯਾਮੀ। ਇਸ ਦੀਆਂ ਖਾਮੀਆਂ ਵਿੱਚ ਇੱਕ ਦੇ ਅੰਦਰ ਬਹੁਤ ਸਾਰੇ ਸਟਾਰ ਪੈਟਰਨਾਂ ਦੀ ਯੋਜਨਾਬੰਦੀ ਜਾਂ ਏਕੀਕਰਣ ਦੀ ਸਹੂਲਤ ਲਈ ਕੁਝ ਤਕਨੀਕਾਂ ਦੀ ਘਾਟ ਸ਼ਾਮਲ ਹੈ। ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਅਤਿਅੰਤ ਅਸਧਾਰਨ ਬਣਤਰ ਤੋਂ ਇੱਕ ਅਯਾਮੀ ਮਾਡਲ ਵਿੱਚ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਮੁਸ਼ਕਲ dati ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀ ਵਿੱਚ.

ਮੈਕਫੈਡਨ (1996) ਡੇਟਾ ਲਈ ਪਹੁੰਚ ਵੇਅਰਹਾਊਸ ਡਿਜ਼ਾਈਨ

ਮੈਕਫੈਡਨ (1996) ਨੇ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਪੰਜ-ਕਦਮ ਪਹੁੰਚ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 5 ਦੇਖੋ)।
ਉਸਦੀ ਪਹੁੰਚ ਸਾਹਿਤ ਦੇ ਵਿਚਾਰਾਂ ਦੇ ਸੰਸਲੇਸ਼ਣ 'ਤੇ ਅਧਾਰਤ ਹੈ ਅਤੇ ਇੱਕ ਸਿੰਗਲ ਦੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਪਹਿਲੇ ਕਦਮ ਵਿੱਚ ਲੋੜਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ, ਮੈਕਫੈਡਨ ਦੇ ਨੋਟ ਇਕਾਈਆਂ ਦੀ ਪਛਾਣ ਕਰਦੇ ਹਨ dati ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਅਤੇ ਵਾਟਸਨ ਅਤੇ ਫਰੋਲਿਕ (1993) ਪਾਠਕਾਂ ਨੂੰ ਲੋੜਾਂ ਕੈਪਚਰ ਕਰਨ ਲਈ ਹਵਾਲਾ ਦਿੰਦੀਆਂ ਹਨ।
ਦੂਜੇ ਪੜਾਅ ਵਿੱਚ, ਇੱਕ ਹਸਤੀ ਸਬੰਧ ਮਾਡਲ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਫਿਰ ਕੰਪਨੀ ਦੇ ਅਧਿਕਾਰੀਆਂ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ। ਤੀਜੇ ਪੜਾਅ ਵਿੱਚ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਮੈਪਿੰਗ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਚੌਥੇ ਪੜਾਅ ਵਿੱਚ ਵਿਕਾਸ, ਤੈਨਾਤੀ ਅਤੇ ਸਮਕਾਲੀਕਰਨ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਅੰਤਮ ਪੜਾਅ ਵਿੱਚ, ਸਿਸਟਮ ਡਿਲੀਵਰੀ ਇੱਕ ਉਪਭੋਗਤਾ ਇੰਟਰਫੇਸ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਜ਼ੋਰ ਦੇ ਨਾਲ ਵਿਕਸਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਮੈਕਫੈਡਨ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਡਰਾਇੰਗ ਪ੍ਰਕਿਰਿਆ ਆਮ ਤੌਰ 'ਤੇ ਦੁਹਰਾਉਣ ਵਾਲੀ ਹੁੰਦੀ ਹੈ।

ਮੈਕਫੈਡਨ ਦੀ ਪਹੁੰਚ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਕਾਰੋਬਾਰੀ ਨੇਤਾਵਾਂ ਦੀ ਭਾਗੀਦਾਰੀ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਮਹੱਤਤਾ ਵੱਲ ਵੀ ਇਸ਼ਾਰਾ ਕਰਦੀਆਂ ਹਨ। dati, ਉਹਨਾਂ ਦੀ ਸਫਾਈ ਅਤੇ ਸੰਗ੍ਰਹਿ। ਇਸ ਦੀਆਂ ਖਾਮੀਆਂ ਵਿੱਚ ਇੱਕ ਵੱਡੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਤੋੜਨ ਲਈ ਪ੍ਰਕਿਰਿਆ ਦੀ ਘਾਟ ਸ਼ਾਮਲ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕਈ ਏਕੀਕ੍ਰਿਤ ਪੜਾਵਾਂ ਵਿੱਚ, ਅਤੇ

ਦੇ ਡਿਜ਼ਾਈਨ ਵਿਚ ਵਰਤੇ ਗਏ ਇਕਾਈ ਅਤੇ ਰਿਸ਼ਤੇ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਸਮਝਣ ਵਿਚ ਮੁਸ਼ਕਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.

ਇਹ ਸਿਰਫ ਉਹ ਨਹੀਂ ਜੋ ਸਾਡੇ ਨੇੜੇ ਹਨ ਜੋ ਸਾਨੂੰ ਚੁਣਦੇ ਹਨ.