ਆਰਚੀਵ ਡਾਟਾ ਕੇਂਦਰੀ: ਇਤਿਹਾਸ ਅਤੇ ਵਿਕਾਸ
90 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਕਾਰਪੋਰੇਟ ਤਕਨਾਲੋਜੀ ਦੇ ਦੋ ਪ੍ਰਮੁੱਖ ਥੀਮ ਹਨ
ਸਟੇਟਸ i ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ERP. ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇਹ ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹਨ
ਮੌਜੂਦਾ ਕਾਰਪੋਰੇਟ ਆਈ.ਟੀ. ਦੇ ਹਿੱਸੇ ਰਹੇ ਹਨ ਬਿਨਾਂ ਕਦੇ ਕੀਤੇ
ਚੌਰਾਹੇ ਇਹ ਲਗਭਗ ਇਸ ਤਰ੍ਹਾਂ ਸੀ ਜਿਵੇਂ ਉਹ ਪਦਾਰਥ ਅਤੇ ਵਿਰੋਧੀ ਪਦਾਰਥ ਸਨ। ਪਰ
ਦੋਨੋ ਵਰਤਾਰੇ ਦੇ ਵਿਕਾਸ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਇੱਕ ਦੀ ਅਗਵਾਈ ਕੀਤੀ
ਉਹਨਾਂ ਦਾ ਲਾਂਘਾ। ਅੱਜ, ਕੰਪਨੀਆਂ ਦੀ ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ
ERP e ਨਾਲ ਕੀ ਕਰਨਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਹ ਲੇਖ ਦਰਸਾਏਗਾ
ਸਮੱਸਿਆਵਾਂ ਕੀ ਹਨ ਅਤੇ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸ਼ੁਰੂ ਵਿੱਚ…
ਸ਼ੁਰੂ ਵਿਚ ਸੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਲਈ ਪੈਦਾ ਹੋਇਆ ਸੀ
ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਪ੍ਰੋਸੈਸਿੰਗ ਐਪਲੀਕੇਸ਼ਨ ਸਿਸਟਮ ਦਾ ਮੁਕਾਬਲਾ ਕਰੋ।
ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਵਿੱਚ ਦੀ ਯਾਦ dati ਇਹ ਹੋਣ ਦਾ ਮਤਲਬ ਸੀ
ਕੰਪਿਊਟਰ ਪ੍ਰੋਸੈਸਿੰਗ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਸਿਰਫ਼ ਇੱਕ ਵਿਰੋਧੀ ਬਿੰਦੂ
ਲੈਣ-ਦੇਣ ਪਰ ਅੱਜ-ਕੱਲ੍ਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਵਿਚਾਰ ਹਨ
ਕੀ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਅੱਜ ਦੇ ਸੰਸਾਰ ਵਿੱਚ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਹੋ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਬਣਤਰ ਦੇ ਅੰਦਰ ਪਾਇਆ ਗਿਆ ਹੈ
ਕਾਰਪੋਰੇਟ ਸੂਚਨਾ ਫੈਕਟਰੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
ਕਾਰਪੋਰੇਟ ਜਾਣਕਾਰੀ ਫੈਕਟਰੀ
(ਸੀਆਈਐਫ)
ਕਾਰਪੋਰੇਟ ਸੂਚਨਾ ਫੈਕਟਰੀ ਵਿੱਚ ਆਰਕੀਟੈਕਚਰਲ ਹਿੱਸੇ ਹਨ
ਸਟੈਂਡਰਡ: ਕੋਡ ਪਰਿਵਰਤਨ ਅਤੇ ਏਕੀਕਰਣ ਦਾ ਪੱਧਰ
ਜੋ ਕਿ ਆਈ dati ਜਦੋਂ ਕਿ ਮੈਂ dati ਉਹ ਦੇ ਵਾਤਾਵਰਣ ਤੋਂ ਚਲੇ ਜਾਂਦੇ ਹਨ
ਦੇ ਵਾਤਾਵਰਣ ਪ੍ਰਤੀ ਐਪਲੀਕੇਸ਼ਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ; a
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ ਜਿੱਥੇ dati
ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਇਤਿਹਾਸ। ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ
ਬੁਨਿਆਦ ਜਿਸ 'ਤੇ ਹੋਰ ਸਾਰੇ ਹਿੱਸੇ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ
ਦੇ ਵਾਤਾਵਰਣ ਦੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ; ਇੱਕ ਸੰਚਾਲਨ ਡੇਟਾ ਸਟੋਰ (ODS)।
ਇੱਕ ODS ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਬਣਤਰ ਹੈ ਜਿਸ ਵਿੱਚ ਡੇਟਾ ਦੇ ਕੁਝ ਪਹਿਲੂ ਹੁੰਦੇ ਹਨ
ਵੇਅਰਹਾਊਸ ਅਤੇ ਇੱਕ OLTP ਵਾਤਾਵਰਣ ਦੇ ਹੋਰ ਪਹਿਲੂ; ਡਾਟਾ ਮਾਰਟਸ, ਜਿੱਥੇ ਆਈ
ਵੱਖ-ਵੱਖ ਵਿਭਾਗਾਂ ਕੋਲ ਡੇਟਾ ਦਾ ਆਪਣਾ ਸੰਸਕਰਣ ਹੋ ਸਕਦਾ ਹੈ
ਗੋਦਾਮ; a ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਖੋਜ ਦੀ ਜਿਸ ਵਿੱਚ ਆਈ
ਕੰਪਨੀ "ਦਾਰਸ਼ਨਿਕ" ਆਪਣੇ ਸਵਾਲ ਜਮ੍ਹਾਂ ਕਰ ਸਕਦੇ ਹਨ
'ਤੇ ਨੁਕਸਾਨਦੇਹ ਪ੍ਰਭਾਵ ਤੋਂ ਬਿਨਾਂ 72 ਘੰਟੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ; ਅਤੇ ਇੱਕ ਯਾਦ
ਨੇੜੇ ਲਾਈਨ, ਕਿੱਥੇ dati ਪੁਰਾਣੇ ਅਤੇ dati ਬਲਕ ਵੇਰਵੇ ਹੋ ਸਕਦਾ ਹੈ
ਸਸਤੇ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ.
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 ਕੀਤਾ ਗਿਆ ਹੈ,
ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਅਤੇ ਲੋਡ ਕੀਤੇ ਗਏ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੇ. ਦ
ERP ਅਤੇ CIF ਅਤੇ ODS ਵਿਚਕਾਰ ਯੂਨੀਅਨ ਦਾ ਦੂਜਾ ਬਿੰਦੂ। ਅਸਲ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ
ਵਾਤਾਵਰਣ ਵਿੱਚ ERP ਨੂੰ ਇੱਕ ਕਲਾਸਿਕ ODS ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਜੇਕਰ ERP ਨੂੰ ਕੋਰ ਐਪਲੀਕੇਸ਼ਨ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ
ਉਸੇ ਈਆਰਪੀ ਨੂੰ CIF ਵਿੱਚ ODS ਵਜੋਂ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਵਿੱਚ
ਕਿਸੇ ਵੀ ਹਾਲਤ ਵਿੱਚ, ਜੇਕਰ ERP ਨੂੰ ਦੋਵਾਂ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਣਾ ਹੈ, ਉੱਥੇ
ਦੋ ਹਸਤੀਆਂ ਵਿਚਕਾਰ ਸਪਸ਼ਟ ਅੰਤਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਹੋਰ ਸ਼ਬਦਾਂ ਵਿਚ,
ਜਦੋਂ ERP ਕੋਰ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ODS ਦੀ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦਾ ਹੈ,
ਦੋ ਆਰਕੀਟੈਕਚਰਲ ਇਕਾਈਆਂ ਵੱਖਰੀਆਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। ਜੇਕਰ ਇੱਕ ਸਿੰਗਲ
ਇੱਕ ERP ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਦੋਵਾਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ
ਉਸੇ ਸਮੇਂ ਵਿੱਚ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਸਮੱਸਿਆਵਾਂ ਹੋਣਗੀਆਂ
ਇਸ ਢਾਂਚੇ ਦਾ ਡਿਜ਼ਾਈਨ ਅਤੇ ਲਾਗੂ ਕਰਨਾ।
ODS ਅਤੇ ਮੂਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਵੱਖ ਕਰੋ
ਬਹੁਤ ਸਾਰੇ ਕਾਰਨ ਹਨ ਜੋ ਕੰਪੋਨੈਂਟ ਵਿਭਾਜਨ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ
ਆਰਕੀਟੈਕਚਰਲ ਨੂੰ ਵੱਖ ਕਰਨ ਲਈ ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਵਧੀਆ ਸਵਾਲ
ਇੱਕ ਆਰਕੀਟੈਕਚਰ ਦੇ ਵੱਖੋ-ਵੱਖਰੇ ਹਿੱਸੇ ਉਹ ਹਨ ਜੋ ਹਰੇਕ ਭਾਗ ਹਨ
ਆਰਕੀਟੈਕਚਰ ਦਾ ਆਪਣਾ ਨਜ਼ਰੀਆ ਹੈ। ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਕੰਮ ਕਰਦੀ ਹੈ
ODS ਤੋਂ ਵੱਖਰੇ ਉਦੇਸ਼ ਲਈ। ਓਵਰਲੈਪ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ
ODS ਦੀ ਦੁਨੀਆ 'ਤੇ ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਦ੍ਰਿਸ਼ ਜਾਂ ਇਸ ਦੇ ਉਲਟ
ਇਹ ਕੰਮ ਕਰਨ ਦਾ ਸਹੀ ਤਰੀਕਾ ਨਹੀਂ ਹੈ।
ਸਿੱਟੇ ਵਜੋਂ, CIF ਵਿੱਚ ਇੱਕ ERP ਦੀ ਪਹਿਲੀ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ
ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਬੇਸਲਾਈਨ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿਚਕਾਰ ਕੋਈ ਅੰਤਰ ਹੈ
ਓ.ਡੀ.ਐੱਸ.
ਕਾਰਪੋਰੇਟ ਵਿੱਚ ਡੇਟਾ ਮਾਡਲ
ਜਾਣਕਾਰੀ ਫੈਕਟਰੀ
ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਵਿਚਕਾਰ ਏਕਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ
CIF ਦੇ ਆਰਕੀਟੈਕਚਰ ਦਾ, ਦਾ ਇੱਕ ਮਾਡਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ dati. ਮੈਂ
ਦੇ ਮਾਡਲ dati ਉਹ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਲਿੰਕ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ
ਆਰਕੀਟੈਕਚਰ ਜਿਵੇਂ ਕਿ ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ODS। ਦ
ਦੇ ਮਾਡਲ dati ਕੋਲ ਕਰਨ ਲਈ "ਬੌਧਿਕ ਰੋਡ ਮੈਪ" ਬਣੋ
CIF ਦੇ ਵੱਖ-ਵੱਖ ਆਰਕੀਟੈਕਚਰਲ ਕੰਪੋਨੈਂਟਸ ਤੋਂ ਸਹੀ ਅਰਥ।
ਇਸ ਧਾਰਨਾ ਦੇ ਨਾਲ ਹੱਥ ਮਿਲਾਉਂਦੇ ਹੋਏ, ਵਿਚਾਰ ਇਹ ਹੈ ਕਿ ਉੱਥੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਦਾ ਇੱਕ ਮਹਾਨ ਅਤੇ ਵਿਲੱਖਣ ਮਾਡਲ ਬਣੋ dati. ਬੇਸ਼ੱਕ ਉਸ ਨੇ ਕਰਨਾ ਹੈ
ਇੱਕ ਰੋਲ ਮਾਡਲ ਬਣੋ dati ਹਰੇਕ ਹਿੱਸੇ ਲਈ ਅਤੇ ਉੱਥੇ ਵੀ
ਇਹ ਇੱਕ ਸਮਝਦਾਰ ਮਾਰਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ।
ਆਰਕੀਟੈਕਚਰ ਦੇ ਹਰੇਕ ਹਿੱਸੇ - ODS, ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ,
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੰਪਨੀ ਦੀ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਹੋਰ.. - ਇਸਦੀ ਆਪਣੀ ਲੋੜ ਹੈ
ਦਾ ਮਾਡਲ dati. ਅਤੇ ਇਸ ਲਈ ਦੀ ਇੱਕ ਸਟੀਕ ਪਰਿਭਾਸ਼ਾ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ
ਇਹਨਾਂ ਮਾਡਲਾਂ ਵਾਂਗ dati ਉਹ ਇੱਕ ਦੂਜੇ ਨਾਲ ਇੰਟਰਫੇਸ ਕਰਦੇ ਹਨ।
ਮੂਵ I ਡਾਟਾ ਡੇਟਾ ਵਿੱਚ ERP ਦਾ
ਵੇਅਰਹਾਊਸ
ਜੇ ਦਾ ਮੂਲ dati ਇੱਕ ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਹੈ ਅਤੇ/ਜਾਂ ਇੱਕ ODS, ਜਦੋਂ
ERP ਸੰਮਿਲਿਤ ਕਰਦਾ ਹੈ i dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇਹ ਸੰਮਿਲਨ ਲਾਜ਼ਮੀ ਹੈ
"ਗ੍ਰੈਨਿਊਲਿਟੀ" ਦੇ ਸਭ ਤੋਂ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਵਾਪਰਦਾ ਹੈ। ਰੀਕੈਪ ਜਾਂ
ਬਸ ਕੁੱਲ i dati ਜਿਵੇਂ ਕਿ ਉਹ ਬਾਹਰ ਆਉਂਦੇ ਹਨ
ERP ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਤੋਂ ਜਾਂ ERP ODS ਤੋਂ ਨਹੀਂ ਹੈ
ਕਰਨ ਲਈ ਸਹੀ ਗੱਲ. ਦ dati ਡੇਟਾ ਵਿੱਚ ਵੇਰਵੇ ਦੀ ਲੋੜ ਹੈ
DSS ਪ੍ਰਕਿਰਿਆ ਦਾ ਆਧਾਰ ਬਣਾਉਣ ਲਈ ਵੇਅਰਹਾਊਸ। ਅਜਿਹੇ dati
ਡੇਟਾ ਮਾਰਟਸ ਅਤੇ ਖੋਜਾਂ ਦੁਆਰਾ ਉਹਨਾਂ ਨੂੰ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਮੁੜ ਆਕਾਰ ਦਿੱਤਾ ਜਾਵੇਗਾ
Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਦਾ ਵਿਸਥਾਪਨ dati ਬੇਸਲਾਈਨ ਐਪਲੀਕੇਸ਼ਨ ਵਾਤਾਵਰਣ ਤੋਂ
ਦੇ ਵਾਤਾਵਰਣ ਨੂੰ ERP ਦਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਕੰਪਨੀ ਏ ਵਿੱਚ ਬਣੀ ਹੈ
ਵਾਜਬ ਆਰਾਮਦਾਇਕ ਢੰਗ. ਉਸ ਤੋਂ ਬਾਅਦ ਇਹ ਤਬਦੀਲੀ ਹੁੰਦੀ ਹੈ
ERP ਵਿੱਚ ਅੱਪਡੇਟ ਜਾਂ ਰਚਨਾ ਤੋਂ ਲਗਭਗ 24 ਘੰਟੇ। ਦੇ ਤੱਥ
ਦੀ ਇੱਕ "ਆਲਸੀ" ਲਹਿਰ ਹੈ 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 ERP ਦੇ
ਕਾਰੋਬਾਰ ਵਿੱਚ. ਇੱਕ ਹੋਰ ਟੀਚਾ ਪ੍ਰਾਪਤੀਯੋਗ ਅੰਦੋਲਨ ਦਾ ਧੰਨਵਾਦ
"ਆਲਸੀ" ਦੇਵਤੇ dati ਕਾਰਜਸ਼ੀਲ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਵਿਚਕਾਰ ਸਪਸ਼ਟ ਰੂਪ ਰੇਖਾ ਹੈ
ਡੀ.ਐੱਸ.ਐੱਸ. ਦੀ ਇੱਕ "ਤੇਜ਼" ਅੰਦੋਲਨ ਦੇ ਨਾਲ dati ਵੰਡਣ ਵਾਲੀ ਲਾਈਨ
DSS ਅਤੇ ਕਾਰਜਸ਼ੀਲ ਵਿਚਕਾਰ ਅਸਪਸ਼ਟ ਰਹਿੰਦਾ ਹੈ।
ਦੀ ਲਹਿਰ dati ERP ODS ਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
ਕੰਪਨੀ ਦੀ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਆਮ ਤੌਰ 'ਤੇ
ਹਫਤਾਵਾਰੀ 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 ਬਹੁਤ ਜ਼ਿਆਦਾ ਤਾਜ਼ਾ ਹਨ
ਦਾ ਆਦਰ dati ਵਿਚ ਇਤਿਹਾਸਕਾਰ ਪਾਇਆ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਦਾ ਵਿਸਥਾਪਨ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਲਗਭਗ ਕਦੇ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ
"ਥੋਕ" (ਥੋਕ ਵਿਕਰੇਤਾ ਦੇ ਢੰਗ ਨਾਲ)। ਇੱਕ ਸਾਰਣੀ ਦੀ ਨਕਲ ਕਰੋ
ERP ਵਾਤਾਵਰਣ ਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਦਾ ਕੋਈ ਭਾਵ ਨਹੀ ਹੈ. ਇੱਕ ਪਹੁੰਚ
ਦੀਆਂ ਚੁਣੀਆਂ ਗਈਆਂ ਇਕਾਈਆਂ ਦੀ ਗਤੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਯਥਾਰਥਵਾਦੀ ਹੈ dati.
ਸਿਰਫ dati ਜੋ ਡਾਟਾ ਦੇ ਆਖਰੀ ਅਪਡੇਟ ਤੋਂ ਬਾਅਦ ਬਦਲ ਗਏ ਹਨ
ਵੇਅਰਹਾਊਸ ਉਹ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਡੇਟਾ ਵਿੱਚ ਭੇਜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਗੋਦਾਮ ਇਹ ਜਾਣਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਕਿ ਕਿਹੜਾ dati ਉਹਨਾਂ ਨੂੰ ਸੋਧਿਆ ਗਿਆ ਹੈ
ਕਿਉਂਕਿ ਆਖਰੀ ਅਪਡੇਟ ਦੇ ਟਾਈਮਸਟੈਂਪਾਂ ਨੂੰ ਵੇਖਣਾ ਹੈ dati
ERP ਵਾਤਾਵਰਣ ਵਿੱਚ ਪਾਇਆ ਗਿਆ। ਡਿਜ਼ਾਈਨਰ ਸਾਰੇ ਬਦਲਾਅ ਚੁਣਦਾ ਹੈ
ਜੋ ਕਿ ਪਿਛਲੇ ਅੱਪਡੇਟ ਦੇ ਬਾਅਦ ਦਿਖਾਇਆ ਗਿਆ ਹੈ. ਇੱਕ ਹੋਰ ਪਹੁੰਚ
ਪਰਿਵਰਤਨ ਪ੍ਰਾਪਤੀ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ dati. ਨਾਲ
ਇਹ ਤਕਨੀਕ ਕ੍ਰਮ ਵਿੱਚ ਲਾਗ ਅਤੇ ਜਰਨਲ ਟੇਪ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ
ਇਹ ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਕਿਹੜੇ ਹਨ dati ਨੂੰ ERP ਵਾਤਾਵਰਣ ਤੋਂ ਇਸ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਦੇ ਉਹ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਹ ਤਕਨੀਕਾਂ ਵਧੀਆ ਹਨ
ERP ਫਾਈਲਾਂ ਤੋਂ ਕਿੰਨੇ ਲੌਗਸ ਅਤੇ ਜਰਨਲ ਟੇਪਾਂ ਨੂੰ ਪੜ੍ਹਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਹੋਰ ERP ਸਰੋਤਾਂ 'ਤੇ ਹੋਰ ਪ੍ਰਭਾਵ ਤੋਂ ਬਿਨਾਂ।
ਹੋਰ ਉਲਝਣਾਂ
CIF ਵਿੱਚ ERP ਨਾਲ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਹੈ ਕਿ ਦੂਜਿਆਂ ਨਾਲ ਕੀ ਹੁੰਦਾ ਹੈ
ਐਪਲੀਕੇਸ਼ਨ ਸਰੋਤ ਜਾਂ ਏ.ਆਈ dati ODS ਦਾ ਜਿਸ ਵਿੱਚ ਉਹਨਾਂ ਨੂੰ ਯੋਗਦਾਨ ਪਾਉਣਾ ਚਾਹੀਦਾ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪਰ ਉਹ ERP ਵਾਤਾਵਰਣ ਦਾ ਹਿੱਸਾ ਨਹੀਂ ਹਨ। ਨੂੰ ਵੇਖਦੇ ਹੋਏ
ERP ਦੀ ਬੰਦ ਪ੍ਰਕਿਰਤੀ, ਖਾਸ ਕਰਕੇ SAP, ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼
ਦੇ ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਕੁੰਜੀਆਂ dati ਮੈਨੂੰ ਦੇ ਨਾਲ dati ਜੋ ਕਿ ERP ਤੋਂ ਲੈ ਕੇ ਆਉਂਦੇ ਹਨ
ਜਾਣ ਦਾ ਸਮਾਂ i dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇਹ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਹੈ।
ਅਤੇ ਬਿਲਕੁਲ ਕੀ ਸੰਭਾਵਨਾਵਾਂ ਹਨ ਜੋ ਕਿ ਆਈ dati ਐਪਲੀਕੇਸ਼ਨਾਂ ਜਾਂ
ERP ਵਾਤਾਵਰਣ ਤੋਂ ਬਾਹਰ ODS ਨੂੰ ਡੇਟਾ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾਵੇਗਾ
ਗੋਦਾਮ? ਸੰਭਾਵਨਾਵਾਂ ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹਨ।
ਲੱਭੋ ਡਾਟਾ ERP ਤੋਂ ਇਤਿਹਾਸਕ
ਆਈ ਨਾਲ ਇਕ ਹੋਰ ਸਮੱਸਿਆ dati ERP ਦਾ ਨਤੀਜਾ ਹੈ
ਹੋਣ ਦੀ ਲੋੜ ਤੋਂ 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 ਡੇਟਾ ਵਿੱਚ ਇਹ ਜ਼ਰੂਰੀ ਹੈ
ਗੋਦਾਮ ਜਦੋਂ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ dati ਇਤਿਹਾਸਕਾਰ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ
ERP ਵਾਤਾਵਰਣ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਉਹ ਵਾਤਾਵਰਣ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਸਾਫ਼ ਕੀਤਾ. ਉਦਾਹਰਨ ਲਈ, ਮੰਨ ਲਓ ਕਿ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇਬਾ
ਦੇ ਪੰਜ ਸਾਲ ਦੇ ਨਾਲ ਲੋਡ ਕੀਤਾ ਜਾ dati ਇਤਿਹਾਸਕ ਜਦੋਂ ਕਿ ERP ਰੱਖਦਾ ਹੈ
ਇਹਨਾਂ ਵਿੱਚੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਛੇ ਮਹੀਨੇ dati. ਜਦੋਂ ਤੱਕ ਕੰਪਨੀ ਸੰਤੁਸ਼ਟ ਹੈ
ਦਾ ਇੱਕ ਸੈੱਟ ਇਕੱਠਾ ਕਰੋ dati ਸਮੇਂ ਦੇ ਬੀਤਣ ਨਾਲ ਇਤਿਹਾਸਕਾਰ,
ਫਿਰ ਈਆਰਪੀ ਨੂੰ ਸਰੋਤ ਵਜੋਂ ਵਰਤਣ ਵਿੱਚ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਪਰ ਜਦੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਵਾਰ ਵਿੱਚ ਵਾਪਸ ਅਤੇ ਦੇਵਤੇ ਲੈ dati ਇਤਿਹਾਸਕਾਰ ਜੋ ਨਹੀਂ ਸਨ
ਪਹਿਲਾਂ ERP ਦੁਆਰਾ ਇਕੱਤਰ ਕੀਤਾ ਅਤੇ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਫਿਰ ERP ਵਾਤਾਵਰਣ
ਅਕੁਸ਼ਲ ਹੋ ਜਾਂਦਾ ਹੈ।
ਈਆਰਪੀ ਅਤੇ ਮੈਟਾਡਾਟਾ
ERP ਬਾਰੇ ਬਣਾਉਣ ਲਈ ਇੱਕ ਹੋਰ ਵਿਚਾਰ e ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੀ ਉਹ
ERP ਵਾਤਾਵਰਣ ਵਿੱਚ ਮੌਜੂਦਾ ਮੈਟਾਡੇਟਾ 'ਤੇ. ਮੈਟਾਡੇਟਾ ਦੇ ਨਾਲ-ਨਾਲ
ERP ਵਾਤਾਵਰਣ ਤੋਂ IT ਵਾਤਾਵਰਣ ਵਿੱਚ ਜਾਓ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, i
ਮੈਟਾਡੇਟਾ ਨੂੰ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਮੂਵ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਆਈ
ਮੈਟਾਡੇਟਾ ਨੂੰ ਫਾਰਮੈਟ ਅਤੇ ਢਾਂਚੇ ਵਿੱਚ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੁਆਰਾ ਲੋੜੀਂਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇੱਕ ਵੱਡਾ ਹੈ
ਕਾਰਜਸ਼ੀਲ ਮੈਟਾਡੇਟਾ ਅਤੇ DSS ਮੈਟਾਡੇਟਾ ਵਿਚਕਾਰ ਅੰਤਰ। ਮੈਟਾਡੇਟਾ
ਕਾਰਜਸ਼ੀਲ ਮੁੱਖ ਤੌਰ 'ਤੇ ਡਿਵੈਲਪਰ ਅਤੇ ਲਈ ਹਨ
ਪ੍ਰੋਗਰਾਮਰ DSS ਮੈਟਾਡੇਟਾ ਮੁੱਖ ਤੌਰ 'ਤੇ ਉਪਭੋਗਤਾ ਲਈ ਹੈ
ਫਾਈਨਲ. ERP ਐਪਲੀਕੇਸ਼ਨਾਂ ਜਾਂ ODS ਵਿੱਚ ਮੌਜੂਦਾ ਮੈਟਾਡੇਟਾ
ਉਹਨਾਂ ਨੂੰ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਇਹ ਪਰਿਵਰਤਨ ਹਮੇਸ਼ਾ ਆਸਾਨ ਨਹੀਂ ਹੁੰਦਾ
ਅਤੇ ਸਿੱਧਾ.
ਈਆਰਪੀ ਡੇਟਾ ਦੀ ਸੋਰਸਿੰਗ
ਜੇਕਰ ERP ਨੂੰ ਪ੍ਰਦਾਤਾ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ dati ਸੰਕਟ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ci
ਇਸ ਨੂੰ ਇੱਕ ਠੋਸ ਇੰਟਰਫੇਸ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ i ਨੂੰ ਮੂਵ ਕਰਦਾ ਹੈ dati ਵਾਤਾਵਰਣ ਤੋਂ
ਵਾਤਾਵਰਣ ਨੂੰ ERP ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇੰਟਰਫੇਸ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ:
▪ ਵਰਤਣਾ ਆਸਾਨ ਹੋਵੇ
▪ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦਿਓ dati ERP ਦੇ
▪ ਦਾ ਅਰਥ ਲਓ dati ਜੋ ਕਿ ਤਬਦੀਲ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਹਨ
ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
▪ ERP ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਜਾਣੋ ਜੋ ਇਸ ਵਿੱਚ ਪੈਦਾ ਹੋ ਸਕਦੀਆਂ ਹਨ
ਜਦੋਂ 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 ਹੈ
ਵੱਡੀ ਗਲਤੀ. ਬਹੁਤ ਸਾਰੀਆਂ ERP ਤਕਨੀਕਾਂ ਹਨ, ਹਰ ਇੱਕ ਦੀ ਆਪਣੀ
ਤਾਕਤ 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। ਐਪਲੀਕੇਸ਼ਨਾਂ
SAP ਦੇ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਕਈ ਕਿਸਮਾਂ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਸ਼ਾਮਲ ਹਨ। SAP ਕੋਲ ਹੈ
ਹੋਣ ਦੀ ਸਾਖ:
▪ ਬਹੁਤ ਵੱਡਾ
▪ ਲਾਗੂ ਕਰਨਾ ਬਹੁਤ ਔਖਾ ਅਤੇ ਮਹਿੰਗਾ ਹੈ
▪ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਅਤੇ ਸਲਾਹਕਾਰਾਂ ਦੀ ਲੋੜ ਹੈ
ਲਾਗੂ ਕੀਤਾ
▪ ਲਾਗੂ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਲੋਕਾਂ ਦੀ ਲੋੜ ਹੈ
▪ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਲੰਮਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ
ਇਸ ਤੋਂ ਇਲਾਵਾ, SAP ਦੀ ਆਪਣੀ ਖੁਦ ਦੀ ਸਟੋਰੇਜ ਲਈ ਪ੍ਰਸਿੱਧੀ ਹੈ dati molto
ਧਿਆਨ ਨਾਲ, ਕਿਸੇ ਲਈ ਉਹਨਾਂ ਤੱਕ ਪਹੁੰਚਣਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦਾ ਹੈ
SAP ਖੇਤਰ ਤੋਂ ਬਾਹਰੀ ਵਿਅਕਤੀ। SAP ਦੀ ਤਾਕਤ ਉਹ ਹੈ
ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਅਤੇ ਸਟੋਰ ਕਰਨ ਦੇ ਸਮਰੱਥ dati.
ਹਾਲ ਹੀ ਵਿੱਚ SAP ਨੇ ਵਿਸਥਾਰ ਕਰਨ ਦੇ ਆਪਣੇ ਇਰਾਦੇ ਦਾ ਐਲਾਨ ਕੀਤਾ
ਨੂੰ ਇਸ ਦੇ ਕਾਰਜ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਬਹੁਤ ਸਾਰੇ ਫਾਇਦੇ ਅਤੇ ਨੁਕਸਾਨ ਹਨ
ਇੱਕ ਸਪਲਾਇਰ ਵਜੋਂ SAP ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ 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 ਆਵਾਜ਼
ਬਹੁਤ ਸਾਰੇ: SAP ਦਾ ਸੰਸਾਰ ਵਿੱਚ ਕੋਈ ਤਜਰਬਾ ਨਹੀਂ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
ਜੇਕਰ SAP ਦਾ ਸਪਲਾਇਰ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, "ਬਾਹਰ ਕੱਢਣਾ" ਜ਼ਰੂਰੀ ਹੈ
i dati SAP ਤੋਂ ਲੈ ਕੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਦੀ ਮਿਤੀ ਦਾ ਇੱਕ SAP ਦਾ ਟਰੈਕ ਰਿਕਾਰਡ
ਬੰਦ ਸਿਸਟਮ, ਇਸ ਵਿੱਚ SAP ਤੋਂ ਪ੍ਰਾਪਤ ਕਰਨਾ ਆਸਾਨ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ
ਇਹ (???). ਇੱਥੇ 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 ਇਹ ਨਹੀਂ ਚਾਹੁੰਦਾ ਹੈ
ਦੀ ਵਰਤੋਂ ਕਰਨ ਜਾਂ ਬਣਾਉਣ ਲਈ ਦੂਜੇ ਵਿਕਰੇਤਾਵਾਂ ਨਾਲ ਸਹਿਯੋਗ ਕਰੋ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
SAP ਆਪਣੇ ਸਾਰੇ ਸੌਫਟਵੇਅਰ ਨੂੰ ਖੁਦ ਤਿਆਰ ਕਰਨ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ।
ਹਾਲਾਂਕਿ SAP ਇੱਕ ਵੱਡੀ ਅਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕੰਪਨੀ ਹੈ, ਦਾ ਤੱਥ
ELT, OLAP, ਪ੍ਰਸ਼ਾਸਨ ਦੀ ਤਕਨਾਲੋਜੀ ਨੂੰ ਮੁੜ ਲਿਖਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ
ਸਿਸਟਮ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਦਾ ਕੋਰ ਕੋਡ ਡੀਬੀਐਮਐਸ ਇਹ ਸਿਰਫ਼ ਪਾਗਲ ਹੈ।
ਸਪਲਾਇਰਾਂ ਨਾਲ ਸਹਿਯੋਗੀ ਰਵੱਈਆ ਅਪਣਾਉਣ ਦੀ ਬਜਾਏ
di ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਲੰਬੇ ਸਮੇਂ ਤੋਂ, SAP ਨੇ ਉਸ ਪਹੁੰਚ ਦੀ ਪਾਲਣਾ ਕੀਤੀ ਹੈ ਜੋ ਕਿ
ਉਹ "ਬਿਹਤਰ ਜਾਣਦੇ ਹਨ"। ਇਹ ਰਵੱਈਆ ਸਫਲਤਾ ਨੂੰ ਹੌਲੀ ਕਰ ਦਿੰਦਾ ਹੈ
SAP ਦੇ ਖੇਤਰ ਵਿੱਚ ਹੋ ਸਕਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਬਾਹਰੀ ਵਿਕਰੇਤਾਵਾਂ ਨੂੰ ਪਹੁੰਚ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਤੋਂ SAP ਦਾ ਇਨਕਾਰ
ਉਹਨਾਂ ਨੂੰ ਤੁਰੰਤ ਅਤੇ ਕਿਰਪਾ ਨਾਲ dati. ਦੀ ਵਰਤੋਂ ਦਾ ਸਾਰ
un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਤੱਕ ਆਸਾਨ ਪਹੁੰਚ ਹੈ dati. SAP ਦੀ ਪੂਰੀ ਕਹਾਣੀ ਹੈ
ਇਸ ਤੱਕ ਪਹੁੰਚ ਕਰਨਾ 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 ਉਦੋਂ ਤੋਂ ਕਦੇ ਨਹੀਂ ਦੇਖਿਆ
SAP ਅਤੇ ਇਹਨਾਂ ਵੱਡੀਆਂ ਮਾਤਰਾਵਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ dati ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਅਨੁਕੂਲ ਤਕਨਾਲੋਜੀ. SAP ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਇਸ ਬਾਰੇ ਸੂਚਿਤ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ
ਤਕਨੀਕੀ ਰੁਕਾਵਟ ਜੋ ਡੇਟਾ ਖੇਤਰ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਲਈ ਮੌਜੂਦ ਹੈ
ਗੁਦਾਮ
SAP ਦਾ ਕਾਰਪੋਰੇਟ ਸੱਭਿਆਚਾਰ: SAP ਨੇ ਇੱਕ ਕਾਰੋਬਾਰ ਬਣਾਇਆ ਹੈ
i ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ dati ਸਿਸਟਮ ਤੋਂ. ਪਰ ਅਜਿਹਾ ਕਰਨ ਲਈ ਤੁਹਾਡੇ ਕੋਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਇੱਕ ਵੱਖਰੀ ਮਾਨਸਿਕਤਾ. ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ, ਸਾਫਟਵੇਅਰ ਕੰਪਨੀਆਂ ਜੋ ਸਨ
ਇੱਕ ਵਾਤਾਵਰਣ ਵਿੱਚ ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਚੰਗੇ ਨਹੀਂ ਰਹੇ ਹਨ
ਦੂਜੇ ਤਰੀਕੇ ਨਾਲ ਜਾਣ ਲਈ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨਾ. ਜੇਕਰ SAP ਇਸ ਤਰ੍ਹਾਂ ਦਾ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ
ਸਵਿੱਚ ਅਜਿਹਾ ਕਰਨ ਵਾਲੀ ਪਹਿਲੀ ਕੰਪਨੀ ਹੋਵੇਗੀ।
ਸੰਖੇਪ ਵਿੱਚ, ਇਹ ਸ਼ੱਕੀ ਹੈ ਕਿ ਕੀ ਇੱਕ ਕੰਪਨੀ ਨੂੰ ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ
ਇੱਕ ਸਪਲਾਇਰ ਵਜੋਂ SAP ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਬਹੁਤ ਗੰਭੀਰ ਖਤਰੇ ਹਨ
ਇੱਕ ਪਾਸੇ ਅਤੇ ਦੂਜੇ ਪਾਸੇ ਬਹੁਤ ਘੱਟ ਇਨਾਮ। ਪਰ ਇੱਕ ਹੋਰ ਹੈ
ਕਾਰਨ ਜੋ ਡੇਟਾ ਸਪਲਾਇਰ ਵਜੋਂ SAP ਦੀ ਚੋਣ ਨੂੰ ਨਿਰਾਸ਼ ਕਰਦਾ ਹੈ
ਗੋਦਾਮ ਕਿਉਂਕਿ ਹਰ ਕੰਪਨੀ ਦੀ ਇੱਕੋ ਤਾਰੀਖ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ
ਹੋਰ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਦਾ ਗੋਦਾਮ? ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਦਿਲ ਹੈ
ਮੁਕਾਬਲੇ ਦੇ ਫਾਇਦੇ ਦਾ. ਜੇ ਹਰ ਕੰਪਨੀ ਨੇ ਇਹੀ ਅਪਣਾਇਆ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਮੁਸ਼ਕਲ ਹੋਵੇਗਾ, ਹਾਲਾਂਕਿ ਅਸੰਭਵ ਨਹੀਂ,
ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰੋ. ਐਸਏਪੀ ਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਏ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇੱਕ ਕੂਕੀ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹ ਹੈ
ਉਹਨਾਂ ਦੀ "ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰੋ" ਐਪਲੀਕੇਸ਼ਨ ਮਾਨਸਿਕਤਾ ਦਾ ਹੋਰ ਸੰਕੇਤ
ਵਿੱਚ"।
ਕੋਈ ਹੋਰ ERP ਵਿਕਰੇਤਾ SAP ਜਿੰਨਾ ਪ੍ਰਭਾਵੀ ਨਹੀਂ ਹੈ।
ਬਿਨਾਂ ਸ਼ੱਕ ਅਜਿਹੀਆਂ ਕੰਪਨੀਆਂ ਹੋਣਗੀਆਂ ਜੋ SAP ਦੇ ਮਾਰਗ 'ਤੇ ਚੱਲਦੀਆਂ ਹਨ
ਉਹਨਾਂ ਲਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪਰ ਸੰਭਵ ਤੌਰ 'ਤੇ ਇਹ ਤਾਰੀਖ
SAP ਗੋਦਾਮ ਵੱਡੇ, ਮਹਿੰਗੇ ਅਤੇ ਮੰਗ ਵਾਲੇ ਹੋਣਗੇ
ਉਹਨਾਂ ਦੀ ਰਚਨਾ ਲਈ ਸਮਾਂ.
ਇਹਨਾਂ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਬੈਂਕ ਟੈਲਰ ਪ੍ਰੋਸੈਸਿੰਗ ਵਰਗੀਆਂ ਗਤੀਵਿਧੀਆਂ ਸ਼ਾਮਲ ਹਨ,
ਏਅਰਲਾਈਨ ਰਿਜ਼ਰਵੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਸ਼ਿਕਾਇਤਾਂ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ
ਬੀਮਾ, ਅਤੇ ਹੋਰ. ਲੈਣ-ਦੇਣ ਪ੍ਰਣਾਲੀ ਵਧੇਰੇ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਰਹੀ ਸੀ,
ਵਧੇਰੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਕਾਰਜਸ਼ੀਲ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਵਿਚਕਾਰ ਵੱਖ ਕਰਨ ਦੀ ਲੋੜ ਸੀ
ਡੀਐਸਐਸ (ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀ)। ਹਾਲਾਂਕਿ, ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਨਾਲ
ਮਨੁੱਖੀ ਅਤੇ ਵਿਅਕਤੀਗਤ, ਤੁਸੀਂ ਕਦੇ ਵੀ ਆਪਣੇ ਆਪ ਨੂੰ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਸਾਹਮਣਾ ਨਹੀਂ ਕਰਦੇ
ਲੈਣ-ਦੇਣ ਅਤੇ, ਬੇਸ਼ਕ, ਜਦੋਂ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਨੌਕਰੀ 'ਤੇ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ
ਜਾਂ ਕੰਪਨੀ ਨੂੰ ਛੱਡ ਦਿੰਦਾ ਹੈ ਇਹ ਇੱਕ ਲੈਣ-ਦੇਣ ਦਾ ਰਿਕਾਰਡ ਹੈ।
ਪਰ ਹੋਰ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮੁਕਾਬਲੇ, ਮਨੁੱਖੀ ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ
ਨਿੱਜੀ ਲੋਕਾਂ ਕੋਲ ਬਹੁਤ ਸਾਰੇ ਲੈਣ-ਦੇਣ ਨਹੀਂ ਹੁੰਦੇ ਹਨ। ਇਸ ਲਈ, ਵਿੱਚ
ਮਨੁੱਖੀ ਵਸੀਲੇ ਅਤੇ ਕਰਮਚਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹਨ ਕਿ ਉੱਥੇ ਹੈ
ਇੱਕ ਡਾਟਾਵੇਅਰਹਾਊਸ ਦੀ ਲੋੜ ਹੈ। ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਇਹ ਪ੍ਰਣਾਲੀਆਂ
DSS ਸਿਸਟਮਾਂ ਦੇ ਅਭੇਦ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਪਰ ਇੱਕ ਹੋਰ ਕਾਰਕ ਹੈ ਜਿਸਨੂੰ ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜੇਕਰ ਤੁਹਾਨੂੰ ਕਰਨਾ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ PeopleSoft ਨਾਲ ਕਰੋ। ਬਹੁਤ ਸਾਰੇ ਵਾਤਾਵਰਣ ਵਿੱਚ, i dati
ਮਨੁੱਖੀ ਅਤੇ ਨਿੱਜੀ ਸਰੋਤ ਕਾਰੋਬਾਰ ਲਈ ਸੈਕੰਡਰੀ ਹਨ
ਕੰਪਨੀ ਦੇ ਮੁਖੀ. ਜ਼ਿਆਦਾਤਰ ਕੰਪਨੀਆਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ
ਨਿਰਮਾਣ, ਵਿਕਰੀ, ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨਾ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਹੋਰ. ਦ
ਐਚਆਰ ਅਤੇ ਕਰਮਚਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਆਮ ਤੌਰ 'ਤੇ ਸੈਕੰਡਰੀ ਹੁੰਦੀਆਂ ਹਨ (ਜਾਂ
ਸਹਾਇਤਾ) ਕੰਪਨੀ ਦੀ ਮੁੱਖ ਵਪਾਰਕ ਲਾਈਨ ਲਈ। ਇਸ ਲਈ, ਇਹ ਹੈ
ਅਸੁਵਿਧਾਜਨਕ ਅਤੇ ਅਸੁਵਿਧਾਜਨਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਲਈ ਵੱਖਰਾ
ਮਨੁੱਖੀ ਅਤੇ ਨਿੱਜੀ ਸਰੋਤਾਂ ਲਈ ਸਹਾਇਤਾ।
ਪੀਪਲਸੌਫਟ ਇਸ ਸਬੰਧ ਵਿੱਚ SAP ਤੋਂ ਬਹੁਤ ਵੱਖਰਾ ਹੈ। SAP ਦੇ ਨਾਲ, ਇਹ ਹੈ
ਲਾਜ਼ਮੀ ਹੈ ਕਿ ਉੱਥੇ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. PeopleSoft ਨਾਲ, ਇਹ ਨਹੀਂ ਹੈ
ਫਿਰ ਸਾਫ. ਪੀਪਲਸੌਫਟ ਦੇ ਨਾਲ ਇੱਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਿਕਲਪਿਕ ਹੈ।
ਆਈ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਗੱਲ ਇਹ ਕਹੀ ਜਾ ਸਕਦੀ ਹੈ dati PeopleSoft ਉਹ ਡਾਟਾ ਹੈ
ਵੇਅਰਹਾਊਸ ਨੂੰ ਆਰਕਾਈਵ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ dati ਬਾਰੇ
ਪੁਰਾਣੇ ਮਨੁੱਖੀ ਅਤੇ ਨਿੱਜੀ ਸਰੋਤ. ਲਈ ਇੱਕ ਦੂਜਾ ਕਾਰਨ
ਜਿਸ ਨੂੰ ਇੱਕ ਕੰਪਨੀ ਵਰਤਣਾ ਚਾਹੇਗੀ a ਡਾਟਾ ਵੇਅਰਹਾਊਸ a
ਪੀਪਲਸੌਫਟ ਵਾਤਾਵਰਣ ਦਾ ਨੁਕਸਾਨ ਪਹੁੰਚ ਦੀ ਆਗਿਆ ਦੇਣਾ ਹੈ ਅਤੇ
ਵਿਸ਼ਲੇਸ਼ਣ ਸਾਧਨਾਂ ਤੱਕ ਮੁਫਤ ਪਹੁੰਚ, ਏ.ਆਈ dati PeopleSoft ਦੁਆਰਾ. ਪਰ
ਇਹਨਾਂ ਕਾਰਨਾਂ ਤੋਂ ਇਲਾਵਾ, ਅਜਿਹੇ ਕੇਸ ਵੀ ਹੋ ਸਕਦੇ ਹਨ ਜਿੱਥੇ ਇਹ ਨਾ ਕਰਨਾ ਬਿਹਤਰ ਹੁੰਦਾ ਹੈ
ਲਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹੈ dati ਲੋਕ ਸੌਫਟ.
ਸਾਰੰਸ਼ ਵਿੱਚ
ਇੱਕ ਡੇਟਾ ਦੇ ਨਿਰਮਾਣ ਬਾਰੇ ਬਹੁਤ ਸਾਰੇ ਵਿਚਾਰ ਹਨ
ਇੱਕ ERP ਸੌਫਟਵੇਅਰ ਦੇ ਅੰਦਰ ਵੇਅਰਹਾਊਸ।
ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਹਨ:
▪ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਸਮਾਨ ਹੈ
ਉਦਯੋਗ ਵਿੱਚ ਹੋਰ?
▪ 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"?
▪ ਟਰੇਸ ਲੌਗਿੰਗ ਕੀ ਹੈ ਜੋ ERP ਵਿਕਰੇਤਾ ਕਰਦਾ ਹੈ
ਆਸਾਨ ਅਤੇ ਸਸਤੇ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ, ਸਮੇਂ ਦੇ ਰੂਪ ਵਿੱਚ, ਏ.ਆਈ dati? (ਕੀ
ERP ਵਿਕਰੇਤਾ ਸਸਤੇ ਦੀ ਡਿਲਿਵਰੀ 'ਤੇ ਟਰੈਕ ਰਿਕਾਰਡ ਹੈ, 'ਤੇ
ਸਮਾਂ, ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਕਰਨਾ ਆਸਾਨ ਹੈ?)
▪ DSS ਆਰਕੀਟੈਕਚਰ ਬਾਰੇ ਤੁਹਾਡੀ ਕੀ ਸਮਝ ਹੈ ਅਤੇ
ERP ਵਿਕਰੇਤਾ ਦੁਆਰਾ "ਕਾਰਪੋਰੇਟ ਜਾਣਕਾਰੀ ਫੈਕਟਰੀ"?
▪ ERP ਵਿਕਰੇਤਾ ਸਮਝਦੇ ਹਨ ਕਿ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ dati all'interno
ਵਾਤਾਵਰਣ ਦੇ, ਪਰ ਇਹ ਵੀ ਸਮਝਣਾ ਹੈ ਕਿ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਨਿਰਯਾਤ ਕਰਨਾ ਹੈ?
▪ ਈਆਰਪੀ ਵਿਕਰੇਤਾ ਟੂ ਡੇਟ ਟੂਲਸ ਕਿੰਨਾ ਖੁੱਲ੍ਹਾ ਹੈ
ਵੇਅਰਹਾਊਸਿੰਗ?
ਇਹ ਸਾਰੇ ਵਿਚਾਰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ
ਕਿੱਥੇ ਪਾਉਣਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜੋ ਕਿ ਮੇਜ਼ਬਾਨੀ ਕਰੇਗਾ i dati ERP ਅਤੇ ਹੋਰ ਦੇ
dati. ਆਮ ਤੌਰ 'ਤੇ, ਜਦੋਂ ਤੱਕ ਕੋਈ ਮਜਬੂਰ ਕਰਨ ਵਾਲਾ ਕਾਰਨ ਨਹੀਂ ਹੁੰਦਾ
ਨਹੀਂ ਤਾਂ, ਇਸ ਨੂੰ ਬਣਾਉਣ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਬਾਹਰ
ERP ਵਿਕਰੇਤਾ ਦੇ ਵਾਤਾਵਰਣ ਤੋਂ।
ਅਧਿਆਇ 1
BI ਸੰਗਠਨ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ
ਮੁੱਖ ਨੁਕਤੇ:
ਜਾਣਕਾਰੀ ਰਿਪੋਜ਼ਟਰੀਆਂ ਦੂਜੇ ਤਰੀਕੇ ਨਾਲ ਕੰਮ ਕਰਦੀਆਂ ਹਨ
ਬਿਜ਼ਨਸ ਇੰਟੈਲੀਜੈਂਸ (BI) ਆਰਕੀਟੈਕਚਰ ਲਈ:
ਕਾਰਪੋਰੇਟ ਕਲਚਰ ਅਤੇ ਆਈਟੀ ਸਫਲਤਾ ਨੂੰ ਸੀਮਤ ਕਰ ਸਕਦੇ ਹਨ
BI ਸੰਸਥਾਵਾਂ ਬਣਾਉਣਾ।
ਤਕਨਾਲੋਜੀ ਹੁਣ BI ਸੰਸਥਾਵਾਂ ਲਈ ਸੀਮਤ ਕਾਰਕ ਨਹੀਂ ਹੈ। ਦ
ਆਰਕੀਟੈਕਟਾਂ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰਾਂ ਲਈ ਸਮੱਸਿਆ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੀ
ਤਕਨਾਲੋਜੀ ਮੌਜੂਦ ਹੈ, ਪਰ ਜੇ ਉਹ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਨ
ਉਪਲਬਧ ਤਕਨਾਲੋਜੀ.
ਕਈ ਕੰਪਨੀਆਂ ਲਈ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਗੋਦਾਮ ਨਾਲੋਂ ਥੋੜਾ ਹੋਰ ਹੈ
ਪੈਸਿਵ ਜੋ ਵੰਡਦਾ ਹੈ i dati ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਸਦੀ ਲੋੜ ਹੈ। ਦ dati
ਉਹ ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਕੱਢੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਨਿਸ਼ਾਨਾ ਬਣਤਰਾਂ ਵਿੱਚ ਭਰੇ ਜਾਂਦੇ ਹਨ
di ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਮੈਂ dati ਉਹ ਵੀ ਸਭ ਦੇ ਨਾਲ ਸਾਫ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਕਿਸਮਤ. ਹਾਲਾਂਕਿ ਕੋਈ ਵਾਧੂ ਮੁੱਲ ਵੀ ਨਹੀਂ ਜੋੜਿਆ ਗਿਆ ਹੈ
ਦੁਆਰਾ ਇਕੱਠਾ ਕੀਤਾ dati ਇਸ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ.
ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ, ਪੈਸਿਵ Dw, ਸਭ ਤੋਂ ਵਧੀਆ, ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ
ਸਿਰਫ਼ i dati ਉਪਭੋਗਤਾ ਐਸੋਸੀਏਸ਼ਨਾਂ ਲਈ ਸਾਫ਼ ਅਤੇ ਕਾਰਜਸ਼ੀਲ। ਉੱਥੇ
ਜਾਣਕਾਰੀ ਸਿਰਜਣਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਸਮਝ ਨਿਰਭਰ ਕਰਦੀ ਹੈ
ਪੂਰੀ ਤਰ੍ਹਾਂ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ. ਨਿਰਣਾ ਕਰੋ ਕਿ ਕੀ DW (ਡੇਟਾ ਵੇਅਰਹਾhouseਸ) ਹੈ
ਸਫਲਤਾ ਵਿਅਕਤੀਗਤ ਹੈ। ਜੇਕਰ ਅਸੀਂ ਸਫਲਤਾ ਦਾ ਨਿਰਣਾ ਕਰਦੇ ਹਾਂ
ਕੁਸ਼ਲਤਾ ਨਾਲ ਇਕੱਠਾ ਕਰਨ, ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਅਤੇ ਸਾਫ਼ ਕਰਨ ਦੀ ਸਮਰੱਥਾ i dati
ਇੱਕ ਪੂਰਵ ਅਨੁਮਾਨ ਦੇ ਆਧਾਰ 'ਤੇ ਕਾਰਪੋਰੇਟ, ਫਿਰ ਹਾਂ, DW ਇੱਕ ਸਫਲਤਾ ਹੈ।
ਦੂਜੇ ਪਾਸੇ, ਜੇਕਰ ਅਸੀਂ ਸੰਗ੍ਰਹਿ, ਇਕਸਾਰਤਾ ਅਤੇ ਲੋ
ਜਾਣਕਾਰੀ ਦਾ ਸ਼ੋਸ਼ਣ, ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਸੰਗਠਨ
DW ਇੱਕ ਅਸਫਲਤਾ ਹੈ। ਇੱਕ DW ਬਹੁਤ ਘੱਟ ਜਾਂ ਕੋਈ ਮੁੱਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ
ਜਾਣਕਾਰੀ। ਨਤੀਜੇ ਵਜੋਂ, ਉਪਭੋਗਤਾ ਅਜਿਹਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਹਨ,
ਇਸ ਤਰ੍ਹਾਂ ਜਾਣਕਾਰੀ ਸਿਲੋਜ਼ ਬਣਾਉਣਾ। ਇਹ ਅਧਿਆਇ ਪੇਸ਼ ਕਰਦਾ ਹੈ
BI (ਕਾਰੋਬਾਰ) ਦੇ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਲਈ ਇੱਕ ਪੂਰੀ ਦ੍ਰਿਸ਼ਟੀ
ਇੰਟੈਲੀਜੈਂਸ) ਕੰਪਨੀ ਦੀ. ਆਉ BI e ਦੇ ਵਰਣਨ ਨਾਲ ਸ਼ੁਰੂ ਕਰੀਏ
ਫਿਰ ਅਸੀਂ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਵਿਚਾਰ ਵਟਾਂਦਰੇ ਵਿੱਚ ਅੱਗੇ ਵਧਾਂਗੇ ਅਤੇ
ਜਾਣਕਾਰੀ ਦਾ ਵਿਕਾਸ ਕਰਨਾ, ਸਿਰਫ਼ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਉਲਟ i dati
ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ. ਚਰਚਾ ਫਿਰ ਦੀ ਗਣਨਾ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ
ਤੁਹਾਡੇ BI ਯਤਨਾਂ ਦਾ ਮੁੱਲ। ਅਸੀਂ ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਕੇ ਸਿੱਟਾ ਕੱਢਦੇ ਹਾਂ ਕਿ ਕਿਵੇਂ IBM
ਤੁਹਾਡੀ ਸੰਸਥਾ ਦੀਆਂ BI ਆਰਕੀਟੈਕਚਰਲ ਲੋੜਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ।
ਦੇ ਆਰਕੀਟੈਕਚਰ ਦਾ ਵੇਰਵਾ
BI ਸੰਸਥਾ
ਸ਼ਕਤੀਸ਼ਾਲੀ ਟ੍ਰਾਂਜੈਕਸ਼ਨ-ਅਧਾਰਿਤ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਹੁਣ ਹਨ
ਹਰ ਵੱਡੇ ਉੱਦਮ ਵਿੱਚ ਆਮ, ਜਿਵੇਂ ਕਿ ਉਹ ਪੱਧਰ
ਦੁਨੀਆ ਭਰ ਦੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਖੇਡ ਦਾ ਖੇਤਰ.
ਬਾਕੀ ਪ੍ਰਤੀਯੋਗੀ, ਹਾਲਾਂਕਿ, ਹੁਣ ਸਿਸਟਮਾਂ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਤੌਰ 'ਤੇ ਲੋੜੀਂਦਾ ਹੈ
ਜਿਸ ਵੱਲ ਪੂਰਵ ਸੰਪਾਦਨ ਦੀ ਮੁੜ ਖੋਜ ਕਰਕੇ ਕੰਪਨੀ ਦੀ ਯੋਗਤਾ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆ ਸਕਦੀ ਹੈ
ਉਹਨਾਂ ਕੋਲ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਇਹ ਸਿਸਟਮ
ਵਿਸ਼ਲੇਸ਼ਕ ਦੀ ਅਮੀਰੀ ਤੋਂ ਸਮਝ ਤੋਂ ਲਿਆ ਜਾਂਦਾ ਹੈ dati
ਉਪਲੱਬਧ. BI ਸਾਰੀ ਜਾਣਕਾਰੀ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ
ਕੰਪਨੀ ਦੇ. ਕੰਪਨੀਆਂ ਗਾਹਕ-ਤੋਂ-ਗਾਹਕ ਸਬੰਧਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੀਆਂ ਹਨ
ਸਪਲਾਇਰ, ਉਤਪਾਦਾਂ ਅਤੇ ਸੇਵਾਵਾਂ ਦੇ ਲਾਭ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦੇ ਹਨ, ਪੈਦਾ ਕਰਦੇ ਹਨ
ਨਵੀਆਂ ਅਤੇ ਬਿਹਤਰ ਪੇਸ਼ਕਸ਼ਾਂ, ਤੁਹਾਡੇ ਜੋਖਮ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰੋ ਅਤੇ ਕਈ ਹੋਰਾਂ ਵਿੱਚ
ਕਮਾਈ ਖਰਚਿਆਂ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਘਟਾਉਂਦੀ ਹੈ। BI ਤੁਹਾਡੇ ਨਾਲ
ਕੰਪਨੀ ਅੰਤ ਵਿੱਚ ਗਾਹਕ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦੀ ਹੈ
ਦੇ ਉਦੇਸ਼ਾਂ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਪ੍ਰਤੀਯੋਗੀ ਚੰਗੇ ਧੰਨਵਾਦ ਵਜੋਂ
ਬਾਜ਼ਾਰ.
ਸਹੀ ਕਾਰੋਬਾਰ ਹੋਣ ਦਾ ਮਤਲਬ ਹੈ ਨਿਸ਼ਚਿਤ ਜਵਾਬਾਂ ਦਾ ਹੋਣਾ
ਮੁੱਖ ਸਵਾਲ ਜਿਵੇਂ ਕਿ:
▪ ਸਾਡੇ ਵਿੱਚੋਂ ਕਿਹੜਾ ਗਾਹਕ ਉਹ ਸਾਨੂੰ ਹੋਰ ਕਮਾਉਂਦੇ ਹਨ, ਜਾਂ ਅਸੀਂ
ਕੀ ਉਹ ਨੁਕਸਾਨ ਕਰਦੇ ਹਨ?
▪ ਜਿੱਥੇ ਸਾਡਾ ਸਭ ਤੋਂ ਵਧੀਆ ਰਹਿੰਦਾ ਹੈ ਗਾਹਕ ਦੇ ਸਬੰਧ ਵਿੱਚ ਦੁਕਾਨ/
ਵੇਅਰਹਾਊਸ ਕਿ ਉਹ ਅਕਸਰ?
▪ ਸਾਡੇ ਕਿਹੜੇ ਉਤਪਾਦ ਅਤੇ ਸੇਵਾਵਾਂ ਜ਼ਿਆਦਾ ਵੇਚੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ
ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਅਤੇ ਕਿਸ ਨੂੰ?
▪ ਕਿਹੜੇ ਉਤਪਾਦ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਅਤੇ ਕਿਸ ਨੂੰ ਵੇਚੇ ਜਾ ਸਕਦੇ ਹਨ?
▪ ਕਿਹੜੀ ਵਿਕਰੀ ਮੁਹਿੰਮ ਸਭ ਤੋਂ 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 ਨੇ dati ਜਵਾਬ ਦੇਣ ਲਈ ਮੋਟਾ
ਇਹ ਸਵਾਲ.
ਸੰਚਾਲਨ ਪ੍ਰਣਾਲੀਆਂ ਉਤਪਾਦ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ, ਦੇ
ਗਾਹਕ ਅਤੇ ਦਾ dati ਵਿਕਰੀ ਦੇ ਬਿੰਦੂਆਂ ਤੋਂ ਮਾਰਕੀਟ, ਰਿਜ਼ਰਵੇਸ਼ਨ,
ਗਾਹਕ ਸੇਵਾ ਅਤੇ ਤਕਨੀਕੀ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ। ਚੁਣੌਤੀ ਹੈ
ਐਕਸਟਰੈਕਟ ਅਤੇ ਇਸ ਜਾਣਕਾਰੀ ਦਾ ਸ਼ੋਸ਼ਣ.
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 ਪੈਦਾ ਹੁੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ
"ਸਰਕਾਰੀ ਰਿਪੋਰਟਾਂ", ਅਤੇ ਹੋਰ ਖਰੀਦੀ ਗਈ ਜਾਣਕਾਰੀ, ਇੱਕ ਹਨ
ਸੋਨੇ ਦੀ ਖਾਨ ਸਿਰਫ਼ ਖੋਜੇ ਜਾਣ ਦੀ ਉਡੀਕ ਕਰ ਰਹੀ ਹੈ, ਈ dati ਲਾਜ਼ਮੀ ਹੈ
ਸਿਰਫ਼ ਤੁਹਾਡੇ ਜਾਣਕਾਰੀ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸੁਧਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਸੰਸਥਾ।
ਇਸ ਗਿਆਨ ਨੂੰ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ, ਭਿੰਨਤਾਵਾਂ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਇੱਕ ਸਮੁੱਚੀ ਕਾਰਪੋਰੇਟ ਰਣਨੀਤੀ ਤਿਆਰ ਕਰਨ ਤੋਂ ਲੈ ਕੇ
ਸਪਲਾਇਰਾਂ ਨਾਲ ਨਿੱਜੀ ਸੰਚਾਰ, ਕਾਲ ਸੈਂਟਰਾਂ ਰਾਹੀਂ,
ਚਲਾਨ, ਇੰਟਰਨੈੱਟ ' ਅਤੇ ਹੋਰ ਬਿੰਦੂ. ਅੱਜ ਦਾ ਕਾਰੋਬਾਰੀ ਮਾਹੌਲ ਹੁਕਮ ਦਿੰਦਾ ਹੈ
ਕਿ DW ਅਤੇ ਸੰਬੰਧਿਤ BI ਹੱਲ ਇਸ ਤੋਂ ਪਰੇ ਵਿਕਸਤ ਹੁੰਦੇ ਹਨ
ਪਰੰਪਰਾਗਤ ਢਾਂਚਿਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ dati ਜੋ ਕਿ ਆਈ dati ਨੂੰ ਆਮ ਕੀਤਾ ਗਿਆ ਹੈ
ਪਰਮਾਣੂ-ਪੱਧਰ ਅਤੇ "ਸਟਾਰ/ਕਿਊਬ ਫਾਰਮ"।
ਪ੍ਰਤੀਯੋਗੀ ਬਣੇ ਰਹਿਣ ਲਈ ਕੀ ਲੋੜ ਹੈ ਦਾ ਸੰਯੋਜਨ ਹੈ
ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਰਵਾਇਤੀ ਅਤੇ ਉੱਨਤ ਤਕਨਾਲੋਜੀਆਂ a
ਵਿਸ਼ਾਲ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਲੈਂਡਸਕੇਪ.
ਸਿੱਟਾ ਕੱਢਣ ਲਈ, ਆਮ ਵਾਤਾਵਰਣ ਨੂੰ ਗਿਆਨ ਨੂੰ ਵਧਾਉਣਾ ਚਾਹੀਦਾ ਹੈ
ਕੰਪਨੀ ਦੇ ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਕਾਰਵਾਈਆਂ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ
ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਲਾਭਦਾਇਕ ਹੁੰਦੇ ਹਨ ਤਾਂ ਜੋ ਹਰ ਕੋਈ ਕਰ ਸਕੇ
ਲਾਭ
ਉਦਾਹਰਨ ਲਈ, ਮੰਨ ਲਓ ਕਿ ਤੁਸੀਂ ਆਪਣਾ ਵਰਗੀਕਰਨ ਕਰੋ ਗਾਹਕ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ
ਉੱਚ ਜਾਂ ਘੱਟ ਜੋਖਮ.
ਜੇਕਰ ਇਹ ਜਾਣਕਾਰੀ ਕਿਸੇ ਐਕਸਟਰੈਕਟਿੰਗ ਮਾਡਲ ਤੋਂ ਤਿਆਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਾਂ
ਹੋਰ ਸਾਧਨ, Dw ਵਿੱਚ ਰੱਖੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ ਅਤੇ ਇਸ ਤੱਕ ਪਹੁੰਚਯੋਗ ਬਣਾਏ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ
ਕੋਈ ਵੀ, ਕਿਸੇ ਵੀ ਪਹੁੰਚ ਸਾਧਨ ਦੇ ਜ਼ਰੀਏ, ਜਿਵੇਂ ਕਿ i
ਵਿੱਚ ਸਥਿਰ ਰਿਪੋਰਟਾਂ, ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ, ਟੇਬਲਾਂ, ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਪ੍ਰੋਸੈਸਿੰਗ
ਲਾਈਨ (OLAP)।
ਹਾਲਾਂਕਿ, ਵਰਤਮਾਨ ਵਿੱਚ, ਇਸ ਕਿਸਮ ਦੀ ਬਹੁਤ ਸਾਰੀ ਜਾਣਕਾਰੀ
silos ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ dati ਉਹਨਾਂ ਵਿਅਕਤੀਆਂ ਜਾਂ ਵਿਭਾਗਾਂ ਦਾ ਜੋ ਉਹ ਤਿਆਰ ਕਰਦੇ ਹਨ
ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਸਥਾ, ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ, ਬਹੁਤ ਘੱਟ ਜਾਂ ਕੋਈ ਦਿੱਖ ਨਹੀਂ ਹੈ
ਸਮਝ ਲਈ. ਬਸ ਇਸ ਕਿਸਮ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਮਿਲਾਉਣਾ
ਤੁਹਾਡੀ ਕੰਪਨੀ ਡੀਡਬਲਯੂ ਵਿੱਚ ਜਾਣਕਾਰੀ ਜਿਸ ਦੇ ਤੁਸੀਂ ਸਿਲੋਜ਼ ਨੂੰ ਖਤਮ ਕਰ ਸਕਦੇ ਹੋ
ਜਾਣਕਾਰੀ ਅਤੇ ਆਪਣੇ DW ਵਾਤਾਵਰਣ ਨੂੰ ਉੱਚਾ ਚੁੱਕੋ।
ਕਿਸੇ ਸੰਸਥਾ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਦੋ ਵੱਡੀਆਂ ਰੁਕਾਵਟਾਂ ਹਨ
BI ਦੇ.
ਪਹਿਲਾਂ, ਸਾਡੇ ਕੋਲ ਸੰਗਠਨ ਦੀ ਸਮੱਸਿਆ ਹੈ
ਸੰਬੰਧਿਤ ਅਨੁਸ਼ਾਸਨ ਦੇ.
ਭਾਵੇਂ ਅਸੀਂ ਨੀਤੀ ਤਬਦੀਲੀਆਂ ਵਿੱਚ ਮਦਦ ਨਹੀਂ ਕਰ ਸਕਦੇ
ਦੇ ਭਾਗਾਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਾਂ
ਇੱਕ BI ਸੰਸਥਾ, ਇਸਦਾ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਕਿਵੇਂ
IBM ਤਕਨਾਲੋਜੀ ਇਸਦੇ ਵਿਕਾਸ ਦੀ ਸਹੂਲਤ ਦਿੰਦੀ ਹੈ।
ਦੂਰ ਕਰਨ ਲਈ ਦੂਜੀ ਰੁਕਾਵਟ ਤਕਨਾਲੋਜੀ ਦੀ ਘਾਟ ਹੈ
ਏਕੀਕ੍ਰਿਤ ਅਤੇ ਇੱਕ ਵਿਧੀ ਦਾ ਗਿਆਨ ਜੋ ਪੂਰੀ ਸਪੇਸ ਨੂੰ ਯਾਦ ਕਰਦਾ ਹੈ
BI ਦਾ ਸਿਰਫ਼ ਇੱਕ ਛੋਟੇ ਹਿੱਸੇ ਦੇ ਉਲਟ।
IBM ਟੈਕਨਾਲੋਜੀ ਵਿੱਚ ਬਦਲਾਅ ਦੇ ਨਾਲ ਸ਼ਰਤਾਂ ਵਿੱਚ ਆ ਰਿਹਾ ਹੈ
ਏਕੀਕ੍ਰਿਤ ਦੇ. ਡਿਜ਼ਾਈਨ ਪ੍ਰਦਾਨ ਕਰਨਾ ਤੁਹਾਡੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ
ਸਵੈ ਚੇਤੰਨ. ਇਸ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਟੈਕਨਾਲੋਜੀ ਬਿਨਾਂ ਰੁਕਾਵਟਾਂ ਦੇ ਏਕੀਕਰਣ ਲਈ ਚੁਣੀ ਗਈ ਹੈ, ਜਾਂ ਘੱਟੋ-ਘੱਟ ਨਾਲ
ਤਕਨਾਲੋਜੀ ਜੋ ਖੁੱਲੇ ਮਿਆਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਹਾਡਾ
ਕੰਪਨੀ ਪ੍ਰਬੰਧਨ ਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ Bi Enterprise ਹੈ
ਪ੍ਰੋਗਰਾਮ ਦੇ ਅਨੁਸਾਰ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਇਸਦੀ ਆਗਿਆ ਨਾ ਦੇਣ ਲਈ
ਸਵੈ-ਸੇਵਾ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਜਾਣਕਾਰੀ ਸਿਲੋਜ਼ ਦਾ ਵਿਕਾਸ
ਏਜੰਡਾ, ਜਾਂ ਉਦੇਸ਼।
ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ BI ਵਾਤਾਵਰਣ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਨਹੀਂ ਹੈ
ਵੱਖ-ਵੱਖ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਵੱਖੋ ਵੱਖਰੀਆਂ ਲੋੜਾਂ ਅਤੇ ਲੋੜਾਂ 'ਤੇ ਪ੍ਰਤੀਕ੍ਰਿਆ; ਇਸ ਦੀ ਬਜਾਏ, ਇਸਦਾ ਮਤਲਬ ਹੈ
ਉਹਨਾਂ ਵਿਅਕਤੀਗਤ ਲੋੜਾਂ ਅਤੇ ਲੋੜਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਹੈ
ਪੂਰੀ BI ਸੰਸਥਾ ਦੇ ਫਾਇਦੇ ਲਈ ਕੀਤਾ ਗਿਆ।
BI ਸੰਸਥਾ ਆਰਕੀਟੈਕਚਰ ਦਾ ਵੇਰਵਾ ਹੋ ਸਕਦਾ ਹੈ
ਚਿੱਤਰ 9 ਵਿੱਚ ਪੰਨਾ 1.1 'ਤੇ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਆਰਕੀਟੈਕਚਰ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਹੈ
ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨੀਕਾਂ ਦਾ ਇੱਕ ਅਮੀਰ ਸੁਮੇਲ।
ਪਰੰਪਰਾਗਤ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਹੇਠ ਲਿਖੇ ਭਾਗ ਸ਼ਾਮਲ ਹਨ
ਗੋਦਾਮ ਦੇ
ਪਰਮਾਣੂ ਪਰਤ.
ਇਹ ਬੁਨਿਆਦ ਹੈ, ਪੂਰੇ Dw ਦਾ ਦਿਲ ਹੈ ਅਤੇ ਇਸਲਈ ਦਾ
ਰਣਨੀਤਕ ਰਿਪੋਰਟਿੰਗ.
I dati ਇੱਥੇ ਸਟੋਰ ਕੀਤੀ ਇਤਿਹਾਸਕ ਅਖੰਡਤਾ, ਦੇ ਸਬੰਧਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖੇਗਾ
dati ਅਤੇ ਉਤਪੰਨ ਮੈਟ੍ਰਿਕਸ ਸ਼ਾਮਲ ਕਰੋ, ਨਾਲ ਹੀ ਸਾਫ਼ ਹੋਣਾ,
ਏਕੀਕ੍ਰਿਤ, ਅਤੇ ਐਕਸਟਰੈਕਟਿੰਗ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਇਹਨਾਂ ਦੇ ਬਾਅਦ ਦੇ ਸਾਰੇ ਉਪਯੋਗ dati ਅਤੇ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਹੈ
ਇਸ ਢਾਂਚੇ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ। ਲਈ ਇਹ ਇੱਕ ਵਧੀਆ ਸਰੋਤ ਹੈ
ਦੇ ਕੱਢਣ 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 ਲਈ ਖਾਸ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਤਕਨੀਕੀ ਰਿਪੋਰਟਿੰਗ.
I dati ਇਹਨਾਂ ਢਾਂਚਿਆਂ ਨੂੰ ਅੰਤ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਅਤੇ ਰਿਪੋਰਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਸੰਗਠਨ ਜ਼ੋਨ (ਸਟੇਜਿੰਗ
ਖੇਤਰ), ਜਿੱਥੇ ਇਸਦੀ ਵਰਤੋਂ ਰਣਨੀਤਕ ਸੰਕੇਤ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
ਸਟੇਜਿੰਗ ਖੇਤਰ.
ਜ਼ਿਆਦਾਤਰ ਲਈ ਪਹਿਲਾ ਸਟਾਪ dati ਵਾਤਾਵਰਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਵੇਅਰਹਾਊਸ ਸੰਗਠਨ ਖੇਤਰ ਹੈ।
ਇੱਥੇ ਆਈ dati ਉਹਨਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ, ਸਾਫ਼ ਅਤੇ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ dati ਲਾਭਦਾਇਕ ਹੈ, ਜੋ ਕਿ
ਵੇਅਰਹਾਊਸ ਬਣਤਰ ਨੂੰ ਆਬਾਦ ਕਰੇਗਾ
ਡਾਟਾ ਮਾਰਟਸ.
ਆਰਕੀਟੈਕਚਰ ਦਾ ਇਹ ਹਿੱਸਾ ਦੀ ਬਣਤਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ dati ਵਰਤਿਆ
ਖਾਸ ਤੌਰ 'ਤੇ OLAP ਲਈ। ਡੇਟਾਮਾਰਟ ਦੀ ਮੌਜੂਦਗੀ, ਜੇਕਰ ਆਈ dati ਆਵਾਜ਼
ਓਵਰਲੈਪਿੰਗ ਸਟਾਰ ਸਕੀਮਾਂ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਗਿਆ dati
ਇੱਕ ਰਿਲੇਸ਼ਨਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਹੁ-ਆਯਾਮੀ, ਜਾਂ ਫਾਈਲਿੰਗ ਅਲਮਾਰੀਆਂ ਵਿੱਚ
di dati ਖਾਸ OLAP ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਵਰਤੀ ਗਈ ਗੁਪਤ, ਜਿਵੇਂ ਕਿ
DB2 OLAP ਸਰਵਰ, ਢੁਕਵਾਂ ਨਹੀਂ ਹੈ।
ਸਿਰਫ ਰੁਕਾਵਟ ਇਹ ਹੈ ਕਿ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਦੀ ਸਹੂਲਤ ਦਿੰਦੀ ਹੈ dati
ਬਹੁ-ਆਯਾਮੀ।
ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਨਾਜ਼ੁਕ BI ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਤਕਨੀਕਾਂ ਵੀ ਸ਼ਾਮਲ ਹਨ
ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਵੱਖਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ:
ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ
ਸਪੇਸ ਵਿਸ਼ਲੇਸ਼ਕ ਅਤੇ ਲਈ ਜਾਣਕਾਰੀ ਦੀ ਇੱਕ ਹਵਾ ਹੈ
ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ. ਸਪੇਸ ਕਰ ਸਕਦਾ ਹੈ
ਕਿਸੇ ਖਾਸ ਥਾਂ 'ਤੇ ਰਹਿਣ ਵਾਲੇ ਲੋਕਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ
ਟਿਕਾਣਾ, ਨਾਲ ਹੀ ਇਸ ਬਾਰੇ ਜਾਣਕਾਰੀ ਕਿ ਉਹ ਟਿਕਾਣਾ ਕਿੱਥੇ ਹੈ
ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਬਾਕੀ ਦੁਨੀਆ ਦੇ ਮੁਕਾਬਲੇ.
ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਆਪਣੇ ਆਪ ਨੂੰ ਬੰਨ੍ਹ ਕੇ ਸ਼ੁਰੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ
ਵਿਥਕਾਰ ਅਤੇ ਲੰਬਕਾਰ ਕੋਆਰਡੀਨੇਟਸ ਬਾਰੇ ਜਾਣਕਾਰੀ। ਮਤਲਬ ਕੀ
"ਜੀਓਕੋਡਿੰਗ" ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕੱਢਣ ਦਾ ਹਿੱਸਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ,
ਪਰਿਵਰਤਨ, ਅਤੇ ਲੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆ (ETL) ਪੱਧਰ 'ਤੇ
ਤੁਹਾਡੇ ਗੋਦਾਮ ਦਾ ਪਰਮਾਣੂ.
ਡਾਟਾ ਮਾਈਨਿੰਗ.
ਦੇ ਕੱਢਣ dati ਸਾਡੀਆਂ ਕੰਪਨੀਆਂ ਨੂੰ ਵਧਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਦੀ ਗਿਣਤੀ ਗਾਹਕ, ਵਿਕਰੀ ਰੁਝਾਨਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਅਤੇ ਸਮਰੱਥ ਕਰਨ ਲਈ
ਆਈ ਨਾਲ ਸਬੰਧਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਗਾਹਕ (CRMਦੀਆਂ ਹੋਰ ਪਹਿਲਕਦਮੀਆਂ ਦੇ ਵਿਚਕਾਰ
ਬੀ.ਆਈ.
ਦੇ ਕੱਢਣ dati ਇਸ ਲਈ ਇਸ ਨੂੰ ਦੇ ਢਾਂਚੇ ਨਾਲ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
dati Dwhouse ਦੇ ਅਤੇ ਲਈ ਵੇਅਰਹਾਊਸ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੁਆਰਾ ਸਮਰਥਿਤ
ਤਕਨਾਲੋਜੀ ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਕੁਸ਼ਲ ਵਰਤੋਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ ਅਤੇ
ਸਬੰਧਤ ਤਕਨੀਕ.
ਜਿਵੇਂ ਕਿ BI ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਦਾ ਪਰਮਾਣੂ ਪੱਧਰ
Dwhouse, ਦੇ ਨਾਲ ਨਾਲ datamarts, ਦਾ ਇੱਕ ਸ਼ਾਨਦਾਰ ਸਰੋਤ ਹੈ dati
ਕੱਢਣ ਲਈ. ਉਹੀ ਢਾਂਚੇ ਵੀ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ
ਦੀ ਉਪਲਬਧਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕੱਢਣ ਦੇ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲੇ
ਸਭ ਤੋਂ ਵੱਡੇ ਦਰਸ਼ਕ। (ਵਿਆਪਕ ਦਰਸ਼ਕ)।
ਏਜੰਟ.
ਹਰ ਬਿੰਦੂ ਲਈ ਗਾਹਕ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਵੱਖ-ਵੱਖ "ਏਜੰਟ" ਹਨ ਜਿਵੇਂ ਕਿ, i
ਕੰਪਨੀ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਅਤੇ ਉਹੀ dw. ਇਹ ਏਜੰਟ ਕਰ ਸਕਦੇ ਹਨ
ਉੱਨਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਬਾਰੇ ਸਿੱਖਣ ਲਈ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰੋ
ਹਰੇਕ ਬਿੰਦੂ ਦੇ ਰੁਝਾਨ, ਜਿਵੇਂ ਕਿ ਉਤਪਾਦ ਦੀ ਭਵਿੱਖ ਦੀ ਮੰਗ ਅਧਾਰਤ
ਵਿਕਰੀ ਪ੍ਰੋਮੋਸ਼ਨ 'ਤੇ, ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਨ ਲਈ ਨਿਯਮ-ਅਧਾਰਿਤ ਇੰਜਣਾਂ
un ਡੈਟੋ ਹਾਲਾਤਾਂ ਦਾ ਸੈੱਟ, ਜਾਂ ਸਧਾਰਨ ਏਜੰਟ ਜੋ
ਉਹ "ਚੋਟੀ ਦੇ ਅਧਿਕਾਰੀਆਂ" ਨੂੰ ਅਪਵਾਦਾਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ। ਇਹ ਪ੍ਰਕਿਰਿਆਵਾਂ ਹਾਂ
ਆਮ ਤੌਰ 'ਤੇ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਮੌਜੂਦ ਹੈ ਅਤੇ, ਇਸ ਲਈ, ਲਾਜ਼ਮੀ ਹੈ
ਉਹਨਾਂ ਦੇ ਅੰਦੋਲਨ ਨਾਲ ਨੇੜਿਓਂ ਜੁੜੋ dati.
ਦੇ ਇਹ ਸਾਰੇ ਢਾਂਚੇ dati, ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨੀਕਾਂ ਦੀ ਗਰੰਟੀ ਹੈ
ਕਿ ਤੁਸੀਂ ਇੱਕ ਸੰਗਠਨ ਬਣਾਉਣ ਵਿੱਚ ਰਾਤ ਨਹੀਂ ਬਿਤਾਓਗੇ
ਤੁਹਾਡਾ ਬੀ.ਆਈ.
ਇਸ ਗਤੀਵਿਧੀ ਨੂੰ ਵਾਧੇ ਵਾਲੇ, ਛੋਟੇ ਕਦਮਾਂ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤਾ ਜਾਵੇਗਾ
ਅੰਕ।
ਹਰ ਕਦਮ ਇੱਕ ਸੁਤੰਤਰ ਪ੍ਰੋਜੈਕਟ ਯਤਨ ਹੈ, ਅਤੇ ਰਿਪੋਰਟ ਕੀਤਾ ਗਿਆ ਹੈ
ਤੁਹਾਡੀ DW ਜਾਂ BI ਪਹਿਲਕਦਮੀ ਵਿੱਚ ਇੱਕ ਦੁਹਰਾਓ ਵਜੋਂ। ਦੁਹਰਾਓ
ਲਈ, ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ
ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ, ਨਵੇਂ ਢਾਂਚੇ ਜੋੜੋ dati ,
ਲੋਡਿੰਗ i dati ਪੂਰਕ, ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਵਿਸਤਾਰ ਦੇ ਨਾਲ
ਤੁਹਾਡਾ ਵਾਤਾਵਰਣ. ਇਸ ਪੈਰਾ 'ਤੇ ਵਧੇਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ
ਅਧਿਆਇ 3 ਵਿੱਚ ਡੂੰਘਾਈ ਵਿੱਚ।
DW ਅਤੇ BI ਟੂਲਸ ਦੇ ਰਵਾਇਤੀ ਢਾਂਚੇ ਤੋਂ ਇਲਾਵਾ ਹੋਰ ਵੀ ਹਨ
ਤੁਹਾਡੀ BI ਸੰਸਥਾ ਦੇ ਕਾਰਜ ਜਿਨ੍ਹਾਂ ਲਈ ਤੁਹਾਨੂੰ ਲਾਜ਼ਮੀ ਹੈ
ਡਿਜ਼ਾਈਨ, ਜਿਵੇਂ ਕਿ:
ਗਾਹਕ ਟੱਚ ਪੁਆਇੰਟ (ਗਾਹਕ ਟੱਚ
ਅੰਕ).
ਜਿਵੇਂ ਕਿ ਸਾਰੇ ਆਧੁਨਿਕ ਸੰਗਠਨ ਦੇ ਨਾਲ, ਇੱਥੇ ਬਹੁਤ ਸਾਰੇ ਹਨ
ਗਾਹਕ ਟੱਚਪੁਆਇੰਟ ਜੋ ਇਹ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਅਨੁਭਵ ਕਿਵੇਂ ਹੋਣਾ ਹੈ
ਤੁਹਾਡੇ ਲਈ ਸਕਾਰਾਤਮਕ ਗਾਹਕ. ਇੱਥੇ ਰਵਾਇਤੀ ਚੈਨਲ ਹਨ ਜਿਵੇਂ ਕਿ ਆਈ
ਵਪਾਰੀ, ਸਵਿੱਚਬੋਰਡ ਆਪਰੇਟਰ, ਡਾਇਰੈਕਟ ਮੇਲ, ਮਲਟੀਮੀਡੀਆ ਅਤੇ ਪ੍ਰਿੰਟਿੰਗ
ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ, ਨਾਲ ਹੀ ਸਭ ਤੋਂ ਮੌਜੂਦਾ ਚੈਨਲ ਜਿਵੇਂ ਕਿ ਈਮੇਲ ਅਤੇ ਵੈੱਬ, i dati
ਕੁਝ ਟੱਚ ਬਿੰਦੂ ਵਾਲੇ ਉਤਪਾਦ ਹਾਸਲ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ,
ਟ੍ਰਾਂਸਪੋਰਟ, ਸਾਫ਼, ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਅਤੇ ਫਿਰ ਸੁਵਿਧਾਵਾਂ ਵਿੱਚ ਆਬਾਦ ਕੀਤਾ ਗਿਆ dati della
ਬੀ.ਆਈ.
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 ਮੌਜੂਦਾ
ਆਵਾਜ਼ dati ਪਰੰਪਰਾਗਤ ਜਿਸਨੂੰ ਇਕੱਠੇ ਲਿਆਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਨਾਲ ਮਿਲਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati ਹੈ, ਜੋ ਕਿ
ਲੋੜ ਨੂੰ ਸੰਤੁਸ਼ਟ ਕਰਨ ਲਈ ਸੰਪਰਕ ਬਿੰਦੂਆਂ ਤੋਂ ਵਹਿਣਾ
ਜਾਣਕਾਰੀ
ਵਿਸ਼ਲੇਸ਼ਕ. (ਵਿਸ਼ਲੇਸ਼ਕ)
BI ਵਾਤਾਵਰਣ ਦਾ ਪ੍ਰਾਇਮਰੀ ਲਾਭਪਾਤਰੀ ਵਿਸ਼ਲੇਸ਼ਕ ਹੈ। ਉਹ ਉਹ ਹੈ ਜੋ
ਦੇ ਮੌਜੂਦਾ ਕੱਢਣ ਤੋਂ ਲਾਭ dati ਕਾਰਜਸ਼ੀਲ, ਨਾਲ ਏਕੀਕ੍ਰਿਤ
ਦੇ ਵੱਖ-ਵੱਖ ਸਰੋਤ dati , ਵਿਸ਼ਲੇਸ਼ਕੀ ਵਰਗੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਵਧਾਇਆ ਗਿਆ
ਭੂਗੋਲਿਕ (ਜੀਓਕੋਡਿੰਗ) ਅਤੇ BI ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ
ਤੁਹਾਨੂੰ ਐਕਸਟਰੈਕਟ, OLAP, ਐਡਵਾਂਸਡ SQL ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਭੂਗੋਲਿਕ ਦੇ ਵਾਤਾਵਰਣ ਲਈ ਵਿਸ਼ਲੇਸ਼ਕ ਲਈ ਪ੍ਰਾਇਮਰੀ ਇੰਟਰਫੇਸ
ਰਿਪੋਰਟਿੰਗ BI ਪੋਰਟਲ ਹੈ।
ਹਾਲਾਂਕਿ, ਵਿਸ਼ਲੇਸ਼ਕ ਦੀ ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਲਾਭ ਲੈਣ ਵਾਲਾ ਸਿਰਫ ਇੱਕ ਨਹੀਂ ਹੈ
ਬੀ.ਆਈ.
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। ਇੱਕ ਸਿਧਾਂਤ
ਵਿਕਾਸ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਨਿਰੰਤਰ ਢਾਂਚੇ ਦੀ ਆਗਿਆ ਦੇਣਾ ਹੈ dati
ਵਰਤੀ ਗਈ BI ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਤੇ ਕਾਰਵਾਈਆਂ ਰਾਹੀਂ ਅੱਪਡੇਟ ਕਰਨ ਲਈ
ਉਪਭੋਗਤਾ ਉਪਰਾਲੇ. ਇੱਕ ਉਦਾਹਰਨ ਦਾ ਮੁਲਾਂਕਣ ਹੈ
ਗਾਹਕ (ਗਾਹਕ ਸਕੋਰਿੰਗ).
ਜੇ ਸੇਲਜ਼ ਡਿਪਾਰਟਮੈਂਟ ਇੱਕ ਮਾਈਨਿੰਗ ਮਾਡਲ ਕੱਢਦਾ ਹੈ
ਨਵੀਂ ਸੇਵਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਗਾਹਕ ਦੇ ਸਕੋਰ, ਫਿਰ
ਸੇਲਜ਼ ਡਿਪਾਰਟਮੈਂਟ ਸਿਰਫ ਲਾਭਪਾਤਰੀ ਸਮੂਹ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ
ਸੇਵਾ ਦੇ.
ਇਸ ਦੀ ਬਜਾਏ, ਐਕਸਟਰੈਕਟਿੰਗ ਮਾਡਲ ਨੂੰ ਇੱਕ ਹਿੱਸੇ ਦੇ ਰੂਪ ਵਿੱਚ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਕੰਪਨੀ ਦੇ ਅੰਦਰ ਕੁਦਰਤੀ ਡੇਟਾ ਦਾ ਪ੍ਰਵਾਹ ਅਤੇ ਗਾਹਕ ਦੇ ਸਕੋਰ
ਦੇ ਜਾਣਕਾਰੀ ਸੰਦਰਭ ਦਾ ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਹਿੱਸਾ ਬਣ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਵੇਅਰਹਾਊਸ, ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਦੋ-ਬਾਈ-ਕੇਂਦਰਿਤ IBM ਸੂਟ
DB2 UDB ਸਮੇਤ, DB2 OLAP ਸਰਵਰ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ ਸ਼ਾਮਲ ਹਨ
ਚਿੱਤਰ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਮਹੱਤਵਪੂਰਨ ਤਕਨਾਲੋਜੀ ਭਾਗਾਂ ਦਾ ਹਿੱਸਾ
1.1.
ਅਸੀਂ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਜਿਵੇਂ ਕਿ ਇਹ ਕਿਤਾਬ ਤੋਂ ਇਸ ਚਿੱਤਰ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ
ਸਾਨੂੰ ਨਿਰੰਤਰਤਾ ਦਾ ਪੱਧਰ ਦਿਓ ਅਤੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰੋ ਕਿ ਹਰੇਕ ਉਤਪਾਦ ਕਿਵੇਂ ਹੈ
IBM ਤੋਂ BI ਦੇ ਆਮ ਪੈਟਰਨ ਨੂੰ ਫਿੱਟ ਕਰਦਾ ਹੈ।
ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਪ੍ਰਦਾਨ ਕਰਨਾ (ਪ੍ਰਦਾਨ ਕਰਨਾ
ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ)
ਤੁਹਾਡੇ BI ਵਾਤਾਵਰਣ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਵਿਕਸਿਤ ਕਰਨਾ ਅਤੇ ਲਾਗੂ ਕਰਨਾ ਹੈ
ਇੱਕ ਮੁਸ਼ਕਲ ਓਪਰੇਸ਼ਨ. ਡਿਜ਼ਾਈਨ ਨੂੰ ਦੋਵਾਂ ਨੂੰ ਗਲੇ ਲਗਾਉਣਾ ਚਾਹੀਦਾ ਹੈ
ਮੌਜੂਦਾ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਵਪਾਰਕ ਜ਼ਰੂਰਤਾਂ. ਆਰਕੀਟੈਕਚਰ ਦਾ ਡਿਜ਼ਾਈਨ
ਪਾਏ ਗਏ ਸਾਰੇ ਸਿੱਟਿਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਪੂਰਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਡਿਜ਼ਾਈਨ ਪੜਾਅ ਦੇ ਦੌਰਾਨ. ਫਾਂਸੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ
ਇੱਕ ਉਦੇਸ਼ ਲਈ ਵਚਨਬੱਧ: BI ਆਰਕੀਟੈਕਚਰ ਦਾ ਵਿਕਾਸ ਕਰਨਾ
ਜਿਵੇਂ ਕਿ ਰਸਮੀ ਤੌਰ 'ਤੇ ਡਰਾਇੰਗ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਦੀਆਂ ਲੋੜਾਂ ਦੇ ਆਧਾਰ 'ਤੇ
ਕਾਰੋਬਾਰ.
ਇਹ ਦਲੀਲ ਦੇਣਾ ਖਾਸ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੈ ਕਿ ਅਨੁਸ਼ਾਸਨ ਯਕੀਨੀ ਬਣਾਏਗਾ
ਰਿਸ਼ਤੇਦਾਰ ਸਫਲਤਾ.
ਇਹ ਸਧਾਰਨ ਹੈ ਕਿਉਂਕਿ ਤੁਸੀਂ ਇੱਕ ਪੂਰਾ BI ਵਾਤਾਵਰਣ ਵਿਕਸਿਤ ਨਹੀਂ ਕਰਦੇ ਹੋ
ਅਚਾਨਕ, ਪਰ ਸਮੇਂ ਦੇ ਨਾਲ ਛੋਟੇ ਕਦਮਾਂ ਵਿੱਚ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਦੇ BI ਭਾਗਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ
ਦੋ ਕਾਰਨਾਂ ਕਰਕੇ ਮਹੱਤਵਪੂਰਨ: ਤੁਸੀਂ ਅਗਲੇ ਸਾਰੇ ਫੈਸਲਿਆਂ ਦੀ ਅਗਵਾਈ ਕਰੋਗੇ
ਆਰਕੀਟੈਕਚਰਲ ਤਕਨੀਕ.
ਤੁਸੀਂ ਟੈਕਨਾਲੋਜੀ ਦੀ ਕਿਸੇ ਖਾਸ ਵਰਤੋਂ ਦੀ ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਯੋਜਨਾ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋਵੋਗੇ
ਹਾਲਾਂਕਿ ਤੁਹਾਨੂੰ ਉਹ ਦੁਹਰਾਓ ਨਹੀਂ ਮਿਲ ਸਕਦਾ ਜਿਸਦੀ ਤੁਹਾਨੂੰ ਲੋੜ ਹੈ
ਕਈ ਮਹੀਨਿਆਂ ਲਈ ਤਕਨਾਲੋਜੀ.
ਤੁਹਾਡੀਆਂ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਣਾ ਕਿਸਮ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰੇਗਾ
ਉਤਪਾਦਾਂ ਦਾ ਜੋ ਤੁਸੀਂ ਆਪਣੇ ਆਰਕੀਟੈਕਚਰ ਲਈ ਪ੍ਰਾਪਤ ਕਰੋਗੇ।
ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਦਾ ਡਿਜ਼ਾਈਨ ਅਤੇ ਵਿਕਾਸ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ
ਕਿ ਤੁਹਾਡਾ ਗੋਦਾਮ ਹੈ
ਇੱਕ ਬੇਤਰਤੀਬ ਘਟਨਾ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ "ਸੋਚਿਆ ਹੋਇਆ",
ਧਿਆਨ ਨਾਲ ਬਣਾਇਆ ਵਿਗਿਆਪਨ Opera ਦੇ ਮੋਜ਼ੇਕ ਵਰਗੀ ਕਲਾ ਦਾ
ਮਿਸ਼ਰਤ ਤਕਨਾਲੋਜੀ.
ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰੋ
ਸਾਰੀਆਂ ਸ਼ੁਰੂਆਤੀ ਯੋਜਨਾਵਾਂ ਨੂੰ ਫੋਕਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ
ਮੁੱਖ BI ਹਿੱਸੇ ਜੋ ਵਾਤਾਵਰਣ ਦੁਆਰਾ ਲੋੜੀਂਦੇ ਹੋਣਗੇ
ਹੁਣ ਅਤੇ ਭਵਿੱਖ ਵਿੱਚ ਆਮ.
ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਨੂੰ ਜਾਣਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ.
ਸਾਰੀਆਂ ਰਵਾਇਤੀ ਯੋਜਨਾਵਾਂ ਸ਼ੁਰੂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ, ਦ
ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰ ਅਕਸਰ ਇੱਕ ਜਾਂ ਦੋ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ
ਕੰਪੋਨੈਂਟ ਤੁਰੰਤ.
ਭਾਗਾਂ ਦਾ ਸੰਤੁਲਨ ਜਿਸਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ
ਤੁਹਾਡੀ ਆਰਕੀਟੈਕਚਰ, ਹਾਲਾਂਕਿ, ਆਸਾਨੀ ਨਾਲ ਨਹੀਂ ਲੱਭਿਆ ਜਾ ਸਕਦਾ ਹੈ।
ਡਿਜ਼ਾਇਨ ਪੜਾਅ ਦੇ ਦੌਰਾਨ, ਆਰਕੀਟੈਕਚਰ ਦਾ ਮੁੱਖ ਹਿੱਸਾ
ਐਪਲੀਕੇਸ਼ਨ ਡਿਵੈਲਪਮੈਂਟ (JAD) ਸੈਸ਼ਨ ਨੂੰ ਖੋਜ ਨਾਲ ਜੋੜਦਾ ਹੈ
ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ.
ਕਈ ਵਾਰ ਇਹ ਲੋੜਾਂ ਔਜ਼ਾਰਾਂ ਨੂੰ ਸੌਂਪੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ
ਸਵਾਲ ਅਤੇ ਰਿਪੋਰਟਿੰਗ.
ਉਦਾਹਰਨ ਲਈ, ਉਪਭੋਗਤਾ ਦੱਸਦੇ ਹਨ ਕਿ ਜੇਕਰ ਉਹ ਸਵੈਚਲਿਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ
ਵਰਤਮਾਨ ਵਿੱਚ ਇੱਕ ਰਿਪੋਰਟ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ ਹੱਥੀਂ ਤਿਆਰ ਕਰਨਾ ਪੈਂਦਾ ਹੈ
ਦੋ ਵਰਤਮਾਨ ਅਨੁਪਾਤ ਅਤੇ ਤੋਂ ਲਿਆ ਗਿਆ ਗਣਨਾ ਜੋੜਨਾ
ਦਾ ਸੁਮੇਲ dati.
ਹਾਲਾਂਕਿ ਇਹ ਲੋੜ ਸਧਾਰਨ ਹੈ, ਇਹ ਇੱਕ ਨਿਸ਼ਚਿਤ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੀ ਹੈ
ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਕਾਰਜਕੁਸ਼ਲਤਾ ਜਿਸ ਨੂੰ ਤੁਹਾਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜਦੋਂ
ਆਪਣੀ ਸੰਸਥਾ ਲਈ ਰਿਪੋਰਟਿੰਗ ਟੂਲ ਖਰੀਦੋ।
ਡਿਜ਼ਾਈਨਰ ਨੂੰ ਵਾਧੂ ਲੋੜਾਂ ਨੂੰ ਵੀ ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ
ਇੱਕ ਪੂਰੀ ਤਸਵੀਰ ਪ੍ਰਾਪਤ ਕਰੋ. ਉਪਭੋਗਤਾ ਇਸ ਦੀ ਗਾਹਕੀ ਲੈਣਾ ਚਾਹੁੰਦੇ ਹਨ
ਇਹ ਰਿਪੋਰਟ?
ਰਿਪੋਰਟ ਦੇ ਸਬਸੈੱਟ ਤਿਆਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਵੱਖ-ਵੱਖ ਨੂੰ ਈਮੇਲ ਰਾਹੀਂ ਭੇਜੇ ਜਾਂਦੇ ਹਨ
ਉਪਭੋਗਤਾ? ਕੀ ਉਹ ਕੰਪਨੀ ਦੇ ਪੋਰਟਲ ਵਿੱਚ ਇਸ ਰਿਪੋਰਟ ਨੂੰ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹਨ?
ਇਹ ਸਾਰੀਆਂ ਲੋੜਾਂ ਸਧਾਰਨ ਲੋੜਾਂ ਦਾ ਹਿੱਸਾ ਹਨ
ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਬੇਨਤੀ ਕੀਤੇ ਅਨੁਸਾਰ ਇੱਕ ਦਸਤੀ ਰਿਪੋਰਟ ਨੂੰ ਬਦਲੋ. ਲਾਭ
ਇਹਨਾਂ ਕਿਸਮਾਂ ਦੀਆਂ ਲੋੜਾਂ ਹਰ ਕਿਸੇ, ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਡਿਜ਼ਾਈਨਰਾਂ ਦੀਆਂ ਹਨ
ਰਿਪੋਰਟਾਂ ਦੀ ਧਾਰਨਾ ਦੀ ਸਮਝ.
ਹਾਲਾਂਕਿ, ਹੋਰ ਕਿਸਮਾਂ ਦੇ ਕਾਰੋਬਾਰ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਸਾਨੂੰ ਯੋਜਨਾ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ।
ਜਦੋਂ ਵਪਾਰਕ ਲੋੜਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਦੱਸੀਆਂ ਜਾਂਦੀਆਂ ਹਨ
ਵਪਾਰਕ ਰਣਨੀਤਕ ਸਵਾਲ, ਮਾਹਰ ਡਿਜ਼ਾਈਨਰ ਲਈ ਇਹ ਆਸਾਨ ਹੈ
ਮਾਪ/ਤੱਥ ਅਤੇ ਅਯਾਮੀ ਲੋੜਾਂ ਨੂੰ ਸਮਝੋ।
ਚਿੱਤਰ 1.2 a ਦੇ ਮਾਪ ਅਤੇ ਅਯਾਮੀ ਭਾਗਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ
ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ.
ਜੇ ਜੇਏਡੀ ਉਪਭੋਗਤਾ ਨਹੀਂ ਜਾਣਦੇ ਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦਾ ਐਲਾਨ ਕਿਵੇਂ ਕਰਨਾ ਹੈ
ਇੱਕ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਦੇ ਰੂਪ ਵਿੱਚ, ਡਿਜ਼ਾਈਨਰ ਅਕਸਰ ਪ੍ਰਦਾਨ ਕਰੇਗਾ
ਸੰਗ੍ਰਹਿ ਸੈਸ਼ਨ ਨੂੰ ਛੱਡਣ ਲਈ ਕੁਝ ਉਦਾਹਰਨਾਂ
ਲੋੜਾਂ
ਮਾਹਰ ਡਿਜ਼ਾਈਨਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ
ਰਣਨੀਤਕ ਵਪਾਰ, ਪਰ ਇਹ ਵੀ ਕਿ ਇਸਨੂੰ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ।
ਲੋੜਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਪਹੁੰਚ ਬਾਰੇ ਅਧਿਆਇ 3 ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ; ਲਈ
ਹੁਣ ਅਸੀਂ ਹਰ ਕਿਸੇ ਲਈ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਲੋੜ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ
BI ਲੋੜਾਂ ਦੀਆਂ ਕਿਸਮਾਂ
ਇੱਕ ਰਣਨੀਤਕ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਹੈ, ਸਿਰਫ ਇੱਕ ਲੋੜ ਨਹੀਂ
ਵਪਾਰ, ਪਰ ਇੱਕ ਡਿਜ਼ਾਈਨ ਸੁਰਾਗ ਵੀ. ਜੇ ਜਵਾਬ ਦੇਣਾ ਹੈ
ਇੱਕ ਬਹੁ-ਆਯਾਮੀ ਸਵਾਲ ਲਈ, ਫਿਰ ਤੁਹਾਨੂੰ ਯਾਦ ਰੱਖਣਾ ਪਵੇਗਾ,
ਮੌਜੂਦ ਆਈ dati ਅਯਾਮੀ, ਅਤੇ ਜੇਕਰ ਤੁਹਾਨੂੰ ਸਟੋਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ
dati ਬਹੁ-ਆਯਾਮੀ, ਤੁਹਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਪਵੇਗਾ ਕਿ ਕਿਸ ਕਿਸਮ ਦੀ ਤਕਨਾਲੋਜੀ ਜਾਂ
ਤਕਨੀਕ ਜੋ ਤੁਸੀਂ ਵਰਤਣ ਜਾ ਰਹੇ ਹੋ।
ਕੀ ਤੁਸੀਂ ਇੱਕ ਰਿਜ਼ਰਵਡ ਘਣ ਸਟਾਰ ਸਕੀਮਾ ਲਾਗੂ ਕਰਦੇ ਹੋ, ਜਾਂ ਦੋਵੇਂ?
ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਵੇਖ ਸਕਦੇ ਹੋ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਸਧਾਰਨ ਵਪਾਰਕ ਸਮੱਸਿਆ
ਡਿਜ਼ਾਈਨ ਨੂੰ ਕਾਫ਼ੀ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ
ਇਸ ਕਿਸਮ ਦੀਆਂ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਆਮ ਅਤੇ ਸਮਝਣ ਯੋਗ ਹਨ, ਘੱਟੋ-ਘੱਟ
ਪ੍ਰੋਜੈਕਟ ਅਨੁਭਵ ਵਾਲੇ ਡਿਜ਼ਾਈਨਰਾਂ ਅਤੇ ਯੋਜਨਾਕਾਰਾਂ ਦੁਆਰਾ।
ਦੀਆਂ ਤਕਨੀਕਾਂ ਅਤੇ ਸਮਰਥਨ ਬਾਰੇ ਕਾਫ਼ੀ ਬਹਿਸ ਹੋਈ ਹੈ
OLAP, ਅਤੇ ਹੱਲਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਉਪਲਬਧ ਹੈ। ਹੁਣ ਤਕ
ਅਸੀਂ i ਦੇ ਨਾਲ ਸਧਾਰਨ ਰਿਪੋਰਟਿੰਗ ਨੂੰ ਲਿਆਉਣ ਦੀ ਲੋੜ ਦਾ ਜ਼ਿਕਰ ਕੀਤਾ
ਕਾਰੋਬਾਰੀ ਆਯਾਮੀ ਲੋੜਾਂ, ਅਤੇ ਇਹ ਲੋੜਾਂ ਕਿਵੇਂ ਹਨ
ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰਲ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।
ਪਰ ਉਹ ਕਿਹੜੀਆਂ ਮੰਗਾਂ ਹਨ ਜੋ ਆਸਾਨੀ ਨਾਲ ਸਮਝ ਨਹੀਂ ਆਉਂਦੀਆਂ
ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਜਾਂ DW ਟੀਮ ਦੁਆਰਾ? ਕੀ ਤੁਹਾਨੂੰ ਕਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਲੋੜ ਪਵੇਗੀ
ਸਥਾਨਿਕ (ਵਿਸ਼ਲੇਸ਼ਣ ਸਥਾਨਿਕ)?
ਦੇ ਐਕਸਟਰੈਕਟਿੰਗ ਮਾਡਲ dati ਉਹ ਤੁਹਾਡੇ ਲਈ ਜ਼ਰੂਰੀ ਹਿੱਸਾ ਹੋਣਗੇ
ਭਵਿੱਖ? ਕੌਣ ਜਾਣਦਾ ਹੈ?
ਇਹ ਨੋਟ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਇਸ ਕਿਸਮ ਦੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਹੀਂ ਹਨ
ਆਮ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਟੀਮ ਮੈਂਬਰਾਂ ਦੇ ਭਾਈਚਾਰਿਆਂ ਦੁਆਰਾ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ
Dw, ਅੰਸ਼ਕ ਰੂਪ ਵਿੱਚ, ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਹੁੰਦੇ ਹਨ
ਕੁਝ ਅੰਦਰੂਨੀ ਜਾਂ ਤੀਜੀ-ਧਿਰ ਦੇ ਤਕਨੀਕੀ ਮਾਹਰਾਂ ਦੁਆਰਾ ਇਲਾਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਇੱਕ
ਇਸ ਕਿਸਮ ਦੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਅਤਿਅੰਤ ਕੇਸ। ਸਵੈ
ਉਪਭੋਗਤਾ ਵਪਾਰਕ ਲੋੜਾਂ ਦਾ ਵਰਣਨ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਫਰੇਮ ਨਹੀਂ ਕਰ ਸਕਦੇ
ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ, ਇਹ ਕਰ ਸਕਦੇ ਹਨ
ਅਣਦੇਖਿਆ ਜਾਣਾ ਜਾਂ, ਬਦਤਰ, ਬਸ ਅਣਡਿੱਠ ਕੀਤਾ ਗਿਆ।
ਜਦੋਂ ਡਿਜ਼ਾਇਨਰ ਅਤੇ ਡਿਵੈਲਪਰ ਅਜਿਹਾ ਨਹੀਂ ਕਰਦੇ ਤਾਂ ਇਹ ਵਧੇਰੇ ਸਮੱਸਿਆ ਬਣ ਜਾਂਦੀ ਹੈ
ਇਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਇੱਕ ਦੀ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ ਪਰ
ਨਾਜ਼ੁਕ ਤਕਨਾਲੋਜੀ.
ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅਕਸਰ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਕਹਿੰਦੇ ਸੁਣਿਆ ਹੈ, "ਠੀਕ ਹੈ, ਕਿਉਂਕਿ
ਕੀ ਅਸੀਂ ਇਸਨੂੰ ਇੱਕ ਪਾਸੇ ਨਹੀਂ ਰੱਖਦੇ ਜਦੋਂ ਤੱਕ ਸਾਨੂੰ ਇਹ ਹੋਰ ਚੀਜ਼ ਨਹੀਂ ਮਿਲਦੀ?
"ਕੀ ਉਹ ਅਸਲ ਵਿੱਚ ਤਰਜੀਹਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ, ਜਾਂ ਉਹ ਉਹਨਾਂ ਤੋਂ ਬਚਦੇ ਹਨ
ਲੋੜਾਂ ਉਹ ਨਹੀਂ ਸਮਝਦੇ? ਇਹ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਆਖਰੀ ਪਰਿਕਲਪਨਾ ਹੈ.
ਮੰਨ ਲਓ ਕਿ ਤੁਹਾਡੀ ਵਿਕਰੀ ਟੀਮ ਨੇ ਇੱਕ ਲੋੜ ਨੂੰ ਸੰਚਾਰਿਤ ਕੀਤਾ ਹੈ
ਕਾਰੋਬਾਰ ਦਾ, 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. ਉੱਥੇ
ਇਸ ਸਮੱਸਿਆ ਅਤੇ ਆਮ ਅਯਾਮੀ ਸਮੱਸਿਆ ਵਿੱਚ ਅੰਤਰ ਹੈ
ਦੂਰੀ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਸੇਲਜ਼ ਟੀਮ ਜਾਣਨਾ ਚਾਹੁੰਦੀ ਹੈ ਕਿ,
ਮਾਸਿਕ ਆਧਾਰ 'ਤੇ, ਉਤਪਾਦਾਂ, ਗੋਦਾਮਾਂ ਤੋਂ ਕੁੱਲ ਵਿਕਰੀ ਅਤੇ
ਗਾਹਕ ਜੋ ਗੋਦਾਮ ਦੇ 5 ਮੀਲ ਦੇ ਅੰਦਰ ਰਹਿੰਦੇ ਹਨ ਜਿੱਥੇ ਉਹ
ਉਹ ਖਰੀਦਦੇ ਹਨ।
ਅਫ਼ਸੋਸ ਦੀ ਗੱਲ ਹੈ ਕਿ, ਡਿਜ਼ਾਈਨਰ ਜਾਂ ਆਰਕੀਟੈਕਟ ਬਸ ਕਰ ਸਕਦੇ ਹਨ
ਇਹ ਕਹਿ ਕੇ ਸਥਾਨਿਕ ਹਿੱਸੇ ਨੂੰ ਅਣਡਿੱਠ ਕਰੋ, "ਸਾਡੇ ਕੋਲ ਗਾਹਕ ਹੈ,
ਉਤਪਾਦ ਅਤੇ ਆਈ dati ਡਿਪਾਜ਼ਿਟ ਦਾ. ਦੀ ਦੂਰੀ ਨੂੰ ਬਾਹਰ ਰੱਖਣ ਦਿਓ, ਜਦ ਤੱਕ
ਇੱਕ ਹੋਰ ਦੁਹਰਾਓ.
"ਗਲਤ ਜਵਾਬ. ਇਸ ਕਿਸਮ ਦੀ ਵਪਾਰਕ ਸਮੱਸਿਆ ਚਿੰਤਾ ਹੈ
ਪੂਰੀ ਤਰ੍ਹਾਂ BI. ਦੀ ਡੂੰਘੀ ਸਮਝ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ
ਸਾਡਾ ਕਾਰੋਬਾਰ ਅਤੇ ਸਾਡੇ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਲਈ ਇੱਕ ਮਜ਼ਬੂਤ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਥਾਂ।
BI ਸਧਾਰਨ ਪੁੱਛਗਿੱਛ ਜਾਂ ਮਿਆਰੀ ਰਿਪੋਰਟਿੰਗ ਤੋਂ ਪਰੇ ਹੈ, ਜਾਂ
ਵੀ OLAP. ਇਹ ਕਹਿਣਾ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਤਕਨਾਲੋਜੀਆਂ ਨਹੀਂ ਕਰਦੀਆਂ
ਉਹ ਤੁਹਾਡੇ BI ਲਈ ਮਹੱਤਵਪੂਰਨ ਹਨ, ਪਰ ਉਹ ਆਪਣੇ ਆਪ ਦੀ ਪ੍ਰਤੀਨਿਧਤਾ ਨਹੀਂ ਕਰਦੇ ਹਨ
BI ਵਾਤਾਵਰਣ.
ਜਾਣਕਾਰੀ ਸੰਦਰਭ ਲਈ ਡਿਜ਼ਾਈਨ
(ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਲਈ ਡਿਜ਼ਾਈਨਿੰਗ)
ਹੁਣ ਜਦੋਂ ਅਸੀਂ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਦੀ ਪਛਾਣ ਕਰ ਲਈ ਹੈ ਜੋ ਬਾਹਰ ਹਨ
ਡਰਾਇੰਗ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਬੁਨਿਆਦੀ ਹਿੱਸੇ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ
ਆਮ ਆਰਕੀਟੈਕਚਰਲ. BI ਦੇ ਕੁਝ ਹਿੱਸੇ ਹਨ
ਸਾਡੇ ਸ਼ੁਰੂਆਤੀ ਯਤਨਾਂ ਵਿੱਚੋਂ, ਜਦੋਂ ਕਿ ਕੁਝ ਨੂੰ ਲਾਗੂ ਨਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ
ਕਈ ਮਹੀਨੇ.
ਪਰ, ਸਭ ਜਾਣਿਆ ਲੋੜ ਡਿਜ਼ਾਇਨ ਵਿੱਚ ਝਲਕਦਾ ਹੈ, ਜੋ ਕਿ ਇਸ ਲਈ
ਜਦੋਂ ਸਾਨੂੰ ਕਿਸੇ ਖਾਸ ਤਕਨਾਲੋਜੀ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਸੀਂ ਹਾਂ
ਇਸ ਨੂੰ ਕਰਨ ਲਈ ਤਿਆਰ ਹੋਵੋ। ਪ੍ਰੋਜੈਕਟ ਬਾਰੇ ਕੁਝ ਸੋਚ ਨੂੰ ਦਰਸਾਏਗਾ
ਰਵਾਇਤੀ.
ਉਦਾਹਰਨ ਲਈ, ਅਧਿਆਇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਚਿੱਤਰ 1.1, ਇੱਕ ਡੇਟਾ ਦਿਖਾਉਂਦਾ ਹੈ
ਮਾਰਟ ਜੋ ਰੱਖਦਾ ਹੈ i dati ਆਯਾਮੀ.
ਦਾ ਇਹ ਸੈੱਟ dati ਦੀ ਬਾਅਦ ਵਿੱਚ ਵਰਤੋਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
dati ਵਪਾਰਕ ਮੁੱਦਿਆਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਅਯਾਮੀ ਮਾਪ ਜੋ
ਅਸੀਂ ਪਛਾਣ ਲਿਆ ਹੈ। ਜਿਵੇਂ ਕਿ ਵਾਧੂ ਦਸਤਾਵੇਜ਼ ਹਨ
ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਵੇਂ ਕਿ ਡਿਜ਼ਾਈਨ ਵਿਕਾਸ dati, ਅਸੀਂ
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 ਇਸ ਲਈ
ਅਯਾਮੀ, ਉਹਨਾਂ ਨੂੰ ਉਪ-ਵਿਭਾਜਿਤ ਕਰਨਾ (ਵਿਸ਼ੇਸ਼ ਲੋੜਾਂ ਦੇ ਅਨੁਸਾਰ
ਨਿਰਧਾਰਤ) ਡੇਟਾ ਮਾਰਟਸ 'ਤੇ.
ਜਵਾਬ ਦੇਣ ਲਈ ਅਗਲਾ ਸਵਾਲ ਹੈ: ਉਹ ਕਿਵੇਂ ਬਣਾਏ ਜਾਣਗੇ
ਇਹ ਡਾਟਾ ਮਾਰਟਸ?
ਕੀ ਤੁਸੀਂ ਕਿਊਬ, ਜਾਂ ਸਿਰਫ਼ ਕਿਊਬ, ਜਾਂ ਸਿਰਫ਼ ਤਾਰਿਆਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਤਾਰੇ ਬਣਾਉਂਦੇ ਹੋ?
(ਜਾਂ ਸੱਜਾ ਕਿਊਬ, ਜਾਂ ਸੱਜਾ ਤਾਰੇ)। ਡਾਟਾ ਆਰਕੀਟੈਕਚਰ ਤਿਆਰ ਕਰੋ
ਨਿਰਭਰ ਮਾਰਟਸ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਾਰਿਆਂ ਲਈ 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 ਤੁਹਾਨੂੰ ਇੱਕ 'ਤੇ ਆਪਣੇ ਰਾਸ਼ਟਰੀ ਸੇਲਜ਼ ਫੋਰਸ ਕਿਊਬ ਦੀ ਲੋੜ ਹੈ
ਹਫਤਾਵਾਰੀ ਆਧਾਰ ਜਾਂ ਦੋਵੇਂ? ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵਸਤੂ ਬਣਾਓ
ਜਿਵੇਂ ਕਿ ਵਿੱਤ ਲਈ DB2 OLAP ਸਰਵਰ ਜਾਂ ਕੋਗਨੋਸ ਕਿਊਬ
ਤੁਹਾਡੀ ਵਿਕਰੀ ਸੰਸਥਾ ਜਾਂ ਦੋਵਾਂ ਲਈ ਪਾਵਰਪਲੇ?
ਇਹ ਵੱਡੇ ਆਰਕੀਟੈਕਚਰਲ ਡਿਜ਼ਾਈਨ ਫੈਸਲੇ ਹਨ ਜੋ
ਤੁਹਾਡੇ BI ਵਾਤਾਵਰਣ ਨੂੰ ਇੱਥੇ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਕਰੇਗਾ। ਹਾਂ,
ਤੁਸੀਂ OLAP ਦੀ ਲੋੜ ਸਥਾਪਤ ਕੀਤੀ ਹੈ। ਹੁਣ ਤੁਸੀਂ ਇਸ ਨੂੰ ਕਿਵੇਂ ਪੂਰਾ ਕਰੋਗੇ
ਤਕਨੀਕ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੀ ਕਿਸਮ?
ਕੁਝ ਸਭ ਤੋਂ ਉੱਨਤ ਤਕਨੀਕਾਂ ਤੁਹਾਡੇ 'ਤੇ ਕਿਵੇਂ ਪ੍ਰਭਾਵ ਪਾਉਂਦੀਆਂ ਹਨ
ਡਰਾਇੰਗ? ਅਸੀਂ ਮੰਨਦੇ ਹਾਂ ਕਿ ਤੁਸੀਂ ਇੱਕ ਲੋੜ ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ
ਤੁਹਾਡੀ ਸੰਸਥਾ ਵਿੱਚ ਥਾਂ। ਹੁਣ ਤੁਹਾਨੂੰ ਯਾਦ ਕਰਨਾ ਪਏਗਾ
ਆਰਕੀਟੈਕਚਰਲ ਡਰਾਇੰਗ ਮੁੱਦੇ ਭਾਵੇਂ ਯੋਜਨਾਬੱਧ ਨਾ ਹੋਣ
ਕਈ ਮਹੀਨਿਆਂ ਲਈ ਸਪੇਸ ਕੰਪੋਨੈਂਟਸ ਨੂੰ ਪੂਰਾ ਕਰੋ. ਆਰਕੀਟੈਕਟ ਨੂੰ ਚਾਹੀਦਾ ਹੈ
ਅੱਜ ਦੀ ਲੋੜ ਦੇ ਆਧਾਰ 'ਤੇ ਡਿਜ਼ਾਈਨ ਕਰੋ। ਦੀ ਲੋੜ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ
ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਜੋ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਸਟੋਰ ਕਰਦਾ ਹੈ, ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ ਅਤੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ
ਤੱਕ ਪਹੁੰਚ dati ਸਥਾਨਿਕ ਇਹ ਬਦਲੇ ਵਿੱਚ ਦੇ ਤੌਰ ਤੇ ਸੇਵਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ
ਤਕਨਾਲੋਜੀ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਕਿਸਮ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਰੁਕਾਵਟ
ਸਾਫਟਵੇਅਰ ਪਲੇਟਫਾਰਮ ਜੋ ਤੁਸੀਂ ਵਰਤਮਾਨ ਵਿੱਚ ਵਿਚਾਰ ਕਰ ਸਕਦੇ ਹੋ. ਲਈ
ਉਦਾਹਰਨ ਲਈ, ਪ੍ਰਸ਼ਾਸਨ ਸਿਸਟਮ ਡਾਟਾ ਬੇਸ ਰਿਲੇਸ਼ਨਲ
(RDBMS) ਜੋ ਤੁਸੀਂ ਆਪਣੀ ਪਰਮਾਣੂ ਪਰਤ ਲਈ ਕਰਦੇ ਹੋ, ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਇੱਕ ਮਜ਼ਬੂਤ ਸਥਾਨਿਕ ਐਕਸਟੈਂਸ਼ਨ ਉਪਲਬਧ ਹੈ। ਇਹ ਪਤਾ ਲਗਾਵੇਗਾ ਕਿ
ਜਿਓਮੈਟਰੀ ਅਤੇ ਵਸਤੂਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਵੱਧ ਤੋਂ ਵੱਧ ਪ੍ਰਦਰਸ਼ਨ
ਤੁਹਾਡੀਆਂ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਥਾਂ। ਜੇਕਰ ਤੁਹਾਡਾ RDBMS ਨਹੀਂ ਕਰਦਾ ਹੈ
ਨੂੰ ਸੰਭਾਲ ਸਕਦਾ ਹੈ dati (ਸਥਾਨਕ-ਕੇਂਦ੍ਰਿਤ) ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ, ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਇਹ ਕਰਨਾ ਪਵੇਗਾ
ਸਥਾਪਿਤ ਕਰੋ ਡਾਟਾ ਬੇਸ (ਸਥਾਨਕ-ਕੇਂਦ੍ਰਿਤ) ਬਾਹਰੀ। ਇਹ ਗੁੰਝਲਦਾਰ ਹੈ
ਮੁੱਦਾ ਪ੍ਰਬੰਧਨ ਅਤੇ ਤੁਹਾਡੀ ਸਮੁੱਚੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨਾਲ ਸਮਝੌਤਾ ਕਰਦਾ ਹੈ,
ਤੁਹਾਡੇ ਲਈ ਬਣਾਈਆਂ ਗਈਆਂ ਵਾਧੂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਜ਼ਿਕਰ ਨਾ ਕਰਨਾ
ਡੀ.ਬੀ.ਏ., ਕਿਉਂਕਿ ਉਹਨਾਂ ਕੋਲ ਸ਼ਾਇਦ ਘੱਟੋ-ਘੱਟ ਸਮਝ ਹੈ
ਦੇ ਅਧਾਰਾਂ ਦੇ dati ਸਥਾਨਿਕ ਵੀ. ਦੂਜੇ ਪਾਸੇ, ਜੇਕਰ ਤੁਹਾਡਾ ਇੰਜਣ
RDMBS ਸਾਰੇ ਸਥਾਨਿਕ ਹਿੱਸੇ ਅਤੇ ਸੰਬੰਧਿਤ ਹੈਂਡਲ ਕਰਦਾ ਹੈ
ਆਪਟੀਮਾਈਜ਼ਰ ਵਿਸ਼ੇਸ਼ ਲੋੜਾਂ ਤੋਂ ਜਾਣੂ ਹੁੰਦਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ,
ਸਥਾਨਿਕ ਵਸਤੂਆਂ ਦਾ ਇੰਡੈਕਸਿੰਗ), ਫਿਰ ਤੁਹਾਡੇ DBAs ਉਹਨਾਂ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ
ਤੁਰੰਤ ਮੁੱਦਿਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰੋ ਅਤੇ ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਉੱਚਾ ਕਰ ਸਕਦੇ ਹੋ
ਪ੍ਰਦਰਸ਼ਨ
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਹਾਨੂੰ ਸਟੇਜਿੰਗ ਖੇਤਰ ਅਤੇ ਪਰਤ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨ ਦੀ ਲੋੜ ਹੈ
ਐਡਰੈੱਸ ਕਲੀਨਅੱਪ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਪਰਮਾਣੂ ਵਾਤਾਵਰਣ (ਏ
ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਮੁੱਖ ਤੱਤ), ਅਤੇ ਨਾਲ ਹੀ ਹੇਠ ਲਿਖੇ
ਸਪੇਸ ਆਬਜੈਕਟ ਨੂੰ ਬਚਾਉਣ. ਦੇ ਸੰਸਕਰਣਾਂ ਦਾ ਉਤਰਾਧਿਕਾਰ
ਡਰਾਇੰਗ ਹੁਣ ਜਾਰੀ ਹੈ ਜਦੋਂ ਅਸੀਂ ਸਫਾਈ ਦੀ ਧਾਰਨਾ ਪੇਸ਼ ਕੀਤੀ ਹੈ
ਪਤਾ। ਇੱਕ ਚੀਜ਼ ਲਈ, ਇਹ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਕਿਸਮ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰੇਗੀ
ਤੁਹਾਡੇ ETL ਯਤਨਾਂ ਲਈ ਲੋੜੀਂਦਾ ਸੌਫਟਵੇਅਰ।
ਤੁਹਾਨੂੰ ਪਤਾ ਦੇਣ ਲਈ ਟ੍ਰਿਲੀਅਮ ਵਰਗੇ ਉਤਪਾਦਾਂ ਦੀ ਲੋੜ ਹੈ
ਸਾਫ਼, ਜਾਂ ਇੱਕ ETL ਪ੍ਰਦਾਤਾ ਜਿਸਨੂੰ ਤੁਸੀਂ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਚੁਣਦੇ ਹੋ
ਕਾਰਜਕੁਸ਼ਲਤਾ?
ਫਿਲਹਾਲ ਇਹ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਤੁਸੀਂ ਡਿਜ਼ਾਈਨ ਦੇ ਪੱਧਰ ਦੀ ਕਦਰ ਕਰੋ
ਤੁਹਾਨੂੰ ਆਪਣਾ ਪ੍ਰਦਰਸ਼ਨ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ
ਵਾਤਾਵਰਣ (ਵੇਅਰਹਾਊਸ). ਉਪਰੋਕਤ ਉਦਾਹਰਣਾਂ ਚਾਹੀਦੀਆਂ ਹਨ
ਬਹੁਤ ਸਾਰੇ ਡਿਜ਼ਾਈਨ ਫੈਸਲਿਆਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰੋ ਜਿਨ੍ਹਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ
ਕਿਸੇ ਖਾਸ ਕਾਰੋਬਾਰੀ ਲੋੜ ਦੀ ਪਛਾਣ। ਜੇ ਕੀਤਾ ਜਾਵੇ
ਸਹੀ ਢੰਗ ਨਾਲ, ਇਹ ਡਿਜ਼ਾਈਨ ਫੈਸਲੇ ਅੱਗੇ ਵਧਦੇ ਹਨ
ਤੁਹਾਡੇ ਵਾਤਾਵਰਣ ਦੀਆਂ ਭੌਤਿਕ ਬਣਤਰਾਂ ਵਿਚਕਾਰ ਅੰਤਰ-ਨਿਰਭਰਤਾ,
ਵਰਤੀ ਗਈ ਤਕਨਾਲੋਜੀ ਦੀ ਚੋਣ ਅਤੇ ਪ੍ਰਸਾਰ ਦੇ ਪ੍ਰਵਾਹ
ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ. ਇਸ ਰਵਾਇਤੀ ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਬਿਨਾਂ
BI ਦੇ, ਤੁਹਾਡੀ ਸੰਸਥਾ ਮਿਸ਼ਰਣ ਦੇ ਅਧੀਨ ਹੋਵੇਗੀ
ਮੌਜੂਦਾ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਹਫੜਾ-ਦਫੜੀ, ਸਭ ਤੋਂ ਵਧੀਆ, ਇੱਕ ਤਰੀਕੇ ਨਾਲ ਇੱਕਜੁੱਟ
ਸਪੱਸ਼ਟ ਸਥਿਰਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਸਹੀ ਨਹੀਂ ਹੈ।
ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਬਣਾਈ ਰੱਖੋ
ਤੁਹਾਡੀ ਸੰਸਥਾ ਨੂੰ ਜਾਣਕਾਰੀ ਦੇ ਮੁੱਲ ਨੂੰ ਲਿਆਉਣਾ ਹੈ
ਇੱਕ ਬਹੁਤ ਮੁਸ਼ਕਲ ਓਪਰੇਸ਼ਨ. ਕਾਫ਼ੀ ਸਮਝ ਤੋਂ ਬਿਨਾਂ
ਅਤੇ ਅਨੁਭਵ, ਜਾਂ ਢੁਕਵੀਂ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਡਰਾਇੰਗ, ਇੱਥੋਂ ਤੱਕ ਕਿ
ਬਿਹਤਰ ਟੀਮਾਂ ਫੇਲ ਹੋ ਜਾਣਗੀਆਂ। ਦੂਜੇ ਪਾਸੇ, ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਵੱਡਾ ਹੈ
ਅਨੁਭਵ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਯੋਜਨਾਬੰਦੀ ਪਰ ਕੋਈ ਅਨੁਸ਼ਾਸਨ ਨਹੀਂ
ਐਗਜ਼ੀਕਿਊਸ਼ਨ, ਤੁਸੀਂ ਸਿਰਫ਼ ਆਪਣਾ ਪੈਸਾ ਅਤੇ ਸਮਾਂ ਬਰਬਾਦ ਕੀਤਾ ਹੈ
ਕਿਉਂਕਿ ਤੁਹਾਡੀ ਕੋਸ਼ਿਸ਼ ਅਸਫ਼ਲ ਹੋ ਗਈ ਹੈ। ਸੁਨੇਹਾ ਚਾਹੀਦਾ ਹੈ
ਸਪੱਸ਼ਟ ਰਹੋ: ਜੇਕਰ ਤੁਸੀਂ ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਗੁਆ ਰਹੇ ਹੋ
ਹੁਨਰ, ਸਮਝ/ਅਨੁਭਵ ਜਾਂ ਯੋਜਨਾਬੰਦੀ/ਡਰਾਇੰਗ ਜਾਂ
ਲਾਗੂ ਅਨੁਸ਼ਾਸਨ, ਇਸ ਨੂੰ ਅਧਰੰਗ ਕਰਨ ਲਈ ਅਗਵਾਈ ਕਰੇਗਾ ਜ
BI ਸੰਸਥਾ ਦੀ ਇਮਾਰਤ ਨੂੰ ਨਸ਼ਟ ਕਰੋ।
ਕੀ ਤੁਹਾਡੀ ਟੀਮ ਕਾਫ਼ੀ ਤਿਆਰ ਹੈ? ਤੁਹਾਡੇ 'ਤੇ ਕੋਈ ਹੈ
BI ਟੀਮ ਜੋ ਉਪਲਬਧ ਵਿਸ਼ਾਲ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਲੈਂਡਸਕੇਪ ਨੂੰ ਸਮਝਦੀ ਹੈ
BI ਵਾਤਾਵਰਨ ਵਿੱਚ, ਲੋੜੀਂਦੀਆਂ ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚ
ਉਸ ਲੈਂਡਸਕੇਪ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ? ਤੁਹਾਡੀ ਟੀਮ ਵਿੱਚ ਕੋਈ ਹੈ
ਜੋ ਕਿ ਐਡਵਾਂਸਡ ਵਿਚਕਾਰ ਐਪਲੀਕੇਸ਼ਨ ਫਰਕ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ
ਸਥਿਰ ਰਿਪੋਰਟਿੰਗ ਅਤੇ OLAP, ਜਾਂ ROLAP ਅਤੇ OLAP ਵਿਚਕਾਰ ਅੰਤਰ? ਓਨ੍ਹਾਂ ਵਿਚੋਂ ਇਕ
ਤੁਹਾਡੀ ਟੀਮ ਦੇ ਮੈਂਬਰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦੇ ਤਰੀਕੇ ਨੂੰ ਪਛਾਣਦੇ ਹਨ
ਐਬਸਟਰੈਕਟ ਅਤੇ ਇਹ ਵੇਅਰਹਾਊਸ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਕਿਵੇਂ
ਕੀ ਗੋਦਾਮ ਮਾਈਨਿੰਗ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਕਾਇਮ ਰੱਖ ਸਕਦਾ ਹੈ? ਇੱਕ ਮੈਂਬਰ
ਦੀ ਟੀਮ ਦੇ ਮੁੱਲ ਨੂੰ ਸਮਝਦਾ ਹੈ dati ਸਪੇਸ ਜਾਂ ਤਕਨਾਲੋਜੀ
ਏਜੰਟ-ਅਧਾਰਿਤ? ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ ਅਜਿਹਾ ਵਿਅਕਤੀ ਹੈ ਜੋ ਵਿਲੱਖਣ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਸ਼ਲਾਘਾ ਕਰਦਾ ਹੈ
ETL ਟੂਲਸ ਬਨਾਮ ਬ੍ਰੋਕਰ ਟੈਕਨਾਲੋਜੀ ਦਾ
ਸੁਨੇਹਾ? ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਨਹੀਂ ਹੈ, ਤਾਂ ਇੱਕ ਪ੍ਰਾਪਤ ਕਰੋ। BI ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ
ਇੱਕ ਆਮ ਪਰਮਾਣੂ ਪਰਤ ਦਾ ਵੱਡਾ, OLAP ਦਾ, ਸਕੀਮਾਂ ਦਾ a
ਸਟਾਰ ਅਤੇ ਇੱਕ ODS.
ਲੋੜਾਂ ਨੂੰ ਪਛਾਣਨ ਲਈ ਸਮਝ ਅਤੇ ਅਨੁਭਵ ਰੱਖੋ
BI ਅਤੇ ਉਹਨਾਂ ਦੇ ਹੱਲ ਤੁਹਾਡੀ ਯੋਗਤਾ ਲਈ ਜ਼ਰੂਰੀ ਹਨ
ਉਪਭੋਗਤਾ ਦੀਆਂ ਲੋੜਾਂ ਅਤੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਰਸਮੀ ਬਣਾਓ
ਅਤੇ ਉਹਨਾਂ ਦੇ ਹੱਲਾਂ ਨੂੰ ਲਾਗੂ ਕਰੋ। ਜੇਕਰ ਤੁਹਾਡੇ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰੇ ਕੋਲ ਹੈ
ਲੋੜਾਂ ਦਾ ਵਰਣਨ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ, ਇਹ ਟੀਮ ਦਾ ਕੰਮ ਹੈ
ਵੇਅਰਹਾਊਸ ਇਹ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਪਰ ਜੇ ਦੀ ਟੀਮ
ਵੇਅਰਹਾਊਸ
BI ਦੀ ਖਾਸ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਨਹੀਂ ਪਛਾਣਦਾ - ਉਦਾਹਰਨ ਲਈ, ਦਿੱਤਾ ਗਿਆ ਹੈ
ਮਾਈਨਿੰਗ- ਫਿਰ ਇਹ ਸਭ ਤੋਂ ਵਧੀਆ ਚੀਜ਼ ਨਹੀਂ ਹੈ ਜੋ BI ਵਾਤਾਵਰਣ ਕਰਦੇ ਹਨ
ਅਕਸਰ ਪੈਸਿਵ ਡਿਪਾਜ਼ਿਟ ਹੋਣ ਤੱਕ ਸੀਮਿਤ ਹੁੰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰੋ
ਤਕਨਾਲੋਜੀਆਂ ਉਹਨਾਂ ਦੀ ਮਹੱਤਤਾ ਅਤੇ ਉਹਨਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਘੱਟ ਨਹੀਂ ਕਰਦੀਆਂ
ਤੁਹਾਡੀਆਂ ਕਾਰੋਬਾਰੀ ਖੁਫੀਆ ਸੰਭਾਵਨਾਵਾਂ ਦੇ ਉਭਾਰ 'ਤੇ
ਸੰਗਠਨ, ਅਤੇ ਨਾਲ ਹੀ ਤੁਹਾਡੇ ਦੁਆਰਾ ਡਿਜ਼ਾਈਨ ਕੀਤੀ ਜਾਣਕਾਰੀ ਬਣਤਰ
ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ.
ਯੋਜਨਾਬੰਦੀ ਵਿੱਚ ਡਰਾਇੰਗ ਦੀ ਧਾਰਨਾ ਸ਼ਾਮਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਐਡ
ਦੋਵਾਂ ਨੂੰ ਇੱਕ ਯੋਗ ਵਿਅਕਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਨਾਲ ਹੀ, ਯੋਜਨਾਬੰਦੀ
ਟੀਮ ਵੇਅਰਹਾਊਸ ਫ਼ਲਸਫ਼ੇ ਅਤੇ ਨਿਰੀਖਣ ਦੀ ਲੋੜ ਹੈ
ਮਿਆਰਾਂ ਦੇ. ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਤੁਹਾਡੀ ਕੰਪਨੀ ਨੇ ਏ
ਸਟੈਂਡਰਡ ਪਲੇਟਫਾਰਮ ਜਾਂ ਕਿਸੇ ਖਾਸ RDBMS ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ ਜੋ ਤੁਸੀਂ
ਪਲੇਟਫਾਰਮ ਭਰ ਵਿੱਚ ਮਾਨਕੀਕਰਨ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਇਹ ਸਾਡੇ ਉੱਤੇ ਲਾਜ਼ਮੀ ਹੈ
ਟੀਮ ਦਾ ਹਰ ਕੋਈ ਉਨ੍ਹਾਂ ਮਿਆਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ
ਟੀਮ ਨੇ ਸਧਾਰਣਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ (ਉਪਭੋਗਤਾ ਨੂੰ
communites), ਪਰ ਟੀਮ ਖੁਦ ਸ਼ਾਮਲ ਹੋਣ ਲਈ ਤਿਆਰ ਨਹੀਂ ਹੈ
ਮਾਪਦੰਡ ਕੰਪਨੀ ਦੇ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ ਜਾਂ ਸ਼ਾਇਦ ਵਿੱਚ ਵੀ ਸਥਾਪਿਤ ਕੀਤੇ ਗਏ ਹਨ
ਸਮਾਨ ਕੰਪਨੀਆਂ. ਨਾ ਸਿਰਫ ਇਹ ਪਖੰਡੀ ਹੈ, ਪਰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਕੰਪਨੀ ਅਜਿਹਾ ਨਹੀਂ ਕਰਦੀ
ਮੌਜੂਦਾ ਸਰੋਤਾਂ ਅਤੇ ਨਿਵੇਸ਼ਾਂ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ
ਕਿ ਇੱਥੇ ਕੋਈ ਸਥਿਤੀਆਂ ਨਹੀਂ ਹਨ ਜੋ ਪਲੇਟਫਾਰਮ ਜਾਂ ਏ
ਗੈਰ-ਮਿਆਰੀ ਤਕਨਾਲੋਜੀ; ਹਾਲਾਂਕਿ, ਵੇਅਰਹਾਊਸ ਦੇ ਯਤਨ
ਉਹਨਾਂ ਨੂੰ ਈਰਖਾ ਨਾਲ ਉੱਦਮ ਦੇ ਮਿਆਰਾਂ ਦੀ ਰੱਖਿਆ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ
ਕਿ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਹੋਰ ਨਹੀਂ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ।
BI ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦਾ ਤੀਜਾ ਮੁੱਖ ਭਾਗ
ਸੰਗਠਨ ਅਨੁਸ਼ਾਸਨ ਹੈ।
ਇਹ ਕੁੱਲ ਮਿਲਾ ਕੇ, ਵਿਅਕਤੀਆਂ ਅਤੇ ਵਾਤਾਵਰਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰਾਂ, ਪ੍ਰਾਯੋਜਕਾਂ, ਆਰਕੀਟੈਕਟਾਂ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਸਦੀ ਕਦਰ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ
ਕੰਪਨੀ ਦੇ ਜਾਣਕਾਰੀ ਢਾਂਚੇ ਨੂੰ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਅਨੁਸ਼ਾਸਨ.
ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਆਪਣੇ ਡਿਜ਼ਾਈਨ ਯਤਨਾਂ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਨਿਰਦੇਸ਼ਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜਿਵੇਂ ਕਿ
ਸਮਾਜ ਵਿੱਚ ਹੋਰ ਲੋੜੀਂਦੇ ਯਤਨਾਂ ਨੂੰ ਪੂਰਾ ਕਰੋ।
ਉਦਾਹਰਨ ਲਈ, ਮੰਨ ਲਓ ਕਿ ਤੁਹਾਡੀ ਕੰਪਨੀ ਏ
ERP ਐਪਲੀਕੇਸ਼ਨ ਜਿਸ ਵਿੱਚ ਵੇਅਰਹਾਊਸ ਕੰਪੋਨੈਂਟ ਹੈ।
ਇਸ ਲਈ ਇਹ ਈਆਰਪੀ ਡਿਜ਼ਾਈਨਰਾਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ ਕਿ ਉਹ ਨਾਲ ਸਹਿਯੋਗ ਕਰਨ
ਵੇਅਰਹਾਊਸ ਵਾਤਾਵਰਣ ਟੀਮ ਤਾਂ ਕਿ ਮੁਕਾਬਲਾ ਨਾ ਕੀਤਾ ਜਾ ਸਕੇ ਜਾਂ
ਪਹਿਲਾਂ ਹੀ ਸ਼ੁਰੂ ਕੀਤੇ ਕੰਮ ਦੀ ਡੁਪਲੀਕੇਟ.
ਅਨੁਸ਼ਾਸਨ ਵੀ ਇੱਕ ਅਜਿਹਾ ਵਿਸ਼ਾ ਹੈ ਜਿਸ ਦਾ ਧਿਆਨ ਰੱਖਣ ਦੀ ਲੋੜ ਹੈ
ਪੂਰੀ ਸੰਸਥਾ ਦੁਆਰਾ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਸਥਾਪਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਏ
ਕਾਰਜਕਾਰੀ ਪੱਧਰ.
ਕੀ ਪ੍ਰਬੰਧਕ ਇੱਕ ਡਿਜ਼ਾਈਨ ਕੀਤੀ ਪਹੁੰਚ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ? ਏ
ਪਹੁੰਚ ਜੋ ਕਿ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਬਣਾਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦੀ ਹੈ
ਅੰਤ ਵਪਾਰ ਦੇ ਸਾਰੇ ਖੇਤਰਾਂ ਲਈ ਮੁੱਲ ਲਿਆਏਗਾ, ਪਰ ਸ਼ਾਇਦ
ਕੀ ਇਹ ਵਿਅਕਤੀਗਤ ਜਾਂ ਵਿਭਾਗੀ ਏਜੰਡੇ ਨਾਲ ਸਮਝੌਤਾ ਕਰਦਾ ਹੈ? ਕਹਾਵਤ ਨੂੰ ਯਾਦ ਰੱਖੋ
"ਸਿਰਫ ਇੱਕ ਚੀਜ਼ ਬਾਰੇ ਸੋਚਣ ਨਾਲੋਂ ਹਰ ਚੀਜ਼ ਬਾਰੇ ਸੋਚਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ."
ਇਹ ਕਹਾਵਤ BI ਸੰਸਥਾਵਾਂ ਲਈ ਸੱਚ ਹੈ।
ਬਦਕਿਸਮਤੀ ਨਾਲ, ਬਹੁਤ ਸਾਰੇ ਵੇਅਰਹਾਊਸ ਆਪਣੇ ਯਤਨਾਂ ਨੂੰ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਨ
ਕਿਸੇ ਖਾਸ ਵਿਭਾਗ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣ ਅਤੇ ਮੁੱਲ ਲਿਆਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ ਜਾਂ
ਖਾਸ ਉਪਭੋਗਤਾ, ਵਿੱਚ ਸੰਗਠਨ ਦੇ ਬਹੁਤ ਘੱਟ ਸਬੰਧ ਵਿੱਚ
ਜਨਰਲ ਮੰਨ ਲਓ ਪ੍ਰਬੰਧਕ ਟੀਮ ਤੋਂ ਸਹਾਇਤਾ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ
ਘਰ ਟੀਮ 90 ਦਿਨਾਂ ਤੱਕ ਚੱਲਣ ਵਾਲੀ ਨੌਕਰੀ ਦੇ ਨਾਲ ਜਵਾਬ ਦਿੰਦੀ ਹੈ
ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਨੋਟੀਫਿਕੇਸ਼ਨ ਲੋੜਾਂ ਦੀ ਡਿਲਿਵਰੀ ਹੀ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ
ਮੈਨੇਜਰ ਪਰ ਇਹ ਸਭ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ dati ਅਧਾਰ ਨੂੰ ਪਰਤ ਵਿੱਚ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ
ਘਣ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਪਰਮਾਣੂ
ਪ੍ਰਸਤਾਵ.
ਇਹ ਇੰਜਨੀਅਰਿੰਗ ਜੋੜ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਉੱਦਮ
ਵੇਅਰਹਾਊਸ ਤੋਂ ਲਾਭ ਹੋਵੇਗਾ dati ਮੈਨੇਜਰ ਲਈ ਜ਼ਰੂਰੀ.
ਹਾਲਾਂਕਿ, ਕਾਰਜਕਾਰੀ ਨੇ ਬਾਹਰੀ ਸਲਾਹਕਾਰ ਫਰਮਾਂ ਨਾਲ ਗੱਲ ਕੀਤੀ ਕਿ
ਨੇ 4 ਤੋਂ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਡਿਲੀਵਰੀ ਦੇ ਨਾਲ ਇੱਕ ਸਮਾਨ ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ ਹੈ
ਹਫ਼ਤੇ.
ਇਹ ਮੰਨਦੇ ਹੋਏ ਕਿ ਅੰਦਰੂਨੀ ਵੇਅਰਹਾਊਸ ਟੀਮ ਸਮਰੱਥ ਹੈ,
ਮੈਨੇਜਰ ਕੋਲ ਇੱਕ ਵਿਕਲਪ ਹੈ। ਦੇ ਅਨੁਸ਼ਾਸਨ ਦਾ ਸਮਰਥਨ ਕੌਣ ਕਰ ਸਕਦਾ ਹੈ
ਸੰਪਤੀ ਨੂੰ ਵਧਾਉਣ ਲਈ ਵਾਧੂ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਲੋੜ ਹੈ
ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਕਾਰੋਬਾਰ ਜਾਂ ਤੁਸੀਂ ਆਪਣਾ ਬਣਾਉਣ ਦੀ ਚੋਣ ਕਰ ਸਕਦੇ ਹੋ
ਜਲਦੀ ਹੱਲ. ਆਖਰੀ ਇੱਕ ਸੱਚਮੁੱਚ ਚੁਣਿਆ ਗਿਆ ਜਾਪਦਾ ਹੈ
ਬਹੁਤ ਅਕਸਰ ਅਤੇ ਸਿਰਫ ਜਾਣਕਾਰੀ ਦੇ ਕੰਟੇਨਰ ਬਣਾਉਣ ਲਈ ਕੰਮ ਕਰਦਾ ਹੈ
ਜਿਸਦਾ ਲਾਭ ਸਿਰਫ ਕੁਝ ਜਾਂ ਵਿਅਕਤੀਗਤ ਨੂੰ ਹੁੰਦਾ ਹੈ।
ਛੋਟੀ ਅਤੇ ਲੰਬੀ ਮਿਆਦ ਦੇ ਉਦੇਸ਼
ਆਰਕੀਟੈਕਟਾਂ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਏ
ਸਮੁੱਚੀ ਆਰਕੀਟੈਕਚਰ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਦ੍ਰਿਸ਼ਟੀ ਅਤੇ ਇਸਦੇ ਲਈ ਯੋਜਨਾਵਾਂ
ਇੱਕ BI ਸੰਸਥਾ ਵਿੱਚ ਵਧਣਾ। ਦਾ ਇਹ ਸੁਮੇਲ
ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਲਾਭ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਯੋਜਨਾਬੰਦੀ
BI ਯਤਨਾਂ ਦੇ ਦੋਨਾਂ ਪੱਖਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਛੋਟੀ ਮਿਆਦ ਦੇ ਲਾਭ
ਡੈੱਡਲਾਈਨ BI ਦਾ ਪਹਿਲੂ ਹੈ ਜੋ ਦੇ ਦੁਹਰਾਓ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ
ਤੁਹਾਡਾ ਗੋਦਾਮ।
ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਯੋਜਨਾਕਾਰ, ਆਰਕੀਟੈਕਟ ਅਤੇ ਸਪਾਂਸਰ ਫੋਕਸ ਕਰਦੇ ਹਨ
ਖਾਸ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨਾ। ਇਹ ਇਸ ਪੱਧਰ 'ਤੇ ਹੈ ਜਿੱਥੇ
ਭੌਤਿਕ ਢਾਂਚੇ ਬਣਾਏ ਜਾਂਦੇ ਹਨ, ਤਕਨਾਲੋਜੀ ਖਰੀਦੀ ਜਾਂਦੀ ਹੈ ਅਤੇ
ਤਕਨੀਕਾਂ ਲਾਗੂ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਉਹ ਬਿਲਕੁਲ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ਨਹੀਂ ਬਣਾਏ ਗਏ ਹਨ
ਖਾਸ ਲੋੜਾਂ ਜਿਵੇਂ ਕਿ ਖਾਸ ਉਪਭੋਗਤਾ ਭਾਈਚਾਰਿਆਂ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ।
ਸਭ ਕੁਝ ਖਾਸ ਪਰਿਭਾਸ਼ਿਤ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਕਿਸੇ ਖਾਸ ਭਾਈਚਾਰੇ ਤੋਂ।
ਲੰਬੀ-ਸੀਮਾ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਹਾਲਾਂਕਿ, ਦੂਜਾ ਪਹਿਲੂ ਹੈ
BI ਦਾ. ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਯੋਜਨਾਵਾਂ ਅਤੇ ਪ੍ਰੋਜੈਕਟਾਂ ਨੇ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਸੀ ਕਿ ਇਹ ਸੀ
ਕਿਸੇ ਵੀ ਭੌਤਿਕ ਢਾਂਚੇ, ਚੁਣੀਆਂ ਗਈਆਂ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ
ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵੱਲ ਅੱਖ ਨਾਲ ਬਣਾਈਆਂ ਗਈਆਂ ਤਕਨੀਕਾਂ ਦਾ ਅਨੁਭਵ ਕੀਤਾ. ਅਤੇ
ਲੰਬੀ ਮਿਆਦ ਦੀ ਯੋਜਨਾ ਜੋ ਤਾਲਮੇਲ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ
ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਕਾਰੋਬਾਰੀ ਲਾਭ ਸਾਰਿਆਂ ਨੂੰ ਮਿਲੇ
ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਲਾਭ ਮਿਲੇ ਹਨ।
ਆਪਣੇ BI ਯਤਨਾਂ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਓ
Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਪਣੇ ਆਪ ਵਿੱਚ ਇਸਦਾ ਕੋਈ ਅੰਦਰੂਨੀ ਮੁੱਲ ਨਹੀਂ ਹੈ। ਹੋਰ ਵਿੱਚ
ਸ਼ਬਦ, ਦੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚ ਕੋਈ ਅੰਦਰੂਨੀ ਮੁੱਲ ਨਹੀਂ ਹੈ
ਵੇਅਰਹਾਊਸ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਤਕਨੀਕਾਂ।
ਕਿਸੇ ਵੀ ਵੇਅਰਹਾਊਸ ਦੀ ਕੋਸ਼ਿਸ਼ ਦਾ ਮੁੱਲ ਕਿਰਿਆਵਾਂ ਵਿੱਚ ਪਾਇਆ ਜਾਂਦਾ ਹੈ
ਵੇਅਰਹਾਊਸ ਵਾਤਾਵਰਣ ਅਤੇ ਸਮੱਗਰੀ ਦੇ ਬਾਅਦ ਕੀਤਾ ਗਿਆ
ਸਮੇਂ ਦੇ ਨਾਲ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਕਾਸ਼ਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਸਮਝਣ ਲਈ ਇੱਕ ਨਾਜ਼ੁਕ ਬਿੰਦੂ ਹੈ
ਦੀ ਕਿਸੇ ਵੀ ਪਹਿਲਕਦਮੀ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ
ਜਿੱਥੇ ਘਰ.
ਬਹੁਤ ਵਾਰ, ਆਰਕੀਟੈਕਟ ਅਤੇ ਡਿਜ਼ਾਈਨਰ ਮੁੱਲ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ
ਵੇਅਰਹਾਊਸ ਦੇ ਭੌਤਿਕ ਅਤੇ ਤਕਨੀਕੀ ਹਿੱਸੇ ਜਦੋਂ ਅਸਲ ਵਿੱਚ ਮੁੱਲ ਹੈ
ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ ਜੋ ਸਕਾਰਾਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੀਆਂ ਹਨ
ਗੋਦਾਮ ਅਤੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਣਕਾਰੀ।
ਇੱਥੇ BI ਸਥਾਪਤ ਕਰਨ ਦੀ ਚੁਣੌਤੀ ਹੈ: ਤੁਸੀਂ ਨਿਵੇਸ਼ ਨੂੰ ਕਿਵੇਂ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦੇ ਹੋ?
ਜੇ ਜਿੱਥੇ ਘਰ ਦਾ ਆਪਣੇ ਆਪ ਵਿੱਚ ਕੋਈ ਅੰਦਰੂਨੀ ਮੁੱਲ ਨਹੀਂ ਹੈ, ਦੇ ਡਿਜ਼ਾਈਨਰ
ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਭਾਂ ਦੀ ਜਾਂਚ, ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਰਸਮੀ ਰੂਪ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ
ਉਹਨਾਂ ਵਿਅਕਤੀਆਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਕਰਨਗੇ
ਖਾਸ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜਾਂ ਦੇ ਮੁੱਲ ਵਿੱਚ ਸੁਧਾਰ ਕਰੋ
ਸੁਰੱਖਿਅਤ ਜਾਣਕਾਰੀ ਜਾਂ ਦੋਵੇਂ।
ਮਾਮਲਿਆਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਣ ਲਈ, ਕੋਈ ਵੀ ਵਪਾਰਕ ਪ੍ਰਕਿਰਿਆ
ਵੇਅਰਹਾਊਸ ਦੇ ਯਤਨਾਂ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਲਾਭ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ
"ਕਾਫ਼ੀ" ਜਾਂ "ਮਾਮੂਲੀ"। ਕਾਫ਼ੀ ਫਾਇਦੇ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ a
ਨਿਵੇਸ਼ 'ਤੇ ਵਾਪਸੀ (ROI) ਨੂੰ ਮਾਪਣ ਲਈ ਠੋਸ ਮੈਟ੍ਰਿਕ - ਉਦਾਹਰਨ ਲਈ
ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਮਿਆਦ ਦੇ ਦੌਰਾਨ ਵਸਤੂ ਸੂਚੀ ਨੂੰ ਇੱਕ ਵਾਧੂ ਸਮਾਂ ਬਦਲਣਾ
ਖਾਸ ਜਾਂ ਪ੍ਰਤੀ ਸ਼ਿਪਮੈਂਟ ਘੱਟ ਸ਼ਿਪਿੰਗ ਲਾਗਤ ਲਈ। ਇਹ ਹੋਰ ਹੈ
ਮਾਮੂਲੀ ਲਾਭਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ, ਜਿਵੇਂ ਕਿ ਤੱਕ ਪਹੁੰਚ ਵਿੱਚ ਸੁਧਾਰ
ਜਾਣਕਾਰੀ, ਠੋਸ ਮੁੱਲ ਦੇ ਰੂਪ ਵਿੱਚ.
ਬਾਰੇ ਜਾਣਨ ਲਈ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਨਾਲ ਜੁੜੋ
ਕਾਰੋਬਾਰੀ ਬੇਨਤੀਆਂ
ਬਹੁਤ ਵਾਰ, ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰ ਮੁੱਲ ਨੂੰ ਜੋੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ
ਅਮੋਰਫਸ ਕੰਪਨੀ ਦੇ ਉਦੇਸ਼ਾਂ ਵਾਲੇ ਗੋਦਾਮ ਦਾ. ਇਹ ਘੋਸ਼ਣਾ ਕਰਦੇ ਹੋਏ
"ਇੱਕ ਗੋਦਾਮ ਦਾ ਮੁੱਲ ਸਾਡੀ ਯੋਗਤਾ 'ਤੇ ਅਧਾਰਤ ਹੈ
ਰਣਨੀਤਕ ਬੇਨਤੀਆਂ ਨੂੰ ਸੰਤੁਸ਼ਟ ਕਰੋ” ਅਸੀਂ ਖੋਲ੍ਹਦੇ ਹਾਂ
ਭਾਸ਼ਣ। ਪਰ ਇਹ ਇਕੱਲੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ ਕਿ ਕੀ
ਵਸਤੂ ਸੂਚੀ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਅਰਥ ਰੱਖਦਾ ਹੈ। ਦੁਹਰਾਓ ਜੋੜਨਾ ਬਿਹਤਰ ਹੈ
ਖਾਸ ਅਤੇ ਜਾਣੇ-ਪਛਾਣੇ ਕਾਰੋਬਾਰੀ ਬੇਨਤੀਆਂ ਵਾਲੇ ਗੋਦਾਮਾਂ ਦਾ।
ROI ਨੂੰ ਮਾਪਣਾ
ਇੱਕ ਵੇਅਰਹਾਊਸ ਸੈਟਿੰਗ ਵਿੱਚ ROI ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ
ਖਾਸ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ. ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੈ ਜੇਕਰ ਫਾਇਦਾ
ਕਿਸੇ ਖਾਸ ਦੁਹਰਾਓ ਦਾ ਪ੍ਰਿੰਸੀਪਲ ਕੁਝ ਅਟੱਲ ਹੈ ਜਾਂ
ਮਾਪਣ ਲਈ ਆਸਾਨ. ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਸਮਝਦੇ ਹਨ
BI ਪਹਿਲਕਦਮੀਆਂ ਦੇ ਦੋ ਮੁੱਖ ਫਾਇਦੇ:
▪ ਫੈਸਲੇ ਲੈਣ ਦੀ ਯੋਗਤਾ ਪੈਦਾ ਕਰੋ
▪ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਬਣਾਓ
ਇਹ ਲਾਭ ਨਰਮ (ਜਾਂ ਹਲਕੇ) ਲਾਭ ਹਨ। ਇਹ ਦੇਖਣਾ ਆਸਾਨ ਹੈ
ਅਸੀਂ ਇੱਕ ਹਾਰਡ ਲੀਡ (ਜਾਂ
ਵੱਧ) ਜਿਵੇਂ ਕਿ ਆਵਾਜਾਈ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾਉਣਾ, ਪਰ ਕਿਵੇਂ
ਕੀ ਅਸੀਂ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਦੀ ਯੋਗਤਾ ਨੂੰ ਮਾਪਦੇ ਹਾਂ?
ਇਹ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ ਲਈ ਇੱਕ ਚੁਣੌਤੀ ਹੈ ਜਦੋਂ
ਉਹ ਕੰਪਨੀ ਨੂੰ ਕਿਸੇ ਖਾਸ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨ ਲਈ ਮਨਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ
ਵੇਅਰਹਾਊਸ ਦੀ ਕੋਸ਼ਿਸ਼. ਵਿਕਰੀ ਵਧਾਉਣਾ ਜਾਂ ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਉਣਾ
ਉਹ ਹੁਣ ਕੇਂਦਰੀ ਥੀਮ ਨਹੀਂ ਹਨ ਜੋ BI ਵਾਤਾਵਰਣ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ।
ਇਸ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਪਹੁੰਚ ਲਈ ਕਾਰੋਬਾਰੀ ਬੇਨਤੀਆਂ ਨੂੰ ਦੇਖ ਰਹੇ ਹੋ
ਜਾਣਕਾਰੀ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ ਤਾਂ ਜੋ ਕੋਈ ਵਿਸ਼ੇਸ਼ ਵਿਭਾਗ ਕਰ ਸਕੇ
ਤੇਜ਼ੀ ਨਾਲ ਫੈਸਲੇ ਕਰੋ. ਇਹ ਰਣਨੀਤਕ ਡਰਾਈਵਰ ਏ
ਜੋ ਕਾਰੋਬਾਰ ਲਈ ਬਰਾਬਰ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੇ ਹਨ ਪਰ ਹਨ
ਵਧੇਰੇ ਅਸਪਸ਼ਟ ਅਤੇ ਇੱਕ ਠੋਸ ਮੈਟ੍ਰਿਕ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਵਧੇਰੇ ਮੁਸ਼ਕਲ।
ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ROI ਦੀ ਗਣਨਾ ਕਰਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੋ ਸਕਦਾ ਹੈ, ਜੇਕਰ ਅਪ੍ਰਸੰਗਿਕ ਨਹੀਂ ਹੈ।
ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਮੁੱਲ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਹੈ ਜਾਂ ਨਹੀਂ ਇਹ ਫੈਸਲਾ ਕਰਨ ਲਈ ਕਾਰਜਕਾਰੀ ਲਈ ਠੋਸ
ਇੱਕ ਖਾਸ ਦੁਹਰਾਓ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਅਸੀਂ ਇੱਕ ਨਵਾਂ ਪ੍ਰਸਤਾਵ ਨਹੀਂ ਕਰਾਂਗੇ
ROI ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਵਿਧੀ, ਨਾ ਹੀ ਅਸੀਂ ਜਾਂ ਲਈ ਕੋਈ ਦਲੀਲ ਦੇਵਾਂਗੇ
ਇਸ ਦੇ ਵਿਰੁੱਧ.
ਇੱਥੇ ਬਹੁਤ ਸਾਰੇ ਲੇਖ ਅਤੇ ਕਿਤਾਬਾਂ ਉਪਲਬਧ ਹਨ ਜੋ ਕਿ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਬਾਰੇ ਚਰਚਾ ਕਰਦੀਆਂ ਹਨ
ROI ਦੀ ਗਣਨਾ ਕਰੋ। ਇੱਕ ਮੁੱਲ ਦੇ ਤੌਰ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਮੁੱਲ ਪ੍ਰਸਤਾਵ ਹਨ
ਇਨਵੈਸਟਿੰਗ (VOI), ਗਾਰਟਨਰ ਵਰਗੇ ਸਮੂਹਾਂ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਤੁਸੀਂ ਕਰ ਸਕਦੇ ਹੋ
ਖੋਜ ਕਰਨ ਲਈ. ਇਸ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਕਿਸੇ ਦੇ ਮੁੱਖ ਪਹਿਲੂਆਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਾਂਗੇ
ROI ਜਾਂ ਹੋਰ ਮੁੱਲ ਪ੍ਰਸਤਾਵ ਜਿਨ੍ਹਾਂ 'ਤੇ ਤੁਹਾਨੂੰ ਵਿਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।
ROI ਲਾਗੂ ਕਰਨਾ
"ਸਖਤ" ਲਾਭ ਬਨਾਮ "ਨਰਮ" ਲਾਭਾਂ ਦੀ ਦਲੀਲ ਤੋਂ ਪਰੇ
BI ਦੇ ਯਤਨਾਂ ਨਾਲ ਸੰਬੰਧਿਤ ਵਿਚਾਰ ਕਰਨ ਲਈ ਹੋਰ ਮੁੱਦੇ ਹਨ
ਜਦੋਂ ਅਸੀਂ ROI ਲਾਗੂ ਕਰਦੇ ਹਾਂ। ਉਦਾਹਰਣ ਲਈ:
ਆਉਣ ਵਾਲੇ DW ਯਤਨਾਂ ਲਈ ਬਹੁਤ ਸਾਰੀਆਂ ਬੱਚਤਾਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ਤਾ ਦਿਓ
ਹਰ ਹਾਲਤ ਵਿੱਚ
ਮੰਨ ਲਓ ਕਿ ਤੁਹਾਡੀ ਕੰਪਨੀ ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਚਲੀ ਗਈ ਹੈ
ਇੱਕ ਵੰਡੇ UNIX ਵਾਤਾਵਰਨ ਲਈ ਮੇਨਫ੍ਰੇਮ। ਇਸ ਲਈ ਕੋਈ ਵੀ
ਬਚਤ ਜੋ ਉਸ ਕੋਸ਼ਿਸ਼ ਤੋਂ ਪ੍ਰਾਪਤ ਹੋ ਸਕਦੀ ਹੈ (ਜਾਂ ਨਹੀਂ ਹੋ ਸਕਦੀ)
ਨੂੰ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਨਹੀਂ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ, ਜੇਕਰ ਬਿਲਕੁਲ (?), ਨੂੰ
ਗੁਦਾਮ
ਹਰ ਚੀਜ਼ ਲਈ ਲੇਖਾ ਨਾ ਕਰਨਾ ਮਹਿੰਗਾ ਹੈ. ਅਤੇ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ
ਖਾਤੇ ਵਿੱਚ ਲੈ. ਹੇਠ ਦਿੱਤੀ ਸੂਚੀ 'ਤੇ ਗੌਰ ਕਰੋ:
▪ ਸ਼ੁਰੂਆਤੀ ਲਾਗਤ, ਵਿਵਹਾਰਕਤਾ ਸਮੇਤ।
▪ ਸੰਬੰਧਿਤ ਸਟੋਰੇਜ ਦੇ ਨਾਲ ਸਮਰਪਿਤ ਹਾਰਡਵੇਅਰ ਦੀ ਲਾਗਤ e
ਸੰਚਾਰ
▪ ਪ੍ਰਬੰਧਨ ਸਮੇਤ ਸਾਫਟਵੇਅਰ ਦੀ ਲਾਗਤ dati ਅਤੇ ਐਕਸਟੈਂਸ਼ਨਾਂ
ਕਲਾਇੰਟ/ਸਰਵਰ, ਈਟੀਐਲ ਸੌਫਟਵੇਅਰ, ਡੀਐਸਐਸ ਤਕਨਾਲੋਜੀ, ਟੂਲ
ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ, ਪ੍ਰੋਗਰਾਮਿੰਗ ਅਤੇ ਪ੍ਰਵਾਹ ਐਪਲੀਕੇਸ਼ਨ
ਕੰਮ ਅਤੇ ਨਿਗਰਾਨੀ ਸਾਫਟਵੇਅਰ, .
▪ ਢਾਂਚੇ ਦੇ ਡਿਜ਼ਾਈਨ ਦੀ ਲਾਗਤ dati, ਬੋਧ ਦੇ ਨਾਲ, ਅਤੇ
ਦਾ ਅਨੁਕੂਲਨ
▪ ਸੌਫਟਵੇਅਰ ਵਿਕਾਸ ਦੀ ਲਾਗਤ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕੋਸ਼ਿਸ਼ ਨਾਲ ਜੁੜੀ ਹੋਈ ਹੈ
BI
▪ ਘਰੇਲੂ ਸਹਾਇਤਾ ਦੀ ਲਾਗਤ, ਦੇ ਅਨੁਕੂਲਨ ਸਮੇਤ
ਪ੍ਰਦਰਸ਼ਨ, ਸਾਫਟਵੇਅਰ ਸੰਸਕਰਣ ਨਿਯੰਤਰਣ ਅਤੇ ਸਮੇਤ
ਮਦਦ ਓਪਰੇਸ਼ਨ
"ਬਿਗ-ਬੈਂਗ" ROI ਲਾਗੂ ਕਰੋ।
ਇੱਕ ਸਿੰਗਲ ਅਤੇ ਵਿਸ਼ਾਲ ਯਤਨ ਵਜੋਂ ਗੋਦਾਮ ਦੀ ਸਿਰਜਣਾ
ਅਸਫਲ ਹੋਣ ਲਈ ਪਾਬੰਦ ਹੈ, ਇਸ ਲਈ ਇੱਕ ਪਹਿਲਕਦਮੀ ਲਈ ROI ਦੀ ਵੀ ਗਣਨਾ ਕਰੋ
ਵੱਡੇ ਉਦਯੋਗ ਦੀ ਪੇਸ਼ਕਸ਼ ਹੈਰਾਨੀਜਨਕ ਹੈ, ਅਤੇ ਇਹ ਕਿ ਡਿਜ਼ਾਈਨਰ
ਪੂਰੇ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਕਮਜ਼ੋਰ ਕੋਸ਼ਿਸ਼ਾਂ ਕਰਨਾ ਜਾਰੀ ਰੱਖੋ
ਜਤਨ.
ਕਿਉਂਕਿ ਡਿਜ਼ਾਈਨਰ ਇੱਕ ਮੁਦਰਾ ਮੁੱਲ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ
ਕਾਰੋਬਾਰੀ ਪਹਿਲਕਦਮੀ 'ਤੇ ਜੇ ਇਹ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਸਵੀਕਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਕੀ ਖਾਸ ਪ੍ਰਤੀਨਿਧੀਆਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਔਖਾ ਹੈ? ਇਹ ਕਿਵੇਂ ਸੰਭਵ ਹੈ? ਇਹ ਨਹੀਂ ਹੈ
ਕੁਝ ਅਪਵਾਦਾਂ ਦੇ ਨਾਲ ਸੰਭਵ ਹੈ। ਇਹ ਨਾ ਕਰੋ.
ਹੁਣ ਜਦੋਂ ਅਸੀਂ ਇਹ ਸਥਾਪਿਤ ਕਰ ਲਿਆ ਹੈ ਕਿ ਗਣਨਾ ਕਰਦੇ ਸਮੇਂ ਕੀ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ
ROI, ਇੱਥੇ ਕੁਝ ਨੁਕਤੇ ਹਨ ਜੋ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰਨਗੇ
ਤੁਹਾਡੇ BI ਯਤਨਾਂ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਇੱਕ ਭਰੋਸੇਯੋਗ ਪ੍ਰਕਿਰਿਆ।
ROI ਸਹਿਮਤੀ ਪ੍ਰਾਪਤ ਕਰਨਾ। ਤੇਰੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ
ਤੁਹਾਡੇ BI ਯਤਨਾਂ ਦੇ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਤਕਨੀਕ ਦੀ ਚੋਣ, ਲਾਜ਼ਮੀ ਹੈ
ਪ੍ਰੋਜੈਕਟ ਡਿਜ਼ਾਈਨਰਾਂ ਸਮੇਤ ਸਾਰੀਆਂ ਧਿਰਾਂ ਦੁਆਰਾ ਸਹਿਮਤ ਹੋਣਾ,
ਸਪਾਂਸਰ ਅਤੇ ਕੰਪਨੀ ਦੇ ਕਾਰਜਕਾਰੀ।
ROI ਨੂੰ ਪਛਾਣਨ ਯੋਗ ਹਿੱਸਿਆਂ ਵਿੱਚ ਘਟਾਓ। ਵੱਲ ਇੱਕ ਜ਼ਰੂਰੀ ਕਦਮ ਹੈ
ਇੱਕ ROI ਦੀ ਵਾਜਬ ਗਣਨਾ ਉਸ ਗਣਨਾ ਨੂੰ a 'ਤੇ ਕੇਂਦਰਿਤ ਕਰਨਾ ਹੈ
ਖਾਸ ਪ੍ਰੋਜੈਕਟ. ਇਹ ਫਿਰ ਤੁਹਾਨੂੰ ਇੱਕ ਮੁੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ
ਖਾਸ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਜੋ ਪੂਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ
ਲਾਗਤਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ. ਜਿਵੇਂ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਬਹੁਤ ਸਾਰੀਆਂ ਲਾਗਤਾਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ
ਮੰਨਿਆ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਲਾਗਤਾਂ ਵਿੱਚ ਨਾ ਸਿਰਫ਼ ਸੰਬੰਧਿਤ ਲਾਗਤਾਂ ਸ਼ਾਮਲ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ
ਸਿੰਗਲ ਦੁਹਰਾਓ ਲਈ ਪਰ ਸੰਬੰਧਿਤ ਲਾਗਤਾਂ ਲਈ ਵੀ
ਕੰਪਨੀ ਦੇ ਮਿਆਰਾਂ ਦੀ ਪਾਲਣਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ।
ਲਾਭਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ROI ਨੂੰ ਲੋੜਾਂ ਨਾਲ ਜੋੜਨਾ
ਖਾਸ ਕਾਰੋਬਾਰ, ਸਾਨੂੰ ਪਛਾਣ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਫਾਇਦੇ ਜੋ ਲੋੜਾਂ ਨੂੰ ਸੰਤੁਸ਼ਟ ਕਰਨ ਲਈ ਅਗਵਾਈ ਕਰਨਗੇ।
ਆਉਣ ਵਾਲੇ ਲਾਭਾਂ ਵਿੱਚ ਲਾਗਤਾਂ ਅਤੇ ਲਾਭਾਂ ਨੂੰ ਘਟਾਓ। ਇਹ ਤਰੀਕਾ ਹੈ
ਤੁਹਾਡੇ ਮੁਲਾਂਕਣਾਂ ਨੂੰ ਸ਼ੁੱਧ ਮੌਜੂਦਾ ਮੁੱਲ 'ਤੇ ਅਧਾਰਤ ਕਰਨਾ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ
(NPV) ਵਿੱਚ ਭਵਿੱਖ ਦੇ ਮੁੱਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਦੇ ਉਲਟ
ਭਵਿੱਖ ਦੀ ਕਮਾਈ.
ਆਪਣੇ ROI ਨੂੰ ਘੱਟੋ-ਘੱਟ ਵੰਡਣ ਦਾ ਸਮਾਂ ਰੱਖੋ। ਅਤੇ'
ਇਹ ਤੁਹਾਡੇ ਵਿੱਚ ਵਰਤੇ ਗਏ ਸਮੇਂ ਦੇ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ੀ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ROI.
ਇੱਕ ਤੋਂ ਵੱਧ ROI ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਲਈ ਬਹੁਤ ਸਾਰੇ ਤਰੀਕੇ ਹਨ
ROI ਪੂਰਵ ਅਨੁਮਾਨ ਅਤੇ ਤੁਹਾਨੂੰ ਯੋਜਨਾ ਬਣਾਉਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਕੀ ਇੱਕ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ ਜਾਂ
ਨਾਲ ਹੀ, ਕੁੱਲ ਮੌਜੂਦਾ ਮੁੱਲ, ਵਾਪਸੀ ਦੀ ਅੰਦਰੂਨੀ ਵੇਗ ਸਮੇਤ
(IRR) ਅਤੇ ਰਿਕਵਰੀ।
ਦੁਹਰਾਉਣ ਯੋਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਇਹ ਗਣਨਾ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ
ਕੋਈ ਵੀ ਲੰਮੀ ਮਿਆਦ ਦਾ ਮੁੱਲ। ਇਹ ਦਸਤਾਵੇਜ਼ੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ a
ਸਾਰੇ ਪਰਿਯੋਜਨਾ ਦੇ ਬਾਅਦ ਦੇ ਲਈ ਸਿੰਗਲ ਦੁਹਰਾਉਣ ਯੋਗ ਪ੍ਰਕਿਰਿਆ a
ਦੀ ਪਾਲਣਾ ਕਰੋ
ਸੂਚੀਬੱਧ ਸਮੱਸਿਆਵਾਂ ਮਾਹਰਾਂ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਸਭ ਤੋਂ ਆਮ ਹਨ
ਘਰ ਦੇ ਮਾਹੌਲ ਦਾ. ਦੇ ਪ੍ਰਬੰਧਨ ਦੇ ਹਿੱਸੇ 'ਤੇ ਜ਼ੋਰ
"ਬਿਗ-ਬੈਂਗ" ROI ਪ੍ਰਦਾਨ ਕਰਨਾ ਬਹੁਤ ਉਲਝਣ ਵਾਲਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਸਾਰੇ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋ
ਤੁਹਾਡੀਆਂ ROI ਗਣਨਾਵਾਂ ਨੂੰ ਪਛਾਣਨਯੋਗ ਅਤੇ ਠੋਸ ਟੁਕੜਿਆਂ ਵਿੱਚ ਘਟਾ ਕੇ, ਤੁਹਾਡੇ ਕੋਲ ਹੈ
ਇੱਕ ਸਹੀ ROI ਮੁਲਾਂਕਣ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦਾ ਇੱਕ ਵਧੀਆ ਮੌਕਾ।
ROI ਲਾਭਾਂ ਬਾਰੇ ਸਵਾਲ
ਜੋ ਵੀ ਤੁਹਾਡੇ ਫਾਇਦੇ ਹਨ, ਨਰਮ ਜਾਂ ਸਖ਼ਤ, ਤੁਸੀਂ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ
ਉਹਨਾਂ ਦੇ ਮੁੱਲ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕੁਝ ਬੁਨਿਆਦੀ ਸਵਾਲ। ਨੂੰ
ਉਦਾਹਰਨ ਲਈ ਇੱਕ ਸਧਾਰਨ ਸਕੇਲਿੰਗ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, 1 ਤੋਂ 10 ਤੱਕ, ਤੁਸੀਂ
ਤੁਸੀਂ ਨਿਮਨਲਿਖਤ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਿਸੇ ਵੀ ਕੋਸ਼ਿਸ਼ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹੋ
ਬੇਨਤੀਆਂ:
▪ ਤੁਸੀਂ ਸਮਝ ਨੂੰ ਕਿਵੇਂ ਦਰਜਾ ਦਿਓਗੇ dati ਇਸ ਦੇ ਬਾਅਦ
ਤੁਹਾਡੀ ਕੰਪਨੀ ਦਾ ਪ੍ਰੋਜੈਕਟ?
▪ ਨਤੀਜੇ ਵਜੋਂ ਤੁਸੀਂ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸੁਧਾਰਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਕਿਵੇਂ ਲਗਾਓਗੇ
ਇਸ ਪ੍ਰੋਜੈਕਟ?
▪ ਤੁਸੀਂ ਹੁਣ ਨਵੀਆਂ ਸੂਝਾਂ ਅਤੇ ਅਨੁਮਾਨਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਕਿਵੇਂ ਮਾਪੋਗੇ
ਇਸ ਦੁਹਰਾਅ ਦੁਆਰਾ ਉਪਲਬਧ ਕਰਵਾਇਆ ਗਿਆ ਹੈ
▪ ਨਵੇਂ ਕੰਪਿਊਟਰ ਵਾਤਾਵਰਨ ਦਾ ਕੀ ਅਸਰ ਹੋਇਆ ਹੈ e
ਜੋ ਕੁਝ ਸਿੱਖਿਆ ਗਿਆ ਸੀ ਉਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਰਹੇ ਹੋ?
ਜੇ ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਘੱਟ ਹਨ, ਤਾਂ ਇਹ ਸੰਭਵ ਹੈ ਕਿ
ਕੰਪਨੀ ਕੀਤੇ ਨਿਵੇਸ਼ ਦੇ ਯੋਗ ਨਹੀਂ ਹੈ। ਇੱਕ ਉੱਚ ਨਾਲ ਸਵਾਲ
ਮਹੱਤਵਪੂਰਨ ਮੁੱਲ ਲਾਭਾਂ ਲਈ ਸਕੋਰ ਪੁਆਇੰਟ ਅਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਅਗਲੇਰੀ ਜਾਂਚ ਲਈ ਗਾਈਡ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ।
ਉਦਾਹਰਨ ਲਈ, ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸੁਧਾਰ ਲਈ ਇੱਕ ਉੱਚ ਸਕੋਰ
ਇਸ ਨੂੰ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਇਹ ਦੇਖਣ ਲਈ ਅਗਵਾਈ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਪ੍ਰਕਿਰਿਆਵਾਂ ਕਿਹੋ ਜਿਹੀਆਂ ਹਨ
ਸੁਧਾਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਤੁਹਾਨੂੰ ਪਤਾ ਲੱਗ ਸਕਦਾ ਹੈ ਕਿ ਕੁਝ ਜਾਂ ਸਾਰੇ ਲਾਭ ਜੋ ਤੁਸੀਂ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ
ਉਹ ਠੋਸ ਹਨ ਅਤੇ ਇਸਲਈ ਇੱਕ ਮੁਦਰਾ ਮੁੱਲ ਆਸਾਨੀ ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਲਾਗੂ ਕੀਤਾ।
ਦੇ ਪਹਿਲੇ ਦੁਹਰਾਓ ਤੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਪ੍ਰਾਪਤ ਕਰਨਾ
ਵੇਅਰਹਾਊਸ
ਤੁਹਾਡੇ ਵਪਾਰਕ ਯਤਨਾਂ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਨਤੀਜਾ ਅਕਸਰ ਵਿੱਚ ਹੁੰਦਾ ਹੈ
ਪਹਿਲੇ ਕੁਝ ਦੁਹਰਾਓ. ਇਹ ਪਹਿਲੀ ਕੋਸ਼ਿਸ਼ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ
ਜਨਤਾ ਲਈ ਸਭ ਤੋਂ ਲਾਭਦਾਇਕ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਸਥਾਪਿਤ ਕਰੋ ਅਤੇ
ਬਾਅਦ ਵਾਲੇ ਲੋਕਾਂ ਲਈ ਤਕਨਾਲੋਜੀ ਫਾਊਂਡੇਸ਼ਨ ਸਹਾਇਤਾ ਸਥਾਪਤ ਕਰਦਾ ਹੈ
BI ਐਪਲੀਕੇਸ਼ਨ।
ਆਮ ਤੌਰ 'ਤੇ ਦੇ ਹਰ ਬਾਅਦ ਦੇ ਬਾਅਦ dati ਪ੍ਰੋਜੈਕਟ ਦੇ
ਗੋਦਾਮ ਕੰਪਨੀ ਨੂੰ ਘੱਟ ਅਤੇ ਘੱਟ ਵਾਧੂ ਮੁੱਲ ਲਿਆਉਂਦੇ ਹਨ
ਜਨਰਲ ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸੱਚ ਹੈ ਜੇਕਰ ਤੁਸੀਂ ਦੁਹਰਾਉਣਾ ਨਹੀਂ ਕਰਦੇ
ਨਵੇਂ ਵਿਸ਼ਿਆਂ ਨੂੰ ਜੋੜਦਾ ਹੈ ਜਾਂ ਕਿਸੇ ਨਵੇਂ ਵਿਸ਼ੇ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਦਾ
ਉਪਭੋਗਤਾਵਾਂ ਦਾ ਸਮੂਹ.
ਸਟੋਰ ਕਰਨ ਦੀ ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਬੈਟਰੀਆਂ 'ਤੇ ਵੀ ਲਾਗੂ ਹੁੰਦੀ ਹੈ
ਦਾ ਵਧਣਾ 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 ਆਵਾਜ਼
ਅਕਸਰ ਬੁਲਾਇਆ ਜਾਂਦਾ ਹੈ dati ਸੁਸਤ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਰੱਖਣਾ ਹਮੇਸ਼ਾ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ
ਉਹ ਲਗਭਗ ਕਦੇ ਨਹੀਂ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।
ਪ੍ਰੋਜੈਕਟ ਸਪਾਂਸਰਾਂ ਲਈ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ? ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ, ਆਈ
ਪਹਿਲੇ ਸਪਾਂਸਰ ਨਿਵੇਸ਼ ਦੀ ਲਾਗਤ ਨਾਲੋਂ ਵੱਧ ਸ਼ੇਅਰ ਕਰਦੇ ਹਨ।
ਇਹ ਪ੍ਰਾਇਮਰੀ ਹੈ ਕਿਉਂਕਿ ਉਹ ਪਰਤ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਪ੍ਰੇਰਣਾ ਹਨ
ਵਿਆਪਕ ਤਕਨੀਕੀ ਵਾਤਾਵਰਣ ਅਤੇ ਵੇਅਰਹਾਊਸ ਸਰੋਤ,
ਜੈਵਿਕ ਸਮੇਤ।
ਪਰ ਇਹ ਪਹਿਲੇ ਕਦਮ ਸਭ ਤੋਂ ਵੱਧ ਮੁੱਲ ਲਿਆਉਂਦੇ ਹਨ ਅਤੇ ਇਸ ਲਈ ਡਿਜ਼ਾਈਨਰ
ਪ੍ਰੋਜੈਕਟ ਦੇ ਅਕਸਰ ਨਿਵੇਸ਼ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਣਾ ਹੁੰਦਾ ਹੈ।
ਤੁਹਾਡੀ BI ਪਹਿਲਕਦਮੀ ਤੋਂ ਬਾਅਦ ਕੀਤੇ ਗਏ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਲਾਗਤ ਹੋ ਸਕਦੀ ਹੈ
ਘਟੀਆ (ਪਹਿਲੇ ਦੇ ਮੁਕਾਬਲੇ) ਅਤੇ ਸਿੱਧਾ, ਪਰ ਘੱਟ ਮੁੱਲ ਲਿਆਓ
ਕੰਪਨੀ ਨੂੰ.
ਅਤੇ ਸੰਸਥਾ ਦੇ ਮਾਲਕਾਂ ਨੂੰ ਵਿਚਾਰ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ
ਦੇ ਸੰਚਵ ਨੂੰ ਸੁੱਟ ਦਿਓ dati ਅਤੇ ਘੱਟ ਸੰਬੰਧਿਤ ਤਕਨਾਲੋਜੀਆਂ।
ਡਾਟਾ ਮਾਈਨਿੰਗ: ਐਕਸਟਰੈਕਸ਼ਨ ਡਾਟਾ
ਬਹੁਤ ਸਾਰੇ ਆਰਕੀਟੈਕਚਰਲ ਕੰਪੋਨੈਂਟਸ ਦੇ ਭਿੰਨਤਾਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਡਾਟਾ ਮਾਈਨਿੰਗ ਤਕਨੀਕਾਂ ਅਤੇ ਤਕਨੀਕਾਂ-
ਉਦਾਹਰਨ ਲਈ, ਦਿਲਚਸਪੀ ਦੇ ਬਿੰਦੂਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਵੱਖ-ਵੱਖ "ਏਜੰਟ"
ਗਾਹਕ, ਕੰਪਨੀ ਦੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਅਤੇ ਖੁਦ dw ਲਈ। ਇਹ
ਏਜੰਟ ਐਡਵਾਂਸਡ ਨਿਊਰਲ ਨੈਟਵਰਕ ਹੋ ਸਕਦੇ ਹਨ ਜਿਨ੍ਹਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ
ਪੋਟ ਰੁਝਾਨ, ਜਿਵੇਂ ਕਿ ਭਵਿੱਖ ਦੇ ਉਤਪਾਦ ਦੀ ਮੰਗ 'ਤੇ ਆਧਾਰਿਤ ਹੈ
ਵਿਕਰੀ ਤਰੱਕੀਆਂ; ਲਈ ਨਿਯਮ-ਅਧਾਰਿਤ ਇੰਜਣ
ਇੱਕ ਸੈੱਟ 'ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰੋ ਡੈਟੋ ਹਾਲਾਤ ਦੇ, ਉਦਾਹਰਨ ਲਈ, ਨਿਦਾਨ
ਡਾਕਟਰੀ ਅਤੇ ਇਲਾਜ ਦੀਆਂ ਸਿਫਾਰਸ਼ਾਂ; ਜਾਂ ਸਧਾਰਨ ਏਜੰਟ ਵੀ
ਸੀਨੀਅਰ ਮੈਨੇਜਰਾਂ ਨੂੰ ਅਪਵਾਦਾਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਦੀ ਭੂਮਿਕਾ ਦੇ ਨਾਲ (ਸਿਖਰ
ਕਾਰਜਕਾਰੀ)। ਆਮ ਤੌਰ 'ਤੇ ਇਹ ਕੱਢਣ ਕਾਰਜ dati si
ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਪੁਸ਼ਟੀ ਕਰੋ; ਇਸ ਲਈ, ਉਹਨਾਂ ਨੂੰ ਇਕਜੁੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਦੀ ਲਹਿਰ ਦੇ ਨਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ dati ਸਟੀਸੀ.
ਔਨਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰੋਸੈਸਿੰਗ
ਔਨਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ
ਟੁਕੜੇ, ਪਾਸਾ, ਰੋਲ, ਡਰਿਲ ਡਾਊਨ ਕਰਨ ਦੀ ਯੋਗਤਾ
ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਪੂਰਾ ਕਰੋ
ਕੀ-ਜੇ, ਦਾਇਰੇ ਦੇ ਅੰਦਰ ਹੈ, ਸੂਟ ਦਾ ਉਦੇਸ਼
IBM ਤਕਨਾਲੋਜੀ. ਉਦਾਹਰਨ ਲਈ, ਐਨਾਲਿਟੀਕਲ ਪ੍ਰੋਸੈਸਿੰਗ ਫੰਕਸ਼ਨ
DB2 ਲਈ ਔਨਲਾਈਨ (OLAP) ਮੌਜੂਦ ਹੈ ਜੋ ਕਿ ਵਿੱਚ ਆਯਾਮੀ ਵਿਸ਼ਲੇਸ਼ਣ ਲਿਆਉਂਦਾ ਹੈ
ਦਾ ਇੰਜਣ ਡਾਟਾਬੇਸ ਉਹੀ .
ਫੰਕਸ਼ਨ SQL ਵਿੱਚ ਅਯਾਮੀ ਉਪਯੋਗਤਾ ਜੋੜਦੇ ਹਨ ਜਦਕਿ
ਉਹ DB2 ਦਾ ਕੁਦਰਤੀ ਹਿੱਸਾ ਹੋਣ ਦੇ ਸਾਰੇ ਲਾਭਾਂ ਦਾ ਫਾਇਦਾ ਉਠਾਉਂਦੇ ਹਨ। ਇੱਕ ਹੋਰ
OLAP ਏਕੀਕਰਣ ਦੀ ਉਦਾਹਰਨ ਐਕਸਟਰੈਕਸ਼ਨ ਟੂਲ, DB2 ਹੈ
OLAP ਸਰਵਰ ਐਨਾਲਾਈਜ਼ਰ। ਇਹ ਤਕਨਾਲੋਜੀ ਦੇ ਕਿਊਬ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
DB2 OLAP ਸਰਵਰ ਤੇਜ਼ੀ ਨਾਲ ਅਤੇ ਆਟੋਮੈਟਿਕ ਹੋਣ ਲਈ
ਦੇ ਮੁੱਲਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਰਿਪੋਰਟ ਕਰਨ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਹੈ dati ਅਸਾਧਾਰਨ ਜਾਂ ਅਚਾਨਕ
ਵਪਾਰਕ ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ ਪੂਰੇ ਘਣ ਲਈ। ਅਤੇ ਅੰਤ ਵਿੱਚ, ਦੇ ਫੰਕਸ਼ਨ
ਡੀਡਬਲਯੂ ਸੈਂਟਰ ਆਰਕੀਟੈਕਟਾਂ ਨੂੰ ਜਾਂਚ ਕਰਨ ਲਈ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਇਹਨਾਂ ਵਿੱਚੋਂ
ਹੋਰ ਚੀਜ਼ਾਂ, ਇੱਕ ਹਿੱਸੇ ਵਜੋਂ ਇੱਕ DB2 OLAP ਸਰਵਰ ਘਣ ਦਾ ਪ੍ਰੋਫਾਈਲ
ETL ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਕੁਦਰਤੀ ਪ੍ਰਕਿਰਤੀ.
ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ
ਸਪੇਸ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਐਂਕਰਾਂ (ਲੀਡਾਂ) ਦੇ ਅੱਧੇ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।
ਪੈਨੋਰਾਮਾ ਲਈ ਜ਼ਰੂਰੀ ਹੈ
ਵਿਆਪਕ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ (ਸਮਾਂ ਦੂਜੇ ਅੱਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ)। ਪਰਮਾਣੂ ਪੱਧਰ
ਗੋਦਾਮ ਦਾ (ਪਰਮਾਣੂ-ਪੱਧਰ), ਚਿੱਤਰ 1.1 ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ,
ਸਮੇਂ ਅਤੇ ਸਥਾਨ ਦੋਵਾਂ ਲਈ ਬੁਨਿਆਦ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਰਿਕਾਰਡਿੰਗਜ਼
ਸਮੇਂ ਅਤੇ ਪਤੇ ਦੀ ਜਾਣਕਾਰੀ ਲਈ ਸਮੇਂ ਦੇ ਐਂਕਰ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ
ਐਂਕਰ ਸਪੇਸ ਤੋਂ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ। ਟਾਈਮਸਟੈਂਪਸ
ਉਹ ਸਮੇਂ ਵਿੱਚ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ, ਅਤੇ ਦਿਸ਼ਾ ਜਾਣਕਾਰੀ ਦੀ ਅਗਵਾਈ ਕਰਦੇ ਹਨ
ਸਪੇਸ ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ. ਚਿੱਤਰ ਜਿਓਕੋਡਿੰਗ-ਪ੍ਰਕਿਰਿਆ ਦਿਖਾਉਂਦਾ ਹੈ
ਪਤਿਆਂ ਨੂੰ ਨਕਸ਼ੇ 'ਤੇ ਬਿੰਦੂਆਂ ਜਾਂ ਸਪੇਸ ਵਿੱਚ ਬਿੰਦੂਆਂ ਵਿੱਚ ਬਦਲਣਾ
ਤਾਂ ਕਿ ਦੂਰੀ ਅਤੇ ਅੰਦਰ/ਬਾਹਰ ਵਰਗੀਆਂ ਧਾਰਨਾਵਾਂ ਹੋ ਸਕਣ
ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ - ਪਰਮਾਣੂ ਪੱਧਰ ਅਤੇ ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਜੋ ਕਿ ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ ਉਪਲਬਧ ਕਰਾਇਆ ਗਿਆ ਹੈ। IBM ਐਕਸਟੈਂਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ
ਸਪੇਸ, ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਖੋਜ ਸੰਸਥਾ (ESRI) ਨਾਲ ਵਿਕਸਤ ਕੀਤੀ ਗਈ,
al ਡਾਟਾਬੇਸ DB2 ਤਾਂ ਕਿ ਸਪੇਸ ਆਬਜੈਕਟ ਹੋ ਸਕਣ
ਦੇ ਇੱਕ ਆਮ ਹਿੱਸੇ ਵਜੋਂ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਡਾਟਾਬੇਸ ਰਿਸ਼ਤੇਦਾਰ. DB2
ਸਥਾਨਿਕ ਐਕਸਟੈਂਡਰ, ਲਈ ਸਾਰੇ SQL ਐਕਸਟੈਂਸ਼ਨ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ
ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਸ਼ੋਸ਼ਣ. ਉਦਾਹਰਨ ਲਈ, ਤੋਂ SQL ਐਕਸਟੈਂਸ਼ਨ
ਬਾਰੇ ਸਵਾਲ
ਪਤਿਆਂ ਵਿਚਕਾਰ ਦੂਰੀ ਜਾਂ ਕੀ ਕੋਈ ਬਿੰਦੂ ਕਿਸੇ ਖੇਤਰ ਦੇ ਅੰਦਰ ਜਾਂ ਬਾਹਰ ਹੈ
ਪਰਿਭਾਸ਼ਿਤ ਬਹੁਭੁਜ, ਸਥਾਨਿਕ ਦੇ ਨਾਲ ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਮਿਆਰ ਹਨ
ਐਕਸਟੈਂਡਰ। ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਅਧਿਆਇ 16 ਦੇਖੋ।
ਡਾਟਾਬੇਸ-ਰੈਜ਼ੀਡੈਂਟ ਟੂਲਜ਼ ਟੂਲ ਡਾਟਾਬੇਸ-
ਨਿਵਾਸੀ
DB2 ਕੋਲ ਬਹੁਤ ਸਾਰੀਆਂ BI-ਨਿਵਾਸੀ SQL ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ ਜੋ ਸਹਾਇਤਾ ਕਰਦੀਆਂ ਹਨ
ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਵਾਈ ਵਿੱਚ. ਇਹਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
▪ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਰੀਕਰਸ਼ਨ ਫੰਕਸ਼ਨ, ਜਿਵੇਂ ਕਿ “ਲੱਭੋ
ਤੋਂ ਸਾਰੇ ਸੰਭਵ ਫਲਾਈਟ ਮਾਰਗ ਸੇਨ ਫ੍ਰਾਂਸਿਸਕੋ a ਨ੍ਯੂ ਯੋਕ".
▪ ਰੈਂਕਿੰਗ, ਸੰਚਤ ਫੰਕਸ਼ਨਾਂ, ਘਣ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਫੰਕਸ਼ਨ
ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਹੋਣ ਵਾਲੇ ਕੰਮਾਂ ਦੀ ਸਹੂਲਤ ਲਈ ਰੋਲਅੱਪ
ਕੇਵਲ OLAP ਤਕਨਾਲੋਜੀ ਦੇ ਨਾਲ, ਉਹ ਹੁਣ ਇੱਕ ਕੁਦਰਤੀ ਹਿੱਸਾ ਹਨ
ਦਾ ਇੰਜਣ ਡਾਟਾਬੇਸ
▪ ਟੇਬਲ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਜਿਸ ਵਿੱਚ ਨਤੀਜੇ ਸ਼ਾਮਲ ਹਨ
ਦੇ ਵਿਕਰੇਤਾ ਡਾਟਾਬੇਸ ਲੀਡਰ BI ਸਮਰੱਥਾਵਾਂ ਤੋਂ ਵੱਧ ਮਿਲਾਉਂਦੇ ਹਨ
ਨੇਲ ਡਾਟਾਬੇਸ ਸਟੀਸੋ.
ਦੇ ਮੁੱਖ ਸਪਲਾਇਰ ਡਾਟਾ ਬੇਸ ਉਹ ਵੱਧ ਮਿਕਸ ਕਰ ਰਹੇ ਹਨ
ਵਿੱਚ BI ਕਾਰਜਕੁਸ਼ਲਤਾ ਡਾਟਾਬੇਸ ਸਟੀਸੋ.
ਇਹ ਤੁਹਾਡੇ ਲਈ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਹੋਰ ਚੱਲ ਰਹੇ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ
BI ਹੱਲ।
DB2 V8 ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਕਾਰਜਾਂ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ
ਹੇਠਾਂ ਦਿੱਤੇ ਅਧਿਆਵਾਂ ਵਿੱਚ ਵਿਸਥਾਰ ਵਿੱਚ:
ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਡਾਟਾ ਪ੍ਰਬੰਧਨ ਫਾਊਂਡੇਸ਼ਨ
(ਅਧਿਆਇ 5)
▪ DB2 BI ਬੁਨਿਆਦੀ ਗੱਲਾਂ (ਅਧਿਆਇ 6)
▪ DB2 ਮਟੀਰੀਅਲਾਈਜ਼ਡ ਪੁੱਛਗਿੱਛ ਟੇਬਲ
ਟੇਬਲ) (ਅਧਿਆਇ 7)
▪ DB2 OLAP ਫੰਕਸ਼ਨ (ਅਧਿਆਇ 13)
▪ DB2 ਐਨਹਾਂਸਡ BI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਫੰਕਸ਼ਨ (ਇਨਹਾਂਸਡ 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 ਸ਼ਾਮਲ ਹਨ
ਬਣਤਰ dati ਸਰੀਰਕ. ਇੱਕ ਦਾ ਗੋਦਾਮ ਹੈ dati ਕਾਰਜਸ਼ੀਲ
ਆਮ ਤੌਰ 'ਤੇ, ਇੱਕ ODS ਵਸਤੂ ਅਧਾਰਿਤ ਹੁੰਦਾ ਹੈ,
ਏਕੀਕ੍ਰਿਤ ਅਤੇ ਮੌਜੂਦਾ. ਕੀ ਤੁਸੀਂ ਸਮਰਥਨ ਕਰਨ ਲਈ ਇੱਕ ODS ਬਣਾਓਗੇ, ਉਦਾਹਰਨ ਲਈ
ਉਦਾਹਰਨ ਲਈ, ਵਿਕਰੀ ਦਫ਼ਤਰ. ODS ਦੀ ਵਿਕਰੀ ਪੂਰਕ ਹੋਵੇਗੀ dati
ਕਈ ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਆ ਰਿਹਾ ਹੈ ਪਰ ਸਿਰਫ ਬਰਕਰਾਰ ਰੱਖੇਗਾ, ਉਦਾਹਰਨ ਲਈ
ਉਦਾਹਰਨ, ਅੱਜ ਦੇ ਲੈਣ-ਦੇਣ. ODS ਨੂੰ ਅੱਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਦਿਨ ਵਿੱਚ ਵੀ ਕਈ ਵਾਰ। ਉਸੇ ਸਮੇਂ, ਪ੍ਰਕਿਰਿਆਵਾਂ
ਉਹ ਧੱਕਾ dati ਹੋਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ. ਇਹ ਬਣਤਰ ਹੈ
ਖਾਸ ਤੌਰ 'ਤੇ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ dati ਮੌਜੂਦਾ ਅਤੇ ਗਤੀਸ਼ੀਲ ਈ
ਅਸਲ-ਸਮੇਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਇੱਕ ਸੰਭਾਵਿਤ ਉਮੀਦਵਾਰ ਹੋਵੇਗਾ,
ਸੇਵਾ ਏਜੰਟਾਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ ਗਾਹਕ ਵਿਕਰੀ ਜਾਣਕਾਰੀ
ਵਿਕਰੀ ਰੁਝਾਨ ਜਾਣਕਾਰੀ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਕੇ ਗਾਹਕ ਦੇ ਮੌਜੂਦਾ ਰੁਝਾਨ
ਗੋਦਾਮ ਤੋਂ ਹੀ. ਚਿੱਤਰ 1.1 ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਇੱਕ ਹੋਰ ਢਾਂਚਾ ਹੈ
dw ਲਈ ਇੱਕ ਰਸਮੀ ਸਥਿਤੀ। ਨਾ ਸਿਰਫ ਇਸ ਲਈ ਜਗ੍ਹਾ ਹੈ
ਜ਼ਰੂਰੀ ਏਕੀਕਰਣ ਨੂੰ ਲਾਗੂ ਕਰਨਾ, ਦੀ ਗੁਣਵੱਤਾ dati, ਈ
ਦੇ ਪਰਿਵਰਤਨ ਦੇ dati ਸਟਾਕ ਜਲਦੀ ਆ ਰਿਹਾ ਹੈ, ਪਰ ਇਹ ਵੀ ਹੈ
ਲਈ ਇੱਕ ਭਰੋਸੇਮੰਦ ਅਤੇ ਅਸਥਾਈ ਸਟੋਰੇਜ ਖੇਤਰ dati ਇਸ ਦਾ ਜਵਾਬ
ਰੀਅਲ-ਟਾਈਮ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਫੈਸਲਾ ਕਰਦੇ ਹੋ
ਇੱਕ ODS ਜਾਂ ਸਟੇਜਿੰਗ ਖੇਤਰ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਇੱਕ
ਇਹਨਾਂ ਢਾਂਚਿਆਂ ਨੂੰ ਭਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਸਾਧਨ dati ਵਰਤ
ਵੱਖ-ਵੱਖ ਸੰਚਾਲਨ ਸਰੋਤ DB2 ਦੀ ਵਿਭਿੰਨ ਵੰਡੀ ਪੁੱਛਗਿੱਛ ਹੈ।
ਇਹ ਸਮਰੱਥਾ DB2 ਦੀ ਵਿਕਲਪਿਕ ਵਿਸ਼ੇਸ਼ਤਾ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ ਹੈ
DB2 ਰਿਲੇਸ਼ਨਲ ਕਨੈਕਟ (ਸਿਰਫ਼ ਪੁੱਛਗਿੱਛ) ਅਤੇ DB2 ਰਾਹੀਂ ਕਿਹਾ ਜਾਂਦਾ ਹੈ
DataJoiner (ਇੱਕ ਵੱਖਰਾ ਉਤਪਾਦ ਜੋ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ,
ਸੰਮਿਲਨ, ਅੱਪਡੇਟ ਅਤੇ ਮਿਟਾਉਣ ਦੀ ਸੰਭਾਵਨਾ a
ਵਿਭਿੰਨ ਵੰਡੀਆਂ RDBMSs)।
ਇਹ ਤਕਨੀਕ ਆਰਕੀਟੈਕਟਾਂ ਨੂੰ ਇਸਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ dati ਟਾਈ ਕਰਨ ਲਈ dati di
ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਨਾਲ ਉਤਪਾਦਨ. ਨਾ ਸਿਰਫ ਤਕਨਾਲੋਜੀ ਕਰ ਸਕਦਾ ਹੈ
ਲੱਗਭਗ ਕਿਸੇ ਵੀ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਬੇਨਤੀਆਂ ਦੇ ਅਨੁਕੂਲ ਬਣੋ
ਉਹ ਅਸਲ-ਸਮੇਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਦਿਖਾਈ ਦੇ ਸਕਦੇ ਹਨ, ਪਰ ਇਹ
ਉਹ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਅਧਾਰਾਂ ਨਾਲ ਵੀ ਜੁੜ ਸਕਦੇ ਹਨ dati ਹੋਰ
DB2, Oracle, Sybase, SQL ਸਰਵਰ ਸਮੇਤ ਪ੍ਰਸਿੱਧ,
Informix ਅਤੇ ਹੋਰ. DB2 DataJoiner ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਇੱਕ ਬਣਤਰ dati ਇੱਕ ODS ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਟੇਬਲ ਵਾਂਗ ਰਸਮੀ
ਬਹਾਲੀ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਗੋਦਾਮ ਵਿੱਚ ਸਥਾਈ ਤੌਰ 'ਤੇ ਨੁਮਾਇੰਦਗੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਤਤਕਾਲ ਅੱਪਡੇਟ ਜਾਂ ਵਿਕਰੀ ਲਈ ਤੇਜ਼। ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ,
ਇਹ ਉਹੀ ਬਣਤਰ dati ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਬਾਦੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ
ਦੀ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਇਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਤਕਨਾਲੋਜੀ dati, ਆਈ.ਬੀ.ਐਮ
ਡੇਟਾਪ੍ਰੋਪੇਗੇਟਰ ਰਿਲੇਸ਼ਨਲ। (ਡੇਟਾਪ੍ਰੋਪੈਗੇਟਰ ਇੱਕ ਵੱਖਰਾ ਉਤਪਾਦ ਹੈ
ਕੇਂਦਰੀ ਪ੍ਰਣਾਲੀਆਂ ਲਈ. DB2 UNIX, Linux, Windows ਅਤੇ OS/2 ਸ਼ਾਮਲ ਹਨ
ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਸੇਵਾਵਾਂ dati ਇੱਕ ਮਿਆਰੀ ਵਿਸ਼ੇਸ਼ਤਾ ਵਜੋਂ)
ਹਿਲਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ dati ਆਲੇ-ਦੁਆਲੇ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ
ਐਂਟਰਪ੍ਰਾਈਜ਼ ਲਈ ਇੱਕ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਐਪਲੀਕੇਸ਼ਨ ਇੰਟੀਗਰੇਟਰ ਹੈ ਨਹੀਂ ਤਾਂ
ਸੁਨੇਹਾ ਦਲਾਲ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ
ਵਿਲੱਖਣ ਤਕਨਾਲੋਜੀ ਸੈਂਟਰਿੰਗ ਲਈ ਬੇਮਿਸਾਲ ਨਿਯੰਤਰਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ
(ਨਿਸ਼ਾਨਾ) ਅਤੇ ਮੂਵ ਕਰੋ dati ਕੰਪਨੀ ਦੇ ਆਲੇ ਦੁਆਲੇ. IBM ਕੋਲ ਵਿਚੋਲਾ ਹੈ
ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਸੰਦੇਸ਼, MQSeries, ਜਾਂ ਇੱਕ ਪਰਿਵਰਤਨ ਦਾ
ਦੀਆਂ ਲੋੜਾਂ ਸ਼ਾਮਲ ਹਨ ਈ-ਕਾਮਰਸ, ਆਈ.ਬੀ.ਐਮ
WebSphere MQ।
ਸਮਰਥਨ ਕਰਨ ਲਈ MQ ਦਾ ਲਾਭ ਕਿਵੇਂ ਲੈਣਾ ਹੈ ਇਸ ਬਾਰੇ ਹੋਰ ਚਰਚਾ ਲਈ
ਵੇਅਰਹਾਊਸ ਅਤੇ ਇੱਕ BI ਵਾਤਾਵਰਣ, ਵੇਖੋ ਵੈੱਬਸਾਈਟ ਕਿਤਾਬ ਦੇ. ਹੁਣ ਲਈ, ਇਹ ਹੈ
ਇਹ ਕਹਿਣਾ ਕਾਫ਼ੀ ਹੈ ਕਿ ਇਹ ਤਕਨਾਲੋਜੀ ਲਈ ਇੱਕ ਵਧੀਆ ਸਾਧਨ ਹੈ
ਕੈਪਚਰ ਅਤੇ ਟ੍ਰਾਂਸਫਾਰਮ (MQSeries ਇੰਟੀਗ੍ਰੇਟਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ) dati
BI ਹੱਲਾਂ ਲਈ ਕੇਂਦਰਿਤ (ਨਿਸ਼ਾਨਾਬੱਧ) ਆਪਰੇਟਰ ਭਰਤੀ ਕੀਤੇ ਗਏ ਹਨ। ਉੱਥੇ
MQ ਤਕਨਾਲੋਜੀ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ UDB V8 ਵਿੱਚ ਪੈਕ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ
ਮਤਲਬ ਕਿ ਸੁਨੇਹਾ ਕਤਾਰਾਂ ਨੂੰ ਹੁਣ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਜਿਵੇਂ ਕਿ ਉਹ DB2 ਟੇਬਲ ਸਨ। ਦੀ ਵੈਲਡਿੰਗ ਦੀ ਧਾਰਨਾ
ਕਤਾਰਬੱਧ ਸੁਨੇਹੇ ਅਤੇ ਦਾ ਬ੍ਰਹਿਮੰਡ ਡਾਟਾਬੇਸ ਰਿਲੇਸ਼ਨਲ ਨਿਰਦੇਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ
ਦੇ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡਿਲੀਵਰੀ ਵਾਤਾਵਰਣ ਵੱਲ dati.
ਜ਼ੀਰੋ-ਲੇਟੈਂਸੀ ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ
IBM ਲਈ ਅੰਤਮ ਰਣਨੀਤਕ ਟੀਚਾ ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ।
ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ
ਗਾਰਟਨਰ, ਇੱਕ BI ਸਿਸਟਮ ਨੂੰ ਅਨੁਮਾਨ ਲਗਾਉਣ, ਸਮਾਈਲ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਅਤੇ ਬੇਨਤੀ ਕਰਨ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਲਈ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰੋ। ਚੁਣੌਤੀ,
ਬੇਸ਼ੱਕ, ਇਹ ਇਸ ਵਿੱਚ ਹੈ ਕਿ ਕਿਵੇਂ ਰਲਾਉਣਾ ਹੈ dati ਮੌਜੂਦਾ ਅਤੇ ਅਸਲ ਸਮੇਂ ਵਿੱਚ
ਜ਼ਰੂਰੀ ਇਤਿਹਾਸਕ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ, ਜਿਵੇਂ ਕਿ i dati ਸੰਬੰਧਿਤ ਮਾਡਲ
ਪ੍ਰਵਿਰਤੀ, ਜਾਂ ਕੱਢੀ ਗਈ ਸਮਝ, ਦੇ ਇੱਕ ਚਿੱਤਰਨ ਵਜੋਂ
ਗਾਹਕ
ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਦੀ ਪਛਾਣ ਗਾਹਕ ad
ਉੱਚ ਜਾਂ ਘੱਟ ਜੋਖਮ ਜਾਂ ਕਿਹੜੇ ਉਤਪਾਦ i ਗਾਹਕ ਉਹ ਬਹੁਤ ਕੁਝ ਖਰੀਦਣਗੇ
ਸ਼ਾਇਦ ਜੇਕਰ ਉਹਨਾਂ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਉਹਨਾਂ ਦੀਆਂ ਗੱਡੀਆਂ ਵਿੱਚ ਪਨੀਰ ਹੈ
ਗ੍ਰਹਿਣ
ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਅਸਲ ਵਿੱਚ ਦੋ 'ਤੇ ਨਿਰਭਰ ਹੈ
ਬੁਨਿਆਦੀ ਵਿਧੀ:
▪ ਦਾ ਪੂਰਾ ਸੰਘ dati ਜਿਨ੍ਹਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਨਾਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
BI ਦੁਆਰਾ ਬਣਾਈਆਂ ਗਈਆਂ ਤਕਨੀਕਾਂ ਅਤੇ ਸਾਧਨਾਂ ਨੂੰ ਸਥਾਪਿਤ ਕੀਤਾ ਗਿਆ ਹੈ
▪ ਦੀ ਇੱਕ ਡਿਲਿਵਰੀ ਸਿਸਟਮ dati ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕੁਸ਼ਲ
ਅਸਲ-ਸਮੇਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸੱਚਮੁੱਚ ਉਪਲਬਧ ਹੈ
ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਲਈ ਇਹ ਪੂਰਵ-ਸ਼ਰਤਾਂ ਦੋਵਾਂ ਤੋਂ ਵੱਖਰੀਆਂ ਨਹੀਂ ਹਨ
IBM ਦੁਆਰਾ ਸਥਾਪਿਤ ਕੀਤੇ ਗਏ ਉਦੇਸ਼ ਅਤੇ ਉੱਪਰ ਦੱਸੇ ਗਏ ਹਨ।
ਦੇ ਨਜ਼ਦੀਕੀ ਜੋੜੀ dati ਪ੍ਰੋਗਰਾਮ ਦਾ ਹਿੱਸਾ ਹੈ
IBM ਦੁਆਰਾ ਵਿਵਸਥਿਤ ਸਹਿਜ ਏਕੀਕਰਣ। ਅਤੇ ਇੱਕ ਸਿਸਟਮ ਬਣਾਓ
ਦੀ ਡਿਲਿਵਰੀ ਦੇ dati ਕੁਸ਼ਲ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਰਭਰ ਹੈ
ਦੀ ਡਿਲਿਵਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਰਲ ਬਣਾਉਣ ਵਾਲੀ ਉਪਲਬਧ ਤਕਨਾਲੋਜੀ
dati. ਨਤੀਜੇ ਵਜੋਂ, IBM ਦੇ ਤਿੰਨ ਟੀਚਿਆਂ ਵਿੱਚੋਂ ਦੋ ਨਾਜ਼ੁਕ ਹਨ
ਤੀਜਾ ਬਣਾਉਣ ਲਈ. IBM ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਆਪਣਾ ਵਿਕਾਸ ਕਰ ਰਿਹਾ ਹੈ
ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਤਕਨਾਲੋਜੀ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇੱਕ ਅਸਲੀਅਤ ਹੈ
ਵੇਅਰਹਾਊਸ ਯਤਨ.
ਸੰਖੇਪ / ਸੰਸਲੇਸ਼ਣ
BI ਸੰਸਥਾ ਇਸ ਲਈ ਇੱਕ ਰੋਡ ਮੈਪ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ
ਆਪਣੇ ਵਾਤਾਵਰਣ ਨੂੰ ਬਣਾਓ
ਦੁਹਰਾਓ. ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਇਸ ਨੂੰ ਐਡਜਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਤੁਹਾਡਾ ਕਾਰੋਬਾਰ, ਮੌਜੂਦਾ ਅਤੇ ਭਵਿੱਖ ਦੋਵੇਂ। ਆਰਕੀਟੈਕਚਰਲ ਦ੍ਰਿਸ਼ਟੀ ਤੋਂ ਬਿਨਾਂ
ਚੌੜਾ, ਵੇਅਰਹਾਊਸ ਦੁਹਰਾਓ ਇਸ ਤੋਂ ਥੋੜਾ ਜ਼ਿਆਦਾ ਹੈ
ਬੇਤਰਤੀਬ ਕੇਂਦਰੀ ਵੇਅਰਹਾਊਸ ਲਾਗੂਕਰਨ ਜੋ ਬਹੁਤ ਘੱਟ ਕਰਦੇ ਹਨ
ਇੱਕ ਵਿਆਪਕ, ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਉੱਦਮ ਬਣਾਓ।
ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਰਾਂ ਲਈ ਪਹਿਲੀ ਰੁਕਾਵਟ ਇਹ ਹੈ ਕਿ ਕਿਵੇਂ ਜਾਇਜ਼ ਠਹਿਰਾਇਆ ਜਾਵੇ
BI ਸੰਸਥਾ ਦੇ ਵਿਕਾਸ ਲਈ ਜ਼ਰੂਰੀ ਨਿਵੇਸ਼।
ਹਾਲਾਂਕਿ ROI ਗਣਨਾ ਲਈ ਇੱਕ ਪ੍ਰਮੁੱਖ ਸਮਰਥਨ ਰਿਹਾ ਹੈ
ਵੇਅਰਹਾਊਸ ਪ੍ਰਾਪਤੀਆਂ, ਇਸ ਨੂੰ ਕਰਨ ਲਈ ਹੋਰ ਵੀ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ
ਬਿਲਕੁਲ ਭਵਿੱਖਬਾਣੀ ਕਰੋ. ਇਸ ਲਈ ਹੋਰ ਤਰੀਕਿਆਂ ਦੀ ਅਗਵਾਈ ਕੀਤੀ ਗਈ ਹੈ
ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਕਿ ਕੀ ਤੁਸੀਂ ਆਪਣੇ ਪੈਸੇ ਦੀ ਕੀਮਤ ਪ੍ਰਾਪਤ ਕਰ ਰਹੇ ਹੋ। ਦ
ਉਦਾਹਰਨ ਲਈ, ਨਿਵੇਸ਼ 2 (VOI) 'ਤੇ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਇੱਕ ਹੱਲ ਦੇ ਤੌਰ ਤੇ.
ਦੇ ਆਰਕੀਟੈਕਟਾਂ 'ਤੇ ਜ਼ਿੰਮੇਦਾਰ ਹੈ dati ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰ
ਜਾਣਬੁੱਝ ਕੇ ਤਿਆਰ ਕਰਨਾ ਅਤੇ ਐਸੋਸੀਏਸ਼ਨਾਂ ਨੂੰ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨਾ
ਉਪਭੋਗਤਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਸੇਵਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦੇ dati. ਇੱਥੇ ਇੱਕ ਹੈ
ਦੋ ਵਿਚਕਾਰ ਵੱਡਾ ਅੰਤਰ. ਜਾਣਕਾਰੀ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਕੋਈ ਕਰਦਾ ਹੈ
ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਵਿੱਚ ਅੰਤਰ; ਮੁਕਾਬਲਤਨ, i
dati ਉਹ ਉਸ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਬਲਾਕ ਬਣਾ ਰਹੇ ਹਨ।
ਭਾਵੇਂ ਮੈਂ ਸਰੋਤ ਦੀ ਆਲੋਚਨਾ ਕਰਦਾ ਹਾਂ dati ਬੇਨਤੀਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨ ਲਈ
ਵਪਾਰਕ, BI ਵਾਤਾਵਰਣ ਨੂੰ ਇੱਕ ਵੱਡੀ ਭੂਮਿਕਾ ਨਿਭਾਉਣੀ ਚਾਹੀਦੀ ਹੈ
ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਦੀ ਰਚਨਾ ਵਿੱਚ. ਅਸੀਂ ਲੈਣਾ ਹੈ
ਸਾਫ਼ ਕਰਨ, ਏਕੀਕ੍ਰਿਤ ਕਰਨ, ਬਦਲਣ ਜਾਂ ਬਦਲਣ ਲਈ ਵਾਧੂ ਉਪਾਅ
ਨਹੀਂ ਤਾਂ ਇੱਕ ਜਾਣਕਾਰੀ ਸਮੱਗਰੀ ਬਣਾਓ ਜਿਸ ਦੇ ਅਨੁਸਾਰ
ਉਪਭੋਗਤਾ ਕਾਰਵਾਈ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਇਸ ਲਈ ਸਾਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਉਹ
ਕਾਰਵਾਈਆਂ ਅਤੇ ਫੈਸਲੇ, ਜਿੱਥੇ ਵਾਜਬ ਹੋਣ, ਸਮਰਥਿਤ ਹਨ
BI ਵਾਤਾਵਰਣ ਵਿੱਚ. ਜੇ ਅਸੀਂ ਵੇਅਰਹਾਊਸ ਨੂੰ ਸਿਰਫ਼ ਸੇਵਾ ਕਰਨ ਲਈ ਛੱਡ ਦਿੰਦੇ ਹਾਂ dati,
ਇਹ ਗਾਰੰਟੀ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਐਸੋਸੀਏਸ਼ਨ ਸਮੱਗਰੀ ਬਣਾਉਣਗੇ
ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ। ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਦੇ
ਭਾਈਚਾਰਾ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਦੇ ਯੋਗ ਹੋਵੇਗਾ, ਪਰ ਕੰਪਨੀ
ਗਿਆਨ ਦੀ ਘਾਟ ਤੋਂ ਪੀੜਤ ਹੈ ਜੋ ਉਹਨਾਂ ਨੇ ਵਰਤਿਆ ਹੈ।
ਦੀ ਮਿਤੀ ਕਿ ਆਰਕੀਟੈਕਟ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਯੋਜਨਾਕਾਰ ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂ ਕਰਦੇ ਹਨ
BI ਵਾਤਾਵਰਣ ਲਈ ਖਾਸ, ਉਹ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਪ੍ਰਤੀ ਜਵਾਬਦੇਹ ਰਹਿੰਦੇ ਹਨ
ਦੁਆਰਾ ਅਤੇ ਵੱਡੇ. ਇਸ ਦੋ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਇੱਕ ਸਧਾਰਨ ਉਦਾਹਰਣ
BI ਦੁਹਰਾਓ ਦੇ ਚਿਹਰੇ ਸਰੋਤ ਵਿੱਚ ਪਾਏ ਜਾਂਦੇ ਹਨ dati. ਸਾਰੇ
dati ਖਾਸ ਵਪਾਰਕ ਬੇਨਤੀਆਂ ਲਈ ਪ੍ਰਾਪਤ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ
ਪਹਿਲੀ ਪਰਮਾਣੂ ਪਰਤ ਵਿੱਚ ਆਬਾਦੀ. ਇਹ ਦੇ ਵਿਕਾਸ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ
ਕਾਰਪੋਰੇਟ ਜਾਣਕਾਰੀ ਦੀ ਸੰਪੱਤੀ, ਦੇ ਨਾਲ ਨਾਲ ਪ੍ਰਬੰਧਨ, ਨਿਰਦੇਸ਼ਤ
ਦੁਹਰਾਓ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਉਪਭੋਗਤਾ-ਵਿਸ਼ੇਸ਼ ਬੇਨਤੀਆਂ।
Wh a t i s a D a t a W a r e h o u s e ?
ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਇਹ ਸੂਚਨਾ ਸਿਸਟਮ ਆਰਕੀਟੈਕਚਰ ਦਾ ਦਿਲ ਹੈ
1990 ਤੋਂ ਅਤੇ ਠੋਸ ਪੇਸ਼ਕਸ਼ ਕਰਕੇ ਜਾਣਕਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ
ਏਕੀਕ੍ਰਿਤ ਪਲੇਟਫਾਰਮ dati ਇਤਿਹਾਸਕਾਰਾਂ ਨੂੰ ਬਾਅਦ ਦੇ ਲੋਕਾਂ ਲਈ ਆਧਾਰ ਵਜੋਂ ਲਿਆ ਗਿਆ
ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ। ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਏ ਵਿੱਚ ਏਕੀਕਰਣ ਦੀ ਸੌਖ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ
ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਦੁਨੀਆ ਜੋ ਇੱਕ ਦੂਜੇ ਦੇ ਅਨੁਕੂਲ ਨਹੀਂ ਹਨ। ਤਾਰੀਖ਼
ਵੇਅਰਹਾਊਸ ਇੱਕ ਰੁਝਾਨ ਵਿੱਚ ਵਿਕਸਤ ਹੋਇਆ ਹੈ. ਡੇਟਾ ਵੇਅਰਹਾhouseਸ
ਸੰਗਠਿਤ ਅਤੇ ਸਟੋਰ i dati ਸੂਚਨਾ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ ਜ਼ਰੂਰੀ ਈ
ਲੰਬੇ ਇਤਿਹਾਸਕ ਅਸਥਾਈ ਦ੍ਰਿਸ਼ਟੀਕੋਣ 'ਤੇ ਅਧਾਰਤ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ। ਸਾਰੇ
ਇਸ ਵਿੱਚ ਉਸਾਰੀ ਲਈ ਕਾਫ਼ੀ ਅਤੇ ਨਿਰੰਤਰ ਵਚਨਬੱਧਤਾ ਸ਼ਾਮਲ ਹੈ ਅਤੇ
ਦੀ ਸੰਭਾਲ ਵਿੱਚ 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 ਵਿੱਚ ਪ੍ਰਬੰਧਕੀ ਫੈਸਲਿਆਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ.
I dati ਵਿੱਚ ਪਾਈ ਗਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਸਭ ਵਿੱਚ ਪੈਦਾ ਹੁੰਦਾ ਹੈ
ਕਾਰਜਸ਼ੀਲ ਵਾਤਾਵਰਣ ਤੋਂ ਕੇਸ. ਦ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਹੈ
ਸਟੋਰੇਜ ਯੂਨਿਟ, ਬਾਕੀ ਦੇ ਨਾਲੋਂ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਵੱਖ ਕੀਤਾ ਗਿਆ ਹੈ
ਸਿਸਟਮ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ dati ਦੁਆਰਾ ਪਹਿਲਾਂ ਬਦਲਿਆ ਗਿਆ
ਐਪਲੀਕੇਸ਼ਨਾਂ ਜੋ ਵਾਤਾਵਰਣ ਤੋਂ ਪ੍ਰਾਪਤ ਜਾਣਕਾਰੀ 'ਤੇ ਕੰਮ ਕਰਦੀਆਂ ਹਨ
ਕਾਰਜਸ਼ੀਲ
ਏ ਦੀ ਸ਼ਾਬਦਿਕ ਪਰਿਭਾਸ਼ਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇੱਕ ਡੂੰਘਾਈ ਨਾਲ ਅਧਿਐਨ ਦਾ ਹੱਕਦਾਰ ਹੈ
ਸਪੱਸ਼ਟੀਕਰਨ ਕਿਉਂਕਿ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰੇਰਣਾਵਾਂ ਅਤੇ ਅਰਥ ਹਨ
ਪਿਛੋਕੜ ਜੋ ਇੱਕ ਗੋਦਾਮ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ।
ਸਬਜੈਕਟ ਓਰੀਐਂਟੇਸ਼ਨ ਓਰੀਐਂਟੇਸ਼ਨ
ਥੀਮੈਟਿਕ
ਦੀ ਪਹਿਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹੈ, ਜੋ ਕਿ ਇਸ ਨੂੰ ਵੱਲ ਅਧਾਰਿਤ ਹੈ
ਇੱਕ ਕੰਪਨੀ ਵਿੱਚ ਪ੍ਰਮੁੱਖ ਖਿਡਾਰੀ. ਦੁਆਰਾ ਟਰਾਇਲਾਂ ਦੀ ਗਾਈਡ
dati ਇਹ ਇਸ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ ਵਧੇਰੇ ਕਲਾਸਿਕ ਵਿਧੀ ਦੇ ਉਲਟ ਹੈ
ਕਾਰਜਾਂ ਅਤੇ ਕਾਰਜਾਂ ਵੱਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਸਥਿਤੀ,
ਵਿਧੀ ਜ਼ਿਆਦਾਤਰ ਦੁਆਰਾ ਸਾਂਝੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਪੁਰਾਣੇ ਪ੍ਰਬੰਧਨ ਸਿਸਟਮ.
ਕਾਰਜਸ਼ੀਲ ਸੰਸਾਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਦੇ ਦੁਆਲੇ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਸੰਸਥਾ ਲਈ ਲੋਨ, ਬੱਚਤ, ਬੈਂਕਕਾਰਡ ਅਤੇ ਟਰੱਸਟ
ਵਿੱਤੀ. dw ਦੀ ਦੁਨੀਆ ਵਿਸ਼ਿਆਂ ਦੇ ਦੁਆਲੇ ਸੰਗਠਿਤ ਹੈ
ਪ੍ਰਿੰਸੀਪਲ ਜਿਵੇਂ ਕਿ ਗਾਹਕ, ਵਿਕਰੇਤਾ, ਉਤਪਾਦ ਅਤੇ ਕਾਰੋਬਾਰ।
ਵਿਸ਼ਿਆਂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਇਕਸਾਰਤਾ ਡਿਜ਼ਾਈਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ ਅਤੇ
ਦੀ ਪ੍ਰਾਪਤੀ 'ਤੇ dati dw ਵਿੱਚ ਪਾਇਆ ਗਿਆ। ਹੋਰ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ,
ਮੁੱਖ ਵਿਸ਼ਾ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ
ਕੁੰਜੀ ਬਣਤਰ.
ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਦੁਨੀਆ ਡੇਟਾ ਦੇ ਡਿਜ਼ਾਈਨ ਦੋਵਾਂ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੈ
ਪ੍ਰਕਿਰਿਆ ਦੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਅਧਾਰਤ ਹੈ। ਦੀ ਦੁਨੀਆ
dw ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਮਾਡਲਿੰਗ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ dati ਇਹ ਚਾਲੂ ਹੈ
ਦੀ ਡਰਾਇੰਗ ਡਾਟਾਬੇਸ. ਪ੍ਰਕਿਰਿਆ ਦਾ ਡਿਜ਼ਾਈਨ (ਇਸ ਦੇ ਰੂਪ ਵਿੱਚ
ਕਲਾਸੀਕਲ) dw ਵਾਤਾਵਰਣ ਦਾ ਹਿੱਸਾ ਨਹੀਂ ਹੈ।
ਪ੍ਰਕਿਰਿਆ/ਫੰਕਸ਼ਨ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਚੋਣ ਵਿਚਕਾਰ ਅੰਤਰ
ਵਿਸ਼ਾ-ਵਸਤੂ ਦੀ ਚੋਣ ਸਮੱਗਰੀ ਵਿੱਚ ਅੰਤਰ ਵਜੋਂ ਵੀ ਪ੍ਰਗਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਦੇ dati ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਪੱਧਰ 'ਤੇ. ਦ dati ਦੇ dw ਵਿੱਚ i ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ dati ਹੈ, ਜੋ ਕਿ
ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਦੌਰਾਨ DSS ਪ੍ਰਕਿਰਿਆ ਲਈ ਨਹੀਂ ਵਰਤੀ ਜਾਵੇਗੀ
ਸੰਚਾਲਨ ਅਧਾਰਿਤ dati i ਸ਼ਾਮਿਲ ਹੈ dati ਸੰਤੁਸ਼ਟ ਕਰਨ ਲਈ
ਫੰਕਸ਼ਨਲ/ਪ੍ਰੋਸੈਸਿੰਗ ਲੋੜਾਂ ਜੋ ਕਿ ਓ
DSS ਵਿਸ਼ਲੇਸ਼ਕ ਲਈ ਘੱਟ ਵਰਤੋਂ ਹੈ।
ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਤਰੀਕਾ ਜਿਸ ਵਿੱਚ ਕਾਰਜਸ਼ੀਲ ਓਰੀਐਂਟਿਡ ਐਪਲੀਕੇਸ਼ਨ ਹਨ
ai dati ਤੋਂ ਵੱਖਰਾ ਹੈ dati ਡੀਡਬਲਯੂ ਦੀ ਡੀਈਆਈ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਹੈ dati. ਮੈਂ dati
ਸੰਚਾਲਨ ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਟੇਬਲਾਂ ਵਿਚਕਾਰ ਨਿਰੰਤਰ ਸਬੰਧ ਬਣਾਈ ਰੱਖਦਾ ਹੈ
ਇੱਕ ਕਾਰੋਬਾਰੀ ਨਿਯਮ ਦੇ ਅਧਾਰ ਤੇ ਜੋ ਕਿਰਿਆਸ਼ੀਲ ਹੈ। ਦ dati dw ਦੁਆਰਾ
ਉਹ ਸਮੇਂ ਦੇ ਇੱਕ ਸਪੈਕਟ੍ਰਮ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ ਅਤੇ dw ਵਿੱਚ ਮਿਲੇ ਰਿਸ਼ਤੇ ਹਨ
ਬਹੁਤ ਸਾਰੇ। ਬਹੁਤ ਸਾਰੇ ਵਪਾਰਕ ਨਿਯਮ (ਅਤੇ ਇਸਦੇ ਅਨੁਸਾਰ, ਬਹੁਤ ਸਾਰੇ
ਦੀਆਂ ਰਿਪੋਰਟਾਂ dati ) ਦੇ ਸਟਾਕ ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਹਨ dati ਦੋ ਓ ਦੇ ਵਿਚਕਾਰ
ਕਈ ਟੇਬਲ.
(ਇਸਦੀ ਵਿਸਤ੍ਰਿਤ ਵਿਆਖਿਆ ਲਈ ਕਿ ਕਿਵੇਂ ਵਿਚਕਾਰ ਸਬੰਧ ਹਨ dati ਆਵਾਜ਼
DW ਵਿੱਚ ਹੈਂਡਲ ਕੀਤਾ ਗਿਆ, ਅਸੀਂ ਉਸ ਉੱਤੇ ਤਕਨੀਕੀ ਵਿਸ਼ੇ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਾਂ
ਸਵਾਲ।)
ਅੰਤਰ ਤੋਂ ਇਲਾਵਾ ਹੋਰ ਕੋਈ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ
ਫੰਕਸ਼ਨਲ/ਪ੍ਰਕਿਰਿਆ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਚੋਣ ਅਤੇ ਵਿਚਕਾਰ ਬੁਨਿਆਦੀ
ਇੱਕ ਵਿਸ਼ੇ ਦੀ ਚੋਣ, ਸਿਸਟਮਾਂ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਹੈ
ਕਾਰਜਸ਼ੀਲ ਅਤੇ ਆਈ dati ਅਤੇ DW.
ਏਕੀਕਰਨ ਏਕੀਕਰਨ
dw ਵਾਤਾਵਰਣ ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂ ਇਹ ਹੈ ਕਿ ਆਈ dati ਪਾਇਆ
ਉਹ ਆਸਾਨੀ ਨਾਲ dw ਦੇ ਅੰਦਰ ਏਕੀਕ੍ਰਿਤ ਹੋ ਜਾਂਦੇ ਹਨ। ਹਮੇਸ਼ਾ। ਬਿਨਾ
ਅਪਵਾਦ। 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 - ਸੰਮੇਲਨਾਂ ਵਿੱਚ
ਇਕਸਾਰ ਵੇਰੀਏਬਲ ਦੇ ਮਾਪ ਵਿੱਚ, ਇਕਸਾਰ ਪਛਾਣਿਆ ਗਿਆ, ਵਿੱਚ
ਦੇ ਭੌਤਿਕ ਗੁਣਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੋਡਿਡ ਬਣਤਰ dati
ਇਕਸਾਰ, ਅਤੇ ਹੋਰ.
ਸਾਲਾਂ ਦੌਰਾਨ ਵੱਖ-ਵੱਖ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਡਿਜ਼ਾਈਨਰਾਂ ਨੇ ਅਜਿਹਾ ਕੀਤਾ ਹੈ
ਅਰਜ਼ੀ ਕਿਵੇਂ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਇਸ ਬਾਰੇ ਬਹੁਤ ਸਾਰੇ ਫੈਸਲਿਆਂ ਦਾ ਕਬਜ਼ਾ
ਵਿਕਸਤ ਕੀਤਾ ਜਾਵੇ। ਵਿਅਕਤੀਗਤ ਸ਼ੈਲੀ ਅਤੇ ਡਿਜ਼ਾਈਨ ਫੈਸਲੇ
ਡਿਜ਼ਾਈਨਰਾਂ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਆਪਣੇ ਆਪ ਨੂੰ ਸੌ ਤਰੀਕਿਆਂ ਨਾਲ ਪ੍ਰਗਟ ਕਰਦੀਆਂ ਹਨ: ਵਿੱਚ
ਕੋਡਿੰਗ ਅੰਤਰ, ਮੁੱਖ ਬਣਤਰ, ਭੌਤਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ,
ਸੰਮੇਲਨਾਂ ਦੀ ਪਛਾਣ, ਆਦਿ। ਕਈਆਂ ਦੀ ਸਮੂਹਿਕ ਸਮਰੱਥਾ
ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰ ਅਸੰਗਤ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਂਦੇ ਹਨ
ਇਹ ਮਹਾਨ ਹੈ। ਚਿੱਤਰ 3 ਕੁਝ ਹੋਰ ਅੰਤਰਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ
ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ।
ਏਨਕੋਡਿੰਗ: ਏਨਕੋਡਿੰਗ:
ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰਾਂ ਨੇ ਫੀਲਡ ਕੋਡਿੰਗ ਦੀ ਚੋਣ ਕੀਤੀ -
ਸੈਕਸ - ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ। ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਸੈਕਸ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਦਰਸਾਉਂਦਾ ਹੈ
ਇੱਕ "m" ਅਤੇ "f"। ਇਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ ਸੈਕਸ ਨੂੰ "1" ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ
ਅਤੇ ਇੱਕ "0"। ਇੱਕ ਹੋਰ ਡਿਜ਼ਾਇਨਰ ਸੈਕਸ ਨੂੰ "x" ਦੇ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦਾ ਹੈ ਅਤੇ
"y"। ਇਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ ਸੈਕਸ ਨੂੰ "ਪੁਰਸ਼" ਅਤੇ
"ਔਰਤ" ਇਹ ਬਹੁਤ ਮਾਇਨੇ ਨਹੀਂ ਰੱਖਦਾ ਕਿ ਸੈਕਸ DW ਵਿੱਚ ਕਿਵੇਂ ਆਉਂਦਾ ਹੈ। "ਐਮ"
ਅਤੇ "F" ਸੰਭਵ ਤੌਰ 'ਤੇ ਸਭ ਦੇ ਤੌਰ ਤੇ ਵਧੀਆ ਹਨ
ਨੁਮਾਇੰਦਗੀ.
ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਸੈਕਸ ਦੇ ਖੇਤਰ ਵਿੱਚੋਂ ਜੋ ਵੀ ਉਤਪੰਨ ਹੋਇਆ ਹੈ,
ਉਹ ਖੇਤਰ ਇਕਸਾਰ ਏਕੀਕ੍ਰਿਤ ਸਥਿਤੀ ਵਿੱਚ DW ਵਿੱਚ ਆਉਂਦਾ ਹੈ। ਤੋਂ
ਨਤੀਜਾ ਜਦੋਂ ਫੀਲਡ ਨੂੰ DW ਵਿੱਚ ਲੋਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਜਿੱਥੇ ਇਸਨੂੰ ਫਾਰਮੈਟ ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ
“M” ਅਤੇ “F”, i dati DW ਫਾਰਮੈਟ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਗੁਣਾਂ ਦਾ ਮਾਪ: ਦਾ ਮਾਪ
ਗੁਣ:
ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰਾਂ ਨੇ ਪਾਈਪਲਾਈਨ ਨੂੰ ਮਾਪਣ ਲਈ ਚੁਣਿਆ ਹੈ
ਕੋਰਸ ਵਿੱਚ ਕਈ ਤਰੀਕੇ
ਕੁਝ ਸਾਲ. ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਸਟੋਰ ਕਰਦਾ ਹੈ dati ਵਿੱਚ ਪਾਈਪਲਾਈਨ ਦਾ
ਸੈਂਟੀਮੀਟਰ ਇੱਕ ਹੋਰ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨਰ ਸਟੋਰ ਕਰਦਾ ਹੈ dati
ਇੰਚ ਦੇ ਰੂਪ ਵਿੱਚ ਪਾਈਪਲਾਈਨ ਦਾ. ਦਾ ਇੱਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ
ਐਪਲੀਕੇਸ਼ਨ ਸਟੋਰ i dati ਮਿਲੀਅਨ ਕਿਊਬਿਕ ਫੁੱਟ ਵਿੱਚ ਪਾਈਪਲਾਈਨ
ਪ੍ਰਤੀ ਸਕਿੰਟ. ਅਤੇ ਇੱਕ ਹੋਰ ਡਿਜ਼ਾਈਨਰ ਦੀ ਜਾਣਕਾਰੀ ਸਟੋਰ ਕਰਦਾ ਹੈ
ਗਜ਼ ਦੇ ਰੂਪ ਵਿੱਚ ਪਾਈਪਲਾਈਨ. ਸਰੋਤ ਜੋ ਵੀ ਹੋਵੇ, ਜਦੋਂ
ਪਾਈਪਲਾਈਨ ਜਾਣਕਾਰੀ DW ਵਿੱਚ ਆਉਂਦੀ ਹੈ ਇਹ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ
ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਮਾਪਿਆ.
ਚਿੱਤਰ 3 ਵਿੱਚ ਸੰਕੇਤਾਂ ਦੇ ਅਨੁਸਾਰ, ਏਕੀਕਰਣ ਮੁੱਦੇ
ਉਹ ਪ੍ਰੋਜੈਕਟ ਦੇ ਲਗਭਗ ਹਰ ਪਹਿਲੂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ - ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ
ਭੌਤਿਕ ਦੇਵਤੇ dati, ਦੇ ਇੱਕ ਤੋਂ ਵੱਧ ਸਰੋਤ ਹੋਣ ਦੀ ਦੁਬਿਧਾ dati, La
ਅਸੰਗਤ ਪਛਾਣੇ ਗਏ ਨਮੂਨਿਆਂ ਦਾ ਮੁੱਦਾ, ਦੇ ਫਾਰਮੈਟ dati
ਅਸੰਗਤ, ਅਤੇ ਹੋਰ.
ਡਿਜ਼ਾਈਨ ਦਾ ਵਿਸ਼ਾ ਜੋ ਵੀ ਹੋਵੇ, ਨਤੀਜਾ ਉਹੀ ਹੁੰਦਾ ਹੈ -
i dati DW ਵਿੱਚ ਇੱਕਵਚਨ e ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਦੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਦੇ ਬਾਵਜੂਦ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਸਵੀਕਾਰਯੋਗ ਢੰਗ ਨਾਲ
ਹੇਠਾਂ ਉਹ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਸਟੋਰ ਕਰਦੇ ਹਨ i dati.
ਜਦੋਂ DSS ਵਿਸ਼ਲੇਸ਼ਕ DW ਨੂੰ ਵੇਖਦਾ ਹੈ, ਵਿਸ਼ਲੇਸ਼ਕ ਦਾ ਉਦੇਸ਼
ਇਸ ਦਾ ਸ਼ੋਸ਼ਣ ਹੋਣਾ 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 ਵਾਤਾਵਰਣ ਦੇ ਹਨ
ਪਹੁੰਚ ਦੇ ਸਮੇਂ ਦੇ ਰੂਪ ਵਿੱਚ ਸਹੀ। ਹੋਰ ਸ਼ਬਦਾਂ ਵਿਚ,
ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਜਦੋਂ ਇੱਕ ਡਰਾਈਵ ਨੂੰ ਐਕਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati, ਹਾਂ
ਇੰਤਜ਼ਾਰ ਕਰੋ ਜਦੋਂ ਤੱਕ ਇਹ ਪਹੁੰਚ ਦੇ ਸਮੇਂ ਵਾਂਗ ਸਹੀ ਮੁੱਲਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਕਿਉਂਕਿ ਮੈਂ dati ਡੀਡਬਲਯੂ ਵਿੱਚ ਕੁਝ ਬਿੰਦੂ 'ਤੇ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇ ਰੂਪ ਵਿੱਚ ਸਹੀ ਹਨ
ਸਮਾਂ (ਅਰਥਾਤ, "ਹੁਣ" ਨਹੀਂ), ਇਹ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਕਿ i dati DW ਵਿੱਚ ਪਾਇਆ ਗਿਆ
ਉਹ "ਸਮੇਂ ਦੇ ਅੰਤਰ" ਹਨ।
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 ਇਹ ਇੱਕ
ਲੰਬੇ ਸਮੇਂ ਦੀ ਦੂਰੀ - ਪੰਜ ਤੋਂ ਦਸ ਸਾਲ। ਦੂਰੀ
ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਲਈ ਦਰਸਾਇਆ ਗਿਆ ਸਮਾਂ ਬਹੁਤ ਛੋਟਾ ਹੈ
▪ ਅੱਜ ਦੇ ਮੌਜੂਦਾ ਮੁੱਲਾਂ ਤੋਂ ਸੱਠ ਨੱਬੇ ਤੱਕ
ਐਪਲੀਕੇਸ਼ਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਅਤੇ ਹੋਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ
ਲੈਣ-ਦੇਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਉਪਲਬਧ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਦੀ ਘੱਟੋ ਘੱਟ ਮਾਤਰਾ dati ਜੇਕਰ ਉਹ ਕਿਸੇ ਵੀ ਡਿਗਰੀ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੇ ਹਨ
ਲਚਕਤਾ ਇਸ ਲਈ ਕਾਰਜਸ਼ੀਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦਾ ਇੱਕ ਰੁਖ ਹੁੰਦਾ ਹੈ
ਛੋਟਾ ਟਾਈਮਸਕੇਲ, ਦੇ ਇੱਕ ਡਿਜ਼ਾਈਨ ਵਿਸ਼ੇ ਵਜੋਂ
ਆਡੀਓ ਐਪਲੀਕੇਸ਼ਨ.
DW ਵਿੱਚ 'ਟਾਈਮ ਵੇਰੀਐਂਸ' ਦਾ ਦੂਜਾ ਤਰੀਕਾ ਹੈ
ਕੁੰਜੀ ਬਣਤਰ. DW ਵਿੱਚ ਹਰੇਕ ਮੁੱਖ ਢਾਂਚੇ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ,
ਸਪਸ਼ਟ ਜਾਂ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ, ਸਮੇਂ ਦਾ ਇੱਕ ਤੱਤ, ਜਿਵੇਂ ਕਿ
ਦਿਨ, ਹਫ਼ਤਾ, ਮਹੀਨਾ, ਆਦਿ ਸਮੇਂ ਦਾ ਤੱਤ ਲਗਭਗ ਹਮੇਸ਼ਾ ਹੁੰਦਾ ਹੈ
ਡੀਡਬਲਯੂ ਵਿੱਚ ਪਾਈ ਗਈ ਜੋੜੀ ਕੁੰਜੀ ਦੇ ਹੇਠਾਂ। ਇਹਨਾਂ ਵਿੱਚ
ਮੌਕੇ, ਸਮੇਂ ਦਾ ਤੱਤ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਮੌਜੂਦ ਹੋਵੇਗਾ, ਜਿਵੇਂ ਮੌਕਾ
ਜਿੱਥੇ ਇੱਕ ਪੂਰੀ ਫਾਈਲ ਮਹੀਨੇ ਜਾਂ ਤਿਮਾਹੀ ਦੇ ਅੰਤ ਵਿੱਚ ਡੁਪਲੀਕੇਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਤੀਸਰਾ ਤਰੀਕਾ ਵਾਰ ਵੇਰੀਏਂਸ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ i dati Del
DW, ਜਿਵੇਂ ਹੀ ਸਹੀ ਢੰਗ ਨਾਲ ਰਜਿਸਟਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਨਹੀਂ ਹੋ ਸਕਦਾ
ਅੱਪਡੇਟ ਕੀਤਾ. ਦ dati DW ਦੇ ਸਾਰੇ ਵਿਹਾਰਕ ਉਦੇਸ਼ਾਂ ਲਈ, ਲੰਬੇ ਹਨ
ਸਨੈਪਸ਼ਾਟ ਦੀ ਲੜੀ. ਬੇਸ਼ੱਕ ਸਨੈਪਸ਼ਾਟ ਹਨ
ਨੂੰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਲਿਆ ਗਿਆ ਹੈ, ਤਾਂ ਸਨੈਪਸ਼ਾਟ ਹੋ ਸਕਦੇ ਹਨ
ਸੋਧਿਆ. ਪਰ ਇਹ ਮੰਨ ਕੇ ਕਿ ਸਨੈਪਸ਼ਾਟ ਲਏ ਗਏ ਹਨ
ਸਹੀ ਢੰਗ ਨਾਲ, ਉਹ ਬਣਦੇ ਸਾਰ ਹੀ ਸੋਧੇ ਨਹੀਂ ਜਾਂਦੇ। ਕੁਝ ਵਿੱਚ
ਕੇਸਾਂ ਵਿੱਚ ਇਹ ਅਨੈਤਿਕ ਜਾਂ ਅਵੈਧ ਵੀ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਸਨੈਪਸ਼ਾਟ ਵਿੱਚ
DW ਨੂੰ ਸੋਧਿਆ ਗਿਆ ਹੈ। ਦ dati ਕਾਰਜਸ਼ੀਲ, ਵਿੱਚ ਦੇ ਰੂਪ ਵਿੱਚ ਸਟੀਕ ਹੋਣਾ
ਲੌਗਇਨ ਪਲ, ਉਹਨਾਂ ਨੂੰ ਅਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਇਹ ਆਉਂਦਾ ਹੈ
ਲੋੜ.
ਗੈਰ-ਅਸਥਿਰ
DW ਦੀ ਚੌਥੀ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾ ਇਹ ਹੈ ਕਿ ਇਹ ਗੈਰ-ਅਸਥਿਰ ਹੈ।
ਅੱਪਡੇਟ, ਸੰਮਿਲਨ, ਮਿਟਾਉਣ ਅਤੇ ਸੋਧ ਕੀਤੇ ਗਏ ਹਨ
ਰਿਕਾਰਡ-ਦਰ-ਰਿਕਾਰਡ ਸੰਚਾਲਨ ਵਾਤਾਵਰਣ ਲਈ ਨਿਯਮਤ ਤੌਰ 'ਤੇ। ਪਰ ਦ
ਦੀ ਬੁਨਿਆਦੀ ਹੇਰਾਫੇਰੀ dati ਜੋ ਕਿ DW ਵਿੱਚ ਲੋੜੀਂਦਾ ਹੈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ
ਆਸਾਨ. ਵਿੱਚ ਸਿਰਫ ਦੋ ਤਰ੍ਹਾਂ ਦੇ ਓਪਰੇਸ਼ਨ ਹੁੰਦੇ ਹਨ
DW - ਦੀ ਸ਼ੁਰੂਆਤੀ ਲੋਡਿੰਗ dati ਅਤੇ ਤੱਕ ਪਹੁੰਚ dati. ਉਥੇ ਨਹੀ ਹੈ
ਦਾ ਕੋਈ ਅਪਡੇਟ ਨਹੀਂ dati (ਆਮ ਅਰਥਾਂ ਵਿੱਚ
ਅੱਪਡੇਟ) ਨੂੰ ਇੱਕ ਆਮ ਪ੍ਰੋਸੈਸਿੰਗ ਓਪਰੇਸ਼ਨ ਵਜੋਂ DW ਵਿੱਚ.
ਇਸ ਅੰਤਰ ਦੇ ਕੁਝ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਨਤੀਜੇ ਹਨ
ਕਾਰਜਸ਼ੀਲ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਡੀਡਬਲਯੂ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿਚਕਾਰ ਅਧਾਰ. ਪੱਧਰ 'ਤੇ
ਡਿਜ਼ਾਈਨ, ਅੱਪਡੇਟ ਕਰਨ ਬਾਰੇ ਸਾਵਧਾਨ ਰਹਿਣ ਦੀ ਲੋੜ ਹੈ
ਦੇ ਅਪਡੇਟ ਤੋਂ ਬਾਅਦ, DW ਵਿੱਚ ਅਸਧਾਰਨ ਕੋਈ ਕਾਰਕ ਨਹੀਂ ਹੈ dati ਇਹ ਨਹੀਂ ਹੈ
ਕੀਤਾ. ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਭੌਤਿਕ ਡਿਜ਼ਾਈਨ ਪੱਧਰ 'ਤੇ,
ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਸੁਤੰਤਰਤਾਵਾਂ ਲਈਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ dati,
ਖਾਸ ਤੌਰ 'ਤੇ ਸਧਾਰਣਕਰਨ ਦੇ ਵਿਸ਼ਿਆਂ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ਅਤੇ
ਸਰੀਰਕ ਅਸਧਾਰਨਤਾ. ਸਾਦਗੀ ਦਾ ਇੱਕ ਹੋਰ ਨਤੀਜਾ
DW ਦੇ ਓਪਰੇਸ਼ਨਾਂ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਅੰਡਰਲਾਈੰਗ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਹੈ
DW ਵਾਤਾਵਰਨ ਚਲਾਓ। ਅੱਪਡੇਟ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਹੋਣ
ਰਿਕਾਰਡ ਇਨਲਾਈਨ ਦੁਆਰਾ ਰਿਕਾਰਡ ਕਰੋ (ਜਿਵੇਂ ਕਿ ਅਕਸਰ ਹੁੰਦਾ ਹੈ
ਕਾਰਜਸ਼ੀਲ ਪ੍ਰੋਸੈਸਿੰਗ) ਤਕਨਾਲੋਜੀ ਨੂੰ ਕੁਝ ਹੋਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਇੱਕ ਸਪੱਸ਼ਟ ਸਾਦਗੀ ਦੇ ਅਧੀਨ ਬਹੁਤ ਗੁੰਝਲਦਾਰ ਬੁਨਿਆਦ.
ਤਕਨੀਕ ਜੋ ਬੈਕਅੱਪ ਅਤੇ ਰਿਕਵਰੀ, ਲੈਣ-ਦੇਣ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ
ਅਤੇ ਦੀ ਅਖੰਡਤਾ dati ਅਤੇ ਡੈੱਡਲਾਕ ਸਥਿਤੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਅਤੇ ਉਪਾਅ ਹੈ
ਕਾਫ਼ੀ ਗੁੰਝਲਦਾਰ ਅਤੇ DW ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਜ਼ਰੂਰੀ ਨਹੀਂ ਹੈ।
ਇੱਕ DW ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਡਿਜ਼ਾਈਨ ਸਥਿਤੀ,
ਦਾ ਏਕੀਕਰਣ dati DW ਦੇ ਅੰਦਰ, ਸਮੇਂ ਦੇ ਅੰਤਰ ਅਤੇ ਸਰਲਤਾ
ਦੇ ਪ੍ਰਬੰਧਨ ਦੇ dati, ਹਰ ਚੀਜ਼ ਇੱਕ ਵਾਤਾਵਰਣ ਵੱਲ ਖੜਦੀ ਹੈ ਜੋ ਬਹੁਤ, ਬਹੁਤ ਹੈ
ਕਲਾਸਿਕ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ ਵੱਖਰਾ। ਲਗਭਗ ਸਾਰੇ ਦਾ ਸਰੋਤ
dati DW ਦੇ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਹਨ। ਇਹ ਸੋਚਣ ਲਈ ਲਲਚਾਉਣ ਵਾਲਾ ਹੈ
ਦੀ ਭਾਰੀ ਰਿਡੰਡੈਂਸੀ ਹੈ dati ਦੋ ਵਾਤਾਵਰਣ ਦੇ ਵਿਚਕਾਰ.
ਵਾਸਤਵ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦਾ ਪਹਿਲਾ ਪ੍ਰਭਾਵ ਇਹ ਹੈ ਕਿ
ਦੀ ਮਹਾਨ ਬੇਲੋੜੀਤਾ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਅਤੇ ਵਾਤਾਵਰਣ ਦੇ ਵਿਚਕਾਰ
ਡੀਡਬਲਯੂ. ਅਜਿਹੀ ਵਿਆਖਿਆ ਸਤਹੀ ਹੈ ਅਤੇ ਇੱਕ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ
ਡੀਡਬਲਯੂ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ ਇਹ ਸਮਝਣ ਦੀ ਘਾਟ।
ਅਸਲ ਵਿੱਚ ਇੱਕ ਘੱਟੋ ਘੱਟ ਰਿਡੰਡੈਂਸੀ ਹੈ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਦੇ ਵਿਚਕਾਰ
ਐਡ ਆਈ dati DW ਦੇ. ਆਓ ਹੇਠ ਲਿਖਿਆਂ 'ਤੇ ਵਿਚਾਰ ਕਰੀਏ:
▪ ਆਈ dati ਉਹ ਫਿਲਟਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਡੈਟੋ ਜੋ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਤੋਂ ਲੰਘਦਾ ਹੈ
DW ਵਾਤਾਵਰਣ ਨੂੰ. ਕਈ dati ਉਹ ਕਦੇ ਬਾਹਰ ਨਹੀਂ ਲੰਘਦੇ
ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ. ਇਸ ਤੋਂ ਇਲਾਵਾ ਆਈ dati ਜਿਸ ਲਈ ਜ਼ਰੂਰੀ ਹਨ
DSS ਪ੍ਰੋਸੈਸਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਆਪਣੀ ਦਿਸ਼ਾ ਲੱਭਦੀ ਹੈ
▪ ਦਾ ਸਮਾਂ ਦੂਰੀ dati ਇਹ ਵਾਤਾਵਰਣ ਤੋਂ ਬਹੁਤ ਵੱਖਰਾ ਹੈ
ਦੂਜੇ ਨੂੰ. ਦ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ ਉਹ ਬਹੁਤ ਤਾਜ਼ੇ ਹਨ। ਦ dati
DW ਵਿੱਚ ਉਹ ਬਹੁਤ ਪੁਰਾਣੇ ਹਨ। ਸਿਰਫ਼ ਨਜ਼ਰੀਏ ਤੋਂ
ਸਮੇਂ ਦੀ ਦੂਰੀ ਦਾ, ਬਹੁਤ ਘੱਟ ਓਵਰਲੈਪ ਹੁੰਦਾ ਹੈ
ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਅਤੇ DW ਵਿਚਕਾਰ.
▪ DW ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ dati ਸੰਖੇਪ ਦਾ ਜੋ ਕਦੇ ਨਹੀਂ ਮਿਲਦਾ
ਵਾਤਾਵਰਣ ਵਿੱਚ
▪ ਆਈ dati ਤੋਂ ਇੱਕ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀ ਤੋਂ ਗੁਜ਼ਰਨਾ ਹੈ
ਪਲ ਉਹ ਚਿੱਤਰ 3 ਵਿੱਚ ਪਰਿਵਰਤਨ ਕਰਦੇ ਹਨ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਦਰਸਾਉਂਦਾ ਹੈ
ਦਾ ਹਿੱਸਾ dati ਸਥਿਤੀ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਬਦਲ ਗਏ ਹਨ
ਚੁਣੇ ਜਾਣ ਅਤੇ ਡੀਡਬਲਯੂ ਵਿੱਚ ਚਲੇ ਜਾਣ ਲਈ। ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਪਾਓ, the
ਜਿਆਦਾਤਰ dati ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੋਧਿਆ ਗਿਆ ਹੈ ਅਤੇ
ਮੂਲ ਰੂਪ ਵਿੱਚ ਇਸਨੂੰ DW ਵਿੱਚ ਕਿਵੇਂ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ। ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ
ਏਕੀਕਰਣ ਦੇ ਸਮਾਨ ਨਹੀਂ ਹਨ dati ਜੋ ਰਹਿੰਦੇ ਹਨ
ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਵਿੱਚ.
ਇਹਨਾਂ ਕਾਰਕਾਂ ਦੀ ਰੋਸ਼ਨੀ ਵਿੱਚ, ਦੀ ਰਿਡੰਡੈਂਸੀ dati ਦੋ ਵਾਤਾਵਰਣ ਦੇ ਵਿਚਕਾਰ ਹੈ
ਇੱਕ ਦੁਰਲੱਭ ਘਟਨਾ, ਜਿਸ ਨਾਲ ਦੋਵਾਂ ਵਿਚਕਾਰ 1% ਤੋਂ ਘੱਟ ਰਿਡੰਡੈਂਸੀ ਹੁੰਦੀ ਹੈ
ਵਾਤਾਵਰਣ
ਵੇਅਰਹਾਊਸ ਦੀ ਬਣਤਰ
DWs ਦੀ ਇੱਕ ਵੱਖਰੀ ਬਣਤਰ ਹੈ। ਸੰਖੇਪ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰ ਹਨ ਅਤੇ
ਵੇਰਵੇ 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 ਵੇਰਵੇ ਦੇ
ਕਰੰਟ ਇਹ ਮੁੱਖ ਚਿੰਤਾ ਹੈ ਕਿਉਂਕਿ:
▪ ਆਈ dati ਮੌਜੂਦਾ ਵੇਰਵੇ ਸਭ ਤੋਂ ਤਾਜ਼ਾ ਘਟਨਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ,
ਜੋ ਹਮੇਸ਼ਾ ਬਹੁਤ ਦਿਲਚਸਪੀ ਦੇ ਹੁੰਦੇ ਹਨ ਅਤੇ
▪ i dati ਮੌਜੂਦਾ ਵੇਰਵਿਆਂ ਦੀ ਮਾਤਰਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਹੈ
ਗ੍ਰੈਨਿਊਲਿਟੀ ਦੇ ਸਭ ਤੋਂ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਗਿਆ e
▪ i dati ਮੌਜੂਦਾ ਵੇਰਵੇ ਲਗਭਗ ਹਮੇਸ਼ਾ 'ਤੇ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ
ਡਿਸਕ ਸਟੋਰੇਜ, ਜੋ ਐਕਸੈਸ ਕਰਨ ਲਈ ਤੇਜ਼ ਹੈ, ਪਰ ਮਹਿੰਗਾ ਹੈ ਅਤੇ
ਤੱਕ ਕੰਪਲੈਕਸ
I dati ਵੇਰਵੇ ਪੁਰਾਣੇ ਹਨ dati ਜਿਸ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਦੀਆਂ ਕੁਝ ਯਾਦਾਂ ਮੱਸਾ. ਇਸਦੀ ਐਕਸੈਸ ਸਪੋਰਡਲੀ ਹੈ ਅਤੇ ਹੈ
ਦੇ ਅਨੁਕੂਲ ਵੇਰਵੇ ਦੇ ਪੱਧਰ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਗਿਆ dati ਵੇਰਵੇ ਸਹਿਤ
ਕਰੰਟ ਦੇ ਮਾਧਿਅਮ 'ਤੇ ਸਟੋਰ ਕਰਨਾ ਲਾਜ਼ਮੀ ਨਹੀਂ ਹੈ
ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਦੇ ਕਾਰਨ ਵਿਕਲਪਕ ਸਟੋਰੇਜ dati ਨਾਲ ਏਕਤਾ
ਦੀ ਛਿੱਟੀ ਪਹੁੰਚ dati, ਲਈ ਮੈਮੋਰੀ ਸਹਿਯੋਗ dati di
ਪੁਰਾਣੇ ਵੇਰਵੇ ਆਮ ਤੌਰ 'ਤੇ ਡਿਸਕ 'ਤੇ ਸਟੋਰ ਨਹੀਂ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
I dati ਥੋੜ੍ਹਾ ਸੰਖੇਪ ਹਨ dati ਜੋ ਹੇਠਾਂ ਤੋਂ ਡਿਸਟਿਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ
ਵੇਰਵੇ ਦੇ ਮੌਜੂਦਾ ਪੱਧਰ 'ਤੇ ਮਿਲੇ ਵੇਰਵੇ ਦਾ ਪੱਧਰ। ਇਹ
DW ਪੱਧਰ ਲਗਭਗ ਹਮੇਸ਼ਾ ਡਿਸਕ ਸਟੋਰੇਜ਼ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਦ
ਡਿਜ਼ਾਈਨ ਸਮੱਸਿਆਵਾਂ ਜੋ ਆਰਕੀਟੈਕਟ ਲਈ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ dati
DW ਦੇ ਇਸ ਪੱਧਰ ਦੇ ਨਿਰਮਾਣ ਵਿੱਚ ਹਨ:
▪ ਉੱਪਰ ਦਿੱਤਾ ਗਿਆ ਸਾਰਾਂਸ਼ ਸਮੇਂ ਦੀ ਕਿਹੜੀ ਇਕਾਈ ਹੈ
▪ ਕਿਹੜੀਆਂ ਸਮੱਗਰੀਆਂ, ਗੁਣਾਂ ਨੂੰ ਥੋੜ੍ਹਾ ਜਿਹਾ ਸੰਖੇਪ ਕੀਤਾ ਜਾਵੇਗਾ
ਦੀ ਸਮੱਗਰੀ dati
ਦਾ ਅਗਲਾ ਪੱਧਰ dati DW ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਹੈ dati ਬਹੁਤ ਜ਼ਿਆਦਾ
ਸੰਖੇਪ ਦ dati ਬਹੁਤ ਹੀ ਸੰਖੇਪ ਅਤੇ ਆਸਾਨੀ ਨਾਲ ਸੰਖੇਪ ਹਨ
ਪਹੁੰਚਯੋਗ ਦ dati ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਖੇਪ ਕਈ ਵਾਰ ਪਾਏ ਜਾਂਦੇ ਹਨ
DW ਵਾਤਾਵਰਣ ਵਿੱਚ ਅਤੇ ਹੋਰ ਮਾਮਲਿਆਂ ਵਿੱਚ i dati ਬਹੁਤ ਹੀ ਸੰਖੇਪ ਹਨ
ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਤੁਰੰਤ ਕੰਧਾਂ ਦੇ ਬਾਹਰ ਲੱਭਿਆ ਜਿਸ ਵਿੱਚ DW ਹੈ।
(ਕਿਸੇ ਵੀ ਸਥਿਤੀ ਵਿੱਚ, i dati ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਖੇਪ DW ਦਾ ਹਿੱਸਾ ਹਨ
ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਕਿੱਥੇ i dati ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਰੱਖੇ ਗਏ ਹਨ).
DW ਦਾ ਅੰਤਮ ਭਾਗ ਮੈਟਾਡੇਟਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਮਾਮਲਿਆਂ ਵਿੱਚ
ਮੈਟਾਡੇਟਾ ਦੂਜਿਆਂ ਨਾਲੋਂ ਵੱਖਰੇ ਮਾਪ ਵਿੱਚ ਬੈਠਦਾ ਹੈ dati
DW ਦਾ, ਕਿਉਂਕਿ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਕੋਈ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ ਡੈਟੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ
ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ ਲਿਆ ਗਿਆ। ਮੈਟਾਡੇਟਾ ਦੀ ਵਿਸ਼ੇਸ਼ ਭੂਮਿਕਾ ਹੈ e
DW ਵਿੱਚ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ. ਮੈਟਾਡੇਟਾ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ:
▪ DSS ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਇੱਕ ਡਾਇਰੈਕਟਰੀ
DW ਦੀ ਸਮੱਗਰੀ,
▪ ਮੈਪਿੰਗ ਲਈ ਇੱਕ ਗਾਈਡ dati ਕਿਸ ਤਰ੍ਹਾਂ i dati ਉਹ ਸਨ
ਕਾਰਜਸ਼ੀਲ ਵਾਤਾਵਰਣ ਤੋਂ DW ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਦਲਿਆ ਗਿਆ,
▪ ਵਿਚਕਾਰ ਸੰਖੇਪ ਕਰਨ ਲਈ ਵਰਤੇ ਗਏ ਐਲਗੋਰਿਦਮ ਲਈ ਇੱਕ ਗਾਈਡ dati di
ਵਿਸਤਾਰ ਧਾਰਾਵਾਂ ਅਤੇ ਆਈ dati ਥੋੜ੍ਹਾ ਜਿਹਾ ਸੰਖੇਪ, i dati ਬਹੁਤ ਜ਼ਿਆਦਾ
ਸੰਖੇਪ,
ਮੈਟਾਡੇਟਾ DW ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਹੁਤ ਵੱਡੀ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦਾ ਹੈ
ਓਪਰੇਸ਼ਨਲ ਮਾਹੌਲ ਵਿੱਚ ਉਹਨਾਂ ਨੇ ਕਦੇ ਵੀ ਕੀਤਾ ਹੈ
ਪੁਰਾਣਾ ਵੇਰਵਾ ਸਟੋਰੇਜ ਮਾਧਿਅਮ
ਚੁੰਬਕੀ ਟੇਪ ਨੂੰ ਇਸ ਕਿਸਮ ਦੇ ਸਟੋਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
dati. ਅਸਲ ਵਿੱਚ ਸਟੋਰੇਜ਼ ਟੂਲ ਦੀ ਇੱਕ ਵਿਆਪਕ ਕਿਸਮ ਹੈ, ਜੋ ਕਿ
ਉਹਨਾਂ ਨੂੰ ਪੁਰਾਣੇ ਦੀ ਸੰਭਾਲ ਲਈ ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ dati di
ਵੇਰਵੇ।
ਦੀ ਮਾਤਰਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ dati, ਪਹੁੰਚ ਦੀ ਬਾਰੰਬਾਰਤਾ, ਲਾਗਤ
ਸੰਦਾਂ ਅਤੇ ਪਹੁੰਚ ਦੀ ਕਿਸਮ, ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੰਭਾਵਿਤ ਹੈ
ਕਿ ਹੋਰ ਸਾਧਨਾਂ ਨੂੰ ਪੁਰਾਣੇ ਪੱਧਰ ਦੇ ਵੇਰਵੇ ਦੀ ਲੋੜ ਹੋਵੇਗੀ
DW ਵਿੱਚ.
ਡੇਟਾ ਦਾ ਪ੍ਰਵਾਹ
ਦਾ ਇੱਕ ਆਮ ਅਤੇ ਅਨੁਮਾਨਿਤ ਵਹਾਅ ਹੈ dati DW ਦੇ ਅੰਦਰ.
I dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਤੋਂ DW ਦਾਖਲ ਕਰੋ। (ਨੋਟ: ਹਨ
ਇਸ ਨਿਯਮ ਦੇ ਕੁਝ ਬਹੁਤ ਹੀ ਦਿਲਚਸਪ ਅਪਵਾਦ। ਹਾਲਾਂਕਿ, ਲਗਭਗ
ਸਾਰੇ dati ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਨ ਤੋਂ DW ਦਾਖਲ ਕਰੋ)। ਦੀ ਮਿਤੀ ਕਿ ਮੈਂ dati
ਉਹ ਓਪਰੇਟਿੰਗ ਵਾਤਾਵਰਣ ਤੋਂ ਡੀਡਬਲਯੂ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦੇ ਹਨ, ਇਹ ਉਸੇ ਤਰ੍ਹਾਂ ਬਦਲ ਜਾਂਦਾ ਹੈ ਜਿਵੇਂ ਇਹ ਹੋਇਆ ਹੈ
ਅੱਗੇ ਦੱਸਿਆ ਗਿਆ ਹੈ. DW ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਦੀ ਸ਼ਰਤ 'ਤੇ, i dati ਉਹ ਦਾਖਲ ਹੁੰਦੇ ਹਨ
ਵੇਰਵੇ ਦਾ ਮੌਜੂਦਾ ਪੱਧਰ, ਜਿਵੇਂ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਉਥੇ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
ਜਦੋਂ ਤੱਕ ਤਿੰਨ ਘਟਨਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨਹੀਂ ਵਾਪਰਦੀ:
▪ ਸ਼ੁੱਧ ਹੁੰਦਾ ਹੈ,
▪ ਸੰਖੇਪ ਹੈ, ਅਤੇ/ਜਾਂ
▪ ਹੈ
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. ਓਥੇ ਹਨ
ਦਿਖਾਏ ਗਏ ਪ੍ਰਵਾਹ ਦੇ ਕੁਝ ਅਪਵਾਦ (ਬਾਅਦ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਜਾਵੇਗੀ)।
ਹਾਲਾਂਕਿ, ਆਮ ਤੌਰ 'ਤੇ, ਦੀ ਵੱਡੀ ਬਹੁਗਿਣਤੀ ਲਈ dati ਪਾਇਆ
ਇੱਕ DW ਦੇ ਅੰਦਰ, 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 ਨਹੀਂ
ਵਰਤੋਂ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰੋ। ਇੱਕ ਨਿਯਮ ਦੇ ਤੌਰ ਤੇ, ਦਾ ਉੱਚ ਪੱਧਰ
ਸੰਖੇਪ, ਪਲੱਸ 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। ਇਸ ਦਾ ਇੱਕ ਚੰਗਾ ਕਾਰਨ ਹੈ
ਸੰਸਥਾ ਨੂੰ ਸਰੋਤ ਵਰਤੋਂ ਪੈਰਾਡਾਈਮ 'ਤੇ ਲੈ ਜਾਓ। ਜਿੰਨਾ ਉਸ ਕੋਲ ਹੈ
ਸੰਖੇਪ i dati, ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਤੇਜ਼ ਅਤੇ ਹੋਰ ਕੁਸ਼ਲ ਹੈ dati. ਝਾਤੀ
un ਦੁਕਾਨ ਲੱਭੋ ਕਿ ਇਹ DW ਵੇਰਵੇ ਪੱਧਰ 'ਤੇ ਬਹੁਤ ਸਾਰੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ,
ਫਿਰ ਮਸ਼ੀਨ ਸਰੋਤ ਦੀ ਇੱਕ ਅਨੁਸਾਰੀ ਵੱਡੀ ਮਾਤਰਾ
ਖਪਤ ਹੁੰਦੀ ਹੈ। ਮੁਕੱਦਮਾ ਚਲਾਉਣਾ ਹਰ ਕਿਸੇ ਦੇ ਹਿੱਤ ਵਿੱਚ ਹੈ
ਜਿੰਨੀ ਜਲਦੀ ਹੋ ਸਕੇ ਉੱਚ ਪੱਧਰੀ ਸੰਖੇਪ ਵਿੱਚ।
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 ਵੇਰਵੇ ਸਹਿਤ
ਇਹ ਇੱਕ ਸੁਰੱਖਿਆ ਕੰਬਲ ਵਰਗਾ ਹੈ, ਭਾਵੇਂ ਉਹ ਉਪਲਬਧ ਹੋਣ
ਸੰਖੇਪ ਦੇ ਹੋਰ ਪੱਧਰ। ਆਰਕੀਟੈਕਟ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚੋਂ ਇੱਕ dati è
ਦੀ ਲਗਾਤਾਰ ਵਰਤੋਂ ਤੋਂ DSS ਉਪਭੋਗਤਾ ਨੂੰ ਛੁਡਾਉਣਾ dati ਉੱਚ ਪੱਧਰ 'ਤੇ
ਘੱਟ ਵੇਰਵੇ. ਇੱਥੇ ਦੋ ਕਾਰਨ ਉਪਲਬਧ ਹਨ
ਦੇ ਆਰਕੀਟੈਕਟ ਦੇ dati:
▪ ਇੱਕ ਚਾਰਜਬੈਕ ਸਿਸਟਮ ਸਥਾਪਤ ਕਰਨਾ, ਜਿੱਥੇ ਅੰਤਮ ਉਪਭੋਗਤਾ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ
ਸਰੋਤਾਂ ਦੀ ਖਪਤ ਈ
▪ ਜੋ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਜਵਾਬ ਦੇਣ ਦਾ ਸਮਾਂ ਬਹੁਤ ਵਧੀਆ ਹੋ ਸਕਦਾ ਹੈ
ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਦੋਂ i ਨਾਲ ਵਿਵਹਾਰ dati ਇਹ ਉੱਚ ਪੱਧਰ 'ਤੇ ਹੈ
ਸੰਖੇਪ ਦਾ, ਜਦੋਂ ਕਿ ਮਾੜਾ ਜਵਾਬ ਸਮਾਂ ਤੋਂ ਆਉਂਦਾ ਹੈ
ਦਾ ਵਿਵਹਾਰ dati ਇੱਕ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ
ਹੋਰ ਵਿਚਾਰਾਂ
ਕੁਝ ਹੋਰ ਨਿਰਮਾਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਵਿਚਾਰ ਹਨ
ਡੀਡਬਲਯੂ.
ਪਹਿਲਾ ਵਿਚਾਰ ਸੂਚਕਾਂਕ ਦਾ ਹੈ। ਦ dati ਦੇ ਉੱਚੇ ਪੱਧਰਾਂ 'ਤੇ
ਸੰਖੇਪ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਇੰਡੈਕਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਕਿ i dati
ਵੇਰਵਿਆਂ ਦੇ ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਉਹ ਓਨੇ ਹੀ ਭਾਰੀ ਹਨ ਜਿੰਨਾ ਹੋ ਸਕਦਾ ਹੈ
ਕਠੋਰ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ. ਉਸੇ ਟੋਕਨ ਤੋਂ, ਆਈ dati ਉੱਚ ਪੱਧਰ 'ਤੇ
ਵੇਰਵੇ ਨੂੰ ਮੁਕਾਬਲਤਨ ਆਸਾਨੀ ਨਾਲ ਮੁਰੰਮਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ,
ਦੀ ਮਾਤਰਾ ਜਦਕਿ dati ਹੇਠਲੇ ਪੱਧਰ 'ਤੇ ਇਹ ਇੰਨਾ ਵੱਡਾ ਹੈ ਕਿ i dati ਗੈਰ
ਉਹਨਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਮੁਰੰਮਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਅਨੁਸਾਰ, ਮਾਡਲ
ਦੇ dati ਅਤੇ ਡਿਜ਼ਾਈਨ ਦੁਆਰਾ ਕੀਤਾ ਗਿਆ ਰਸਮੀ ਕੰਮ
DW ਲਈ ਬੁਨਿਆਦ ਲਗਭਗ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਗਈ ਹੈ
ਵੇਰਵੇ ਮੌਜੂਦਾ. 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 ਅਲ
ਐਪਲੀਕੇਸ਼ਨ ਪੱਧਰ. ਪੱਧਰ 'ਤੇ ਵੰਡ ਵਿਚ ਡੀਬੀਐਮਐਸਉਹ ਡੀਬੀਐਮਐਸ è
ਡਿਵੀਜ਼ਨਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਅਤੇ ਉਸ ਅਨੁਸਾਰ ਨਿਗਰਾਨੀ ਕੀਤੀ। ਦੀ ਹਾਲਤ ਵਿੱਚ
ਐਪਲੀਕੇਸ਼ਨ ਪੱਧਰ 'ਤੇ ਵੰਡ, ਸਿਰਫ ਪ੍ਰੋਗਰਾਮਰ ਹੈ
ਵਿਭਾਗਾਂ ਅਤੇ ਉਹਨਾਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਬਾਰੇ ਸੂਚਿਤ ਕੀਤਾ
ਪ੍ਰਸ਼ਾਸਨ ਉਸ 'ਤੇ ਛੱਡ ਦਿੱਤਾ ਗਿਆ ਹੈ
ਪੱਧਰ ਤੋਂ ਹੇਠਾਂ ਡੀਬੀਐਮਐਸ, ਬਹੁਤ ਸਾਰਾ ਕੰਮ ਆਪਣੇ ਆਪ ਹੋ ਜਾਂਦਾ ਹੈ। ਉੱਥੇ ਹੈ
ਦੇ ਆਟੋਮੈਟਿਕ ਪ੍ਰਸ਼ਾਸਨ ਨਾਲ ਜੁੜੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਲਚਕਤਾ
ਵੰਡ. ਦੇ ਐਪਲੀਕੇਸ਼ਨ ਪੱਧਰ 'ਤੇ ਵੰਡ ਦੇ ਮਾਮਲੇ ਵਿੱਚ dati Del
ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਪ੍ਰੋਗਰਾਮਰ 'ਤੇ ਕੰਮ ਦਾ ਬਹੁਤ ਸਾਰਾ ਭਾਰ ਹੈ, ਪਰ
ਅੰਤਮ ਨਤੀਜਾ ਪ੍ਰਸ਼ਾਸਨ ਵਿੱਚ ਲਚਕਤਾ ਹੈ dati ਮਿਤੀ ਵਿੱਚ
ਵੇਅਰਹਾਊਸ
ਅਲਟਰੇ ਅਨੌਮਾਲੀ
ਜਦਕਿ ਦੇ ਹਿੱਸੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਵਰਣਨ ਕੀਤੇ ਅਨੁਸਾਰ ਕੰਮ ਕਰਦੇ ਹਨ
ਲਗਭਗ ਸਾਰੇ ਲਈ dati, ਕੁਝ ਉਪਯੋਗੀ ਅਪਵਾਦ ਹਨ ਜੋ ਲਾਜ਼ਮੀ ਹਨ
ਚਰਚਾ ਕੀਤੀ ਜਾਵੇ। ਦਾ ਇੱਕ ਅਪਵਾਦ ਹੈ dati ਜਨਤਕ ਸੰਖੇਪ
(ਜਨਤਕ ਸੰਖੇਪ ਡੇਟਾ)। ਇਹ dati ਸੰਖੇਪ ਜੋ ਸਨ
ਦੇ ਬਾਹਰ ਦੀ ਗਣਨਾ ਕੀਤੀ 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 ਕਿ ਪਹਿਲਾਂ ਦੱਸਿਆ ਗਿਆ ਹੈ ਉਹਨਾਂ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਦ
ਲੇਖਾਕਾਰ ਇਹਨਾਂ ਨੂੰ ਤਿਮਾਹੀ ਬਣਾਉਣ ਲਈ ਕੰਮ ਕਰਦੇ ਹਨ dati ਦੇ ਤੌਰ ਤੇ
ਆਮਦਨ, ਤਿਮਾਹੀ ਖਰਚੇ, ਤਿਮਾਹੀ ਲਾਭ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਹੋਰ। ਕੰਮ
ਅਕਾਊਂਟੈਂਟਸ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਹਾਲਾਂਕਿ, ਆਈ dati ਆਵਾਜ਼
ਕੰਪਨੀ ਦੇ ਅੰਦਰ "ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ" ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ - 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 ਇੱਕ ਦਿੱਤੇ ਵਿੱਚ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ
ਵੇਅਰਹਾਊਸ ਸਥਾਈ ਵੇਰਵੇ ਡੇਟਾ ਦਾ ਹੈ। ਇਹ ਕਾਰਨ ਬਣਦੇ ਹਨ
ਸਥਾਈ ਤੌਰ 'ਤੇ ਸਟੋਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ i dati ਇੱਕ ਪੱਧਰ 'ਤੇ
ਨੈਤਿਕ ਜਾਂ ਕਾਨੂੰਨੀ ਕਾਰਨਾਂ ਕਰਕੇ ਵੇਰਵੇ ਸਹਿਤ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਰਹੀ ਹੈ ਤਾਂ ਆਈ
ਖਤਰਨਾਕ ਪਦਾਰਥਾਂ ਨਾਲ ਸਬੰਧਤ ਕਰਮਚਾਰੀਆਂ ਦੀ ਲੋੜ ਹੈ dati
ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਸਥਾਈ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਕੋਈ ਉਤਪਾਦ ਤਿਆਰ ਕਰਦੀ ਹੈ
ਜਨਤਕ ਸੁਰੱਖਿਆ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ, ਹਵਾਈ ਜਹਾਜ਼ ਦੇ ਕਿਹੜੇ ਹਿੱਸੇ ਹੁੰਦੇ ਹਨ
ਦੀ ਲੋੜ dati ਵਿਸਤ੍ਰਿਤ ਸਥਾਈ, ਅਤੇ ਨਾਲ ਹੀ ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ
ਖ਼ਤਰਨਾਕ ਸਮਝੌਤਿਆਂ ਵਿੱਚ ਪਰਵੇਸ਼ ਕਰਦਾ ਹੈ।
ਸਮਾਜ ਵੇਰਵਿਆਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਨਹੀਂ ਕਰ ਸਕਦਾ ਕਿਉਂਕਿ
ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ, ਇੱਕ ਮੁਕੱਦਮੇ ਦੀ ਸਥਿਤੀ ਵਿੱਚ, ਇੱਕ ਰੀਕਾਲ, ਏ
ਵਿਵਾਦਿਤ ਉਸਾਰੀ ਨੁਕਸ, ਆਦਿ ਕੰਪਨੀ ਦੇ ਐਕਸਪੋਜਰ
ਇਹ ਵੱਡਾ ਹੋ ਸਕਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ ਇੱਕ ਵਿਲੱਖਣ ਕਿਸਮ ਹੈ dati
ਸਥਾਈ ਵੇਰਵੇ ਡੇਟਾ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ।
ਸੰਖੇਪ
Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦਾ ਇੱਕ ਵਸਤੂ ਅਧਾਰਤ, ਏਕੀਕ੍ਰਿਤ, ਰੂਪ ਹੈ
ਸਮਾਂ, ਦਾ ਸੰਗ੍ਰਹਿ dati ਦੀਆਂ ਲੋੜਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਗੈਰ-ਅਸਥਿਰ
ਪ੍ਰਸ਼ਾਸਨ ਦਾ ਫੈਸਲਾ. ਦੇ ਪ੍ਰਮੁੱਖ ਫੰਕਸ਼ਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ
un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਦੇ ਪ੍ਰਭਾਵ ਹਨ. ਨਾਲ ਹੀ ਚਾਰ ਹਨ
ਦੇ ਪੱਧਰ dati Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ:
▪ ਪੁਰਾਣਾ ਵੇਰਵਾ
▪ ਮੌਜੂਦਾ ਵੇਰਵੇ
▪ ਡਾਟਾ ਥੋੜ੍ਹਾ ਜਿਹਾ ਦੁਹਰਾਇਆ ਗਿਆ
▪ ਡਾਟਾ ਬਹੁਤ ਹੀ ਸੰਖੇਪ
ਮੈਟਾਡੇਟਾ ਵੀ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਸਾਰ
ਦੀ ਸਟੋਰੇਜ ਦੀ ਧਾਰਨਾ dati ਹਾਲ ਹੀ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤਾ
ਬਹੁਤ ਸਾਰਾ ਧਿਆਨ ਅਤੇ 90 ਦੇ ਦਹਾਕੇ ਦਾ ਇੱਕ ਰੁਝਾਨ ਬਣ ਗਿਆ ਹੈ
ਏ ਦੀ ਸਮਰੱਥਾ ਦੇ ਕਾਰਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹਨਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ
ਪ੍ਰਸ਼ਾਸਨ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਜਿਵੇਂ ਕਿ i
ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ (DSS) ਅਤੇ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ
ਕਾਰਜਕਾਰੀ (EIS)।
ਦੀ ਧਾਰਨਾ ਵੀ, ਜੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹੋਨਹਾਰ ਲੱਗਦਾ ਹੈ,
i ਲਾਗੂ ਕਰੋ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕਾਰਨ ਸਮੱਸਿਆ ਹੋ ਸਕਦੀ ਹੈ
ਵੱਡੇ ਪੈਮਾਨੇ ਦੀ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ। ਦੇ ਬਾਵਜੂਦ
ਸਟੋਰੇਜ਼ ਪ੍ਰਾਜੈਕਟ ਦੀ ਗੁੰਝਲਤਾ dati, ਬਹੁਤ ਸਾਰੇ ਸਪਲਾਇਰ
ਅਤੇ ਵੇਅਰਹਾਊਸਿੰਗ ਸਲਾਹਕਾਰ dati ਉਹ ਦਾਅਵਾ ਕਰਦੇ ਹਨ ਕਿ
ਦੀ ਸਟੋਰੇਜ਼ dati ਮੌਜੂਦਾ ਕਿਸੇ ਵੀ ਸਮੱਸਿਆ ਦਾ ਕਾਰਨ ਨਹੀ ਹੈ.
ਹਾਲਾਂਕਿ, ਇਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ, ਲਗਭਗ ਕੋਈ ਨਹੀਂ
ਸੁਤੰਤਰ, ਸਖ਼ਤ ਅਤੇ ਯੋਜਨਾਬੱਧ ਖੋਜ ਕੀਤੀ ਗਈ ਸੀ। ਤੋਂ
ਸਿੱਟੇ ਵਜੋਂ ਇਹ ਕਹਿਣਾ ਮੁਸ਼ਕਲ ਹੈ ਕਿ ਅਸਲ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ
ਉਦਯੋਗ ਵਿੱਚ ਜਦੋਂ ਉਹ ਬਣਾਏ ਜਾਂਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਇਸ ਅਧਿਐਨ ਨੇ ਸਟੋਰੇਜ ਅਭਿਆਸ ਦੀ ਪੜਚੋਲ ਕੀਤੀ dati
ਸਮਕਾਲੀ ਜਿਨ੍ਹਾਂ ਦਾ ਉਦੇਸ਼ ਇੱਕ ਅਮੀਰ ਸਮਝ ਵਿਕਸਿਤ ਕਰਨਾ ਹੈ
ਆਸਟ੍ਰੇਲੀਆਈ ਅਭਿਆਸ ਦਾ. ਸਾਹਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ
ਅਨੁਭਵੀ ਅਧਿਐਨ ਲਈ ਪ੍ਰਸੰਗ ਅਤੇ ਬੁਨਿਆਦ।
ਇਸ ਖੋਜ ਤੋਂ ਕਈ ਖੁਲਾਸੇ ਹੋਏ ਹਨ। ਪਹਿਲਾਂ
ਸਥਾਨ, ਇਸ ਅਧਿਐਨ ਨੇ ਆਈਆਂ ਗਤੀਵਿਧੀਆਂ ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ
ਦੇ ਵਿਕਾਸ ਦੌਰਾਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ, ਆਈ dati ਇਕੱਠੇ ਹੋਏ
ਸਾਹਿਤ ਵਿੱਚ ਰਿਪੋਰਟ ਕੀਤੇ ਅਭਿਆਸ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ. ਦੂਜਾ
ਸਾਈਟ, ਮੁੱਦੇ ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਜੋ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ
ਦਾ ਵਿਕਾਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਅਧਿਐਨ ਦੁਆਰਾ ਪਛਾਣਿਆ ਗਿਆ ਸੀ।
ਅੰਤ ਵਿੱਚ, ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਨਾਲ ਜੁੜੇ ਲਾਭ ਪ੍ਰਾਪਤ ਕੀਤੇ ਗਏ
ਦੀ ਵਰਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਗਟ ਕੀਤੇ ਗਏ ਹਨ।
ਕੈਪੀਟੋਲੋ 1
ਖੋਜ ਸੰਦਰਭ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੀ ਧਾਰਨਾ ਨੂੰ ਵਿਆਪਕ ਮਾਨਤਾ ਮਿਲੀ ਹੈ
ਐਕਸਪੋਜਰ ਅਤੇ ਵਿੱਚ ਇੱਕ ਉਭਰ ਰਹੇ ਰੁਝਾਨ ਵਿੱਚ ਬਦਲ ਗਿਆ ਹੈ
90 (ਮੈਕਫੈਡਨ 1996, TDWI 1996, ਸ਼ਾਹ ਅਤੇ ਮਿਲਸਟੀਨ 1997,
ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਏਕਰਸਨ 1998, ਐਡਲਮੈਨ ਅਤੇ ਓਟਸ 2000)। ਜੋ ਕਿ ਹੈ
ਡਾਟਾ 'ਤੇ ਲੇਖਾਂ ਦੀ ਵਧਦੀ ਗਿਣਤੀ ਤੋਂ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਵਪਾਰਕ ਪ੍ਰਕਾਸ਼ਨਾਂ ਵਿੱਚ ਵੇਅਰਹਾਊਸਿੰਗ (ਲਿਟਲ ਅਤੇ ਗਿਬਸਨ 1999)।
ਬਹੁਤ ਸਾਰੇ ਲੇਖ (ਵੇਖੋ, ਉਦਾਹਰਨ ਲਈ, ਫਿਸ਼ਰ 1995, ਹੈਕਾਥੋਰਨ 1995,
ਮੌਰਿਸ 1995a, Bramblett and King 1996, Graham et al. 1996,
ਸਾਕਾਗੁਚੀ ਅਤੇ ਫਰੋਲਿਕ 1996, ਅਲਵੇਰੇਜ਼ 1997, ਬਰੂਸੇਲ 1997, ਕਲਾਰਕ
1997, ਮੈਕਕਾਰਥੀ 1997, ਓ' ਡੋਨਲ 1997, ਐਡਵਰਡਜ਼ 1998, TDWI
1999) ਨੇ ਸੰਸਥਾਵਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਹੋਏ ਮਹੱਤਵਪੂਰਨ ਲਾਭਾਂ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ
ਜੋ ਲਾਗੂ i ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਉਨ੍ਹਾਂ ਨੇ ਆਪਣੇ ਸਿਧਾਂਤ ਦਾ ਸਮਰਥਨ ਕੀਤਾ
ਸਫਲ ਲਾਗੂ ਕਰਨ ਦੇ ਕਿੱਸੇ ਸਬੂਤ ਦੇ ਨਾਲ, ਉੱਚ ਵਾਪਸੀ
ਨਿਵੇਸ਼ ਦੇ ਅੰਕੜਿਆਂ (ROI) 'ਤੇ ਅਤੇ, ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹੋਏ
ਦੇ ਵਿਕਾਸ ਲਈ ਸੰਦਰਭ ਜਾਂ ਵਿਧੀਆਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
(ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਸੇਡਨ ਅਤੇ ਬੈਂਜਾਮਿਨ 1998, ਲਿਟਲ ਅਤੇ ਗਿਬਸਨ
1999)। ਇੱਕ ਅਤਿਅੰਤ ਕੇਸ ਵਿੱਚ, ਗ੍ਰਾਹਮ ਐਟ ਅਲ. (1996) ਕੋਲ ਹੈ
401% ਦੇ ਤਿੰਨ ਸਾਲਾਂ ਦੇ ਨਿਵੇਸ਼ 'ਤੇ ਔਸਤ ਵਾਪਸੀ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ।
ਹਾਲਾਂਕਿ, ਬਹੁਤ ਸਾਰੇ ਮੌਜੂਦਾ ਸਾਹਿਤ ਨੇ ਇਸ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਹੈ
ਅਜਿਹੇ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਵਿੱਚ ਸ਼ਾਮਲ ਜਟਿਲਤਾਵਾਂ। ਦੇ ਪ੍ਰੋਜੈਕਟ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਅਤੇ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਹੁੰਦੇ ਹਨ ਅਤੇ
ਇਸ ਲਈ ਉਹ ਫੇਲ ਹੋਣ ਦੀ ਉੱਚ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਜੇਕਰ ਉਹ ਨਹੀਂ ਹਨ
ਧਿਆਨ ਨਾਲ ਨਿਯੰਤਰਿਤ (ਸ਼ਾਹ ਅਤੇ ਮਿਲਸਟੀਨ 1997, ਏਕਰਸਨ 1997,
ਫੋਲੀ 1997ਬੀ, ਜ਼ਿਮਰ 1997, ਬੋਰਟ 1998, ਗਿਬਸ ਅਤੇ ਕਲਾਈਮਰ 1998, ਰਾਓ
1998)। ਉਹਨਾਂ ਨੂੰ ਮਨੁੱਖੀ ਅਤੇ ਸਰੋਤ ਦੋਵਾਂ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਵਿੱਤੀ ਅਤੇ, ਉਹਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਸਮਾਂ ਅਤੇ ਮਿਹਨਤ (ਹਿੱਲ 1998, ਕ੍ਰੌਫਟਸ 1998)। ਦ
ਆਮ ਸਮਾਂ ਅਤੇ ਲੋੜੀਂਦੇ ਵਿੱਤੀ ਸਾਧਨ ਕ੍ਰਮਵਾਰ ਹਨ
ਲਗਭਗ ਦੋ ਸਾਲ ਅਤੇ ਦੋ ਜਾਂ ਤਿੰਨ ਮਿਲੀਅਨ ਡਾਲਰ (ਬ੍ਰੇਲੀ 1995, ਫੋਲੀ
1997b, ਬੋਰਟ 1998, ਹੰਫਰੀਜ਼ ਐਟ ਅਲ. 1999)। ਇਹ ਵਾਰ ਅਤੇ ਮਤਲਬ ਹੈ
ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਨੂੰ ਬਹੁਤ ਸਾਰੇ ਪਹਿਲੂਆਂ ਨੂੰ ਨਿਯੰਤਰਣ ਅਤੇ ਇਕਸਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਵਿੱਚ ਅੰਤਰ (ਕੈਫਾਸੋ 1995, ਹਿੱਲ 1998)। ਪਾਸੇ
ਹਾਰਡਵੇਅਰ ਅਤੇ ਸੌਫਟਵੇਅਰ ਵਿਚਾਰਾਂ, ਹੋਰ ਫੰਕਸ਼ਨ, ਜੋ ਵੱਖ-ਵੱਖ ਹੁੰਦੇ ਹਨ
ਦੇ ਕੱਢਣ ਤੱਕ dati ਦੀ ਲੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ dati, ਤੋਂ
ਅੱਪਡੇਟ ਅਤੇ ਮੈਟਾ ਡੇਟਾ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਮੈਮੋਰੀ ਸਮਰੱਥਾ dati
ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਲਈ, ਵਿਚਾਰਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.
ਜਿਸ ਸਮੇਂ ਇਹ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂ ਹੋਇਆ, ਉੱਥੇ ਬਹੁਤ ਘੱਟ ਸੀ
ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੇ ਖੇਤਰ ਵਿੱਚ ਕੀਤੀ ਗਈ ਅਕਾਦਮਿਕ ਖੋਜ,
ਖਾਸ ਕਰਕੇ ਆਸਟਰੇਲੀਆ ਵਿੱਚ. ਇਹ ਚੀਜ਼ਾਂ ਦੀ ਕਮੀ ਤੋਂ ਸਪੱਸ਼ਟ ਸੀ
ਅਖਬਾਰਾਂ ਜਾਂ ਹੋਰ ਲਿਖਤਾਂ ਦੁਆਰਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ
ਉਸ ਸਮੇਂ ਦੇ ਵਿੱਦਿਅਕ. ਅਕਾਦਮਿਕ ਲਿਖਤਾਂ ਦੇ ਬਹੁਤ ਸਾਰੇ
ਉਪਲਬਧ ਯੂਐਸ ਅਨੁਭਵ ਦਾ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਦੀ ਕਮੀ
ਖੇਤਰ ਵਿੱਚ ਅਕਾਦਮਿਕ ਖੋਜ SL ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦਾ ਕਾਰਨ ਬਣੀ ਹੈ
ਸਖ਼ਤ ਖੋਜ ਅਤੇ ਅਨੁਭਵੀ ਅਧਿਐਨਾਂ ਲਈ ਕਾਲ ਕਰੋ (ਮੈਕਫੈਡਨ 1996,
ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1997, ਲਿਟਲ ਐਂਡ ਗਿਬਸਨ 1999)। ਖਾਸ ਤੌਰ 'ਤੇ, ਅਧਿਐਨ
ਦੇ ਲਾਗੂ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ 'ਤੇ ਖੋਜ ਦਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
ਗਿਆਨ ਨੂੰ ਵਧਾਉਣ ਲਈ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ
ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਸਬੰਧ ਵਿੱਚ ਜਨਰਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ e
ਭਵਿੱਖ ਦੇ ਖੋਜ ਅਧਿਐਨ ਲਈ ਆਧਾਰ ਵਜੋਂ ਕੰਮ ਕਰੇਗਾ (ਸ਼ੈਂਕਸ ਐਡ
ਹੋਰ। 1997, ਲਿਟਲ ਐਂਡ ਗਿਬਸਨ 1999)।
ਇਸ ਅਧਿਐਨ ਦਾ ਉਦੇਸ਼, ਇਸ ਲਈ, ਅਸਲ ਵਿੱਚ ਕੀ ਅਧਿਐਨ ਕਰਨਾ ਹੈ
ਇਹ ਉਦੋਂ ਵਾਪਰਦਾ ਹੈ ਜਦੋਂ ਸੰਸਥਾਵਾਂ ਡੇਟਾ ਦੀ ਸਾਂਭ-ਸੰਭਾਲ ਅਤੇ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ
ਆਸਟਰੇਲੀਆ ਵਿੱਚ ਗੋਦਾਮ. ਖਾਸ ਤੌਰ 'ਤੇ, ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੇਗਾ
ਦੀ ਇੱਕ ਪੂਰੀ ਵਿਕਾਸ ਪ੍ਰਕਿਰਿਆ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਡਾਟਾ ਵੇਅਰਹਾਊਸ,
ਡਿਜ਼ਾਈਨ ਦੁਆਰਾ ਸ਼ੁਰੂਆਤ ਅਤੇ ਯੋਜਨਾਬੰਦੀ ਤੋਂ ਸ਼ੁਰੂ ਕਰਨਾ ਅਤੇ
ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਲਾਗੂ ਕਰਨਾ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਵਰਤੋਂ
ਆਸਟ੍ਰੇਲੀਆਈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਧਿਐਨ ਮੌਜੂਦਾ ਅਭਿਆਸ ਵਿੱਚ ਵੀ ਯੋਗਦਾਨ ਪਾਵੇਗਾ
ਉਹਨਾਂ ਖੇਤਰਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਜਿੱਥੇ ਅਭਿਆਸ ਨੂੰ ਹੋਰ ਵਿਕਸਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਸੁਧਾਰਿਆ ਗਿਆ ਹੈ ਅਤੇ ਅਕੁਸ਼ਲਤਾਵਾਂ ਅਤੇ ਜੋਖਮਾਂ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਾਂ
ਬਚੋ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਹੋਰ ਅਧਿਐਨਾਂ ਲਈ ਆਧਾਰ ਵਜੋਂ ਕੰਮ ਕਰੇਗਾ ਡਾਟਾ ਵੇਅਰਹਾਊਸ in
ਆਸਟ੍ਰੇਲੀਆ ਅਤੇ ਸਾਹਿਤ ਵਿਚ ਮੌਜੂਦਾ ਸਮੇਂ ਵਿਚ ਮੌਜੂਦ ਪਾੜੇ ਨੂੰ ਭਰੇਗਾ।
ਖੋਜ ਸਵਾਲ
ਇਸ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਸ਼ਾਮਲ ਗਤੀਵਿਧੀਆਂ ਦਾ ਅਧਿਐਨ ਕਰਨਾ ਹੈ
ਦੇ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਦੁਆਰਾ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ
ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ। ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ, ਤੱਤਾਂ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਪ੍ਰੋਜੈਕਟ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਵਿਕਾਸ ਬਾਰੇ,
ਸੰਚਾਲਨ, ਵਰਤੋਂ ਅਤੇ ਜੋਖਮ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਲਈ ਸਵਾਲ
ਇਸ ਖੋਜ ਦਾ ਇਹ ਹੈ:
" ਦਾ ਵਰਤਮਾਨ ਅਭਿਆਸ ਕੀ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ?"
ਇਸ ਸਮੱਸਿਆ ਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਜਵਾਬ ਦੇਣ ਲਈ, ਏ
ਸਹਾਇਕ ਖੋਜ ਸਵਾਲਾਂ ਦੀ ਕੁਝ ਗਿਣਤੀ। ਖਾਸ ਤੌਰ 'ਤੇ, ਤਿੰਨ
ਸਾਹਿਤ ਤੋਂ ਉਪ-ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ ਹੈ, ਜੋ ਕਿ ਹੈ
ਇਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ ਅਧਿਆਇ 2 ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ:
ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ i ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ
ਆਸਟ੍ਰੇਲੀਆਈ? ਤੁਹਾਨੂੰ ਕਿਹੜੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ ਹੈ?
ਕੀ ਲਾਭ ਅਨੁਭਵ ਕੀਤੇ ਗਏ ਹਨ?
ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ, ਇੱਕ ਡਰਾਇੰਗ ਵਰਤਿਆ ਗਿਆ ਸੀ
ਖੋਜੀ ਖੋਜ ਜੋ ਇੱਕ ਸਰਵੇਖਣ ਨੂੰ ਨਿਯੁਕਤ ਕਰਦੀ ਹੈ। ਮੈਂ ਕਿਵੇਂ ਪੜ੍ਹਾਈ ਕਰਦਾ ਹਾਂ
ਖੋਜੀ, ਉਪਰੋਕਤ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਪੂਰੇ ਨਹੀਂ ਹਨ
(ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1993, ਡੇਨਸਕੋਮਬੇ 1998)। ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਇਹ ਹੈ
ਇਹਨਾਂ ਪ੍ਰਤੀ ਜਵਾਬਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਤਿਕੋਣ ਦੀ ਲੋੜ ਹੈ
ਬੇਨਤੀਆਂ। ਹਾਲਾਂਕਿ, ਜਾਂਚ ਲਈ ਇੱਕ ਠੋਸ ਬੁਨਿਆਦ ਪ੍ਰਦਾਨ ਕਰੇਗੀ
ਇਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਾ ਭਵਿੱਖ ਦਾ ਕੰਮ। ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਇੱਕ
ਖੋਜ ਵਿਧੀ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਣ ਅਤੇ ਡਿਜ਼ਾਈਨ ਦੀ ਚਰਚਾ
ਅਧਿਆਇ 3 ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ।
ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੀ ਬਣਤਰ
ਇਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਦੋ ਭਾਗਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ: ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ
ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਤੇ ਅਨੁਭਵੀ ਖੋਜ ਦੀ ਧਾਰਨਾ (ਦੇਖੋ
ਚਿੱਤਰ 1.1), ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਦੀ ਹੇਠਾਂ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ।
ਭਾਗ I: ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ
ਖੋਜ ਦੇ ਪਹਿਲੇ ਹਿੱਸੇ ਵਿੱਚ ਦੁਬਾਰਾ ਜਾਂਚ ਕਰਨਾ ਸ਼ਾਮਲ ਸੀ
ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ 'ਤੇ ਮੌਜੂਦਾ ਸਾਹਿਤ ਸਮੇਤ i
ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ (DSS), ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ
ਕਾਰਜਕਾਰੀ (EIS), ਦੇ ਕੇਸ ਅਧਿਐਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਮਿਤੀ ਦੀਆਂ ਧਾਰਨਾਵਾਂ
ਗੋਦਾਮ ਇਸ ਤੋਂ ਇਲਾਵਾ, ਫੋਰਮਾਂ ਦੇ ਨਤੀਜੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਦੇਵਤੇ
ਦੇ ਸਮੂਹ ਦੁਆਰਾ ਕਰਵਾਏ ਗਏ ਮਾਹਰਾਂ ਅਤੇ ਪੇਸ਼ੇਵਰਾਂ ਲਈ ਮੀਟਿੰਗ ਸਮੂਹ
ਮੋਨਾਸ਼ ਡੀਐਸਐਸ ਖੋਜ ਨੇ ਅਧਿਐਨ ਦੇ ਇਸ ਪੜਾਅ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਇਆ
ਜਿਸਦਾ ਉਦੇਸ਼ ਡੇਟਾ ਦੇ ਅਭਿਆਸ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਸੀ
ਵੇਅਰਹਾਊਸ ਅਤੇ ਉਹਨਾਂ ਦੇ ਗੋਦ ਲੈਣ ਵਿੱਚ ਸ਼ਾਮਲ ਜੋਖਮਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ।
ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ ਦੇ ਇਸ ਸਮੇਂ ਦੌਰਾਨ, ਸਮਝ
ਦਾ ਗਿਆਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਸਮੱਸਿਆ ਵਾਲੇ ਖੇਤਰ ਦੀ ਸਥਾਪਨਾ ਕੀਤੀ ਗਈ ਹੈ
ਅਗਲੀਆਂ ਅਨੁਭਵੀ ਜਾਂਚਾਂ ਲਈ ਆਧਾਰ। ਹਾਲਾਂਕਿ, ਇਹ
ਇਹ ਇੱਕ ਨਿਰੰਤਰ ਪ੍ਰਕਿਰਿਆ ਸੀ ਜਦੋਂ ਅਧਿਐਨ ਹੋ ਰਿਹਾ ਸੀ
ਖੋਜ.
ਭਾਗ II: ਅਨੁਭਵੀ ਖੋਜ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੀ ਮੁਕਾਬਲਤਨ ਨਵੀਂ ਧਾਰਨਾ, esp
ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ, ਲਈ ਇੱਕ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਪੈਦਾ ਕੀਤੀ
ਵਰਤੋਂ ਅਨੁਭਵ ਦੀ ਇੱਕ ਵਿਆਪਕ ਤਸਵੀਰ ਪ੍ਰਾਪਤ ਕਰੋ। ਇਹ
ਇੱਕ ਵਾਰ ਸਮੱਸਿਆ ਡੋਮੇਨ ਹੋਣ ਤੋਂ ਬਾਅਦ ਹਿੱਸਾ ਪੂਰਾ ਕੀਤਾ ਗਿਆ ਸੀ
ਵਿਆਪਕ ਸਾਹਿਤ ਸਮੀਖਿਆ ਦੁਆਰਾ ਸਥਾਪਿਤ ਕੀਤਾ ਗਿਆ ਸੀ. ਸੰਕਲਪ
ਪ੍ਰਸੰਗਿਕ ਅਧਿਐਨ ਪੜਾਅ ਦੇ ਦੌਰਾਨ ਬਣਾਏ ਗਏ ਡੇਟਾ-ਵੇਅਰਹਾਊਸਿੰਗ ਦਾ ਹੈ
ਇਸ ਅਧਿਐਨ ਦੀ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਸ਼ਨਾਵਲੀ ਲਈ ਇਨਪੁਟ ਵਜੋਂ ਵਰਤਿਆ ਗਿਆ ਸੀ।
ਇਸ ਤੋਂ ਬਾਅਦ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ। ਤੁਸੀਂ ਤਾਰੀਖ ਦੇ ਮਾਹਰ ਹੋ
ਵੇਅਰਹਾਊਸ ਟੈਸਟ ਵਿੱਚ ਹਿੱਸਾ ਲਿਆ. ਟੈਸਟ ਦਾ ਉਦੇਸ਼
ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਸ਼ਨਾਵਲੀ ਸੰਪੂਰਨਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਸੀ
ਕੁਝ ਸਵਾਲ. ਟੈਸਟ ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਆਧਾਰ 'ਤੇ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਹੈ
ਨੂੰ ਸੋਧਿਆ ਗਿਆ ਹੈ ਅਤੇ ਸੋਧਿਆ ਹੋਇਆ ਸੰਸਕਰਣ ਭੇਜ ਦਿੱਤਾ ਗਿਆ ਹੈ
ਸਰਵੇਖਣ ਵਿੱਚ ਭਾਗ ਲੈਣ ਵਾਲੇ। ਫਿਰ ਵਾਪਸ ਆਏ ਪ੍ਰਸ਼ਨਾਵਲੀ ਸਨ
ਆਈ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਹੈ dati ਟੇਬਲਾਂ, ਚਿੱਤਰਾਂ ਅਤੇ ਹੋਰ ਫਾਰਮੈਟਾਂ ਵਿੱਚ। ਦ
ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜੇ dati ਦੀ ਇੱਕ ਤੁਰੰਤ ਫੋਟੋ ਬਣਾਓ
ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਭਿਆਸ.
ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਸੰਖੇਪ ਜਾਣਕਾਰੀ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੀ ਧਾਰਨਾ ਸੁਧਾਰਾਂ ਦੇ ਨਾਲ ਵਿਕਸਿਤ ਹੋਈ ਹੈ
ਕੰਪਿਊਟਰ ਤਕਨਾਲੋਜੀ ਦੇ.
ਦੇ ਸਮੂਹਾਂ ਦੁਆਰਾ ਦਰਪੇਸ਼ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਦਾ ਉਦੇਸ਼ ਹੈ
ਐਪਲੀਕੇਸ਼ਨ ਸਹਾਇਤਾ ਜਿਵੇਂ ਕਿ ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀ (DSS) e
ਕਾਰਜਕਾਰੀ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ (EIS)।
ਪਿਛਲੇ ਸਮੇਂ ਵਿੱਚ ਇਨ੍ਹਾਂ ਅਰਜ਼ੀਆਂ ਦੀ ਵੱਡੀ ਰੁਕਾਵਟ ਰਹੀ ਹੈ
ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਇਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਅਯੋਗਤਾ a ਡਾਟਾ ਬੇਸ
ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਜ਼ਰੂਰੀ.
ਇਹ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕੰਮ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਕਾਰਨ ਹੁੰਦਾ ਹੈ
ਪ੍ਰਬੰਧਨ. ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਪ੍ਰਬੰਧਨ ਦੇ ਹਿੱਤ ਵੱਖੋ-ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ
ਇਲਾਜ ਕੀਤੇ ਗਏ ਖੇਤਰ 'ਤੇ ਨਿਰੰਤਰ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ ਆਈ dati
ਇਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਇਲਾਜ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਹਿੱਸੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਿਆਂ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲੋ।
ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਆਈ dati ਫਾਰਮ ਵਿੱਚ ਉਪਲਬਧ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਲੋੜੀਂਦੇ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਲਈ ਉਚਿਤ। ਅਸਲ ਵਿੱਚ, ਦੇ ਸਹਿਯੋਗੀ ਗਰੁੱਪ
ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਅਤੀਤ ਵਿੱਚ ਐਡ ਇਕੱਠਾ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਸੀ
ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ dati ਗੁੰਝਲਦਾਰ ਅਤੇ ਵਿਭਿੰਨ ਸਰੋਤਾਂ ਤੋਂ.
ਇਸ ਭਾਗ ਦਾ ਬਾਕੀ ਹਿੱਸਾ ਸੰਕਲਪ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਤੇ ਇਸ ਨਾਲ ਨਜਿੱਠਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਦੂਰ ਕਰ ਸਕਦਾ ਹੈ
ਐਪਲੀਕੇਸ਼ਨ ਸਹਾਇਤਾ ਸਮੂਹ ਦੇ ਮੁੱਦੇ।
ਸ਼ਬਦ “ਡੇਟਾ ਵੇਅਰਹਾhouseਸ"ਵਿਲੀਅਮ ਇਨਮੋਨ ਦੁਆਰਾ 1990 ਵਿੱਚ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਸੀ।
ਉਸ ਦੀ ਵਾਰ-ਵਾਰ ਹਵਾਲਾ ਦਿੱਤੀ ਪਰਿਭਾਸ਼ਾ ਨੂੰ ਵੇਖਦਾ ਹੈ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਆ
ਦਾ ਸੰਗ੍ਰਹਿ dati ਵਿਸ਼ਾ-ਅਧਾਰਿਤ, ਏਕੀਕ੍ਰਿਤ, ਗੈਰ-ਅਸਥਿਰ, ਅਤੇ ਵੇਰੀਏਬਲ
ਸਮੇਂ ਦੇ ਨਾਲ, ਪ੍ਰਬੰਧਨ ਦੇ ਫੈਸਲਿਆਂ ਦੇ ਸਮਰਥਨ ਵਿੱਚ।
ਇਸ ਪਰਿਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇਨਮੋਨ ਹਾਈਲਾਈਟ ਕਰਦਾ ਹੈ ਕਿ i dati ਮੁੜ ਪਛਾਣ
ਵਿੱਚ ਇੱਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹੇਠ ਲਿਖੇ 4 ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ
ਕੈਰੇਟਰਿਸਟਿਕ:
▪ ਵਿਸ਼ੇ-ਅਧਾਰਿਤ
▪ ਏਕੀਕ੍ਰਿਤ
▪ ਗੈਰ-ਅਸਥਿਰ
▪ ਸਮੇਂ ਦੇ ਨਾਲ ਪਰਿਵਰਤਨਸ਼ੀਲ
ਵਿਸ਼ਾ-ਮੁਖੀ ਇਨਮੋਨ ਦੁਆਰਾ ਮਤਲਬ ਹੈ ਕਿ ਆਈ dati ਮਿਤੀ ਵਿੱਚ
ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਸਭ ਸੰਗਠਨਾਤਮਕ ਖੇਤਰ ਵਿੱਚ ਵੇਅਰਹਾਊਸ
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 ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ
ਉਤਪਾਦ।
ਇੰਟੀਗ੍ਰੇਟਿਡ ਇਨਮੋਨ ਦੁਆਰਾ ਮਤਲਬ ਹੈ ਕਿ ਆਈ dati ਵੱਖ-ਵੱਖ ਤੱਕ ਆ ਰਿਹਾ ਹੈ
ਪਲੇਟਫਾਰਮ, ਸਿਸਟਮ ਅਤੇ ਸਥਾਨਾਂ ਨੂੰ ਮਿਲਾ ਕੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਸਿੰਗਲ ਸਥਾਨ. ਸਿੱਟੇ ਵਜੋਂ dati ਸਮਾਨ ਰੂਪਾਂਤਰਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਇਕਸਾਰ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਤਾਂ ਜੋ ਉਹਨਾਂ ਨੂੰ ਜੋੜਿਆ ਜਾ ਸਕੇ ਅਤੇ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਸਕੇ
ਅਸਾਨੀ ਨਾਲ.
ਉਦਾਹਰਨ ਲਈ ਨਰ ਅਤੇ ਮਾਦਾ ਲਿੰਗ ਨੂੰ ਦਰਸਾਇਆ ਗਿਆ ਹੈ
ਇੱਕ ਸਿਸਟਮ ਵਿੱਚ M ਅਤੇ F ਅੱਖਰਾਂ ਦੁਆਰਾ, ਅਤੇ ਦੂਜੇ ਵਿੱਚ 1 ਅਤੇ 0 ਨਾਲ। ਲਈ
ਉਹਨਾਂ ਨੂੰ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰੋ, ਇੱਕ ਜਾਂ ਦੋਵੇਂ ਫਾਰਮੈਟ ਲਾਜ਼ਮੀ ਹਨ
ਪਰਿਵਰਤਿਤ ਕੀਤਾ ਜਾਵੇ ਤਾਂ ਜੋ ਦੋਵੇਂ ਫਾਰਮੈਟ ਇੱਕੋ ਜਿਹੇ ਹੋਣ। ਇਸ ਵਿੱਚ
ਜੇਕਰ ਅਸੀਂ M ਨੂੰ 1 ਅਤੇ F ਨੂੰ 0 ਜਾਂ ਇਸ ਦੇ ਉਲਟ ਬਦਲ ਸਕਦੇ ਹਾਂ। ਵੱਲ ਕੇਂਦਰਿਤ ਹੈ
ਵਿਸ਼ਾ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਦੀ ਇੱਕ ਕਾਰਜਸ਼ੀਲ ਅਤੇ ਟ੍ਰਾਂਸਵਰਸਲ ਦ੍ਰਿਸ਼ਟੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ dati ਪਾਸੇ
ਕੰਪਨੀ ਦੇ.
ਗੈਰ-ਅਸਥਿਰ ਦੁਆਰਾ ਉਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਆਈ dati ਨੇਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਰਹਿੰਦੇ ਹਨ
ਦਾ ਇਕਸਾਰ ਅਤੇ ਅਪਡੇਟ ਕਰਨਾ dati ਇਹ ਜ਼ਰੂਰੀ ਨਹੀਂ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਹਰ
ਵਿੱਚ ਤਬਦੀਲੀ dati ਵਿੱਚ ਮੂਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ ਡਾਟਾਬੇਸ ਮਿਤੀ ਦੇ
ਗੋਦਾਮ 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 ਆਮ ਤੌਰ 'ਤੇ
ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਮੇਂ ਦੀ ਦੂਰੀ ਨੂੰ ਪਾਰ ਕਰੋ। ਉਦਾਹਰਨ ਲਈ ਏ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਇਤਿਹਾਸਕ ਮੁੱਲ ਦੇ 5 ਸਾਲ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ ਗਾਹਕ ਦਾਲ
1993 ਤੋਂ 1997. ਇਤਿਹਾਸ ਦੀ ਉਪਲਬਧਤਾ ਅਤੇ ਸਮਾਂ ਲੜੀ
ਦੇ dati ਤੁਹਾਨੂੰ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਆਪਣਾ ਇਕੱਠਾ ਕਰ ਸਕਦਾ ਹੈ dati ਸਿਸਟਮਾਂ ਤੋਂ
OLTP; ਮੂਲ ਤੋਂ dati ਸੰਸਥਾ ਦੇ ਬਾਹਰੀ ਅਤੇ/ਜਾਂ ਹੋਰ ਮਾਹਰਾਂ ਦੁਆਰਾ
ਸਿਸਟਮ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰੋ dati.
I dati ਐਬਸਟਰੈਕਟ ਇੱਕ ਸਫਾਈ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚੋਂ ਲੰਘ ਸਕਦੇ ਹਨ, ਵਿੱਚ
ਇਹ ਮਾਮਲਾ ਆਈ dati ਉਹ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਪਰਿਵਰਤਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦੇ ਹਨ
ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਫਿਰ ਮੈਂ dati
ਦੇ ਅੰਦਰ ਨਿਵਾਸੀ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਪਲਬਧ ਕਰਵਾਏ ਗਏ ਹਨ
ਉਪਭੋਗਤਾ ਪਹੁੰਚ ਅਤੇ ਰਿਕਵਰੀ ਟੂਲਸ ਨੂੰ ਖਤਮ ਕਰਨ ਲਈ। ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ
ਇਹ ਸਾਧਨ ਅੰਤਮ ਉਪਭੋਗਤਾ ਏਕੀਕ੍ਰਿਤ ਦ੍ਰਿਸ਼ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ
ਦੇ ਸੰਗਠਨ ਦੇ dati.
I dati ਦੇ ਅੰਦਰ ਨਿਵਾਸੀ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਵਾਜ਼
ਵੇਰਵੇ ਅਤੇ ਸੰਖੇਪ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਗਿਆ।
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 ਵੀ ਕਰ ਸਕਦੇ ਹਨ
ਇੱਕ ਵੱਖਰੀ ਕਿਸਮ ਦੀ ਸਟੋਰ ਕਰੋ ਡੈਟੋ METADATA ਕਹਿੰਦੇ ਹਨ ਜੋ
i ਦਾ ਵਰਣਨ ਕਰੋ dati ਉਸ ਦੇ ਵਿੱਚ ਵਸਨੀਕ ਡਾਟਾਬੇਸ.
ਮੈਟਾਡੇਟਾ ਦੀਆਂ ਦੋ ਕਿਸਮਾਂ ਹਨ: ਵਿਕਾਸ ਮੈਟਾਡੇਟਾ ਅਤੇ ਵਿਕਾਸ ਮੈਟਾਡੇਟਾ
ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ।
ਡਿਵੈਲਪਮੈਂਟ ਮੈਟਾਡੇਟਾ ਦਾ ਪ੍ਰਬੰਧਨ ਅਤੇ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
ਕੱਢਣ, ਸਫਾਈ, ਮੈਪਿੰਗ ਅਤੇ ਲੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ dati ਨੇਲ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਵਿਕਾਸ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਮੌਜੂਦ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀ ਹੈ
ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਦੇ ਵੇਰਵੇ, ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ ਤੱਤਾਂ ਦੇ ਵੇਰਵੇ,
ਮੋਡੇਲੋ dati Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਕੰਪਨੀ ਦੇ ਨਿਯਮ
ਪਰਿਵਰਤਨ ਦੇਈ dati.
ਦੂਜੀ ਕਿਸਮ ਦਾ ਮੈਟਾਡੇਟਾ, ਜਿਸਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਮੈਟਾਡੇਟਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ
ਅੰਤਮ ਉਪਭੋਗਤਾ ਨੂੰ ਡੇਟਾ ਦੀ ਸਮੱਗਰੀ ਦੀ ਪੜਚੋਲ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ
ਨੂੰ ਲੱਭਣ ਲਈ ਗੋਦਾਮ dati ਉਪਲਬਧ ਹੈ ਅਤੇ ਉਹਨਾਂ ਦਾ ਅਰਥ ਕੀ ਹੈ
ਸਪਸ਼ਟ ਅਤੇ ਗੈਰ-ਤਕਨੀਕੀ.
ਇਸ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਮੈਟਾਡੇਟਾ ਡੇਟਾ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਪੁਲ ਦਾ ਕੰਮ ਕਰਦਾ ਹੈ
ਵੇਅਰਹਾਊਸ ਅਤੇ ਅੰਤ-ਉਪਭੋਗਤਾ ਐਪਲੀਕੇਸ਼ਨ. ਇਹ ਮੈਟਾਡਾਟਾ ਕਰ ਸਕਦਾ ਹੈ
ਕਾਰੋਬਾਰੀ ਮਾਡਲ, ਦੇ ਵਰਣਨ ਸ਼ਾਮਲ ਹਨ dati ਪੱਤਰਕਾਰ
ਕਾਰੋਬਾਰੀ ਮਾਡਲ, ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਸਵਾਲਾਂ ਅਤੇ ਰਿਪੋਰਟਾਂ,
ਉਪਭੋਗਤਾ ਪਹੁੰਚ ਅਤੇ ਸੂਚਕਾਂਕ ਲਈ ਜਾਣਕਾਰੀ।
ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਕਾਸ ਮੈਟਾਡੇਟਾ ਨੂੰ ਇੱਕ ਵਿੱਚ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਏਕੀਕ੍ਰਿਤ ਮੈਟਾਡੇਟਾ ਕੰਟੇਨਮੈਂਟ।
ਬਦਕਿਸਮਤੀ ਨਾਲ ਬਹੁਤ ਸਾਰੇ ਮੌਜੂਦਾ ਸਾਧਨਾਂ ਦੇ ਆਪਣੇ ਹਨ
ਮੈਟਾਡੇਟਾ ਅਤੇ ਵਰਤਮਾਨ ਵਿੱਚ ਕੋਈ ਮੌਜੂਦਾ ਮਿਆਰ ਨਹੀਂ ਹਨ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਟੂਲਸ ਨੂੰ ਇਹਨਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿਓ
ਮੈਟਾਡਾਟਾ। ਇਸ ਸਥਿਤੀ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਵਪਾਰੀ
ਮੁੱਖ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਟੂਲਸ ਨੇ ਮੈਟਾ ਡੇਟਾ ਦਾ ਗਠਨ ਕੀਤਾ ਹੈ
ਕੌਂਸਲ ਜੋ ਬਾਅਦ ਵਿੱਚ ਮੈਟਾ ਡੇਟਾ ਗੱਠਜੋੜ ਬਣ ਗਈ।
ਇਸ ਗੱਠਜੋੜ ਦਾ ਉਦੇਸ਼ ਇੱਕ ਮੈਟਾਡੇਟਾ ਸੈੱਟ ਬਣਾਉਣਾ ਹੈ
ਸਟੈਂਡਰਡ ਜੋ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਟੂਲਸ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਮੈਟਾਡਾਟਾ ਬਦਲੋ
ਉਨ੍ਹਾਂ ਦੇ ਯਤਨਾਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਮੈਟਾ ਦਾ ਜਨਮ ਹੋਇਆ
ਡੇਟਾ ਇੰਟਰਚੇਂਜ ਸਪੈਸੀਫਿਕੇਸ਼ਨ (MDIS) ਜੋ ਐਕਸਚੇਂਜ ਦੀ ਇਜਾਜ਼ਤ ਦੇਵੇਗਾ
Microsoft ਪੁਰਾਲੇਖਾਂ ਅਤੇ ਸੰਬੰਧਿਤ MDIS ਫਾਈਲਾਂ ਵਿਚਕਾਰ ਜਾਣਕਾਰੀ।
ਦੀ ਮੌਜੂਦਗੀ dati ਸੰਖੇਪ/ਸੂਚੀਬੱਧ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਜਾਣਕਾਰੀ ਦੋਵੇਂ
ਉਪਭੋਗਤਾ ਨੂੰ ਇੱਕ ਡਰਿਲ ਡਰਾਊਨ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ
(ਡਰਿਲਿੰਗ) ਆਓ dati ਵਿਸਤ੍ਰਿਤ ਲੋਕਾਂ ਲਈ ਸੂਚੀਬੱਧ ਅਤੇ ਇਸਦੇ ਉਲਟ।
ਦੀ ਮੌਜੂਦਗੀ dati ਵਿਸਤ੍ਰਿਤ ਇਤਿਹਾਸ ਦੀ ਰਚਨਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਸਮੇਂ ਦੇ ਨਾਲ ਰੁਝਾਨ ਵਿਸ਼ਲੇਸ਼ਣ. ਇਸ ਦੇ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਮੈਟਾਡਾਟਾ ਕਰ ਸਕਦਾ ਹੈ
ਦੀ ਡਾਇਰੈਕਟਰੀ ਦੇ ਤੌਰ 'ਤੇ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਤੀ
ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰੋ i dati ਜ਼ਰੂਰੀ.
OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮੁਕਾਬਲੇ, ਉਹਨਾਂ ਦੀ ਸਹਾਇਤਾ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦੇ ਨਾਲ
ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ dati ਅਤੇ ਰਿਪੋਰਟਿੰਗ, ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਸ ਨੂੰ ਇੱਕ ਸਿਸਟਮ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ
ਜਾਣਕਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜਿਵੇਂ ਕਿ ਬਣਾਉਣਾ ਅਤੇ
ਸਵਾਲਾਂ ਦਾ ਜਵਾਬ ਦਿਓ ਅਤੇ ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰੋ। ਅਗਲਾ ਭਾਗ
ਦੋਵਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਅੰਤਰਾਂ ਨੂੰ ਵਿਸਥਾਰ ਵਿੱਚ ਉਜਾਗਰ ਕਰੇਗਾ।
ਡਾਟਾ ਵੇਅਰਹਾਊਸ OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਰੁੱਧ
ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਬਹੁਤ ਸਾਰੀਆਂ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ
ਉਹ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮਕਾਜ ਦਾ ਸਮਰਥਨ ਕਰਨ ਦਾ ਇਰਾਦਾ ਰੱਖਦੇ ਹਨ। ਇਹ
ਸਿਸਟਮ ਜਿਨ੍ਹਾਂ ਨੂੰ OLTP ਪ੍ਰਣਾਲੀਆਂ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਲੈਣ-ਦੇਣ ਕੈਪਚਰ ਕਰਦਾ ਹੈ
ਲਗਾਤਾਰ ਰੋਜ਼ਾਨਾ ਅੱਪਡੇਟ.
I dati ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਦੇ ਅੰਦਰ ਉਹਨਾਂ ਨੂੰ ਅਕਸਰ ਸੋਧਿਆ, ਜੋੜਿਆ ਜਾਂ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ
ਹਟਾਇਆ ਗਿਆ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਗਾਹਕ ਦਾ ਪਤਾ ਮੁਸ਼ਕਿਲ ਨਾਲ ਬਦਲਦਾ ਹੈ
ਉਹ ਇੱਕ ਥਾਂ ਤੋਂ ਦੂਜੀ ਥਾਂ ਜਾਂਦਾ ਹੈ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਨਵਾਂ ਪਤਾ
ਦੇ ਐਡਰੈੱਸ ਖੇਤਰ ਨੂੰ ਸੋਧ ਕੇ ਰਜਿਸਟਰ ਕੀਤਾ ਜਾਵੇਗਾ ਡਾਟਾਬੇਸ.
ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਉਣਾ ਹੈ
ਲੈਣ-ਦੇਣ ਅਤੇ ਉਸੇ ਸਮੇਂ ਪ੍ਰੋਸੈਸਿੰਗ ਦੇ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ।
OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਨਾਜ਼ੁਕ ਕਾਰਵਾਈਆਂ ਸ਼ਾਮਲ ਹਨ ਜਿਵੇਂ ਕਿ ਰਾਈਟਸ
ਆਰਡਰ ਅਕਾਉਂਟਿੰਗ, ਪੇਰੋਲ, ਇਨਵੌਇਸ, ਨਿਰਮਾਣ, ਏਆਈ ਸੇਵਾਵਾਂ ਗਾਹਕ.
OLTP ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਉਲਟ, ਜੋ ਪ੍ਰਤੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਬਣਾਏ ਗਏ ਸਨ
ਲੈਣ-ਦੇਣ ਅਤੇ ਘਟਨਾਵਾਂ 'ਤੇ ਆਧਾਰਿਤ, i ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਬਣਾਏ ਗਏ ਸਨ
ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ-ਆਧਾਰਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਮਰਥਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ dati ਈ ਐਸ
ਫੈਸਲੇ ਪ੍ਰਕਿਰਿਆਵਾਂ.
ਇਹ ਆਮ ਤੌਰ 'ਤੇ i ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati ਵੱਖ ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ
ਇੱਕ ਸਿੰਗਲ "ਕੰਟੇਨਰ" ਵਿੱਚ OLTP ਅਤੇ ਬਾਹਰੀ। datiਜਿਵੇਂ ਕਿ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ
ਪਿਛਲੇ ਭਾਗ ਵਿੱਚ.
ਮੋਨਾਸ਼ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰਕਿਰਿਆ ਮਾਡਲ
ਲਈ ਪ੍ਰਕਿਰਿਆ ਮਾਡਲ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਮੋਨਾਸ਼ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ
ਮੋਨਾਸ਼ ਡੀਐਸਐਸ ਰਿਸਰਚ ਗਰੁੱਪ ਦੇ ਖੋਜਕਰਤਾਵਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ
ਦੇ ਸਾਹਿਤ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਦਾ ਸਮਰਥਨ ਕਰਨ ਦੇ ਅਨੁਭਵ 'ਤੇ
ਦੇ ਵਿਕਰੇਤਾਵਾਂ ਨਾਲ ਵਿਚਾਰ ਵਟਾਂਦਰੇ 'ਤੇ, ਸਿਸਟਮ ਖੇਤਰਾਂ ਦਾ ਵਿਕਾਸ
'ਤੇ ਵਰਤਣ ਲਈ ਐਪਲੀਕੇਸ਼ਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਮਾਹਿਰਾਂ ਦੇ ਇੱਕ ਸਮੂਹ 'ਤੇ
ਦੀ ਵਰਤੋਂ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਪੜਾਅ ਹਨ: ਸ਼ੁਰੂਆਤ, ਯੋਜਨਾਬੰਦੀ, ਵਿਕਾਸ, ਅਤੇ ਸੰਚਾਲਨ
ਵਿਆਖਿਆਵਾਂ। ਚਿੱਤਰ ਦੁਹਰਾਉਣ ਵਾਲੇ ਸੁਭਾਅ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਜਾਂ
ਦਾ ਵਿਕਾਸਵਾਦੀ ਵਿਕਾਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਰਤ ਕੇ ਪ੍ਰਕਿਰਿਆ
ਵੱਖ-ਵੱਖ ਪੜਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਰੱਖੇ ਗਏ ਦੋ-ਪੱਖੀ ਤੀਰ। ਇਸ ਵਿੱਚ
"ਦੁਹਰਾਓ" ਅਤੇ "ਵਿਕਾਸਵਾਦੀ" ਸੰਦਰਭ ਦਾ ਮਤਲਬ ਹੈ, ਹਰੇਕ 'ਤੇ
ਪ੍ਰਕਿਰਿਆ ਦੇ ਪੜਾਅ, ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ
ਹਮੇਸ਼ਾ ਪਿਛਲੇ ਪੜਾਅ ਵੱਲ ਪਿੱਛੇ ਵੱਲ ਪ੍ਰਚਾਰ ਕਰੋ। ਇਹ ਹੈ
ਪ੍ਰੋਜੈਕਟ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਕਾਰਨ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਨੇਲ ਕੁਆਲ
ਵਾਧੂ ਬੇਨਤੀਆਂ ਕਿਸੇ ਵੀ ਸਮੇਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ
ਅੰਤਮ ਉਪਭੋਗਤਾ ਦਾ. ਉਦਾਹਰਨ ਲਈ, ਵਿਕਾਸ ਦੇ ਪੜਾਅ ਦੌਰਾਨ ਏ
ਦੀ ਪ੍ਰਕਿਰਿਆ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇੱਕ ਅੰਤ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਬੇਨਤੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਨਵਾਂ ਆਯਾਮ ਜਾਂ ਵਿਸ਼ਾ ਖੇਤਰ, ਜੋ ਕਿ ਨਾਲ ਸਬੰਧਤ ਨਹੀਂ ਸੀ
ਅਸਲੀ ਯੋਜਨਾ, ਇਸ ਨੂੰ ਸਿਸਟਮ ਵਿੱਚ ਸ਼ਾਮਿਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ. ਇਹ
ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਤਬਦੀਲੀ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ। ਨਤੀਜਾ ਇਹ ਹੈ ਕਿ ਦੀ ਟੀਮ
ਡਿਜ਼ਾਈਨ ਨੂੰ ਹੁਣ ਤੱਕ ਬਣਾਏ ਗਏ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਬਦਲਣਾ ਚਾਹੀਦਾ ਹੈ
ਡਿਜ਼ਾਈਨ ਪੜਾਅ ਦੇ ਦੌਰਾਨ. ਬਹੁਤ ਸਾਰੇ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਮੌਜੂਦਾ ਸਥਿਤੀ
ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਡਿਜ਼ਾਈਨ ਪੜਾਅ 'ਤੇ ਵਾਪਸ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿੱਥੇ
ਨਵੀਂ ਬੇਨਤੀ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਦਸਤਾਵੇਜ਼ੀ ਤੌਰ 'ਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਪਭੋਗਤਾ
ਅੰਤਿਮ ਸਮੀਖਿਆ ਕੀਤੇ ਗਏ ਖਾਸ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਦੇਖਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ i
ਤਬਦੀਲੀਆਂ ਜੋ ਵਿਕਾਸ ਦੇ ਪੜਾਅ ਵਿੱਚ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ। ਦੇ ਅੰਤ ਵਿੱਚ
ਇਸ ਵਿਕਾਸ ਚੱਕਰ ਤੋਂ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਬਹੁਤ ਵਧੀਆ ਫੀਡਬੈਕ ਮਿਲਣਾ ਚਾਹੀਦਾ ਹੈ
ਦੋਵੇਂ ਟੀਮਾਂ, ਵਿਕਾਸ ਟੀਮ ਅਤੇ ਉਪਭੋਗਤਾ ਟੀਮ। ਦ
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 ਵਧਦੇ ਹਨ
ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ (ਬੈਸਟ 1995, ਰੂਡਿਨ 1997a) ਦੇ ਬਾਅਦ
ਦੀ ਮਾਤਰਾ dati ਇਤਿਹਾਸ ਜੋ ਉਹ ਆਪਣੀ ਮਿਆਦ ਤੋਂ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹਨ। ਉੱਥੇ
ਵਾਧੇ ਕਾਰਨ ਵੀ ਹੋ ਸਕਦਾ ਹੈ dati ਦੁਆਰਾ ਬੇਨਤੀ ਕੀਤੀ ਵਾਧੂ ਆਈਟਮਾਂ
ਦੇ ਮੁੱਲ ਨੂੰ ਵਧਾਉਣ ਲਈ ਉਪਭੋਗਤਾਵਾਂ dati ਜੋ ਕਿ ਉਹਨਾਂ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਹੈ। ਤੋਂ
ਸਿੱਟੇ ਵਜੋਂ, ਲਈ ਸਟੋਰੇਜ਼ ਲੋੜਾਂ dati ਕਰ ਸਕਦਾ ਹੈ
ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਾਇਆ ਜਾਵੇ (Eckerson 1997). ਇਸ ਲਈ ਇਹ ਹੈ
ਦੀ ਯੋਜਨਾ ਬਣਾ ਕੇ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ
ਸਮਰੱਥਾ, ਜਿਸ ਨਾਲ ਸਿਸਟਮ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ
ਲੋੜਾਂ ਦਾ ਵਾਧਾ (ਬੈਸਟ 1995, ਲਾਪਲਾਂਟ 1996, ਲੈਂਗ 1997,
ਏਕਰਸਨ 1997, ਰੁਡਿਨ 1997a, ਫੋਲੀ 1997a)।
dw ਸਕੇਲੇਬਿਲਟੀ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਵਿੱਚ, ਕਿਸੇ ਨੂੰ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਵਸਤੂ ਸੂਚੀ ਦੇ ਆਕਾਰ, ਪ੍ਰਸ਼ਨਾਂ ਦੀਆਂ ਕਿਸਮਾਂ ਵਿੱਚ ਅਨੁਮਾਨਤ ਵਾਧਾ
ਕੀਤੇ ਜਾਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ, ਅਤੇ ਸਮਰਥਿਤ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਸੰਖਿਆ (ਸਭ ਤੋਂ ਵਧੀਆ
1995, ਰੂਡਿਨ 1997b, ਫੋਲੀ 1997a)। ਸਕੇਲੇਬਲ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਓ
ਸਕੇਲੇਬਲ ਸਰਵਰ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਤਕਨੀਕਾਂ ਦੇ ਸੁਮੇਲ ਦੀ ਲੋੜ ਹੈ
ਸਕੇਲੇਬਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦਾ (ਸਰਬੋਤਮ 1995, ਰੁਡਿਨ 1997b.
ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਵੇਲੇ ਦੋਵੇਂ ਜ਼ਰੂਰੀ ਹਨ
ਬਹੁਤ ਮਾਪਯੋਗ. ਸਕੇਲੇਬਲ ਸਰਵਰ ਤਕਨਾਲੋਜੀਆਂ ਕਰ ਸਕਦੀਆਂ ਹਨ
ਸਟੋਰੇਜ, ਮੈਮੋਰੀ ਅਤੇ ਜੋੜਨ ਲਈ ਇਸਨੂੰ ਆਸਾਨ ਅਤੇ ਲਾਭਦਾਇਕ ਬਣਾਓ
ਘਟੀਆ ਕਾਰਗੁਜ਼ਾਰੀ ਦੇ ਬਿਨਾਂ CPU (Lang 1997, Telephony 1997)।
ਇੱਥੇ ਦੋ ਮੁੱਖ ਸਕੇਲੇਬਲ ਸਰਵਰ ਤਕਨਾਲੋਜੀਆਂ ਹਨ: ਗਣਨਾ
ਸਮਮਿਤੀ ਮਲਟੀਪਲ (SMP) ਅਤੇ ਵਿਸ਼ਾਲ ਪ੍ਰੋਸੈਸਿੰਗ
ਸਮਾਨਾਂਤਰ (MPP)) (IDC 1997, ਹੰਫਰੀਜ਼ ਐਟ ਅਲ. 1999)। ਇੱਕ ਸਰਵਰ
SMP ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਮੈਮੋਰੀ ਨੂੰ ਸਾਂਝਾ ਕਰਨ ਵਾਲੇ ਕਈ ਪ੍ਰੋਸੈਸਰ ਹੁੰਦੇ ਹਨ,
ਬੱਸ ਸਿਸਟਮ ਅਤੇ ਹੋਰ ਸਰੋਤ (IDC 1997, Humphries et al. 1999)।
ਵਾਧੂ ਪ੍ਰੋਸੈਸਰ ਵਧਾਉਣ ਲਈ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਉਸਦਾ ਬਿਜਲੀ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਨੂੰ ਵਧਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ
ਬਿਜਲੀ ਦੀ SMP ਸਰਵਰ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ, ਕਈਆਂ ਨੂੰ ਜੋੜਨਾ ਹੈ
SMP ਮਸ਼ੀਨਾਂ। ਇਸ ਤਕਨੀਕ ਨੂੰ ਕਲੱਸਟਰਿੰਗ (ਹੰਫਰੀਜ਼
ਅਤੇ ਬਾਕੀ. 1999)। ਇੱਕ MPP ਸਰਵਰ, ਦੂਜੇ ਪਾਸੇ, ਹਰੇਕ ਵਿੱਚ ਕਈ ਪ੍ਰੋਸੈਸਰ ਹੁੰਦੇ ਹਨ
ਇਸਦੀ ਆਪਣੀ ਮੈਮੋਰੀ, ਬੱਸ ਸਿਸਟਮ ਅਤੇ ਹੋਰ ਸਰੋਤਾਂ (IDC 1997,
ਹੰਫਰੀਜ਼ ਐਟ ਅਲ. 1999)। ਹਰੇਕ ਪ੍ਰੋਸੈਸਰ ਨੂੰ ਨੋਡ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਏ
ਵਿੱਚ ਵਾਧਾ ਬਿਜਲੀ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
MPP ਸਰਵਰਾਂ ਵਿੱਚ ਵਾਧੂ ਨੋਡ ਸ਼ਾਮਲ ਕਰਨਾ (Humphries et al.
1999).
SMP ਸਰਵਰਾਂ ਦੀ ਇੱਕ ਕਮਜ਼ੋਰੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਇਨਪੁਟ-ਆਉਟਪੁੱਟ ਓਪਰੇਸ਼ਨ ਹੈ
(I/O) ਬੱਸ ਸਿਸਟਮ (IDC 1997) ਨੂੰ ਭੀੜਾ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ
ਹਰ ਸਮੇਂ ਤੋਂ ਐਮਪੀਪੀ ਸਰਵਰਾਂ ਵਿੱਚ ਸਮੱਸਿਆ ਨਹੀਂ ਆਉਂਦੀ ਹੈ
ਪ੍ਰੋਸੈਸਰ ਦਾ ਆਪਣਾ ਬੱਸ ਸਿਸਟਮ ਹੈ। ਹਾਲਾਂਕਿ, ਆਪਸ ਵਿੱਚ
ਹਰੇਕ ਨੋਡ ਦੇ ਵਿਚਕਾਰ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਬੱਸ ਸਿਸਟਮ ਨਾਲੋਂ ਬਹੁਤ ਹੌਲੀ ਹੁੰਦੇ ਹਨ
SMPs ਦੇ. ਇਸ ਤੋਂ ਇਲਾਵਾ, MPP ਸਰਵਰ ਇੱਕ ਲੇਅਰ ਜੋੜ ਸਕਦੇ ਹਨ
ਐਪਲੀਕੇਸ਼ਨ ਡਿਵੈਲਪਰਾਂ ਲਈ ਵਾਧੂ ਜਟਿਲਤਾ (IDC
1997)। ਇਸ ਤਰ੍ਹਾਂ, SMP ਅਤੇ MPP ਸਰਵਰਾਂ ਵਿਚਕਾਰ ਚੋਣ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਸਵਾਲਾਂ ਦੀ ਗੁੰਝਲਤਾ, ਸਬੰਧ ਸਮੇਤ ਕਈ ਕਾਰਕਾਂ ਦੁਆਰਾ
ਕੀਮਤ/ਪ੍ਰਦਰਸ਼ਨ, ਲੋੜੀਂਦੀ ਇਲਾਜ ਸਮਰੱਥਾ,
dw ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਦੇ ਆਕਾਰ ਵਿੱਚ ਵਾਧੇ ਨੂੰ ਰੋਕਿਆ ਡਾਟਾਬੇਸ
dw ਅਤੇ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ.
ਕਈ ਸਕੇਲੇਬਲ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨ ਤਕਨੀਕਾਂ
ਸਮਰੱਥਾ ਦੀ ਯੋਜਨਾਬੰਦੀ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇੱਕ
ਵੱਖ-ਵੱਖ ਨੋਟੀਫਿਕੇਸ਼ਨ ਪੀਰੀਅਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਦਿਨ, ਹਫ਼ਤੇ, ਮਹੀਨੇ ਅਤੇ ਸਾਲ।
ਵੱਖ-ਵੱਖ ਨੋਟੀਫਿਕੇਸ਼ਨ ਅਵਧੀ ਹੋਣ ਨਾਲ, ਡਾਟਾਬੇਸ ਵਿੱਚ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਟੁਕੜਿਆਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997)। ਇੱਕ ਹੋਰ
ਤਕਨੀਕ ਸੰਖੇਪ ਟੇਬਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ ਜੋ ਬਣਾਈਆਂ ਗਈਆਂ ਹਨ
ਸੰਖੇਪ dati da dati ਵੇਰਵੇ ਸਹਿਤ. ਇਸਲਈ ਮੈਂ dati ਸੰਖੇਪ ਹੋਰ ਹਨ
ਵੇਰਵੇ ਨਾਲੋਂ ਸੰਖੇਪ, ਜਿਸ ਲਈ ਘੱਟ ਮੈਮੋਰੀ ਸਪੇਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਇਸ ਲਈ ਦ dati ਦੀ ਇਕਾਈ ਵਿਚ ਵੇਰਵੇ ਨੂੰ ਸਟੋਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਸਸਤਾ ਸਟੋਰੇਜ, ਜੋ ਹੋਰ ਸਟੋਰੇਜ ਬਚਾਉਂਦੀ ਹੈ।
ਹਾਲਾਂਕਿ ਸੰਖੇਪ ਟੇਬਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਜਗ੍ਹਾ ਬਚਾਈ ਜਾ ਸਕਦੀ ਹੈ
ਮੈਮੋਰੀ, ਉਹਨਾਂ ਨੂੰ ਅਪ ਟੂ ਡੇਟ ਅਤੇ ਇਨ ਰੱਖਣ ਲਈ ਬਹੁਤ ਜਤਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਵਪਾਰਕ ਲੋੜਾਂ ਦੇ ਅਨੁਸਾਰ. ਹਾਲਾਂਕਿ, ਇਹ ਤਕਨੀਕ ਹੈ
ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਅਕਸਰ ਤਕਨੀਕ ਦੇ ਨਾਲ ਜੋੜ ਕੇ ਵਰਤੀ ਜਾਂਦੀ ਹੈ
ਪਿਛਲਾ (ਬੈਸਟ 1995, ਇਨਮੋਨ 1996a, ਚੌਧਰੀ ਅਤੇ ਦਿਆਲ
1997).
ਪਰਿਭਾਸ਼ਾ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਤਕਨੀਕੀ
ਆਰਕੀਟੈਕਚਰ ਤਕਨੀਕਾਂ ਦੀ ਪਰਿਭਾਸ਼ਾ
dw ਆਰਕੀਟੈਕਚਰ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦੇ ਸ਼ੁਰੂਆਤੀ ਅਪਣਾਉਣ ਵਾਲਿਆਂ ਨੇ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਲਪਨਾ ਕੀਤੀ
dw ਦਾ ਕੇਂਦਰੀਕਰਣ ਲਾਗੂ ਕਰਨਾ ਜਿਸ ਵਿੱਚ ਸਾਰੇ dati, ਸ਼ਾਮਲ ਹਨ
i dati ਬਾਹਰੀ, ਇੱਕ ਸਿੰਗਲ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਸਨ,
ਭੌਤਿਕ ਸਟੋਰੇਜ਼ (ਇਨਮੋਨ 1996a, ਬ੍ਰੈਸਨਹਾਨ 1996, ਪੀਕੌਕ 1998)।
ਇਸ ਪਹੁੰਚ ਦਾ ਮੁੱਖ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਅੰਤ ਉਪਭੋਗਤਾ
ਮੈਂ ਇੱਕ ਉੱਦਮੀ ਪੈਮਾਨੇ 'ਤੇ ਦ੍ਰਿਸ਼ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੇ ਯੋਗ ਹਾਂ
(Enterprise-wide view) dei dati ਸੰਗਠਨਾਤਮਕ (ਓਵਮ 1998)। ਹੋਰ
ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਇਹ ਮਾਨਕੀਕਰਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ dati ਦੁਆਰਾ
ਸੰਗਠਨ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸਿਰਫ ਇੱਕ ਸੰਸਕਰਣ ਹੈ ਜਾਂ
dw ਡਿਪਾਜ਼ਿਟ ਵਿੱਚ ਵਰਤੀ ਗਈ ਹਰੇਕ ਸ਼ਬਦਾਵਲੀ ਲਈ ਪਰਿਭਾਸ਼ਾ
(ਰਿਪੋਜ਼ੀਟੀ) ਮੈਟਾਡੇਟਾ (ਫਲਾਨਾਗਨ ਅਤੇ ਸਫਡੀ 1997, ਓਵਮ 1998)। ਦ
ਦੂਜੇ ਪਾਸੇ, ਇਸ ਪਹੁੰਚ ਦਾ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਇਹ ਮਹਿੰਗਾ ਅਤੇ ਮੁਸ਼ਕਲ ਹੈ
ਬਣਾਇਆ ਜਾਣਾ ਹੈ (ਫਲਾਨਾਗਨ ਅਤੇ ਸਫਡੀ 1997, ਓਵਮ 1998, ਇਨਮੋਨ ਐਟ ਅਲ.
1998)। ਸਟੋਰੇਜ਼ ਆਰਕੀਟੈਕਚਰ ਦੇ ਬਾਅਦ ਦੇਰ ਨਾ dati
ਕੇਂਦਰੀਕ੍ਰਿਤ ਪ੍ਰਸਿੱਧ ਹੋ ਗਿਆ, ਕੱਢਣ ਦੀ ਧਾਰਨਾ ਵਿਕਸਿਤ ਹੋਈ
ਦੇ ਸਭ ਤੋਂ ਛੋਟੇ ਉਪ ਸਮੂਹਾਂ ਵਿੱਚੋਂ dati ਦੀਆਂ ਲੋੜਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ
ਖਾਸ ਐਪਲੀਕੇਸ਼ਨਾਂ (ਵਾਰਨੀ 1996, IDC 1997, ਬਰਸਨ ਅਤੇ ਸਮਿਥ
1997, ਮੋਰ 1998)। ਇਹ ਛੋਟੇ ਸਿਸਟਮ ਹੋਰ ਤੱਕ ਲਿਆ ਰਹੇ ਹਨ
ਮਹਾਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕੇਂਦਰੀਕ੍ਰਿਤ. ਉਨ੍ਹਾਂ ਨੂੰ ਤਾਰੀਖ ਕਿਹਾ ਜਾਂਦਾ ਹੈ
ਨਿਰਭਰ ਵਿਭਾਗੀ ਵੇਅਰਹਾਊਸ ਜਾਂ ਨਿਰਭਰ ਡੇਟਾ ਮਾਰਟਸ।
ਨਿਰਭਰ ਡੇਟਾ ਮਾਰਟ ਆਰਕੀਟੈਕਚਰ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ
ਤਿੰਨ-ਪੱਧਰੀ ਆਰਕੀਟੈਕਚਰ ਜਿੱਥੇ ਪਹਿਲੇ ਦਰਜੇ ਵਿੱਚ ਡੇਟਾ ਹੁੰਦਾ ਹੈ
ਕੇਂਦਰੀ ਗੋਦਾਮ, ਦੂਜੇ ਵਿੱਚ ਗੋਦਾਮ ਹੁੰਦੇ ਹਨ dati
ਵਿਭਾਗੀ ਅਤੇ ਤੀਜੇ ਵਿੱਚ ਪਹੁੰਚ ਸ਼ਾਮਲ ਹੈ dati ਅਤੇ ਦੇ ਸਾਧਨਾਂ ਤੋਂ
ਵਿਸ਼ਲੇਸ਼ਣ (Demarest 1994, Inmon et al. 1997)।
ਡਾਟਾ ਮਾਰਟਸ ਆਮ ਤੌਰ 'ਤੇ ਇਸ ਤੋਂ ਬਾਅਦ ਬਣਾਏ ਜਾਂਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਕੇਂਦਰੀਕ੍ਰਿਤ ਬਣਾਇਆ ਗਿਆ ਸੀ
ਖਾਸ ਇਕਾਈਆਂ (ਵਾਈਟ 1995, ਵਾਰਨੀ 1996)।
ਡਾਟਾ ਮਾਰਟਸ ਸਟੋਰ ਕਰਦੇ ਹਨ dati ਵੇਰਵਿਆਂ ਨਾਲ ਸਬੰਧਤ ਬਹੁਤ ਢੁਕਵਾਂ
ਏਕਤਾ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997, ਇਨਮੋਨ ਐਟ ਅਲ. 1998, ਆਈਏ 1998)।
ਇਸ ਵਿਧੀ ਦਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਕੋਈ ਨਹੀਂ ਹੋਵੇਗਾ ਡੈਟੋ ਗੈਰ
ਏਕੀਕ੍ਰਿਤ ਅਤੇ ਉਹ ਆਈ dati ਉਹ ਡੇਟਾ ਦੇ ਅੰਦਰ ਘੱਟ ਬੇਲੋੜੇ ਹੋਣਗੇ
ਸਭ ਦੇ ਬਾਅਦ marts dati ਉਹ ਇੱਕ ਗੋਦਾਮ ਤੋਂ ਆਉਂਦੇ ਹਨ dati ਏਕੀਕ੍ਰਿਤ.
ਇਕ ਹੋਰ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਹਰੇਕ ਵਿਚਕਾਰ ਕੁਝ ਕੁਨੈਕਸ਼ਨ ਹੋਣਗੇ
ਡਾਟਾ ਮਾਰਟਸ ਅਤੇ ਸੰਬੰਧਿਤ ਸਰੋਤ dati ਕਿਉਂਕਿ ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਕੋਲ ਸਿਰਫ ਹੈ
ਦਾ ਇੱਕ ਸਰੋਤ dati. ਨਾਲ ਹੀ ਇਸ ਆਰਕੀਟੈਕਚਰ ਦੇ ਨਾਲ, ਉਪਭੋਗਤਾ
ਫਾਈਨਲ ਅਜੇ ਵੀ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ dati
ਕਾਰਪੋਰੇਟ ਸੰਗਠਨ. ਇਹ ਵਿਧੀ ਦੇ ਤੌਰ ਤੇ ਜਾਣਿਆ ਗਿਆ ਹੈ
ਟੌਪ-ਡਾਊਨ ਵਿਧੀ, ਜਿਸ ਵਿੱਚ ਡੇਟਾ ਦੇ ਬਾਅਦ ਡੇਟਾ ਮਾਰਟ ਬਣਾਏ ਜਾਂਦੇ ਹਨ
ਗੋਦਾਮ (ਮੋਰ 1998, ਗੋਫ 1998)।
ਨਤੀਜੇ ਛੇਤੀ ਦਿਖਾਉਣ ਦੀ ਲੋੜ ਨੂੰ ਵਧਾਉਣਾ, ਕੁਝ
ਸੰਸਥਾਵਾਂ ਨੇ ਸੁਤੰਤਰ ਡਾਟਾ ਮਾਰਟਸ ਬਣਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ
(Flanagan ਅਤੇ Safdie 1997, White 2000) ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਡਾਟਾ ਮਾਰਟਸ
ਉਹ ਆਪਣਾ ਲੈਂਦੇ ਹਨ dati ਦੇ ਮੂਲ ਤੋਂ ਸਿੱਧਾ dati OLTP ਅਤੇ ਇਸ ਤੋਂ ਨਹੀਂ
ਕੇਂਦਰੀਕ੍ਰਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਸਟੋਰੇਜ਼, ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ
ਸਾਈਟ 'ਤੇ ਕੇਂਦਰੀ ਸਟੋਰੇਜ ਹੈ।
ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਨੂੰ ਇਸਦੇ ਸਰੋਤਾਂ ਲਈ ਘੱਟੋ ਘੱਟ ਇੱਕ ਲਿੰਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
di dati. ਹਰੇਕ ਮਿਤੀ ਲਈ ਕਈ ਲਿੰਕ ਹੋਣ ਦਾ ਇੱਕ ਨੁਕਸਾਨ
ਮਾਰਟ ਇਹ ਹੈ ਕਿ, ਪਿਛਲੇ ਦੋ ਆਰਕੀਟੈਕਚਰ ਦੇ ਮੁਕਾਬਲੇ,
ਦੀ ਬਹੁਤਾਤ dati ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਦਾ ਹੈ.
ਹਰੇਕ ਡੇਟਾ ਮਾਰਟ ਨੂੰ ਸਾਰੇ ਸਟੋਰ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ dati ਲਈ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਬੇਨਤੀ ਕੀਤੀ
OLTP ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਕੋਈ ਪ੍ਰਭਾਵ ਨਹੀਂ 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 ਇਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਇਹ ਇਸ ਵੱਲ ਜਾਂਦਾ ਹੈ
ਡਾਟਾ ਮਾਰਟਸ ਅਤੇ ਉਹਨਾਂ ਦੇ ਵਿਚਕਾਰ ਗੁੰਝਲਦਾਰ ਆਪਸੀ ਕੁਨੈਕਸ਼ਨਾਂ ਦੀ ਸਿਰਜਣਾ
ਦੇ ਸਰੋਤ dati ਜਿਨ੍ਹਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਅਤੇ ਨਿਯੰਤਰਣ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ (ਇਨਮੋਨ ਐਡ
ਹੋਰ। 1997)।
ਇੱਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਅੰਤਮ ਉਪਭੋਗਤਾ ਪਾਵਰ ਨਹੀਂ ਦੇ ਸਕਦੇ ਹਨ
ਕੰਪਨੀ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਕਰੋ ਜਿਵੇਂ ਕਿ i dati
ਵੱਖ-ਵੱਖ ਡਾਟਾ ਮਾਰਟਸ ਦੇ ਏਕੀਕ੍ਰਿਤ ਨਹੀਂ ਹਨ (ਓਵਮ 1998)।
ਫਿਰ ਵੀ ਇੱਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਇੱਕ ਤੋਂ ਵੱਧ ਹੋ ਸਕਦੇ ਹਨ
ਡੇਟਾ ਮਾਰਟਸ ਵਿੱਚ ਵਰਤੀ ਗਈ ਹਰੇਕ ਸ਼ਬਦਾਵਲੀ ਲਈ ਪਰਿਭਾਸ਼ਾ ਜੋ ਇਹ ਤਿਆਰ ਕਰਦੀ ਹੈ
ਦੀ ਅਸੰਗਤਤਾ 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 ਕਰਦਾ ਹੈ।
ਇੱਕ ਕਾਰਕ ਜੋ ਉਹਨਾਂ ਨੂੰ ਆਕਰਸ਼ਕ ਬਣਾਉਂਦਾ ਹੈ ਉਹ ਇਹ ਹੈ ਕਿ ਉਹ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੁੰਦੇ ਹਨ
ਅਤੇ ਘੱਟ ਸਮਾਂ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (ਬ੍ਰੇਸਨਾਹਨ 1996, ਬਰਸਨ ਈ
ਸਮਿਥ 1997, ਓਵਮ 1998)। ਇਸ ਅਨੁਸਾਰ, ਉਹ ਮੁੱਖ ਤੌਰ 'ਤੇ ਸੇਵਾ ਕਰਦੇ ਹਨ
ਟੈਸਟ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਜੋ ਪਛਾਣ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ
ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਲਾਭ ਅਤੇ/ਜਾਂ ਕਮੀਆਂ (ਪਾਰਸੇ
1995, ਬ੍ਰੇਲੀ 1995, ਨਿਊਿੰਗ 1996)। ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਤੱਕ ਦਾ ਹਿੱਸਾ
ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਲਾਗੂ ਕਰਨਾ ਛੋਟਾ ਪਰ ਮਹੱਤਵਪੂਰਨ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਸੰਗਠਨ ਲਈ (ਨਿਊਇੰਗ 1996, ਮਾਨਸੇਲ-ਲੁਈਸ 1996)।
ਪ੍ਰੋਟੋਟਾਈਪ ਦੀ ਜਾਂਚ ਕਰਕੇ, ਅੰਤਮ ਉਪਭੋਗਤਾ ਅਤੇ ਪ੍ਰਸ਼ਾਸਨ ਕਰ ਸਕਦੇ ਹਨ
ਫੈਸਲਾ ਕਰੋ ਕਿ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਜਾਰੀ ਰੱਖਣਾ ਹੈ ਜਾਂ ਬੰਦ ਕਰਨਾ ਹੈ (ਫਲਾਨਾਗਨ ਅਤੇ ਸੈਫਡੀ
1997).
ਜੇ ਫੈਸਲਾ ਜਾਰੀ ਰੱਖਣਾ ਹੈ, ਤਾਂ ਹੋਰ ਸੈਕਟਰਾਂ ਲਈ ਡੇਟਾ ਮਾਰਟ
ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਲਈ ਦੋ ਵਿਕਲਪ ਹਨ
ਅੰਤਮ ਉਪਭੋਗਤਾ ਡੇਟਾ ਨਿਰਮਾਣ ਵਿੱਚ ਉਹਨਾਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦੇ ਅਧਾਰ ਤੇ
ਸੁਤੰਤਰ ਮੈਟਰਸ: ਏਕੀਕ੍ਰਿਤ/ਸੰਘੀ ਅਤੇ ਅਣ-ਏਕੀਕ੍ਰਿਤ (ਓਵਮ
1998)
ਪਹਿਲੀ ਵਿਧੀ ਵਿੱਚ, ਹਰੇਕ ਨਵੇਂ ਡੇਟਾ ਮਾਰਟ ਨੂੰ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਮੌਜੂਦਾ ਡਾਟਾ ਮਾਰਟਸ ਅਤੇ ਮਾਡਲ 'ਤੇ ਆਧਾਰਿਤ dati ਵਰਤਿਆ
ਕੰਪਨੀ ਦੁਆਰਾ (ਵਾਰਨੀ 1996, ਬਰਸਨ ਅਤੇ ਸਮਿਥ 1997, ਪੀਕੌਕ 1998)।
ਮਾਡਲ ਨੂੰ ਵਰਤਣ ਦੀ ਲੋੜ ਹੈ dati ਦੀ ਕੰਪਨੀ ਇਸ ਨੂੰ ਜ਼ਰੂਰੀ ਬਣਾਉਂਦੀ ਹੈ
ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰੋ ਕਿ ਹਰੇਕ ਸ਼ਬਦਾਵਲੀ ਲਈ ਸਿਰਫ ਇੱਕ ਪਰਿਭਾਸ਼ਾ ਹੈ
ਡੇਟਾ ਮਾਰਟਸ ਦੁਆਰਾ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਇਹ ਉਸ ਡੇਟਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਵੀ ਹੈ
ਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਦੇਣ ਲਈ ਵੱਖ-ਵੱਖ ਮਾਰਟਸ ਨੂੰ ਮਿਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ
ਕਾਰਪੋਰੇਟ ਜਾਣਕਾਰੀ (Bresnahan 1996)। ਇਹ ਤਰੀਕਾ ਹੈ
ਤਲ-ਅੱਪ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਜਦੋਂ ਕੋਈ ਰੁਕਾਵਟ ਹੁੰਦੀ ਹੈ ਤਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਹੁੰਦਾ ਹੈ
ਵਿੱਤੀ ਸਾਧਨ ਅਤੇ ਸਮਾਂ (ਫਲਾਨਾਗਨ ਅਤੇ ਸਫਡੀ 1997, ਓਵਮ 1998,
ਮੋਰ 1998, ਗੋਫ 1998)। ਦੂਜੀ ਵਿਧੀ ਵਿੱਚ, ਡੇਟਾ ਮਾਰਟਸ
ਬਿਲਟ ਸਿਰਫ ਇੱਕ ਖਾਸ ਯੂਨਿਟ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦਾ ਹੈ।
ਸੰਘੀ ਡਾਟਾ ਮਾਰਟ ਦਾ ਇੱਕ ਰੂਪ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵੰਡਿਆ
ਜਿਸ ਵਿੱਚ ਡਾਟਾਬੇਸ ਹੱਬ ਸਰਵਰ ਮਿਡਲਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਈਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਦੀ ਇੱਕ ਸਿੰਗਲ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਡਾਟਾ ਮਾਰਟਸ dati ਵੰਡਿਆ (ਵ੍ਹਾਈਟ 1995)। ਵਿੱਚ
ਇਸ ਕੇਸ, 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 ਦੁਆਰਾ ਬੇਨਤੀ ਕੀਤੀ ਗਈ
ਮਾਰਟਸ ਅਤੇ ਅੰਤਮ ਉਪਭੋਗਤਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਨਤੀਜੇ ਵਾਪਸ ਕਰਦਾ ਹੈ। ਇਹ
ਵਿਧੀ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵਪਾਰਕ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ. ਹਾਲਾਂਕਿ,
ਡਾਟਾ ਮਾਰਟਸ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਅਜੇ ਵੀ ਖਤਮ ਨਹੀਂ ਹੋਈਆਂ ਹਨ
ਸੁਤੰਤਰ। ਇੱਕ ਹੋਰ ਆਰਕੀਟੈਕਚਰ ਹੈ, ਜੋ ਕਿ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਹੈ
ਨੂੰ ਕਾਲ ਕਰੋ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵਰਚੁਅਲ (ਵਾਈਟ 1995)। ਹਾਲਾਂਕਿ, ਇਹ
ਆਰਕੀਟੈਕਚਰ, ਜਿਸਦਾ ਵਰਣਨ ਚਿੱਤਰ 2.9 ਵਿੱਚ ਕੀਤਾ ਗਿਆ ਹੈ, ਇੱਕ ਆਰਕੀਟੈਕਚਰ ਨਹੀਂ ਹੈ
ਸਟੋਰੇਜ਼ ਦਾ dati ਅਸਲੀ ਕਿਉਂਕਿ ਇਹ ਲੋਡ ਨੂੰ ਹਿਲਾਉਂਦਾ ਨਹੀਂ ਹੈ
OLTP ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (Demarest 1994)।
ਵਾਸਤਵ ਵਿੱਚ, ਦੀਆਂ ਬੇਨਤੀਆਂ dati ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਪਾਸ ਹੋ ਗਏ ਹਨ
OLTP ਸਿਸਟਮ ਜੋ ਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਬਾਅਦ ਨਤੀਜੇ ਵਾਪਸ ਕਰਦੇ ਹਨ
ਉਪਭੋਗਤਾ ਬੇਨਤੀਆਂ. ਹਾਲਾਂਕਿ ਇਹ ਆਰਕੀਟੈਕਚਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਅਤੇ ਬੇਨਤੀਆਂ ਤਿਆਰ ਕਰਨ ਲਈ ਫਾਈਨਲ, ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ i
dati ਕੰਪਨੀ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਇਤਿਹਾਸਕ ਅਤੇ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ i dati
ਵੱਖ-ਵੱਖ OLTP ਸਿਸਟਮਾਂ ਤੋਂ ਏਕੀਕ੍ਰਿਤ ਨਹੀਂ ਹਨ। ਇਸ ਲਈ, ਇਹ ਇੱਕ
ਆਰਕੀਟੈਕਚਰ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਸੰਤੁਸ਼ਟ ਨਹੀਂ ਕਰ ਸਕਦਾ dati ਕੰਪਲੈਕਸ ਜਿਵੇਂ ਕਿ
ਉਦਾਹਰਨ ਪੂਰਵ ਅਨੁਮਾਨ.
ਪਹੁੰਚ ਅਤੇ ਪਹੁੰਚ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਚੋਣ
ਦੀ ਰਿਕਵਰੀ dati
ਬਣਾਉਣ ਦਾ ਉਦੇਸ਼ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਸਾਰਿਤ ਕਰਨਾ ਹੈ
ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਜਾਣਕਾਰੀ (ਇਨਮੋਨ ਐਟ ਅਲ 1997, ਪੋ 1996,
ਮੈਕਫੈਡਨ 1996, ਸ਼ੈਂਕਸ ਐਟ ਅਲ 1997, ਹੈਮਰਗ੍ਰੇਨ 1998); ਇੱਕ ਜਾਂ
ਮਲਟੀਪਲ ਐਕਸੈਸ ਅਤੇ ਰਿਕਵਰੀ ਐਪਲੀਕੇਸ਼ਨ dati ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ. ਨੂੰ
ਅੱਜ, ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਚੁਣਨ ਲਈ ਇਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਕਿਸਮ ਹੈ
ਚੁਣੋ (Hammergren 1998, Humphries et al. 1999)। ਦ
ਚੁਣੀਆਂ ਗਈਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਕੋਸ਼ਿਸ਼ ਦੀ ਸਫਲਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ
ਸਟੋਰੇਜ਼ ਦਾ dati ਇੱਕ ਸੰਸਥਾ ਵਿੱਚ ਕਿਉਂਕਿ
ਐਪਲੀਕੇਸ਼ਨਾਂ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਦਿਖਾਈ ਦੇਣ ਵਾਲਾ ਹਿੱਸਾ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਪਭੋਗਤਾ ਨੂੰ
ਫਾਈਨਲ (ਇਨਮੋਨ ਐਟ ਅਲ. 1997, ਪੋ 1996)। ਇੱਕ ਮਿਤੀ ਨੂੰ ਸਫਲ ਕਰਨ ਲਈ
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 ਉਸਦਾ "ਪੱਧਰ" ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਪਛਾਣਿਆ (Poe 1996, Mattison 1996, Inmon et al 1997,
ਹੰਫਰੀਜ਼ ਐਟ ਅਲ. 1999)।
ਆਮ ਤੌਰ 'ਤੇ, ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਤਿੰਨ ਵਿੱਚ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਸ਼੍ਰੇਣੀਆਂ: ਕਾਰਜਕਾਰੀ ਉਪਭੋਗਤਾ, ਵਪਾਰਕ ਵਿਸ਼ਲੇਸ਼ਕ ਅਤੇ ਪਾਵਰ ਉਪਭੋਗਤਾ (ਪੋ
1996, ਹੰਫਰੀਜ਼ ਐਟ ਅਲ. 1999)। ਕਾਰਜਕਾਰੀ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਲੋੜ ਹੈ
ਰਿਪੋਰਟਾਂ ਦੇ ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਸੈੱਟਾਂ ਤੱਕ ਆਸਾਨ ਪਹੁੰਚ (ਹੰਫਰੀਜ਼ ਐਡ
ਹੋਰ 1999). ਇਨ੍ਹਾਂ ਰਿਪੋਰਟਾਂ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਮੀਨੂ ਨੈਵੀਗੇਸ਼ਨ (Poe 1996)। ਨਾਲ ਹੀ, ਰਿਪੋਰਟਾਂ ਚਾਹੀਦੀਆਂ ਹਨ
ਗ੍ਰਾਫਿਕਲ ਪ੍ਰਤੀਨਿਧਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਜਾਣਕਾਰੀ ਪੇਸ਼ ਕਰੋ
ਜਿਵੇਂ ਕਿ ਤੇਜ਼ੀ ਨਾਲ ਟ੍ਰਾਂਸਪੋਰਟ ਕਰਨ ਲਈ ਟੇਬਲ ਅਤੇ ਟੈਂਪਲੇਟ
ਜਾਣਕਾਰੀ (Humphries et al. 1999)। ਕਾਰੋਬਾਰੀ ਵਿਸ਼ਲੇਸ਼ਕ, ਜੋ ਨਹੀਂ ਕਰਦੇ
ਉਹਨਾਂ ਕੋਲ ਰਿਸ਼ਤਿਆਂ ਨੂੰ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਤਕਨੀਕੀ ਸੰਭਾਵਨਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ
ਆਪਣੇ ਆਪ 'ਤੇ ਜ਼ੀਰੋ, ਉਹਨਾਂ ਨੂੰ ਮੌਜੂਦਾ ਸਬੰਧਾਂ ਨੂੰ ਸੋਧਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
ਉਹਨਾਂ ਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰੋ (Poe 1996, Humphries et al
1999)। ਪਾਵਰ ਉਪਭੋਗਤਾ, ਦੂਜੇ ਪਾਸੇ, ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਕਿਸਮ ਹਨ ਜੋ
ਤੋਂ ਬੇਨਤੀਆਂ ਅਤੇ ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਅਤੇ ਲਿਖਣ ਦੀ ਸਮਰੱਥਾ ਹੈ
ਜ਼ੀਰੋ (Poe 1996, Humphries et al. 1999)। ਉਹ ਉਹ ਹਨ ਜੋ
ਹੋਰ ਕਿਸਮ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਰਿਪੋਰਟਾਂ ਵਿਕਸਿਤ ਕਰੋ (Poe 1996, Humphries
ਅਤੇ ਹੋਰ 1999).
ਇੱਕ ਵਾਰ ਨਿਰਧਾਰਤ ਕੀਤੇ ਜਾਣ ਤੋਂ ਬਾਅਦ ਉਪਭੋਗਤਾ ਦੀਆਂ ਲੋੜਾਂ ਪੂਰੀਆਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ
ਪਹੁੰਚ ਅਤੇ ਰਿਕਵਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਚੋਣ dati ਸਭ ਦੇ ਵਿਚਕਾਰ
ਉਹ ਉਪਲਬਧ ਹਨ (Poe 1996, Inmon et al. 1997)।
ਤੱਕ ਪਹੁੰਚ dati ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਦੇ ਸਾਧਨ ਹੋ ਸਕਦੇ ਹਨ
4 ਕਿਸਮਾਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ: OLAP ਟੂਲ, EIS/DSS ਟੂਲ, ਪੁੱਛਗਿੱਛ ਟੂਲ ਅਤੇ
ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਡਾਟਾ ਮਾਈਨਿੰਗ ਟੂਲ.
OLAP ਟੂਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਐਡਹਾਕ ਸਵਾਲਾਂ ਦੇ ਨਾਲ ਨਾਲ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ
'ਤੇ ਬਣਾਏ ਗਏ ਹਨ ਡਾਟਾਬੇਸ Del ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਪਲੱਸ ਇਹ ਉਤਪਾਦ
ਤੋਂ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਡਰਿੱਲ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ dati ਉਹਨਾਂ ਲਈ ਆਮ
ਵਿਸਤ੍ਰਿਤ.
EIS/DSS ਟੂਲ ਕਾਰਜਕਾਰੀ ਰਿਪੋਰਟਿੰਗ "ਕੀ ਜੇ" ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ
ਅਤੇ ਮੀਨੂ-ਸੰਗਠਿਤ ਰਿਪੋਰਟਾਂ ਤੱਕ ਪਹੁੰਚ। ਰਿਪੋਰਟਾਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ
ਆਸਾਨ ਨੈਵੀਗੇਸ਼ਨ ਲਈ ਪੂਰਵ ਪਰਿਭਾਸ਼ਿਤ ਅਤੇ ਮੇਨੂ ਨਾਲ ਮਿਲਾ ਦਿੱਤਾ ਗਿਆ ਹੈ।
ਪੁੱਛਗਿੱਛ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਟੂਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ
ਪੂਰਵ ਪਰਿਭਾਸ਼ਿਤ ਅਤੇ ਖਾਸ.
ਡੇਟਾ ਮਾਈਨਿੰਗ ਟੂਲ ਉਹਨਾਂ ਸਬੰਧਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਹਨ ਜੋ ਕਿ
ਵਿੱਚ ਭੁੱਲੇ ਹੋਏ ਓਪਰੇਸ਼ਨਾਂ 'ਤੇ ਨਵੀਂ ਰੋਸ਼ਨੀ ਪਾ ਸਕਦਾ ਹੈ dati Del
ਡਾਟਾਵੇਅਰਹਾਊਸ.
ਹਰੇਕ ਕਿਸਮ ਦੇ ਉਪਭੋਗਤਾ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੇ ਨਾਲ, i
ਚੁਣੇ ਗਏ ਟੂਲ ਅਨੁਭਵੀ, ਕੁਸ਼ਲ ਅਤੇ ਵਰਤੋਂ ਵਿੱਚ ਆਸਾਨ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
ਉਹ ਆਰਕੀਟੈਕਚਰ ਦੇ ਹੋਰ ਹਿੱਸਿਆਂ ਦੇ ਅਨੁਕੂਲ ਵੀ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ e
ਮੌਜੂਦਾ ਸਿਸਟਮਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਸਮਰੱਥ। ਇਹ ਵੀ ਸੁਝਾਅ ਦਿੱਤਾ ਗਿਆ ਹੈ
ਕੀਮਤਾਂ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨਾਲ ਡੇਟਾ ਐਕਸੈਸ ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਟੂਲ ਚੁਣੋ
ਵਾਜਬ. ਵਿਚਾਰ ਕਰਨ ਲਈ ਹੋਰ ਮਾਪਦੰਡਾਂ ਵਿੱਚ ਦੀ ਵਚਨਬੱਧਤਾ ਸ਼ਾਮਲ ਹੈ
ਉਹਨਾਂ ਦੇ ਉਤਪਾਦ ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਿੱਚ ਟੂਲ ਦੇ ਵਿਕਰੇਤਾ ਅਤੇ ਵਿਕਾਸ ਜੋ ਕਿ ਇਹ
ਭਵਿੱਖ ਦੀਆਂ ਰੀਲੀਜ਼ਾਂ ਵਿੱਚ ਵੀ ਅਜਿਹਾ ਹੀ ਹੋਵੇਗਾ। ਉਪਭੋਗਤਾ ਦੀ ਸ਼ਮੂਲੀਅਤ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ, ਵਿਕਾਸ ਟੀਮ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ
ਟੂਲ ਚੋਣ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਉਪਭੋਗਤਾ। ਇਸ ਮਾਮਲੇ ਵਿੱਚ
ਇੱਕ ਵਿਹਾਰਕ ਉਪਭੋਗਤਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਮੁੱਲ ਨੂੰ ਸੁਧਾਰਨ ਲਈ ਵਿਕਾਸ ਟੀਮ ਕਰ ਸਕਦੀ ਹੈ
ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸਾਂ ਨੂੰ ਵੈੱਬ ਪਹੁੰਚ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਏ
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
ਲਾਗਤ ਵਿੱਚ ਕਟੌਤੀ ਦੇ ਮਾਧਿਅਮ ਨਾਲ ਘੱਟ ਲਾਗਤਾਂ 'ਤੇ ਮੁਹੱਈਆ ਕਰਵਾਇਆ ਜਾਵੇਗਾ
ਸਿਖਲਾਈ ਦੇ.
2.4.3 ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਓਪਰੇਸ਼ਨ ਪੜਾਅ
ਇਸ ਪੜਾਅ ਵਿੱਚ ਤਿੰਨ ਗਤੀਵਿਧੀਆਂ ਸ਼ਾਮਲ ਹਨ: ਮਿਤੀ ਰਣਨੀਤੀਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ
ਤਾਜ਼ਗੀ, ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਗਤੀਵਿਧੀਆਂ ਦਾ ਨਿਯੰਤਰਣ ਅਤੇ ਪ੍ਰਬੰਧਨ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸੁਰੱਖਿਆ.
ਡਾਟਾ ਰਿਫਰੈਸ਼ ਰਣਨੀਤੀਆਂ ਦੀ ਪਰਿਭਾਸ਼ਾ
ਸ਼ੁਰੂਆਤੀ ਲੋਡਿੰਗ ਤੋਂ ਬਾਅਦ, ਆਈ dati ਨੇਲ ਡਾਟਾਬੇਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ
ਖੇਡਣ ਲਈ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਤਾਜ਼ਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
'ਤੇ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ dati ਮੂਲ ਇਸ ਲਈ ਸਾਨੂੰ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ
ਕਦੋਂ ਤਾਜ਼ਾ ਕਰਨਾ ਹੈ, ਕਿੰਨੀ ਵਾਰ
ਰਿਫਰੈਸ਼ ਕਰੋ ਅਤੇ ਰਿਫਰੈਸ਼ ਕਿਵੇਂ ਕਰੀਏ dati. ਕਰਨ ਦੀ ਸਲਾਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ
ਦੇਈ ਨੂੰ ਤਾਜ਼ਾ ਕਰੋ dati ਜਦੋਂ ਸਿਸਟਮ ਨੂੰ ਔਫਲਾਈਨ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਉੱਥੇ
ਰਿਫਰੈਸ਼ ਦਰ ਵਿਕਾਸ ਟੀਮ ਦੁਆਰਾ ਨਿਰਧਾਰਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਉਪਭੋਗਤਾ ਲੋੜਾਂ 'ਤੇ. ਨੂੰ ਤਾਜ਼ਾ ਕਰਨ ਲਈ ਦੋ ਤਰੀਕੇ ਹਨ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ: ਪੂਰੀ ਤਰੋਤਾਜ਼ਾ ਅਤੇ ਲਗਾਤਾਰ ਲੋਡਿੰਗ
ਕੰਬਿਆਮੈਂਟੀ.
ਪਹਿਲੀ ਪਹੁੰਚ, ਪੂਰੀ ਤਰੋਤਾਜ਼ਾ, ਨੂੰ ਮੁੜ ਲੋਡ ਕਰਨ ਦੀ ਲੋੜ ਹੈ
ਸਾਰੇ dati ਸ਼ੁਰੂ ਤੋਂ. ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸਾਰੇ dati ਜ਼ਰੂਰੀ ਹੈ
ਹਰ ਇੱਕ ਤਾਜ਼ਗੀ ਵਿੱਚ ਕੱਢਿਆ, ਸਾਫ਼, ਬਦਲਿਆ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾਵੇ। ਇਹ
ਪਹੁੰਚ, ਜਿੱਥੋਂ ਤੱਕ ਸੰਭਵ ਹੋਵੇ, ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ
ਇਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰਾ ਸਮਾਂ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਇੱਕ ਵਿਕਲਪਿਕ ਪਹੁੰਚ i ਨੂੰ ਲਗਾਤਾਰ ਲੋਡ ਕਰਨਾ ਹੈ
ਤਬਦੀਲੀਆਂ ਇਹ ਜੋੜਦਾ ਹੈ i dati ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਗਿਆ ਹੈ
ਆਖਰੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਰਿਫਰੈਸ਼ ਚੱਕਰ ਤੋਂ ਬਾਅਦ। ਦੀ ਪਛਾਣ
ਨਵੇਂ ਜਾਂ ਸੋਧੇ ਹੋਏ ਰਿਕਾਰਡਾਂ ਦੀ ਮਾਤਰਾ ਨੂੰ ਕਾਫ਼ੀ ਘਟਾਉਂਦਾ ਹੈ
dati ਜਿਸ ਨੂੰ ਹਰੇਕ ਵਿੱਚ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਪ੍ਰਸਾਰਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਇਹਨਾਂ ਤੋਂ ਹੀ ਅੱਪਡੇਟ ਕਰੋ dati ਵਿੱਚ ਜੋੜਿਆ ਜਾਵੇਗਾ ਡਾਟਾਬੇਸ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ.
ਘੱਟ ਤੋਂ ਘੱਟ 5 ਤਰੀਕੇ ਹਨ ਜੋ ਵਾਪਸ ਲੈਣ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ
i dati ਨਵਾਂ ਜਾਂ ਸੋਧਿਆ। ਇੱਕ ਕੁਸ਼ਲ ਰਣਨੀਤੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ
ਦੇਈ ਨੂੰ ਤਾਜ਼ਾ ਕਰੋ dati ਇਹਨਾਂ ਪਹੁੰਚਾਂ ਦਾ ਮਿਸ਼ਰਣ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ
ਸਿਸਟਮ ਵਿੱਚ ਸਾਰੀਆਂ ਤਬਦੀਲੀਆਂ ਨੂੰ ਚੁੱਕਦਾ ਹੈ।
ਪਹਿਲੀ ਪਹੁੰਚ, ਜੋ ਟਾਈਮਸਟੈਂਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਇਹ ਮੰਨਦੀ ਹੈ ਕਿ ਆਉਂਦੀ ਹੈ
ਸਾਰਿਆਂ ਨੂੰ ਸੌਂਪਿਆ ਗਿਆ dati ਇਸ ਲਈ ਇੱਕ ਟਾਈਮਸਟੈਂਪ ਨੂੰ ਸੰਪਾਦਿਤ ਅਤੇ ਅਪਡੇਟ ਕੀਤਾ
ਸਭ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਪਛਾਣ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣ ਲਈ dati ਸੋਧਿਆ ਅਤੇ ਨਵਾਂ।
ਹਾਲਾਂਕਿ, ਇਹ ਪਹੁੰਚ ਜ਼ਿਆਦਾਤਰ ਲੋਕਾਂ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਨਹੀਂ ਵਰਤੀ ਗਈ ਹੈ
ਅੱਜ ਦੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਦਾ ਹਿੱਸਾ।
ਦੂਜੀ ਪਹੁੰਚ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਡੈਲਟਾ ਫਾਈਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ
ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਜਿਸ ਵਿੱਚ ਸਿਰਫ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ ਸ਼ਾਮਲ ਹਨ dati.
ਇਸ ਫਾਈਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਅਪਡੇਟ ਚੱਕਰ ਨੂੰ ਵੀ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਇਹ ਵਿਧੀ ਵੀ ਕਈਆਂ ਵਿੱਚ ਨਹੀਂ ਵਰਤੀ ਗਈ ਹੈ
ਐਪਲੀਕੇਸ਼ਨ.
ਤੀਜੀ ਪਹੁੰਚ ਇੱਕ ਲੌਗ ਫਾਈਲ ਨੂੰ ਸਕੈਨ ਕਰਨਾ ਹੈ, ਜੋ ਕਿ
ਮੂਲ ਰੂਪ ਵਿੱਚ ਡੈਲਟਾ ਫਾਈਲ ਦੇ ਸਮਾਨ ਜਾਣਕਾਰੀ ਰੱਖਦਾ ਹੈ। ਇੱਕੋ ਇੱਕ
ਫਰਕ ਇਹ ਹੈ ਕਿ ਰਿਕਵਰੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਇੱਕ ਲੌਗ ਫਾਈਲ ਬਣਾਈ ਗਈ ਹੈ ਅਤੇ
ਇਹ ਸਮਝਣਾ ਔਖਾ ਹੋ ਸਕਦਾ ਹੈ।
ਚੌਥਾ ਤਰੀਕਾ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਨੂੰ ਸੋਧਣਾ ਹੈ।
ਹਾਲਾਂਕਿ ਜ਼ਿਆਦਾਤਰ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਪੁਰਾਣਾ ਹੈ ਅਤੇ
ਨਾਜ਼ੁਕ; ਇਸ ਲਈ ਇਸ ਤਕਨੀਕ ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ।
ਆਖਰੀ ਪਹੁੰਚ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਹੈ dati ਫਾਈਲ ਦੇ ਨਾਲ ਸਰੋਤ
ਮੁੱਖ ਦੇਵਤੇ dati.
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਗਤੀਵਿਧੀਆਂ ਦਾ ਨਿਯੰਤਰਣ
ਇੱਕ ਵਾਰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਹ ਹੈ
ਸਮੇਂ ਦੇ ਨਾਲ ਇਸ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਪ੍ਰਬੰਧਕ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਪ੍ਰਬੰਧਨ ਸਾਧਨਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਨਿਯੰਤਰਣ. ਵਿਸ਼ੇਸ਼ ਰੂਪ ਤੋਂ
ਲੋਕਾਂ ਅਤੇ ਮੌਸਮ ਬਾਰੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ
ਜਿਸ ਨੂੰ ਉਹ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਤੱਕ ਪਹੁੰਚ ਕਰਦੇ ਹਨ। ਆ ਜਾਓ dati ਫਸਲਾਂ ਬਣਾਈਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ
ਕੀਤੇ ਗਏ ਕੰਮ ਦਾ ਇੱਕ ਪ੍ਰੋਫਾਈਲ ਜਿਸਨੂੰ ਇੰਪੁੱਟ ਵਜੋਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਉਪਭੋਗਤਾ ਚਾਰਜਬੈਕ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ. ਚਾਰਜਬੈਕ
ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਲਾਗਤ ਬਾਰੇ ਸੂਚਿਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ
ਡਾਟਾਵੇਅਰਹਾਊਸ.
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਨਿਯੰਤਰਣ ਲਈ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਸਵਾਲਾਂ ਦੀਆਂ ਕਿਸਮਾਂ, ਉਹਨਾਂ ਦਾ ਆਕਾਰ, ਪ੍ਰਤੀ ਸਵਾਲਾਂ ਦੀ ਗਿਣਤੀ ਦੀ ਪਛਾਣ ਕਰੋ
ਦਿਨ, ਸਵਾਲ ਦਾ ਜਵਾਬ ਸਮਾਂ, ਪਹੁੰਚ ਗਏ ਸੈਕਟਰ ਅਤੇ ਮਾਤਰਾ
di dati ਕਾਰਵਾਈ ਕੀਤੀ. ਦੀ ਜਾਂਚ ਕਰਨ ਦਾ ਇੱਕ ਹੋਰ ਉਦੇਸ਼
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ 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 ਜੋ ਕਿ
ਆਸਾਨੀ ਨਾਲ ਪਹੁੰਚਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਕਾਰਨ ਇਸ ਨੂੰ ਚਾਹੀਦਾ ਹੈ
ਅਣਅਧਿਕਾਰਤ ਉਪਭੋਗਤਾਵਾਂ ਤੋਂ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਜਾਵੇ। ਦਾ ਇੱਕ ਤਰੀਕਾ
ਸੁਰੱਖਿਆ ਨੂੰ ਲਾਗੂ ਕਰਨਾ del ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ ਡੀਬੀਐਮਐਸ
ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੇਣ ਲਈ। ਇਸ ਵਿੱਚ
ਤਰੀਕੇ ਨਾਲ, ਹਰੇਕ ਕਿਸਮ ਦੇ ਉਪਭੋਗਤਾ ਲਈ ਇੱਕ ਪ੍ਰੋਫਾਈਲ ਬਣਾਈ ਰੱਖਣਾ ਲਾਜ਼ਮੀ ਹੈ
ਪਹੁੰਚ ਤੁਹਾਡੇ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਹੈ ਇਸਨੂੰ ਐਨਕ੍ਰਿਪਟ ਕਰਨਾ
ਜਿਵੇਂ ਕਿ ਇਸ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੈ ਡਾਟਾ ਬੇਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ. ਤੱਕ ਪਹੁੰਚ
dati ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਸਾਧਨਾਂ ਨੂੰ ਡੀਕ੍ਰਿਪਟ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ dati ਜਮ੍ਹਾਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ i
ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਨਤੀਜੇ.
2.4.4 ਡੇਟਾ ਵੇਅਰਹਾhouseਸ ਤੈਨਾਤੀ ਪੜਾਅ
ਇਹ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਲਾਗੂ ਕਰਨ ਦੇ ਚੱਕਰ ਵਿੱਚ ਆਖਰੀ ਪੜਾਅ ਹੈ। ਦ
ਇਸ ਪੜਾਅ ਵਿੱਚ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚ ਸਿਖਲਾਈ ਸ਼ਾਮਲ ਹੈ
ਉਪਭੋਗਤਾ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਸਮੀਖਿਆਵਾਂ ਬਣਾਉਣ ਲਈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੇ.
ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ
ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਪਹਿਲਾਂ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ
ਤੱਕ ਪਹੁੰਚ ਦਾ dati ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ
ਪ੍ਰਾਪਤੀ. ਆਮ ਤੌਰ 'ਤੇ, ਸੈਸ਼ਨ ਸ਼ੁਰੂ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ
ਦੀ ਸਟੋਰੇਜ਼ ਦੀ ਧਾਰਨਾ ਨਾਲ ਜਾਣ-ਪਛਾਣ dati, ਨੂੰ
ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਸਮੱਗਰੀ, ਏਆਈ ਮੈਟਾ dati ਅਤੇ ਬੁਨਿਆਦੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ
ਸੰਦਾਂ ਦਾ. ਫਿਰ, ਹੋਰ ਉੱਨਤ ਉਪਭੋਗਤਾ ਵੀ ਅਧਿਐਨ ਕਰ ਸਕਦੇ ਹਨ
ਭੌਤਿਕ ਟੇਬਲ ਅਤੇ ਡੇਟਾ ਐਕਸੈਸ ਅਤੇ ਟੂਲਸ ਦੀਆਂ ਉਪਭੋਗਤਾ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ
ਪ੍ਰਾਪਤੀ.
ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਤਰੀਕੇ ਹਨ. ਵਿਚੋ ਇਕ
ਇਹਨਾਂ ਵਿੱਚ ਇੱਕ ਦੁਆਰਾ ਚੁਣੇ ਗਏ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦੀ ਚੋਣ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ
ਉਪਭੋਗਤਾਵਾਂ ਦਾ ਸਮੂਹ, ਉਹਨਾਂ ਦੀ ਅਗਵਾਈ ਅਤੇ ਯੋਗਤਾ ਦੇ ਅਧਾਰ ਤੇ
ਸੰਚਾਰ. ਇਹਨਾਂ ਨੂੰ ਇੱਕ ਨਿੱਜੀ ਸਮਰੱਥਾ ਵਿੱਚ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ
ਨਾਲ ਜਾਣੂ ਹੋਣ ਲਈ ਉਹਨਾਂ ਨੂੰ ਸਭ ਕੁਝ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ
ਸਿਸਟਮ. ਸਿਖਲਾਈ ਖਤਮ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਉਹ ਆਪਣੇ ਕੰਮ 'ਤੇ ਵਾਪਸ ਆ ਜਾਂਦੇ ਹਨ ਅਤੇ
ਉਹ ਦੂਜੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਿਖਾਉਣਾ ਸ਼ੁਰੂ ਕਰਦੇ ਹਨ ਕਿ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ। ਦੇ ਉਤੇ
ਉਹਨਾਂ ਨੇ ਜੋ ਸਿੱਖਿਆ ਹੈ ਉਸ ਦੇ ਆਧਾਰ 'ਤੇ, ਦੂਜੇ ਉਪਭੋਗਤਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹਨ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਪੜਚੋਲ ਕਰੋ।
ਇੱਕ ਹੋਰ ਪਹੁੰਚ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਸੇ ਵਿੱਚ ਸਿਖਲਾਈ ਦੇਣਾ ਹੈ
ਸਮਾਂ, ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਕਲਾਸਰੂਮ ਦਾ ਕੋਰਸ ਕਰ ਰਹੇ ਹੋ। ਇਹ ਵਿਧੀ
ਇਹ ਉਦੋਂ ਢੁਕਵਾਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾ ਹੁੰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਇੱਕੋ ਹੀ ਸਮੇਂ ਵਿੱਚ. ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਹੈ ਸਿਖਲਾਈ ਦੇਣਾ
ਹਰੇਕ ਉਪਭੋਗਤਾ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ, ਇਕ-ਇਕ ਕਰਕੇ. ਇਹ ਤਰੀਕਾ ਹੈ
ਜਦੋਂ ਘੱਟ ਉਪਭੋਗਤਾ ਹੋਣ ਤਾਂ ਢੁਕਵਾਂ।
ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਦਾ ਉਦੇਸ਼ ਤੁਹਾਨੂੰ ਜਾਣੂ ਕਰਵਾਉਣਾ ਹੈ
ਤੱਕ ਪਹੁੰਚ ਦੇ ਨਾਲ dati ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤੀ ਦੇ ਸਾਧਨਾਂ ਦੇ ਨਾਲ ਨਾਲ ਦੀ ਸਮੱਗਰੀ
ਡਾਟਾਵੇਅਰਹਾਊਸ. ਹਾਲਾਂਕਿ, ਕੁਝ ਉਪਭੋਗਤਾ ਹਾਵੀ ਹੋ ਸਕਦੇ ਹਨ
ਸੈਸ਼ਨ ਦੌਰਾਨ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਦੀ ਮਾਤਰਾ ਦੁਆਰਾ
ਸਿਖਲਾਈ ਇਸ ਲਈ ਇੱਕ ਨਿਸ਼ਚਿਤ ਗਿਣਤੀ ਵਿੱਚ ਕੰਮ ਕਰਨੇ ਪੈਂਦੇ ਹਨ
ਜਵਾਬ ਦੇਣ ਲਈ ਚੱਲ ਰਹੇ ਸਮਰਥਨ ਅਤੇ ਰਿਫਰੈਸ਼ਰ ਸੈਸ਼ਨ
ਖਾਸ ਸਵਾਲਾਂ ਲਈ. ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇੱਕ ਸਮੂਹ ਬਣਦਾ ਹੈ
ਇਸ ਕਿਸਮ ਦੀ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਉਪਭੋਗਤਾ।
ਫੀਡਬੈਕ ਇਕੱਠਾ ਕਰਨਾ
ਇੱਕ ਵਾਰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਰੋਲ ਆਊਟ ਹੋ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਉਪਭੋਗਤਾ ਕਰ ਸਕਦੇ ਹਨ
i ਦੀ ਵਰਤੋਂ ਕਰੋ dati ਜੋ ਵੱਖ-ਵੱਖ ਉਦੇਸ਼ਾਂ ਲਈ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ।
ਜ਼ਿਆਦਾਤਰ, ਵਿਸ਼ਲੇਸ਼ਕ ਜਾਂ ਉਪਭੋਗਤਾ i dati ਨੇਲ
ਲਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ:
1 ਕੰਪਨੀ ਦੇ ਰੁਝਾਨਾਂ ਦੀ ਪਛਾਣ ਕਰੋ
2 ਦੇ ਖਰੀਦ ਪ੍ਰੋਫਾਈਲਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ ਗਾਹਕ
3 ਵੰਡ i ਗਾਹਕ ਐਡ ਆਈ
4 ਨੂੰ ਵਧੀਆ ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰੋ ਗਾਹਕ - ਸੇਵਾਵਾਂ ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰੋ
5 ਰਣਨੀਤੀਆਂ ਤਿਆਰ ਕਰੋ ਮਾਰਕੀਟਿੰਗ
6 ਲਾਗਤ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਮਦਦ ਲਈ ਪ੍ਰਤੀਯੋਗੀ ਹਵਾਲੇ ਪ੍ਰਦਾਨ ਕਰੋ
ਕੰਟਰੋਲ
7 ਰਣਨੀਤਕ ਫੈਸਲੇ ਲੈਣ ਦਾ ਸਮਰਥਨ ਕਰੋ
8 ਬਾਹਰ ਖੜ੍ਹੇ ਹੋਣ ਦੇ ਮੌਕਿਆਂ ਦੀ ਪਛਾਣ ਕਰੋ
9 ਮੌਜੂਦਾ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰੋ
10 ਲਾਭ ਦੀ ਜਾਂਚ ਕਰੋ
ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੇ ਵਿਕਾਸ ਦੀ ਦਿਸ਼ਾ ਦੇ ਬਾਅਦ, ਉਹ ਕਰ ਸਕਦੇ ਹਨ
ਫੀਡਬੈਕ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸਿਸਟਮ ਸਮੀਖਿਆਵਾਂ ਦੀ ਇੱਕ ਲੜੀ ਦਾ ਸੰਚਾਲਨ ਕਰੋ
ਦੋਨੋ ਵਿਕਾਸ ਟੀਮ ਅਤੇ ਦੇ ਭਾਈਚਾਰੇ ਤੱਕ
ਅੰਤਮ ਉਪਭੋਗਤਾ।
ਲਈ ਪ੍ਰਾਪਤ ਨਤੀਜਿਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਅਗਲਾ ਵਿਕਾਸ ਚੱਕਰ.
ਕਿਉਂਕਿ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਇੱਕ ਵਧਦੀ ਪਹੁੰਚ ਹੈ,
ਪਿਛਲੀਆਂ ਸਫਲਤਾਵਾਂ ਅਤੇ ਗਲਤੀਆਂ ਤੋਂ ਸਿੱਖਣਾ ਜ਼ਰੂਰੀ ਹੈ
ਵਿਕਾਸ.
2.5 ਸੰਖੇਪ
ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਮੌਜੂਦ ਪਹੁੰਚਾਂ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ
ਸਾਹਿਤ. ਭਾਗ 1 ਵਿੱਚ ਦੇ ਸੰਕਲਪ 'ਤੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ
ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਫੈਸਲੇ ਵਿਗਿਆਨ ਵਿੱਚ ਇਸਦੀ ਭੂਮਿਕਾ। ਵਿੱਚ
ਭਾਗ 2 ਵਿਚਕਾਰ ਮੁੱਖ ਅੰਤਰ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ OLTP ਸਿਸਟਮ। ਭਾਗ 3 ਵਿੱਚ ਅਸੀਂ ਚਰਚਾ ਕੀਤੀ ਹੈ
ਮੋਨਾਸ਼ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਮਾਡਲ ਜੋ ਵਰਤਿਆ ਗਿਆ ਸੀ
ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸ਼ਾਮਲ ਗਤੀਵਿਧੀਆਂ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ ਸੈਕਸ਼ਨ 4 ਵਿੱਚ
ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦਾ ਵਿਕਾਸ, ਇਹ ਥੀਸਸ 'ਤੇ ਆਧਾਰਿਤ ਨਹੀਂ ਹਨ
ਸਖ਼ਤ ਖੋਜ. ਅਸਲੀਅਤ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ ਹੋ ਸਕਦਾ ਹੈ
ਸਾਹਿਤ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਨਾਲੋਂ ਬਹੁਤ ਵੱਖਰਾ ਹੈ, ਹਾਲਾਂਕਿ ਇਹ
ਨਤੀਜੇ ਨੂੰ ਇੱਕ ਬੁਨਿਆਦੀ ਸਮਾਨ ਬਣਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਇਸ ਖੋਜ ਲਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਧਾਰਨਾ 'ਤੇ ਜ਼ੋਰ ਦਿਓ।
ਕੈਪੀਟੋਲੋ 3
ਖੋਜ ਅਤੇ ਡਿਜ਼ਾਈਨ ਢੰਗ
ਇਹ ਅਧਿਆਇ ਖੋਜ ਅਤੇ ਡਿਜ਼ਾਈਨ ਦੇ ਤਰੀਕਿਆਂ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ
ਇਸ ਅਧਿਐਨ. ਪਹਿਲਾ ਭਾਗ ਤਰੀਕਿਆਂ ਦਾ ਇੱਕ ਆਮ ਦ੍ਰਿਸ਼ ਦਿਖਾਉਂਦਾ ਹੈ
ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਉਪਲਬਧ ਖੋਜ ਦਾ, ਇਸ ਤੋਂ ਇਲਾਵਾ
ਇੱਕ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਢੰਗ ਚੁਣਨ ਦੇ ਮਾਪਦੰਡਾਂ 'ਤੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ
ਖਾਸ ਅਧਿਐਨ. ਫਿਰ ਸੈਕਸ਼ਨ 2 ਵਿੱਚ ਦੋ ਤਰੀਕਿਆਂ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ
ਹੁਣੇ ਨਿਰਧਾਰਤ ਮਾਪਦੰਡ ਨਾਲ ਚੁਣਿਆ ਗਿਆ ਹੈ; ਇਹਨਾਂ ਵਿੱਚੋਂ ਚੁਣਿਆ ਜਾਵੇਗਾ ਅਤੇ
ਸੈਕਸ਼ਨ 3 ਵਿੱਚ ਦੱਸੇ ਗਏ ਕਾਰਨਾਂ ਦੇ ਨਾਲ ਇੱਕ ਨੂੰ ਅਪਣਾਇਆ ਗਿਆ ਹੈ ਜਿੱਥੇ ਉਹ ਹਨ
ਹੋਰ ਮਾਪਦੰਡ ਨੂੰ ਬਾਹਰ ਕੱਢਣ ਦੇ ਕਾਰਨ ਵੀ ਦੱਸੇ ਗਏ ਹਨ। ਉੱਥੇ
ਸੈਕਸ਼ਨ 4 ਖੋਜ ਡਿਜ਼ਾਈਨ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਸੈਕਸ਼ਨ 5 ਇਸਨੂੰ ਪੇਸ਼ ਕਰਦਾ ਹੈ
ਸਿੱਟੇ.
3.1 ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਖੋਜ
ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਖੋਜ ਸਿਰਫ਼ ਸੀਮਤ ਨਹੀਂ ਹੈ
ਟੈਕਨੋਲੋਜੀ ਦੇ ਖੇਤਰ ਲਈ ਪਰ ਇਸ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਵੀ ਵਧਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਵਿਹਾਰ ਅਤੇ ਸੰਗਠਨ ਸੰਬੰਧੀ ਟੀਚੇ।
ਤੋਂ ਲੈ ਕੇ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਦੇ ਥੀਸਿਸ ਲਈ ਅਸੀਂ ਇਸਦਾ ਰਿਣੀ ਹਾਂ
ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਤੋਂ ਕੁਦਰਤੀ ਵਿਗਿਆਨ; ਇਹ ਏ ਦੀ ਲੋੜ ਵੱਲ ਖੜਦਾ ਹੈ
ਖੋਜ ਵਿਧੀਆਂ ਦੇ ਕੁਝ ਸਪੈਕਟ੍ਰਮ ਜਿਸ ਵਿੱਚ ਮਾਤਰਾਤਮਕ ਵਿਧੀਆਂ ਸ਼ਾਮਲ ਹਨ
ਅਤੇ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਗੁਣਾਤਮਕ।
ਸਾਰੀਆਂ ਉਪਲਬਧ ਖੋਜ ਵਿਧੀਆਂ ਮਹੱਤਵਪੂਰਨ ਹਨ, ਅਸਲ ਵਿੱਚ ਕਈ
ਖੋਜਕਰਤਾਵਾਂ ਜਿਵੇਂ ਕਿ ਜੇਨਕਿੰਸ (1985), ਨੂਨਮੇਕਰ ਐਟ ਅਲ. (1991), ਅਤੇ ਗੈਲੀਅਰਸ
(1992) ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਕੋਈ ਖਾਸ ਸਰਵ ਵਿਆਪਕ ਢੰਗ ਨਹੀਂ ਹੈ
ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਖੋਜ ਕਰਨ ਲਈ; ਦਰਅਸਲ
ਇੱਕ ਵਿਧੀ ਕਿਸੇ ਖਾਸ ਖੋਜ ਲਈ ਢੁਕਵੀਂ ਹੋ ਸਕਦੀ ਹੈ ਪਰ ਨਹੀਂ
ਦੂਜਿਆਂ ਲਈ। ਇਹ ਸਾਨੂੰ ਇੱਕ ਢੰਗ ਦੀ ਚੋਣ ਕਰਨ ਦੀ ਲੋੜ ਲਿਆਉਂਦਾ ਹੈ
ਸਾਡੇ ਖਾਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਲਈ ਢੁਕਵਾਂ ਹੈ: ਇਸਦੇ ਲਈ
ਚੋਣ Benbasat et al. (1987) ਨੇ ਕਿਹਾ ਕਿ ਉਹਨਾਂ 'ਤੇ ਵਿਚਾਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਉਦੇਸ਼।
3.1.1 ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ
ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਆਧਾਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਹੋ ਸਕਦੇ ਹਨ
ਵਿਗਿਆਨ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਜਾਣੀਆਂ ਜਾਂਦੀਆਂ ਤਿੰਨ ਪਰੰਪਰਾਵਾਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ
ਜਾਣਕਾਰੀ ਦਾ: ਸਕਾਰਾਤਮਕ, ਵਿਆਖਿਆਤਮਕ ਅਤੇ ਆਲੋਚਨਾਤਮਕ ਖੋਜ।
3.1.1.1 ਸਕਾਰਾਤਮਕ ਖੋਜ
ਸਕਾਰਾਤਮਕ ਖੋਜ ਨੂੰ ਵਿਗਿਆਨਕ ਅਧਿਐਨ ਜਾਂ ਵਜੋਂ ਵੀ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ
ਅਨੁਭਵੀ। ਇਹ ਇਹ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ: “ਵਿਖਿਆਨ ਕਰੋ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰੋ ਕਿ ਵਿੱਚ ਕੀ ਹੋਵੇਗਾ
ਨਿਯਮਿਤਤਾ ਅਤੇ ਕਾਰਨ-ਅਤੇ-ਪ੍ਰਭਾਵ ਸਬੰਧਾਂ ਨੂੰ ਦੇਖ ਕੇ ਸਮਾਜਿਕ ਸੰਸਾਰ
ਉਹਨਾਂ ਤੱਤਾਂ ਵਿੱਚੋਂ ਜੋ ਇਸਨੂੰ ਬਣਾਉਂਦੇ ਹਨ" (ਸ਼ੈਂਕਸ ਐਟ ਅਲ 1993)।
ਸਕਾਰਾਤਮਕ ਖੋਜ ਵੀ ਦੁਹਰਾਉਣਯੋਗਤਾ ਦੁਆਰਾ ਦਰਸਾਈ ਜਾਂਦੀ ਹੈ,
ਸਰਲੀਕਰਨ ਅਤੇ ਖੰਡਨ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਕਾਰਾਤਮਕ ਖੋਜ ਸਵੀਕਾਰ ਕਰਦੀ ਹੈ
ਅਧਿਐਨ ਕੀਤੇ ਗਏ ਵਰਤਾਰੇ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਤਰਜੀਹੀ ਸਬੰਧਾਂ ਦੀ ਮੌਜੂਦਗੀ.
ਗੈਲੀਅਰਜ਼ (1992) ਦੇ ਅਨੁਸਾਰ ਵਰਗੀਕਰਨ ਇੱਕ ਖੋਜ ਵਿਧੀ ਹੈ
ਸਕਾਰਾਤਮਕ ਪੈਰਾਡਾਈਮ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਇਸ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੈ,
ਅਸਲ ਵਿੱਚ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਪ੍ਰਯੋਗ ਹਨ, ਖੇਤਰੀ ਪ੍ਰਯੋਗ,
ਕੇਸ ਅਧਿਐਨ, ਪ੍ਰਮੇਏ ਸਬੂਤ, ਭਵਿੱਖਬਾਣੀਆਂ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ।
ਇਹਨਾਂ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਖੋਜਕਰਤਾ ਮੰਨਦੇ ਹਨ ਕਿ ਵਰਤਾਰੇ
ਅਧਿਐਨ ਨੂੰ ਬਾਹਰਮੁਖੀ ਅਤੇ ਸਖ਼ਤੀ ਨਾਲ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ।
3.1.1.2 ਵਿਆਖਿਆਤਮਕ ਖੋਜ
ਵਿਆਖਿਆਤਮਕ ਖੋਜ, ਜਿਸ ਨੂੰ ਅਕਸਰ ਫੈਨੋਮੇਨੋਲੋਜੀ ਜਾਂ ਕਿਹਾ ਜਾਂਦਾ ਹੈ
ਨਿਉਮਨ (1994) ਦੁਆਰਾ "ਵਿਸ਼ਲੇਸ਼ਣ" ਦੇ ਰੂਪ ਵਿੱਚ ਵਿਰੋਧੀ-ਸਕਾਰਤਮਕਤਾ ਦਾ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਹੈ
ਸਿੱਧੇ ਅਤੇ ਦੁਆਰਾ ਕਾਰਵਾਈ ਦੇ ਸਮਾਜਿਕ ਅਰਥ ਦਾ ਯੋਜਨਾਬੱਧ
ਕੁਦਰਤੀ ਸਥਿਤੀਆਂ ਵਿੱਚ ਲੋਕਾਂ ਦਾ ਵਿਸਤ੍ਰਿਤ ਨਿਰੀਖਣ, ਕ੍ਰਮ ਵਿੱਚ
ਇਸ ਦੀ ਸਮਝ ਅਤੇ ਵਿਆਖਿਆ 'ਤੇ ਪਹੁੰਚਣ ਲਈ ਕਿ ਕਿਵੇਂ
ਲੋਕ ਆਪਣੇ ਸਮਾਜਿਕ ਸੰਸਾਰ ਨੂੰ ਸਿਰਜਦੇ ਅਤੇ ਕਾਇਮ ਰੱਖਦੇ ਹਨ।" ਪੜ੍ਹਾਈ
ਵਿਆਖਿਆਤਮਕ ਵਿਧੀਆਂ ਇਸ ਧਾਰਨਾ ਨੂੰ ਰੱਦ ਕਰਦੀਆਂ ਹਨ ਕਿ ਦੇਖਿਆ ਗਿਆ ਵਰਤਾਰਾ
ਬਾਹਰਮੁਖੀ ਤੌਰ 'ਤੇ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਅਸਲ ਵਿੱਚ ਉਹ ਆਧਾਰਿਤ ਹਨ
ਵਿਅਕਤੀਗਤ ਵਿਆਖਿਆਵਾਂ 'ਤੇ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵਿਆਖਿਆਤਮਕ ਖੋਜਕਰਤਾ ਨਹੀਂ ਕਰਦੇ
ਉਹ ਜਿਸ ਵਰਤਾਰੇ ਦਾ ਅਧਿਐਨ ਕਰਦੇ ਹਨ ਉਸ 'ਤੇ ਉਹ ਤਰਜੀਹੀ ਅਰਥ ਥੋਪਦੇ ਹਨ।
ਇਸ ਵਿਧੀ ਵਿੱਚ ਵਿਅਕਤੀਗਤ/ਦਲੀਲ ਅਧਿਐਨ, ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਸ਼ਾਮਲ ਹਨ
ਖੋਜ, ਵਰਣਨਾਤਮਕ/ਵਿਆਖਿਆਤਮਕ ਅਧਿਐਨ, ਭਵਿੱਖੀ ਖੋਜ ਅਤੇ ਖੇਡਾਂ
ਭੂਮਿਕਾ ਇਨ੍ਹਾਂ ਤੋਂ ਇਲਾਵਾ ਜਾਂਚ ਅਤੇ ਕੇਸ ਸਟੱਡੀ ਵੀ ਹੋ ਸਕਦੀ ਹੈ
ਇਸ ਪਹੁੰਚ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿਉਂਕਿ ਉਹ ਦੇ ਅਧਿਐਨਾਂ ਦੀ ਚਿੰਤਾ ਕਰਦੇ ਹਨ
ਜਟਿਲ ਸਥਿਤੀਆਂ ਵਿੱਚ ਵਿਅਕਤੀ ਜਾਂ ਸੰਸਥਾਵਾਂ
ਅਸਲ ਸੰਸਾਰ ਦੇ.
3.1.1.3 ਆਲੋਚਨਾਤਮਕ ਖੋਜ
ਨਾਜ਼ੁਕ ਪੁੱਛਗਿੱਛ ਵਿਗਿਆਨ ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ ਜਾਣੀ ਜਾਂਦੀ ਪਹੁੰਚ ਹੈ
ਸਮਾਜਿਕ ਪਰ ਹਾਲ ਹੀ ਵਿੱਚ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਧਿਆਨ ਪ੍ਰਾਪਤ ਕੀਤਾ ਹੈ
ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਖੇਤਰ ਵਿੱਚ. ਦਾਰਸ਼ਨਿਕ ਧਾਰਨਾ ਹੈ ਕਿ
ਸਮਾਜਿਕ ਹਕੀਕਤ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਲੋਕਾਂ ਦੁਆਰਾ ਪੈਦਾ ਅਤੇ ਦੁਬਾਰਾ ਪੈਦਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ,
ਨਾਲ ਹੀ ਉਹਨਾਂ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਅਤੇ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਦੇ ਨਾਲ ਸਮਾਜਿਕ ਪ੍ਰਣਾਲੀਆਂ। ਉਹਨਾਂ ਦੇ
ਯੋਗਤਾ, ਹਾਲਾਂਕਿ, ਵਿਚਾਰ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਮਾਤਰਾ ਦੁਆਰਾ ਵਿਚੋਲਗੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਸਮਾਜਿਕ, ਸੱਭਿਆਚਾਰਕ ਅਤੇ ਸਿਆਸੀ।
ਜਿਵੇਂ ਕਿ ਵਿਆਖਿਆਤਮਕ ਖੋਜ, ਆਲੋਚਨਾਤਮਕ ਖੋਜ ਇਹ ਰੱਖਦੀ ਹੈ ਕਿ
ਸਕਾਰਾਤਮਕ ਖੋਜ ਦਾ ਸਮਾਜਿਕ ਸੰਦਰਭ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਮਨੁੱਖੀ ਕਿਰਿਆਵਾਂ 'ਤੇ ਇਸਦਾ ਪ੍ਰਭਾਵ।
ਆਲੋਚਨਾਤਮਕ ਖੋਜ, ਦੂਜੇ ਪਾਸੇ, ਲਈ ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਦੀ ਆਲੋਚਨਾ ਕਰਦੀ ਹੈ
ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਿਅਕਤੀਗਤ ਬਣੋ ਅਤੇ ਕਿਉਂਕਿ ਇਸਦਾ ਉਦੇਸ਼ ਮਦਦ ਕਰਨਾ ਨਹੀਂ ਹੈ
ਲੋਕ ਆਪਣੇ ਜੀਵਨ ਨੂੰ ਸੁਧਾਰਨ ਲਈ. ਵਿਚਕਾਰ ਸਭ ਤੋਂ ਵੱਡਾ ਅੰਤਰ
ਆਲੋਚਨਾਤਮਕ ਖੋਜ ਅਤੇ ਹੋਰ ਦੋ ਪਹੁੰਚ ਇਸਦਾ ਮੁਲਾਂਕਣ ਮਾਪ ਹੈ।
ਜਦੋਂ ਕਿ ਸਾਕਾਰਵਾਦੀ ਅਤੇ ਵਿਆਖਿਆਤਮਕ ਪਰੰਪਰਾਵਾਂ ਦੀ ਬਾਹਰਮੁਖੀਤਾ ਲਈ ਹੈ
ਸਥਿਤੀ ਜਾਂ ਸਮਾਜਿਕ ਹਕੀਕਤ ਦੀ ਭਵਿੱਖਬਾਣੀ ਜਾਂ ਵਿਆਖਿਆ ਕਰੋ, ਨਾਜ਼ੁਕ ਖੋਜ
ਅੰਤਰੀਵ ਸਮਾਜਿਕ ਹਕੀਕਤ ਦਾ ਆਲੋਚਨਾਤਮਕ ਮੁਲਾਂਕਣ ਅਤੇ ਰੂਪਾਂਤਰਣ ਦਾ ਉਦੇਸ਼ ਹੈ
ਸਟੂਡੀਓ
ਆਲੋਚਨਾਤਮਕ ਖੋਜਕਰਤਾ ਆਮ ਤੌਰ 'ਤੇ ਕ੍ਰਮ ਵਿੱਚ ਸਥਿਤੀ ਦਾ ਵਿਰੋਧ ਕਰਦੇ ਹਨ
ਸਮਾਜਿਕ ਅੰਤਰ ਨੂੰ ਦੂਰ ਕਰਨਾ ਅਤੇ ਸਮਾਜਿਕ ਸਥਿਤੀਆਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ। ਉੱਥੇ
ਆਲੋਚਨਾਤਮਕ ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਿਆਤਮਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਪ੍ਰਤੀ ਵਚਨਬੱਧਤਾ ਹੈ
ਦਿਲਚਸਪੀ ਦੇ ਵਰਤਾਰੇ ਅਤੇ, ਇਸ ਲਈ, ਆਮ ਤੌਰ 'ਤੇ ਲੰਬਕਾਰੀ ਹੈ.
ਖੋਜ ਵਿਧੀਆਂ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਲੰਬੇ ਸਮੇਂ ਦੇ ਇਤਿਹਾਸਕ ਅਧਿਐਨ ਹਨ ਅਤੇ
ਨਸਲੀ ਵਿਗਿਆਨ ਅਧਿਐਨ. ਆਲੋਚਨਾਤਮਕ ਖੋਜ, ਹਾਲਾਂਕਿ, ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ
ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਖੋਜ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
3.1.2 ਖੋਜ ਦਾ ਉਦੇਸ਼
ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਨਾਲ, ਇਸਦਾ ਉਦੇਸ਼ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਇੱਕ ਖਾਸ ਢੰਗ ਦੀ ਚੋਣ ਕਰਨ ਵਿੱਚ ਖੋਜਕਰਤਾ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ
ਖੋਜ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦਾ ਉਦੇਸ਼ ਨੇੜਿਓਂ ਜੁੜਿਆ ਹੋਇਆ ਹੈ
ਖੋਜ ਚੱਕਰ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਖੋਜ ਦੀ ਸਥਿਤੀ ਤੱਕ ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ
ਤਿੰਨ ਪੜਾਅ: ਥਿਊਰੀ ਬਿਲਡਿੰਗ, ਥਿਊਰੀ ਟੈਸਟਿੰਗ, ਅਤੇ ਥਿਊਰੀ ਰਿਫਾਈਨਮੈਂਟ
ਸਿਧਾਂਤ। ਇਸ ਲਈ, ਖੋਜ ਚੱਕਰ ਦੇ ਸਬੰਧ ਵਿੱਚ ਗਤੀ ਦੇ ਅਧਾਰ ਤੇ, ਏ
ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦਾ ਵਿਆਖਿਆਤਮਕ, ਵਰਣਨਯੋਗ, ਉਦੇਸ਼ ਹੋ ਸਕਦਾ ਹੈ
ਖੋਜੀ ਜਾਂ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲਾ।
3.1.2.1 ਖੋਜੀ ਖੋਜ
ਖੋਜੀ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਕਿਸੇ ਵਿਸ਼ੇ ਦੀ ਜਾਂਚ ਕਰਨਾ ਹੈ
ਬਿਲਕੁਲ ਨਵਾਂ ਅਤੇ ਖੋਜ ਪ੍ਰਸ਼ਨਾਂ ਅਤੇ ਅਨੁਮਾਨਾਂ ਨੂੰ ਤਿਆਰ ਕਰਦਾ ਹੈ
ਭਵਿੱਖ. ਦੇ ਨਿਰਮਾਣ ਵਿੱਚ ਇਸ ਕਿਸਮ ਦੀ ਖੋਜ ਵਰਤੀ ਜਾਂਦੀ ਹੈ
ਇੱਕ ਨਵੇਂ ਖੇਤਰ ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਹਵਾਲੇ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸਿਧਾਂਤ।
ਆਮ ਤੌਰ 'ਤੇ, ਗੁਣਾਤਮਕ ਖੋਜ ਵਿਧੀਆਂ, ਜਿਵੇਂ ਕਿ ਕੇਸ, ਵਰਤੇ ਜਾਂਦੇ ਹਨ
ਅਧਿਐਨ ਜਾਂ ਵਰਤਾਰੇ ਸੰਬੰਧੀ ਅਧਿਐਨਾਂ ਦਾ।
ਹਾਲਾਂਕਿ, ਗਿਣਾਤਮਕ ਤਕਨੀਕਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰਨਾ ਵੀ ਸੰਭਵ ਹੈ ਜਿਵੇਂ ਕਿ
ਖੋਜੀ ਜਾਂਚ ਜਾਂ ਪ੍ਰਯੋਗ।
3.1.3.3 ਵਰਣਨਯੋਗ ਖੋਜ
ਵਰਣਨਾਤਮਕ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਵੱਡੇ ਹਿੱਸੇ ਵਿੱਚ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਰਣਨ ਕਰਨਾ ਹੈ
ਕਿਸੇ ਖਾਸ ਸਥਿਤੀ ਜਾਂ ਸੰਗਠਨਾਤਮਕ ਅਭਿਆਸ ਦਾ ਵੇਰਵਾ। ਇਹ
ਥਿਊਰੀ ਬਿਲਡਿੰਗ ਲਈ ਢੁਕਵਾਂ ਹੈ ਅਤੇ ਇਸਦੇ ਲਈ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਅਨੁਮਾਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਜਾਂ ਵਿਵਾਦ. ਵਰਣਨਯੋਗ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ
ਮਾਪ ਅਤੇ ਨਮੂਨਿਆਂ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੈ। ਖੋਜ ਦੇ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਤਰੀਕੇ
ਪੂਰਵਜਾਂ ਦੀ ਜਾਂਚ 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 ਖੋਜਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਇਹਨਾਂ ਤੱਥਾਂ ਦੇ ਕਾਰਨ.
ਇਸ ਲਈ ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ ਖੋਜ 'ਤੇ ਬਣਾਈ ਜਾਂਦੀ ਹੈ
ਖੋਜੀ ਜਾਂ ਵਰਣਨਯੋਗ ਅਤੇ ਟੈਸਟਿੰਗ ਅਤੇ ਰਿਫਾਈਨਿੰਗ ਲਈ ਸਹਾਇਕ ਹੈ
ਸਿਧਾਂਤ। ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ ਕੇਸ ਅਧਿਐਨਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰਦੀ ਹੈ
ਜਾਂ ਸਰਵੇਖਣ-ਅਧਾਰਿਤ ਖੋਜ ਵਿਧੀਆਂ।
3.1.2.4 ਰੋਕਥਾਮ ਖੋਜ
ਰੋਕਥਾਮ ਖੋਜ ਦਾ ਉਦੇਸ਼ ਘਟਨਾਵਾਂ ਅਤੇ ਵਿਵਹਾਰਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਹੈ
ਨਿਰੀਖਣ ਅਧੀਨ 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 ਬਹੁਤ ਸਾਰੇ ਹਨ
ਸੰਭਾਵਿਤ ਖੋਜ ਵਿਧੀਆਂ ਜੋ ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ
ਖਾਸ ਹਾਲਾਂਕਿ, ਇੱਕ ਖਾਸ ਤਰੀਕਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਵਧੇਰੇ ਢੁਕਵਾਂ ਹੋਵੇ
ਕਿਸੇ ਖਾਸ ਕਿਸਮ ਦੇ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਲਈ ਦੂਜਿਆਂ ਦਾ। (ਗੈਲੀਅਰਸ
1987, ਯਿਨ 1989, ਡੀ ਵੌਸ 1991)। ਹਰ ਖੋਜਕਾਰ, ਇਸ ਲਈ, ਹੈ
ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ ਦਾ ਧਿਆਨ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਲੋੜ ਹੈ
ਵੱਖ-ਵੱਖ ਢੰਗ, ਸਭ ਤੋਂ ਢੁਕਵੀਂ ਖੋਜ ਵਿਧੀ ਅਪਣਾਉਣ ਲਈ e
ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੇ ਅਨੁਕੂਲ. (ਜੇਨਕਿੰਸ 1985, ਪਰਵਾਨ ਅਤੇ ਕਲਾਸ
1992, ਬੋਨੋਮੀਆ 1985, ਯਿਨ 1989, ਹਿਮਿਲਟਨ ਅਤੇ ਆਈਵਸ 1992)।
3.2 ਸੰਭਵ ਖੋਜ ਢੰਗ
ਵਿੱਚ ਅਨੁਭਵ ਦਾ ਅਧਿਐਨ ਕਰਨਾ ਇਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਟੀਚਾ ਸੀ
ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਆਈ dati ਇੱਕ ਨਾਲ ਸਟੋਰ ਕੀਤਾ
ਦਾ ਵਿਕਾਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਦੀ ਮਿਤੀ ਜੋ, ਵਰਤਮਾਨ ਵਿੱਚ, ਇੱਕ ਹੈ
ਆਸਟਰੇਲੀਆ ਵਿੱਚ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਖੇਤਰ ਵਿੱਚ ਖੋਜ ਦੀ ਘਾਟ,
ਇਹ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਅਜੇ ਵੀ ਚੱਕਰ ਦੇ ਸਿਧਾਂਤਕ ਪੜਾਅ ਵਿੱਚ ਹੈ
ਖੋਜ ਅਤੇ ਇੱਕ ਖੋਜੀ ਉਦੇਸ਼ ਹੈ। ਵਿੱਚ ਅਨੁਭਵ ਦੀ ਪੜਚੋਲ ਕਰ ਰਿਹਾ ਹੈ
ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਨੂੰ ਅਪਣਾ ਰਹੀਆਂ ਹਨ
ਅਸਲ ਸਮਾਜ ਦੀ ਵਿਆਖਿਆ ਦੀ ਲੋੜ ਹੈ। ਸਿੱਟੇ ਵਜੋਂ, ਦ
ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਹੇਠਲੀ ਦਾਰਸ਼ਨਿਕ ਧਾਰਨਾ ਹੇਠ ਲਿਖੇ ਅਨੁਸਾਰ ਹੈ
ਰਵਾਇਤੀ ਵਿਆਖਿਆ.
ਉਪਲਬਧ ਤਰੀਕਿਆਂ ਦੀ ਸਖ਼ਤ ਜਾਂਚ ਤੋਂ ਬਾਅਦ, ਉਨ੍ਹਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ
ਦੋ ਸੰਭਵ ਖੋਜ ਵਿਧੀਆਂ: ਸਰਵੇਖਣ ਅਤੇ ਕੇਸ ਅਧਿਐਨ
(ਕੇਸ ਸਟੱਡੀਜ਼), ਜੋ ਖੋਜ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਖੋਜੀ (ਸ਼ੈਂਕਸ ਐਟ ਅਲ. 1993)। ਗੈਲੀਅਰਜ਼ (1992) ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਕਿ
ਵਿੱਚ ਇਸ ਵਿਸ਼ੇਸ਼ ਅਧਿਐਨ ਲਈ ਇਹਨਾਂ ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਅਨੁਕੂਲਤਾ
ਇਸਦੀ ਸੰਸ਼ੋਧਿਤ ਸ਼੍ਰੇਣੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਉਹ ਉਸਾਰੀ ਲਈ ਢੁਕਵੇਂ ਹਨ
ਸਿਧਾਂਤਕ। ਹੇਠਾਂ ਦਿੱਤੇ ਦੋ ਉਪਭਾਗ ਵਿੱਚ ਹਰੇਕ ਵਿਧੀ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ
ਵੇਰਵੇ।
3.2.1 ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ
ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ ਦੀ ਪ੍ਰਾਚੀਨ ਵਿਧੀ ਤੋਂ ਆਉਂਦੀ ਹੈ
ਜਨਗਣਨਾ ਇੱਕ ਜਨਗਣਨਾ ਵਿੱਚ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਇੱਕ ਪੂਰੀ ਆਬਾਦੀ. ਇਹ ਤਰੀਕਾ ਮਹਿੰਗਾ ਅਤੇ ਅਵਿਵਹਾਰਕ ਹੈ
ਖਾਸ ਕਰਕੇ ਜੇਕਰ ਆਬਾਦੀ ਵੱਡੀ ਹੈ। ਇਸ ਲਈ, ਦੇ ਮੁਕਾਬਲੇ
ਜਨਗਣਨਾ, ਇੱਕ ਸਰਵੇਖਣ ਆਮ ਤੌਰ 'ਤੇ ਕੇਂਦਰਿਤ ਹੁੰਦਾ ਹੈ
ਦੀ ਇੱਕ ਛੋਟੀ ਸੰਖਿਆ, ਜਾਂ ਨਮੂਨੇ ਲਈ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰੋ
ਆਬਾਦੀ ਦੇ ਨੁਮਾਇੰਦੇ (ਫੌਲਰ 1988, ਨਿਊਮਨ 1994)। ਏ
ਨਮੂਨਾ ਉਸ ਆਬਾਦੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿੱਥੋਂ ਇਹ ਖਿੱਚਿਆ ਗਿਆ ਹੈ, ਵੱਖ-ਵੱਖ ਨਾਲ
ਸ਼ੁੱਧਤਾ ਦੇ ਪੱਧਰ, ਨਮੂਨਾ ਬਣਤਰ ਦੇ ਅਨੁਸਾਰ,
ਆਕਾਰ ਅਤੇ ਚੋਣ ਵਿਧੀ ਵਰਤੀ ਗਈ (ਫੌਲਰ 1988, ਬੈਬੀ
1982, ਨਿਊਮਨ 1994)।
ਜਾਂਚ ਵਿਧੀ ਨੂੰ "ਅਭਿਆਨਾਂ ਦੇ ਸਨੈਪਸ਼ਾਟ,
ਸਮੇਂ ਦੇ ਕਿਸੇ ਖਾਸ ਬਿੰਦੂ 'ਤੇ ਸਥਿਤੀਆਂ ਜਾਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਵਰਤਦੇ ਹੋਏ
ਪ੍ਰਸ਼ਨਾਵਲੀ ਜਾਂ ਇੰਟਰਵਿਊ, ਜਿਸ ਤੋਂ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ
ਬਣਾਇਆ" (ਗੈਲੀਅਰਜ਼ 1992:153) [ਅਭਿਆਨਾਂ ਦੀ ਤੁਰੰਤ ਫੋਟੋ,
ਸਮੇਂ ਦੇ ਖਾਸ ਬਿੰਦੂ 'ਤੇ ਸਥਿਤੀਆਂ ਜਾਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਵਰਤਦੇ ਹੋਏ
ਪ੍ਰਸ਼ਨਾਵਲੀ ਜਾਂ ਇੰਟਰਵਿਊ, ਜਿਸ ਤੋਂ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ]। ਦ
ਜਾਂਚ ਕੁਝ ਪਹਿਲੂਆਂ 'ਤੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਨਾਲ ਨਜਿੱਠਦੀ ਹੈ
ਅਧਿਐਨ ਦੇ, ਭਾਗੀਦਾਰਾਂ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਗਿਣਤੀ ਦੁਆਰਾ, ਬਣਾਉਣਾ
ਸਵਾਲ (ਫੌਲਰ 1988)। ਵੀ ਇਹ ਪ੍ਰਸ਼ਨਾਵਲੀ ਅਤੇ ਇੰਟਰਵਿਊ, ਜੋ ਕਿ
ਆਹਮੋ-ਸਾਹਮਣੇ ਟੈਲੀਫੋਨ ਅਤੇ ਢਾਂਚਾਗਤ ਇੰਟਰਵਿਊ ਸ਼ਾਮਲ ਕਰੋ,
ਦੀ ਸੰਗ੍ਰਹਿ ਤਕਨੀਕ ਹਨ dati ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
ਪੜਤਾਲਾਂ (ਬਲਲਾਕ 1970, ਨਚਮਿਆਸ ਅਤੇ ਨਚਮਿਆਸ 1976, ਫੌਲਰ
1988), ਨਿਰੀਖਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ (ਗੇਬਲ
1994)। ਇਕੱਠਾ ਕਰਨ ਦੇ ਇਹਨਾਂ ਸਾਰੇ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ dati, ਦੀ ਵਰਤੋਂ
ਪ੍ਰਸ਼ਨਾਵਲੀ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਤਕਨੀਕ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਆਈ dati
ਇਕੱਠੇ ਕੀਤੇ ਗਏ ਹਨ ਢਾਂਚਾਗਤ ਅਤੇ ਫਾਰਮੈਟ, ਅਤੇ ਇਸਲਈ ਸਹੂਲਤ
ਜਾਣਕਾਰੀ ਦਾ ਵਰਗੀਕਰਨ (ਹਵਾਂਗ 1987, ਡੀ ਵੌਸ 1991)।
ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਸਮੇਂ ਆਈ dati, ਇੱਕ ਤਫ਼ਤੀਸ਼ ਰਣਨੀਤੀ ਅਕਸਰ ਇਹਨਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕਰਦੀ ਹੈ
ਮਾਤਰਾਤਮਕ ਤਕਨੀਕਾਂ, ਜਿਵੇਂ ਕਿ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਪਰ ਉਹ ਹੋ ਸਕਦੀਆਂ ਹਨ
ਗੁਣਾਤਮਕ ਤਕਨੀਕਾਂ ਵੀ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ (ਗੈਲੀਅਰਜ਼ 1992, ਪਰਵਾਨ
ਅਤੇ ਕਲਾਸ 1992, ਗੇਬਲ 1994)। ਆਮ ਤੌਰ 'ਤੇ, ਆਈ dati ਇਕੱਠੇ ਕੀਤੇ ਹਨ
ਵੰਡਾਂ ਅਤੇ ਐਸੋਸੀਏਸ਼ਨਾਂ ਦੇ ਪੈਟਰਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
(ਫੌਲਰ 1988)।
ਹਾਲਾਂਕਿ ਸਰਵੇਖਣ ਆਮ ਤੌਰ 'ਤੇ ਖੋਜ ਲਈ ਢੁਕਵੇਂ ਹੁੰਦੇ ਹਨ
ਇਹ ਸਵਾਲ 'ਕੀ?' (ਕੀ) ਜਾਂ ਇਸ ਤੋਂ
ਪ੍ਰਾਪਤ ਕਰਨਾ, ਜਿਵੇਂ ਕਿ 'ਕਿੰਨਾ' ਅਤੇ 'ਕਿੰਨੇ', ਉਹ
'ਕਿਉਂ' ਸਵਾਲ (Sonquist ਅਤੇ
ਡੰਕਲਬਰਗ 1977, ਯਿਨ 1989)। ਸੋਨਕਵਿਸਟ ਅਤੇ ਡੰਕਲਬਰਗ ਦੇ ਅਨੁਸਾਰ
(1977), ਖੋਜ ਜਾਂਚ ਦਾ ਉਦੇਸ਼ ਮੁਸ਼ਕਲ ਅਨੁਮਾਨਾਂ, ਪ੍ਰੋਗਰਾਮ ਦੇ
ਮੁਲਾਂਕਣ, ਆਬਾਦੀ ਦਾ ਵਰਣਨ ਕਰਨਾ ਅਤੇ ਮਾਡਲਾਂ ਦਾ ਵਿਕਾਸ ਕਰਨਾ
ਮਨੁੱਖੀ ਵਿਵਹਾਰ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਰਵੇਖਣਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ
ਆਬਾਦੀ, ਸਥਿਤੀਆਂ ਦੀ ਇੱਕ ਖਾਸ ਰਾਏ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ,
ਵਿਚਾਰ, ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਉਮੀਦਾਂ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਪਿਛਲੇ ਵਿਵਹਾਰ
ਜਾਂ ਮੌਜੂਦਾ (Neuman 1994)।
ਜਾਂਚ ਖੋਜਕਰਤਾ ਨੂੰ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ
ਆਬਾਦੀ ਅਤੇ ਨਤੀਜੇ ਆਮ ਤੌਰ 'ਤੇ ਵੱਧ ਆਮ ਹੁੰਦੇ ਹਨ
ਹੋਰ ਢੰਗ (Sonquist and Dunkelberg 1977, Gable 1994)। ਦ
ਸਰਵੇਖਣ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਭੂਗੋਲਿਕ ਖੇਤਰ ਨੂੰ ਕਵਰ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ
ਵਿਆਪਕ ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਘੋਸ਼ਣਾਕਰਤਾਵਾਂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ (ਬਲਲਾਕ 1970,
ਸੋਨਕਵਿਸਟ ਅਤੇ ਡੰਕਲਬਰਗ 1977, ਹਵਾਂਗ ਅਤੇ ਲਿਨ 1987, ਗੇਬਲ 1994,
ਨਿਊਮਨ 1994)। ਅੰਤ ਵਿੱਚ, ਸਰਵੇਖਣ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ
ਜੋ ਕਿ ਹੋਰ ਕਿਤੇ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਲੋੜੀਂਦੇ ਫਾਰਮ ਵਿੱਚ ਉਪਲਬਧ ਨਹੀਂ ਹਨ
(ਫੌਲਰ 1988)।
ਹਾਲਾਂਕਿ, ਸਰਵੇਖਣ ਕਰਨ ਵਿੱਚ ਕੁਝ ਸੀਮਾਵਾਂ ਹਨ। ਇੱਕ
ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਖੋਜਕਰਤਾ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕਦਾ
ਅਧਿਐਨ ਕੀਤੀ ਵਸਤੂ ਦੇ ਸਬੰਧ ਵਿੱਚ। ਇਹ ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਹੈ ਕਿ
ਜਾਂਚ ਸਿਰਫ਼ ਇੱਕ ਖਾਸ ਸਮੇਂ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਇਸ ਲਈ,
ਇੱਥੇ ਬਹੁਤ ਸਾਰੇ ਵੇਰੀਏਬਲ ਅਤੇ ਲੋਕ ਹਨ ਜੋ ਖੋਜਕਰਤਾ ਕਰ ਸਕਦਾ ਹੈ
ਅਧਿਐਨ (ਯਿਨ 1989, ਡੀ ਵੌਸ 1991, ਗੇਬਲ 1994, ਡੇਨਸਕੋਮਬੇ 1998)।
ਇਕ ਹੋਰ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਸਰਵੇਖਣ ਚਲਾਉਣਾ ਕੀ ਹੋ ਸਕਦਾ ਹੈ
ਸਮੇਂ ਅਤੇ ਸਰੋਤਾਂ ਦੇ ਲਿਹਾਜ਼ ਨਾਲ ਬਹੁਤ ਮਹਿੰਗਾ, ਖਾਸ ਕਰਕੇ ਜੇ
ਫੇਸ-ਟੂ-ਫੇਸ ਇੰਟਰਵਿਊ (ਫੌਲਰ 1988) ਸ਼ਾਮਲ ਹੈ।
3.2.2. ਪੁੱਛਗਿੱਛ ਖੋਜ ਵਿਧੀ
ਪੁੱਛਗਿੱਛ ਖੋਜ ਵਿਧੀ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਅਧਿਐਨ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ
ਇੱਕ ਵਿੱਚ ਇਸਦੇ ਅਸਲ ਸੰਦਰਭ ਵਿੱਚ ਇੱਕ ਖਾਸ ਸਥਿਤੀ
ਸਮੇਂ ਦੀ ਪਰਿਭਾਸ਼ਿਤ ਮਿਆਦ, ਬਿਨਾਂ ਕਿਸੇ ਦਖਲ ਦੇ
ਖੋਜਕਾਰ (ਸ਼ੈਂਕਸ ਐਂਡ ਸੀ. 1993, ਆਈਜ਼ਨਹਾਰਡਟ 1989, ਜੇਨਕਿੰਸ 1985)।
ਮੁੱਖ ਤੌਰ 'ਤੇ ਇਹ ਵਿਧੀ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ
ਵੇਰੀਏਬਲ ਜਿਨ੍ਹਾਂ ਦਾ ਕਿਸੇ ਖਾਸ ਸਥਿਤੀ ਵਿੱਚ ਅਧਿਐਨ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ
(ਗੈਲੀਅਰਜ਼ 1992)। ਜਾਂਚਾਂ ਵਿੱਚ ਵਿਅਕਤੀਗਤ ਕੇਸ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ ਜਾਂ
ਮਲਟੀਪਲ, ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੇ ਗਏ ਵਰਤਾਰੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ (ਫਰਾਂਜ਼ ਅਤੇ ਰੋਬੇ 1987,
ਆਈਜ਼ਨਹਾਰਡਟ 1989, ਯਿਨ 1989)।
ਪੁੱਛਗਿੱਛ ਖੋਜ ਵਿਧੀ ਨੂੰ "ਇੱਕ ਪੁੱਛਗਿੱਛ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ
ਅਨੁਭਵੀ ਅਧਿਐਨ ਜੋ ਕਿ ਦੇ ਅੰਦਰ ਇੱਕ ਸਮਕਾਲੀ ਵਰਤਾਰੇ ਦਾ ਅਧਿਐਨ ਕਰਦਾ ਹੈ
ਸਾਪੇਖਿਕ ਅਸਲ ਸੰਦਰਭ, ਇੱਕ ਜਾਂ ਤੋਂ ਇਕੱਠੇ ਕੀਤੇ ਕਈ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ
ਕਈ ਸੰਸਥਾਵਾਂ ਜਿਵੇਂ ਕਿ ਲੋਕ, ਸਮੂਹ ਜਾਂ ਸੰਸਥਾਵਾਂ" (ਯਿਨ 1989)।
ਵਰਤਾਰੇ ਅਤੇ ਇਸਦੇ ਸੰਦਰਭ ਵਿੱਚ ਕੋਈ ਸਪਸ਼ਟ ਵਿਭਾਜਨ ਨਹੀਂ ਹੈ e
ਵੇਰੀਏਬਲਾਂ ਦਾ ਕੋਈ ਨਿਯੰਤਰਣ ਜਾਂ ਪ੍ਰਯੋਗਾਤਮਕ ਹੇਰਾਫੇਰੀ ਨਹੀਂ ਹੈ (ਯਿਨ
1989, ਬੇਨਬਾਸੈਟ ਐਟ ਅਲ. 1987)।
ਦੇਵਤਿਆਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਲਈ ਕਈ ਤਰ੍ਹਾਂ ਦੀਆਂ ਤਕਨੀਕਾਂ ਹਨ dati ਕਿ ਉਹ ਕਰ ਸਕਦੇ ਹਨ
ਪੁੱਛ-ਪੜਤਾਲ ਵਿਧੀ ਵਿੱਚ ਕੰਮ ਕੀਤਾ ਜਾਵੇ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ
ਸਿੱਧੇ ਨਿਰੀਖਣ, ਪੁਰਾਲੇਖ ਰਿਕਾਰਡਾਂ ਦੀਆਂ ਸਮੀਖਿਆਵਾਂ, ਪ੍ਰਸ਼ਨਾਵਲੀ,
ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਢਾਂਚਾਗਤ ਇੰਟਰਵਿਊਆਂ ਦੀ ਸਮੀਖਿਆ। ਹੋਣ
ਵਾਢੀ ਦੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਇੱਕ ਵਿਭਿੰਨ ਸ਼੍ਰੇਣੀ dati, ਜਾਂਚਾਂ
ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਦੋਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿਓ dati ਗੁਣਾਤਮਕ ਹੈ ਕਿ
ਉਸੇ ਸਮੇਂ ਮਾਤਰਾਵਾਂ (ਬੋਨੋਮਾ 1985, ਆਈਜ਼ਨਹਾਰਡਟ 1989, ਯਿਨ
1989, ਗੇਬਲ 1994)। ਜਿਵੇਂ ਕਿ ਸਰਵੇਖਣ ਵਿਧੀ ਦਾ ਮਾਮਲਾ ਹੈ, ਏ
ਜਾਂਚ ਖੋਜਕਰਤਾ ਇੱਕ ਨਿਰੀਖਕ ਜਾਂ ਖੋਜਕਰਤਾ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਨਹੀਂ
ਅਧਿਐਨ ਅਧੀਨ ਸੰਸਥਾ ਵਿੱਚ ਇੱਕ ਸਰਗਰਮ ਭਾਗੀਦਾਰ ਵਜੋਂ।
Benbasat et al. (1987) ਦਾਅਵਾ ਕਰਦਾ ਹੈ ਕਿ ਪੁੱਛਗਿੱਛ ਦਾ ਤਰੀਕਾ ਹੈ
ਥਿਊਰੀ ਬਿਲਡਿੰਗ ਖੋਜ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਢੁਕਵਾਂ ਹੈ, ਜੋ ਕਿ
ਇੱਕ ਖੋਜ ਪ੍ਰਸ਼ਨ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ ਅਤੇ ਸਿਖਲਾਈ ਦੇ ਨਾਲ ਜਾਰੀ ਰੱਖੋ
ਇਕੱਠੀ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ ਇੱਕ ਸਿਧਾਂਤ ਦਾ dati. ਹੋਣਾ
ਸਟੇਜ ਲਈ ਵੀ ਢੁਕਵਾਂ ਹੈ
ਥਿਊਰੀ ਬਿਲਡਿੰਗ ਬਾਰੇ, ਫ੍ਰਾਂਜ਼ ਅਤੇ ਰੋਬੇ (1987) ਇਹ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ
ਕੰਪਲੈਕਸ ਲਈ ਪੁੱਛਗਿੱਛ ਦਾ ਤਰੀਕਾ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਥਿਊਰੀ ਪੜਾਅ. ਇਸ ਮਾਮਲੇ 'ਚ ਇਕੱਠੇ ਕੀਤੇ ਸਬੂਤਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਇਕ
ਦਿੱਤੇ ਸਿਧਾਂਤ ਜਾਂ ਪਰਿਕਲਪਨਾ ਦੀ ਪੁਸ਼ਟੀ ਜਾਂ ਖੰਡਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਨਾਲ ਹੀ, ਜਾਂਚ ਹੈ
'ਕਿਵੇਂ' ਜਾਂ 'ਕਿਵੇਂ' ਸਵਾਲਾਂ ਨਾਲ ਨਜਿੱਠਣ ਵਾਲੀ ਖੋਜ ਲਈ ਵੀ ਢੁਕਵਾਂ
'ਕਿਉਂ' (ਯਿਨ 1989)।
ਹੋਰ ਤਰੀਕਿਆਂ ਦੇ ਮੁਕਾਬਲੇ, ਸਰਵੇਖਣ ਖੋਜਕਰਤਾ ਨੂੰ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ
ਹੋਰ ਵਿਸਥਾਰ ਵਿੱਚ ਜ਼ਰੂਰੀ ਜਾਣਕਾਰੀ ਹਾਸਲ ਕਰੋ (ਗੈਲੀਅਰਜ਼
1992, ਸ਼ੈਂਕਸ ਐਟ ਅਲ 1993)। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਾਂਚ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ
ਅਧਿਐਨ ਕਰਨ ਵਾਲੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਜਟਿਲਤਾ ਨੂੰ ਸਮਝਣ ਲਈ ਖੋਜਕਰਤਾ
(Benbasat et al. 1987).
ਵਿਧੀ ਨਾਲ ਜੁੜੇ ਚਾਰ ਮੁੱਖ ਨੁਕਸਾਨ ਹਨ
ਜਾਂਚ ਪਹਿਲੀ ਨਿਯੰਤਰਿਤ ਕਟੌਤੀਆਂ ਦੀ ਘਾਟ ਹੈ. ਉੱਥੇ
ਖੋਜਕਰਤਾ ਦੀ ਵਿਅਕਤੀਗਤਤਾ ਨਤੀਜਿਆਂ ਅਤੇ ਸਿੱਟਿਆਂ ਨੂੰ ਬਦਲ ਸਕਦੀ ਹੈ
ਦਾ ਅਧਿਐਨ (ਯਿਨ 1989)। ਦੂਜਾ ਨੁਕਸਾਨ ਦੀ ਘਾਟ ਹੈ
ਨਿਯੰਤਰਿਤ ਨਿਰੀਖਣ. ਪ੍ਰਯੋਗਾਤਮਕ ਤਰੀਕਿਆਂ ਦੇ ਉਲਟ,
ਜਾਂਚ ਖੋਜਕਰਤਾ ਅਧਿਐਨ ਕੀਤੇ ਗਏ ਵਰਤਾਰੇ ਨੂੰ ਨਿਯੰਤਰਿਤ ਨਹੀਂ ਕਰ ਸਕਦਾ
ਜਿਵੇਂ ਕਿ ਉਹਨਾਂ ਦੀ ਉਹਨਾਂ ਦੇ ਕੁਦਰਤੀ ਸੰਦਰਭ ਵਿੱਚ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ (ਗੇਬਲ 1994)। ਦ
ਤੀਜਾ ਨੁਕਸਾਨ replicability ਦੀ ਕਮੀ ਹੈ. ਇਹ ਤੱਥ ਦੇ ਕਾਰਨ ਹੈ
ਕਿ ਖੋਜਕਰਤਾ ਨੂੰ ਉਹੀ ਘਟਨਾਵਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ, ਅਤੇ
ਕਿਸੇ ਖਾਸ ਅਧਿਐਨ (ਲੀ 1989) ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰ ਸਕਦਾ।
ਅੰਤ ਵਿੱਚ, ਗੈਰ-ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਦੇ ਨਤੀਜੇ ਵਜੋਂ, ਇਹ ਮੁਸ਼ਕਲ ਹੈ
ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਜਾਂਚਾਂ (ਗੈਲੀਅਰਜ਼) ਤੋਂ ਪ੍ਰਾਪਤ ਨਤੀਜਿਆਂ ਨੂੰ ਆਮ ਬਣਾਓ
1992, ਸ਼ੈਂਕਸ ਐਟ ਅਲ 1993)। ਇਹ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ, ਹਾਲਾਂਕਿ, ਨਹੀਂ
ਅਜੂਬੇ ਹਨ ਅਤੇ ਅਸਲ ਵਿੱਚ, ਦੁਆਰਾ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਖੋਜਕਰਤਾ ਉਚਿਤ ਕਾਰਵਾਈਆਂ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ (ਲੀ 1989)।
3.3 ਖੋਜ ਕਾਰਜਪ੍ਰਣਾਲੀ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਓ
ਅਪਣਾਇਆ
ਇਸ ਅਧਿਐਨ ਲਈ ਦੋ ਸੰਭਵ ਖੋਜ ਵਿਧੀਆਂ ਵਿੱਚੋਂ, ਦੀ ਵਿਧੀ
ਜਾਂਚ ਨੂੰ ਸਭ ਤੋਂ ਢੁਕਵਾਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਜਾਂਚ ਦਾ ਇਹ ਹੈ
ਸਬੰਧਤ ਵਿਅਕਤੀਆਂ ਦੇ ਧਿਆਨ ਨਾਲ ਵਿਚਾਰ ਕਰਨ ਤੋਂ ਬਾਅਦ ਰੱਦ ਕਰ ਦਿੱਤਾ ਗਿਆ ਸੀ
ਗੁਣ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ. ਹਰੇਕ ਦੀ ਸਹੂਲਤ ਜਾਂ ਅਣਉਚਿਤਤਾ
ਇਸ ਅਧਿਐਨ ਲਈ ਵਿਧੀ ਹੇਠਾਂ ਚਰਚਾ ਕੀਤੀ ਗਈ ਹੈ।
3.3.1 ਖੋਜ ਵਿਧੀ ਦੀ ਅਣਉਚਿਤਤਾ
ਜਾਂਚ ਦੇ
ਪੁੱਛਗਿੱਛ ਵਿਧੀ ਲਈ ਇੱਕ ਬਾਰੇ ਡੂੰਘਾਈ ਨਾਲ ਅਧਿਐਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਲਈ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਖਾਸ ਸਥਿਤੀ
ਸਮਾਂ ਮਿਆਦ (ਈਜ਼ਨਹਾਰਡਟ 1989)। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਮਿਆਦ ਹੋ ਸਕਦੀ ਹੈ
ਇਸ ਅਧਿਐਨ ਲਈ ਦਿੱਤੀ ਗਈ ਸਮਾਂ ਸੀਮਾ ਤੋਂ ਵੱਧ। ਹੋਰ
ਸਰਵੇਖਣ ਵਿਧੀ ਨਾ ਅਪਣਾਉਣ ਦਾ ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਨਤੀਜੇ
ਉਹ ਸਖ਼ਤੀ ਦੀ ਘਾਟ (ਯਿਨ 1989) ਤੋਂ ਪੀੜਤ ਹੋ ਸਕਦੇ ਹਨ। ਅਧੀਨਤਾ
ਖੋਜਕਰਤਾ ਦੇ ਨਤੀਜਿਆਂ ਅਤੇ ਸਿੱਟਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ। ਹੋਰ
ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਇਹ ਵਿਧੀ ਸਵਾਲਾਂ ਦੀ ਖੋਜ ਲਈ ਵਧੇਰੇ ਢੁਕਵੀਂ ਹੈ
'ਕਿਵੇਂ' ਜਾਂ 'ਕਿਉਂ' ਕਿਸਮ (ਯਿਨ 1989), ਜਦੋਂ ਕਿ ਖੋਜ ਸਵਾਲ
ਇਸ ਅਧਿਐਨ ਲਈ ਇਹ 'ਕਿਹੜੀ' ਕਿਸਮ ਦਾ ਹੈ। ਅਖੀਰਲਾ, ਪਰ ਕਿਸੇ ਤੋਂ ਘਟ ਨਹੀਂ
ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ, ਸਿਰਫ ਇੱਕ ਜਾਂ ਤੋਂ ਖੋਜਾਂ ਨੂੰ ਆਮ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ
ਕੁਝ ਜਾਂਚਾਂ (ਗੈਲੀਅਰਜ਼ 1992, ਸ਼ੈਂਕਸ ਐਟ ਅਲ 1993)। ਦੇ ਅਧਾਰ 'ਤੇ
ਇਹ ਤਰਕਸ਼ੀਲ ਵਿਆਖਿਆ, ਪੁੱਛਗਿੱਛ ਦੀ ਖੋਜ ਵਿਧੀ ਨਹੀਂ ਹੈ
ਚੁਣਿਆ ਗਿਆ ਸੀ ਕਿਉਂਕਿ ਇਹ ਇਸ ਅਧਿਐਨ ਲਈ ਅਢੁਕਵਾਂ ਸੀ।
3.3.2 ਦੀ ਖੋਜ ਵਿਧੀ ਦੀ ਸਹੂਲਤ
ਪੜਤਾਲ
ਜਦੋਂ ਇਹ ਖੋਜ ਕੀਤੀ ਗਈ ਸੀ, ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਦਾ ਅਭਿਆਸ
ਦੁਆਰਾ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਅਪਣਾਇਆ ਨਹੀਂ ਗਿਆ ਸੀ
ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ। ਇਸ ਲਈ, ਬਹੁਤ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਨਹੀਂ ਸੀ
ਦੇ ਅੰਦਰ ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਬਾਰੇ
ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ। ਪ੍ਰਾਪਤ ਜਾਣਕਾਰੀ ਆਈ
ਉਹਨਾਂ ਸੰਸਥਾਵਾਂ ਤੋਂ ਜਿਨ੍ਹਾਂ ਨੇ ਡੇਟਾ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਜਾਂ ਵਰਤਿਆ ਸੀ
ਗੋਦਾਮ ਇਸ ਕੇਸ ਵਿੱਚ, ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ ਸਭ ਤੋਂ ਵੱਧ ਹੈ
ਢੁਕਵਾਂ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਨੂੰ ਉਹ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਜੋ ਨਹੀਂ ਹੈ
ਕਿਤੇ ਹੋਰ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਲੋੜੀਂਦੇ ਫਾਰਮ ਵਿੱਚ ਉਪਲਬਧ ਹੈ (ਫੌਲਰ 1988)।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਰਵੇਖਣ ਖੋਜ ਵਿਧੀ ਖੋਜਕਰਤਾ ਨੂੰ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ
ਅਭਿਆਸਾਂ, ਸਥਿਤੀਆਂ, ਜਾਂ ਵਿੱਚ ਇੱਕ ਚੰਗੀ ਸਮਝ ਪ੍ਰਾਪਤ ਕਰੋ
ਕਿਸੇ ਖਾਸ ਸਮੇਂ 'ਤੇ ਦੇਖਿਆ ਗਿਆ (ਗੈਲੀਅਰਜ਼ 1992, ਡੇਨਸਕੋਮਬੇ 1998)।
ਨੂੰ ਵਧਾਉਣ ਲਈ ਸਮੁੱਚੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੀ ਲੋੜ ਸੀ
ਆਸਟ੍ਰੇਲੀਅਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਨੁਭਵ ਬਾਰੇ ਜਾਣਕਾਰੀ।
ਦੁਬਾਰਾ ਫਿਰ, ਸੋਨਕਵਿਸਟ ਅਤੇ ਡੰਕਲਬਰਗ (1977) ਨੇ ਕਿਹਾ ਹੈ ਕਿ ਨਤੀਜੇ
ਸਰਵੇਖਣ ਖੋਜ ਹੋਰ ਤਰੀਕਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਆਮ ਹਨ।
3.4 ਸਰਵੇਖਣ ਖੋਜ ਡਿਜ਼ਾਈਨ
ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਭਿਆਸ ਦੀ ਜਾਂਚ 1999 ਵਿੱਚ ਕੀਤੀ ਗਈ ਸੀ।
ਟੀਚੇ ਦੀ ਆਬਾਦੀ ਵਿੱਚ ਸੰਸਥਾਵਾਂ ਸ਼ਾਮਲ ਸਨ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਧਿਐਨਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੇ ਆਸਟ੍ਰੇਲੀਆਈ, ਜਿਵੇਂ ਕਿ ਉਹ ਸਨ
ਸ਼ਾਇਦ i ਬਾਰੇ ਪਹਿਲਾਂ ਹੀ ਸੂਚਿਤ ਕੀਤਾ ਗਿਆ ਹੈ dati ਕਿ ਉਹ ਸਟੋਰ ਕਰਦੇ ਹਨ ਅਤੇ,
ਇਸ ਲਈ, ਇਹ ਇਸ ਅਧਿਐਨ ਲਈ ਲਾਭਦਾਇਕ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ। ਉੱਥੇ
ਦੇ ਸ਼ੁਰੂਆਤੀ ਸਰਵੇਖਣ ਨਾਲ ਨਿਸ਼ਾਨਾ ਆਬਾਦੀ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ ਸੀ
'ਦਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਇੰਸਟੀਚਿਊਟ' (Tdwiaap) ਦੇ ਸਾਰੇ ਆਸਟ੍ਰੇਲੀਅਨ ਮੈਂਬਰ।
ਇਹ ਭਾਗ ਖੋਜ ਪੜਾਅ ਦੇ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਚਰਚਾ ਕਰਦਾ ਹੈ
ਇਸ ਅਧਿਐਨ ਦੇ ਅਨੁਭਵੀ ਸਬੂਤ।
3.4.1 ਵਾਢੀ ਦੀ ਤਕਨੀਕ dati
ਸਰਵੇਖਣ ਖੋਜ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਤਿੰਨ ਤਕਨੀਕਾਂ ਵਿੱਚੋਂ
(ਜਿਵੇਂ ਕਿ ਡਾਕ ਪ੍ਰਸ਼ਨਾਵਲੀ, ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ ਅਤੇ ਇੰਟਰਵਿਊ
ਨਿੱਜੀ) (Nachmias 1976, Fowler 1988, de Vaus 1991), for
ਇਸ ਅਧਿਐਨ ਨੇ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਅਪਣਾਇਆ। ਪਹਿਲਾ
ਬਾਅਦ ਵਾਲੇ ਨੂੰ ਅਪਣਾਉਣ ਦਾ ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਇਹ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ
ਭੂਗੋਲਿਕ ਤੌਰ 'ਤੇ ਫੈਲੀ ਆਬਾਦੀ (ਬਲਲਾਕ 1970, ਨਚਮਿਆਸ ਈ
Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994).
ਦੂਜਾ, ਡਾਕ ਪ੍ਰਸ਼ਨਾਵਲੀ ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਲਈ ਢੁਕਵੀਂ ਹੈ
ਉੱਚ ਸਿੱਖਿਆ ਪ੍ਰਾਪਤ (ਫੌਲਰ 1988)। ਇਸ ਲਈ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ
ਅਧਿਐਨ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰੋਜੈਕਟ ਸਪਾਂਸਰਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕੀਤਾ ਗਿਆ ਸੀ,
ਡਾਇਰੈਕਟਰ ਅਤੇ/ਜਾਂ ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਰ। ਤੀਜਾ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੂਰ
ਜਦੋਂ ਤੁਹਾਡੇ ਕੋਲ ਸੁਰੱਖਿਅਤ ਸੂਚੀ ਹੁੰਦੀ ਹੈ ਤਾਂ ਮੇਲ ਢੁਕਵੇਂ ਹੁੰਦੇ ਹਨ
ਪਤੇ (ਸਲੈਂਟ ਅਤੇ ਦਿਲਮਨ 1994)। TDWI, ਇਸ ਕੇਸ ਵਿੱਚ, ਇੱਕ
ਭਰੋਸੇਯੋਗ ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਐਸੋਸੀਏਸ਼ਨ ਨੇ ਪਤਾ ਸੂਚੀ ਪ੍ਰਦਾਨ ਕੀਤੀ ਹੈ
ਇਸਦੇ ਆਸਟ੍ਰੇਲੀਅਨ ਮੈਂਬਰਾਂ ਵਿੱਚੋਂ. ਪ੍ਰਸ਼ਨਾਵਲੀ ਦਾ ਇੱਕ ਹੋਰ ਫਾਇਦਾ
ਮੇਲ ਬਨਾਮ ਟੈਲੀਫੋਨ ਪ੍ਰਸ਼ਨਾਵਲੀ ਜਾਂ ਇੰਟਰਵਿਊ ਰਾਹੀਂ
ਨਿੱਜੀ ਇਹ ਹੈ ਕਿ ਇਹ ਰਜਿਸਟਰਾਂ ਨੂੰ ਵਧੇਰੇ ਜਵਾਬ ਦੇਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ
ਸ਼ੁੱਧਤਾ, ਖਾਸ ਤੌਰ 'ਤੇ ਜਦੋਂ ਰਜਿਸਟਰਾਂ ਨੂੰ ਸਲਾਹ-ਮਸ਼ਵਰਾ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਹੋਰ ਲੋਕਾਂ ਨਾਲ ਸਵਾਲ ਨੋਟ ਕਰੋ ਜਾਂ ਚਰਚਾ ਕਰੋ (ਫੌਲਰ
1988).
ਇੱਕ ਸੰਭਾਵੀ ਨੁਕਸਾਨ ਲਈ ਲੋੜੀਂਦਾ ਸਮਾਂ ਹੋ ਸਕਦਾ ਹੈ
ਡਾਕ ਦੁਆਰਾ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦਾ ਸੰਚਾਲਨ ਕਰੋ। ਆਮ ਤੌਰ 'ਤੇ, ਇੱਕ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੂਰ
ਮੇਲ ਇਸ ਕ੍ਰਮ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: ਚਿੱਠੀਆਂ ਭੇਜੋ, ਉਡੀਕ ਕਰੋ
ਜਵਾਬ ਅਤੇ ਪੁਸ਼ਟੀਕਰਣ ਭੇਜੋ (ਫੌਲਰ 1988, ਬੈਨਬ੍ਰਿਜ 1989)।
ਇਸ ਤਰ੍ਹਾਂ, ਕੁੱਲ ਸਮਾਂ ਲੋੜੀਂਦੇ ਸਮੇਂ ਤੋਂ ਵੱਧ ਹੋ ਸਕਦਾ ਹੈ
ਨਿੱਜੀ ਇੰਟਰਵਿਊ ਜਾਂ ਟੈਲੀਫ਼ੋਨ ਇੰਟਰਵਿਊ ਲਈ। ਹਾਲਾਂਕਿ, ਦ
ਕੁੱਲ ਸਮਾਂ ਪਹਿਲਾਂ ਤੋਂ ਜਾਣਿਆ ਜਾ ਸਕਦਾ ਹੈ (ਫੌਲਰ 1988,
ਡੇਨਸਕੋਮਬੇ 1998)। ਇੰਟਰਵਿਊ ਕਰਵਾਉਣ ਵਿੱਚ ਬਿਤਾਇਆ ਸਮਾਂ
ਨਿੱਜੀ ਡੇਟਾ ਪਹਿਲਾਂ ਤੋਂ ਨਹੀਂ ਜਾਣਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ
ਇੱਕ ਇੰਟਰਵਿਊ ਦੂਜੇ ਨੂੰ (ਫਾਊਲਰ 1988)। ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ
ਡਾਕ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨਾਲੋਂ ਤੇਜ਼ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ
ਨਿੱਜੀ ਇੰਟਰਵਿਊ ਪਰ ਗੁੰਮ ਹੋਣ ਦੀ ਉੱਚ ਦਰ ਹੋ ਸਕਦੀ ਹੈ
ਕੁਝ ਲੋਕਾਂ ਦੀ ਅਣਉਪਲਬਧਤਾ ਕਾਰਨ ਜਵਾਬ (ਫੌਲਰ 1988).
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਟੈਲੀਫੋਨ ਇੰਟਰਵਿਊ ਆਮ ਤੌਰ 'ਤੇ ਸੂਚੀਆਂ ਤੱਕ ਸੀਮਿਤ ਹੁੰਦੇ ਹਨ
ਮੁਕਾਬਲਤਨ ਛੋਟੇ ਸਵਾਲ (ਬੇਨਬ੍ਰਿਜ 1989)।
ਇੱਕ ਮੇਲ ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਇੱਕ ਹੋਰ ਕਮਜ਼ੋਰੀ ਦੀ ਉੱਚ ਦਰ ਹੈ
ਜਵਾਬ ਦੀ ਘਾਟ (ਫੌਲਰ 1988, ਬੈਨਬ੍ਰਿਜ 1989, ਨਿਊਮਨ
1994)। ਹਾਲਾਂਕਿ, ਜਵਾਬੀ ਉਪਾਅ ਕੀਤੇ ਗਏ ਹਨ, ਸਹਿਯੋਗੀ
ਡੇਟਾ ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਭਰੋਸੇਯੋਗ ਸੰਸਥਾ ਦੇ ਨਾਲ ਇਹ ਅਧਿਐਨ
ਵੇਅਰਹਾਊਸਿੰਗ (ਅਰਥਾਤ TDWI) (ਬੇਨਬ੍ਰਿਜ 1989, ਨਿਊਮੈਨ 1994),
ਜੋ ਉਹਨਾਂ ਨੂੰ ਦੋ ਯਾਦ ਪੱਤਰ ਭੇਜਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਜਵਾਬ ਨਹੀਂ ਦਿੱਤਾ ਹੈ
(Fowler 1988, Neuman 1994) ਅਤੇ ਇੱਕ ਪੱਤਰ ਵੀ ਸ਼ਾਮਲ ਹੈ
ਅਧਿਐਨ ਦੇ ਉਦੇਸ਼ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਾਲਾ ਪੂਰਕ (Neuman 1994)।
3.4.2 ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਇਕਾਈ
ਇਸ ਅਧਿਐਨ ਦਾ ਉਦੇਸ਼ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ
ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ. ਟੀਚਾ ਆਬਾਦੀ
ਸਾਰੀਆਂ ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ ਦਾ ਬਣਿਆ ਹੋਇਆ ਹੈ ਜਿਨ੍ਹਾਂ ਕੋਲ ਹੈ
ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਾਂ ਲਾਗੂ ਕਰ ਰਿਹਾ ਹੈ, i ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਵਿੱਚ
ਵਿਅਕਤੀਗਤ ਸੰਸਥਾਵਾਂ ਫਿਰ ਰਜਿਸਟਰ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਪ੍ਰਸ਼ਨਾਵਲੀ
ਇਸਨੂੰ ਗੋਦ ਲੈਣ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਡਾਕ ਦੁਆਰਾ ਭੇਜਿਆ ਗਿਆ ਸੀ
di ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਹ ਤਰੀਕਾ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਜਾਣਕਾਰੀ
ਇਕੱਠੀ ਕੀਤੀ ਗਈ ਹਰੇਕ ਸੰਸਥਾ ਦੇ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਸਰੋਤਾਂ ਤੋਂ ਆਉਂਦੀ ਹੈ
ਭਾਗੀਦਾਰ
3.4.3 ਸਰਵੇਖਣ ਦਾ ਨਮੂਨਾ
ਸਰਵੇਖਣ ਭਾਗੀਦਾਰਾਂ ਦੀ "ਮੇਲਿੰਗ ਸੂਚੀ" ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਸੀ
TDWI. ਇਸ ਸੂਚੀ ਵਿੱਚੋਂ 3000 ਆਸਟ੍ਰੇਲੀਅਨ ਸੰਸਥਾਵਾਂ
ਨੂੰ ਨਮੂਨੇ ਲਈ ਆਧਾਰ ਵਜੋਂ ਚੁਣਿਆ ਗਿਆ ਸੀ। ਏ
ਵਾਧੂ ਪੱਤਰ ਨੇ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਜਾਂਚ ਦੇ ਉਦੇਸ਼ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ,
ਲਈ ਇੱਕ ਉੱਤਰ ਪੱਤਰੀ ਅਤੇ ਇੱਕ ਪ੍ਰੀ-ਪੇਡ ਲਿਫਾਫੇ ਦੇ ਨਾਲ
ਮੁਕੰਮਲ ਕੀਤੀ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਵਾਪਸ ਭੇਜੋ ਨਮੂਨੇ ਨੂੰ ਭੇਜੇ ਗਏ ਸਨ।
3000 ਸੰਸਥਾਵਾਂ ਵਿੱਚੋਂ, 198 ਨੇ ਇਸ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਲਈ ਸਹਿਮਤੀ ਦਿੱਤੀ
ਅਧਿਐਨ ਅਜਿਹੇ ਥੋੜ੍ਹੇ ਜਿਹੇ ਹੁੰਗਾਰੇ ਦੀ ਉਮੀਦ ਸੀ ਡੈਟੋ il
ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਜੋ ਉਹਨਾਂ ਕੋਲ ਸਨ
ਗਲੇ ਲਗਾਇਆ ਜਾਂ ਤਾਰੀਖ ਦੀ ਰਣਨੀਤੀ ਨੂੰ ਅਪਣਾ ਰਹੇ ਸਨ
ਉਹਨਾਂ ਦੀਆਂ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਵੇਅਰਹਾਊਸਿੰਗ. ਇਸ ਲਈ, ਦ
ਇਸ ਅਧਿਐਨ ਲਈ ਟੀਚਾ ਆਬਾਦੀ ਸਿਰਫ 198 ਹੈ
ਸੰਸਥਾਵਾਂ।
3.4.4. ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਸਮੱਗਰੀ
ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਬਣਤਰ ਮਿਤੀ ਮਾਡਲ 'ਤੇ ਅਧਾਰਤ ਸੀ
ਮੋਨਾਸ਼ ਵੇਅਰਹਾਊਸਿੰਗ (ਭਾਗ 2.3 ਵਿੱਚ ਪਹਿਲਾਂ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ)। ਦ
ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਸਮੱਗਰੀ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਅਧਾਰਤ ਸੀ
ਅਧਿਆਇ 2 ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸਾਹਿਤ। ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਇੱਕ ਕਾਪੀ
ਸਰਵੇਖਣ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਭੇਜਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਅੰਤਿਕਾ B ਵਿੱਚ। ਪ੍ਰਸ਼ਨਾਵਲੀ ਵਿੱਚ ਛੇ ਭਾਗ ਹੁੰਦੇ ਹਨ, ਜੋ
ਵਿਚਾਰੇ ਮਾਡਲ ਦੇ ਪੜਾਵਾਂ ਦੀ ਪਾਲਣਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਹੇਠ ਦਿੱਤੇ ਛੇ ਪੈਰੇ
ਉਹ ਹਰ ਸੈਕਸ਼ਨ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਦੱਸਦੇ ਹਨ।
ਸੈਕਸ਼ਨ A: ਸੰਸਥਾ ਬਾਰੇ ਮੁੱਢਲੀ ਜਾਣਕਾਰੀ
ਇਸ ਭਾਗ ਵਿੱਚ ਪ੍ਰੋਫਾਈਲ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ ਹਨ
ਹਿੱਸਾ ਲੈਣ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ। ਨਾਲ ਹੀ, ਕੁਝ ਸਵਾਲ ਹਨ
ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪ੍ਰੋਜੈਕਟ ਦੀ ਸਥਿਤੀ ਨਾਲ ਸਬੰਧਤ
ਭਾਗੀਦਾਰ ਗੁਪਤ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ ਤੁਹਾਡਾ ਨਾਮ
ਸਰਵੇਖਣ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸੰਗਠਨ ਦਾ ਖੁਲਾਸਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ।
ਸੈਕਸ਼ਨ ਬੀ: ਸ਼ੁਰੂਆਤ
ਇਸ ਭਾਗ ਵਿੱਚ ਸਵਾਲ ਸ਼ੁਰੂਆਤੀ ਗਤੀਵਿਧੀ ਨਾਲ ਸਬੰਧਤ ਹਨ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ. ਸਵਾਲ ਕਿੰਨੇ ਸਮੇਂ ਲਈ ਪੁੱਛੇ ਗਏ
ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲਿਆਂ, ਗਾਰੰਟਰਾਂ, ਹੁਨਰਾਂ ਅਤੇ ਗਿਆਨ ਨਾਲ ਸਬੰਧਤ ਹੈ
ਬੇਨਤੀਆਂ, ਡੇਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਵਿਕਾਸ ਦੇ ਉਦੇਸ਼ ਅਤੇ
ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਉਮੀਦਾਂ.
ਸੈਕਸ਼ਨ C: ਡਿਜ਼ਾਈਨ
ਇਸ ਭਾਗ ਵਿੱਚ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ ਹਨ
ਦੀ ਯੋਜਨਾਬੰਦੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਖਾਸ ਤੌਰ 'ਤੇ, ਸਵਾਲ ਹਨ
ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਦੇ ਦਾਇਰੇ, ਪ੍ਰੋਜੈਕਟ ਦੀ ਮਿਆਦ, ਲਾਗਤ ਬਾਰੇ ਦੱਸੋ
ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਲਾਗਤ/ਲਾਭ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ।
ਸੈਕਸ਼ਨ ਡੀ: ਵਿਕਾਸ
ਵਿਕਾਸ ਭਾਗ ਵਿੱਚ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ ਹਨ
ਦਾ ਵਿਕਾਸ ਡਾਟਾ ਵੇਅਰਹਾਊਸ: ਉਪਭੋਗਤਾ ਲੋੜਾਂ ਦਾ ਸੰਗ੍ਰਹਿ
ਫਾਈਨਲ, ਦੇ ਸਰੋਤ dati, ਦਾ ਲਾਜ਼ੀਕਲ ਮਾਡਲ dati, ਪ੍ਰੋਟੋਟਾਈਪ, the
ਸਮਰੱਥਾ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਦੀ ਚੋਣ
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਡਿਵੈਲਪਮੈਂਟ ਟੂਲ।
ਸੈਕਸ਼ਨ E: ਓਪਰੇਸ਼ਨ
ਆਪ੍ਰੇਸ਼ਨ ਐਡ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ
ਦੀ ਵਿਸਤਾਰਯੋਗਤਾ ਨੂੰ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਇਹ ਕਿਵੇਂ ਵਿਕਸਿਤ ਹੁੰਦਾ ਹੈ
ਵਿਕਾਸ ਦੇ ਅਗਲੇ ਪੜਾਅ. ਉੱਥੇ ਡਾਟਾ ਗੁਣਵੱਤਾ, ਦੀਆਂ ਰਣਨੀਤੀਆਂ
ਦੇਈ ਨੂੰ ਤਾਜ਼ਾ ਕਰੋ dati, ਦੀ ਗ੍ਰੈਨਿਊਲਿਟੀ dati, ਡਾਟਾ ਮਾਪਯੋਗਤਾ
ਗੋਦਾਮ ਅਤੇ ਸੁਰੱਖਿਆ ਸਮੱਸਿਆਵਾਂ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਵਿਚਕਾਰ ਸਨ
ਪੁੱਛੇ ਗਏ ਸਵਾਲਾਂ ਦੀਆਂ ਕਿਸਮਾਂ।
ਸੈਕਸ਼ਨ F: ਵਿਕਾਸ
ਇਸ ਭਾਗ ਵਿੱਚ ਡੇਟਾ ਵਰਤੋਂ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲ ਹਨ
ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਗੋਦਾਮ. ਖੋਜਕਾਰ ਦਿਲਚਸਪੀ ਰੱਖਦਾ ਸੀ
ਦੇ ਉਦੇਸ਼ ਅਤੇ ਉਪਯੋਗਤਾ ਲਈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਸਮੀਖਿਆ ਅਤੇ ਰਣਨੀਤੀਆਂ
ਅਪਣਾਈ ਗਈ ਸਿਖਲਾਈ ਅਤੇ ਡਾਟਾ ਕੰਟਰੋਲ ਰਣਨੀਤੀ ਦਾ
ਗੋਦਾਮ ਅਪਣਾਇਆ.
3.4.5 ਜਵਾਬ ਦਰ
ਦੀ ਦਰ ਹੋਣ ਲਈ ਮੇਲ ਸਰਵੇਖਣਾਂ ਦੀ ਆਲੋਚਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਘੱਟ ਹੁੰਗਾਰਾ, ਵਧਾਉਣ ਲਈ ਉਪਾਅ ਕੀਤੇ ਗਏ ਹਨ
ਵਾਪਸੀ ਦੀ ਦਰ (ਜਿਵੇਂ ਕਿ ਪਹਿਲਾਂ ਭਾਗ ਵਿੱਚ ਚਰਚਾ ਕੀਤੀ ਗਈ ਸੀ
3.4.1)। ਸ਼ਬਦ 'ਜਵਾਬ ਦਰ' ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ
ਇੱਕ ਖਾਸ ਸਰਵੇਖਣ ਨਮੂਨੇ ਵਿੱਚ ਲੋਕ ਜਵਾਬ ਦਿੰਦੇ ਹਨ
ਪ੍ਰਸ਼ਨਾਵਲੀ (Denscombe 1998)। ਹੇਠ ਵਰਤਿਆ ਗਿਆ ਸੀ
ਇਸ ਅਧਿਐਨ ਲਈ ਜਵਾਬ ਦਰ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਫਾਰਮੂਲਾ:
ਜਵਾਬ ਦੇਣ ਵਾਲੇ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ
ਜਵਾਬ ਦਰ =
——————————————————————————– X 100
ਭੇਜੀਆਂ ਗਈਆਂ ਪ੍ਰਸ਼ਨਾਵਲੀਆਂ ਦੀ ਕੁੱਲ ਸੰਖਿਆ
3.4.6 ਪਾਇਲਟ ਟੈਸਟ
ਨਮੂਨੇ ਨੂੰ ਪ੍ਰਸ਼ਨਾਵਲੀ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ, ਪ੍ਰਸ਼ਨ ਹਨ
ਕਿਸਮਤ ਦੁਆਰਾ ਸੁਝਾਏ ਅਨੁਸਾਰ, ਪਾਇਲਟ ਟੈਸਟਾਂ ਦੁਆਰਾ ਜਾਂਚ ਕੀਤੀ ਗਈ
ਅਤੇ ਰੂਬਿਨ (1987), ਜੈਕਸਨ (1988), ਅਤੇ ਡੀ ਵੌਸ (1991)। ਦਾ ਉਦੇਸ਼
ਪਾਇਲਟ ਟੈਸਟ ਸਾਰੇ ਅਜੀਬ, ਅਸਪਸ਼ਟ ਅਤੇ ਸਮੀਕਰਨਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨ ਲਈ ਹੁੰਦੇ ਹਨ
ਸਵਾਲ ਜਿਨ੍ਹਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨੀ ਔਖੀ ਹੈ, ਕਿਸੇ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨਾ
ਵਰਤੀਆਂ ਗਈਆਂ ਪਰਿਭਾਸ਼ਾਵਾਂ ਅਤੇ ਸ਼ਬਦਾਂ ਅਤੇ ਅੰਦਾਜ਼ਨ ਸਮੇਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ
ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਹੈ (ਵਾਰਵਿਕ ਅਤੇ ਲਾਈਨਿੰਗਰ 1975,
ਜੈਕਸਨ 1988, ਸਲੈਂਟ ਅਤੇ ਦਿਲਮਨ 1994)। ਪਾਇਲਟ ਟੈਸਟ ਸਨ
ਉਹਨਾਂ ਵਰਗੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਾਲੇ ਵਿਸ਼ਿਆਂ ਦੀ ਚੋਣ ਕਰਕੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਅੰਤਿਮ ਵਿਸ਼ਿਆਂ ਦੇ, ਜਿਵੇਂ ਕਿ ਡੇਵਿਸ ਈ ਕੋਸੈਂਜ਼ਾ (ਐਕਸਐਨਯੂਐਮਐਕਸ). ਵਿਚ
ਇਹ ਅਧਿਐਨ, ਛੇ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਪੇਸ਼ੇਵਰ ਸਨ
ਪਾਇਲਟ ਵਿਸ਼ੇ ਵਜੋਂ ਚੁਣਿਆ ਗਿਆ ਹੈ। ਹਰੇਕ ਪਾਇਲਟ ਟੈਸਟ ਤੋਂ ਬਾਅਦ, ਉਹ ਹਨ
ਜ਼ਰੂਰੀ ਸੁਧਾਰ ਕੀਤੇ ਗਏ ਹਨ। ਕੀਤੇ ਗਏ ਪਾਇਲਟ ਟੈਸਟਾਂ ਤੋਂ, ਆਈ
ਭਾਗੀਦਾਰਾਂ ਨੇ ਮੁੜ ਆਕਾਰ ਦੇਣ ਅਤੇ ਰੀਸੈਟ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ
ਪ੍ਰਸ਼ਨਾਵਲੀ ਦਾ ਅੰਤਮ ਸੰਸਕਰਣ।
3.4.7 ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਢੰਗ ਡਾਟਾ
I dati ਬੰਦ ਪ੍ਰਸ਼ਨ ਪ੍ਰਸ਼ਨਾਵਲੀ ਤੋਂ ਇਕੱਤਰ ਕੀਤੀ ਜਾਂਚ ਦੇ ਹਨ
ਇੱਕ ਅੰਕੜਾ ਸਾਫਟਵੇਅਰ ਪੈਕੇਜ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ
SPSS ਕਹਿੰਦੇ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਜਵਾਬਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ
ਵਰਣਨਯੋਗ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਗਿਣਤੀ
ਉਹ ਅਧੂਰੇ ਵਾਪਸ ਆ ਗਏ। ਇਨ੍ਹਾਂ ਨਾਲ ਜ਼ਿਆਦਾ ਸਲੂਕ ਕੀਤਾ ਗਿਆ
ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਧਿਆਨ ਦਿਓ ਕਿ ਆਈ dati ਲਾਪਤਾ ਇੱਕ ਨਹੀਂ ਸਨ
ਡਾਟਾ ਐਂਟਰੀ ਗਲਤੀਆਂ ਦਾ ਨਤੀਜਾ, ਪਰ ਸਵਾਲ ਕਿਉਂ ਨਹੀਂ ਹੁੰਦੇ
ਘੋਸ਼ਣਾਕਰਤਾ ਲਈ ਢੁਕਵੇਂ ਸਨ, ਜਾਂ ਘੋਸ਼ਣਾਕਰਤਾ ਨੇ ਨਾ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ
ਇੱਕ ਜਾਂ ਵਧੇਰੇ ਖਾਸ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿਓ। ਇਹ ਜਵਾਬ
ਵਿਸ਼ਲੇਸ਼ਣ ਦੌਰਾਨ ਲਾਪਤਾ ਨੂੰ ਅਣਡਿੱਠ ਕੀਤਾ ਗਿਆ ਸੀ dati ਅਤੇ ਉਹ ਸਨ
'- 9' ਦੇ ਰੂਪ ਵਿੱਚ ਕੋਡ ਕੀਤਾ ਗਿਆ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਤੋਂ ਬਾਹਰ ਰੱਖਿਆ ਜਾ ਸਕੇ
ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ।
ਪ੍ਰਸ਼ਨਾਵਲੀ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ, ਪ੍ਰਸ਼ਨ ਬੰਦ ਹੋ ਗਏ ਸਨ
ਹਰੇਕ ਵਿਕਲਪ ਨੂੰ ਇੱਕ ਨੰਬਰ ਨਿਰਧਾਰਤ ਕਰਕੇ ਪ੍ਰੀਕੋਡ ਕੀਤਾ ਗਿਆ। ਨੰਬਰ
ਫਿਰ ਇਸ ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਗਿਆ ਸੀ dati ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਦੌਰਾਨ
(ਡੈਂਸਕੋਮਬੇ 1998, ਸੈਪਸਫੋਰਡ ਅਤੇ ਜੁਪ 1996)। ਉਦਾਹਰਨ ਲਈ, ਉੱਥੇ ਸਨ
ਸੈਕਸ਼ਨ ਬੀ ਦੇ ਪ੍ਰਸ਼ਨ 1 ਵਿੱਚ ਸੂਚੀਬੱਧ ਛੇ ਵਿਕਲਪ: ਸਲਾਹ
ਬੋਰਡ, ਸੀਨੀਅਰ ਕਾਰਜਕਾਰੀ, ਆਈ.ਟੀ. ਵਿਭਾਗ, ਯੂਨਿਟ
ਕਾਰੋਬਾਰ, ਸਲਾਹਕਾਰ ਅਤੇ ਹੋਰ. ਦੀ ਫਾਈਲ ਵਿੱਚ dati SPSS ਦਾ, ਹੈ
'ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂਆਤੀ' ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਇੱਕ ਵੇਰੀਏਬਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ,
ਛੇ ਮੁੱਲ ਦੇ ਲੇਬਲਾਂ ਦੇ ਨਾਲ: 'ਨਿਰਦੇਸ਼ਕ ਬੋਰਡ' ਲਈ '1', '2'
'ਉੱਚ-ਪੱਧਰੀ ਕਾਰਜਕਾਰੀ' ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਹੋਰ ਲਈ। ਲੀਕਰਟਿਨ ਸਕੇਲ ਦੀ ਵਰਤੋਂ
ਕੁਝ ਬੰਦ ਸਵਾਲਾਂ ਵਿੱਚ ਵੀ ਇਸ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ ਗਈ
ਇੱਕ ਪਛਾਣ ਜਿਸ ਲਈ ਮੁੱਲਾਂ ਦੀ ਵਰਤੋਂ ਦੇ ਮੱਦੇਨਜ਼ਰ ਕਿਸੇ ਕੋਸ਼ਿਸ਼ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ
ਸੰਬੰਧਿਤ ਨੰਬਰ SPSS ਵਿੱਚ ਦਰਜ ਕੀਤੇ ਗਏ ਹਨ। ਦੇ ਨਾਲ ਸਵਾਲਾਂ ਲਈ
ਗੈਰ-ਸੰਪੂਰਨ ਜਵਾਬ, ਜੋ ਆਪਸੀ ਵਿਸ਼ੇਸ਼ ਨਹੀਂ ਸਨ,
ਹਰੇਕ ਵਿਕਲਪ ਨੂੰ ਦੋ ਨਾਲ ਇੱਕ ਸਿੰਗਲ ਵੇਰੀਏਬਲ ਮੰਨਿਆ ਜਾਂਦਾ ਸੀ
ਮੁੱਲ ਲੇਬਲ: 'ਨਿਸ਼ਾਨਬੱਧ' ਲਈ '1' ਅਤੇ 'ਅਨਿਸ਼ਾਨਿਤ' ਲਈ '2'।
ਖੁੱਲ੍ਹੇ-ਡੁੱਲ੍ਹੇ ਸਵਾਲਾਂ ਨੂੰ ਸਵਾਲਾਂ ਨਾਲੋਂ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ
ਬੰਦ ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਾਖਲ ਨਹੀਂ ਕੀਤੇ ਗਏ ਹਨ
SPSS. ਇਸ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਦਾ ਹੱਥ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ. ਇਸ ਦੀ ਵਰਤੋਂ
ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਕਿਸਮ ਤੁਹਾਨੂੰ ਵਿਚਾਰਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ
ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪ੍ਰਗਟ ਕੀਤੇ ਗਏ ਅਤੇ ਉੱਤਰਦਾਤਾਵਾਂ ਦੇ ਨਿੱਜੀ ਅਨੁਭਵ
(ਬੇਨਬ੍ਰਿਜ 1989, ਡੇਨਸਕੋਮਬੇ 1998)। ਜਿੱਥੇ ਸੰਭਵ ਹੋਇਆ, ਕੀਤਾ ਗਿਆ ਹੈ
ਜਵਾਬਾਂ ਦਾ ਵਰਗੀਕਰਨ।
ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ dati, ਸਧਾਰਨ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ,
ਜਿਵੇਂ ਕਿ ਜਵਾਬਾਂ ਦੀ ਬਾਰੰਬਾਰਤਾ, ਮੱਧਮਾਨ, ਮਿਆਰੀ ਵਿਵਹਾਰ
ਮੱਧਮਾਨ ਅਤੇ ਮੱਧਮਾਨ (Argyrous 1996, Denscombe 1998)।
ਗਾਮਾ ਟੈਸਟ ਗਿਣਾਤਮਕ ਮਾਪ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੀ
ਵਿਚਕਾਰ ਐਸੋਸੀਏਸ਼ਨਾਂ ਦਾ dati ਆਰਡੀਨਲਜ਼ (Norusis 1983, Argyrous 1996)।
ਇਹ ਟੈਸਟ ਢੁਕਵੇਂ ਸਨ ਕਿਉਂਕਿ ਵਰਤੇ ਗਏ ਆਰਡੀਨਲ ਸਕੇਲ ਨਹੀਂ ਸਨ
ਉਹਨਾਂ ਦੀਆਂ ਕਈ ਸ਼੍ਰੇਣੀਆਂ ਸਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਦਿਖਾਇਆ ਜਾ ਸਕਦਾ ਸੀ
(Norusis 1983)।
੩ਸਾਰ
ਇਸ ਅਧਿਆਇ ਵਿੱਚ, ਖੋਜ ਵਿਧੀ ਅਤੇ
ਇਸ ਅਧਿਐਨ ਲਈ ਅਪਣਾਏ ਗਏ ਡਿਜ਼ਾਈਨ।
ਏ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵੀਂ ਖੋਜ ਵਿਧੀ ਦੀ ਚੋਣ ਕਰਨਾ
ਖਾਸ ਅਧਿਐਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ
ਕੁਦਰਤ ਅਤੇ ਕਿਸਮ ਸਮੇਤ ਕਈ ਨਿਯਮਾਂ 'ਤੇ ਵਿਚਾਰ
ਖੋਜ ਦੇ, ਨਾਲ ਹੀ ਹਰ ਸੰਭਵ ਦੇ ਗੁਣ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ
ਵਿਧੀ (ਜੇਨਕਿੰਸ 1985, ਬੇਨਬਾਸੈਟ ਐਟ ਅਲ. 1097, ਗੈਲੀਅਰਜ਼ ਅਤੇ ਲੈਂਡ 1987,
ਯਿਨ 1989, ਹੈਮਿਲਟਨ ਅਤੇ ਆਈਵਸ 1992, ਗੈਲੀਅਰਜ਼ 1992, ਨਿਊਮਨ 1994)। ਦੇਖੋ
ਇਸ ਬਾਰੇ ਮੌਜੂਦਾ ਗਿਆਨ ਅਤੇ ਸਿਧਾਂਤ ਦੀ ਘਾਟ
ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ ਅਪਣਾਉਣ ਦਾ, ਇਸ ਅਧਿਐਨ ਦੁਆਰਾ
ਖੋਜ ਲਈ ਇੱਕ ਹੁਨਰ ਦੇ ਨਾਲ ਇੱਕ ਵਿਆਖਿਆਤਮਕ ਖੋਜ ਵਿਧੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਸੰਸਥਾਵਾਂ ਦੇ ਤਜ਼ਰਬਿਆਂ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ ਖੋਜੀ
ਆਸਟ੍ਰੇਲੀਆਈ। ਲਈ ਚੁਣੀ ਗਈ ਖੋਜ ਵਿਧੀ ਦੀ ਚੋਣ ਕੀਤੀ ਗਈ ਸੀ
ਮਿਤੀ ਸੰਕਲਪ ਨੂੰ ਅਪਣਾਉਣ ਬਾਰੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰੋ
ਆਸਟ੍ਰੇਲੀਆਈ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਵੇਅਰ-ਹਾਊਸਿੰਗ। ਏ
ਡਾਕ ਪ੍ਰਸ਼ਨਾਵਲੀ ਨੂੰ ਸੰਗ੍ਰਹਿ ਤਕਨੀਕ ਵਜੋਂ ਚੁਣਿਆ ਗਿਆ ਸੀ dati. Le
ਖੋਜ ਵਿਧੀ ਅਤੇ ਸੰਗ੍ਰਹਿ ਤਕਨੀਕ ਲਈ ਤਰਕਸੰਗਤ dati
ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਚੁਣਿਆ ਜਾਵੇਗਾ। ਇਹ ਵੀ ਸੀ
ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਇਕਾਈ, ਨਮੂਨੇ 'ਤੇ ਚਰਚਾ ਪੇਸ਼ ਕੀਤੀ
ਵਰਤੇ ਗਏ, ਜਵਾਬਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਦੀ ਸਮੱਗਰੀ,
ਪ੍ਰਸ਼ਨਾਵਲੀ ਦਾ ਪ੍ਰੀ-ਟੈਸਟ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀ dati.
ਡਿਜ਼ਾਇਨਿੰਗ ਏ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ:
ਹਸਤੀ ਸਬੰਧ ਅਤੇ ਅਯਾਮੀ ਮਾਡਲਿੰਗ ਦਾ ਸੰਯੋਗ ਕਰਨਾ
ਵੱਖਰਾ
ਸਟੋਰ ਕਰਨਾ ਆਈ dati ਇਹ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਲਈ ਇੱਕ ਪ੍ਰਮੁੱਖ ਮੌਜੂਦਾ ਮੁੱਦਾ ਹੈ
ਸੰਸਥਾਵਾਂ। ਵਿਕਾਸ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਸਮੱਸਿਆ
ਦੇ ਸਟੋਰੇਜ਼ ਦਾ dati ਇਹ ਉਸਦਾ ਡਿਜ਼ਾਈਨ ਹੈ।
ਡਿਜ਼ਾਈਨ ਨੂੰ ਡੇਟਾ ਵਿੱਚ ਧਾਰਨਾਵਾਂ ਦੀ ਖੋਜ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ
ਵੇਅਰਹਾਊਸ ਤੋਂ ਲੈਕੇਸੀ ਸਿਸਟਮ ਅਤੇ ਹੋਰ ਸਰੋਤਾਂ ਤੱਕ dati ਅਤੇ ਇੱਕ ਵੀ
ਡਾਟਾ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਆਸਾਨ ਸਮਝ ਅਤੇ ਕੁਸ਼ਲਤਾ
ਗੁਦਾਮ
ਦਾ ਬਹੁਤ ਸਾਰਾ ਸਟੋਰੇਜ਼ ਸਾਹਿਤ dati ਸਿਫਾਰਸ਼ ਕੀਤੀ
ਲਈ ਇਕਾਈ ਸਬੰਧ ਮਾਡਲਿੰਗ ਜਾਂ ਅਯਾਮੀ ਮਾਡਲਿੰਗ ਦੀ ਵਰਤੋਂ
ਦੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਇਸ ਪੇਪਰ ਵਿੱਚ ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਦੋਵੇਂ ਕਿਵੇਂ
ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਨੂੰ ਲਈ ਇੱਕ ਪਹੁੰਚ ਵਿੱਚ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਦੀ ਡਰਾਇੰਗ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਵਰਤੀ ਗਈ ਪਹੁੰਚ ਯੋਜਨਾਬੱਧ ਹੈ
ਇੱਕ ਕੇਸ ਸਟੱਡੀ ਵਿੱਚ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਕਈਆਂ ਵਿੱਚ ਪਛਾਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
ਪੇਸ਼ੇਵਰਾਂ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ.
ਡਾਟਾ ਵੇਅਰਹਾਊਸਿੰਗ
Un ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਆਮ ਤੌਰ 'ਤੇ "ਵਿਸ਼ਾ-ਮੁਖੀ,
ਏਕੀਕ੍ਰਿਤ, ਸਮਾਂ-ਵਰਤੀ, ਅਤੇ ਸਮਰਥਨ ਵਿੱਚ ਡੇਟਾ ਦਾ ਗੈਰ-ਅਸਥਿਰ ਸੰਗ੍ਰਹਿ
ਪ੍ਰਬੰਧਨ ਦੇ ਫੈਸਲਿਆਂ ਦਾ” (ਇਨਮੋਨ ਅਤੇ ਹੈਕਾਥੋਰਨ, 1994)।
ਵਿਸ਼ਾ-ਅਧਾਰਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸ è
ਲਈ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਕਾਰਜਸ਼ੀਲ ਸੀਮਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਦਾ ਏਕੀਕ੍ਰਿਤ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਪੇਸ਼ ਕਰਦਾ ਹੈ dati.
ਸਮਾਂ-ਵਿਭਿੰਨਤਾ ਦੀ ਇਤਿਹਾਸਕ ਜਾਂ ਸਮਾਂ-ਸੀਰੀਜ਼ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ dati in
un ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਜੋ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।
ਗੈਰ-ਅਸਥਿਰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਲਗਾਤਾਰ ਨਹੀਂ ਹੈ
ਏ ਦੇ ਰੂਪ ਵਿੱਚ ਅੱਪਡੇਟ ਕੀਤਾ ਗਿਆ ਹੈ ਡਾਟਾਬੇਸ OLTP ਦਾ। ਸਗੋਂ ਇਸ ਨੂੰ ਅੱਪਡੇਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਸਮੇਂ-ਸਮੇਂ 'ਤੇ, ਨਾਲ dati ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਸਰੋਤਾਂ ਤੋਂ ਆ ਰਿਹਾ ਹੈ। ਦ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਖੋਜ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਅੱਪਡੇਟ ਦੀ ਇਕਸਾਰਤਾ ਅਤੇ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਬਜਾਏ
ਓਪਰੇਸ਼ਨ
ਸਟੋਰ ਕਰਨ ਦਾ ਵਿਚਾਰ ਆਈ dati ਇਹ ਨਵਾਂ ਨਹੀਂ ਹੈ, ਇਹ ਉਦੇਸ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਸੀ
ਦੇ ਪ੍ਰਬੰਧਨ ਦੇ dati ਸੱਠ ਦੇ ਦਹਾਕੇ ਤੋਂ (ਦਿ ਮਾਰਟਿਨ, 1982)।
I ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਉਹ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪੇਸ਼ ਕਰਦੇ ਹਨ dati ਪ੍ਰਬੰਧਨ ਲਈ
ਸਹਾਇਤਾ ਸਿਸਟਮ. ਪ੍ਰਬੰਧਨ ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਫੈਸਲੇ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ
ਸਹਾਇਤਾ ਪ੍ਰਣਾਲੀਆਂ (DSS) ਅਤੇ ਕਾਰਜਕਾਰੀ ਜਾਣਕਾਰੀ ਪ੍ਰਣਾਲੀਆਂ (EIS)।
ਇੱਕ DSS ਇੱਕ ਕੰਪਿਊਟਰ-ਅਧਾਰਿਤ ਸੂਚਨਾ ਸਿਸਟਮ ਹੈ, ਜੋ ਕਿ ਹੈ
ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਨਤੀਜੇ ਵਜੋਂ ਪਕੜ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਮਨੁੱਖੀ ਫੈਸਲਾ. ਇੱਕ EIS ਆਮ ਤੌਰ 'ਤੇ ਦੀ ਇੱਕ ਡਿਲਿਵਰੀ ਸਿਸਟਮ ਹੈ
dati ਜੋ ਕਾਰੋਬਾਰੀ ਅਧਿਕਾਰੀਆਂ ਨੂੰ ਦ੍ਰਿਸ਼ ਤੱਕ ਆਸਾਨੀ ਨਾਲ ਪਹੁੰਚ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ
ਦੇ dati.
ਦੀ ਆਮ ਆਰਕੀਟੈਕਚਰ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਪ੍ਰਬੰਧਨ ਸਹਾਇਤਾ ਵਿੱਚ. ਭੇਟ ਕਰਨ ਤੋਂ ਇਲਾਵਾ
ਬੁਨਿਆਦੀ ਢਾਂਚਾ dati EIS ਅਤੇ DSS ਲਈ, al ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਸੰਭਵ ਹੈ
ਸਵਾਲਾਂ ਰਾਹੀਂ ਸਿੱਧੇ ਇਸ ਤੱਕ ਪਹੁੰਚ ਕਰੋ। ਦ dati ਇੱਕ ਮਿਤੀ ਵਿੱਚ ਸ਼ਾਮਲ
ਵੇਅਰਹਾਊਸ ਜਾਣਕਾਰੀ ਦੀਆਂ ਲੋੜਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਆਧਾਰਿਤ ਹਨ
ਪ੍ਰਬੰਧਨ ਅਤੇ ਤਿੰਨ ਸਰੋਤਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ: ਅੰਦਰੂਨੀ ਵਿਰਾਸਤ ਪ੍ਰਣਾਲੀਆਂ,
ਖਾਸ ਮਕਸਦ ਡਾਟਾ ਕੈਪਚਰ ਸਿਸਟਮ ਅਤੇ ਬਾਹਰੀ ਡਾਟਾ ਸਰੋਤ. ਦ
dati ਅੰਦਰੂਨੀ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਉਹ ਅਕਸਰ ਬੇਲੋੜੇ ਹੁੰਦੇ ਹਨ,
ਅਸੰਗਤ, ਘੱਟ ਕੁਆਲਿਟੀ, ਅਤੇ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਗਿਆ
ਇਸ ਲਈ ਉਹਨਾਂ ਨੂੰ ਇਸ ਵਿੱਚ ਲੋਡ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਨੂੰ ਮਿਲਾ ਕੇ ਸਾਫ਼ ਕਰਨ ਦੀ ਲੋੜ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਇਨਮੋਨ, 1992; ਮੈਕਫੈਡਨ, 1996)। ਦ dati ਤੋਂ
ਸਟੋਰੇਜ਼ ਸਿਸਟਮ ਤੋਂ 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 ਵਰਤੋਂ ਦੁਆਰਾ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣਾ ਸ਼ਾਮਲ ਹੈ
ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋਰ ਜਾਣਕਾਰੀ (Ives 1995), ਫੋਕਸ ਲਈ ਸਮਰਥਨ
ਪੂਰੇ ਕਾਰੋਬਾਰ 'ਤੇ (ਗ੍ਰਾਹਮ 1996), ਅਤੇ ਲਾਗਤਾਂ ਵਿੱਚ ਕਮੀ
ਦੀ ਵਿਵਸਥਾ dati EIS ਅਤੇ DSS ਲਈ (ਗ੍ਰਾਹਮ 1996, ਮੈਕਫੈਡਨ
1996).
ਇੱਕ ਤਾਜ਼ਾ ਅਨੁਭਵੀ ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ, ਔਸਤਨ, ਦੀ ਵਾਪਸੀ
i ਲਈ ਨਿਵੇਸ਼ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਤਿੰਨ ਸਾਲਾਂ ਬਾਅਦ 401% ਦੁਆਰਾ (ਗ੍ਰਾਹਮ,
1996)। ਹਾਲਾਂਕਿ, ਦੇ ਹੋਰ ਅਨੁਭਵੀ ਅਧਿਐਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਹੈ
ਐਡ ਨੂੰ ਮਾਪਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਸਮੇਤ ਮਹੱਤਵਪੂਰਨ ਸਮੱਸਿਆਵਾਂ ਲੱਭੀਆਂ
ਲਾਭ ਨਿਰਧਾਰਤ ਕਰਨਾ, ਸਪਸ਼ਟ ਉਦੇਸ਼ ਦੀ ਘਾਟ, ਇਸ ਨੂੰ ਘੱਟ ਸਮਝਣਾ
ਸਟੋਰ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦਾ ਉਦੇਸ਼ ਅਤੇ ਜਟਿਲਤਾ i dati, ਵਿਚ
ਖਾਸ ਤੌਰ 'ਤੇ ਸਰੋਤਾਂ ਅਤੇ ਸਫਾਈ ਦੇ ਸੰਬੰਧ ਵਿੱਚ dati.
ਸਟੋਰ ਕਰਨਾ ਆਈ dati ਦਾ ਹੱਲ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਦੇ ਪ੍ਰਬੰਧਨ ਦੀ ਸਮੱਸਿਆ ਨੂੰ dati ਸੰਸਥਾਵਾਂ ਵਿਚਕਾਰ. ਉੱਥੇ
ਦੀ ਹੇਰਾਫੇਰੀ dati ਇੱਕ ਸਮਾਜਿਕ ਸਰੋਤ ਦੇ ਰੂਪ ਵਿੱਚ ਇਹ ਇੱਕ ਰਿਹਾ ਹੈ
ਭਰ ਵਿੱਚ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਮੁੱਖ ਮੁੱਦੇ
ਕਈ ਸਾਲਾਂ ਲਈ ਸੰਸਾਰ (ਬ੍ਰੈਂਚੌ ਐਟ ਅਲ. 1996, ਗੈਲੀਅਰਜ਼ ਐਟ ਅਲ. 1994,
ਨੀਡਰਮੈਨ ਐਟ ਅਲ. 1990, ਪਰਵਾਨ 1993)।
ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਪ੍ਰਸਿੱਧ ਪਹੁੰਚ dati ਅੱਸੀਵਿਆਂ ਵਿੱਚ ਇਹ ਸੀ
ਇੱਕ ਮਾਡਲ ਦਾ ਵਿਕਾਸ dati ਸਮਾਜਿਕ. ਮਾਡਲ dati ਸਮਾਜਿਕ ਸੀ
ਨਵੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਲਈ ਇੱਕ ਸਥਿਰ ਅਧਾਰ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਐਪਲੀਕੇਸ਼ਨਾਂ ਈ ਡਾਟਾਬੇਸ ਅਤੇ ਵਿਰਾਸਤ ਦਾ ਮੁੜ ਨਿਰਮਾਣ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ
ਸਿਸਟਮ (Brancheau et al.
1989, Goodhue et al. 1988:1992, ਕਿਮ ਅਤੇ ਐਵਰੈਸਟ 1994)।
ਹਾਲਾਂਕਿ, ਇਸ ਪਹੁੰਚ ਨਾਲ ਬਹੁਤ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਹਨ, ਵਿੱਚ
ਖਾਸ ਤੌਰ 'ਤੇ, ਹਰੇਕ ਕੰਮ ਦੀ ਗੁੰਝਲਤਾ ਅਤੇ ਲਾਗਤ, ਅਤੇ ਲੰਬਾ ਸਮਾਂ
ਠੋਸ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ (ਬੇਨਨ-ਡੇਵਿਸ 1994, ਅਰਲ
1993, Goodhue et al. 1992, ਪੇਰੀਸਾਮੀ 1994, ਸ਼ੈਂਕਸ 1997)।
Il ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਇੱਕ ਵੱਖਰਾ ਡੇਟਾਬੇਸ ਹੈ ਜੋ ਵਿਰਾਸਤੀ ਡੇਟਾਬੇਸ ਨਾਲ ਸਹਿ-ਮੌਜੂਦ ਹੈ
ਡਾਟਾਬੇਸ ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ. ਇਸ ਲਈ ਇਹ ਤੁਹਾਨੂੰ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ
ਦੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਨਿਰਦੇਸ਼ਤ ਕਰੋ dati ਅਤੇ ਮਹਿੰਗੇ ਪੁਨਰ ਨਿਰਮਾਣ ਤੋਂ ਬਚੋ
ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ ਦਾ.
ਡਾਟਾ ਡਿਜ਼ਾਈਨ ਲਈ ਮੌਜੂਦਾ ਪਹੁੰਚ
ਵੇਅਰਹਾਊਸ
ਬਣਾਉਣ ਅਤੇ ਸੰਪੂਰਨ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ
a ਦੀ ਬਜਾਏ ਇੱਕ ਵਿਕਾਸਵਾਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਵਧੇਰੇ ਸਮਝਣਾ ਚਾਹੀਦਾ ਹੈ
ਰਵਾਇਤੀ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਵਿਕਾਸ ਜੀਵਨ ਚੱਕਰ (ਦੇਸੀਓ, 1995, ਸ਼ੰਕਸ,
ਓ'ਡੋਨੇਲ ਅਤੇ ਅਰਨੋਟ 1997a)। ਏ ਵਿੱਚ ਸ਼ਾਮਲ ਬਹੁਤ ਸਾਰੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਹਨ
ਦਾ ਪ੍ਰੋਜੈਕਟ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਜਿਵੇਂ ਕਿ ਸ਼ੁਰੂਆਤ, ਯੋਜਨਾਬੰਦੀ;
ਕੰਪਨੀ ਪ੍ਰਬੰਧਕਾਂ ਤੋਂ ਮੰਗੀਆਂ ਗਈਆਂ ਲੋੜਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਣਕਾਰੀ;
ਸਰੋਤ, ਪਰਿਵਰਤਨ, ਦੀ ਸਫਾਈ dati ਅਤੇ ਵਿਰਾਸਤ ਤੋਂ ਸਮਕਾਲੀਕਰਨ
ਸਿਸਟਮ ਅਤੇ ਹੋਰ ਸਰੋਤ dati; ਵਿਕਾਸ ਵਿੱਚ ਡਿਲੀਵਰੀ ਸਿਸਟਮ;
ਦੀ ਨਿਗਰਾਨੀ ਡਾਟਾ ਵੇਅਰਹਾਊਸ; ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਦੀ ਬੇਸਮਝੀ
ਵਿਕਾਸਵਾਦੀ ਅਤੇ ਏ ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਸਟਿੰਚਸ, ਓ'ਡੋਨੇਲ
ਅਤੇ ਅਰਨੋਟ 1997b)। ਇਸ ਜਰਨਲ ਵਿੱਚ, ਅਸੀਂ ਇਸ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਾਂ ਕਿ ਕਿਵੇਂ
ਡਰਾਅ i dati ਇਹਨਾਂ ਹੋਰ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਡੇਟਾ ਆਰਕੀਟੈਕਚਰ ਲਈ ਕਈ ਤਰੀਕੇ ਪ੍ਰਸਤਾਵਿਤ ਹਨ
ਸਾਹਿਤ ਵਿੱਚ ਵੇਅਰਹਾਊਸ (ਇਨਮੋਨ 1994, ਆਈਵਸ 1995, ਕਿਮਬਾਲ 1994
ਮੈਕਫੈਡਨ 1996)। ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਵਿਧੀ ਦਾ ਇੱਕ ਸੰਖੇਪ ਹੈ
ਉਹਨਾਂ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨਾਲ ਸਮੀਖਿਆ ਕਰੋ।
ਇਨਮੋਨਸ (1994) ਲਈ ਪਹੁੰਚ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ
ਡਿਜ਼ਾਈਨ
ਇਨਮੋਨ (1994) ਨੇ ਡੇਟਾ ਖਿੱਚਣ ਲਈ ਚਾਰ ਦੁਹਰਾਏ ਕਦਮਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ
ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 2 ਦੇਖੋ)। ਪਹਿਲਾ ਕਦਮ ਇੱਕ ਟੈਂਪਲੇਟ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਹੈ
dati ਇਹ ਸਮਝਣ ਲਈ ਸਮਾਜਿਕ ਕਿਵੇਂ ਆਈ dati ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
ਇੱਕ ਸੰਗਠਨ ਦੇ ਅੰਦਰ ਕਾਰਜਸ਼ੀਲ ਖੇਤਰਾਂ ਵਿੱਚ
ਵੰਡਣਾ i dati ਖੇਤਰਾਂ ਵਿੱਚ ਸਟੋਰ ਕਰੋ। ਮਾਡਲ dati ਇਸ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ
ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ dati ਫੈਸਲੇ ਲੈਣ ਨਾਲ ਸਬੰਧਤ, ਸਮੇਤ dati
ਇਤਿਹਾਸਕਾਰ, ਅਤੇ ਸ਼ਾਮਲ ਹਨ dati ਕਟੌਤੀ ਕੀਤੀ ਅਤੇ ਇਕੱਤਰ ਕੀਤੀ। ਦੂਜਾ ਕਦਮ ਹੈ
ਲਾਗੂ ਕਰਨ ਲਈ ਵਿਸ਼ਾ ਖੇਤਰਾਂ ਦੀ ਪਛਾਣ ਕਰੋ। ਇਹ ਆਧਾਰਿਤ ਹਨ
ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਸੰਸਥਾ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਤਰਜੀਹਾਂ 'ਤੇ. ਤੀਜਾ
ਕਦਮ ਇੱਕ ਡਰਾਇੰਗ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ ਡਾਟਾਬੇਸ ਵਿਸ਼ੇ ਖੇਤਰ ਲਈ, ਪੋਜ਼
ਗ੍ਰੈਨਿਊਲਿਟੀ ਦੇ ਢੁਕਵੇਂ ਪੱਧਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ 'ਤੇ ਖਾਸ ਧਿਆਨ ਦਿਓ।
ਇਨਮੋਨ ਇਕਾਈਆਂ ਅਤੇ ਸਬੰਧਾਂ ਦੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦਾ ਹੈ। ਚੌਥਾ
ਕਦਮ ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ dati ਲੋੜੀਂਦਾ ਹੈ ਅਤੇ ਵਿਕਾਸ ਕਰਦਾ ਹੈ
ਕੈਪਚਰ ਕਰਨ, ਸਾਫ਼ ਕਰਨ ਅਤੇ ਫਾਰਮੈਟ ਕਰਨ ਲਈ ਪਰਿਵਰਤਨ ਪ੍ਰਕਿਰਿਆਵਾਂ i dati.
ਇਨਮੋਨ ਦੀ ਪਹੁੰਚ ਦੀ ਤਾਕਤ ਇਹ ਹੈ ਕਿ ਮਾਡਲ dati ਸਮਾਜਿਕ
ਦੇ ਏਕੀਕਰਨ ਲਈ ਆਧਾਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ dati ਸੰਗਠਨ ਦੇ ਅੰਦਰ
ਅਤੇ ਦੁਹਰਾਉਣ ਵਾਲੇ ਡੇਟਾ ਵਿਕਾਸ ਲਈ ਯੋਜਨਾਬੰਦੀ ਦਾ ਸਮਰਥਨ ਕਰੋ
ਗੋਦਾਮ ਇਸ ਦੀਆਂ ਖਾਮੀਆਂ ਡਰਾਇੰਗ ਦੀ ਮੁਸ਼ਕਲ ਅਤੇ ਲਾਗਤ ਹਨ
ਮਾਡਲ dati ਸਮਾਜਿਕ, ਇਕਾਈਆਂ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਅਤੇ
ਦੋਵੇਂ ਮਾਡਲਾਂ ਵਿੱਚ ਵਰਤੇ ਗਏ ਰਿਸ਼ਤੇ, ਜੋ ਕਿ dati ਸਮਾਜਿਕ ਅਤੇ ਇਸ ਦੇ dati
ਵਿਸ਼ਾ ਖੇਤਰ, ਅਤੇ ਦੀ ਅਨੁਕੂਲਤਾ ਦੁਆਰਾ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ dati Del
ਦੀ ਡਰਾਇੰਗ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਪ੍ਰਾਪਤੀ ਲਈ ਡਾਟਾਬੇਸ
ਸੰਬੰਧਤ ਪਰ ਲਈ ਨਹੀਂ ਡਾਟਾਬੇਸ ਬਹੁ-ਆਯਾਮੀ.
Ives' (1995) ਤੱਕ ਪਹੁੰਚ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ
ਡਿਜ਼ਾਈਨ
Ives (1995) ਨੇ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਚਾਰ-ਪੜਾਅ ਵਾਲੀ ਪਹੁੰਚ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਹੈ
ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ ਜਿਸ ਨੂੰ ਉਹ ਡੇਟਾ ਦੇ ਡਿਜ਼ਾਈਨ ਲਈ ਲਾਗੂ ਮੰਨਦਾ ਹੈ
ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 3 ਦੇਖੋ)। ਪਹੁੰਚ ਬਹੁਤ ਹੀ ਆਧਾਰਿਤ ਹੈ
ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਲਈ ਸੂਚਨਾ ਇੰਜੀਨੀਅਰਿੰਗ
(ਮਾਰਟਿਨ 1990)। ਪਹਿਲਾ ਕਦਮ ਉਦੇਸ਼ਾਂ, ਕਾਰਕਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ ਹੈ
ਨਾਜ਼ੁਕ ਅਤੇ ਸਫਲ ਅਤੇ ਮੁੱਖ ਪ੍ਰਦਰਸ਼ਨ ਸੂਚਕ। ਦ
ਮੁੱਖ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਜ਼ਰੂਰੀ ਜਾਣਕਾਰੀ ਹਨ
ਸਾਨੂੰ ਇੱਕ ਮਾਡਲ ਵੱਲ ਲੈ ਜਾਣ ਲਈ ਮਾਡਲ ਬਣਾਇਆ ਗਿਆ dati ਸਮਾਜਿਕ. ਦੂਜਾ ਕਦਮ
ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਆਰਕੀਟੈਕਚਰ ਦੇ ਵਿਕਾਸ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ dati
ਖੇਤਰਾਂ ਦੁਆਰਾ ਸਟੋਰ ਕੀਤਾ ਗਿਆ, ਡਾਟਾਬੇਸ di ਡਾਟਾ ਵੇਅਰਹਾਊਸ, ਹਿੱਸੇ
ਤਕਨਾਲੋਜੀ ਦੀ ਲੋੜ ਹੈ, ਸੰਗਠਨਾਤਮਕ ਸਹਿਯੋਗ ਦਾ ਸੈੱਟ
ਨਾਲ ਲਾਗੂ ਕਰਨ ਅਤੇ ਕੰਮ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਤੀਜਾ
ਕਦਮ ਵਿੱਚ ਲੋੜੀਂਦੇ ਸੌਫਟਵੇਅਰ ਪੈਕੇਜ ਅਤੇ ਟੂਲਸ ਦੀ ਚੋਣ ਸ਼ਾਮਲ ਹੈ।
ਚੌਥਾ ਕਦਮ ਹੈ ਵਿਸਤ੍ਰਿਤ ਡਿਜ਼ਾਈਨ ਅਤੇ ਨਿਰਮਾਣ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਆਈਵਸ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਸਟੋਰ ਕਰਨਾ dati ਉਹ ਇੱਕ ਬੰਧੂਆ ਆਦਮੀ ਹੈ
ਦੁਹਰਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ.
Ives' ਪਹੁੰਚ ਦੀ ਤਾਕਤ ਲਈ ਖਾਸ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਹੈ
ਜਾਣਕਾਰੀ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ, ਇੱਕ ਸਟ੍ਰਕਚਰਡ ਦੀ ਵਰਤੋਂ
ਦੇ ਏਕੀਕਰਣ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਪ੍ਰਕਿਰਿਆ ਡਾਟਾ ਵੇਅਰਹਾਊਸ,
ਢੁਕਵੇਂ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸੌਫਟਵੇਅਰ ਦੀ ਚੋਣ, ਅਤੇ ਮਲਟੀਪਲ ਦੀ ਵਰਤੋਂ
ਲਈ ਨੁਮਾਇੰਦਗੀ ਤਕਨੀਕ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਇਸ ਦੀਆਂ ਖਾਮੀਆਂ
ਉਹ ਜਟਿਲਤਾ ਵਿੱਚ ਨਿਹਿਤ ਹਨ. ਹੋਰਾਂ ਵਿੱਚ ਮੁਸ਼ਕਲ ਸ਼ਾਮਲ ਹੈ
ਦੇ ਕਈ ਪੱਧਰਾਂ ਦਾ ਵਿਕਾਸ ਡਾਟਾਬੇਸ all'interno del ਡਾਟਾ ਵੇਅਰਹਾਊਸ in
ਵਾਜਬ ਸਮਾਂ ਅਤੇ ਖਰਚੇ।
ਕਿਮਬਾਲ ਦੀ (1994) ਪਹੁੰਚ ਡੇਟਾ ਵੇਅਰਹਾhouseਸ
ਡਿਜ਼ਾਈਨ
ਕਿਮਬਾਲ (1994) ਨੇ ਡੇਟਾ ਖਿੱਚਣ ਲਈ ਪੰਜ ਦੁਹਰਾਏ ਕਦਮਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ
ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 4 ਦੇਖੋ)। ਉਸ ਦੀ ਪਹੁੰਚ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਹੈ
ਸਿਰਫ਼ ਇੱਕ ਦੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਸਮਰਪਿਤ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ 'ਤੇ
ਇਕਾਈਆਂ ਅਤੇ ਸਬੰਧਾਂ ਦੇ ਮਾਡਲਾਂ ਦੀ ਤਰਜੀਹ ਵਿੱਚ ਅਯਾਮੀ। ਕਿਮਬਾਲ
ਉਹਨਾਂ ਅਯਾਮੀ ਮਾਡਲਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ ਕਿਉਂਕਿ ਇਹ ਮੇਰੇ ਲਈ ਸਮਝਣਾ ਆਸਾਨ ਹੈ
ਕਾਰੋਬਾਰੀ ਅਧਿਕਾਰੀ ਸੌਦੇ ਕਰਦੇ ਹਨ, ਇਹ ਸੌਦੇ ਕਰਨ ਵੇਲੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੁੰਦਾ ਹੈ
ਗੁੰਝਲਦਾਰ ਸਲਾਹ-ਮਸ਼ਵਰੇ, ਅਤੇ ਡਿਜ਼ਾਈਨ ਡਾਟਾਬੇਸ ਸਰੀਰਕ ਹੋਰ ਹੈ
ਕੁਸ਼ਲ (ਕਿਮਬਾਲ 1994)। ਕਿਮਬਾਲ ਮੰਨਦਾ ਹੈ ਕਿ ਵਿਕਾਸ ਏ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਇਹ ਦੁਹਰਾਉਣ ਵਾਲਾ ਹੈ, ਅਤੇ ਉਹ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਵੱਖ ਕਰ ਸਕਦੇ ਹਨ
ਡਿਵੀਜ਼ਨ ਰਾਹੀਂ ਅਯਾਮ ਟੇਬਲ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾਵੇ
ਆਮ
ਪਹਿਲਾ ਕਦਮ ਹੈ ਖਾਸ ਵਿਸ਼ਾ ਖੇਤਰ ਦੀ ਪਛਾਣ ਕਰਨਾ
ਸੰਪੂਰਨ ਦੂਜਾ ਅਤੇ ਤੀਜਾ ਕਦਮ ਆਕਾਰ ਬਣਾਉਣ ਨਾਲ ਸਬੰਧਤ ਹੈ
ਆਯਾਮੀ. ਦੂਜੇ ਪੜਾਅ ਵਿੱਚ ਮਾਪ ਦੀਆਂ ਚੀਜ਼ਾਂ ਦੀ ਪਛਾਣ ਕਰਦੇ ਹਨ
ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ ਦਿਲਚਸਪੀ ਅਤੇ ਇੱਕ ਤੱਥ ਸਾਰਣੀ ਵਿੱਚ ਗਰੁੱਪ ਕੀਤਾ ਗਿਆ ਹੈ।
ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਵਿਕਰੀ ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ ਦਿਲਚਸਪੀ ਦੇ ਮਾਪ
ਵੇਚੀਆਂ ਗਈਆਂ ਚੀਜ਼ਾਂ ਦੀ ਮਾਤਰਾ ਅਤੇ ਡਾਲਰ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ
ਇੱਕ ਵਿਕਰੀ ਮੁਦਰਾ ਦੇ ਤੌਰ ਤੇ. ਤੀਜੇ ਕਦਮ ਵਿੱਚ ਪਛਾਣ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ
ਮਾਪ ਜੋ ਉਹ ਤਰੀਕੇ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਉਹਨਾਂ ਨੂੰ ਗਰੁੱਪ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ i
ਤੱਥ। ਇੱਕ ਵਿਕਰੀ ਵਿਸ਼ੇ ਖੇਤਰ ਵਿੱਚ, ਸੰਬੰਧਿਤ ਮਾਪ
ਆਈਟਮ, ਸਥਾਨ ਅਤੇ ਸਮਾਂ ਮਿਆਦ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀ ਹੈ। ਉੱਥੇ
ਤੱਥ ਸਾਰਣੀ ਵਿੱਚ ਹਰੇਕ ਨਾਲ ਲਿੰਕ ਕਰਨ ਲਈ ਮਲਟੀ-ਪਾਰਟ ਕੁੰਜੀ ਹੁੰਦੀ ਹੈ
ਆਯਾਮ ਸਾਰਣੀਆਂ ਦਾ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਬਹੁਤ ਸੰਖਿਆ ਰੱਖਦਾ ਹੈ
ਤੱਥਾਂ ਨਾਲ ਭਰਪੂਰ। ਇਸਦੇ ਉਲਟ, ਆਯਾਮ ਟੇਬਲ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ
ਮਾਪਾਂ ਅਤੇ ਹੋਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਾਰੇ ਵਰਣਨਯੋਗ ਜਾਣਕਾਰੀ ਜੋ
ਤੱਥਾਂ ਨੂੰ ਸਮੂਹ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਤੱਥ ਸਾਰਣੀ ਈ
ਪ੍ਰਸਤਾਵ ਨਾਲ ਜੁੜੇ ਮਾਪ ਉਸ ਨੂੰ ਇੱਕ ਕਹਿੰਦੇ ਹਨ
ਇਸਦੀ ਸ਼ਕਲ ਦੇ ਕਾਰਨ ਸਟਾਰ ਪੈਟਰਨ। ਚੌਥਾ ਕਦਮ ਸ਼ਾਮਲ ਹੈ
ਦੀ ਉਸਾਰੀ ਏ ਡਾਟਾਬੇਸ ਇਸ ਨੂੰ ਸੰਪੂਰਨ ਕਰਨ ਲਈ ਬਹੁ-ਆਯਾਮੀ
ਤਾਰਾ ਪੈਟਰਨ. ਅੰਤਮ ਕਦਮ ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ dati
ਪ੍ਰਾਪਤ ਕਰਨ, ਸਾਫ਼ ਕਰਨ ਲਈ ਤਬਦੀਲੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਅਤੇ ਵਿਕਾਸ ਕਰਨਾ
ਅਤੇ ਫਾਰਮੈਟ i dati.
ਕਿਮਬਾਲ ਦੀ ਪਹੁੰਚ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਵਿੱਚ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੈ
ਨੁਮਾਇੰਦਗੀ ਕਰਨ ਲਈ ਅਯਾਮੀ i dati ਸਟੋਰ ਹੈ, ਜੋ ਕਿ ਇਸ ਨੂੰ ਬਣਾਉਣ
ਸਮਝਣ ਵਿੱਚ ਆਸਾਨ ਅਤੇ ਕੁਸ਼ਲ ਭੌਤਿਕ ਡਿਜ਼ਾਈਨ ਵੱਲ ਅਗਵਾਈ ਕਰਦਾ ਹੈ। ਏ
ਅਯਾਮੀ ਮਾਡਲ ਜੋ ਦੋਵਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਵਰਤਦਾ ਹੈ
ਸਿਸਟਮ ਡਾਟਾਬੇਸ ਰਿਲੇਸ਼ਨਲ ਸੰਪੂਰਨ ਜਾਂ ਸਿਸਟਮ ਹੋ ਸਕਦੇ ਹਨ
ਡਾਟਾਬੇਸ ਬਹੁ-ਆਯਾਮੀ। ਇਸ ਦੀਆਂ ਕਮੀਆਂ ਵਿੱਚ ਕਮੀ ਸ਼ਾਮਲ ਹੈ
ਦੀ ਯੋਜਨਾਬੰਦੀ ਜਾਂ ਏਕੀਕਰਣ ਦੀ ਸਹੂਲਤ ਲਈ ਕੁਝ ਤਕਨੀਕਾਂ ਦੀ
ਇੱਕ ਦੇ ਅੰਦਰ ਬਹੁਤ ਸਾਰੇ ਸਟਾਰ ਪੈਟਰਨ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ
ਏ ਵਿੱਚ ਅਤਿਅੰਤ ਅਸਧਾਰਨ ਢਾਂਚੇ ਤੋਂ ਡਿਜ਼ਾਈਨ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ
ਅਯਾਮੀ ਮਾਡਲ ਏ dati ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀ ਵਿੱਚ.
ਮੈਕਫੈਡਨ (1996) ਡੇਟਾ ਲਈ ਪਹੁੰਚ
ਵੇਅਰਹਾਊਸ ਡਿਜ਼ਾਈਨ
ਮੈਕਫੈਡਨ (1996) ਨੇ ਇੱਕ ਪੰਜ-ਕਦਮ ਪਹੁੰਚ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ
ਡਰਾਅ a ਡਾਟਾ ਵੇਅਰਹਾਊਸ (ਚਿੱਤਰ 5 ਦੇਖੋ)।
ਉਸਦੀ ਪਹੁੰਚ ਸਾਹਿਤ ਦੇ ਵਿਚਾਰਾਂ ਦੇ ਸੰਸ਼ਲੇਸ਼ਣ 'ਤੇ ਅਧਾਰਤ ਹੈ
ਅਤੇ ਸਿਰਫ਼ ਇੱਕ ਦੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਪਹਿਲਾ
ਕਦਮ ਵਿੱਚ ਲੋੜਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ
ਤਕਨੀਕਾਂ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ, ਮੈਕਫੈਡਨ ਦੇ ਨੋਟਸ ਦੀ ਪਛਾਣ ਕਰਦੇ ਹਨ
ਹਸਤੀ dati ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਅਤੇ ਵਾਟਸਨ ਪਾਠਕਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੀਆਂ ਹਨ
ਅਤੇ ਫਰੋਲਿਕ (1993) ਲੋੜਾਂ ਕੈਪਚਰ ਕਰਨ ਲਈ।
ਦੂਜੇ ਪੜਾਅ ਵਿੱਚ, ਇੱਕ ਹਸਤੀ ਸਬੰਧ ਮਾਡਲ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਫਿਰ ਵਪਾਰਕ ਨੇਤਾਵਾਂ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ। ਤੀਜਾ
ਕਦਮ ਵਿੱਚ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀ ਤੋਂ ਮੈਪਿੰਗ ਨਿਰਧਾਰਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ
ਅਤੇ ਦੇ ਬਾਹਰੀ ਸਰੋਤ ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਚੌਥਾ ਕਦਮ ਸ਼ਾਮਲ ਹੈ
ਦੇ ਵਿਕਾਸ, ਤੈਨਾਤੀ ਅਤੇ ਸਮਕਾਲੀਕਰਨ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆਵਾਂ dati ਨੇਲ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ. ਅੰਤਮ ਪੜਾਅ ਵਿੱਚ, ਸਿਸਟਮ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਇੱਕ ਉਪਭੋਗਤਾ ਇੰਟਰਫੇਸ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਜ਼ੋਰ ਦੇ ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ।
ਮੈਕਫੈਡਨ ਦੱਸਦਾ ਹੈ ਕਿ ਡਰਾਇੰਗ ਪ੍ਰਕਿਰਿਆ ਆਮ ਤੌਰ 'ਤੇ ਹੁੰਦੀ ਹੈ
ਦੁਹਰਾਉਣ ਵਾਲਾ।
ਮੈਕਫੈਡਨ ਦੀ ਪਹੁੰਚ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਭਾਗੀਦਾਰੀ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀਆਂ ਹਨ
ਲੋੜਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਕਾਰੋਬਾਰੀ ਨੇਤਾਵਾਂ ਦੁਆਰਾ ਅਤੇ ਇਹ ਵੀ
ਸਰੋਤ ਦੀ ਮਹੱਤਤਾ dati, ਉਹਨਾਂ ਦੀ ਸਫਾਈ ਅਤੇ ਸੰਗ੍ਰਹਿ। ਉਸ ਦੇ
ਖਾਮੀਆਂ a ਨੂੰ ਵੰਡਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੀ ਘਾਟ ਨਾਲ ਸਬੰਧਤ ਹਨ
ਦੁਆਰਾ ਮਹਾਨ ਪ੍ਰੋਜੈਕਟ ਡਾਟਾ ਵੇਅਰਹਾਊਸ ਕਈ ਏਕੀਕ੍ਰਿਤ ਪੜਾਵਾਂ ਵਿੱਚ, ਅਤੇ
ਦੇ ਡਿਜ਼ਾਈਨ ਵਿਚ ਵਰਤੇ ਗਏ ਇਕਾਈ ਅਤੇ ਰਿਸ਼ਤੇ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਸਮਝਣ ਵਿਚ ਮੁਸ਼ਕਲ
ਡਾਟਾ ਵੇਅਰਹਾਊਸ.
ਨਿਯਤ ਕਰੋ:
ਔਨਲਾਈਨ ਵੈਬ ਏਜੰਸੀ ਤੋਂ ਹੋਰ ਜਾਣੋ
ਈਮੇਲ ਦੁਆਰਾ ਨਵੀਨਤਮ ਲੇਖ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਗਾਹਕ ਬਣੋ।
